CN111522570A - 目标库更新方法、装置、电子设备及机器可读存储介质 - Google Patents
目标库更新方法、装置、电子设备及机器可读存储介质 Download PDFInfo
- Publication number
- CN111522570A CN111522570A CN202010568846.0A CN202010568846A CN111522570A CN 111522570 A CN111522570 A CN 111522570A CN 202010568846 A CN202010568846 A CN 202010568846A CN 111522570 A CN111522570 A CN 111522570A
- Authority
- CN
- China
- Prior art keywords
- target
- specified
- picture
- specified target
- model
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/71—Version control; Configuration management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种目标库更新方法、装置、电子设备及机器可读存储介质,获取图片以及图片中指定目标的特征数据,利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型,更新目标库中指定目标的目标模型,其中,指定目标的特征数据为利用原始版本的目标分析算法对图片中的指定目标进行检测得到。不会利用最新版本的目标分析算法对图片进行目标检测,而是基于利用获取到的指定目标的特征数据,对图片中的指定目标进行分析建模,重建出指定目标的目标模型,得到更新的指定目标的目标模型,从而能够对目标库中的信息进行更新,避免了目标库中的信息在目标分析算法更新时发生丢失。
Description
技术领域
本发明涉及人工智能技术领域,特别是涉及一种目标库更新方法、装置、电子设备及机器可读存储介质。
背景技术
随着人工智能技术的不断发展,基于深度学习的目标分析算法已在城市安防、交通管理等各个领域得到了非常广泛的应用,目标分析算法通常包括目标识别、目标检测、目标建模等功能。目前,利用目标分析算法进行目标检测的过程为:利用目标分析算法,对图像采集设备(如摄像头等)采集的图像进行目标检测,提取出目标的特征数据,将提取的特征数据与目标库中的特征数据进行匹配,目标库中存储的是已标记目标的特征数据,若目标库中有一个特征数据与提取的特征数据相似度最高、且相似度超过预设阈值,则可以确定图像中的目标即为目标库中匹配上的已标记目标。
在实际应用中,为了适应复杂的场景、提高目标检测结果的精度,需要对目标分析算法不断更新,用新版本的目标分析算法替换旧版本的目标分析算法。相应的,在对目标分析算法进行更新后,需要基于新版本的目标分析算法对目标库进行更新。目标库更新的方法就是利用目标分析算法,对目标库中已标记目标的样本图像进行目标检测,提取出目标的特征数据,并构建目标的目标模型,利用最新提取的特征数据和目标模型,更新目标库中已存储的该目标的特征数据和目标模型。
然而,由于受图像清晰度、特征空间不一致等因素影响,新版本的目标分析算法在对样本图像进行目标检测时,可能会出现检测不出目标的情况,直接导致无法提取到目标的特征数据、无法构建目标模型,这种情况下,会认为该样本图像为无目标的样本图像,则该样本图像对应的目标的特征数据、目标模型等信息会从目标库中删除,也就是说,在目标分析算法更新时,极易发生目标库中信息丢失的现象。
发明内容
本发明实施例的目的在于提供一种目标库更新方法、装置、电子设备及机器可读存储介质,以避免目标库中的信息在目标分析算法更新时发生丢失。
具体技术方案如下:
第一方面,本发明实施例提供了一种目标库更新方法,该方法包括:
获取图片以及图片中指定目标的特征数据,其中,指定目标的特征数据为利用原始版本的目标分析算法对图片中的指定目标进行检测得到;
利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型;
更新目标库中指定目标的目标模型。
可选的,目标库中存储有图片地址信息、指定目标的标识信息、指定目标的特征数据和指定目标的目标模型之间的对应关系。
可选的,获取图片以及图片中指定目标的特征数据的步骤,包括:
从目标库中,提取图片地址信息、图片地址信息对应的指定目标的标识信息和特征数据,其中,指定目标的特征数据为预先利用原始版本的目标分析算法对具有图片地址信息的图片中的指定目标进行检测得到;
基于图片地址信息,获取图片;
更新目标库中指定目标的目标模型的步骤,包括:
基于指定目标的标识信息,对应更新目标库中指定目标的目标模型。
可选的,目标库中还存储有指定目标对应的检测评分结果;
利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型的步骤,包括:
利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型和检测评分结果;
更新目标库中指定目标的目标模型的步骤,包括:
更新目标库中指定目标的目标模型和指定目标对应的检测评分结果。
可选的,特征数据包括特征点数据及特征框数据;
利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型的步骤,包括:
利用最新版本的目标分析算法,基于指定目标的特征点数据和特征框数据,在图片中指定目标的特征点数据和特征框数据的对应像素点,采用预设的描点建模方法,构建指定目标的目标模型。
第二方面,本发明实施例提供了一种目标库更新装置,该装置包括:
