申请/专利权人：北京星选科技有限公司

申请日：2017-06-14

公开（公告）日：2020-10-13

公开（公告）号：CN107292934B

主分类号：G06T7/90(20170101)

分类号：G06T7/90(20170101);G06K9/00(20060101)

优先权：

专利状态码：有效-授权

法律状态：2020.10.13#授权;2017.11.24#实质审查的生效;2017.10.24#公开

摘要：本发明实施例提供一种图片内容识别方法、建模方法及相关装置，涉及图片处理领域和数据处理领域。其中，所述图片内容识别方法包括：分析待识别图片确定其色彩分布；对比所述待识别图片的色彩分布与基准色彩分布，确定与所述待识别图片的色彩分布对应的第一基准色彩分布；将所述第一基准色彩分布对应的内容信息作为所述待识别图片的图片内容。本发明实施例提供的技术方案能够识别图片内容。

主权项：1.一种图片内容识别方法，其特征在于，所述方法包括：分析待识别图片确定其色彩分布；对比所述待识别图片的色彩分布与基准色彩分布，确定与所述待识别图片的色彩分布对应的第一基准色彩分布；将所述第一基准色彩分布对应的内容信息作为所述待识别图片的图片内容；其中，所述分析待识别图片确定其色彩分布包括：基于坐标系和颜色值识别所述待识别图片在各个识别位置的颜色；根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色和形状，或，根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色、形状以及部分或全部色块的相对位置。

全文数据：图片内容识别方法、建模方法及相关装置技术领域[0001]本发明实施例涉及图片处理以及数据处理领域，尤其涉及一种图片内容识别方法、建模方法及相关装置。背景技术[0002]现有技术在图片内容的识别方面大多采用以图识图的方法。即，将一张图片上传之后会返回一些和这些图相近的图片，供上传者参考确定图片内容。这种方式无法直接确定图片内容，并且，数据检索量大，成本高。发明内容[0003]本发明实施例提供一种图片内容识别方法、建模方法及相关装置，用以解决现有技术无法有效识别图片内容的问题。[0004]第一方面，本发明实施例中提供了一种图片内容识别方法，包括：[0005]分析待识别图片确定其色彩分布；[0006]对比所述待识别图片的色彩分布与基准色彩分布，确定与所述待识别图片的色彩分布对应的第一基准色彩分布；[0007]将所述第一基准色彩分布对应的内容信息作为所述待识别图片的图片内容。[0008]第二方面，本发明实施例提供了一种图片内容识别装置，包括：[0009]色彩分析模块，用于分析待识别图片确定其色彩分布；[0010]基准确定模块，用于对比所述待识别图片的色彩分布与基准色彩分布，确定与所述待识别图片的色彩分布对应的第一基准色彩分布；[0011]内容确定模块，用于将所述第一基准色彩分布对应的内容信息作为所述待识别图片的图片内容。[0012]第三方面，本发明实施例提供了一种建模方法，包括：[0013]获取已知内容信息的样本图片；[0014]分析所述样本图片确定其色彩分布；[0015]基于所述样本图片的内容信息以及所述样本图片的色彩分布，统计确定所述内容信息对应的基准色彩分布，或，[0016]基于所述样本图片的内容信息以及所述样本图片的色彩分布，更新所述内容信息对应的基准色彩分布。[0017]第四方面，本发明实施例提供了一种机器学习装置，包括：[0018]获取模块，用于获取已知内容信息的样本图片；[0019]分析模块，用于分析所述样本图片确定其色彩分布；[0020]处理模块，用于：[0021]基于所述样本图片的内容信息以及所述样本图片的色彩分布，统计确定所述内容信息对应的基准色彩分布，或，[0022]基于所述样本图片的内容信息以及所述样本图片的色彩分布，更新所述内容信息对应的基准色彩分布。'[0023]第五方面，本发明实施例提供了一种图片内容识别方法，包括：[0024]分析待识别图片确定其色彩分布；[0025]查询材料库确定与所述待识别图片的色彩分布对应的材料的组合；[0026]基于所述材料的组合确定所述待识别图片的内容信息。[0027]第六方面，本发明实施例提供了一种图片内容识别装置，包括：[0028]色彩分析模块，用于分析待识别图片确定其色彩分布；[0029]组合确定模块，用于查询材料库确定与所述待识别图片的色彩分布对应的材料的组合；[0030]内容确定模块，用于基于所述材料的组合确定所述待识别图片的内容信息。[0031]第七方面，本发明实施例提供了一种图片内容识别装置，包括存储器和处理器;其中，所述存储器用于存储一条或多条计算机指令;其中，所述一条或多条计算机指令供所述处理器调用执行;其中，所述处理器用于执行所述指令以实现如本发明实施例第一方面提供的方法。[0032]第八方面，本发明实施例提供了一种机器学习装置，包括存储器和处理器;其中，所述存储器用于存储一条或多条计算机指令;其中，所述一条或多条计算机指令供所述处理器调用执行；其中，所述处理器用于执行所述指令以实现如本发明实施例第三方面提供的方法。[0033]第九方面，本发明实施例提供了一种图片内容识别装置，包括存储器和处理器;其中，所述存储器用于存储一条或多条计算机指令•,其中，所述一条或多条计算机指令供所述处理器调用执行;其中，所述处理器用于执行所述指令以实现如本发明实施例第五方面提供的方法。[0034]第十方面，本发明实施例提供了一种计算机存储介质，存储有一条或多条计算机指令，其中，所述指令被执行时实现根据本发明实施例第一方面、第三方面或第五方面的方法。[0035]本发明的各种实施例能够识别图片内容或为有效、准确地识别图片内容提供基础。