【技术实现步骤摘要】
本专利技术涉及图像处理，特别涉及一种目标识别及补全方法及装置、设备及计算机可读存储介质。
技术介绍
1、随着红外影像技术的不断发展，基于红外图像的目标跟踪在智能监控、智能交通、户外探险以及军事领域等方面都有了广泛应用。红外图像的结构简单，没有复杂的纹理特征，能够让观察者快速搜寻目标。但是红外不具有透视能力，目标被遮挡后，同样会影响观察者或者跟踪算法对于目标的追踪，从而无法准确判断被遮挡目标的姿态和轮廓，从而影响产品的智能分析。另外现有技术中的目标去遮挡方法的运算量较大，而嵌入式产品的算力有限，因此难以部署在嵌入式产品上，无法满足实时性。
技术实现思路
1、为了解决现有存在的技术问题，本专利技术实施例提供一种目标识别及补全方法及装置、设备及计算机可读存储介质，能对待处理图像中有遮挡目标的轮廓进行补全，而且无需再进行大量的计算，从而便于实时性的实现。
2、第一方面，提供一种目标识别及补全方法，包括：获取采集的待处理图像；
3、基于所述待处理图像，形成输入数据；将所述输入...
【技术保护点】
1.一种目标识别及补全方法，其特征在于，所述方法包括：
2.如权利要求1所述的目标识别及补全方法，其特征在于，所述已训练的目标处理模型包括下采样网络层、特征提取网络层、特征融合网络层及分类网络层，其中所述分类网络层包括上采样层及目标识别层，所述将所述输入数据作为已训练的目标处理模型的输入，通过所述已训练的目标处理模型识别所述待处理图像中的目标，及输出所述待处理图像对应的掩膜图像包括：
3.如权利要求2所述的目标识别及补全方法，其特征在于，所述下采样网络层执行下采样的倍数与所述上采样层执行上采样的倍数相同。
4.如权利要求1所述的目标...
【技术特征摘要】
1.一种目标识别及补全方法，其特征在于，所述方法包括：
2.如权利要求1所述的目标识别及补全方法，其特征在于，所述已训练的目标处理模型包括下采样网络层、特征提取网络层、特征融合网络层及分类网络层，其中所述分类网络层包括上采样层及目标识别层，所述将所述输入数据作为已训练的目标处理模型的输入，通过所述已训练的目标处理模型识别所述待处理图像中的目标，及输出所述待处理图像对应的掩膜图像包括：
3.如权利要求2所述的目标识别及补全方法，其特征在于，所述下采样网络层执行下采样的倍数与所述上采样层执行上采样的倍数相同。
4.如权利要求1所述的目标识别及补全方法，其特征在于，所述已训练的目标处理模型是基于训练数据集训练得到的，所述训练数据集中每一训练样本包括样本图像及样本图像对应的标签图像，所述标签图像包括：所述样本图像中有遮挡目标对应完整轮廓、所述样本图像中没有遮挡目标的完整轮廓。
5.如权利要求4所述的目标识别及补全方法，其特征在于，所述方法还包括：
6.如权利要求1至5中任一项所述的目标识别...
【专利技术属性】
技术研发人员：王浩，刘仲印，薛庆鑫，陈洋，
申请(专利权)人：合肥英睿系统技术有限公司，
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。