CN111339979A - 基于特征提取的图像识别方法及图像识别装置 - Google Patents
基于特征提取的图像识别方法及图像识别装置 Download PDFInfo
- Publication number
- CN111339979A CN111339979A CN202010142297.0A CN202010142297A CN111339979A CN 111339979 A CN111339979 A CN 111339979A CN 202010142297 A CN202010142297 A CN 202010142297A CN 111339979 A CN111339979 A CN 111339979A
- Authority
- CN
- China
- Prior art keywords
- similarity
- candidate record
- image information
- feature
- image
- 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
Links
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
- G06V40/10—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
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于特征提取的图像识别方法,包括以下步骤:响应于图像识别指令,获取待识别对象的图像信息;从所述图像信息中提取第一特征,基于所述第一特征从识别库中获取第一候选记录,其中所述第一候选记录中包含第一参照特征、第二参照特征和对象标识,所述第一候选记录中的第一参照特征与所述第一特征之间的第一相似度大于第一阈值;从所述图像信息中提取第二特征,计算所述第一候选记录中的第二参照特征与所述第二特征之间的第二相似度;基于所述第一相似度,对所述第二相似度进行修正,得到修正相似度;将修正相似度最高的所述第一候选记录作为目标候选记录;将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出。
Description
技术领域
本发明涉及图像识别技术领域,特别涉及一种基于特征提取的图像识别方法、装置、计算机设备及计算机存储介质。
背景技术
视频监控在社会生产生活中占有越来越重要的地位,随着人们安全性需求的不断提高,对于从视频监控画面中准确识别目标行人也提出了更高的要求。行人本身具有多种外在表征,如样貌、体型、衣着、携带物等,这些表征都可以作为识别特征来辅助进行行人识别。由于视频中的行人大部分时间难以获得鲁棒性强的面部特征,在传统的行人重识别方法中,大多采用行人的衣着为重识别的外在表征。但是在实际应用中,由于行人衣着会不断变化,如增减衣物以及经常出现建筑物或其它行人遮挡等情况,加上不同摄像头的可能存在的色差,都会显著影响基于衣着表征的行人识别的准确性和查全率。因此,如何提供一种准确、全面的行人识别方案,成为本领域技术人员亟待解决的技术问题。
发明内容
本发明的目的是提供一种能够准确快速识别图像中人物的图像识别方法、装置、计算机设备及计算机存储介质,以解决现有技术中存在的上述缺陷。
为实现上述目的,本发明提供一种基于特征提取的图像识别方法,包括以下步骤:
响应于图像识别指令,获取待识别对象的图像信息;
在能够从所述图像信息中提取到面部特征的情况下,提取所述面部特征,基于所述面部特征从识别库中获取第一候选记录,其中所述第一候选记录中包含面部参照特征、衣着参照特征和对象标识,所述第一候选记录中的面部参照特征与所述面部特征之间的第一相似度大于第一阈值;
在所述第一相似度小于第二阈值的情况下,从所述图像信息中提取衣着特征,计算所述第一候选记录中的衣着参照特征与所述衣着特征之间的第二相似度;其中所述第二阈值大于所述第一阈值;
基于所述第一相似度,对所述第二相似度进行修正,得到修正相似度;
将修正相似度最高的所述第一候选记录作为目标候选记录;
将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出。
根据本发明提供的图像识别方法,所述基于所述第一相似度,对所述第二相似度进行修正,得到修正相似度的步骤包括:
基于所述第一相似度计算修正值λ,所述修正值λ的计算公式为:
上式中TH为所述第一阈值,α为控制系数,x1为所述第一相似度;
用所述第二相似度乘以所述修正值,得到所述修正相似度S:
S=λx2;
上式中x2为所述第二相似度。
