CN116109889A - 一种图像识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种图像识别方法、装置、电子设备及存储介质。该方法包括：获取待识别图像，并通过第一识别模型识别待识别图像中的图像车牌信息；根据图像车牌信息判断待识别图像中是否包含目标车辆；若包含，则根据物品识别指令确定待识别物品的物品类型，并根据物品类型调用第二识别模型，以通过第二识别模型确定待识别图像中是否存在待识别物品。通过运行本发明实施例所提供的技术方案，可以解决若同时通过多个模型识别图像中的多个物品，可能导致图像无法正确识别，并且同时进行计算增加了运算负担；若通过单个模型识别图像中的多个物品，增加了训练的复杂程度，并且降低了模型训练的灵活性的问题；提高图像识别的准确性和效率。

Description

一种图像识别方法、装置、电子设备及存储介质

技术领域

本发明涉及计算机技术，尤其涉及一种图像识别方法、装置、电子设备及存储介质。

背景技术

随着计算机技术的发展，可以通过对图像进行处理，从图像中识别出待检测物品。

现有技术中，通常将待检测物品作为目标对象，将其它物品作为干扰对象，然后利用训练集来训练识别模型，从而识别出目标对象。然而在图像识别的过程中，通常需要对图像中的多个物品进行识别，若同时通过多个模型识别，可能导致在识别待检测物品之一时，其它待检测物品成为干扰对象，致使图像无法正确识别，并且多个识别模型同时进行计算增加了运算负担。

若通过单个模型识别图像中的多个物品，则需要获取多个物品在同一张图片中的训练集进行训练，随着物品数量的增多增加了训练的复杂程度，并且一旦物品变更则需要整体重新训练，降低了模型训练的灵活性。

发明内容

本发明提供一种图像识别方法、装置、电子设备及存储介质，以实现提高图像识别的准确性和效率。

根据本发明的一方面，提供了一种图像识别方法，该方法包括：

获取待识别图像，并通过第一识别模型识别所述待识别图像中的图像车牌信息；

根据所述图像车牌信息判断所述待识别图像中是否包含目标车辆；

若包含，则根据物品识别指令确定待识别物品的物品类型，并根据所述物品类型调用第二识别模型，以通过所述第二识别模型确定所述待识别图像中是否存在所述待识别物品。

根据本发明的另一方面，提供了一种图像识别装置，该装置包括：

车牌信息识别模块，用于获取待识别图像，并通过第一识别模型识别所述待识别图像中的图像车牌信息；

车辆包含确定模块，用于根据所述图像车牌信息判断所述待识别图像中是否包含目标车辆；

物品存在确定模块，用于若所述车辆包含确定模块确定为包含，则根据物品识别指令确定待识别物品的物品类型，并根据所述物品类型调用第二识别模型，以通过所述第二识别模型确定所述待识别图像中是否存在所述待识别物品。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的图像识别方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的图像识别方法。

本实施例所提供的技术方案，通过获取待识别图像，并通过第一识别模型识别待识别图像中的图像车牌信息；根据图像车牌信息判断待识别图像中是否包含目标车辆，避免待识别图像为与目标车辆无关的图像，提高图像识别的有效性。若待识别图像包含目标车辆，则根据物品识别指令确定待识别物品的物品类型，并根据物品类型调用第二识别模型，以通过第二识别模型确定待识别图像中是否存在待识别物品，实现根据不同物品类型单独调用相应的第二识别模型，以识别图像中是否包含该物品类型的物品，避免同时通过多个模型识别，在识别待检测物品之一时，其它待检测物品成为干扰对象，致使图像无法正确识别的问题，并且避免多个识别模型同时进行计算增加了运算负担的问题。每次识别单种类型的物品，在实现识别一张图片内包含的多种待识别物品的情况下，提高物品识别的准确性，降低运算负担；并且在增加需要识别的物品类型时可单独训练并新增该类型对应的第二识别模型，解决通过单个模型识别图像中的多个物品，需要获取多个物品在同一张图片中的训练集进行训练，随着物品数量的增多增加了训练的复杂程度，并且一旦物品变更则需要整体重新训练，降低了模型训练的灵活性的问题，提高图像识别的效率。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

图1为本发明实施例一提供的一种图像识别方法的流程图；

图2为本发明实施例二提供的一种图像识别方法的流程图；

图3为本发明实施例三提供的一种图像识别装置的结构示意图；

图4示为用来实施本发明实施例的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本发明实施例一提供的一种图像识别方法的流程图，本实施例可适用于识别图像中指定类型的物品的情况，该方法可以由本发明实施例所提供的图像识别装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的图像识别方法，包括：

步骤110、获取待识别图像，并通过第一识别模型识别待识别图像中的图像车牌信息。

其中，待识别图像为需要进行后续图像处理的图像，可由图像所有者提供。通过第一识别模型识别待识别图像中的图像车牌信息，其中，第一识别模型为可识别车牌信息的模型，例如为OCR模型。可基于OPENCV(Open Source Computer Vision Library)图像算法库来完成，OpenCV为开源的计算机视觉和机器学习库，提供了C++、C以及python等接口，并支持Windows、Linux、Android、MacOS平台，提高了图像识别的适用性。图像车牌信息可以为图像中包含的车牌的车牌号信息。

示例性的，在第一识别模型处理之前首先对待识别图像预处理，预处理过程可以包括：对待识别图像进行重采样，并进行灰度化会理后得到灰度图像，之后利用高斯平滑对图像进行降噪处理；接下来分别进行开运算形态学处理、Otsu阈值分割和canny算子阈值分割，最后对图中包含的轮廓各自计算长宽比，保留并截取符合车牌长宽比的轮廓。得到车牌轮廓后基于K-means聚类算法分割车牌轮廓内的每个字符，最后利用sk-learn的支持向量机训练的第一识别模型预测分割出来的字符，最后输出识别得到的车牌号。

步骤120、根据图像车牌信息判断待识别图像中是否包含目标车辆。

其中，目标车辆为满足预设条件且与待识别物品存在关联关系的车辆，预设条件可以为预设车牌条件，例如为车牌中包含预设地区等，本实施例对此不进行限制。目标车辆与待识别物品存在关联关系可以为需要使用目标车辆运输待识别物品等，本实施例对此不进行限制。

根据图像车牌信息判断待识别图像中是否包含目标车辆，可以为判断图像车牌信息是否符合目标车辆的预设车牌条件，例如判断识别出的车牌号是否为预设地区的车牌号等。

若待识别图像中不包含目标车辆，则可停止后续步骤的执行并提示待识别图像中不存在目标车辆。

步骤130、若包含，则根据物品识别指令确定待识别物品的物品类型，并根据物品类型调用第二识别模型，以通过第二识别模型确定待识别图像中是否存在待识别物品。

若待识别图像中包含目标车辆，则继续根据物品识别指令确定待识别物品的物品类型，其中物品识别指令用于确定需要识别的物品的物品类型，可通过输入文字以生成物品识别指令，例如输入文字“识别雨布”等。

可通过关键词识别从物品识别指令中确定待识别物品的物品类型，并根据物品类型调用对应的第二识别模型，其中，第二识别模型用于识别特定类型的物品，例如若物品类型为雨布，则第二识别模型可为雨布识别模型；若物品类型为推车，则第二识别模型可为推车识别模型。

第二识别模型可以为YOLOV5模型，本实施例对此不进行限制。示例性的，识别雨布、绳子和推车的第二识别模型的训练过程可以包括：

先获取大量包含需要识别的物品(雨布或绳子或推车)的物品图像以及不包含上述物品的图像作为训练数据集，两种图像占比约10：1，由人工标注上述图像中包含的物品的物品类别以及物品所在位置；然后将训练集作为第二识别模型的输入，由第二识别模型去预测训练图片中的物品及物品所在的位置；根据预测的物品类别和位置与标注的真实类别和位置计算模型误差，将误差沿模型结构反向传播，进一步调优模型参数；通过上述过程的持续迭代，直到误差值逐渐降低至收敛为止，得到最终的第二识别模型。

本实施例中，可选的，根据物品识别指令确定待识别物品的物品类型，包括：

获取输入语音，并根据输入语音中的关键字信息确定是否生成物品识别指令；

若生成，则根据物品识别指令的指令类型确定物品类型。

其中，输入语音可以为按照提示输入的语音，通过语音转文本模型对语音信号进行处理，将输入语音转为文本后，进行文本与预设关键词的匹配，以提取关键字信息；其中预设关键字可与当前识别场景相关，例如若当前处于货物运输接单场景，则关键字信息可包括绳子、雨布、推车等。

