【技术实现步骤摘要】
本申请涉及人工智能及大数据，尤其涉及一种基于中高点位视频的图像识别方法及装置。
技术介绍
1、当前基于深度学习的目标检测模型，如目标检测算法(you only look once，yolo)系列，已经广泛应用于各种场景中，尤其是在目标较大且特征明显的情况下，表现出了良好的检测和分类性能。
2、相关技术中，当在高空俯视视角下对微小目标进行检测时，传统的目标检测模型由于视角和分辨率的限制，往往难以准确识别出微小目标的种类，存在对小目标识别的精准度较低的问题。
技术实现思路
1、本申请实施例的目的是提供一种基于中高点位视频的图像识别方法、装置、电子设备及存储介质，用以解决对小目标识别的精准度较低的问题。
2、为解决上述技术问题，本申请实施例是这样实现的：
3、第一方面，本申请实施例提供一种基于中高点位视频的图像识别方法，包括：获取中高点位视频中的图像，对所述图像进行预处理，得到待识别图像；利用训练后的初步目标检测模型，提取所述待识别图像的特征，得到所述待识别图像的特征图，并通过摄像头对所述特征图进行放大处理，得到放大后的第一图像；通过训练后的精细化目标检测模型，对所述第一图像进行分类识别，得到识别结果，基于所述识别结果确定所述待识别图像的预定目标对象的目标种类。
4、第二方面，本申请实施例提供一种基于中高点位视频的图像识别装置，包括：获取模块，用于获取中高点位视频中的图像，对所述图像进行预处理，得到待识别图像；初步检测模块，用于利用训练后的
5、第三方面，本申请实施例提供一种电子设备，包括处理器和与所述处理器电连接的存储器，所述存储器存储有计算机程序，所述处理器用于从所述存储器调用并执行所述计算机程序以实现上述一种基于中高点位视频的图像识别方法。
6、第四方面，本申请实施例提供一种计算机可读存储介质，用于存储计算机程序，所述计算机程序能够被处理器执行以实现上述一种基于中高点位视频的图像识别方法。
7、第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述一种基于中高点位视频的图像识别方法。
8、采用本申请实施例的技术方案，获取中高点位视频中的图像，对图像进行预处理，得到待识别图像；利用训练后的初步目标检测模型，提取待识别图像的特征，得到待识别图像的特征图，并通过摄像头对特征图进行放大处理，得到放大后的第一图像；通过训练后的精细化目标检测模型，对第一图像进行分类识别，得到识别结果，基于识别结果确定待识别图像的预定目标对象的目标种类。可见，通过训练后的初步目标检测模型对中高点位视频中的图像对应的待识别图像进行特征提取，得到精准的特征图，通过训练后的精细化目标检测模型，对特征图放大处理后的第一图像进行分类识别，得到待识别图像的预定目标对象的目标种类，能够对中高点位视频中微小的图像进行二次检测，从而确定预定目标对象的位置和种类，提高在高空俯视视角下的微小目标检测的准确性，能够解决对小目标识别的精准度较低的问题。
本文档来自技高网...【技术保护点】
1.一种基于中高点位视频的图像识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用训练后的初步目标检测模型，提取所述待识别图像的特征，得到所述待识别图像的特征图，包括：
3.根据权利要求2所述的方法，其特征在于，所述利用训练后的初步目标检测模型，提取所述待识别图像的特征，得到所述待识别图像的特征图之后，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述预测边界框和所述真实边界框，利用评估函数，计算所述预测边界框和所述真实边界框的距离，包括：
5.根据权利要求1所述的方法，其特征在于，所述精细化目标检测模型的训练，包括：
6.根据权利要求3所述的方法，其特征在于，所述初步目标检测模型的训练，包括：
7.根据权利要求1所述的方法，其特征在于，所述获取中高点位视频中的图像，对所述图像进行预处理，得到待识别图像，包括：
8.一种基于中高点位视频的图像识别装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括处理器和与所述处理器电连接
10.一种计算机可读存储介质，其特征在于，所述存储介质用于存储计算机程序，所述计算机程序能够被处理器执行以实现如权利要求1至7任一项所述的一种基于中高点位视频的图像识别方法。
...【技术特征摘要】
1.一种基于中高点位视频的图像识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用训练后的初步目标检测模型，提取所述待识别图像的特征，得到所述待识别图像的特征图，包括：
3.根据权利要求2所述的方法，其特征在于，所述利用训练后的初步目标检测模型，提取所述待识别图像的特征，得到所述待识别图像的特征图之后，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述预测边界框和所述真实边界框，利用评估函数，计算所述预测边界框和所述真实边界框的距离，包括：
5.根据权利要求1所述的方法，其特征在于，所述精细化目标检测模型的训练，包括：
6.根据权利要求3所述的方法，其特征...
【专利技术属性】
技术研发人员：黄雷鸣，苏晓蒙，蒋东林，谢雨欣，周侃侃，刘正，谭绍群，罗轩邈，刘昶，薛楠，宁业栋，戴方雄，
申请(专利权)人：中国铁塔股份有限公司，
类型：发明
国别省市：
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。