(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210913869.X (22)申请日 2022.07.27 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 李亚鹏　王宁波　朱树磊　殷俊　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 严翠霞 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 40/16(2022.01) (54)发明名称 图像识别方法、 电子设备以及存 储介质 (57)摘要 本发明公开了一种图像识别方法、 电子设备 以及存储介质， 其中， 图像识别方法包括： 得到待 识别图像中目标对象 的多阶特征； 对多阶特征中 的第一阶特征进行分类处理， 确定目标对象 的当 前阶分类类别； 基于目标对象的当前阶分类类别 对多阶特征中的下一阶特征进行分类处理， 以从 当前阶分类类别中确定目标对象的下一阶分类 类别； 其中， 下一阶分类类别为当前阶分类类别 的子类别； 将下一阶分类类别作为当前阶分类类 别， 再次基于目标对象 的当前阶分类类别对多阶 特征中的下一阶特征进行分类处理， 直至从当前 阶分类类别中确定目标对象 的识别结果。 通过上 述方式， 本发 明能够通过分阶分类 极大程度上减 少了图像识别的计算量， 大大提高了图像识别的 效率。 权利要求书3页 说明书16页 附图4页 CN 115424033 A 2022.12.02 CN 115424033 A 1.一种图像识别方法， 其特 征在于， 包括： 获取待识别图像， 对所述待识别图像中的目标对象进行多阶特征提取， 得到所述目标 对象的多阶特 征； 对所述多阶特征中的第一阶特征进行分类处理， 确定所述目标对象的当前阶分类类 别； 基于所述目标对象的当前阶分类类别对所述多阶特征中的下一阶特征进行分类处理， 以从所述当前阶分类类别中确定所述 目标对象的下一 阶分类类别； 其中， 所述下一 阶分类 类别为当前阶分类 类别的子类别； 将所述下一阶分类类别作为当前阶分类类别， 再次基于所述目标对象的当前阶分类类 别对所述多阶特征中的下一阶特征进 行所述分类处理， 直至从所述当前阶分类类别中确定 所述目标对象的识别结果。 2.根据权利要求1所述的图像识别方法， 其特征在于， 所述对所述多阶特征中的第 一阶 特征进行分类处 理， 确定所述目标对象的当前阶分类 类别， 包括： 利用预设对应关系获取 各所述当前阶分类 类别的第一阶平均标准特 征； 将所述第一阶特征分别与 各所述当前阶分类类别的第 一阶平均标准特征进行比较， 确 定所述第一阶特 征与各所述第一阶平均标准特 征的相似度； 将相似度最高的第一阶平均标准特征对应的第一阶分类类别确定为所述目标对象的 当前阶分类 类别； 所述基于所述目标对象的当前阶分类类别对所述多阶特征中的下一阶特征进行分类 处理， 以从所述当前阶分类 类别中确定所述目标对象的下一阶分类 类别， 包括： 利用预设对应关系获取各下一阶分类类别对应的下一阶标准特征或下一阶平均标准 特征； 将所述多阶特征中的下一阶特征分别与各所述下一阶平均标准特征或各所述下一阶 标准特征进行比较， 确定所述下一阶特征与各所述下一阶平均标准特征或各所述下一阶标 准特征的相似度； 将相似度最高的下一阶平均标准特征或下一阶标准特征对应的下一阶分类类别确定 为所述目标对象的下一阶分类 类别。 3.根据权利要求2所述的图像识别方法， 其特征在于， 所述利用预设对应关系获取各所 述当前阶分类 类别的第一阶平均标准特 征之前， 还 包括： 获取到多个所述标准图像， 并提取 各所述标准图像中目标对象的多阶标准特 征； 基于各所述多阶标准特征中的各阶标准特征进行多阶分类， 以基于所述多个标准图像 划分得到N阶分类类别； 其中， 下一阶分类类别为上一阶分类类别的子类别； N为大于1的正 整数； 分别将N阶分类类别中各阶分类类别与对应的标准图像及其各阶标准特征建立所述预 设对应关系。 4.根据权利要求3所述的图像识别方法， 其特征在于， 所述分别将N阶分类类别 中各阶 分类类别与对应的标准图像及其各阶标准特 征建立所述预设对应关系， 包括： 分别将第1到第(N ‑1)阶分类类别中各阶分类类别对应的标准图像的第1到第(N ‑1)阶 标准特征进行平均处 理， 得到第1到第(N ‑1)阶平均标准特 征；权　利　要　求　书 1/3 页 2 CN 115424033 A 2将所述第1到第(N ‑1)阶分类类别中各阶分类类别与对应的标准图像的第1到第(N ‑1) 阶特征中各阶标准特 征的平均标准特 征建立所述预设对应关系； 以及 将第N阶分类 类别与对应的标准图像的第N阶标准特 征建立所述预设对应关系。 5.根据权利要求1～4任一项所述的图像识别方法， 其特征在于， 所述对所述多阶特征 中的第一阶特 征进行分类处 理， 确定所述目标对象的当前阶分类 类别的步骤， 包括： 通过多阶图像识别网络的第 一阶分类子网络， 基于所述多阶特征中的第 一阶特征进行 分类处理， 确定所述目标对象的当前阶分类类别； 其中， 所述多阶图像识别网络包括相互级 联的N阶分类子网络， 最后一阶分类子网络的分类结果 为所述目标对象的识别结果； 所述基于所述目标对象的当前阶分类类别对所述多阶特征中的下一阶特征进行分类 处理， 以从所述当前阶分类 类别中确定所述目标对象的下一阶分类 类别， 包括： 通过所述多阶图像识别网络的下一阶分类子网络， 基于所述多阶特征中的下一阶特征 进行分类处 理， 以从所述当前阶分类 类别中确定所述目标对象的下一阶分类 类别。 6.根据权利要求5所述的图像识别方法， 其特征在于， 所述多阶图像识别网络还包括相 互级联的多阶特 征提取子网络； 所述对所述待识别图像中的目标对象进行多阶特征提取， 得到所述目标对象的多阶特 征， 还包括： 通过所述多阶图像识别网络的各阶特征提取子网络分别对待识别图像中的目标对象 进行多阶特 征提取， 得到所述目标对象的多阶特 征。 7.根据权利要求5所述的图像识别方法， 其特征在于， 所述获取到待识别图像之前， 包 括： 获取到多个训练图像， 并提取 各所述训练图像中目标对象的特 征； 基于各训练图像的特征对所述多个训练图像进行多阶分类， 以基于所述多个训练图像 划分得到N阶分类 类别； 其中， 下一阶分类 类别为上一阶分类 类别的子类别； 基于所述N阶分类类别以及所述多个训练图像对各阶分类子网络进行训练， 直至训练 得到所述多阶图像识别网络 。 8.根据权利要求7所述的图像识别方法， 其特征在于， 所述基于所述N阶分类类别以及 所述多个训练图像对各阶分类子网络进行训练， 直至训练得到所述多阶图像识别网络， 包 括： 基于所述 N阶分类类别确定各 所述训练图像的N阶分类标签； 利用各所述训练图像及其对应的N阶分类标签分别对对应的各阶分类子网络进行训 练， 直至训练得到所述多阶图像识别网络 。 9.根据权利要求7所述的图像识别方法， 其特征在于， 所述获取到多个训练图像， 并提 取各所述训练图像中目标对象的特 征， 包括： 获取到多个训练图像， 并提取 各所述训练图像中目标对象的第1到第(N ‑1)阶特征； 所述基于各训练图像的特征对所述多个训练图像进行多阶分类， 以将所述多个训练图 像划分为 N阶分类类别， 包括： 基于各目标对象的第1到第(N ‑1)阶特征对所述多个训练图像进行N阶分类， 以基于所 述多个训练图像划分得到N阶分类类别； 其中， 所述N阶分类类别中， 各阶分类类别的数量的 乘积与所述多个训练图像对应的目标对象的数量相同。权　利　要　求　书 2/3 页 3 CN 115424033 A 3