本发明专利技术涉及图像识别技术领域，具体涉及一种图像目标识别方法及装置，包括如下步骤：S1、获取每一张样本图像内载目标的边缘形状参数；S2、基于所述边缘形状参数实现每一张样本图像内载目标边缘特征的加强处理；S3、基于完成加强处理的样本图像集训练构建图像识别模型；S4、基于所述图像识别模型实现图像目标的识别。本发明专利技术基于每一张样本图像内载目标边缘特征的加强处理，大大提高了图像目标识别的准确率，可达99.73%。可达99.73%。可达99.73%。
【技术实现步骤摘要】
一种图像目标识别方法及装置
[0001]本专利技术涉及图像识别
，具体涉及一种图像目标识别方法及装置。
技术介绍
[0002]图像是人类视觉的基础，是自然景物的客观反映，也是人类信息收集和交流的有效途径之一，随着计算机、互联网等技术的发展，数字图像处理技术在工业、医疗、军事、交通等行业中发挥着日益重要的作用。
[0003]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。
[0004]目前，传统的图像目标识别方法，通常采用直接用样本图像集训练获取图像识别模型的方式，图像目标与背景之间的边缘界限不清晰，从而使得所提取的图像目标特征可能会包含背景的特征，从而大大降低了图像目标识别的准确率。
技术实现思路
[0005]为解决上述问题，本专利技术提供了一种图像目标识别方法及其装置，基于每一张样本图像内载目标边缘特征的加强处理，大大提高了图像目标识别的准确率。
[0006]为实现上述目的，本专利技术采取的技术方案为：一种图像目标识别方法，包括如下步骤：S1、获取每一张样本图像内载目标的边缘形状参数；S2、基于所述边缘形状参数实现每一张样本图像内载目标边缘特征的加强处理；S3、基于完成加强处理的样本图像集训练构建图像识别模型；S4、基于所述图像识别模型实现图像目标的识别。
[0007]进一步地，所述步骤S1中，基于带三维姿态传感器的描线笔获取每一张样本图像内载目标的边缘形状参数。
[0008]进一步地，所述描线笔无色，配置有用于识别描线笔是否达到起点的程序，当描线笔到达起点时，描线笔尾端的指示灯亮起。
[0009]进一步地，所述步骤S2中，采用将所述边缘形状参数以显色框的模式配置到每一张样本图像上对应的目标位置处的方式实现目标边缘特征的加强处理。
[0010]进一步地，步骤S3中，以显色框内部图像的图像深度特征、纹理特征、不变矩阵特征、目标的边缘形状参数为样本数据训练构建图像识别模型。
[0011]进一步地，所述图像识别模型采用Inception_V3_模型。
[0012]进一步地，还包括：基于kinect深度传感器实现样本图像集扩充的步骤，每一个目标均配置有其各种方位的样本图像。
[0013]本专利技术还提供了一种图像目标识别装置，采用上述的方法实现图像目标的识别。
[0014]本专利技术具有以下有益效果：1）基于每一张样本图像内载目标边缘特征的加强处理，可以实现目标与背景的精
确化分割，从而提高所提取到的图像特征的精确性。
[0015]2）以显色框内部图像的图像深度特征、纹理特征、不变矩阵特征、目标的边缘形状参数为样本数据训练构建图像识别模型，可以提高所得图像识别模型的识别准确率，可达99.73%。
[0016]3）实现了样本集的快速扩充，充分考虑了图像目标处于不同方位时的特征参数，进一步提高所得的图像识别模型的识别准确率。
附图说明
[0017]图1为本专利技术实施例一种图像目标识别方法的流程图。
具体实施方式
[0018]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进。这些都属于本专利技术的保护范围。
实施例1
[0019]如图1所示，一种图像目标识别方法，包括如下步骤：S1、获取图像样本集，基于kinect深度传感器实现样本图像集扩充，每一个目标均配置有其各种方位的样本图像；具体地，基于kinect深度传感器获取样本的深度图像，并将所获得的深度图像进行三角化，然后在尺度空间中融合所有三角化的深度图像构建的分层有向距离场，对距离场中所有的体素应用整体三角剖分算法产生一个涵盖所有体素的凸包，并利用Marching Tetrahedra算法构造等值面,从而完成目标的三维重构，得到目标三维模型，将目标三维模型以每一次转动5
°
的规格旋转360
°
，每一次转动完成后，将所得的三维模型填充到原始的背景中，即可获得当前方位对应的样品图像；S2、获取每一张样本图像内载目标的边缘形状参数；具体地，基于带三维姿态传感器的描线笔获取每一张样本图像内载目标的边缘形状参数，所述描线笔无色，配置有用于识别描线笔是否达到起点的程序，当描线笔到达起点时，描线笔尾端的指示灯亮起；操作室，通过手动描红的方式进行目标边缘的描红操作；S3、基于所述边缘形状参数实现每一张样本图像内载目标边缘特征的加强处理；具体地，采用将所述边缘形状参数以显色框的模式配置到每一张样本图像上对应的目标位置处的方式实现目标边缘特征的加强处理；S4、基于完成加强处理的样本图像集训练构建图像识别模型；具体地，以显色框内部图像的图像深度特征、纹理特征、不变矩阵特征、目标的边缘形状参数为样本数据训练构建图像识别模型；S5、基于所述图像识别模型实现图像目标的识别，本实施例中所述图像识别模型采用Inception_V3_模型。
[0020]经验证，本实施例所得的图像识别模型的图像识别准确率在99.73%。
实施例2
[0021]一种图像目标识别装置，包括装置本体、配置在装置本体上的图像采集模块以及内载于装置本体内的图像识别程序，该图像识别程序采用实施例1所述的方法实现图像目标的识别。
[0022]以上对本专利技术的具体实施例进行了描述。需要理解的是，本专利技术并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本专利技术的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像目标识别方法，其特征在于：包括如下步骤：S1、获取每一张样本图像内载目标的边缘形状参数；S2、基于所述边缘形状参数实现每一张样本图像内载目标边缘特征的加强处理；S3、基于完成加强处理的样本图像集训练构建图像识别模型；S4、基于所述图像识别模型实现图像目标的识别。2.如权利要求1所述的一种图像目标识别方法，其特征在于：所述步骤S1中，基于带三维姿态传感器的描线笔获取每一张样本图像内载目标的边缘形状参数。3.如权利要求2所述的一种图像目标识别方法，其特征在于：所述描线笔无色，配置有用于识别描线笔是否达到起点的程序，当描线笔到达起点时，描线笔尾端的指示灯亮起。4.如权利要求1所述的一种图像目标识别方法，其特征在于：所述步骤S2中，采用将所述边缘形状...
【专利技术属性】
技术研发人员：陈明，徐阳扬，赵小娥，翁垚，马佳荣，赵艳，张红祥，
申请(专利权)人：西安文理学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。