[发明专利]识别目标对象的形态的方法、装置、终端及存储介质

权利要求书

1.一种识别目标对象的形态的方法，其特征在于，所述目标对象在物理世界中存在对应的对称对象，所述目标对象和所述对称对象中心对称或者镜面对称，所述方法包括：

获取所述目标对象的目标图像；

将所述目标图像输入第一特征提取模型，获取所述第一特征提取模型输出的第一特征，所述第一特征用于指示所述目标图像；

将所述第一特征输入第一全连接层中，得到第二特征，所述第二特征是所述第一特征对应的翻转特征；

融合所述第一特征和所述第二特征，获得融合特征；

根据所述融合特征，确定所述目标对象的结果形态，所述结果形态是正常形态或异常形态；

其中，所述第一全连接层是经过第二训练样本完成训练的全连接层，所述第二训练样本标注有真实翻转特征的第二训练图像，所述第二训练图像和所述目标图像是属于同一外观形态类型的图像，所述第一全连接层的输出维度和所述第一特征的维度相等；

其中，所述第一全连接层的训练方法包括：确定所述目标对象和对应的所述对称对象之间的对称关系，所述对称关系包括中心对称和镜面对称；按照所述对称关系，将所述第二训练图像进行翻转，得到对应的真实翻转图像；将所述真实翻转图像输入所述第一特征提取模型，得到所述真实翻转特征；将所述真实翻转特征标注到对应的所述第二训练图像上，获得所述第二训练样本；根据所述第二训练样本和第二损失函数训练原始全连接层，得到所述第一全连接层。

2.根据权利要求1所述的方法，其特征在于，所述第一特征提取模型是经过第一训练样本完成训练的特征提取模型，所述第一训练样本是标注有所述结果形态的第一训练图像，所述第一训练图像和所述目标图像是属于同一外观形态类型的图像。

3.根据权利要求2所述的方法，其特征在于，所述第一特征提取模型和所述第一全连接层封装为目标神经网络。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

通过第三训练样本对所述目标神经网络进行训练，所述第三训练样本是标注有所述结果形态的第三训练图像，所述第三训练图像和所述目标图像是属于同一外观形态类型的图像；

其中，训练所述目标神经网络的学习率是目标学习率，所述目标学习率小于训练所述第一特征提取模型的学习率，且所述目标学习率小于训练所述入第一全连接层的学习率。

5.根据权利要求1至4任一所述的方法，其特征在于，当所述目标对象是人眼时，所述目标对象和所述特征对象之间的关系为镜面对称，所述异常形态为闭眼形态，所述正常形态为睁眼形态，所述方法还包括：

当所述目标图像是终端的取景图像且所述结果形态为所述睁眼形态时，拍摄所述取景图像；

和/或，

当所述目标图像是终端拍摄的图像且所述结果形态为所述闭眼形态时，显示提醒消息，所述提醒消息用于提示所述目标图像中出现闭眼情况；

和/或，

当所述目标图像是终端拍摄的图像且所述结果形态为所述闭眼形态时，将所述目标图像移动至闭眼图像相册；

和/或，

当所述目标图像用于作为人脸解锁终端的图像时，获取所述结果形态；

当所述结果形态为所述闭眼形态时，拒绝解锁所述终端；

当所述结果形态为所述睁眼形态且所述目标图像与预设图像模版匹配时，解锁所述终端。

6.根据权利要求1至4任一所述的方法，其特征在于，所述融合所述第一特征和所述第二特征，获得融合特征，包括：

将所述第一特征和所述第二特征相加，得到和值特征；

将所述和值特征的二分之一确定为所述融合特征。