CN111191612B - 视频图像匹配方法、装置、终端设备及可读存储介质 - Google Patents
视频图像匹配方法、装置、终端设备及可读存储介质 Download PDFInfo
- Publication number
- CN111191612B CN111191612B CN201911425839.9A CN201911425839A CN111191612B CN 111191612 B CN111191612 B CN 111191612B CN 201911425839 A CN201911425839 A CN 201911425839A CN 111191612 B CN111191612 B CN 111191612B
- Authority
- CN
- China
- Prior art keywords
- image
- vector
- matched
- target
- matching
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
Abstract
本申请适用于视频处理技术领域,提供了一种视频图像匹配方法、装置、终端设备及可读存储介质,所述方法包括:获取待匹配图像的目标特征向量,根据目标特征向量中的目标类型和向量维度,为目标特征向量分配相对应的硬件处理资源;通过硬件处理资源将目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到待匹配图像与待查找图像之间的匹配结果。通过预先设置不同类型的硬件处理资源,可以根据目标特征向量中的目标类型和向量维度,为目标特征向量分配相匹配的硬件处理资源,避免了目标特征向量与服务器能够处理的特征向量不匹配、服务器无法进行匹配计算的情况,降低了服务器的维护成本,提高了视频图像匹配的灵活性。
Description
技术领域
本申请属于视频处理技术领域,尤其涉及一种视频图像匹配方法、装置、终端设备及可读存储介质。
背景技术
随着科学技术的不断发展,人脸识别已经广泛应用在支付、门禁以及安防等领域。而在对特定人群进行实时布控的过程中,可以基于固有的视频网进行人脸识别。
固有的视频网包括服务器和多个视频图像采集设备,服务器与每个视频图像采集设备连接。多个视频图像采集设备均设置在特定场景的不同位置,用于采集不同位置的视频图像。而服务器则可以根据预先设置的软件系统,对多个视频图像采集设备采集的视频图像与预先记录的待查找图像进行匹配识别,查找得到与待查找图像类似的视频图像,从而可以根据视频图像采集设备确定待查找图像所对应的用户所在的位置,实现实时布控。
但是,若视频图像采集设备发生变化,对视频图像采集设备所采集的图像进行特征提取后得到的特征向量,可能与服务器用于布控的软件系统不匹配,则需要对软件系统进行更新,使得软件系统与特征向量的相匹配,造成维护成本过高的问题。
发明内容
本申请实施例提供了一种视频图像匹配方法、装置、终端设备及可读存储介质,可以解决对服务器的软件系统进行维护导致成本过高的问题。
第一方面,本申请实施例提供了一种视频图像匹配方法,所述方法包括:
获取待匹配图像的目标特征向量,所述目标特征向量包括目标类型和向量维度,所述目标类型用于指示所述待匹配图像对应的类型,所述向量维度用于指示所述目标特征向量的属性;
根据所述目标特征向量中的所述目标类型和所述向量维度,为所述目标特征向量分配相对应的硬件处理资源;
通过所述硬件处理资源将所述目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到所述待匹配图像与所述待查找图像之间的匹配结果。
可选的,所述根据所述目标特征向量中的所述目标类型和所述向量维度,为所述目标特征向量分配相对应的硬件处理资源,包括:
根据预先设定的数据封装格式,对所述目标特征向量进行封装,得到标准特征数据;
根据所述标准特征数据中的所述目标类型和所述向量维度,为所述标准特征数据分配相对应的硬件处理资源;
所述通过所述硬件处理资源将所述目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到所述待匹配图像与所述待查找图像之间的匹配结果,包括:
通过所述硬件处理资源将所述标准特征数据与所述待查找特征向量进行匹配,得到所述待匹配图像与所述待查找图像之间的匹配结果。
可选的,所述根据预先设定的数据封装格式,对所述目标特征向量进行封装,得到标准特征数据,包括:
对所述目标特征向量进行特征提取,得到所述目标类型、向量参数值、所述向量维度和时空信息,所述时空信息用于指示拍摄所述待匹配图像的时刻和位置;
对所述目标类型、所述向量参数值、所述向量维度和所述时空信息进行封装,得到所述标准特征数据。
可选的,所述根据所述标准特征数据中的所述目标类型和所述向量维度,为所述标准特征数据分配相对应的硬件处理资源,包括:
根据所述标准特征数据中的所述目标类型,确定与所述目标类型对应的布控插件;
根据所述标准特征数据中的所述向量维度,通过所述布控插件为所述标准特征数据分配与所述向量维度相对应的所述硬件处理资源。
