CN111738185B - 一种目标识别方法、装置及设备 - Google Patents
一种目标识别方法、装置及设备 Download PDFInfo
- Publication number
- CN111738185B CN111738185B CN202010601491.0A CN202010601491A CN111738185B CN 111738185 B CN111738185 B CN 111738185B CN 202010601491 A CN202010601491 A CN 202010601491A CN 111738185 B CN111738185 B CN 111738185B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- license plate
- mode
- recognition result
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种目标识别方法、装置及设备,方法包括:获取图像采集设备的传入数据,传入数据中至少包括图像;若传入数据中还包括对图像进行目标识别得到的第一目标识别结果,则触发执行第一模式;否则触发执行第二模式;本方案中,第一方面,能够采用第一模式和第二模式这两种不同的处理方式,对不同种类的传入数据进行处理;第二方面,如果传入数据中包括图像、以及对图像进行目标识别得到的第一目标识别结果,则对传入数据中的图像进行目标识别,得到第二目标识别结果,将第一目标识别结果与第二目标识别结果进行匹配,获取包含匹配成功的识别结果的图像识别数据,这样,图像识别数据中的识别结果准确性更高。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种目标识别方法、装置及设备。
背景技术
目前,图像采集设备的种类较多,不同种类的图像采集设备的功能大多不同。比如,有的图像采集设备只能进行图像采集,有的图像采集设备能够进行简单的图像识别,有的图像采集设备能够进行稍复杂的图像识别。例如,交通场景中通常设置有抓拍机、球机等各种图像采集设备,以对道路中的车辆进行监控。这些图像采集设备中,有的只能够采集图像,有的还能够识别车牌。
这样,对于后端处理设备来说,其获取到不同的图像采集设备的传入数据,有的传入数据中仅包括图像,有的传入数据中包括图像及图像的识别数据。如何对不同图像采集设备的传入数据进行处理,成为一个亟待解决的问题。
发明内容
本发明实施例的目的在于提供一种目标识别方法、装置及设备,以对不同图像采集设备的传入数据进行处理。
为达到上述目的,本发明实施例提供了一种目标识别方法,包括:
获取图像采集设备的传入数据,所述传入数据中至少包括所述图像采集设备采集的图像;
若所述传入数据中还包括对所述图像进行目标识别得到的第一目标识别结果,则触发执行第一模式;否则触发执行第二模式;
所述第一模式为:对所述传入数据中的图像进行目标识别,得到第二目标识别结果;通过将所述第一目标识别结果与所述第二目标识别结果进行匹配,获取包含匹配成功的识别结果的图像识别数据;
所述第二模式为:对所述传入数据中的图像进行目标识别,得到包含一个或多个目标的识别结果的图像识别数据。
可选的,所述第一模式包括第一子模式和第二子模式;若所述传入数据中还包括目标识别框,则触发执行所述第一子模式,否则触发执行所述第二子模式;
所述第一子模式中:所述对所述传入数据中的图像进行目标识别,得到第二目标识别结果,包括:
基于所述目标识别框,确定所述图像中目标所在区域,对所述区域进行目标识别,得到第二目标识别结果;
所述第二子模式中:所述对所述传入数据中的图像进行目标识别,得到第二目标识别结果,包括:
对所述图像的全部区域进行目标识别,得到第二目标识别结果。
可选的,所述传入数据中还包括所述第一目标识别结果的置信度,所述第一子模式中还得到所述第二目标识别结果的置信度;
所述第一子模式中:若所述第一目标识别结果与所述第二目标识别结果未匹配成功,所述方法还包括:
比较所述第一目标识别结果的置信度与所述第二目标识别结果的置信度,将置信度大的目标识别结果确定为待获取识别结果;
获取包含所述待获取识别结果的图像识别数据。
可选的,所述传入数据中还包括所述第一目标识别结果的置信度,所述第二子模式中还得到所述第二目标识别结果的置信度;
所述第二子模式中:若所述第一目标识别结果与所述第二目标识别结果未匹配成功,所述方法还包括:
在所述第二目标识别结果中,确定位于所述图像预设位置处的目标的识别结果,作为候选目标识别结果;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至所述图像中的位置;
比较所述第一目标识别结果的置信度与所述候选目标识别结果的置信度,将置信度大的目标识别结果确定为待获取识别结果;
获取包含所述待获取识别结果的图像识别数据。
可选的,所述方法还包括:
若所述第二目标识别结果中未确定出候选目标识别结果,则将所述第一目标识别结果确定为待获取识别结果。
可选的,所述预设位置位于所述图像的下半部分。
可选的,所述目标的识别结果为车牌号;所述目标识别框包括车牌识别框;
所述第一子模式中:所述基于所述目标识别框,确定所述图像中目标所在区域,对所述区域进行目标识别,得到第二目标识别结果,包括:
基于所述车牌识别框,确定所述图像中的车牌区域,作为第一车牌区域;
对所述第一车牌区域识别得到车牌号,作为第二目标识别结果;
所述第二子模式中:所述对所述图像的全部区域进行目标识别,得到第二目标识别结果,包括:
检测所述图像中的车牌区域,作为第二车牌区域;
对所述第二车牌区域识别得到车牌号,作为第二目标识别结果;
所述第一子模式和所述第二子模式中:所述通过将所述第一目标识别结果与所述第二目标识别结果进行匹配,获取包含匹配成功的识别结果的图像识别数据,包括:
通过将所述第一目标识别结果中的车牌号与所述第二目标识别结果中的车牌号进行匹配,获取包含匹配成功的车牌号的图像识别数据;
所述第二模式中:所述对所述传入数据中的图像进行目标识别,得到包含一个或多个目标的识别结果的图像识别数据,包括:
检测所述图像中的车牌区域,作为第三车牌区域;
对所述第三车牌区域识别得到车牌号,作为图像识别数据。
可选的,图像识别数据中还包含车辆信息;
所述第一子模式中:所述传入数据中还包括车身识别框;所述方法还包括:
基于所述车身识别框,确定所述图像中的车身区域,对所述车身区域进行识别,得到车辆信息,作为图像识别数据;
所述第二子模式中,所述方法还包括:
确定匹配成功的车牌号所在的车辆区域,作为第一车辆区域;若不存在匹配成功的车牌号,则确定位于所述图像预设位置处的车牌号所在的车辆区域,作为第一车辆区域;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至所述图像中的位置;
对所述第一车辆区域进行识别,得到车辆信息,作为图像识别数据;
所述第二模式中,所述方法还包括:
检测所述图像中的车辆区域,作为第二车辆区域;
对所述第二车辆区域进行识别,得到车辆信息,作为图像识别数据。
可选的,所述对所述第二车辆区域进行识别,得到车辆信息,作为图像识别数据,包括:
若存在多个不包括车牌区域的第二车辆区域,则确定位于所述图像预设位置处的第二车辆区域,作为待识别第二车辆区域;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至图像中的位置;
