[發明專利]特征識別方法、裝置、云臺相機及存儲介質

有效

• 申請號: 202010575818.1
• 申請日: 2020-06-22
• 公開（公告）號: CN111866376B
• 公開（公告）日: 2022-03-22
• 發明（設計）人: 梁峰;歐金超;劉煜;浦漢來
• 申請（專利權）人: 上海摩象網絡科技有限公司
• 主分類號: H04N5/232
• 分類號: H04N5/232;H04N5/225;G06V20/10;G06V10/40;G06V10/82;G06N3/04
• 代理公司: 北京薈英捷創知識產權代理事務所(普通合伙) 11726
• 代理人: 王獻茹

1.一種特征識別方法，其特征在于，應用于目標相機，所述目標相機包括主攝像頭和副攝像頭，所述主攝像頭的分辨率大于所述副攝像頭的分辨率，所述方法包括：

利用所述主攝像頭和所述副攝像頭同步采集圖像；

獲取所述副攝像頭采集的目標圖像，對所述目標圖像進行特征識別，得到所述目標圖像的特征關鍵詞；

從所述主攝像頭采集的圖像中獲取與所述目標圖像相對應的高清圖像，將所述特征關鍵詞作為所述高清圖像的特征標簽；其中，所述目標圖像與所述高清圖像為同時采集得到的圖像；

所述對所述目標圖像進行特征識別，得到所述目標圖像的特征關鍵詞的步驟，包括：

確定所述目標圖像中各物體所屬的特征類別；

確定各個物體所屬的特征類別在所述目標圖像中的顯示次數或頻率；

將各個物體所屬的特征類別的顯示次數或頻率按照由高到低的次序進行排序，得到排序結果；

從所述排序結果中由高到低獲取預設個數的特征類別，得到所述目標圖像的特征關鍵詞；所述特征關鍵詞包括一個或多個。

2.根據權利要求1所述的方法，其特征在于，所述對所述目標圖像進行特征識別的步驟，包括：

利用預先訓練得到的神經網絡模型對所述目標圖像進行識別，得到所述目標圖像中各個物體所屬的特征類別。

3.根據權利要求1所述的方法，其特征在于，所述對所述目標圖像進行特征識別，得到所述目標圖像的特征關鍵詞的步驟，包括：

基于預先訓練好的第一神經網絡模型對所述目標圖像進行特征識別，得到第一識別結果；

基于預先訓練好的第二神經網絡模型對所述高清圖像進行特征識別，得到第二識別結果；

基于所述第一識別結果和所述第二識別結果得到所述目標圖像的特征關鍵詞。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

將所述副攝像頭采集的圖像依次作為新的目標圖像，將所述新的目標圖像的特征關鍵詞作為所述新的目標圖像相對應高清圖像的特征標簽，直至得到所述主攝像頭采集的各高清圖像的特征標簽。

5.根據權利要求4所述的方法，其特征在于，所述方法還包括：

基于所述特征標簽從所述主攝像頭采集的圖像中檢索所述特征標簽相對應的高清圖像，得到圖像檢索結果。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述方法還包括：

基于所述特征標簽對所述高清圖像進行標注，得到標注后的樣本圖像。

7.一種特征識別裝置，其特征在于，應用于目標相機的控制器，所述目標相機包括主攝像頭和副攝像頭，所述主攝像頭的分辨率大于所述副攝像頭的分辨率，所述裝置包括：

圖像采集模塊，用于利用所述主攝像頭和所述副攝像頭同步采集圖像；

特征識別模塊，用于獲取所述副攝像頭采集的目標圖像，對所述目標圖像進行特征識別，得到所述目標圖像的特征關鍵詞；

特征匹配模塊，用于從所述主攝像頭采集的圖像中獲取與所述目標圖像相對應的高清圖像，將所述特征關鍵詞作為所述高清圖像的特征；其中，所述目標圖像與所述高清圖像為同時采集得到的圖像；

所述特征識別模塊，進一步用于確定所述目標圖像中各物體所屬的特征類別；確定各個物體所屬的特征類別在所述目標圖像中的顯示次數或頻率；將各個物體所屬的特征類別的顯示次數或頻率按照由高到低的次序進行排序，得到排序結果；從所述排序結果中由高到低獲取預設個數的特征類別，得到所述目標圖像的特征關鍵詞；所述特征關鍵詞包括一個或多個。

8.一種云臺相機，其特征在于，包括：主攝像頭、副攝像頭、處理器和存儲裝置；

所述存儲裝置上存儲有計算機程序，所述計算機程序在被所述處理器運行時執行如權利要求1至6任一項所述的方法。

9.一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序，其特征在于，所述計算機程序被處理器運行時執行上述權利要求1至6任一項所述的方法的步驟。