[发明专利]特征融合方法、装置、电子设备及存储介质

权利要求书

1.一种特征融合方法，其特征在于，所述方法包括：

获取目标物体的多张图像；

将所述多张图像输入预先训练好的图像质量模型，获得每张所述图像的M维图像质量；

将所述多张图像输入预先训练好的特征识别模型，获得每张所述图像的N维图像特征；

将所述M维图像质量与所述N维图像特征进行加权求和，获得融合特征；其中，所述M为正整数，所述N为正整数，当所述M＝1时，N≥2，当所述M≥2时，M＝N；

在所述获取目标物体的多张图像之前，所述方法还包括：

获取待训练物体的多张样本图像，以及获取所述待训练物体的多张标准图像；

将所述多张样本图像以及所述多张标准图像输入预先训练好的特征识别模型，获得所述待训练物体的图像特征；

将所述多张样本图像以及所述多张标准图像输入预设的训练模型，获得所述待训练物体的图像质量；

根据所述待训练物体的图像特征以及所述待训练物体的图像质量，计算所述待训练物体的融合特征；

将所述待训练物体的融合特征输入至预设的损失函数，获得损失值；

根据所述损失值，使用反向传播算法，更新所述训练模型的参数；

若所述损失函数的损失值达到收敛状态，确定更新参数后的训练模型为训练好的图像质量模型；

其中，在将所述多张样本图像以及所述多张标准图像输入预先训练好的特征识别模型以及将所述多张样本图像以及所述多张标准图像输入预设的训练模型之前，所述方法还包括：

将所述多张样本图像以及所述多张标准图像混合在一起，将混合后的所述多张样本图像以及所述多张标准图像分成若干份，如果所述损失函数为归一化指数函数SoftMax或对比损失函数Contrastive，将混合后的所述多张样本图像以及所述多张标准图像分成n1份，n1≥2，每份包含图像m张，m≥1，如果所述损失函数为误差函数Triplet，将混合后的所述多张样本图像以及所述多张标准图像分成n2份，n2≥3；

当所述M≥2，M＝N时，所述将所述M维图像质量与所述N维图像特征进行加权求和，获得融合特征包括：

针对第j张所述图像，将第j张所述图像的第i维图像质量与第j张所述图像的第i维图像特征进行相乘，获得第j张所述图像的第i维的子特征；

将多张所述图像的第i维的子特征进行求和，获得第i维的特征和；

将多张所述图像的第i维图像质量进行求和，获得图像质量和；

将所述第i维的特征和除以所述图像质量和，获得第i维的融合特征；

其中，i为正整数，j为正整数，且1≤i≤N，j≥1。

2.根据权利要求1所述的方法，其特征在于，所述获取目标物体的多张图像包括：

从所述目标物体的视频中，抓拍出所述目标物体的多张图像；或

获取在不同时间拍摄的所述目标物体的多张图像。

3.根据权利要求1所述的方法，其特征在于，当所述M＝1时，所述将所述M维图像质量与所述N维图像特征进行加权求和，获得融合特征包括：

针对第j张所述图像，将第j张所述图像的图像质量与第j张所述图像的第i维图像特征进行相乘，获得第j张所述图像的第i维的子特征；

将多张所述图像的第i维的子特征进行求和，获得第i维的融合特征；

其中，i为正整数，j为正整数，且1≤i≤N，j≥1。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

对所述融合特征进行归一化处理，获得最终特征。

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述目标物体的多张图像的输入顺序以及图像数量对所述融合特征无影响。