目标上内容的识别及视频采集方法、装置、存储介质、计算机设备与流程

1.本发明涉及图像识别领域，具体地涉及一种目标上内容的识别及视频采集方法、装置、存储介质、计算机设备。


背景技术：

2.随着智能识别技术的发展，常通过大数据训练以及拍摄监控技术对生活中的各种场景进行目标识别，以实现监测、目标控制的效果。在一个目标识别的实例中，可在月台、停车场、物流园区等地点进行车辆检测，当前对于车辆的检测多对车辆通过监控相机进行拍照或录制视频，并从获取的照片或视频中识别车型、车辆颜色等多个特征来进行车辆识别。
3.然而，现有的目标识别技术，对运动的目标进行识别、特别是对于目标上的内容进行识别时，识别的效果较差，且在识别过程中，由于拍摄的视频流中包含大量的图像帧，若逐帧进行分析，计算量很大，识别效率低。
4.由此，亟需一种目标上内容的识别方法，能够在对运动的目标进行内容识别时，能够保证识别结果的准确性且具备较高的识别效率。


技术实现要素：

5.本发明解决的技术问题是如何在保证识别结果准确的同时，提高对运动目标的识别效率。
6.为解决上述技术问题，本发明实施例提供一种目标上内容的识别方法，所述方法包括：获取初始视频流中部分的图像作为初始图像，所述初始视频流包括按拍摄时间顺序排列的多帧图像；对所述初始图像按照拍摄时间顺序逐帧进行目标识别；其中，对每一帧初始图像进行目标识别，包括：对每一帧初始图像进行目标检测，以得到包含待识别目标的图像；从包含待识别目标的图像中识别内容所在的目标区域，所述内容位于所述待识别目标上；对所述目标区域进行内容识别，得到识别信息。
7.可选的，所述获取初始视频流中部分的图像作为初始图像，包括：获取初始视频流；按照抽帧间隔从所述初始视频流中抽取若干帧图像作为所述初始图像。
8.可选的，所述初始图像由采集初始视频流的视频采集设备按照抽帧间隔从所述初始视频流中抽取得到。
9.可选的，所述方法还包括：向所述视频采集设备发送所述抽帧间隔。
10.可选的，所述抽帧间隔根据待识别目标的运动速度确定。
11.可选的，所述对所述初始图像按照拍摄时间顺序逐帧进行目标识别之后，包括：结合多帧待识别目标的初始图像计算所述待识别目标的运动速度。
12.可选的，所述方法还包括：按照下述公式根据待识别目标的运动速度确定所述抽帧间隔：n＝mod(a
×
exp(b
×
x) c
×
exp(d
×
x))；其中，n为所述抽帧间隔；a，b，c，d为预设常数；x为待识别目标的运动速度；mod()为对括号内数值取整。
13.可选的，所述抽帧间隔包含多个值，所述按照抽帧间隔从所述初始视频流中抽取若干帧初始图像，包括：当未识别到所述待识别目标时，按照抽帧间隔的最大值从所述初始视频流中抽取若干帧初始图像。
14.可选的，所述对每一帧初始图像进行目标检测，以得到包含待识别目标的图像之后，还包括：当未检测到所述待识别目标时，结束对当前帧初始图像的目标检测；继续获取下一帧初始图像，并对下一帧初始图像进行目标识别。
15.本发明实施例还提供一种视频采集方法，所述方法包括：采集初始视频流，所述初始视频流包括按拍摄时间顺序排列的多帧图像；从所述初始视频流中抽取若干帧图像作为初始图像；其中，所述初始图像用于进行目标上内容识别。
16.可选的，所述从所述初始视频流中抽取若干帧图像作为初始图像，包括：按照抽帧间隔从所述初始视频流中抽取若干帧图像作为初始图像。
17.可选的，所述按照抽帧间隔从所述初始视频流中抽取若干帧图像作为初始图像之前，还包括：接收所述识别设备发送的抽帧间隔。
18.本发明实施例还提供一种目标上内容的识别装置，所述装置包括：初始图像获取模块，用于获取初始视频流中部分的图像作为初始图像，所述初始视频流包括按拍摄时间顺序排列的多帧图像；目标识别模块，用于对所述初始图像按照拍摄时间顺序逐帧进行目标识别；其中，所述目标识别模块包括：目标检测单元，用于对每一帧初始图像进行目标检测，以得到包含待识别目标的图像；区域识别单元，用于从包含待识别目标的图像中识别内容所在的目标区域，所述内容位于所述待识别目标上；内容识别单元，用于对所述目标区域进行内容识别，得到识别信息。
19.本发明实施例还提供一种视频采集装置，所述装置包括：视频采集模块，用于采集初始视频流，所述初始视频流包括按拍摄时间顺序排列的多帧图像；图像抽取模块，用于按照抽帧间隔从所述初始视频流中抽取若干帧图像作为初始图像；其中，所述初始图像被提供给识别设备，以使得所述识别设备对所述初始图像按照拍摄时间顺序逐帧进行目标识别。
20.本发明实施例还提供一种存储介质，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上述任一项所述目标上内容的识别方法，或上述任一项所述视频采集方法的步骤。
21.本发明实施例还提供一种计算机设备，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上述任一项所述目标上内容的识别方法，或上述任一项所述视频采集方法的步骤。
22.与现有技术相比，本发明实施例的技术方案具有以下有益效果：
23.本发明实施例提供一种目标上内容的识别方法，所述方法包括：获取初始视频流中部分的图像作为初始图像，所述初始视频流包括按拍摄时间顺序排列的多帧图像；对所述初始图像按照拍摄时间顺序逐帧进行目标识别；其中，对每一帧初始图像进行目标识别，包括：对每一帧初始图像进行目标检测，以得到包含待识别目标的图像；从包含待识别目标的图像中识别内容所在的目标区域，所述内容位于所述待识别目标上；对所述目标区域进行内容识别，得到识别信息。较之现有技术，本发明方案中，能够从初始视频流中挑选部分图像作为初始图像，获取包含需识别内容的待识别目标的图像，并从包含待识别目标的图
像中检测目标区域，对目标区域中的内容进行识别。采用该方案，能够在保证识别结果准确的同时，提高识别效率。
24.进一步地，在识别过程中，按照拍摄时间顺序对挑选的初始图像逐帧进行目标上内容的识别，能够准确地监测目标的真实运动状态，按照真实运动状态，挑选需识别的初始图像，提高了识别效率，减少识别过程中的计算量。
25.进一步地，可根据需要设定抽帧间隔，以从初始视频流中抽取需目标识别的初始图像，抽帧间隔可以设置为一个固定的数值，也可以根据初始视频流的情况动态调整，还可以根据待识别目标的运动速度确定，从而使得抽帧间隔能够根据待识别目标的实时运动状况动态调整，在保证识别效率的同时，也能够保证内容识别的效果。
26.进一步地，当设定的抽帧间隔包含多个值时，若在持续多帧中都未检测到待识别目标，则按照设定的抽帧间隔的最大值进行抽帧，也即，减少此时进行目标视频的初始图像帧的数量，在保持监测目标的同时，减少识别的计算量。当在其中一帧中检测到待识别目标时，则可适当减小抽帧间隔。
27.进一步地，在对每一帧初始图像进行目标识别时，若在该帧中未检测到待识别目标，则不继续对该帧初始图像后续的识别步骤，继续对下一帧初始图像进行目标识别，以节约算力，提高识别效率。
28.进一步地，可通过目标上内容的识别方法对车辆的车牌内容进行识别，能够准确定位到运动车辆的车牌区域，有效提高对车牌内容识别的准确性。且根据对车辆检测的结果，调整抽帧间隔，在保证识别结果的同时，提高识别效率。
附图说明
29.图1为本发明实施例的一种目标上内容的识别方法的流程示意图；
30.图2为本发明实施例的一种车辆上车牌内容的识别方法的示意图；
31.图3为本发明实施例的一种视频采集方法的流程示意图；
32.图4是本发明实施例的一种目标上内容的识别装置的结构示意图；
33.图5是本发明实施例的一种视频采集装置的结构示意图。
具体实施方式
34.如背景技术所言，现有技术中，在对运动的目标进行识别、特别是对于目标上的内容进行识别时，识别的效果较差，且在识别过程中，由于拍摄的视频流中包含大量的图像帧，若逐帧进行分析，计算量很大，识别效率低。
35.为解决该问题，本发明实施例提供了一种目标上内容的识别方法，所述方法包括：获取初始视频流中部分的图像作为初始图像，所述初始视频流包括按拍摄时间顺序排列的多帧图像；对所述初始图像按照拍摄时间顺序逐帧进行目标识别；其中，对每一帧初始图像进行目标识别，包括：对每一帧初始图像进行目标检测，以得到包含待识别目标的图像；从包含待识别目标的图像中识别内容所在的目标区域，所述内容位于所述待识别目标上；对所述目标区域进行内容识别，得到识别信息。
