图像中对象的识别方法和装置、存储介质及电子装置制造方法及图纸

本发明专利技术公开了一种基于人工智能与云服务器的图像中对象的识别方法和装置、存储介质及电子装置，其中，该方法包括：在获取到第一图片与第二图片之后，获取第一图片的第一特征图和第二图片的第二特征图，其中，第一图片中包括第一对象，第二图片中包括第二对象；获取第一特征图中的每一个像素与第二特征图中的每一个像素，得到第一像素集；确定第一像素集中的任意两个像素之间的相似度，得到二维矩阵；将二维矩阵中的小于第一预定阈值的相似度调整为第一预定阈值，得到二维邻接矩阵；对二维邻接矩阵进行处理，得到第一识别结果。本发明专利技术解决了比对图片中对象是否为同一对象准确度低的技术问题。

Identification method and device of object in image, storage medium and electronic device

【技术实现步骤摘要】
图像中对象的识别方法和装置、存储介质及电子装置
本专利技术涉及计算机领域，具体而言，涉及一种图像中对象的识别方法和装置、存储介质及电子装置。
技术介绍
现有技术中，通常需要比对两张图片中的对象是否为一个对象，例如用于监控的两个摄像头拍摄的视频中的图片中包含对象，通过比对对象可以匹配到同一个人，实现跨摄像头追踪等。然而，在现有的图片比对的过程中，仅仅是将图片进行拆分比对，比对步骤简单，比对的准确度低。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种图像中对象的识别方法和装置、存储介质及电子装置，以至少解决比对图片中对象是否为同一对象准确度低的技术问题。根据本专利技术实施例的一个方面，提供了一种图像中对象的识别方法，包括：在获取到第一图片与第二图片之后，获取上述第一图片的第一特征图和上述第二图片的第二特征图，其中，上述第一图片中包括第一对象，上述第二图片中包括第二对象；获取所述第一特征图中的每一个像素与所述第二特征图中的每一个像素，得到第一像素集；确定所述第一像素集中的任意两个像素之间的相似度，得到二维矩阵；将上述二维矩阵中的小于第一预定阈值的相似度调整为第一预定阈值，得到二维邻接矩阵；对上述二维邻接矩阵进行处理，得到第一识别结果，其中，上述第一识别结果用于指示上述第一对象与上述第二对象为同一对象或者为不同对象。根据本专利技术实施例的另一方面，还提供了一种图像中对象的识别装置，包括：第一获取单元，用于在获取到第一图片与第二图片之后，获取上述第一图片的第一特征图和上述第二图片的第二特征图，其中，上述第一图片中包括第一对象，上述第二图片中包括第二对象；第二获取单元，用于获取所述第一特征图中的每一个像素与所述第二特征图中的每一个像素，得到第一像素集；第一确定单元，用于确定所述第一像素集中的任意两个像素之间的相似度，得到二维矩阵；调整单元，用于将上述二维矩阵中的小于第一预定阈值的相似度调整为第一预定阈值，得到二维邻接矩阵；处理单元，用于对上述二维邻接矩阵进行处理，得到第一识别结果，其中，上述第一识别结果用于指示上述第一对象与上述第二对象为同一对象或者为不同对象。作为一种可选的示例，上述处理单元包括：转换模块，用于将上述二维邻接矩阵转换为度矩阵；输入模块，用于将上述二维邻接矩阵、上述度矩阵、上述第一特征图与上述第二特征图输入到预定公式中，得到上述第一图片与上述第二图片的融合特征；识别模块，用于使用目标神经网络模型识别上述融合特征，得到上述第一识别结果。作为一种可选的示例，上述装置还包括：第二确定单元，用于在得到上述第一识别结果之后，在上述第一识别结果大于或等于第二预定阈值的情况下，确定上述第一对象与上述第二对象为同一对象；第三确定单元，用于在上述第一识别结果小于上述第二预定阈值的情况下，确定上述第一对象与上述第二对象为不同对象。