CN109033991A - 一种图像识别方法及装置 - Google Patents

Abstract

本申请提供了一种图像识别方法及装置，通过检测拍摄装置在同一场景的停留时间是否超过时间阈值，在超过时间阈值的情况下自动触发拍摄装置拍摄图像，并将图像上传至服务器进行识别，从而得到图像中包括目标对象的识别结果。这样，用户无需手动拍照和上传图像等，降低了用户操作识图过程的繁琐程度，提高了识图效率。

Description

一种图像识别方法及装置

技术领域

本申请涉及识图技术领域，特别涉及一种图像识别方法及装置。

背景技术

随着互联网技术的飞速发展，识图技术也应用的越来越广泛，识图是指利用计算机等对图像进行处理、分析和理解，用以识别图像中包括的、各种不同模式的目标和对象。

发明人在实现本发明的过程中发现，现有技术中，用户在看到自己希望识别的事物或者人物的时候，需要对待识别的事物或人物等进行拍照，并手动上传至识图软件才能触发对图像的识别，用户操作识图的过程比较繁琐，使得识图的效率也较为低下。

发明内容

基于此，本申请提供了一种图像识别方案，用以通过检测拍摄装置在同一场景的停留时间是否超过时间阈值，在超过时间阈值的情况下自动触发拍摄装置拍摄图像，并将图像上传至服务器进行识别，从而得到图像中包括目标对象的识别结果，例如目标对象的类别或者名称等，从而使得用户无需手动拍照和上传图像等，降低了用户操作识图过程的繁琐程度，提高了识图效率。

第一方面，本申请实施例提供了一种图像识别方法，该方法包括：

响应于拍摄装置的启动，检测所述拍摄装置在同一场景的停留时间是否超过预设时间阈值；

如果是，触发所述拍摄装置拍摄所述场景的图像；

识别所述图像中包括的目标对象。

可选的，所述识别所述图像中包括的目标对象，包括：

采用通用分类模型识别所述图像中包括的目标对象，得到所述目标对象的类别，所述通用分类模型用于对所述目标对象按照预先设置的类别进行识别。

可选的，所述识别所述图像中包括的目标对象，还包括：

依据所述目标对象的类别判断是否存在与所述类别对应的、预先训练的专项识图模型，如果是，则采用所述专项识图模型对所述目标对象进行识别，得到所述目标对象的专项识别结果。

可选的，该方法还包括：

向用户语音播放所述目标对象的识别结果，或者，

将所述目标对象的识别结果采用文本提醒方式提醒用户。

可选的，所述识别所述图像中包括的目标对象，包括：

对所述图像中包括的目标对象进行至少两轮识别，得到每轮的识别结果；

从所述每轮的识别结果中确定所述目标对象。

可选的，该方法还包括：

在所述目标对象包括至少两个对象的情况下，响应于从所述至少两个对象中选择待呈现对象的选择操作，显示所述待呈现对象的相关信息。

可选的，该方法还包括：

在所述目标对象包括至少两个对象的情况下，显示所述至少两个对象的简要相关信息；

响应于从所述至少两个对象中选择待展开对象的选择操作，显示所述待展开对象的详细相关信息。

可选的，该方法还包括：

获取针对所述目标对象的触发操作，根据所述目标对象和所述触发操作进行搜索，并对搜索到的信息进行呈现。

第二方面，本申请实施例还提供了一种图像识别装置，该装置包括：

检测单元，用于响应于拍摄装置的启动，检测所述拍摄装置在同一场景的停留时间是否超过预设时间阈值；

触发单元，用于如果所述拍摄装置在同一场景的停留时间超过预设时间阈值，触发所述拍摄装置拍摄所述场景的图像；

识别单元，用于识别所述图像中包括的目标对象。

可选的，所述识别单元具体用于，采用通用分类模型识别所述图像中包括的目标对象，得到所述目标对象的类别，所述通用分类模型用于对所述目标对象按照预先设置的类别进行识别。

可选的，所述识别单元还用于，依据所述目标对象的类别判断是否存在与所述类别对应的、预先训练的专项识图模型，如果是，则采用所述专项识图模型对所述目标对象进行识别，得到所述目标对象的专项识别结果。

