CN111860385A - 目标识别方法和装置 - Google Patents
目标识别方法和装置 Download PDFInfo
- Publication number
- CN111860385A CN111860385A CN202010732658.7A CN202010732658A CN111860385A CN 111860385 A CN111860385 A CN 111860385A CN 202010732658 A CN202010732658 A CN 202010732658A CN 111860385 A CN111860385 A CN 111860385A
- Authority
- CN
- China
- Prior art keywords
- target
- feature information
- memory space
- characteristic information
- information set
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000004044 response Effects 0.000 claims abstract description 35
- 238000004891 communication Methods 0.000 claims abstract description 16
- 230000010365 information processing Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000012217 deletion Methods 0.000 description 11
- 230000037430 deletion Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
-
- 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
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Ophthalmology & Optometry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了目标识别方法和装置。该方法的一具体实施方式包括：响应于检测到系统启动，确定存储设备中的目标特征信息集的大小，其中，目标特征信息集中的目标特征信息为用于描述目标的特征的信息；向系统请求与目标特征信息集的大小相匹配的内存空间，以得到目标内存空间；将目标特征信息集存储至目标内存空间；响应于接收到通信连接的图像采集设备发送的目标图像，基于目标内存空间中的目标特征信息集对目标图像所呈现的物体进行识别。该实施方式有助于实现在不更新硬件设备的情况下提高智能识别设备的识别速度。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及目标识别方法和装置。
背景技术
随着智能识别技术的不断发展与进步，人们通常期望智能识别设备可以在尽可能短的时间内识别更多的目标，即，提高识别速度。
相关技术中，给智能识别设备配备更高性能的硬件(如，数据读写速度更快的存储设备，信息处理速度更快的处理器等)通常可以实现提高识别速度。然而，给智能识别设备配备更高性能的硬件通常需要耗费较高的成本。因此，相关技术中，需要在不更新硬件设备的情况下提高智能识别设备的识别速度。
发明内容
本公开的实施例提出了目标识别方法和装置。
第一方面，本公开的实施例提供了一种目标识别方法，该方法包括：响应于检测到系统启动，确定存储设备中的目标特征信息集的大小，其中，目标特征信息集中的目标特征信息为用于描述目标的特征的信息；向系统请求与目标特征信息集的大小相匹配的内存空间，以得到目标内存空间；将目标特征信息集存储至目标内存空间；响应于接收到通信连接的图像采集设备发送的目标图像，基于目标内存空间中的目标特征信息集对目标图像所呈现的物体进行识别。
在一些实施例中，基于目标内存空间中的目标特征信息集对目标图像所呈现的物体进行识别，包括：向通信连接的信息处理设备发送目标图像，以及接收信息处理设备针对目标图像发送的物体特征信息，其中，物体特征信息为用于描述目标图像所呈现的物体的特征的信息；根据物体特征信息和目标内存空间中的目标特征信息集，识别目标图像所呈现的物体。
在一些实施例中，信息处理设备包括以下任意一项或多项：中央处理器，数字信号处理器，图像处理器。
在一些实施例中，根据物体特征信息和目标内存空间中的目标特征信息集，识别目标图像所呈现的物体，包括：确定目标特征信息集中是否存在与物体特征信息相匹配的目标特征信息；响应于目标特征信息集中存在与物体特征信息相匹配的目标特征信息，确定目标图像所呈现的物体为相匹配的目标特征信息所指示的目标。
