CN108563692A - 一种目标查重方法及装置 - Google Patents

Abstract

本发明提供的目标查重方法，先获取目标图像和其对应的检索数据库中的待匹配图像，然后将所述目标图像依次与每个待匹配图像进行比较，计算所述目标图像与每个待匹配图像的参考置信度；通过选取排序在前的预设数量的参考置信度来计算置信度修正模型；根据所述置信度修正模型对目标图像对应的每个参考置信度进行修正得到置信度修正值；最后根据所述置信度修正值确定检索数据库中的与所述目标图像相同的图像，从而得到与目标图像相同的图像，实现了目标查重。该方法通过置信度修正模型避免了图片质量较差等不同图片的置信度差别较大的问题，使得修正后的置信度的可区分行更好，可以得到更好的查重结果。

Description

一种目标查重方法及装置

技术领域

本发明涉及图像处理领域，具体涉及一种目标查重方法及装置。

背景技术

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。图像识别以图像的主要特征为基础，识别出图像中的特定目标。其中，目标识别则是图像识别中的一项重要技术，目标识别系统主要包括四个组成部分，分别为：目标图像采集及检测、目标图像预处理、目标图像特征提取以及匹配与识别。

目标查重是在目标图像特征的基础上的一项后续任务，通过学习算法得到目标图像的特征，再依据特征空间中的度量来建立目标图片间的置信度度量，通过目标的置信度度量完成后续的查重任务。例如目标查询库中的数据量为M，目标检索库中的数据量为N。针对目标的个体身份信息，对数据库进行建模检索，需经过两重循环检索，即将每个目标查询库中的数据与目标检索库中的数据依次进行比较，通过M次1：N的检索任务得到检索结果，再进行整体排序，从而查找出查询库与检索库中存在相同个体身份的目标图片。

目前目标查重技术现有如下缺点：缺乏统一的度量准则，即针对不同查询目标图片，给出的置信度分布差异较大，另外即便在1比N检索时能取得正确的检索结果，检索结果虽然排序正确，但由于整体置信度较低，则会在查重中漏掉该重复样本。

发明内容

因此，本发明要解决的技术问题在于现有技术中的查重方法中置信度分布差异大，对于整体置信度较低的数据容易漏掉的缺陷。

本发明提供一种目标查重方法，包括如下步骤：获取目标图像和其对应的检索数据库中的待匹配图像；将所述目标图像依次与每个待匹配图像进行比较，计算所述目标图像与每个待匹配图像的参考置信度；根据数值大小选取排序在前的预设数量的参考置信度，计算置信度修正模型；根据所述置信度修正模型对目标图像对应的每个参考置信度进行修正得到置信度修正值；根据所述置信度修正值确定检索数据库中的与所述目标图像相同的图像。

优选地，所述计算所述目标图像与每个待匹配图像的参考置信度的步骤，包括：将目标图像的特征与待匹配图像的特征降低到低维空间；采用欧式距离计算目标图像与待匹配图像之间的置信度。

优选地，根据数值大小选取排序在前的预设数量的参考置信度，计算置信度修正模型的步骤，包括：计算排序在前的预设数量的参考置信度的平均值作为置信度修正模型。

优选地，根据所述置信度修正模型对目标图像对应的每个参考置信度进行修正得到置信度修正值的步骤，包括：将参考置信度与置信度修正模型做差值比较；构造损失函数使得参考置信度所述差值的平方和达到极小。

此外，本发明还提供一种目标数据库中的目标查重方法，包括：获取目标数据库中的目标图像；针对每个目标图像采用权所述的方法进行目标查重；获得目标数据库中出现的重复目标。

此外，本发明还提供一种目标查重装置，包括如下步骤：图像获取单元，用于获取目标图像和其对应的检索数据库中的待匹配图像；比较单元，用于将所述目标图像依次与每个待匹配图像进行比较，计算所述目标图像与每个待匹配图像的参考置信度；参考单元，用于根据数值大小选取排序在前的预设数量的参考置信度，计算置信度修正模型；修正单元，用于根据所述置信度修正模型对目标图像对应的每个参考置信度进行修正得到置信度修正值；输出单元，用于根据所述置信度修正值确定检索数据库中的与所述目标图像相同的图像。

优选地，所述比较单元包括：降维子单元，用于将目标图像的特征与待匹配图像的特征降低到低维空间；置信度计算单元，用于采用欧式距离计算目标图像与待匹配图像之间的置信度。

优选地，参考单元包括：参考计算子单元，用于计算排序在前的预设数量的参考置信度的平均值作为置信度修正模型。

优选地，修正单元包括：差值比较子单元，用于将参考置信度与置信度修正模型做差值比较；函数构造子单元，用于构造损失函数使得参考置信度所述差值的平方和达到极小。

此外，本发明还提供一种目标数据库中的目标查重装置，包括：目标图像获取单元，用于获取目标数据库中的目标图像；所述的目标查重装置，针对每个目标图像进行目标查重；重复目标输出单元，用于获得目标数据库中出现的重复目标。

