[发明专利]对象识别方法、装置及设备在审

专利信息
申请号: 202010002999.9 申请日: 2020-01-02
公开(公告)号: CN111242178A 公开(公告)日: 2020-06-05
发明(设计)人: 徐青松;李青 申请(专利权)人: 杭州睿琪软件有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/00
代理公司: 北京市柳沈律师事务所 11105 代理人: 王娟
地址: 310053 浙江省杭州市滨江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 对象 识别 方法 装置 设备
【权利要求书】:

1.一种用于对象识别的方法,包括:

获取所述对象的至少一部分的第一图像;

基于第一图像,确定所述对象的特征部位;

获取所述对象的所述特征部位的第二图像;和

基于第二图像,识别所述对象的对象类别。

2.根据权利要求1所述的方法,其中,确定所述对象的特征部位包括:

基于第一图像,识别所述对象的初步类别;和

基于识别出的所述对象的初步类别确定所述对象的特征部位。

3.根据权利要求1所述的方法,其中,获取所述对象的所述特征部位的第二图像包括:

向用户提供提示信息,所述提示信息指示用户输入所述对象的所述特征部位的第二图像;和

接收所述对象的所述特征部位的第二图像。

4.根据权利要求1-3中任一项所述的方法,其中,获取所述对象的所述特征部位的第二图像包括:

确定所述第一图像是否包括所述对象的所述特征部位;和

在所述第一图像包括所述对象的所述特征部位的情况下:

对所述第一图像进行裁剪以得到所述特征部位的图像作为第二图像,或者

在所述第一图像为第三图像进行下采样后的降分辨率图像的情况下,对所述第三图像进行裁剪以得到所述特征部位的图像作为第二图像。

5.根据权利要求4所述的方法,其中,确定所述第一图像是否包括所述对象的所述特征部位包括:

通过预先训练的第一对象部位识别模型对所述第一图像中对象的各个部位进行识别和标注;以及

基于识别和标注结果来确定所述第一图像是否包括所述对象的所述特征部位。

6.根据权利要求1-3任一项所述的方法,其中,获取所述对象的所述特征部位的第二图像包括:

确定所述第一图像是否包括所述对象的完整图像;和

在所述第一图像包括所述对象的完整图像的情况下:

对所述第一图像进行裁剪以得到所述特征部位的图像作为第二图像,或者

在所述第一图像为第三图像进行下采样后的降分辨率图像的情况下,对所述第三图像进行裁剪以得到所述特征部位的图像作为第二图像。

7.根据权利要求2所述的方法,其中,所述对象为植物,并且所述第二图像的分辨率比第一图像的分辨率更高,

其中,识别所述对象的初步类别包括:

获取并记录获取第一图像时的位置信息和季节信息中的一个或多个,根据所述位置信息和季节信息中的一个或多个排除不可能的对象类别;以及

在排除不可能的对象类别的情况下,识别所述对象的初步类别。

8.根据权利要求7所述的方法,其中,识别所述对象的对象类别包括:

识别与所述对象相关联的类别信息、位置信息、季节信息、时间信息、天气信息和拍摄角度信息中的一个或多个。

9.根据权利要求8所述的方法,其中,将所述第一图像和第二图像中的一个或多个存储到与所述对象的对象类别相对应的样本库中,并记录与所述位置信息、季节信息、时间信息、天气信息和拍摄角度信息中的一个或多个相对应的生理周期信息和形态信息。

10.根据权利要求3所述的方法,其中,向用户提供提示信息包括:通过文字方式、图形方式和语音方式中的一种或多种来向用户提供提示信息。

11.根据权利要求2所述的方法,其中,所述对象的初步类别是基于预先训练的第一对象类别识别模型来识别的;所述对象的对象类别是基于预先训练的第二对象类别识别模型来识别的,其中,

所述第一对象类别识别模型和第二对象类别识别模型相同或不同;

所述对象类别识别模型包括深度卷积神经网络或深度残差网络。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州睿琪软件有限公司,未经杭州睿琪软件有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010002999.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top