根据本发明提供的图像识别方法,所述从所述图像信息中提取第一特征,基于所述第一特征从识别库中获取第一候选记录的步骤之后,还包括:
在所述第一相似度大于等于第二阈值的情况下,将第一相似度最高的所述第一候选记录作为目标候选记录;
将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出。
根据本发明提供的图像识别方法,其特征在于,所述将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出的步骤之后,还包括:
判断所述图像信息的清晰度是否大于第三阈值;
若是,用所述图像信息中提取的所述衣着特征替换所述第一候选记录中的所述衣着参照特征。
根据本发明提供的图像识别方法,其特征在于,在所述响应于图像识别指令,获取待识别对象的图像信息的步骤之后,还包括:
在无法从所述图像信息中提取到面部特征的情况下,从所述图像信息中提取衣着特征,基于所述衣着特征从识别库中获取第二候选记录,所述第二候选记录中的衣着参照特征与所述衣着特征之间的第二相似度大于第四阈值;
将第二相似度最高的所述的第二候选记录作为目标候选记录;
将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出。
为实现上述目的,本发明还提供一种基于特征提取的图像识别装置,包括:
图像获取模块,适用于响应于图像识别指令,获取待识别对象的图像信息;
第一对比模块,适用于在能够从所述图像信息中提取到面部特征的情况下,从所述图像信息中提取面部特征,基于所述面部特征从识别库中获取第一候选记录,其中所述第一候选记录中包含面部参照特征、衣着参照特征和对象标识,所述第一候选记录中的面部参照特征与所述面部特征之间的第一相似度大于第一阈值;
第二对比模块,适用于在所述第一相似度小于第二阈值的情况下,从所述图像信息中提取衣着特征,计算所述第一候选记录中的第二参照特征与所述衣着特征之间的第二相似度;
修正模块,适用于基于所述第一相似度,对所述第二相似度进行修正,得到修正相似度;
目标确认模块,适用于将修正相似度最高的所述第一候选记录作为目标候选记录;
识别模块,适用于将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出。
根据本发明提供的图像识别装置,所述修正模块包括:
修正值单元,适用于基于所述第一相似度计算修正值λ,所述修正值λ的计算公式为:
上式中TH为所述第一阈值,α为控制系数,x1为所述第一相似度;
修正相似度单元,适用于用所述第二相似度乘以所述修正值,得到所述修正相似度S:
S=λx2;
上式中x2为所述第二相似度。
根据本发明提供的图像识别装置,还包括:
更新模块,适用于判断所述图像信息的清晰度是否大于第三阈值,若是,用所述图像信息中提取的所述衣着特征替换所述第一候选记录中的所述衣着参照特征。
为实现上述目的,本发明还提供一种计算机设备,包括存储器、处理器以及存储在存储器上并可在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上述方法的步骤。
为实现上述目的,本发明还提供计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本发明提供的基于特征提取的图像识别方法、装置、计算机设备及计算机可读存储介质,能够对监控画面中的任务进行准确快速地识别。在传统基于衣着特征识别的基础上,本发明增加了面部特征识别步骤、对于能够获取到面部特征的图像,优先进行面部识别,并根据面部识别的相似度对衣着识别相似度进行修正,从而能够同时结合面部特征和衣着特征进行识别,使得识别结果更加准确完善。并且本发明能够根据视频画面的识别结果实时调整识别库中的衣着特征模型,充分考虑行人在不同区域或者不同时间段增减、变换衣物的情况,使得本发明的识别结果更加智能化和人性化。
附图说明
图1为本发明的图像识别方法实施例一的流程图;
图2为本发明的图像识别装置实施例一的程序模块示意图;
图3为本发明的图像识别装置实施例一的硬件结构示意图;
图4为本发明的图像识别方法实施例二的流程图;
图5为本发明的图像识别方法实施例三的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的基于特征提取的图像识别方法、装置、计算机设备及计算机可读存储介质,能够对监控画面中的任务进行准确快速地识别。在传统基于衣着特征识别的基础上,本发明增加了面部特征识别步骤、对于能够获取到面部特征的图像,优先进行面部识别,并根据面部识别的相似度对衣着识别相似度进行修正,从而能够同时结合面部特征和衣着特征进行识别,使得识别结果更加准确完善。并且本发明能够根据视频画面的识别结果实时调整识别库中的衣着特征模型,充分考虑行人在不同区域或者不同时间段增减、变换衣物的情况,使得本发明的识别结果更加智能化和人性化。
实施例一
本发明应用场景之一为写字楼中的访客管理。当某访客造访写字楼时,需要首先在前台进行登记,并留存身份信息和影像信息。其中身份信息可以包含身份证号,姓名等,影像信息包含面部特征信息和衣着特征信息。前台工作人员会将该访客的身份信息和影像信息作为一条特征记录存储到识别库中,作为后期进行图像识别的参照,例如该特征记录是包含(身份信息,面部特征信息,衣着特征信息)的三元数组。当访客进入写字楼内部之后,其图像信息会被设置在写字楼不同位置处的视频(图像)监控设备所采集。当写字楼中的访客较多时,本发明可以根据监控设备采集到的不同图像信息确定图像中的人物身份,从而掌握访客的动态位置。
请参阅图1,本实施例提出一种基于特征提取的图像识别方法,具体包括以下步骤:
S1:响应于图像识别指令,获取待识别对象的图像信息。
本发明中的图像识别指令可以自动触发,也可以是手动触发。对于自动触发的情况,可以是根据时间定时触发,也可以是根据条件触发,例如,设置每隔一分钟自动采集一次图像并识别图像中的人物,或者设置每当光学传感器被遮挡时采集图像并识别图像中的人物,等等。
S2:在能够从所述图像信息中提取到面部特征的情况下,提取所述面部特征,基于所述第一特征从识别库中获取第一候选记录,其中所述第一候选记录中包含面部参照特征、衣着参照特征和对象标识,所述第一候选记录中的面部参照特征与所述面部特征之间的第一相似度大于第一阈值。
本实施例对应可以从采集的图像信息中获取到面部特征的情况,一般来说此时访客距离监控设备较近且中间没有遮挡。
当从图像信息中提取到面部特征之后,本发明将提取到的面部特征与识别库中预存的特征记录进行对比,从预存的特征记录中获取面部特征相似度大于第一阈值的第一候选记录。本发明中的第一阈值可以根据需要灵活设置,例如60%,70%等等。
根据前文中的描述,本发明的识别库中存储的是包含(身份信息,面部特征信息,衣着特征信息)的三元数组,每一个三元数组对应一条特征记录。
因此本发明将提取到的面部特征与识别库中预存的特征记录进行对比的过程为,从识别库的特征记录中获取对应的面部特征信息,然后将提取到的面部特征与识别库中获取的面部特征信息进行对比,计算两者之间的第一相似度x1。若第一相似度大于预设的第一阈值,则将所述特征记录作为第一候选记录。本领域普通技术人员理解,该第一候选记录可以是一条或者多条。
S3:在所述第一相似度小于第二阈值的情况下,从所述图像信息中提取衣着特征,计算所述第一候选记录中的衣着参照特征与所述衣着特征之间的第二相似度x2。其中所述第二阈值大于所述第一阈值。
在步骤S2已经获取到一条或多条第一候选记录的基础上,本步骤用于计算从图像信息中提取到的衣着特征和所述第一候选记录中存储的衣着特征信息之间的第二相似度。
S4:基于所述第一相似度x1,对所述第二相似度x2进行修正,得到修正相似度S。
本发明计算修正相似度S的步骤如下所示:
S41:基于所述第一相似度x1计算修正值λ,所述修正值λ的计算公式为:
上式中TH为所述第一阈值,α为控制系数;
S42:用所述第二相似度x2乘以所述修正值λ,得到所述修正相似度S:
S=λx2。
通过上述计算式可知,本发明实际上是根据第一相似度x1与第一阈值TH之间的关系来对第二相似度x2进行正向或者反向的修正。总体来说,当第一相似度x1大于第一阈值TH时,相应的修正值λ大于1,对第二相似度x2的修正是正向的;当第一相似度x1小于第一阈值TH时,相应的修正值λ小于1,对第二相似度x2的修正是反向的。
S5:将修正相似度最高的所述第一候选记录作为目标候选记录。
本步骤中,将计算得到的修正相似度S最大的第一候选记录作为最终选定的目标候选记录。
S6:将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出。
本步骤从目标候选记录中获取对应的身份信息,将该身份信息作为步骤S1中获取的图像信息的最终识别结果进行输出。例如,目标候选记录中存储的身份信息为“李三,1980xxxxxxxx”,则输出识别结果为“姓名:李三;身份证号:1980xxxxxxxx”。
S7:判断所述图像信息的清晰度是否大于第三阈值;若是,用所述图像信息中提取的所述衣着特征替换所述目标候选记录中的所述衣着参照特征。
本步骤用于挑选出质量较高的待识别对象的图像信息,并用所述图像信息中的衣着特征替换目标候选记录中预先存储的衣着特征信息。
由于本发明中待识别对象的图像信息是最新采集到的信息,因此该图像信息中的衣着特征更加具有实时性,通过用待识别对象的图像信息中的衣着特征来替换目标候选记录中预先存储的衣着特征信息,本发明可以及时应对访客增减或者改变衣着的情形,从而提高图像识别的准确率,使得图像识别过程更加智能化。
