一种目标识别方法、装置、识别及存储介质与流程

1.本发明涉及视觉感知技术领域，尤其涉及一种目标识别方法、装置、设备及存储介质。


背景技术：

2.随着时代的发展，人民生活品质不断提高，汽车逐渐走入千家万户并成为出行的主要交通工具之一。而在智能驾驶功能的应用中，视觉传感器逐渐成为不可或缺的传感器种类，车辆在高速行驶过程中，视觉传感器采集到的图像，经常会不满足后端算法处理的需求。
3.现有车辆中设置的视觉传感器，常依赖于视觉传感器内自带的曝光度调整供能，根据整个视觉传感器的进光量完成曝光参数的调整，并可通过增加高动态范围模式，使得在该模式下采集图像的色彩和细节更加出色。
4.然而，单纯依赖进光量调整的曝光参数难以对视觉传感器获取的图像整体曝光度进行细致调节，且采用高动态范围模式进行图像采集，对视觉传感器图像传输带宽提出了更高的要求，难以实现图像获取质量与成本间的平衡。


技术实现要素：

5.本发明提供了一种目标识别方法、装置、设备及存储介质，在无需增加硬件成本的基础上，对视觉传感器的输出图像进行动态调整，提升了依据调整后图像进行目标识别的置信度，进而提升了视觉感知的性能，以及目标识别的准确性，提升了用户驾乘体验。
6.第一方面，本发明实施例提供了一种目标识别方法，包括：
7.对获取的初始待调节图像进行特征提取和目标识别，确定至少一个目标图像区域；
8.将各目标图像区域中不满足预设图像处理条件的目标图像区域确定为待处理图像区域，确定各待处理图像区域的曝光一致性类型；
9.根据曝光一致性类型和各待处理图像区域调整曝光参数，并获取调整后曝光参数下的目标图像；
10.对目标图像进行特征提取和目标识别，确定目标识别结果。
11.第二方面，本发明实施例还提供了一种目标识别装置，包括：
12.目标区域确定模块，用于对获取的初始待调节图像进行特征提取和目标识别，确定至少一个目标图像区域；
13.一致性确定模块，用于将各目标图像区域中不满足预设图像处理条件的目标图像区域确定为待处理图像区域，确定各待处理图像区域的曝光一致性类型；
14.目标图像获取模块，用于根据曝光一致性类型和各待处理图像区域调整曝光参数，并获取调整后曝光参数下的目标图像；
15.识别结果确定模块，用于对目标图像进行特征提取和目标识别，确定目标识别结
果。
16.第三方面，本发明实施例还提供了一种目标识别设备，包括：
17.至少一个处理器；以及
18.与至少一个处理器通信连接的存储器；其中，
19.存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的目标识别方法。
20.第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时，使得计算机处理器能够执行本发明任一实施例的目标识别方法。
21.本发明实施例提供的一种目标识别方法、装置、设备及存储介质，通过对获取的初始待调节图像进行特征提取和目标识别，确定至少一个目标图像区域；将各目标图像区域中不满足预设图像处理条件的目标图像区域确定为待处理图像区域，确定各待处理图像区域的曝光一致性类型；根据曝光一致性类型和各待处理图像区域调整曝光参数，并获取调整后曝光参数下的目标图像；对目标图像进行特征提取和目标识别，确定目标识别结果。通过采用上述技术方案，在对已获取初始待调节图像进行特征提取和目标识别后，并不直接将其识别结果传入后续数据处理模块进行使用，而是针对其中识别得到的各目标图像区域中是否存在不满足预设图像处理条件的图像区域进行判断，依据不满足预设图像处理条件的待处理图像区域的曝光一致性类型，完成对视觉传感器曝光参数的调整，并基于调整后的曝光参数重新获取目标图像，进而可对目标图像进行目标识别，得到相应的目标识别结果。针对目标图像的获取无需对采集图像的视觉传感器硬件进行调整，也即无需提高图像传输带宽，降低了目标识别成本，基于调整曝光参数后获取的目标图像进行目标识别提升了识别所得目标识别结果的置信度，提升了视觉感知的性能，进而提升了用户驾乘体验。
22.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
23.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
24.图1为本发明实施例一提供的一种目标识别方法的流程图；
25.图2为本发明实施例二提供的另一种目标识别方法的流程图；
26.图3为本发明实施例三提供的一种目标识别装置的结构示意图；
27.图4为本发明实施例四提供的一种目标识别设备的结构示意图。
具体实施方式
