效查找。
[0083] 以下稱樣本圖像信息為索引信息，即預(yù)先建立索引信息，并存儲(chǔ)該索引信息。
[0084] 索引信息可以包括：類別、圖像標(biāo)識(shí)和圖像標(biāo)識(shí)出現(xiàn)次數(shù)，還可以包括與類別一一 對應(yīng)的聚類中心向量。具體地，可以收集多張樣本圖像，對這些樣本圖像進(jìn)行特征向量提 取、聚類等處理，然后對處理得到的參數(shù)進(jìn)行整理，得到索引信息。
[0085] 具體地，可以通過以下步驟建立索引信息：
[0086] Sl:記錄多張樣本圖像的圖像標(biāo)識(shí)，分別對每張樣本圖像均提取多個(gè)樣本圖像特 征向量，并記錄圖像標(biāo)識(shí)與多個(gè)樣本圖像特征向量的對應(yīng)關(guān)系。
[0087] 例如，N張樣本圖像，圖像標(biāo)識(shí)為數(shù)字編號(hào)1~N，對每張樣本圖像均提取81個(gè)樣 本圖像特征向量，那么，會(huì)記錄編號(hào)1對應(yīng)81個(gè)樣本圖像特征向量，編號(hào)2對應(yīng)81個(gè)樣本 圖像特征向量。
[0088] 為了更加有效地提取表征樣本圖像的特征向量，可以在樣本圖像上裁剪出識(shí)別區(qū) 域，并將識(shí)別區(qū)域的像素尺寸調(diào)整到預(yù)定像素尺寸，對識(shí)別區(qū)域進(jìn)行特征提取。例如，樣本 圖像為一圓形的金屬幣，圖像一般為矩形，該金屬幣的圖像中在圓形金屬幣區(qū)域之外，會(huì)包 含噪聲（例如，拍攝該圖像時(shí)的背景），沿著該圓形金屬幣的邊緣裁剪出識(shí)別區(qū)域，可以去 除背景噪聲的影響；并且，調(diào)整識(shí)別區(qū)域的像素尺寸，使得圖像更加清晰，從而得到的特征 向量可以較好地表征樣本圖像。
[0089] 需要說明的是，提取樣本圖像特征向量的方法，與上述實(shí)施例中提取待識(shí)別圖像 的特征向量的方法相同，此處不再贅述。提取的待識(shí)別圖像的特征向量個(gè)數(shù)與樣本圖像特 征向量的個(gè)數(shù)相同，例如，對每張樣本圖像提取64個(gè)特征向量，則對待識(shí)別圖像也提取64 個(gè)特征向量。如果需要調(diào)整像素尺寸，則調(diào)整后的待識(shí)別圖像的像素尺寸與調(diào)整后的樣本 圖像的像素尺寸相同。
[0090] S2:對多張樣本圖像對應(yīng)的全部樣本圖像特征向量進(jìn)行聚類，得到預(yù)定個(gè)數(shù)的類 別及與類別一一對應(yīng)的聚類中心向量。
[0091] 聚類可以簡單理解為分類，同一類別中的特征相似度較高。聚類方法有多種，例 如，K-MEANS算法、K-MED0IDS算法、CLARANS算法等。下面以K-MEANS算法為例進(jìn)彳丁說明。
[0092] 對NX81個(gè)樣本圖像特征向量進(jìn)行K-MEANS聚類，聚類過程如下：
[0093] (1)從NX81個(gè)樣本圖像特征向量中隨機(jī)選擇M個(gè)樣本圖像特征向量，作為初始 聚類中心向量，并將選擇的每個(gè)樣本圖像特征向量標(biāo)記為一個(gè)類別，類別號(hào)可以是數(shù)字，例 如，0、1、2......M-I0
[0094] (2)在NX81個(gè)樣本圖像特征向量中，針對每個(gè)樣本圖像特征向量，分別計(jì)算其與 每個(gè)初始聚類中心向量的距離，并將與該樣本圖像特征向量距離最近的初始聚類中心向量 的類別作為該樣本圖像特征向量的類別。即將NX81個(gè)樣本圖像特征向量進(jìn)行分類，分成 M個(gè)類別。
