[发明专利]目标对象识别方法、装置、存储介质和电子设备在审
申请号: | 201711181299.5 | 申请日: | 2017-11-23 |
公开(公告)号: | CN108229308A | 公开(公告)日: | 2018-06-29 |
发明(设计)人: | 李七星;余锋伟;闫俊杰 | 申请(专利权)人: | 北京市商汤科技开发有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/62 |
代理公司: | 北京天健君律专利代理事务所(普通合伙) 11461 | 代理人: | 金丹;刘洁 |
地址: | 100084 北京市海淀区中*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 预测信息 目标对象 关键点 目标对象识别 图像 存储介质 电子设备 置信 目标对象检测 关键点检测 综合评估 误报率 检测 过滤 融合 | ||
1.一种目标对象识别方法,包括:
对待检图像的对象进行目标对象检测,获得所述对象的目标对象预测信息,所述目标对象预测信息为检测到的对象为目标对象的置信信息;
对所述待检图像的所述对象进行关键点检测,获得所述对象的关键点预测信息;所述关键点预测信息为检测到对象的关键点为目标对象的关键点的置信信息;
将所述目标对象预测信息以及所述关键点预测信息进行融合,获得所述对象的综合预测信息;
根据所述综合预测信息对所述目标对象进行识别。
2.根据权利要求1所述的方法,其中,所述对待检图像的对象进行目标对象检测,和对所述待检图像的所述对象进行关键点检测之前,包括:
获取所述待检图像的对象对应的图像区域;
所述对待检图像的对象进行目标对象检测,包括:
对待检图像的对象对应的图像区域进行目标对象检测;
对所述待检图像的对象进行关键点检测,包括:
对待检图像的对象对应的图像区域进行关键点检测。
3.根据权利要求1或2所述的方法,其中,所述将所述目标对象预测信息以及所述关键点预测信息进行融合,获得所述对象的综合预测信息,包括:
将所述目标对象预测信息以及所述关键点预测信息相乘,得到所述对象的综合预测信息。
4.根据权利要求1~3中任一项所述的方法,其中,所述对所述待检图像的所述对象进行关键点检测,获得所述对象的关键点预测信息,包括:
通过用于定位关键点的神经网络模型,对所述待检图像的对象进行关键点检测,获得所述对象的关键点预测信息。
5.根据权利要求2~4中任一项所述的方法,其中,所述获取所述待检图像的对象对应的图像区域之后,所述将所述目标对象预测信息以及所述关键点预测信息进行融合,获得所述对象的综合预测信息之前,还包括:
从所述图像区域,检测所述对象的偏转角度信息;
所述将所述目标对象预测信息以及所述关键点预测信息进行融合,获得所述对象的综合预测信息,包括:
根据所述目标对象预测信息、所述关键点预测信息和所述偏转角度信息进行融合,获得所述对象的综合预测信息。
6.根据权利要求5所述的方法,其中,所述从所述图像区域,检测所述对象的偏转角度信息,包括:
通过用于对象分类的神经网络模型,从所述图像区域检测所述对象的偏转角度信息。
7.一种目标对象识别装置,包括:
对象检测模块,用于对待检图像的对象进行目标对象检测,获得所述对象的目标对象预测信息,所述目标对象预测信息为检测到的对象为目标对象的置信信息;
关键点检测模块,用于对所述待检图像的所述对象进行关键点检测,获得所述对象的关键点预测信息;所述关键点预测信息为检测到对象的关键点为目标对象的关键点的置信信息;
预测信息融合模块,用于将所述对象检测模块获得的目标对象预测信息以及所述关键点检测模块获得的关键点预测信息进行融合,获得所述对象的综合预测信息;
对象识别模块,用于根据所述预测信息融合模块获得的综合预测信息对所述目标对象进行识别。
8.一种电子设备,包括:处理器、存储器、通信元件和通信总线,所述处理器、所述存储器和所述通信元件通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1~6中任一项所述的目标对象识别方法相应的操作。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现权利要求1~6中任一项所述的目标对象识别方法的步骤。
10.一种计算机程序,其包括有计算机程序指令,其中,所述程序指令被处理器执行时实现权利要求1~6中任一项所述的目标对象识别方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司,未经北京市商汤科技开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711181299.5/1.html,转载请声明来源钻瓜专利网。