CN112418006A - 目标识别方法、装置和电子系统 - Google Patents
目标识别方法、装置和电子系统 Download PDFInfo
- Publication number
- CN112418006A CN112418006A CN202011227138.7A CN202011227138A CN112418006A CN 112418006 A CN112418006 A CN 112418006A CN 202011227138 A CN202011227138 A CN 202011227138A CN 112418006 A CN112418006 A CN 112418006A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- score
- threshold
- preset
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种目标识别方法、装置和电子系统,通过第一底库获取与目标图像的匹配程度最高的第一图像,以及目标图像与第一图像的第一匹配分值;当第一匹配分值高于第一底库的第一分值阈值时,确定目标图像中的目标识别成功;当第一匹配分值满足预设分值条件,且目标图像满足预设图像条件时,将第二图像替换为目标图像;当第一匹配分值低于第一分值阈值时,通过第二底库确定待识别目标的识别结果。该方式可以使第二底库中的图像包含目标更加全面准确的特征;当通过第一底库识别目标失败时,可以基于第二底库进行识别;从而提高了目标识别的准确率和识别效果。
Description
技术领域
本发明涉及目标识别技术领域,尤其是涉及一种目标识别方法、装置和电子系统。
背景技术
在通行场景或其他实际应用场景中,往往具有目标身份的识别需求。以人脸识别为例,需要预先设置图片底库,获取到人脸的抓拍图后,从底库中寻找与该抓拍图匹配度最高的底库图,并计算匹配得分,根据该匹配得分和预设的分数阈值,返回对上述抓拍图的识别结果。在人脸识别任务中,每个人脸视为一个聚类,底库图所包含的特征数据视为聚类中心,计算抓拍图的特征数据与该聚类中心的距离,从而得到抓拍图与该底库图的匹配度;然而,很多底库图并没有包含人脸最全面、最准确的特征,导致该底库图的特征数据不在聚类中心,基于这样的底库图进行识别,往往识别的效果较差。
发明内容
有鉴于此,本发明的目的在于提供一种目标识别方法、装置和电子系统,以提高目标识别的准确率和识别效果。
第一方面,本发明实施例提供了一种目标识别方法,方法包括:通过第一底库获取与目标图像的匹配程度最高的第一图像,以及目标图像与第一图像的第一匹配分值;其中,与第一图像的目标标识相同的第二图像保存在第二底库;当第一匹配分值高于第一底库的第一分值阈值时,确定目标图像中的目标识别成功;当第一匹配分值满足预设分值条件,且目标图像满足预设图像条件时,将第二图像替换为目标图像;当第一匹配分值低于第一分值阈值时,通过第二底库确定待识别目标的识别结果。
进一步的,预设分值条件包括:第一匹配分值高于第一分值阈值,且第一匹配分值高于第二底库的更新阈值;其中,更新阈值用于:当第一匹配分值高于更新阈值时,允许更新第二底库中的图像。
进一步的,预设分值条件还包括:第一匹配分值高于第一图像的目标标识对应的替换阈值;其中,替换阈值用于:当第一匹配分值高于替换阈值时,允许替换目标标识对应的图像。
进一步的,将第二图像替换为目标图像的步骤之后,方法还包括:当第一匹配分值高于第一图像的目标标识对应的替换阈值时,将替换阈值更新为第一匹配分值。
进一步的,预设图像条件包括下述一种或多种:目标图像中目标的姿态参数满足预设的姿态参数阈值;目标图像的清晰度满足预设的清晰度阈值;目标图像的光照强度满足预设的光照强度阈值;目标图像中目标的被遮挡程度满足预设的被遮挡程度阈值。
进一步的,当第一匹配分值低于第一分值阈值时,通过第二底库确定待识别目标的识别结果的步骤,包括:当第一匹配分值低于第一分值阈值,且第一匹配分值高于或等于第二底库的启用阈值时,通过第二底库确定待识别目标的识别结果;其中,启用阈值用于:如果第一匹配分值高于或等于启用阈值,允许通过第二底库确定待识别目标的识别结果。
进一步的,通过第二底库确定待识别目标的识别结果的步骤,包括:通过第二底库获取与目标图像的匹配程度最高的第三图像,以及目标图像与第三图像的第二匹配分值;当第三图像与第一图像的目标标识相同,且第二匹配分值高于或等于第二底库的第二分值阈值时,确定目标图像中的目标识别成功。
第二方面,本发明实施例提供了一种目标识别装置,装置包括:获取模块,用于通过第一底库获取与目标图像的匹配程度最高的第一图像,以及目标图像与第一图像的第一匹配分值;其中,与第一图像的目标标识相同的第二图像保存在第二底库;替换模块,用于当第一匹配分值高于第一底库的第一分值阈值时,确定目标图像中的目标识别成功;当第一匹配分值满足预设分值条件,且目标图像满足预设图像条件时,将第二图像替换为目标图像;识别模块,用于当第一匹配分值低于第一分值阈值时,通过第二底库确定待识别目标的识别结果。
第三方面,本发明实施例提供了一种电子系统,电子系统包括:处理设备和存储装置;存储装置上存储有计算机程序,计算机程序在被处理设备运行时执行如第一方面任一项的目标识别方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理设备运行时执行如第一方面任一项的目标识别方法的步骤。
本发明实施例带来了以下有益效果:
本发明实施例提供了一种目标识别方法、装置和电子系统,通过第一底库获取与目标图像的匹配程度最高的第一图像,以及目标图像与第一图像的第一匹配分值;当第一匹配分值高于第一底库的第一分值阈值时,确定目标图像中的目标识别成功;当第一匹配分值满足预设分值条件,且目标图像满足预设图像条件时,将第二图像替换为目标图像;当第一匹配分值低于第一分值阈值时,通过第二底库确定待识别目标的识别结果。该方式中,共设置有两个底库,如果通过第一底库能够成功识别目标,且目标图像满足一定的条件时,可以将该目标图像更新至第二底库,使得第二底库中的图像包含目标更加全面准确的特征;当通过第一底库识别目标失败时,可以基于第二底库进行识别;从而提高了目标识别的准确率和识别效果。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域技术人员来讲,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附图。
图1为本发明实施例提供的一种电子系统的结构示意图;
图2为本发明实施例提供的一种目标识别方法的流程图;
图3为本发明实施例提供的另一种目标识别方法的流程图;
图4为本发明实施例提供的另一种目标识别方法的流程图;
图5为本发明实施例提供的一种具体的目标识别方法的流程示意图;
图6为本发明实施例提供的一种目标识别装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
在通行场景或其他实际应用场景中,往往具有目标身份的识别需求。以人脸识别为例,需要预先设置图片底库,获取到人脸的抓拍图后,从底库中寻找与该抓拍图匹配度最高的底库图,并计算匹配得分,根据该匹配得分和预设的分数阈值,返回对上述抓拍图的识别结果。在人脸识别任务中,每个人脸视为一个聚类,底库图所包含的特征数据视为聚类中心,计算抓拍图的特征数据与该聚类中心的距离,从而得到抓拍图与该底库图的匹配度;然而,很多底库图并没有包含人脸最全面、最准确的特征,导致该底库图的特征数据不在聚类中心,通常处于聚类边缘;而且,由于场景的影响,底库图与抓拍图风格不同、以及年龄、化妆、遮挡物等,因此基于这样的底库图进行识别,往往识别的效果较差。基于此,本发明实施例提供的一种目标识别方法、装置和电子系统,该技术可以应用于需要识别目标的应用场景,比如,识别人脸的通行场景。
实施例一:
首先,参照图1来描述用于实现本发明实施例的目标识别方法、装置和电子系统的示例电子系统100。
如图1所示的一种电子系统的结构示意图,电子系统100包括一个或多个处理设备102、一个或多个存储装置104、输入装置106、输出装置108,另外可以包括一个或多个图像采集设备110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子系统100的组件和结构只是示例性的,而非限制性的,根据需要,电子系统也可以具有其他组件和结构。
处理设备102可以是网关,也可以为智能终端,或者是包含中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元的设备,可以对电子系统100中的其它组件的数据进行处理,还可以控制电子系统100中的其它组件以执行期望的功能。
存储装置104可以包括一个或多个计算机程序产品,计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令,处理设备102可以运行程序指令,以实现下文的本发明实施例中(由处理设备实现)的客户端功能以及/或者其它期望的功能。在计算机可读存储介质中还可以存储各种应用程序和各种数据,例如应用程序使用和/或产生的各种数据等。
输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
输出装置108可以向外部(例如,用户)输出各种信息(例如,图像、数据或声音),并且可以包括显示器、扬声器等中的一个或多个。
图像采集设备110可以采集预览视频帧或图片数据(如待处理图像或目标视频帧),并且将采集到的预览视频帧或图像数据存储在存储装置104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的目标识别方法、装置和电子系统的示例电子系统中的各器件可以集成设置,也可以分散设置,诸如将处理设备102、存储装置104、输入装置106和输出装置108集成设置于一体,而将图像采集设备110设置于可以采集到图片的指定位置。当上述电子系统中的各器件集成设置时,该电子系统可以被实现为诸如相机、智能手机、平板电脑、计算机、车载终端、摄像机等智能终端。
实施例二:
本发明实施例提供了一种目标识别方法,如图2所示,该方法包括如下步骤:
步骤S202,通过第一底库获取与目标图像的匹配程度最高的第一图像,以及目标图像与第一图像的第一匹配分值;其中,与第一图像的目标标识相同的第二图像保存在第二底库;
上述第一底库可以为多种场景中的底库,比如人脸识别底库可以用于识别通行者的人脸、行为识别底库可以用于识别行人的行为;上述第一底库中可以包含有多个图像、图像对应的身份信息,图像对应的特征向量等;其中图像对应的身份信息可以为ID(IdentityDocument,身份标识号)、Token(标记)、或随机生成的字符串等,每个图像都对应有唯一的身份信息。举例说明,在某个公寓入口的通行场景中,第一底库中包含有该公寓中所有住户的人脸照片(比如N个证件照)、每个人脸照片对应的身份信息(比如身份证号或名字)、以及每个人脸照片对应的特征向量。
上述目标图像可以是包含有目标的图像,该目标可以是人脸、行人、物体、动物、建筑等;比如,在某个公寓入口的通行场景中,抓拍的行人照片或人脸照片。上述第二底库中的图像与第一底库中的图像中目标的身份信息相对应,第二底库中的图像通常比第一底库中的图像更加清晰,包含的图像的特征更加全面;比如同一个人,其在第一底库中的图像为证件照,则第二底库中的图像可以为更加真实的近照(近期拍的照片或近期在当前场景中拍的照片)。可以理解,上述第二图像为第二底库中的初始图像。
实际实现时,将第一底库中的所有图像与目标图像进行匹配运算,具体可以计算第一底库中的每个图像对应的特征向量与目标图像的特征向量之间的特征距离,得到每个图像的特征距离,特征距离最小的图像即为上述与目标图像的匹配程度最高的第一图像;得到第一图像后,可以根据特征距离计算目标图像与第一图像的第一匹配分值;或者,可以计算第一底库中的每个图像对应的特征向量与目标图像的特征向量之间的特征距离;根据特征距离计算目标图像与每个图像的匹配分值,得到每个图像的匹配分值,匹配分值最大的图像即为上述与目标图像的匹配程度最高的第一图像;其中匹配分值用于指示图像与目标图像的匹配程度,匹配分值越大则说明图像中的目标与目标图像中的目标越相似。
步骤S204,判断第一匹配分值是否高于第一底库的第一分值阈值;如果是,执行步骤S206;如果否,执行步骤S212;
步骤S206,当第一匹配分值高于第一底库的第一分值阈值时,确定目标图像中的目标识别成功;
步骤S208,判断第一匹配分值是否满足预设分值条件,且目标图像是否满足预设图像条件;如果是,执行步骤S210;如果否,结束;
步骤S210,当第一匹配分值满足预设分值条件,且目标图像满足预设图像条件时,将第二图像替换为目标图像;结束;
上述第一分值阈值可以根据实际需要预先进行设置,比如可以设置为50至80之间的数值,本实施例并不限制第一分值阈值的大小。如果第一匹配分值高于第一底库的第一分值阈值,则说明目标图像中的目标与第一图像中的目标相同,确定目标图像中的目标识别成功。举例说明,在某个公寓入口的通行场景中,预先设置第一分支阈值为70,通过上述步骤S202计算得到第一匹配分值为80,第一匹配分值80大于第一分支阈值70,则说明第一底库中的第一图像中的目标(比如证件照的人脸)与目标图像中的目标(比如抓拍照的行人)相同,可以理解目标图像中的行人为公寓中的住户,确定目标图像中的目标识别成功,提示用户可以通过公寓入口进入公寓。
当第一匹配分值高于第一底库的第一分值阈值时,确定目标图像中的目标识别成功;然后需要判断第一匹配分值是否满足预设分值条件,且目标图像是否满足预设图像条件;如果是,将第二图像替换为目标图像。
如果目标图像的图像质量较好,第一匹配分值满足预设分值条件,且目标图像满足预设图像条件,可以将第二图像替换为目标图像,更新第二底库中的初始图像,以使第二底库中的图像更加全面准确,能够作为目标的聚类中心。
上述预设分值条件可以是第一匹配分值大于第一分值阈值,且第一匹配分值减去第一分值阈值的差值大于预设差值阈值,或者第一匹配分值大于第二底库预设的更新阈值。如果满足预设分值条件,说明目标图像中的目标与第一图像中的目标相同,第一匹配分值越大或者第一匹配分值减去第一分值阈值的差值越大,说明目标相同的几率越大,出现识别误差的可能性就会越小;识别误差比如将目标图像中的人物A识别为第一底库中的人物B。
上述预设图像条件可以是目标图像的图像质量满足预设的质量参数阈值,比如,目标图像中目标的行为或姿势满足预设的条件,目标图像的图像清晰度满足预设的清晰度,目标图像的图像颜色和亮度满足预设的要求,目标图像中目标的遮挡属性满足预设的要求,目标图像的图像分辨率满足预设的要求,目标图像的图像尺度满足预设的要求等。只有满足预设图像条件的目标图像,其图像质量才会较高,才能够替换第二图像。
举例说明,在某个公寓入口的通行场景中,抓拍的行人照片为目标图像,假如根据当前抓拍的目标图像,得到的第一匹配分值高于第一底库的第一分值阈值,第一匹配分值满足预设分值条件,且目标图像满足预设图像条件,则说明抓拍的行人照片的目标特征相比于第二图像的目标特征更加接近聚类中心,包含了更全面、更准确的目标的特征信息,基于该目标图像进行目标识别更加准确。
步骤S212,当第一匹配分值低于第一分值阈值时,通过第二底库确定待识别目标的识别结果。
如果第一匹配分值低于第一分值阈值,可能包含以下三种原因,原因一,由于第一底库中的图像的特征信息不够全面,导致识别目标图像中的目标失败;原因二,目标图像中的目标由于有遮挡等原因,比如目标图像中的目标戴口罩、戴墨镜或处于复杂光线场景中等,使得第一底库识别目标失败;原因三,由于第一底库的图像中的目标,没有包含目标图像中的目标等。为了避免出现上述原因一和原因二,可以进一步通过第二底库确定待识别目标的识别结果。其中第二底库中包括有初始图像,还包括有替换后与初始图像的目标标识相同的目标图像。
具体的,可以通过第二底库获取与目标图像的匹配程度最高的第二图像,以及目标图像与第二图像的匹配分值;如果匹配分值大于第二底库的分值阈值,且目标图像与第一图像的目标标识相同,确定待识别目标识别成功。
本发明实施例提供了一种目标识别方法,通过第一底库获取与目标图像的匹配程度最高的第一图像,以及目标图像与第一图像的第一匹配分值;如果第一匹配分值高于第一底库的第一分值阈值,确定目标图像中的目标识别成功;如果第一匹配分值满足预设分值条件,且目标图像满足预设图像条件,将第二图像替换为目标图像;如果第一匹配分值低于第一分值阈值,通过第二底库确定待识别目标的识别结果。该方式中,共设置有两个底库,如果通过第一底库能够成功识别目标,且目标图像满足一定的条件时,可以将该目标图像更新至第二底库,使得第二底库中的图像包含目标更加全面准确的特征;当通过第一底库识别目标失败时,可以基于第二底库进行识别;从而提高了目标识别的准确率和识别效果。
实施例三:
本发明实施例提供了另一种目标识别方法,本实施例在上述实施例的基础上实现,本实施例重点描述预设分值条件以及预设图像条件包括的具体内容,以及将第二图像替换为目标图像的步骤之后的步骤的具体实现方式(通过步骤S306实现),如图3所示,该方法包括如下步骤:
步骤S302,通过第一底库获取与目标图像的匹配程度最高的第一图像,以及目标图像与第一图像的第一匹配分值;其中,与第一图像的目标标识相同的第二图像保存在第二底库;
步骤S304,判断第一匹配分值是否高于第一底库的第一分值阈值;如果是,执行步骤S306;如果否,执行步骤S314;
步骤S306,当第一匹配分值高于第一底库的第一分值阈值时,确定目标图像中的目标识别成功;
步骤S308,判断第一匹配分值是否满足预设分值条件,且目标图像是否满足预设图像条件;如果是,执行步骤S310;如果否,结束;
步骤S310,当第一匹配分值满足预设分值条件,且目标图像满足预设图像条件时,将第二图像替换为目标图像;
上述预设分值条件包括:第一匹配分值高于第一分值阈值,且第一匹配分值高于第二底库的更新阈值;其中,更新阈值用于:当第一匹配分值高于更新阈值时,允许更新第二底库中的图像。
上述更新阈值可以根据实际需求进行设置,更新阈值通常高于第一匹配阈值。当第一匹配分值高于第一分值阈值,且第一匹配分值高于第二底库的更新阈值时,可以将目标图像更新至第二底库中,替换第二图像。
另外,上述预设分值条件还包括:第一匹配分值高于第一图像的目标标识对应的替换阈值;其中,替换阈值用于:当第一匹配分值高于替换阈值时,允许替换目标标识对应的图像。
第二底库中与第一图像的目标标识相同的第二图像,可能为初始第二图像,也有可能为已经替换过的目标图像;如果第二图像为初始第二图像时,上述替换阈值可以理解为前述的更新阈值;如果第二图像为已经替换过的目标图像时,上述替换阈值通常为该目标图像与第一图像的第一匹配分值。具体的,替换阈值用于:当第一匹配分值高于替换阈值时,允许替换目标标识对应的第二底库的图像。
举例说明,在某个公寓入口的通行场景中,目标A,在第一次通过入口时,抓拍目标A的第一照片与第一图像的第一次匹配分值大于第一分值阈值,且大于第二底库的更新阈值;另外,与第一图像的目标标识相同的第二图像为初始图像,此时直接将第二图像替换为第一照片。当目标A再次通过入口时,抓拍目标A的第二照片与第一图像的第二次匹配分值大于第一分值阈值,且大于第二底库的更新阈值;此时与第一图像的目标标识相同的第二图像不是初始图像,而是已经经过替换的第一照片,此时目标A的替换阈值为第一次匹配分值,只有第二次匹配分值高于第一次匹配分值时,才允许将第二图像替换为抓拍目标A的第二照片。
上述预设图像条件包括下述一种或多种:目标图像中目标的姿态参数满足预设的姿态参数阈值;目标图像的清晰度满足预设的清晰度阈值;目标图像的光照强度满足预设的光照强度阈值;目标图像中目标的被遮挡程度满足预设的被遮挡程度阈值。
上述姿态参数阈值、清晰度阈值、光照强度阈值、被遮挡程度阈值,都可以根据实际需要进行设置;其中,目标图像中目标的姿态参数可以根据目标在坐标轴的中的旋转角度确定,比如,将目标映射到三维坐标轴中,具体将低头、左右摆头、抬头、歪头等姿势映射为围绕X轴、Y轴和Z轴的旋转角度,利用旋转角度确定姿态参数。同样的姿态参数的阈值也可以利用相同的方式确定,比如,低头20度、左右摆头20度、抬头20度、歪头20度等姿势可以为姿态参数阈值。目标图像中目标的姿态参数满足预设的姿态参数阈值,即目标图像中目标的姿态参数小于预设的姿态参数阈值。
上述目标图像的清晰度可以为图像的分辨率、模糊度等指标,可以通过图像处理的方式计算;比如,清晰度为1则认为目标的五官等清晰可见,当清晰度为0.5则认为目标的五官等失去焦点,变得模糊;比如可以设置清晰度阈值为0.6。即目标图像的清晰度小于预设的清晰度阈值;
上述目标图像的光照强度可以通过图像处理的方式计算,比如,光照强度为10则认为目标图像偏暗(通常是晚上光照不足时抓拍的照片);比如可以设置光照强度阈值为40。即目标图像的光照强度大于预设的光照强度阈值。
上述目标图像中目标的被遮挡程度也可以根据图像处理的方式,识别目标被遮挡的面积,遮挡面积越大被遮挡程度越大,比如,目标戴口罩可以认为目标被遮挡程度为50%,目标没有被遮挡可以认为目标被遮挡程度为0,通常可以设置被遮挡程度阈值为0。即目标图像中目标的被遮挡程度等于预设的被遮挡程度阈值。
步骤S312,当第一匹配分值高于第一图像的目标标识对应的替换阈值时,将替换阈值更新为第一匹配分值;结束;
可以理解,在第二底库的图像中,每个目标标识都对应有该目标标识图像,针对图像已经被替换为目标图像的目标标识,可以将替换的目标图像与第一图像的第一匹配分值设置为替换阈值;具体而言,目标标识对应的目标图像与第一图像的第一匹配分值的最高分,即为替换阈值。
步骤S314,当第一匹配分值低于第一分值阈值时,通过第二底库确定待识别目标的识别结果。
