CN108446737B - 用于识别对象的方法和装置 - Google Patents
用于识别对象的方法和装置 Download PDFInfo
- Publication number
- CN108446737B CN108446737B CN201810236270.0A CN201810236270A CN108446737B CN 108446737 B CN108446737 B CN 108446737B CN 201810236270 A CN201810236270 A CN 201810236270A CN 108446737 B CN108446737 B CN 108446737B
- Authority
- CN
- China
- Prior art keywords
- image
- matching
- matching image
- matched
- verification
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Abstract
本申请实施例公开了用于识别对象的方法和装置。该方法的一具体实施方式包括:获取包含目标对象的待匹配图像;确定预设的候选匹配图像集合中的每个候选匹配图像与待匹配图像的匹配度作为第一匹配度;基于第一匹配度,从候选匹配图像集合中选取符合第一预设条件的候选匹配图像;确定预设的验证匹配图像集合中的每个验证匹配图像与选取的候选匹配图像的匹配度作为第二匹配度,其中,验证匹配图像集合中包含待匹配图像;基于第二匹配度,从验证匹配图像集合中选取符合第二预设条件的验证匹配图像;响应于选取的验证匹配图像不同于待匹配图像,确定选取的候选匹配图像中不包含目标对象。该实施方式有助于识别选出的候选匹配图像中所包含的对象。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于识别对象的方法和装置。
背景技术
随着图像的获取方式越来越便捷,关于图像的处理和应用一直是当下一个热门的研究领域。其中,关于图像中所包含的对象的识别,以及对于识别结果的验证是该领域的一个研究方向。
发明内容
本申请实施例提出了用于识别对象的方法和装置。
第一方面,本申请实施例提供了一种用于识别对象的方法,该方法包括:获取包含目标对象的待匹配图像;对于预设的候选匹配图像集合中的每个候选匹配图像,确定该候选匹配图像与待匹配图像的匹配度作为第一匹配度;基于第一匹配度,从候选匹配图像集合中选取符合第一预设条件的候选匹配图像;对于预设的验证匹配图像集合中的每个验证匹配图像,确定该验证匹配图像与选取的候选匹配图像的匹配度作为第二匹配度,其中,验证匹配图像集合中包含待匹配图像;基于第二匹配度,从验证匹配图像集合中选取符合第二预设条件的验证匹配图像;响应于选取的验证匹配图像不同于待匹配图像,确定选取的候选匹配图像中不包含目标对象。
在一些实施例中,响应于选取的验证匹配图像与待匹配图像相同,确定选取的候选匹配图像中包含目标对象。
在一些实施例中,确定该候选匹配图像与待匹配图像的匹配度,包括:确定该候选匹配图像的特征向量和待匹配图像的特征向量;将该候选匹配图像的特征向量与待匹配图像的特征向量的相似度确定为该候选匹配图像与待匹配图像的匹配度。
在一些实施例中,确定该验证匹配图像的特征向量和选取的候选匹配图像的特征向量;将该验证匹配图像的特征向量和选取的候选匹配图像的特征向量的相似度确定为该候选匹配图像与选取的候选匹配图像的匹配度。
在一些实施例中,候选匹配图像集合和验证匹配图像集合无交集。
第二方面,本申请实施例提供了一种用于识别对象的装置,该装置包括:获取单元,配置用于获取包含目标对象的待匹配图像;第一匹配度确定单元,配置用于对于预设的候选匹配图像集合中的每个候选匹配图像,确定该候选匹配图像与待匹配图像的匹配度作为第一匹配度;候选匹配图像选取单元,配置用于基于第一匹配度,从候选匹配图像集合中选取符合第一预设条件的候选匹配图像;第二匹配度确定单元,配置用于对于预设的验证匹配图像集合中的每个验证匹配图像,确定该验证匹配图像与选取的候选匹配图像的匹配度作为第二匹配度,其中,验证匹配图像集合中包含待匹配图像;验证匹配图像选取单元,配置用于基于第二匹配度,从验证匹配图像集合中选取符合第二预设条件的验证匹配图像;对象识别单元,配置用于响应于选取的验证匹配图像不同于待匹配图像,确定选取的候选匹配图像中不包含目标对象。
在一些实施例中,对象识别单元进一步配置用于:响应于选取的验证匹配图像与待匹配图像相同,确定选取的候选匹配图像中包含目标对象。
在一些实施例中,第一匹配度确定单元进一步配置用于:确定该候选匹配图像的特征向量和待匹配图像的特征向量;将该候选匹配图像的特征向量与待匹配图像的特征向量的相似度确定为该候选匹配图像与待匹配图像的匹配度。
在一些实施例中,第二匹配度确定单元进一步配置用于:确定该验证匹配图像的特征向量和选取的候选匹配图像的特征向量;将该验证匹配图像的特征向量和选取的候选匹配图像的特征向量的相似度确定为该候选匹配图像与选取的候选匹配图像的匹配度。
在一些实施例中,候选匹配图像集合和验证匹配图像集合无交集。
