CN110188605A - 目标物体识别方法、装置、***、计算机设备和存储介质 - Google Patents
目标物体识别方法、装置、***、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110188605A CN110188605A CN201910314576.8A CN201910314576A CN110188605A CN 110188605 A CN110188605 A CN 110188605A CN 201910314576 A CN201910314576 A CN 201910314576A CN 110188605 A CN110188605 A CN 110188605A
- Authority
- CN
- China
- Prior art keywords
- identification
- target object
- test leakage
- code stream
- identification information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Television Signal Processing For Recording (AREA)
- Burglar Alarm Systems (AREA)
Abstract
本申请涉及一种目标物体识别方法、装置、***、计算机设备和存储介质。所述方法包括:识别码流中的目标物体,得到识别信息;根据所述识别信息判断是否存在漏测目标物体;若存在漏测目标物体,则在所述码流中添加漏测标志以及识别信息,所述漏测标志以及识别信息用于后端设备对漏测目标物体进行补充识别;将所述码流传输至所述后端设备。通过前端设备对漏测目标物体在码流中进行标注,使后端设备在接收到码流之后能够对漏测目标物体进行补充识别。避免由于计算能力不足带来的漏测问题,进一步的提高了识别的准确度,提升了***的防护性能。
Description
技术领域
本申请涉及监控识别技术领域,特别是涉及一种目标物体识别方法、装置、***、计算机设备和存储介质。
背景技术
视频监控***是安全技术防范体系中的一个重要组成部分,是一种先进的且防范能力极强的综合性***,它可以通过摄像机以及辅助设备直接观看被监视场所的状况。随着人脸检测、人脸识别、人体识别以及车辆识别技术的发展,以及存储、智能化等技术的不断进步,视频监控***的功能也越来越强大,防范范围与能力也更加强大与智能化。目前市场上常见的前端采集设备包括:网络摄像机(IPC)、高清云台摄像机(ITC)以及球机等。前端设备实时采集被监视场所的视频数据,并通过人脸检测以及人脸识别等技术对视频数据进行识别,从而达到监控的目的。
目前的传统技术中,前端设备实时采集被监视场所的视频数据,并对待识别物进行识别,如果视频数据中出现大量的持续时间较长的待识别物,则由于检测到的待识别物数量大于识别阈值,会出现漏测目标物体,也就是部分待识别物由于前端设备的计算能力问题无法被识别,进而降低了***的防护性能。
发明内容
基于此,有必要针对上述技术问题,提供一种能避免待识别物出现漏测的目标物体识别方法、装置、计算机设备和存储介质。
一种目标物体识别方法,所述方法包括:识别码流中的目标物体,得到识别信息;根据所述识别信息判断是否存在漏测目标物体;若存在漏测目标物体,则在所述码流中添加漏测标志以及识别信息,所述漏测标志以及识别信息用于后端设备对漏测目标物体进行补充识别;将所述码流传输至所述后端设备。
在其中一个实施例中,所述识别码流中的目标物体,得到识别信息包括:检测码流中的目标物体,得到检测物体数量;识别所述目标物体,得到各识别阶段的识别物体数量;将所述检测物体数量以及各识别阶段的识别物体数量作为识别信息。
在其中一个实施例中,所述根据所述识别信息判断是否存在漏测目标物体包括:根据所述检测物体数量、各识别阶段的识别物体数量以及各识别阶段的识别物体阈值判断是否存在漏测目标物体。
在其中一个实施例中,所述根据所述检测物体数量、各识别阶段的识别物体数量以及各识别阶段的识别物体阈值判断是否存在漏测目标物体包括:若所述检测物体数量大于第一识别阶段的识别物体阈值和/或当前识别阶段的识别物体数量大于后一识别阶段的识别物体阈值,则存在漏测目标物体。
一种目标物体识别方法,所述方法包括:接收前端设备传输的码流;判断所述码流中是否存在漏测标志;若存在漏测标志,则获取码流中的识别信息;根据所述识别信息以及码流对漏测目标物体进行补充识别。
在其中一个实施例中,所述获取码流中的识别信息之前,还包括:判断是否由当前后端设备立即对漏测目标物体进行补充识别;若是,则获取码流中的识别信息。
在其中一个实施例中,所述根据所述识别信息以及码流对漏测目标物体进行补充识别之后,还包括:根据对漏测目标物体的补充识别结果,更新漏测标志以及识别信息。
一种目标物体识别的前端装置,所述装置包括:识别模块,用于识别码流中的目标物体,得到识别信息;第一判断模块,用于根据所述识别信息判断是否存在漏测目标物体;标识添加模块,用于若存在漏测目标物体,则在所述码流中添加漏测标志以及识别信息,所述漏测标志以及识别信息用于后端设备对漏测目标物体进行补充识别;传输模块,用于将所述码流传输至所述后端设备。
