[发明专利]一种运动目标识别训练方法、运动目标识别方法及装置

权利要求书

1.一种运动目标识别训练方法，其特征在于，包括：

获得连续的多张图像；

将每张所述图像依序输入双层ViT特征融合模型的内层输入端，以获得每张所述图像中目标的第一类静态特征和第二类静态特征；

将每张所述图像中所述第一类静态特征和所述第二类静态特征在双层ViT特征融合模型的内层输出端进行融合得到融合特征；

将至少部分所述图像的所述融合特征依序输入所述双层ViT特征融合模型的外层输入端进行分类训练直至整个网络收敛，同时将至少部分所述图像的所述融合特征依序输入所述双层ViT特征融合模型的所述外层输入端进行融合，得到动态特征。

2.根据权利要求1所述的运动目标识别训练方法，其特征在于，

所述获得每张所述图像中目标的第一类静态特征和第二类静态特征包括：

获得每张所述图像中目标的细粒度静态特征和细粒度轮廓特征。

3.根据权利要求2所述的运动目标识别训练方法，其特征在于，

所述获得每张所述图像中目标的细粒度静态特征和细粒度轮廓特征包括：

将所述目标分割为若干部分，依序输入双层ViT特征融合模型的内层第一输入端，获得所述细粒度静态特征；

将所述目标的轮廓分割为若干部分，依序输入所述双层ViT特征融合模型的内层第二输入端，获得所述细粒度轮廓特征。

4.根据权利要求3所述的运动目标识别训练方法，其特征在于，

所述将每张所述图像中所述第一类静态特征和所述第二类静态特征进行融合得到融合特征包括：

将所述细粒度静态特征和所述细粒度轮廓特征在所述双层ViT特征融合模型的内层输出端进行加权平均融合，得到所述融合特征。

5.根据权利要求1所述的运动目标识别训练方法，其特征在于，

所述将至少部分所述图像的所述融合特征依序输入所述双层ViT特征融合模型的外层输入端进行分类训练包括：

将至少部分所述图像的所述融合特征依序输入所述双层ViT特征融合模型的外层输入端进行基于归一化指数损失的分类训练，直至整个网络收敛。

6.一种运动目标识别方法，其特征在于，包括：

获取待识别目标连续的多张图像；

将每张所述图像依序输入双层ViT特征融合模型的内层输入端，以获取每张所述图像中所述待识别目标的第一类静态特征和第二类静态特征；

将每张所述图像中的所述第一类静态特征和所述第二类静态特征在双层ViT特征融合模型的内层输出端进行融合得到融合特征；

将至少部分所述图像的所述融合特征依序输入所述双层ViT特征融合模型的外层输入端进行融合，得到动态特征；

根据所述动态特征得到识别结果。

7.根据权利要求6所述的运动目标识别方法，其特征在于，

所述根据所述动态特征得到识别结果包括：

逐一计算所述动态特征与运动目标底库中的所有存储特征之间的余弦相似度；

对所述余弦相似度进行排序，获取其中最大余弦相似度；

判断所述最大余弦相似度是否大于预设的识别阈值；

若是，则获取所述最大余弦相似度对应的所述存储特征，并将所述存储特征对应的身份信息作为所述待识别目标的识别结果。

8.根据权利要求7所述的运动目标识别方法，其特征在于，

所述获取待识别目标连续的多张图像之前还包括：

建立所述运动目标底库，所述运动目标底库用于保存所有待存储目标的所述身份信息以及所述存储特征。

9.一种运动目标识别装置，其特征在于，包括相互耦接的存储器和处理器，所述存储器存储有程序指令，所述程序指令用于被所述处理器执行以实现权利要求6至8任一项所述的运动目标识别方法。