作为一种可选的示例，上述装置还包括：第三获取单元，用于在获取上述第一图片的上述第一特征图和上述第二图片的上述第二特征图之前，获取一组样本图片组；训练单元，用于将上述一组样本图片组输入到原始神经网络模型中，训练上述原始神经网络模型，直到得到目标神经网络模型，其中，上述目标神经网络模型用于识别上述第一对象与上述第二对象是否为同一对象。作为一种可选的示例，上述训练单元包括：第二确定模块，用于从上述样本图片组中确定出第一样本图片与第二样本图片；第三确定模块，用于确定上述第一样本图片与上述第二样本图片的融合特征；第四确定模块，用于通过上述融合特征确定出上述原始神经网络模型损失参数；调整模块，用于在上述损失参数大于第三预定阈值的情况下，调整上述原始神经网络模型，直到上述损失参数小于或等于上述第三预定阈值。作为一种可选的示例，上述装置还包括：拼接单元，用于在确定上述第一对象与上述第二对象为同一对象之后，在上述第一识别结果指示上述第一对象与上述第二对象为同一对象、且上述第一图片为第一拍摄设备拍摄到的图片、上述第二图片为第二拍摄设备拍摄到的图片的情况下，将上述第一对象的第一移动轨迹和上述第二对象的第二移动轨迹进行拼接，得到上述第一对象的目标移动轨迹，其中，上述第一移动轨迹为上述第一拍摄设备获取到上述第一对象的移动轨迹，上述第二移动轨迹为上述第二拍摄设备获取到上述第二对象的移动轨迹。根据本专利技术实施例的又一方面，还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述图像中对象的识别方法。根据本专利技术实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的图像中对象的识别方法。在本专利技术实施例中，采用了在获取到第一图片与第二图片之后，获取上述第一图片的第一特征图和上述第二图片的第二特征图，其中，上述第一图片中包括第一对象，上述第二图片中包括第二对象；获取第一特征图中的每一个像素与第二特征图中的每一个像素，得到第一像素集；确定所述第一像素集中的任意两个像素之间的相似度，得到二维矩阵；将上述二维矩阵中的小于第一预定阈值的相似度调整为第一预定阈值，得到二维邻接矩阵；对上述二维邻接矩阵进行处理，得到第一识别结果，其中，上述第一识别结果用于指示上述第一对象与上述第二对象为同一对象或者为不同对象的方法，由于在上述方法中，在比对两张图片中的第一对象与第二对象是否为同一对象的过程中，获取的是两张图片的特征图之后，特征图中像素的相似度，得到二维矩阵，从而比对过程中并不是将两张图片分割成多块进行比对，而是融合两张图片的特征进行比对，得到二维矩阵后，通过调整二维矩阵得到二维邻接矩阵，以及通过目标神经网络模型对二维邻接矩阵进行处理，得到第一识别结果，从而实现了提高第一识别结果的准确度的效果，进而解决了比对图片中对象是否为同一对象准确度低的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种可选的图像中对象的识别方法的应用环境的示意图；图2是根据本专利技术实施例的一种可选的图像中对象的识别方法的流程示意图；图3是根据本专利技术实施例的一种可选的图像中对象的识别方法的神经网络模型结构示意图；图4是根据本专利技术实施例的一种可选的图像中对象的识别方法的模型处理过程示意图；图5是根据本专利技术实施例的另一种可选的图像中对象的识别方法的模型处理过程示意图；图6是根据本专利技术实施例的又一种可选的图像中对象的识别方法的模型处理过程示意图；图7是根据本专利技术实施例的一种可选的图像中对象的识别方法的应用场景示意图；图8是根据本专利技术实施例的又一种可选的图像中对象的识别方法的应用场景示意图；图9是根据本专利技术实施例的又一种可选的图像中对象的识别方法的应用场景示意图；图10是根据本专利技术实施例的一种可选的图像中对象本文档来自技高网...

