[发明专利]基于数据、信息和知识三层图谱架构的图像数据目标识别方法

说明书

本发明是一种基于数据、信息和知识三层图谱架构的图像数据目标识别方法，属于分布式计算和软件工程学技术交叉领域。本发明主要是引入数据图谱、信息图谱、知识图谱架构对未标识图像进行知识推理，从而实现自动智能的识别出图片中或者摄像机所拍摄到的图像中的实体目标。具体实现步骤是通过分析已识别目标，在数据图谱、信息图谱或知识图谱中找到能够与未识别目标连通过去的路径，遍历路径上的实体同时进行特征匹配，最后找到与未识别目标匹配度最高的识别结果。

技术领域

本发明是一种基于数据、信息和知识三层图谱架构的图像数据目标识别方法。主要用于机器自动智能的识别出图片中或者摄像机所拍摄到的图像中的实体目标。属于分布式计算和软件工程学技术交叉领域。

背景技术

最传统的图像识别技术是人工识别，现已经可以通过深度学习的方法识别出已标识的图像，机器在反复识别同一类对象中逐渐模拟出一个方程，这个方程逼近于所识别对象的共同特征，最后达到识别的目的，但是深度学习的方法并不能解决未标识图像的识别问题。知识图谱已经成为用标记的有向图形式表示知识的强大工具，并给出文本信息的语义。知识图谱是通过将每个项目、实体或用户做结点表示，并且通过边缘将彼此相互作用的那些结点链接起来构造的图形。结点之间的边可以表示任意关系。与UML类相比，知识图谱具有更丰富的自然语义，表达机制更接近与自然语言，蕴含更多更完整的语义信息。现在很少使用UML来建模自动化应用程序，其中一个原因是UML缺乏正式的需要对应用程序的关键部分进行建模的语义，借助本发明提出的基于数据图谱、信息图谱和知识图谱的三层结构关系框架，进行图像信息识别。本发明主要是通过借助数据图谱、信息图谱、知识图谱的架构去正确的识别出尽可能多的未被标识过的对象。

发明内容

技术问题：本发明主要是引入数据图谱、信息图谱、知识图谱架构对未标识图像进行知识推理，从而自动智能的识别出图片中或者摄像机所拍摄到的图像中的实体目标。本发明首先分析已识别目标，在数据图谱、信息图谱或知识图谱中找到能够与未识别目标连通过去的路径，遍历路径上的实体同时进行特征匹配，最后找到与未识别目标匹配度最高的识别结果。

技术方案：本发明是一种策略性方法，可以应用于图片或者摄像机的图像目标识别，有助于解决当前机器学习中未标识实体目标的识别问题。本发明主要是引入数据图谱、信息图谱、知识图谱架构对未标识图像进行知识推理，从而实现自动智能的识别出图片中或者摄像机所拍摄到的图像中的实体目标。实施方案是通过分析已识别目标，在数据图谱、信息图谱或知识图谱中找到能够与未识别目标连通过去的路径，遍历路径上的实体同时进行特征匹配，最后找到与未识别目标匹配度最高的识别结果。在知识图谱中我们定义了where、when和实体结点之间的语义关系如图1所示：

1.充分必要关系：在when和where确定的条件下结点A一定存在，同时若结点A存在，可以得到确定的where或when；

2.充分不必要关系：在when和where确定的条件下结点A一定存在，但若结点A存在，where和when无法确定；

3.必要不充分条件：在when和where确定的条件下结点A不一定存在，但若结点A存在，where或when可以唯一确定；

4.既不充分也不必要条件：在when和where确定的条件下结点A不一定存在，同时若结点A存在，where或when也无法确定。