[發明專利]目標對象識別方法、裝置和電子系統

在審

• 申請號: 202011143453.1
• 申請日: 2020-10-22
• 公開（公告）號: CN112417970A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 陳軍如;姚皓天
• 申請（專利權）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所(特殊普通合伙) 11463
• 代理人: 何少巖

本發明提供了一種目標對象識別方法、裝置和電子系統，涉及圖像處理技術領域，該方法包括：獲取待識別的視頻幀序列中同一目標對象的檢測框集合和檢測框集合中每個檢測框的圖像質量分值；基于每個檢測框的圖像質量分值，從檢測框集合中選擇第一檢測框和第二檢測框；基于第一檢測框的第一檢索特征向量、第一檢測框的第一跟蹤特征向量和第二檢測框的第二跟蹤特征向量確定第二檢測框的第二檢索特征向量；融合第一檢索特征向量和第二檢索特征向量，得到同一目標對象的最優特征向量；基于最優特征向量和預存的目標對象底庫確定同一目標對象的識別結果。本發明緩解了CNN網絡提取到的特征泛化能力較差的問題，提升目標對象的檢索準確率。

技術領域

本發明涉及圖像處理技術領域，尤其是涉及一種目標對象識別方法、裝置和電子系統。

背景技術

行人重識別(ReID)技術，可應用于視頻結構化，該技術在安防、智能交通等領域應用廣泛。目前現有的行人ReID技術，通常采用以下方式進行行人檢索：應用檢測模型檢測行人所在的位置，然后行人檢測區域的圖片送入CNN網絡(即卷積神經網絡)提取出待檢索行人的特征向量，比對待檢索行人的特征向量和檢索庫中行人圖片的特征向量，選擇與待檢索行人向量相似的其它向量，并按照相似度進行排序，即可獲得行人檢索結果。

由于同一行人圖片存在不同的拍攝角度、光照情況、行駛姿態等，這些不確定因素加大了CNN網絡提取圖片特征的難度，使得CNN網絡提取到的特征缺乏泛化能力，進而影響后續的檢索排序結果，檢索準確率較低。

發明內容

有鑒于此，本發明的目的在于提供一種目標對象識別方法、裝置和電子系統，以緩解CNN網絡提取到的特征泛化能力較差的問題，提升目標對象的檢索準確率。

為了實現上述目的，本發明實施例采用的技術方案如下：

第一方面，本發明實施例提供了一種目標對象識別方法，該方法應用于電子設備，包括：獲取待識別的視頻幀序列中同一目標對象的檢測框集合和檢測框集合中每個檢測框的圖像質量分值；基于每個檢測框的圖像質量分值，從檢測框集合中選擇第一檢測框和第二檢測框；基于第一檢測框的第一檢索特征向量、第一檢測框的第一跟蹤特征向量和第二檢測框的第二跟蹤特征向量確定第二檢測框的第二檢索特征向量；其中，第一檢索特征向量的維度大于第一跟蹤特征向量；第二檢索特征向量的維度大于第二跟蹤特征向量；融合第一檢索特征向量和第二檢索特征向量，得到同一目標對象的最優特征向量；基于最優特征向量和預存的目標對象底庫確定同一目標對象的識別結果。

結合第一方面，本發明實施例提供了第一方面的第一種可能的實施方式，其中，獲取待識別的視頻幀序列中同一目標對象的檢測框集合和檢測框集合中每個檢測框的圖像質量分值的步驟，包括：對待識別的視頻幀序列中的視頻幀進行目標對象檢測，得到包含有目標對象的檢測框；對每個檢測框進行圖像質量評分和跟蹤特征向量提取，得到每個檢測框的跟蹤特征向量和圖像質量分值；基于每個檢測框的跟蹤特征向量確定同一目標對象的檢測框集合。

結合第一方面，本發明實施例提供了第一方面的第二種可能的實施方式，其中，對每個檢測框進行圖像質量評分和跟蹤特征向量提取的步驟，包括：將每個檢測框分別輸入質量評分模型和第一卷積神經網絡模型，得到每個檢測框的圖像質量評分和跟蹤特征向量；其中，質量評分模型用于對輸入的檢測框進行圖像質量評分；第一卷積神經網絡模型用于對輸入的檢測框進行跟蹤特征向量提取。

結合第一方面，本發明實施例提供了第一方面的第三種可能的實施方式，其中，基于每個檢測框的圖像質量分值，從檢測框集合中選擇第一檢測框和第二檢測框的步驟，包括：基于每個檢測框的圖像質量分值大小對檢測框集合中的檢測框排序；基于排序選擇第一檢測框和第二檢測框，其中，第一檢測框的圖像質量分值和第二檢測框的圖像質量分值均大于未被選中的檢測框的圖像質量分值。