获取模块,用于获取图片以及图片中指定目标的特征数据,其中,指定目标的特征数据为利用原始版本的目标分析算法对图片中的指定目标进行检测得到;
分析模块,用于利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型;
更新模块,用于更新目标库中指定目标的目标模型。
可选的,目标库中存储有图片地址信息、指定目标的标识信息、指定目标的特征数据和指定目标的目标模型之间的对应关系。
可选的,获取模块,具体用于:从目标库中,提取图片地址信息、图片地址信息对应的指定目标的标识信息和特征数据,其中,指定目标的特征数据为预先利用原始版本的目标分析算法对具有图片地址信息的图片中的指定目标进行检测得到;基于图片地址信息,获取图片;
更新模块,具体用于:基于指定目标的标识信息,对应更新目标库中指定目标的目标模型。
可选的,目标库中还存储有指定目标对应的检测评分结果;
分析模块,具体用于:利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型和检测评分结果;
更新模块,具体用于:更新目标库中指定目标的目标模型和指定目标对应的检测评分结果。
可选的,特征数据包括特征点数据及特征框数据;
分析模块,具体用于:利用最新版本的目标分析算法,基于指定目标的特征点数据和特征框数据,在图片中指定目标的特征点数据和特征框数据的对应像素点,采用预设的描点建模方法,构建指定目标的目标模型。
第三方面,本发明实施例提供了一种电子设备,包括处理器和存储器,其中,存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的计算机程序时,实现本发明实施例第一方面所提供的方法。
第四方面,本发明实施例提供了一种机器可读存储介质,机器可读存储介质内存储有能够被处理器执行的机器可执行指令;机器可执行指令被处理器执行时,实现本发明实施例第一方面所提供的方法。
第五方面,本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行本发明实施例第一方面所提供的方法。
本发明实施例提供的目标库更新方法、装置、电子设备及机器可读存储介质,获取图片以及图片中指定目标的特征数据,利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型,更新目标库中指定目标的目标模型,其中,所获取到的指定目标的特征数据为利用原始版本的目标分析算法对图片中的指定目标进行检测得到。目标分析算法包括目标检测和目标建模功能,利用原始版本的目标分析算法的目标检测功能,可以检测出图片中的指定目标,得到指定目标的特征数据,在算法更新后,并不会利用最新版本的目标分析算法的目标检测功能,而只是利用最新版本的目标分析算法的目标建模功能,进行指定目标的目标模型重建,即基于利用原始版本的目标分析算法得到的指定目标的特征数据,对图片中的指定目标进行分析建模,重建出指定目标的目标模型,用重建出的目标模型对目标库中指定目标的目标模型进行更新。不会利用最新版本的目标分析算法对图片直接进行目标检测,避免了最新版本的目标分析算法检测不出指定目标的情况,而是基于利用原始版本的目标分析算法得到的指定目标的特征数据,对图片中的指定目标进行分析建模,重建出指定目标的目标模型,可以得到更新的指定目标的目标模型,从而能够对目标库中的信息进行更新,避免了目标库中的信息在目标分析算法更新时发生丢失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的实施例。
图1为本发明一实施例的目标库更新方法的流程示意图;
图2为本发明另一实施例的目标库更新方法的流程示意图;
图3为本发明再一实施例的目标库更新方法的流程示意图;
图4为本发明实施例的人员名单库更新方法的流程示意图;
图5为本发明实施例的目标库更新装置的结构示意图;
图6为本发明实施例的电子设备的结构示意图。
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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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。
为了避免目标库中的信息在目标分析算法更新时发生丢失,本发明实施例提供了一种目标库更新方法、装置、电子设备及机器可读存储介质。下面,首先对本发明实施例所提供的目标库更新方法进行介绍。
本发明实施例所提供的目标库更新方法的执行主体可以为实现数据存储、目标检测等功能的电子设备,也可以为具有目标检测、图像采集等功能的摄像机等,这里不做具体限定,以下统称为电子设备。执行主体中至少包括具有数据处理能力的核心处理芯片。实现本发明实施例所提供的目标库更新方法的方式可以为设置于执行主体中的软件、硬件电路和逻辑电路中的至少一种方式。
如图1所示,本发明实施例提供了一种目标库更新方法,可以包括如下步骤。
S101,获取图片以及图片中指定目标的特征数据,其中,指定目标的特征数据为利用原始版本的目标分析算法对图片中的指定目标进行检测得到。
S102,利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型。
S103,更新目标库中指定目标的目标模型。
