[发明专利]图像识别方法、装置、电子设备及存储介质在审

专利信息
申请号: 202010404077.0 申请日: 2020-05-13
公开(公告)号: CN111783517A 公开(公告)日: 2020-10-16
发明(设计)人: 申世伟 申请(专利权)人: 北京达佳互联信息技术有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京润泽恒知识产权代理有限公司 11319 代理人: 李娜
地址: 100085 北京市海淀*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 识别 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种图像识别方法,其特征在于,所述方法包括:

从样本图像中,提取人体部位对应的部位区域的部位特征,所述样本图像包括所述部位区域具有特征物体的图像,以及所述部位区域不具有特征物体的图像;

通过预设聚类算法,对所有的所述部位区域,按照所述部位特征的相似度值进行聚类,得到多个聚类簇;

从所述聚类簇中选取目标聚类簇,所述目标聚类簇包括的部位区域的数量最少;

将所述目标聚类簇包括的部位区域所对应的样本图像,确定为目标样本图像,所述目标样本图像的部位区域具有所述特征物体。

2.根据权利要求1所述的方法,其特征在于,所述通过预设聚类算法,对所有的所述部位区域,按照所述部位特征的相似度进行聚类,得到两个聚类簇,包括:

通过层次聚类算法,对所有的所述部位区域,按照所述部位特征的相似度值进行聚类,得到两个聚类簇。

3.根据权利要求2所述的方法,其特征在于,所述通过层次聚类算法,对所有的所述部位区域,按照所述部位特征的相似度值进行聚类,得到两个聚类簇,包括:

计算各个所述部位区域的部位特征之间的相似度值;

将所述相似度值最大的两个部位特征进行合并,得到合并的部位特征,所述合并的部位特征关联有两个所述部位特征分别对应的两个部位区域;

计算剩余的部位特征、所述合并的部位特征之间的相似度值,并进入所述将所述相似度值最大的两个部位特征进行合并,得到合并的部位特征的步骤,直至得到两个所述聚类簇,所述聚类簇包括;所述聚类簇中部位特征所关联的所有部位区域。

4.根据权利要求1所述的方法,其特征在于,从样本图像中,所述提取人体部位对应的部位区域的部位特征,包括:

在所述样本图像中,识别所述人体部位对应的关键点;

将相邻所述关键点依次连接,形成所述人体部位对应的部位区域;

将所述部位区域进行裁剪,得到部位图像;

将所述部位图像输入预设的特征提取模型,得到所述特征提取模型输出的所述部位特征。

5.根据权利要求1所述的方法,其特征在于,在通过预设聚类算法,对所有的所述部位区域,按照所述部位特征的相似度值进行聚类,得到两个聚类簇之后,所述方法还包括:

将每个聚类簇包括的部位区域的部位特征的向量平均值,作为所述聚类簇的中心特征值。

6.根据权利要求1至5任一所述的方法,其特征在于,所述特征物体包括人体配件。

7.一种图像识别装置,其特征在于,所述装置包括:

提取模块,被配置为从样本图像中,提取人体部位对应的部位区域的部位特征,所述样本图像包括所述部位区域具有特征物体的图像,以及所述部位区域不具有特征物体的图像;

聚类模块,被配置为通过预设聚类算法,对所有的所述部位区域,按照所述部位特征的相似度值进行聚类,得到多个聚类簇;

选取模块,被配置为从所述聚类簇中选取目标聚类簇,所述目标聚类簇包括的部位区域的数量最少;

确定模块,被配置为将所述目标聚类簇包括的部位区域所对应的样本图像,确定为目标样本图像,所述目标样本图像的部位区域具有所述特征物体。

8.根据权利要求7所述的装置,其特征在于,所述聚类模块,包括:

层次聚类子模块,被配置为通过层次聚类算法,对所有的所述部位区域,按照所述部位特征的相似度值进行聚类,得到两个聚类簇。

9.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的图像识别方法的步骤。

10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的图像识别方法的步骤。

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北京达佳互联信息技术有限公司,未经北京达佳互联信息技术有限公司许可,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/202010404077.0/1.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