CN117496195B - 一种目标匹配图像的确定方法、电子设备及存储介质 - Google Patents
一种目标匹配图像的确定方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117496195B CN117496195B CN202311459047.XA CN202311459047A CN117496195B CN 117496195 B CN117496195 B CN 117496195B CN 202311459047 A CN202311459047 A CN 202311459047A CN 117496195 B CN117496195 B CN 117496195B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- matching
- similarity
- preset
- 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 33
- 239000013256 coordination polymer Substances 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims 1
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Abstract
本发明提供了一种目标匹配图像的确定方法、电子设备及存储介质,涉及目标匹配图像确定领域,所述方法包括:获取目标人员对应的初始图像;从预设的历史图像库中获取与初始图像符合第一预设匹配条件的每一候选匹配图像,以得到候选匹配图像集A;从A中获取若干目标人员图像,以得到目标人员图像集B;并从A中获取若干非目标人员图像,以得到非目标人员图像集C;获取A中每一候选匹配图像与B中的每一目标人员图像的相似度,以得到第一相似度列表集α;并获取A中每一初始匹配图像与C中的每一非目标人员图像的相似度,以得到第二相似度列表集β;根据α和β,从A中确定出若干目标人员对应的目标匹配图像;本发明提高了图像匹配的准确性。
Description
技术领域
本发明涉及目标匹配图像确定领域,特别是涉及一种目标匹配图像的确定方法、电子设备及存储介质。
背景技术
随着图像分析技术的快速发展,越来越多的领域会用到图像分析技术,例如,在人员追踪领域,会根据已有的目标人员对应的图像,从众多的历史视频和历史图像中确定出与目标人员相匹配的若干图像;现有技术中,通常是通过预设的图像比对算法,将已有的目标人员对应的图像与所有的历史视频和历史图像进行逐个比对,从而确定出与目标人员相匹配的图像;然而,通常情况下,已有的目标人员对应的图像的数量较少,因此,通过该方式匹配出的图像的准确性较低。
发明内容
针对上述技术问题,本发明提供了一种目标匹配图像的确定方法、电子设备及存储介质,以解决现有技术中匹配出的图像的准确性较低的问题。
根据本申请的第一方面,提供了一种目标匹配图像的确定方法,所述方法包括以下步骤:
S100,获取目标人员对应的初始图像;
S200,通过预设的第一图像匹配模型,从预设的历史图像库中获取与初始图像符合第一预设匹配条件的每一候选匹配图像,以得到候选匹配图像集A=(A1,A2,…,Ai,…,An),i=1,2,…,n;其中,Ai为从预设的历史图像库中获取到的第i个候选匹配图像,n为从预设的历史图像库中获取到的候选匹配图像的数量;
S300,从A中获取若干目标人员图像,以得到目标人员图像集B=(B1,B2,…,Bj,…,Bm),j=1,2,…,m;并从A中获取若干非目标人员图像,以得到非目标人员图像集C=(C1,C2,…,CP,…,Cq),p=1,2,…,q;其中,Bj为从A中获取的第j个目标人员图像,m为从A中获取的目标人员图像的数量;CP为从A中获取的第p个非目标人员图像,q为从A中获取的非目标人员图像的数量;目标人员图像对应的人员与目标人员相同,非目标人员图像对应的人员与目标人员不同;