若文本未匹配到预设关键字，则无法生成物品识别指令。示例性的，提取出的关键字信息为“积木”，而预设关键字中不包含该关键字，则无法生成物品识别指令；可进行相应提示，例如提示输入语音错误，请重新输入等，本实施例对此不进行限制。

若文本匹配到预设关键字，则根据提取出的关键字信息生成物品识别指令，例如若匹配到的关键词为“绳子”，则生成的物品识别指令可为识别绳子。根据物品识别指令的指令类型确定物品类型，例如若指令类型为识别绳子的指令，则确定物品类型为绳子。

通过输入语音确定是否生成物品识别指令，无需输入文字，改善用户体验；并且根据输入语音中的关键字信息确定是否生成物品识别指令，提高物品识别指令生成的针对性，避免后续无法调用对应的第二识别模型。

本实施例中，可选的，在通过第二识别模型确定待识别图像中是否存在待识别物品之后，还包括：

若不存在待识别物品，则根据物品类型确定提示方式；

若存在待识别物品，则根据是否再次获取物品识别指令，确定是否再次根据物品识别指令识别待识别图像。

若不存在待识别物品，则根据物品类型确定提示方式，示例性的，若待识别物品为雨布，且通过第二识别模型未在待识别图像中识别出雨布，则可进行相应提示，例如为“未能识别到雨布，请上传单独的雨布照片”等。

若存在待识别物品，则根据是否再次获取物品识别指令，确定是否再次根据物品识别指令识别待识别图像，例如若待识别物品为雨布，且通过第二识别模型在待识别图像中识别出雨布，则可提示“雨布识别成功”，并且若再次获取语物品识别指令，则可根据新获取的物品识别指令确定新待识别物品的物品类型，例如为推车，此时可调用与识别推车相关的第二识别模型再次识别待识别图像。若并未再次获取物品识别指令，则可确定识别流程结束，或者根据当前识别场景确定尚未识别的物品并进行提示，本实施例对此不进行限制。

若不存在待识别物品，根据物品类型确定提示方式，提高提示方式确定的针对性，便于后续及时根据提示纠正物品识别指令与待识别图像不符导致识别错误，或者待识别图像不清晰导致无法识别等情况，提高物品识别的准确性。若存在待识别物品，则根据是否再次获取物品识别指令，确定是否再次根据物品识别指令识别待识别图像，从而实现无需提供多张图像，通过单张待识别图像中识别多样物品，提高图像识别的效率以及便捷性。

本实施例所提供的技术方案，通过获取待识别图像，并通过第一识别模型识别待识别图像中的图像车牌信息；根据图像车牌信息判断待识别图像中是否包含目标车辆，避免待识别图像为与目标车辆无关的图像，提高图像识别的有效性。

若待识别图像包含目标车辆，则根据物品识别指令确定待识别物品的物品类型，并根据物品类型调用第二识别模型，以通过第二识别模型确定待识别图像中是否存在待识别物品，实现根据不同物品类型单独调用相应的第二识别模型，以识别图像中是否包含该物品类型的物品，避免同时通过多个模型识别，在识别待检测物品之一时，其它待检测物品成为干扰对象，致使图像无法正确识别的问题，例如在货物运输接单场景中，经常需要绑绳、雨布、拖车等辅助工具，司机可能会将辅助工具物品叠放在一起拍照供识别是否准备了这些辅助工具，由于绳子、雨布、拖车均为待识别物品，但在识别绳子时雨布和拖车会成为干扰对象，在识别雨布时绳子和拖车又会成为干扰对象；并且避免多个识别模型同时进行计算增加了运算负担的问题。每次识别单种类型的物品，在实现识别一张图片内包含的多种待识别物品的情况下，提高物品识别的准确性，降低运算负担。

并且在增加需要识别的物品类型时可单独训练并新增该类型对应的第二识别模型，解决通过单个模型识别图像中的多个物品，需要获取多个物品在同一张图片中的训练集进行训练，随着物品数量的增多增加了训练的复杂程度，并且一旦物品变更则需要整体重新训练，降低了模型训练的灵活性的问题，提高图像识别的效率。

实施例二

图2为本发明实施例二提供的一种图像识别方法的流程图，本技术方案是针对根据图像车牌信息判断待识别图像中是否包含目标车辆的过程进行补充说明的。与上述方案相比，本方案具体优化为，根据图像车牌信息判断待识别图像中是否包含目标车辆，包括：

确定目标对象，并获取目标对象的预设车牌信息；

若预设车牌信息与图像车牌信息一致，则确定待识别图像中包含目标车辆。具体的，图像识别方法的流程图如图2所示：

步骤210、获取待识别图像，并通过第一识别模型识别待识别图像中的图像车牌信息。

步骤220、确定目标对象，并获取目标对象的预设车牌信息。

目标对象可以为发起待识别图像识别请求的对象，例如为待派单的对象；目标对象可通过登录可进行图像识别的系统中的账户以发起待识别图像识别请求，其中，可进行图像识别的系统可为派单系统，本实施例对此不进行限制。目标用户可预先在图派单系统中注册账户，并绑定相应的信息，例如为预设车牌信息，其中预设车牌信息为目标对象预留的车牌信息，例如为目标对象用于执行派单系统派发的任务的车辆的车辆信息。

步骤230、若预设车牌信息与图像车牌信息一致，则确定待识别图像中包含目标车辆。

若预设车牌信息与图像车牌信息一致，表明待识别图像中包含包括该预设车牌的车辆，即包含目标车辆。

步骤240、若包含，则根据物品识别指令确定待识别物品的物品类型，并根据物品类型调用第二识别模型，以通过第二识别模型确定待识别图像中是否存在待识别物品。

本实施例中，可选的，在通过第二识别模型确定待识别图像中是否存在待识别物品之后，还包括：

获取物品识别结果，并根据物品识别结果确定与目标对象关联的派单类型；

根据派单类型和候选待处理订单确定目标对象的目标待处理订单。

其中，物品识别结果为对待识别图像识别后获得的整体识别结果，可以当目标用户确定识别过程结束或距离上次获得物品识别结果间隔预设时间后得到，本实施例对此不进行限制。

例如若存在单个物品识别指令相应识别得到待识别图像中包含雨布，也可存在多个识别物品指令相应识别得到待识别图像中包含雨布、绳子和推车。

根据物品识别结果确定与目标对象关联的派单类型，可以根据物品识别结果中包含识别到的物品的类型确定派单类型，示例性的，若物品识别结果中包含推车，则表明目标对象可执行依靠推车完成的任务，因此派单类型可以为仅采用推车可完成的任务；若物品识别结果中包含推车和绳子，则表明目标对象可执行依靠推车和绳子完成的任务，因此派单类型可以为仅采用推车可完成的任务、仅采用绳子可完成的任务以及采用推车和绳子共同完成的任务。

候选待处理订单为未进行分配的全部订单，将候选待处理订单中满足派单类型以及其它预设条件的订单确定为目标待处理订单，便于后续将目标待处理订单派发至目标对象，其中其它预设条件可以为地域条件、时间条件等，本实施例对此不进行限制。

通过获取物品识别结果，并根据物品识别结果确定与目标对象关联的派单类型；并根据派单类型和候选待处理订单确定目标对象的目标待处理订单，使得目标待处理订单为目标对象通过拥有的物品可执行的订单，提高目标待处理订单确定的有效性，提高派单的准确性。

本发明实施例通过确定目标对象，并获取目标对象的预设车牌信息；若预设车牌信息与图像车牌信息一致，则确定待识别图像中包含目标车辆。使得在货物运输接单等需要使用车辆的场景中，待识别物体与目标车辆存在于同一待识别图像内，从而保证待识别图像为目标对象的实拍照片，提高图像识别的有效性。

实施例三

图3为本发明实施例三提供的一种图像识别装置的结构示意图。该装置可以由硬件和/或软件的方式来实现，可执行本发明任意实施例所提供的一种图像识别方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置包括：

车牌信息识别模块310，用于获取待识别图像，并通过第一识别模型识别所述待识别图像中的图像车牌信息；

车辆包含确定模块320，用于根据所述图像车牌信息判断所述待识别图像中是否包含目标车辆；

物品存在确定模块330，用于若所述车辆包含确定模块确定为包含，则根据物品识别指令确定待识别物品的物品类型，并根据所述物品类型调用第二识别模型，以通过所述第二识别模型确定所述待识别图像中是否存在所述待识别物品。

在上述各技术方案的基础上，可选的，所述车辆包含确定模块，包括：

车牌信息获取单元，用于确定目标对象，并获取所述目标对象的预设车牌信息；

车辆包含确定单元，用于若所述预设车牌信息与所述图像车牌信息一致，则确定所述待识别图像中包含所述目标车辆。

在上述各技术方案的基础上，可选的，所述装置还包括：

派单类型确定模块，用于所述物品存在确定模块之后，获取物品识别结果，并根据所述物品识别结果确定与所述目标对象关联的派单类型；

待处理订单确定模块，用于根据所述派单类型和候选待处理订单确定所述目标对象的目标待处理订单。

在上述各技术方案的基础上，可选的，所述物品存在确定模块，包括：

指令生成确定单元，用于获取输入语音，并根据所述输入语音中的关键字信息确定是否生成所述物品识别指令；

物品类型确定单元，用于若所述指令生成确定单元确定为生成，则根据所述物品识别指令的指令类型确定所述物品类型。

在上述各技术方案的基础上，可选的，所述装置还包括：

提示方确定模块，用于所述物品存在确定模块之后，若不存在所述待识别物品，则根据所述物品类型确定提示方式；

图像识别确定模块，用于若存在所述待识别物品，则根据是否再次获取所述物品识别指令，确定是否再次根据所述物品识别指令识别所述待识别图像。

实施例四

图4示出了可以用来实施本发明实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如图像识别方法。

在一些实施例中，图像识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的图像识别方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像识别方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种图像识别方法，其特征在于，包括：

获取待识别图像，并通过第一识别模型识别所述待识别图像中的图像车牌信息；

根据所述图像车牌信息判断所述待识别图像中是否包含目标车辆；

若包含，则根据物品识别指令确定待识别物品的物品类型，并根据所述物品类型调用第二识别模型，以通过所述第二识别模型确定所述待识别图像中是否存在所述待识别物品。

2.根据权利要求1所述的方法，其特征在于，根据所述图像车牌信息判断所述待识别图像中是否包含目标车辆，包括：

确定目标对象，并获取所述目标对象的预设车牌信息；

若所述预设车牌信息与所述图像车牌信息一致，则确定所述待识别图像中包含所述目标车辆。

3.根据权利要求2所述的方法，其特征在于，在通过所述第二识别模型确定所述待识别图像中是否存在所述待识别物品之后，还包括：

获取物品识别结果，并根据所述物品识别结果确定与所述目标对象关联的派单类型；

根据所述派单类型和候选待处理订单确定所述目标对象的目标待处理订单。

4.根据权利要求1所述的方法，其特征在于，根据物品识别指令确定待识别物品的物品类型，包括：

获取输入语音，并根据所述输入语音中的关键字信息确定是否生成所述物品识别指令；

若生成，则根据所述物品识别指令的指令类型确定所述物品类型。

5.根据权利要求1所述的方法，其特征在于，在通过所述第二识别模型确定所述待识别图像中是否存在所述待识别物品之后，还包括：

若不存在所述待识别物品，则根据所述物品类型确定提示方式；

若存在所述待识别物品，则根据是否再次获取所述物品识别指令，确定是否再次根据所述物品识别指令识别所述待识别图像。

6.一种图像识别装置，其特征在于，包括：

车牌信息识别模块，用于获取待识别图像，并通过第一识别模型识别所述待识别图像中的图像车牌信息；

车辆包含确定模块，用于根据所述图像车牌信息判断所述待识别图像中是否包含目标车辆；

物品存在确定模块，用于若所述车辆包含确定模块确定为包含，则根据物品识别指令确定待识别物品的物品类型，并根据所述物品类型调用第二识别模型，以通过所述第二识别模型确定所述待识别图像中是否存在所述待识别物品。

7.根据权利要求6所述的装置，其特征在于，所述车辆包含确定模块，包括：

车牌信息获取单元，用于确定目标对象，并获取所述目标对象的预设车牌信息；

车辆包含确定单元，用于若所述预设车牌信息与所述图像车牌信息一致，则确定所述待识别图像中包含所述目标车辆。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

派单类型确定模块，用于所述物品存在确定模块之后，获取物品识别结果，并根据所述物品识别结果确定与所述目标对象关联的派单类型；

待处理订单确定模块，用于根据所述派单类型和候选待处理订单确定所述目标对象的目标待处理订单。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的图像识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的图像识别方法。

Images