(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 202111651076.7 (22)申请日 2021.12.3 0 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 曾祁泽　朱树磊　殷俊　葛主贝　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 何倚雯 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/44(2022.01) G06K 9/62(2022.01) G06T 3/00(2006.01) G06V 40/10(2022.01)G06V 40/16(2022.01) (54)发明名称 目标识别方法、 电子设备及计算机可读存储 介质 (57)摘要 本申请公开了一种目标识别方法、 电子设备 及计算机可读存储介质。 该方法包括： 对待识别 目标的第一图像进行特征提取， 得到待识别特征 向量； 基于待识别特征向量对第一图像中的多个 局部区域进行遮挡预测， 得到第一遮挡预测结 果， 其中， 第一遮挡预测结果表示第一图像中的 每个局部区域是遮挡区域还是非遮挡区域； 响应 于第一图像的多个局部区域中存在遮挡区域， 从 待识别特征向量中， 确定遮挡区域对应的遮挡特 征向量和非遮挡区域对应的非遮挡特征向量； 基 于遮挡特征向量和非遮挡特征向量进行类别预 测， 以得到待识别目标的识别结果。 通过上述方 式， 能够使得目标识别更加贴近人眼的习惯， 提 高目标识别的精度。 权利要求书2页 说明书8页 附图4页 CN 114549921 A 2022.05.27 CN 114549921 A 1.一种目标识别方法， 其特 征在于， 包括： 对待识别目标的第一图像进行 特征提取， 得到待识别特 征向量； 基于所述待识别特征向量对所述第 一图像中的多个局部区域进行遮挡预测， 得到第 一 遮挡预测结果， 其中， 所述第一遮挡 预测结果表示所述第一图像中的每个所述局部区域是 遮挡区域还是非遮挡区域； 响应于所述第一图像的多个局部区域中存在所述遮挡区域， 从所述待识别特征向量 中， 确定所述遮挡区域对应的遮挡特 征向量和所述非遮挡区域对应的非遮挡特 征向量； 基于所述遮挡特征向量和所述非遮挡特征向量进行类别预测， 以得到所述待识别目标 的识别结果。 2.根据权利要求1所述的方法， 其特征在于， 所述从所述待识别特征向量中， 确定所述 遮挡区域对应的遮挡特 征向量和所述非遮挡区域对应的非遮挡特 征向量， 包括： 基于所述局部区域与 特征维度的对应关系， 确定所述第 一图像中的每个所述局部区域 在所述待识别特 征向量中对应的特 征维度； 将所述遮挡区域所属的特征维度的特征值组成的特征向量作为所述遮挡特征向量， 将 所述非遮挡区域所属的特 征维度的特 征值组成的特 征向量作为所述非遮挡特 征向量。 3.根据权利要求2所述的方法， 在所述基于局部区域与 特征维度的对应关系， 确定所述 第一图像中的每个所述局部区域在所述待识别特征向量中对应的特征维度之前， 所述方法 进一步包括： 利用训练好的目标识别模型对多 张验证目标的第 二图像进行特征提取， 得到多个验证 特征向量， 其中， 多张所述第二图像的同一局部区域被遮挡， 所述同一局部区域作为待验证 的局部区域； 获取所述多个验证特征向量中各个所述特征维度的特征离散情况， 其中， 所述特征维 度的特征离散情况为所述多个验证特征向量中对应所述特征维度的特征值之间的离散程 度； 将所述待验证的局部区域与所述离 散程度小于 离散程度阈值的特 征维度相对应。 4.根据权利要求1所述的方法， 其特征在于， 在所述基于所述遮挡特征向量和所述非遮 挡特征向量进行类别预测， 以得到所述待识别目标的识别结果之前， 包括： 对候选目标的第三图像进行 特征提取， 得到候选特 征向量； 从所述候选特征向量中， 确定与所述遮挡特征向量对应的第一候选特征向量， 以及与 所述非遮挡特 征向量对应的第二 候选特征向量； 所述基于所述遮挡特征向量和所述非遮挡特征向量进行类别预测， 以得到所述待识别 目标的识别结果， 包括： 计算所述遮挡特征向量与 所述第一候选特征向量之间的第 一匹配度， 以及计算所述非 遮挡特征向量与所述第二 候选特征向量之间的第二匹配度； 依据对应的权重对所述第 一匹配度和所述第 二匹配度进行加权处理， 得到所述第 一图 像和所述第二图像之间的加权匹配度， 所述第一匹配度的权重小于所述第二匹配度 的权 重； 基于所述加权匹配度， 确定所述待识别目标 是否为所述 候选目标。 5.根据权利要求1所述的方法， 所述方法进一 步包括：权　利　要　求　书 1/2 页 2 CN 114549921 A 2响应于所述第 一图像的多个局部区域中存在所述遮挡区域， 基于所述待识别特征向量 进行类别预测， 以得到所述待识别目标的识别结果。 6.根据权利要求1所述的方法， 其特征在于， 所述方法是依据目标识别模型实现的， 所 述方法还 包括如下对所述目标识别模型训练的步骤： 利用所述目标识别模型对训练目标的第四图像进行 特征提取， 得到训练特 征向量； 利用所述目标识别模型基于所述训练目标特征向量对所述第四图像中的多个局部区 域进行遮挡预测， 得到第二遮挡预测结果； 基于所述第 二遮挡预测结果和遮挡真实结果之间的差异， 调 整所述目标识别模型的参 数。 7.根据权利要求6所述的方法， 其特征在于， 在所述利用所述目标识别模型对第四图像 进行特征提取， 得到训练特 征向量之前， 所述方法进一 步包括： 获取所述第四图像； 生成所述第四图像中的多个局部区域的遮挡指示信 息， 所述遮挡指示信 息指示需要被 遮挡的局部区域； 为所述需要被遮挡的局部区域生成填充像素值， 并将所述填充像素值填充至所述需要 被遮挡的局部区域， 以更新所述第四图像； 所述遮挡真实结果为所述遮挡指示信 息， 所述基于所述第 二遮挡预测结果和所述遮挡 真实结果之间的差异， 调整所述目标识别模型的参数， 包括： 基于所述第 二遮挡预测结果和所述遮挡指示信 息之间的差异， 调整所述目标识别模型 的参数。 8.根据权利要求6所述的方法， 其特 征在于， 所述方法进一 步包括： 基于所述训练特 征向量计算 L0范数； 基于所述 L0范数调整所述目标识别模型的参数。 9.根据权利要求6所述的方法， 其特 征在于， 所述方法进一 步包括： 利用所述目标识别模型基于所述训练特征向量进行类别预测， 得到所述训练目标的类 别预测结果； 基于所述类别预测结果， 调整所述目标识别模型的参数。 10.一种电子设备， 其特 征在于， 包括处 理器、 与所述处 理器连接的存 储器， 其中， 所述存储器存储有程序指令； 所述处理器用于执行所述存储器存储的所述程序指令以实现权利要求1 ‑9中任一项所 述的方法。 11.一种计算机可读存储介质， 其特征在于， 所述存储介质存储程序指令， 所述程序指 令被执行时实现如权利要求1 ‑9中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114549921 A 3