[发明专利]目标对象的图像处理方法、装置及电子设备

说明书

本发明提供了一种目标对象的图像处理方法、装置及电子设备，涉及机器学习技术领域，上述目标对象的图像处理方法包括：获取图像传感器采集的目标图像，基于预先训练得到的神经网络模型对目标图像进行目标检测，得到目标图像的目标检测结果；将目标对象图像的特征与目标检测结果的特征进行匹配，得到目标对象图像与目标检测结果的相似度。本发明能够将目标对象图像与不同拍摄角度下或跨镜头下的目标图像自动进行目标匹配，提升了目标匹配的准确率及目标匹配效率。

技术领域

本发明涉及机器学习技术领域，尤其是涉及一种目标对象的图像处理方法、装置及电子设备。

背景技术

随着社会的发展，公共安全成为全社会的一个共同话题，视频监控系统也得到了普及。视频监控系统能够直观地进行场景再现，可以作为强有力的事实证据，然而，当摄像头采集的多张图像中目标对象的拍摄角度产生较大的变化时，或者，在跨境头垮场景下跟踪目标对象时，由于视频监控系统中包括多个图像传感器，各个图像传感器可能存在拍摄角度不同或图像分辨率不同的问题，难以从目标对象不同拍摄角度的图像中或不同摄像头拍摄的图像中匹配出同一目标对象的图像，导致目标匹配准确率较低，为了保证不同拍摄角度下或跨境头下目标匹配的准确率，现有的跨境头跨场景下的目标匹配主要依靠人工观察监控录像进行目标检索，导致目标匹配效率较低。

发明内容

有鉴于此，本发明的目的在于提供一种目标对象的图像处理方法、装置及电子设备，能够将目标对象图像与不同拍摄角度下或跨镜头下的目标图像自动进行目标匹配，提升了目标匹配的准确率及目标匹配效率。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种目标对象的图像处理方法，包括：获取图像传感器采集的目标图像，基于预先训练得到的神经网络模型对所述目标图像进行目标检测，得到所述目标图像的目标检测结果；将目标对象图像的特征与所述目标检测结果的特征进行匹配，得到目标对象图像与所述目标检测结果的相似度。

进一步，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述目标检测结果包括目标框；所述将目标对象图像的特征与所述目标检测结果的特征进行匹配，得到目标对象图像与所述目标检测结果的相似度的步骤，包括：将所述目标检测结果中各目标框内的图像分别作为待匹配图像；对所述目标对象图像的特征及各所述待匹配图像的特征进行全局匹配及局部匹配，得到目标对象图像与各所述待匹配图像的相似度。

进一步，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述对所述目标对象图像的特征及各所述待匹配图像的特征进行全局匹配及局部匹配，得到目标对象图像与各所述待匹配图像的相似度的步骤，包括：步骤a，基于预设的匹配模块将所述目标对象图像的特征与各所述待匹配图像的特征进行全局匹配及局部匹配，得到各所述待匹配图像对应的相似度分数；步骤b，基于各所述待匹配图像对应的相似度分数更新所述预设的匹配模块的权重；步骤c，重复执行上述步骤a～步骤b，直至达到预设的匹配次数，得到各所述待匹配图像对应的最终相似度。

进一步，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述基于预设的匹配模块将所述目标对象图像的特征与各所述待匹配图像的特征进行全局匹配及局部匹配，得到各所述待匹配图像对应的相似度分数的步骤，包括：基于所述目标对象图像及各所述待匹配图像的全局特征计算所述目标对象图像与各所述待匹配图像的全局相似度；基于所述目标对象图像及各所述待匹配图像的局部特征确定所述目标对象图像与各所述待匹配图像的局部相似度；其中，所述局部特征由所述全局特征划分得到；基于所述全局相似度和所述局部相似度确定各所述待匹配图像对应的相似度分数。

进一步，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述神经网络模型包括胶囊网络；所述基于预先训练得到的神经网络模型对所述目标图像进行目标检测，得到所述目标图像的目标检测结果的步骤，包括：基于预设训练得到的胶囊网络对所述目标图像进行特征提取，得到特征提取结果；对所述特征提取结果依次进行一阶目标检测和二阶目标检测，得到所述目标图像的目标检测结果。