CN108875667B - 目标识别方法、装置、终端设备和存储介质 - Google Patents

Abstract

本发明提供一种目标识别方法、装置、终端设备和存储介质，该方法包括：获取当前图像；对当前图像进行识别，确定当前图像中一个或多个目标图像并分别对每个目标图像进行标记；分别对各个已标记的目标图像进行识别，获得目标图像对应的第一号码识别结果；确定目标图像中目标的特征信息，根据该特征信息获得与目标图像匹配的历史目标图像以及历史目标图像对应的第二号码识别结果；根据目标图像对应的第一号码识别结果以及与目标图像匹配的历史目标图像对应的第二号码识别结果，确定目标图像的号码。上述方法即使在当前目标图像中没有识别出号码图像的情况下，也可以根据历史目标图像的识别结果确定当前目标图像的号码，进而提高了识别效果。

Description

目标识别方法、装置、终端设备和存储介质

技术领域

本发明涉及图像识别领域，特别是涉及一种目标识别方法、装置、终端设备和存储介质。

背景技术

随着图像处理技术的不断发展，其应用范围越来越广泛。例如，在一些体育比赛视频分析，特别是智能体育比赛视频分析中，可以通过对每个图像画面分析处理自动理解比赛内容，然而在分析过程中，如何识别每个图像画面中的运动员十分关键。

对于传统技术，通常是通过对单帧画面中出现的运动员号码进行识别，以确定每个画面中的运动员。

但是对于没有出现运动员号码的画面，利用传统技术无法确定该运动员，以致其识别效果不佳。

发明内容

基于此，有必要针对传统技术对没有出现运动员号码的画面，无法确定该运动员，以致其识别效果不佳的问题，提供一种目标识别方法、装置、终端设备和存储介质。

第一方面，本发明实施例提供一种目标识别方法，包括：

获取当前图像；

对所述当前图像进行识别，确定所述当前图像中的一个或多个目标图像，并分别对每个所述目标图像进行标记；

分别对各个已标记的目标图像进行识别，获得所述目标图像对应的第一号码识别结果；

确定所述目标图像中目标的特征信息，根据所述目标图像中目标的特征信息，获得与所述目标图像匹配的历史目标图像以及所述历史目标图像对应的第二号码识别结果；其中，所述目标图像中目标的特征信息包括外观特征和运动特征；

根据所述目标图像对应的第一号码识别结果以及与所述目标图像匹配的历史目标图像对应的第二号码识别结果，确定所述目标图像的号码。

上述目标识别方法，首先对获取的当前图像进行识别，确定当前图像中的目标图像并进行标记；然后再分别对已标记的目标图像进行识别，判断目标图像中是否包含号码图像，记为第一号码识别结果；最后根据目标图像中目标的特征信息，获得与该目标图像匹配的历史目标图像及历史目标图像对应的第二号码识别结果，根据第一号码识别结果和第二号码识别结果，确定当前目标图像中的号码。由于该方法在确定当前目标图像的号码过程中，可以获取与当前目标图像匹配的历史目标图像以及历史目标图像对应的第二号码识别结果，从而即使在当前目标图像中没有识别出号码图像的情况下，也可以根据历史目标图像的识别结果确定当前目标图像的号码，进而提高了识别效果。

第二方面，本发明实施例提供一种目标识别装置，包括：

获取模块，用于获取当前图像；

第一确定模块，用于对所述当前图像进行识别，确定所述当前图像中的一个或多个目标图像，并分别对每个所述目标图像进行标记；

号码识别模块，用于分别对各个已标记的目标图像进行识别，获得所述目标图像对应的第一号码识别结果；

第二确定模块，用于确定所述目标图像中目标的特征信息，根据所述目标图像中目标的特征信息，获得与所述目标图像匹配的历史目标图像以及所述历史目标图像对应的第二号码识别结果；其中，所述目标图像中目标的特征信息包括外观特征和运动特征；

第三确定模块，用于根据所述目标图像对应的第一号码识别结果以及与所述目标图像匹配的历史目标图像对应的第二号码识别结果，确定所述目标图像的号码。

第三方面，本发明实施例提供一种终端设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取当前图像；

对所述当前图像进行识别，确定所述当前图像中的一个或多个目标图像，并分别对每个所述目标图像进行标记；

分别对各个已标记的目标图像进行识别，获得所述目标图像对应的第一号码识别结果；

确定所述目标图像中目标的特征信息，根据所述目标图像中目标的特征信息，获得与所述目标图像匹配的历史目标图像以及所述历史目标图像对应的第二号码识别结果；其中，所述目标图像中目标的特征信息包括外观特征和运动特征；

根据所述目标图像对应的第一号码识别结果以及与所述目标图像匹配的历史目标图像对应的第二号码识别结果，确定所述目标图像的号码。

第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取当前图像；

对所述当前图像进行识别，确定所述当前图像中的一个或多个目标图像，并分别对每个所述目标图像进行标记；

分别对各个已标记的目标图像进行识别，获得所述目标图像对应的第一号码识别结果；

确定所述目标图像中目标的特征信息，根据所述目标图像中目标的特征信息，获得与所述目标图像匹配的历史目标图像以及所述历史目标图像对应的第二号码识别结果；其中，所述目标图像中目标的特征信息包括外观特征和运动特征；