[0036]本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。附图说明[0037]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一简单地介绍，显而易见地，下面描述中的附图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。[0038]图1示出了根据本发明一个实施例的图片内容识别方法的流程示意图；[0039]图2示出了根据本发明一个实施例的确定待识别图片的色彩分布的方法的流程示意图；[0040]图3示出了根据本发明一个实施例的图片内容识别装置的框图；[0041]图4示出了图3所示图片内容识别装置的色彩分析模块的框图；[0042]图5示出了根据本发明一个实施例的建模方法的流程示意图；[0043]图6示出了根据本发明一个实施例的机器学习装置的框图；[0044]图7示出了图6所示机器学习装置的色彩分析模块的框图；[0045]图8示出了根据本发明另一个实施例的图片内容识别方法的流程示意图；[0046]图9示出了根据本发明另一个实施例的图片内容识别装置的框图。具体实施方式[0047]为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。[0048]在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。[0049]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例以及基于本发明的思想得到的实施例，都属于本发明保护的范围。[0050]图1是根据本发明实施例的一种图片内容识别方法的流程示意图。其中，图片内容是指图片实际表达的内容，例如，水果蔬菜的照片，其内容是具体的水果名等信息;菜品图片，其内容是具体的菜品名等。参照图1，所述方法包括：[0051]102:分析待识别图片确定其色彩分布。[0052]可选地，在本实施例的一种实现方式中，采用现有技术获取所述待识别图片。例如，通过手机扫描、ARAugmentedReality，增强现实设备扫描等。[0053]1〇4:对比所述待识别图片的色彩分布与基准色彩分布，确定与所述待识别图片的色彩分布对应的第一基准色彩分布。[0054]在本实施例中，所述基准色彩分布是预先确定的，其中的每一种基准色彩分布对应一种内容信息。[0055]可选地，在本实施例的一种实现方式中，第一基准色彩分布与所述待识别图片的色彩分布对应，包含如下情况下的方案:第一基准色彩分布与待识别图片的色彩分布相同、第一基准色彩分布与待识别图片的色彩分布相似例如，满足设定的偏离值，或通过相似度计算确定是否相似或待识别图片的色彩分布落在第一基准色彩分布的范围内。[0056]1〇6:将所述第一基准色彩分布对应的内容信息作为所述待识别图片的图片内容。[0057]米用本实施例提供的方法，能够有效识别图片内容，提高图片内容识别的质量例如，准确度、。以应用于外卖领域为例，能够准确识别菜品图片所表达的菜品名。[0058]可选地，在本实施例的一种实现方式中，如图i中虚线框所示，在处理1〇2之前，所述方法还包括处理100:优化源图片得到保留有效区域的待识别图片。其中，所述有效区域是指包含图片内容的区域。[G059]例如，诸如外卖等很多领域的图片都有尺寸要求以及图片内容的位置规定。基于这些规定，可以通过裁剪图片为指定尺寸从而保留有效区域。再例如，很多领域的图片背景色对于图片内容的识别并没有影响，因此，可以在处理100中删除背景色部分。总而言之，处理100的目的是保留有效区域从而降低后续处理的数据处理量。基于该目的，结合所应用领域中图片的特点，可以设计不同的优化方式，本发明对此不进行详细列举。[0060]采用本实现方式，能够减少图片处理时无效区域造成的无效计算，提高图片处理效率。[0061]图2是根据本发明实施例的一种确定待识别图片的色彩分布的方法的流程示意图。参照图2,所述方法包括：[0062]2〇〇:基于坐标系和颜色值识别所述待识别图片在各个识别位置的颜色。[0063]可选地，在本实施例的一种第一实现方式中，所述坐标系可以是常用的平面直角坐标系或自定义的坐标系。颜色值与颜色的对应关系（即，颜色标准可以符合常用的颜色标准例如，现有的R红G绿B蓝色彩标准或自定义的颜色标准。所述识别位置可以是坐标系中的一个点或一个区域例如，正方形区域等。[00M]可选地，在本实施例的一种第二实现方式中，为每一种颜色设定一个颜色范围，例如rgb200，2〇0，10代表黄色的色值，那么，可以选取rgb上下浮动20作为一个黄色范围的阈值。其它的颜色以此类推，最终形成一个颜色阈值表。在本实现方式中，具体设定哪些颜色可以自定义，例如，根据所应用领域的图片的特点设定指定的颜色，也可以设定常用的所用颜色等。[°065]202:根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片的色彩分布。所述色彩分布包括不同的色块，各个色块包含:颜色、形状和与其它色块的相对位置可选。[0066]具体地，通过确定各个识别位置的颜色值，进而可以根据颜色值以及识别位置确定待识别图片所包含的色块。例如，在处理200采用所述第一实现方式的情况下，在本实施例中可以基于设定的颜色的颜色值范围，对各个识别位置的颜色进行归类，最终形成色块。在处理200采用所述第二实现方式的情况下，在确定出识别位置的颜色值的同时，也就确定了识别位置所属的色块。[0067]在处理202中，所述色块包含了以下属性:颜色和形状。此外，色块还可以包含以下属性:在图片中的位置，或，与同一图片中的其它色块或指定色块例如，面积最大的色块、位置居中的色块等）的相对位置。其中，相对位置可以包含以下任意一种或多种信息：色块之间的方位关系、包围关系、半包围关系、间隔（中间有其它色块关系、接触关系等。[0068]采用本实施例，能够有效确定待识别图片的色彩分布。通常所确定的色彩分布的质量会直接影响图片内容识别的质量，而为了获得高质量的色彩分布，有需要一定的数据计算量作为成本。所以，本领域技术人员可以根据需要获取不同质量的色彩分布。例如，仅确定色块的颜色和形状而不确定色块相对位置关系，或者，同时确定色块的颜色、形状、相对位置关系等。[0069]可选地，在本实施例的一种实现方式中，可以采用以下方式进行色彩分布优化:删除面积占比不满足预设条件的色块，或将该色块替换为相近色块的颜色。例如，如果某色块的面积占比小于设定阈值，或与其它色块相比面积占比小于设定值,则删除该色块（S卩，不将该色块作为色彩分布的一部分），或者，将该色块替换为相近色块例如，与该色块毗邻且接触边界最长的色块的颜色，相应地，后续确定的所述相近色块的形状相对会发生变化。[0070]可选地，在本实施例的一种实现方式中，可以采用以下方式进行色彩分布优化:删除位置不满足预设条件的色块，或将该色块替换为相近色块的颜色。例如，如果一个色块仅位于图片的角落，则删除该色块，或者将该色块替换为相近色块例如，与该色块毗邻且接触边界最长的色块的颜色。[0071]可选地，在本实施例的一种实现方式中，可以综合前述两种实现方式进行色彩分布优化。例如，将仅位于角落且面积占比小于预设阈值的色块删除或替换为相近色块的颜色;将被大面积色块包含且自身面积小于设定值或设定比例的色块删除或替换为相近色块的颜色。[0072]通过优化色彩分布，有利于避免噪声干扰，提高图片内容的识别质量。[0073]在本发明的一种实施例中，图2所示确定待识别图片的色彩分布的方法，可以作为图1所示图片内容识别方法中处理1〇2的一种具体实现。在该实施例中，每一种所述基准色彩分布对应一种内容信息，每一种所述基准色彩分布包含颜色值范围、形状集合以及相对位置集合可选）。[0074]在本实施例的一种具体实现方式中，基准色彩分布可以包含至少两种颜色值范围，每一种颜色值范围分别对应有形状集合和相对位置集合可选）。其中，每一种颜色值范围可以单独定义，也可以与在处理200和202中设定的色块的颜色值范围相同，还可以以合理范围大于处理2〇〇和202中设定的色块的颜色值范围。这均可以由本领域技术人员根据需要选择或者改善。[0075]可选地，在本实施例的一种实现方式中，基准色彩分布包含如下内容:色块A颜色值范围A0-A1—形状椭圆、圆、四边形一相对位置包含于色块B、由色块B半包围）；色块B颜色值范围B0-B1—形状不规则多边形一相对位置包含色块A、半包围色块A、位于色块C三点钟方向）一色块C……。[0076]在本实施例中，处理106具体可以采用以下方式实现：[0077]采用逐个对比或按条件查找的方式，从所述基准色彩分布中确定出与所述待识别图片具有相同数量的色块，且颜色值范围和形状集合均覆盖（g卩，包含或等于所述待识别图片中色块的颜色和形状的基准色彩分布作为所述第一基准色彩分布;或，采用逐个对比或按条件查找的方式，从所述基准色彩分布中确定出与所述待识别图片具有相同数量的色块，且颜色值范围、形状集合以及相对位置集合均覆盖所述待识别图片中色块的颜色、形状以及相对位置的基准色彩分布作为所述第一基准色彩分布。[0078]采用本实施例，能够有效识别图片内容，提高图片内容识别的质量（例如，准确度。[0079]在本发明的一种实施例中，提供这样一种图片内容识别装置，其包括存储器和处理器。其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理器调用执行;所述处理器用于执行所述指令以实现如前文所述的实施例或实现方式提供的图片内容识别方法。[0080]图3是根据本发明实施例的一种图片内容识别装置的框图的一例。参照图3，图片内容识别装置包括色彩分析模块32、基准确定模块34和内容确定模块36。下面进行详细说明。[0081]在本实施例中，色彩分析模块32用于分析待识别图片确定其色彩分布。基准确定模块34用于对比所述待识别图片的色彩分布与基准色彩分布，确定与所述待识别图片的色彩分布对应的第一基准色彩分布。内容确定模块36用于将所述第一基准色彩分布对应的内容信息作为所述待识别图片的图片内容。[0082]采用本实施例提供的图片内容识别装置，能够有效识别图片内容，提高图片内容识别的质量例如，准确度）。以应用于外卖领域为例，能够准确识别菜品图片所表达的菜品名。[0083]可选地，在本实施例的一种实现方式中，如图3中虚线框所示，图片内容识别装置还包括图片优化模块30，用于优化源图片得到保留有效区域的所述待识别图片。采用该实现方式，能够降低后续的数据处理量，提高图片识别效率。[0084]可选地，在本实施例的一种实现方式中，如图4所示，色彩分析模块32包括:识别子模块322,用于基于坐标系和颜色值识别所述待识别图片在各个识别位置的颜色。确定子模块324，用于:根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色和形状;或，根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色、形状以及部分或全部色块的相对位置。[0085]可选地，如图4中虚线框所示，色彩分析模块32还包括优化子模块326，用于删除面积占比不满足预设条件的色块，或将该色块替换为相近色块的颜色;和或，删除位置不满足预设条件的色块，或将该色块替换为相近色块的颜色。[0086]可选地，在本实施例的一种实现方式中，每一种所述基准色彩分布对应一种内容信息。每一种所述基准色彩分布包含颜色值范围和形状集合，或，每一种所述基准色彩分布包含颜色值范围、形状集合以及相对位置集合。