图像检测识别方法和装置制造方法及图纸

本申请涉及一种图像检测识别方法和装置，其中方法包括：对视频流数据进行抽帧处理，得到各帧图像；对各帧图像进行目标检测，根据目标检测结果将存在相似目标的图像进行合并得到同目标数据集合；对同目标数据集合中的第一图像进行目标识别，并以第一图像的识别结果作为其他各帧图像的识别结果。其通过提取出视频流数据中的每一帧图像后，对每一帧图像进行目标检测，然后将存在有相似目标的图像合并为一个数据集合作为同目标数据集合。在进行各帧图像的目标识别时，只需要对同目标数据集合中的一帧图像进行目标识别即可，其他各帧图像直接沿用已识别出目标的图像的结果作为识别结果，这就大大减少了目标识别的次数，从而有效减少了计算量。了计算量。了计算量。

【技术实现步骤摘要】
图像检测识别方法和装置


[0001]本申请涉及图像处理
，尤其涉及一种图像检测识别方法和装置。

技术介绍

[0002]伴随着硬件算力和深度学习技术的快速进步，以人脸识别为代表的人工智能应用已经被广泛应用在安防
中。在相关技术中，人脸识别过程通常可以分为以下两个步骤：一是人脸的检测裁切小图，而是小图的呈送识别。即，先由视频流中每帧图像中的人脸裁切成小图，然后再对每张包含有人脸的小图进行识别。其中，小图识别的计算量比人脸检测的计算量更大，因此在实际业务中往往会带来更高时延。同时，在安防场景中，视频流的连续抽帧人脸识别是一个较为浪费算力的场景，由于相邻的视频帧之间往往具有相似性，多帧的反复识别会带来重复的计算，从而导致计算量大大增加。

