本公開(kāi)涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像識(shí)別方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

隨著智能人機(jī)交互技術(shù)的發(fā)展，計(jì)算機(jī)通常需要對(duì)采集到的圖像進(jìn)行識(shí)別，以便于計(jì)算機(jī)根據(jù)該圖像確定用戶的當(dāng)前動(dòng)作。如計(jì)算機(jī)對(duì)采集到的人臉圖像進(jìn)行識(shí)別，以確定用戶的當(dāng)前表情。

相關(guān)技術(shù)中，在計(jì)算機(jī)中預(yù)先設(shè)置有多個(gè)標(biāo)定圖像，每個(gè)標(biāo)定圖像對(duì)應(yīng)一個(gè)類別。當(dāng)計(jì)算機(jī)接收到需要進(jìn)行識(shí)別的目標(biāo)圖像時(shí)，提取目標(biāo)圖像的特征向量，通過(guò)度量學(xué)習(xí)方法確定目標(biāo)圖像的特征向量和多個(gè)標(biāo)定圖像中每個(gè)標(biāo)定圖像的特征向量之間的距離，得到多個(gè)距離，并將距離小于預(yù)設(shè)距離的標(biāo)定圖像的類別確定為目標(biāo)圖像的類別，以實(shí)現(xiàn)對(duì)目標(biāo)圖像的識(shí)別。

技術(shù)實(shí)現(xiàn)要素：

為克服相關(guān)技術(shù)中存在的問(wèn)題，本公開(kāi)提供一種圖像識(shí)別方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述技術(shù)方案如下：

根據(jù)本公開(kāi)實(shí)施例的第一方面，提供一種圖像識(shí)別方法，所述方法包括：

確定待識(shí)別的目標(biāo)圖像的特征向量；

通過(guò)lsh(locality-sensitivehashing，局部敏感哈希編碼)方法對(duì)所述目標(biāo)圖像的特征向量進(jìn)行編碼，得到所述目標(biāo)圖像的特征向量的哈希序列；

根據(jù)所述目標(biāo)圖像的特征向量的哈希序列和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像，從所述多個(gè)標(biāo)定圖像對(duì)應(yīng)的類別中確定所述目標(biāo)圖像的類別。

可選地，所述根據(jù)所述目標(biāo)圖像的特征向量的哈希序列和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像，從所述多個(gè)標(biāo)定圖像對(duì)應(yīng)的類別中確定所述目標(biāo)圖像的類別，包括：

通過(guò)所述lsh方法確定所述多個(gè)標(biāo)定圖像中每個(gè)標(biāo)定圖像的特征向量的哈希序列；

確定所述目標(biāo)圖像的特征向量的哈希序列和每個(gè)標(biāo)定圖像的特征向量的哈希序列之間的漢明距離；

將漢明距離小于預(yù)設(shè)距離的標(biāo)定圖像對(duì)應(yīng)的類別確定為所述目標(biāo)圖像的類別。

可選地，所述通過(guò)lsh方法對(duì)所述目標(biāo)圖像的特征向量進(jìn)行編碼，得到所述目標(biāo)圖像的特征向量的哈希序列，包括：

隨機(jī)產(chǎn)生n個(gè)服從正態(tài)分布的向量，得到n個(gè)隨機(jī)向量；

對(duì)于所述n個(gè)隨機(jī)向量中的每個(gè)隨機(jī)向量，根據(jù)所述隨機(jī)向量，按照如下公式確定所述目標(biāo)圖像的特征向量的哈希序列中的一個(gè)元素；

其中，hr(x)為所述目標(biāo)圖像的特征向量的哈希序列中的一個(gè)元素，r為所述隨機(jī)向量，x為所述目標(biāo)圖像的特征向量，l為指定度量矩陣的柯列斯基分解矩陣。

可選地，所述通過(guò)lsh方法對(duì)所述目標(biāo)圖像的特征向量進(jìn)行編碼，得到所述目標(biāo)圖像的特征向量的哈希序列之前，還包括：

確定訓(xùn)練樣本集，所述訓(xùn)練樣本集包括多個(gè)樣本圖像；

根據(jù)所述訓(xùn)練樣本集中的多個(gè)樣本圖像，確定所述指定度量矩陣；

對(duì)所述指定度量矩陣進(jìn)行分解，得到所述指定度量矩陣的柯列斯基分解矩陣。

可選地，所述確定待識(shí)別的目標(biāo)圖像的特征向量，包括：

確定所述目標(biāo)圖像中目標(biāo)對(duì)象的位置，并通過(guò)預(yù)設(shè)算法根據(jù)所述目標(biāo)對(duì)象的位置獲取所述目標(biāo)對(duì)象包括的多個(gè)預(yù)設(shè)特征點(diǎn)的位置，所述目標(biāo)對(duì)象包括人臉；

根據(jù)所述多個(gè)預(yù)設(shè)特征點(diǎn)的位置，確定所述目標(biāo)圖像的形狀特征向量；

確定所述多個(gè)預(yù)設(shè)特征點(diǎn)中每個(gè)預(yù)設(shè)特征點(diǎn)的gabor特征，基于確定得到的gabor特征生成所述目標(biāo)圖像的紋理特征向量；

將所述形狀特征向量和所述紋理特征向量合并，得到所述目標(biāo)圖像的特征向量。

根據(jù)本公開(kāi)實(shí)施例的第二方面，提供一種圖像識(shí)別裝置，所述裝置包括：

第一確定模塊，用于確定待識(shí)別的目標(biāo)圖像的特征向量；

編碼模塊，用于通過(guò)lsh方法對(duì)所述目標(biāo)圖像的特征向量進(jìn)行編碼，得到所述目標(biāo)圖像的特征向量的哈希序列；

第二確定模塊，用于根據(jù)所述目標(biāo)圖像的特征向量的哈希序列和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像，從所述多個(gè)標(biāo)定圖像對(duì)應(yīng)的類別中確定所述目標(biāo)圖像的類別。

可選地，所述第二確定模塊包括：

第一確定子模塊，用于通過(guò)所述lsh方法確定所述多個(gè)標(biāo)定圖像中每個(gè)標(biāo)定圖像的特征向量的哈希序列；

第二確定子模塊，用于確定所述目標(biāo)圖像的特征向量的哈希序列和每個(gè)標(biāo)定圖像的特征向量的哈希序列之間的漢明距離；

第三確定子模塊，用于將漢明距離小于預(yù)設(shè)距離的標(biāo)定圖像對(duì)應(yīng)的類別確定為所述目標(biāo)圖像的類別。

可選地，所述編碼模塊，具體用于：

隨機(jī)產(chǎn)生n個(gè)服從正態(tài)分布的向量，得到n個(gè)隨機(jī)向量；

對(duì)于所述n個(gè)隨機(jī)向量中的每個(gè)隨機(jī)向量，根據(jù)所述隨機(jī)向量，按照如下公式確定所述目標(biāo)圖像的特征向量的哈希序列中的一個(gè)元素；

其中，hr(x)為所述目標(biāo)圖像的特征向量的哈希序列中的一個(gè)元素，r為所述隨機(jī)向量，x為所述目標(biāo)圖像的特征向量，l為指定度量矩陣的柯列斯基分解矩陣。

可選地，所述裝置還包括：

第三確定模塊，用于確定訓(xùn)練樣本集，所述訓(xùn)練樣本集包括多個(gè)樣本圖像；

第四確定模塊，用于根據(jù)所述訓(xùn)練樣本集中的多個(gè)樣本圖像，確定所述指定度量矩陣；

分解模塊，用于對(duì)所述指定度量矩陣進(jìn)行分解，得到所述指定度量矩陣的柯列斯基分解矩陣。

可選地，所述第一確定模塊，包括：

第四確定子模塊，用于確定所述目標(biāo)圖像中目標(biāo)對(duì)象的位置，并通過(guò)預(yù)設(shè)算法根據(jù)所述目標(biāo)對(duì)象的位置獲取所述目標(biāo)對(duì)象包括的多個(gè)預(yù)設(shè)特征點(diǎn)的位置，所述目標(biāo)對(duì)象包括人臉；

