一种基于双识别技术的物体识别方法、系统、设备及介质与流程

1.本发明涉及人工智能技术领域，具体的，本发明应用于药盒识别领域，特别是涉及一种基于双识别技术的物体识别方法、系统、设备及介质。

背景技术：

2.目前，在智能识别领域中，很多计算机视觉赋能产品的第一步均会利用摄像头进行物体识别，这是人工智能在工业领域中的常见应用；比如，常见的智能识别方法包括：图像特征点匹配识别方法或深度学习模型识别方法；这两种方法，具有如下优点：对于特征点匹配方法，其识别速度快，不需大量的样本；对于深度学习模型识别方法，其识别准确性较高，可处理很多相似物体的识别，而且ocr（optical character recognition，文字识别）模型的训练不需要拍摄相关图像；但是，若将上述的特征点匹配识别方法或深度学习模型识别方法单独应用在智能售药机中的药盒识别时，其分别会存在如下缺陷：第一方面，特征点匹配的识别方法难以解决相似药盒识别：在利用特征点匹配方法进行药盒识别时，相似的药盒图像获取的特征点相似度比较高，在进行匹配时，不同药盒但相似外观就容易识别成一种药盒，易出现识别错误，影响物体识别精准度；第二方面，特征点匹配不能识别出小区域的图像差别：在利用特征点匹配方法进行药盒识别时，其无法识别小区域的图像差别，当两个药盒外观一致，仅药品含量不同时，两个药盒其实已极度相似，但这种情况下，特征点匹配的方法无法把两个药盒区分开，也不能识别出其含量；第三方面，深度学习模型识别方法的训练样本的获取较为困难：在利用深度学习模型进行药盒识别时，首先需要进行模型训练，而模型的训练需要采集大量的训练样本，这样对使用者/操作者就提出了更高的要求，需要使用者拍摄大量不同摆放形态的药盒，进而来形成有效的训练集，而由于药盒种类繁多，药盒的新增频率高，故样本的获取难度高，不便于长期的更新、维护和使用；第四方面，深度学习模型识别方法的识别速度受硬件影响：在利用深度学习模型进行识别时，模型的识别速度对硬件算力的要求高，而高算力的硬件模块则会提高相应的预算，提高整个识别方法的应用成本，降低了识别方法的应用范围；综上所述，现有的物体识别方法在进行智能售药机中的药盒识别时，无法同时兼顾识别准确性、操作便捷性、使用成本和硬件通用性，导致现有的物体识别方法的适用性较差，局限性较大。

技术实现要素：

3.本发明的目的在于，针对现有技术中的上述问题，提供一种基于双识别技术的物体识别方法、系统、设备及介质，进而解决现有技术中的物体识别方法在进行智能售药机中的药盒识别时，无法同时兼顾识别准确性、操作便捷性、使用成本和硬件通用性，导致现有
的物体识别方法的适用性较差，局限性较大的问题。
4.为解决上述技术问题，本发明的具体技术方案如下：一方面，本发明提供一种基于双识别技术的物体识别方法，包括以下步骤：初始化配置：配置物体识别数据库，训练第一识别模型，设置特征识别算法；物体初步判定：获取待识别物体，基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果；物体进阶判定：基于所述第一识别模型和所述物体初始判定结果生成物体最终判定结果。
5.作为一种改进的方案，所述配置物体识别数据库，包括：获取待录入物体，为所述待录入物体设置标识信息；基于所述待录入物体的容量性，将所述待录入物体划分为易相似物体和非相似物体；获取所述非相似物体的第一图像信息和第一标识信息，设置所述非相似物体的第一标志位，将所述第一图像信息、所述第一标识信息和所述第一标志位相关联，得到第一非相似物体信息；获取所述易相似物体的第二图像信息、第二标识信息和易相似区域坐标信息，设置所述非相似物体的第二标志位，将所述第二图像信息、所述第二标识信息、所述易相似区域坐标信息和所述第二标志位相关联，得到第二易相似物体信息；创建第一数据库，设定所述第一非相似物体信息和所述第二易相似物体信息均为物体识别信息，将所述物体识别信息录入至所述第一数据库中，得到所述物体识别数据库。
6.作为一种改进的方案，所述训练第一识别模型，包括：采集所述待录入物体的特殊区域字样信息；设置初始识别模型；通过所述特殊区域字样信息对所述初始识别模型进行深度学习训练，得到所述第一识别模型。
