一种图片识别方法及系统与流程

本发明涉及图片处理领域，尤其涉及一种图片识别方法及系统。

背景技术：

图片识别是指图形刺激作用于感觉器官，人们辨认出它是经验过的某一图形的过程，也叫图片再认。在图片识别中，既要有当时进入感官的信息，也要有记忆中存储的信息。只有通过存储的信息与当前的信息进行比较的加工过程，才能实现对图片的再认。

图片识别技术是人工智能的一个重要领域。为了编制模拟人类图片识别活动的计算机程序，人们提出了不同的图片识别模型。例如模板匹配模型。这种模型认为，识别某个图片，必须在过去的经验中有这个图片的记忆模式，又叫模板。当前的刺激如果能与大脑中的模板相匹配，这个图片也就被识别了。例如有一个字母a,如果在脑中有个a模板,字母a的大小、方位、形状都与这个a模板完全一致,字母a就被识别了。图片识别中的模式识别(patternrecognition)，是一种从大量信息和数据出发，在专家经验和已有认识的基础上，利用计算机和数学推理的方法对形状、模式、曲线、数字、字符格式和图形自动完成识别、评价的过程。模式识别包括两个阶段，即学习阶段和实现阶段，前者是对样本进行特征选择，寻找分类的规律，后者是根据分类规律对未知样本集进行分类和识别，最终输出识别库中模板图片的描述信息作为识别结果。这个模式识别的模板匹配模型简单明了，也容易得到实际应用。但是在实际操作过程中，经常会有待识别的图片与识别库中的模板图片相似，但又不完全一致，从而导致图片识别失败。

技术实现要素：

针对现有技术存在的不足，本发明的目的是提供一种图片识别方法。能够在识别库中没有与待识别图片完全一致的模板图片时，利用与待识别图片相似的模板完成对待识别图片的识别工作，从而提升图片识别成功率。

本发明采用的技术方案是：一种图片识别方法，包括以下步骤：

s1、获取待识别图片；

s2、将待识别图片切割成若干子图片；

s3、提取各子图片的特征信息；

s4、将各子图片的特征信息与识别库中的识别信息比对，获取待识别图片的预选关联图片，并将各预选关联图片存入关联图片组；

s5、提取关联图片组中出现频数最多的图片作为待识别图片的关联图片；

s6、提取关联图片的描述信息并输出识别结果。

作为上述技术方案的进一步改进，步骤s3中，所述提取各子图片的特征信息包括：

提取各子图片的轮廓特征信息与提取各子图片的颜色特征信息。

作为上述技术方案的进一步改进，所述提取各子图片的轮廓特征信息具体包括：

s311、读取需要轮廓提取的各子图片；

s312、将各子图片从rgb色彩空间转换成luv色彩空间；

s313、在luv色彩空间对各子图片的颜色进行分割；

s314、在图片分割的基础上将各子图片转换成灰度图；

s315、对各子图片的灰度图进行边缘检测得到轮廓；

s316、提取各子图片轮廓的形状参数并根据所述形状参数对各子图片进行定量分析。

作为上述技术方案的进一步改进，步骤s313中，采用金字塔分层算法对各子图片的颜色进行分割。

作为上述技术方案的进一步改进，所述提取各子图片的颜色特征信息包括：

计算各子图片中主色的rgb值与计算子图片中醒目色的rgb值。

作为上述技术方案的进一步改进，所述提取各子图片的颜色特征信息具体包括：

s321、读取需要颜色提取的各子图片；

s322、获取各子图片中每一像素的rgb值；

s323、计算子图片中各个像素rgb值的平均rgb值，平均rgb值即为子图片中主色的rgb值；

s324、计算子图片中各个像素rgb值与平均rgb值之间的差值，差值最大时对应的rgb值即为子图片中醒目色的rgb值。

作为上述技术方案的进一步改进，步骤s2中，采用扫描窗或候选窗的方法对待识别图片进行切割。

作为上述技术方案的进一步改进，步骤s4中，预选关联图片的获取条件是：识别库中模板图片的识别信息覆盖任一子图片的特征信息，该模板图片即为待识别图片的预选关联图片。

作为上述技术方案的进一步改进，还包括步骤s7、将识别完成后的图片及其描述信息存入识别库。

本发明还提供了一种图片识别系统，其采用的技术方案是：

一种图片识别系统，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

本发明的有益技术效果：

本发明通过先将待识别图片切割成若干子图片，随后提取各子图片的轮廓特征，再在识别库中筛选出与各子图片的轮廓特征匹配的模板图片作为预选关联图片，并将各预选关联图片存入关联图片组，最终筛选出关联图片组中出现频数最多的模板图片作为待识别图片的关联图片，进而输出识别结果，能够在识别库中没有与待识别图片完全一致的模板图片时，利用与待识别图片相似的模板完成对待识别图片的识别工作，从而提升图片识别成功率。

附图说明

图1是本实施例中图片识别方法的流程示意图；

图2是本实施了中图片识别系统的结构示意图。

具体实施方式

如图1所示的一种图片识别方法，包括以下步骤：

s1、获取待识别图片，本实施中，可以通过摄像头或搜索引擎输入客户端或者或其他方式进行待识别图片输入。

s2、将待识别图片切割成若干子图片，采用扫描窗或候选窗的方法对待识别图片进行切割，例如对一张人脸的待识别图片进行切割，则能得到眼、口、鼻、耳等多个局部的子图片。

s3、提取各子图片的特征信息，具体为包括提取各子图片的轮廓特征信息与提取各子图片的颜色特征信息：

提取各子图片的轮廓特征信息具体包括：

s311、读取需要轮廓提取的各子图片；

s312、将各子图片从rgb色彩空间转换成luv色彩空间；

s313、在luv色彩空间对各子图片的颜色进行分割，这里采用金字塔分层算法进行分割；

s314、在图片分割的基础上将各子图片转换成灰度图；

s315、对各子图片的灰度图进行边缘检测得到轮廓；

s316、提取各子图片轮廓的形状参数并根据所述形状参数对各子图片进行定量分析。

提取各子图片的颜色特征信息包括计算各子图片中主色的rgb值与计算子图片中醒目色的rgb值，具体为：

s321、读取需要颜色提取的各子图片；

s322、获取各子图片中每一像素的rgb值；

s323、计算子图片中各个像素rgb值的平均rgb值，平均rgb值即为子图片中主色的rgb值；

s324、计算子图片中各个像素rgb值与平均rgb值之间的差值，差值最大时对应的rgb值即为子图片中醒目色的rgb值。

s4、将各子图片的特征信息与识别库中的识别信息比对，获取待识别图片的预选关联图片，并将各预选关联图片存入关联图片组：

这里的识别库中的识别信息即为模板图片的识别信息，包括轮廓特征、颜色特征等，当有一张模板图片的识别信息覆盖任意一张子图片的特征信息时，即覆盖任一子图片的轮廓特征信息或颜色特征信息时，则将这一模板图片归为预选关联图片，存入关联图片组中。

s5、提取关联图片组中出现频数最多的图片作为待识别图片的关联图片；

s6、提取关联图片的描述信息并输出识别结果；

s7、将识别完成后的图片及其描述信息存入识别库：通过将识别完成的图片也存入识别库中，从而增加识别库的模板图片存储量。

本发明通过先将待识别图片切割成若干子图片，随后提取各子图片的轮廓特征，再在识别库中筛选出与各子图片的轮廓特征匹配的模板图片作为预选关联图片，并将各预选关联图片存入关联图片组，最终筛选出关联图片组中出现频数最多的模板图片作为待识别图片的关联图片，进而输出识别结果，能够在识别库中没有与待识别图片完全一致的模板图片时，利用与待识别图片相似的模板完成对待识别图片的识别工作，从而提升图片识别成功率。

本实施例还提供了一种图片识别系统，其采用的技术方案是：

如图2所示的一种图片识别系统，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤，其中处理器包括图片获取模块1、图片切分模块2、轮廓特征提取模块3、颜色特征提取模块4、关联图片识别模块5、关联图片提取模块6与图片识别模块7、图片上传模块8，其中图片切分模块2、轮廓特征提取模块3、颜色特征提取模块4、关联图片识别模块5、关联图片提取模块6、图片上传模块8集成在cpu的软件模块上。

