图像识别方法、装置和视频监控设备制造方法及图纸

本发明专利技术公开了一种图像识别方法、装置和视频监控设备，所述方法包括以下步骤：利用基于深度学习算法训练的检测模型检测图像信息中的目标对象；利用基于深度学习算法训练的识别模型识别目标对象的特征信息；从特征信息中提取出目标对象的结构化特征。从而，通过将人工智能的深度学习技术和视频监控技术深度融合，利用基于深度学习算法训练的检测模型和识别模块检测图像信息中的目标对象并识别目标对象的特征信息，进而提取出目标对象精细的结构化特征，从而大大提高了图像识别效率和识别精度，实现了海量视频数据的高效结构化管理，形成了有效的信息资源，大大提高了检索速度，特别是能够实现对视频中人、车两大主要对象的智能实时检测与识别。

【技术实现步骤摘要】
图像识别方法、装置和视频监控设备
本专利技术涉及视频监控
，尤其涉及一种图像识别方法、装置和视频监控设备。
技术介绍
视频监控因为其直观、准确、及时、内容丰富而广泛应用于多种场合。近年来，全国各地公安机关大力开展视频监控系统建设，视频技术已逐步成为各类案(事)件侦破处置过程中搜集证据、提取线索的重要手段。在监所、平安城市、公安、金融等行业，视频监控功能可谓是重中之重。大量的监控设备无时无刻不产生着视频数据，庞大的视频数据带来的是人力难以克服的视频分析困局。当前的监控系统存在实时监控设备众多，图像信息全靠人力或者传统的机器学习方法来识别，识别效率和识别精度都很低，因此无法对海量的视频数据进行高效整合管理，形成有效的信息资源，特别是不能实现对视频中人、车两大主要监控对象的智能实时检测与识别。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种图像识别方法、装置和视频监控设备，以解决图像识别效率和识别精度低的技术问题。本专利技术解决上述技术问题所采用的技术方案如下：根据本专利技术的一个方面，提供的一种图像识别方法，所述方法包括以下步骤：利用基于深度学习算法训练的检测模型检测图像信息中的目标对象，所述检测模型包括车辆检测模型、人脸检测模型和人形检测模型；利用基于深度学习算法训练的识别模型识别所述目标对象的特征信息，所述识别模型包括车辆识别模型、人脸识别模型和人形识别模型；从所述特征信息中提取出所述目标对象的结构化特征。可选地，所述目标对象包括车辆、人脸和人形中的至少一种。可选地，所述目标对象包括车辆，所述从所述特征信息中提取出所述目标对象的结构化特征包括：从所述车辆的特征信息中提取出所述车辆的属性特征、标识物特征、主/副驾特征和/或运动特征中的至少一种作为所述车辆的结构化特征。可选地，所述车辆的属性特征包括车牌号码、车牌类型、车辆品牌、车辆型号、车辆类型和车辆颜色中的至少一种。可选地，所述目标对象包括人脸，所述从所述特征信息中提取出所述目标对象的结构化特征包括：从所述人脸的特征信息中提取出所述人脸的属性特征和装饰特征中的至少一种作为所述人脸的结构化特征。可选地，所述目标对象包括人形，所述从所述特征信息中提取出所述目标对象的结构化特征包括：从所述人形的特征信息中提取出所述人形的服饰特征、携带物特征和运动特征中的至少一种作为所述人形的结构化特征。根据本专利技术的另一个方面，提供的一种图像识别装置，所述装置包括：检测模块，用于利用基于深度学习算法训练的检测模型检测图像信息中的目标对象，所述检测模型包括车辆检测模型、人脸检测模型和人形检测模型；识别模块，用于利用基于深度学习算法训练的识别模型识别所述目标对象的特征信息，所述识别模型包括车辆识别模型、人脸识别模型和人形识别模型；提取模块，用于从所述特征信息中提取出所述目标对象的结构化特征。可选地，所述目标对象包括车辆，所述提取模块用于：从所述车辆的特征信息中提取出所述车辆的属性特征、标识物特征、主/副驾特征和/或运动特征中的至少一种作为所述车辆的结构化特征。可选地，所述目标对象包括人脸，所述提取模块用于：从所述人脸的特征信息中提取出所述人脸的属性特征和装饰特征中的至少一种作为所述人脸的结构化特征。可选地，所述目标对象包括人形，所述提取模块用于：从所述人形的特征信息中提取出所述人形的服饰特征、携带物特征和运动特征中的至少一种作为人形的结构化特征。本专利技术还提出一种视频监控设备，所述视频监控设备包括存储器、处理器和至少一个被存储在所述存储器中并被配置为由所述处理器执行的应用程序，所述应用程序被配置为用于执行前述图像识别方法。本专利技术实施例的图像识别方法，通过将人工智能的深度学习技术和视频监控技术深度融合，利用基于深度学习算法训练的检测模型和识别模块检测图像信息中的目标对象并识别目标对象的特征信息，进而提取出目标对象更加精细的结构化特征，从而大大提高了图像识别效率和识别精度，实现了海量视频数据的高效结构化管理，形成了有效的信息资源，大大提高了检索速度，特别是能够实现对视频中人、车两大主要对象的智能实时检测与识别。附图说明图1为本专利技术实施例的图像识别方法的流程图；图2为本专利技术实施例中车辆的结构化特征的列表示意图；图3为本专利技术实施例中人脸的结构化特征的列表示意图；图4为本专利技术实施例中人形的结构化特征的列表示意图；图5为应用本专利技术实施例的图像识别方法的视频监控系统的模块示意图；图6为本专利技术实施例的图像识别装置的模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。参见图1，提出本专利技术实施例的图像识别方法一实施例，所述方法包括以下步骤：S11、利用基于深度学习算法训练的检测模型检测图像信息中的目标对象。S12、利用基于深度学习算法训练的识别模型识别目标对象的特征信息。S13、从识别出的特征信息中提取出目标对象的结构化特征。本专利技术实施例中，预先通过人工智能(ArtificialIntelligence，AI)的深度学习算法进行离线训练，训练出检测准确度和识别准确度较高的检测模型和识别模型，优选采用Tensorflow或者Caffe架构进行离线训练。所述检测模型包括车辆检测模型、人脸检测模型(如mtcnn模型)和人形检测模型中的至少一种，所述识别模型包括车辆识别模型、人脸识别模型(如DeepID或者facenet模型)和人形识别模型中的至少一种，识别模型中可以包括各种分类器。在其它实施例中，也可以包括其它的检测模型和识别模型。人工智能是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，其企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。深度学习技术，通过一套模拟人类大脑感知周围世界方式的算法，大大地提升了机器在理解、感知和预测等多方面的性能，是近年来人工智能领域最重大的突破之一。本专利技术实施例将深度学习应用于计算机视觉领域中，可以让机器感知、理解和识别图片内容的能力得到历史性的突破。本专利技术实施例的图像信息，可以是视频或者图片，如电子卡口系统、电子警察、社会摄像头、违章摄像头、平安城市视频监控系统、道路交通监控系统、平安校园监控系统、地铁监控系统及高清相机等采集的视频或图片。视频可以是视频文件或实时视频流。步骤S11中，首先将图像信息统一转换为预定的格式，如将视频转换为预定的视频编码格式，将图片统一转换为预定的图片格式。然后利用检测模型检测图像信息中的目标对象，所述目标对象包括车辆、人脸和人形中的至少一种，分别利用车辆检测模型、人脸检测模型和人形检测模型检测图像信息中的车辆、人脸和人形，当然也可以是其它的目标对象。在具体实施时，可以根据策略抽取视频帧，提取关键帧信息，按照帧时序关系进行背景提取和目标判定，根据相应的检测模型及其分析算法检测并提取出车辆、人形和/或人脸目标。步骤S12中，利用识别模型对检测到的目标对象本文档来自技高网...