对所述待识别第二车辆区域进行识别,得到车辆信息,作为图像识别数据。
可选的,所述第二子模式中,所述对所述图像的全部区域进行目标识别,得到第二目标识别结果,包括:
对所述图像的全部区域进行目标识别,得到待处理目标区域;
针对每个待处理目标区域,判断该待处理目标区域是否满足预设像素要求,如果满足,对该待处理目标区域进行目标识别,得到第二目标识别结果;
所述方法还包括:
如果不存在满足预设像素要求的待处理目标区域,则将所述传入数据中包括的第一目标识别结果确定为图像识别数据。
为达到上述目的,本发明实施例还提供了一种目标识别装置,包括:
第一获取模块,用于获取图像采集设备的传入数据,所述传入数据中至少包括所述图像采集设备采集的图像;
判断模块,用于判断所述传入数据中是否还包括对所述图像进行目标识别得到的第一目标识别结果,如果是则触发执行第一模式;否则触发执行第二模式;
所述第一模式中包括:
第一识别模块,用于对所述传入数据中的图像进行目标识别,得到第二目标识别结果;
第二获取模块,用于通过将所述第一目标识别结果与所述第二目标识别结果进行匹配,获取包含匹配成功的识别结果的图像识别数据;
所述第二模式中包括:
第二识别模块,用于对所述传入数据中的图像进行目标识别,得到包含一个或多个目标的识别结果的图像识别数据。
可选的,所述第一模式包括第一子模式和第二子模式;
所述第一子模式中,所述第一识别模块,具体用于:基于所述目标识别框,确定所述图像中目标所在区域,对所述区域进行目标识别,得到第二目标识别结果;
所述第二子模式中,所述第一识别模块,具体用于:对所述图像的全部区域进行目标识别,得到第二目标识别结果。
可选的,所述传入数据中还包括所述第一目标识别结果的置信度,所述第一子模式中还得到所述第二目标识别结果的置信度;
所述第一子模式中还包括:
第一比较模块,用于在所述第一目标识别结果与所述第二目标识别结果未匹配成功的情况下,比较所述第一目标识别结果的置信度与所述第二目标识别结果的置信度,将置信度大的目标识别结果确定为待获取识别结果;
第三获取模块,用于获取包含所述待获取识别结果的图像识别数据。
可选的,所述传入数据中还包括所述第一目标识别结果的置信度,所述第二子模式中还得到所述第二目标识别结果的置信度;
所述第二子模式中还包括:
第一确定模块,用于在所述第一目标识别结果与所述第二目标识别结果未匹配成功的情况下,在所述第二目标识别结果中,确定位于所述图像预设位置处的目标的识别结果,作为候选目标识别结果;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至所述图像中的位置;
第二比较模块,用于比较所述第一目标识别结果的置信度与所述候选目标识别结果的置信度,将置信度大的目标识别结果确定为待获取识别结果;
第四获取模块,用于获取包含所述待获取识别结果的图像识别数据。
可选的,所述第二子模式中还包括:
第二确定模块,用于在所述第二目标识别结果中未确定出候选目标识别结果的情况下,将所述第一目标识别结果确定为待获取识别结果。
可选的,所述预设位置位于所述图像的下半部分。
可选的,所述目标的识别结果为车牌号;所述目标识别框包括车牌识别框;
所述第一子模式中,所述第一识别模块,具体用于:基于所述车牌识别框,确定所述图像中的车牌区域,作为第一车牌区域;对所述第一车牌区域识别得到车牌号,作为第二目标识别结果;
所述第二子模式中,所述第一识别模块,具体用于:检测所述图像中的车牌区域,作为第二车牌区域;对所述第二车牌区域识别得到车牌号,作为第二目标识别结果;
所述第一子模式和所述第二子模式中,所述第二获取模块,具体用于:通过将所述第一目标识别结果中的车牌号与所述第二目标识别结果中的车牌号进行匹配,获取包含匹配成功的车牌号的图像识别数据;
所述第二模式中,所述第二识别模块,具体用于:检测所述图像中的车牌区域,作为第三车牌区域;对所述第三车牌区域识别得到车牌号,作为图像识别数据。
可选的,图像识别数据中还包含车辆信息;
所述第一子模式中:所述传入数据中还包括车身识别框;所述装置还包括:
第三识别模块,用于基于所述车身识别框,确定所述图像中的车身区域,对所述车身区域进行识别,得到车辆信息,作为图像识别数据;
所述第二子模式中,所述装置还包括:
第四识别模块,用于确定匹配成功的车牌号所在的车辆区域,作为第一车辆区域;若不存在匹配成功的车牌号,则确定位于所述图像预设位置处的车牌号所在的车辆区域,作为第一车辆区域;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至所述图像中的位置;对所述第一车辆区域进行识别,得到车辆信息,作为图像识别数据;
所述第二模式中,所述装置还包括:
第五识别模块,用于检测所述图像中的车辆区域,作为第二车辆区域;对所述第二车辆区域进行识别,得到车辆信息,作为图像识别数据。
可选的,所述第五识别模块,具体用于:
若存在多个不包括车牌区域的第二车辆区域,则确定位于所述图像预设位置处的第二车辆区域,作为待识别第二车辆区域;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至图像中的位置;对所述待识别第二车辆区域进行识别,得到车辆信息,作为图像识别数据。
可选的,所述第二子模式中,所述第一识别模块,具体用于:
对所述图像的全部区域进行目标识别,得到待处理目标区域;
针对每个待处理目标区域,判断该待处理目标区域是否满足预设像素要求,如果满足,对该待处理目标区域进行目标识别,得到第二目标识别结果;
所述装置还包括:
第三确定模块,用于在不存在满足预设像素要求的待处理目标区域的情况下,将所述传入数据中包括的第一目标识别结果确定为图像识别数据。
为达到上述目的,本发明实施例还提供了一种电子设备,包括处理器和存储器;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任意一种目标识别方法。
应用本发明所示实施例,第一方面,能够采用第一模式和第二模式这两种不同的处理方式,对不同种类的传入数据进行处理;第二方面,如果传入数据中包括图像、以及对图像进行目标识别得到的第一目标识别结果,则对传入数据中的图像进行目标识别,得到第二目标识别结果,将第一目标识别结果与第二目标识别结果进行匹配,获取包含匹配成功的识别结果的图像识别数据,这样,图像识别数据中的识别结果准确性更高。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的目标识别方法的第一种流程示意图;
图2为本发明实施例提供的包含车辆的图像示意图;
图3为本发明实施例提供的目标识别方法的第二种流程示意图;
图4为本发明实施例提供的一种目标识别装置的结构示意图;
图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了达到上述目的,本发明实施例提供了一种目标识别方法、装置及设备,该方法及装置可以应用于服务器、处理设备等与前端图像采集设备相连接的后端设备,具体不做限定。下面首先对该目标识别方法进行详细说明。
图1为本发明实施例提供的目标识别方法的第一种流程示意图,包括:
S101:获取图像采集设备的传入数据,传入数据中至少包括图像采集设备采集的图像。
