[發(fā)明專利]最優(yōu)目標圖像的識別方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110318221.3
• 申請日: 2021-03-25
• 公開（公告）號: CN112801048A
• 公開（公告）日: 2021-05-14
• 發(fā)明（設(shè)計）人: 高子翔;肖瀟;李冰
• 申請（專利權(quán)）人: 蘇州科達科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 蘇州謹和知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32295
• 代理人: 許冬瑩

1.一種最優(yōu)目標圖像的識別方法，其特征在于，所述方法包括：

獲取監(jiān)控目標的視頻圖像序列；

提取所述視頻圖像序列中每一幀視頻圖像的目標子圖像，得到目標子圖像序列；

將所述目標子圖像序列輸入至目標圖像識別模型得到各個所述目標子圖像對應(yīng)的深層語義特征，并基于所述深層語義特征進行組合及判別輸出最優(yōu)目標子圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述目標子圖像序列輸入至目標圖像識別模型得到各個所述目標子圖像對應(yīng)的深層語義特征，并基于所述深層語義特征進行組合及判別輸出最優(yōu)目標子圖像，包括：

S101：將所述目標子圖像序列中的兩幀目標子圖像作為當前圖像對輸入至所述目標圖像識別模型；

S102：通過所述目標圖像識別模型得到所述當前圖像對對應(yīng)的深層語義特征，并基于所述深層語義特征進行組合及判別輸出所述當前圖像對中的較優(yōu)目標子圖像作為當前最優(yōu)目標子圖像；

S103：將所述當前最優(yōu)目標子圖像及所述目標子圖像序列中未輸入至所述目標圖像識別模型的一幀目標子圖像作為當前圖像對，進入S102，直至所述目標子圖像序列中所有目標子圖像均輸入至所述目標圖像識別模型，將所述當前最優(yōu)目標子圖像作為最優(yōu)目標子圖像輸出。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，S101還包括從當前圖像對中選取一幀目標子圖像作為當前最優(yōu)目標子圖像；所述目標圖像識別模型包括第一特征提取模塊和第二特征提取模塊；所述通過所述目標圖像識別模型得到所述當前圖像對對應(yīng)的深層語義特征，并基于所述深層語義特征進行組合及判別輸出所述當前圖像對中的較優(yōu)目標子圖像作為當前最優(yōu)目標子圖像，包括：

將所述當前圖像對中的第一子圖輸入所述第一特征提取模塊，得到所述第一子圖的深層語義特征；將所述當前圖像對中的第二子圖輸入所述第二特征提取模塊，得到所述第二子圖的深層語義特征，其中，所述第一子圖為當前最優(yōu)目標子圖像；

根據(jù)所述第一子圖和第二子圖對應(yīng)的深層語義特征，判別第一子圖和第二子圖包含的目標形態(tài)，并將目標形態(tài)滿足預(yù)設(shè)條件的第一子圖或第二子圖確定為當前圖像對中的較優(yōu)目標子圖像，將所述較優(yōu)目標子圖作為當前最優(yōu)目標子圖像。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述目標識別模型還包括特征融合模塊和特征判別模塊，所述根據(jù)所述第一子圖和第二子圖對應(yīng)的深層語義特征，判別第一子圖和第二子圖包含的目標形態(tài)，并將目標形態(tài)符合預(yù)設(shè)條件的第一子圖或第二子圖確定為當前圖像對中的較優(yōu)目標子圖像，包括：

將所述第一特征提取模塊和所述第二特征提取模塊輸出的深層語義特征輸入至所述特征融合模塊，得到融合后的特征向量；

將所述融合后的特征向量輸入至所述特征判別模塊，經(jīng)SoftMax計算，輸出當前圖像對對應(yīng)的第一子圖和第二子圖包含的目標形態(tài)滿足預(yù)設(shè)條件的概率；

將輸出的所述概率較大值對應(yīng)的第一子圖或第二子圖判定為較優(yōu)目標子圖像。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述目標圖像識別模型還包括第一關(guān)鍵點檢測模塊和第二關(guān)鍵點檢測模塊，所述方法還包括：

將所述第一特征提取模塊輸出的深層語義特征輸入至所述第一關(guān)鍵點檢測模塊，將所述第二特征提取模塊輸出的深層語義特征輸入至所述第二關(guān)鍵點檢測模塊，分別進行關(guān)鍵點目標特征提取，得到當前圖像對對應(yīng)的第一子圖和第二子圖包含的關(guān)鍵點目標；

相應(yīng)地，所述將輸出的所述概率較大值對應(yīng)的第一子圖或第二子圖判定為較優(yōu)目標子圖像的步驟包括：

將所述關(guān)鍵點目標特征與所述概率結(jié)合，以判別當前圖像對中的較優(yōu)目標子圖像。

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述目標圖像識別模型還包括第一關(guān)鍵點檢測模塊和第二關(guān)鍵點檢測模塊，所述方法還包括：

將所述第一特征提取模塊輸出的深層語義特征輸入至所述第一關(guān)鍵點檢測模塊，將所述第二特征提取模塊輸出的深層語義特征輸入至所述第二關(guān)鍵點檢測模塊，分別進行關(guān)鍵點目標特征提取，得到當前圖像對對應(yīng)的第一子圖和第二子圖包含的關(guān)鍵點目標特征；

將所述關(guān)鍵點目標特征與對應(yīng)的所述深層語義特征結(jié)合，以判別當前圖像對中的較優(yōu)目標子圖像。