[發(fā)明專利]目標(biāo)對象識別方法、裝置和電子系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011143453.1
• 申請日: 2020-10-22
• 公開（公告）號: CN112417970A
• 公開（公告）日: 2021-02-26
• 發(fā)明（設(shè)計）人: 陳軍如;姚皓天
• 申請（專利權(quán)）人: 北京邁格威科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 何少巖

1.一種目標(biāo)對象識別方法，其特征在于，所述方法應(yīng)用于電子設(shè)備，包括：

獲取待識別的視頻幀序列中同一目標(biāo)對象的檢測框集合和所述檢測框集合中每個檢測框的圖像質(zhì)量分值；

基于每個所述檢測框的圖像質(zhì)量分值，從所述檢測框集合中選擇第一檢測框和第二檢測框；

基于所述第一檢測框的第一檢索特征向量、所述第一檢測框的第一跟蹤特征向量和所述第二檢測框的第二跟蹤特征向量確定所述第二檢測框的第二檢索特征向量；其中，所述第一檢索特征向量的維度大于所述第一跟蹤特征向量；所述第二檢索特征向量的維度大于所述第二跟蹤特征向量；

融合所述第一檢索特征向量和所述第二檢索特征向量，得到所述同一目標(biāo)對象的最優(yōu)特征向量；

基于所述最優(yōu)特征向量和預(yù)存的目標(biāo)對象底庫確定所述同一目標(biāo)對象的識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取待識別的視頻幀序列中同一目標(biāo)對象的檢測框集合和所述檢測框集合中每個檢測框的圖像質(zhì)量分值的步驟，包括：

對待識別的視頻幀序列中的視頻幀進(jìn)行目標(biāo)對象檢測，得到包含有所述目標(biāo)對象的檢測框；

對每個所述檢測框進(jìn)行圖像質(zhì)量評分和跟蹤特征向量提取，得到每個所述檢測框的跟蹤特征向量和圖像質(zhì)量分值；

基于每個所述檢測框的跟蹤特征向量確定同一目標(biāo)對象的檢測框集合。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，對每個所述檢測框進(jìn)行圖像質(zhì)量評分和跟蹤特征向量提取的步驟，包括：

將每個所述檢測框分別輸入質(zhì)量評分模型和第一卷積神經(jīng)網(wǎng)絡(luò)模型，得到每個所述檢測框的圖像質(zhì)量評分和跟蹤特征向量；其中，所述質(zhì)量評分模型用于對輸入的檢測框進(jìn)行圖像質(zhì)量評分；所述第一卷積神經(jīng)網(wǎng)絡(luò)模型用于對輸入的檢測框進(jìn)行跟蹤特征向量提取。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于每個所述檢測框的圖像質(zhì)量分值，從所述檢測框集合中選擇第一檢測框和第二檢測框的步驟，包括：

基于每個所述檢測框的圖像質(zhì)量分值大小對所述檢測框集合中的檢測框排序；

基于所述排序選擇第一檢測框和第二檢測框，其中，所述第一檢測框的圖像質(zhì)量分值和所述第二檢測框的圖像質(zhì)量分值均大于未被選中的檢測框的圖像質(zhì)量分值。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，從所述檢測框集合中選擇第一檢測框和第二檢測框的步驟之后，所述方法還包括：

將所述第一檢測框輸入第二卷積神經(jīng)網(wǎng)絡(luò)模型，得到所述第一檢測框的第一檢索特征向量；其中，所述第二卷積神經(jīng)網(wǎng)絡(luò)模型用于對輸入的檢測框進(jìn)行檢索特征向量提取。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述第一檢測框的第一檢索特征向量、所述第一檢測框的第一跟蹤特征向量和所述第二檢測框的第二跟蹤特征向量確定所述第二檢測框的第二檢索特征向量的步驟，包括：

將所述第一檢測框的第一檢索特征向量、所述第一檢測框的第一跟蹤特征向量和所述第二檢測框的第二跟蹤特征向量輸入預(yù)先訓(xùn)練好的特征升級網(wǎng)絡(luò)模型，得到所述第二檢測框的第二檢索特征向量；其中，所述特征升級網(wǎng)絡(luò)模型是基于標(biāo)注有對象標(biāo)簽的圖像樣本訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型得到的。