[发明专利]图像识别方法、识别装置、终端设备及可读存储介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取待识别图像，并基于第一深度学习模型确定所述待识别图像的全局深度特征；

基于所述待识别图像，确定位置指示信息，所述位置指示信息用于指示：若所述待识别图像中包含目标对象，则所述目标对象在所述待识别图像中的位置；

基于第二深度学习模型确定所述待识别图像中，所述位置指示信息所指示的图像区域的深度特征，以得到所述待识别图像的局部深度特征；

基于所述全局深度特征以及所述局部深度特征，确定所述待识别图像的类别是否为目标类别，所述目标类别为包含所述目标对象，且场景为预设场景下的图像的类别；

所述基于所述待识别图像，确定位置指示信息，包括：

将所述待识别图像输入至训练后的建议网络P-Net中，所述P-Net输出用于指示所述位置指示信息的候选窗；

基于边界窗回归算法Bounding box regression和非极大值抑制算法NMS对所述P-Net输出的候选窗进行矫正；

将所述待识别图像以及经过所述基于边界窗回归算法Bounding box regression和非极大值抑制算法NMS算法矫正的所述候选窗输入至训练后的改善网络R-Net中，得到所述R-Net输出的再次矫正的侯选窗；

基于所述基于边界窗回归算法Bounding box regression和非极大值抑制算法NMS算法对所述R-Net输出的候选窗进行再次矫正，得到最终的用于指示所述位置指示信息的侯选窗。

2.如权利要求1所述的图像识别方法，其特征在于，所述基于第一深度学习模型确定所述待识别图像的全局深度特征，包括：

对所述待识别图像进行下采样，将下采样后的图像输入至所述第一深度学习模型，得到所述第一深度学习模型输出的所述待识别图像的全局深度特征。

3.如权利要求1至2中任一项所述的图像识别方法，其特征在于，所述图像识别方法还包括：

确定所述待识别图像的人工特征；

相应地，所述基于所述全局深度特征以及所述局部深度特征，确定所述待识别图像的类别是否为目标类别，包括：

基于所述人工特征、所述全局深度特征以及所述局部深度特征，确定所述待识别图像的类别是否为目标类别。

4.如权利要求3所述的图像识别方法，其特征在于，所述基于所述人工特征、所述全局深度特征以及所述局部深度特征，确定所述待识别图像的类别是否为目标类别，包括：

将所述人工特征、全局深度特征和所述局部深度特征进行拼接，得到特征向量；

将所述特征向量输入至训练后的识别模型，得到所述识别模型输出的用于指示所述待识别图像类别的识别结果。

5.如权利要求3所述的图像识别方法，其特征在于，所述确定所述待识别图像的人工特征包括：

确定所述待识别图像的颜色直方图特征。