CN107798292A - 对象识别方法、计算机程序、存储介质及电子设备 - Google Patents

对象识别方法、计算机程序、存储介质及电子设备 Download PDF

Info

Publication number
CN107798292A
CN107798292A CN201710851170.4A CN201710851170A CN107798292A CN 107798292 A CN107798292 A CN 107798292A CN 201710851170 A CN201710851170 A CN 201710851170A CN 107798292 A CN107798292 A CN 107798292A
Authority
CN
China
Prior art keywords
feature data
image
destination object
fisrt feature
destination
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710851170.4A
Other languages
English (en)
Other versions
CN107798292B (zh
Inventor
邓昌顺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiang Chuang Technology (beijing) Co Ltd
Original Assignee
Xiang Chuang Technology (beijing) Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xiang Chuang Technology (beijing) Co Ltd filed Critical Xiang Chuang Technology (beijing) Co Ltd
Priority to CN201710851170.4A priority Critical patent/CN107798292B/zh
Publication of CN107798292A publication Critical patent/CN107798292A/zh
Application granted granted Critical
Publication of CN107798292B publication Critical patent/CN107798292B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/164—Detection; Localisation; Normalisation using holistic features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了一种对象识别方法、计算机程序、存储介质及电子设备。其中，对象识别方法包括：获取包括不同视角下的第一目标对象的第一数量的第一图像，并根据第一数量的第一图像获取第一目标对象的第一数量的第一特征数据；获取包括不同视角下的第二目标对象的第二数量的第二图像，并根据第二数量的第二图像获取第二目标对象的第二数量的第二特征数据；将第一数量的第一特征数据与第二数量的第二特征数据进行匹配，并获取匹配结果；根据匹配结果确定第一目标对象与第二目标对象是否为同一目标对象。采用本发明的技术方案，可以通过将目标对象的多个角度的特征数据作为标识进行匹配的方式，准确地对目标对象进行识别。

Description

对象识别方法、计算机程序、存储介质及电子设备
技术领域
本发明实施例涉及计算机视觉技术领域，尤其涉及一种对象识别方法、计算机程序、存储介质及电子设备。
背景技术
目前，计算机领域通常针对物体的正面图像，通过检测物体的正面特征进行对象识别，例如针对人或动物的正脸图像进行的识别技术。对象识别技术依赖于物体的正面图像，对应用场景造成了一定的限制，在获得的图像偏离物体的正面图像时，会造成对象识别准确度的降低；在获得对象为物体的侧面图像时，通常无法进行有效的识别。
发明内容
本发明实施例提供了一种提高目标对象识别准确率的对象识别方案。
根据本发明实施例的第一方面，提供了一种对象识别方法，包括：获取包括不同视角下的第一目标对象的第一数量的第一图像，并根据所述第一数量的第一图像获取所述第一目标对象的第一数量的第一特征数据；获取包括不同视角下的第二目标对象的第二数量的第二图像，并根据所述第二数量的第二图像获取所述第二目标对象的第二数量的第二特征数据；将所述第一数量的第一特征数据与所述第二数量的第二特征数据进行匹配，并获取匹配结果；根据所述匹配结果确定所述第一目标对象与第二目标对象是否为同一目标对象。