一种目标物体识别的后端装置,所述装置包括:接收模块,用于接收前端设备传输的码流;第二判断模块,用于判断所述码流中是否存在漏测标志;信息获取模块,用于若存在漏测标志,则获取码流中的识别信息;补充识别模块,用于根据所述识别信息以及码流对漏测目标物体进行补充识别。
一种目标物体识别***,所述***包括:前端装置以及后端设备;所述前端设备包括:识别模块,用于识别码流中的目标物体,得到识别信息;第一判断模块,用于根据所述识别信息判断是否存在漏测目标物体;标识添加模块,用于若存在漏测目标物体,则在所述码流中添加漏测标志以及识别信息,所述漏测标志以及识别信息用于后端设备对漏测目标物体进行补充识别;传输模块,用于将所述码流传输至所述后端设备;所述后端设备包括:接收模块,用于接收前端设备传输的码流;第二判断模块,用于判断所述码流中是否存在漏测标志;信息获取模块,用于若存在漏测标志,则获取码流中的识别信息;补充识别模块,用于根据所述识别信息以及码流对漏测目标物体进行补充识别。
一种监控设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现前一种目标物体识别方法中任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现前一种目标物体识别方法中任一项所述的方法的步骤。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现后一种目标物体识别方法中任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现后一种目标物体识别方法中任一项所述的方法的步骤。
上述目标物体识别方法、装置、计算机设备和存储介质,识别码流中的目标物体得到识别信息,根据识别信息判断是否存在漏测目标物体,如果存在漏测目标物体,则在码流中添加漏测标识以及识别信息,再将码流传输至后端设备。后端设备根据漏测标识以及识别信息对码流中的漏测目标物体进行补充识别。通过前端设备对漏测目标物体在码流中进行标注,使后端设备在接收到码流之后能够对漏测目标物体进行补充识别。避免由于计算能力不足带来的漏测问题,进一步的提高了识别的准确度,提升了***的防护性能。
附图说明
图1为一个实施例中目标物体识别方法的流程示意图;
图2为另一个实施例中目标物体识别方法的流程示意图;
图3为一个实施例中后端设备识别目标物体的方法流程示意图;
图4为一个实施例中目标物体识别的前端装置的结构框图;
图5为一个实施例中目标物体识别的后端装置的结构框图;
图6为一个实施例中视频监控***的结构框图;
图7为一个实施例中监控设备的内部结构图;
图8为一个实施例中计算机设备的内部结构图。
附图标记:目标物体识别的前端装置100、识别模块110、第一判断模块120、标识添加模块130、传输模块140、目标物体识别的后端装置200、接收模块210、第二判断模块220、信息获取模块230、补充识别模块240。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
视频监控***通过设置在各个应用场景中的前端设备实时采集当前的环境的视频数据生成码流,再通过人脸识别算法、车辆识别算法、人体识别算法等对码流中的目标物体进行检测识别,识别出当前环境中的人、车辆等物体。并对识别出的人、车辆等物体进行分类存储,并生成包含各种物体特征值的数据库。当需要查找特定目标时,提取特定目标的特征值,并将特定目标的特征值在数据库中进行比对,找到特定目标。前端设备将码流传输至后端设备,并在后端设备进行存储。
在一个实施例中,如图1所示,提供了一种目标物体识别方法,包括以下步骤:
步骤S102,识别码流中的目标物体,得到识别信息。
具体地,视频监控***的前端设备开启目标物体识别检测功能,并实时采集当前环境的视频数据生成码流。其中,前端设备包括网络摄像机(IPC)、高清云台摄像机(ITC)以及球机等。前端设备对码流进行识别具体为:前端设备首先对码流中的每一帧图片都通过算法进行检测。检测算法包括:人脸检测算法、人体检测算法以及车辆检测算法等可以检测视频中物体的任何算法。通过检测算法初步的检测出每一帧图像中所有可以检测到的目标物体。目标物体包括:人脸、人体以及车辆等可以被检测算法检测出的任何物体。在码流中检测到目标物体后,对检测出的目标物体在码流的画面中进行跟踪。在目标物体出现的每一帧图像中选取一张最好抓取并且目标物体成像质量最高的图像。使用分类算法根据目标物体对相应目标物体的最优图像进行分类。可以按照不同的物体种类进行分类,例如分为:车辆、人体以及人脸等。也可以再按照目标的属性进行分类,例如人的性别、车辆的款式等。此时目标物体的检测完成。在检测完成后,对分类好的目标物体最优图像进行特征值提取,并根据提取到的特征值进行目标物体的识别。在上述识别过程中,检测码流中的目标物体,得到检测物体数量。识别目标物体,得到各识别阶段的识别物体数量。其中,各识别阶段的识别物体数量包括:对目标物体进行跟踪时的识别物体数量、选取目标物体最优图像时的识别物体数量、对目标物体进行分类时的识别物体数量、对目标物体最优图像进行特征值提取时的识别物体数量以及根据特征值进行目标物体识别的识别物体数量。最终将检测物体数量以及各识别阶段的识别物体数量作为识别信息。识别信息还可以包括:所有目标物体的识别进度,也就是所有目标物体在识别的过程中执行到的步骤。
