[發明專利]一種異常對象的識別方法及終端設備

在審

• 申請號: 202010466709.6
• 申請日: 2020-05-28
• 公開（公告）號: CN111680181A
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 徐巍越;何亮飛;胡怡文
• 申請（專利權）人: 平安付科技服務有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06F16/535;G06F16/55
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 張全文

1.一種異常對象的識別方法，其特征在于，包括：

接收待識別的目標對象的對象數據；該對象數據包括關于所述目標對象的多個對象圖像；

分別提取各個所述對象圖像的圖像特征值，并將所述圖像特征值與數據庫內各個歷史圖像的歷史特征值進行匹配，得到所述對象圖像的所述圖像特征值與數據庫之間匹配結果；

若所述匹配結果為匹配成功，則分別將所述目標對象的各個所述對象圖像導入預設的圖像解析模型，獲得各個所述對象圖像的對象屬性信息；

基于所有所述對象屬性信息，輸出所述目標對象的異常識別結果。

2.根據權利要求1所述的識別方法，其特征在于，所述分別提取各個所述對象圖像的圖像特征值，并將所述圖像特征值與數據庫內各個歷史圖像的歷史特征值進行匹配，得到所述對象圖像的所述圖像特征值與數據庫之間匹配結果，包括：

通過預設的壓縮算法，分別獲得各個所述對象圖像的壓縮編碼，并將所述壓縮編碼識別為所述對象圖像的圖像特征值；所述壓縮算法是用于生成所述數據庫內各個所述歷史圖像的歷史特征值；

判斷所述數據庫內是否存在任一所述歷史圖像的所述歷史特征值與所述圖像特征值相同；

若存在任一所述歷史圖像的所述歷史特征值與所述圖像特征值相同，則輸出匹配成功的所述匹配結果；

若各個所述歷史圖像的所述歷史特征值與所述圖像特征值不同，則輸出匹配失敗的所述匹配結果。

3.根據權利要求1所述的識別方法，其特征在于，所述分別提取各個所述對象圖像的圖像特征值，并將所述圖像特征值與數據庫內各個歷史圖像的歷史特征值進行匹配，得到所述對象圖像的所述圖像特征值與數據庫之間匹配結果，包括：

根據所述對象圖像內各個像素的像素值，生成所述對象圖像的原始圖像矩陣；

通過預設的多層池化網絡對所述原始圖像矩陣進行降維處理，生成所述對象圖像的圖像特征矩陣；

計算各個所述歷史圖像的歷史特征矩陣與所述圖像特征矩陣之間的偏差值；

若存在任一所述歷史圖像對應的所述偏差值小于預設的偏差閾值，則輸出匹配成功的所述匹配結果；

若各個所述歷史圖像對應的所述偏差值均大于或等于預設的偏差閾值，則輸出匹配失敗的所述匹配結果。

4.根據權利要求1所述的識別方法，其特征在于，在所述若所述匹配結果為匹配成功，則若所述匹配結果為匹配成功，則分別將所述目標對象的各個所述對象圖像導入預設的圖像解析模型，獲得各個所述對象圖像的對象屬性信息之前，還包括：

解析原生神經網絡內包含的原始參數域，并根據預設的對象屬性維度確定用于解析所述對象圖像的對象屬性域；

基于所述原始參數域以及所述對象屬性域構建所述對象屬性信息關聯的遷移矩陣；

將所述遷移矩陣導入到所述原生神經網絡內，生成待配置的圖像解析模型；

將多個所述訓練圖像導入到所述待配置的圖像解析模型，輸出各個所述訓練圖像的訓練結果，并各個所述訓練結果與關聯的所述訓練圖像的標準結果進行比對，確定所述待配置的圖像解析模型的損失值；

基于所述損失值調整所述遷移矩陣，直到所述損失值小于預設的損失閾值，則將所述待配置的圖像解析模型識別為所述圖像解析模型。

5.根據權利要求1所述的識別方法，其特征在于，所述若所述匹配結果為匹配成功，則若所述匹配結果為匹配成功，則分別將所述目標對象的各個所述對象圖像導入預設的圖像解析模型，獲得各個所述對象圖像的對象屬性信息，包括：

通過預設的輪廓識別算法，確定所述對象圖像包含的輪廓曲線；

基于所述輪廓曲線對所述對象圖像進行劃分，得到多個拍攝主體區域圖像；

根據所述拍攝主體區域圖像的像素信息以及主體輪廓，確定所述拍攝主體區域圖像對應的主體類型；

根據所有主體類型確定所述對象圖像的拍攝場景，并基于所述拍攝場景生成所述對象屬性信息。