[发明专利]物体识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种物体识别方法、装置、计算机设备和存储介质。通过获取包括待识别的地埋物的待识别图像，将待识别图像输入包括特征提取子模型和物体识别子模型的目标识别模型中，并通过包括多个卷积层的特征提取子模型以及物体识别子模型识别待识别图像中的待识别的地埋物并输出识别结果，根据目标识别模型输出的识别结果确定待识别图像中待识别的地埋物的类型。相较于传统的通过霍夫变换等方式检测探地雷达图像中的地埋物，本方案利用包括多个卷积层的特征提取子模型以及物体识别子模型识别待识别图像中的地埋物类型，从而实现提高地埋物体的识别精度的效果。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种物体识别方法、装置、计算机设备和存储介质。

背景技术

探地雷达(GPRB，Ground Penetrating Rada)广泛应用于考古、结构工程和许多其他地球物理应用的地下预埋件成像。在探地雷达扫描图像中，埋藏的物体通过电磁波的方式被扫描出来，并在二维图形中以双曲线形式可视化。双曲线形式的雷达图通常很难解释，需要现场专家的帮助才能正确识别地下埋藏的物体。

近年来，许多方法被用于对GPRB扫描图像的双曲线模式分析，从而识别出图像中被扫描出的物体。例如HT（霍夫变换，Hough Transform）方法等。然而，虽然通过HT方法可以识别探底雷达扫描图像中的地物，但扫描图像中的地埋物不能完全检测到。

因此，目前对于探底雷达扫描图像中的物体识别方法存在识别精度低的缺陷。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高识别精度的物体识别方法、装置、计算机设备和存储介质。

一种物体识别方法，所述方法包括：

获取待识别图像；所述待识别图像中包括待识别的地埋物；

将所述待识别图像输入目标识别模型；所述目标识别模型包括特征提取子模型以及物体识别子模型；所述特征提取子模型包括多个卷积层；所述目标识别模型用于根据所述特征提取子模型中的多个卷积层以及所述物体识别子模型识别所述待识别图像中的待识别的地埋物并输出识别结果；所述目标识别模型基于多个样本图像对所述特征提取子模型以及所述物体识别子模型进行训练得到；

根据所述目标识别模型输出的识别结果，确定所述待识别图像中待识别的地埋物的类型。

在其中一个实施例中，所述获取待识别图像，包括：

通过探地雷达获取探地雷达扫描图像；

对所述探地雷达扫描图像进行灰度处理以及数据增强处理，得到所述待识别图像。

在其中一个实施例中，所述对所述探地雷达扫描图像进行灰度处理以及数据增强处理，得到所述待识别图像包括：

对所述探地雷达扫描图像的色相、饱和度以及色相、饱和度和强度进行颜色空间转换；

对进行颜色空间转换的所述探地雷达扫描图像添加散斑噪声，得到所述待识别图像。

在其中一个实施例中，所述方法还包括：

获取多个样本图像以及待训练的识别模型对应的权重和偏置值；所述多个样本图像包括测试样本图像和真实样本图像；

将所述测试样本图像输入所述待训练的识别模型，获取所述待训练的识别模型针对所述测试样本图像的输出结果；所述待训练的识别模型用于根据所述权重和偏置值以及待训练的特征提取子模型中的多个卷积层提取所述测试样本图像中待识别的地埋物对应的样本特征图像，根据待训练的物体识别子模型识别所述样本特征图像对应的地埋物的样本波形结构并输出；

判断所述样本波形结构与所述真实样本图像中对应的地埋物的真实波形结构的相似度是否大于或等于预设阈值；

若否，根据当前样本波形结构以及当前真实波形结构，调整所述权重和偏置值，得到新的待训练的识别模型，返回将所述测试样本图像输入所述待训练的识别模型的步骤；

若是，结束循环，根据循环结束时的权重和偏置值，得到所述目标识别模型。