一种箱包识别方法以及设备技术

本发明专利技术公开了一种箱包识别方法，通过预设的箱包识别模型获取待检测图像的特征区域，以及特征区域的本体特征，特征区域的类型包括人体区域以及箱包区域；根据预设的条件随机场概率模型的第一层对箱包区域的本体特征以及箱包区域与人体区域之间的位置关系进行一次分析，并根据一次分析的结果确定箱包区域所属的箱包类型。由于在一次分析中结合分析了箱包区域的本体特征以及箱包区域与人体区域之间的位置关系，使得分析的因素更加地全面，从而提高了箱包预测的结果。同时，本发明专利技术还公开了一种箱包识别设备。

Bag and bag identification method and equipment

The invention discloses a luggage identification method, obtain the feature detection image area through the luggage identification model of default, as well as the regional characteristics of ontology features, types and characteristics of regional and regional areas including body bags; an analysis of the relationship between the position of the first layer according to the preset conditions with the probability model of airport area bags body characteristics and luggage area and body area, and determine their luggage luggage area according to the analysis of the results of a type. Because in an analysis based on the analysis of the relationship between the position and characteristics of regional body bags and humanzone bags area, makes the analysis more comprehensive factors, so as to improve the prediction results of bags. At the same time, the invention also discloses a luggage recognition equipment.

【技术实现步骤摘要】
一种箱包识别方法以及设备
本专利技术涉及通信
，特别涉及一种箱包识别的方法，同时本申请还特别涉及一种箱包识别的设备。
技术介绍
行人识别是智能交通系统和智能监控系统的重要组成部分，箱包识别则是行人识别的一个子课题，可以为行人识别提供更加丰富的特征，提高识别的准确性，是行人识别非常重要的补充。当前箱包识别的方法很多，主流是基于深度学习的方案。最典型的有基于fasterrcnn的箱包识别技术。但考虑到箱包识别的影响因素太多，包括常见的光照，旋转，遮挡，缩放等因素，还有箱包不同的款式，不同的携带方式以及不同的环境背景都会明显影响箱包识别的准确性。因此，使用深度学习想要完全学习这些变量需要数量极大的样本。然而，检测样本并不容易制作，若要制造数量巨大的样本，需要耗费大量的人力物力。申请人在实现本申请的过程中，发现现有技术中，至少存在以下问题：现有技术中的箱包识别方案，均是采用识别通用目标(各类型的物体均适用的目标)的识别模型的识别方案，并没有考虑箱包在图像中的相对位置特征，特别是箱包与行人的位置特征，从而使得箱包识别的准确率不高。可见，如何在现有箱包识别技术的基础上，结合箱包在图像中的相对位置特征，来对图像中的箱包区域进行识别，进而提高箱包识别的准确性，成为本领域技术人员亟待解决的技术问题。
技术实现思路
本专利技术提供了一种箱包识别方法，用以在现有箱包识别技术的基础上，结合箱包在图像中的相对位置特征，来对图像中的箱包区域进行识别，进而提高箱包识别的准确性。本专利技术提出了一种箱包识别的方法，其特征在于，所述方法至少包括：通过预设的箱包识别模型获取待检测图像的特征区域，以及所述特征区域的本体特征，所述特征区域的类型包括人体区域以及箱包区域；根据预设的条件随机场概率模型的第一层对所述箱包区域的本体特征以及所述箱包区域与所述人体区域之间的位置关系进行一次分析，并根据所述一次分析的结果确定所述箱包区域所属的箱包类型。优选地，所述方法还包括：若根据所述一次分析的结果确定所述待检测图像中存在多个所述箱包区域，则根据所述条件随机场概率模型的第二层对所述箱包区域的本体特征、所述箱包区域与所述人体区域之间的位置关系、以及所述箱包区域与其他箱包区域之间的位置关系进行二次分析，并根据所述二次分析的结果确定所述箱包区域所属的箱包类型。优选地，所述方法还包括：通过难例样本对所述条件随机场概率模型进行训练，所述难例样本是通过对所述训练模型识别错误的样本进行纠正后获取的。优选地，所述条件随机场概率模型如下：其中，p(y|x,θ)为箱包区域为指定箱包类型的概率，Z(x)为箱包区域的归一化因子，exp{φ(y,x；θ)}为箱包区域属于指定箱包类型的势能函数，y为所述指定箱包类型，x为所述箱包区域的输入特征，θ为预设的参数，所述箱包区域的输入特征包含所述箱包区域的本体特征以及所述箱包区域与所述人体区域的位置关系特征。优选地，所述条件随机场概率模型中的其中，y为所述指定箱包类型，x为所述箱包区域的输入特征，θ为预设的参数，θ(yv)为特征参数，λi,j为转移函数的权值，为距离惩罚系数，θ(xi,xj,xhead,yi,yj)为转移函数，v为箱包区域v，V为所述待检测图片中所有箱包区域组成的集合，i为特征区域i，j为特征区域j，E为待检测图片中所有特征区域两两连接组成的集合，xv为箱包区域v的输入特征，xi为特征区域i的输入特征，xj为特征区域j的输入特征，xhead为特征区域head的输入特征yv为箱包区域v的箱包类型，yi为特征区域i的属性类型，yj为特征区域j的属性类型，d为特征区域i与特征区域j之间的距离。相应的，本专利技术还提出了一种箱包识别的设备，其特征在于，所述设备至少包括：获取模块，用于通过预设的箱包识别模型获取待检测图像的特征区域，以及所述特征区域的本体特征，所述特征区域的类型包括人体区域以及箱包区域；第一分析模块，用于根据预设的条件随机场概率模型的第一层对所述箱包区域的本体特征以及所述箱包区域与所述人体区域之间的位置关系进行一次分析，并根据所述一次分析的结果确定所述箱包区域所属的箱包类型。优选地，所述设备还包括：第二分析模块，用于在根据所述一次分析的结果确定所述待检测图像中存在多个所述箱包区域时，根据所述条件随机场概率模型的第二层对所述箱包区域的本体特征、所述箱包区域与所述人体区域之间的位置关系、以及所述箱包区域与其他箱包区域之间的位置关系进行二次分析，并根据所述二次分析的结果确定所述箱包区域所属的箱包类型。优选地，所述设备还包括：训练模块，用于通过难例样本对所述条件随机场概率模型进行训练，所述难例样本是通过对所述训练模型识别错误的样本进行纠正后获取的。优选地，所述条件随机场概率模型如下：其中，p(y|x,θ)为箱包区域为指定箱包类型的概率，Z(x)为箱包区域的归一化因子，exp{φ(y,x；θ)}为箱包区域属于指定箱包类型的势能函数，y为所述指定箱包类型，x为所述箱包区域的输入特征，θ为预设的参数，所述箱包区域的输入特征包含所述箱包区域的本体特征以及所述箱包区域与所述人体区域的位置关系特征。优选地，所述条件随机场概率模型中的其中，y为所述指定箱包类型，x为所述箱包区域的输入特征，θ为预设的参数，θ(yv)为特征参数，λi,j为转移函数的权值，为距离惩罚系数，θ(xi,xj,xhead,yi,yj)为转移函数，v为箱包区域v，V为所述待检测图片中所有箱包区域组成的集合，i为特征区域i，j为特征区域j，E为待检测图片中所有特征区域两两连接组成的集合，xv为箱包区域v的输入特征，xi为特征区域i的输入特征，xj为特征区域j的输入特征，xhead为特征区域head的输入特征yv为箱包区域v的箱包类型，yi为特征区域i的属性类型，yj为特征区域j的属性类型，d为特征区域i与特征区域j之间的距离。通过应用本专利技术提出的技术方案，通过预设的箱包识别模型获取待检测图像的特征区域，以及特征区域的本体特征，特征区域的类型包括人体区域以及箱包区域；根据预设的条件随机场概率模型的第一层对箱包区域的本体特征以及箱包区域与人体区域之间的位置关系进行一次分析，并根据一次分析的结果确定箱包区域所属的箱包类型。由于在一次分析中结合分析了箱包区域的本体特征以及箱包区域与人体区域之间的位置关系，使得分析的因素更加地全面，从而提高了箱包预测的结果。附图说明为了更清楚地说明本申请的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通的技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提出的一种箱包识别方法的流程示意图；图2为本申请具体实施例提出的一种经过归一化处理后的图片的示意图；图3为本申请具体实施例提出的对样本图片进行区域划分的示意图；图4为本申请具体实施例提出的一种误检图片的示意图；图5为本申请具体实施例提出的一种特征区域之间的距离d的计算方法的示意图；图6为本申请具体实施例提出的一种箱包识别方法的流程示意图；图7为本申请具体实施例中提出一种箱包识别设备的结构示意图。具体实施方式如
技术介绍
所述，现有的箱包识别技术，一般采用通用目标的识别模型来对图本文档来自技高网...

