目标识别方法、装置、设备及存储介质与流程

本申请涉及图像处理，尤其涉及一种目标识别方法、装置、设备及存储介质。

背景技术：

1、目前，养殖场在对养殖的鸡、鸭、猪等目标检测对象的数量进行统计时，可以通过神经网络模型来进行统计。然而，养殖场中的目标检测对象易聚集易流动，导致统计点时而面临目标检测对象数量密集的统计场景、时而面临目标检测对象数量稀疏的统计场景，而同一神经网络模型难以同时在数量密集的统计场景下和数量稀疏的统计场景下保持较好的识别效果，识别出准确的数量，因此，如何通过神经网络模型来较准确地识别养殖场中的目标检测对象数量是亟待解决的技术问题。

技术实现思路

1、本申请提供一种目标识别方法、装置、设备及存储介质，以提高对目标图像中的目标检测对象进行数量识别的准确率和精准度。

2、第一方面，本申请实施例提供了一种目标识别方法，包括：

3、获取包括多个目标检测对象的目标图像；

4、将所述目标图像输入预训练的第一计数模型中进行数量识别，输出得到所述目标图像中的所述多个目标检测对象的第一计数识别结果；

5、若所述第一计数识别结果表征所述多个目标检测对象的数量大于预设数量阈值，则将所述目标图像输入预训练的第二计数模型中进行数量识别，输出得到所述目标图像中的所述多个目标检测对象的第二计数识别结果；

6、根据所述第二计数识别结果确定所述目标图像中目标检测对象的数量。

7、第二方面，本申请实施例提供了一种目标识别装置，包括：

8、获取模块，用于获取包括多个目标检测对象的目标图像；

9、第一输出模块，用于将所述目标图像输入预训练的第一计数模型中进行数量识别，输出得到所述目标图像中的所述多个目标检测对象的第一计数识别结果；

10、第二输出模块，用于若所述第一计数识别结果表征所述多个目标检测对象的数量大于预设数量阈值，则将所述目标图像输入预训练的第二计数模型中进行数量识别，输出得到所述目标图像中的所述多个目标检测对象的第二计数识别结果；

11、确定模块，用于根据所述第二计数识别结果确定所述目标图像中目标检测对象的数量。

12、第三方面，本申请实施例提供了一种电子设备，包括：处理器；以及，被安排成存储计算机可执行指令的存储器，所述可执行指令被配置由所述处理器执行，所述可执行指令包括用于执行上述目标识别方法中的步骤。

13、第四方面，本申请实施例提供了一种存储介质。所述存储介质用于存储计算机可执行指令，所述可执行指令使得计算机执行上述目标识别方法。

14、在本申请实施例中，在获取包括多个目标检测对象的目标图像后，可以先将目标图像输入到预训练的第一计数模型中进行数量识别，输出得到目标图像中的多个目标检测对象的第一计数识别结果，若第一计数识别结果表征多个目标检测对象的数量大于预设数量阈值，则可以将目标对象图像输入预训练的第二计数模型中进行数量识别，输出得到目标图像中的多个目标检测对象的第二计数识别结果，并根据第二计数识别结果来确定目标图像中目标检测对象的数量。由于在目标检测对象的数量大于预设数量阈值的情况下，会进一步地通过第二计数模型来对目标检测对象再次进行数量识别，并根据第二计数模型输出的第二计数识别结果来确定目标图像中目标检测对象的数量，第一计数模型用于对每个目标检测对象的区域进行标记，适用于小规模的数量识别，因为数量较小时可以对每个目标检测对象的区域进行标记，从而可以根据区域标记的数量得到第一计数识别结果，第二计数模型用于对每个目标检测对象的位置点进行标记，适用于大规模的数量识别，因为数量较大时无法对每个目标检测对象的区域进行标记，尤其是当某个目标检测对象被遮挡导致所占用区域较小时，无法识别到区域框，因此更适合标记该目标检测对象的位置点，从而可以根据位置点标记的数量得到第二计数识别结果。因此，本申请在对目标检测对象进行数量识别时，会优先通过第一计数模型对目标图像中的目标检测对象进行数量识别，再根据识别结果判断是否需要通过第二计数模型再次进行数量识别，如此，有利于提高目标检测对象数量识别的准确率和精准度。

技术特征：

1.一种目标识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述第一计数模型包括空间金字塔池化网络、特征金字塔网络、以及路径聚合网络；

3.根据权利要求1所述的方法，其特征在于，所述第二计数模型包括特征处理网络、真值密度处理网络以及期望处理网络；

4.根据权利要求1所述的方法，其特征在于，所述预训练的第一计数模型的模型训练过程包括如下步骤：

5.根据权利要求4所述的方法，其特征在于，所述根据所述多个第一目标图像及其对应的第二区域标记信息生成第一训练样本集，包括：

6.根据权利要求4所述的方法，其特征在于，所述通过所述第一训练样本集以及损失函数对待训练的第一计数模型进行训练处理，得到预训练的第一计数模型，包括：

7.根据权利要求6所述的方法，其特征在于，所述根据所述预测区域标记信息、所述第二区域标记信息，以及所述损失函数，对所述待训练的第一计数模型进行训练处理，包括：

8.根据权利要求6所述的方法，其特征在于，所述将所述第一训练样本集中的每个第一目标图像输入所述待训练的第一计数模型，得到所述第一目标检测对象的预测区域标记信息，包括：

9.根据权利要求1所述的方法，其特征在于，所述预训练的第二计数模型的模型训练过程包括如下步骤：

10.根据权利要求9所述的方法，其特征在于，所述根据所述多个第二目标图像及其对应的第二位置点标记信息生成第二训练样本集，包括：

11.根据权利要求9所述的方法，其特征在于，所述通过所述第二训练样本集以及损失函数对待训练的第二计数模型进行训练处理，得到预训练的第二计数模型，包括：

12.根据权利要求11所述的方法，其特征在于，所述根据所述第二目标检测对象的预测位置点标记信息、所述第二位置点标记信息，以及所述损失函数，对所述待训练的第二计数模型进行训练处理，包括：

13.一种目标识别装置，其特征在于，包括：

14.一种电子设备，其特征在于，包括：

15.一种存储介质，其特征在于，所述存储介质用于存储计算机可执行指令，所述可执行指令使得计算机执行如权利要求1-12任一项所述的方法。

技术总结
本申请实施例提供了一种目标识别方法、装置、设备及存储介质，方法包括：获取包括多个目标检测对象的目标图像；将目标图像输入预训练的第一计数模型中进行数量识别，输出得到目标图像中的多个目标检测对象的第一计数识别结果；若第一计数识别结果表征多个目标检测对象的数量大于预设数量阈值，则将目标图像输入预训练的第二计数模型中进行数量识别，输出得到目标图像中的多个目标检测对象的第二计数识别结果；根据第二计数识别结果确定目标图像中目标检测对象的数量。由于可以在目标检测对象的数量大于预设数量阈值的情况下，通过第二计数模型来再次对目标检测对象进行更精确地数量识别，有利于提升目标识别的准确率。

技术研发人员：杨杰之,李艾仑,吴海英,曾定衡,周迅溢
受保护的技术使用者：马上消费金融股份有限公司
技术研发日：
技术公布日：2024/1/12