技术摘要：
本发明实施例提供了一种图像识别方法、装置、电子设备及介质，涉及计算机视觉技术领域，可以提高识别产品真伪的准确度。本发明实施例的技术方案包括：获取待识别图像，其中，待识别图像为待识别产品的图像。然后提取待识别图像的特征向量，再将特征向量输入分类模型，  全部
背景技术：
目前，市场上对于真品的仿制品众多，仿制品未经过正规的产品安全检测，产品质 量难以得到保证。尤其是对于食品、药品、化妆品等的仿制品，不但造成消费者的财产损失， 还危害了消费者的身体健康。因此对于产品真伪的识别尤为重要。 现有技术对于辨别产品真伪的方式主要是通过人工对比检验样品与真品的加工 工艺和印刷工艺等，以判定检验样品的真伪，然而这种方法主要依赖于检验人员的经验，不 同检验人员对于产品的颜色、尺寸等敏感度存在差异，使得判定结果主观性较强。因此，利 用人工判定产品真伪的方式，判定的准确度较低。
技术实现要素：
本发明实施例的目的在于提供一种图像识别方法、装置、电子设备及介质，以实现 提高识别产品真伪的准确度。具体技术方案如下： 第一方面，本发明实施例提供了一种图像识别方法，所述方法包括： 获取待识别图像，所述待识别图像为待识别产品的图像； 提取所述待识别图像的特征向量； 将所述特征向量输入分类模型，获取所述分类模型输出的所述待识别产品的真 伪，所述分类模型为基于样本图像集对神经网络模型进行训练得到的模型，所述样本图像 集包括正样本图像和负样本图像，所述正样本图像为所述待识别产品的真品图像，所述负 样本图像为所述待识别产品的伪品图像。 可选的，所述分类模型通过如下步骤训练得到： 步骤一、获取所述样本图像集，所述样本图像集包括的各样本图像的尺寸相同，且 所述待识别产品在各样本图像中的位置相同； 步骤二、获取多个图像块训练集，每个图像块训练集包括各样本图像中同一区域 的图像块，以及每个图像块对应的产品真伪； 步骤三、针对每个图像块训练集，通过所述图像块训练集对初始分类器进行训练， 得到所述图像块训练集对应的分类器； 步骤四、针对每个图像块训练集，将所述图像块训练集包括的图像块的特征向量 输入所述图像块训练集对应的分类器，基于该分类器输出的各图像块的分类结果，确定该 分类器的精确度分数，所述分类结果用于表示图像块中的待识别产品的真伪； 步骤五、针对每个图像块训练集，若所述图像块训练集对应的分类器的精确度分 数大于预设分数阈值，则确定所述图像块训练集对应的分类器为合格分类器； 步骤六、若合格分类器的数量达到预设数量，则将所述预设数量的合格分类器作 5 CN 111582359 A 说　明　书 2/12 页 为所述分类模型的分类器；若所述合格分类器的数量未达到所述预设数量，则返回步骤二。 可选的，所述待识别图像的尺寸与所述样本图像集中的样本图像的尺寸相同，且 所述待识别产品在所述待识别图像中的位置与在样本图像中的位置相同；所述提取所述待 识别图像的特征向量，包括： 提取所述待识别图像中各待识别区域的图像块的特征向量，所述待识别区域的坐 标为：用于训练所述分类模型包括的分类器的图像块，在样本图像中的区域的坐标。 可选的，所述将所述特征向量输入分类模型，获取所述分类模型输出的所述待识 别产品的真伪，包括： 将所述待识别图像中各待识别区域的图像块的特征向量输入所述分类模型，以使 得所述分类模型包括的各分类器，识别对应的待识别区域的图像块的特征向量，得到各待 识别区域的图像块的分类结果，所述分类模型基于各待识别区域的图像块的分类结果输出 所述待识别产品的真伪； 获取所述分类模型输出的所述待识别产品的真伪。 可选的，所述提取所述待识别图像中各待识别区域的图像块的特征向量，包括： 针对所述待识别图像中的每个待识别区域，获得所述待识别区域的图像块经过图 像灰度转换后得到的灰度图； 根据所述灰度图，提取所述图像块的特征向量，所述特征向量包括多个元素，每个 元素对应一个指定亮度，每个元素为所述灰度图中，该元素对应的指定亮度的像素点的数 量。 第二方面，本发明实施例提供了一种图像识别装置，所述装置包括： 获取模块，用于获取待识别图像，所述待识别图像为待识别产品的图像； 提取模块，用于提取所述获取模块获取的所述待识别图像的特征向量； 分类模块，用于将所述提取模块提取的所述特征向量输入分类模型，获取所述分 类模型输出的所述待识别产品的真伪，所述分类模型为基于样本图像集对神经网络模型进 行训练得到的模型，所述样本图像集包括正样本图像和负样本图像，所述正样本图像为所 述待识别产品的真品图像，所述负样本图像为所述待识别产品的伪品图像。 可选的，所述装置还包括训练模块，所述训练模块用于执行： 步骤一、获取所述样本图像集，所述样本图像集包括的各样本图像的尺寸相同，且 所述待识别产品在各样本图像中的位置相同； 步骤二、获取多个图像块训练集，每个图像块训练集包括各样本图像中同一区域 的图像块，以及每个图像块对应的产品真伪； 步骤三、针对每个图像块训练集，通过所述图像块训练集对初始分类器进行训练， 得到所述图像块训练集对应的分类器； 步骤四、针对每个图像块训练集，将所述图像块训练集包括的图像块的特征向量 输入所述图像块训练集对应的分类器，基于该分类器输出的各图像块的分类结果，确定该 分类器的精确度分数，所述分类结果用于表示图像块中的待识别产品的真伪； 步骤五、针对每个图像块训练集，若所述图像块训练集对应的分类器的精确度分 数大于预设分数阈值，则确定所述图像块训练集对应的分类器为合格分类器； 步骤六、若合格分类器的数量达到预设数量，则将所述预设数量的合格分类器作 6 CN 111582359 A 说　明　书 3/12 页 为所述分类模型的分类器；若所述合格分类器的数量未达到所述预设数量，则返回步骤二。 可选的，所述待识别图像的尺寸与所述样本图像集中的样本图像的尺寸相同，且 所述待识别产品在所述待识别图像中的位置与在样本图像中的位置相同；所述提取模块， 具体用于： 提取所述待识别图像中各待识别区域的图像块的特征向量，所述待识别区域的坐 标为：用于训练所述分类模型包括的分类器的图像块，在样本图像中的区域的坐标。 可选的，所述分类模块，具体用于： 将所述待识别图像中各待识别区域的图像块的特征向量输入所述分类模型，以使 得所述分类模型包括的各分类器，识别对应的待识别区域的图像块的特征向量，得到各待 识别区域的图像块的分类结果，所述分类模型基于各待识别区域的图像块的分类结果输出 所述待识别产品的真伪； 获取所述分类模型输出的所述待识别产品的真伪。 可选的，所述提取模块，具体用于： 针对所述待识别图像中的每个待识别区域，获得所述待识别区域的图像块经过图 像灰度转换后得到的灰度图； 根据所述灰度图，提取所述图像块的特征向量，所述特征向量包括多个元素，每个 元素对应一个指定亮度，每个元素为所述灰度图中，该元素对应的指定亮度的像素点的数 量。 第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和 通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信； 存储器，用于存放计算机程序； 处理器，用于执行存储器上所存放的程序时，实现上述任一图像识别方法的步骤。 第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存 储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一确定图像识别 方法的步骤。 第五方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算 机上运行时，使得计算机执行上述任一图像识别方法。 本发明实施例的技术方案至少可以带来以下有益效果：由于本发明能够依据待识 别产品的图像，利用分类模型识别待识别产品的真伪。因此与人工识别产品真伪的方式相 比，本发明实施例能够自动识别待识别产品的真伪，不依赖人工的主观判断，提高了识别产 品真伪的准确度。 当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优 点。 附图说明 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简单地介绍，显而易见地，下面描述中的附图仅仅是本 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。 7 CN 111582359 A 说　明　书 4/12 页 图1为本发明实施例提供的一种图像识别方法流程图； 图2为本发明实施例提供的一种确定分类模型的方法流程图； 图3a为本发明实施例提供的一种样本图像的示例性示意图； 图3b为本发明实施例提供的另一种样本图像的示例性示意图； 图3c为本发明实施例提供的另一种样本图像的示例性示意图； 图4为本发明实施例提供的一种确定待识别产品的真伪的方法流程图； 图5为本发明实施例提供的一种图像识别装置的结构示意图； 图6为本发明实施例提供的一种电子设备的结构示意图。