识别结果的确定方法、装置、存储介质及电子装置与流程

1.本发明实施例涉及图像处理领域，具体而言，涉及一种识别结果的确定方法、装置、存储介质及电子装置。


背景技术：

2.在获取到图像后，往往需要对图像进行识别，确定识别结果。下面以图像为车牌图像为例进行说明：
3.车牌识别技术已经广泛的应用于交通场景的各个领域，如道路监控、违法测速抓拍、电子警察判别违章等等。由于交通场景极其复杂，干扰因素很多，如灯光、噪声、天气、行人、车辆、建筑、广告等等，因此依靠单帧的车牌识别结果对车辆进行抓拍、判罚是极其不准确的。
4.在相关技术中，大都采用了车牌投票的策略来保证在抓拍帧的图像识别结果的正确性。车牌投票方法是一种对多帧车牌识别结果进行处理，从而保证在输出结果的一帧。然而，通过字符串之间的比较的车牌投票的规则，在模糊帧的存在时间长的情况下，队列里的车牌识别结果可能均为错误的。这样也会造成最终的投票结果错误。
5.由此可知，相关技术中存在确定识别结果不准确的问题。
6.针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。


技术实现要素：

7.本发明实施例提供了一种识别结果的确定方法、装置、存储介质及电子装置，以至少解决相关技术中存在的确定识别结果不准确的问题。
8.根据本发明的一个实施例，提供了一种识别结果的确定方法，包括：识别第一图像中包括的目标对象，得到第一识别结果以及所述第一识别结果的第一置信度；响应于所述第一识别结果以及所述第一置信度满足预定条件，将所述第一识别结果存储至目标队列中，其中，所述目标队列还用于存储与所述目标对象的标识相同的第二识别结果，所述第二识别结果为识别第二图像中包括的对象所得到的结果，所述第二图像为所述第一图像所在的图像序列中与所述目标对象的标识相同的对象所在的图像；融合所述目标队列中包括的所有识别结果对应的图像特征，得到融合特征；基于所述融合特征确定所述目标队列对应的目标识别结果。
9.根据本发明的另一个实施例，提供了一种识别结果的确定装置，包括：识别模块，用于识别第一图像中包括的目标对象，得到第一识别结果以及所述第一识别结果的第一置信度；存储模块，用于响应于所述第一识别结果以及所述第一置信度满足预定条件，将所述第一识别结果存储至目标队列中，其中，所述目标队列还用于存储与所述目标对象的标识相同的第二识别结果，所述第二识别结果为识别第二图像中包括的对象所得到的结果，所述第二图像为所述第一图像所在的图像序列中与所述目标对象的标识相同的对象所在的图像；融合模块，用于融合所述目标队列中包括的所有识别结果对应的图像特征，得到融合
特征；确定模块，用于基于所述融合特征确定所述目标队列对应的目标识别结果。
10.根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
11.根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
12.通过本发明，识别第一图像中包括的对象，得到第一识别结果以及第一识别结果的第一置信度，在第一识别结果和第一置信度满足预定条件的情况下，将第一识别结果存储至目标队列中，其中，目标队列还用于存储第二识别结果，其中，第二识别结果为识别第二图像中包括的对象所得到的结果，第二图像为第一图像所在的图像序列中与目标对象的标识相同的对象所在的图像，融合目标队列中包括的所有识别结果对应的图像特征，得到融合特征，并根据融合特征确定目标队列对应的目标识别结果。由于在确定目标识别结果时，是对目标队列中所有的识别结果对应的图像进行融合后所得到的融合特征进行识别，目标队列中包括的识别结果均是满足预定条件的结果，保证了目标队列中的识别结果的准确性，因此，可以解决相关技术中存在的确定识别结果不准确的问题，达到提高确定识别结果准确率的效果。
附图说明
13.图1是本发明实施例的一种识别结果的确定方法的移动终端的硬件结构框图；
14.图2是根据本发明实施例的识别结果的确定方法的流程图；
15.图3是根据本发明示例性实施例的第一识别结果加入目标队列流程图；
16.图4是根据本发明示例性实施例的确定移除队列的识别结果流程图；
17.图5是根据本发明示例性实施例的根据融合特征确定目标识别结果示意图；
18.图6是根据本发明具体实施例的识别结果的确定方法流程图；