可选地，所述根据所述第一数量的第一图像获取所述第一目标对象的第一数量的第一特征数据，包括：根据所述第一数量的第一图像获取所述第一目标对象的第一数量的第一特征向量；根据所述第一数量的第一特征向量生成第一数量的第一特征码；所述根据所述第二数量的第二图像获取所述第二目标对象的第二数量的第二特征数据，包括：根据所述第二数量的第二图像获取所述第二目标对象的第二数量的第二特征向量；根据所述第二数量的第二特征向量生成第二数量的第二特征码。
可选地，所述第一目标对象和所述第二目标对象同为人或动物。
可选地，所述第一图像包括所述第一目标对象的正脸图像和/或侧脸图像，所述第二图像包括所述第二目标对象的正脸图像和/或侧脸图像。
可选地，所述将所述第一数量的第一特征数据与所述第二数量的第二特征数据进行匹配，包括：将所述第一数量的第一特征数据中的各第一特征数据均与所述第二数量的第二特征数据中的各第二特征数据进行匹配。
可选地，所述获取匹配结果，包括：获取用于指示相匹配的第一特征数据和第二特征数据所占的比例值的匹配结果；其中，所述相匹配的第一特征数据和第二特征数据之间的相似度超过预设相似度阈值。
可选地，所述根据匹配结果确定所述第一目标对象与第二目标对象是否为同一目标对象，包括：如果所述匹配结果指示相匹配的第一特征数据和第二特征数据所占的比例值超过预设比例阈值，则确定所述第一目标对象与第二目标对象为同一目标对象。
根据本发明实施例的第二方面，还提供了一种计算机程序，其包括有计算机程序指令，其中，所述程序指令被处理器执行时用于实现本发明实施例的任一种对象识别方法对应的步骤。
根据本发明实施例的第三方面，还提供了一种计算机可读存储介质，其上存储有计算机程序指令，其中，所述程序指令被处理器执行时用于实现本发明实施例的任一种对象识别方法对应的步骤。
根据本发明实施例的第四方面，还提供了一种电子设备，包括：处理器、存储器、通信元件和通信总线，所述处理器、所述存储器和所述通信元件通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行本发明实施例的任一种对象识别方法对应的步骤。
根据本发明实施例的目标对象识别方案，通过分别获取第一目标对象和第二目标对象在多个视角下的图像，并分别获取两个目标对象的相应的多个的特征数据，以根据第一目标对象的多个特征数据和第二目标对象的多个特征数据进行匹配的匹配结果，来识别第一目标对象和第二目标对象是否为同一目标对象，从而以目标对象的特征数据来准确地识别目标对象，并通过从多个视角的图像获取的多个特征数据来进行匹配，进一步提高了目标对象识别的准确度。
附图说明
图1是根据本发明实施例一的一种对象识别方法的步骤流程图；
图2是根据本发明实施例二的一种对象识别方法的步骤流程图；
图3是根据本发明实施例四的一种电子设备的结构示意图。
具体实施方式
下面结合附图(若干附图中相同的标号表示相同的元素)和实施例，对本发明实施例的具体实施方式作进一步详细说明。以下实施例用于说明本发明，但不用来限制本发明的范围。
本领域技术人员可以理解，本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
实施例一
参照图1，示出了根据本发明实施例一的一种对象识别方法的步骤流程图。
本实施例的对象识别方法包括以下步骤：
步骤S102：获取包括不同视角下的第一目标对象的第一数量的第一图像，并根据第一数量的第一图像获取第一目标对象的第一数量的第一特征数据。
其中，第一目标对象可以为人、动物、车辆任意目标对象。例如，第一目标对象为人；再例如，第一目标对象为用户饲养的猫、狗等宠物。
在实际应用中，可以采用任意具有摄像或拍照功能的设备采集包括第一目标对象的第一图像，共在第一数量的不同视角下，基于每一种视角采集一张第一图像。其中，第一数量可以一、二或者二以上中的任一个。
在获取第一图像之后，可以采用任意的图像处理技术或人工智能技术对第一图像进行处理，以获取第一图像中第一目标对象的第一特征数据。可选地，通过用于目标对象识别的神经网络模型，对第一图像中的第一目标对象进行目标对象识别、特征提取等操作，提取第一特征数据。第一特征数据可用于标识第一目标对象，并具有较高的标识性。
步骤S104：获取包括不同视角下的第二目标对象的第二数量的第二图像，并根据第二数量的第二图像获取第二目标对象的第二数量的第二特征数据。
其中，第二目标对象与第一目标对象为同一类别的目标对象；第二数量可以一、二或者二以上中的任一个，第二数量可以与第二数量相等，也可以不等。
可选地，采用前述步骤S102中获取第一图像以及第一特征数据的方式，来获取第二图像以及第二特征数据。
步骤S106：将第一数量的第一特征数据与第二数量的第二特征数据进行匹配，并获取匹配结果。
