CN110135245A - 到店确认方法、装置、电子设备及可读存储介质 - Google Patents

到店确认方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN110135245A
CN110135245A CN201910263456.XA CN201910263456A CN110135245A CN 110135245 A CN110135245 A CN 110135245A CN 201910263456 A CN201910263456 A CN 201910263456A CN 110135245 A CN110135245 A CN 110135245A
Authority
CN
China
Prior art keywords
shop front
front image
image
shop
businessman
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
CN201910263456.XA
Other languages
English (en)
Other versions
CN110135245B (zh
Inventor
周永生
王栋
张睿
宋祺
李楠
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.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology 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 Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN201910263456.XA priority Critical patent/CN110135245B/zh
Publication of CN110135245A publication Critical patent/CN110135245A/zh
Application granted granted Critical
Publication of CN110135245B publication Critical patent/CN110135245B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本公开公开了一种到店确认方法，包括：获取用户上传的实时位置信息和第一门脸图像；根据所述第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称；检测所述第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，以及检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配，并根据检测结果确认所述用户是否到达所述目标商家。解决了到店确认不准确的技术问题。取得了提高到店检测准确性的有益效果。

Description

到店确认方法、装置、电子设备及可读存储介质
技术领域
本公开涉及计算机技术领域，具体涉及一种到店确认方法、装置、电子设备及可读存储介质。
背景技术
随着互联网技术的快速发展，越来越多的用户开始通过网络平台点餐，而相应的网络平台则会通过骑手将外卖送至相应用户。具体的，骑手在接收到派送任务之后，需要到达相应商家领取外卖然后再将外卖送至用户所在地。而且为了及时获知骑手的实时状态，其中很重要的一步是确认骑手是否到店并反馈至相应用户。
现有的确认骑手到店的考勤方式为，当骑手到达指定商家的时候，骑手主动点击应用程序上的确认到店控件，然后后台服务器通过检测骑手的位置信息是否在商家附近确认其是否到店。但是，由于基于定位的考勤方式存在定位不准确的情况，从而容易给确认骑手到店的结果带来负面影响，导致很难准确的确认骑手是否到店。
发明内容
本公开提供一种到店确认方法、装置、电子设备及可读存储介质，以部分或全部解决现有技术中到店确认过程相关的上述问题。
依据本公开第一方面，提供了一种到店确认方法，包括：
获取用户上传的实时位置信息和第一门脸图像；
根据所述第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称；
检测所述第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，以及检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配，并根据检测结果确认所述用户是否到达所述目标商家。
根据本公开的第二方面，提供了一种到店确认装置，包括：
数据获取模块，用于获取用户上传的实时位置信息和第一门脸图像；
商家名称获取模块，用于根据所述第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称；
匹配检测模块，用于检测所述第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，以及检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配，并根据检测结果确认所述用户是否到达所述目标商家。
根据本公开的第三方面，提供了一种电子设备，包括：
处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现前述的到店确认方法。
根据本公开的第四方面，提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述的到店确认方法。
