[发明专利]图像特征识别方法及装置

说明书

本发明涉及一种图像特征识别方法及装置，所述方法包括获取图片，采用预设模板或形状识别模型对所述图片进行识别，并在识别成功后进行定位；所述采用预设模板对所述图片进行识别，包括：获取所述图片中与预设模板的图像的匹配区域；计算所述匹配区域的匹配度，在所述匹配度大于预设阈值时确定识别成功。本发明能够实现对图片上的文字或图像的识别，从而进行定位。

技术领域

本发明属于图像识别技术领域，具体涉及一种图像特征识别方法及装置。

背景技术

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。现阶段图像识别技术一般分为人脸识别与商品识别，人脸识别主要运用在安全检查、身份核验与移动支付中；商品识别主要运用在商品流通过程中，特别是无人货架、智能零售柜等无人零售领域。

相关技术中，图像识别方式存在无法实现定位的问题。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种图像特征识别方法及装置，以解决现有技术中图像识别无法定位的问题。

为实现以上目的，本发明采用如下技术方案：一种图像特征识别方法，包括：

获取图片；

采用预设模板或形状识别模型对所述图片进行识别，并在识别成功后进行定位；

所述采用预设模板对所述图片进行识别，包括：

获取所述图片中与预设模板的图像的匹配区域；

计算所述匹配区域的匹配度，在所述匹配度大于预设阈值时确定识别成功。

进一步的，所述获取图片，包括：

通过移动客户端的相机拍摄或截图的方式获取到待识别的图片；

如果所述待识别的图片上文字的倾斜角大于预设阈值时，对所述待识别的图片进行倾斜校正，得到图片。

进一步的，采用形状识别模型对所述图片进行识别，包括：

获取样本图片，对所述样本图片进行形状和类型设定，得到训练集和测试数据集；

根据训练集和测试数据集对神经网络模型进行训练至神经网络模型收敛，得到形状识别模型；

对所述图片进行预处理，得到待处理图像；

将所述待处理图像输入到所述形状识别模型中进行计算，输出识别结果。

进一步的，对所述图片进行预处理，包括：

对所述图片进行灰度化，得到灰度图像；

将所述灰度图像进行压缩，得到压缩图像；

将所述压缩图像转换为一维向量并进行归一化。

进一步的，对所述图片进行预处理，还包括：

对所述图片进行版面分析，包括：

将所述图片中所有文字块进行切分，区分文本段落、排版顺序、域内属性及各文字块的联系关系；

当所述图片中含有表格区域时，对表格区域单独进行表格分析处理。

进一步的，所述采用预设模板对所述图片进行识别，还包括：

计算识别率。

进一步的，所述计算识别率，包括：

将匹配度值存储在矩阵中；所述匹配度值作为所述矩阵的左上角顶点；

计算所述矩阵的相关系数并进行归一化处理。