一种建档方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本公开涉及图片识别技术领域，提供了一种建档方法、装置、电子设备及计算机可读存储介质。该方法包括：分别获取已采集的图片所对应的第一特征空间和第二特征空间，其中，该第一特征空间用于描述该图片在第一类内的空间，该第二特征空间用于描述该图片与第二类之间的空间，该第二类是除该第一类之外的类别，该第一类为该图片所对应的类别；根据该第一特征空间和该第二特征空间，从该已采集的图片中确定出目标图片；根据该目标图片确定建档图片。通过本公开解决了现有技术中采用分类器的方式选择建档图片导致建档质量较差的问题，达到了提高建档质量的技术效果。提高建档质量的技术效果。提高建档质量的技术效果。

【技术实现步骤摘要】
一种建档方法、装置、电子设备及计算机可读存储介质


[0001]本公开涉及图片识别
，尤其涉及一种建档方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]现有人脸建档中对于建档人脸图片选择，方案一是依靠检测分数来排序，选择检测分数高的；方案二是依靠多种分类或回归模型(遮挡分类、正侧脸分类、亮度分类、位姿回归)，选择多模型分数高的。
[0003]这些技术方案，实际上是人工设计出来的一些分类器，其分数值与手工设计的监督信号(如检测框信号、遮挡信号等)有关，而与人脸空间没有直接关系，都不是直接依据人脸空间的分布进行质量建模，那么在人脸图片选择精度较低的情况下，就会导致人脸建档质量较差。针对该技术问题，相关技术并未提出有效的解决方案。

技术实现思路

[0004]有鉴于此，本公开实施例提供了一种建档方法、装置、电子设备及计算机可读存储介质，以解决现有技术中简单采用分类器的方式选择建档图片导致建档质量较差的问题。
[0005]本公开实施例的第一方面，提供了一种建档方法，包括：分别获取已采集的图片所对应的第一特征空间和第二特征空间，其中，该第一特征空间用于描述该图片在第一类内的空间，该第二特征空间用于描述该图片与第二类之间的空间，该第二类是除该第一类之外的类别，该第一类为该图片所对应的类别；根据该第一特征空间和该第二特征空间，从该已采集的图片中确定出目标图片；根据该目标图片确定建档图片。
[0006]本公开实施例的第二方面，提供了一种建档装置，包括：获取模块，用于分别获取已采集的图片所对应的第一特征空间和第二特征空间，其中，该第一特征空间用于描述该图片在第一类内的空间，该第二特征空间用于描述该图片与第二类之间的空间，该第二类是除该第一类之外的类别，该第一类为该图片所对应的类别；第一确定模块，用于根据该第一特征空间和该第二特征空间，从该已采集的图片中确定出目标图片；第二确定模块，用于根据该目标图片确定建档图片。
[0007]本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
[0008]本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0009]本公开实施例与现有技术相比存在的有益效果是：通过分别获取已采集的图片所对应的第一特征空间和第二特征空间，其中，该第一特征空间用于描述该图片在第一类内的空间，该第二特征空间用于描述该图片与第二类之间的空间，该第二类是除该第一类之外的类别，该第一类为该图片所对应的类别；根据该第一特征空间和该第二特征空间，从该
已采集的图片中确定出目标图片；根据该目标图片确定建档图片。本公开实施例在选择建档图片时，是根据图片空间估计的，而并不是现有技术中简单采用分类器的方式，进而解决了现有技术中采用分类器的方式选择建档图片导致建档质量较差的问题，达到了提高建档质量的技术效果。
附图说明
[0010]为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0011]图1是本公开实施例的应用场景的场景示意图；
[0012]图2是本公开实施例提供的一种建档方法的流程示意图；
[0013]图3是本公开实施例提供的另一种建档方法的流程示意图；
[0014]图4是本公开实施例提供的一种建档装置的结构示意图；
[0015]图5是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
[0016]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
[0017]下面将结合附图详细说明根据本公开实施例的一种建档方法和装置。
[0018]图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备101、102和103、服务器104以及网络105。
[0019]终端设备101、102和103可以是硬件，也可以是软件。当终端设备101、102和103为硬件时，其可以是具有显示屏且支持与服务器104通信的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等；当终端设备101、102和103为软件时，其可以安装在如上所述的电子设备中。终端设备101、102和103可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本公开实施例对此不作限制。进一步地，终端设备101、102和103上可以安装有各种应用，例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
[0020]服务器104可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器104可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。
[0021]需要说明的是，服务器104可以是硬件，也可以是软件。当服务器104为硬件时，其可以是为终端设备101、102和103提供各种服务的各种电子设备。当服务器104为软件时，其可以是为终端设备101、102和103提供各种服务的多个软件或软件模块，也可以是为终端设备101、102和103提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。
[0022]网络105可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无线网络，例如，蓝牙(Bluetooth)、近场通信(Near Field Communication，NFC)、红外(Infrared)等，本公开实施例对此不作限制。
[0023]用户可以通过终端设备101、102和103经由网络105与服务器104建立通信连接，以接收或发送信息等。需要说明的是，终端设备101、102和103、服务器104以及网络105的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。
[0024]图2是本公开实施例提供的一种建档方法的流程示意图。图2的建档方法可以由图1的终端设备或服务器执行。如图2所示，该建档方法包括：
[0025]S201，分别获取已采集的图片所对应的第一特征空间和第二特征空间，其中，该第一特征空间用于描述该图片在第一类内的空间，该第二特征空间用于描述该图片与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建档方法，其特征在于，包括：分别获取已采集的图片所对应的第一特征空间和第二特征空间，其中，所述第一特征空间用于描述所述图片在第一类内的空间，所述第二特征空间用于描述所述图片与第二类之间的空间，所述第二类是除所述第一类之外的类别，所述第一类为所述图片所对应的类别；根据所述第一特征空间和所述第二特征空间，从所述已采集的图片中确定出目标图片；根据所述目标图片确定建档图片。2.根据权利要求1所述的方法，其特征在于，所述第一特征空间包括所述图片与所述第一类内空间密集点的第一距离、所述图片与所述第一类的类中心的第二距离；所述第二特征空间包括所述图片与所述第二类之间的第三距离和第四距离，所述第三距离为最近邻距离，所述第四距离为最近邻近边缘的距离。3.根据权利要求2所述的方法，其特征在于，所述第一距离和所述第二距离通过以下方式确定：将已搭建的神经网络在第一训练集上完成训练，得到训练后的神经网络；设置所述训练后的神经网络在第二训练集上提取已采集的图片特征并进行聚类运算，得到所述已采集的图片的每一类的类内空间密集点；分别获取所述已采集的图片与所述第一类内所有空间密集点的距离，得到距离集合：将所述距离集合中最小距离设置为所述第一距离，将所述距离集合中所有距离的平均值设置为所述第二距离。4.根据权利要求2所述的方法，其特征在于，所述第一距离d
n
、所述第二距离d
c
通过以下公式确定：a＝tanh(W
02
relu(W
01
M))d
n
＝sigmoid(W
12
relu(W
11
a)d
c
＝sigmoid(W
22
swish(W
21
a))其中，参数矩阵W
01
的维度是(512，512)；参数矩阵W
02
的维度是(512，128)；M为训练后的神经网络加入共享参数矩阵后的输出；参数矩阵W
11
的维度是(128，64)；参数矩阵W
12
的维度是(64，1)；参数矩阵W
21
的维度是(128，128)；参数矩阵W
22
的维度是(128，1)。5.根据权利要求2所述的方法，其特征在于，所述第三距离、所述第四距离通过以下方式确定：设置所述图片与最近的K1个类的类中心的距离的平均值，作为所述第三距离，其中K1为大于0的整数；设置所述图片与最近的K1个类的密集点最近的距离的平均值，作为所述第四距离。6.根据权利要求2所述的方法，其特征在于，所述第三距离、所述第四距离通过以下方式确定：
计算所述图片所对应的类中心与类内所有密集点之间的平均距...

【专利技术属性】
技术研发人员：黄泽元，
申请(专利权)人：深圳集智数字科技有限公司，
类型：发明
国别省市：