CN110705528B - 身份编码方法及装置、豢养物身份编码方法及装置 - Google Patents
身份编码方法及装置、豢养物身份编码方法及装置 Download PDFInfo
- Publication number
- CN110705528B CN110705528B CN201911168383.2A CN201911168383A CN110705528B CN 110705528 B CN110705528 B CN 110705528B CN 201911168383 A CN201911168383 A CN 201911168383A CN 110705528 B CN110705528 B CN 110705528B
- Authority
- CN
- China
- Prior art keywords
- coding
- attribute
- feature
- identity
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 93
- 239000000463 material Substances 0.000 title claims description 49
- 239000013598 vector Substances 0.000 claims abstract description 107
- 241001465754 Metazoa Species 0.000 claims abstract description 56
- 108091026890 Coding region Proteins 0.000 claims abstract description 53
- 238000013507 mapping Methods 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 38
- 238000001514 detection method Methods 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 12
- 244000144972 livestock Species 0.000 claims description 9
- 239000000654 additive Substances 0.000 claims 1
- 230000000996 additive effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 10
- 238000013139 quantization Methods 0.000 description 9
- 238000012795 verification Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 241000282465 Canis Species 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 244000144977 poultry Species 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003287 bathing Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000002054 inoculum Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000000276 sedentary effect Effects 0.000 description 1
Images
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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本说明书实施例提供身份编码方法及装置、豢养物身份编码方法及装置,其中,所述豢养物身份编码方法包括:首先按照目标对象的特征信息的特征类型对所述特征信息进行特征识别,并根据特征识别结果确定所述目标对象的属性类别;对所述目标对象的属性类别进行编码,获得第一编码段;其次对所述特征信息中提取的对象特征进行向量化处理,获得特征向量;对所述特征向量进行编码,获得所述对象特征对应的第二编码段;最后对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列。
Description
技术领域
本说明书实施例涉及编码技术领域,特别涉及身份编码方法及装置、豢养物身份编码方法及装置。
背景技术
随着社会发展节奏的加快,作为社会发展参与者的每个人面临的工作压力、生活压力也越来越大,为充实自己的生活又不会给自己的生活带来太大的负担,越来越多的人喜欢养宠物,在饲养宠物的同时让自己变得充实,也对自己的身心健康起到了很大的帮助,尤其是对于一些子女在外地的奋斗的独居老人,有宠物的陪伴会让老人的生活更加开心,并且对于一些训练有素的宠物,在老人发生一些意外,例如生病的时候,宠物还会起到报警的作用,宠物对于主人来说相当于家庭的一份子,是非常重要的存在,因此产生了很多面向宠物的服务,比如宠物医院、宠物洗澡、宠物保险等。
而在针对宠物提供服务的过程中,为了方便对宠物的管理和面向宠物提供更加优质的服务,需在对宠物进行精准识别的基础上对宠物进行个性化的服务,从而来提升宠物服务的满意度。
发明内容
有鉴于此,本说明书实施例提供了一种身份编码方法、一种身份编码装置、一种豢养物身份编码方法、一种豢养物身份编码装置、两种计算设备以及两种计算机可读存储介质。
本说明书实施例提供一种身份编码方法,包括:
按照目标对象的特征信息的特征类型对所述特征信息进行特征识别,并根据特征识别结果确定所述目标对象的属性类别;
对所述目标对象的属性类别进行编码,获得第一编码段;
对所述特征信息中提取的对象特征进行向量化处理,获得特征向量;
对所述特征向量进行编码,获得所述对象特征对应的第二编码段;
对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列。
可选的,所述按照目标对象的特征信息的特征类型对所述特征信息进行特征识别,并根据特征识别结果确定所述目标对象的属性类别,包括:
按照所述特征信息包含的声音特征信息的声音特征类型,对所述声音特征信息进行声音特征识别,根据声音特征识别结果确定所述目标对象的一级属性类别;
按照所述特征信息包含的图像特征信息的图像特征类型,对所述图像特征信息进行图像特征识别,根据图像识别结果确定所述目标对象在所述一级属性类别下的二级属性类别;
通过将所述特征信息包含的声音特征信息和/或图像特征信息输入所述二级属性类别的类别检测模型进行类别检测,输出所述目标对象在所述二级属性类别下的三级属性类别。
可选的,所述对所述目标对象的属性类别进行编码,获得第一编码段,包括:
根据预先配置的属性类别与编码映射关系,在所述属性类别与编码映射关系中查找所述一级属性类别映射的一级类别编码值,并在所述一级属性类别映射的编码范围下查找所述二级属性类别映射的二级类别编码值,以及在所述二级属性类别映射的编码范围下查找所述三级属性类别映射的三级类别编码值;
将属性类别级别最高的一级类别编码值作为头部,按照属性类别级别从高到低的顺序,依次对各个级别的属性类别映射的编码值进行拼接,获得所述第一编码段。
可选的,所述对所述特征信息中提取的对象特征进行向量化处理,获得特征向量,包括:
检测并提取所述特征信息包含的图像特征信息中的身份标识特征,作为所述对象特征;
对所述身份标识特征进行向量化处理,获得所述特征向量;
相应的,所述对所述特征向量进行编码,获得所述对象特征对应的第二编码段,包括:
利用向量编码算法对所述特征向量进行量化编码,获得向量编码;
对所述向量编码进行编码转换,获得所述第二编码段,并建立所述第二编码段与所述对象特征的对应关系。
可选的,所述第三编码段采用如下方式进行编码:
获取预先提交的所述目标对象从属的主体对象的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列;
对预先提交的所述目标对象的对象属性进行编码,获得属性编码段;
将所述位置标识子序列与所述属性编码段进行拼接,获得所述第三编码段。
可选的,所述获取预先提交的所述目标对象从属的主体对象的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列子步骤执行之后,且所述将所述位置标识子序列与所述属性编码段进行拼接,获得所述第三编码段步骤执行之前,包括:
获取所述目标对象的地理位置信息,并基于预设的地理位置与编码对应关系查找所述地理位置信息对应的位置编码;
判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致;
若是,执行所述将所述位置标识子序列与所述属性编码段进行拼接,获得所述第三编码段子步骤。
可选的,若所述判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致子步骤执行后的判断结果为否,执行如下操作:
从所述特征信息包含的图像特征信息中提取所述目标对象从属的主体对象的身份标识特征;
判断所述身份标识特征与所述身份标识序列对应的身份信息中记录的身份标识图像的相似度是否大于预设相似度阈值;
若是,对预先提交的所述目标对象的对象属性进行编码,获得属性编码段;
将所述位置编码与所述属性编码段进行拼接,获得所述第三编码段。
可选的,所述对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列,包括:
按照所述第一编码段、所述第二编码段和所述第三编码段的编码拼接顺序,依次对所述第一编码段、所述第二编码段和所述第三编码段进行拼接,拼接完成后获得所述身份编码序列。
可选的,所述对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列步骤执行之后,包括:
基于所述目标对象的身份编码序列、所述目标对象的属性信息以及所述特征信息包含的图像特征信息,创建所述目标对象的对象身份信息。
本说明实施例提供一种身份编码装置,包括:
属性类别确定模块,被配置为按照目标对象的特征信息的特征类型对所述特征信息进行特征识别,并根据特征识别结果确定所述目标对象的属性类别;
第一编码模块,被配置为对所述目标对象的属性类别进行编码,获得第一编码段;
向量化处理模块,被配置为对所述特征信息中提取的对象特征进行向量化处理,获得特征向量;
第二编码模块,被配置为对所述特征向量进行编码,获得所述对象特征对应的第二编码段;
编码拼接模块,被配置为对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列。
本说明实施例提供一种豢养物身份编码方法,包括:
按照豢养物的生物特征信息的生物特征类型对所述生物特征信息进行特征识别,根据识别结果确定所述豢养物的属性类别;
对所述豢养物的属性类别进行编码,获得类别编码段;
对所述生物特征信息中提取的生物特征进行向量化处理,获得生物特征向量;
对所述生物特征向量进行编码,获得所述生物特征对应的生物特征编码段;
对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列。
可选的,所述按照豢养物的生物特征信息的生物特征类型对所述生物特征信息进行特征识别,根据识别结果确定所述豢养物的属性类别,包括:
按照所述生物特征信息包含的声音特征信息的声音特征类型,对所述声音特征信息进行声音特征识别,根据声音特征识别结果确定所述豢养物的种类;
按照所述生物特征信息包含的图像特征信息的图像特征类型,对所述图像特征信息进行图像特征识别,根据图像识别结果确定所述豢养物在所述种类下的品种;
通过将所述生物特征信息包含的声音特征信息和/或图像特征信息输入所述品种的性别检测模型进行类别检测,输出所述豢养物在所述种类下的性别。
可选的,所述对所述豢养物的属性类别进行编码,获得类别编码段,包括:
根据预先配置的属性类别与编码映射关系,在所述属性类别与编码映射关系中查找所述种类映射的种类编码值,并在所述种类映射的编码范围下查找所述品种映射的品种编码值,以及在所述品种映射的编码范围下查找所述性别映射的性别编码值;
将属性类别级别最高的种类编码值作为头部,按照属性类别级别从高到低的顺序,依次对各个级别的属性类别映射的编码值进行拼接,获得所述类别编码段。
可选的,所述对所述生物特征信息中提取的生物特征进行向量化处理,获得生物特征向量,包括:
检测并提取所述生物特征信息包含的图像特征信息中的身份标识特征,作为所述生物特征;
对所述身份标识特征进行向量化处理,获得所述生物特征向量;
相应的,所述对所述生物特征向量进行编码,获得所述生物特征对应的生物特征编码段,包括:
利用向量编码算法对所述生物特征向量进行量化编码,获得向量编码;
对所述向量编码进行编码转换,获得所述生物特征编码段,并建立所述生物特征编码段与所述生物特征的对应关系。
可选的,所述属性编码段采用如下方式进行编码:
获取预先提交的所述豢养物从属的豢养方的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列;
对预先提交的所述豢养物的年龄属性进行编码,获得年龄属性编码段;
将所述位置标识子序列与所述年龄属性编码段进行拼接,获得所述属性编码段。
可选的,所述获取预先提交的所述豢养物从属的豢养方的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列步骤执行之后,且所述将所述位置标识子序列与所述属性编码段进行拼接,获得所述属性编码段子步骤执行之前,包括:
获取所述豢养物的地理位置信息,并基于预设的地理位置与编码对应关系查找所述地理位置信息对应的位置编码;
判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致;
若是,执行所述将所述位置标识子序列与所述属性编码段进行拼接,获得所述属性编码段子步骤。
可选的,若所述判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致子步骤执行后的判断结果为否,执行如下操作:
从所述特征信息包含的图像特征信息中提取所述豢养物从属的豢养方的身份标识特征;
判断所述身份标识特征与所述身份标识序列对应的身份信息中记录的身份标识图像的相似度是否大于预设相似度阈值;
若是,对预先提交的所述豢养物的年龄属性进行编码,获得年龄属性编码段;
将所述位置编码与所述年龄属性编码段进行拼接,获得所述属性编码段。
可选的,所述对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列,包括:
按照所述类别编码段、所述生物特征编码段和所述属性编码段的编码拼接顺序,依次对所述类别编码段、所述生物特征编码段和所述属性编码段进行拼接,拼接完成后获得所述身份编码序列。
可选的,所述对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列步骤执行之后,包括:
基于所述豢养物的身份编码序列、所述豢养物的属性信息以及所述生物特征信息包含的图像特征信息,创建所述豢养物的身份信息。
本说明书实施例提供一种豢养物身份编码装置,包括:
属性类别确定模块,被配置为按照豢养物的生物特征信息的生物特征类型对所述生物特征信息进行特征识别,根据识别结果确定所述豢养物的属性类别;
属性类别编码模块,被配置为对所述豢养物的属性类别进行编码,获得类别编码段;
向量化处理模块,被配置为对所述生物特征信息中提取的生物特征进行向量化处理,获得生物特征向量;
生物特征编码模块,被配置为对所述生物特征向量进行编码,获得所述生物特征对应的生物特征编码段;
编码拼接模块,被配置为对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列。
本说明书实施例提供一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
按照目标对象的特征信息的特征类型对所述特征信息进行特征识别,并根据特征识别结果确定所述目标对象的属性类别;
对所述目标对象的属性类别进行编码,获得第一编码段;
对所述特征信息中提取的对象特征进行向量化处理,获得特征向量;
对所述特征向量进行编码,获得所述对象特征对应的第二编码段;
对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列。
本说明书实施例提供一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
按照豢养物的生物特征信息的生物特征类型对所述生物特征信息进行特征识别,根据识别结果确定所述豢养物的属性类别;
对所述豢养物的属性类别进行编码,获得类别编码段;
对所述生物特征信息中提取的生物特征进行向量化处理,获得生物特征向量;
对所述生物特征向量进行编码,获得所述生物特征对应的生物特征编码段;
对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列。
本说明书实施例提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现所述身份编码方法的步骤。
本说明书实施例提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现所述豢养物身份编码方法的步骤。
本说明书一实施例提供的身份编码方法,通过对目标对象属性类别进行编码的方式实现类别维度对目标对象的身份编码,并通过对向量化处理之后的特征进行编码的方式实现特征维度对目标对象的身份编码,以及通过对目标对象的属性信息进行编码的方式实现属性维度对目标对象的身份编码,最后将各个维度进行编码获得的编码段进行拼接以获得目标对象的身份编码序列,提升了目标对象的身份编码的准确性和有效性,从而更有利于目标对象的身份编码体系的推广和应用。
附图说明
图1是本说明书实施例提供的一种身份编码方法处理流程图;
图2是本说明书实施例提供的一种身份编码装置的示意图;
图3是本说明书实施例提供的一种豢养物身份编码方法处理流程图;
图4是本说明书实施例提供的一种豢养物身份编码装置的示意图;
图5是本说明书实施例提供的一种计算设备的结构框图;
图6是本说明书实施例提供的另一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本说明书一个实施例提供一种身份编码方法,本说明书一个或者多个实施例还提供一种身份编码装置、一种豢养物身份编码方法、一种豢养物身份编码装置、两种计算设备以及两种计算机可读存储介质。以下分别结合本说明书提供的实施例的附图逐一进行详细说明,并且对方法的各个步骤进行说明。
本说明书提供的一种身份编码方法实施例如下:
参照附图1,其示出了本说明书实施例提供的一种身份编码方法处理流程图。
步骤S102,按照目标对象的特征信息的特征类型对所述特征信息进行特征识别,并根据特征识别结果确定所述目标对象的属性类别。
本实施例所述目标对象,是指需要进行身份编码的对象,本实施例以豢养物为例对所述目标对象进行说明,除此之外,所述目标对象还可以是豢养物之外的动物或者植物等生物。本实施例所述豢养物,包括在情感层面为用户提升愉悦感的宠物(犬类宠物、猫类宠物、两栖类宠物等),还包括用户出于经济目的豢养的动物(比如,家禽、牲畜等),此外,还包括出于社会公益或者环境保护目的豢养的动物(比如,动物保护区豢养的保护动物、社会公益组织出于社会公益目的豢养的流浪动物等)。
本实施例以宠物为例对所述目标对象进行说明,具体对宠物的身份编码过程进行说明。用户出于经济目的豢养的动物以及出于社会公益或者环境保护目的豢养的动物这两类豢养物的身份编码过程,参见本实施例提供的宠物身份编码过程的具体实现即可,本实施例在此不再一一赘述。
本实施例中,在对所述目标对象进行身份编码过程中,从类别维度、特征维度和属性维度这三个编码维度出发对所述目标对象进行身份编码,具体是在类别维度、特征维度和属性维度分别对所述目标对象进行身份编码,最终将这三个编码维度的编码段以拼接的方式整合为身份编码序列,以此实现对所述目标对象的身份编码。
具体实施时,首先在类别维度对所述目标对象进行身份编码,具体是按照所述目标对象的特征信息的特征类型对所述特征信息进行特征识别,并进一步根据特征识别结果确定所述目标对象的属性类别。为了增强特征识别的准确性,以此来提升根据所述特征识别结果确定的所述目标对象的属性类别的有效性,本实施例提供的一种可选实施方式中,结合不同特征类型的特性信息进行特征识别和属性类别确定,具体采用如下方式实现:
1)按照所述特征信息包含的声音特征信息的声音特征类型,对所述声音特征信息进行声音特征识别,根据声音特征识别结果确定所述目标对象的一级属性类别;
2)按照所述特征信息包含的图像特征信息的图像特征类型,对所述图像特征信息进行图像特征识别,根据图像识别结果确定所述目标对象在所述一级属性类别下的二级属性类别;
3)通过将所述特征信息包含的声音特征信息和/或图像特征信息输入所述二级属性类别的类别检测模型进行类别检测,输出所述目标对象在所述二级属性类别下的三级属性类别。
例如,在对宠物进行身份编码的过程中,预先采集的该宠物的特征信息有该宠物的叫声声纹信息以及该宠物的全身照、正脸照和鼻纹照,其中叫声声纹信息为声音类型的特征信息,全身照、正脸照和鼻纹照为图像类型的特征信息;
首先,按照特征信息中包含的声音类型的特征信息(叫声声纹信息),对该宠物的叫声声纹信息进行声纹特征识别,声纹特征识别结果表明叫声声纹为犬类宠物的叫声,则根据声纹特征识别结果确定该宠物的种类为犬类;
然后,按照特征信息中包含的图像类型的特征信息(全身照),对该宠物的全身照进行图像特征识别,图像特征识别结果表明该宠物身体上斑点形状和颜色与牧羊犬的身体上斑点形状和颜色的相似度最高,则根据图像特征识别结果确定该宠物在犬类下的品种为牧羊犬;
最后,将该宠物的叫声声纹信息以及该宠物的全身照、正脸照和鼻纹照输入预先训练的性别检测模型进行性别检测,该性别检测模型用于根据输入的特征信息检测宠物的性别,经性别检测模型检测后输出该宠物的性别为母。
步骤S104,对所述目标对象的属性类别进行编码,获得第一编码段。
上述步骤S102确定所述目标对象的属性类别之后,在此,对所述目标对象的属性类别进行编码,获得第一编码段。本实施例提供的一种可选实施方式中,在编码过程中结合所述目标对象在各个级别的属性类别进行编码,以此提升类别维度下身份编码的有效性,具体采用如下方式对所述目标对象的属性类别进行编码:
根据预先配置的属性类别与编码映射关系,在所述属性类别与编码映射关系中查找所述一级属性类别映射的一级类别编码值,并在所述一级属性类别映射的编码范围下查找所述二级属性类别映射的二级类别编码值,以及在所述二级属性类别映射的编码范围下查找所述三级属性类别映射的三级类别编码值;
将属性类别级别最高的一级类别编码值作为头部,按照属性类别级别从高到低的顺序,依次对各个级别的属性类别映射的编码值进行拼接,获得所述第一编码段。
沿用上例,根据预先配置的宠物属性类别与编码映射关系表,在宠物属性类别与编码映射关系表中查找犬类宠物(一级属性类别)映射的编码值,查找结果为犬类宠物映射的编码值为“02”;
进一步,在宠物属性类别与编码映射关系表中犬类宠物映射的编码范围内,查找牧羊犬(二级属性类别)映射的编码值,查找结果为牧羊犬映射的编码值为“334”;
更进一步,在宠物属性类别与编码映射关系表中牧羊犬映射的编码范围内,查找宠物性别为母时映射的编码值,查找结果为宠物性别为母时映射的编码值为“2”;
在查找到性别为母的牧羊犬映射的编码值之后,将犬类宠物映射的编码值“02”作为头部,然后依次将牧羊犬映射的编码值“334”和性别为母时映射的编码值“2”与头部进行拼接,拼接完成后获得的性别为母的牧羊犬的类别编码段为“023342”。
步骤S106,对所述特征信息中提取的对象特征进行向量化处理,获得特征向量。
如上所述,本实施例从类别维度、特征维度和属性维度这三个编码维度出发对所述目标对象进行身份编码,具体是在类别维度、特征维度和属性维度分别对所述目标对象进行身份编码,最终将这三个编码维度的编码段以拼接的方式整合为身份编码序列,以此实现对所述目标对象的身份编码。
具体实施时,在特征维度对所述目标对象进行身份编码的过程中,由于所述目标对象的特征复杂性,对特征的提取和处理过程往往较为繁杂,在此通过对所述特征信息中提取的对象特征进行向量化处理的方式来提升特征提取和处理的效率,最终利用获得的特征向量在特征维度对所述目标对象进行身份编码。本实施例提供的一种可选实施方式中,对所述特征信息中提取的对象特征进行向量化处理,具体采用如下方式实现:
检测并提取所述特征信息包含的图像特征信息中的身份标识特征,作为所述对象特征;
对所述身份标识特征进行向量化处理,获得所述特征向量。
例如,在对宠物进行身份编码的过程中,预先采集的该宠物的特征信息有该宠物的叫声声纹信息以及该宠物的全身照、正脸照和鼻纹照,对于这其中表征宠物生物特征的鼻纹照,首先检测鼻纹照中包含的鼻纹特征,并提取检测到的鼻纹特征,然后对提取的鼻纹特征进行向量化处理,获得鼻纹特征向量Vector。
步骤S108,对所述特征向量进行编码,获得所述对象特征对应的第二编码段。
上述步骤S106对所述特征信息中提取的对象特征进行向量化处理,获得所述特征向量之后,本步骤中,通过对所述特征向量进行编码来实现特征维度对所述目标对象进行身份编码,具体编码过程如下:
利用向量编码算法对所述特征向量进行量化编码,获得向量编码;
对所述向量编码进行编码转换,获得所述第二编码段,并建立所述第二编码段与所述对象特征的对应关系。
上例中对宠物的鼻纹照中提取的鼻纹特征进行向量化处理之后获得的鼻纹特征向量为Vector,在此基础上,采用向量编码算法对鼻纹特征向量Vector进行量化编码,编码结果为32位的向量编码,然后采用编码压缩或者采样的方式对向量编码进行编码转换,获得6位的生物特征编码段“100008”,生物特征编码段“100008”即为表征该宠物的鼻纹特征的编码段,并通过建立生物特征编码段“100008”与该宠物的鼻纹特征之间的对应关系,以此实现6位的生物特征编码段“100008”对宠物的生物特征的表示。
本步骤中,首先通过步骤S102和步骤S104在类别维度对所述目标对象进行身份编码,其次通过步骤S106和步骤S108在特征维度对所述目标对象进行身份编码,需要说明的是,对所述目标对象的编码顺序并不限于此,还可以先在特征维度对所述目标对象进行身份编码,其次在类别维度对所述目标对象进行身份编码;或者,采用并行处理方式在类别维度和特征维度对所述目标对象进行身份编码,具体实现参照上述步骤S102步骤S108即可,在此不再一一赘述。
步骤S110,对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列。
除步骤S102至步骤S108实现在类别维度和特征维度对所述目标对象的身份编码之外,还需在属性维度对所述目标对象进行身份编码,具体采用如下方式实现:
获取预先提交的所述目标对象从属的主体对象的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列;
对预先提交的所述目标对象的对象属性进行编码,获得属性编码段;
将所述位置标识子序列与所述属性编码段进行拼接,获得所述第三编码段。
如上所述,在属性维度对所述目标对象的身份编码,依赖于所述目标对象从属的主体对象的身份标识序列,相应的,所述目标对象在属性维度进行的身份编码的准确性同样依赖于所述主体对象的身份标识序列是否准确或者是否有效,本实施例提供的一种可选实施方式中,为提升所述主体对象的身份标识序列的准确性和有效性,在属性维度对所述目标对象进行身份编码的过程中,对所述主体对象的身份标识序列进行有效性验证,具体采用如下方式进行有效性验证:
1)获取所述目标对象的地理位置信息,并基于预设的地理位置与编码对应关系查找所述地理位置信息对应的位置编码;
2)判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致;
若是,表明对所述主体对象的身份标识序列进行的有效性验证通过,执行所述将所述位置标识子序列与所述属性编码段进行拼接,获得所述第三编码段子步骤;
若否,进一步对所述主体对象的身份标识序列进行有效性验证,具体实现如下:
(a)从所述特征信息包含的图像特征信息中提取所述目标对象从属的主体对象的身份标识特征;
(b)判断所述身份标识特征与所述身份标识序列对应的身份信息中记录的身份标识图像的相似度是否大于预设相似度阈值;
若是,表明所述主体对象的身份标识序列与所述主体对象相吻合,对预先提交的所述目标对象的对象属性进行编码,获得属性编码段;
将所述位置编码与所述属性编码段进行拼接,获得所述第三编码段;
若否,表明所述主体对象的身份标识序列的有效性验证未通过,发出重新录入所述身份标识序列的提醒。
例如,在对宠物进行身份编码的过程中,首先获取预先提交的宠物所属的宠物主人的身份证号,并提取身份证号中包含的位置标识子序列(即:身份证前6位用于标识宠物主人地址的号码段“340827”);
然后获取宠物的地理位置信息,并确定宠物的地理位置信息对应的位置编码,并判断该位置编码是否与宠物主人的身份证号中包含的位置标识子序列是否一致;
如果不一致,则从宠物的特征信息包含的人宠合照中提取宠物所属的宠物主人的头像特征,并通过判断预先提交的宠物主人的身份证号与宠物主人的头像特征对应的身份证号是否一致,来对宠物主人的身份有效性进行验证,如果一致,则对预先提交的宠物的出生日期“2010年01月19日”进行编码,获得出生日期编码段“20100119”,并将位置标识子序列“340827”与出生日期编码段“20100119”进行拼接,拼接完成后获得宠物的属性编码段“34082720100119”。
上述在类别维度、特征维度以及属性维度这三个编码维度对所述目标对象的身份编码之后,对于类别维度进行编码获得的所述第一编码段、特征维度进行编码获得的所述第二编码段以及属性维度进行编码获得的所述第三编码段进行拼接,获得所述目标对象的身份编码序列。
为了提升所述身份编码序列的拼接效率,本实施例提供的一种可选实施方式中,按照所述第一编码段、所述第二编码段和所述第三编码段的编码拼接顺序,依次对所述第一编码段、所述第二编码段和所述第三编码段进行拼接,拼接完成后获得所述身份编码序列。
沿用上例,对于上述在类别维度对宠物进行编码获得的类别编码段为“023342”,在特征维度对宠物进行编码获得的生物特征编码段“100008”,以及在属性维度对宠物进行编码获得的属性编码段“34082720100119”,按照“属性维度->类别维度->特征维度”这一编码拼接顺序对属性编码段、类别编码段、生物特征编码段进行拼接,拼接之后获得的身份编码序列为“34082720100119023342100008”。
实际应用中,对所述目标对象进行身份编码获得所述目标对象的身份编码序列之后,还可以基于所述目标对象的身份编码序列、所述目标对象的属性信息以及所述特征信息包含的图像特征信息,创建所述目标对象的对象身份信息,比如基于宠物的身份编码序列创建宠物的宠物身份证,从而将所述目标对象的身份编码序列应用到具体场景中,有利于所述目标对象的身份编码的应用和推广。
综上所述,所述身份编码方法,通过对目标对象属性类别进行编码的方式实现类别维度对目标对象的身份编码,并通过对向量化处理之后的特征进行编码的方式实现特征维度对目标对象的身份编码,以及通过对目标对象的属性信息进行编码的方式实现属性维度对目标对象的身份编码,最后将各个维度进行编码获得的编码段进行拼接以获得目标对象的身份编码序列,提升了目标对象的身份编码的准确性和有效性,从而更有利于目标对象的身份编码体系的推广和应用。
本说明书提供的一种身份编码装置实施例如下:
在上述的实施例中,提供了一种身份编码方法,与之相对应的,还提供了一种身份编码装置,下面结合附图进行说明。
