【技术实现步骤摘要】
一种身份标注方法、装置、电子设备及存储介质
本申请涉及计算机
，尤其涉及一种身份标注方法、装置、电子设备及存储介质。
技术介绍
随着我国经济的不断发展、人们生活水平的不断提高，人们的消费观念和消费水平也有了很大的转变与提升，对于食品质量的要求越来越高。为了保证食品的安全，农牧行业逐步开始引入一种新的种植养殖方式，即数字农牧。数字农牧与AI人工智能密切相关，智能化养殖已经越来越成为一种趋势。在智能化养牛的场景中，为了保证牛只的健康，但又不伤害牛只，可以搭建一个智能监测站，在牛只行走的过程中进行拍照，然后可以根据采集到的图片对牛进行智能化无应激的估重、体况评分和步态评分。在不同牛只相继经过检测站的过程中，每一牛只都会被拍摄多张图像，如何区分不同牛只的图像是一个非常重要的问题。
技术实现思路
为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种身份标注方法、装置、电子设备及存储介质。第一方面，本申请提供了一种身份标注方法，所述方法包括：获取多个目标对象通过检测通道时...
【技术保护点】
1.一种身份标注方法，其特征在于，所述方法包括：/n获取多个目标对象通过检测通道时采集的深度图像序列、每个所述目标对象的身份标识及通过时间段；/n利用图像分割模型对所述深度图像序列中的每个所述深度图像进行图像分割，得到标识有所述目标对象的头部连通域和背部连通域的分割图像；/n若所述分割图像中的所述头部连通域和所述背部连通域满足预设条件，存储所述深度图像；/n若存储所述深度图像的存储时刻与任一所述目标对象通过所述检测通道的所述通过时间段匹配，利用所述目标对象的所述身份标识标注所述深度图像的身份。/n
【技术特征摘要】
1.一种身份标注方法，其特征在于，所述方法包括：
获取多个目标对象通过检测通道时采集的深度图像序列、每个所述目标对象的身份标识及通过时间段；
利用图像分割模型对所述深度图像序列中的每个所述深度图像进行图像分割，得到标识有所述目标对象的头部连通域和背部连通域的分割图像；
若所述分割图像中的所述头部连通域和所述背部连通域满足预设条件，存储所述深度图像；
若存储所述深度图像的存储时刻与任一所述目标对象通过所述检测通道的所述通过时间段匹配，利用所述目标对象的所述身份标识标注所述深度图像的身份。
2.根据权利要求1所述的身份标注方法，其特征在于，所述图像分割模型包括：依次连接的编码网络和解码网络，所述编码网络与所述解码网络的网络结构对称；
所述编码网络对所述深度图像进行编码操作，得到特征图；
所述解码网络对所述特征图进行解码操作，得到标识有所述目标对象的所述头部连通域和所述背部连通域的所述分割图像。
3.根据权利要求2所述的身份标注方法，其特征在于，所述编码网络包括：一个或多个卷积池化组，多个所述卷积池化组依次连接，每个所述卷积池化组包括至少两个第一卷积层和一个池化层，不同所述卷积池化组中所述第一卷积层对应的特征维度不同；
每个所述卷积池化组中的所述第一卷积层对输入的所述特征图进行特征提取；
每个所述卷积池化组中的所述池化层对输入的所述特征图进行下采样操作。
4.根据权利要求2所述的身份标注方法，其特征在于，所述解码网络包括：一个或多个卷积上池化组，多个所述卷积上池化组依次连接，每个所述卷积上池化组包括至少两个第二卷积层和一个上池化层，不同所述卷积上池化组中所述第二卷积层对应的特征维度不同；
每个所述卷积上池化组中的所述第二卷积层对输入的所述特征图进行尺寸还原；
每个所述卷积上池化组中的所述上池化层对输入的所述特征图进行上采样操作。
5.根据权利要求2至4任一所述的身份标注方法，其特征在于，所述图像分割模型的训练方法，包括：
获取多个训练对象通过所述检测通道时采集的深度训练图像；
获取在所述深度训练图像中标记所述训练对象的头部区域和背部区域的标签图像；
将所述深度训练图像输入所述图像分割模型中，输出标识有所述训练对象的所述头部连通域和所述背部连通域的分割预测图像；
根据所述分割预测图像和所述标签图像计算损失函数；
不断反向传播所述损失函数直至所述图像分割模型收敛，得到所述图像分割模型。
6.根据权利要求1所述的身份标注方法，其...
【专利技术属性】
技术研发人员：张为明，
申请(专利权)人：北京海益同展信息科技有限公司，
类型：发明
国别省市：北京;11
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。