[发明专利]基于分类对象的视频识别方法、系统、设备及存储介质

权利要求书

1.一种基于分类对象的视频识别方法，其特征在于，包括以下步骤：

S110、预设至少一主体对象标签，每个所述主体对象标签对应至少一子对象标签，训练第一类神经网络模型用于自输入的图片中识别出所述主体对象标签和第二类神经网络模型用于自输入的图片中识别出对应所述子对象标签的参数值；

S120、采集视频码流，自所述视频码流中获得原始图片，将所述原始图片的尺寸压缩获得压缩图片，并建立所述压缩图片与所述原始图片的映射关系；

S130、将所述压缩图片逐张输入第一类神经网络模型进行识别，当得到所述主体对象标签以及所述主体对象标签对应的子对象标签，执行步骤S140；

S140、将该所述压缩图片中所述子对象标签对应的局部图像区域映射到原始图片的相关图像区域抠图作为待识别图案；以及

S150、将所述待识别图案输入第二类神经网络模型，获得每个所述子对象标签对应的参数值。

2.根据权利要求1所述的基于分类对象的视频识别方法，其特征在于，每个所述子对象标签分别对应一独立的第二类神经网络模型，将每个所述子对象标对应的待识别图案输入到各自的所述第二类神经网络模型中，获得对应的参数值。

3.根据权利要求1所述的基于分类对象的视频识别方法，其特征在于，所述子对象标签的参数值至少包括车辆车型、箱体号码、车牌号码、驾驶员人脸、驾驶员行为中的至少一种。

4.根据权利要求1所述的基于分类对象的视频识别方法，其特征在于，所述主体对象标签中至少包括空车集卡、带箱集卡、轿车、吊车中的至少一种；

所述带箱集卡对应的所述子对象标签包括箱体号码、车牌号码。

5.根据权利要求4所述的基于分类对象的视频识别方法，其特征在于，还包括步骤S160、根据步骤S150中的参数值生成事件信息，将所述事件信息与运输数据库中的相关数据进行比对，发现错误时进行报警。

6.根据权利要求1所述的基于分类对象的视频识别方法，其特征在于，通过一独立的SOC芯片进行所述视频码流的采集和压缩，所述SOC芯片分别连接多个视频采集装置。

7.根据权利要求6所述的基于分类对象的视频识别方法，其特征在于，一独立的图形加速卡通过服务器与所述SOC芯片进行数据交互，所述第一类神经网络模型和第二类神经网络模型均生成于所述图形加速卡中。

8.根据权利要求7所述的基于分类对象的视频识别方法，其特征在于，所述步骤S130中还包括训练第三类神经网络模型，用于自输入的图片中识别出所述子对象标签；

所述步骤S130中，所述SOC芯片将压缩图片通过所述服务器发送给所述图形加速卡中的第一类神经网络模型进行识别，判断是否能获得所述主体对象标签后，若是则再次使用第三类神经网络模型对主体对象标签对应的部分图像区域进行图像识别，获得子对象标签对应的局部图像区域。

9.根据权利要求7所述的基于分类对象的视频识别方法，其特征在于，所述步骤S140中，所述图形加速卡将所述子对象标签对应的压缩图片中局部图像区域生成抠图信息，发送到所述SOC芯片；

所述SOC芯片调出所述压缩图片对应的原始图片，并根据所述压缩图片中局部图像区域对原始图片进行等比例分区抠图后，建立子对象标签与抠图的映射关系后发送到图形加速卡。

10.一种基于分类对象的视频识别系统，其特征在于，用于实现如权利要求1所述的基于分类对象的视频识别方法，包括：

一服务器；

至少一组视频处理模块组件，分别可拆卸地连接于所述服务器，所述视频处理模块组件包括一可编程逻辑器件形成的图形加速卡和对应的一用于解码的SOC芯片，多个视频数据流信道连接于所述SOC芯片；

所述服务器中建立每个所述视频处理模块组件、图形加速卡、SOC芯片以及视频数据流信道的映射关系表，并根据所述视频处理模块组件连接所述服务器的状态更新所述映射关系表。