CN111259183A - 图像识图方法、装置、电子设备和介质 - Google Patents

图像识图方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN111259183A
CN111259183A CN202010108757.8A CN202010108757A CN111259183A CN 111259183 A CN111259183 A CN 111259183A CN 202010108757 A CN202010108757 A CN 202010108757A CN 111259183 A CN111259183 A CN 111259183A
Authority
CN
China
Prior art keywords
image
target front
identified
recognized
client
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.)
Granted
Application number
CN202010108757.8A
Other languages
English (en)
Other versions
CN111259183B (zh
Inventor
张苗
王群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010108757.8A priority Critical patent/CN111259183B/zh
Publication of CN111259183A publication Critical patent/CN111259183A/zh
Priority to EP20196103.4A priority patent/EP3869393B1/en
Priority to US17/025,320 priority patent/US11789997B2/en
Priority to JP2020159199A priority patent/JP7096302B2/ja
Priority to KR1020210022182A priority patent/KR102642866B1/ko
Application granted granted Critical
Publication of CN111259183B publication Critical patent/CN111259183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • 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
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • 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
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • 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
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • User Interface Of Digital Computer (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种图像识图方法、装置、电子设备和介质，涉及图像处理领域。具体实现方案为：获取客户端发送的待识别图像，并确定待识别图像是否为背影图像；在确定待识别图像是背影图像时，确定待识别图像在至少一个维度上的特征信息；根据特征信息，确定与待识别图像匹配的目标正面图像，并将目标正面图像返回给客户端，以使客户端对目标正面图像进行显示。本申请通过确定用户发送的待识别图像是否为背影图像，若是则确定待识别图像在至少一个维度上的特征信息，并根据特征信息确定待识别图像匹配的目标正面图像，最终将目标正面图像返回客户端并展示给用户，实现了增加识图结果的信息量，增强了用户体验的技术效果。

