对象信息查询方法技术

本申请涉及一种对象信息查询方法

【技术实现步骤摘要】
对象信息查询方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种对象信息查询方法
、
装置
、
计算机设备
、
存储介质和计算机程序产品
。

技术介绍

[0002]随着计算机技术的发展，计算机视觉技术得到广泛应用，例如人脸识别
、
刷掌支付
、
指纹识别等
。
在计算机视觉技术的一些应用场景中，采集目标对象的图像，并根据图像确定目标对象的对象信息
。
如何准确且快速的查询到目标对象的对象信息成为重要问题
。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种对象信息查询方法
、
装置
、
计算机设备
、
计算机可读存储介质和计算机程序产品，能够快速准确的查询对象信息
。
[0004]第一方面，本申请提供了一种对象信息查询方法
。
所述方法包括：
[0005]当在兴趣点进行产品交互时，获取采集目标对象所得的图像；
[0006]将从所述图像提取的图像特征与预设特征标识向量组合，得到组合特征；
[0007]确定所述组合特征与各校验特征间的相似度；所述校验特征是候选对象的对象特征和对象特征标识向量组合的特征，是所述候选对象所处的位置与所述兴趣点之间的距离满足预设条件
、
且与所述候选对象具有亲密社交关系的对象在所述兴趣点发生产品交互时获得的；
[0008]当存在所述相似度满足相似条件时，依据满足所述相似条件的所述相似度所对应的对象特征标识向量，查询所述目标对象的对象信息
。
[0009]第二方面，本申请还提供了一种对象信息查询装置
。
所述装置包括：
[0010]获取模块，用于当在兴趣点进行产品交互时，获取采集目标对象所得的图像；
[0011]组合模块，用于将从所述图像提取的图像特征与预设特征标识向量组合，得到组合特征；
[0012]确定模块，用于确定所述组合特征与各校验特征间的相似度；所述校验特征是候选对象的对象特征和对象特征标识向量组合的特征，是所述候选对象所处的位置与所述兴趣点之间的距离满足预设条件
、
且与所述候选对象具有亲密社交关系的对象在所述兴趣点发生产品交互时获得的；
[0013]查询模块，用于当存在所述相似度满足相似条件时，依据满足所述相似条件的相似度所对应的对象特征标识向量，查询所述目标对象的对象信息
。
[0014]在一个实施例中，所述确定模块，还用于：
[0015]提取所述组合特征中的组合特征元素，以及提取所述校验特征中的校验特征元素；
[0016]依次确定各所述组合特征元素与各所述校验特征元素间的积值；
[0017]将所述积值间的和值作为所述组合特征与所述校验特征间的相似度
。
[0018]在一个实施例中，所述组合特征元素包括第一特征元素与第一标识元素；所述校验特征元素包括第二特征元素与第二标识元素；所述确定模块，还用于：
[0019]依次确定各所述第一特征元素与各所述第二特征元素间的第一积值；
[0020]依次确定各所述第一标识元素与各所述第二标识元素间的第二积值；
[0021]基于所述第一积值与所述第二积值，确定各所述组合特征元素与各所述校验特征元素间的积值
。
[0022]在一个实施例中，所述查询模块，还用于：
[0023]对各所述相似度按照大小顺序进行排序；
[0024]在排序后的相似度中，确定排序的名次满足相似条件的相似度所对应的目标校验特征；
[0025]基于所述目标校验特征中的对象特征标识向量，确定所述图像中目标对象的对象信息
。
[0026]在一个实施例中，所述组合模块，还用于：
[0027]在所述图像提取的图像特征中确定标识向量插入位置；
[0028]依据所述标识向量插入位置，将所述预设特征标识向量插入至所述图像提取的图像特征中，得到组合特征
。
[0029]在一个实施例中，所述校验特征属于特征库中的用于校验的特征；所述装置还包括：
[0030]所述确定模块，还用于确定所述特征库中各校验特征对应的生物对象的对象数量；依据所述对象数量确定标识向量长度范围；
[0031]选取模块，用于在所述标识向量长度范围选取目标长度值；
[0032]生成模块，用于依据所述目标长度值生成各所述生物对象的对象特征标识向量；其中，所述预设特征标识向量的向量长度为所述目标长度值
。
[0033]在一个实施例中，所述装置还包括：
[0034]所述获取模块，还用于获取与所述候选对象存在好友关系链的社交对象；
[0035]所述确定模块，还用于当所述候选对象与存在所述好友关系链的至少一个社交对象处于相同社交群组时，将至少一个所述社交对象确定为与所述候选对象具有亲密社交关系的对象
。
[0036]在一个实施例中，所述社交群组包括亲密社交群组；所述确定模块，还用于：
[0037]获取所述亲密社交群内的群组成员对象；
[0038]若至少一个所述群组成员对象属于所述好友关系链的社交对象，获取所述候选对象与至少一个所述群组成员对象之间的社交频次；
[0039]若所述社交频次达到预设频次阈值，将至少一个所述群组成员对象确定为存在亲密社交关系的对象
。
[0040]在一个实施例中，所述查询模块，还用于：
[0041]根据所述对象信息获取所述目标对象对应的产品交互数据；
[0042]通过资源转移交互模型对所述产品交互数据进行验证，得到验证结果；
[0043]若所述验证结果表示所述产品交互数据通过验证，根据所述对象信息对所述目标对象进行资源转移
。
[0044]在一个实施例中，所述图像包括至少两种不同图像类型的手部图像；所述组合模块，还用于：
[0045]依据手部图像模板对各所述手部图像进行矫正，得到矫正后手部图像；
[0046]分别对各所述矫正后手部图像进行特征提取，得到掌纹特征；
[0047]对各所述掌纹特征进行融合，得到融合掌纹特征；
[0048]将所述融合掌纹特征与预设特征标识向量组合，得到组合特征
。
[0049]在一个实施例中，所述图像包括脸部图像；所述装置还包括：
[0050]提取模块，用于从所述脸部图像中提取图像特征；
[0051]卷积模块，用于通过估算网络对所述图像特征进行至少两次卷积处理，得到所述图像特征的预测均值和预测方差；
[0052]所述获取模块，还用于获取所述估算网络中用于标准化处理的网络参数；
[0053]标准化模块，用于基于所述预测均值
、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种对象信息查询方法，其特征在于，所述方法包括：当在兴趣点进行产品交互时，获取采集目标对象所得的图像；将从所述图像提取的图像特征与预设特征标识向量组合，得到组合特征；确定所述组合特征与各校验特征间的相似度；所述校验特征是候选对象的对象特征和对象特征标识向量组合的特征，是所述候选对象所处的位置与所述兴趣点之间的距离满足预设条件
、
且与所述候选对象具有亲密社交关系的对象在所述兴趣点发生产品交互时获得的；当存在所述相似度满足相似条件时，依据满足所述相似条件的相似度所对应的对象特征标识向量，查询所述目标对象的对象信息
。2.
根据权利要求1所述的方法，其特征在于，所述确定所述组合特征与各校验特征间的相似度包括：提取所述组合特征中的组合特征元素，以及提取所述校验特征中的校验特征元素；依次确定各所述组合特征元素与各所述校验特征元素间的积值；将所述积值间的和值作为所述组合特征与所述校验特征间的相似度
。3.
根据权利要求2所述的方法，其特征在于，所述组合特征元素包括第一特征元素与第一标识元素；所述校验特征元素包括第二特征元素与第二标识元素；所述依次确定各所述组合特征元素与各所述校验特征元素间的积值包括：依次确定各所述第一特征元素与各所述第二特征元素间的第一积值；依次确定各所述第一标识元素与各所述第二标识元素间的第二积值；基于所述第一积值与所述第二积值，确定各所述组合特征元素与各所述校验特征元素间的积值
。4.
根据权利要求1所述的方法，其特征在于，所述当存在所述相似度满足相似条件时，依据满足所述相似条件的相似度所对应的对象特征标识向量，查询所述目标对象的对象信息包括：对各所述相似度按照大小顺序进行排序；在排序后的相似度中，确定排序的名次满足相似条件的相似度所对应的目标校验特征；基于所述目标校验特征中的对象特征标识向量，查询所述图像中目标对象的对象信息
。5.
根据权利要求1所述的方法，其特征在于，所述将从所述图像提取的图像特征与预设特征标识向量组合，得到组合特征包括：在所述图像提取的图像特征中确定标识向量插入位置；依据所述标识向量插入位置，将所述预设特征标识向量插入至从所述图像提取的图像特征中，得到组合特征
。6.
根据权利要求1所述的方法，其特征在于，所述校验特征属于特征库中的用于校验的特征；所述方法还包括：确定所述特征库中各校验特征对应的生物对象的对象数量；依据所述对象数量确定标识向量长度范围；在所述标识向量长度范围选取目标长度值；
依据所述目标长度值生成各所述生物对象的对象特征标识向量；其中，所述预设特征标识向量的向量长度为所述目标长度值
。7.
根据权利要求1所述的方法，其特征在于，所述方法还包括：获取与所述候选对象存在好友关系链的社交对象；当所述候选对象与存在所述好友关系链的至少一个社交对象处于相同社交群组时，将至少一个所述社交对象确定为与所述候选对象具有亲密社交关系的对象
。8.
根据权利要求7所述的方法，其特征在于，所述社交群组包括亲密社交群组；所述当所述候选对象与存在所述好友关系链的至少一个社交对象处于相同社交群组时，将至少一个所述社交对象确定为与所述候选对象具有亲密社交关系的对象包括：获取所述...

【专利技术属性】
技术研发人员：王军，郭润增，王少鸣，张睿欣，沈雷，汪韬，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：