CN113343013A - 目标对象的确定方法、装置及电子设备 - Google Patents
目标对象的确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113343013A CN113343013A CN202110514440.9A CN202110514440A CN113343013A CN 113343013 A CN113343013 A CN 113343013A CN 202110514440 A CN202110514440 A CN 202110514440A CN 113343013 A CN113343013 A CN 113343013A
- Authority
- CN
- China
- Prior art keywords
- information
- existing
- target object
- attribute
- tag
- 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
- 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2468—Fuzzy queries
-
- 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
- G06F18/24—Classification techniques
Abstract
本发明提供了一种目标对象的确定方法、装置及电子设备,该方法应用于检索服务器,检索服务器存储有至少一个已有对象的信息集合,信息集合包含其所属已有对象的对象信息,每个信息集合对应至少一个对象标签,对象标签是根据对象信息统计得到的,该方法包括:获取目标对象的目标对象信息;基于目标对象信息和已有对象的对象标签,计算所述已有对象对目标对象的拟合度;基于已有对象对目标对象的拟合度,确定目标对象对应的已有对象。本发明可以降低确定目标对象过程中的局限性和提升目标对象的检索效率。
Description
技术领域
本发明涉及互联网技术领域,尤其是涉及一种目标对象的确定方法、装置及电子设备。
背景技术
目前已建立起对象信息集合。现有的搜索对象信息集合的方法包括以图搜档或属性检索等精确检索方法,用户输入目标图像,即返回与目标图像相似度较高的对象,或者,用户输入精确的目标属性,即返回满足该属性的对象。然而,当用户无法获取目标图像时,即无法进行图像检索;如果用户获取到的属性有偏差时,则无法通过属性检索到目标对象。例如,用户想要搜索穿红色上衣、黑色裤子的目标对象,然而用户色弱,目标对象的上衣颜色实际为棕色,由于棕色上衣的对象已被“红色上衣”这一条件过滤掉,用户无法用属性获取准确检索结果。
发明内容
有鉴于此,本发明的目的在于提供一种目标对象的确定方法、装置及电子设备,以降低确定目标对象过程中的局限性和提升目标对象的检索效率。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种目标对象的确定方法,应用于检索服务器,所述检索服务器存储有至少一个已有对象的信息集合,所述信息集合包含其所属已有对象的对象信息,每个所述信息集合对应至少一个对象标签,所述对象标签是根据所述对象信息统计得到的,所述方法包括:获取目标对象的目标对象信息;基于所述目标对象信息和存储的所述已有对象的对象标签,计算所述已有对象对所述目标对象的拟合度;基于所述已有对象对所述目标对象的拟合度,确定所述目标对象对应的已有对象。
在一种实施方式中,所述目标对象信息和至少一个所述对象标签均具有至少一个类型,每个类型包含至少一个子类,某个子类的目标对象信息为对应该子类的目标对象子信息,某个子类的对象标签为对应该子类的对象标签,对应同一子类的目标对象子信息和对象标签具有对应关系;基于所述目标对象信息和所述已有对象的对象标签,计算所述已有对象与所述目标对象的拟合度的步骤,包括:计算对应同一子类的第一目标对象子信息和第一对象标签的匹配度,得到该子类对应的匹配度,由此得到各个所述子类对应的匹配度;根据各个所述子类对应的匹配度,计算所述已有对象对所述目标对象的拟合度。
在一种实施方式中,至少一个所述对象标签为定性标签或定量标签,其中,定性标签为仅包含属性且包含的属性唯一的标签,定量标签为标签值包含属性和属性所占比例的标签。
在一种实施方式中,所述计算对应同一子类的第一目标对象子信息和第一对象标签的匹配度的步骤,包括:当所述第一对象标签为定性标签时,若所述第一目标对象子信息中包含的属性与所述第一对象标签中包含的属性匹配,则确定第一目标对象子信息和第一对象标签的匹配度为预设的第一匹配值;否则,确定第一目标对象子信息和第一对象标签的匹配度为预设的第二匹配值;和/或,当所述第一对象标签为定量标签时,若所述第一对象标签中包含的属性所占比例为100%且所述第一目标对象子信息中包含的属性与所述第一对象标签中包含的属性匹配,则确定第一目标对象子信息和第一对象标签的匹配度为预设的所述第一匹配值;若所述第一对象标签中包含的属性不包含所述第一目标对象子信息中包含的属性,则确定第一目标对象子信息和第一对象标签的匹配度为预设的所述第二匹配值;若所述第一对象标签中包含的属性包含所述第一目标对象子信息中包含的属性且该属性所占比例小于100%,则确定第一目标对象子信息和第一对象标签的匹配度为第三匹配值,所述第三匹配值是根据第一目标对象子信息包含的属性以及第一对象标签中包含的属性和属性所占比例计算出的,所述第三匹配值大于所述第二匹配值且小于所述第一匹配值。
在一种实施方式中,计算对应同一子类的第一目标对象子信息和第一对象标签的匹配度的步骤,包括:根据第一目标对象子信息中包含的第一属性和第一对象标签中包含的第二属性之间的接近程度,计算第一目标对象子信息和第一对象标签的匹配度,其中,两两属性之间的接近程度是预设的。
在一种实施方式中,所述目标对象信息包括目标对象必要信息,所述基于所述目标对象信息和所述已有对象的对象标签,计算所述已有对象对所述目标对象的拟合度,包括:从所述已有对象中筛选出第一已有对象,所述第一已有对象对应与所述目标对象必要信息匹配的对象标签;基于所述目标对象信息和所述第一已有对象的对象标签,计算所述第一已有对象对所述目标对象的拟合度;所述基于所述已有对象对所述目标对象的拟合度,确定所述目标对象对应的已有对象的步骤,包括:基于所述第一已有对象对所述目标对象的拟合度,确定所述目标对象对应的第一已有对象。
在一种实施方式中,根据各个所述子类对应的匹配度,计算所述已有对象对所述目标对象的拟合度的步骤,包括:基于各个所述子类对应的预设权重,对各个所述子类对应的匹配度进行加权求和,得到所述已有对象对所述目标对象的拟合度。
在一种实施方式中,基于所述已有对象对所述目标对象的拟合度,确定所述目标对象对应的已有对象的步骤,包括:将对所述目标对象的拟合度大于设定阈值的已有对象和/或将对所述目标对象的拟合度最大的前N个已有对象确定为确定所述目标对象对应的已有对象。
在一种实施方式中,所述对象信息包括对象图像、对象图像的拍摄信息、已有对象的时空信息中的至少一种;所述方法还包括:通过目标检测检测出所述信息集合中包含的对象图像中的已有对象和/或已有对象的附属物品,并对所述对象图像中的已有对象和/或已有对象的附属物品进行属性识别,得到所述对象图像对应的已有对象和/或已有对象的附属物品的属性;对所述对象图像对应的已有对象和/或已有对象的附属物品的属性进行统计,得到对象属性统计结果;根据所述对象图像对应的对象属性统计结果,得到基础属性类型、穿戴属性类型、附属物品属性类型中至少一种类型的对象标签。
在一种实施方式中,所述方法还包括:对所述信息集合包含的所述拍摄信息和/或所述时空信息进行统计,得到行为属性统计结果;根据所述行为属性统计结果,得到行为属性类型的对象标签。
在一种实施方式中,所述方法还包括:根据所述信息集合包含的所述拍摄信息,获取所述信息集合的同行信息;其中,所述同行信息包括与所述对象图像的拍摄时间间隔预设时间阈值范围内、拍摄地点接近程度预设接近程度阈值范围内的图像及所述图像的拍摄信息;对所述同行信息进行统计分析,得到社交属性统计结果;根据所述社交属性统计结果,得到社交属性类型的对象标签。
在一种实施方式中,所述已有对象的对象标签的类型包括所述信息集合所属对象的基础属性类型、穿戴属性类型、行为属性类型、社交属性类型、附属物品类型中的至少一种。
第二方面,本发明实施例还提供一种目标对象的确定装置,应用于检索服务器,所述检索服务器存储有至少一个已有对象对应的信息集合,所述信息集合包含其所属已有对象的对象信息,每个所述信息集合对应至少一个对象标签,所述对象标签是根据所述对象信息统计得到的,所述装置包括:信息获取模块,用于获取目标对象的目标对象信息;拟合度计算模块,用于基于所述目标对象信息和所述已有对象的对象标签,计算所述已有对象对所述目标对象的拟合度;对象确定模块,用于基于所述已有对象对所述目标对象的拟合度,确定所述目标对象对应的已有对象。
