(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 202210482566.7 (22)申请日 2022.05.05 (71)申请人 南京智慧水运科技有限公司 地址 210001 江苏省南京市秦淮区 瞻园路 11号7032室 申请人 杭州电子科技大 学 (72)发明人 孙杰　王晓窗　陈晨　徐晓滨　 马枫　冯静　陈胜华　 (74)专利代理 机构 杭州奥创知识产权代理有限 公司 33272 专利代理师 王佳健 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/80(2022.01) G06V 20/52(2022.01) (54)发明名称 一种基于目标检测信度动态融合的目标识 别方法 (57)摘要 本发明公开了一种基于目标检测信度动态 融合的目标识别方法， 涉及计算机视觉、 深度学 习领域。 本发 明将有关待识别目标的视频文件进 行采样， 并把采样得到的图片流作为输入， 送入 已训练好的Yolo模型进行识别计算。 然后， Yolo 模型将会输出预测框对待识别目标进行标定， 并 得到目标每一时刻的识别置信度。 随后， 利用得 到的当前时刻 的置信度对历史时刻 的置信度进 行动态更新， 得到当前时刻的动态置信度。 最后， 基于阈值， 判断目标是否真实存在。 本发明将目 标识别信度进行动态融合， 优 化了传统的Yolo目 标识别方法， 可以有效提高目标在天气变化、 局 部目标遮挡等情况下的识别信度和准确度， 进而 有效提升目标识别的可靠性和稳定性。 权利要求书2页 说明书7页 附图4页 CN 114821433 A 2022.07.29 CN 114821433 A 1.一种基于目标检测信度动态融合的目标识别方法， 其特征在于该方法包括以下各步 骤： (1)获取监控视频， 将视频文件 截取成图片流； (2)建立YOLO目标识别模型， 对图片中的目标施加预测框进行 标定； (3)利用非极大值抑制算法得到单一目标准确的预测框和目标检测信度； (4)基于目标检测信度动态融合 规则， 将目标检测信度动态融合； (5)将单一目标准确的预测框和动态融合信度标记在图片上。 2.根据权利要求1所述的基于目标检测信度动态融合的目标识别方法， 其特征在于： 所 述步骤(1)具体如下： 对于监控摄像头捕获的关于待识别目标的视频文件， 利用P ython中的Op enCV库将视频 文件截取成图片流， 记为P1,...,Pt,...,PT， t＝1,2,...,T， t表示图片 采样时刻， T表示获取 图片的总个数， 2<T<+∞。 3.根据权利要求1所述的基于目标检测信度动态融合的目标识别方法， 其特征在于： 所 述步骤(2)具体如下： 建立YOLO目标识别模型， 所述YOLO目标识别模型是由N个权值参数构成的一个特征提 取网络， 权值参数集合记为Q＝{Qn|n＝1,2…,N}， Qn表示第n个权值参数， 且0≤Qn≤1， 将步 骤(1)中图片Pt输入YOLO模型变换为416像素 ×416像素的三原色数据矩阵， 对该三原色数 据矩阵进行12次卷积 计算提取图像中的目标特征， 并对识别出的单一目标施加预测框进 行 标定。 4.根据权利要求1所述的基于目标检测信度动态融合的目标识别方法， 其特征在于： 所 述步骤(3)具体如下： 将步骤(2)中的预测框进行堆叠， 并利用非极大抑制算法得到单一目标准确的预测框 和目标检测信度， 将目标检测信度记为Ct， 0≤Ct≤1。 5.根据权利要求1所述的基于目标检测信度动态融合的目标识别方法， 其特征在于： 所 述步骤(4)具体如下： 基于目标检测信度动态融合规则， 将当前t时刻的目标检测信度与历史时刻的目标检 测信度进行融合， 得到当前t时刻的动态融合信度， 记为Bt， 具体步骤如下： (4‑1)设定目标检测信度Ct的重要性权重为wt， 且有0.7≤wt≤1， 目标检测信 度Ct的可靠 性为rt， 通过如下公式计算： 其中， r0＝0.5是可靠性初值， f是 可靠性标志函数， 通过如下公式计算： 设定A＝(1,0,0)， Bt*＝(Bt,0,1‑Bt)， Ct*＝(Ct,0,1‑Ct)， λ是可靠性变化系数， 通过如下公式计算： 其中， cosθ1和cosθ2通过如下公式计算：权　利　要　求　书 1/2 页 2 CN 114821433 A 2·表示求向量的内积， |A| ×|Ct*|中||表示对向量取模； 式(3)中的 为可靠性的平均值， 通过如下公式计算： (4‑2)当t＝2时， 通过步骤(3)获得t＝2时刻的目标检测信度C2， 将C2与B1进行融合， 得 到融合信度 其中ξt‑1,t和 通过如下的目标检测信度动态融合 规则公式获得： ξt‑1,t＝[(1‑rt)wtCt+(1‑rt‑1)wt‑1Bt‑1]+CtBt‑1+Ct(1‑Bt‑1)+(1‑Ct)Bt‑1        (6) 即把t＝1时刻和t＝2时刻的目标检测信度融合得到t＝2时刻的融合信度， 再将融合信 度Mt进行Pign istic概率转换， 得到目标的动态融合信度Bt， 通过如下公式计算： (4‑3)当3≤t≤T时， 重复以上步骤(4 ‑1)和(4‑2)， 即可获得该时刻目标的动态融合信 度Bt。 6.根据权利要求1所述的基于目标检测信度动态融合的目标识别方法， 其特征在于： 所 述步骤(5)具体如下： 当t时刻的动态融合信度Bt＞0.8时， 则认为该目标确实存在， 并利用Python中的PIL库 将预测框和动态融合信度标记在Pt上。权　利　要　求　书 2/2 页 3 CN 114821433 A 3