[发明专利]图像识别方法、电子设备和计算机可读介质

权利要求书

1.一种图像识别方法，包括：

获取包含人物对象的图像作为输入图像；

采用已训练的人体识别模型中的特征提取模块对所述输入图像进行特征提取，所述人体识别模型利用特征提取模块分别提取由不同类别的摄像头采集的人体图像的特征，并且所述人体识别模型基于提取出的所述人体图像的特征识别所述由不同类别的摄像头采集的人体图像是否为同一人物的人体图像；

将提取出的所述输入图像的人体特征与预设的人体特征库进行匹配，以识别出所述输入图像中的人物对象。

2.根据权利要求1所述的方法，其中，所述方法还包括：

基于所述输入图像，对识别出的所述输入图像中的人物对象的运动轨迹进行更新。

3.根据权利要求1所述的方法，其中，所述方法还包括：

响应于确定将所述输入图像的人体特征与预设的人体特征库中的目标人体特征匹配成功，将所述输入图像的人体特征添加至所述预设的人体特征库并与所述目标人体特征关联至同一身份标识。

4.根据权利要求3所述的方法，其中，所述方法还包括：

响应于确定将所述输入图像的人体特征与预设的人体特征库匹配失败，为所述输入图像中的人物对象配置对应的身份标识，将所述输入图像的人体特征与对应的身份标识关联地存入所述预设的人体特征库。

5.根据权利要求1-4任一项所述的方法，其中，所述人体识别模型是按照如下方式生成的：

获取样本数据集，所述样本数据集包括：由不同类别的摄像头采集的样本人体图像以及所述样本人体图像所包含的人物对象的身份标识信息；

构建包含特征提取模块和判别模块的机器学习模型，利用所述机器学习模型中的特征提取模块分别提取输入的不同样本人体图像的特征，基于提取出的样本人体图像的特征，利用所述机器学习模型中的判别模块识别所述样本数据集中由不同类别的摄像头采集的样本人体图像是否为同一人物的人体图像，根据输入所述机器学习模型的样本人体图像所包含的人物对象的身份标识信息确定所述机器学习模型的识别误差，基于所述识别误差迭代调整所述机器学习模型，以使经过迭代调整的机器学习模型的识别误差满足预设的收敛条件；

将所述识别误差满足预设的收敛条件的机器学习模型确定为所述人体识别模型。

6.根据权利要求5所述的方法，其中，所述获取样本数据集包括：

对由不同类别的摄像头采集的场景图像进行人脸检测，基于检测出的人脸识别所述场景图像中包含的人物对象的身份；

基于所述场景图像以及识别出的所述场景图像中包含的人物对象的身份生成样本数据集。

7.根据权利要求6所述的方法，其中，所述基于所述场景图像以及识别出的所述场景图像中包含的人物对象的身份生成样本数据集，包括：

将所述场景图像所包含的各人物对象的图像分别从所述场景图像中切割出来，生成样本人体图像；

基于对所述场景图像中包含的人物对象的身份的识别结果，生成对应的样本人体图像所包含的人物对象的身份标识信息。

8.根据权利要求5所述的方法，其中，所述预设的人体特征库按照如下方式构建：

利用所述人体识别模型的特征提取模块提取所述样本数据集中的样本人体图像的人体特征；

将提取出的样本人体图像的人体特征与对应的样本人体图像中的人物对象的身份标识信息关联，并存入所述预设的人体特征库。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。