[发明专利]图像识别方法、装置及计算机可读存储介质

权利要求书

1.一种图像识别方法，包括：

提取待识别图像的局部底层特征；

采用特征提取算法HOG、GIST、或HU矩，提取待识别图像的全局底层特征；

将所述局部底层特征与所述全局底层特征级联，得到待识别图像的底层特征；

将待识别图像的底层特征与底层特征库中的底层特征进行匹配；

若底层特征库中存在匹配的底层特征，将底层特征集中与待识别图像的底层特征之间的特征距离最小的底层特征所属的图像类别，作为待识别图像的图像类别；

若底层特征库中不存在匹配的底层特征，利用深度学习神经网络提取待识别图像的深度特征；

将待识别图像的深度特征与深度特征库中的深度特征进行匹配，其中，深度特征库包含利用所述深度学习神经网络提取的待识别图像的相似图像的深度特征，所述待识别图像的相似图像的深度特征所属的图像类别为负例样本类别；

将深度特征库中匹配的深度特征所属的图像类别作为待识别图像的图像类别。

2.如权利要求1所述的图像识别方法，其中，所述利用深度学习神经网络提取待识别图像的深度特征包括：

从深度学习神经网络中层号小于第一阈值的神经层中，提取待识别图像的低层深度特征；

从深度学习神经网络中层号大于第二阈值的神经层中，提取待识别图像的高层深度特征，所述第二阈值大于第一阈值；

将所述低层深度特征与所述高层深度特征级联，得到待识别图像的深度特征。

3.如权利要求1所述的图像识别方法，其中，所述将待识别图像的深度特征与深度特征库中的深度特征进行匹配包括：

计算待识别图像的深度特征与深度特征库中的深度特征之间的特征距离；

若深度特征库中存在深度特征集，所述深度特征集中的深度特征与待识别图像的深度特征之间的特征距离小于第三阈值，则将深度特征集中与待识别图像的深度特征之间的特征距离最小的深度特征所属的图像类别，作为待识别图像的图像类别。

4.如权利要求1所述的图像识别方法，所述图像识别方法还包括：

利用训练图像对所述深度学习神经网络进行训练，使得所述深度学习神经网络能够利用输入图像提取输入图像的深度特征；

利用所述深度学习神经网络提取不同类别图像的深度特征，并利用不同类别图像的深度特征组成所述深度特征库。

5.一种图像识别装置，包括：

底层特征提取模块，被配置为提取待识别图像的局部底层特征，采用特征提取算法HOG、GIST、或HU矩，提取待识别图像的全局底层特征，将所述局部底层特征与所述全局底层特征级联，得到待识别图像的底层特征；

底层特征匹配模块，被配置为将待识别图像的底层特征与底层特征库中的底层特征进行匹配；若底层特征库中存在匹配的底层特征，将底层特征集中与待识别图像的底层特征之间的特征距离最小的底层特征所属的图像类别，作为待识别图像的图像类别；

深度特征提取模块，被配置为若底层特征库中不存在匹配的底层特征，利用深度学习神经网络提取待识别图像的深度特征；

深度特征匹配模块，被配置为将待识别图像的深度特征与深度特征库中的深度特征进行匹配，其中，深度特征库包含利用所述深度学习神经网络提取的待识别图像的相似图像的深度特征，所述待识别图像的相似图像的深度特征所属的图像类别为负例样本类别；

图像类别确定模块，被配置为将深度特征库中匹配的深度特征所属的图像类别作为待识别图像的图像类别。

6.如权利要求5所述的图像识别装置，其中，所述深度特征提取模块被配置为：

从深度学习神经网络中层号小于第一阈值的神经层中，提取待识别图像的低层深度特征；

从深度学习神经网络中层号大于第二阈值的神经层中，提取待识别图像的高层深度特征，所述第二阈值大于第一阈值；

将所述低层深度特征与所述高层深度特征级联，得到待识别图像的深度特征。