目标识别方法、装置、目标识别设备及存储介质

摘要

本申请实施例公开了一种目标识别方法、装置、目标识别设备及存储介质，该方法包括对目标对象的动作姿态进行识别得到目标对象运动特征；获取选定位置点的采集装置在预设时间段内采集的原始视频数据，确定所述原始视频数据中是否包含人体画面；如果所述原始视频数据中包含人体画面，则对所述人体画面进行识别得到人体运动特征，如果所述人体运动特征和所述目标对象运动特征匹配，则输出所述人体画面及对应的采集时间，本方案提高了目标识别效率，适用范围更广。

说明书

技术领域

本申请实施例涉及计算机技术，尤其涉及一种目标识别方法、装置、目标识别设备及存储介质。

背景技术

随着视频监控和网络传输技术的快速发展，在各级城市的街道、路口、车站、重要建筑物普遍安装拍摄装置。通过人工方式分析拍摄装置拍摄的内容以进行目标对象的识别是目前追踪目标人物的主要方法。

现有技术中，也存在通过机器人脸识别的方式以进行人脸图像的自动匹配来进行目标对象追踪，然而上述方式需要精确抓拍到清晰的人脸图像才能进行自动匹配，通过人工的方式工作效率大幅下降，需要改进。

发明内容

本申请提供了一种目标识别方法、装置、目标识别设备及存储介质，提高了目标识别效率，适用范围更广。

第一方面，本申请实施例提供了一种目标识别方法，包括：

对目标对象的动作姿态进行识别得到目标对象运动特征；

获取选定位置点的采集装置在预设时间段内采集的原始视频数据，确定所述原始视频数据中是否包含人体画面；

如果所述原始视频数据中包含人体画面，则对所述人体画面进行识别得到人体运动特征；

如果所述人体运动特征和所述目标对象运动特征匹配，则输出所述人体画面及对应的采集时间。

第二方面，本申请实施例还提供了一种目标识别装置，包括：

特征识别模块，用于对目标对象的动作姿态进行识别得到目标对象运动特征；

数据获取模块，用于获取选定位置点的采集装置在预设时间段内采集的原始视频数据，确定所述原始视频数据中是否包含人体画面；

识别比对模块，用于如果所述原始视频数据中包含人体画面，则对所述人体画面进行识别得到人体运动特征，如果所述人体运动特征和所述目标对象运动特征匹配，则输出所述人体画面及对应的采集时间。

第三方面，本申请实施例还提供了一种目标识别设备，包括：处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的目标识别方法。

第四方面，本申请实施例还提供了一种包含目标识别设备可执行指令的存储介质，所述目标识别设备可执行指令在由目标识别设备处理器执行时用于执行本申请实施例所述的目标识别方法。

本方案中，对目标对象的动作姿态进行识别得到目标对象运动特征；获取选定位置点的采集装置在预设时间段内采集的原始视频数据，确定所述原始视频数据中是否包含人体画面；如果所述原始视频数据中包含人体画面，则对所述人体画面进行识别得到人体运动特征，如果所述人体运动特征和所述目标对象运动特征匹配，则输出所述人体画面及对应的采集时间，提高了目标识别效率，适用范围更广。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请实施例提供的一种目标识别方法的流程图；

图2是本申请实施例提供的另一种目标识别方法的流程图；

图3是本申请实施例提供的另一种目标识别方法的流程图；

图4是本申请实施例提供的另一种目标识别方法的流程图；

图5是本申请实施例提供的另一种目标识别方法的流程图；

图6是本申请实施例提供的一种目标识别装置的结构框图；

图7是本申请实施例提供的一种目标识别设备的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

图1是本申请实施例提供的一种目标识别方法的流程图，可适用于对目标对象进行追踪，该方法可以由本申请实施例提供的目标识别设备或服务器来执行，其中，该目标识别设备可和多个拍摄装置进行网络连接，也可以自身集成有摄像头进行数据采集，该目标识别设备的目标识别装置可采用软件和/或硬件的方式实现，如图1所示，本实施例提供的具体方案如下：

步骤S101、对目标对象的动作姿态进行识别得到目标对象运动特征。

其中，目标对象可以是确定的需要追踪的特定目标。如在路口一摄像装置拍摄的数据中，其中包含有目标对象，此时，对目标对象的动作姿态进行识别得到目标对象运动特征，该目标对象运动特征区别于人脸图像特征，可以是运动时(走路)的手部运动特征、腿部运动特征等表征用户动作姿态的运动特征。

步骤S102、获取选定位置点的采集装置在预设时间段内采集的原始视频数据，确定所述原始视频数据中是否包含人体画面。

其中，采集装置可设置在不同位置地点如街道路口、银行周边、地铁处，用于对该区域的行人进行拍摄。在目标追踪过程中，可针对不同采集装置采集的数据进行识别以确定是否存在目标对象，其中不同的采集装置具备相应的地点标识(可以是经纬度坐标或者地图位置标记)。本步骤中，获取选定位置点的采集装置在预设时间段内采集的原始视频数据，其中选定位置点可以是用户手动设置的需要查询的位置点，还可以是设备自动排序依次需要查询的位置点，同理，预设时间段可以是用户设定的特定时间段(如早上7点至晚上12点)也可以是一周或特定日期时间段。在一个实施例中，获取原始视频数据后，确定原始视频数据中是否包含人体画面，具体的，识别方式包括：将获取到的原始视频数据中每隔0.5秒截取一次图像画面，并和预设人体模板进行比对，计算图像匹配度，如果匹配程度大于预设阈值(如80％)则确定该原始视频数据包含有人体画面，除此之外，还可采用模式识别中的人工神经网络算法，即通过对包含人体样品集和不包含人体样品集的学习产生分类器，对原始视频数据进行识别以确定其是否属于包含人体画面的分类。

步骤S103、如果所述原始视频数据中包含人体画面，则对所述人体画面进行识别得到人体运动特征。

在一个实施例中，对所述人体画面进行识别得到人体运动特征可以是：确定人体画面中的预设部位的运动轨迹，根据运动轨迹确定人体运动特征，该预设部位可以是人体的手部和腿部，预设部位的设定和前述用于确定目标对象运动特征的部位一致。具体的，可确定所述人体画面中的预设部位的运动轨迹，在所述运动轨迹中选取至少两个检测点，根据至少两个所述检测点以及所述运动轨迹确定所述人体运动特征；在另一个实施例中，还可以是获取预设时刻间隔的人体画面帧图像，对所述人体画面帧图像进行边缘检测得到对应的预设部位；根据不同人体画面帧图像中所述预设部位的角度变化确定所述人体运动特征。

步骤S104、如果所述人体运动特征和所述目标对象运动特征匹配，则输出所述人体画面及对应的采集时间。

在一个实施例中，目标对象运动特征可以是确定出的目标对象在移动(走路或跑步)时手部和腿部的摆动幅度、摆动方位或摆动频率等，如果识别出人体运动特征(该人体运动特征识别的类别和目标对象运动特征所包含的类别相同，如目标对象运动特征为手部和腿部的摆动幅度、摆动方位，则识别的人体运动特征也对应为手部和腿部的摆动幅度、摆动方位)和目标对应运动特征的匹配程度满足预设条件(如识别的人体运动特征的参数值除以目标对象运动特征的参数值大于0.9)，则输出该识别的人体画面及对应的采集时间。

由上述内容可知，通过对目标对象的动作姿态进行识别得到目标对象运动特征，在后续查询过程中，对获取的视频流中的人体画面进行相应的识别如果发现相匹配的人体运动特征，则输出该人体画面及相应的采集时间以反馈给查询人员，由此扩大了目标对象的搜索范围无需拍摄到目标对象的清晰的人脸图像即可实现目标对象的筛选追踪，同时避免了人工进行视频的观看查询带来的效率低下的问题。

在上述技术方案的基础上，在输出所述人体画面之前，还包括：对所述人体画面中各像素点的亮度分量进行调节，如将人体画面中各像素点的亮度分量值增加50，以便于输出反馈的人体画面清晰度更高，更易于查询人员进行查看。

