[发明专利]对象重识别方法以及电子设备、存储装置在审

专利信息
申请号: 202110580394.2 申请日: 2021-05-26
公开(公告)号: CN113449596A 公开(公告)日: 2021-09-28
发明(设计)人: 应竞舟;黄志华;吴子扬;奚昌凤 申请(专利权)人: 科大讯飞股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 深圳市威世博知识产权代理事务所(普通合伙) 44280 代理人: 何倚雯
地址: 230088 安徽省*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 对象 识别 方法 以及 电子设备 存储 装置
【权利要求书】:

1.一种对象重识别方法,其特征在于,包括:

提取待识别图像中目标对象的第一融合特征;

基于第一数据库、第二数据库和所述第一融合特征,得到所述目标对象的轨迹信息和身份信息;

其中,所述第一数据库包含若干预设对象的第二融合特征和身份信息,所述第二数据库包含视频数据中若干抓拍对象的第三融合特征和轨迹信息,且所述第一融合特征、所述第二融合特征和所述第三融合特征均是利用融合特征提取模型提取并处理人脸特征信息和形体特征信息而得到的。

2.根据权利要求1所述的方法,其特征在于,所述基于第一数据库、第二数据库和所述第一融合特征,得到所述目标对象的轨迹信息和身份信息,包括:

基于所述第一融合特征分别与所述若干抓拍对象的第三融合特征之间的第一相似度,选择一个所述抓拍对象作为检索对象,并将所述检索对象的轨迹信息作为所述目标对象的轨迹信息;

基于所述检索对象的第三融合特征分别与所述若干预设对象的第二融合特征之间的第二相似度,得到所述目标对象的身份信息。

3.根据权利要求2所述的方法,其特征在于,所述第二数据库还包括每一所述第三融合特征的质量分值;所述基于所述第一融合特征分别与所述若干抓拍对象的第三融合特征之间的第一相似度,选择一个所述抓拍对象作为检索对象,包括:

按照所述第一相似度由高到低的顺序,选取所述第一相似度位于前预设序位的第三融合特征,作为第一候选特征;

将所述质量分值最高的第一候选特征所对应的抓拍对象,作为所述检索对象。

4.根据权利要求1所述的方法,其特征在于,所述融合特征提取模型包括区域检测网络、特征提取网络和特征处理网络;所述提取待识别图像中目标对象的第一融合特征,包括:

利用所述区域检测网络分别对所述待识别图像进行人脸检测和形体检测,得到所述目标对象的第一人脸区域和第一形体区域;

利用所述特征提取网络分别对所述第一人脸区域和所述第一形体区域进行特征提取,得到所述目标对象的第一人脸特征和第一形体特征;

利用所述特征处理网络对所述第一人脸特征和所述第一形体特征进行特征处理,得到所述目标对象的第一融合特征。

5.根据权利要求4所述的方法,其特征在于,所述利用所述特征处理网络对所述第一人脸特征和所述第一形体特征进行特征处理,得到所述目标对象的第一融合特征,包括:

将所述第一人脸特征和所述第一形体特征进行拼接,得到第一拼接特征;

利用所述特征处理网络对所述第一拼接特征进行特征处理,得到所述第一融合特征。

6.根据权利要求4所述的方法,其特征在于,所述方法还包括:

在所述待识别图像中未检测到所述第一人脸区域的情况下,将与所述第一形体特征相同维度的预设人脸特征作为所述第一人脸特征;或者,

在所述待识别图像中未检测到所述第一形体区域的情况下,将与所述第一人脸特征相同维度的预设形体特征作为所述第一形体特征。

7.根据权利要求1所述的方法,其特征在于,所述融合特征提取模型包括区域检测网络、特征提取网络和特征处理网络;所述第一数据库的获取步骤包括:

获取所述若干预设对象的预设图像和身份信息;

利用所述区域检测网络对所述预设图像进行人脸检测和形体检测,得到所述预设对象的第二人脸区域和第二形体区域;

利用所述特征提取网络分别对所述第二人脸区域和所述第二形体区域进行特征提取,得到所述预设对象的第二人脸特征和第二形体特征;

利用所述特征处理网络对第二人脸特征和所述第二形体特征进行特征处理,得到所述预设对象的第二融合特征;

将所述若干预设对象的第二融合特征和身份信息存储至所述第一数据库。

8.根据权利要求7所述的方法,其特征在于,所述预设图像为所述预设对象的人脸图像,所述预设图像中未检测到所述第二形体区域,且所述第二形体特征为与所述第二人脸特征相同维度的预设形体特征。

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科大讯飞股份有限公司,未经科大讯飞股份有限公司许可,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/202110580394.2/1.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