识别图形图像特征的深度处理系统和方法.pdf

《识别图形图像特征的深度处理系统和方法.pdf》由会员分享，可在线阅读，更多相关《识别图形图像特征的深度处理系统和方法.pdf（11页完成版）》请在专利查询网上搜索。

1、(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 (43)申请公布日 (21)申请号 202010794414.1 (22)申请日 2020.08.10 (71)申请人 山东金东数字创意股份有限公司 地址 266000 山东省青岛市市南区银川西 路67、 69号青岛国际动漫产业园E座 409、 410室 (72)发明人 周安斌汤祯科宋健健尚绪峰 (74)专利代理机构 武汉聚信汇智知识产权代理 有限公司 42258 代理人 刘丹 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/34(2006.01) G06K 9/46(2006.01) 。

2、G06K 9/62(2006.01) (54)发明名称 识别图形图像特征的深度处理系统和方法 (57)摘要 识别图形图像特征的深度处理系统和方法， 涉及图像识别技术领域， 包括： 采集模块、 分析模 块、 交互模块和云端服务器， 采集模块采集待识 别对象的图像信息， 同时进行预处理得到经过预 处理的图像数据， 分析模块对经过预处理后的图 像数据进行特征提取， 并对提取的特征进行分割 比对快速得到分析结果， 交互模块对分析结果进 行显示， 同时用户通过与交互模块进行交互查看 分析结果的详细内容， 解决了目前图像识别技术 通过串行处理的方式来对图像进行识别处理， 导 致图像识别速度慢， 工作效率低。

3、的问题。 权利要求书2页 说明书7页 附图1页 CN 111950439 A 2020.11.17 CN 111950439 A 1.识别图形图像特征的深度处理系统， 其特征在于， 包括： 采集模块、 分析模块、 交互模 块和云端服务器； 采集模块， 用于采集识别对象的图像数据， 进行预处理后发送到所述分析模块； 其中， 所述采集模块包括采集单元、 预处理单元和输出端， 所述采集单元用于采集待识 别对象的图像数据， 将采集的待识别对象的图像数据发送到所述预处理单元， 所述预处理 单元用于对采集单元发送的待识别对象的图像数据进行预处理， 将经过预处理的图像数据 发送到所述输出端， 所述输出端用于。

4、将经过预处理的图像数据发送到分析模块； 分析模块， 用于接收所述采集模块发送的图像数据， 并对所述采集模块发送的图像数 据进行分析， 并对图像数据进行分析比对得到分析结果数据， 将分析结果数据发送到交互 模块； 其中， 所述分析模块包括接收端、 特征提取单元、 分配单元、 第一特征对比单元、 第二特 征对比单元、 云端服务器、 判断单元和结果输出单元， 所述云端服务器用于存储特征对比数 据和对应的详细数据， 所述接收端用于接收所述输出端发送的经过预处理的图像数据， 将 预处理的图像数据发送到所述特征提取单元， 所述特征提取单元对预处理的图像数据进行 特征提取， 得到待识别图像的特征数据， 将待。

5、识别图像的特征数据发送到所述分配单元， 所 述分配单元用于接收所述特征提取单元发送的待识别图像的特征数据， 对特征数据进行分 割并分别发送到所述第一特征对比单元和所述第二特征对比单元， 所述第一特征对比单元 用于接收所述分配单元发送的待识别图像的特征数据， 并与所述云端服务器中存储的特征 对比数据进行比对， 得到比对结果， 将比对结果发送到所述判断单元， 所述第二特征对比单 元用于接收所述分配单元发送的待识别图像的特征数据， 并与所述云端服务器中存储的特 征对比数据进行比对， 得到比对结果， 将比对结果发送到所述判断单元， 所述判断单元用于 接收所述第一特征对比单元和所述第二特征对比单元发送的。

