CN103824075A

CN103824075A - 图像识别系统及方法

Info

Publication number: CN103824075A
Application number: CN201410055252.4A
Authority: CN
Inventors: 代峰; 巫江; 尹涛
Original assignee: SHENZHEN TYDIC INFORMATION TECHNOLOGY Co Ltd
Current assignee: SHENZHEN TYDIC INFORMATION TECHNOLOGY Co Ltd
Priority date: 2014-02-18
Filing date: 2014-02-18
Publication date: 2014-05-28

Abstract

本发明涉及一种图像识别系统及方法，该方法包括如下步骤：数据存储步骤，预先存储多个目标图像的局部特征，建立多个目标图像的局部特征库；图像识别步骤，从输入的该实时视频流或流媒体文件中分析提取待识别图像；图像边缘化步骤，使用动态边缘分析法获得待识别图像对应的二进制边缘图像；局部特征分析步骤，分析待识别图像对应的二进制边缘图像并获得待识别图像的局部特征；以及比较步骤，使用局部特征模板比较待识别图像和目标图像是否相似，如果相似则输出待识别图像，如果不相似则跳转到图像识别步骤重复执行。本发明的图像识别系统及方法可高效率对实时视频流或流媒体文件进行图像识别。

Description

图像识别系统及方法

技术领域

本发明涉及图像识别技术，尤其涉及一种图像识别系统及方法。

背景技术

当前在用分布式数据处理技术进行数据挖掘时遇到不少难题，例如运用图像分析算法，例如迭代重建算法，对高频度产生的视频文件或实时媒体流进行个体特征分析与识别时，分析效率严重依赖高性能计算能力的支撑。仅从提升节点计算能力的单一角度考虑，难以满足低成本及大规模商用的需求。

发明内容

鉴于以上内容，有必要提供一种图像识别系统及方法，可高效率对实时视频流或流媒体文件进行图像识别。

一种图像识别方法，该方法包括如下步骤：数据存储步骤，预先存储多个目标图像的局部特征，建立多个目标图像的局部特征库；图像识别步骤，从输入的该实时视频流或流媒体文件中分析提取待识别图像；图像边缘化步骤，使用动态边缘分析法获得待识别图像对应的二进制边缘图像；局部特征分析步骤，分析待识别图像对应的二进制边缘图像并获得待识别图像的局部特征；以及比较步骤，使用局部特征模板比较待识别图像和目标图像是否相似，如果相似则输出待识别图像，如果不相似则跳转到图像识别步骤重复执行。

作为上述技术方案的进一步改进，该图像识别步骤之前进一步包括图像输入步骤，用于输入实时视频流或流媒体文件。

作为上述技术方案的进一步改进，该局部特征模板同时比较多个待识别图像的局部特征和多个目标图像的局部特征。

作为上述技术方案的进一步改进，该比较步骤包括一分页缓存步骤，将多个局部特征模板分页缓存至内存中，以加速比较多个待识别图像和多个目标图像的局部特征。

作为上述技术方案的进一步改进，该比较步骤还包括一并行处理步骤，用于多线程并行处理被分页缓存的该多个局部特征模板。

一种图像识别系统，其特征在于，该系统包括：数据存储模块，用于存储多个目标图像的局部特征，建立目标图像局部特征库；图像识别模块，从输入的该实时视频流或流媒体文件中分析提取待识别图像；边缘分析模块，使用动态边缘分析法获得待识别图像对应的二进制边缘图像；特征提取模块，分析待识别图像对应的二进制边缘图像并获得待识别图像的局部特征；以及特征比较模块，使用局部特征模板比较待识别图像和目标图像是否相似，如果相似则输出待识别图像。

作为上述技术方案的进一步改进，进一步包括一图像输入模块，用于控制一视频采集单元输入的输入实时视频流或一文件传输接口输入的流媒体文件。

作为上述技术方案的进一步改进，每个局部特征模板同时比较多个待识别图像的局部特征和多个目标图像的局部特征。

作为上述技术方案的进一步改进，该特征比较模块包括一分页缓存模块，用于将多个局部特征模板分页缓存至内存中，以加速比较多个待识别图像和多个目标图像的局部特征。

相较于现有技术，本发明的图像识别系统及方法使用图像的局部特征预先建立图像局部特征库，使用局部特征模板对待识别图像和多个目标图像的局部特征进行比较，提高了图像识别的几率。另外，本发明的图像识别系统使用分页缓存模块和并行处理模块实现一次性加载数十个局部特征模板文件多线程并行处理，进一步提高了图像识别的效率。