根据所述目标图像对应的第一号码识别结果以及与所述目标图像匹配的历史目标图像对应的第二号码识别结果，确定所述目标图像的号码。

上述目标识别装置、终端设备和存储介质，通过对获取的当前图像进行识别，确定当前图像中的目标图像并进行标记；然后再对已标记的目标图像进行识别，判断目标图像中是否包含号码图像，记为第一号码识别结果；最后根据目标图像中目标的特征信息，获得与该目标图像匹配的历史目标图像及历史目标图像对应的第二号码识别结果，根据第一号码识别结果和第二号码识别结果，确定当前目标图像中的号码。由于在确定当前目标图像的号码过程中，可以获取与当前目标图像匹配的历史目标图像以及历史目标图像对应的第二号码识别结果，从而即使在当前目标图像中没有识别出号码图像的情况下，也可以根据历史目标图像的识别结果确定当前目标图像的号码，进而提高了识别效果。

附图说明

图1为一个实施例提供的目标识别方法的流程示意图；

图1a为一个实施例提供的目标图像标记结果示意图；

图2为另一个实施例提供的目标识别方法的流程示意图；

图3为又一个实施例提供的目标识别方法的流程示意图；

图4为又一个实施例提供的目标识别方法的流程示意图；

图5为又一个实施例提供的目标识别方法的流程示意图；

图6为一个实施例提供的目标识别装置的结构示意图；

图7为另一个实施例提供的目标识别装置的结构示意图；

图8为又一个实施例提供的目标识别装置的结构示意图；

图9为又一个实施例提供的目标识别装置的结构示意图；

图10为又一个实施例提供的目标识别装置的结构示意图；

图11为一个实施例提供的一种终端设备的硬件结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案做进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

需要说明的是，下述方法实施例的执行主体可以是目标识别装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为终端设备的部分或者全部。下述方法实施例的执行主体以终端设备为例来进行说明。

图1为一个实施例提供的目标识别方法的流程示意图，本实施例涉及的是终端设备对当前图像进行目标图像识别，并获得每个目标图像对应的第一号码识别结果，然后根据该第一号码识别结果及与目标图像匹配的历史目标图像的第二号码识别结果，确定每个目标图像的号码的具体过程。如图1所示，该方法包括：

S101，获取当前图像。

具体地，终端设备获取的图像可以是一段视频中某个帧画面的图像，该视频图像可以是终端设备通过网络获取的在线视频图像，也可以是存储于终端设备中的离线视频图像。终端设备获取的图像还可以是通过摄像头实时拍摄的图像等，对此本实施例不做限定。

S102，对所述当前图像进行识别，确定所述当前图像中的一个或多个目标图像，并分别对每个所述目标图像进行标记。

具体地，终端设备对已获取的当前图像中的特征进行分析，以确定该当前图像中的目标图像。可选地，终端设备可以利用卷积神经网络中的图像分类器或者其他图像识别技术对当前图像中的特征进行分类，以确定出目标图像。其中，目标图像为需要识别其号码的对象图像，可以是一个或多个，终端设备可以分别对每个目标图像进行标记。例如，目标图像可以是运动员图像、车辆图像等。

可选地，上述对目标图像的标记方式可以是矩形框标记、圆框标记或者其他的标记方式，对此本实施例不做限定。进一步地，该标记可以在视频图像中进行可视化显示，以使用户能够清楚地分辨各个目标图像。更进一步地，每个目标图像可以采用相同的标记方式，并根据目标图像的大小调整其标记的尺寸，例如，每个目标图像均采用矩形框进行标记，并可以根据目标图像的大小调整矩形框的大小，具体地，可以根据运动员图像的大小调整矩形框的大小。当然，每个目标图像采用相同的标记方式时，可以通过调整标记的颜色以区分各个不同的目标图像。例如，每个目标图像均采用矩形框进行标记，每个矩形框采用不同的颜色。可选地，每个目标图像还可以采用不同的标记方式，如部分目标图像可采用矩形框进行标记，部分目标图像可以采用圆形框进行标记。

在一个具体的实施例中，假设对于一幅足球比赛图像，此时，运动员图像为上述的目标图像，终端设备可以对该幅图像进行识别，确定图像中的每位运动员，并对每个运动员进行矩形框标记，具体地标记结果可以参见图1a所示。

S103，分别对各个已标记的目标图像进行识别，获得所述目标图像对应的第一号码识别结果。

具体地，终端设备分别对上述已经标记的目标图像中的特征进行分析。可选地，终端设备可以利用卷积神经网络中的号码分类器或者其他图像识别技术对目标图像中的特征进行分类，以判断目标图像中是否包含号码图像，并将判断结果记为第一号码识别结果。可选地，当上述目标图像有多个时，终端设备可以同时对多个目标图像进行识别，并分别获得多个目标图像对应的第一号码识别结果。

可选地，上述第一号码识别结果可以包括目标图像中包含号码图像以及目标图像中未包含号码图像。进一步地，在终端设备确定了当前目标图像的第一号码识别结果之后，可以将该结果进行存储，以便在进行下一个图像中目标图像号码识别时进行对比。

S104，确定所述目标图像中目标的特征信息，根据所述目标图像中目标的特征信息，获得与所述目标图像匹配的历史目标图像以及所述历史目标图像对应的第二号码识别结果；其中，所述目标图像中目标的特征信息包括外观特征和运动特征。

