CN114220045A - 对象识别方法、装置及计算机可读存储介质 - Google Patents
对象识别方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114220045A CN114220045A CN202111395407.5A CN202111395407A CN114220045A CN 114220045 A CN114220045 A CN 114220045A CN 202111395407 A CN202111395407 A CN 202111395407A CN 114220045 A CN114220045 A CN 114220045A
- Authority
- CN
- China
- Prior art keywords
- detection frame
- image
- optimal
- sample
- target
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本申请公开了一种对象识别方法、装置及计算机可读存储介质,该识别方法包括:对当前周期内的待检测视频流进行目标识别,得到目标对象的至少一个对象检测框;根据对象检测框内的对象图像的预设参数,从至少一个对象检测框中筛选出满足第一预设要求的至少一个第一检测框;在至少一个第一检测框中,确定最优检测框;根据最优检测框内的最优图像,确定目标对象的身份信息。本申请所提供的对象识别方法能够提高对象识别的准确率。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种对象识别方法、装置及计算机可读存储介质。
背景技术
现有技术中,在进行对象识别时,对对象采集具有随意性,导致采集的图像参差不齐,这种现象普遍存在于校园或者园区管理等场合,而随意采集的图像通常会导致对象识别的准确率低,因此现有技术中,对象识别的准确率有待进一步提高。
发明内容
本申请提供一种对象识别方法、装置及计算机可读存储介质,能够提高对象识别的准确率。
本申请实施例第一方面提供一种对象识别方法,所述方法包括:对当前周期内的待检测视频流进行目标识别,得到目标对象的至少一个对象检测框;根据所述对象检测框内的对象图像的预设参数,从所述至少一个对象检测框中筛选出满足第一预设要求的至少一个第一检测框;在所述至少一个第一检测框中,确定最优检测框;根据所述最优检测框内的最优图像,确定所述目标对象的身份信息。
本申请实施例第二方面提供一种对象识别装置,所述对象识别装置包括处理器、存储器以及通信电路,所述处理器分别耦接所述存储器、所述通信电路,所述存储器中存储有程序数据,所述处理器通过执行所述存储器内的所述程序数据以实现上述方法中的步骤。
本申请实施例第三方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序能够被处理器执行以实现上述方法中的步骤。
有益效果是:本申请首先根据预设参数,对识别出的对象检测框进行筛选,然后在筛选出的至少一个第一检测框内确定最优检测框,即经过二次筛选,最后根据筛选出的最优检测框内的最优图像,确定目标对象的身份信息。本申请在进行对象识别时,会对用于对象识别的图像进行把控,能够提高对象识别的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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。其中:
图1是本申请对象识别方法一实施方式的流程示意图;
图2是图1中步骤S140在一应用场景中的流程示意图;
图3是图1中步骤S140在另一应用场景中的流程示意图;
图4是图1中步骤S140在又一应用场景中的流程示意图;
图5是本申请对象识别方法另一实施方式的流程示意图;
图6是本申请对象识别装置一实施方式的结构示意图;
图7是本申请对象识别装置另一实施方式的结构示意图;
图8是本申请计算机可读存储介质一实施方式的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参阅图1,图1是本申请对象识别方法一实施方式的流程示意图,该方法包括:
S110:对当前周期内的待检测视频流进行目标识别,得到目标对象的至少一个对象检测框。
其中,将接收的视频流按照可设置的固定帧数进行周期划分,当前周期为当前即将需要进行对象识别的周期。
