[发明专利]重叠遮挡的目标物的分割识别方法及系统

说明书

本发明提供一种重叠遮挡的目标物的分割识别方法及系统，属于机器视觉技术领域，获取待识别的图像，待识别的图像包括含有被遮挡物遮挡的目标物；遮挡目标物的遮挡物与目标物为同一种物体；采用被遮挡目标物识别模型识别待识别图像中的被遮挡物遮挡的目标物是否为与遮挡物相同的物体，使用遮挡感知的双层GCN网络，对遮挡区域进行建模，由训练样本训练获得；训练样本包括：多个被遮挡物遮挡后的目标物图像，以及标注该图像中被遮挡物遮挡后的目标物为与遮挡物为同一种物体的标签。本发明使用遮挡感知的双层GCN网络，对遮挡区域进行建模，对遮挡和被遮挡物同时进行分割掩模预测，提高了分割精度和效率，鲁棒性强，能够精准高效地对目标物进行检测分割。

技术领域

本发明涉及机器视觉技术领域，具体涉及一种重叠遮挡的目标物的分割识别方法及系统。

背景技术

人工智能技术的迅速发展，给人们的日常生产生活带来诸多方面的便利，如，智能巡检机器人、业务自主服务机器人以及应用于农场果实采摘的果实采摘机器人等。而图像中物体的精确识别在上述智能机器人中也发挥着重要作用。例如：通过图像识别可以规划路径，自主巡检；通过图像识别可以跟踪目标物体；通过图像中目标物的识别，可以对目标物进行相应的处理，如果实抓取等。但是在图像识别的过程中，往往存在一些遮挡因素的影响物体图像的识别结果，因此，在识别物体图像的过程中需要考虑一些遮挡因素对识别结果的影响程度。

目前现有技术中主要利用YOLO模型或HOG与SVM模型等人工智能算法对目标物体进行智能识别，但在目标候选框中如果出现遮挡物体遮挡目标物体时，导致目标候选框中的视频图像发生丢帧现象，按照上述方式很容易将同一目标物体识别成两不同物体，其显然会存在一定的误差，导致识别结果不够精确。例如：在农场果实采摘中，由于果园环境非常复杂，果实的生长无任何规律可言，并且采集的目标果实图像角度并不单一，机器人在采摘果实的过程中会遇到许多的干扰和影响，其中，高度遮挡果实的识别检测是最为主要的。

当目标果实被其它果实遮挡，导致同一目标果实在遮挡前和遮挡后被识别认定为两个不同的物体，最终导致错误识别目标果实的现象，导致对于可采摘的果实出现遗漏。因此，现有技术中基于上述识别方式识别果实不够准确，识别精度较低，容易发生误判现象。

发明内容

本发明的目的在于提供一种能够精准高效地识别检测出被遮挡目标物，对被遮挡目标物进行分割掩模预测，提高了分割精度和效率，鲁棒性强的重叠遮挡的目标物的分割识别方法及系统，以解决上述背景技术中存在的至少一项技术问题。

为了实现上述目的，本发明采取了如下技术方案：

一方面，本发明提供一种重叠遮挡的目标物的分割识别方法，包括：

获取待识别的图像，所述待识别的图像包括含有被遮挡物遮挡的目标物；其中，遮挡目标物的所述遮挡物与目标物为同一种物体；

采用被遮挡目标物识别模型识别所述待识别图像中的被遮挡物遮挡的目标物是否为与所述遮挡物相同的物体，其中，训练所述被遮挡目标物识别模型时使用遮挡感知的双层GCN网络，对遮挡区域进行建模，由训练样本训练获得；所述训练样本包括：多个被遮挡物遮挡后的目标物图像，以及标注该图像中被遮挡物遮挡后的目标物为与所述遮挡物为同一种物体的标签。

优选的，所述被遮挡目标物识别模型由训练样本训练获得，包括：

获取多个被遮挡物遮挡后的目标物图像；

提取目标物图像特征，并进行语义信息和位置信息的多尺度特征融合；

对融合后的特征使用自适应样本选择法ATSS来区分遮挡物样本和被遮挡物遮挡的目标物样本，得到遮挡物样本区域，并根据遮挡物样本的类别和位置预测获取检测框；

将提取到的特征图与检测框相结合，检测框所对应的特征即为感兴趣区域ROI特征；