目标识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种目标识别方、装置、计算机设备和存储介质。方法包括：对待识别图像进行特征点提取，得到特征点集，基于特征点集，确定候选目标区域，将候选目标区域输入训练好的分类器进行识别，识别出目标。其中，通过特征点提取确定候选目标区域，该方法可以降低候选窗口数量，候选窗口数量的减少有利于目标识别，达到识别率高且虚警低的效果。此外，该方法不需要巨大的样本数据以及很高的资源和计算能力，因此，对硬件要求不高，能够在嵌入式平台上实现。

Target recognition methods, devices, computer equipment and storage media

The application relates to a target recognition party, device, computer equipment and storage medium. The methods include: extracting feature points from recognition images, obtaining feature points set, determining candidate target regions based on feature points set, and input candidate target regions into trained classifiers for recognition and recognition. The method can reduce the number of candidate windows. The reduction of the number of candidate windows is conducive to target recognition, and achieves the effect of high recognition rate and low false alarm. In addition, this method does not need huge sample data, high resources and computing power, so it does not require high hardware requirements and can be implemented on embedded platform.

【技术实现步骤摘要】
目标识别方法、装置、计算机设备和存储介质
本申请涉及计算机视觉领域，特别是涉及一种目标识别方法、装置、计算机设备和存储介质。
技术介绍
随着互联网、人工智能技术、智能硬件的迅猛发展，人类生活中存在着大量的图像和视频数据，这使得计算机视觉技术在人类生活中起到的作用越来越大，对计算机视觉的研究也越来越重视。其中，目标识别作为计算机视觉领域的基石，也越来越受到重视。传统的目标识别方法主要有两种，第一种是检测加二次判决方法，第二种是深度学习方法。其中，检测加二次判决方法多应用于红外图像中的目标识别，对于高清可见光图像，利用该方法则识别率低、虚警高。而深度学习方法需要巨大的样本数据以及很高的资源和计算能力，对硬件要求很高，难以在嵌入式平台上实现。因此，传统的目标识别方法存在着识别率低、虚警高、需要巨大的样本数据以及很高的资源和计算能力，对硬件要求很高，难以在嵌入式平台上实现的技术问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够准确方便识别目标的目标识别方法、装置、计算机设备和存储介质。一种目标识别方法，所述方法包括：对待识别图像进行特征点提取，得到特征点集；基于所述特征点集，确定本文档来自技高网...

【技术保护点】
1.一种目标识别方法，其特征在于，所述方法包括：对待识别图像进行特征点提取，得到特征点集；基于所述特征点集，确定候选目标区域；将所述候选目标区域输入训练好的分类器进行识别，识别出所述目标。

【技术特征摘要】
1.一种目标识别方法，其特征在于，所述方法包括：对待识别图像进行特征点提取，得到特征点集；基于所述特征点集，确定候选目标区域；将所述候选目标区域输入训练好的分类器进行识别，识别出所述目标。2.根据权利要求1所述的方法，其特征在于，所述对待识别图像进行特征点提取，得到特征点集，包括：根据所述待识别图像，建立尺度空间；对所述尺度空间进行特征点提取，得到特征点集。3.根据权利要求2所述的方法，其特征在于，所述对所述尺度空间进行特征点提取，得到特征点集，包括：对所述尺度空间进行角点检测，得到兴趣点集；对所述兴趣点集中的兴趣点进行非极大值抑制，得到极值点集；获取所述极值点集中的每个极值点所在层上的图像块，对所述图像块的边缘位置进行亚像素插值，得到所述特征点集。4.根据权利要求1所述的方法，其特征在于，所述特征点集包括特征点位置和特征点尺度；所述基于所述特征点集，确定候选目标区域，包括：以所述特征点位置为区域中心，所述特征点尺度为区域半径，在所述待识别图像中截取出第一区域；将所述第一区域作为所述候选目标区域。5.根据权利要求1所述的方法，其特征在于，所述特征点集包括特征点位置和特征点尺度；所述基于所述特征点集，确定候选目标区域，包括：以所述特征点位置为区域中心，所述特征点尺度为区域半径，在所述待识别图像中截取出第二区域；将所述第二区域作为所述目标的边缘区域；将边缘联通的边缘区域进行合并，将合并后的区域作为所述候选目标区域。6.根据权利要求1所述的方法，其特征在于，所述基于所述特征点集，确定候选目标区域，包括：对所述特征点集中的特征点进行特征点描述，获得矢量描述子；基于所述矢量描述子，确定所述候选目标区域。7.根据权利要求6所述的方法，其特征在于，所述对所述特征点集中的特征点进行特征点描述，获得矢量描述子，包括：对所述特征点集中的特征点进行采样及滤波，得到采样点；对所述采样点进行特征方向赋值及描述，获得所述矢量描述子。8.根据权利要求7所述的方法，其特征在于，所述对所述特征点集中的特征点进行采样及滤波，得到采样点，包括：对所述特征点集中的特征点进行采样，得到初始采样点；对所述初始采样点进行高斯滤波，得到高斯平滑后的采样点。9.根据权利要求7所述的方法，其特征在于，所述对所述采样点进行特征方向赋值及描述，获得所述矢量描述子，包括：对所述高斯平滑后的采样点进行局部梯度计算，确定所述特征点的主方向；将所述特征点周围的采样区域旋转到所述主方向，得到新的采样区域；对所述新的采样区域进行采样，得到新的采样点；对所述新的采样点进行编码，得到所述矢量描述子。10.根据权利要求6所述的方法，其特征在于，所述矢量描述子包括特征点位置和特征点尺度；所述基于所述矢量描述子，确定候选目标区域，包括：以所述特征点位置为区域中心，所述特征点尺度为区域半径，在所述待识别图像中截取出第三区域；将所述第三区域作为所述候选目标区域。11.根据权利要求6所述的方法，其特征在于，所述矢量描述子包括特征点位置和特征点尺度；所述基于所述矢量描述子，确定候选目标区域，包括：以所述特征点位置为区域中心，所述特...

【专利技术属性】
技术研发人员：胡锦龙，李婷，王晓鹏，
申请(专利权)人：西安天和防务技术股份有限公司，
类型：发明
国别省市：陕西,61