[發明專利]最優目標圖像的識別方法、裝置、設備及存儲介質

在審

• 申請號: 202110318221.3
• 申請日: 2021-03-25
• 公開（公告）號: CN112801048A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 高子翔;肖瀟;李冰
• 申請（專利權）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: 蘇州謹和知識產權代理事務所(特殊普通合伙) 32295
• 代理人: 許冬瑩

本申請涉及最優目標圖像的識別方法、裝置、設備及存儲介質，屬于圖像處理技術領域，本申請所述方法包括：獲取監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目標子圖像。本申請極大地提升了最優目標圖像選取的效果，同時能在視頻監控領域，快速準確地從抓拍的視頻圖像圖序列中查找最優圖像，也提升了后續功能分析模塊的效果和性能。解決現有技術的圖像質量評估算法選出的最優圖像中，目標形態差，影響后續分析效果的問題。

技術領域

本申請涉及最優目標圖像的識別方法、裝置、設備及存儲介質，屬于圖像處理技術領域。

背景技術

隨著城市規模的擴大，人口的增多，導致城市各個道路卡口中人員、機動車和非機動車的監管難度越來越大，相關執法部門對于城市安全的管控壓力也逐日增加，但監控技術的普及有效緩解了這一問題。在對道路卡口人員、機動車和非機動車的監控過程中，監控設備獲取的同一目標的多幀視頻圖像的圖像質量參差不齊，很多模糊或目標被遮擋等低質量圖片也會被送入后續功能模塊，導致硬件性能和處理時間的浪費。

針對上述問題，現有技術一般采用圖像質量評估算法對監控設備獲取的視頻圖像序列進行圖像質量評估，選取視頻圖像序列中的最優圖像輸入后續的功能模塊。現有的圖像質量評估算法可分為全參考、部分參考和無參考三種類型。全參考圖像質量評估是指在選擇理想圖像作為參考圖像的情況下，比較待評圖像與參考圖像之間的差異，分析待評圖像的失真程度，從而得到待評圖像的質量評估，最終確定哪一張圖像更好。

若監控設備獲取到的視頻圖像的亮度、對比度和清晰程度差別不大，而圖像中的目標形態差別較大，而現有的圖像質量評估算法只關注于圖像的亮度、對比度、噪聲和結構等圖像指標信息，會導致現有的圖像質量評估算法選出目標圖像角度差、外觀不完整或被遮擋，而角度正、外觀完整或無遮擋的目標圖像則會被丟棄，這會極大影響監控系統中后續功能模塊的分析效果。

發明內容

本申請提供了一種最優目標圖像的識別方法、裝置、設備及存儲介質，以解決通過現有技術的圖像質量評估算法選出的最優圖像中，因目標形態差，影響后續分析的問題。

為解決上述技術問題，本申請提供如下技術方案：

本申請實施例的第一方面，提供了一種最優目標圖像的識別方法，所述方法包括：

獲取監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目標子圖像。

本申請實施例的第二方面，提供一種最優目標圖像的識別裝置，所述裝置包括：

視頻圖像獲取模塊，用于獲取監控目標的視頻圖像序列；

子圖像提取模塊，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；

最優圖像識別模塊，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目標子圖像。

本申請實施例的第三方面，提供一種電子設備，所述電子設備包括處理器、存儲器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述計算機程序由所述處理器加載并執行，以實現如本申請實施例第一方面所述最優目標圖像的識別方法的步驟。

本申請實施例的第四方面，提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序由所述處理器加載并執行，以實現如本申請實施例第一方面所述最優目標圖像的識別方法的步驟。