CN104077594A - 一种图像识别方法和装置 - Google Patents

Abstract

本发明公开了一种图像识别方法和装置，用以解决现有技术中在对图像进行识别时存在的误检率高的问题。包括：按照预先设定的划分规则，对待识别图像进行划分，得到多个图像块；其中，划分规则满足：使得到的各图像块中均包含能够表征待识别图像中的待识别目标的特征的像素点；并对多个图像块分别进行特征提取，得到各图像块的特征数据；根据得到的各图像块的特征数据，以及预先根据划分规则而训练得到的用于区分图像块类别的分类器，分别对各图像块进行分类，得到各图像块的分类结果；根据各图像块的分类结果以及预设的判定规则，确定所述图像的类别。

Description

一种图像识别方法和装置

技术领域

本发明涉及模式识别领域，尤其涉及一种图像识别方法和装置。

背景技术

目前，模式识别技术已经得到越来越广泛的应用，其在安全、金融、人机交互、信息、教育等诸多领域有着广泛的应用前景。现有的模式识别技术在进行图像识别时，一般要根据图像本身选取合适的特征，才能获取较好的识别效果。例如，在人脸识别过程中，一般是将待识别的整张图像输入人脸识别装置中，并对输入的图像与人脸识别装置的图像样本库中的样本图像进行比较，若该整张图像的特征数据与图像样本库中样本图像的特征数据不匹配，则将该输入的图像确定为异常图像，并将该输入的图像中的人脸确定为异常人脸。其中，异常人脸一般是指佩戴了能遮挡住面部器官配饰的人脸，而正常人脸是针对异常人脸而言，所有非异常人脸均视为正常人脸。

上述现有方法存在以下缺陷：误检率比较高。比如，在识别戴墨镜的人脸的图像时，图像中的人脸的下半部分和正常人脸是一样的，这就导致整张图像的特征和正常人脸的图像的特征比较接近，而戴墨镜部分的图像的特征就会比较不突出，从而就会很容易导致误检，将这张异常图像判断为正常图像。

发明内容

本发明实施例提供一种图像识别方法和装置，用以解决现有技术中在对图像进行识别时存在的误检率较高的问题。

本发明实施例采用以下技术方案：

一种图像识别方法，包括：

按照预先设定的划分规则，对待识别图像进行划分，得到多个图像块；其中，所述划分规则满足：使得到的各图像块中均包含能够表征所述待识别图像中的待识别目标的特征的像素点；并

对所述多个图像块分别进行特征提取，得到各图像块的特征数据；

根据得到的各图像块的特征数据，以及预先根据所述划分规则而训练得到的用于区分图像块类别的分类器，分别对各图像块进行分类，得到各图像块的分类结果；

根据各图像块的分类结果以及预设的判定规则，确定所述图像的类别。

一种图像识别装置，包括：

划分单元，用于按照预先设定的划分规则，对待识别图像进行划分，得到多个图像块；其中，所述划分规则满足：使得到的各图像块中均包含能够表征所述待识别图像中的待识别目标的特征的像素点；

特征提取单元，用于对划分单元得到的所述多个图像块分别进行特征提取，得到各图像块的特征数据；

分类单元，用于根据特征提取单元得到的各图像块的特征数据，以及预先根据所述划分规则而训练得到的用于区分图像块类别的分类器，分别对各图像块进行分类，得到各图像块的分类结果；

类别确定单元，用于根据分类单元得到的各图像块的分类结果以及预设的判定规则，确定所述图像的类别。

本发明实施例的有益效果如下：

本发明实施例通过对整张图像划分后得到的各图像块分别进行识别并分类，使得在对异常图像中的异常部分所属的图像块进行识别时，不会受到其他正常部分所属的图像块的影响，从而各图像块的分类结果均比较准确，从而使得最终得到的整张图像的识别结果的准确率也会提高，避免了现有技术中由于异常部分的图像的特征相对于整张图像的特征不突出而导致误检的问题。

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主要流程图；

图2为本发明实施例二提供的一种人脸识别方法的具体流程图；

图3为本发明实施例二提供的待识别图像的划分示意图；

图4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。

具体实施方式

为了解决现有技术中在对图像进行识别时存在的误检率较高的问题，本发明实施例提供了一种图像识别方案。该方案通过对整张图像划分后得到的各图像块分别进行识别并分类，使得在对异常图像中的异常部分所属的图像块进行识别时，不会受到其他正常部分所属的图像块的影响，从而各图像块的分类结果的均比较准确，从而使得最终得到的整张图像的识别结果的准确率也会提高，同时也避免了现有技术中由于异常部分的图像的特征相对于整张图像的特征不突出而导致误检的问题。

下面结合各个附图对本发明实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细的阐述。

实施例一：

如图1所示，为本发明实施例提供的一种图像识别方法的主要流程图，该方法包括以下步骤：

步骤11，按照预先设定的划分规则，对待识别图像进行划分，得到多个图像块；

具体的，在不同的应用场合和图像类型下，可以有不同的划分方法对待识别图像进行划分。比如，在对人脸图像进行识别时，可以沿水平方向将其划分为两个图像块，分别为上半脸图像块和下半脸图像块；或者，也可以沿水平方向将人脸图像划分为三个或四个图像块。当对其他图像进行识别时，也可以沿竖直方向对待识别图像进行划分，甚至是沿45度角斜向对待识别图像进行划分，具体的划分方式本发明实施例在此不作限制，可以按照实际需求自行设定。

其中，划分规则应该满足：使得到的各图像块中均包含能够表征待识别图像中的待识别目标的特征的像素点。

另外，待识别图像可以是直接获得的，也可以是通过原始图像确定的。其中，当接收到的图像为原始图像时，一种确定待识别图像的方式可以具体包括下述步骤：

首先，通过检测接收到的原始图像中的待识别目标的边缘像素点，确定待识别目标的面积；

然后，判断待识别目标与原始图像的面积比值是否大于预设的比例阈值；

当判断结果为是时，将原始图像确定为待识别图像；

当判断结果为否时，按照预设的矩形区域确定规则，从原始图像中确定包含待识别目标的矩形区域，并将矩形区域确定为待识别图像，其中，矩形区域确定规则应该满足：使得待识别目标与确定出的矩形区域的面积比值大于上述的比例阈值。

当待识别目标为人脸时，可以按照上述确定方式来确定待识别图像，也可以按照如下确定方式进行确定，具体包括：

首先，接收原始图像，并检测该原始图像中是否包含人脸；

然后，当检测出原始图像中包含人脸时，从原始图像中确定人脸的外界矩形所在区域；

最后，从原始图像中分割出上述区域，并确定为待识别图像。

需要说明的是，上述提到的按照矩形区域确定规则确定出的矩形区域，以及从原始图像中分割出的人脸的外接矩形所在区域，可以先将其缩放成预设大小的图像，再将进行缩放后得到的图像确定为待识别图像。

步骤12，对得到的多个图像块分别进行特征提取，得到各图像块的特征数据；

其中，可以根据边缘方向直方图、局部二元模式（Local Binary Pattern，LBP)、尺度不变特征变换（Scale Invariant Feature Transform，SIFT）和加速健壮特征(Speeded-Up Robust Feature，SURF)等特征得到各图像块的特征数据。

步骤13，根据得到的各图像块的特征数据，以及预先根据划分规则而训练得到的用于区分图像块类别的分类器，分别对各图像块进行分类，得到各图像块的分类结果。

步骤14，根据各图像块的分类结果以及预设的判定规则，确定该图像的类别。

本发明实施例通过对整张图像划分后得到的各图像块分别进行识别并分类，使得在对异常图像中的异常部分所属的图像块进行识别时，不会受到其他正常部分所属的图像块的影响，从而各图像块的分类结果均比较准确，从而使得最终得到的整张图像的识别结果的准确率也会提高，同时也避免了现有技术中由于异常部分的图像的特征相对于整张图像的特征不突出而导致误检的问题。

实施例二：

本发明实施例二将结合实际应用对实施例一中图像识别方法进行详细说明，本发明实施例中以将上述图像识别方法应用于人脸识别为例进行说明，具体的应用场合可以为ATM监控录像自动报警等场合。当有人在取钱时，可以对人脸进行自动分类，而后根据其是否异常选择是否报警，并可以与ATM机联动，当识别出人脸为异常人脸时ATM机不进行吐钞。

如图2所示，为本发明实施例提供的一种人脸识别方法的具体流程图。

步骤21，接收原始图像；

步骤22，检测原始图像中是否包含人脸；当检测出原始图像中包含人脸时，执行步骤23，否则直接将该原始图像确定为异常图像。

步骤23，从原始图像中确定出人脸的外接矩形，并将该外接矩形所在区域从原始图像中分割出来作为待识别图像；

其中，上述待识别图像的确定也可以按照实施例一步骤11中介绍的另一种方式进行确定。

步骤24，按照预先设定的划分规则，沿水平方向对确定的待识别图像进行划分，得到上半脸图像块和下半脸图像块；

其中，划分规则应该满足：使划分后得到的上半脸图像块和下半脸图像块中均包含能够表征待识别图像中的人脸的特征的像素点。

比如确定的待识别图像的高度和宽度分别为H和W（即高H个像素点，宽W个像素点），则可以以划分界限YO=H/2进行划分，将该待识别图像置于坐标轴中，如图3所示，x轴方向表示宽度，y轴方向表示高度，则将x轴从0到W-1，y轴从0到YO-1的部分作为下半脸图像块，将x轴从0到W-1，y轴从YO到H-1的部分作为上半脸图像块。