在一些实施例中，根据物体特征信息和目标内存空间中的目标特征信息集，识别目标图像所呈现的物体，还包括：响应于目标特征信息集中不存在与物体特征信息相匹配的目标特征信息，生成用于提示物体识别不成功的提示信息。
在一些实施例中，图像采集设备包括以下任意一项或多项：人脸图像采集设备，指纹图像采集设备，虹膜图像采集设备。
在一些实施例中，该方法还包括：响应于检测到用户针对目标特征信息集中的目标特征信息的删除操作，删除目标内存空间中的相应目标特征信息，以及删除存储设备中的相应目标特征信息。
第二方面，本公开的实施例提供了一种目标识别装置，该装置包括：
数据确定单元，被配置成响应于检测到系统启动，确定存储设备中的目标特征信息集的大小，其中，目标特征信息集中的目标特征信息为用于描述目标的特征的信息；
内存请求单元，被配置成向系统请求与目标特征信息集的大小相匹配的内存空间，以得到目标内存空间；
信息存储单元，被配置成将目标特征信息集存储至目标内存空间；
物体识别单元，被配置成响应于接收到通信连接的图像采集设备发送的目标图像，基于目标内存空间中的目标特征信息集对目标图像所呈现的物体进行识别。
在一些实施例中，物体识别单元中，基于目标内存空间中的目标特征信息集对目标图像所呈现的物体进行识别，包括：向通信连接的信息处理设备发送目标图像，以及接收信息处理设备针对目标图像发送的物体特征信息，其中，物体特征信息为用于描述目标图像所呈现的物体的特征的信息；根据物体特征信息和目标内存空间中的目标特征信息集，识别目标图像所呈现的物体。
在一些实施例中，信息处理设备包括以下任意一项或多项：中央处理器，数字信号处理器，图像处理器。
在一些实施例中，根据物体特征信息和目标内存空间中的目标特征信息集，识别目标图像所呈现的物体，包括：确定目标特征信息集中是否存在与物体特征信息相匹配的目标特征信息；响应于目标特征信息集中存在与物体特征信息相匹配的目标特征信息，确定目标图像所呈现的物体为相匹配的目标特征信息所指示的目标。
在一些实施例中，根据物体特征信息和目标内存空间中的目标特征信息集，识别目标图像所呈现的物体，还包括：响应于目标特征信息集中不存在与物体特征信息相匹配的目标特征信息，生成用于提示物体识别不成功的提示信息。
在一些实施例中，图像采集设备包括以下任意一项或多项：人脸图像采集设备，指纹图像采集设备，虹膜图像采集设备。
在一些实施例中，该装置还包括：信息删除单元，被配置成响应于检测到用户针对目标特征信息集中的目标特征信息的删除操作，删除目标内存空间中的相应目标特征信息，以及删除存储设备中的相应目标特征信息。
第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当该一个或多个程序被该一个或多个处理器执行，使得该一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的目标识别方法和装置，可以响应于检测到系统启动，确定存储设备中的目标特征信息集的大小。其中，目标特征信息集中的目标特征信息为用于描述目标的特征的信息。然后，向系统请求与目标特征信息集的大小相匹配的内存空间，以得到目标内存空间。之后，将目标特征信息集存储至目标内存空间。最后，响应于接收到通信连接的图像采集设备发送的目标图像，基于目标内存空间中的目标特征信息集对目标图像所呈现的物体进行识别。本公开的实施例提供的方法和装置，由于内存的数据读写速度通常比存储设备的数据读写速度快很多。通过在系统启动时将存储设备中的目标特征信息集存储至新开辟的内存中，可以减少目标识别时用于读写数据的时间，有助于实现在不更新硬件设备的情况下提高智能识别设备的识别速度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是根据本公开的目标识别方法的一个实施例的流程图；
图2是根据本公开的目标识别方法的另一个实施例的流程图；
图3是根据本公开的目标识别装置的一个实施例的结构示意图；
图4是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的目标识别方法的一个实施例的流程100。该目标识别方法，包括以下步骤：
步骤101，响应于检测到系统启动，确定存储设备中的目标特征信息集的大小。
其中，目标特征信息集中的目标特征信息为用于描述目标的特征的信息。实践中，目标特征信息可以包括但不限于目标的人脸特征信息、目标的工号、目标的名字等。上述系统通常是指智能识别设备的操作系统。上述存储设备通常为智能识别设备中用于存储数据的非易失性存储设备。作为示例，上述存储设备可以为采用SPI(Serial PeripheralInterface)通信协议的NAND闪存。
在本实施例中，上述目标识别方法的执行主体可以为智能识别设备。作为示例，上述执行主体可以为人脸识别设备、指纹识别设备、虹膜识别设备等。
这里，通常可以认为：若上述智能识别设备启动，则上述系统启动。由于智能识别设备启动时，智能识别设备的输入/输出接口(Input/Output Interface，I/O接口)通常会发生电平变化。故上述执行主体可以通过检测智能识别设备的输入/输出接口的电平变化，检测到智能识别设备启动，从而实现检测到上述系统启动。
本实施例中，上述执行主体可以通过调用用于确定数据大小的函数，得到存储设备中的目标特征信息集的大小。
步骤102，向系统请求与目标特征信息集的大小相匹配的内存空间，以得到目标内存空间。
其中，上述与目标特征信息集的大小相匹配，通常是指与目标特征信息集的大小相等或略大。
在本实施例中，由于内存通常需要系统进行分配。因此，上述执行主体可以请求系统分配与目标特征信息集的大小相匹配的内存空间。这样，上述系统可以基于上述执行主体的请求，给上述执行主体分配与目标特征信息集的大小相匹配的内存空间。这里，为了便于描述，可以将所分配的内存空间记作目标内存空间。
步骤103，将目标特征信息集存储至目标内存空间。
在本实施例中，上述执行主体可以将目标特征信息集存储至目标内存空间。这样，可以在后续的目标识别过程中，直接采用数据读写速度更快的目标内存空间中的目标特征信息集进行目标识别，有助于提高目标识别速度。
步骤104，响应于接收到通信连接的图像采集设备发送的目标图像，基于目标内存空间中的目标特征信息集对目标图像所呈现的物体进行识别。
其中，上述目标图像通常是包含目标物的图像。如，可以是包含人脸的图像，也可以是包含指纹的图像等。
在本实施例中，图像采集设备可以采集到目标图像，以及将所采集的目标图像发送给上述执行主体。这样，上述执行主体可以接收到图像采集设备发送的目标图像。
可选地，图像采集设备可以包括但不限于以下任意一项或多项：人脸图像采集设备，指纹图像采集设备，虹膜图像采集设备。本实施例对图像采集设备的具体类型和数目不做具体限定。
需要指出的是，上述图像采集设备可以是独立于智能识别设备的设备，也可以是智能识别设备自带的设备，这里不做具体限定。
在接收到目标图像后，上述执行主体可以通过多种方式对目标图像所呈现的物体进行识别。
作为示例，上述执行主体可以通过如下方式对目标图像所呈现的物体进行识别：首先，将目标图像输入预先训练的特征提取模型，得到目标图像所呈现物体的物体特征信息。然后，将所得到的物体特征信息与目标特征信息集中的各目标特征信息进行相似度计算，得到多个相似度值。最后，若多个相似度值中的最大值大于预设相似度阈值，则确定目标图像所呈现的物体为最大相似度值对应的目标特征信息所指示的目标。
其中，上述特征提取模型可以用于分析目标图像与目标图像所呈现物体的物体特征信息的对应关系。具体的，特征提取模型可以是基于对大量目标图像进行统计而生成的、存储有多个目标图像与目标图像所呈现物体的物体特征信息的对应关系的对应关系表，也可以是基于训练样本，利用机器学习方法，对初始模型(例如卷积神经网络(ConvolutionalNeural Network，CNN)、残差网络(ResNet)等)进行训练后得到的模型。
在本实施例中，由于内存的数据读写速度通常比存储设备的数据读写速度快很多。通过在系统启动时将存储设备中的目标特征信息集存储至新开辟的内存中，可以减少目标识别时用于读写数据的时间，有助于实现在不更新硬件设备的情况下提高智能识别设备的识别速度。
在本实施例的一些可选的实现方式中，上述执行主体也可以通过如下方式对目标图像所呈现的物体进行识别：
步骤一，向通信连接的信息处理设备发送目标图像，以及接收信息处理设备针对目标图像发送的物体特征信息。
其中，物体特征信息为用于描述目标图像所呈现的物体的特征的信息。信息处理设备通常是用于处理信息的设备。
这里，上述执行主体可以将所得到的目标图像发送给通信连接的信息处理设备，以实现通过信息处理设备得到目标图像所呈现物体的物体特征信息。这里，信息处理设备可以将目标图像输入预先训练的特征提取模型，得到目标图像所呈现物体的物体特征信息。这里的特征提取模型与前述特征提取模型可以基本相同，这里不做赘述。
可选地，信息处理设备包括但不限于以下任意一项或多项：中央处理器(CentralProcessing Unit，CPU)，数字信号处理器(Digital Signal Processing，DSP)，图像处理器(Graphics Processing Unit，GPU)。
步骤二，根据物体特征信息和目标内存空间中的目标特征信息集，识别目标图像所呈现的物体。
这里，上述执行主体可以将所得到的物体特征信息与目标特征信息集中的目标特征信息进行比较，从而识别目标图像所呈现的物体。作为示例，若物体特征信息与目标特征信息集中的某一目标特征信息相同，则可以将目标图像所呈现的物体，识别为该相同的目标特征信息所指示的目标。
本实现方式中，在待识别的目标图像较多时，通过信息处理设备得到目标图像所呈现物体的物体特征信息，可以加快智能识别设备的信息处理速度，从而实现更快地对目标图像进行识别，有助于进一步提高智能识别设备的目标识别速度。
需要指出的是，上述信息处理设备可以是独立于智能识别设备的设备，也可以是与信息处理设备一体的设备，这里不做具体限定。
在本实施例的一些可选的实现方式中，上述步骤二中，上述根据物体特征信息和目标内存空间中的目标特征信息集，识别目标图像所呈现的物体，包括：
首先，确定目标特征信息集中是否存在与物体特征信息相匹配的目标特征信息。
其中，上述相匹配的目标特征信息可以是相同的目标图特征信息，也可以是对应相似度大于预设相似度阈值的目标特征信息。实践中，上述相匹配的目标特征信息通常是指，对应相似度大于预设相似度阈值的目标特征信息。其中，上述预设相似度阈值可以是预先设定的用于描述相似度的数值，如，0.6。
这里，上述执行主体可以针对目标特征信息集中的任意一个目标特征信息，计算该目标特征信息与物体特征信息之间的相似度，若相似度大于预设相似度阈值，则认为该目标特征信息为与物体特征信息相匹配的目标特征信息。
然后，响应于目标特征信息集中存在与物体特征信息相匹配的目标特征信息，确定目标图像所呈现的物体为相匹配的目标特征信息所指示的目标。
这里，若目标特征信息集中同时存在多个与物体特征信息相匹配的目标特征信息，则通常可以将目标图像所呈现的物体，识别为对应相似度最大的目标特征信息所指示的目标。
本实现方式中，将目标图像所呈现的物体，识别为与物体特征信息相匹配的目标特征信息所指示的目标，可以得到更加准确的识别结果，有助于提高智能识别设备的目标识别准确率。
在上述实现方式中，上述根据物体特征信息和目标内存空间中的目标特征信息集，识别目标图像所呈现的物体，还可以包括：
响应于目标特征信息集中不存在与物体特征信息相匹配的目标特征信息，生成用于提示物体识别不成功的提示信息。
其中，上述提示信息可以是用于提示物体识别不成功的信息。作为示例，上述提示信息可以为“请重试一次”，也可以为“目标识别失败”。这里，对提示信息的具体形式不做限定。
这里，若目标特征信息集中不存在与物体特征信息相匹配的目标特征信息，则上述执行主体可以生成上述提示信息以提示用户当前识别不成功。有助于提醒用户进行重试或者进行其它操作。
继续参考图2，其示出了目标识别方法的一个实施例的流程200。该目标识别方法的流程200，包括以下步骤：
步骤201，响应于检测到系统启动，确定存储设备中的目标特征信息集的大小。
其中，目标特征信息集中的目标特征信息为用于描述目标的特征的信息。
步骤202，向系统请求与目标特征信息集的大小相匹配的内存空间，以得到目标内存空间。
步骤203，将目标特征信息集存储至目标内存空间。
步骤204，响应于接收到通信连接的图像采集设备发送的目标图像，基于目标内存空间中的目标特征信息集对目标图像所呈现的物体进行识别。
在本实施例中，步骤201-204的具体操作与图1所示的实施例中步骤101-104的操作基本相同，在此不再赘述。
步骤205，响应于检测到用户针对目标特征信息集中的目标特征信息的删除操作，删除目标内存空间中的相应目标特征信息，以及删除存储设备中的相应目标特征信息。
其中，上述删除操作可以是用于删除目标特征信息的操作。作为示例，上述删除操作可以是点击屏幕所呈现的某一控件的操作，也可以是点击智能识别设备上所设有的某一硬件按钮的操作。这里，对上述删除操作的具体操作形式不做具体限定。
在本实施例中，在检测到用户针对目标特征信息集中的某一目标特征信息的删除操作后，上述执行主体可以删除目标内存空间中的相应目标特征信息，并且删除存储设备中的相应目标特征信息。作为示例，若目标特征信息集中具有5个目标特征信息，分别为A、B、C、D、E。若用户针对目标特征信息集中的B执行删除操作，则上述执行主体可以删除目标内存空间中B，并且删除存储设备中的B。
本实施例中，由于内存中所存放的数据通常会在断电后消失，而存储设备中所存放的数据通常不会在断电后消失。在检测到用户执行删除操作后，同时对目标内存空间和存储设备中的目标特征信息集执行相同的删除操作，可以保证在系统下一次启动时，用于目标识别的目标特征信息集始终是用户期望的目标特征信息集，有助于提高智能识别设备的识别准确率。
进一步参考图3，作为对图1所示方法的实现，本公开提供了一种目标识别装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，本实施例的目标识别装置300包括：数据确定单元301，被配置成响应于检测到系统启动，确定存储设备中的目标特征信息集的大小，其中，目标特征信息集中的目标特征信息为用于描述目标的特征的信息；内存请求单元302，被配置成向系统请求与目标特征信息集的大小相匹配的内存空间，以得到目标内存空间；信息存储单元303，被配置成将目标特征信息集存储至目标内存空间；物体识别单元304，被配置成响应于接收到通信连接的图像采集设备发送的目标图像，基于目标内存空间中的目标特征信息集对目标图像所呈现的物体进行识别。
在本实施例的一些可选的实现方式中，物体识别单元304中，基于目标内存空间中的目标特征信息集对目标图像所呈现的物体进行识别，包括：首先，向通信连接的信息处理设备发送目标图像，以及接收信息处理设备针对目标图像发送的物体特征信息。其中，物体特征信息为用于描述目标图像所呈现的物体的特征的信息。然后，根据物体特征信息和目标内存空间中的目标特征信息集，识别目标图像所呈现的物体。
在本实施例的一些可选的实现方式中，信息处理设备包括以下任意一项或多项：中央处理器，数字信号处理器，图像处理器。
在本实施例的一些可选的实现方式中，根据物体特征信息和目标内存空间中的目标特征信息集，识别目标图像所呈现的物体，包括：首先，确定目标特征信息集中是否存在与物体特征信息相匹配的目标特征信息。然后，响应于目标特征信息集中存在与物体特征信息相匹配的目标特征信息，确定目标图像所呈现的物体为相匹配的目标特征信息所指示的目标。
在本实施例的一些可选的实现方式中，根据物体特征信息和目标内存空间中的目标特征信息集，识别目标图像所呈现的物体，还包括：响应于目标特征信息集中不存在与物体特征信息相匹配的目标特征信息，生成用于提示物体识别不成功的提示信息。
在本实施例的一些可选的实现方式中，图像采集设备包括以下任意一项或多项：人脸图像采集设备，指纹图像采集设备，虹膜图像采集设备。
在本实施例的一些可选的实现方式中，该装置还可以包括信息删除单元(图中未示出)。信息删除单元可以被配置成响应于检测到用户针对目标特征信息集中的目标特征信息的删除操作，删除目标内存空间中的相应目标特征信息，以及删除存储设备中的相应目标特征信息。
本公开的上述实施例提供的装置，数据确定单元301响应于检测到系统启动，确定存储设备中的目标特征信息集的大小。其中，目标特征信息集中的目标特征信息为用于描述目标的特征的信息。然后，内存请求单元302向系统请求与目标特征信息集的大小相匹配的内存空间，以得到目标内存空间。之后，信息存储单元303将目标特征信息集存储至目标内存空间。最后，物体识别单元304响应于接收到通信连接的图像采集设备发送的目标图像，基于目标内存空间中的目标特征信息集对目标图像所呈现的物体进行识别。本实施例的装置，由于内存的数据读写速度通常比存储设备的数据读写速度快很多。通过在系统启动时将存储设备中的目标特征信息集存储至新开辟的内存中，可以减少目标识别时用于读写数据的时间，有助于实现在不更新硬件设备的情况下提高智能识别设备的识别速度。
下面参考图4，其示出了适于用来实现本公开的实施例的电子设备(例如，智能识别设备)400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置(例如中央处理单元(CPU)、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，可以使得该电子设备执行如下步骤：响应于检测到系统启动，确定存储设备中的目标特征信息集的大小，其中，目标特征信息集中的目标特征信息为用于描述目标的特征的信息；向系统请求与目标特征信息集的大小相匹配的内存空间，以得到目标内存空间；将目标特征信息集存储至目标内存空间；响应于接收到通信连接的图像采集设备发送的目标图像，基于目标内存空间中的目标特征信息集对目标图像所呈现的物体进行识别。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括数据确定单元、内存请求单元、信息存储单元和物体识别单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，数据确定单元还可以被描述为“响应于检测到系统启动，确定存储设备中的目标特征信息集的大小的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种目标识别方法，包括：
响应于检测到系统启动，确定存储设备中的目标特征信息集的大小，其中，所述目标特征信息集中的目标特征信息为用于描述目标的特征的信息；
向所述系统请求与所述目标特征信息集的大小相匹配的内存空间，以得到目标内存空间；
将所述目标特征信息集存储至所述目标内存空间；
响应于接收到通信连接的图像采集设备发送的目标图像，基于所述目标内存空间中的目标特征信息集对所述目标图像所呈现的物体进行识别。
2.根据权利要求1所述的方法，其中，所述基于所述目标内存空间中的目标特征信息集对所述目标图像所呈现的物体进行识别，包括：
向通信连接的信息处理设备发送所述目标图像，以及接收所述信息处理设备针对所述目标图像发送的物体特征信息，其中，所述物体特征信息为用于描述所述目标图像所呈现的物体的特征的信息；
根据所述物体特征信息和所述目标内存空间中的目标特征信息集，识别所述目标图像所呈现的物体。
3.根据权利要求2所述的方法，其中，所述信息处理设备包括以下任意一项或多项：中央处理器，数字信号处理器，图像处理器。
4.根据权利要求2所述的方法，其中，所述根据所述物体特征信息和所述目标内存空间中的目标特征信息集，识别所述目标图像所呈现的物体，包括：
确定目标特征信息集中是否存在与所述物体特征信息相匹配的目标特征信息；
响应于目标特征信息集中存在与所述物体特征信息相匹配的目标特征信息，确定所述目标图像所呈现的物体为所述相匹配的目标特征信息所指示的目标。
5.根据权利要求4所述的方法，其中，所述根据所述物体特征信息和所述目标内存空间中的目标特征信息集，识别所述目标图像所呈现的物体，还包括：
响应于目标特征信息集中不存在与所述物体特征信息相匹配的目标特征信息，生成用于提示物体识别不成功的提示信息。
6.根据权利要求1所述的方法，其中，所述图像采集设备包括以下任意一项或多项：人脸图像采集设备，指纹图像采集设备，虹膜图像采集设备。
7.根据权利要求1-6之一所述的方法，其中，所述方法还包括：
响应于检测到用户针对目标特征信息集中的目标特征信息的删除操作，删除所述目标内存空间中的相应目标特征信息，以及删除所述存储设备中的相应目标特征信息。
8.一种目标识别装置，包括：
数据确定单元，被配置成响应于检测到系统启动，确定存储设备中的目标特征信息集的大小，其中，所述目标特征信息集中的目标特征信息为用于描述目标的特征的信息；
内存请求单元，被配置成向所述系统请求与所述目标特征信息集的大小相匹配的内存空间，以得到目标内存空间；
信息存储单元，被配置成将所述目标特征信息集存储至所述目标内存空间；
物体识别单元，被配置成响应于接收到通信连接的图像采集设备发送的目标图像，基于所述目标内存空间中的目标特征信息集对所述目标图像所呈现的物体进行识别。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010732658.7A CN111860385A (zh) | 2020-07-27 | 2020-07-27 | 目标识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010732658.7A CN111860385A (zh) | 2020-07-27 | 2020-07-27 | 目标识别方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111860385A true CN111860385A (zh) | 2020-10-30 |
Family
ID=72947478
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010732658.7A Pending CN111860385A (zh) | 2020-07-27 | 2020-07-27 | 目标识别方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111860385A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766082A (zh) * | 2015-03-20 | 2015-07-08 | 福建天晴数码有限公司 | 基于安卓系统的图像识别方法和装置 |
| CN106156780A (zh) * | 2016-06-29 | 2016-11-23 | 南京雅信科技集团有限公司 | 轨道上异物侵限识别中排除误报的方法 |
| CN109711246A (zh) * | 2018-09-30 | 2019-05-03 | 鲁东大学 | 一种动态物体识别方法、计算机装置及可读存储介质 |
| CN110263187A (zh) * | 2019-06-19 | 2019-09-20 | 深圳市沃特沃德股份有限公司 | 绘本识别方法、装置、存储介质及计算机设备 |
| CN110334577A (zh) * | 2019-05-05 | 2019-10-15 | 四川盛通智联网络科技有限公司 | 一种基于海思安防芯片的人脸识别方法 |
| CN111061916A (zh) * | 2019-12-20 | 2020-04-24 | 中通服咨询设计研究院有限公司 | 一种基于多目标库图像识别的视频共享系统 |
| CN111078406A (zh) * | 2019-12-10 | 2020-04-28 | Oppo（重庆）智能科技有限公司 | 内存管理方法、装置、存储介质及电子设备 |
| CN111259178A (zh) * | 2020-01-19 | 2020-06-09 | 罗普特科技集团股份有限公司 | 图像数据同步方法、装置和系统 |
-
2020
- 2020-07-27 CN CN202010732658.7A patent/CN111860385A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104766082A (zh) * | 2015-03-20 | 2015-07-08 | 福建天晴数码有限公司 | 基于安卓系统的图像识别方法和装置 |
| CN106156780A (zh) * | 2016-06-29 | 2016-11-23 | 南京雅信科技集团有限公司 | 轨道上异物侵限识别中排除误报的方法 |
| CN109711246A (zh) * | 2018-09-30 | 2019-05-03 | 鲁东大学 | 一种动态物体识别方法、计算机装置及可读存储介质 |
| CN110334577A (zh) * | 2019-05-05 | 2019-10-15 | 四川盛通智联网络科技有限公司 | 一种基于海思安防芯片的人脸识别方法 |
| CN110263187A (zh) * | 2019-06-19 | 2019-09-20 | 深圳市沃特沃德股份有限公司 | 绘本识别方法、装置、存储介质及计算机设备 |
| CN111078406A (zh) * | 2019-12-10 | 2020-04-28 | Oppo（重庆）智能科技有限公司 | 内存管理方法、装置、存储介质及电子设备 |
| CN111061916A (zh) * | 2019-12-20 | 2020-04-24 | 中通服咨询设计研究院有限公司 | 一种基于多目标库图像识别的视频共享系统 |
| CN111259178A (zh) * | 2020-01-19 | 2020-06-09 | 罗普特科技集团股份有限公司 | 图像数据同步方法、装置和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109240576B (zh) | 游戏中的图像处理方法及装置、电子设备、存储介质 | |
| CN109993150B (zh) | 用于识别年龄的方法和装置 | |
| CN109034069B (zh) | 用于生成信息的方法和装置 | |
| EP3385877A1 (en) | Electronic device and method for storing fingerprint information | |
| CN112970059B (zh) | 用于处理用户话语的电子装置及其控制方法 | |
| WO2020029466A1 (zh) | 图像处理方法和装置 | |
| WO2019072133A1 (zh) | 人脸识别方法及相关产品 | |
| CN114494935B (zh) | 视频信息的处理方法、装置、电子设备和介质 | |
| US20220408164A1 (en) | Method for editing image on basis of gesture recognition, and electronic device supporting same | |
| CN114049892A (zh) | 语音控制方法、装置以及电子设备 | |
| CN109829431B (zh) | 用于生成信息的方法和装置 | |
| CN113342170A (zh) | 手势控制方法、装置、终端和存储介质 | |
| WO2024001652A1 (zh) | 设备间的网络适配方法及装置、存储介质、电子设备 | |
| CN109903054B (zh) | 一种操作确认方法、装置、电子设备及存储介质 | |
| CN114223021A (zh) | 电子装置及其处理手写输入的方法 | |
| CN110991431A (zh) | 人脸识别方法、装置、设备及存储介质 | |
| CN112309389A (zh) | 信息交互方法和装置 | |
| CN111860385A (zh) | 目标识别方法和装置 | |
| CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
| CN111462548A (zh) | 一种段落点读方法、装置、设备和可读介质 | |
| CN111898529B (zh) | 脸部检测方法、装置、电子设备和计算机可读介质 | |
| CN111026989A (zh) | 页面加载时间的检测方法、装置和电子设备 | |
| CN111738311A (zh) | 面向多任务的特征提取方法、装置及电子设备 | |
| CN110929241A (zh) | 一种小程序的快速启动方法、装置、介质和电子设备 | |
| CN110969189B (zh) | 人脸检测方法、装置及电子设备 |
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 |