可选的，该装置还包括：

播放单元，用于向用户语音播放所述目标对象的识别结果，或者，

提醒单元，用于将所述目标对象的识别结果采用文本提醒方式提醒用户。

可选的，识别单元，包括：

多轮识别子单元，用于对所述图像中包括的目标对象进行至少两轮识别，得到每轮的识别结果；

确定子单元，用于从所述每轮的识别结果中确定所述目标对象。

可选的，该装置还包括：

显示单元，用于在所述目标对象包括至少两个对象的情况下，响应于从所述至少两个对象中选择待呈现对象的选择操作，显示所述待呈现对象的相关信息。

可选的，该装置还包括：

第一显示单元，用于在所述目标对象包括至少两个对象的情况下，显示所述至少两个对象的简要相关信息；

第二显示单元，用于响应于从所述至少两个对象中选择待展开对象的选择操作，显示所述待展开对象的详细相关信息。

可选的，该装置还包括：

获取单元，用于获取针对所述目标对象的触发操作；

搜索单元，用于根据所述目标对象和所述触发操作进行搜索；

呈现单元，用于并对搜索到的信息进行呈现。

第三方面，本申请实施例还提供了一种图像识别的设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行第一方面所述的图像识别的方法。

第四方面，本申请实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行第一方面所述的图像识别的方法。

与现有技术相比，本申请实施例具有以下优点：

本申请通过检测拍摄装置在同一场景的停留时间是否超过时间阈值，在超过时间阈值的情况下自动触发拍摄装置拍摄图像，并将图像上传至服务器进行识别，从而得到图像中包括目标对象的识别结果，例如目标对象的类别或者名称等，从而使得用户无需手动拍照和上传图像等，降低了用户操作识图过程的繁琐程度，提高了识图效率。

进一步的，本申请可以先采用通过分类模型对目标对象进行识别，识别得到目标对象的类型，例如人物还是风景等等，在某个类别存在专项识图模型的情况下，还可以进一步识别出具体的人物或者植物，例如是哪个公众人物或者哪一种植物等等，这样通过结合通过分类模型和专项识图模型可以提高对目标对象识别的覆盖率。

进一步的，本申请在检测到识别结果属于预设的类别等的情况下，还可以语音播报识别结果，或者，将识别结果用文字进行标示等。此外，用户还可以根据该识别结果进行交互式的语音提问，再根据用户提问的内容进行搜索，向用户呈现搜索结果。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请的图像识别方法实施例的一流程图；

图2是本申请的图像识别方法实施例的另一流程图；

图3是本申请的图像识别装置的结构框图；

图4是本申请中根据一示例性实施例示出的一种用于图像识别的装置400的框图；

图5是本申请实施例中服务器的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请可用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

当用户希望对自己看到的待识别对象(包括事物或者人物等)进行识别时，现有的技术方案通常都是由用户对待识别的事物或者人物进行拍照，然后用户手动将拍照所得到的照片上传至识图软件，利用识图软件对该照片中的待识别对象进行识别。可见，在对待识别对象进行识别的过程中，用户所需执行的操作步骤较多，操作过程较为繁琐，使得用户对待识别对象的识别效率较为低下。

为了解决上述技术问题，本发明提供了一种图像识别方法，在用户识别待识别对象的过程中，在检测到拍摄装置在当前场景的停留时间超过时间阈值的情况下，自动触发图像的拍摄以及对该图像的识别，无需用户手动操作，简化了用户的操作过程，从而提高了用户对待识别对象的识别效率。

参考图1，示出了本申请一种图像识别方法实施例的流程图，本实施例可以包括以下步骤：

步骤101：响应于拍摄装置的启动，检测所述拍摄装置在同一场景的停留时间是否超过预设时间阈值，如果是，则进入步骤102。

在本实施例中，用户可以手持设置有拍摄装置(例如前置或者后置摄像头等)的智能终端来对周围场景进行拍照，例如，用户看到有一种正在盛开的花朵，自己希望知道它的名字，则可以启动该拍摄装置并对准该花朵。在本步骤中，用户不需要自己触发拍摄，在启动拍摄装置且拍摄装置对准该花朵的时候，可以启动一个定时器来统计该拍摄装置对准同一场景例如该花朵的停留时间，如果停留时间超过预设时间阈值，则可以由智能终端触发对该花朵的图像拍摄，而无需用户自己手动拍照。

