CN113343004B - 对象的识别方法和装置、存储介质及电子装置 - Google Patents
对象的识别方法和装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN113343004B CN113343004B CN202110649903.2A CN202110649903A CN113343004B CN 113343004 B CN113343004 B CN 113343004B CN 202110649903 A CN202110649903 A CN 202110649903A CN 113343004 B CN113343004 B CN 113343004B
- Authority
- CN
- China
- Prior art keywords
- estimated
- image
- recognition
- identification
- identified
- 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
Images
Classifications
-
- 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
- G06F16/53—Querying
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种对象的识别方法和装置、存储介质及电子装置,包括:获取检测设备对目标待识别对象进行拍摄得到目标待识别图像;在预测图像库中查找与目标待识别图像相匹配的匹配图像,预测图像库是根据检测设备的历史识别记录对待识别对象的识别时间进行预估得到的,历史识别记录中记录了检测设备已识别的对象的识别时间,预测图像库中存储了第一预设时间范围内检测设备的预估识别对象的图像;在预测图像库中查找到匹配图像的情况下,输出识别结果。通过本发明,解决了由于图像对比库中数据量较大,导致的图像识别耗时较长的问题。
Description
技术领域
本发明涉及通信领域,具体而言,涉及一种对象的识别方法和装置、存储介质及电子装置。
背景技术
图像识别技术目前应用到日常生活中的各个领域。例如,门禁识别系统中,通过人脸识别可以对人员的出入进行监测。
目前,公司、小区等大部分环境中均设置有门禁系统,配套使用图像识别技术,人员可方便进行身份识别,以进行门禁通行。目前图像识别领域,图像对比库不断的增加,十万、百万容量的图像对比库,在图像识别对比计算时间上有不断地增加,从而在流量较大时耗时较长,容易造成拥堵现象的发生。
针对相关技术中,由于图像对比库中数据量较大,导致的图像识别耗时较长的问题,目前尚未存在有效的解决方案。
发明内容
本发明实施例提供了一种对象的识别方法和装置、存储介质及电子装置,以至少解决相关技术中由于图像对比库中数据量较大,导致的图像识别耗时较长的问题。
根据本发明的一个实施例,提供了一种对象的识别方法,包括:获取检测设备对目标待识别对象进行拍摄得到目标待识别图像;在预测图像库中查找与所述目标待识别图像相匹配的匹配图像,其中,所述预测图像库是根据所述检测设备的历史识别记录对待识别对象的识别时间进行预估得到的,历史识别记录中记录了所述检测设备已识别的对象的识别时间,所述预测图像库中存储了第一预设时间范围内所述检测设备的预估识别对象的图像;在所述预测图像库中查找到所述匹配图像的情况下,输出识别结果。
可选地,在所述在预测图像库中查找与所述目标待识别图像相匹配的匹配图像之前,所述方法包括:根据所述检测设备的历史识别记录确定每个待识别对象的预估识别时间,所述预估识别时间是所述待识别对象被所述检测设备识别的预估时间;确定预估识别时间在所述第一预设时间范围内的待识别对象为所述检测设备的第一预估识别对象,其中,所述预估识别对象包括所述第一预估识别对象;将所述第一预估识别对象的图像存储在所述预测图像库。
可选地,在所述将所述第一预估识别对象的图像存储在所述预测图像库之后,所述方法包括:在超出所述第一预估识别对象的预估识别时间范围的情况下,从所述预测图像库中删除所述第一预估识别对象的图像。
可选地,在从所述预测图像库中删除所述第一预估识别对象的图像之后,所述方法包括:确定预估识别时间在第二预设时间范围内的待识别对象为所述检测设备的第二预估识别对象,其中,所述预估识别对象包括所述第二预估识别对象;将所述第二预估识别对象的图像存储在所述预测图像库。
可选地,在所述确定预估识别时间在第二预设时间范围内的待识别对象为所述检测设备的第二预估识别对象之前,所述方法包括:在所述预测图像库中的图像数量大于第一阈值的情况下,确定所述第二预设时间范围为第一时长;在所述预测图像库中的图像数量小于第二阈值的情况下,确定所述第二预设时间范围为第二时长;其中,所述第一时长小于所述第二时长。