应用本发明实施例,目标分析算法包括目标检测和目标建模功能,利用原始版本的目标分析算法的目标检测功能,可以检测出图片中的指定目标,得到指定目标的特征数据,在算法更新后,并不会利用最新版本的目标分析算法的目标检测功能,而只是利用最新版本的目标分析算法的目标建模功能,进行指定目标的目标模型重建,即基于利用原始版本的目标分析算法得到的指定目标的特征数据,对图片中的指定目标进行分析建模,重建出指定目标的目标模型,用重建出的目标模型对目标库中指定目标的目标模型进行更新。不会利用最新版本的目标分析算法对图片直接进行目标检测,避免了最新版本的目标分析算法检测不出指定目标的情况,而是基于利用原始版本的目标分析算法得到的指定目标的特征数据,对图片中的指定目标进行分析建模,重建出指定目标的目标模型,可以得到更新的指定目标的目标模型,从而能够对目标库中的信息进行更新,避免了目标库中的信息在目标分析算法更新时发生丢失,也就是说,算法的更新不会带来目标库中信息的丢失,从而提升了算法更新的可执行性,保证了目标库的完整性。并且,由于无需利用最新版本的目标分析算法对图片进行目标检测就可以得到指定目标的目标模型,从而提升了目标模型重建的速度。
在目标分析算法更新后,需要对目标库中的信息进行更新,首先需要获取图片,这里的图片指的是已标定目标的样本图片,样本图片可以存储在一个图片库中,从该图片库中获取图片,也可以在目标库中记录样本图片的图片地址信息,基于图片地址信息到相应地址处获取图片。本发明实施例中的目标分析算法可以是深度学习算法,具有目标检测、目标建模等功能。
利用原始版本的目标分析算法的目标检测功能,可以检测出图片中的指定目标,获得指定目标的特征数据,这里的原始版本的目标分析算法可以是当前最新版本的目标分析算法之前任一版本的目标分析算法。指定目标的特征数据是指能够表征指定目标的特征的数据,例如指定目标的特征点数据、特征框数据等等。本发明实施例中的指定目标可以是人脸目标、人体目标、车辆目标等等,这里不做具体的限定。
在利用原始版本的目标分析算法对图片中的指定目标进行检测得到指定目标的特征数据后,可以将指定目标的特征数据记录在目标库中,也可以将指定目标的特征数据存储在其他位置,在需要进行目标库更新时获取,当然,在本发明实施例的一种实现方式中,也可以记录下原始版本的目标分析算法,在需要进行目标库更新时,先利用原始版本的目标分析算法对图片中的指定目标进行检测,得到指定目标的特征数据,再进行后续的目标库更新流程。
在获取到图片和图片中指定目标的特征数据后,可以利用最新版本的目标分析算法的目标建模功能,基于指定目标的特征数据,对图片中的指定目标进行分析建模,由于指定目标的特征数据是指能够表征指定目标的特征的数据,因此,指定目标的特征数据能够反映出指定目标在图片中的大小、轮廓等属性,基于指定目标的特征数据,通过对图片中的指定目标进行分析建模,可以得到指定目标的目标模型。目标模型可以是指定目标的轮廓模型、数据模型、几何模型等。
可选的,特征数据包括特征点数据及特征框数据。相应的,S102具体可以为:利用最新版本的目标分析算法,基于指定目标的特征点数据和特征框数据,在图片中指定目标的特征点数据和特征框数据的对应像素点,采用预设的描点建模方法,构建指定目标的目标模型。
指定目标的特征点数据和特征框数据表征了指定目标在图片中的像素范围和像素点位置,因此,基于指定目标的特征点数据和特征框数据,可以在图片中指定目标的特征点数据和特征框数据的对应像素点,采用预设的描点建模方法,对像素范围内的所有像素点进行描点操作,构建出指定目标的目标模型。
在对图片重建出指定目标的目标模型后,重建出的指定目标的目标模型相较于之前的目标模型可能发生了变化,因此,需要用重建出的指定目标的目标模型对目标库中指定目标的目标模型进行更新,这样,既保证目标库中的信息不会在目标分析算法更新时发生丢失,又能够基于新版本的目标分析算法对目标库进行更新。这里所说的目标库可以仅存储指定目标的目标模型,也可以存储指定目标的特征数据和目标模型,当然还可以以映射记录的方式,存储图片地址信息、指定目标的标识信息、指定目标的特征数据和指定目标的目标模型之间的对应关系。
基于图1所示实施例,在本发明实施例的一种实现方式中,目标库中存储有图片地址信息、指定目标的标识信息、指定目标的特征数据和指定目标的目标模型之间的对应关系。相应的,如图2所示,本发明实施例还提供了一种目标库更新方法,可以包括如下步骤。
S201,从目标库中,提取图片地址信息、图片地址信息对应的指定目标的标识信息和特征数据,其中,指定目标的特征数据为预先利用原始版本的目标分析算法对具有图片地址信息的图片中的指定目标进行检测得到。
S202,基于图片地址信息,获取图片。
S203,利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型。
S204,基于指定目标的标识信息,对应更新目标库中指定目标的目标模型。
在本发明实施例中,目标库中存储有图片地址信息、指定目标的标识信息、指定目标的特征数据和指定目标的目标模型之间的对应关系,在每一次目标分析算法更新完后,都需要在目标库中更新这个对应关系,则在下一次目标分析算法更新时,可以从目标库中提取出图片地址信息、图片地址信息对应的指定目标的标识信息和特征数据,在提取到图片地址信息后,可以基于图片地址信息,到对应地址获取到图片。在重建出指定目标的目标模型后,基于指定目标的标识信息,对应更新目标库中指定目标的目标模型。
在目标分析算法更新时,从目标库中获取所需要的图片地址信息、图片地址信息对应的指定目标的标识信息和特征数据,并通过目标模型重建,对目标库中的指定模型的目标模型进行更新,保持原本的指定模型的特征数据不变,可见,所有所需的数据都是从目标库中获取的,提升了目标库更新的效率。
基于图1所示实施例,在本发明实施例的一种实现方式中,目标库中还存储有指定目标对应的检测评分结果。相应的,如图3所示,本发明实施例还提供了一种目标库更新方法,可以包括如下步骤。
S301,获取图片以及图片中指定目标的特征数据,其中,指定目标的特征数据为利用原始版本的目标分析算法对图片中的指定目标进行检测得到。
S302,利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型和检测评分结果。
S303,更新目标库中指定目标的目标模型和指定目标对应的检测评分结果。
