一种目标上内容的识别方法及装置、存储介质、计算机设备，其中，所述方法包括：读取目标视频流，从所述目标视频流中检测待识别目标，得到包含待识别目标的图像；从包含待识别目标的图像中识别内容所在的目标区域，所述目标区域位于所述待识别目标上；调整所述目标区域的灰度并对所述目标区域进行内容识别，得到识别信息。通过该方法，能够有效提高对目标上的内容进行识别时，识别结果的准确性。识别结果的准确性。识别结果的准确性。
【技术实现步骤摘要】
目标上内容的识别方法及装置、存储介质、计算机设备
[0001]本专利技术涉及图像识别
，具体地涉及一种目标上内容的识别方法及装置、存储介质、计算机设备。
技术介绍
[0002]随着智能识别技术的发展，常通过大数据训练以及拍摄监控技术对生活中的各种场景进行目标识别，以实现监测、目标控制的效果。在一个目标识别的实例中，可在月台、停车场、物流园区等地点进行车辆检测，当前对于车辆的检测多对车辆通过监控相机进行拍照或录制视频，并从获取的照片或视频中识别车型、车辆颜色等多个特征来进行车辆识别。
[0003]然而，现有技术中进行目标识别的监控相机，基本都是以整个画面作为曝光目标，或者整个画面的中固定区域，例如中心区域作为曝光目标，这种策略在实际作业中遇到的大光比情况下，会出现整个画面曝光合理，但是对目标所在的区域容易出现过曝或者欠曝的情况。导致内容识别算法无法准确识别位于目标上的内容。
技术实现思路
[0004]本专利技术解决的技术问题是如何提高目标上内容识别的准确性。
[0005]为解决上述技术问题，本专利技术实施例提供一种目标上内容的识别方法，所述方法包括：读取目标视频流，从所述目标视频流中检测待识别目标，得到包含待识别目标的图像；从包含待识别目标的图像中识别内容所在的目标区域，所述目标区域位于所述待识别目标上；调整所述目标区域的灰度并对所述目标区域进行内容识别，得到识别信息。
[0006]可选的，所述从所述目标视频流中检测待识别目标，包括：将所述目标视频流输入训练好的第一神经网络模型中，利用所述第一神经网络模型从所述目标视频流中检测所述待识别目标。
[0007]可选的，所述第一神经网络模型的生成步骤包括：获取样本目标数据集；将所述样本目标数据集输入初始神经网络模型中进行模型训练，得到所述第一神经网络模型。
[0008]可选的，所述从包含待识别目标的图像中识别内容所在的目标区域，包括：将包含待识别目标的图像输入第二神经网络模型中，利用所述第二神经网络模型从包含待识别目标的图像中识别内容所在的目标区域。
[0009]可选的，所述第二神经网络模型的生成步骤包括：获取样本目标以及所述样本目标上的内容的位置作为训练样本；将所述训练样本输入初始神经网络模型中进行模型训练，得到所述第二神经网络模型。
[0010]可选的，所述调整所述目标区域的灰度包括：计算所述目标区域的平均灰度值；获取最优灰度范围；通过逼近算法使所述目标区域的平均灰度值逼近所述最优灰度范围。
[0011]可选的，所述获取最优灰度范围，包括：获取包含内容的样本区域；将所述样本区域设为不同灰度值，并对不同灰度值的样本区域进行内容识别；将识别准确率最高的灰度范围作为所述最优灰度范围。
[0012]可选的，所述得到识别信息之后，还包括：获取识别信息的准确率，并根据所述准确率调整所述最优灰度范围。
[0013]可选的，所述对所述目标区域进行内容识别包括：利用光学字符识别技术对所述目标区域进行内容识别。
[0014]可选的，所述待识别目标为待识别的车辆，所述目标区域为车牌对应的图像区域，所述识别信息为车牌信息。
[0015]本专利技术实施例还提供一种目标上内容的识别装置，所述装置包括：目标识别模块，用于读取目标视频流，从所述目标视频流中检测待识别目标，得到包含待识别目标的图像；目标区域获取模块，用于从包含待识别目标的图像中识别内容所在的目标区域，所述目标区域位于所述待识别目标上；内容识别模块，用于调整所述目标区域的灰度并对所述目标区域进行内容识别，得到识别信息。
[0016]本专利技术实施例还提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述目标上内容的识别方法的步骤。
[0017]本专利技术实施例还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述目标上内容的识别方法的步骤。
[0018]与现有技术相比，本专利技术实施例的技术方案具有以下有益效果：
[0019]本专利技术实施例提供一种目标上内容的识别方法，所述方法包括：读取目标视频流，从所述目标视频流中检测待识别目标，得到包含待识别目标的图像；从包含待识别目标的图像中识别内容所在的目标区域，所述目标区域位于所述待识别目标上；调整所述目标区域的灰度并对所述目标区域进行内容识别，得到识别信息。较之现有技术，本专利技术方案中，能够从目标视频流中检测包含需识别内容所在的待识别目标的图像，并根据待识别目标的形状、结构、需识别内容对该待识别目标的相对位置等从包含待识别目标的图像中检测到需识别内容所在的目标区域，对目标区域的内容进行识别。在内容识别时，结合对目标区域的灰度调整，提高内容识别结果的准确性。
[0020]进一步地，可基于样本目标数据集训练得到第一神经网络模型，用以识别目标视频流中的检测待识别目标，从而得到包含待识别目标的图像。通过大数据训练，有效提高了待识别目标的识别的准确性。
[0021]进一步地，可基于与目标区域的位置相关的训练样本训练得到第二神经网络模型，用以识别包含待识别目标的图像中的目标区域以得到目标区域，提高了对目标区域识别判定的准确性。
[0022]进一步地，可根据经验或者样本分析统计得到最优灰度范围，用于调整目标区域灰度，以提高对目标区域内容识别的准确率。
[0023]进一步地，可在得到识别信息之后，以识别信息的准确率作为反馈，以调整最优灰度范围，从而实时调整最优灰度范围，以适应目标视频流的变化。
[0024]进一步地，利用光学字符识别技术对目标区域进行内容识别，也可建立用于内容识别的神经网络模型，以提高识别的准确率，并获取目标区域的背景颜色等特征进行辅助识别。
[0025]进一步地，本专利技术实施例提供的目标上内容的识别方法，其曝光控制策略是以神经网络识别到的待识别目标以及该目标上的需识别内容所在的区域(也即目标区域)的内
容作为曝光目标。其曝光目标设定不是以传统监控相机的人眼看起来合适的亮度，而是经过算法判断能取得最高识别准确率的结果作为曝光调整目标。
附图说明
[0026]图1为本专利技术实施例的一种目标上内容的识别方法的流程示意图；
[0027]图2为本专利技术实施例的一种目标上内容的识别方法的部分流程示意图；
[0028]图3是本专利技术实施例的一种目标上内容的识别装置的结构示意图。
具体实施方式
[0029]如
技术介绍
所言，现有技术中内容识别算法无法准确识别位于目标上的内容。
[0030]为解决该问题，本专利技术实施例提供了一种目标上内容的识别方法，其特征在于，所述方法包括：读取目标视频流，从所述目标视频流中检测待识别目标，得到包含待识别目标的图像；从包含待识别目标的图像中识别内容所在的目标区域，所述目标区域位于所述待识别目标上；调整所述目标区域的灰度并对所述目标区域进行内容识别，得到识别信息。
[0031]通过上述方案，能够有效提高对目标上的内本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标上内容的识别方法，其特征在于，所述方法包括：读取目标视频流，从所述目标视频流中检测待识别目标，得到包含待识别目标的图像；从包含待识别目标的图像中识别内容所在的目标区域，所述目标区域位于所述待识别目标上；调整所述目标区域的灰度并对所述目标区域进行内容识别，得到识别信息。2.根据权利要求1所述的方法，其特征在于，所述从所述目标视频流中检测待识别目标，包括：将所述目标视频流输入训练好的第一神经网络模型中，利用所述第一神经网络模型从所述目标视频流中检测所述待识别目标。3.根据权利要求2所述的方法，其特征在于，所述第一神经网络模型的生成步骤包括：获取样本目标数据集；将所述样本目标数据集输入初始神经网络模型中进行模型训练，得到所述第一神经网络模型。4.根据权利要求1所述的方法，其特征在于，所述从包含待识别目标的图像中识别内容所在的目标区域，包括：将包含待识别目标的图像输入第二神经网络模型中，利用所述第二神经网络模型从包含待识别目标的图像中识别内容所在的目标区域。5.根据权利要求4所述的方法，其特征在于，所述第二神经网络模型的生成步骤包括：获取样本目标以及所述样本目标上的内容的位置作为训练样本；将所述训练样本输入初始神经网络模型中进行模型训练，得到所述第二神经网络模型。6.根据权利要求1所述的方法，其特征在于，所述调整所述目标区域的灰度包括：计算所述目标区域的平均灰度值；获取最优灰度范围；通过逼近算法使所述目标区域的平均灰度值逼近所述最优灰度范围...
【专利技术属性】
技术研发人员：周斌，邱宝军，刘春雷，朱曦，张剑锋，
申请(专利权)人：上海际链网络科技有限公司，
类型：发明
国别省市：
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。