[发明专利]一种目标识别方法及装置在审

专利信息
申请号: 202110968767.3 申请日: 2021-08-23
公开(公告)号: CN113762108A 公开(公告)日: 2021-12-07
发明(设计)人: 杨永涛;唐邦杰;潘华东;殷俊 申请(专利权)人: 浙江大华技术股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京同达信恒知识产权代理有限公司 11291 代理人: 刘彩红
地址: 310053 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 目标 识别 方法 装置
【权利要求书】:

1.一种目标识别方法,其特征在于,包括:

将待处理图像输入训练后的目标识别模型,所述目标识别模型中至少包括主属性识别分支、子属性识别分支和辅属性识别分支;所述主属性识别分支是利用第一历史图像集进行训练得到的,所述辅属性识别分支是利用第二历史图像集进行训练得到的,所述第二历史图像集是所述第一历史图像集的子集;

利于所述主属性识别分支对待识别目标的主属性进行识别,得到第一主属性识别结果;以及利用所述子属性识别分支对所述主属性的子属性进行识别,得到子属性识别结果;以及利用所述辅属性识别分支对所述待识别目标的主属性进行识别,得到第二主属性识别结果;

基于所述子属性识别结果和所述第二主属性识别结果,对所述第一主属性识别结果进行修正,并将修正后的第一主属性识别结果确定为所述待识别目标的属性特征。

2.如权利要求1所述的目标识别方法,其特征在于,所述第二历史图像集包括难识别历史图像;其中,

所述难识别历史图像的第一主属性预测结果和所述难识别历史图像的第一主属性标注结果的偏差值大于或等于偏差值阈值;所述第一主属性预测结果为:利用所述主属性识别分支对所述难识别历史图像中包含的所述待识别目标的主属性进行识别得到的结果。

3.如权利要求2所述的目标识别方法,其特征在于,所述第二历史图像集还包含非目标图像,所述非目标图像为不包括所述待识别目标的历史图像。

4.如权利要求1所述的目标识别方法,其特征在于,基于所述子属性识别结果和所述第二主属性识别结果,对所述第一主属性识别结果进行修正,并将修正后的第一主属性识别结果确定为所述待识别目标的属性特征,包括:

基于所述子属性识别结果和相关子属性的确定结果的相似程度,将所述第二主属性识别结果或所述第一主属性识别结果确定为所述待识别目标的属性特征;

其中所述相关子属性为:所述待识别目标与参考目标的共同子属性,所述参考目标为所述待处理图像中与所述待识别目标具有共同边界的目标。

5.如权利要求4所述的目标识别方法,其特征在于,基于所述子属性识别结果和相关子属性的确定结果的相似程度,将所述第二主属性识别结果或所述第一主属性识别结果确定为所述待识别目标的属性特征,包括:

若所述子属性识别结果和所述相关子属性的确定结果相同,则将所述第二主属性识别结果确定为所述待识别目标的属性特征;

若所述子属性识别结果和所述相关子属性的确定结果不同,则将所述第一主属性识别结果确定为所述待识别目标的属性特征。

6.如权利要求4或5所述的目标识别方法,其特征在于,将所述第二主属性识别结果或所述第一主属性识别结果确定为所述待识别目标的属性特征之前,还包括:

根据预设的所述参考目标的子属性,确定所述相关子属性的确定结果;

或,利用所述目标识别模型中包括的相关子属性识别分支,对所述参考目标的子属性进行识别,并将得到的相关子属性识别结果确定为所述相关子属性的确定结果。

7.如权利要求1所述的目标识别方法,其特征在于,所述目标识别模型是通过如下方式获得的:

确定所述第一历史图像集;其中,所述第一历史图像集中每个样本图像至少设置有针对所述主属性的标签和针对所述子属性的标签;

采用所述第一历史图像集,对预先建立的初始目标识别模型进行训练;其中,训练后的所述初始目标识别模型包括:所述主属性识别分支和所述子属性识别分支;

基于所述主属性,从所述第一历史图像集中确定出所述第二历史图像集;

在训练后的所述初始目标识别模型中添加辅属性识别分支,并采用所述第二历史图像集,对添加有所述辅属性识别分支且训练后的所述初始目标识别模型进行训练,得到所述目标识别模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110968767.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top