目标分析算法中还包含有评分处理项,也就是在利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模时,不仅可以得到指定目标的目标模型,还可以得到如果利用最新版本的目标分析算法对指定目标进行检测所对应的检测评分结果,检测评分结果表征了一个目标分析算法能够检测出指定目标的几率,可以作为后期算法更新的依据。因此,在目标库中,还应存储指定目标对应的检测评分结果,在得到指定目标的目标模型和检测评分结果后,对目标库中指定目标的目标模型和检测评分结果进行更新。
以人员名单库更新为例,在本发明实施例的电子设备中,包括名单抽取模块、分析系统和存储三个部分,如图4所示,在人脸检测算法更新时,名单抽取模块会从存储的人员名单库中批量抽取人脸图片、特征点数据、特征框数据和人脸标识等信息,然后将抽取的人脸图片、特征点数据、特征框数据和人脸标识等信息提交给分析系统,由分析系统利用新的人脸检测算法,基于特征点数据和特征框数据,在人脸图片中特征点数据和特征框数据的对应像素点,采用预设的描点建模方法,构建人脸模型,并得到检测评分结果,分析系统中包括检测模块(用于进行目标检测)、属性模块(用于进行属性分析)、建模模块(用于构建目标模型)和评分模块(用于进行算法的检测评分),可见在目标分析算法更新后,检测模块不工作,分析系统在重建人脸模型后,将重建的人脸模型、特征点数据、特征框数据、人脸标识、属性、检测评分结果等进行存储,覆盖掉该人脸图片、人脸目标所对应的信息,完成人员名单库中信息的更新。
基于上述方法实施例,本发明实施例提供了一种目标库更新装置,如图5所示,该装置可以包括:
获取模块510,用于获取图片以及图片中指定目标的特征数据,其中,指定目标的特征数据为利用原始版本的目标分析算法对图片中的指定目标进行检测得到;
分析模块520,用于利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型;
更新模块530,用于更新目标库中指定目标的目标模型。
可选的,目标库中存储有图片地址信息、指定目标的标识信息、指定目标的特征数据和指定目标的目标模型之间的对应关系。
可选的,获取模块510,具体可以用于:从目标库中,提取图片地址信息、图片地址信息对应的指定目标的标识信息和特征数据,其中,指定目标的特征数据为预先利用原始版本的目标分析算法对具有图片地址信息的图片中的指定目标进行检测得到;基于图片地址信息,获取图片;
更新模块530,具体可以用于:基于指定目标的标识信息,对应更新目标库中指定目标的目标模型。
可选的,目标库中还存储有指定目标对应的检测评分结果;
分析模块520,具体可以用于:利用最新版本的目标分析算法,基于指定目标的特征数据,对图片中的指定目标进行分析建模,得到指定目标的目标模型和检测评分结果;
更新模块530,具体可以用于:更新目标库中指定目标的目标模型和指定目标对应的检测评分结果。
可选的,特征数据包括特征点数据及特征框数据;
分析模块520,具体可以用于:利用最新版本的目标分析算法,基于指定目标的特征点数据和特征框数据,在图片中指定目标的特征点数据和特征框数据的对应像素点,采用预设的描点建模方法,构建指定目标的目标模型。
应用本发明实施例,目标分析算法包括目标检测和目标建模功能,利用原始版本的目标分析算法的目标检测功能,可以检测出图片中的指定目标,得到指定目标的特征数据,在算法更新后,并不会利用最新版本的目标分析算法的目标检测功能,而只是利用最新版本的目标分析算法的目标建模功能,进行指定目标的目标模型重建,即基于利用原始版本的目标分析算法得到的指定目标的特征数据,对图片中的指定目标进行分析建模,重建出指定目标的目标模型,用重建出的目标模型对目标库中指定目标的目标模型进行更新。不会利用最新版本的目标分析算法对图片直接进行目标检测,避免了最新版本的目标分析算法检测不出指定目标的情况,而是基于利用原始版本的目标分析算法得到的指定目标的特征数据,对图片中的指定目标进行分析建模,重建出指定目标的目标模型,可以得到更新的指定目标的目标模型,从而能够对目标库中的信息进行更新,避免了目标库中的信息在目标分析算法更新时发生丢失。
本发明实施例还提供了一种电子设备,如图6所示,包括处理器601和存储器602,其中,存储器602,用于存放计算机程序;处理器601,用于执行存储器602上所存放的计算机程序时,实现上述目标库更新方法。
上述存储器可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-Volatile Memory,非易失性存储器),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离上述处理器的存储装置。
上述处理器可以是通用处理器,包括CPU(Central Processing Unit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processing,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器601与处理器601之间可以通过有线连接或者无线连接的方式进行数据传输,并且电子设备与其他设备之间可以通过有线通信接口或者无线通信接口进行通信。图6所示的仅为通过总线进行数据传输的示例,不作为具体连接方式的限定。
本发明实施例中,该电子设备的处理器通过读取存储器中存储的计算机程序,并通过运行该计算机程序,能够实现:目标分析算法包括目标检测和目标建模功能,利用原始版本的目标分析算法的目标检测功能,可以检测出图片中的指定目标,得到指定目标的特征数据,在算法更新后,并不会利用最新版本的目标分析算法的目标检测功能,而只是利用最新版本的目标分析算法的目标建模功能进行指定目标的目标模型重建,即基于利用原始版本的目标分析算法得到的指定目标的特征数据,对图片中的指定目标进行分析建模,重建出指定目标的目标模型,用重建出的目标模型对目标库中指定目标的目标模型进行更新。不会利用最新版本的目标分析算法对图片直接进行目标检测,避免了最新版本的目标分析算法检测不出指定目标的情况,而是基于利用原始版本的目标分析算法得到的指定目标的特征数据,对图片中的指定目标进行分析建模,重建出指定目标的目标模型,可以得到更新的指定目标的目标模型,从而能够对目标库中的信息进行更新,避免了目标库中的信息在目标分析算法更新时发生丢失。
