[发明专利]图像识别方法及电子设备

说明书

本发明实施例公开了一种图像识别方法及装置，所述图像识别方法包括：确定待识别图像中待识别对象对应的待识别区域；利用采用变换数据集训练形成的指定神经网络，对所述待识别区域进行识别获得识别结果；其中，所述变换数据集包括：包含有预设变换的图形对象的训练图像和所述训练图像对应的预设结果。

技术领域

本发明涉及信息技术领域，尤其涉及一种图像识别方法及电子设备。

背景技术

随着信息技术发展，出现了图像识别技术，利用图像识别技术识别出图像中的信息内容，例如，提取图像中的字符。

在现有技术中对图像中字符的识别，可包括以下步骤：

对图像进行预处理，提取出只包括字符的图像部分；

对图像进行特征提取和参数估计；

根据参数进行仿射变换或投影变换等数学变化，进行图像中字符的形态校正；

最后识别校正之后的字符，完成对图像信息的提取。

这种识别方法存在以下问题：

一：对图像进行数学变换，再提取特征，可能会出现很多误差，从而导致识别精度比较低，且大量的数学变换会导致很多复杂的中间运算。

二：这种识别技术通常都无法识别孤立的字符，能够识别的范围有限。

发明内容

有鉴于此，本发明实施例期望提供一种图像识别方法及电子设备，能够提升识别效率或提升准确率。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例第一方面提供一种图像识别方法，包括：

确定待识别图像中待识别对象对应的待识别区域；

利用采用变换数据集训练形成的指定神经网络，对所述待识别区域进行识别获得识别结果；

其中，所述变换数据集包括：包含有预设变换的图形对象的训练图像和所述训练图像对应的预设结果。

基于上述方案，所述方法还包括：

在对所述待识别区域进行识别获得识别结果之前，利用包含有预设变换的图形对象的训练图像和所述训练图像对应的预设结果，进行神经网络训练，获得所述指定神经网络。

基于上述方案，所述进行神经网络训练，获得所述指定神经网络，包括：

利用数学变换对图形对象进行所述预设变换，获得所述包含有预设变换的图形对象的训练图像；

利用所述包含有预设变换的图形对象的训练图像及预设结果，对神经网络进行训练获得所述网络参数。

基于上述方案，所述确定待识别图像中待识别对象对应的待识别区域，包括：

定位所述待识别图像的待识别对象；

确定所述待识别对象的边界参数；其中，所述边界参数能够用于所述指定神经网络定位所述待识别对象对应的所述待识别区域；

所述利用采用变换数据集训练形成的指定神经网络，对所述待识别区域进行识别获得识别结果，包括：

根据所述边界参数从所述待识别图像中提取出所述待识别区域；

根据所述待识别区域中图形识别出待识别对象，获得所述识别结果。

基于上述方案，所述待识别对象包括待识别字符；

所述定位所述待识别图像的待识别对象，包括：

检测出所述待识别图像中边缘点；所述边缘点包括第一边缘点p；