CN113033459A - 图像识别方法、装置、计算机设备及存储介质 - Google Patents
图像识别方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113033459A CN113033459A CN202110380851.3A CN202110380851A CN113033459A CN 113033459 A CN113033459 A CN 113033459A CN 202110380851 A CN202110380851 A CN 202110380851A CN 113033459 A CN113033459 A CN 113033459A
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- preset
- position information
- recognized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5862—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申请公开一种图像识别方法、装置、计算机设备及存储介质，涉及图像处理领域，用于提高图像识别的效率。该图像识别方法包括：获取待识别目标物的影像图片；根据预设的目标物选取图像，确定影像图片中待识别目标物的朝向信息；基于预设的纹理模型，提取影像图片中待识别目标物的纹理特征；根据朝向信息和纹理特征，确定待识别目标物的身份标识。本申请提供的图像识别方法更容易获取到待识别目标物的纹理特征例如奶牛身体上的花纹，因此，本申请提供的图像识别方法解决了现有技术中，图像识别费时费力、准确率较低的技术问题，提高了图像识别的效率。
Description
技术领域
本发明实施例涉及图像处理领域，尤其是一种图像识别方法、装置、计算机设备及存储介质。
背景技术
目前，畜牧业是人类获取食物的重要来源之一。在牲畜养殖过程中，牲畜的个体识别作为牲畜管理的基础，是一项不容忽视的任务。
现有的图像识别方法主要包括两种。第一种是人工识别法。但是，通过人工识别法识别每个牲畜费时费力，且受人为因素影响，准确率较低。第二种是图像识别法。图像识别法主要通过获取牲畜的脸部图像，并提取脸部图像中的脸部特征，以确定每个牲畜的身份标识。但是，由于环境因素或者牲畜数量因素的影响，拍摄装置无法精确的获取到每个牲畜的脸部图像，进而导致图像识别的效率较低。
发明内容
本发明实施例提供一种能够提高畜识别效率的图像识别方法、装置、计算机设备及存储介质。
为达到上述目的，本申请实施例采用如下技术方案：
第一方面，提供一种图像识别方法，包括：
获取待识别目标物的影像图片；
根据预设的目标物选取图像，确定影像图片中待识别目标物的朝向信息
基于预设的纹理模型，提取影像图片中待识别目标物的纹理特征；
根据朝向信息和纹理特征，确定待识别目标物的身份标识。
可选地，目标物图像包括第一目标图像和第二目标图像，第一目标图像的面积小于第二目标图像的面积，根据预设的目标物选取图像，确定影像图片中待识别目标物的朝向信息包括：
根据第一目标图像在影像图片中的坐标位置，生成第一位置信息；
根据第二目标图像在影像图片中的坐标位置，生成第二位置信息；
基于预设的朝向算法、第一位置信息和第二位置信息，生成朝向信息。
可选地，所述朝向算法为：
其中，P为朝向信息，a为左侧朝向，b为右侧朝向，abs为用于求绝对值的函数，X1为第一位置信息中的左上角坐标，X2为第一位置信息中的右下角坐标，Y1为第二位置信息中的左上角坐标，Y2为第二位置信息中的右下角坐标。
可选地，基于预设的朝向算法、第一位置信息和第二位置信息，生成朝向信息之前，包括：
基于预设的角度算法、第一位置信息和第二位置信息，生成表征待识别目标物拍摄角度的参数值；
将参数值与预设的参考阈值进行比对，当参数值小于预设的参考阈值时，确认计算朝向信息；
其中，角度算法的特征描述为：
其中，Q为参数值，X1为第一位置信息中的左上角坐标，X2为第一位置信息中的右下角坐标，Y1为第二位置信息中的左上角坐标，Y2为第二位置信息中的右下角坐标。
可选地，根据朝向信息和纹理特征，确定待识别目标物的身份标识包括：
根据纹理特征在预设的标识数据库中，查找与纹理特征相同的待选特征，其中，标识数据库中存储待选特征的朝向标签和身份标签；
在待选特征中筛选出朝向标签与朝向信息相同的目标特征；
根据目标特征的身份标签，确定待识别目标物的身份标识。
可选地，根据朝向信息和纹理特征，确定待识别目标物的身份标识之后，包括：
将影像图片输入至预设的多个哈希函数中，生成多个表征待识别目标物的身体姿态的哈希字符串；
将哈希字符串存储至预设的存储位图中，生成记录待识别目标物的姿态存储位图。
可选地，将哈希字符串存储至预设的存储位图中，生成记录待识别目标物的姿态存储位图之后，包括：
获取待识别目标物的姿态图像；
根据多个哈希函数对姿态图像进行哈希运算，生成检索字符串；
在姿态存储位图查找检索字符串相同的哈希字符串；
当姿态存储位图中未检索到与检索字符串相同的哈希字符串时，发送预设的预警指令。
第二方面，提供一种图像识别装置，该图像识别装置包括：
获取模块，用于获取待识别目标物的影像图片；
确定模块，用于根据预设的目标物选取图像，确定所述影像图片中所述待识别目标物的朝向信息；
提取模块，用于基于预设的纹理模型，提取所述影像图片中所述待识别目标物的纹理特征；