6、比对结果， 并进行判断， 得到 分析结果， 将分析结果数据发送到所述结果输出单元， 所述结果输出单元用于接收所述判 断单元发送的分析结果， 读取云端服务器中存储的对应的详细数据并将分析结果和对应的 详细数据发送到所述交互模块； 交互模块， 用于接收所述分析模块发送的分析结果和对应的详细数据， 并进行显示， 还 用于浏览分析结果； 其中， 所述交互模块包括结果接收单元、 分类单元、 显示单元和人机交互单元， 所述结 果接收单元用于接收所述分析模块发送的分析结果和对应的详细数据， 将分析模块发送的 分析结果和对应的详细数据发送到分类单元进行分类， 得到分类结果数据， 将分类结果数 据发送到所述显示。

7、单元和人机交互单元， 所述显示单元用于接收所述分类单元发送的分类 结果数据， 并进行显示分类结果， 所述人机交互单元用于接收所述分类单元发送的分类结 果数据， 还用于用户查询分类数据中具体内容。 2.如权利要求1所述的识别图形图像特征的深度处理系统， 其特征在于， 所述预处理单 元采用的预处理方式为对待识别对象的图像数据进行归一化处理。 3.如权利要求1所述的识别图形图像特征的深度处理系统， 其特征在于， 所述特征提取 单元提取的待识别图像的特征数据包括待识别图像的颜色数据和形状数据。 4.如权利要求1所述的识别图形图像特征的深度处理系统， 其特征在于， 所述采集单元 为Kinect设备、 摄。

8、像机或照相机中任一种。 权利要求书 1/2 页 2 CN 111950439 A 2 5.识别图形图像特征的深度处理方法， 应用于如权利要求1-4所述的识别图形图像特 征的深度处理系统， 其特征在于， 包括以下步骤： S1， 图像采集， 采集单元采集待识别对象的图像数据， 将采集的待识别对象的图像数据 发送到预处理单元， 预处理单元对采集单元发送的待识别对象的图像数据进行预处理， 将 经过预处理的图像数据发送到输出端， 输出端将经过预处理的图像数据发送到接收端； S2， 图像分析， 云端服务器存储特征对比数据和对应的详细数据， 接收端接收输出端发 送的经过预处理的图像数据， 将预处理的图像数据。

9、发送到特征提取单元， 特征提取单元对 预处理的图像数据进行特征提取， 得到待识别图像的特征数据， 将待识别图像的特征数据 发送到分配单元， 分配单元接收特征提取单元发送的待识别图像的特征数据， 对特征数据 进行分割并分别发送到第一特征对比单元和第二特征对比单元， 第一特征对比单元接收分 配单元发送的待识别图像的特征数据， 并与云端服务器中存储的特征对比数据进行比对， 得到比对结果， 将比对结果发送到判断单元， 第二特征对比单元接收分配单元发送的待识 别图像的特征数据， 并与云端服务器中存储的特征对比数据进行比对， 得到比对结果， 将比 对结果发送到判断单元， 判断单元接收第一特征对比单元和第二。

10、特征对比单元发送的比对 结果， 并进行判断， 得到分析结果， 将分析结果数据发送到结果输出单元， 结果输出单元接 收判断单元发送的分析结果， 读取云端服务器中存储的对应的详细数据并将分析结果和对 应的详细数据发送到结果接收单元； S3， 结果输出， 结果接收单元结果输出单元发送的分析结果和对应的详细数据， 将分析 模块发送的分析结果和对应的详细数据发送到分类单元进行分类， 得到分类结果数据， 将 分类结果数据发送到显示单元和人机交互单元， 显示单元接收分类单元发送的分类结果数 据， 显示分类结果； S4， 人机交互， 人机交互单元接收分类单元发送的分类结果数据， 用户通过人机交互单 元查询分类。

11、数据中具体内容。 权利要求书 2/2 页 3 CN 111950439 A 3 识别图形图像特征的深度处理系统和方法 技术领域 0001 本发明涉及图像识别技术领域， 具体涉及识别图形图像特征的深度处理系统和方 法。 背景技术 0002 近年来， 与使用摄像图像来识别物体有关的技术的研究正在盛行， 图像识别技术 是以图像的主要特征为基础的， 但是目前的图像识别技术大多通过串行处理的方式来对图 像进行识别处理， 导致图像识别速度慢， 工作效率低。 发明内容 0003 本发明实施例提供了识别图形图像特征的深度处理系统和方法， 通过设置采集模 块采集待识别对象的图像信息， 同时进行预处理得到经过预处。

