CN108776768A - 图像识别方法及装置 - Google Patents
图像识别方法及装置 Download PDFInfo
- Publication number
- CN108776768A CN108776768A CN201810355523.6A CN201810355523A CN108776768A CN 108776768 A CN108776768 A CN 108776768A CN 201810355523 A CN201810355523 A CN 201810355523A CN 108776768 A CN108776768 A CN 108776768A
- Authority
- CN
- China
- Prior art keywords
- face recognition
- recognition algorithms
- face
- algorithms
- similarity
- 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.)
- Pending
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
Abstract
本发明公开了一种图像识别方法及装置。其中,该方法包括:获取至少一种人脸识别算法;分别对至少一种人脸识别算法赋对应的权重,确定至少一种人脸识别算法的权重值;通过比较至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果,确定至少一种人脸识别算法的相似度值;根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。本发明解决了采用多种识别算法对人脸图像进行识别时,存在识别准确性较低的技术问题。
Description
技术领域
本发明涉及人脸识别技术领域,具体而言,涉及一种图像识别方法及装置。
背景技术
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术,属于现阶段应用比较广泛的人工智能生物识别方法,也叫做人像识别,面部识别。随着人工智能技术和计算机识别技术的发展,人脸识别技术已经广泛应用于各个领域,而且随着技术的进一步成熟和社会认同度的提高,人脸识别技术将应用在更多的领域。
但是,在人脸识别的应用过程中,不同的应用场景需要应用不同的人脸识别算法。例如,在办公室场景,光照条件稳定,人脸的光照均匀正常,一般不会出现过暗或者过亮的场景,但人口密度多,人脸遮挡的情况会经常发生,并且由于同事之间的交谈,所以人脸角度多样化,该场景下的人脸识别算法会针对人脸遮挡和人脸角度做优化,使该算法对人脸遮挡和人脸角度的鲁棒性会更好;而在室外监控场景下做人脸识别时,室外人口密度相对较小,所以人脸遮挡情况少,摄像头相对较高,图片中人脸角度相对变化小,但是室外由于不同的天气情况,光照不稳定,且中午光照过亮,夜间光照过暗,所以该应用场景下的人脸识别算法会针对人脸光照和亮度优化,使该算法对人脸光照和亮度的鲁棒性算法会更好。
目前,人脸识别系统主要是由人脸识别算法优化实现,现有的已经被普遍运用的识别算法有两种,一种是应用单一算法,但单一算法具有一定的局限性,在应用于具体的应用场景时,会存在场景迁移导致准确度下降的问题,并且,如果将单一的具体场景的算法应用于另一具体场景中,会出现场景变化导致准确度下降的问题。
另一种是提供了一种多算法人脸识别融合系统,根据不同模态的摄像头得到同一张人脸的不同模态的图片,然后每种模态应用特定的算法进行识别,这种方案的弊端在于多模态的图片采集会更复杂,成本更高,并且不同模态的相似度尺度不同,在分数融合阶段难度更高。
基于上述存在的技术问题,目前需要提供一种可以融合多种人脸识别算法进行人脸识别的解决方案。
发明内容
本发明实施例提供了一种图像识别方法及装置,以至少解决采用多种识别算法对人脸图像进行识别时,存在识别准确性较低的技术问题。
根据本发明实施例的一个方面,提供了一种图像识别方法,包括:获取至少一种人脸识别算法;分别对至少一种人脸识别算法赋对应的权重,确定至少一种人脸识别算法的权重值;通过比较至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果,确定至少一种人脸识别算法的相似度值;根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
进一步地,获取至少一种人脸识别算法,包括:根据多种人脸识别算法对图像测试集进行测试,确定多种人脸识别算法的测试准确率,其中,图像测试集中包括:预设数量的正样本对和预设数量的负样本对,通过如下公式计算得到测试准确率:ACC=(TP+TN)÷(NUM_P+NUM_N),其中,ACC为测试准确率,TP为所有正样本对中识别为同一个人的对数,TN为所有负样本对中识别为不同一个人的对数,NUM_P为正样本对的总数,NUM_N为负样本对的总数;根据多种人脸识别算法的测试准确率的大小,确定至少一种人脸识别算法。
进一步地,在获取至少一种人脸识别算法之前,方法还包括:采集当前场景下的预定数量的人脸图像数据,得到图像测试集。
进一步地,根据多种人脸识别算法的测试准确率的大小,确定至少一种人脸识别算法,包括:根据多种人脸识别算法的测试准确率的大小,对多种人脸识别算法进行排序,从排序结果中选取至少一种人脸识别算法;或者,通过比较多种人脸识别算法的测试准确率与预设阈值,确定至少一种人脸识别算法。
进一步地,通过以下方式至少之一,分别对至少一种人脸识别算法赋对应的权重:对至少一种人脸识别算法,均赋权重值为1;根据至少一种人脸识别算法的排列顺序,对至少一种人脸识别算法赋权重;根据至少一种人脸识别算法的测试准确率大小,对至少一种人脸识别算法赋权重。
进一步地,根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果,包括:对至少一种人脸识别算法中每种人脸识别算法的相似度分数向量进行排序,得到排序结果;根据排序结果,确定每种人脸识别算法中预定数量的相似度分数向量为相似度值;根据相似度值和权重值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
进一步地,根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果,包括:确定至少一种人脸识别算法中每种人脸识别算法的相似度阈值;比较每种人脸识别算法的相似度分数向量与相似度阈值的大小;若相似度分数向量大于等于相似度阈值,则将相似度分数向量确定为相似度值;根据相似度值和权重值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
进一步地,通过如下公式对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果:S=(Si×Wi)÷SUM_W=(S1×W1+S2×W2+…+Sn×Wn)÷SUM_W,其中,S为识别结果,Si=[Si1,Si2,Si3...SiP],Si为相似度值,i为第i种人脸识别算法,P为待测试人员的数量,n为上述人脸识别算法的数量,Wi为权重值,SUM_W为所有权重值的总和。
根据本发明实施例的另一方面,还提供了一种图像识别装置,包括:获取模块,用于获取至少一种人脸识别算法;赋值模块,用于分别对至少一种人脸识别算法赋对应的权重,确定至少一种人脸识别算法的权重值;确定模块,用于通过比较至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果,确定至少一种人脸识别算法的相似度值;识别模块,用于根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
根据本发明实施例的另一方面,还提供了一种存储介质,存储介质包括存储的程序,其中,程序执行上述任意一项可选或优选的图像识别方法。
根据本发明实施例的另一方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述任意一项可选或优选的图像识别方法。
在本发明实施例中,通过获取至少一种人脸识别算法;分别对至少一种人脸识别算法赋对应的权重,确定至少一种人脸识别算法的权重值;通过比较至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果,确定至少一种人脸识别算法的相似度值;根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果,达到了提高通用识别算法的识别准确性的目的,从而实现了将多个通用场景的算法融合应用到特定场景的技术效果,进而解决了采用多种识别算法对人脸图像进行识别时,存在识别准确性较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种图像识别方法的步骤流程图;
图2是根据本发明实施例的一种可选的图像识别方法的步骤流程图;
图3是根据本发明实施例的一种可选的图像识别方法的步骤流程图;
图4是根据本发明实施例的一种可选的图像识别方法的步骤流程图;以及
图5是根据本发明实施例的一种图像识别装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种图像识别方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请可以实现将应用多个不同的人脸识别算法,应用于某一特定场景进行人脸识别,并且应用场景广泛,适应性强,通过几个通用场景的识别算法融合应用到某一特定场景中,并且可以提高通用识别算法的识别准确性。
图1是根据本发明实施例的一种图像识别方法的步骤流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取至少一种人脸识别算法。
具体的,在上述步骤S102中,在单一人脸识别场景下,若存在多个人脸识别算法,则需要对多个人脸识别算法在当前场景下排序和筛选,以获取至少一种人脸识别算法。
在一种可选的实施例中,可以通过多个人脸识别算法对当前场景的图像测试集(例如,人脸图像测试集)进行测试,根据每种人脸识别算法在该图像测试集上的测试准确率,按照由高至低的顺序,选取至少一种人脸识别算法。
步骤S104,分别对至少一种人脸识别算法赋对应的权重,确定至少一种人脸识别算法的权重值。
具体的,在上述步骤S104中,可以通过不同的方式对筛选出的至少一种人脸识别算法中的每种人脸识别算法进行赋权重,若筛选出n种人脸识别算法,则对n种人脸识别算法所赋的权重值可以为[W1,W2,W3...Wn],其中,W为权重值,1、2、3……n为1-n种人脸识别算法。
在一种可选的实施例中,通过以下方式至少之一,分别对至少一种人脸识别算法赋对应的权重:
方式一:对至少一种人脸识别算法,均赋权重值为1;
具体的,可以对所选的n种人脸识别算法中的每种人脸算法均匀的赋权重值为1,即,W1=W2=...=Wn=1。
方式二:根据至少一种人脸识别算法的排列顺序,对至少一种人脸识别算法赋权重;
具体的,可以对所选的n种人脸识别算法按照排列顺序,单调递减的赋权重值,即[W1,W2,W3...Wn]=[n,n-1,n-1...1]。
方式三:根据至少一种人脸识别算法的测试准确率大小,对至少一种人脸识别算法赋权重。
具体的,可以根据所选的n种人脸识别算法的准确率的大小与所赋权重的大小,得到所选的n种人脸识别算法的准确率与所赋权重的比值,从而确定n种人脸识别算法的权重值,即W1:W2:W3...:Wn=ACC1:ACC2:ACC3:...:ACCn。
步骤S106,通过比较至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果,确定至少一种人脸识别算法的相似度值;
步骤S108,根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
具体的,在上述步骤S106中,初始识别结果为至少一种人脸识别算法中的每种人脸识别算法识别预设图像的识别结果,预设识别结果为预先设置的正确的识别结果。
在一种可选的实施例中,可以预先建立一个人脸图像数据库,该人脸数据库可以用于存储多个人员信息(其中,人员信息可以包括人员的身份标识)与多张测试图片,可选的,可以预设该人脸数据库有P个人员信息,则采用所选的n种人脸识别算法中的每种人脸识别算法测试某一张测试照片,可以得到P个相似度值,其中,P个相似度值均可以为0-1之间的任意数值。
例如,第i种人脸识别算法识别该张测试照片的初始识别结果,可以为[(Si1,身份1),(Si2,身份2),(Si3,身份3)...(SiP,身份P)]。
具体的,在上述步骤S108中,可以根据上述P个相似度值和n种人脸识别算法的权重值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
在一种可选的实施例中,可以通过将最终的识别结果中的相似度向量进行排序,从而确定相似度向量最高的一个人员的身份,为该张测试图片的识别结果。
通过上述步骤,可以实现通过多种不同的人脸识别算法进行融合处理,得到识别结果,提高了多个识别算法在当前特定场景下的识别准确性。
在本发明实施例中,通过获取至少一种人脸识别算法;分别对至少一种人脸识别算法赋对应的权重,确定至少一种人脸识别算法的权重值;通过比较至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果,确定至少一种人脸识别算法的相似度值;根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果,达到了提高通用识别算法的识别准确性的目的,从而实现了将多个通用场景的算法融合应用到特定场景的技术效果,进而解决了采用多种识别算法对人脸图像进行识别时,存在识别准确性较低的技术问题。
在一种可选的实施例中,图2是根据本发明实施例的一种可选的图像识别方法的步骤流程图,如图2所示,获取至少一种人脸识别算法,包括如下步骤:
步骤S202,根据多种人脸识别算法对图像测试集进行测试,确定多种人脸识别算法的测试准确率,其中,图像测试集中包括:预设数量的正样本对和预设数量的负样本对,通过如下公式计算得到测试准确率:ACC=(TP+TN)÷(NUM_P+NUM_N),其中,ACC为测试准确率,TP为所有正样本对中识别为同一个人的对数,TN为所有负样本对中识别为不同一个人的对数,NUM_P为正样本对的总数,NUM_N为负样本对的总数;
步骤S204,根据多种人脸识别算法的测试准确率的大小,确定至少一种人脸识别算法。
在一种可选的实施例中,在获取至少一种人脸识别算法之前,上述方法还包括如下步骤:采集当前场景下的预定数量的人脸图像数据,得到图像测试集。
具体的,上述人脸图像数据可以通过拍摄照片的形式来采集得到,在获取至少一种人脸识别算法之前,可以采集当前应用场景的人脸图像数据,例如,当前应用场景下可以有100人,每人5张照片,共500张图片,进而可以构造人脸图像测试集,其中,该人脸图像测试集包括:正样本对和负样本对各1000对。
具体的,上述人脸图像测试集中的正样本对和负样本可以通过以下方式得到:
在一种可选的实施例中,同一个人有两张不同的人脸图片,每人5张照片,故每人可以形成10对正样本对,由于当前应用场景下共有100人,因此,将得到10×100=1000对正样本对,确定为该场景下人脸图像测试集的1000对正样本对。
在一种可选的实施例中,两个不同人的人脸图片,每人一张图片,每人的每张图片和其他人的一张照片构成一对负样本对。则每人每张照片可以构造99×5=495对负样本对,则每人构造495×5=2475对负样本对,因此,共有100×2475÷2=123750对负样本对,其中,除以2是由于每对负样本对被计算了2次,最后,从这123750对负样本对中,随机抽取1000对负样本对,确定为该场景下人脸图像测试集的1000对负样本对。
在一种可选的实施例中,根据多种人脸识别算法的测试准确率的大小,确定至少一种人脸识别算法,包括如下步骤:
根据多种人脸识别算法的测试准确率的大小,对多种人脸识别算法进行排序,从排序结果中选取至少一种人脸识别算法;
或者,通过比较多种人脸识别算法的测试准确率与预设阈值,确定至少一种人脸识别算法。
具体的,在上述可选的实施方案中,可以根据多种人脸识别算法的测试准确率的大小,直接选择排序前n个人脸识别算法。
在另一种可选的实施例中,可以预先给定一个测试准确度阈值,若测试准确率大于等于测试准确度阈值的多种人脸识别算法有K个,若K大于等于n,则选取前n个人脸识别算法为上述至少一种人脸识别算法,若K小于n,则选取K个人脸识别算法为上述至少一种人脸识别算法。
在一种可选的实施例中,图3是根据本发明实施例的一种可选的图像识别方法的步骤流程图,如图3所示,根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果,包括如下步骤:
步骤S302,对至少一种人脸识别算法中每种人脸识别算法的相似度分数向量进行排序,得到排序结果;
步骤S304,根据排序结果,确定每种人脸识别算法中预定数量的相似度分数向量为相似度值;
步骤S306,根据相似度值和权重值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
在上述步骤S302至步骤S306中,通过对至少一种人脸识别算法中每种人脸识别算法的相似度分数向量进行排序,得到排序结果,其中,可以按照从大到小的顺序进行排序,在此情况下,至少一种人脸识别算法中的每种人脸识别算法所选取的相似度分数向量的个数一致,通过将每个相似度分数向量Si乘以对应的权重值Wi,并根据身份信进行求和处理,得到多个身份的相似度分数向量,再除以所有权重值的和SUM_W,得到识别预设图像的最终识别结果。
在一种可选的实施例中,图4是根据本发明实施例的一种可选的图像识别方法的步骤流程图,如图4所示,根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果,包括如下步骤:
步骤S402,确定至少一种人脸识别算法中每种人脸识别算法的相似度阈值;
步骤S404,比较每种人脸识别算法的相似度分数向量与相似度阈值的大小;
步骤S406,若相似度分数向量大于等于相似度阈值,则将相似度分数向量确定为相似度值;
步骤S408,根据相似度值和权重值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
在上述步骤S402至步骤S408中,可以预先设定相似度阈值,可选的,可以设置固定的一个相似度阈值,还可以设置每个算法对应的相似度阈值。
在一种可选的实施例中,通过对至少一种人脸识别算法中每种人脸识别算法的相似度分数向量进行排序,得到排序结果,其中,可以按照从大到小的顺序进行排序,若相似度分数向量大于等于相似度阈值,则将相似度分数向量确定为相似度值,在此情况下,至少一种人脸识别算法中的每种人脸识别算法所选取的相似度分数向量的个数可能不一致,通过将每个相似度分数向量Si乘以对应的权重值Wi,并根据身份信进行求和处理,得到多个身份的相似度分数向量,再除以所有权重值的和SUM_W,得到识别预设图像的最终识别结果。
在一种可选的实施例中,通过如下公式对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果:
S=(Si×Wi)÷SUM_W=(S1×W1+S2×W2+…+Sn×Wn)÷SUM_W,其中,S为识别结果,Si=[Si1,Si2,Si3...SiP],Si为相似度值,i为第i种人脸识别算法,P为待测试人员的数量,n为人脸识别算法的数量,Wi为权重值,SUM_W为所有权重值的总和。
具体的,上述计算公式中的相似度值,可以为根据所有相似度分数向量得到相似度值,也可以为选取的任意个相似度分数向量得到的相似度值。
实施例2
本发明实施例还提供了一种图像识别装置,需要说明的是,上述实施例1所提供的方法步骤,可以但不限于在本发明实施例所提供的图像识别装置中执行。
图5是根据本发明实施例的一种图像识别装置的结构示意图,如图5所示,该装置包括以下模块:获取模块50、赋值模块52、确定模块54以及识别模块56,其中,
获取模块50,用于获取至少一种人脸识别算法;赋值模块52,用于分别对至少一种人脸识别算法赋对应的权重,确定至少一种人脸识别算法的权重值;确定模块54,用于通过比较至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果,确定至少一种人脸识别算法的相似度值;识别模块56,用于根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
需要说明的是,获取模块50、赋值模块52、确定模块54以及识别模块56对应于实施例1中的步骤S102至步骤S108,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
仍需要说明的是,上述各个模块是可以通过软件或硬件的形式来实现的,对于后者,可以通过以下方式来实现,但不限于此:上述各个模块位于同一处理器中;或者,上述各个模块位以任意组合的形式于不同的处理器中。
实施例3
本发明实施例还提供了一种存储介质,存储介质包括存储的程序,其中,程序执行上述任意一项可选或优选的图像识别方法。
本发明实施例提供的存储介质用于存储执行以下功能的程序:获取至少一种人脸识别算法;分别对至少一种人脸识别算法赋对应的权重,确定至少一种人脸识别算法的权重值;通过比较至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果,确定至少一种人脸识别算法的相似度值;根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
本发明实施例提供的存储介质用于存储执行以下功能的程序:根据多种人脸识别算法对图像测试集进行测试,确定多种人脸识别算法的测试准确率,其中,图像测试集中包括:预设数量的正样本对和预设数量的负样本对,通过如下公式计算得到测试准确率:ACC=(TP+TN)÷(NUM_P+NUM_N),其中,ACC为测试准确率,TP为所有正样本对中识别为同一个人的对数,TN为所有负样本对中识别为不同一个人的对数,NUM_P为正样本对的总数,NUM_N为负样本对的总数;根据多种人脸识别算法的测试准确率的大小,确定至少一种人脸识别算法。
本发明实施例提供的存储介质用于存储执行以下功能的程序:采集当前场景下的预定数量的人脸图像数据,得到图像测试集。
本发明实施例提供的存储介质用于存储执行以下功能的程序:根据多种人脸识别算法的测试准确率的大小,对多种人脸识别算法进行排序,从排序结果中选取至少一种人脸识别算法;或者,通过比较多种人脸识别算法的测试准确率与预设阈值,确定至少一种人脸识别算法。
本发明实施例提供的存储介质用于存储执行以下功能的程序:对至少一种人脸识别算法,均赋权重值为1;根据至少一种人脸识别算法的排列顺序,对至少一种人脸识别算法赋权重;根据至少一种人脸识别算法的测试准确率大小,对至少一种人脸识别算法赋权重。
本发明实施例提供的存储介质用于存储执行以下功能的程序:对至少一种人脸识别算法中每种人脸识别算法的相似度分数向量进行排序,得到排序结果;根据排序结果,确定每种人脸识别算法中预定数量的相似度分数向量为相似度值;根据相似度值和权重值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
本发明实施例提供的存储介质用于存储执行以下功能的程序:确定至少一种人脸识别算法中每种人脸识别算法的相似度阈值;比较每种人脸识别算法的相似度分数向量与相似度阈值的大小;若相似度分数向量大于等于相似度阈值,则将相似度分数向量确定为相似度值;根据相似度值和权重值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
实施例4
本发明实施例还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述任意一项可选或优选的图像识别方法。
本发明实施例提供的处理器用于运行执行以下功能的程序:获取至少一种人脸识别算法;分别对至少一种人脸识别算法赋对应的权重,确定至少一种人脸识别算法的权重值;通过比较至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果,确定至少一种人脸识别算法的相似度值;根据至少一种人脸识别算法的权重值和相似度值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
本发明实施例提供的处理器用于运行执行以下功能的程序:根据多种人脸识别算法对图像测试集进行测试,确定多种人脸识别算法的测试准确率,其中,图像测试集中包括:预设数量的正样本对和预设数量的负样本对,通过如下公式计算得到测试准确率:ACC=(TP+TN)÷(NUM_P+NUM_N),其中,ACC为测试准确率,TP为所有正样本对中识别为同一个人的对数,TN为所有负样本对中识别为不同一个人的对数,NUM_P为正样本对的总数,NUM_N为负样本对的总数;根据多种人脸识别算法的测试准确率的大小,确定至少一种人脸识别算法。
本发明实施例提供的处理器用于运行执行以下功能的程序:采集当前场景下的预定数量的人脸图像数据,得到图像测试集。
本发明实施例提供的处理器用于运行执行以下功能的程序:根据多种人脸识别算法的测试准确率的大小,对多种人脸识别算法进行排序,从排序结果中选取至少一种人脸识别算法;或者,通过比较多种人脸识别算法的测试准确率与预设阈值,确定至少一种人脸识别算法。
本发明实施例提供的处理器用于运行执行以下功能的程序:对至少一种人脸识别算法,均赋权重值为1;根据至少一种人脸识别算法的排列顺序,对至少一种人脸识别算法赋权重;根据至少一种人脸识别算法的测试准确率大小,对至少一种人脸识别算法赋权重。
本发明实施例提供的处理器用于运行执行以下功能的程序:对至少一种人脸识别算法中每种人脸识别算法的相似度分数向量进行排序,得到排序结果;根据排序结果,确定每种人脸识别算法中预定数量的相似度分数向量为相似度值;根据相似度值和权重值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
本发明实施例提供的处理器用于运行执行以下功能的程序:确定至少一种人脸识别算法中每种人脸识别算法的相似度阈值;比较每种人脸识别算法的相似度分数向量与相似度阈值的大小;若相似度分数向量大于等于相似度阈值,则将相似度分数向量确定为相似度值;根据相似度值和权重值,对至少一种人脸识别算法的初始识别结果进行融合处理,得到识别预设图像的识别结果。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种图像识别方法,其特征在于,包括:
获取至少一种人脸识别算法;
分别对所述至少一种人脸识别算法赋对应的权重,确定所述至少一种人脸识别算法的权重值;
通过比较所述至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果,确定所述至少一种人脸识别算法的相似度值;
根据所述至少一种人脸识别算法的权重值和相似度值,对所述至少一种人脸识别算法的初始识别结果进行融合处理,得到识别所述预设图像的识别结果。
2.根据权利要求1所述的方法,其特征在于,获取至少一种人脸识别算法,包括:
根据多种人脸识别算法对图像测试集进行测试,确定所述多种人脸识别算法的测试准确率,其中,所述图像测试集中包括:预设数量的正样本对和预设数量的负样本对,通过如下公式计算得到所述测试准确率:
ACC=(TP+TN)÷(NUM_P+NUM_N),
其中,ACC为所述测试准确率,TP为所有正样本对中识别为同一个人的对数,TN为所有负样本对中识别为不同一个人的对数,NUM_P为所述正样本对的总数,NUM_N为所述负样本对的总数;
根据所述多种人脸识别算法的测试准确率的大小,确定所述至少一种人脸识别算法。
3.根据权利要求2所述的方法,其特征在于,在获取至少一种人脸识别算法之前,所述方法还包括:
采集当前场景下的预定数量的人脸图像数据,得到所述图像测试集。
4.根据权利要求2所述的方法,其特征在于,根据所述多种人脸识别算法的测试准确率的大小,确定所述至少一种人脸识别算法,包括:
根据所述多种人脸识别算法的测试准确率的大小,对所述多种人脸识别算法进行排序,从排序结果中选取所述至少一种人脸识别算法;或者,
通过比较所述多种人脸识别算法的测试准确率与预设阈值,确定所述至少一种人脸识别算法。
5.根据权利要求1至4中任意一项所述的方法,其特征在于,通过以下方式至少之一,分别对所述至少一种人脸识别算法赋对应的权重:
对所述至少一种人脸识别算法,均赋权重值为1;
根据所述至少一种人脸识别算法的排列顺序,对所述至少一种人脸识别算法赋权重;
根据所述至少一种人脸识别算法的测试准确率大小,对所述至少一种人脸识别算法赋权重。
6.根据权利要求5所述的方法,其特征在于,根据所述至少一种人脸识别算法的权重值和相似度值,对所述至少一种人脸识别算法的初始识别结果进行融合处理,得到识别所述预设图像的识别结果,包括:
对所述至少一种人脸识别算法中每种人脸识别算法的相似度分数向量进行排序,得到排序结果;
根据所述排序结果,确定所述每种人脸识别算法中预定数量的相似度分数向量为所述相似度值;
根据所述相似度值和所述权重值,对所述至少一种人脸识别算法的初始识别结果进行融合处理,得到识别所述预设图像的识别结果。
7.根据权利要求5所述的方法,其特征在于,根据所述至少一种人脸识别算法的权重值和相似度值,对所述至少一种人脸识别算法的初始识别结果进行融合处理,得到识别所述预设图像的识别结果,包括:
确定所述至少一种人脸识别算法中每种人脸识别算法的相似度阈值;
比较所述每种人脸识别算法的相似度分数向量与相似度阈值的大小;
若所述相似度分数向量大于等于所述相似度阈值,则将所述相似度分数向量确定为所述相似度值;
根据所述相似度值和所述权重值,对所述至少一种人脸识别算法的初始识别结果进行融合处理,得到识别所述预设图像的识别结果。
8.根据权利要求6或7所述的方法,其特征在于,通过如下公式对所述至少一种人脸识别算法的初始识别结果进行融合处理,得到识别所述预设图像的识别结果:
S=(Si×Wi)÷SUM_W=(S1×W1+S2×W2+…+Sn×Wn)÷SUM_W,
其中,S为所述识别结果,Si为所述相似度值,Si=[Si1,Si2,Si3...SiP],i为第i种人脸识别算法,P为待测试人员的数量,n为所述人脸识别算法的数量,Wi为所述权重值,SUM_W为所有权重值的总和。
9.一种图像识别装置,其特征在于,包括:
获取模块,用于获取至少一种人脸识别算法;
赋值模块,用于分别对所述至少一种人脸识别算法赋对应的权重,确定所述至少一种人脸识别算法的权重值;
确定模块,用于通过比较所述至少一种人脸识别算法识别预设图像的初始识别结果与预设识别结果,确定所述至少一种人脸识别算法的相似度值;
识别模块,用于根据所述至少一种人脸识别算法的权重值和相似度值,对所述至少一种人脸识别算法的初始识别结果进行融合处理,得到识别所述预设图像的识别结果。
10.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至8中任意一项所述的图像识别方法。
11.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至8中任意一项所述的图像识别方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810355523.6A CN108776768A (zh) | 2018-04-19 | 2018-04-19 | 图像识别方法及装置 |
PCT/CN2018/115612 WO2019200902A1 (zh) | 2018-04-19 | 2018-11-15 | 图像识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810355523.6A CN108776768A (zh) | 2018-04-19 | 2018-04-19 | 图像识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108776768A true CN108776768A (zh) | 2018-11-09 |
Family
ID=64026458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810355523.6A Pending CN108776768A (zh) | 2018-04-19 | 2018-04-19 | 图像识别方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108776768A (zh) |
WO (1) | WO2019200902A1 (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109800699A (zh) * | 2019-01-15 | 2019-05-24 | 珠海格力电器股份有限公司 | 图像识别方法、系统及装置 |
CN109871762A (zh) * | 2019-01-16 | 2019-06-11 | 平安科技(深圳)有限公司 | 一种人脸识别模型的评价方法和装置 |
CN110008815A (zh) * | 2019-01-25 | 2019-07-12 | 平安科技(深圳)有限公司 | 人脸识别融合模型的生成方法和装置 |
CN110334695A (zh) * | 2019-07-18 | 2019-10-15 | 国网电子商务有限公司 | 一种基于人脸特征的身份认证方法及装置 |
WO2019200902A1 (zh) * | 2018-04-19 | 2019-10-24 | 广州视源电子科技股份有限公司 | 图像识别方法及装置 |
CN111126340A (zh) * | 2019-12-31 | 2020-05-08 | 北京旷视科技有限公司 | 对象识别方法、装置、电子设备及计算机可读存储介质 |
CN111178259A (zh) * | 2019-12-30 | 2020-05-19 | 八维通科技有限公司 | 支持多算法融合的识别方法及系统 |
CN111325250A (zh) * | 2019-12-31 | 2020-06-23 | 深圳云天励飞技术有限公司 | 图像处理方法及相关设备 |
CN111400821A (zh) * | 2018-12-30 | 2020-07-10 | 长城汽车股份有限公司 | 长度或宽度可调的汽车车架连接点确定方法与非承载式汽车车架和汽车 |
CN111400817A (zh) * | 2018-12-30 | 2020-07-10 | 长城汽车股份有限公司 | 模块化结构的汽车车架连接点确定方法与非承载式汽车车架和汽车 |
CN112597823A (zh) * | 2020-12-07 | 2021-04-02 | 深延科技(北京)有限公司 | 注意力识别方法、装置、电子设备及存储介质 |
CN112712026A (zh) * | 2020-12-29 | 2021-04-27 | 广州广电运通智能科技有限公司 | 身份识别方法、人脸注册方法、计算机设备和存储介质 |
CN113095672A (zh) * | 2021-04-09 | 2021-07-09 | 公安部物证鉴定中心 | 一种人脸图像比对算法评测方法和系统 |
CN114821252A (zh) * | 2022-03-16 | 2022-07-29 | 电子科技大学 | 一种图像识别算法的自成长方法 |
CN116434313A (zh) * | 2023-04-28 | 2023-07-14 | 北京声迅电子股份有限公司 | 基于多人脸识别模块的人脸识别方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942065B (zh) * | 2019-11-26 | 2023-12-12 | Oppo广东移动通信有限公司 | 文本框选方法、装置、终端设备及计算机可读存储介质 |
CN111242047A (zh) * | 2020-01-15 | 2020-06-05 | 北京明略软件系统有限公司 | 图像处理方法和装置、电子设备及计算机可读存储介质 |
CN111444849B (zh) * | 2020-03-27 | 2024-02-27 | 上海依图网络科技有限公司 | 人员识别方法、装置、电子设备、及计算机可读存储介质 |
CN111538503A (zh) * | 2020-03-27 | 2020-08-14 | 北京达佳互联信息技术有限公司 | 安装包体积的优化方法、装置、电子设备及存储介质 |
CN112182265A (zh) * | 2020-09-17 | 2021-01-05 | 国家电网有限公司 | 广谱集成多算法的图像识别方法 |
CN112597886A (zh) * | 2020-12-22 | 2021-04-02 | 成都商汤科技有限公司 | 乘车逃票检测方法及装置、电子设备和存储介质 |
CN114049659B (zh) * | 2021-09-24 | 2024-04-19 | 公安部第一研究所 | 一种1比n人脸识别引擎多算法融合方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030035595A1 (en) * | 2001-06-06 | 2003-02-20 | Ying Liu | Attrasoft image retrieval |
US20050123202A1 (en) * | 2003-12-04 | 2005-06-09 | Samsung Electronics Co., Ltd. | Face recognition apparatus and method using PCA learning per subgroup |
CN102262729A (zh) * | 2011-08-03 | 2011-11-30 | 山东志华信息科技股份有限公司 | 基于集成学习的混合融合人脸识别方法 |
CN104123560A (zh) * | 2014-07-03 | 2014-10-29 | 中山大学 | 基于相位编码特征和多度量学习的模糊人脸图像验证方法 |
CN106250858A (zh) * | 2016-08-05 | 2016-12-21 | 重庆中科云丛科技有限公司 | 一种融合多种人脸识别算法的识别方法及系统 |
CN107633242A (zh) * | 2017-10-23 | 2018-01-26 | 广州视源电子科技股份有限公司 | 网络模型的训练方法、装置、设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650693B (zh) * | 2016-12-30 | 2020-07-03 | 河北三川科技有限公司 | 一种用于人脸比对的多特征融合识别算法 |
CN107563280A (zh) * | 2017-07-24 | 2018-01-09 | 南京道熵信息技术有限公司 | 基于多模型的人脸识别方法和装置 |
CN108776768A (zh) * | 2018-04-19 | 2018-11-09 | 广州视源电子科技股份有限公司 | 图像识别方法及装置 |
-
2018
- 2018-04-19 CN CN201810355523.6A patent/CN108776768A/zh active Pending
- 2018-11-15 WO PCT/CN2018/115612 patent/WO2019200902A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030035595A1 (en) * | 2001-06-06 | 2003-02-20 | Ying Liu | Attrasoft image retrieval |
US20050123202A1 (en) * | 2003-12-04 | 2005-06-09 | Samsung Electronics Co., Ltd. | Face recognition apparatus and method using PCA learning per subgroup |
CN102262729A (zh) * | 2011-08-03 | 2011-11-30 | 山东志华信息科技股份有限公司 | 基于集成学习的混合融合人脸识别方法 |
CN104123560A (zh) * | 2014-07-03 | 2014-10-29 | 中山大学 | 基于相位编码特征和多度量学习的模糊人脸图像验证方法 |
CN106250858A (zh) * | 2016-08-05 | 2016-12-21 | 重庆中科云丛科技有限公司 | 一种融合多种人脸识别算法的识别方法及系统 |
CN107633242A (zh) * | 2017-10-23 | 2018-01-26 | 广州视源电子科技股份有限公司 | 网络模型的训练方法、装置、设备和存储介质 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019200902A1 (zh) * | 2018-04-19 | 2019-10-24 | 广州视源电子科技股份有限公司 | 图像识别方法及装置 |
CN111400817B (zh) * | 2018-12-30 | 2023-04-04 | 长城汽车股份有限公司 | 模块化结构的汽车车架连接点确定方法与非承载式汽车车架和汽车 |
CN111400821A (zh) * | 2018-12-30 | 2020-07-10 | 长城汽车股份有限公司 | 长度或宽度可调的汽车车架连接点确定方法与非承载式汽车车架和汽车 |
CN111400817A (zh) * | 2018-12-30 | 2020-07-10 | 长城汽车股份有限公司 | 模块化结构的汽车车架连接点确定方法与非承载式汽车车架和汽车 |
CN111400821B (zh) * | 2018-12-30 | 2023-04-07 | 长城汽车股份有限公司 | 长度或宽度可调的汽车车架连接点确定方法与非承载式汽车车架和汽车 |
CN109800699A (zh) * | 2019-01-15 | 2019-05-24 | 珠海格力电器股份有限公司 | 图像识别方法、系统及装置 |
CN109871762A (zh) * | 2019-01-16 | 2019-06-11 | 平安科技(深圳)有限公司 | 一种人脸识别模型的评价方法和装置 |
CN109871762B (zh) * | 2019-01-16 | 2023-08-08 | 平安科技(深圳)有限公司 | 一种人脸识别模型的评价方法和装置 |
CN110008815A (zh) * | 2019-01-25 | 2019-07-12 | 平安科技(深圳)有限公司 | 人脸识别融合模型的生成方法和装置 |
CN110334695A (zh) * | 2019-07-18 | 2019-10-15 | 国网电子商务有限公司 | 一种基于人脸特征的身份认证方法及装置 |
CN111178259A (zh) * | 2019-12-30 | 2020-05-19 | 八维通科技有限公司 | 支持多算法融合的识别方法及系统 |
CN111126340A (zh) * | 2019-12-31 | 2020-05-08 | 北京旷视科技有限公司 | 对象识别方法、装置、电子设备及计算机可读存储介质 |
CN111325250A (zh) * | 2019-12-31 | 2020-06-23 | 深圳云天励飞技术有限公司 | 图像处理方法及相关设备 |
CN111126340B (zh) * | 2019-12-31 | 2023-12-01 | 北京旷视科技有限公司 | 对象识别方法、装置、电子设备及计算机可读存储介质 |
CN112597823A (zh) * | 2020-12-07 | 2021-04-02 | 深延科技(北京)有限公司 | 注意力识别方法、装置、电子设备及存储介质 |
CN112712026A (zh) * | 2020-12-29 | 2021-04-27 | 广州广电运通智能科技有限公司 | 身份识别方法、人脸注册方法、计算机设备和存储介质 |
CN112712026B (zh) * | 2020-12-29 | 2023-08-01 | 广州广电运通智能科技有限公司 | 身份识别方法、人脸注册方法、计算机设备和存储介质 |
CN113095672A (zh) * | 2021-04-09 | 2021-07-09 | 公安部物证鉴定中心 | 一种人脸图像比对算法评测方法和系统 |
CN114821252A (zh) * | 2022-03-16 | 2022-07-29 | 电子科技大学 | 一种图像识别算法的自成长方法 |
CN116434313A (zh) * | 2023-04-28 | 2023-07-14 | 北京声迅电子股份有限公司 | 基于多人脸识别模块的人脸识别方法 |
CN116434313B (zh) * | 2023-04-28 | 2023-11-14 | 北京声迅电子股份有限公司 | 基于多人脸识别模块的人脸识别方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019200902A1 (zh) | 2019-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108776768A (zh) | 图像识别方法及装置 | |
CN111008640B (zh) | 图像识别模型训练及图像识别方法、装置、终端及介质 | |
CN108805900B (zh) | 一种跟踪目标的确定方法及装置 | |
CN103617432A (zh) | 一种场景识别方法及装置 | |
CN108090508A (zh) | 一种分类训练方法、装置及存储介质 | |
CN106022317A (zh) | 人脸识别方法及装置 | |
CN110070066A (zh) | 一种基于姿态关键帧的视频行人重识别方法及系统 | |
CN109657715B (zh) | 一种语义分割方法、装置、设备及介质 | |
CN109472193A (zh) | 人脸检测方法及装置 | |
CN112418360B (zh) | 卷积神经网络的训练方法、行人属性识别方法及相关设备 | |
CN109993042A (zh) | 一种人脸识别方法及其装置 | |
KR101048582B1 (ko) | 칼라 이미지에서 얼굴들을 검출하기 위한 방법 및 디바이스 | |
CN112306829B (zh) | 性能信息的确定方法及装置、存储介质、终端 | |
CN106778731B (zh) | 一种车牌定位方法及终端 | |
CN111881741A (zh) | 车牌识别方法、装置、计算机设备和计算机可读存储介质 | |
CN110909565B (zh) | 图像识别和行人再识别方法及装置,电子和存储设备 | |
CN111445442B (zh) | 基于神经网络的人群计数方法、装置、服务器及存储介质 | |
CN109165698A (zh) | 一种面向智慧交通的图像分类识别方法及其存储介质 | |
CN109726756A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112101114A (zh) | 一种视频目标检测方法、装置、设备以及存储介质 | |
CN114648680A (zh) | 图像识别模型的训练方法、装置、设备、介质及程序产品 | |
CN113420871B (zh) | 图像质量的评估方法、装置、存储介质及电子装置 | |
CN113379045A (zh) | 数据增强方法和装置 | |
CN114783021A (zh) | 一种口罩佩戴智能检测方法、装置、设备及介质 | |
CN113205045A (zh) | 行人重识别方法、装置、电子设备和可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181109 |
|
RJ01 | Rejection of invention patent application after publication |