可选地，将每个第一特征数据分别与一个或多个第二特征数据进行匹配，并获取各包括一个第一特征数据与第二特征数据的组合是否匹配的匹配结果。匹配结果可用于指示是否有第一特征数据与第二特征数据相匹配，或者用于指示有相匹配的第一特征数据与第二特征数据的数量信息。
步骤S108：根据匹配结果确定第一目标对象与第二目标对象是否为同一目标对象。
如果匹配结果指示有第一特征数据与第二特征数据相匹配，或者超过预设数量的第一特征数据与第二特征数据相匹配，则可以确定第一目标对象与第二目标对象为同一目标对象；如果匹配结果指示没有第一特征数据与第二特征数据相匹配，或者相匹配的第一特征数据和第二特征数据的数量未超过预设数量，则确定第二目标对象与第二目标对象为同一目标对象。
根据本发明实施例的目标对象识别方案，通过分别获取第一目标对象和第二目标对象在多个视角下的图像，并分别获取多个相应的特征数据，以根据第一目标对象的多个特征数据和第二目标对象的多个特征数据进行匹配的匹配结果，来识别第一目标对象和第二目标对象是否为同一目标对象，从而以目标对象的特征数据来准确地识别目标对象，并通过从多个视角的图像获取的多个特征数据来进行匹配，进一步提高了目标对象识别的准确度。
本实施例的对象识别方法可以由任意适当的具有相应的图像或数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本发明实施例提供的任一种对象识别方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本发明实施例提及的任一种对象识别方法。下文不再赘述。
实施例二
参照图2，示出了根据本发明实施例二的一种对象识别方法的步骤流程图。
本实施例的对象识别方法包括以下步骤：
步骤S202：获取包括不同视角下的第一目标对象的第一数量的第一图像，并根据第一数量的第一图像获取第一目标对象的第一数量的第一特征数据。
一种可选地实施方式中，获取例如照相机的图像采集设备分别在第一数量的视角下拍摄的第一数量张第一图像，并通过用于目标对象检测的神经网络，提取各第一图像中第一目标对象的第一特征向量，以及根据各第一特征向量生成相应的第一特征码。也即，获取第一数量的第一特征向量，并生成第一数量的第一特征码。其中，在生成第一特征码时，可以获取第一特征向量所包含的多个分向量在多维向量空间中的位置数据，以组成一个数组作为第一特征码。该第一特征码根据第一特征向量生成，可以有效地标识第一目标对象的唯一性。
可选地，第一目标对象为人或动物时，第一图像包括第一目标对象的脸部图像，包括正脸图像和一个或多个侧脸图像；相应地，第一特征数据包括第一目标对象的脸部特征数据，包括从第一目标对象的脸部图像提取的第一目标对象的脸部特征向量，以及根据第一目标对象的脸部特征向量生成的第一特征码。
步骤S204：获取包括不同视角下的第二目标对象的第二数量的第二图像，并根据第二数量的第二图像获取第二目标对象的第二数量的第二特征数据。
本实施例中，采用前述步骤S102中获取第一图像以及第一特征数据的方式，来获取第二图像以及第二特征数据。
在这里说明，本实施例中的特征数据(第一特征数据或第二特征数据)仅包括特征码，但在其他实施例中，特征数据也可以仅包括特征向量，或者同时包括特征向量和特征码，以及同时其他特征数据。而且，目标对象的图像(第一图像或第二图像)不限于目标对象的脸部图像，还可以为包括目标对象其他部位的图像，例如，目标对象的头部图像、前身(或上身)图像、后身(或下身)图像以及全身图像等。
步骤S206：将各第一特征数据均与各第二特征数据进行匹配，并获取匹配结果。
也即，将第一数量的第一特征数据中的各第一特征数据均与第二数量的第二特征数据中的各第二特征数据进行匹配，并获取匹配结果。可选地，获取用于指示相匹配的第一特征数据和第二特征数据所占的比例值。
例如，第一数量的第一特征数据包括5个第一特征码(A1、A2、A3、A4、A5)，第二数量的第二特征数据包括5个第二特征码(B1、B2、B3、B4、B5)，通过分别计算每个第一特征码与5个第二特征码之间的空间距离，来获取各第一特征码与各第二特征码之间的相似度，从而通过第一特征码与第二特征码之间相似度是否超过预设的相似度阈值，来判断是否相匹配。其中，如果第一特征码和第二特征码之间的相似度超过预设阈值，则确定第一特征码与第二特征码相匹配。
其中，有25组第一特征数据和第二特征数据进行匹配，获取其中的相匹配的第一特征数据和第二特征数据的组数所占的比例值，作为匹配结果。
步骤S208：根据匹配结果指示相匹配的第一特征数据和第二特征数据所占的比例值确定第一目标对象与第二目标对象是否为同一目标对象。
可选地，如果相匹配的第一特征数据和第二特征数据在进行匹配第一特征数据和第二特征数据中所占的比例值，超过预设的比例阈值，则确定第一目标对象与第二目标对象为同一目标对象。其中，所述比例阈值可以根据第一数量和第二数量的具体值进行确定。
应当理解，本实施例仅以前述比例值为例，来说明根据匹配结果判断第一目标对象和第二目标对象是否为同一目标对象，在其他实施例中，还可以获取例如相匹配的第一特征数据和第二特征数据的数量等其他数据作为匹配结果。
根据本发明实施例的目标对象识别方案，通过分别获取第一目标对象和第二目标对象在多个视角下的图像，并分别获取多个相应的特征数据，以根据第一目标对象的多个特征数据和第二目标对象的多个特征数据进行匹配的匹配结果，来识别第一目标对象和第二目标对象是否为同一目标对象，从而以目标对象的特征数据来准确地识别目标对象，并通过从多个视角的图像获取的多个特征数据来进行匹配，进一步提高了目标对象识别的准确度。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本发明实施例提供的任一对象识别方法的步骤。
本实施例还提供了一种计算机程序，其包括有计算机程序指令，所述程序指令被处理器执行时用于实现本发明实施例提供的任一对象识别方法的步骤。
本实施例的计算机可读存储介质和计算机程序用于实现前述方法实施例中相应的对象识别方法，并具有相应的方法实施例的有益效果，在此不再赘述。
实施例四
本发明实施例四提供了一种电子设备，例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图3，其示出了适于用来实现本发明实施例的终端设备或服务器的电子设备300的结构示意图：如图3所示，电子设备300包括一个或多个处理器、通信元件等，所述一个或多个处理器例如：一个或多个中央处理单元(CPU)301，和/或一个或多个图像处理器(GPU)313等，处理器可以根据存储在只读存储器(ROM)302中的可执行指令或者从存储部分308加载到随机访问存储器(RAM)303中的可执行指令而执行各种适当的动作和处理。通信元件包括通信组件312和/或通信接口309。其中，通信组件312可包括但不限于网卡，所述网卡可包括但不限于IB(Infiniband)网卡，通信接口309包括诸如LAN卡、调制解调器等的网络接口卡的通信接口，通信接口309经由诸如因特网的网络执行通信处理。
处理器可与只读存储器302和/或随机访问存储器303中通信以执行可执行指令，通过通信总线304与通信组件312相连、并经通信组件312与其他目标设备通信，从而完成本发明实施例提供的任一项对象识别方法对应的操作，例如，获取包括不同视角下的第一目标对象的第一数量的第一图像，并根据所述第一数量的第一图像获取所述第一目标对象的第一数量的第一特征数据；获取包括不同视角下的第二目标对象的第二数量的第二图像，并根据所述第二数量的第二图像获取所述第二目标对象的第二数量的第二特征数据；将所述第一数量的第一特征数据与所述第二数量的第二特征数据进行匹配，并获取匹配结果；根据所述匹配结果确定所述第一目标对象与第二目标对象是否为同一目标对象。
此外，在RAM 303中，还可存储有装置操作所需的各种程序和数据。CPU301或GPU313、ROM302以及RAM303通过通信总线304彼此相连。在有RAM303的情况下，ROM302为可选模块。RAM303存储可执行指令，或在运行时向ROM302中写入可执行指令，可执行指令使处理器执行上述通信方法对应的操作。输入/输出(I/O)接口305也连接至通信总线304。通信组件312可以集成设置，也可以设置为具有多个子模块(例如多个IB网卡)，并在通信总线链接上。
以下部件连接至I/O接口305：包括键盘、鼠标等的输入部分306；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307；包括硬盘等的存储部分308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信接口309。驱动器310也根据需要连接至I/O接口305。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器310上，以便于从其上读出的计算机程序根据需要被安装入存储部分308。
需要说明的，如图3所示的架构仅为一种可选实现方式，在具体实践过程中，可根据实际需要对上述图3的部件数量和类型进行选择、删减、增加或替换；在不同功能部件设置上，也可采用分离设置或集成设置等实现方式，例如GPU和CPU可分离设置或者可将GPU集成在CPU上，通信元件可分离设置，也可集成设置在CPU或GPU上，等等。这些可替换的实施方式均落入本发明的保护范围。
