CN115578765A - 目标识别方法、装置、***及计算机可读存储介质 - Google Patents

目标识别方法、装置、***及计算机可读存储介质 Download PDF

Info

Publication number
CN115578765A
CN115578765A CN202211126060.9A CN202211126060A CN115578765A CN 115578765 A CN115578765 A CN 115578765A CN 202211126060 A CN202211126060 A CN 202211126060A CN 115578765 A CN115578765 A CN 115578765A
Authority
CN
China
Prior art keywords
target
feature
comparison result
reference feature
storage space
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
Application number
CN202211126060.9A
Other languages
English (en)
Inventor
彭文强
黄鹏
殷俊
张小锋
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202211126060.9A priority Critical patent/CN115578765A/zh
Publication of CN115578765A publication Critical patent/CN115578765A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/754—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries involving a deformation of the sample pattern or of the reference pattern; Elastic matching
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了目标识别方法、装置、***及计算机可读存储介质。该方法包括：接收终端设备发送的待识别目标数据；其中，待识别目标数据包括待识别目标特征和目标属性；从多个存储空间中确定与目标属性对应的目标存储空间；其中，每一存储空间中预先存储有与属性对应的至少一个第一基准特征；利用待识别目标特征与目标存储空间中的至少一个第一基准特征进行比对，得到至少一个目标比对结果；根据至少一个目标比对结果确定目标识别结果，并将目标识别结果发送至终端设备。通过上述方式，能够提高比对效率。

Description

目标识别方法、装置、***及计算机可读存储介质
技术领域
本申请涉及目标识别技术领域，特别是涉及目标识别方法、装置、***及计算机可读存储介质。
背景技术
当前，目标识别技术，如人脸识别，普遍采用神经网络模型提取人脸特征，然后比对人脸特征，从而实现人脸识别。利用上述人脸特征提取算法，可进一步进行人脸比对。
不足之处在于，在比对过程中，通常利用待比对特征和所有基准特征进行比对，输出是两个特征之间的相似度。
发明内容
本申请提供了目标识别方法、装置、***及计算机可读存储介质，能够提高比对效率。
本申请采用的一种技术方案是提供一种目标识别方法，该方法包括：接收终端设备发送的待识别目标数据；其中，待识别目标数据包括待识别目标特征和目标属性；从多个存储空间中确定与目标属性对应的目标存储空间；其中，每一存储空间中预先存储有与属性对应的至少一个第一基准特征；利用待识别目标特征与目标存储空间中的至少一个第一基准特征进行比对，得到至少一个目标比对结果；根据至少一个目标比对结果确定目标识别结果，并将目标识别结果发送至终端设备。
其中，利用待识别目标特征与目标存储空间中的至少一个第一基准特征进行比对，得到至少一个目标比对结果，包括：判断目标存储空间中的是否存在第二基准特征；其中，每一第二基准特征与一个第一基准特征相关联；若是，则利用待识别目标特征与目标存储空间中的至少一个第一基准特征进行比对，得到至少一个第一比对结果；以及利用待识别目标特征与第二基准特征进行比对，得到至少一个第二比对结果；根据至少一个第一比对结果和至少一个第二比对结果的相关性，得到至少一个目标比对结果。