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;所述存储器上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如第一方面提供的任一项所述的方法。
第四方面,本发明实施例提供了一种计算机存储介质,用于储存为如第一方面提供的任一项所述方法所用的计算机软件指令。
本发明实施例提供了一种目标对象的确定方法、装置及电子设备,应用于检索服务器,检索服务器存储至少一个已有对象对应的信息集合,信息集合包含其所属已有对象的对象信息,每个信息集合对应至少一个对象标签,对象标签是根据所述对象信息统计得到的,该方法首先获取目标对象的目标对象信息,然后基于目标对象信息和存储的已有对象的对象标签,计算已有对象与目标对象的拟合度,并基于拟合度确定目标对象对应的已有对象。上述方法利用预先存储的已有对象对应的对象标签和目标对象的目标对象信息,计算已有对象与目标对象之间的拟合度,并基于拟合度确定目标对象的已有对象,相较于现有技术中根据精确信息对目标对象进行精确搜索的方式,本发明实施例通过上述方法较好地实现了对目标对象进行模糊属性搜索,有效避免属性信息不精确造成的漏检、误检。
本发明实施例的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明实施例的上述技术即可得知。
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附图。
图1示出了本发明实施例所提供的一种电子设备的结构示意图;
图2示出了本发明实施例所提供的一种目标对象的确定方法的流程示意图;
图3示出了本发明实施例所提供的一种对象标签的示意图;
图4示出了本发明实施例所提供的一种另一种目标对象的确定方法的流程示意图;
图5示出了本发明实施例所提供的一种目标对象的确定装置的结构示意图;
图6示出了本发明实施例所提供的另一种目标对象的确定装置的结构示意图。
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。
考虑到现有技术中采用精确搜索确定目标对象对应的已有对象的方式存在较大的局限性,还存在确定已有对象的难度较高的问题,为改善此问题,本发明实施例提供了一种目标对象的确定方法、装置及电子设备,该技术可应用于需要确定目标对象对应的已有对象的场景,以下对本发明实施例进行详细介绍。
实施例一
首先,参照图1为一种用于实现本发明实施例的目标对象的确定方法及装置的电子设备100的结构示意图,电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置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所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备可以具有图1示出的部分组件,也可以具有图1未示出其他组件和结构。
所述处理器102可以采用数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)中的至少一种硬件形式来实现,所述处理器102可以是中央处理单元(CPU)、图形处理单元(GPU)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中的一种或几种的组合,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述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。所述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。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述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,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述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,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置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。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置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对象的确定方法及装置的示例电子设备可以被实现为诸如智能手机、平板电脑、计算机等智能终端。
实施例二
参见图2所示的一种目标对象的确定方法的流程示意图,该方法应用于检索服务器,检索服务器存储有已有对象的信息集合,信息集合包含其所属已有对象的对象信息,每个信息集合对应至少一个对象标签,对象标签是根据对象信息得到的。可通过常规的归档算法获得各个对象的信息集合,例如,通过对象图像中特征之间的距离聚类归档,或者将移动轨迹匹配的对象归为同一信息集合,或者将通过先验信息关联到同一对象的信息归为同一信息集合。理论上,一个已有对象对应一个信息集合,一个信息集合包含的对象信息都属于同一个已有对象。但是,受归档算法精度的限制,有时会出现一个信息集合中包含多个已有对象的对象信息,或者一个已有对象的对象信息分布在多个信息集合中的情况。其中,已有对象可以包括诸如人物、动物或车辆等,对象标签可以对已有对象的多个属性进行描述,以已有对象是人物为例,可以利用对象标签对人物对象的基础属性、穿戴属性、行为属性、社交属性和附属物属性中的一种或多种进行描述,通过为已有对象添加多个对象标签,可以使已有对象的属性更为详细全面,从而可以确定得到与目标对象更为相似的已有对象,本发明实施例提供的目标对象的确定方法主要包括以下步骤S202至步骤S206:
步骤S202,获取目标对象的目标对象信息。
其中,目标对象信息可以为现已掌握的目标对象的属性,例如获取的目标对象信息包括目标对象经常出没的时间地点或已有目标对象的部分社交关系等概括性的属性,或获取的目标对象信息包括目标对象在地点A出现的次数等精确性的属性。具体的,可以为用户提供目标对象信息的上传通道。在一种实施方式中,可以接收用户上传的针对目标对象的描述性文字,对上传的文字进行语义分析以得到目标对象的目标对象信息。在另一种实施方式中,可以为用户提供一个或多个可选的属性选项,获取用户基于属性选项选择的属性,从而得到目标对象的目标对象信息。例如,如果目标对象为人物,则可以提供服装颜色选项、年龄区间等类型的属性选项;如果目标对象为动物,则可以提供物种选项、毛色选项等类型的属性选项;如果目标对象为车辆,则可以提供车辆类型、车辆颜色等类型的属性选项。在另一种实施方式中,可以获取用户上传的图像或视频,通过识别图像或视频中目标对象的属性得到目标对象的目标对象信息。
步骤S204,基于目标对象信息和已有对象的对象标签,计算已有对象对目标对象的拟合度。
其中,拟合度可以用于表征目标对象与已有对象之间的相似程度,在一种实施方式中,可以计算检索服务器中存储的每个已有对象对目标对象的拟合度,例如对于每个已有对象,可以先从该已有对象的对象标签中确定与目标对象信息对应的待比对标签,并确定待比对标签与目标对象信息之间的相似程度,从而基于相似程度确定该已有对象与目标对象之间的拟合度。在另一种实施方式中,也可以依次计算检索服务器中已有对象对目标对象的拟合度,如果计算的拟合度大于或等于预设阈值时,停止计算检索服务器中其余已有对象与目标对象的拟合度,例如,如果确定某个已有对象与目标对象的拟合度为100%,则不再计算检索服务器中其余已有对象对目标对象的拟合度。
步骤S206,基于已有对象对目标对象的拟合度,确定目标对象对应的已有对象。
其中,已有对象对目标对象的拟合度越高,该已有对象为目标对象对应的已有对象的可能性越高,在实际应用中,为快速确定目标对象对应的已有对象,可以将拟合度最高的已有对象确定为目标对象对应的已有对象,也可以预先设置拟合阈值,并将拟合度高于该拟合阈值的已有对象确定为目标对象对应的已有对象,另外,也可以按照拟合度的大小对已有对象进行排序,并将得到的排序结果中前N个已有对象确定为目标对象对应的已有对象。
本发明实施例提供的上述目标对象的确定方法,首先获取目标对象的目标对象信息,然后基于目标对象信息和存储的已有对象的对象标签,计算已有对象与目标对象的拟合度,并基于拟合度确定目标对象对应的已有对象。上述方法利用预先存储的已有对象对应的对象标签和目标对象的目标对象信息,计算已有对象与目标对象之间的拟合度,并基于拟合度确定目标对象的已有对象,相较于现有技术中根据精确信息对目标对象进行精确搜索的方式,本发明实施例通过上述方法较好地实现了对目标对象进行模糊属性搜索,有效避免属性信息不精确造成的漏检、误检。