36.通过上述方案，对运动的目标进行内容识别时，能够在保证识别结果准确率，且有效地提高了识别效率。
37.为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
38.请参见图1，本发明实施例提供一种目标上内容的识别方法，所述方法包括：
39.步骤s11，获取初始视频流中部分的图像作为初始图像，所述初始视频流包括按拍摄时间顺序排列的多帧图像；
40.s12，对所述初始图像按照拍摄时间顺序逐帧进行目标识别；
41.初始视频流是对某一区域或某一人或物体进行连续拍摄得到的视频流，初始视频流包含若干帧图像，且该若干帧图像按照拍摄时间顺序排列。初始视频流中包含需识别内容所在的待识别目标的图像，需识别的内容在待识别目标上。
42.在对初始视频流中的待识别目标上的需识别内容进行识别时，先识别待识别目标，在识别过程中，按照拍摄时间顺序进行逐帧的目标识别，为了提高识别效率，减少识别过程中的计算量，可从初始视频流中抽取部分的图像(也即初始图像)进行目标识别。
43.摄像头等视频采集设备可与执行目标上内容的识别方法的设备(以下简称识别设备)可以为同一设备，例如自带摄像头的手机、电脑等设备。视频采集设备可与执行目标上内容的识别方法的设备也可以为处于同一区域或不同区域的两个设备，该两个设备可通过网络、蓝牙等方式通信。
44.识别设备可直接获取由视频采集设备拍摄得到的初始视频流，并从初始视频流中抽取部分的图像作为获取的初始图像。识别设备抽取初始图像时刻基于目标识别的情况确定。例如，当检测到初始视频流中包含非背景之外的其他人或物体时，则对该帧初始图像进行目标识别；对于采集到的仅包含背景的初始图像则不作目标识别。
45.另外，视频采集设备采集得到初始视频流之后，也可由视频采集设备从初始视频流中抽取部分图像作为初始图像，并将初始图像提供给识别设备，以供识别设备执行上述步骤s11和s12。
46.可选的，视频采集设备可将初始视频流或者从初始视频流中抽取的初始图像先存储至磁盘或服务器(如云服务器)等中间存储设备，识别设备从中间存储设备中读取初始视频流或者初始图像。
47.可选的，视频采集设备或识别设备可依据预设的抽取规则，从初始视频流中抽取初始图像。该抽取规则可根据需要设定，例如，可以按照一定的时间间隔从初始视频流中抽取初始图像；或者按照初始视频流中各帧图像的具体拍摄时间确定抽取的频次，以抽取初始图像。
48.其中，步骤s12中对每一帧初始图像进行目标识别，具体可以包括以下步骤：
49.步骤s121，对每一帧初始图像进行目标检测，以得到包含待识别目标的图像；
50.s122，从包含待识别目标的图像中识别内容所在的目标区域，所述内容位于所述待识别目标上；
51.s123，对所述目标区域进行内容识别，得到识别信息。
52.待识别目标可以为任意的人或物体，需识别内容在待识别目标之上，二者的相对位置若可根据一定的识别逻辑确定，即满足本发明的目标上内容的识别方法的保护范围。
53.可选的，包含待识别目标的图像可以为初始视频流中包含待识别目标的一帧或多帧图像，也可以为从包含待识别目标的一帧或多帧图像中截取到的能够表现待识别目标特
征的部分图像。
54.可选的，可通过大数据训练得到第一深度神经网络，对多帧的初始图像进行目标识别，得到包含待识别目标的图像。
55.在获取包含待识别目标的图像后，从其中识别到包含需识别内容所在区域的图像，也即目标区域。可根据设置的识别逻辑从包含待识别目标的图像中识别目标区域，识别逻辑可以根据待识别目标的形状、结构、目标区域与待识别目标之间的相对位置关系、目标区域的特征(如目标区域包含的形状、目标区域的颜色)等设定。
56.可选的，当初始视频流中包含多帧同一待识别目标的图像时，可获取同一待识别目标对应的多帧图像作为包含该待识别目标的图像，并分别获取该多帧图像中的目标区域。
57.可选的，可通过大数据训练得到第二深度神经网络，识别待识别目标上的目标区域。
58.可选的，在利用第一深度神经网络和/或第二深度神经网络进行图像识别时，均可以采用图形处理器(graphics processing unit，简称gpu)进行加速运算。
59.在一个非限定性的实例中，待识别目标为车辆，需识别内容可以为车牌的内容，则目标区域为车牌对应的图像区域，则初始视频流中可包含待识别车牌的车辆(也即待识别车辆)的图像；可在物流园区、小区、月台、停车场等车辆集中聚集地的出入口设置图像采集设备以采集初始视频流。可依据待识别车辆中车牌相对车身的位置、车辆的大小、形状等等特征，或者车牌在图像中表现的特征识别出待识别车辆的车牌对应的图像区域作为目标区域。
60.并对车牌区域进行内容识别时，可采用光学字符识别(optical character recognition，简称ocr)等识别技术进行内容识别。
61.通过本发明实施例提供的目标上内容的识别方法，能够从初始视频流中抽取部分图像作为初始图像，获取包含需识别内容的待识别目标的图像，并从包含待识别目标的图像中检测目标区域，对目标区域中的内容进行识别。在识别过程中，按照拍摄时间顺序对挑选的初始图像逐帧进行目标上内容的识别，能够准确地监测目标的真实运动状态，按照真实运动状态，挑选需识别的初始图像，提高了识别效率，减少识别过程中的计算量。
62.在一个实施例中，图1中步骤s11所述获取初始视频流中部分的图像作为初始图像，可以包括：获取初始视频流；按照抽帧间隔从所述初始视频流中抽取若干帧图像作为所述初始图像。
63.可选的，所述初始图像由采集初始视频流的视频采集设备按照抽帧间隔从所述初始视频流中抽取得到。
64.可选的，所述方法还包括：向所述视频采集设备发送所述抽帧间隔。
65.也即，初始图像可以为识别设备或视频采集设备按照抽帧间隔从初始视频流中抽取。抽帧间隔用于从初始视频流中抽取需目标识别的初始图像，该抽帧间隔可根据需要设定。
66.设定的抽帧间隔可以为一个固定的数值，例如，设定的抽帧间隔为5帧，也即每隔5帧初始图像，抽取一帧初始图像进行目标识别。
67.抽帧间隔还可以根据初始视频流的情况动态调整。也即设定的抽帧间隔为多个固
定的数值，根据初始视频流的情况从多个固定数值中选择一个作为当前的抽帧间隔。其中，初始视频流的情况可包括初始视频流中图像的清晰度、对初始视频流中初始图像信息内容识别的结果等等。
68.当视频采集设备执行抽取初始图像的操作时，该抽帧间隔可由识别设备根据抽帧需求或者识别情况设定，并发送至视频采集设备作为其抽帧的依据。
69.在一个非限定的实例中，常用进行视频采集的相机等设备采集到的初始视频流是采用基于实时流传输协议(real time streaming protocol，简称rtsp)的h.264(一种压缩数字视频编解码器标准)编码方式进行编码的，在对初始视频流或初始图像进行分析之前需要根据其编码方式对其解码。可对初始视频流或初始图像的所有帧进行解码，再按照抽帧间隔进行抽帧。
70.其中，所述抽帧间隔根据待识别目标的运动速度确定。
71.待识别目标的运动速度可以根据初始视频流识别、计算获取，也可以对待识别目标进行另行测速获取。进一步地，可设定待识别目标的运动速度越大，抽帧间隔越小，以精确追踪待识别目标，提高对待识别目标上内容识别的准确度。换言之，所述抽帧间隔是随待识别目标的运动速度动态变化的。进一步地，为了防止抽帧间隔过于频繁地变化，可以在速度变化后设置缓冲期，也即在待识别目标的运动速度变化后，维持在变化后的速度超过缓冲期后再对抽帧间隔进行调整。采用这样的方案，在车牌识别等领域，可以防止车辆临时刹车而导致抽帧间隔变得过大。
72.可选的，所述对所述初始图像按照拍摄时间顺序逐帧进行目标识别之后，可以包括：结合多帧待识别目标的初始图像计算所述待识别目标的运动速度。
73.在对初始视频流中抽取的初始图像进行目标识别时，可结合包含同一待识别目标的多帧初始图像中该目标的位置、已采集的初始视频流中各帧图像被采集的时间间隔以及抽帧间隔，计算该待识别目标的运动速度，以确定后续进行目标识别的抽帧间隔。此时，可从视频采集设备实时获取初始视频流，以根据前面一段时间内采集的初始视频流中反映的待识别目标的运动速度调整对后面一段时间内初始视频流的抽帧间隔，使得抽帧间隔能够根据待识别目标的实时运动状况动态调整，在保证识别效率的同时，也能够保证内容识别的效果。
74.可选的，所述目标上内容的识别方法还包括：按照下述公式(1)根据待识别目标的运动速度确定所述抽帧间隔：
75.n＝mod(a
×
exp(b
×
x) c
×
exp(d
×
x))
ꢀꢀꢀ
(1)
76.其中，n为所述抽帧间隔；a，b，c，d为预设常数；x为待识别目标的运动速度；mod()为对括号内数值取整。
77.此时待识别目标的运动速度根据若干帧初始图像计算获取，其单位可以表示为像素每秒，a，b，c，d的数值可根据抽帧效果调整。例如，其各自取值可以为a＝25.04；b＝-1.451；c＝4.954；d＝-0.1702。
78.在一个实施例中，所述抽帧间隔包含多个值，所述按照抽帧间隔从所述初始视频流中抽取若干帧初始图像，可以包括：当未识别到所述待识别目标时，按照抽帧间隔的最大值从所述初始视频流中抽取若干帧初始图像。
79.当设定的抽帧间隔包含多个值时，若在持续多帧中都未检测到待识别目标，则按
照设定的抽帧间隔的最大值进行抽帧，也即，减少此时进行目标视频的初始图像帧的数量，在保持监测目标的同时，减少识别的计算量。当在其中一帧中检测到待识别目标时，则可适当减小抽帧间隔。
80.在一个实施例中，请继续参见图1，步骤s121所述对每一帧初始图像进行目标检测，以得到包含待识别目标的图像之后，还可以包括：当未检测到所述待识别目标时，结束对当前帧初始图像的目标检测；继续获取下一帧初始图像，并对下一帧初始图像进行目标识别。
81.在对每一帧初始图像进行目标识别时，若在该帧中未检测到待识别目标，则不继续对该帧初始图像执行步骤s122和步骤s123，继续对下一帧初始图像进行目标识别，以节约算力，提高识别效率。
82.在一个非限定性的实例中，根据本发明提供的目标上内容的识别方法，对车辆的车牌内容进行识别，其识别步骤如图2所示：
83.步骤s201，获取摄像头采集的初始视频流，按照抽帧间隔抽取部分图像作为初始图像；此时摄像头可设置在停车场，物流园区出入口等处，采集来往车辆的初始视频流，并从中抽取多帧初始图像进行目标识别。
84.步骤s202，获取当前初始图像，通过预训练的第一深度神经网络对当前初始图像进行车辆检测；第一深度神经网络用于对每一帧初始图像进行目标(也即车辆)进行识别，以获取包含待识别车辆的图像，其中，每次识别的初始图像称为当前初始图像。
85.步骤s203，判断步骤s202中是否检测到车辆。
86.当未检测到车辆，则执行步骤s204，获取第一抽帧间隔；以按照第一抽帧间隔作为后续初始视频流的抽帧间隔，继续执行步骤s201，并结束对当前帧初始图像的目标识别。
87.当检测到车辆，则执行步骤s205，获取第二抽帧间隔；以按照第二抽帧间隔作为后续初始视频流的抽帧间隔，继续执行步骤s201。其中，第二抽帧间隔可根据车辆的运动速度确定。
88.对于检测到车辆的初始图像帧，继续执行目标上内容识别的步骤，也即步骤s206和步骤s207。
89.步骤s206，通过预训练的第二深度神经网络进行车牌位置检测；第二深度神经网络用于包含待识别车辆的图像进行车牌位置的识别，以获取车牌区域的图像。
90.步骤s207，对车牌内容进行识别；可以对车牌区域的图像采用ocr识别技术进行内容识别，以获取车牌内容的识别信息。结束对当前帧初始图像的目标识别。
91.在结束对当前帧初始图像的目标识别后，执行步骤s208，继续获取下一帧初始图像作为当前初始图像。开始对下一帧初始图像进行目标识别。
92.可选的，在对车牌区域的图像进行内容识别时，可调整车牌区域的图像的灰度，以提高识别效果。
93.通过图2中对车辆的车牌内容进行识别的步骤，能够准确定位到运动车辆的车牌区域，有效提高对车牌内容识别的准确性。且根据对车辆检测的结果，调整抽帧间隔，在保证识别结果的同时，提高识别效率。
94.请参见图3，本发明实施例还提供一种视频采集方法，所述方法包括：
95.步骤s31，采集初始视频流，所述初始视频流包括按拍摄时间顺序排列的多帧图
像；
96.步骤s32，从所述初始视频流中抽取若干帧图像作为初始图像；
97.其中，所述初始图像用于进行目标上内容识别。
98.可选的，步骤s32从所述初始视频流中抽取若干帧图像作为初始图像，可以包括：按照抽帧间隔从所述初始视频流中抽取若干帧图像作为初始图像。
99.在一个实施例中，所述按照抽帧间隔从所述初始视频流中抽取若干帧图像作为初始图像之前，还包括：接收所述识别设备发送的抽帧间隔。
100.图3所述的视频采集方法由由视频采集设备侧执行，也即采集初始视频流的视频采集设备可对初始视频流做抽帧处理，可按照抽帧间隔进行抽帧，该抽帧间隔可以为视频采集设备本地设定的、也可以为识别设备发送至视频采集设备的，识别设备可根据识别需求或者识别结果设置抽帧间隔，具体设置方式可参见上述的目标上内容的识别方法中关于抽帧间隔的描述。
101.关于视频采集方法的工作原理、工作方式的更多内容，参照对于目标上内容的识别方法中关于视频采集设备侧的相关描述，这里不再赘述。
102.请参见图4，图4提供了一种目标上内容的识别装置的结构示意图，所述装置包括：
103.初始图像获取模块41，用于获取初始视频流中部分的图像作为初始图像，所述初始视频流包括按拍摄时间顺序排列的多帧初始图像；
104.目标识别模块42，用于对所述初始图像按照拍摄时间顺序逐帧进行目标识别；
105.其中，所述目标识别模块42可以包括：
106.目标检测单元421，用于对每一帧初始图像进行目标检测，以得到包含待识别目标的图像；
107.区域识别单元422，用于从包含待识别目标的图像中识别内容所在的目标区域，所述内容位于所述待识别目标上；
108.内容识别单元423，用于对所述目标区域进行内容识别，得到识别信息。
109.在一个实施例中，所述初始图像获取模块41可以包括：
110.初始视频流获取单元，用于获取初始视频流；
111.抽帧单元，用于按照抽帧间隔从所述初始视频流中抽取若干帧图像作为所述初始图像。
112.在一个实施例中，所述初始图像由采集初始视频流的视频采集设备按照抽帧间隔从所述初始视频流中抽取得到。
113.在一个实施例中，所述目标上内容的识别装置还可以包括：
114.抽帧间隔发送模块，用于向所述视频采集设备发送所述抽帧间隔。
115.可选的，所述抽帧间隔根据待识别目标的运动速度确定。
116.在一个实施例中，所述目标识别模块之后还可以包括：
117.运动速度确定模块，用于结合多帧待识别目标的初始图像计算所述待识别目标的运动速度。
118.在一个实施例中，所述目标上内容的识别装置还可以包括：
119.抽帧间隔确定模块，用于按照下述公式根据待识别目标的运动速度确定所述抽帧间隔：
120.n＝mod(a
×
exp(b
×
x) c
×
exp(d
×
x))
121.其中，n为所述抽帧间隔；a，b，c，d为预设常数；x为待识别目标的运动速度；mod()为对括号内数值取整。
122.在一个实施例中，所述抽帧间隔包含多个值，所述抽帧单元，还用于当未识别到所述待识别目标时，按照抽帧间隔的最大值从所述初始视频流中抽取若干帧初始图像。
123.在一个实施例中，所述目标上内容的识别装置还可以包括：
124.结束检测模块，用于当未检测到所述待识别目标时，结束对当前帧初始图像的目标检测；
125.继续检测模块，用于继续获取下一帧初始图像，并对下一帧初始图像进行目标识别。
126.关于目标上内容的识别装置的工作原理、工作方式的更多内容，可以参照上述图1和图2中的对于目标上内容的识别方法的相关描述，这里不再赘述。
127.请参见图5，本发明实施例还提供一种视频采集装置，该装置可以包括：
128.视频采集模块51，用于采集初始视频流，所述初始视频流包括按拍摄时间顺序排列的多帧图像；
129.图像抽取模块52，用于按照抽帧间隔从所述初始视频流中抽取若干帧图像作为初始图像；
130.其中，所述初始图像被提供给识别设备，以使得所述识别设备对所述初始图像按照拍摄时间顺序逐帧进行目标识别。