可选地,所述方法还包括:获取所述检测设备的历史识别记录,其中,所述历史识别记录包括:已识别对象的图像,以及已识别对象的识别时间;根据所述识别记录信息确定所述第一预设时间范围,其中,所述第一预设时间范围内所述检测设备识别的识别对象的数量超过第三阈值。
根据本发明的另一个实施例,提供了一种对象的识别装置,包括:获取模块,用于获取检测设备对目标待识别对象进行拍摄得到目标待识别图像;查找模块,用于在预测图像库中查找与所述目标待识别图像相匹配的匹配图像,其中,所述预测图像库是根据所述检测设备的历史识别记录对待识别对象的识别时间进行预估得到的,历史识别记录中记录了所述检测设备已识别的对象的识别时间,所述预测图像库中存储了第一预设时间范围内所述检测设备的预估识别对象的图像;输出模块,用于在所述预测图像库中查找到所述匹配图像的情况下,输出识别结果。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
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,由于获取检测设备对目标待识别对象进行拍摄得到目标待识别图像;在预测图像库中查找与目标待识别图像相匹配的匹配图像,预测图像库是根据检测设备的历史识别记录对待识别对象的识别时间进行预估得到的,历史识别记录中记录了检测设备已识别的对象的识别时间,预测图像库中存储了第一预设时间范围内检测设备的预估识别对象的图像;在预测图像库中查找到匹配图像的情况下,输出识别结果。因此,可以解决由于图像对比库中数据量较大,导致的图像识别耗时较长的问题,达到减少图像识别时间,提高图像识别效率的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种对象的识别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识别方法的流程图;
图3是根据本发明实施例的图像识别流程示意图一;
图4是根据本发明实施例一天中每个时间段通信量At示意图;
图5是根据本发明可选实施例的预测图像库动态调整流程示意图;
图6是根据本发明可选实施例的图像识别流程示意图二;
图7是根据本发明可选实施例的对象的识别装置的结构框图。
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。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
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。
本申请实施例一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识别方法的移动终端的硬件结构框图。如图1所示,移动终端10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,可选地,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10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识别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10。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。
传输装置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10的通信供应商提供的无线网络。在一个实例中,传输装置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,传输装置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运行于上述移动终端的对象的识别方法,图2是根据本发明实施例的对象的识别方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取检测设备对目标待识别对象进行拍摄得到目标待识别图像;
其中,检测设备可以是移动终端设备,例如可以是具有拍摄和人脸识别功能的电子设备。为了提高安全性,检测设备可以对进出人员进行授权,具备授权的人员可以使用检测设备进行身份识别。例如,检测设备可以进行人脸识别,由检测设备对人脸图像进行采集,并对该人脸图像进行授权后,将该人脸图像存储在数据库,授权后的人脸图像可以通过该检测设备进行人脸识别,人脸识别成功可以实现打开门禁系统或者进行公司打卡等功能。
