目标识别信息生成方法、装置、电子设备和可读介质制造方法及图纸

本公开的实施例公开了目标识别信息生成方法、装置、电子设备和可读介质。该方法的一具体实施方式包括：获取第一预设时刻图像和第二预设时刻图像；根据预先训练的目标检测模型和第一预设时刻图像，生成第一时刻目标检测框信息；根据目标检测模型和第二预设时刻图像，生成第二时刻目标检测框信息；根据第一时刻目标检测框信息，生成第一时刻预测目标框信息；根据第二时刻目标检测框信息和第一时刻预测目标框信息，生成目标框距离；根据第二时刻目标检测框信息和第一时刻预测目标框信息，生成目标相似度；根据目标框距离和目标相似度，生成目标识别信息。该实施方式提高了生成的目标识别信息的准确率，减少了跟踪目标漏检和错检的发生次数。发生次数。发生次数。

【技术实现步骤摘要】
目标识别信息生成方法、装置、电子设备和可读介质


[0001]本公开的实施例涉及计算机
，具体涉及目标识别信息生成方法、装置、电子设备和可读介质。

技术介绍

[0002]随着计算机技术的发展和人工智能技术的成熟，作为人工智能一个重要应用的多目标跟踪技术也取得了突破性的进展。尤其是检测目标被长时间遮挡的情况，这会导致行人跟踪预测框编号与该行人检测目标框关联不正确，从而使得跟踪目标编号发生变化。目前，在生成目标识别信息时，通常采用的方式为：通过深度学习(例如卷积神经网络)模型对目标特征进行特征提取，并通过提取的特征进行目标余弦相似度的确定来对目标的表观特征进行匹配，从而将表观特征的匹配结果确定为目标识别信息。
[0003]然而，专利技术人发现，当采用上述方式生成目标识别信息时，经常会存在如下技术问题：
[0004]第一，未同时考虑运动特征(基于距离)和表观特征相结合的方式确定跟踪目标是否为同一目标。导致生成的目标识别信息的准确率较低。进而导致跟踪目标漏检和错检情况的发生次数较多。
[0005]第二，通过余弦相似度来确定匹配结果的过程中，由于需要预先训练一个特征提取的神经网络模型导致工作量大，流程繁琐，耗费时间较长，从而导致生成目标识别信息的效率较低，目标跟踪速度较低。
[0006]第三，在生成目标识别信息的过程中，在对目标进行检测时，未考虑通道信息和空间信息对检测目标结果的影响，导致检测到的目标信息的准确率较低，从而导致生成的目标识别信息的准确率较低，进而导致跟踪目标漏检和错检情况的发生次数较多。
[0007]该
技术介绍
部分中所公开的以上信息仅用于增强对本专利技术构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0008]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0009]本公开的一些实施例提出了目标识别信息生成方法、装置、电子设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
[0010]第一方面，本公开的一些实施例提供了一种目标识别信息生成方法，该方法包括：获取图像采集设备采集的第一预设时刻图像和第二预设时刻图像，其中，上述第一预设时刻图像的采集时间早于上述第二预设时刻图像的采集时间；根据预先训练的目标检测模型和上述第一预设时刻图像，生成第一时刻目标检测框信息，其中，上述第一时刻目标检测框信息包括第一目标中心横坐标、第一目标中心纵坐标、第一目标检测框宽高比和第一目标