131.在一个实施例中，图像抽取模块52，还用于按照抽帧间隔从所述初始视频流中抽取若干帧图像作为初始图像。
132.在一个实施例中，所述视频采集装置还可以包括：
133.抽帧间隔接收模块，用于接收所述识别设备发送的抽帧间隔。
134.关于视频采集装置的工作原理、工作方式的更多内容，可以参照上述图3中的对于视频采集方法的相关描述，这里不再赘述。
135.进一步地，本发明实施例还公开一种存储介质，其上存储有计算机程序，计算机程序运行时执行上述图1和图2所示目标上内容的识别方法，或者图3所示视频采集方法的技术方案。
136.进一步地，本发明实施例还公开一种计算机设备，也即实施例中的识别设备，该计算机设备包括存储器和处理器，存储器上存储有能够在处理器上运行的计算机程序，处理器运行计算机程序时执行上述图1和图2所示目标上内容的识别方法的技术方案。该终端可指手机、电脑、智能相机等终端。可以直接获取该终端采集的视频作为初始视频流或者对初始视频流抽帧得到的初始图像，并执行目标上内容的识别方法。
137.进一步地，本发明实施例还公开一种计算机设备，也即视频采集设备，包括存储器和处理器，存储器上存储有能够在处理器上运行的计算机程序，处理器运行计算机程序时执行上述图3所示视频采集方法的技术方案。该计算机设备可指摄像头、智能相机等具备视频采集功能的设备。
138.具体地，在本发明实施例中，所述处理器可以为中央处理单元(central processing unit，简称cpu)，该处理器还可以是其他通用处理器、数字信号处理器
(digital signal processor，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现成可编程门阵列(field programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
139.还应理解，本技术实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，简称rom)、可编程只读存储器(programmable rom，简称prom)、可擦除可编程只读存储器(erasable prom，简称eprom)、电可擦除可编程只读存储器(electrically eprom，简称eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，简称ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器(random access memory，简称ram)可用，例如静态随机存取存储器(static ram，简称sram)、动态随机存取存储器(dram)、同步动态随机存取存储器(synchronous dram，简称sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，简称ddr sdram)、增强型同步动态随机存取存储器(enhanced sdram，简称esdram)、同步连接动态随机存取存储器(synchlink dram，简称sldram)和直接内存总线随机存取存储器(direct rambus ram，简称dr ram)。
140.应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，表示前后关联对象是一种“或”的关系。
141.本技术实施例中出现的“多个”是指两个或两个以上。
142.本技术实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本技术实施例中对设备个数的特别限定，不能构成对本技术实施例的任何限制。
143.本技术实施例中出现的“连接”是指直接连接或者间接连接等各种连接方式，以实现设备间的通信，本技术实施例对此不做任何限定。
144.虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。