[发明专利]混合云中基于向量的对象识别

说明书

公开了用于基于机器学习的对象识别的混合云结构的系统、方法和计算机可读介质。在一个方面，一种系统包括：一个或多个具有视频能力的访问点；以及一个或多个处理器，被配置为从一个或多个具有视频能力的访问点接收图像数据；在一个或多个处理器中的第一处理器处执行第一过程，以检测图像数据中的感兴趣的一个或多个对象；针对在图像数据中检测到的一个或多个对象生成向量ID；在一个或多个处理器中的第二处理器处执行第二过程，以标识向量ID中的一个或多个对象；以及基于与所标识的一个或多个对象相关联的统计信息来针对一个或多个对象生成至少一个离线轨迹。

相关申请数据

本申请要求于2018年11月16日递交的美国申请No.16/193,238的优先权，该美国申请进而要求于2018年6月11日递交的美国临时专利申请No.62/683,202的优先权，这些申请的内容整体地通过引用并入本文。

技术领域

本技术涉及基于向量的对象识别，并且更具体地，涉及用于基于机器学习的对象识别的混合云结构。

背景技术

随着技术的进步和在线商务的不断发展，已经开发了许多技术来跟踪用户的在线移动和活动(用户的在线轨迹)，以便了解他们的行为、提供有针对性的广告等。将同一概念应用于物理位置以跟踪用户在一个或多个物理位置内或通过一个或多个物理位置的运动和活动(用户的离线轨迹)有很多限制。例如，检测消费者在整个商店中的移动需要(1)在商店内安装足够数量的访问点/信标，以及(2)消费者携带能够与已安装的访问点进行通信的移动设备。此外，可用的基于面部识别的方法是不足的，因为它们由于要处理大量数据量而是计算密集的，并且它们无法识别用户采用不同的姿势、服装等的不同实例/捕获图像，也无法并将它们用于创建用户的离线轨迹。

附图说明

为了描述可以获得本公开的上述以及其他优点和特征的方式，将通过参考在附图中示出的上简要描述的原理的特定实施例来对以这些原理进行更具体的描述。理解到，这些附图仅描绘了本公开的示例性实施例，因此不应被认为是对其范围的限制，通过使用附图，以附加的特征和细节描述和解释了本文的原理，在附图中：

图1示出了根据本公开的一个方面的用于图像识别的示例混合云架构；

图2示出了根据本公开的一个方面的图1的雾层(fog layer)处的雾服务器的组件；

图3示出了根据本公开的一个方面的图1的私有平台层处的服务器的组件；

图4示出了根据本公开的一个方面的图1的公共平台层处的服务器的组件；

图5示出了根据本公开的一个方面的开发用于对象识别的基于机器学习的模型的示例方法；

图6示出了根据本公开的一个方面的示例图像检测和识别方法；

图7示出了根据本公开的一个方面的创建和检索个体的离线轨迹的示例方法；以及

图8示出了根据本公开的一方面的包括各种硬件计算组件的示例系统。

示例实施例

下面详细讨论本公开的各种示例实施例。虽然讨论了具体的实施方式，但应理解，这仅是出于说明目的。相关领域技术人员将认识到，在不脱离本公开的精神和范围的情况下，可以使用其他组件和配置。因此，以下描述和附图是说明性的，并且不应解释为限制性的。描述了许多具体细节以提供对本公开的透彻理解。然而，在某些实例中，为了避免使描述难以理解，没有描述公知的或常规的细节。在本公开中对一个实施例或实施例的引用可以是对同一实施例或任何实施例的引用；并且，这些引用表示至少一个实施例。