7.作为一种改进的方案，所述基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果，包括：获取所述待识别物体所对应的第三标识信息和第三图像信息；访问所述物体识别数据库，基于所述特征识别算法判断所述物体识别数据库中是否存在与所述第三标识信息和所述第三图像信息均匹配的第三物体识别信息；若未存在，则生成错误结果作为所述物体初始判定结果；若存在，则识别所述第三物体识别信息中的第三标志位，基于所述第三标志位生成所述物体初始判定结果。
8.作为一种改进的方案，所述基于所述第三标志位生成所述物体初始判定结果，包括：判断所述第三标志为是否为所述第一标志位或所述第二标志位；若所述第三标志位为所述第一标志位，则生成识别正确结果作为所述物体初始判定结果；
若所述第三标志位为所述第二标志位，则生成相似判断结果作为所述物体初始判定结果。
9.作为一种改进的方案，所述基于所述第一识别模型和所述物体初始判定结果生成物体最终判定结果，包括：识别所述物体初始判定结果；所述物体初始判定结果为所述错误结果时，生成识别异常结果作为所述物体最终判定结果；所述物体初始判定结果为所述识别正确结果时，将所述识别正确结果作为所述物体最终判定结果；所述物体初始判定结果为所述相似判断结果时，获取所述第三物体识别信息中的第三易相似区域坐标信息和第四图像信息；基于所述第一识别模型、所述第三易相似区域坐标信息和所述第四图像信息生成所述物体最终判定结果。
10.作为一种改进的方案，所述基于所述第一识别模型、所述第三易相似区域坐标信息和所述第四图像信息生成所述物体最终判定结果，包括：确认所述待识别物体上与所述第三易相似区域坐标信息相匹配的第一特殊区域图像；确认所述第四图像信息中与所述第三易相似区域坐标信息相匹配的第二特殊区域图像；通过所述第一识别模型对所述第一特殊区域图像和所述第二特殊区域图像进行ocr识别对比，得到ocr识别对比结果；若所述ocr识别对比结果为所述第一特殊区域图像与所述第二特殊区域图像匹配，则生成识别正确结果作为所述物体最终判定结果；若所述ocr识别对比结果为所述第一特殊区域图像与所述第二特殊区域图像非匹配，则生成识别错误结果作为所述物体最终判定结果。
11.另一方面，本发明还提供一种基于双识别技术的物体识别系统，包括：初始化配置模块、物体初步判定模块和物体进阶判定模块；初始化配置模块，用于配置物体识别数据库，训练第一识别模型，设置特征识别算法；物体初步判定模块，用于获取待识别物体，并基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果；物体进阶判定模块，用于根据所述第一识别模型和所述物体初始判定结果生成物体最终判定结果。
12.另一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于双识别技术的物体识别方法的步骤。
13.另一方面，本发明还提供一种计算机设备，所述计算机设备包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；其中：所述存储器，用于存放计算机程序；
所述处理器，用于通过运行所述存储器上所存放的程序来执行所述基于双识别技术的物体识别方法的步骤。
14.本发明技术方案的有益效果是：1、本发明所述的基于双识别技术的物体识别方法，可以实现采用特征点匹配以及模型训练相结合的双重识别方法，进而实现在物体识别时，对于相似物体可以进行准确辨认，而且在模型训练时，也不需要采用复杂的方式进行训练集的配置，最终可以将两种识别技术的优点相结合，且弥补了两种识别方式所分别具有的缺点，本发明的识别逻辑下，基于特征点匹配的高效率，又可以使模型识别时不会占用较高算力，兼顾识别准确性、操作便捷性、使用成本和硬件通用性，弥补了现有技术的缺陷，具有极高的应用价值。
15.2、本发明所述的基于双识别技术的物体识别系统，可以通过初始化配置模块、物体初步判定模块和物体进阶判定模块的相互配合，进而实现采用特征点匹配以及模型训练相结合的双重识别方法，进而实现在物体识别时，对于相似物体可以进行准确辨认，而且在模型训练时，也不需要采用复杂的方式进行训练集的配置，最终可以将两种识别技术的优点相结合，且弥补了两种识别方式所分别具有的缺点，本发明的识别逻辑下，基于特征点匹配的高效率，又可以使模型识别时不会占用较高算力，兼顾识别准确性、操作便捷性、使用成本和硬件通用性，弥补了现有技术的缺陷，具有极高的应用价值。
16.3、本发明所述的计算机可读存储介质，可以实现引导初始化配置模块、物体初步判定模块和物体进阶判定模块进行配合，进而实现本发明所述的基于双识别技术的物体识别方法，且本发明所述的计算机可读存储介质还有效提高所述基于双识别技术的物体识别方法的可操作性。
17.4、本发明所述的计算机设备，可以实现存储并执行所述计算机可读存储介质，进而实现本发明所述的基于双识别技术的物体识别方法。
附图说明
18.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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。
19.图1是本发明实施例1所述基于双识别技术的物体识别方法的流程示意图；图2是本发明实施例1所述基于双识别技术的物体识别方法的详细流程示意图；图3是本发明实施例2所述基于双识别技术的物体识别系统的架构示意图；图4是本发明实施例4所述计算机设备的结构示意图；附图中的标记说明如下：1501、处理器；1502、通信接口；1503、存储器；1504、通信总线。
具体实施方式
20.下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
21.在本发明的描述中，需要说明的是，本发明所描述的实施例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，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.本文的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本文的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
23.实施例1本实施例提供一种基于双识别技术的物体识别方法，如图1和图2所示，包括以下步骤：s100、初始化配置，具体包括：s110、配置物体识别数据库，训练第一识别模型，设置特征识别算法；s200、物体初步判定，具体包括：s210、获取待识别物体，基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果；s300、物体进阶判定，具体包括：s310、基于所述第一识别模型和所述物体初始判定结果生成物体最终判定结果。
24.作为本发明的一种实施方式，所述配置物体识别数据库，包括：获取待录入物体，为所述待录入物体设置标识信息；在本实施方式中，本方法应用于药品贴标时的药品识别过程，故待录入物体在本实施方式中即为药盒；标识信息即为对于每一个药盒的录入id；基于所述待录入物体的容量性，将所述待录入物体划分为易相似物体和非相似物体；在本实施方式中，因有些药盒存在多种容量，例如5g、10g、15g，其包装相同，但容量处的数值不同，故设定此类药盒为易相似物体；而仅具有一种容量的药盒为非相似物体；对应的，待录入物体的容量性即为待录入物体是否具有多种容量，具有多种容量，则为易相似物体，仅具有单一容量，则为非相似物体；获取所述非相似物体的第一图像信息和第一标识信息，第一图像信息即为该非相似物体药盒的外观的每一面的图像，第一标识信息即为该非相似物体药盒对应的id；故设置所述非相似物体的第一标志位，将所述第一图像信息、所述第一标识信息和所述第一标志位相关联，得到第一非相似物体信息；对应的，在本实施方式中，对于每个非相似物体药盒的第一标志位均设置为0；那么将所述第一图像信息、所述第一标识信息和所述第一标志位相关联，即将这些信息相互绑定至该非相似物体药盒的识别信息，得到所述第一非相似物体信息；同理，获取所述易相似物体的第二图像信息、第二标识信息和易相似区域坐标信息，第二图像信息即为易相似物体药盒的外观每一面的图像；第二标识信息为易相似物体药盒的id；易相似区域坐标信息通常为以易相似物体药盒本身为基准下，易相似物体药盒上的净含量的位置处的位置坐标；故设置所述非相似物体的第二标志位，对于非相似物体的第二标志位设置为1；故将所述第二图像信息、所述第二标识信息、所述易相似区域坐标信息和所述第二标志位相关联，得到第二易相似物体信息；创建第一数据库，设定所述第一
非相似物体信息和所述第二易相似物体信息均为物体识别信息，将所述物体识别信息录入至所述第一数据库中，得到所述物体识别数据库；在本实施方式中，通过上述步骤，进而利用摄像头对每个药盒的每一面进行拍摄录入数据库，在判断时，发现有些药盒属于易产生相似判断的药盒时，对药盒的特殊区域进行坐标录入（即易相似区域坐标信息），并进行标志位的划分；最终，形成的数据库中对于每一个药盒都有其对应的外观图像，用于特征点匹配；而标志位则可以区分该药盒是否属于易产生相似的药盒；标识信息则用于比对时的筛选索引，坐标信息则可以进行针对性的对后续的某个位置进行图像识别，用于进一步的判断药盒相似度，进而保证物体识别准确性；作为本发明的一种实施方式，所述训练第一识别模型，包括：采集所述待录入物体的特殊区域字样信息，设置初始识别模型，本实施方式中，初始识别模型即为ocr识别模型；通过所述特殊区域字样信息对所述初始识别模型进行深度学习训练，得到所述第一识别模型；对应的，此步骤在实际应用时即为采集所有药盒上各种数字、英文、汉字样本（即特殊区域字样信息）对ocr识别模型进行深度学习训练，得到训练后的ocr识别模型（即第一识别模型）；在本方法中，不需要摆放药盒的各种姿势进行训练集的搭建，只需要对每个药盒的特定部分的文本进行样本收集和训练即可，操作难度低，样本易于获取，提高了ocr模型的训练效率，易于实际操作和使用；作为本发明的一种实施方式，所述基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果，包括：获取所述待识别物体所对应的第三标识信息和第三图像信息；对应的，待识别物体即为需要进行识别的待识别药盒；那么第三标识信息即为该待识别药盒在前述步骤中所设置的对应id；第三图像信息即为进行识别时，所捕捉的待识别物体的外观图像；访问所述物体识别数据库，基于特征点匹配技术的特征识别算法判断所述物体识别数据库中是否存在与所述第三标识信息和所述第三图像信息均匹配的第三物体识别信息，即先在物体识别数据库中判断是否存在与该第三标识信息匹配的对应id，若不存在则判断物体识别数据库中缺少对应该待识别物体的第三物体识别信息，故生成错误结果作为所述物体初始判定结果，说明出药错误；若存在，则表明物体识别数据库中存在与该第三标识信息匹配的对应id，且该id对应的第三物体识别信息中的图像信息也与该第三图像信息相匹配，说明已识别出该待识别物体，药盒匹配成功，故需要进一步判断该药盒是否为易相似的药盒，故需要识别第三物体识别信息中的标志位具体是多少，故识别所述第三物体识别信息中的第三标志位，基于所述第三标志位生成所述物体初始判定结果。
25.作为本发明的一种实施方式，所述基于所述第三标志位生成所述物体初始判定结果，包括：判断所述第三标志为是否为所述第一标志位或所述第二标志位；若所述第三标志位为所述第一标志位，则说明第三标志位是0，说明该待识别物体不是易相似的药盒，说明在物体识别数据库中不存在与其外观相似仅部分区域有差别的药盒，说明药盒匹配成功同时也匹配准确，故生成识别正确结果作为所述物体初始判定结果；若所述第三标志位为所述第二标志位，则说明第三标志位是1，说明该待识别物体是易相似的药盒，说明在物体识别数据库中存在与其外观相似仅部分区域有差别的药盒，需要进一步进行相似判断，保证识别准确性，故生成相似判断结果作为所述物体初始判定结果；作为本发明的一种实施方式，所述基于所述第一识别模型和所述物体初始判定结
果生成物体最终判定结果，包括：识别所述物体初始判定结果；所述物体初始判定结果为所述错误结果时，说明待识别物体未被录入至数据库，可能出药错误或异常，故生成识别异常结果作为所述物体最终判定结果；所述物体初始判定结果为所述识别正确结果时，说明待识别物体出药正确，匹配识别成功，故将所述识别正确结果作为所述物体最终判定结果，可直接出药；所述物体初始判定结果为所述相似判断结果时，需要进一步判断该药盒的特殊区域，例如容量处的易相似区域；故重新获取所述第三物体识别信息中的第三易相似区域坐标信息和第四图像信息；基于所述第一识别模型、所述第三易相似区域坐标信息和所述第四图像信息生成所述物体最终判定结果；此步骤在实际应用时，即为：当有药盒出货后，首先用特征点匹配的方式和数据库中同一id的药盒的药盒图像进行匹配，当数据库中的药盒图像没有匹配成功时说明出药错误，当与数据库中同一id的药盒图像匹配成功且没有相似药盒时，得到出药成功的结果；当匹配成功但存在相似药盒时，需要后续利用ocr模型对匹配成功但有相似药盒的出药药盒进行进一步识别，检测该药盒标记处的特殊区域，得到最终的出药结果；作为本发明的一种实施方式，所述基于所述第一识别模型、所述第三易相似区域坐标信息和所述第四图像信息生成所述物体最终判定结果，包括：确认所述待识别物体上与所述第三易相似区域坐标信息相匹配的第一特殊区域图像，即确认该待识别物体药盒的特殊区域的图像；然后确认所述第四图像信息中与所述第三易相似区域坐标信息相匹配的第二特殊区域图像，即确认原本物体识别数据库中的第三物体识别信息中第四图像信息上的对应该待识别物体的特殊区域的图像；故通过所述第一识别模型对所述第一特殊区域图像和所述第二特殊区域图像进行ocr识别对比，得到ocr识别对比结果；若所述ocr识别对比结果为所述第一特殊区域图像与所述第二特殊区域图像匹配，则说明该待识别物体匹配成功，该第三物体识别信息为该待识别物体的相关联信息，且前述的特征匹配识别并没有产生相似药盒的判断失误，故生成识别正确结果作为所述物体最终判定结果；若所述ocr识别对比结果为所述第一特殊区域图像与所述第二特殊区域图像非匹配，则说明该待识别物体匹配失败，该第三物体识别信息为该待识别物体的相似物体的相关联信息，且前述的特征匹配识别产生了相似药盒的判断失误，故生成识别错误结果作为所述物体最终判定结果；最终，通过本方法的识别逻辑，达到了高精准度的物体识别，保证了药盒贴标时的药品识别准确性，通过特征点匹配和模型训练相结合的方式，达到了高效、便捷、准确的物体识别效果。
26.实施例2本实施例基于与实施例1中所述的一种基于双识别技术的物体识别方法相同的发明构思，提供一种基于双识别技术的物体识别系统，如图3所示，包括：初始化配置模块、物体初步判定模块和物体进阶判定模块；初始化配置模块，用于配置物体识别数据库，训练第一识别模型，设置特征识别算法；作为本发明的一种实施方式，所述初始化配置模块配置物体识别数据库，包括：初始化配置模块获取待录入物体，初始化配置模块为所述待录入物体设置标识信息；初始化配置模块基于所述待录入物体的容量性，初始化配置模块将所述待录入物体划分为易相似物体和非相似物体；初始化配置模块获取所述非相似物体的第一图像信息和第一标识信
息，设置所述非相似物体的第一标志位，初始化配置模块将所述第一图像信息、所述第一标识信息和所述第一标志位相关联，得到第一非相似物体信息；初始化配置模块获取所述易相似物体的第二图像信息、第二标识信息和易相似区域坐标信息，初始化配置模块设置所述非相似物体的第二标志位，将所述第二图像信息、所述第二标识信息、所述易相似区域坐标信息和所述第二标志位相关联，得到第二易相似物体信息；初始化配置模块创建第一数据库，初始化配置模块设定所述第一非相似物体信息和所述第二易相似物体信息均为物体识别信息，初始化配置模块将所述物体识别信息录入至所述第一数据库中，得到所述物体识别数据库。
27.作为本发明的一种实施方式，所述初始化配置模块训练第一识别模型，包括：初始化配置模块采集所述待录入物体的特殊区域字样信息；初始化配置模块设置初始识别模型；初始化配置模块通过所述特殊区域字样信息对所述初始识别模型进行深度学习训练，得到所述第一识别模型。
28.物体初步判定模块，用于获取待识别物体，并基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果；作为本发明的一种实施方式，所述物体初步判定模块基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果，包括：物体初步判定模块获取所述待识别物体所对应的第三标识信息和第三图像信息；物体初步判定模块访问所述物体识别数据库，物体初步判定模块基于所述特征识别算法判断所述物体识别数据库中是否存在与所述第三标识信息和所述第三图像信息均匹配的第三物体识别信息；若未存在，则物体初步判定模块生成错误结果作为所述物体初始判定结果；若存在，则物体初步判定模块识别所述第三物体识别信息中的第三标志位，物体初步判定模块基于所述第三标志位生成所述物体初始判定结果。
29.作为本发明的一种实施方式，所述物体初步判定模块基于所述第三标志位生成所述物体初始判定结果，包括：物体初步判定模块判断所述第三标志为是否为所述第一标志位或所述第二标志位；若所述第三标志位为所述第一标志位，则物体初步判定模块生成识别正确结果作为所述物体初始判定结果；若所述第三标志位为所述第二标志位，则物体初步判定模块生成相似判断结果作为所述物体初始判定结果。
30.物体进阶判定模块，用于根据所述第一识别模型和所述物体初始判定结果生成物体最终判定结果；作为本发明的一种实施方式，所述物体进阶判定模块基于所述第一识别模型和所述物体初始判定结果生成物体最终判定结果，包括：物体进阶判定模块识别所述物体初始判定结果；所述物体初始判定结果为所述错误结果时，物体进阶判定模块生成识别异常结果作为所述物体最终判定结果；所述物体初始判定结果为所述识别正确结果时，物体进阶判定模块将所述识别正确结果作为所述物体最终判定结果；所述物体初始判定结果为所述相似判断结果时，物体进阶判定模块获取所述第三物体识别信息中的第三易相似区域坐标信息和第四图像信息；物体进阶判定模块基于所述第一识别模型、所述第三易相似区域坐标信息和所述第四图像信息生成所述物体最终判定结果。
31.作为本发明的一种实施方式，所述物体进阶判定模块基于所述第一识别模型、所述第三易相似区域坐标信息和所述第四图像信息生成所述物体最终判定结果，包括：物体
进阶判定模块确认所述待识别物体上与所述第三易相似区域坐标信息相匹配的第一特殊区域图像；物体进阶判定模块确认所述第四图像信息中与所述第三易相似区域坐标信息相匹配的第二特殊区域图像；物体进阶判定模块通过所述第一识别模型对所述第一特殊区域图像和所述第二特殊区域图像进行ocr识别对比，得到ocr识别对比结果；若所述ocr识别对比结果为所述第一特殊区域图像与所述第二特殊区域图像匹配，则物体进阶判定模块生成识别正确结果作为所述物体最终判定结果；若所述ocr识别对比结果为所述第一特殊区域图像与所述第二特殊区域图像非匹配，则物体进阶判定模块生成识别错误结果作为所述物体最终判定结果。
32.实施例3本实施例提供一种计算机可读存储介质，包括：所述存储介质用于储存将上述实施例1所述的基于双识别技术的物体识别方法实现所用的计算机软件指令，其包含用于执行上述为所述基于双识别技术的物体识别方法所设置的程序；具体的，该可执行程序可以内置在实施例2所述的基于双识别技术的物体识别系统中，这样，基于双识别技术的物体识别系统就可以通过执行内置的可执行程序实现所述实施例1所述的基于双识别技术的物体识别方法。
33.此外，本实施例具有的计算机可读存储介质可以采用一个或多个可读存储介质的任意组合，其中，可读存储介质包括电、光、电磁、红外线或半导体的系统、装置或器件，或者以上任意组合。
34.实施例4本实施例提供一种电子设备，如图4所示，电子设备可以包括：处理器1501、通信接口1502、存储器1503和通信总线1504，其中，处理器1501，通信接口1502，存储器1503通过通信总线1504完成相互间的通信。
35.存储器1503，用于存放计算机程序；处理器1501，用于执行存储器1503上所存放的计算机程序时，实现上述实施例1中所述基于双识别技术的物体识别方法的步骤。
36.作为本发明的一种实施方式，上述终端提到的通信总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
37.作为本发明的一种实施方式，通信接口用于上述终端与其他设备之间的通信。
38.作为本发明的一种实施方式，存储器可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
39.作为本发明的一种实施方式，上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑
器件、分立硬件组件。
40.区别于现有技术，采用本技术一种基于双识别技术的物体识别方法、系统、设备及介质，可以采用特征点匹配以及模型训练相结合的双重识别方法，进而实现在物体识别时，对于相似物体可以进行准确辨认，而且在模型训练时，也不需要采用复杂的方式进行训练集的配置，最终可以将两种识别技术的优点相结合，且弥补了两种识别方式所分别具有的缺点，本发明的识别逻辑下，基于特征点匹配的高效率，又可以使模型识别时不会占用较高算力，兼顾识别准确性、操作便捷性、使用成本和硬件通用性，弥补了现有技术的缺陷，具有极高的应用价值。
41.应理解，在本文的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本文实施例的实施过程构成任何限定。
42.还应理解，在本文实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
43.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本文的范围。
44.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
45.在本文所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
46.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单元来实现本文实施例方案的目的。
47.另外，在本文各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
48.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本文的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本文各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
49.以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：

1.一种基于双识别技术的物体识别方法，其特征在于，包括以下步骤：初始化配置：配置物体识别数据库，训练第一识别模型，设置特征识别算法；物体初步判定：获取待识别物体，基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果；物体进阶判定：基于所述第一识别模型和所述物体初始判定结果生成物体最终判定结果。2.根据权利要求1所述的一种基于双识别技术的物体识别方法，其特征在于：所述配置物体识别数据库，包括：获取待录入物体，为所述待录入物体设置标识信息；基于所述待录入物体的容量性，将所述待录入物体划分为易相似物体和非相似物体；获取所述非相似物体的第一图像信息和第一标识信息，设置所述非相似物体的第一标志位，将所述第一图像信息、所述第一标识信息和所述第一标志位相关联，得到第一非相似物体信息；获取所述易相似物体的第二图像信息、第二标识信息和易相似区域坐标信息，设置所述非相似物体的第二标志位，将所述第二图像信息、所述第二标识信息、所述易相似区域坐标信息和所述第二标志位相关联，得到第二易相似物体信息；创建第一数据库，设定所述第一非相似物体信息和所述第二易相似物体信息均为物体识别信息，将所述物体识别信息录入至所述第一数据库中，得到所述物体识别数据库。3.根据权利要求2所述的一种基于双识别技术的物体识别方法，其特征在于：所述训练第一识别模型，包括：采集所述待录入物体的特殊区域字样信息；设置初始识别模型；通过所述特殊区域字样信息对所述初始识别模型进行深度学习训练，得到所述第一识别模型。4.根据权利要求3所述的一种基于双识别技术的物体识别方法，其特征在于：所述基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果，包括：获取所述待识别物体所对应的第三标识信息和第三图像信息；访问所述物体识别数据库，基于所述特征识别算法判断所述物体识别数据库中是否存在与所述第三标识信息和所述第三图像信息均匹配的第三物体识别信息；若未存在，则生成错误结果作为所述物体初始判定结果；若存在，则识别所述第三物体识别信息中的第三标志位，基于所述第三标志位生成所述物体初始判定结果。5.根据权利要求4所述的一种基于双识别技术的物体识别方法，其特征在于：所述基于所述第三标志位生成所述物体初始判定结果，包括：判断所述第三标志为是否为所述第一标志位或所述第二标志位；若所述第三标志位为所述第一标志位，则生成识别正确结果作为所述物体初始判定结果；
若所述第三标志位为所述第二标志位，则生成相似判断结果作为所述物体初始判定结果。6.根据权利要求5所述的一种基于双识别技术的物体识别方法，其特征在于：所述基于所述第一识别模型和所述物体初始判定结果生成物体最终判定结果，包括：识别所述物体初始判定结果；所述物体初始判定结果为所述错误结果时，生成识别异常结果作为所述物体最终判定结果；所述物体初始判定结果为所述识别正确结果时，将所述识别正确结果作为所述物体最终判定结果；所述物体初始判定结果为所述相似判断结果时，获取所述第三物体识别信息中的第三易相似区域坐标信息和第四图像信息；基于所述第一识别模型、所述第三易相似区域坐标信息和所述第四图像信息生成所述物体最终判定结果。7.根据权利要求6所述的一种基于双识别技术的物体识别方法，其特征在于：所述基于所述第一识别模型、所述第三易相似区域坐标信息和所述第四图像信息生成所述物体最终判定结果，包括：确认所述待识别物体上与所述第三易相似区域坐标信息相匹配的第一特殊区域图像；确认所述第四图像信息中与所述第三易相似区域坐标信息相匹配的第二特殊区域图像；通过所述第一识别模型对所述第一特殊区域图像和所述第二特殊区域图像进行ocr识别对比，得到ocr识别对比结果；若所述ocr识别对比结果为所述第一特殊区域图像与所述第二特殊区域图像匹配，则生成识别正确结果作为所述物体最终判定结果；若所述ocr识别对比结果为所述第一特殊区域图像与所述第二特殊区域图像非匹配，则生成识别错误结果作为所述物体最终判定结果。8.一种基于双识别技术的物体识别系统，其特征在于，包括：初始化配置模块、物体初步判定模块和物体进阶判定模块；初始化配置模块，用于配置物体识别数据库，训练第一识别模型，设置特征识别算法；物体初步判定模块，用于获取待识别物体，并基于所述物体识别数据库、所述特征识别算法和所述待识别物体生成物体初始判定结果；物体进阶判定模块，用于根据所述第一识别模型和所述物体初始判定结果生成物体最终判定结果。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1~7中任一项所述基于双识别技术的物体识别方法的步骤。10.一种计算机设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；其中：所述存储器，用于存放计算机程序；所述处理器，用于通过运行所述存储器上所存放的程序来执行权利要求1-7中任一项
所述基于双识别技术的物体识别方法的步骤。

技术总结

本发明公开了一种基于双识别技术的物体识别方法、系统、设备及介质，所述方法包括以下步骤：配置物体识别数据库，训练第一识别模型，设置特征识别算法；获取待识别物体，基于物体识别数据库、特征识别算法和待识别物体生成物体初始判定结果；基于第一识别模型和物体初始判定结果生成物体最终判定结果；本发明能够采用特征点匹配以及模型训练相结合的双重识别方法，进而实现在物体识别时，对于相似物体可以进行准确辨认，而且在模型训练时，也不需要采用复杂的方式进行训练集的配置，最终可以将两种识别技术的优点相结合，且弥补了两种识别方式所分别具有的缺点，兼顾识别准确性、操作便捷性、使用成本和硬件通用性，具有极高的应用价值。用价值。用价值。