S400,通过预设的第二图像匹配模型,获取A中每一候选匹配图像与B中的每一目标人员图像的相似度,以得到第一相似度列表集α=(α1,α2,…,αi,…,αn);并获取A中每一初始匹配图像与C中的每一非目标人员图像的相似度,以得到第二相似度列表集β=(β1,β2,…,βi,…,βn);其中,αi为Ai对应的第一相似度列表,βi为Ai对应的第二相似度列表;αi=(αi,1,αi,2,…,αi,j,…,αi,m),βi=(βi,1,βi,2,…,βi,p,…,βi,q);αi,j为Ai与Bj的相似度,βi,p为Ai与CP的相似度;
S500,根据α和β,从A中确定出若干目标人员对应的目标匹配图像。
根据本申请的另一方面,还提供了一种非瞬时性计算机可读存储介质,存储介质中存储有至少一条指令或至少一段程序,至少一条指令或至少一段程序由处理器加载并执行以实现上述目标匹配图像的确定方法。
根据本申请的另一方面,还提供了一种电子设备,包括处理器和上述非瞬时性计算机可读存储介质。
本发明至少具有以下有益效果:
本发明的目标匹配图像的确定方法,通过预设的第一图像匹配模型,从预设的历史图像库中获取与初始图像符合第一预设匹配条件的若干候选匹配图像,从若干候选匹配图像中确定出若干目标人员图像和非目标人员图像;再通过预设的第二图像匹配模型,获取A中每一候选匹配图像与B中的每一目标人员图像的相似度,进而从A中确定出若干目标人员对应的目标匹配图像;本发明再第一阶段能够粗略确定出较多的候选匹配图像,从而根据目标人员确定出较多的目标人员图像和非目标人员图像,在通过预设的第二图像匹配模型时,所能够参照的图像样本包括了目标人员真实对应的图像以及非目标人员对应的图像,因此,在图像对比的准确度上大大提高,从而提高图像匹配的准确性。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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。
图1为本发明实施例提供的目标匹配图像的确定方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其他方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其他结构及/或功能性实施此设备及/或实践此方法。
下面将参照图1所述的目标匹配图像的确定方法的流程图,对一种目标匹配图像的确定方法进行介绍。
所述目标匹配图像的确定方法包括以下步骤:
S100,获取目标人员对应的初始图像。
本实施例中,目标人员为用户指定的人员,目标人员对应的图像可以为目标人员的照片,目标人员对应的图像中至少包括目标人员的人脸特征或身体特征。
S200,通过预设的第一图像匹配模型,从预设的历史图像库中获取与初始图像符合第一预设匹配条件的每一候选匹配图像,以得到候选匹配图像集A=(A1,A2,…,Ai,…,An),i=1,2,…,n;其中,Ai为从预设的历史图像库中获取到的第i个候选匹配图像,n为从预设的历史图像库中获取到的候选匹配图像的数量。
具体的,候选匹配图像集A通过以下步骤得到:
S210,通过预设的第一图像匹配模型,获取预设的历史图像库中每一历史图像与初始图像的相似度,以得到初始相似度列表QE=(QE1,QE2,…,QEa,…,QEb),a=1,2,…,b;其中,QEa为预设的历史图像库中第a个历史图像与初始图像的相似度,b为预设的历史图像库中历史图像的数量。
S211,遍历QE,若QEa>HJ,则将QEa对应的历史图像确定为候选匹配图像;其中,HJ为预设的第二相似度阈值,0<HJ<1。
本实施例中,HJ设置较小,例如HJ=0.6;能够得到较多数量的候选匹配图像,避免遗漏一些包含有目标人员的历史图像。
本实施例中,历史图像库通过以下步骤得到:
S220,获取预设的若干摄像头拍摄的若干历史视频;其中,每一摄像头设置于预设的不同位置。
本实施例中,在一个区域的不同位置分别设置有摄像头,例如,一个城市内的不同道路上的摄像头,楼宇内的摄像头等;每一摄像头均实时的拍摄固定区域的视频画面,并将拍摄的画面存储于预设的存储空间内,或者上传至云端;能够将每一摄像头在预设的历史时间段内拍摄的视频获取到。
S221,将每一历史视频转换为若干历史图像,以得到所述历史图像库。
本实施例中,需要说明的是,本领域技术人员能够根据实际需要采用现有的视频转图像的方法将获取到的每一历史视频转换为若干历史图像,以得到所述历史图像库,此处不加赘述。
需要说明的是,第一图像匹配模型在对图像进行匹配时,所消耗的算力较小,且预设的图像的相似度阈值也较小,因此,通过第一图像匹配模型在对初始图像进行匹配时,能够在算力消耗较小的前提下,从历史图像库中匹配出较多的候选匹配图像,由此,能够尽可能的将与初始图像相似的历史图像匹配出来,避免遗漏掉某些与初始图像相似的历史图像。
S300,从A中获取若干目标人员图像,以得到目标人员图像集B=(B1,B2,…,Bj,…,Bm),j=1,2,…,m;并从A中获取若干非目标人员图像,以得到非目标人员图像集C=(C1,C2,…,CP,…,Cq),p=1,2,…,q;其中,Bj为从A中获取的第j个目标人员图像,m为从A中获取的目标人员图像的数量;CP为从A中获取的第p个非目标人员图像,q为从A中获取的非目标人员图像的数量;目标人员图像对应的人员与目标人员相同,非目标人员图像对应的人员与目标人员不同。
可以理解的是,在步骤S200中,由于第一图像匹配模型预设的图像的相似度阈值较低,因此,所匹配出的候选匹配图像中会存在有目标人员图像和非目标人员图像;因此,能够通过人工筛选的方式确定出若干目标人员图像以及若干非目标人员图像;由此,不仅扩充了包含有目标人员的图像的数量,还获取到了若干包含有与目标人员较为相似的人员的图像,使得后续确定出的目标人员对应的目标匹配图像更加准确。
S400,通过预设的第二图像匹配模型,获取A中每一候选匹配图像与B中的每一目标人员图像的相似度,以得到第一相似度列表集α=(α1,α2,…,αi,…,αn);并获取A中每一初始匹配图像与C中的每一非目标人员图像的相似度,以得到第二相似度列表集β=(β1,β2,…,βi,…,βn);其中,αi为Ai对应的第一相似度列表,βi为Ai对应的第二相似度列表;αi=(αi,1,αi,2,…,αi,j,…,αi,m),βi=(βi,1,βi,2,…,βi,p,…,βi,q);αi,j为Ai与Bj的相似度,βi,p为Ai与CP的相似度。
本实施例中,预设的第二图像匹配模型在计算A中每一候选匹配图像与B中的每一目标人员图像的相似度时,所消耗的算力较大,由此,能够得到较为准确的相似度;需要说明的是,本领域技术人员能够根据需要将现有的相似度计算方法应用于预设的第二图像匹配模型,获取A中每一候选匹配图像与B中的每一目标人员图像的相似度,此处不加赘述。
S500,根据α和β,从A中确定出若干目标人员对应的目标匹配图像。
具体的,根据α和β,从A中确定出若干目标人员对应的目标匹配图像,包括以下步骤:
S510,根据α,确定A中每一候选匹配图像对应的第一目标相似度,以得到第一目标相似度列表U=(U1,U2,…,Ui,…,Un);其中,Ui为Ai对应的第一目标相似度;Ui=∑m j=1αi,j。
本实施例中,Ai对应的第一目标相似度为Ai与B中每一目标人员图像的相似度的均值,由此,能够避免Ai与B中某一目标人员图像的相似度发生偏差,导致最终的结果错误的情况发生。
S520,根据β,确定A中每一候选匹配图像对应的第二目标相似度,以得到第二目标相似度列表W=(W1,W2,…,Wi,…,Wn);其中,Wi为Ai对应的第二目标相似度;Wi=∑q p=1βi,p。
本实施例中,Ai对应的第二目标相似度为Ai与C中每一非目标人员图像的相似度的均值,由此,能够避免Ai与C中某一非目标人员图像的相似度发生偏差,导致最终的结果错误的情况发生。
S530,根据U、W以及A中每一候选匹配图像对应的拍摄时间和拍摄地点,从A中确定出若干目标人员对应的目标匹配图像。
具体的,根据U、W以及A中每一候选匹配图像对应的拍摄时间和拍摄地点,从A中确定出若干目标人员对应的目标匹配图像,包括以下步骤:
S531,根据U和W,确定A中每一候选图像对应的相似度组,以得到相似度组列表TY=(TY1,TY2,…,TYi,…,TYn);其中,TYi为Ai对应的相似度组;TYi=(Ui,Wi)。
本实施例中,上述步骤确定出每一候选图像的第一目标相似度和第二目标相似度,能够将Ai对应的第一目标相似度以及第二目标相似度与Ai进行关联,以得到TYi。