其中,为了减少任务量以及提高识别效率,在对当前周期内的待检测视频流进行目标识别时,首先对待检测视频流进行抽帧处理,得到若干帧图像,然后分别对若干帧图像进行目标识别,得到目标对象的至少一个对象检测框。其中,对象检测框为目标对象的外接矩形框。当然在其他实施方式中,也可以不对待检测视频流进行抽帧处理,而是对待检测视频流中的每一帧图像都进行目标识别,得到目标对象的对象检测框。
其中,目标对象可以是待检测视频流中靠近摄像头最近的对象,或者是待检测视频流中最新出现的对象,或者还可以是用户选定的对象,例如,用户预先手动框定某个对象,后续对该对象进行识别。
其中,可以先采用对象跟踪算法对目标对象进行跟踪,然后再对当前周期内的待检测视频流进行目标识别,从而得到目标对象的对象检测框。
其中,目标对象可以是人脸、车、动物等任一种类型的对象,在此不做限制。
S120:根据对象检测框内的对象图像的预设参数,从至少一个对象检测框中筛选出满足第一预设要求的至少一个第一检测框。
当所有的对象检测框都不满足第一预设要求时,确定对象识别失败,则不再执行后续步骤,此时可以提示对象识别失败,或者将下一周期内的待检测视频流确定为当前周期内的待检测视频流,并返回执行步骤S110至步骤S140,直至目标对象识别成功。
其中,筛选出的第一检测框内的对象图像均是有利于后续对象识别的图像。
S130:在至少一个第一检测框中,确定最优检测框。
最优检测框是至少一个第一检测框中,最有利于后续对象识别的第一检测框。
可以理解的是,当第一检测框的数量为一个时,该第一检测框即为最优检测框,当第一检测框的数量为多个时,在多个第一检测框中确定最优检测框。
S140:根据最优检测框内的最优图像,确定目标对象的身份信息。
本申请首先根据预设参数,对识别出的对象检测框进行筛选,然后在筛选出的至少一个第一检测框内确定最优检测框,即经过二次筛选,最后根据筛选出的最优检测框内的最优图像,确定目标对象的身份信息。本申请在进行对象识别时,会对用于对象识别的图像进行把控,能够提高对象识别的准确率。
在本实施方式中,步骤S120具体包括:根据对象图像中对象的姿态信息、对象图像中对象的质量信息中的至少一种,从至少一个对象检测框中筛选出满足第一预设要求的至少一个第一检测框。
其中,姿态信息包括俯仰角、偏航角、翻滚角中的至少一种;对象的质量信息包括清晰度、完整度、遮挡度中的至少一种。
具体地,利用对象角度算法对对象检测框内的对象图像进行处理,得到对象的俯仰角(Pitch)、偏航角(Yaw)、翻滚角(Roll)中的至少一种。
清晰度表征对象是否清晰,完整度表征对象是否完整,遮挡度表征对象是否受到遮挡,根据清晰度、完整度、遮挡度中的至少一个能够对对象图像中对象的质量进行评判。
其中,如何获取对象的俯仰角、偏航角、翻滚角等参数,以及如何获取清晰度、完整度遮挡度等参数均属于现有技术,在此不再赘述。
在一应用场景中,对象的俯仰角、偏航角、翻滚角、清晰度、完整度、遮挡度均分别存在对应的要求,当对象的俯仰角、偏航角、翻滚角、清晰度、完整度、遮挡度均满足对应的要求时,确定该对象图像满足要求,也即该对象图像对应的对象检测框满足第一预设要求。
在另一应用场景中,根据对象的俯仰角、偏航角、翻滚角中的至少一种,对对象图像进行打分,得到第一分数,以及根据对象清晰度、对象完整度、对象遮挡度中的至少一种,对对象图像的对象质量进行打分,得到第二分数,然后将第一分数与第二分数进行加权求和,得到对象图像的总分数,当对象图像的总分数满足要求时,确定该对象图像满足要求,也即该对象图像对应的对象检测框满足第一预设要求。
在又一应用场景中,当对象的俯仰角、偏航角、翻滚角的绝对值均分别小于对应的阈值(对应的阈值可以相等,例如均为15°,也可以不等,例如俯仰角、偏航角、翻滚角对应的阈值分别为12°、10°以及15°),且根据清晰度、完整度以及遮挡度,对对象图像进行打分而得到的分数满足分数要求时,确定对象图像满足要求,也即该对象图像对应的对象检测框满足第一预设要求。
总而言之,本申请关于根据对象图像的预设参数,筛选满足第一预设要求的至少一个检测框的具体过程,不做具体限制。
在一应用场景中,步骤S130确定最优检测框的步骤,包括:分别为各个第一检测框内的对象图像进行打分,然后将对应分数最高的第一检测框,确定为最优检测框。
其中,可以是根据对象图像中对象的姿态信息、质量信息中的至少一种为对象图像进行打分,其中打分的过程可参见上述内容,在此不再赘述。
参阅图2,在一应用场景中,步骤S140确定身份信息的步骤,包括:
S141:对最优图像进行特征提取,得到目标对象的最优特征向量。
S142:分别确定最优特征向量与数据库中的多个样本特征向量的相似度。
其中,将最优特征向量与样本特征向量之间的欧式距离作为两者之间的相似度,其中欧式距离越小,表示最优特征向量与样本特征向量之间的相似度越高。
