專利名稱：一種圖像識(shí)別方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，特別涉及一種圖像識(shí)別方法及裝置。
背景技術(shù)：
在人類圖像識(shí)別系統(tǒng)中，圖像識(shí)別是以圖像的主要特征為基礎(chǔ)的。每個(gè)圖像都有它的特征，如字母A有個(gè)尖，P有個(gè)圈、而Y的中心有個(gè)銳角等。由此可見，在機(jī)器進(jìn)行圖像識(shí)別過程中，可以通過排除多余信息，抽出關(guān)鍵的特征對(duì)圖像進(jìn)行識(shí)別。利用提取圖像特征進(jìn)行圖像識(shí)別，一般的方法是判斷提取的圖像特征是否符合一個(gè)關(guān)鍵特征，如果符合，則識(shí)別成功，例如，目前有一種硬幣圖像識(shí)別的方法，該方法首選 提取硬幣圖像中的硬幣外輪廓圓直徑，若提取的硬幣外輪廓圓直徑在允許的直徑范圍內(nèi)，則符合硬幣關(guān)鍵特征，若不在允許的直徑范圍內(nèi)，則認(rèn)為是假硬幣。但是，目前對(duì)圖像的關(guān)鍵特征描述過于簡單，在圖像質(zhì)量不好時(shí)，所提取的圖像特征可能不具備關(guān)鍵特征，導(dǎo)致識(shí)別失敗，例如，針對(duì)硬幣拍攝圖像的識(shí)別，在光照條件或者拍攝角度不佳時(shí)，提取的硬幣外輪廓變形，不具備所約定的允許直徑范圍，導(dǎo)致識(shí)別失敗。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的主要目的在于提供一種圖像識(shí)別方法及裝置以實(shí)現(xiàn)能夠?qū)Ω鞣N圖像質(zhì)量的圖像進(jìn)行準(zhǔn)確識(shí)別的目的。本發(fā)明提供的一種圖像識(shí)別方法，包括計(jì)算目標(biāo)圖像的圖像特征向量；查詢與所述目標(biāo)圖像的圖像特征向量匹配的代表特征向量；返回查詢結(jié)果；其中，一個(gè)代表特征向量通過提取聚為一類的樣本圖像的圖像特征向量的特征獲得;所述聚為一類的樣本圖像的圖像特征向量按照多個(gè)樣本圖像的圖像特征向量相似度聚類獲得；所述樣本圖像的圖像特征向量通過提取與所述目標(biāo)圖像的圖像特征向量相同的特征獲得。優(yōu)選地，所述計(jì)算目標(biāo)圖像的圖像特征向量具體包括根據(jù)預(yù)先設(shè)置的分塊要求分割所述目標(biāo)圖像，獲得子圖像塊；計(jì)算所述子圖像塊的顏色直方圖向量和梯度直方圖向量；將所述子圖像塊的顏色直方圖向量和梯度直方圖向量組合，獲得所述目標(biāo)圖像的圖像特征向量。優(yōu)選地，所述聚為一類的樣本圖像的圖像特征向量按照多個(gè)樣本圖像的圖像特征向量相似度聚類獲得具體包括以下步驟獲得多個(gè)樣本圖像特征向量；
從多個(gè)樣本圖像特征向量中，隨機(jī)選取k個(gè)樣本圖像特征向量，分別作為k個(gè)類的第一中心值，其中k > 2 ;建立與第一中心值對(duì)應(yīng)的k個(gè)第一聚類，計(jì)算所述多個(gè)樣本圖像特征向量與所述k個(gè)第一聚類的第一中心值的相似度，將所述多個(gè)樣本圖像特征向量分別歸到與所述k個(gè)第一聚類的第一中心值相似度最高的類中；通過計(jì)算k個(gè)第一聚類中每類包含的每個(gè)樣本圖像特征向量與所在類的第一中心值的差值，獲得所述多個(gè)樣本圖像特征向量到第一中心值的平均距離；計(jì)算k個(gè)第一聚類中每類包含的樣本圖像特征向量的均值，將其作為第二中心值；進(jìn)入分類步驟；分類步驟包括建立與第二中心值對(duì)應(yīng)的k個(gè)第二聚類，計(jì)算所述多個(gè)樣本圖像特征向量與所述k個(gè)第二聚類的第二中心值的相似度，將所述多個(gè)樣本圖像特征向量分別歸到與所述k個(gè)第二聚類的第二中心值相似度最高的類中；通過計(jì)算k個(gè)第二聚類中每類包含的每個(gè)樣本圖像特征向量與所在類的第二中心值的差值，獲得所述多個(gè)樣本圖像特征向量到第二中心值的平均距離；判斷到第二中心值的平均距離與到第一中心值的平均距離的差是否小于預(yù)設(shè)的閾值；如果否，將到第二中心值的平均距離作為到第一中心值的平均距離，計(jì)算k個(gè)第二聚類中每類包含的樣本圖像特征向量的均值，將其作為第二中心值，重新進(jìn)入分類步驟；如果是，獲得第二聚類，結(jié)束該流程。優(yōu)選地，一個(gè)代表特征向量具體通過計(jì)算聚為一類的樣本圖像的圖像特征向量平均值獲得。優(yōu)選地，所述查詢與目標(biāo)圖像的圖像特征向量匹配的代表特征向量具體通過以下步驟查詢分別計(jì)算所述目標(biāo)圖像的圖像特征向量與各個(gè)代表特征向量的差值；選擇差值最小的代表特征向量作為與所述目標(biāo)圖像的圖像特征向量匹配的代表特征向量。優(yōu)選地，該方法還包括判斷所述目標(biāo)圖像的圖像特征向量與各個(gè)代表特征向量的差值是否均超過差值標(biāo)準(zhǔn)；若超過，查詢結(jié)果為未找到；若未超過，查詢結(jié)果為所述差值最小的代表特征向量。優(yōu)選地，該方法在計(jì)算目標(biāo)圖像的圖像特征向量之前，還包括將所述目標(biāo)圖像作為待處理圖像，執(zhí)行以下預(yù)處理步驟；所述預(yù)處理步驟包括在所述待處理圖像上定位限定圖像范圍的標(biāo)識(shí)，獲得所述標(biāo)識(shí)在所述待處理圖像上的位置；
根據(jù)所述標(biāo)識(shí)在所述待處理圖像上的位置，更新所述待處理圖像為所述標(biāo)識(shí)限定范圍內(nèi)的圖像。優(yōu)選地，該方法還包括將所述樣本圖像作為待處理圖像，執(zhí)行所述預(yù)處理步驟獲得更新的樣本圖像，所述樣本圖像的圖像特征向量具體通過提取所述更新的樣本圖像的特征獲得。在本發(fā)明的一個(gè)實(shí)施例中，所述限定圖像范圍的標(biāo)識(shí)具體為特定閉合曲線，所述標(biāo)識(shí)限定的范圍具體為所述特定閉合曲線所包圍的范圍。在該實(shí)施例中，在所述待處理圖像上定位所述標(biāo)識(shí)具體通過以下步驟定位利用特定閉合曲線模板將特定閉合曲線投影在所述待處理圖像上，計(jì)算出特定閉合曲線的投影線在待處理圖像上的位置；通過調(diào)整特定閉合曲線模板的角度和位置、調(diào)整所述待處理圖像的縮放尺寸，計(jì)算在調(diào)整過程中的任意調(diào)整狀態(tài)下第一圖像與第二圖像的色差值，所述第一圖像具體為所述待處理圖像上的投影線一側(cè)預(yù)設(shè)范圍內(nèi)的圖像，所述第二圖像具體為所述待處理圖像上的投影線另一側(cè)預(yù)設(shè)范圍內(nèi)的圖像；在所述色差值最大時(shí)，將特定閉合曲線的投影線在待處理圖像上的位置作為所述標(biāo)識(shí)在所述待處理圖像上的位置。在本發(fā)明的另一個(gè)實(shí)施例中，所述限定圖像范圍的標(biāo)識(shí)具體為N個(gè)第一特殊圖形、且所述N個(gè)第一特殊圖形相連形成的N邊形符合第二特殊圖形，所述標(biāo)識(shí)限定的范圍具體為所述N個(gè)第一特殊圖形相連形成的N邊形所包圍的范圍，其中所述N個(gè)第一特殊圖形的中心點(diǎn)不在同一條直線上，N大于等于3?！ぴ谠搶?shí)施例中，在所述待處理圖像上定位所述標(biāo)識(shí)具體通過以下步驟定位計(jì)算所述待處理圖像上各像素點(diǎn)的像素值和位置；通過所述各像素點(diǎn)的像素值和位置,確定像素值不為O且位置相鄰的像素點(diǎn)所形成的各個(gè)待選圖形，并計(jì)算各個(gè)待選圖形在所述待處理圖像上的位置；從各個(gè)待選圖形中篩選出與第一特殊圖形相似程度超過標(biāo)準(zhǔn)值的第一待選圖形；若第一待選圖形的個(gè)數(shù)總和大于等于N，從各個(gè)第一待選圖形中，篩選出N個(gè)第一待選圖形，其中心點(diǎn)相連形成的N邊形與第二特殊圖形的相似程度最高，將所述篩選出的N個(gè)第一待選圖形在所述待處理圖像上的位置作為所述標(biāo)識(shí)在所述待處理圖像上的位置；否則，定位失敗?；蛘?，還可以通過以下步驟定位利用第一特殊圖形模板將第一特殊圖形邊緣投影在所述待處理圖像上，計(jì)算出第一特殊圖形邊緣的投影線在待處理圖像上的位置；通過調(diào)整第一特殊圖形模板的角度和位置、調(diào)整所述待處理圖像的縮放尺寸，計(jì)算在調(diào)整過程中的任意調(diào)整狀態(tài)下第一圖像與第二圖像的色差值，所述第一圖像具體為所述待處理圖像上的投影線一側(cè)預(yù)設(shè)范圍內(nèi)的圖像，所述第二圖像具體為所述待處理圖像上的投影線另一側(cè)預(yù)設(shè)范圍內(nèi)的圖像；在所述色差值最大時(shí)，將第一特殊圖形邊緣的投影線在待處理圖像上的位置作為所述第一特殊圖形在所述待處理圖像上的位置；
重復(fù)以上步驟直到無法找到第一特殊圖形在所述待處理圖像上更新的位置；若在所述待處理圖像上找到的第一特殊圖形個(gè)數(shù)大于等于N，從找到的各個(gè)第一特殊圖形中，篩選出N個(gè)第一特殊圖形，其中心點(diǎn)相連形成的N邊形與第二特殊圖形的相似程度最高，將所述篩選出的N個(gè)第一特殊圖形在所述待處理圖像上的位置作為所述標(biāo)識(shí)在所述待處理圖像上的位置；否則，定位失敗。優(yōu)選地，所述預(yù)處理步驟還包括在更新所述待處理圖像為所述標(biāo)識(shí)限定范圍內(nèi)的圖像之后，調(diào)整所述待處理圖像為標(biāo)準(zhǔn)尺寸和標(biāo)準(zhǔn)角度的圖像。優(yōu)選地，該方法還包括在預(yù)先設(shè)置的游戲規(guī)則中，查詢出所述查詢結(jié)果所對(duì)應(yīng)的執(zhí)行指令； 執(zhí)行所述執(zhí)行指令。優(yōu)選地，所述目標(biāo)圖像具體通過數(shù)字?jǐn)z像設(shè)備采集目標(biāo)的拍攝圖像實(shí)時(shí)獲取。所述樣本圖像具體為對(duì)每個(gè)拍攝目標(biāo)，通過調(diào)整各種拍攝條件，采集的多個(gè)拍攝圖像。優(yōu)選地，該方法還包括輸出查詢結(jié)果對(duì)應(yīng)的語音文件到音頻設(shè)備。本發(fā)明還提供一種圖像識(shí)別裝置，其特征在于，包括計(jì)算單元用于計(jì)算所述目標(biāo)圖像的圖像特征向量，將所述目標(biāo)圖像的圖像特征向量發(fā)送至查詢單元；查詢單元用于查詢與所述目標(biāo)圖像的圖像特征向量匹配的代表特征向量，返回查詢結(jié)果，其中，一個(gè)代表特征向量通過提取聚為一類的樣本圖像的圖像特征向量的特征獲得，所述聚為一類的樣本圖像的圖像特征向量按照多個(gè)樣本圖像的圖像特征向量相似度聚類獲得，所述樣本圖像的圖像特征向量通過提取與所述目標(biāo)圖像的圖像特征向量相同的特征獲得?？梢姳景l(fā)明具有如下有益效果本發(fā)明在計(jì)算目標(biāo)圖像的圖像特征向量之后，通過查詢與目標(biāo)圖像的圖像特征向量匹配的代表特征向量得到圖像識(shí)別的結(jié)果，因?yàn)榇硖卣飨蛄渴蔷蹫橐活惖臉颖緢D像的圖像特征向量的特征，聚為一類的樣本圖像的圖像特征向量按照多個(gè)樣本圖像的圖像特征向量相似度聚類獲得，也就是說，對(duì)于一個(gè)樣本來說，根據(jù)本發(fā)明，若干樣本圖像可以按照相似度分為多個(gè)類，每個(gè)代表特征向量都是一類圖像質(zhì)量的樣本圖像的特征，所以，代表特征向量能夠體現(xiàn)各種圖像質(zhì)量的樣本圖像的特點(diǎn)，為圖像提供了更加準(zhǔn)確的特征描述，從而使對(duì)目標(biāo)圖像的識(shí)別更加準(zhǔn)確，具有更高的識(shí)別能力。


圖I是本發(fā)明一種圖像識(shí)別的方法一個(gè)實(shí)施例的流程圖；圖2是本發(fā)明計(jì)算目標(biāo)圖像的圖像特征向量的流程圖；圖2-1是本發(fā)明64X32 = 2048維圖像特征向量的示例圖；圖3是本發(fā)明聚類樣本圖像的圖像特征向量的流程圖；圖4是本發(fā)明預(yù)處理步驟的流程圖；圖5是本發(fā)明一個(gè)目標(biāo)圖像的示例圖6是本發(fā)明定位標(biāo)識(shí)的一個(gè)實(shí)施例的流程圖；圖7是本發(fā)明特定閉合曲線在圖像上的投影示例圖；圖8是本發(fā)明第一圖像和第二圖像的示例圖；圖9是本發(fā)明另一個(gè)目標(biāo)圖像的示例圖；圖10是本發(fā)明定位標(biāo)識(shí)的另一個(gè)實(shí)施例的流程圖；圖11是本發(fā)明定位標(biāo)識(shí)的又一個(gè)實(shí)施例的流程圖；圖12是本發(fā)明一種圖像識(shí)別的裝置的組成圖。
具體實(shí)施方式
為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明實(shí)施例作進(jìn)一步詳細(xì)的說明。圖I為本發(fā)明一種圖像識(shí)別的方法一個(gè)實(shí)施例的流程圖，如圖所示，包括S101、計(jì)算目標(biāo)圖像的圖像特征向量；S102、查詢與所述目標(biāo)圖像的圖像特征向量匹配的代表特征向量，其中，一個(gè)代表特征向量通過提取聚為一類的樣本圖像的圖像特征向量的特征獲得；所述聚為一類的樣本圖像的圖像特征向量按照多個(gè)樣本圖像的圖像特征向量相似度聚類獲得；所述樣本圖像的圖像特征向量通過提取與所述目標(biāo)圖像的圖像特征向量相同的特征獲得；S103、返回查詢結(jié)果。可見，如圖I所示的本發(fā)明的一個(gè)方法實(shí)施例，將聚為一類的多個(gè)樣本圖像的圖像特征向量的特征，即代表特征向量，作為圖像識(shí)別的特征，因?yàn)榫蹫橐活惖臉颖緢D像的圖像特征向量是按照相似度聚類的，使得代表特征向量可以認(rèn)為是一類圖像質(zhì)量的樣本圖像的特征，為各種圖像質(zhì)量的樣本圖像提供了更加準(zhǔn)確的特征描述，進(jìn)而可以使目標(biāo)圖像的識(shí)別更加準(zhǔn)確，具有更高的識(shí)別能力。其中，步驟SlOl所述計(jì)算目標(biāo)圖像的圖像特征向量，參見圖2，如圖所示，具體可以包括S201、根據(jù)預(yù)先設(shè)置的分塊要求分割所述目標(biāo)圖像，獲得子圖像塊；具體地，所述根據(jù)預(yù)先設(shè)置的分塊要求分割所述待處理圖像，在具體實(shí)施時(shí)，例如，如圖5所示，可以將待處理圖像平均分割為64塊，每個(gè)圖像塊都是所述待處理圖像的子圖像塊。S202、計(jì)算所述子圖像塊的顏色直方圖向量和梯度直方圖向量；計(jì)算子圖像塊的顏色直方圖向量，就是計(jì)算子圖像塊中所有像素的每一個(gè)顏色RGB分量的分布，具體地，例如，在每一個(gè)子圖像塊中，每一個(gè)像素都有紅色(R)、綠色(G)、和藍(lán)色(B)的顏色分量，每個(gè)顏色分量的范圍是O到255，把顏色分量值范圍
均分分割為8個(gè)區(qū)間，然后統(tǒng)計(jì)每個(gè)顏色每個(gè)區(qū)間內(nèi)像素的個(gè)數(shù)，這樣，每個(gè)顏色分量的直方圖為一個(gè)8維向量，把RGB三個(gè)顏色分量的直方圖向量拼接起來，形成一個(gè)24維的顏色直方圖向量；計(jì)算子圖像塊的梯度直方圖向量，就是計(jì)算子圖像塊中梯度方向的分布，具體地，例如，在每一個(gè)子圖像塊中，每一個(gè)像素都有水平方向的變化(dx)和垂直方向的變化
(dy)，可以通過水平方向和垂直方向的變化計(jì)算出該像素的梯度方向0=tanΘ的范
圍為[_π/2, 31/2],把Θ的范圍均分為8個(gè)區(qū)間,然后統(tǒng)計(jì)每個(gè)區(qū)間內(nèi)像素的個(gè)數(shù),形成8維的梯度方向直方圖向量。S203、將所述子圖像塊的顏色直方圖向量和梯度直方圖向量組合，獲得所述待處理圖像的圖像特征向量。具體地，例如，對(duì)每個(gè)圖像塊，把24維的顏色直方圖向量和8維的梯度方向直方圖向量拼接起來，形成一個(gè)32維的特征向量，再將整個(gè)待處理圖像的64個(gè)子圖像塊的32維特征向量拼接起來，形成整個(gè)待處理圖像的圖像特征向量，如圖2-1所示，其圖像特征向量 為64X32 = 2048維的向量。需要說明的是，如步驟S102所述，樣本圖像的圖像特征向量具體通過提取與所述目標(biāo)圖像的圖像特征向量相同的特征獲得，因此，在本發(fā)明中，在上述實(shí)施例中，所述樣本圖像的圖像特征向量同樣可以采取如步驟S201到S203所示的方法計(jì)算獲得。在該計(jì)算目標(biāo)圖像的圖像特征向量的具體步驟示例中，通過分割目標(biāo)圖像為多個(gè)子圖像塊，獲得由多個(gè)子圖像塊的顏色直方圖向量和梯度直方圖向量拼接而成的目標(biāo)圖像的圖像特征向量，使得該圖像特征向量具有較大的維數(shù)，從而可以更加全面和詳細(xì)的描述該圖像的特征，而且，在根據(jù)預(yù)先設(shè)置的分塊要求分割所述目標(biāo)圖像時(shí)，可以根據(jù)具體實(shí)施需要，有選擇的進(jìn)行分塊，例如，在預(yù)估計(jì)圖像信息量較小的區(qū)域分割為較大的子圖像塊，在預(yù)估計(jì)圖像信息量較大的區(qū)域分割為較小的子圖像塊，從而降低計(jì)算量，提高圖像特征描述的有效性。下面，對(duì)步驟S102所述聚為一類的樣本圖像的圖像特征向量按照多個(gè)樣本圖像的圖像特征向量相似度聚類獲得，進(jìn)行詳細(xì)闡述，例如，參見圖3，具體可以包括S301、獲得多個(gè)樣本圖像特征向量；S302、從多個(gè)樣本圖像特征向量中，隨機(jī)選取k個(gè)樣本圖像特征向量，分別作為k個(gè)類的第一中心值，其中k > 2 ;S303、建立與第一中心值對(duì)應(yīng)的k個(gè)第一聚類，計(jì)算所述多個(gè)樣本圖像特征向量與所述k個(gè)第一聚類的第一中心值的相似度，將所述多個(gè)樣本圖像特征向量分別歸到與所述k個(gè)第一聚類的第一中心值相似度最高的類中；S304、通過計(jì)算k個(gè)第一聚類中每類包含的每個(gè)樣本圖像特征向量與所在類的第一中心值的差值，獲得所述多個(gè)樣本圖像特征向量到第一中心值的平均距離；S305、計(jì)算k個(gè)第一聚類中每類包含的樣本圖像特征向量的均值，將其作為第二中心值；進(jìn)入分類步驟；分類步驟包括S306、建立與第二中心值對(duì)應(yīng)的k個(gè)第二聚類，計(jì)算所述多個(gè)樣本圖像特征向量與所述k個(gè)第二聚類的第二中心值的相似度，將所述多個(gè)樣本圖像特征向量分別歸到與所述k個(gè)第二聚類的第二中心值相似度最高的類中；S307、通過計(jì)算k個(gè)第二聚類中每類包含的每個(gè)樣本圖像特征向量與所在類的第二中心值的差值，獲得所述多個(gè)樣本圖像特征向量到第二中心值的平均距離；S308、判斷到第二中心值的平均距離與到第一中心值的平均距離的差是否小于預(yù)設(shè)的閾值；S309、如果否，將到第二中心值的平均距離作為到第一中心值的平均距離，計(jì)算k個(gè)第二聚類中每類包含的樣本圖像特征向量的均值，將其作為第二中心值，重新進(jìn)入分類步驟；S310、如果是，獲得第二聚類，結(jié)束該流程。下面再對(duì)步驟S102中的代表特征向量進(jìn)行解釋，如步驟S102所述，一個(gè)代表特征向量具體通過提取聚為一類的樣本圖像的圖像特征向量的特征獲得，在這里，提取聚為一類的多個(gè)樣本圖像的圖像特征向量的特征的目的，就是為了更加準(zhǔn)確的描述樣本圖像的特征，以適應(yīng)各種圖像質(zhì)量的圖像識(shí)別，例如，一個(gè)代表特征向量具體可以通過計(jì)算聚為一類的樣本圖像的圖像特征向量平均值獲得。 當(dāng)然提取聚為一類的樣本圖像的圖像特征向量的特征，不僅僅限于取平均值的方法，例如，還可以是按照該聚為一類的各個(gè)圖像特征向量出現(xiàn)的頻率，做一個(gè)權(quán)重的分配，再計(jì)算均值的方法，或者其他在本發(fā)明的啟示下提出的其他方法。下面，再對(duì)步驟S102所述查詢與所述目標(biāo)圖像的圖像特征向量匹配的代表特征向量進(jìn)行解釋，在本發(fā)明提供的一個(gè)實(shí)施例中，例如，所述查詢與目標(biāo)圖像的圖像特征向量匹配的代表特征向量具體可以通過以下步驟查詢分別計(jì)算所述目標(biāo)圖像的圖像特征向量與各個(gè)代表特征向量的差值；選擇差值最小的代表特征向量作為與所述目標(biāo)圖像的圖像特征向量匹配的代表特征向量。例如目標(biāo)圖像的圖像特征向量表示為X = [X1, X2, . . . xj,代表特征向量表示為X = Lr1, r2, . . . rj，計(jì)算所述目標(biāo)圖像的圖像特征向量與各個(gè)代表特征向量的差值，如差值 D = I X1T11 +1 x2-r21 +· · · +1 xL-rL I。考慮到即使差值最小的代表特征向量也有可能不是與所述目標(biāo)圖像的圖像特征向量匹配的代表特征向量，為了解決這個(gè)問題，在圖像識(shí)別之前，可以通過反復(fù)試驗(yàn)或者經(jīng)驗(yàn)，預(yù)先找到一個(gè)能夠確定目標(biāo)圖像識(shí)別失敗的差值標(biāo)準(zhǔn)，再利用該差值標(biāo)準(zhǔn)找出圖像識(shí)別失敗的情況，例如，可以包括如下步驟判斷所述目標(biāo)圖像的圖像特征向量與各個(gè)代表特征向量的差值是否均超過差值標(biāo)準(zhǔn)；若超過，查詢結(jié)果為未找到；若未超過，查詢結(jié)果為所述差值最小的代表特征向量。在本發(fā)明方法的一個(gè)優(yōu)選實(shí)施例中，在計(jì)算目標(biāo)圖像的圖像特征向量之前，還可以包括將所述目標(biāo)圖像作為待處理圖像，執(zhí)行以下預(yù)處理步驟所述預(yù)處理步驟,如圖4所示,包括S401、在所述待處理圖像上定位限定圖像范圍的標(biāo)識(shí)，獲得所述標(biāo)識(shí)在所述待處理圖像上的位置；S402、根據(jù)所述標(biāo)識(shí)在所述待處理圖像上的位置，更新所述待處理圖像為所述標(biāo)識(shí)限定范圍內(nèi)的圖像。需要說明的是，對(duì)于樣本圖像來說，其具有與目標(biāo)圖像相同的特點(diǎn)，因此，本發(fā)明還包括將所述樣本圖像作為待處理圖像，執(zhí)行所述預(yù)處理步驟獲得更新的樣本圖像，所述樣本圖像的圖像特征向量具體通過提取所述更新的樣本圖像的特征獲得。下面，對(duì)所述預(yù)處理步驟中所述限定圖像范圍的標(biāo)識(shí)，進(jìn)行詳細(xì)闡述在本發(fā)明的一個(gè)實(shí)施例中，所述限定圖像范圍的標(biāo)識(shí)具體可以為特定閉合曲線，所述標(biāo)識(shí)限定的范圍具體為所述特定閉合曲線所包圍的范圍，具體地，所述特定閉合曲線，在具體實(shí)施時(shí)，可以是一個(gè)矩形框，或者其他便于定位和計(jì)算的閉合曲線；另外，如步驟S401所述，在待處理圖像上定位限定圖像范圍的標(biāo)識(shí)，則所述特定閉合曲線一定在所述待處理圖像上，例如，如圖5所示的卡片圖像，大寫字母A為圖像內(nèi)容，在卡片上有一個(gè)矩形線框501，該矩形線框501為所述特定閉合曲線。
在該實(shí)施例中，如圖6所示，在所述待處理圖像上定位所述標(biāo)識(shí)具體可以通過以下步驟進(jìn)行定位，包括S601、利用特定閉合曲線模板將特定閉合曲線投影在所述待處理圖像上，計(jì)算出特定閉合曲線的投影線在待處理圖像上的位置；具體地，參見圖7所示所述特定閉合曲線模板將特定閉合曲線投影在所述待處理圖像上的效果，投影線701為特定閉合曲線模板投影在所述待處理圖像上的投影線，通過投影，可以獲得特定閉合曲線的投影線701在待處理圖像上的位置。S602、通過調(diào)整特定閉合曲線模板的角度和位置、調(diào)整所述待處理圖像的縮放尺寸，計(jì)算在調(diào)整過程中的任意調(diào)整狀態(tài)下第一圖像與第二圖像的色差值，所述第一圖像具體為所述待處理圖像上的投影線一側(cè)預(yù)設(shè)范圍內(nèi)的圖像，所述第二圖像具體為所述待處理圖像上的投影線另一側(cè)預(yù)設(shè)范圍內(nèi)的圖像；在這里，所述預(yù)設(shè)范圍內(nèi)的圖像范圍不宜過大，一般設(shè)置為矩形框變長的十分之一為宜，具體地，例如，參見圖7所示，所述第一圖像為所述待處理圖像上的投影線701外側(cè)與虛線框702之間范圍內(nèi)的圖像，所述第二圖像為待處理圖像上的投影線701內(nèi)側(cè)與點(diǎn)線框703之間范圍內(nèi)范圍。S603、在所述色差值最大時(shí)，將特定閉合曲線的投影線在待處理圖像上的位置作為所述標(biāo)識(shí)在所述待處理圖像上的位置。具體地，例如，參見圖8，在所述第一圖像與第二圖像的色差值最大時(shí)，可以認(rèn)為特定閉合曲線的投影線801將所述待處理圖像上的特定閉合曲線804套在了投影線801內(nèi)側(cè)與點(diǎn)線框803之間范圍內(nèi)的第一圖像，從而可以將特定閉合曲線的投影線在待處理圖像上的位置作為所述標(biāo)識(shí)在所述待處理圖像上的位置。在本發(fā)明的另一個(gè)實(shí)施例中，所述限定圖像范圍的標(biāo)識(shí)具體可以為N個(gè)第一特殊圖形、且所述N個(gè)第一特殊圖形相連形成的N邊形符合第二特殊圖形，所述標(biāo)識(shí)限定的范圍具體為所述N個(gè)第一特殊圖形相連形成的N邊形所包圍的范圍，其中所述N個(gè)第一特殊圖形的中心點(diǎn)不在同一條直線上，N大于等于3，具體地，例如，如圖9所示，在矩形卡片圖像上，四個(gè)角總共有4個(gè)第一特殊圖形，菱形901、902、903和904，形成的4邊形符合第二特殊圖形，即等邊矩形905。在該實(shí)施例中，如圖10所示，在所述待處理圖像上定位所述標(biāo)識(shí)具體可以通過以下步驟進(jìn)行定位，包括S1001、計(jì)算所述待處理圖像上各像素點(diǎn)的像素值和位置；S1002、通過所述各像素點(diǎn)的像素值和位置,確定像素值不為O且位置相鄰的像素點(diǎn)所形成的各個(gè)待選圖形，并計(jì)算各個(gè)待選圖形在所述待處理圖像上的位置；在該實(shí)施例中，認(rèn)為待處理圖像為白色為底色的圖像，可以通過確定像素值不為O且位置相鄰的像素點(diǎn)，定位待處理圖像上的各個(gè)圖形，各個(gè)圖形的描述方法，具體可以采取將待處理圖像上像素值不為O且位置相鄰的像素點(diǎn)形成的陣列用向量的形式表示出來的方法。S1003、從各個(gè)待選圖形中篩選出與第一特殊圖形相似程度超過標(biāo)準(zhǔn)值的第一待選圖形；
需要說明的是，篩選的方法，具體可以通過將各個(gè)待選圖形的向量與預(yù)先已知的標(biāo)準(zhǔn)的第一特殊圖形的向量進(jìn)行比較，獲得與第一特殊圖形相似度超過標(biāo)準(zhǔn)值的第一待選圖形，這里的標(biāo)準(zhǔn)值，具體可以根據(jù)方案實(shí)施需要或者反復(fù)試驗(yàn)，確定比較準(zhǔn)確的相似度標(biāo)準(zhǔn)值，例如，上述四個(gè)角有4個(gè)菱形的矩形卡片，經(jīng)過所述步驟S1003，至少會(huì)篩選出4個(gè)與菱形相似度超過標(biāo)準(zhǔn)值的第一待選圖形。S1004、若第一待選圖形的個(gè)數(shù)總和大于等于N，從各個(gè)第一待選圖形中，篩選出N個(gè)第一待選圖形，其中心點(diǎn)相連形成的N邊形與第二特殊圖形的相似程度最高，將所述篩選出的N個(gè)第一待選圖形在所述待處理圖像上的位置作為所述標(biāo)識(shí)在所述待處理圖像上的位置；需要說明的是，如果待處理圖像由于意外情況，限定待處理圖像范圍的標(biāo)識(shí)部分缺失，將導(dǎo)致無法定位所述標(biāo)識(shí)，在該實(shí)施例中，會(huì)發(fā)生定位失敗的情況，因此，首先要判斷第一待選圖形的個(gè)數(shù)總和是否大于等于約定的第一特殊圖形的個(gè)數(shù)，如果是，才能繼續(xù)進(jìn)行定位，否則，將定位失?。