[發(fā)明專利]目標(biāo)物的識別方法、系統(tǒng)、設(shè)備和介質(zhì)

在審

• 申請?zhí)枺?/td>: 202211462955.X
• 申請日: 2022-11-21
• 公開（公告）號: CN115761585A
• 公開（公告）日: 2023-03-07
• 發(fā)明（設(shè)計）人: 劉志堅
• 申請（專利權(quán)）人: 展訊半導(dǎo)體（南京）有限公司
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/80;G06V20/62;G06V10/82;G06N3/0464
• 代理公司: 上海弼興律師事務(wù)所 31283
• 代理人: 林嵩;羅朗

本發(fā)明公開了一種目標(biāo)物的識別方法、系統(tǒng)、設(shè)備和介質(zhì)，所述識別方法應(yīng)用在預(yù)設(shè)密閉場景中，所述識別方法包括：獲取所述預(yù)設(shè)密閉場景對應(yīng)的場景數(shù)據(jù)；采用不同的預(yù)設(shè)識別規(guī)則對所述場景數(shù)據(jù)進(jìn)行識別處理，分別獲取多個第一識別結(jié)果；對多個所述第一識別結(jié)果進(jìn)行融合處理，得到融合結(jié)果；基于所述融合結(jié)果確定所述預(yù)設(shè)密閉場景中是否存在預(yù)設(shè)對象。本發(fā)明通過采用不同的預(yù)設(shè)識別規(guī)則對所述場景數(shù)據(jù)進(jìn)行識別處理，分別獲取多個識別結(jié)果，并對獲得的多個識別結(jié)果進(jìn)行融合處理，得到融合結(jié)果，以確定預(yù)設(shè)密閉場景中是否存在預(yù)設(shè)對象，從而提高了識別的準(zhǔn)確性和識別效率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識別技術(shù)領(lǐng)域，尤其涉及一種目標(biāo)物的識別方法、系統(tǒng)、設(shè)備和介質(zhì)。

背景技術(shù)

近年來，電瓶車進(jìn)入電梯間發(fā)生火災(zāi)的事故時有發(fā)生，針對該事故現(xiàn)象，目前采用的檢測手段主要有兩種，第一種，基于機(jī)器學(xué)習(xí)方法的特征捕捉，該方法通常是針對特定的特征數(shù)據(jù)來設(shè)計有效的目標(biāo)檢測特征，從而進(jìn)行目標(biāo)檢測建模，進(jìn)而實現(xiàn)了對電瓶車進(jìn)行識別；第二種，基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測特征捕捉，該方法可以從大量數(shù)據(jù)中自主學(xué)習(xí)目標(biāo)檢測圖像中的深層特征信息，從而實現(xiàn)圖像中識別目標(biāo)的特征捕捉，進(jìn)而檢測出識別出電瓶車。

上述兩種方案，存在如下缺點：

第一，泛化能力較差。使用針對機(jī)器學(xué)習(xí)算法的特定數(shù)據(jù)目標(biāo)特征，精確度不高。獲取的特征太過局限，環(huán)境復(fù)雜條件下特征難以計算；

第二，識別速度慢。深層神經(jīng)網(wǎng)絡(luò)計算過程中參數(shù)量復(fù)雜，精度相對提高條件下，損失了計算速度、空間占用大，網(wǎng)絡(luò)層級太深，導(dǎo)致參數(shù)量過于巨大，以至于占用太多內(nèi)存空間；

第三，識別效率低。傳統(tǒng)方法通常只借助于機(jī)器學(xué)習(xí)算法或者深度學(xué)習(xí)算法進(jìn)行識別，識別角度單一。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是為了克服現(xiàn)有技術(shù)中識別精度低和識別效率低的缺陷，提供一種目標(biāo)物的識別方法、系統(tǒng)、設(shè)備和介質(zhì)。

本發(fā)明是通過下述技術(shù)方案來解決上述技術(shù)問題：

本發(fā)明提供一種目標(biāo)物的識別方法，所述識別方法應(yīng)用在預(yù)設(shè)密閉場景中，所述識別方法包括：

獲取所述預(yù)設(shè)密閉場景對應(yīng)的場景數(shù)據(jù)；

采用不同的預(yù)設(shè)識別規(guī)則對所述場景數(shù)據(jù)進(jìn)行識別處理，分別獲取多個第一識別結(jié)果；

對多個所述第一識別結(jié)果進(jìn)行融合處理，得到融合結(jié)果；

基于所述融合結(jié)果確定所述預(yù)設(shè)密閉場景中是否存在預(yù)設(shè)對象。

較佳地，所述識別方法還包括：

根據(jù)場景數(shù)據(jù)確定預(yù)設(shè)密閉場景中是否包括用于表征所述預(yù)設(shè)對象的特征數(shù)據(jù)，若包括，則確定所述預(yù)設(shè)密閉場景中存在預(yù)設(shè)對象；若不包括，則采用不同的預(yù)設(shè)識別規(guī)則對所述場景數(shù)據(jù)進(jìn)行識別處理。

較佳地，所述采用不同的預(yù)設(shè)識別規(guī)則對所述場景數(shù)據(jù)進(jìn)行識別處理，分別獲取多個第一識別結(jié)果的步驟包括：

采用不同的方式獲取同一識別對象的不同視頻數(shù)據(jù)；

基于不同視頻數(shù)據(jù)，生成不同視頻數(shù)據(jù)對應(yīng)的圖像幀序列；

將不同視頻數(shù)據(jù)對應(yīng)的圖像幀序列輸入至對應(yīng)的輕量級網(wǎng)絡(luò)中，以獲取多個第一識別結(jié)果。

較佳地，所述對多個所述第一識別結(jié)果進(jìn)行融合處理，得到融合結(jié)果的步驟包括：

對多個所述第一識別結(jié)果輸入至MAX-K融合模型中進(jìn)行融合，以得到融合結(jié)果。

較佳地，

所述預(yù)設(shè)密閉場景包括電梯；

所述預(yù)設(shè)對象包括電動設(shè)備；