本发明实施例还提供了一种机器可读存储介质,机器可读存储介质内存储有能够被处理器执行的机器可执行指令;机器可执行指令被处理器执行时,实现上述目标库更新方法。
在本发明实施例提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行实现上述目标库更新方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、DSL(Digital Subscriber Line,数字用户线))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质(例如DVD(DigitalVersatile Disc,数字多功能光盘))、或者半导体介质(例如SSD(Solid State Disk,固态硬盘))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于目标库更新装置、电子设备、机器可读存储介质和计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (12)
1.一种目标库更新方法,其特征在于,所述方法包括:
获取图片以及所述图片中指定目标的特征数据,其中,所述指定目标的特征数据为利用原始版本的目标分析算法对所述图片中的指定目标进行检测得到;
利用最新版本的目标分析算法,基于所述指定目标的特征数据,对所述图片中的指定目标进行分析建模,得到所述指定目标的目标模型;
更新目标库中所述指定目标的目标模型。
2.根据权利要求1所述的方法,其特征在于,所述目标库中存储有图片地址信息、指定目标的标识信息、指定目标的特征数据和指定目标的目标模型之间的对应关系。
3.根据权利要求2所述的方法,其特征在于,所述获取图片以及所述图片中指定目标的特征数据,包括:
从所述目标库中,提取图片地址信息、所述图片地址信息对应的指定目标的标识信息和特征数据,其中,所述指定目标的特征数据为预先利用原始版本的目标分析算法对具有所述图片地址信息的图片中的所述指定目标进行检测得到;
基于所述图片地址信息,获取图片;
所述更新目标库中所述指定目标的目标模型,包括:
基于所述指定目标的标识信息,对应更新所述目标库中所述指定目标的目标模型。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述目标库中还存储有所述指定目标对应的检测评分结果;
所述利用最新版本的目标分析算法,基于所述指定目标的特征数据,对所述图片中的指定目标进行分析建模,得到所述指定目标的目标模型,包括:
利用最新版本的目标分析算法,基于所述指定目标的特征数据,对所述图片中的指定目标进行分析建模,得到所述指定目标的目标模型和检测评分结果;
所述更新目标库中所述指定目标的目标模型,包括:
更新目标库中所述指定目标的目标模型和所述指定目标对应的检测评分结果。
5.根据权利要求1所述的方法,其特征在于,所述特征数据包括特征点数据及特征框数据;
所述利用最新版本的目标分析算法,基于所述指定目标的特征数据,对所述图片中的指定目标进行分析建模,得到所述指定目标的目标模型,包括:
利用最新版本的目标分析算法,基于所述指定目标的特征点数据和特征框数据,在所述图片中所述指定目标的特征点数据和特征框数据的对应像素点,采用预设的描点建模方法,构建所述指定目标的目标模型。
6.一种目标库更新装置,其特征在于,所述装置包括:
获取模块,用于获取图片以及所述图片中指定目标的特征数据,其中,所述指定目标的特征数据为利用原始版本的目标分析算法对所述图片中的指定目标进行检测得到;
分析模块,用于利用最新版本的目标分析算法,基于所述指定目标的特征数据,对所述图片中的指定目标进行分析建模,得到所述指定目标的目标模型;
更新模块,用于更新目标库中所述指定目标的目标模型。
7.根据权利要求6所述的装置,其特征在于,所述目标库中存储有图片地址信息、指定目标的标识信息、指定目标的特征数据和指定目标的目标模型之间的对应关系。
8.根据权利要求7所述的装置,其特征在于,所述获取模块,具体用于:从所述目标库中,提取图片地址信息、所述图片地址信息对应的指定目标的标识信息和特征数据,其中,所述指定目标的特征数据为预先利用原始版本的目标分析算法对具有所述图片地址信息的图片中的所述指定目标进行检测得到;基于所述图片地址信息,获取图片;
所述更新模块,具体用于:基于所述指定目标的标识信息,对应更新所述目标库中所述指定目标的目标模型。
9.根据权利要求6-8任一项所述的装置,其特征在于,所述目标库中还存储有所述指定目标对应的检测评分结果;
所述分析模块,具体用于:利用最新版本的目标分析算法,基于所述指定目标的特征数据,对所述图片中的指定目标进行分析建模,得到所述指定目标的目标模型和检测评分结果;
所述更新模块,具体用于:更新目标库中所述指定目标的目标模型和所述指定目标对应的检测评分结果。
10.根据权利要求6所述的装置,其特征在于,所述特征数据包括特征点数据及特征框数据;
所述分析模块,具体用于:利用最新版本的目标分析算法,基于所述指定目标的特征点数据和特征框数据,在所述图片中所述指定目标的特征点数据和特征框数据的对应像素点,采用预设的描点建模方法,构建所述指定目标的目标模型。
11.一种电子设备,其特征在于,包括处理器和存储器,其中,
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的计算机程序时,实现权利要求1-5任一项所述的方法。