S532,遍历TY,若Ui>Wi且Ui>WJ,则将Ai确定为中间匹配图像,以得到中间匹配图像集Z=(Z1,Z2,…,Zr,…,Zs),r=1,2,…,s;其中,Zr为从A中确定出的第r个中间匹配图像,s为从A中确定出的中间匹配图像的数量;WJ为预设的第一相似度阈值,0<WJ<1。
本实施例中,Ui>Wi,表示Ai与目标人员图像更为相似;Ui>WJ,表示Ai与目标人员图像的相似度是满足要求的,例如,WJ=0.9;通过两个判断条件来判断Ai是否为目标人员对应的中间匹配图像,使得判断结果更加准确。
S533,获取Z中每一中间匹配图像的拍摄时间及拍摄地点,以得到Z对应的时间地点列表集SD=(SD1,SD2,…,SDr,…,SDs);其中,SDr为Zr对应的时间地点列表;SDr=(SDr,1,SDr,2);SDr,1为Zr对应的拍摄时间,SDr,2为Zr对应的拍摄地点。
可以理解的是,中间匹配图像也是通过预设的摄像头拍摄的视频得到,每一摄像头所设置的位置是固定的,且每一中间匹配图像对应有拍摄时间,因此,能够获取Z中每一中间匹配图像的拍摄时间及拍摄地点。
S534,根据B中每一目标人员图形的拍摄时间和拍摄地点以及SD,确定Z对应的速度信息组列表H=(H1,H2,…,Hr,…,Hs);其中,Hr为Zr对应的速度信息组;Hr=(Hr,1,Hr,2,…,Hr,j,…,Hr,m);Hr,j为Zr与Bj之间的参考速度;Hr,j=Lr,j/Tr,j;Lr,j为Zr对应的拍摄地点与Bj对应的拍摄地点之间的距离,Tr,j为Zr对应的拍摄时间与Bj对应的拍摄时间之间的时间间隔。
可以理解的是,B中的每一目标人员图像均为目标人员本人的图像,每一目标人员图像均对应有拍摄时间和拍摄地点,结合SD能够得到Hr;需要说明的是,Lr,j为从Zr对应的拍摄地点通过最快的交通方式到达Bj对应的拍摄地点的距离;例如,从Zr对应的拍摄地点通过乘坐汽车的方式到达Bj对应的拍摄地点的距离。
S535,遍历H,若Hr中的每一参考速度均小于预设的速度阈值,则将Hr对应的中间匹配图像确定为目标人员对应的目标匹配图像。
本实施例中,以Hr,j为例,Zr对应的拍摄地点与Bj对应的拍摄地点之间的距离是一定的,根据Zr对应的拍摄时间以及Bj对应的拍摄时间,也能够确定出Zr与Bj之间的拍摄时间间隔,进而能够得到目标人员从Zr对应的拍摄地点到达Bj对应的拍摄地点的参考速度,该参考速度理论上是应该小于预设的速度阈值,例如,预设的速度阈值为120km/h;如果Hr,j大于预设的速度阈值,可判断Hr对应的中间匹配图像不是目标人员对应的目标匹配图像;由此,能够进一步的提高确定出的目标人员对应的目标匹配图像的准确性。
本实施例的目标匹配图像的确定方法,通过预设的第一图像匹配模型,从预设的历史图像库中获取与初始图像符合第一预设匹配条件的若干候选匹配图像,从若干候选匹配图像中确定出若干目标人员图像和非目标人员图像;再通过预设的第二图像匹配模型,获取A中每一候选匹配图像与B中的每一目标人员图像的相似度,进而从A中确定出若干目标人员对应的目标匹配图像;本发明再第一阶段能够粗略确定出较多的候选匹配图像,从而根据目标人员确定出较多的目标人员图像和非目标人员图像,在通过预设的第二图像匹配模型时,所能够参照的图像样本包括了目标人员真实对应的图像以及非目标人员对应的图像,因此,在图像对比的准确度上大大提高,从而提高图像匹配的准确性。
进一步的,在确定目标人员对应的目标匹配图像时,还结合了中间匹配图像对应的拍摄时间和拍摄地点,进一步提高确定出的目标人员对应的目标匹配图像的准确性。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
本发明的实施例还提供了一种非瞬时性计算机可读存储介质,该存储介质可设置于电子设备之中以保存用于实现方法实施例中一种方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述实施例提供的方法。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本发明的实施例还提供了一种电子设备,包括处理器和前述的非瞬时性计算机可读存储介质。
根据本申请的这种实施方式的电子设备。电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:上述至少一个处理器、上述至少一个储存器、连接不同系统组件(包括储存器和处理器)的总线。
