[發明專利]目標對象的識別方法和系統、存儲介質及計算設備

在審

• 申請號: 202010191819.6
• 申請日: 2020-03-18
• 公開（公告）號: CN113496141A
• 公開（公告）日: 2021-10-12
• 發明（設計）人: 郭莉琳;鄧兵;王弘烈
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G08G1/017;H04L29/08
• 代理公司: 北京博浩百睿知識產權代理有限責任公司 11134
• 代理人: 謝湘寧;張文華

本申請公開了一種目標對象的識別方法和系統、存儲介質及計算設備。其中，該方法包括：獲取采集到的多張第一圖像，其中，第一圖像中包含有至少一個移動對象；對第一圖像進行處理，得到移動對象的特征信息，其中，特征信息包括：第一粒度特征和第二粒度特征；基于移動對象的特征信息，確定目標對象。本申請解決了現有技術中的目標對象的識別方法對非法車輛識別的準確率較低的技術問題。

技術領域

本申請涉及交通監控領域，具體而言，涉及一種目標對象的識別方法和系統、存儲介質及計算設備。

背景技術

在交通監控場景中，非法車輛會使用偽造或非法套取合法車輛的車牌號碼，因此，可以通過卡口設備記錄過車記錄，并基于時空關聯，挖掘出時空關系矛盾的過車記錄，從而確定非法車輛。

但是，基于時空關聯的方法確定非法車輛，存在卡口設備的經緯度標定不準、時鐘未校準等問題，導致誤報；卡口設備識別車牌號碼或車輛屬性的精度有限，車牌號碼或車輛屬性的錯誤識別會導致誤報；由于高誤報率，需要稽查人員對機器識別結果進行過濾、審核；另外，非法車輛往往與合法車輛的車輛屬性相似，導致識別精度較低，無法準確識別非法車輛。

針對現有技術中的目標對象的識別方法對非法車輛識別的準確率較低的問題，目前尚未提出有效的解決方案。

發明內容

本申請實施例提供了一種目標對象的識別方法和系統、存儲介質及計算設備，以至少解決現有技術中的目標對象的識別方法對非法車輛識別的準確率較低的技術問題。

根據本申請實施例的一個方面，提供了一種目標對象的識別方法，包括：獲取采集到的多張第一圖像，其中，第一圖像中包含有至少一個移動對象；對第一圖像進行處理，得到移動對象的特征信息，其中，特征信息包括：第一粒度特征和第二粒度特征；基于移動對象的特征信息，確定目標對象。

根據本申請實施例的另一方面，還提供了一種目標對象的識別方法，包括：獲取待識別移動對象的第二圖像；對第二圖像進行處理，得到待識別移動對象的特征信息，其中，特征信息包括：第一粒度特征和第二粒度特征；將待識別移動對象的特征信息與數據庫中存儲的至少一個目標對象的特征信息進行匹配；如果待識別移動對象的特征信息與數據庫中存儲的任意一個目標對象的特征信息匹配成功，則確定待識別移動對象為目標對象。

根據本申請實施例的另一方面，還提供了一種存儲介質，存儲介質包括存儲的程序，其中，在程序運行時控制存儲介質所在設備執行上述的目標對象的識別方法。

根據本申請實施例的另一方面，還提供了一種計算設備，包括：處理器和存儲器，處理器用于運行存儲器中存儲的程序，其中，程序運行時執行上述的目標對象的識別方法。

根據本申請實施例的另一方面，還提供了一種目標對象的識別系統，包括：處理器；以及存儲器，與處理器連接，用于為處理器提供處理以下處理步驟的指令：獲取采集到的多張第一圖像，其中，第一圖像中包含有至少一個移動對象；對第一圖像進行處理，得到移動對象的特征信息，其中，特征信息包括：第一粒度特征和第二粒度特征；基于移動對象的特征信息，確定目標對象。

根據本申請實施例的另一方面，還提供了一種目標對象的識別方法，包括：獲取采集到的多張第一圖像，其中，第一圖像中包含有至少一個移動對象；利用第一網絡模型對第一圖像進行處理，得到移動對象的第一粒度特征；利用第二網絡模型對第一圖像進行處理，得到移動對象的第二粒度特征，其中，第二網絡模型包括：第一子網絡模型、第二子網絡模型和第三子網絡模型，第一子網絡模型采用帶有權重的18層殘差網絡的網絡結構，第二子網絡模型采用6層全卷積的U型神經網絡的網絡結構，第三子網絡模型與第一子網絡模型和第二子網絡模型連接，第三子網絡模型采用循環神經網絡的網絡結構；基于移動對象的特征信息，確定目標對象。