[發明專利]一種對象識別方法、裝置、設備及存儲介質

在審

• 申請號: 202010138742.6
• 申請日: 2020-03-03
• 公開（公告）號: CN111339973A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 徐康;李驪
• 申請（專利權）人: 北京華捷艾米科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/40;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 郭化雨

本申請公開了一種對象識別方法、裝置、設備及存儲介質，包括：獲取針對于第一對象的點云數據，并將該點云數據輸入至預先完成訓練的神經網絡模型，以便由該神經網絡模型輸出得到該第一對象對應的第一特征向量，該神經網絡模型預先基于樣本點云數據以及樣本對象的樣本特征向量完成訓練；當第一特征向量與第二對象對應的第二特征向量相匹配時，確定第一對象與第二對象為同一對象。由此可見，在對象識別過程中，利用神經網絡模型可以快速得到第一對象的特征向量，從而可以根據該特征向量快速完成對象識別，對象識別的效率可以得到有效提高。

技術領域

本申請涉及數據處理技術領域，特別是涉及一種對象識別方法、裝置、設備及存儲介質。

背景技術

實際應用中的眾多場景中，經常需要識別出該場景下的某個特定對象。比如，在身份驗證場景中，終端(如手機等)可以通過識別人臉來確定當前使用終端的用戶是否屬于合法用戶。

目前，利用3D識別技術可以進行對象識別，具體可以是通過對該對象進行三維重建，從而根據得到的三維重建結果識別對象。但是，三維重建過程耗時較長，這使得整個對象識別的效率較低。

發明內容

本申請實施例提供了一種對象識別方法、裝置、設備及存儲介質，以提高對象識別的效率。

第一方面，本申請實施例提供了一種對象識別方法，所述方法包括：

獲取針對于第一對象的點云數據；

將所述第一對象的點云數據輸入至預先完成訓練的神經網絡模型，以便所述神經網絡模型輸出得到所述第一對象對應的第一特征向量，所述神經網絡模型預先基于樣本點云數據以及樣本對象的樣本特征向量完成訓練；

當所述第一特征向量與所述第二對象對應的第二特征向量相匹配時，確定所述第一對象與所述第二對象為同一對象。

在一些可能的實施方式中，當所述第一特征向量與所述第二對象對應的第二特征向量相匹配時，確定所述第一對象與所述第二對象為同一對象，包括：

計算所述第一特征向量與所述第二特征向量之間的余弦距離；

當所述余弦距離大于預設閾值時，確定所述第一對象與所述第二對象為同一對象。

在一些可能的實施方式中，所述獲取第一對象的點云數據，包括：

獲取針對于所述第一對象的彩色圖像；

對所述彩色圖像進行圖像分割，確定所述彩色圖像上所述第一對象的第一圖像區域；

根據彩色圖像與深度圖像之間的對應關系，確定所述深度圖像上與所述第一圖像區域對應的第二圖像區域；

根據所述第二圖像區域中各個像素點的坐標，計算得到所述第一對象的點云數據。

在一些可能的實施方式中，所述第一對象的點云數據預先經過去噪和/或補洞處理。

在一些可能的實施方式中，所述第一對象的點云數據預先經過標準化處理，所述標準化處理包括對象姿態矯正、點云數據的下采樣以及點云數據的坐標歸一化中的任意一種或多種處理。

在一些可能的實施方式中，所述第二對象的第二特征向量是由所述神經網絡模型根據所述第二對象的點云數據輸出得到的，或，所述第二對象的第二特征向量為預設數據庫中的特征向量。

第二方面，本申請實施例還提供了一種對象識別裝置，所述裝置包括：

獲取模塊，用于獲取針對于第一對象的點云數據；

輸入模塊，用于將所述第一對象的點云數據輸入至預先完成訓練的神經網絡模型，以便所述神經網絡模型輸出得到所述第一對象對應的第一特征向量，所述神經網絡模型預先基于樣本點云數據以及樣本對象的樣本特征向量完成訓練；