CN115374302A - 对象检索方法、装置、电子设备和计算机可读介质 - Google Patents
对象检索方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN115374302A CN115374302A CN202110548550.7A CN202110548550A CN115374302A CN 115374302 A CN115374302 A CN 115374302A CN 202110548550 A CN202110548550 A CN 202110548550A CN 115374302 A CN115374302 A CN 115374302A
- Authority
- CN
- China
- Prior art keywords
- target
- algorithm
- similarity
- image
- retrieved
- 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
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- 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
- G06F16/538—Presentation of query results
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了对象检索方法、装置、电子设备和计算机可读介质。该方法的实施例包括:通过多个算法检测待检索图像中的对象与目标对象的相似度;在所得到的相似度中存在至少一个大于相似度阈值的目标相似度时,生成针对待检索图像的提示信息;将该目标相似度对应的算法作为目标算法,基于各目标相似度以及各目标算法的权重,确定该提示信息的优先级;基于该优先级,输出该提示信息。该实施方式能够有效降低误报率和漏报率,从而提高提示信息的准确性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及对象检索方法、装置、电子设备和计算机可读介质。
背景技术
随着计算机技术的发展,视频监控已被广泛应用于安防等多种场景中,通过视频监控,可有效保障群众安全。
现有技术中,通常仅通过某种单一算法对采集到的待检索图像进行检索,在检索出待检索图像中的对象为目标对象时发出提示信息。然而,由于单一算法性能有限,这种方式易出现漏报和误报等情况,导致提示信息的准确性较低。
发明内容
本申请实施例提出了对象检索方法、装置、电子设备和计算机可读介质,以解决现有技术中提示信息的准确性较低的技术问题。
第一方面,本申请实施例提供了一种对象检索方法,该方法包括:通过多个算法确定待检索图像中的对象与目标对象的相似度;在所得到的相似度中存在至少一个大于相似度阈值的目标相似度时,生成针对所述待检索图像的提示信息;将所述目标相似度对应的算法作为目标算法,基于各目标相似度以及各目标算法的权重,确定所述提示信息的优先级;基于所述优先级,输出所述提示信息
第二方面,本申请实施例提供了一种对象检索装置,该装置包括:第一确定单元,被配置成通过多个算法确定待检索图像中的对象与目标对象的相似度;生成单元,被配置成在所得到的相似度中存在至少一个大于相似度阈值的目标相似度时,生成针对所述待检索图像的提示信息;第二确定单元,被配置成将各目标相似度对应的算法作为目标算法,基于各目标相似度以及各目标算法的权重,确定所述提示信息的优先级;输出单元,被配置成基于所述优先级,输出所述提示信息。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面中所描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中所描述的方法。
本申请实施例提供的对象检索方法、装置、电子设备和计算机可读介质,通过多个算法确定待检索图像中的对象与目标对象的相似度,在存在至少一个大于相似度阈值的目标相似度时,生成针对待检索图像的提示信息,并基于各目标相似度及其对应的目标算法的权重确定提示信息的优先级,从而基于优先级输出提示信息。由此,可结合多个算法的检测结果输出提示信息,相较于基于单一算法检测方式,能够有效降低误报率和漏报率,从而提高提示信息的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是根据本申请的对象检索方法的一个实施例的流程图;
