CN110598506B - 一种信息获取方法、设备和计算机可读存储介质 - Google Patents

Abstract

本发明实施例公开了一种信息获取方法，方法包括：获取视频数据，并解析视频数据得到多个第一图像；通过图像处理模型中获取与多个第一图像匹配的目标设备信息；输出目标设备信息。本发明的实施例同时还公开了一种信息获取设备和计算机可读存储介质。

Description

一种信息获取方法、设备和计算机可读存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种信息获取方法、设备和计算机可读存储介质。

背景技术

物体识别技术是计算机视觉领域的研究课题之一，通过物体识别技术识别物体，并将识别结果提供给用户，这对于提升用户体验等有着重要的意义。

现有技术中用户想要了解某一物体如某一设备时，先利用照相机采集一张与该设备有关的静态图片，再将这张静态图片输入到计算机中，通过计算机对该静态图片进行特征提取，然后基于提取的特征得到设备信息；然而，由于一张静态图片的视角固定，提取到的特征十分有限，导致对设备进行识别时识别准确度极低，进而获取到的设备信息与真实的设备信息差异较大。可见，现有技术中的信息获取方法无法准确获取设备信息。

发明内容

有鉴于此，本发明实施例期望提供一种信息获取方法、设备和计算机可读存储介质，解决了现有技术的信息获取方法无法准确获取设备信息的问题，实现了准确获取设备信息，提高了终端的智能性。

为达到上述目的，本发明的技术方案是这样实现的：

第一方面，提供一种信息获取方法，所述方法包括：

获取视频数据，并解析所述视频数据得到多个第一图像，所述多个第一图像对应于多个拍摄角度；

通过图像处理模型获取与所述多个第一图像匹配的目标设备信息；

输出所述目标设备信息。

可选的，所述通过所述图像处理模型获取与所述多个第一图像匹配的目标设备信息，包括：

通过所述图像处理模型从所述多个第一图像中筛选出多个第二图像，所述第二图像包含目标设备的标识特征；

通过所述图像处理模型获取与所述多个第二图像匹配的所述目标设备信息。

可选的，所述图像处理模型包括神经网络模型；所述通过所述图像处理模型获取与所述多个第二图像匹配的所述目标设备信息，包括：

根据所述多个第二图像进行重构，得到第一设备模型；

获取所述第一设备模型的多角度视图；

通过所述神经网络模型获取与所述多角度视图匹配的第一设备信息，以及所述多角度视图与所述第一设备匹配的准确率；

若所述准确率小于预设阈值，确定所述第一设备信息为所述目标设备信息。可选的，在所述根据所述多个第二图像进行多维模型重构，得到重构的第一设备模型之前，所述方法包括：

通过所述神经网络模型获取与所述多个第二图像匹配的第二设备信息；

相应的，所述通过所述神经网络模型获取与所述多角度视图匹配的第一设备信息，以及所述多角度视图与所述第一设备匹配的准确率之后，所述方法包括：

若所述准确率大于或等于预设阈值，确定所述第二设备信息为所述目标设备信息。

可选的，所述获取视频数据，并解析所述视频数据得到多个第一图像之前，所述方法包括：

获取预设样本设备的标识特征以及样本设备信息；

根据所述预设样本设备的标识特征与样本设备信息之间的映射关系，构建所述神经网络模型；

相应的，所述通过所述神经网络模型获取与所述多角度视图匹配的第一设备信息，包括：

提取所述多角度视图中的第一设备的标识特征；

将所述多角度视图中的第一设备的标识特征与所述神经网络模型中的预设样本设备的标识特征进行相似度比较；

获取相似度最大的预设样本设备的标识特征所对应的样本设备信息作为所述第一设备信息。

可选的，所述视频数据为经过压缩处理的目标视频数据；所述获取视频数据，并解析所述视频数据得到多个第一图像，包括：

获取所述目标视频数据，并根据所述目标视频数据的帧率设置时间戳；

根据所述时间戳从所述目标视频中提取帧图像，得到所述第一图像。

第二方面，提供一种信息获取设备，所述信息获取设备包括：处理器、存储器和通信总线；

所述通信总线用于实现处理器和存储器之间的通信连接；

所述处理器用于执行存储器中信息获取程序，以实现以下步骤：

获取视频数据，并解析所述视频数据得到多个第一图像，所述多个第一图像对应于多个拍摄角度；

通过图像处理模型获取与所述多个第一图像匹配的目标设备信息；

输出所述目标设备信息。

可选的，处理器执行所述通过所述图像处理模型获取与所述多个第一图像匹配的目标设备信息的步骤时，可以实现以下步骤：

通过所述图像处理模型从所述多个第一图像中筛选出多个第二图像，所述第二图像包含目标设备的标识特征；

通过所述图像处理模型获取与所述多个第二图像匹配的所述目标设备信息。

可选的，所述图像处理模型包括神经网络模型；处理器执行所述通过所述图像处理模型获取与所述多个第二图像匹配的所述目标设备信息的步骤时，可以实现以下步骤：

根据所述多个第二图像进行重构，得到第一设备模型；

获取所述第一设备模型的多角度视图；

通过所述神经网络模型获取与所述多角度视图匹配的第一设备信息，以及所述多角度视图与所述第一设备匹配的准确率；

若所述准确率小于预设阈值，确定所述第一设备信息为所述目标设备信息。

可选的，在处理器执行所述根据所述多个第二图像进行多维模型重构，得到重构的第一设备模型的步骤之前，可以实现以下步骤：

通过所述神经网络模型中获取与所述多个第二图像匹配的第二设备信息；

相应的，所述通过所述神经网络模型获取与所述多角度视图匹配的第一设备信息，以及所述多角度视图与所述第一设备匹配的准确率的步骤之后，可以实现以下步骤：

若所述准确率大于或等于预设阈值，确定所述第二设备信息为所述目标设备信息。

第三方面，提供一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现如第一方面的信息获取方法的步骤。

本发明的实施例所提供的信息获取方法、设备和计算机可读存储介质，获取视频数据，并解析视频数据得到多个第一图像，多个第一图像对应于多个拍摄角度；通过图像处理模型获取与多个第一图像匹配的目标设备信息；输出目标设备信息；也就是说，本发明基于视频数据得到多个拍摄角度的第一图像，并基于这些第一图像获取设备信息，这与基于单张静态图片获取设备信息相比，必然为获取设备信息提供了更多的特征，确保了获取设备信息的准确率；进而解决了现有技术中的信息获取方法无法准确获取设备信息的问题，实现了准确获取设备信息，提高了终端的智能性。

附图说明

图1为本发明实施例提供的一种信息获取方法的流程示意图；

图2为本发明实施例提供的另一种信息获取方法的流程示意图；

图3为本发明实施例提供的一种信息获取系统的结构示意图；

图4为本发明的实施例提供的一种信息获取设备的结构示意图。

具体实施方式

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。

应理解，说明书通篇中提到的“本发明实施例”或“前述实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“本发明实施例中”或“在前述实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中应。在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。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。

目前人工智能是一门极富有挑战性的学科，是一种综合性交叉的学科领域，例如，人工智能涵盖了机器学习，计算机视觉，生物科学，神经网络科学，能源技术，基因工程，大数据等不同领域。人工智能研究的主要目的是让机器执行需要人类智能才能完成的复杂工作，最终服务于人。本发明实施例提出了一种信息获取方法，该方法能够基于多个拍摄角度的图像获取对应的目标设备信息，并输出目标设备信息如设备的电子说明书；这样，为用户使用设备提供了极大的便利。

本发明实施例提供一种信息获取方法，该信息获取方法可以应用于信息获取设备，该信息获取设备可以为服务器或终端。例如，在用户想要了解某一家电设备时，使用具有拍摄功能的电子设备对该家电设备进行各个角度的拍摄，采集到视频数据，通过电子设备对视频数据进行压缩处理之后传输至服务器或终端中，服务器或终端通过本发明实施例提供的信息获取方法便可以获取到用户期望了解的家电设备对应的设备信息。服务器或终端最终将设备信息如家电设备的电子说明书、电子保修卡、售后服务网点等传输给用户使用的电子设备。这样，用户能够基于电子设备接收到的设备信息便捷地操作家电设备。

