[发明专利]图片处理方法、装置及设备有效

专利信息
申请号: 201911035791.0 申请日: 2019-10-28
公开(公告)号: CN110795592B 公开(公告)日: 2023-01-31
发明(设计)人: 余世杰;陈大鹏;赵瑞 申请(专利权)人: 深圳市商汤科技有限公司
主分类号: G06F16/583 分类号: G06F16/583;G06F16/532;G06F16/587;G06F16/55;G06V40/10;G06V10/774;G06V10/764
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 郝传鑫;熊永强
地址: 518054 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图片 处理 方法 装置 设备
【权利要求书】:

1.一种图片处理方法,其特征在于,包括:

获取包含第一对象的第一图片以及包含第一服装的第二图片,所述第一图片包括所述第一对象的面部和第三服装,所述第一服装与所述第三服装不同;

将所述第一图片和所述第二图片输入第一模型,得到第一融合特征向量,所述第一融合特征向量用于表示所述第一图片和所述第二图片的融合特征;

获取第二融合特征向量,其中,所述第二融合特征向量用于表示第三图片和第四图片的融合特征,所述第三图片包含第二对象,所述第四图片是从所述第三图片截取的包含第二服装的图片;

根据所述第一融合特征向量和所述第二融合特征向量之间的目标相似度,确定所述第一对象与所述第二对象是否为同一个对象。

2.如权利要求1所述的方法,其特征在于,所述根据所述第一融合特征向量和所述第二融合特征向量之间的目标相似度,确定所述第一对象与所述第二对象是否为同一个对象,包括:

若所述第一融合特征向量和所述第二融合特征向量之间的目标相似度大于第一阈值,则确定所述第一对象与所述第二对象为同一个对象。

3.如权利要求1或2所述的方法,其特征在于,所述获取包含第一对象的第一图片以及包含第一服装的第二图片之前,还包括:

将所述第三图片和所述第四图片输入所述第一模型,得到所述第二融合特征向量。

4.如权利要求1所述的方法,其特征在于,所述方法还包括:

若所述第一对象与所述第二对象为同一个对象,获取拍摄所述第三图片的终端设备的标识;

根据所述终端设备的标识,确定所述终端设备设置的目标地理位置,并建立所述目标地理位置与所述第一对象之间的关联关系。

5.如权利要求1或2所述的方法,其特征在于,所述获取包含第一对象的第一图片以及包含第一服装的第二图片之前,还包括:

获取第一样本图片和第二样本图片,所述第一样本图片和所述第二样本图片均包含第一样本对象,所述第一样本对象在所述第一样本图片关联的服装与所述第一样本对象在所述第二样本图片关联的服装不同;

从所述第一样本图片中截取包含第一样本服装的第三样本图片,所述第一样本服装为所述第一样本对象在所述第一样本图片关联的服装;

获取包含第二样本服装的第四样本图片,所述第二样本服装与所述第一样本服装之间的相似度大于第二阈值;

根据所述第一样本图片、所述第二样本图片、所述第三样本图片以及所述第四样本图片训练第二模型和第三模型,所述第三模型与所述第二模型相同,所述第一模型为所述第二模型或者所述第三模型。

6.如权利要求5所述的方法,其特征在于,所述根据所述第一样本图片、所述第二样本图片、所述第三样本图片以及所述第四样本图片训练第二模型和第三模型,包括:

将所述第一样本图片和所述第三样本图片输入第二模型,得到第一样本特征向量,所述第一样本特征向量用于表示所述第一样本图片和所述第三样本图片的融合特征;

将所述第二样本图片和所述第四样本图片输入第三模型,得到第二样本特征向量,所述第二样本特征向量用于表示所述第二样本图片和所述第四样本图片的融合特征;

根据所述第一样本特征向量和所述第二样本特征向量,计算模型总损失,并根据所述模型总损失,训练所述第二模型和所述第三模型。

7.如权利要求6所述的方法,其特征在于,所述第一样本图片和所述第二样本图片为样本图库中的图片,所述样本图库包括M个样本图片,所述M个样本图片与N个样本对象关联,所述M大于或者等于2N,所述M、N为大于或者等于1的整数;

所述根据所述第一样本特征向量和所述第二样本特征向量,计算模型总损失,包括:

根据所述第一样本特征向量,计算第一概率向量,所述第一概率向量用于表示所述第一样本图片中所述第一样本对象为所述N个样本对象中每个样本对象的概率;

根据所述第二样本特征向量,计算第二概率向量,所述第二概率向量用于表示所述第二样本图片中所述第一样本对象为所述N个样本对象中每个样本对象的概率;

根据所述第一概率向量和所述第二概率向量,计算模型总损失。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市商汤科技有限公司,未经深圳市商汤科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911035791.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top