19.图7是根据本发明实施例的识别结果的确定装置的结构框图。
具体实施方式
20.下文中将参考附图并结合实施例来详细说明本发明的实施例。
21.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。
22.本技术实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种识别结果的确定方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
23.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的识别结果的确定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
24.传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(network interface controller，简称为nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(radio frequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。
25.在本实施例中提供了一种识别结果的确定方法，图2是根据本发明实施例的识别结果的确定方法的流程图，如图2所示，该流程包括如下步骤：
26.步骤s202，识别第一图像中包括的目标对象，得到第一识别结果以及所述第一识别结果的第一置信度；
27.步骤s204，响应于所述第一识别结果以及所述第一置信度满足预定条件，将所述第一识别结果存储至目标队列中，其中，所述目标队列还用于存储与所述目标对象的标识相同的第二识别结果，所述第二识别结果为识别第二图像中包括的对象所得到的结果，所述第二图像为所述第一图像所在的图像序列中与所述目标对象的标识相同的对象所在的图像；
28.步骤s206，融合所述目标队列中包括的所有识别结果对应的图像特征，得到融合特征；
29.步骤s208，基于所述融合特征确定所述目标队列对应的目标识别结果。
30.在上述实施例中，第一图像可以是图像序列中的图像，图像序列可以是从视频流中截取出的序列，例如，在一段视频流中，取预定时长的子视频，将子视频中的每帧图像组成的序列确定为图像序列。其中，第一图像中可以包括目标对象，目标对象可以是人、车、物品等。视频流可以是监控设备采集的视频流，如道路交通视频流、商场监控视频流等。
31.在上述实施例中，可以将图像序列中的每一帧分别输入值网络模型中，即可以通过网络模型识别第一图像中包括的目标对象，得到第一识别结果以及第一识别结果的第一置信度。其中，当目标对象为车辆时，第一识别结果可以是车牌号码、车型等信息。当目标对象为人时，第一识别结果可以为人的身份信息，如身份证号码，还可以是其他标识信息，如员工编号等信息。第一置信度可以表示第一识别结果的准确率或识别正确的概率。其中，网络模型可以为cnn卷积神经网络模型，利用cnn网络对输入图像进行特征提取，其中会用到卷积层、归一化层、激活层、池化层等等，最终会得到一个高维的抽象语义特征，此特征需要保存下来，后续投票网络需要用到。利用此特征经过识别网络头解析可以得到此帧的识别结果。然后送入跟踪算法，可以得到目标对象的标识，标志着每一张不同的车牌。
32.在上述实施例中，在确定出第一识别结果后，可以确定第一识别结果指示的目标对象的标识。其中，目标对象的标识可以是为目标对象分配的标识。在确定标识时，可以确
定在图像序列中第一图像之前的其他图像的识别结果，确定是否存在与第一识别结果相同的识别结果，即确定是否存在第一图像之前的图像中是否存在与目标对象相同的对象。在存在时，将与目标对象相同的对象的标识确定为目标对象的标识。在不存在时，可以为目标对象分配一个唯一标识。其中，每个目标对象的标识可以是按顺序排列。例如，对于图像序列中的第一帧图像，可以将第一帧图像中的对象标识确定为001。对于第二帧图像，若其对象的识别结果与第一帧图像的对象的识别结果相同，则将第二帧图像的对象的标识确定为001。若第二帧图像的对象的识别结果与第一帧图像的对象的识别结果不同，则可以将第二帧图像的对象的标识确定为002。
