[发明专利]快速图像识别方法、系统、介质及装置

说明书

本发明属于图像识别领域，具体提供一种快速图像识别方法。本发明旨在解决现有的识别图像计算量大导致速度较慢的问题。为此目的，本发明的方法包括对完整待识别物特征库简化，获得简化特征库；接收待识别物特征并转化成完整向量特征；对完整向量特征简化，获得现场待识别物简化向量特征；计算简化特征库中每个ID的向量特征与待识别物简化向量特征的相似度值P_a；在简化待识别物特征库中筛选出P_a大于设定阈值的第一向量特征；选取完整特征库中的与简化特征库中筛选出的第一向量特征匹配的第二向量特征；逐一进行相似度计算，获得一组相似度值P_b；筛选并获得P_b中的最大值所对应的向量特征。通过本发明的方案，能简化计算量，提升图像识别速度。

技术领域

本发明属于图像识别领域，具体提供一种快速图像识别方法、系统、介质及装置。

背景技术

借助于近些年硬件性能的提升，深度学习重新焕发活力，并在图像识别领域不断创造新的记录。需要图像识别的领域很多，例如人脸识别、指纹识别、野外草本植物品类采集所使用的识别装置、垃圾分类识别、动物分类识别等等，下面本发明将以人脸识别为例进行展开介绍。其中，人脸识别作为其中一个主要技术分支，被工业界应用于生产，为支付、安防、交通等领域带来了不少便利。

由于服务器上拥有强大的计算性能，目前主流的技术方案都是将前端设备(与“后端”的服务器相对，指的是直接接触客户的终端设备，常见的是移动端设备，手机、平板电脑等)上抓取到的人脸图像传到服务器上进行人脸识别。但这种技术方案对于网络的稳定性要求极高，需要保持前端设备与服务器时刻在线，在一些无法提供稳定连接的场景如公交车上并不适用，而对于地铁这种可以长期保持网络通畅的场景，也通常希望能有一套备用方案，在十分罕见的断网现象发生时可以保证较高的通行率，避免入口堵塞。并且，服务器由于体积庞大并且价格昂贵，并不适宜在各个场所均设置，即使将服务器设置于某场所，受限于产品费用考量，也不会使用运算能力极高的服务器，使得人脸识别速度仍然不能得到一个令人满意的程度，人脸识别速度仍有待提高。

幸运的是，适用于移动端设备的人脸特征提取技术取得了不错的突破，在大规模人脸特征库上的识别正确率正在逐步接近服务器的级别。不仅特征提取速度达到了几百毫秒级别，其识别率可以支持的人脸特征库规模也可以达到百万级。但对于移动端设备来说，做一次大规模的人脸特征库检索耗时仍停留在若干秒的级别，这对于业务场景来说是致命的，还会带来十分糟糕的用户体验。因此，无论是服务器还是移动端，仍然需要将人脸识别速度进一步提高。

相应地，本领域需要一种新的快速图像识别方法、系统、介质及装置来解决现有的图像识别速度仍然不够高效的问题。

发明内容

本发明旨在解决上述技术问题，即，解决现有的图像识别速度仍然不够高效的问题。

在第一方面，本发明提供了一种快速图像识别方法，其特征在于，包括：

S01、对预存的完整待识别物特征库的向量特征进行简化，获得简化待识别物特征库；

S02、接收待核查的现场待识别物特征，并转化成完整的现场待识别物向量特征；

S03、对完整的现场待识别物的向量特征进行简化，获得现场待识别物简化向量特征；

S04、计算简化待识别物特征库中每个ID对应的向量特征与现场待识别物简化向量特征的相似度值P_a，其中a为每个ID的编号；

S05、在简化待识别物特征库中筛选出所有P_a大于设定阈值的一组第一向量特征；

S06、选取完整待识别物特征库中的与一组所述第一向量特征具有相同ID的一组第二向量特征；