技术特征：
1.一种图像中目标对象的识别方法，其特征在于，所述方法包括：获取待识别图像，其中，所述待识别图像中包括目标对象；将所述待识别图像输入预先训练完成的深度学习模型，根据所述待识别图像的图像特征，获得所述目标对象的角点信息，其中，所述角点信息为标识矩形检测框的对角线的两个角点位置的信息，所述矩形检测框用于标识所述目标对象在所述待识别图像中所占的区域，所述深度学习模型为基于图像样本的图像特征及其所包括的目标对象的角点信息预先训练完成的；根据所述角点信息确定所述两个角点的位置是否匹配；如果匹配，基于所述角点信息确定所述矩形检测框的另外两个角点的位置，得到识别结果。2.如权利要求1所述的方法，其特征在于，所述角点信息包括目标框的中心点坐标、所述目标框的长和宽、所述两个角点的连线与所述待识别图像水平方向的第一夹角以及所述两个角点的连线的长度；其中，所述目标框用于标识角点在所述待识别图像中的位置范围；所述根据所述角点信息确定所述两个角点的位置是否匹配的步骤，包括：根据第一角点的所述目标框的中心点坐标、所述第一夹角及所述两个角点的连线的长度，计算得到第一坐标，其中，所述第一角点为所述两个角点中的一个；根据第二角点的所述目标框的中心点坐标及所述目标框的长和宽，确定所述目标框的范围，作为第一范围，其中，所述第二角点为所述两个角点中除所述第一角点外的另一个；如果所述第一坐标位于所述第一范围内，确定所述两个角点的位置匹配。3.如权利要求2所述的方法，其特征在于，在所述根据第一角点的所述目标框的中心点坐标、所述第一夹角及所述两个角点的连线的长度，计算得到第一坐标的步骤之前，所述方法还包括：根据所述第二角点的所述目标框的中心点坐标、所述第一夹角及所述两个角点的连线的长度，计算得到第二坐标；根据第一角点的所述目标框的中心点坐标及所述目标框的长和宽，确定所述目标框的范围，作为第二范围；如果所述第二坐标位于所述第二范围内，确定所述第二角点匹配所述第一角点。4.如权利要求2或3所述的方法，其特征在于，所述角点信息还包括所述矩形检测框经过该角点的两条边线分别与水平方向的第三夹角及第四夹角；所述基于所述角点信息确定所述矩形检测框的另外两个角点的位置的步骤，包括：分别从所述第一角点及所述第二角点按照对应的所述第三夹角及所述第四夹角确定两条射线；将所述射线的交点确定为所述矩形检测框的另外两个角点的位置。5.如权利要求1-3任一项所述的方法，其特征在于，所述目标对象按照预设速度向预定方向运动；所述获取待识别图像的步骤，包括：当所述目标对象运动至预设的最佳拍摄位置时，对所述目标对象进行拍摄，获得所述待识别图像。6.如权利要求5所述的方法，其特征在于，所述待识别图像为对所述目标对象采集的视
频中的一帧图像；在所述获取待识别图像的步骤之前，所述方法还包括：按照预设时间间隔从所述视频中抽取目标图像，并将当前抽取的目标图像输入所述深度学习模型，获得所述目标图像中所述目标对象的角点信息；根据所述角点信息，确定所述两个角点的连线的中点与所述最佳拍摄位置的距离；根据所述距离及所述按照预设速度，确定所述目标对象运动至所述最佳拍摄位置的目标时长，并开始计时；当计时时长达到所述目标时长时，确定所述目标对象运动至预设的最佳拍摄位置。7.如权利要求6所述的方法，其特征在于，所述目标图像中所述目标对象的角点信息仅包括一个角点位置的信息；所述根据所述角点信息，确定所述两个角点的连线的中点与所述最佳拍摄位置的距离的步骤，包括：根据所述角点信息，预测另一个角点的位置；根据所述角点信息包括的一个角点的位置及所预测的另一个角点的位置，确定两个角点的连线的中点；确定所述中点与所述最佳拍摄位置的距离。8.如权利要求5所述的方法，其特征在于，所述最佳拍摄位置为多个；所述将所述待识别图像输入预先训练完成的深度学习模型，根据所述待识别图像的图像特征，获得所述目标对象的角点信息的步骤，包括：将多个待识别图像分别输入预先训练完成的深度学习模型，根据所述待识别图像的图像特征，获得所述目标对象的多个预测角点信息；按照预设的所述最佳拍摄位置对应的权重，对所述多个预测角点信息进行加权计算处理，得到处理后的角点信息，作为所述目标对象的角点信息。9.一种图像中文字的识别装置，其特征在于，所述装置包括：图像获取模块，用于获取待识别图像，其中，所述待识别图像中包括目标对象；角点信息识别模块，用于将所述待识别图像输入预先训练完成的深度学习模型，根据所述待识别图像的图像特征，获得所述目标对象的角点信息，其中，所述角点信息为标识矩形检测框的对角线的两个角点位置的信息，所述矩形检测框用于标识所述目标对象在所述待识别图像中所占的区域，所述深度学习模型为基于图像样本的图像特征及其所包括的目标对象的角点信息预先训练完成的；角点信息匹配模块，用于根据所述角点信息确定所述两个角点的位置是否匹配；角点位置确定模块，用于如果匹配，基于所述角点信息确定所述矩形检测框的另外两个角点的位置，得到识别结果。10.一种图像中目标对象的识别系统，其特征在于，包括识别设备和传送设备，其中，所述传送设备，用于按照预设速度向预定方向运动，以传送目标对象，以使所述识别设备对所述目标对象进行拍摄，并获取待识别图像；所述识别设备，用于执行权利要求1-8任一所述的方法步骤。11.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1-8任一所述的方法步骤。12.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一所述的方法步骤。
技术总结
本发明实施例提供了一种图像中目标对象的识别方法、装置、系统及电子设备，所述方法包括：获取待识别图像；将待识别图像输入预先训练完成的深度学习模型，根据待识别图像的图像特征，获得目标对象的角点信息，角点信息为标识矩形检测框的对角线的两个角点位置的信息，矩形检测框用于标识目标对象在待识别图像中所占的区域，深度学习模型基于图像样本的图像特征及目标对象的角点信息预先训练完成；根据角点信息确定两个角点的位置是否匹配；如果匹配，基于角点信息确定矩形检测框的另外两个角点的位置，得到识别结果。电子设备可以在确定两个角点匹配的情况下，基于角点信息确定矩形检测框的另外两个角点的位置，可以使得到识别结果更加准确。结果更加准确。结果更加准确。
技术研发人员：乔梁
受保护的技术使用者：上海高德威智能交通系统有限公司
技术研发日：2020.04.27
技术公布日：2021/11/14