[發明專利]目標檢測輔助的場景識別方法

有效

• 申請號: 201710270013.4
• 申請日: 2017-04-24
• 公開（公告）號: CN107194318B
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 王蘊紅;孫宇航;趙文婷;陳訓遜;劉慶杰;王博
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;劉芳

本發明提供一種目標檢測輔助的場景識別方法。本發明目標檢測輔助的場景識別方法包括：獲取待識別圖片，對待識別圖片進行采樣，得到預設數量和預設大小的樣本，根據卷積神經網絡模型對各樣本進行場景識別，得到待識別圖片對應的至少兩個場景；獲取待識別圖片的區域建議和待識別圖片對應的第一特征圖，根據區域建議和待識別圖片，獲取待識別圖片中的各目標的分類得分；根據待識別圖片對應的至少兩個場景和各目標的分類得分，得到待識別圖片對應的場景。本發明通過Fast R?CNN網絡和區域建議網絡結合的目標檢測方法輔助場景識別方法，使得場景識別方法的準確率提高。

技術領域

本發明涉及計算機視覺技術領域，尤其涉及一種目標檢測輔助的場景識別方法。

背景技術

場景識別是計算機視覺領域的一個重要問題，由計算機自動判斷該圖像或照片是屬于何種具體的場景，尤其是在視頻監控、社交網絡用戶行為挖掘等方面發揮著重要的作用。

然而，由于場景本身的復雜性以及光照、遮擋、尺度變化等因素,現有的場景識別方法仍無法很好的區分的場景類別，例如一張圖片有一群人，計算機就很難把圖片分類到商場或車站或集會游行等場景，這樣便降低了給場景識別的準確率。

發明內容

本發明提供一種目標檢測輔助的場景識別方法，以實現目標檢測輔助場景識別的方法，以減少場景識別方法中對場景區分錯誤的問題。

本發明提供一種目標檢測輔助的場景識別方法，包括：

獲取待識別圖片，對所述待識別圖片進行采樣，得到預設數量和預設大小的樣本，根據卷積神經網絡模型對各所述樣本進行場景識別，得到所述待識別圖片對應的至少兩個場景；

獲取所述待識別圖片的區域建議和所述待識別圖片對應的第一特征圖，根據所述區域建議和所述待識別圖片，獲取所述待識別圖片中的各目標的分類得分；其中，所述區域建議用于指示包含至少一個目標的至少部分的區域，所述區域建議為區域建議網絡對第二特征圖進行處理得到的，所述第一特征圖和所述第二特征圖為Fast R-CNN網絡中對所述待識別圖片進行卷積處理得到的；

根據所述待識別圖片對應的至少兩個場景和各所述目標的分類得分，得到所述待識別圖片對應的場景。

可選地，在所述根據卷積網絡模型對各所述樣本進行場景識別，得到所述待識別圖片對應的至少兩個場景之前，還包括：

獲取訓練圖片以及所述訓練圖片對應的標簽，所述標簽用于指示所述訓練圖片對應的場景；

根據所述卷積神經網絡模型和所述訓練圖片對應的標簽，獲取各所述場景對應的所述卷積神經網絡模型對應的網絡參數；

所述根據卷積網絡模型對各所述樣本進行場景識別，得到所述待識別圖片對應的至少兩個場景，包括：

根據各所述場景對應的所述卷積神經網絡模型對應的網絡參數，對各所述樣本進行場景識別，得到所述待識別圖片對應的至少兩個場景。

可選地，所述根據所述卷積神經網絡模型和所述訓練圖片對應的標簽，獲取各所述場景對應的所述卷積神經網絡模型對應的網絡參數，包括：

對所述訓練圖片進行分割采樣，得到擴增后的訓練圖片；

根據第一預設訓練參數，對所述擴增后的訓練圖片進行預設處理，得到預設數量的第三特征圖，所述預設處理包括卷積、池化、歸一化處理；

對所述預設數量的第三特征圖進行多次全連接處理，得到所述訓練圖片對應的場景概率；

根據所述場景概率和所述訓練圖片對應的標簽，對所述第一預設訓練參數進行調整，得到所述場景對應的所述卷積神經網絡模型對應的網絡參數。

可選地，所述獲取所述待識別圖片的區域建議和所述待識別圖片對應的第一特征圖，包括：