其中,所述储存器存储有程序代码,所述程序代码可以被所述处理器执行,使得所述处理器执行本说明书中描述的各种实施例中的步骤。
储存器可以包括易失性储存器形式的可读介质,例如随机存取储存器(RAM)和/或高速缓存储存器,还可以进一步包括只读储存器(ROM)。
储存器还可以包括具有一组(至少一个)程序模块的程序/实用工具,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线可以为表示几类总线结构中的一种或多种,包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备交互的设备通信,和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且,电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器通过总线与电子设备的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
本发明的实施例还提供一种计算机程序产品,其包括程序代码,当所述程序产品在电子设备上运行时,所述程序代码用于使该电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的方法中的步骤。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。
Claims (10)
1.一种目标匹配图像的确定方法,其特征在于,所述方法包括以下步骤:
S100,获取目标人员对应的初始图像;
S200,通过预设的第一图像匹配模型,从预设的历史图像库中获取与初始图像符合第一预设匹配条件的每一候选匹配图像,以得到候选匹配图像集A=(A1,A2,…,Ai,…,An),i=1,2,…,n;其中,Ai为从预设的历史图像库中获取到的第i个候选匹配图像,n为从预设的历史图像库中获取到的候选匹配图像的数量;
S300,从A中获取若干目标人员图像,以得到目标人员图像集B=(B1,B2,…,Bj,…,Bm),j=1,2,…,m;并从A中获取若干非目标人员图像,以得到非目标人员图像集C=(C1,C2,…,CP,…,Cq),p=1,2,…,q;其中,Bj为从A中获取的第j个目标人员图像,m为从A中获取的目标人员图像的数量;CP为从A中获取的第p个非目标人员图像,q为从A中获取的非目标人员图像的数量;目标人员图像对应的人员与目标人员相同,非目标人员图像对应的人员与目标人员不同;
S400,通过预设的第二图像匹配模型,获取A中每一候选匹配图像与B中的每一目标人员图像的相似度,以得到第一相似度列表集α=(α1,α2,…,αi,…,αn);并获取A中每一初始匹配图像与C中的每一非目标人员图像的相似度,以得到第二相似度列表集β=(β1,β2,…,βi,…,βn);其中,αi为Ai对应的第一相似度列表,βi为Ai对应的第二相似度列表;αi=(αi,1,αi,2,…,αi,j,…,αi,m),βi=(βi,1,βi,2,…,βi,p,…,βi,q);αi,j为Ai与Bj的相似度,βi,p为Ai与CP的相似度;
S500,根据α和β,从A中确定出若干目标人员对应的目标匹配图像。
2.根据权利要求1所述的目标匹配图像的确定方法,其特征在于,步骤S500包括以下步骤:
S510,根据α,确定A中每一候选匹配图像对应的第一目标相似度,以得到第一目标相似度列表U=(U1,U2,…,Ui,…,Un);其中,Ui为Ai对应的第一目标相似度;Ui=∑m j=1αi,j;
S520,根据β,确定A中每一候选匹配图像对应的第二目标相似度,以得到第二目标相似度列表W=(W1,W2,…,Wi,…,Wn);其中,Wi为Ai对应的第二目标相似度;Wi=∑q p=1βi,p;
S530,根据U、W以及A中每一候选匹配图像对应的拍摄时间和拍摄地点,从A中确定出若干目标人员对应的目标匹配图像。
3.根据权利要求2所述的目标匹配图像的确定方法,其特征在于,步骤S530包括以下步骤:
