[发明专利]一种图像识别方法及装置

说明书

本发明提出一种图像识别方法及装置，该图像识别方法包括：从目标图像中提取待识别区域图像；获取待识别区域图像的空间序列特征；其中，空间序列特征表示待识别区域图像的各个图像片段的特征；将空间序列特征输入预先构建的序列特征识别模型，识别得到待识别区域图像的图像内容；其中，序列特征识别模型至少通过识别空间序列特征训练样本的图像内容训练得到。上述技术方案能够借助机器学习模型确定图像内容，其图像内容识别过程运算量更小，利于提升识别效率。

技术领域

本发明涉及智能驾驶技术领域，更具体地说，涉及一种图像识别方法及装置。

背景技术

图像内容识别是数字图像处理领域的常见处理任务。随着人工智能技术的发展，对图像内容进行高效识别的需求越来越强烈。例如在汽车自动驾驶领域，车载智能终端快速、准确地识别摄像区域的图像内容，如准确识别交通信号灯等，是保证自动驾驶技术应用的重要前提。

常见的图像内容识别方法主要有高斯过滤方法、像素阈值方法等。这些方法普遍是通过对图像的全局像素进行运算处理，根据图像像素的运算值，达到识别图像内容的目的。对图像全局像素分别进行运算处理的运算量较大，从而导致图像内容识别的运算量较大，效率不高。

发明内容

基于上述现有技术的缺陷和不足，本发明提出一种图像识别方法及装置，可以提高图像内容识别效率。

一种图像内容识别方法，包括：

从目标图像中提取待识别区域图像；

获取所述待识别区域图像的空间序列特征；其中，所述空间序列特征表示所述待识别区域图像的各个图像片段的特征；

将所述空间序列特征输入预先构建的序列特征识别模型，识别得到所述待识别区域图像的图像内容；其中，所述序列特征识别模型至少通过识别空间序列特征训练样本的图像内容训练得到。

可选的，所述获取所述待识别区域图像的空间序列特征，包括：

将所述待识别区域图像输入预先构建的序列特征提取模型，得到所述待识别区域图像的空间序列特征；其中，所述序列特征提取模型至少通过提取训练样本图像的空间序列特征训练得到。

可选的，对所述序列特征提取模型和所述序列特征识别模型的训练过程，包括：

重复执行以下操作，直到计算得到的模型损失不大于设定的模型损失阈值：

将训练样本图像输入预设的序列特征提取模型，得到所述训练样本图像的空间序列特征；

将所述空间序列特征输入预设的序列特征识别模型，得到所述训练样本图像的图像内容识别结果；

根据所述图像内容识别结果以及所述训练样本图像的图像内容，计算得到模型损失；

当所述模型损失大于设定的模型损失阈值时，根据所述模型损失对所述序列特征提取模型和所述序列特征识别模型的参数进行调整。

可选的，所述待识别区域图像的图像内容包括所述待识别区域图像的图像内容向量；

所述方法还包括：

对识别得到的图像内容进行解码处理，得到图像内容描述信息。

可选的，在从目标图像中提取待识别区域图像后，所述方法还包括：

对所述待识别区域图像进行旋转和/或缩放处理。

一种图像识别装置，包括：

图像提取单元，用于从目标图像中提取待识别区域图像；

特征提取单元，用于获取所述待识别区域图像的空间序列特征；其中，所述空间序列特征表示所述待识别区域图像的各个图像片段的特征；