本申请适用于计算机应用技术领域，提供了识别物体类型的方法及装置，包括：将待识别图像输入由至少两个骨干网组成的级联网络中，得到图像中的目标物体对应的第一矩阵；将所述第一矩阵输入候选区域网络中，通过特征聚类的方式，得到所述第一矩阵中的候选框特征图对应的第二矩阵；对所述第二矩阵进行基于兴趣的池化处理，得到第三矩阵；对所述第三矩阵进行全连接和激活处理，得到目标物体对应的特征图；基于所述特征图，识别所述目标物体的类型。本实施例中通过上述步骤可以得到比较全面的目标物体的特征，提高了特征识别的全面性和精确性。
【技术实现步骤摘要】
一种识别物体类型的方法、装置及计算机可读存储介质
本申请属于计算机应用
，尤其涉及一种识别物体类型的方法、装置及计算机可读存储介质。
技术介绍
车辆款型是车辆的一种属性，也是车辆身份认证中不可或缺的重要信息，对车款的自动识别，成为城市智能交通管理系统中的重要环节之一。相关技术中一般通过图像识别的方式来检测车辆的类型或者款式，但是在实际应用中，由于车辆行驶环境容易发生变化，例如雾霾、雨天、夜间等环境下，这对车款识别的精确度造成一定的干扰，很容易造成车款识别不精确、效率较低的问题。
技术实现思路
本申请实施例提供了识别物体类型的方法及装置，可以解决车款识别不精确、效率较低的问题。第一方面，本申请实施例提供了一种识别物体类型的方法，包括：将待识别图像输入由至少两个骨干网组成的级联网络中，得到图像中的目标物体对应的第一矩阵；将所述第一矩阵输入候选区域网络中，通过特征聚类的方式，得到所述第一矩阵中的候选框特征图对应的第二矩阵；对所述第二矩阵进行基于兴趣的池化处理，得到第三矩阵；对所述第三矩阵进行全连接和激活处理，得到目标物体对应的特征图；基于所述特征图，识别所述目标物体的类型。在第一方面的一种可能的实现方式中，所述将待识别图像输入由至少两个骨干网组成的级联网络中，得到图像中的目标物体对应的第一矩阵之前，还包括：获取所述待识别图像的尺寸；基于所述尺寸和设定尺寸，对所述待识别图像的大小进行调整，得到调整之后的待识别图像。在第一方面的一种可能的实现方式中，所述将待识别图像输入由至少两个骨干网组成的级联网络中，得到图像中的目标物体对应的第一矩阵，包括：将所述待识别图像分别输入各骨干网对应的特征提取网络中，得到所述各骨干网对应的输出矩阵；对所述输出特征进行分块，得到预设数量的矩阵块；从所述矩阵块中提取出最大像素值，得到各输出矩阵对应的池化矩阵；将所述各骨干网对应的池化矩阵进行求和，得到所述第一矩阵。在第一方面的一种可能的实现方式中，所述将所述第一矩阵输入候选区域网络中，通过特征聚类的方式，得到所述第一矩阵中的候选框特征图对应的第二矩阵，包括：将所述第一矩阵输入卷积网络中，得到第一卷积结果，并对所述第一卷积结果进行非单调神经激活处理，得到第二卷积结果；对所述第二卷积结果进行基于分类的卷积映射激活得到第三卷积结果，对所述第二卷积结果进行基于回归的卷积处理，得到第四卷积结果；将所述第三卷积结果和第四卷积结果进行非极大值抑制，得到抑制结果；对所述抑制结果进行切割，得到预设数量的候选框特征图对应的矩阵。在第一方面的一种可能的实现方式中，所述对所述第二矩阵进行基于兴趣的池化处理，得到第三矩阵，包括：对所述第二矩阵进行分块处理，得到各第二矩阵对应的区块；对所述区块进行最大池化处理，选取所述区块的设定区域中的最大值，得到所述第三矩阵。在第一方面的一种可能的实现方式中，所述方法还包括：基于拍摄得到的车辆图像，对其中的车款类型进行识别，得到车款类型标识；基于所述车款类型标识模拟车辆的行进场景。第二方面，本申请实施例提供了一种识别物体类型的装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：将待识别图像输入由至少两个骨干网组成的级联网络中，得到图像中的目标物体对应的第一矩阵；将所述第一矩阵输入候选区域网络中，通过特征聚类的方式，得到所述第一矩阵中的候选框特征图对应的第二矩阵；对所述第二矩阵进行基于兴趣的池化处理，得到第三矩阵；对所述第三矩阵进行全连接和激活处理，得到目标物体对应的特征图；基于所述特征图，识别所述目标物体的类型。在第二方面的一种可能的实现方式中，所述将待识别图像输入由至少两个骨干网组成的级联网络中，得到图像中的目标物体对应的第一矩阵之前，还包括：获取所述待识别图像的尺寸；基于所述尺寸和设定尺寸，对所述待识别图像的大小进行调整，得到调整之后的待识别图像。在第二方面的一种可能的实现方式中，所述将待识别图像输入由至少两个骨干网组成的级联网络中，得到图像中的目标物体对应的第一矩阵，包括：将所述待识别图像分别输入各骨干网对应的特征提取网络中，得到所述各骨干网对应的输出矩阵；对所述输出特征进行分块，得到预设数量的矩阵块；从所述矩阵块中提取出最大像素值，得到各输出矩阵对应的池化矩阵；将所述各骨干网对应的池化矩阵进行求和，得到所述第一矩阵。在第二方面的一种可能的实现方式中，所述将所述第一矩阵输入候选区域网络中，通过特征聚类的方式，得到所述第一矩阵中的候选框特征图对应的第二矩阵，包括：将所述第一矩阵输入卷积网络中，得到第一卷积结果，并对所述第一卷积结果进行非单调神经激活处理，得到第二卷积结果；对所述第二卷积结果进行基于分类的卷积映射激活得到第三卷积结果，对所述第二卷积结果进行基于回归的卷积处理，得到第四卷积结果；将所述第三卷积结果和第四卷积结果进行非极大值抑制，得到抑制结果；对所述抑制结果进行切割，得到预设数量的候选框特征图对应的矩阵。在第二方面的一种可能的实现方式中，所述对所述第二矩阵进行基于兴趣的池化处理，得到第三矩阵，包括：对所述第二矩阵进行分块处理，得到各第二矩阵对应的区块；对所述区块进行最大池化处理，选取所述区块的设定区域中的最大值，得到所述第三矩阵。在第二方面的一种可能的实现方式中，所述方法还包括：基于拍摄得到的车辆图像，对其中的车款类型进行识别，得到车款类型标识；基于所述车款类型标识模拟车辆的行进场景。第三方面，本申请实施例提供了一种识别物体类型的装置，包括：第一矩阵单元，用于将待识别图像输入由至少两个骨干网组成的级联网络中，得到图像中的目标物体对应的第一矩阵；第二矩阵单元，用于将所述第一矩阵输入候选区域网络中，通过特征聚类的方式，得到所述第一矩阵中的候选框特征图对应的第二矩阵；第三矩阵单元，用于对所述第二矩阵进行基于兴趣的池化处理，得到第三矩阵；特征图单元，用于对所述第三矩阵进行全连接和激活处理，得到目标物体对应的特征图；识别单元，用于基于所述特征图，识别所述目标物体的类型。在第三方面的一种可能的实现方式中，所述装置还包括：尺寸获取单元，用于获取所述待识别图像的尺寸；尺寸调整单元，用于基于所述尺寸和设定尺寸，对所述待识别图像的大小进行调整，得到调整之后的待识别图像。在第三方面的一种可能的实现方式中，所述第一矩阵单元用于：将所述待识别图像分别输入各骨干网对应的特征提取网络中，得到所述各骨干网对应的输出矩阵；对所述输出特征进行分块，得到预设数量的矩阵块；从所述矩阵块中提取出最大像素值，得到各输出矩阵对应的池化矩阵；将所述各骨干网对应的池化矩阵进行求和，得到所述第一矩阵。在第三方面的一种可能的实现方式中，所述第二矩阵单元用于：将所述第一矩阵输入卷积网络中，得到第一卷积结果，并对所述第一卷积结果进行非单调神经激活处理，得到第二卷积结果；对所述第二卷积结果进行基于分类的卷积映射激活得到第三卷积结果，对所述第二卷积结果进行基于回归的卷积处理，得到第四卷积结果；将所述本文档来自技高网...
【技术保护点】
1.一种识别物体类型的方法，其特征在于，包括：/n将待识别图像输入由至少两个骨干网组成的级联网络中，得到图像中的目标物体对应的第一矩阵；/n将所述第一矩阵输入候选区域网络中，通过特征聚类的方式，得到所述第一矩阵中的候选框特征图对应的第二矩阵；/n对所述第二矩阵进行基于兴趣的池化处理，得到第三矩阵；/n对所述第三矩阵进行全连接和激活处理，得到目标物体对应的特征图；/n基于所述特征图，识别所述目标物体的类型。/n
【技术特征摘要】
1.一种识别物体类型的方法，其特征在于，包括：
将待识别图像输入由至少两个骨干网组成的级联网络中，得到图像中的目标物体对应的第一矩阵；
将所述第一矩阵输入候选区域网络中，通过特征聚类的方式，得到所述第一矩阵中的候选框特征图对应的第二矩阵；
对所述第二矩阵进行基于兴趣的池化处理，得到第三矩阵；
对所述第三矩阵进行全连接和激活处理，得到目标物体对应的特征图；
基于所述特征图，识别所述目标物体的类型。
2.如权利要求1所述的识别物体类型的方法，其特征在于，所述将待识别图像输入由至少两个骨干网组成的级联网络中，得到图像中的目标物体对应的第一矩阵之前，还包括：
获取所述待识别图像的尺寸；
基于所述尺寸和设定尺寸，对所述待识别图像的大小进行调整，得到调整之后的待识别图像。
3.如权利要求1所述的识别物体类型的方法，其特征在于，所述将待识别图像输入由至少两个骨干网组成的级联网络中，得到图像中的目标物体对应的第一矩阵，包括：
将所述待识别图像分别输入各骨干网对应的特征提取网络中，得到所述各骨干网对应的输出矩阵；
对所述输出特征进行分块，得到预设数量的矩阵块；
从所述矩阵块中提取出最大像素值，得到各输出矩阵对应的池化矩阵；
将所述各骨干网对应的池化矩阵进行求和，得到所述第一矩阵。
4.如权利要求1所述的识别物体类型的方法，其特征在于，所述将所述第一矩阵输入候选区域网络中，通过特征聚类的方式，得到所述第一矩阵中的候选框特征图对应的第二矩阵，包括：
将所述第一矩阵输入卷积网络中，得到第一卷积结果，并对所述第一卷积结果进行非单调神经激活处理，得到第二卷积结果；
对所述第二卷积结果进行基于分类的卷积映射激活得到第三卷积结果，对所述第二卷积结果进行基于回归的卷积处理，得到第四卷积结果；
将所述第三卷积结果和第四卷积结果进行非极大值抑制，得到抑制结果；
对所述抑制结果进行切...
【专利技术属性】
技术研发人员：吴晓东，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。