S531,根据U和W,确定A中每一候选图像对应的相似度组,以得到相似度组列表TY=(TY1,TY2,…,TYi,…,TYn);其中,TYi为Ai对应的相似度组;TYi=(Ui,Wi);
S532,遍历TY,若Ui>Wi且Ui>WJ,则将Ai确定为中间匹配图像,以得到中间匹配图像集Z=(Z1,Z2,…,Zr,…,Zs),r=1,2,…,s;其中,Zr为从A中确定出的第r个中间匹配图像,s为从A中确定出的中间匹配图像的数量;WJ为预设的第一相似度阈值,0<WJ<1;
S533,获取Z中每一中间匹配图像的拍摄时间及拍摄地点,以得到Z对应的时间地点列表集SD=(SD1,SD2,…,SDr,…,SDs);其中,SDr为Zr对应的时间地点列表;SDr=(SDr,1,SDr,2);SDr,1为Zr对应的拍摄时间,SDr,2为Zr对应的拍摄地点;
S534,根据B中每一目标人员图形的拍摄时间和拍摄地点以及SD,确定Z对应的速度信息组列表H=(H1,H2,…,Hr,…,Hs);其中,Hr为Zr对应的速度信息组;Hr=(Hr,1,Hr,2,…,Hr,j,…,Hr,m);Hr,j为Zr与Bj之间的参考速度;Hr,j=Lr,j/Tr,j;Lr,j为Zr对应的拍摄地点与Bj对应的拍摄地点之间的距离,Tr,j为Zr对应的拍摄时间与Bj对应的拍摄时间之间的时间间隔;
S535,遍历H,若Hr中的每一参考速度均小于预设的速度阈值,则将Hr对应的中间匹配图像确定为目标人员对应的目标匹配图像。
4.根据权利要求3所述的目标匹配图像的确定方法,其特征在于,步骤S200包括以下步骤:
S210,通过预设的第一图像匹配模型,获取预设的历史图像库中每一历史图像与初始图像的相似度,以得到初始相似度列表QE=(QE1,QE2,…,QEa,…,QEb),a=1,2,…,b;其中,QEa为预设的历史图像库中第a个历史图像与初始图像的相似度,b为预设的历史图像库中历史图像的数量;
S211,遍历QE,若QEa>HJ,则将QEa对应的历史图像确定为候选匹配图像;其中,HJ为预设的第二相似度阈值,0<HJ<1。
5.根据权利要求4所述的目标匹配图像的确定方法,其特征在于,WJ>HJ。
6.根据权利要求1所述的目标匹配图像的确定方法,其特征在于,第一图像匹配模型的算力消耗小于第二图像匹配模型的算力消耗。
7.根据权利要求1所述的目标匹配图像的确定方法,其特征在于,所述历史图像库通过以下步骤得到:
S220,获取预设的若干摄像头拍摄的若干历史视频;其中,每一摄像头设置于预设的不同位置;
S221,将每一历史视频转换为若干历史图像,以得到所述历史图像库。
8.根据权利要求1所述的目标匹配图像的确定方法,其特征在于,所述初始图像至少包括目标人员的人脸特征。
9.一种非瞬时性计算机可读存储介质,所述存储介质中存储有至少一条指令或至少一段程序,其特征在于,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-8中任意一项所述的目标匹配图像的确定方法。
10.一种电子设备,其特征在于,包括处理器和权利要求9所述的非瞬时性计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311459047.XA CN117496195B (zh) | 2023-11-03 | 一种目标匹配图像的确定方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311459047.XA CN117496195B (zh) | 2023-11-03 | 一种目标匹配图像的确定方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117496195A CN117496195A (zh) | 2024-02-02 |
CN117496195B true CN117496195B (zh) | 2024-05-31 |
Family
ID=
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942036A (zh) * | 2019-11-29 | 2020-03-31 | 深圳市商汤科技有限公司 | 人员识别方法及装置、电子设备和存储介质 |