检测框高度；根据上述目标检测模型和上述第二预设时刻图像，生成第二时刻目标检测框信息，其中，上述第二时刻目标检测框信息包括第二目标中心横坐标、第二目标中心纵坐标、第二目标检测框宽高比和第二目标检测框高度；根据上述第一时刻目标检测框信息，生成第一时刻预测目标框信息，其中，上述第一时刻预测目标框信息包括第三目标中心横坐标、第三目标中心纵坐标、第三目标检测框宽高比和第三目标检测框高度；根据上述第二时刻目标检测框信息和上述第一时刻预测目标框信息，生成目标框距离；根据上述第二时刻目标检测框信息和上述第一时刻预测目标框信息，生成目标相似度；根据上述目标框距离和上述目标相似度，生成目标识别信息。
[0011]第二方面，本公开的一些实施例提供了一种目标识别信息生成装置，装置包括：获取单元，被配置成获取图像采集设备采集的第一预设时刻图像和第二预设时刻图像，其中，上述第一预设时刻图像的采集时间早于上述第二预设时刻图像的采集时间；第一生成单元，被配置成根据预先训练的目标检测模型和上述第一预设时刻图像，生成第一时刻目标检测框信息，其中，上述第一时刻目标检测框信息包括第一目标中心横坐标、第一目标中心纵坐标、第一目标检测框宽高比和第一目标检测框高度；第二生成单元，被配置成根据上述目标检测模型和上述第二预设时刻图像，生成第二时刻目标检测框信息，其中，上述第二时刻目标检测框信息包括第二目标中心横坐标、第二目标中心纵坐标、第二目标检测框宽高比和第二目标检测框高度；第三生成单元，被配置成根据上述第一时刻目标检测框信息，生成第一时刻预测目标框信息，其中，上述第一时刻预测目标框信息包括第三目标中心横坐标、第三目标中心纵坐标、第三目标检测框宽高比和第三目标检测框高度；第四生成单元，被配置成根据上述第二时刻目标检测框信息和上述第一时刻预测目标框信息，生成目标框距离；第五生成单元，被配置成根据上述第二时刻目标检测框信息和上述第一时刻预测目标框信息，生成目标相似度；第六生成单元，被配置成根据上述目标框距离和上述目标相似度，生成目标识别信息。
[0012]第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
[0013]第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
[0014]本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的目标识别信息生成方法，提高了生成的目标识别信息的准确率，减少了跟踪目标漏检和错检情况的发生。具体来说，导致生成的目标识别信息的准确率较低。进而导致跟踪目标漏检和错检情况的发生次数较多的原因在于：未同时考虑运动特征(基于距离)和表观特征相结合的方式确定跟踪目标是否为同一目标。导致生成的目标识别信息的准确率较低。进而导致跟踪目标漏检和错检情况的发生次数较多。基于此，本公开的一些实施例的目标识别信息生成方法，首先，获取图像采集设备采集的第一预设时刻图像和第二预设时刻图像。其中，上述第一预设时刻图像的采集时间早于上述第二预设时刻图像的采集时间。由此，可以得到表征不同发生时刻的第一预设时刻图像和第二预设时刻图像。然后，根据预先训练的目标检测模型和上述第一预设时刻图像，生成第一时刻目标检测框信息。其中，上述第一时刻目标检测框信息可以包括第一目标中心横坐标、第一目标中心纵坐标、第一目标检测框宽高比
和第一目标检测框高度。由此，可以得到表征第一时刻目标位置和目标大小的第一时刻目标检测框信息。之后，根据上述目标检测模型和上述第二预设时刻图像，生成第二时刻目标检测框信息。其中，上述第二时刻目标检测框信息可以包括第二目标中心横坐标、第二目标中心纵坐标、第二目标检测框宽高比和第二目标检测框高度。由此，可以得到表征第二时刻目标位置和目标大小的第二时刻目标检测框信息。其次，根据上述第一时刻目标检测框信息，生成第一时刻预测目标框信息。其中，上述第一时刻预测目标框信息可以包括第三目标中心横坐标、第三目标中心纵坐标、第三目标检测框宽高比和第三目标检测框高度。