请继续参阅图2,示出了一种基于特征提取的图像识别装置,在本实施例中,图像识别装置10可以包括或被分割成一个或多个程序模块,一个或者多个程序模块被存储于存储介质中,并由一个或多个处理器所执行,以完成本发明,并可实现上述图像识别方法。本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序本身更适合于描述图像识别装置10在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能:
图像获取模块11,适用于响应于图像识别指令,获取待识别对象的图像信息;
第一对比模块12,适用于在能够从所述图像信息中提取到面部特征的情况下,提取所述面部特征,基于所述面部特征从识别库中获取第一候选记录,其中所述第一候选记录中包含面部参照特征、衣着参照特征和对象标识,所述第一候选记录中的面部参照特征与所述面部特征之间的第一相似度大于第一阈值;
第二对比模块13,适用于在第一相似度小于第二阈值的情况下,从所述图像信息中提取衣着特征,计算所述第一候选记录中的衣着参照特征与所述衣着特征之间的第二相似度,其中所述第二阈值大于所述第一阈值;
修正模块14,适用于基于所述第一相似度,对所述第二相似度进行修正,得到修正相似度;
目标确认模块15,适用于将修正相似度最高的所述第一候选记录作为目标候选记录;
识别模块16,适用于将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出;
更新模块17,适用于判断所述图像信息的清晰度是否大于第三阈值,若是,用所述图像信息中提取的所述衣着特征替换所述第一候选记录中的所述衣着参照特征。
根据本发明提供的图像识别装置,其中,所述修正模块14包括:
修正值单元141,适用于基于所述第一相似度计算修正值λ,所述修正值λ的计算公式为:
上式中TH为所述第一阈值,α为控制系数,x1为所述第一相似度;
修正相似度单元142,适用于用所述第二相似度乘以所述修正值,得到所述修正相似度S:
S=λx2;
上式中x2为所述第二相似度。
本实施例还提供一种计算机设备,如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。本实施例的计算机设备20至少包括但不限于:可通过系统总线相互通信连接的存储器21、处理器22,如图3所示。需要指出的是,图3仅示出了具有组件21-22的计算机设备20,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
本实施例中,存储器21(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器21可以是计算机设备20的内部存储单元,例如该计算机设备20的硬盘或内存。在另一些实施例中,存储器21也可以是计算机设备20的外部存储设备,例如该计算机设备20上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器21还可以既包括计算机设备20的内部存储单元也包括其外部存储设备。本实施例中,存储器21通常用于存储安装于计算机设备20的操作系统和各类应用软件,例如实施例一的图像识别装置10的程序代码等。此外,存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备20的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如运行图像识别装置10,以实现实施例一的图像识别方法。
实施例二
本实施例适用于面部特征识别足够确定的情形。请参阅图4,本实施例提出一种基于特征提取的图像识别方法,具体包括以下步骤:
S210:响应于图像识别指令,获取待识别对象的图像信息。
S220:从所述图像信息中提取面部特征,基于所述面部特征从识别库中获取第一候选记录;其中所述第一候选记录中包含面部参照特征、衣着参照特征和对象标识,所述第一候选记录中的面部参照特征与所述面部特征之间的第一相似度大于第一阈值。
本发明中的第一候选记录可以是包含(身份信息,面部特征信息,衣着特征信息)的三元数组。
S230:判断所述第一相似度是否大于第二阈值,其中所述第二阈值高于所述第一阈值;若是,将第一相似度最高的所述第一候选记录作为目标候选记录。
本领域技术人员可以理解,当通过比对面部特征得到的第一相似度足够大,例如超过95%,那么我们有足够的把握确信仅通过面部特征识别就可以确定待识别对象的身份信息,因此此时可以直接把该足够大的相似度所对应的第一候选记录作为目标候选记录。
