[发明专利]图像的确定方法、装置、存储介质及电子装置

说明书

本发明实施例提供了一种图像的确定方法、装置、存储介质及电子装置，其中，该方法包括：使用训练后的目标网络模型中的N个子特征提取网络，对包含有目标对象的图像进行特征提取，得到目标对象N个子特征；其中，N个子特征提取网络中不同的子特征提取网络用于针对对象的不同姿态进行特征提取，N为大于1的整数；对N个子特征进行融合处理，得到目标特征向量；基于目标特征向量，从候选图像中确定出与目标对象的图像相似度大于图像相似度阈值的候选图像。通过本发明，解决了相关技术中存在的通过图像确定图像存在不准确的问题，提高了通过图像确定图像的准确率。

技术领域

本发明实施例涉及通信领域，具体而言，涉及一种图像的确定方法、装置、存储介质及电子装置。

背景技术

在相关技术中，通过图像在图像库中搜索出与该图像相似的图像应用的越来越广泛，下面以非机动车的图像以搜索图像为例进行说明：

通过输入一辆非机动车的图片，然后将同一辆非机动车在不同摄像头下或视频中出现的非机动车图像都检索出来，其在城市安防、公安刑侦、智慧小区、智慧电商等领域具有非常重要的应用价值。然而，在实际的监控场景中，由于非机动车存在复杂的姿态变化，姿态之间的语义特征不像行人那样具有很高的可推理性，以及非机动车上的人体产生的遮挡等问题，会导致同一非机动车的表观特征可能存在较大差异，导致确定出的图像不准确。

由此可知，相关技术中存在通过图像确定图像存在不准确的问题。

针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图像的确定方法、装置、存储介质及电子装置，以至少解决相关技术中存在的通过图像确定图像存在不准确的问题。

根据本发明的一个实施例，提供了一种图像的确定方法，包括：使用训练后的目标网络模型中的N个子特征提取网络，对包含有目标对象的图像进行特征提取，得到所述目标对象的N个子特征，其中，其中，所述N个子特征提取网络中不同的子特征提取网络用于针对对象的不同姿态进行特征提取，所述N为大于1的整数；对所述N个子特征进行融合处理，得到目标特征向量；基于所述目标特征向量，从候选图像中确定出与所述目标对象的图像相似度大于图像相似度阈值的候选图像。

根据本发明的另一个实施例，提供了一种图像的确定装置，包括：提取模块，用于使用训练后的目标网络模型中的N个子特征提取网络，对包含有目标对象的图像进行特征提取，得到所述目标对象的N个子特征，其中，所述N个子特征提取网络中不同的子特征提取网络用于针对对象的不同姿态进行特征提取，所述N为大于1的整数；处理模块，用于对对所述N个子特征进行融合处理，得到目标特征向量；确定模块，用于基于所述目标特征向量，从候选图像中确定出与所述目标对象的图像相似度大于图像相似度阈值的候选图像。

根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

通过本发明，使用训练后的目标网络模型中的N个子特征提取网络，对包含有目标对象的图像进行特征提取，得到目标对象的N个子特征，对N个子特征向量进行融合处理，得到目标特征向量，根据目标特征向量从候选图像中确定出与目标对象的图像相似度大于图像相似度阈值的候选图像。由于N个子特征提取网络中不同的子特征提取网络是针对对象的不同姿态进行特征提取，因此，经过训练后的目标网络模型能够准确地确定图像中的目标对象在不同姿态下的子特征，再将不同姿态下的子特征进行融合，可以得到准确的目标特征向量，从而可以根据目标特征向量准确地确定出目标图像。因此，可以解决相关技术中存在的通过图像确定图像存在不准确的问题，提高了通过图像确定图像的准确率。

附图说明