TWI736765B - 圖像處理方法、裝置、設備及儲存媒體 - Google Patents

圖像處理方法、裝置、設備及儲存媒體 Download PDF

Info

Publication number
TWI736765B
TWI736765B TW107116420A TW107116420A TWI736765B TW I736765 B TWI736765 B TW I736765B TW 107116420 A TW107116420 A TW 107116420A TW 107116420 A TW107116420 A TW 107116420A TW I736765 B TWI736765 B TW I736765B
Authority
TW
Taiwan
Prior art keywords
target object
image
similarity
credible
multiple images
Prior art date
Application number
TW107116420A
Other languages
English (en)
Other versions
TW201909034A (zh
Inventor
江南
郭明宇
Original Assignee
開曼群島商創新先進技術有限公司
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 開曼群島商創新先進技術有限公司 filed Critical 開曼群島商創新先進技術有限公司
Publication of TW201909034A publication Critical patent/TW201909034A/zh
Application granted granted Critical
Publication of TWI736765B publication Critical patent/TWI736765B/zh

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
    • 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
    • G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • 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

Landscapes

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

Abstract

本申請實施例提供了一種圖像處理方法及裝置，其中方法主要包括以下流程：獲取目標對象的多幅圖像的特徵及目標對象的標準特徵；根據目標對象的多幅圖像的特徵與其標準特徵之間的相似度，在目標對象的多幅圖像中確定目標對象的可信圖像；其中，目標對象的可信圖像的特徵與目標對象的標準特徵之間的相似度滿足預設相似度要求。本申請實施例提供的圖像處理方法可以應用在圖像比對、身份識別、目標對象查找、相似目標對象判定等應用場景。

Description

圖像處理方法、裝置、設備及儲存媒體
本申請係關於圖像處理領域，尤其關於一種圖像處理方法及裝置。
隨著圖像處理技術的發展，圖像處理已經應用在多種領域內，如人臉支付領域、身份識別領域等。在進行圖像處理時，通常需要以系統內預留的圖像為處理依據，透過對系統內預留的圖像進行處理，得到處理結果，比如，將系統內預留的底圖與採集到的用戶圖像進行對比，以對用戶身份進行校驗。
對於同一目標對象而言，由於系統內預留的該目標對象的圖像品質參差不齊，因此為提高圖像處理效果，需要提供一種技術方案以在該目標對象的多幅底圖中篩選出該目標對象的高品質圖像。
本申請實施例的目的是提供一種圖像處理方法及裝置，以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高的圖像，從 而使選擇出的圖像均適合進行圖像處理，提高圖像處理效果。
為解決上述技術問題，本申請實施例是這樣實現的：本申請實施例提供了一種圖像處理方法，包括：獲取目標對象的多幅圖像的特徵及所述目標對象的標準特徵；根據所述多幅圖像的特徵與所述標準特徵之間的相似度，在所述多幅圖像中確定所述目標對象的可信圖像；其中，所述可信圖像的特徵與所述標準特徵之間的相似度滿足預設相似度要求。
本申請實施例提供了另一種圖像處理方法，包括：獲取第一目標對象的可信圖像和第二目標對象的可信圖像；根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似；其中，所述第一目標對象的可信圖像為在所述第一目標對象的多幅圖像中確定的圖像，所述第一目標對象的可信圖像的特徵與所述第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求；所述第二目標對象的可信圖像為在所述第二目標對象的多幅圖像中確定的圖像，所述第二目標對象的可信圖像的特徵與所述第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求。
本申請實施例提供了又一種圖像處理方法，包括：獲取第一目標對象的多幅圖像的特徵、所述第一目標對象的標準特徵、第二目標對象的多幅圖像的特徵、以及所述第二目標對象的標準特徵； 　　根據所述第一目標對象的多幅圖像的特徵與所述第一目標對象的標準特徵之間的相似度，在所述第一目標對象的多幅圖像中確定所述第一目標對象的可信圖像，以及，根據所述第二目標對象的多幅圖像的特徵與所述第二目標對象的標準特徵之間的相似度，在所述第二目標對象的多幅圖像中確定所述第二目標對象的可信圖像；其中，所述第一目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第一預設相似度要求，所述第二目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第二預設相似度要求； 　　根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似。 　　本申請實施例提供了一種圖像處理裝置，包括： 　　特徵獲取模組，用於獲取目標對象的多幅圖像的特徵及所述目標對象的標準特徵； 　　圖像篩選模組，用於根據所述多幅圖像的特徵與所述標準特徵之間的相似度，在所述多幅圖像中確定所述目標對象的可信圖像；其中，所述可信圖像的特徵與所述標準特徵之間的相似度滿足預設相似度要求。 　　本申請實施例提供了另一種圖像處理裝置，包括： 　　圖像獲取模組，用於獲取第一目標對象的可信圖像和第二目標對象的可信圖像； 　　圖像比較模組，用於根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似； 　　其中，所述第一目標對象的可信圖像為在所述第一目標對象的多幅圖像中確定的圖像，所述第一目標對象的可信圖像的特徵與所述第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求；所述第二目標對象的可信圖像為在所述第二目標對象的多幅圖像中確定的圖像，所述第二目標對象的可信圖像的特徵與所述第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求。 　　本申請實施例提供了又一種圖像處理裝置，包括： 　　資料獲取模組，用於獲取第一目標對象的多幅圖像的特徵、所述第一目標對象的標準特徵、第二目標對象的多幅圖像的特徵、以及所述第二目標對象的標準特徵； 　　圖像確定模組，用於根據所述第一目標對象的多幅圖像的特徵與所述第一目標對象的標準特徵之間的相似度，在所述第一目標對象的多幅圖像中確定所述第一目標對象的可信圖像，以及，根據所述第二目標對象的多幅圖像的特徵與所述第二目標對象的標準特徵之間的相似度，在所述第二目標對象的多幅圖像中確定所述第二目標對象的可信圖像；其中，所述第一目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第一預設相似度要求，所述第二目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第二預設相似度要求； 　　圖像判斷模組，用於根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似。 　　本申請實施例提供了一種圖像處理設備，包括： 　　處理器；以及 　　被安排成儲存電腦可執行指令的記憶體，所述可執行指令在被執行時使所述處理器： 　　獲取目標對象的多幅圖像的特徵及所述目標對象的標準特徵； 　　根據所述多幅圖像的特徵與所述標準特徵之間的相似度，在所述多幅圖像中確定所述目標對象的可信圖像；其中，所述可信圖像的特徵與所述標準特徵之間的相似度滿足預設相似度要求。 　　本申請實施例提供了另一種圖像處理設備，包括： 　　處理器；以及 　　被安排成儲存電腦可執行指令的記憶體，所述可執行指令在被執行時使所述處理器： 　　獲取第一目標對象的可信圖像和第二目標對象的可信圖像； 　　根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似； 　　其中，所述第一目標對象的可信圖像為在所述第一目標對象的多幅圖像中確定的圖像，所述第一目標對象的可信圖像的特徵與所述第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求；所述第二目標對象的可信圖像為在所述第二目標對象的多幅圖像中確定的圖像，所述第二目標對象的可信圖像的特徵與所述第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求。 　　本申請實施例提供了又一種圖像處理設備，包括： 　　處理器；以及 　　被安排成儲存電腦可執行指令的記憶體，所述可執行指令在被執行時使所述處理器： 　　獲取第一目標對象的多幅圖像的特徵、所述第一目標對象的標準特徵、第二目標對象的多幅圖像的特徵、以及所述第二目標對象的標準特徵； 　　根據所述第一目標對象的多幅圖像的特徵與所述第一目標對象的標準特徵之間的相似度，在所述第一目標對象的多幅圖像中確定所述第一目標對象的可信圖像，以及，根據所述第二目標對象的多幅圖像的特徵與所述第二目標對象的標準特徵之間的相似度，在所述第二目標對象的多幅圖像中確定所述第二目標對象的可信圖像；其中，所述第一目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第一預設相似度要求，所述第二目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第二預設相似度要求； 　　根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似。 　　本申請實施例提供了一種儲存媒體，用於儲存電腦可執行指令，所述可執行指令在被執行時實現以下流程： 　　獲取目標對象的多幅圖像的特徵及所述目標對象的標準特徵； 　　根據所述多幅圖像的特徵與所述標準特徵之間的相似度，在所述多幅圖像中確定所述目標對象的可信圖像；其中，所述可信圖像的特徵與所述標準特徵之間的相似度滿足預設相似度要求。 　　本申請實施例提供了另一種儲存媒體，用於儲存電腦可執行指令，所述可執行指令在被執行時實現以下流程： 　　獲取第一目標對象的可信圖像和第二目標對象的可信圖像； 　　根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似； 　　其中，所述第一目標對象的可信圖像為在所述第一目標對象的多幅圖像中確定的圖像，所述第一目標對象的可信圖像的特徵與所述第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求；所述第二目標對象的可信圖像為在所述第二目標對象的多幅圖像中確定的圖像，所述第二目標對象的可信圖像的特徵與所述第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求。 　　本申請實施例提供了又一種儲存媒體，用於儲存電腦可執行指令，所述可執行指令在被執行時實現以下流程： 　　獲取第一目標對象的多幅圖像的特徵、所述第一目標對象的標準特徵、第二目標對象的多幅圖像的特徵、以及所述第二目標對象的標準特徵； 　　根據所述第一目標對象的多幅圖像的特徵與所述第一目標對象的標準特徵之間的相似度，在所述第一目標對象的多幅圖像中確定所述第一目標對象的可信圖像，以及，根據所述第二目標對象的多幅圖像的特徵與所述第二目標對象的標準特徵之間的相似度，在所述第二目標對象的多幅圖像中確定所述第二目標對象的可信圖像；其中，所述第一目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第一預設相似度要求，所述第二目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第二預設相似度要求； 　　根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似。 　　透過本實施例中的技術方案，能夠以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的可信圖像，從而使選擇出的可信圖像均適合進行圖像處理，提高圖像處理效果。
為了使本技術領域的人員更好地理解本申請中的技術方案，下面將結合本申請實施例中的附圖，對本申請實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基於本申請中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都應當屬於本申請保護的範圍。 　　本申請實施例提供了一種圖像處理方法及裝置，能夠在目標對象的多幅圖像中篩選出目標對象的可信圖像，還能夠基於目標對象的可信圖像確定兩個目標對象是否相似，其中，篩選出的目標對象的可信圖像與目標對象的標準特徵相似度較高，能夠反映目標對象的標準特徵。 　　圖1為本申請實施例提供的圖像處理方法的第一種流程示意圖，該方法的執行主體為伺服器，如圖1所示，該方法至少包括以下步驟： 　　步驟S102，獲取目標對象的多幅圖像的特徵及目標對象的標準特徵； 　　步驟S104，根據多幅圖像的特徵與該標準特徵之間的相似度，在多幅圖像中確定目標對象的可信圖像；其中，可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求。 　　本實施例中的圖像處理方法，首先獲取目標對象的多幅圖像的特徵及目標對象的標準特徵，然後根據多幅圖像的特徵與該標準特徵之間的相似度，在多幅圖像中確定目標對象的可信圖像，可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求。可見，本實施例中的圖像處理方法，能夠以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的可信圖像，從而使選擇出的可信圖像均適合進行圖像處理，提高圖像處理效果。 　　本實施例中，目標對象可以是自然人，還可以是物品。上述步驟S102中，可以從本地資料庫或遠端資料庫中讀取預先儲存的目標對象的多幅圖像，並獲取目標對象的多幅圖像的特徵，其中，目標對象的每幅圖像都具有對應的特徵。 　　目標對象的標準特徵指的是能夠準確反映目標對象的特徵，利用能夠準確反映目標對象的特徵在目標對象的多幅圖像中篩選可信圖像，能夠保證可信圖像同樣準確反映目標對象。考慮到標準特徵需要準確反映目標對象，本實施例中，透過以下方式（a1）或（a2）獲取目標對象的標準特徵： 　　（a1）獲取多幅圖像的平均化特徵，將多幅圖像的平均化特徵作為目標對象的標準特徵； 　　（a2）獲取多幅圖像的平均化特徵，將多幅圖像的特徵中與平均化特徵相似度最高的特徵，作為目標對象的標準特徵。 　　上述方式（a1）中，對目標對象的多幅圖像做特徵平均化處理，具體平均化的方式可以根據實際實施場景確定，這裡不做限制，一種具體的實施場景下，可以對獲取到的所有圖像的同一維度的特徵向量做平均化，從而得到所有圖像的平均化特徵。本方式中，將獲取的所有圖像的平均化特徵作為目標對象的標準特徵。 　　上述方式（a2）中，首先獲取上述多幅圖像的平均化特徵，這一過程與方式（a1）相同，這裡不做贅述。由於目標對象的每幅圖像都具有對應的特徵，因此這裡在多幅圖像的特徵中，確定與該平均化特徵相似度最高的特徵，將該相似度最高的特徵確定為目標對象的標準特徵，具體地，在目標對象的多幅圖像中，分別計算每幅圖像的特徵與平均化特徵之間的相似度，得到相似度最高的圖像，將該相似度最高的圖像的特徵作為目標對象的標準特徵。透過這種方式，能夠得到一幅特徵與上述平均化特徵相似度最高的圖像，該圖像可以稱為標準圖像，該標準圖像反映了目標對象的標準特徵，其可以用在目標對象的其他圖像處理過程中。 　　比較上述方式（a1）和方式（a2）可知，方式（a1）確定標準特徵的過程簡單，操作方便，方式（a2）在確定標準特徵的過程中，還能夠得到與標準特徵相似度最高的標準圖像，以便於目標對象的其他圖像處理過程，本領域普通技術人員可以根據實際情況選擇方式（a1）和方式（a2）中的一種以確定目標對象的標準特徵。 　　上述步驟S104中，具體可以透過以下方式（b1）或（b2）根據多幅圖像的特徵與標準特徵之間的相似度，在多幅圖像中確定目標對象的可信圖像： 　　（b1）在多幅圖像中，將特徵與標準特徵之間的相似度大於預設相似度閾值的部分或全部圖像，作為目標對象的可信圖像； 　　（b2）確定多幅圖像的特徵與標準特徵之間的相似度的分佈資料，在該分佈資料中確定圖像密度大於預設密度的相似度區間，將確定的相似度區間所對應的部分或全部圖像，作為目標對象的可信圖像。 　　上述方式（b1）中，分別計算目標對象的多幅圖像中的每幅圖像的特徵，與目標對象的標準特徵之間的相似度，然後確定相似度大於預設相似度閾值的多幅圖像，能夠理解，該多幅圖像與目標對象的標準特徵都非常接近，都能夠反映目標對象的標準特徵，然而，考慮到多幅圖像的數量可能非常多，將影響計算速度，因此本方式中，若不考慮計算速度，則可以將確定出來的多幅圖像中的全部圖像，作為目標對象的可信圖像，若考慮計算速度，則可以將確定出來的多幅圖像中的部分圖像，作為目標對象的可信圖像。本方式中，預設相似度閾值為伺服器預設的值，預設方式可以由伺服器根據本實施例的實施場景設置。 　　一種具體的例子為，計算目標對象的多幅圖像中的每幅圖像的特徵，與目標對象的標準特徵之間的相似度，按照相似度最高至最低的順序，將目標對象的多幅圖像進行排序，在排序中，確定相似度大於預設相似度閾值的圖像。考慮到計算速度的需求，若相似度大於預設相似度閾值的圖像的數量大於等於一定值，如一定值為100，則按照相似度最高至最低的排序，在相似度大於預設相似度閾值的圖像中，選擇前一半一定值數量的圖像（這裡為50張圖像），作為目標對象的可信圖像，若相似度大於預設相似度閾值的圖像的數量小於一定值，則按照相似度最高至最低的排序，在相似度大於預設相似度閾值的圖像中，選擇前一半數量的圖像，作為目標對象的可信圖像。 　　以目標對象的標準特徵是目標對象的標準圖像的特徵為例，圖2a為本發明實施例提供的根據目標對象的標準圖像確定目標對象的可信圖像的示意圖，如圖2a所示，目標對象為自然人，圖像a為目標對象的標準圖像，圖像a1、a2、a3、a4分別為獲取到的目標對象的多幅圖像中的部分圖像，分別計算標準圖像a與圖像a1、a2、a3、a4之間的相似度，得到標準圖像a與圖像a1、a2、a3、a4之間的相似度分別為85%、65%、87%、86%，設定預設相似度閾值為80%，則確定目標對象的可信圖像為a1、a3和a4，a2為不可信圖像。 　　上述方式（b2）中，在目標對象的多幅圖像中，分別計算每幅圖像的特徵與目標對象的標準特徵之間的相似度，得到多個相似度數據，統計多個相似度數據的分佈，得到分佈資料，該分佈資料可以以統計分佈長條圖的形式體現，該分佈資料中，包括多個相似度區間，並標記了每個相似度區間對應的圖像數量。在該分佈資料中，確定圖像密度大於預設密度的相似度區間，這裡圖像密度可以用相似度區間內的圖像數量與該相似度區間的相似度範圍的比值表示，圖像密度越大，說明該相似度區間內每個相似度單位對應的圖像數量越多，預設密度為伺服器預先設定的值，伺服器可以根據場景需要進行設置。確定圖像密度大於預設密度的相似度區間後，與方式（b1）中同理，若不考慮計算速度，則將該確定的相似度區間內的全部圖像，確定為目標對象的可信圖像，若考慮計算速度，則將該確定的相似度區間內的部分圖像，確定為目標對象的可信圖像。其中，圖像密度大於預設密度的相似度區間內的圖像不一定是與標準特徵最為相似的圖像。 　　上述方式（b2）中，圖像密度大於預設密度的相似度區間內分佈的圖像主要為目標對象的常態圖像，如目標對象是自然人，其拍照時習慣大笑，則在統計目標對象的上述分佈資料時，圖像密度大於預設密度的相似度區間內分佈的圖像主要為目標對象的大笑圖像。透過將圖像密度大於預設密度的相似度區間內的部分或全部圖像確定為可信圖像，能夠使目標對象的可信圖像為其常態圖像。 　　圖2b為本發明實施例提供的多幅圖像的特徵與標準特徵之間的相似度的分佈示意圖，如圖2b所示，根據目標對象的每幅圖像的特徵與目標對象的標準特徵之間的相似度的分佈資料，得到統計分佈長條圖，該圖包括多個相似度區間，並標記了每個相似度區間對應的圖像數量。該圖中，圖像密度大於預設密度的相似度區間為相似度得分在60和80之間的區間，以及相似度得分在80和100之間的區間，圖中以斜線方式示意，則將這兩個區間對應的部分或全部圖像，確定為目標對象的可信圖像。 　　比較上述方式（b1）和方式（b2）可知，上述方式（b1）主要以預設相似度閾值為依據，在目標對象的多幅圖像中確定目標對象的可信圖像，上述方式（b2）主要以相似度的分佈資料為依據，在目標對象的多幅圖像中確定目標對象的可信圖像。當目標對象的多幅圖像中都是目標圖像本身的圖像時，則採用上述方式（b1）能夠簡單快速的獲得與目標對象的標準特徵非常接近的目標對象的可信圖像，當目標對象的多幅圖像中混入少量的雜質圖像（如無意義圖像或者其他目標對象的圖像）時，則採用上述方式（b2）能夠規避雜質圖像的干擾，將目標對象的常態圖像作為目標對象的可信圖像。本領域普通技術人員可以根據實際情況選擇方式（b1）和方式（b2）中的一種以確定目標對象的可信圖像。 　　上述方式（b2）中，基於相似度分佈的方式確定可信圖像時，若在相似度的分佈資料中確定孤立的高相似圖像，如只有一幅圖像與標準特徵之間的相似度達到98分，其餘圖像與標準特徵之間的相似度最大為90分，則該孤立的高相似圖像可能與標準特徵完全重合，也可能為計算存在誤差的圖像，這種情況下，為保證圖像選取精度，可以排除該圖像，當然，也可以不排除，視具體場景而定。 　　透過以上過程可知，在目標對象的多幅圖像中確定目標對象的可信圖像，能夠在目標對象的多幅圖像中去除低品質的、與目標對象的標準特徵不相近的圖像，從而得到高品質的、能夠反映目標對象的標準特徵的圖像，從而在利用目標對象的可信圖像進行圖像處理時，提高圖像處理的精准度。 　　圖3為本申請實施例提供的圖像處理方法的第二種流程示意圖，透過圖3中的方法，能夠在獲取目標對象的可信圖像的基礎上，比較兩個目標對象是否相似，圖3中的方法較佳適用在目標對象是自然人的場景下，如圖3所示，該方法在圖1的基礎上，還包括以下步驟： 　　步驟S106，確定第一目標對象的可信圖像與第二目標對象的可信圖像之間的相似度，得到多個相似度數據； 　　步驟S108，根據該多個相似度數據，確定第一目標對象與第二目標對象是否相似。 　　步驟S102中的目標對象可以包括多個目標對象，分別為第一目標對象、第二目標對象、第三目標對象等等。因此透過步驟S102和步驟S104，能夠分別確定第一目標對象的可信圖像和第二目標對象的可信圖像。 　　步驟S106中，確定第一目標對象的可信圖像與第二目標對象的可信圖像之間的相似度的具體方式為，確定第一目標對象的每幅可信圖像與第二目標對象的每幅可信圖像之間的相似度，相似度計算方法這裡不做具體限制，可以根據需要選擇。在第一目標對象的每幅可信圖像與第二目標對象的每幅可信圖像都計算過相似度後，計算得到的相似度數據的數量等於第一目標對象的可信圖像數量與第二目標對象的可信圖像數量的乘積。 　　步驟S108中，可以透過以下方式（c1）或（c2）根據多個相似度數據，確定第一目標對象與第二目標對象是否相似： 　　（c1）若多個相似度數據的平均值大於預設平均閾值，則確定第一目標對象與第二目標對象相似； 　　（c2）若多個相似度數據的分佈滿足預設相似度分佈要求，則確定第一目標對象與第二目標對象相似。 　　上式方式（c1）中，計算多個相似度數據的平均值，若多個相似度數據的平均值大於預設平均閾值，則確定第一目標對象與第二目標對象相似，否則，確定第一目標對象與第二目標對象不相似。預設平均閾值為伺服器預設的值，預設方式可以由伺服器根據本實施例的實施場景設置。 　　上式方式（c2）中，計算多個相似度數據的分佈，該分佈可以用統計分佈長條圖的形式體現，該分佈中，包括多個相似度區間，並標記了每個相似度區間對應的圖像對的數量。 　　一種具體的實施例中，預設相似度分佈要求可以為相似度大於一定值的圖像對的數量占總圖像比對次數的比例大於預設比例，在上述分佈中，若相似度大於一定值的圖像對的數量占總圖像比對次數的比例大於預設比例，則確定第一目標對象與第二目標對象相似，否則，確定第一目標對象與第二目標對象不相似。如相似度大於75分的圖像對的數量占總圖像比對次數的比例大於80%，則確定第一目標對象與第二目標對象相似，否則，確定第一目標對象與第二目標對象不相似。其中，由於第一目標對象和第二目標對象是成對比對圖像的，因此確定相似度大於一定值的圖像對的數量，總圖像比對次數等於第一目標對象的可信圖像數量與第二目標對象的可信圖像數量的乘積。 　　另一種具體的實施例中，預設相似度分佈要求可以為對應的圖像數量最多的相似度區間的相似度範圍在預設相似度範圍內，在上述分佈中，若對應的圖像數量最多的相似度區間的相似度範圍在預設相似度範圍內，則確定第一目標對象與第二目標對象相似，否則，確定第一目標對象與第二目標對象不相似。如對應的圖像數量最多的相似度區間的相似度範圍為80分到85分，在預設相似度範圍70分到90分之間，則確定第一目標對象與第二目標對象相似，否則，確定第一目標對象與第二目標對象不相似。 　　比較上述方式（c1）和上述方式（c2），透過方式（c1）能夠利用預設平均閾值簡單快速的判斷第一目標對象與第二目標對象是否相似，透過方式（c2）能夠根據相似度數據的分佈情況確定第一目標對象與第二目標對象是否相似，在具體實施本實施例時，可以根據實施場景需要確定方式（c1）和方式（c2）中的一種以確定第一目標對象與第二目標對象是否相似。 　　考慮到第一目標對象的圖像數量較少，和/或，第二目標對象的圖像數量較少時，上述步驟S106中得到的多個相似度數據的數量較少，可能會影響步驟S108判斷的準確性，因此本實施例中，步驟S108，根據該多個相似度數據，確定第一目標對象與第二目標對象是否相似，具體為：確定多個相似度數據的數量是否滿足預設數量要求，若是，則根據該多個相似度數據，確定第一目標對象與第二目標對象是否相似。透過確定步驟S106中得到的多個相似度數據的數量滿足預設數量要求，能夠保證第一目標對象和第二目標對象相似性判斷的準確性。 　　一種具體的實施例中，若伺服器根據相似度數據確定第一目標對象與第二目標對象是否相似的演算法準確度較高，則可以不確定步驟S106中得到的多個相似度數據的數量是否滿足預設數量要求，直接根據相似度數據確定第一目標對象與第二目標對象是否相似，若伺服器根據相似度數據確定第一目標對象與第二目標對象是否相似的演算法準確度較低，則在需要先確定步驟S106中得到的多個相似度數據的數量是否滿足預設數量要求，若滿足，則根據相似度數據確定第一目標對象與第二目標對象是否相似，若不滿足，結束方法流程。 　　圖4為本發明實施例提供的根據可信圖像比較第一目標對象和第二目標對象是否相似的示意圖，如圖4所示，第一目標對象包括p1、p2、p3…pm m個可信圖片（圖中以三個圖片為例說明），第二目標對象包括q1、q2、q3…qn n個可信圖片（圖中以三個圖片為例說明），分別計算第一目標對象的每個可信圖片與第二目標對象的每個可信圖片之間的相似度，得到多個相似度得分，圖中標注了部分相似度得分，統計所有相似度得分的平均分，為85分，大於預設平均閾值，確定第一目標對象與第二目標對象相似。 　　根據上述公開的方法，本實施例提供了另一種圖像處理方法，既包括可信圖像確定過程，也包括兩個目標對象是否相似的確定過程，圖5為本申請實施例提供的圖像處理方法的第三種流程示意圖，如圖5所示，該方法包括： 　　步驟S302，獲取圖像。獲取第一目標對象的多幅圖像和第二目標對象的多幅圖像。 　　步驟S304，確定第一平均化特徵和第二平均化特徵。確定第一目標對象的多幅圖像的平均化特徵作為第一平均化特徵，並確定第二目標對象的多幅圖像的平均化特徵作為第二平均化特徵。 　　步驟S306，計算第一相似度和第二相似度。在第一目標對象的多幅圖像中，分別計算第一目標對象的每幅圖像的特徵與第一平均化特徵的第一相似度，並在第二目標對象的多幅圖像中，分別計算第二目標對象的每幅圖像的特徵與第二平均化特徵的第二相似度。 　　步驟S308，確定第一標準圖像和第二標準圖像。將第一相似度最大的圖像作為第一目標對象的第一標準圖像，將第二相似度最大的圖像作為第二目標對象的第二標準圖像。 　　步驟S310，計算第三相似度和第四相似度。在第一目標對象的多幅圖像中，分別計算第一目標對象的每幅圖像與第一標準圖像之間的第三相似度，並在第二目標對象的多幅圖像中，分別計算第二目標對象的每幅圖像與第二標準圖像之間的第四相似度。 　　步驟S312，確定第一可信圖像和第二可信圖像。將第三相似度大於一定值的圖像作為第一目標對象的第一可信圖像，將第四相似度大於一定值的圖像作為第二目標對象的第二可信圖像。 　　步驟S314，計算圖像數量乘積。計算第一可信圖像的數量與第二可信圖像的數量的乘積。 　　步驟S316，計算相似度平均值。分別計算每幅第一可信圖像與每幅第二可信圖像之間的相似度，得到多個相似度數據，計算該多個相似度數據的平均值。 　　步驟S318，判斷步驟S314計算得到的乘積是否大於預設乘積，若大於，則執行步驟S320，否則，結束對比。 　　步驟S320，判斷步驟S316計算得到的平均值是否大於預設平均值，若大於，則執行步驟S322，否則，結束對比。 　　步驟S322，確定第一目標對象與第二目標對象相似。 　　圖1至圖5所示的圖像處理方法中，在計算相似度時，如計算每幅圖像與平均化特徵之間的相似度，計算每幅圖像與標準圖像之間的相似度，或者計算第一目標對象的可信圖像與第二目標對象的可信圖像之間的相似度時，不限制相似度計算方法，可以計算特徵向量之間的歐式距離或餘弦距離以計算相似度，在目標對象為自然人時，還可以採用基於特徵臉的比對方式等等，只需要有指標用於量化特徵間的相似程度即可。其中，計算歐式距離或餘弦距離時，可以採用主成分分析法(principal component analysis,簡稱PCA)，或者局部特徵分析方法（Local Face Analysis），神經網路方法（Neural Networks）等。 　　本實施例中，目標對象可以為自然人，透過本實施例中的方法，能夠在系統內預留的自然人的底圖中排除掉自然人的低品質圖像，篩選出自然人的可信圖像，自然人的可信圖像可以是光線合適、臉部位置端正、圖像清晰，沒有濃妝和誇張配飾的圖像，透過可信圖像能夠反映自然人的面部特徵；本實施例中的方法還能夠基於兩個自然人的可信圖像判斷兩個自然人是否相似。本實施例中的方法過程簡單，效果準確，能夠廣泛應用在人臉識別領域，尤其應用在同卵雙胞胎篩選、目標人物定位等領域，具有潛在的社會價值，如識別出雙方都有過人臉採集歷史的同卵雙胞胎，尋找被拐賣兒童或追緝更名換姓的逃犯等。 　　進一步地，基於上述圖1至圖5中的方法，本申請實施例還提供了一種圖像處理方法，圖6為本申請實施例提供的圖像處理方法的第四種流程示意圖，該方法的執行主體為伺服器，針對圖6中的方法，這裡重點介紹其與前述圖1至圖5中的方法的不同之處，相同之處可以參考前述圖1至圖5的描述，如圖6所示，該方法至少包括以下步驟： 　　步驟S402，獲取第一目標對象的可信圖像和第二目標對象的可信圖像； 　　步驟S404，根據第一目標對象的可信圖像與第二目標對象的可信圖像，確定第一目標對象與第二目標對象是否相似； 　　其中，第一目標對象的可信圖像為在第一目標對象的多幅圖像中確定的圖像，第一目標對象的可信圖像的特徵與第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求；第二目標對象的可信圖像為在第二目標對象的多幅圖像中確定的圖像，第二目標對象的可信圖像的特徵與第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求。 　　本實施例中的圖像處理方法，由於第一目標對象的可信圖像是在第一目標對象的多幅圖像中篩選的，特徵與第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求的圖像，且第二目標對象的可信圖像是在第二目標對象的多幅圖像中篩選的，特徵與第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求的圖像，因此本實施例中的圖像處理方法實現了以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的圖像，從而使選擇出的圖像均適合進行圖像處理，提高圖像處理效果，並且，由於本實施例中的方法是以第一目標對象的可信圖像和第二目標對象的可信圖像為依據，判斷第一目標對象與第二目標對象是否相似，因此本實施例中的圖像處理方法圖像處理效果好，判斷結果準確，能夠準確確定第一目標對象與第二目標對象是否相似。 　　根據圖1至圖5的描述可知，本實施例中，第一目標對象的標準特徵，為第一目標對象的多幅圖像的平均化特徵；或者，第一目標對象的標準特徵，為第一目標對象的多幅圖像的特徵中與第一目標對象的多幅圖像的平均化特徵相似度最高的特徵；第二目標對象的標準特徵，為第二目標對象的多幅圖像的平均化特徵；或者，第二目標對象的標準特徵，為第二目標對象的多幅圖像的特徵中與第二目標對象的多幅圖像的平均化特徵相似度最高的特徵。上述第一預設相似度要求和第二預設相似度要求可以相同，也可以不同。 　　考慮到採用統一的標準確定第一目標對象的可信圖像和第二目標對象的可信圖像，能夠保證判斷第一目標對象和第二目標對象是否相似的準確性，較佳地，第一目標對象的標準特徵和第二目標對象的標準特徵採用相同的方式確定，二者都為多幅圖像的平均化特徵，或者二者都為多幅圖像的特徵中與多幅圖像的平均化特徵相似度最高的特徵，且第一預設相似度要求與第二預設相似度要求相同。 　　有關第一預設相似度要求與第二預設相似度要求的具體解釋與圖1至圖5中的描述一致，上述步驟S402中，獲取第一目標對象的可信圖像和第二目標對象的可信圖像的具體過程還可以參考圖1至圖5中的描述，這裡不做贅述。 　　上述步驟S404中，具體透過以下方式（d1）或（d2）根據第一目標對象的可信圖像與第二目標對象的可信圖像，確定第一目標對象與第二目標對象是否相似： 　　（d1）若第一目標對象的可信圖像與第二目標對象的可信圖像之間的多個相似度數據的平均值大於預設平均閾值，則確定第一目標對象與第二目標對象相似； 　　（d2）若第一目標對象的可信圖像與第二目標對象的可信圖像之間的多個相似度數據的分佈滿足預設相似度分佈要求，則確定第一目標對象與第二目標對象相似。 　　上述方式（d1）和（d2）的具體解釋可參考前述方式（c1）和（c2），這裡不過多贅述。 　　一種應用場景下，需要在目標對象的資料庫內查找出特徵相似的兩個目標對象，如長相相似的兩個自然人，這種情景下，本實施例中，第一目標對象為目標對象的資料庫中的任一目標對象，第二目標對象為目標對象的資料庫中除第一目標對象以外的任一目標對象，從而在資料庫內查找出特徵相似的兩個目標對象。 　　另一種應用場景下，需要在資料庫查找出與指定目標對象相似的目標對象，如與指定自然人長相相似的另一個自然人，這種場景下，本實施例中，第一目標對象為用戶指定的目標對象，第二目標對象為目標對象的資料庫中的任一目標對象，從而在資料庫查找出與指定目標對象相似的目標對象。 　　進一步地，基於上述圖1至圖5中的方法，本申請實施例還提供了一種圖像處理方法，圖7為本申請實施例提供的圖像處理方法的第五種流程示意圖，該方法的執行主體為伺服器，針對圖7中的方法，這裡重點介紹其與前述圖1至圖5中的方法的不同之處，相同之處可以參考前述圖1至圖5的描述，如圖7所示，該方法至少包括以下步驟： 　　步驟S502，獲取第一目標對象的多幅圖像的特徵、第一目標對象的標準特徵、第二目標對象的多幅圖像的特徵、以及第二目標對象的標準特徵； 　　步驟S504，根據第一目標對象的多幅圖像的特徵與第一目標對象的標準特徵之間的相似度，在第一目標對象的多幅圖像中確定第一目標對象的可信圖像，以及，根據第二目標對象的多幅圖像的特徵與第二目標對象的標準特徵之間的相似度，在第二目標對象的多幅圖像中確定第二目標對象的可信圖像；其中，第一目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第一預設相似度要求，第二目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第二預設相似度要求； 　　步驟S506，根據第一目標對象的可信圖像與第二目標對象的可信圖像，確定第一目標對象與第二目標對象是否相似。 　　本實施例中的圖像處理方法，首先獲取目標對象的多幅圖像的特徵及目標對象的標準特徵，然後根據多幅圖像的特徵與該標準特徵之間的相似度，在多幅圖像中確定目標對象的可信圖像，可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求，最後根據兩個目標對象的可信圖像，判斷這兩個目標對象是否相似。本實施例中的圖像處理方法，以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的可信圖像，能夠使選擇出的可信圖像均適合進行圖像處理，提高圖像處理效果，以第一目標對象的可信圖像和第二目標對象的可信圖像為依據，判斷第一目標對象與第二目標對象是否相似，能夠提高兩個目標對象相似度判斷的準確性，從而準確判斷兩個目標對象是否相似。 　　步驟S502和步驟S504的具體過程可以參考圖1和圖2中步驟S102和步驟S104的描述，步驟S506的具體過程可參考圖6中步驟S404的描述，這裡不過多贅述。 　　本實施例中有關標準特徵的具體解釋可以參考圖1至圖6的描述。本實施例中，第一預設相似度要求和第二預設相似度要求相同，或者，第一預設相似度要求和第二預設相似度要求不同，考慮到採用統一的標準確定第一目標對象的可信圖像和第二目標對象的可信圖像，能夠保證判斷第一目標對象和第二目標對象是否相似的準確性，較佳地，第一目標對象的標準特徵和第二目標對象的標準特徵採用相同的方式確定，二者都為多幅圖像的平均化特徵，或者二者都為多幅圖像的特徵中與多幅圖像的平均化特徵相似度最高的特徵，且第一預設相似度要求與第二預設相似度要求相同。 　　綜上，本實施例中圖1至圖7所示的方法，能夠確定目標對象的可信圖像，並基於目標對象的可信圖像確定兩個目標對象是否相似，判斷過程簡單，判斷效果準確，可以廣泛應用在人臉識別、雙胞胎篩選、目標人物定位等領域。 　　進一步地，基於上述圖1至圖7所示的方法，本申請實施例提供了一種圖像處理裝置，圖8為本申請實施例提供的圖像處理裝置的第一種模組組成示意圖，如圖8所示，該裝置包括： 　　特徵獲取模組61，用於獲取目標對象的多幅圖像的特徵及所述目標對象的標準特徵； 　　圖像篩選模組62，用於根據所述多幅圖像的特徵與所述標準特徵之間的相似度，在所述多幅圖像中確定所述目標對象的可信圖像；其中，所述可信圖像的特徵與所述標準特徵之間的相似度滿足預設相似度要求。 　　本實施例中，所述特徵獲取模組61具體用於：獲取所述多幅圖像的平均化特徵，將所述多幅圖像的平均化特徵作為所述目標對象的標準特徵；或者，獲取所述多幅圖像的平均化特徵，將所述多幅圖像的特徵中與所述平均化特徵相似度最高的特徵，作為所述目標對象的標準特徵。 　　本實施例中，所述圖像篩選模組62具體用於：在所述多幅圖像中，將特徵與所述標準特徵之間的相似度大於預設相似度閾值的部分或全部圖像，作為所述目標對象的可信圖像；或者，確定所述多幅圖像的特徵與所述標準特徵之間的相似度的分佈資料，在所述分佈資料中確定圖像密度大於預設密度的相似度區間，將確定的所述相似度區間所對應的部分或全部圖像，作為所述目標對象的可信圖像。 　　本實施例中，該裝置還包括： 　　相似度確定模組，用於確定第一目標對象的可信圖像與第二目標對象的可信圖像之間的相似度，得到多個相似度數據； 　　相似性判斷模組，用於根據所述多個相似度數據，確定所述第一目標對象與所述第二目標對象是否相似。 　　本實施例中，所述相似性判斷模組具體用於：若所述多個相似度數據的平均值大於預設平均閾值，則確定所述第一目標對象與所述第二目標對象相似；或者，若所述多個相似度數據的分佈滿足預設相似度分佈要求，則確定所述第一目標對象與所述第二目標對象相似。 　　本實施例中，所述相似性判斷模組具體用於：確定所述多個相似度數據的數量是否滿足預設數量要求，若是，則根據所述多個相似度數據，確定所述第一目標對象與所述第二目標對象是否相似。 　　本實施例中的圖像處理裝置，首先獲取目標對象的多幅圖像的特徵及目標對象的標準特徵，然後根據多幅圖像的特徵與該標準特徵之間的相似度，在多幅圖像中確定目標對象的可信圖像，可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求。可見，本實施例中的圖像處理裝置，能夠以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的可信圖像，從而使選擇出的可信圖像均適合進行圖像處理，提高圖像處理效果。 　　進一步地，基於上述圖1至圖7所示的方法，本申請實施例還提供了另一種圖像處理裝置，圖9為本申請實施例提供的圖像處理裝置的第二種模組組成示意圖，如圖9所示，該裝置包括： 　　圖像獲取模組71，用於獲取第一目標對象的可信圖像和第二目標對象的可信圖像； 　　圖像比較模組72，用於根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似； 　　其中，所述第一目標對象的可信圖像為在所述第一目標對象的多幅圖像中確定的圖像，所述第一目標對象的可信圖像的特徵與所述第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求；所述第二目標對象的可信圖像為在所述第二目標對象的多幅圖像中確定的圖像，所述第二目標對象的可信圖像的特徵與所述第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求。 　　本實施例中，所述第一目標對象的標準特徵，為所述第一目標對象的多幅圖像的平均化特徵；或者，所述第一目標對象的標準特徵，為所述第一目標對象的多幅圖像的特徵中與所述第一目標對象的多幅圖像的平均化特徵相似度最高的特徵；所述第二目標對象的標準特徵，為所述第二目標對象的多幅圖像的平均化特徵；或者，所述第二目標對象的標準特徵，為所述第二目標對象的多幅圖像的特徵中與所述第二目標對象的多幅圖像的平均化特徵相似度最高的特徵。 　　本實施例中，所述圖像比較模組72具體用於：若所述第一目標對象的可信圖像與所述第二目標對象的可信圖像之間的多個相似度數據的平均值大於預設平均閾值，則確定所述第一目標對象與所述第二目標對象相似；或者，若所述第一目標對象的可信圖像與所述第二目標對象的可信圖像之間的多個相似度數據的分佈滿足預設相似度分佈要求，則確定所述第一目標對象與所述第二目標對象相似。 　　本實施例中，所述第一目標對象為目標對象的資料庫中的任一目標對象；所述第二目標對象為所述資料庫中除所述第一目標對象以外的任一目標對象；或者，所述第一目標對象為用戶指定的目標對象，所述第二目標對象為目標對象的資料庫中的任一目標對象。 　　本實施例中的圖像處理裝置，由於第一目標對象的可信圖像是在第一目標對象的多幅圖像中篩選的，特徵與第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求的圖像，且第二目標對象的可信圖像是在第二目標對象的多幅圖像中篩選的，特徵與第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求的圖像，因此本實施例中的圖像處理裝置實現了以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的圖像，從而使選擇出的圖像均適合進行圖像處理，提高圖像處理效果，並且，由於本實施例中的裝置是以第一目標對象的可信圖像和第二目標對象的可信圖像為依據，判斷第一目標對象與第二目標對象是否相似，因此本實施例中的圖像處理裝置圖像處理效果好，判斷結果準確，能夠準確確定第一目標對象與第二目標對象是否相似。 　　進一步地，基於上述圖1至圖7所示的方法，本申請實施例還提供了又一種圖像處理裝置，圖10為本申請實施例提供的圖像處理裝置的第三種模組組成示意圖，如圖10所示，該裝置包括： 　　資料獲取模組81，用於獲取第一目標對象的多幅圖像的特徵、所述第一目標對象的標準特徵、第二目標對象的多幅圖像的特徵、以及所述第二目標對象的標準特徵； 　　圖像確定模組82，用於根據所述第一目標對象的多幅圖像的特徵與所述第一目標對象的標準特徵之間的相似度，在所述第一目標對象的多幅圖像中確定所述第一目標對象的可信圖像，以及，根據所述第二目標對象的多幅圖像的特徵與所述第二目標對象的標準特徵之間的相似度，在所述第二目標對象的多幅圖像中確定所述第二目標對象的可信圖像；其中，所述第一目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第一預設相似度要求，所述第二目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第二預設相似度要求； 　　圖像判斷模組83，用於根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似。 　　本實施例中，所述第一預設相似度要求和所述第二預設相似度要求相同，或者，所述第一預設相似度要求和所述第二預設相似度要求不同。 　　本實施例中的圖像處理裝置，首先獲取目標對象的多幅圖像的特徵及目標對象的標準特徵，然後根據多幅圖像的特徵與該標準特徵之間的相似度，在多幅圖像中確定目標對象的可信圖像，可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求，最後根據兩個目標對象的可信圖像，判斷這兩個目標對象是否相似。本實施例中的圖像處理裝置，以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的可信圖像，能夠使選擇出的可信圖像均適合進行圖像處理，提高圖像處理效果，以第一目標對象的可信圖像和第二目標對象的可信圖像為依據，判斷第一目標對象與第二目標對象是否相似，能夠提高兩個目標對象相似度判斷的準確性，從而準確判斷兩個目標對象是否相似。 　　進一步地，基於上述圖1至圖7所示的方法，本申請實施例還提供了一種圖像處理設備，如圖11所示。 　　圖像處理設備可因配置或性能不同而產生比較大的差異，可以包括一個或一個以上的處理器901和記憶體902，記憶體902中可以儲存有一個或一個以上儲存應用程式或資料。其中，記憶體902可以是短暫儲存或持久儲存。儲存在記憶體902的應用程式可以包括一個或一個以上模組（圖示未示出），每個模組可以包括對圖像處理設備中的一系列電腦可執行指令。更進一步地，處理器901可以設置為與記憶體902通信，在圖像處理設備上執行記憶體902中的一系列電腦可執行指令。圖像處理設備還可以包括一個或一個以上電源903，一個或一個以上有線或無線網路介面904，一個或一個以上輸入輸出介面905，一個或一個以上鍵盤906等。 　　在一個具體的實施例中，圖像處理設備包括有記憶體，以及一個或一個以上的程式，其中一個或者一個以上程式儲存於記憶體中，且一個或者一個以上程式可以包括一個或一個以上模組，且每個模組可以包括對圖像處理設備中的一系列電腦可執行指令，且經配置以由一個或者一個以上處理器執行該一個或者一個以上套裝程式含用於進行以下電腦可執行指令： 　　獲取目標對象的多幅圖像的特徵及所述目標對象的標準特徵； 　　根據所述多幅圖像的特徵與所述標準特徵之間的相似度，在所述多幅圖像中確定所述目標對象的可信圖像；其中，所述可信圖像的特徵與所述標準特徵之間的相似度滿足預設相似度要求。 　　可選地，電腦可執行指令在被執行時，獲取所述目標對象的標準特徵，包括：獲取所述多幅圖像的平均化特徵，將所述多幅圖像的平均化特徵作為所述目標對象的標準特徵；或者，獲取所述多幅圖像的平均化特徵，將所述多幅圖像的特徵中與所述平均化特徵相似度最高的特徵，作為所述目標對象的標準特徵。 　　可選地，電腦可執行指令在被執行時，所述根據所述多幅圖像的特徵與所述標準特徵之間的相似度，在所述多幅圖像中確定所述目標對象的可信圖像，包括：在所述多幅圖像中，將特徵與所述標準特徵之間的相似度大於預設相似度閾值的部分或全部圖像，作為所述目標對象的可信圖像；或者，確定所述多幅圖像的特徵與所述標準特徵之間的相似度的分佈資料，在所述分佈資料中確定圖像密度大於預設密度的相似度區間，將確定的所述相似度區間所對應的部分或全部圖像，作為所述目標對象的可信圖像。 　　可選地，電腦可執行指令在被執行時，還可以使所述處理器，確定第一目標對象的可信圖像與第二目標對象的可信圖像之間的相似度，得到多個相似度數據；根據所述多個相似度數據，確定所述第一目標對象與所述第二目標對象是否相似。 　　可選地，電腦可執行指令在被執行時，所述根據所述多個相似度數據，確定所述第一目標對象與所述第二目標對象是否相似，包括：若所述多個相似度數據的平均值大於預設平均閾值，則確定所述第一目標對象與所述第二目標對象相似；或者，若所述多個相似度數據的分佈滿足預設相似度分佈要求，則確定所述第一目標對象與所述第二目標對象相似。 　　可選地，電腦可執行指令在被執行時，所述根據所述多個相似度數據，確定所述第一目標對象與所述第二目標對象是否相似，包括：確定所述多個相似度數據的數量是否滿足預設數量要求，若是，則根據所述多個相似度數據，確定所述第一目標對象與所述第二目標對象是否相似。 　　本實施例中的圖像處理設備，首先獲取目標對象的多幅圖像的特徵及目標對象的標準特徵，然後根據多幅圖像的特徵與該標準特徵之間的相似度，在多幅圖像中確定目標對象的可信圖像，可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求。可見，本實施例中的圖像處理設備，能夠以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的可信圖像，從而使選擇出的可信圖像均適合進行圖像處理，提高圖像處理效果。 　　在另一個具體的實施例中，圖像處理設備包括有記憶體，以及一個或一個以上的程式，其中一個或者一個以上程式儲存於記憶體中，且一個或者一個以上程式可以包括一個或一個以上模組，且每個模組可以包括對圖像處理設備中的一系列電腦可執行指令，且經配置以由一個或者一個以上處理器執行該一個或者一個以上套裝程式含用於進行以下電腦可執行指令： 　　獲取第一目標對象的可信圖像和第二目標對象的可信圖像； 　　根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似； 　　其中，所述第一目標對象的可信圖像為在所述第一目標對象的多幅圖像中確定的圖像，所述第一目標對象的可信圖像的特徵與所述第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求；所述第二目標對象的可信圖像為在所述第二目標對象的多幅圖像中確定的圖像，所述第二目標對象的可信圖像的特徵與所述第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求。 　　可選地，所述第一目標對象的標準特徵，為所述第一目標對象的多幅圖像的平均化特徵；或者，所述第一目標對象的標準特徵，為所述第一目標對象的多幅圖像的特徵中與所述第一目標對象的多幅圖像的平均化特徵相似度最高的特徵；所述第二目標對象的標準特徵，為所述第二目標對象的多幅圖像的平均化特徵；或者，所述第二目標對象的標準特徵，為所述第二目標對象的多幅圖像的特徵中與所述第二目標對象的多幅圖像的平均化特徵相似度最高的特徵。 　　可選地，電腦可執行指令在被執行時，所述根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似，包括：若所述第一目標對象的可信圖像與所述第二目標對象的可信圖像之間的多個相似度數據的平均值大於預設平均閾值，則確定所述第一目標對象與所述第二目標對象相似；或者，若所述第一目標對象的可信圖像與所述第二目標對象的可信圖像之間的多個相似度數據的分佈滿足預設相似度分佈要求，則確定所述第一目標對象與所述第二目標對象相似。 　　可選地，所述第一目標對象為目標對象的資料庫中的任一目標對象；所述第二目標對象為所述資料庫中除所述第一目標對象以外的任一目標對象；或者，所述第一目標對象為用戶指定的目標對象，所述第二目標對象為目標對象的資料庫中的任一目標對象。 　　本實施例中的圖像處理設備，由於第一目標對象的可信圖像是在第一目標對象的多幅圖像中篩選的，特徵與第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求的圖像，且第二目標對象的可信圖像是在第二目標對象的多幅圖像中篩選的，特徵與第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求的圖像，因此本實施例中的圖像處理設備實現了以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的圖像，從而使選擇出的圖像均適合進行圖像處理，提高圖像處理效果，並且，由於本實施例中的設備是以第一目標對象的可信圖像和第二目標對象的可信圖像為依據，判斷第一目標對象與第二目標對象是否相似，因此本實施例中的圖像處理設備圖像處理效果好，判斷結果準確，能夠準確確定第一目標對象與第二目標對象是否相似。 　　在又一個具體的實施例中，圖像處理設備包括有記憶體，以及一個或一個以上的程式，其中一個或者一個以上程式儲存於記憶體中，且一個或者一個以上程式可以包括一個或一個以上模組，且每個模組可以包括對圖像處理設備中的一系列電腦可執行指令，且經配置以由一個或者一個以上處理器執行該一個或者一個以上套裝程式含用於進行以下電腦可執行指令： 　　獲取第一目標對象的多幅圖像的特徵、所述第一目標對象的標準特徵、第二目標對象的多幅圖像的特徵、以及所述第二目標對象的標準特徵； 　　根據所述第一目標對象的多幅圖像的特徵與所述第一目標對象的標準特徵之間的相似度，在所述第一目標對象的多幅圖像中確定所述第一目標對象的可信圖像，以及，根據所述第二目標對象的多幅圖像的特徵與所述第二目標對象的標準特徵之間的相似度，在所述第二目標對象的多幅圖像中確定所述第二目標對象的可信圖像；其中，所述第一目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第一預設相似度要求，所述第二目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第二預設相似度要求； 　　根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似。 　　可選地，所述第一預設相似度要求和所述第二預設相似度要求相同，或者，所述第一預設相似度要求和所述第二預設相似度要求不同。 　　本實施例中的圖像處理設備，首先獲取目標對象的多幅圖像的特徵及目標對象的標準特徵，然後根據多幅圖像的特徵與該標準特徵之間的相似度，在多幅圖像中確定目標對象的可信圖像，可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求，最後根據兩個目標對象的可信圖像，判斷這兩個目標對象是否相似。本實施例中的圖像處理設備，以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的可信圖像，能夠使選擇出的可信圖像均適合進行圖像處理，提高圖像處理效果，以第一目標對象的可信圖像和第二目標對象的可信圖像為依據，判斷第一目標對象與第二目標對象是否相似，能夠提高兩個目標對象相似度判斷的準確性，從而準確判斷兩個目標對象是否相似。 　　進一步地，基於上述圖1至圖7所示的方法，本申請實施例還提供了一種儲存媒體，用於儲存電腦可執行指令，一種具體的實施例中，該儲存媒體可以為快閃隨身碟、光碟、硬碟等，該儲存媒體儲存的電腦可執行指令在被處理器執行時，能實現以下流程： 　　獲取目標對象的多幅圖像的特徵及所述目標對象的標準特徵； 　　根據所述多幅圖像的特徵與所述標準特徵之間的相似度，在所述多幅圖像中確定所述目標對象的可信圖像；其中，所述可信圖像的特徵與所述標準特徵之間的相似度滿足預設相似度要求。 　　本實施例中，獲取所述目標對象的標準特徵，包括：獲取所述多幅圖像的平均化特徵，將所述多幅圖像的平均化特徵作為所述目標對象的標準特徵；或者，獲取所述多幅圖像的平均化特徵，將所述多幅圖像的特徵中與所述平均化特徵相似度最高的特徵，作為所述目標對象的標準特徵。 　　本實施例中，所述根據所述多幅圖像的特徵與所述標準特徵之間的相似度，在所述多幅圖像中確定所述目標對象的可信圖像，包括：在所述多幅圖像中，將特徵與所述標準特徵之間的相似度大於預設相似度閾值的部分或全部圖像，作為所述目標對象的可信圖像；或者，確定所述多幅圖像的特徵與所述標準特徵之間的相似度的分佈資料，在所述分佈資料中確定圖像密度大於預設密度的相似度區間，將確定的所述相似度區間所對應的部分或全部圖像，作為所述目標對象的可信圖像。 　　本實施例中的流程還包括：確定第一目標對象的可信圖像與第二目標對象的可信圖像之間的相似度，得到多個相似度數據；根據所述多個相似度數據，確定所述第一目標對象與所述第二目標對象是否相似。 　　本實施例中，所述根據所述多個相似度數據，確定所述第一目標對象與所述第二目標對象是否相似，包括：若所述多個相似度數據的平均值大於預設平均閾值，則確定所述第一目標對象與所述第二目標對象相似；或者，若所述多個相似度數據的分佈滿足預設相似度分佈要求，則確定所述第一目標對象與所述第二目標對象相似。 　　本實施例中，所述根據所述多個相似度數據，確定所述第一目標對象與所述第二目標對象是否相似，包括：確定所述多個相似度數據的數量是否滿足預設數量要求，若是，則根據所述多個相似度數據，確定所述第一目標對象與所述第二目標對象是否相似。 　　本實施例的儲存媒體中的可執行指令在被執行時，首先獲取目標對象的多幅圖像的特徵及目標對象的標準特徵，然後根據多幅圖像的特徵與該標準特徵之間的相似度，在多幅圖像中確定目標對象的可信圖像，可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求。可見，本實施例的儲存媒體中的可執行指令在被執行時，能夠以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的可信圖像，從而使選擇出的可信圖像均適合進行圖像處理，提高圖像處理效果。 　　在另一種具體的實施例中，該儲存媒體可以為快閃隨身碟、光碟、硬碟等，該儲存媒體儲存的電腦可執行指令在被處理器執行時，能實現以下流程： 　　獲取第一目標對象的可信圖像和第二目標對象的可信圖像； 　　根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似； 　　其中，所述第一目標對象的可信圖像為在所述第一目標對象的多幅圖像中確定的圖像，所述第一目標對象的可信圖像的特徵與所述第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求；所述第二目標對象的可信圖像為在所述第二目標對象的多幅圖像中確定的圖像，所述第二目標對象的可信圖像的特徵與所述第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求。 　　其中，所述第一目標對象的標準特徵，為所述第一目標對象的多幅圖像的平均化特徵；或者，所述第一目標對象的標準特徵，為所述第一目標對象的多幅圖像的特徵中與所述第一目標對象的多幅圖像的平均化特徵相似度最高的特徵；所述第二目標對象的標準特徵，為所述第二目標對象的多幅圖像的平均化特徵；或者，所述第二目標對象的標準特徵，為所述第二目標對象的多幅圖像的特徵中與所述第二目標對象的多幅圖像的平均化特徵相似度最高的特徵。 　　其中，所述根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似，包括：若所述第一目標對象的可信圖像與所述第二目標對象的可信圖像之間的多個相似度數據的平均值大於預設平均閾值，則確定所述第一目標對象與所述第二目標對象相似；或者，若所述第一目標對象的可信圖像與所述第二目標對象的可信圖像之間的多個相似度數據的分佈滿足預設相似度分佈要求，則確定所述第一目標對象與所述第二目標對象相似。 　　其中，所述第一目標對象為目標對象的資料庫中的任一目標對象；所述第二目標對象為所述資料庫中除所述第一目標對象以外的任一目標對象；或者，所述第一目標對象為用戶指定的目標對象，所述第二目標對象為目標對象的資料庫中的任一目標對象。 　　本實施例的儲存媒體中的可執行指令在被執行時，由於第一目標對象的可信圖像是在第一目標對象的多幅圖像中篩選的，特徵與第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求的圖像，且第二目標對象的可信圖像是在第二目標對象的多幅圖像中篩選的，特徵與第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求的圖像，因此本實施例的儲存媒體中的可執行指令在被執行時，實現了以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的圖像，從而使選擇出的圖像均適合進行圖像處理，提高圖像處理效果，並且，由於本實施例的儲存媒體中的可執行指令在被執行時，是以第一目標對象的可信圖像和第二目標對象的可信圖像為依據，判斷第一目標對象與第二目標對象是否相似，因此本實施例的儲存媒體中的可執行指令在被執行時，圖像處理效果好，判斷結果準確，能夠準確確定第一目標對象與第二目標對象是否相似。 　　在又一種具體的實施例中，該儲存媒體可以為快閃隨身碟、光碟、硬碟等，該儲存媒體儲存的電腦可執行指令在被處理器執行時，能實現以下流程： 　　獲取第一目標對象的多幅圖像的特徵、所述第一目標對象的標準特徵、第二目標對象的多幅圖像的特徵、以及所述第二目標對象的標準特徵； 　　根據所述第一目標對象的多幅圖像的特徵與所述第一目標對象的標準特徵之間的相似度，在所述第一目標對象的多幅圖像中確定所述第一目標對象的可信圖像，以及，根據所述第二目標對象的多幅圖像的特徵與所述第二目標對象的標準特徵之間的相似度，在所述第二目標對象的多幅圖像中確定所述第二目標對象的可信圖像；其中，所述第一目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第一預設相似度要求，所述第二目標對象的可信圖像的特徵與其標準特徵之間的相似度滿足第二預設相似度要求； 　　根據所述第一目標對象的可信圖像與所述第二目標對象的可信圖像，確定所述第一目標對象與所述第二目標對象是否相似。 　　其中，所述第一預設相似度要求和所述第二預設相似度要求相同，或者，所述第一預設相似度要求和所述第二預設相似度要求不同。 　　本實施例的儲存媒體中的可執行指令在被執行時，首先獲取目標對象的多幅圖像的特徵及目標對象的標準特徵，然後根據多幅圖像的特徵與該標準特徵之間的相似度，在多幅圖像中確定目標對象的可信圖像，可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求，最後根據兩個目標對象的可信圖像，判斷這兩個目標對象是否相似。本實施例中儲存媒體中的可執行指令在被執行時，以目標對象的標準特徵為依據，在目標對象的多幅圖像中確定出與目標對象的標準特徵相似度較高、能夠反映目標對象的標準特徵的可信圖像，能夠使選擇出的可信圖像均適合進行圖像處理，提高圖像處理效果，以第一目標對象的可信圖像和第二目標對象的可信圖像為依據，判斷第一目標對象與第二目標對象是否相似，能夠提高兩個目標對象相似度判斷的準確性，從而準確判斷兩個目標對象是否相似。 　　在20世紀90年代，對於一個技術的改進可以很明顯地區分是硬體上的改進（例如，對二極體、電晶體、開關等電路結構的改進）還是軟體上的改進（對於方法流程的改進）。然而，隨著技術的發展，當今的很多方法流程的改進已經可以視為硬體電路結構的直接改進。設計人員幾乎都透過將改進的方法流程程式設計到硬體電路中來得到相應的硬體電路結構。因此，不能說一個方法流程的改進就不能用硬體實體模組來實現。例如，可程式設計邏輯裝置（Programmable Logic Device，PLD）（例如現場可程式設計閘陣列（Field Programmable Gate Array，FPGA））就是這樣一種積體電路，其邏輯功能由用戶對裝置程式設計來確定。由設計人員自行程式設計來把一個數位系統“集成”在一片PLD上，而不需要請晶片製造廠商來設計和製作專用的積體電路晶片。而且，如今，取代手工地製作積體電路晶片，這種程式設計也多半改用“邏輯編譯器（logic compiler）”軟體來實現，它與程式開發撰寫時所用的軟體編譯器相類似，而要編譯之前的原始代碼也得用特定的程式設計語言來撰寫，此稱之為硬體描述語言（Hardware Description Language，HDL），而HDL也並非僅有一種，而是有許多種，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware Description Language）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（Ruby Hardware Description Language）等，目前最普遍使用的是VHDL（Very-High-Speed Integrated Circuit Hardware Description Language）與Verilog。本領域技術人員也應該清楚，只需要將方法流程用上述幾種硬體描述語言稍作邏輯程式設計並程式設計到積體電路中，就可以很容易得到實現該邏輯方法流程的硬體電路。 　　控制器可以按任何適當的方式實現，例如，控制器可以採取例如微處理器或處理器以及儲存可由該（微）處理器執行的電腦可讀程式碼（例如軟體或韌體）的電腦可讀媒體、邏輯閘、開關、專用積體電路（Application Specific Integrated Circuit，ASIC）、可程式設計邏輯控制器和嵌入微控制器的形式，控制器的例子包括但不限於以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，記憶體控制器還可以被實現為記憶體的控制邏輯的一部分。本領域技術人員也知道，除了以純電腦可讀程式碼方式實現控制器以外，完全可以透過將方法步驟進行邏輯程式設計來使得控制器以邏輯閘、開關、專用積體電路、可程式設計邏輯控制器和嵌入微控制器等的形式來實現相同功能。因此這種控制器可以被認為是一種硬體部件，而對其內包括的用於實現各種功能的裝置也可以視為硬體部件內的結構。或者甚至，可以將用於實現各種功能的裝置視為既可以是實現方法的軟體模組又可以是硬體部件內的結構。 　　上述實施例闡明的系統、裝置、模組或單元，具體可以由電腦晶片或實體實現，或者由具有某種功能的產品來實現。一種典型的實現設備為電腦。具體的，電腦例如可以為個人電腦、膝上型電腦、蜂窩電話、相機電話、智慧型電話、個人數位助理、媒體播放機、導航設備、電子郵件設備、遊戲控制台、平板電腦、可穿戴設備或者這些設備中的任何設備的組合。 　　為了描述的方便，描述以上裝置時以功能分為各種單元分別描述。當然，在實施本申請時可以把各單元的功能在同一個或多個軟體和/或硬體中實現。 　　本領域內的技術人員應明白，本申請的實施例可提供為方法、系統、或電腦程式產品。因此，本申請可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本申請可採用在一個或多個其中包含有電腦可用程式碼的電腦可用儲存媒體（包括但不限於磁碟記憶體、CD-ROM、光學記憶體等）上實施的電腦程式產品的形式。 　　本申請是參照根據本申請實施例的方法、設備（系統）、和電腦程式產品的流程圖和／或方框圖來描述的。應理解可由電腦程式指令實現流程圖和／或方框圖中的每一流程和／或方框、以及流程圖和／或方框圖中的流程和／或方框的結合。可提供這些電腦程式指令到通用電腦、專用電腦、嵌入式處理機或其他可程式設計資料處理設備的處理器以產生一個機器，使得透過電腦或其他可程式設計資料處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和／或方框圖一個方框或多個方框中指定的功能的裝置。 　　這些電腦程式指令也可儲存在能引導電腦或其他可程式設計資料處理設備以特定方式工作的電腦可讀記憶體中，使得儲存在該電腦可讀記憶體中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和／或方框圖一個方框或多個方框中指定的功能。 　　這些電腦程式指令也可裝載到電腦或其他可程式設計資料處理設備上，使得在電腦或其他可程式設計設備上執行一系列操作步驟以產生電腦實現的處理，從而在電腦或其他可程式設計設備上執行的指令提供用於實現在流程圖一個流程或多個流程和／或方框圖一個方框或多個方框中指定的功能的步驟。 　　在一個典型的配置中，計算設備包括一個或多個處理器（CPU）、輸入/輸出介面、網路介面和記憶體。 　　記憶體可能包括電腦可讀媒體中的非永久性記憶體，隨機存取記憶體（RAM）和/或非易失性記憶體等形式，如唯讀記憶體（ROM）或快閃記憶體（flash RAM）。記憶體是電腦可讀媒體的示例。 　　電腦可讀媒體包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒體的例子包括，但不限於相變記憶體（PRAM）、靜態隨機存取記憶體（SRAM）、動態隨機存取記憶體（DRAM）、其他類型的隨機存取記憶體（RAM）、唯讀記憶體（ROM）、電可擦除可程式設計唯讀記憶體（EEPROM）、快閃記憶體或其他記憶體技術、唯讀光碟唯讀記憶體（CD-ROM）、數位多功能光碟（DVD）或其他光學儲存、磁盒式磁帶，磁帶磁磁片儲存或其他磁性存放裝置或任何其他非傳輸媒體，可用於儲存可以被計算設備訪問的資訊。按照本文中的界定，電腦可讀媒體不包括暫存電腦可讀媒體（transitory media），如調製的資料信號和載波。 　　還需要說明的是，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、商品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、商品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，並不排除在包括所述要素的過程、方法、商品或者設備中還存在另外的相同要素。 　　本領域技術人員應明白，本申請的實施例可提供為方法、系統或電腦程式產品。因此，本申請可採用完全硬體實施例、完全軟體實施例或結合軟體和硬體方面的實施例的形式。而且，本申請可採用在一個或多個其中包含有電腦可用程式碼的電腦可用儲存媒體（包括但不限於磁碟記憶體、CD-ROM、光學記憶體等）上實施的電腦程式產品的形式。 　　本申請可以在由電腦執行的電腦可執行指令的一般上下文中描述，例如程式模組。一般地，程式模組包括執行特定任務或實現特定抽象資料類型的常式、程式、物件、元件、資料結構等等。也可以在分散式運算環境中實踐本申請，在這些分散式運算環境中，由透過通信網路而被連接的遠端處理設備來執行任務。在分散式運算環境中，程式模組可以位於包括存放裝置在內的本地和遠端電腦儲存媒體中。 　　本說明書中的各個實施例均採用遞進的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對於系統實施例而言，由於其基本相似於方法實施例，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。 　　以上所述僅為本申請的實施例而已，並不用於限制本申請。對於本領域技術人員來說，本申請可以有各種更改和變化。凡在本申請的精神和原理之內所作的任何修改、等同替換、改進等，均應包含在本申請的申請專利範圍之內。
61‧‧‧特徵獲取模組62‧‧‧圖像篩選模組71‧‧‧圖像獲取模組72‧‧‧圖像比較模組81‧‧‧資料獲取模組82‧‧‧圖像確定模組83‧‧‧圖像判斷模組901‧‧‧處理器902‧‧‧記憶體903‧‧‧電源904‧‧‧有線或無線網路介面905‧‧‧輸入輸出介面906‧‧‧鍵盤
為了更清楚地說明本申請實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請中記載的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。 　　圖1為本申請實施例提供的圖像處理方法的第一種流程示意圖； 　　圖2a為本發明實施例提供的根據目標對象的標準圖像確定目標對象的可信圖像的示意圖； 　　圖2b為本發明實施例提供的多幅圖像的特徵與標準特徵之間的相似度的分佈示意圖； 　　圖3為本申請實施例提供的圖像處理方法的第二種流程示意圖； 　　圖4為本發明實施例提供的根據可信圖像比較第一目標對象和第二目標對象是否相似的示意圖； 　　圖5為本申請實施例提供的圖像處理方法的第三種流程示意圖； 　　圖6為本申請實施例提供的圖像處理方法的第四種流程示意圖； 　　圖7為本申請實施例提供的圖像處理方法的第五種流程示意圖； 　　圖8為本申請實施例提供的圖像處理裝置的第一種模組組成示意圖； 　　圖9為本申請實施例提供的圖像處理裝置的第二種模組組成示意圖； 　　圖10為本申請實施例提供的圖像處理裝置的第三種模組組成示意圖； 　　圖11為本申請實施例提供的圖像處理設備的結構示意圖。

Claims (13)

  1. 一種圖像處理方法，其特徵在於，包括：從本地資料庫或遠端資料庫中讀取預先儲存的目標對象的多幅圖像，其中，該多幅圖像均為已識別是目標對象的圖像；獲取目標對象的多幅圖像的特徵及該目標對象的標準特徵；根據該多幅圖像的特徵與該標準特徵之間的相似度，在該多幅圖像中確定該目標對象的可信圖像；其中，該可信圖像為該多幅圖像中的高品質圖像，且該可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求；確定第一目標對象的可信圖像與第二目標對象的可信圖像之間的相似度，得到多個相似度數據；以及根據該多個相似度數據，確定該第一目標對象與該第二目標對象是否相似，其中此步驟包括：若該多個相似度數據的平均值大於預設平均閾值，則確定該第一目標對象與該第二目標對象相似；或者，若該多個相似度數據的分佈滿足預設相似度分佈要求，則確定該第一目標對象與該第二目標對象相似。
  2. 根據請求項1所述的方法，其中，獲取該目標對象的標準特徵，包括： 獲取該多幅圖像的平均化特徵，將該多幅圖像的平均化特徵作為該目標對象的標準特徵；或者，獲取該多幅圖像的平均化特徵，將該多幅圖像的特徵中與該平均化特徵相似度最高的特徵，作為該目標對象的標準特徵。
  3. 根據請求項1所述的方法，其中，所述根據該多幅圖像的特徵與該標準特徵之間的相似度，在該多幅圖像中確定該目標對象的可信圖像，包括：在該多幅圖像中，將特徵與該標準特徵之間的相似度大於預設相似度閾值的部分或全部圖像，作為該目標對象的可信圖像；或者，確定該多幅圖像的特徵與該標準特徵之間的相似度的分佈資料，在該分佈資料中確定圖像密度大於預設密度的相似度區間，將確定的該相似度區間所對應的部分或全部圖像，作為該目標對象的可信圖像。
  4. 根據請求項1所述的方法，其中，所述根據該多個相似度數據，確定該第一目標對象與該第二目標對象是否相似，包括：確定該多個相似度數據的數量是否滿足預設數量要求，若是，則根據該多個相似度數據，確定該第一目標對象與該第二目標對象是否相似。
  5. 一種圖像處理方法，其特徵在於，包括：從本地資料庫或遠端資料庫中讀取預先儲存的第一目標對象的多幅圖像和第二目標對象的多幅圖像，其中，該第一目標對象的多幅圖像均為已識別是第一目標對象的圖像，該第二目標對象的多幅圖像均為已識別是第二目標對象的圖像；獲取第一目標對象的可信圖像和第二目標對象的可信圖像；根據該第一目標對象的可信圖像與該第二目標對象的可信圖像，確定該第一目標對象與該第二目標對象是否相似，其中此步驟包括：若該第一目標對象的可信圖像與該第二目標對象的可信圖像之間的多個相似度數據的平均值大於預設平均閾值，則確定該第一目標對象與該第二目標對象相似；或者，若該第一目標對象的可信圖像與該第二目標對象的可信圖像之間的多個相似度數據的分佈滿足預設相似度分佈要求，則確定該第一目標對象與該第二目標對象相似；其中，該第一目標對象的可信圖像為在該第一目標對象的多幅圖像中確定的高品質圖像，該第一目標對象的可信圖像的特徵與該第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求；該第二目標對象的可信圖像為 在該第二目標對象的多幅圖像中確定的高品質圖像，該第二目標對象的可信圖像的特徵與該第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求。
  6. 根據請求項5所述的方法，其中，該第一目標對象的標準特徵，為該第一目標對象的多幅圖像的平均化特徵；或者，該第一目標對象的標準特徵，為該第一目標對象的多幅圖像的特徵中與該第一目標對象的多幅圖像的平均化特徵相似度最高的特徵；該第二目標對象的標準特徵，為該第二目標對象的多幅圖像的平均化特徵；或者，該第二目標對象的標準特徵，為該第二目標對象的多幅圖像的特徵中與該第二目標對象的多幅圖像的平均化特徵相似度最高的特徵。
  7. 根據請求項5或6所述的方法，其中，該第一目標對象為目標對象的資料庫中的任一目標對象；該第二目標對象為該資料庫中除該第一目標對象以外的任一目標對象；或者，該第一目標對象為用戶指定的目標對象，該第二目標對象為目標對象的資料庫中的任一目標對象。
  8. 一種圖像處理裝置，其特徵在於，包括：讀取模組，用於從本地資料庫或遠端資料庫中讀取預先儲存的目標對象的多幅圖像，其中，該多幅圖像均為已 識別是目標對象的圖像；特徵獲取模組，用於獲取目標對象的多幅圖像的特徵及該目標對象的標準特徵；圖像篩選模組，用於根據該多幅圖像的特徵與該標準特徵之間的相似度，在該多幅圖像中確定該目標對象的可信圖像；其中，該可信圖像為該多幅圖像中的高品質圖像且該可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求；相似度確定模組，用於確定第一目標對象的可信圖像與第二目標對象的可信圖像之間的相似度，得到多個相似度數據；以及相似性判斷模組，用於根據該多個相似度數據，確定該第一目標對象與該第二目標對象是否相似，其中此模組具體用於：若該多個相似度數據的平均值大於預設平均閾值，則確定該第一目標對象與該第二目標對象相似；或者，若該多個相似度數據的分佈滿足預設相似度分佈要求，則確定該第一目標對象與該第二目標對象相似。
  9. 一種圖像處理裝置，其特徵在於，包括：讀取模組，用於從本地資料庫或遠端資料庫中讀取預先儲存的第一目標對象的多幅圖像和第二目標對象的多幅圖像，其中，該第一目標對象的多幅圖像均為已識別是第 一目標對象的圖像，該第二目標對象的多幅圖像均為已識別是第二目標對象的圖像；圖像獲取模組，用於獲取第一目標對象的可信圖像和第二目標對象的可信圖像；圖像比較模組，用於根據該第一目標對象的可信圖像與該第二目標對象的可信圖像，確定該第一目標對象與該第二目標對象是否相似，其中此模組具體用於：若該第一目標對象的可信圖像與該第二目標對象的可信圖像之間的多個相似度數據的平均值大於預設平均閾值，則確定該第一目標對象與該第二目標對象相似；或者，若該第一目標對象的可信圖像與該第二目標對象的可信圖像之間的多個相似度數據的分佈滿足預設相似度分佈要求，則確定該第一目標對象與該第二目標對象相似；其中，該第一目標對象的可信圖像為在該第一目標對象的多幅圖像中確定的高品質圖像，該第一目標對象的可信圖像的特徵與該第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求；該第二目標對象的可信圖像為在該第二目標對象的多幅圖像中確定的高品質圖像，該第二目標對象的可信圖像的特徵與該第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求。
  10. 一種圖像處理設備，其特徵在於，包括： 處理器；以及被安排成儲存電腦可執行指令的記憶體，該可執行指令在被執行時使該處理器：從本地資料庫或遠端資料庫中讀取預先儲存的目標對象的多幅圖像，其中，該多幅圖像均為已識別是目標對象的圖像；獲取目標對象的多幅圖像的特徵及該目標對象的標準特徵；根據該多幅圖像的特徵與該標準特徵之間的相似度，在該多幅圖像中確定該目標對象的可信圖像；其中，該可信圖像為該多幅圖像中的高品質圖像且該可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求；確定第一目標對象的可信圖像與第二目標對象的可信圖像之間的相似度，得到多個相似度數據；以及根據該多個相似度數據，確定該第一目標對象與該第二目標對象是否相似，包括：若該多個相似度數據的平均值大於預設平均閾值，則確定該第一目標對象與該第二目標對象相似；或者，若該多個相似度數據的分佈滿足預設相似度分佈要求，則確定該第一目標對象與該第二目標對象相似。
  11. 一種圖像處理設備，其特徵在於，包括：處理器；以及 被安排成儲存電腦可執行指令的記憶體，該可執行指令在被執行時使該處理器：從本地資料庫或遠端資料庫中讀取預先儲存的第一目標對象的多幅圖像和第二目標對象的多幅圖像，其中，該第一目標對象的多幅圖像均為已識別是第一目標對象的圖像，該第二目標對象的多幅圖像均為已識別是第二目標對象的圖像；獲取第一目標對象的可信圖像和第二目標對象的可信圖像；根據該第一目標對象的可信圖像與該第二目標對象的可信圖像，確定該第一目標對象與該第二目標對象是否相似，包括：若該第一目標對象的可信圖像與該第二目標對象的可信圖像之間的多個相似度數據的平均值大於預設平均閾值，則確定該第一目標對象與該第二目標對象相似；或者，若該第一目標對象的可信圖像與該第二目標對象的可信圖像之間的多個相似度數據的分佈滿足預設相似度分佈要求，則確定該第一目標對象與該第二目標對象相似；其中，該第一目標對象的可信圖像為在該第一目標對象的多幅圖像中確定的高品質圖像，該第一目標對象的可信圖像的特徵與該第一目標對象的標準特徵之間的相似度滿足第一預設相似度要求；該第二目標對象的可信圖像為 在該第二目標對象的多幅圖像中確定的高品質圖像，該第二目標對象的可信圖像的特徵與該第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求。
  12. 一種儲存媒體，用於儲存電腦可執行指令，其特徵在於，該可執行指令在被執行時實現以下流程：從本地資料庫或遠端資料庫中讀取預先儲存的目標對象的多幅圖像，其中，該多幅圖像均為已識別是目標對象的圖像；獲取目標對象的多幅圖像的特徵及該目標對象的標準特徵；根據該多幅圖像的特徵與該標準特徵之間的相似度，在該多幅圖像中確定該目標對象的可信圖像；其中，該可信圖像為該多幅圖像中的高品質圖像且該可信圖像的特徵與該標準特徵之間的相似度滿足預設相似度要求；確定第一目標對象的可信圖像與第二目標對象的可信圖像之間的相似度，得到多個相似度數據；以及根據該多個相似度數據，確定該第一目標對象與該第二目標對象是否相似，包括：若該多個相似度數據的平均值大於預設平均閾值，則確定該第一目標對象與該第二目標對象相似；或者，若該多個相似度數據的分佈滿足預設相似度分佈要求，則確定該第一目標對象與該第二目標對象相似。
  13. 一種儲存媒體，用於儲存電腦可執行指令，其特徵在於，該可執行指令在被執行時實現以下流程：從本地資料庫或遠端資料庫中讀取預先儲存的第一目標對象的多幅圖像和第二目標對象的多幅圖像，其中，該第一目標對象的多幅圖像均為已識別是第一目標對象的圖像，該第二目標對象的多幅圖像均為已識別是第二目標對象的圖像；獲取第一目標對象的可信圖像和第二目標對象的可信圖像；根據該第一目標對象的可信圖像與該第二目標對象的可信圖像，確定該第一目標對象與該第二目標對象是否相似，包括：若該第一目標對象的可信圖像與該第二目標對象的可信圖像之間的多個相似度數據的平均值大於預設平均閾值，則確定該第一目標對象與該第二目標對象相似；或者，若該第一目標對象的可信圖像與該第二目標對象的可信圖像之間的多個相似度數據的分佈滿足預設相似度分佈要求，則確定該第一目標對象與該第二目標對象相似；其中，該第一目標對象的可信圖像為在該第一目標對象的多幅圖像中確定的高品質圖像，該第一目標對象的可信圖像的特徵與該第一目標對象的標準特徵之間的相似度 滿足第一預設相似度要求；該第二目標對象的可信圖像為在該第二目標對象的多幅圖像中確定的高品質圖像，該第二目標對象的可信圖像的特徵與該第二目標對象的標準特徵之間的相似度滿足第二預設相似度要求。
TW107116420A 2017-07-20 2018-05-15 圖像處理方法、裝置、設備及儲存媒體 TWI736765B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710594226.2A CN107516105B (zh) 2017-07-20 2017-07-20 图像处理方法及装置
CN201710594226.2 2017-07-20

Publications (2)

Publication Number Publication Date
TW201909034A TW201909034A (zh) 2019-03-01
TWI736765B true TWI736765B (zh) 2021-08-21

Family

ID=60721638

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107116420A TWI736765B (zh) 2017-07-20 2018-05-15 圖像處理方法、裝置、設備及儲存媒體

Country Status (10)

Country Link
US (2) US11093792B2 (zh)
EP (1) EP3579146A4 (zh)
JP (1) JP6945639B2 (zh)
KR (1) KR102316230B1 (zh)
CN (1) CN107516105B (zh)
MY (1) MY201739A (zh)
PH (1) PH12019501920A1 (zh)
SG (1) SG11201907444YA (zh)
TW (1) TWI736765B (zh)
WO (1) WO2019015645A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107516105B (zh) * 2017-07-20 2020-06-16 阿里巴巴集团控股有限公司 图像处理方法及装置
CN108346139A (zh) * 2018-01-09 2018-07-31 阿里巴巴集团控股有限公司 一种图像筛选方法及装置
CN110490026A (zh) * 2018-05-14 2019-11-22 阿里巴巴集团控股有限公司 验证对象的方法、装置和***
CN108763570A (zh) * 2018-06-05 2018-11-06 北京拓世寰宇网络技术有限公司 一种识别相同房源的方法及装置
CN109726756A (zh) * 2018-12-25 2019-05-07 北京旷视科技有限公司 图像处理方法、装置、电子设备及存储介质
CN109933680A (zh) * 2019-03-19 2019-06-25 北京大学深圳医院 图像数据筛选方法、装置、计算机设备及其存储介质
CN111046933B (zh) * 2019-12-03 2024-03-05 东软集团股份有限公司 图像分类方法、装置、存储介质及电子设备
CN112906798A (zh) * 2021-02-25 2021-06-04 云从科技集团股份有限公司 图像匹配方法、装置及计算机存储介质

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003162689A (ja) * 2001-11-27 2003-06-06 Fujitsu Ltd 類似文字認識プログラムおよび類似文字認識方法
WO2005086092A1 (ja) * 2004-03-03 2005-09-15 Nec Corporation 画像類似度算出システム、画像検索システム、画像類似度算出方法および画像類似度算出用プログラム
FR2884007A1 (fr) 2005-03-29 2006-10-06 France Telecom Procede d'identification de visages a partir d'images de visage, dispositif et programme d'ordinateur correspondants
GB2431793B (en) * 2005-10-31 2011-04-27 Sony Uk Ltd Image processing
KR100745981B1 (ko) * 2006-01-13 2007-08-06 삼성전자주식회사 보상적 특징에 기반한 확장형 얼굴 인식 방법 및 장치
US10916043B2 (en) * 2007-11-26 2021-02-09 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Apparatus, method and computer program for generating a template for arranging at least one object at at least one place
US8509482B2 (en) * 2009-12-21 2013-08-13 Canon Kabushiki Kaisha Subject tracking apparatus, subject region extraction apparatus, and control methods therefor
US9116924B2 (en) * 2013-01-14 2015-08-25 Xerox Corporation System and method for image selection using multivariate time series analysis
IL226219A (en) * 2013-05-07 2016-10-31 Picscout (Israel) Ltd Efficient comparison of images for large groups of images
EP2808828B1 (en) * 2013-05-31 2020-08-05 Omron Corporation Image matching method, image matching device, model template generation method, model template generation device, and program
WO2015009968A2 (en) * 2013-07-19 2015-01-22 Google Inc. Face template balancing
US9390327B2 (en) * 2013-09-16 2016-07-12 Eyeverify, Llc Feature extraction and matching for biometric authentication
US9703373B2 (en) * 2014-04-23 2017-07-11 Google Inc. User interface control using gaze tracking
US9846948B2 (en) * 2014-07-09 2017-12-19 Ditto Labs, Inc. Systems, methods, and devices for image matching and object recognition in images using feature point optimization
US10210427B2 (en) * 2014-07-09 2019-02-19 Slyce Acquisition Inc. Systems, methods, and devices for image matching and object recognition in images
US9330329B2 (en) * 2014-07-09 2016-05-03 Ditto Labs, Inc. Systems, methods, and devices for image matching and object recognition in images using minimal feature points
US9317921B2 (en) * 2014-07-10 2016-04-19 Qualcomm Incorporated Speed-up template matching using peripheral information
CN105320954A (zh) * 2014-07-30 2016-02-10 北京三星通信技术研究有限公司 人脸认证装置和方法
CN105450411B (zh) * 2014-08-14 2019-01-08 阿里巴巴集团控股有限公司 利用卡片特征进行身份验证的方法、装置及***
US9424470B1 (en) * 2014-08-22 2016-08-23 Google Inc. Systems and methods for scale invariant 3D object detection leveraging processor architecture
US9652688B2 (en) * 2014-11-26 2017-05-16 Captricity, Inc. Analyzing content of digital images
CN105069426B (zh) * 2015-07-31 2018-09-04 小米科技有限责任公司 相似图片判断方法以及装置
CN105117692A (zh) * 2015-08-05 2015-12-02 福州瑞芯微电子股份有限公司 一种基于深度学习的实时人脸识别方法及***
CN106560840B (zh) * 2015-09-30 2019-08-13 腾讯科技（深圳）有限公司 一种图像信息识别处理方法及装置
CN105678778B (zh) * 2016-01-13 2019-02-26 北京大学深圳研究生院 一种图像匹配方法和装置
US10496695B2 (en) * 2016-06-06 2019-12-03 Think-Cell Software Gmbh Automated data extraction from scatter plot images
CN106339695B (zh) * 2016-09-20 2019-11-15 北京小米移动软件有限公司 人脸相似检测方法、装置及终端
JP6723909B2 (ja) * 2016-12-09 2020-07-15 キヤノン株式会社 画像処理方法、画像処理装置、及びプログラム
CN106875419B (zh) * 2016-12-29 2020-03-17 北京理工雷科电子信息技术有限公司 基于ncc匹配帧差的弱小动目标跟踪丢失重检方法
CN107516105B (zh) * 2017-07-20 2020-06-16 阿里巴巴集团控股有限公司 图像处理方法及装置
US11232287B2 (en) * 2017-10-27 2022-01-25 Koninklijke Philips N.V. Camera and image calibration for subject identification
CN108229314B (zh) * 2017-11-28 2021-05-04 深圳市商汤科技有限公司 目标人物的搜索方法、装置和电子设备
CN111125391B (zh) * 2018-11-01 2024-06-07 北京市商汤科技开发有限公司 数据库更新方法和装置、电子设备、计算机存储介质
CN111125390B (zh) * 2018-11-01 2024-05-17 北京市商汤科技开发有限公司 数据库更新方法和装置、电子设备、计算机存储介质

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
BERRANI S.-A., GARCIA C.: "Enhancing face recognition from video sequences using robust statistics", PROCEEDINGS. IEEE CONFERENCE ON ADVANCED VIDEO AND SIGNAL BASED SURVEILLANCE, 2005. COMO, ITALY SEPT. 15-16, 2005, PISCATAWAY, NJ, USA,IEEE, PISCATAWAY, NJ, USA, 15 September 2005 (2005-09-15) - 16 September 2005 (2005-09-16), Piscataway, NJ, USA , pages 324 - 329, XP010881196, ISBN: 978-0-7803-9385-1, DOI: 10.1109/AVSS.2005.1577289 *
Berrani S-A ET AL："Enhancing Face Eecognition from Video Sequences using Robust Statistics", 15 September 2005, *
Berrani S-A ET AL："Enhancing Face Eecognition from Video Sequences using Robust Statistics", 15 September 2005, XP010881196。
SATOH S.: "Comparative evaluation of face sequence matching for content-based video access", PROCEEDINGS / FOURTH IEEE INTERNATIONAL CONFERENCE ON AUTOMATIC FACE AND GESTURE RECOGNITION : MARCH 28 - 30, 2000, GRENOBLE, FRANCE, IEEE COMPUTER SOCIETY, LOS ALAMITOS, CALIF. [U.A.], 28 March 2000 (2000-03-28) - 30 March 2000 (2000-03-30), Los Alamitos, Calif. [u.a.] , pages 163 - 168, XP010378340, ISBN: 978-0-7695-0580-0, DOI: 10.1109/AFGR.2000.840629 *
Satoh S："Comparative Evaluation of Face Sequence Matching for Content-based Video Access", 28 March 2000, *
Satoh S："Comparative Evaluation of Face Sequence Matching for Content-based Video Access", 28 March 2000, XP010378340。

Also Published As

Publication number Publication date
US20200012885A1 (en) 2020-01-09
TW201909034A (zh) 2019-03-01
JP2020523651A (ja) 2020-08-06
JP6945639B2 (ja) 2021-10-06
EP3579146A4 (en) 2020-04-22
KR20200008993A (ko) 2020-01-29
SG11201907444YA (en) 2019-09-27
PH12019501920A1 (en) 2020-06-01
US10769490B2 (en) 2020-09-08
EP3579146A1 (en) 2019-12-11
CN107516105A (zh) 2017-12-26
MY201739A (en) 2024-03-15
CN107516105B (zh) 2020-06-16
US20200167599A1 (en) 2020-05-28
US11093792B2 (en) 2021-08-17
WO2019015645A1 (zh) 2019-01-24
KR102316230B1 (ko) 2021-10-26

Similar Documents

Publication Publication Date Title
TWI736765B (zh) 圖像處理方法、裝置、設備及儲存媒體
TWI691855B (zh) 基於區塊鏈的資料處理方法及設備
TWI748175B (zh) 資料的處理方法、裝置及設備
TWI733127B (zh) 資訊的檢測方法、裝置及設備
US11244199B2 (en) User identity determining method, apparatus, and device
CN107274442B (zh) 一种图像识别方法和装置
TW201933232A (zh) 店鋪資訊推薦方法、裝置及用戶端
JP2018537759A (ja) タイトル表示方法及び装置
WO2021184976A1 (zh) 一种用于隐私保护的用户特征提取***及设备
TWI700905B (zh) 資料的處理方法、裝置及設備
CN110263050B (zh) 数据处理方法、装置、设备及存储介质
CN115828162B (zh) 一种分类模型训练的方法、装置、存储介质及电子设备
WO2018095307A1 (zh) 一种评价信息的发布方法及装置
CN111382738A (zh) 一种指针式仪表的读数方法及装置
CN109615171A (zh) 特征阈值确定方法及装置、问题对象确定方法及装置
TWI713019B (zh) 資料標籤產生、模型訓練、事件識別方法和裝置
CN112912889B (zh) 图像模板的更新方法、设备及存储介质
JP2022519398A (ja) 画像処理方法、装置及び電子機器
CN115130621B (zh) 一种模型训练方法、装置、存储介质及电子设备
CN109325127A (zh) 一种风险识别方法和装置
CN109584088B (zh) 产品信息的推送方法及装置
CN109389157A (zh) 一种用户群识别方法和装置及对象群识别方法和装置
CN110866478A (zh) 一种图像中对象的识别方法、装置和设备
CN110503109B (zh) 图像特征提取方法和装置、图像处理方法和装置
CN116543402A (zh) 基于图像生成文本信息的方法、装置、存储介质及处理器