[0095] (3)分別計(jì)算每個(gè)類別中所有樣本圖像特征向量的均值，并將該均值作為該類別 的新的聚類中心向量。
[0096](4)重復(fù)步驟（2)、⑶直到M個(gè)聚類中心向量均收斂（即對于同一類別，新的聚 類中心向量與上一次的聚類中心向量的差值小于一預(yù)定經(jīng)驗(yàn)值，變化差異較小），保存收斂 的M個(gè)聚類中心向量。
[0097] S3 :建立長度為預(yù)定個(gè)數(shù)的哈希索引結(jié)構(gòu)，哈希索引結(jié)構(gòu)包括：類別、圖像標(biāo)識(shí)及 圖像標(biāo)識(shí)出現(xiàn)次數(shù)。
[0098] 預(yù)定個(gè)數(shù)是步驟S2中對所有樣本圖像特征向量進(jìn)行聚類得到的類別個(gè)數(shù)M。哈希 索引結(jié)構(gòu)的查找鍵值可以是步驟S2中生成的類別號(hào)，即0、1、2……M-1。圖4示出了哈希 索引結(jié)構(gòu)的示意圖，節(jié)點(diǎn)包括：圖像標(biāo)識(shí)與圖像標(biāo)識(shí)出現(xiàn)次數(shù)兩個(gè)變量。
[0099] S4 :將全部樣本圖像特征向量插入哈希索引結(jié)構(gòu)，得到索引信息。
[0100] 具體地，可以對每個(gè)樣本圖像特征向量均執(zhí)行如下操作以插入哈希索引結(jié)構(gòu)：
[0101] (1)確定與待插入樣本圖像特征向量距離最近的聚類中心向量所對應(yīng)的類別，并 將該類別標(biāo)記為待插入樣本圖像特征向量的類別。
[0102] 在步驟S2的聚類過程中，通過計(jì)算距離，最終得到M個(gè)聚類中心向量，且在此過 程中，已經(jīng)對全部樣本圖像特征向量進(jìn)行了分類，可以在聚類結(jié)束后，將分類的信息進(jìn)行存 儲(chǔ)。因此，可以直接通過讀取數(shù)據(jù)確定與待插入樣本圖像特征向量距離最近的聚類中心向 量對應(yīng)的類別，無需重新計(jì)算，提高效率。
[0103] (2)在哈希索引結(jié)構(gòu)中查找待插入樣本圖像特征向量的類別的位置，并遍歷待插 入樣本圖像特征向量的類別下的所有圖像標(biāo)識(shí)。
[0104] 如果待插入樣本圖像特征向量對應(yīng)的圖像標(biāo)識(shí)未存在于待插入樣本圖像特征向 量的類別下，則添加新節(jié)點(diǎn)，其中，新節(jié)點(diǎn)的圖像標(biāo)識(shí)設(shè)置為待插入樣本圖像特征向量對應(yīng) 的圖像標(biāo)識(shí)，新節(jié)點(diǎn)的圖像標(biāo)識(shí)出現(xiàn)次數(shù)設(shè)置為1。
[0105] 如果待插入樣本圖像特征向量對應(yīng)的圖像標(biāo)識(shí)存在于待插入樣本圖像特征向量 的類別下，則將該圖像標(biāo)識(shí)對應(yīng)的圖像標(biāo)識(shí)出現(xiàn)次數(shù)加1。
[0106] 通過上述步驟Sl至步驟S4,可以得到索引信息。
[0107] 通過本發(fā)明上述實(shí)施方式的圖像識(shí)別方法，有效提取多個(gè)特征來表征待識(shí)別圖 像，提取的特征不受圖像中物體的特性所影響，能夠?qū)崿F(xiàn)對圖像的有效識(shí)別，適用范圍廣； 且通過計(jì)算樣本圖像分?jǐn)?shù)的方式得到識(shí)別結(jié)果，綜合考慮了特征的重要性，能夠獲得較好 的識(shí)別精度。
[0108] 示例件設(shè)備
[0109] 在介紹了本發(fā)明示例性實(shí)施方式的方法之后，接下來，參考圖5對本發(fā)明示例性 實(shí)施方式的圖像識(shí)別裝置進(jìn)行介紹。該圖像識(shí)別裝置解決問題的原理與上述圖像識(shí)別方法 相似，因此該裝置的實(shí)施可以參見上述圖像識(shí)別方法的實(shí)施，重復(fù)之處不再贅述。
[0110] 如圖5所示，該圖像識(shí)別裝置包括：特征提取單元51、第一確定單元52、計(jì)算單元 53、累加單元54和第二確定單元55。下面對該裝置中的各個(gè)單元進(jìn)行具體描述。
[0111] 特征提取單元51，用于對待識(shí)別圖像進(jìn)行特征提取，得到多個(gè)特征向量。
[0112] 第一確定單元52,用于確定每個(gè)特征向量對應(yīng)的類別。
[0113] 計(jì)算單元53,用于針對每個(gè)特征向量，分別計(jì)算其所對應(yīng)的類別下各樣本圖像的 分?jǐn)?shù)。
[0114] 累加單元54,用于將計(jì)算得到的同一樣本圖像的分?jǐn)?shù)累加，得到該同一樣本圖像 的分值。
[0115] 第二確定單元55,用于將分值最高的樣本圖像對應(yīng)的圖像標(biāo)識(shí)作為待識(shí)別圖像的 識(shí)別結(jié)果。
[0116] 具體地，上述第一確定單元52可以包括：第一計(jì)算模塊和確定模塊。其中，第一計(jì) 算模塊可以用于分別計(jì)算特征向量與預(yù)先存儲(chǔ)的多個(gè)聚類中心向量的距離，其中，聚類中 心向量與類別--對應(yīng)；確定模塊可以用于確定與該特征向量距離最近的聚類中心向量對 應(yīng)的類別為該特征向量對應(yīng)的類別。
[0117] 上述計(jì)算單元53可以被設(shè)置為按照以下公式計(jì)算樣本圖像的分?jǐn)?shù)：
[0119] 其中，S表示當(dāng)前樣本圖像的分?jǐn)?shù)，A表示平均每個(gè)類別下的樣本圖像特征向量個(gè) 數(shù)，B表示當(dāng)前樣本圖像所屬的類別下的所有圖像標(biāo)識(shí)出現(xiàn)次數(shù)之和，C表示當(dāng)前樣本圖像 所屬的類別下，當(dāng)前樣本圖像對應(yīng)的圖像標(biāo)識(shí)出現(xiàn)次數(shù)，D表示放縮因子，可以為預(yù)設(shè)常數(shù)， 例如0. 5。
[0120] 具體地，上述特征提取單元51可以包括：遍歷模塊和第二計(jì)算模塊。其中，遍歷 模塊，用于利用滑動(dòng)窗口遍歷待識(shí)別圖像；第二計(jì)算模塊，用于針對滑動(dòng)窗口所處的每個(gè)區(qū) 域，計(jì)算該區(qū)域的特征向量。
[0121] 遍歷模塊可以被設(shè)置為：在待識(shí)別圖像上，利用滑動(dòng)窗口按照預(yù)設(shè)方向每隔固定 個(gè)數(shù)的像素進(jìn)行滑動(dòng)，直到遍歷整個(gè)待識(shí)別圖像。例如，按行遍歷或者按列遍歷。
[0122] 第二計(jì)算模塊可以按照以下方式計(jì)算滑動(dòng)窗口所處的區(qū)域的特征向量：將該區(qū)域 劃分為多個(gè)大小相同的細(xì)胞單元，其中，每個(gè)細(xì)胞單元之間不重疊；針對每個(gè)細(xì)胞單元，計(jì) 算其中各像素的梯度方向值，將梯度方向值在預(yù)設(shè)的投影區(qū)間內(nèi)進(jìn)行投影生成梯度方向投 影向量；將各像素的梯度方向投影向量求和，得到該細(xì)胞單元的梯度方向直方圖；將該區(qū) 域內(nèi)所有細(xì)胞單元的梯度方向直方圖進(jìn)行串聯(lián)作為該區(qū)域的特征向量。
[0123] 上述特征提取單元51可以被設(shè)置為：在待識(shí)別圖像上裁剪出