[发明专利]物体识别方法、装置、电子设备及存储介质

说明书

本申请适用于图像处理技术领域，提供了物体识别方法、装置、电子设备及存储介质，包括：获取待识别图片，所述待识别图片为待识别物体对应的最小外接矩形图片；根据预设的模板尺寸对所述待识别图片进行目标处理，得到尺寸为所述模板尺寸的目标图片；其中，所述目标处理包括背景扩充处理；根据所述目标图片及预设的物体识别网络，确定所述待识别物体对应的识别结果；其中，所述物体识别网络为提前训练得到的用于识别物体的神经网络。本申请实施例能够提高物体识别的准确性。

技术领域

本申请属于图像处理技术领域，尤其涉及一种物体识别方法、装置、电子设备及存储介质。

背景技术

随着制造业与工业产线的自动化程度越来越高，工厂生产线中常常通过拍摄物体得到对应的图片后，进行识别处理，从而确定该物体的类别，得到物体的识别结果。

现有的识别技术中，通常基于传统的机器学习方法，利用人工对不同类型物体的特征进行总结归纳，并利用数学公式进行描述，但是，此种方式在面对复杂环境中具有很大的误判性；同时，人工寻找特征非常考验算法人员自身能力，所以使得基于传统机器学习的分类算法正在逐渐被神经网络算法淘汰。基于神经网络的识别算法具有识别精度高，训练速度快，部署容易等特点，但是却有一个限制，即输入图片的尺寸必须统一。当需要识别分类的各类物体本身形状相似，大小不同，却具有相同的长宽比时，在对图片进行缩放处理实现尺寸统一后，不同类型物体的差异性就会变小，导致识别网络的准确性下降，从而导致物体识别的准确性低。

发明内容

有鉴于此，本申请实施例提供了物体识别方法、装置、电子设备及存储介质，以解决现有技术中如何提高物体识别的准确性的问题。

本申请实施例的第一方面提供了一种物体识别方法，包括：

获取待识别图片，所述待识别图片为待识别物体对应的最小外接矩形图片；

根据预设的模板尺寸对所述待识别图片进行目标处理，得到尺寸为所述模板尺寸的目标图片；其中，所述目标处理包括背景扩充处理；

根据所述目标图片及预设的物体识别网络，确定所述待识别物体对应的识别结果；其中，所述物体识别网络为提前训练得到的用于识别物体的神经网络。

可选地，所述获取待识别图片，包括：

获取灰度图片，所述灰度图片为待识别物体对应的灰度格式的最小外接矩形图片；

对所述灰度图片进行二值化处理，得到待识别图片。

可选地，所述对所述灰度图片进行二值化处理，得到待识别图片，包括：

根据所述灰度图片的灰度直方图，确定二值化阈值；

根据所述二值化阈值对所述灰度图片进行二值化处理，得到待识别图片。

可选地，所述根据预设的模板尺寸对所述待识别图片进行目标处理，得到尺寸为所述模板尺寸的目标图片，包括：

若所述待识别图片的尺寸小于所述模板尺寸，则以所述待识别图片为中心，在所述待识别图片的周围进行背景扩充处理，得到尺寸为所述模板尺寸的目标图片。

可选地，所述根据预设的模板尺寸对所述待识别图片进行目标处理，得到尺寸为所述模板尺寸的目标图片，包括：

若所述模板尺寸为正方形尺寸，且所述待识别图片的尺寸大于所述模板尺寸，则根据所述模板尺寸的边长与所述待识别图片的长边长度的比值，确定缩放比例；

根据所述缩放比例对所述待识别图片进行缩放处理，得到缩放图片；

通过背景扩充处理，将所述缩放图片的短边扩充至与所述模板尺寸的边长一致，得到尺寸为所述模板尺寸的目标图片。