技术摘要：
本申请涉及一种目标识别方法、装置、计算机设备和存储介质。所述方法包括：获取目标视频帧图像数据；对所述目标视频帧图像数据进行目标检测识别处理，得到多个待检测目标的属性信息；其中，所述属性信息包括坐标信息、类别信息；对所述属性信息进行异常判断处理，以筛  全部
背景技术：
随着摄像机技术的发展，可以将摄像机用于视频监控场景中，以用于对摄像机拍 摄到的视频流进行目标检测追踪或者检测告警处理。 传统方法中，摄像机会以预先设置的摄像机路数对拍摄到的视频流进行目标检测 追踪或者检测告警处理，并将处理结果发送至上位机进行显示。 由于传统方法中摄像机路数是预先设置的，因此在处理较多路数的视频图像数据 时会出现卡机或处理速度很慢的情况，导致摄像机的灵活性不高。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够提高摄像机灵活性的目标识别 方法、装置、计算机设备和存储介质。 一种目标识别方法，所述方法包括： 获取目标视频帧图像数据； 对所述目标视频帧图像数据进行目标检测识别处理，得到多个待检测目标的属性 信息；其中，所述属性信息包括坐标信息、类别信息； 对所述属性信息进行异常判断处理，以筛选出所述多个待检测目标中的异常目 标； 对所述异常目标的目标属性信息进行预设结构化处理，得到目标结构化属性信 息； 将所述目标结构化属性信息发送至预设显示平台。 在其中一个实施例中，所述获取目标视频帧图像数据，包括： 获取预设的图像采集位置以及图像采集张数； 在所述图像采集位置处按照预设时间间隔依次采集多张视频图像； 对所述多张视频图像进行预设解码处理，得到解码处理后视频图像； 将所述解码处理后视频图像中的一张作为所述目标视频帧图像数据。 在其中一个实施例中，所述对所述目标视频帧图像数据进行目标检测识别处理， 得到多个待检测目标的属性信息，包括： 利用预设的深度学习优化加速算法对训练好的深度学习目标检测识别模型进行 优化处理，得到优化处理后深度学习目标检测识别模型； 利用所述优化处理后深度学习目标检测识别模型对所述目标视频帧图像数据进 行目标检测识别处理，得到多个待检测目标的属性信息。 在其中一个实施例中，所述对所述属性信息进行异常判断处理，以筛选出所述多 4 CN 111581436 A 说　明　书 2/15 页 个待检测目标中的异常目标，包括： 将所述属性信息与物联网平台发布的预设目标属性信息进行匹配处理，并将匹配 失败时对应的目标作为所述多个待检测目标中的异常目标。 在其中一个实施例中，所述获取目标视频帧图像数据，包括： 获取视频流数据，并将所述视频流数据中的一帧视频帧图像，作为目标视频帧图 像数据。 在其中一个实施例中，所述对所述属性信息进行异常判断处理，以筛选出所述多 个待检测目标中的异常目标，包括： 获取所述目标视频帧图像数据的下一帧视频帧图像数据，作为参考视频帧图像数 据； 根据所述属性信息，确定所述目标视频帧图像数据和所述参考视频帧图像数据中 存在的相同待检测目标； 获取所述相同待检测目标在设定时长内或设定区域内的出现次数； 确定所述出现次数超过预设次数阈值时，将所述相同待检测目标作为异常目标； 其中，所述相同待检测目标为所述多个待检测目标中的至少一个目标。 在其中一个实施例中，在所述获取目标视频帧图像数据的步骤之后，所述方法还 包括： 将所述目标视频帧图像数据发送至预设显示平台，以使所述目标视频帧图像数据 按照预设格式进行显示。 一种目标识别系统，所述系统包括计算机设备和预设显示平台，其中： 所述计算机设备，用于获取目标视频帧图像数据，并对所述目标视频帧图像数据 进行目标检测识别处理，得到多个待检测目标的属性信息；对所述属性信息进行异常判断 处理，以筛选出所述多个待检测目标中的异常目标；对所述异常目标的目标属性信息进行 预设结构化处理，得到目标结构化属性信息；将所述目标结构化属性信息发送至预设显示 平台；其中，所述属性信息包括坐标信息、类别信息； 所述预设显示平台，用于按照预设格式显示所述目标结构化属性信息。 一种目标识别装置，所述装置包括： 获取模块，用于获取目标视频帧图像数据； 目标检测识别模块，用于对所述目标视频帧图像数据进行目标检测识别处理，得 到多个待检测目标的属性信息；其中，所述属性信息包括坐标信息、类别信息； 异常目标判断模块，用于对所述属性信息进行异常判断处理，以筛选出所述多个 待检测目标中的异常目标； 结构化处理模块，用于对所述异常目标的目标属性信息进行预设结构化处理，得 到目标结构化属性信息； 目标数据发送模块，用于将所述目标结构化属性信息发送至预设显示平台。 所述获取模块具体包括：第一获取单元、采集单元、处理单元、第一确定单元。 其中，第一获取单元，用于获取预设的图像采集位置以及图像采集张数；采集单 元，用于在所述图像采集位置处按照预设时间间隔依次采集多张视频图像；处理单元，用于 对所述多张视频图像进行预设解码处理，得到解码处理后视频图像；第一确定单元，用于将 5 CN 111581436 A 说　明　书 3/15 页 所述解码处理后视频图像中的一张作为所述目标视频帧图像数据。 目标检测识别模块，具体包括：优化处理单元和目标检测识别处理单元。 其中，优化处理单元，用于利用预设的深度学习优化加速算法对训练好的深度学 习目标检测识别模型进行优化处理，得到优化处理后深度学习目标检测识别模型；目标检 测识别处理单元，用于利用所述优化处理后深度学习目标检测识别模型对所述目标视频帧 图像数据进行目标检测识别处理，得到多个待检测目标的属性信息。 异常目标判断模块，还具体用于将所述属性信息与物联网平台发布的预设目标属 性信息进行匹配处理，并将匹配失败时对应的目标作为所述多个待检测目标中的异常目 标。 获取模块，还具体用于获取视频流数据，并将所述视频流数据中的一帧视频帧图 像，作为目标视频帧图像数据。 异常目标判断模块13，还具体包括：第二获取单元、第二确定单元、第三获取单元 和异常目标判断单元。 其中，第二获取单元，用于获取所述目标视频帧图像数据的下一帧视频帧图像数 据，作为参考视频帧图像数据；第二确定单元，用于根据所述属性信息，确定所述目标视频 帧图像数据和所述参考视频帧图像数据中存在的相同待检测目标；第三获取单元，用于获 取所述相同待检测目标在设定时长内或设定区域内的出现次数；异常目标判断单元，用于 确定所述出现次数超过预设次数阈值时，将所述相同待检测目标作为异常目标；其中，所述 相同待检测目标为所述多个待检测目标中的至少一个目标。 所述目标识别装置，还具体包括数据发送模块，所述数据发送模块，可以用于将所 述目标视频帧图像数据发送至预设显示平台，以使所述目标视频帧图像数据按照预设格式 进行显示。 一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理 器执行所述计算机程序时实现以下步骤： 获取目标视频帧图像数据； 对所述目标视频帧图像数据进行目标检测识别处理，得到多个待检测目标的属性 信息；其中，所述属性信息包括坐标信息、类别信息； 对所述属性信息进行异常判断处理，以筛选出所述多个待检测目标中的异常目 标； 对所述异常目标的目标属性信息进行预设结构化处理，得到目标结构化属性信 息； 将所述目标结构化属性信息发送至预设显示平台。 一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执 行时实现以下步骤： 获取目标视频帧图像数据； 对所述目标视频帧图像数据进行目标检测识别处理，得到多个待检测目标的属性 信息；其中，所述属性信息包括坐标信息、类别信息； 对所述属性信息进行异常判断处理，以筛选出所述多个待检测目标中的异常目 标； 6 CN 111581436 A 说　明　书 4/15 页 对所述异常目标的目标属性信息进行预设结构化处理，得到目标结构化属性信 息； 将所述目标结构化属性信息发送至预设显示平台。 上述目标识别方法、装置、计算机设备和存储介质，所述目标识别方法首先获取目 标视频帧图像数据，并对所述目标视频帧图像数据进行目标检测识别处理，得到多个待检 测目标的属性信息。由于所述属性信息包括坐标信息、类别信息，所述多个待检测目标中存 在异常目标，因此对所述多个待检测目标的属性信息进行异常判断处理后能够筛选出所述 多个待检测目标中的异常目标，以此提高了获取目标视频帧图像数据中多个待检测目标的 属性信息的快速性和可靠性，从而提高了获取所述目标视频帧图像数据中异常目标的属性 信息的快速性和准确性；进一步的，通过对所述异常目标的目标属性信息进行预设结构化 处理，得到目标结构化属性信息，然后将所述目标结构化属性信息发送至预设显示平台，以 此避免传统技术中的摄像机处理较大路数视频数据时导致的卡机或处理速度很慢的问题， 实现了计算机设备在处理不同路数的视频帧图像数据时也能够确保计算机设备的流畅性 和准确性，从而提高了计算机设备的灵活性和可靠性。 附图说明 图1为一个实施例中目标识别方法的流程示意图； 图2为另一实施例中目标识别方法的流程示意图； 图3为再一实施例中目标识别方法的流程示意图； 图4为又一实施例中目标识别方法的流程示意图； 图5为一个实施例中目标识别系统的结构框图； 图6为一个实施例中目标识别装置的结构框图； 图7为一个实施例中计算机设备的内部结构图。