粚?duì)于篩選出的第一待選圖形，因?yàn)樵诖幚韴D像本身也可能包含符合第一特殊圖形的圖形，因此，需要從中找出其中心點(diǎn)相連形成的N邊型與第二特殊圖形最相似的作為所述標(biāo)識(shí)在所述待處理圖像上的位置，以排除待處理圖像本身圖像的干擾。S1005、否則，定位失敗。在該實(shí)施例中，如圖11所示，在所述待處理圖像上定位所述標(biāo)識(shí)具體還可以通過以下步驟進(jìn)行定位，包括S1101、利用第一特殊圖形模板將第一特殊圖形邊緣投影在所述待處理圖像上，計(jì)算出第一特殊圖形邊緣的投影線在待處理圖像上的位置；S1102、通過調(diào)整第一特殊圖形模板的角度和位置、調(diào)整所述待處理圖像的縮放尺寸，計(jì)算在調(diào)整過程中的任意調(diào)整狀態(tài)下第一圖像與第二圖像的色差值，所述第一圖像具體為所述待處理圖像上的投影線一側(cè)預(yù)設(shè)范圍內(nèi)的圖像，所述第二圖像具體為所述待處理圖像上的投影線另一側(cè)預(yù)設(shè)范圍內(nèi)的圖像；S1103、在所述色差值最大時(shí)，將第一特殊圖形邊緣的投影線在待處理圖像上的位置作為所述第一特殊圖形在所述待處理圖像上的位置；S1104、重復(fù)以上步驟SllOl到S1103直到無法找到第一特殊圖形在所述待處理圖像上更新的位置；
S1105、是否找到的第一特殊圖形個(gè)數(shù)大于等于N ；S1106、如果是，從找到的各個(gè)第一特殊圖形中，篩選出N個(gè)第一特殊圖形，其中心點(diǎn)相連形成的N邊形與第二特殊圖形的相似程度最高，將所述篩選出的N個(gè)第一特殊圖形在所述待處理圖像上的位置作為所述標(biāo)識(shí)在所述待處理圖像上的位置；S1107、否則，定位失敗。需要說明的是，在經(jīng)過所述預(yù)處理步驟之后，所得到的更新的待處理圖像有可能由于在定位過程中調(diào)整了圖像的尺寸和角度，導(dǎo)致圖像的尺寸和角度不符合識(shí)別標(biāo)準(zhǔn)，在后續(xù)計(jì)算圖像特征向量時(shí)，提取的特征不符合預(yù)先設(shè)計(jì)，因此，所述預(yù)處理步驟還包括在更新所述待處理圖像為所述標(biāo)識(shí)限定范圍內(nèi)的圖像之后，調(diào)整所述待處理圖像為標(biāo)準(zhǔn)尺寸和標(biāo)準(zhǔn)角度的圖像。在本發(fā)明的一個(gè)具體實(shí)施場景中，例如，卡片識(shí)別，用戶在數(shù)字?jǐn)z像設(shè)備前合適的位置出示卡片，數(shù)字?jǐn)z像設(shè)備實(shí)時(shí)采集卡片的拍攝圖像，再傳輸?shù)綀D像識(shí)別程序，即利用本發(fā)明方法實(shí)現(xiàn)的圖像識(shí)別程序中進(jìn)行圖像識(shí)別，在該實(shí)施場景下，所述目標(biāo)圖像具體可以通過數(shù)字?jǐn)z像設(shè)備采集目標(biāo)的拍攝圖像實(shí)時(shí)獲取，所述樣本圖像具體為對(duì)每個(gè)拍攝目標(biāo)，通過調(diào)整各種拍攝條件，采集的多個(gè)拍攝圖像，具體地，例如，為了適應(yīng)不同的環(huán)境和光照條件下的圖像識(shí)別，對(duì)每個(gè)拍攝目標(biāo)，通過調(diào)整拍攝條件，采集1200個(gè)拍攝圖像作為樣本圖像。下面，對(duì)本發(fā)明的另一個(gè)實(shí)施場景進(jìn)行舉例說明，例如，本發(fā)明的實(shí)際應(yīng)用為一個(gè)卡片識(shí)別互動(dòng)的應(yīng)用，預(yù)先設(shè)置有游戲規(guī)則，不同的識(shí)別結(jié)果對(duì)應(yīng)不同的執(zhí)行指令，因此，本發(fā)明還可以包括在預(yù)先設(shè)置的游戲規(guī)則中，查詢出所述查詢結(jié)果所對(duì)應(yīng)的執(zhí)行指令；執(zhí)行所述執(zhí)行指令。另外，在該實(shí)施場景中，本發(fā)明還可以包括輸出查詢結(jié)果對(duì)應(yīng)的語音文件到音頻設(shè)備，從而達(dá)到卡片識(shí)別互動(dòng)的效果。本發(fā)明還提供一種圖像識(shí)別的裝置，參見圖12，為本發(fā)明裝置的一個(gè)實(shí)施例的組成圖，如圖所示，包括計(jì)算單元1201 :用于計(jì)算所述目標(biāo)圖像的圖像特征向量，將所述目標(biāo)圖像的圖像特征向量發(fā)送至查詢單元；查詢單元1202 :用于查詢與所述目標(biāo)圖像的圖像特征向量匹配的代表特征向量，返回查詢結(jié)果，其中，一個(gè)代表特征向量通過提取聚為一類的樣本圖像的圖像特征向量的特征獲得，所述聚為一類的樣本圖像的圖像特征向量按照多個(gè)樣本圖像的圖像特征向量相似度聚類獲得，所述樣本圖像的圖像特征向量通過提取與所述目標(biāo)圖像的圖像特征向量相同的特征獲得。需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。以上所述僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均包含在本發(fā)明的保護(hù)范圍 內(nèi)。
權(quán)利要求
