[發(fā)明專利]對目標對象分類的方法和裝置

有效

• 申請?zhí)枺?/td>: 202110268662.7
• 申請日: 2021-03-12
• 公開（公告）號: CN113065579B
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計）人: 羅嫚;劉健;郭明宇
• 申請（專利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/04;G06N3/08;G06T3/40;H04N19/42
• 代理公司: 北京億騰知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 陳霽;周良玉

1.一種對目標對象分類的方法，所述方法包括：

客戶端獲取通過攝像頭采集的目標對象的初始圖像，所述初始圖像具有第一分辨率；

所述客戶端通過頻域變換，得到所述初始圖像對應(yīng)的頻譜圖；

所述客戶端將所述初始圖像壓縮后，得到具有第二分辨率的壓縮圖像；其中，所述第二分辨率小于所述第一分辨率；

所述客戶端向服務(wù)端發(fā)送所述頻譜圖和所述壓縮圖像，以使所述服務(wù)端根據(jù)所述頻譜圖和所述壓縮圖像對所述目標對象分類。

2.如權(quán)利要求1所述的方法，其中，所述初始圖像為人臉圖像；

所述客戶端獲取通過攝像頭采集的目標對象的初始圖像，包括：

所述客戶端獲取攝像頭視野中的全景圖像；

檢測所述全景圖像中的人臉區(qū)域；

從所述全景圖像中提取所述人臉區(qū)域，以得到所述人臉圖像。

3.如權(quán)利要求2所述的方法，其中，所述從所述全景圖像中提取所述人臉區(qū)域，以得到所述人臉圖像，包括：

使用人臉質(zhì)量評估模型，評估所述人臉區(qū)域中人臉的質(zhì)量分；

在所述質(zhì)量分大于預設(shè)閾值的情況下，將所述人臉區(qū)域的圖像作為所述人臉圖像。

4.如權(quán)利要求1所述的方法，其中，所述頻域變換包括：

快速傅里葉變換FFT、離散余弦變換DCT或分塊離散余弦變換BDCT。

5.一種對目標對象分類的方法，所述方法包括：

服務(wù)端從客戶端接收目標對象的頻譜圖和壓縮圖像；其中，所述頻譜圖為初始圖像經(jīng)過頻域變換得到的，所述初始圖像具有第一分辨率；所述壓縮圖像為所述初始圖像壓縮后得到的，具有第二分辨率，所述第二分辨率小于所述第一分辨率；

所述服務(wù)端根據(jù)所述頻譜圖和所述壓縮圖像對所述目標對象分類。

6.如權(quán)利要求5所述的方法，其中，所述服務(wù)端根據(jù)所述頻譜圖和所述壓縮圖像對所述目標對象分類，包括：

提取所述頻譜圖對應(yīng)的第一特征向量；

提取所述壓縮圖像對應(yīng)的第二特征向量；

將所述第一特征向量和所述第二特征向量輸入分類網(wǎng)絡(luò)，得到所述目標對象的目標類別。

7.如權(quán)利要求6所述的方法，其中，所述提取所述頻譜圖對應(yīng)的第一特征向量，包括：

利用卷積神經(jīng)網(wǎng)絡(luò)CNN，提取所述頻譜圖對應(yīng)的第一特征向量；其中，所述CNN通過分類約束來預先訓練。

8.如權(quán)利要求6所述的方法，其中，所述提取所述頻譜圖對應(yīng)的第一特征向量，包括：

提取所述頻譜圖中的預設(shè)特征點，根據(jù)所述預設(shè)特征點確定所述第一特征向量。

9.如權(quán)利要求5所述的方法，其中，所述服務(wù)端根據(jù)所述頻譜圖和所述壓縮圖像對所述目標對象分類，包括：

將所述頻譜圖輸入第一分類模型，通過所述第一分類模型得到所述目標對象分別對應(yīng)于各個預設(shè)類別的各第一得分；

將所述壓縮圖像輸入第二分類模型，通過所述第二分類模型得到所述目標對象分別對應(yīng)于所述各個預設(shè)類別的各第二得分；

根據(jù)各第一得分和各第二得分，從所述各個預設(shè)類別中綜合確定所述目標對象的目標類別。

10.如權(quán)利要求5所述的方法，其中，所述初始圖像為人臉圖像；

所述對所述目標對象分類，包括：

對所述目標對象進行二分類，所述二分類的兩種類別為：所述目標對象是活體，所述目標對象不是活體。