对象识别方法及装置、存储介质及电子设备制造方法及图纸

本申请涉及人工智能技术领域，提供一种对象识别方法及装置、存储介质及电子设备。其中，对象识别方法包括：获取目标图像的整体特征和对照图像的整体特征，并计算目标图像和对照图像在整体特征上的相似度；获取目标图像的非关键特征和对照图像的非关键特征，并计算目标图像和对照图像在非关键特征上的相似度；从目标图像和对照图像在整体特征上的相似度中减去二者在非关键特征上的相似度，得到最终相似度；利用最终相似度识别目标图像中的对象。该方法通过相似度相减，在两幅图像的整体特征中削弱了非关键特征，强化了关键特征，而强化关键特征的影响体现在最终相似度中，从而基于该最终相似度进行目标图像中的对象识别准确率较高。

【技术实现步骤摘要】
对象识别方法及装置、存储介质及电子设备
本专利技术涉及人工智能
，具体而言，涉及一种对象识别方法及装置、存储介质及电子设备。
技术介绍
跨摄像头的对象识别是人工智能领域的一类常见任务。例如，在行人重识别任务中，通过行人的外观特征检索多个摄像头下属于同一个人的图像；又例如，在外观寻车任务中，通过车辆的外观特征检索多个摄像头下属于同一辆车的图像。可见，对象识别的关键步骤是确定两幅图像中的对象是否为同一对象（例如，同一个人、同一辆车）。在现有技术中，一般是利用神经网络提取图像的特征，然后计算两幅图像的特征间的相似度进行判断。然而，这些现有方法的识别准确率并不是很高。
技术实现思路
本申请实施例的目的在于提供一种对象识别方法及装置、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对象识别方法，包括：获取目标图像的整体特征和对照图像的整体特征，并计算所述目标图像和所述对照图像在整体特征上的相似度；获取所述目标图像的非关键特征和所述对照图像的非关本文档来自技高网...

【技术保护点】
1.一种对象识别方法，其特征在于，包括：/n获取目标图像的整体特征和对照图像的整体特征，并计算所述目标图像和所述对照图像在整体特征上的相似度；/n获取所述目标图像的非关键特征和所述对照图像的非关键特征，并计算所述目标图像和所述对照图像在非关键特征上的相似度；/n从所述目标图像和所述对照图像在整体特征上的相似度中减去所述目标图像和所述对照图像在非关键特征上的相似度，得到最终相似度；/n利用所述最终相似度识别所述目标图像中的对象。/n

【技术特征摘要】
1.一种对象识别方法，其特征在于，包括：
获取目标图像的整体特征和对照图像的整体特征，并计算所述目标图像和所述对照图像在整体特征上的相似度；
获取所述目标图像的非关键特征和所述对照图像的非关键特征，并计算所述目标图像和所述对照图像在非关键特征上的相似度；
从所述目标图像和所述对照图像在整体特征上的相似度中减去所述目标图像和所述对照图像在非关键特征上的相似度，得到最终相似度；
利用所述最终相似度识别所述目标图像中的对象。


2.根据权利要求1所述的对象识别方法，其特征在于，所述目标图像的整体特征和所述对照图像的整体特征分别是利用预训练的第一神经网络对所述目标图像和所述对照图像进行特征提取后得到的；
和/或，
所述目标图像的非关键特征和所述对照图像的非关键特征分别是利用预训练的第二神经网络对所述目标图像和所述对照图像进行特征提取后得到的。


3.根据权利要求2所述的对象识别方法，其特征在于，所述方法还包括：
对所述第一神经网络进行有监督训练，监督信号设置为训练样本中对象的ID；
和/或，
对所述第二神经网络进行有监督训练，监督信号设置为训练样本中所述非关键特征所表征的属性的值。


4.根据权利要求1所述的对象识别方法，其特征在于，所述利用所述最终相似度识别所述目标图像中的对象，包括：
判断所述最终相似度是否大于相似度阈值；
若所述最终相似度大于所述相似度阈值，则确定所述目标图像中的对象与所述对照图像中的对象是同一对象。


5.根据权利要求1-4中任一项所述的对象识别方法，其特征在于，所述对象为行人，所述非关键特征包括以下至少一种：
域特征、行人朝向特征、行人衣着颜色特征以及行人...

【专利技术属性】
技术研发人员：朱翔宇，罗振波，付培，吉翔，
申请(专利权)人：成都睿沿科技有限公司，
类型：发明
国别省市：四川;51