根据本公开的到店确认方法，可以获取用户上传的实时位置信息和第一门脸图像；根据所述第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称；检测所述第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，以及检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配，并根据检测结果确认所述用户是否到达所述目标商家。由此解决了现有的到店确认方法确认结果准确性不高的技术问题。取得了提高到店检测准确性的有益效果。
上述说明仅是本公开技术方案的概述，为了能够更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂，以下特举本公开的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本公开的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本公开实施例的一种到店确认方法的步骤流程图之一；
图2示出了根据本公开实施例的一种到店确认方法的步骤流程图之二；
图3示出了根据本公开实施例的一种第一门脸图像的示意图；
图4示出了根据本公开实施例的一种到店确认装置的结构示意图之一；以及
图5示出了根据本公开实施例的一种到店确认装置的结构示意图之二。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图1，示出了本公开实施例中一种到店确认方法的步骤流程图。
步骤110，获取用户上传的实时位置信息和第一门脸图像。
用户为了进行到店确认，则可以上传其自身的实时位置信息和第一门脸图像。其中的第一门脸图像可以包括用户当前拍摄的门脸图片或者是通过其他任何可用方式获取并上传的门脸图像，对此本公开实施例不加以限定。
而且，获取得到的实时位置信息可以为用户上传时刻的实时位置信息，此时获取得到的实时位置信息是固定值；也可以为相应用户从上传时刻开始的实时位置信息，此时获取得到的实时位置信息会随着相应用户用以上传位置信息的终端设备的位置移动而发生变化，而且此时如果获取得到针对该用户本次到店确认的确认结果之后，则可以结束本次继续获取其实时位置信息的操作。另外，用户也可以上传一张或多张第一门脸图像，例如可以上传不同拍摄角度、不同拍摄模式、不同拍摄焦距等等条件下的多张第一门脸图像，等等。
步骤120，根据所述第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称。
在实际应用中，在一位置坐标周边可能存在多个不同商家、写字楼、住宅等等，而且如果两个相近商家之间的间距较小，则容易导致单纯基于位置识别出的商家出现偏差；相应地，也可能存在多个不同商家之间的门脸图像比较相近得情况，由此可见如果单纯根据第一门脸图像或者是实时位置信息确认用户当前所在商家，可能会出现偏差进而应用到店确认结果。
因此在本公开实施例中，为了提高确认得到的用户当前所在实际商家的准确性，可以根据用户当前上传的第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称。
其中，可以预先统计不同位置信息对应的候选商家名称，进而根据用户上传的实时位置信息获取与之对应的候选商家名称，进而根据第一门脸图像从各个候选商家名称中获取与第一门脸图像匹配度最高的候选商家名称作为相应用户当前所在实际商家的第一商家名称；也可以先根据用户上传的第一门脸图像，识别出初始商家名称，进而从相应用户上传的实时位置信息对应的候选商家名称中筛选出与初始商家名称匹配度最高的候选商家名称，作为相应用户当前所在实际商家的第一商家名称，等等。具体的，根据第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称的具体过程可以根据需求进行预先设置，对此本公开实施例不加以限定。
而且，其中用户当前所在实际商家可以理解为相应用户当前所在位置所对应的实际商家。例如，假设用户上传的实时位置信息为位置坐标(x1，y1)，第一门脸图像包括图片a，实时位置信息对应的候选商家名称包括商家名称1、商家名称2和商家名称3，其中商家名称1为商家1的名称，商家名称2为商家2，商家名称3为商家3的名称。假设商家名称3与图片a中包含的商家名称匹配度最高，那么则可以确认用户当前所在实际商家的第一商家名称为商家名称3，也即用户当前所在位置对应的实际商家为商家3。
步骤130，检测所述第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，以及检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配，并根据检测结果确认所述用户是否到达所述目标商家。
在获取得到第一商家名称之后，则可以进一步进行到店检测。而且，在本实际应用中，可能存在多个不同商家的商家名称一样，例如连锁店等等；但是很少存在两个商家的门脸图像完全一致，例如及时两个连锁商家之间的门脸设置也可能存在细微差别，例如连锁编号的不同，从而使得门脸图像不完全一致。
因此，在本公开实施例中，为了避免由于名称相同的两家不同商家导致的到店确认错误，可以在到店检测时在检测商家名称的同时还可以检测第一门脸图像是否与所述目标商家的第二门脸图像相匹配，根据检测结果确认所述用户是否到达所述目标商家。具体的可以设置只有在第一商家名称与所述用户当前对应的目标商家的第二商家名称相匹配，以及第一门脸图像与所述目标商家的第二门脸图像相匹配的情况下，才确认相应用户到达所述目标商家；或者也可以设置在第一商家名称与所述用户当前对应的目标商家的第二商家名称相匹配，和/或第一门脸图像与所述目标商家的第二门脸图像相匹配的情况下，都可以确认相应用户到达所述目标商家；具体的可以根据需求进行预先设置，对此本公开实施例不加以限定。
另外，在本公开实施例中，也可以将门脸图像的匹配检测作为补充检测，首先检测第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，如果商家名称匹配则进一步检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配，如果门脸图像也匹配，则可以确认相应用户到达目标商家；而如果门脸图像不匹配，则确认相应用户未到达目标商家；如果第一商家名称与所述用户当前对应的目标商家的第二商家名称不相匹配，则无需继续进行门脸图像检测，而直接确认相应用户未到达目标商家。
当然，也可以将商家名称的匹配检测作为匹配检测，此时首先可以检测第一门脸图像是否与所述目标商家的第二门脸图像相匹配，如果门脸图像名称匹配则进一步检测第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，如果商家名称也匹配，则可以确认相应用户到达目标商家；而如果商家名称不匹配，则确认相应用户未到达目标商家；如果第一门脸图像与所述用户当前对应的目标商家的第二门脸图像不相匹配，则无需继续进行商家名称检测，而直接确认相应用户未到达目标商家。
其中，在本公开实施例中，可以预先获取各个商家的门脸图像，进而可以从中获取得到目标商家的第二门脸图像。
而且，在本公开实施例中，可以通过任何可用方法检测第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，以及第一门脸图像是否与所述目标商家的第二门脸图像相匹配，而且商检名称和门脸图像的匹配检测方式可以相同，也可以不同，具体的可以根据需求进行预先设置，对此本公开实施例不加以限定。
例如，可以计算第一门脸图像和第二门脸图像之间的相似度，如果相似度大于第一阈值则门脸图像匹配成功，而如果相似度小于等于第一阈值则确认门脸图像匹配失败，等等。
根据本公开的到店确认方法，可以获取用户上传的实时位置信息和第一门脸图像；根据所述第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称；检测所述第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，以及检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配，并根据检测结果确认所述用户是否到达所述目标商家。由此取得了提高到店检测准确性的有益效果。
参照图2，在本公开实施例中，所述步骤120进一步可以包括：
子步骤121，识别所述第一门脸图像，得到所述第一门脸图像对应的门脸信息；
为了确认用户当前所在实际商家的第一商家名称，则可以先识别所述第一门脸图像，得到所述第一门脸图像对应的门脸信息。具体的可以通过任何可用方式识别第一门脸图像，对此本公开实施例不加以限定。例如，可以通过OCR(Optical CharacterRecognition，光学字符识别)技术，对用户上传的第一门脸图像进行文字识别，进而得到第一门脸图像对应的门脸信息。而且，为了提高门脸信息的精确程度，还可以针对识别得到的文字进行整理，去除冗余信息，保留主体招牌区域对应的文字内容，从而得到第一门脸图像对应的门脸信息。
可选地，在本公开实施例中，所述子步骤121，进一步可以包括：
子步骤1211，通过预设的招牌检测模型检测所述第一门脸图像中的招牌区域；
子步骤1212，识别所述招牌区域中的文字信息，并针对所述文字信息生成具有语音信息的文字行，作为所述门脸信息。
现有的OCR识别方案，都没有先对识别的图片做一个重要识别区域的选取，而且在复杂场景的情况下，由于存在很多的冗余信息，会直接影响识别的准确率和精度。例如图3所示的第一门脸图像，黑色框内是我们要识别的主体招牌岁对应的招牌区域，由于左边的“苹果”和右边的“华清”都是非主体招牌的一部分，如果在识别的时候也被当成识别结果，会影响对识别主体招牌“淮南牛肉汤”的识别精确度。
因此，在本公开实施例中，可以通过预设的招牌检测模型检测所述第一门脸图像中的招牌区域。其中的招牌检测模型可以为通过至少一个已知招牌区域的训练门脸图像对任意一种机器学习模型训练后得到，其中的机器学习模型可以包括神经网络模型、模糊数学模型、或者是多种机器学习模型的组合等等，具体的可以根据需求进行预先设置，对此本公开实施例不加以限定。
而且，在获取得到第一门脸图像的招牌区域之后，则可以识别所述招牌区域中的文字信息，并针对所述文字信息生成具有语义信息的文字行，作为所述门脸信息。具体的可以在招牌区域做单字检测和识别，最后生成具有语音信息的文字行，作为第一门脸图像的门脸信息。
例如，可以首先利用基于faster-rcnn训练的招牌检测模型对输入的第一门脸图像做招牌检测，得到招牌区域；然后在检测出的招牌区域利用基于faster-rcnn的文字检测模型和基于densenet(Dense Convolutional Network，密集卷积网络)的文字识别模型，对文字进行识别；最后通过文字行生成算法生成具有语义信息的文字行。
子步骤122，从所述实时位置信息对应的候选商家名称中获取与所述门脸信息匹配的第一商家名称。
如前述，在本公开实施例中，可以预先统计各个位置信息对应的候选商家名称，进而则可以获取得到用户上传的实时位置信息所对应的候选商家名称，然后可以从实时位置信息对应的候选商家名称中获取与所述门脸信息匹配的第一商家名称。具体的可以获取实时位置信息对应的各个候选商家名称与门脸信息的相似度，进而可以取相似度最高的候选商家名称作为与门脸信息匹配的第一商家名称；或者取相似度最高且相似度超过第二阈值的候选商家名称作为与门脸信息匹配的第一商家名称，此时如果最高相似度未超过第二阈值，那么则无法获取得到第一商家名称，而可以直接判定相应用户未到达目标商家，或者可以提示相应用户重新上传实时位置信息和/或第一门脸图像并返回步骤110。
参照图2，在本公开实施例中，所述步骤130进一步可以包括：
子步骤131，分别提取所述第一门脸图像和所述第二门脸图像中的图像特征；
子步骤132，基于所述图像特征，获取所述第一门脸图像和所述第二门脸图像之间的相似度；
子步骤133，响应于所述相似度满足预设的相似度阈值，则确认所述第一门脸图像与所述目标商家的第二门脸图像相匹配。
在本公开实施例中，为了检测第一门脸图像是否与所述目标商家的第二门脸图像相匹配，则可以先获取第一门脸图像和所述第二门脸图像之间的相似度，那么为了获取第一门脸图像和所述第二门脸图像之间的相似度，则可以分别提取所述第一门脸图像和所述第二门脸图像中的图像特征。具体的可以通过预先训练的特征提取器进行特征提取，分别得到第一门脸图像和第二门脸图像的特征向量。其中的特征提取器可以为任意一种机器学习模型，例如HOG(Histogram of Oriented Gradient，方向梯度直方图)特征提取模型，HOF(histogram of flow/Histograms of Oriented Optical Flow，定向光流的组织图)特征提取模型，或者卷积神经网络模型，等等。
进而可以基于第一门脸图像的图像特征和第二门脸图像的图像特征，获取第一门脸图像和第二门脸图像之间的相似度。例如，可以计算第一门脸图像的图像特征和第二门脸图像的图像特征之间的相似度作为第一门脸图像和第二门脸图像之间的相似度。具体的，可以计算第一门脸图像的图像特征和第二门脸图像的图像特征之间的余弦相似度、欧几里得距离、欧氏距离、Jaccard距离、编辑距离、汉明距离，等等任意一种相似度表达方式作为第一门脸图像和第二门脸图像之间的相似度。而在第一门脸图像和第二门脸图像之间的相似度满足预设的相似度阈值的情况下，则可以确认第一门脸图像与目标商家的第二门脸图像相匹配。
其中的相似度阈值可以根据需求进行预先设置，对此本公开实施例不加以限定。例如，可以设置相似度阈值为大于等于第一数值，等等。
可选地，在本公开实施例中，所述子步骤132，进一步可以包括：
子步骤1321，根据所述第一门脸图像对应的第一编码阈值，对所述第一门脸图像的图像特征进行特征编码，得到第一特征向量；
子步骤1322，根据所述第二门脸图像对应的第二编码阈值，对所述第二门脸图像的图像特征进行特征编码，得到第二特征向量；
子步骤1323，获取所述第一特征向量和所述第二特征向量之间的汉明距离，作为所述第一门脸图像和所述第二门脸图像之间的相似度。
优选地，在本公开实施例中，可以获取图像特征之间的汉明距离，作为所述第一门脸图像和所述第二门脸图像之间的相似度。那么此时则可以先根据所述第一门脸图像对应的第一编码阈值，对所述第一门脸图像的图像特征进行特征编码，得到第一特征向量，并且根据所述第二门脸图像对应的第二编码阈值，对所述第二门脸图像的图像特征进行特征编码，得到第二特征向量。其中的第一编码阈值和第二编码阈值的具体取值可以根据需求进行预先设置，而且第一编码阈值和第二编码阈值可以相同，也可以不同，对此本公开实施例不加以限定。
以第一门脸图像为例，可以将第一门脸图像的图像特征中的每个特征值分别与第一编码阈值进行比较，如果特征值大于第一编码阈值，则可以将相应的特征值标记为第一数值，如果特征值小于等于第一编码阈值则将相应的特征值标记为第二数值，进而根据标记数值构建得到第一门脸图像的第一特征向量。其中的第一数值和第二数值可以根据需求进行预先设置，例如可以设置第一数值为1，第二数值为0，那么此时则可以将第一门脸图像和第二门脸图像的图像特征都编码为01串。
例如，如果设置第一数值为1，第二数值为0，假设第一门脸图像的图像特征为[a1，b1]，第二门脸图像的图像特征为[a2，b2]，第一编码阈值和第二编码阈值均为z，且a1、b2均大于z，而a2、b1均小于z，那么经特征编码后可以得到第一特征向量为[1，0]，第二特征向量为[0，1]。
而在获取得到第一特征向量和第二特征向量之后，则可以获取所述第一特征向量和所述第二特征向量之间的汉明距离，作为所述第一门脸图像和所述第二门脸图像之间的相似度。
可选地，在本公开实施例中，所述子步骤1321，进一步可以包括：
子步骤13211，获取所述第一门脸图像的图像特征平均值作为所述第一编码阈值；
子步骤13212，针对所述第一门脸图像的每个图像特征，根据所述图像特征与所述第一编码阈值，确定所述图像特征的编码值；
子步骤13213，根据所述编码值构建所述第一门脸图像的第一特征向量。
在本公开实施例中，为了提高对图像特征的编码准确性，进而提高第一门脸图像的第一特征向量对第一门脸图像的表征能力，可以第一门脸图像的图像特征平均值作为所述第一编码阈值。
例如，对于上述的第一门脸图像，图像特征包括a1和b1，那么则可以得到第一编码阈值为(a1+b1)/2。
进而则可以针对所述第一门脸图像的每个图像特征，根据所述图像特征与所述第一编码阈值，确定所述图像特征的编码值，进而根据编码值构建所述第一门脸图像的第一特征向量。此时的编码值可以理解为上述的标记数值，具体的可以参照上述方式，在此不加以赘述。
相应的地，针对第二门脸图像，也可以获取所述第二门脸图像的图像特征平均值作为所述第二编码阈值，也即上述的子步骤1322也可以参照上述的子步骤13211-13212，在此也不加以赘述。
参照图2，在本公开实施例中，在所述步骤130之前，还可以包括：
步骤140，获取当前为所述用户分配的订单对应的商家，作为所述用户的目标商家。
另外，在本公开实施例中，用户对应的目标商家可以包括相应用户当前负责的订单所对应的商家，也即当前为相应用户分配的订单所对应的商家，因此在本公开实施例中，可以先获取当前为所述用户分配的订单对应的商家，作为所述用户的目标商家。而且，对于外卖平台而言，用户可以包括配送员，也即骑手。此时，骑手在外卖平台接收某一订单的派送任务之后，则可以获取该订单所对应的商家作为该骑手的目标商家。
另外，本公开的技术方案也可以适用于其他任何可用场景，例如作为移动考勤系统，此时的目标商家可以设置为公司，等等。
在本公开实施例中，可以识别所述第一门脸图像，得到所述第一门脸图像对应的门脸信息；从所述实时位置信息对应的候选商家名称中获取与所述门脸信息匹配的第一商家名称。并且，通过预设的招牌检测模型检测所述第一门脸图像中的招牌区域；识别所述招牌区域中的文字信息，并针对所述文字信息生成具有语义信息的文字行，作为所述门脸信息。提高了门脸信息的准确性，进而提高第一商家名称的准确性，从而进一步提高到店检测的准确性。