为通过模糊搜索确定目标对象对应的已有对象,本发明实施例可以预先根据信息集合生成已有对象的对象标签,对象标签是根据对象信息得到的,其中,对象信息包括对象图像、对象图像的拍摄信息、已有对象的时空信息中的至少一种,对象标签的类型包括已有基础属性类型、穿戴属性类型、行为属性类型、社交属性类型、附属物品类型中的至少一种。狭义的对象图像可以为包含有已有对象的图像,广义的对象图像可以为仅包含已有对象的关联对象(例如已有对象的附属物品)的图像。例如,已有某车辆属于某人物对象,可将该车辆的图像(该图像中可能仅包含车辆,而不包含车辆的主人)放入车辆主人的信息集合。对象图像的拍摄信息是指对象图像的拍摄时间和拍摄地点(常用拍摄的设备表示)等拍摄信息,已有对象的时空信息是指已有通过对IMSI(International Mobile SubscriberIdentity,国际移动用户识别码)、RF(Radio Frequency,射频)等除图像之外的信号采集手段获取的对象的时空信息。通过设置多种类型的对象标签,能够对已有对象进行更多维度的刻画,使得已有对象的可检索属性更为多样,从而能够更细粒度的评价已有对象对目标对象的拟合度。本发明实施例提供了一种根据对象信息生成对象的对象标签的具体实施方式:
(1)按照如下步骤1.1至步骤1.3得到已有对象的基础属性类型、穿戴属性类型、附属物类型中至少一种类型的对象标签。
步骤1.1,通过目标检测检测出信息集合中包含的对象图像中的已有对象,并对对象图像中的已有对象和/或已有对象的附属物品进行属性识别,得到所述对象图像对应的已有对象和/或已有对象的附属物品的属性。
例如,已有对象为人物对象,其附属物品为车/非机动车。对信息集合中包含的每张对象图像进行人脸/行人/机动车/非机动车/车牌检测,再对检测出的人脸/行人/机动车/非机动车/车牌进行属性识别,得到和对象图像的一一对应的基础属性、穿戴属性、附属物品属性。其中,基础属性可以包括已有对象的性别、年龄等子类,穿戴属性可以包括已有对象的衣着款式和衣着颜色、是否背包及背包款式颜色、是否戴帽子及帽子款式颜色、是否留胡须及胡须种类颜色等子类;附属物品属性可以包括已有对象相关的机动车、非机动车的车牌号、品牌、车型、颜色、挂件,机动车、非机动车的驾乘信息(例如,已有对象是驾驶人还是乘坐人,如果已有对象是驾驶人/乘坐人,对应的乘坐人/驾驶人是谁/具有何种属性/对应哪张图像)等多个子类。可以理解的是,已有对象携带的手提物或背包等可作为已有对象的附属物品用来生成附属物品属性类型的对象标签,也可作为已有对象的穿戴物品用来生成穿戴属性类型的对象标签。
步骤1.2,对对象图像对应的已有对象和/或已有对象的附属物品的属性进行统计,得到属性统计结果。
在一种具体的实现方式中,对于每种子类的属性,对多张对象图像对应的属性进行统计,将出现次数最多的属性作为该种子类属性的属性统计结果,或者,将各属性及其所占的比例作为该种子类属性的属性统计结果;或者,将满足条件的各属性中出现次数最多的属性作为该种子类属性的属性统计结果,或者,将满足条件的各属性及其所占的比例作为该种子类属性的属性统计结果。由此得到各个子类属性的属性统计结果。其中,一种属性所占的比例是指该种属性出现的次数占该种子类下所有属性出现次数的比例。若一张对象图像对应了该属性,认为该属性出现1次。
在一例中,信息集合中共有10张能够检测出性别属性的对象图像。对于性别属性这一基础属性类型下子类的属性,根据步骤1.1得到10张对象图像对应的性别属性分别为男、女、女、女、女、女、女、女、女、女,可将出现次数最多的“女”作为性别属性的统计结果,也可将男10%女90%作为性别属性的统计结果(该子类对应的各属性为男、女,其所占比例分别为10%和90%)。在另一例中,信息集合中共有10张能够检测出上衣颜色属性的对象图像。对于上衣颜色属性这一穿戴属性类型下子类的属性,根据步骤1.1得到10张对象图像对应的上衣颜色属性分别为红、黄、黄、黄、黄、黄、黄、绿、绿、绿,可将出现3次以上的上衣颜色确定为满足条件(常穿)的上衣颜色,及黄色、绿色为满足条件的上衣颜色,再将满足条件的各属性(黄、绿)中出现次数最多的属性作为常穿上衣颜色这一子类属性的属性统计结果,或者,将满足条件的各属性(黄、绿)及其所占的比例(黄60%绿30%,或黄66.7%绿33.3%)作为常穿上衣颜色这一子类属性的属性统计结果。在一例中,信息集合中共有10张能够同时检测出已有对象和车辆这一附属物品的对象图像(例如车辆卡口图像)。可在步骤1.1中基于已有对象与车辆之间的相对位置确定已有对象为驾驶人还是乘坐人,基于车牌确定车辆信息,从而根据步骤1.1得到10张对象图像对应的驾乘属性分别为乘坐A车辆、乘坐A车辆、乘坐B车辆、驾驶C车辆、驾驶C车辆、驾驶C车辆、驾驶C车辆、驾驶D车辆、驾驶D车辆、驾驶D车辆,并将“乘坐A车辆20%、乘坐B车辆10%、驾驶C车辆40%、驾驶D车辆30%”作为驾乘车辆这一子类属性的属性统计结果。
通过对多张图像进行统计,即可得到该人物对象的车辆属性和驾乘信息,例如,人物对象乘坐车辆A乘坐9次,乘坐B车辆1次。驾驶C车辆9次,驾驶D车辆1次。
在另一种具体的实现方式中,对于某些子类的属性,结合属性出现的时间,对对象图像对应的属性进行统计,得到属性统计结果。其中,属性出现的时间是指该属性对应的图像的拍摄时间。
在一例中,信息集合中共有10张能够检测出上衣颜色属性的对象图像,其中最近一张拍摄的对象图像为A图像。对于上衣颜色属性这一穿戴属性类型下子类的属性,根据步骤1.1得到A图像对应的上衣颜色属性为绿,则将绿色作为最近穿的上衣颜色这一子类属性的属性统计结果。
接近程度在另一种具体的实现方式中,对于某些子类的属性,结合先验信息,对对象图像对应的属性进行统计,得到属性统计结果。其中,属性出现的时间是指该属性对应的对象图像的拍摄时间。
在一例中,已经该信息集合对应的已有对象为M,能够获得其名下有车牌号为京M00000的车辆。信息集合中共有10张能够检测出该车牌对应的车辆挂件属性的对象图像,10张对象图像中挂件分别为小人、小狗、小狗、小狗、小狗、小狗、小狗、小人、机器猫,小人,可将“小人30%小狗60%机器猫10%”作为对应该车牌的车辆挂件属性的统计结果。
步骤1.3,根据对象图像对应的属性统计结果,得到基础属性类型、穿戴属性类型、附属物品类型中至少一种类型的对象标签。在一种实施方式中,可以将各个子类的属性统计结果,作为该子类的对象标签。基础属性类型的对象标签可以包括已有对象的性别、年龄等子类的对象标签,穿戴属性可以包括已有对象的最近衣着款式和衣着颜色、常穿衣着款式和衣着颜色、是否背包及背包款式颜色、是否戴帽子及帽子款式颜色、是否留胡须及胡须种类颜色等子类;附属物品属性可以包括已有对象最近/经常/曾经驾乘或已有对象名下的机动车、非机动车的车牌号、品牌、车型、颜色、挂件,机动车、非机动车的驾乘信息(例如,已有对象是驾驶人还是乘坐人,如果已有对象是驾驶人/乘坐人,对应的乘坐人/驾驶人是谁/具有何种属性/对应哪张图像)等多个子类。可以理解的是,已有对象携带的手提物或背包等可作为已有对象的附属物品用来生成附属物品属性类型的对象标签,也可作为已有对象的穿戴物品用来生成穿戴属性类型的对象标签。
(2)按照如下步骤2.1至步骤2.2执行根据对象信息生成对象的行为属性类型的对象标签的步骤:
步骤2.1,对信息集合包含的拍摄信息和/或时空信息进行统计,得到行为属性统计结果。
对象图像的拍摄信息包括对象图像拍摄的时间/地点信息,是根据对象图像获取的时空信息。已有对象的时空信息是指通过对IMSI、RF等除图像之外的信号采集手段获取的已有对象的时空信息,能够有效对对象获取的时空信息进行补充,二者联合使用能够更精确的刻画已有对象的时空信息。其中,行为属性可以包括时空属性和行为分析属性两种子类。
时空属性子类可以包括时段活跃度、地点活跃度和活跃天数中的一种或多种子类。时段活跃度是对已有对象各小时活动次数在全天活动次数中占比的统计,地点活跃度是对已有对象出现在各个地点的次数的统计,活跃天数是指已有对象被抓拍或已有对象的信号被采集到的天数。其中,已有对象的活动次数、出现在某地点的次数是对信息集合包含的拍摄信息和/或时空信息进行统计得到的。例如,已有对象被拍到一次,或其信号被采集到一次,则认为其活动一次,已有对象在某地被拍到一次,或其信号在某地被采集到一次,则认为其出现在某地点一次。已有对象被拍到或被采集到信号的时间为活动时间,被拍到或被采集到信号的地点为活动地点。