其中，根据至少一个第一比对结果和至少一个第二比对结果的相关性，得到至少一个目标比对结果，包括：对具有相关性的第一比对结果和第一比对结果进行加权平均，得到一个目标比对结果。
其中，目标识别结果包括识别成功或识别失败；根据至少一个目标比对结果确定目标识别结果之后，包括：若目标识别结果为识别成功，则确定至少一个目标比对结果中的最佳目标比对结果；判断最佳目标比对结果对应的第一基准特征是否存在相关联的第二基准特征；若是，利用待识别目标特征对第一基准特征或第二基准特征进行更新；若否，将待识别目标特征作为第二基准特征。
其中，利用待识别目标特征对第一基准特征或第二基准特征进行更新，包括：比较第一比对结果和第二比对结果；若第一比对结果高于第二比对结果，利用待识别目标特征替换第二基准特征；若第一比对结果低于第二比对结果，利用待识别目标特征替换第一基准特征。
其中，根据至少一个目标比对结果确定目标识别结果之后，还包括：若目标识别结果为识别失败，则将待识别目标特征作为第一基准特征存储于目标存储空间。
其中，该方法还包括：若多个存储空间中没有与目标属性对应的目标存储空间，利用待识别目标特征与每一存储空间中的至少一个第一基准特征进行比对，得到至少一个目标比对结果。
其中，接收终端设备发送的待识别目标数据之前，包括：接收终端设备发送的待处理图像；对待处理图像进行特征提取，得到待处理特征；其中，待处理特征为128维特征；将满足图像质量的待处理特征作为第一基准特征存储于对应的存储空间中。
本申请采用的另一种技术方案是提供一种目标识别装置，该目标识别装置包括：处理器；存储器，与处理器连接，存储器用于存储计算机程序，以及存储器包括多个存储空间，每一存储空间中预先存储有与属性对应的至少一个第一基准特征；通信模组，与处理器连接，用于与终端设备进行通信；其中，处理器用于执行计算机程序，以控制存储器和通信模组，实现如上述技术方案提供的方法。
本申请采用的另一种技术方案是提供一种目标识别***，该目标识别***包括：终端设备；目标识别装置，与终端设备通信连接，目标识别装置如上述技术方案提供的目标识别装置。
本申请采用的另一种技术方案是提供一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，计算机程序在被处理器执行时，用于实现如上述技术方案提供的方法。
本申请的有益效果是：区别于现有技术的情况，本申请的目标识别方法，通过在存储空间中预先存储有与属性对应的至少一个第一基准特征，以便于在接收终端设备发送的待识别目标数据时，从多个存储空间中确定与目标属性对应的目标存储空间，利用待识别目标数据中的待识别目标特征与目标存储空间中的至少一个第一基准特征进行比对，得到至少一个目标比对结果，以此减少待识别目标特征与第一基准特征比对的次数，提高比对效率，进而能够快速得到目标识别结果。
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是本申请提供的目标识别方法第一实施例的流程示意图；
图2是本申请提供的目标识别方法一应用场景示意图；
图3是本申请提供的目标识别方法第二实施例的流程示意图；
图4是本申请提供的目标识别方法第三实施例的流程示意图；
图5是本申请提供的步骤43一实施例的流程示意图；
图6是本申请提供的目标识别方法第四实施例的流程示意图；
图7是本申请提供的目标识别装置一实施例的结构示意图；
图8是本申请提供的目标识别***一实施例的结构示意图；
图9是本申请提供的计算机可读存储介质一实施例的结构示意图。
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。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。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。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
参阅图1，图1是本申请提供的目标识别方法第一实施例的流程示意图。该方法包括：
步骤11：接收终端设备发送的待识别目标数据；其中，待识别目标数据包括待识别目标特征和目标属性。
在一些实施例中，待识别目标数据可以是基于人脸图像生成的，待识别目标数据也可以是基于人眼图像生成的。
步骤12：从多个存储空间中确定与目标属性对应的目标存储空间；其中，每一存储空间中预先存储有与属性对应的至少一个第一基准特征。
在一些实施例中，由于识别过程实质上是让待识别目标特征与大量的第一基准特征进行比对，因此，若存储空间中存储的第一基准特征的数量庞大时，逐一比对的耗时较长。因此，将这些第一基准特征按照相应的属性进行分类，以将不同类别的第一基准特征存储于一存储空间。
如，该属性可以是年龄，即将第一基准特征按照不同年龄段进行划分，以此分为每一年龄段对应一存储空间。如，将0-15岁划分为第一年龄段，15-35岁划分为第二年龄段、35-60岁划分为第三年龄段、60以上岁划分为第四年龄段，则会存在四个存储空间。
如，该属性可以是年龄以及是否有佩戴眼镜，即将第一基准特征按照不同年龄段进行划分，以此分为每一年龄段对应一存储空间。如，将0-15岁划分为第一年龄段，15-35岁划分为第二年龄段、35-60岁划分为第三年龄段、60以上岁划分为第四年龄段，则会存在四个存储空间。然后在每一存储空间中对是否有佩戴眼镜对该存储空间中的第一基准特征进行划分，分为佩戴眼镜对应的第一基准特征和未佩戴眼镜对应的第一基准特征。
在一些实施例中，每一存储空间可以对应一数据库。
步骤13：利用待识别目标特征与目标存储空间中的至少一个第一基准特征进行比对，得到至少一个目标比对结果。
在一些实施例中，比对结果可以是待识别目标特征与第一基准特征的相似度。具体的，可以采用遍历的方式，让待识别目标特征与目标存储空间中的每一第一基准特征进行比对，得到对应的相似度。
在一些实施例中，若多个存储空间中没有与目标属性对应的目标存储空间，利用待识别目标特征与每一存储空间中的至少一个第一基准特征进行比对，得到至少一个目标比对结果。
步骤14：根据至少一个目标比对结果确定目标识别结果，并将目标识别结果发送至终端设备。
在一些实施例中，确定至少一个目标比对结果中相似度最高的目标比对结果，若相似度最高的目标比对结果满足预设条件，则确定识别成功，则将识别成功作为目标识别结果，并将目标识别结果发送至终端设备。
若相似度最高的目标比对结果不满足预设条件，则确定识别失败，则将识别失败作为目标识别结果，并将目标识别结果发送至终端设备。
在一些实施例中，将识别成功的目标识别结果发送至终端设备，则可以在终端设备上提示识别成功。将识别失败的目标识别结果发送至终端设备，则可以在终端设备上提示识别失败，请重新采集数据。
在一应用场景中，结合图2，进行说明：
终端设备采集待识别目标图像，并对目标图像进行特征提取，得到待识别目标数据。终端设备将待识别目标数据发送至目标识别装置。
目标识别装置接收终端设备发送的待识别目标数据；其中，待识别目标数据包括待识别目标特征和目标属性。
目标识别装置从多个存储空间中确定与目标属性对应的目标存储空间；其中，每一存储空间中预先存储有与属性对应的至少一个第一基准特征；利用待识别目标特征与目标存储空间中的至少一个第一基准特征进行比对，得到至少一个目标比对结果；根据至少一个目标比对结果确定目标识别结果。
目标识别装置将目标识别结果发送至终端设备。
在本实施例中，通过在存储空间中预先存储有与属性对应的至少一个第一基准特征，以便于在接收终端设备发送的待识别目标数据时，从多个存储空间中确定与目标属性对应的目标存储空间，利用待识别目标数据中的待识别目标特征与目标存储空间中的至少一个第一基准特征进行比对，得到至少一个目标比对结果，以此减少待识别目标特征与第一基准特征比对的次数，提高比对效率，进而能够快速得到目标识别结果，以使终端设备能够快速接收到目标识别结果，提升用户体验。
参阅图3，图3是本申请提供的目标识别方法第二实施例的流程示意图。该方法包括：
步骤31：接收终端设备发送的待识别目标数据；其中，待识别目标数据包括待识别目标特征和目标属性。
步骤32：从多个存储空间中确定与目标属性对应的目标存储空间；其中，每一存储空间中预先存储有与属性对应的至少一个第一基准特征。
步骤31和步骤32与上述实施例具有相同或相似的技术方案，这里不做赘述。
步骤33：判断目标存储空间中的是否存在第二基准特征；其中，每一第二基准特征与一个第一基准特征相关联。
其中，第二基准特征可以是在目标识别结果为识别成功时得到。具体的，确定识别成功对应的第一基准特征，然后将待识别目标特征作为第二基准特征与识别成功对应的第一基准特征相关联，并存储于目标存储空间。
若是，执行步骤34，若否，说明待识别目标特征在目标存储空间中没有对应的第一基准特征，或者，待识别目标特征的原图像不满足图像质量要求，因此待识别目标特征就没有太多的特征信息，因此无法比对。
步骤34：利用待识别目标特征与目标存储空间中的至少一个第一基准特征进行比对，得到至少一个第一比对结果。
在一些实施例中，第一比对结果可以是待识别目标特征与第一基准特征的相似度。具体的，可以采用遍历的方式，让待识别目标特征与目标存储空间中的每一第一基准特征进行比对，得到对应的相似度。
步骤35：利用待识别目标特征与第二基准特征进行比对，得到至少一个第二比对结果。
在一些实施例中，第二比对结果可以是待识别目标特征与第二基准特征的相似度。具体的，可以采用遍历的方式，让待识别目标特征与目标存储空间中的每一第二基准特征进行比对，得到对应的相似度。
步骤36：根据至少一个第一比对结果和至少一个第二比对结果的相关性，得到至少一个目标比对结果。
因每一第二基准特征与一个第一基准特征相关联，所以第一比对结果和第二比对结果具有关联性。因此，相关联的第一比对结果和第一比对结果需要进行处理，得到对应的目标比对结果。如，对具有相关性的第一比对结果和第一比对结果进行加权平均，得到一个目标比对结果。其中，加权的系数可以都为1，或者，根据第二基准特征和第一基准特征的图像质量进行划分，图像质量高的系数偏高，图像质量低的系数偏低。
其中，若第一基准特征无相关联的第二基准特征，则直接将第一基准特征对应的第一比对结果作为目标比对结果。
步骤37：根据至少一个目标比对结果确定目标识别结果，并将目标识别结果发送至终端设备。
在一些实施例中，确定至少一个目标比对结果中相似度最高的目标比对结果，若相似度最高的目标比对结果满足预设条件，则确定识别成功，则将识别成功作为目标识别结果，并将目标识别结果发送至终端设备。
若相似度最高的目标比对结果不满足预设条件，则确定识别失败，则将识别失败作为目标识别结果，并将目标识别结果发送至终端设备。
在一些实施例中，将识别成功的目标识别结果发送至终端设备，则可以在终端设备上提示识别成功。将识别失败的目标识别结果发送至终端设备，则可以在终端设备上提示识别失败，请重新采集数据。
在一些实施例中，根据至少一个目标比对结果确定目标识别结果之后，参阅图4可以包括以下流程：
步骤41：若目标识别结果为识别成功，则确定至少一个目标比对结果中的最佳目标比对结果。
最佳目标比对结果为至少一个目标比对结果中相似度最高的目标比对结果。
步骤42：判断最佳目标比对结果对应的第一基准特征是否存在相关联的第二基准特征。
最佳目标比对结果可能是由第一基准特征直接得到，也可能是由第一基准特征和第二基准特征得到。因此需要判断最佳目标比对结果对应的第一基准特征是否存在相关联的第二基准特征。
若最佳目标比对结果对应的第一基准特征存在相关联的第二基准特征，执行步骤43，若最佳目标比对结果对应的第一基准特征不存在相关联的第二基准特征，执行步骤44。
步骤43：利用待识别目标特征对第一基准特征或第二基准特征进行更新。
在确定最佳目标比对结果对应的第一基准特征存在相关联的第二基准特征时，说明最佳目标比对结果由第一基准特征和第二基准特征得到。因此，可以利用待识别目标特征对最佳目标比对结果对应的第一基准特征或第二基准特征进行更新。
在一些实施例中，参阅图5，步骤43可以是以下流程：
步骤51：比较第一比对结果和第二比对结果。
其中，第一比对结果由待识别目标特征与第一基准特征比对得到，第二比对结果由待识别目标特征与第一基准特征对应的第二基准特征比对得到。
步骤52：若第一比对结果高于第二比对结果，利用待识别目标特征替换第二基准特征。
若第一比对结果高于第二比对结果，说明待识别目标特征相比于第二基准特征具有更多的特征信息，则利用待识别目标特征替换第二基准特征。
步骤53：若第一比对结果低于第二比对结果，利用待识别目标特征替换第一基准特征。
若第一比对结果低于第二比对结果，说明待识别目标特征相比于第一基准特征具有更多的特征信息，则利用待识别目标特征替换第一基准特征。
步骤44：将待识别目标特征作为第二基准特征。
若最佳目标比对结果对应的第一基准特征不存在相关联的第二基准特征，则可以待识别目标特征作为第二基准特征使其与第一基准特征相关联。
在其他实施例中，若目标识别结果为识别失败，则将待识别目标特征作为第一基准特征存储于目标存储空间。
在本实施例中，通过在存储空间中预先存储有与属性对应的至少一个第一基准特征，以便于在接收终端设备发送的待识别目标数据时，从多个存储空间中确定与目标属性对应的目标存储空间，利用待识别目标数据中的待识别目标特征与目标存储空间中的至少一个第一基准特征进行比对，得到至少一个目标比对结果，以此减少待识别目标特征与第一基准特征比对的次数，提高比对效率，进而能够快速得到目标识别结果，以使终端设备能够快速接收到目标识别结果，提升用户体验。
进一步，通过结合第一比对结果和第二比对结果，可以选择动态更新第一基准特征或第二基准特征，有利于存储空间中获取最新的基准特征，进而采用实时更新的方式，能够提高后续的对比准确率。
在一些实施例中，接收终端设备发送的待识别目标数据之前，参阅图6，图6是本申请提供的目标识别方法第四实施例的流程示意图。该方法包括：
步骤61：接收终端设备发送的待处理图像。
在一些实施例中，目标识别装置需要预先存储第一基准特征，因此需要预先收集待处理图像，并从待处理图像中提取出对应的第一基准特征。
步骤62：对待处理图像进行特征提取，得到待处理特征；其中，待处理特征为128维特征。
在一些实施例中，可以利用相应的特征提取网络进行特征提取，得到待处理特征。其中，特征提取网络可以基于卷积神经网络构建，也可以是基于残差网络或生成对抗网络构建。
具体的，利用相应的特征提取网络进行特征提取，提取到浮点型512维特征，再通过量化技术将512维特征降维到128维的整型特征。
步骤63：将满足图像质量的待处理特征作为第一基准特征存储于对应的存储空间中。
在得到待处理特征时，还会生成与待处理特征对应的属性，在待处理特征满足图像质量时，将待处理特征作为第一基准特征存储于与属性对应的存储空间中。
在本实施例中，在目标识别装置中，将图像采用量化技术提取128维待处理特征，仅保存特征信息数据，不涉及原有的图像，能够提高原始数据的隐私性；并且128维待处理特征占用的存储空间较小，能够降低对存储空间的需求，且128维待处理特征能够加速模型推理处理时间。且通过判断图像质量是否符合要求，作为存储至存储空间的条件，以提高存储的待处理特征入库质量，以提高后续的识别准确性。
参阅图7，图7为本申请提供的目标识别装置一实施例的结构示意图，该目标识别装置70包括：处理器71、存储器72和通信模组73。
其中，存储器72与处理器71连接，存储器72用于存储计算机程序，以及存储器72包括多个存储空间，每一存储空间中预先存储有与属性对应的至少一个第一基准特征。
通信模组73与处理器71连接，用于与终端设备进行通信。
其中，处理器71用于执行计算机程序，以控制存储器72和通信模组73，实现以下方法：
接收终端设备发送的待识别目标数据；其中，待识别目标数据包括待识别目标特征和目标属性；从多个存储空间中确定与目标属性对应的目标存储空间；其中，每一存储空间中预先存储有与属性对应的至少一个第一基准特征；利用待识别目标特征与目标存储空间中的至少一个第一基准特征进行比对，得到至少一个目标比对结果；根据至少一个目标比对结果确定目标识别结果，并将目标识别结果发送至终端设备。
可以理解，处理器71用于执行计算机程序时，还用于实现本申请中任一实施例的技术方案，这里不做赘述。
参阅图8，图8是本申请提供的计算机可读存储介质一实施例的结构示意图，该目标识别***80包括：终端设备81和目标识别装置70。
其中，目标识别装置70与终端设备81通信连接，目标识别装置70如上述实施例中的目标识别装置70。
在一应用场景中，终端设备81可以是一人脸比对终端，目标识别装置70为服务器。因此，人脸比对终端远程连接服务器。服务器用于存储多个比对特征。
首先，证件照或活体照片等图像作为入库第一样本发送到服务器中，提取到的浮点型512维特征，再通过量化技术降维到128维的整型特征，以减少特征保存的存储长度，有效减少服务器中数据库的存储开销。同时，待存储的特征的图像质量与预设图像质量进行比较，确定是否符合存储要求，如果不符合要求，则提示用户重新上传照片，直至服务器判定合格才进行保存。与此同时，将图像的年龄信息，或特定身份信息进行保存。按照不同年龄段，如0-15、15-35、35-60、60以上分成不同的属性，以标识不同人群的特征，从而将第一样本对应的128维特征分别存储于对应不同属性的服务器的数据库中。