1.一種圖像識(shí)別方法，其特征在于，包括 計(jì)算目標(biāo)圖像的圖像特征向量； 查詢與所述目標(biāo)圖像的圖像特征向量匹配的代表特征向量； 返回查詢結(jié)果； 其中，一個(gè)代表特征向量通過提取聚為一類的樣本圖像的圖像特征向量的特征獲得；所述聚為一類的樣本圖像的圖像特征向量按照多個(gè)樣本圖像的圖像特征向量相似度聚類獲得； 所述樣本圖像的圖像特征向量通過提取與所述目標(biāo)圖像的圖像特征向量相同的特征獲得。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述計(jì)算目標(biāo)圖像的圖像特征向量具體包括 根據(jù)預(yù)先設(shè)置的分塊要求分割所述目標(biāo)圖像，獲得子圖像塊； 計(jì)算所述子圖像塊的顏色直方圖向量和梯度直方圖向量； 將所述子圖像塊的顏色直方圖向量和梯度直方圖向量組合，獲得所述目標(biāo)圖像的圖像特征向量。
3.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述聚為一類的樣本圖像的圖像特征向量按照多個(gè)樣本圖像的圖像特征向量相似度聚類獲得具體包括以下步驟 獲得多個(gè)樣本圖像特征向量； 從多個(gè)樣本圖像特征向量中，隨機(jī)選取k個(gè)樣本圖像特征向量，分別作為k個(gè)類的第一中心值，其中k > 2 ; 建立與第一中心值對(duì)應(yīng)的k個(gè)第一聚類，計(jì)算所述多個(gè)樣本圖像特征向量與所述k個(gè)第一聚類的第一中心值的相似度，將所述多個(gè)樣本圖像特征向量分別歸到與所述k個(gè)第一聚類的第一中心值相似度最高的類中； 通過計(jì)算k個(gè)第一聚類中每類包含的每個(gè)樣本圖像特征向量與所在類的第一中心值的差值，獲得所述多個(gè)樣本圖像特征向量到第一中心值的平均距離； 計(jì)算k個(gè)第一聚類中每類包含的樣本圖像特征向量的均值，將其作為第二中心值； 進(jìn)入分類步驟； 分類步驟包括 建立與第二中心值對(duì)應(yīng)的k個(gè)第二聚類，計(jì)算所述多個(gè)樣本圖像特征向量與所述k個(gè)第二聚類的第二中心值的相似度，將所述多個(gè)樣本圖像特征向量分別歸到與所述k個(gè)第二聚類的第二中心值相似度最高的類中； 通過計(jì)算k個(gè)第二聚類中每類包含的每個(gè)樣本圖像特征向量與所在類的第二中心值的差值，獲得所述多個(gè)樣本圖像特征向量到第二中心值的平均距離； 判斷到第二中心值的平均距離與到第一中心值的平均距離的差是否小于預(yù)設(shè)的閾值； 如果否，將到第二中心值的平均距離作為到第一中心值的平均距離，計(jì)算k個(gè)第二聚類中每類包含的樣本圖像特征向量的均值，將其作為第二中心值，重新進(jìn)入分類步驟； 如果是，獲得第二聚類，結(jié)束該流程。
4.根據(jù)權(quán)利要求I所述的方法，其特征在于，一個(gè)代表特征向量具體通過計(jì)算聚為一類的樣本圖像的圖像特征向量平均值獲得。
5.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述查詢與目標(biāo)圖像的圖像特征向量匹配的代表特征向量具體通過以下步驟查詢 分別計(jì)算所述目標(biāo)圖像的圖像特征向量與各個(gè)代表特征向量的差值； 選擇差值最小的代表特征向量作為與所述目標(biāo)圖像的圖像特征向量匹配的代表特征向量。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，還包括 判斷所述目標(biāo)圖像的圖像特征向量與各個(gè)代表特征向量的差值是否均超過差值標(biāo)準(zhǔn)； 若超過，查詢結(jié)果為未找到； 若未超過，查詢結(jié)果為所述差值最小的代表特征向量。
7.根據(jù)權(quán)利要求I所述的方法，其特征在于，在計(jì)算目標(biāo)圖像的圖像特征向量之前，還包括 將所述目標(biāo)圖像作為待處理圖像，執(zhí)行以下預(yù)處理步驟； 所述預(yù)處理步驟包括 在所述待處理圖像上定位限定圖像范圍的標(biāo)識(shí)，獲得所述標(biāo)識(shí)在所述待處理圖像上的位置； 根據(jù)所述標(biāo)識(shí)在所述待處理圖像上的位置，更新所述待處理圖像為所述標(biāo)識(shí)限定范圍內(nèi)的圖像。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，還包括將所述樣本圖像作為待處理圖像，執(zhí)行所述預(yù)處理步驟獲得更新的樣本圖像，所述樣本圖像的圖像特征向量具體通過提取所述更新的樣本圖像的特征獲得。
9.根據(jù)權(quán)利要求7或8所述的方法，其特征在于，所述限定圖像范圍的標(biāo)識(shí)具體為特定閉合曲線，所述標(biāo)識(shí)限定的范圍具體為所述特定閉合曲線所包圍的范圍。
10.根據(jù)權(quán)利要求9所述的方法，其特征在于，在所述待處理圖像上定位所述標(biāo)識(shí)具體通過以下步驟定位 利用特定閉合曲線模板將特定閉合曲線投影在所述待處理圖像上，計(jì)算出特定閉合曲線的投影線在待處理圖像上的位置； 通過調(diào)整特定閉合曲線模板的角度和位置、調(diào)整所述待處理圖像的縮放尺寸，計(jì)算在調(diào)整過程中的任意調(diào)整狀態(tài)下第一圖像與第二圖像的色差值，所述第一圖像具體為所述待處理圖像上的投影線一側(cè)預(yù)設(shè)范圍內(nèi)的圖像，所述第二圖像具體為所述待處理圖像上的投影線另一側(cè)預(yù)設(shè)范圍內(nèi)的圖像； 在所述色差值最大時(shí)，將特定閉合曲線的投影線在待處理圖像上的位置作為所述標(biāo)識(shí)在所述待處理圖像上的位置。
11.根據(jù)權(quán)利要求7或8所述的方法，其特征在于，所述限定圖像范圍的標(biāo)識(shí)具體為N個(gè)第一特殊圖形、且所述N個(gè)第一特殊圖形相連形成的N邊形符合第二特殊圖形，所述標(biāo)識(shí)限定的范圍具體為所述N個(gè)第一特殊圖形相連形成的N邊形所包圍的范圍，其中所述N個(gè)第一特殊圖形的中心點(diǎn)不在同一條直線上，N大于等于3。
12.根據(jù)權(quán)利要求11所述的方法，其特征在于，在所述待處理圖像上定位所述標(biāo)識(shí)具體通過以下步驟定位 計(jì)算所述待處理圖像上各像素點(diǎn)的像素值和位置； 通過所述各像素點(diǎn)的像素值和位置，確定像素值不為O且位置相鄰的像素點(diǎn)所形成的各個(gè)待選圖形，并計(jì)算各個(gè)待選圖形在所述待處理圖像上的位置； 從各個(gè)待選圖形中篩選出與第一特殊圖形相似程度超過標(biāo)準(zhǔn)值的第一待選圖形； 若第一待選圖形的個(gè)數(shù)總和大于等于N，從各個(gè)第一待選圖形中，篩選出N個(gè)第一待選圖形，其中心點(diǎn)相連形成的N邊形與第二特殊圖形的相似程度最高，將所述篩選出的N個(gè)第一待選圖形在所述待處理圖像上的位置作為所述標(biāo)識(shí)在所述待處理圖像上的位置； 否則，定位失敗。
13.根據(jù)權(quán)利要求11所述的方法，其特征在于，在所述待處理圖像上定位所述標(biāo)識(shí)具體通過以下步驟定位 利用第一特殊圖形模板將第一特殊圖形邊緣投影在所述待處理圖像上，計(jì)算出第一特殊圖形邊緣的投影線在待處理圖像上的位置； 通過調(diào)整第一特殊圖形模板的角度和位置、調(diào)整所述待處理圖像的縮放尺寸，計(jì)算在調(diào)整過程中的任意調(diào)整狀態(tài)下第一圖像與第二圖像的色差值，所述第一圖像具體為所述待處理圖像上的投影線一側(cè)預(yù)設(shè)范圍內(nèi)的圖像，所述第二圖像具體為所述待處理圖像上的投影線另一側(cè)預(yù)設(shè)范圍內(nèi)的圖像； 在所述色差值最大時(shí)，將第一特殊圖形邊緣的投影線在待處理圖像上的位置作為所述第一特殊圖形在所述待處理圖像上的位置； 重復(fù)以上步驟直到無法找到第一特殊圖形在所述待處理圖像上更新的位置； 若在所述待處理圖像上找到的第一特殊圖形個(gè)數(shù)大于等于N，從找到的各個(gè)第一特殊圖形中，篩選出N個(gè)第一特殊圖形，其中心點(diǎn)相連形成的N邊形與第二特殊圖形的相似程度最高，將所述篩選出的N個(gè)第一特殊圖形在所述待處理圖像上的位置作為所述標(biāo)識(shí)在所述待處理圖像上的位置； 否則，定位失敗。
14.根據(jù)權(quán)利要求7或8所述的方法，其特征在于，所述預(yù)處理步驟還包括在更新所述待處理圖像為所述標(biāo)識(shí)限定范圍內(nèi)的圖像之后，調(diào)整所述待處理圖像為標(biāo)準(zhǔn)尺寸和標(biāo)準(zhǔn)角度的圖像。
15.根據(jù)權(quán)利要求I所述的方法，其特征在于，還包括 在預(yù)先設(shè)置的游戲規(guī)則中，查詢出所述查詢結(jié)果所對(duì)應(yīng)的執(zhí)行指令； 執(zhí)行所述執(zhí)行指令。
16.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述目標(biāo)圖像具體通過數(shù)字?jǐn)z像設(shè)備采集目標(biāo)的拍攝圖像實(shí)時(shí)獲?。? 所述樣本圖像具體為對(duì)每個(gè)拍攝目標(biāo)，通過調(diào)整各種拍攝條件，采集的多個(gè)拍攝圖像。
17.根據(jù)權(quán)利要求I所述的方法，其特征在于，還包括 輸出查詢結(jié)果對(duì)應(yīng)的語音文件到音頻設(shè)備。
18.一種圖像識(shí)別裝置，其特征在于，包括 計(jì)算單元用于計(jì)算所述目標(biāo)圖像的圖像特征向量，將所述目標(biāo)圖像的圖像特征向量發(fā)送至查詢單元；查詢單元用于查詢與所述目標(biāo)圖像的圖像特征向量匹配的代表特征向量，返回查詢結(jié)果，其中，一個(gè)代表特征向量通過提取聚為一類的樣本圖像的圖像特征向量的特征獲得 ，所述聚為一類的樣本圖像的圖像特征向量按照多個(gè)樣本圖像的圖像特征向量相似度聚類獲得，所述樣本圖像的圖像特征向量通過提取與所述目標(biāo)圖像的圖像特征向量相同的特征獲得。
全文摘要
本發(fā)明公開了一種圖像識(shí)別方法及裝置，以實(shí)現(xiàn)能夠?qū)Ω鞣N圖像質(zhì)量的圖像進(jìn)行準(zhǔn)確識(shí)別的目的，包括計(jì)算目標(biāo)圖像的圖像特征向量；查詢與所述目標(biāo)圖像的圖像特征向量匹配的代表特征向量；返回查詢結(jié)果；其中，一個(gè)代表特征向量通過提取聚為一類的樣本圖像的圖像特征向量的特征獲得；所述聚為一類的樣本圖像的圖像特征向量按照多個(gè)樣本圖像的圖像特征向量相似度聚類獲得；所述樣本圖像的圖像特征向量通過提取與所述目標(biāo)圖像的圖像特征向量相同的特征獲得；因?yàn)槊總€(gè)代表特征向量都是一類圖像質(zhì)量的樣本圖像的特征，能夠體現(xiàn)各種圖像質(zhì)量的樣本圖像的特點(diǎn)，為圖像提供了更加準(zhǔn)確的特征描述，從而使對(duì)目標(biāo)圖像的識(shí)別更加準(zhǔn)確，具有更高的識(shí)別能力。
文檔編號(hào)G06K9/54GK102930296SQ20121043063
公開日2013年2月13日 申請日期2012年11月1日 優(yōu)先權(quán)日2012年11月1日
發(fā)明者周晨 申請人:長沙納特微視網(wǎng)絡(luò)科技有限公司