图2是本申请实施例提供的另一种目标识别方法的流程图，可选的，确定所述人体画面中的预设部位的运动轨迹，根据所述运动轨迹确定所述人体运动特征包括：确定所述人体画面中的预设部位的运动轨迹，在所述运动轨迹中选取至少两个检测点，根据至少两个所述检测点以及所述运动轨迹确定所述人体运动特征。如图2所示，技术方案具体如下：

步骤S201、对目标对象的动作姿态进行识别得到目标对象运动特征。

步骤S202、获取选定位置点的采集装置在预设时间段内采集的原始视频数据，确定所述原始视频数据中是否包含人体画面。

步骤S203、如果所述原始视频数据中包含人体画面，则确定所述人体画面中的预设部位的运动轨迹，在所述运动轨迹中选取至少两个检测点，根据至少两个所述检测点以及所述运动轨迹确定所述人体运动特征。

具体的，可以采用：获得n个检测点，其中每个检测点属于一个目标轨迹(如手部运动轨迹)，且目标轨迹的数目可以是一条也可以是多条；确定该n个检测点的属性Pn以及和该n个检测点关联的目标轨迹j的属性Pj，其中，Pn＝[mi(A1)mi(A2)…mi(An)]，n为证据源的个数，即所获得的检测点的数目，A表示检测点对应的证据集Fi的元素，mi(A1)表示第i个检测点的属性是A1的可能性且其值小于等于1；获得与检测点i关联的目标轨迹j的属性Pj＝[mj(A1)mj(A2)…mj(AN)]，其中，目标轨迹对应的证据集为Fj，由此通过目标轨迹的属性Pj以确定人体运动特征，示例性的，如确定出的手部摆动幅度为20°。

步骤S204、如果所述人体运动特征和所述目标对象运动特征匹配，则输出所述人体画面及对应的采集时间。

由上述可知，通过确定人体画面中的预设部位的运动轨迹，根据运动轨迹确定人体运动特征，并进行特征比对以进行目标对象的追踪，提高了目标识别效率，适用范围更广。

图3是本申请实施例提供的另一种目标识别方法的流程图，可选的，确定所述人体画面中的预设部位的运动轨迹，根据所述运动轨迹确定所述人体运动特征包括：获取预设时刻间隔的人体画面帧图像，对所述人体画面帧图像进行边缘检测得到对应的预设部位；根据不同人体画面帧图像中所述预设部位的角度变化确定所述人体运动特征。如图3所示，技术方案具体如下：

步骤S301、对目标对象的动作姿态进行识别得到目标对象运动特征。

步骤S302、获取选定位置点的采集装置在预设时间段内采集的原始视频数据，确定所述原始视频数据中是否包含人体画面。

步骤S303、如果所述原始视频数据中包含人体画面，则获取预设时刻间隔的人体画面帧图像，对所述人体画面帧图像进行边缘检测得到对应的预设部位。

示例性的，在确定目标对象运动特征时，对每人体画面图像进行边缘检测以确定预设部位(如预设部位可以是头部、手部、腿部、脚部和躯干等)。

步骤S304、根据不同人体画面帧图像中所述预设部位的角度变化确定所述人体运动特征。

具体的，在每个预设部位随机确定一个或多个关节点并相应生成关节点坐标信息，根据关节点坐标信息提取该帧预设部位之间的夹角的角度(手部和躯干的角度，双腿之间的角度等)；根据各个帧图像中预设部位之间的夹角的角度生成待识别人体运动特征的描述样本，如：可分别提取每个部位之间在各帧图像数据中的夹角角度，以得到与每个部位夹角对应的N个角度，并计算每个部位夹角对应的N个角度的方差，以得到待识别人体运动特征的描述样本；通支持向量机模型对描述样本进行分类，以根据预设部位的角度变化确定人体运动特征，示例性的，确定出的人体运动特征可以是：手部摆动幅度20°，腿部摆动幅度35°等。