图2是根据本申请的对象检索方法的又一个实施例的流程图;
图3是根据本申请的对象检索方法的不同算法在输出不同相似度时的准确率曲线;
图4是根据本申请的对象检索方法的基于裁决结果所得到的统计信息的示意图;
图5是根据本申请的对象检索装置的一个实施例的结构示意图;
图6是用于实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
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。下面将参考附图并结合实施例来详细说明本申请。
请参考图1,其示出了根据本申请的对象检索方法的一个实施例的流程100。该对象检索方法可应用于电子设备,例如服务器、台式计算机、膝上型便携计算机、手机、平板电脑、可穿戴设备等各种电子设备。该对象检索方法,包括以下步骤:
步骤101,通过多个算法确定待检索图像中的对象与目标对象的相似度。
在本实施例中,对象检索方法的执行主体(如上述电子设备)中可预先部署多个用于进行对象识别的算法,如具有不同网络结构的人脸识别算法等。上述多个算法中的每个算法可具有算法标识,算法标识可以是算法的唯一标识符,可以是由一种或多种字符组成的字符串。上述执行主体可通过上述多个算法分别确定待检索图像中的对象与目标对象的相似度,得到基于各算法的相似度计算结果。
其中,待检索图像可以是图像采集装置(如监控摄像头)采集的实时图像。目标对象可以是预先指定的对象。目标对象的数量不作限定,可以是一个或多个。目标对象可具有对应的对象标识,用以唯一指示该目标对象。上述执行主体可以通过将待检索图像中的对象的特征与目标对象的特征进行特征向量之间距离计算的方式,确定待检索图像中的对象与目标对象的相似度。
在一些可选的实现方式中,上述执行主体可以预先获取包含目标对象的比对基础图像,并可以通过多个算法提取比对基础图像中的目标对象的特征,作为比对基础。在得到待检索图像后,可通过上述多个算法提取该待检索图像中的对象的特征,从而将每个算法提取的特征与目标对象的特征进行相似度计算。
在一些可选的实现方式中,上述执行主体可以预先获取并存储目标对象的特征。目标对象的特征可由与上述执行主体通信连接的其他电子设备(如上级的管控平台)发送至上述执行主体。在得到待检索图像后,可通过上述多个算法提取该待检索图像中的对象的特征,从而将每个算法提取的特征与目标对象的特征进行相似度计算。由于相较于图像而言,特征数据对存储空间占用量较小,因而更易于传输和存储。
需要说明的是,特征可采用向量、矩阵等形式表示。特征可以包括但不限于对象特征、人体特征、着装特征等。特征的相似度计算可采用欧氏距离、余弦定理等相似度计算方式执行,此处不作具体限定。
在一些可选的实现方式中,上述执行主体可通过对对象特征进行相似度比对,来确定待检索图像中的对象与目标对象的相似度。具体地,可预先获取目标对象的对象特征(为便于区分,可称为第一对象特征)。在得到待检索图像后,可通过上述多个算法提取待检索图像中的对象的对象特征(可称为第二对象特征),并确定通过各算法提取的第二对象特征与上述第一对象特征的相似度。此处,对象特征也可采用向量、矩阵等形式表示。
步骤102,在所得到的相似度中存在至少一个大于相似度阈值的目标相似度时,生成针对待检索图像的提示信息。
在本实施例中,由于相似度分别由多个算法检测,因而可得到多个相似度的检测结果。上述执行主体可分别确定各相似度是否大于相似度阈值。相似度阈值可以根据大量数据统计和历史经验预先设定,此处对其具体数值不作限定。当存在任一大于相似度阈值的相似度时,可视为已有算法检测出待检索图像中的对象为目标对象,因而可生成提示信息,以便相关人员裁决。同时,可将所得到的多个相似度中的满足上述预设条件的各个相似度分别作为目标相似度,以便于进行后续计算。
其中,提示信息中可包括但不限于以下至少一项内容:待检索图像的图像标识、提示信息的生成时间、裁决队列、提示信息优先级、裁决结果等。上述待检索图像的图像标识即待检索图像的唯一标识符。上述裁决队列中可包含检测出的相似度大于相似度阈值的算法的算法标识。由于大于相似度阈值的相似度即为目标相似度,因而裁决队列中所存储的算法标识即为目标相似度对应的算法的算法标识,也即检测出待检索图像中的对象为目标对象的算法的算法标识。上述裁决队列中还可包含目标对象的比对基础图像(可带有目标对象的对象标识),以便于在输出提示信息后由相关人员裁决。该比对基础图像可以是包含目标对象的清晰图像,如身份证照片等。上述提示信息的优先级此时可为默认值,如可默认为低优先级,在执行步骤103后,可对该优先级进行重新设定。上述裁决结果此时可为空,表示未裁决。
