[发明专利]一种目标识别方法及图像处理设备

说明书

本发明实施例公开了一种目标识别方法及图像处理设备，在本方案中，将多张图像输入至深度卷积神经网络，通过训练得到深度特征网络，利用该深度特征网络，识别视频帧图像中目标的特征，再结合预先存储的特征与身份的对应关系，识别该目标的身份；由此可见，一方面，本方案中，并不需要利用各台摄像机之间的标定信息，即使摄像机的位置发生变化，也不会影响目标识别的准确度，另一方面，本方案中，基于深度特征网络进行目标识别，深度特征网络基于大量图像训练得到，携带的信息更丰富，识别准确度更高。

技术领域

本发明涉及机器视觉技术领域，特别涉及一种目标识别方法及图像处理设备。

背景技术

目前，许多场景中都设置有监控设备，比如，商场、学校、写字楼等场景中，通常设置有多台摄像机对场景进行监控。与摄像机相连的图像处理设备对摄像机采集到的图像进行分析，根据分析结果，可以识别图像中的目标。

现有的识别方案一般包括：人工对一台摄像机采集的图像中的目标进行身份标记，利用该身份标记、以及各台摄像机之间的标定信息，便可以在各台摄像机采集的图像中，识别出目标的身份。

上述方案中，如果摄像机的位置发生变化，则需要重新标定，否则会导致目标识别不准确。

发明内容

本发明实施例的目的在于提供一种目标识别方法及图像处理设备，提高识别准确度。

为达到上述目的，本发明实施例公开了一种目标识别方法，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。

可选的，所述检测视频帧图像中的目标，可以包括：

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。

可选的，所述检测视频帧图像中的目标，可以包括：

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。

可选的，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，可以包括：

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，可以包括：

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。