[发明专利]用于生成信息的方法和装置

说明书

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：提取待识别图像中目标对象的特征矩阵，特征矩阵的维度包括第一维度和第二维度，第一维度用于表征目标对象所在图像区域中图像的图像特征，第二维度用于表征图像特征所对应的图像在图像区域中的位置；基于第二维度切分特征矩阵得到至少两个子矩阵；对于至少两个子矩阵中的子矩阵：获取待匹配对象的特征矩阵中与该子矩阵在图像区域中的位置匹配的子矩阵；基于该子矩阵与所获取的子矩阵生成待匹配对象与目标对象的相似度。该实施方式提供了一种基于局部特征的相似度信息生成机制，丰富了信息生成方法。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及用于生成信息的方法和装置。

背景技术

随着计算机技术的飞快发展，数字图像处理技术发展越来越迅猛，已经深入到生活的方方面面。目标识别作为数字图像处理技术领域重要研究课题之一，被广泛应用于国防军事、公共交通、社会安全和商业应用等各个领域。所谓目标识别，是在图像中识别出特定目标，例如，如何在摄像头拍摄的视频中准确的识别行人，以及行人在变换姿态，或被遮挡后的任何重新识别该行人。现有的目标识别，主要是基于目标的全局特征进行的。

发明内容

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：提取待识别图像中目标对象的特征矩阵，特征矩阵的维度包括第一维度和第二维度，第一维度用于表征目标对象所在图像区域中图像的图像特征，第二维度用于表征图像特征所对应的图像在图像区域中的位置；基于第二维度切分特征矩阵得到至少两个子矩阵；对于至少两个子矩阵中的子矩阵：获取待匹配对象的特征矩阵中与该子矩阵在图像区域中的位置匹配的子矩阵，其中，待匹配对象的特征矩阵的子矩阵的切分方式与目标对象的特征矩阵的子矩阵的切分方式相同；基于该子矩阵与所获取的子矩阵生成待匹配对象与目标对象的相似度。

在一些实施例中，在一些实施例中，第二维度包括水平方向维度和/或竖直方向维度；以及基于第二维度切分特征矩阵得到至少两个子矩阵，包括：在水平方向维度和/或竖直方向维度将特征矩阵平均切分为预设数目个子矩阵。

在一些实施例中，提取待识别图像中目标对象的特征矩阵，包括：对待识别图像进行目标检测，得到目标对象所在图像区域的位置信息；利用深度神经网络对目标对象所在图像区域中的图像进行特征提取，得到目标对象的特征矩阵。

在一些实施例中，基于该子矩阵与所获取的子矩阵生成待匹配对象与目标对象的相似度，包括：将该子矩阵与所获取的子矩阵输入至预先训练的针对该子矩阵在图像区域中的位置的分类及度量学习模型，得到与目标对象匹配的待匹配对象的标识以及目标对象与待匹配对象的相似度，分类及度量学习模型用于表征输入的目标对象的子矩阵、待匹配对象的子矩阵与目标对象匹配的待匹配对象的标识、目标对象与待匹配对象的相似度的对应关系。

在一些实施例中，方法还包括：获取样本集，其中，样本集中的样本包括样本目标对象所在图像区域中的图像、样本待匹配对象所在图像区域中图像以及与样本目标对象匹配的待匹配对象的标识；从样本集中选取样本，以及执行以下训练步骤：根据选取的样本目标对象所在图像区域中的图像、样本待匹配对象所在图像区域中图像，提取选取的样本目标对象、样本待匹配对象的特征矩阵；基于提取的特征矩阵的第二维度切分选取的样本目标对象、样本待匹配对象的特征矩阵，得到至少两个样本目标对象的特征矩阵的子矩阵与至少两个样本待匹配对象的特征矩阵的子矩阵；将切分得到的在图像区域中的位置相同的子矩阵输入针对该位置的初始分类及度量学习模型，根据针对该位置的初始分类及度量学习模型的输出与选取的样本目标对象匹配的待匹配对象的标识，调整针对该位置的初始分类及度量学习模型中的相关参数；确定针对该位置的初始分类及度量学习模型是否训练完成；响应于确定针对该位置的初始分类及度量学习模型训练完成，将针对该位置的初始分类及度量学习模型作为人脸检测模型；响应于确定针对该位置的初始分类及度量学习模型训练未完成，从样本集中重新选取样本，使用调整后的针对该位置的初始分类及度量学习模型作为针对该位置的初始分类及度量学习模型，继续执行训练步骤。