步骤S204,在预测图像库中查找与所述目标待识别图像相匹配的匹配图像,其中,所述预测图像库是根据所述检测设备的历史识别记录对待识别对象的识别时间进行预估得到的,历史识别记录中记录了所述检测设备已识别的对象的识别时间,所述预测图像库中存储了第一预设时间范围内所述检测设备的预估识别对象的图像;
其中,历史识别记录可以是考勤记录,第一预设时间范围可以是人脸识别的高峰期,例如,公司打卡的高峰期早晨8点至9点,下午6点至7点,或者小区门禁的开关高峰期早晨6点至7点,中午11点至1点,下午7点至8点等,可以对出现在高峰期的人员进行预估,将预估出现在高峰期人员的图像存储在预测图像库中,由于预测图像库中仅存储了高峰期人员的图像,避免了存储大量图像导致的图像识别耗时长的问题。
步骤S206,在所述预测图像库中查找到所述匹配图像的情况下,输出识别结果。
其中,若在预测图像库中查找到与待识别对象相匹配的图像,说明对待识别对象的身份校验成功,输出识别结果可以是打卡成功,或者打开门禁系统等。
通过上述步骤,由于第一预测图像库中存储了高峰期检测设备预估识别对象的图像,通过在确定检测设备对待识别对象授权的情况下,获取检测设备对待识别对象进行拍摄得到待识别图像;在预测图像库中查找与待识别图像相匹配的匹配图像;在预测图像库中查找到匹配图像的情况下,输出识别结果。因此,可以解决由于图像对比库中数据量较大,导致的图像识别耗时较长的问题,达到减少图像识别时间,提高图像识别效率的效果。
可选地,上述步骤的执行主体可以为终端等,但不限于此。
作为一个可选的实施方式,在进行大容量图像识别时,可以通过历史记录构造出一个较小的第一预测图像库,优先进行预测图像库的识别结果输出,从而缩减图像识别时间。如图3所示是根据本发明可选实施例的图像识别流程示意图一,其中,包括如下步骤:
步骤S31,判断检测设备对待识别对象是否授权。其中,可以使用检测设备对人员进行授权,例如,在公司通过人脸识别进行打卡的场景中,首先需要检测设备对该人员进行授权,具备授权的人员才能够在该检测设备上实现打卡。
步骤S32,判断是否建立预测图像库,若已建立预测图像库执行步骤S33,若未建立预测图像库执行步骤S35。
步骤S33,在预测图像库中查找与待识别对象相匹配的图像。其中,预测图像库中存储的可以是一段时间内识别对象的图像,一段时间可以是高峰期。例如,公司打卡高峰期是上午8点至9点,通过历史记录可以确定在上午8点至9点打卡的人员通常是A、B、C,可以将A、B、C的人脸图像存储在预测图像库。当A、B、C打卡时,可以在预测图像库中查找对应的人脸图像。在本实施例中,上述8点至9点,以及A、B、C均为了说明本实施例,具体取值可以根据实际情况而定。
步骤S34,在预测图像库中查找到匹配图像的情况下,输出识别结果。具体地,以公司打卡为例,若在预测图像库中查找到人员A的图像,则人员A打卡成功,可以输入人员A的身份信息,如职位,打卡时间等。
步骤S35,在总图像库中查找匹配图像。其中,总图像库中存储了所有检测设备授权的对象的图像,总图像库可以是检测设备的历史识别记录,可以是人员的打卡记录。已授权的对象在总图像库中均可以查找到相匹配的匹配图像。以公司打卡为例,授权员工的人脸图像均存储在总图像库中,若在预测图像库中未查找到授权员工A的匹配图像,则在总图像库中可以查找到与授权员工A匹配的图像。
步骤S36,根据检测设备的识别记录信息创建预测图像库。具体地,识别记录信息中记录了在历史时间内检测设备识别的对象的图像,以及相应的时间点,可以依据识别记录信息确定图像识别的高峰期,选取高峰期识别的对象图像创建预测图像库。
在本实施例中,通过创建预测图像库,预测图像库中存储一段时间内预估识别对象的图像,由于预测图像库中的数据量较小,减少了图像识别的时间,提高了图像识别的效率。
可选地,在所述在预测图像库中查找与所述目标待识别图像相匹配的匹配图像之前,所述方法包括:根据所述检测设备的历史识别记录确定每个待识别对象的预估识别时间,所述预估识别时间是所述待识别对象被所述检测设备识别的预估时间;确定预估识别时间在所述第一预设时间范围内的待识别对象为所述检测设备的第一预估识别对象,其中,所述预估识别对象包括所述第一预估识别对象;将所述第一预估识别对象的图像存储在所述预测图像库。
