[发明专利]物体识别方法及相关产品

权利要求书

1.一种物体识别方法，其特征在于，包括：

使用神经网络模型对待识别图像进行处理，得到所述待识别图像中每个像素点的第一特征向量，每个像素点的第一特征向量包括每个像素点与相邻像素点的空间关系；

根据所述待识别图像中每个像素点的第一特征向量确定目标像素点集合；

根据所述目标像素点集合识别出所述待识别图像中的待识别物体。

2.根据权利要求1所述的方法，其特征在于，使用神经网络模型对待识别图像进行处理之前，所述方法还包括：

获取样本图像；

构造所述样本图像上的每个像素点的第二特征向量，得到训练样本；

使用所述训练样本进行模型训练，得到所述神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述构造所述样本图像上的每个像素点的第二特征向量，得到训练样本，包括：

根据预设方向确定所述样本图像中每个像素点的相邻像素点中的目标相邻像素点；

根据每个像素点的标签、与每个像素点对应的目标相邻像素点的标签以及所述预设方向确定每个像素点的的第二特征向量，所述第二特征向量包括每个像素点的标签以及每个像素点与相邻像素点的空间关系；

对所述样本图像中每个像素点的第二特征向量进行拼接，得到训练样本。

4.根据权利要求3所述的方法，其特征在于，所述根据预设方向确定所述样本图像中每个像素点的相邻像素点中的目标相邻像素点，包括：

在对每个像素点构造第一空间关系的情况下，按照每个像素点的相邻像素点到该像素点的方向进行连线，得到连线方向，当所述连线方向与预设方向的夹角小于阈值时，则确定该相邻像素点为目标相邻像素点；

在对每个像素点构造第二空间关系的情况下，按照每个像素点到每个像素点的相邻像素点的方向进行连线，得到连线方向，当所述连线方向与预设方向的夹角小于阈值时，则确定该相邻像素点为目标相邻像素点。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述使用神经网络模型对待识别图像进行处理，得到所述待识别图像中每个像素点的第一特征向量，包括：

使用神经网络模型对待识别图像进行处理，得到第一特征图，所述第一特征图是未进行上采样操作之前得到的特征图；

根据所述第一特征图对所述待识别图像中的每个像素点进行分类，得到所述待识别图像中每个像素点的第一特征向量。

6.根据权利要求4或5所述的方法，其特征在于，在每个像素点的空间关系包括所述第一空间关系的情况下，所述根据所述待识别图像中每个像素点的第一特征向量确定目标像素点集合，包括：

根据所述待识别图像中每个像素点的第一特征向量得到多个候选像素点，所述多个候选像素点中的任意一个像素点为所述待识别物体上的像素点；

根据所述多个候选像素点得到多个候选像素点集合，所述多个候选像素点集合中每个像素点集合中相邻像素点之间的距离小于阈值；

根据每个候选像素点集合中每个像素点对应的第一空间关系，对每个候选像素点集合的像素点进行聚类，得到目标像素点集合。

7.根据权利要求4或5所述的方法，其特征在于，在每个像素点的空间关系包括所述第二空间关系的情况下，所述根据所述待识别图像中每个像素点的第一特征向量确定目标像素点集合，包括：

根据述待识别图像中每个像素点的第一特征向量确定多个候选像素点，所述多个候选像素点中的任意一个像素点为所述待识别物体上的像素点；

将所述多个候选像素点组成多个候选像素点集合，所述多个候选像素点集合中每个像素点集合中的像素点之间的距离小于阈值；

根据每个候选像素点集合中每个像素点对应的第二空间关系，对每个候选像素点集合的像素点进行聚类，得到目标像素点集合。