在实际应用中,由于不同算法的处理速度不同,因而不同算法输出的结果具有先后顺序。可在首次检测出待检索图像中的对象为目标对象后,生成一条提示信息。此时,该提示信息中的裁决队列中仅包含检测出待检索图像中的对象为目标对象的首个算法(即得到大于相似度阈值的目标相似度的首个算法)的算法标识,以及该首个算法检测出的目标对象的比对基础图像(可带有目标对象的对象标识)。对于后续针对同一待检索图像完成检测的每一个算法,若该算法的检测完成时间与待检索图像的提示信息的生成时间(即首次检测出待检索图像中的对象为目标对象的时间)的时间差小于或等于时间差阈值(可以是预设值,例如5秒),且该算法检测出待检索图像中的对象为目标对象,则可将该算法的算法标识和该算法识别输出的目标对象的基础图像(可包括目标对象的对象标识)添加至上述裁决队列中。
需要说明的是,对于后续完成检测的每个算法,若该算法的检测完成时间与提示信息的生成时间(即首次检测出待检索图像中的对象为目标对象的时间)的时间差大于时间差阈值(如5秒),则意味着该算法延时太大,此时可不基于该算法对提示信息进行更新。同时,可记录异常信息,以便于相关人员对该算法进行核查。
步骤103,将各目标相似度对应的算法作为目标算法,基于各目标相似度以及各目标算法的权重,确定提示信息的优先级。
在本实施例中,上述执行主体可首先将各目标相似度对应的算法(即检测出待检索图像中的对象为目标对象的算法)作为目标算法,获取各目标算法的权重。其中,目标算法的权重可以根据大量数据统计而预先设定,此处不作具体限定。
在得到各目标算法的权重后,可基于各目标相似度以及各目标算法的权重,确定提示信息的优先级。此处,可首先采用预设的计算方式(如线性计算方式、非线性计算方式等)计算得到一个表征提示信息重要程度的数值,而后基于该数值确定提示信息的优先级。其中,优先级可按照预设规则进行划分,如可划分为高优先级、中优先级、低优先级等。
在一些可选的实现方式中,可按照如下子步骤S11和子步骤S12确定提示信息的优先级:
子步骤S11,确定各目标相似度的可信度。
此处,可预先设置相似度与可信度的对应关系,基于该对应关系,可查询各目标相似度的可信度。
作为示例,对于每一个目标相似度,可首先确定该目标相似度所属的数值区间,而后将该数值区间对应的可信度作为该目标相似度的可信度。相似度所属的数值区间和数值区间对应的可信度可以是预先设置的。例如,相似度取值范围为[0,100],目标相似度为大于a的数值。可预先将大于a的数值范围(a,100]划分为三个数值区间,分别为(a,b]、(b,c]和(c,100],其中,a为大于0且小于b的数,b为小于c的数,c为小于100的数。不同的数值区间对应的可信度的数值可以预先设定,如(a,b]、(b,c]、(c,100]分别对应的可信度可分别设为0、1、2。若某一目标相似度的值属于数值区间(a,b],则其可信度即为0;若某一目标相似度的值属于数值区间(b,c],则其可信度即为1;若某一目标相似度的值属于数值区间(c,100],则其可信度即为2。
子步骤S12,获取各目标算法的权重,并基于所获取的权重对各目标算法的可信度加权求和,得到上述提示信息的优先级。
此处,可首先基于所获取的权重对各目标算法的可信度加权求和,得到表征提示信息重要程度的数值。而后,可基于该数值确定提示信息的优先级。
在对各目标算法的可信度加权求和时,可采用如下公式进行:
f(x1,x2,...,xN)=a1x1+a2x2+...+aNxN
其中,N为正整数。xi,i=1,2,...,N表示通过第i个目标算法检测出的目标相似度的可信度。在一些示例中,xi取值可以为2、1、0之一。ai,i=1,2,...,N表示第i个目标算法的权重。f(x1,x2,...,xN)为各目标算法的可信度加权求和结果。
在一些示例中,在确定提示信息的优先级时,可参照下表执行:
f(x<sub>1</sub>,x<sub>2</sub>,...,x<sub>N</sub>) | 优先级 |
[0,0.67) | 低 |
[0.67,1.33) | 中 |
[1.33,2] | 高 |
需要说明的是,优先级的确定方式不限于上表,还可根据需要进行其他设定。
步骤104,基于优先级,输出提示信息。
在本实施例中,上述执行主体可基于提示信息的优先级,输出提示信息。
在一些示例中,针对不同优先级,提示信息的输出顺序可以不同。例如,若步骤103所确定出的提示信息的优先级为高优先级,则可优先于其他中、低优先级的提示信息进行输出。若步骤103所确定出的提示信息的优先级为中优先级,则在可在其他高优先级的提示信息输出完毕后再进行输出。若步骤103所确定出的提示信息的优先级为低优先级,则在可在其他高、低优先级的提示信息均输出完毕后再进行输出。
在另一些示例中,针对不同优先级,提示信息的输出方式也可以不同。例如,若步骤103所确定出的提示信息的优先级为高优先级,则可同时采用声音和文字两种形式输出该提示信息。若步骤103所确定出的提示信息的优先级为中优先级或低优先级,则可仅采用文字形式输出该提示信息。
本申请的上述实施例提供的方法,通过多个算法检测待检索图像中的对象与目标对象的相似度,在存在至少一个大于相似度阈值的目标相似度时,生成提示信息,并基于各目标相似度及其对应的目标算法的权重确定提示信息的优先级,从而基于优先级输出提示信息。由于提示信息的优先级基于各目标算法的权重及各目标算法所确定的相似度计算得到,因而基于此优先级输出提示信息,融合了多个算法的检测结果,相较于基于单一算法检测方式,能够有效降低误报率和漏报率,从而提高提示信息的准确性。此外,基于优先级输出提示信息,可便于用户区分出提示信息的可信度,从而便于用户基于提示信息开展后续工作。
进一步参考图2,其示出了对象检索方法的又一个实施例的流程200。该对象检索方法的流程200,包括以下步骤:
步骤201,通过多个算法确定待检索图像中的对象与目标对象的相似度。
本实施例中的步骤201可参见图1对应实施例的步骤101,此处不再赘述。
步骤202,在所得到的相似度中存在至少一个大于相似度阈值的目标相似度时,生成针对待检索图像的提示信息。
本实施例中的步骤202可参见图1对应实施例的步骤102,此处不再赘述。
步骤203,将各目标相似度对应的算法作为目标算法,基于各目标相似度以及各目标算法的权重,确定提示信息的优先级。
本实施例中的步骤203可参见图1对应实施例的步骤103,此处不再赘述。
步骤204,基于优先级,输出提示信息。
在本实施例中,提示信息中可包括但不限于以下至少一项内容:待检索图像的图像标识、待检索图像的抓拍时间、裁决队列、提示信息优先级、裁决结果等。上述裁决队列中可包含检测出的相似度大于相似度阈值的算法的算法标识,即目标相似度对应的算法的算法标识,也即检测出待检索图像中的对象为目标对象的算法的算法标识;上述裁决队列中还可包含目标对象的比对基础图像(可带有对象标识)。
本实施例中的步骤204可参见图1对应实施例的步骤104,此处不再赘述。
步骤205,获取针对提示信息的裁决结果。
在本实施例中,对象检索方法的执行主体可以获取针对提示信息的裁决结果。裁决结果可用于指示各目标算法的检测结果的是否正确。裁决结果可由相关人员人工设定,也可以基于预设的规则来自动生成,还可以结合人工和预设的规则共同确定。作为示例,可首先基于提示信息中的裁决队列中所包含的算法标识的数量以及提示信息中的提示信息优先级来自动裁决。若裁决队列中所包含的算法标识数量大于或等于某一预设值(或者裁决队列中所包含的算法标识的数量占比大于某一预设值)且提示信息优先级为高,则可认为将裁决队列中的各个算法标识所指示的目标算法的检测结果均正确。若裁决队列中所包含的算法标识数量小于该预设值,可转由人工裁决。
裁决结果可以表示为检测结果正确的目标算法的算法标识集合。例如,目标算法包括算法A和算法B,若裁决结果中仅包括目标算法A的算法标识,则表示算法A的检测结果正确,算法B的检测结果不正确。若裁决结果中既包括目标算法A的算法标识,也包括目标算法B的算法标识,则表示算法A和算法B的检测结果均正确。需要说明的是,若全部的目标算法的检测结果都不正确,则裁决结果可不包含任一算法标识。实践中,裁决结果中还可包含裁决状态标识,用以表征是否已裁决,若未裁决,裁决状态标识可以为空或者0;若已由人工裁决,则裁决状态标识可以为1。若无需人工裁决(如根据预设规则自动裁决)则裁决状态标识可以为2。不同裁决状态下裁决状态标识的数值还可进行其他设定,不限于上述示例。
在实际应用中,提示信息中可包含裁决结果字段,该字段的值默认为空,表示未裁决。在得到裁决结果后,可基于所得到的裁决结果更新提示信息中的裁决结果字段,以便于后续的数据统计。
步骤206,基于裁决结果,更新各目标算法的权重。
在本实施例中,由于裁决结果可用于指示各目标算法的检测结果的是否正确,因此,上述执行主体可以基于裁决结果,更新各目标算法的权重,使得各目标算法的权重能够动态更新。
