[发明专利]基于多模态特征人物属性标注方法、装置、设备及介质在审
申请号: | 202011497246.6 | 申请日: | 2020-12-17 |
公开(公告)号: | CN112560690A | 公开(公告)日: | 2021-03-26 |
发明(设计)人: | 张帆 | 申请(专利权)人: | 北京赢识科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/08 |
代理公司: | 成都顶峰专利事务所(普通合伙) 51224 | 代理人: | 杨俊华 |
地址: | 100000 北京市门头沟区石*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 多模态 特征 人物属性 标注 方法 装置 设备 介质 | ||
1.一种基于多模态特征人物属性标注方法,其特征在于,包括:
在预设时段内,检测目标视频内的全部人员对应的人脸特征数据和人体特征数据;
根据人脸模型识别全部所述人脸特征数据,并将所述人脸模型识别为同一人的人脸特征数据标注相同的编号;
将所述编号相同的所述人脸特征数据检测时刻对应的人体特征数据与所述编号关联;
利用所述人体特征数据训练得到人体模型;
根据所述人体模型识别全部所述人体特征数据并更新所述人脸模型。
2.根据权利要求1所述的方法,其特征在于,所述在预设时段内,检测目标视频内的全部人员对应的人脸特征数据和人体特征数据的步骤,包括:
获取所述预设时段内所述目标视频的每一帧图像;
提取全部所述图像内包含的人脸图像形成所述人脸特征数据,以及,提取全部所述图像内包含的人体图像形成所述人体特征数据。
3.根据权利要求1所述的方法,其特征在于,所述根据人脸模型识别全部所述人脸特征数据,并将所述人脸模型识别为同一人的人脸特征数据标注相同的编号的步骤,包括:
将全部所述人脸特征数据输入所述人脸模型,得到全部所述人脸特征数据之间的匹配度;
判断所述匹配度是否大于阈值;
若所述匹配度大于所述阈值,则将所述匹配度对应的人脸特征数据为同一人并标注相同的编号;
若所述匹配度小于或等于所述阈值,则禁止将所述匹配度对应的人脸特征数据为同一人并标注相同的编号。
4.根据权利要求2所述的方法,其特征在于,所述将所述编号相同的所述人脸特征数据检测时刻对应的人体特征数据与所述编号关联的步骤,包括:
获取所述编号相同的所述人脸特征数据对应的采集时刻;
获取所述采集时刻内所述人脸特征数据对应的人体特征数据;
将所述人体特征数据标注所述编号。
5.根据权利要求1所述的方法,其特征在于,所述根据所述人体模型识别全部所述人体特征数据并更新所述人脸模型的步骤之后,所述方法还包括:
根据更新后的人脸模型和所述人体模型,对全部所述人脸特征数据和全部所述人体特征数据进行标注。
6.根据权利要求5所述的方法,其特征在于,所述根据更新后的人脸模型和所述人体模型,对全部所述人脸特征数据和全部所述人体特征数据进行标注的步骤之后,所述方法还包括:
在所述预设时段内,识别全部所述人员对应的人物特征数据;
将所述人物特征数据与所述人员对应的编号关联。
7.一种基于多模态特征人物属性标注装置,其特征在于,包括:
检测模块,用于在预设时段内,检测目标视频内的全部人员对应的人脸特征数据和人体特征数据;
标注模块,用于根据人脸模型识别全部所述人脸特征数据,并将所述人脸模型识别为同一人的人脸特征数据标注相同的编号;
关联模块,用于将所述编号相同的所述人脸特征数据检测时刻对应的人体特征数据与所述编号关联;
训练模块,用于利用所述人体特征数据训练得到人体模型;
更新模块,用于根据所述人体模型识别全部所述人体特征数据并更新所述人脸模型。
8.根据权利要求7所述的装置,其特征在于,所述关联模块还用于:
获取所述编号相同的所述人脸特征数据对应的采集时刻;
获取所述采集时刻内所述人脸特征数据对应的人体特征数据;
将所述人体特征数据标注所述编号。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述权利要求1-6中任一项所述的基于多模态特征人物属性标注方法。
10.一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令用于使该计算机执行前述权利要求1-6中任一项所述的基于多模态特征人物属性标注方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京赢识科技有限公司,未经北京赢识科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011497246.6/1.html,转载请声明来源钻瓜专利网。