[发明专利]物体识别方法及装置

权利要求书

1.一种物体识别方法，其特征在于，包括：

获取待识别图像及所述待识别图像的一个或多个主体区域，所述主体区域包括有待识别的物体；

确定所述一个或多个主体区域中每个主体区域的显著性评分；所述主体区域的显著性评分用于表征该主体区域内物体的显著程度；

当主体区域A的显著性评分大于或等于分类阈值时，根据所述主体区域A内物体的特征确定所述主体区域A内物体的特征向量，并根据所述主体区域A内物体的特征向量与特征库中的类别特征向量确定所述主体区域A内物体的类别；其中，所述主体区域A为所述一个或多个主体区域中的任一个主体区域，所述类别特征向量用于表征同一类物体的共用特征或者一种物体的特征；

接收第三方的N类样本及每类样本的类别，所述N类样本中每类样本包括多个样本，所述N为大于0的整数；

若所述特征库不包括所述N类样本中的第T类样本中的每个样本的类别，根据CNN特征提取模型获取所述第T类样本中的每个样本的特征向量；

根据所述第T类样本中每个样本的特征向量确定所述第T类样本的特征中心向量；所述第T类样本的特征中心向量为所述第T类样本中所有样本的特征向量的平均值；

将所述第T类样本的特征中心向量及第T类样本的类别添加到所述特征库中，T为小于N大于0的整数；

所述方法还包括：

根据多个样本训练所述CNN特征提取模型；其中，所述根据多个样本训练所述CNN特征提取模型，包括：根据所述CNN特征提取模型获取所述多个样本中的样本S对应的四元组(a，C_P，C_N，n)，所述a为所述样本S的特征向量，所述C_P为所述样本S所属类别对应的特征中心向量，所述C_N为与所述a距离最近的异类样本的特征中心向量，所述n为与所述C_P距离最近的异类样本的特征向量；

根据所述多个样本的四元组及损失函数训练所述CNN特征提取模型，直至所述损失函数的值小于预设精度；所述损失函数用于表征所述CNN特征提取模型的精度。

2.根据权利要求1所述的物体识别方法，其特征在于，所述获取所述待识别图像的一个或多个主体区域，包括：

将所述待识别图像输入到显著性概率图生成模型，以得到所述待识别图像的显著性概率图；所述显著性概率图的尺寸与所述待识别图像的相同；

对所述显著性概率图进行二值化处理，以得到二值显著性概率图；

根据连通区域识别方法对所述二值显著性概率图进行处理，以得到所述一个或多个主体区域。

3.根据权利要求1所述的物体识别方法，其特征在于，所述确定所述一个或多个主体区域中每个主体区域的显著性评分，包括：

获取所述主体区域A内显著性概率值的集合N_A和非主体区域A’内的显著性概率值的集合N_A’，所述非主体区域A’为在所述待识别图像的显著性概率图中除了所述主体区域A之外的区域；

根据所述主体区域A内显著性概率值的集合N_A和所述非主体区域A’内的显著性概率值的集合N_A’分别获取所述主体区域A的平均显著性概率值和非主体区域A’的平均显著性概率值；

根据所述主体区域A的平均显著性概率值和非主体区域A’的平均显著性概率值计算得到所述主体区域A的显著性评分；

其中，所述主体区域A的显著性评分为所述主体区域A的平均显著性概率值与非主体区域A’的平均显著性概率值的比值；所述一个或多个主体区域的显著性评分包括所述主体区域A的显著性评分。