其中,为了减少后续的计算量,在计算出自由特征向量与样本特征向量之间的欧式距离后,还可以对计算结果进行归一化处理,将归一化处理后的结果作为最优特征向量与样本特征向量的相似度。
S143:在得到的多个相似度中确定最高相似度。
S144:响应于最高相似度超过相似度阈值,根据最高相似度对应的样本特征向量,确定目标对象的身份信息。
具体地,在经过步骤S142后,得到多个相似度,然后按照从高到低的顺序,将相似度进行排序,最后确定排在第一位的最高相似度,如果该最高相似度超过相似度阈值,则将最高相似度对应的样本特征向量确定为目标对象对应的样本特征向量,然后将该样本特征向量对应的身份信息,确定为目标对象的身份信息。
如果该最高相似度没有超过相似度阈值,确定对象识别失败,不再执行后续步骤,此时可以提示对象识别失败,或者,将下一周期内的待检测视频流确定为当前周期内的待检测视频流,并返回执行步骤S110,直至最高相似度超过相似度阈值,也就是说,再针对下一周期内的待检测视频流执行步骤S110至步骤S140。
其中需要说明的是,在检测到目标对象从下一周期内的待检测视频流中消失时,例如连续消失若干帧,则停止针对下一周期内的待检测视频流执行步骤S110至步骤S140,即停止对目标对象进行对象识别。
其中,为了提高识别的速率,针对后续周期内的待检测视频流执行步骤S110、S120以及S130,还可以与针对当前周期内的待检测视频流执行步骤S120至S140同步进行。
具体地,在针对当前周期内的待检测视频流执行步骤S120至步骤S140的同时,针对下一周期、下下一周期等后续周期内的待检测视频流执行步骤S110、S120以及S130,即在下一周期、下下一周期内分别筛选出最优检测框,即对目标对象的对象图像进行优选,以便在当前周期内对象识别失败时,可以直接用后续周期内的优选图像进行对象识别。
其中,当对象识别成功时,停止针对后续周期内的待检测视频流执行步骤S110、S120以及步骤S130,即停止对后续周期内的对象图像进行优选,或者,当侦测到目标对象从画面中连续消失N(例如N为10或者20等)帧时,也停止针对后续周期内的待检测视频流执行步骤S110、S120以及S130,即停止对后续周期内的对象图像进行优选。
其中考虑到人的穿着打扮、发型等会不断更新,因为为了提高对象识别的准确率,数据库也需要不断更新,因此在本实施方式中,对象识别方法还包括:响应于最高相似度超过相似度阈值,将数据库中与最高相似度对应的样本特征向量,更新为最优特征向量。
具体地,在步骤S143确定最高相似度后,用最优特征向量替换数据库中与最高相似度对应的样本特征向量,即将数据库中目标对象的样本特征向量替换为最新能够表征目标对象的特征向量。
参阅图3,在另一应用场景中,步骤S140确定身份信息的步骤,包括:
S145:根据最优图像,确定目标对象的特征属性。
S146:根据数据库中各个子库对应的特征属性与目标对象的特征属性的匹配度,确定各个子库的优先级。
S147:按照优先级从高到低的顺序,在子库中查找与最优图像匹配的样本特征向量。
S148:根据匹配的样本特征向量,确定目标对象的身份信息。
具体地,预先将数据库按照特征属性进行分类,得到多个子库。例如,按照年龄属性对数据库进行分类,使不同子库对应的年龄段不同,又或者按照性别对数据库进行分类,得到对应男性的第一子库以及对应女性的第二子库,又或者按照是否佩戴眼镜对数据库进行分类,得到佩戴有眼镜的第一子库以及对应未佩戴眼镜的第二子库。
其中,在获取目标对象的特征属性后,确认目标对象的特征属性与各个子库的特征属性的匹配度,并根据匹配度为各个子库设置优先级。其中,匹配度越高,说明目标对象的特征属性与子库的特征属性越相似,则该子库的优先级越高。
最后优先从优先级高的子库中查找与最优图像匹配的样本特征向量,如果在优先级高的子库中得到与最优图像匹配的样本特征向量,则停止匹配,否则在剩余的子库中按照优先级从高到低的顺序依序进行匹配。
其中,每个子库对应的相似度阈值可以相同,也可以不同。
为了更好地理解,下面结合实例对步骤S145至步骤S148作具体说明:
按照年龄属性将数据库分为子库A、子库B以及子库C,其中,子库A对应的年龄属性为小于18岁,子库B对应的年龄属性为18岁至40岁,子库C对应的年龄属性为大于40岁。
假设步骤S145确定目标对象的年龄属性为20岁至30岁,而由于20岁至30岁这一年龄段与18岁至40岁这一年龄段匹配度最高,则将子库B的优先级设置为最高,同时设置子库A的优先级次于子库B的优先级,而子库C的优先级最低。
然后优先计算目标对象的最优特征向量与子库B中的多个样本特征向量的相似度,并将得到的相似度进行排序,而后判断最高相似度是否超过第一相似度阈值,如果超过,则将最高相似度对应的样本特征向量确定为与目标对象匹配的样本特征向量,进而确定目标对象的身份信息,如果没有超过,则计算目标对象的最优特征向量与子库A中的多个样本特征向量的相似度,并将得到的相似度进行排序,而后判断最高相似度是否超过第二相似度阈值,如果超过,则将该最高相似度对应的样本特征向量确定为与目标对象匹配的样本特征向量,进而确定目标对象的身份信息,如果没有超过,则计算目标对象的最优特征向量与子库C中的多个样本特征向量的相似度,并将得到的相似度进行排序,而后判断最高相似度是否超过第三相似度阈值,如果超过,则将该最高相似度对应的样本特征向量确定为与目标对象匹配的样本特征向量,进而确定目标对象的身份信息,如果没有超过,则最终确定数据库中不存在与目标对象匹配应的样本特征向量,确定目标对象识别失败。
其中,第一相似度阈值、第二相似度阈值以及第三相似度阈值可以相同,也可以不同,在此不做限制。
参阅图4,在本实施方式中,当目标对象为人脸时,为了进一步提高对象识别的速度以及准确率,步骤S140得到目标对象的身份信息的步骤,包括:
S1401:对最优图像进行活体检测。
S1402:响应于最优图像中存在活体,根据最优图像,确定目标对象的身份信息。
由于人脸属于活体,因此当最优图像中不存在活体时,说明最优图像中不存在人脸,即不存在目标对象,则不会进行后续的识别,只有最优图像中存在活体时,才对最优图像进行后续的识别,从而得到目标对象的身份信息。
参阅图5,在本申请另一实施方式中,对象识别方法包括:
S210:获取样本目标的样本图像。
S220:对样本图像进行目标识别,得到样本目标的对象检测框。
S230:响应于样本图像满足第二预设要求,从对象检测框内的对象图像中提取样本特征向量。
S240:将样本特征向量与样本目标的身份信息对应保存在数据库中。
S250:对当前周期内的待检测视频流进行目标识别,得到目标对象的至少一个对象检测框。
S260:根据对象检测框内的对象图像的预设参数,从至少一个对象检测框中筛选出满足第一预设要求的至少一个第一检测框。
S270:在至少一个第一检测框中,确定最优检测框。
S280:根据最优检测框内的最优图像,确定目标对象的身份信息。
其中步骤S250至步骤S280与上述步骤S110至步骤S140对应相同,具体可参见上述实施方式,在此不再赘述。
与上述不同的是,本实施方式在形成数据库时,会对样本图像进行筛选,把控保存在数据库中样本特征向量的质量。
具体地,步骤S220先识别出样本图像中样本目标的对象检测框,然后步骤S230判断样本图像是否满足第二预设要求,如果满足第二预设要求,则从对象检测框内的对象图像中提取样本特征向量,如果不满足第二预设要求,则可以提醒用户重新输入样本图像。
在本实施方式中,步骤S230包括:根据样本图像的分辨率、对象检测框内对象的大小、对象的清晰度、对象的完整度、对象的遮挡度、对象的姿态信息以及对象检测框内的对象图像在样本图像中的占比中的至少一种为样本图像打分,得到样本图像的质量分数;响应于样本图像的质量分数超过分数阈值,从对象检测框内的对象图像中提取样本特征向量。
具体地,根据对象检测框内对象的大小、对象的清晰度、对象的完整度、对象的遮挡度、对象的姿态信息以及对象检测框内的对象图像在样本图像中的占比中的至少一种参数,对样本图像进行打分,得到样本图像的质量分数,其中样本图像的质量分数越高,则表明样本图像的质量越高,当样本图像的质量分数超过分数阈值时,判定样本图像满足第二预设要求。
其中,在对样本图像进行打分时,可以为不同的参数设置不同的权重。
其中步骤S240在保存样本特征向量、样本目标的身份信息时,还可以将对应的样本图像进行保存,以便后续在识别出目标对象的身份信息时,可以将对应的样本图像输出显示,便于相应的用户可以进行人工校核。
从上述内容可以看出,本实施方式不仅在对象识别时,会对识别出的对象检测框进行筛选,在形成数据库时,也会对样本图像进行筛选,过滤到不符合要求的样本图像,保证入库的样本图像的质量,有助于提升后续对象识别的准确率,为提高对象识别的准确率做了良好铺垫。
参阅图6,图6是本申请对象识别装置一实施方式的结构示意图。该对象识别装置200包括处理器210、存储器220以及通信电路230,处理器210分别耦接存储器220、通信电路230,存储器220中存储有程序数据,处理器210通过执行存储器220内的程序数据以实现上述任一项实施方式方法中的步骤,其中详细的步骤可参见上述实施方式,在此不再赘述。
其中,对象识别装置200可以是电脑、手机等任一项具有图像处理能力的装置,在此不做限制。
参阅图7,图7是本申请对象识别装置一实施方式的结构示意图。该人脸识别装置300包括检测框模块310、第一筛选模块320、第二筛选模块330以及身份确定模块340。
检测框模块310用于对当前周期内的待检测视频流进行目标识别,得到目标对象的至少一个对象检测框。
第一筛选模块320与检测框模块310连接,用于根据对象检测框内的对象图像的预设参数,从至少一个对象检测框中筛选出满足第一预设要求的至少一个第一检测框。
第二筛选模块330与第一筛选模块320连接,用于在至少一个第一检测框中,确定最优检测框。
身份确定模块340与第二筛选模块330连接,用于根据最优检测框内的最优图像,确定目标对象的身份信息。
在一实施方式中,第一筛选模块320具体用于根据对象图像中对象的姿态信息、对象图像中对象的质量信息中的至少一种,从至少一个对象检测框中筛选出满足第一预设要求的至少一个第一检测框。
在一实施方式中,姿态信息包括俯仰角、偏航角、翻滚角中的至少一种,和/或,质量信息包括清晰度、完整度、遮挡度中的至少一种。
在一实施方式中,身份确定模块340具体用于:对最优图像进行特征提取,得到目标对象的最优特征向量;分别确定最优特征向量与数据库中的多个样本特征向量的相似度;在得到的多个相似度中确定最高相似度;响应于最高相似度超过相似度阈值,根据最高相似度对应的样本特征向量,确定目标对象的身份信息。
在一实施方式中,检测框模块310还用于在最高相似度未超过相似度阈值时,将下一周期内的待检测视频流确定为当前周期内的待检测视频流,并继续对当前周期内的待检测视频流进行目标识别,得到目标人脸的至少一个人脸检测框,以及第一筛选模块320、第二筛选模块330以及身份确定模块340继续执行相应的步骤,直至最高相似度超过相似度阈值。
在一实施方式中,人脸识别装置300还包括数据库模块,用于在最高相似度超过相似度阈值时,将数据库中与最高相似度对应的样本特征向量,更新为最优特征向量。
在一实施方式中,身份确定模块340具体用于:根据最优图像,确定目标对象的特征属性;根据数据库中各个子库对应的特征属性与目标对象的特征属性的匹配度,确定各个子库的优先级;按照优先级从高到低的顺序,在子库中查找与最优图像匹配的样本特征向量;根据匹配的样本特征向量,确定目标对象的身份信息。
在一实施方式中,身份确定模块340具体用于:对最优图像进行活体检测;响应于最优图像中存在活体,根据最优图像,确定目标对象的身份信息。
在一实施方式中,对象识别装置300还包括数据库模块,用于获取样本目标的样本图像;对样本图像进行目标识别,得到样本目标的人脸检测框;以及响应于样本图像满足第二预设要求,从人脸检测框内的人脸图像中提取样本特征向量;将样本特征向量与样本目标的身份信息对应保存在数据库中。
在一实施方式中,数据库模块具体用于根据样本图像的分辨率、对象检测框内对象的大小、对象的清晰度、对象的完整度、对象的遮挡度、对象的姿态信息以及对象检测框内的对象图像在样本图像中的占比中的至少一种为样本图像打分,得到样本图像的质量分数;响应于样本图像的质量分数超过分数阈值,从对象检测框内的对象图像中提取样本特征向量。
其中,对象识别装置300可以是电脑、手机等任一项具有图像处理能力的装置,在此不做限制。
其中,人脸识别装置300在工作时执行上述任一项实施方式中对象识别方法中的步骤,详细的步骤可参见上述内容,在此不再赘述。
参阅图8,图8是本申请计算机可读存储介质一实施方式的结构示意图。该计算机可读存储介质400存储有计算机程序410,计算机程序410能够被处理器执行以实现上述任一项方法中的步骤。
其中,计算机可读存储介质400具体可以为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)、磁碟或者光盘等可以存储计算机程序410的装置,或者也可以为存储有该计算机程序410的服务器,该服务器可将存储的计算机程序410发送给其他设备运行,或者也可以自运行该存储的计算机程序410。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (12)
1.一种对象识别方法,其特征在于,所述方法包括:
对当前周期内的待检测视频流进行目标识别,得到目标对象的至少一个对象检测框;
根据所述对象检测框内的对象图像的预设参数,从所述至少一个对象检测框中筛选出满足第一预设要求的至少一个第一检测框;
在所述至少一个第一检测框中,确定最优检测框;
根据所述最优检测框内的最优图像,确定所述目标对象的身份信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述对象检测框内的对象图像的预设参数,从所述至少一个对象检测框中筛选出满足第一预设要求的至少一个第一检测框的步骤,包括:
根据所述对象图像中对象的姿态信息、所述对象图像中对象的质量信息中的至少一种,从所述至少一个对象检测框中筛选出满足所述第一预设要求的所述至少一个第一检测框。
3.根据权利要求2所述的方法,其特征在于,所述姿态信息包括俯仰角、偏航角、翻滚角中的至少一种,和/或,所述质量信息包括清晰度、完整度、遮挡度中的至少一种。
4.根据权利要求1所述的方法,其特征在于,所述根据所述最优检测框内的最优图像,确定所述目标对象的身份信息的步骤,包括:
对所述最优图像进行特征提取,得到所述目标对象的最优特征向量;
分别确定所述最优特征向量与数据库中的多个样本特征向量的相似度;
在得到的多个所述相似度中确定最高相似度;
响应于所述最高相似度超过相似度阈值,根据所述最高相似度对应的所述样本特征向量,确定所述目标对象的身份信息。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若所述最高相似度未超过所述相似度阈值,则将下一周期内的待检测视频流确定为所述当前周期内的待检测视频流,并返回执行所述对当前周期内的待检测视频流进行目标识别,得到目标对象的至少一个对象检测框的步骤,直至所述最高相似度超过所述相似度阈值。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
响应于所述最高相似度超过相似度阈值,将所述数据库中与所述最高相似度对应的所述样本特征向量,更新为所述最优特征向量。
7.根据权利要求1所述的方法,其特征在于,所述根据所述最优检测框内的最优图像,确定所述目标对象的身份信息的步骤,包括:
根据所述最优图像,确定所述目标对象的特征属性;
根据数据库中各个子库对应的特征属性与所述目标对象的特征属性的匹配度,确定各个所述子库的优先级;
按照所述优先级从高到低的顺序,在所述子库中查找与所述最优图像匹配的样本特征向量;
根据匹配的所述样本特征向量,确定所述目标对象的身份信息。
8.根据权利要求1所述的方法,其特征在于,所述根据所述最优检测框内的最优图像,确定所述目标对象的身份信息的步骤,包括:
对所述最优图像进行活体检测;
响应于所述最优图像中存在活体,根据所述最优图像,确定所述目标对象的身份信息。
9.根据权利要求1所述的方法,其特征在于,在所述对当前周期内的待检测视频流进行目标识别,得到目标对象的至少一个对象检测框之前,还包括:
获取样本目标的样本图像;
对所述样本图像进行目标识别,得到所述样本目标的对象检测框;
响应于所述样本图像满足第二预设要求,从所述对象检测框内的对象图像中提取样本特征向量;
将所述样本特征向量与所述样本目标的身份信息对应保存在所述数据库中。
10.根据权利要求9所述的方法,其特征在于,所述响应于所述样本图像满足第二预设要求,从所述对象检测框内的对象图像中提取样本特征向量的步骤,包括:
根据所述样本图像的分辨率、所述对象检测框内对象的大小、对象的清晰度、对象的完整度、对象的遮挡度、对象的姿态信息以及所述对象检测框内的对象图像在所述样本图像中的占比中的至少一种为所述样本图像打分,得到所述样本图像的质量分数;
响应于所述样本图像的质量分数超过分数阈值,从所述对象检测框内的对象图像中提取所述样本特征向量。
11.一种对象识别装置,其特征在于,所述对象识别装置包括处理器、存储器以及通信电路,所述处理器分别耦接所述存储器、所述通信电路,所述存储器中存储有程序数据,所述处理器通过执行所述存储器内的所述程序数据以实现如权利要求1-10任一项所述方法中的步骤。
12.一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存储有计算机程序,所述计算机程序能够被处理器执行以实现如权利要求1-10任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111395407.5A CN114220045A (zh) | 2021-11-23 | 2021-11-23 | 对象识别方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111395407.5A CN114220045A (zh) | 2021-11-23 | 2021-11-23 | 对象识别方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114220045A true CN114220045A (zh) | 2022-03-22 |
Family
ID=80697976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111395407.5A Pending CN114220045A (zh) | 2021-11-23 | 2021-11-23 | 对象识别方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114220045A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049954A (zh) * | 2022-05-09 | 2022-09-13 | 北京百度网讯科技有限公司 | 目标识别方法、装置、电子设备和介质 |
-
2021
- 2021-11-23 CN CN202111395407.5A patent/CN114220045A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115049954A (zh) * | 2022-05-09 | 2022-09-13 | 北京百度网讯科技有限公司 | 目标识别方法、装置、电子设备和介质 |
CN115049954B (zh) * | 2022-05-09 | 2023-09-22 | 北京百度网讯科技有限公司 | 目标识别方法、装置、电子设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830230B2 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
US9367756B2 (en) | Selection of representative images | |
CN110569721A (zh) | 识别模型训练方法、图像识别方法、装置、设备及介质 | |
CN108846855B (zh) | 目标跟踪方法及设备 | |
CN107423306B (zh) | 一种图像检索方法及装置 | |
CN111626371A (zh) | 一种图像分类方法、装置、设备及可读存储介质 | |
CN111368758A (zh) | 一种人脸模糊度检测方法、装置、计算机设备及存储介质 | |
CN109255802B (zh) | 行人跟踪方法、装置、计算机设备及存储介质 | |
CN111241928B (zh) | 人脸识别底库优化方法、系统、设备、可读存储介质 | |
CN116110100B (zh) | 一种人脸识别方法、装置、计算机设备及存储介质 | |
CN111401196A (zh) | 受限空间内自适应人脸聚类的方法、计算机装置及计算机可读存储介质 | |
CN111783743A (zh) | 一种图像聚类方法及装置 | |
CN113344000A (zh) | 证件翻拍识别方法、装置、计算机设备和存储介质 | |
CN114299363A (zh) | 图像处理模型的训练方法、图像分类方法及装置 | |
WO2023284185A1 (en) | Updating method for similarity threshold in face recognition and electronic device | |
CN114220045A (zh) | 对象识别方法、装置及计算机可读存储介质 | |
CN111079587A (zh) | 人脸的识别方法、装置、计算机设备及可读存储介质 | |
CN112052251B (zh) | 目标数据更新方法和相关装置、设备及存储介质 | |
US10430459B2 (en) | Server and method for providing city street search service | |
CN115375929B (zh) | 目标模板集合的更新方法、装置及计算机可读存储介质 | |
CN115578765A (zh) | 目标识别方法、装置、系统及计算机可读存储介质 | |
CN115830342A (zh) | 检测框的确定方法、装置、存储介质及电子装置 | |
CN115984178A (zh) | 伪造图像检测方法、电子设备和计算机可读存储介质 | |
CN113723209A (zh) | 目标识别方法、装置、电子设备和计算机可读存储介质 | |
CN114140822A (zh) | 行人重识别方法及装置 |
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 |