具体地，终端设备可以通过对上述目标图像进行分析，确定目标图像中包含的目标的特征信息，然后根据该目标的特征信息，与所有历史图像中包含的所有目标图像中目标的特征信息进行对比与匹配，确定出与该目标图像匹配的历史目标图像以及匹配的历史目标图像对应的第二号码识别结果。可选地，上述目标的特征信息可以包括外观特征和运动特征，例如，对于运动员图像，运动员的外观特征可以是其球衣颜色、球衣外观标志、运动员面部特征等，运动特征可以是其跑步姿势、常用手势等。再例如，对于车辆图像，车辆的特征信息可以是其车型、车辆标志、车辆颜色等。

可选地，终端设备可以采用传统的图像分析技术对目标图像进行分析，也可以采用卷积神经网络对目标图像进行分析，以确定目标图像中包含的目标的特征信息。

可选地，终端设备可以根据目标图像中目标的特征信息，从所有的历史目标图像中获得与该目标图像匹配的历史目标图像，然后可以根据与该目标图像匹配的历史目标图像的标记方式，重新标记该目标图像。应当理解的是，历史图像是指当前图像的前一帧或前几帧图像，历史目标图像是指历史图像中出现的目标图像。例如，当前图像的目标图像为运动员，则历史目标图像是指历史图像中出现的运动员图像。

例如，假设该目标图像为运动员图像，步骤S102中对其标记的矩形框颜色为白色，当终端设备从历史图像中查找到该运动员的图像时，获取到该运动员在历史图像中矩形框的颜色为蓝色，则将该运动员在当前图像中的矩形框颜色也标记为蓝色。即同一运动员在前后帧画面中采用相同颜色、相同形状的标记框进行标记，这样，可以使用户能够清楚的分辨出同一个运动员在不同图像中的位置，实现运动员的跟踪。

S105，根据所述目标图像对应的第一号码识别结果以及与所述目标图像匹配的历史目标图像对应的第二号码识别结果，确定所述目标图像的号码。

具体的，终端设备可以根据上述第一号码识别结果与第二号码识别结果，确定该目标图像的号码。可选地，终端设备可以选取视频中在当前图像之前出现的若干帧历史目标图像的第二号码识别结果，与当前第一号码识别结果进行对比，将出现次数最多的号码识别结果确定为该目标图像的号码识别结果，从而根据该目标图像的号码识别结果作为该目标图像的号码。可选地，终端设备还可以选取全部历史目标图像的第二号码识别结果，与当前第一号码识别结果进行对比，将出现次数最多的号码识别结果确定为该目标图像的号码识别结果，从而根据该目标图像的号码识别结果作为该目标图像的号码。可选地，若当前目标图像中的目标没有在历史图像出现过，则可以直接将当前的第一号码识别结果确定为该目标图像的号码。

需要说明的是，上述第一号码识别结果和第二号码识别结果仅为了区分对不同图像的识别结果，不具有特定的含义。

本实施例提供的目标识别方法，首先对获取的当前图像进行识别，确定当前图像中的目标图像并进行标记；然后再对已标记的目标图像进行识别，判断目标图像中是否包含号码图像，记为第一号码识别结果；最后根据目标图像中目标的特征信息，获得与该目标图像匹配的历史目标图像及历史目标图像对应的第二号码识别结果，根据第一号码识别结果和第二号码识别结果，确定当前目标图像中的号码。由于该方法在确定当前目标图像的号码过程中，可以获取与当前目标图像匹配的历史目标图像以及历史目标图像对应的第二号码识别结果，从而即使在当前目标图像中没有识别出号码图像的情况下，也可以根据历史目标图像的识别结果确定当前目标图像的号码，进而提高了识别效果。

作为上述实施例的一种可能的实施方式，上述S103中获得所述目标图像对应的第一号码识别结果的步骤可以包括：

判断所述已标记的目标图像中是否包含号码图像，若所述目标图像中包含所述号码图像，则识别所述号码图像中的号码，将所述号码图像中的号码作为所述第一号码识别结果。

具体地，在终端设备对各个已标记的目标图像进行识别之后，当识别结果为目标图像中包含号码图像时，则终端设备对该号码图像中的特征进行分析，以确定号码图像中的号码，并将该号码作为上述第一号码识别结果。可选的，终端设备可以采用卷积神经网络或者其他号码识别技术对号码图像中的特征进行分析，以确定号码图像中的号码。

可选地，当识别结果为目标图像中包含号码图像，终端设备可以对号码图像进行标记。可选地，对号码图像的标记方式可以是矩形框标记、圆框标记或者其他的标记方式，对此本实施例不做限定。进一步地，该标记可以在视频图像中进行可视化显示，以使用户能够清楚地分辨各个号码图像。更进一步地，每个号码图像可以采用相同的标记方式，并根据号码图像的大小调整其标记的尺寸，例如，每个号码图像均采用矩形框进行标记，并可以根据号码图像的大小调整矩形框的大小。当然，每个号码图像采用相同的标记方式时，可以通过调整标记的颜色以区分各个不同的号码图像。例如，每个号码图像均采用矩形框进行标记，每个矩形框采用不同的颜色。可选地，当采用不同的颜色的标记对号码图像进行标记时，该号码图像的标记颜色可以与其所属的目标图像的标记颜色相同。

可选地，终端设备可以利用卷积神经网络的数字长度分类器对上述已标记的号码图像中的特征进行分析，以确定该号码的长度。同时，终端设备可以利用卷积神经网络的数字分类器对号码图像中的特征进行分析，以确定该号码的每位数字。