【技术保护点】
一种箱包识别的方法，其特征在于，所述方法至少包括：通过预设的箱包识别模型获取待检测图像的特征区域，以及所述特征区域的本体特征，所述特征区域的类型包括人体区域以及箱包区域；根据预设的条件随机场概率模型的第一层对所述箱包区域的本体特征以及所述箱包区域与所述人体区域之间的位置关系进行一次分析，并根据所述一次分析的结果确定所述箱包区域所属的箱包类型。

【技术特征摘要】
1.一种箱包识别的方法，其特征在于，所述方法至少包括：通过预设的箱包识别模型获取待检测图像的特征区域，以及所述特征区域的本体特征，所述特征区域的类型包括人体区域以及箱包区域；根据预设的条件随机场概率模型的第一层对所述箱包区域的本体特征以及所述箱包区域与所述人体区域之间的位置关系进行一次分析，并根据所述一次分析的结果确定所述箱包区域所属的箱包类型。2.如权利要求1所述的方法，其特征在于，所述方法还包括：若根据所述一次分析的结果确定所述待检测图像中存在多个所述箱包区域，则根据所述条件随机场概率模型的第二层对所述箱包区域的本体特征、所述箱包区域与所述人体区域之间的位置关系、以及所述箱包区域与其他箱包区域之间的位置关系进行二次分析，并根据所述二次分析的结果确定所述箱包区域所属的箱包类型。3.如权利要2所述的方法，其特征在于，所述方法还包括：通过难例样本对所述条件随机场概率模型进行训练，所述难例样本是通过对所述训练模型识别错误的样本进行纠正后获取的。4.如权利要求1-3任一项所述的方法，其特征在于，所述条件随机场概率模型如下：其中，p(y|x,θ)为箱包区域为指定箱包类型的概率，Z(x)为箱包区域的归一化因子，exp{φ(y,x；θ)}为箱包区域属于指定箱包类型的势能函数，y为所述指定箱包类型，x为所述箱包区域的输入特征，θ为预设的参数，所述箱包区域的输入特征包含所述箱包区域的本体特征以及所述箱包区域与所述人体区域的位置关系特征。5.如权利要求4所述的方法，其特征在于，所述条件随机场概率模型中的其中，y为所述指定箱包类型，x为所述箱包区域的输入特征，θ为预设的参数，θ(yv)为特征参数，λi,j为转移函数的权值，为距离惩罚系数，θ(xi,xj,xhead,yi,yj)为转移函数，v为箱包区域v，V为所述待检测图片中所有箱包区域组成的集合，i为特征区域i，j为特征区域j，E为待检测图片中所有特征区域两两连接组成的集合，xv为箱包区域v的输入特征，xi为特征区域i的输入特征，xj为特征区域j的输入特征，xhead为特征区域head的输入特征yv为箱包区域v的箱包类型，yi为特征区域i的属性类型，yj为特征区域j的属性类型，d为特征区域i与特征区域j之间的距离。6.一种箱包识别的设备，其特征在于...

【专利技术属性】
技术研发人员：苏志杰，
申请(专利权)人：浙江宇视科技有限公司，
类型：发明
国别省市：浙江,33