[发明专利]一种目标对象的识别方法和装置

说明书

本发明公开了一种目标对象的识别方法和装置，涉及超级深度学习技术领域。该方法的具体实施方式包括：获取车端图像包括的多个待检测目标对象的当前优先级；其中，当前优先级是根据车辆的行驶数据确定的；根据预训练的图像检测模型的目标输入尺度和当前优先级，确定车端图像的多个预处理区域；其中，预处理区域包括一个或多个待检测目标对象；根据多个预处理区域，对车端图像进行处理，将处理结果作为图像检测模型的输入，以识别目标对象。该实施方式能够实现在有限检测区域内可以涵盖更多数量、更高优先级的目标对象，并且不会消耗额外的车端资源，从而实现目标对象的多区域检测，提升了用户体验，保障行车安全和车端服务的稳定性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种目标对象的识别方法和装置。

背景技术

图像识别(image identification)是指利用深度学习算法对图像进行处理、分析和理解，以识别各种不同模式的目标和对象。

现有的车辆行驶过程中，车端服务器为了识别视野内的目标对象(比如，红绿灯)，通常是确定出感兴趣区域，把感兴趣区域通过resize函数调整至模型检测所需尺度，进而进行模型检测。

然而，在模型的有限检测区域下，如果视野范围内包括多个目标对象，现有的裁剪方式无法做到兼顾，可能造成目标丢失；如果采用增加batch size的方式进行检测，需要占用的车端资源也就越大，使得车端服务器的负载压力过大、响应延时等，用户体验差，严重情况下甚至会导致车端服务器崩溃引起安全事故。

发明内容

有鉴于此，本发明实施例提供一种目标对象的识别方法和装置，能够实现在有限检测区域内可以涵盖更多数量、更高优先级的目标对象，并且不会消耗额外的车端资源，从而实现目标对象的多区域检测，提升了用户体验，保障行车安全和车端服务的稳定性。

为实现上述目的，根据本发明实施例的一个方面，提供了一种目标对象的识别方法，包括：

获取车端图像包括的多个待检测目标对象的当前优先级；其中，所述当前优先级是根据车辆的行驶数据确定的；

根据预训练的图像检测模型的目标输入尺度和所述当前优先级，确定所述车端图像的多个预处理区域；其中，所述预处理区域包括一个或多个所述待检测目标对象；

根据多个所述预处理区域，对所述车端图像进行处理，将处理结果作为所述图像检测模型的输入，以识别所述目标对象。

可选地，所述根据图像检测模型的目标输入尺度和所述当前优先级，确定所述车端图像的多个预处理区域，包括：

根据所述目标输入尺度，确定所述待检测目标对象的目标区域尺度；

根据预设边缘尺度和所述目标区域尺度，确定多个所述待检测目标对象的候选区域集合；其中，所述候选区域集合包括多个候选区域框，所述候选区域框内包括一个或多个待检测目标对象；

根据所述候选区域集合内的所述待检测目标对象的当前优先级和目标数量，确定所述多个预处理区域。

可选地，所述根据预设边缘尺度和所述目标区域尺度，确定多个所述待检测目标对象的候选区域集合，包括：

根据所述预设边缘尺度和所述目标区域尺度，生成与所述待检测目标对象对应的多个候选区域框；

根据所述候选区域框的尺度，对多个所述候选区域框进行排序；

按照排序结果，确定所述车端图像包括的全部所述待检测目标对象的多个候选区域，组成所述候选区域集合。

可选地，所述确定所述车端图像包括的全部所述待检测目标对象的多个候选区域，包括：

从最小候选区域框开始，循环执行以下步骤，直至所述候选区域包括最多个待检测目标对象：