[发明专利]图像目标的识别方法及装置

说明书

本发明实施例提供了一种图像目标的识别方法及装置，所述方法包括：获取待识别图像；将所述待识别图像输入预设的三维分类模型；所述三维分类模型提取所述待识别图像的三维图像特征，并根据所述三维图像特征，生成所述待识别图像的三维概率空间图，根据预存的各种目标物与三维概率空间图之间的关系，识别所述待识别图像中的目标物，并将所述目标物作为识别结果输出；获取所述三维分类模型输出的识别结果。应用本发明实施例能够提高图像目标识别的准确率。

技术领域

本发明涉及图像识别技术领域，特别是涉及图像目标的识别方法及装置。

背景技术

随着图像识别技术的广泛应用，对图像目标识别识别精度的要求也越来越高，尤其对于车牌识别、交通标志牌识别等应用场景。

目前，使用较为广泛的图像目标识别方法是基于预设的分类模型的图像目标识别方法，其中，预设的分类模块包括卷积神经网络(Convolutional Neural Network，CNN)模型和级联分类器；下面以识别车牌的过程为例，具体说明图像的目标识别过程：

首先，获取包含目标车牌的待识别图像；

然后，使用预设的分类模型中的CNN模型，提取待识别图像的二维图像特征；

接下来，使用预设的分类模型中的级联分类器，对所述二维图像特征进行分类处理，得到目标车牌的分类结果；

最后，根据所述分类结果，识别出目标车牌中的字符。

由于级联分类器是由一系列的分类器串联组成，下级分类器是在上一级分类器的处理结果基础上继续进行分类处理；可见，在上述图像识别方法中，在得到待识别图像的二维图像特征后，还需要经过多级分类处理后才能得到分类结果，处理过程较为复杂，易产生多种误差，从而影响图像目标的识别准确率。

发明内容

本发明实施例的目的在于提供图像目标的识别方法及装置，能够提高图像目标识别的准确率。具体技术方案如下：

本发明的一种实施例提出了一种图像目标的识别方法，所述方法包括：获取待识别图像；将所述待识别图像输入预设的三维分类模型；所述三维分类模型提取所述待识别图像的三维图像特征，并根据所述三维图像特征，生成所述待识别图像的三维概率空间图，根据预存的各种目标物与三维概率空间图之间的关系，识别所述待识别图像中的目标物，并将所述目标物作为识别结果输出；获取所述三维分类模型输出的识别结果。

优选的，所述三维分类模型提取所述待识别图像的三维图像特征的步骤，包括：根据所述待识别图像的水平及垂直两个方向的上下文依赖关系，提取所述待识别图像的三维图像特征；所述根据所述三维图像特征，生成所述待识别图像的三维概率空间图的步骤，包括：通过将所述三维图像特征进行归一化处理，将所述三维图像特征透射至三维概率空间，生成所述待识别图像的三维概率空间图。

优选的，所述预存的各种目标物与三维概率空间图之间的关系，包括：各种目标物在三维概率空间中预设轴的峰值；所述根据预存的各种目标物与三维概率空间图之间的关系，识别出所述待识别图像中的目标物的步骤，包括：从所述待识别图像的三维概率空间图中，获得待识别图像中各个位置在三维概率空间中预设轴的峰值；将待识别图像中各个位置在三维概率空间中预设轴的峰值与所述预存的各种目标物在三维概率空间中预设轴的峰值进行匹配；将匹配上预设轴的峰值对应的目标物，确定为识别结果。