[发明专利]图像识别的方法、装置、电子设备及计算机存储介质

权利要求书

1.一种图像识别的方法，其特征在于，应用于识别车内外的物体，所述方法包括：

获取连续拍摄得到的多张图像；

组合所述多张图像，得到所述多张图像的组合图像；其中，所述组合图像中的目标对象以外的区域被模糊化，所述目标对象指代所述多张图像中共有、且所处位置固定的对象；所述目标对象包括直接拍摄到的车内物体以及汽车玻璃上因光反射所呈现出来的车内物体；所述组合图像中的目标对象以外的区域是指车外区域；

将所述组合图像输入至目标检测模型中，得到所述组合图像中的每一个物体的定位信息和类别信息；其中，所述目标检测模型由多个训练样本图像、所述训练样本图像中的所有物体的真实定位信息和真实类型信息对卷积神经网络模型进行训练得到，通过目标检测模型得到物体的定位信息和类别信息的过程包括：对所述组合图像进行特征提取得到至少一个特征图，将所述至少一个特征图输入至区域候选网络，通过分类预测层输出候选框属于前景和背景的概率，所述候选框属于前景和背景的概率用于表征所述候选框中是否为物体，通过检测框回归层输出表明候选框的定位坐标，获得候选区域，将所述候选区域进行归一化处理得到目标识别区域；通过softmax函数计算所述目标识别区域的类别得到物体的类别信息；利用检测框回归层计算所述目标识别区域的位置偏移量得到物体的定位信息。

2.根据权利要求1所述的方法，其特征在于，所述组合所述多张图像，得到所述多张图像的组合图像；其中，所述组合图像中的目标对象以外的区域被模糊化，包括：

解析每一张所述图像，得到所述图像的每一个像素点的颜色通道值；

对所述多张图像中位于相同位置的像素点的颜色通道值分别进行均值计算，得到所述组合图像的每一个像素点的颜色通道值。

3.根据权利要求1所述的方法，其特征在于，所述获取连续拍摄得到的多张图像之后，还包括：

判断获取的多张图像的位置差是否在预设阈值内，其中，每两张图像之间的位置差由拍摄图像时的抖动造成；

若判断出所述获取的多张图像的位置差未在预设阈值内，则对所述获取的多张图像进行除抖动处理，得到除抖动处理后的图像，并对所述除抖动处理后的图像，执行所述组合所述多张图像，得到所述多张图像的组合图像；

若判断出所述获取的多张图像的位置差在预设阈值内，则执行所述组合所述多张图像，得到所述多张图像的组合图像。

4.根据权利要求3所述的方法，其特征在于，所述对所述获取的多张图像进行除抖动处理，得到除抖动处理后的图像，包括：

在所述多张图像中确定一张图像为目标图像；

在每一张所述图像中分别选定目标像素块；其中，所述目标像素块为包含且有明显特征的像素块；所述像素块由多个相邻像素点组成；

将每一张非目标图像中的目标像素块与所述目标图像中的目标像素块对齐。

5.根据权利要求1所述的方法，其特征在于，所述目标检测模型的构建方法，包括：

构建训练样本集；其中，所述训练样本集包括多个训练样本图像以及每一个所述训练样本图像中的所有物体的真实定位信息和真实类型信息；

将每一个所述训练样本图像，分别输入至卷积神经网络模型，得到所述训练样本图像中的每一个物体的预测定位信息和预测类型信息；

利用每一个所述训练样本图像中的每一个物体的预测定位信息和预测类型信息与所述训练样本图像中的每一个物体的真实定位信息和真实类型信息之间的误差，对所述卷积神经网络模型的参数进行不断调整，直至调整后的卷积神经网络模型输出的训练样本图像中的每一个物体的预测定位信息和预测类型信息与所述训练样本图像中的每一个物体的真实定位信息和真实类型信息之间的误差满足预设的收敛条件时，将所述调整后的卷积神经网络模型确定为所述目标检测模型。