[发明专利]一种目标识别方法、装置及可读存储介质

权利要求书

1.一种目标识别方法，其特征在于，包括：

获取待识别目标的图像信息和伺服信息；

通过预设神经网络对所述图像信息进行识别，获得识别结果，以及，根据所述伺服信息确定目标类别；

基于所述目标类别和所述识别结果进行融合判定，以完成目标的识别。

2.如权利要求1所述的目标识别方法，其特征在于，在获得识别结果之后，所述目标识别方法还包括：

根据所述识别结果的置信度的大小对识别结果进行排序，获得排序结果。

3.如权利要求2所述的目标识别方法，其特征在于，所述基于所述目标类别和所述识别结果进行融合判定，以完成目标的识别包括：

基于所述排序结果依次对所述目标类别进行匹配，获得匹配信息；

将所述匹配信息与预设阈值进行比对，获得比对结果；

基于所述比对结果对所述待识别目标进行标记，以完成目标的识别。

4.如权利要求1-3任一项所述的目标识别方法，其特征在于，所述通过预设神经网络对所述图像信息进行识别，获得识别结果包括：

利用改进的MobileNeV2网络对所述图像信息进行识别，其中所述改进的MobileNeV2网络包含顺次连接的若干个瓶颈结构，并且在输出特征图大小一致的瓶颈结构之间设置密集连接，以进行特征图拼接。

5.如权利要求4所述的目标识别方法，其特征在于，所述利用改进的MobileNeV2网络对所述图像信息进行识别包括：

配置所述改进的MobileNeV2网络中的若干个瓶颈结构的扩张系数在[1，6]范围内，且减小处于若干个瓶颈结构尾部的瓶颈结构的扩张系数。

6.如权利要求4所述的目标识别方法，其特征在于，所述利用改进的MobileNeV2网络对所述图像信息进行识别包括：

在所述若干个顺次连接的瓶颈结构的预设位置，配置一个扩张系数t＝1，步长s＝1的瓶颈结构和一个t＝1，s＝2的瓶颈结构的组合结构，以完成输出通道数的局部缩小。

7.如权利要求4所述的目标识别方法，其特征在于，所述利用改进的MobileNeV2网络对所述图像信息进行识别包括：

利用任一所述瓶颈结构的输入特征图与所述瓶颈结构主处理路径的输出特征图进行特征相加，并且在进行特征相加之前，对所述特征图进行单项池化。

8.如权利要求5-7任一项所述的目标识别方法，其特征在于，通过预设神经网络对所述图像信息进行识别，获得识别结果还包括：

对最后一个瓶颈结构输出的特征图依次利用池化层、全卷积层和Softmax层进行处理，获得识别结果。

9.一种目标识别装置，其特征在于，包括：

输入单元，用于获取待识别目标的图像信息和伺服信息；

处理单元，用于通过预设神经网络对所述图像信息进行识别，获得识别结果，以及，根据所述伺服信息确定目标类别；

判定单元，用于基于所述目标类别和所述识别结果进行融合判定，以完成目标的识别。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的目标识别方法的步骤。