图片获取模块1，用于获取待识别图片，本实施中，图片获取模块1可以是摄像头也可以是搜索引擎输入客户端。

图片切分模块2，与图片获取模块1相连，用于将待识别图片切割成若干子图片，其中通过调取软件实现图片切分的功能，可以采用扫描窗或候选窗的方法进行切分，例如对一张人脸的待识别图片进行切分，则能得到眼、口、鼻、耳等多个局部的子图片。

轮廓特征提取模块3，与图片切分模块2相连，用于提取各子图片的轮廓特征，其中通过调取软件实现轮廓特征提取的功能。

颜色特征提取模块4，与图片切分模块2相连，用于提取各子图片的颜色特征，其中通过调取软件实现颜色特征提取的功能。

关联图片识别模块5，与轮廓特征提取模块3、颜色特征提取模块4相连，用于将各子图片的轮廓特征、颜色特征与识别库9中的识别信息比对，从识别库9中筛选模板图片作为待识别图片的预选关联图片，并将各预选关联图片存入关联图片组，其中通过调取软件实现关联图片识别的功能，这里的识别库中的识别信息即为模板图片的识别信息，包括轮廓特征、颜色特征等，当有一张模板图片的识别信息覆盖任意一张子图片的轮廓特征或颜色特征时，则将这一模板图片归为预选关联图片，存入关联图片组中。

关联图片提取模块6，与关联图片识别模块5相连，用于提取关联图片组中出现频数最多的图片作为待识别图片的关联图片，其中通过调取软件实现关联图片提取的功能。

图片识别模块7，与关联图片提取模块6相连，提取关联图片的描述信息并输出识别结果。

图片上传模块8，与图片获取模块1、识别库9、图片识别模块7相连，用于将识别完成后的图片及其描述信息存入识别库9，从而增加识别库9的模板图片存储量。

轮廓特征提取模块3包括：

第二图片读取子模块31，与图片切分模块2相连，用于读取需要轮廓提取的各子图片；

图片转换子模块32，与第二图片读取子模块31相连，用于将各子图片从rgb色彩空间转换成luv色彩空间，通过调取软件将各子图片从rgb色彩空间转换成luv色彩空间；

图片分割子模块33，与图片转换子模块32相连，用于在luv色彩空间对各子图片的颜色进行分割，通过调取软件在luv色彩空间对各子图片的颜色进行分割；

灰度处理子模块34，与图片分割子模块33相连，用于在图片分割的基础上将各子图片转换成灰度图，通过调取软件在图片分割的基础上将各子图片转换成灰度图；

轮廓提取子模块35，与灰度处理子模块34相连，用于对各子图片的灰度图进行边缘检测得到轮廓，通过调取软件对各子图片的灰度图进行边缘检测得到轮廓。

形状参数处理子模块36，与轮廓提取子模块35相连，用于提取各子图片轮廓的形状参数并根据形状参数对各子图片进行定量分析。

颜色特征提取模块4包括：

第一图片读取子模块41，与图片切分模块2相连，用于读取需要颜色提取的各子图片；

数据获取子模块42，与第一图片读取子模块41相连，用于获取各子图片中每一像素的rgb值，这里通过调取软件获取各子图片中每一像素的rgb值；

第一计算子模块43，与数据获取子模块42相连，用于计算各子图片中主色的rgb值，通过调取软件计算每一子图片中各个像素rgb值的平均rgb值，平均rgb值即为子图片中主色的rgb值；

第二计算子模块44，与数据获取子模块42相连，用于计算各子图片中醒目色的rgb值，通过调取软件计算每一子图片中各个像素rgb值与平均rgb值之间的差值，差值最大时对应的rgb值即为子图片中醒目色的rgb值。

以上包含了本发明优选实施例的说明，这是为了详细说明本发明的技术特征，并不是想要将发明内容限制在实施例所描述的具体形式中，依据本发明内容主旨进行的其他修改和变型也受本专利保护。本发明内容的主旨是由权利要求书所界定，而非由实施例的具体描述所界定。