目标识别方法、装置、目标识别设备及存储介质与流程

本申请实施例涉及计算机技术，尤其涉及一种目标识别方法、装置、目标识别设备及存储介质。

背景技术：

随着视频监控和网络传输技术的快速发展，在各级城市的街道、路口、车站、重要建筑物普遍安装拍摄装置。通过人工方式分析拍摄装置拍摄的内容以进行目标对象的识别是目前追踪目标人物的主要方法。

现有技术中，也存在通过机器人脸识别的方式以进行人脸图像的自动匹配来进行目标对象追踪，然而上述方式需要精确抓拍到清晰的人脸图像才能进行自动匹配，通过人工的方式工作效率大幅下降，需要改进。

技术实现要素：

本申请提供了一种目标识别方法、装置、目标识别设备及存储介质，提高了目标识别效率，适用范围更广。

第一方面，本申请实施例提供了一种目标识别方法，包括：

对目标对象进行特征提取得到目标对象体貌特征，并确定所述目标对象的采集装置；

获取所述采集装置在预设时间段内采集的原始图像数据，确定所述原始图像数据中是否包含人体画面；

如果所述原始图像数据中包含人体画面，则对所述人体画面进行识别，如果识别结果和所述目标对象体貌特征匹配，则输出所述人体画面及对应的采集时间。

第二方面，本申请实施例还提供了一种目标识别装置，包括：

特征提取模块，用于对目标对象进行特征提取得到目标对象体貌特征，并确定所述目标对象的采集装置；

识别模块，用于获取所述采集装置在预设时间段内采集的原始图像数据，确定所述原始图像数据中是否包含人体画面；

匹配处理模块，用于如果所述原始图像数据中包含人体画面，则对所述人体画面进行识别，如果识别结果和所述目标对象体貌特征匹配，则输出所述人体画面及对应的采集时间。

第三方面，本申请实施例还提供了一种目标识别设备，包括：处理器、存储器以及存储在存储器上并可在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如本申请实施例所述的目标识别方法。

第四方面，本申请实施例还提供了一种包含目标识别设备可执行指令的存储介质，所述目标识别设备可执行指令在由目标识别设备处理器执行时用于执行本申请实施例所述的目标识别方法。

本方案中，对目标对象进行特征提取得到目标对象体貌特征，并确定所述目标对象的采集装置；获取所述采集装置在预设时间段内采集的原始图像数据，确定所述原始图像数据中是否包含人体画面；如果所述原始图像数据中包含人体画面，则对所述人体画面进行识别，如果识别结果和所述目标对象体貌特征匹配，则输出所述人体画面及对应的采集时间，本方案提高了目标识别效率，适用范围更广。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请实施例提供的一种目标识别方法的流程图；

图2是本申请实施例提供的另一种目标识别方法的流程图；

图3是本申请实施例提供的另一种目标识别方法的流程图；

图4是本申请实施例提供的另一种目标识别方法的流程图；

图5是本申请实施例提供的一种目标识别装置的结构框图；

图6是本申请实施例提供的一种目标识别设备的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例用于解释本申请，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。

图1是本申请实施例提供的一种目标识别方法的流程图，可适用于对目标对象进行追踪，该方法可以由本申请实施例提供的目标识别设备或服务器来执行，其中，该目标识别设备可和多个拍摄装置进行网络连接，也可以自身集成有摄像头进行数据采集，该目标识别设备的目标识别装置可采用软件和/或硬件的方式实现，如图1所示，本实施例提供的具体方案如下：

步骤s101、对目标对象进行特征提取得到目标对象体貌特征，并确定所述目标对象的采集装置。

其中，目标对象可以是确定的需要追踪的特定目标。如在路口一摄像装置拍摄的图像数据中，其中包含有目标对象，此时，对目标对象进行特征提取以得到目标对象的体貌特征，该体貌特征区别于人脸图像特征，其包括目标对象的身高特征、穿着特征和肢体特征等。在确定目标对象体貌特征后，相应的确定该目标对象的采集装置，不同的采集装置对应不同的采集地点，可通过经纬度方式进行标记，如在区域a中存在10个采集装置，每个采集装置设置在不同的位置用以进行图像或视频采集，当识别到目标对象并进行目标对象体貌特征提取后，确定对应的采集装置。