行为分析属性可以通对时空属性进行分析得到,包括昼伏夜出、某区域频繁出没、某区域聚集和某区域异常驻留中的一种或多种子类。若已有对象夜间活动次数与白天活动次数的比例高于第一预设阈值,则已有对象具有昼伏夜出属性;若已有对象在某区域活动的频率高于第二预设阈值,则已有对象具有在该区域频繁出没属性;若已有对象在某区域被抓拍到或其信号在某区域被采集到,且对该区域抓拍到/采集到信号的对象进行统计显示该区域抓拍到/采集到信号的对象的个数高于第三预设阈值,则已有对象具有在该区域人员聚集属性;若已有对象在某区域驻留时长高于第四预设阈值,则已有对象具有在该区域异常驻留属性。
步骤2.2,根据行为属性统计结果,得到行为属性类型的对象标签。在一种实施方式中,可以将行为属性统计结果作为行为属性类型的对象标签。例如,行为属性类型的对象标签包括“8点-9点50%、18点-19点50%”这一时段活跃度子标签,“A区域频繁出没”这一子标签。
(3)可以按照如下步骤3.1至步骤3.3执行根据对象信息生成已有对象的社交属性类型的对象标签的步骤:
步骤3.1,根据信息集合包含的拍摄信息,获取已有对象的同行信息。其中,同行信息包括与对象图像的拍摄时间间隔预设时间阈值范围内且拍摄地点接近程度预设接近程度阈值范围内的图像及图像的拍摄信息。
步骤3.2,对同行信息进行统计分析,得到社交属性统计结果。
其中,社交属性类型的对象标签可以包括已有对象的好友名称、好友个数和与该好友名称对应的好友积分中的至少一种子类的对象标签,其中,好友积分可以体现已有对象与各个好友的亲密程度,好友积分越高表明已有对象与该好友的亲密程度越高。
在一种实施方式中,同行信息包括同行对象和与该对象的同行积分。根据信息集合包含的拍摄信息,获取已有对象的同行信息包括根据信息集合包含的拍摄信息,获取已有对象的同行对象和与该对象的同行积分。例如,若对象图像中同时包含已有对象和对象A,则记二者同行一次;若根据对象图像拍摄时间、拍摄地点得到与对象图像的拍摄时间间隔预设时间阈值范围内且拍摄地点接近程度预设接近程度阈值范围内的图像,且图像中包括对象A,则记已有对象和对象A同行一次。每同行一次,同行积分加1。对同行信息进行统计分析,得到社交属性统计结果,包括:已有对象与对象A之间的同行积分大于预设积分阈值时,则确定已有对象与对象A为好友,将二者的同行积分作为好友积分。
步骤3.3,根据社交属性统计结果,得到社交属性类型的对象标签。在一种实施方式中,可以将社交属性统计结果作为社交属性类型的对象标签。
为便于对上述过程生成的对象标签进行理解,本发明实施例提供了一种对象标签的示意图,如图3所示,通过上述步骤得到的多种子类的对象标签能够对已有对象进行更多维度的刻画,使得已有对象的可检索属性更为多样,从而能够更细粒度的评价已有对象对目标对象的拟合度。
在上述对象标签的基础上,本发明实施例可以根据获取的目标对象信息较好地通过模糊搜索地方式检索目标对象对应的已有对象,其中,目标对象信息的类型包括目标对象的基础属性类型、穿戴属性类型、行为属性类型、社交属性类型、附属物品类型中的至少一种。在具体实现时,对象标签包含至少一个类型,诸如上述基础属性类型、穿戴属性类型、附属物品属性类型、行为属性类型和社交属性类型,每个类型包含至少一个子类,例如,基础属性类型又可以包括年龄、性别等子类,穿戴属性类型可以包括衣着颜色和衣着类型等子类,附属物品属性可以包括车辆类型、车辆颜色等子类,行为属性类型可以包括诸如时段活跃度、地点活跃度、活跃天数、昼伏夜出、某区域频繁出没、某区域聚集和某区域异常驻留等子类。可以理解的是,如果一个类型的对象标签仅具有一种子类,其类型可以等同于子类。目标对象信息的类型/子类和对象标签的类型/子类至少有部分是一致的,以使可以用对应同一类型/子类目标对象信息和对象标签的属性之间匹配度衡量已有对象对目标对象的拟合度。
在通过上述手段获得了各个对象的对象标签的基础上,对于每个已有对象,本发明实施例提供了一种基于目标对象信息和该已有对象的对象标签,计算该已有对象与目标对象的拟合度的具体实施方式,参见如下步骤a至步骤b:
步骤a,计算对应同一子类的第一目标对象子信息和第一对象标签的匹配度,得到该子类对应的匹配度,由此得到各个子类对应的匹配度。其中,匹配度用于表征同一子类对应的第一目标对象子信息与第一对象标签之间的相似程度,第一目标对象子信息与第一对象标签之间的匹配度越高,表明第一目标对象子信息与第一对象标签的相似程度越高。在实际应用中,可以将某个子类的目标对象信息作为对应该子类的目标对象子信息,某个子类的对象标签作为对应该子类的第一对象标签,且对应同一子类的目标对象子信息和第一对象标签具有对应关系。在一种实施方式中,用户可能掌握目标对象的部分信息,将用户掌握的部分信息作为目标对象信息,目标对象信息包含至少一个目标对象子信息。例如,用户掌握了目标对象的某些子类的目标对象子信息,如果已有对象的对象标签也有这些子类,则将二者共有的子类作为共有子类,依次将对应于共有子类中某个子类的目标对象子信息和对象标签作为具有对应关系的第一目标对象子信息和第一对象标签,并计算二者的匹配度作为二者所对应的子类的匹配度,由此得到共有子类中各个子类对应的匹配度。在一例中,用户仅掌握了目标对象的在社交属性类型中的好友名称这一子类对应的目标对象子信息和在行为属性类型中地点活跃度这一子类对应的目标对象子信息,如果已有对象的对象标签也有社交属性类型中的好友名称这一子类和行为属性类型中地点活跃度这一子类,则好友名称和地点活跃度是目标对象信息和对象标签的共有子类,依次将对应于好友名称子类的目标对象子信息和对象标签和对应于地点活跃度子类的目标对象子信息和对象标签作为具有对应关系的第一目标对象子信息和第一对象标签,计算第一目标对象子信息和第一对象标签的匹配度,从而得到共有子类中各子类对应的匹配度。
另外,本发明实施例提供的对象标签可以为定性标签或定量标签。其中,定性标签为仅包含属性且包含的属性唯一的标签,例如,某一基础属性类型中性别子类的对象标签为“女”,该对象标签仅包括已知对象的性别为女这一唯一属性,也即该对象标签为定性标签;定量标签为标签值包含属性和属性所占比例的标签,例如,某一基础属性类型中性别子类的对象标签为“女(属性):90%(属性所占比例);男(属性):10%(属性所占比例)”,则该对象标签为定量标签。在实际应用中,可基于实际情况设置已知对象的对象标签为定性标签或定量标签。通常的,定量标签是根据信息集合中多张对象图像的属性统计获得,具体统计方法如前所述,在此不再赘述。
在一种具体的实施方式中,可以按照如下步骤a1至步骤a2计算对应同一子类的第一目标对象子信息和第一对象标签的匹配度:
步骤a1,当第一对象标签为定性标签时,若第一目标对象子信息中包含的属性与第一对象标签中包含的属性匹配,则确定第一目标对象子信息和第一对象标签的匹配度为预设的第一匹配值;否则,确定第一目标对象子信息和第一对象标签的匹配度为预设的第二匹配值。其中,第一目标对象子信息中包含的属性与第一对象标签中包含的属性匹配也可以理解为第一目的对象子信息中包含的属性与第一对象标签中包含的属性完全相同。在实际应用中,可以预先设置第一匹配值和第二匹配值,例如,将第一匹配值设置为1,将第二匹配值设置为0,如果已知目标对象的第一目标对象子信息中包含的属性为常穿衣着颜色“黄”,且第一对象标签中包含的属性也为常穿衣着颜色“黄”,则确定常穿衣着颜色这一子类对应的第一目标对象子信息与第一对象标签完全匹配,并返回常穿衣着颜色子类对应大的匹配度为第一匹配值1;如果第一对象标签中包含的属性为常穿衣着颜色“黑”,则确定常穿衣着颜色这一子类对应的第一目标对象子信息与第一对象标签不匹配,并返回常穿衣着颜色子类对应大的匹配度为第二匹配值0。
步骤a2,当第一对象标签为定量标签时,可按照以下三种情况分别计算对应同一子类的第一目标对象子信息和第一对象标签的匹配度。需要说明的是,虽然第一对象标签为定量标签,与其对应的目标对象子信息通常是定性的,例如对应常穿衣着颜色这一子类的目标对象子信息通常“黄”,而不是“黄40%绿60%”。
情况一:若第一对象标签中包含的属性所占比例为100%且第一目标对象子信息中包含的属性与第一对象标签中包含的属性匹配,则确定第一目标对象子信息和第一对象标签的匹配度为预设的第一匹配值。例如,性别子类的第一对象标签包括已知对象为女所占比例为100%,且第一目标对象子信息中包含的属性为目标对象为女,则确认性别子类对应的第一目标对象子信息与第一对象标签匹配,并确定性别子类对应的匹配度为第一匹配值。
情况二:若第一对象标签中包含的属性不包含第一目标对象子信息中包含的属性,则确定第一目标对象子信息和第一对象标签的匹配度为预设的第二匹配值。如果第一对象标签中包含的属性为已知对象为男,二第一目标对象子信息中包含的属性为目标对象为女,也即性别子类对应的第一对象标签中包含的属性不包含第一目标对象子信息中包含的属性,则确定性别子类对应的匹配度为第二匹配值。