12、理的图像数据， 分析模块对 经过预处理后的图像数据进行特征提取， 并对提取的特征进行分割比对快速得到分析结 果， 交互模块对分析结果进行显示， 同时用户通过与交互模块进行交互查看分析结果的详 细内容， 解决了目前图像识别技术通过串行处理的方式来对图像进行识别处理， 导致图像 识别速度慢， 工作效率低的问题。 0004 识别图形图像特征的深度处理系统， 包括： 采集模块、 分析模块、 交互模块和云端 服务器； 0005 采集模块， 用于采集识别对象的图像数据， 进行预处理后发送到所述分析模块； 0006 其中， 所述采集模块包括采集单元、 预处理单元和输出端， 所述采集单元用于采集 待识别对象的。

13、图像数据， 将采集的待识别对象的图像数据发送到所述预处理单元， 所述预 处理单元用于对采集单元发送的待识别对象的图像数据进行预处理， 将经过预处理的图像 数据发送到所述输出端， 所述输出端用于将经过预处理的图像数据发送到分析模块； 0007 分析模块， 用于接收所述采集模块发送的图像数据， 并对所述采集模块发送的图 像数据进行分析， 并对图像数据进行分析比对得到分析结果数据， 将分析结果数据发送到 交互模块； 0008 其中， 所述分析模块包括接收端、 特征提取单元、 分配单元、 第一特征对比单元、 第 二特征对比单元、 云端服务器、 判断单元和结果输出单元， 所述云端服务器用于存储特征对 比。

14、数据和对应的详细数据， 所述接收端用于接收所述输出端发送的经过预处理的图像数 据， 将预处理的图像数据发送到所述特征提取单元， 所述特征提取单元对预处理的图像数 据进行特征提取， 得到待识别图像的特征数据， 将待识别图像的特征数据发送到所述分配 单元， 所述分配单元用于接收所述特征提取单元发送的待识别图像的特征数据， 对特征数 据进行分割并分别发送到所述第一特征对比单元和所述第二特征对比单元， 所述第一特征 对比单元用于接收所述分配单元发送的待识别图像的特征数据， 并与所述云端服务器中存 储的特征对比数据进行比对， 得到比对结果， 将比对结果发送到所述判断单元， 所述第二特 征对比单元用于接收。

15、所述分配单元发送的待识别图像的特征数据， 并与所述云端服务器中 说明书 1/7 页 4 CN 111950439 A 4 存储的特征对比数据进行比对， 得到比对结果， 将比对结果发送到所述判断单元， 所述判断 单元用于接收所述第一特征对比单元和所述第二特征对比单元发送的比对结果， 并进行判 断， 得到分析结果， 将分析结果数据发送到所述结果输出单元， 所述结果输出单元用于接收 所述判断单元发送的分析结果， 读取云端服务器中存储的对应的详细数据并将分析结果和 对应的详细数据发送到所述交互模块； 0009 交互模块， 用于接收所述分析模块发送的分析结果和对应的详细数据， 并进行显 示， 还用于浏览。

16、分析结果； 0010 其中， 所述交互模块包括结果接收单元、 分类单元、 显示单元和人机交互单元， 所 述结果接收单元用于接收所述分析模块发送的分析结果和对应的详细数据， 将分析模块发 送的分析结果和对应的详细数据发送到分类单元进行分类， 得到分类结果数据， 将分类结 果数据发送到所述显示单元和人机交互单元， 所述显示单元用于接收所述分类单元发送的 分类结果数据， 并进行显示分类结果， 所述人机交互单元用于接收所述分类单元发送的分 类结果数据， 还用于用户查询分类数据中具体内容。 0011 进一步的， 所述预处理单元采用的预处理方式为对待识别对象的图像数据进行归 一化处理。 0012 进一步的。