步骤S305、如果所述人体运动特征和所述目标对象运动特征匹配，则输出所述人体画面及对应的采集时间。

由上述可知，通过对画面帧图像进行分析以得到目标对象运动特征，并用于后续目标对象的识别追踪，无需进行人脸特征的比对即可完成追踪任务，扩大了追踪搜索范围。

图4是本申请实施例提供的另一种目标识别方法的流程图，可选的，所述对目标对象的动作姿态进行识别得到目标对象运动特征包括：通过预设训练模型对目标对象的动作姿态进行特征提取得到目标对象运动特征，其中，所述目标对于运动特征包括至少两种，所述预设训练模型在训练过程由不同的运动特征样本联合训练得到。如图4所示，技术方案具体如下：

步骤S401、通过预设训练模型对目标对象的动作姿态进行特征提取得到目标对象运动特征。

在一个实施例中，目标对象运动特征包括至少两种(如手部姿态和腿部姿态)，预设训练模型在训练过程由不同的运动特征样本联合训练得到。具体的，预设训练模型在训练过程中基于第一识别网络(如手部姿态识别网络)和第二识别网络(腿部姿态)进行训练，步骤如下：将训练图片输入至特征提取网络，以使特征提取网络生成训练图片的特征图；将特征图输入至第一识别网络，计算得到第一损失函数值；将特征图输入至第二识别网络，计算得到第二损失函数值；根据第一损失函数值、第二损失函数值确定总损失函数值，如将第一损失函数值、第二损失函数值按照预设的权重比例求和，得到总损失函数值；基于总损失函数值，通过反向传播算法对识别网络的参数进行训练。其中，整个网络通过大量样本数据，以降低总损失函数为目标，利用反向传播算法来训练卷积神经网络中的各个参数，当总损失函数收敛至预设值时，则将总损失函数收敛至预设值时对应的参数作为识别网络的参数，此时设定该参数的识别网络为已训练的识别网络，可以直接用于对目标对象的动作姿态进行识别得到目标对象运动特征。

步骤S402、获取选定位置点的采集装置在预设时间段内采集的原始视频数据，确定所述原始视频数据中是否包含人体画面。

步骤S403、如果所述原始视频数据中包含人体画面，则对所述人体画面进行识别得到人体运动特征。

步骤S404、如果所述人体运动特征和所述目标对象运动特征匹配，则输出所述人体画面及对应的采集时间。

由上述可知，在对目标对象的动作姿态进行识别得到目标对象运动特征时，通过预设训练模型得到目标对象运动特征，其中预设训练模型在训练过程由不同的运动特征样本联合训练得到，提高了确定出的目标对象运动特征准确性。

图5是本申请实施例提供的另一种目标识别方法的流程图，可选的，对目标对象的动作姿态进行特征提取得到对应的目标特征向量，确定所述目标特征向量和多个模板特征向量的欧式距离，将满足预设条件的模板特征向量对应的属性值确定为目标对象运动特征。如图5所示，技术方案具体如下：

步骤S501、对目标对象的动作姿态进行特征提取得到对应的目标特征向量，确定所述目标特征向量和多个模板特征向量的欧式距离，将满足预设条件的模板特征向量对应的属性值确定为目标对象运动特征。

在一个实施例中，对目标对象进行特征提取得到对应的目标特征向量，确定所述目标特征向量和多个所述模板特征向量的欧式距离，将满足预设条件(欧式距离最短)的模板特征向量对应的属性值确定为目标对象运动特征，示例性的，当确定目标特征向量匹配的模板特征向量后，将模板特征向量的属性值(如手部摆动姿态的幅度值)确定为目标对象运动特征。其中模板特征向量的求取方式可以是：利用递归方法将射频链路上的反射信号的相位值进行多级分解，得到多个细节系数和一个近似系数；对每一个细节系数计算其对应的动态阈值，若细节系数大于动态阈值，则保留此细节系数，否则，去除此细节系数，得到筛选后的多个细节系数；将筛选后的多个细节系数与近似系数进行重建，得到去噪后的相位值；对多个信道下的去噪后的相位值均进行标准化处理，得到标准化处理后的多个信道下的相位值；标准化处理后的多个信道下的相位值形成模板特征向量。

步骤S502、获取选定位置点的采集装置在预设时间段内采集的原始视频数据，确定所述原始视频数据中是否包含人体画面。

步骤S503、如果所述原始视频数据中包含人体画面，则对所述人体画面进行识别得到人体运动特征。

步骤S504、如果所述人体运动特征和所述目标对象运动特征匹配，则输出所述人体画面及对应的采集时间。

由上述可知，在对目标对象的动作姿态进行识别得到目标对象运动特征的过程中，对目标对象的动作姿态进行特征提取得到对应的目标特征向量，确定所述目标特征向量和多个模板特征向量的欧式距离，将满足预设条件的模板特征向量对应的属性值确定为目标对象运动特征，提高了目标对象运动特征的识别率，为后续进行目标追踪提供了优良的前提条件。

图6是本申请实施例提供的一种目标识别装置的结构框图，该装置用于执行上述实施例提供的目标识别方法，具备执行方法相应的功能模块和有益效果。如图6所示，该装置具体包括：特征识别模块101、数据获取模块102和识别比对模块103，其中，

特征识别模块101，用于对目标对象的动作姿态进行识别得到目标对象运动特征。

数据获取模块102，用于获取选定位置点的采集装置在预设时间段内采集的原始视频数据，确定所述原始视频数据中是否包含人体画面。

识别比对模块103，用于如果所述原始视频数据中包含人体画面，则对所述人体画面进行识别得到人体运动特征，如果所述人体运动特征和所述目标对象运动特征匹配，则输出所述人体画面及对应的采集时间。

由上述内容可知，通过对目标对象的动作姿态进行识别得到目标对象运动特征，在后续查询过程中，对获取的视频流中的人体画面进行相应的识别如果发现相匹配的人体运动特征，则输出该人体画面及相应的采集时间以反馈给查询人员，由此扩大了目标对象的搜索范围无需拍摄到目标对象的清晰的人脸图像即可实现目标对象的筛选追踪，同时避免了人工进行视频的观看查询带来的效率低下的问题。

在一个可能的实施例中，所述识别比对模块103具体用于：

确定所述人体画面中的预设部位的运动轨迹，根据所述运动轨迹确定所述人体运动特征。

在一个可能的实施例中，所述识别比对模块103具体用于：

确定所述人体画面中的预设部位的运动轨迹，在所述运动轨迹中选取至少两个检测点，根据至少两个所述检测点以及所述运动轨迹确定所述人体运动特征。

在一个可能的实施例中，所述识别比对模块103具体用于：

获取预设时刻间隔的人体画面帧图像，对所述人体画面帧图像进行边缘检测得到对应的预设部位；

根据不同人体画面帧图像中所述预设部位的角度变化确定所述人体运动特征。

在一个可能的实施例中，该装置还包括亮度处理模块104用于：在输出所述人体画面之前，对所述人体画面中各像素点的亮度分量进行调节。

在一个可能的实施例中，所述特征识别模块101具体用于：

通过预设训练模型对目标对象的动作姿态进行特征提取得到目标对象运动特征，其中，所述目标对于运动特征包括至少两种，所述预设训练模型在训练过程由不同的运动特征样本联合训练得到。

在一个可能的实施例中，所述特征识别模块101具体用于：

对目标对象的动作姿态进行特征提取得到对应的目标特征向量，确定所述目标特征向量和多个模板特征向量的欧式距离，将满足预设条件的模板特征向量对应的属性值确定为目标对象运动特征。

本实施例在上述各实施例的基础上提供了一种目标识别设备，图7是本申请实施例提供的一种目标识别设备的结构示意图，如图7所示，该目标识别设备包括：存储器201、处理器(Central Processing Unit，CPU)202、外设接口203、摄像头205、电源管理芯片208、输入/输出(I/O)子系统209、触摸屏212、Wifi模块213、其他输入/控制设备210以及外部端口204，这些部件通过一个或多个通信总线或信号线207来通信。