【技术保护点】
1.一种图像中对象的识别方法，其特征在于，包括：/n在获取到第一图片与第二图片之后，获取所述第一图片的第一特征图和所述第二图片的第二特征图，其中，所述第一图片中包括第一对象，所述第二图片中包括第二对象；/n获取所述第一特征图中的每一个像素与所述第二特征图中的每一个像素，得到第一像素集；/n确定所述第一像素集中的任意两个像素之间的相似度，得到二维矩阵；/n将所述二维矩阵中的小于第一预定阈值的相似度调整为第一预定阈值，得到二维邻接矩阵；/n对所述二维邻接矩阵进行处理，得到第一识别结果，其中，所述第一识别结果用于指示所述第一对象与所述第二对象为同一对象或者为不同对象。/n

【技术特征摘要】
1.一种图像中对象的识别方法，其特征在于，包括：
在获取到第一图片与第二图片之后，获取所述第一图片的第一特征图和所述第二图片的第二特征图，其中，所述第一图片中包括第一对象，所述第二图片中包括第二对象；
获取所述第一特征图中的每一个像素与所述第二特征图中的每一个像素，得到第一像素集；
确定所述第一像素集中的任意两个像素之间的相似度，得到二维矩阵；
将所述二维矩阵中的小于第一预定阈值的相似度调整为第一预定阈值，得到二维邻接矩阵；
对所述二维邻接矩阵进行处理，得到第一识别结果，其中，所述第一识别结果用于指示所述第一对象与所述第二对象为同一对象或者为不同对象。


2.根据权利要求1所述的方法，其特征在于，所述确定所述第一像素集中的任意两个像素之间的相似度，得到二维矩阵，包括：
将所述第一像素集中的每一个像素确定为当前像素，执行以下步骤，直到遍历所述第一像素集：
计算所述当前像素与所述第一像素集中的每一个像素的相似度，将计算得到的多个所述相似度确定为所述二维矩阵中的一个数组。


3.根据权利要求2所述的方法，其特征在于，确定两个所述像素之间的相似度包括：
计算两个所述像素的内积，得到计算结果；
将所述计算结果确定为两个所述像素之间的所述相似度。


4.根据权利要求1所述的方法，其特征在于，所述将所述二维矩阵中的小于第一预定阈值的相似度调整为第一预定阈值，得到二维邻接矩阵，包括：
将所述二维矩阵中的每一个值确定为当前值，执行以下步骤，直到遍历所述二维矩阵：获取所述当前值；在所述当前值小于所述第一预定阈值的情况下，将所述当前值调整为所述第一预定阈值；
在遍历完成后，将调整后的所述二维矩阵确定为所述二维邻接矩阵。


5.根据权利要求1所述的方法，其特征在于，所述对所述二维邻接矩阵进行处理，得到第一识别结果，包括：
将所述二维邻接矩阵转换为度矩阵；
将所述二维邻接矩阵、所述度矩阵、所述第一特征图与所述第二特征图输入到预定公式中，得到所述第一图片与所述第二图片的融合特征；
使用目标神经网络模型识别所述融合特征，得到所述第一识别结果。


6.根据权利要求1所述的方法，其特征在于，在得到所述第一识别结果之后，所述方法还包括：
在所述第一识别结果大于或等于第二预定阈值的情况下，确定所述第一对象与所述第二对象为同一对象；
在所述第一识别结果小于所述第二预定阈值的情况下，确定所述第一对象与所述第二对象为不同对象。


7.根据权利要求1所述的方法，其特征在于，在获取所述第一图片的所述第一特征图和所述第二图片的所述第二特征图之前，所述方法还包括：
获取一组样本图片组；
将所述一组样本图片组输入到原始神经网络模型中，训练所述原始神经网络模型，直到得到目标神经网络模型，其中，所述目标神经网络模型用于识别所述第一对象与所述第二对象是否为同一对象。


8.根据权利要求7所述的方法，其特征在于，所述将所述一组样本图片组输入到原始神经网络模型...

【专利技术属性】
技术研发人员：俞福福，蒋忻洋，孙星，彭湃，郭晓威，黄小明，吴永坚，黄飞跃，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44