确定模块，还用于根据所述朝向信息和所述纹理特征，确定所述待识别目标物的身份标识。
可选地，目标物图像包括第一目标图像和第二目标图像，第一目标图像的面积小于第二目标图像的面积，确定模块，具体用于：
根据第一目标图像在影像图片中的坐标位置，生成第一位置信息；
根据第二目标图像在影像图片中的坐标位置，生成第二位置信息；
基于预设的朝向算法、第一位置信息和第二位置信息，生成朝向信息。
可选地，所述朝向算法为：
其中，P为朝向信息，a为左侧朝向，b为右侧朝向，abs为用于求绝对值的函数，X1为第一位置信息中的左上角坐标，X2为第一位置信息中的右下角坐标，Y1为第二位置信息中的左上角坐标，Y2为第二位置信息中的右下角坐标。
可选地，图像识别装置还包括：生成模块；
生成模块，用于基于预设的角度算法、第一位置信息和第二位置信息，生成表征待识别目标物拍摄角度的参数值；
确定模块，还用于将参数值与预设的参考阈值进行比对，当参数值小于预设的参考阈值时，确认计算朝向信息；
其中，角度算法的特征描述为：
其中，Q为参数值，X1为第一位置信息中的左上角坐标，X2为第一位置信息中的右下角坐标，Y1为第二位置信息中的左上角坐标，Y2为第二位置信息中的右下角坐标。
可选地，确定模块，具体用于：
根据纹理特征在预设的标识数据库中，查找与纹理特征相同的待选特征，其中，标识数据库中存储待选特征的朝向标签和身份标签；
在待选特征中筛选出朝向标签与朝向信息相同的目标特征；
根据目标特征的身份标签，确定待识别目标物的身份标识。
可选地，生成模块，还用于将影像图片输入至预设的多个哈希函数中，生成多个表征待识别目标物的身体姿态的哈希字符串；
生成模块，还用于将哈希字符串存储至预设的存储位图中，生成记录待识别目标物的姿态存储位图。
可选地，获取模块，还用于获取待识别目标物的姿态图像；
生成模块，还用于根据多个哈希函数对姿态图像进行哈希运算，生成检索字符串；
图像识别装置还包括：查找模块和发送模块；
查找模块，用于在姿态存储位图查找检索字符串相同的哈希字符串；
发送模块，用于当姿态存储位图中未检索到与检索字符串相同的哈希字符串时，发送预设的预警指令。
第三方面，为解决上述技术问题本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述所述图像识别方法的步骤。
该计算机设备可以是网络设备，也可以是网络设备中的一部分装置，例如网络设备中的芯片系统。该芯片系统用于支持网络设备实现第一方面及其任意一种可能的实现方式中所涉及的功能，例如，接收、确定、分流上述图像识别方法中所涉及的数据和/或信息。该芯片系统包括芯片，也可以包括其他分立器件或电路结构。
第四方面，为解决上述技术问题本发明实施例还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述图像识别方法的步骤。
第五方面，提供一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如第一方面及其任一种可能的设计方式所述的图像识别方法。
需要说明的是，上述计算机指令可以全部或者部分存储在第一计算机存储介质上。其中，第一计算机存储介质可以与图像识别装置的处理器封装在一起的，也可以与图像识别装置的处理器单独封装，本申请实施例对此不作限定。
本发明中第二方面、第三方面、第四方面以及第五方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面、第四方面以及第五方面的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
在本申请实施例中，上述图像识别装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本发明类似，属于本发明权利要求及其等同技术的范围之内。
本发明的这些方面或其他方面在以下的描述中会更加简明易懂。
本发明实施例的有益效果是：在获取到待识别目标物的影像图片后，由于待识别目标物不同的朝向对应不同的纹理特征，因此，根据预设的目标物选取图像，确定影像图片中待识别目标物的朝向信息，并基于预设的纹理模型，提取影像图片中待识别目标物的纹理特征。后续，根据朝向信息和纹理特征，确定待识别目标物的身份标识。这样一来，相比现有技术中需要获取到待识别目标物的脸部特征，本申请提供的图像识别方法更容易获取到待识别目标物的纹理特征(例如奶牛身体上的花纹)，因此，本申请提供的图像识别方法解决了现有技术中，图像识别费时费力、准确率较低的技术问题，提高了图像识别的效率。
附图说明
图1为本申请实施例提供的一种图像识别方法流程示意图；
图2为本申请实施例提供的又一种图像识别方法流程示意图；
图3为本申请实施例提供的一种待识别目标物的影像图片示意图；
图4为本申请实施例提供的又一种图像识别方法流程示意图；
图5为本申请实施例提供的又一种待识别目标物的影像图片示意图；
图6为本申请实施例提供的又一种图像识别方法流程示意图；
图7为本申请实施例提供的又一种图像识别方法流程示意图；
图8为本申请实施例提供的又一种图像识别方法流程示意图；
图9为本申请实施例提供的一种图像识别装置的结构示意图；
图10为本申请实施例提供的计算机设备的基本结构框图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
如背景技术所描述，现有的图像识别方法主要包括两种。第一种是人工识别法。但是，通过人工识别法识别每个牲畜费时费力，且受人为因素影响，准确率较低。第二种是图像识别法。图像识别法主要通过获取牲畜的脸部图像，并提取脸部图像中的脸部特征，以确定每个牲畜的身份标识。但是，由于环境因素或者牲畜数量因素的影响，拍摄装置无法精确的获取到每个牲畜的脸部图像，进而导致图像识别的效率较低。
针对上述问题，本申请实施例提供了一种图像识别方法，在获取到待识别目标物的影像图片后，由于待识别目标物不同的朝向对应不同的纹理特征，因此，根据预设的目标物选取图像，确定影像图片中待识别目标物的朝向信息，并基于预设的纹理模型，提取影像图片中待识别目标物的纹理特征。后续，根据朝向信息和纹理特征，确定待识别目标物的身份标识。这样一来，相比现有技术中需要获取到待识别目标物的脸部特征，本申请提供的图像识别方法更容易获取到待识别目标物的纹理特征(例如奶牛身体上的花纹)，因此，本申请提供的图像识别方法解决了现有技术中，图像识别费时费力、准确率较低的技术问题，提高了图像识别的效率。
上述图像识别方法可以应用于计算机设备。该计算机设备可以为用于识别图像的设备，也可以为该设备中的芯片，还可以为该设备中的片上系统。
可选的，该设备可以是物理机，例如：台式电脑，又称台式机或桌面机(desktopcomputer)、手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、上网本、个人数字助理(personal digital assistant，PDA)等终端设备。
可选的，上述计算机设备也可以通过部署在物理机上的虚拟机(virtualmachine，VM)，实现上述计算机设备所要实现的功能。
可选的，上述牲畜可以是奶牛，也可以是其他身体上带有纹理的牲畜，本申请对此不作限定。
下面结合附图对本申请实施例提供的图像识别方法进行详细介绍。如图1所示，图像识别方法包括：S101-S104。
S101、获取待识别目标物的影像图片。
可选的，目标物可以是具有纹理的牲畜，例如奶牛等。
具体的，在识别目标物时，计算机设备首先要获取到待识别目标物的影像图片。
可选的，计算机设备可以连接摄像头，并控制摄像头拍摄目标物所在位置(例如奶牛所在的养殖场)中的目标物，以获取到待识别目标物的影像图片。
可选的，工作人员还可以通过照相机或者带有拍摄功能的终端，到目标物所在位置拍摄待识别目标物。然后连接计算机设备，向计算机设备发送待识别目标物的影像图片。
S102、根据预设的目标物选取图像，确定所述影像图片中所述待识别目标物的朝向信息。
具体的，在获取到待识别目标物的影像图片后，由于待识别目标物不同的朝向对应不同的纹理特征，因此，计算机设备根据预设的目标物选取图像，确定影像图片中待识别目标物的朝向信息。
示例性的，当目标物为具有纹理的牲畜时，预设目标物选区图像可以为待识别牲畜的头部图像、尾部图像或者其他可以用于标识待识别牲畜的朝向的部位的图像。
可选的，计算机设备还可以通过显示屏显示待识别目标物的影像图片，然后通过人工的方式，确定待识别目标物的朝向。
S103、基于预设的纹理模型，提取所述影像图片中所述待识别目标物的纹理特征。
具体的，在获取到待识别目标物的影像图片后，计算机设备基于预设的纹理模型，提取影像图片中待识别目标物的纹理特征。
上述预设的纹理模型可以是深度学习算法，也可以是SURF(Speeded-Up RobustFeatures)算法，还可以是其他用于提取影像图片中待识别目标物的纹理特征的算法，本申请实施例对此不作限定。
需要说明的是，计算机设备可以先执行S102，后执行S103；也可以先执行S103，后执行S102；还可以同时执行S102和S103，本申请实施例对此不作限定。
S104、根据所述朝向信息和所述纹理特征，确定所述待识别目标物的身份标识。
具体的，在确定影像图片中待识别目标物的朝向信息，以及提取影像图片中待识别目标物的纹理特征后，计算机设备根据朝向信息和纹理特征，确定待识别目标物的身份标识。
可选的，计算机设备可以从预先建立好的标识数据库中，读取映射关系(包括朝向信息、纹理特征和身份标识三者之间的对应关系)，以确定所述待识别目标物的身份标识。
可选的，计算机设备还可以通过显示屏显示待识别目标物的朝向信息和纹理特征，然后通过人工的方式，确定待识别目标物的身份标识。
可选的，目标物选取图像包括第一目标图像和第二目标图像，第一目标图像的面积小于第二目标图像的面积。在这种情况下，上述S102中，计算机设备根据预设的目标物选取图像，确定影像图片中待识别目标物的朝向信息的具体方法包括：S201-S203。
S201、根据所述第一目标图像在影像图片中的坐标位置，生成第一位置信息。
具体的，计算机设备生成第一位置信息时，可以在待识别目标物的影像图片上建立坐标系。在这种情况下，计算机设备根据第一目标图像在影像图片中的坐标位置，生成第一位置信息。
示例性的，当目标物为具有纹理的牲畜时，第一目标图像可以是目标物的头部图像，也可以是目标物头部中的某个部位的图像，还可以是能区分目标物的朝向其他部位的图像，本申请对此不作限定。
S202、根据所述第二目标图像在影像图片中的坐标位置，生成第二位置信息。
计算机设备根据第二目标图像在影像图片中的坐标位置，生成第二位置信息时，可以参考计算机设备根据第一目标图像在影像图片中的坐标位置，生成第一位置信息的方法，本申请在此不再赘述。
示例性的，当目标物为具有纹理的牲畜时，第二目标图像可以是目标物的整个身体的图像，也可以是面积大于第一目标图像的其他部位的图像，本申请对此不作限定。