应该理解的是，图示目标识别设备仅仅是目标识别设备的一个范例，并且目标识别设备可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

下面就本实施例提供的用于目标识别的目标识别设备进行详细的描述。

存储器201，所述存储器201可以被CPU202、外设接口203等访问，所述存储器201可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

外设接口203，所述外设接口203可以将设备的输入和输出外设连接到CPU202和存储器201。

I/O子系统209，所述I/O子系统209可以将设备上的输入输出外设，例如触摸屏212和其他输入/控制设备210，连接到外设接口203。I/O子系统209可以包括显示控制器2091和用于控制其他输入/控制设备210的一个或多个输入控制器2092。其中，一个或多个输入控制器2092从其他输入/控制设备210接收电信号或者向其他输入/控制设备210发送电信号，其他输入/控制设备210可以包括物理按钮(按压按钮、摇臂按钮等)、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器2092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。

触摸屏212，所述触摸屏212是用户终端与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。

I/O子系统209中的显示控制器2091从触摸屏212接收电信号或者向触摸屏212发送电信号。触摸屏212检测触摸屏上的接触，显示控制器2091将检测到的接触转换为与显示在触摸屏212上的用户界面对象的交互，即实现人机交互，显示在触摸屏212上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。

电源管理芯片208，用于为CPU202、I/O子系统及外设接口所连接的硬件进行供电及电源管理。

上述实施例中提供的目标识别设备的目标识别装置及目标识别设备可执行本申请任意实施例所提供的目标识别设备的目标识别方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的目标识别设备的目标识别方法。

本申请实施例还提供一种包含目标识别设备可执行指令的存储介质，所述目标识别设备可执行指令在由目标识别设备处理器执行时用于执行一种目标识别方法，该方法包括：

对目标对象的动作姿态进行识别得到目标对象运动特征；

获取选定位置点的采集装置在预设时间段内采集的原始视频数据，确定所述原始视频数据中是否包含人体画面；

如果所述原始视频数据中包含人体画面，则对所述人体画面进行识别得到人体运动特征，如果所述人体运动特征和所述目标对象运动特征匹配，则输出所述人体画面及对应的采集时间。

在一个可能的实施例中，所述对所述人体画面进行识别得到人体运动特征包括：

确定所述人体画面中的预设部位的运动轨迹，根据所述运动轨迹确定所述人体运动特征。

在一个可能的实施例中，所述确定所述人体画面中的预设部位的运动轨迹，根据所述运动轨迹确定所述人体运动特征包括：

确定所述人体画面中的预设部位的运动轨迹，在所述运动轨迹中选取至少两个检测点，根据至少两个所述检测点以及所述运动轨迹确定所述人体运动特征。

在一个可能的实施例中，所述确定所述人体画面中的预设部位的运动轨迹，根据所述运动轨迹确定所述人体运动特征包括：

获取预设时刻间隔的人体画面帧图像，对所述人体画面帧图像进行边缘检测得到对应的预设部位；

根据不同人体画面帧图像中所述预设部位的角度变化确定所述人体运动特征。

在一个可能的实施例中，在输出所述人体画面之前，还包括：

对所述人体画面中各像素点的亮度分量进行调节。

在一个可能的实施例中，所述对目标对象的动作姿态进行识别得到目标对象运动特征包括：

通过预设训练模型对目标对象的动作姿态进行特征提取得到目标对象运动特征，其中，所述目标对于运动特征包括至少两种，所述预设训练模型在训练过程由不同的运动特征样本联合训练得到。

在一个可能的实施例中，所述对目标对象的动作姿态进行识别得到目标对象运动特征包括：

对目标对象的动作姿态进行特征提取得到对应的目标特征向量，确定所述目标特征向量和多个模板特征向量的欧式距离，将满足预设条件的模板特征向量对应的属性值确定为目标对象运动特征。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的目标识别方法操作，还可以执行本申请任意实施例所提供的目标识别方法中的相关操作。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。