目标对象识别方法、装置和电子系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112417970A(43)申请公布日2021.02.26(21)申请号202011143453.1(22)申请日2020.10.22(71)申请人北京迈格威科技有限公司地址100090北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人陈军如姚皓天(74)专利代理机构北京超凡宏宇专利代理事务所(特殊普通合伙)11463代理人何少岩(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书14页附图6页(54)发明名称目标对象识别方法、装置和电子系统(57)摘要本发明提供了一种目标对象识别方法、装置和电子系统，涉及图像处理技术领域，该方法包括：获取待识别的视频帧序列中同一目标对象的检测框集合和检测框集合中每个检测框的图像质量分值；基于每个检测框的图像质量分值，从检测框集合中选择第一检测框和第二检测框；基于第一检测框的第一检索特征向量、第一检测框的第一跟踪特征向量和第二检测框的第二跟踪特征向量确定第二检测框的第二检索特征向量；融合第一检索特征向量和第二检索特征向量，得到同一目标对象的最优特征向量；基于最优特征向量和预存的目标对象底库确定同一目标对象的识别结果。本发明缓解了CNN网络提取到的特征泛化能力较差的问题，提升目标对象的检索准确率。CN112417970ACN112417970A权利要求书1/2页1.一种目标对象识别方法，其特征在于，所述方法应用于电子设备，包括：获取待识别的视频帧序列中同一目标对象的检测框集合和所述检测框集合中每个检测框的图像质量分值；基于每个所述检测框的图像质量分值，从所述检测框集合中选择第一检测框和第二检测框；基于所述第一检测框的第一检索特征向量、所述第一检测框的第一跟踪特征向量和所述第二检测框的第二跟踪特征向量确定所述第二检测框的第二检索特征向量；其中，所述第一检索特征向量的维度大于所述第一跟踪特征向量；所述第二检索特征向量的维度大于所述第二跟踪特征向量；融合所述第一检索特征向量和所述第二检索特征向量，得到所述同一目标对象的最优特征向量；基于所述最优特征向量和预存的目标对象底库确定所述同一目标对象的识别结果。2.根据权利要求1所述的方法，其特征在于，获取待识别的视频帧序列中同一目标对象的检测框集合和所述检测框集合中每个检测框的图像质量分值的步骤，包括：对待识别的视频帧序列中的视频帧进行目标对象检测，得到包含有所述目标对象的检测框；对每个所述检测框进行图像质量评分和跟踪特征向量提取，得到每个所述检测框的跟踪特征向量和图像质量分值；基于每个所述检测框的跟踪特征向量确定同一目标对象的检测框集合。3.根据权利要求2所述的方法，其特征在于，对每个所述检测框进行图像质量评分和跟踪特征向量提取的步骤，包括：将每个所述检测框分别输入质量评分模型和第一卷积神经网络模型，得到每个所述检测框的图像质量评分和跟踪特征向量；其中，所述质量评分模型用于对输入的检测框进行图像质量评分；所述第一卷积神经网络模型用于对输入的检测框进行跟踪特征向量提取。4.根据权利要求1所述的方法，其特征在于，基于每个所述检测框的图像质量分值，从所述检测框集合中选择第一检测框和第二检测框的步骤，包括：基于每个所述检测框的图像质量分值大小对所述检测框集合中的检测框排序；基于所述排序选择第一检测框和第二检测框，其中，所述第一检测框的图像质量分值和所述第二检测框的图像质量分值均大于未被选中的检测框的图像质量分值。5.根据权利要求1所述的方法，其特征在于，从所述检测框集合中选择第一检测框和第二检测框的步骤之后，所述方法还包括：将所述第一检测框输入第二卷积神经网络模型，得到所述第一检测框的第一检索特征向量；其中，所述第二卷积神经网络模型用于对输入的检测框进行检索特征向量提取。6.根据权利要求1所述的方法，其特征在于，基于所述第一检测框的第一检索特征向量、所述第一检测框的第一跟踪特征向量和所述第二检测框的第二跟踪特征向量确定所述第二检测框的第二检索特征向量的步骤，包括：将所述第一检测框的第一检索特征向量、所述第一检测框的第一跟踪特征向量和所述第二检测框的第二跟踪特征向量输入预先训练好的特征升级网络模型，得到所述第二检测框的第二检索特征向量；其中，所述特征升级网络模型是基于标注有对象标签的图像样本2CN112417970A权利要求书2/2页训练卷积神经网络模型得到的。7.根据权利要求6所述的方法，其特征在于，所述特征升级网络模型的训练过程包括：将标注有对象标签的图像样本集合分别输入第三卷积神经网络模型和第四卷积神经网络模型，得到每个所述对象标签对应的跟