[发明专利]目标识别方法、目标识别装置、终端设备和目标识别系统

权利要求书

1.一种目标识别方法，所述目标识别方法基于在线自动深度学习，其特征在于，所述方法包括：

实时采集图像数据；

利用存储的第一分类器，对采集到的图像数据进行目标识别，以生成带有类别标签的图像数据，所述类别标签包含目标类别以及目标后验概率；

在所述目标后验概率满足预定存储条件的情况下，按照所述目标类别，将所述带有类别标签的图像数据存储为训练样本；以及

在预定启动条件被满足的情况下，启动在线深度学习处理，所述在线深度学习处理包括基于所述存储的第一分类器构建网络模型，并且将存储的全部训练样本输入到构建的网络模型中进行深度学习处理，以获得第三分类器，并且用获得的所述第三分类器来更新所述存储的第一分类器。

2.如权利要求1所述的方法，其特征在于，所述存储的第一分类器所采用的初始分类器是通过对类别标签由人工标注的训练样本进行深度学习所获得的离线深度学习分类器。

3.如权利要求2所述的方法，其特征在于，所述目标识别方法进一步包括：

定期将所述存储的全部训练样本经由网络传输给远端服务器，以进行离线深度学习处理；以及

经由所述网络从所述远端服务器接收由所述远端服务器进行所述离线深度学习处理所获得的第二分类器，并且在接收到所述第二分类器时，用接收到的所述第二分类器来更新所述存储的第一分类器。

4.如权利要求3所述的方法，其特征在于，在进行目标识别之前，所述方法进一步包括对所述采集到的图像数据进行图像预处理，以提高图像清晰度，并从所述采集到的图像数据中提取出感兴趣区域图像数据；并且

在进行目标识别时，对所述采集到的图像数据中的所述感兴趣区域图像数据进行目标识别。

5.如权利要求4所述的方法，其特征在于，在进行深度学习之前，所述在线深度学习处理进一步包括对所述存储的全部训练样本进行图像预处理，以提高图像清晰度。

6.如权利要求1-5中任一项所述的方法，其特征在于，当属于所述目标类别的所述存储的训练样本的数量尚未达到预定数量时，所述预定存储条件采用第一存储条件，所述第一存储条件为所述目标后验概率大于等于预定阈值；

当属于所述目标类别的所述存储的训练样本的数量已经达到所述预定数量时，所述预定存储条件采用第二存储条件，所述第二存储条件为所述目标后验概率大于等于所述预定阈值，并且所述目标后验概率大于属于所述目标类别的所述存储的训练样本的最低目标后验概率；并且

当所述目标后验概率满足所述第二存储条件时，所述目标识别方法进一步包括，删除最早存储的属于所述目标类别的具有最低目标后验概率的训练样本。

7.如权利要求6所述的方法，其特征在于，所述预定启动条件为使用所述目标识别方法的设备处于空闲状态，并且每个目标类别的所述存储的训练样本的数量均达到所述预定数量。

8.如权利要求7所述的方法，其特征在于，所述预定数量为所述网络模型的网络参数个数的总数×10/要被训练的目标类别的总数。