技术实现思路

[0003]有鉴于此，本申请提出了一种图像检测识别方法，可以有效减少对图像进行目标检测识别过程中的计算量。
[0004]根据本申请的一方面，提供了一种图像检测识别方法，包括：
[0005]对视频流数据进行抽帧处理，得到所述视频流数据中的各帧图像；
[0006]对各帧图像进行目标检测，根据目标检测结果将存在相似目标的图像进行合并，以得到同目标数据集合；
[0007]对所述同目标数据集合中的第一图像进行目标识别，并以所述第一图像的识别结果作为所述同目标数据集合中其他各帧图像的识别结果。
[0008]在一种可能的实现方式中，根据目标检测结果将存在相似目标的图像进行合并，以得到同目标数据集合，包括：
[0009]获取当前帧图像的目标检测结果；
[0010]在所述当前帧图像的目标检测结果为存在目标时，计算所述当前帧图像与所述第二图像的目标重叠度，并根据所述当前帧图像与所述第二图像的目标重叠度，将所述当前帧图像合并至所述同目标数据集合；
[0011]其中，所述第二图像为在对所述当前帧图像进行目标检测之前所检测到的存在目标，且与所述当前帧图像排序最接近的图像。
[0012]在一种可能的实现方式中，计算所述当前帧图像与所述第二图像的目标重叠度时，通过计算所述当前帧图像的目标检测框数据与所述第二图像的目标检测框数据的相似性进行。
[0013]在一种可能的实现方式中，计算所述当前帧图像的目标检测框数据与所述第二图像的目标检测框数据的相似性时，所述目标检测框数据包括目标检测框的坐标值，以及所述目标检测框的高度和宽度。
[0014]在一种可能的实现方式中，根据所述当前帧图像与所述第二图像的目标重叠度，
将所述当前帧图像合并至所述同目标数据集合，包括：
[0015]判断所述当前帧图像与所述第二图像的目标重叠度是否满足相似条件；
[0016]在判断出所述当前帧图像与所述第二图像的目标重叠度满足所述相似条件时，将所述当前帧图像合并至所述同目标数据集合，并将所述当前帧图像更新为所述第二图像。
[0017]在一种可能的实现方式中，所述相似条件为所述当前帧图像与所述第二图像的目标重叠度大于相似门限阈值；
[0018]其中，所述相似门限阈值的取值范围为：0.85～0.9。
[0019]在一种可能的实现方式中，对所述同目标数据集合中的第一图像进行目标识别，并以所述第一图像的识别结果作为所述同目标数据集合中其他各帧图像的识别结果之前，还包括：对所述同目标数据集合是否满足第一目标去重条件进行判断的步骤；
[0020]在判断出所述同目标数据集合满足所述第一目标去重条件时，执行对所述同目标数据集合中的第一图像进行目标识别，并以所述第一图像的识别结果作为所述同目标数据集合中其他各图像的识别结果的操作。
[0021]在一种可能的实现方式中，所述第一目标去重条件为：
[0022]所述同目标数据集合中的图像帧数不少于预设帧数，且所述同目标数据集合中的图像最大序号大于或等于预设先检张数。
[0023]在一种可能的实现方式中，对所述同目标数据集合中的第一图像进行目标识别，并以所述第一图像的识别结果作为所述同目标数据集合中其他各帧图像的识别结果之前，还包括：
[0024]对所述同目标数据集合中的图像进行统计；
[0025]在所述同目标数据集合中，第一顺位结果相同的图像张数在所述同目标数据集合中所占的比例达到预设比例时，执行对所述同目标数据集合中的第一图像进行目标识别，并以所述第一图像的识别结果作为所述同目标数据集合中其他各图像的识别结果的操作。
[0026]根据本申请的另一方面，还提供了一种图像检测识别装置，包括：抽帧处理模块、图像检测合并模块和图像识别模块；
[0027]所述抽帧处理模块，被配置为对视频流数据进行抽帧处理，得到所述视频流数据中的各帧图像；
[0028]所述图像检测合并模块，被配置为对各帧图像进行目标检测，根据目标检测结果将存在相似目标的图像进行合并，以得到同目标数据集合；
[0029]所述图像识别模块，被配置为对所述同目标数据集合中的第一图像进行目标识别，并以所述第一图像的识别结果作为所述同目标数据集合中其他各帧图像的识别结果。
[0030]通过提取出视频流数据中的每一帧图像后，对每一帧图像进行目标检测，然后将存在有相似目标的图像合并为一个数据集合作为同目标数据集合。进而，再对同目标数据集合中的第一图像进行目标识别后，对于同目标数据集合中除第一图像外的其他各帧图像，直接以第一图像的识别结果作为各帧图像的识别结果。由于同目标数据集合中各帧图像的目标相同，因此在进行各帧图像的目标识别时，只需要对每一个同目标数据集合中的一帧图像进行目标识别即可，其他各帧图像直接以已识别出目标的图像的结果作为识别结果，相较于相关技术中对于每一帧图像均进行目标识别的方式，大大减少了目标识别的次数，这也就有效减少了计算量，避免了大量的冗余计算。
[0031]根据下面参考附图对示例性实施例的详细说明，本申请的其它特征及方面将变得清楚。
附图说明
[0032]包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本申请的示例性实施例、特征和方面，并且用于解释本申请的原理。
[0033]图1示出本申请实施例的图像检测识别方法应用于带有摄像头的安防设备的人脸识别场景时的硬件物理结构示意图；
[0034]图2示出本申请实施例的图像检测识别方法的流程图；
[0035]图3示出本申请实施例的图像检测识别方法的另一流程图；
[0036]图4示出本申请实施例的图像检测识别方法中对目标检测网络模型和目标识别网络模型进行训练时的流程图；
[0037]图5示出本申请实施例的图像检测识别装置的结构框图。
具体实施方式
[0038]以下将参考附图详细说明本申请的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
[0039]在这里专用的词“示例性”意为“用作例子、实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检测识别方法，其特征在于，包括：对视频流数据进行抽帧处理，得到所述视频流数据中的各帧图像；对各帧图像进行目标检测，根据目标检测结果将存在相似目标的图像进行合并，以得到同目标数据集合；对所述同目标数据集合中的第一图像进行目标识别，并以所述第一图像的识别结果作为所述同目标数据集合中其他各帧图像的识别结果。2.根据权利要求1所述的方法，其特征在于，根据目标检测结果将存在相似目标的图像进行合并，以得到同目标数据集合，包括：获取当前帧图像的目标检测结果；在所述当前帧图像的目标检测结果为存在目标时，计算所述当前帧图像与所述第二图像的目标重叠度，并根据所述当前帧图像与所述第二图像的目标重叠度，将所述当前帧图像合并至所述同目标数据集合；其中，所述第二图像为在对所述当前帧图像进行目标检测之前所检测到的存在目标，且与所述当前帧图像排序最接近的图像。3.根据权利要求2所述的方法，其特征在于，计算所述当前帧图像与所述第二图像的目标重叠度时，通过计算所述当前帧图像的目标检测框数据与所述第二图像的目标检测框数据的相似性进行。4.根据权利要求3所述的方法，其特征在于，计算所述当前帧图像的目标检测框数据与所述第二图像的目标检测框数据的相似性时，所述目标检测框数据包括目标检测框的坐标值，以及所述目标检测框的高度和宽度。5.根据权利要求2所述的方法，其特征在于，根据所述当前帧图像与所述第二图像的目标重叠度，将所述当前帧图像合并至所述同目标数据集合，包括：判断所述当前帧图像与所述第二图像的目标重叠度是否满足相似条件；在判断出所述当前帧图像与所述第二图像的目标重叠度满足所述相似条件时，将所述当前帧图像合并至所述同目标数据集合，并将所述当前帧图像更新为所述第二图像。6.根据权利要求5所述的方法，其特征在于，所述相似条件为所述当前帧图像与所述第二图像的目标重叠度大于相似门限阈值...

【专利技术属性】
技术研发人员：刘绍博，钟绵军，王悦宸，
申请(专利权)人：北京迅安网络系统有限责任公司，
类型：发明
国别省市：