[发明专利]图片识别方法、装置及电子设备

权利要求书

1.一种图片识别方法，其特征在于，包括：

实时获得待识别图片以及所述待识别图片包括的多个像素点；

针对所述多个像素点中的每个像素点，判断该像素点是否为特征点，若该像素点为特征点，提取该像素点的特征向量，将提取出的各个特征向量进行融合以获得融合特征向量；

将所述融合特征向量输入训练器，其中，所述训练器预存有原始图片融合特征向量；采用所述训练器将所述融合特征向量与所述原始图片融合特征向量进行比对识别，获得相似度比例值；

判断所述相似度比例值是否小于预设相似度界定值，若所述相似度比例值小于所述预设相似度界定值，发送判定所述待识别图片为造假图片的提示，提取出所述融合特征向量中与所述原始图片融合特征向量不匹配的至少一个特征向量，将所述至少一个特征向量对应的像素点在所述待识别图片中标出。

2.根据权利要求1所述的图片识别方法，其特征在于，所述方法还包括：

将所述至少一个特征向量输入所述训练器；

对所述训练器进行二次训练。

3.根据权利要求1所述的图片识别方法，其特征在于，判断该像素点是否为特征点的步骤，包括：

获得该像素点的黑塞矩阵；

将所述黑塞矩阵与盒滤波器进行卷积，获得该像素点的多个黑塞响应值以及该像素点的图片金字塔，其中，所述图片金字塔包括多层，各所述黑塞响应值与各层一一对应；

针对所述图片金字塔中的每层，判断本层对应的黑塞响应值在本层、本层的上一层以及本层的下一层的多个邻域点内是否为最值，若为最值，判定该像素点为特征点。

4.根据权利要求1所述的图片识别方法，其特征在于，所述训练器为卷积神经网络训练器。

5.根据权利要求1所述的图片识别方法，其特征在于，所述方法还包括：

获得修改所述预设相似度界定值的修改指令；

根据所述修改指令对所述预设相似度界定值进行修改。

6.一种图片识别装置，其特征在于，包括：

获取模块，用于实时获得待识别图片以及所述待识别图片包括的多个像素点；

特征点判断模块，用于针对所述多个像素点中的每个像素点，判断该像素点是否为特征点，若该像素点为特征点，提取该像素点的特征向量，将提取出的各个特征向量进行融合以获得融合特征向量；

相似度比例值获取模块，将所述融合特征向量输入训练器，其中，所述训练器预存有原始图片融合特征向量；采用所述训练器将所述融合特征向量与所述原始图片融合特征向量进行比对识别，获得相似度比例值；

判断模块，用于判断所述相似度比例值是否小于预设相似度界定值，若所述相似度比例值小于所述预设相似度界定值，发送判定所述待识别图片为造假图片的提示，提取出所述融合特征向量中与所述原始图片融合特征向量不匹配的至少一个特征向量，将所述至少一个特征向量对应的像素点在所述待识别图片中标出。

7.根据权利要求6所述的图片识别装置，其特征在于，所述装置还包括二次训练模块；

所述二次训练模块用于将所述至少一个特征向量输入所述训练器；对所述训练器进行二次训练。

8.根据权利要求7所述的图片识别装置，其特征在于，所述装置还包括修改模块；

所述修改模块用于获得修改所述预设相似度界定值的修改指令，根据所述修改指令对所述预设相似度界定值进行修改。

9.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1～5任一项所述的图片识别方法。

10.一种计算机可读存储介质，其特征在于，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在电子设备执行权利要求1～5任一项所述的图片识别方法。