基于质量评价的目标识别方法技术

本发明专利技术提供了一种基于质量评价的目标识别方法，包括：构建目标识别模型，所述目标识别模型包括：质量评价网络、特征提取网络、特征聚合网络，其中，所述目标识别模型用于从视频中提取出目标特征，以表征目标的整体结构信息和局部信息；对所述目标识别模型进行训练，在训练过程中调整质量评价网络和特征提取网络的参数，以使所述目标识别模型输出符合预设要求的目标特征；通过训练好的目标识别模型对视频进行目标识别。从而解决了视频序列中外观多变及图像质量参差不齐导致的目标识别问题，在质量评价中增加了帧间的关联信息，从而获得更多的有效目标信息，使得目标的表征更加准确，提升了识别精度。

Target recognition method based on quality evaluation

The invention provides a target recognition method based on quality evaluation, which includes: constructing a target recognition model, the target recognition model includes a quality evaluation network, a feature extraction network and a feature aggregation network, in which the target recognition model is used to extract target features from video to represent the whole target. Structural information and local information; training the target recognition model, adjusting the parameters of the quality evaluation network and feature extraction network in the training process, so that the target recognition model can output target features that meet the preset requirements; target recognition is carried out through the trained target recognition model for video. This method solves the problem of target recognition caused by the changeable appearance and uneven image quality in the video sequence, adds the correlation information between frames in the quality evaluation, so as to obtain more effective target information, make the representation of the target more accurate, and improve the recognition accuracy.

【技术实现步骤摘要】
基于质量评价的目标识别方法
本专利技术涉及图像处理
，具体地，涉及基于质量评价的目标识别方法。
技术介绍
人脸识别、行为分析等一系列应用的兴起，表明目标识别在实际生活中正起着越来越重要的作用。在目标识别任务中，往往需要从不同角度、不同场景的摄像头中识别出同一个目标。而跨摄像头的情况下，目标的外观差距往往较大，这对识别算法的鲁棒性提出了很大的挑战。近年来，虽然现有的识别算法在实验环境下已经取得了不错效果，但是这些识别算法在现实不可控场景中却还差强人意。这是因为，实验环境下采集到的数据往往质量较好，在特意性拍摄中，影响图像质量的变化因素往往较少，如实验数据可能存在动作表情等变化，但不存在光照、遮挡等不可控因素。而在现实生活中，这些不可控因素会对图像质量产生很复杂的影响。这使得图像质量成为影响目标识别性能的一个重要因素，也使得基于质量评价的目标识别成为一个有待深入研究的重要课题。目前，视频目标识别方法主要关注如何整合更多的信息，例如Canavan等人在2007年《InIEEEInternationalConferenceonBiometrics:Theory,Applications本文档来自技高网...

【技术保护点】
1.一种基于质量评价的目标识别方法，其特征在于，包括：构建目标识别模型，所述目标识别模型包括：质量评价网络、特征提取网络、特征聚合网络，其中，所述目标识别模型用于从视频中提取出有效目标特征，以表征目标的整体结构信息和局部信息；对所述目标识别模型进行训练，在训练过程中调整质量评价网络和特征提取网络的参数，以使所述目标识别模型输出符合预设要求的目标特征；通过训练好的目标识别模型对视频进行目标识别。

【技术特征摘要】
1.一种基于质量评价的目标识别方法，其特征在于，包括：构建目标识别模型，所述目标识别模型包括：质量评价网络、特征提取网络、特征聚合网络，其中，所述目标识别模型用于从视频中提取出有效目标特征，以表征目标的整体结构信息和局部信息；对所述目标识别模型进行训练，在训练过程中调整质量评价网络和特征提取网络的参数，以使所述目标识别模型输出符合预设要求的目标特征；通过训练好的目标识别模型对视频进行目标识别。2.根据权利要求1所述的基于质量评价的目标识别方法，其特征在于，所述构建目标识别模型，包括：获取已知质量标准的图像数据，并通过所述图像数据对质量评价网络进行训练，得到经过训练的质量评价网络；通过特征提取网络提取单帧图像特征，以得到目标的局部特征；并根据提取到的目标的上下文信息的特征形成全局特征；通过经过训练的质量评价网络对目标的局部特征、全局特征进行质量评价，以得到相应的质量分数；根据局部特征、全局特征的质量分数，通过特征聚合网络对目标的各帧局部和全局特征分别进行聚合，并将目标的局部特征和全局特征进行聚合；通过经过训练的质量评价网络、特征提取网络、特征聚合网络构建所述构建目标识别模型。3.根据权利要求2所述的基于质量评价的目标识别方法，其特征在于，所述获取已知质量标准的图像数据，包括：从已知质量标准的数据库中获取来自不同角度、不同位置的两个摄像头的第一视频和第二视频，所述第一视频和第二视频中均包含有目标；从第一视频中选取N个帧数大于21帧的第一视频样本，从第二视频中选取N个帧数大于21帧的第二视频样本；其中，N为大于等于2的自然数；从所述第一视频样本和第二视频样本中选取训练集和测试集，所述训练集用于训练质量评价网络，所述测试集用于测试质量评价网络。4.根据权利要求2所述的基于质量评价的目标识别方法，其特征在于，所述获取已知质量标准的图像数据，包括：将包含目标的视频作为人脸识别系统的输入，并将所述人脸识别系统的输出结果作为已知质量标准的数据图像；其中，人脸识别系统的最后一层均为softmax层，将具有身份i的人识别为身份i的概率作为质量标签；假设训练集由m个已标记的样本构成：则样本i为j类别的概率为：通过对各类的概率分布进行归一化，使得所有概率之和为1，将i＝j时的概率作为图像的质量标准，所述质量标准为式中：(x1,y1)表示标号为1的样本，(xm,ym)表示标号为m的样本，xi表示第i个样本的特征表示，i的取值范围为1～m，表示实数空间，n的取值为softmax层之前的全连接层的输出维度，yi表示第i个样本的标签，表示样本i为j类别的概率，表示第i个样本经过softmax层后第j个神经元的原始输出，表示第i个样本经过softmax层后第k个神经元的原始输出，N表示类别数，k表示计数变量。5.根据权利要求1-4中任一项所述的基于质量评价的目标识别方法，其特征在于，所述质量评价网络包括：AlexNet特征提取器和双向长短期记忆网络LSTM，其中，所述AlexNet特征提取器用于对目标的单帧图像特征并由其生成对局部特征的质量评价，所述双向长短期记忆网络...

【专利技术属性】
技术研发人员：徐奕，倪冰冰，刘桂荣，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31