基于前述实施例，下面对本发明实施例提供的一种信息获取方法进行详细的说明，参照图1所示，该方法包括以下步骤：

步骤101、获取视频数据，并解析视频数据得到多个第一图像。

这里，多个第一图像对应于多个拍摄角度。服务器获取的视频数据可以是具有摄像功能的第一终端拍摄的，该视频数据可以是只有图像没有声音的数据。在第一终端和服务器建立连接之后，服务器向第一终端发送数据接收请求，在服务器接收到视频数据后开始进行视频数据加载，加载完成后；服务器自动启动解析视频数据的线程，直到视频数据解析结束，解析程序自动退出；服务器进入算法执行子线程，定位视频数据路径，查询视频数据是否可以正常打开；如果视频数据可以正常打开则获取视频的总帧数和总时间长度，并基于总帧数和总时间长度得到视频的帧率；接着根据视频的帧率设置帧解析的时间间隔并基于该时间间隔对视频数据进行离散处理，得到多个角度的多个第一图像。

在实际应用中，第一终端拍摄的视频数据可以是与家用设备相关的视频数据，例如与电饭煲、电压力锅、自动炒菜机、冰箱、洗衣机、热水器等家用设备相关的视频数据。

步骤102、通过图像处理模型获取与多个第一图像匹配的目标设备信息。

这里，图像处理模型可以是并联模型，如该图像处理模型包括多个不同的模型，而且，不同的模型对应的功能不同。例如，该图像处理模型包括图像识别模型，用于对图像进行分类以及根据输入图像输出与该图像对应的设备信息；该图像处理模型还包括重构模型，用于根据多张图像进行多维模型重构，针对重构设备进行数据挖掘。

在本发明实施例中，服务器获取到多个第一图像输入图像之后，可以通过图像处理模型调用多个第一图像，进而得到与多个第一图像匹配的目标设备信息。例如，服务器获取到关于电饭煲的多个第一图像，通过图像处理模型调用多个第一图像，进而得到图像处理模型输出的与多个第一图像匹配的某一型号电饭煲的电子说明书、电子保修卡、售后服务网点等服务信息。

步骤103、输出目标设备信息。

这里，服务器在获取到目标设备信息之后，可以输出该目标设备信息。例如，将该目标设备信息输出至第一终端，这样，第一终端便可以将获取到的目标设备信息显示给用户。可见，通过本发明实施例所提供的信息获取方法，在终端将与家用设备相关的视频数据传输给服务器之后，便可以获取到服务器反馈的与该家用设备相关的准确的设备信息。

本发明的实施例所提供的信息获取方法，获取视频数据，并解析视频数据得到多个第一图像，多个第一图像对应于多个拍摄角度；通过图像处理模型获取与多个第一图像匹配的目标设备信息；输出目标设备信息；也就是说，本发明基于视频数据得到多个拍摄角度的第一图像，并基于这些第一图像获取设备信息，这与基于单张静态图片获取设备信息相比，必然为获取设备信息提供了更多的特征，确保了获取设备信息的准确率；进而解决了现有技术中的信息获取方法无法准确获取设备信息的问题，实现了准确获取设备信息，提高了终端的智能性。

基于前述实施例，本发明的实施例提供一种信息获取方法，视频数据为经过压缩处理的目标视频数据，参照图2所示，该方法包括以下步骤：

步骤201、信息获取设备获取目标视频数据，并根据目标视频数据的帧率设置时间戳。

这里，由于视频数据为经过压缩处理的目标视频数据，那么，信息获取设备获取目标视频数据相比于获取未经压缩处理的视频数据而言，减少了网络数据传输压力。

信息获取设备获取到目标视频数据，可以根据该目标视频数据的总帧数和总时间长度得到视频的帧率，并根据目标视频数据的帧率设置时间戳。

设置的时间戳越短，基于目标视频数据捕获到的图像越多；在本发明实施例中，用于图像训练和图像识别分类中的时间戳可以大于多维度的模型重建的时间戳，因为多维度的模型重建的图像更需要多视角的图像数据的支撑，这样还原用户使用场景才能更形象。

在本发明实施例中，在步骤201获取目标视频数据之前，还可以执行如下步骤：

第一步，信息获取设备获取预设样本设备的标识特征以及样本设备信息。

这里，预设样本设备可以是任何的电子设备，例如家用设备、工业设备等。预设样本设备的标识特征可以包括预设样本设备的各个角度的轮廓数据、面板的文字信息、功能按键的形状等。样本设备信息是与预设样本设备先关的信息，例如，家用设备对应的样本设备信息可以是设备型号、设备的服务手册等。本发明实施例中对预设样本设备和样本设备信息并不做具体地限定。

第二步，信息获取设备根据预设样本设备的标识特征与样本设备信息之间的映射关系，构建神经网络模型。

这里，信息获取设备对获取到的预设样本设备的标识特征和样本设备信息进行训练，得到预设样本设备的标识特征与样本设备信息之间的映射关系，并根据该映射关系构建神经网络模型。