可选的,所述通过所述硬件处理资源将所述标准特征数据与所述待查找特征向量进行匹配,得到所述待匹配图像与所述待查找图像之间的匹配结果,包括:
通过所述硬件处理资源对所述标准特征数据进行特征提取,得到所述标准特征数据的向量参数值;
并行将所述向量参数值与预先记录的多个所述待查找特征向量进行匹配,得到多个初始匹配结果,每个所述初始匹配结果用于指示所述待匹配图像与各个所述待查找图像之间的相似度;
按照相似度对多个所述初始匹配结果进行排序,选取预设位置的初始匹配结果作为所述匹配结果。
可选的,所述并行将所述向量参数值与预先记录的多个所述待查找特征向量进行匹配,得到多个初始匹配结果,包括:
并行计算所述向量参数值与多个所述待查找特征向量之间的余弦距离,得到多个所述初始匹配结果。
可选的,所述按照相似度对多个所述初始匹配结果进行排序,选取预设位置的初始匹配结果作为所述匹配结果,包括:
根据多个所述初始匹配结果,生成匹配结果集合;
按照所述匹配结果集合中每个所述初始匹配结果所指示的相似度进行排序;
选取相似度最高的至少一个初始匹配结果作为所述匹配结果。
第二方面,本申请实施例提供了一种视频图像匹配装置,所述装置包括:
获取模块,用于获取待匹配图像的目标特征向量,所述目标特征向量包括目标类型和向量维度,所述目标类型用于指示所述待匹配图像对应的类型,所述向量维度用于指示所述目标特征向量的属性;
分配模块,用于根据所述目标特征向量中的所述目标类型和所述向量维度,为所述目标特征向量分配相对应的硬件处理资源;
匹配模块,用于通过所述硬件处理资源将所述目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到所述待匹配图像与所述待查找图像之间的匹配结果。
可选的,所述分配模块,还用于根据预先设定的数据封装格式,对所述目标特征向量进行封装,得到标准特征数据;根据所述标准特征数据中的所述目标类型和所述向量维度,为所述标准特征数据分配相对应的硬件处理资源;
所述匹配模块,还用于通过所述硬件处理资源将所述标准特征数据与所述待查找特征向量进行匹配,得到所述待匹配图像与所述待查找图像之间的匹配结果。
可选的,所述分配模块,还用于对所述目标特征向量进行特征提取,得到所述目标类型、向量参数值、所述向量维度和时空信息,所述时空信息用于指示拍摄所述待匹配图像的时刻和位置;对所述目标类型、所述向量参数值、所述向量维度和所述时空信息进行封装,得到所述标准特征数据。
可选的,所述分配模块,还用于根据所述标准特征数据中的所述目标类型,确定与所述目标类型对应的布控插件;根据所述标准特征数据中的所述向量维度,通过所述布控插件为所述标准特征数据分配与所述向量维度相对应的所述硬件处理资源。
可选的,所述匹配模块,还用于通过所述硬件处理资源对所述标准特征数据进行特征提取,得到所述标准特征数据的向量参数值;并行将所述向量参数值与预先记录的多个所述待查找特征向量进行匹配,得到多个初始匹配结果,每个所述初始匹配结果用于指示所述待匹配图像与各个所述待查找图像之间的相似度;按照相似度对多个所述初始匹配结果进行排序,选取预设位置的初始匹配结果作为所述匹配结果。
可选的,所述匹配模块,还用于并行计算所述向量参数值与多个所述待查找特征向量之间的余弦距离,得到多个所述初始匹配结果。
可选的,所述匹配模块,还用于根据多个所述初始匹配结果,生成匹配结果集合;按照所述匹配结果集合中每个所述初始匹配结果所指示的相似度进行排序;选取相似度最高的至少一个初始匹配结果作为所述匹配结果。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的视频图像匹配方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的视频图像匹配方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的视频图像匹配方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例通过获取待匹配图像的目标特征向量,并根据目标特征向量中的目标类型和向量维度,为目标特征向量分配相对应的硬件处理资源,再通过该硬件处理资源将目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到待匹配图像与待查找图像之间的匹配结果。通过预先设置不同类型的硬件处理资源,在得到目标特征向量后,可以根据目标特征向量中的目标类型和向量维度,为目标特征向量分配与目标类型相匹配的硬件处理资源,从而可以通过分配的硬件处理资源进行匹配,避免了目标特征向量与服务器能够处理的特征向量不匹配、服务器无法进行匹配计算的情况,降低了服务器的维护成本,提高了视频图像匹配的灵活性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请提供的视频图像匹配方法所涉及的视频图像匹配系统的架构示意图;
图2示出了本申请提供的一种布控引擎系统的结构示意图;
图3示出了本申请提供的一种视频图像匹配方法的示意性流程图;
图4示出了本申请提供的另一种视频图像匹配方法的示意性流程图;