在一个实施例中，对目标对象进行特征提取得到目标对象体貌特征方式可以是：通过预设训练模型对目标对象进行特征提取得到目标对象体貌特征，其中，目标对象体貌特征包括至少两种，所述预设训练模型在训练过程由不同的体貌特征样本联合训练得到。在另一个实施例中，还可以是：对目标对象进行特征提取并通过预设模板库确定目标对象体貌特征，其中，预设模板数据库中包括训练得到的多个属性值和对应的模板特征向量，具体的，通过对目标对象进行特征提取得到对应的目标特征向量，确定所述目标特征向量和多个所述模板特征向量的欧式距离，将满足预设条件的模板特征向量对应的属性值确定为目标对象体貌特征。

步骤s102、获取所述采集装置在预设时间段内采集的原始图像数据，确定所述原始图像数据中是否包含人体画面。

在一个实施例中，当确定采集到目标对象的采集装置后，获取该采集装置在预设时间段内采集的原始图像数据，该预设时间段可以是一天、一周或一个月等，在获取到原始图像数据后，相应的对该原始图像数据进行识别以确定是否包含有人体画面。具体的，识别方式包括：将获取到的原始图像数据和预设人体模板进行比对，计算图像匹配度，如果匹配程度大于预设阈值(如80％)则确定该原始图像数据包含有人体画面，除此之外，还可采用模式识别中的人工神经网络算法，即通过对包含人体样品集和不包含人体样品集的学习产生分类器，对原始图像数据进行识别以确定其是否属于包含人体画面的分类。其中，该原始图像数据可以是采集装置每个1秒、3秒或5秒拍摄采集的图像数据，还可以是连续的视频图像数据。

步骤s103、如果所述原始图像数据中包含人体画面，则对所述人体画面进行识别，如果识别结果和所述目标对象体貌特征匹配，则输出所述人体画面及对应的采集时间。

在一个实施例中，目标对象体貌特征以穿着特征为例，该穿着特征包括穿着服饰的类型和颜色，如“蓝色夹克、褐色裤子”或“白色背心、蓝色短裤”等，在确定出原始图像数据中包含人体画面后，相应的进行图像识别以确定该人体画面对应的人物的体貌特征(即服饰的类型和颜色)是否和目标对象体貌特征匹配，如果匹配一致则自动输出该人体画面以及采集到该人体画面时的采集时间以提供追踪线索情况。

由上述内容可知，通过对目标对象进行特征提取得到目标对象体貌特征后，对该采集到目标对象的装置获取的数据进行目标对象体貌特征的比对，如果再次发现目标对象，则进行及时反馈，在比对过程中，首先判断获取的原始图像数据是否包含有人体画面，在包含人体画面的前提下进行目标对象体貌特征的比对识别，扩大了目标对象追踪的范围同时，提高了识别效率。

图2是本申请实施例提供的另一种目标识别方法的流程图，可选的，所述对目标对象进行特征提取得到目标对象体貌特征包括：通过预设训练模型对目标对象进行特征提取得到目标对象体貌特征。如图2所示，技术方案具体如下：

步骤s201、通过预设训练模型对目标对象进行特征提取得到目标对象体貌特征，并确定所述目标对象的采集装置。

在一个实施例中，目标对象体貌特征包括至少两种(如服装类型、服装颜色、是否戴帽子、是否背包等)，所述预设训练模型在训练过程由不同的体貌特征样本联合训练得到。具体的，预设训练模型在训练过程中基于第一识别网络(如服装类型识别网络)和第二识别网络(是否戴帽子对应的识别网络)进行训练，步骤如下：将训练图片输入至特征提取网络，以使特征提取网络生成训练图片的特征图；将特征图输入至第一识别网络，计算得到第一损失函数值；将特征图输入至第二识别网络，计算得到第二损失函数值；根据第一损失函数值、第二损失函数值确定总损失函数值，如将第一损失函数值、第二损失函数值按照预设的权重比例求和，得到总损失函数值；基于总损失函数值，通过反向传播算法对识别网络的参数进行训练。其中，整个网络通过大量样本数据，以降低总损失函数为目标，利用反向传播算法来训练卷积神经网络中的各个参数，当总损失函数收敛至预设值时，则将总损失函数收敛至预设值时对应的参数作为识别网络的参数，此时设定该参数的识别网络为已训练的识别网络，可以直接用于对目标对象进行特征提取得到目标对象体貌特征。

步骤s202、获取所述采集装置在预设时间段内采集的原始图像数据，确定所述原始图像数据中是否包含人体画面。

步骤s203、如果所述原始图像数据中包含人体画面，则对所述人体画面进行识别，如果识别结果和所述目标对象体貌特征匹配，则输出所述人体画面及对应的采集时间。

由上述可知，在对目标对象进行特征提取得到目标对象体貌特征时，通过预设训练模型对目标对象进行特征提取得到目标对象体貌特征，其中预设训练模型在训练过程由不同的体貌特征样本联合训练得到，提高了目标对象体貌特征识别的准确性。

在另一个实施例中，对目标对象进行特征提取得到目标对象体貌特征的方式还可以是：使用svm(supportvectormachine，支撑向量机)或者卷积神经网络训练若干二分类分类器来判断当前的目标对象是否有某个体貌特征，或者确定一共需要判断哪些体貌特征后，训练一个多分类分类器来对目标对象进行特征提取以确定目标对象体貌特征。

图3是本申请实施例提供的另一种目标识别方法的流程图，可选的，所述对目标对象进行特征提取得到目标对象体貌特征包括：对目标对象进行特征提取并通过预设模板库确定目标对象体貌特征。如图3所示，技术方案具体如下：

步骤s301、对目标对象进行特征提取并通过预设模板库确定目标对象体貌特征，并确定所述目标对象的采集装置。

在一个实施例中，预设模板数据库中包括训练得到的多个属性值和对应的模板特征向量，对目标对象进行特征提取得到对应的目标特征向量，确定所述目标特征向量和多个所述模板特征向量的欧式距离，将满足预设条件(欧式距离最短)的模板特征向量对应的属性值确定为目标对象体貌特征。其中模板特征向量的求取方式可以是：利用递归方法将射频链路上的反射信号的相位值进行多级分解，得到多个细节系数和一个近似系数；对每一个细节系数计算其对应的动态阈值，若细节系数大于动态阈值，则保留此细节系数，否则，去除此细节系数，得到筛选后的多个细节系数；将筛选后的多个细节系数与近似系数进行重建，得到去噪后的相位值；对多个信道下的去噪后的相位值均进行标准化处理，得到标准化处理后的多个信道下的相位值；标准化处理后的多个信道下的相位值形成模板特征向量。

步骤s302、获取所述采集装置在预设时间段内采集的原始图像数据，确定所述原始图像数据中是否包含人体画面。

步骤s303、如果所述原始图像数据中包含人体画面，则对所述人体画面进行识别，如果识别结果和所述目标对象体貌特征匹配，则输出所述人体画面及对应的采集时间。

由上述可知，对目标对象进行特征提取得到对应的目标特征向量，确定所述目标特征向量和多个所述模板特征向量的欧式距离，将满足预设条件的模板特征向量对应的属性值确定为目标对象体貌特征，提高了目标对象体貌特征的识别率，为后续进行目标追踪提供了优良的前提条件。

图4是本申请实施例提供的另一种目标识别方法的流程图，可选的，所述确定所述原始图像数据中是否包含人体画面包括：对原始图像数据中包含的对象进行边缘特征提取，通过边缘提取结果判断所述对象是否包含预设形状以确定所述原始图像数据中是否包含人体画面。如图4所示，技术方案具体如下：

步骤s401、对目标对象进行特征提取得到目标对象体貌特征，并确定所述目标对象的采集装置。

步骤s402、获取所述采集装置在预设时间段内采集的原始图像数据，对原始图像数据中包含的对象进行边缘特征提取，通过边缘提取结果判断所述对象是否包含预设形状以确定所述原始图像数据中是否包含人体画面。

在一个实施例中，可粗略设置人体图像的形状作为预设形状(如头部的圆形形状、躯干的矩形形状)，在识别原始图像数据是否包含有人体画面时，可通过对原始图像数据中包含的对象进行边缘特征提取，如果确定出对象的粗略形状为圆形形状加矩形形状则确定原始图像数据中包含人体画面。

步骤s403、如果所述原始图像数据中包含人体画面，则对所述人体画面进行识别，如果识别结果和所述目标对象体貌特征匹配，则输出所述人体画面及对应的采集时间。

由上述可知，在对目标对象追踪进行目标对象体貌特征匹配之前，通过效率更高的识别方式预识别原始图像数据中是否包含人体画面，在确定包含人体画面的情况下进行目标对象体貌特征匹配的细化识别比对，可显著提升目标对象识别效率，节省了识别运算时间。

图5是本申请实施例提供的一种目标识别装置的结构框图，该装置用于执行上述实施例提供的目标识别方法，具备执行方法相应的功能模块和有益效果。如图5所示，该装置具体包括：特征提取模块101、识别模块102和匹配处理模块103，其中，

