(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211359281.0 (22)申请日 2022.11.02 (71)申请人 苏州魔视智能科技有限公司 地址 215300 江苏省苏州市昆山市张浦镇 建德路40 5号 (72)发明人 李博宇　张如高　虞正华　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 陈刚 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 20/40(2022.01) G06T 7/136(2017.01)G06T 7/11(2017.01) (54)发明名称 目标识别方法、 装置、 电子设备和存 储介质 (57)摘要 本发明公开了一种目标识别方法、 装置、 电 子设备和存储介质， 所述方法包括： 将目标图像 分别输入至第一图像分割模型和第二图像分割 模型； 得到目标图像的第一类别和第二类别、 第 一类别对应的第一目标区域和第二类别对应的 第二目标区域； 在所述第一类别和所述第二类别 不同或所述第一坐标区域和所述第二坐标区域 的重叠度小于或等于阈值的情况下， 将所述第一 类别和所述第二类别的差异区域作为目标差异 区域； 所述目标差异区域是所述目标图像的部分 区域； 将所述目标差异区域输入至基于统计学习 理论的统计学习模型， 得到目标图像的第三类别 和所述第三类别在所述目标图像中的第三坐标 区域。 本发明提供的技术方案， 能够在一定程度 上提升图像识别的准确性。 权利要求书2页 说明书9页 附图3页 CN 115409991 A 2022.11.29 CN 115409991 A 1.一种目标识别方法， 其特 征在于， 所述方法包括： 将表示车辆周围环境的目标图像输入至第 一图像分割模型， 得到所述目标图像的第 一 类别和所述第一类别在所述 目标图像中的第一坐标区域； 以及， 将所述 目标图像输入至第 二图像分割模型， 得到所述目标图像的第二类别和所述第二类别 在所述目标图像中的第二 坐标区域； 所述第一图像分割模型和所述第二图像分割模型为异构模型； 在所述第一类别和所述第二类别不同或所述第一坐标区域和所述第二坐标区域的重 叠度小于或等于阈值的情况下， 将所述第一类别和所述第二类别的差异区域作为目标差异 区域； 所述目标差异区域是 所述目标图像的部分区域； 将所述目标差异区域输入至基于统计学习理论的统计学习 模型， 得到目标图像的第 三 类别和所述第三类别在所述目标图像中的第三 坐标区域。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 在所述第一类别和所述第二类别相同且所述第一坐标区域和所述第二坐标区域的重 叠度大于阈值的情况下， 将所述第一类别/所述第二类别， 以及第一坐标区域和所述第二坐 标区域的并集作为目标图像的分类结果。 3.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 若所述第三类别和所述第一类别/所述第二类别相同， 且所述第三坐标区域和所述第 一坐标区域/所述第二坐标区域的重叠度大于阈值的情况下， 将所述第三类别和所述第三 坐标区域作为目标图像的分类结果。 4.根据权利要求3所述的方法， 其特征在于， 所述第 一图像分割 模型的输出结果还包括 第一类别对应的第一置信度， 所述第二图像分割模型的输出结果还包括第二类别对应的第 二置信度， 所述统计学习模型 的输出结果还包括第三类别对应的第三置信度， 所述方法还 包括： 若所述第三类别和所述第一类别/所述第二类别不同和/或所述第三坐标区域和所述 第一坐标区域/所述第二坐标区域的重叠度小于或等于阈值的情况下， 将所述第一置信度、 第二置信度和第三置信度中的最大值对应的类别和坐标区域作为目标图像的分类结果。 5.根据权利要求3所述的方法， 其特 征在于， 所述方法还 包括： 若所述第三类别和所述第一类别/所述第二类别不同和/或所述第三坐标区域和所述 第一坐标区域/所述第二坐标区域的重叠度小于或等于阈值的情况下， 将所述第一类别、 所 述第二类别和所述第三类别中属于需要采取制动措施的类别及其对应的坐标区域作为目 标图像的分类结果。 6.根据权利要求1所述的方法， 其特征在于， 所述目标图像属于车辆在行驶过程中采集 的视频流数据中的一帧图像； 所述方法还 包括： 若所述第三类别和所述第一类别/所述第二类别不同和/或所述第三坐标区域和所述 第一坐标区域/所述第二坐标区域的重叠度小于或等于阈值的情况下， 在所述视频流数据 中选取与所述目标图像的采集时间间隔小于预设时间间隔的一帧或多帧图像作为参考图 像； 以所述目标差异区域作为掩膜数据对所述参考图像进行截取， 得到目标参考区域图 像； 将所述目标参考 区域图像输入至所述统计学习模型， 得到所述目标图像的参考类别和权　利　要　求　书 1/2 页 2 CN 115409991 A 2所述第三类别在所述目标图像中的参 考坐标区域； 若所述目标图像的参考类别和所述第 三类别相同， 以及所述第 三坐标区域和所述参考 坐标区域的重叠度大于阈值的情况下， 将所述第三类别和所述第三类别的分类结果作为目 标图像的分类结果。 7.根据权利要求1所述的方法， 其特征在于， 在所述第 一类别和所述第 二类别不同或所 述第一坐标区域和所述第二坐标区域的重叠度小于或等于阈值的情况下， 将所述第一类别 和所述第二类别的差异区域作为目标差异区域包括： 若所述第一类别和所述第 二类别不同， 将所述第 一坐标区域和所述第 二坐标区域并集 作为目标差异区域； 若所述第一类别和所述第 二类别相同， 且所述第 一坐标区域和所述第 二坐标区域的重 叠度小于或等于阈值的情况下， 将所述第一坐标区域和所述第二坐标区域的并集和所述第 一坐标区域和所述第二 坐标区域的交集的差集作为目标差异区域。 8.一种目标识别装置， 其特 征在于， 所述目标识别装置包括： 目标图像分割单元， 用于将表示车辆周围环境的目标图像输入至第一图像分割模型， 得到所述 目标图像的第一类别和所述第一类别在所述 目标图像中的第一坐标区域； 以及， 将所述目标图像输入至第二图像分割模型， 得到所述目标图像的第二类别和所述第二类别 在所述目标图像中的第二坐标区域； 所述第一图像分割模型和所述第二图像分割模型为异 构模型； 目标差异区域提取单元， 用于在所述第 一类别和所述第 二类别不同或所述第 一坐标区 域和所述第二坐标区域的重叠度小于或等于阈值的情况下， 将所述第一类别和所述第二类 别的差异区域作为目标差异区域； 所述目标差异区域是 所述目标图像的部分区域； 目标图像识别单元， 用于将所述目标差异区域输入至基于统计学习理论的统计学习 模 型， 得到目标图像的第三类别和所述第三类别在所述目标图像中的第三 坐标区域。 9.一种电子设备， 其特征在于， 所述电子设备包括处理器和存储器， 所述存储器用于存 储计算机程序， 所述计算机程序被所述处理器执行时， 实现如权利要求1至7中任一所述的 方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质用于存储计算机 程序， 所述计算机程序被处 理器执行时， 实现如权利要求1至7中任一所述的方法。权　利　要　求　书 2/2 页 3 CN 115409991 A 3