由此，可以得到第一时刻预测目标框信息。从而可以用于与第二时刻目标检测框信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标识别信息生成方法，包括：获取图像采集设备采集的第一预设时刻图像和第二预设时刻图像，其中，所述第一预设时刻图像的采集时间早于所述第二预设时刻图像的采集时间；根据预先训练的目标检测模型和所述第一预设时刻图像，生成第一时刻目标检测框信息，其中，所述第一时刻目标检测框信息包括第一目标中心横坐标、第一目标中心纵坐标、第一目标检测框宽高比和第一目标检测框高度；根据所述目标检测模型和所述第二预设时刻图像，生成第二时刻目标检测框信息，其中，所述第二时刻目标检测框信息包括第二目标中心横坐标、第二目标中心纵坐标、第二目标检测框宽高比和第二目标检测框高度；根据所述第一时刻目标检测框信息，生成第一时刻预测目标框信息，其中，所述第一时刻预测目标框信息包括第三目标中心横坐标、第三目标中心纵坐标、第三目标检测框宽高比和第三目标检测框高度；根据所述第二时刻目标检测框信息和所述第一时刻预测目标框信息，生成目标框距离；根据所述第二时刻目标检测框信息和所述第一时刻预测目标框信息，生成目标相似度；根据所述目标框距离和所述目标相似度，生成目标识别信息。2.根据权利要求1所述的方法，其中，所述方法还包括：将所生成的目标识别信息发送至相关联的显示设备，以对所述目标识别信息进行显示。3.根据权利要求1所述的方法，其中，所述根据所述第二时刻目标检测框信息和所述第一时刻预测目标框信息，生成目标框距离，包括：将所述第二时刻目标检测框信息包括的第二目标中心横坐标、第二目标中心纵坐标、第二目标检测框宽高比和第二目标检测框高度确定为预测序列；将所述第一时刻预测目标框信息包括的第三目标中心横坐标、第三目标中心纵坐标、第三目标检测框宽高比和第三目标检测框高度确定为检测序列；对所述预测序列进行向量化处理，以生成预测向量；对所述检测序列进行向量化处理，以生成检测向量；将所述预测向量与预设目标框信息协方差矩阵的乘积确定为第一矩阵，其中，所述预设目标框信息协方差矩阵为所述检测序列和所述预测序列对应的协方差矩阵；将所述第一矩阵与所述检测向量的乘积确定为目标框距离。4.根据权利要求1所述的方法，其中，所述目标检测模型包括特征提取层、权重特征提取层、特征融合层和检测头层；以及所述根据预先训练的目标检测模型和所述第一预设时刻图像，生成第一时刻目标检测框信息，包括：将所述第一预设时刻图像输入至所述特征提取层，得到第一时刻目标特征图；将所述第一时刻目标特征图输入至所述权重特征提取层，得到权重特征图；将所述权重特征图输入至所述特征融合层，得到融合特征图集合；将所述融合特征图集合输入至所述检测头层，得到第一时刻目标检测框信息。
5.根据权利要求4所述的方法，其中，所述将所述权重特征图输入至所述特征融合层，得到融合特征图集合，包括：对所述权重特征图进行卷积处理，以生成第一尺寸卷积特征图；对所述第一尺寸卷积特征图进行卷积处理，以生成第二尺寸卷积特征图，其中，所述第二尺寸卷积特征图的数据维度小于所述第一尺寸卷积特征图的数据维度；对所述第二尺寸卷积特征图进行卷积处理，以生成第三尺寸卷积特征图，其中，所述第三尺寸卷积特征图的数据维度小于所述第二尺寸卷积特征图的数据维度；对所述第三尺寸卷积特征图进行上采样处理，以生成第二尺寸上采样特征图；将所述第二尺寸上采样特征图与所述第二尺寸卷积特征图进行融合处理，以生成第二尺寸融合特征图；对所述第二尺寸融合特征图进行上采样处理，以生成第一尺寸上采样特征图；将所述第...

【专利技术属性】
技术研发人员：许金坡，
申请(专利权)人：中星电子股份有限公司广东中星电子有限公司北京中星微电子有限公司，
类型：发明
国别省市：