[发明专利]一种图像特征排布判断方法及其系统、终端设备

说明书

本发明涉及一种图像特征排布判断方法及其系统、终端设备，其中，所述图像特征排布判断方法及其系统采用图像语义分割算法，密集预测图片中每个像素从属的物体类别，并且进一步对获得像素级的结果进行处理，构建各类别区域的连接图，进一步对不同待处理图像中提取出的连接图的拓扑结构及各节点对应的分类进行判断，以对图像中特征排布进行判断。基于本发明所提供的方法和系统，可有效避免由于拍摄距离、角度、光照等等与语义无关的信息的干扰，从而可获得只与待处理图像中的物体排布的分类信息与位置信息相关的特征排布的判断结果。本发明所提供给终端设备可执行上述图像特征排布判断方法，以对不同的待处理图像进行准确的判重操作。

【技术领域】

本发明涉及人工智能领域，其特别涉及一种图像特征排布判断方法及其系统、终端设备。

【背景技术】

随着人工智能的不断发展，对于图像处理的需求也越来越多。尤其是在无人零售领域中，基于图像而获知物体排布方式、物体数量及物体的种类越来越得到关注。目前要判断不同的图像是否相似，通常先使用特征提取器提取图像特征，然后计算特征间距离，如果特征件的距离小于一定距离，则可进一步判断不同的图像之间为相似。这种方法完全基于图片内容本身的相似程度，使得拍摄距离、角度、光照等与语义无关的信息均会对判断结果造成干扰，造成输出的判断结果并不能用于判断两张图片中的物体排布是否相同。

例如在一些应用场景中，当需要人工对大量的实物场景进行拍照以形成大批量的原始图像数据库时，如拍照者对同一实物场景通过变化拍摄距离、角度等方式重复拍照以获得多张图片，由于角度、距离或光照因素的影响，利用现有的判定方法则会将上述多张图片判定为不同的图像，而造成误判。因此，亟待提供一种快速且准确判断图像是否重复的技术方案。

【发明内容】

为解决现有技术难以快速且准确判断图像是否重复的技术问题，本发明提供一种图像特征排布判断方法及其系统、终端设备。

本发明为解决上述技术问题，提供如下的技术方案：一种图像特征排布判断方法，其包括如下的步骤：步骤S1，利用图像语义分割模型分别对至少两个待处理图像中所有像素点进行分类，并分别输出对应像素点的分类信息和位置信息；步骤S2，逐一对不同待处理图像中具有相同分类信息的像素点，及对应像素点的位置信息构建成连通域，将连通域作为节点构建对应各分类连通域的连接图；及步骤S3，对不同待处理图像的连接图之间的拓扑结构以及对应节点的分类信息进行判断并输出判断结果，并基于判断结果输出对应特征排布的判定结果。

优选地，在上述步骤S1中，所述图像语义分割模型包括像素级的决策树分类模型或全卷积神经网络模型中的任一种。

优选地，在上述步骤S2中，将具有相同分类信息的像素点结合其对应的位置信息构建成连通域具体包括以下步骤：步骤S21，选择一像素点，获知该像素点的分类信息及位置信息，构建一连通域；步骤S22，基于该像素点的位置信息，选择与该像素点相邻的任一新像素点，并基于新像素点与该像素点的分类信息，判定获得新像素点对应的连通域；及步骤23，基于获得的新像素点选择下一个像素点重复步骤S23的判断过程，直至遍历对应的待处理图像中所有像素点并获得对应连通域。

优选地，在上述步骤S2中将连通域作为节点构建对应各分类连通域的连接图具体包括以下步骤：步骤S24，将待处理图像的多个连通域处理为对应的节点，将不同节点之间连线，以构建获得节点之间的连接图。

优选地，在上述步骤S3具体包括以下步骤：步骤S31，判断不同待处理图像的连接图中节点的分类信息是否相同；若是，则进入步骤S32，若否，则进入步骤S33；步骤S32，判断对应的连接图中节点及连线所构成的拓扑结构是否相同；若是，则进入步骤S34，若否，则进入步骤S33；步骤S33，输出不同待处理图像的特征排布不相同的结果；及步骤S34，输出不同待处理图像具有相同特征排布的结果。