【技术实现步骤摘要】
本申请涉及目标识别领域，尤其涉及一种基于级联神经网络和目标时空连续性的细粒度识别方法。
技术介绍
1、视频监控能够提供丰富直观的场景信息，方便人们以远程的形式对环境情况及其变化进行了解，特别是环境中的感兴趣目标。基于计算机视觉的目标识别监测，具有效率高、成本低、覆盖范围广等优点，广泛应用于交通、安防、生态保护等领域。近年来快速发展的人工智能技术为目标识别提供了非常有效的技术支撑，能够对图像中的目标进行自动化和智能化的识别和分类，大大提高工作效率，减少人工干预，实现智慧化监测和管理。
2、在实际应用中，往往不仅需要对目标的大致类别(如鸟类、车辆)进行分析，即粗粒度识别，还需要判断出目标的细分种类(如白鹤、灰鹤)，即目标的细粒度识别。目前对于目标的粗粒度识别研究较多，出现了许多基于神经网络的模型算法，这些方法通过单帧图像即可取得良好的识别效果。然而细粒度识别还面临许多问题。一方面，对于不同目标的细粒度区分，需要更加复杂的网络结构来提取精细特征，如果对连续视频中的每帧图片都进行细粒度识别，会产生巨大的计算量导致无法实时识别，从而导致识别效率偏低；另一方面，由于遮挡、模糊等因素，基于单帧图像无法提取目标的有效特征，这会导致识别精度较低。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本申请的第一个目的在于提出一种基于级联神经网络和目标时空连续性的细粒度识别方法，以实现高效的目标细粒度识别。
3、本申请的第二个目的在
4、本申请的第三个目的在于提出一种电子设备。
5、本申请的第四个目的在于提出一种计算机可读存储介质。
6、为达上述目的，本申请第一方面实施例提出了一种基于级联神经网络和目标时空连续性的细粒度识别方法，包括以下步骤：
7、获取时间连续的多帧待识别图像；
8、利用目标检测算法对各待识别图像进行目标检测，以得到所有感兴趣目标的位置分布；
9、基于目标时空连续性，利用目标跟踪算法对所述感兴趣目标进行跟踪，以确定各待识别图像中的新出现的感兴趣目标；
10、利用细粒度识别算法对所述新出现的感兴趣目标进行细粒度识别，以得到各感兴趣目标的识别结果；
11、基于所述位置分布和所述识别结果，得到各待识别图像的感兴趣目标的位置信息和细粒度分类结果。
12、在本申请的第一方面的方法中，所述多帧待识别图像直接获取或通过视频获得。
13、在本申请的第一方面的方法中，所述目标检测算法采用轻量化目标检测算法。
14、在本申请的第一方面的方法中，所述基于目标时空连续性，利用目标跟踪算法对所述感兴趣目标进行跟踪，以确定各待识别图像中的新出现的感兴趣目标，包括：针对感兴趣目标的外观信息和运动信息，利用目标跟踪算法匹配关联时间连续的待识别图像中的感兴趣目标，得到感兴趣目标的连续轨迹，进而确定各待识别图像中的新出现的感兴趣目标。
15、在本申请的第一方面的方法中，还包括：获得当前帧待识别图像的各感兴趣目标的识别结果后，判断所述识别结果的可靠性；若存在可靠性不满足要求的感兴趣目标，则针对该可靠性不满足要求的感兴趣目标在下一帧待识别图像中对应的感兴趣目标，及下一帧待识别图像中新出现的感兴趣目标利用细粒度识别算法进行细粒度识别。
16、为达上述目的，本申请第二方面实施例提出了一种基于级联神经网络和目标时空连续性的细粒度识别系统，包括：
17、获取模块，用于获取时间连续的多帧待识别图像；
18、目标检测模块，用于利用目标检测算法对各待识别图像进行目标检测，以得到所有感兴趣目标的位置分布；
19、目标追踪模块，用于基于目标时空连续性，利用目标跟踪算法对所述感兴趣目标进行跟踪，以确定各待识别图像中的新出现的感兴趣目标；
20、细粒度识别模块，用于利用细粒度识别算法对所述新出现的感兴趣目标进行细粒度识别，以得到各感兴趣目标的识别结果；
21、输出模块，用于基于所述位置分布和所述识别结果，得到各待识别图像的感兴趣目标的位置信息和细粒度分类结果。
22、在本申请的第二方面的系统中，所述获取模块直接获取或通过视频获得所述多帧待识别图像。
23、在本申请的第二方面的系统中，所述目标检测模块中，所述目标检测算法采用轻量化目标检测算法。
24、在本申请的第二方面的系统中，所述目标追踪模块，具体用于：针对感兴趣目标的外观信息和运动信息，利用目标跟踪算法匹配关联时间连续的待识别图像中的感兴趣目标，得到感兴趣目标的连续轨迹，进而确定各待识别图像中的新出现的感兴趣目标。
25、在本申请的第二方面的系统中，所述细粒度识别模块，还用于：获得当前帧待识别图像的各感兴趣目标的识别结果后，判断所述识别结果的可靠性；若存在可靠性不满足要求的感兴趣目标，则针对该可靠性不满足要求的感兴趣目标在下一帧待识别图像中对应的感兴趣目标，及下一帧待识别图像中新出现的感兴趣目标利用细粒度识别算法进行细粒度识别。
26、为达上述目的，本申请第三方面实施例提出了一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现本申请第一方面提出的方法。
27、为达上述目的，本申请第四方面实施例提出了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现本申请第一方面提出的方法。
28、本申请提供的基于级联神经网络和目标时空连续性的细粒度识别方法、系统、电子设备及存储介质，利用目标检测算法、目标跟踪算法和细粒度识别算法组成级联神经网络，首先利用目标检测算法快速检测出待识别图像中的感兴趣目标，之后通过目标跟踪算法实现各待识别图像中感兴趣目标的跟踪得到新出现的感兴趣目标，然后对新出现的感兴趣目标进行细粒度识别，由此能够避免对目标进行重复的细粒度识别，从而降低计算量，实现了更加高效的目标细粒度识别。
29、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
本文档来自技高网...【技术保护点】
1.一种基于级联神经网络和目标时空连续性的细粒度识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于级联神经网络和目标时空连续性的细粒度识别方法，其特征在于，所述多帧待识别图像直接获取或通过视频获得。
3.根据权利要求1所述的基于级联神经网络和目标时空连续性的细粒度识别方法，其特征在于，所述目标检测算法采用轻量化目标检测算法。
4.根据权利要求1所述的基于级联神经网络和目标时空连续性的细粒度识别方法，其特征在于，所述基于目标时空连续性，利用目标跟踪算法对所述感兴趣目标进行跟踪，以确定各待识别图像中的新出现的感兴趣目标，包括：
5.根据权利要求1所述的基于级联神经网络和目标时空连续性的细粒度识别方法，其特征在于，还包括：
6.一种基于级联神经网络和目标时空连续性的细粒度识别系统，其特征在于，包括：
7.根据权利要求6所述的基于级联神经网络和目标时空连续性的细粒度识别系统，其特征在于，所述获取模块直接获取或通过视频获得所述多帧待识别图像。
8.根据权利要求6所述的基于级联神经网络和目标时
9.根据权利要求6所述的基于级联神经网络和目标时空连续性的细粒度识别系统，其特征在于，所述目标追踪模块，具体用于：
10.根据权利要求6所述的基于级联神经网络和目标时空连续性的细粒度识别系统，其特征在于，所述细粒度识别模块，还用于：
11.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-5中任一项所述的方法。
...【技术特征摘要】
1.一种基于级联神经网络和目标时空连续性的细粒度识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于级联神经网络和目标时空连续性的细粒度识别方法，其特征在于，所述多帧待识别图像直接获取或通过视频获得。
3.根据权利要求1所述的基于级联神经网络和目标时空连续性的细粒度识别方法，其特征在于，所述目标检测算法采用轻量化目标检测算法。
4.根据权利要求1所述的基于级联神经网络和目标时空连续性的细粒度识别方法，其特征在于，所述基于目标时空连续性，利用目标跟踪算法对所述感兴趣目标进行跟踪，以确定各待识别图像中的新出现的感兴趣目标，包括：
5.根据权利要求1所述的基于级联神经网络和目标时空连续性的细粒度识别方法，其特征在于，还包括：
6.一种基于级联神经网络和目标时空连续性的细粒度识别系统，其特征在于，包括：
7.根据权利要求6所...
【专利技术属性】
技术研发人员：鉴海防，郑帅康，王洪昌，张凌赫，
申请(专利权)人：中国科学院半导体研究所，
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。