Description

图像识图方法、装置、电子设备和介质
技术领域
本申请实施例涉及计算机技术，尤其涉及图像处理技术，具体涉及一种图像识图方法、装置、电子设备和介质。
背景技术
常规的图片搜索技术，是通过输入关键词的形式搜索到互联网上相关的图片资源。随着技术的发展，现在新兴的识图技术，能实现用户通过上传图片或输入图片的url地址，从而搜索到互联网上与这张图片相似的其他图片资源，同时也能找到这张图片相关的信息。
但是，在某些场景下，用户上传人物背影图片进行识图后，得到的都是和人物背影相关的信息，这就使得识图结果包含的信息量较少，无法满足用户的识图需求，并且识图结果不具有惊喜感，用户体验不足。
发明内容
本申请实施例提供一种图像识图方法、装置、电子设备和介质，以增加识图结果的信息量，增强用户体验。
第一方面，本申请实施例公开了一种图像识图方法，应用于服务端，包括：
获取客户端发送的待识别图像，并确定所述待识别图像是否为背影图像；
在确定所述待识别图像是背影图像时，确定所述待识别图像在至少一个维度上的特征信息；
根据所述特征信息，确定与所述待识别图像匹配的目标正面图像，并将所述目标正面图像返回给所述客户端，以使所述客户端对所述目标正面图像进行显示。
上述申请中的一个实施例具有如下优点或有益效果：通过确定用户发送的待识别图像是否为背影图像，若是则确定待识别图像在至少一个维度上的特征信息，并根据特征信息确定待识别图像匹配的目标正面图像，最终将目标正面图像返回客户端并展示给用户，实现了增加识图结果的信息量，增强了用户体验的技术效果。
可选的，所述方法还包括：
对所述待识别图像进行识图，确定所述待识别图像的获得相关所述待识别图像的识图结果信息，并将所述待识别图像的相关信息待识别图像的识图结果信息返回给所述客户端，以使所述客户端对所述待识别图像的相关信息待识别图像的识图结果信息进行显示。
上述申请中的一个实施例具有如下优点或有益效果：通过对待识别图像进行识图，确定待识别图像的识图结果信息，并返回给客户端供客户端向用户展示待识别图像的识图结果信息，使得用户可以获取与待识别图像相关联的信息，实现了对待识别图像进行识图的技术效果。
可选的，根据所述特征信息，确定与所述待识别图像匹配的目标正面图像，包括：将所述特征信息与图像库中各候选正面图像在至少一个维度上的特征信息进行匹配，并将匹配成功的特征信息对应的候选正面图像，作为目标正面图像；其中，维度包括肤色、体型、发型、服装和场景中的至少一个。
上述申请中的一个实施例具有如下优点或有益效果：通过将待识别图像的特征信息与图像库中各候选正面图像在至少一个维度上的特征信息进行匹配，并将匹配成功的特征信息对应的候选正面图像，作为目标正面图像，实现了根据待识别图像的特征信息，从图像库中确定待识别图像对应的目标正面图像的技术效果，为后续将该目标正面图像返回给客户端并展示给用户奠定了基础。
可选的，确定与所述待识别图像匹配的目标正面图像之后，所述方法还包括：
对所述目标正面图像进行识图，确定获得所述目标正面图像的相关识图结果信息，并将所述目标正面图像的相关识图结果信息返回给所述客户端，以使所述客户端对所述目标正面图像的相关识图结果信息进行显示。上述申请中的一个实施例具有如下优点或有益效果：通过对目标正面图像进行识图，确定目标正面图像的识图结果信息，并在返回给客户端供客户端向用户展示目标正面图像的识图结果信息，使得用户可以获取与目标正面图像相关联的信息，实现了对目标正面图像进行识图的技术效果。
第二方面，本申请实施例提供了一种图像识图方法，应用于客户端，包括：
将待识别图像发送至服务端，以使服务端根据所述待识别图像，确定与所述待识别图像匹配的目标正面图像；
获取服务端发送的所述目标正面图像，并在可视化区域中对所述目标正面图像进行显示。
上述申请中的一个实施例具有如下优点或有益效果：通过将待识别图像发送至服务端，以使服务端确定与待识别图像匹配的目标正面图像，并获取服务端发送的目标正面图像，并在可视化区域中对目标正面图像进行显示，实现了增加识图结果的信息量，增强了用户体验的技术效果。
可选的，获取服务端发送的所述目标正面图像之前，所述方法还包括：
获取服务端发送的所述待识别图像的识图结果信息，并在所述可视化区域中对所述待识别图像的识图结果信息进行显示。
上述申请中的一个实施例具有如下优点或有益效果：通过获取服务端发送的待识别图像的识图结果信息，并在可视化区域中对所述待识别图像的识图结果信息进行显示，使得用户可通过客户端可视化区域中浏览待识别图像的识图结果信息，满足用户对待识别图像进行识图的技术效果。
可选的，获取服务端发送的所述目标正面图像，在可视化区域中对所述目标正面图像进行显示，包括：
若检测到用户对于可视化区域中切换按钮的触控操作，则获取服务端发送的所述目标正面图像，在所述可视化区域中将所述待识别图像以动画切换的形式，切换显示为所述目标正面图像。
上述申请中的一个实施例具有如下优点或有益效果：通过当用户触控切换按钮后，获取服务端发送的目标正面图像，并在可视化区域中将待识别图像以动画切换的形式，切换展示为所述目标正面图像，使得从识图结果和交互上带给用户一种惊喜感，增强了用户体验。
可选的，所述方法还包括：
获取服务端发送的所述目标正面图像的识图结果信息，并在所述可视化区域中对所述目标正面图像的识图结果信息进行显示。
上述申请中的一个实施例具有如下优点或有益效果：通过获取服务端发送的目标正面图像的识图结果信息，并在可视化区域中对所述目标正面图像的识图结果信息进行显示，使得用户可通过客户端可视化区域中浏览目标正面图像的识图结果信息，使得用户不仅能够获取待识别图像的识图结果信息，还可以获取待识别图像对应目标正面图像的识图结果信息，实现了增加识图结果的信息量，增强了用户体验的技术效果。
第三方面，本申请实施例还公开了一种图像识图装置，配置于服务端，该装置包括：
待识别图像获取模块，用于获取客户端发送的待识别图像，并确定所述待识别图像是否为背影图像；
特征信息确定模块，用于在确定所述待识别图像是背影图像时，确定所述待识别图像在至少一个维度上的特征信息；
目标正面图像确定模块，用于根据所述特征信息，确定与所述待识别图像匹配的目标正面图像，并将所述目标正面图像返回给所述客户端，以使所述客户端对所述目标正面图像进行显示。
第四方面，本申请实施例还公开了一种图像识图装置，配置于客户端，该装置包括：
待识别图像发送模块，用于将用户上传的待识别图像发送至服务端，以使服务端确定与所述待识别图像匹配的目标正面图像；
目标正面图像显示模块，用于获取服务端发送的所述目标正面图像，并在可视化区域中对所述目标正面图像进行显示。
第五方面，本申请实施例还公开了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任意实施例所述的图像识图方法。
