CN115588115A

CN115588115A - 一种识别商标图片的方法及装置

Info

Publication number: CN115588115A
Application number: CN202211184828.8A
Authority: CN
Inventors: 杨泽; 田征; 史乐
Original assignee: Beijing Yulore Innovation Technology Co ltd
Current assignee: Beijing Yulore Innovation Technology Co ltd
Priority date: 2022-09-27
Filing date: 2022-09-27
Publication date: 2023-01-10

Abstract

本发明是关于识别商标图片的方法及装置。该方法包括：将待识别图片转化为HSV格式的图片；根据所述图片的颜色信息，对所述图片进行多个维度的分析，分别获取各个维度的分析值，其中，所述颜色信息包括：色调、饱和度、明度；多个维度包括：背景类型、暗部、高光和色彩；综合处理各个维度的分析值，获取所述图片的评价值；根据所述评价值和预设标准确定所述图片是否是商标图片。

Description

一种识别商标图片的方法及装置

技术领域

本发明涉及数字图像领域，尤其涉及识别商标图片的方法及装置。

背景技术

在信息对外展示时，商标可以增强企业的辨识度，便于用户记忆和识别。现有的AI识别技术可以识别图片，但是需要大量标本数据，可以由机器在互联网批量采集图片补充商标数据，这样会额外采集到大量无用的非商标类图片且数据量庞大，如果利用人工进行筛查判断，会消耗大量时间成本和人力成本。并且，无法真正找到全部的商标数据作为样本。

发明内容

为克服相关技术中存在的问题，本发明实施例提供一种识别商标图片的方法及装置。技术方案如下：

根据本发明的实施例的第一方面，提供一种识别商标图片的方法，包括：

将待识别图片转化为HSV格式的图片；

根据所述图片的颜色信息，对所述图片进行多个维度的分析，分别获取各个维度的分析值，其中，所述颜色信息包括：色调、饱和度、明度；多个维度包括：背景类型、暗部、高光和色彩；

综合处理各个维度的分析值，获取所述图片的评价值；

根据所述评价值和预设标准确定所述图片是否是商标图片。

可选的，获取背景类型维度的分析值，包括：

将所述图片以n*n的大小进行划分获取多个子区域；

计算相邻子区域之间的颜色差值；

根据相邻子区域的之间的颜色差值，确定背景类型维度的分析值。

可选的，获取暗部维度的分析值，包括：

根据预设的饱和度第一范围、明度第一范围，计算所述图片的暗部区域数量、暗部百分比、暗部颜色数量；

根据所述暗部区域数量、暗部百分比、暗部颜色数量，确定暗部维度的分析值。

可选的，获取高光维度的分析值，包括：

根据预设的饱和度第二范围、明度第二范围，计算所述图片的高光区域数量、高光百分比、高光颜色数量；

根据所述高光区域数量、高光百分比、高光颜色数量，确定高光维度的分析值。

可选的，获取色彩维度的分析值，包括：

根据预设的饱和度第三范围、明度第三范围，计算所述图片的暗部和高光之外的颜色数量；

根据所述颜色数量，确定色彩维度的分析值。

可选的，所述综合处理各个维度的分析值，获取所述待识别图片的评价值，包括：根据以下公式计算所述待识别图片的评价值：

(Score2+Score3+200)*Score1+Score4

其中，Score1为背景维度的分析值，Score2为暗部维度的分析值，Score3为高光维度的分析值，Score4为色彩维度的分析值。

根据本发明的实施例的第二方面，提供一种识别商标图片的装置，包括：

转换模块，用于将待识别图片转化为HSV格式的图片；

分析模块，用于根据所述图片的颜色信息，对所述图片进行多个维度的分析，分别获取各个维度的分析值，其中，所述颜色信息包括：色调、饱和度、明度；多个维度包括：背景类型、暗部、高光和色彩；

处理模块，用于综合处理各个维度的分析值，获取所述图片的评价值；

确定模块，用于根据所述评价值和预设标准确定所述图片是否是商标图片。

可选的，所述分析模块包括：

第一分析子模块，用于获取背景类型维度的分析值，包括：将所述图片以n*n的大小进行划分获取多个子区域；计算相邻子区域之间的颜色差值；根据相邻子区域的之间的颜色差值，确定背景类型维度的分析值。

可选的，所述分析模块包括：

第二分析子模块，用于获取暗部维度的分析值，包括：根据预设的饱和度第一范围、明度第一范围，计算所述图片的暗部区域数量、暗部百分比、暗部颜色数量；根据所述暗部区域数量、暗部百分比、暗部颜色数量，确定暗部维度的分析值。

可选的，所述分析模块包括：

第三分析子模块，用于获取高光维度的分析值，包括：根据预设的饱和度第二范围、明度第二范围，计算所述图片的高光区域数量、高光百分比、高光颜色数量；根据所述高光区域数量、高光百分比、高光颜色数量，确定高光维度的分析值。

可选的，所述分析模块包括：

第四分析子模块，用于根据预设的饱和度第三范围、明度第三范围，计算所述图片的暗部和高光之外的颜色数量；根据所述颜色数量，确定色彩维度的分析值。

可选的，所述综合处理模块用于：

根据以下公式计算所述待识别图片的评价值：

(Score2+Score3+200)*Score1+Score4

根据本发明的实施例的第三方面，提供一种识别商标图片的装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

将待识别图片转化为HSV格式的图片；

综合处理各个维度的分析值，获取所述图片的评价值；

根据所述评价值和预设标准确定所述图片是否是商标图片。

根据本发明的实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现本发明的实施例的第一方面中任一项方法的步骤。

本发明的实施例提供的技术方案，采用无监督形式的算法，对图片进行分析计算，从而识别图片类型，识别速度快，准确率较高，可以节约大量人工成本及时间成本。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的识别商标图片的方法的流程图；

图2是根据一示例性实施例示出的识别商标图片的方法的流程图；

图3是根据一示例性实施例示出的商标图片经过HSV颜色划分的可视化图片示意图；

图4是根据一示例性实施例示出的非商标图片经过HSV颜色划分的可视化图片示意图；

图5是根据一示例性实施例示出的识别商标图片的装置的框图；

图6是根据一示例性实施例示出的识别商标图片的装置的框图；

图7是根据一示例性实施例示出的识别商标图片的装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

商标是用以识别和区分商品或者服务来源的标志。目前，AI识别技术可以识别图片，但是需要大量标本数据，由机器在互联网采集图片会导致采集到大量无用的非商标图片，需要人工对图片进行筛选、判断，这会消耗大量时间，增加人力成本。

本发明的实施例提供了一种识别商标图片的方法，该方法可以应用于电脑、手机等终端，用于识别图片是否为商标图片。如图1所示，该方法包括如下步骤101至步骤104：

在步骤101中，将待识别图片转化为HSV格式的图片。

HSV格式的图片是指HSV颜色模型下的图片。在HSV色彩空间中H，S，V这三个通道分别代表着色调(Hue)、饱和度(Saturation)和明度(Value)。HSV颜色空间可以很好地把颜色信息和亮度信息分开，将它们放在不同的通道中，可以减小光线对于特定颜色识别的影响。

在步骤102中，根据所述图片的颜色信息对所述图片进行多个维度的分析，所述颜色信息包括：色调、饱和度、明度；多个维度包括：背景类型、暗部、高光和色彩。

HSV格式的图片的每个像素都包括以下颜色信息：色调、饱和度和明度。根据这些颜色信息，分别对图片的背景类型、暗部、高光和色彩进行分析。下文中将举例说明如何利用颜色信息分析图片的背景类型、暗部、高光和色彩。

在步骤103中，综合处理各个维度的分析值，获取所述图片的评价值。

在步骤104中，根据所述评价值和预设标准确定所述图片是否是商标图片。

本申请通过提出图片处理算法，可以准确地识别出商标图片，程序识别速度快，准确率较高，从而可以减少人工干预，节约大量人工成本及时间成本。

在本申请一个实施例中，获取背景类型维度的分析值，可以包括步骤A1至步骤A3：

步骤A1，将所述图片以n*n的大小进行划分获取多个子区域。

其中，n为大于或等于1的整数。例如，将HSV格式的图片从左至右，以3*3大小进行划分，图片由此被分为多个子区域，每个子区域中包括9个像素点。在本申请的其它实施例中，也可以以其它大小对图片进行划分。划分区域的大小需要考虑在准确度和速度两方面取得平衡，划分区域越大，越不准确，划分区域小，虽然会更准确，但是速度会变慢。

步骤A2，计算相邻子区域之间的颜色差值。

首先，先计算每个子区域的颜色值。在一实施例中，对于每个子区域，可以分别提取子区域中的9个像素点的颜色信息，然后计算9个像素点的平均值。例如，步骤A1划分得到了n个子区域，计算得到了n个子区域的颜色值，n个子区域的颜色值可以按照从上到下、从左到右的顺序排列成一个数组。

接着，将n2颜色-n1颜色得到n1子区域和n2子区域之间的颜色差值，以此类推计算n3-n2、n4-n3颜色差值。

在本申请一实施例中，可以提取子区域中的9个像素点的RGB颜色作为颜色信息。RGB是红、黄、蓝三原色，对渐变色判断更准确些，避免HSV格式中仅仅只能根据色调(H)变化来确定颜色信息，而同一色调的明暗度、饱和度改变则无法识别为不同的颜色。

步骤A3，根据相邻子区域的之间的颜色差值，确定背景类型维度的分析值。

在该步骤中，先将得到的颜色差值进行方差计算得到方差值。方差等于各个数据与其算术平均数的离差平方和的平均数。方差可以体现出背景的变化。方差的数值范围可以与背景类型形成对应关系，例如如下表一所示：

数值范围	背景类型
		0-0.1	纯色背景
0.1-1	渐变背景
		1-150	背景颜色相近
150以上	杂色背景

然后，根据方差值确定背景类型维度的分析值。在一实施例中，根据方差值确定背景类型维度的分析值可以采用以下算法：

其中，x为方差值，Score1为背景类型维度的分析值。

在本申请一个实施例中，获取暗部维度的分析值，可以包括步骤B1至步骤B2：

步骤B1，根据预设的饱和度第一范围、明度第一范围，计算所述图片的暗部区域数量、暗部百分比、暗部颜色数量。

在该步骤中，预设的饱和度第一范围、明度第一范围用于决定图片中的暗部的范围，即若图片中的像素的饱和度在饱和度第一范围、且明度在明度第一范围内时，则该像素就属于暗部。例如，饱和度第一范围为S:10至255，明度第一范围为：21至85。统计出所有属于暗部的像素，然后确定出以下数值：

暗部区域数量：暗部区域的个数；其中，一个暗部区域是指由暗部像素组成的一个减去中间镂空的像素的一个连续区域，暗部区域数量是这些区域的计数；

暗部百分比：属于暗部的像素的个数/像素的总个数；

暗部颜色数量：属于暗部的像素的颜色的数量；

其中，暗部像素的颜色可以通过以下方式确定：将HSV空间中的H分为12个区域，即对应12种颜色，再将12种颜色通过S、V的调整分别分为暗部颜色及高光颜色，最后得到36种颜色，额外统计黑、白、灰3种颜色，一共是39种颜色。以此可以确定HSV图片中的各个暗部像素分别对应的颜色。

步骤B2，根据所述暗部百分比、暗部区域数量、暗部颜色数量，确定暗部维度的分析值。

在该步骤中，可以先计算权重得分d1，其中，系数0.55可以根据需要调整，给定的值越高在最后计算时暗部对最后判定影响越高，反之影响度越低，0为不考虑暗部颜色：

d1＝0.55*暗部百分比-暗部区域数量*0.55

使用权重得分d1，通过下列公式计算出暗部维度的分析值score2，暗部颜色数量越少得分越高：

在本申请一个实施例中，获取高光维度的分析值，可以包括步骤C1至步骤C2：

步骤C1，根据预设的饱和度第二范围、明度第二范围，计算所述图片的高光区域数量、高光百分比、高光颜色数量。

在该步骤中，预设的饱和度第二范围、明度第二范围用于决定图片中高光的范围，即若图片中的像素的饱和度在饱和度第二范围、且明度在明度第二范围内时，则该像素就属于高光。例如，饱和度第二范围为S:10至63，明度第二范围为V：86至255。统计出所有属于高光的像素，然后确定出以下数值：

高光区域数量：高光区域的个数；其中，一个高光区域是指由高光像素组成的一个减去中间镂空的像素的一个连续区域，高光区域数量是这些区域的计数；

高光百分比：属于高光的像素的个数/像素的总个数；

高光颜色数量：属于高光的像素的颜色的数量。

其中，高光像素的颜色可以通过以下方式确定：将HSV空间中的H分为12个区域，即对应12种颜色，再将12种颜色通过S、V的调整分别分为暗部颜色及高光颜色，最后得到36种颜色，额外统计黑、白、灰3种颜色，一共是39种颜色。以此可以确定HSV图片中的各个高光像素分别对应的颜色。

步骤C2，根据所述高光百分比、高光区域数量、高光颜色数量，确定高光维度的分析值。

在该步骤中，可以先计算权重得分d2：

d2＝0.55*高光百分比-高光区域数量*0.55

使用权重得分d2，通过下列算数计算出高光维度的分析值score3，高光颜色数量越少得分越高：

在本申请一个实施例中，获取色彩维度的分析值，可以包括步骤D1至步骤D2：

步骤D1，根据预设的饱和度第三范围、明度第三范围，计算所述图片的暗部和高光之外的颜色数量。

在该步骤中，预设的饱和度第三范围、明度第三范围用于决定颜色的范围，即若图片中的像素的饱和度在饱和度第三范围、且明度在明度第三范围内时，则该像素就属于暗部和高光之外的像素。例如，饱和度第三范围为S:64至255，明度第三范围为V：86至255。暗部和高光之外的像素的颜色可以通过以下方式确定：以H值进行划分，每15为一个范围。统计出饱和度在饱和度第三范围、且明度在明度第三范围内的所有像素的颜色，然后确定出这些像素的颜色数量：

步骤D2，根据计算出的颜色数量，确定色彩维度的分析值。例如，可以采用以下公式计算：

Score4＝-1.5*颜色数量+21

在本申请一个实施例中，步骤103综合处理各个维度的分析值，获取所述图片的评价值，可以包括步骤E1：

根据以下公式计算出图片的评价值：

(Score2+Score3+200)*Score1+Score4

下面通过实施例详细介绍实现过程。

图2是根据一示例性实施例示出的一种识别商标图片的方法的示意性流程图进行说明。如图2所示，包括以下步骤：

步骤201，将待识别图片进行均值迁移以减少噪点。

该步骤的作用在于对待识别图片进行预处理。在图像处理模块中使用均值迁移(Mean Shift)算法可以实现去噪、边缘保留滤波等操作。在本申请的其它实施例中，也可以使用其它适用于对图像进行去噪的预处理算法。

步骤202，将处理后的待识别图片转化为HSV格式的图片。

步骤203，将所述图片以n*n的大小进行划分获取多个子区域；计算相邻子区域之间的颜色差值；根据相邻子区域的之间的颜色差值，确定背景类型维度的分析值。

步骤204，根据预设的饱和度第一范围、明度第一范围，计算所述图片的暗部区域数量、暗部百分比、暗部颜色数量；根据所述暗部区域数量、暗部百分比、暗部颜色数量，确定暗部维度的分析值。

步骤205，根据预设的饱和度第二范围、明度第二范围，计算所述图片的高光区域数量、高光百分比、高光颜色数量；根据所述高光区域数量、高光百分比、高光颜色数量，确定高光维度的分析值。

步骤206，根据预设的饱和度第三范围、明度第三范围，计算所述图片的暗部、高光之外的颜色数量；根据所述颜色数量，确定色彩维度的分析值。

步骤207，综合处理各个维度的分析值，获取所述待识别图片的评价值。

步骤208，根据所述评价值和预设标准确定所述图片是否是商标图片。

其中，预设标准例如是根据多个商标图片计算所得的评价值来确定的。例如，在一实施例中，可以批量运行商标图片和非商标图片，根据这些图片的结果给定预设标准。例如如果评价值高于预设标准，则认为图片为商标图片。

上述步骤203-206的执行顺序不限于上述顺序，也可以同时执行，也可以以其它顺序执行。

如图3所示为一张商标图片经过HSV颜色划分，分别得到的各个颜色的可视化图片，如图4所示为一张非商标图片经过HSV颜色划分，分别得到的各个颜色的可视化图片，可以看到商标图片的背景颜色为纯色且颜色区域较为集中，而非商标图片背景及颜色区域则相对凌乱。其中，HSV颜色划分为：将HSV空间中的H分为12个区域，即对应12种颜色，再将12种颜色通过S、V的调整分别分为暗部颜色及高光颜色，最后得到36种颜色，额外统计黑、白、灰3种颜色，一共是39种颜色。因此，本实施例中从背景类型维度、暗部、高光、色彩维度等方面来衡量图片是否是商标，可以将商标图片和非商标图片区别开。通过以上算法计算，分别对商标图片进行识别测试、非商标图片进行排除测试。可以达到91.66％识别率、78.00％的照片排除率。可以基本满足排除大量错误图片的同时，来识别商标图片。

下述为本发明装置实施例，可以用于执行本发明方法实施例。

图5是根据一个示例性实施例示出的一种识别商标图片的装置的框图，识别商标图片的装置可以为服务器或服务器的一部分，也可以为终端或终端的一部分，识别商标图片的装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图5所示，该识别商标图片的装置包括：

转换模块501，用于将待识别图片转化为HSV格式的图片；

分析模块502，用于根据所述图片的颜色信息，对所述图片进行多个维度的分析，分别获取各个维度的分析值，其中，所述颜色信息包括：色调、饱和度、明度；多个维度包括：背景类型、暗部、高光和色彩；

处理模块503，用于综合处理各个维度的分析值，获取所述图片的评价值；

确定模块504，用于根据所述评价值和预设标准确定所述图片是否是商标图片。

在一实施例中，所述分析模块502包括：

第四分析子模块，用于获取色彩维度的分析值，包括：根据预设的颜色范围，计算所述图片的暗部和高光之外的颜色数量；根据所述颜色数量，确定色彩维度的分析值。

在一实施例中，所述处理模块503用于：

根据以下公式计算所述待识别图片的评价值：

(Score2+Score3+200)*Score1+Score4

图6是根据一示例性实施例示出的一种识别商标图片的装置60的框图，该装置可以为服务器或服务器的一部分，也可以为终端或终端的一部分，识别商标图片的装置包括：

处理器601；

用于存储处理器601可执行指令的存储器602；

其中，处理器601被配置为：

将待识别图片转化为HSV格式的图片；

综合处理各个维度的分析值，获取所述图片的评价值；

根据所述评价值和预设标准确定所述图片是否是商标图片。

图7是根据一示例性实施例示出的一种识别商标图片的装置800的框图，装置可以是计算机，服务器等。

装置可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800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802可以包括一个或多个处理器820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802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置未存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800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804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806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在装置800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808包括一个前置摄像头和/或后置摄像头。当装置800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810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800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804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802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814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置600的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814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814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514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816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如对讲机专网、WiFi，2G、3G、4G或5G，或它们的组合。在一个示例性实施例中，通信组件816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，所述通信组件816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800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。

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装置800的处理器执行时，使得装置800能够执行上述识别商标图片的方法，所述方法包括：

将待识别图片转化为HSV格式的图片；

综合处理各个维度的分析值，获取所述图片的评价值；

根据所述评价值和预设标准确定所述图片是否是商标图片。

本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本申请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发明未发明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。

Claims

1.一种识别商标图片的方法，其特征在于，包括：

将待识别图片转化为HSV格式的图片；

综合处理各个维度的分析值，获取所述图片的评价值；

根据所述评价值和预设标准确定所述图片是否是商标图片。

2.根据权利要求1所述的方法，其特征在于，获取背景类型维度的分析值，包括：

将所述图片以n*n的大小进行划分获取多个子区域；

计算相邻子区域之间的颜色差值；

3.根据权利要求1所述的方法，其特征在于，获取暗部维度的分析值，包括：

4.根据权利要求1所述的方法，其特征在于，获取高光维度的分析值，包括：

5.根据权利要求1所述的方法，其特征在于，获取色彩维度的分析值，包括：

根据所述颜色数量，确定色彩维度的分析值。

6.根据权利要求1所述的方法，其特征在于，所述综合处理各个维度的分析值，获取所述待识别图片的评价值，包括：根据以下公式计算所述待识别图片的评价值：

(Score2+Score3+200)*Score1+Score4

7.一种识别商标图片的装置，其特征在于，包括：

转换模块，用于将待识别图片转化为HSV格式的图片；

8.根据权利要求7所述的装置，其特征在于，所述分析模块包括：

9.根据权利要求7所述的装置，其特征在于，所述分析模块包括：

10.根据权利要求7所述的装置，其特征在于，所述分析模块包括：

11.根据权利要求7所述的装置，其特征在于，所述分析模块包括：

12.根据权利要求7所述的装置，其特征在于，所述处理模块用于：

根据以下公式计算所述待识别图片的评价值：

(Score2+Score3+200)*Score1+Score4

13.一种识别商标图片的装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

将待识别图片转化为HSV格式的图片；

综合处理各个维度的分析值，获取所述图片的评价值；

根据所述评价值和预设标准确定所述图片是否是商标图片。

14.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-6任一项所述方法的步骤。