[发明专利]物体识别方法和装置

说明书

本公开提供一种物体识别方法和装置。本公开物体识别方法，包括：基于BING在待识别图像中确定至少一个第一候选框，该第一候选框用于标识待检测是否包含目标物体的图像区域；将第一候选框与目标物体模型进行比对，该目标物体模型是通过采用CNN对样本数据进行训练获得的关于目标物体的模型；若第一候选框中存在目标物体模型，则标示第一候选框。本公开可大大减少需要比对的候选框的数目，比对次数的减少可加速物体识别过程；其中，采用CNN对样本数据进行训练获得的目标物体模型与目标物体的差别较小，较贴近目标物体的形状，可保证物体识别的精确度，因此，本公开可快速、精确地进行物体识别。

技术领域

本公开涉及图像处理，尤其涉及一种物体识别方法和装置。

背景技术

目前，大部分物体识别方法都是先学习大量的样本，获得学习结果，即物体模型；然后用不同的框遍历需要测试的图片，将遍历的框中的内容依次与物体模型比对，确定框中是否存在此物体模型。然而，对于一幅N*N图像而言，要遍历所有可能的框，需要遍历的次数大约为N的4次方数量级。

发明内容

为克服相关技术中存在的问题，本公开提供一种物体识别方法和装置。所述技术方案如下：

根据本公开实施例的第一方面，提供一种物体识别方法，该方法包括：

基于BING方法在待识别图像中确定至少一个第一候选框，该第一候选框用于标识待检测是否包含目标物体的图像区域；

将第一候选框与目标物体模型进行比对，该目标物体模型是通过采用CNN对样本数据进行训练获得的关于目标物体的模型；

若第一候选框中存在所述目标物体模型，则标示第一候选框。

本公开的实施例提供的技术方案可以包括以下有益效果：通过BING方法获取可能包含目标物体的至少一个第一候选框，相对于现有技术，可大大减少需要比对的候选框的数目，因单次比对所持续的时间相对固定，因此，比对次数的减少可加速物体识别过程；将第一候选框与目标物体模型进行比对，该目标物体模型是通过采用CNN对样本数据进行训练获得的关于目标物体的模型，若第一候选框中存在目标物体模型，则标示第一候选框，完成对物体的识别，其中，采用CNN对样本数据进行训练获得的目标物体模型与目标物体的差别较小，较贴近目标物体的形状，可保证物体识别的精确度，因此，本公开可快速、精确地进行物体识别。

可选地，上述基于BING方法在待识别图像中确定至少一个第一候选框，包括：采用BING方法对待识别图像进行对象估计，获得该待识别图像中的至少一个第一候选框。

进一步地，上述将第一候选框与目标物体模型进行比对之前，还包括：对至少一个第一候选框进行聚类，确定第二候选框。该第二候选框的个数少于第一候选框的个数。相应地，上述将第一候选框与目标物体模型进行比对，具体为：将第二候选框与目标物体模型进行比对。上述若第一候选框中存在目标物体模型，则标示第一候选框，具体为：若第二候选框中存在目标物体模型，则标示第二候选框。

本公开的实施例提供的技术方案可以包括以下有益效果：通过对至少一个第一候选框进行聚类确定第二候选框，进一步减少需比对的候选框的个数，完成物体识别过程所消耗的时间更少，提升用户体验。

进一步地，上述对至少一个第一候选框进行聚类，确定第二候选框之前，还包括：在至少一个第一候选框中，选取置信分值大于预设值的候选框。该置信分值用于表征候选框中包含目标物体的概率。相应地，上述对至少一个第一候选框进行聚类，确定第二候选框，包括：根据置信分值大于预设值的候选框的大小，对置信分值大于预设值的候选框进行聚类，确定第二候选框。