特别地，根据本发明实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，计算机程序包含用于执行流程图所示的方法的程序代码，程序代码可包括对应执行本发明实施例提供的方法步骤对应的指令，例如，获取包括不同视角下的第一目标对象的第一数量的第一图像，并根据所述第一数量的第一图像获取所述第一目标对象的第一数量的第一特征数据；获取包括不同视角下的第二目标对象的第二数量的第二图像，并根据所述第二数量的第二图像获取所述第二目标对象的第二数量的第二特征数据；将所述第一数量的第一特征数据与所述第二数量的第二特征数据进行匹配，并获取匹配结果；根据所述匹配结果确定所述第一目标对象与第二目标对象是否为同一目标对象。在这样的实施例中，该计算机程序可以通过通信元件从网络上被下载和安装，和/或从可拆卸介质311被安装。在该计算机程序被处理器执行时，执行本发明实施例的方法中限定的上述功能。
需要指出，根据实施的需要，可将本发明实施例中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本发明实施例的目的。
上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的处理方法。此外，当通用计算机访问用于实现在此示出的处理的代码时，代码的执行将通用计算机转换为用于执行在此示出的处理的专用计算机。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明实施例的范围。
以上实施方式仅用于说明本发明实施例，而并非对本发明实施例的限制，有关技术领域的普通技术人员，在不脱离本发明实施例的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明实施例的范畴，本发明实施例的专利保护范围应由权利要求限定。

Claims (10)

1.一种对象识别方法，包括：
获取包括不同视角下的第一目标对象的第一数量的第一图像，并根据所述第一数量的第一图像获取所述第一目标对象的第一数量的第一特征数据；
获取包括不同视角下的第二目标对象的第二数量的第二图像，并根据所述第二数量的第二图像获取所述第二目标对象的第二数量的第二特征数据；
将所述第一数量的第一特征数据与所述第二数量的第二特征数据进行匹配，并获取匹配结果；
根据所述匹配结果确定所述第一目标对象与第二目标对象是否为同一目标对象。
2.根据权利要求1所述的方法，其中，所述根据所述第一数量的第一图像获取所述第一目标对象的第一数量的第一特征数据，包括：
根据所述第一数量的第一图像获取所述第一目标对象的第一数量的第一特征向量；
根据所述第一数量的第一特征向量生成第一数量的第一特征码；
所述根据所述第二数量的第二图像获取所述第二目标对象的第二数量的第二特征数据，包括：
根据所述第二数量的第二图像获取所述第二目标对象的第二数量的第二特征向量；
根据所述第二数量的第二特征向量生成第二数量的第二特征码。
3.根据权利要求1或2所述的方法，其中，所述第一目标对象和第二目标对象同为人或动物。
4.根据权利要求3所述的方法，其中，所述第一数量的第一图像包括所述第一目标对象的正脸图像和/或侧脸图像，所述第二数量的第二图像包括所述第二目标对象的正脸图像和/或侧脸图像。
5.根据权利要求1至4中任一项所述的方法，其中，所述将所述第一数量的第一特征数据与所述第二数量的第二特征数据进行匹配，包括：
将所述第一数量的第一特征数据中的各第一特征数据均与所述第二数量的第二特征数据中的各第二特征数据进行匹配。
6.根据权利要求1至5中任一项所述的方法，其中，所述获取匹配结果，包括：
获取用于指示相匹配的第一特征数据和第二特征数据所占的比例值的匹配结果；
其中，所述相匹配的第一特征数据和第二特征数据之间的相似度超过预设相似度阈值。
7.根据权利要求6所述的方法，其中，所述根据匹配结果确定所述第一目标对象与第二目标对象是否为同一目标对象，包括：
如果所述匹配结果指示相匹配的第一特征数据和第二特征数据所占的比例值超过预设比例阈值，则确定所述第一目标对象与第二目标对象为同一目标对象。
8.一种计算机程序，其包括有计算机程序指令，其中，所述程序指令被处理器执行时用于实现权利要求1至7中任一项所述的对象识别方法对应的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序指令，其中，所述程序指令被处理器执行时用于实现权利要求1至7中任一项所述的对象识别方法对应的步骤。
10.一种电子设备，包括：处理器、存储器、通信元件和通信总线，所述处理器、所述存储器和所述通信元件通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1至7中任一项所述对象识别方法对应的步骤。
CN201710851170.4A 2017-09-20 2017-09-20 对象识别方法、计算机程序、存储介质及电子设备 Active CN107798292B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710851170.4A CN107798292B (zh) 2017-09-20 2017-09-20 对象识别方法、计算机程序、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710851170.4A CN107798292B (zh) 2017-09-20 2017-09-20 对象识别方法、计算机程序、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN107798292A true CN107798292A (zh) 2018-03-13
CN107798292B CN107798292B (zh) 2021-02-26

Family

ID=61531916

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710851170.4A Active CN107798292B (zh) 2017-09-20 2017-09-20 对象识别方法、计算机程序、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN107798292B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108681743A (zh) * 2018-04-16 2018-10-19 腾讯科技（深圳）有限公司 图像对象识别方法和装置、存储介质
CN110555892A (zh) * 2019-08-09 2019-12-10 北京字节跳动网络技术有限公司 多角度图像生成方法、装置及电子设备
WO2020077544A1 (zh) * 2018-10-16 2020-04-23 华为技术有限公司 一种物体识别方法和终端设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106388A (zh) * 2011-11-15 2013-05-15 中国科学院深圳先进技术研究院 图像识别方法和系统
CN103473529A (zh) * 2013-08-26 2013-12-25 昆明学院 一种多视角取像人脸识别的方法及装置
CN103870688A (zh) * 2014-03-10 2014-06-18 青岛大学医学院附属医院 移动互联网环境下头颈部浅表疾病初筛图像相似性比较方法
CN105426815A (zh) * 2015-10-29 2016-03-23 北京汉王智远科技有限公司 活体检测方法及装置
US9349180B1 (en) * 2013-05-17 2016-05-24 Amazon Technologies, Inc. Viewpoint invariant object recognition
CN106203393A (zh) * 2016-07-22 2016-12-07 广东金杭科技股份有限公司 一种人脸采集识别方法和实现该方法的系统
US20160364609A1 (en) * 2015-06-12 2016-12-15 Delta ID Inc. Apparatuses and methods for iris based biometric recognition
CN107133576A (zh) * 2017-04-17 2017-09-05 北京小米移动软件有限公司 用户年龄识别方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106388A (zh) * 2011-11-15 2013-05-15 中国科学院深圳先进技术研究院 图像识别方法和系统
US9349180B1 (en) * 2013-05-17 2016-05-24 Amazon Technologies, Inc. Viewpoint invariant object recognition
CN103473529A (zh) * 2013-08-26 2013-12-25 昆明学院 一种多视角取像人脸识别的方法及装置
CN103870688A (zh) * 2014-03-10 2014-06-18 青岛大学医学院附属医院 移动互联网环境下头颈部浅表疾病初筛图像相似性比较方法
US20160364609A1 (en) * 2015-06-12 2016-12-15 Delta ID Inc. Apparatuses and methods for iris based biometric recognition
CN105426815A (zh) * 2015-10-29 2016-03-23 北京汉王智远科技有限公司 活体检测方法及装置
CN106203393A (zh) * 2016-07-22 2016-12-07 广东金杭科技股份有限公司 一种人脸采集识别方法和实现该方法的系统
CN107133576A (zh) * 2017-04-17 2017-09-05 北京小米移动软件有限公司 用户年龄识别方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SUNITA DALAI等: "A new approach to object recognition for multi viewed objects", 《2012 INTERNATIONAL CONFERENCE ON COMMUNICATION, INFORMATION & COMPUTING TECHNOLOGY (ICCICT)》 *
王海峰: "基于SIFT算法的多视角人脸识别技术的优化", 《中国优秀硕士学位论文全文数据库》 *
聂桂军: "基于连续分布方向图和改进Poincare Index的自动指纹分类系统", 《中国优秀硕士学位论文全文数据库》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108681743A (zh) * 2018-04-16 2018-10-19 腾讯科技（深圳）有限公司 图像对象识别方法和装置、存储介质
US11227182B2 (en) 2018-04-16 2022-01-18 Tencent Technology (Shenzhen) Company Limited Method, apparatus, and storage medium for recognizing image object
WO2020077544A1 (zh) * 2018-10-16 2020-04-23 华为技术有限公司 一种物体识别方法和终端设备
CN110555892A (zh) * 2019-08-09 2019-12-10 北京字节跳动网络技术有限公司 多角度图像生成方法、装置及电子设备
CN110555892B (zh) * 2019-08-09 2023-04-25 北京字节跳动网络技术有限公司 多角度图像生成方法、装置及电子设备

Also Published As

Publication number Publication date
CN107798292B (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN105938559B (zh) 使用卷积神经网络的数字图像处理
CN105809146B (zh) 一种图像场景识别方法和装置
CN107316029B (zh) 一种活体验证方法及设备
CN105488463B (zh) 基于人脸生物特征的直系亲属关系识别方法及系统
CN108229591A (zh) 神经网络自适应训练方法和装置、设备、程序和存储介质
CN109948397A (zh) 一种人脸图像校正方法、系统及终端设备
CN110222607B (zh) 人脸关键点检测的方法、装置及系统
CN107463865B (zh) 人脸检测模型训练方法、人脸检测方法及装置
KR20160083900A (ko) 얼굴 표현을 위한 시스템 및 방법
CN108229418B (zh) 人体关键点检测方法和装置、电子设备、存储介质和程序
CN109472274B (zh) 深度学习分类模型的训练装置和方法
CN104680119A (zh) 图像身份识别方法和相关装置及身份识别系统
CN107292229A (zh) 一种图像识别方法和装置
CN110263821A (zh) 交易特征生成模型的训练、交易特征的生成方法和装置
CN104915684B (zh) 一种基于鲁棒多平面支持向量机的图像识别方法及装置
CN109413510B (zh) 视频摘要生成方法和装置、电子设备、计算机存储介质
CN110506274B (zh) 图像中的对象检测和表示
CN107798292A (zh) 对象识别方法、计算机程序、存储介质及电子设备
CN109344869A (zh) 一种分类模型优化方法、装置及存储设备、程序产品
CN107679475A (zh) 门店监控评价方法、装置及存储介质
CN110648289A (zh) 图像的加噪处理方法及装置
CN110222718A (zh) 图像处理的方法及装置
CN112132812B (zh) 证件校验方法、装置、电子设备及介质
Le et al. An efficient hand detection method based on convolutional neural network
CN110378203A (zh) 图像处理方法、装置、终端及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant