CN110472728A - 目标信息确定方法、目标信息确定装置、介质及电子设备 - Google Patents

Abstract

本公开提供一种基于人工智能的目标信息确定方法、基于人工智能的目标信息确定装置、计算机可读存储介质及电子设备；涉及人工智能技术领域，并涉及机器学习技术。该基于人工智能的目标信息确定方法包括：根据前一帧图像中目标信息的标注位置在当前帧图像中生成多个矩形框；对各矩形框对应的图像块进行卷积，得到与各图像块对应的特征向量；根据特征向量对图像块进行筛选，以确定包含目标信息的图像块。本公开中的基于人工智能的目标信息确定方法能够在一定程度上克服图像中目标信息的标定效率不高的问题，进而提升图像中目标信息的标定效率。

Description

目标信息确定方法、目标信息确定装置、介质及电子设备

技术领域

本公开涉及人工智能技术领域，并涉及机器学习技术，具体而言，涉及一种基于人工智能的目标信息确定方法、基于人工智能的目标信息确定装置、计算机可读存储介质及电子设备。

背景技术

随着互联网技术的不断发展，图像识别技术也日益进步。向计算机输入一张图像，计算机通常可以通过特征提取网络识别出图像中内容。

一般来说，计算机识别图像内容的方法为：对目标物体可能出现的图像中的区域进行密集采样生成多个矩形框，然后对每一个矩形框中的内容进行二分类判断是否有目标物体出现。但是，由于矩形框的数目众多，这样会导致利用深度学习方法进行分类的冗余度较高，造成图像中目标信息的标定效率不高的问题，其中，目标信息与目标物体相对应。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于人工智能的目标信息确定方法、基于人工智能的目标信息确定装置、计算机可读存储介质及电子设备，在一定程度上克服图像中目标信息的标定效率不高的问题，进而提升图像中目标信息的标定效率。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供一种基于人工智能的目标信息确定方法，包括：

根据前一帧图像中目标信息的标注位置在当前帧图像中生成多个矩形框；

对各矩形框对应的图像块进行卷积，得到与各图像块对应的特征向量；

根据特征向量对图像块进行筛选，以确定包含目标信息的图像块。

在本公开的一种示例性实施例中，根据特征向量对图像块进行筛选，以确定包含目标信息的图像块，包括：

将特征向量输入渐进级联目标生成网络，以通过渐进级联目标生成网络对图像块进行筛选，得到包含目标信息的图像块。

在本公开的一种示例性实施例中，该基于人工智能的目标信息确定方法还包括：

根据预设图像的预设矩形框随机生成多个相关的矩形框；

确定相关的矩形框与预设矩形框的交集与并集的比例；

若比例大于预设比例阈值，则确定预设矩形框包括目标信息，以根据预设矩形框和目标信息训练渐进级联目标生成网络。

在本公开的一种示例性实施例中，根据特征向量对图像块进行筛选，以确定包含目标信息的图像块，包括：

根据特征向量以及第一目标生成子网络对图像块进行筛选，得到第一图像块；

对第一图像块进行卷积，并根据卷积得到的特征向量以及第二目标生成子网络对第一图像块进行筛选，得到第二图像块；

对第二图像块进行卷积，并根据卷积得到的特征向量以及第三目标生成子网络对第二图像块进行筛选，得到第三图像块，作为包含目标信息的图像块；

其中，第一图像块的数量小于图像块的图像，第二图像块的数量小于第一图像块的数量，第三图像块的数量小于第二图像块的数量。

在本公开的一种示例性实施例中，第一目标生成子网络基于第一预设比例阈值训练得到，第二目标生成子网络基于第二预设比例阈值训练得到，第三目标生成子网络基于第三预设比例阈值训练得到；

