[发明专利]目标识别方法、装置、计算机设备及可读存储介质

说明书

本申请提供一种目标识别方法、装置、计算机设备以及可读存储介质，该方法包括对图像数据进行预处理，得到预处理后的图像数据，将预处理后的图像数据输入至目标卷积神经网络模型，通过目标卷积神经网络模型对预处理后的图像数据进行目标识别处理，得到初始特征向量，对初始特征向量与预设特征向量进行运算处理，得到初始特征向量与预设特征向量之间的初始间隔距离，通过初始间隔距离从图像数据中确定目标图像；该方法可以采用目标卷积神经网络模型对完整的图像数据进行目标识别处理，实现目标与背景之间的特征分离，得到准确的初始特征向量，进而根据待识别的目标对应的预设特征向量与初始特征向量，确定目标所在图像，提高目标识别的准确率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种目标识别方法、装置、计算机设备及可读存储介质。

背景技术

随着科学技术的发展，目标重识别任务作为计算机视觉技术中的一个重要分支，在智慧城市、智慧交通等领域存在广泛应用。在这类任务中，一个移动目标可能先后出现在不同的摄像头中，因此，我们需要利用计算机视觉技术中的相关方法来判断不同摄像头中的目标是否属于同一个目标，以实现目标重识别任务。其中，移动目标可以为行人或车辆。

传统技术中，将不同摄像头采集到的包含目标的图像，均分割成多个不同的子图像，然后采用卷积神经网络模型对子图像进行特征提取处理，然后对不同子图像提取到的特征进行对比分析，并将所有目标特征合并处理，以得到每个图像的整体目标特征。但是，传统技术中采用分割方式实现目标重识别任务，会导致目标识别的准确率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高目标识别准确率的目标识别方法、装置、计算机设备及可读存储介质。

本申请实施例提供一种目标识别方法，所述方法包括：

对图像数据进行预处理，得到预处理后的图像数据；

将所述预处理后的图像数据输入至目标卷积神经网络模型，通过所述目标卷积神经网络模型对所述预处理后的图像数据进行目标识别处理，得到初始特征向量；其中，所述目标卷积神经网络模型为对初始卷积神经网络模型进行训练处理得到的模型；

对所述初始特征向量与预设特征向量进行运算处理，得到所述初始特征向量与预设特征向量之间的初始间隔距离；

通过所述初始间隔距离从所述图像数据中确定目标图像。

在其中一个实施例中，所述将所述预处理后的图像数据输入至目标卷积神经网络模型，通过所述目标卷积神经网络模型对所述预处理后的图像数据进行目标识别处理，得到初始特征向量，包括：

通过所述目标卷积神经网络模型对所述预处理后的图像数据进行特征提取处理、卷积运算处理以及过滤处理，得到所述初始特征向量；其中，所述过滤处理表征滤除干扰信息的处理。

在其中一个实施例中，所述通过所述目标卷积神经网络模型对所述预处理后的图像数据进行特征提取处理、卷积运算处理以及过滤处理，得到所述初始特征向量，包括：

通过所述目标卷积神经网络模型对所述预处理后的图像数据进行特征提取处理，得到融合特征向量图；其中，所述融合特征向量图包括目标特征与背景特征融合的特征向量图；

通过所述目标卷积神经网络模型对融合特征向量图进行目标卷积运算处理以及过滤处理，得到所述初始特征向量。

在其中一个实施例中，所述通过所述目标卷积神经网络模型对融合特征向量图进行目标卷积运算处理以及过滤处理，得到所述初始特征向量，包括：

通过所述目标卷积神经网络模型对融合特征向量图进行目标卷积运算处理，得到第一目标区域特征图；

通过所述目标卷积神经网络模型对所述预处理后的图像数据进行背景卷积运算处理，得到第一背景区域特征图；