CN114187540B 一种物体识别方法、装置、服务器及计算机可读存储介质 （数网金融有限公司）

US2020117906A1,2020.04.16括：获取采集的视频数据包括的N帧图片中每帧的特征映射集合与记录的参考特征映射集合确定该N帧图片的目标卷积集合和该每帧图片中的处理的前一批N帧图片的卷积集合，该参考特征的辅助数据与该目标卷积集合进行分类回归处理，得到该N帧图片中包括的各个物体的类别指2获取采集的视频数据包括的N帧图片中每帧图片的特征映射集合，所述特征映射集合将所述每帧图片的特征映射集合与所述参考特征映射集合进行每帧图片的特征映射集合与所述参考特征映射集合之根据所述每帧图片对应的相似度确定所述每帧图片的权重；对所述对所述N帧图片的总特征映射集合进行取平均处理，得到所述N帧图片的目标卷积集合为处理的前一批N帧图片的卷积集合，所述参考特征映射集合用于指示所述物体的形态将所述物体的辅助数据与所述目标卷积集合进行分类回归处理，得到所述N帧图片中3.根据权利要求1所述的方法，其特征在于，所获取采集的视频数据包括的N帧图片的最大长根据所述填充数值对所述N帧图片中的每帧图片的大小进4.根据权利要求3所述的方法，其特征在于，所述根据所述填对于所述N帧图片中的目标图片，根据所述目标图片的长度和宽度计算所述目标图片若所述目标图片的长度和宽度中的较大值与所述图片缩放倍数的乘积大于所述填充若所述目标图片的长度和宽度中的较大值与所述图片缩放倍数的乘积小于或等于所5.根据权利要求1所述的方法，其特征在于，所3确定模块，用于获取记录的参考特征映射集合；将所述每帧图候选集网络对所述目标卷积集合进行数据处理，得到所述每帧图片中的物体的辅助数据；处理模块，用于将所述物体的辅助数据与所述目标卷积集合进行分类回归处所述N帧图片中包括的各个物体的类别指示数据和对应的4[0005]获取采集的视频数据包括的N帧图片中每帧图片的特征映射集合，所述特征映射[0006]根据所述每帧图片的特征映射集合与记录的参考特征映射集合确定所述N帧图片[0007]将所述物体的辅助数据与所述目标卷积集合进行分类回归处理，得到所述N帧图所述特征映射集合用于指示所述每帧图片包括的物体的特征，所述N为大于或等于1的整定所述N帧图片的目标卷积集合和所述每帧图片中的物体的辅助数据，所述辅助数据用于指示所述物体在图片中对应的图像区域，所述参考特征映射集合为处理的前一批N帧图片[0011]处理模块，用于将所述物体的辅助数据与所述目标卷积得到所述N帧图片中包括的各个物体的类别指示数据和对应5[0015]在本发明实施例中，服务器获取采集的视频数据包括的N帧图片中每帧图片的特征映射集合，并根据每帧图片的特征映射集合与记录的参考特征映射集合确定N帧图片的用于指示所述物体的形态特征，进而将物体的辅助数据与目标卷积集合进行分类回归处[0027]目前，针对图像中的物体识别和视频中的物体识别分别采用实例分割mask_rcnn6[0028]基于上述实例分割mask_rcnn技术和LSTM技术的缺陷，本发明实施例提供一种物图片的特征映射集合，并根据每帧图片的特征映射集合与记录的参考特征映射集合确定N集合进行分类回归处理，得到N帧图片中包括的各个物体的类别指示数据和对应的位置数[0030]输入模块201可以获取采集的视频数据包括的N帧图片，并将该N帧图片并行输入征向量集合与前一批的N帧图片的参考特征映射集合进行相似度计算，并得到每帧图片的[0034]在一种可行的实施例中，上述N帧图片可以是从采集的视频数据中获取的未经过处理的N帧图片，或者上述N帧图片可以是服务器先从采集的视频数据中获取未处理的N帧7预处理包括对原始每帧图片进行灰度处理以及经过灰度处理后的每帧图片的大小进行填为处理的前一批N帧图片的卷积集合，该参考特征映射集合用于指示物体的形态特征，例[0039]具体的，服务器根据每帧图片的特征映射集合和处理的前一批N帧图片的卷积集[0040]在一种可行的实施例中，若服务器第一次获取采集的视频数据包括的N帧图片中映射集合确定N帧图片的目标卷积集合的实现方式可以是：将每帧图片的特征映射集合与935],[68274796207],[528228670321],[380286529407],[749158817326],898],[357185459276],[5153463783],[54783625150],[63443696123],[0048]在本发明实施例中，服务器获取采集的视频数据包括的N帧图片中每帧图片的特征映射集合，并根据每帧图片的特征映射集合与记录的参考特征映射集合确定N帧图片的到N帧图片中包括的各个物体的类别指示数据和对应的位置数据，从而可以并行对视频中该原始N帧图片中每帧图片进行预先处理，在具体实现中，将原始的每帧图片进行灰度处片(即上述灰度处理后的N帧图片)的最大长9放倍数的乘积小于或等于填充数值，则按照图片缩放倍数对目标图片的大小进行填充处宽用h表示，该目标图片的长用w表示，服务器计算目标图片的缩放倍数，该缩放倍数用[0063]具体的，服务器将每帧图片的特征映射集合与参考特征映射集合进行相似度计[0071]在一种可行的实施例中，服务器对每帧图片的权重和特征映射集合进行加权处[0072]C＝sum(wi*Xi[0074]在一种可行的实施例中，服务器第一次获取采集的视频数据包括的N帧图片中每帧图片的特征映射集合之后，服务器需要根据N帧图片中每帧图片的特征映射集合与记录辅助数据与目标卷积集合进行分类回归处理，得到N帧图片中包括的各个物体的类别指示[0079]在本发明实施例中，服务器获取采集的视频数据包括的N帧图片中每帧图片的特集合确定每帧图片的权重，进而根据每帧图片的权重和特征映射集合确定N帧图片的目标[0082]确定模块602，用于根据所述每帧图片的特征映射集合与记录的参考特征映射集合确定所述N帧图片的目标卷积集合和所述每帧图片中的物体的辅助数据，所述辅助数据用于指示所述物体在图片中对应的图像区域，所述参考特征映射集合为处理的前一批N帧[0083]处理模块603，用于将所述物体的辅助数据与所述目标卷积集合进行分类回归处[0086]根据所述每帧图片的特征映射集合与所述参考特征映射集合确定所述每帧图片所述每帧图片的特征映射集合与所述参考特征映射集合之间的[0093]对所述每帧图片的权重和特征映射集合进行加权处理，得到所述N帧图片的总特[0097]在一种可行的实施例中，所述获取采集的视频数据包括的N帧图片中每帧图片的[0102]对于所述N帧图片中的目标图片，根据所述目标图片的长度和宽度计算所述目标[0103]若所述目标图片的长度和宽度中的较大值与所述图片缩放倍数的乘积大于所述[0104]若所述目标图片的长度和宽度中的较大值与所述图片缩放倍数的乘积小于或等施例中的方法具体实现，其具体实现过程可以参照上述方法实施例图3或者图5的相关描计算核心以及控制核心。网络接口702可选的可以[0112]获取采集的视频数据包括的N帧图片中每帧图片的特征映射集合，所述特征映射[0113]根据所述每帧图片的特征映射集合与记录的参考特征映射集合确定所述N帧图片[0114]将所述物体的辅助数据与所述目标卷积集合进行分类回归处理，得到所述N帧图[0117]根据所述每帧图片的特征映射集合与所述参考特征映射集合确定所述每帧图片所述每帧图片的特征映射集合与所述参考特征映射集合之间的[0124]对所述每帧图片的权重和特征映射集合进行加权处理，得到所述N帧图片的总特[0133]对于所述N帧图片中的目标图片，根据所述目标图片的长度和宽度计算所述目标[0134]若所述目标图片的长度和宽度中的较大值与所述图片缩放倍数的乘积大于所述[0135]若所述目标图片的长度和宽度中的较大值与所述图片缩放倍数的乘积小于或等