步骤S104,根据识别信息判断是否存在漏测目标物体。
具体地,根据检测物体数量、各识别阶段的识别物体数量以及各识别阶段的识别物体阈值判断是否存在漏测目标物体。其中,各识别阶段的识别物体阈值为个识别阶段的最大处理能力。识别阶段的识别物体阈值包括:对目标物体进行跟踪时的识别物体阈值、选取目标物体最优图像时的识别物体阈值、对目标物体进行分类时的识别物体阈值、对目标物体最优图像进行特征值提取时的识别物体阈值以及根据特征值进行目标物体识别的识别物体阈值。若检测物体数量大于第一识别阶段的识别物体阈值和/或当前识别阶段的识别物体数量大于后一识别阶段的识别物体阈值,则存在漏测目标物体。更具体地,检测物体数量大于对目标物体进行跟踪时的识别物体阈值、对目标物体进行跟踪时的识别物体数量大于选取目标物体最优图像时的识别物体阈值、选取目标物体最优图像时的识别物体数量大于对目标物体进行分类时的识别物体阈值、对目标物体进行分类时的识别物体数量大于对目标物体最优图像进行特征值提取时的识别物体阈值、对目标物体最优图像进行特征值提取时的识别物体数量大于根据特征值进行目标物体识别的识别物体阈值,满足上述条件中的至少一个,则可以认为当前识别过程中存在漏测目标物体。例如,当检测物体数量为20个目标物体,而对目标物体进行跟踪的最大处理能力为10个目标物体,也就是目标物体进行跟踪时的识别物体阈值为10,则剩余有10个目标物体无法被跟踪,即出现目标物体漏测。
步骤S106,若存在漏测目标物体,则在码流中添加漏测标志以及识别信息,漏测标志以及识别信息用于后端设备对漏测目标物体进行补充识别。
具体地,当判断出现漏测时,在相应时间段的码流中添加漏测标志以及识别过程中得到的识别信息。其中,漏测标志可以为码流中设置的标识位,当标识位为0时则表示存在漏测目标物体,当标识位为1时则表示不存在漏测目标物体。设置漏测标志的目的是为了当码流传输至后端设备,后端设备对码流进行分析时能够根据漏测标志分辨出当前码流中是否存在漏测目标物体;设置识别信息的目的是为了使后端设备在接收到码流并分辨出当前码流中存在漏测目标物体时,后端设备根据识别信息对漏测目标物体进行补充识别。
步骤S108,将码流传输至后端设备。
具体地,将添加了漏测标志以及识别信息的码流通过有线或无线的方式传输至后端设备。其中,后端设备可以是服务器、个人终端等具有图像识别运算能力的设备。
上述目标物体识别方法,识别码流中的目标物体得到识别信息,根据识别信息判断是否存在漏测目标物体,如果存在漏测目标物体,则在码流中添加漏测标识以及识别信息,再将码流传输至后端设备。避免了由于前端设备计算能力不足带来的漏测问题,进一步的提高了识别的准确度,提升了***的防护性能。
在一个实施例中,如图2所示,提供了另一种目标物体识别方法,包括以下步骤:
步骤S202,接收前端设备传输的码流。
具体地,视频监控***的后端设备通过有线或无线的方式,接收前端设备传输的码流。
步骤S204,判断码流中是否存在漏测标志。
具体地,后端设备获取码流中的漏测标志,也就是获取码流中设置的标识位,当标识位为0时则表示存在漏测目标物体,当标识位为1时则表示不存在漏测目标物体。
步骤S206,若存在漏测标志,则获取码流中的识别信息。
具体地,当标识位为0存在漏测目标物体时,判断是否由当前后端设备立即对漏测目标物体进行补充识别;若是,则获取码流中的识别信息。也就是当后端设备通过漏测标志确定当前码流中存在漏测目标物体之后,首先判断是否由当前后端设备进行补充识别,如果不是由当前后端设备进行补充识别,则当前后端设备将码流传输至设定进行补充识别的其他设备,其中,其他设备可以是后端设备,也可以是空闲的前端设备;如果由当前后端设备进行补充识别,则再判断是否为立即进行补充识别,如果是滞后进行补充识别,则先将码流进行存储,并在需要时提取码流进行补充识别,如果是立即进行补充识别,则获取码流中的识别信息。更具体的,通过建立一个补充识别服务器专门进行补充识别,当后端设备接收到码流并判断存在漏测目标物体时,都将码流传输至补充识别服务器进行补充识别。滞后进行补充识别可以为设备在夜间业务较少,并且不会干扰到其他业务的时间再进行补充识别。其中识别信息包括:检测物体数量以及各识别阶段的识别物体数量。
步骤S208,根据识别信息以及码流对漏测目标物体进行补充识别。
具体地,通过识别信息对码流中的漏测目标物体进行补充识别。后端设备的识别过程与步骤S102中前端设备进行识别的过程完全相同。识别信息还可以包括:所有目标物体的识别进度,也就是所有目标物体在识别的过程中执行到的步骤。这样当后端设备在码流进行补充识别时,能够根据所有目标物体的识别进度,只检测漏测目标物体或只从相应的步骤识别漏测目标物体,能够有效的提高补充识别的效率。例如,当漏测目标物体在前端设备只被检测出,由于对目标物体进行跟踪的最大处理能力不足导致漏测,则当前后端设备对相应的漏测目标物体从目标跟踪开始进行补充识别。当漏测目标物体已经被分类,由于对目标物体最优图像进行特征值提取的最大处理能力不足导致漏测,则当前后端设备对相应的漏测目标物体从提取特征值开始进行补充识别。在补充识别完成后,根据对漏测目标物体的补充识别结果,更新漏测标志以及识别信息。也就是当补充识别完成后,若果还存在漏测目标物体,则用补充识别过程的识别信息更新当前码流的识别信息,将当前码流存储于硬盘,并在需要时提取码流再次进行补充识别;如果不存在漏测目标物体则将码流中的漏测标志以及识别信息删除,并将当前码流进行保存。