如上所述,后端设备与前端图像采集设备相连接,后端设备可以获取前端图像采集设备的传入数据。一些情况下,传入数据中仅包括图像,另一些情况下,传入数据中包括图像和对图像进行目标识别得到的目标识别结果,为了方便描述,将传入数据中包括的目标识别结果称为第一目标识别结果。比如,一些图像采集设备只具有图像采集功能,则这些图像采集设备的传入数据仅包括图像,另一些图像采集设备具有图像采集功能和图像识别功能,则这些图像采集设备的传入数据可以包括图像和第一目标识别结果。
S102:判断传入数据中是否包括对图像进行目标识别得到的第一目标识别结果;如果是,则触发第一模式,执行S103-S104;否则触发第二模式,执行S105。
S103:对传入数据中的图像进行目标识别,得到第二目标识别结果。
为了区分描述,将传入数据中的目标识别结果称为第一目标识别结果,将后端设备识别得到的目标识别结果称为第二目标识别结果。
举例来说,一种情况下,目标可以为车牌,目标识别结果为车牌号,可以利用车牌识别算法对图像识别得到车牌号。例如,进行车牌识别时,如果一个字符串目标的最大非连续子串中的字符数量大于预设数值,则可以将该字符串目标确定为识别出的车牌号,该预设数值可以为5,具体数值不做限定。
或者,另一种情况下,目标可以为人脸,目标识别结果为人脸信息,可以利用人脸识别算法对图像识别得到人脸信息。具体的目标及目标识别结果不做限定。
一种实施方式中,第一模式包括第一子模式和第二子模式;若所述传入数据中还包括目标识别框,则触发执行所述第一子模式,否则触发执行所述第二子模式。
第一子模式中,S103可以包括:基于所述目标识别框,确定所述图像中目标所在区域,对所述区域进行目标识别,得到第二目标识别结果;
第二子模式中:S103可以包括:对所述图像的全部区域进行目标识别,得到第二目标识别结果。
本实施方式中,将第一模式进一步细分为第一子模式和第二子模式。一些图像采集设备的传入数据中不仅包括第一目标识别结果,还包括目标识别框,可以采用第一子模式对这些图像采集设备的传入数据进行处理。一些图像采集设备的传入数据中仅包括第一目标识别结果,不包括目标识别框,可以采用第二子模式对这些图像采集设备的传入数据进行处理。下面分别对第一子模式和第二子模式进行说明:
第一子模式:
传入数据中包括目标框,因此不需要对图像进行全检测,可以只对目标框对应的图像区域进行进行目标识别,得到第二目标识别结果。
举例来说,如果目标为车牌,则目标识别框为车牌识别框。第一子模式中,基于车牌识别框,确定所述图像中的车牌区域,作为第一车牌区域;对所述第一车牌区域识别得到车牌号,作为第二目标识别结果。
再举一例,如果目标为人脸,则目标识别框为人脸识别框。第一子模式中,基于人脸识别框,确定所述图像中的人脸区域,作为第一人脸区域;对所述第一人脸区域识别得到人脸信息,作为第二目标识别结果。
第二子模式:
传入数据中不包括目标框,因此需要对图像进行全检测,也就是对图像的全部区域进行目标识别,得到第二目标识别结果。
举例来说,如果目标为车牌,则第二子模式中,检测所述图像中的车牌区域,作为第二车牌区域;对所述第二车牌区域识别得到车牌号,作为第二目标识别结果。
再举一例,如果目标为人脸,则第二子模式中,检测所述图像中的人脸区域,作为第二人脸区域;对所述第二人脸区域识别得到人脸信息,作为第二目标识别结果。
一种情况下,如果采用第一子模式,基于传入数据中的目标识别框,未得到目标识别结果,则可以继续采用第二子模式,对图像进行全检测。
S104:通过将第一目标识别结果与第二目标识别结果进行匹配,获取包含匹配成功的识别结果的图像识别数据。
上述一种实施方式中,将第一模式进一步细分为第一子模式和第二子模式,第一子模式与第二子模式均执行S104。
举例来说,如果目标为车牌,则S104可以包括:通过将所述第一目标识别结果中的车牌号与所述第二目标识别结果中的车牌号进行匹配,获取包含匹配成功的车牌号的图像识别数据。
再举一例,如果目标为人脸,则S104可以包括:通过将所述第一目标识别结果中的人脸信息与所述第二目标识别结果中的人脸信息进行匹配,获取包含匹配成功的人脸信息的图像识别数据。
以目标为车牌为例来说,在一车一图场景中,比如,道路卡口处设置抓拍机,抓拍机每次针对一辆车进行抓拍,并且仅识别这辆车的车牌号,这种场景中,第一目标识别结果中包括一个车牌号。触发执行上述第二子模式,对图像进行全检测,一些情况下,可以检测出多个车牌号(抓拍到了多辆车的车牌号,但抓拍机仅对其中一辆车进行了车牌识别)。也就是说,第二子模式中,第一目标识别结果中可以包括一个车牌号,第二目标识别结果中可以包括多个车牌号。假设第一目标识别结果中包含的车牌号为:京A0000Z,假设第二目标识别结果中包含两个车牌号:京A0000Z和京B11111,则匹配成功的识别结果为京A0000Z,可以将车牌号京A0000Z作为得到的图像识别数据。图像识别数据可以作为输出数据。
仍以一车一图场景为例来说,抓拍机每次针对一辆车进行抓拍,并对抓拍图像进行车牌识别,得到该辆车的车牌识别框及车牌号,这样,第一目标识别结果中包括一个车牌识别框和一个车牌号。触发执行上述第一子模式,基于该车牌识别框,确定抓拍图像中的车牌区域,对车牌区域识别得到车牌号。也就是说,第一子模式中,第一目标识别结果和第二目标识别结果中均可以包括一个车牌号。假设第一目标识别结果中包含的车牌号为:京A0000Z,假设第二目标识别结果中包含的车牌号为:京A0000Z,则匹配成功的识别结果为京A0000Z,可以将车牌号京A0000Z作为得到的图像识别数据。图像识别数据可以作为输出数据。
第一模式中,前端图像采集设备识别得到第一目标识别结果,后端设备识别得到第二目标识别结果,将第一目标识别结果与第二目标识别结果进行匹配,获取到准确性更高的图像识别数据。
一种实施方式中,传入数据中还包括第一目标识别结果的置信度。第一子模式中还得到第二目标识别结果的置信度;也就是说,第一子模式中,基于所述目标识别框,确定所述图像中目标所在区域,对所述区域进行目标识别,得到第二目标识别结果和第二目标识别结果的置信度。
这种实施方式中,第一子模式中:若所述第一目标识别结果与所述第二目标识别结果未匹配成功,可以比较所述第一目标识别结果的置信度与所述第二目标识别结果的置信度,将置信度大的目标识别结果确定为待获取识别结果;获取包含所述待获取识别结果的图像识别数据。
置信度大的目标识别结果的准确度较高,可见,应用这种实施方式得到的图像识别数据的准确度较高。
类似的,一种实施方式中,传入数据中还包括第一目标识别结果的置信度。第二子模式中还得到第二目标识别结果的置信度;也就是说,第二子模式中,对图像的全部区域进行目标识别,得到第二目标识别结果和第二目标识别结果的置信度。
这种实施方式中,第二子模式中:若所述第一目标识别结果与所述第二目标识别结果未匹配成功,在所述第二目标识别结果中,确定位于所述图像预设位置处的目标的识别结果,作为候选目标识别结果;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至所述图像中的位置;比较所述第一目标识别结果的置信度与所述候选目标识别结果的置信度,将置信度大的目标识别结果确定为待获取识别结果;获取包含所述待获取识别结果的图像识别数据。
该预设距离条件可以为距离最近,或者为距离小于预设阈值。图像预设位置处的目标距离图像采集设备较近,因此,该目标清晰度较高,该目标的识别结果的准确度较高。本实施方式中,将图像预设位置处的目标的置信度与第一目标识别结果的置信度进行对比,置信度大的目标识别结果的准确度较高,可见,应用这种实施方式得到的图像识别数据的准确度较高。
一种情况下,该预设位置可以位于图像的下半部分。举例来说,交通场景中的监控设备针对道路中的车辆进行图像采集,当车辆运动至距离监控设备最近时,采集到的车辆图像最清晰。参考图2所示,(a)表示针对驶离监控设备的车辆采集得到的图像,(b)表示针对面向监控设备行驶的车辆采集得到的图像,这两种图像中,车牌通常位于图像的下半部分。再举一例,在一车一图场景中,该预设位置可以为图像的右下部分,或者为图像的左下部分,视监控设备的安装情况而定。
上述实施方式中,若所述第二目标识别结果中未确定出候选目标识别结果,则将所述第一目标识别结果确定为待获取识别结果。
S105:对传入数据中的图像进行目标识别,得到包含一个或多个目标的识别结果的图像识别数据。
第二模式中,前端图像采集设备未识别得到目标识别结果,由后端设备识别得到目标识别结果。
举例来说,如果目标为车牌,则S105可以包括:检测所述图像中的车牌区域,作为第三车牌区域;对所述第三车牌区域识别得到车牌号,作为图像识别数据。
再举一例,如果目标为人脸,则S105可以包括:检测所述图像中的人脸区域,作为第三车人脸区域;对所述第三人脸区域识别得到人脸信息,作为图像识别数据。
一种实施方式中,目标为车牌,图像识别数据中还包含车辆信息。
第一子模式中:所述传入数据中还包括车身识别框;可以基于所述车身识别框,确定所述图像中的车身区域,对所述车身区域进行识别,得到车辆信息,作为图像识别数据。
第二子模式中,可以确定匹配成功的车牌号所在的车辆区域,作为第一车辆区域;若不存在匹配成功的车牌号,则确定位于所述图像预设位置处的车牌号所在的车辆区域,作为第一车辆区域;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至所述图像中的位置;对所述第一车辆区域进行识别,得到车辆信息,作为图像识别数据。
第二模式中,可以检测所述图像中的车辆区域,作为第二车辆区域;对所述第二车辆区域进行识别,得到车辆信息,作为图像识别数据。
本实施方式中,不仅识别得到车牌号,还识别得到车辆信息,例如:车辆的品牌和型号、车辆的图像特征、对车辆进行建模得到的模型等等。
本实施方式中,如果传入数据中还包括车身识别框,则可以对车身识别框对应的图像区域进行进行识别,得到车辆信息。如果传入数据中不包括车身识别框,则可以对匹配成功的车牌号所在车辆区域进行识别,得到车辆信息。如果也不存在匹配成功的车牌号,可以对位于图像预设位置处的车牌号所在的车辆区域进行识别,得到车辆信息。
上述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至所述图像中的位置。该预设距离条件可以为距离最近,或者为距离小于预设阈值。图像预设位置处的车牌所属车辆距离图像采集设备较近,因此,该车辆清晰度较高,该车辆的识别准确度较高。可见,应用这种实施方式,可以得到准确度较高的车辆信息。
一种情况下,该预设位置可以位于图像的下半部分。举例来说,交通场景中的监控设备针对道路中的车辆进行图像采集,当车辆运动至距离监控设备最近时,采集到的车辆图像最清晰。参考图2所示,(a)表示针对驶离监控设备的车辆采集得到的图像,(b)表示针对面向监控设备行驶的车辆采集得到的图像,这两种图像中,车牌通常位于图像的下半部分。再举一例,在一车一图场景中,该预设位置可以为图像的右下部分,或者为图像的左下部分,视监控设备的安装情况而定。
或者,如果图像预设位置处也不存在车牌号,也可以进行图像全检测,也就是对图像的全部区域进行车辆识别,得到车辆信息。
第二模式中,可以进行图像全检测,若检测出多个车辆区域,可以从该多个车辆区域中确定图像预设位置处的车辆区域,仅对该车辆区域进行识别,得到车辆信息,作为图像识别数据。或者,也可以对检测出的每个车辆区域进行识别,得到车辆信息,作为图像识别数据。
一些情况下,图像中包括新能源车辆,如果图像采集设备不能识别新能源车辆的车牌,则可以采用第二模式,识别新能源车辆的车牌,并且可以识别得到新能源车辆的车辆信息。如果图像采集设备能够识别新能源车辆的车牌,则可以采用第一模式,识别并匹配新能源车辆的车牌,并得到新能源车辆的车辆信息。
一种实施方式中,第二模式中,若存在多个不包括车牌区域的第二车辆区域,则确定位于所述图像预设位置处的第二车辆区域,作为待识别第二车辆区域;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至图像中的位置;对所述待识别第二车辆区域进行识别,得到车辆信息,作为图像识别数据。
仍以上述一车一图的场景为例来说,如果抓拍机抓拍的图像中包括多辆车,但并未抓拍到这多辆车的车牌,则图像采集设备的传入数据中不包括车牌号,触发执行第二模式,可以采用本实施方式,识别位于图像预设位置处的车辆信息,作为图像识别数据。位于图像预设位置处的车辆大概率为抓拍机的抓拍对象,即便未抓拍到该车辆的车牌号,也可以识别该车辆的车辆信息,该车辆信息仍可以描述该车辆的特征。例如,如果后续该车辆出现违章情况,仍然可以利用该车辆的车辆信息对其进行识别跟踪。
一种实施方式中,第二子模式中,对所述图像的全部区域进行目标识别,得到待处理目标区域;针对每个待处理目标区域,判断该待处理目标区域是否满足预设像素要求,如果满足,对该待处理目标区域进行目标识别,得到第二目标识别结果;
所述方法还包括:
如果不存在满足预设像素要求的待处理目标区域,则将所述传入数据中包括的第一目标识别结果确定为图像识别数据。
本实施方式中,过滤掉不满足像素要求的目标,例如清晰度较差的目标,或者部分区域被遮挡的目标,提高目标识别的准确度。该预设像素要求可以为像素点数量大于预设阈值,具体不做限定。如果后端设备识别出的全部目标都不满足像素要求,则将第一目标识别结果(传入数据中的目标识别结果)作为图像识别数据。
应用本发明图1所示实施例,第一方面,能够采用第一模式和第二模式这两种不同的处理方式,对不同种类的传入数据进行处理;第二方面,如果传入数据中包括图像、以及对图像进行目标识别得到的第一目标识别结果,则对传入数据中的图像进行目标识别,得到第二目标识别结果,将第一目标识别结果与第二目标识别结果进行匹配,获取包含匹配成功的识别结果的图像识别数据,这样,图像识别数据中的识别结果准确性更高。
图3为本发明实施例提供的目标识别方法的第二种流程示意图,包括:
S301:获取图像采集设备的传入数据,传入数据中至少包括图像采集设备采集的图像。
图3所示实施例中,图像采集设备可以针对交通场景中的车辆进行图像采集。
S302:判断传入数据中是否包括第一车牌号及车牌识别框,如果都包括,触发第一策略,执行S303-S306,如果包括第一车牌号,触发第二策略,执行S307-S311,如果都不包括,触发第三策略,执行S312。
图3所示实施例中,为了区分描述,将传入数据中包括的车牌号称为第一车牌号,将后续第一策略中识别得到的车牌号称为第二车牌号,将后续第二策略中识别得到的车牌号称为第三车牌号,将后续第三策略中识别得到的车牌号称为第四车牌号。
图3所示实施例中,第一策略对应于上述内容中的第一模式中的第一子模式,第二策略对应于上述内容中的第一模式中的第二子模式,第三策略对应于上述内容中的第二模式。
S303:基于车牌识别框,确定图像中的车牌区域,作为第一车牌区域;对第一车牌区域识别得到第二车牌号及其置信度。
如果第一策略中,S303基于车牌识别框未识别得到第二车牌号,可以触发第二策略。
S304:将传入数据中的第一车牌号与第二车牌号进行匹配,若匹配成功,执行S305,若匹配不成功,执行S306。
S305:获取包含匹配成功的车牌号的图像识别数据。
S306:比较传入数据中第一车牌号的置信度与第二车牌号的置信度,将置信度大的车牌号确定为待获取车牌号;获取包含待获取车牌号的图像识别数据。
S307:检测图像中的车牌区域,作为第二车牌区域;对第二车牌区域识别得到第三车牌号及其置信度。
S308:将传入数据中的第一车牌号与第三车牌号进行匹配,若匹配成功,执行S309,若匹配不成功,执行S310。
S309:获取包含匹配成功的车牌号的图像识别数据。
S310:确定位于图像预设位置处的第三车牌号,作为候选第三车牌号;预设位置为:与图像采集设备的距离满足预设距离条件的地理位置映射至图像中的位置。
S311:比较候选第三车牌号的置信度与第一车牌号的置信度,将置信度大的车牌号确定为待获取车牌号;获取包含待获取车牌号的图像识别数据。
或者,如果未确定出位于图像预设位置处的第三车牌号,则将第一车牌号确定为待获取车牌号;获取包含待获取车牌号的图像识别数据。
该预设距离条件可以为距离最近,或者为距离小于预设阈值。图像预设位置处的目标距离图像采集设备较近,因此,该目标清晰度较高,该目标的识别结果的准确度较高。可见,应用这种实施方式得到的图像识别数据的准确度较高。
一种情况下,该预设位置可以位于图像的下半部分。举例来说,当车辆运动至距离图像采集设备最近时,采集到的车辆图像最清晰。参考图2所示,(a)表示针对驶离监控设备的车辆采集得到的图像,(b)表示针对面向监控设备行驶的车辆采集得到的图像,这两种图像中,车牌通常位于图像的下半部分。再举一例,在一车一图场景中,该预设位置可以为图像的右下部分,或者为图像的左下部分,视监控设备的安装情况而定。
S312:检测图像中的车牌区域,作为第三车牌区域;对第三车牌区域识别得到第四车牌号,作为图像识别数据。
图3所示实施例中,可以将图像和图像识别数据作为输出数据,通过第一策略、第二策略、第三策略中任意一种策略,均可以得到图像识别数据,图像识别数据中包括车牌号。
一种实施方式中,图像识别数据中还包含车辆信息。
这种实施方式中,第一策略中,传入数据中还包括车身识别框;第一策略中还可以包括:基于所述车身识别框,确定所述图像中的车身区域,对所述车身区域进行识别,得到车辆信息,作为图像识别数据。这个步骤与S303-S306的执行顺序不做限定。
本实施方式中,第二策略中,若S308匹配成功,则可以确定匹配成功的车牌号所在的车辆区域,作为第一车辆区域;若S308匹配不成功,则可以确定位于所述图像预设位置处的车牌号所在的车辆区域,作为第一车辆区域;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至所述图像中的位置;对第一车辆区域进行识别,得到车辆信息,作为图像识别数据。
本实施方式中,第三策略中还可以包括:检测所述图像中的车辆区域,作为第二车辆区域;对所述第二车辆区域进行识别,得到车辆信息,作为图像识别数据。这个步骤与S311的执行顺序不做限定。
一种情况下,第三策略中若存在多个不包括车牌区域的第二车辆区域,则确定位于所述图像预设位置处的第二车辆区域,作为待识别第二车辆区域;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至图像中的位置;对所述待识别第二车辆区域进行识别,得到车辆信息,作为图像识别数据。
仍以上述一车一图的场景为例来说,如果抓拍机抓拍的图像中包括多辆车,但并未抓拍到这多辆车的车牌,则图像采集设备的传入数据中不包括车牌号,触发执行第二模式,可以采用本实施方式,识别位于图像预设位置处的车辆信息,作为图像识别数据。位于图像预设位置处的车辆大概率为抓拍机的抓拍对象,即便未抓拍到该车辆的车牌号,也可以识别该车辆的车辆信息,该车辆信息仍可以描述该车辆的特征。例如,如果后续该车辆出现违章情况,仍然可以利用抓拍对象的车辆信息对其进行识别跟踪。
应用本实施方式,得到的图像识别数据中不仅包括车牌号,还可以包括车辆信息,例如:车辆的品牌和型号、车辆的图像特征、对车辆进行建模得到的模型等等,得到的图像识别数据更丰富。而且一些情况下,即使不能识别出车牌号,得到车辆信息也有助于对违章车辆进行识别跟踪。
举例来说,本实施方式中,可以输出图像及结构化信息,该结构化信息包括:车牌号、车辆的品牌和型号、车辆的图像特征、车辆的模型等等,具体信息结构不做限定。
一种实施方式中,第二策略中,S307中,对图像的全部区域进行车牌识别,得到待处理车牌区域;针对每个待处理车牌区域,判断该待处理车牌区域是否满足预设像素要求,如果满足,对该待处理车牌区域进行目标识别,得到第三车牌号及其置信度;如果不存在满足预设像素要求的待处理车牌区域,则将传入数据中包括的第一车牌号确定为图像识别数据。
本实施方式中,过滤掉不满足像素要求的车牌区域,例如清晰度较差的车牌区域,或者部分区域被遮挡的车牌区域,提高车牌识别的准确度。该预设像素要求可以为像素点数量大于预设阈值,具体不做限定。如果后端设备识别出的全部车牌区域都不满足像素要求,则将传入数据中包括的第一车牌号作为图像识别数据。
图3所示实施例中所说的车牌可以包括新能源车辆的车牌,如果图像采集设备不能识别新能源车辆的车牌,则可以采用图3中的第三策略,识别新能源车辆的车牌。如果图像采集设备能够识别新能源车辆的车牌,则执行图3中的第一策略或第二策略,具体执行步骤类似,不再赘述。
应用本发明图3所示实施例,第一方面,能够采用三种不同的策略,对不同种类的传入数据进行处理;第二方面,如果传入数据中包括图像、以及对图像进行识别得到的车牌号,则对传入数据中的图像进行识别得到车牌号,通过将这两种车牌号进行匹配、比较置信度,得到准确性更高的车牌号。第三方面,除车牌号之外,还获取车辆信息,得到更丰富的图像识别数据。第四方面,选取位于图像预设位置处的车牌号或者车辆信息,图像预设位置处的目标距离图像采集设备较近,因此,该目标清晰度较高,该目标的识别结果的准确度较高。
与上述方法实施例相对应,本发明实施例还提供一种目标识别装置,如图4所示,包括:
第一获取模块401,用于获取图像采集设备的传入数据,所述传入数据中至少包括所述图像采集设备采集的图像;
判断模块402,用于判断所述传入数据中是否还包括对所述图像进行目标识别得到的第一目标识别结果,如果是则触发执行第一模式;否则触发执行第二模式;
所述第一模式中包括:
第一识别模块403,用于对所述传入数据中的图像进行目标识别,得到第二目标识别结果;
第二获取模块404,用于通过将所述第一目标识别结果与所述第二目标识别结果进行匹配,获取包含匹配成功的识别结果的图像识别数据;
所述第二模式中包括:
第二识别模块405,用于对所述传入数据中的图像进行目标识别,得到包含一个或多个目标的识别结果的图像识别数据。
一种实施方式中,所述第一模式包括第一子模式和第二子模式;
所述第一子模式中,第一识别模块403具体用于:基于所述目标识别框,确定所述图像中目标所在区域,对所述区域进行目标识别,得到第二目标识别结果;
所述第二子模式中,第一识别模块403具体用于:对所述图像的全部区域进行目标识别,得到第二目标识别结果。
一种实施方式中,所述传入数据中还包括所述第一目标识别结果的置信度,所述第一子模式中还得到所述第二目标识别结果的置信度;
所述第一子模式中还包括:第一比较模块和第三获取模块(图中未示出),其中,
第一比较模块,用于在所述第一目标识别结果与所述第二目标识别结果未匹配成功的情况下,比较所述第一目标识别结果的置信度与所述第二目标识别结果的置信度,将置信度大的目标识别结果确定为待获取识别结果;
第三获取模块,用于获取包含所述待获取识别结果的图像识别数据。
一种实施方式中,所述传入数据中还包括所述第一目标识别结果的置信度,所述第二子模式中还得到所述第二目标识别结果的置信度;
所述第二子模式中还包括:第一确定模块、第二比较模块和第四获取模块(图中未示出),其中,
第一确定模块,用于在所述第一目标识别结果与所述第二目标识别结果未匹配成功的情况下,在所述第二目标识别结果中,确定位于所述图像预设位置处的目标的识别结果,作为候选目标识别结果;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至所述图像中的位置;
第二比较模块,用于比较所述第一目标识别结果的置信度与所述候选目标识别结果的置信度,将置信度大的目标识别结果确定为待获取识别结果;
第四获取模块,用于获取包含所述待获取识别结果的图像识别数据。
一种实施方式中,所述第二子模式中还包括:
第二确定模块(图中未示出),用于在所述第二目标识别结果中未确定出候选目标识别结果的情况下,将所述第一目标识别结果确定为待获取识别结果。
一种实施方式中,所述预设位置位于所述图像的下半部分。
一种实施方式中,所述目标的识别结果为车牌号;所述目标识别框包括车牌识别框;
所述第一子模式中,第一识别模块403具体用于:基于所述车牌识别框,确定所述图像中的车牌区域,作为第一车牌区域;对所述第一车牌区域识别得到车牌号,作为第二目标识别结果;
所述第二子模式中,第一识别模块403具体用于:检测所述图像中的车牌区域,作为第二车牌区域;对所述第二车牌区域识别得到车牌号,作为第二目标识别结果;
所述第一子模式和所述第二子模式中,第二获取模块404具体用于:通过将所述第一目标识别结果中的车牌号与所述第二目标识别结果中的车牌号进行匹配,获取包含匹配成功的车牌号的图像识别数据;
所述第二模式中,第二识别模块405具体用于:检测所述图像中的车牌区域,作为第三车牌区域;对所述第三车牌区域识别得到车牌号,作为图像识别数据。
一种实施方式中,图像识别数据中还包含车辆信息;
所述第一子模式中:所述传入数据中还包括车身识别框;所述装置还包括:
第三识别模块(图中未示出),用于基于所述车身识别框,确定所述图像中的车身区域,对所述车身区域进行识别,得到车辆信息,作为图像识别数据;
所述第二子模式中,所述装置还包括:
第四识别模块(图中未示出),用于确定匹配成功的车牌号所在的车辆区域,作为第一车辆区域;若不存在匹配成功的车牌号,则确定位于所述图像预设位置处的车牌号所在的车辆区域,作为第一车辆区域;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至所述图像中的位置;对所述第一车辆区域进行识别,得到车辆信息,作为图像识别数据;
所述第二模式中,所述装置还包括:
第五识别模块(图中未示出),用于检测所述图像中的车辆区域,作为第二车辆区域;对所述第二车辆区域进行识别,得到车辆信息,作为图像识别数据。
一种实施方式中,所述第五识别模块,具体用于:
若存在多个不包括车牌区域的第二车辆区域,则确定位于所述图像预设位置处的第二车辆区域,作为待识别第二车辆区域;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至图像中的位置;对所述待识别第二车辆区域进行识别,得到车辆信息,作为图像识别数据。
一种实施方式中,所述第二子模式中,第一识别模块403具体用于:
对所述图像的全部区域进行目标识别,得到待处理目标区域;
针对每个待处理目标区域,判断该待处理目标区域是否满足预设像素要求,如果满足,对该待处理目标区域进行目标识别,得到第二目标识别结果;
所述装置还包括:
第三确定模块(图中未示出),用于在不存在满足预设像素要求的待处理目标区域的情况下,将所述传入数据中包括的第一目标识别结果确定为图像识别数据。
应用本发明图4所示实施例,第一方面,能够采用第一模式和第二模式这两种不同的处理方式,对不同种类的传入数据进行处理;第二方面,如果传入数据中包括图像、以及对图像进行目标识别得到的第一目标识别结果,则对传入数据中的图像进行目标识别,得到第二目标识别结果,将第一目标识别结果与第二目标识别结果进行匹配,获取包含匹配成功的识别结果的图像识别数据,这样,图像识别数据中的识别结果准确性更高。
本发明实施例还提供一种电子设备,参考图5所示,包括处理器501和存储器502;
存储器502,用于存放计算机程序;
处理器501,用于执行存储器上所存放的程序时,实现上述任意一种目标识别方法。
上述电子设备提到的存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一目标识别方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一目标识别方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例、设备实施例、计算机可读存储介质实施例、以及计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (12)
1.一种目标识别方法,其特征在于,应用于后端设备,所述方法包括:
获取图像采集设备的传入数据,所述传入数据中至少包括所述图像采集设备采集的图像;
若所述传入数据中还包括对所述图像进行目标识别得到的第一目标识别结果,则触发所述后端设备执行第一模式;否则触发所述后端设备执行第二模式;
所述第一模式为:对所述传入数据中的图像进行目标识别,得到第二目标识别结果;通过将所述第一目标识别结果与所述第二目标识别结果进行匹配,获取包含匹配成功的识别结果的图像识别数据;
所述第二模式为:对所述传入数据中的图像进行目标识别,得到包含一个或多个目标的识别结果的图像识别数据。
2.根据权利要求1所述的方法,其特征在于,所述第一模式包括第一子模式和第二子模式;若所述传入数据中还包括目标识别框,则触发执行所述第一子模式,否则触发执行所述第二子模式;
所述第一子模式中:所述对所述传入数据中的图像进行目标识别,得到第二目标识别结果,包括:
基于所述目标识别框,确定所述图像中目标所在区域,对所述区域进行目标识别,得到第二目标识别结果;
所述第二子模式中:所述对所述传入数据中的图像进行目标识别,得到第二目标识别结果,包括:
对所述图像的全部区域进行目标识别,得到第二目标识别结果。
3.根据权利要求2所述的方法,其特征在于,所述传入数据中还包括所述第一目标识别结果的置信度,所述第一子模式中还得到所述第二目标识别结果的置信度;
所述第一子模式中:若所述第一目标识别结果与所述第二目标识别结果未匹配成功,所述方法还包括:
比较所述第一目标识别结果的置信度与所述第二目标识别结果的置信度,将置信度大的目标识别结果确定为待获取识别结果;
获取包含所述待获取识别结果的图像识别数据。
4.根据权利要求2所述的方法,其特征在于,所述传入数据中还包括所述第一目标识别结果的置信度,所述第二子模式中还得到所述第二目标识别结果的置信度;
所述第二子模式中:若所述第一目标识别结果与所述第二目标识别结果未匹配成功,所述方法还包括:
在所述第二目标识别结果中,确定位于所述图像预设位置处的目标的识别结果,作为候选目标识别结果;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至所述图像中的位置;
比较所述第一目标识别结果的置信度与所述候选目标识别结果的置信度,将置信度大的目标识别结果确定为待获取识别结果;
获取包含所述待获取识别结果的图像识别数据。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若所述第二目标识别结果中未确定出候选目标识别结果,则将所述第一目标识别结果确定为待获取识别结果。
6.根据权利要求4或5所述的方法,其特征在于,所述预设位置位于所述图像的下半部分。
7.根据权利要求2所述的方法,其特征在于,所述目标的识别结果为车牌号;所述目标识别框包括车牌识别框;
所述第一子模式中:所述基于所述目标识别框,确定所述图像中目标所在区域,对所述区域进行目标识别,得到第二目标识别结果,包括:
基于所述车牌识别框,确定所述图像中的车牌区域,作为第一车牌区域;
对所述第一车牌区域识别得到车牌号,作为第二目标识别结果;
所述第二子模式中:所述对所述图像的全部区域进行目标识别,得到第二目标识别结果,包括:
检测所述图像中的车牌区域,作为第二车牌区域;
对所述第二车牌区域识别得到车牌号,作为第二目标识别结果;
所述第一子模式和所述第二子模式中:所述通过将所述第一目标识别结果与所述第二目标识别结果进行匹配,获取包含匹配成功的识别结果的图像识别数据,包括:
通过将所述第一目标识别结果中的车牌号与所述第二目标识别结果中的车牌号进行匹配,获取包含匹配成功的车牌号的图像识别数据;
所述第二模式中:所述对所述传入数据中的图像进行目标识别,得到包含一个或多个目标的识别结果的图像识别数据,包括:
检测所述图像中的车牌区域,作为第三车牌区域;
对所述第三车牌区域识别得到车牌号,作为图像识别数据。
8.根据权利要求7所述的方法,其特征在于,图像识别数据中还包含车辆信息;
所述第一子模式中:所述传入数据中还包括车身识别框;所述方法还包括:
基于所述车身识别框,确定所述图像中的车身区域,对所述车身区域进行识别,得到车辆信息,作为图像识别数据;
所述第二子模式中,所述方法还包括:
确定匹配成功的车牌号所在的车辆区域,作为第一车辆区域;若不存在匹配成功的车牌号,则确定位于所述图像预设位置处的车牌号所在的车辆区域,作为第一车辆区域;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至所述图像中的位置;
对所述第一车辆区域进行识别,得到车辆信息,作为图像识别数据;
所述第二模式中,所述方法还包括:
检测所述图像中的车辆区域,作为第二车辆区域;
对所述第二车辆区域进行识别,得到车辆信息,作为图像识别数据。
9.根据权利要求8所述的方法,其特征在于,所述对所述第二车辆区域进行识别,得到车辆信息,作为图像识别数据,包括:
若存在多个不包括车牌区域的第二车辆区域,则确定位于所述图像预设位置处的第二车辆区域,作为待识别第二车辆区域;所述预设位置为:与所述图像采集设备的距离满足预设距离条件的地理位置映射至图像中的位置;
对所述待识别第二车辆区域进行识别,得到车辆信息,作为图像识别数据。
10.根据权利要求2所述的方法,其特征在于,所述第二子模式中,所述对所述图像的全部区域进行目标识别,得到第二目标识别结果,包括:
对所述图像的全部区域进行目标识别,得到待处理目标区域;
针对每个待处理目标区域,判断该待处理目标区域是否满足预设像素要求,如果满足,对该待处理目标区域进行目标识别,得到第二目标识别结果;
所述方法还包括:
如果不存在满足预设像素要求的待处理目标区域,则将所述传入数据中包括的第一目标识别结果确定为图像识别数据。
11.一种目标识别装置,其特征在于,应用于后端设备,所述装置包括:
第一获取模块,用于获取图像采集设备的传入数据,所述传入数据中至少包括所述图像采集设备采集的图像;
判断模块,用于判断所述传入数据中是否还包括对所述图像进行目标识别得到的第一目标识别结果,如果是则触发所述后端设备执行第一模式;否则触发所述后端设备执行第二模式;
所述第一模式中包括:
第一识别模块,用于对所述传入数据中的图像进行目标识别,得到第二目标识别结果;
第二获取模块,用于通过将所述第一目标识别结果与所述第二目标识别结果进行匹配,获取包含匹配成功的识别结果的图像识别数据;
所述第二模式中包括:
第二识别模块,用于对所述传入数据中的图像进行目标识别,得到包含一个或多个目标的识别结果的图像识别数据。
12.一种电子设备,其特征在于,包括处理器和存储器;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-10任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601491.0A CN111738185B (zh) | 2020-06-28 | 2020-06-28 | 一种目标识别方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601491.0A CN111738185B (zh) | 2020-06-28 | 2020-06-28 | 一种目标识别方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111738185A CN111738185A (zh) | 2020-10-02 |
CN111738185B true CN111738185B (zh) | 2023-09-05 |
Family
ID=72651487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010601491.0A Active CN111738185B (zh) | 2020-06-28 | 2020-06-28 | 一种目标识别方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738185B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073849A (zh) * | 2010-08-06 | 2011-05-25 | 中国科学院自动化研究所 | 目标图像识别***及方法 |
CN102222213A (zh) * | 2010-07-29 | 2011-10-19 | 郑文明 | 一种基于开放式Web Service架构的分布式视觉计算方法 |
CN104678963A (zh) * | 2015-02-03 | 2015-06-03 | 葛武 | 一种基于计算机视觉的采集仪表设备信息的***及方法 |
CN105141824A (zh) * | 2015-06-17 | 2015-12-09 | 广州杰赛科技股份有限公司 | 图像采集方法及装置 |
CN105979363A (zh) * | 2015-11-09 | 2016-09-28 | 乐视致新电子科技(天津)有限公司 | 一种身份识别法和装置 |