[0087]可选地，在本实施例的一种实现方式中，所述内容确定模块具体用于：[0088]采用逐个对比或按条件查找的方式，从所述基准色彩分布中确定出与所述待识别图片具有相同数量的色块，且颜色值范围和形状集合均覆盖（S卩，包含或等于所述待识别图片中色块的颜色和形状的基准色彩分布作为所述第一基准色彩分布;或，采用逐个对比或按条件查找的方式，从所述基准色彩分布中确定出与所述待识别图片具有相同数量的色块，且颜色值范围、形状集合以及相对位置集合均覆盖所述待识别图片中色块的颜色、形状以及相对位置的基准色彩分布作为所述第一基准色彩分布。[0089]在本实施例中，关于相关名词、范围等的解释，关于各个模块、子模块所执行处理或可执行处理的详细说明，以及关于详细的逻辑处理过程的详细说明，请参照本发明各种实施例提供的图片内容识别方法中的详细说明，此处不赘述。[0090]图5是根据本发明实施例的一种建模方法也可以理解为一种数据处理方法的流程示意图，参照图5，所述方法包括：[0091]500:获取已知内容信息的样本图片。[0092]可选地，在本实施例的一种实现方式中，将每一类内容信息所对应的众多样本图片录入机器学习装置。[0093]504:分析所述样本图片确定其色彩分布。[0094]可选地，在本实施例的一种实现方式中，色彩分布可以包括：图片包含的色块、色块的形状和部分或全部色块之间的相对位置可选）。[0095]506:基于所述样本图片的内容信息以及所述样本图片的色彩分布，确定或更新所述内容信息对应的基准色彩分布。[0096]采用本实施例提供的方法确定更新的内容信息与基准色彩分布的对应关系，可以作为一种模型或模板，以便于基于该模型或模板进行图片内容识别。[0097]可选地，在本实施例的一种实现方式中，如图5中虚线框所示，在分析所述样本图片之前，所述方法还包括处理502:优化所述样本图片以保留所述样本图片的有效区域。采用该实现方式有利于减少不必要的数据运算。[0098]可选地，在本实施例的一种实现方式中，处理504采用以下方式实现:基于坐标系和颜色值识别所述样本图片在各个识别位置的颜色;根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色和形状，或，根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色、形状以及部分或全部色块的相对位置。[0099]在该实现方式中，还可以进行以下处理:删除面积占比不满足预设条件的色块，或将该色块替换为相近色块的颜色;和或，删除位置不满足预设条件的色块，或将该色块替换为相近色块的颜色。[0100]可选地，在本实施例的一种实现方式中，处理506包括:基于所述样本图片的内容信息以及所述样本图片的色彩分布，统计确定所述内容信息对应的基准色彩分布。示例性地，可以采用以下方式实现:统计同一内容信息下的多种所述样本图片的色彩分布;将统计确定的颜色值范围和形状集合，作为所述同一内容信息的基准色彩分布，或，将统计确定的颜色值范围、形状集合以及相对位置集合，作为所述同一内容信息的基准色彩分布。[0101]例如，假设对应于“鱼香肉丝”的菜品名的两张仅为举例，通常而言，图片数量越多，结果越准确）图片中，图片P1包含色块1颜色值范围为M和色块2颜色值范围为N，色块1的形状为圆形，色块2的形状为不规则多边形且包围色块1;图片P2包含所述色块1和色块2,其中，色块1的形状为不规则多边形，色块2的形状为椭圆形且包围色块1。则，根据这两张图片可以统计基准色彩分布为:色块1颜色值范围为M—形状圆形、不规则多边形一相对位置（由色块2包围）；色块2颜色值范围为N—形状椭圆形、不规则多边形一相对位置包围色块1。[0102]当然，以上仅为简单举例，实际由于图片数量众多，可以采用现有的统计学原则进行统计。本发明对此不进行详细举例。[0103]可选地，在本实施例的一种实现方式中，处理506包括:基于所述样本图片的内容信息以及所述样本图片的色彩分布，更新所述内容信息对应的基准色彩分布。示例性地，可以采用以下方式实现:对比所述样本图片的色彩分布与所述基准色彩分布;如果所述样本图片的色彩相对于所述基准色彩分布存在差异属性（S卩，样本图片具有而基准色彩分布不具有的属性），则将所述差异属性添加至所述基准色彩分布。其中，所述样本图片的色彩分布包括如下属性:色块的颜色和形状，或者，还包括部分或全部色块的相对位置。其中，所述基准色彩分布包括如下属性:颜色值范围和形状集合，或者，还包括相对位置集合。[0104]在本实施例中，关于相关名词、术语、范围、应用等方面的解释，请参考图片内容方法中的相关说明，此处不赘述。[0105]图6是根据本发明实施例的一种机器学习装置的框图。参照图6,机器学习装置包括获取模块60、分析模块64和处理模块66。下面进行详细说明。[0106]在本实施例中，获取模块60用于获取已知内容信息的样本图片。分析模块64用于分析所述样本图片确定其色彩分布。处理模块66用于:基于所述样本图片的内容信息以及所述样本图片的色彩分布，统计确定所述内容信息对应的基准色彩分布;或，基于所述样本图片的内容信息以及所述样本图片的色彩分布，更新所述内容信息对应的基准色彩分布。[0107]采用本实施例提供的机器学习装置，能够确定更新内容信息与基准色彩分布的对应关系，以便于根据该对应关系可以理解为一种模板或模型进行图片内容识别。[0108]可选地，在本实施例的一种实现方式中，如图6中虚线框所示，所述机器学习装置还包括优化模块62,用于在所述分析模块分析所述样本图片之前，优化所述样本图片保留所述样本图片的有效区域。