[发明专利]图像识别方法、系统以及电子设备在审

专利信息
申请号: 201711128209.6 申请日: 2017-11-14
公开(公告)号: CN107944478A 公开(公告)日: 2018-04-20
发明(设计)人: 黄鼎隆;马修·罗伯特·斯科特;傅恺;郭胜 申请(专利权)人: 深圳码隆科技有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46
代理公司: 北京超凡志成知识产权代理事务所(普通合伙)11371 代理人: 王宁宁
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 识别 方法 系统 以及 电子设备
【权利要求书】:

1.一种图像识别方法,其特征在于,包括:

识别目标图像中的图像元素,得到图像元素数据;

根据所述图像元素数据通过映射函数对目标图像进行映射,得到若干个图像集合;

对所述图像集合中的图像数据进行特征提取,得到图像特征数据;

通过线性分类器对所述图像特征数据进行线性分类,得到图像特征数据的分类结果;

根据所述分类结果确定图像特征数据所属目标图像的识别结果信息。

2.根据权利要求1所述的图像识别方法,其特征在于,所述识别目标图像中的图像元素,得到图像元素数据之前,还包括:

根据用户的输入确定目标图像中的图像元素。

3.根据权利要求1所述的图像识别方法,其特征在于,所述根据所述图像元素数据通过映射函数对目标图像进行映射,得到若干个图像集合之前,还包括:

根据用户的输入确定图像元素与图像集合之间映射的对应关系。

4.根据权利要求1所述的图像识别方法,其特征在于,所述根据所述图像元素数据通过映射函数对目标图像进行映射,得到若干个图像集合,具体包括:

根据所述图像元素数据通过映射函数将若干个目标图像进行映射与分类,得到若干个目标图像的集合。

5.根据权利要求1所述的图像识别方法,其特征在于,所述对所述图像集合中的图像数据进行特征提取,得到图像特征数据之前,还包括:

根据用户的输入设置从图像数据中提取的图像特征。

6.根据权利要求1所述的图像识别方法,其特征在于,所述线性分类器包括:二元线性分类器与支持向量机。

7.根据权利要求1所述的图像识别方法,其特征在于,所述通过线性分类器对所述图像特征数据进行线性分类,得到图像特征数据的分类结果,具体包括:

根据用户的输入设置权重的值;

通过线性分类器计算图像数据的颜色通道中像素的值与所述权重的值的矩阵相乘,得到矩阵相乘的结果;

根据所述矩阵相乘的结果确定分类分值;

根据所述权重的值与所述分类分值,通过线性函数对所述图像特征数据进行线性分类,得到图像特征数据的分类结果。

8.根据权利要求1所述的图像识别方法,其特征在于,所述图像特征数据包括:图像中的颜色数据与颜色的位置数据。

9.一种图像识别系统,其特征在于,包括:元素识别模块、数据映射模块、特征提取模块、线性分类模块以及信息确定模块;

所述元素识别模块用于识别目标图像中的图像元素,得到图像元素数据;

所述数据映射模块用于根据所述图像元素数据通过映射函数对目标图像进行映射,得到若干个图像集合;

所述特征提取模块用于对所述图像集合中的图像数据进行特征提取,得到图像特征数据;

所述线性分类模块用于通过线性分类器对所述图像特征数据进行线性分类,得到图像特征数据的分类结果;

所述信息确定模块用于根据所述分类结果确定图像特征数据所属目标图像的识别结果信息。

10.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至8任一项所述的方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳码隆科技有限公司,未经深圳码隆科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711128209.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top