第三方面,本申请实施例提供了一种设备,该设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于识别对象的方法和装置,通过先从候选匹配图像集合中选出和待匹配图像的匹配度符合第一预设条件的候选匹配图像,然后从包含待匹配图像的验证匹配图像集合中选出和上一步选出的候选匹配图像的匹配度符合第二预设条件的验证匹配图像,然后验证分别选出的候选匹配图像和验证匹配图像是否相同,若不同,则确定选出的候选匹配图像不包含待匹配图像中的目标对象,从而有助于避免选出的候选匹配图像并不是由于包含待匹配图像中的目标图像,而是由于其他因素所造成的和待匹配图像的匹配度符合第一预设条件的情况。
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是本申请可以应用于其中的示例性系统架构图;
图2是本申请的用于识别对象的方法的一个实施例的流程图;
图3是根据本申请的用于识别对象的方法的一个实施例的应用场景的示意图;
图4是根据本申请的用于识别对象的方法的又一个实施例的流程图;
图5是根据本申请的用于识别对象的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
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仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于识别对象的方法或用于识别对象的装置的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103上可以安装有摄像头,也可以安装有各种如图像类应用、搜索类应用、购物类应用、网页浏览器应用、社交平台软件、邮箱客户端等。终端设备101、102、103可以通过摄像头进行图像的拍摄,也可以通过终端设备上安装的各种应用进行图像的下载和存储等。服务器105可以通过网络104与终端设备101、102、103交互,以获取包含目标对象的待匹配的图像等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持拍照、图片处理的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如为终端设备101、102、103上传的图像进行处理的图像处理服务器。图像处理服务器可以确定获取到的包含目标对象的待匹配图像和其它图像的匹配度等,并生将处理结果(如确定的匹配度)反馈给终端设备。
需要说明的是,上述待匹配图像也可以直接存储在服务器105的本地。服务器105可以直接提取本地所存储的待匹配图像并进行处理,此时,可以不存在终端设备101、102、103和网络104。
需要说明的是,本申请实施例所提供的用于识别对象的方法可以由服务器105执行,相应地,用于识别对象的装置可以设置于服务器105中。另外,本申请实施例所提供的用于识别对象的方法也可以由终端设备101、102、103执行,相应的,用于识别对象的装置也可以设置于终端设备101、102、103中。
需要指出的是,服务器105可以是单一服务器,也可以由多个服务器或多个服务器集群构成。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于识别对象的方法的一个实施例的流程200。该用于识别对象的方法包括以下步骤:
步骤201,获取包含目标对象的待匹配图像。
在本实施例中,生成识别对象的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从终端设备中获取包含目标对象的待匹配图像。其中,该终端设备可以为照相机、具有拍摄功能的手机、电脑等。用户可以利用终端设备进行图像拍摄,并将拍摄的图像保存至终端设备中。上述终端设备上可以包括各种应用,例如图像处理类应用、搜索类应用、网页浏览类应用、购物类应用等。用户可以通过上述各种应用下载图像,并将下载的图像保存至终端设备。需要说明的是,上述包含目标对象的待匹配图像可以直接存储在上述电子设备的本地,此时,上述电子设备可以直接从本地获取包含目标对象的待匹配图像,当上述电子设备通过本地获取包含目标对象的待匹配图像时,网络可被省略。
在本实施例中,上述待匹配图像中包含有至少一个目标对象。在这里,该目标对象可以指待匹配图像中的任何实体。具体的,可以包括如:人物、人物的各个部分(如人脸、手、腿等)、动物、植物等。还可以包括如:人物的服饰、配饰、指纹、商品(如家具、车等)。需要说明的是,该目标对象为示意性的,本申请并不仅限于此,只要该对象为图片中的实体,均落入本申请的保护范围内。
步骤202,对于预设的候选匹配图像集合中的每个候选匹配图像,确定该候选匹配图像与待匹配图像的匹配度作为第一匹配度。
在本实施例中,上述电子设备可以确定上述步骤201中获取的待匹配图像与预设的候选匹配图像集合中的各个候选匹配图像的匹配度,并作为第一匹配度。其中,候选匹配图像集合可以是包含有和待匹配图像所包含的目标对象同类型的对象的图像的集合。例如,待匹配图像包含有一个人脸,那么候选匹配图像集合可以是包含有不同人的、各种姿态的人脸的图像的集合。例如,待匹配图像包含有一个小狗,那么候选匹配图像集合可以是包含有不同小狗的、各种姿态的小狗的图像的集合。上述候选待匹配图像集合可以是预先通过各种方法获取的图像集合。例如,候选待匹配图像集合可以从一些开源的图像库中所获取的图像集合。例如,候选待匹配图像集合还可以是由人工拍摄或收集的许多图像所构成的图像集合。例如,候选待匹配图像还可以是从网上搜索并经过选取之后,选出的一些图像的集合。
