本申請適用于計算機視覺中的圖像識別技術領域，提供了一種繪本識別方法、裝置及機器人，所述方法包括：獲取待識別繪本的特征點數量；根據所述特征點數量劃分所述待識別繪本的繪本類型，所述繪本類型包括：第一類型繪本和第二類型繪本，其中，所述第一類型繪本的特征點數量小于預設的數量閾值，所述第二類型繪本的特征點數量大于或等于預設的數量閾值；若所述待識別繪本的繪本類型為第一類型繪本，則通過基于卷積神經網絡模型的特征比對算法識別所述第一類型繪本；若所述待識別繪本的繪本類型為第二類型繪本，則通過非基于卷積神經網絡模型的特征比對算法識別所述第二類型繪本。通過上述方法，能夠在沒有豐富紋理的圖像中采集到有效的特征點。

技術領域

本申請屬于計算機視覺中的圖像識別技術領域，尤其涉及繪本識別方法、裝置、機器人及計算機可讀存儲介質。

背景技術

繪本，即圖畫書，是一類以繪畫為主，并附有少量文字的書籍。繪本閱讀是目前眾多的面向兒童教育的人工智能(Artificial Intelligence，AI)機器人產品的重要功能之一，該功能解決了父母無時間陪伴兒童閱讀的痛點，這兩年逐漸成為諸多定位高端的AI低幼陪伴機器人的重要配置，即使該功能的單一產品如伴讀器等也在近兩年深受教育市場歡迎與關注。

繪本識別作為繪本閱讀機器人的重要核心技術，其通過攝像頭拍攝繪本的圖像作為搜索圖像，再通過圖像檢索算法來識別具體是哪一本繪本。但現有的圖像檢索算法主要通過提取繪本的局部特征，再將提取的繪本的局部特征與數據庫中的特征進行匹配來實現圖像的檢索。由于局部特征提取有可能提取不到有效的特征，因此導致部分繪本不能識別。

故，需要提出一種新的方法以解決上述技術問題。

發明內容

本申請實施例提供了繪本識別方法，可以解決上述現有技術存在的技術問題。

第一方面，本申請實施例提供了一種繪本識別方法，包括：

獲取待識別繪本的特征點數量；

根據所述特征點數量劃分所述待識別繪本的繪本類型，所述繪本類型包括：第一類型繪本和第二類型繪本，其中，所述第一類型繪本的特征點數量小于預設的數量閾值，所述第二類型繪本的特征點數量大于或等于預設的數量閾值；

若所述待識別繪本的繪本類型為第一類型繪本，則通過基于卷積神經網絡模型的特征比對算法識別所述第一類型繪本；

若所述待識別繪本的繪本類型為第二類型繪本，則通過非基于卷積神經網絡模型的特征比對算法識別所述第二類型繪本。

本申請實施例與現有技術相比存在的有益效果是：

由于第一類型繪本的特征點數量小于預設的數量閾值，因此，若仍采用局部特征提取方法提取特征點，將難以提取到有效的特征點，而由于卷積神經網絡模型采集特征點的能力更強，因此，能夠在沒有豐富紋理的圖像中采集到有效的特征點。另外，由于第二類型繪本的特征點數量較多，因此，無需通過特征點采集能力很強的模型也能采集到所需的特征點，且由于非基于卷積神經網絡模型的特征比對算法的計算復雜度遠小于基于卷積神經網絡模型的特征比對算法的計算復雜度，因此，能夠極大提高特征點的提取速度，進而提高第二類型繪本的識別速度。

第二方面，本申請實施例提供了一種繪本識別裝置，包括：

特征點數量獲取單元，用于獲取待識別繪本的特征點數量；

繪本類型劃分單元，用于根據所述特征點數量劃分所述待識別繪本的繪本類型，所述繪本類型包括：第一類型繪本和第二類型繪本，其中，所述第一類型繪本的特征點數量小于預設的數量閾值，所述第二類型繪本的特征點數量大于或等于預設的數量閾值；

第一類型繪本識別單元，用于若所述待識別繪本的繪本類型為第一類型繪本，則通過基于卷積神經網絡模型的特征比對算法識別所述第一類型繪本；