[发明专利]一种图像识别方法和电子设备

说明书

本发明实施例提供了一种图像识别方法和电子设备，该方法应用于电子设备中的协处理器，电子设备中还包括CPU，该方法包括：接收由CPU发送的待识别图像；将待识别图像输入至预先构建的内容识别神经网络，获得内容识别结果；内容识别神经网络：用于识别图像所包含的对象的类别及位置；将得到的每个位置对应的对象输入至预先构建的属性识别神经网络，获得每个对象的属性；将得到的每个对象的类别及属性发送给CPU，以使CPU将接收到的对象的类别及属性，作为待识别图像的图像识别结果。应用本发明实施例，可以借助内容、属性识别神经网络对图像所包含的对象的类别及属性进行准确识别，并降低CPU的计算压力。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像识别方法和电子设备。

背景技术

目前，常常需要对摄像机监测得到的图像进行识别，以识别该图像中包含的各个对象的类别，以及各个对象的属性。例如，识别一张道路监测图像中包含的一个对象的类别为车，并识别该车的车型、颜色等属性。

其中，由于摄像机会源源不断的采集图像数据，因而需要进行识别的图像的数量是非常巨大的。而在相关技术中，常常通过中央处理器CPU来处理这些大量的图像，以识别这些图像中包含的对象的类别，以及这些对象的属性。

但是，该种通过CPU来对图像进行识别的方式，当需要识别的图像较多时，会给CPU造成较大的计算压力。

发明内容

本发明实施例的目的在于提供一种图像识别方法和电子设备，以准确识别图像所包含对象的类别及属性，并降低CPU的计算压力。

第一方面，本发明实施例提供了一种图像识别方法，该方法应用于电子设备中的协处理器，该电子设备中还包括中央处理器CPU，该方法可以包括：

接收由CPU发送的待识别图像；

将待识别图像输入至预先构建的内容识别神经网络，获得内容识别结果，内容识别结果中包括：待识别图像所包含的对象的类别及位置；其中，内容识别神经网络：用于识别图像所包含的对象的类别及位置；

将得到的每个位置对应的对象输入至预先构建的属性识别神经网络，获得每个对象的属性；其中，属性识别神经网络用于识别对象的属性；

将得到的每个对象的类别及属性发送给CPU，以使CPU将接收到的对象的类别及属性，作为待识别图像的图像识别结果。

可选地，将得到的每个位置对应的对象输入至预先构建的属性识别神经网络，获得每个对象的属性的步骤，可以包括：

基于预设映射关系和待识别图像所包含的每个对象的类别，确定每个对象对应的属性识别神经网络；其中，预设映射关系包括：预设的类别和预先构建的属性识别神经网络之间的对应关系；

将得到的每个位置对应的对象输入至：该对象对应的属性识别神经网络，得到每个对象的属性。

可选地，将得到的每个位置对应的对象输入至：该对象对应的属性识别神经网络，得到每个对象的属性的步骤，可以包括：

将待识别图像所包含的对象分为两组，得到第一组对象和第二组对象；

基于第一组对象中每个对象的位置，将第一组对象中每个对象输入至：该对象对应的属性识别神经网络，得到第一组对象中每个对象的属性；

将第二组对象中每个对象的位置发送至CPU，以使CPU基于第二组对象中每个对象的位置，将第二组对象中每个对象输入至：该对象对应的属性识别神经网络，得到第二组对象中每个对象的属性；

将得到的每个对象的类别及属性发送给CPU的步骤，包括：