附图说明

图1是本发明图像识别系统的较佳实施方式的应用环境架构图。

图2是本发明图像识别系统的较佳实施方式的功能模块图。

图3是本发明图像识别方法的较佳实施方式的流程图。

具体实施方式

如图1所示，是本发明图像识别系统的较佳实施方式的应用环境架构图。该图像识别系统100应用于图像识别装置10中，该图像识别装置10可以是计算机、计算机主机、服务器、笔记本电脑等装置。本实施方式中，该图像识别装置10包括处理器11、存储器13、显示器15、视频采集单元17和文件传输接口19。

该图像识别系统100用于从视频采集单元17输入的实时视频流或从文件传输接口19输入的流媒体文件中分析提取待识别图像，分析待识别图像对应的二进制边缘图像并获得待识别图像的局部特征，使用局部特征模板以局部特征为比较对象对待识别图像和目标图像进行相似度比较，如果相似则输出待识别图像。

该处理器11用于执行该图像识别系统100以及该图像识别装置10内安装的各类软件，例如操作系统等。该存储器13可以是内存、硬盘，或者其他类型的存储卡或存储设备。该存储器13用于存储各类数据，倒如，文件、图像等信息。该显示器15用于显示各类可视化数据。

如图2所示，是本发明图像识别系统的较佳实施方式的功能模块图。在本实施方式中，该图像识别系统100包括多个功能模块，分别是：特征分析模块120、特征比较模块140和数据存储模块160。该特征分析模块120用于分析提取多个待识别图像的局部特征。该数据存储模块160用于存储多个目标图像的局部特征。本实施方式中，该数据存储模块160使用分布式数据存储方式进行数据存储。该特征比较模块140通过局部特征比较判定待识别图像和目标图像是否相似，具体地，该特征比较模块140使用局部特征模板比较待识别图像和目标图像是否相似，如果相似则输出待识别图像。较佳实施方式中，每个局部特征模板同时比较多个待识别图像的局部特征和多个目标图像的局部特征。

该特征分析模块120包括图像输入模块111、图像识别模块112、边缘分析模块113和特征提取模块115。数据存储模块111用于存储多个目标图像的局部特征，建立目标图像局部特征库。图像识别模块112从输入的该实时视频流或流媒体文件中分析提取待识别图像。边缘分析模块113使用动态边缘分析法获得待识别图像对应的二进制边缘图像。特征提取模块115分析待识别图像对应的二进制边缘图像并获得待识别图像的局部特征。

该特征比较模块140包括分页缓存模块141和并行处理模块143。分页缓存模块141用于将多个局部特征模板分页缓存至内存中，以加速比较多个待识别图像和多个目标图像的局部特征。该并行处理模块143用于多线程并行处理被分页缓存的该多个局部特征模板。

本发明所称的模块是完成特定功能的程序段或者指令，比程序更适合于描述软件在该图像识别装置10中的执行过程。针对模块的相关描述可参照针对图3的说明。需要说明的是，该图像识别系统100的多个模块被储存在该存储器13中并被配置成由相应的处理器11来执行。

如图3所示，是本发明图像识别方法的较佳实施方式的流程图。

图像输入步骤S10，图像输入模块111控制从视频采集单元17输入实时视频流或控制从文件传输接口19输入流媒体文件。

图像识别步骤S20，该图像识别模块112从输入的该实时视频流或流媒体文件中分析提取待识别图像。较佳实施方式中，该待识别图像可以是人脸。替代实施方式中，该待识别图像可以是车辆。

图像边缘化步骤S30，该边缘分析模块113使用动态边缘分析法获得待识别图像对应的二进制边缘图像，即人脸的二进制图像。

局部特征分析步骤S40，特征比较模块140分析待识别图像对应的二进制边缘图像并获得待识别图像的局部特征。本实施方式中，该局部特征包括眼睛、嘴巴、鼻子、口型、眉毛、下颚轮廓、和额骨、头发、耳朵轮廓、睫毛等面部特征以及通过人脸皮肤纹理可以提取的其他面部特征。本实施方式中，该局部特征分析（Local Feature Analysis，LFA）可以是一种基于特征标示的面相识别技术。

数据存储步骤S50，该数据存储模块160预先存储多个目标图像的局部特征，建立目标图像局部特征库。本实施方式中，该目标图像可以是步骤S20中识别并预先存储的特定的待识别图像。目标图像的局部特征为步骤S30-S40获得并预先存储的特定的待识别图像对应的局部特征。替代实施方式中，该目标图像也可以是从文件传输接口19输入的特定的照片。

比较步骤S60，特征比较模块140使用一局部特征模板比较待识别图像和目标图像是否相似，如果相似则执行输出步骤S70以输出比较结果，如果不相似则跳转到图像识别步骤S20重复执行。本实施方式中，该局部特征模板同时比较多个待识别图像的局部特征和多个目标图像的局部特征。一实施方式中，该特征比较模块140预先设定局部特征相似度的阈值数量，当某个待识别图像超过阈值数量的局部特征与目标图像的对应局部特征都相似时，判定该待识别图像与目标图像相似，否则判定该待识别图像与目标图像不相似。一实施方式中，从一段14位员工先后进出大门的实时视频流中（30分钟，文件大小398MB），该图像识别系统100成功提取到二百多张人脸目标图像，有效识别率超过85％。