作为上述实施例的另一种可能的实施方式，上述S103中获得所述目标图像对应的第一号码识别结果的步骤可以包括：

若所述目标图像中未包含所述号码图像，则采用预设字符作为所述第一号码识别结果，所述预设字符用于表示所述目标图像中未包含所述号码图像。

具体地，当识别结果为目标图像中未包含号码图像，终端设备采用预设的字符作为上述第一号码识别结果。例如，预设的字符可以是Null空字符或者是&、@等区别于号码的字符，只要该预设字符能够表示目标图像中未包含号码图像即可，本实施例对预设字符的具体形式不做限定。

图2为另一个实施例提供的目标识别方法的流程示意图，本实施例涉及的是终端设备根据第一号码识别结果及第二号码识别结果，确定目标图像的号码的具体过程。在上述实施例的基础上，可选地，所述目标图像中包含所述号码图像，如图2所示，上述S104包括：

S201，获取与所述目标图像匹配的历史目标图像在每次号码识别过程中获得的多个所述第二号码识别结果。

具体地，在终端设备获得与上述目标图像匹配的历史目标图像之后，也可以获取到这些历史目标图像在历史号码识别过程中的识别结果，即可以获取到多个第二号码识别结果。可选地，针对每帧图像，终端设备均会识别当前图像中目标图像，并确定该目标图像的号码识别结果。当历史号码识别过程中可以识别出历史目标图像的号码时，则该历史目标图像对应的第二号码识别结果为该历史目标图像的号码。当历史号码识别过程中未识别出历史目标图像的号码，则对应的第二号码识别结果为预设字符。进一步地，终端设备可以存储每次识别过程中获得的号码识别结果。上述获取与所述目标图像匹配的历史目标图像在每次号码识别过程中获得的多个所述第二号码识别结果的步骤，可以是终端设备从存储器中读取的与所述目标图像匹配的历史目标图像在每次号码识别过程中获得的多个所述第二号码识别结果。

S202，根据所述目标图像中包含的号码图像中的号码以及多个所述第二号码识别结果，获得被记录次数最多的号码，并将所述被记录次数最多的号码确定为所述目标图像的号码。

具体地，本实施例中第一号码识别结果为当前图像中目标图像的识别号码，根据该目标图像的识别号码和上述多个第二号码识别结果，终端设备可以确定被记录次数最多的号码，进而将该记录次数最多的号码确定为当前目标图像的号码。

可选地，当上述多个第二号码识别结果都为预设字符时，即在历史目标图像中都没有识别出号码，则当前目标图像中识别出的号码即为记录次数最多的号码。例如，假设目标图像为运动员图像，当前目标图像中识别出的号码为7号，该运动员在历史图像中都未出现过或在历史图像中都未识别出其号码，则将7号确定为运动员在当前图像中的号码。可选地，当上述多个第二号码识别结果不全为预设字符时，则将当前目标图像中识别出的号码与不是预设字符的第二号码识别结果中记录次数最多的号码确定为当前目标图像的号码。例如，假设目标图像为运动员图像，当前目标图像中识别出的号码为7号，多个第二号码识别结果分别为5个7号，2个9号，则7号共记录了6次，9号共记录了2次，因此将7号确定为运动员在当前图像中的号码。

本实施例提供的目标识别方法，目标图像中包含号码图像，根据号码图像中的号码和历史目标图像的多个第二号码识别结果，进而确定当前目标图像的号码。因此，在第一号码识别结果有误差的情况下，同样可以确定出正确的目标图像的号码，从而大大提高了目标识别的准确性。

图3为又一个实施例提供的目标识别方法的流程示意图，本实施例涉及的是终端设备根据第一号码识别结果及第二号码识别结果，确定目标图像的号码的另一具体过程。在上述实施例的基础上，可选地，所述目标图像中未包含所述号码图像，如图3所示，上述S104包括：

S301，获取与所述目标图像匹配的历史目标图像在每次号码识别过程中获得的多个所述第二号码识别结果。

该S301的过程可以参见上述实施例的S201，其实现过程类似，在此不再赘述。

S302，根据所述预设字符以及多个所述第二号码识别结果，获得被记录次数最多的号码，并将所述记录次数最多的号码确定为所述目标图像的号码。

具体的，本实施例中第一号码识别结果为预设字符，即没有识别出目标号码，则根据上述多个第二号码识别结果，终端设备可以确定记录次数最多的号码，进而将该记录次数最多的号码确定为当前目标图像的号码。

可选地，当上述多个第二号码识别结果不全为预设字符时，则将不是预设字符的第二号码识别结果中记录次数最多的号码确定为当前目标图像的号码。例如，假设目标图像为运动员图像，第一号码识别结果为Null，多个第二号码识别结果分别为6个10号，1个18号，则10号共记录了6次，18号共记录了1次，因此将10号确定为运动员在当前图像中的号码。可选地，当上述多个第二号码识别结果同样都为预设字符时，即在历史目标图像中也没有识别出号码，则本次不能确定当前目标图像的号码。

本实施例提供的目标识别方法，目标图像中未包含号码图像，根据历史目标图像的多个第二号码识别结果，进而确定当前目标图像的号码。因此，在当前目标图像没有识别出号码的情况下，同样可以确定出目标图像的号码，从而大大提高了目标的识别效果。

作为上述实施例的一种可能的实施方式，上述S201或S301中获取所述目标图像匹配的历史目标图像在每次号码识别过程中获得的多个所述第二号码识别结果的方法，可以包括：

根据所述目标图像在当前图像中的位置，以及所述目标图像在所述历史图像中的历史位置，获得所述目标图像中目标的运动轨迹；获得所述目标图像中目标的运动轨迹上的多个第二号码识别结果。

