一种智能图形图像识别处理方法及终端

技术领域

本发明涉及图像识别技术领域，尤其涉及一种智能图形图像识别处理方法及终端。

背景技术

计算机图像识别技术，是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。图像识别所研究的问题，是如何使用计算机代替人类去自动处理大量的物理信息，解决人类所无法识别或者识别过于耗费资源的问题，从而很大程度上解放人类的劳动力。

但是目前对于图像识别处理上，对于存在角度偏差或者有缺失等情况的图像识别处理存在漏洞，在识别过程上，不能对这类情况下的图像进行准确的识别，降低了图像识别处理的效果。

发明内容

本发明的目的在于提供一种智能图形图像识别处理方法及终端，提高图像识别处理效果。

为实现上述目的，第一方面，本发明提供了一种智能图形图像识别处理方法，包括以下步骤：

采集待识别图像，并对所述待识别图像进行格式转换和预处理，得到均值深度图；

对所述均值深度图和参考图像进行特征提取和匹配，判断所述均值深度图是否有相对旋转，并基于提取出来的特征点进行调整；

基于角度调整后的所述均值深度图的角点对所述参考图像进行匹配处理，并基于所述特征点进行特征点重叠；

将重叠后的所述均值深度图与所述参考图像映射到基准坐标系中，并基于获取的坐标值，计算出对应的相似度值，完成识别处理。

其中，所述方法还包括：

判断所述均值深度图是否有缺失，同时提取所述均值深度图中的角点。

其中，所述方法还包括：

将计算出的所述相似度值与设定的阈值进行比较，若大于所述阈值，则判断所述待识别图像为所述参考图像；

若小于所述阈值，则判断所述待识别图像不是所述参考图像。

其中，若小于所述阈值，则判断所述待识别图像不是所述参考图像之后，所述方法还包括：

将所述待识别图像与下一个所述参考图像进行角度调整、重叠和相似度值计算，直至匹配到所述相似度值大于所述阈值的所述参考图像。

其中，基于角度调整后的所述均值深度图的角点对所述参考图像进行匹配处理，并基于所述特征点进行特征点重叠，包括：

基于所述角点，将角度调整后的所述均值深度图与获取的参考图像进行点对点匹配；

采用所述均值深度图在下，所述参考图像在上的重叠方式，将所述均值深度图和所述参考图像进行重叠；

将重叠的所述特征点的标记进行保留，将不重叠的所述特征点的标记进行消除。

其中，基于所述角点，将角度调整后的所述均值深度图与获取的参考图像进行点对点匹配之后，所述方法还包括：

若所述均值深度图有缺失，则根据缺失角点与正常角点之间的位置关系以及所述缺失角点之间的连接线对所述参考图像进行遮盖处理。

第二方面，本发明提供了一种智能图形图像识别处理终端，适用如第一方面所述的一种智能图形图像识别处理方法，

所述智能图形图像识别处理终端包括图像采集模块、角度调整模块、匹配重叠模块和相似计算模块，所述图像采集模块、所述角度调整模块、所述匹配重叠模块和所述相似计算模块依次连接；

所述图像采集模块，用于采集待识别图像，并对所述待识别图像进行格式转换和预处理，得到均值深度图；

所述角度调整模块，用于对所述均值深度图和参考图像进行特征提取和匹配，判断所述均值深度图是否有相对旋转，并基于提取出来的特征点进行调整；

所述匹配重叠模块，用于基于角度调整后的所述均值深度图的角点对所述参考图像进行匹配处理，并基于所述特征点进行特征点重叠；

所述相似计算模块，用于将重叠后的所述均值深度图与所述参考图像映射到基准坐标系中，并基于获取的坐标值，计算出对应的相似度值，完成识别处理。

第三方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器，用于存储程序指令，所述处理器，用于调用所述存储器中的程序指令执行如第一方面所述的方法包括的部分或全部步骤。

