本發(fā)明涉及計算機圖像處理領域，尤其是涉及一種基于目標識別的相似圖像判斷方法。

背景技術：

1、在圖像處理領域，圖像相似性檢測是一項重要的任務，常用于圖像搜索、相似圖像檢測以及安全監(jiān)控系統(tǒng)等場景?，F(xiàn)有技術中，常采用單一特征或單一指標來判定圖像的相似性，但這種方法往往無法充分考慮目標物體的多方面信息，導致準確率不高或者對于復雜場景魯棒性較差。

技術實現(xiàn)思路

1、本發(fā)明主要是解決現(xiàn)有技術所存在的準確率不高、對復雜場景魯棒性較差的技術問題，提供一種可以充分考慮目標物體的多方面信息、具有較強魯棒性的基于目標識別的相似圖像判斷方法。

2、本發(fā)明針對上述技術問題主要是通過下述技術方案得以解決的：一種基于目標識別的相似圖像判斷方法，包括以下步驟：

3、s1、輸入一組圖像，識別出每張圖像中的所有目標物體，并為每個目標物體分配一個標簽；每一組圖像中包括兩張圖片，標簽即表示目標物體的類別；

4、s2、提取每個識別出的目標物體圖像的哈希值；

5、s3、將第一張圖片上的每個目標物體與第二張圖片上的每個目標物體逐一進行匹配，如果兩個目標物品具有相同的標簽，則構成一個圖像對；例如第一種圖片中有2個目標物體的標簽為汽車，第二張圖片中有3個目標物體的標簽為汽車，最終生成6個圖像對；

6、s4、對每個圖像對中的兩個目標物體，計算它們之間的iou(intersection?overunion)值和哈希相似度；

7、s5、依據(jù)輸入的圖像組確定iou閾值和哈希相似度閾值；

8、s6、判斷每個圖像對中兩個目標物體的iou值和哈希相似度是否均大于各自的閾值，如果兩者均大于各自閾值，則將該對目標物體視為相似目標對；

9、s7、計算相似目標對的數(shù)量占總圖像對數(shù)量的比值，如果比值大于設定的相似目標對閾值，則判定輸入的圖像為相似圖像。

10、作為優(yōu)選，所述步驟s5具體為：

11、s501、初始化iou閾值和哈希相似度閾值，分別作為iou當前閾值和哈希相似度當前閾值；

12、s502、判斷每個圖像對中兩個目標物體的iou值是否大于iou當前閾值，判斷每個圖像對中兩個目標物體的哈希相似度是否大于哈希相似度當前閾值，如果兩個判斷的結果均為是，則判定此圖像對中的兩個目標物體為當前相似目標對；

13、s503、設定目標函數(shù)j為：

14、

15、式中，λ為正則化參數(shù)，nsim為當前相似目標對數(shù)，nall為總目標對數(shù)，tiou為iou當前閾值，thash為哈希相似度當前閾值，giou為最高的目標iou，ghash為最高的目標哈希相似度；

16、s504、對目標函數(shù)進行偏導數(shù)計算，得到當前閾值下的梯度，目標函數(shù)的梯度表示為：

17、

18、s505、根據(jù)梯度值，得到新的iou閾值tiou-new和哈希相似度閾值thash-new：

19、

20、式中，α為學習率；

21、s506、使用tiou-new代替tiou，使用thash-new代替thash，跳轉到步驟s502；

22、s507、重復步驟s502到步驟s506，反復迭代直到目標函數(shù)收斂，獲得最終iou閾值和最終哈希相似度閾值。

23、作為優(yōu)選，步驟s501中，初始化的iou閾值為0.5；初始化的哈希相似度閾值為0.7。

24、作為優(yōu)選，所述步驟s7中，所述相似目標對閾值為0.6。

25、本發(fā)明帶來的實質性效果是，通過綜合考慮目標物體的空間位置和特征信息，有效提高了對圖像相似度的判定準確率和魯棒性。自適應算法的引入使得閾值能夠根據(jù)具體應用場景動態(tài)調整，提高了方法的靈活性和實用性。相比于現(xiàn)有技術，本發(fā)明能夠更全面地評估圖像之間的相似性，具有更高的應用價值和實用性。

技術特征：

1.一種基于目標識別的相似圖像判斷方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的一種基于目標識別的相似圖像判斷方法，其特征在于，所述步驟s5具體為：

3.根據(jù)權利要求2所述的一種基于目標識別的相似圖像判斷方法，其特征在于，步驟s501中，初始化的iou閾值為0.5；初始化的哈希相似度閾值為0.7。

4.根據(jù)權利要求1或3所述的一種基于目標識別的相似圖像判斷方法，其特征在于，所述步驟s7中，所述相似目標對閾值為0.6。

技術總結
本發(fā)明公開了一種基于目標識別的相似圖像判斷方法，包括以下步驟：S1、識別輸入圖像中的所有目標物體，并為每個目標物體分配一個標簽；S2、提取每個目標物體圖像的哈希值；S3、將兩張圖片上的目標物體逐一匹配，具有相同的標簽則構成一個圖像對；S4、對每個圖像對中的兩個目標物體，計算IOU值和哈希相似度；S5、確定最終IOU閾值和最終哈希相似度閾值；S6、如果每個圖像對的IOU值和哈希相似度均大于各自的最終閾值，則視為最終相似目標對；S7、如果最終相似目標對的數(shù)量占總圖像對數(shù)量的比值大于設定的相似目標對閾值，則判定輸入的圖像為相似圖像。本方法可以應用于圖像搜索、相似圖像檢測、安全監(jiān)控系統(tǒng)等領域。

技術研發(fā)人員：趙天成,吳東杰,張倩倩,張璐,李晟
受保護的技術使用者：杭州聯(lián)匯科技股份有限公司
技術研發(fā)日：
技術公布日：2025/1/6