在一个实施例中,如图3所示,提供了一种后端设备识别目标物体的方法,前端设备将带有漏测标志和识别信息的码流发往后端设备,后端设备接收前端设备传输的码流。首先判断是否为当前后端设备进行补充识别,如果不是由当前后端设备进行补充识别,则当前后端设备将码流转发到其他设备,让其他设备处理,如果由当前后端设备进行补充识别,则判断是否为立刻进行补充识别。如果是滞后进行补充识别,则先将码流进行存储,并在空闲时取出码流并检测与识别;如果是立即进行补充识别,则后端设备根据码流中的识别信息对目标进行补测。在补充识别完成后,根据对漏测目标物体的补充识别结果,判断是否将所有目标物体检测,若否,则更新码流中的识别信息,并将码流存储起来,在设备空闲时重新检测与识别;若是,则将漏测标志与识别信息取出,并存储码流。
上述目标物体识别方法,使用后端设备对前端设备漏测目标物体进行补充识别,提高了目标物体检测和识别的效率。并且利用后端设备进行补充识别,能够提高识别的灵活性,可以将码流传输至其他设备进行检测和识别;也可以先进行存储,之后进行检测和识别;也可以对码流中的漏测目标物体只检测部分,然后存储,滞后再对剩余的漏测目标物体进行检测和识别;也可以对漏测目标物体进行一次性的检测和识别。
应该理解的是,虽然图1-2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供了一种目标物体识别的前端装置100,包括:识别模块110、第一判断模块120、标识添加模块130以及传输模块140,其中:
识别模块110,用于识别码流中的目标物体,得到识别信息。
第一判断模块120,用于根据识别信息判断是否存在漏测目标物体。
标识添加模块130,用于若存在漏测目标物体,则在码流中添加漏测标志以及识别信息,漏测标志以及识别信息用于后端设备对漏测目标物体进行补充识别。
传输模块140,用于将码流传输至后端设备。
识别模块110还包括:检测单元、识别单元以及识别信息生成单元。
检测单元,用于检测码流中的目标物体,得到检测物体数量。
识别单元,用于识别目标物体,得到各识别阶段的识别物体数量。
识别信息生成单元,用于将检测物体数量以及各识别阶段的识别物体数量作为识别信息。
第一判断模块120,还用于根据检测物体数量、各识别阶段的识别物体数量以及各识别阶段的识别物体阈值判断是否存在漏测目标物体。
第一判断模块120,还用于若检测物体数量大于第一识别阶段的识别物体阈值和/或当前识别阶段的识别物体数量大于后一识别阶段的识别物体阈值,则存在漏测目标物体。
关于目标物体识别的前端装置的具体限定可以参见上文中对于目标物体识别方法的限定,在此不再赘述。上述目标物体识别的前端装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,如图4所示,提供了一种目标物体识别的后端装置200,包括:接收模块210、第二判断模块220、信息获取模块230以及补充识别模块240,其中:
接收模块210,用于接收前端设备传输的码流。
第二判断模块220,用于判断码流中是否存在漏测标志。
信息获取模块230,用于若存在漏测标志,则获取码流中的识别信息。
补充识别模块240,用于根据识别信息以及码流对漏测目标物体进行补充识别。
目标物体识别的后端装置还包括:第三判断模块。
第三判断模块,用于判断是否由当前后端设备立即对漏测目标物体进行补充识别;若是,则获取码流中的识别信息。
目标物体识别的后端装置还包括:更新模块。
更新模块,用于根据对漏测目标物体的补充识别结果,更新漏测标志以及识别信息。
关于目标物体识别的后端装置的具体限定可以参见上文中对于目标物体识别方法的限定,在此不再赘述。上述目标物体识别的后端装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,如图5所示,提供了一种目标物体识别***,包括:目标物体识别的前端装置100以及目标物体识别的后端装置200。
目标物体识别的前端装置100,包括:识别模块110、第一判断模块120、标识添加模块130以及传输模块140,其中:识别模块110,用于识别码流中的目标物体,得到识别信息。第一判断模块120,用于根据识别信息判断是否存在漏测目标物体。标识添加模块130,用于若存在漏测目标物体,则在码流中添加漏测标志以及识别信息,漏测标志以及识别信息用于后端设备对漏测目标物体进行补充识别。传输模块140,用于将码流传输至后端设备。识别模块110还包括:检测单元、识别单元以及识别信息生成单元。检测单元,用于检测码流中的目标物体,得到检测物体数量。识别单元,用于识别目标物体,得到各识别阶段的识别物体数量。识别信息生成单元,用于将检测物体数量以及各识别阶段的识别物体数量作为识别信息。第一判断模块120,还用于根据检测物体数量、各识别阶段的识别物体数量以及各识别阶段的识别物体阈值判断是否存在漏测目标物体。第一判断模块120,还用于若检测物体数量大于第一识别阶段的识别物体阈值和/或当前识别阶段的识别物体数量大于后一识别阶段的识别物体阈值,则存在漏测目标物体。
