[发明专利]图像识别方法、装置及电子设备

权利要求书

1.一种图像识别方法，其特征在于，所述方法包括：

将目标图像输入至预先训练得到的分类模型进行识别，输出所述目标图像的目标特征向量；

从预设的多个聚类中心中确定所述目标特征向量所属的目标聚类中心，其中，各个聚类中心为预先对训练样本集进行特征提取及聚类操作所获得的，所述训练样本集包括正样本子集和负样本子集；

检测所述目标聚类中心是否与候选聚类中心一致，其中，所述候选聚类中心为预先获得的所述正样本子集在所述多个聚类中心中所属的聚类中心；

根据检测所述目标聚类中心与候选聚类中心是否一致的检测结果，判断所述目标图像是否与所述正样本子集中的任意一张图像属于相同类型。

2.根据权利要求1所述的图像识别方法，其特征在于，所述从预设的多个聚类中心中确定所述目标特征向量所属的目标聚类中心的步骤，包括：

计算所述目标特征向量与预设的每个聚类中心之间的欧式距离；

将计算得到的最小欧式距离对应的聚类中心作为所述目标特征向量所属的目标聚类中心。

3.根据权利要求1所述的图像识别方法，其特征在于，所述方法还包括：

将所述训练样本集中包含的各张样本图像导入预先训练得到的分类模型进行识别，输出各张样本图像的特征向量；

对各张样本图像的特征向量进行聚类操作，得到多个聚类中心；

将所述正样本子集中包含的各张正样本图像导入所述分类模型进行识别，输出各张正样本图像的特征向量；

获得各张正样本图像的特征向量在所述多个聚类中心中所属的聚类中心作为所述候选聚类中心。

4.根据权利要求3所述的图像识别方法，其特征在于，所述对各张样本图像的特征向量进行聚类操作，得到多个聚类中心的步骤，包括：

从多张样本图像的特征向量中随机选定预设数量个特征向量，作为初始聚类中心；

计算各张样本图像的特征向量分别与每个初始聚类中心之间的欧式距离，针对每张样本图像，将与该样本图像的特征向量之间的欧式距离最小的一个初始聚类中心作为该样本图像的特征向量所属的初始聚类中心；

针对所属同一初始聚类中心的至少两张样本图像，计算得到该至少两张样本图像的特征向量的中心特征向量，根据该中心特征向量对其所属的初始聚类中心进行偏移。

5.根据权利要求3所述的图像识别方法，其特征在于，所述将所述训练样本集中包含的各张样本图像导入预先训练得到的分类模型进行识别，输出各张样本图像的特征向量的步骤之后，所述方法还包括：

对每张样本图像的特征向量进行正则化主成分分析处理，训练得到正则化PCA投影矩阵；

将获得的目标图像输入预先训练得到的分类模型进行识别，输出所述目标图像的目标特征向量的步骤之后，所述方法还包括：

利用获得的所述正则化PCA投影矩阵对所述目标特征向量进行降维处理。

6.根据权利要求5所述的图像识别方法，其特征在于，所述对每张样本图像的特征向量进行正则化主成分分析处理，训练得到正则化PCA投影矩阵的步骤，包括：

根据所述训练样本集包含的样本图像的数量以及每张样本图像的特征向量的维度数，构造初始矩阵；

采用正则化算法对所述初始矩阵进行分解，得到所述正则化PCA投影矩阵。

7.根据权利要求5所述的图像识别方法，其特征在于，正则化主成分分析处理后的每张样本图像的特征向量包括多维向量，所述方法还包括：

将正则化主成分分析处理后的各张样本图像的特征向量包括的每一维向量映射至对应的空间坐标轴上；

对映射至各个空间坐标轴上的向量的标准差作归一化处理；

针对各张样本图像，根据归一化处理后的向量对该样本图像的特征向量进行更新。