【技术实现步骤摘要】
目标识别方法、装置、计算机设备及可读存储介质
本申请涉及计算机
，特别是涉及一种目标识别方法、装置、计算机设备及可读存储介质。
技术介绍
随着科学技术的发展，目标重识别任务作为计算机视觉技术中的一个重要分支，在智慧城市、智慧交通等领域存在广泛应用。在这类任务中，一个移动目标可能先后出现在不同的摄像头中，因此，我们需要利用计算机视觉技术中的相关方法来判断不同摄像头中的目标是否属于同一个目标，以实现目标重识别任务。其中，移动目标可以为行人或车辆。传统技术中，将不同摄像头采集到的包含目标的图像，均分割成多个不同的子图像，然后采用卷积神经网络模型对子图像进行特征提取处理，然后对不同子图像提取到的特征进行对比分析，并将所有目标特征合并处理，以得到每个图像的整体目标特征。但是，传统技术中采用分割方式实现目标重识别任务，会导致目标识别的准确率较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高目标识别准确率的目标识别方法、装置、计算机设备及可读存储介质。本申请实施例提供一种目标识...
【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：/n对图像数据进行预处理，得到预处理后的图像数据；/n将所述预处理后的图像数据输入至目标卷积神经网络模型，通过所述目标卷积神经网络模型对所述预处理后的图像数据进行目标识别处理，得到初始特征向量；其中，所述目标卷积神经网络模型为对初始卷积神经网络模型进行训练处理得到的模型；/n对所述初始特征向量与预设特征向量进行运算处理，得到所述初始特征向量与预设特征向量之间的初始间隔距离；/n通过所述初始间隔距离从所述图像数据中确定目标图像。/n
【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：
对图像数据进行预处理，得到预处理后的图像数据；
将所述预处理后的图像数据输入至目标卷积神经网络模型，通过所述目标卷积神经网络模型对所述预处理后的图像数据进行目标识别处理，得到初始特征向量；其中，所述目标卷积神经网络模型为对初始卷积神经网络模型进行训练处理得到的模型；
对所述初始特征向量与预设特征向量进行运算处理，得到所述初始特征向量与预设特征向量之间的初始间隔距离；
通过所述初始间隔距离从所述图像数据中确定目标图像。
2.根据权利要求1所述的方法，其特征在于，所述将所述预处理后的图像数据输入至目标卷积神经网络模型，通过所述目标卷积神经网络模型对所述预处理后的图像数据进行目标识别处理，得到初始特征向量，包括：
通过所述目标卷积神经网络模型对所述预处理后的图像数据进行特征提取处理、卷积运算处理以及过滤处理，得到所述初始特征向量；其中，所述过滤处理表征滤除干扰信息的处理。
3.根据权利要求2所述的方法，其特征在于，所述通过所述目标卷积神经网络模型对所述预处理后的图像数据进行特征提取处理、卷积运算处理以及过滤处理，得到所述初始特征向量，包括：
通过所述目标卷积神经网络模型对所述预处理后的图像数据进行特征提取处理，得到融合特征向量图；其中，所述融合特征向量图包括目标特征与背景特征融合的特征向量图；
通过所述目标卷积神经网络模型对融合特征向量图进行目标卷积运算处理以及过滤处理，得到所述初始特征向量。
4.根据权利要求3所述的方法，其特征在于，所述通过所述目标卷积神经网络模型对融合特征向量图进行目标卷积运算处理以及过滤处理，得到所述初始特征向量，包括：
通过所述目标卷积神经网络模型对融合特征向量图进行目标卷积运算处理，得到第一目标区域特征图；
通过所述目标卷积神经网络模型对所述预处理后的图像数据进行背景卷积运算处理，得到第一背景区域特征图；
通过所述目标卷积神经网络模型将所述第一背景区域特征图进行第一过滤处理，得到第二目标区域特征图；其中，所述第一过滤处理表征滤除所述第一背景区域特征图中背景区域特征的处理；
通过所述目标卷积神经网络模型对所述第一目标区域特征图与所述第二目标区域特征图进行目标卷积运算处理，得到第三目标区域特征图；
通过所述目标卷积神经网络模型对所述第一背景区域特征图进行背景卷积运算处理，得到第二背景区域特征图；
通过所述目标卷积神经网络模型对第三目标区域特征图进行第二过滤处理，得到第三背景区域特征图；其中，所述第二过滤处理表征滤除所述第三目标区域特征图中目标区域特征的处理；
通过所述目标卷积神经网络模型根据所述第三背景区域特征图，对所述第三目标区域特征图以及所述第二背景区域特征图进行融合处理，得到所述初始特征向量。
5.根据权利要求4所述的方法，其特征在...
【专利技术属性】
技术研发人员：周康明，戚风亮，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。