17、， 所述特征提取单元提取的待识别图像的特征数据包括待识别图像的颜 色数据和形状数据。 0013 进一步的， 所述采集单元为Kinect设备、 摄像机或照相机中任一种。 0014 第二方面， 本发明实施例提供识别图形图像特征的深度处理方法， 包括以下步骤： 0015 S1， 图像采集， 采集单元采集待识别对象的图像数据， 将采集的待识别对象的图像 数据发送到预处理单元， 预处理单元对采集单元发送的待识别对象的图像数据进行预处 理， 将经过预处理的图像数据发送到输出端， 输出端将经过预处理的图像数据发送到接收 端； 0016 S2， 图像分析， 云端服务器存储特征对比数据和对应的详细数据， 接收端。

18、接收输出 端发送的经过预处理的图像数据， 将预处理的图像数据发送到特征提取单元， 特征提取单 元对预处理的图像数据进行特征提取， 得到待识别图像的特征数据， 将待识别图像的特征 数据发送到分配单元， 分配单元接收特征提取单元发送的待识别图像的特征数据， 对特征 数据进行分割并分别发送到第一特征对比单元和第二特征对比单元， 第一特征对比单元接 收分配单元发送的待识别图像的特征数据， 并与云端服务器中存储的特征对比数据进行比 对， 得到比对结果， 将比对结果发送到判断单元， 第二特征对比单元接收分配单元发送的待 识别图像的特征数据， 并与云端服务器中存储的特征对比数据进行比对， 得到比对结果， 将。

19、 比对结果发送到判断单元， 判断单元接收第一特征对比单元和第二特征对比单元发送的比 对结果， 并进行判断， 得到分析结果， 将分析结果数据发送到结果输出单元， 结果输出单元 接收判断单元发送的分析结果， 读取云端服务器中存储的对应的详细数据并将分析结果和 对应的详细数据发送到结果接收单元； 0017 S3， 结果输出， 结果接收单元结果输出单元发送的分析结果和对应的详细数据， 将 分析模块发送的分析结果和对应的详细数据发送到分类单元进行分类， 得到分类结果数 据， 将分类结果数据发送到显示单元和人机交互单元， 显示单元接收分类单元发送的分类 结果数据， 显示分类结果； 说明书 2/7 页 5 。

20、CN 111950439 A 5 0018 S4， 人机交互， 人机交互单元接收分类单元发送的分类结果数据， 用户通过人机交 互单元查询分类数据中具体内容。 0019 本发明实施例提供的上述技术方案的有益效果至少包括： 0020 本发明通过设置采集模块采集待识别对象的图像信息， 同时进行预处理得到经过 预处理的图像数据， 分析模块对经过预处理后的图像数据进行特征提取， 并对提取的特征 进行分割比对快速得到分析结果， 交互模块对分析结果进行显示， 同时用户通过与交互模 块进行交互查看分析结果的详细内容， 解决了目前图像识别技术通过串行处理的方式来对 图像进行识别处理， 导致图像识别速度慢， 工作。

21、效率低的问题。 0021 本发明的其它特征和优点将在随后的说明书中阐述， 并且， 部分地从说明书中变 得显而易见， 或者通过实施本发明而了解。 本发明的目的和其他优点可通过在所写的说明 书、 权利要求书、 以及附图中所特别指出的结构来实现和获得。 0022 下面通过附图和实施例， 对本发明的技术方案做进一步的详细描述。 附图说明 0023 附图用来提供对本发明的进一步理解， 并且构成说明书的一部分， 与本发明的实 施例一起用于解释本发明， 并不构成对本发明的限制。 在附图中： 0024 图1为本发明实施例公开的识别图形图像特征的深度处理系统结构示意图； 0025 图2为本发明实施例公开的识别图。

22、形图像特征的深度处理方法流程图。 0026 附图标记： 0027 100-采集模块； 101-采集单元； 102-预处理单元； 103-输出端； 200-分析模块； 201- 接收端； 202-特征提取单元； 203-分配单元； 204-第一特征对比单元； 205-第二特征对比单 元； 206-云端服务器； 207-判断单元； 208-结果输出单元； 300-交互模块； 301-结果接收单 元； 302-分类单元； 303-显示单元； 304-人机交互单元。 具体实施例 0028 下面将参照附图更详细地描述本公开的示例性实施例。 虽然附图中显示了本公开 的示例性实施例， 然而应当理解， 可以以。

23、各种形式实现本公开而不应被这里阐述的实施例 所限制。 相反， 提供这些实施例是为了能够更透彻地理解本公开， 并且能够将本公开的范围 完整的传达给本领域的技术人员。 0029 实施例一 0030 如图1所示， 本发明实施例提供识别图形图像特征的深度处理系统， 包括： 采集模 块100、 分析模块200、 交互模块300和云端服务器206； 0031 采集模块100， 用于采集识别对象的图像数据， 进行预处理后发送到所述分析模块 200， 所述采集模块100包括采集单元101、 预处理单元102和输出端103， 所述采集单元101用 于采集待识别对象的图像数据， 所述采集单元101为Kinect设。

24、备、 摄像机或照相机中任一 种， 将采集的待识别对象的图像数据发送到所述预处理单元102， 所述预处理单元102用于 对采集单元101发送的待识别对象的图像数据进行预处理， 所述预处理单元102采用的预处 理方式为对待识别对象的图像数据进行归一化处理， 将经过预处理的图像数据发送到所述 输出端103， 所述输出端103用于将经过预处理的图像数据发送到分析模块200； 说明书 3/7 页 6 CN 111950439 A 6 0032 具体的， 例如， 采集单元101为Kinect设备， 通过Kinect设备的彩色摄像头采集待 识别对象的图像数据， 预处理单元102对采集的图像数据进行归一化处理。

25、， 将采集的图片处 理为规格同一的图像数据， 便于后续的分析处理， 输出端103将经过预处理的图像数据发送 到分析模块200； 0033 分析模块200， 用于接收所述采集模块100发送的图像数据， 并对所述采集模块100 发送的图像数据进行分析， 并对图像数据进行分析比对得到分析结果数据， 将分析结果数 据发送到交互模块300， 所述分析模块200包括接收端201、 特征提取单元202、 分配单元203、 第一特征对比单元204、 第二特征对比单元205、 云端服务器206、 判断单元207和结果输出单 元208， 所述云端服务器206用于存储特征对比数据和对应的详细数据， 所述接收端201。

26、用于 接收所述输出端103发送的经过预处理的图像数据， 将预处理的图像数据发送到所述特征 提取单元202， 所述特征提取单元202对预处理的图像数据进行特征提取， 得到待识别图像 的特征数据， 所述特征提取单元202提取的待识别图像的特征数据包括待识别图像的颜色 数据和形状数据， 将待识别图像的特征数据发送到所述分配单元203， 所述分配单元203用 于接收所述特征提取单元202发送的待识别图像的特征数据， 对特征数据进行分割并分别 发送到所述第一特征对比单元204和所述第二特征对比单元205， 所述第一特征对比单元 204用于接收所述分配单元203发送的待识别图像的特征数据， 并与所述云端服。

27、务器206中 存储的特征对比数据进行比对， 得到比对结果， 将比对结果发送到所述判断单元207， 所述 第二特征对比单元205用于接收所述分配单元203发送的待识别图像的特征数据， 并与所述 云端服务器206中存储的特征对比数据进行比对， 得到比对结果， 将比对结果发送到所述判 断单元207， 所述判断单元207用于接收所述第一特征对比单元204和所述第二特征对比单 元205发送的比对结果， 并进行判断， 得到分析结果， 将分析结果数据发送到所述结果输出 单元208， 所述结果输出单元208用于接收所述判断单元207发送的分析结果， 读取云端服务 器206中存储的对应的详细数据并将分析结果和对。

28、应的详细数据发送到所述交互模块300； 0034 具体的， 接收端201接收输出端103发送的经过预处理的图像数据， 特征提取单元 202提取图像数据中的特征点， 例如， 经过归一化处理的图像数据为规格同一的图像数据， 将图像竖向分割为m块， 分别在每块分割出来的图像中按照n个像素点的距离采集面积为10 像素乘以10像素的像素块作为特征点， m个特征点为特征数据， 分配单元203将m个特征点分 割成特征数据m1和特征数据m2， m1+m2m， 分别分配到第一特征对比单元204和第二特征对 比单元205， 第一特征对比单元204根据特征数据m1， 与云端服务器206中存储的特征对比数 据进行比对。

29、， 得到比对结果， 将比对结果发送到判断单元207， 第二特征对比单元205根据特 征数据m2， 与云端服务器206中存储的特征对比数据进行比对， 得到比对结果， 将比对结果 发送到判断单元207， 判断单元207根据第一特征对比单元204和第二特征对比单元205进行 分析， 在第一特征对比单元204和第一特征对比单元204发送的相似度平均值大于95时， 判定为同一对象， 例如， 第一特征对比单元204输出的结果为相似度为50， 第二特征对比 单元205进行分析相似度为50， 则判断单元207判定得到不是同一对象的分析结果， 第一 特征对比单元204输出的结果为相似度为98， 第二特征对比单元。

30、205进行分析相似度为 98， 则判断单元207将判定得到是同一对象的分析结果， 结果输出单元208读取云端服务 器206中存储的对应的详细数据并将分析结果和对应的详细数据发送到结果接收单元301； 0035 交互模块300， 用于接收所述分析模块200发送的分析结果和对应的详细数据， 并 说明书 4/7 页 7 CN 111950439 A 7 进行显示， 还用于浏览分析结果， 所述交互模块300包括结果接收单元301、 分类单元302、 显 示单元303和人机交互单元304， 所述结果接收单元301用于接收所述分析模块200发送的分 析结果和对应的详细数据， 将分析模块200发送的分析结果。

31、和对应的详细数据发送到分类 单元302进行分类， 得到分类结果数据， 将分类结果数据发送到所述显示单元303和人机交 互单元304， 所述显示单元303用于接收所述分类单元302发送的分类结果数据， 并进行显示 分类结果， 所述人机交互单元304用于接收所述分类单元302发送的分类结果数据， 还用于 用户查询分类数据中具体内容； 0036 具体的， 结果接收单元301接收所述分析模块200发送的分析结果和对应的详细数 据， 分类单元302对得到分析结果和对应的详细数据进行分类， 例如， 将识别的对象的数据 分类成名称数据、 尺寸数据、 颜色数据和材质数据， 显示单元303显示分类结果数据， 用。

32、户通 过人机交互单元304浏览分类结果数据进行详细数据的浏览， 例如， 进入尺寸数据分类浏览 识别对象的各种尺寸具体数值， 进入名称数据浏览识别对象的各种名称。 0037 本发明通过设置采集模块100采集待识别对象的图像信息， 同时进行预处理得到 经过预处理的图像数据， 分析模块200对经过预处理后的图像数据进行特征提取， 并对提取 的特征进行分割比对快速得到分析结果， 交互模块300对分析结果进行显示， 同时用户通过 与交互模块300进行交互查看分析结果的详细内容， 解决了目前图像识别技术通过串行处 理的方式来对图像进行识别处理， 导致图像识别速度慢， 工作效率低的问题。 0038 实施例二。

33、 0039 本发明实施例还公开了识别图形图像特征的深度处理方法， 如图2， 包括以下步 骤： 0040 S1， 图像采集， 采集单元101采集待识别对象的图像数据， 将采集的待识别对象的 图像数据发送到预处理单元102， 预处理单元102对采集单元101发送的待识别对象的图像 数据进行预处理， 将经过预处理的图像数据发送到输出端103， 输出端103将经过预处理的 图像数据发送到接收端201； 0041 具体的， 采集单元101采集待识别对象的图像数据， 预处理单元102对采集的图像 数据进行归一化处理， 将采集的图片处理为规格同一的图像数据， 便于后续的分析处理， 输 出端103将经过预处理。