第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法的部分或全部步骤。

本发明的一种智能图形图像识别处理方法及终端，采集待识别图像，并对所述待识别图像进行格式转换和预处理，得到均值深度图；对所述均值深度图和参考图像进行特征提取和匹配，判断所述均值深度图是否有相对旋转，并基于提取出来的特征点进行调整；基于角度调整后的所述均值深度图的角点对所述参考图像进行匹配处理，并基于所述特征点进行特征点重叠；将重叠后的所述均值深度图与所述参考图像映射到基准坐标系中，并基于获取的坐标值，计算出对应的相似度值，完成识别处理，提高图像识别处理效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明第一实施例提供的一种智能图形图像识别处理方法的步骤示意图。

图2是本发明第二实施例提供的一种智能图形图像识别处理方法的步骤示意图。

图3是本发明提供的智能图形图像识别处理方法的流程示意图。

图4是本发明提供的一种智能图形图像识别处理终端的结构示意图。

图5是本发明提供的计算机设备的结构组成示意图。

1-图像采集模块、2-角度调整模块、3-匹配重叠模块、4-相似计算模块、301-应用程序、302-处理器、303-存储器、304-输入单元、305-显示单元。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

请参阅图1，本发明第一实施例提供一种智能图形图像识别处理方法，包括以下步骤：

S101、采集待识别图像，并对所述待识别图像进行格式转换和预处理，得到均值深度图。

具体的，利用摄像头等设备获取待识别图像，并将所述待识别图像转换成标准尺寸大小以及统一的处理格式，对所述待识别图像的背景深度数据进行累加并除以数据帧数，计算得到均值深度图，以解决单帧背景深度图数据稳定性差的问题。并且，在得到所述均值深度图之前，对所述待识别图像进行滤波去噪、形态学变换以及阈值化等预处理操作，保证在进行均值计算时，减少像素差异等因素影响得到的均值深度图的准确性。

S102、对所述均值深度图和参考图像进行特征提取和匹配，判断所述均值深度图是否有相对旋转，并基于提取出来的特征点进行调整。

具体的，首先，建立基准坐标系，将所述均值深度图和所述参考图像分别放入所述基准坐标系中，放入时，基于获取时的初始状态与基准坐标系原点进行卡和，保证两幅图均是从原点进行计算，然后，需要分别对所述均值深度图像和获取的参考图像上的特征点，然后基于所述特征点，获取均值深度图和参考图像上的两对匹配的特征点，将两对匹配的所述特征点对应的纵坐标相减，得到的差值相乘后，得到交叉值，并记录交叉值小于0的次数；当所述交叉值小于0的记录次数大于或等于特征匹配对总数的三分之一，则判断所述均值深度图和所述参考图像存在相对旋转。

若存在相对旋转，则将所述均值深度图进行区域划分，得到多个限定区域，一般是基于轴线分为4个限定区域，基于所述均值深度图的多个所述限定区域，设定对应的初始旋转角度；基于所述匹配对数量达到阈值的所述限定区域，获取对应的所述初始旋转角度，并根据三角函数关系计算出旋转后的所述均值深度图，一般建议每次调整10-15°左右，避免调整次数过小，调整次数过多，也避免调整角度过程，出现过度调整的情况。

当每一次调整完成后，需要再次与参考图像继续交叉值计算，直至交叉值小于0的记录次数小于特征匹配对总数的三分之一，表明所述均值深度图与所述参考图像之间的角度偏差在误差允许范围内。

S103、基于角度调整后的所述均值深度图的角点对所述参考图像进行匹配处理，并基于所述特征点进行特征点重叠。

具体的，若所述均值深度图存在角度调整，则当角度调整合适后，将角度调整后的所述均值深度图的角点与所述参考图像的角点进行一一匹配，并且在匹配的过程中，需要根据基准坐标系的坐标值进行匹配，而所述均值深度图的角点的坐标值为调整过的坐标值，当角点重合后，基于所述参考图像和所述均值深度图中的提取出来的特征点进行重叠，在重叠时，采用的是将所述均值深度图放在所述参考图像的下方，当两个图像的特征点重合时，则将所述均值深度图和所述参考图像上的特征点的标记进行保留，将不重合的特征点的标记进行取消，方便在进行重叠相似度值的计算。