S240:将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出。
本实施例中,无需再进行衣着特征的对比,从而可以缩短图像识别的时间,提高图像识别效率。
实施例三
本实施例适用于当拍摄距离比较远、拍摄像素太低、或者监控设备与待识别对象之间有遮挡等原因而造成无法获得面部特征的情形。请参阅图5,本实施例提出一种基于特征提取的图像识别方法,具体包括以下步骤:
S310:响应于图像识别指令,获取待识别对象的图像信息。
S320:在无法从所述图像信息中提取到面部特征的情况下,从所述图像信息中提取衣着特征,基于所述衣着特征从识别库中获取第二候选记录,所述第二候选记录中的衣着参照特征与所述衣着特征之间的第二相似度大于第四阈值。
基于第二特征从识别库中获取第二候选记录的过程包括:
将从图像信息中提取到的衣着特征与识别库中存储的每个衣着特征信息进行第二相似度对比,当第二相似度大于第四阈值时,将该第一相似度对应的候选记录作为第二候选记录。本发明中的第四阈值可以根据实际需要灵活设置,例如设置为80%、90%等。
S330:将第二相似度最高的所述的第二候选记录作为目标候选记录。
当需要仅输出一个识别结果时,本发明将第二相似度最高的第二候选记录作为目标候选记录。本领域技术人员可以理解,识别结果有时并不是唯一的,而是可以提供多个不同的识别结果进行参考。这时可以根据第二相似度的数据进行从高到低排列,把排序最靠前的几个第二候选记录作为目标候选记录。
S340:将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出。
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储图像识别装置10,被处理器执行时实现实施例一的图像识别方法。
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。
流程图中或在此以其它方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
本技术领域的普通技术人员可以理解,实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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。
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 (10)
1.一种基于特征提取的图像识别方法,其特征在于,包括以下步骤:
响应于图像识别指令,获取待识别对象的图像信息;
在能够从所述图像信息中提取到面部特征的情况下,提取所述面部特征,基于所述面部特征从识别库中获取第一候选记录,其中所述第一候选记录中包含面部参照特征、衣着参照特征和对象标识,所述第一候选记录中的面部参照特征与所述面部特征之间的第一相似度大于第一阈值;
在所述第一相似度小于第二阈值的情况下,从所述图像信息中提取衣着特征,计算所述第一候选记录中的衣着参照特征与所述衣着特征之间的第二相似度;其中所述第二阈值大于所述第一阈值;
基于所述第一相似度,对所述第二相似度进行修正,得到修正相似度;
将修正相似度最高的所述第一候选记录作为目标候选记录;
将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出。
3.根据权利要求1所述的图像识别方法,其特征在于,所述从所述图像信息中提取第一特征,基于所述第一特征从识别库中获取第一候选记录的步骤之后,还包括:
在所述第一相似度大于等于第二阈值的情况下,将第一相似度最高的所述第一候选记录作为目标候选记录;
将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出。
4.根据权利要求1或3所述的图像识别方法,其特征在于,所述将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出的步骤之后,还包括:
判断所述图像信息的清晰度是否大于第三阈值;
若是,用所述图像信息中提取的所述衣着特征替换所述第一候选记录中的所述衣着参照特征。
5.根据权利要求4所述的图像识别方法,其特征在于,在所述响应于图像识别指令,获取待识别对象的图像信息的步骤之后,还包括:
在无法从所述图像信息中提取到面部特征的情况下,从所述图像信息中提取衣着特征,基于所述衣着特征从识别库中获取第二候选记录,所述第二候选记录中的衣着参照特征与所述衣着特征之间的第二相似度大于第四阈值;
将第二相似度最高的所述的第二候选记录作为目标候选记录;
将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出。
6.一种基于特征提取的图像识别装置,其特征在于,包括:
图像获取模块,适用于响应于图像识别指令,获取待识别对象的图像信息;
第一对比模块,适用于在能够从所述图像信息中提取到面部特征的情况下,从所述图像信息中提取面部特征,基于所述面部特征从识别库中获取第一候选记录,其中所述第一候选记录中包含面部参照特征、衣着参照特征和对象标识,所述第一候选记录中的面部参照特征与所述面部特征之间的第一相似度大于第一阈值;
第二对比模块,适用于在所述第一相似度小于第二阈值的情况下,从所述图像信息中提取衣着特征,计算所述第一候选记录中的第二参照特征与所述衣着特征之间的第二相似度;
修正模块,适用于基于所述第一相似度,对所述第二相似度进行修正,得到修正相似度;
目标确认模块,适用于将修正相似度最高的所述第一候选记录作为目标候选记录;
识别模块,适用于将所述目标候选记录中包含的对象标识作为所述图像信息的识别结果进行输出。
8.根据权利要求7所述的图像识别装置,其特征在于,还包括:
更新模块,适用于判断所述图像信息的清晰度是否大于第三阈值,若是,用所述图像信息中提取的所述衣着特征替换所述第一候选记录中的所述衣着参照特征。
9.一种计算机设备,包括存储器、处理器以及存储在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权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010142297.0A CN111339979B (zh) | 2020-03-04 | 2020-03-04 | 基于特征提取的图像识别方法及图像识别装置 |
PCT/CN2020/112404 WO2021174789A1 (zh) | 2020-03-04 | 2020-08-31 | 基于特征提取的图像识别方法及图像识别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010142297.0A CN111339979B (zh) | 2020-03-04 | 2020-03-04 | 基于特征提取的图像识别方法及图像识别装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111339979A true CN111339979A (zh) | 2020-06-26 |
CN111339979B CN111339979B (zh) | 2023-09-19 |
Family
ID=71185794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010142297.0A Active CN111339979B (zh) | 2020-03-04 | 2020-03-04 | 基于特征提取的图像识别方法及图像识别装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111339979B (zh) |
WO (1) | WO2021174789A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149740A (zh) * | 2020-09-25 | 2020-12-29 | 上海商汤智能科技有限公司 | 目标重识别方法、装置、存储介质及设备 |
CN112699803A (zh) * | 2020-12-31 | 2021-04-23 | 竹间智能科技(上海)有限公司 | 人脸识别方法、系统、设备及可读存储介质 |
CN113219870A (zh) * | 2021-05-07 | 2021-08-06 | 禹焱科技河北有限公司 | 一种用于工业仪表数据智能采集共享器 |
WO2021174789A1 (zh) * | 2020-03-04 | 2021-09-10 | 平安科技(深圳)有限公司 | 基于特征提取的图像识别方法及图像识别装置 |
CN113610028A (zh) * | 2021-08-13 | 2021-11-05 | 广联达科技股份有限公司 | 行人重识别方法、装置、计算机设备及存储介质 |
CN114170451A (zh) * | 2021-12-03 | 2022-03-11 | 京东科技信息技术有限公司 | 一种文本识别方法和装置 |
CN116382468A (zh) * | 2023-02-24 | 2023-07-04 | 江阴市宝虹电器有限公司 | 一种用于智能镜的交互功能自动触发方法、系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060158307A1 (en) * | 2005-01-13 | 2006-07-20 | Samsung Electronics Co., Ltd. | System and method for face recognition |
JP2009015406A (ja) * | 2007-07-02 | 2009-01-22 | Nippon Telegr & Teleph Corp <Ntt> | 画像特徴抽出装置,画像特徴抽出方法,画像特徴抽出プログラム及びそのプログラムを格納した記録媒体、画像類似度計算装置,画像類似度計算方法,画像類似度計算プログラム及びそのプログラムを記録した記録媒体 |
CN107330360A (zh) * | 2017-05-23 | 2017-11-07 | 深圳市深网视界科技有限公司 | 一种行人衣着颜色识别、行人检索方法和装置 |
CN110287889A (zh) * | 2019-06-26 | 2019-09-27 | 银河水滴科技(北京)有限公司 | 一种身份识别的方法及装置 |
CN110503022A (zh) * | 2019-08-19 | 2019-11-26 | 北京积加科技有限公司 | 一种身份识别方法、装置及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408404B (zh) * | 2014-10-31 | 2018-04-27 | 小米科技有限责任公司 | 人脸识别方法及装置 |
CN108154099B (zh) * | 2017-12-20 | 2021-04-30 | 北京奇艺世纪科技有限公司 | 一种人物识别方法、装置及电子设备 |
CN108846676B (zh) * | 2018-08-02 | 2023-07-11 | 平安科技(深圳)有限公司 | 生物特征辅助支付方法、装置、计算机设备及存储介质 |
CN111339979B (zh) * | 2020-03-04 | 2023-09-19 | 平安科技(深圳)有限公司 | 基于特征提取的图像识别方法及图像识别装置 |
-
2020
- 2020-03-04 CN CN202010142297.0A patent/CN111339979B/zh active Active
- 2020-08-31 WO PCT/CN2020/112404 patent/WO2021174789A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060158307A1 (en) * | 2005-01-13 | 2006-07-20 | Samsung Electronics Co., Ltd. | System and method for face recognition |
JP2009015406A (ja) * | 2007-07-02 | 2009-01-22 | Nippon Telegr & Teleph Corp <Ntt> | 画像特徴抽出装置,画像特徴抽出方法,画像特徴抽出プログラム及びそのプログラムを格納した記録媒体、画像類似度計算装置,画像類似度計算方法,画像類似度計算プログラム及びそのプログラムを記録した記録媒体 |
CN107330360A (zh) * | 2017-05-23 | 2017-11-07 | 深圳市深网视界科技有限公司 | 一种行人衣着颜色识别、行人检索方法和装置 |
CN110287889A (zh) * | 2019-06-26 | 2019-09-27 | 银河水滴科技(北京)有限公司 | 一种身份识别的方法及装置 |
CN110503022A (zh) * | 2019-08-19 | 2019-11-26 | 北京积加科技有限公司 | 一种身份识别方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
陈莹;霍中花;: "多方向显著性权值学习的行人再识别", 中国图象图形学报, vol. 20, no. 12, pages 118 - 127 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021174789A1 (zh) * | 2020-03-04 | 2021-09-10 | 平安科技(深圳)有限公司 | 基于特征提取的图像识别方法及图像识别装置 |
CN112149740A (zh) * | 2020-09-25 | 2020-12-29 | 上海商汤智能科技有限公司 | 目标重识别方法、装置、存储介质及设备 |
CN112699803A (zh) * | 2020-12-31 | 2021-04-23 | 竹间智能科技(上海)有限公司 | 人脸识别方法、系统、设备及可读存储介质 |
CN112699803B (zh) * | 2020-12-31 | 2024-01-16 | 竹间智能科技(上海)有限公司 | 人脸识别方法、系统、设备及可读存储介质 |
CN113219870A (zh) * | 2021-05-07 | 2021-08-06 | 禹焱科技河北有限公司 | 一种用于工业仪表数据智能采集共享器 |
CN113219870B (zh) * | 2021-05-07 | 2022-03-08 | 禹焱科技河北有限公司 | 一种用于工业仪表数据智能采集共享器 |
CN113610028A (zh) * | 2021-08-13 | 2021-11-05 | 广联达科技股份有限公司 | 行人重识别方法、装置、计算机设备及存储介质 |
CN114170451A (zh) * | 2021-12-03 | 2022-03-11 | 京东科技信息技术有限公司 | 一种文本识别方法和装置 |
CN116382468A (zh) * | 2023-02-24 | 2023-07-04 | 江阴市宝虹电器有限公司 | 一种用于智能镜的交互功能自动触发方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111339979B (zh) | 2023-09-19 |
WO2021174789A1 (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111339979B (zh) | 基于特征提取的图像识别方法及图像识别装置 | |
CN111355941B (zh) | 图像颜色实时校正方法、装置和系统 | |
CN111242977A (zh) | 全景视频的目标跟踪方法、可读存储介质及计算机设备 | |
CN109145771B (zh) | 一种人脸抓拍方法及装置 | |
CN108090908B (zh) | 图像分割方法、装置、终端及存储介质 | |
CN108647587B (zh) | 人数统计方法、装置、终端及存储介质 | |
US10936876B2 (en) | Content recognition method, system and storage medium thereof | |
CN111414949A (zh) | 图片聚类方法、装置、电子设备及存储介质 | |
CN111914775A (zh) | 活体检测方法、装置、电子设备及存储介质 | |
CN113012383A (zh) | 火灾检测报警方法、相关系统、相关设备及存储介质 | |
CN115278089B (zh) | 人脸模糊图像对焦矫正方法、装置、设备和存储介质 | |
CN113869137A (zh) | 事件检测方法、装置、终端设备及存储介质 | |
CN110929555B (zh) | 脸部识别方法与使用此方法的电子装置 | |
CN116582653A (zh) | 一种基于多摄像头数据融合的智能视频监控方法及系统 | |
CN114565955A (zh) | 人脸属性识别模型训练、社区人员监控方法、装置、设备 | |
CN112347957A (zh) | 行人重识别方法、装置、计算机设备及存储介质 | |
CN112001300B (zh) | 基于按位置交叉熵的楼宇监控方法、装置和电子设备 | |
CN108875477B (zh) | 曝光控制方法、装置和系统及存储介质 | |
CN116168345B (zh) | 火灾检测方法及相关设备 | |
CN112347988A (zh) | 口罩识别模型的训练方法、装置、计算机设备和可读存储介质 | |
CN109785343B (zh) | 基于清晰度的人脸抠图图片的优选方法及装置 | |
CN114821513B (zh) | 一种基于多层网络的图像处理方法及装置、电子设备 | |
US9842406B2 (en) | System and method for determining colors of foreground, and computer readable recording medium therefor | |
CN114565894A (zh) | 一种工作服装识别方法、装置、电子设备及存储介质 | |
CN112766128A (zh) | 交通信号灯检测方法、装置和计算机设备 |
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 |