CN113033307B - 对象的匹配方法、装置、存储介质及电子装置 - Google Patents
对象的匹配方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN113033307B CN113033307B CN202110197275.9A CN202110197275A CN113033307B CN 113033307 B CN113033307 B CN 113033307B CN 202110197275 A CN202110197275 A CN 202110197275A CN 113033307 B CN113033307 B CN 113033307B
- Authority
- CN
- China
- Prior art keywords
- image
- matching
- images
- fusion
- main channel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000004927 fusion Effects 0.000 claims abstract description 33
- 238000007499 fusion processing Methods 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种对象的匹配方法、装置、存储介质及电子装置,其中,该方法包括:获取包括有第一对象的第一图像;将第一图像与主通道设备采集到的第二图像进行匹配,以确定第二图像中是否存在第二对象,其中,第二对象和第一对象的相似度大于第一阈值;在匹配失败的情况下,获取与主通道设备关联的多个辅助通道设备采集到的多个第三图像,其中,每个第三图像中均包括有第三对象;对多个第三图像进行融合处理,以得到第三对象的融合图像;将融合图像与第一图像进行匹配,以确定第一对象与第三对象的匹配结果。通过本发明,解决了相关技术中存在的得到的对象的匹配结果准确率低的问题,达到提高对象的匹配结果准确率的效果。
Description
技术领域
本发明实施例涉及通信领域,具体而言,涉及一种对象的匹配方法、 装置、存储介质及电子装置。
背景技术
随着计算机网络技术的发展,对象之间的匹配应用的越来越广泛,下 面以人脸匹配为例进行说明:
人脸识别和匹配技术飞速发展,但是当前在某种场景下单个通道无法 准确获取第一图像的特征值,导致再使用该特征值和预设固定目标人脸图像比对准确率不高。因此,提高人脸的比对准确率十分有必要。
由此可知,相关技术中存在得到的对象的匹配结果准确率低的问题。
针对相关技术中存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种对象的匹配方法、装置、存储介质及电子装 置,以至少解决相关技术中存在的得到的对象的匹配结果准确率低的问题。
根据本发明的一个实施例,提供了一种对象的匹配方法,包括:获取 包括有第一对象的第一图像;将所述第一图像与主通道设备采集到的第二 图像进行匹配,以确定所述第二图像中是否存在第二对象,其中,所述第 二对象和所述第一对象的相似度大于第一阈值;在匹配失败的情况下,获 取与所述主通道设备关联的多个辅助通道设备采集到的多个第三图像,其 中,每个所述第三图像中均包括有第三对象;对多个所述第三图像进行融合处理,以得到所述第三对象的融合图像;将所述融合图像与所述第一图像进行匹配,以确定所述第一对象与所述第三对象的匹配结果。
根据本发明的另一个实施例,提供了一种对象的匹配装置,包括:第 一获取模块,用于获取包括有第一对象的第一图像;第一匹配模块,用于 将所述第一图像与主通道设备采集到的第二图像进行匹配,以确定所述第 二图像中是否存在第二对象,其中,所述第二对象和所述第一对象的相似 度大于第一阈值;第二获取模块,用于在匹配失败的情况下,获取与所述 主通道设备关联的多个辅助通道设备采集到的多个第三图像,其中,每个 所述第三图像中均包括有第三对象;融合模块,用于对多个所述第三图像 进行融合处理,以得到所述第三对象的融合图像;第二匹配模块,用于将所述融合图像与所述第一图像进行匹配,以确定所述第一对象与所述第三 对象的匹配结果。
根据本发明的又一个实施例,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中存储有计算机程序,其中,所述计算机程序被处 理器执行时实现上述任一项中所述的方法的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和 处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述 计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,获取包括有第一对象的第一图像,将第一图像与主通道 设备采集到的第二图像进行匹配,以确定第二图像中是否存在与第一对象 相似度大于第一阈值的第二对象,在匹配失败的情况下,获取与主通道设 备关联的多个辅助通道设备采集到的多个包括有第三对象的第三图像,对 多个第三图像进行融合处理,以得到第三图像的融合图像,再将融合图像 与第一图像进行匹配,以确定第一对象与第三对象的匹配结果。由于在第一图像与主通道设备采集到的第二图像匹配失败的情况下,可以利用多个 辅助通道设备采集的多个第三图像得到的融合图像与第一图像进行匹配, 确定匹配结果,因此,可以解决相关技术中存在的得到的对象的匹配结果 准确率低的问题,达到提高对象的匹配结果准确率的效果。