若所述均值深度图不需要进行角度调整，则直接进行所述均值深度图的角点对所述参考图像进行匹配处理，并基于所述特征点进行特征点重叠。

S104、将重叠后的所述均值深度图与所述参考图像映射到基准坐标系中，并基于获取的坐标值，计算出对应的相似度值，完成识别处理。

具体的，当所述均值深度图与所述参考图像重叠后，且取消了不重叠的特征点的标记后，将重叠的两个图一起映射到基准坐标系中，得到保留下来的特点的坐标值，根据特征点之间的图像的连接关系，将相邻的两个特征点进行连接，得到对应的特征点组成的相似图像，并基于获取的坐标值，计算出相似图像的面积，将此面积与所述参考图像的整个面积进行计算，得到对应的相似度值。

将计算出的所述相似度值与设定的阈值进行比较，若大于所述阈值，则判断所述待识别图像为所述参考图像；若小于所述阈值，则判断所述待识别图像不是所述参考图像，则将所述待识别图像与下一个所述参考图像进行角度调整、重叠和相似度值计算，直至匹配到所述相似度值大于所述阈值的所述参考图像，能对具有角度的图像的识别处理，增加了图像识别处理的效果。

请参阅图2，本发明第二实施例提供一种智能图形图像识别处理方法，包括以下步骤：

S201-S202的具体实施方式所描述的内容与本发明第一实施例S101-S102的具体实施方式所描述的内容一致，因此，此处不再赘述。

S203、判断所述均值深度图是否有缺失，同时提取所述均值深度图中的角点。

具体的，当所述均值深度图的角度调整完成后，需要判断所述均值深度图是否存在图像缺失的情况，具体的判断方法为：

将是参考图像和所述均值深度图分别映射到所述基准坐标系中，将所述参考图像的每个边缘点进行标记，才获取边缘点的时候，采用等间距的方式进行获取，然后获取所述均值深度图的均值边缘点，获取方式与所述参考图像的获取方式相同。

当所有的边缘点标记完成后，首先，将两幅图的获取的点的个数进行比较，即将所述边缘点和所述均值边缘点的个数进行比较，若相同，则比较两幅图的边缘点与所述均值边缘点之间的坐标值是否相同，若坐标值相同，则表明没有缺失，若不相同，则表明有图像缺失，其中，所述均值深度图的角点的坐标值为调整过的坐标值；若个数不相同，则表明所述均值深度图出现了图像缺失。

当图像缺失情况判断完成后，将所述边缘点和所述均值边缘点作为角点，分别对所述参考图像和所述均值深度图进行标记，同时，对缺失部分的所述均值边缘点进行二次标记或者进行颜色区分，并命名为缺失角点。

S204、基于角度调整后的所述均值深度图的角点对所述参考图像进行匹配处理，并基于所述特征点进行特征点重叠。

具体的，若所述均值深度图存在角度调整，则当角度调整合适后，将角度调整后的所述均值深度图的角点与所述参考图像的角点进行一一匹配，并且在匹配的过程中，需要根据基准坐标系的坐标值进行匹配，而所述均值深度图的角点的坐标值为调整过的坐标值，当角点重合后，基于所述参考图像和所述均值深度图中的提取出来的特征点进行重叠，在重叠时，采用的是将所述均值深度图放在所述参考图像的下方，当两个图像的特征点重合时，则将所述均值深度图和所述参考图像上的特征点的标记进行保留，将不重合的特征点的标记进行取消，方便在进行重叠相似度值的计算。

在判断所述均值深度图存在图像缺失时，将二次标记或进行颜色区分的所述缺失角点映射到所述参考图像上，则根据缺失角点与正常角点之间的位置关系以及所述缺失角点之间的连接线对所述参考图像进行遮盖处理，即将所述缺失角点与正常角点之间的所围成的面积进行遮盖，方便在进行相似度计算时，只比较所述均值深度图有图像的那部分，避免对于图像缺失时，因缺失了图像信息，降低了所述待识别图像与所述参考图像之间的相似度，影响识别处理效果。

