[发明专利]图像识别方法、装置、电子设备和计算机可读存储介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取待识别脉冲图像；

对所述待识别脉冲图像进行预定形状识别，得到所述待识别脉冲图像的识别分数；

若所述识别分数大于预设阈值，则将所述待识别脉冲图像识别为目标脉冲图像。

2.根据权利要求1所述的图像识别方法，其特征在于，所述对所述待识别脉冲图像进行预定形状识别，得到所述待识别脉冲图像的识别分数，包括：

对所述待识别脉冲图像进行连通域检测，得到所述待识别脉冲图像对应的至少一张目标预定形状图像；

对所述目标预定形状图像进行预定形状识别，得到所述目标预定形状图像的子识别分数；

根据所述子识别分数确定所述待识别脉冲图像的识别分数。

3.根据权利要求2所述的图像识别方法，其特征在于，对所述待识别脉冲图像进行连通域检测，得到所述待识别脉冲图像对应的至少一张目标预定形状图像，包括：

对所述待识别脉冲图像进行连通域检测，得到所述待识别脉冲图像对应的至少一张初始预定形状图像；

从所述初始预定形状图像中筛选出连通域面积最大的至少一张目标预定形状图像。

4.根据权利要求2所述的图像识别方法，其特征在于，所述对所述目标预定形状图像进行预定形状识别，得到所述目标预定形状图像的子识别分数，包括：

对所述目标预定形状图像进行预定形状识别，得到所述目标预定形状图像的第一识别分数、第二识别分数以及第三识别分数，所述第一识别分数为所述目标预定形状图像属于真实预定形状图像对应的识别分数，第二识别分数为所述目标预定形状图像不属于真实预定形状图像对应的识别分数，第三识别分数为所述目标预定形状图像属于疑似真实预定形状图像对应的识别分数；

基于所述第一识别分数、所述第二识别分数以及所述第三识别分数，确定所述目标预定形状图像的的子识别分数。

5.根据权利要求4所述的图像识别方法，其特征在于，所述基于所述第一识别分数、所述第二识别分数以及所述第三识别分数，确定所述目标预定形状图像的的子识别分数，包括：

获取第一预设分数、第二预设分数以及第三预设分数；

将所述第一识别分数与所述第一预设分数相乘，得到第一结果；

将所述第二识别分数与所述第二预设分数相乘，得到第二结果；以及，

将所述第三识别分数与所述第三预设分数进行相乘，得到第三结果；

将所述第一结果、所述第二结果以及所述第三结果进行相加，得到所述目标预定形状图像的的子识别分数。

6.根据权利要求4所述的图像识别方法，其特征在于，所述对所述目标预定形状图像进行预定形状识别，得到所述目标预定形状图像的第一识别分数、第二识别分数以及第三识别分数，包括：

将所述目标预定形状图像输入至已训练的神经网络模型中进行预定形状识别，得到所述目标预定形状图像的第一识别分数、第二识别分数以及第三识别分数。

7.根据权利要求6所述的图像识别方法，其特征在于，在所述将所述目标预定形状图像输入至已训练的神经网络模型中进行预定形状识别，得到所述目标预定形状图像的第一识别分数、第二识别分数以及第三识别分数之前，包括：

获取训练脉冲图像；

对所述训练脉冲图像进行连通域检测，得到所述训练脉冲图像对应的至少一张训练预定形状图像；

对所述训练预定形状图像进行标记，得到所述训练预定形状图像对应的标签；

将所述训练预定形状图像输入至待训练的神经网络模型中进行预定形状识别，得到所述训练预定形状图像的正样本识别分数、负样本识别分数以及疑似正样本识别分数；

基于所述正样本识别分数、所述负样本识别分数、所述疑似正样本识别分数、正样本预测阈值以及所述训练预定形状图像对应的标签对所述待训练的神经网络模型进行训练，得到所述已训练的神经网络模型。