[0109]可选地，在本实施例的一种实现方式中，如图7所示，分析模块64包括:识别子模块642,用于基于坐标系和颜色值识别所述待识别图片在各个识别位置的颜色；确定子模块644,用于根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色和形状;或，根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色、形状以及部分或全部色块的相对位置。[0110]可选地，如图7中虚线框所示，分析模块64还包括优化子模块646，用于删除面积占比不满足预设条件的色块，或将该色块替换为相近色块的颜色;和或，删除位置不满足预设条件的色块，或将该色块替换为相近色块的颜色。[0111]可选地，在本实施例的一种实现方式中，处理模块66包括基准确定子模块，用于进行以下处理:统计同一内容信息下的多种所述样本图片的色彩分布;并将统计确定的颜色值范围和形状集合，作为所述同一内容信息的基准色彩分布，或，将统计确定的颜色值范围、形状集合以及相对位置集合，作为所述同一内容信息的基准色彩分布。[0112]可选地，在本实施例的一种实习方式中，处理模块包括基准更新子模块，用于对比确定所述样本图片的色彩分布相对于所述基准色彩分布的差异属性，并将所述差异属性添加至所述基准色彩分布。其中，所述样本图片的色彩分布包括色块的颜色和形状，或者，还包括部分或全部色块的相对位置。相应地，所述基准色彩分布包括颜色值范围和形状集合，或者，还包括相对位置集合。[0113]在本实施例中，关于机器学习装置中相关名词、术语、范围、应用等的解释，关于各个模块、子模块所执行处理或可执行处理的详细说明，请参见前文提供建模方法中的相关说明，此处不赘述。[0114]在本发明的一种实施例中，提供这样一种机器学习装置，其包括存储器和处理器。其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理器调用执行;所述处理器用于执行所述指令以实现如前文所述的实施例或实现方式提供的建模方法。[0115]图8是根据本发明实施例的一种图片内容识别方法的流程示意图，参照图8，所述方法包括：[0116]802:分析待识别图片确定其色彩分布。[0117]关于处理802的说明请参见前文相关说明，此处不赘述。[0118]可选地，在802之前，优化源图片得到保留有效区域的所述待识别图片。10119]804:查询材料库确定与所述待识别图片的色彩分布对应的材料的组合。[0120]在本实施例中，“材料”是指图片内容的组成。以图片内容为三文鱼寿司的图片为例，材料可以是米饭和三文鱼。[0121]可选地，在本实施例的一种实现方式中，所述材料库包含多种材料中各材料对应的颜色值范围和形状集合;或，所述材料库包含多种材料中各材料的颜色值范围、形状集合和相对位置。这里的相对位置是指在材料的固定搭配中，材料之间的相对位置。据此，当待识别图片的色彩分布中包含相对位置时，可以进一步确定待识别图片所可能包含的材料。[0122]806:基于所述材料的组合确定所述待识别图片的内容信息。[0123]可选地，在本实施例的一种实现方式中，根据常用的材料组合关系组合所确定的材料名，得到图片的内容信息。其中，材料组合关系可以包括:可以组合的材料、材料的组合方式例如，煎、炒、蒸、炸等）。[0124]例如，以图片内容为西红柿炒鸡蛋的图片为，当采用804确定所包含的材料包括西红柿和鸡蛋时，在806中，根据西红柿和鸡蛋的常用组合方式“炒”返回西红柿炒鸡蛋作为图片内容。[0125]当然，当存在多种材料组合关系时，在806中可以输出多种图片内容作为识别结果。例如，根据材料组合的概率输出优选图片内容和备选图片内容。[0126]采用本实施例提供的方法，一方面，可以用于进行图片内容的识别；另一方面，可以应用于与图片内容识别相关的机器学习或模型训练中。[0127]图9是根据本发明实施例的一种图片内容识别装置的框图，参照图9,图片内容识别装置包括:色彩分析模块92，用于分析待识别图片确定其色彩分布;组合确定模块94，用于查询材料库确定与所述待识别图片的色彩分布对应的材料的组合；内容确定模块96,用于基于所述材料的组合确定所述待识别图片的内容信息。[0128]可选地，在本实施例的一种实现方式中，如图9中虚线框所示，所述装置还包括图片优化模块90,用于优化源图片得到保留有效区域的所述待识别图片。[0129]可选地，在本实施例的一种实现方式中，所述材料库包含多种材料中各材料对应的颜色值范围和形状集合;或，所述材料库包含多种材料中各材料的颜色值范围、形状集合和相对位置。[0130]关于本实施例提供的图片内容识别装置中各个模块、子模块所执行处理或可执行处理的详细说明，请参照图8所示方法实施例中的说明，此处不赘述。[0131]在本实施例的一种可能的设计中，图片内容识别装置包括存储器和处理器。其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理器调用执行；所述处理器用于执行所述指令以实现如图8所示实施例或其实现方式所提供的方法。[0132]本发明实施例还提供了一种计算机存储介质，用于本发明各实施例或其实现方式提供的图片内容识别装置机器学习装置实现其功能所用的计算机软件指令，这些指令被执行时实现本发明各种实施例或其实现方式提供的图片内容识别方法或建模方法。[0133]以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。[0134]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROMRAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备可以是个人计算机，服务器，或者网络设备等执行各个实施例或者实施例的某些部分所述的方法。[0135]最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制;尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。[0136]本发明公开了A1、一种图片内容识别方法，所述方法包括：[0137]分析待识别图片确定其色彩分布；[0138]对比所述待识别图片的色彩分布与基准色彩分布，确定与所述待识别图片的色彩分布对应的第一基准色彩分布；[0139]将所述第一基准色彩分布对应的内容信息作为所述待识别图片的图片内容。[0140]A2、如A1所述的方法，所述方法还包括：[0141]优化源图片得到保留有效区域的所述待识别图片。[0142]A3、如A1或A2所述的方法，所述分析待识别图片确定其色彩分布，包括：[0143]基于坐标系和颜色值识别所述待识别图片在各个识别位置的颜色；[0144]根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色和形状，或，[0145]根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色、形状以及部分或全部色块的相对位置。[0146]A4、如A3所述的方法，所述分析待识别图片确定其色彩分布，还包括：[0147]删除面积占比不满足预设条件的色块，或将该色块替换为相近色块的颜色；和或，[0148]删除位置不满足预设条件的色块，或将该色块替换为相近色块的颜色。[0149]A5、如A3所述的方法，[0150]每一种所述基准色彩分布对应一种内容信息；[0151]每一种所述基准色彩分布包含颜色值范围和形状集合，或，[0152]每一种所述基准色彩分布包含颜色值范围、形状集合以及相对位置集合。[0153]A6、如A5所述的方法，所述对比所述待识别图片的色彩分布与基准色彩分布，确定与所述待识别图片的色彩分布对应的第一基准色彩分布，包括：[0154]采用逐个对比或按条件查找的方式，从所述基准色彩分布中确定出与所述待识别图片具有相同数量的色块，且颜色值范围和形状集合均覆盖所述待识别图片中色块的颜色和形状的基准色彩分布作为所述第一基准色彩分布;或，[0155]采用逐个对比或按条件查找的方式，从所述基准色彩分布中确定出与所述待识别图片具有相同数量的色块，且颜色值范围、形状集合以及相对位置集合均覆盖所述待识别图片中色块的颜色、形状以及相对位置的基准色彩分布作为所述第一基准色彩分布。[0156]本发明还公开B7、一种图片内容识别装置，所述装置包括：[0157]色彩分析模块，用于分析待识别图片确定其色彩分布；[0158]基准确定模块，用于对比所述待识别图片的色彩分布与基准色彩分布，确定与所述待识别图片的色彩分布对应的第一基准色彩分布；[0159]内容确定模块，用于将所述第一基准色彩分布对应的内容信息作为所述待识别图片的图片内容。[0160]B8、如B7所述的装置，所述装置还包括：[0161]图片优化模块，用于优化源图片得到保留有效区域的所述待识别图片。[0162]B9、如B7或B8所述的装置，所述色彩分析模块包括：[0163]识别子模块，用于基于坐标系和颜色值识别所述待识别图片在各个识别位置的颜色；[0164]确定子模块，用于：[0165]根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色和形状，或，[0166]根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色、形状以及部分或全部色块的相对位置。[0167]B10、如B9所述的装置，所述色彩分析模块还包括优化子模块，用于：[0168]删除面积占比不满足预设条件的色块，或将该色块替换为相近色块的颜色；和或，[0169]删除位置不满足预设条件的色块，或将该色块替换为相近色块的颜色。[0170]B11、如B9所述的装置，[0171]每一种所述基准色彩分布对应一种内容信息；[0172]每一种所述基准色彩分布包含颜色值范围和形状集合，或，[0173]每一种所述基准色彩分布包含颜色值范围、形状集合以及相对位置集合。[0174]B12、如Bl1所述的装置，所述内容确定模块具体用于：[0175]采用逐个对比或按条件查找的方式，从所述基准色彩分布中确定出与所述待识别图片具有相同数量的色块，且颜色值范围和形状集合均覆盖所述待识别图片中色块的颜色和形状的基准色彩分布作为所述第一基准色彩分布;或，[0176]采用逐个对比或按条件查找的方式，从所述基准色彩分布中确定出与所述待识别图片具有相同数量的色块，且颜色值范围、形状集合以及相对位置集合均覆盖所述待识别图片中色块的颜色、形状以及相对位置的基准色彩分布作为所述第一基准色彩分布。[0177]本发明还公开C13、一种建模方法，所述方法包括：[0178]获取已知内容信息的样本图片；[0179]分析所述样本图片确定其色彩分布；[0180]基于所述样本图片的内容信息以及所述样本图片的色彩分布，统计确定所述内容信息对应的基准色彩分布，或，[0181]基于所述样本图片的内容信息以及所述样本图片的色彩分布，更新所述内容信息对应的基准色彩分布。[0182]C14、如C13所述的方法，所述方法还包括：[0183]优化所述样本图片以保留所述样本图片的有效区域。[0184]C15、如C13所述的方法，所述分析所述样本图片确定其色彩分布，包括：[0185]基于坐标系和颜色值识别所述样本图片在各个识别位置的颜色；[0186]根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色和形状，或，[0187]根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色、形状以及部分或全部色块的相对位置。