作为一个可选的实施方式,检测设备的历史识别记录中记录了检测设备授权的所有对象的图像,以及每个授权对象的历史识别时间。可以根据历史识别记录中的分布求出所有人员的预估识别时间,选取一段时间内预估识别对象的图像创建预测图像库。在本实施例中,以公司打卡为例,上述识别对象可以是公司人员,可以根据人员历史考勤记录的离散型分布求出所有人员考勤时间的分布函数关于时间的分布律,考勤时间可以以分钟为基本单位,一天为1440min。统计最近m日,检测设备上人脸识别数量N,其中m和N是大于或等于1的整数。假设以分钟为单位,统计一天中每分钟内人脸识别数x00:00,x00:01...,x23:59得出一天中,每分钟人脸识别的分布律。
设定一个高峰期持续时长T,以及高峰期阈值通行量V。以分钟为间隔,统计出一天中每个时间段通行量At。
如图4所示是根据本发明可选实施例的一天中每个时间段通信量At示意图。以预设时间范围为高峰期t1-t2为例,统计出每个人员在高峰期时间段每分钟进行图像识别数量数其中,i表示识别对象的编号,t1表示高峰期开始那一分钟,并且统计每个人员在该高峰期出现的概率/>高峰期人脸识别分布律为Pk:
求出每个人员在高峰期内的预估识别时间为:
计算每个人在高峰期预估时间的标准差:
在本实施例中,第一预设时间范围可以是高峰期t1-t2所表示的时间范围,在得到每个员工的预估识别时间后,确定预估识别时间在高峰期t1-t2之内的员工,上述第一预估识别对象可以是预估识别时间在高峰期t1-t2之内的员工,将第一预估识别对象的图像存储在预测图像库中。这样可以在预测图像库中对高峰期打卡的人员进行图像识别,由于预测图像库中仅存储了高峰期打卡员工的图像,避免了存储大量图像导致的图像识别耗时长的问题,减少了图像识别的耗时,提高了图像识别的效率。
可选地,在所述将所述第一预估识别对象的图像存储在所述预测图像库之后,所述方法包括:在超出所述第一预估识别对象的预估识别时间范围的情况下,从所述预测图像库中删除所述第一预估识别对象的图像。
作为一个可选的实施方式,预测图像库中存储的图像可以是实时更新的。已识别的图像可以在预测图像库中移出,在一定时间范围内未被识别的图像也可以在预测图像库中删除,这样可以对预测图像库中存储的图像数据实时进行更新,可以保证预测图像库中存储的图像与预估识别时间对应的待识别对象相匹配。在本实施例中,预测图像库中存储了第一预估识别对象的图像,第一预估识别对象的预估识别时间范围可以是Ei+σi·gi·j,其中,Ei是第一预估识别对象的预估识别时间范围,σi是预估时间的标准差,gi是第一预估识别对象在该高峰期出现的概率,j是预设值,可以根据实际情况而定。若第一预估识别对象在Ei+σi·gi·j时间范围内,完成人脸识别,则将第一预估识别对象的图像在预测图像库中删除。若超过时间范围Ei+σi·gi·j第一预估识别对象仍然未被识别,将第一预估识别对象的图像移出人脸预测库。
可选地,所述方法还包括:在从所述预测图像库中删除所述第一预估识别对象的图像之后,所述方法包括:确定预估识别时间在第二预设时间范围内的待识别对象为所述检测设备的第二预估识别对象,其中,所述预估识别对象包括所述第二预估识别对象;将所述第二预估识别对象的图像存储在所述预测图像库。
作为一个可选的实施方式,随着时间的推移可以将其他识别对象的图像新增到预测图像库中,上述第二预设时间范围可以是第一预设时间范围之后的时间段,例如,上述第一预设时间范围可以是高峰期预设时间范围t1-t2之间的一小段时间,如上述第一预设时间范围是t1-t1’,t1’是t1-t2之间的时间点,第二预设时间范围则可以是t1’-t2。预估识别时间在t1’-t2的第二识别对象的图像新增到预测图像库中。假设第二预估识别对象的预估识别时间是Ei,若Ei在第二预设时间范围t1’-t2内,则将第二预估识别对象的图像新增到预测图像库中。或者,假设人员i的预估识别时间范围Ei-σi·gi·q在第二预估时间范围内,将第二预估识别对象的图像新增到预测图像库中,其中,q是预设参数可以根据实际情况调整。若人员i在高峰期时间段内,在人员i还未排入预测图像库时,已完成了人脸考勤,将不被排入此高峰期图像预测库,之后进行正常人脸库对比。在本实施例中,通过动态调整预测图像库中存储的图像,可以保证预测图像库中的图像与任意时刻进行图像识别的识别对象的图像相匹配,并且由于预测图像库中仅存储了高峰时期的识别对象的图像,减少了图像识别的时间,提高了图像识别的效率。
可选地,在所述确定预估识别时间在第二预设时间范围内的待识别对象为所述检测设备的第二预估识别对象之前,所述方法包括:在所述预测图像库中的图像数量大于第一阈值的情况下,确定所述第二预设时间范围为第一时长;在所述预测图像库中的图像数量小于第二阈值的情况下,确定所述第二预设时间范围为第二时长;其中,所述第一时长小于所述第二时长。
作为一个可选的实施方式,第二预设时间范围可以根据实际情况调整,若在第二预设时间范围内,新增的识别对象的图像超过预设值,可以缩小第二预设时间范围。也可以根据预测图像库中的图像数量调整第二预设时间范围,若预测图像库中的图像数量大于第一阈值,则缩小第二预设时间范围。第一阈值可以根据实际情况而定,例如可以是1000、800、500等。可以将第二预设时间范围设置为第一时长,第一时长可以根据实际情况而定,例如可以是20分钟,25分钟,30分钟等。若新增的识别对象的图像小于预设值,则可以增大第二预设时间范围。也可以根据预测图像库中的图像数量调整第二预设时间范围,若预测图像库中的图像数量小于第二阈值,则增大第二预设时间范围。第二阈值可以根据实际情况而定,例如可以是1000、800、500等。可以将第二预设时间范围设置为第二时长,第二时长大于第一时长,例如可以是1小时、2小时等。在本实施例中,通过调整第二预估时间范围的大小可以调控预测图像库中新增识别对象的图像数量。如图5所示是根据本发明可选实施例的预测图像库动态调整流程示意图,本实施例可以保证预测图像中存储的图像数量在合理的范围内,节省图像识别的时间,提高图像识别效率。
可选地,所述方法还包括:获取所述检测设备的历史识别记录,其中,所述历史识别记录包括:已识别对象的图像,以及已识别对象的识别时间;根据所述识别记录信息确定所述第一预设时间范围,其中,所述第一预设时间范围内所述检测设备识别的识别对象的数量超过第三阈值。
作为一个可选的实施方式,上述历史识别记录可以是历史时间内,如前m天检测设备的识别记录,该历史识别记录中记录了时间点,以及在对应时间点的识别对象的图像。可以根据识别记录信息确定每天图像识别的高峰期,第一预设时间范围可以是每天图像识别的高峰期。
可选地,所述方法包括:所述方法还包括:在所述预测图像库中未查找到所述匹配图像的情况下,在所述历史识别记录查找所述匹配图像,并输出所述识别结果。
作为一个可选的实施方式,如图6所示是根据本发明可选实施例的图像识别流程示意图二,其中,在预测图像库中未查找到与待识别对象相匹配的匹配图像的情况下,在历史识别记录中查找,历史识别记录存储了检测设备授权的所有对象的图像。由于历史识别记录中存储了所有授权识别对象的图像,因此,在历史识别记录中可以查找到与待识别对象相匹配的匹配图像。本实施例通过在预测图像库中未查找到匹配图像的情况下,在历史识别记录中查找匹配图像,可以提高图像识别的准确性。
本申请采用了基于历史识别记录信息的预测高峰期和预测图像库相结合的方式,缩减了图像识别时间,采用了预测图像库和总图像库相结合的方式,从而提高了图像识别结果正确性。本申请会自动调整预测图像库中的存储的图像,减少人工调整,且可实时调整,可增加方案的实用性和灵活性。
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识别装置,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7是根据本发明实施例的对象的识别装置的结构框图,如图7所示,该装置包括:获取模块72,用于获取检测设备对目标待识别对象进行拍摄得到目标待识别图像;查找模块74,用于在预测图像库中查找与所述目标待识别图像相匹配的匹配图像,其中,所述预测图像库是根据所述检测设备的历史识别记录对待识别对象的识别时间进行预估得到的,历史识别记录中记录了所述检测设备已识别的对象的识别时间,所述预测图像库中存储了第一预设时间范围内所述检测设备的预估识别对象的图像;输出模块76,用于在所述预测图像库中查找到所述匹配图像的情况下,输出识别结果。
可选地,上述装置还用于在所述在预测图像库中查找与所述目标待识别图像相匹配的匹配图像之前,根据所述检测设备的历史识别记录确定每个待识别对象的预估识别时间,所述预估识别时间是所述待识别对象被所述检测设备识别的预估时间;确定预估识别时间在所述第一预设时间范围内的待识别对象为所述检测设备的第一预估识别对象,其中,所述预估识别对象包括所述第一预估识别对象;将所述第一预估识别对象的图像存储在所述预测图像库。
可选地,上述装置还用于在所述将所述第一预估识别对象的图像存储在所述预测图像库之后,在超出所述第一预估识别对象的预估识别时间范围的情况下,从所述预测图像库中删除所述第一预估识别对象的图像。
可选地,上述装置还用于在从所述预测图像库中删除所述第一预估识别对象的图像之后,确定预估识别时间在第二预设时间范围内的待识别对象为所述检测设备的第二预估识别对象,其中,所述预估识别对象包括所述第二预估识别对象;将所述第二预估识别对象的图像存储在所述预测图像库。
可选地,上述装置还用于在所述确定预估识别时间在第二预设时间范围内的待识别对象为所述检测设备的第二预估识别对象之前,在所述预测图像库中的图像数量大于第一阈值的情况下,确定所述第二预设时间范围为第一时长;在所述预测图像库中的图像数量小于第二阈值的情况下,确定所述第二预设时间范围为第二时长;其中,所述第一时长小于所述第二时长。
