[发明专利]一种图像识别方法及装置

说明书

技术领域

本发明涉及图像信息处理技术领域，特别涉及图像识别方法及装置。

背景技术

现在的图像识别系统越来越广泛的应用，比如人脸识别、指纹识别，静脉识别，手写字体识别，印刷字体识别和车辆字符识别系统等，这些图像识别系统主要是将待识别图像通过一定的识别运算后，得到一定的信息比如图像中所表示的字符等。

例如，车辆牌照识别系统在交通系统中有着不可替代的作用，主要是把摄像头采集到车牌图像输入到车辆牌照识别系统后，该车辆牌照识别系统可以通过图像处理和分析，分割出车牌字符，最后对分割出来的字符进行模式识别，得到该车牌图像所表示的车牌号码，比如“粤B12345”，这样给交通系统的自动管理提供了极大的方便。车辆牌照识别系统包括车牌检测，歪斜校正，边界确定，字符切分和字符识别等功能，其中，车牌字符识别是识别车牌号码过程中的重要部分。

目前，图像识别方法主要包括：模板匹配，神经网络(Artificial Neural Network，ANN)，隐马尔可夫模型(Hidden Markov Model，HMM)，支持向量机(Support Vector Machine，SVM)和降维等方法，其中有些方法可以提高识别速度但是损失了识别准确度，有些方法提高了识别准确度但是损失了识别速度。

发明内容

本发明实施例提供图像识别方法及装置，在提高识别速度的同时提高了识别准确度。

本发明实施例提供一种图像识别方法，包括：

用第一图像识别方法在已知类别的训练样本中选出与待识别图像最相近的前s类训练样本，所述s为大于1的自然数；

用第二图像识别方法对所述已知类别的训练样本进行训练得到最终识别模型；

根据所述选出的前s类训练样本，将所述待识别图像在所述最终识别模型中进行识别运算，得到所述待识别图像所包含的信息。

本发明实施例提供一种图像识别装置，包括：

样本选取单元，用于利用第一图像识别方法，在已知类别的训练样本中选出与待识别图像最相近的前s类训练样本，所述s为大于1的自然数；

模型确定单元，用于用第二图像识别方法对所述已知类别的训练样本进行训练得到最终识别模型；

识别单元，用于根据所述选出的前s类训练样本，将所述待识别图像在所述最终识别模型中进行识别运算，得到所述待识别图像所包含的信息。

在本发明实施例的图像识别方法中，图像识别系统对待识别图像进行粗分类，即利用第一图像识别方法，在已知类别的训练样本中选出与待识别图像最相近的前s类训练样本；然后再根据粗分类结果进行精确分类，即用第二图像识别方法对已知类别的训练样本进行训练得到最终识别模型，并根据选出的前s类训练样本，将待识别图像在所述最终识别模型中进行识别运算，得到待识别图像所包含的信息。本发明实施例中结合了两种图像识别的方法，这样可以采用识别速度较高的第一图像识别方法对待识别图像进行粗分类，然后采用准确度较高的第二图像识别方法对待识别图像进行精确分类时可以提高图像识别准确度，而由于在精确分类时是将待识别图像与粗分类后确定的几种类别的训练样本进行比较，而不是与全部类别的训练样本进行比较，这样可以提高精确分类的速度。可见，本发明实施例的方法可以在提高识别速度的同时提高了识别准确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种图像识别方法的流程图；

图2是本发明实施例中在已知类别的训练样本中选出与待识别图像最相近的前s类训练样本的方法流程图；

图3是本发明具体的实施例提供的车辆牌照识别系统中两种机器学习方法的流程图；

图4是本发明具体的实施例提供的车牌字符识别方法的流程图；

图5是本发明实施例提供的一种图像识别装置的结构示意图；

图6是本发明实施例提供的另一种图像识别装置的结构示意图。

具体实施方式