[发明专利]多特征图片识别方法、装置及计算机可读存储介质在审
| 申请号: | 201810120107.8 | 申请日: | 2018-02-02 |
| 公开(公告)号: | CN108345905A | 公开(公告)日: | 2018-07-31 |
| 发明(设计)人: | 朱英;王强昌;杨猛 | 申请(专利权)人: | 深圳大学 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62 |
| 代理公司: | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人: | 胡海国 |
| 地址: | 518000 广东省深*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 特征图片 计算机可读存储介质 标签类别 字典模型 图片 构建 标签类型 识别装置 图片信息 字典模块 联合 准确率 标签 查找 输出 | ||
1.一种多特征图片识别方法,其特征在于,所述多特征图片识别方法包括以下步骤:
获取待识别图片,根据预先构建的多特征联合字典模型处理所述待识别图片;
根据所述多特征联合字典模块对所述待识别图片的处理结果,确定所述待识别图片的标签类别;
输出已确认的所述待识别图片的标签类型。
2.如权利要求1所述的多特征图片识别方法,其特征在于,所述获取待识别图片,根据预先构建的多特征联合字典模型处理所述待识别图片的步骤,还包括:
通过所述多特征联合字典模型的预设字典结构,计算所述待识别图片的图片参数,并通过所述图片参数确认所述待识别图片的标签类别。
3.如权利要求2所述的多特征图片识别方法,其特征在于,所述通过所述图片参数确认所述待识别图片的标签类别的步骤,还包括:
以最小重构误差方法分析计算到的所述图片参数,并根据分析结果确认所述待识别图片的标签类别。
4.如权利要求2所述的多特征图片识别方法,其特征在于,所述通过所述多特征联合字典模型的预设字典结构,计算所述待识别图片的图片参数的步骤之前,还包括:
基于当前的图片识别需求,获取与所述图片识别需求对应的训练样本;
根据所述训练样本的内容,在所述多特征联合字典模型中构建所述预设字典结构。
5.如权利要求4所述的多特征图片识别方法,其特征在于,所述根据所述训练样本的内容,在所述多特征联合字典模型中构建所述字典结构的步骤,具体包括:
提取所述训练样本的参数代入至所述多特征联合字典模型的目标函数,执行所述目标函数的计算过程;
以所述目标函数的计算过程及计算结果,生成所述多特征联合字典模型的预设字典结构。
6.如权利要求4所述的多特征图片识别方法,其特征在于,所述基于当前的图片识别需求,获取与所述图片识别需求对应的训练样本的步骤之前,还包括:
构建所述预设数据库,所述预设数据库存储的内容包括图片文件及图片文件的标签类别信息;
读取所述预设数据库的图片文件的标签类别,生成基于图片识别需求的各训练样本。
7.一种多特征图片识别装置,其特征在于,所述多特征图片识别装置包括: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计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述多特征图片识别方法的步骤。
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存储有多特征图片识别应用程序,所述多特征图片识别应用程序被处理器执行时实现包括如权利要求1至6中任一项所述的多特征图片识别方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810120107.8/1.html,转载请声明来源钻瓜专利网。





