[發明專利]一種目標屬性結構化數據確定方法、裝置、設備及介質

有效

• 申請號: 202011207611.5
• 申請日: 2020-11-03
• 公開（公告）號: CN112037155B
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 曾小兵;曾海文;閭凡兵
• 申請（專利權）人: 長沙海信智能系統研究院有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/00;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 杜晶

1.一種目標屬性結構化數據確定方法，其特征在于，所述方法包括：

通過訓練完成的目標識別模型，獲取視頻數據中每幀圖像中包含的目標物體的類型及目標物體所在的區域；

通過訓練完成的圖像增強模型，根據輸入的目標物體所在區域的子圖像，確定增強后的目標圖像；

通過訓練完成的目標屬性分析模型，根據所述目標物體的類型，基于所述目標圖像，確定所述類型的目標物體的目標屬性結構化數據；

其中，所述圖像增強模型通過以下方式訓練：

獲取樣本集中任一一對樣本圖像，其中該對樣本圖像包括原始圖像和增強后的測試圖像；

將所述原始圖像輸入到待訓練的圖像增強模型中，獲取經過所述待訓練的圖像增強模型輸出的待校驗圖像；

根據所述測試圖像以及所述待校驗圖像，對所述圖像增強模型的參數進行調整；

所述將所述原始圖像輸入到待訓練的圖像增強模型中，獲取經過所述待訓練的圖像增強模型輸出的待校驗圖像包括：

將原始圖像輸入到待訓練的圖像增強模型的初始層，獲取預先設置的小、中、大尺度的每個初始輸出圖像；

基于所述待訓練的圖像增強模型的參數，對所述小、中、大尺度的每個初始輸出圖像進行加權平均，確定所述待校驗圖像。

2.根據權利要求1所述的方法，其特征在于，所述確定增強后的目標圖像之后，所述通過訓練完成的目標屬性分析模型，根據所述目標物體的類型，基于所述目標圖像，確定所述類型的目標物體的目標屬性結構化數據之前，所述方法還包括：

判斷所述目標圖像的大小是否滿足預先設置的大小要求；

若是，則進行基于所述目標圖像進行后續通過訓練完成的目標屬性分析模型，根據所述目標物體的類型，基于所述目標圖像，確定所述類型的目標物體的目標屬性結構化數據的步驟；

若否，則根據預先設置的大小要求對所述目標圖像的大小進行調整，并進行基于調整后的目標圖像進行后續通過訓練完成的目標屬性分析模型，根據所述目標物體的類型，基于所述目標圖像，確定所述類型的目標物體的目標屬性結構化數據的步驟。

3.根據權利要求2所述的方法，其特征在于，所述根據預先設置的大小要求對所述目標圖像的大小進行調整包括：

若所述目標圖像的大小小于所述預先設置的大小要求，則根據所述大小要求對所述目標圖像進行等比例擴大處理；

若等比例擴大后的目標圖像的尺寸中存在長度或寬度不滿足所述預先設置的大小要求，則對所述不滿足預先設置的大小要求的長度或寬度進行補零處理。

4.根據權利要求1所述的方法，其特征在于，所述確定所述類型的目標物體的目標屬性結構化數據之后，所述方法還包括：

將確定的所述目標屬性結構化數據同步至云端服務器。

5.一種目標屬性結構化數據確定裝置，其特征在于，所述裝置包括：

目標識別模型模塊，用于通過訓練完成的目標識別模型，獲取視頻數據中每幀圖像中包含的目標物體的類型及目標物體所在的區域；

圖像增強模型模塊，用于通過訓練完成的圖像增強模型，根據輸入的目標物體所在區域的子圖像，確定增強后的目標圖像；

目標屬性分析模型模塊，用于通過訓練完成的目標屬性分析模型，根據所述目標物體的類型，基于所述目標圖像，確定所述類型的目標物體的目標屬性結構化數據；

其中，所述裝置還包括：

訓練模塊，用于獲取樣本集中任一一對樣本圖像，其中該對樣本圖像包括原始圖像和增強后的測試圖像；將所述原始圖像輸入到待訓練的圖像增強模型中，獲取經過所述待訓練的圖像增強模型輸出的待校驗圖像；根據所述測試圖像以及所述待校驗圖像，對所述圖像增強模型的參數進行調整；

所述訓練模塊，具體用于將原始圖像輸入到待訓練的圖像增強模型的初始層，獲取預先設置的小、中、大尺度的每個初始輸出圖像；基于所述待訓練的圖像增強模型的參數，對所述小、中、大尺度的每個初始輸出圖像進行加權平均，確定所述待校驗圖像。

6.一種電子設備，其特征在于，所述電子設備至少包括處理器和存儲器，所述處理器用于執行存儲器中存儲的計算機程序時執行權利要求1-4中任一所述目標屬性結構化數據確定方法的步驟。

7.一種計算機可讀存儲介質，其特征在于，其存儲有計算機程序，所述計算機程序被處理器執行時執行權利要求1-4中任一所述目標屬性結構化數據確定方法的步驟。