[发明专利]一种图像主体对象的识别方法

权利要求书

1.一种图像主体对象的识别方法，其特征在于，包括以下步骤：

10.接收待识别图像；

20.对所述待识别图像进行图像显著性检测以获取图像的显著性区域；

30.计算包含所述的显著性区域的最大矩形区域；

40.根据所述的最大矩形区域进行卷积神经网络的深度学习，识别得到待识别图像的主体对象。

2.根据权利要求1所述的一种图像主体对象的识别方法，其特征在于：所述的步骤20中对待识别图像进行图像显著性检测进一步包括：

21.提取图像特征：采用高斯滤波器对待识别图像进行滤波和采样，形成以待识别图像为底层的高斯金字塔模型；然后对高斯金字塔模型中的每一层分别提取各种图像特征，形成特征金字塔模型；再根据该特征金字塔模型进行计算得到所述待识别图像的特征图；

22.生成显著图：把每一个所述的特征图归一化处理，并将各个归一化处理后的特征图进行综合计算，得到对应于待识别图像的显著图。

3.根据权利要求1或2所述的一种图像主体对象的识别方法，其特征在于：所述的步骤20中对待识别图像进行图像显著性检测后生成显著图，用白色和黑色对该显著图进行标记以获取图像的显著性区域，其中，白色表示图像中显著的区域，黑色表示图像中不显著的区域。

4.根据权利要求3所述的一种图像主体对象的识别方法，其特征在于：所述的步骤30中计算包含所述的显著性区域的最大矩形区域，主要通过标记法对所述显著图进行连通区域的计算和提取，从而得到最大矩形区域。

5.根据权利要求4所述的一种图像主体对象的识别方法，其特征在于：所述的标记法进一步包括：

31.初始标记值记为1；

32.对所述显著图进行逐行扫描，找到一个未标记区域的颜色为白色的像素点，标记该像素点的标记值为1；

33.检查该点的八邻域的像素点并标记像素点满足为颜色为白色的像素点且未被标记的标记值为当前标记值，同时将新增的标记像素点记录下来作为区域增长的种子点；

34.在后续的标记像素点过程中，不断从记录种子点的数组中取出一个种子，实施上述的操作，如此循环，直到记录种子点的数组为空；

35.若一个连通区域标记结束，则标记值+1，并遍历下一个连通区域，直到所有像素点被标记为止；

36.获取每个标记值的最大区域，并将每个标记值为1的白色区域连接起来，然后计算出显著性区域与非显著性区域的比例达到最大的矩形区域为所述的最大矩形区域。

6.根据权利要求1所述的一种图像主体对象的识别方法，其特征在于：所述的步骤40中根据所述的最大矩形区域进行卷积神经网络的深度学习，识别得到待识别图像的主体对象，主要是系统预先收集各种类型的主体对象的图像进行分类并标注标签，从而得到带有标签的图像块，并将其作为样本图像输入卷积神经网络进行训练学习。

7.根据权利要求6所述的一种图像主体对象的识别方法，其特征在于：所述的图像主体对象的分类标签包括：人物标签、食物标签、动物标签、建筑物标签、交通工具标签。

8.根据权利要求6所述的一种图像主体对象的识别方法，其特征在于：所述的步骤40中进行卷积神经网络的深度学习，主要是将样本图像输入卷积神经网络进行训练学习，并将分类错误的样本图像收集起来重新进行标注，再将重新标注后的样本图像再次进行训练学习，重复上述过程直到分类正确为止。