[發明專利]用于生成信息的方法和裝置

有效

• 申請號: 201810879258.1
• 申請日: 2018-08-03
• 公開（公告）號: CN109165572B
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 王健;李甫;李旭斌;孫昊;文石磊;丁二銳
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06V40/10;G06V10/44;G06V10/74;G06V10/75;G06V10/774;G06K9/62
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請實施例公開了用于生成信息的方法和裝置。該方法的一具體實施方式包括：提取待識別圖像中目標對象的特征矩陣，特征矩陣的維度包括第一維度和第二維度，第一維度用于表征目標對象所在圖像區域中圖像的圖像特征，第二維度用于表征圖像特征所對應的圖像在圖像區域中的位置；基于第二維度切分特征矩陣得到至少兩個子矩陣；對于至少兩個子矩陣中的子矩陣：獲取待匹配對象的特征矩陣中與該子矩陣在圖像區域中的位置匹配的子矩陣；基于該子矩陣與所獲取的子矩陣生成待匹配對象與目標對象的相似度。該實施方式提供了一種基于局部特征的相似度信息生成機制，豐富了信息生成方法。

技術領域

本申請實施例涉及計算機技術領域，尤其涉及用于生成信息的方法和裝置。

背景技術

隨著計算機技術的飛快發展，數字圖像處理技術發展越來越迅猛，已經深入到生活的方方面面。目標識別作為數字圖像處理技術領域重要研究課題之一，被廣泛應用于國防軍事、公共交通、社會安全和商業應用等各個領域。所謂目標識別，是在圖像中識別出特定目標，例如，如何在攝像頭拍攝的視頻中準確的識別行人，以及行人在變換姿態，或被遮擋后的任何重新識別該行人。現有的目標識別，主要是基于目標的全局特征進行的。

發明內容

本申請實施例提出了用于生成信息的方法和裝置。

第一方面，本申請實施例提供了一種用于生成信息的方法，該方法包括：提取待識別圖像中目標對象的特征矩陣，特征矩陣的維度包括第一維度和第二維度，第一維度用于表征目標對象所在圖像區域中圖像的圖像特征，第二維度用于表征圖像特征所對應的圖像在圖像區域中的位置；基于第二維度切分特征矩陣得到至少兩個子矩陣；對于至少兩個子矩陣中的子矩陣：獲取待匹配對象的特征矩陣中與該子矩陣在圖像區域中的位置匹配的子矩陣，其中，待匹配對象的特征矩陣的子矩陣的切分方式與目標對象的特征矩陣的子矩陣的切分方式相同；基于該子矩陣與所獲取的子矩陣生成待匹配對象與目標對象的相似度。

在一些實施例中，在一些實施例中，第二維度包括水平方向維度和/或豎直方向維度；以及基于第二維度切分特征矩陣得到至少兩個子矩陣，包括：在水平方向維度和/或豎直方向維度將特征矩陣平均切分為預設數目個子矩陣。

在一些實施例中，提取待識別圖像中目標對象的特征矩陣，包括：對待識別圖像進行目標檢測，得到目標對象所在圖像區域的位置信息；利用深度神經網絡對目標對象所在圖像區域中的圖像進行特征提取，得到目標對象的特征矩陣。

在一些實施例中，基于該子矩陣與所獲取的子矩陣生成待匹配對象與目標對象的相似度，包括：將該子矩陣與所獲取的子矩陣輸入至預先訓練的針對該子矩陣在圖像區域中的位置的分類及度量學習模型，得到與目標對象匹配的待匹配對象的標識以及目標對象與待匹配對象的相似度，分類及度量學習模型用于表征輸入的目標對象的子矩陣、待匹配對象的子矩陣與目標對象匹配的待匹配對象的標識、目標對象與待匹配對象的相似度的對應關系。

在一些實施例中，方法還包括：獲取樣本集，其中，樣本集中的樣本包括樣本目標對象所在圖像區域中的圖像、樣本待匹配對象所在圖像區域中圖像以及與樣本目標對象匹配的待匹配對象的標識；從樣本集中選取樣本，以及執行以下訓練步驟：根據選取的樣本目標對象所在圖像區域中的圖像、樣本待匹配對象所在圖像區域中圖像，提取選取的樣本目標對象、樣本待匹配對象的特征矩陣；基于提取的特征矩陣的第二維度切分選取的樣本目標對象、樣本待匹配對象的特征矩陣，得到至少兩個樣本目標對象的特征矩陣的子矩陣與至少兩個樣本待匹配對象的特征矩陣的子矩陣；將切分得到的在圖像區域中的位置相同的子矩陣輸入針對該位置的初始分類及度量學習模型，根據針對該位置的初始分類及度量學習模型的輸出與選取的樣本目標對象匹配的待匹配對象的標識，調整針對該位置的初始分類及度量學習模型中的相關參數；確定針對該位置的初始分類及度量學習模型是否訓練完成；響應于確定針對該位置的初始分類及度量學習模型訓練完成，將針對該位置的初始分類及度量學習模型作為人臉檢測模型；響應于確定針對該位置的初始分類及度量學習模型訓練未完成，從樣本集中重新選取樣本，使用調整后的針對該位置的初始分類及度量學習模型作為針對該位置的初始分類及度量學習模型，繼續執行訓練步驟。