目标识别方法、装置、设备及存储介质制造方法及图纸

本申请实施例提供了一种目标识别方法、装置、设备及存储介质，方法包括：获取包括多个目标检测对象的目标图像；将目标图像输入预训练的第一计数模型中进行数量识别，输出得到目标图像中的多个目标检测对象的第一计数识别结果；若第一计数识别结果表征多个目标检测对象的数量大于预设数量阈值，则将目标图像输入预训练的第二计数模型中进行数量识别，输出得到目标图像中的多个目标检测对象的第二计数识别结果；根据第二计数识别结果确定目标图像中目标检测对象的数量。由于可以在目标检测对象的数量大于预设数量阈值的情况下，通过第二计数模型来再次对目标检测对象进行更精确地数量识别，有利于提升目标识别的准确率。有利于提升目标识别的准确率。有利于提升目标识别的准确率。

【技术实现步骤摘要】
目标识别方法、装置、设备及存储介质


[0001]本申请涉及图像处理
，尤其涉及一种目标识别方法、装置、设备及存储介质。

技术介绍

[0002]目前，养殖场在对养殖的鸡、鸭、猪等目标检测对象的数量进行统计时，可以通过神经网络模型来进行统计。然而，养殖场中的目标检测对象易聚集易流动，导致统计点时而面临目标检测对象数量密集的统计场景、时而面临目标检测对象数量稀疏的统计场景，而同一神经网络模型难以同时在数量密集的统计场景下和数量稀疏的统计场景下保持较好的识别效果，识别出准确的数量，因此，如何通过神经网络模型来较准确地识别养殖场中的目标检测对象数量是亟待解决的技术问题。