具体地，在识别出当前图像中的目标图像之后，终端设备可以记录该目标图像在当前图像中的位置并进行存储，并且当获得与该目标图像匹配的历史目标图像之后，也可以获取该目标图像在历史图像中的历史位置，进而终端设备可以确定该目标图像中目标的运动轨迹，即完成了对目标的轨迹跟踪。可选的，终端设备可以利用卡尔曼粒子滤波算法实现对图像中目标的轨迹跟踪。当需要获取与该目标图像匹配的历史目标图像对应的第二号码识别结果时，终端设备可以根据该目标图像的运动轨迹，将运动轨迹上对应的第二号码识别结果确定为历史目标图像对应的第二号码识别结果。

图4为又一个实施例提供的目标识别方法的流程示意图，本实施例涉及的是终端设备对当前图像进行识别，确定当前图像中的目标图像并进行标记的具体过程。在上述实施例的基础上，可选地，所述当前图像包括多个第一子图像，如图4所示，上述S102包括：

S401，根据当前第一子图像的属性信息及预设的第一对应关系从预设的第一卷积神经网络中获取所述当前第一子图像对应的第一目标特征层，其中，所述预设的第一对应关系为根据所述第一子图像的属性信息确定的所述第一子图像与第一目标特征层的对应关系。

具体地，第一卷积神经网络可以是预设的网络模型，也可以是已经训练达到收敛状态的网络模型，该第一卷积神经网络可以包括多个第一目标特征层。上述当前图像可以分为多个不同尺寸的第一子图像，为解决目标图像在当前图像中尺寸大小不一致的问题，终端设备可以利用第一卷积神经网络中的若干目标特征层分别对应不同属性的第一子图像，即可以预先设定第一子图像与第一卷积神经网络中的特征层的对应关系，从而可以采用不同的特征层对不同属性的第一子图像进行处理。对于当前处理的第一子图像，终端设备可以根据该第一子图像的属性信息及其与目标特征层的对应关系，确定该第一子图像对应的第一目标特征层。

可选地，本发明实施例中第一卷积神经网络可以采用传统的卷积神经网络(Convolutional Neural Networks，CNN)，还可以采用全卷积神经网络(FullyConvolutional Networks，FCN)。

可选地，上述第一子图像的属性信息可以为图像尺寸、图像的像素值或字节数等信息中的一个或多个的组合。例如，上述第一子图像的属性信息为图像尺寸，此时，可以根据第一子图像的尺寸及预设的第一对应关系，获得该第一子图像对应的第一目标特征层。

S402，采用所述当前第一子图像对应的第一目标特征层和预设的第一滑窗，对所述当前第一子图像进行遍历，判断所述当前第一子图像中是否包含所述目标图像。

具体地，在终端设备确定了上述第一子图像所对应的第一目标特征层之后，可以根据预设的第一滑窗对该第一子图像中的特征进行滑窗遍历。当第一滑窗滑到某个位置时，通过对第一滑窗内覆盖的图像特征进行分析，来判断该位置是否包含目标图像，进而可以判断识别出上述第一子图像中包含的所有目标图像。其中，目标图像的特征可以为该目标所具有的不同于其他事物的特征。例如，在识别运动员图像的问题上，目标图像的特征即是人的特征。

可选地，上述第一滑窗的窗口尺寸小于或等于第一子图像的尺寸，该第一滑窗可以在第一子图像内进行垂直/水平方向的滑动。当沿垂直方向执行第一滑窗遍历操作时，可以根据预设的移动距离每次移动第一预设像素，其中，第一预设像素小于或等于第一滑窗的窗口宽度。当沿水平方向执行第一滑窗遍历操作时，同样可以根据预设的移动距离每次移动第二预设像素，其中，第二预设像素小于或等于第一滑窗的窗口长度。例如，若第一子图像的尺寸为10×10，则可以设置第一滑窗的窗口尺寸为3×3，当执行第一滑窗遍历操作时沿垂直/水平方向每次移动一个像素。

S403，当所述当前第一子图像中包含所述目标图像时，则识别所述目标图像的数量，并分别对所述目标图像进行标记；其中，所述目标图像包括运动员图像，所述号码包括运动员编号。

具体地，当终端设备对上述第一子图像中的特征遍历完之后，即可以确定出该第一子图像中包含的所有目标图像。当目标图像有多个时，终端设备还可以识别出目标图像的数量，并分别对每个目标图像进行标记。

进一步地，当终端设备对所有第一子图像中的目标图像确定完之后，即完成了对当前图像中目标图像的识别。之后，终端设备可以对当前图像之后的下一图像中的目标图像进行识别。

本实施例提供的目标识别方法，根据当前图像中不同尺寸的第一子图像及其对应的第一目标特征层，对第一子图像中的特征进行滑窗遍历，以确定第一子图像中包含的目标图像，进而确定当前图像中包含的目标图像。该方法利用不同目标特征层对不同尺寸的第一子图像进行处理，大大提高了对目标图像识别的准确性，同时解决了目标图像在当前图像中尺寸大小不一致的多尺度问题。

图5为又一个实施例提供的目标识别方法的流程示意图，本实施例涉及的是终端设备分别对各个目标图像进行识别，以判断目标图像中是否包含号码图像的具体过程。在上述实施例的基础上，可选地，每个所述已标记的目标图像包括多个第二子图像，如图5所示，上述S103包括：

S501，根据当前第二子图像的属性信息与预设的第二对应关系从预设的第二卷积神经网络中获取所述当前第二子图像对应的第二目标特征层，其中，所述预设的第二对应关系为根据所述第二子图像的属性信息确定的所述第二子图像与第二特征层的对应关系。

具体地，上述已标记的目标图像可以分为多个不同尺寸的第二子图像，预设的第二卷积神经网络可以包括多个第二目标特征层。终端设备可以利用第二卷积神经网络中的若干目标特征层分别对应不同属性的第二子图像，即可以预先设定第二子图像与第二卷积神经网络中的特征层的对应关系，从而可以采用不同的特征层对不同属性的第二子图像进行处理。对于当前处理的第二子图像，终端设备可以根据该第二子图像的属性信息及其与目标特征层的对应关系，确定该第二子图像对应的第二目标特征层。

可选地，本发明实施例中第二卷积神经网络可以采用传统的卷积神经网络，还可以采用全卷积神经网络。

可选地，上述第二子图像的属性信息可以为图像尺寸、图像的像素值或字节数等信息中的一个或多个的组合。例如，上述第二子图像的属性信息为图像尺寸，此时，可以根据第二子图像的尺寸及预设的第二对应关系，获得该第二子图像对应的第二目标特征层。

S502，采用所述当前第二子图像对应的第二目标特征层和预设的第二滑窗，对所述当前第二子图像进行遍历，判断所述当前第二子图像中是否包含所述号码图像。

具体地，在终端设备确定了上述第二子图像所对应的第二目标特征层之后，可以根据预设的第二滑窗对该第二子图像中的特征进行滑窗遍历。当第二滑窗滑到某个位置时，通过对第二滑窗内覆盖的图像特征进行分析，来判断该位置是否包含号码图像，进而可以判断上述第二子图像中是否包含号码图像。其中，号码图像的特征可以为该号码所具有的不同于其他事物的特征。例如，对于运动员球衣的号码图像，其特征即是数字的特征。

可选地，上述第二滑窗的窗口尺寸小于或等于第二子图像的尺寸，该第二滑窗可以在第二子图像内进行垂直/水平方向的滑动。当沿垂直方向执行第二滑窗遍历操作时，可以根据预设的移动距离每次移动第三预设像素，其中，第三预设像素小于或等于第二滑窗的窗口宽度。当沿水平方向执行第二滑窗遍历操作时，同样可以根据预设的移动距离每次移动第四预设像素，其中，第四预设像素小于或等于第二滑窗的窗口长度。

本实施例提供的目标识别方法，根据目标图像中不同尺寸的第二子图像及其对应的第二目标特征层，对第二子图像中的特征进行滑窗遍历，以确定第二子图像中是否包含号码图像，进而确定目标图像中是否包含号码图像。该方法利用不同目标特征层对不同尺寸的第二子图像进行处理，大大提高了对号码图像识别的准确性，同时解决了号码图像在目标图像中尺寸大小不一致的多尺度问题。

需要说明的是，上述第一子图像和第二子图像仅为了区分在目标图像识别和号码图像识别过程中所对应的不同图像区域，不具有特定的含义。上述第一滑窗和第二滑窗也仅为了区分目标图像识别和号码图像识别过程中所对应的不同滑窗，不具有特定的含义。

应该理解的是，虽然图1-图5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-图5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

图6为一个实施例提供的目标识别装置的结构示意图。如图6所示，该装置包括获取模块11、第一确定模块12、号码识别模块13、第二确定模块14和第三确定模块15。

具体地，获取模块11用于获取当前图像。

第一确定模块12用于对所述当前图像进行识别，确定所述当前图像中的一个或多个目标图像，并分别对每个所述目标图像进行标记。

号码识别模块13用于分别对各个已标记的目标图像进行识别，获得所述目标图像对应的第一号码识别结果。

第二确定模块14用于确定所述目标图像中目标的特征信息，根据所述目标图像中目标的特征信息，获得与所述目标图像匹配的历史目标图像以及所述历史目标图像对应的第二号码识别结果；其中，所述目标图像中目标的特征信息包括外观特征和运动特征。

第三确定模块15，用于根据所述目标图像对应的第一号码识别结果以及与所述目标图像匹配的历史目标图像对应的第二号码识别结果，确定所述目标图像的号码；

在其中一个实施例中，上述号码识别模块13具体用于判断所述已标记的目标图像中是否包含号码图像，若所述目标图像中包含所述号码图像，识别所述号码图像中的号码，将所述号码图像中的号码作为所述第一号码识别结果；若所述目标图像中未包含所述号码图像，采用预设字符作为所述第一号码识别结果，所述预设字符用于表示所述目标图像中未包含所述号码图像。

本实施例提供的目标识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

图7为另一个实施例提供的目标识别装置的结构示意图。在上述图6所示实施例的基础上，若所述目标图像中包含所述号码图像，如图7所示，上述第三确定模块15具体可以包括：第一获取单元151和第一确定单元152。

具体地，第一获取单元151用于获取与所述目标图像匹配的历史目标图像在每次号码识别过程中获得的多个所述第二号码识别结果。

第一确定单元152用于根据所述目标图像中包含的号码图像中的号码以及多个所述第二号码识别结果，获得被记录次数最多的号码，并将所述被记录次数最多的号码确定为所述目标图像的号码。

本实施例提供的目标识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

图8为又一个实施例提供的目标识别装置的结构示意图。在上述图6所示实施例的基础上，若所述目标图像中未包含所述号码图像，如图8所示，上述第三确定模块15具体可以包括：第二获取单元153和第二确定单元154。

具体地，第二获取单元153用于获取与所述目标图像匹配的历史目标图像在每次号码识别过程中获得的多个所述第二号码识别结果。

第二确定单元154用于根据所述预设字符以及多个所述第二号码识别结果，获得被记录次数最多的号码，并将所述记录次数最多的号码确定为所述目标图像的号码。

本实施例提供的目标识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

在其中一个实施例中，上述第二确定模块14具体用于根据所述目标图像中目标的特征信息，从所有的历史目标图像中获得与所述目标图像匹配的历史目标图像；根据与所述目标图像匹配的历史目标图像的标记方式，重新标记所述目标图像。

图9为又一个实施例提供的目标识别装置的结构示意图。在上述图6-图8所示实施例的基础上，所述当前图像包括多个第一子图像，如图9所示，上述第一确定模块12具体可以包括：第三获取单元121、第一判断单元122和识别单元123。

具体地，第三获取单元121用于根据当前第一子图像的属性信息及预设的第一对应关系从预设的第一卷积神经网络中获取所述当前第一子图像对应的第一目标特征层，其中，所述预设的第一对应关系为根据所述第一子图像的属性信息确定的所述第一子图像与第一目标特征层的对应关系。

第一判断单元122用于采用所述当前第一子图像对应的第一目标特征层和预设的第一滑窗，对所述当前第一子图像进行遍历，判断所述当前第一子图像中是否包含所述目标图像。

识别单元123用于当所述当前第一子图像中包含所述目标图像时，则识别所述目标图像的数量，并分别对所述目标图像进行标记；其中，所述目标图像包括运动员图像，所述号码包括运动员编号。

需要说明的是，图9的结构是在图6所示的实施例的基础上示出的，当然图9还可以在图7或图8所示的结构上示出，这里仅是一种示例。

本实施例提供的目标识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

图10为又一个实施例提供的目标识别装置的结构示意图。在上述图6-图9所示实施例的基础上，每个所述已标记的目标图像包括多个第二子图像，如图10所示，上述号码识别模块13具体可以包括：第四获取单元131和第二判断单元132。

具体地，第四获取单元131用于根据当前第二子图像的属性信息与预设的第二对应关系从预设的第二卷积神经网络中获取所述当前第二子图像对应的第二目标特征层，其中，所述预设的第二对应关系为根据所述第二子图像的属性信息确定的所述第二子图像与第二特征层的对应关系。

第二判断单元132用于采用所述当前第二子图像对应的第二目标特征层和预设的第二滑窗，对所述当前第二子图像进行遍历，判断所述当前第二子图像中是否包含所述号码图像。

需要说明的是，图10的结构是在图9所示的实施例的基础上示出的，当然图10还可以在图6-8所示的结构上示出，这里仅是一种示例。

本实施例提供的目标识别装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

关于目标识别装置的具体限定可以参见上文中对于目标识别方法的限定，在此不再赘述。上述目标识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于终端设备中的处理器中，也可以以软件形式存储于终端设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供一种执行目标识别方法的终端设备的硬件结构示意图，如图11所示，该终端设备包括：

一个或多个处理器610以及存储器620，图11中以一个处理器610为例。

该终端设备还可以包括：输入装置630和输出装置640。

处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接，图11中以通过总线连接为例。

存储器620作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的目标识别方法对应的程序指令/模块(例如，附图7所示的获取模块11、第一确定模块12、号码识别模块13、第二确定模块14和第三确定模块15)。处理器610通过运行存储在存储器620中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的目标识别方法。

存储器620可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据目标识别装置的使用所创建的数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器620可选包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至目标识别装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置630可接收输入的数字或字符信息，以及产生与目标识别装置的用户设置以及功能控制有关的键信号输入。输出装置640可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器620中，当被所述一个或者多个处理器610执行时，执行上述任意方法实施例中的目标识别方法。

上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。

本发明实施例的终端设备以多种形式存在，包括但不限于:

(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等，例如iPad。

(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载设备。

(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置。

在一个实施例中，提供了一种终端设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取当前图像；

对所述当前图像进行识别，确定所述当前图像中的一个或多个目标图像，并分别对每个所述目标图像进行标记；

分别对各个已标记的目标图像进行识别，获得所述目标图像对应的第一号码识别结果；

确定所述目标图像中目标的特征信息，根据所述目标图像中目标的特征信息，获得与所述目标图像匹配的历史目标图像以及所述历史目标图像对应的第二号码识别结果；其中，所述目标图像中目标的特征信息包括外观特征和运动特征；

根据所述目标图像对应的第一号码识别结果以及与所述目标图像匹配的历史目标图像对应的第二号码识别结果，确定所述目标图像的号码。

上述实施例提供的终端设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取当前图像；

对所述当前图像进行识别，确定所述当前图像中的一个或多个目标图像，并分别对每个所述目标图像进行标记；

分别对各个已标记的目标图像进行识别，获得所述目标图像对应的第一号码识别结果；

确定所述目标图像中目标的特征信息，根据所述目标图像中目标的特征信息，获得与所述目标图像匹配的历史目标图像以及所述历史目标图像对应的第二号码识别结果；其中，所述目标图像中目标的特征信息包括外观特征和运动特征；

根据所述目标图像对应的第一号码识别结果以及与所述目标图像匹配的历史目标图像对应的第二号码识别结果，确定所述目标图像的号码。

上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种目标识别方法，其特征在于，包括：

获取当前图像；

对所述当前图像进行识别，确定所述当前图像中的一个或多个目标图像，并分别对每个所述目标图像进行标记；

分别对各个已标记的目标图像进行识别，获得所述目标图像对应的第一号码识别结果；

确定所述目标图像中目标的特征信息，根据所述目标图像中目标的特征信息，获得与所述目标图像匹配的历史目标图像以及所述历史目标图像对应的第二号码识别结果；其中，所述目标图像中目标的特征信息包括外观特征和运动特征；

根据所述目标图像对应的第一号码识别结果以及与所述目标图像匹配的历史目标图像对应的第二号码识别结果，确定所述目标图像的号码；

其中，所述当前图像包括多个第一子图像；

所述的对所述当前图像进行识别，确定所述当前图像中的一个或多个目标图像，并分别对每个所述目标图像进行标记的步骤，包括：

根据当前第一子图像的属性信息及预设的第一对应关系从预设的第一卷积神经网络中获取所述当前第一子图像对应的第一目标特征层；其中，所述预设的第一对应关系为根据所述第一子图像的属性信息确定的所述第一子图像与第一目标特征层的对应关系；

采用所述当前第一子图像对应的第一目标特征层和预设的第一滑窗，对所述当前第一子图像进行遍历，判断所述当前第一子图像中是否包含所述目标图像；

当所述当前第一子图像中包含所述目标图像时，则识别所述目标图像的数量，并分别对所述目标图像进行标记；其中，所述目标图像包括运动员图像，所述号码包括运动员编号。

2.根据权利要求1所述的方法，其特征在于，所述的分别对各个已标记的目标图像进行识别，获得所述目标图像对应的第一号码识别结果的步骤包括：

判断所述已标记的目标图像中是否包含号码图像，若所述目标图像中包含号码图像，识别所述号码图像中的号码，将所述号码图像中的号码作为所述第一号码识别结果；

若所述目标图像中未包含号码图像，采用预设字符作为所述第一号码识别结果，所述预设字符用于表示所述目标图像中未包含所述号码图像。

3.根据权利要求2所述的方法，其特征在于，若所述目标图像中包含所述号码图像；

所述的根据所述目标图像对应的第一号码识别结果以及与所述目标图像匹配的历史目标图像对应的第二号码识别结果，确定所述目标图像的号码的步骤，包括：

获取与所述目标图像匹配的历史目标图像在每次号码识别过程中获得的多个所述第二号码识别结果；

根据所述目标图像中包含的号码图像中的号码以及多个所述第二号码识别结果，获得被记录次数最多的号码，并将所述被记录次数最多的号码确定为所述目标图像的号码。

4.根据权利要求2所述的方法，其特征在于，若所述目标图像中未包含所述号码图像；

根据所述预设字符以及多个所述第二号码识别结果，获得被记录次数最多的号码，并将所述记录次数最多的号码确定为所述目标图像的号码。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述目标图像中的目标特征信息，获得与所述目标图像匹配的历史目标图像的步骤，还包括：

根据所述目标图像中目标的特征信息，从所有的历史目标图像中获得与所述目标图像匹配的历史目标图像；

根据与所述目标图像匹配的历史目标图像的标记方式，重新标记所述目标图像。

6.根据权利要求2所述的方法，其特征在于，每个所述已标记的目标图像包括多个第二子图像；

所述的判断所述已标记的目标图像中是否包含号码图像的步骤，包括：

根据当前第二子图像的属性信息与预设的第二对应关系从预设的第二卷积神经网络中获取所述当前第二子图像对应的第二目标特征层；其中，所述预设的第二对应关系为根据所述第二子图像的属性信息确定的所述第二子图像与第二目标特征层的对应关系；

采用所述当前第二子图像对应的第二目标特征层和预设的第二滑窗，对所述当前第二子图像进行遍历，判断所述当前第二子图像中是否包含所述号码图像。

7.一种目标识别装置，其特征在于，包括：

获取模块，用于获取当前图像；

第一确定模块，用于对所述当前图像进行识别，确定所述当前图像中的一个或多个目标图像，并分别对每个所述目标图像进行标记；

号码识别模块，用于分别对各个已标记的目标图像进行识别，获得所述目标图像对应的第一号码识别结果；

第二确定模块，用于确定所述目标图像中目标的特征信息，根据所述目标图像中目标的特征信息，获得与所述目标图像匹配的历史目标图像以及所述历史目标图像对应的第二号码识别结果；其中，所述目标图像中目标的特征信息包括外观特征和运动特征；

第三确定模块，用于根据所述目标图像对应的第一号码识别结果以及与所述目标图像匹配的历史目标图像对应的第二号码识别结果，确定所述目标图像的号码；

其中，所述当前图像包括多个第一子图像，所述第一确定模块具体可以包括：第三获取单元、第一判断单元和识别单元；

具体地，第三获取单元用于根据当前第一子图像的属性信息及预设的第一对应关系从预设的第一卷积神经网络中获取所述当前第一子图像对应的第一目标特征层，其中，所述预设的第一对应关系为根据所述第一子图像的属性信息确定的所述第一子图像与第一目标特征层的对应关系；

第一判断单元用于采用所述当前第一子图像对应的第一目标特征层和预设的第一滑窗，对所述当前第一子图像进行遍历，判断所述当前第一子图像中是否包含所述目标图像；

识别单元用于当所述当前第一子图像中包含所述目标图像时，则识别所述目标图像的数量，并分别对所述目标图像进行标记；其中，所述目标图像包括运动员图像，所述号码包括运动员编号。

8.一种终端设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-6中任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。

Images