CN101286163A - 一种基于识别知识库的识别方法 - Google Patents

Abstract

本发明提供一种基于识别知识库的识别方法，用于识别多个类型目标，所述识别方法包括：从关联索引表中寻找与兴趣目标最接近的预期目标样本；根据关联索引表调用相应的预期目标特征提取规则，并根据该特征提取规则确定匹配窗口；根据关联索引表调用相应的特征提取规则，由所述匹配窗口对待识别对象进行特征提取；调用对应的特征比较规则并调用关联的特征比较程序，根据所述特征比较程序将预期目标样本的特征与匹配窗口中的对象的特征进行比较，并将特征比较的结果记为相似度；根据所述相似度确定识别结果。本发明提供的基于识别知识库的识别方法，预先在识别知识库中存储若干类型目标样本，实现识别多个类型目标。

Description

一种基于识别知识库的识别方法

技术领域

本发明涉及信息识别技术领域，尤其涉及该领域内的一个基于识别知识库的识别方法。

背景技术

现代信息处理技术的发展使得自动识别技术成为可能，比较常见的例子就是，将计算机信息处理技术应用到识别技术领域，使得无需人为操作从而实现自动化识别兴趣目标。

目前，自动识别方法有条码识别、IC卡识别、射频识别(RFID)、声音识别、视觉识别以及光学字符识别等。

识别的过程就是从对象中识别出目标，对所述对象中目标进行识别得到的结果被称为识别结果。

识别即是通过目标的特征将目标从对象中分离出来并判断出目标类型和目标属性的过程。识别的对象可以是，图像、声音、视频、波谱、文本等中的一种类型或其混合。如识别一个人，可以同时识别他的语音(声音识别)、面部相貌(图像识别)，再如识别草，可以同时识别它的可见光谱(图像识别)和红外光谱(波谱识别)。识别的输入为对象，输出为目标。

样本，是指用于识别的参照目标，其一般预先存储在所述识别系统中的数据库(也称识别知识库)。

特征，是指可以标志目标的属性，例如，图像特征是指可用以标志图像对象中目标的属性。

进行识别任务时，首先识别系统执行一个目标特征提取任务以获得一个特征结果；然后将特征结果与识别知识库匹配获得识别结果。

所述目标特征提取任务就是按照一定的目标特征提取规则(也称为目标特征提取程序)采集并进行计算。

以条码识别为例，条码是由一组规则排列的条、空以及相应的数字组成，条码阅读器识读这种由多个条、空组成的一组数据编码并译成一个二进制数或者十进制数，进而与数据库匹配获得需要的兴趣目标。

再拿视觉识别为例，视觉识别系统获取一个视觉图像，通过一个特征抽取和分析的过程，自动识别出用于限定目标的标志、字符、编码或其它能够作为识别目标的基础呈现在视觉图像内的特征。

再拿声音识别技术而言，现有技术中一种典型的声音识别技术，就是用于计算机汉字输入的语音输入系统，识别系统采集语音对象获得目标特征并对照数据库识别出对象，但是这种语音输入系统单凭对语音对象的采集和匹配，其误码率很高。

目前，不管是采用何种识别方法，目前的识别系统都具有一个识别软件或者识别程序，其只能识别一种类型的目标，如只能识别条码、声音或者图像中的一种，而无法同时将输入的条码、声音、图像目标均识别出来，再如只能识别一个人的语音、相貌或者指纹中的一种，而无法对人的语音、相貌以及指纹同时进行识别。

很明显，目前的识别系统只具有一个目标特征提取规则，只适合于单一类别的目标进行识别，如前述的条码识别，其识别系统只能识别对象中的条码，而对于对象中其他图像或者图案没有识别能力，很明显，单一类别的识别系统其识别精度较低。再如，一些安防设备如门禁系统，通过识别对象语音而决定是否打开门，其识别系统只识别对象的声音，这样的识别系统容易受到干扰就会出现识别错误，因此，其识别能力比较低。

因此，目前，单一类别的识别从一定程度上可以识别出兴趣目标但是识别精度不够高。

可见，现有技术还存在缺陷，有待于改进和发展。

发明内容

本发明的目的在于，提供一种基于识别知识库的识别方法，用于识别若干个类别的目标。

本发明的技术方案如下：

一种基于识别知识库的识别方法，其中，所述识别知识库包括一个预期目标样本库、一个预期目标样本特征库、一个特征提取规则库、一个特征提取程序库、一个特征比较规则库和一个关联索引表，所述识别方法包括：

A、从关联索引表中寻找与兴趣目标最接近的预期目标样本；

B、根据关联索引表调用相应的预期目标特征提取规则，并根据所该特征提取规则确定匹配窗口；

C、根据关联索引表调用相应的特征提取规则，由所述匹配窗口对待识别对象进行特征提取；

D、调用对应的特征比较规则并调用关联的特征比较程序，根据所述特征比较程序将预期目标样本的特征与匹配窗口中的对象的特征进行比较，并将特征比较的结果记为相似度；

E、根据所述相似度确定是否匹配。

所述的基于识别知识库的识别方法，其中，所述预期目标样本库、预期目标样本特征库、特征提取规则库、特征提取程序库和特征比较规则库采用分级结构，其分别包括若干类型目标的预期目标样本子库、预期目标样本特征子库、特征提取规则子库、特征提取程序子库和特征比较规则子库。

所述的基于识别知识库的识别方法，其中，所述步骤E中，所述相似度较小时，将所述待识别对象的特征更新至所述预期目标样本特征库中。

所述的基于识别知识库的识别方法，其中，所述识别知识库进一步包括一个目标知识库，其预先存储有对应目标样本的附加知识，所述步骤E中，相似度较大时，所述待识别对象与样本匹配，则输出目标样本特征及对应的目标样本的附加知识。

所述的基于识别知识库的识别方法，其中，步骤A中，如果未找到匹配预期目标样本，则执行步骤A1然后返回，

所述步骤A1为，将兴趣目标特征存至所述识别知识库，并更新识别知识库；

所述的基于识别知识库的识别方法，其中，所述步骤A1与步骤B并行进行。

所述的基于识别知识库的识别方法，其中，所述并行的实现方式为调用并行库、使用编译指导语句、并行编译器、使用多线程、使用任务的动态调度、使用分布式或网格基础设施。

本发明提供一种基于识别知识库的识别方法，与现有技术相比，所述识别知识库预先存储若干类型目标所对应的目标样本特征、目标特征提取规则、目标特征提取程序和目标特征比较程序等，可以实现对多个类型的目标进行识别，且所述识别方法可以对所述识别知识库进行更新，所述更新识别知识库和识别任务并行处理，不仅节省处理时间而且提高识别精度。

附图说明

图1是本发明实施例的识别知识库的示意图；

图2是图1识别知识库的详细结构示意图。

图3是图1中关联索引表工作原理的示意图。

图4是本发明实施例的基于识别知识库的识别方法的示意图。

图5是基于图1的识别知识库的一种并行化识别方法的流程图；

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

下面结合附图说明本发明实施例提供的一种识别知识库和基于所述识别知识库的自动识别方法。

请参阅图1，为本发明实施例的识别知识库的示意图。所述识别知识库包括一个预期目标样本库、一个预期目标样本特征库、一个特征提取规则库、一个特征提取程序库、一个特征比较规则库和一个关联索引表。

根据实际识别对象的需要，可以预先在所述预期目标样本库存储所需要的子库。所述子库不限，可为现有技术中普遍使用的波谱目标样本子库、声音目标样本子库、视频目标样本子库、图像目标样本子库、化学目标样本子库、生物目标样本子库、物理目标样本子库等。

可以理解的是，所述预期目标样本库根据实际识别对象的需要来建立其需要的子库，如果实际识别对象为人，则所述预期目标样本库包括一个语音目标样本子库、一个面部图像目标样本子库等，当然可以理解的是，所述识别人的子库不限于此，还可以进一步包括其他能够识别人身份的目标样本子库。如果实际识别知识库用于卫星识别用途，则所述预期目标样本库包括一个预期水体样本子库、一个预期道路样本子库、一个预期建筑样本子库、一个预期树木样本子库、一个预期桥梁样本子库、一个地质影像目标样本子库等。所述目标样本子库由现有技术可以实现，所述预期样本库根据实际需要选择现有技术中已知的目标样本特征建立所述目标样本子库。

请参阅图2，为图1的预期目标样本库的详细示意图。所述预期目标样本库包括若干不同类型的预期目标样本子库。

所述若干不同类型的预期目标样本子库具有多级结构，按照识别介质划分若干第一级子库，所述若干第一级子库为波谱目标样本子库、声音目标样本子库、视频目标样本子库、图像目标样本子库、化学目标样本子库、生物目标样本子库、物理目标样本子库等。

每个第一级子库按照采集方式分成若干第二级子库，图2给出第一级子库的图像目标样本子库按照采集方式分成若干第二级子库，分别为数码相片目标子库、医学影像目标样本子库、卫星影像目标样本子库、地质影像目标样本子库等。

每个第二级字库按照其目标类型分成若干第三级子库，图2给出第二级子库的卫星影像目标样本子库按照其目标类型分成若干个第三级子库分别为预期水体样本及其子库、预期道路样本及其子库、预期建筑样本及其子库、预期树木样本及其子库、预期桥梁样本及其子库等。依次类推出第四级子库、第五级子库等，其原理不再赘述。

所述预期目标样本特征库，按照所述预期目标样本库的多级结构，同样具有多级结构，其每一级的每一个目标样本特征子库对应于所述预期样本库的相应一级的相对应的一个目标预期样本子库。

同理，所述特征提取规则库、特征提取程序库和特征比较规则库，按照所述预期目标样本库的多级结构的划分方式，分别具有多级结构，其每一级的每一个子库(特征提取规则子库、特征提取程序子库或者特征比较规则子库)对应于所述预期样本库的相应一级的相对应的一个目标预期样本子库。

在实际中，对于图像特征提取子库，其下一级分为一个图像形状特征提取程序子库、一个图像纹理特征提取程序子库、一个图像颜色特征提取程序子库、一个图像结构特征提取程序子库、一个图像能量特征提取程序子库等。再下一级，以图像颜色特征提取程序子库的下一级包括一个颜色最大值提取程序子库、一个颜色最小值提取程序子库、一个颜色平均值提取程序子库、一个概率最大的颜色值提取程序子库以及一个颜色方差提取程序子库等。再下一级，以所述颜色平均值提取程序子库而言，其下一级包括一个统计分析法程序、一个神经网络法程序和一个遗传算法程序等。

可以理解，对于一个识别任务，如果需要识别若干类型目标，其分别选择调用相关特征提取程序子库中的相关程序，具体地，现有技术可以获得识别一种类型的目标所需的特征提取程序。对于一种类别的目标识别的原理及流程在此不作赘述。

请参阅图3，为图1中关联索引表的工作原理表的示意图。所述识别知识库进一步包括一个关联索引表，其包括一个预期目标样本索引、一个特征提取规则索引、一个预期目标样本特征索引、一个预期目标知识索引和一个特征比较规则索引。对于一个识别任务，根据所述关联索引表中的索引从预期目标样本库、一个特征提取规则库、一个预期目标样本特征库、一个预期目标知识库和一个特征比较规则库中分别调出关联的预期目标样本、目标特征提取规则、预期目标样本特征、预期目标知识和特征比较规则。

优选地，所述识别知识库进一步包括一个目标知识库，以存储若干类型目标的附加知识，所述附加知识为除所述目标特征以外的其它信息，在识别出目标后，可同时输出其附加知识以增加识别信息。所述附加知识包括但不限于目标的社会特性、物理特性、化学特性、光学特性、声学特性、环境特性、与外界的关系特性等，只要对识别有用的关联信息都可。在实际中，如果所述识别知识库的预期目标样本为一种植物，则其对应的目标知识库则存储有该植物的科系、学名等附加知识。

请参阅图4，为本发明实施例提供的一种基于识别知识库的识别方法示意图。下面结合图4详细说明所述基于识别知识库的识别方法。

实际中，识别系统在接收到待识别对象和所确定的兴趣目标后，进行所述基于识别知识库的识别方法。

所述基于识别知识库的识别方法，其包括以下步骤A、步骤B、步骤C、步骤D、步骤E、步骤F：

A、从关联索引表中检索与兴趣目标最接近的预期目标样本；如果找到匹配的预期目标样本，则继续执行步骤B，如果未找到匹配预期目标样本，则执行步骤A1；

所述步骤A1为：将兴趣目标特征存至所述识别知识库，并更新识别知识库；具体地，将兴趣目标作为一种类型目标存入预期目标样本库中，并从待识别对象中分割出预期目标样本加入识别知识库，并确定特征比较规则、特征提取规则加入识别知识库，并采集兴趣目标知识加入识别知识库，最后提取目标样本特征加入识别知识库中。

可以理解，所述兴趣目标由识别任务确定，如所述识别任务为识别一个人，则兴趣目标为人的语音、人的面部图像等。

所述检索与兴趣目标最接近的预期目标样本可以采用并行读取若干预期样本目标并与兴趣目标对比，最终确定与兴趣目标最接近的预期目标样本。

B、根据关联索引表调用与所述预期目标样本相对应的预期目标特征提取规则，并根据该特征提取规则确定匹配窗口；

具体地，从所述关联索引表中得到所述预期目标样本相对应的目标特征提取规则索引，按照所述目标特征提取规则索引从目标特征提取规则库中调出所述相对应的目标特征提取规则。

C、根据关联索引表调用相应的特征提取程序，由所述匹配窗口对待识别对象进行特征提取；

具体地，所述根据关联索引表调用相应的特征提取程序的方法与步骤B中调用原理一样，在此不作赘述。

D、调用相应的特征比较规则将预期目标样本特征与匹配窗口中的对象的特征进行比较，并将特征比较的结果记为相似度；

E、根据所述相似度确定是否匹配。

如果匹配成功，则将目标样本特征作为待识别对象特征输出，并从预期目标知识库中读取目标附加知识并输出。

请参阅图3，为本发明实施例提供的基于所述识别知识库的一种并行化识别方法的流程图。

首先，构建识别知识库；具体地，根据需要识别任务构建所述识别知识库；

其次，判断是否有新的识别任务，如果是，则执行下一步；

再者，开始并行化处理步骤；

所述并行化处理步骤为，并行识别知识库更新任务和对待识别对象进行识别的任务。

所述并行的实现方式包括但不限于：调用并行库、使用编译指导语句、并行编译器、使用多线程(包括但不限于：PTHREAD)、使用任务的动态调度(包括但不限于：PBS)、使用分布式或网格基础设施。

很明显，图3中，更新识别知识库和进行自动实时识别任务并行于二级处理。

本发明提供的基于识别知识库的识别方法，所述识别知识库预先存储有大量样本特征、目标特征提取程序以及目标特征比较程序等，进行识别任务时，根据所述关联索引表调用相应的目标特征提取规则、目标特征提取程序和特征比较程序，从而获得识别结果，所述识别方法可以对所述识别知识库进行更新，对于识别未匹配的目标，将其特征更新至预期目标样本特征库中。所述更新任务与识别任务可以并行处理，节省处理时间。

以上说明书中的具体实施部分，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的方法及技术内容做出些许的更动或修饰为等同变化的等效实施例，但是凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (7)

1、一种基于识别知识库的识别方法，其特征在于，所述识别知识库包括一个预期目标样本库、一个预期目标样本特征库、一个特征提取规则库、一个特征提取程序库、一个特征比较规则库和一个关联索引表，所述识别方法包括：

A、从关联索引表中寻找与兴趣目标最接近的预期目标样本；

B、根据关联索引表调用相应的预期目标特征提取规则，并根据所该特征提取规则确定匹配窗口；

C、根据关联索引表调用相应的特征提取规则，由所述匹配窗口对待识别对象进行特征提取；

D、调用对应的特征比较规则并调用关联的特征比较程序，根据所述特征比较程序将预期目标样本的特征与匹配窗口中的对象的特征进行比较，并将特征比较的结果记为相似度；

E、根据所述相似度确定是否匹配。

2、如权利要求1所述的基于识别知识库的识别方法，其特征在于，所述预期目标样本库、预期目标样本特征库、特征提取规则库、特征提取程序库和特征比较规则库采用分级结构，其分别包括若干类型目标的预期目标样本子库、预期目标样本特征子库、特征提取规则子库、特征提取程序子库和特征比较规则子库。

3、如权利要求1所述的基于识别知识库的识别方法，其特征在于，所述步骤E中，所述相似度较小时，将所述待识别对象的特征更新至所述预期目标样本特征库中。

4、如权利要求1所述的基于识别知识库的识别方法，其特征在于，所述识别知识库进一步包括一个目标知识库，其预先存储有对应目标样本的附加知识，所述步骤E中，相似度较大时，所述待识别对象与样本匹配，则输出目标样本特征及对应的目标样本的附加知识。

5、如权利要求1所述的基于识别知识库的识别方法，其特征在于，步骤A中，如果未找到匹配预期目标样本，则执行步骤A1然后返回，

所述步骤A1为，将兴趣目标特征存至所述识别知识库，并更新识别知识库；

6、如权利要求1所述的基于识别知识库的识别方法，其特征在于，所述步骤A1与步骤B并行进行。

7、如权利要求5所述的基于识别知识库的识别方法，其特征在于，所述并行的实现方式为调用并行库、使用编译指导语句、并行编译器、使用多线程、使用任务的动态调度、使用分布式或网格基础设施。

Images