[發明專利]對象識別方法及裝置、存儲介質及電子設備

有效

• 申請號: 202010764888.1
• 申請日: 2020-08-03
• 公開（公告）號: CN111738362B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 朱翔宇;羅振波;付培;吉翔
• 申請（專利權）人: 成都睿沿科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 唐正瑜

1.一種對象識別方法，其特征在于，包括：

獲取目標圖像的整體特征和對照圖像的整體特征，并計算所述目標圖像和所述對照圖像在整體特征上的相似度；

獲取所述目標圖像的非關鍵特征和所述對照圖像的非關鍵特征，并計算所述目標圖像和所述對照圖像在非關鍵特征上的相似度；

從所述目標圖像和所述對照圖像在整體特征上的相似度中減去所述目標圖像和所述對照圖像在非關鍵特征上的相似度，得到最終相似度；

利用所述最終相似度識別所述目標圖像中的對象。

2.根據權利要求1所述的對象識別方法，其特征在于，所述目標圖像的整體特征和所述對照圖像的整體特征分別是利用預訓練的第一神經網絡對所述目標圖像和所述對照圖像進行特征提取后得到的；

和/或，

所述目標圖像的非關鍵特征和所述對照圖像的非關鍵特征分別是利用預訓練的第二神經網絡對所述目標圖像和所述對照圖像進行特征提取后得到的。

3.根據權利要求2所述的對象識別方法，其特征在于，所述方法還包括：

對所述第一神經網絡進行有監督訓練，監督信號設置為訓練樣本中對象的ID；

和/或，

對所述第二神經網絡進行有監督訓練，監督信號設置為訓練樣本中所述非關鍵特征所表征的屬性的值。

4.根據權利要求1所述的對象識別方法，其特征在于，所述利用所述最終相似度識別所述目標圖像中的對象，包括：

判斷所述最終相似度是否大于相似度閾值；

若所述最終相似度大于所述相似度閾值，則確定所述目標圖像中的對象與所述對照圖像中的對象是同一對象。

5.根據權利要求1-4中任一項所述的對象識別方法，其特征在于，所述對象為行人，所述非關鍵特征包括以下至少一種：

域特征、行人朝向特征、行人衣著顏色特征以及行人附屬物特征；其中，所述域特征是指與圖像的域相關的特征，所述圖像的域是指圖像中與對象沒有直接關系的屬性構成的集合。

6.根據權利要求5所述的對象識別方法，其特征在于，所述域特征包括采集圖像的攝像頭的特征，所述目標圖像和所述對照圖像在域特征上的相似度是指：采集所述目標圖像的攝像頭的特征和采集所述對照圖像的攝像頭的特征之間的相似度；

所述目標圖像的域特征和所述對照圖像的域特征均利用預訓練的第二神經網絡進行提取，所述第二神經網絡采用有監督訓練，監督信號設置為采集訓練樣本的攝像頭的ID。

7.根據權利要求1-4中任一項所述的對象識別方法，其特征在于，所述對象為車輛，所述非關鍵特征包括以下至少一種：

車輛朝向特征、域特征、車輛顏色特征以及車輛類型特征；其中，所述域特征是指與圖像的域相關的特征，所述圖像的域是指圖像中與對象沒有直接關系的屬性構成的集合。

8.一種對象識別裝置，其特征在于，包括：

第一相似度計算模塊，用于獲取目標圖像的整體特征和對照圖像的整體特征，并計算所述目標圖像和所述對照圖像在整體特征上的相似度；

第二相似度計算模塊，用于獲取所述目標圖像的非關鍵特征和所述對照圖像的非關鍵特征，并計算所述目標圖像和所述對照圖像在非關鍵特征上的相似度；

第三相似度計算模塊，用于從所述目標圖像和所述對照圖像在整體特征上的相似度中減去所述目標圖像和所述對照圖像在非關鍵特征上的相似度，得到最終相似度；

對象識別模塊，用于利用所述最終相似度識別所述目標圖像中的對象。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序指令，所述計算機程序指令被處理器讀取并運行時，執行如權利要求1-7中任一項所述的方法。

10.一種電子設備，其特征在于，包括存儲器以及處理器，所述存儲器中存儲有計算機程序指令，所述計算機程序指令被所述處理器讀取并運行時，執行權利要求1-7中任一項所述的方法。