[发明专利]一种目标识别方法、装置、移动终端及存储介质

说明书

本发明提供了一种目标识别方法、装置、移动终端及存储介质。所述方法，包括：响应于目标识别指令，获取待识别的原始图像帧；通过移动终端中设置的目标识别模型，检测原始图像帧中的待识别目标；如果成功检测原始图像帧中的待识别目标，截取待识别目标所在区域得到目标图像，并将目标图像上传至目标服务器，以通过目标服务器针对目标图像进行分类识别，并获取目标服务器返回的目标识别结果；其中，目标识别模型通过SSD物体识别框架构建得到，且在目标识别模型中通过轻量级物体分类网络替换SSD物体识别框架中的视觉几何群网络，并取消轻量级物体分类网络中前N个识别层，N为正整数。从而实现移动端进行目标检测，后端服务器进行分类识别。

技术领域

本发明涉及计算机技术领域，尤其涉及一种目标识别方法、装置、移动终端及存储介质。

背景技术

相关技术中，目标检测、目标识别等过程一般在服务端执行。例如，通过智能手机、相机等移动终端以一定频率拍摄环境中的图片，发送到后端服务器，由运行在后端服务器上的去噪网络对图片数据进行去噪过滤，然后输入到分类网络进行分类运算，并将结果返回给移动终端，当移动终端接收到有效结果后，停止拍摄图片并根据结果进行展示。

但是，由于分类功能完全依赖后端服务器，移动终端设备只负责提供图片，对移动设备的网络流量占用很大。而且，由于传递的是图片数据流，而且移动终端会不经过滤直接将图片数据流传递至服务器，当客户端数量过多时，会导致服务器集群及上游分发网络的带宽资源占用过大。其次，服务端同时负责去噪计算和分类计算，而同时移动终端相机持续捕捉到的环境图片中噪音占比过大，还会导致服务端有效分类运算太低，去噪运算占用资源过高，服务器资源浪费严重。另外，如果当识别目标在画幅中占比过小时易出现遗漏或误判。

发明内容

本发明实施例提供一种目标识别方法、装置、移动终端及存储介质，以解决现有的目标识别过程由服务端同时负责去噪计算和分类计算，导致移动设备的网络流量占用很大，服务器集群及上游分发网络的带宽资源占用过大，以及服务端有效分类运算太低，去噪运算占用资源过高，服务器资源浪费严重的问题。

为了解决上述技术问题，本发明是这样实现的：

第一方面，本发明实施例提供了一种目标识别方法，包括：

响应于目标识别指令，获取待识别的原始图像帧；

通过所述移动终端中设置的目标识别模型，检测所述原始图像帧中的待识别目标；

如果成功检测所述原始图像帧中的待识别目标，截取所述待识别目标所在区域得到目标图像，并将所述目标图像上传至目标服务器，以通过所述目标服务器针对所述目标图像进行分类识别，并获取所述目标服务器返回的目标识别结果；

其中，所述目标识别模型通过SSD物体识别框架构建得到，且在所述目标识别模型中通过轻量级物体分类网络替换所述SSD物体识别框架中的视觉几何群网络，并取消所述轻量级物体分类网络中前N个识别层，N为正整数。

可选地，在程序安装包中不打包所述目标识别模型，所述并通过所述移动终端中设置的目标识别模型，检测所述原始图像帧中的待识别目标的步骤，包括：

在所述移动终端安装所述程序安装包后首次触发所述目标识别指令的情况下，下载所述目标识别模型并安装至所述移动终端，并通过所述目标识别模型检测所述原始图像帧中的待识别目标；

和/或，在接收到针对所述目标识别模型的更新数据的情况下，根据所述更新数据更新所述移动终端的目标识别模型，并通过更新后的目标识别模型检测所述原始图像帧中的待识别目标。

可选地，在所述通过所述移动终端中设置的目标识别模型，检测所述原始图像帧中的待识别目标的步骤之前，还包括：

通过轻量级物体分类网络替换SSD物体识别框架中的视觉几何群网络，并取消所述轻量级物体分类网络中前N个识别层，得到目标识别模型；