申请/专利权人：广智微芯(扬州)有限公司

申请日：2020-05-09

公开（公告）日：2024-05-17

公开（公告）号：CN111738062B

主分类号：G06V10/50

分类号：G06V10/50;G06V10/56;G06V40/10;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2021.04.06#著录事项变更;2020.10.30#实质审查的生效;2020.10.02#公开

摘要：本发明实施例提供一种基于嵌入式平台的自动再识别方法及系统，包括：获取待识别躯干数据和目标躯干数据，通过轻量级检测模型标识所述待识别躯干数据中的躯干，得到待识别图像；以及，通过轻量级检测模型检测并提取出所述目标躯干数据的躯干，得到目标图像；其中，所述躯干为人体的头部和上半身躯干，和或，动物的躯干部位；将所述待识别图像与所述目标图像进行比对，得到所述待识别图像与所述目标图像的相似度，根据相似度判断待识别图像是否与目标图像内相匹配。只检测和再识别生物的躯干具有速度快、效果好、且能在嵌入式设备这种小载体上运行，从而突破了目前检测和再识别必须使用主机和服务器的限制。

主权项：1.一种基于嵌入式平台的自动再识别系统，其特征在于，包括：嵌入式处理器设备和具有深度神经网络推理运算能力的深度学习边缘计算设备，所述嵌入式处理器设备包括处理器和存储器，所述深度学习边缘计算设备具有USB接口，通过所述USB接口直接插到所述嵌入式处理器设备；所述嵌入式处理器设备是指：安装有基于嵌入式平台的自动再识别方法的程序的工控机或者嵌入式控制板；所述嵌入式处理器设备还包括存储在存储器上的执行基于嵌入式平台的自动再识别方法的程序，程序内包含轻量级检测模型，用于检测待识别躯干数据；所述深度学习边缘计算设备数据连接于执行所述基于嵌入式平台的自动再识别方法的程序；启动运行所述基于嵌入式平台的自动再识别方法的程序，所述基于嵌入式平台的自动再识别方法的程序调用深度学习边缘计算设备内的深度神经网络；采用深度学习边缘计算设备内的深度神经网络，将待识别图像与目标图像进行比对，得到所述待识别图像与所述目标图像的相似度，根据相似度判断待识别图像是否为目标图像相匹配；所述的基于嵌入式平台的自动再识别方法，包括：获取待识别躯干数据和目标躯干数据，通过轻量级检测模型，调用深度学习边缘计算设备内的深度神经网络，标识所述待识别躯干数据中的躯干，得到待识别图像；以及，通过轻量级检测模型检测并提取出所述目标躯干数据的躯干，得到目标图像；其中，所述躯干为人体的头部和上半身躯干，和或，动物的躯干部位；将所述待识别图像与所述目标图像进行比对，得到所述待识别图像与所述目标图像的相似度，根据相似度判断待识别图像是否与目标图像相匹配；所述将所述待识别图像与所述目标图像进行比对，得到所述待识别图像与所述目标图像的相似度，根据相似度判断待识别图像是否与目标图像相匹配，具体包括：提取所述待识别图像的颜色特征，以及，提取所述目标图像的颜色特征；将所述待识别图像的颜色特征与所述目标图像的颜色特征进行比对，得到待识别图像的第一相似度；如果待识别图像的第一相似度不满足预设的第一阈值，则所述待识别图像与所述目标图像不匹配；如果只有一幅待识别图像的第一相似度满足预设的第一阈值，则判定该待识别图像与所述目标图像相匹配；所述的基于嵌入式平台的自动再识别系统，还包括：如果至少两幅待识别图像的第一相似度满足预设的第一阈值，则：针对第一相似度满足预设的第一阈值的待识别图像，提取每幅所述待识别图像内的形状特征；以及，提取所述目标图像内的形状特征；根据所述待识别图像的颜色特征和形状特征得到所述待识别图像的联合特征，根据所述目标图像的颜色特征与形状特征得到所述目标图像的联合特征；将所述待识别图像的联合特征与所述目标图像的联合特征进行比对，得到待识别图像的第二相似度；将待识别图像的第二相似度与预设的第二阈值进行比较，选取满足预设的第二阈值的第二相似度的最高值所对应的待识别图像作为与目标图像相匹配的图像；否则不存在与目标图像相匹配的待识别图像。

全文数据：

权利要求：

百度查询： 广智微芯(扬州)有限公司 一种基于嵌入式平台的自动再识别系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD