[发明专利]目标识别方法及系统

说明书

一种目标识别方法及系统。所述方法包括：在接收到输入图像以后，分别利用预设的检测网络模型，对所述输入图像进行目标检测，得到目标物品的检测结果；所述目标物品的检测结果包括：目标物品类别信息、目标物品位置信息及置信度信息；利用预设的分类网络模型，对所述目标物品的检测结果进行分类，得到所述目标物品的分类结果；所述目标物品的分类结果包括：目标物品类别信息及置信度信息；利用所述目标物品的分类结果，判断所述目标物品的检测结果是否有效，将有效的所述目标物品的检测结果，作为所述目标物品的识别结果。应用上述方案，可以提高目标检测的准确性。

技术领域

本发明涉及目标检测领域，具体涉及一种目标识别方法及系统。

背景技术

深度学习的原型，是用计算机系统架构来模拟人类大脑，广泛应用在安检等领域中。其中，深度学习在安检领域的应用，主要为目标检测，即检测出输入图像中目标物品的位置和分类信息。

现有基于深度学习进行目标检测的方案，通常使用单个卷积神经网络(Convolutional Neural Networks，CNN)或全连接深度神经网络(Deep Neural Networks，DNN)，进行目标检测。

然而，采用上述方案进行目标检测的准确性较差。

发明内容

本发明要解决的问题是：提高目标检测的准确性。

为解决上述问题，本发明实施例提供了一种目标识别方法，所述方法包括：

在接收到输入图像以后，分别利用预设的检测网络模型，对所述输入图像进行目标检测，得到目标物品的检测结果；所述目标物品的检测结果包括：目标物品类别信息、目标物品位置信息及置信度信息；

利用预设的分类网络模型，对所述目标物品的检测结果进行分类，得到所述目标物品的分类结果；所述目标物品的分类结果包括：目标物品类别信息及置信度信息；

利用所述目标物品的分类结果，判断所述目标物品的检测结果是否有效，将有效的所述目标物品的检测结果，作为所述目标物品的识别结果。

可选地，所述利用所述目标物品的分类结果，判断所述目标物品的检测结果是否有效，包括：

利用预设的第一训练样本类别映射关系信息，对所述目标物品的检测结果中目标物品类别信息进行类别转换，并基于类别转换结果，判断所述目标物品的检测结果是否有效，得到所述目标物品的识别结果；

其中，所述第一训练样本类别映射关系信息，为同一训练样本在作为所述检测网络模型对应的训练样本时所在的类别，与在作为所述分类网络模型对应的训练样本时所在的类别，二者之间的对应关系信息。

可选地，所述基于类别转换结果，判断所述目标物品的检测结果是否有效，包括：

基于类别转换结果，判断所述目标物品的检测结果中的目标物品类别信息，与所述目标物品的分类结果的目标物品类别信息，是否匹配，得到第一判断结果；

基于第一判断结果，结合所述目标物品的检测结果及所述目标物品的分类结果中的置信度信息，确定所述目标物品的检测结果是否有效。

可选地，所述基于第一判断结果，结合所述目标物品的检测结果及所述目标物品的分类结果中的置信度信息，确定所述目标物品的检测结果是否有效，包括：

当所述第一判断结果为二者匹配时，若所述目标物品的检测结果中置信度高于第一置信度阈值，或者所述目标物品的分类结果中置信度高于第二置信度阈值，则所述目标物品的检测结果有效，否则无效；

当所述第一判断结果为二者不匹配时，若所述目标物品的检测结果中置信度高于第三置信度阈值，或者所述目标物品的分类结果中置信度高于第四置信度阈值，则所述目标物品的检测结果有效，否则无效；