圖片內(nèi)容識別方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明實施例涉及圖像識別技術(shù)，尤其涉及一種圖片內(nèi)容識別方法和裝置。
【背景技術(shù)】
[0002] 圖片內(nèi)容識別是指對圖片進(jìn)行解釋，W識別出圖片中包含的物體、圖片的拍攝場 景等。圖片內(nèi)容識別涉及諸如基于圖片的物體分類、基于圖片的物體檢測、基于視頻跟蹤的 再定位等計算機(jī)視覺問題，是計算機(jī)視覺領(lǐng)域的重要組成部分。
[0003] 現(xiàn)有技術(shù)中，常用的圖片內(nèi)容識別方法是物體檢測法。當(dāng)前的物體檢測法主要是 通過定義一系列模板，使每個模板捕捉某種特定類型的物體，或者特定類型物體的某個部 位，W捕捉可能出現(xiàn)在圖片的任意位置的物體。其中，定義的模板通常是通過在足夠多的訓(xùn) 練集中進(jìn)行學(xué)習(xí)得到，訓(xùn)練集也通常是通過人為地在一些圖片中進(jìn)行標(biāo)注獲得，訓(xùn)練集的 采集耗費(fèi)大量人力、物力，且通常無法在合理的時間內(nèi)獲得足夠多的訓(xùn)練集圖片，W捕捉足 夠多的物體類別信息特征，也就無法對圖片中包含的復(fù)雜內(nèi)容進(jìn)行充分解釋。
[0004] 因此，上述現(xiàn)有技術(shù)的圖片內(nèi)容識別方法，效率低，且通常無法識別圖片包含的復(fù) 雜內(nèi)容。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的實施例提供一種圖片內(nèi)容識別方法和裝置，用W在確保圖片內(nèi)容識別效 率的同時，提高圖片內(nèi)容識別的精確度。
[0006] 為達(dá)到上述目的，本發(fā)明的實施例采用如下技術(shù)方案：
[0007] 第一方面，本發(fā)明實施例提供一種圖片內(nèi)容識別方法，包括：
[000引接收待識別圖片；
[0009] 根據(jù)圖片識別模型對所述待識別圖片進(jìn)行識別，所述圖片識別模型中包括第一特 征集的集合，所述第一特征集具有用于識別圖片內(nèi)容的內(nèi)容信息；
[0010] 輸出圖片識別結(jié)果。
[0011] 在第一方面的第一種可能的實現(xiàn)方式中，
[0012] 所述根據(jù)圖片識別模型對所述待識別圖片進(jìn)行識別包括：
[0013] 提取待識別圖片中的低級特征；
[0014] 所述待識別圖片包含η個第二特征區(qū)域，所述第二特征區(qū)域內(nèi)包含的低級特征形 成第二特征集，所述第二特征集用于表示所述第二特征區(qū)域的內(nèi)容，所述η為η ^ 2的整 數(shù)；
[0015] 計算所述第二特征集與所述第一特征集之間的相似度值；
[0016] 當(dāng)所述第一特征集與所述第二特征集的相似度值大于預(yù)設(shè)闊值時，用所述第一特 征集所具有的內(nèi)容信息描述所述第二特征集。
[0017] 在第一方面的第二種可能的實現(xiàn)方式中，
[0018] 所述根據(jù)圖片識別模型對所述待識別圖片進(jìn)行識別之前，所述方法還包括：
[0019] 提取樣本圖片堆中每一張樣本圖片的低級特征；
[0020] 所述樣本圖片包含m個樣本特征區(qū)域，所述樣本特征區(qū)域內(nèi)包含的低級特征形成 樣本特征集，所述樣本特征集用于表示所述樣本特征區(qū)域的內(nèi)容，所述m為m ^ 2的整數(shù)；
[0021] 計算所述樣本圖片堆內(nèi)包含的所有樣本特征集兩兩之間的相似度值；
[0022] 根據(jù)樣本特征集兩兩之間的相似度值獲取具有判別性和代表性的樣本特征集，所 述具有判別性和代表性的樣本特征集為所述第一特征集，所述判別性表示選出的第一特征 集對所述樣本圖片堆所包含的圖片特征具有區(qū)分能力，所述代表性表示選出的第一特征集 對所述樣本圖片堆中所包含的圖片特征具有覆蓋能力。
[0023] 結(jié)合第一方面或第一方面的第二種可能的實現(xiàn)方式，在第Η種可能的實現(xiàn)方式 中，所述計算所述樣本圖片堆內(nèi)包含的所有樣本特征集兩兩之間的相似度值，包括：
[0024] 利用距離計算公式計算樣本特征集之間的差異值，所述距離計算公式為：
[0027] 其中，樣本特征集X = {Xi，...，Xf}，樣本特征集Υ =扔，...，y。}，r為樣本特征 集X中的特征集個數(shù)，q為樣本特征集Y中的特征集個數(shù)；
[0028] 通過高斯方程轉(zhuǎn)換公式將所述差異值轉(zhuǎn)換成相似度值，所述轉(zhuǎn)換公式為：
[0029]
[0030] 其中σ為控制上述高斯變化公式的參數(shù)，為經(jīng)驗值。
[0031] 結(jié)合第一方面或第一方面的第一種可能的實現(xiàn)方式，在第四種可能的實現(xiàn)方式 中，所述計算所述第二特征集與所述第一特征集之間的相似度值，包括：
[0032] 利用距離計算公式計算第二特征集與第一特征集之間的差異值，所述距離計算公 式為：
[0035] 其中，第二特征集X = {xi，...，Xf}，第一特征集Υ =扔，...，y。}，r為第二特征 集X中的特征集個數(shù)，q為第一特征集Y中的特征集個數(shù)；
[0036] 通過高斯方程轉(zhuǎn)換公式將所述差異值轉(zhuǎn)換成相似度值，所述轉(zhuǎn)換公式為：
[0037]
[0038] 其中σ為控制上述高斯變化公式的參數(shù)，為經(jīng)驗值。
[0039] 結(jié)合第一方面或第一方面的第二種可能的實現(xiàn)方式，在第五種可能的實現(xiàn)方式 中，所述根據(jù)樣本特征集兩兩之間的相似度值獲取具有判別性和代表性的樣本特征集，包 括：
[0040] 對樣本特征集進(jìn)行編號；
[0041] 根據(jù)樣本特征集兩兩之間的相似度值和樣本特征集選擇公式，選擇出具有判別性 和代表性的樣本特征集作為第一特征集，所述樣本特征集選擇公式為：
[0042] A = ar卵日址（A) + 入 G (A)
[0043] 其中，A為選出的第一特征集在樣本特征集中的編號的集合，A E I，全集I為所有 樣本特征集的編號的集合，|A|《K，K為需要選出的第一特征集的數(shù)量，H(A)用于根據(jù)樣 本特征集兩兩之間的相似度值控制選出的第一特征集具有判別性和代表性，G(A)用于根據(jù) 樣本特征集兩兩之間的相似度值控制選擇出的第一特征集在所述樣本圖片堆中各個樣本 圖片分布的平均性，λ為控制參數(shù)。
[0044] 結(jié)合第一方面或第一方面的第五種可能的實現(xiàn)方式，在第六種可能的實現(xiàn)方式 中，在所述對樣本特征集進(jìn)行編號之后，還包括：
[0045] 構(gòu)建表示所述樣本特征集兩兩之間的相似度值的矩陣S，矩陣中的元素 Smw表示第 Μ個樣本特征集與第N個樣本特征集的相似度值，其中M、N為樣本特征集的編號；
[0046] 所述Η (Α)具體定義為：
[0049] 其中，A為選出的第一特征集在樣本特征集中的編號的集合，A e I，μ的取值為 預(yù)設(shè)值，τ為大于2的實數(shù)，去為A的補(bǔ)集，全集I為所有樣本特征集的編號的集合，Μ為矩 陣S的行索引號，Ν為矩陣S的列索引號，i、j為用于累加循環(huán)的參數(shù)變量。
[0050] 結(jié)合第一方面或第一方面的第五種可能的實現(xiàn)方式或第一方面的第六種可能的 實現(xiàn)方式，在第走種可能的實現(xiàn)方式中，所述G(A)具體定義為：
[0051]
[0052] 其中，A為選出的第一特征集的索引的集合，Aq是A的子集，與Aq對應(yīng)的特征集為 屬于第q張樣本圖片的特征集，Q為樣本圖片的數(shù)量。
[0053] 第二方面，本發(fā)明實施例提供一種圖片內(nèi)容識別方法，包括：
[0054] 接收模塊，用于接收待識別圖片；
[0055] 識別模塊，用于根據(jù)圖片識別模型對所述待識別圖片進(jìn)行識別，所述圖片識別模 型中包括第一特征集的集合，所述第一特征集具有用于識別圖片內(nèi)容的內(nèi)容信息；
[0056] 輸出模塊，用于輸出圖片識別結(jié)果。
[0057] 在第二方面的第一種可能的實現(xiàn)方式中，所述裝置還包括：
[005引提取模塊，用于提取待識別圖片中的低級特征；
[0059] 所述待識別圖片包含η個第二特征區(qū)域，所述第二特征區(qū)域內(nèi)包含的低級特征形 成第二特征集，所述第二特征集用于表示所述第二特征區(qū)域的內(nèi)容，所述η為η ^ 2的整 數(shù)；
[0060] 計算模塊，用于計算所述第二特征集與所述第一特征集之間的相似度值；
[0061] 當(dāng)所述第一特征集與所述第二特征集的相似度值大于預(yù)設(shè)闊值時，用所述第一特 征集所具有的內(nèi)容信息描述所述第二特征集。
[0062] 在第二方面的第二種可能的實現(xiàn)方式中，
[0063] 所述提取模塊，還用于提取樣本圖片堆中每一張樣本圖片的低級特征；
[0064] 所述樣本圖片包含m個樣本特征區(qū)域，所述樣本特征區(qū)域內(nèi)包含的低級特征形成 樣本特征集，所述樣本特征集用于表示所述樣本特征區(qū)域的內(nèi)容，所述m為m ^ 2的整數(shù)；
[0065] 所述計算模塊，還用于計算所述樣本圖片堆內(nèi)包含的所有樣本特征集兩兩之間的 相似度值；
[0066] 所述裝置還包括：
[0067] 獲取模塊，用于根據(jù)樣本特征集兩兩之間的相似度值獲取具有判別性和代表性的 樣本特征集，所述具有判別性和代表性的樣本特征集為所述第一特征集，所述判別性表示 選出的第一特征集對所述樣本圖片堆所包含的圖片特征具有區(qū)分能力，所述代表性表示選 出的第一特征集對所述樣本圖片堆中所包含的圖片特征具有覆蓋能力。
[0068] 結(jié)合第二方面或第二方面的第二種可能的實現(xiàn)方式，在第Η種可能的實現(xiàn)方式 中，所述計算模塊，具體用于：
[0069] 利用距離計算公式計算樣本特征集之間的差異值，所述距離計算公式為：
[007引其中，樣本特征集X = Ixi，...，xj，樣本特征集Υ =扔，...，y。}，r為樣本特征 集X中的特征集個數(shù)，q為樣本特征集Y中的特征集個數(shù)；
[0073] 通過高斯方程轉(zhuǎn)換公式將所述差異值轉(zhuǎn)換成相似度值，所述轉(zhuǎn)換公式為：
[0074]
[00巧]其中σ為控制上述高斯變化公式的參數(shù)，為經(jīng)驗值。
[0076] 結(jié)合第二方面或第二方面的第一種可能的實現(xiàn)方式，在第四種可能的實現(xiàn)方式 中，所述計算模塊，具體用于：
[0077] 利用距離計算公式計算第二特征集與第一特征集之間的差異值，所述距離計算公 式為：
[0080] 其中，第二特征集X = {xi，...，Xf}，第一特征