若所述均值深度图不需要进行角度调整，且没有图像缺失，则直接进行所述均值深度图的角点对所述参考图像进行匹配处理，并基于所述特征点进行特征点重叠。

S205的具体实施方式所描述的内容与本发明第一实施例S104的具体实施方式所描述的内容一致，因此，此处不再赘述。

请参阅图4，本发明提供一种智能图形图像识别处理终端，适用所述的一种智能图形图像识别处理方法，

所述智能图形图像识别处理终端包括图像采集模块1、角度调整模块2、匹配重叠模块3和相似计算模块4，所述图像采集模块1、所述角度调整模块2、所述匹配重叠模块3和所述相似计算模块4依次连接；

所述图像采集模块1，用于采集待识别图像，并对所述待识别图像进行格式转换和预处理，得到均值深度图；

所述角度调整模块2，用于对所述均值深度图和参考图像进行特征提取和匹配，判断所述均值深度图是否有相对旋转，并基于提取出来的特征点进行调整；

所述匹配重叠模块3，用于基于角度调整后的所述均值深度图的角点对所述参考图像进行匹配处理，并基于所述特征点进行特征点重叠；

所述相似计算模块4，用于将重叠后的所述均值深度图与所述参考图像映射到基准坐标系中，并基于获取的坐标值，计算出对应的相似度值，完成识别处理。

在本实施方式中，关于一种智能图形图像识别处理终端的具体限定可以参见上文中对于一种智能图形图像识别处理方法的限定，在此不再赘述。上述一种智能图形图像识别处理终端中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

本发明实施例提供的一种计算机可读存储介质，所述计算机可读存储介质上存储有应用程序，该程序被处理器执行时实现上述实施例中任意一个实施例的一种智能图形图像识别处理方法。其中，所述计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory，只读存储器)、RAM(Random AcceSSMemory，随即存储器)、EPROM(EraSable Programmable Read-Only Memory，可擦写可编程只读存储器)、EEPROM(Electrically EraSable ProgrammableRead-Only Memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，存储设备包括由设备(例如，计算机、手机)以能够读的形式存储或传输信息的任何介质，可以是只读存储器，磁盘或光盘等。

本发明实施例还提供了一种计算机应用程序，其运行在计算机上，该计算机应用程序用于执行上述中任意一个实施例的一种智能图形图像识别处理方法。

此外，图5是本发明实施例中的计算机设备的结构组成示意图。

本发明实施例还提供了一种计算机设备，如图5所示。所述计算机设备包括处理器302、存储器303、输入单元304以及显示单元305等器件。本领域技术人员可以理解，图3示出的设备结构器件并不构成对所有设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件。存储器303可用于存储应用程序301以及各功能模块，处理器302运行存储在存储器303的应用程序301，从而执行设备的各种功能应用以及数据处理。存储器可以是内存储器或外存储器，或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本发明所公开的存储器包括但不限于这些类型的存储器。本发明所公开的存储器只作为例子而非作为限定。

输入单元304用于接收信号的输入，以及接收用户输入的关键字或者图像。输入单元304可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并根据预先设定的程序驱动相应的连接装置；其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元305可用于显示用户输入的信息或提供给用户的信息以及终端设备的各种菜单。显示单元305可采用液晶显示器、有机发光二极管等形式。处理器302是终端设备的控制中心，利用各种接口和线路连接整个设备的各个部分，通过运行或执行存储在存储器303内的软件程序和/或模块，以及调用存储在存储器内的数据，执行各种功能和处理数据。

作为一个实施例，所述计算机设备包括：一个或多个处理器302，存储器303，一个或多个应用程序301，其中所述一个或多个应用程序301被存储在存储器303中并被配置为由所述一个或多个处理器302执行，所述一个或多个应用程序301配置用于执行上述实施例中的任意一实施例中的一种智能图形图像识别处理方法。

本发明的一种智能图形图像识别处理方法及终端，采集待识别图像，并对所述待识别图像进行格式转换和预处理，得到均值深度图；对所述均值深度图和参考图像进行特征提取和匹配，判断所述均值深度图是否有相对旋转，并基于提取出来的特征点进行调整；基于角度调整后的所述均值深度图的角点对所述参考图像进行匹配处理，并基于所述特征点进行特征点重叠；将重叠后的所述均值深度图与所述参考图像映射到基准坐标系中，并基于获取的坐标值，计算出对应的相似度值，完成识别处理，提高图像识别处理效果。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。