28.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
29.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
30.实施例一
31.图1为本发明实施例一提供的一种目标识别方法的流程图，本实施例可适用于智能驾驶过程中对视觉传感器进行调整，以得到更适合进行目标识别的图像以进行目标识别的情况，该方法可以由目标识别装置来执行，该目标识别装置可以采用硬件和/或软件的形式来实现，该目标识别装置可以配置在目标识别识别中，该目标识别设备可以是笔记本、台式计算机、智能平板或车辆等，本发明实施例对此不进行限制。
32.如图1所示，本发明实施例提供的一种目标识别方法，具体包括如下步骤：
33.s101、对获取的初始待调节图像进行特征提取和目标识别，确定至少一个目标图像区域。
34.在本实施例中，初始待调节图像具体可理解为由视觉传感器依据其自身特性完成曝光参数调整后直接采集的，仅经过简单降噪和格式转换等预处理后输入以供后续目标识别等数据处理的图像。目标图像区域具体可理解为由初始待调节图像中识别得到的一个目标对象在初始待调节图像中的位置区域，可以理解的是，获取的一张图像中可同时存在多个目标对象，如在道路驾驶过程中获取的图像中可同时包括多个车辆以及马路隔离护栏等，其中各车辆和马路隔离护栏均可作为一个目标对象，其经目标识别后确定的，在图像中所占区域即为目标图像区域。
35.具体的，在车辆行驶过程中，可由设置于车辆内部或外部的视觉传感器对周围环境信息进行采集，将视觉传感器仅由进光量自动调整曝光参数后采集的图像确定为初始待调节图像，对初始待调节图像进行图像特征提取，并对特征提取后所得的特征图进行目标识别，确定初始待调节图像中存在的多个目标对象，并将各目标对象在初始待调节图像中所在的区域确定为目标图像区域。可以理解的是，针对图像的特征提取和目标识别在现有技术中存在多种可选择的实现方法，可根据实际情况选择适当图像处理方法完成对初始待调节图像的特征提取和目标识别，本发明实施例对此不进行限制。
36.s102、将各目标图像区域中不满足预设图像处理条件的目标图像区域确定为待处理图像区域，确定各待处理图像区域的曝光一致性类型。
37.在本实施例中，预设图像处理条件具体可理解为根据实际情况预先设置的，用以表明确定出的目标图像区域的图像状态是否足以保证目标识别正确率的条件。需要明确的是，可通过置信度确定识别得到目标图像的真实性，但目标识别的置信度与多个因素有关，如图像中某个目标图像区域的动态范围低可能导致该区域的目标识别置信度低，然而动态范围低也不一定会导致目标识别置信度低，因为针对不同场景和物体，目标识别所需的动
态范围是不确定的，因此可通过设置一个图像处理条件对各目标图像区域采集图像是否足以满足目标识别正确率进行确定。待处理图像区域具体可理解为当前图像状态难以保证目标识别正确率，需要进行二次处理的图像区域。曝光一致性类型具体可理解为用于表明不同图像区域曝光状态是否一致的类型参数。
38.具体的，若由初始待调节图像中确定出的所有目标图像区域中存在不满足预设图像处理条件的目标图像区域，将其作为待处理图像区域，可认为待处理图像区域识别得到目标对象的准确度均无法保证，不满足输入至下游供智能驾驶功能使用，此时可对每个待处理图像区域中进行曝光状态确认，也即确定每个待处理图像区域相对于初始待调节图像整体曝光状态是否存在过曝或曝光不足的情况，进而根据各曝光状态的一致与否，确定各待处理图像区域曝光一致性类型。
39.s103、根据曝光一致性类型和各待处理图像区域调整曝光参数，并获取调整后曝光参数下的目标图像。
40.具体的，根据曝光一致性类型和各待处理图像区域，分别确定各待处理图像区域中存在的过度曝光或曝光不足的问题，也即可将各待处理图像区域划分为过度曝光区域和曝光不足区域，同时可明确曝光不足区域需要增加的曝光量，以及过度曝光区域需要减少的曝光量，根据所需增加的曝光量和所需减少的曝光量对视觉传感器的曝光参数进行调整，并将调整曝光参数后视觉传感器采集的图像确定为目标图像。
41.s104、对目标图像进行特征提取和目标识别，确定目标识别结果。
42.在本实施例中，目标识别结果具体可理解为对目标图像进行目标识别后，确定出其中置信度满足后续智能驾驶功能使用的目标对象的集合。
43.具体的，对调整曝光参数后获取的目标图像进行特征提取和目标识别，确定其中识别到的多个目标所在的图像区域，进而对各图像区域中识别目标的置信度进行判定，将其中置信度满足预设需求条件的图像区域的集合确定为目标识别结果，并可将目标识别结果输入至下游的智能驾驶功能模块中进行如路径规划和避障等方式的使用。
44.本实施例的技术方案，通过对获取的初始待调节图像进行特征提取和目标识别，确定至少一个目标图像区域；将各目标图像区域中不满足预设图像处理条件的目标图像区域确定为待处理图像区域，确定各待处理图像区域的曝光一致性类型；根据曝光一致性类型和各待处理图像区域调整曝光参数，并获取调整后曝光参数下的目标图像；对目标图像进行特征提取和目标识别，确定目标识别结果。通过采用上述技术方案，在对已获取初始待调节图像进行特征提取和目标识别后，并不直接将其识别结果传入后续数据处理模块进行使用，而是针对其中识别得到的各目标图像区域中是否存在不满足预设图像处理条件的图像区域进行判断，依据不满足预设图像处理条件的待处理图像区域的曝光一致性类型，完成对视觉传感器曝光参数的调整，并基于调整后的曝光参数重新获取目标图像，进而可对目标图像进行目标识别，得到相应的目标识别结果。针对目标图像的获取无需对采集图像的视觉传感器硬件进行调整，也即无需提高图像传输带宽，降低了目标识别成本，基于调整曝光参数后获取的目标图像进行目标识别提升了识别所得目标识别结果的置信度，提升了视觉感知的性能，进而提升了用户驾乘体验。
45.实施例二
46.图2为本发明实施例二提供的另一种目标识别方法的流程图，本发明实施例的技
术方案在上述各可选技术方案的基础上进一步优化，基于各目标图像区域的图像动态范围和目标识别置信度确定各目标图像区域是否满足预设图像处理条件，并在明确需要进行图像再采集的情况下，通过各待处理图像区域与初始待调节图像的亮度差值确定各待处理图像区域的曝光一致性，基于曝光一致性以及各亮度差值完成对曝光参数的调整，并分别获取对应调整后曝光参数下的目标图像，仅采用目标图像中需要进行曝光参数调整部分的图像进行对应目标识别，综合各目标图像中识别得到的目标对象完成目标识别结果的确定，充分考虑了图像动态范围在目标识别中的影响，通过综合调整曝光参数和重新获取目标图像的方式，在不进行硬件升级的基础上实现了更优质图像的获取，进而使得基于优质目标图像确定出的目标识别结果置信度提升，降低了目标识别成本，提升了视觉感知性能。
47.如图2所示，本发明实施例二提供的一种目标识别方法，具体包括如下步骤：
48.s201、对获取的初始待调节图像进行特征提取和目标识别，确定至少一个目标图像区域。
49.s202、针对每个目标图像区域，确定对应的图像动态范围和目标识别置信度。
50.在本实施例中，图像动态范围具体可理解为用以表明目标图像区域内可记录的最亮和最暗影调之间的比率，可用以表明视觉传感器在目标图像区域内可捕捉影调信息的范围。目标识别置信度具体可理解为用以确定目标图像区域中确实存在对象的可能性，目标识别置信度越高，目标图像区域中存在可被传入下游智能驾驶功能使用对象的可能性越高，目标图像区域也越应被采用。
51.具体的，根据每个目标图像区域，确定与其对应图像中各像素点的通道信息，即可确定各像素点的色调、饱和度和明度等信息，进而可确定该目标图像区域中最亮和最暗影调之间的比率，得到目标图像区域对应的图像动态范围。同时，由于针对图像进行目标识别的算法可输出目标识别所得检测框的置信度，用以表明其识别出检测框内存在待识别目标的可能性，进而可将经目标识别算法得到的目标图像区域对应检测框的置信度，确定为目标图像区域的目标识别置信度。
52.s203、若图像动态范围小于预设动态范围阈值，且目标识别置信度小于预设置信度阈值，则将目标图像区域确定为待处理图像区域。
53.在本实施例中，预设动态范围阈值具体可理解为根据实际情况预先设置的，用以确定动态范围是否会导致目标图像区域内置信度降低的范围阈值。预设置信度阈值具体可理解为根据实际情况预先设置的，用以确定目标图像区域中是否有待识别目标的置信度值。
54.具体的，针对每个目标图像区域，若该目标图像区域对应的图像动态范围小于预设动态范围阈值且目标识别置信度小于预设置信度阈值，则可认为该目标图像区域中包含可用于下游智能驾驶功能使用的目标可能性较低，可认为该目标图像区域不满足预设图像处理条件，也即在原始曝光参数下采集到的目标图像区域清晰度不足，应重新针对曝光参数进行调整，以采集可供目标识别的新的图像，此时将确定出不满足预设动态范围阈值和预设置信度阈值的目标图像区域确定为待处理图像区域。
55.s204、确定各待处理图像区域与初始待调节图像的亮度差值。
56.具体的，基于初始待调节图像中各像素点的亮度值，确定初始待调节图像的整体亮度值，并基于各待处理图像区域中各像素点的亮度值，确定各待处理图像区域对应图像
的区域亮度值，针对每个待处理图像区域，将区域亮度值减去整体亮度值确定为该待处理图像区域的亮度差值。可以理解的是，当亮度差值为正时，可认为待处理图像区域内的图像存在过曝问题，而当亮度差值为负时，可认为待处理图像区域内的图像存在曝光不足的问题。
57.s205、判断各亮度差值是否均大于零或小于零，若是，则执行步骤s206；若否，则执行步骤s215。
58.具体的，在各亮度差值均大于零或小于零时，可认为所有待处理图像区域所处的曝光状态相同，均为过曝或曝光不足状态，此时执行步骤s206。若各亮度差值中既存在大于零的又存在小于零的，则可认为各待处理图像区域中既有存在过曝问题的图像区域，又有存在曝光不足问题的区域，也即所有待处理图像区域并未处于同一种曝光状态，此时执行步骤s215。
59.s206、确定各待处理图像区域的曝光一致性类型为具备一致性，并在各待处理图像区域对应的亮度差值均大于零时，执行步骤s207；在各待处理图像区域对应的亮度差值均小于零时，执行步骤s211。
60.具体的，在各待处理图像区域的曝光一致性类型为具备一致性，且各待处理图像区域对应的亮度差值均大于零时，可认为各待处理图像区域均存在图像过曝问题，此时执行步骤s207。在各待处理图像区域的曝光一致性类型为具备一致性，且各待处理图像区域对应的亮度差值均小于零时，可认为各待处理图像区域均存在图像曝光不足的问题，此时执行步骤s211。
61.s207、将根据各亮度差值中的最大亮度差值调整曝光参数后获取的正亮度差目标图像确定为目标图像。
62.具体的，将各亮度差值中绝对值最大的正亮度差值确定为最大正亮度差值。为调整视觉传感器中过曝的问题，依据最大正亮度差值对视觉传感器中的曝光参数进行调整，并将完成曝光参数调整后视觉传感器获取的目标图像确定为正亮度差目标图像。
63.s208、对正亮度差目标图像进行特征提取和目标识别，确定至少一个第一目标识别结果，以及各第一目标识别结果的第一目标识别置信度。
64.具体的，对正亮度差目标图像进行特征提取和目标识别，确定其中识别到的多个目标所在的图像区域，将各图像区域中包含的目标类型及目标位置等信息确定为第一目标识别结果，并将与第一目标识别结果对应检测框的置信度确定为第一目标识别置信度。
65.s209、将各第一目标识别置信度中大于预设置信度阈值的第一目标识别置信度确定为第一保留置信度。
66.具体的，将各第一目标识别置信度与预设置信度阈值进行比对，若第一目标识别置信度大于预设置信度阈值，则可认为该第一目标识别置信度对应的图像区域中包含可用于下游智能驾驶功能使用的目标可能性较高，此时将该第一目标识别置信度确定为第一保留置信度。
67.s210、将各第一保留置信度对应的第一目标识别结果的集合确定为目标识别结果。
68.具体的，将第一保留置信度对应图像区域内识别到的对象确定为第一目标识别结果，并将各第一保留置信度对应的各第一目标识别结果的集合确定为目标识别结果。
69.s211、将根据各亮度差值中的最大亮度差值调整曝光参数后获取的负亮度差目标图像确定为目标图像。
70.具体的，将各亮度差值中绝对值最大的负亮度差值确定为最大负亮度差值。为调整视觉传感器中曝光不足的问题，依据最大负亮度差值对视觉传感器中的曝光参数进行调整，并将完成曝光参数调整后视觉传感器获取的目标图像确定为负亮度差目标图像。
71.s212、对负亮度差目标图像进行特征提取和目标识别，确定至少一个第二目标识别结果，以及各第二目标识别结果的第二目标识别置信度。
72.具体的，对负亮度差目标图像进行特征提取和目标识别，确定其中识别到的多个目标所在的图像区域，将各图像区域中包含的目标类型及目标位置等信息确定为第二目标识别结果，并将与第二目标识别结果对应检测框的置信度确定为第二目标识别置信度。
73.s213、将各第二目标识别置信度中大于预设置信度阈值的第二目标识别置信度确定为第二保留置信度。
74.具体的，将各第二目标识别置信度与预设置信度阈值进行比对，若第二目标识别置信度大于预设置信度阈值，则可认为该第二目标识别置信度对应的图像区域中包含可用于下游智能驾驶功能使用的目标可能性较高，此时将该第二目标识别置信度确定为第二保留置信度。
75.s214、将各第二保留置信度对应的第二目标识别结果的集合确定为目标识别结果。
76.具体的，将第二保留置信度对应图像区域内识别到的对象确定为第二目标识别结果，并将各第二保留置信度对应的各第二目标识别结果的集合确定为目标识别结果。
77.s215、确定各待处理图像区域的曝光一致性类型为不具一致性。
78.具体的，在各亮度差值中既存在大于零又存在小于零的情况时，可认为不同待处理图像区域的曝光状态不同，也即部分待处理图像区域存在过曝问题，而另外一部分待处理图像区域存在曝光不足问题，此时将曝光一致性类型确定为不具一致性。
79.可以理解的是，仅调整一次曝光参数难以满足使具有不同曝光问题的待处理图像区域正常完成目标识别的需求，也即在曝光一致性类型为不具一致性时，需要针对过曝和曝光不足分别完成曝光参数的调整和目标图像的获取，具体执行方式如下述步骤所示。
80.s216、根据各待处理图像区域对应的亮度差值确定最大正亮度差值和最大负亮度差值。
81.具体的，针对各亮度差值中为正的亮度差值，将其中绝对值最大的正亮度差值确定为最大正亮度差值。针对各亮度差值中为负的亮度差值，将其中绝对值最大的负亮度差值确定为最大负亮度差值。最大正亮度差值和最大负亮度差值分别可用来表明初始待调节图像中存在最大过曝，和最大曝光不足问题的亮度信息。
82.s217、将根据最大正亮度差值调整曝光参数后获取的正亮度差目标图像，和根据最大负亮度差值调整曝光参数后获取的负亮度差目标图像确定为目标图像。
83.具体的，将依据最大正亮度差值对视觉传感器中的曝光参数进行调整后，由视觉传感器获取的图像确定为正亮度差目标图像；并将依据最大负亮度差值对视觉传感器中的曝光参数进行调整后，由视觉传感器获取的图像确定为负亮度差目标图像，正亮度差目标图像和负亮度差目标图像均为调整曝光参数后重新获取的图像，也为可被用于进行后续二
次目标识别的图像，故将二者统一作为与待处理图像区域对应的目标图像。
84.s218、根据各待处理图像区域对应的亮度差值在正亮度差目标图像中确定正亮度图像范围，并在负亮度差目标图像中确定负亮度图像范围。
85.具体的，由于获取的正亮度差目标图像与初始待调节图像大小相同，故各待处理图像区域在初始待调节图像中的位置与正亮度差目标图像中的位置相同，将亮度差值为正的待处理图像区域对应位置，确定为正亮度差目标图像中的正亮度图像范围，也即需要对正亮度图像范围内的图像进行二次特征提取和目标识别，以替换初始待调节图像中置信度不满足的目标识别结果；将亮度差值为负的待处理图像区域对应位置，确定为负亮度差目标图像中的负亮度图像范围，也即需要对负亮度图像范围内的图像进行二次特征提取和目标识别，以替换初始待调节图像中置信度不满足的目标识别结果。
86.s219、对正亮度差目标图像中位于正亮度图像范围内的图像进行特征提取和目标识别，确定至少一个正亮度目标识别结果，以及与各正亮度目标识别结果对应的第一置信度组。
87.具体的，对正亮度差目标图像中位于正亮度图像范围内的图像进行特征提取和目标识别，得到正亮度图像范围内与各待处理图像区域对应的正亮度目标识别结果，各正亮度目标识别结果中应包含对应的目标类型及目标位置等信息，将与正亮度目标识别结果对应检测框的置信度确定为第一置信度，并将各第一置信度的集合确定为第一置信度组。
88.s220、对负亮度差目标图像中位于负亮度图像范围内的图像进行特征提取和目标识别，确定至少一个负亮度目标识别结果，以及与各负亮度目标识别结果对应的第二置信度组。
89.具体的，对负亮度差目标图像中位于负亮度图像范围内的图像进行特征提取和目标识别，得到负亮度图像范围内与各待处理图像区域对应的负亮度目标识别结果，各负亮度目标识别结果中应包含对应的目标类型及目标位置等信息，将与负亮度目标识别结果对应检测框的置信度确定为第二置信度，并将各第二置信度的集合确定为第二置信度组。
90.s221、将第一置信度组和第二置信度组中大于预设置信度阈值的第一置信度和第二置信度确定为保留置信度。
91.具体的，将第一置信度组中的各第一置信度分别与预设置信度阈值进行比对，若第一置信度大于预设置信度阈值，则可认为该第一置信度对应的图像区域中包含可用于下游智能驾驶功能使用的目标可能性较高，此时将该第一置信度确定为保留置信度；同理，将第二置信度组中的各第二置信度分别与预设置信度阈值进行比对，若第二置信度大于预设置信度阈值，则可认为该第二置信度对应的图像区域中包含可用于下游智能驾驶功能使用的目标可能性较高，此时将该第二置信度确定为保留置信度。
92.s222、将各保留置信度对应的正亮度目标识别结果和负亮度目标识别结果的集合确定为目标识别结果。
93.具体的，将各保留置信度对应图像区域内识别到的对象，也即在正亮度差目标图像中识别得到的正亮度目标识别结果，和在负亮度差目标图像中识别得到的负亮度目标识别结果的集合确定为目标识别结果。
94.本实施例的技术方案，基于各目标图像区域的图像动态范围和目标识别置信度确定各目标图像区域是否满足预设图像处理条件，并在明确需要进行图像再采集的情况下，
基于各目标图像区域对应的最大正亮度差值和最大负亮度差值完成对曝光参数的调整，并分别获取对应调整后曝光参数下的目标图像，仅采用目标图像中需要进行曝光参数调整部分的图像进行对应目标识别，综合各目标图像中识别得到的目标对象及各目标对象对应置信度完成目标识别结果的确定，充分考虑了图像动态范围在目标识别中的影响，通过综合调整曝光参数和重新获取目标图像的方式，在不进行硬件升级的基础上实现了更优质图像的获取，进而使得基于优质目标图像确定出的目标识别结果置信度提升，降低了目标识别成本，提升了视觉感知性能。
95.实施例三
96.图3为本发明实施例三提供的一种目标识别装置的结构示意图，该目标识别装置包括：目标区域确定模块31、一致性确定模块32、目标图像获取模块33和识别结果确定模块34。
97.其中，目标区域确定模块31，用于对获取的初始待调节图像进行特征提取和目标识别，确定至少一个目标图像区域；一致性确定模块32，用于将各目标图像区域中不满足预设图像处理条件的目标图像区域确定为待处理图像区域，确定各待处理图像区域的曝光一致性类型；目标图像获取模块33，用于根据曝光一致性类型和各待处理图像区域调整曝光参数，并获取调整后曝光参数下的目标图像；识别结果确定模块34，用于对目标图像进行特征提取和目标识别，确定目标识别结果。
98.本实施例的技术方案，在对已获取初始待调节图像进行特征提取和目标识别后，并不直接将其识别结果传入后续数据处理模块进行使用，而是针对其中识别得到的各目标图像区域中是否存在不满足预设图像处理条件的图像区域进行判断，依据不满足预设图像处理条件的待处理图像区域的曝光一致性类型，完成对视觉传感器曝光参数的调整，并基于调整后的曝光参数重新获取目标图像，进而可对目标图像进行目标识别，得到相应的目标识别结果。针对目标图像的获取无需对采集图像的视觉传感器硬件进行调整，也即无需提高图像传输带宽，降低了目标识别成本，基于调整曝光参数后获取的目标图像进行目标识别提升了识别所得目标识别结果的置信度，提升了视觉感知的性能，进而提升了用户驾乘体验。
99.可选的，一致性确定模块32，包括：
100.图像参数确定单元，用于针对每个目标图像区域，确定对应的图像动态范围和目标识别置信度；
101.待处理区域确定单元，用于若图像动态范围小于预设动态范围阈值，且目标识别置信度小于预设置信度阈值，则将目标图像区域确定为待处理图像区域；
102.亮度差值确定单元，用于确定各待处理图像区域与初始待调节图像的亮度差值；
103.一致性确定单元，用于若各亮度差值均大于零或小于零，则确定各待处理图像区域的曝光一致性类型为具备一致性；否则，确定各待处理区域的曝光一致性类型为不具一致性。
104.可选的，目标图像获取模块33，具体用于：
105.若曝光一致性类型为具备一致性，且各待处理图像区域对应的亮度差值均大于零，则将根据各亮度差值中的最大亮度差值调整曝光参数后获取的正亮度差目标图像确定为目标图像；
106.若曝光一致性类型为具备一致性，且各待处理图像区域对应的亮度差值均小于零，则将根据各亮度差值中的最大亮度差值调整曝光参数后获取的负亮度差目标图像确定为目标图像；
107.若曝光一致性类型为不具一致性，则根据各待处理图像区域对应的亮度差值确定最大正亮度差值和最大负亮度差值，并将根据最大正亮度差值调整曝光参数后获取的正亮度差目标图像，和根据最大负亮度差值调整曝光参数后获取的负亮度差目标图像确定为目标图像。
108.可选的，在目标图像为正亮度差目标图像时，识别结果确定模块34具体用于：
109.对正亮度差目标图像进行特征提取和目标识别，确定至少一个第一目标识别结果，以及各第一目标识别结果的第一目标识别置信度；将各第一目标识别置信度中大于预设置信度阈值的第一目标识别置信度确定为第一保留置信度；将各第一保留置信度对应的第一目标识别结果的集合确定为目标识别结果。
110.可选的，在目标图像为负亮度差目标图像时，识别结果确定模块34具体用于：
111.对负亮度差目标图像进行特征提取和目标识别，确定至少一个第二目标识别结果，以及各第二目标识别结果的第二目标识别置信度；将各第二目标识别置信度中大于预设置信度阈值的第二目标识别置信度确定为第二保留置信度；将各第二保留置信度对应的第二目标识别结果的集合确定为目标识别结果。
112.可选的，在目标图像为正亮度差目标图像和负亮度差目标图像时，识别结果确定模块34具体用于：
113.根据各待处理图像区域对应的亮度差值在正亮度差目标图像中确定正亮度图像范围，并在负亮度差目标图像中确定负亮度图像范围；对正亮度差目标图像中位于正亮度图像范围内的图像进行特征提取和目标识别，确定至少一个正亮度目标识别结果，以及与各正亮度目标识别结果对应的第一置信度组；对负亮度差目标图像中位于负亮度图像范围内的图像进行特征提取和目标识别，确定至少一个负亮度目标识别结果，以及与各负亮度目标识别结果对应的第二置信度组；将第一置信度组和第二置信度组中大于预设置信度阈值的第一置信度和第二置信度确定为保留置信度；将各保留置信度对应的正亮度目标识别结果和负亮度目标识别结果的集合确定为目标识别结果。
114.本发明实施例提供的目标识别装置可执行本发明任意实施例所提供的目标识别方法，具备执行方法相应的功能模块和有益效果。
115.实施例四
116.图4为本发明实施例四提供的一种目标识别设备的结构示意图。目标识别设备40可为电子设备，旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
117.如图4所示，目标识别设备40包括至少一个处理器41，以及与至少一个处理器41通信连接的存储器，如只读存储器(rom)42、随机访问存储器(ram)43等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器41可以根据存储在只读存储器(rom)42中
的计算机程序或者从存储单元48加载到随机访问存储器(ram)43中的计算机程序，来执行各种适当的动作和处理。在ram 43中，还可存储目标识别设备40操作所需的各种程序和数据。处理器41、rom 42以及ram 43通过总线44彼此相连。输入/输出(i/o)接口45也连接至总线44。
118.目标识别设备40中的多个部件连接至i/o接口45，包括：输入单元46，例如键盘、鼠标等；输出单元47，例如各种类型的显示器、扬声器等；存储单元48，例如磁盘、光盘等；以及通信单元49，例如网卡、调制解调器、无线通信收发机等。通信单元49允许目标识别设备40通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
119.处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理，例如目标识别方法。
120.在一些实施例中，目标识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元48。在一些实施例中，计算机程序的部分或者全部可以经由rom 42和/或通信单元49而被载入和/或安装到目标识别设备40上。当计算机程序加载到ram 43并由处理器41执行时，可以执行上文描述的目标识别方法的一个或多个步骤。备选地，在其他实施例中，处理器41可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行目标识别方法。
121.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
122.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
123.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、
磁储存设备、或上述内容的任何合适组合。
124.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
125.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
126.计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
127.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
128.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种目标识别方法，其特征在于，包括：对获取的初始待调节图像进行特征提取和目标识别，确定至少一个目标图像区域；将各所述目标图像区域中不满足预设图像处理条件的目标图像区域确定为待处理图像区域，确定各所述待处理图像区域的曝光一致性类型；根据所述曝光一致性类型和各所述待处理图像区域调整曝光参数，并获取调整后曝光参数下的目标图像；对所述目标图像进行特征提取和目标识别，确定目标识别结果。2.根据权利要求1所述的方法，其特征在于，所述将各所述目标图像区域中不满足预设图像处理条件的目标图像区域确定为待处理图像区域，包括：针对每个所述目标图像区域，确定对应的图像动态范围和目标识别置信度；若所述图像动态范围小于预设动态范围阈值，且所述目标识别置信度小于预设置信度阈值，则将所述目标图像区域确定为待处理图像区域。3.根据权利要求1所述的方法，其特征在于，所述确定各所述待处理图像区域的曝光一致性类型，包括：确定各所述待处理图像区域与所述初始待调节图像的亮度差值；若各所述亮度差值均大于零或小于零，则确定各所述待处理图像区域的曝光一致性类型为具备一致性；否则，确定各所述待处理区域的曝光一致性类型为不具一致性。4.根据权利要求3所述的方法，其特征在于，所述根据所述曝光一致性类型和各所述待处理图像区域调整曝光参数，并获取调整后曝光参数下的目标图像，包括：若所述曝光一致性类型为具备一致性，且各所述待处理图像区域对应的亮度差值均大于零，则将根据各所述亮度差值中的最大亮度差值调整曝光参数后获取的正亮度差目标图像确定为目标图像；若所述曝光一致性类型为具备一致性，且各所述待处理图像区域对应的亮度差值均小于零，则将根据各所述亮度差值中的最大亮度差值调整曝光参数后获取的负亮度差目标图像确定为目标图像；若所述曝光一致性类型为不具一致性，则根据各所述待处理图像区域对应的亮度差值确定最大正亮度差值和最大负亮度差值，并将根据所述最大正亮度差值调整曝光参数后获取的正亮度差目标图像，和根据所述最大负亮度差值调整曝光参数后获取的负亮度差目标图像确定为目标图像。5.根据权利要求4所述的方法，其特征在于，在所述目标图像为所述正亮度差目标图像时，所述对所述目标图像进行特征提取和目标识别，确定目标识别结果，包括：对所述正亮度差目标图像进行特征提取和目标识别，确定至少一个第一目标识别结果，以及各所述第一目标识别结果的第一目标识别置信度；将各所述第一目标识别置信度中大于预设置信度阈值的第一目标识别置信度确定为第一保留置信度；将各所述第一保留置信度对应的第一目标识别结果的集合确定为目标识别结果。6.根据权利要求4所述的方法，其特征在于，在所述目标图像为所述负亮度差目标图像时，所述对所述目标图像进行特征提取和目标识别，确定目标识别结果，包括：
对所述负亮度差目标图像进行特征提取和目标识别，确定至少一个第二目标识别结果，以及各所述第二目标识别结果的第二目标识别置信度；将各所述第二目标识别置信度中大于预设置信度阈值的第二目标识别置信度确定为第二保留置信度；将各所述第二保留置信度对应的第二目标识别结果的集合确定为目标识别结果。7.根据权利要求4所述的方法，其特征在于，在所述目标图像为所述正亮度差目标图像和所述负亮度差目标图像时，所述对所述目标图像进行特征提取和目标识别，确定目标识别结果，包括：根据各所述待处理图像区域对应的亮度差值在所述正亮度差目标图像中确定正亮度图像范围，并在所述负亮度差目标图像中确定负亮度图像范围；对所述正亮度差目标图像中位于所述正亮度图像范围内的图像进行特征提取和目标识别，确定至少一个正亮度目标识别结果，以及与各所述正亮度目标识别结果对应的第一置信度组；对所述负亮度差目标图像中位于所述负亮度图像范围内的图像进行特征提取和目标识别，确定至少一个负亮度目标识别结果，以及与各所述负亮度目标识别结果对应的第二置信度组；将所述第一置信度组和所述第二置信度组中大于预设置信度阈值的第一置信度和第二置信度确定为保留置信度；将各所述保留置信度对应的正亮度目标识别结果和负亮度目标识别结果的集合确定为目标识别结果。8.一种目标识别装置，其特征在于，包括：目标区域确定模块，用于对获取的初始待调节图像进行特征提取和目标识别，确定至少一个目标图像区域；一致性确定模块，用于将各所述目标图像区域中不满足预设图像处理条件的目标图像区域确定为待处理图像区域，确定各所述待处理图像区域的曝光一致性类型；目标图像获取模块，用于根据所述曝光一致性类型和各所述待处理图像区域调整曝光参数，并获取调整后曝光参数下的目标图像；识别结果确定模块，用于对所述目标图像进行特征提取和目标识别，确定目标识别结果。9.一种目标识别设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任一项所述的目标识别方法。10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一项所述的目标识别方法。

技术总结
本发明实施例公开了一种目标识别方法、装置、设备及存储介质。包括：对获取的初始待调节图像进行特征提取和目标识别，确定至少一个目标图像区域；将各目标图像区域中不满足预设图像处理条件的目标图像区域确定为待处理图像区域，确定各待处理图像区域的曝光一致性类型；根据曝光一致性类型和各待处理图像区域调整曝光参数，并获取调整后曝光参数下的目标图像；对目标图像进行特征提取和目标识别，确定目标识别结果。本发明实施例的技术方案，针对目标图像的获取无需对采集图像的视觉传感器硬件进行调整，基于调整曝光参数后获取的目标图像进行目标识别提升了识别所得目标识别结果的置信度，无需提高图像传输带宽，降低了目标识别成本。标识别成本。标识别成本。


技术研发人员：王柏庆
受保护的技术使用者：亿咖通（湖北）技术有限公司
技术研发日：2023.05.12
技术公布日：2023/8/14