[发明专利]目标识别处理方法及装置、存储介质、电子装置

说明书

本发明实施例提供了一种目标识别处理方法及装置、存储介质、电子装置，该方法包括：将包括目标对象的目标图像输入到预先训练的第一目标神经网络模型中，得到对应于目标对象的着装信息的着装图像区域，其中，第一目标神经网络模型中包括M个网络分支，M个网络分支中每个网络分支中包括串联连接的卷积层和检测层，M是大于1的自然数；对着装图像区域进行属性识别，确定对应于目标对象的着装信息的属性信息。通过本发明，解决了相关技术中对衣着区域的颜色识别不准确的问题，达到准确识别衣着区域的颜色的效果。

技术领域

本发明实施例涉及图像处理领域，具体而言，涉及一种目标识别处理方法及装置、存储介质、电子装置。

背景技术

近年来，随着安防领域中视频监控应用的快速发展，每时每刻都会产生海量的视频图像数据。在海量的数据中，快速检索特定的行人是安防场景应用中最重要的任务之一。行人检索基于视频结构化描述构建的行人数据库，结合图像优选、属性识别、目标跟踪等计算机视觉算法，行人检索在公安行业，检索犯罪人员的任务，起到至关重要的作用。

目前，行人检索的主要流程为：选定特定行人图像，在结构化算法构建的行人数据库中，计算所有底库行人与检索行人的相似度得分，对计算结果进行排序，从而得到与检索行人最接近的序列结果。然而，在实际应用中，用户更希望从当查询到更细维度的检索结果，例如，用户想要查询“穿亮黄色上衣”这一特征的行人，或者是“手拿深棕色皮包”这一特征的行人。

但现有技术中颜色识别缺乏多样性、识别系统难以部署且耗时较大。

针对上述技术问题，相关技术中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识别处理方法及装置、存储介质、电子装置，以至少解决相关技术中对衣着区域的颜色识别不准确的问题。

根据本发明的一个实施例，提供了一种目标识别处理方法，包括：将包括目标对象的目标图像输入到预先训练的第一目标神经网络模型中，得到对应于上述目标对象的着装信息的着装图像区域，其中，上述第一目标神经网络模型中包括M个网络分支，上述M个网络分支中每个网络分支中包括串联连接的卷积层和检测层，上述M是大于1的自然数；对上述着装图像区域进行属性识别，确定对应于上述目标对象的着装信息的属性信息。

根据本发明的另一个实施例，提供了一种目标识别处理装置，包括：第一输入模块，用于将包括目标对象的目标图像输入到预先训练的第一目标神经网络模型中，得到对应于上述目标对象的着装信息的着装图像区域，其中，上述第一目标神经网络模型中包括M个网络分支，上述M个网络分支中每个网络分支中包括串联连接的卷积层和检测层，上述M是大于1的自然数；第一识别模块，用于对上述着装图像区域进行属性识别，确定对应于上述目标对象的着装信息的属性信息。

在一个示例性实施例中，上述第一输入模块，包括：第一处理单元，用于将目标图像输入到第一网络分支中的卷积层，得到第一图像特征信息；将第一图像特征信息输入至第一网络分支中的检测层，得到第一着装图像区域；第二处理单元，用于将目标图像输入到第二网络分支中的卷积层，得到第二图像特征信息；将第二图像特征信息输入至第二网络分支中的检测层，得到第二着装图像区域，其中，第一网络分支和第二网络分支为M个网络分支中的不同网络分支。

在一个示例性实施例中，上述第一识别模块，包括：第五输入单元，用于将上述着装图像区域输入到第二目标神经网络模型，基于上述第二目标神经网络模型中的颜色特征提取通道，输出上述目标对象的着装衣物的颜色，其中，上述着装信息包括上述目标对象的着装衣物，上述属性信息包括上述着装衣物的颜色。