[發明專利]一種特征對比方法、系統、設備以及介質

在審

• 申請號: 202010640869.8
• 申請日: 2020-07-06
• 公開（公告）號: CN111860627A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 王鵬飛
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 楊帆;陳黎明

1.一種特征對比方法，其特征在于，包括以下步驟：

構建特征底庫；

計算所述特征底庫中的每一個物體對應的多個特征向量兩兩之間的相似度以得到所述每一個物體對應的相似度范圍；

將多個物體的相似度范圍取并集以得到相似度的閾值范圍；

計算待對比的特征向量與所述特征底庫中的每一個特征向量之間的相似度；

將計算得到的處于所述閾值范圍內的相似度對應的特征向量進行排序；

基于所述排序將若干特征向量分別對應的物體ID返回給用戶。

2.如權利要求1所述的方法，其特征在于，構建特征底庫，進一步包括：

利用訓練好的神經網絡模型對物體的多個圖像分別提取特征向量；

將提取到的多個所述特征向量的精度降低至目標精度。

3.如權利要求2所述的方法，其特征在于，將提取到的多個所述特征向量的精度降低至目標精度，進一步包括：

將構成所述特征向量的標量數據進行排序；

根據所述目標精度對應的范圍值分別計算前M個的標量數據和后M個的標量數據對應的數據密度；

利用所述前M個的標量數據中所述數據密度最大的標量數據除以所述目標精度對應的范圍值中的最大值確定第一縮放值，并利用所述后M個的標量數據中所述數據密度最大的標量數據除以所述目標精度對應的范圍值中的最小值確定第二縮放值；

將所述第一縮放值以及所述第二縮放值中的較大值作為最終的縮放值，并利用所述最終的縮放值對所述多個所述特征向量進行量化處理，以使所述多個特征向量的精度降低至所述目標精度。

4.如權利要求3所述的方法，其特征在于，根據所述目標精度對應的范圍值分別計算前M個的標量數據和后M個的標量數據對應的數據密度，進一步包括：

將所述前M個的標量數據中的每一個標量數據均減去所述目標精度對應的范圍值中的最大值以得到中間值；

分別統計處于所述前M個的標量數據中的每一個標量數據與對應的所述中間值范圍內的所述標量數據的數量，以根據所述數量確定所述數據密度；或者，

將所述后M個的標量數據中的每一個標量數據均減去所述目標精度對應的范圍值中的最小值以得到中間值；

分別統計處于所述后M個的標量數據中的每一個標量數據與對應的所述中間值范圍內的所述標量數據的數量，以根據所述數量確定所述數據密度。

5.如權利要求3所述的方法，其特征在于，利用所述最終的縮放值對所述多個所述特征向量進行量化處理，進一步包括：

將構成所述特征向量的每一個標量數據均除以所述縮放值。

6.如權利要求1所述的方法，其特征在于，計算待對比的特征向量與所述特征底庫中的每一個特征向量之間的相似度，進一步包括：

利用CUBLAS庫計算所述待對比的特征向量與所述特征底庫中的每一個特征向量之間的相似度。

7.如權利要求1所述的方法，其特征在于，將多個物體的相似度范圍取并集以得到相似度的閾值范圍，進一步包括：

對所述閾值范圍進行調整。

8.一種特征對比系統，其特征在于，包括：

構建模塊，所述構建模塊配置為構建特征底庫；

第一計算模塊，所述第一計算模塊配置為計算所述特征底庫中的每一個物體對應的多個特征向量兩兩之間的相似度以得到所述每一個物體對應的相似度范圍；

閾值確定模塊，所述閾值確定模塊配置為將多個物體的相似度范圍取并集以得到相似度的閾值范圍；

第二計算模塊，所述第二計算模塊配置為計算待對比的特征向量與所述特征底庫中的每一個特征向量之間的相似度；

排序模塊，所述排序模塊配置為將計算得到的處于所述閾值范圍內的相似度對應的特征向量進行排序；

返回模塊，所述返回模塊配置為基于所述排序將若干特征向量分別對應的物體ID返回給用戶。