目标物体识别的后端装置200,包括:接收模块210、第二判断模块220、信息获取模块230以及补充识别模块240,其中:接收模块210,用于接收前端设备传输的码流。第二判断模块220,用于判断码流中是否存在漏测标志。信息获取模块230,用于若存在漏测标志,则获取码流中的识别信息。补充识别模块240,用于根据识别信息以及码流对漏测目标物体进行补充识别。目标物体识别的后端装置还包括:第三判断模块。第三判断模块,用于判断是否由当前后端设备立即对漏测目标物体进行补充识别;若是,则获取码流中的识别信息。目标物体识别的后端装置还包括:更新模块。更新模块,用于根据对漏测目标物体的补充识别结果,更新漏测标志以及识别信息。
在一个实施例中,提供了一种监控设备,该监控设备可以是网络摄像机(IPC)、高清云台摄像机(ITC)以及球机等,其内部结构图可以如图6所示。该监控设备包括通过***总线连接的处理器、存储器、网络接口、数据库以及摄像头等。其中,该监控设备的处理器用于提供计算和控制能力。该监控设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该监控设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现图1所示的一种目标物体识别方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的监控设备的限定,具体的监控设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种监控设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
识别码流中的目标物体,得到识别信息;根据识别信息判断是否存在漏测目标物体;若存在漏测目标物体,则在码流中添加漏测标志以及识别信息,漏测标志以及识别信息用于后端设备对漏测目标物体进行补充识别;将码流传输至后端设备。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
检测码流中的目标物体,得到检测物体数量;识别目标物体,得到各识别阶段的识别物体数量;将检测物体数量以及各识别阶段的识别物体数量作为识别信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据检测物体数量、各识别阶段的识别物体数量以及各识别阶段的识别物体阈值判断是否存在漏测目标物体。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若检测物体数量大于第一识别阶段的识别物体阈值和/或当前识别阶段的识别物体数量大于后一识别阶段的识别物体阈值,则存在漏测目标物体。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
识别码流中的目标物体,得到识别信息;根据识别信息判断是否存在漏测目标物体;若存在漏测目标物体,则在码流中添加漏测标志以及识别信息,漏测标志以及识别信息用于后端设备对漏测目标物体进行补充识别;将码流传输至后端设备。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
检测码流中的目标物体,得到检测物体数量;识别目标物体,得到各识别阶段的识别物体数量;将检测物体数量以及各识别阶段的识别物体数量作为识别信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据检测物体数量、各识别阶段的识别物体数量以及各识别阶段的识别物体阈值判断是否存在漏测目标物体。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若检测物体数量大于第一识别阶段的识别物体阈值和/或当前识别阶段的识别物体数量大于后一识别阶段的识别物体阈值,则存在漏测目标物体。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现图2所示的一种目标物体识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收前端设备传输的码流;判断码流中是否存在漏测标志;若存在漏测标志,则获取码流中的识别信息;根据识别信息以及码流对漏测目标物体进行补充识别。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
