图像识别方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105335753A(43)申请公布日2016.02.17(21)申请号201510717282.1(22)申请日2015.10.29(71)申请人小米科技有限责任公司地址100085北京市海淀区清河中街68号华润五彩城购物中心二期13层(72)发明人龙飞陈志军张涛(74)专利代理机构北京博思佳知识产权代理有限公司11415代理人林祥(51)Int.Cl.G06K9/62(2006.01)权利要求书2页说明书8页附图4页(54)发明名称图像识别方法和装置(57)摘要本公开是关于一种图像识别方法和装置。所述方法包括：提取目标图像的特征；根据主成分分析法对所述目标图像的特征进行降维；根据预先训练的图像模型对降维后的目标图像进行识别。本公开终端可以根据主成分分析法对目标图像的特征进行降维，在降低目标图像特征数量的同时保留目标图像的关键特征，然后根据预先训练的图像模型对降维后的目标图像进行识别，提供图像识别的效率，同时不降低图像识别的准确度，提高了用户的使用体验。CN105335753ACN105335753A权利要求书1/2页1.一种图像识别方法，其特征在于，包括：提取目标图像的特征；根据主成分分析法对所述目标图像的特征进行降维；根据预先训练的图像模型对降维后的目标图像进行识别。2.根据权利要求1所述的图像识别方法，其特征在于，所述根据主成分分析法对所述目标图像的特征进行降维的过程，包括：计算目标图像特征的协方差矩阵；计算所述协方差矩阵的特征值和特征向量；按照从高到低的顺序选取M个特征值，M为小于目标图像的特征数量且大于等于1的自然数；将所述目标图像映射到所述M个特征值对应的特征向量空间。3.根据权利要求1所述的图像识别方法，其特征在于，训练图像模型的过程，包括：提取样本图像的特征；根据主成分分析法对所述样本图像的特征进行降维；通过分类器对降维后的样本图像进行训练，以得到图像模型。4.根据权利要求3所述的图像识别方法，其特征在于，所述分类器包括：SVM分类器、Adaboost分类器。5.根据权利要求1所述的图像识别方法，其特征在于，所述提取目标图像的特征的过程，包括：通过HOG算法提取目标图像的特征。6.一种图像识别装置，其特征在于，包括：目标提取模块，被配置为提取目标图像的特征；目标降维模块，被配置为根据主成分分析法对所述目标图像的特征进行降维；目标识别模块，被配置为根据预先训练的图像模型对降维后的目标图像进行识别。7.根据权利要求6所述的图像识别装置，其特征在于，所述目标降维模块，包括：第一计算子模块，被配置为计算目标图像特征的协方差矩阵；第二计算子模块，被配置为计算所述协方差矩阵的特征值和特征向量；特征选取子模块，被配置为按照从高到低的顺序选取M个特征值，M为小于目标图像的特征数量且大于等于1的自然数；图像映射子模块，被配置为将所述目标图像映射到所述M个特征值对应的特征向量空间。8.根据权利要求6所述的图像识别装置，其特征在于，所述装置还包括：样本提取模块，被配置为提取样本图像的特征；样本降维模块，被配置为根据主成分分析法对所述样本图像的特征进行降维；样本训练模块，被配置为通过分类器对降维后的样本图像进行训练，以得到图像模型。9.根据权利要求8所述的图像识别装置，其特征在于，所述分类器包括：SVM分类器、Adaboost分类器。10.根据权利要求6所述的图像识别装置，其特征在于，所述目标提取模块，包括：提取子模块，被配置为通过HOG算法提取目标图像的特征。2CN105335753A权利要求书2/2页11.一种图像识别装置，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：提取目标图像的特征；根据主成分分析法对所述目标图像的特征进行降维；根据预先训练的图像模型对降维后的目标图像进行识别。3CN105335753A说明书1/8页图像识别方法和装置技术领域[0001]本公开涉及图像处理技术领域，尤其涉及一种图像识别方法和装置。背景技术[0002]相关技术中，在进行图像识别时，通常要先提取出待识别的目标图像的特征，然后可以基于预设模型对目标图像进行识别。在这个过程中，往往会提取出众多的特征，比如：2000维特征，这就会影响目标图像识别的速度，尤其是在有大量目标图像要识别时，大大影响了用户的使用体验。发明内容[0003]为克服相关技术中存在的问题，本公开提供一种图像识别方法和装置。[0004]根据本公开实施例的第一方面，提供一种图像识别方法，包括：[0005]提取目标图像的特征；[0006]根据主成分分析法对所述目标图像的特征进行降维；[0007]根据预先训练的图像模型对降维后的目标图像进行识别。[0008]可选的，所述根据