[发明专利]家具木材类别识别方法及装置

说明书

本发明实施例提供一种家具木材类别识别方法及装置，该方法包括：获取第一木材图像，采用全局信息模型对第一木材图像进行处理，获得全局特征图和全局信息预测结果，第一木材图像为待识别的家具木材图像；根据全局特征图和所述第一木材图像获得第二木材图像，采用局部信息模型对所述第二木材图像进行处理，获得局部信息预测结果；根据所述全局信息预测结果和所述局部信息预测结果确定木材类别。本发明实施例提供的一种家具木材类别识别方法及装置，通过在全局特征图提取后，根据全局特征图得到原始图像的局部显著性区域，然后对全局图像和局部区域进行识别得到全局和局部的预测结果，从而确定木材类别，实现对木材类别更为精确的预测。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种家具木材类别识别方法及装置。

背景技术

大多数在家具市场或者古玩市场购买家具的用户因为不具有专业的鉴别家具材质的能力，所以极有可能被销售蒙骗。而要学习各种材质家具的鉴定又需要花费大量的时间和精力。

由于信息处理的智能化发展，若是能够通过软件对一张家具局部的照片进行分析，识别出家具制造所用木材为何种木材会方便用户购买心仪的家具。

发明内容

针对现有技术存在的问题，本发明实施例提供一种家具木材类别识别方法及装置。

第一方面，本发明实施例提供一种家具木材类别识别方法，包括：

获取第一木材图像，采用全局信息模型对所述第一木材图像进行处理，获得全局特征图和全局信息预测结果，所述第一木材图像为待识别的家具木材图像；

根据所述全局特征图和所述第一木材图像获得第二木材图像，采用局部信息模型对所述第二木材图像进行处理，获得局部信息预测结果；

根据所述全局信息预测结果和所述局部信息预测结果确定木材类别；

其中，所述全局信息模型是采用木材样本全局图像数据和对应木材类别数据训练卷积神经网络得到；所述局部信息模型是采用木材样本局部图像数据和对应木材类别数据训练卷积神经网络得到。

进一步地，所述根据所述全局特征图和所述第一木材图像获得第二木材图像，包括：

对所述全局特征图进行通道维度加和处理，获得加和后的全局特征图；

从加和后的全局特征图的各区域对应的激励值中确定最大激励值对应的第一目标区域；

对所述第一木材图像划分成多个区域，其区域个数与加和后的全局特征图的区域个数相同；

从划分得到的多个区域中确定与所述第一目标区域对应的第二目标区域；

在所述第一木材图中以所述第二目标区域的中心位置为中心，采集第一像素范围的第一正方形图像，该第一正方形图像作为第二木材图像。

进一步地，在采用全局信息模型对所述第一木材图像进行处理之前，还包括：

对所述第一木材图像采用短边长度进行裁剪采集获得第二正方形图像，对所述第二正方形图像采用第一像素范围进行缩放处理获得第三正方形图像，该第三正方形图像用于被全局信息模型进行处理获得全局特征图和全局信息预测结果。

进一步地，所述根据所述全局信息预测结果和所述局部信息预测结果确定所述第一木材图像对应的木材类别，包括：

根据全局信息预测结果确定所述第一木材图像在预存的各木材类别上的第一预估值；

根据局部信息预测结果确定所述第二木材图像在预存的各木材类别上的第二预估值；

根据第一预估值和第二预估值进行加权处理，获得各木材类别的第三预估值；

根据第三预估值和预存的预估值范围与木材类别的对应关系确定木材类别。