目标相似度计算方法、装置、电子设备及计算机存储介质制造方法及图纸

本发明专利技术实施例提供一种目标相似度计算方法、装置、电子设备及计算机存储介质，所述目标相似度计算方法包括：获取包含待比较目标的目标图像；基于预先设定的多个局部特征类别，分别提取所述目标图像的第一局部特征；对各所述第一局部特征进行分析，根据分析结果确定各所述第一局部特征的加权系数；根据各所述第一局部特征的加权系数以及各所述第一局部特征对应的特征相似度，确定所述目标图像中的待比较目标与基准图像中的基准目标之间的目标相似度；其中所述特征相似度是所述第一局部特征与所述基准图像的特征之间的相似度。所述基准图像的特征之间的相似度。所述基准图像的特征之间的相似度。

【技术实现步骤摘要】
目标相似度计算方法、装置、电子设备及计算机存储介质


[0001]本专利技术涉及计算机
，尤指一种目标相似度计算方法、装置、电子设备及计算机存储介质。

技术介绍

[0002]图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。其中，在监控安防领域，人脸图像识别、机动车图像识别等技术有着广泛的应用。
[0003]然而，目前在进行目标的图像识别并进行比对分析时，由于采集目标图像的角度、光照、目标被部分遮挡等因素影响，会出现对同一个目标在不同情况下采集的图像之中该目标的相似度较低，或者出现对不同目标在不同情况下采集的图像之中各目标的相似度较高，从而导致图像识别准确性较差，给出错误的比对结论。

技术实现思路

[0004]本专利技术实施例提供一种目标相似度计算方法、装置、电子设备及计算机存储介质，用以解决现有技术中存在计算目标相似度时准确性较差的问题。
[0005]本专利技术实施例提供了一种目标相似度计算方法，包括：
[0006]获取包含待比较目标的目标图像；
[0007]基于预先设定的多个局部特征类别，分别提取所述目标图像的第一局部特征；
[0008]对各所述第一局部特征进行分析，根据分析结果确定各所述第一局部特征的加权系数；
[0009]根据各所述第一局部特征的加权系数以及各所述第一局部特征对应的特征相似度，确定所述目标图像中的待比较目标与基准图像中的基准目标之间的目标相似度；其中所述特征相似度是所述第一局部特征与所述基准图像的特征之间的相似度。
[0010]可选地，所述特征相似度是所述第一局部特征与所述基准图像的相同类别的第二局部特征之间的相似度。
[0011]可选地，通过下列方式设定多个局部特征类别：
[0012]识别所述基准图像的整体语义，并根据所述基准图像的整体语义设定所述多个局部特征类别；
[0013]根据各所述第一局部特征的加权系数以及各所述第一局部特征对应的特征相似度，确定所述目标图像中的待比较目标与基准图像中的基准目标之间的目标相似度之前，所述方法还包括：
[0014]对每个所述局部特征类别，分别提取所述基准图像的第二局部特征。
[0015]可选地，对各所述第一局部特征进行分析，根据分析结果确定各所述第一局部特征的加权系数，包括：
[0016]针对任意一个所述第一局部特征，对所述第一局部特征进行分析，根据分析结果
确定所述第一局部特征的置信度；
[0017]根据各所述第一局部特征的置信度分别确定各所述第一局部特征的加权系数。
[0018]可选地，对所述第一局部特征进行分析，根据分析结果确定所述第一局部特征的置信度，包括：
[0019]对所述第一局部特征进行图像质量分析，根据图像质量分析结果确定所述第一局部特征的置信度；其中所述第一局部特征的图像质量越高，所述第一局部特征的置信度越高。
[0020]可选地，对所述第一局部特征进行分析，根据分析结果确定所述第一局部特征的置信度，包括：
[0021]对所述第一局部特征进行图像语义分析，根据图像语义分析结果确定所述第一局部特征的置信度；其中所述图像语义分析结果中，能够与所述第一局部特征对应的局部特征类别匹配成功的图像语义分析结果的数量占比越大，所述第一局部特征的置信度越高。
[0022]可选地，对所述第一局部特征进行分析，根据分析结果确定所述第一局部特征的置信度，包括：
[0023]对所述第一局部特征进行特征提取过程分析，根据提取所述第一局部特征时采用的图像处理步骤确定所述第一局部特征的置信度；其中不同的图像处理步骤对应不同的置信度。
[0024]可选地，根据各所述第一局部特征的置信度分别确定各所述第一局部特征的加权系数，包括：
[0025]针对任一个所述第一局部特征，将所述第一局部特征的置信度与所有所述第一局部特征的置信度之和的比值，作为所述第一局部特征的计算因子；
[0026]针对任一个所述第一局部特征，基于所述第一局部特征的计算因子确定所述第一局部特征的加权系数。
[0027]可选地，基于所述第一局部特征的计算因子确定所述第一局部特征的加权系数，包括：
[0028]若所述第一局部特征的计算因子小于加权系数下限，则将所述第一局部特征的计算因子调整为所述加权系数下限，并基于调整后的所述计算因子确定所述第一局部特征的加权系数；
[0029]若所述第一局部特征的计算因子大于加权系数上限，则将所述第一局部特征的计算因子调整为所述加权系数上限，并基于调整后的所述计算因子确定所述第一局部特征的加权系数。
[0030]可选地，针对任一个所述第一局部特征，基于所述第一局部特征的计算因子确定所述第一局部特征的加权系数，包括：
[0031]以不重复选取所有第一局部特征的计算因子进行一次数值调整过程为一轮数值调整过程，进行至少一轮数值调整过程，并在每轮数值调整过程结束时判断本轮数值调整过程中是否有第一局部特征的计算因子的数值发生变化，若本轮数值调整过程中有第一局部特征的计算因子的数值发生变化，则再次进行一轮数值调整过程；若本轮调整过程中无第一局部特征的计算因子的数值发生变化，则不再进行下一轮数值调整过程，并将此时各第一局部特征的计算因子作为各第一局部特征的加权系数；
[0032]其中，对于任一选取的第一局部特征的计算因子，进行一次数值调整过程，包括：
[0033]若当前选取的所述计算因子大于等于所述加权系数下限且小于等于所述加权系数上限，则保持所述计算因子不变；
[0034]若当前选取的所述计算因子小于所述加权系数下限，将当前选取的所述计算因子与所述加权系数下限的差值平均分配给其他大于所述加权系数下限的各第一局部特征的计算因子，并将当前选取的所述计算因子调整为所述加权系数下限；
[0035]若当前选取的所述计算因子大于所述加权系数上限，将选取的当前选取的所述计算因子与所述加权系数上限的差值平均分配给其他小于所述加权系数上限的各第一局部特征的计算因子，并将当前选取的所述计算因子调整为所述加权系数上限。
[0036]可选地，根据各所述第一局部特征的加权系数以及各所述第一局部特征对应的特征相似度，确定所述目标图像中的待比较目标与基准图像中的基准目标之间的目标相似度，包括：
[0037]对任一第一局部特征，根据所述第一局部特征的加权系数乘以所述第一局部特征对应的特征相似度，得到所述第一局部特征对应的目标相似度因子；
[0038]将各第一局部特征对应的目标相似度因子相加，得到所述目标图像中的待比较目标与基准图像中的基准目标之间的目标相似度。
[0039]基于同一专利技术构思，本专利技术实施例还提供了一种目标相似度计算装置，包括：
[0040]获取模块，用于获取包含待比较目标的目标图像；
[0041]第一局部特征提取模块，用于基于预先设定的多个局部特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标相似度计算方法，其特征在于，包括：获取包含待比较目标的目标图像；基于预先设定的多个局部特征类别，分别提取所述目标图像的第一局部特征；对各所述第一局部特征进行分析，根据分析结果确定各所述第一局部特征的加权系数；根据各所述第一局部特征的加权系数以及各所述第一局部特征对应的特征相似度，确定所述目标图像中的待比较目标与基准图像中的基准目标之间的目标相似度；其中所述特征相似度是所述第一局部特征与所述基准图像的特征之间的相似度。2.如权利要求1所述的目标相似度计算方法，其特征在于，所述特征相似度是所述第一局部特征与所述基准图像的相同类别的第二局部特征之间的相似度。3.如权利要求2所述的目标相似度计算方法，其特征在于，通过下列方式设定多个局部特征类别：识别所述基准图像的整体语义，并根据所述基准图像的整体语义设定所述多个局部特征类别；根据各所述第一局部特征的加权系数以及各所述第一局部特征对应的特征相似度，确定所述目标图像中的待比较目标与基准图像中的基准目标之间的目标相似度之前，所述方法还包括：对每个所述局部特征类别，分别提取所述基准图像的第二局部特征。4.如权利要求1所述的目标相似度计算方法，其特征在于，对各所述第一局部特征进行分析，根据分析结果确定各所述第一局部特征的加权系数，包括：针对任意一个所述第一局部特征，对所述第一局部特征进行分析，根据分析结果确定所述第一局部特征的置信度；根据各所述第一局部特征的置信度分别确定各所述第一局部特征的加权系数。5.如权利要求4所述的目标相似度计算方法，其特征在于，对所述第一局部特征进行分析，根据分析结果确定所述第一局部特征的置信度，包括：对所述第一局部特征进行图像质量分析，根据图像质量分析结果确定所述第一局部特征的置信度；其中所述第一局部特征的图像质量越高，所述第一局部特征的置信度越高。6.如权利要求4所述的目标相似度计算方法，其特征在于，对所述第一局部特征进行分析，根据分析结果确定所述第一局部特征的置信度，包括：对所述第一局部特征进行图像语义分析，根据图像语义分析结果确定所述第一局部特征的置信度；其中所述图像语义分析结果中，能够与所述第一局部特征对应的局部特征类别匹配成功的图像语义分析结果的数量占比越大，所述第一局部特征的置信度越高。7.如权利要求4所述的目标相似度计算方法，其特征在于，对所述第一局部特征进行分析，根据分析结果确定所述第一局部特征的置信度，包括：对所述第一局部特征进行特征提取过程分析，根据提取所述第一局部特征时采用的图像处理步骤确定所述第一局部特征的置信度；其中不同的图像处理步骤对应不同的置信度。8.如权利要求4所述的目标相似度计算方法，其特征在于，根据各所述第一局部特征的置信度分别确定各所述第一局部特征的加权系数，包括：
针对任一个所述第一局部特征，将所述第一局部特征的置信度与所有所述第一局部特征的置信度之和的比值，作为所述第一局部特征的计算因子；针对任一个所述第一局部特征，基于所述第一局部特征的计算因子确定所述第一局部特征的加权系数。9.如权利要求8所述的目标相似度计算方法，其特征在于，基于所述第一局部特征的计算因子确定所述第一局部特征的加权系数，包括：若所述第一局部特征的计算因子小于加权系数下限，则将所述第一局部特征的计算因子调整为所述加权系数下限...

【专利技术属性】
技术研发人员：冯猛，李伟，周道利，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：