[發明專利]一種圖像識別方法及相關裝置

在審

• 申請號: 202210005751.7
• 申請日: 2022-01-04
• 公開（公告）號: CN114360073A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 陳觀欽;陳遠;王摘星;陳斌
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V40/40
• 分類號: G06V40/40;G06V40/16;G06V20/40;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 羅曉敏

1.一種圖像識別方法，其特征在于，所述方法包括：

獲取目標視頻，所述目標視頻中包括待驗證的目標對象的面部；對所述目標視頻進行分幀處理，得到所述目標視頻中按序排列的多幀視頻圖像；

對所述多幀視頻圖像進行特征提取處理，得到與所述多幀視頻圖像對應的按序排列的多個目標特征圖；

針對所述多個目標特征圖分別進行空間維度的特征提取處理，得到所述多個目標特征圖各自對應的特征向量；基于所述多個目標特征圖各自對應的特征向量，進行時間維度的特征提取處理，得到后融合全局特征向量；

基于所述多個目標特征圖進行時間維度的特征提取處理，得到時間壓縮特征圖；對所述時間壓縮特征圖進行空間維度的特征提取處理，得到前融合全局特征向量；

根據所述后融合全局特征向量和所述前融合全局特征向量，確定所述目標對象對應的面部檢測結果。

2.根據權利要求1所述的方法，其特征在于，所述對所述多幀視頻圖像進行特征提取處理，得到與所述多幀視頻圖像對應的按序排列的多個目標特征圖，包括：

通過二維卷積結構，對所述多幀視頻圖像分別進行特征提取處理，得到所述多幀視頻圖像各自對應的一級特征圖；

針對每幀所述視頻圖像，根據所述視頻圖像對應的一級特征圖、以及與所述視頻圖像相鄰的視頻圖像對應的一級特征圖，確定所述視頻圖像對應的運動特征；根據所述視頻圖像對應的一級特征圖和運動特征，確定所述視頻圖像對應的二級特征圖；

根據所述多幀視頻圖像各自對應的二級特征圖，確定所述多個目標特征圖。

3.根據權利要求2所述的方法，其特征在于，所述根據所述視頻圖像對應的一級特征圖、以及與所述視頻圖像相鄰的視頻圖像對應的一級特征圖，確定所述視頻圖像對應的運動特征，包括：

確定排列在所述視頻圖像前、且與所述視頻圖像相鄰的視頻圖像，作為所述視頻圖像的相鄰視頻圖像；

基于通道門控機制，利用所述視頻圖像對應的一級特征圖中的各個元素與其相鄰視頻圖像對應的一級特征圖中的各個元素做差，得到運動特征權重；

基于所述運動特征權重，對所述視頻圖像對應的一級特征圖中的各個元素進行加權處理，得到所述視頻圖像對應的運動特征。

4.根據權利要求2所述的方法，其特征在于，所述根據所述多幀視頻圖像各自對應的二級特征圖，確定所述多個目標特征圖，包括：

針對每幀所述視頻圖像，根據所述視頻圖像的排列位置和預設窗口范圍，在所述多幀視頻圖像中確定與所述視頻圖像相關的參考視頻圖像；

針對每幀所述視頻圖像，通過三維卷積結構，基于所述視頻圖像對應的二級特征圖、以及與所述視頻圖像相關的各參考視頻圖像各自對應的二級特征圖，進行短時時空特征融合，得到所述視頻圖像對應的三級特征圖；

根據所述多幀視頻圖像各自對應的三級特征圖，確定所述多個目標特征圖。

5.根據權利要求4所述的方法，其特征在于，所述根據所述多幀視頻圖像各自對應的三級特征圖，確定所述多個目標特征圖，包括：

當所述視頻圖像為第一幀視頻圖像時，通過對應的循環神經網絡結構，基于所述視頻圖像對應的三級特征圖進行多次特征提取處理，得到所述視頻圖像對應的目標特征圖；在所述多次特征提取處理的過程中，產生所述視頻圖像對應的空間積累信息和時間積累信息；

當所述視頻圖像并非第一幀視頻圖像時，確定位于所述視頻圖像前、且與所述視頻圖像相鄰的視頻圖像，作為相鄰視頻圖像；通過對應的循環神經網絡結構，基于所述視頻圖像對應的三級特征圖、以及所述相鄰視頻圖像對應的空間積累信息、時間積累信息和目標特征圖，進行多次特征提取處理，得到所述視頻圖像對應的目標特征圖。