CN111062313A - 一种图像识别方法、装置、监控系统及存储介质 - Google Patents

Abstract

本申请公开了一种图像识别方法，所述应用于与从拍摄装置连接的主拍摄装置，包括拍摄目标区域在目标时刻的第一图像，并计算所述第一图像中包括目标物体的第一置信度；接收所述从拍摄装置传输的第二置信度；根据所述第一置信度和所述第二置信度确定综合置信度；判断所述综合置信度是否大于置信度阈值；若是，则判定检测到所述目标物体。本申请能够降低目标物体位置对于图像识别的影响，提高图像识别的准确率。本申请还公开了一种图像识别装置、一种存储介质及一种电子设备，具有以上有益效果。

Description

一种图像识别方法、装置、监控系统及存储介质

技术领域

本申请涉及图像处理技术领域，特别涉及一种图像识别方法、图像识别装置、一种监控系统及一种存储介质。

背景技术

现有的安防领域广泛使用摄像头进行监控，摄像头除了可以进行自动录像和拍照。现有技术中的摄像头已经具备人物识别功能，可以识别图像中出现的人物并进行相关的告警操作。但是上述人物识别方案均是基于单摄像头的实现，如果有人侧面迎着摄像头行走，则摄像头将无法识别出这个人物。

因此，如何提高图像识别的准确率是本领域技术人员目前需要解决的技术问题。

发明内容

本申请的目的是提供一种图像识别方法、图像识别装置、一种监控系统及一种存储介质，能够提高图像识别的准确率。

为解决上述技术问题，本申请提供一种图像识别方法，应用于与从拍摄装置连接的主拍摄装置，该图像识别方法包括：

拍摄目标区域在目标时刻的第一图像，并计算所述第一图像中包括目标物体的第一置信度；

接收所述从拍摄装置传输的第二置信度；其中，所述第二置信度为第二图像中包括所述目标物体的置信度，所述第二图像为所述从拍摄装置在所述目标时刻拍摄所述目标区域得到的图像，所述主拍摄装置和所述从拍摄装置的拍摄夹角大于0度；