在本实施例中,上述候选匹配图像集合中的每个候选匹配图像与上述待匹配图像的匹配度可以是对每个候选匹配图像所包含的对象和待匹配图像所包含的目标对象之间的匹配程度的一个度量。在实际中,候选匹配图像和待匹配图像的匹配度可以由各种不同的确定匹配度的方法来确定。例如,可以通过灰度匹配、特征匹配、纹理匹配、内容匹配、结构匹配、关系匹配等各种匹配类型来确定匹配度。也可以根据上述多种匹配类型的任意组合来确定匹配度。在实际应用中,可以根据图像所包含的对象的类型来确定匹配方法。例如,所包含的对象为人脸,那么可以通过灰度匹配、特征匹配和纹理匹配等匹配类型的匹配方法来确定两个图像中的人脸的匹配度。例如,所包含的对象为一个植物,那么可以通过形状匹配和纹理匹配等匹配类型的匹配方法来确定两个图像中的植物的匹配度。
在本实施例的一些可选的实现方式中,上述各种匹配类型都有各种确定匹配度的方法。例如,灰度匹配可以利用相关函数、协方差函数、差平方和、差绝对值和等测度极值等各种相似性度量方式来确定两个图像的匹配度。例如,特征匹配可以利用统计方法、几何法、模型法、信号处理法、边界特征法、傅氏形状描述法、几何参数法和形状不变矩法等各种方法来确定两个图像的匹配度。
在本实施例的一些可选的实现方式中,可以先利用各种特征提取方法(如颜色直方图、颜色集、颜色矩、颜色聚合向量、颜色相关图等)来提取图像中的特征(如纹理、亮度、边缘、色彩等),然后形成图像的特征向量。利用上述方法确定每个候选匹配图像的特征向量与待匹配图像的特征向量,然后可以确定两个图像的相似度,并用相似度来衡量两个图像之间的匹配度。其中,可以使用两个图像的特征向量之间的距离(如欧式距离、曼哈顿距离、夹角余弦、杰卡德相似系数、信息熵等)来计算两个图像的相似度。
在本实施例的一些可选的实现方式中,还可以利用一些开源的图像特征提取和匹配的实现方法(如感知哈希算法、暴风穷举法、快速最近邻搜索算法等)来确定每个候选匹配图像的特征向量与待匹配图像的匹配度。
需要指出的是,确定两个图像匹配度的方法为目前广泛研究和应用的公知技术,在此不再赘述。
步骤203,基于第一匹配度,从候选匹配图像集合中选取符合第一预设条件的候选匹配图像。
在本实施例中,基于上述步骤202确定的第一匹配度,上述电子设备可以从候选匹配图像集中选取符合第一预设条件的候选匹配图像。其中,第一预设条件可以是根据具体的应用环境,由人为预先指定的一些条件。然后,基于第一预设条件和第一匹配度,从候选匹配图像集合中选取出符合第一预设条件的候选匹配图像。例如,第一预设条件可以为:和待匹配图像的匹配度最高。那么,就可以根据步骤202中所确定的各个候选匹配图像与待匹配图像的匹配度,选取出和待匹配图像的匹配度最高的候选匹配图像。例如,第一预设条件还可以为:和待匹配图像的匹配度大于一定阈值。那么,就可以根据步骤202中所确定的各个候选匹配图像与待匹配图像的匹配度,选取出和待匹配图像的匹配度大于一定阈值的候选匹配图像。需要说明的是,根据不同的第一预设条件和应用环境,选取出的候选匹配图像可以为一个,也可以为多个。
步骤204,对于预设的验证匹配图像集合中的每个验证匹配图像,确定该验证匹配图像与选取的候选匹配图像的匹配度作为第二匹配度,其中,验证匹配图像集合中包含待匹配图像。
在本实施例中,上述电子设备可以确定上述步骤203中选出的候选匹配图像与预设的验证匹配图像集合中的各个验证匹配图像的匹配度,并作为第二匹配度。其中,验证匹配图像集合中包含待匹配图像。验证匹配图像集合可以是包含有和待匹配图像所包含的目标对象同类型的对象的图像的集合。例如,待匹配图像包含有一个人脸,那么验证匹配图像集合可以是包含有不同人的、各种姿态的人脸的图像的集合。例如,待匹配图像包含有一个小狗,那么验证匹配图像集合可以是包含有不同小狗的、各种姿态的小狗的图像的集合。上述验证待匹配图像集合可以是预先通过各种方法获取的图像集合。例如,验证待匹配图像集合可以从一些开源的图像库中获取许多图像,然后再加上待匹配图像所构成的图像集合。例如,验证待匹配图像集合还可以是由人工拍摄或收集的许多图像,然后再加上待匹配图像所构成的图像集合。例如,验证待匹配图像还可以是从网上搜索并经过选取之后,选出的一些图像,然后再加上待匹配图像所构成的图像集合。可选的,可以设置验证匹配图像集合和候选匹配图像集合无交集,即两个图像集合中没有重复的图像。需要说明的是,在实际中,验证匹配图像集合中包含的待匹配图像可以是步骤201中获取的待匹配图像的副本。
在本实施例中,上述验证匹配图像集合中的每个验证匹配图像与上述待匹配图像的匹配度可以是对每个验证匹配图像所包含的对象和待匹配图像所包含的目标对象之间的匹配程度的一个度量。具体的确定两个图像的匹配度的方法可以参见上述步骤202中的相关介绍,在此不再赘述。
应该可以理解,若步骤203中选出的候选匹配图像为多个,那么针对每个候选匹配图像,分别执行步骤204。
步骤205,基于第二匹配度,从验证匹配图像集合中选取符合第二预设条件的验证匹配图像。
在本实施例中,基于上述步骤204确定的第二匹配度,上述电子设备可以从验证匹配图像集中选取符合第二预设条件的验证匹配图像。其中,第二预设条件可以是根据具体的应用环境,由人为预先指定的一些条件。然后,基于第二预设条件和第二匹配度,从验证匹配图像集合中选取出符合第二预设条件的验证匹配图像。例如,第二预设条件可以为:和上述选出的候选匹配图像的匹配度最高。那么,就可以根据步骤204中所确定的各个验证匹配图像与上述选出的候选匹配图像的匹配度,选取出和上述选出的候选匹配图像的匹配度最高的验证匹配图像。例如,第二预设条件还可以为:和上述选出的候选匹配图像的匹配度大于一定阈值。那么,就可以根据步骤204中所确定的各个验证匹配图像与上述选出的候选匹配图像的匹配度,选取出和上述选出的候选匹配图像的匹配度大于一定阈值的验证匹配图像。需要说明的是,根据不同的第二预设条件和应用环境,选取出的验证匹配图像可以为一个,也可以为多个。上述第一预设条件和第二预设条件可以相同,也可以不相同。
步骤206,响应于选取的验证匹配图像不同于待匹配图像,确定选取的候选匹配图像中不包含目标对象。
在本实施例中,上述电子设备可以判断上述步骤205中选出的验证匹配图像是否和步骤201中获取的待匹配图像相同。若不同,那么可以判断出上述步骤203中选出的候选匹配图像中不包含上述待匹配图像所包含的目标对象。需要说明的是,若上述步骤205中选出的验证匹配图像为多个,那么可以认为选出的验证匹配图像和上述待匹配图像不相同。
继续参见图3、图3是根据本实施例的用于识别对象的方法的应用场景的一个示意图。在图3的应用场景中,用于识别对象的电子设备(例如电脑)可以首先从本地获取一张包含目标人脸的图像(如图3中的301)作为待匹配图像。假设预设的候选匹配图像集合302包含 1万张不同人的人脸的图像。然后确定待匹配图像301与候选匹配图像集合302中的每个候 选匹配图像的匹配度作为第一匹配度。假设第一预设条件为与待匹配图像的匹配度最高。 然后基于确定出的第一匹配度,从候选匹配图像集合中选出与待匹配图像的匹配度最高的 候选匹配图像303。假设预设的验证匹配图像304集合包含1万张不同人的人脸的图像,其 中,有1张和待匹配图像相同。然后确定选出的候选匹配图像303与验证匹配图像集合中的 每个验证匹配图像的匹配度作为第二匹配度。假设第二预设条件为与选出的候选匹配图像 的匹配度最高。然后基于确定出的第二匹配度,从验证匹配集合304中选出与上述选出的候 选匹配图像303的匹配度最高的验证匹配图像305。然后判断出选出的验证匹配图像305与 待匹配图像301不相同,那么则可以确定选出的候选匹配图像303中不包含待匹配图像301 中所包含的人脸。也就是确定出候选匹配图像303中所包含的人脸与待匹配图像301中所包 含的人脸不是同一个人。
本申请的上述实施例提供的用于识别对象的方法,通过先从候选匹配图像集合中选出和待匹配图像的匹配度符合第一预设条件的候选匹配图像,然后从包含待匹配图像的验证匹配图像集合中选出和上一步选出的候选匹配图像的匹配度符合第二预设条件的验证匹配图像,然后验证分别选出的候选匹配图像和验证匹配图像是否相同,若不同,则确定选出的候选匹配图像不包含待匹配图像中的目标对象,从而可以避免选出的候选匹配图像并不是由于包含待匹配图像中的目标图像,而是由于其他因素(如候选匹配图像包含的对象和待匹配图像所包含的目标对象姿态相似或待匹配图像模糊等)所造成的和待匹配图像的匹配度符合第一预设条件的情况。
进一步参考图4,其示出了用于识别对象的方法的又一个实施例的流程400。该用于识别对象的方法包括以下步骤:
步骤401,获取包含目标对象的待匹配图像。
步骤402,对于预设的候选匹配图像集合中的每个候选匹配图像,确定该候选匹配图像与待匹配图像的匹配度作为第一匹配度。
步骤403,基于第一匹配度,从候选匹配图像集合中选取符合第一预设条件的候选匹配图像。
步骤404,对于预设的验证匹配图像集合中的每个验证匹配图像,确定该验证匹配图像与选取的候选匹配图像的匹配度作为第二匹配度,其中,验证匹配图像集合中包含待匹配图像。
步骤405,基于第二匹配度,从验证匹配图像集合中选取符合第二预设条件的验证匹配图像。
在本实施例中,上述步骤401-405具体可以参考图2对应实施例中的步骤201-205中的相关说明,在此不再赘述。
步骤406,判断选取的验证匹配图像和待匹配图像是否相同。若不同,执行下述步骤407;若相同,执行下述步骤408。
步骤407,确定选取的候选匹配图像中不包含目标对象。
在本实施例中,步骤407具体可以参考图2对应实施例中的步骤206中的相关说明,在此不再赘述。
步骤408,确定选取的候选匹配图像中包含目标对象。
在本实施例中,上述电子设备可以判断上述步骤405中选出的验证匹配图像是否和步骤401中获取的待匹配图像相同。若相同,那么可以判断出上述步骤403中选出的候选匹配图像中包含上述待匹配图像所包含的目标对象。
