[发明专利]图像识别方法、电子设备和计算机可读介质

说明书

本公开的实施例公开了图像识别方法、电子设备和计算机可读介质。该方法包括：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输入图像进行特征提取，其中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，并且人体识别模型基于提取出的人体图像的特征识别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，以识别出输入图像中的人物对象。该方法提升了跨摄像头的人体重识别的准确性。

相关申请的交叉引用

本申请要求申请日为2019年7月31日，申请号为16/528,167，发明名称为“METHOD,ELECTRONIC DEVICE,AND COMPUTER READABLE MEDIUM FOR IMAGE IDENTIFICATION”的美国专利申请的优先权。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及图像处理技术领域，尤其涉及图像识别方法、电子设备和计算机可读介质。

背景技术

在智能零售或大型公共场所等监控场景中，通常会使用多个不同类型的摄像头来进行人物的检测和人流统计。例如，可以使用成像质量较高的摄像头在入口或通道处拍摄比较清晰的人脸图像用于识别进入场景中的人物，使用架设在室内顶棚、墙体或天花板上的成像质量相对较低的摄像头拍摄场景中的人物的图像。各摄像头的成像范围有限，因此通常需要结合多个摄像头拍摄的图像来执行监控任务。

对同一场景中多个类型的摄像头采集的图像进行准确的人物检测和匹配，能够帮助获取场景中的人物的活动轨迹，实现人物的动态跟踪。然而由于不同摄像头的拍摄角度各异、成像质量不同，基于多摄像头的人物自动检测和识别难以达到较高的精度。因此，如何基于场景中不同类型的摄像头采集的人物图像准确地识别人物身份，成为了一个亟待解决的问题。

发明内容

本公开的实施例提出了图像识别方法、装置、电子设备和计算机可读介质。

第一方面，本公开的实施例提供了一种图像识别方法，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输入图像进行特征提取，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，并且人体识别模型基于提取出的人体图像的特征识别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，以识别出输入图像中的人物对象。

在一些实施例中，上述方法还包括：基于输入图像对识别出的输入图像中的人物对象的运动轨迹进行更新。

在一些实施例中，上述方法还包括：响应于确定将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，将输入图像的人体特征添加至预设的人体特征库并与目标人体特征关联至同一身份标识。

在一些实施例中，上述方法还包括：响应于确定将输入图像的人体特征与预设的人体特征库匹配失败，为输入图像中的人物对象配置对应的身份标识，将输入图像的人体特征与对应的身份标识关联地存入预设的人体特征库。

在一些实施例中，上述人体识别模型是按照如下方式生成的：获取样本数据集，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，利用机器学习模型中的判别模块识别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机器学习模型的识别误差，基于识别误差迭代调整机器学习模型，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；将识别误差满足预设的收敛条件的机器学习模型确定为人体识别模型。