根据所述第一置信度和所述第二置信度确定综合置信度；

判断所述综合置信度是否大于置信度阈值；若是，则判定检测到所述目标物体。

可选的，根据所述第一置信度和所述第二置信度确定综合置信度，包括：

判断所述第一置信度和/或所述第二置信度是否大于所述置信度阈值；

若是，则将大于所述置信度阈值的所述第一置信度或所述第二置信度作为所述综合置信度；

若否，则计算所述第一置信度和所述第二置信度的置信度平均值，并将所述置信度平均值与加权常数的乘积作为所述综合置信度。

可选的，所述主拍摄装置和所述从拍摄装置的拍摄高度相同；

当所述从拍摄装置的数量为1时，所述主拍摄装置的拍摄方向与所述从拍摄装置的拍摄方向垂直；其中，所述拍摄方向为拍摄装置镜头与所述目标区域的中心点的连线方向；

当所述从拍摄装置的数量为N时，任意两个相邻的拍摄装置的拍摄方向夹角等于N36+01度。

可选的，计算所述第一图像中包括目标物体的第一置信度，包括：

将所述第一图像输入至AI引擎，根据所述AI引擎的输出结果确定所述第一图像中包括所述目标物体的所述第一置信度。

可选的，在拍摄目标区域在目标时刻的第一图像之前，还包括：

确定所述目标区域中的待检测物体；

将所述主拍摄装置的镜头角度调整至最优镜头角度，以使所述待检测物体的轮廓面积最大；

相应的，拍摄目标区域在目标时刻的第一图像包括：

在所述最优镜头角度下拍摄所述目标区域在所述目标时刻的所述第一图像。

可选的，确定所述目标区域中的待检测物体包括：

对所述主拍摄装置的成像画面执行背景去除操作，根据所述背景去除结果确定所述目标区域中的所述待检测物体。

可选的，在判定检测到所述目标物体之后，还包括：

将所述第一图像和所述第二图像中置信度最大的图像设置为目标图像；

判断所述目标图像中所述目标物体对应的像素数量是否大于预设像素数量；

若否，则调整拍摄所述目标图像的拍摄装置的镜头倍率，以使拍摄所述目标图像的拍摄装置拍摄的下一张图像中所述目标物体对应的像素数量大于所述预设像素数量。

本申请还提供了一种图像识别装置，该装置包括：

图像拍摄模块，用于拍摄目标区域在目标时刻的第一图像，并计算所述第一图像中包括目标物体的第一置信度；

数据接收模块，用于接收所述从拍摄装置传输的第二置信度；其中，所述第二置信度为第二图像中包括所述目标物体的置信度，所述第二图像为所述从拍摄装置在所述目标时刻拍摄所述目标区域得到的图像，所述主拍摄装置和所述从拍摄装置的拍摄夹角大于0度；

置信度确定模块，用于根据所述第一置信度和所述第二置信度确定综合置信度；

置信度判断模块，用于判断所述综合置信度是否大于置信度阈值；若是，则判定检测到所述目标物体。

本申请还提供了一种监控系统，包括：

主拍摄装置，用于拍摄目标区域在目标时刻的第一图像，并计算所述第一图像中包括目标物体的第一置信度；还用于接收所述从拍摄装置传输的第二置信度；其中，所述第二置信度为第二图像中包括所述目标物体的置信度，所述第二图像为所述从拍摄装置在所述目标时刻拍摄所述目标区域得到的图像，所述主拍摄装置和所述从拍摄装置的拍摄夹角大于0度；还用于根据所述第一置信度和所述第二置信度确定综合置信度；还用于判断所述综合置信度是否大于置信度阈值；若是，则判定检测到所述目标物体，并向服务器传输识别结果；

所述从拍摄装置，用于拍摄所述目标区域在所述目标时刻的第二图像，并计算所述第二图像中包括所述目标物体的所述第二置信度；还用于将所述第二置信度传输至所述主拍摄装置；

所述服务器，用于接收所述主拍摄装置传输的识别结果，并根据所述识别结果生成对应的提示信息。

本申请还提供了一种存储介质，其上存储有计算机程序，所述计算机程序执行时实现上述图像识别方法执行的步骤。

本申请提供了一种图像识别方法，应用于与从拍摄装置连接的主拍摄装置，包括：拍摄目标区域在目标时刻的第一图像，并计算所述第一图像中包括目标物体的第一置信度；接收所述从拍摄装置传输的第二置信度；其中，所述第二置信度为第二图像中包括所述目标物体的置信度，所述第二图像为所述从拍摄装置在所述目标时刻拍摄所述目标区域得到的图像，所述主拍摄装置和所述从拍摄装置的拍摄夹角大于0度；根据所述第一置信度和所述第二置信度确定综合置信度；判断所述综合置信度是否大于置信度阈值；若是，则判定检测到所述目标物体。

本申请利用主拍摄装置和从拍摄装置对目标区域分别进行图像拍摄，主拍摄装置与从拍摄装置的拍摄角度不同。主拍摄装置在拍摄目标区域在目标时刻的第一图像后，可以计算第一图像包括目标物体的第一置信度。从拍摄装置在拍摄目标区域在目标时刻的第二图像后，可以计算第二图像包括目标物体的第二置信度并将第二置信度传输至主拍摄装置。主拍摄装置可以根据第一置信度和所述第二置信度确定综合置信度，进而结合综合置信度判定是否检测到目标物体。由于主拍摄装置和从拍摄装置的拍摄夹角大于0度，因此第一图像和第二图像为不同角度下拍摄的目标区域的图像，能够降低目标物体位置对于图像识别的影响，能够提高图像识别的准确率。本申请同时还提供了一种图像识别装置、一种监控系统和一种存储介质，具有上述有益效果，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为本申请实施例所提供的一种图像识别方法的流程图；