步骤25，对上半脸图像块和下半脸图像块分别进行特征提取，得到上半脸图像块的特征数据和下半脸图像块的特征数据；

其中，针对上半脸图像块，以提取边缘方向直方图的特征为例，具体过程如下：

对得到的上半脸图像块进行边缘检测，获取每一像素点的边缘强度值和边缘方向值。

比如可以使用Sobel算子这一边缘检测算子对上半脸图像块进行卷积操作，从而得到x轴和y轴方向的Sobel边缘值。其中，针对x轴和y轴的Sobel算子依次可以为：

$\mathrm{sobelx}=\left[\begin{array}{ccc}1& 0& -1\\ 2& 0& -2\\ 1& 0& -1\end{array}\right];$ $\mathrm{sobely}=\left[\begin{array}{ccc}1& 2& 1\\ 0& 0& 0\\ -1& -2& -1\end{array}\right];$

该上半脸图像块中的每一像素点的边缘强度值为x轴的Sobel边缘值的绝对值与y轴的Sobel边缘值的绝对值之和。

该上半脸图像块中的每一像素点的边缘方向值的计算方法如下：

$\mathrm{Dir}=\arctan \left(\frac{\mathrm{YSobel}}{\mathrm{XSobel}}\right)---\left(1\right)$

其中，公式（1）中，Dir为像素点的边缘方向值，YSobel为y轴的Sobel边缘值，XSobel为x轴的Sobel边缘值。

其中，像素点的边缘强度值的大小决定该像素点是否为边缘像素点，若其边缘强度值过小，则这个像素点就不是边缘像素点，进行边缘方向直方图统计时就可以不统计。因此，本发明实施例中对边缘强度值大于预设的像素点边缘强度值（以下简称预设阈值）的像素点进行边缘方向直方图的统计，将大于预设阈值的每一像素点的边缘强度值映射为边缘方向直方图中的数值，采用的计算公式如下：

$\mathrm{Hist}\left(\mathrm{Dir}\right)=\left\{\begin{array}{cc}\mathrm{Grad}& \mathrm{Grad}>\mathrm{SobelThres}\\ 0& \mathrm{Grad}\≤\mathrm{SobelThres}\end{array}\right.---\left(2\right)$

其中，公式（2）中，Grad为图像块中像素点的边缘强度值，SobelThres为预设的像素点边缘强度值，Hist(Dir)为边缘方向直方图中的数值。

最后，根据统计得到的上半脸图像块中像素点的边缘方向直方图，确定其特征数据。

同样的，针对下半脸图像块的特征提取和上述过程一致，在此不作赘述。

需要说明的是，特征提取的方法有很多，考虑到本发明实施例是对人脸进行识别。而通常情况下，在对人脸进行识别时，当人脸有所倾斜或有点转向（就是脸稍微侧向一边）时，就很容易导致误检。而采用提取边缘方向直方图这一特征的方法就可以避免上述人脸倾斜时所产生的问题。因为当人脸有所倾斜时，提取到的边缘方向直方图和正常人脸的边缘方向直方图是一致的。因此，本发明实施例中优选提取边缘方向直方图的方法，当然也可以不局限于上述方法而采用其他的特征提取方法，具体的可以根据实际情况来自行选择。

步骤26，根据得到的各图像块的特征数据，以及预先根据划分规则而训练得到的用于区分正常图像块和异常图像块的分类器，分别对各图像块进行分类，得到各图像块的分类结果。

其中，训练分类器的具体方法可以是：选取一定数量（二三百张即可）的图像样本，然后将选取的图像样本分别进行划分以及特征提取，分别得到若干上半脸图像块的特征数据和下半脸图像块的特征数据，将其作为两个类别，分别训练出针对一个上半脸图像块的分类器和一个针对下半脸图像块的分类器。关于分类器具体的训练方法有很多，可以根据实际情况进行选择，本发明实施例中在此不再详述。