特征提取模块101，用于对目标对象进行特征提取得到目标对象体貌特征，并确定所述目标对象的采集装置。

其中，目标对象可以是确定的需要追踪的特定目标。如在路口一摄像装置拍摄的图像数据中，其中包含有目标对象，此时，对目标对象进行特征提取以得到目标对象的体貌特征，该体貌特征区别于人脸图像特征，其包括目标对象的身高特征、穿着特征和肢体特征等。在确定目标对象体貌特征后，相应的确定该目标对象的采集装置，不同的采集装置对应不同的采集地点，可通过经纬度方式进行标记，如在区域a中存在10个采集装置，每个采集装置设置在不同的位置用以进行图像或视频采集，当识别到目标对象并进行目标对象体貌特征提取后，确定对应的采集装置。

在一个实施例中，对目标对象进行特征提取得到目标对象体貌特征方式可以是：通过预设训练模型对目标对象进行特征提取得到目标对象体貌特征，其中，目标对象体貌特征包括至少两种，所述预设训练模型在训练过程由不同的体貌特征样本联合训练得到。在另一个实施例中，还可以是：对目标对象进行特征提取并通过预设模板库确定目标对象体貌特征，其中，预设模板数据库中包括训练得到的多个属性值和对应的模板特征向量，具体的，通过对目标对象进行特征提取得到对应的目标特征向量，确定所述目标特征向量和多个所述模板特征向量的欧式距离，将满足预设条件的模板特征向量对应的属性值确定为目标对象体貌特征。

识别模块102，用于获取所述采集装置在预设时间段内采集的原始图像数据，确定所述原始图像数据中是否包含人体画面。

在一个实施例中，当确定采集到目标对象的采集装置后，获取该采集装置在预设时间段内采集的原始图像数据，该预设时间段可以是一天、一周或一个月等，在获取到原始图像数据后，相应的对该原始图像数据进行识别以确定是否包含有人体画面。具体的，识别方式包括：将获取到的原始图像数据和预设人体模板进行比对，计算图像匹配度，如果匹配程度大于预设阈值(如80％)则确定该原始图像数据包含有人体画面，除此之外，还可采用模式识别中的人工神经网络算法，即通过对包含人体样品集和不包含人体样品集的学习产生分类器，对原始图像数据进行识别以确定其是否属于包含人体画面的分类。其中，该原始图像数据可以是采集装置每个1秒、3秒或5秒拍摄采集的图像数据，还可以是连续的视频图像数据。

匹配处理模块103，用于如果所述原始图像数据中包含人体画面，则对所述人体画面进行识别，如果识别结果和所述目标对象体貌特征匹配，则输出所述人体画面及对应的采集时间。

在一个实施例中，目标对象体貌特征以穿着特征为例，该穿着特征包括穿着服饰的类型和颜色，如“蓝色夹克、褐色裤子”或“白色背心、蓝色短裤”等，在确定出原始图像数据中包含人体画面后，相应的进行图像识别以确定该人体画面对应的人物的体貌特征(即服饰的类型和颜色)是否和目标对象体貌特征匹配，如果匹配一致则自动输出该人体画面以及采集到该人体画面时的采集时间以提供追踪线索情况。

由上述内容可知，通过对目标对象进行特征提取得到目标对象体貌特征后，对该采集到目标对象的装置获取的数据进行目标对象体貌特征的比对，如果再次发现目标对象，则进行及时反馈，在比对过程中，首先判断获取的原始图像数据是否包含有人体画面，在包含人体画面的前提下进行目标对象体貌特征的比对识别，扩大了目标对象追踪的范围同时，提高了识别效率。

在一个可能的实施例中，所述特征提取模块101具体用于：

通过预设训练模型对目标对象进行特征提取得到目标对象体貌特征。

在一个可能的实施例中，所述目标对象体貌特征包括至少两种，所述预设训练模型在训练过程由不同的体貌特征样本联合训练得到。

在一个可能的实施例中，所述特征提取模块101具体用于：

对目标对象进行特征提取并通过预设模板库确定目标对象体貌特征。

在一个可能的实施例中，所述预设模板数据库中包括训练得到的多个属性值和对应的模板特征向量，所述特征提取模块101具体用于：

对目标对象进行特征提取得到对应的目标特征向量，确定所述目标特征向量和多个所述模板特征向量的欧式距离，将满足预设条件的模板特征向量对应的属性值确定为目标对象体貌特征。