然后，通过人脸比对终端采集外部的人脸特征，同时附带人脸特征的属性标识，这里以年龄作为属性标识；人脸比对终端向服务器发送请求；根据标识属性，判断是否遍历检索所有存储特征的数据库。
具体的，服务器根据属性标识检索跟属性标识对应的数据库，如未检索到，则选择全部数据库中的基准特征与人脸特征进行比对。如检索到，则选择对应数据库中的基准特征与人脸特征进行比对。
服务器端将接收到人脸比对终端发送的人脸特征与对应的数据库中的基准特征进行比对，生成对应的比对结果，取对应的数据库中相似度最高的对比结果。判断相似度最高的对比结果是否大于设定阈值。如大于设定阈值，则识别成功，则将人脸特征作为第二样本数据存在对应的数据库。如比对失败则不保存人脸特征。
与此同时，当服务器中存在用户上传的第一基准特征和人脸比对终端采集保存的第二基准特征。
从人脸比对终端采集的特征信息发送到服务器端，那么会基于当前人脸特征，检索对应数据库中的第一基准特征和第二基准特征，并计算出对应的相似度。取两个相似度的加权平均得到最终相似度，并判断最终相似度是否大于设定阈值，大于则视为比对成功。如果第一基准特征的相似度高于第二基准特征的相似度，则将当前人脸特征值替换第二基准特征进行存储，同时删除原有的第二基准特征，以更新数据库。
参阅图9，图9是本申请提供的计算机可读存储介质一实施例的结构示意图，计算机可读存储介质90用于存储计算机程序91，计算机程序91在被处理器执行时，用于实现以下的方法步骤：
接收终端设备发送的待识别目标数据；其中，待识别目标数据包括待识别目标特征和目标属性；从多个存储空间中确定与目标属性对应的目标存储空间；其中，每一存储空间中预先存储有与属性对应的至少一个第一基准特征；利用待识别目标特征与目标存储空间中的至少一个第一基准特征进行比对，得到至少一个目标比对结果；根据至少一个目标比对结果确定目标识别结果，并将目标识别结果发送至终端设备。
可以理解的，计算机程序91在被处理器执行时，还用于实现本申请中任一实施例的技术方案。
本申请的技术方案能够应用于安防布控、智能楼宇门禁***、认证合一等场景。
综上而言，本申请的技术方案在进行相关身份验证的过程中，不涉及原始数据的图像信息等，仅涉及特征数据，能够提高原始数据的隐私性。通过终端设备上传第一样本数据提取特征值，经过量化技术减少存储空间，同时属性标识用以区分存储不同类型特征的数据库；在终端设备采样到的当前人脸特征值比对时，按照属性标识进行选择比对的数据库范围，用以精准比对，提高比对效率；且在同时存在第一基准特征和第二基准特征后，通过比对结果可以实时更新第一基准特征或第二基准特征，有利于提高特征比对准确率。
在本申请所提供的几个实施方式中，应该理解到，所揭露的方法以及设备，可以通过其它的方式实现。例如，以上所描述的设备实施方式仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述其他实施方式中的集成的单元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，本申请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全部或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)或处理器(processor)执行本申请各个实施方式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，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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 (11)

1.一种目标识别方法，其特征在于，所述方法包括：
接收终端设备发送的待识别目标数据；其中，所述待识别目标数据包括待识别目标特征和目标属性；
从多个存储空间中确定与所述目标属性对应的目标存储空间；其中，每一存储空间中预先存储有与属性对应的至少一个第一基准特征；
利用所述待识别目标特征与所述目标存储空间中的所述至少一个第一基准特征进行比对，得到至少一个目标比对结果；
根据所述至少一个目标比对结果确定目标识别结果，并将所述目标识别结果发送至所述终端设备。
2.根据权利要求1所述的方法，其特征在于，所述利用所述待识别目标特征与所述目标存储空间中的所述至少一个第一基准特征进行比对，得到至少一个目标比对结果，包括：
判断所述目标存储空间中的是否存在第二基准特征；其中，每一所述第二基准特征与一个所述第一基准特征相关联；
若是，则利用所述待识别目标特征与所述目标存储空间中的所述至少一个第一基准特征进行比对，得到至少一个第一比对结果；以及利用所述待识别目标特征与所述第二基准特征进行比对，得到至少一个第二比对结果；
根据所述至少一个第一比对结果和所述至少一个第二比对结果的相关性，得到至少一个目标比对结果。
3.根据权利要求2所述的方法，其特征在于，所述根据所述至少一个第一比对结果和所述至少一个第二比对结果的相关性，得到至少一个目标比对结果，包括：
对具有相关性的所述第一比对结果和所述第一比对结果进行加权平均，得到一个所述目标比对结果。
4.根据权利要求3所述的方法，其特征在于，所述目标识别结果包括识别成功或识别失败；所述根据所述至少一个目标比对结果确定目标识别结果之后，包括：
若所述目标识别结果为识别成功，则确定至少一个目标比对结果中的最佳目标比对结果；
判断所述最佳目标比对结果对应的第一基准特征是否存在相关联的所述第二基准特征；
若是，利用所述待识别目标特征对所述第一基准特征或所述第二基准特征进行更新；
若否，将所述待识别目标特征作为所述第二基准特征。
5.根据权利要求4所述的方法，其特征在于，所述利用所述待识别目标特征对所述第一基准特征或所述第二基准特征进行更新，包括：
比较所述第一比对结果和所述第二比对结果；
若所述第一比对结果高于所述第二比对结果，利用所述待识别目标特征替换所述第二基准特征；
若所述第一比对结果低于所述第二比对结果，利用所述待识别目标特征替换所述第一基准特征。
6.根据权利要求3所述的方法，其特征在于，所述根据所述至少一个目标比对结果确定目标识别结果之后，还包括：
若所述目标识别结果为识别失败，则将所述待识别目标特征作为所述第一基准特征存储于所述目标存储空间。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若多个存储空间中没有与所述目标属性对应的所述目标存储空间，利用所述待识别目标特征与每一所述存储空间中的所述至少一个第一基准特征进行比对，得到至少一个目标比对结果。
8.根据权利要求1所述的方法，其特征在于，所述接收终端设备发送的待识别目标数据之前，包括：
接收终端设备发送的待处理图像；
对所述待处理图像进行特征提取，得到待处理特征；其中，所述待处理特征为128维特征；
将满足图像质量的待处理特征作为所述第一基准特征存储于对应的存储空间中。
9.一种目标识别装置，其特征在于，所述目标识别装置包括：
处理器；
存储器，与所述处理器连接，所述存储器用于存储计算机程序，以及所述存储器包括多个存储空间，每一存储空间中预先存储有与属性对应的至少一个第一基准特征；
通信模组，与所述处理器连接，用于与所述终端设备进行通信；
其中，所述处理器用于执行所述计算机程序，以控制所述存储器和所述通信模组，实现如权利要求1-8任一项所述的方法。
10.一种目标识别***，其特征在于，所述目标识别***包括：
终端设备；
目标识别装置，与所述终端设备通信连接，所述目标识别装置如权利要求9所述的目标识别装置。
11.一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用于存储计算机程序，所述计算机程序在被处理器执行时，用于实现如权利要求1-8任一项所述的方法。
CN202211126060.9A 2022-09-15 2022-09-15 目标识别方法、装置、***及计算机可读存储介质 Pending CN115578765A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211126060.9A CN115578765A (zh) 2022-09-15 2022-09-15 目标识别方法、装置、***及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211126060.9A CN115578765A (zh) 2022-09-15 2022-09-15 目标识别方法、装置、***及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN115578765A true CN115578765A (zh) 2023-01-06

Family

ID=84581685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211126060.9A Pending CN115578765A (zh) 2022-09-15 2022-09-15 目标识别方法、装置、***及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115578765A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116910695A (zh) * 2023-09-11 2023-10-20 哈尔滨工程大学三亚南海创新发展基地 设备监测结果的标记方法及设备监测数据的校验方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116910695A (zh) * 2023-09-11 2023-10-20 哈尔滨工程大学三亚南海创新发展基地 设备监测结果的标记方法及设备监测数据的校验方法
CN116910695B (zh) * 2023-09-11 2024-01-05 哈尔滨工程大学三亚南海创新发展基地 设备监测结果的标记方法及设备监测数据的校验方法

Similar Documents

Publication Publication Date Title
TWI756687B (zh) 防止隱私資料洩漏的編碼模型訓練方法及裝置
US20170300744A1 (en) Method and apparatus for determining identity identifier of face in face image, and terminal
CN110348362B (zh) 标签生成、视频处理方法、装置、电子设备及存储介质
CN110096996B (zh) 生物信息识别方法、装置、终端、***及存储介质
US20200320284A1 (en) Media processing method, related apparatus, and storage medium
JP2021513700A (ja) 顔認識方法、顔認識装置及び顔認識方法を実行するコンピュータプログラム
CN112801054B (zh) 人脸识别模型的处理方法、人脸识别方法及装置
CN111368133A (zh) 一种视频库的索引表建立方法、装置、服务器及存储介质
CN116110100B (zh) 一种人脸识别方法、装置、计算机设备及存储介质
EP4390725A1 (en) Video retrieval method and apparatus, device, and storage medium
CN111368867A (zh) 档案归类方法及***、计算机可读存储介质
CN111241928A (zh) 人脸识别底库优化方法、***、设备、可读存储介质
CN111401193B (zh) 获取表情识别模型的方法及装置、表情识别方法及装置
CN115578765A (zh) 目标识别方法、装置、***及计算机可读存储介质
CN113128526B (zh) 图像识别方法、装置、电子设备和计算机可读存储介质
CN113392867A (zh) 一种图像识别方法、装置、计算机设备及存储介质
CN113656927B (zh) 数据处理方法、相关设备及计算机存储介质
CN115830342A (zh) 检测框的确定方法、装置、存储介质及电子装置
CN114220045A (zh) 对象识别方法、装置及计算机可读存储介质
CN113011301A (zh) 一种活体识别方法、装置及电子设备
CN111626173B (zh) 一种更新数据库中人脸特征向量的方法
CN114004974A (zh) 对弱光环境下拍摄的图像的优化方法及装置
CN111414952A (zh) 行人重识别的噪声样本识别方法、装置、设备和存储介质
CN113971422A (zh) 样本数据标注***、方法以及相关设备
CN116633809B (zh) 基于人工智能的检测方法和***

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