附图说明
图1是本发明实施例的一种对象的匹配方法的移动终端的硬件结构框图;
图2是根据本发明实施例的对象的匹配方法的流程图;
图3是根据本发明具体实施方式的对象的匹配方法流程图;
图4是根据本发明实施例的对象的匹配装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语 “第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序 或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或 者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施 例的一种对象的匹配方法的移动终端的硬件结构框图。如图1所示,移动 终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102 可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信 功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理 解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。 例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及 模块,如本发明实施例中的对象的匹配方法对应的计算机程序,处理器102 通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及 数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非 易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理 器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。 上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体 实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输 设备106包括一个网络适配器(Network Interface Controller,简称为NIC), 其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例 中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其 用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种对象的匹配方法,图2是根据本发明实施例 的对象的匹配方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取包括有第一对象的第一图像;
步骤S204,将所述第一图像与主通道设备采集到的第二图像进行匹 配,以确定所述第二图像中是否存在第二对象,其中,所述第二对象和所 述第一对象的相似度大于第一阈值;
步骤S206,在匹配失败的情况下,获取与所述主通道设备关联的多 个辅助通道设备采集到的多个第三图像,其中,每个所述第三图像中均包 括有第三对象;
步骤S208,对多个所述第三图像进行融合处理,以得到所述第三对 象的融合图像;
步骤S210,将所述融合图像与所述第一图像进行匹配,以确定所述 第一对象与所述第三对象的匹配结果。
在上述实施例中,第一对象、第二对象以及第三对象可以为人、动物、 物品等。第一图像可以为包括有第一对象的标识信息的图像。例如,当第 一对象为人时,第一图像可以为包括有人脸的图像、也可以是包括有人上 半身的图像、包括有人全身的图像。同理,第二图像可以为包括第二对象 的标识信息的图像,第三图像可以为包括第三对象的标识信息的图像。其 中,第一图像可以为输入至主通道设备中的图像,还可以是在主通道设备 的显示频中选中的图像。
在上述实施例中,主通道设备和辅助通道设备可以为目标场景下的监 控设备,主通道设备和辅助通道设备拍摄的区域可以是相同的区域,也可 以是有重叠的区域。一个主通道设备可以关联多个辅助通道设备。在确定 第一图像和第二图像匹配失败的情况下,主通道设备可以获取每个辅助通 道设备采集到的图像,并对每个图像进行识别,确定出辅助通道设备采集到的图像中与第一对象相似度大于第一阈值的第三图像。当然,主通道设 备也可以将第一图像发送给辅助通道设备,由辅助通道设备在其所采集的 图像中确定出与第一对象相似度大于第一阈值的第三图像,将第三图像发 送至主通道设备。
在上述实施例中,可以通过提供的配置方式,设置对象匹配的主通道 的关联辅助通道;在主通道采集的图像和第一图像进行匹配,匹配结果为 未匹配或者匹配度低时,说明本次比对可能由于自身识别获取到的目标特 征值数据不完善,或者和预设目标(对应于上述第一对象)不匹配导致未 成功或者准确率不高。此时,可以通知设置的各辅助通道进行协助检测, 各辅助通道开始目标检测并将检测到的目标图像反馈给主通道。主通道拿到各辅助通道的目标图像之后,分析提取各辅助通道采集到的第三图像的 特征值(当第一对象为人脸时,第三图像的特征值可以为第三对象的人脸特征值),并和自己检测到的目标进行有效数据融合得到完善之后的特征 值数据,再将特征值数据和预设目标的特征值数据进行比对,从而提高匹 配准确率。
可选地,上述步骤的执行主体可以是后台处理器,或者其他的具备类 似处理能力的设备,还可以是至少集成有图像获取设备以及数据处理设备 的机器,其中,图像获取设备可以包括摄像头等图形采集模块,数据处理 设备可以包括计算机、手机等终端,但不限于此。
通过本发明,获取包括有第一对象的第一图像,将第一图像与主通道 设备采集到的第二图像进行匹配,以确定第二图像中是否存在与第一对象 相似度大于第一阈值的第二对象,在匹配失败的情况下,获取与主通道设 备关联的多个辅助通道设备采集到的多个包括有第三对象的第三图像,对 多个第三图像进行融合处理,以得到第三图像的融合图像,再将融合图像 与第一图像进行匹配,以确定第一对象与第三对象的匹配结果。由于在第 一图像与主通道设备采集到的第二图像匹配失败的情况下,可以利用多个辅助通道设备采集的多个第三图像得到的融合图像与第一图像进行匹配, 确定匹配结果,因此,可以解决相关技术中存在的得到的对象的匹配结果 准确率低的问题,达到提高对象的匹配结果准确率的效果。
在一个示例性实施例中,对多个所述第三图像进行融合处理,以得到 所述第三对象的融合图像包括:获取多个所述第三图像中包括的每个所述 第三图像的第一特征值;基于每个所述第三图像的所述第一特征值对多个 所述第三图像进行融合处理,以得到所述融合图像。在本实施例中,一个 主通道设备可以关联多个辅助通道设备,当第二图像与第一图像匹配失败的情况下,可以获取每个辅助通道设备检测到的多个第三图像,获取每个第三图像的第一特征值,根据第一特征值对多个第三图像进行融合,得到 融合图像。在本实施例中,主通道设备可以通过对辅助通道设备采集到的 第二图像的特征值进行分析,提取和融合,丰富和完善主通道的目标特征 值,不需要额外的其他消耗。
在一个示例性实施例中,基于每个所述第三图像的所述第一特征值对 多个所述第三图像进行融合处理,以得到所述融合图像包括:使用第一模 型分别对每个所述第三图像的所述第一特征值进行处理,以确定每个所述 第三图像中包括的所述第三对象的第一三维模型,其中,所述第一模型为 使用多组第一训练数据通过机器学习训练出的,所述多组第一训练数据中的每组数据包括:图像的特征值和图像中包括的对象的三维模型;对多个 所述第一三维模型进行融合处理,以得到所述融合图像。在本实施例中, 当第一对象为人时,在对多个第三图像进行融合处理时,即,在对多通道 多角度人脸信息融合时,可以采用端到端的可训练的卷积神经网络(CNN)从多视图输入中回归3DMM(3D Face MorphableModel)参数,多视图几何 约束可以通过利用自监督视图对齐损失,将在不同视图之间建立密集的对 应关系纳入到网络中,通过最小化视图对齐损失,恢复更好的三维形状, 从而使从一个视图到另一个视图的合成投影能够更好的与观察到的图像 对齐。通过一个共享权重的CNN从每一张输入图片学习特征,然后将这 些特征链接起来回归一组3DMM参数,再根据输入图片的独立特征来回 归出每一个输入视图的姿态参数,根据姿态参数和3DMM参数,从每张 输入图像中渲染出一个纹理3D面部模型(对应于上述第一三维模型)。
在一个示例性实施例中,对多个所述第一三维模型进行融合处理,以 得到所述融合图像包括:基于每个所述第一三维模型的所指示的姿态确定 投影方向;分别对每个所述第一三维模型按照确定的投影方向进行投影, 以得到多个投影图像;对多个所述投影图像进行融合,以得到所述融合图像。在本实施例中,当第一对象为人时,在多视图背景下,得到多个纹理 3D人脸模型,多个纹理3D人脸模型具有多个相同的基本3D形状,但是纹理不同;在获取到上述多角度多视图渲染的3D人脸模型后,可以将它 们从采样纹理的视图投影到不同的视图,确定出投影图像与目标视图上的 输入图像之间的损失,从而补全损失。例如,当第一三维模型中包括左侧 脸模型,正脸模型以及右侧脸模型时,可以先将第一三维模型向左侧脸方 向投影,得到多张投影图像,将投影图像与左侧脸模型进行比对,确定左 侧脸模型与投影图像之间的损失,并补全损失。从而实现对多个投影图像 进行融合,以得到融合图像。在得到融合图像后,可以提取融合图像中包括的第三对象的特征值,以及第一图像中第一对象的特征值,将第三对象 的特征值与第一图像的特征值进行比对,从而确定二者的匹配结果。
在一个示例性实施例中,在获取与所述主通道设备关联的多个辅助通 道设备采集到的多个第三图像之前,所述方法还包括:确定所述主通道设 备的拍摄区域;基于所述拍摄区域确定与所述主通道设备关联的多个所述 辅助通道设备。在本实施例中,可以通过主通道设备的拍摄区域确定辅助 通道设备。即可以将与主通道拍摄区域重合或部分重合的拍摄设备确定为辅助通道设备。辅助通道设备可根据实际场景架设和需要通过修改配置动 态绑定调整,而非固定不变不可更改
在一个示例性实施例中,将所述融合图像与所述第一图像进行匹配, 以确定所述第一对象与所述第三对象的匹配结果包括:获取所述第一图像 中包括的所述第一对象的第二特征值;获取所述融合图像中包括的所述第 三对象的第三特征值;将所述第二特征值与所述第三特征值进行匹配,以 确定匹配结果。在本实施例中,在确定融合图像后,可以提取融合图像的特征值,将融合图像中包括的第三对象的第三特征值与第一对象的第二特征值进行匹配,确定二者的相似度,在相似度大于或等于设定阈值时,确 定匹配结果为匹配成功,在相似度小于设定阈值时,确定匹配结果为匹配 失败。即,通过有效数据融合的方式完善第三对象的特征值,并将第三对 象的特征值和第一对象的特征值进行比对,能很好的提高比对成功率和准 确率,无需进行多次比对即可确定匹配结果。在匹配成功的情况下,可以通过主通道设备或辅助通道设备确定第一对象出现的时间、地点等,从而 确定出第一对象的行动轨迹等。
在一个示例性实施例中,在将所述第一图像与主通道设备采集到的第 二图像进行匹配之后,所述方法还包括:确定所述第一图像与所述第二图像的匹配结果;在所述匹配结果指示所述第一图像与所述第一图像匹配成 功的情况下,输出所述第二图像。在本实施例中,并非每一次检测都会开 启关联通道辅助检测,只有在主通道单次比对效果不好的情况下才会执行, 优化执行效率。当第一图像与第二图像匹配成功的情况下,可以输出第二图像,以及拍摄第二图像时间、地点等,确定出第一对象的行动轨迹。
下面结合具体实施例以对象为人为例,对对象的匹配方法进行说明:
图3是根据本发明具体实施方式的对象的匹配方法流程图,如图3所 示,该方法包括:
步骤S302,主通道(对应于上述主通道设备)开始人脸比对;
步骤S304,判断和预设目标(对应于上述第一对象)比对是否准确, 若判断结果为是,则执行步骤S306,若判断结果为否,则执行步骤S308。
步骤S306,主通道结束人脸比对。
步骤S308,判断主通道是否关联辅助通道,若判断结果为否,则执 行步骤S306,若判断结果为是,则执行步骤S310。
步骤S310,开启各关联通道(对应于上述辅助通道设备)辅助检测。
步骤S312,各关联通道开始检测过滤当前场景下的目标。
步骤S314,对辅助通道设备检测到的目标进行建模。
步骤S316,主通道对各个辅助通道建模得到的目标图像(对应于上 述第一三维模型)进行训练和融合得到新的目标数据(对应于上述融合图像)。
步骤S318,使用融合后的目标特征值和预设目标进行比对,得到比 对结果。
在前述实施例中,在主通道目标人脸比对失败或者准确率低的情况下, 通过场景下关联通道辅助收集目标的多角度图像传递给主通道,主通道通 过分析提取各关联通道辅助收集的图像,得到目标人脸的多角度辅助特征 值信息,然后融合辅助人脸特征值信息从而得到新的且信息量充足和完善 的目标人脸特征值信息进而和预设目标进行比对,从而提高比对的准确率 和成功率。
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根 据上述实施例的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。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(如 ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可 以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所 述的方法。
在本实施例中还提供了一种对象的匹配装置,该装置用于实现上述实 施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术 语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所 描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实 现也是可能并被构想的。
图4是根据本发明实施例的对象的匹配装置的结构框图,如图4所示, 该装置包括:
第一获取模块402,用于获取包括有第一对象的第一图像;
第一匹配模块404,用于将所述第一图像与主通道设备采集到的第二 图像进行匹配,以确定所述第二图像中是否存在第二对象,其中,所述第 二对象和所述第一对象的相似度大于第一阈值;
第二获取模块406,用于在匹配失败的情况下,获取与所述主通道设 备关联的多个辅助通道设备采集到的多个第三图像,其中,每个所述第三 图像中均包括有第三对象;
融合模块408,用于对多个所述第三图像进行融合处理,以得到所述 第三对象的融合图像;
第二匹配模块410,用于将所述融合图像与所述第一图像进行匹配, 以确定所述第一对象与所述第三对象的匹配结果。
在一个示例性实施例中,所述融合模块408可以通过如下方式实现对 多个所述第三图像进行融合处理,以得到所述第三对象的融合图像:获取 多个所述第三图像中包括的每个所述第三图像的第一特征值;基于每个所 述第三图像的所述第一特征值对多个所述第三图像进行融合处理,以得到 所述融合图像。
在一个示例性实施例中,所述融合模块408可以通过如下方式实现基 于每个所述第三图像的所述第一特征值对多个所述第三图像进行融合处 理,以得到所述融合图像:使用第一模型分别对每个所述第三图像的所述 第一特征值进行处理,以确定每个所述第三图像中包括的所述第三对象的 第一三维模型,其中,所述第一模型为使用多组第一训练数据通过机器学习训练出的,所述多组第一训练数据中的每组数据包括:图像的特征值和 图像中包括的对象的三维模型;对多个所述第一三维模型进行融合处理, 以得到所述融合图像。
在一个示例性实施例中,所述融合模块408可以通过如下方式实现对 多个所述第一三维模型进行融合处理,以得到所述融合图像:基于每个所 述第一三维模型的所指示的姿态确定投影方向;分别对每个所述第一三维 模型按照确定的投影方向进行投影,以得到多个投影图像;对多个所述投影图像进行融合,以得到所述融合图像。
在一个示例性实施例中,所述装置可以用于在获取与所述主通道设备 关联的多个辅助通道设备采集到的多个第三图像之前,确定所述主通道设 备的拍摄区域;基于所述拍摄区域确定与所述主通道设备关联的多个所述 辅助通道设备。
在一个示例性实施例中,所述第二匹配模块410可以通过如下方式实 现将所述融合图像与所述第一图像进行匹配,以确定所述第一对象与所述 第三对象的匹配结果:获取所述第一图像中包括的所述第一对象的第二特 征值;获取所述融合图像中包括的所述第三对象的第三特征值;将所述第 二特征值与所述第三特征值进行匹配,以确定匹配结果。
在一个示例性实施例中,所述装置还可以用于在将所述第一图像与主 通道设备采集到的第二图像进行匹配之后,确定所述第一图像与所述第二 图像的匹配结果;在所述匹配结果指示所述第一图像与所述第一图像匹配 成功的情况下,输出所述第二图像。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于 后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器 中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的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 存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实 现上述任一项中所述的方法的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于: U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各 种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存 储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述 任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入 输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述 处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所 描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤 可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者 分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序 代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并 且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或 者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件 和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于 本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原 则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护 范围之内。
Claims (7)
1.一种对象的匹配方法,其特征在于,包括:
获取包括有第一对象的第一图像;
将所述第一图像与主通道设备采集到的第二图像进行匹配,以确定所述第二图像中是否存在第二对象,其中,所述第二对象和所述第一对象的相似度大于第一阈值;
在匹配失败的情况下,获取与所述主通道设备关联的多个辅助通道设备采集到的多个第三图像,其中,每个所述第三图像中均包括有第三对象;
对多个所述第三图像进行融合处理,以得到所述第三对象的融合图像;
将所述融合图像与所述第一图像进行匹配,以确定所述第一对象与所述第三对象的匹配结果;
对多个所述第三图像进行融合处理,以得到所述第三对象的融合图像包括:获取多个所述第三图像中包括的每个所述第三图像的第一特征值;使用第一模型分别对每个所述第三图像的所述第一特征值进行处理,以确定每个所述第三图像中包括的所述第三对象的第一三维模型,其中,所述第一模型为使用多组第一训练数据通过机器学习训练出的,所述多组第一训练数据中的每组数据包括:图像的特征值和图像中包括的对象的三维模型;基于每个所述第一三维模型的所指示的姿态确定投影方向;分别对每个所述第一三维模型按照确定的投影方向进行投影,以得到多个投影图像;对多个所述投影图像进行融合,以得到所述融合图像。
2.根据权利要求1所述的方法,其特征在于,在获取与所述主通道设备关联的多个辅助通道设备采集到的多个第三图像之前,所述方法还包括:
确定所述主通道设备的拍摄区域;
基于所述拍摄区域确定与所述主通道设备关联的多个所述辅助通道设备。
3.根据权利要求1所述的方法,其特征在于,将所述融合图像与所述第一图像进行匹配,以确定所述第一对象与所述第三对象的匹配结果包括:
获取所述第一图像中包括的所述第一对象的第二特征值;
获取所述融合图像中包括的所述第三对象的第三特征值;
将所述第二特征值与所述第三特征值进行匹配,以确定匹配结果。
4.根据权利要求1所述的方法,其特征在于,在将所述第一图像与主通道设备采集到的第二图像进行匹配之后,所述方法还包括:
确定所述第一图像与所述第二图像的匹配结果;
在所述匹配结果指示所述第一图像与所述第一图像匹配成功的情况下,输出所述第二图像。
5.一种对象的匹配装置,其特征在于,包括:
第一获取模块,用于获取包括有第一对象的第一图像;
第一匹配模块,用于将所述第一图像与主通道设备采集到的第二图像进行匹配,以确定所述第二图像中是否存在第二对象,其中,所述第二对象和所述第一对象的相似度大于第一阈值;
第二获取模块,用于在匹配失败的情况下,获取与所述主通道设备关联的多个辅助通道设备采集到的多个第三图像,其中,每个所述第三图像中均包括有第三对象;
融合模块,用于对多个所述第三图像进行融合处理,以得到所述第三对象的融合图像;
第二匹配模块,用于将所述融合图像与所述第一图像进行匹配,以确定所述第一对象与所述第三对象的匹配结果;
所述融合模块通过如下方式实现对多个所述第三图像进行融合处理,以得到所述第三对象的融合图像:获取多个所述第三图像中包括的每个所述第三图像的第一特征值;使用第一模型分别对每个所述第三图像的所述第一特征值进行处理,以确定每个所述第三图像中包括的所述第三对象的第一三维模型,其中,所述第一模型为使用多组第一训练数据通过机器学习训练出的,所述多组第一训练数据中的每组数据包括:图像的特征值和图像中包括的对象的三维模型;基于每个所述第一三维模型的所指示的姿态确定投影方向;分别对每个所述第一三维模型按照确定的投影方向进行投影,以得到多个投影图像;对多个所述投影图像进行融合,以得到所述融合图像。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现所述权利要求1至4任一项中所述的方法的步骤。
7.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110197275.9A CN113033307B (zh) | 2021-02-22 | 2021-02-22 | 对象的匹配方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110197275.9A CN113033307B (zh) | 2021-02-22 | 2021-02-22 | 对象的匹配方法、装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113033307A CN113033307A (zh) | 2021-06-25 |
CN113033307B true CN113033307B (zh) | 2024-04-02 |
Family
ID=76461009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110197275.9A Active CN113033307B (zh) | 2021-02-22 | 2021-02-22 | 对象的匹配方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113033307B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019056988A1 (zh) * | 2017-09-25 | 2019-03-28 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
CN109858555A (zh) * | 2019-02-12 | 2019-06-07 | 北京百度网讯科技有限公司 | 基于图像的数据处理方法、装置、设备及可读存储介质 |
CN110245573A (zh) * | 2019-05-21 | 2019-09-17 | 平安科技(深圳)有限公司 | 一种基于人脸识别的签到方法、装置及终端设备 |
CN110781842A (zh) * | 2019-10-29 | 2020-02-11 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
WO2020088029A1 (zh) * | 2018-10-29 | 2020-05-07 | 北京三快在线科技有限公司 | 活体检验方法、存储介质和电子设备 |
CN111353364A (zh) * | 2019-08-19 | 2020-06-30 | 深圳市鸿合创新信息技术有限责任公司 | 一种人脸动态识别方法及装置、电子设备 |
-
2021
- 2021-02-22 CN CN202110197275.9A patent/CN113033307B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019056988A1 (zh) * | 2017-09-25 | 2019-03-28 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
WO2020088029A1 (zh) * | 2018-10-29 | 2020-05-07 | 北京三快在线科技有限公司 | 活体检验方法、存储介质和电子设备 |
CN109858555A (zh) * | 2019-02-12 | 2019-06-07 | 北京百度网讯科技有限公司 | 基于图像的数据处理方法、装置、设备及可读存储介质 |
CN110245573A (zh) * | 2019-05-21 | 2019-09-17 | 平安科技(深圳)有限公司 | 一种基于人脸识别的签到方法、装置及终端设备 |
CN111353364A (zh) * | 2019-08-19 | 2020-06-30 | 深圳市鸿合创新信息技术有限责任公司 | 一种人脸动态识别方法及装置、电子设备 |
CN110781842A (zh) * | 2019-10-29 | 2020-02-11 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113033307A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105719188B (zh) | 基于多张图片一致性实现保险理赔反欺诈的方法及服务器 | |
CN110348331B (zh) | 人脸识别方法及电子设备 | |
CN108108711B (zh) | 人脸布控方法、电子设备及存储介质 | |
CN111144284A (zh) | 深度人脸图像的生成方法、装置、电子设备及介质 | |
CN111414540B (zh) | 在线学习推荐方法、装置、在线学习系统及服务器 | |
CN112446302A (zh) | 一种人体姿态检测方法、系统、电子设备和存储介质 | |
CN111091106B (zh) | 图像聚类方法及装置、存储介质、电子装置 | |
CN113657195A (zh) | 人脸图像识别方法、设备、电子装置和存储介质 | |
CN111401193B (zh) | 获取表情识别模型的方法及装置、表情识别方法及装置 | |
CN114332938A (zh) | 一种宠物鼻纹识别管理方法、装置、智能设备及存储介质 | |
CN109767826A (zh) | 一种医疗摄影数据的获取方法及医疗摄影成像系统 | |
CN111598176A (zh) | 一种图像匹配处理方法及装置 | |
CN108683901B (zh) | 一种数据处理方法、mec服务器及计算机可读存储介质 | |
CN113033307B (zh) | 对象的匹配方法、装置、存储介质及电子装置 | |
CN113627334A (zh) | 对象的行为识别方法及装置 | |
CN110348272A (zh) | 动态人脸识别的方法、装置、系统和介质 | |
CN110414322B (zh) | 提取图片的方法、装置、设备及存储介质 | |
CN115830342A (zh) | 检测框的确定方法、装置、存储介质及电子装置 | |
CN115391596A (zh) | 视频档案生成方法、装置及存储介质 | |
CN113469135A (zh) | 对象身份信息的确定方法、装置、存储介质及电子装置 | |
CN114119121A (zh) | 发布商品素材的方法、装置、存储介质和处理器 | |
CN113837174A (zh) | 目标对象识别方法、装置及计算机设备 | |
CN111368608B (zh) | 一种人脸识别方法、装置及系统 | |
CN111860344A (zh) | 确定图像中目标对象数量的方法及装置 | |
CN113408669B (zh) | 图像的确定方法、装置、存储介质及电子装置 |
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 |