[发明专利]目标上内容的识别方法及装置、存储介质、计算机设备

说明书

一种目标上内容的识别方法及装置、存储介质、计算机设备，其中，所述方法包括：读取目标视频流，从所述目标视频流中检测待识别目标，得到包含待识别目标的图像；从包含待识别目标的图像中识别内容所在的目标区域，所述目标区域位于所述待识别目标上；调整所述目标区域的灰度并对所述目标区域进行内容识别，得到识别信息。通过该方法，能够有效提高对目标上的内容进行识别时，识别结果的准确性。

技术领域

本发明涉及图像识别技术领域，具体地涉及一种目标上内容的识别方法及装置、存储介质、计算机设备。

背景技术

随着智能识别技术的发展，常通过大数据训练以及拍摄监控技术对生活中的各种场景进行目标识别，以实现监测、目标控制的效果。在一个目标识别的实例中，可在月台、停车场、物流园区等地点进行车辆检测，当前对于车辆的检测多对车辆通过监控相机进行拍照或录制视频，并从获取的照片或视频中识别车型、车辆颜色等多个特征来进行车辆识别。

然而，现有技术中进行目标识别的监控相机，基本都是以整个画面作为曝光目标，或者整个画面的中固定区域，例如中心区域作为曝光目标，这种策略在实际作业中遇到的大光比情况下，会出现整个画面曝光合理，但是对目标所在的区域容易出现过曝或者欠曝的情况。导致内容识别算法无法准确识别位于目标上的内容。

发明内容

本发明解决的技术问题是如何提高目标上内容识别的准确性。

为解决上述技术问题，本发明实施例提供一种目标上内容的识别方法，所述方法包括：读取目标视频流，从所述目标视频流中检测待识别目标，得到包含待识别目标的图像；从包含待识别目标的图像中识别内容所在的目标区域，所述目标区域位于所述待识别目标上；调整所述目标区域的灰度并对所述目标区域进行内容识别，得到识别信息。

可选的，所述从所述目标视频流中检测待识别目标，包括：将所述目标视频流输入训练好的第一神经网络模型中，利用所述第一神经网络模型从所述目标视频流中检测所述待识别目标。

可选的，所述第一神经网络模型的生成步骤包括：获取样本目标数据集；将所述样本目标数据集输入初始神经网络模型中进行模型训练，得到所述第一神经网络模型。

可选的，所述从包含待识别目标的图像中识别内容所在的目标区域，包括：将包含待识别目标的图像输入第二神经网络模型中，利用所述第二神经网络模型从包含待识别目标的图像中识别内容所在的目标区域。

可选的，所述第二神经网络模型的生成步骤包括：获取样本目标以及所述样本目标上的内容的位置作为训练样本；将所述训练样本输入初始神经网络模型中进行模型训练，得到所述第二神经网络模型。

可选的，所述调整所述目标区域的灰度包括：计算所述目标区域的平均灰度值；获取最优灰度范围；通过逼近算法使所述目标区域的平均灰度值逼近所述最优灰度范围。

可选的，所述获取最优灰度范围，包括：获取包含内容的样本区域；将所述样本区域设为不同灰度值，并对不同灰度值的样本区域进行内容识别；将识别准确率最高的灰度范围作为所述最优灰度范围。

可选的，所述得到识别信息之后，还包括：获取识别信息的准确率，并根据所述准确率调整所述最优灰度范围。

可选的，所述对所述目标区域进行内容识别包括：利用光学字符识别技术对所述目标区域进行内容识别。

可选的，所述待识别目标为待识别的车辆，所述目标区域为车牌对应的图像区域，所述识别信息为车牌信息。

本发明实施例还提供一种目标上内容的识别装置，所述装置包括：目标识别模块，用于读取目标视频流，从所述目标视频流中检测待识别目标，得到包含待识别目标的图像；目标区域获取模块，用于从包含待识别目标的图像中识别内容所在的目标区域，所述目标区域位于所述待识别目标上；内容识别模块，用于调整所述目标区域的灰度并对所述目标区域进行内容识别，得到识别信息。