图5示出了本申请实施例提供的一种视频图像匹配装置的结构框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供的视频图像处理方法可以应用于手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
例如,所述终端设备可以是WLAN中的站点(STAION,ST),可以是蜂窝电话、无绳电话、会话启动协议(Session InitiationProtocol,SIP)电话、无线本地环路(WirelessLocal Loop,WLL)站、个人数字处理(Personal Digital Assistant,PDA)设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、电脑、膝上型计算机、手持式通信设备、手持式计算设备等。
图1示出了本申请提供的视频图像匹配方法所涉及的视频图像匹配系统的架构示意图,参见图1,该视频图像匹配系统可以包括:服务器110和至少一个视频图像采集设备120,每个视频图像采集设备120均与服务器110链路连接。
其中,每个视频图像采集设备120均可以采集视频图像数据,而服务器110则可以通过预先设置的布控引擎系统,对采集的视频图像数据进行识别匹配。
在一种可能的实现方式中,视频图像采集设备120可以采集视频图像数据,并对视频图像数据进行特征提取,得到目标特征向量,再向服务器110发送该目标特征向量。而服务器110则可以接收该目标特征向量,再将目标特征向量输入服务器110的布控引擎系统,通过布控引擎系统为目标特征向量分配相匹配的硬件处理资源,从而通过分配的硬件处理资源对目标特征向量和待查找图像的待查找特征向量进行匹配,得到待匹配图像与待查找图像之间的匹配结果,实现实时布控。
进一步地,如图2所示,该布控引擎系统可以包括:框架层、业务插件层和能力插件层。
其中,框架层包括主控模块、调度器、资源管理器、统计信息管理器、配置文件管理器、布控业务插件Wrapper和布控插件Wrapper管理器,主要负责插件的管理(如布控业务/能力插件加载、初始化和调用等)、系统资源(CPU、内存、GPU、显存等)的管理、信息(性能、日志等)统计与输出、以及业务调度。
具体地,主控模块用于对配置文件管理器、统计信息管理器、资源管理器、调度器、布控业务插件Wrapper和布控插件Wrapper管理器进行创建及初始化。
配置文件管理器用于加载、释放和获取配置信息,配置信息记录了需要支持的目标类型和需要处理的目标特征值向量的维度。
调度器用于请求布控插件Wrapper管理器选择调度能力插件。
布控业务插件Wrapper用于实现布控业务插件资源的加载、初始化、释放和获取API等,并记录业务插件的接口信息。同时,布控业务插件Wrapper还可以根据需求选配不同目标类型的布控插件,并存储需要加载的布控插件。
主控模块可以通过布控业务插件Wrapper获取需要加载的布控插件的信息,以便实现布控插件的初始化和加载。
布控插件Wrapper管理器用于管理布控插件对象,布控插件对象封装和记录了布控插件的API信息,而布控插件可实现不同目标布控插件资源的加载、初始化、释放和获取能力插件API,布控业务插件Wrapper与布控插件之间的间接交互可以通过布控插件Wrapper管理器实现。
而且,业务插件层包括:数据接入处理模块和数据输出处理模块。
具体地,数据接入处理模块用于实现多种主流网络应用协议C/S模式数据的接入处理,以便适应通过不同的网络协议进行传输的、不同视频图像采集设备或者视频图片目标结构化系统的输出数据。
而且,在接收输出数据后,可以将各种类型的输出数据封装成统一格式的数据结构,并向布控插件发送统一格式的数据结构,以便布控插件能够使用该统一格式的数据结构。
其中,统一格式的数据结构可以包括:目标类型、向量参数值、向量维度和时空信息等,上述数据属于共性数据。
另外,能力插件层包括:多种针对人脸和人体特征等不同目标类型的布控插件,该布控插件可以横向增量进行目标扩展。例如,如果新增一种目标类型,则只需对布控插件的配置文件进行更新。
而且,每个布控插件对应有不同维度的特征向量处理器,每个处理器用于实现目标特征向量的匹配计算和管理。类似的,每增加一个维度对应的处理器,以便该处理器可以针对该维度的特征向量进行计算,也只需对布控插件的配置文件进行更新即可。
另外,每个处理器可以管理多个GPU数据副本,该GPU副本数据为需要匹配的待查找特征数据的特征向量值。而且,一个GPU副本数据由多个等量的数据块组成,以便减少频繁进行数据的增删改查所引起的时效成本。其中,所有的数据块均可以通过关联性数据库获取或通过外部接口传入。
需要说明的是,GPU副本数据对应有计算加速模块,计算加速模块可以实现具体GPU资源的应用和计算。例如,GPU资源的应用和计算可以包括:数据块的增删改查、待查找特征数据与采集的目标特征向量的匹配识别。
图3示出了本申请提供的一种视频图像匹配方法的示意性流程图,作为示例而非限定,该方法可以应用于上述服务器中,参见图3,该方法包括:
S301、获取待匹配图像的目标特征向量,该目标特征向量包括目标类型和向量维度。
其中,目标类型用于指示待匹配图像对应的类型,向量维度用于指示目标特征向量的属性。而且,目标特征向量还可以包括:向量参数值和时空信息等数据,该时空信息用于指示拍摄待匹配图像的时刻和位置。
例如,若待匹配图像为人脸图像,则待匹配图像对应的目标类型即为人脸类型;若待匹配图像为包括完整人体图像,则待匹配图像对应的目标类型即为人体类型。
另外,目标特征向量是对待匹配图像进行特征提取后得到的特征向量。例如,视频图像采集设备在采集得到视频图像数据后,可以对视频图像数据中的预设时刻的图像帧进行特征提取,得到目标特征向量,并向服务器发送该目标特征向量。也即是,可以将视频图像数据中预设时刻的图像帧作为待匹配图像。
需要说明的是,目标特征向量是视频图像采集设备对待匹配图像进行特征提取后,向服务器发送的目标特征向量。当然,也可以是视频图像采集设备向服务器发送视频图像数据,服务器接收并确定视频图像数据中的待匹配图像,再由服务器对待匹配图像进行特征提取,得到目标特征向量,本申请实施例对获取目标特征向量的方式不做限定。
S302、根据目标特征向量中的目标类型和向量维度,为目标特征向量分配相对应的硬件处理资源。
由于服务器的布控引擎系统,可以预先划分针对不同目标类型的硬件处理资源。而且,同一目标类型的目标特征向量也可以对应有多种向量维度,则布控引擎系统可以进一步针对不同的向量维度,为不同向量维度的目标特征向量进一步分配硬件处理资源。
例如,布控引擎系统可以先根据目标特征向量的目标类型,为目标特征向量分配相对应的布控插件,再根据目标特征向量的向量维度,从布控插件对应的多个处理器中,将与该向量维度相对应的处理器,作为该目标特征向量的硬件处理资源。
S303、通过硬件处理资源将目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到待匹配图像与待查找图像之间的匹配结果。
与S302相对应的,在为目标特征向量分配能够处理该目标特征向量的硬件处理资源后,则可以通过分配的硬件处理资源,将该目标特征向量与预先记录的待查找图像的待查找特征向量进行比较匹配,从而确定该目标特征向量对应的待匹配图像与多个待查找特征向量分别对应的待查找图像之间的相似度,进而得到匹配结果。
在一种可能的实现方式中,服务器可以通过硬件处理资源,对目标特征向量中的向量参数值进行提取,再将提取的向量参数值与各个待查找特征向量的向量参数值进行比较计算,得到目标特征向量与各个待查找特征向量之间的相似度,也即是得到待匹配图像与各个待查找图像之间的匹配结果。
进一步地,可以再从各个相似度中,将最大的至少一个相似度所对应的待查找特征向量的待查找图像作为与待匹配图像类似的待查找图像,从而可以根据拍摄待匹配图像的视频图像采集设备所在的位置,确定待查找图像对应的用户当前所在的位置,从而实现实时布控。
综上所述,本申请实施例提供的视频图像匹配方法,通过获取待匹配图像的目标特征向量,并根据目标特征向量中的目标类型和向量维度,为目标特征向量分配相对应的硬件处理资源,再通过该硬件处理资源将目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到待匹配图像与待查找图像之间的匹配结果。通过预先设置不同类型的硬件处理资源,在得到目标特征向量后,可以根据目标特征向量中的目标类型和向量维度,为目标特征向量分配与目标类型相匹配的硬件处理资源,从而可以通过分配的硬件处理资源进行匹配,避免了目标特征向量与服务器能够处理的特征向量不匹配、服务器无法进行匹配计算的情况,降低了服务器的维护成本,提高了视频图像匹配的灵活性。
图4示出了本申请提供的另一种视频图像匹配方法的示意性流程图,作为示例而非限定,该方法可以应用于上述服务器中,参见图4,该方法包括:
S401、获取待匹配图像的目标特征向量,该目标特征向量包括目标类型和向量维度。
其中,目标类型用于指示待匹配图像对应的类型,向量维度用于指示目标特征向量的属性。
S402、根据预先设定的数据封装格式,对目标特征向量进行封装,得到标准特征数据。
服务器在接收到目标特征向量后,可以基于预先设置的布控引擎系统对目标特征向量进行进一步处理,以便在后续步骤中,能够确定目标特征向量与待查找图像的待查找特征向量之间的相似度,完成待匹配图像的匹配。
在一种可能的实现方式中,服务器可以对目标特征向量进行解析,按照数据封装格式所对应信息,对目标特征向量中的各项数据进行提取,再按照预先设置的数据封装格式,对提取得到的各项数据进行封装,得到标准特征数据。
而在对目标特征向量进行特征提取的过程中,可以根据标准特征数据所对应的数据格式,对目标特征向量进行特征提取,之后可以对提取的特征数据进行封装,得到预先设置的数据封装格式的标准特征数据。
可选的,可以对目标特征向量进行特征提取,得到目标类型、向量参数值、向量维度和时空信息,再对目标类型、向量参数值、向量维度和时空信息进行封装,得到标准特征数据。
其中,时空信息用于指示拍摄待匹配图像的时刻和位置。
在一种可能的实现方式中,服务器可以通过不同的网络通信协议接收不同格式的目标特征向量,并对目标特征向量进行标准化处理,也即是先对目标特征向量进行特征提取,再按照预先设定的数据封装格式,对提取得到的目标类型、向量参数值、向量维度和时空信息进行封装,得到由目标类型、向量参数值、向量维度和时空信息所组成的数据结构,也即是得到标准特征数据。
S403、根据标准特征数据中的目标类型和向量维度,为标准特征数据分配相对应的硬件处理资源。
在得到标准特征数据后,可以根据标准特征数据中的目标类型和向量维度,为该标准特征数据分别相匹配的硬件处理资源,以便能够通过该硬件处理资源对标准特征数据进行匹配。
可选的,可以根据标准特征数据中的目标类型,确定与目标类型对应的布控插件,再根据标准特征数据中的向量维度,通过布控插件为标准特征数据分配与向量维度相对应的硬件处理资源。
在一种可能的实现方式中,服务器可以先确定标准特征数据的目标类型,并根据该目标类型查找相对应的布控插件,再确定标准特征数据的向量维度,从布控插件对应的多个硬件处理资源中,查找得到与该向量维度相对应的硬件处理资源,从而将查找得到的硬件处理资源分配给标准特征数据,以便在后续步骤中,可以通过分配的硬件处理资源对标准特征数据进行匹配。
S404、通过硬件处理资源将标准特征数据与待查找特征向量进行匹配,得到待匹配图像与待查找图像之间的匹配结果。
在为标准特征数据分配硬件处理资源后,则可以通过分配的硬件处理资源对标准特征数据和待查找向量进行匹配,确定待匹配图像与各个待查找图像之间的相似度,也即是待匹配图像与各个待查找图像之间的匹配结果。
而在服务器在匹配标准特征数据的过程中,可以按照标准特征数据的向量参数值与待查找特征数据对应的向量参数值进行计算,得到二者之间的匹配结果。
可选的,通过硬件处理资源对所述标准特征数据进行特征提取,得到标准特征数据的向量参数值,再并行将向量参数值与预先记录的多个待查找特征向量进行匹配,得到多个初始匹配结果,再按照相似度对多个初始匹配结果进行排序,选取预设位置的初始匹配结果作为匹配结果。
其中,每个初始匹配结果用于指示待匹配图像与各个待查找图像之间的相似度。
在一种可能的实现方式中,服务器可以按照封装标准特征数据的格式,对标准特征数据进行提取,得到标准特征数据的向量参数值。之后,可以将该向量参数值与多个预先记录的待查找特征向量的向量参数值进行比较匹配,得到多个初始匹配结果。
相应的,在得到多个初始匹配结果之后,可以根据各个初始匹配结果所指示的相似度,从多个相似度中选取参数值最大的至少一个相似度,从而可以将选取的相似度作为待匹配图像与相似度对应的待查找图像之间的匹配结果。
而在匹配过程中,可以并行的将标准特征数据的向量参数值分别与各个待查找特征向量的向量参数值同时进行比较匹配,从而可以并行得到多个初始匹配结果。
例如,任意一个待查找特征向量可以存储在至少一个数据块中,则在匹配过程中,标准特征数据的向量参数值可以分别与至少一个数据块中的待查找特征向量的向量参数值同时并行匹配,并结合至少一个数据块的计算加速模块进行加速,从而可以高速并行计算得到多个初始匹配结果。
进一步地,在实际应用中,服务器可以并行计算向量参数值与多个待查找特征向量之间的余弦距离,得到多个初始匹配结果。
另外,可以根据多个初始匹配结果,生成匹配结果集合,并按照匹配结果集合中每个初始匹配结果所指示的相似度进行排序,再选取相似度最高的至少一个初始匹配结果作为匹配结果。
在一种可能的实现方式中,服务器可以对多个初始匹配结果进行记录,得到由多个初始匹配结果形成的匹配结果集合,再按照各个初始匹配结果所指示的相似度,按照从大到小的顺序对多个初始匹配结果进行排序,最后将相似度最大的一个或多个初始匹配结果作为确定的匹配结果。
综上所述,本申请实施例提供的视频图像匹配方法,通过获取待匹配图像的目标特征向量,并根据目标特征向量中的目标类型和向量维度,为目标特征向量分配相对应的硬件处理资源,再通过该硬件处理资源将目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到待匹配图像与待查找图像之间的匹配结果。通过预先设置不同类型的硬件处理资源,在得到目标特征向量后,可以根据目标特征向量中的目标类型和向量维度,为目标特征向量分配与目标类型相匹配的硬件处理资源,从而可以通过分配的硬件处理资源进行匹配,避免了目标特征向量与服务器能够处理的特征向量不匹配、服务器无法进行匹配计算的情况,降低了服务器的维护成本,提高了视频图像匹配的灵活性。
应理解,上述实施例中各步骤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,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的视频图像匹配方法,图5示出了本申请实施例提供的一种视频图像匹配装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图5,该装置包括:
获取模块501,用于获取待匹配图像的目标特征向量,该目标特征向量包括目标类型和向量维度,该目标类型用于指示该待匹配图像对应的类型,该向量维度用于指示该目标特征向量的属性;
分配模块502,用于根据该目标特征向量中的该目标类型和该向量维度,为该目标特征向量分配相对应的硬件处理资源;
匹配模块503,用于通过该硬件处理资源将该目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到该待匹配图像与该待查找图像之间的匹配结果。
可选的,该分配模块502,还用于根据预先设定的数据封装格式,对该目标特征向量进行封装,得到标准特征数据;根据该标准特征数据中的该目标类型和该向量维度,为该标准特征数据分配相对应的硬件处理资源;
该匹配模块503,还用于通过该硬件处理资源将该标准特征数据与该待查找特征向量进行匹配,得到该待匹配图像与该待查找图像之间的匹配结果。
可选的,该分配模块502,还用于对该目标特征向量进行特征提取,得到该目标类型、向量参数值、该向量维度和时空信息,该时空信息用于指示拍摄该待匹配图像的时刻和位置;对该目标类型、该向量参数值、该向量维度和该时空信息进行封装,得到该标准特征数据。
可选的,该分配模块502,还用于根据该标准特征数据中的该目标类型,确定与该目标类型对应的布控插件;根据该标准特征数据中的该向量维度,通过该布控插件为该标准特征数据分配与该向量维度相对应的该硬件处理资源。
可选的,该匹配模块503,还用于通过该硬件处理资源对该标准特征数据进行特征提取,得到该标准特征数据的向量参数值;并行将该向量参数值与预先记录的多个该待查找特征向量进行匹配,得到多个初始匹配结果,每个该初始匹配结果用于指示该待匹配图像与各个该待查找图像之间的相似度;按照相似度对多个该初始匹配结果进行排序,选取预设位置的初始匹配结果作为该匹配结果。
可选的,该匹配模块503,还用于并行计算该向量参数值与多个该待查找特征向量之间的余弦距离,得到多个该初始匹配结果。
可选的,该匹配模块503,还用于根据多个该初始匹配结果,生成匹配结果集合;按照该匹配结果集合中每个该初始匹配结果所指示的相似度进行排序;选取相似度最高的至少一个初始匹配结果作为该匹配结果。
综上所述,本申请实施例提供的视频图像匹配装置,通过获取待匹配图像的目标特征向量,并根据目标特征向量中的目标类型和向量维度,为目标特征向量分配相对应的硬件处理资源,再通过该硬件处理资源将目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到待匹配图像与待查找图像之间的匹配结果。通过预先设置不同类型的硬件处理资源,在得到目标特征向量后,可以根据目标特征向量中的目标类型和向量维度,为目标特征向量分配与目标类型相匹配的硬件处理资源,从而可以通过分配的硬件处理资源进行匹配,避免了目标特征向量与服务器能够处理的特征向量不匹配、服务器无法进行匹配计算的情况,降低了服务器的维护成本,提高了视频图像匹配的灵活性。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时可实现上述各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时可实现上述各个方法实施例中的步骤。
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,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序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至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
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或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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网络单元上。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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种视频图像匹配方法,其特征在于,所述方法包括:
预先根据目标特征向量的目标类型为所述目标特征向量分配对应的布控插件,再根据所述目标特征向量的向量维度,从所述布控插件对应的多个处理器中,将与所述向量维度对应的处理器作为所述目标特征向量的硬件处理资源;
获取待匹配图像的目标特征向量,所述待匹配图像的目标特征向量包括目标类型和向量维度,所述目标类型用于指示所述待匹配图像对应的类型,所述向量维度用于指示所述目标特征向量的属性;
根据所述待匹配图像的目标特征向量中的所述目标类型和所述向量维度,为所述待匹配图像的目标特征向量分配相对应的硬件处理资源;
通过所述硬件处理资源将所述待匹配图像的目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到所述待匹配图像与所述待查找图像之间的匹配结果。
2.如权利要求1所述的方法,其特征在于,所述根据所述待匹配图像的目标特征向量中的所述目标类型和所述向量维度,为所述待匹配图像的目标特征向量分配相对应的硬件处理资源,包括:
根据预先设定的数据封装格式,对所述待匹配图像的目标特征向量进行封装,得到标准特征数据;
根据所述标准特征数据中的所述目标类型和所述向量维度,为所述标准特征数据分配相对应的硬件处理资源;
所述通过所述硬件处理资源将所述待匹配图像的目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到所述待匹配图像与所述待查找图像之间的匹配结果,包括:
通过所述硬件处理资源将所述标准特征数据与所述待查找特征向量进行匹配,得到所述待匹配图像与所述待查找图像之间的匹配结果。
3.如权利要求2所述的方法,其特征在于,所述根据预先设定的数据封装格式,对所述待匹配图像的目标特征向量进行封装,得到标准特征数据,包括:
对所述待匹配图像的目标特征向量进行特征提取,得到所述目标类型、向量参数值、所述向量维度和时空信息,所述时空信息用于指示拍摄所述待匹配图像的时刻和位置;
对所述目标类型、所述向量参数值、所述向量维度和所述时空信息进行封装,得到所述标准特征数据。
4.如权利要求2所述的方法,其特征在于,所述根据所述标准特征数据中的所述目标类型和所述向量维度,为所述标准特征数据分配相对应的硬件处理资源,包括:
根据所述标准特征数据中的所述目标类型,确定与所述目标类型对应的布控插件;
根据所述标准特征数据中的所述向量维度,通过所述布控插件为所述标准特征数据分配与所述向量维度相对应的所述硬件处理资源。
5.如权利要求2所述的方法,其特征在于,所述通过所述硬件处理资源将所述标准特征数据与所述待查找特征向量进行匹配,得到所述待匹配图像与所述待查找图像之间的匹配结果,包括:
通过所述硬件处理资源对所述标准特征数据进行特征提取,得到所述标准特征数据的向量参数值;
并行将所述向量参数值与预先记录的多个所述待查找特征向量进行匹配,得到多个初始匹配结果,每个所述初始匹配结果用于指示所述待匹配图像与各个所述待查找图像之间的相似度;
按照相似度对多个所述初始匹配结果进行排序,选取预设位置的初始匹配结果作为所述匹配结果。
6.如权利要求5所述的方法,其特征在于,所述并行将所述向量参数值与预先记录的多个所述待查找特征向量进行匹配,得到多个初始匹配结果,包括:
并行计算所述向量参数值与多个所述待查找特征向量之间的余弦距离,得到多个所述初始匹配结果。
7.如权利要求5所述的方法,其特征在于,所述按照相似度对多个所述初始匹配结果进行排序,选取预设位置的初始匹配结果作为所述匹配结果,包括:
根据多个所述初始匹配结果,生成匹配结果集合;
按照所述匹配结果集合中每个所述初始匹配结果所指示的相似度进行排序;
选取相似度最高的至少一个初始匹配结果作为所述匹配结果。
8.一种视频图像匹配装置,其特征在于,所述装置包括:
配置模块,用于预先根据目标特征向量的目标类型为所述目标特征向量分配对应的布控插件,再根据所述目标特征向量的向量维度,从所述布控插件对应的多个处理器中,将与所述向量维度对应的处理器作为所述目标特征向量的硬件处理资源;
获取模块,用于获取待匹配图像的目标特征向量,所述待匹配图像的目标特征向量包括目标类型和向量维度,所述目标类型用于指示所述待匹配图像对应的类型,所述向量维度用于指示所述目标特征向量的属性;
分配模块,用于根据所述待匹配图像的目标特征向量中的所述目标类型和所述向量维度,为所述待匹配图像的目标特征向量分配相对应的硬件处理资源;
匹配模块,用于通过所述硬件处理资源将所述待匹配图像的目标特征向量与预先记录的待查找图像的待查找特征向量进行匹配,得到所述待匹配图像与所述待查找图像之间的匹配结果。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中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至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911425839.9A CN111191612B (zh) | 2019-12-31 | 2019-12-31 | 视频图像匹配方法、装置、终端设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911425839.9A CN111191612B (zh) | 2019-12-31 | 2019-12-31 | 视频图像匹配方法、装置、终端设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111191612A CN111191612A (zh) | 2020-05-22 |
CN111191612B true CN111191612B (zh) | 2023-05-12 |
Family