33.在上述实施例中，由于需要对多帧的结果进行投票，需要建立一个缓存，保存历史帧中有用的信息，称之为队列。需要保存的包括识别信息、图像的特征图、识别结果的置信度、跟踪算法输出的对象的标识，如车牌id、当前id的车牌在视频中出现的帧数，即图像序号。其中，每张车牌，即每个id的车牌有自己的投票队列，队列中保存的车牌信息均认为是同一张车牌在不同帧保留下来的。车牌队列有容量限制，不是无限大的，因此需要建立一个入队和出队的规则来维护当前队列。在识别出第一识别结果后，可以将第一识别结果存储至目标队列中。其中，目标队列用于存储具有相同标识的对象的识别结果。即每个目标队列中存储的识别结果的标识均相同。在将第一识别结果存储到目标队列之前，可以首先判断第一识别结果以及第一置信度是否满足预设条件。在满足的情况下，将第一识别结果存储至目标队列中。
34.在上述实施例中，当已存在的队列中存在存储的对象的标识与目标对象的标识相同的队列时，将该队列确定为目标队列。当不存在时，创建目标队列，并将目标队列的标识确定为目标对象的标识。
35.在上述实施例中，在图像序列中包括的每帧图像均识别完成后，可以将目标队列中所有的识别结果对应的图像特征进行融合，得到融合特征，并对融合特征进行识别，确定目标识别结果。
36.可选地，上述步骤的执行主体可以是后台处理器，或者其他的具备类似处理能力的设备，还可以是至少集成有数据处理设备的机器，其中，数据处理设备可以包括计算机、手机等终端，但不限于此。
37.通过本发明，识别第一图像中包括的对象，得到第一识别结果以及第一识别结果的第一置信度，在第一识别结果和第一置信度满足预定条件的情况下，将第一识别结果存储至目标队列中，其中，目标队列还用于存储第二识别结果，其中，第二识别结果为识别第二图像中包括的对象所得到的结果，第二图像为第一图像所在的图像序列中与目标对象的标识相同的对象所在的图像，融合目标队列中包括的所有识别结果对应的图像特征，得到融合特征，并根据融合特征确定目标队列对应的目标识别结果。由于在确定目标识别结果时，是对目标队列中所有的识别结果对应的图像进行融合后所得到的融合特征进行识别，目标队列中包括的识别结果均是满足预定条件的结果，保证了目标队列中的识别结果的准确性，因此，可以解决相关技术中存在的确定识别结果不准确的问题，达到提高确定识别结果准确率的效果。
38.在一个示例性实施例中，响应于所述第一识别结果以及所述第一置信度满足预定条件，将所述第一识别结果存储至所述目标队列中包括：响应于所述目标队列为已存在的
队列，确定最新存储至所述目标队列中的第三识别结果对应的第三图像的第一序号，其中，所述第一序号为所述第三图像在所述图像序列中的序号；确定所述第一序号与所述第一图像在所述图像序列中的第二序号的第一差值；响应于所述第一差值大于预设差值，确定所述第一识别结果的所述第一置信度是否大于预设置信度；响应于所述第一置信度大于所述预设置信度，将所述第一识别结果存储至所述目标队列中。在本实施例中，当目标队列为已存在的目标队列的情况下，在将第一识别存储至目标队列之前，可以确定最新存储至目标队列中的第三识别结果对应的第三图像在图像序列中的第一序号，确定第一图像在图像序列中的第二序号，确定第二序号与第一序号的第一差值，当第一差值大于预设差值时，确定第一置信度是否大于预设置信度，当第一置信度大于预设置信度的情况下，将第一识别结果存储至目标队列中。其中，图像序列中包括连续多帧图像，则可以按照图像在图像序列中的先后顺序为图像进行编号，得到每帧图像的序号，如第一帧图像的序号可以为1，第二帧图像的序号可以为2
……
即第一序号、第二序号为图像在图像序列中的编号。
39.在上述实施例中，判断当前帧的车牌id应该加入哪个队列或者新增一个队列。若应加入某一队列，则进一步判断当前帧的序号与队列中最近一次的序号之差是否大于设定阈值。若帧差很小，说明车牌移动位置很小，识别结果以及车牌特征不会出现大的变化，若连续入队，则会导致队列中的车牌信息都是前几帧的，最终的投票结果也只会参考前几帧的信息。因此，当帧差小于预设差值时，舍弃第一识别结果。若大于预设差值，然后进一步判断该帧的识别置信度是否大于设定置信度阈值，若大于则加入队列，否则舍弃当前帧。其中，第一识别结果加入目标队列流程图可参见附图3。
40.在上述实施例中，当已存在的队列所存储的对象的标识与目标对象的标识均不同时，可以直接创建目标队列，并将第一识别结果存储到目标队列中。还可以确定第一置信度是否大于预设置信度，在大于的情况下，创建目标队列，并将第一识别结果存储到目标队列中。在小于或等于预设置信度的情况下，则无需创建目标队列。
41.在上述实施例中，在将第一识别结果存储在目标队列时，充分筛选了时刻以及置信度，因此，筛选了不同时刻倾斜的图像帧的识别结果入对，提高了确定目标识别结果的准确率。
42.在一个示例性实施例中，所述方法还包括：响应于所述目标队列中存储的所有识别结果的目标数量大于预设数量，确定所述目标队列中存储的每个所述识别结果的目标评分；从所述目标队列中存储的所有所述识别结果中确定出所述目标评分最小的第四识别结果；删除所述第四识别结果。在本实施例中，若当前帧的识别结果加入队列后，超出了队列容量限制，则需要根据出队规则选出一个车牌移除当前队列。判断规则如下：将队列中所有车牌的得分由高到低排序，选出得分最低的一个车牌，移除当前队列。即当目标队列中存在的识别结果的目标数量大于预设数量时，可以考虑择优保存识别结果，即对目标队列中存在的识别结果进行评分，得到目标评分，将目标评分最小的第四识别结果从目标队列中删除。保证目标队列中存在的识别结果均是高质量的识别结果，进而提高确定目标识别结果的准确率。即若当前帧的车牌加入队列后，超出了队列容量限制，则需要根据出队规则选出一个车牌移除当前队列。判断规则如下：将队列中所有车牌的得分由高到低排序，选出得分最低的一个车牌，移除当前队列。
43.在一个示例性实施例中，确定所述目标队列中存储的每个识别结果的目标评分包
括：确定每个所述识别结果的第二置信度；确定每个所述识别结果对应的图像的第三序号，以及在所述目标数量大于所述预设数量时，当前识别的图像在所述图像序列中的第四序号；基于所述第二置信度、所述第三序号以及所述第四序号确定每个所述识别结果的所述目标评分。在本实施例中，在确定目标评分时，可以确定目标队列中的每个识别结果的第二置信度，以及每个识别结果对应的图像已经存在的帧数，根据第二置信度和每个识别结果对应的图像已经存在的帧数确定目标评分。其中，每个识别结果对应的图像已经存在的帧数即为通过该图像的第三序号与当前识别的图像的第四序号确定的帧数。
44.在一个示例性实施例中，基于所述第二置信度、所述第三序号以及所述第四序号确定每个所述识别结果的所述目标评分包括：确定每个所述识别结果的所述第二置信度与第一系数的第一乘积；确定所述第四序号与每个所述识别结果对应的图像的所述第三序号的第二差值；将所有所述识别结果对应的所述第二差值进行归一化处理，得到第三差值；确定每个所述第三差值与第二系数的第二乘积；将每个所述第一乘积与所述第二乘积的第四差值确定为每个所述识别结果的所述目标评分。在本实施例中，可以通过score＝1.3*confidence(i)-0.3*plate_nums(i)确定目标评分，其中，i代表识别结果对应的图像的在图像序列中的序号，confidence(i)代表该车牌的置信度，plate_nums(i)代表该图像已经存在的帧数进行归一化后的数值，即第三差值。1.3表示第一系数，0.3表示第二系数。需要说明的是，上述第一系数和第二系数的取值仅是一种示例性说明，第一系数和第二系数还可以取其他值，第一系数和第二系数可以根据想要得到的目标评分所在的区间确定，本发明对此不做限制。其中，确定移除队列的识别结果流程图可参见附图4。
45.按照上述实施例的方式计算目标评分，可以保证队列中的识别结果均是高质量结果。其中，存在帧数(即第二差值)的限制是因为在识别时，需要抓拍的帧，也即最后需要投票得到的帧，对象一般在一个比较合适的位置，距离这个位置最远的帧，就是出现时间最长的帧，当对象刚开始出现在图像中时，一般是质量较差的，角度较大的，因此存在时间越长，分数降低得越多。
46.在一个示例性实施例中，融合所述目标队列中包括的所有识别结果对应的图像特征，得到融合特征包括：将所述目标队列中的所有所述识别结果的置信度进行归一化处理，得到多个目标置信度；将每个所述目标置信度确定为与所述目标置信度对应的所述识别结果的权重；基于所述权重融合每个所述识别结果对应的图像特征，得到所述融合特征。在本实施例中，在确定融合特征时，可以根据目标队列中的所有识别结果的置信度确定每个识别结果的权重。如将所有置信度进行归一化处理，得到多个目标置信度，将得到的每个目标置信度确定为与目标置信度对应的识别结果的权重。在得到权重后，根据权重融合每个识别结果对应的图像特征，得到融合特征。
47.在上述实施例中，可以对目标队列中所有的识别结果进行处理，得到当前帧的投票识别结果，即目标识别结果。首先对队列中所有识别结果的置信度进行归一化，得到每个识别信息的权重，置信度高的车牌，说明图像质量好，得到的识别结果较为可靠，因此可以赋予一个较大的权重。
48.在一个示例性实施例中，基于所述权重融合每个所述识别结果对应的图像特征，得到所述融合特征包括：确定每个所述识别结果对应的所述图像特征与所述识别结果对应的权重的乘积，得到多个第三乘积；将多个所述第三乘积的和确定为所述融合特征。在本实
施例中，在得到每个识别结果的权重后，对保留的每一帧对应的特征图进行操作，乘以计算出的权重，然后合并成一个n*特征维度的特征，其中，n是队列长度。可以利用一个训练好的车牌识别的网络头对融合特征进行解析，输出识别结果，该识别结果也即为车牌的投票结果，即目标识别结果。其中，根据融合特征确定目标识别结果示意图可参见附图5。
49.在上述实施例中，利用历史帧的特征以及置信度进行融合，可以挑选历史帧中置信度高的图像特征进行保存，并且融合所有特征用网络进行重新识别，得到一个综合识别结果，而非直接用字符串进行频次判断产生投票结果，可以有效地避免由于历史帧图像质量差，遮挡、过曝等外界因素造成错误的识别结果进行累计，从而得到一个错误的投票结果的问题。
50.下面结合具体实施方式对识别结果的确定方法进行说明：
51.图6是根据本发明具体实施例的识别结果的确定方法流程图，如图6所示，该方法包括：
52.步骤s602，输入视频帧。对于道路监控的输入应是一个视频流。视频流的每一帧分别送入整个网络进行处理。
53.步骤s604，车牌识别 跟踪算法，得到单帧识别结果。车牌识别网络：利用cnn网络对输入图像进行特征提取，其中会用到卷积层、归一化层、激活层、池化层等等，最终会得到一个高维的抽象语义特征，此特征需要保存下来，后续投票网络需要用到。利用此特征经过识别网络头解析可以得到此帧的车牌识别结果。然后送入跟踪算法，可以得到车牌的id，标志着每一张不同的车牌。
54.步骤s606，确定车牌特征以及车牌信息。
55.步骤s608，判断是否满足入队条件，在判断结果为是的情况下，执行步骤s610，在判断结果为否的情况下，执行步骤s612。
56.步骤s610，投票队列。
57.步骤s612，舍弃当前帧结果。
58.步骤s614，当队列满时，判断队列中每个识别结果是否满足出对条件，在判断结果为是的情况下，执行步骤s616，在判断结果为否的情况下，执行步骤s610。
59.步骤s616，出队列
60.步骤s618，当队列未满时，通过投票网络确定多帧投票结果。
61.在前述实施例中，基于前述实施例中的车牌投票策略、队列维护策略，可以有效地避免历史帧中的错误信息对投票结果产生严重影响，进而有效提升车牌识别率。引入置信度判断，一可以维护队列，使队列中车牌图像质量得到保证。二可以对特征加权，使得图像清楚的历史帧，可以对最终的投票结果有很大的决定性，而不会受到其他可能存在帧数较多，但质量较差的历史帧影响。不是利用每一帧的车牌识别结果进行字符串之间的简单比较，而是用加权图像特征进行重新识别，可以有效避免模糊历史帧图像对识别结果的不良影响。还可以避免字符串的复杂判断以及易投错、对不同场景需改写不同投票规则的缺点。有良好的稳定性以及可维护性。
62.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有
技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
63.在本实施例还提供了一种识别结果的确定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
64.图7是根据本发明实施例的识别结果的确定装置的结构框图，如图7所示，该装置包括：
65.识别模块72，用于识别第一图像中包括的目标对象，得到第一识别结果以及所述第一识别结果的第一置信度；
66.存储模块74，用于响应于所述第一识别结果以及所述第一置信度满足预定条件，将所述第一识别结果存储至目标队列中，其中，所述目标队列还用于存储与所述目标对象的标识相同的第二识别结果，所述第二识别结果为识别第二图像中包括的对象所得到的结果，所述第二图像为所述第一图像所在的图像序列中与所述目标对象的标识相同的对象所在的图像；
67.融合模块76，用于融合所述目标队列中包括的所有识别结果对应的图像特征，得到融合特征；
68.确定模块78，用于基于所述融合特征确定所述目标队列对应的目标识别结果。
69.在一个示例性实施例中，存储模块74可以通过如下方式实现响应于所述第一识别结果以及所述第一置信度满足预定条件，将所述第一识别结果存储至所述目标队列中包括：响应于所述目标队列为已存在的队列，确定最新存储至所述目标队列中的第三识别结果对应的第三图像的第一序号，其中，所述第一序号为所述第三图像在所述图像序列中的序号；确定所述第一序号与所述第一图像在所述图像序列中的第二序号的第一差值；响应于所述第一差值大于预设差值，确定所述第一识别结果的所述第一置信度是否大于预设置信度；响应于所述第一置信度大于所述预设置信度，将所述第一识别结果存储至所述目标队列中。
70.在一个示例性实施例中，所述装置还用于响应于所述目标队列中存储的所有识别结果的目标数量大于预设数量，确定所述目标队列中存储的每个所述识别结果的目标评分；从所述目标队列中存储的所有所述识别结果中确定出所述目标评分最小的第四识别结果；删除所述第四识别结果。
71.在一个示例性实施例中，所述装置可以通过如下方式实现确定所述目标队列中存储的每个识别结果的目标评分：确定每个所述识别结果的第二置信度；确定每个所述识别结果对应的图像的第三序号，以及在所述目标数量大于所述预设数量时，当前识别的图像在所述图像序列中的第四序号；基于所述第二置信度、所述第三序号以及所述第四序号确定每个所述识别结果的所述目标评分。
72.在一个示例性实施例中，所述装置可以通过如下方式实现基于所述第二置信度、所述第三序号以及所述第四序号确定每个所述识别结果的所述目标评分：确定每个所述识别结果的所述第二置信度与第一系数的第一乘积；确定所述第四序号与每个所述识别结果
对应的图像的所述第三序号的第二差值；将所有所述识别结果对应的所述第二差值进行归一化处理，得到第三差值；确定每个所述第三差值与第二系数的第二乘积；将每个所述第一乘积与所述第二乘积的第四差值确定为每个所述识别结果的所述目标评分。
73.在一个示例性实施例中，融合模块76可以通过如下方式实现融合所述目标队列中包括的所有识别结果对应的图像特征，得到融合特征：将所述目标队列中的所有所述识别结果的置信度进行归一化处理，得到多个目标置信度；将每个所述目标置信度确定为与所述目标置信度对应的所述识别结果的权重；基于所述权重融合每个所述识别结果对应的图像特征，得到所述融合特征。
74.在一个示例性实施例中，融合模块76可以通过如下方式实现基于所述权重融合每个所述识别结果对应的图像特征，得到所述融合特征：确定每个所述识别结果对应的所述图像特征与所述识别结果对应的权重的乘积，得到多个第三乘积；将多个所述第三乘积的和确定为所述融合特征。
75.需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
76.本发明的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
77.在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：u盘、只读存储器(read-only memory，简称为rom)、随机存取存储器(random access memory，简称为ram)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
78.本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
79.在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
80.本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。
81.显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
82.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。