圖像識別方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其是涉及一種圖像識別方法和裝置。
【背景技術(shù)】
[0002]目前，數(shù)字圖像是較為常用的信息載體。圖像識別是模式識別領(lǐng)域中重要的基礎(chǔ)技術(shù)，在人工智能、計(jì)算機(jī)視覺、圖像目標(biāo)識別等領(lǐng)域中，圖像識別技術(shù)都起著關(guān)鍵作用。圖像識別是基于圖像特征的數(shù)學(xué)描述方法、圖像特征提取技術(shù)和利用圖像特征信息的識別技術(shù)實(shí)現(xiàn)的。而圖像特征提取是圖像識別的基礎(chǔ)環(huán)節(jié)，圖像原始的數(shù)據(jù)空間難以表達(dá)具體的圖像特征，通過特征提取算法將圖像描述為具體的底層特征，比如邊緣特征、紋理特征等。
[0003]現(xiàn)有的在原始圖像中識別出某圖像目標(biāo)的方式，多是根據(jù)已知的某個圖像目標(biāo)的特征信息比如顏色、形狀，在原始圖像中匹配對應(yīng)的目標(biāo)區(qū)域。通常，通過提取圖像中的形狀特征來確定圖像中是否包含與該圖像目標(biāo)對應(yīng)的目標(biāo)區(qū)域。
[0004]但是，實(shí)際應(yīng)用中往往是針對不同的已知的圖像目標(biāo)，采用不同的特征提取算法進(jìn)行對應(yīng)目標(biāo)區(qū)域的識別提取，比如車牌識別，人臉識別，其識別算法具有極大差異，都有自己的局限性，使得當(dāng)原始圖像中包含有多個圖像目標(biāo)時，需分別采用不同的圖像識別算法，增加了處理復(fù)雜度的同時降低了處理效率。

【發(fā)明內(nèi)容】

[0005]針對上述存在的問題，本發(fā)明提供一種圖像識別方法和裝置，用以克服現(xiàn)有針對不同圖像目標(biāo)采用相應(yīng)不同圖像識別算法使得圖像識別效率低的缺陷。
[0006]本發(fā)明一方面提供了一種圖像識別方法，包括:
[0007]根據(jù)待識別圖像中的各像素點(diǎn)的顏色特征和坐標(biāo)，獲得所述待識別圖像中包含的各第一圖形區(qū)域的輪廓；
[0008]根據(jù)所述各第一圖形區(qū)域的輪廓的位置，確定所述待識別圖像中的各第二圖形區(qū)域，每個所述第二圖形區(qū)域中包括至少一個第一圖形區(qū)域的輪廓，所述至少一個第一圖形區(qū)域的輪廓具有位置關(guān)聯(lián)關(guān)系，所述位置關(guān)聯(lián)關(guān)系包括位置包含關(guān)系。
[0009]本發(fā)明另一方面提供了一種圖像識別裝置，包括:
[0010]獲取模塊，用于根據(jù)待識別圖像中的各像素點(diǎn)的顏色特征和坐標(biāo)，獲得所述待識別圖像中包含的各第一圖形區(qū)域的輪廓；
[0011]第一處理模塊，用于根據(jù)所述各第一圖形區(qū)域的輪廓的位置，確定所述待識別圖像中的各第二圖形區(qū)域，每個所述第二圖形區(qū)域中包括至少一個第一圖形區(qū)域的輪廓，所述至少一個第一圖形區(qū)域的輪廓具有位置關(guān)聯(lián)關(guān)系，所述位置關(guān)聯(lián)關(guān)系包括位置包含關(guān)系。
[0012]本發(fā)明提供的圖像識別方法和裝置，通過根據(jù)待識別圖像中的各像素點(diǎn)的顏色特征和坐標(biāo)，獲得待識別圖像中包含的各第一圖形區(qū)域的輪廓，進(jìn)而根據(jù)各第一圖形區(qū)域的輪廓的位置，確定待識別圖像中包含的各第二圖形區(qū)域，其中，每個所述第二圖形區(qū)域中包括具有位置關(guān)聯(lián)關(guān)系的至少一個第一圖形區(qū)域的輪廓。從而，從待識別圖像中識別出由具有位置關(guān)聯(lián)關(guān)系的至少一個第一圖形區(qū)域的輪廓構(gòu)成的各個第二圖形區(qū)域，即識別出待識別圖像中包含的各個圖形。以像素點(diǎn)的顏色特征和坐標(biāo)為依據(jù)，識別出圖像中包含的各圖形區(qū)域的輪廓，基于輪廓進(jìn)行圖像中具有關(guān)聯(lián)性的圖形組合區(qū)域的識別，能夠?qū)Χ鄠€圖像目標(biāo)進(jìn)行識別，不僅具有良好的通用性，相應(yīng)地還降低了圖像識別的復(fù)雜度，提高了圖像識別效率。
【附圖說明】
[0013]圖1為本發(fā)明圖像識別方法實(shí)施例一的流程圖；
[0014]圖2為本發(fā)明圖像識別方法實(shí)施例二的流程圖；
[0015]圖3為本發(fā)明圖像識別裝置實(shí)施例一的結(jié)構(gòu)示意圖；
[0016]圖4為本發(fā)明圖像識別裝置實(shí)施例二的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0017]圖1為本發(fā)明圖像識別方法實(shí)施例一的流程圖，如圖1所示，該方法包括:
[0018]步驟101、根據(jù)待識別圖像中的各像素點(diǎn)的顏色特征和坐標(biāo)，獲得待識別圖像中包含的各第一圖形區(qū)域的輪廓；
[0019]步驟102、根據(jù)各第一圖形區(qū)域的輪廓的位置，確定所述待識別圖像中的各第二圖形區(qū)域，每個所述第二圖形區(qū)域中包括至少一個第一圖形區(qū)域的輪廓，所述至少一個第一圖形區(qū)域的輪廓具有位置關(guān)聯(lián)關(guān)系，所述位置關(guān)聯(lián)關(guān)系包括位置包含關(guān)系。
[0020]實(shí)際應(yīng)用中，一幅待識別的圖像中比如包含有道路、車輛、樹木等多種圖形，那么本實(shí)施例提供的所述方法的目的便是識別確定出該圖像中都包含有哪些圖形，即劃定分別包含各個圖形的圖形區(qū)域。從而，在基于本實(shí)施例提供的所述方法確定某圖像中包含的各個圖形之后，便于基于圖像內(nèi)容的圖像信息查詢，比如，針對每幅圖像都確定了各幅圖中包含的各個圖形之后，如果信息查詢者想在海量的圖像中查找包含比如車輛的圖像，便無需再像現(xiàn)有技術(shù)中需要根據(jù)車輛模型的特征信息在海量圖像中一一匹配確定包含車輛的圖像了，而是僅僅進(jìn)行了信息的查找操作即可。
[0021]本實(shí)施例中，首先采用路徑跟蹤算法，根據(jù)待識別圖像中的各像素點(diǎn)的顏色特征和坐標(biāo)，獲得所述待識別圖像中包含的各第一圖形區(qū)域的輪廓。具體來說，圖像中的每個像素點(diǎn)都會具有各自的顏色特征，比如說顏色的飽和度、灰度、漸變程度等。以上述至少一種顏色特征以及像素點(diǎn)的坐標(biāo)為依據(jù)，從某個像素點(diǎn)開始，進(jìn)行路徑跟蹤，從而一般能夠得到一個由多個像素點(diǎn)所構(gòu)成的閉合的圖形區(qū)域，從而亦得到了由這些像素點(diǎn)圍成的閉合圖形區(qū)域的輪廓。可以理解的是，路徑跟蹤的過程中，以某起始像素點(diǎn)開始，該起始像素點(diǎn)周圍還存在多個其他距離相近的像素點(diǎn)，這些距離相近的像素點(diǎn)即為與該起始像素點(diǎn)的坐標(biāo)相距一定距離閾值的多個像素點(diǎn)，可選地，僅包括該起始像素點(diǎn)的鄰點(diǎn)，即該起始像素點(diǎn)的上、下、左、右相鄰的像素點(diǎn)。該距離閾值可以根據(jù)實(shí)際需要進(jìn)行預(yù)設(shè)。進(jìn)而在該距離相近的多個像素點(diǎn)中，根據(jù)每個像素點(diǎn)的顏色特征，可選地確定出顏色特征的特征值與該起始像素點(diǎn)的顏色特征的特征值之間的差值最小的像素點(diǎn)作為該起始像素點(diǎn)的下一跳路徑像素點(diǎn)，進(jìn)而以該下一跳路徑像素點(diǎn)更新起始像素點(diǎn)，重復(fù)上述的處理過程，得到再下一跳路徑像素點(diǎn)，以此類推，便會最終得到以上述的起始像素點(diǎn)為終點(diǎn)的一個閉合圖形區(qū)域的輪廓，即第一圖形區(qū)域的輪廓。
[0022]上述僅以任一個像素點(diǎn)起始為例進(jìn)行了路徑跟蹤過程的說明，可以理解的是，可以同時并行針對不同像素點(diǎn)為起始像素點(diǎn)進(jìn)行上述處理，從而提高路徑跟蹤處理的效率。但是，該不同起始像素點(diǎn)的選擇需要合理選擇，因?yàn)椋绻x擇的兩個起始像素點(diǎn)剛好最終位于同一圖形區(qū)域的輪廓上，將導(dǎo)致重復(fù)操作，因此，一般不同的起始像素點(diǎn)從坐標(biāo)位置、顏色特征等方面應(yīng)該具有較大的差異，即分別選擇坐標(biāo)位置間距離大于一定距離閾值，顏色特征的特征值間的差值大于一定差值閾值的不同像素點(diǎn)作為起始像素點(diǎn)，比如一個起始像素點(diǎn)的顏色為紅色，另一個起始像素點(diǎn)的顏色為黑色。
[0023]至此，從待識別的圖像中確定出了該圖像中包含的各個圖形區(qū)域的輪廓，即第一圖形區(qū)域的輪廓。比如，在一幅包含人物頭像的圖像中，比如該圖像中除了包含有人臉圖形之外，還包含作為背景的花朵圖形，而人臉上必然包含有眼、耳、口、鼻等器官圖形。因此，路徑跟蹤的結(jié)果理想情況下便會得到人臉圖形的輪廓，眼、耳、口、鼻等每個器官圖形的輪廓，以及花朵圖形的輪廓。而從一般實(shí)際應(yīng)用的意義角度，對于人臉來說，如果僅僅識別確定出該圖像中具有一個人臉輪廓的圖形，而沒有具體的五官的圖形，或者僅僅識別出獨(dú)立的五官的圖形都不太合理。因此，本實(shí)施例中，在從待識別的圖像中確定出了該圖像中包含的各個第一圖形區(qū)域的輪廓之后，進(jìn)而根據(jù)該各第一圖形區(qū)域的輪廓的位置，確定該待識別圖像中的各第二圖形區(qū)域，每個第二圖形區(qū)域中包括具有位置關(guān)聯(lián)關(guān)系的至少一個第一圖形區(qū)域的輪廓，其中，該位置關(guān)聯(lián)關(guān)系例如包括位置包含關(guān)系。
[0024]具體地，仍以上述人物圖像為例，比如人臉是一個輪廓，而其上包含眼睛，鼻子，嘴等子輪廓，而這些子輪廓之間，以及子輪廓與人臉輪廓之間具有空間上的坐標(biāo)位置關(guān)系，比如各子輪廓的坐標(biāo)位置范圍又落在人臉輪廓的坐標(biāo)范圍內(nèi)，眼睛子輪廓和鼻子子輪廓間形成近三角形的關(guān)系，再比如眼睛又有包含眼睫毛、眼瞳以及眼皮、眼眶等等子輪廓，從而形成一個遞歸的位置關(guān)聯(lián)關(guān)系。而最終的結(jié)果是根據(jù)上述各個輪廓、子輪廓的位置，確定出一個包含五官的人臉圖形區(qū)域，即對應(yīng)上述的第二圖形區(qū)域。值得說明的是，本實(shí)施例僅以各第一圖形區(qū)域的輪廓的位置為依據(jù)來確定第二圖形區(qū)域，但是，為了進(jìn)一步提高圖像識別的準(zhǔn)確性，可以比如再結(jié)合各第一圖形區(qū)域的輪廓間的像素點(diǎn)的顏色特征來確定第二圖形區(qū)域。至此，完成了從待識別圖像中識別確定出其中包含的各個圖形區(qū)域，即將該待識別圖像劃分成含有不同圖形內(nèi)容的不同圖形區(qū)域。
[0025]本實(shí)施例中，通過采用路徑跟蹤算法，根據(jù)待識別圖像中的各像素點(diǎn)的顏色特征和坐標(biāo)，獲得待識別圖像中包含的各第一圖形區(qū)域的輪廓，進(jìn)而根據(jù)各第一圖形區(qū)域的輪廓的位置，確定待識別圖像中的各第二圖形區(qū)域，其中，每個第二圖形區(qū)域中包括具有位置關(guān)聯(lián)關(guān)系的至少一個第一圖形區(qū)域的輪廓。從而，從待識別圖像中識別出由具有位置關(guān)聯(lián)關(guān)系的至少一個第一圖形區(qū)域的輪廓構(gòu)成的各個第二圖形區(qū)域，即識別出待識別圖像中包含的各個圖形。以像素點(diǎn)的顏色特征和坐標(biāo)為依據(jù)，識別出圖像中包含的各圖形區(qū)域的輪廓，基于輪廓進(jìn)行圖像中具有關(guān)聯(lián)性的圖形組合區(qū)域的識別，能夠?qū)Χ鄠€圖像目標(biāo)進(jìn)行識另IJ，不僅具有良好的通用性，相應(yīng)地還降低了圖像識別的復(fù)雜度，提高了圖像識別效率。
[0026]圖2為本發(fā)明圖像識別方法實(shí)施例二的流程圖，如圖2所示，該方法包括:
[0027]步驟201、對待識別圖像進(jìn)行二值化處理，得到黑白兩色的待識別圖像；
[0028]步驟202、對所述黑白兩色的待識別圖像進(jìn)行去噪處理。
[0029]本實(shí)施例中，為了進(jìn)一步降低圖像識別處理的復(fù)雜度，首先對所述待識別圖像進(jìn)行二值化處理，得到黑白兩色的待識別圖像。進(jìn)而，為了提高處理結(jié)果的準(zhǔn)確性，對所述黑白兩色的待識別圖像進(jìn)行去噪處理。其中，該去噪處理比如去除圖像中顏色特征相對孤立的像素點(diǎn)，與現(xiàn)有技術(shù)中對圖像進(jìn)行去噪處理方式類似，不重復(fù)贅述。
[0030]步驟203、采用路徑跟蹤算法，根據(jù)去噪的所述黑白兩色的待識別圖像中的各像素點(diǎn)的顏色特征和坐標(biāo)，獲得所述待識別圖像中包含的各第一圖形區(qū)域的輪廓；
[0031]具體地，