ID=70708119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911425839.9A Active CN111191612B (zh) | 2019-12-31 | 2019-12-31 | 视频图像匹配方法、装置、终端设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111191612B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437451B (zh) * | 2023-12-21 | 2024-04-16 | 芯瞳半导体技术(山东)有限公司 | 图像匹配方法、装置、设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156755B (zh) * | 2016-07-29 | 2018-05-18 | 深圳云天励飞技术有限公司 | 一种人脸识别中的相似度计算方法及系统 |
CN108733780B (zh) * | 2018-05-07 | 2020-06-23 | 浙江大华技术股份有限公司 | 一种图片搜索方法及装置 |
CN110516513B (zh) * | 2018-05-22 | 2022-03-25 | 深圳云天励飞技术有限公司 | 一种人脸识别方法及装置 |
CN109299305A (zh) * | 2018-10-30 | 2019-02-01 | 湖北工业大学 | 一种基于多特征融合的空间图像检索系统及检索方法 |
CN109299709A (zh) * | 2018-12-04 | 2019-02-01 | 中山大学 | 基于人脸识别的数据推荐方法、装置、服务器端及客户端 |
CN110147710B (zh) * | 2018-12-10 | 2023-04-18 | 腾讯科技(深圳)有限公司 | 人脸特征的处理方法、装置和存储介质 |
-
2019
- 2019-12-31 CN CN201911425839.9A patent/CN111191612B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111191612A (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9218361B2 (en) | Context-aware tagging for augmented reality environments | |
CN106453572B (zh) | 基于云服务器同步图像的方法及系统 | |
CN112949545B (zh) | 识别人脸图像的方法、装置、计算设备和介质 | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
WO2022166258A1 (zh) | 行为识别方法、装置、终端设备及计算机可读存储介质 | |
Cattaneo et al. | A scalable approach to source camera identification over Hadoop | |
WO2021250322A1 (en) | System and signalling of video splitter and merger for parallel network based media processing | |
CN106844727B (zh) | 海量图像特征数据分布式采集处理和分级应用系统及方法 | |
CN111191612B (zh) | 视频图像匹配方法、装置、终端设备及可读存储介质 | |
CN108833500B (zh) | 服务调用方法、服务提供方法、数据传递方法和服务器 | |
CN114915753A (zh) | 云服务器的构架、数据处理方法及存储介质 | |
CN115062340A (zh) | 设备访问方法、接口处理方法及设备 | |
CN111221803B (zh) | 一种特征库管理方法及协处理器 | |
CN107734285A (zh) | 一种画面时延计算系统、方法及装置 | |
CN115576661A (zh) | 数据处理系统、方法和控制器 | |
CN114020962A (zh) | 视频系统管理方法、电子设备和计算机可读存储介质 | |
CN109784226B (zh) | 人脸抓拍方法及相关装置 | |
CN112364683A (zh) | 一种案件证据固定方法及装置 | |
CN110868596A (zh) | 分布式编码方法、装置、电子设备及可读存储介质 | |
CN113392138B (zh) | 一种隐私数据的统计分析方法、装置、服务器和存储介质 | |
CN113515649B (zh) | 数据的结构化方法、系统、装置、设备和存储介质 | |
CN113127510B (zh) | 数据归档的方法、装置、电子设备及存储介质 | |
CN116709419A (zh) | 张量数据发送处理方法及张量数据接收处理方法 | |
CN115878113A (zh) | 数据处理的方法、数据处理系统、终端及存储介质 | |
CN117333790A (zh) | 视频事件的相似性判断方法、装置和电子设备 |
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 |