上述方式,如果利用第一底库能够识别目标,第一匹配分值高于第二底库的更新阈值,第一匹配分值高于第一图像的目标标识对应的替换阈值,以及目标图像中目标的姿态参数满足预设的姿态参数阈值;目标图像的清晰度满足预设的清晰度阈值;目标图像的光照强度满足预设的光照强度阈值;目标图像中目标的被遮挡程度满足预设的被遮挡程度阈值,则可以将目标图像更新为第二图像,使得第二底库中的图像特征更加全面准确,使底库中的图像更加合理的使用现场图片,通过动态更新第二底库的图像,使得图像特征能够不断的接近聚类中心,从而如果利用第一底库识别目标失败,可以基于更新后的第二底库进行识别,能够达到更好的通行效果,同时提高了目标识别的准确率和识别效果。
实施例四:
本发明实施例提供了另一种目标识别方法,本实施例在上述实施例的基础上实现,本实施例重点描述当第一匹配分值低于第一分值阈值时,通过第二底库确定待识别目标的识别结果的步骤的具体实现方式(通过步骤S408实现),如图4所示,该方法包括如下步骤:
步骤S402,通过第一底库获取与目标图像的匹配程度最高的第一图像,以及目标图像与第一图像的第一匹配分值;其中,与第一图像的目标标识相同的第二图像保存在第二底库;
步骤S404,判断第一匹配分值是否高于第一底库的第一分值阈值;如果是,执行步骤S406;如果否,执行步骤S414;
步骤S406,当第一匹配分值高于第一底库的第一分值阈值时,确定目标图像中的目标识别成功;
步骤S408,判断第一匹配分值是否满足预设分值条件,且目标图像是否满足预设图像条件;如果是,执行步骤S410;如果否,结束;
步骤S410,当第一匹配分值满足预设分值条件,且目标图像满足预设图像条件时,将第二图像替换为目标图像;
步骤S412,当第一匹配分值高于第一图像的目标标识对应的替换阈值时,将替换阈值更新为第一匹配分值;结束;
步骤S414,当第一匹配分值低于第一分值阈值时,判断第一匹配分值是否高于或等于第二底库的启用阈值;如果是,执行步骤S418;如果否,结束;
步骤S416,当第一匹配分值高于或等于第二底库的启用阈值时,通过第二底库确定待识别目标的识别结果;其中,启用阈值用于:如果第一匹配分值高于或等于启用阈值,允许通过第二底库确定待识别目标的识别结果。
上述第二底库的启用阈值可以根据实际需求进行设置,通常启用阈值会低于第一分值阈值;例如,预先设置第一分值阈值为70,第二底库的启用阈值为50,如果第一匹配分值为60,低于第一分值阈值70,且高于第二底库的启用阈值50,此时可以允许通过第二底库确定待识别目标的识别结果。当然,如果第一匹配分值低于第一分值阈值,且第一匹配分值低于第二底库的启用阈值,则说明识别失败,不会通过第二底库进行下一步识别。
通过第二底库确定待识别目标的识别结果,一种可能的实施方式:
(1)通过第二底库获取与目标图像的匹配程度最高的第三图像,以及目标图像与第三图像的第二匹配分值;
具体的,将第二底库中的所有图像的特征向量与目标图像的特征向量进行匹配运算,计算目标图像与每个图像的特征距离,得到每个图像的特征距离,特征距离最小的图像即为上述第三图像;得到第三图像后,可以根据特征距离计算目标图像与第三图像的第二匹配分值。或者,计算第二底库中的每个图像对应的特征向量与目标图像的特征向量之间的特征距离;根据特征距离计算目标图像与每个图像的匹配分值,得到每个图像的匹配分值,匹配分值最大的图像即为上述第三图像;其中第二匹配分值用于指示第三图像与目标图像的匹配程度,第二匹配分值越大则说明第三图像中的目标与目标图像中的目标越相似。
(2)当第三图像与第一图像的目标标识相同,且第二匹配分值高于或等于第二底库的第二分值阈值时,确定目标图像中的目标识别成功。
上述第二分值阈值可以根据实际需要进行设置,通常第二分值阈值大于第一分值阈值。比如,第一分值阈值为70,第二分值阈值可以为75等。
实际实现时,为了提高目标识别的准确性,避免出现识别误差,需要判断第三图像与第一图像的目标标识是否相同,如果第三图像与第一图像的目标标识相同,且第二匹配分值高于或等于第二底库的第二分值阈值,说明目标图像中的目标与第三图像中的目标相同,可以确定目标图像中的目标识别成功。
上述方式中,当第一匹配分值低于第一分值阈值,且第一匹配分值高于或等于第二底库的启用阈值时,通过第二底库获取与目标图像的匹配程度最高的第三图像,以及目标图像与第三图像的第二匹配分值;当第三图像与第一图像的目标标识相同,且第二匹配分值高于或等于第二底库的第二分值阈值时,确定目标图像中的目标识别成功。该方式通过双底库的识别方式,通过第一底库与第二底库得到的第一图像和第一匹配分值,以及第三图像和第二匹配分值,综合判断目标是否识别成功,相比于单底库的识别方式,可以降低第一底库的第一分值阈值,比如,之前的分数为70,现在就可以降到65;还可以识别第一底库识别失败的目标图像,明显提升了目标识别的召回率,在测试的通行回流数据集上,可以涨点6~8个点,另外,由于增加了判断第一图像与第三图像的目标标识是否相同,使得获取的图像中的目标一致,避免了底库内和底库外的误识别,将一个人识别为另一个人的情况,提高了目标识别的准确率的识别效果,提升了在通行场景中目标识别的体验效果。
参见图5所示的一种具体的目标标识方法流程图示意图,本实施例以识别人脸的通行场景为例,如图5所示首先初始化SDK(Software Development Kit,软件开发工具包)和Handle(句柄),检测前端的设计框架(Detect-Feed Frame),更新或恢复底库(imagecache refresh)以及图像(faceImg Cache);其中还有通行人脸识别系统(mFace PassManager recognize),其中包括两个底库(include double base search);具体的初始化设置,设置search Th1:第一底库识别阈值推荐阈值71(对应前述第一分值阈值为71),设置search Th2:第二底库识别阈值推荐阈值75.316(对应前述第二分值阈值为75.316),设置updataTh:动态底库更新阈值推荐阈值75(对应前述第二底库更新阈值为75),设置searchLow:启用动态底库最低的阈值推荐阈值50(对应前述第二底库的启用阈值为50)。
同时设置了更新第二底库的属性要求(对应前述的预设图像条件),其中pose:yaw小于20,pitch小于20(对应前述目标图像中目标的姿态参数阈值为20);blur:0.6(对应前述目标图像的清晰度阈值为0.6);brightness:40卡掉暗光(对应前述目标图像的光照强度阈值为40);occusion(简写为occ):0按照入库遮挡要求(对应前述目标图像的被遮挡程度阈值为0)。另外,图中的searchScore1(对应前述第一匹配分值)searchScore2(对应前述第二匹配分值)。另外,图中的max score hashMap(对应前述目标标识的替换阈值)。
具体的,通过第一底库获取与目标图像的匹配程度最高的第一图像,以及目标图像与第一图像的第一匹配分值searchScore1,如果searchScore1>search Th1,则说明Base1 Success即第一底库识别目标图像中的目标成功。如果searchScore1>search Th1,且searchScore1>updata Th,则Updata max score hashMap即更新将第一图像的目标标识对应的替换阈值,将分数最高的匹配分值更新为替换阈值;然后还需要判断目标图像是否满足预设图像条件,即判断Abs(pose)<20;&&blur<0.6;&&brightness>40;&&occ==0;如果满足上述条件,则更新第二底库(base2)中的图像,同时调整人脸识别通行系统的数据库。
如果searchScore1<search Th1,首先判断第一匹配分值searchScore1与第二底库的启用阈值search Low的大小,如果searchScore1<search Low,则识别失败;如果searchScore1>search Low,通过第二底库确定待识别目标的识别结果;具体的,通过第二底库获取与目标图像的匹配程度最高的第三图像,以及目标图像与第三图像的第二匹配分值searchScore2;判断第二匹配分值searchScore2与第二分值阈值search Th2的大小,如果searchScore2<search Th2则识别失败;如果searchScore2>search Th2,还需要判断第三图像的目标标识base2token与第一图像的目标标识base1token是否相同,如果base2token==base1token,则base2 Success即确定目标图像中的目标识别成功;如果base2token与base1token不相同,则识别失败。
上述实施例提供的具体的目标识别方法,与前述实施例提供的目标识别方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例五:
本发明实施例提供了一种目标识别装置,如图6所示,该装置包括:
获取模块61,用于通过第一底库获取与目标图像的匹配程度最高的第一图像,以及目标图像与第一图像的第一匹配分值;其中,与第一图像的目标标识相同的第二图像保存在第二底库;
替换模块62,用于当第一匹配分值高于第一底库的第一分值阈值时,确定目标图像中的目标识别成功;当第一匹配分值满足预设分值条件,且目标图像满足预设图像条件时,将第二图像替换为目标图像;
识别模块63,用于当第一匹配分值低于第一分值阈值时,通过第二底库确定待识别目标的识别结果。
本发明实施例提供了一种目标识别装置,通过第一底库获取与目标图像的匹配程度最高的第一图像,以及目标图像与第一图像的第一匹配分值;当第一匹配分值高于第一底库的第一分值阈值时,确定目标图像中的目标识别成功;当第一匹配分值满足预设分值条件,且目标图像满足预设图像条件时,将第二图像替换为目标图像;当第一匹配分值低于第一分值阈值时,通过第二底库确定待识别目标的识别结果。该方式中,共设置有两个底库,如果通过第一底库能够成功识别目标,且目标图像满足一定的条件时,可以将该目标图像更新至第二底库,使得第二底库中的图像包含目标更加全面准确的特征;当通过第一底库识别目标失败时,可以基于第二底库进行识别;从而提高了目标识别的准确率和识别效果。
进一步的,上述预设分值条件包括:第一匹配分值高于第一分值阈值,且第一匹配分值高于第二底库的更新阈值;其中,更新阈值用于:当第一匹配分值高于更新阈值时,允许更新第二底库中的图像。
进一步的,上述预设分值条件还包括:第一匹配分值高于第一图像的目标标识对应的替换阈值;其中,替换阈值用于:当第一匹配分值高于替换阈值时,允许替换目标标识对应的图像。
进一步的,上述装置还包括阈值更新模块,用于当第一匹配分值高于第一图像的目标标识对应的替换阈值时,将替换阈值更新为第一匹配分值。
进一步的,上述预设图像条件包括下述一种或多种:目标图像中目标的姿态参数满足预设的姿态参数阈值;目标图像的清晰度满足预设的清晰度阈值;目标图像的光照强度满足预设的光照强度阈值;目标图像中目标的被遮挡程度满足预设的被遮挡程度阈值。
进一步的,上述识别模块还用于:当第一匹配分值低于第一分值阈值,且第一匹配分值高于或等于第二底库的启用阈值时,通过第二底库确定待识别目标的识别结果;其中,启用阈值用于:如果第一匹配分值高于或等于启用阈值,允许通过第二底库确定待识别目标的识别结果。
进一步的,上述识别模块还用于:通过第二底库获取与目标图像的匹配程度最高的第三图像,以及目标图像与第三图像的第二匹配分值;当第三图像与第一图像的目标标识相同,且第二匹配分值高于或等于第二底库的第二分值阈值时,确定目标图像中的目标识别成功。
本发明实施例提供的目标识别装置,与上述实施例提供的目标识别方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例六:
本发明实施例提供了一种电子系统,该电子系统包括:图像采集设备、处理设备和存储装置;图像采集设备,用于获取预览视频帧或图像数据;存储装置上存储有计算机程序,计算机程序在被处理设备运行时执行如上述目标识别方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的电子系统的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理设备运行时执行如上述目标识别方法的步骤。
本发明实施例所提供的目标识别方法、装置和电子系统的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种目标识别方法,其特征在于,所述方法包括:
通过第一底库获取与目标图像的匹配程度最高的第一图像,以及所述目标图像与所述第一图像的第一匹配分值;其中,与所述第一图像的目标标识相同的第二图像保存在第二底库;
当所述第一匹配分值高于所述第一底库的第一分值阈值时,确定所述目标图像中的目标识别成功;当所述第一匹配分值满足预设分值条件,且所述目标图像满足预设图像条件时,将所述第二图像替换为所述目标图像;
当所述第一匹配分值低于所述第一分值阈值时,通过所述第二底库确定待识别目标的识别结果。
2.根据权利要求1所述的方法,其特征在于,所述预设分值条件包括:所述第一匹配分值高于所述第一分值阈值,且所述第一匹配分值高于所述第二底库的更新阈值;
其中,所述更新阈值用于:当所述第一匹配分值高于所述更新阈值时,允许更新所述第二底库中的图像。
3.根据权利要求2所述的方法,其特征在于,所述预设分值条件还包括:
所述第一匹配分值高于所述第一图像的目标标识对应的替换阈值;其中,所述替换阈值用于:当所述第一匹配分值高于所述替换阈值时,允许替换所述目标标识对应的图像。
4.根据权利要求1所述的方法,其特征在于,将所述第二图像替换为所述目标图像的步骤之后,所述方法还包括:
当所述第一匹配分值高于所述第一图像的目标标识对应的替换阈值时,将所述替换阈值更新为所述第一匹配分值。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述预设图像条件包括下述一种或多种:
所述目标图像中目标的姿态参数满足预设的姿态参数阈值;
所述目标图像的清晰度满足预设的清晰度阈值;
所述目标图像的光照强度满足预设的光照强度阈值;
所述目标图像中目标的被遮挡程度满足预设的被遮挡程度阈值。
6.根据权利要求1-4任一项所述的方法,其特征在于,当所述第一匹配分值低于所述第一分值阈值时,通过所述第二底库确定待识别目标的识别结果的步骤,包括:
当所述第一匹配分值低于所述第一分值阈值,且所述第一匹配分值高于或等于所述第二底库的启用阈值时,通过所述第二底库确定所述待识别目标的识别结果;
其中,所述启用阈值用于:如果所述第一匹配分值高于或等于所述启用阈值,允许通过所述第二底库确定所述待识别目标的识别结果。
7.根据权利要求1或6所述的方法,其特征在于,通过所述第二底库确定待识别目标的识别结果的步骤,包括:
通过所述第二底库获取与所述目标图像的匹配程度最高的第三图像,以及所述目标图像与所述第三图像的第二匹配分值;
当所述第三图像与所述第一图像的目标标识相同,且所述第二匹配分值高于或等于所述第二底库的第二分值阈值时,确定所述目标图像中的目标识别成功。
8.一种目标识别装置,其特征在于,所述装置包括:
获取模块,用于通过第一底库获取与目标图像的匹配程度最高的第一图像,以及所述目标图像与所述第一图像的第一匹配分值;其中,与所述第一图像的目标标识相同的第二图像保存在第二底库;
替换模块,用于当所述第一匹配分值高于所述第一底库的第一分值阈值时,确定所述目标图像中的目标识别成功;当所述第一匹配分值满足预设分值条件,且所述目标图像满足预设图像条件时,将所述第二图像替换为所述目标图像;
识别模块,用于当所述第一匹配分值低于所述第一分值阈值时,通过所述第二底库确定待识别目标的识别结果。
9.一种电子系统,其特征在于,所述电子系统包括:处理设备和存储装置;
所述存储装置上存储有计算机程序,所述计算机程序在被所述处理设备运行时执行如权利要求1至7任一项所述的目标识别方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理设备运行时执行如权利要求1至7任一项所述的目标识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011227138.7A CN112418006A (zh) | 2020-11-05 | 2020-11-05 | 目标识别方法、装置和电子系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011227138.7A CN112418006A (zh) | 2020-11-05 | 2020-11-05 | 目标识别方法、装置和电子系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112418006A true CN112418006A (zh) | 2021-02-26 |
Family
ID=74827077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011227138.7A Pending CN112418006A (zh) | 2020-11-05 | 2020-11-05 | 目标识别方法、装置和电子系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112418006A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723539A (zh) * | 2021-09-02 | 2021-11-30 | 北京云蝶智学科技有限公司 | 试题信息采集方法及装置 |
CN115240265A (zh) * | 2022-09-23 | 2022-10-25 | 深圳市欧瑞博科技股份有限公司 | 用户智能识别方法、电子设备及存储介质 |
-
2020
- 2020-11-05 CN CN202011227138.7A patent/CN112418006A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723539A (zh) * | 2021-09-02 | 2021-11-30 | 北京云蝶智学科技有限公司 | 试题信息采集方法及装置 |
CN115240265A (zh) * | 2022-09-23 | 2022-10-25 | 深圳市欧瑞博科技股份有限公司 | 用户智能识别方法、电子设备及存储介质 |
CN115240265B (zh) * | 2022-09-23 | 2023-01-10 | 深圳市欧瑞博科技股份有限公司 | 用户智能识别方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019218824A1 (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
US9092868B2 (en) | Apparatus for detecting object from image and method therefor | |
JP5287333B2 (ja) | 年令推定装置 | |
WO2019033574A1 (zh) | 电子装置、动态视频人脸识别的方法、系统及存储介质 | |
JP6385419B2 (ja) | 物体検出装置 | |
JP6941966B2 (ja) | 人物認証装置 | |
CN112418006A (zh) | 目标识别方法、装置和电子系统 | |
CN111339979B (zh) | 基于特征提取的图像识别方法及图像识别装置 | |
US10762372B2 (en) | Image processing apparatus and control method therefor | |
EP2639743A2 (en) | Image processing device, image processing program, and image processing method | |
CN106506982B (zh) | 一种获取测光参数的方法、装置及终端设备 | |
CN111414858A (zh) | 人脸识别方法、目标图像的确定方法、装置和电子系统 | |
CN112417970A (zh) | 目标对象识别方法、装置和电子系统 | |
CN111079648A (zh) | 数据集清洗方法、装置和电子系统 | |
CN111753826A (zh) | 车辆与车牌的关联方法、装置和电子系统 | |
CN109816628B (zh) | 人脸评价方法及相关产品 | |
CN111553302A (zh) | 关键帧选取方法、装置、设备及计算机可读存储介质 | |
CN109543628B (zh) | 一种人脸解锁、底库录入方法、装置和电子设备 | |
CN113223023A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
US10997398B2 (en) | Information processing apparatus, authentication system, method of controlling same, and medium | |
JP4550768B2 (ja) | 画像検出方法および画像検出装置 | |
CN113312949A (zh) | 视频数据处理方法、视频数据处理装置和电子设备 | |
US9842406B2 (en) | System and method for determining colors of foreground, and computer readable recording medium therefor | |
CN112819859B (zh) | 一种应用于智慧安防的多目标跟踪方法及装置 | |
CN112418244A (zh) | 目标检测方法、装置和电子系统 |
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 |