目标识别方法、系统、电子设备及存储介质技术方案

本申请涉及计算机视觉技术领域，尤其涉及一种目标识别方法、系统、电子设备及存储介质。该目标识别方法包括以下步骤：通过所述识别设备获取目标物的多维度数据，所述多维度数据包括目标物不同角度下的图像信息；将所述多维度数据，输入预训练的目标识别模型；通过所述目标识别模型对所述多维度信息进行识别，得到多维度的识别结果；在所述多维度的识别结果之间进行比对分析，得到目标物的检测结果；本申请能够获取目标物的多维度数据，而多维度数据包括目标物不同角度下的图像信息，从多个拍摄角度的图像信息进行识别同一个目标物，然后将识别结果综合分析，这样可以大大提高目标物识别的准确率。的准确率。的准确率。

【技术实现步骤摘要】
目标识别方法、系统、电子设备及存储介质


[0001]本申请涉及计算机视觉
，尤其涉及一种目标识别方法、系统、电子设备及存储介质。

技术介绍

[0002]目标识别是计算机视觉领域一个重要的分支，其主要研究内容就是将一个或一种特殊类型的目标从背景中识别出来。其基本的任务是通过算法判断图片中有哪种物体并给出置信度，该物体在图片中的哪一个位置并用矩形边界框标出。伴随着深度学习的发展，目标识别已经不再只是通过经典算法来完成，而是利用深度学习和卷积神经网络更有效地进行目标识别。深度学习和卷积神经网络的使用使得目标识别性能得到了显著提高，现使用的目标识别算法都是基于深度学习的，有良好的鲁棒性。
[0003]目前，基于深度学习和卷积神经网络所研发的多数目标识别软件，在使用时需要输入目标物的全图，然后直接输出目标检测结果，这种检测结果的准确率并不高。

技术实现思路

[0004]本申请提供了一种目标识别方法、系统、电子设备及存储介质，以提高目标物检测结果的准确性。
[0005]第一方面，本申请的实施例提供了一种目标识别方法，应用于计算机设备，所述计算机设备通过分布式软总线与识别设备相连，所述识别设备用于采集目标物信息，所述方法包括：
[0006]通过所述识别设备获取目标物的多维度数据，所述多维度数据包括目标物不同角度下的图像信息；
[0007]将所述多维度数据，输入预训练的目标识别模型；
[0008]通过所述目标识别模型对所述多维度信息进行识别，得到多维度的识别结果；
>[0009]在所述多维度的识别结果之间进行比对分析，得到目标物的检测结果。
[0010]在本申请提供的目标识别方法中，所述识别设备包括摄像设备，所述获取目标物的多维度数据，包括：
[0011]通过所述摄像设备，从多角度获取目标物的图像信息。
[0012]在本申请提供的目标识别方法中，所述识别设备还包括传感器；所述多维度数据还包括目标物理信息，所述获取目标物的多维度数据，包括：
[0013]通过传感器，获取目标物理信息，所述目标物理信息包括目标物的温度。
[0014]在本申请提供的目标识别方法中，所述从多角度获取目标物的图像信息，包括：
[0015]通过所述识别设备，从所述目标物的四周获取目标物的图像信息、目标物理信息，得到所述多维度数据。
[0016]在本申请提供的目标识别方法中，所述目标识别模型包括：提取模块、全连接层模块、解析模块；所述通过所述目标识别模型对所述多维度信息进行识别，包括：
[0017]通过所述提取模块，从所述多维度数据中的图像信息，提取目标图像特征；
[0018]通过所述全连接层模块，对所述图像特征回归处理得到特征张量；
[0019]通过所述解析模块解析所述特征张量，得到识别结果。
[0020]在本申请提供的目标识别方法中，所述解析所述特征张量，包括：
[0021]将所述特征张量划分为多个网格；
[0022]在每个网格上，预测若干个预测框；
[0023]通过预测框，获取每个预测框中的物体信息，得到多个预测结果；
[0024]从多个所述预测结果中筛选，剔除不满足预设置信度和预设条件概率要的预测结果，得到识别结果。
[0025]在本申请提供的目标识别方法中，所述在所述多维度的识别结果之间进行比对分析，包括：
[0026]获取每个图像信息的识别结果；
[0027]将每个所述识别结果彼此之间进行比对，确定目标物整体信息；所述目标物整体信息包括目标物的整体轮廓、目标物的类别信息；
[0028]根据所述目标物整体信息，确定所述目标物的检测结果。
[0029]第二方面，本申请还提供了一种电子设备，所述电子设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上所述的目标识别方法的步骤。
[0030]第三方面，本申请还提供了一种目标识别系统，包括识别设备，所述识别设备通过分布式软总线与计算机设备相连，其中，所述计算机设备用于执行如上所述的目标识别方法的步骤。
[0031]第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上所述的目标识别方法的步骤。
[0032]相比于现有技术，本申请实施例提供的目标识别方法中，通过所述识别设备获取目标物的多维度数据，所述多维度数据包括目标物不同角度下的图像信息；将所述多维度数据，输入预训练的目标识别模型；通过所述目标识别模型对所述多维度信息进行识别，得到多维度的识别结果；在所述多维度的识别结果之间进行比对分析，得到目标物的检测结果；本申请能够获取目标物的多维度数据，而多维度数据包括目标物不同角度下的图像信息，从多个拍摄角度的图像信息进行识别同一个目标物，然后将识别结果综合分析，这样可以大大提高目标物识别的准确率。
[0033]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0034]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0035]图1为本申请实施例提供的目标识别方法的流程示意图；
[0036]图2为本申请实施例提供的目标识别方法的子步骤流程示意图；
[0037]图3为本申请实施例提供的一种电子设备的结构示意图。
[0038]图4为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0039]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0040]下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
[0041]应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0042]应当理解，为了便于清楚描述本申请实施例的技术方案，在本申请的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如，第一凹槽和第二凹槽仅仅是为了区分不同的凹槽，并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标识别方法，其特征在于，应用于计算机设备，所述计算机设备通过分布式软总线与识别设备相连，所述识别设备用于采集目标物信息，所述方法包括：通过所述识别设备获取目标物的多维度数据，所述多维度数据包括目标物不同角度下的图像信息；将所述多维度数据，输入预训练的目标识别模型；通过所述目标识别模型对所述多维度信息进行识别，得到多维度的识别结果；在所述多维度的识别结果之间进行比对分析，得到目标物的检测结果。2.根据权利要求1所述的目标识别方法，其特征在于，所述识别设备包括摄像设备，所述获取目标物的多维度数据，包括：通过所述摄像设备，从多角度获取目标物的图像信息。3.根据权利要求2所述的目标识别方法，其特征在于，所述识别设备还包括传感器；所述多维度数据还包括目标物理信息，所述获取目标物的多维度数据，包括：通过传感器，获取目标物理信息，所述目标物理信息包括目标物的温度。4.根据权利要求3所述的目标识别方法，其特征在于，所述从多角度获取目标物的图像信息，包括：通过所述识别设备，从所述目标物的四周获取目标物的图像信息、目标物理信息，得到所述多维度数据。5.根据权利要求1所述的目标识别方法，其特征在于，所述目标识别模型包括：提取模块、全连接层模块、解析模块；所述通过所述目标识别模型对所述多维度信息进行识别，包括：通过所述提取模块，从所述多维度数据中的图像信息，提取目标图像特征；通过所述全连接层模块，对所述图像特征回归处理得到特征张量；通...

【专利技术属性】
技术研发人员：周子楊，
申请(专利权)人：深圳开鸿数字产业发展有限公司，
类型：发明
国别省市：