第五確定子模塊，用于根據(jù)所述多個(gè)預(yù)設(shè)特征點(diǎn)的位置，確定所述目標(biāo)圖像的形狀特征向量；

第六確定子模塊，用于確定所述多個(gè)預(yù)設(shè)特征點(diǎn)中每個(gè)預(yù)設(shè)特征點(diǎn)的gabor特征，基于確定得到的gabor特征生成所述目標(biāo)圖像的紋理特征向量；

合并子模塊，用于將所述形狀特征向量和所述紋理特征向量合并，得到所述目標(biāo)圖像的特征向量。

根據(jù)本公開(kāi)實(shí)施例的第三方面，提供另一種圖像識(shí)別裝置，所述裝置包括：

處理器；

用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；

其中，所述處理器被配置為執(zhí)行上述第一方面所述的圖像識(shí)別方法。

根據(jù)本公開(kāi)實(shí)施例的第四方面，提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，所述指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述第一方面所述的圖像識(shí)別方法。

本公開(kāi)的實(shí)施例提供的技術(shù)方案可以包括以下有益效果：

在本公開(kāi)實(shí)施例中，根據(jù)目標(biāo)圖像的特征向量的哈希序列和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像，確定目標(biāo)圖像的類別，也即確定目標(biāo)圖像和該多個(gè)標(biāo)定圖像中的哪個(gè)標(biāo)定圖像最相似，以實(shí)現(xiàn)對(duì)目標(biāo)圖像的識(shí)別。由于哈希序列為通過(guò)lsh方法對(duì)目標(biāo)圖像的特征向量進(jìn)行編碼得到的序列，因此，通過(guò)目標(biāo)圖像的特征向量的哈希序列來(lái)確定目標(biāo)圖像的類別，可以避免直接通過(guò)確定目標(biāo)圖像的特征向量和每個(gè)標(biāo)定圖像的特征向量之間的距離來(lái)確定目標(biāo)圖像的類別，便于對(duì)該目標(biāo)圖像快速進(jìn)行識(shí)別。

應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開(kāi)。

附圖說(shuō)明

此處的附圖被并入說(shuō)明書中并構(gòu)成本說(shuō)明書的一部分，示出了符合本發(fā)明的實(shí)施例，并與說(shuō)明書一起用于解釋本發(fā)明的原理。

圖1是本公開(kāi)實(shí)施例提供的一種圖像識(shí)別方法流程圖。

圖2是本公開(kāi)實(shí)施例提供的另一種圖像識(shí)別方法流程圖。

圖3a是本公開(kāi)實(shí)施例提供的一種圖像識(shí)別裝置框圖。

圖3b是本公開(kāi)實(shí)施例提供的另一種圖像識(shí)別裝置框圖。

圖4是本公開(kāi)實(shí)施例提供的另一種圖像識(shí)別裝置框圖。

圖5是本公開(kāi)實(shí)施例提供的另一種圖像識(shí)別裝置框圖。

具體實(shí)施方式

這里將詳細(xì)地對(duì)示例性實(shí)施例進(jìn)行說(shuō)明，其示例表示在附圖中。下面的描述涉及附圖時(shí)，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實(shí)施例中所描述的實(shí)施方式并不代表與本發(fā)明相一致的所有實(shí)施方式。相反，它們僅是與如所附權(quán)利要求書中所詳述的、本發(fā)明的一些方面相一致的裝置和方法的例子。

在對(duì)本公開(kāi)實(shí)施例進(jìn)行詳細(xì)解釋說(shuō)明之前，先對(duì)本公開(kāi)實(shí)施例涉及的名詞進(jìn)行解釋說(shuō)明。

特征向量：是指用于描述圖像中包括的對(duì)象的具體特征的一組向量，如對(duì)于一張包括人臉的圖像，該圖像的特征向量是指用于描述人臉的形狀以及人臉包括的像素點(diǎn)的像素值分布情況的一組向量。

lsh方法：是一種用于從海量的高維數(shù)據(jù)集合中查找與某個(gè)數(shù)據(jù)最相似的一組數(shù)據(jù)的算法。

哈希序列：將一組數(shù)據(jù)中的每個(gè)數(shù)據(jù)分別通過(guò)預(yù)設(shè)哈希函數(shù)得到一個(gè)哈希值，得到的一組哈希值稱為該一組數(shù)據(jù)的哈希序列。

漢明距離：是指兩個(gè)長(zhǎng)度相同的字符串對(duì)應(yīng)位置上的不同字符的個(gè)數(shù)，如字符串1011101與字符串1001001之間的漢明距離是2，字符串toned與字符串roses之間的漢明距離是3。

度量學(xué)習(xí)：也即相似度學(xué)習(xí)，用于度量不同圖像之間的相似度，以使不同類別的圖像之間的相似度更小，相同類別的圖像之間的相似度更大。

度量矩陣：為度量學(xué)習(xí)中用于確定度量函數(shù)的一個(gè)矩陣，其中度量函數(shù)用于確定兩個(gè)不同圖像之間的距離，也即兩個(gè)不同圖像之間的相似度。

柯列斯基(cholesky)分解：是指將一個(gè)正定矩陣分解為一個(gè)上三角矩陣和一個(gè)下三個(gè)矩陣的方法，或?qū)⒁粋€(gè)正定矩陣分解為一個(gè)三角矩陣和一個(gè)該三角矩陣的轉(zhuǎn)置矩陣的方法，其中，將柯列斯基分解得到的矩陣稱為柯列斯基分解矩陣。

gabor特征：是指用于描述一張圖像不同尺度不同方向的局部范圍內(nèi)的像素灰度值的變化情況的數(shù)據(jù)。

接下來(lái)對(duì)本公開(kāi)實(shí)施例的應(yīng)用場(chǎng)景進(jìn)行介紹。在智能人機(jī)交互技術(shù)中，計(jì)算機(jī)通常需要對(duì)采集到的圖像進(jìn)行識(shí)別，以便于計(jì)算機(jī)根據(jù)該圖像確定用戶的當(dāng)前動(dòng)作或?qū)τ脩舻纳矸菪畔⑦M(jìn)行認(rèn)證。如計(jì)算機(jī)可以根據(jù)采集的人臉圖像，確定用戶當(dāng)前處于喜悅狀態(tài)、憤怒狀態(tài)還是害怕?tīng)顟B(tài)等。又例如，計(jì)算機(jī)還可以根據(jù)采集的人臉圖像，對(duì)該人臉圖像進(jìn)行識(shí)別，以確定該用戶的身份信息，如人臉打卡技術(shù)。而本公開(kāi)實(shí)施例提供的圖像識(shí)別方法就應(yīng)用于計(jì)算機(jī)對(duì)采集到的人臉圖像進(jìn)行識(shí)別的場(chǎng)景中。為了后續(xù)便于說(shuō)明，將待進(jìn)行識(shí)別的圖像稱為目標(biāo)圖像。

相關(guān)技術(shù)中，計(jì)算機(jī)直接通過(guò)確定目標(biāo)圖像的特征向量和多個(gè)標(biāo)定圖像中每個(gè)標(biāo)定圖像的特征向量之間的距離來(lái)對(duì)目標(biāo)圖像進(jìn)行識(shí)別，由于圖像的特征向量的維數(shù)通常較大，且通過(guò)度量學(xué)習(xí)的方法確定兩個(gè)圖像的特征向量之間的距離通常涉及到矩陣的相關(guān)運(yùn)算，導(dǎo)致直接確定兩個(gè)圖像的特征向量之間的距離的過(guò)程比較復(fù)雜，不利于計(jì)算機(jī)對(duì)目標(biāo)圖像快速進(jìn)行識(shí)別。

因此，在本公開(kāi)實(shí)施例中，通過(guò)lsh方法對(duì)目標(biāo)圖像的特征向量進(jìn)行編碼，得到目標(biāo)圖像的特征向量的哈希序列，并根據(jù)目標(biāo)圖像的特征向量的哈希序列和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像，確定目標(biāo)圖像的類別，也即確定目標(biāo)圖像和該多個(gè)標(biāo)定圖像中的哪個(gè)標(biāo)定圖像最相似，以實(shí)現(xiàn)對(duì)目標(biāo)圖像的識(shí)別。由于哈希序列為通過(guò)lsh方法對(duì)目標(biāo)圖像的特征向量進(jìn)行編碼得到的序列，因此，通過(guò)目標(biāo)圖像的特征向量的哈希序列來(lái)確定目標(biāo)圖像的類別，可以避免直接通過(guò)確定目標(biāo)圖像的特征向量和每個(gè)標(biāo)定圖像的特征向量之間的距離來(lái)確定目標(biāo)圖像的類別，便于對(duì)該目標(biāo)圖像快速進(jìn)行識(shí)別。

下面將結(jié)合附圖為本公開(kāi)實(shí)施例提供的圖像識(shí)別方法進(jìn)行詳細(xì)說(shuō)明。

圖1為本公開(kāi)實(shí)施例提供的一種圖像識(shí)別方法流程圖，該方法應(yīng)用于任何需要對(duì)圖像進(jìn)行分類的設(shè)備中，該設(shè)備可以為終端或服務(wù)器。如圖1所示，該方法包括以下步驟。

在步驟101中，確定待識(shí)別的目標(biāo)圖像的特征向量。

在步驟102中，通過(guò)lsh方法對(duì)該目標(biāo)圖像的特征向量進(jìn)行編碼，得到該目標(biāo)圖像的特征向量的哈希序列。

在步驟103中，根據(jù)該目標(biāo)圖像的特征向量的哈希序列和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像，從該多個(gè)標(biāo)定圖像對(duì)應(yīng)的類別中確定該目標(biāo)圖像的類別。

在本公開(kāi)實(shí)施例中，根據(jù)目標(biāo)圖像的特征向量的哈希序列和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像，確定目標(biāo)圖像的類別，也即確定目標(biāo)圖像和該多個(gè)標(biāo)定圖像中的哪個(gè)標(biāo)定圖像最相似，以實(shí)現(xiàn)對(duì)目標(biāo)圖像的識(shí)別。由于哈希序列為通過(guò)lsh方法對(duì)目標(biāo)圖像的特征向量進(jìn)行編碼得到的序列，因此，通過(guò)目標(biāo)圖像的特征向量的哈希序列來(lái)確定目標(biāo)圖像的類別，可以避免直接通過(guò)確定目標(biāo)圖像的特征向量和每個(gè)標(biāo)定圖像的特征向量之間的距離來(lái)確定目標(biāo)圖像的類別，便于對(duì)該目標(biāo)圖像快速進(jìn)行識(shí)別。

可選地，根據(jù)該目標(biāo)圖像的特征向量的哈希序列和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像，從該多個(gè)標(biāo)定圖像對(duì)應(yīng)的類別中確定該目標(biāo)圖像的類別，包括：

通過(guò)該lsh方法確定該多個(gè)標(biāo)定圖像中每個(gè)標(biāo)定圖像的特征向量的哈希序列；

確定該目標(biāo)圖像的特征向量的哈希序列和每個(gè)標(biāo)定圖像的特征向量的哈希序列之間的漢明距離；

將漢明距離小于預(yù)設(shè)距離的標(biāo)定圖像對(duì)應(yīng)的類別確定為該目標(biāo)圖像的類別。

可選地，通過(guò)lsh方法對(duì)該目標(biāo)圖像的特征向量進(jìn)行編碼，得到該目標(biāo)圖像的特征向量的哈希序列，包括：

隨機(jī)產(chǎn)生n個(gè)服從正態(tài)分布的向量，得到n個(gè)隨機(jī)向量；

對(duì)于該n個(gè)隨機(jī)向量中的每個(gè)隨機(jī)向量，根據(jù)該隨機(jī)向量，按照如下公式確定該目標(biāo)圖像的特征向量的哈希序列中的一個(gè)元素；

其中，hr(x)為該目標(biāo)圖像的特征向量的哈希序列中的一個(gè)元素，r為該隨機(jī)向量，x為該目標(biāo)圖像的特征向量，l為指定度量矩陣的柯列斯基分解矩陣。

可選地，通過(guò)lsh方法對(duì)該目標(biāo)圖像的特征向量進(jìn)行編碼，得到該目標(biāo)圖像的特征向量的哈希序列之前，還包括：

確定訓(xùn)練樣本集，該訓(xùn)練樣本集包括多個(gè)樣本圖像；

根據(jù)該訓(xùn)練樣本集中的多個(gè)樣本圖像和該多個(gè)標(biāo)定圖像，確定該指定度量矩陣；

對(duì)該指定度量矩陣進(jìn)行分解，得到該指定度量矩陣的柯列斯基分解矩陣。

可選地，該確定待識(shí)別的目標(biāo)圖像的特征向量，包括：

確定該目標(biāo)圖像中目標(biāo)對(duì)象的位置，并通過(guò)預(yù)設(shè)算法根據(jù)該目標(biāo)對(duì)象的位置獲取該目標(biāo)對(duì)象包括的多個(gè)預(yù)設(shè)特征點(diǎn)的位置，該目標(biāo)對(duì)象包括人臉；

根據(jù)該多個(gè)預(yù)設(shè)特征點(diǎn)的位置，確定該目標(biāo)圖像的形狀特征向量；

確定該多個(gè)預(yù)設(shè)特征點(diǎn)中每個(gè)預(yù)設(shè)特征點(diǎn)的gabor特征，基于確定得到的gabor特征生成該目標(biāo)圖像的紋理特征向量；

將該形狀特征向量和該紋理特征向量合并，得到該目標(biāo)圖像的特征向量。

上述所有可選技術(shù)方案，均可按照任意結(jié)合形成本公開(kāi)的可選實(shí)施例，本公開(kāi)實(shí)施例對(duì)此不再一一贅述。

圖2為本公開(kāi)實(shí)施例提供的另一種圖像識(shí)別方法流程圖，該方法應(yīng)用于任何需要對(duì)圖像進(jìn)行分類的設(shè)備中，該設(shè)備可以為終端或服務(wù)器。如圖2所示，該方法包括以下步驟。

在本公開(kāi)實(shí)施例中，為了對(duì)目標(biāo)圖像進(jìn)行識(shí)別，需先提取該目標(biāo)圖像中用于描述該目標(biāo)圖像具體特征的數(shù)據(jù)，也即確定該待識(shí)別的目標(biāo)圖像的特征向量。其中，確定該目標(biāo)圖像的特征向量可以通過(guò)下述步驟201至步驟204來(lái)實(shí)現(xiàn)。

在步驟201中，確定該目標(biāo)圖像中目標(biāo)對(duì)象的位置，并通過(guò)預(yù)設(shè)算法根據(jù)該目標(biāo)對(duì)象的位置獲取該目標(biāo)對(duì)象包括的多個(gè)預(yù)設(shè)特征點(diǎn)的位置，該目標(biāo)對(duì)象包括人臉。

由于不同的目標(biāo)圖像中目標(biāo)對(duì)象所處的位置可能不同，如對(duì)于不同的目標(biāo)圖像，每個(gè)目標(biāo)圖像中人臉的位置和另一個(gè)目標(biāo)圖像中人臉的位置可能不相同，因此，在得到待識(shí)別的目標(biāo)圖像時(shí)，需先確定目標(biāo)圖像中目標(biāo)對(duì)象的位置，也即對(duì)目標(biāo)對(duì)象進(jìn)行定位。

當(dāng)目標(biāo)對(duì)象為人臉時(shí)，確定該目標(biāo)圖像中目標(biāo)對(duì)象的位置的實(shí)現(xiàn)過(guò)程可以為：通過(guò)asef(averageofsyntheticexactfilters，平均合成精確濾波器)方法對(duì)目標(biāo)圖像進(jìn)行濾波，得到濾波后的圖像；根據(jù)濾波后的圖像，確定該圖像中用于表征人臉特征的某個(gè)器官的位置，如眼睛或鼻子的位置，以實(shí)現(xiàn)對(duì)目標(biāo)對(duì)象人臉的定位，此時(shí)人臉的位置也即用于表征人臉特征的某個(gè)器官的位置。為了后續(xù)便于說(shuō)明，將該用于表征人臉特征的某個(gè)器官的位置稱為標(biāo)定點(diǎn)的位置。

當(dāng)確定出人臉位置也即標(biāo)定點(diǎn)的位置時(shí)，通過(guò)預(yù)設(shè)算法根據(jù)該人臉的位置獲取該人臉包括的多個(gè)預(yù)設(shè)特征點(diǎn)的位置，也即，根據(jù)標(biāo)定點(diǎn)的位置，確定人臉中各器官的分布區(qū)域，并根據(jù)人臉中各器官的分布區(qū)域的投影圖確定該人臉包括的多個(gè)預(yù)設(shè)特征點(diǎn)的坐標(biāo)，也即確定該多個(gè)預(yù)設(shè)特征點(diǎn)的位置。

其中，標(biāo)定點(diǎn)的位置為該標(biāo)定點(diǎn)在該目標(biāo)圖像中的坐標(biāo)，該多個(gè)預(yù)設(shè)特征點(diǎn)的位置為該多個(gè)預(yù)設(shè)特征點(diǎn)在該目標(biāo)圖像中的坐標(biāo)。

需要說(shuō)明的是，當(dāng)目標(biāo)對(duì)象為人臉時(shí)，除了可以通過(guò)asef方法確定該目標(biāo)圖像中目標(biāo)對(duì)象的位置之外，還可以通過(guò)其他方法確定目標(biāo)對(duì)象的位置，如通過(guò)sdf(syntheticdiscriminantfunction，綜合鑒別函數(shù))濾波方法或mace(minimumaveragecorrelationenergy，最小平均相關(guān)能量)濾波方法來(lái)確定目標(biāo)對(duì)象的位置，本公開(kāi)實(shí)施例在此不做具體限定。

在步驟202中，根據(jù)該多個(gè)預(yù)設(shè)特征點(diǎn)的位置，確定該目標(biāo)圖像的形狀特征向量。

由于不同目標(biāo)圖像中的標(biāo)定點(diǎn)的位置可能并不相同，為了后續(xù)便于對(duì)該多個(gè)預(yù)設(shè)特征點(diǎn)的位置進(jìn)行處理，當(dāng)確定出標(biāo)定點(diǎn)的位置和該多個(gè)預(yù)設(shè)特征點(diǎn)的位置時(shí)，也即確定出該標(biāo)定點(diǎn)的坐標(biāo)和該多個(gè)預(yù)設(shè)特征點(diǎn)的坐標(biāo)，此時(shí)將該標(biāo)定點(diǎn)設(shè)置為坐標(biāo)原點(diǎn)，對(duì)該多個(gè)預(yù)設(shè)特征點(diǎn)的坐標(biāo)進(jìn)行轉(zhuǎn)換，得到轉(zhuǎn)換后的該多個(gè)預(yù)設(shè)特征點(diǎn)的坐標(biāo)。

之后，根據(jù)轉(zhuǎn)換后的該多個(gè)預(yù)設(shè)特征點(diǎn)的坐標(biāo)，確定該目標(biāo)對(duì)象的形狀特征向量。也即，根據(jù)轉(zhuǎn)換后的該多個(gè)預(yù)設(shè)特征點(diǎn)的坐標(biāo)，確定該多個(gè)預(yù)設(shè)特征點(diǎn)中任意兩個(gè)特征點(diǎn)之間的距離，以及該任意兩個(gè)預(yù)設(shè)特征點(diǎn)之間的夾角。并將該任意兩個(gè)預(yù)設(shè)特征點(diǎn)之間的距離，以及該任意兩個(gè)預(yù)設(shè)特征點(diǎn)之間的夾角構(gòu)成的一組數(shù)據(jù)確定為該目標(biāo)圖像的形狀特征向量。

例如，該多個(gè)預(yù)設(shè)特征點(diǎn)為68個(gè)預(yù)設(shè)特征點(diǎn)，此時(shí)在得到該68個(gè)預(yù)設(shè)特征點(diǎn)轉(zhuǎn)換后的坐標(biāo)之后，確定該68個(gè)預(yù)設(shè)特征點(diǎn)中任意兩個(gè)預(yù)設(shè)特征點(diǎn)之間的距離和該任意兩個(gè)預(yù)設(shè)特征點(diǎn)之間的夾角，得到個(gè)數(shù)據(jù)，并將該4556個(gè)數(shù)據(jù)確定為該目標(biāo)圖像的形狀特征向量。

可選地，在確定該多個(gè)預(yù)設(shè)特征點(diǎn)中任意兩個(gè)預(yù)設(shè)特征點(diǎn)之間的距離以及該任意兩個(gè)預(yù)設(shè)特征點(diǎn)之間的夾角之后，還可以通過(guò)其他方式確定該目標(biāo)圖像的形狀特征向量。例如，可以從該任意兩個(gè)預(yù)設(shè)特征點(diǎn)之間的距離以及該任意兩個(gè)預(yù)設(shè)特征點(diǎn)之間的夾角中選取指定數(shù)量的數(shù)據(jù)，并將選取的數(shù)據(jù)確定為該目標(biāo)圖像的形狀特征向量。

在步驟203中，確定該多個(gè)預(yù)設(shè)特征點(diǎn)中每個(gè)預(yù)設(shè)特征點(diǎn)的gabor特征，基于確定得到的gabor特征生成該目標(biāo)圖像的紋理特征向量。

由于目標(biāo)圖像包括各種各樣的紋理，也即目標(biāo)圖像在不同方向和不同尺度上的局部范圍內(nèi)的像素點(diǎn)的灰度值的變化情況并不相同，因此可以通過(guò)目標(biāo)圖像的紋理來(lái)表征目標(biāo)圖像的特征。

其中，獲取目標(biāo)圖像在不同方向和不同尺度上的局部范圍內(nèi)的像素點(diǎn)的灰度值的變化情況可以通過(guò)二維gabor濾波器來(lái)實(shí)現(xiàn)。也即，對(duì)于該多個(gè)預(yù)設(shè)特征點(diǎn)中的每個(gè)預(yù)設(shè)特征點(diǎn)，以該預(yù)設(shè)特征點(diǎn)為中心，確定一個(gè)大小為預(yù)設(shè)大小的區(qū)域，通過(guò)二維gabor濾波器確定該區(qū)域的gabor特征，并將該區(qū)域的gabor特征確定為該預(yù)設(shè)特征點(diǎn)的gabor特征。

在得到每個(gè)預(yù)設(shè)特征點(diǎn)的gabor特征之后，將該多個(gè)預(yù)設(shè)特征點(diǎn)中每個(gè)預(yù)設(shè)特征點(diǎn)的gabor特征組合，得到一組數(shù)據(jù)，并將該一組數(shù)據(jù)確定為該目標(biāo)圖像的紋理特征向量。例如，對(duì)于目標(biāo)圖像中的人臉有68個(gè)預(yù)設(shè)特征點(diǎn)，將該68個(gè)預(yù)設(shè)特征點(diǎn)的gabor特征組合為一組數(shù)據(jù)，得到該人臉圖像的紋理特征向量。

需要說(shuō)明的是，由于二維gabor濾波器確定的是局部區(qū)域在不同方向和不同尺度上的像素點(diǎn)的灰度值的變化情況，因此，對(duì)于某個(gè)局部區(qū)域，二維gabor濾波器獲取的該局部區(qū)域的gabor特征包括多個(gè)數(shù)據(jù)。例如，當(dāng)二維gabor濾波器用于獲取5個(gè)尺度8個(gè)方向上的gabor特征時(shí)，對(duì)于某個(gè)局部區(qū)域，該二維gabor濾波器獲取的該局部區(qū)域的gabor特征包括40個(gè)數(shù)據(jù)，該40個(gè)數(shù)據(jù)中的任一個(gè)數(shù)據(jù)用于指示該局部區(qū)域在上述5個(gè)尺度8個(gè)方向中的一個(gè)尺度一個(gè)方向上的像素點(diǎn)的灰度值的變化情況。

在步驟204中，將該形狀特征向量和該紋理特征向量合并，得到該目標(biāo)圖像的特征向量。

由步驟202和步驟203可知，目標(biāo)圖像的形狀特征向量和目標(biāo)圖像的紋理特征向量分別為一組數(shù)據(jù)，因此可以直接將該兩組數(shù)據(jù)合并，并將合并后的一組數(shù)據(jù)確定為該目標(biāo)圖像的特征向量。

例如，目標(biāo)圖像的形狀特征向量為(x1、x2、…、xn)，目標(biāo)圖像的紋理特征向量為(y1、y2、…、ym)，此時(shí)，目標(biāo)圖像的特征向量可以表示為(x1、x2、…、xn、y1、y2、…、ym)。

在本公開(kāi)實(shí)施例中，為了提高識(shí)別目標(biāo)圖像的速度，在得到目標(biāo)圖像的特征向量之后，并沒(méi)有直接根據(jù)目標(biāo)圖像的特征向量，確定目標(biāo)圖像的特征向量和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像中的每個(gè)標(biāo)定圖像的特征向量之間的距離，而是對(duì)目標(biāo)圖像的特征向量進(jìn)行編碼，并根據(jù)目標(biāo)圖像的特征向量的編碼值來(lái)對(duì)目標(biāo)圖像進(jìn)行識(shí)別。其中，對(duì)目標(biāo)圖像的特征向量進(jìn)行編碼可以通過(guò)下述步驟205和步驟206來(lái)實(shí)現(xiàn)。

在步驟205中，確定lsh方法中指定度量矩陣的柯列斯基分解矩陣。

由于本公開(kāi)實(shí)施例是通過(guò)lsh方法對(duì)目標(biāo)圖像的特征向量進(jìn)行編碼，而本公開(kāi)實(shí)施例提供的lsh方法涉及到度量矩陣的柯列斯基分解矩陣，因此，在對(duì)目標(biāo)圖像的特征向量進(jìn)行編碼之前，需要先確定指定度量矩陣的柯列斯基分解矩陣。

在一種可能的實(shí)現(xiàn)方式中，步驟205的實(shí)現(xiàn)過(guò)程可以為：確定訓(xùn)練樣本集，該訓(xùn)練樣本集包括多個(gè)樣本圖像；根據(jù)該訓(xùn)練樣本集中的多個(gè)樣本圖像，確定該指定度量矩陣；對(duì)該指定度量矩陣進(jìn)行分解，得到該指定度量矩陣的柯列斯基分解矩陣。

其中，根據(jù)該訓(xùn)練樣本集中的多個(gè)樣本圖像，確定該指定度量矩陣的實(shí)現(xiàn)過(guò)程可以為：對(duì)于該訓(xùn)練樣本集中包括的多個(gè)樣本圖像，確定相似集合和非相似集合，其中，相似集合為該多個(gè)樣本圖像中類別相同的圖像構(gòu)成的集合，非相似集合為該多個(gè)樣本圖像中類別不相同的圖像構(gòu)成的集合。對(duì)于相似集合，假設(shè)相似集合中任意兩個(gè)圖像之間的馬氏距離小于等于第一閾值；對(duì)于非相似集合，假設(shè)非相似集合中任意兩個(gè)圖像之間的馬氏距離大于等于第二閾值，其中，第二閾值大于等于第一閾值。此時(shí)，可以根據(jù)下述公式確定該指定度量矩陣：

mindld(a,a0)

其中，a為該指定度量矩陣，a0為單位矩陣，dld(a,a0)為布雷格曼散度，s為上述相似集合，d為上述非相似集合，l為第一閾值，μ為第二閾值，xi,xj為上述訓(xùn)練樣本集中任意兩個(gè)樣本圖像的特征向量。

也即，對(duì)于該訓(xùn)練樣本集中任意兩個(gè)樣本圖像，當(dāng)該兩個(gè)樣本圖像為相似集合中的圖像時(shí)，滿足該兩個(gè)樣本圖像的特征向量之間的馬氏距離小于等于第一閾值，當(dāng)該兩個(gè)樣本圖像為非相似集合中的圖像時(shí)，滿足該兩個(gè)樣本圖像的特征向量之間的馬氏距離小于等于第二閾值。在該條件下，假設(shè)該指定度量矩陣為已知矩陣，確定該指定度量矩陣和單位矩陣a0之間的布雷格曼散度dld(a,a0)，此時(shí)，在該雷格曼散度dld(a,a0)最小時(shí)對(duì)應(yīng)的矩陣即為該指定度量矩陣。

另外，兩個(gè)樣本圖像的特征向量之間的馬氏距離可以通過(guò)下述公式確定：

當(dāng)確定出該lsh方法中的指定度量矩陣a時(shí)，通過(guò)下述公式確定該指定度量矩陣a的柯列斯基分解矩陣：

a＝ll^t

其中，l即為指定度量矩陣a的柯列斯基分解矩陣。

當(dāng)確定出該指定度量矩陣a的柯列斯基分解矩陣，可以通過(guò)下述步驟206對(duì)目標(biāo)圖像的特征向量進(jìn)行編碼。

需要說(shuō)明的是，上述確定該指定度量矩陣是通過(guò)基于信息論的距離度量學(xué)習(xí)方法實(shí)現(xiàn)的，當(dāng)然在本公開(kāi)實(shí)施例中，還可以通過(guò)其他方法確定該指定度量矩陣。例如，可以通過(guò)基于成對(duì)約束的距離度量學(xué)習(xí)方法或通過(guò)基于樣本對(duì)距離和的距離度量學(xué)習(xí)方法來(lái)確定該指定度量矩陣，本公開(kāi)實(shí)施例在此不做具體限定。

另外需要說(shuō)明的是，步驟205可以在步驟204之后，也可以在步驟201之前，本公開(kāi)實(shí)施例對(duì)此不做具體限定。實(shí)際應(yīng)用中，只需保證步驟205在步驟206之前即可。

值得注意的是，在本公開(kāi)實(shí)施例中，可以通過(guò)上述步驟205來(lái)確定lsh方法中的指定度量矩陣，當(dāng)然，也可以預(yù)先設(shè)置該指定度量矩陣，也即，在對(duì)目標(biāo)圖像進(jìn)行識(shí)別之前，預(yù)先為該lsh方法設(shè)置一個(gè)矩陣，將設(shè)置的矩陣確定為該指定度量矩陣，并確定該指定度量矩陣的柯列斯基分解矩陣。

在步驟206中，通過(guò)lsh方法對(duì)該目標(biāo)圖像的特征向量進(jìn)行編碼，得到該目標(biāo)圖像的特征向量的哈希序列。

其中，步驟206的實(shí)現(xiàn)過(guò)程可以為：隨機(jī)產(chǎn)生n個(gè)服從正態(tài)分布的向量，得到n個(gè)隨機(jī)向量；對(duì)于該n個(gè)隨機(jī)向量中的每個(gè)隨機(jī)向量，根據(jù)該隨機(jī)向量，按照如下公式確定該目標(biāo)圖像的特征向量的哈希序列中的一個(gè)元素；

其中，hr(x)為該目標(biāo)圖像的特征向量的哈希序列中的一個(gè)元素，r為該隨機(jī)向量，x為該目標(biāo)圖像的特征向量，l為指定度量矩陣的柯列斯基分解矩陣。

為了便于說(shuō)明，將該n個(gè)隨機(jī)向量標(biāo)記為(r1、r2、…、rn)，對(duì)于該n個(gè)隨機(jī)向量中任一個(gè)隨機(jī)向量ri，根據(jù)上述公式確定一個(gè)編碼值，并將該編碼值確定該目標(biāo)圖像的特征向量的哈希序列中的一個(gè)元素，標(biāo)記為hi。當(dāng)對(duì)該n個(gè)隨機(jī)向量均執(zhí)行該操作時(shí)，得到n個(gè)編碼值(h1、h2、…、hn)，該n個(gè)編碼值(h1、h2、…、hn)即為該目標(biāo)圖像的特征向量的哈希序列，也即該目標(biāo)圖像的特征向量的哈希序列的長(zhǎng)度為n。

其中，n為預(yù)設(shè)個(gè)數(shù)，n可以為5、10或15等。另外，該n個(gè)隨機(jī)向量中每個(gè)隨機(jī)向量的長(zhǎng)度相同，且每個(gè)隨機(jī)向量ri的長(zhǎng)度和該目標(biāo)圖像的特征向量的長(zhǎng)度相同，如該目標(biāo)圖像的特征向量的長(zhǎng)度為1000，則每個(gè)隨機(jī)向量ri的長(zhǎng)度也為1000，也即每個(gè)隨機(jī)向量ri中均包括1000個(gè)隨機(jī)數(shù)據(jù)。

在步驟207中，根據(jù)該目標(biāo)圖像的特征向量的哈希序列和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像，從該多個(gè)標(biāo)定圖像對(duì)應(yīng)的類別中確定該目標(biāo)圖像的類別。

步驟207的實(shí)現(xiàn)過(guò)程可以為：通過(guò)該lsh方法確定該多個(gè)標(biāo)定圖像中每個(gè)標(biāo)定圖像的特征向量的哈希序列；確定該目標(biāo)圖像的特征向量的哈希序列和每個(gè)標(biāo)定圖像的特征向量的哈希序列之間的漢明距離；將漢明距離小于預(yù)設(shè)距離的標(biāo)定圖像對(duì)應(yīng)的類別確定為該目標(biāo)圖像的類別。

其中，通過(guò)該lsh方法確定該多個(gè)標(biāo)定圖像中每個(gè)標(biāo)定圖像的特征向量的哈希序列，可以參考步驟206中通過(guò)該lsh方法確定該目標(biāo)圖像的特征向量的哈希序列的實(shí)現(xiàn)過(guò)程，本公開(kāi)實(shí)施例在此不做詳細(xì)闡述。

當(dāng)確定出每個(gè)標(biāo)定圖像的特征向量的哈希序列之后，對(duì)于每個(gè)標(biāo)定圖像的特征向量的哈希序列，確定該目標(biāo)圖像的特征向量的哈希序列和該標(biāo)定圖像的特征向量的哈希序列對(duì)應(yīng)位置上字符不同的個(gè)數(shù)，并將該字符不同的個(gè)數(shù)確定為該目標(biāo)對(duì)象的特征向量的哈希序列和該標(biāo)定圖像的特征向量的哈希序列之間的漢明距離。然后通過(guò)得到的多個(gè)漢明距離確定該目標(biāo)圖像的類別。

其中，預(yù)設(shè)距離為預(yù)先設(shè)置的數(shù)值，該預(yù)設(shè)距離可以為2、5或10等。

例如，預(yù)設(shè)距離為2，該多個(gè)標(biāo)定圖像分別為圖像1、圖像2、圖像3、圖像4、圖像5、圖像6和圖像7。該7個(gè)標(biāo)定圖像分別用于指示不同的表情，也即圖像1的類別為“中性”、圖像2的類別為“憤怒”、圖像3的類別為“厭惡”、圖像4的類別為“害怕”、圖像5的類別為“喜悅”、圖像6的類別為“悲傷”以及圖像7的類別為“驚訝”。

通過(guò)上述方法確定目標(biāo)圖像的特征向量的哈希序列和上述每個(gè)標(biāo)定圖像的特征向量的哈希序列之間的漢明距離依次為：3、10、15、1、8、6和4。此時(shí)，只有圖像4的特征向量的哈希序列和該目標(biāo)圖像的特征向量的哈希序列之間的漢明距離小于該預(yù)設(shè)距離2，因此可以將圖像4的類別確定為該目標(biāo)圖像的類別，也即目標(biāo)圖像的類別為“害怕”，從而實(shí)現(xiàn)對(duì)目標(biāo)圖像的識(shí)別。

需要說(shuō)明的是，步驟207中的lsh方法中使用的n個(gè)隨機(jī)向量需和步驟206中的lsh方法中使用的n個(gè)隨機(jī)向量相同，且n個(gè)隨機(jī)向量的排序也需相同。也即，當(dāng)在步驟206中使用n個(gè)隨機(jī)向量(r1、r2、…、rn)依次確定該目標(biāo)圖像的特征向量的哈希序列中的元素時(shí)，在步驟207中，也需使用該n個(gè)隨機(jī)向量(r1、r2、…、rn)依次確定該每個(gè)標(biāo)定圖像的特征向量的哈希序列中的元素。

另外，確定每個(gè)標(biāo)定圖像的特征向量和步驟201至步驟204中確定該目標(biāo)圖像的特征向量的過(guò)程基本相同，本公開(kāi)實(shí)施例在此不做詳細(xì)闡述。

在本公開(kāi)實(shí)施例中，根據(jù)目標(biāo)圖像的特征向量的哈希序列和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像，確定目標(biāo)圖像的類別，也即確定目標(biāo)圖像和該多個(gè)標(biāo)定圖像中的哪個(gè)標(biāo)定圖像最相似，以實(shí)現(xiàn)對(duì)目標(biāo)圖像的識(shí)別。由于哈希序列為通過(guò)lsh方法對(duì)目標(biāo)圖像的特征向量進(jìn)行編碼得到的序列，因此，通過(guò)目標(biāo)圖像的特征向量的哈希序列來(lái)確定目標(biāo)圖像的類別，可以避免直接通過(guò)確定目標(biāo)圖像的特征向量和每個(gè)標(biāo)定圖像的特征向量之間的距離來(lái)確定目標(biāo)圖像的類別，便于對(duì)該目標(biāo)圖像快速進(jìn)行識(shí)別。

本公開(kāi)實(shí)施例除了提供上述圖像識(shí)別方法，還提供了一種圖像識(shí)別裝置。下述實(shí)施例將對(duì)該圖像識(shí)別裝置進(jìn)行詳細(xì)說(shuō)明。

圖3a是本公開(kāi)實(shí)施例提供的一種圖像識(shí)別裝置300框圖。參照?qǐng)D3a，該裝置包括第一確定模塊301、編碼模塊302和第二確定模塊303。

第一確定模塊301，用于確定待識(shí)別的目標(biāo)圖像的特征向量；

編碼模塊302，用于通過(guò)lsh方法對(duì)該目標(biāo)圖像的特征向量進(jìn)行編碼，得到該目標(biāo)圖像的特征向量的哈希序列；

第二確定模塊303，用于根據(jù)該目標(biāo)圖像的特征向量的哈希序列和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像，從該多個(gè)標(biāo)定圖像對(duì)應(yīng)的類別中確定該目標(biāo)圖像的類別。

可選地，該第二確定模塊303包括：

第一確定子模塊，用于通過(guò)該lsh方法確定該多個(gè)標(biāo)定圖像中每個(gè)標(biāo)定圖像的特征向量的哈希序列；

第二確定子模塊，用于確定該目標(biāo)圖像的特征向量的哈希序列和每個(gè)標(biāo)定圖像的特征向量的哈希序列之間的漢明距離；

第三確定子模塊，用于將漢明距離小于預(yù)設(shè)距離的標(biāo)定圖像對(duì)應(yīng)的類別確定為該目標(biāo)圖像的類別。

可選地，該編碼模塊302，具體用于：

隨機(jī)產(chǎn)生n個(gè)服從正態(tài)分布的向量，得到n個(gè)隨機(jī)向量；

對(duì)于該n個(gè)隨機(jī)向量中的每個(gè)隨機(jī)向量，根據(jù)該隨機(jī)向量，按照如下公式確定該目標(biāo)圖像的特征向量的哈希序列中的一個(gè)元素；

其中，hr(x)為該目標(biāo)圖像的特征向量的哈希序列中的一個(gè)元素，r為該隨機(jī)向量，x為該目標(biāo)圖像的特征向量，l為指定度量矩陣的柯列斯基分解矩陣。

可選地，參見(jiàn)圖3b，該裝置300還包括第三確定模塊304、第四確定模塊305和分解模塊306：

第三確定模塊304，用于確定訓(xùn)練樣本集，該訓(xùn)練樣本集包括多個(gè)樣本圖像；

第四確定模塊305，用于根據(jù)該訓(xùn)練樣本集中的多個(gè)樣本圖像，確定該指定度量矩陣；

分解模塊306，用于對(duì)該指定度量矩陣進(jìn)行分解，得到該指定度量矩陣的柯列斯基分解矩陣。

可選地，該第一確定模塊301，包括：

第四確定子模塊，用于確定該目標(biāo)圖像中目標(biāo)對(duì)象的位置，并通過(guò)預(yù)設(shè)算法根據(jù)該目標(biāo)對(duì)象的位置獲取該目標(biāo)對(duì)象包括的多個(gè)預(yù)設(shè)特征點(diǎn)的位置，該目標(biāo)對(duì)象包括人臉；

第五確定子模塊，用于根據(jù)該多個(gè)預(yù)設(shè)特征點(diǎn)的位置，確定該目標(biāo)圖像的形狀特征向量；

第六確定子模塊，用于確定該多個(gè)預(yù)設(shè)特征點(diǎn)中每個(gè)預(yù)設(shè)特征點(diǎn)的gabor特征，基于確定得到的gabor特征生成該目標(biāo)圖像的紋理特征向量；

合并子模塊，用于將該形狀特征向量和該紋理特征向量合并，得到該目標(biāo)圖像的特征向量。

在本公開(kāi)實(shí)施例中，根據(jù)目標(biāo)圖像的特征向量的哈希序列和預(yù)先設(shè)置的多個(gè)標(biāo)定圖像，確定目標(biāo)圖像的類別，也即確定目標(biāo)圖像和該多個(gè)標(biāo)定圖像中的哪個(gè)標(biāo)定圖像最相似，以實(shí)現(xiàn)對(duì)目標(biāo)圖像的識(shí)別。由于哈希序列為通過(guò)lsh方法對(duì)目標(biāo)圖像的特征向量進(jìn)行編碼得到的序列，因此，通過(guò)目標(biāo)圖像的特征向量的哈希序列來(lái)確定目標(biāo)圖像的類別，可以避免直接通過(guò)確定目標(biāo)圖像的特征向量和每個(gè)標(biāo)定圖像的特征向量之間的距離來(lái)確定目標(biāo)圖像的類別，便于對(duì)該目標(biāo)圖像快速進(jìn)行識(shí)別。

關(guān)于上述實(shí)施例中的裝置，其中各個(gè)模塊執(zhí)行操作的具體方式已經(jīng)在有關(guān)該方法的實(shí)施例中進(jìn)行了詳細(xì)描述，此處將不做詳細(xì)闡述說(shuō)明。

圖4是本公開(kāi)實(shí)施例提供的另一種圖像識(shí)別裝置400的框圖。例如，裝置400可以是移動(dòng)電話，計(jì)算機(jī)，數(shù)字廣播終端，消息收發(fā)設(shè)備，游戲控制臺(tái)，平板設(shè)備，醫(yī)療設(shè)備，健身設(shè)備，個(gè)人數(shù)字助理等。

參照?qǐng)D4，裝置400可以包括以下一個(gè)或多個(gè)組件：處理組件402，存儲(chǔ)器404，電源組件406，多媒體組件408，音頻組件410，輸入/輸出(i/o)的接口412，傳感器組件414，以及通信組件416。

處理組件402通常控制裝置400的整體操作，諸如與顯示，電話呼叫，數(shù)據(jù)通信，相機(jī)操作和記錄操作相關(guān)聯(lián)的操作。處理組件402可以包括一個(gè)或多個(gè)處理器420來(lái)執(zhí)行指令，以完成上述的方法的全部或部分步驟。此外，處理組件402可以包括一個(gè)或多個(gè)模塊，便于處理組件402和其他組件之間的交互。例如，處理組件402可以包括多媒體模塊，以方便多媒體組件408和處理組件402之間的交互。

存儲(chǔ)器404被配置為存儲(chǔ)各種類型的數(shù)據(jù)以支持在裝置400的操作。這些數(shù)據(jù)的示例包括用于在裝置400上操作的任何應(yīng)用程序或方法的指令，聯(lián)系人數(shù)據(jù)，電話簿數(shù)據(jù)，消息，圖片，視頻等。存儲(chǔ)器404可以由任何類型的易失性或非易失性存儲(chǔ)設(shè)備或者它們的組合實(shí)現(xiàn)，如靜態(tài)隨機(jī)存取存儲(chǔ)器(sram)，電可擦除可編程只讀存儲(chǔ)器(eeprom)，可擦除可編程只讀存儲(chǔ)器(eprom)，可編程只讀存儲(chǔ)器(prom)，只讀存儲(chǔ)器(rom)，磁存儲(chǔ)器，快閃存儲(chǔ)器，磁盤或光盤。

電源組件406為裝置400的各種組件提供電源。電源組件406可以包括電源管理系統(tǒng)，一個(gè)或多個(gè)電源，及其他與為裝置400生成、管理和分配電源相關(guān)聯(lián)的組件。

多媒體組件408包括在所述裝置400和用戶之間的提供一個(gè)輸出接口的屏幕。在一些實(shí)施例中，屏幕可以包括液晶顯示器(lcd)和觸摸面板(tp)。如果屏幕包括觸摸面板，屏幕可以被實(shí)現(xiàn)為觸摸屏，以接收來(lái)自用戶的輸入信號(hào)。觸摸面板包括一個(gè)或多個(gè)觸摸傳感器以感測(cè)觸摸、滑動(dòng)和觸摸面板上的手勢(shì)。所述觸摸傳感器可以不僅感測(cè)觸摸或滑動(dòng)動(dòng)作的邊界，而且還檢測(cè)與所述觸摸或滑動(dòng)操作相關(guān)的持續(xù)時(shí)間和壓力。在一些實(shí)施例中，多媒體組件408包括一個(gè)前置攝像頭和/或后置攝像頭。當(dāng)裝置400處于操作模式，如拍攝模式或視頻模式時(shí)，前置攝像頭和/或后置攝像頭可以接收外部的多媒體數(shù)據(jù)。每個(gè)前置攝像頭和后置攝像頭可以是一個(gè)固定的光學(xué)透鏡系統(tǒng)或具有焦距和光學(xué)變焦能力。

音頻組件410被配置為輸出和/或輸入音頻信號(hào)。例如，音頻組件410包括一個(gè)麥克風(fēng)(mic)，當(dāng)裝置400處于操作模式，如呼叫模式、記錄模式和語(yǔ)音識(shí)別模式時(shí)，麥克風(fēng)被配置為接收外部音頻信號(hào)。所接收的音頻信號(hào)可以被進(jìn)一步存儲(chǔ)在存儲(chǔ)器404或經(jīng)由通信組件416發(fā)送。在一些實(shí)施例中，音頻組件410還包括一個(gè)揚(yáng)聲器，用于輸出音頻信號(hào)。

i/o接口412為處理組件402和外圍接口模塊之間提供接口，上述外圍接口模塊可以是鍵盤，點(diǎn)擊輪，按鈕等。這些按鈕可包括但不限于：主頁(yè)按鈕、音量按鈕、啟動(dòng)按鈕和鎖定按鈕。

傳感器組件414包括一個(gè)或多個(gè)傳感器，用于為裝置400提供各個(gè)方面的狀態(tài)評(píng)估。例如，傳感器組件414可以檢測(cè)到裝置400的打開(kāi)/關(guān)閉狀態(tài)，組件的相對(duì)定位，例如所述組件為裝置400的顯示器和小鍵盤，傳感器組件414還可以檢測(cè)裝置400或裝置400一個(gè)組件的位置改變，用戶與裝置400接觸的存在或不存在，裝置400方位或加速/減速和裝置400的溫度變化。傳感器組件414可以包括接近傳感器，被配置用來(lái)在沒(méi)有任何的物理接觸時(shí)檢測(cè)附近物體的存在。傳感器組件414還可以包括光傳感器，如cmos或ccd圖像傳感器，用于在成像應(yīng)用中使用。在一些實(shí)施例中，該傳感器組件414還可以包括加速度傳感器，陀螺儀傳感器，磁傳感器，壓力傳感器或溫度傳感器。

通信組件416被配置為便于裝置400和其他設(shè)備之間有線或無(wú)線方式的通信。裝置400可以接入基于通信標(biāo)準(zhǔn)的無(wú)線網(wǎng)絡(luò)，如wifi，2g或3g，或它們的組合。在一個(gè)示例性實(shí)施例中，通信組件416經(jīng)由廣播信道接收來(lái)自外部廣播管理系統(tǒng)的廣播信號(hào)或廣播相關(guān)信息。在一個(gè)示例性實(shí)施例中，所述通信組件416還包括近場(chǎng)通信(nfc)模塊，以促進(jìn)短程通信。例如，在nfc模塊可基于射頻識(shí)別(rfid)技術(shù)，紅外數(shù)據(jù)協(xié)會(huì)(irda)技術(shù)，超寬帶(uwb)技術(shù)，藍(lán)牙(bt)技術(shù)和其他技術(shù)來(lái)實(shí)現(xiàn)。

在示例性實(shí)施例中，裝置400可以被一個(gè)或多個(gè)應(yīng)用專用集成電路(asic)、數(shù)字信號(hào)處理器(dsp)、數(shù)字信號(hào)處理設(shè)備(dspd)、可編程邏輯器件(pld)、現(xiàn)場(chǎng)可編程門陣列(fpga)、控制器、微控制器、微處理器或其他電子元件實(shí)現(xiàn)，用于執(zhí)行上述圖1和圖2所示實(shí)施例提供的圖像識(shí)別方法。

在示例性實(shí)施例中，還提供了一種包括指令的非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，例如包括指令的存儲(chǔ)器404，上述指令可由裝置400的處理器420執(zhí)行以完成上述方法。例如，所述非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以是rom、隨機(jī)存取存儲(chǔ)器(ram)、cd-rom、磁帶、軟盤和光數(shù)據(jù)存儲(chǔ)設(shè)備等。

一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，當(dāng)所述存儲(chǔ)介質(zhì)中的指令由終端的處理器執(zhí)行時(shí)，使得終端能夠執(zhí)行上述圖1和圖2所示的實(shí)施例提供的圖像識(shí)別方法。

圖5是本公開(kāi)實(shí)施例提供的另一種圖像識(shí)別裝置500的框圖。例如，裝置500可以被提供為一服務(wù)器。參照?qǐng)D5，裝置500包括處理器522，其進(jìn)一步包括一個(gè)或多個(gè)處理器，以及由存儲(chǔ)器532所代表的存儲(chǔ)器資源，用于存儲(chǔ)可由處理器522的執(zhí)行的指令，例如應(yīng)用程序。存儲(chǔ)器532中存儲(chǔ)的應(yīng)用程序可以包括一個(gè)或一個(gè)以上的每一個(gè)對(duì)應(yīng)于一組指令的模塊。此外，處理器522被配置為執(zhí)行指令，以執(zhí)行上述圖1和圖2所示實(shí)施例提供的圖像識(shí)別方法。

裝置500還可以包括一個(gè)電源組件526被配置為執(zhí)行裝置500的電源管理，一個(gè)有線或無(wú)線網(wǎng)絡(luò)接口550被配置為將裝置500連接到網(wǎng)絡(luò)，和一個(gè)輸入輸出(i/o)接口558。裝置500可以操作基于存儲(chǔ)在存儲(chǔ)器532的操作系統(tǒng)，例如windowsservertm，macosxtm，unixtm,linuxtm，freebsdtm或類似。

在示例性實(shí)施例中，還提供了一種包括指令的非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，例如包括指令的存儲(chǔ)器532，上述指令可由裝置500的處理器522執(zhí)行以完成上述方法。例如，所述非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以是rom、隨機(jī)存取存儲(chǔ)器(ram)、cd-rom、磁帶、軟盤和光數(shù)據(jù)存儲(chǔ)設(shè)備等。

一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，當(dāng)所述存儲(chǔ)介質(zhì)中的指令由服務(wù)器的處理器執(zhí)行時(shí)，使得服務(wù)器能夠執(zhí)行1和圖2所示實(shí)施例提供的圖像識(shí)別方法。

本領(lǐng)域技術(shù)人員在考慮說(shuō)明書及實(shí)踐這里公開(kāi)的發(fā)明后，將容易想到本發(fā)明的其它實(shí)施方案。本申請(qǐng)旨在涵蓋本發(fā)明的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本發(fā)明的一般性原理并包括本公開(kāi)未公開(kāi)的本技術(shù)領(lǐng)域中的公知常識(shí)或慣用技術(shù)手段。說(shuō)明書和實(shí)施例僅被視為示例性的，本發(fā)明的真正范圍和精神由下面的權(quán)利要求指出。

應(yīng)當(dāng)理解的是，本發(fā)明并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu)，并且可以在不脫離其范圍進(jìn)行各種修改和改變。本發(fā)明的范圍僅由所附的權(quán)利要求來(lái)限制。