[发明专利]图标识别的方法、装置、系统、计算机设备和存储介质

权利要求书

1.一种图标识别的方法，其特征在于，所述方法包括：

获取SVM模型和待识别图标，确定投影到所述待识别图标中的检测区域；

根据所述检测区域获取第一偏移截取区域，并根据所述第一偏移截取区域获取第一尺度截取区域；所述第一偏移截取区域包括多个子区域，所述子区域是从所述检测区域提取且等距分布的，所述第一尺度截取区域包括从所述第一偏移截取区域提取的多个子区域；

计算所述第一偏移截取区域的第一FHOG特征和所述第一尺度截取区域的第二FHOG特征；

将所述第一FHOG特征输入所述SVM模型得到第一识别结果，并将所述第二FHOG特征输入所述SVM模型得到第二识别结果；

对所述第一识别结果和所述第二识别结果进行投票整合，根据所述投票整合的结果获取图标识别结果。

2.根据权利要求1所述的方法，其特征在于，所述获取SVM模型和待识别图标之前，所述方法还包括：

对预设图标进行矩形框标注；根据所述矩形框标注，采集所述预设图标中不同尺度、不同偏移的区域生成正样本，并生成与所述正样本数量相同的负样本；所述预设图标包括多个所述待识别图标；

计算所述正样本和所述负样本的特征向量；将所述特征向量输入预设SVM模型进行训练，根据所述训练结果获取所述SVM模型；所述特征向量为梯度特征向量。

3.根据权利要求2所述的方法，其特征在于，所述计算所述正样本和所述负样本的特征向量包括：

对所述正样本和负样本进行梯度计算，得到每个样品的27维度特征；所述27维度特征包括18维的方向敏感特征向量以及9维的方向不敏感特征向量；

对所述27维度特征进行归一化和截断，得到HOG特征矩阵；根据所述HOG特征矩阵，获取FHOG特征向量。

4.根据权利要求2所述的方法，其特征在于，所述将所述特征向量输入预设SVM模型进行训练之后，所述方法还包括：

根据所述训练结果，筛选出误分类的样本并提供正确标签；

计算所述样本的特征向量，并与所述正样本和所述负样本进行整合，二次训练获取所述SVM模型。

5.根据权利要求4所述的方法，其特征在于，所述二次训练获取所述SVM模型之后，所述方法还包括：

将所述SVM模型保存为xml格式；或者，

将所述SVM模型封装为bin文件，并提供与所述SVM模型匹配的加密文件和解析脚本。

6.根据权利要求1所述的方法，其特征在于，所述确定投影到所述待识别图标中的检测区域之后，所述根据所述检测区域获取第一偏移截取区域之前，所述方法还包括：

在所述检测区域包含N个图标的情况下，对所述检测区域进行分割，并提供单个图标的区域列表；其中N为大于1的正整数。

7.根据权利要求1所述的方法，其特征在于，所述对所述第一识别结果和所述第二识别结果进行投票整合之后，所述方法还包括：

在所述投票中出现票数相差小于或者等于预设差值的情况下，根据所述检测区域获取第二偏移截取区域和第二尺度截取区域，并再次进行识别，获取所述图标识别结果；

其中，所述第二偏移截取区域的密度大于所述第一偏移截取区域的密度，所述第二尺度截取区域的数量大于所述第二尺度截取区域的数量。

8.根据权利要求1至7任一项所述的方法，其特征在于，所述根据所述投票整合的结果获取图标识别结果之后，所述方法还包括：

根据所述图标识别结果，通过光机投影播放与所述待识别图标对应的动画或声音效果。