[发明专利]图像识别方法、装置及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，所述图像识别方法包括：

获取待识别图像，并确定所述待识别图像中的非感兴趣区域，其中，所述非感兴趣区域为所述待识别图像中对于无人驾驶车辆的行驶决策影响较小的边缘区域；

获取所述非感兴趣区域的初始分辨率，并将所述非感兴趣区域的初始分辨率按照预设参数进行分辨率降低处理，其中，所述预设参数由基于深度学习的预设卷积神经网络的性质所确定的分辨率阈值，以及所述待识别图像的初始分辨率共同确定；

采用基于深度学习的卷积神经网络对降低非感兴趣区域分辨率后的待识别图像进行图像识别计算，识别出目标物体，其中，所述基于深度学习的卷积神经网络为预先训练得到的用于识别目标物体的模型。

2.如权利要求1所述的图像识别方法，其特征在于，所述获取待识别图像，并确定所述待识别图像中的非感兴趣区域的步骤包括：

获取待识别图像，按照预设规则从所述待识别图像中划分出感兴趣区域和非感兴趣区域。

3.如权利要求1所述的图像识别方法，其特征在于，所述将所述非感兴趣区域的初始分辨率按照预设参数进行分辨率降低处理的步骤包括：

使用预设工具将所述非感兴趣区域的初始分辨率按照预设参数进行分辨率降低处理。

4.如权利要求1所述的图像识别方法，其特征在于，所述采用基于深度学习的卷积神经网络对降低非感兴趣区域分辨率后的待识别图像进行图像识别计算，识别出目标物体的步骤包括：

分别对降低非感兴趣区域分辨率后的待识别图像中的感兴趣区域和非感兴趣区域进行特征提取，得到感兴趣区域对应的第一特征向量和非感兴趣区域对应的第二特征向量；

分别将所述感兴趣区域对应的第一特征向量和非感兴趣区域对应的第二特征向量输入所述基于深度学习的卷积神经网络，进行针对感兴趣区域的目标物体识别和针对非感兴趣区域目标物体识别，识别出目标物体。

5.一种图像识别装置，其特征在于，所述图像识别装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像识别程序，所述图像识别程序被所述处理器执行时实现以下步骤：

获取待识别图像，并确定所述待识别图像中的非感兴趣区域，其中，所述非感兴趣区域为所述待识别图像中对于无人驾驶车辆的行驶决策影响较小的边缘区域；

获取所述非感兴趣区域的初始分辨率，并将所述非感兴趣区域的初始分辨率按照预设参数进行分辨率降低处理，其中，所述预设参数由基于深度学习的预设卷积神经网络的性质所确定的分辨率阈值，以及所述待识别图像的初始分辨率共同确定；

采用基于深度学习的卷积神经网络对降低非感兴趣区域分辨率后的待识别图像进行图像识别计算，识别出目标物体，其中，所述基于深度学习的卷积神经网络为预先训练得到的用于识别目标物体的模型。

6.如权利要求5所述的图像识别装置，其特征在于，所述图像识别程序被所述处理器执行时还实现以下步骤：

获取待识别图像，按照预设规则从所述待识别图像中划分出感兴趣区域和非感兴趣区域。

7.如权利要求5所述的图像识别装置，其特征在于，所述图像识别程序被所述处理器执行时还实现以下步骤：

使用预设工具将所述非感兴趣区域的初始分辨率按照预设参数进行分辨率降低处理。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有图像识别程序，所述图像识别程序被处理器执行时实现以下步骤：

获取待识别图像，并确定所述待识别图像中的非感兴趣区域，其中，所述非感兴趣区域为所述待识别图像中对于无人驾驶车辆的行驶决策影响较小的边缘区域；

获取所述非感兴趣区域的初始分辨率，并将所述非感兴趣区域的初始分辨率按照预设参数进行分辨率降低处理，其中，所述预设参数由基于深度学习的预设卷积神经网络的性质所确定的分辨率阈值，以及所述待识别图像的初始分辨率共同确定；

采用基于深度学习的卷积神经网络对降低非感兴趣区域分辨率后的待识别图像进行图像识别计算，识别出目标物体，其中，所述基于深度学习的卷积神经网络为预先训练得到的用于识别目标物体的模型。