[发明专利]精细目标识别方法和系统

权利要求书

1.一种精细目标识别方法，其特征在于，所述方法包括：

提取待识别图像的特征描述，生成目标显著图；

通过所述目标显著图对所述待识别图像进行处理，得到所述待识别图像的目标候选区域；

检索所述待识别图像的K近邻图像，并对所述K近邻图像进行处理，得到所述K近邻图像的目标候选区域；

计算所述待识别图像的目标候选区域和所述K近邻图像的目标候选区域的相似度；

根据所述K近邻图像的目标候选区域之间的相似度之和，以及所述待识别图像的目标候选区域与所述K近邻图像的目标候选区域的所述相似度，确定所述待识别图像的精细目标区域。

2.根据权利要求1所述的精细目标识别方法，其特征在于，提取待识别图像的特征描述，生成目标显著图，包括：

将所述待识别图像的尺寸改变到预设尺寸；

训练DomainNet卷积神经网络模型提取预设尺寸下所述待识别图像的pool5层特征，得到所述待识别图像的特征描述；

通过所述待识别图像的特征描述对所述待识别图像进行处理，得到所述待识别图像的目标显著图。

3.根据权利要求2所述的精细目标识别方法，其特征在于，通过所述待识别图像的特征描述对所述待识别图像进行处理，得到所述待识别图像的目标显著图，包括：

通过以下公式计算出所述目标显著图：

其中，I表示待识别图像，m_I表示目标显著图，f_I^p5为所述待识别图像的特征描述，i表示图像的特征描述中的点的横坐标，j表示图像的特征描述中的点的纵坐标，c表示特征通道，p5表示卷积神经网络DomainNet的第五层的池化特征。

4.根据权利要求1所述的精细目标识别方法，其特征在于，通过所述目标显著图对所述待识别图像进行处理，得到所述待识别图像的目标候选区域，包括：

根据候选区域生成算法生成所述待识别图像的候选区域；

计算所述候选区域和所述目标显著图的外接矩形的重叠度；

将重叠度大于预设重叠度阈值的候选区域确定为所述待识别图像的目标候选区域。

5.根据权利要求1所述的精细目标识别方法，其特征在于，计算所述待识别图像的目标候选区域和所述K近邻图像的目标候选区域的相似度，包括：

通过以下公式计算所述相似度：

其中，D_TN(b_I)表示所述待识别图像的目标候选区域b_I与所述K近邻图像的目标候选区域的相似度之和，表示所有所述K近邻图像目标候选区域B_k中与待识别图像目标候选区域b_I最相似的区域，表示两个所述候选区域之间的相似度。

6.根据权利要求5所述的精细目标识别方法，其特征在于，根据所述K近邻图像的目标候选区域之间的相似度之和，以及所述待识别图像的目标候选区域与所述K近邻图像的目标候选区域的所述相似度，确定所述待识别图像的精细目标区域；

通过以下公式计算K近邻图像的目标候选区域之间的相似度之和：

其中，D_NN(b_I)表示候选区域之间的相似度之和，表示两个所述候选区域之间的相似度；

根据所述相似度以及计算得到的K近邻图像的目标候选区域之间的相似度之和，通过以下公式确定所述待识别图像的精细目标区域：

其中，表示所求得的所述待识别图像的精细目标区域。