[发明专利]面向视频侦查的目标图像检索识别系统、方法、装置、处理器及计算机可读存储介质在审
申请号: | 202011439168.4 | 申请日: | 2020-12-11 |
公开(公告)号: | CN112579811A | 公开(公告)日: | 2021-03-30 |
发明(设计)人: | 吴松洋;丁正彦;尚岩峰;袁振国;段娜;周丽存;钟雪霞;谭懿先 | 申请(专利权)人: | 公安部第三研究所 |
主分类号: | G06F16/583 | 分类号: | G06F16/583;G06T7/11;G06N3/08 |
代理公司: | 上海智信专利代理有限公司 31002 | 代理人: | 王洁;郑暄 |
地址: | 200031*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 面向 视频 侦查 目标 图像 检索 识别 系统 方法 装置 处理器 计算机 可读 存储 介质 | ||
本发明涉及一种面向视频侦查的目标图像检索识别系统,其中,所述的系统包括图像数据预处理模块、特征提取与选择模块及检索模型自迭代模块,且所述的特征提取与选择模块分别与所述的图像数据预处理模块和检索模型自迭代模块相连接。本发明还涉及一种实现面向视频侦查的目标图像检索识别的方法、装置、处理器及计算机可读存储介质。采用了本发明的面向视频侦查的目标图像检索识别系统、方法、装置、处理器及计算机可读存储介质,通过在目标图像检索识别系统的各个数据处理子模块中有效融合了目标属性信息,能够针对多类视频侦查目标进行锁定追踪和特征搜索,提升了特征检索的效率,并且在无监督条件下实现了检索数据更新和模型自迭代。
技术领域
本发明涉及图像特征检索识别技术领域,尤其涉及面向视频侦查的目标图像检索识别技术领域,具体是指一种面向视频侦查的目标图像检索识别系统、方法、装置、处理器及计算机可读存储介质。
背景技术
目标图像特征检索系统通过对待检索图像进行特征提取和相似度排序,从海量数据库图像中快速查找出相关目标样本,该技术在视频侦查领域具有广泛的应用价值。现有检索算法通常受限于输入目标图像质量,并且不同类型的目标难以采用统一的框架进行有效处理,例如机动车目标通常关注车辆颜色、年款等结构化属性特征,而在特定应用场景下需要重点关注年检标志等个性化属性特征。因此,采用当前流行的深度网络特征进行图像检索在实际检索系统中存在如下缺陷:
1)目标数据质量低:存在无法辨识ID的训练和测试数据,缺乏有效的质量评价方案;
2)特征利用率低:无法针对重点关注区域进行有效的特征提取和特征选择;
3)数据标注代价过大:无法在实测环境下进行快速的模型自动化迭代更新。
发明内容
本发明的目的是克服了上述现有技术的缺点,提供了一种能够高效实现对监测目标的锁定追踪和特征搜索的面向视频侦查的目标图像检索识别系统、方法、装置、处理器及计算机可读存储介质。
为了实现上述目的,本发明的面向视频侦查的目标图像检索识别系统、方法、装置、处理器及计算机可读存储介质如下:
该面向视频侦查的目标图像检索识别系统,其主要特点是,所述的系统包括:
图像数据预处理模块,用于对目标图像的结构化属性特征进行分析,针对分析结果对生成的所述的目标图像进行检索质量评价,建立目标图像属性特征分析精度和评价指标的函数关联;
特征提取与选择模块,与所述的图像数据预处理模块相连接,用于对所述的目标图像进行图像按位划分处理并参考所述的目标图像属性特征分析精度,对所述的目标图像的不同局部区域的属性特征进行加权融合处理,以满足多类别的监测目标自适应特征检索需求并支持所述的监测目标的个性化属性特征检索任务;
检索模型自迭代模块,与所述的特征提取与选择模块相连接,用于对所述的目标图像采用自适应阈值对实测环境下采集到的监测目标的目标图像进行关联,并融合所述的结构化属性特征生成的描述信息进行自动化数据清洗处理,实现对所述的目标图像的训练数据的在线更新和检索模型自迭代。
较佳地,所述的特征提取与选择模块包括:
特征提取单元,用于针对目标图像进行图像按位划分处理,并确保每一个划分区域均能完整的描述所述的监测目标的一个或多个目标属性;和
特征选择单元,用于通过采用选择注意力机制对所述的目标图像的属性特征进行选择。
较佳地,所述的选择注意力机制包括增强型注意力机制和抑制型注意力机制。
更佳地,获取的所述的监测目标的特征为关注结构化属性特征,并采用所述的增强型注意力机制增加所述的监测目标的目标图像中的重点关注区域的特征权重系数;或者
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公安部第三研究所,未经公安部第三研究所许可,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/202011439168.4/2.html,转载请声明来源钻瓜专利网。