可选地,上述装置还用于获取所述检测设备的历史识别记录,其中,所述历史识别记录包括:已识别对象的图像,以及已识别对象的识别时间;根据所述识别记录信息确定所述第一预设时间范围,其中,所述第一预设时间范围内所述检测设备识别的识别对象的数量超过第三阈值。
可选地,上述装置还用于在所述预测图像库中未查找到所述匹配图像的情况下,在所述历史识别记录查找所述匹配图像,并输出所述识别结果。
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存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取检测设备对目标待识别对象进行拍摄得到目标待识别图像;
S2,在预测图像库中查找与所述目标待识别图像相匹配的匹配图像,其中,所述预测图像库是根据所述检测设备的历史识别记录对待识别对象的识别时间进行预估得到的,历史识别记录中记录了所述检测设备已识别的对象的识别时间,所述预测图像库中存储了第一预设时间范围内所述检测设备的预估识别对象的图像;
S3,在所述预测图像库中查找到所述匹配图像的情况下,输出识别结果。
可选地,在本实施例中,上述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。
可选地,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。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取检测设备对目标待识别对象进行拍摄得到目标待识别图像;
S2,在预测图像库中查找与所述目标待识别图像相匹配的匹配图像,其中,所述预测图像库是根据所述检测设备的历史识别记录对待识别对象的识别时间进行预估得到的,历史识别记录中记录了所述检测设备已识别的对象的识别时间,所述预测图像库中存储了第一预设时间范围内所述检测设备的预估识别对象的图像;
S3,在所述预测图像库中查找到所述匹配图像的情况下,输出识别结果。
可选地,本实施例中的具体示例可以参考上述实施例及可选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,可选地,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 (8)
1.一种对象的识别方法,其特征在于,包括:
获取检测设备对目标待识别对象进行拍摄得到目标待识别图像;
在预测图像库中查找与所述目标待识别图像相匹配的匹配图像,其中,所述预测图像库是根据所述检测设备的历史识别记录对待识别对象的识别时间进行预估得到的,历史识别记录中记录了所述检测设备已识别的对象的识别时间,所述预测图像库中存储了第一预设时间范围内所述检测设备的预估识别对象的图像;
在所述预测图像库中查找到所述匹配图像的情况下,输出识别结果;
其中,在所述在预测图像库中查找与所述目标待识别图像相匹配的匹配图像之前,所述方法包括:根据所述检测设备的历史识别记录确定每个待识别对象的预估识别时间,所述预估识别时间是所述待识别对象被所述检测设备识别的预估时间;确定预估识别时间在所述第一预设时间范围内的待识别对象为所述检测设备的第一预估识别对象,其中,所述预估识别对象包括所述第一预估识别对象;将所述第一预估识别对象的图像存储在所述预测图像库;
其中,根据所述检测设备的历史识别记录确定每个待识别对象的预估识别时间,包括:统计出所述每个待识别对象在所述第一预设时间范围中每分钟进行图像识别数量数;根据所述图像识别数量数计算所述第一预设时间范围中每分钟人脸识别的分布律通过以下公式计算所述预估识别时间:
其中,i表示所述每个待识别对象的编号,t1表示所述第一预设时间范围开始的一分钟,t2表示所述第一预设时间范围结束的一分钟;
其中,在将所述第一预估识别对象的图像存储在所述预测图像库之后,所述方法还包括:在超出所述第一预估识别对象的预估识别时间范围的情况下,从所述预测图像库中删除所述第一预估识别对象的图像;
其中,所述第一预估识别对象的所述预估识别时间范围通过以下公式确定:Ei+σi·gi·j,其中,Ei是所述第一预估识别对象的预估识别时间,σi是预估时间的标准差,gi是所述第一预估识别对象在高峰期出现的概率,j是预设值。
2.根据权利要求1所述的方法,其特征在于,在从所述预测图像库中删除所述第一预估识别对象的图像之后,所述方法包括:
确定预估识别时间在第二预设时间范围内的待识别对象为所述检测设备的第二预估识别对象,其中,所述预估识别对象包括所述第二预估识别对象;
将所述第二预估识别对象的图像存储在所述预测图像库。
3.根据权利要求2所述的方法,其特征在于,在所述确定预估识别时间在第二预设时间范围内的待识别对象为所述检测设备的第二预估识别对象之前,所述方法包括:
在所述预测图像库中的图像数量大于第一阈值的情况下,确定所述第二预设时间范围为第一时长;
在所述预测图像库中的图像数量小于第二阈值的情况下,确定所述第二预设时间范围为第二时长;
其中,所述第一时长小于所述第二时长。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述检测设备的历史识别记录,其中,所述历史识别记录包括:已识别对象的图像,以及已识别对象的识别时间;
根据所述识别记录信息确定所述第一预设时间范围,其中,所述第一预设时间范围内所述检测设备识别的识别对象的数量超过第三阈值。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述预测图像库中未查找到所述匹配图像的情况下,在所述历史识别记录查找所述匹配图像,并输出所述识别结果。
6.一种对象的识别装置,其特征在于,包括:
获取模块,用于获取检测设备对目标待识别对象进行拍摄得到目标待识别图像;
查找模块,用于在预测图像库中查找与所述目标待识别图像相匹配的匹配图像,其中,所述预测图像库是根据所述检测设备的历史识别记录对待识别对象的识别时间进行预估得到的,历史识别记录中记录了所述检测设备已识别的对象的识别时间,所述预测图像库中存储了第一预设时间范围内所述检测设备的预估识别对象的图像;
输出模块,用于在所述预测图像库中查找到所述匹配图像的情况下,输出识别结果;
所述装置还用于在所述在预测图像库中查找与所述目标待识别图像相匹配的匹配图像之前,根据所述检测设备的历史识别记录确定每个待识别对象的预估识别时间,所述预估识别时间是所述待识别对象被所述检测设备识别的预估时间;确定预估识别时间在所述第一预设时间范围内的待识别对象为所述检测设备的第一预估识别对象,其中,所述预估识别对象包括所述第一预估识别对象;将所述第一预估识别对象的图像存储在所述预测图像库;
所述装置通过以下方式确定每个待识别对象的预估识别时间:统计出所述每个待识别对象在所述第一预设时间范围中每分钟进行图像识别数量数;计算所述第一预设时间范围中每分钟人脸识别的分布律通过以下公式计算所述预估识别时间:
其中,i表示所述每个待识别对象的编号,t1表示所述第一预设时间范围开始那一分钟,t2表示所述第一预设时间范围结束那一分钟;
其中,所述装置还用于在将所述第一预估识别对象的图像存储在所述预测图像库之后,在超出所述第一预估识别对象的预估识别时间范围的情况下,从所述预测图像库中删除所述第一预估识别对象的图像;
其中,所述第一预估识别对象的所述预估识别时间范围通过以下公式确定:Ei+σi·gi·j,其中,Ei是所述第一预估识别对象的预估识别时间,σi是预估时间的标准差,gi是所述第一预估识别对象在高峰期出现的概率,j是预设值。
7.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述程序可被终端设备或计算机运行时执行所述权利要求1至5任一项中所述的方法。
8.一种电子装置,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5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110649903.2A CN113343004B (zh) | 2021-06-10 | 2021-06-10 | 对象的识别方法和装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110649903.2A CN113343004B (zh) | 2021-06-10 | 2021-06-10 | 对象的识别方法和装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113343004A CN113343004A (zh) | 2021-09-03 |
CN113343004B true CN113343004B (zh) | 2023-07-14 |
Family
ID=77476629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110649903.2A Active CN113343004B (zh) | 2021-06-10 | 2021-06-10 | 对象的识别方法和装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113343004B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114462720A (zh) * | 2022-04-08 | 2022-05-10 | 山东云小兵信息技术有限公司 | 智能考勤管理方法、装置、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133899B (zh) * | 2014-08-01 | 2017-10-13 | 百度在线网络技术(北京)有限公司 | 图片搜索库的生成方法和装置、图片搜索方法和装置 |
CN107292228A (zh) * | 2017-05-05 | 2017-10-24 | 珠海数字动力科技股份有限公司 | 一种加快人脸识别搜索速度的方法 |
CN109241868A (zh) * | 2018-08-16 | 2019-01-18 | 平安科技(深圳)有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
CN112052733A (zh) * | 2020-07-31 | 2020-12-08 | 中国建设银行股份有限公司 | 数据库构建方法、人脸识别方法、装置及电子设备 |
-
2021
- 2021-06-10 CN CN202110649903.2A patent/CN113343004B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113343004A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112434039A (zh) | 数据的存储方法、装置、存储介质以及电子装置 | |
CN111091106B (zh) | 图像聚类方法及装置、存储介质、电子装置 | |
CN111382808A (zh) | 一种车辆检测处理方法及装置 | |
CN114546486A (zh) | 向用户推荐指令的方法和装置、存储介质及电子装置 | |
CN113343004B (zh) | 对象的识别方法和装置、存储介质及电子装置 | |
CN110942019B (zh) | 一种用于找出两条轨迹的最长伴随子路径的分析方法 | |
CN114757639A (zh) | 数据处理方法、装置、设备和存储介质 | |
CN114841705B (zh) | 一种基于场景识别的反欺诈监测方法 | |
CN114973436B (zh) | 考勤方法、装置、智能考勤终端及存储介质 | |
CN111708906B (zh) | 基于人脸识别的来访检索方法、装置、设备及存储介质 | |
CN111898559B (zh) | 一种提升人脸识别速度的方法、装置及电子设备 | |
CN113077018A (zh) | 一种目标对象识别方法、装置、存储介质及电子装置 | |
CN115938031B (zh) | 一种基于大数据的数据识别管理系统及方法 | |
CN109547921B (zh) | 一种用户定位方法、计算机可读存储介质及终端设备 | |
CN111079469B (zh) | 人脸图像的处理方法、装置、设备及可读存储介质 | |
CN111914591A (zh) | 一种时长确定方法及装置 | |
CN112687044A (zh) | 滞留人员的管理方法、系统、介质及设备 | |
CN115578231A (zh) | 一种多维度分析方法和系统 | |
CN112528818B (zh) | 数据统计方法、装置、电子设备及机器可读存储介质 | |
CN114863364A (zh) | 一种基于智能视频监控的安防检测方法及系统 | |
CN115292475A (zh) | 基于智慧城市的云计算服务信息处理方法及系统 | |
CN115063852A (zh) | 用于确定员工考勤信息的方法、装置、存储介质及处理器 | |
CN111507424B (zh) | 一种数据处理方法及装置 | |
CN113128452A (zh) | 一种基于图像识别的绿化满意度采集方法和系统 | |
CN113434869A (zh) | 基于威胁感知大数据和人工智能的数据处理方法及ai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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |