[發明專利]基于分類對象的視頻識別方法、系統、設備及存儲介質

有效

• 申請號: 202110401647.5
• 申請日: 2021-04-14
• 公開（公告）號: CN113095231B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 譚黎敏;阮超;宋捷
• 申請（專利權）人: 上海西井信息科技有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/764;G06V10/82;G06N3/0464;G06F9/50
• 代理公司: 上海隆天律師事務所 31282
• 代理人: 鐘宗

本發明提供了基于分類對象的視頻識別方法、系統、設備及存儲介質，該方法包括以下步驟：預設至少一主體對象標簽，分別對應至少一子對象標簽，訓練第一類神經網絡模型用于識別主體對象標簽和第二類神經網絡模型用于識別對應子對象標簽的參數值；自視頻碼流中獲得原始圖片，并壓縮為壓縮圖片；將壓縮圖片逐張輸入第一類神經網絡模型進行識別，當得到主體對象標簽以及對應的子對象標簽；根據壓縮圖片中子對象標簽對應的局部圖像區域在對應的原始圖片進行摳圖；輸入第二類神經網絡模型，獲得每個子對象標簽對應的參數值。本發明能夠同步運行多路的視頻分析任務，大大減少視頻分析的運算量，從而降低帶寬需求和服務器的線程消耗。

背景技術

目前，集裝箱碼頭閘口等場景廣泛使用攝像頭協助工作人員檢驗車輛相關信息，其中存在一部分信息需要工作人員能直觀的全面的看到車輛及集裝箱的完整情況。

傳統方案將提供給工作人員連續的多張獨立的車輛截圖，然后令工作人員人工的檢查這多張圖片。傳統方法會增大工作人員的工作量且增大檢查中可能存在的誤差。

鑒于無人碼頭模式的推廣，無人集卡無法自行識別集裝箱，為了避免運輸過程中發生錯誤，可以通過碼頭的視頻比對集卡的車牌和集裝箱的箱號，與預設的任務安排進行比對，但這種方式需要人力監控，而且及時性難以保證。現有技術采用機器視覺來進行輔助，主要通過兩種來實現圖形機器學習方式，第一種是使用CPU解碼，再通過CPU資源實現識別分類任務，對CPU資源消耗大，一旦資源消耗過多，會較低其它業務的運行速度，且成本高；第二種是使用顯卡實現識別分類任務，顯卡的成本比較高，且功耗比較高。

因此，本發明提供了一種基于分類對象的視頻識別方法、系統、設備及存儲介質。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本實用新型的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

針對現有技術中的問題，本發明的目的在于提供基于分類對象的視頻識別方法、系統、設備及存儲介質，克服了現有技術的困難，能夠同步運行多路的視頻分析任務，大大減少視頻分析的運算量，從而降低帶寬需求和服務器的線程消耗。

本發明的實施例提供一種基于分類對象的視頻識別方法，包括以下步驟：

S110、預設至少一主體對象標簽，每個所述主體對象標簽對應至少一子對象標簽，訓練第一類神經網絡模型用于自輸入的圖片中識別出所述主體對象標簽和第二類神經網絡模型用于自輸入的圖片中識別出對應所述子對象標簽的參數值；

S120、采集視頻碼流，自所述視頻碼流中獲得原始圖片，將所述原始圖片的尺寸壓縮獲得壓縮圖片，并建立所述壓縮圖片與所述原始圖片的映射關系；

S130、將所述壓縮圖片逐張輸入第一類神經網絡模型進行識別，當得到所述主體對象標簽以及所述主體對象標簽對應的子對象標簽，執行步驟S140；

S140、將該所述壓縮圖片中所述子對象標簽對應的局部圖像區域映射到原始圖片的相關圖像區域摳圖作為待識別圖案；以及

S150、將所述待識別圖案輸入第二類神經網絡模型，獲得每個所述子對象標簽對應的參數值。

優選地，每個所述子對象標簽分別對應一獨立的第二類神經網絡模型，將每個所述子對象標對應的待識別圖案輸入到各自的所述第二類神經網絡模型中，獲得對應的參數值。

優選地，所述子對象標簽的參數值至少包括車輛車型、箱體號碼、車牌號碼、駕駛員人臉、駕駛員行為中的至少一種。

優選地，所述主體對象標簽中至少包括空車集卡、帶箱集卡、轎車、吊車中的至少一種；

所述帶箱集卡對應的所述子對象標簽包括箱體號碼、車牌號碼。