该比较步骤S60可以进一步包括一分页缓存步骤，该步骤中分页缓存模块141该将多个局部特征模板分页缓存至内存中，以加速比较多个待识别图像和多个目标图像的局部特征。较佳实施方式中，分页缓存模块141可以一次性加载数十个局部特征模板文件，使图像处理时效从原先的数十秒压缩至数秒。单个局部特征模板文件允许一次加载50000张人脸图片对应的局部特征，比对50000张人脸仅需要0.1秒，相当于每秒扫描50万张照片。

另外，该比较步骤S60还可以包括一并行处理步骤，该步骤中，并行处理模块143实现多线程并行处理被分页缓存的该多个局部特征模板。

输出步骤S70，输出比较结果。

本发明的图像识别系统100识别并使用图像的局部特征预先建立图像局部特征库，使用局部特征模板对待识别图像和多个目标图像的局部特征进行比较，提高了图像识别的几率。另外，本发明的图像识别系统100使用分页缓存模块141和并行处理模块143实现一次性加载数十个局部特征模板文件多线程并行处理，进一步提高了图像识别的效率。另外，本发明的图像识别系统100可以提高对个体特征，例如不同人脸，不同车辆等，识别的准确性与比对效能；另一方面，由于该数据存储模块160通过分布式数据存储方式建立目标图像局部特征库，还可以实现对海量存储的信息内容的“精加工”，快速关键的局部特征信息，将海量非结构化数据批量加工处理为结构化数据，极大地提高数据“入”系统后的处理效率，为进一步挖掘数据宝藏，构建跨行业、相互关联的大数据视图成为可能。在平衡技术可行性与低成本的前提下，显著推进大数据在城市交通、远程医疗、公共安全、应急处置等领域应用深度，前景广阔，经济和社会效益巨大。

以上实施方式仅用以说明本发明的技术方案而非限制，尽管参照以上较佳实施方式对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换都不应脱离本发明技术方案的精神和范围。

Claims

1.一种图像识别方法，其特征在于，该方法包括如下步骤：

数据存储步骤，预先存储多个目标图像的局部特征，建立多个目标图像的局部特征库；

图像识别步骤，从输入的该实时视频流或流媒体文件中分析提取待识别图像；

图像边缘化步骤，使用动态边缘分析法获得待识别图像对应的二进制边缘图像；

局部特征分析步骤，分析待识别图像对应的二进制边缘图像并获得待识别图像的局部特征；以及

比较步骤，使用局部特征模板比较待识别图像和目标图像是否相似，如果相似则输出待识别图像，如果不相似则跳转到图像识别步骤重复执行。

2.如权利要求1该图像识别方法，其特征在于，该图像识别步骤之前进一步包括图像输入步骤，用于输入实时视频流或流媒体文件。

3.如权利要求1该图像识别方法，其特征在于，该局部特征模板同时比较多个待识别图像的局部特征和多个目标图像的局部特征。

4.如权利要求1该图像识别方法，其特征在于，该比较步骤包括一分页缓存步骤，将多个局部特征模板分页缓存至内存中，以加速比较多个待识别图像和多个目标图像的局部特征。

5.如权利要求4该图像识别方法，其特征在于，该比较步骤还包括一并行处理步骤，用于多线程并行处理被分页缓存的该多个局部特征模板。

6.一种图像识别系统，其特征在于，该系统包括：

数据存储模块，用于存储多个目标图像的局部特征，建立目标图像局部特征库；

图像识别模块，从输入的该实时视频流或流媒体文件中分析提取待识别图像；

边缘分析模块，使用动态边缘分析法获得待识别图像对应的二进制边缘图像；

特征提取模块，分析待识别图像对应的二进制边缘图像并获得待识别图像的局部特征；以及

特征比较模块，使用局部特征模板比较待识别图像和目标图像是否相似，如果相似则输出待识别图像。

7.如权利要求6述的图像识别系统，进一步包括一图像输入模块，用于控制一视频采集单元输入的输入实时视频流或一文件传输接口输入的流媒体文件。

8.如权利要求6述的图像识别系统，其特征在于，每个局部特征模板同时比较多个待识别图像的局部特征和多个目标图像的局部特征。

9.如权利要求8述的图像识别系统，其特征在于，该特征比较模块包括一分页缓存模块，用于将多个局部特征模板分页缓存至内存中，以加速比较多个待识别图像和多个目标图像的局部特征。

10.如权利要求9述的图像识别系统，其特征在于，该特征比较模块还包括一并行处理模块，用于多线程并行处理被分页缓存的该多个局部特征模板。