需要说明的是,选出的候选匹配图像中包含待匹配图像所包含的目标对象可以是指两个图像所包含的对象是同一个对象,但是两个对象的姿态、位置等方面可以不同。例如,第一个图像包含有一个人脸,第二个图像包含有同一个人的、不同姿态、不同表情的脸,那么可以认为其中第二个图像包含第一个图像所包含的人脸,也可以认为第一个图像包含第二个图像所包含的人脸。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于识别对象的方法的流程400在选出验证匹配图像之后,判断选出的验证匹配图像和待匹配图像是否相同。若不同,则确定选取的候选匹配图像中不包含目标对象;若相同,则确定选取的候选匹配图像中包含目标对象。由此,本实施例描述的方案可以判断在候选匹配图像集合中是否存在包含有与待匹配图像所包含的目标对象相同的图像,而且还有助于避免选出的候选匹配图像并不是由于包含待匹配图像中的目标图像,而是由于其他因素所造成的和待匹配图像的匹配度符合第一预设条件的情况。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了用于识别对象的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于识别对象的装置500包括获取单元501、第一匹配度确定单元502、候选匹配图像选取单元503、第二匹配度确定单元504、验证匹配图像选取单元505以及对象识别单元506。其中,获取单元501,配置用于获取包含目标对象的待匹配图像;第一匹配度确定单元502,配置用于对于预设的候选匹配图像集合中的每个候选匹配图像,确定该候选匹配图像与待匹配图像的匹配度作为第一匹配度;候选匹配图像选取单元503,配置用于基于第一匹配度,从候选匹配图像集合中选取符合第一预设条件的候选匹配图像;第二匹配度确定单元504,配置用于对于预设的验证匹配图像集合中的每个验证匹配图像,确定该验证匹配图像与选取的候选匹配图像的匹配度作为第二匹配度,其中,验证匹配图像集合中包含待匹配图像;验证匹配图像选取单元505,配置用于基于第二匹配度,从验证匹配图像集合中选取符合第二预设条件的验证匹配图像;对象识别单元506,配置用于响应于选取的验证匹配图像不同于待匹配图像,确定选取的候选匹配图像中不包含目标对象。
在本实施例中,用于识别对象的装置500中:获取单元501、第一匹配度确定单元502、候选匹配图像选取单元503、第二匹配度确定单元504、验证匹配图像选取单元505以及对象识别单元506的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,对象识别单元506进一步配置用于:响应于选取的验证匹配图像与待匹配图像相同,确定选取的候选匹配图像中包含目标对象。
在本实施例的一些可选的实现方式中,第一匹配度确定单元502进一步配置用于:确定该候选匹配图像的特征向量和待匹配图像的特征向量;将该候选匹配图像的特征向量与待匹配图像的特征向量的相似度确定为该候选匹配图像与待匹配图像的匹配度。
在本实施例的一些可选的实现方式中,第二匹配度确定单元504进一步配置用于:确定该验证匹配图像的特征向量和选取的候选匹配图像的特征向量;将该验证匹配图像的特征向量和选取的候选匹配图像的特征向量的相似度确定为该候选匹配图像与选取的候选匹配图像的匹配度。
在本实施例的一些可选的实现方式中,候选匹配图像集合和验证匹配图像集合无交集。
本申请的上述实施例提供的装置,首先由获取单元501获取包含目标对象的待匹配图像。然后由第一匹配度确定单元502确定预设的候选匹配图像集合中的每个候选匹配图像与待匹配图像的匹配度作为第一匹配度。然后候选匹配图像选取单元503先从候选匹配图像集合中选出和待匹配图像的匹配度符合第一预设条件的候选匹配图像。然后第二匹配度确定单元504确定预设的验证匹配图像集合中的每个验证匹配图像与选取的候选匹配图像的匹配度作为第二匹配度。然后验证匹配图像选取单元505从包含待匹配图像的验证匹配图像集合中选出和候选匹配图像选取单元503选出的候选匹配图像的匹配度符合第二预设条件的验证匹配图像。然后对象识别单元506验证分别选出的候选匹配图像和验证匹配图像是否相同。若不同,则确定选出的候选匹配图像不包含待匹配图像中的目标对象,从而有助于避免选出的候选匹配图像并不是由于包含待匹配图像中的目标图像,而是由于其他因素所造成的和待匹配图像的匹配度符合第一预设条件的情况。
下面参考图6,其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;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607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,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610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608。
特别地,根据本公开的实施例,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,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括获取单元、第一匹配度确定单元、候选匹配图像选取单元、第二匹配度确定单元、验证匹配图像选取单元以及对象识别单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取包含目标对象的待匹配图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取包含目标对象的待匹配图像;对于预设的候选匹配图像集合中的每个候选匹配图像,确定该候选匹配图像与待匹配图像的匹配度作为第一匹配度;基于第一匹配度,从候选匹配图像集合中选取符合第一预设条件的候选匹配图像;对于预设的验证匹配图像集合中的每个验证匹配图像,确定该验证匹配图像与选取的候选匹配图像的匹配度作为第二匹配度,其中,验证匹配图像集合中包含待匹配图像;基于第二匹配度,从验证匹配图像集合中选取符合第二预设条件的验证匹配图像;响应于选取的验证匹配图像不同于待匹配图像,确定选取的候选匹配图像中不包含目标对象。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种用于识别对象的方法,包括:
获取包含目标对象的待匹配图像;
对于预设的候选匹配图像集合中的每个候选匹配图像,确定该候选匹配图像与所述待匹配图像的匹配度作为第一匹配度;
基于所述第一匹配度,从所述候选匹配图像集合中选取符合第一预设条件的候选匹配图像;
对于预设的验证匹配图像集合中的每个验证匹配图像,确定该验证匹配图像与选取的候选匹配图像的匹配度作为第二匹配度,其中,所述验证匹配图像集合中包含所述待匹配图像,其中,所述候选匹配图像集合和所述验证匹配图像集合无交集;
基于所述第二匹配度,从所述验证匹配图像集合中选取符合第二预设条件的验证匹配图像;
响应于选取的验证匹配图像不同于所述待匹配图像,确定所述选取的候选匹配图像中不包含所述目标对象。
2.根据权利要求1所述的方法,其中,所述方法还包括:
响应于选取的验证匹配图像与所述待匹配图像相同,确定所述选取的候选匹配图像中包含所述目标对象。
3.根据权利要求1或2所述的方法,其中,所述确定该候选匹配图像与所述待匹配图像的匹配度,包括:
确定该候选匹配图像的特征向量和所述待匹配图像的特征向量;
将该候选匹配图像的特征向量与所述待匹配图像的特征向量的相似度确定为该候选匹配图像与所述待匹配图像的匹配度。
4.根据权利要求1或2所述的方法,其中,所述确定该验证匹配图像与选取的候选匹配图像的匹配度,包括:
确定该验证匹配图像的特征向量和所述选取的候选匹配图像的特征向量;
将该验证匹配图像的特征向量和所述选取的候选匹配图像的特征向量的相似度确定为该候选匹配图像与所述选取的候选匹配图像的匹配度。
5.一种用于识别对象的装置,包括:
获取单元,配置用于获取包含目标对象的待匹配图像;
第一匹配度确定单元,配置用于对于预设的候选匹配图像集合中的每个候选匹配图像,确定该候选匹配图像与所述待匹配图像的匹配度作为第一匹配度;
候选匹配图像选取单元,配置用于基于所述第一匹配度,从所述候选匹配图像集合中选取符合第一预设条件的候选匹配图像;
第二匹配度确定单元,配置用于对于预设的验证匹配图像集合中的每个验证匹配图像,确定该验证匹配图像与选取的候选匹配图像的匹配度作为第二匹配度,其中,所述验证匹配图像集合中包含所述待匹配图像,其中,所述候选匹配图像集合和所述验证匹配图像集合无交集;
验证匹配图像选取单元,配置用于基于所述第二匹配度,从所述验证匹配图像集合中选取符合第二预设条件的验证匹配图像;
对象识别单元,配置用于响应于选取的验证匹配图像不同于所述待匹配图像,确定所述选取的候选匹配图像中不包含所述目标对象。
6.根据权利要求5所述的装置,其中,所述对象识别单元进一步配置用于:
响应于选取的验证匹配图像与所述待匹配图像相同,确定所述选取的候选匹配图像中包含所述目标对象。
7.根据权利要求5或6所述的装置,其中,所述第一匹配度确定单元进一步配置用于:
确定该候选匹配图像的特征向量和所述待匹配图像的特征向量;
将该候选匹配图像的特征向量与所述待匹配图像的特征向量的相似度确定为该候选匹配图像与所述待匹配图像的匹配度。
8.根据权利要求5或6所述的装置,其中,所述第二匹配度确定单元进一步配置用于:
确定该验证匹配图像的特征向量和所述选取的候选匹配图像的特征向量;
将该验证匹配图像的特征向量和所述选取的候选匹配图像的特征向量的相似度确定为该候选匹配图像与所述选取的候选匹配图像的匹配度。
9.一种用于识别对象的设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810236270.0A CN108446737B (zh) | 2018-03-21 | 2018-03-21 | 用于识别对象的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810236270.0A CN108446737B (zh) | 2018-03-21 | 2018-03-21 | 用于识别对象的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108446737A CN108446737A (zh) | 2018-08-24 |
CN108446737B true CN108446737B (zh) | 2022-07-05 |
Family
ID=63196087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810236270.0A Active CN108446737B (zh) | 2018-03-21 | 2018-03-21 | 用于识别对象的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446737B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111143601A (zh) * | 2019-12-31 | 2020-05-12 | 深圳市芭田生态工程股份有限公司 | 一种图像处理方法 |
CN112966752A (zh) * | 2021-03-09 | 2021-06-15 | 厦门市公安局 | 图像匹配方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101292259A (zh) * | 2005-08-23 | 2008-10-22 | 株式会社理光 | 用于混合介质环境中的图像匹配的方法和系统 |
CN102576460A (zh) * | 2009-09-09 | 2012-07-11 | 日本电气株式会社 | 生物统计认证系统、方法和程序 |
CN104598796A (zh) * | 2015-01-30 | 2015-05-06 | 科大讯飞股份有限公司 | 身份识别方法及系统 |
CN105243374A (zh) * | 2015-11-02 | 2016-01-13 | 湖南拓视觉信息技术有限公司 | 三维人脸识别方法、系统及应用其的数据处理装置 |
CN105917353A (zh) * | 2013-09-16 | 2016-08-31 | 眼验股份有限公司 | 用于生物认证的特征提取及匹配以及模板更新 |
CN106407912A (zh) * | 2016-08-31 | 2017-02-15 | 腾讯科技(深圳)有限公司 | 一种人脸验证的方法及装置 |
CN106713368A (zh) * | 2017-03-08 | 2017-05-24 | 四川大学 | 一种身份验证方法及装置 |
CN106980864A (zh) * | 2017-03-31 | 2017-07-25 | 合肥工业大学 | 一种基于支持样本间接式的行人再识别方法 |
CN107305624A (zh) * | 2016-04-20 | 2017-10-31 | 厦门中控智慧信息技术有限公司 | 一种基于多模式生物识别信息的个人识别方法和装置 |
CN107463592A (zh) * | 2016-06-06 | 2017-12-12 | 百度(美国)有限责任公司 | 用于将内容项目与图像匹配的方法、设备和数据处理系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8194933B2 (en) * | 2007-12-12 | 2012-06-05 | 3M Innovative Properties Company | Identification and verification of an unknown document according to an eigen image process |
CN103336945B (zh) * | 2013-06-10 | 2017-11-10 | 黑龙江大学 | 融合局部特征与全局特征的指静脉识别方法 |
US10318576B2 (en) * | 2013-12-12 | 2019-06-11 | Nant Holdings Ip, Llc | Image recognition verification |
US9830631B1 (en) * | 2014-05-02 | 2017-11-28 | A9.Com, Inc. | Image recognition result culling |
US9405963B2 (en) * | 2014-07-30 | 2016-08-02 | International Business Machines Corporation | Facial image bucketing with expectation maximization and facial coordinates |
US9747494B2 (en) * | 2015-11-16 | 2017-08-29 | MorphoTrak, LLC | Facial matching system |
CN106934376B (zh) * | 2017-03-15 | 2019-10-18 | 成都汇亿诺嘉文化传播有限公司 | 一种图像识别方法、装置及移动终端 |
CN107748877B (zh) * | 2017-11-10 | 2020-06-16 | 杭州晟元数据安全技术股份有限公司 | 一种基于细节点和纹理特征的指纹图像识别方法 |
-
2018
- 2018-03-21 CN CN201810236270.0A patent/CN108446737B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101292259A (zh) * | 2005-08-23 | 2008-10-22 | 株式会社理光 | 用于混合介质环境中的图像匹配的方法和系统 |
CN102576460A (zh) * | 2009-09-09 | 2012-07-11 | 日本电气株式会社 | 生物统计认证系统、方法和程序 |
CN105917353A (zh) * | 2013-09-16 | 2016-08-31 | 眼验股份有限公司 | 用于生物认证的特征提取及匹配以及模板更新 |
CN104598796A (zh) * | 2015-01-30 | 2015-05-06 | 科大讯飞股份有限公司 | 身份识别方法及系统 |
CN105243374A (zh) * | 2015-11-02 | 2016-01-13 | 湖南拓视觉信息技术有限公司 | 三维人脸识别方法、系统及应用其的数据处理装置 |
CN107305624A (zh) * | 2016-04-20 | 2017-10-31 | 厦门中控智慧信息技术有限公司 | 一种基于多模式生物识别信息的个人识别方法和装置 |
CN107463592A (zh) * | 2016-06-06 | 2017-12-12 | 百度(美国)有限责任公司 | 用于将内容项目与图像匹配的方法、设备和数据处理系统 |
CN106407912A (zh) * | 2016-08-31 | 2017-02-15 | 腾讯科技(深圳)有限公司 | 一种人脸验证的方法及装置 |
CN106713368A (zh) * | 2017-03-08 | 2017-05-24 | 四川大学 | 一种身份验证方法及装置 |
CN106980864A (zh) * | 2017-03-31 | 2017-07-25 | 合肥工业大学 | 一种基于支持样本间接式的行人再识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108446737A (zh) | 2018-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898186B (zh) | 用于提取图像的方法和装置 | |
CN110543815B (zh) | 人脸识别模型的训练方法、人脸识别方法、装置、设备及存储介质 | |
CN109214343B (zh) | 用于生成人脸关键点检测模型的方法和装置 | |
CN108038880B (zh) | 用于处理图像的方法和装置 | |
CN108830235B (zh) | 用于生成信息的方法和装置 | |
CN108734185B (zh) | 图像校验方法和装置 | |
US20190080148A1 (en) | Method and apparatus for generating image | |
CN108229419B (zh) | 用于聚类图像的方法和装置 | |
CN108256479B (zh) | 人脸跟踪方法和装置 | |
KR101531618B1 (ko) | 이미지들의 비교 방법 및 시스템 | |
US8861884B1 (en) | Training classifiers for deblurring images | |
US11250292B2 (en) | Method and apparatus for generating information | |
US9626552B2 (en) | Calculating facial image similarity | |
CN109255337B (zh) | 人脸关键点检测方法和装置 | |
CN106303599B (zh) | 一种信息处理方法、系统及服务器 | |
CN108875487B (zh) | 行人重识别网络的训练及基于其的行人重识别 | |
CN108229375B (zh) | 用于检测人脸图像的方法和装置 | |
CN108388889B (zh) | 用于分析人脸图像的方法和装置 | |
CN109583389B (zh) | 绘本识别方法及装置 | |
CN108509994B (zh) | 人物图像聚类方法和装置 | |
CN110427915B (zh) | 用于输出信息的方法和装置 | |
CN108492284B (zh) | 用于确定图像的透视形状的方法和装置 | |
CN113569740B (zh) | 视频识别模型训练方法与装置、视频识别方法与装置 | |
CN108399401B (zh) | 用于检测人脸图像的方法和装置 | |
CN112464803A (zh) | 图像比较方法和装置 |
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 |