对象识别方法、装置以及计算机可读存储介质制造方法及图纸

本申请涉及场景识别技术领域，公开了对象识别方法、装置以及计算机可读存储介质。该方法包括：获取待处理图像；对待处理图像进行特征提取，得到第一特征图；在第一特征图中确定目标区域，并对目标区域进行注意力引导，得到第二特征图；目标区域是基于候选的对象类型确定的；根据第二特征图，在候选的对象类型中确定待处理图像的对象类型。通过这样的方式，能够提高对象识别的准确性和识别效率。够提高对象识别的准确性和识别效率。够提高对象识别的准确性和识别效率。

【技术实现步骤摘要】
对象识别方法、装置以及计算机可读存储介质


[0001]本申请涉及对象识别
，特别涉及对象识别方法、装置以及计算机可读存储介质。

技术介绍

[0002]随着人工智能技术的快速发展，基于深度学习的智能算法逐渐被广泛地运用到各种领域中，如智能交通系统当中，尤其是在交通事件检测、交通违法行为的抓拍和违法行为的非现场审核等方面它具有无可比拟的优势。
[0003]如，交通道路复杂多变，存在各种各样的场景，需要根据不同的场景装载不同的监控摄像头和配置相关的算法模块，以实现对不同的交通道路智能监管的功能需求。

技术实现思路

[0004]本申请主要解决的技术问题是提供对象识别方法、装置以及计算机可读存储介质，能够提高对象识别的准确性和识别效率。
[0005]为解决上述技术问题，本申请采用的一个技术方案是：提供一种对象识别方法，该方法包括：获取待处理图像；对待处理图像进行特征提取，得到第一特征图；在第一特征图中确定目标区域，并对目标区域进行注意力引导，得到第二特征图；目标区域是基于候选的对象类型确定的；根据第二特征图，在候选的对象类型中确定待处理图像的对象类型。
[0006]其中，在第一特征图中确定目标区域，并对目标区域进行注意力引导，得到第二特征图，包括：在第一特征图中确定目标区域；确定目标区域的中心坐标，以及高斯核函数；根据目标区域的中心坐标、高斯核函数和第一特征图，确定第二特征图，其中，高斯核函数对应的高斯核的尺寸与第一特征图的尺寸相同。
[0007]其中，根据目标区域的中心坐标、高斯核函数和第一特征图，确定第二特征图，包括：将目标区域的中心坐标作为高斯核的中心坐标；利用第一特征图中每一元素的坐标作为高斯核函数的输入，得到高斯函数对应的高斯核的每一元素；将高斯核与第一特征图中的对应元素相乘，得到第二特征图。
[0008]其中，待处理图像为交通场景图像，目标区域为交通场景图像的中心区域。
[0009]其中，对待处理图像进行特征提取，得到第一特征图，包括：利用多个串联的残差网络单元对待处理图像进行处理，得到第一特征图；其中，每一残差网络单元至少包括两个卷积核。
[0010]其中，该方法还包括：构建对象识别网络；其中，对象识别网络至少包括特征提取模块、池化模块和全连接模块；将训练图像集输入至对象识别网络，得到第一向量；其中，第一向量用于表示对象分类结果；基于第一向量确定损失值；利用损失值对特征提取模块进行参数修正。
[0011]其中，基于第一向量确定损失值，包括：利用第一向量计算与每一对象类型的预测概率；基于预测概率确定损失值。
[0012]其中，特征提取模块包括多个串联的残差网络单元；利用损失值对特征提取模块进行参数修正，包括：利用损失值，按照从后向前的顺序，对特征提取模块中的多个串联的残差网络单元进行参数修正。
[0013]为解决上述技术问题，本申请采用的另一个技术方案是：提供一种对象识别装置，该对象识别装置包括处理器以及与处理器耦接的存储器；其中，存储器用于存储计算机程序，处理器用于执行计算机程序，以实现如上述技术方案提供的方法。
[0014]为解决上述技术问题，本申请采用的另一个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，计算机程序在被处理器执行时，用于实现如上述技术方案提供的方法。
[0015]本申请实施例的有益效果是：区别于现有技术，本申请提供的对象识别方法，该方法包括：获取待处理图像；对待处理图像进行特征提取，得到第一特征图；在第一特征图中确定目标区域，并对目标区域进行注意力引导，得到第二特征图；目标区域是基于候选的对象类型确定的；根据第二特征图，在候选的对象类型中确定待处理图像的对象类型。通过上述方式，在对象识别时，利用注意力引导使确定的第二特征图中拥有更多目标区域的特征信息，则可以根据目标区域的特征信息快速确定待处理图像的对象类型，减少对所有特征信息的处理，不仅能够提高对象识别的准确性，还能够提高识别效率，在应用于交通场景识别时，无需要根据不同的场景装载不同的监控摄像头和配置相关的识别算法，能够利用本申请的对象识别方法实现对不同的交通道路的场景识别。
附图说明
[0016]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
[0017]图1是本申请提供的对象识别方法一实施例的流程示意图；
[0018]图2是本申请提供的对象识别方法另一实施例的流程示意图；
[0019]图3是本申请提供的残差网络单元的基本结构示意图；
[0020]图4是本申请提供的步骤23一实施例的流程示意图；
[0021]图5是本申请提供的对象识别方法另一实施例的流程示意图；
[0022]图6是本申请提供的电警场景的示意图；
[0023]图7是本申请提供的卡口场景的示意图；
[0024]图8是本申请提供的对象识别网络一实施例的结构示意图；
[0025]图9是本申请提供的对象识别网络一实施例的训练流程示意图；
[0026]图10是本申请提供的类激活热力图的示意图；
[0027]图11是本申请提供的对象识别装置一实施例的结构示意图；
[0028]图12是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
[0029]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完
整地描述。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0030]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0031]参阅图1，图1是本申请提供的对象识别方法一实施例的流程示意图。该方法包括：
[0032]步骤11：获取待处理图像。
[0033]在一些实施例中，待处理图像可以是通过图像采集装置实时采集的。待处理图像也可以是图像采集装置按照采集规则采集的，如固定时间间隔采集的。待处理图像也可以是图像采集装置预先采集的。
[0034]如，图像采集装置设置于交通场景中，待处理图像中则会存在车道线、斑马线、车辆和行人等一系列与交通相关的内容。
[0035]又如，图像采集装置设置于目标检测场景中，待处理图像中则会存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象识别方法，其特征在于，所述方法包括：获取待处理图像；对所述待处理图像进行特征提取，得到第一特征图；在所述第一特征图中确定目标区域，并对所述目标区域进行注意力引导，得到第二特征图；所述目标区域是基于候选的对象类型确定的；根据所述第二特征图，在所述候选的对象类型中确定所述待处理图像的对象类型。2.根据权利要求1所述的方法，其特征在于，所述在所述第一特征图中确定目标区域，并对所述目标区域进行注意力引导，得到第二特征图，包括：在所述第一特征图中确定目标区域；确定所述目标区域的中心坐标，以及高斯核函数；根据所述目标区域的中心坐标、所述高斯核函数和所述第一特征图，确定所述第二特征图，其中，所述高斯核函数对应的高斯核的尺寸与所述第一特征图的尺寸相同。3.根据权利要求2所述的方法，其特征在于，所述根据所述目标区域的中心坐标、所述高斯核函数和所述第一特征图，确定所述第二特征图，包括：将所述目标区域的中心坐标作为所述高斯核的中心坐标；利用所述第一特征图中每一元素的坐标作为所述高斯核函数的输入，得到所述高斯函数对应的所述高斯核的每一元素；将所述高斯核与所述第一特征图中的对应元素相乘，得到所述第二特征图。4.根据权利要求1所述的方法，其特征在于，所述待处理图像为交通场景图像，所述目标区域为所述交通场景图像的中心区域。5.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像进行特征提取，得到第一特征图，包括：利用多个串联的残差网络单元对...

【专利技术属性】
技术研发人员：邹伟，巫立峰，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：