技术实现思路

[0003]本申请提供一种目标识别方法、装置、设备及存储介质，以提高对目标图像中的目标检测对象进行数量识别的准确率和精准度。
[0004]第一方面，本申请实施例提供了一种目标识别方法，包括：
[0005]获取包括多个目标检测对象的目标图像；
[0006]将所述目标图像输入预训练的第一计数模型中进行数量识别，输出得到所述目标图像中的所述多个目标检测对象的第一计数识别结果；
[0007]若所述第一计数识别结果表征所述多个目标检测对象的数量大于预设数量阈值，则将所述目标图像输入预训练的第二计数模型中进行数量识别，输出得到所述目标图像中的所述多个目标检测对象的第二计数识别结果；
[0008]根据所述第二计数识别结果确定所述目标图像中目标检测对象的数量。
[0009]第二方面，本申请实施例提供了一种目标识别装置，包括：
[0010]获取模块，用于获取包括多个目标检测对象的目标图像；
[0011]第一输出模块，用于将所述目标图像输入预训练的第一计数模型中进行数量识别，输出得到所述目标图像中的所述多个目标检测对象的第一计数识别结果；
[0012]第二输出模块，用于若所述第一计数识别结果表征所述多个目标检测对象的数量大于预设数量阈值，则将所述目标图像输入预训练的第二计数模型中进行数量识别，输出得到所述目标图像中的所述多个目标检测对象的第二计数识别结果；
[0013]确定模块，用于根据所述第二计数识别结果确定所述目标图像中目标检测对象的数量。
[0014]第三方面，本申请实施例提供了一种电子设备，包括：处理器；以及，被安排成存储计算机可执行指令的存储器，所述可执行指令被配置由所述处理器执行，所述可执行指令包括用于执行上述目标识别方法中的步骤。
[0015]第四方面，本申请实施例提供了一种存储介质。所述存储介质用于存储计算机可
执行指令，所述可执行指令使得计算机执行上述目标识别方法。
[0016]在本申请实施例中，在获取包括多个目标检测对象的目标图像后，可以先将目标图像输入到预训练的第一计数模型中进行数量识别，输出得到目标图像中的多个目标检测对象的第一计数识别结果，若第一计数识别结果表征多个目标检测对象的数量大于预设数量阈值，则可以将目标对象图像输入预训练的第二计数模型中进行数量识别，输出得到目标图像中的多个目标检测对象的第二计数识别结果，并根据第二计数识别结果来确定目标图像中目标检测对象的数量。由于在目标检测对象的数量大于预设数量阈值的情况下，会进一步地通过第二计数模型来对目标检测对象再次进行数量识别，并根据第二计数模型输出的第二计数识别结果来确定目标图像中目标检测对象的数量，第一计数模型用于对每个目标检测对象的区域进行标记，适用于小规模的数量识别，因为数量较小时可以对每个目标检测对象的区域进行标记，从而可以根据区域标记的数量得到第一计数识别结果，第二计数模型用于对每个目标检测对象的位置点进行标记，适用于大规模的数量识别，因为数量较大时无法对每个目标检测对象的区域进行标记，尤其是当某个目标检测对象被遮挡导致所占用区域较小时，无法识别到区域框，因此更适合标记该目标检测对象的位置点，从而可以根据位置点标记的数量得到第二计数识别结果。因此，本申请在对目标检测对象进行数量识别时，会优先通过第一计数模型对目标图像中的目标检测对象进行数量识别，再根据识别结果判断是否需要通过第二计数模型再次进行数量识别，如此，有利于提高目标检测对象数量识别的准确率和精准度。
附图说明
[0017]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本申请实施例提供的一种目标识别方法的流程示意图；
[0019]图2为本申请实施例提供的一种第一计数模型的结构示意图；
[0020]图3为本申请实施例提供的一种第二计数模型的结构示意图；
[0021]图4为本申请实施例提供的一种目标识别装置的模块组成示意图；
[0022]图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0023]为了使本
的人员更好地理解本申请实施例中的技术方案，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，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请的保护范围。
[0024]本申请的专利技术构思如下：基于上述提到的技术问题，本技术方案提出了一种目标识别方法，可以用于识别养殖场中的目标检测对象数量。具体实现中，先获取包括多个目标检测对象的目标图像，并将目标图像输入预训练的第一计数模型中进行数量识别，输出得
到目标图像中的多个目标检测对象的第一计数识别结果，若第一计数识别结果表征多个目标检测对象的数量大于预设数量阈值，则将目标图像输入预训练的第二计数模型中进行数量识别，输出得到目标图像中的多个目标检测对象的第二计数识别结果，然后，根据第二计数识别结果确定目标图像中目标检测对象的数量。由于在目标检测对象的数量大于预设数量阈值的情况下，会进一步地通过第二计数模型来对目标检测对象再次进行数量识别，并根据第二计数模型输出的第二计数识别结果来确定目标图像中目标检测对象的数量，第一计数模型用于对每个目标检测对象的区域进行标记，适用于小规模的数量识别，因为数量较小时可以对每个目标检测对象的区域进行标记，从而可以根据区域标记的数量得到第一计数识别结果，第二计数模型用于对每个目标检测对象的位置点进行标记，适用于大规模的数量识别，因为数量较大时无法对每个目标检测对象的区域进行标记，尤其是当某个目标检测对象被遮挡导致所占用区域较小时，无法识别到区域框，因此更适合标记该目标检测对象的位置点，从而可以根据位置点标记的数量得到第二计数识别结果。因此，本申请在对目标检测对象进行数量识别时，会优先通过第一计数模型对目标图像中的目标检测对象进行数量识别，再根据识别结果判断是否需要本文档来自技高网...