第六方面，本申请实施例还公开了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请任意实施例所述的图像识图方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1A是根据本申请第一实施例的一种现有识图结果示意图；
图1B是根据本申请第一实施例的一种图像识图方法的流程示意图；
图1C是根据本申请第一实施例的一种待识别图像的维度信息示意图；
图2A是根据本申请第二实施例的一种图像识图方法的流程示意图；
图2B是根据本申请第二实施例的一种目标正面图像的示意图；
图3A是根据本申请第三实施例的一种图像识图方法的流程示意图；
图3B是根据本申请第三实施例的一种待识别图像上传页面的示意图；
图4A是根据本申请第四实施例的一种图像识图方法的流程示意图；
图4B是根据本申请第四实施例的一种引导切换按钮的示意图；
图4C是根据本申请第四实施例的一种动画切换展示目标正面图像的示意图；
图5为本申请实施例五提供的一种图像识图装置的结构示意图；
图6为本申请实施例六提供的一种图像识图装置的结构示意图；
图7是用来实现本申请实施例的图像识图方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例一
目前的识图技术，当用户上传人物背影图片进行识图后，得到的都是和人物背影相关的信息，图1A为一种现有识图结果示意图，其中100表示用户上传的背影图像，101表示和该人物背影相关的信息。
图1B为本申请实施例一提供的一种图像识图方法的流程示意图。本实施例适用于用户想浏览发送的背影图像对应的正面图像的情况，该方法可以应用于服务端，可以由本申请实施例提供的配置于服务端的图像识图装置来执行，该装置可以采用软件和/或硬件的方式实现。如图1B所示，该方法可以包括：
S101、获取客户端发送的待识别图像，并确定所述待识别图像是否为背影图像。
其中，服务端包括但不限于VC++或者delphi等进行编写，优选的采用socket接口来接收客户端发送的数据。待识别图像的格式包括但不限于RAW格式、BMP格式、JPEG格式和PNG格式等。背影图像包括但不限于真人背影图像、动漫人物背影图像、电影人物背影图像或动物背影图像等等。
具体的，服务端获取用户发送的待识别图像后，首先根据预设的目标检测算法确定待识别图像中的物体是否为目标物体，其中目标物体包括人物或者动物等，目标检测算法包括但不限于YOLO算法、R-CNN算法或Fast-RCNN算法等。若确定待识别图像中的物体是目标物体，则对所述待识别图像进行特征检测，以确定待识别图像中是否包括目标特征，其中目标特征包括但不限于眼睛、嘴巴、鼻子、眉毛、牙齿或者瞳孔等等。若确定待识别图像中不包括目标特征，则确定待识别图像为背影图像，相应的，若确定待识别图像中包括目标特征，则确定待识别图像不是背影图像。
通过获取客户端发送的待识别图像，并确定待识别图像是否为背影图像，为后续确定待识别图像在至少一个维度上的特征信息奠定了基础，避免了对所有待识别图像都确定特征信息，导致计算量过大的问题。
S102、在确定所述待识别图像是背影图像时，确定所述待识别图像在至少一个维度上的特征信息。
其中，所述维度包括但不限于肤色、体型、发型、服装和场景中的至少一类。各维度又包括不同的特征信息，示例性的，“肤色”维度包括但不限于白皙、小麦色或黝黑等特征信息；“体型”维度包括但不限于偏瘦、中等、偏胖或胖等特征信息；“发型”维度包括但不限于短发、中长发或者长发等特征信息；“服装”维度包括但不限于短裙、长裙、背心或夹克等特征信息；“场景”维度包括但不限于海边、沙滩、地铁或办公室等特征信息。
具体的，服务端将待识别图像输入到预先建立的特征信息识别模型中，以得到待识别图像在至少一个维度上的特征信息，其中，特征信息识别模型是一种神经网络模型，其通过如下方式构建得到的：获取海量的背影图像作为训练样本图像，并对各训练样本图像以人工方式进行特征信息标注，得到各训练样本图像在至少一个维度上的特征信息，最终将各训练样本图像和对应的特征信息进行训练，得到特征信息识别模型。图1C为一种待识别图像的维度信息示意图，其中102为待识别图像，103为该待识别图像的维度信息。
通过当确定待识别图像是背影图像时，确定待识别图像在至少一个维度上的特征信息，为后续确定待识别图像匹配的目标正面图像，奠定了数据基础，保证了最终确定待识别图像对应的目标正面图像能够顺利完成。
S103、根据所述特征信息，确定与所述待识别图像匹配的目标正面图像，并将所述目标正面图像返回给所述客户端，以使所述客户端对所述目标正面图像进行显示。
具体的，服务端根据所述特征信息，从图像库中进行查找，以确定与所述待识别图像匹配的目标正面图像。其中，图像库中包含了从众多网络社区、网络论坛和网页中爬取的正面图像，以及通过特征信息识别模型确定的各正面图像对应的特征信息，且各正面图像以及对应的特征信息在图像库中关联存储，存储的形式包括KV键值对的形式，其中键值Key为正面图像，数据值Value为特征信息。确定了目标正面图像后，服务端将该目标正面图像返回给客户端，供客户端将该目标正面图像展示在屏幕上预设的可视化区域中，供用户观看。
通过根据特征信息，确定与待识别图像匹配的目标正面图像，并将目标正面图像返回给客户端，以使客户端对目标正面图像进行显示，增加了识图结果带给用户的惊喜感，提高了用户体验。
本申请实施例提供的技术方案，通过确定用户发送的待识别图像是否为背影图像，若是则确定待识别图像在至少一个维度上的特征信息，并根据特征信息确定待识别图像匹配的目标正面图像，最终将目标正面图像返回客户端并展示给用户，实现了增加识图结果的信息量，增强了用户体验的技术效果。
实施例二
图2A为本申请实施例二提供的一种图像识图方法的流程示意图。本实施例为上述实施例一提供了一种具体实现方式，如图2A所示，该方法可以包括：
S201、获取客户端发送的待识别图像，并对所述待识别图像进行识图，获得所述待识别图像的识图结果信息，并将所述待识别图像的识图结果信息返回给所述客户端，以使所述客户端对所述待识别图像的识图结果信息进行显示。
其中，通过现有的识图技术对待识别图像进行识图，得到待识别图像的识图结果信息。
具体的，服务端获取用户发送的待识别图像后，根据预设的特征提取算法，例如SIFT算法、指纹函数算法或者散列函数算法等，将待识别图像进行特征提取，得到待识别图像的图像特征；将图像特征进行编码，得到待识别图像的特征编码，编码方式包括独热编码或标签编码等；最终根据特征编码在图像库中进行全局相似度计算，并根据所需要的鲁棒性设定阈值，将相似度大于该阈值的图像作为相似图像，并将相似图像的预存相关信息作为待识别图像的识图结果信息返回给客户端，供客户端在可视化区域中向用户展示所述待识别图像的识图结果信息，其中待识别图像的识图结果信息包括但不限于图像出处信息、人物服装信息、物品信息以及场景信息(比如景色景点)等。
通过对待识别图像进行识图，确定待识别图像的识图结果信息，并返回给客户端供客户端向用户展示待识别图像的识图结果信息，使得用户可以获取与待识别图像相关联的信息，实现了对待识别图像进行识图的技术效果。
S202、确定所述待识别图像是否为背影图像，在确定所述待识别图像是背影图像时，确定所述待识别图像在至少一个维度上的特征信息。
S203、将所述特征信息与图像库中各候选正面图像在至少一个维度上的特征信息进行匹配，并将匹配成功的特征信息对应的候选正面图像，作为目标正面图像。
其中，维度包括肤色、体型、发型、服装和场景中的至少一个。
示例性的，假设待识别图像的特征信息包括：“肤色：白皙”、“体型：中等”、“发型：中长发”、“服装：白色长裙”以及“场景：海边”，候选正面图像A的特征信息包括：“肤色：白皙”、“体型：中等”、“发型：中长发”、“服装：白色长裙”以及“场景：沙滩”，由于待识别图像的特征信息中的“海边”与候选正面图像A的特征信息中的“沙滩”不同，则候选正面图像A不是待识别图像的目标正面图像。候选正面图像B的特征信息包括：“肤色：白皙”、“体型：中等”、“发型：中长发”、“服装：白色长裙”以及“场景：海边”，待识别图像的特征信息与候选正面图像B的特征信息完全相同，即匹配成功，则将候选正面图像B作为待识别图像的目标正面图像。如图2B所示，图2B为一种目标正面图像的示意图，其中200表示待识别图像，201表示特征信息匹配失败的候选正面图像A，202表示特征信息匹配成功的候选正面图像B，即目标正面图像。
S204、对所述目标正面图像进行识图，获得所述目标正面图像的识图结果信息，并将所述目标正面图像的识图结果信息以及所述目标正面图像返回给所述客户端，以使所述客户端对所述目标正面图像的识图结果信息以及目标正面图像进行显示。
具体的，服务端根据预设的特征提取算法，例如SIFT算法、指纹函数算法或者散列函数算法等，将目标正面图像进行特征提取，得到目标正面图像的图像特征；将图像特征进行编码，得到目标正面图像的特征编码，编码方式包括独热编码或标签编码等；最终根据特征编码在图像库中进行全局相似度计算，并根据所需要的鲁棒性设定阈值，将相似度大于该阈值的图像作为相似图像，并将相似图像的预存相关信息作为目标正面图像的识图结果信息，最终将目标正面图像的识图结果信息以及目标正面图像返回给客户端，供客户端在可视化区域中向用户展示所述目标正面图像的识图结果信息以及目标正面图像，其中目标正面图像的识图结果信息包括但不限于图像出处信息、人物服装信息、物品信息以及场景信息(比如景色景点)等。
本申请实施例提供的技术方案，通过将所述特征信息与图像库中各候选正面图像在至少一个维度上的特征信息进行匹配，并将匹配成功的特征信息对应的候选正面图像，作为目标正面图像；对所述目标正面图像进行识图，确定所述目标正面图像的识图结果信息，并将所述目标正面图像的识图结果信息以及所述目标正面图像返回给所述客户端，以使所述客户端对所述目标正面图像的识图结果信息以及目标正面图像进行显示，实现了根据背影图像展示正面图像的技术效果，使得识图结果不仅包括待识别图像的识图结果信息，还包括待识别图像对应目标正面图像的识图结果信息，增加了识图结果的信息量，并且从识图结果上带给用户一种惊喜感，增强了用户体验。
实施例三
图3A为本申请实施例三提供的一种图像识图方法的流程示意图。本实施例适用于用户想浏览发送的背影图像对应的正面图像的情况，该方法可以应用于客户端，可以由本申请实施例提供的配置于客户端的图像识图装置来执行，该装置可以采用软件和/或硬件的方式实现。如图3A所示，该方法可以包括：
S301、将待识别图像发送至服务端，以使服务端根据所述待识别图像，确定与所述待识别图像匹配的目标正面图像。
其中，客户端包括但不限于安装在终端上的APP或小程序等。
具体的，用户访问客户端中的待识别图像上传页面，并通过该上传页面将终端中存储的待识别图像，发送至服务端中，其中终端包括移动终端，例如智能手机或平板电脑等，和固定终端，例如个人电脑或一体机等。图3B为一种待识别图像上传页面的示意图，其中300表示上传按钮，当用户点击该上传按钮后，用户选择终端中存储的任一图像作为待识别图像，并发送给服务端，以使服务端根据所述待识别图像，确定与所述待识别图像匹配的目标正面图像。
S302、获取服务端发送的所述目标正面图像，并在可视化区域中对所述目标正面图像进行显示。
其中，客户端设置有可视化区域，在该可视化区域中可以向用户展示信息，包括图像信息、文字信息和视频信息等。
具体的，客户端获取服务端发送的所述目标正面图像，并将该目标正面图像渲染到可视化区域中，用户可以直接在可视化区域中查看待识别图像对应的目标正面图像。
本申请实施例提供的技术方案，通过将待识别图像发送至服务端并获取服务端发送的待识别图像对应的目标正面图像，并在可视化区域中对所述目标正面图像进行显示。实现了根据背影图像识别正面图像的技术效果，增加识图结果的信息量，增强了用户体验的技术效果。
实施例四
图4A为本申请实施例四提供的一种图像识图方法的流程示意图。本实施例为上述实施例三提供了一种具体实现方式，如图4A所示，该方法可以包括：
S401、将待识别图像发送至服务端，并获取服务端发送的所述待识别图像的识图结果信息，并在所述可视化区域中对所述待识别图像的识图结果信息进行显示。
S402、若检测到用户对于可视化区域中切换按钮的触控操作，则获取服务端发送的所述目标正面图像的识图结果信息以及所述目标正面图像。
具体的，当用户通过客户端将待识别图像发送至服务端后，此时客户端屏幕上的可视化区域中，展示的为用户上传的待识别图像，并在客户端可视化区域中预先生成切换按钮，当用户点击切换按钮后，客户端向服务端发送请求，以控制服务端向客户端发送目标正面图像的识图结果信息以及所述目标正面图像。
示例性的，图4B为一种切换按钮的示意图，其中400表示待识别图像，401表示引导切换按钮。
S403、在所述可视化区域中将所述待识别图像以动画切换的形式，切换显示为所述目标正面图像，并在所述可视化区域中对所述目标正面图像的识图结果信息进行显示。
具体的，客户端在可视化区域中，将原本展示的待识别图像，以动画切换的形式，切换展示为目标正面图像，其中动画切换的形式包括但不限于平滑淡出、切出、溶解以及水平百叶窗等等。并在目标正面图像的四周，显示目标正面图像的识图结果信息。
示例性的，图4C为一种动画切换展示目标正面图像的示意图，其中400表示待识别图像，402表示目标正面图像。
