[发明专利]目标对象的识别方法和装置，及机器人

说明书

技术领域

本发明涉及物体识别领域，具体而言，涉及一种目标对象的识别方法和装置，及机器人。

背景技术

物体识别是计算机视觉领域的关键问题，同时也是人工智能领域判断机器是否拥有“智能”特征的重要意义。一项成熟稳定的物体识别技术对帮助计算机理解获取视觉范围内的物体布局并进一步提取视觉范围类的深层次信息(例如判断当前场景，发生的事件，时间等)。

传统的物体识别技术都使用了滑动窗口技术，使用传统的判别方法来判断不同滑动窗口下的物体类型。传统的物体识别方法不仅精度不够(使用传统的分类器)，而且其核心技术依赖于大量的滑动窗口(会导致识别的时间特别长)。因此，在精度和速度两方面传统的方法在实用场景下都效果不好。虽然目前在滑动传统技术的基础上提出了一些改进，比如选择性搜索算法，它将详尽搜索算法和图片分割技术相结合，能够智能地将分割的图片选择性地结合起来从而提升算法的效率和精度。尽管如此，由于在本质上仍然类似于遍历性的滑框技术并且依次对不同边框进行识别，在对单个窗口的识别速度提升不大的条件下，这些改进对传统算法的提升并不高。

针对传统的目标对象的识别方法运行速度慢，精度低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种目标对象的识别方法和装置，及机器人，以至少解决传统的目标对象的识别方法运行速度慢，精度低的技术问题。

根据本发明实施例的一个方面，提供了一种目标对象的识别方法，包括：获取至少一个滑动窗口，其中，每个滑动窗口内的图像中包含待识别的目标对象；采用至少一个卷积神经网络对至少一个滑动窗口内的图像进行识别，得到任意一个滑动窗口的识别结果，其中，识别结果至少包括：识别类型和置信度；在任意一个滑动窗口的置信度达到一个或多个卷积神经网络的置信度阈值的情况下，标记待识别的目标对象的类型为任意一个滑动窗口的识别类型。

根据本发明实施例的另一方面，还提供了一种目标对象的识别装置，包括：获取模块，用于获取至少一个滑动窗口，其中，每个滑动窗口内的图像中包含待识别的目标对象；处理模块，用于采用至少一个卷积神经网络对至少一个滑动窗口内的图像进行识别，得到任意一个滑动窗口的识别结果，其中，识别结果至少包括：识别类型和置信度；标记模块，用于在任意一个滑动窗口的置信度达到一个或多个卷积神经网络的置信度阈值的情况下，标记待识别的目标对象的类型为任意一个滑动窗口的识别类型。

根据本发明实施例的另一方面，还提供了一种机器人，包括：上述实施例中任意一项的目标对象的识别装置。

在本发明实施例中，可以在获取至少一个滑动窗口之后，通过至少一个卷积神经网络对至少一个滑动窗口内的图像进行识别，得到至少一个滑动窗口的识别结果，并在任意一个滑动窗口的置信度达到一个或多个卷积神经网络的置信度阈值的情况下，标记待识别的目标对象的类型为任意一个滑动窗口的识别类型，从而实现对目标对象的识别，因此，通过本发明上述实施例，可以通过多个卷积神经网络对滑动窗口进行识别，提高目标对象的识别精度，并通过对滑动窗口的置信度进行判断，对滑动窗口进行筛选，提高目标对象的识别速度，从而在从识别精度和速度两个方面双管齐下，提高物体识别技术的实际效用。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种目标对象的识别方法的流程图；

图2是根据本发明实施例的一种可选的目标对象的识别方法的流程图；

图3是根据本发明实施例的一种目标对象的识别装置的示意图；

图4是根据本发明实施例的一种可选的目标对象的识别装置的示意图；

图5是根据本发明实施例的一种可选的目标对象的识别装置的示意图；

图6是根据本发明实施例的一种可选的目标对象的识别装置的示意图；以及

图7是根据本发明实施例的一种可选的目标对象的识别装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。