[发明专利]一种图像子区域的识别方法、设备、存储介质

说明书

本发明公开了一种图像子区域的定位方法、设备、存储介质，其中所述方法包括以下步骤：步骤S1、对源图像进行区域定位，得到子区域及背景区域；步骤S2、对所述子区域进行特征提取，得到子区域对应的子区域图像；步骤S3、对所述子区域图像进行分组，对组内的子区域图像进行处理、比较，确定子区域的识别结果。本发明通过对源图像进行区域定位得到子区域及背景区域，对子区域进行特征提取、分组并处理，得到子区域的识别结果，提高定位的精确度，从而降低需要处理数据量，提高图像识别过程中的抗干扰能力。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像子区域的识别方法、设备、存储介质。

背景技术

目前随着人机交互技术的发展，图像识别以得到对应指令是人机交互领域的一个重要分支，其具有生动形象且直观、易操作的特点。但在现有的图像识别技术中，容易受到背景图像的干扰，导致区域定位失败。或者由于图像的灰度信息、几何特征信息的配准需要处理的数据量较大，精度不够，从而导致图像缺检、漏检，给用户使用带来了不好的体验。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供一种图像子区域的识别方法，降低需要处理的数据量，提高图像子区域识别的精准度。

本发明的目的之二在于提供一种设备，执行上述一种图像子区域的识别方法，降低需要处理的数据量，提高图像子区域识别的精准度。

本发明的目的之三在于提供一种存储介质，执行上述一种图像子区域的识别方法，降低需要处理的数据量，提高图像子区域识别的精准度。

本发明的目的之一采用如下技术方案实现：

一种图像子区域的识别方法，包括以下步骤：

步骤S1、对源图像进行区域定位，得到子区域及背景区域；

步骤S2、对所述子区域进行特征提取，得到子区域对应的子区域图像；

步骤S3、对所述子区域图像进行分组，对组内的子区域图像进行处理、比较，确定子区域的识别结果。

进一步地，所述步骤S2中为通过特征提取模型对所述子区域进行特征提取，所述特征提取模型包括了图像标注层、图像处理层与特征提取层；通过图像标注层对子区域进行标注，得到包含标注框的中间图像；所述子区域经图像处理层进行二值化处理，得到掩码图像；所述中间图像及掩码图像通过特征处理层进行特征其余，获得子区域图像。

进一步地，所述步骤S3中对所述子区域图像进行分组为将四周具有连通性的子区域图像归为一组。

进一步地，所述步骤S3还包括以下步骤：

步骤S31、通过预先设置好的构建模型对已分组的子区域图像进行处理，将子区域图像中每一个像素的颜色值与模板图像的颜色值进行对比，得到相似度值；

步骤S32、根据所述子区域图像的像素及相似度值确定所述子区域的识别结果。

进一步地，当所述子区域的识别结果为手部时，通过手势识别卷积神经网络对所述已分组的子区域图像进行处理，得到手势分类结果。

进一步地，所述对源图像进行区域定位包括以下步骤：

步骤S11、确定源图像中与模板图像对应位置相匹配的网格；

步骤S12、从所述网格内提取特征点，通过特征点识别相应网格内的子区域。

进一步地，所述子区域图像不包含所述背景区域的任一区域。

本发明的目的之二采用如下技术方案实现：

一种设备，其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一所述一种图像子区域的识别方法。