[0188]C16、如C15所述的方法，所述分析所述样本图片确定其色彩分布，还包括：[0189]删除面积占比不满足预设条件的色块，或将该色块替换为相近色块的颜色；和或，[0190]删除位置不满足预设条件的色块，或将该色块替换为相近色块的颜色。[0191]C17、如C15或C16所述的方法，所述基于所述样本图片的内容信息以及所述样本图片的色彩分布，统计确定所述内容信息对应的基准色彩分布，包括：[0192]统计同一内容信息下的多种所述样本图片的色彩分布；[0193]将统计确定的颜色值范围和形状集合，作为所述同一内容信息的基准色彩分布，或，[0194]将统计确定的颜色值范围、形状集合以及相对位置集合，作为所述同一内容信息的基准色彩分布。[0195]C18、如C15或C16所述的方法，所述基于所述样本图片的内容信息以及所述样本图片的色彩分布，更新所述内容信息对应的基准色彩分布，包括：[0196]对比确定所述样本图片的色彩分布相对于所述基准色彩分布的差异属性；[0197]将所述差异属性添加至所述基准色彩分布；[0198]其中，所述样本图片的色彩分布包括色块的颜色和形状，或者，还包括部分或全部色块的相对位置；[0199]其中，所述基准色彩分布包括颜色值范围和形状集合，或者，还包括相对位置集合。[0200]本发明还公开D19、一种机器学习装置，包括：[0201]获取模块，用于获取已知内容信息的样本图片；[0202]分析模块，用于分析所述样本图片确定其色彩分布；[0203]处理模块，用于：[0204]基于所述样本图片的内容信息以及所述样本图片的色彩分布，统计确定所述内容信息对应的基准色彩分布，或，[0205]基于所述样本图片的内容信息以及所述样本图片的色彩分布，更新所述内容信息对应的基准色彩分布。[0206]D20、如D19所述的装置，所述装置还包括：[0207]优化模块，用于在所述分析模块分析所述样本图片之前，优化所述样本图片保留所述样本图片的有效区域。[0208]D21、如D19所述的装置，所述分析模块包括：[0209]识别子模块，用于基于坐标系和颜色值识别所述待识别图片在各个识别位置的颜色；[0210]确定子模块，用于：[0211]根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色和形状，或，[0212]根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色、形状以及部分或全部色块的相对位置。[0213]D22、如D21所述的装置，所述分析模块还包括优化子模块，用于：[0214]删除面积占比不满足预设条件的色块，或将该色块替换为相近色块的颜色；和或，[0215]删除位置不满足预设条件的色块，或将该色块替换为相近色块的颜色。[0216]D23、如D21或D22所述的装置，所述处理模块包括基准确定子模块，用于：[0217]统计同一内容信息下的多种所述样本图片的色彩分布；[0218]将统计确定的颜色值范围和形状集合，作为所述同一内容信息的基准色彩分布，或，[0219]将统计确定的颜色值范围、形状集合以及相对位置集合，作为所述同一内容信息的基准色彩分布。[0220]D24、如D21或D22所述的装置，所述处理模块包括：[0221]基准更新子模块，用于对比确定所述样本图片的色彩分布相对于所述基准色彩分布的差异属性，并将所述差异属性添加至所述基准色彩分布；[0222]其中，所述样本图片的色彩分布包括色块的颜色和形状，或者，还包括部分或全部色块的相对位置；[0223]其中，所述基准色彩分布包括颜色值范围和形状集合，或者，还包括相对位置集合。[0224]本发明还公开E25、一种图片内容识别方法，所述方法包括：[0225]分析待识别图片确定其色彩分布；[0226]查询材料库确定与所述待识别图片的色彩分布对应的材料的组合；[0227]基于所述材料的组合确定所述待识别图片的内容信息。[0228]E26、如E25所述的方法，所述方法还包括：[0229]优化源图片得到保留有效区域的所述待识别图片。[0230]E27、如E25或E26所述的方法，所述分析待识别图片确定其色彩分布，包括：[0231]基于坐标系和颜色值识别所述待识别图片在各个识别位置的颜色；[0232]根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色和形状，或，[0233]根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色、形状以及部分或全部色块的相对位置。[0234]E28、如E27所述的方法，所述分析待识别图片确定其色彩分布，包括：[0235]删除面积占比不?两足预设条件的色块，或将该色块替换为相近色块的颜色；和或，[0236]删除位置不满足预设条件的色块，或将该色块替换为相近色块的颜色。[0237]E29、如E27所述的方法，[0238]所述材料库包含多种材料中各材料对应的颜色值范围和形状集合;或，[0239]所述材料库包含多种材料中各材料的颜色值范围、形状集合和相对位置。[0240]本发明还公开F30、一种图片内容识别装置，所述装置包括：[0241]色彩分析模块，用于分析待识别图片确定其色彩分布；[0242]组合确定模块，用于查询材料库确定与所述待识别图片的色彩分布对应的材料的组合；[0243]内容确定模块，用于基于所述材料的组合确定所述待识别图片的内容信息。[0244]F31、如F30所述的装置，所述装置还包括：[0245]图片优化模块，用于优化源图片得到保留有效区域的所述待识别图片。[0246]F：32、如F30或F31所述的装置，所述色彩分析模块包括：[0247]识别子模块，用于基于坐标系和颜色值识别所述待识别图片在各个识别位置的颜色；[0248]确定子模块，用于：[0249]根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色和形状，或，[0250]根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色、形状以及部分或全部色块的相对位置。[0251]F33、如F32所述的装置，所述色彩分析模块还包括优化子模块，用于：[0252]删除面积占比不满足预设条件的色块，或将该色块替换为相近色块的颜色；和或，[0253]删除位置不满足预设条件的色块，或将该色块替换为相近色块的颜色。[0254]F34、如F32所述的装置，[0255]所述材料库包含多种材料中各材料对应的颜色值范围和形状集合;或，[0256]所述材料库包含多种材料中各材料的颜色值范围、形状集合和相对位置。[0257]本发明还公开G35、一种图片内容识别装置，包括存储器和处理器;其中，[0258]所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理器调用执行；[0259]所述处理器用于执行所述指令以实现如权利要求1-6中任一项所述的方法。[0260]本发明还公开H36、一种机器学习装置，包括存储器和处理器;其中，[0261]所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理器调用执行；[0262]所述处理器用于执行所述指令以实现如权利要求13-18中任一项所述的方法。[0263]本发明还公开137、一种图片内容识别装置，包括存储器和处理器;其中，[0264]所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理器调用执行；[0265]所述处理器用于执行所述指令以实现如权利要求25-29中任一项所述的方法。形38、—种i+_存齡质，雜有—条或多条將机指令，其中，所述指令被执行时买现：[0267]如Al-A6中任一项所述的方法;或，[0268]如C13-C18中任一项所述的方法;或，[0269]如E25-E29中任一项所述的方法。

权利要求：1.一种图片内容识别方法，其特征在于，所述方法包括：分析待识别图片确定其色彩分布；对比所述待识别图片的色彩分布与基准色彩分布，确定与所述待识别图片的色彩分布对应的第一基准色彩分布；将所述第一基准色彩分布对应的内容信息作为所述待识别图片的图片内容。2.如权利要求1所述的方法，其特征在于，所述分析待识别图片确定其色彩分布，包括：基于坐标系和颜色值识别所述待识别图片在各个识别位置的颜色；根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色和形状，或，根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色、形状以及部分或全部色块的相对位置。3.如权利要求2所述的方法，其特征在于，每一种所述基准色彩分布对应一种内容信息；每一种所述基准色彩分布包含颜色值范围和形状集合，或，每一种所述基准色彩分布包含颜色值范围、形状集合以及相对位置集合。4.一种图片内容识别装置，所述装置包括：色彩分析模块，用于分析待识别图片确定其色彩分布；基准确定模块，用于对比所述待识别图片的色彩分布与基准色彩分布，确定与所述待识别图片的色彩分布对应的第一基准色彩分布；内容确定模块，用于将所述第一基准色彩分布对应的内容信息作为所述待识别图片的图片内容。5.—种建模方法，其特征在于，所述方法包括：获取已知内容信息的样本图片；分析所述样本图片确定其色彩分布；基于所述样本图片的内容信息以及所述样本图片的色彩分布，统计确定所述内容信息对应的基准色彩分布，或，基于所述样本图片的内容信息以及所述样本图片的色彩分布，更新所述内容信息对应的基准色彩分布。6.如权利要求5所述的方法，其特征在于，所述分析所述样本图片确定其色彩分布，包括：基于坐标系和颜色值识别所述样本图片在各个识别位置的颜色；根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色和形状，或，根据所述待识别图片在各个识别位置的颜色值，确定所述待识别图片中色块的颜色、形状以及部分或全部色块的相对位置。7.如权利要求6所述的方法，其特征在于，所述基于所述样本图片的内容信息以及所述样本图片的色彩分布，统计确定所述内容信息对应的基准色彩分布，包括：统计同一内容信息下的多种所述样本图片的色彩分布；将统计确定的颜色值范围和形状集合，作为所述同一内容信息的基准色彩分布，或，将统计确定的颜色值范围、形状集合以及相对位置集合，作为所述同一内容信息的基准色彩分布。8.—种机器学习装置，其特征在于，包括：获取模块，用于获取已知内容信息的样本图片；分析模块，用于分析所述样本图片确定其色彩分布；处理模块，用于：基于所述样本图片的内容信息以及所述样本图片的色彩分布，统计确定所述内容信息对应的基准色彩分布，或，基于所述样本图片的内容信息以及所述样本图片的色彩分布，更新所述内容信息对应的基准色彩分布。9.一种图片内容识别方法，其特征在于，所述方法包括：分析待识别图片确定其色彩分布；查询材料库确定与所述待识别图片的色彩分布对应的材料的组合；基于所述材料的组合确定所述待识别图片的内容信息。10.—种图片内容识别装置，其特征在于，所述装置包括：色彩分析模块，用于分析待识别图片确定其色彩分布；组合确定模块，用于查询材料库确定与所述待识别图片的色彩分布对应的材料的组合；内容确定模块，用于基于所述材料的组合确定所述待识别图片的内容信息。

百度查询： 北京星选科技有限公司 图片内容识别方法、建模方法及相关装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD