本发明专利技术公开了一种图像处理方法、装置、电子设备及计算机可读存储介质。其中，该方法包括：接收待识别的移动对象图像；选取目标轨迹；将待识别的移动对象图像与目标轨迹输入图像识别模型，得到识别结果，其中，图像识别模型包括特征提取模块和分类器模块，特征提取模块由视觉特征提取网络模块和时空特征提取网络模块拼接得到，视觉特征提取网络模块用于提取图像的视觉特征，时空特征提取网络模块用于提取图像的时空特征，识别结果用于标识移动对象图像与目标轨迹是否对应同一目标移动对象。本发明专利技术解决了相关技术中利用进行移动对象身份确认时，会存在移动对象识别不清、识别结果可靠度低的技术问题。度低的技术问题。度低的技术问题。
【技术实现步骤摘要】
图像处理方法、装置、电子设备及计算机可读存储介质
[0001]本专利技术涉及计算机领域，具体而言，涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]近年来，随着公众场合、道路中大量摄像头的出现，移动对象身份确认技术受到广泛关注，尤其是车辆身份确认技术。车辆身份确认问题主要依赖于两种技术：车牌识别和车辆重识别。车辆身份确认的目标是进行跨摄像头的车辆身份确认，即以车辆在一个摄像头下的图像作为查询图像，然后在其他摄像头下面进行检索。相关技术中提出了车牌识别技术与车辆重识别技术，其中，车牌识别技术中车牌是车辆身份最为显著的标志，而且目前车牌识别技术已经相当成熟，车辆重识别技术中多采用基于视觉特征的车辆身份确认技术。但是利用上述方法进行车辆身份确认时，会存在识别不清、识别结果不可靠的问题，在移动对象身份确认时，也存在相同的问题。
[0003]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
[0004]本专利技术实施例提供了一种图像处理方法、装置、电子设备及计算机可读存储介质，以至少解决相关技术中利用进行移动对象身份确认时，会存在移动对象识别不清、识别结果可靠度低的技术问题。
[0005]根据本专利技术实施例的一个方面，提供了一种图像处理方法，包括：接收待识别的移动对象图像；选取目标轨迹，其中，所述目标轨迹为按照时间顺序排列的目标移动对象的图像集合；将待识别的所述移动对象图像与所述目标轨迹输入图像识别模型，得到识别结果，其中，所述图像识别模型包括特征提取模块和分类器模块，所述特征提取模块由视觉特征提取网络模块和时空特征提取网络模块拼接得到，所述视觉特征提取网络模块用于提取图像的视觉特征，所述时空特征提取网络模块用于提取图像的时空特征，所述识别结果用于标识所述移动对象图像与所述目标轨迹是否对应同一所述目标移动对象。
[0006]可选地，将待识别的所述移动对象图像与所述目标轨迹输入图像识别模型，得到识别结果，包括：获取待识别的所述移动对象图像的时间信息；依据所述时间信息将所述移动对象图像插入所述目标轨迹，得到合并轨迹；采用所述图像识别模型对所述合并轨迹进行识别，得到所述识别结果。
[0007]可选地，采用所述图像识别模型对所述合并轨迹进行识别，得到所述识别结果，包括：采用所述图像识别模型中的视觉特征提取网络模块，提取所述合并轨迹所包括的图像的视觉特征；采用所述图像识别模型中的时空特征提取网络模块，提取所述合并轨迹所包括的图像的时空特征；将所述视觉特征和所述时空特征进行拼接，得到所述合并轨迹的拼接特征；采用所述图像识别模型中的分类器模块，对所述拼接特征进行预测，得到所述识别结果。
[0008]可选地，采用所述图像识别模型中的时空特征提取网络模块，提取所述合并轨迹所包括的图像的时空特征，包括：采用所述时空特征提取网络模块中的空间信息提取子模块，提取所述合并轨迹所包括的图像的空间位置特征；采用所述时空特征提取网络模块中的时间信息提取子模块，提取所述合并轨迹所包括的图像的时间特征；将所述空间位置特征和所述时间特征进行拼接，得到所述合并轨迹所包括的图像的时空特征。
[0009]可选地，在将待识别的所述移动对象图像与所述目标轨迹输入图像识别模型，得到识别结果之前，还包括：获取训练样本集，其中，所述训练样本集包括正样本集和负样本集，所述正样本集具有以下特征：移动对象图像和移动对象轨迹对应于同一移动对象，负样本集具有以下特征：移动对象图像和移动对象轨迹对应于不同移动对象；对所述训练样本集进行训练，得到所述图像识别模型。
[0010]可选地，所述负样本集采用所述正样本集生成，其中，所述负样本集中的负样本采用以下方式获取：对于所述正样本集中的一条正样本，将移动对象轨迹中每个点位的图像替换为该点位离该图像的特征距离最近的非该移动对象的图像，形成一条对应的负样本。
[0011]可选地，所述图像时空特征包括时间特征和空间位置特征，其中，所述时间特征包括拍摄所述图像的时间戳，所述空间位置特征包括拍摄所述图像的摄像头点位的地理位置或者所述摄像头点位的标识信息。
[0012]可选地，所述移动对象包括以下至少之一：车辆，机器人，宠物，飞机。
[0013]根据本专利技术实施例的另一个方面，提供了一种图像处理方法，包括：在交互界面接收待识别的移动对象图像；通过所述交互界面上的选项控件，选取目标轨迹，其中，所述目标轨迹为按照时间顺序排列的目标移动对象的图像集合；在所述交互界面上接收识别指令；响应所述识别指令，在所述交互界面显示识别结果，其中，所述识别结果通过将待识别的所述移动对象图像与所述目标轨迹输入图像识别模型得到，所述图像识别模型包括特征提取模块和分类器模块，所述特征提取模块由视觉特征提取网络模块和时空特征提取网络模块拼接得到，所述视觉特征提取网络模块用于提取图像的视觉特征，所述时空特征提取网络模块用于提取图像的时空特征，所述识别结果用于标识所述移动对象图像与所述目标轨迹是否对应同一所述目标移动对象。
[0014]根据本专利技术实施例的另一个方面，提供了一种一种智能汽车的图像处理方法，包括：获取智能汽车图像；接收通过目标智能汽车的控制面板选取的目标轨迹，其中，所述目标轨迹为按照时间顺序排列的所述目标智能汽车的图像集合；将所述智能汽车图像和所述目标轨迹发送给服务器；接收所述服务器反馈的识别结果，并在所述目标智能汽车的显示面板上显示所述识别结果，其中，所述识别结果通过将所述智能汽车图像与所述目标轨迹输入图像识别模型得到，所述图像识别模型包括特征提取模块和分类器模块，所述特征提取模块由视觉特征提取网络模块和时空特征提取网络模块拼接得到，所述视觉特征提取网络模块用于提取图像的视觉特征，所述时空特征提取网络模块用于提取图像的时空特征，所述识别结果用于标识所述智能汽车图像与所述目标轨迹是否对应同一所述智能汽车。
[0015]根据本专利技术实施例的另一个方面，提供了一种图像处理装置，包括：第一接收模块，用于接收待识别的移动对象图像；第一选取模块，用于选取目标轨迹，其中，所述目标轨迹为按照时间顺序排列的目标移动对象的图像集合；第一处理模块，用于将待识别的所述移动对象图像与所述目标轨迹输入图像识别模型，得到识别结果，其中，所述图像识别模型
包括特征提取模块和分类器模块，所述特征提取模块由视觉特征提取网络模块和时空特征提取网络模块拼接得到，所述视觉特征提取网络模块用于提取图像的视觉特征，所述时空特征提取网络模块用于提取图像的时空特征，所述识别结果用于标识所述移动对象图像与所述目标轨迹是否对应同一所述目标移动对象。
[0016]根据本专利技术实施例的另一个方面，提供了一种图像处理装置，包括：第二接收模块，用于接收在交互界面接收待识别的移动对象图像；第二选取模块，用于通过所述交互界面上的选项控件，选取目标轨迹，其中，所述目标轨迹为按照时间顺序排列的目标移动对象的图像集合；第三接收模块，用于在所述交互界面上接收识别指令；第一显示模块，用于响应所述识别指令，在所述交互界面显示识别结果，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：接收待识别的移动对象图像；选取目标轨迹，其中，所述目标轨迹为按照时间顺序排列的目标移动对象的图像集合；将待识别的所述移动对象图像与所述目标轨迹输入图像识别模型，得到识别结果，其中，所述图像识别模型包括特征提取模块和分类器模块，所述特征提取模块由视觉特征提取网络模块和时空特征提取网络模块拼接得到，所述视觉特征提取网络模块用于提取图像的视觉特征，所述时空特征提取网络模块用于提取图像的时空特征，所述识别结果用于标识所述移动对象图像与所述目标轨迹是否对应同一所述目标移动对象。2.根据权利要求1所述的方法，其特征在于，将待识别的所述移动对象图像与所述目标轨迹输入图像识别模型，得到识别结果，包括：获取待识别的所述移动对象图像的时间信息；依据所述时间信息将所述移动对象图像插入所述目标轨迹，得到合并轨迹；采用所述图像识别模型对所述合并轨迹进行识别，得到所述识别结果。3.根据权利要求2所述的方法，其特征在于，采用所述图像识别模型对所述合并轨迹进行识别，得到所述识别结果，包括：采用所述图像识别模型中的视觉特征提取网络模块，提取所述合并轨迹所包括的图像的视觉特征；采用所述图像识别模型中的时空特征提取网络模块，提取所述合并轨迹所包括的图像的时空特征；将所述视觉特征和所述时空特征进行拼接，得到所述合并轨迹的拼接特征；采用所述图像识别模型中的分类器模块，对所述拼接特征进行预测，得到所述识别结果。4.根据权利要求3所述的方法，其特征在于，采用所述图像识别模型中的时空特征提取网络模块，提取所述合并轨迹所包括的图像的时空特征，包括：采用所述时空特征提取网络模块中的空间信息提取子模块，提取所述合并轨迹所包括的图像的空间位置特征；采用所述时空特征提取网络模块中的时间信息提取子模块，提取所述合并轨迹所包括的图像的时间特征；将所述空间位置特征和所述时间特征进行拼接，得到所述合并轨迹所包括的图像的时空特征。5.根据权利要求1所述的方法，其特征在于，在将待识别的所述移动对象图像与所述目标轨迹输入图像识别模型，得到识别结果之前，还包括：获取训练样本集，其中，所述训练样本集包括正样本集和负样本集，所述正样本集具有以下特征：移动对象图像和移动对象轨迹对应于同一移动对象，负样本集具有以下特征：移动对象图像和移动对象轨迹对应于不同移动对象；对所述训练样本集进行训练，得到所述图像识别模型。6.根据权利要求5所述的方法，其特征在于，所述负样本集采用所述正样本集生成，其中，所述负样本集中的负样本采用以下方式获取：对于所述正样本集中的一条正样本，将移动对象轨迹中每个点位的图像替换为该点位离该图像的特征距离最近的非该移动对象的
图像，形成一条对应的负样本。7.根据权利要求1至6中任一项所述的方法，其特征在于，所述图像时空特征包括时间特征和空间位置特征，其中，所述时间特征包括拍摄所述图像的时间戳，所述空间位置特征包括拍摄所述图像的摄像头点位的地理位置或者所述摄...
【专利技术属性】
技术研发人员：魏振勇，魏龙，金仲明，黄建强，华先胜，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。