其中，第一预设比例阈值小于第二预设比例阈值，第二预设比例阈值小于第三预设比例阈值。

在本公开的一种示例性实施例中，根据特征向量对图像块进行筛选，以确定包含目标信息的图像块之后，该基于人工智能的目标信息确定方法还包括：

将包含目标信息的图像块对应的特征向量输入全连接层；

根据全连接层的输出对筛选后的图像块进行目标信息标注。

在本公开的一种示例性实施例中，根据全连接层的输出对筛选后的图像块进行目标信息标注，包括：

通过全连接层对特征向量进行特征提取；

根据特征提取结果将筛选后的图像块确定为包含背景信息的图像块和包含目标信息的图像块；

对包含目标信息的图像块进行目标信息标注。

根据本公开的第二方面，提供一种基于人工智能的目标信息确定装置，包括矩形框生成单元、特征向量获取单元以及图像块筛选单元，其中：

矩形框生成单元，用于根据前一帧图像中目标信息的标注位置在当前帧图像中生成多个矩形框；

特征向量获取单元，用于对各矩形框对应的图像块进行卷积，得到与各图像块对应的特征向量；

图像块筛选单元，用于根据特征向量对图像块进行筛选，以确定包含目标信息的图像块。

在本公开的一种示例性实施例中，图像块筛选单元根据特征向量对图像块进行筛选，以确定包含目标信息的图像块的方式具体为：

图像块筛选单元将特征向量输入渐进级联目标生成网络，以通过渐进级联目标生成网络对图像块进行筛选，得到包含目标信息的图像块。

在本公开的一种示例性实施例中，该基于人工智能的目标信息确定装置还包括：比例确定单元和网络训练单元，其中：

矩形框生成单元，还用于根据预设图像的预设矩形框随机生成多个相关的矩形框；

比例确定单元，用于确定相关的矩形框与预设矩形框的交集与并集的比例；

网络训练单元，用于在比例大于预设比例阈值时，确定预设矩形框包括目标信息，以根据预设矩形框和目标信息训练渐进级联目标生成网络。

在本公开的一种示例性实施例中，图像块筛选单元根据特征向量对图像块进行筛选，以确定包含目标信息的图像块的方式具体为：

图像块筛选单元根据特征向量以及第一目标生成子网络对图像块进行筛选，得到第一图像块；

图像块筛选单元对第一图像块进行卷积，并根据卷积得到的特征向量以及第二目标生成子网络对第一图像块进行筛选，得到第二图像块；

图像块筛选单元对第二图像块进行卷积，并根据卷积得到的特征向量以及第三目标生成子网络对第二图像块进行筛选，得到第三图像块，作为包含目标信息的图像块；

其中，第一图像块的数量小于图像块的图像，第二图像块的数量小于第一图像块的数量，第三图像块的数量小于第二图像块的数量。

在本公开的一种示例性实施例中，第一目标生成子网络基于第一预设比例阈值训练得到，第二目标生成子网络基于第二预设比例阈值训练得到，第三目标生成子网络基于第三预设比例阈值训练得到；

其中，第一预设比例阈值小于第二预设比例阈值，第二预设比例阈值小于第三预设比例阈值。

在本公开的一种示例性实施例中，该基于人工智能的目标信息确定装置还包括特征向量输入单元和信息标注单元，其中：

特征向量输入单元，用于在根据特征向量对图像块进行筛选，以确定包含目标信息的图像块之后，将包含目标信息的图像块对应的特征向量输入全连接层；

信息标注单元，用于根据全连接层的输出对筛选后的图像块进行目标信息标注。

在本公开的一种示例性实施例中，信息标注单元根据全连接层的输出对筛选后的图像块进行目标信息标注的方式具体为：

信息标注单元通过全连接层对特征向量进行特征提取；

信息标注单元根据特征提取结果将筛选后的图像块确定为包含背景信息的图像块和包含目标信息的图像块；

信息标注单元对包含目标信息的图像块进行目标信息标注。

根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。

根据本公开的第四方面，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上述任意一项所述的方法。

本公开示例性实施例可以具有以下部分或全部有益效果：

在本公开的一示例实施方式所提供的基于人工智能的目标信息确定方法中，可以根据前一帧图像中目标信息的标注位置在当前帧图像中生成多个矩形框，并对各矩形框对应的图像块进行卷积，得到与各图像块对应的特征向量，以及根据特征向量对图像块进行筛选，进而获取包含目标信息的图像块。依据上述方案描述，本公开一方面能够在一定程度上克服图像中目标信息的标定效率不高的问题，进而提升图像中目标信息的标定效率；另一方面能够通过对矩形框对应的图像块的筛选，减少信息识别所需的计算机资源，以提升资源利用率；又一方面能够通过对图像块的筛选，提升对于目标信息的标定精度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了可以应用本公开实施例的一种基于人工智能的目标信息确定方法及基于人工智能的目标信息确定装置的示例性系统架构的示意图；

图2示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图；

图3示意性示出了根据本公开的一个实施例的基于人工智能的目标信息确定方法的流程图；

图4示意性示出了根据本公开的一个实施例中基于人工智能的目标信息确定方法的应用示意图；

图5示意性示出了根据本公开的一个实施例中基于人工智能的目标信息确定方法的结构示意图；

图6示意性示出了根据本公开的一个实施例中基于人工智能的目标信息确定方法对于图像的处理结果示意图；

图7示意性示出了根据本公开的一个实施例中的基于人工智能的目标信息确定装置的结构框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

图1示出了可以应用本公开实施例的一种基于人工智能的目标信息确定方法及基于人工智能的目标信息确定装置的示例性应用环境的系统架构的示意图。

如图1所示，系统架构100可以包括终端设备101、102、103中的一个或多个，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于台式计算机、便携式计算机、智能手机和平板电脑等等。应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。

本公开实施例所提供的基于人工智能的目标信息确定方法一般由服务器105执行，相应地，基于人工智能的目标信息确定装置一般设置于服务器105中。但本领域技术人员容易理解的是，本公开实施例所提供的基于人工智能的目标信息确定方法也可以由终端设备101、102、103执行，相应的，基于人工智能的目标信息确定装置也可以设置于终端设备101、102、103中，本示例性实施例中对此不做特殊限定。举例而言，在一种示例性实施例中，服务器105可以根据前一帧图像中目标信息的标注位置在当前帧图像中生成多个矩形框，并对各矩形框对应的图像块进行卷积，得到与各图像块对应的特征向量，以及根据特征向量对图像块进行筛选，进而获取包含目标信息的图像块。

图2示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

需要说明的是，图2示出的电子设备的计算机系统200仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图2所示，计算机系统200包括中央处理单元(CPU)201，其可以根据存储在只读存储器(ROM)202中的程序或者从存储部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中，还存储有系统操作所需的各种程序和数据。CPU201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。

以下部件连接至I/O接口205：包括键盘、鼠标等的输入部分206；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207；包括硬盘等的存储部分208；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器210上，以便于从其上读出的计算机程序根据需要被安装入存储部分208。

特别地，根据本公开的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分209从网络上被下载和安装，和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时，执行本申请的方法和装置中限定的各种功能。在一些实施例中，计算机系统200还可以包括AI(ArtificialIntelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

在一些实施例中，计算机系统200还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。

语音技术(Speech Technology)的关键技术有自动语音识别技术(ASR)和语音合成技术(TTS)以及声纹识别技术。让计算机能听、能看、能说、能感觉，是未来人机交互的发展方向，其中语音成为未来最被看好的人机交互方式之一。

自然语言处理(Nature Language processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。

机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。

在早期的传统机器学习时代，人们需要对目标物体可能出现的图像中的区域进行密集采样，生成多个矩形框，然后对每一个矩形框中的内容进行二分类判断，以缩短神经网络预测的结果与真实结果之间的差异。而在当前的机器学习时代，计算机可以自动根据前一帧图像的标注位置在当前图像中生成多个矩形框，进而可以提升图像中目标信息的标定效率。

需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。例如，所述的电子设备可以实现如图3所示的各个步骤等。

以下对本公开实施例的技术方案进行详细阐述：

在目标跟踪框架中，目前主流的方案为基于检测的跟踪框架。即首先对目标物体可能出现的区域进行密集采样生成多个长方形矩形框，然后对每一个矩形框中的内容进行二分类判断，以确定其中是否有目标物体出现。由于矩形框的数目众多，这样会使得利用深度学习方法进行分类的冗余度较高。

现有的关于目标跟踪的方案主要为两种，一种为协同滤波的方法，一种为基于检测的跟踪算法。在协同滤波的方法中，利用目标在第一帧中的信息进行协同滤波器系数的初始化。在后续视频序列帧中，对搜索区域进行潜在目标物体的寻找，即，采用卷积方式密集的对区域中每个位置进行相似度衡量，将响应最大的位置标记为当前目标物体出现的位置。

其中，由于协同滤波的跟踪方法是利用回归的思想，把输入区域的特征回归成高斯响应，并未对目标物体和周围背景进行明确的区分，所以在定位过程中会产生偏差，导致对目标物体的跟踪定位精度不高。

基于上述一个或多个问题，本示例实施方式提供了一种基于人工智能的目标信息确定方法。该基于人工智能的目标信息确定方法可以应用于上述服务器105，也可以应用于上述终端设备101、102、103中的一个或多个，本示例性实施例中对此不做特殊限定。参考图3所示，该基于人工智能的目标信息确定方法可以包括以下步骤S310至步骤S330：

步骤S310：根据前一帧图像中目标信息的标注位置在当前帧图像中生成多个矩形框。

步骤S320：对各矩形框对应的图像块进行卷积，得到与各图像块对应的特征向量。

步骤S330：根据特征向量对图像块进行筛选，以确定包含目标信息的图像块。

在本公开的一示例实施方式所提供的基于人工智能的目标信息确定方法中，可以根据前一帧图像中目标信息的标注位置在当前帧图像中生成多个矩形框，并对各矩形框对应的图像块进行卷积，得到与各图像块对应的特征向量，以及根据特征向量对图像块进行筛选，进而获取包含目标信息的图像块。依据上述方案描述，本公开一方面能够在一定程度上克服图像中目标信息的标定效率不高的问题，进而提升图像中目标信息的标定效率；另一方面能够通过对矩形框对应的图像块的筛选，减少信息识别所需的计算机资源，以提升资源利用率；又一方面能够通过对图像块的筛选，提升对于目标信息的标定精度。

需要说明的是，本公开的基于人工智能的目标信息确定方法可以应用于视频目标跟踪场景，具体地，该场景可以为对安防中重点人员的监控、对无人驾驶车辆的监控、小型飞行器中的跟踪飞行以及人机交互中手势的跟踪等，本公开的实施例不作限定。

此外，本公开的基于人工智能的目标信息确定方法利用了计算机视觉技术，计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。

下面，对于本示例实施方式的上述步骤进行更加详细的说明。

在步骤S310中，根据前一帧图像中目标信息的标注位置在当前帧图像中生成多个矩形框。

本示例实施方式中，当前帧图像可以为视频中非第一帧图像的任一帧图像。此外，前一帧图像中目标信息的标注位置存在一对应的矩形框，目标信息处于矩形框内，前一帧图像中目标信息的标注位置对应的矩形框与当前帧图像中的多个矩形框形状大小相同，并且，在视频包括的任一帧图像中，生成的矩形框均形状大小相同。

本示例实施方式中，根据前一帧图像中目标信息的标注位置在当前帧图像中生成多个矩形框的方式具体为：确定前一帧图像中目标信息的标注位置对应的第一坐标；在当前帧图像中确定与第一坐标相同的第二坐标，并根据第二坐标在当前帧图像中的位置随机生成多个矩形框；此外，目标信息可以为人为设定的需要从图像中识别得到的信息，或视频中需要追踪的信息，目标信息可以为动物信息、人物信息或手势信息等，本公开的实施例不作限定。

在步骤S320中，对各矩形框对应的图像块进行卷积，得到与各图像块对应的特征向量。

本示例实施方式中，每个矩形框存在一对应的图像块，每个图像块存在一对应的特征向量，故，特征向量的数量与图像块的数量相同。此外，卷积层用于提取图像中每个小部分具有的特征。

在步骤S330中，根据特征向量对图像块进行筛选，以确定包含目标信息的图像块。

本示例实施方式中，包含目标信息的图像块存在一个或多个，本公开的实施例不作限定。

可见，实施图3所示的基于人工智能的目标信息确定方法，能够在一定程度上克服图像中目标信息的标定效率不高的问题，进而提升图像中目标信息的标定效率；以及，能够通过对矩形框对应的图像块的筛选，减少信息识别所需的计算机资源，以提升资源利用率；以及，能够通过对图像块的筛选，提升对于目标信息的标定精度

本示例实施方式中，可选的，根据特征向量对图像块进行筛选，以确定包含目标信息的图像块，包括：

将特征向量输入渐进级联目标生成网络，以通过渐进级联目标生成网络对图像块进行筛选，得到包含目标信息的图像块。

本示例实施方式中，渐进级联目标生成网络是将对图像内容提出深度特征和筛选图像块的操作进行融合，从而能够减轻网络计算的复杂度，改善对图像进行分类时冗余度较高的问题。

可见，实施该可选的实施方式，能够通过渐进式的目标生成网络筛选出包含目标信息的图像块，提升对于目标信息的标定精度。

本示例实施方式中，可选的，该基于人工智能的目标信息确定方法还包括：

根据预设图像的预设矩形框随机生成多个相关的矩形框；

确定相关的矩形框与预设矩形框的交集与并集的比例；

若比例大于预设比例阈值，则确定预设矩形框包括目标信息，以根据预设矩形框和目标信息训练渐进级联目标生成网络。

本示例实施方式中，上述步骤是对渐进级联目标生成网络的训练过程。渐进级联目标生成网络中包括第一目标生成子网络、第二目标生成子网络以及第三目标生成子网络。

具体地，在训练每个目标生成子网络时可以利用已标注好的视频数据进行训练工作。在每个标注的真值框(即，上述的预设矩形框)附近，可以随机的生成多个相关的矩形框，进而，基于每个框与真值框的交集与并集的比例来确定该框的属性，即，物体属性或背景属性。其中，真值框可以理解为可能包含目标信息的矩形框。此外，比例针对不同的子网络不同。在训练第一目标生成子网络时，采用的比例阈值低于训练第二目标生成子网络采用的比例阈值，同理，训练第二目标生成子网络采用的比例阈值低于训练第三目标生成子网络采用的比例阈值。如果矩形框的交并比(即，上述的交集与并集的比例)高于其对应的阈值，则可以认为该矩形框对应的图像块应该标注为目标物体，从而利用该框的图像内容和对应标注训练对应的子网络。

另外，在第二目标生成子网络和第三目标生成子网络的训练过程中可以采用逐步提高比例阈值的方式进行数据准备工作。这样的数据准备方式跟其特征表达有关，在初始的特征提取层中采用阈值较低的方式产生训练数据，是因为此时提取出的特征为底层特征，其对物体属性不敏感，因此可以尽可能的保留该矩形框。在第二目标生成子网络和第三目标生成子网络中，提取出的深度特征偏向高级特征，关注于物体整体的属性，故，对于目标框的判断趋于严格。

可见，实施该可选的实施方式，能够通过不同的比例阈值对目标生成子网络进行训练，能够提升对于图像块中的目标信息的确定精度，提升获取目标信息的效率。

本示例实施方式中，可选的，根据特征向量对图像块进行筛选，以确定包含目标信息的图像块，包括：

根据特征向量以及第一目标生成子网络对图像块进行筛选，得到第一图像块；

对第一图像块进行卷积，并根据卷积得到的特征向量以及第二目标生成子网络对第一图像块进行筛选，得到第二图像块；

对第二图像块进行卷积，并根据卷积得到的特征向量以及第三目标生成子网络对第二图像块进行筛选，得到第三图像块，作为包含目标信息的图像块；

其中，第一图像块的数量小于图像块的图像，第二图像块的数量小于第一图像块的数量，第三图像块的数量小于第二图像块的数量。

此外，需要说明的是，除了本公开中的一次和三次筛选过程，本公开的实施例还适用于两次或三次以上筛选过程，本公开的实施例不作限定。

本示例实施方式中，第一目标生成子网络基于第一预设比例阈值训练得到，第二目标生成子网络基于第二预设比例阈值训练得到，第三目标生成子网络基于第三预设比例阈值训练得到；其中，第一预设比例阈值小于第二预设比例阈值，第二预设比例阈值小于第三预设比例阈值。

可见，实施该可选的实施方式，能够通过对图像块的逐级筛选，以提升目标信息的获取效率，以及获取准确率。

本示例实施方式中，可选的，根据特征向量对图像块进行筛选，以确定包含目标信息的图像块之后，该基于人工智能的目标信息确定方法还包括：

将包含目标信息的图像块对应的特征向量输入全连接层；

根据全连接层的输出对筛选后的图像块进行目标信息标注。

进一步地，根据全连接层的输出对筛选后的图像块进行目标信息标注，包括：

通过全连接层对特征向量进行特征提取；

根据特征提取结果将筛选后的图像块确定为包含背景信息的图像块和包含目标信息的图像块；

对包含目标信息的图像块进行目标信息标注。

本示例实施方式中，全连接层输出的是拼接的特征向量，根据拼接的特征向量能够确定出图像块中的目标信息是物体信息还是背景信息。此外，全连接层包括多层，每一层可以根据前一层的拼接结果进行进一步的拼接。

本示例实施方式中，全连接层(fully connected layers，FC)在整个卷积神经网络中起到分类器的作用。如果卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的分布式特征表示映射到样本标记空间的作用。

可见，实施该可选的实施方式，能够将筛选后的特征向量进行全连接层拼接，以识别图像块中的目标信息，进而完成对于目标信息的标注。

请参阅图4，图4示意性示出了根据本公开的一个实施例中基于人工智能的目标信息确定方法的应用示意图。如图4所示，图4中包括输入渐进级联目标生成网络的当前帧图像，渐进级联目标生成网络包括三个目标生成子网络，由左到右分别为第一目标生成子网络、第二目标生成子网络以及第三目标生成子网络；

其中，在第一目标生成子网络前，当前帧图像需要先经过第一卷积层的卷积处理，再将第一卷积层的结果(即，图像块对应的特征向量)输入第一目标生成子网络，进而，经过第一目标生成子网络对图像块的筛选后，将筛选后的图像块输入第二卷积层，根据第二卷积层对于图像块的卷积处理将处理结果输入第二目标生成子网络，同理，第二目标生成子网络对筛选后的图像块进行进一步筛选，并将结果输入第三卷积层，根据第三卷积层对图像块的卷积处理将结果输入第三目标生成子网络，以使得第三目标生成子网络对第二目标生成子网络筛选后的图像块进行进一步筛选，以将筛选后的结果输入分类器，以对筛选后的图像块进行目标信息识别，即，识别图像块为背景信息还是物体信息，并将包括物体信息的图像块进行标注。

请参与图5，图5示意性示出了根据本公开的一个实施例中基于人工智能的目标信息确定方法的结构示意图。如图5所示，每一个输入特征图(即，上述的当前帧图像)首先经过卷积层转换为特征向量，进而，将该特征向量作为全连接层的输入，以生成目标框二分类的结果；其中，目标框即为上述的矩形框。需要说明的是，当前二分类为是否将该目标框传递至下一层的深度特征提取层，而非判别当前框包含目标物体还是背景。

可见，图4结合图5，能够在一定程度上克服图像中目标信息的标定效率不高的问题，进而提升图像中目标信息的标定效率；以及，能够通过对矩形框对应的图像块的筛选，减少信息识别所需的计算机资源，以提升资源利用率；以及，能够通过对图像块的筛选，提升对于目标信息的标定精度。

请参阅图6，图6示意性示出了根据本公开的一个实施例中基于人工智能的目标信息确定方法对于图像的处理结果示意图。如图6所示，展示的是渐进级联目标生成网络如何逐级精炼潜在的目标框，#020图像经过第一目标生成子网络得到第二行第一张的卷积响应图，经过第二目标生成子网络得到第三行第一张的卷积响应图，经过第三目标生成子网络得到第四行第一张的卷积响应图；同理，#116图像经过第一目标生成子网络得到第二行第二张的卷积响应图，经过第二目标生成子网络得到第三行第二张的卷积响应图，经过第三目标生成子网络得到第四行第二张的卷积响应图。其中，#020图像和#116图像分别为两张不同的当前帧图像。具体地，在逐级的提取特征和子网络的筛选中，可见，在最后卷积特征响应图中的目标框基本都涵盖了有语义的物体以待后续分类器进行判断。

进一步的，本示例实施方式中，还提供了一种基于人工智能的目标信息确定装置。该基于人工智能的目标信息确定装置可以应用于一服务器或终端设备。参考图7所示，该基于人工智能的目标信息确定装置可以包括：矩形框生成单元701、特征向量获取单元702以及图像块筛选单元703，其中：

矩形框生成单元701，用于根据前一帧图像中目标信息的标注位置在当前帧图像中生成多个矩形框；

特征向量获取单元702，用于对各矩形框对应的图像块进行卷积，得到与各图像块对应的特征向量；

图像块筛选单元703，用于根据特征向量对图像块进行筛选，以确定包含目标信息的图像块。

可见，实施图7所示的基于人工智能的目标信息确定装置，能够在一定程度上克服图像中目标信息的标定效率不高的问题，进而提升图像中目标信息的标定效率；以及，能够通过对矩形框对应的图像块的筛选，减少信息识别所需的计算机资源，以提升资源利用率；以及，能够通过对图像块的筛选，提升对于目标信息的标定精度。

在本公开的一种示例性实施例中，图像块筛选单元703根据特征向量对图像块进行筛选，以确定包含目标信息的图像块的方式具体为：

图像块筛选单元703将特征向量输入渐进级联目标生成网络，以通过渐进级联目标生成网络对图像块进行筛选，得到包含目标信息的图像块。

可见，实施该示例性实施例，能够通过渐进式的目标生成网络筛选出包含目标信息的图像块，提升对于目标信息的标定精度。

在本公开的一种示例性实施例中，该基于人工智能的目标信息确定装置还包括：比例确定单元(未图示)和网络训练单元(未图示)，其中：

矩形框生成单元701，还用于根据预设图像的预设矩形框随机生成多个相关的矩形框；

比例确定单元，用于确定相关的矩形框与预设矩形框的交集与并集的比例；

网络训练单元，用于在比例大于预设比例阈值时，确定预设矩形框包括目标信息，以根据预设矩形框和目标信息训练渐进级联目标生成网络。

可见，实施该示例性实施例，能够通过不同的比例阈值对目标生成子网络进行训练，能够提升对于图像块中的目标信息的确定精度，提升获取目标信息的效率。

在本公开的一种示例性实施例中，图像块筛选单元703根据特征向量对图像块进行筛选，以确定包含目标信息的图像块的方式具体为：

图像块筛选单元703根据特征向量以及第一目标生成子网络对图像块进行筛选，得到第一图像块；

图像块筛选单元703对第一图像块进行卷积，并根据卷积得到的特征向量以及第二目标生成子网络对第一图像块进行筛选，得到第二图像块；

图像块筛选单元703对第二图像块进行卷积，并根据卷积得到的特征向量以及第三目标生成子网络对第二图像块进行筛选，得到第三图像块，作为包含目标信息的图像块；

其中，第一图像块的数量小于图像块的图像，第二图像块的数量小于第一图像块的数量，第三图像块的数量小于第二图像块的数量。

进一步地，第一目标生成子网络基于第一预设比例阈值训练得到，第二目标生成子网络基于第二预设比例阈值训练得到，第三目标生成子网络基于第三预设比例阈值训练得到；

其中，第一预设比例阈值小于第二预设比例阈值，第二预设比例阈值小于第三预设比例阈值。

可见，实施该示例性实施例，能够通过对图像块的逐级筛选，以提升目标信息的获取效率，以及获取准确率。

在本公开的一种示例性实施例中，该基于人工智能的目标信息确定装置还包括特征向量输入单元(未图示)和信息标注单元(未图示)，其中：

特征向量输入单元，用于在根据特征向量对图像块进行筛选，以确定包含目标信息的图像块之后，将包含目标信息的图像块对应的特征向量输入全连接层；

信息标注单元，用于根据全连接层的输出对筛选后的图像块进行目标信息标注。

进一步地，信息标注单元根据全连接层的输出对筛选后的图像块进行目标信息标注的方式具体为：

信息标注单元通过全连接层对特征向量进行特征提取；

信息标注单元根据特征提取结果将筛选后的图像块确定为包含背景信息的图像块和包含目标信息的图像块；

信息标注单元对包含目标信息的图像块进行目标信息标注。

可见，实施该示例性实施例，能够将筛选后的特征向量进行全连接层拼接，以识别图像块中的目标信息，进而完成对于目标信息的标注。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

由于本公开的示例实施例的基于人工智能的目标信息确定装置的各个功能模块与上述基于人工智能的目标信息确定方法的示例实施例的步骤对应，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的基于人工智能的目标信息确定方法的实施例。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种基于人工智能的目标信息确定方法，其特征在于，包括：

根据前一帧图像中目标信息的标注位置在当前帧图像中生成多个矩形框；

对各所述矩形框对应的图像块进行卷积，得到与各所述图像块对应的特征向量；

根据所述特征向量对所述图像块进行筛选，以确定包含所述目标信息的图像块。

2.根据权利要求1所述的方法，其特征在于，根据所述特征向量对所述图像块进行筛选，以确定包含所述目标信息的图像块，包括：

将所述特征向量输入渐进级联目标生成网络，以通过所述渐进级联目标生成网络对所述图像块进行筛选，得到包含所述目标信息的图像块。

3.根据权利要求2所述的方法，其特征在于，还包括：

根据预设图像的预设矩形框随机生成多个相关的矩形框；

确定所述相关的矩形框与所述预设矩形框的交集与并集的比例；

若所述比例大于预设比例阈值，则确定所述预设矩形框包括所述目标信息，以根据所述预设矩形框和所述目标信息训练所述渐进级联目标生成网络。

4.根据权利要求1所述的方法，其特征在于，根据所述特征向量对所述图像块进行筛选，以确定包含所述目标信息的图像块，包括：

根据所述特征向量以及第一目标生成子网络对所述图像块进行筛选，得到第一图像块；

对所述第一图像块进行卷积，并根据卷积得到的特征向量以及第二目标生成子网络对所述第一图像块进行筛选，得到第二图像块；

对所述第二图像块进行卷积，并根据卷积得到的特征向量以及第三目标生成子网络对所述第二图像块进行筛选，得到第三图像块，作为包含所述目标信息的图像块；

其中，所述第一图像块的数量小于所述图像块的图像，所述第二图像块的数量小于所述第一图像块的数量，所述第三图像块的数量小于所述第二图像块的数量。

5.根据权利要求4所述的方法，其特征在于，第一目标生成子网络基于第一预设比例阈值训练得到，第二目标生成子网络基于第二预设比例阈值训练得到，第三目标生成子网络基于第三预设比例阈值训练得到；

其中，所述第一预设比例阈值小于所述第二预设比例阈值，所述第二预设比例阈值小于所述第三预设比例阈值。

6.根据权利要求1所述的方法，其特征在于，根据所述特征向量对所述图像块进行筛选，以确定包含所述目标信息的图像块之后，还包括：

将所述包含所述目标信息的图像块对应的特征向量输入全连接层；

根据所述全连接层的输出对筛选后的图像块进行目标信息标注。

7.根据权利要求6所述的方法，其特征在于，根据所述全连接层的输出对筛选后的图像块进行目标信息标注，包括：

通过所述全连接层对所述特征向量进行特征提取；

根据特征提取结果将筛选后的图像块确定为包含背景信息的图像块和包含目标信息的图像块；

对所述包含目标信息的图像块进行目标信息标注。

8.一种基于人工智能的目标信息确定装置，其特征在于，包括：

矩形框生成单元，用于根据前一帧图像中目标信息的标注位置在当前帧图像中生成多个矩形框；

特征向量获取单元，用于对各所述矩形框对应的图像块进行卷积，得到与各所述图像块对应的特征向量；

图像块筛选单元，用于根据所述特征向量对所述图像块进行筛选，以确定包含所述目标信息的图像块。

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1-7任一项所述的方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的方法。