[发明专利]目标识别方法及装置、存储介质及电子设备

说明书

本申请涉及目标识别技术领域，提供一种目标识别方法及装置、存储介质及电子设备。其中，目标识别方法包括：获取包含有目标的待识别图像；将待识别图像分别输入至特征提取模型和属性提取模型，获得特征提取模型提取出的待识别图像的特征以及属性提取模型提取出的待识别图像的属性信息；从底库图像的属性信息集合中查找与待识别图像的属性信息匹配的属性信息，若查找到匹配的属性信息，则获取与匹配的属性信息对应的底库图像的特征集合；从与匹配的属性信息对应的底库图像的特征集合中查找与待识别图像的特征匹配的特征，若查找到匹配的特征，则输出与匹配的特征对应的目标识别结果。上述方法显著提高了目标识别的效率。

技术领域

本发明涉及目标识别技术领域，具体而言，涉及一种目标识别方法及装置、存储介质及电子设备。

背景技术

近些年，随着深度学习技术的发展，人脸识别技术趋于成熟。越来越多的人脸识别技术得以落地，人脸支付、人脸考勤、人脸认证等应用开始逐步进入公众视野。

现有的人脸识别方法一般通过预训练的神经网络模型分别提取待识别的人脸图像和底库中的人脸图像的特征，然后通过特征比对确定识别结果。伴随业务规模的不断扩张，底库中人脸图像的数量越来越庞大，由早期仅要求几千张人脸图像，如企业考勤、校园考勤等业务，到如今要求几千万张人脸图像，如公安抓逃、人员核对等业务。然而，由于人脸识别的检索性能与底库中人脸图像的数量成反比关系，所以当底库中人脸图像的数量急剧增大时，现有的人脸识别方法的性能较差，难以满足业务需求。

发明内容

本申请实施例的目的在于提供一种目标识别方法及装置、存储介质及电子设备，以改善上述技术问题。

为实现上述目的，本申请提供如下技术方案：

第一方面，本申请实施例提供一种目标识别方法，包括：获取包含有目标的待识别图像；将所述待识别图像分别输入至特征提取模型和属性提取模型，获得所述特征提取模型提取出的所述待识别图像的特征以及所述属性提取模型提取出的所述待识别图像的属性信息；其中，所述待识别图像的特征和属性信息分别是指所述待识别图像中目标的特征和属性信息；从底库图像的属性信息集合中查找与所述待识别图像的属性信息匹配的属性信息，若查找到匹配的属性信息，则获取与匹配的属性信息对应的底库图像的特征集合；其中，所述底库图像的特征是利用所述特征提取模型提取出的所述底库图像中目标的特征，所述底库图像的属性信息是利用所述属性提取模型提取出的所述底库图像中目标的属性信息；从与匹配的属性信息对应的底库图像的特征集合中查找与所述待识别图像的特征匹配的特征，若查找到匹配的特征，则输出与匹配的特征对应的目标识别结果。

上述方法在进行目标识别时，首先利用待识别图像的属性信息过滤出一个底库图像的特征集合，然后仅在该特征集合中进行特征匹配以实现目标识别，从而避免了将待识别图像的特征与所有底库图像的特征进行匹配，因此显著提高了目标识别的效率，使得该方法可应用于底库中存在大量图像的场景中。

在第一方面的一种实现方式中，所述从底库图像的属性信息集合中查找与所述待识别图像的属性信息匹配的属性信息，若查找到匹配的属性信息，则获取与匹配的属性信息对应的底库图像的特征集合，包括：判断所述待识别图像的属性信息与底库图像的属性信息集合中的每个属性信息是否匹配，并将所述属性信息集合中与所述待识别图像的属性信息匹配的属性信息对应的底库图像的特征确定为底库图像的特征集合中的特征。

在上述实现方式中，通过逐一比对的方式查找属性信息集合中与待识别图像的属性信息匹配的属性信息，该方式逻辑简单，但运算量较大。