参照附图2,其示出了本实施例提供的一种身份编码装置的示意图。
由于装置实施例对应于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本说明书提供一种身份编码装置,包括:
属性类别确定模块202,被配置为按照目标对象的特征信息的特征类型对所述特征信息进行特征识别,并根据特征识别结果确定所述目标对象的属性类别;
第一编码模块204,被配置为对所述目标对象的属性类别进行编码,获得第一编码段;
向量化处理模块206,被配置为对所述特征信息中提取的对象特征进行向量化处理,获得特征向量;
第二编码模块208,被配置为对所述特征向量进行编码,获得所述对象特征对应的第二编码段;
编码拼接模块210,被配置为对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列。
可选的,所述属性类别确定模块202,包括:
一级属性类别确定子模块,被配置为按照所述特征信息包含的声音特征信息的声音特征类型,对所述声音特征信息进行声音特征识别,根据声音特征识别结果确定所述目标对象的一级属性类别;
二级属性类别确定子模块,被配置为按照所述特征信息包含的图像特征信息的图像特征类型,对所述图像特征信息进行图像特征识别,根据图像识别结果确定所述目标对象在所述一级属性类别下的二级属性类别;
三级属性类别确定子模块,被配置为通过将所述特征信息包含的声音特征信息和/或图像特征信息输入所述二级属性类别的类别检测模型进行类别检测,输出所述目标对象在所述二级属性类别下的三级属性类别。
可选的,所述第一编码模块204,包括:
编码值确定子模块,被配置为根据预先配置的属性类别与编码映射关系,在所述属性类别与编码映射关系中查找所述一级属性类别映射的一级类别编码值,并在所述一级属性类别映射的编码范围下查找所述二级属性类别映射的二级类别编码值,以及在所述二级属性类别映射的编码范围下查找所述三级属性类别映射的三级类别编码值;
拼接子模块,被配置为将属性类别级别最高的一级类别编码值作为头部,按照属性类别级别从高到低的顺序,依次对各个级别的属性类别映射的编码值进行拼接,获得所述第一编码段。
可选的,所述向量化处理模块206,包括:
检测提取子模块,被配置为检测并提取所述特征信息包含的图像特征信息中的身份标识特征,作为所述对象特征;
向量化处理子模块,被配置为对所述身份标识特征进行向量化处理,获得所述特征向量;
相应的,所述第二编码模块208,包括:
量化编码子模块,被配置为利用向量编码算法对所述特征向量进行量化编码,获得向量编码;
编码转换子模块,被配置为对所述向量编码进行编码转换,获得所述第二编码段,并建立所述第二编码段与所述对象特征的对应关系。
可选的,所述第三编码段通过运行如下子模块进行编码:
位置标识子序列提取子模块,被配置为获取预先提交的所述目标对象从属的主体对象的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列;
对象属性编码子模块,被配置为对预先提交的所述目标对象的对象属性进行编码,获得属性编码段;
属性编码段拼接子模块,被配置为将所述位置标识子序列与所述属性编码段进行拼接,获得所述第三编码段。
可选的,所述第三编码段还通过运行如下子模块进行编码:
位置编码查找子模块,被配置为获取所述目标对象的地理位置信息,并基于预设的地理位置与编码对应关系查找所述地理位置信息对应的位置编码;
位置编码判断子模块,被配置为判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致;
若是,运行所述属性编码段拼接子模块。
可选的,若所述位置编码判断子模块运行后输出的判断结果为否,运行如下子模块:
提取子模块,被配置为从所述特征信息包含的图像特征信息中提取所述目标对象从属的主体对象的身份标识特征;
身份标识特征判断子模块,被配置为判断所述身份标识特征与所述身份标识序列对应的身份信息中记录的身份标识图像的相似度是否大于预设相似度阈值;
若是,运行编码子模块和拼接子模块;
所述编码子模块,被配置为对预先提交的所述目标对象的对象属性进行编码,获得属性编码段;
所述拼接子模块,被配置为将所述位置编码与所述属性编码段进行拼接,获得所述第三编码段。
可选的,所述编码拼接模块210,具体被配置为按照所述第一编码段、所述第二编码段和所述第三编码段的编码拼接顺序,依次对所述第一编码段、所述第二编码段和所述第三编码段进行拼接,拼接完成后获得所述身份编码序列。
可选的,所述身份编码装置,包括:
对象身份信息创建模块,被配置为基于所述目标对象的身份编码序列、所述目标对象的属性信息以及所述特征信息包含的图像特征信息,创建所述目标对象的对象身份信息。
本说明书提供的一种豢养物身份编码方法实施例如下:
参照附图3,其示出了本说明书实施例提供的一种豢养物身份编码方法处理流程图,所述豢养物身份编码方法包括步骤S302至步骤S310。
步骤S302,按照豢养物的生物特征信息的生物特征类型对所述生物特征信息进行特征识别,根据识别结果确定所述豢养物的属性类别。
本实施例所述豢养物,包括在情感层面为用户提升愉悦感的宠物(犬类宠物、猫类宠物、两栖类宠物等),还包括用户出于经济目的豢养的动物(比如,家禽、牲畜等),此外,还包括出于社会公益或者环境保护目的豢养的动物(比如,动物保护区豢养的保护动物、社会公益组织出于社会公益目的豢养的流浪动物等)。
本实施例以宠物为例对所述豢养物进行说明,具体对宠物的身份编码过程进行说明。用户出于经济目的豢养的动物以及出于社会公益或者环境保护目的豢养的动物这两类豢养物的身份编码过程,参见本实施例提供的宠物身份编码过程的具体实现即可,本实施例在此不再一一赘述。
本实施例中,在对所述豢养物进行身份编码过程中,从类别维度、特征维度和属性维度这三个编码维度出发对所述豢养物进行身份编码,具体是在类别维度、特征维度和属性维度分别对所述豢养物进行身份编码,最终将这三个编码维度的编码段以拼接的方式整合为身份编码序列,以此实现对所述豢养物的身份编码。
具体实施时,首先在类别维度对所述豢养物进行身份编码,具体是按照豢养物的生物特征信息的生物特征类型对所述生物特征信息进行特征识别,并进一步根据特征识别结果确定所述豢养物的属性类别。为了增强特征识别的准确性,以此来提升根据所述特征识别结果确定的所述豢养物的属性类别的有效性,本实施例提供的一种可选实施方式中,结合不同特征类型的特性信息进行特征识别和属性类别确定,具体采用如下方式实现:
1)按照所述生物特征信息包含的声音特征信息的声音特征类型,对所述声音特征信息进行声音特征识别,根据声音特征识别结果确定所述豢养物的种类;
2)按照所述生物特征信息包含的图像特征信息的图像特征类型,对所述图像特征信息进行图像特征识别,根据图像识别结果确定所述豢养物在所述种类下的品种;
3)通过将所述生物特征信息包含的声音特征信息和/或图像特征信息输入所述品种的性别检测模型进行类别检测,输出所述豢养物在所述种类下的性别。
例如,在对宠物进行身份编码的过程中,预先采集的该宠物的特征信息有该宠物的叫声声纹信息以及该宠物的全身照、正脸照和鼻纹照,其中叫声声纹信息为声音类型的特征信息,全身照、正脸照和鼻纹照为图像类型的特征信息;
首先,按照特征信息中包含的声音类型的特征信息(叫声声纹信息),对该宠物的叫声声纹信息进行声纹特征识别,声纹特征识别结果表明叫声声纹为犬类宠物的叫声,则根据声纹特征识别结果确定该宠物的种类为犬类;
然后,按照特征信息中包含的图像类型的特征信息(全身照),对该宠物的全身照进行图像特征识别,图像特征识别结果表明该宠物身体上斑点形状和颜色与牧羊犬的身体上斑点形状和颜色的相似度最高,则根据图像特征识别结果确定该宠物在犬类下的品种为牧羊犬;
最后,将该宠物的叫声声纹信息以及该宠物的全身照、正脸照和鼻纹照输入预先训练的性别检测模型进行性别检测,该性别检测模型用于根据输入的特征信息检测宠物的性别,经性别检测模型检测后输出该宠物的性别为母。
步骤S304,对所述豢养物的属性类别进行编码,获得类别编码段。
上述步骤S302确定所述豢养物的属性类别之后,在此,对所述豢养物的属性类别进行编码,获得类别编码段。本实施例提供的一种可选实施方式中,在编码过程中结合所述豢养物在各个级别的属性类别进行编码,以此提升类别维度下身份编码的有效性,具体采用如下方式对所述豢养物的属性类别进行编码:
根据预先配置的属性类别与编码映射关系,在所述属性类别与编码映射关系中查找所述种类映射的种类编码值,并在所述种类映射的编码范围下查找所述品种映射的品种编码值,以及在所述品种映射的编码范围下查找所述性别映射的性别编码值;
将属性类别级别最高的种类编码值作为头部,按照属性类别级别从高到低的顺序,依次对各个级别的属性类别映射的编码值进行拼接,获得所述类别编码段。
沿用上例,根据预先配置的宠物属性类别与编码映射关系表,在宠物属性类别与编码映射关系表中查找犬类宠物(一级属性类别)映射的编码值,查找结果为犬类宠物映射的编码值为“02”;
进一步,在宠物属性类别与编码映射关系表中犬类宠物映射的编码范围内,查找牧羊犬(二级属性类别)映射的编码值,查找结果为牧羊犬映射的编码值为“334”;
更进一步,在宠物属性类别与编码映射关系表中牧羊犬映射的编码范围内,查找宠物性别为母时映射的编码值,查找结果为宠物性别为母时映射的编码值为“2”;
在查找到性别为母的牧羊犬映射的编码值之后,将犬类宠物映射的编码值“02”作为头部,然后依次将牧羊犬映射的编码值“334”和性别为母时映射的编码值“2”与头部进行拼接,拼接完成后获得的性别为母的牧羊犬的类别编码段为“023342”。
步骤S306,对所述生物特征信息中提取的生物特征进行向量化处理,获得生物特征向量。
具体实施时,在特征维度对所述豢养物进行身份编码的过程中,由于所述豢养物的特征复杂性,对特征的提取和处理过程往往较为繁杂,在此通过对所述特征信息中提取的生物特征进行向量化处理的方式来提升特征提取和处理的效率,最终利用获得的特征向量在特征维度对所述豢养物进行身份编码。本实施例提供的一种可选实施方式中,对所述特征信息中提取的生物特征进行向量化处理,具体采用如下方式实现:
检测并提取所述生物特征信息包含的图像特征信息中的身份标识特征,作为所述生物特征;
对所述身份标识特征进行向量化处理,获得所述生物特征向量。
例如,在对宠物进行身份编码的过程中,预先采集的该宠物的特征信息有该宠物的叫声声纹信息以及该宠物的全身照、正脸照和鼻纹照,对于这其中表征宠物生物特征的鼻纹照,首先检测鼻纹照中包含的鼻纹特征,并提取检测到的鼻纹特征,然后对提取的鼻纹特征进行向量化处理,获得鼻纹特征向量Vector。
步骤S308,对所述生物特征向量进行编码,获得所述生物特征对应的生物特征编码段。
上述步骤S306对所述特征信息中提取的生物特征进行向量化处理,获得所述生物特征向量之后,本步骤中,通过对所述生物特征向量进行编码来实现特征维度对所述豢养物进行身份编码,具体编码过程如下:
利用向量编码算法对所述生物特征向量进行量化编码,获得向量编码;
对所述向量编码进行编码转换,获得所述生物特征编码段,并建立所述生物特征编码段与所述生物特征的对应关系。
上例中对宠物的鼻纹照中提取的鼻纹特征进行向量化处理之后获得的鼻纹特征向量为Vector,在此基础上,采用向量编码算法对鼻纹特征向量Vector进行量化编码,编码结果为32位的向量编码,然后采用编码压缩或者采样的方式对向量编码进行编码转换,获得6位的生物特征编码段“100008”,生物特征编码段“100008”即为表征该宠物的鼻纹特征的编码段,并通过建立生物特征编码段“100008”与该宠物的鼻纹特征之间的对应关系,以此实现6位的生物特征编码段“100008”对宠物的生物特征的表示。
本步骤中,首先通过步骤S302和步骤S304在类别维度对所述豢养物进行身份编码,其次通过步骤S306和步骤S308在特征维度对所述豢养物进行身份编码,需要说明的是,对所述豢养物的编码顺序并不限于此,还可以先在特征维度对所述豢养物进行身份编码,其次在类别维度对所述豢养物进行身份编码;或者,采用并行处理方式在类别维度和特征维度对所述豢养物进行身份编码,具体实现参照上述步骤S302步骤S308即可,在此不再一一赘述。
步骤S310,对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列。
除步骤S302至步骤S308实现在类别维度和特征维度对所述豢养物的身份编码之外,还需在属性维度对所述豢养物进行身份编码,具体采用如下方式实现:
获取预先提交的所述豢养物从属的豢养方的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列;
对预先提交的所述豢养物的年龄属性进行编码,获得年龄属性编码段;
将所述位置标识子序列与所述年龄属性编码段进行拼接,获得所述属性编码段。
如上所述,在属性维度对所述豢养物的身份编码,依赖于所述豢养物从属的豢养方的身份标识序列,相应的,所述豢养物在属性维度进行的身份编码的准确性同样依赖于所述豢养方的身份标识序列是否准确或者是否有效,本实施例提供的一种可选实施方式中,为提升所述豢养方的身份标识序列的准确性和有效性,在属性维度对所述豢养物进行身份编码的过程中,对所述豢养方的身份标识序列进行有效性验证,具体采用如下方式进行有效性验证:
1)获取所述豢养物的地理位置信息,并基于预设的地理位置与编码对应关系查找所述地理位置信息对应的位置编码;
2)判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致;
若是,表明对所述豢养物从属的豢养方的身份标识序列进行的有效性验证通过,执行所述将所述位置标识子序列与所述属性编码段进行拼接,获得所述属性编码段子步骤;
若否,进一步对所述豢养物从属的豢养方的身份标识序列进行有效性验证,具体实现如下:
(a)从所述特征信息包含的图像特征信息中提取所述豢养物从属的豢养方的身份标识特征;
(b)判断所述身份标识特征与所述身份标识序列对应的身份信息中记录的身份标识图像的相似度是否大于预设相似度阈值;
若是,表明所述豢养方的身份标识序列与所述豢养方相吻合,对预先提交的所述豢养物的年龄属性进行编码,获得年龄属性编码段;
将所述位置编码与所述年龄属性编码段进行拼接,获得所述属性编码段;
若否,表明所述豢养物从属的豢养方的身份标识序列的有效性验证未通过,发出重新录入所述身份标识序列的提醒。
例如,在对宠物进行身份编码的过程中,首先获取预先提交的宠物所属的宠物主人的身份证号,并提取身份证号中包含的位置标识子序列(即:身份证前6位用于标识宠物主人地址的号码段“340827”);
然后获取宠物的地理位置信息,并确定宠物的地理位置信息对应的位置编码,并判断该位置编码是否与宠物主人的身份证号中包含的位置标识子序列是否一致;
如果不一致,则从宠物的特征信息包含的人宠合照中提取宠物所属的宠物主人的头像特征,并通过判断预先提交的宠物主人的身份证号与宠物主人的头像特征对应的身份证号是否一致,来对宠物主人的身份有效性进行验证,如果一致,则对预先提交的宠物的出生日期“2010年01月19日”进行编码,获得出生日期编码段“20100119”,并将位置标识子序列“340827”与出生日期编码段“20100119”进行拼接,拼接完成后获得宠物的属性编码段“34082720100119”。
上述在类别维度、特征维度以及属性维度这三个维度对所述豢养物的身份编码之后,对于类别维度进行编码获得的所述类别编码段、特征维度进行编码获得的所述生物特征编码段以及属性维度进行编码获得的所述属性编码段进行拼接,获得所述豢养物的身份编码序列。
为了提升所述身份编码序列的拼接效率,本实施例提供的一种可选实施方式中,按照所述类别编码段、所述生物特征编码段和所述属性编码段的编码拼接顺序,依次对所述类别编码段、所述生物特征编码段和所述属性编码段进行拼接,拼接完成后获得所述身份编码序列。
沿用上例,对于上述在类别维度对宠物进行编码获得的类别编码段为“023342”,在特征维度对宠物进行编码获得的生物特征编码段“100008”,以及在属性维度对宠物进行编码获得的属性编码段“34082720100119”,按照“属性维度->类别维度->特征维度”这一编码拼接顺序对属性编码段、类别编码段、生物特征编码段进行拼接,拼接之后获得的身份编码序列为“34082720100119023342100008”。
实际应用中,对所述豢养物进行身份编码获得所述豢养物的身份编码序列之后,还可以基于所述豢养物的身份编码序列、所述豢养物的属性信息以及所述特征信息包含的图像特征信息,创建所述豢养物的身份信息,比如基于宠物的身份编码序列创建宠物的宠物身份证,从而将所述豢养物的身份编码序列应用到具体场景中,有利于所述豢养物的身份编码方式的应用。
综上所述,所述豢养物身份编码方法,通过对豢养物属性类别进行编码的方式实现类别维度对豢养物的身份编码,并通过对向量化处理之后的特征进行编码的方式实现特征维度对豢养物的身份编码,以及通过对豢养物的属性信息进行编码的方式实现属性维度对豢养物的身份编码,最后将各个维度进行编码获得的编码段进行拼接以获得豢养物的身份编码序列,提升了豢养物的身份编码的准确性和有效性,从而更有利于豢养物的身份编码体系的推广和应用。
本说明书提供的一种豢养物身份编码装置实施例如下:
在上述的实施例中,提供了一种豢养物身份编码方法,与之相对应的,还提供了一种豢养物身份编码装置,下面结合附图进行说明。
参照附图4,其示出了本实施例提供的一种豢养物身份编码装置的示意图。
由于装置实施例对应于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本说明书提供一种豢养物身份编码装置,包括:
属性类别确定模块402,被配置为按照豢养物的生物特征信息的生物特征类型对所述生物特征信息进行特征识别,根据识别结果确定所述豢养物的属性类别;
属性类别编码模块404,被配置为对所述豢养物的属性类别进行编码,获得类别编码段;
向量化处理模块406,被配置为对所述生物特征信息中提取的生物特征进行向量化处理,获得生物特征向量;
生物特征编码模块408,被配置为对所述生物特征向量进行编码,获得所述生物特征对应的生物特征编码段;
编码拼接模块410,被配置为对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列。
可选的,所述属性类别确定模块402,包括:
种类确定子模块,被配置为按照所述生物特征信息包含的声音特征信息的声音特征类型,对所述声音特征信息进行声音特征识别,根据声音特征识别结果确定所述豢养物的种类;
品种确定子模块,被配置为按照所述生物特征信息包含的图像特征信息的图像特征类型,对所述图像特征信息进行图像特征识别,根据图像识别结果确定所述豢养物在所述种类下的品种;
性别确定子模块,被配置为通过将所述生物特征信息包含的声音特征信息和/或图像特征信息输入所述品种的性别检测模型进行类别检测,输出所述豢养物在所述种类下的性别。
可选的,所述属性类别编码模块404,包括:
查找子模块,被配置为根据预先配置的属性类别与编码映射关系,在所述属性类别与编码映射关系中查找所述种类映射的种类编码值,并在所述种类映射的编码范围下查找所述品种映射的品种编码值,以及在所述品种映射的编码范围下查找所述性别映射的性别编码值;
类别编码拼接子模块,被配置为将属性类别级别最高的种类编码值作为头部,按照属性类别级别从高到低的顺序,依次对各个级别的属性类别映射的编码值进行拼接,获得所述类别编码段。
可选的,所述向量化处理模块406,包括:
检测提取子模块,被配置为检测并提取所述生物特征信息包含的图像特征信息中的身份标识特征,作为所述生物特征;
向量化处理子模块,被配置为对所述身份标识特征进行向量化处理,获得所述生物特征向量;
相应的,所述生物特征编码模块408,包括:
量化编码子模块,被配置为利用向量编码算法对所述生物特征向量进行量化编码,获得向量编码;
编码转换子模块,被配置为对所述向量编码进行编码转换,获得所述生物特征编码段,并建立所述生物特征编码段与所述生物特征的对应关系。
可选的,所述属性编码段通过运行如下子模块进行编码:
位置标识子序列提取子模块,被配置为获取预先提交的所述豢养物从属的豢养方的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列;
年龄属性编码子模块,被配置为对预先提交的所述豢养物的年龄属性进行编码,获得属性编码段;
属性编码段拼接子模块,被配置为将所述位置标识子序列与所述属性编码段进行拼接,获得所述属性编码段。
可选的,所述属性编码段还通过运行如下子模块进行编码:
位置编码查找子模块,被配置为获取所述豢养物的地理位置信息,并基于预设的地理位置与编码对应关系查找所述地理位置信息对应的位置编码;
位置编码判断子模块,被配置为判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致;
若是,运行所述属性编码段拼接子模块。
可选的,若所述位置编码判断子模块运行后输出的判断结果为否,运行如下子模块:
提取子模块,被配置为从所述特征信息包含的图像特征信息中提取所述豢养物从属的豢养方的身份标识特征;
身份标识特征判断子模块,被配置为判断所述身份标识特征与所述身份标识序列对应的身份信息中记录的身份标识图像的相似度是否大于预设相似度阈值;
若是,运行编码子模块和拼接子模块;
所述编码子模块,被配置为对预先提交的所述豢养物的年龄属性进行编码,获得年龄属性编码段;
所述拼接子模块,被配置为将所述位置编码与所述年龄属性编码段进行拼接,获得所述属性编码段。
可选的,所述豢养物身份编码装置,包括:
按照所述类别编码段、所述生物特征编码段和所述属性编码段的编码拼接顺序,依次对所述类别编码段、所述生物特征编码段和所述属性编码段进行拼接,拼接完成后获得所述身份编码序列。
可选的,所述豢养物身份编码装置,包括:
身份信息创建模块,被配置为基于所述豢养物的身份编码序列、所述豢养物的属性信息以及所述生物特征信息包含的图像特征信息,创建所述豢养物的身份信息。
本说明书提供的一种计算设备实施例如下:
图5是示出了根据本说明书一个实施例提供的计算设备500的结构框图。该计算设备500的部件包括但不限于存储器510和处理器520。处理器520与存储器510通过总线530相连接,数据库550用于保存数据。
计算设备500还包括接入设备540,接入设备540使得计算设备500能够经由一个或多个网络560通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备540可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备500的上述部件以及图5中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图5所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备500可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备500还可以是移动式或静止式的服务器。
本说明书提供一种计算设备,包括存储器510、处理器520及存储在存储器上并可在处理器上运行的计算机指令,所述处理器520用于执行如下计算机可执行指令:
按照目标对象的特征信息的特征类型对所述特征信息进行特征识别,并根据特征识别结果确定所述目标对象的属性类别;
对所述目标对象的属性类别进行编码,获得第一编码段;
对所述特征信息中提取的对象特征进行向量化处理,获得特征向量;
对所述特征向量进行编码,获得所述对象特征对应的第二编码段;
对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列。
本说明书提供的另一种计算设备实施例如下:
图6是示出了根据本说明书一个实施例提供的计算设备600的结构框图。该计算设备600的部件包括但不限于存储器610和处理器620。处理器620与存储器610通过总线630相连接,数据库650用于保存数据。
计算设备600还包括接入设备640,接入设备640使得计算设备600能够经由一个或多个网络660通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备640可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备600的上述部件以及图6中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图6所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备600可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备600还可以是移动式或静止式的服务器。
本说明书提供一种计算设备,包括存储器610、处理器620及存储在存储器上并可在处理器上运行的计算机指令,所述处理器620用于执行如下计算机可执行指令:
按照豢养物的生物特征信息的生物特征类型对所述生物特征信息进行特征识别,根据识别结果确定所述豢养物的属性类别;
对所述豢养物的属性类别进行编码,获得类别编码段;
对所述生物特征信息中提取的生物特征进行向量化处理,获得生物特征向量;
对所述生物特征向量进行编码,获得所述生物特征对应的生物特征编码段;
对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列。
本说明书提供的一种计算机可读存储介质实施例如下:
本说明书一个实施例提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现所述身份编码方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的身份编码方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述身份编码方法的技术方案的描述。
本说明书提供的另一种计算机可读存储介质实施例如下:
本说明书一个实施例提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现所述豢养物身份编码方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的豢养物身份编码方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述豢养物身份编码方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,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,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。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,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中,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,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书实施例的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书实施例的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (20)
1.一种身份编码方法,包括:
按照目标对象的特征信息的特征类型对所述特征信息进行特征识别,并根据特征识别结果确定所述目标对象的属性类别,其中,所述特征信息包括图像特征信息和/或声音特征信息;
对所述目标对象在各个级别的属性类别进行编码,获得第一编码段;
对所述特征信息中提取的对象特征进行向量化处理,获得特征向量,其中,所述对象特征包括身份标识特征;
对所述特征向量进行编码,获得所述对象特征对应的第二编码段;
对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列;
其中,所述第三编码段采用如下方式进行编码:
获取预先提交的所述目标对象从属的主体对象的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列;
对预先提交的所述目标对象的对象属性进行编码,获得属性编码段;
获取所述目标对象的地理位置信息,并基于预设的地理位置与编码对应关系查找所述地理位置信息对应的位置编码;
判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致;
若是,将所述位置标识子序列与所述属性编码段进行拼接,获得所述第三编码段。
2.根据权利要求1所述的身份编码方法,所述按照目标对象的特征信息的特征类型对所述特征信息进行特征识别,并根据特征识别结果确定所述目标对象的属性类别,包括:
按照所述特征信息包含的声音特征信息的声音特征类型,对所述声音特征信息进行声音特征识别,根据声音特征识别结果确定所述目标对象的一级属性类别;
按照所述特征信息包含的图像特征信息的图像特征类型,对所述图像特征信息进行图像特征识别,根据图像识别结果确定所述目标对象在所述一级属性类别下的二级属性类别;
通过将所述特征信息包含的声音特征信息和/或图像特征信息输入所述二级属性类别的类别检测模型进行类别检测,输出所述目标对象在所述二级属性类别下的三级属性类别。
3.根据权利要求2所述的身份编码方法,所述对所述目标对象的属性类别进行编码,获得第一编码段,包括:
根据预先配置的属性类别与编码映射关系,在所述属性类别与编码映射关系中查找所述一级属性类别映射的一级类别编码值,并在所述一级属性类别映射的编码范围下查找所述二级属性类别映射的二级类别编码值,以及在所述二级属性类别映射的编码范围下查找所述三级属性类别映射的三级类别编码值;
将属性类别级别最高的一级类别编码值作为头部,按照属性类别级别从高到低的顺序,依次对各个级别的属性类别映射的编码值进行拼接,获得所述第一编码段。
4.根据权利要求1所述的身份编码方法,所述对所述特征信息中提取的对象特征进行向量化处理,获得特征向量,包括:
检测并提取所述特征信息包含的图像特征信息中的身份标识特征,作为所述对象特征;
对所述身份标识特征进行向量化处理,获得所述特征向量;
相应的,所述对所述特征向量进行编码,获得所述对象特征对应的第二编码段,包括:
利用向量编码算法对所述特征向量进行量化编码,获得向量编码;
对所述向量编码进行编码转换,获得所述第二编码段,并建立所述第二编码段与所述对象特征的对应关系。
5.根据权利要求1所述的身份编码方法,若所述判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致子步骤执行后的判断结果为否,执行如下操作:
从所述特征信息包含的图像特征信息中提取所述目标对象从属的主体对象的身份标识特征;
判断所述身份标识特征与所述身份标识序列对应的身份信息中记录的身份标识图像的相似度是否大于预设相似度阈值;
若是,对预先提交的所述目标对象的对象属性进行编码,获得属性编码段;
将所述位置编码与所述属性编码段进行拼接,获得所述第三编码段。
6.根据权利要求5所述的身份编码方法,所述对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列,包括:
按照所述第一编码段、所述第二编码段和所述第三编码段的编码拼接顺序,依次对所述第一编码段、所述第二编码段和所述第三编码段进行拼接,拼接完成后获得所述身份编码序列。
7.根据权利要求1至6任意一项所述的身份编码方法,所述对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列步骤执行之后,包括:
基于所述目标对象的身份编码序列、所述目标对象的属性信息以及所述特征信息包含的图像特征信息,创建所述目标对象的对象身份信息。
8.一种身份编码装置,包括:
属性类别确定模块,被配置为按照目标对象的特征信息的特征类型对所述特征信息进行特征识别,并根据特征识别结果确定所述目标对象的属性类别,其中,所述特征信息包括图像特征信息和/或声音特征信息;
第一编码模块,被配置为对所述目标对象在各个级别的属性类别进行编码,获得第一编码段;
向量化处理模块,被配置为对所述特征信息中提取的对象特征进行向量化处理,获得特征向量,其中,所述对象特征包括身份标识特征;
第二编码模块,被配置为对所述特征向量进行编码,获得所述对象特征对应的第二编码段;
编码拼接模块,被配置为对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列;
其中,所述第三编码段通过运行如下子模块进行编码:
位置标识子序列提取子模块,被配置为获取预先提交的所述目标对象从属的主体对象的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列;
对象属性编码子模块,被配置为对预先提交的所述目标对象的对象属性进行编码,获得属性编码段;
位置编码查找子模块,被配置为获取所述目标对象的地理位置信息,并基于预设的地理位置与编码对应关系查找所述地理位置信息对应的位置编码;
位置编码判断子模块,被配置为判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致;若是,将所述位置标识子序列与所述属性编码段进行拼接,获得所述第三编码段。
9.一种豢养物身份编码方法,包括:
按照豢养物的生物特征信息的生物特征类型对所述生物特征信息进行特征识别,根据识别结果确定所述豢养物的属性类别,其中,所述生物特征信息包括声音特征信息和/或图像特征信息;
对所述豢养物在各个级别的属性类别进行编码,获得类别编码段;
对所述生物特征信息中提取的生物特征进行向量化处理,获得生物特征向量,其中,所述生物特征包括身份标识特征;
对所述生物特征向量进行编码,获得所述生物特征对应的生物特征编码段;
对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列;
其中,所述属性编码段采用如下方式进行编码:
获取预先提交的所述豢养物从属的豢养方的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列;
对预先提交的所述豢养物的年龄属性进行编码,获得年龄属性编码段;
获取所述豢养物的地理位置信息,并基于预设的地理位置与编码对应关系查找所述地理位置信息对应的位置编码;
判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致;
若是,将所述位置标识子序列与所述年龄属性编码段进行拼接,获得所述属性编码段。
10.根据权利要求9所述的豢养物身份编码方法,所述按照豢养物的生物特征信息的生物特征类型对所述生物特征信息进行特征识别,根据识别结果确定所述豢养物的属性类别,包括:
按照所述生物特征信息包含的声音特征信息的声音特征类型,对所述声音特征信息进行声音特征识别,根据声音特征识别结果确定所述豢养物的种类;
按照所述生物特征信息包含的图像特征信息的图像特征类型,对所述图像特征信息进行图像特征识别,根据图像识别结果确定所述豢养物在所述种类下的品种;
通过将所述生物特征信息包含的声音特征信息和/或图像特征信息输入所述品种的性别检测模型进行类别检测,输出所述豢养物在所述种类下的性别。
11.根据权利要求10所述的豢养物身份编码方法,所述对所述豢养物的属性类别进行编码,获得类别编码段,包括:
根据预先配置的属性类别与编码映射关系,在所述属性类别与编码映射关系中查找所述种类映射的种类编码值,并在所述种类映射的编码范围下查找所述品种映射的品种编码值,以及在所述品种映射的编码范围下查找所述性别映射的性别编码值;
将属性类别级别最高的种类编码值作为头部,按照属性类别级别从高到低的顺序,依次对各个级别的属性类别映射的编码值进行拼接,获得所述类别编码段。
12.根据权利要求9所述的豢养物身份编码方法,所述对所述生物特征信息中提取的生物特征进行向量化处理,获得生物特征向量,包括:
检测并提取所述生物特征信息包含的图像特征信息中的身份标识特征,作为所述生物特征;
对所述身份标识特征进行向量化处理,获得所述生物特征向量;
相应的,所述对所述生物特征向量进行编码,获得所述生物特征对应的生物特征编码段,包括:
利用向量编码算法对所述生物特征向量进行量化编码,获得向量编码;
对所述向量编码进行编码转换,获得所述生物特征编码段,并建立所述生物特征编码段与所述生物特征的对应关系。
13.根据权利要求9所述的豢养物身份编码方法,若所述判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致子步骤执行后的判断结果为否,执行如下操作:
从所述特征信息包含的图像特征信息中提取所述豢养物从属的豢养方的身份标识特征;
判断所述身份标识特征与所述身份标识序列对应的身份信息中记录的身份标识图像的相似度是否大于预设相似度阈值;
若是,对预先提交的所述豢养物的年龄属性进行编码,获得年龄属性编码段;
将所述位置编码与所述年龄属性编码段进行拼接,获得所述属性编码段。
14.根据权利要求13所述的豢养物身份编码方法,所述对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列,包括:
按照所述类别编码段、所述生物特征编码段和所述属性编码段的编码拼接顺序,依次对所述类别编码段、所述生物特征编码段和所述属性编码段进行拼接,拼接完成后获得所述身份编码序列。
15.根据权利要求9至14任意一项所述的豢养物身份编码方法,所述对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列步骤执行之后,包括:
基于所述豢养物的身份编码序列、所述豢养物的属性信息以及所述生物特征信息包含的图像特征信息,创建所述豢养物的身份信息。
16.一种豢养物身份编码装置,包括:
属性类别确定模块,被配置为按照豢养物的生物特征信息的生物特征类型对所述生物特征信息进行特征识别,根据识别结果确定所述豢养物的属性类别,其中,所述生物特征信息包括声音特征信息和/或图像特征信息;
属性类别编码模块,被配置为对所述豢养物在各个级别的属性类别进行编码,获得类别编码段;
向量化处理模块,被配置为对所述生物特征信息中提取的生物特征进行向量化处理,获得生物特征向量,其中,所述生物特征包括身份标识特征;
生物特征编码模块,被配置为对所述生物特征向量进行编码,获得所述生物特征对应的生物特征编码段;
编码拼接模块,被配置为对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列;
其中,所述属性编码段通过运行如下子模块进行编码:
位置标识子序列提取子模块,被配置为获取预先提交的所述豢养物从属的豢养方的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列;
年龄属性编码子模块,被配置为对预先提交的所述豢养物的年龄属性进行编码,获得属性编码段;
位置编码查找子模块,被配置为获取所述豢养物的地理位置信息,并基于预设的地理位置与编码对应关系查找所述地理位置信息对应的位置编码;
位置编码判断子模块,被配置为判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致;若是,将所述位置标识子序列与所述属性编码段进行拼接,获得所述属性编码段。
17.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
按照目标对象的特征信息的特征类型对所述特征信息进行特征识别,并根据特征识别结果确定所述目标对象的属性类别,其中,所述特征信息包括图像特征信息和/或声音特征信息;
对所述目标对象在各个级别的属性类别进行编码,获得第一编码段;
对所述特征信息中提取的对象特征进行向量化处理,获得特征向量,其中,所述对象特征包括身份标识特征;
对所述特征向量进行编码,获得所述对象特征对应的第二编码段;
对所述第一编码段、所述第二编码段以及对所述目标对象的属性信息进行编码后获得的第三编码段进行拼接,获得所述目标对象的身份编码序列;
其中,所述第三编码段采用如下方式进行编码:
获取预先提交的所述目标对象从属的主体对象的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列;
对预先提交的所述目标对象的对象属性进行编码,获得属性编码段;
获取所述目标对象的地理位置信息,并基于预设的地理位置与编码对应关系查找所述地理位置信息对应的位置编码;
判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致;
若是,将所述位置标识子序列与所述属性编码段进行拼接,获得所述第三编码段。
18.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
按照豢养物的生物特征信息的生物特征类型对所述生物特征信息进行特征识别,根据识别结果确定所述豢养物的属性类别,其中,所述生物特征信息包括声音特征信息和/或图像特征信息;
对所述豢养物在各个级别的属性类别进行编码,获得类别编码段;
对所述生物特征信息中提取的生物特征进行向量化处理,获得生物特征向量,其中,所述生物特征包括身份标识特征;
对所述生物特征向量进行编码,获得所述生物特征对应的生物特征编码段;
对所述类别编码段、所述生物特征编码段以及对所述豢养物的属性信息进行编码后获得的属性编码段进行拼接,获得所述豢养物的身份编码序列;
其中,所述属性编码段采用如下方式进行编码:
获取预先提交的所述豢养物从属的豢养方的身份标识序列,并提取所述身份标识序列中包含的位置标识子序列;
对预先提交的所述豢养物的年龄属性进行编码,获得年龄属性编码段;
获取所述豢养物的地理位置信息,并基于预设的地理位置与编码对应关系查找所述地理位置信息对应的位置编码;
判断所述地理位置信息对应的位置编码与所述位置标识子序列是否一致;
若是,将所述位置标识子序列与所述年龄属性编码段进行拼接,获得所述属性编码段。
19.一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现权利要求1至7任意一项所述身份编码方法的步骤。
20.一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现权利要求9至15任意一项所述豢养物身份编码方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911168383.2A CN110705528B (zh) | 2019-11-25 | 2019-11-25 | 身份编码方法及装置、豢养物身份编码方法及装置 |
CN202210662491.0A CN115019406A (zh) | 2019-11-25 | 2019-11-25 | 身份编码方法及装置、豢养物身份编码方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911168383.2A CN110705528B (zh) | 2019-11-25 | 2019-11-25 | 身份编码方法及装置、豢养物身份编码方法及装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210662491.0A Division CN115019406A (zh) | 2019-11-25 | 2019-11-25 | 身份编码方法及装置、豢养物身份编码方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110705528A CN110705528A (zh) | 2020-01-17 |
CN110705528B true CN110705528B (zh) | 2022-07-05 |
Family
ID=69206719
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210662491.0A Pending CN115019406A (zh) | 2019-11-25 | 2019-11-25 | 身份编码方法及装置、豢养物身份编码方法及装置 |
CN201911168383.2A Active CN110705528B (zh) | 2019-11-25 | 2019-11-25 | 身份编码方法及装置、豢养物身份编码方法及装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210662491.0A Pending CN115019406A (zh) | 2019-11-25 | 2019-11-25 | 身份编码方法及装置、豢养物身份编码方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN115019406A (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111339193B (zh) * | 2020-02-21 | 2023-06-27 | 腾讯云计算(北京)有限责任公司 | 类别的编码方法及装置 |
CN111611449B (zh) * | 2020-05-08 | 2023-08-29 | 百度在线网络技术(北京)有限公司 | 信息编码方法、装置、电子设备及计算机可读存储介质 |
CN111831843A (zh) * | 2020-06-11 | 2020-10-27 | 广东工业大学 | 一种基于区块链的动物身份管理方法和系统 |
CN111967225B (zh) * | 2020-08-20 | 2023-10-27 | 深圳数智慧科技有限公司 | 指标编码方法、装置及可读存储介质 |
CN112785388A (zh) * | 2021-01-15 | 2021-05-11 | 珠海必要工业科技股份有限公司 | 衍生对象创建方法、装置及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592158A (zh) * | 2011-01-11 | 2012-07-18 | 郝明学 | 用于全球宠物及其他人工饲养动物的身份证编码方法 |
CN108681611A (zh) * | 2018-06-04 | 2018-10-19 | 北京竞时互动科技有限公司 | 宠物管理方法和系统 |
CN109493873A (zh) * | 2018-11-13 | 2019-03-19 | 平安科技(深圳)有限公司 | 牲畜声纹识别方法、装置、终端设备及计算机存储介质 |
KR20190041775A (ko) * | 2017-10-13 | 2019-04-23 | 주식회사 테오아 | 반려동물의 비문을 이용한 신원등록 및 확인방법 |
CN109948458A (zh) * | 2019-02-25 | 2019-06-28 | 广东智媒云图科技股份有限公司 | 基于鼻纹的宠物身份识别方法、装置、设备及存储介质 |
WO2019143714A1 (en) * | 2018-01-16 | 2019-07-25 | Habi, Inc. | Methods and systems for pet wellness platform |
-
2019
- 2019-11-25 CN CN202210662491.0A patent/CN115019406A/zh active Pending
- 2019-11-25 CN CN201911168383.2A patent/CN110705528B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592158A (zh) * | 2011-01-11 | 2012-07-18 | 郝明学 | 用于全球宠物及其他人工饲养动物的身份证编码方法 |
KR20190041775A (ko) * | 2017-10-13 | 2019-04-23 | 주식회사 테오아 | 반려동물의 비문을 이용한 신원등록 및 확인방법 |
WO2019143714A1 (en) * | 2018-01-16 | 2019-07-25 | Habi, Inc. | Methods and systems for pet wellness platform |
CN108681611A (zh) * | 2018-06-04 | 2018-10-19 | 北京竞时互动科技有限公司 | 宠物管理方法和系统 |
CN109493873A (zh) * | 2018-11-13 | 2019-03-19 | 平安科技(深圳)有限公司 | 牲畜声纹识别方法、装置、终端设备及计算机存储介质 |
CN109948458A (zh) * | 2019-02-25 | 2019-06-28 | 广东智媒云图科技股份有限公司 | 基于鼻纹的宠物身份识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110705528A (zh) | 2020-01-17 |
CN115019406A (zh) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705528B (zh) | 身份编码方法及装置、豢养物身份编码方法及装置 | |
US10445562B2 (en) | AU feature recognition method and device, and storage medium | |
CN109446302B (zh) | 基于机器学习的问答数据处理方法、装置和计算机设备 | |
CN110929650B (zh) | 豢养物身份识别方法、装置、计算设备、可读存储介质 | |
CN110059320B (zh) | 实体关系抽取方法、装置、计算机设备和存储介质 | |
CN110276067B (zh) | 文本意图确定方法以及装置 | |
CN110472688A (zh) | 图像描述的方法及装置、图像描述模型的训练方法及装置 | |
CN111192153B (zh) | 人群关系网络构建方法、装置、计算机设备和存储介质 | |
CN110728244B (zh) | 豢养物身份信息采集的引导方法以及装置 | |
CN112071300B (zh) | 语音会话方法、装置、计算机设备和存储介质 | |
CN112214748A (zh) | 身份识别系统、方法以及装置 | |
CN112632248A (zh) | 问答方法、装置、计算机设备和存储介质 | |
CN113127667A (zh) | 图像处理方法及装置、图像分类方法及装置 | |
Liu et al. | Joint graph learning and matching for semantic feature correspondence | |
CN110737885A (zh) | 豢养物的身份认证方法及装置 | |
CN110752027A (zh) | 电子病历数据推送方法、装置、计算机设备和存储介质 | |
CN112651333B (zh) | 静默活体检测方法、装置、终端设备和存储介质 | |
CN110909683B (zh) | 基于保障项目的保障核验方法以及装置 | |
CN110704646A (zh) | 一种豢养物档案建立方法及装置 | |
CN108460811B (zh) | 面部图像处理方法、装置及计算机设备 | |
CN113743129B (zh) | 基于神经网络的信息推送方法、系统、设备及介质 | |
CN115248843A (zh) | 辅助生成笔录的方法、装置和笔录生成系统 | |
CN111079013B (zh) | 一种基于推荐模型的信息推荐方法及装置 | |
CN110175624B (zh) | 项目准入审核方法以及装置 | |
CN110705512A (zh) | 豢养物身份特征检测方法以及装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211220 Address after: Room 610, floor 6, No. 618, Wai Road, Huangpu District, Shanghai 200010 Applicant after: Ant Shengxin (Shanghai) Information Technology Co.,Ltd. Address before: 801-11, Section B, 8th floor, 556 Xixi Road, Xihu District, Hangzhou City, Zhejiang Province, 310013 Applicant before: Alipay (Hangzhou) Information Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |