[发明专利]一种目标识别方法及设备

权利要求书

1.一种目标识别方法，其特征在于，所述方法包括：

根据预先确定出的网络模型，确定待检测图像中的目标以及所述目标的位置信息；其中，所述网络模型根据预设的深度检测网络模型和预设的深度语义分割网络模型确定；

根据所述目标的位置信息，对所述目标的类别进行识别。

2.如权利要求1所述的方法，其特征在于，根据所述目标的位置信息，对所述目标的类别进行识别，包括：

根据所述目标的位置信息，确定所述目标的类别和对应的置信度。

3.如权利要求2所述的方法，其特征在于，在所述确定所述目标的类别和对应的置信度之后，还包括：

根据所述目标对应的置信度，对所述目标的类别是否为已知类别进行评估处理，并根据处理结果确定所述目标的类别。

4.如权利要求3所述的方法，其特征在于，根据所述目标对应的置信度，对所述目标的类别是否为已知类别进行评估处理，并根据处理结果确定所述目标的类别，包括：

判断所述目标对应的置信度是否大于预设阈值；

若是，则保持所述目标类别的识别结果不变；

若否，则根据预设的参考目标和所述预设阈值，继续判断所述目标的类别是否为已知类别；

若是，则保持所述目标类别的识别结果不变；

若否，则将所述目标类别的识别结果调整为未知类别。

5.如权利要求4所述的方法，其特征在于，所述参考目标具有多个；

根据预设的参考目标和所述预设阈值，继续判断所述目标的类别是否为已知类别，包括：

确定预设的各所述参考目标分别与所述目标之间的相似度，得到多个计算结果；

从得到的所述多个计算结果中选择出相似度的最大值，并判断该最大值是否大于所述预设阈值；

若是，则确定所述目标的类别为已知类别；

若否，则确定所述目标的类别不是已知类别。

6.如权利要求1所述的方法，其特征在于，所述网络模型采用以下方式确定：

根据所述深度检测网络模型和所述深度语义分割网络模型，搭建中间网络模型的结构；

采用预先建立的训练样本集合，对搭建后的所述中间网络模型进行训练；其中，所述训练样本集合包括多个第二样本图像，且所述第二样本图像为：对采集到的第一样本图像中的特征信息进行扩充处理后得到的，所述特征信息包括目标特征和背景特征；

将训练后的所述中间网络模型确定为所述网络模型。

7.如权利要求6所述的方法，其特征在于，所述训练样本集合具体采用以下建立：

采集多张具有目标的所述第一样本图像；

对各所述第一样本图像进行分割处理，得到各所述第一样本图像中的目标特征和背景特征；

根据预设的交集、并集和差集处理规则，对各所述目标特征和各所述背景特征进行扩充处理，得到多个处理后的目标特征和多个处理后的背景特征；其中，所述处理后的目标特征的数量大于处理前的所述目标特征的数量，所述处理后的背景特征的数量大于处理前的所述背景特征的数量；

对各所述处理后的目标特征和各所述处理后的背景特征进行组合处理，得到多个所述第二样本图像；

根据各所述第二样本图像，建立所述训练样本集合。

8.一种目标识别设备，其特征在于，所述设备包括：

第一单元，用于根据预先确定出的网络模型，确定待检测图像中的目标以及所述目标的位置信息；其中，所述网络模型根据深度检测网络模型和深度语义分割网络模型确定；

第二单元，用于根据所述目标的位置信息，对所述目标的类别进行识别。