[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

说明书

本发明公开了一种多特征图片识别方法，包括：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。本发明还公开了一种多特征图片识别装置及计算机可读存储介质。本发明通过构建多特征联合字典模型，计算待识别图片的标签类别的信息，并通过所述标签类别查找相关的图片信息，实现提高多特征图片识别准确率的有益效果。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种多特征图片识别方法、装置及计算机可读存储介质。

背景技术

现代图像识别技术中有一个被大家所广泛接受的事实：多个特征描述能够对周围的世界提供更多的信息。举例来说，相对于能够捕获外表和纹理信息的RGB数据，RGB-D数据能够额外提供距离信息并且对光照差异鲁棒；几个相机能够从不同角度抓取同一物体，这将减少对错误信息的依赖。类似这些情景对分析算法提出了巨大的需求。

在最近研究者的努力下，学术界提出了许多有效且高效的方法来探索如何融合多个特征。融合不同特征的方法可以分成两类：特征融合和分类器整合。特征融合将几个不同特征融合成一个。分类器融合将来自不同分类器的分类结果整合成一个。尽管分类器融合已经得到广泛的研究，特征融合仍然没有得到充分地关注。这是因为许多特征的不兼容性。然而，在给定相兼容特征的情况下，特征融合在处理模式分类任务时，将变得更加有优势。一些工作仅仅将不同的特征连接成一个特征。然而，它没有考虑到不同特征有不同区分能力的重要信息。例如一张被遮挡的人脸图片与一张未被遮挡的人脸图片，它们应该有不同的权重系数。因此，如果这个问题能够被有效地解决，识别效果将会得到进一步提高。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种多特征图片识别方法，旨在解决现有技术在将图片特征融合时不能有效融合多特征导致的图片识别效果低的技术问题。

为实现上述目的，本发明提供一种多特征图片识别方法，包括以下内容：

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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。