具体的，预设时间阈值可以由本领域技术人员自主设置，例如可以设置为2秒，当然具体数值可以由本领域技术人员适应性的调整。在实际应用中可以在用户启动拍摄装置的时候就启动定时器，也可以在用户将拍摄装置对准目标对象的时候启动定时器，并将定时器统计的时间与预设时间阈值实时比对，如果停留时间超过预设时间阈值，则进入步骤102以自动拍摄图像，而如果停留时间不超过预设时间阈值，则无需执行步骤102。

步骤102：触发所述拍摄装置拍摄所述场景的图像。

在本步骤中，无需用户手动拍摄场景的图像，则可以由智能终端的操作系统控制拍摄装置来拍摄场景的图像，例如，由图像识别装置(应用本申请方法实施例的客户端等)通知操作系统，并触发操作系统向拍摄装置发送一条拍摄指令等，来触发拍摄装置拍摄场景的图像。

具体的，为了保证用户希望识别的目标对象例如一朵花等，可以尽量出现在图像的中间位置，可以在启动拍摄装置后，将智能终端的显示屏幕的中间位置采用预设标识进行标示，例如，“十”字型，或者，“四方形”等等，用户可以移动拍摄装置将其希望识别的目标对象与预设标识相重叠，从而拍摄出目标对象位于中间位置的图像。

步骤103：识别所述图像中包括的目标对象。

在实际应用中，智能终端拍摄图像之后可以将图像上传至服务器，由服务器来识别图像中包括的目标对象。

其中，在服务器侧可以预先训练分类模型，例如一共存在5种类别：人物、风景、植物、天气和工具等五大类，则可以训练一个用于识别目标对象的类别的分类模型，可以预先收集分属于这五个类别的大量图像样本，然后可以使用目标区域检测的方式来检测出图像中待识别的对象所在的区域，并构建分类器(例如，选择树分类器、证据分类器或者决策树分类器等)作为分类模型，该分类模型是通用分类模型，可以用于对待识别的图像进行识别，从而识别出该图像中的目标对象的类别。此外，针对预先收集的五个类别的大量图像样本，还可以直接利用端到端来训练通用分类模型以识别目标对象的类别。

则本步骤中服务器可以利用通用识图技术进行目标对象的识别，具体可以是直接采用预先训练的通用分类模型识别客户端发送的图像中包括的目标对象，该通用分类模型可以用于对所述目标对象按照预先设置的类别进行识别，从而得到所述目标对象的类别，例如，是人物，还是风景，等等。

需要说明的是，通用识图是指，利用待识别图像的特征搜索出与该待识别图像相似的图像，然后综合与搜索出的图像相关联的文本，确定出待识别图像中目标对象所属类别的技术。比如，待识别图像为一朵牡丹的图像，利用待识别图像的图像特征进行搜索，可以搜索出与待识别图像相似的同一种类的其它牡丹的图像，然后利用与搜索出的牡丹的图像相关联的文本，如该图像的图像说明文本、图像环绕文本等，确定出搜索得到的图像为牡丹的图像，进而可以确定出待识别图像的图像内容中目标对象所属的类别为花。

值的注意的是，实际应用中，也可以是由终端对待识别图像进行图像处理。具体的，可以预先在终端训练得到通用分类模型，终端在触发拍摄装置拍摄得到图像后，可以调用终端上的识图软件，利用预先训练的通用分类模型，对该图像进行识图处理，识别出该图像中属于目标对象的类别。

在采用通用分类模型识别得到图像中的目标对象的类别之后，还可以进一步对目标对象进行识别，则步骤103还可以包括步骤A1～步骤A2：

步骤A1：依据所述目标对象的类别判断是否存在与所述类别对应的、预先训练的专项识图模型，如果是，则进入步骤A2。

在本步骤中，如果在服务器端预先训练了专项识图模型，则本步骤可以依据识别出的类别来判断在该类别下是否对应有专项识图模型。例如，假设目标对象的类别为人物，而在人物类别下，有一个专项识图模型是用于识别明星的模型，则可以采用该专项识图模型来对目标对象进行识别，从而可以确定该人物是否为明星，如果是明星则是哪一个明星。

其中，专项识图模型也可以预先训练，例如，采集大量明星A的照片并利用分类器训练分类模型即可得到明星A的专项识图模型，专项识图模型用于对某一个类别中具体哪一种事物或者具体哪一个人物等进行识别。为了提高识别的精确度，可以预先针对各个类别都训练出对应的专项识图模型，例如，对于人物类别，则可以参考各个公众人物的图像训练出专项识图模型，进而可以在人物类别下将公众人物都可以识别出来。

步骤A2：采用专项识图模型对所述目标对象进行识别，得到所述目标对象的专项识别结果。

如果某个类别下存在专利识图模型，则采用专利识图模型对目标对象进行识别，得到目标对象的专项识别结果，例如，图像中的人物是哪一个公众人物等，再例如，植物类别下的牡丹花或者玫瑰花等。

可以理解，在的一些可能的应用场景中，终端拍摄的图像中可能会包含至少两个对象，而用户可能只需获得其中一个对象(即目标对象)的相关信息，此时，用户可以从终端所呈现出多个对象中执行选择待呈现对象的选择操作，这样，终端响应于用户的选择操作，可以有针对性的识别用户所需识别的目标对象。

比如，拍摄装置所拍摄的图像中，可能包括有三种花，而用户只认识其中的“牡丹”、“红玫瑰”，而不认识第三种花，则用户通常只想得到有关第三种花的相关信息。此时，终端可以通过语音提示的方式，让用户对其中哪种花进行识别；而用户在收听到提示语音后，可以向终端输入识别第三种花的语音指令，如第三种花位于图像最右边，则用户可以输入“请识别最右边一朵花”的语音指令。当然，在一些实施方式中，也可以是输入“除了牡丹、红玫瑰以外，另一种花是什么花”等语音指令。这样，终端可以根据用户输入的语音指令，确定用户所需识别的第三种花，并利用专项识图模型对该图像中的第三种花进行识别，从而识别到第三种花为“月季”花。值的注意的是，用户与终端之间通过语音进行交互，不仅可以使得用户有针对性的获得自己所需的专项识图结果，而且，也增加了用户获得专项识图结果的趣味性。

实际应用中，对拍摄装置拍摄到的图像进行一轮识别，可能无法保证较高的识别准确率，因此，在一些可能的实施方式中，可以对该图像中包括的目标对象进行至少两轮的识别，得到每轮识别的识别结果，然后，可以从至少两个识别结果中确定出目标对象，比如，在一些示例中，可以先确定出相同个数最高的识别结果，然后将该识别结果所对应的对象，作为目标对象。

在步骤103将目标对象进行识别之后，还可以包括步骤104：

步骤104：向用户语音播放所述目标对象的识别结果，或者，将所述目标对象的识别结果采用文本提醒方式提醒用户。

在对图像中的目标对象进行识别之后，可以采用语音将目标对象的识别结果播放出来，例如，当步骤103识别出“人物”的结果时，可以直接向用户播放声音“人物”，而当步骤103识别出某个明星“张三”的时候，可以直接向用户播放声音“张三”，等等。采用语音提醒方式可以直接的告知用户识别结果。当然，也可以采用其他方式来提醒用户识别结果，例如，可以在图像中采用标识和文字的方式同时提醒用户，即，将“人物”的文字显示在图像中的人物附近，并且，将图像中的人物采用方框标示，当然，也可以采用其他标示方式，例如，圆形框的标识等。

实际应用中，如果目标对象包括至少两个对象，而用户可能只需获得其中一个对象的相关信息，此时，用户可以从终端所呈现出至少两个对象中执行选择待呈现对象的选择操作，这样，终端响应于用户的选择操作，可以有目的性的显示用户所需要识别的待呈现对象的相关信息，更加满足的用户的使用需求。

比如，拍摄装置拍摄得到的图像中，可能包括有月季、牡丹、红玫瑰三种花，但是如果用户只认识其中的“牡丹”、“红玫瑰”，而不认识“月季”，则用户可能会只想得到有关“月季”花的相关信息。此时，终端可以根据用户对第三种花执行的选择操作，只显示“月季”花的相关信息。

当然，在另一些可能的应用场景中，如果识别出的目标对象包括至少两个对象，终端可以将多个对象的相关信息进行简要呈现。具体的，当目标对象包括至少两个对象时，终端可以先向用户显示至少两个对象的简要相关信息，比如，可以是简单的显示对象的名称、类别等信息。如果用户对终端呈现的某个对象感兴趣，则可以从至少两个对象中进行选择待展开对象的选择操作，其中，待展开对象为用户想要详细了解的对象。然后，终端可以响应于用户的选择操作，显示该待展开对象的详细相关信息，比如，可以是显示该待展开对象的特征、作用、起源等信息。

依然以识别三种类别的花为例进行说明，如果终端拍摄的待识别图像中包含“勿忘我”、“郁金香”、“风信子”三种花，则终端可以先向用户呈现出每种类别的花的名称，如果用户对于其中“郁金香”花感兴趣，想要进一步了解该花的详细信息时，可以在终端上执行对“郁金香”花的选择操作，终端响应于该选择操作，向用户呈现该“郁金香”花的详细相关信息，如“郁金香”花的形态特征、栽培技术、花语、有关传说等信息。

在步骤104向提醒了识别结果之后，还包括：

步骤105：响应于用户针对所述识别结果触发的语音，将所述语音的内容作为关键词进行在线搜索。

另外，如果在终端呈现的目标对象的相关信息后，用户还有获取其它相关信息的需求，比如，终端所呈现出的信息并不包含用户想要想要了解的信息，则用户可以在终端上输入关键词进行信息检索。具体的，用户可以在终端上执行针对于目标对象的触发操作，以请求搜索该目标对象的具体信息，终端获取针对于该目标对象触发的触发操作，以该目标对象和在该搜索操作下输入的内容作为关键词进行在线搜索，并将搜索到的信息进行呈现。由于用户输入的关键词，体现了用户所需获得哪一方面的信息，因此，基于目标对象以及与目标对象相关的关键词进行检索，所得到的信息通常更符合用户的实际需求。

比如，终端在呈现待识别图像中“百合”花的形态特征、栽培技术、花语、有关传说的信息后，用户还想要了解“百合”花具有哪些药用价值，则用户可以在终端上输入关键词“药用价值”，则终端可以根据“百合”花以及关键词“药用价值”进行在线搜索，得到“百合”花的药用价值的信息，并将该信息呈现给用户，以使得用户得到所需的信息。

值的注意的是，用户输入关键词的方式存在多种。在一种输入关键词的示例中，用户可以通过语音输入的方式进行输入。具体的，用户可以对着配置在终端上的语音接收器(如麦克风)进行说话，由终端上的语音接收器接收用户输入的语音数据，然后终端将该语音数据进行识别，并通过语义分析，将该语音数据转换为信息搜索的关键词，从而实现关键词的输入。例如，用户可以对着终端上的麦克风发出“药用价值”的语音，麦克风接收该语音，并发送给终端上的语音识别引擎进行识别，语音识别引擎将该语音转换为文本，并通过语义分析，对该文本进行调整，然后，终端将调整后的文本中的内容作为关键词，从而完成了关键词的输入。可以理解，在终端语音播放目标对象的相关信息后，再由用户通过语音输入的方式输入关键词，并由终端呈现出针对于关键词的搜索信息，可以实现用户与终端的语音交互，增加了用户识别目标对象的趣味性。

在另一种输入关键词的示例中，用户也可以通过文字输入的方式进行输入。具体的，用户可以在终端上点击对应于目标对象的输入文本框，终端基于用户针对于该输入文本框的点击操作，弹出输入法，然后，用户利用该输入法进行文字输入，终端将用户输入的文字作为所需进行检索的关键词。比如，用户可以点击针对于“百合”花的输入文本框，利用弹出的输入法在输入文本中输入“药用价值”，这样，终端可以将输入文本框中的文字内容作为所需进行搜索的关键词。

可见，本实施例中通过检测拍摄装置在同一场景的停留时间是否超过时间阈值，在超过时间阈值的情况下自动触发拍摄装置拍摄图像，并将图像上传至服务器进行识别，从而得到图像中包括目标对象的识别结果，例如目标对象的类别或者名称等，从而使得用户无需手动拍照和上传图像等，降低了用户操作识图过程的繁琐程度，提高了识图效率。

进一步的，本申请可以先采用通过分类模型对目标对象进行识别，识别得到目标对象的类型，例如人物还是风景等等，在某个类别存在专项识图模型的情况下，还可以进一步识别出具体的人物或者植物，例如是哪个公众人物或者哪一种植物等等，这样通过结合通过分类模型和专项识图模型可以提高对目标对象识别的覆盖率。

进一步的，本申请在检测到识别结果属于预设的类别等的情况下，还可以语音播报识别结果，或者，将识别结果用文字进行标示等。此外，用户还可以根据该识别结果进行交互式的语音提问，再根据用户提问的内容进行搜索，向用户呈现搜索结果。

实际应用中，由于服务器的计算处理速度相对快，能够缩短对图像中的目标对象进行对象识别的时间，因此，在实际应用的一些场景中，终端可以将获取到图像发送至服务器，由服务器对该图像中的目标对象进行识别。参考图2，示出了本申请实施例中一种图像识别方法实施例的流程图，本实施例可以包括以下步骤：

步骤201：响应于拍摄装置的启动，终端检测所述拍摄装置在同一场景的停留时间是否超过预设时间阈值；如果是，进入步骤202。

在本实施例中，终端可以是用户使用的、具有拍摄装置的智能手机等终端，也可以是具有拍摄装置和语音输入装置的、具有网络通信功能的智能眼镜等，只要能够实现图像拍摄、语音输入和接入互联网功能的终端都可以。

步骤202：终端触发所述拍摄装置拍摄所述场景的图像，并将图像发送至服务器。

本实施例是终端和服务器交互实现对图像的识别的实施例，终端拍摄场景的图像后，可以将图像发送至服务器。在实际应用中，为了提高识别的精确度，可以多次触发拍摄装置拍摄同一场景的图像，然后将这多张图像都发送至服务器，由服务器针对多张图像分别多次识别，得到多个识别结果，服务器可以对这多个识别结果进行综合，提高识别结果的精确度。

步骤203：服务器采用通用分类模型识别所述图像中包括的目标对象，得到所述目标对象的类别，所述通用分类模型用于对所述目标对象按照预先设置的类别进行识别。

步骤204：服务器依据所述目标对象的类别判断是否存在与所述类别对应的、预先训练的专项识图模型，如果是，则进入步骤205。

步骤205：服务器采用所述专项识图模型对所述目标对象进行识别，得到所述目标对象的专项识别结果。

本申请先采用通过分类模型对目标对象进行识别，识别得到目标对象的类型，例如人物还是风景等，在某个类别存在专项识图模型的情况下，还可以进一步识别出具体的人物或者植物，例如是哪个公众人物或者哪一种植物等等，这样通过结合通用分类模型和专项识图模型可以提高对目标对象识别的覆盖率。

对于前述的方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

与上述本申请一种图像识别方法实施例所提供的方法相对应，参见图4，本申请还提供了一种图像识别装置的实施例，在本实施例中，该装置300可以包括：

检测单元301，用于响应于拍摄装置300的启动，检测所述拍摄装置300在同一场景的停留时间是否超过预设时间阈值；

触发单元302，用于如果所述拍摄装置300在同一场景的停留时间超过预设时间阈值，触发所述拍摄装置300拍摄所述场景的图像；

识别单元303，用于识别所述图像中包括的目标对象。

可选的，所述识别单元303具体用于，采用通用分类模型识别所述图像中包括的目标对象，得到所述目标对象的类别，所述通用分类模型用于对所述目标对象按照预先设置的类别进行识别。

可选的，所述识别单元303还用于，依据所述目标对象的类别判断是否存在与所述类别对应的、预先训练的专项识图模型，如果是，则采用所述专项识图模型对所述目标对象进行识别，得到所述目标对象的专项识别结果。

可选的，该装置300还包括：

播放单元，用于向用户语音播放所述目标对象的识别结果，或者，

提醒单元，用于将所述目标对象的识别结果采用文本提醒方式提醒用户。

可选的，识别单元303，包括：

多轮识别子单元，用于对所述图像中包括的目标对象进行至少两轮识别，得到每轮的识别结果；

确定子单元，用于从所述每轮的识别结果中确定所述目标对象。

可选的，该装置300还包括：

显示单元，用于在所述目标对象包括至少两个对象的情况下，响应于从所述至少两个对象中选择待呈现对象的选择操作，显示所述待呈现对象的相关信息。

可选的，该装置300还包括：

第一显示单元，用于在所述目标对象包括至少两个对象的情况下，显示所述至少两个对象的简要相关信息；

第二显示单元，用于响应于从所述至少两个对象中选择待展开对象的选择操作，显示所述待展开对象的详细相关信息。

可选的，该装置300还包括：

获取单元，用于获取针对所述目标对象的触发操作；

搜索单元，用于根据所述目标对象和所述触发操作进行搜索；

呈现单元，用于并对搜索到的信息进行呈现。

可见，在本申请实施例中，本申请通过检测拍摄装置在同一场景的停留时间是否超过时间阈值，在超过时间阈值的情况下自动触发拍摄装置拍摄图像，并将图像上传至服务器进行识别，从而得到图像中包括目标对象的识别结果，例如目标对象的类别或者名称等，从而使得用户无需手动拍照和上传图像等，降低了用户操作识图过程的繁琐程度，提高了识图效率。

进一步的，本申请可以先采用通过分类模型对目标对象进行识别，识别得到目标对象的类型，例如人物还是风景等等，在某个类别存在专项识图模型的情况下，还可以进一步识别出具体的人物或者植物，例如是哪个公众人物或者哪一种植物等等，这样通过结合通过分类模型和专项识图模型可以提高对目标对象识别的覆盖率。

进一步的，本申请在检测到识别结果属于预设的类别等的情况下，还可以语音播报识别结果，或者，将识别结果用文字进行标示等。此外，用户还可以根据该识别结果进行交互式的语音提问，再根据用户提问的内容进行搜索，向用户呈现搜索结果。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图4是根据一示例性实施例示出的一种用于图像识别的装置400的框图。例如，装置400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图4，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电源组件406，多媒体组件408，音频组件410，输入/输出(I/O)的接口412，传感器组件414，以及通信组件416。

处理组件402通常控制装置400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理部件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。

存储器404被配置为存储各种类型的数据以支持在设备400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。

多媒体组件408包括在所述装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当设备400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当装置400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。

I/O接口412为处理组件402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到设备400的打开/关闭状态，组件的相对定位，例如所述组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件416还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本申请实施例提供了一种图像识别设备。该设备包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

响应于拍摄装置的启动，检测所述拍摄装置在同一场景的停留时间是否超过预设时间阈值；

如果是，触发所述拍摄装置拍摄所述场景的图像；

识别所述图像中包括的目标对象。

可选的，所述处理器还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：

采用通用分类模型识别所述图像中包括的目标对象，得到所述目标对象的类别，所述通用分类模型用于对所述目标对象按照预先设置的类别进行识别。

可选的，所述处理器还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：

依据所述目标对象的类别判断是否存在与所述类别对应的、预先训练的专项识图模型，如果是，则采用所述专项识图模型对所述目标对象进行识别，得到所述目标对象的专项识别结果。

可选的，所述处理器还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：

向用户语音播放所述目标对象的识别结果，或者，

将所述目标对象的识别结果采用文本提醒方式提醒用户。

可选的，所述处理器还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：

对所述图像中包括的目标对象进行至少两轮识别，得到每轮的识别结果；

从所述每轮的识别结果中确定所述目标对象。

可选的，所述处理器还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：

在所述目标对象包括至少两个对象的情况下，响应于从所述至少两个对象中选择待呈现对象的选择操作，显示所述待呈现对象的相关信息。

可选的，所述处理器还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：

在所述目标对象包括至少两个对象的情况下，显示所述至少两个对象的简要相关信息；

响应于从所述至少两个对象中选择待展开对象的选择操作，显示所述待展开对象的详细相关信息。

可选的，所述处理器还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获取针对所述目标对象的触发操作，根据所述目标对象和所述触发操作进行搜索，并对搜索到的信息进行呈现。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种图像识别的方法，所述方法包括：

响应于拍摄装置的启动，检测所述拍摄装置在同一场景的停留时间是否超过预设时间阈值；如果是，触发所述拍摄装置拍摄所述场景的图像；识别所述图像中包括的目标对象。

可选的，所述识别所述图像中包括的目标对象，包括：

采用通用分类模型识别所述图像中包括的目标对象，得到所述目标对象的类别，所述通用分类模型用于对所述目标对象按照预先设置的类别进行识别。

可选的，所述识别所述图像中包括的目标对象，还包括：

依据所述目标对象的类别判断是否存在与所述类别对应的、预先训练的专项识图模型，如果是，则采用所述专项识图模型对所述目标对象进行识别，得到所述目标对象的专项识别结果。

可选的，该方法还包括：

向用户语音播放所述目标对象的识别结果，或者，

将所述目标对象的识别结果采用文本提醒方式提醒用户。

可选的，所述识别所述图像中包括的目标对象，包括：

对所述图像中包括的目标对象进行至少两轮识别，得到每轮的识别结果；

从所述每轮的识别结果中确定所述目标对象。

可选的，该方法还包括：

在所述目标对象包括至少两个对象的情况下，响应于从所述至少两个对象中选择待呈现对象的选择操作，显示所述待呈现对象的相关信息。

可选的，该方法还包括：

在所述目标对象包括至少两个对象的情况下，显示所述至少两个对象的简要相关信息；

响应于从所述至少两个对象中选择待展开对象的选择操作，显示所述待展开对象的详细相关信息。

可选的，该方法还包括：

获取针对所述目标对象的触发操作，根据所述目标对象和所述触发操作进行搜索，并对搜索到的信息进行呈现。

图5是本发明实施例中服务器的结构示意图。该服务器500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)522(例如，一个或一个以上处理器)和存储器532，一个或一个以上存储应用程序542或数据544的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器532和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器522可以设置为与存储介质530通信，在服务器500上执行存储介质530中的一系列指令操作。

服务器500还可以包括一个或一个以上电源526，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口558，一个或一个以上键盘556，和/或，一个或一个以上操作系统541，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种图像识别方法，其特征在于，该方法包括：

响应于拍摄装置的启动，检测所述拍摄装置在同一场景的停留时间是否超过预设时间阈值；如果是，触发所述拍摄装置拍摄所述场景的图像；

识别所述图像中包括的目标对象。

2.根据权利要求1所述的方法，其特征在于，所述识别所述图像中包括的目标对象，包括：

采用通用分类模型识别所述图像中包括的目标对象，得到所述目标对象的类别，所述通用分类模型用于对所述目标对象按照预先设置的类别进行识别。

3.根据权利要求2所述的方法，其特征在于，所述识别所述图像中包括的目标对象，还包括：

依据所述目标对象的类别判断是否存在与所述类别对应的、预先训练的专项识图模型，如果是，则采用所述专项识图模型对所述目标对象进行识别，得到所述目标对象的专项识别结果。

4.根据权利要求1所述的方法，其特征在于，还包括：

向用户语音播放所述目标对象的识别结果，或者，

将所述目标对象的识别结果采用文本提醒方式提醒用户。

5.根据权利要求1所述的方法，其特征在于，所述识别所述图像中包括的目标对象，包括：

对所述图像中包括的目标对象进行至少两轮识别，得到每轮的识别结果；

从所述每轮的识别结果中确定所述目标对象。

6.根据权利要求1所述的方法，其特征在于，还包括：

在所述目标对象包括至少两个对象的情况下，响应于从所述至少两个对象中选择待呈现对象的选择操作，显示所述待呈现对象的相关信息。

7.根据权利要求1所述的方法，其特征在于，还包括：

在所述目标对象包括至少两个对象的情况下，显示所述至少两个对象的简要相关信息；

响应于从所述至少两个对象中选择待展开对象的选择操作，显示所述待展开对象的详细相关信息。

8.一种图像识别装置，其特征在于，包括：

检测单元，用于响应于拍摄装置的启动，检测所述拍摄装置在同一场景的停留时间是否超过预设时间阈值；

触发单元，用于如果所述拍摄装置在同一场景的停留时间超过预设时间阈值，触发所述拍摄装置拍摄所述场景的图像；

识别单元，用于识别所述图像中包括的目标对象。

9.一种图像识别的设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1至7中任意一项所述图像识别的方法。

10.一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至7中任意一项所述图像识别的方法。