CN106529515A (zh) * | 2016-12-26 | 2017-03-22 | 浙江宇视科技有限公司 | 面部特征库管理方法及*** |
WO2019051799A1 (zh) * | 2017-09-15 | 2019-03-21 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端、服务器和存储介质 |
CN110188749A (zh) * | 2019-05-09 | 2019-08-30 | 青岛讯极科技有限公司 | 一种多车辆下的指定车辆车牌识别***和方法 |
WO2020062088A1 (zh) * | 2018-09-28 | 2020-04-02 | 安徽继远软件有限公司 | 图像识别方法和设备、存储介质和处理器 |
CN111339977A (zh) * | 2020-03-03 | 2020-06-26 | 河南中光学集团有限公司 | 一种基于远程视频监控的小目标智能识别***及其识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10504004B2 (en) * | 2016-09-16 | 2019-12-10 | General Dynamics Mission Systems, Inc. | Systems and methods for deep model translation generation |
-
2020
- 2020-06-28 CN CN202010601491.0A patent/CN111738185B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222213A (zh) * | 2010-07-29 | 2011-10-19 | 郑文明 | 一种基于开放式Web Service架构的分布式视觉计算方法 |
CN102073849A (zh) * | 2010-08-06 | 2011-05-25 | 中国科学院自动化研究所 | 目标图像识别***及方法 |
CN104678963A (zh) * | 2015-02-03 | 2015-06-03 | 葛武 | 一种基于计算机视觉的采集仪表设备信息的***及方法 |
CN105141824A (zh) * | 2015-06-17 | 2015-12-09 | 广州杰赛科技股份有限公司 | 图像采集方法及装置 |
CN105979363A (zh) * | 2015-11-09 | 2016-09-28 | 乐视致新电子科技(天津)有限公司 | 一种身份识别法和装置 |
CN106529515A (zh) * | 2016-12-26 | 2017-03-22 | 浙江宇视科技有限公司 | 面部特征库管理方法及*** |
WO2019051799A1 (zh) * | 2017-09-15 | 2019-03-21 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端、服务器和存储介质 |
WO2020062088A1 (zh) * | 2018-09-28 | 2020-04-02 | 安徽继远软件有限公司 | 图像识别方法和设备、存储介质和处理器 |
CN110188749A (zh) * | 2019-05-09 | 2019-08-30 | 青岛讯极科技有限公司 | 一种多车辆下的指定车辆车牌识别***和方法 |
CN111339977A (zh) * | 2020-03-03 | 2020-06-26 | 河南中光学集团有限公司 | 一种基于远程视频监控的小目标智能识别***及其识别方法 |
Non-Patent Citations (1)
Title |
---|
Study of Optical Environment Effect for Target Detect Algorithm Based on the Template Match;Di Yang;《Proceedings of the 27th Conference of Spacecraft TT&C Technology in China》;第273–280页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111738185A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110491135B (zh) | 检测违章停车的方法及相关装置 | |
WO2021051601A1 (zh) | 利用Mask R-CNN选择检测框的方法及***、电子装置及存储介质 | |
CN110706261A (zh) | 车辆违章检测方法、装置、计算机设备和存储介质 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN113055823B (zh) | 一种基于路侧停车管理共享单车的方法及装置 | |
US11978340B2 (en) | Systems and methods for identifying vehicles using wireless device identifiers | |
CN112861567B (zh) | 一种车型分类方法及装置 | |
CN110907909A (zh) | 一种基于概率统计的雷达目标识别方法 | |
CN113297939A (zh) | 障碍物检测方法、***、终端设备及存储介质 | |
CN111738185B (zh) | 一种目标识别方法、装置及设备 | |
CN110942619B (zh) | 一种车辆确定方法、装置、***及电子设备 | |
CN112017444A (zh) | 一种***辆检测方法及其装置、介质和*** | |
CN114724107B (zh) | 一种图像检测方法、装置、设备及介质 | |
CN110634120B (zh) | 一种车辆损伤判别方法及装置 | |
CN115880632A (zh) | 超时停留检测方法、监控设备、计算机可读存储介质和芯片 | |
Amin et al. | An automatic number plate recognition of Bangladeshi vehicles | |
CN116030663A (zh) | 一种车辆预警方法、装置、电子设备及存储介质 | |
CN112950961B (zh) | 车流量统计方法、装置、设备和存储介质 | |
CN114495028A (zh) | 一种车辆套牌的识别方法、装置、电子设备及存储介质 | |
KR102286250B1 (ko) | Cctv를 이용한 차량 번호 인식 시스템 | |
CN114022851A (zh) | 目标识别方法、装置、电子设备、计算机可读存储介质 | |
CN110581979B (zh) | 一种图像采集***、方法及装置 | |
CN111161542B (zh) | 车辆识别方法及装置 | |
CN112818847A (zh) | 车辆检测方法、装置、计算机设备和存储介质 | |
CN112686136A (zh) | 一种对象检测方法、装置及*** |
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 |