[发明专利]图像识别方法、装置、电子设备及存储介质

说明书

本申请提供了一种图像识别方法、装置、电子设备及存储介质，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，样本图像包括部位区域具有特征物体的图像，以及部位区域不具有特征物体的图像；通过预设聚类算法，对所有的部位区域，按照部位特征的相似度值进行聚类，得到多个聚类簇；从聚类簇中选取目标聚类簇，目标聚类簇包括的部位区域的数量最少；将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。本申请中，实现了对样本图像的中目标样本图像识别的完全自动化，通过目标样本图像训练得到的模型能够在检测样本图像中已知特征物体类别的基础上，进一步实现检测未知特征物体类别的功能。

技术领域

本申请实施例涉及通信技术领域，尤其涉及一种图像识别方法、装置、电子设备及存储介质。

背景技术

目前在模型训练领域，通常是在已知类别的训练样本上训练目标检测模型，使得目标检测模型能够从视频或图像中，检测到其中属于该已知类别的特征。

相关技术中，具体在识别人体配件物体的场景下，可以通过收集已知类别的训练样本，并人工对训练样本进行标注，并利用已标注的训练样本，进行目标检测模型的训练，如，假设训练样本为人像照片，通过已知的帽子、背包的类别，人工进行标注，将每个样本标注为佩戴帽子、佩戴背包、未佩戴帽子、未佩戴背包。标注完成后，可以利用训练样本进行目标检测模型的训练。训练后的目标检测模型可以识别视频或图像中，目标人物是否佩戴了帽子、背包。

但是，目前方案中，按照已知类别的训练样本训练得到的目标检测模型，并不能实现检测视频或图像中，除该已知类别之外的其他类别的特征，使得在应用场景中需要增加新的类别时，需要进行人工对新的类别的训练样本进行标注以及训练的操作，导致模型的使用效率低下。

发明内容

本申请实施例提供一种图像识别方法、装置、电子设备及存储介质，以解决相关技术中在应用场景中需要增加新的识别类别时，需要进行人工对新的类别的训练样本进行标注以及训练的操作，导致模型的使用效率低下的问题。

第一方面，本申请实施例提供了一种图像识别方法，该方法包括：

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。

在一种可选实施方式中，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。

在一种可选实施方式中，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。

在一种可选实施方式中，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：