[发明专利]一种目标识别方法、装置及监控设备

权利要求书

1.一种目标识别方法，其特征在于，所述方法包括：

获取待检测图像；

采用预设目标检测方法，通过预先训练得到的检测模型，对所述待检测图像进行检测，得到所述待检测图像中多个目标区域的置信度；

针对置信度低于预设阈值的第一目标区域，通过预先训练得到的多个卷积神经网络分类模型，对所述第一目标区域中的目标进行识别，确定各目标的类别，其中，所述多个卷积神经网络分类模型为：对多个类别的目标分别对应的样本集进行训练得到的模型。

2.根据权利要求1所述的方法，其特征在于，所述获取待检测图像，包括：

获取指定场景下的源图像；

对所述源图像进行归一化处理，得到满足预设尺寸的待检测图像。

3.根据权利要求1所述的方法，其特征在于，所述获取待检测图像，包括：

获取指定场景下的源图像；

提取所述源图像中感兴趣区域ROI内的图像，作为待检测图像。

4.根据权利要求1所述的方法，其特征在于，在所述采用预设目标检测方法，通过预先训练得到的检测模型，对所述待检测图像进行检测，得到所述待检测图像中多个目标区域的置信度之前，所述方法还包括：

获取多个包含有指定目标的图像样本；

根据标定的各图像样本中指定目标的坐标信息，提取各图像样本中指定目标所处区域的图像，作为目标图像；

对各目标图像进行训练，得到检测模型。

5.根据权利要求4所述的方法，其特征在于，在所述通过预先训练得到的多个卷积神经网络分类模型，对所述第一目标区域中的目标进行识别，确定各目标的类别之前，所述方法还包括：

提取各目标图像；

按目标的类别，将各目标图像进行划分，得到多个类别分别对应的样本集；

分别对所述多个类别分别对应的样本集进行训练，得到多个卷积神经网络分类模型。

6.根据权利要求1所述的方法，其特征在于，在所述采用预设目标检测方法，通过预先训练得到的检测模型，对所述待检测图像进行检测，得到所述待检测图像中多个目标区域的置信度之后，所述方法还包括：

针对置信度不低于预设阈值的第二目标区域，确定所述第二目标区域中的目标的位置信息。

7.根据权利要求1至6任一所述的方法，其特征在于，所述针对置信度低于预设阈值的第一目标区域，通过预先训练得到的多个卷积神经网络分类模型，对所述第一目标区域中的目标进行识别，确定各目标的类别，包括：

针对置信度低于预设阈值的第一目标区域，通过预先训练得到的多个卷积神经网络分类模型，对所述第一目标区域中的作业车辆进行识别，确定各作业车辆的类别，其中，所述多个卷积神经网络分类模型为：对多个类别的作业车辆分别对应的样本集进行训练得到的模型。

8.一种目标识别装置，其特征在于，所述装置包括：

获取模块，用于获取待检测图像；

检测模块，用于采用预设目标检测方法，通过预先训练得到的检测模型，对所述待检测图像进行检测，得到所述待检测图像中多个目标区域的置信度；

识别模块，用于针对置信度低于预设阈值的第一目标区域，通过预先训练得到的多个卷积神经网络分类模型，对所述第一目标区域中的目标进行识别，确定各目标的类别，其中，所述多个卷积神经网络分类模型为：对多个类别的目标分别对应的样本集进行训练得到的模型。

9.根据权利要求8所述的装置，其特征在于，所述获取模块，具体用于：

获取指定场景下的源图像；

对所述源图像进行归一化处理，得到满足预设尺寸的待检测图像。

10.根据权利要求8所述的装置，其特征在于，所述获取模块，具体用于：

获取指定场景下的源图像；

提取所述源图像中感兴趣区域ROI内的图像，作为待检测图像。