本申请实施例提供的技术方案，通过若用户对于切换按钮实施触控操作，则在可视化区域中将待识别图像以动画切换的形式，切换展示为目标正面图像，并且在可视化区域中显示目标正面图像的识图结果信息，增加了识图结果的信息量以及识图过程的趣味性，带给用户一种惊喜感，改善了用户体验。
实施例五
图5为本申请实施例五提供的一种图像识图装置50的结构示意图，该装置配置于服务端，可执行本申请实施例一和实施例二中任一所提供的一种图像识图方法，具备执行方法相应的功能模块和有益效果。如图5所示，该装置可以包括：
待识别图像获取模块51，用于获取客户端发送的待识别图像，并确定所述待识别图像是否为背影图像；
特征信息确定模块52，用于在确定所述待识别图像是背影图像时，确定所述待识别图像在至少一个维度上的特征信息；
目标正面图像确定模块53，用于根据所述特征信息，确定与所述待识别图像匹配的目标正面图像，并将所述目标正面图像返回给所述客户端，以使所述客户端对所述目标正面图像进行显示。
在上述实施例的基础上，所述装置还包括待识别图像识图模块，具体用于：
对所述待识别图像进行识图，确定所述待识别图像的获得相关所述待识别图像的识图结果信息，并将所述待识别图像的相关信息待识别图像的识图结果信息返回给所述客户端，以使所述客户端对所述待识别图像的相关信息待识别图像的识图结果信息进行显示。在上述实施例的基础上，所述目标正面图像确定模块53，具体用于：
将所述特征信息与图像库中各候选正面图像在至少一个维度上的特征信息进行匹配，并将匹配成功的特征信息对应的候选正面图像，作为目标正面图像；其中，维度包括肤色、体型、发型、服装和场景中的至少一个。在上述实施例的基础上，所述装置还包括目标正面图像识图模块，具体用于：
对所述目标正面图像进行识图，获得所述目标正面图像的识图结果信息，并将所述目标正面图像的识图结果信息返回给所述客户端，以使所述客户端对所述目标正面图像的识图结果信息进行显示。
本申请实施例所提供的一种图像识图装置50，可执行本申请实施例一至和实施例二中任一所提供的一种图像识图方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例一至和实施例二中任一所提供的一种图像识图方法。
实施例六
图6为本申请实施例六提供的一种图像识图装置60的结构示意图，该装置配置于客户端，可执行本申请实施例三和实施例四中任一提供的一种图像识图方法，具备执行方法相应的功能模块和有益效果。如图6所示，该装置可以包括：
待识别图像发送模块61，用于将用户上传的待识别图像发送至服务端，以使服务端确定与所述待识别图像匹配的目标正面图像；
目标正面图像显示模块62，用于获取服务端发送的所述目标正面图像，并在可视化区域中对所述目标正面图像进行显示。
在上述实施例的基础上，所述装置还包括第一相关信息获取模块，具体用于：
获取服务端发送的所述待识别图像的识图结果信息，并在所述可视化区域中对所述待识别图像的识图结果信息进行显示。
在上述实施例的基础上，所述目标正面图像显示模块62，具体用于：
若检测到用户对于可视化区域中切换按钮的触控操作，则获取服务端发送的所述目标正面图像，在所述可视化区域中将所述待识别图像以动画切换的形式，切换显示为所述目标正面图像。
在上述实施例的基础上，所述装置还包括第二相关信息获取模块，具体用于：
获取服务端发送的所述目标正面图像的识图结果信息，并在所述可视化区域中对所述目标正面图像的识图结果信息进行显示。
本申请实施例所提供的一种图像识图装置60，可执行本申请实施例三至和实施例四中任一所提供的一种图像识图方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例三至和实施例四中任一所提供的一种图像识图方法。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本申请实施例的图像识图方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴电子设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示电子设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个电子设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的图像识图方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的图像识图方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的图像识图方法对应的程序指令/模块(例如，附图5所示的待识别图像获取模块51、特征信息确定模块52和目标正面图像确定模块53；又例如，附图6所示的待识别图像发送模块61和目标正面图像显示模块62)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的图像识图方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据图像识图的电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至图像识图的电子设备。上述网络的实例包括但不限于互联网、企业内部网、区块链网络、局域网、移动通信网及其组合。
图像识图方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与图像识图的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示电子设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示电子设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示电子设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、电子设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过确定用户发送的待识别图像是否为背影图像，若是则确定待识别图像在至少一个维度上的特征信息，并根据特征信息确定待识别图像匹配的目标正面图像，最终将目标正面图像返回客户端并展示给用户，实现了增加识图结果的信息量，增强了用户体验的技术效果。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (13)

1.一种图像识图方法，其特征在于，应用于服务端，包括：
获取客户端发送的待识别图像，并确定所述待识别图像是否为背影图像；
在确定所述待识别图像是背影图像时，确定所述待识别图像在至少一个维度上的特征信息；
根据所述特征信息，确定与所述待识别图像匹配的目标正面图像，并将所述目标正面图像返回给所述客户端，以使所述客户端对所述目标正面图像进行显示。
2.根据权利要求1所述的方法，其特征在于，，所述方法还包括：
对所述待识别图像进行识图，获得所述待识别图像的识图结果信息，并将所述待识别图像的识图结果信息返回给所述客户端，以使所述客户端对所述待识别图像的识图结果信息进行显示。
3.根据权利要求1所述的方法，其特征在于，根据所述特征信息，确定与所述待识别图像匹配的目标正面图像，包括：
将所述特征信息与图像库中各候选正面图像在至少一个维度上的特征信息进行匹配，并将匹配成功的特征信息对应的候选正面图像，作为目标正面图像。
4.根据权利要求3所述的方法，其特征在于，所述维度包括肤色、体型、发型、服装和场景中的至少一个。
5.根据权利要求1所述的方法，其特征在于，确定与所述待识别图像匹配的目标正面图像之后，所述方法还包括：
对所述目标正面图像进行识图，获得所述目标正面图像的识图结果信息，并将所述目标正面图像的识图结果信息返回给所述客户端，以使所述客户端对所述目标正面图像的识图结果信息进行显示。
6.一种图像识图方法，其特征在于，应用于客户端，包括：
将待识别图像发送至服务端，以使服务端根据所述待识别图像，确定与所述待识别图像匹配的目标正面图像；
获取服务端发送的所述目标正面图像，并在可视化区域中对所述目标正面图像进行显示。
7.根据权利要求6所述的方法，其特征在于，获取服务端发送的所述目标正面图像之前，所述方法还包括：
获取服务端发送的所述待识别图像的识图结果信息，并在所述可视化区域中对所述待识别图像的识图结果信息进行显示。
8.根据权利要求6所述的方法，其特征在于，获取服务端发送的所述目标正面图像，在可视化区域中对所述目标正面图像进行显示，包括：
若检测到用户对于可视化区域中切换按钮的触控操作，则获取服务端发送的所述目标正面图像，在所述可视化区域中将所述待识别图像以动画切换的形式，切换显示为所述目标正面图像。
9.根据权利要求6所述的方法，其特征在于，所述方法还包括：
获取服务端发送的所述目标正面图像的识图结果信息，并在所述可视化区域中对所述目标正面图像的识图结果信息进行显示。
10.一种图像识图装置，其特征在于，配置于服务端，包括：
待识别图像获取模块，用于获取客户端发送的待识别图像，并确定所述待识别图像是否为背影图像；
特征信息确定模块，用于在确定所述待识别图像是背影图像时，确定所述待识别图像在至少一个维度上的特征信息；
目标正面图像确定模块，用于根据所述特征信息，确定与所述待识别图像匹配的目标正面图像，并将所述目标正面图像返回给所述客户端，以使所述客户端对所述目标正面图像进行显示。
11.一种图像识图装置，其特征在于，配置于客户端，包括：
待识别图像发送模块，用于将用户上传的待识别图像发送至服务端，以使服务端确定与所述待识别图像匹配的目标正面图像；
目标正面图像显示模块，用于获取服务端发送的所述目标正面图像，并在可视化区域中对所述目标正面图像进行显示。
12.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的图像识图方法和/或权利要求6-9中任一项所述的图像识图方法。
13.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的图像识图方法和/或权利要求6-9中任一项所述的图像识图方法。
CN202010108757.8A 2020-02-21 2020-02-21 图像识图方法、装置、电子设备和介质 Active CN111259183B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010108757.8A CN111259183B (zh) 2020-02-21 2020-02-21 图像识图方法、装置、电子设备和介质
EP20196103.4A EP3869393B1 (en) 2020-02-21 2020-09-15 Image recognition method and apparatus, electronic device, and medium
US17/025,320 US11789997B2 (en) 2020-02-21 2020-09-18 Image recognition method and apparatus, electronic device, and medium
JP2020159199A JP7096302B2 (ja) 2020-02-21 2020-09-24 画像認識方法、装置、電子デバイスおよび媒体
KR1020210022182A KR102642866B1 (ko) 2020-02-21 2021-02-18 이미지 인식 방법, 장치, 전자 기기 및 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010108757.8A CN111259183B (zh) 2020-02-21 2020-02-21 图像识图方法、装置、电子设备和介质

Publications (2)

Publication Number Publication Date
CN111259183A true CN111259183A (zh) 2020-06-09
CN111259183B CN111259183B (zh) 2023-08-01

Family

ID=70945713

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010108757.8A Active CN111259183B (zh) 2020-02-21 2020-02-21 图像识图方法、装置、电子设备和介质

Country Status (5)

Country Link
US (1) US11789997B2 (zh)
EP (1) EP3869393B1 (zh)
JP (1) JP7096302B2 (zh)
KR (1) KR102642866B1 (zh)
CN (1) CN111259183B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111709922A (zh) * 2020-06-10 2020-09-25 北京百度网讯科技有限公司 图像质量比较方法、装置、设备以及存储介质
CN112115224A (zh) * 2020-09-24 2020-12-22 北京百度网讯科技有限公司 地图数据的辅助质检方法、装置、电子设备及存储介质
CN114155024A (zh) * 2021-11-30 2022-03-08 北京京东振世信息技术有限公司 确定目标物品的方法、装置、设备及介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120103327A (ko) * 2011-03-10 2012-09-19 에스케이플래닛 주식회사 얼굴 인식 추론 기반 서비스 시스템, 그의 얼굴 인식 추론 방법 및 기록 매체
CN103605971A (zh) * 2013-12-04 2014-02-26 深圳市捷顺科技实业股份有限公司 一种捕获人脸图像的方法及装置
CN103984931A (zh) * 2014-05-27 2014-08-13 联想(北京)有限公司 一种信息处理方法及第一电子设备
US20150264567A1 (en) * 2014-03-17 2015-09-17 Qualcomm Incorporated Method and apparatus for authenticating a user on a mobile device
CN106384087A (zh) * 2016-09-05 2017-02-08 大连理工大学 一种基于多层网络人体特征的身份识别方法
US20170255767A1 (en) * 2015-04-22 2017-09-07 Tencent Technology (Shenzhen) Company Limited Identity Authentication Method, Identity Authentication Device, And Terminal
CN108960209A (zh) * 2018-08-09 2018-12-07 腾讯科技（深圳）有限公司 身份识别方法、装置及计算机可读存储介质
CN109002761A (zh) * 2018-06-13 2018-12-14 中山大学新华学院 一种基于深度卷积神经网络的行人重识别监控***
CN109492614A (zh) * 2018-11-29 2019-03-19 上海道枢信息技术有限公司 一种基于安防视频识别面部特征的方法及***
CN109784130A (zh) * 2017-11-15 2019-05-21 株式会社日立制作所 行人重识别方法及其装置和设备
CN109784243A (zh) * 2018-12-29 2019-05-21 网易（杭州）网络有限公司 身份确定方法及装置、神经网络训练方法及装置、介质
CN109829418A (zh) * 2019-01-28 2019-05-31 北京影谱科技股份有限公司 一种基于背影特征的打卡方法、装置和***
US20190200872A1 (en) * 2017-12-31 2019-07-04 Google Llc Infant monitoring system with observation-based system control and feedback loops
CN110163082A (zh) * 2019-04-02 2019-08-23 腾讯科技（深圳）有限公司 一种图像识别网络模型训练方法、图像识别方法及装置
CN110222789A (zh) * 2019-06-14 2019-09-10 腾讯科技（深圳）有限公司 图像识别方法及存储介质
CN110796079A (zh) * 2019-10-29 2020-02-14 深圳龙岗智能视听研究院 基于人脸深度特征和人体局部深度特征的多相机访客识别的方法及***

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010218373A (ja) 2009-03-18 2010-09-30 Olympus Corp サーバシステム、端末装置、プログラム、情報記憶媒体及び画像検索方法
US9189876B2 (en) * 2012-03-06 2015-11-17 Apple Inc. Fanning user interface controls for a media editing application
KR101983288B1 (ko) * 2012-11-22 2019-05-29 삼성전자주식회사 카메라 촬영 제어장치 및 방법
JP6028549B2 (ja) 2012-11-30 2016-11-16 キヤノンマーケティングジャパン株式会社 情報処理装置、情報処理システム、その制御方法、及びプログラム
US20140279310A1 (en) * 2013-03-14 2014-09-18 Kokopay, Inc. Electronic Payment System Operative with Existing Accounting Software and Existing Remote Deposit Capture and Mobile RDC Software
US10475226B2 (en) * 2013-03-15 2019-11-12 Crayola Llc Coloring kit for capturing and animating two-dimensional colored creation
US9626589B1 (en) 2015-01-19 2017-04-18 Ricoh Co., Ltd. Preview image acquisition user interface for linear panoramic image stitching
US9860451B2 (en) * 2015-06-07 2018-01-02 Apple Inc. Devices and methods for capturing and interacting with enhanced digital images
JP6671133B2 (ja) 2015-09-24 2020-03-25 グローリー株式会社 画像照合装置及び画像照合方法
KR20170091913A (ko) * 2016-02-02 2017-08-10 삼성전자주식회사 영상 서비스 제공 방법 및 장치
US10366144B2 (en) * 2016-04-01 2019-07-30 Ebay Inc. Analyzing and linking a set of images by identifying objects in each image to determine a primary image and a secondary image
JP6262889B2 (ja) * 2017-01-12 2018-01-17 ヤフー株式会社 情報処理装置、情報処理方法及びプログラム
US10362340B2 (en) * 2017-04-06 2019-07-23 Burst, Inc. Techniques for creation of auto-montages for media content
US10116861B1 (en) 2017-05-01 2018-10-30 Ricoh Company, Ltd. Guided image capture user interface
CN108933723B (zh) * 2017-05-19 2020-11-06 腾讯科技（深圳）有限公司 消息展示方法、装置及终端
JP6947085B2 (ja) 2018-03-09 2021-10-13 オムロン株式会社 電子機器及びその制御方法
CN110069652A (zh) * 2018-08-30 2019-07-30 Oppo广东移动通信有限公司 提示方法、装置、存储介质及穿戴式设备
CN110136236B (zh) * 2019-05-17 2022-11-29 腾讯科技（深圳）有限公司 三维角色的个性化脸部显示方法、装置、设备及存储介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120103327A (ko) * 2011-03-10 2012-09-19 에스케이플래닛 주식회사 얼굴 인식 추론 기반 서비스 시스템, 그의 얼굴 인식 추론 방법 및 기록 매체
CN103605971A (zh) * 2013-12-04 2014-02-26 深圳市捷顺科技实业股份有限公司 一种捕获人脸图像的方法及装置
US20150264567A1 (en) * 2014-03-17 2015-09-17 Qualcomm Incorporated Method and apparatus for authenticating a user on a mobile device
CN103984931A (zh) * 2014-05-27 2014-08-13 联想(北京)有限公司 一种信息处理方法及第一电子设备
US20170255767A1 (en) * 2015-04-22 2017-09-07 Tencent Technology (Shenzhen) Company Limited Identity Authentication Method, Identity Authentication Device, And Terminal
CN106384087A (zh) * 2016-09-05 2017-02-08 大连理工大学 一种基于多层网络人体特征的身份识别方法
CN109784130A (zh) * 2017-11-15 2019-05-21 株式会社日立制作所 行人重识别方法及其装置和设备
US20190200872A1 (en) * 2017-12-31 2019-07-04 Google Llc Infant monitoring system with observation-based system control and feedback loops
CN109002761A (zh) * 2018-06-13 2018-12-14 中山大学新华学院 一种基于深度卷积神经网络的行人重识别监控***
CN108960209A (zh) * 2018-08-09 2018-12-07 腾讯科技（深圳）有限公司 身份识别方法、装置及计算机可读存储介质
CN109492614A (zh) * 2018-11-29 2019-03-19 上海道枢信息技术有限公司 一种基于安防视频识别面部特征的方法及***
CN109784243A (zh) * 2018-12-29 2019-05-21 网易（杭州）网络有限公司 身份确定方法及装置、神经网络训练方法及装置、介质
CN109829418A (zh) * 2019-01-28 2019-05-31 北京影谱科技股份有限公司 一种基于背影特征的打卡方法、装置和***
CN110163082A (zh) * 2019-04-02 2019-08-23 腾讯科技（深圳）有限公司 一种图像识别网络模型训练方法、图像识别方法及装置
CN110222789A (zh) * 2019-06-14 2019-09-10 腾讯科技（深圳）有限公司 图像识别方法及存储介质
CN110796079A (zh) * 2019-10-29 2020-02-14 深圳龙岗智能视听研究院 基于人脸深度特征和人体局部深度特征的多相机访客识别的方法及***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
何坤鹏;龚捷;何山;褚福银;: "基于self-resemblance的视频通用目标跟踪与提取研究", no. 04 *
刘晓阳;霍?炜;: "多尺度分区统一化LBP算子井下人员人脸识别方法", 煤炭科学技术, no. 12 *
无: "Back face? Front face? How do you tell?", Retrieved from the Internet <URL:https://forums.sketchup.com/t/back-face-front-face-how-do-you-tell/22938> *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111709922A (zh) * 2020-06-10 2020-09-25 北京百度网讯科技有限公司 图像质量比较方法、装置、设备以及存储介质
CN111709922B (zh) * 2020-06-10 2023-07-04 北京百度网讯科技有限公司 图像质量比较方法、装置、设备以及存储介质
CN112115224A (zh) * 2020-09-24 2020-12-22 北京百度网讯科技有限公司 地图数据的辅助质检方法、装置、电子设备及存储介质
CN112115224B (zh) * 2020-09-24 2024-03-08 北京百度网讯科技有限公司 地图数据的辅助质检方法、装置、电子设备及存储介质
CN114155024A (zh) * 2021-11-30 2022-03-08 北京京东振世信息技术有限公司 确定目标物品的方法、装置、设备及介质

Also Published As

Publication number Publication date
EP3869393A1 (en) 2021-08-25
JP2021136004A (ja) 2021-09-13
KR102642866B1 (ko) 2024-03-04
US11789997B2 (en) 2023-10-17
JP7096302B2 (ja) 2022-07-05
KR20210106914A (ko) 2021-08-31
EP3869393B1 (en) 2023-03-15
US20210264142A1 (en) 2021-08-26
CN111259183B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN111259751B (zh) 基于视频的人体行为识别方法、装置、设备及存储介质
CN111259183B (zh) 图像识图方法、装置、电子设备和介质
CN111860167B (zh) 人脸融合模型获取及人脸融合方法、装置及存储介质
JP6986187B2 (ja) 人物識別方法、装置、電子デバイス、記憶媒体、及びプログラム
CN112527115B (zh) 用户形象生成方法、相关装置及计算机程序产品
CN113094550A (zh) 视频检索方法、装置、设备和介质
CN112487242A (zh) 用于识别视频的方法、装置、电子设备及可读存储介质
CN112099645A (zh) 一种输入图像的生成方法、装置、电子设备及存储介质
CN112001248A (zh) 主动交互的方法、装置、电子设备和可读存储介质
KR20220014865A (ko) 비디오 이벤트 인식 방법, 장치, 전자 기기 및 기록 매체
US20220319126A1 (en) System and method for providing an augmented reality environment for a digital platform
EP2947584A1 (en) Multimodal search method and device
CN113037925B (zh) 信息处理方法、信息处理装置、电子设备和可读存储介质
CN112328088B (zh) 图像的呈现方法和装置
CN105022480A (zh) 一种输入方法及终端
EP3901892A2 (en) Commodity guiding method and apparatus, electronic device, storage medium, and computer program product
CN112000828A (zh) 搜索表情图片的方法、装置、电子设备和可读存储介质
CN113536037A (zh) 基于视频的信息查询方法、装置、设备及存储介质
CN111709922B (zh) 图像质量比较方法、装置、设备以及存储介质
CN111385489B (zh) 一种短视频封面的制作方法、装置、设备和存储介质
CN110968786B (zh) 一种视觉信息推荐方法、装置、设备及存储介质
CN112733879B (zh) 针对不同场景的模型蒸馏方法和装置
CN113055594A (zh) 图像的获取方法和装置
KR20220123900A (ko) 실감 콘텐츠 제공 시스템 및 그 방법
CN117290534A (zh) 故事相册的生成方法、装置及电子设备

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