而且，在本公开实施例中，可以分别提取所述第一门脸图像和所述第二门脸图像中的图像特征；基于所述图像特征，获取所述第一门脸图像和所述第二门脸图像之间的相似度；响应于所述相似度满足预设的相似度阈值，则确认所述第一门脸图像与所述目标商家的第二门脸图像相匹配。并且，根据所述第一门脸图像对应的第一编码阈值，对所述第一门脸图像的图像特征进行特征编码，得到第一特征向量；根据所述第二门脸图像对应的第二编码阈值，对所述第二门脸图像的图像特征进行特征编码，得到第二特征向量；获取所述第一特征向量和所述第二特征向量之间的汉明距离，作为所述第一门脸图像和所述第二门脸图像之间的相似度。以及，获取所述第一门脸图像的图像特征平均值作为所述第一编码阈值；针对所述第一门脸图像的每个图像特征，根据所述图像特征与所述第一编码阈值，确定所述图像特征的编码值；根据所述编码值构建所述第一门脸图像的第一特征向量。另外，在本公开实施例中，还可以获取当前为所述用户分配的订单对应的商家，作为所述用户的目标商家。从而可以进一步提高到店检测的结果准确性。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开实施例并不受所描述的动作顺序的限制，因为依据本公开实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本公开实施例所必须的。
参照图4，示出了本公开实施例中一种到店确认装置的结构示意图。
所述到店确认装置可以包括以下模块：
数据获取模块210，用于获取用户上传的实时位置信息和第一门脸图像。
商家名称获取模块220，用于根据所述第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称。
匹配检测模块230，用于检测所述第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，以及检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配，并根据检测结果确认所述用户是否到达所述目标商家。
根据本公开的到店确认方法，可以获取用户上传的实时位置信息和第一门脸图像；根据所述第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称；检测所述第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，以及检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配，并根据检测结果确认所述用户是否到达所述目标商家。由此取得了提高到店检测准确性的有益效果。
参照图5，在本公开实施例中，所述商家名称获取模块220，进一步可以包括：
门脸信息获取子模块221，用于识别所述第一门脸图像，得到所述第一门脸图像对应的门脸信息；
商家名称获取子模块222，用于从所述实时位置信息对应的候选商家名称中获取与所述门脸信息匹配的第一商家名称。
可选地，在本公开实施例中，所述门脸信息获取子模块221，包括：
招牌区域检测单元，用于通过预设的招牌检测模型检测所述第一门脸图像中的招牌区域；
门脸信息获取单元，用于识别所述招牌区域中的文字信息，并针对所述文字信息生成具有语音信息的文字行，作为所述门脸信息。
参照图5，在本公开实施例中，所述匹配检测模块230，进一步可以包括：
图像特征提取子模块231，用于分别提取所述第一门脸图像和所述第二门脸图像中的图像特征；
相似度获取子模块232，用于基于所述图像特征，获取所述第一门脸图像和所述第二门脸图像之间的相似度；
门脸图像检测子模块233，用于响应于所述相似度满足预设的相似度阈值，则确认所述第一门脸图像与所述目标商家的第二门脸图像相匹配。
可选地，在本公开实施例中，所述相似度获取子模块，进一步可以包括：
第一编码单元，用于根据所述第一门脸图像对应的第一编码阈值，对所述第一门脸图像的图像特征进行特征编码，得到第一特征向量；
第二编码单元，用于根据所述第二门脸图像对应的第二编码阈值，对所述第二门脸图像的图像特征进行特征编码，得到第二特征向量；
汉明距离获取单元，用于获取所述第一特征向量和所述第二特征向量之间的汉明距离，作为所述第一门脸图像和所述第二门脸图像之间的相似度。
可选地，在本公开实施例中，所述第一编码单元，进一步可以包括：
第一编码阈值获取子单元，用于获取所述第一门脸图像的图像特征平均值作为所述第一编码阈值；
编码值获取子单元，用于针对所述第一门脸图像的每个图像特征，根据所述图像特征与所述第一编码阈值，确定所述图像特征的编码值；
第一特征向量获取子单元，用于根据所述编码值构建所述第一门脸图像的第一特征向量。
可选地，在本公开实施例中，所述到店确认装置，进一步可以包括：
目标商家获取模块240，用于获取当前为所述用户分配的订单对应的商家，作为所述用户的目标商家。
在本公开实施例中，可以识别所述第一门脸图像，得到所述第一门脸图像对应的门脸信息；从所述实时位置信息对应的候选商家名称中获取与所述门脸信息匹配的第一商家名称。并且，通过预设的招牌检测模型检测所述第一门脸图像中的招牌区域；识别所述招牌区域中的文字信息，并针对所述文字信息生成具有语义信息的文字行，作为所述门脸信息。提高了门脸信息的准确性，进而提高第一商家名称的准确性，从而进一步提高到店检测的准确性。
而且，在本公开实施例中，可以分别提取所述第一门脸图像和所述第二门脸图像中的图像特征；基于所述图像特征，获取所述第一门脸图像和所述第二门脸图像之间的相似度；响应于所述相似度满足预设的相似度阈值，则确认所述第一门脸图像与所述目标商家的第二门脸图像相匹配。并且，根据所述第一门脸图像对应的第一编码阈值，对所述第一门脸图像的图像特征进行特征编码，得到第一特征向量；根据所述第二门脸图像对应的第二编码阈值，对所述第二门脸图像的图像特征进行特征编码，得到第二特征向量；获取所述第一特征向量和所述第二特征向量之间的汉明距离，作为所述第一门脸图像和所述第二门脸图像之间的相似度。以及，获取所述第一门脸图像的图像特征平均值作为所述第一编码阈值；针对所述第一门脸图像的每个图像特征，根据所述图像特征与所述第一编码阈值，确定所述图像特征的编码值；根据所述编码值构建所述第一门脸图像的第一特征向量。另外，在本公开实施例中，还可以获取当前为所述用户分配的订单对应的商家，作为所述用户的目标商家。从而可以进一步提高到店检测的结果准确性。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
在本公开实施例中还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现前述的任意一种到店确认方法。
在本公开实施例中还提供了一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如前述的任意一种到店确认方法。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本公开也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本公开的内容，并且上面对特定语言所做的描述是为了披露本公开的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本公开的示例性实施例的描述中，本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本公开的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本公开的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开实施例的到店确认设备中的一些或者全部部件的一些或者全部功能。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本公开进行说明而不是对本公开进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种到店确认方法，其特征在于，包括：
获取用户上传的实时位置信息和第一门脸图像；
根据所述第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称；
检测所述第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，以及检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配，并根据检测结果确认所述用户是否到达所述目标商家。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称的步骤，包括：
识别所述第一门脸图像，得到所述第一门脸图像对应的门脸信息；
从所述实时位置信息对应的候选商家名称中获取与所述门脸信息匹配的第一商家名称。
3.根据权利要求2所述的方法，其特征在于，所述识别所述第一门脸图像，得到所述第一门脸图像对应的门脸信息的步骤，包括：
通过预设的招牌检测模型检测所述第一门脸图像中的招牌区域；
识别所述招牌区域中的文字信息，并针对所述文字信息生成具有语音信息的文字行，作为所述门脸信息。
4.根据权利要求1所述的方法，其特征在于，所述检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配的步骤，包括：
分别提取所述第一门脸图像和所述第二门脸图像中的图像特征；
基于所述图像特征，获取所述第一门脸图像和所述第二门脸图像之间的相似度；
响应于所述相似度满足预设的相似度阈值，则确认所述第一门脸图像与所述目标商家的第二门脸图像相匹配。
5.根据权利要求4所述的方法，其特征在于，所述基于所述图像特征，获取所述第一门脸图像和所述第二门脸图像之间的相似度的步骤，包括：
根据所述第一门脸图像对应的第一编码阈值，对所述第一门脸图像的图像特征进行特征编码，得到第一特征向量；
根据所述第二门脸图像对应的第二编码阈值，对所述第二门脸图像的图像特征进行特征编码，得到第二特征向量；
获取所述第一特征向量和所述第二特征向量之间的汉明距离，作为所述第一门脸图像和所述第二门脸图像之间的相似度。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一门脸图像对应的第一编码阈值，对所述第一门脸图像的图像特征进行特征编码，得到第一特征向量的步骤，包括：
获取所述第一门脸图像的图像特征平均值作为所述第一编码阈值；
针对所述第一门脸图像的每个图像特征，根据所述图像特征与所述第一编码阈值，确定所述图像特征的编码值；
根据所述编码值构建所述第一门脸图像的第一特征向量。
7.根据权利要求1-6中任一项所述的方法，其特征在于，在所述检测所述第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，以及检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配，并根据检测结果确认所述用户是否到达所述目标商家的步骤之前，还包括：
获取当前为所述用户分配的订单对应的商家，作为所述用户的目标商家。
8.一种到店确认装置，其特征在于，包括：
数据获取模块，用于获取用户上传的实时位置信息和第一门脸图像；
商家名称获取模块，用于根据所述第一门脸图像以及所述实时位置信息对应的候选商家名称，确认所述用户当前所在实际商家的第一商家名称；
匹配检测模块，用于检测所述第一商家名称是否与所述用户当前对应的目标商家的第二商家名称相匹配，以及检测所述第一门脸图像是否与所述目标商家的第二门脸图像相匹配，并根据检测结果确认所述用户是否到达所述目标商家。
9.一种电子设备，其特征在于，包括：
处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7中的任一项所述的到店确认方法。
10.一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-7中的任一项所述的到店确认方法。
CN201910263456.XA 2019-04-02 2019-04-02 到店确认方法、装置、电子设备及可读存储介质 Active CN110135245B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910263456.XA CN110135245B (zh) 2019-04-02 2019-04-02 到店确认方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910263456.XA CN110135245B (zh) 2019-04-02 2019-04-02 到店确认方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN110135245A true CN110135245A (zh) 2019-08-16
CN110135245B CN110135245B (zh) 2021-11-19

Family

ID=67569203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910263456.XA Active CN110135245B (zh) 2019-04-02 2019-04-02 到店确认方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN110135245B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582803A (zh) * 2020-05-22 2020-08-25 拉扎斯网络科技（上海）有限公司 信息处理方法及充放电设备的信息处理方法及装置
CN111860516A (zh) * 2020-06-23 2020-10-30 北京三快在线科技有限公司 商家名称确定方法、装置、服务器及存储介质
CN112381162A (zh) * 2020-11-19 2021-02-19 北京百度网讯科技有限公司 信息点识别方法、装置及电子设备
CN114077978A (zh) * 2020-08-14 2022-02-22 北京三快在线科技有限公司 到店识别方法、装置、存储介质及电子设备
CN115860587A (zh) * 2023-03-02 2023-03-28 广州市玄武无线科技股份有限公司 基于图文匹配的拜访考核方法、装置、设备及存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104167025A (zh) * 2014-08-08 2014-11-26 济南大学 基于动态人脸识别与wifi定位的移动考勤系统及其方法
CN104573735A (zh) * 2015-01-05 2015-04-29 广东小天才科技有限公司 基于图像拍摄以优化定位的方法、智能终端及服务器
CN104977011A (zh) * 2014-04-09 2015-10-14 广东融讯信息科技有限公司 电子地图中基于街拍影像的定位方法及装置
CN105162867A (zh) * 2015-09-17 2015-12-16 百度在线网络技术（北京）有限公司 送货到达的通知方法和装置
CN106886768A (zh) * 2017-03-02 2017-06-23 杭州当虹科技有限公司 一种基于深度学习的视频指纹算法
CN107437145A (zh) * 2017-08-01 2017-12-05 北京同城必应科技有限公司 一种订单分配方法及装置、服务器、存储介质
CN107688915A (zh) * 2017-08-02 2018-02-13 太仓美宅姬娱乐传媒有限公司 一种线下商品与配送员匹配方法
CN107886400A (zh) * 2017-11-15 2018-04-06 维沃移动通信有限公司 一种食谱推荐方法、装置及移动终端
CN108170822A (zh) * 2018-01-04 2018-06-15 维沃移动通信有限公司 一种照片的分类方法及移动终端
CN108805045A (zh) * 2018-05-25 2018-11-13 郑州思达科锐网络科技有限公司 一种无人驾驶汽车定位方法及系统
CN109214738A (zh) * 2017-07-04 2019-01-15 菜鸟智能物流控股有限公司 一种物流对象的接收方法、装置及系统和电子设备
CN109214280A (zh) * 2018-07-27 2019-01-15 北京三快在线科技有限公司 基于街景的店铺识别方法、装置、电子设备及存储介质
CN109359828A (zh) * 2018-09-26 2019-02-19 长沙市到家悠享家政服务有限公司 调度费确定方法、装置及电子设备
CN109377419A (zh) * 2018-11-19 2019-02-22 莆田市烛火信息技术有限公司 一种自营品牌餐饮的小区内站点的餐饮配送方法及系统
CN109492122A (zh) * 2018-11-26 2019-03-19 Oppo广东移动通信有限公司 商家信息的获取方法、装置、终端及计算机可读存储介质

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104977011A (zh) * 2014-04-09 2015-10-14 广东融讯信息科技有限公司 电子地图中基于街拍影像的定位方法及装置
CN104167025A (zh) * 2014-08-08 2014-11-26 济南大学 基于动态人脸识别与wifi定位的移动考勤系统及其方法
CN104573735A (zh) * 2015-01-05 2015-04-29 广东小天才科技有限公司 基于图像拍摄以优化定位的方法、智能终端及服务器
CN105162867A (zh) * 2015-09-17 2015-12-16 百度在线网络技术（北京）有限公司 送货到达的通知方法和装置
CN106886768A (zh) * 2017-03-02 2017-06-23 杭州当虹科技有限公司 一种基于深度学习的视频指纹算法
CN109214738A (zh) * 2017-07-04 2019-01-15 菜鸟智能物流控股有限公司 一种物流对象的接收方法、装置及系统和电子设备
CN107437145A (zh) * 2017-08-01 2017-12-05 北京同城必应科技有限公司 一种订单分配方法及装置、服务器、存储介质
CN107688915A (zh) * 2017-08-02 2018-02-13 太仓美宅姬娱乐传媒有限公司 一种线下商品与配送员匹配方法
CN107886400A (zh) * 2017-11-15 2018-04-06 维沃移动通信有限公司 一种食谱推荐方法、装置及移动终端
CN108170822A (zh) * 2018-01-04 2018-06-15 维沃移动通信有限公司 一种照片的分类方法及移动终端
CN108805045A (zh) * 2018-05-25 2018-11-13 郑州思达科锐网络科技有限公司 一种无人驾驶汽车定位方法及系统
CN109214280A (zh) * 2018-07-27 2019-01-15 北京三快在线科技有限公司 基于街景的店铺识别方法、装置、电子设备及存储介质
CN109359828A (zh) * 2018-09-26 2019-02-19 长沙市到家悠享家政服务有限公司 调度费确定方法、装置及电子设备
CN109377419A (zh) * 2018-11-19 2019-02-22 莆田市烛火信息技术有限公司 一种自营品牌餐饮的小区内站点的餐饮配送方法及系统
CN109492122A (zh) * 2018-11-26 2019-03-19 Oppo广东移动通信有限公司 商家信息的获取方法、装置、终端及计算机可读存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582803A (zh) * 2020-05-22 2020-08-25 拉扎斯网络科技（上海）有限公司 信息处理方法及充放电设备的信息处理方法及装置
CN111860516A (zh) * 2020-06-23 2020-10-30 北京三快在线科技有限公司 商家名称确定方法、装置、服务器及存储介质
CN114077978A (zh) * 2020-08-14 2022-02-22 北京三快在线科技有限公司 到店识别方法、装置、存储介质及电子设备
CN112381162A (zh) * 2020-11-19 2021-02-19 北京百度网讯科技有限公司 信息点识别方法、装置及电子设备
CN112381162B (zh) * 2020-11-19 2024-05-07 北京百度网讯科技有限公司 信息点识别方法、装置及电子设备
CN115860587A (zh) * 2023-03-02 2023-03-28 广州市玄武无线科技股份有限公司 基于图文匹配的拜访考核方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN110135245B (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
CN110135245A (zh) 到店确认方法、装置、电子设备及可读存储介质
CN110287479B (zh) 命名实体识别方法、电子装置及存储介质
CN109034069B (zh) 用于生成信息的方法和装置
Choi et al. Malware detection using malware image and deep learning
CN110427859A (zh) 一种人脸检测方法、装置、电子设备及存储介质
CN110580500A (zh) 一种面向人物交互的网络权重生成少样本图像分类方法
CN110446063A (zh) 视频封面的生成方法、装置及电子设备
CN109389153A (zh) 一种全息防伪码校验方法及装置
CN102110228A (zh) 确定在光学对象初始化追踪过程中使用的参考特征的方法以及对象初始化追踪方法
CN109492122A (zh) 商家信息的获取方法、装置、终端及计算机可读存储介质
CN110363044A (zh) 快递单号的录入方法及系统
CN110046085A (zh) 识别终端设备上显示的应用程序控件的方法及装置
CN111026949A (zh) 一种基于电子设备的搜题方法及系统
CN110610169A (zh) 图片标注方法和装置、存储介质及电子装置
CN109509228A (zh) 用于定位一个或多个候选数字图像的方法
CN116822623B (zh) 一种生成对抗网络联合训练方法、装置、设备及存储介质
CN113761105A (zh) 文本数据处理方法、装置、设备以及介质
CN112149690A (zh) 一种基于生物图像特征识别的溯源方法和溯源系统
CN113313215A (zh) 图像数据处理方法、装置、计算机设备和存储介质
CN110532562A (zh) 神经网络训练方法、成语误用检测方法、装置和电子设备
CN110443328A (zh) 基于led防伪标签的识别验伪方法、装置、设备及介质
CN109522451B (zh) 重复视频检测方法和装置
CN116450829A (zh) 医疗文本分类方法、装置、设备及介质
CN111680708A (zh) 一种给图片加标签的方法和系统
CN110569707A (zh) 一种身份识别方法和电子设备

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