步骤202、信息获取设备根据时间戳从目标视频中提取帧图像，得到多个第一图像。

这里，多个第一图像对应于多个拍摄角度。多个第一图像的拍摄角度可以完全不同，也可以不完全相同。

步骤203、信息获取设备通过图像处理模型从多个第一图像中筛选出多个第二图像。

其中，第二图像包含目标设备的标识特征。

这里，该图像处理模型包括图像识别模型，用于对图像进行分类以及根据输入图像输出与该图像对应的设备信息。

信息获取设备通过图像处理模型调用多个第一图像，获取图像处理模型中的图像识别模型从多个第一图像中筛选出的多个第二图像，第二图像包含目标设备的标识特征；过滤掉的是与设备无关的图像例如包含人手的干扰图像。

目标设备的标识特征可以包括目标设备的轮廓(该轮廓包括外部轮廓和/或内部轮廓)、目标设备上的文字标识和图形标识。

步骤204、信息获取设备通过图像处理模型获取与多个第二图像匹配的目标设备信息。

这里，信息获取设备在筛选掉干扰图像后，通过图像处理模型获取与多个第二图像匹配的目标设备信息，如此，提高了匹配的准确率，进而提高了获取设备信息的准确度。

在本发明实施例中，图像处理模型包括神经网络模型，上述步骤204通过图像处理模型获取与多个第二图像匹配的目标设备信息可以通过以下方式来实现：

A1、信息获取设备根据多个第二图像进行重构，得到第一设备模型。

这里，图像处理模型可以包括重构模型，用于根据多张图像进行多维模型重构服务器基于图像处理模型。服务器基于图像处理模型中的重构模型针对多个第二图像进行多维模型重构，得到第一设备模型。

A2、信息获取设备获取第一设备模型的多角度视图。

这里，第一设备模型的多角度视图可以是第一设备模型的各个角度的视图。在服务器获取到重构出的第一设备模型之后，可以通过针对第一设备模型的旋转、放大、缩小等操作获取到第一设备模型的多角度视图。

A3、信息获取设备通过神经网络模型获取与多角度视图匹配的第一设备信息，以及多角度视图与第一设备匹配的准确率。

这里，假设服务器获取到的准确率为85％。

在本发明实施例中，A3通过神经网络模型获取与多角度视图匹配的第一设备信息可以通过以下步骤实现：

第一步，信息获取设备提取多角度视图中的第一设备的标识特征。

这里，信息获取设备可以针对多角度视图进行图像处理，例如去噪处理，得到处理后的多角度视图；进而提取处理后的多角度视图中的第一设备的标识特征。

当然，图像处理还可以包括其他的处理方式，本发明实施例并不做具体地限定。

第二步，信息获取设备将多角度视图中的第一设备的标识特征与神经网络模型中的预设样本设备的标识特征进行相似度比较。

第三步，信息获取设备获取相似度最大的预设样本设备的标识特征所对应的样本设备信息作为第一设备信息。

A4、若准确率小于预设阈值，信息获取设备确定第一设备信息为目标设备信息。

这里，假设预设阈值为100％，那么，信息获取设备基于获取到的准确率和预设阈值，可以得到准确率小于预设阈值，因此，服务器确定获取到的第一设备信息为目标设备信息。

在本发明实施例中，上述步骤204通过图像处理模型获取与多个第二图像匹配的目标设备信息也可以通过以下方式来实现：

B1、信息获取设备通过神经网络模型获取与多个第二图像匹配的第二设备信息。

B2、信息获取设备根据多个第二图像进行重构，得到第一设备模型；

B3、信息获取设备获取第一设备模型的多角度视图；

B4、信息获取设备通过神经网络模型获取与多角度视图匹配的第一设备信息，以及多角度视图与第一设备匹配的准确率；

B5、若准确率大于或等于预设阈值，信息获取设备确定第二设备信息为目标设备信息。

这里，假设信息获取设备获取到的准确率为100％。那么，信息获取设备基于获取到的准确率和预设阈值，可以得到准确率等于预设阈值，因此，信息获取设备判定出现过拟合现象，此时，信息获取设备将获取到的第二设备信息确定为目标设备信息。

步骤205、输出目标设备信息。

这里，信息获取设备根据准确率与预设阈值的关系，输出对应的目标设备信息。例如，若准确率小于预设阈值，确定第一设备信息为目标设备信息并输出；若准确率大于或者等于预设阈值，确定第二设备信息为目标设备信息并输出。

需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。

基于前述实施例，本发明的实施例提供一种信息获取方法可以应用于图3所示的信息获取系统30，该系统包括终端31(终端31与图1对应的实施例提供的信息获取方法中的终端不同)和服务器32(服务器32与图1对应的实施例提供的信息获取方法中的服务器相同)，其中，终端包括视频数据采集模块311；服务器包括视频解析模块321和图像处理模型322。视频解析模块用于解析视频数据采集模块发送的压缩后的视频数据；图像处理模型用于根据视频解析模块的解析结果得到目标设备的设备信息。在本发明实施例中，本发明所提供的信息获取方法主要由服务器实现，下面结合信息获取系统对本发明实施例的信息获取方法做出进一步地说明：

在用户想要了解某一家用设备的设备信息时，用户使用第一终端中的视频数据采集模块针对该家用设备采集一段视频数据，例如视频时长为10秒的视频数据。第一终端与服务器建立连接，第一终端在接收到服务器侧的视频帧解析模块发送数据接收请求时，响应该请求，此时服务器进行视频数据加载；加载完成后，服务器自动启动解析数据的线程，直到数据解析结束，与终端断开连接。

在解析的过程中，服务器进入算法执行子线程后，定位视频数据路径，查询视频数据是否存在。如果视频数据存在则正常打开，根据视频总帧数和总时间长度计算得到视频的帧率；根据该帧率设置时间戳，并根据时间戳从视频中提取帧图像，得到多个第一图像。

服务器通过图像处理模型从多个第一图像中筛选出多个第二图像，第二图像包含目标设备的标识特征。

服务器通过图像识别模型323中的神经网络模型324调用多个第二图像，进而获取与多个第二图像匹配的第二设备信息。

服务器通过重构模型325调用多个第二图像，获取重构模型根据多个第二图像重构得到的第一设备模型；其次，服务器获取第一设备模型的多角度视图；最后，服务器通过神经网络模型获取与多角度视图匹配的第一设备信息，以及多角度视图与第一设备匹配的准确率。

若准确率小于预设阈值，服务器确定第一设备信息为目标设备信息；若准确率大于或等于预设阈值，服务器确定第二设备信息为目标设备信息。

需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。

基于前述实施例，本发明的实施例提供一种信息获取设备40，该信息获取设备可以应用于图1、2对应的实施例提供的一种信息获取方法中，参照图4所示，该设备包括：处理器41、存储器42和通信总线43，其中：

通信总线43用于实现处理器41和存储器42之间的通信连接；

处理器41用于执行存储器42中信息获取程序，以实现以下步骤：

获取视频数据，并解析视频数据得到多个第一图像，多个第一图像对应于多个拍摄角度；

通过图像处理模型获取与多个第一图像匹配的目标设备信息；

输出目标设备信息。

在本发明的其他实施例中，处理器41用于执行通过图像处理模型获取与多个第一图像匹配的目标设备信息时，还可以实现以下步骤：

通过图像处理模型从多个第一图像中筛选出多个第二图像，第二图像包含目标设备的标识特征；

通过图像处理模型获取与多个第二图像匹配的目标设备信息。

在本发明的其他实施例中，图像处理模型包括神经网络模型；处理器41用于执行基于图像处理模型获取与多个第二图像匹配的目标设备信息时，还可以实现以下步骤：

根据多个第二图像进行重构，得到第一设备模型；

获取第一设备模型的多角度视图；

通过神经网络模型获取与多角度视图匹配的第一设备信息，以及多角度视图与第一设备匹配的准确率；

若准确率小于预设阈值，确定第一设备信息为目标设备信息。

在本发明的其他实施例中，在处理器41用于执行根据多个第二图像进行多维模型重构，得到重构的第一设备模型之前，还可以实现以下步骤：

通过神经网络模型获取与多个第二图像匹配的第二设备信息；

相应的，在处理器41用于执行通过神经网络模型获取与多角度视图匹配的第一设备信息，以及多角度视图与第一设备匹配的准确率之后，还可以实现以下步骤：

若准确率大于或等于预设阈值，确定第二设备信息为目标设备信息。

在本发明的其他实施例中，在处理器41用于执行获取视频数据，并解析视频数据得到多个第一图像之前，还可以实现以下步骤：

获取预设样本设备的标识特征以及样本设备信息；

根据预设样本设备的标识特征与样本设备信息之间的映射关系，构建神经网络模型；

相应的，处理器41用于执行通过神经网络模型获取与多角度视图匹配的第一设备信息时，还可以实现以下步骤：

提取多角度视图中的第一设备的标识特征；

将多角度视图中的第一设备的标识特征与神经网络模型中的预设样本设备的标识特征进行相似度比较；

获取相似度最大的预设样本设备的标识特征所对应的样本设备信息作为第一设备信息。

在本发明的其他实施例中，视频数据为经过压缩处理的目标视频数据；处理器41用于执行获取视频数据，并解析视频数据得到多个第一图像时，还可以实现以下步骤：

获取目标视频数据，并根据目标视频数据的帧率设置时间戳；

根据时间戳从目标视频中提取帧图像，得到第一图像。

需要说明的是，本实施例中处理器所执行的步骤的具体实现过程，可以参照图1、2对应的实施例提供的信息获取方法中的实现过程，此处不再赘述。

本发明的实施例所提供的终端，获取视频数据，并解析视频数据得到多个第一图像，多个第一图像对应于多个拍摄角度；通过图像处理模型获取与多个第一图像匹配的目标设备信息；输出目标设备信息；也就是说，本发明基于视频数据得到多个拍摄角度的第一图像，并基于这些第一图像获取设备信息，这与基于单张静态图片获取设备信息相比，必然为获取设备信息提供了更多的特征，确保了获取设备信息的准确率；进而解决了现有技术中的信息获取方法无法准确获取设备信息的问题，实现了准确获取设备信息，提高了终端的智能性。

基于前述实施例，本发明的实施例提供一种计算机存储介质，计算机存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现以下步骤：

获取视频数据，并解析视频数据得到多个第一图像，多个第一图像对应于多个拍摄角度；

通过图像处理模型获取与多个第一图像匹配的目标设备信息；

输出目标设备信息。

在本发明的其他实施例中，该一个或者多个程序可被一个或者多个处理器执行通过图像处理模型获取与多个第一图像匹配的目标设备信息时，还可以实现以下步骤：

通过图像处理模型从多个第一图像中筛选出多个第二图像，第二图像包含目标设备的标识特征；

通过图像处理模型获取与多个第二图像匹配的目标设备信息。

在本发明的其他实施例中，图像处理模型包括神经网络模型；该一个或者多个程序可被一个或者多个处理器执行通过图像处理模型获取与多个第二图像匹配的目标设备信息时，还可以实现以下步骤：

根据多个第二图像进行重构，得到第一设备模型；

获取第一设备模型的多角度视图；

通过神经网络模型获取与多角度视图匹配的第一设备信息，以及多角度视图与第一设备匹配的准确率；

若准确率小于预设阈值，确定第一设备信息为目标设备信息。

在本发明的其他实施例中，在该一个或者多个程序可被一个或者多个处理器执行根据多个第二图像进行多维模型重构，得到重构的第一设备模型之前，还可以实现以下步骤：

通过神经网络模型获取与多个第二图像匹配的第二设备信息；

相应的，在通过神经网络模型获取与多角度视图匹配的第一设备信息，以及多角度视图与第一设备匹配的准确率之后，方法包括：

若准确率大于或等于预设阈值，确定第二设备信息为目标设备信息。

在本发明的其他实施例中，在该一个或者多个程序可被一个或者多个处理器执行获取视频数据，并解析视频数据得到多个第一图像之前，还可以实现以下步骤：

获取预设样本设备的标识特征以及样本设备信息；

根据预设样本设备的标识特征与样本设备信息之间的映射关系，构建神经网络模型；

相应的，通过神经网络模型获取与多角度视图匹配的第一设备信息，包括：

提取多角度视图中的第一设备的标识特征；

将多角度视图中的第一设备的标识特征与神经网络模型中的预设样本设备的标识特征进行相似度比较；

获取相似度最大的预设样本设备的标识特征所对应的样本设备信息作为第一设备信息。

在本发明的其他实施例中，视频数据为经过压缩处理的目标视频数据；该一个或者多个程序可被一个或者多个处理器执行获取视频数据，并解析视频数据得到多个第一图像时，还可以实现以下步骤：

获取目标视频数据，并根据目标视频数据的帧率设置时间戳；

根据时间戳从目标视频中提取帧图像，得到第一图像。

需要说明的是，本实施例中处理器所执行的步骤的具体实现过程，可以参照图1、2对应的实施例提供的信息获取方法中的实现过程，此处不再赘述。

需要说明的是，上述计算机可读存储介质可以是只读存储器(Read OnlyMemory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic RandomAccess Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器；也可以是包括上述存储器之一或任意组合的各种电子设备，如移动电话、计算机、平板设备、个人数字助理等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

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。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所描述的方法。

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。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种信息获取方法，其特征在于，所述方法包括：

获取视频数据，并解析所述视频数据得到多个第一图像，所述多个第一图像对应于多个拍摄角度；

通过图像处理模型从所述多个第一图像中筛选出多个第二图像、并根据所述多个第二图像进行重构得到第一设备模型；其中所述第二图像包含目标设备的标识特征；所述图像处理模型包括神经网络模型；

获取所述第一设备模型的多角度视图；

通过所述神经网络模型获取与所述多角度视图匹配的第一设备信息，以及所述多角度视图与所述第一设备匹配的准确率；

若所述准确率小于预设阈值，确定所述第一设备信息为目标设备信息；

输出所述目标设备信息。

2.根据权利要求1所述的方法，其特征在于，在所述根据所述多个第二图像进行多维模型重构，得到重构的第一设备模型之前，所述方法包括：

通过所述神经网络模型获取与所述多个第二图像匹配的第二设备信息；

相应的，在所述通过所述神经网络模型获取与所述多角度视图匹配的第一设备信息，以及所述多角度视图与所述第一设备匹配的准确率之后，所述方法包括：

若所述准确率大于或等于预设阈值，确定所述第二设备信息为所述目标设备信息。

3.根据权利要求1所述的方法，其特征在于，所述获取视频数据，并解析所述视频数据得到多个第一图像之前，所述方法包括：

获取预设样本设备的标识特征以及样本设备信息；

根据所述预设样本设备的标识特征与样本设备信息之间的映射关系，构建所述神经网络模型；

相应的，所述通过所述神经网络模型获取与所述多角度视图匹配的第一设备信息，包括：

提取所述多角度视图中的第一设备的标识特征；

将所述多角度视图中的第一设备的标识特征与所述神经网络模型中的预设样本设备的标识特征进行相似度比较；

获取相似度最大的预设样本设备的标识特征所对应的样本设备信息作为所述第一设备信息。

4.根据权利要求1所述的方法，其特征在于，所述视频数据为经过压缩处理的目标视频数据；所述获取视频数据，并解析所述视频数据得到多个第一图像，包括：

获取所述目标视频数据，并根据所述目标视频数据的帧率设置时间戳；

根据所述时间戳从所述目标视频中提取帧图像，得到所述第一图像。

5.一种信息获取设备，其特征在于，所述信息获取设备包括：处理器、存储器和通信总线；

所述通信总线用于实现处理器和存储器之间的通信连接；

所述处理器用于执行存储器中信息获取程序，以实现以下步骤：

获取视频数据，并解析所述视频数据得到多个第一图像，所述多个第一图像对应于多个拍摄角度；通过图像处理模型从所述多个第一图像中筛选出多个第二图像、并根据所述多个第二图像进行重构得到第一设备模型；其中所述第二图像包含目标设备的标识特征；所述图像处理模型包括神经网络模型；获取所述第一设备模型的多角度视图；通过所述神经网络模型获取与所述多角度视图匹配的第一设备信息，以及所述多角度视图与所述第一设备匹配的准确率；若所述准确率小于预设阈值，确定所述第一设备信息为所述目标设备信息；输出所述目标设备信息。

6.根据权利要求5所述的信息获取设备，其特征在于，在处理器执行所述根据所述多个第二图像进行多维模型重构，得到重构的第一设备模型的步骤之前，可以实现以下步骤：

通过所述神经网络模型中获取与所述多个第二图像匹配的第二设备信息；

相应的，所述通过所述神经网络模型获取与所述多角度视图匹配的第一设备信息，以及所述多角度视图与所述第一设备匹配的准确率的步骤之后，可以实现以下步骤：

若所述准确率大于或等于预设阈值，确定所述第二设备信息为所述目标设备信息。

7.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，该计算机可执行指令配置为执行上述权利要求1至4中任一项提供的信息获取方法。

Images