CN114937246A (zh) * | 2022-07-06 | 2022-08-23 | 中航信移动科技有限公司 | 一种行人识别方法、电子设备及存储介质 |
CN116884076A (zh) * | 2023-08-01 | 2023-10-13 | 以萨技术股份有限公司 | 一种指定人员预警方法、电子设备及存储介质 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942036A (zh) * | 2019-11-29 | 2020-03-31 | 深圳市商汤科技有限公司 | 人员识别方法及装置、电子设备和存储介质 |
CN114937246A (zh) * | 2022-07-06 | 2022-08-23 | 中航信移动科技有限公司 | 一种行人识别方法、电子设备及存储介质 |
CN116884076A (zh) * | 2023-08-01 | 2023-10-13 | 以萨技术股份有限公司 | 一种指定人员预警方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108776787B (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN108520220B (zh) | 模型生成方法和装置 | |
CN108710885B (zh) | 目标对象的检测方法和装置 | |
CN112699991A (zh) | 用于加速神经网络训练的信息处理的方法、电子设备和计算机可读介质 | |
EP3637310A1 (en) | Method and apparatus for generating vehicle damage information | |
CN111523640B (zh) | 神经网络模型的训练方法和装置 | |
CN109961041B (zh) | 一种视频识别方法、装置及存储介质 | |
EP3985610A1 (en) | Audio collection device positioning method and apparatus, and speaker recognition method and system | |
CN112183166A (zh) | 确定训练样本的方法、装置和电子设备 | |
CN113327599B (zh) | 语音识别方法、装置、介质及电子设备 | |
CN115965657B (zh) | 目标跟踪方法、电子设备、存储介质及车辆 | |
CN111368878A (zh) | 一种基于ssd目标检测的优化方法、计算机设备和介质 | |
CN113128419A (zh) | 一种障碍物识别方法和装置、电子设备及存储介质 | |
CN114565812A (zh) | 语义分割模型的训练方法、装置和图像的语义分割方法 | |
CN112950626A (zh) | 清晰度的确定方法、介质、装置和计算设备 | |
CN117496195B (zh) | 一种目标匹配图像的确定方法、电子设备及存储介质 | |
CN117496195A (zh) | 一种目标匹配图像的确定方法、电子设备及存储介质 | |
CN110781809A (zh) | 基于注册特征更新的识别方法、装置及电子设备 | |
CN115828889A (zh) | 文本分析方法、情感分类模型、装置、介质、终端及产品 | |
CN111242322B (zh) | 后门样本的检测方法、装置和电子设备 | |
CN114067196A (zh) | 生成图像场景信息的方法及装置 | |
CN113792655A (zh) | 一种意图识别方法、装置、电子设备及计算机可读介质 | |
CN113031600B (zh) | 一种轨迹生成方法、装置、存储介质及电子设备 | |
CN117726148B (zh) | 一种服务器的适配度确定方法、电子设备及存储介质 | |
CN115862085A (zh) | 确定人脸角度的方法及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |