[发明专利]一种目标识别方法及图像处理设备

权利要求书

1.一种目标识别方法，其特征在于，包括：

检测视频帧图像中的目标；

将所述目标所在的图像区域输入至深度特征网络中，得到所述目标的特征；其中，所述深度特征网络为：将多张图像输入至深度卷积神经网络训练得到；

在预先存储的特征与身份的对应关系中，查找与所述特征相匹配的身份；

将查找到的身份确定为目标识别结果；

所述检测视频帧图像中的目标，包括：

检测当前视频帧图像中的第一目标；

将所述第一目标与所述当前视频帧图像之前的视频帧图像中的第二目标进行匹配；

根据匹配结果，确定所述当前视频帧图像中的目标。

2.根据权利要求1所述的方法，其特征在于，所述检测视频帧图像中的目标，包括：

利用图像检测算法，检测视频帧图像中的目标；

或者，将视频帧图像与预先设定的目标模型进行匹配，将匹配成功的图像区域确定为目标所在的图像区域；

或者，将视频帧图像输入至检测器，根据输出结果，确定目标所在的图像区域。

3.根据权利要求1所述的方法，其特征在于，所述将所述第一目标与所述当前视频帧图像之前的视频帧图像中的第二目标进行匹配，包括：

计算所述第一目标对应的第一矩形框与所述第二目标对应的第二矩形框的重叠率；

利用预设关联算法及所述重叠率，对每个第一目标及每个第二目标进行数据关联；

所述根据匹配结果，确定所述当前视频帧图像中的目标，包括：

将与第二目标存在关联关系的第一目标确定为匹配成功的第一目标；

将与第二目标不存在关联关系的第一目标确定为未匹配成功的第一目标；

将所述匹配成功的第一目标确定为所述当前视频帧图像中的目标；

确定所述未匹配成功的第一目标的置信度；

在所述置信度大于第一预设阈值的情况下，将所述未匹配成功的第一目标确定为所述当前视频帧图像中的目标。

4.根据权利要求3所述的方法，其特征在于，所述将所述匹配成功的第一目标确定为所述当前视频帧图像中的目标，包括：

利用卡尔曼滤波算法，对所述匹配成功的第一目标进行校正；

将校正后的目标确定为所述当前视频帧图像中的目标。

5.根据权利要求4所述的方法，其特征在于，所述根据匹配结果，确定所述当前视频帧图像中的目标，还包括：

将与第一目标不存在关联关系的第二目标确定为未匹配成功的第二目标；

判断所述未匹配成功的第二目标是否与所述当前视频帧图像之前的预设数量帧图像中的目标均未匹配成功；

如果否，将所述匹配成功的第二目标确定为所述当前视频帧图像中的目标。

6.根据权利要求1所述的方法，其特征在于，训练得到所述深度特征网络的过程包括：

获取多张图像，所述多张图像中包含多角度下的同一目标；

将所述多张图像中的目标所在区域输入至深度卷积神经网络；

利用随机梯度下降算法，对所述多角度下的同一目标进行分类训练，反向传播计算所述深度卷积神经网络中各层参数；

根据所述各层参数，构建所述深度特征网络。

7.根据权利要求1所述的方法，其特征在于，所述特征与身份的对应关系以数据表的形式存储，在所述数据表中，身份用键表示、特征用值表示；

所述在预先存储的特征与身份的对应关系中，查找与所述特征相匹配的身份，包括：

采用倒排索引的方式，在所述数据表中，查找与所述特征的相似度满足预设规则的目标值；

计算所述特征与每个目标值的距离；

将最小距离对应的目标键确定为与所述特征相匹配的身份。

8.根据权利要求7所述的方法，其特征在于，在所述将最小距离对应的目标键确定为与所述特征相匹配的身份之前，还包括：

判断最小距离是否小于第二预设阈值；

如果是，将最小距离对应的目标键确定为与所述特征相匹配的身份。