[发明专利]一种物体识别方法及装置

说明书

本发明一种物体识别方法及装置，该方法包括：步骤S1，从初始帧图片中提取跟踪目标的样本并训练跟踪器，将目标特征存入样本空间；步骤S2，读取当前帧图片，判断上一帧中跟踪目标是否丢失；步骤S3，若丢失，则利用上一次训练的跟踪器对上一帧目标的位置及其周围若干位置的样本进行处理以得到分数图；步骤S4，若未丢失，则利用上一次训练的跟踪器对上一帧的跟踪目标的位置提取当前帧样本以得到分数图；步骤S5，对各位置的样本分数图进行分数评估，判断分数图是否理想；步骤S6，若理想则更新样本权重并更新目标位置，进行目标缩放比例预测，更新比例；步骤S7，将新样本以样本权重加权更新至样本空间，并根据设置帧数间隔训练跟踪器。

技术领域

本发明涉及计算机视觉技术领域，特别是涉及一种优化的物体识别方法及装置。

背景技术

进入二十一世纪以来，随着互联网技术的快速发展以及手机、相机、个人电脑的普及，图像数据呈现出爆炸式增长。另一方面，随着建设平安城市的需要，监控摄像头的数量越来越多，据不完全统计，仅广州市的监控摄像头数量就超过了30万个，而全国的监控摄像头数量更是达到2000多万个，并仍以每年20％的数量增长。如此大规模的数据远远超出了人类的分析处理能力。因此，智能地处理这些图像和视频数据成为迫切需要。在这种背景下，如何利用计算机视觉技术自动、智能地分析理解图像数据受到人们的广泛关注。

物体识别是计算机视觉任务的经典问题，同时也是解决很多高层视觉任务的核心问题，物体识别的研究为高层视觉任务(例如行为识别、场景理解等)的解决奠定了基础。它在人们的日常生活以及工业生产中有着广泛的应用，例如：智能视频监控、汽车辅助驾驶、智能交通、互联网图像检索、虚拟现实以及人机交互等。

近几十年来，随着大量统计机器学习算法在人工智能和计算机视觉领域的成功应用，计算机视觉技术有了突飞猛进的进步，尤其是近年来，大数据时代的到来为视觉任务提供了更加丰富的海量图像数据，高性能计算设备的发展给大数据计算提供了硬件支持，大量计算机视觉算法也不断地涌现出来，然而，虽然目前也涌现出大量的技术和算法，与之前相比，物体识别方法的健壮性、正确性、效率以及范围方便得到了很大的提升，但依然存在一些困难以及识别障碍，现有的物体识别算法主要存在以下缺陷：

1、比例跟踪速度太慢；

2、无丢失找回功能，一旦出现跟丢的情况出现就无法再跟踪；

3、只能短时间跟踪，不能满足所有应用场景。

发明内容

为克服上述现有技术存在的不足，本发明之一目的在于提供一种物体识别方法及装置，以实现在跟丢的情况下继续跟踪的目的。

本发明之另一目的在于提供一种物体识别方法及装置，以加快比例跟踪速度。

本发明之又一目的在于提供一种物体识别方法及装置，可实现长时间跟踪。

为达上述及其它目的，本发明提出一种物体识别方法，包括如下步骤：

步骤S1，从初始帧图片中提取跟踪目标的样本并训练跟踪器，并将目标特征存入样本空间；

步骤S2，读取当前帧图片，判断上一帧中跟踪目标是否丢失；

步骤S3，若判断结果为跟踪目标丢失，则利用上一次训练的跟踪器对上一帧目标丢失的位置及其周围若干位置的图片样本进行提取，并获得各位置的分数图，进入步骤S5；

步骤S4，若判断结果为跟踪目标未丢失，则利用上一帧目标的位置提取当前帧的图片样本，并利用上一次训练的跟踪器对样本进行评估以得到分数图；

步骤S5，对各位置的样本进行分数评估，并判断分数图是否理想，根据判断结果进入步骤S6或进入下一帧后返回步骤S2；

步骤S6，更新样本权重，更新目标位置，进行目标缩放比例预测，并更新比例；