12.一种机器可读存储介质,其特征在于,所述机器可读存储介质内存储有能够被处理器执行的机器可执行指令;所述机器可执行指令被所述处理器执行时,实现权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010568846.0A CN111522570B (zh) | 2020-06-19 | 2020-06-19 | 目标库更新方法、装置、电子设备及机器可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010568846.0A CN111522570B (zh) | 2020-06-19 | 2020-06-19 | 目标库更新方法、装置、电子设备及机器可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111522570A true CN111522570A (zh) | 2020-08-11 |
CN111522570B CN111522570B (zh) | 2023-09-05 |
Family
ID=71911601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010568846.0A Active CN111522570B (zh) | 2020-06-19 | 2020-06-19 | 目标库更新方法、装置、电子设备及机器可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111522570B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329797A (zh) * | 2020-11-13 | 2021-02-05 | 杭州海康威视数字技术股份有限公司 | 目标对象的检索方法、装置、服务器和存储介质 |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080168434A1 (en) * | 2007-01-04 | 2008-07-10 | International Business Machines Corporation | Apparatus and method to update multiple devices disposed in a computing system |
US20160147943A1 (en) * | 2014-11-21 | 2016-05-26 | Argo Data Resource Corporation | Semantic Address Parsing Using a Graphical Discriminative Probabilistic Model |
CN106610854A (zh) * | 2015-10-26 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 一种模型更新方法及装置 |
CN107463580A (zh) * | 2016-06-06 | 2017-12-12 | 腾讯科技(深圳)有限公司 | 训练点击率预估模型方法和装置、点击率预估方法和装置 |
CN107545889A (zh) * | 2016-06-23 | 2018-01-05 | 华为终端(东莞)有限公司 | 适用于模式识别的模型的优化方法、装置及终端设备 |
CN107622130A (zh) * | 2017-09-29 | 2018-01-23 | 北京酷我科技有限公司 | 一种数据库升级优化算法 |
CN108229686A (zh) * | 2016-12-14 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 模型训练、预测方法、装置、电子设备及机器学习平台 |
CN108304201A (zh) * | 2017-09-14 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 对象更新方法、装置及设备 |
CN108596434A (zh) * | 2018-03-23 | 2018-09-28 | 卫盈联信息技术(深圳)有限公司 | 欺诈检测和风险评估方法、系统、设备及存储介质 |
CN108897834A (zh) * | 2018-06-22 | 2018-11-27 | 招商信诺人寿保险有限公司 | 数据处理与挖掘方法 |
CN108985131A (zh) * | 2017-05-31 | 2018-12-11 | 杭州海康威视数字技术股份有限公司 | 一种目标识别方法及图像处理设备 |
CN109241288A (zh) * | 2018-10-12 | 2019-01-18 | 平安科技(深圳)有限公司 | 文本分类模型的更新训练方法、装置及设备 |
US20190065597A1 (en) * | 2017-08-30 | 2019-02-28 | Pearson Education, Inc. | System and method for sequencing database-based content recommendation |
WO2019087032A1 (en) * | 2017-10-30 | 2019-05-09 | Universita' Degli Studi Di Firenze | Method for the reconstruction of cad models through parametric adaptation |
CN109783589A (zh) * | 2018-12-13 | 2019-05-21 | 中国平安人寿保险股份有限公司 | 电子地图解析地址的方法、装置及存储介质 |
CN109978062A (zh) * | 2019-03-28 | 2019-07-05 | 北京九章云极科技有限公司 | 一种模型在线监控方法及系统 |
CN110007946A (zh) * | 2019-04-15 | 2019-07-12 | 重庆天蓬网络有限公司 | 一种算法模型的更新方法、装置、设备及介质 |
CN110084371A (zh) * | 2019-03-27 | 2019-08-02 | 平安国际智慧城市科技股份有限公司 | 基于机器学习的模型迭代更新方法、装置和计算机设备 |
CN110162627A (zh) * | 2019-04-28 | 2019-08-23 | 平安科技(深圳)有限公司 | 数据增量方法、装置、计算机设备及存储介质 |
WO2019184124A1 (zh) * | 2018-03-30 | 2019-10-03 | 平安科技(深圳)有限公司 | 风控模型训练方法、风险识别方法、装置、设备及介质 |
CN110347414A (zh) * | 2019-07-15 | 2019-10-18 | 西安易朴通讯技术有限公司 | 固件更新方法、装置、设备及计算机可读存储介质 |
CN110399895A (zh) * | 2019-03-27 | 2019-11-01 | 上海灏领科技有限公司 | 图像识别的方法和装置 |
CN110443310A (zh) * | 2019-08-07 | 2019-11-12 | 浙江大华技术股份有限公司 | 比对分析系统的更新方法、服务器及计算机存储介质 |
CN111126509A (zh) * | 2019-12-31 | 2020-05-08 | 深圳开立生物医疗科技股份有限公司 | 一种图像处理系统模型构建方法和装置 |
CN111176705A (zh) * | 2019-12-10 | 2020-05-19 | 腾讯科技(深圳)有限公司 | 特征库的升级方法及装置 |
-
2020
- 2020-06-19 CN CN202010568846.0A patent/CN111522570B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080168434A1 (en) * | 2007-01-04 | 2008-07-10 | International Business Machines Corporation | Apparatus and method to update multiple devices disposed in a computing system |
US20160147943A1 (en) * | 2014-11-21 | 2016-05-26 | Argo Data Resource Corporation | Semantic Address Parsing Using a Graphical Discriminative Probabilistic Model |
CN106610854A (zh) * | 2015-10-26 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 一种模型更新方法及装置 |
CN107463580A (zh) * | 2016-06-06 | 2017-12-12 | 腾讯科技(深圳)有限公司 | 训练点击率预估模型方法和装置、点击率预估方法和装置 |
CN107545889A (zh) * | 2016-06-23 | 2018-01-05 | 华为终端(东莞)有限公司 | 适用于模式识别的模型的优化方法、装置及终端设备 |
CN108229686A (zh) * | 2016-12-14 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 模型训练、预测方法、装置、电子设备及机器学习平台 |
CN108985131A (zh) * | 2017-05-31 | 2018-12-11 | 杭州海康威视数字技术股份有限公司 | 一种目标识别方法及图像处理设备 |
US20190065597A1 (en) * | 2017-08-30 | 2019-02-28 | Pearson Education, Inc. | System and method for sequencing database-based content recommendation |
CN108304201A (zh) * | 2017-09-14 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 对象更新方法、装置及设备 |
CN107622130A (zh) * | 2017-09-29 | 2018-01-23 | 北京酷我科技有限公司 | 一种数据库升级优化算法 |
WO2019087032A1 (en) * | 2017-10-30 | 2019-05-09 | Universita' Degli Studi Di Firenze | Method for the reconstruction of cad models through parametric adaptation |
CN108596434A (zh) * | 2018-03-23 | 2018-09-28 | 卫盈联信息技术(深圳)有限公司 | 欺诈检测和风险评估方法、系统、设备及存储介质 |
WO2019184124A1 (zh) * | 2018-03-30 | 2019-10-03 | 平安科技(深圳)有限公司 | 风控模型训练方法、风险识别方法、装置、设备及介质 |