在一个可能的实施例中，所述识别模块102具体用于：

对原始图像数据中包含的对象进行边缘特征提取，通过边缘提取结果判断所述对象是否包含预设形状以确定所述原始图像数据中是否包含人体画面。

在一个可能的实施例中，所述目标对象体貌特征包括所述目标对象的身高特征、穿着特征和肢体特征。

本实施例在上述各实施例的基础上提供了一种目标识别设备，图6是本申请实施例提供的一种目标识别设备的结构示意图，如图6所示，该目标识别设备包括：存储器201、处理器(centralprocessingunit，cpu)202、外设接口203、摄像头205、电源管理芯片208、输入/输出(i/o)子系统209、触摸屏212、wifi模块213、其他输入/控制设备210以及外部端口204，这些部件通过一个或多个通信总线或信号线207来通信。

应该理解的是，图示人脸识别设备仅仅是人脸识别设备的一个范例，并且人脸识别设备可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

下面就本实施例提供的用于图像处理的人脸识别设备进行详细的描述。

存储器201，所述存储器201可以被cpu202、外设接口203等访问，所述存储器201可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

外设接口203，所述外设接口203可以将设备的输入和输出外设连接到cpu202和存储器201。

i/o子系统209，所述i/o子系统209可以将设备上的输入输出外设，例如触摸屏212和其他输入/控制设备210，连接到外设接口203。i/o子系统209可以包括显示控制器2091和用于控制其他输入/控制设备210的一个或多个输入控制器2092。其中，一个或多个输入控制器2092从其他输入/控制设备210接收电信号或者向其他输入/控制设备210发送电信号，其他输入/控制设备210可以包括物理按钮(按压按钮、摇臂按钮等)、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器2092可以与以下任一个连接：键盘、红外端口、usb接口以及诸如鼠标的指示设备。

触摸屏212，所述触摸屏212是用户终端与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。

i/o子系统209中的显示控制器2091从触摸屏212接收电信号或者向触摸屏212发送电信号。触摸屏212检测触摸屏上的接触，显示控制器2091将检测到的接触转换为与显示在触摸屏212上的用户界面对象的交互，即实现人机交互，显示在触摸屏212上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。

电源管理芯片208，用于为cpu202、i/o子系统及外设接口所连接的硬件进行供电及电源管理。

上述实施例中提供的人脸识别设备的图像处理装置及人脸识别设备可执行本申请任意实施例所提供的人脸识别设备的图像处理方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的人脸识别设备的图像处理方法。

本申请实施例还提供一种包含人脸识别设备可执行指令的存储介质，所述人脸识别设备可执行指令在由人脸识别设备处理器执行时用于执行一种图像处理方法，该方法包括：

对目标对象进行特征提取得到目标对象体貌特征，并确定所述目标对象的采集装置；

获取所述采集装置在预设时间段内采集的原始图像数据，确定所述原始图像数据中是否包含人体画面；

如果所述原始图像数据中包含人体画面，则对所述人体画面进行识别，如果识别结果和所述目标对象体貌特征匹配，则输出所述人体画面及对应的采集时间。

在一个可能的实施例中，所述对目标对象进行特征提取得到目标对象体貌特征包括：

通过预设训练模型对目标对象进行特征提取得到目标对象体貌特征。

在一个可能的实施例中，所述目标对象体貌特征包括至少两种，所述预设训练模型在训练过程由不同的体貌特征样本联合训练得到。

在一个可能的实施例中，所述对目标对象进行特征提取得到目标对象体貌特征包括：

对目标对象进行特征提取并通过预设模板库确定目标对象体貌特征。

在一个可能的实施例中，所述预设模板数据库中包括训练得到的多个属性值和对应的模板特征向量，所述对目标对象进行特征提取并通过预设模板库确定目标对象体貌特征包括：

对目标对象进行特征提取得到对应的目标特征向量，确定所述目标特征向量和多个所述模板特征向量的欧式距离，将满足预设条件的模板特征向量对应的属性值确定为目标对象体貌特征。

在一个可能的实施例中，所述确定所述原始图像数据中是否包含人体画面包括：

对原始图像数据中包含的对象进行边缘特征提取，通过边缘提取结果判断所述对象是否包含预设形状以确定所述原始图像数据中是否包含人体画面。

在一个可能的实施例中，所述目标对象体貌特征包括所述目标对象的身高特征、穿着特征和肢体特征。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如cd-rom、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如dram、ddrram、sram、edoram，兰巴斯(rambus)ram等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的图像处理方法操作，还可以执行本申请任意实施例所提供的图像处理方法中的相关操作。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。