在本实施例的一些可选的实现方式中,同一算法在输出不同相似度时的准确率可以不同。例如,相似度可位于数值范围[0,100],某算法A输出的相似度为85时的准确率为87%,输出相似度为95时的准确率为100%。此外,不同算法在输出相同相似度时的准确率也可以不同。例如,某算法A输出的相似度为85时的准确率为87%,某算法B在输出相似度为85时的准确率为85%。不同算法在输出不同相似度时的准确率曲线可参见图3中的示意。鉴于此,上述执行主体可以基于裁决结果更新各目标算法在输出相应的目标相似度时的准确率(可称为第一准确率)。而后,可以基于更新后的第一准确率,更新各目标算法在输出相应的目标相似度时的权重。由此,可使得权重能够针对算法所输出的相似度时的准确率而设定,使第一准确率越高,目标算法在输出相应的目标相似度时的权重越大,在使各目标算法的权重能够动态更新的同时,提高了算法的权重的合理性。
具体地,对于每一个目标算法,若裁决结果指示该目标算法的检测结果正确,可令该目标算法在输出其所对应的目标相似度时的正确次数加1,进而更新该目标算法在输出其所对应的目标相似度时的准确率。例如,通过某目标算法A检测得到的目标相似度的值为85。该目标算法A在历史上共输出过50次值为85的相似度检测结果,经过对历史裁决结果的统计,其中共有47次的检测结果正确,则第一准确率的原始值为94%。若此次历史裁决结果指示目标算法A此次的检测结果正确,则目标算法A输出值为85的相似度检测结果的次数可更新为51次,检测结果正确的次数可更新为48次,由此可将第一准确率可更新为48/51(约94.1%)。
在本实施例的一些可选的实现方式中,针对具有不同图像特征(如亮度、清晰度、对比度等特征中的一项或多项)的图像,同一目标算法的检测结果的准确率可以不同。且针对具有同一图像特征的图像,不同算法的检测结果的准确率也可以不同。鉴于此,上述执行主体可以获取待检索图像的目标图像特征。而后,可基于裁决结果,更新各目标算法在检测具有该目标图像特征的待检索图像时的准确率(可称为第二准确率)。最后,可基于第二准确率,更新各目标算法在检测具有目标图像特征的待检索图像时的权重,以使第一准确率越高,权重越大,在使各目标算法的权重能够动态更新的同时,提高了算法的权重的合理性。
具体地,对于每一个目标算法,若裁决结果指示该目标算法的检测结果正确,可令该目标算法在检测具有该目标图像特征的待检索图像时的正确次数加1,进而更新该目标算法在检测具有该目标图像特征的待检索图像时的准确率。实践中,以亮度为例,可得到“亮度-某算法准确率”的曲线。这样,如果某个算法在针对某亮度的图像检测具有较高准确率,则可给该算法赋予较高的权重。
在本实施例的一些可选的实现方式中,提示信息中可包括各目标算法的算法标识,裁决结果中可包括正确的目标算法的算法标识。在获取到针对提示信息的裁决结果之后,上述执行主体还可以基于提示信息中的算法标识和裁决结果中的算法标识,统计各目标算法的误报数(如统计各目标算法在一周内的误报数、在一个月内的误报数等),进而展示各目标算法的误报数,以作为辅助信息供相关人员参考。可以理解的是,所展示内容不限于目标算法的误报数,还可以包括其余的算法的误报数。
其中,在计算某一目标算法的误报数时,若提示信息中存在该目标算法的算法标识,但裁决结果中未包括该目标算法的算法标识,则可认为该目标算法在此次报警时存在误报,可将该目标算法的误报数在历史误报数的基础上加1,由此使得误报数得到更新。
在本实施例的一些可选的实现方式中,在接收针对提示信息的裁决结果之后,上述执行主体还可以基于提示信息中的算法标识,统计多个算法中的各算法的漏报数,进而展示各算法的漏报数,以作为辅助信息供相关人员参考。其中,对于某一算法,若该算法需要检测出目标对象(即通过该算法检测出的待检索图像中的对象与目标对象的相似度应大于相似度阈值),但通过该算法实际检测出的相似度小于或等于相似度阈值(即提示信息中不包括该目标算法的算法标识),则可以认为该目标算法在此次报警时存在漏报,此时可将该目标算法的漏报数在历史漏报数的基础上加1,使得漏报数得到更新。
作为示例,图4示出了统计信息的示意图。如图4所示,除了可基于裁决结果统计误报数、漏报数、准确率等外,还可以统计如图中所示的其他所需的内容,此处对统计信息的具体不作具体限定。通过对统计信息进行展示,能够为相关人员进行算法裁决提供更丰富的信息。