【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，包括：获取包括多个目标检测对象的目标图像；将所述目标图像输入预训练的第一计数模型中进行数量识别，输出得到所述目标图像中的所述多个目标检测对象的第一计数识别结果，所述第一计数模型用于获取所述多个目标检测对象的第一区域标记信息，所述第一区域标记信息包括每个目标检测对象的区域标记，所述第一计数识别结果为所述区域标记的数量；若所述第一计数识别结果表征所述多个目标检测对象的数量大于预设数量阈值，则将所述目标图像输入预训练的第二计数模型中进行数量识别，输出得到所述目标图像中的所述多个目标检测对象的第二计数识别结果，所述第二计数模型用于获取所述多个目标检测对象的第一位置点标记信息，所述第一位置点标记信息包括所述每个目标检测对象的位置点标记，所述第二计数识别结果为对所述位置点标记的数量；根据所述第二计数识别结果确定所述目标图像中目标检测对象的数量。2.根据权利要求1所述的方法，其特征在于，所述第一计数模型包括空间金字塔池化网络、特征金字塔网络、以及路径聚合网络；所述将所述目标图像输入预训练的第一计数模型中进行数量识别，输出得到所述目标图像中的所述多个目标检测对象的第一计数识别结果，包括：通过所述空间金字塔池化网络对所述目标图像进行最大池化处理，得到由所述多个目标检测对象的特征拼接成的拼接特征图；通过所述特征金字塔网络对所述拼接特征图进行不同层级特征之间自上而下的特征融合处理，得到所述多个目标检测对象的第一多层级特征图；通过所述路径聚合网络对所述第一多层级特征图进行不同层级特征之间自下而上的特征融合处理，得到所述多个目标检测对象的第二多层级特征图；对所述多个目标检测对象的第二多层级特征图进行非极大值抑制处理，并对非极大值抑制处理结果进行计数处理，输出所述目标图像中的所述多个目标检测对象的第一计数识别结果。3.根据权利要求1所述的方法，其特征在于，所述第二计数模型包括特征处理网络、真值密度处理网络以及期望处理网络；所述将所述目标图像输入预训练的第二计数模型中进行数量识别，输出得到所述目标图像中的所述多个目标检测对象的第二计数识别结果，包括：通过所述特征处理网络对输入的所述目标图像进行处理，得到所述多个目标检测对象的特征向量；通过所述真值密度处理网络对所述多个目标检测对象的特征向量进行处理，得到所述多个目标检测对象的位置的真值密度图；通过所述期望处理网络对所述多个目标检测对象的位置的真值密度图进行处理，得到所述多个目标检测对象的数量的期望值；根据所述多个目标检测对象的数量的期望值输出所述目标图像中的所述多个目标检测对象的第二计数识别结果。4.根据权利要求1所述的方法，其特征在于，所述预训练的第一计数模型的模型训练过程包括如下步骤：
获取多个第一目标图像，其中，所述第一目标图像中的第一目标检测对象数量小于预设数量阈值；针对每个所述第一目标图像，对所述第一目标图像中的每个所述第一目标检测对象所在区域进行标记，得到第二区域标记信息；根据所述多个第一目标图像及其对应的第二区域标记信息生成第一训练样本集，并通过所述第一训练样本集以及损失函数对待训练的第一计数模型进行训练处理，得到预训练的第一计数模型；其中，所述损失函数为针对所述目标标记的二分类交叉熵损失函数。5.根据权利要求4所述的方法，其特征在于，所述根据所述多个第一目标图像及其对应的第二区域标记信息生成第一训练样本集，包括：对所述多个第一目标图像进行预处理，得到预处理后的所述多个第一目标图像；根据预处理后的所述多个第一目标图像，以及所述多个第一目标图像对应的第二区域标记信息生成所述第一训练样本集；其中，所述预处理包括以下至少一种：对所述多个第一目标图像进行缩放处理、对所述多个第一目标图像进行裁剪处理、对所述多个第一目标图像进行拼接处理、对所述多个第一目标图像进行翻转处理、对所述多个第一目标图像进行亮度调整处理。6.根据权利要求4所述的方法，其特征在于，所述通过所述第一训练样本集以及损失函数对待训练的第一计数模型进行训练处理，得到预训练的第一计数模型，包括：将所述第一训练样本集中的每个第一目标图像输入所述待训练的第一计数模型，得到所述第一目标检测对象的预测区域标记信息，所述预测区域标记信息用于对所述第一目标图像中的每个第一目标检测对象所在区域进行预测标记；根据所述预测区域标记信息、所述第二区域标记信息，以及所述损失函数，对所述待训练的第一计数模型进行训练处理，得到第一计数模型，其中，所述训练处理用于使得所述预测区域标记信息中标记的第一目标检测对象的第一数量逼近所述第二区域标记信息中标记的第一目标检测对象的第二数量。7.根据权利要求6所述的方法，其特征在于，所述根据所述预测区域标记信息、所述第二区域标记信息，以及所述损失函数，对所述待训练的第一计数模型进行训练处理，包括：获取所述...

【专利技术属性】
技术研发人员：杨杰之，李艾仑，吴海英，曾定衡，周迅溢，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：