情况三:若第一对象标签中包含的属性包含第一目标对象子信息中包含的属性且该属性所占比例小于100%,则确定第一目标对象子信息和第一对象标签的匹配度为第三匹配值。其中,第三匹配值是根据第一目标对象子信息包含的属性以及第一对象标签中包含的属性和属性所占比例计算出的,第三匹配值大于第二匹配值且小于第一匹配值,假设二匹配值为0,第一匹配值为1,则第三匹配值可以为根据第一目标对象子信息包含的属性以及第一对象标签中包含的属性和属性所占比例计算出的0至1之间的数值。例如,第一目标对象子信息中包含的属性为该目标对象经常携带红色手提包,如果手提包颜色子类的第一对象标签中包含的属性包括已有对象的携带手提包为红色(属性)的概率是70%(属性所占比例),携带手提包颜色为其他的概率为30%,则可以确定第三匹配值为1*70%+0*30%=0.7,也即手提包颜色子类对应的第一目标对象子信息与第一对象标签的匹配度为0.7。当然,根据第一目标对象子信息包含的属性以及第一对象标签中包含的属性和属性所占比例计算第三匹配值的方式不限于此,在此不做限定。
可以理解的是,步骤a1、步骤a2可以单独执行或按任意顺序执行,本实施例不做限定。
考虑到目标对象信息中包含的属性可能不便于准确描述,例如衣着或车辆的颜色较为特殊且容易受光照等因素影响,而颜色子类的对象标签中包含的属性不完全包括目标对象子信息中包含的属性,诸如第一目标子信息中衣着颜色为砖红色或紫色,而第一对象标签中衣着颜色仅包括红色、黑色、白色和蓝色,该情况下如果按照上述步骤a1至步骤a2计算对应同一子类的第一目标对象子信息和第一对象标签的匹配度,得出的匹配值为0。然而,实际上,第一目标子信息中的砖红色或紫色和第一对象标签中的红色比较接近,有一定的匹配度,因此本发明实施例提供了另一种计算对应同一子类的第一目标对象子信息和第一对象标签的匹配度的实施方式,可以根据第一目标对象子信息中包含的第一属性和第一对象标签中包含的第二属性之间的接近程度,计算第一目标对象子信息和第一对象标签的匹配度。其中,两两属性之间的接近程度是预设的。以颜色为例,可以将牛顿色环上互补色的接近程度设置为较小值,邻近色的接近程度设置为较大值,同一颜色的接近程度设置为最大值。例如,将红色与绿色之间的接近程度设置为较小值(例如0),将红色与紫色之间的接近程度设置为较大值(例如0.8),红色与红色之间的接近程度设置为最大值(例如1)。如果常穿上衣颜色子类对应的第一对象标签包括的属性为紫色50%、绿色50%,第一目标对象子信息包括的属性为红色,则接近程度计算第一目标对象子信息和第一对象标签的匹配度等于0.8*50%+0*50%=0.4。
步骤b,根据各个子类对应的匹配度,计算已有对象对目标对象的拟合度。如果目标对象信息中仅包括一个子类,则可以直接将该子类对应的第一对象标签与第一目标对象子信息之间的匹配度确定为该已有对象对目标对象的拟合度。如果目标对象信息中包括多个子类,则基于各个子类对应的预设权重,对各个子类对应的匹配度进行加权求和,得到已有对象对目标对象的拟合度,例如,社交属性中好友数量子类的预设权重为0.4和行为属性中地点活跃度子类的预设权重为0.2,则分别计算好友数量子类的预设权重与匹配度的第一乘积,和地点活跃度子类的预设权重与匹配度的第二乘积,将第一乘积与第二乘积的和值作为该已有对象对目标对象的拟合度。
在另一种实施方式中,也可以执行如下(1)至(3)的步骤得到已有对象对目标对象的拟合度。(1)计算每个已有对象在同一子类对应的第一对象标签与第一目标对象子信息的匹配度;(2)分别按照各个子类对应的匹配度对每个已有对象排序,得到每个已有对象基于该子类的排序值;(3)根据各子类对应的排序值,计算已有对象对目标对象的拟合度。例如,目标对象信息包括2个子类,第一个子类的目标对象子信息为目标对象的好友包括好友A、好友B、好友C和好友D四人,第二个子类的目标对象子信息为目标对象在10月份经常出现在区域S。首先,计算每个已有对象在第一个子类(社交属性类型中的好友姓名子类)和第二个子类(行为属性类型中的某区域频繁出没子类)对应的第一对象标签与第一目标对象子信息的匹配度;然后按照各已有对象的第一子类对应的匹配度,对各已有对象排序,从而得到各已有对象的第一排序值P1,其中排序靠前的已有对象的第一排序值高于排序靠后的已有对象的第一排序值;按照各已有对象的第二子类对应的匹配度,对各已有对象排序,得到各已有对象的第二排序值P2,其中排序靠前的已有对象的第二排序值高于排序靠后的已有对象的第二排序值;最后对各已有对象的P1、P2加权求和,得到各已有对象对目标对象的拟合度。其中,进行加权求和时可以为每个子类配置相同或不同的权重。
在另一种实施方式中,也可以执行如下(一)至(二)的步骤得到已有对象对目标对象的拟合度。
(一)从已有对象中筛选出第一已有对象,第一已有对象对应与目标对象必要信息匹配的对象标签。其中,第一已有对象对应与目标对象必要信息匹配的对象标签,目标对象信息包括目标对象必要信息,目标对象必要信息可以理解为用户确定目标对象一定具有的属性,也即已有对象必须符合的属性。例如,目标对象确定为男性,则可以将“男性”确定为目标对象信息中的目标对象必要信息,并从已有对象中筛选出对象标签包括“男性100%”(当已有对象这一子类的对象标签为定量标签时)或对象标签包括“男性”(当已有对象这一子类的对象标签为定性标签时)的第一已有对象,而对于其他已有对象(诸如“女性100%”或“男性80%;女性20%”)将不再计算其对目标对象的拟合度,从而使用户可以更灵活准确的配置目标对象的筛选条件,同时在一定程度上减少计算拟合度所需的计算量,进而提高确定目标对象对应的已有对象的效率。
(二)基于目标对象信息和第一已有对象的对象标签,计算第一已有对象对目标对象的拟合度。本发明实施例在确定第一已有对象后,可以仅计算第一已有对象对目标对象的拟合度,以降低计算拟合度所需的计算量,在实际应用中,可参照前述实施例提供的计算已有对象对目标对象的拟合度的步骤,计算第一已有对象对目标对象的拟合度,例如当第一已有对象的对象标签为定性标签时,参照前述步骤a1计算第一已有对象对目标对象的拟合度,当第一已有对象的对象标签为定量标签时,参照前述步骤a2计算第一已有对象对目标对象的拟合度,也可以计算第一已有对象的各子类的对象标签的属性与目标对象信息的属性之间的接近程度计算第一已有对象对目标对象的拟合度,具体实现过程此处不再赘述。
按照上述步骤确定对象对目标的拟合度后,可以基于已有对象对目标对象的拟合度,确定目标对象对应的已有对象,本发明实施例提供了以下方式确定目标对象对应的已有对象:
接近程度将对目标对象的拟合度大于设定阈值的已有对象和/或将对目标对象的拟合度最大的前N个已有对象确定为目标对象对应的已有对象。在一种实施方式中,可以在已有对象与目标对象的拟合度大于设定阈值时,确定目标对象对应该已有对象。例如,当已有对象与目标对象的拟合度大于90%时,将该已有对象确定为目标对象对应的已有对象。在另一种实施方式中,也可以将对目标对象的拟合度最大的前N个已有对象确定为确定目标对象对应的已有对象。例如,将拟合度较高的多个已有对象均确定为目标对象对应的已有对象,为便于用户从确定的已有对象中获取目标对象的已有对象,本发明实施例提供了一种基于目标对象与每个已有对象的拟合度,确定目标对象对应的已有对象的具体实现方式,可以按照目标对象与每个已有对象的拟合度大小排序,然后从最高拟合度的已有对象开始,选择预设个数的已有对象作为目标对象对应的已有对象。例如,按照拟合度由大到小的顺序对每个已有对象进行排序,并将排序中top100的已有对象确定为目标对象对应的已有对象。
通过上述方式确定目标对象对应的已有对象后,还可以展示目标对象对应的已有对象,例如,通过预设页面为用户展示确定的已有对象,和/或,将目标对象对应的已有对象传输至指定设备,其中,指定设备可以为用户的办公设备,诸如电脑或手机等,以便于用户浏览目标对象对应的已有对象,并从中进一步删除错误的已有对象,从而确定出人工筛选后的目标对象对应的已有对象。
综上所述,本发明实施例提供的目标对象的确定方法,充分利用信息集合中存储的对象图片、对象图像的拍摄信息和已有对象的时空数据生成了每个已有对象多维度的对象标签,通过设置目标对象的目标对象信息可以实现对目标对象对应的已有对象进行模糊搜索,相较于现有技术中仅能基于目标对象的精确信息搜索信息集合的方法,本发明实施例可以基于已有的较为模糊的概括性信息为用户提供与目标拟合程度较高的已有对象,从而有效实现信息集合的模糊检索,大大提高信息集合检索的实用价值。另外,本发明实施例从依赖单一的图片或有限的属性信息的精确检索,转变为利用已掌握的模糊、不准确的概括性信息的模糊检索,有效利用了信息集合,且最终确定的目标对象对应的已有对象可以应用于多维研判及数据融合等多种应用场景,从而便于快速便捷地对目标对象对应的已有对象进行检索。
实施例三
在前述实施例的基础上,本发明实施例提供了一种应用前述目标对象的确定方法的具体示例,其中目标对象为人物对象,参见图4所示的另一种目标对象的确定方法的流程示意图,该方法可以包括以下步骤S402至步骤S412:
步骤S402,获取人像信息集合。其中,人像信息集合中包含有人物对象的对象图像、对象图像的采集时间(也即,前述拍摄时间)和采集地点(也即,前述拍摄地点)以及对象的时空信息。
步骤S404,基于预设的人物画像规则确定人物对象多个维度的画像标签类型(也即,前述对象标签)。其中,画像标签类型可以包括基础属性类型、穿戴属性类型(也可称之为衣着服饰类型)、行为属性类型(可以包括行为规律和系统分析标签)、社交属性类型(也可称之为好友关系)和附属物属性类型(包括驾乘车辆)中的一种或多种,行为规律也即前述时空属性,系统分析标签也即前述行为分析属性。在实际应用中,可以预先建立人物画像规则,并根据该人物画像规则将人物对象的画像标签类型分为基础属性类型、衣着服饰类型、行为规律类型、系统分析标签类型、好友关系类型和驾乘车辆类型六个维度的画像标签。
步骤S406,对每张对象图像进行目标检测和属性识别,得到每张对象图像中人物对象的性别、年龄、衣着款式、衣着颜色、车辆类型、人物对象是驾驶人还是乘坐人等属性。按照预先确定的画像标签类型对各张对象图像中的属性进行统计,生成每个人物对象的人物画像信息(也即,前述对象标签)。具体可以参见前述实施例提供的根据对象信息生成对象标签的过程,本发明实施例在此不再赘述。
步骤S408,获取目标对象的画像信息(也即,前述目标对象信息)。例如,目标对象的好友包括好友A、好友B、好友C和好友D,且目标对象10月份经常出现在区域S1。
步骤S410,根据目标对象的画像信息和每个人物对象的对象标签进行拟合度计算。例如,分别按照好友关系子类和行为规律子类对各人物对象进行排序,得到各人物对象的好友关系对应的排序值P1和行为规律对应的排序值P2,并对排序值P1和排序值P2进行加权计算,得到各人物对象对目标对象的拟合度P。
步骤S412,基于拟合度确定目标对象对应的人像信息集合。在实际应用中,可以按照拟合度由大到小的顺序对人像信息集合进行排序,并返回排序结果中top100的人像信息集合。
本发明实施例提供的目标对象的确定方法,获取人像信息集合并对人像信息集合中对象图像进行属性识别,然后基于预设的人物画像规则确定人物对象多个维度的画像标签类型,并按照画像标签类型对人像信息集合进行统计生成每个人物对象的对象标签,在获取目标对象的画像信息后根据目标对象的画像信息和每个人物对象的对象标签对人像信息集合进行拟合度计算,进而基于拟合度确定目标对象对应的人物对象。上述方式较好地实现了对人物对象进行模糊搜索,不仅可以有效降低精确搜索人物对象过程的局限性,还可以有效降低确定目标对象对应的人物对象的难度,进而提升人物对象的检索效率。
实施例四
对于实施例二中所提供的目标对象的确定方法,本发明实施例提供了一种目标对象的确定装置,该装置应用于检索服务器,检索服务器存储有至少一个已有对象的信息集合,信息集合包含其所属已有对象的对象信息,每个信息集合对应至少一个对象标签,对象标签是根据对象信息统计得到的,参见图5所示的一种人物对象的确定装置的结构示意图,该装置包括以下模块:
信息获取模块502,用于获取目标的目标对象信息。
拟合度计算模块504,用于基于目标对象信息和已有对象的对象标签,计算已有对象对目标对象的拟合度。
对象确定模块506,用于基于已有对象对目标对象与每个人物对象的拟合度,确定目标对象对应的人物已有对象。
本发明实施例提供的上述目标对象的确定装置,利用预先存储的已有对象对应的对象标签和目标对象的目标对象信息,计算已有对象与目标对象之间的拟合度,并基于拟合度确定目标对象的已有对象,相较于现有技术中根据精确信息对目标对象进行精确搜索的方式,本发明实施例通过上述方法较好地实现了对目标对象进行模糊属性搜索,有效避免属性信息不精确造成的漏检、误检。
在一种实施方式中,目标对象信息和至少一个对象标签均具有至少一个类型,每个类型包含至少一个子类,某个子类的目标对象信息为对应该子类的目标对象子信息,某个子类的对象标签为对应该子类的对象标签,对应同一子类的目标对象子信息和对象标签具有对应关系;上述拟合度计算模块504还用于:计算对应同一子类的第一目标对象子信息和第一对象标签的匹配度,得到该子类对应的匹配度,由此得到各个子类对应的匹配度;根据各个子类对应的匹配度,计算已有对象对目标对象的拟合度。
在一种实施方式中,至少一个对象标签为定性标签或定量标签,其中,定性标签为仅包含属性且包含的属性唯一的标签,定量标签为标签值包含属性和属性所占比例的标签。
在一种实施方式中,上述拟合度计算模块504还用于:当第一对象标签为定性标签时,若第一目标对象子信息中包含的属性与第一对象标签中包含的属性匹配,则确定第一目标对象子信息和第一对象标签的匹配度为预设的第一匹配值;否则,确定第一目标对象子信息和第一对象标签的匹配度为预设的第二匹配值;和/或,当第一对象标签为定量标签时,若第一对象标签中包含的属性所占比例为100%且第一目标对象子信息中包含的属性与第一对象标签中包含的属性匹配,则确定第一目标对象子信息和第一对象标签的匹配度为预设的第一匹配值;若第一对象标签中包含的属性不包含第一目标对象子信息中包含的属性,则确定第一目标对象子信息和第一对象标签的匹配度为预设的第二匹配值;若第一对象标签中包含的属性包含第一目标对象子信息中包含的属性且该属性所占比例小于100%,则确定第一目标对象子信息和第一对象标签的匹配度为第三匹配值,第三匹配值是根据第一目标对象子信息包含的属性以及第一对象标签中包含的属性和属性所占比例计算出的,第三匹配值大于第二匹配值且小于第一匹配值。
在一种实施方式中,上述拟合度计算模块504还用于:根据第一目标对象子信息中包含的第一属性和第一对象标签中包含的第二属性之间的接近程度,计算第一目标对象子信息和第一对象标签的匹配度,其中,两两属性之间的接近程度是预设的。
在一种实施方式中,目标对象信息包括目标对象必要信息;上述拟合度计算模块504还用于:从已有对象中筛选出第一已有对象,第一已有对象对应与目标对象必要信息匹配的对象标签;基于目标对象信息和第一已有对象的对象标签,计算第一已有对象对目标对象的拟合度;上述对象确定模块506还用于:基于第一已有对象对目标对象的拟合度,确定目标对象对应的第一已有对象。
在一种实施方式中,上述拟合度计算模块504还用于:基于各个子类对应的预设权重,对各个子类对应的匹配度进行加权求和,得到已有对象与目标对象的拟合度。
在一种实施方式中,上述对象确定模块506,还用于将对目标对象的拟合度大于设定阈值的已有对象和/或将对目标对象的拟合度最大的前N个已有对象确定为确定目标对象对应的已有对象。
在一种实施方式中,上述对象信息包括对象图像、对象图像的拍摄信息、已有对象的时空信息中的至少一种;在图5的基础上,本发明实施例提供了另一种目标对象的确定装置,参见图6所示的另一种目标对象的确定装置的结构示意图,该装置还可以包括标签生成模块602,用于通过目标检测检测出信息集合中包含的对象图像中的已有对象,并对对象图像中的已有对象和/或已有对象的附属物品进行属性识别,得到该对象图像对应的已有对象和/或已有对象的附属物品的属性;对对象图像对应的已有对象和/或已有对象的附属物品的属性进行统计,得到对象属性统计结果;根据对象图像对应的对象属性统计结果,得到基础属性类型、穿戴属性类型、附属物品属性类型中至少一种类型的对象标签。
在一种实施方式中,上述标签生成模块602还用于对信息集合包含的拍摄信息和/或时空信息进行统计,得到行为属性统计结果;根据行为属性统计结果,得到行为属性类型的对象标签。
在一种实施方式中,上述标签生成模块602还用于:根据信息集合包含的拍摄信息,获取信息集合的同行信息;其中,同行信息包括与对象图像的拍摄时间间隔预设时间阈值范围内、拍摄地点接近程度预设接近程度阈值范围内的图像及图像的拍摄信息;对同行信息进行统计分析,得到社交属性统计结果;根据社交属性统计结果,得到社交属性类型的对象标签。
在一种实施方式中,上述对象标签的类型包括信息集合所属对象的基础属性类型、穿戴属性类型、行为属性类型、社交属性类型、附属物品类型中的至少一种。
本实施例所提供的装置,其实现原理及产生的技术效果和前述实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
实施例五
本发明实施例所提供的目标对象的确定方法、装置及电子设备的计算机程序产品,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。
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。对于本领域的普通技术人员而言,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:以上所述实施例,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,本领域的普通技术人员应当理解: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所述权利要求的保护范围为准。
Claims (15)
1.一种目标对象的确定方法,其特征在于,应用于检索服务器,所述检索服务器存储有至少一个已有对象的信息集合,所述信息集合包含其所属已有对象的对象信息,每个所述信息集合对应至少一个对象标签,所述对象标签是根据所述对象信息统计得到的,所述方法包括:
获取目标对象的目标对象信息;
基于所述目标对象信息和所述已有对象的对象标签,计算所述已有对象对所述目标对象的拟合度;
基于所述已有对象对所述目标对象的拟合度,确定所述目标对象对应的已有对象。
2.根据权利要求1所述的方法,其特征在于,所述目标对象信息和至少一个所述对象标签均具有至少一个类型,每个类型包含至少一个子类,某个子类的目标对象信息为对应该子类的目标对象子信息,某个子类的对象标签为对应该子类的对象标签,对应同一子类的目标对象子信息和对象标签具有对应关系;
基于所述目标对象信息和所述已有对象的对象标签,计算所述已有对象与所述目标对象的拟合度的步骤,包括:
计算对应同一子类的第一目标对象子信息和第一对象标签的匹配度,得到该子类对应的匹配度,由此得到各个所述子类对应的匹配度;
根据各个所述子类对应的匹配度,计算所述已有对象对所述目标对象的拟合度。
3.根据权利要求2所述的方法,其特征在于,至少一个所述对象标签为定性标签或定量标签,其中,定性标签为仅包含属性且包含的属性唯一的标签,定量标签为标签值包含属性和属性所占比例的标签。
4.根据权利要求3所述的方法,其特征在于,所述计算对应同一子类的第一目标对象子信息和第一对象标签的匹配度的步骤,包括:
当所述第一对象标签为定性标签时,
若所述第一目标对象子信息中包含的属性与所述第一对象标签中包含的属性匹配,则确定第一目标对象子信息和第一对象标签的匹配度为预设的第一匹配值;
否则,确定第一目标对象子信息和第一对象标签的匹配度为预设的第二匹配值;
和/或,
当所述第一对象标签为定量标签时,
若所述第一对象标签中包含的属性所占比例为100%且所述第一目标对象子信息中包含的属性与所述第一对象标签中包含的属性匹配,则确定第一目标对象子信息和第一对象标签的匹配度为预设的所述第一匹配值;
若所述第一对象标签中包含的属性不包含所述第一目标对象子信息中包含的属性,则确定第一目标对象子信息和第一对象标签的匹配度为预设的所述第二匹配值;
若所述第一对象标签中包含的属性包含所述第一目标对象子信息中包含的属性且该属性所占比例小于100%,则确定第一目标对象子信息和第一对象标签的匹配度为第三匹配值,所述第三匹配值是根据第一目标对象子信息包含的属性以及第一对象标签中包含的属性和属性所占比例计算出的,所述第三匹配值大于所述第二匹配值且小于所述第一匹配值。
5.根据权利要求2或3所述的方法,其特征在于,计算对应同一子类的第一目标对象子信息和第一对象标签的匹配度的步骤,包括:
根据第一目标对象子信息中包含的第一属性和第一对象标签中包含的第二属性之间的接近程度,计算第一目标对象子信息和第一对象标签的匹配度,其中,两两属性之间的接近程度是预设的。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述目标对象信息包括目标对象必要信息,
所述基于所述目标对象信息和所述已有对象的对象标签,计算所述已有对象对所述目标对象的拟合度,包括:
从所述已有对象中筛选出第一已有对象,所述第一已有对象对应与所述目标对象必要信息匹配的对象标签;
基于所述目标对象信息和所述第一已有对象的对象标签,计算所述第一已有对象对所述目标对象的拟合度;
所述基于所述已有对象对所述目标对象的拟合度,确定所述目标对象对应的已有对象的步骤,包括:
基于所述第一已有对象对所述目标对象的拟合度,确定所述目标对象对应的第一已有对象。
7.根据权利要求1-6任一项所述的方法,其特征在于,根据各个子类对应的匹配度,计算所述已有对象对所述目标对象的拟合度的步骤,包括:
基于各个所述子类对应的预设权重,对各个所述子类对应的匹配度进行加权求和,得到所述已有对象对所述目标对象的拟合度。
8.根据权利要求1-7任一项所述的方法,其特征在于,基于所述已有对象对所述目标对象的拟合度,确定所述目标对象对应的已有对象的步骤,包括:
将对所述目标对象的拟合度大于设定阈值的已有对象和/或将对所述目标对象的拟合度最大的前N个已有对象确定为所述目标对象对应的已有对象。
9.根据权利要求1所述的方法,其特征在于,所述对象信息包括对象图像、对象图像的拍摄信息、已有对象的时空信息中的至少一种;
所述方法还包括:
通过目标检测检测出所述信息集合中包含的对象图像中的已有对象和/或已有对象的附属物品,并对所述对象图像中的已有对象和/或已有对象的附属物品进行属性识别,得到所述对象图像对应的已有对象和/或已有对象的附属物品的属性;
对所述对象图像对应的已有对象和/或已有对象的附属物品的属性进行统计,得到属性统计结果;
根据所述对象图像对应的属性统计结果,得到基础属性类型、穿戴属性类型、附属物品属性类型中至少一种类型的对象标签。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
对所述信息集合包含的所述拍摄信息和/或所述时空信息进行统计,得到行为属性统计结果;
根据所述行为属性统计结果,得到行为属性类型的对象标签。
11.根据权利要求9或10所述的方法,其特征在于,所述方法还包括:
根据所述信息集合包含的所述拍摄信息,获取所述信息集合的同行信息;其中,所述同行信息包括与所述对象图像的拍摄时间间隔预设时间阈值范围内和拍摄地点接近程度预设接近程度阈值范围内的图像及所述图像的拍摄信息;
对所述同行信息进行统计分析,得到社交属性统计结果;
根据所述社交属性统计结果,得到社交属性类型的对象标签。
12.根据权利要求2所述的方法,其特征在于,所述对象标签的类型包括基础属性类型、穿戴属性类型、行为属性类型、社交属性类型、附属物品类型中的至少一种。
13.一种目标对象的确定装置,其特征在于,应用于检索服务器,所述检索服务器存储有至少一个已有对象对应的信息集合,所述信息集合包含其所属已有对象的对象信息,每个所述信息集合对应至少一个对象标签,所述对象标签是根据所述对象信息统计得到的,所述装置包括:
信息获取模块,用于获取目标对象的目标对象信息;
拟合度计算模块,用于基于所述目标对象信息和所述已有对象的对象标签,计算所述已有对象对所述目标对象的拟合度;
对象确定模块,用于基于所述已有对象对所述目标对象的拟合度,确定所述目标对象对应的已有对象。
14.一种电子设备,其特征在于,包括处理器和存储器;
所述存储器上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1至12任一项所述的方法。
15.一种计算机存储介质,其特征在于,用于储存为权利要求1至12任一项所述方法所用的计算机软件指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514440.9A CN113343013A (zh) | 2019-12-24 | 2019-12-24 | 目标对象的确定方法、装置及电子设备 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514440.9A CN113343013A (zh) | 2019-12-24 | 2019-12-24 | 目标对象的确定方法、装置及电子设备 |
CN201911362297.5A CN111125545A (zh) | 2019-12-24 | 2019-12-24 | 目标对象的确定方法、装置及电子设备 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911362297.5A Division CN111125545A (zh) | 2019-12-24 | 2019-12-24 | 目标对象的确定方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113343013A true CN113343013A (zh) | 2021-09-03 |
Family
ID=70502696
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110514440.9A Pending CN113343013A (zh) | 2019-12-24 | 2019-12-24 | 目标对象的确定方法、装置及电子设备 |
CN201911362297.5A Pending CN111125545A (zh) | 2019-12-24 | 2019-12-24 | 目标对象的确定方法、装置及电子设备 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911362297.5A Pending CN111125545A (zh) | 2019-12-24 | 2019-12-24 | 目标对象的确定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN113343013A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116909339A (zh) * | 2023-09-14 | 2023-10-20 | 厘壮信息科技(苏州)有限公司 | 基于人工智能的智能家居安全预警方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140355907A1 (en) * | 2013-06-03 | 2014-12-04 | Yahoo! Inc. | Photo and video search |
CN108664526A (zh) * | 2017-04-01 | 2018-10-16 | 华为技术有限公司 | 检索的方法和设备 |
CN108829764A (zh) * | 2018-05-28 | 2018-11-16 | 腾讯科技(深圳)有限公司 | 推荐信息获取方法、装置、系统、服务器及存储介质 |
CN109933731A (zh) * | 2019-03-18 | 2019-06-25 | 苏州亿歌网络科技有限公司 | 一种好友推荐方法、装置、设备及存储介质 |
CN110472090A (zh) * | 2019-08-20 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 基于语义标签的图像检索方法以及相关装置、存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7272815B1 (en) * | 1999-05-17 | 2007-09-18 | Invensys Systems, Inc. | Methods and apparatus for control configuration with versioning, security, composite blocks, edit selection, object swapping, formulaic values and other aspects |
JP2005242934A (ja) * | 2004-02-27 | 2005-09-08 | Kddi Corp | プロファイル管理装置およびそのプログラム |
CN102207966B (zh) * | 2011-06-01 | 2013-07-10 | 华南理工大学 | 基于对象标签的视频内容快速检索方法 |
CN109783685B (zh) * | 2018-12-28 | 2022-03-15 | 上海依图网络科技有限公司 | 一种查询方法及装置 |
CN110097287B (zh) * | 2019-05-07 | 2021-06-22 | 宏图物流股份有限公司 | 一种物流司机的群体画像方法 |
CN110288015A (zh) * | 2019-06-21 | 2019-09-27 | 北京旷视科技有限公司 | 一种人像检索的处理方法和装置 |
-
2019
- 2019-12-24 CN CN202110514440.9A patent/CN113343013A/zh active Pending
- 2019-12-24 CN CN201911362297.5A patent/CN111125545A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140355907A1 (en) * | 2013-06-03 | 2014-12-04 | Yahoo! Inc. | Photo and video search |
CN108664526A (zh) * | 2017-04-01 | 2018-10-16 | 华为技术有限公司 | 检索的方法和设备 |
CN108829764A (zh) * | 2018-05-28 | 2018-11-16 | 腾讯科技(深圳)有限公司 | 推荐信息获取方法、装置、系统、服务器及存储介质 |
CN109933731A (zh) * | 2019-03-18 | 2019-06-25 | 苏州亿歌网络科技有限公司 | 一种好友推荐方法、装置、设备及存储介质 |
CN110472090A (zh) * | 2019-08-20 | 2019-11-19 | 腾讯科技(深圳)有限公司 | 基于语义标签的图像检索方法以及相关装置、存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116909339A (zh) * | 2023-09-14 | 2023-10-20 | 厘壮信息科技(苏州)有限公司 | 基于人工智能的智能家居安全预警方法及系统 |
CN116909339B (zh) * | 2023-09-14 | 2024-01-09 | 厘壮信息科技(苏州)有限公司 | 基于人工智能的智能家居安全预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111125545A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10846554B2 (en) | Hash-based appearance search | |
JP5793353B2 (ja) | 顔画像検索システム、及び顔画像検索方法 | |
Feris et al. | Attribute-based people search: Lessons learnt from a practical surveillance system | |
US20160275376A1 (en) | Object detection and classification | |
US10956753B2 (en) | Image processing system and image processing method | |
US20130329059A1 (en) | Person detection system | |
US20040109587A1 (en) | Image recognition apparatus, image recognition processing method, and image recognition program | |
US20120308090A1 (en) | Facial image search system and facial image search method | |
US20090091798A1 (en) | Apparel as event marker | |
CN111860430B (zh) | 打架行为的识别方法和装置、存储介质及电子装置 | |
CN111222373B (zh) | 一种人员行为分析方法、装置和电子设备 | |
CN109784274A (zh) | 识别尾随的方法及相关产品 | |
TW202105374A (zh) | 檔案應用方法及裝置、儲存媒體 | |
US11429820B2 (en) | Methods for inter-camera recognition of individuals and their properties | |
CN111209446A (zh) | 一种人员检索信息的呈现方法、装置和电子设备 | |
CN105989174A (zh) | 关注区域提取装置以及关注区域提取方法 | |
JP2011018238A (ja) | 画像検索システム及び画像検索方法 | |
JP2024041796A (ja) | 情報処理装置 | |
CN110263830B (zh) | 图像处理方法、装置和系统及存储介质 | |
CN112966652A (zh) | 轨迹汇聚方法、装置、计算机设备及存储介质 | |
US10592687B2 (en) | Method and system of enforcing privacy policies for mobile sensory devices | |
CN113343013A (zh) | 目标对象的确定方法、装置及电子设备 | |
AU2019303730B2 (en) | Hash-based appearance search | |
CN109859011A (zh) | 基于珠宝线上商城的消息推送方法、系统及其存储介质 | |
CN116071569A (zh) | 图像选择方法、计算机设备及存储装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210903 |
|
RJ01 | Rejection of invention patent application after publication |