[发明专利]基于四叉树算法的人工智能实时图像识别方法

说明书

本发明公开了基于四叉树算法的人工智能实时图像识别方法，涉及图像识别技术领域。本发明包括根据四叉树分割法对识别图像或分割图片进行分隔获得若干当前分隔图片；遍历所有当前分隔图片，为当前分隔图片匹配最佳匹配块；若满足匹配，则当前分隔块标记R1且对应的匹配块为domain块并标记D1。本发明通过四叉树式的方法来切割图像，很好的保证图像质量的同时减少分块数；在分割图像之前，设定四叉树最大和最小的深度和允许的误差，利用四分法分割图像；再找到其最佳的匹配块，如果找到则不继续分割，如果没有找到则继续细分下去，该过程不断进行，直到设定的最大深度；节约许多计算量，提高效率，加快了图像分割速度和精确度。

技术领域

本发明属于图像识别技术领域，特别是涉及一种基于四叉树算法的人工智能实时图像识别方法。

背景技术

图像识别技术是人工智能的一个重要领域。它是指对图像进行对象识别，以识别各种不同模式的目标和对像的技术。通常图像识别技术，第一部是信息获取，也就是传感器获取的信息通过某种方法将其转变为机器能够认识的信息。第二部就是对这些信息进行复杂的预处理，第三部就是特征抽取。

特征抽取和选择是指在模式识别中，需要进行特征的抽取和选择。简单的理解就是我们所研究的图像是各式各样的，如果要利用某种方法将它们区分开，就要通过这些图像所具有的本身特征来识别，而获取这些特征的过程就是特征抽取。在特征抽取中所得到的特征也许对此次识别并不都是有用的，这个时候就要提取有用的特征，这就是特征的选择。特征抽取和选择在图像识别过程中是非常关键的技术之一，所以对这一步的理解是图像识别的重点。

作为图像识别最重要的步骤特征抽取和编码由于计算量巨大，至今不能在普通工作站和电脑上进行实时动态绘制，基于四叉树算法的图像识别方法，也就是利用四叉树算法来进行图像分割，比传统的区域分割技术的速度更快，运算能耗少，保持图像细节更加优越，在分割结束的同时可以获得目标大小、边缘、个数等更多信息。从而达到快速准确的获取图像目标特征，实现了实时的智能图像识别。

发明内容

本发明的目的在于提供基于四叉树算法的人工智能实时图像识别方法，通过四叉树式的方法来切割图像，很好的保证图像质量的同时减少分块数；在分割图像之前，设定四叉树最大和最小的深度和允许的误差，利用四分法分割图像；再找到其最佳的匹配块，如果找到则不继续分割，如果没有找到则继续细分下去，该过程不断进行，直到设定的最大深度；解决了现有的图像识别过程中计算量大、处理效率底的问题。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为基于四叉树算法的人工智能实时图像识别方法，包括如下步骤：

S00：采用双光模拟成像传感器拍摄三种识别图像；

S01：分别对三种识别图像进行降噪、平滑、变换预处理；

S02：根据识别图像的像素设定对应的最小深度级别rangeMin以及允许的最大误差值g；

S03：根据四叉树分割法对识别图像或分割图片进行分隔获得若干当前分隔图片；

S04：遍历所有当前分隔图片，为当前分隔图片匹配最佳匹配块；若满足匹配，则当前分隔块标记R1且对应的匹配块为domain块并标记D1；若否，则执行S05；

S05：判断当前分隔图片的深度级别是否小于最小深度级别rangeMin；若是，则执行S03；若否，则保留当前分隔图片；

S06：通过深度学习的方式训练神经网络模型，对图片进行分类识别；根据四叉树方法得出的图像特征进行匹配，最后对图像目标做出判决。