CN108897834A (zh) * | 2018-06-22 | 2018-11-27 | 招商信诺人寿保险有限公司 | 数据处理与挖掘方法 |
CN109241288A (zh) * | 2018-10-12 | 2019-01-18 | 平安科技(深圳)有限公司 | 文本分类模型的更新训练方法、装置及设备 |
CN109783589A (zh) * | 2018-12-13 | 2019-05-21 | 中国平安人寿保险股份有限公司 | 电子地图解析地址的方法、装置及存储介质 |
CN110084371A (zh) * | 2019-03-27 | 2019-08-02 | 平安国际智慧城市科技股份有限公司 | 基于机器学习的模型迭代更新方法、装置和计算机设备 |
CN110399895A (zh) * | 2019-03-27 | 2019-11-01 | 上海灏领科技有限公司 | 图像识别的方法和装置 |
CN109978062A (zh) * | 2019-03-28 | 2019-07-05 | 北京九章云极科技有限公司 | 一种模型在线监控方法及系统 |
CN110007946A (zh) * | 2019-04-15 | 2019-07-12 | 重庆天蓬网络有限公司 | 一种算法模型的更新方法、装置、设备及介质 |
CN110162627A (zh) * | 2019-04-28 | 2019-08-23 | 平安科技(深圳)有限公司 | 数据增量方法、装置、计算机设备及存储介质 |
CN110347414A (zh) * | 2019-07-15 | 2019-10-18 | 西安易朴通讯技术有限公司 | 固件更新方法、装置、设备及计算机可读存储介质 |
CN110443310A (zh) * | 2019-08-07 | 2019-11-12 | 浙江大华技术股份有限公司 | 比对分析系统的更新方法、服务器及计算机存储介质 |
CN111176705A (zh) * | 2019-12-10 | 2020-05-19 | 腾讯科技(深圳)有限公司 | 特征库的升级方法及装置 |
CN111126509A (zh) * | 2019-12-31 | 2020-05-08 | 深圳开立生物医疗科技股份有限公司 | 一种图像处理系统模型构建方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329797A (zh) * | 2020-11-13 | 2021-02-05 | 杭州海康威视数字技术股份有限公司 | 目标对象的检索方法、装置、服务器和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111522570B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256479B (zh) | 人脸跟踪方法和装置 | |
CN108229456B (zh) | 目标跟踪方法和装置、电子设备、计算机存储介质 | |
US11714908B2 (en) | Bit-level data generation and artificial intelligence techniques and architectures for data protection | |
CN110750694A (zh) | 数据标注实现方法及装置、电子设备、存储介质 | |
CN110660102B (zh) | 基于人工智能的说话人识别方法及装置、系统 | |
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 | |
US20170323149A1 (en) | Rotation invariant object detection | |
CN110349138B (zh) | 基于实例分割框架的目标物体的检测方法及装置 | |
CN113641994B (zh) | 基于图数据的数据处理方法及系统 | |
CN108615006B (zh) | 用于输出信息的方法和装置 | |
CN111383246A (zh) | 条幅检测方法、装置及设备 | |
CN113705650B (zh) | 一种人脸图片集的处理方法、装置、介质和计算设备 | |
CN111522570B (zh) | 目标库更新方法、装置、电子设备及机器可读存储介质 | |
CN113297409A (zh) | 一种图像搜索方法、装置、电子设备及存储介质 | |
KR102230559B1 (ko) | 데이터 프로그래밍에 기반한 레이블링 모델 생성 방법 및 장치 | |
CN109101234B (zh) | 确定页面与业务模块之间对应关系的方法及装置 | |
CN113688263B (zh) | 用于搜索图像的方法、计算设备和存储介质 | |
CN116246161A (zh) | 领域知识引导下的遥感图像目标精细类型识别方法及装置 | |
CN112699272B (zh) | 信息输出方法、装置和电子设备 | |
CN114638304A (zh) | 图像识别模型的训练方法、图像识别方法及装置 | |
CN114419070A (zh) | 一种图像场景分割方法、装置、设备及存储介质 | |
CN112784691A (zh) | 一种目标检测模型训练方法、目标检测方法和装置 | |
CN111368651A (zh) | 一种车辆识别方法、装置及电子设备 | |
CN112131418A (zh) | 目标标注方法、目标标注装置和计算机可读存储介质 | |
CN112989096B (zh) | 脸部特征迁移方法、电子设备及存储介质 |
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 |