步骤27，根据上半脸图像块和下半脸图像块的分类结果，判断其中是否包含异常图像块，若包含，则执行步骤28，否则执行步骤29。

步骤28，将待识别图像确定为异常图像。

步骤29，将待识别图像确定为正常图像。

本发明实施例中通过对整张图像划分后得到的各图像块分别进行识别并分类，使得在对异常图像中的异常部分所属的图像块进行识别时，不会受到其他正常部分所属的图像块的影响，从而各图像块的分类结果的准确率会大大提高，而最终得到的整张图像的识别结果的准确率也会提高，同时也避免了现有技术中由于异常部分的图像的特征相对于整张图像的特征不突出而导致误检的问题。

实施例三：

本发明实施例三还提供了一种图像识别装置，该装置的结构示意图如图4所示，包括：

划分单元41，用于按照预先设定的划分规则，对待识别图像进行划分，得到多个图像块；其中，划分规则满足：使得到的各图像块中均包含能够表征待识别图像中的待识别目标的特征的像素点；

特征提取单元42，用于对划分单元41得到的多个图像块分别进行特征提取，得到各图像块的特征数据；

分类单元43，用于根据特征提取单元42得到的各图像块的特征数据，以及预先根据划分规则而训练得到的用于区分图像块类别的分类器，分别对各图像块进行分类，得到各图像块的分类结果；

类别确定单元44，用于根据分类单元43得到的各图像块的分类结果以及预设的判定规则，确定该图像的类别。

其中，当待识别图像中的待识别目标为人脸时，划分单元41可以具体用于：

按照预先设定的划分界限，沿水平方向对所述待识别图像进行划分，得到多个图像块。

可选的，当待识别图像中的待识别目标为人脸时，分类单元43中的分类结果可以包括：正常图像块和异常图像块；以及类别确定单元44中的判定规则可以为：当分类单元43得到的分类结果中包含异常图像块时，将待识别图像确定为异常图像，否则将待识别图像确定为正常图像。

可选的，在待识别图像需要由原始图像确定时，该装置还可以包括：

接收单元，用于接收原始图像；

面积确定单元，用于通过检测接收单元接收的原始图像中的待识别目标的边缘像素点，确定待识别目标的面积；

第二判断单元，用于判断待识别目标与所述原始图像的面积比值是否大于预设的比例阈值；

待识别图像第一确定单元，用于在第二判断单元的判断结果为是时，将原始图像确定为待识别图像；

待识别图像第二确定单元，用于在第二判断单元的判断结果为否时，按照预设的矩形区域确定规则，从原始图像中确定包含待识别目标的矩形区域，并将矩形区域确定为待识别图像；其中，矩形区域确定规则满足：使得所述待识别目标与确定出的矩形区域的面积比值大于所述比例阈值。

可选的，在待识别图像中的待识别目标为人脸，且由原始图像确定时，该装置还可以包括：

检测单元，用于接收原始图像，并检测原始图像中是否包含人脸；

外接矩形所在区域确定单元，用于当检测单元检测出原始图像中包含人脸时，从原始图像中确定人脸的外接矩形所在区域；

分割单元，用于从原始图像中分割出外接矩形所在区域确定单元确定出的区域。

在上述待识别图像由原始图像确定的情况下，划分单元41可以具体用于：

按照预先设定的划分规则，对分割单元分割出的区域进行划分。

本发明实施例提供的图像识别装置，通过对整张图像划分后得到的各图像块分别进行识别并分类，使得在对异常图像中的异常部分所属的图像块进行识别时，不会受到其他正常部分所属的图像块的影响，从而各图像块的分类结果的准确率会大大提高，而最终得到的整张图像的识别结果的准确率也会提高，同时也避免了现有技术中由于异常部分的图像的特征相对于整张图像的特征不突出而导致误检的问题。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（***）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种图像识别方法，其特征在于，包括：

按照预先设定的划分规则，对待识别图像进行划分，得到多个图像块；其中，所述划分规则满足：使得到的各图像块中均包含能够表征所述待识别图像中的待识别目标的特征的像素点；并

对所述多个图像块分别进行特征提取，得到各图像块的特征数据；

根据得到的各图像块的特征数据，以及预先根据所述划分规则而训练得到的用于区分图像块类别的分类器，分别对各图像块进行分类，得到各图像块的分类结果；

根据各图像块的分类结果以及预设的判定规则，确定所述图像的类别。

2.如权利要求1所述的方法，其特征在于，所述待识别图像中的待识别目标为人脸；则

按照预先设定的划分规则，对获得的待识别图像进行划分，得到多个图像块具体包括：

按照预先设定的划分界限，沿水平方向对所述待识别图像进行划分，得到多个图像块。

3.如权利要求1所述的方法，其特征在于，所述待识别图像中的待识别目标为人脸；则

所述分类结果包括：正常图像块和异常图像块；以及

所述判定规则为：当所述多个图像块中包含异常图像块时，将待识别图像确定为异常图像，否则将待识别图像确定为正常图像。

4.如权利要求1～3任一所述的方法，其特征在于，所述待识别图像中的待识别目标为人脸；则

所述方法还包括：

接收原始图像，并检测所述原始图像中是否包含人脸；

当检测出所述原始图像中包含人脸时，从所述原始图像中确定所述人脸的外接矩形所在区域；

从所述原始图像中分割出所述区域；则

按照预先设定的划分规则，对待识别图像进行划分，具体包括：

按照预先设定的划分规则，对分割出的所述区域进行划分。

5.如权利要求1～3任一所述的方法，其特征在于，还包括：

接收原始图像；并

通过检测所述原始图像中的待识别目标的边缘像素点，确定所述待识别目标的面积；

判断所述待识别目标与所述原始图像的面积比值是否大于预设的比例阈值；

在判断结果为是时，则将原始图像确定为待识别图像；

在判断结果为否时，按照预设的矩形区域确定规则，从所述原始图像中确定包含所述待识别目标的矩形区域，并将所述矩形区域确定为待识别图像；其中，矩形区域确定规则满足：使得所述待识别目标与确定出的矩形区域的面积比值大于所述比例阈值；则

按照预先设定的划分规则，对待识别图像进行划分，具体包括：

按照预先设定的划分规则，对确定出的待识别图像进行划分。

6.一种图像识别装置，其特征在于，包括：

划分单元，用于按照预先设定的划分规则，对待识别图像进行划分，得到多个图像块；其中，所述划分规则满足：使得到的各图像块中均包含能够表征所述待识别图像中的待识别目标的特征的像素点；

特征提取单元，用于对划分单元得到的所述多个图像块分别进行特征提取，得到各图像块的特征数据；

分类单元，用于根据特征提取单元得到的各图像块的特征数据，以及预先根据所述划分规则而训练得到的用于区分图像块类别的分类器，分别对各图像块进行分类，得到各图像块的分类结果；

类别确定单元，用于根据分类单元得到的各图像块的分类结果以及预设的判定规则，确定所述图像的类别。

7.如权利要求6所述的装置，其特征在于，所述待识别图像中的待识别目标为人脸；则

所述划分单元具体用于：

按照预先设定的划分界限，沿水平方向对所述待识别图像进行划分，得到多个图像块。

8.如权利要求6所述的装置，其特征在于，所述待识别图像中的待识别目标为人脸；则

分类单元中的分类结果包括：正常图像块和异常图像块；以及

类别确定单元中的判定规则为：当分类单元得到的分类结果中包含异常图像块时，将待识别图像确定为异常图像，否则将待识别图像确定为正常图像。

9.如权利要求6～8任一所述的装置，其特征在于，所述待识别图像中的待识别目标为人脸；则

所述装置还包括：

检测单元，用于接收原始图像，并检测所述原始图像中是否包含人脸；

外接矩形所在区域确定单元，用于当检测单元检测出所述原始图像中包含人脸时，从所述原始图像中确定所述人脸的外接矩形所在区域；

分割单元，用于从所述原始图像中分割出外接矩形所在区域确定单元确定出的所述区域；则

划分单元，具体用于：

按照预先设定的划分规则，对分割单元分割出的所述区域进行划分。

10.如权利要求6～8任一所述的装置，其特征在于，所述装置还包括：

接收单元，用于接收原始图像；

面积确定单元，用于通过检测接收单元接收的所述原始图像中的待识别目标的边缘像素点，确定所述待识别目标的面积；

第二判断单元，用于判断所述待识别目标与所述原始图像的面积比值是否大于预设的比例阈值；

待识别图像第一确定单元，用于在第二判断单元的判断结果为是时，将原始图像确定为待识别图像；

待识别图像第二确定单元，用于在第二判断单元的判断结果为否时，按照预设的矩形区域确定规则，从所述原始图像中确定包含所述待识别目标的矩形区域，并将所述矩形区域确定为待识别图像；其中，矩形区域确定规则满足：使得所述待识别目标与确定出的矩形区域的面积比值大于所述比例阈值；则

所述划分单元具体用于：

按照预先设定的划分规则，对确定出的待识别图像进行划分。