一种目标识别方法、装置、终端设备及存储介质制造方法及图纸

本申请适用于机器视觉技术领域，提供了一种目标识别方法、装置、终端设备及存储介质，其中，方法包括：通过第一神经网络模型对目标图像进行检测，获得所述目标图像中的目标物体和所述目标物体的第一分类标签；通过第二神经网络模型对所述目标物体进行分类，获得所述目标物体的第二分类标签；根据所述第一分类标签和所述第二分类标签，确定所述目标物体的类别。本申请实施例由于第一个神经网络模型可以检测目标物体并对目标物体从第一分类标签进行分类，第二神经网络模型只需对目标物体从第二分类标签进行分类，平衡了第一神经网络模型和第二神经网络模型的分类负担，从而提高了对目标的识别效率。

【技术实现步骤摘要】
一种目标识别方法、装置、终端设备及存储介质
本申请属于机器视觉
，尤其涉及一种目标识别方法、装置、终端设备及存储介质。
技术介绍
随着机器视觉技术的发展，基于机器视觉的目标识别技术(例如车型识别、垃圾类型识别等等)也得到了越来越广泛的关注，目标识别是从图像或视频中检测出目标，并对目标进行分类，以确定目标属于何种类型。深度学习为机器视觉中的一个新的领域，近年来基于深度学习的目标识别技术，由于其精度较高，得到了比较广泛的应用，然而目前基于深度学习的目标识别技术主要是先检测目标，检测到图像中的目标后再用分类器去对目标进行分类。当需要分类的类别太多时，分类器负荷过大，从而导致识别效率低。
技术实现思路
本申请实施例提供了一种目标识别方法、装置、终端设备及存储介质，旨在解决现有对目标识别的效率不高的问题。第一方面，本申请实施例提供了一种目标识别方法，包括：通过第一神经网络模型对目标图像进行检测，获得所述目标图像中的目标物体和所述目标物体的第一分类标签；通过第二神经网络模型对所述目标物体进行分类，获本文档来自技高网...

【技术保护点】
1.一种目标识别方法，其特征在于，包括：/n通过第一神经网络模型对目标图像进行检测，获得所述目标图像中的目标物体和所述目标物体的第一分类标签；/n通过第二神经网络模型对所述目标物体进行分类，获得所述目标物体的第二分类标签；/n根据所述第一分类标签和所述第二分类标签，确定所述目标物体的类别。/n

【技术特征摘要】
1.一种目标识别方法，其特征在于，包括：
通过第一神经网络模型对目标图像进行检测，获得所述目标图像中的目标物体和所述目标物体的第一分类标签；
通过第二神经网络模型对所述目标物体进行分类，获得所述目标物体的第二分类标签；
根据所述第一分类标签和所述第二分类标签，确定所述目标物体的类别。


2.根据权利要求1所述的目标识别方法，其特征在于，在将目标图像输入至第一神经网络模型进行目标检测之前，包括：
构建包含M×M个元素的矩阵；其中，M≥2且为整数；
在所述矩阵的每个元素中存储一类物体的类别信息；
建立所述矩阵的第i列中的各个元素与第i属性的第一分类标签之间的关联关系并存储；其中，1≤i≤M且i为整数；
建立所述矩阵的第i行中的各个元素与第i属性的第二分类标签之间的关联关系并存储。


3.根据权利要求2所述的目标识别方法，其特征在于，根据所述第一分类标签和所述第二分类标签，确定所述目标物体的类别，包括：
根据所述第一分类标签，确定所述目标物体在所述矩阵中的列坐标；
根据所述第二分类标签，确定所述目标物体在所述矩阵中的行坐标；
根据所述行坐标和所述列坐标，确定所述目标物体在所述矩阵中的坐标；
根据所述目标物体在所述矩阵中的坐标，确定所述目标物体的类别。


4.根据权利要求1至3任一项所述的目标识别方法，其特征在于，所述通过第一神经网络模型对目标图像进行检测，获得所述目标图像中的目标物体和所述目标物体的第一分类标签，包括：
通过第一神经网络模型对目标图像进行检测，在检测到所述目标图像中的目标物体时，获得所述目标物体在所述目标图像中的坐标和所述目标物...

【专利技术属性】
技术研发人员：李扬，程骏，庞建新，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：广东;44