本发明技术方案，具有如下优点：

本发明提供的目标查重方法，先获取目标图像和其对应的检索数据库中的待匹配图像，然后将所述目标图像依次与每个待匹配图像进行比较，计算所述目标图像与每个待匹配图像的参考置信度；通过选取排序在前的预设数量的参考置信度来计算置信度修正模型；根据所述置信度修正模型对目标图像对应的每个参考置信度进行修正得到置信度修正值；最后根据所述置信度修正值确定检索数据库中的与所述目标图像相同的图像，从而得到与目标图像相同的图像，实现了目标查重。该方法通过置信度修正模型避免了图片质量较差等不同图片的置信度差别较大的问题，使得修正后的置信度的可区分行更好，可以得到更好的查重结果。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中目标查重方法的一个具体示例的流程图；

图2为本发明实施例中目标数据库中的目标查重方法的一个具体示例的流程图

图3本发明实施例中目标查重装置的一个结构框图；

图4本发明实施例中目标数据库中的目标查重装置的结构框图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

本实施例中提供一种目标查重方法，用于在检索数据库中查询是否存在与目标图像相同的图像。目标图像也可以是从目标数据库中提取的一幅图像。该目标查重方法可以运行在计算机或其他电子设备中。目标图像可以是特定的物体，如车辆、行人、或者其他的物品，可以适用于多种形状基本固定目标对象。

该目标查重方法的流程图如图1所示，包括如下步骤：

S11、获取目标图像和其对应的检索数据库中的待匹配图像。目标图像是预先选定的一个图像，可以是从目标数据库中提取到的一幅图像，或通过其他方式指定的一幅图像。检索数据库中存储有多幅的待匹配图像，该方案的目的是在检索数据库中查找是否存在与目标图像相同的图像。

S12、将所述目标图像依次与每个待匹配图像进行比较，计算所述目标图像与每个待匹配图像的参考置信度。

例如待匹配图像有N个的时候，需要将目标图像与每个待匹配图像进行比较，首先，提取目标图像的特征向量A，然后提取待匹配图像的特征向量B，将特征向量A和特征向量B进行比较，可以得到两个向量之间的差别，差别越大，置信度越低，差别越小，置信度越高。

在一些具体的实施方案中，还可以将目标图像送入分类器进行分类训练，训练完成的分类器中输入目标图像和待匹配图像，将高维度的图像降低到低维度的特征空间中，在特征空间中采用欧式距离来获得两个图像之间的置信度。

S13、根据数值大小选取排序在前的预设数量的参考置信度，计算置信度修正模型。

置信度越高说明两幅图像之间的差别越小，被认为是相同图像的可能性越高。但是置信度在计算时也会受到图像本身质量的影响，以及该图像与其他图像的普遍相似程度的限制，因此置信度的可区分性较弱。此时，可以将置信度一致后，一致化后更易区分。

采取的方式为选取一定的参考置信度，利用这些值计算置信度修正模型，如选取置信度最高的500个参考置信度。然后，计算置信度最高的500组中每个位点置信度的平均值，从而得到置信度修正模型向量。

S14、根据所述置信度修正模型对目标图像对应的每个参考置信度进行修正得到置信度修正值。

按照步骤S13得出的模型向量，将目标图像的参考置信度与置信度修正模型做差值比较；构造损失函数使得参考置信度所述差值的平方和达到极小。如为每个参考置信度设置一个学习参数，通过构造损失函数使得其与模型向量的差值平方和达到极小，依次学习来独立修正检索结果，再在此基础之上重新排序，即完成查重修正。

作为一种具体的实现方式，一致化的核心思想即选取横轴的一段区间做为一致化区间的参照，通过纵轴平移距离曲线将该区间内不同查询样本检索结果距离的标准差最小化。

按照该思想设计如下策略：

定义查询库中样本i在检索库中检索结果的距离排序向量为S_i

定义检索排序距离向量集合为

设置一致化区间[a,b],1≤a,b≤N

定义一致化区间距离向量集合为

定义一致化区间平均距离注意这里存在一个超参γ，调节该参数可整体改变一致化后的距离范围。

设置优化目标函数如下式

非耦合，则可看作m个独立的优化问题求解，即

求解目标，寻找最优

则一致化后的距离为

S15、根据所述置信度修正值确定检索数据库中的与所述目标图像相同的图像。

修正后的置信度修正值的区分性更好，根据该值可以得到与其一致的图像。

此外，本实施例中还提供一种目标数据库中的目标查重方法，用于对目标数据库中的图像与检索数据库中的图像进行查重处理，如目标数据库中有M幅图像，检索数据库中有N幅图像，则需要进行M次1：N的图像检索，从而得到这目标数据库和检索数据库中的重复图像，实现目标查重。