判断是否由当前后端设备立即对漏测目标物体进行补充识别;若是,则获取码流中的识别信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据对漏测目标物体的补充识别结果,更新漏测标志以及识别信息。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收前端设备传输的码流;判断码流中是否存在漏测标志;若存在漏测标志,则获取码流中的识别信息;根据识别信息以及码流对漏测目标物体进行补充识别。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
判断是否由当前后端设备立即对漏测目标物体进行补充识别;若是,则获取码流中的识别信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据对漏测目标物体的补充识别结果,更新漏测标志以及识别信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种目标物体识别方法,其特征在于,所述方法包括:
识别码流中的目标物体,得到识别信息;
根据所述识别信息判断是否存在漏测目标物体;
若存在漏测目标物体,则在所述码流中添加漏测标志以及识别信息,所述漏测标志以及识别信息用于后端设备对漏测目标物体进行补充识别;
将所述码流传输至所述后端设备。
2.根据权利要求1所述的方法,其特征在于,所述识别码流中的目标物体,得到识别信息包括:
检测码流中的目标物体,得到检测物体数量;
识别所述目标物体,得到各识别阶段的识别物体数量;
将所述检测物体数量以及各识别阶段的识别物体数量作为识别信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述识别信息判断是否存在漏测目标物体包括:
根据所述检测物体数量、各识别阶段的识别物体数量以及各识别阶段的识别物体阈值判断是否存在漏测目标物体。
4.根据权利要求3所述的方法,其特征在于,所述根据所述检测物体数量、各识别阶段的识别物体数量以及各识别阶段的识别物体阈值判断是否存在漏测目标物体包括:
若所述检测物体数量大于第一识别阶段的识别物体阈值和/或当前识别阶段的识别物体数量大于后一识别阶段的识别物体阈值,则存在漏测目标物体。
5.一种目标物体识别方法,其特征在于,所述方法包括:
接收前端设备传输的码流;
判断所述码流中是否存在漏测标志;
若存在漏测标志,则获取码流中的识别信息;
根据所述识别信息以及码流对漏测目标物体进行补充识别。
6.根据权利要求5所述的方法,其特征在于,所述获取码流中的识别信息之前,还包括:
判断是否由当前后端设备立即对漏测目标物体进行补充识别;
若是,则获取码流中的识别信息。
7.根据权利要求6所述的方法,其特征在于,所述根据所述识别信息以及码流对漏测目标物体进行补充识别之后,还包括:
根据对漏测目标物体的补充识别结果,更新漏测标志以及识别信息。
8.一种目标物体识别的前端装置,其特征在于,所述装置包括:
识别模块,用于识别码流中的目标物体,得到识别信息;
第一判断模块,用于根据所述识别信息判断是否存在漏测目标物体;
标识添加模块,用于若存在漏测目标物体,则在所述码流中添加漏测标志以及识别信息,所述漏测标志以及识别信息用于后端设备对漏测目标物体进行补充识别;
传输模块,用于将所述码流传输至所述后端设备。
9.一种目标物体识别的后端装置,其特征在于,所述装置包括:
接收模块,用于接收前端设备传输的码流;
第二判断模块,用于判断所述码流中是否存在漏测标志;
信息获取模块,用于若存在漏测标志,则获取码流中的识别信息;
补充识别模块,用于根据所述识别信息以及码流对漏测目标物体进行补充识别。
10.一种目标物体识别***,其特征在于,所述***包括:前端装置以及后端设备;
所述前端设备包括:
识别模块,用于识别码流中的目标物体,得到识别信息;
第一判断模块,用于根据所述识别信息判断是否存在漏测目标物体;
标识添加模块,用于若存在漏测目标物体,则在所述码流中添加漏测标志以及识别信息,所述漏测标志以及识别信息用于后端设备对漏测目标物体进行补充识别;
传输模块,用于将所述码流传输至所述后端设备;
所述后端设备包括:
接收模块,用于接收前端设备传输的码流;
第二判断模块,用于判断所述码流中是否存在漏测标志;
信息获取模块,用于若存在漏测标志,则获取码流中的识别信息;
补充识别模块,用于根据所述识别信息以及码流对漏测目标物体进行补充识别。
11.一种监控设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
13.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求5至7中任一项所述方法的步骤。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求5至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910314576.8A CN110188605B (zh) | 2019-04-18 | 2019-04-18 | 目标物体识别方法、装置、***、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910314576.8A CN110188605B (zh) | 2019-04-18 | 2019-04-18 | 目标物体识别方法、装置、***、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110188605A true CN110188605A (zh) | 2019-08-30 |
CN110188605B CN110188605B (zh) | 2021-07-06 |
Family
ID=67714700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910314576.8A Active CN110188605B (zh) | 2019-04-18 | 2019-04-18 | 目标物体识别方法、装置、***、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110188605B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727685A (zh) * | 2009-12-02 | 2010-06-09 | 广州华工信息软件有限公司 | 一种军警与etc混合车道***及其收费方法 |
CN101794621A (zh) * | 2009-02-01 | 2010-08-04 | 金士顿科技(上海)有限公司 | 利用电可擦可编程只读存储器的缺陷表制造存储器模块的方法 |
CN101894377A (zh) * | 2010-06-07 | 2010-11-24 | 中国科学院计算技术研究所 | 三维标记点序列的跟踪方法及其*** |
US20130177235A1 (en) * | 2012-01-05 | 2013-07-11 | Philip Meier | Evaluation of Three-Dimensional Scenes Using Two-Dimensional Representations |
CN103428488A (zh) * | 2012-04-18 | 2013-12-04 | Vixs***公司 | 具有模式检测的视频处理***及其使用方法 |
CN104318263A (zh) * | 2014-09-24 | 2015-01-28 | 南京邮电大学 | 一种实时高精度人流计数方法 |
CN106780428A (zh) * | 2016-11-11 | 2017-05-31 | 北京理工大学珠海学院 | 一种基于颜色识别的芯片数量检测方法及*** |
CN107146240A (zh) * | 2017-05-05 | 2017-09-08 | 西北工业大学 | 基于相关滤波和显著性检测的航拍视频目标跟踪方法 |
CN107665336A (zh) * | 2017-09-20 | 2018-02-06 | 厦门理工学院 | 智能冰箱中基于Faster‑RCNN的多目标检测方法 |
CN108734162A (zh) * | 2018-04-12 | 2018-11-02 | 上海扩博智能技术有限公司 | 商品图像中目标识别方法、***、设备及存储介质 |
CN109325491A (zh) * | 2018-08-16 | 2019-02-12 | 腾讯科技(深圳)有限公司 | 识别码识别方法、装置、计算机设备和存储介质 |
CN109389016A (zh) * | 2017-08-10 | 2019-02-26 | 株式会社日立制作所 | 一种人头计数的方法及*** |
CN109564619A (zh) * | 2016-05-19 | 2019-04-02 | 思比机器人公司 | 跟踪商店内的货架上的产品的放置的方法 |
-
2019
- 2019-04-18 CN CN201910314576.8A patent/CN110188605B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794621A (zh) * | 2009-02-01 | 2010-08-04 | 金士顿科技(上海)有限公司 | 利用电可擦可编程只读存储器的缺陷表制造存储器模块的方法 |
CN101727685A (zh) * | 2009-12-02 | 2010-06-09 | 广州华工信息软件有限公司 | 一种军警与etc混合车道***及其收费方法 |
CN101894377A (zh) * | 2010-06-07 | 2010-11-24 | 中国科学院计算技术研究所 | 三维标记点序列的跟踪方法及其*** |
US20130177235A1 (en) * | 2012-01-05 | 2013-07-11 | Philip Meier | Evaluation of Three-Dimensional Scenes Using Two-Dimensional Representations |
CN103428488A (zh) * | 2012-04-18 | 2013-12-04 | Vixs***公司 | 具有模式检测的视频处理***及其使用方法 |
CN104318263A (zh) * | 2014-09-24 | 2015-01-28 | 南京邮电大学 | 一种实时高精度人流计数方法 |
CN109564619A (zh) * | 2016-05-19 | 2019-04-02 | 思比机器人公司 | 跟踪商店内的货架上的产品的放置的方法 |
CN106780428A (zh) * | 2016-11-11 | 2017-05-31 | 北京理工大学珠海学院 | 一种基于颜色识别的芯片数量检测方法及*** |
CN107146240A (zh) * | 2017-05-05 | 2017-09-08 | 西北工业大学 | 基于相关滤波和显著性检测的航拍视频目标跟踪方法 |
CN109389016A (zh) * | 2017-08-10 | 2019-02-26 | 株式会社日立制作所 | 一种人头计数的方法及*** |
CN107665336A (zh) * | 2017-09-20 | 2018-02-06 | 厦门理工学院 | 智能冰箱中基于Faster‑RCNN的多目标检测方法 |
CN108734162A (zh) * | 2018-04-12 | 2018-11-02 | 上海扩博智能技术有限公司 | 商品图像中目标识别方法、***、设备及存储介质 |
CN109325491A (zh) * | 2018-08-16 | 2019-02-12 | 腾讯科技(深圳)有限公司 | 识别码识别方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
CHRISTIAN LEDIG: ""Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network"", 《ARXIV》 * |
王鹏: ""多目标跟踪中目标数量准确识别算法"", 《光学与光电技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110188605B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111626201B (zh) | 商品检测方法、装置及可读存储介质 | |
CN112801008B (zh) | 行人重识别方法、装置、电子设备及可读存储介质 | |
CN108875465B (zh) | 多目标跟踪方法、多目标跟踪装置以及非易失性存储介质 | |
CN111476191B (zh) | 基于智慧交通的人工智能图像处理方法及大数据云服务器 | |
US20210056312A1 (en) | Video blocking region selection method and apparatus, electronic device, and system | |
CN113139403A (zh) | 违规行为识别方法、装置、计算机设备和存储介质 | |
CN111881741B (zh) | 车牌识别方法、装置、计算机设备和计算机可读存储介质 | |
CN110660078B (zh) | 对象追踪方法、装置、计算机设备和存储介质 | |
CN111666922A (zh) | 视频匹配方法、装置、计算机设备和存储介质 | |
CN111814510B (zh) | 一种遗留物主体检测方法及装置 | |
CN112905824A (zh) | 目标车辆追踪方法、装置、计算机设备及存储介质 | |
CN110942456B (zh) | 篡改图像检测方法、装置、设备及存储介质 | |
CN109615904A (zh) | 停车管理方法、装置、计算机设备和存储介质 | |
CN109146923B (zh) | 一种目标跟踪丢断帧的处理方法及*** | |
CN114783037B (zh) | 目标重识别方法、目标重识别装置和计算机可读存储介质 | |
CN113780145A (zh) | ***形态检测方法、装置、计算机设备和存储介质 | |
Zhao et al. | Cooperative use of recurrent neural network and siamese region proposal network for robust visual tracking | |
CN110516559A (zh) | 适用于精准监控的目标跟踪方法及装置、计算机设备 | |
CN104182959B (zh) | 目标搜索方法及装置 | |
CN110188605A (zh) | 目标物体识别方法、装置、***、计算机设备和存储介质 | |
CN116824488A (zh) | 一种基于迁移学习的目标检测方法 | |
CN111008604A (zh) | 预测图像获取方法、装置、计算机设备和存储介质 | |
CN113421241B (zh) | 异常事件上报方法、装置、计算机设备及存储介质 | |
CN111179343B (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN115082854A (zh) | 一种面向安防监控视频的行人搜索方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |