[发明专利]图像识别方法、装置、终端设备及计算机可读存储介质在审

专利信息
申请号: 202011328150.7 申请日: 2020-11-24
公开(公告)号: CN112364807A 公开(公告)日: 2021-02-12
发明(设计)人: 林灿然;程骏;庞建新 申请(专利权)人: 深圳市优必选科技股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 深圳中一联合知识产权代理有限公司 44414 代理人: 刘永康
地址: 518000 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 识别 方法 装置 终端设备 计算机 可读 存储 介质
【权利要求书】:

1.一种图像识别方法,其特征在于,包括:

检测待识别图像中的目标物体,获得包含所述目标物体的第一检测框;

检测所述第一检测框中包含的所述目标物体上的关键点,获得所述第一检测框对应的关键点信息;

提取所述第一检测框中包含图像的图像特征,获得所述第一检测框对应的图像特征信息;

将所述第一检测框对应的关键点信息和图像特征信息进行信息融合处理,得到所述第一检测框对应的特征融合信息;

根据所述第一检测框对应的特征融合信息对所述第一检测框中包含的所述目标物体进行识别,得到所述第一检测框对应的识别结果。

2.如权利要求1所述的图像识别方法,其特征在于,所述检测所述第一检测框中包含的所述目标物体上的关键点,获得所述第一检测框对应的关键点信息,包括:

检测所述第一检测框中包含的所述目标物体上的关键点,得到多个关键点各自的坐标数据;

对所述多个关键点各自的坐标数据分别进行归一化处理,得到多个关键点各自的归一化坐标;

将所述多个关键点各自的归一化坐标确定为所述第一检测框对应的关键点信息。

3.如权利要求2所述的图像识别方法,其特征在于,关键点的坐标数据包括关键点的横坐标和纵坐标;

关键点的归一化坐标包括关键点的归一化横坐标和归一化纵坐标;

所述对所述多个关键点各自的坐标数据分别进行归一化处理,得到多个关键点各自的归一化坐标,包括:

获取多个关键点的坐标数据中的最大横坐标、最小横坐标、最大纵坐标和最小纵坐标;

根据所述最大横坐标和所述最小横坐标计算关键点横向差值;

根据所述最大纵坐标和所述最小纵坐标计算关键点纵向差值;

对于每个关键点,根据所述关键点的横坐标、所述最小横坐标和所述关键点横向差值计算所述关键点的归一化横坐标,根据所述关键点的纵坐标、所述最小纵坐标和所述关键点纵向差值计算所述关键点的归一化纵坐标。

4.如权利要求2所述的图像识别方法,其特征在于,若获得包含所述目标物体的多个第一检测框,则在得到每个第一检测框各自对应的识别结果之后,所述方法还包括:

获取每个第一检测框各自对应的目标点信息,其中,所述目标点信息为多个目标点各自的坐标数据,所述目标点为所述第一检测框中包含的所述目标物体的目标部位上的关键点;

根据每个第一检测框各自对应的目标点信息,对所述多个第一检测框进行去冗余处理,得到去冗余后处理后的第一检测框。

5.如权利要求4所述的图像识别方法,其特征在于,所述根据每个第一检测框各自对应的目标点信息,对所述多个第一检测框进行去冗余处理,得到去冗余处理后的第一检测框,包括:

根据每个第一检测框各自对应的目标点信息,确定每个第一检测框包含的所述目标物体上的目标部位对应的第二检测框;

基于非极大值抑制方法对所述第二检测框进行去冗余处理,得到去冗余处理后的第二检测框;

将所述去冗余处理后的第二检测框对应的第一检测框确定为去冗余处理后的第一检测框。

6.如权利要求5所述的图像识别方法,其特征在于,目标点的坐标数据包括目标点的横坐标和纵坐标;

所述根据每个第一检测框各自对应的目标点信息,确定每个第一检测框包含的所述目标物体上的目标部位对应的第二检测框,包括:

对于每个第一检测框,获取所述第一检测框对应的目标点信息中的最大横坐标、最小横坐标、最大纵坐标和最小纵坐标;

根据所述最大横坐标、所述最小横坐标、所述最大纵坐标和所述最小纵坐标确定所述第一检测框包含的所述目标物体上的目标部位对应的候选检测框;

按照预设比例扩大所述候选检测框,得到扩大后的候选检测框;

将所述扩大后的候选检测框确定为所述第一检测框包含的所述目标物体上的目标部位对应的第二检测框。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市优必选科技股份有限公司,未经深圳市优必选科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011328150.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top