[发明专利]一种基于机器学习的图像识别系统及方法

说明书

本发明实施例提出一种基于机器学习的图像识别系统及方法，涉及图像处理技术领域。包括：位置信息获取单元，获取表示待识别对象的当前位置的位置信息，图像信息获取单元，获取待识别对象周边的图像信息，属性信息获取单元，基于上述位置信息，获取待识别对象属性信息，对象类别决定单元，决定对象类别，该对象类别是作为对上述图像信息的图像识别处理的对象的一种或两种以上类别，图像识别单元，将上述对象类别决定单元所决定的上述对象类别作为对象，对上述图像信息中的对象进行图像识别处理；具有识别准确、精度高和效率高的优点。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种基于机器学习的图像识别系统及方法。

背景技术

到目前为止，由车上装载的拍摄装置来获取车辆周边的图像信息，对该图像信息所含的对象地物进行图像处理，基于其图像识别结果来收集地物信息的装置已被普遍认知(例如，参照下述专利文献1及2)。这些专利文献中所记载的现有装置均以道路上所设的交通标志、道路交通信息表示板为对象地物。这些装置对由车上装载的拍摄装置所获取的图像信息所含的对象地物进行图像识别，将从这些识别结果中提取出来的标志信息等地物信息与位置信息、区间信息相对应关联，并存储在地图数据库中。这里，对于对象地物进行图像识别处理时，通过图案匹配(Pattern Matching)来对交通标志、道路交通信息表示板等具体类别进行识别。

专利文献1：JP特开2006-038558号公报

专利文献2：JP特开2006-275690号公报

但是，在上文所述的现有装置中，以可能包含在图像信息中的交通标志、道路交通信息表示板等多种地物类别作为对象地物，进行指定其地物类别的图像识别处理。因此，对于一个图像信息，需要分别关于多种地物类别应用识别算法，导致增加了图像识别处理的处理负荷。因此，产生了如下的问题：难以进行高速的图像识别处理，或者实现能够高速进行图像识别处理的装置的成本升高。

另一方面，为了减轻图像识别处理的处理负荷，考虑限制作为图像识别对象的地物类别。可是，如果不考虑自身车辆周边的状况等而一概将同一地物类别的地物作为对象进行图像识别处理，则有可能产生将自身车辆周边基本不存在的地物类别的地物作为对象进行图像识别处理的情况。从而，会产生如下的问题：无法针对获取的图像信息进行有效的图像识别处理，进而难以有效的收集地物信息。

发明内容

本发明的目的在于提供一种基于机器学习的图像识别系统及方法，具有识别准确、精度高和效率高的优点。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种基于机器学习的图像识别系统，它包括：位置信息获取单元，获取表示待识别对象的当前位置的位置信息，

图像信息获取单元，获取待识别对象周边的图像信息，

属性信息获取单元，基于上述位置信息，获取待识别对象属性信息，

对象类别决定单元，决定对象类别，该对象类别是作为对上述图像信息的图像识别处理的对象的一种或两种以上类别，

图像识别单元，将上述对象类别决定单元所决定的上述对象类别作为对象，对上述图像信息中的对象进行图像识别处理；

上述对象类别决定单元基于上述属性信息获取单元所获取的上述属性信息、以及关于图像识别处理预先确定的每种类别的识别属性信息，决定对象类别。