【技术保护点】
1.一种图像识别方法，其特征在于，包括以下步骤：利用基于深度学习算法训练的检测模型检测图像信息中的目标对象，所述检测模型包括车辆检测模型、人脸检测模型和人形检测模型；利用基于深度学习算法训练的识别模型识别所述目标对象的特征信息，所述识别模型包括车辆识别模型、人脸识别模型和人形识别模型；从所述特征信息中提取出所述目标对象的结构化特征。

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括以下步骤：利用基于深度学习算法训练的检测模型检测图像信息中的目标对象，所述检测模型包括车辆检测模型、人脸检测模型和人形检测模型；利用基于深度学习算法训练的识别模型识别所述目标对象的特征信息，所述识别模型包括车辆识别模型、人脸识别模型和人形识别模型；从所述特征信息中提取出所述目标对象的结构化特征。2.根据权利要求1所述的图像识别方法，其特征在于，所述目标对象包括车辆、人脸和人形中的至少一种。3.根据权利要求2所述的图像识别方法，其特征在于，所述目标对象包括车辆，所述从所述特征信息中提取出所述目标对象的结构化特征包括：从所述车辆的特征信息中提取出所述车辆的属性特征、标识物特征、主/副驾特征和/或运动特征中的至少一种作为所述车辆的结构化特征。4.根据权利要求3所述的图像识别方法，其特征在于，所述车辆的属性特征包括车牌号码、车牌类型、车辆品牌、车辆型号、车辆类型和车辆颜色中的至少一种。5.根据权利要求2所述的图像识别方法，其特征在于，所述目标对象包括人脸，所述从所述特征信息中提取出所述目标对象的结构化特征包括：从所述人脸的特征信息中提取出所述人脸的属性特征和装饰特征中的至少一种作为所述人脸的结构化特征。6.根据权利要求2所述的图像识别方法，其特征在于，所述目标对象包括人形...

【专利技术属性】
技术研发人员：姚晓，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：广东,44