该目标数据库中的目标查重方法包括：

S21、依次获取目标数据库中的目标图像。在目标数据库中，每次取出一个图像进行检索，有M个图像则需要选择M次。

S22、针对每个目标图像采用上述图1中的目标查重方法方法进行目标查重。具体的方式与上述实施方式相同，在此不再赘述。

S23、获得目标数据库中出现的重复目标。通过步骤S22获得了每个目标图像的重复对象，当所有的M个目标图像都处理完成后，则得到了所有的重复对象，完成了目标查重。

此外，本发明还提供一种目标查重装置30，包括

图像获取单元31，用于获取目标图像和其对应的检索数据库中的待匹配图像；

比较单元32，用于将所述目标图像依次与每个待匹配图像进行比较，计算所述目标图像与每个待匹配图像的参考置信度；

参考单元33，用于根据数值大小选取排序在前的预设数量的参考置信度，计算置信度修正模型；

修正单元34，用于根据所述置信度修正模型对目标图像对应的每个参考置信度进行修正得到置信度修正值；

输出单元35，用于根据所述置信度修正值确定检索数据库中的与所述目标图像相同的图像。

其中，所述比较单元32包括：降维子单元，用于将目标图像的特征与待匹配图像的特征降低到低维空间；置信度计算单元，用于采用欧式距离计算目标图像与待匹配图像之间的置信度。

所述参考单元33包括：参考计算子单元，用于计算排序在前的预设数量的参考置信度的平均值作为置信度修正模型。

修正单元34包括：差值比较子单元，用于将参考置信度与置信度修正模型做差值比较；函数构造子单元，用于构造损失函数使得参考置信度所述差值的平方和达到极小。

此外，本实施例还提供一种目标数据库中的目标查重装置，包括：

目标图像获取单元41，用于获取目标数据库中的目标图像；

所述的目标查重装置30，针对每个目标图像进行目标查重；

重复目标输出单元42，用于获得目标数据库中出现的重复目标。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种目标查重方法，其特征在于，包括如下步骤：

获取目标图像和其对应的检索数据库中的待匹配图像；

将所述目标图像依次与每个待匹配图像进行比较，计算所述目标图像与每个待匹配图像的参考置信度；

根据数值大小选取排序在前的预设数量的参考置信度，计算置信度修正模型；

根据所述置信度修正模型对目标图像对应的每个参考置信度进行修正得到置信度修正值；

根据所述置信度修正值确定检索数据库中的与所述目标图像相同的图像。

2.根据权利要求1所述的方法，其特征在于，所述计算所述目标图像与每个待匹配图像的参考置信度的步骤，包括：

将目标图像的特征与待匹配图像的特征降低到低维空间；

采用欧式距离计算目标图像与待匹配图像之间的置信度。

3.根据权利要求1或2所述的方法，其特征在于，根据数值大小选取排序在前的预设数量的参考置信度，计算置信度修正模型的步骤，包括：

计算排序在前的预设数量的参考置信度的平均值作为置信度修正模型。

4.根据权利要求3所述的方法，其特征在于，根据所述置信度修正模型对目标图像对应的每个参考置信度进行修正得到置信度修正值的步骤，包括：

将参考置信度与置信度修正模型做差值比较；

构造损失函数使得参考置信度所述差值的平方和达到极小。

5.一种目标数据库中的目标查重方法，其特征在于，包括：

获取目标数据库中的目标图像；

针对每个目标图像采用权利要求1-4任一项所述的方法进行目标查重；

获得目标数据库中出现的重复目标。

6.一种目标查重装置，其特征在于，包括如下步骤：

图像获取单元，用于获取目标图像和其对应的检索数据库中的待匹配图像；

比较单元，用于将所述目标图像依次与每个待匹配图像进行比较，计算所述目标图像与每个待匹配图像的参考置信度；

参考单元，用于根据数值大小选取排序在前的预设数量的参考置信度，计算置信度修正模型；

修正单元，用于根据所述置信度修正模型对目标图像对应的每个参考置信度进行修正得到置信度修正值；

输出单元，用于根据所述置信度修正值确定检索数据库中的与所述目标图像相同的图像。

7.根据权利要求6所述的装置，其特征在于，所述比较单元包括：

降维子单元，用于将目标图像的特征与待匹配图像的特征降低到低维空间；

置信度计算单元，用于采用欧式距离计算目标图像与待匹配图像之间的置信度。

8.根据权利要求6或7所述的装置，其特征在于，参考单元包括：

参考计算子单元，用于计算排序在前的预设数量的参考置信度的平均值作为置信度修正模型。

9.根据权利要求8所述的方法，其特征在于，修正单元包括：

差值比较子单元，用于将参考置信度与置信度修正模型做差值比较；

函数构造子单元，用于构造损失函数使得参考置信度所述差值的平方和达到极小。

10.一种目标数据库中的目标查重装置，其特征在于，包括：

目标图像获取单元，用于获取目标数据库中的目标图像；

权利要求6-9任一项所述的目标查重装置，针对每个目标图像进行目标查重；

重复目标输出单元，用于获得目标数据库中出现的重复目标。