需要说明的是，计算机设备可以先执行S201，后执行S202；也可以先执行S202，后执行S201；还可以同时执行S201和S202，本申请实施例对此不作限定。
S203、基于预设的朝向算法、所述第一位置信息和所述第二位置信息，生成所述朝向信息。
具体的，在生成第一位置信息和第二位置信息后，计算机设备基于预设的朝向算法、第一位置信息和第二位置信息，生成朝向信息。
可选的，计算机设备在根据第一目标图像在影像图片中的坐标位置，生成第一位置信息时，可以用第一长方形的框，选中第一目标图像，并将该长方形的框中，每个点的位置信息确定为第一位置信息。在这种情况下，第一位置信息包括长方形的框中的左上角坐标X1和右下角坐标X2。相应的，第二位置信息包括第二长方形的框中的左上角坐标Y1和第二右下角坐标Y2。
示例性的，以目标物为奶牛为例。如图3所示，在待识别奶牛的图像中，第一目标图像为奶牛的头部图像，第二位置信息为奶牛的整个身体的图像。因此，第一位置信息301包括左上角坐标X1和右下角坐标X2。相应的，第二位置信息包括第二长方形的框中的左上角坐标Y1和第二右下角坐标Y2。
进一步可选的，所述朝向算法为：
其中，P为朝向信息，a为左侧朝向，b为右侧朝向，abs为用于求绝对值的函数，X1为第一位置信息中的左上角坐标，X2为第一位置信息中的右下角坐标，Y1为第二位置信息中的左上角坐标，Y2为第二位置信息中的右下角坐标。
由上可知，若第一位置信息和第二位置信息满足第一预设公式，则确定待识别目标物的朝向信息为左侧朝向；第一预设公式为：
若第一位置信息和第二位置信息满足第二预设公式，则确定待识别目标物的朝向信息为右侧朝向；第二预设公式为：
可选的，在上述S203之前，该畜牧识别方法还包括：S401-S402。
S401、基于预设的角度算法、所述第一位置信息和所述第二位置信息，生成表征待识别目标物拍摄角度的参数值。
具体的，由于环境因素或者目标物数量因素的影响，计算机设备获取到的待识别目标物的影像图片的角度可能不符合预设要求。在这种情况下，计算机设备基于预设的角度算法、第一位置信息和第二位置信息，生成表征待识别目标物拍摄角度的参数值。
可选的，角度算法的特征描述为：
其中，Q为参数值，X1为第一位置信息中的左上角坐标，X2为第一位置信息中的右下角坐标，Y1为第二位置信息中的左上角坐标，Y2为第二位置信息中的右下角坐标。
示例性的，以目标物为牛为例。为了尽可能多的拍摄到牛只花纹，就需要定义牛只的拍摄角度。以牛只脊背为基准线，牛只脊背的中心点为基准点，定义通过基准点并且垂直于基准线的方向为最佳拍摄方向，定义最佳拍摄方向左右偏差45度角度范围为最佳拍摄角度。
S402、将所述参数值与预设的参考阈值进行比对，当所述参数值小于预设的参考阈值时，确认计算所述朝向信息。
具体的，在生成表征待识别目标物拍摄角度的参数值后，计算机设备将参数值与预设的参考阈值进行比对，当参数值小于预设的参考阈值时，说明该影像图片符合预设要求。在这种情况下，计算机设备确认计算朝向信息。
相应的，当参数值不小于预设的参考阈值时，说明该影像图片不符合预设要求。在这种情况下，计算机设备删除不合格的影像图片。
示例性的，预设的参考阈值为1/2.5。当Q＜1/2.5时，说明该影像图片符合预设要求。在这种情况下，计算机设备确认计算朝向信息。相应的，当Q≥1/2.5时，说明该影像图片不符合预设要求。在这种情况下，计算机设备删除不合格的影像图片。
可选的，上述S104中，计算机设备根据朝向信息和纹理特征，确定待识别目标物的身份标识的方法具体包括：S601-S603。
S601、根据所述纹理特征在预设的标识数据库中，查找与所述纹理特征相同的待选特征。
其中，标识数据库中存储待选特征的朝向标签和身份标签。
示例性的，以目标物为牲畜为例。在牲畜首次到达养殖场时，工作人员需要为牲畜添加身份标签，并获取每个牲畜的图像。在获取到每个待识别牲畜的影像图片后，计算机设备获取每个待识别牲畜的朝向标签和待选特征。在获取到每个待识别牲畜的影像图片，以及每个待识别牲畜的朝向标签、待选特征和身份标签后，计算机设备根据每个待识别牲畜的朝向标签、待选特征和身份标签，建立标识数据库。其中，标识数据库包括映射关系。映射关系包括朝向标签、待选特征和身份标签三者之间的对应关系。
示例性的，标识数据库如表1所示。
表1
| 身份标签 | 朝向标签 | 待选特征 |
| 0001 | 左侧朝向 | 特征A |
| 0001 | 右侧朝向 | 特征B |
| 0002 | 左侧朝向 | 特征C |
| 0002 | 右侧朝向 | 特征A |
| … | … | … |
S602、在所述待选特征中筛选出所述朝向标签与所述朝向信息相同的目标特征。
在根据纹理特征在预设的标识数据库中，查找与纹理特征相同的待选特征后，计算机设备在待选特征中筛选出朝向标签与朝向信息相同的目标特征。
示例性的，计算机设备获取到的纹理特征为特征A，朝向标签为左侧朝向。在这种情况下，结合表1可知，计算机设备查找与特征A相同的待选特征包括：左侧朝向的特征A和右侧朝向的特征A。由于计算机设备获取到的朝向标签为左侧朝向，因此，计算机设备筛选出左侧朝向的特征A为目标特征。
S603、根据所述目标特征的身份标签，确定所述待识别目标物的身份标识。
具体的，在待选特征中筛选出朝向标签与朝向信息相同的目标特征后，计算机设备根据目标特征的身份标签，确定待识别目标物的身份标识。
结合上述示例，计算机设备筛选出左侧朝向的特征A为目标特征后，结合表1可知，左侧朝向的特征A对应的待识别目标物的身份标签为0001。在这种情况下，计算机设备将身份标签为0001的待识别目标物，确定为待识别目标物的身份标识。
上述S603之后，该畜牧识别方法还包括：S701-S702。
S701、将所述影像图片输入至预设的多个哈希函数中，生成多个表征所述待识别目标物的身体姿态的哈希字符串。
具体的，哈希函数，又叫散列函数、散列算法，是一种从任何一种数据中创建小的数字“指纹”(也叫做摘要)的方法。由于哈希函数只是一个接受输入值的函数，由此输入创建了一个输入值的确定值。对于任何x输入值，每当运行散列函数时，都会收到相同的y输出值。这样，每个输入都有一个确定的输出。
哈希字符串是指：将一个字符串转化成一个整数，并保证字符串不同，得到的哈希值不同，这样就可以用来判断一个该字串是否重复出现过。
具体的，在根据目标特征的身份标签，确定待识别目标物的身份标识后，计算机设备将影像图片输入至预设的多个哈希函数中，生成多个表征待识别目标物的身体姿态的哈希字符串。
S702、将所述哈希字符串存储至预设的存储位图中，生成记录所述待识别目标物的姿态存储位图。
在将影像图片输入至预设的多个哈希函数中，生成多个表征待识别目标物的身体姿态的哈希字符串后，计算机设备将哈希字符串存储至预设的存储位图中，生成记录待识别目标物的姿态存储位图。
由于哈希存储可以提供快速的插入操作和查找操作，因此，将影像图片输入至预设的多个哈希函数中，生成多个表征待识别目标物的身体姿态的哈希字符串，并将哈希字符串存储至预设的存储位图中，生成记录待识别目标物的姿态存储位图，可以提高计算机识别畜牧的效率。
可选的，将哈希字符串存储至预设的存储位图中，生成记录待识别目标物的姿态存储位图后，为了避免计算机设备获取到的待识别目标物的姿态图像时发生异常，因此，计算机设备根据哈希算法，确定获取到的待识别目标物的姿态图像是否异常。上述S702之后，该畜牧识别方法还包括：S801-S804。
S801、获取所述待识别目标物的姿态图像。
S802、根据所述多个哈希函数对姿态图像进行哈希运算，生成检索字符串。
具体的，在获取待识别目标物的姿态图像后，计算机设备根据多个哈希函数对姿态图像进行哈希运算，生成检索字符串。
S803、在所述姿态存储位图查找所述检索字符串相同的哈希字符串。
具体的，在根据多个哈希函数对姿态图像进行哈希运算，生成检索字符串后，计算机设备在姿态存储位图查找检索字符串相同的哈希字符串。
S804、当所述姿态存储位图中未检索到与所述检索字符串相同的哈希字符串时，发送预设的预警指令。
具体的，在姿态存储位图查找检索字符串相同的哈希字符串后，当姿态存储位图中未检索到与检索字符串相同的哈希字符串时，计算机设备发送预设的预警指令。这样一来，相关人员可以快速发现姿态存储位图中的异常现象，及时处理。
本申请实施例提供一种图像识别方法，在获取到待识别目标物的影像图片后，由于待识别目标物不同的朝向对应不同的纹理特征，因此，根据预设的目标物选取图像，确定影像图片中待识别目标物的朝向信息，并基于预设的纹理模型，提取影像图片中待识别目标物的纹理特征。后续，根据朝向信息和纹理特征，确定待识别目标物的身份标识。这样一来，相比现有技术中需要获取到待识别目标物的脸部特征，本申请提供的图像识别方法更容易获取到待识别目标物的纹理特征(例如奶牛身体上的花纹)，因此，本申请提供的图像识别方法解决了现有技术中，图像识别费时费力、准确率较低的技术问题，提高了图像识别的效率。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
本申请实施例可以根据上述方法示例对图像识别装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。可选的，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
具体请参阅图9，图9为本实施例图像识别装置基本结构示意图。
如图9所示，一种图像识别装置，包括：
获取模块901，用于获取待识别目标物的影像图片；
确定模块902，用于根据预设的目标物选取图像，确定影像图片中待识别目标物的朝向信息，其中，目标物图像为待识别目标物的选区图像；
提取模块903，用于基于预设的纹理模型，提取影像图片中待识别目标物的纹理特征；
确定模块902，还用于根据朝向信息和纹理特征，确定待识别目标物的身份标识。
可选地，目标物图像包括第一目标图像和第二目标图像，第一目标图像的面积小于第二目标图像的面积，确定模块902，具体用于：
根据第一目标图像在影像图片中的坐标位置，生成第一位置信息；
根据第二目标图像在影像图片中的坐标位置，生成第二位置信息；
基于预设的朝向算法、第一位置信息和第二位置信息，生成朝向信息。
可选地，所述朝向算法为：
其中，P为朝向信息，a为左侧朝向，b为右侧朝向，abs为用于求绝对值的函数，X1为第一位置信息中的左上角坐标，X2为第一位置信息中的右下角坐标，Y1为第二位置信息中的左上角坐标，Y2为第二位置信息中的右下角坐标。
可选地，图像识别装置还包括：生成模块904；
生成模块904，用于基于预设的角度算法、第一位置信息和第二位置信息，生成表征待识别目标物拍摄角度的参数值；
确定模块902，还用于将参数值与预设的参考阈值进行比对，当参数值小于预设的参考阈值时，确认计算朝向信息；
其中，角度算法的特征描述为：
其中，Q为参数值，X1为第一位置信息中的左上角坐标，X2为第一位置信息中的右下角坐标，Y1为第二位置信息中的左上角坐标，Y2为第二位置信息中的右下角坐标。
可选地，确定模块902，具体用于：
根据纹理特征在预设的标识数据库中，查找与纹理特征相同的待选特征，其中，标识数据库中存储待选特征的朝向标签和身份标签；
在待选特征中筛选出朝向标签与朝向信息相同的目标特征；
根据目标特征的身份标签，确定待识别目标物的身份标识。
可选地，生成模块904，还用于将影像图片输入至预设的多个哈希函数中，生成多个表征待识别目标物的身体姿态的哈希字符串；
生成模块904，还用于将哈希字符串存储至预设的存储位图中，生成记录待识别目标物的姿态存储位图。
可选地，获取模块901，还用于获取待识别目标物的姿态图像；
生成模块904，还用于根据多个哈希函数对姿态图像进行哈希运算，生成检索字符串；
图像识别装置还包括：查找模块905和发送模块906；
查找模块905，用于在姿态存储位图查找检索字符串相同的哈希字符串；
发送模块906，用于当姿态存储位图中未检索到与检索字符串相同的哈希字符串时，发送预设的预警指令。
为解决上述技术问题，本发明实施例还提供计算机设备。具体请参阅图10，图10为本实施例计算机设备基本结构框图。
如图10所示，计算机设备的内部结构示意图。该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中，该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种图像识别方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种图像识别方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本实施方式中处理器用于执行图9中获取模块901、确定模块902、提取模块903、生成模块904、查找模块905和发送模块906的具体功能，存储器存储有执行上述模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有人脸图像关键点检测装置中执行所有子模块所需的程序代码及数据，服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
计算机设备通过神经网络模型提取目标图像中的文字区域图像，再使用文字区域图像的方法，将文字图像从文字区域图像中聚类分割出来。由于，无需对文字直接进行提取，只需要识别目标图像中文字所在的区域，因此，降低了模型训练和分类的难度，进而降低模型训练和部署成本和环境要求。而使用聚类的方式对文字区域图像中的文字图像进行提取，无需对聚类模型进行训练，就能够将文字图像和背景图像分割开来，在提高文字图像提取准确率的情况下，进一步的降低文字提取的研发成本和对部署环境的要求，实现文字提取的轻量化部署，提高了文字提取技术的适应性。
本发明还提供一种存储有计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例图像识别方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
本发明还提供一种存储有计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例图像识别方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
本技术领域技术人员可以理解，本申请中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地，具有本申请中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地，现有技术中的具有与本申请中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种图像识别方法，其特征在于，包括：
获取待识别目标物的影像图片；
根据预设的目标物选取图像，确定所述影像图片中所述待识别目标物的朝向信息；
基于预设的纹理模型，提取所述影像图片中所述待识别目标物的纹理特征；
根据所述朝向信息和所述纹理特征，确定所述待识别目标物的身份标识。
2.根据权利要求1所述的图像识别方法，其特征在于，所述目标物图像包括第一目标图像和第二目标图像，所述第一目标图像的面积小于所述第二目标图像的面积，所述根据预设的目标物选取图像，确定所述影像图片中所述待识别目标物的朝向信息包括：
根据所述第一目标图像在所述影像图片中的坐标位置，生成第一位置信息；
根据所述第二目标图像在所述影像图片中的坐标位置，生成第二位置信息；
基于预设的朝向算法、所述第一位置信息和所述第二位置信息，生成所述朝向信息。
3.根据权利要求2所述的图像识别方法，其特征在于，所述朝向算法为：
其中，P为所述朝向信息，a为左侧朝向，b为右侧朝向，abs为用于求绝对值的函数，X1为所述第一位置信息中的左上角坐标，X2为所述第一位置信息中的右下角坐标，Y1为所述第二位置信息中的左上角坐标，Y2为所述第二位置信息中的右下角坐标。
4.根据权利要求2所述的图像识别方法，其特征在于，所述基于预设的朝向算法、所述第一位置信息和所述第二位置信息，生成所述朝向信息之前，包括：
基于预设的角度算法、所述第一位置信息和所述第二位置信息，生成表征所述待识别目标物拍摄角度的参数值；
将所述参数值与预设的参考阈值进行比对，当所述参数值小于所述预设的参考阈值时，确认计算所述朝向信息；
其中，所述角度算法的特征描述为：
其中，Q为所述参数值，X1为所述第一位置信息中的左上角坐标，X2为所述第一位置信息中的右下角坐标，Y1为所述第二位置信息中的左上角坐标，Y2为所述第二位置信息中的右下角坐标。
5.根据权利要求1所述的图像识别方法，其特征在于，所述根据所述朝向信息和所述纹理特征，确定所述待识别目标物的身份标识包括：
根据所述纹理特征在预设的标识数据库中，查找与所述纹理特征相同的待选特征，其中，所述标识数据库中存储所述待选特征的朝向标签和身份标签；
在所述待选特征中筛选出朝向标签与所述朝向信息相同的目标特征；
根据所述目标特征的身份标签，确定所述待识别目标物的身份标识。
6.根据权利要求1所述的图像识别方法，其特征在于，所述根据所述朝向信息和所述纹理特征，确定所述待识别目标物的身份标识之后，包括：
将所述影像图片输入至预设的多个哈希函数中，生成多个表征所述待识别目标物的身体姿态的哈希字符串；
将所述哈希字符串存储至预设的存储位图中，生成记录所述待识别目标物的姿态存储位图。
7.根据权利要求6所述的图像识别方法，其特征在于，所述将所述哈希字符串存储至预设的存储位图中，生成记录所述待识别目标物的姿态存储位图之后，包括：
获取所述待识别目标物的姿态图像；
根据所述多个哈希函数对所述姿态图像进行哈希运算，生成检索字符串；
在所述姿态存储位图查找所述检索字符串相同的哈希字符串；
当所述姿态存储位图中未检索到与所述检索字符串相同的哈希字符串时，发送预设的预警指令。
8.一种图像识别装置，其特征在于，包括：
获取模块，用于获取待识别目标物的影像图片；
确定模块，用于根据预设的目标物选取图像，确定所述影像图片中所述待识别目标物的朝向信息，其中，所述目标物图像为所述待识别目标物的选区图像；
提取模块，用于基于预设的纹理模型，提取所述影像图片中所述待识别目标物的纹理特征；
确定模块，还用于根据所述朝向信息和所述纹理特征，确定所述待识别目标物的身份标识。
9.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述图像识别方法的步骤。
10.一种非易失性存储介质，其特征在于，其存储有依据权利要求1至7中任意一项所述的图像识别方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行该方法所包括的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110380851.3A CN113033459A (zh) | 2021-04-09 | 2021-04-09 | 图像识别方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110380851.3A CN113033459A (zh) | 2021-04-09 | 2021-04-09 | 图像识别方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113033459A true CN113033459A (zh) | 2021-06-25 |
Family
ID=76456059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110380851.3A Pending CN113033459A (zh) | 2021-04-09 | 2021-04-09 | 图像识别方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113033459A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117575878A (zh) * | 2023-11-16 | 2024-02-20 | 杭州众诚咨询监理有限公司 | 交通设施资产数据智能管理方法、装置、电子设备和介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101593352A (zh) * | 2009-06-12 | 2009-12-02 | 浙江大学 | 基于面部朝向和视觉焦点的驾驶安全监测系统 |
| CN104599287A (zh) * | 2013-11-01 | 2015-05-06 | 株式会社理光 | 对象跟踪方法和装置、对象识别方法和装置 |
| CN107315984A (zh) * | 2016-04-26 | 2017-11-03 | 杭州华为企业通信技术有限公司 | 一种行人检索的方法及装置 |
| CN108596135A (zh) * | 2018-04-26 | 2018-09-28 | 上海诚数信息科技有限公司 | 身份识别方法及系统 |
| WO2021043073A1 (zh) * | 2019-09-03 | 2021-03-11 | 平安科技（深圳）有限公司 | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 |
-
2021
- 2021-04-09 CN CN202110380851.3A patent/CN113033459A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101593352A (zh) * | 2009-06-12 | 2009-12-02 | 浙江大学 | 基于面部朝向和视觉焦点的驾驶安全监测系统 |
| CN104599287A (zh) * | 2013-11-01 | 2015-05-06 | 株式会社理光 | 对象跟踪方法和装置、对象识别方法和装置 |
| CN107315984A (zh) * | 2016-04-26 | 2017-11-03 | 杭州华为企业通信技术有限公司 | 一种行人检索的方法及装置 |
| CN108596135A (zh) * | 2018-04-26 | 2018-09-28 | 上海诚数信息科技有限公司 | 身份识别方法及系统 |
| WO2021043073A1 (zh) * | 2019-09-03 | 2021-03-11 | 平安科技（深圳）有限公司 | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117575878A (zh) * | 2023-11-16 | 2024-02-20 | 杭州众诚咨询监理有限公司 | 交通设施资产数据智能管理方法、装置、电子设备和介质 |
| CN117575878B (zh) * | 2023-11-16 | 2024-04-26 | 杭州众诚咨询监理有限公司 | 交通设施资产数据智能管理方法、装置、电子设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10936911B2 (en) | Logo detection | |
| US10410353B2 (en) | Multi-label semantic boundary detection system | |
| Moreira et al. | Image provenance analysis at scale | |
| CN107633204A (zh) | 人脸遮挡检测方法、装置及存储介质 | |
| WO2019033571A1 (zh) | 面部特征点检测方法、装置及存储介质 | |
| US10373014B2 (en) | Object detection method and image search system | |
| CN109285105A (zh) | 水印检测方法、装置、计算机设备和存储介质 | |
| Lepsøy et al. | Statistical modelling of outliers for fast visual search | |
| CN110705489B (zh) | 目标识别网络的训练方法、装置、计算机设备和存储介质 | |
| WO2019033570A1 (zh) | 嘴唇动作分析方法、装置及存储介质 | |
| WO2024060684A1 (zh) | 模型训练方法、图像处理方法、设备及存储介质 | |
| JP2013206458A (ja) | 画像における外観及びコンテキストに基づく物体分類 | |
| Del Pero et al. | Behavior discovery and alignment of articulated object classes from unstructured video | |
| CN115115825B (zh) | 图像中的对象检测方法、装置、计算机设备和存储介质 | |
| CN115862113A (zh) | 陌生人异常识别方法、装置、设备及存储介质 | |
| CN110765917A (zh) | 适用于人脸识别模型训练的主动学习方法、装置、终端、介质 | |
| CN113033459A (zh) | 图像识别方法、装置、计算机设备及存储介质 | |
| CN105190689A (zh) | 包括基于毗连特征的对象检测和/或双边对称对象分段的图像处理 | |
| CN107368830A (zh) | 文本检测方法和装置以及文本识别系统 | |
| Drbohlav et al. | Towards correct and informative evaluation methodology for texture classification under varying viewpoint and illumination | |
| Li et al. | Contour extraction of drosophila embryos | |
| Mansourian et al. | Evaluating classification strategies in bag of sift feature method for animal recognition | |
| CN115457308B (zh) | 细粒度图像识别方法、装置和计算机设备 | |
| US9619521B1 (en) | Classification using concept ranking according to negative exemplars | |
| CN113065010B (zh) | 标牌图像管理方法、装置、计算机设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |