[發(fā)明專利]目標(biāo)對(duì)象識(shí)別方法、裝置、系統(tǒng)和計(jì)算機(jī)可讀介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710898022.8
• 申請(qǐng)日: 2017-09-28
• 公開（公告）號(hào): CN108875486A
• 公開（公告）日: 2018-11-23
• 發(fā)明（設(shè)計(jì)）人: 林浩彬
• 申請(qǐng)（專利權(quán)）人: 北京曠視科技有限公司;北京邁格威科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市磐華律師事務(wù)所 11336
• 代理人: 高偉;卜璐璐

本發(fā)明提供了一種目標(biāo)對(duì)象識(shí)別方法、裝置、系統(tǒng)和計(jì)算機(jī)可讀介質(zhì)，所述目標(biāo)對(duì)象識(shí)別方法包括：獲取待識(shí)別圖像；利用訓(xùn)練好的去模糊神經(jīng)網(wǎng)絡(luò)對(duì)所述待識(shí)別圖像進(jìn)行去模糊操作以生成去模糊圖像；以及基于所述去模糊圖像進(jìn)行目標(biāo)對(duì)象的特征提取和識(shí)別。根據(jù)本發(fā)明實(shí)施例的目標(biāo)對(duì)象識(shí)別方法、裝置、系統(tǒng)和計(jì)算機(jī)可讀介質(zhì)基于訓(xùn)練好的去模糊神經(jīng)網(wǎng)絡(luò)對(duì)待識(shí)別圖像進(jìn)行去模糊處理，使得特征提取在更加清晰的目標(biāo)對(duì)象上進(jìn)行，從而能夠解決模糊圖像對(duì)識(shí)別的干擾問題，提高目標(biāo)對(duì)象識(shí)別的準(zhǔn)確率和效率。

技術(shù)領(lǐng)域

本發(fā)明涉及對(duì)象識(shí)別技術(shù)領(lǐng)域，更具體地涉及一種目標(biāo)對(duì)象識(shí)別方法、裝置、系統(tǒng)和計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

對(duì)于圖像中某對(duì)象的識(shí)別(例如人臉識(shí)別)，現(xiàn)有的方法常常是從輸入圖像上提取識(shí)別特征，然后進(jìn)行匹配和識(shí)別。然而，在各種對(duì)象識(shí)別(例如人臉識(shí)別)的真實(shí)場(chǎng)景中，大量存在圖像模糊現(xiàn)象，現(xiàn)有的方法缺乏圖像去模糊的針對(duì)性預(yù)處理，而圖像模糊現(xiàn)象可能嚴(yán)重干擾對(duì)目標(biāo)對(duì)象的識(shí)別，嚴(yán)重降低了識(shí)別精度。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提出了一種關(guān)于目標(biāo)對(duì)象識(shí)別的方案，其不僅可以用于人臉識(shí)別，也可以用于任何目標(biāo)對(duì)象的識(shí)別。下面簡(jiǎn)要描述本發(fā)明提出的關(guān)于目標(biāo)對(duì)象識(shí)別的方案，更多細(xì)節(jié)將在后續(xù)結(jié)合附圖在具體實(shí)施方式中加以描述。

根據(jù)本發(fā)明一方面，提供了一種目標(biāo)對(duì)象識(shí)別方法，所述目標(biāo)對(duì)象識(shí)別方法包括：獲取待識(shí)別圖像；利用訓(xùn)練好的去模糊神經(jīng)網(wǎng)絡(luò)對(duì)所述待識(shí)別圖像進(jìn)行去模糊操作以生成去模糊圖像；以及基于所述去模糊圖像進(jìn)行目標(biāo)對(duì)象的特征提取和識(shí)別。

在本發(fā)明的一個(gè)實(shí)施例中，所述利用訓(xùn)練好的去模糊神經(jīng)網(wǎng)絡(luò)對(duì)所述待識(shí)別圖像進(jìn)行去模糊操作以生成去模糊圖像包括：利用所述去模糊神經(jīng)網(wǎng)絡(luò)得到所述待識(shí)別圖像的重建殘差，并將所述重建殘差與所述待識(shí)別圖像相加以得到所述去模糊圖像。

在本發(fā)明的一個(gè)實(shí)施例中，所述去模糊神經(jīng)網(wǎng)絡(luò)包括依次連接的輸入層、第一卷積層、至少一層卷積池化層、至少一層反池化卷積層以及第四卷積層，其中：所述第一卷積層輸出與原始輸入圖像尺寸相同的第一特征層；所述卷積池化層包括依次連接的反池化層和第三卷積層，所述卷積池化層輸出與所述原始輸入圖像相比尺寸按比例縮小的第二特征層；所述反池化卷積層包括依次連接的反池化層和第三卷積層，所述反池化卷積層輸出按比例增大的第三特征層，所述至少一層反池化卷積層中的最后一層反池化卷積層輸出的第三特征層的尺寸與所述原始輸入圖像的尺寸相同；以及所述第四卷積層輸出重建殘差，所述重建殘差與原始輸入圖像相加的結(jié)果為重建的去模糊圖像。

在本發(fā)明的一個(gè)實(shí)施例中，所述卷積池化層與所述反池化卷積層的數(shù)目相等。

在本發(fā)明的一個(gè)實(shí)施例中，所述去模糊神經(jīng)網(wǎng)絡(luò)還包括跳躍連接，所述跳躍連接用于將相同尺寸的特征層拼接在一起。

在本發(fā)明的一個(gè)實(shí)施例中，所述去模糊神經(jīng)網(wǎng)絡(luò)還包括第五卷積層，所述第五卷積層與所述反池化卷積層連接，用于減少因所述特征層的拼接而導(dǎo)致增加的通道數(shù)。

在本發(fā)明的一個(gè)實(shí)施例中，所述去模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練所基于的樣本是模糊圖像集，所述模糊圖像集中的模糊圖像是通過對(duì)包括目標(biāo)對(duì)象的清晰圖像實(shí)施圖像模糊算法而得到的。

在本發(fā)明的一個(gè)實(shí)施例中，所述基于所述去模糊圖像進(jìn)行目標(biāo)對(duì)象的特征提取和識(shí)別，包括：基于所述去模糊圖像和特征提取網(wǎng)絡(luò)進(jìn)行所述目標(biāo)對(duì)象的特征提取和識(shí)別。

在本發(fā)明的一個(gè)實(shí)施例中，所述訓(xùn)練好的去模糊神經(jīng)網(wǎng)絡(luò)與所述特征提取網(wǎng)絡(luò)連在一起，所述去模糊神經(jīng)網(wǎng)絡(luò)與所述特征提取網(wǎng)絡(luò)被進(jìn)行共同調(diào)優(yōu)訓(xùn)練，以用于所述目標(biāo)對(duì)象的識(shí)別。

在本發(fā)明的一個(gè)實(shí)施例中，所述目標(biāo)對(duì)象為人臉。