从图2中可以看出,与图1对应的实施例相比,本实施例中的对象检索方法的流程200涉及了接收针对提示信息的裁决结果,并基于裁决结果更新各目标算法的权重的步骤,由此可使得各目标算法的权重能够动态更新,提高了各目标算法的权重的合理性。进一步的,还涉及了通过对裁决结果进行信息统计的步骤,由此能够为相关人员进行算法裁决提供更丰富的信息,使相关人员能够准确确定出不同算法的优劣程度,有助于使用者选择性能较佳的算法,并且可以逐步完善裁决评价方法,减少人工工作量。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种对象检索装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的对象检索装置500包括:第一确定单元501,被配置成通过多个算法确定待检索图像中的对象与目标对象的相似度;生成单元502,被配置成在所得到的相似度中存在至少一个大于相似度阈值的目标相似度时,生成针对上述待检索图像的提示信息;第二确定单元503,被配置成将各目标相似度对应的算法作为目标算法,基于各目标相似度以及各目标算法的权重,确定上述提示信息的优先级;输出单元504,被配置成基于上述优先级,输出上述提示信息。
在本实施例的一些可选的实现方式中,上述第一确定单元501,进一步被配置成:获取目标对象的第一对象特征;通过多个算法提取待检索图像中的对象的第二对象特征,并确定通过各算法提取的第二对象特征与上述第一对象特征的相似度。
在本实施例的一些可选的实现方式中,上述第二确定单元503,进一步被配置成:确定各目标相似度的可信度;获取各目标算法的权重,并基于所获取的权重对各目标相似度的可信度加权求和,得到上述提示信息的优先级。
在本实施例的一些可选的实现方式中,上述第二确定单元503,进一步被配置成:对于每一个目标相似度,确定该目标相似度所属的数值区间,将上述数值区间对应的可信度作为该目标相似度的可信度。
在本实施例的一些可选的实现方式中,上述装置还包括:更新单元,被配置成获取针对上述提示信息的裁决结果,上述裁决结果用于指示各目标算法的检测结果的是否正确;基于上述裁决结果,更新各目标算法的权重。
在本实施例的一些可选的实现方式中,上述更新单元,进一步被配置成:基于上述裁决结果,更新各目标算法在输出相应的目标相似度时的第一准确率;基于更新后的第一准确率,更新各目标算法在输出相应的目标相似度时的权重。
在本实施例的一些可选的实现方式中,上述更新单元,进一步被配置成:获取上述待检索图像的目标图像特征;基于上述裁决结果,更新各目标算法在检测具有上述目标图像特征的待检索图像时的第二准确率;基于上述第二准确率,更新各目标算法在检测具有上述目标图像特征的待检索图像时的权重。
在本实施例的一些可选的实现方式中,上述提示信息中包括各目标算法的算法标识,上述裁决结果中包括正确的目标算法的算法标识;以及,上述装置还包括:第一统计单元,被配置成基于提示信息中的算法标识和上述裁决结果中的算法标识,统计各目标算法的误报数;展示各目标算法的误报数。
在本实施例的一些可选的实现方式中,上述提示信息中包括各目标算法的算法标识;以及,上述装置还包括:第二统计单元,被配置成基于提示信息中的算法标识,统计上述多个算法中的各算法的漏报数;展示各算法的漏报数。
在本实施例的一些可选的实现方式中,上述第二确定单元503,进一步被配置成:将大于相似度阈值的相似度作为目标相似度,在获取到首个目标相似度时,生成针对上述待检索图像的提示信息,并确定上述提示信息的生成时间,其中,上述提示信息中包括裁决队列,上述裁决队列中包括确定出上述首个目标相似度的算法的算法标识;对于在上述首个目标相似度之后获取到的每一个目标相似度,响应于该目标相似度的产生时间与上述生成时间的时间差小于或等于时间差阈值,将确定出该目标相似度的算法的算法标识添加至上述裁决队列中。
本申请的上述实施例提供的装置,通过多个算法检测待检索图像中的对象与目标对象的相似度,在存在至少一个大于相似度阈值的目标相似度时,生成提示信息,并基于各目标相似度及其对应的目标算法的权重确定提示信息的优先级,从而基于优先级输出提示信息。由此,可结合多个算法的检测结果输出提示信息,相较于基于单一算法检测方式,能够有效降低误报率和漏报率,从而提高提示信息的准确性。
下面参考图6,其示出了用于实现本申请的一些实施例的电子设备的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁盘、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本申请的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本申请的一些实施例的方法中限定的上述功能。
需要说明的是,本申请的一些实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:通过多个算法检测待检索图像中的对象与目标对象的相似度;在所得到的相似度中存在至少一个大于相似度阈值的目标相似度时,生成针对所述待检索图像的提示信息;将该目标相似度对应的算法作为目标算法,基于各目标相似度以及各目标算法的权重,确定该提示信息的优先级;基于该优先级,输出该提示信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的一些实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++;还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接),上述网络包括局域网(LAN)或广域网(WAN)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一确定单元、第二确定单元、选取单元和第三确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本申请的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种对象检索方法,其特征在于,所述方法包括:
通过多个算法确定待检索图像中的对象与目标对象的相似度;
在所得到的相似度中存在至少一个大于相似度阈值的目标相似度时,生成针对所述待检索图像的提示信息;
将所述目标相似度对应的算法作为目标算法,基于各目标相似度以及各目标算法的权重,确定所述提示信息的优先级;
基于所述优先级,输出所述提示信息。
2.根据权利要求1所述的方法,其特征在于,所述通过多个算法确定待检索图像中的对象与目标对象的相似度,得到多个相似度,包括:
获取目标对象的第一对象特征;
通过多个算法提取待检索图像中的对象的第二对象特征,并确定通过各算法提取的第二对象特征与所述第一对象特征的相似度。
3.根据权利要求1所述的方法,其特征在于,所述基于各目标相似度以及各目标算法的权重,确定所述提示信息的优先级,包括:
确定各目标相似度的可信度;
获取各目标算法的权重,并基于所获取的权重对各目标相似度的可信度加权求和,得到所述提示信息的优先级。
4.根据权利要求3所述的方法,其特征在于,所述确定各目标相似度的可信度,包括:
对于每一个目标相似度,确定该目标相似度所属的数值区间,将所述数值区间对应的可信度作为该目标相似度的可信度。
5.根据权利要求1-4中任一项所述的方法,其特征在于,在输出所述提示信息之后,所述方法还包括:
获取针对所述提示信息的裁决结果,所述裁决结果用于指示各目标算法的检测结果的是否正确;
基于所述裁决结果,更新各目标算法的权重。
6.根据权利要求5所述的方法,其特征在于,所述基于所述裁决结果,更新各目标算法的权重,包括:
基于所述裁决结果,更新各目标算法在输出相应的目标相似度时的第一准确率;
基于更新后的第一准确率,更新各目标算法在输出相应的目标相似度时的权重。
7.根据权利要求5-6中任一项所述的方法,其特征在于,所述基于所述裁决结果,更新各目标算法的权重,包括:
获取所述待检索图像的目标图像特征;
基于所述裁决结果,更新各目标算法在检测具有所述目标图像特征的待检索图像时的第二准确率;
基于所述第二准确率,更新各目标算法在检测具有所述目标图像特征的待检索图像时的权重。
8.根据权利要求5-7中任一项所述的方法,其特征在于,所述提示信息中包括各目标算法的算法标识,所述裁决结果中包括正确的目标算法的算法标识;以及,
在所述接收针对所述提示信息的裁决结果之后,所述方法还包括:
基于所述提示信息中的算法标识和所述裁决结果中的算法标识,统计各目标算法的误报数;和/或
基于所述提示信息中的算法标识,统计所述多个算法中的各算法的漏报数。
9.根据权利要求1-8中任一项所述的方法,其特征在于,在所得到的相似度中存在至少一个大于相似度阈值的目标相似度时,生成针对所述待检索图像的提示信息,包括:
将大于相似度阈值的相似度作为目标相似度,在获取到首个目标相似度时,生成针对所述待检索图像的提示信息,并确定所述提示信息的生成时间,其中,所述提示信息中包括裁决队列,所述裁决队列中包括确定出所述首个目标相似度的算法的算法标识;
对于在所述首个目标相似度之后获取到的每一个目标相似度,响应于该目标相似度的产生时间与所述生成时间的时间差小于或等于时间差阈值,将确定出该目标相似度的算法的算法标识添加至所述裁决队列中。
10.一种对象检索装置,其特征在于,所述装置包括:
第一确定单元,被配置成通过多个算法确定待检索图像中的对象与目标对象的相似度;
生成单元,被配置成在所得到的相似度中存在至少一个大于相似度阈值的目标相似度时,生成针对所述待检索图像的提示信息;
第二确定单元,被配置成将各目标相似度对应的算法作为目标算法,基于各目标相似度以及各目标算法的权重,确定所述提示信息的优先级;
输出单元,被配置成基于所述优先级,输出所述提示信息。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110548550.7A CN115374302A (zh) | 2021-05-19 | 2021-05-19 | 对象检索方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110548550.7A CN115374302A (zh) | 2021-05-19 | 2021-05-19 | 对象检索方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115374302A true CN115374302A (zh) | 2022-11-22 |
Family
ID=84059303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110548550.7A Pending CN115374302A (zh) | 2021-05-19 | 2021-05-19 | 对象检索方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115374302A (zh) |
-
2021
- 2021-05-19 CN CN202110548550.7A patent/CN115374302A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765340B (zh) | 模糊图像处理方法、装置及终端设备 | |
CN111489290B (zh) | 一种人脸图像超分辨重建方法、装置及终端设备 | |
CN110929799B (zh) | 用于检测异常用户的方法、电子设备和计算机可读介质 | |
CN112948614B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114500339B (zh) | 一种节点带宽监测方法、装置、电子设备及存储介质 | |
US20210192217A1 (en) | Method and apparatus for processing video | |
CN115103210B (zh) | 信息处理方法、装置、终端和存储介质 | |
CN111400126A (zh) | 网络服务异常数据检测方法、装置、设备和介质 | |
CN112530074A (zh) | 排队叫号提醒方法、装置、设备及存储介质 | |
CN114356703A (zh) | 一种根因分析方法及装置 | |
CN111414921B (zh) | 样本图像处理方法、装置、电子设备及计算机存储介质 | |
CN110347973B (zh) | 用于生成信息的方法和装置 | |
CN115374302A (zh) | 对象检索方法、装置、电子设备和计算机可读介质 | |
EP3940667A2 (en) | Vehicle association method and device, roadside equipment and cloud control platform | |
CN115187364A (zh) | 银行分布式场景下保证金风险监控的方法及装置 | |
CN112488857B (zh) | 事件识别的方法、装置、电子设备和存储介质 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN111898027A (zh) | 确定特征维度的方法、装置、电子设备和计算机可读介质 | |
CN111898529A (zh) | 脸部检测方法、装置、电子设备和计算机可读介质 | |
CN115131740B (zh) | 告警信息关联方法、装置、电子设备和计算机可读介质 | |
CN115100461B (zh) | 图像分类模型训练方法、装置、电子设备、介质 | |
CN112073202B (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN109948536B (zh) | 一种发呆识别方法及装置 | |
CN116049848A (zh) | 数据处理的方法、装置、电子设备和存储介质 | |
CN111178534A (zh) | 价值分布函数的确定方法、装置、电子设备及可读介质 |
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 |