34、的图像数据发送到接收端201。 0042 S2， 图像分析， 云端服务器206存储特征对比数据和对应的详细数据， 接收端201接 收输出端103发送的经过预处理的图像数据， 将预处理的图像数据发送到特征提取单元 202， 特征提取单元202对预处理的图像数据进行特征提取， 得到待识别图像的特征数据， 将 待识别图像的特征数据发送到分配单元203， 分配单元203接收特征提取单元202发送的待 识别图像的特征数据， 对特征数据进行分割并分别发送到第一特征对比单元204和第二特 征对比单元205， 第一特征对比单元204接收分配单元203发送的待识别图像的特征数据， 并 与云端服务器206中存储的。

35、特征对比数据进行比对， 得到比对结果， 将比对结果发送到判断 单元207， 第二特征对比单元205接收分配单元203发送的待识别图像的特征数据， 并与云端 服务器206中存储的特征对比数据进行比对， 得到比对结果， 将比对结果发送到判断单元 207， 判断单元207接收第一特征对比单元204和第二特征对比单元205发送的比对结果， 并 进行判断， 得到分析结果， 将分析结果数据发送到结果输出单元208， 结果输出单元208接收 判断单元207发送的分析结果， 读取云端服务器206中存储的对应的详细数据并将分析结果 说明书 5/7 页 8 CN 111950439 A 8 和对应的详细数据发送到。

36、结果接收单元301； 0043 具体的， 接收端201接收输出端103发送的经过预处理的图像数据， 特征提取单元 202提取图像数据中的特征点， 例如， 经过归一化处理的图像数据为规格同一的图像数据， 将图像竖向分割为m块， 分别在每块分割出来的图像中按照n个像素点的距离采集面积为10 像素乘以10像素的像素块作为特征点， m个特征点为特征数据， 分配单元203将m个特征点分 割成特征数据m1和特征数据m2， m1+m2m， 分别分配到第一特征对比单元204和第二特征对 比单元205， 第一特征对比单元204根据特征数据m1， 与云端服务器206中存储的特征对比数 据进行比对， 得到比对结果，。

37、 将比对结果发送到判断单元207， 第二特征对比单元205根据特 征数据m2， 与云端服务器206中存储的特征对比数据进行比对， 得到比对结果， 将比对结果 发送到判断单元207， 判断单元207根据第一特征对比单元204和第二特征对比单元205进行 分析， 在第一特征对比单元204和第一特征对比单元204发送的相似度平均值大于95时， 判定为同一对象， 例如， 第一特征对比单元204输出的结果为相似度为50， 第二特征对比 单元205进行分析相似度为50， 则判断单元207判定得到不是同一对象的分析结果， 第一 特征对比单元204输出的结果为相似度为98， 第二特征对比单元205进行分析相似。

38、度为 98， 则判断单元207将判定得到是同一对象的分析结果， 结果输出单元208读取云端服务 器206中存储的对应的详细数据并将分析结果和对应的详细数据发送到结果接收单元301。 0044 S3， 结果输出， 结果接收单元301结果输出单元208发送的分析结果和对应的详细 数据， 将分析模块200发送的分析结果和对应的详细数据发送到分类单元302进行分类， 得 到分类结果数据， 将分类结果数据发送到显示单元303和人机交互单元304， 显示单元303接 收分类单元302发送的分类结果数据， 显示分类结果； 0045 具体的， 结果接收单元301接收所述分析模块200发送的分析结果和对应的详细。

39、数 据， 分类单元302对得到分析结果和对应的详细数据进行分类， 例如， 将识别的对象的数据 分类成名称数据、 尺寸数据、 颜色数据和材质数据， 显示单元303显示分类结果数据。 0046 S4， 人机交互， 人机交互单元304接收分类单元302发送的分类结果数据， 用户通过 人机交互单元304查询分类数据中具体内容； 0047 具体的， 用户通过人机交互单元304浏览分类结果数据进行详细数据的浏览， 例 如， 进入尺寸数据分类浏览识别对象的各种尺寸具体数值， 进入名称数据浏览识别对象的 各种名称。 0048 本实施例公开的识别图形图像特征的深度处理方法， 通过设置采集模块100采集 待识别对。

40、象的图像信息， 同时进行预处理得到经过预处理的图像数据， 分析模块200对经过 预处理后的图像数据进行特征提取， 并对提取的特征进行分割比对快速得到分析结果， 交 互模块300对分析结果进行显示， 同时用户通过与交互模块300进行交互查看分析结果的详 细内容， 解决了目前图像识别技术通过串行处理的方式来对图像进行识别处理， 导致图像 识别速度慢， 工作效率低的问题。 0049 应该明白， 公开的过程中的步骤的特定顺序或层次是示例性方法的实例。 基于设 计偏好， 应该理解， 过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情 况下得到重新安排。 所附的方法权利要求以示例性的顺序给出了各。

41、种步骤的要素， 并且不 是要限于所述的特定顺序或层次。 0050 在上述的详细描述中， 各种特征一起组合在单个的实施方案中， 以简化本公开。 不 说明书 6/7 页 9 CN 111950439 A 9 应该将这种公开方法解释为反映了这样的意图， 即， 所要求保护的主题的实施方案需要清 楚地在每个权利要求中所陈述的特征更多的特征。 相反， 如所附的权利要求书所反映的那 样， 本发明处于比所公开的单个实施方案的全部特征少的状态。 因此， 所附的权利要求书特 此清楚地被并入详细描述中， 其中每项权利要求独自作为本发明单独的优选实施方案。 0051 本领域技术人员还应当理解， 结合本文的实施例描述的。

42、各种说明性的逻辑框、 模 块、 电路和算法步骤均可以实现成电子硬件、 计算机软件或其组合。 为了清楚地说明硬件和 软件之间的可交换性， 上面对各种说明性的部件、 框、 模块、 电路和步骤均围绕其功能进行 了一般地描述。 至于这种功能是实现成硬件还是实现成软件， 取决于特定的应用和对整个 系统所施加的设计约束条件。 熟练的技术人员可以针对每个特定应用， 以变通的方式实现 所描述的功能， 但是， 这种实现决策不应解释为背离本公开的保护范围。 0052 结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、 由处理器执 行的软件模块或其组合。 软件模块可以位于RAM存储器、 闪存、 ROM存储。

43、器、 EPROM存储器、 EEPROM存储器、 寄存器、 硬盘、 移动磁盘、 CD-ROM或者本领域熟知的任何其它形式的存储介 质中。 一种示例性的存储介质连接至处理器， 从而使处理器能够从该存储介质读取信息， 且 可向该存储介质写入信息。 当然， 存储介质也可以是处理器的组成部分。 处理器和存储介质 可以位于ASIC中。 该ASIC可以位于用户终端中。 当然， 处理器和存储介质也可以作为分立组 件存在于用户终端中。 0053 对于软件实现， 本申请中描述的技术可用执行本申请所述功能的模块(例如， 过 程、 函数等)来实现。 这些软件代码可以存储在存储器单元并由处理器执行。 存储器单元可 以实。

44、现在处理器内， 也可以实现在处理器外， 在后一种情况下， 它经由各种手段以通信方式 耦合到处理器， 这些都是本领域中所公知的。 0054 上文的描述包括一个或多个实施例的举例。 当然， 为了描述上述实施例而描述部 件或方法的所有可能的结合是不可能的， 但是本领域普通技术人员应该认识到， 各个实施 例可以做进一步的组合和排列。 因此， 本文中描述的实施例旨在涵盖落入所附权利要求书 的保护范围内的所有这样的改变、 修改和变型。 此外， 就说明书或权利要求书中使用的术语 “包含” ， 该词的涵盖方式类似于术语 “包括” ， 就如同 “包括， ” 在权利要求中用作衔接词所解 释的那样。 此外， 使用在权利要求书的说明书中的任何一个术语 “或者” 是要表示 “非排它性 的或者” 。 说明书 7/7 页 10 CN 111950439 A 10 图1 图2 说明书附图 1/1 页 11 CN 111950439 A 11 。