图2为本申请实施例所提供的一种综合置信度计算方法的流程图；

图3为本申请实施例所提供的一种拍摄装置布置方式的俯视图；

图4为本申请实施例所提供的一种图像识别装置的结构示意图；

图5为本申请实施例所提供的一种监控系统的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

下面请参见图1，图1为本申请实施例所提供的一种图像识别方法的流程图。

具体步骤可以包括：

S101：拍摄目标区域在目标时刻的第一图像，并计算所述第一图像中包括目标物体的第一置信度；

其中，其中本实施例可以应用于监控系统中的主拍摄装置，监控系统中可以包括主拍摄装置和任意数量个从拍摄装置，主拍摄装置可以与任一从拍拍摄装置连接并接收从拍摄装置传输的数据。主拍摄装置还可以与服务器连接，当主拍摄装置或从拍摄装置拍摄到包括目标物体的图像时，可以向服务器发送报警信息。

在主拍摄装置拍摄目标区域在目标时刻的第一图像后，主拍摄装置可以利用AI(Artificial Intelligence，人工智能)引擎计算第一图像中包括目标物体的第一置信度。第一置信度为用于描述第一图像中包括目标物体的概率的信息，第一置信度越大第一图像中包括目标物体的概率越大。可以理解的是，在目标时刻，从拍摄装置可以拍摄目标区域在目标时刻的第二图像，从拍摄装置可以利用AI引擎计算所述第二图像中包括目标物体的第二置信度，并将第二置信度传输至主拍摄装置。作为一种可行的实施方式，主拍摄装置和每一从拍摄装置中均可以设有AI引擎，用于计算拍摄图像的置信度。因此计算所述第一图像中包括目标物体的第一置信度的过程可以为：将所述第一图像输入至AI引擎，根据所述AI引擎的输出结果确定所述第一图像中包括所述目标物体的所述第一置信度。

本实施例可以根据实际应用场景设置目标物体的具体种类，例如目标物体可以为人物、车辆或飞行器。可以理解的是，本实施例中主拍摄装置和从拍摄装置中的AI引擎为经过样本训练的引擎，在本步骤之前可以存在获取目标物体对应的训练样本，利用训练样本训练AI引擎的操作。

S102：接收所述从拍摄装置传输的第二置信度；

其中，在本步骤之前可以存在从拍摄装置传输第二置信度的操作，第二置信度为第二图像中包括所述目标物体的置信度，所述第二图像为所述从拍摄装置在所述目标时刻拍摄所述目标区域得到的图像。在本实施例中，主拍摄装置和从拍摄装置的拍摄夹角大于0度，即主拍摄装置拍摄的第一图像和从拍摄装置拍摄的第二图像为拍摄装置从不同角度拍摄目标区域的图像。作为一种可行的实施方式，第一拍摄装置与第二拍摄装置的安装高度相同，拍摄夹角为第一拍摄装置镜头中轴线与第二拍摄装置镜头中轴线的夹角。

S103：根据所述第一置信度和所述第二置信度确定综合置信度；

其中，在得到第一置信度和第二置信度后确定目标区域内存在目标物体的综合置信度，以便基于该置信度判定是否检测到目标物体。由于第一置信度为第一图像包括目标物体的置信度，第二置信度为第二图像包括目标物体的置信度，由于第一图像和第二图像为从不同角度拍摄目标区域得到的图像，因此第一置信度和第二置信度分别代表不同角度下拍摄的目标区域中包括目标物体的置信度，根据第一置信度和第二置信度确定的综合置信度能够综合评价目标区域包括目标物体的概率。

S104：判断综合置信度是否大于置信度阈值；若是，则进入S105；若否，则进入S106；

S105：判定检测到目标物体。

S106：判定未检测到目标物体。

其中，本实施例可以设置置信度阈值，当综合置信度大于置信度阈值时判定目标区域中存在目标物体，当综合置信度小于或等于置信度阈值时判定目标区域中不存在目标物体。

本实施例利用主拍摄装置和从拍摄装置对目标区域分别进行图像拍摄，主拍摄装置与从拍摄装置的拍摄角度不同。主拍摄装置在拍摄目标区域在目标时刻的第一图像后，可以计算第一图像包括目标物体的第一置信度。从拍摄装置在拍摄目标区域在目标时刻的第二图像后，可以计算第二图像包括目标物体的第二置信度并将第二置信度传输至主拍摄装置。主拍摄装置可以根据第一置信度和所述第二置信度确定综合置信度，进而结合综合置信度判定是否检测到目标物体。由于主拍摄装置和从拍摄装置的拍摄夹角大于0度，因此第一图像和第二图像为不同角度下拍摄的目标区域的图像，能够降低目标物体位置对于图像识别的影响，能够提高图像识别的准确率。

下面请参见图2，图2为本申请实施例所提供的一种综合置信度计算方法的流程图，本实施例是对图1对应的实施例中S103的进一步介绍，可以将本实施例与图1对应的实施例相结合得到更为优选的实施方式，本实施例可以包括以下步骤：

S201：判断第一置信度和/或所述第二置信度是否大于置信度阈值；若是，则进入S202；若否，则进入S203；

S202；将大于置信度阈值的第一置信度或第二置信度作为综合置信度；

S203：计算第一置信度和第二置信度的置信度平均值，并将置信度平均值与加权常数的乘积作为综合置信度。

其中，本实施例中的S201相关操作用于检测主拍摄装置和从拍摄装置拍摄的所有图像中是否存在置信度大于置信度阈值的图像，因此S201的相关操作可以包括以下三种判断方式：方式一，判断第一置信度是否大于置信度阈值；方式二，判断第二置信度是否大于置信度阈值，方式三，判断第一置信度和第二置信度是否均大于置信度阈值。若第一置信度大于置信度阈值则可以执行S202的操作，若第二置信度大于置信度阈值则可以执行S202的操作，第一置信度和第二置信度均大于置信度阈值则可以执行S202的操作，若第一置信度和第二置信度均小于或等于置信度阈值则可以执行S203的操作。

具体的，主拍摄装置的第一置信度生成时刻与主拍摄装置接收到第二置信度的时刻可以是不相同的，作为一种可行的实施方式，本实施例可以在计算得到第一置信度且接收到第二置信度之后执行S201的判断操作。此外，作为另一种可行的实施方式，本实施例可以在得到第一置信度或第二置信度二者中的一个置信度时即判断是否大于置信度阈值。例如，若主拍摄装置在得到第一置信度时并未接收到从拍摄装置传输的第二置信度，此时可以先判断第一置信度是否大于置信度阈值，若第一置信度大于置信度阈值则可以执行S202的相关操作，若第一置信度小于或等于置信度阈值则可以等待接收第二置信度。在接收到第二置信度后可以判断第二置信度是否大于置信度阈值；若第二置信度大于置信度阈值则可以执行S202的相关操作，若第二置信度小于或等于置信度阈值则可以执行S203的相关操作。当然，本实施例还可以存在先接收到第二置信度，后计算出第一置信度的情况，此时可以先判断第二置信度是否大于置信度阈值，若第二置信度大于置信度阈值则可以执行S202的相关操作，若第二置信度小于或等于置信度阈值则可以等待第一置信度的计算。在计算出第一置信度后可以判断第一置信度是否大于置信度阈值；若第一置信度大于置信度阈值则可以执行S202的相关操作，若第一置信度小于或等于置信度阈值则可以执行S203的相关操作。

此外，本实施例还可以在得到第一置信度且接收到第二置信度之后，判断第一置信度和第二置信度是否均大于置信度阈值，若是则执行S202的相关操作，若否则判断第一置信度是否大于置信度阈值；若第一置信度大于置信度阈值，则执行S202的相关操作，若第一置信度小于或等于置信度阈值，则判断第二置信度是否大于置信度阈值；若第二置信度大于置信度阈值，则执行S202的相关操作，若第二置信度小于或等于置信度阈值，则执行S203的相关操作。

当本实施例将第一置信度和第二置信度均与置信度阈值进行对比时，若第一置信度大于置信度阈值且第二置信度小于或等于置信度阈值时可以将第一置信度作为综合置信度，若第二置信度大于置信度阈值且第一置信度小于或等于置信度阈值时可以将第二置信度作为综合置信度，第一置信度和第二置信度均大于置信度阈值时可以将第一置信度和第二置信度中数值较大的置信度作为综合置信度。若第一置信度和第二置信度均小于置信度阈值时可以执行S203的相关操作，计算第一置信度与所有第二置信度的置信度平均值，将置信度平均值乘以加权常数得到综合置信度。作为一种可行的实施方式，本实施例中的加权常数可以为大于1的经验值。

作为一种另一种可行的实施方式，可以通过综合置信度计算公式计算综合置信度，具体过程如下利用第一公式确定置信度最大值C1，利用第二公式计算置信度综合值C2，利用第三公式计算综合置信度C。

第一公式为C1＝max(c₁，c₂，c₃，…，c_n)；c_i为第i个拍摄装置，i∈(0<i≤n)。

第二公式为C2＝D*(c₁+c₂+c₃+…+c_n)/n；D为加权常数，n≥2。

第三公式为C＝max(C1，C2)。

举例说明上述计算综合置信度，利用综合置信度判断目标区域内是否存在目标物体的实施过程。以目标区域中的1个主摄像头和2个从摄像头为例，摄像头中设置有实时运行的AI引擎，摄像头不停的将新获取的每一帧图像都输出给AI引擎，所以三个摄像头都会持续不断的输出人物的置信度(未检测到人时置信度会输出0)，从摄像头会将自身检测到的置信度发送给主摄像头。主摄像头不停的采用上述计算综合置信度的方法来将自己获取的置信度与从摄像头上报的最新的置信度进行计算得到综合置信度。若目标时刻一个人进入了被监控区域(即目标区域)，从摄像头将检测到的人物的置信度发送给主摄像头，主摄像头拿自身计算的置信度与最新获取到的从摄像头的置信度数据用上述计算综合置信度的方法来进行计算。如果人物通过某种伪装使自己的外观比较难以辨识，若此时三个摄像头的AI输出的人物置信度均为60％，但是采用上述综合置信度计算方法之后就会发现综合置信度为：

(60％+60％+60％)/3*1.5＝90％

上述综合置信度计算方法中加权系数为1.5。90％的置信度表示检测到人的几率非常大，若监控系统中的人物触发的阈值是85％，那90％就会产生人物检测告警，二单摄像头的60％是不足以触发告警的。由此可见采用本实施所提供的图像检测方式可以显著提升人物检测的灵敏度。上述方案通过多个角度消除了人物识别的死角，采用综合的置信度算法来提高了识别率，能提高监控摄像头人物识别的准确度。

请参见图3，图3为本申请实施例所提供的一种拍摄装置布置方式的俯视图，作为对于图1对应实施例的进一步介绍，本实施例中主拍摄装置和所述从拍摄装置的拍摄高度相同；如图3所示当所述从拍摄装置的数量为1时，所述主拍摄装置的拍摄方向与所述从拍摄装置的拍摄方向垂直；其中，所述拍摄方向为拍摄装置镜头与所述目标区域的中心点的连线方向。

作为另一种可行的实施方式当所述从拍摄装置的数量为N时，任意两个相邻的拍摄装置的拍摄方向夹角等于

度。例如，当从拍摄装置为2时任意两个相邻的拍摄装置的拍摄方向夹角等于120度，当从拍摄装置为3时任意两个相邻的拍摄装置的拍摄方向夹角等于90度。

作为对于图1对应实施例的进一步补充，在S101拍摄目标区域在目标时刻的第一图像之前，主拍摄装置还可以先确定所述目标区域中的待检测物体；将所述主拍摄装置的镜头角度调整至最优镜头角度，以使所述待检测物体的轮廓面积最大，进而在所述最优镜头角度下拍摄所述目标区域在所述目标时刻的所述第一图像。

本实施例中的主拍摄装置和从拍摄装置均可以为能够自由转动的拍摄装置，通过转动调整镜头角度以使待拍摄物体在主拍摄装置和从拍摄装置中成像最大。作为一种可行的实施方式，确定所述目标区域中的待检测物体的方法可以为：对所述主拍摄装置的成像画面执行背景去除操作，根据所述背景去除结果确定所述目标区域中的所述待检测物体。目标物体通常为从目标区域外进入目标区域的物体，本实施例可以预先确定目标区域的背景图像(即不包括目标物体的图像)，通过对成像画面执行背景去除操作确定待检测物体。

作为对于图1对应实施例的进一步补充，在判定检测到所述目标物体之后，还可以将所述第一图像和所述第二图像中置信度最大的图像设置为目标图像；判断所述目标图像中所述目标物体对应的像素数量是否大于预设像素数量；若否，则调整拍摄所述目标图像的拍摄装置的镜头倍率，以使拍摄所述目标图像的拍摄装置拍摄的下一张图像中所述目标物体对应的像素数量大于所述预设像素数量。通过上述方法能够避免目标物体在主拍摄装置或从拍摄装置的成像画面中的图像面积过小，提高监控的灵活性。

请参见图4，图4为本申请实施例所提供的一种图像识别装置的结构示意图；

该装置可以包括：

图像拍摄模块100，用于拍摄目标区域在目标时刻的第一图像，并计算所述第一图像中包括目标物体的第一置信度；

数据接收模块200，用于接收所述从拍摄装置传输的第二置信度；其中，所述第二置信度为第二图像中包括所述目标物体的置信度，所述第二图像为所述从拍摄装置在所述目标时刻拍摄所述目标区域得到的图像，所述主拍摄装置和所述从拍摄装置的拍摄夹角大于0度；

置信度确定模块300，用于根据所述第一置信度和所述第二置信度确定综合置信度；

置信度判断模块400，用于判断所述综合置信度是否大于置信度阈值；若是，则判定检测到所述目标物体。

本实施例利用主拍摄装置和从拍摄装置对目标区域分别进行图像拍摄，主拍摄装置与从拍摄装置的拍摄角度不同。主拍摄装置在拍摄目标区域在目标时刻的第一图像后，可以计算第一图像包括目标物体的第一置信度。从拍摄装置在拍摄目标区域在目标时刻的第二图像后，可以计算第二图像包括目标物体的第二置信度并将第二置信度传输至主拍摄装置。主拍摄装置可以根据第一置信度和所述第二置信度确定综合置信度，进而结合综合置信度判定是否检测到目标物体。由于主拍摄装置和从拍摄装置的拍摄夹角大于0度，因此第一图像和第二图像为不同角度下拍摄的目标区域的图像，能够降低目标物体位置对于图像识别的影响，能够提高图像识别的准确率。

进一步的，置信度确定模块300用于判断所述第一置信度和/或所述第二置信度是否大于所述置信度阈值；若是，则将大于所述置信度阈值的所述第一置信度或所述第二置信度作为所述综合置信度；若否，则计算所述第一置信度和所述第二置信度的置信度平均值，并将所述置信度平均值与加权常数的乘积作为所述综合置信度。

进一步的，所述主拍摄装置和所述从拍摄装置的拍摄高度相同；

当所述从拍摄装置的数量为1时，所述主拍摄装置的拍摄方向与所述从拍摄装置的拍摄方向垂直；其中，所述拍摄方向为拍摄装置镜头与所述目标区域的中心点的连线方向；

当所述从拍摄装置的数量为N时，任意两个相邻的拍摄装置的拍摄方向夹角等于

度。

进一步的，图像拍摄模块100包括：

拍摄单元，用于拍摄目标区域在目标时刻的第一图像；

置信度计算单元，用于将所述第一图像输入至AI引擎，根据所述AI引擎的输出结果确定所述第一图像中包括所述目标物体的所述第一置信度。

进一步的，还包括：

待检测物体确定模块，用于在拍摄目标区域在目标时刻的第一图像之前，确定所述目标区域中的待检测物体；

镜头角度调整模块，用于将所述主拍摄装置的镜头角度调整至最优镜头角度，以使所述待检测物体的轮廓面积最大，以便图像拍摄模块100在所述最优镜头角度下拍摄所述目标区域在所述目标时刻的所述第一图像。

进一步的，待检测物体确定模块用于对所述主拍摄装置的成像画面执行背景去除操作，根据所述背景去除结果确定所述目标区域中的所述待检测物体。

进一步的，还包括：

目标图像设置模块，用于在判定检测到所述目标物体之后，将所述第一图像和所述第二图像中置信度最大的图像设置为目标图像；

像素数量调整模块，用于判断所述目标图像中所述目标物体对应的像素数量是否大于预设像素数量；若否，则调整拍摄所述目标图像的拍摄装置的镜头倍率，以使拍摄所述目标图像的拍摄装置拍摄的下一张图像中所述目标物体对应的像素数量大于所述预设像素数量。

由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。

本申请还提供了一种存储介质，其上存有计算机程序，该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

请参见图5，图5为本申请实施例所提供的一种监控系统的结构示意图，图5中的主机即主拍摄装置，从机即从拍摄装置。该监控系统可以包括：

主拍摄装置，用于拍摄目标区域在目标时刻的第一图像，并计算所述第一图像中包括目标物体的第一置信度；还用于接收所述从拍摄装置传输的第二置信度；其中，所述第二置信度为第二图像中包括所述目标物体的置信度，所述第二图像为所述从拍摄装置在所述目标时刻拍摄所述目标区域得到的图像，所述主拍摄装置和所述从拍摄装置的拍摄夹角大于0度；还用于根据所述第一置信度和所述第二置信度确定综合置信度；还用于判断所述综合置信度是否大于置信度阈值；若是，则判定检测到所述目标物体，并向服务器传输识别结果；

所述从拍摄装置，用于拍摄所述目标区域在所述目标时刻的第二图像，并计算所述第二图像中包括所述目标物体的所述第二置信度；还用于将所述第二置信度传输至所述主拍摄装置；

所述服务器，用于接收所述主拍摄装置传输的识别结果，并根据所述识别结果生成对应的提示信息。

本实施例利用多个具有人物识别功能的摄像头来对同一个区域进行不同角度的采集，在采集过程中一个摄像头作为主拍摄装置，负责将识别结果发送到服务器，其余的摄像头为从拍摄装置，只负责采集图像并进行人物识别，将识别结果发送给主摄像头。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的状况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种图像识别方法，其特征在于，应用于与从拍摄装置连接的主拍摄装置，包括：

拍摄目标区域在目标时刻的第一图像，并计算所述第一图像中包括目标物体的第一置信度；

接收所述从拍摄装置传输的第二置信度；其中，所述第二置信度为第二图像中包括所述目标物体的置信度，所述第二图像为所述从拍摄装置在所述目标时刻拍摄所述目标区域得到的图像，所述主拍摄装置和所述从拍摄装置的拍摄夹角大于0度；

根据所述第一置信度和所述第二置信度确定综合置信度；

判断所述综合置信度是否大于置信度阈值；若是，则判定检测到所述目标物体。

2.根据权利要求1所述图像识别方法，其特征在于，根据所述第一置信度和所述第二置信度确定综合置信度，包括：

判断所述第一置信度和/或所述第二置信度是否大于所述置信度阈值；

若是，则将大于所述置信度阈值的所述第一置信度或所述第二置信度作为所述综合置信度；

若否，则计算所述第一置信度和所述第二置信度的置信度平均值，并将所述置信度平均值与加权常数的乘积作为所述综合置信度。

3.根据权利要求1所述图像识别方法，其特征在于，所述主拍摄装置和所述从拍摄装置的拍摄高度相同；

当所述从拍摄装置的数量为1时，所述主拍摄装置的拍摄方向与所述从拍摄装置的拍摄方向垂直；其中，所述拍摄方向为拍摄装置镜头与所述目标区域的中心点的连线方向；

当所述从拍摄装置的数量为N时，任意两个相邻的拍摄装置的拍摄方向夹角等于

度。

4.根据权利要求1所述图像识别方法，其特征在于，计算所述第一图像中包括目标物体的第一置信度，包括：

将所述第一图像输入至AI引擎，根据所述AI引擎的输出结果确定所述第一图像中包括所述目标物体的所述第一置信度。

5.根据权利要求1所述图像识别方法，其特征在于，在拍摄目标区域在目标时刻的第一图像之前，还包括：

确定所述目标区域中的待检测物体；

将所述主拍摄装置的镜头角度调整至最优镜头角度，以使所述待检测物体的轮廓面积最大；

相应的，拍摄目标区域在目标时刻的第一图像包括：

在所述最优镜头角度下拍摄所述目标区域在所述目标时刻的所述第一图像。

6.根据权利要求5所述图像识别方法，其特征在于，确定所述目标区域中的待检测物体包括：

对所述主拍摄装置的成像画面执行背景去除操作，根据所述背景去除结果确定所述目标区域中的所述待检测物体。

7.根据权利要求1至6任一项所述图像识别方法，其特征在于，在判定检测到所述目标物体之后，还包括：

将所述第一图像和所述第二图像中置信度最大的图像设置为目标图像；

判断所述目标图像中所述目标物体对应的像素数量是否大于预设像素数量；

若否，则调整拍摄所述目标图像的拍摄装置的镜头倍率，以使拍摄所述目标图像的拍摄装置拍摄的下一张图像中所述目标物体对应的像素数量大于所述预设像素数量。

8.一种图像识别装置，其特征在于，包括：

图像拍摄模块，用于拍摄目标区域在目标时刻的第一图像，并计算所述第一图像中包括目标物体的第一置信度；

数据接收模块，用于接收所述从拍摄装置传输的第二置信度；其中，所述第二置信度为第二图像中包括所述目标物体的置信度，所述第二图像为所述从拍摄装置在所述目标时刻拍摄所述目标区域得到的图像，所述主拍摄装置和所述从拍摄装置的拍摄夹角大于0度；

置信度确定模块，用于根据所述第一置信度和所述第二置信度确定综合置信度；

置信度判断模块，用于判断所述综合置信度是否大于置信度阈值；若是，则判定检测到所述目标物体。

9.一种监控系统，其特征在于，包括：

主拍摄装置，用于拍摄目标区域在目标时刻的第一图像，并计算所述第一图像中包括目标物体的第一置信度；还用于接收所述从拍摄装置传输的第二置信度；其中，所述第二置信度为第二图像中包括所述目标物体的置信度，所述第二图像为所述从拍摄装置在所述目标时刻拍摄所述目标区域得到的图像，所述主拍摄装置和所述从拍摄装置的拍摄夹角大于0度；还用于根据所述第一置信度和所述第二置信度确定综合置信度；还用于判断所述综合置信度是否大于置信度阈值；若是，则判定检测到所述目标物体，并向服务器传输识别结果；

所述从拍摄装置，用于拍摄所述目标区域在所述目标时刻的第二图像，并计算所述第二图像中包括所述目标物体的所述第二置信度；还用于将所述第二置信度传输至所述主拍摄装置；

所述服务器，用于接收所述主拍摄装置传输的识别结果，并根据所述识别结果生成对应的提示信息。

10.一种存储介质，其特征在于，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如上权利要求1至7任一项所述图像识别方法的步骤。

Images