對象的匹配方法、計算機可讀存儲介質(zhì)及計算機設(shè)備

(19)國家知識產(chǎn)權(quán)局

(12)發(fā)明專利申請

(10)申請公布號CN114743135A

(43)申請公布日2022.07.12

(21)申請?zhí)?02210325654.6G06K9/62(2022.01)

G06N3/04(2006.01)

(22)申請日2022.03.30

G06N3/08(2006.01)

(71)申請人阿里云計算有限公司

地址310024浙江省杭州市西湖區(qū)轉(zhuǎn)塘科

技經(jīng)濟區(qū)塊12號

(72)發(fā)明人計茜傅文林李娟娟鄧自立

吳翰清

(74)專利代理機構(gòu)北京博浩百睿知識產(chǎn)權(quán)代理

有限責(zé)任公司11134

專利代理師謝湘寧李靜茹

(51)Int.CI.

G06V20/40(2022.01)

G06V10/764(2022.01)

G06V70/82(2022.01)

G06V10/766(2022.01)

權(quán)利要求書3頁說明書17頁附圖4頁

(54)發(fā)明名稱

對象的匹配方法、計算機可讀存儲介質(zhì)及計

算機設(shè)備

(57)摘要

本發(fā)明公開了一種對象的匹配方法、計算機

可讀存儲介質(zhì)及計算機設(shè)備。其中，該方法包括:

獲取第一圖像的第一描述信息和第二圖像的第

二描述信息，其中，第一圖像中包括第一對象，第

二圖像中包括第二對象，第一描述信息和第二描

述信息場景環(huán)境信息和對象信息;基于第一描述

信息和第二描述信息,確定第一描述信息和第二

描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系;基于目標(biāo)關(guān)聯(lián)關(guān)

系確定第一對象和第二對象相匹配的目標(biāo)概率。

本發(fā)明解決了圖像質(zhì)量差的情況下對象匹配的

成功率較低的技術(shù)問題。

v

9

m

l

g

CN114743135A權(quán)利要求書1/3頁

1.一種對象的匹配方法，其特征在于，包括：

獲取第一圖像的第一描述信息和第二圖像的第二描述信息，其中，所述第一圖像中包

括第一對象，所述第二圖像中包括第二對象，所述第一描述信息包括:所述第一對象的第一

場景環(huán)境信息以及所述第一對象的第一對象信息，所述第二描述信息包括:所述第二對象

的第二場景環(huán)境信息以及所述第二對象的第二對象信息；

基于所述第一描述信息和所述第二描述信息，確定所述第一描述信息和所述第二描述

信息之間的目標(biāo)關(guān)聯(lián)關(guān)系，其中，所述目標(biāo)關(guān)聯(lián)關(guān)系包括以下關(guān)聯(lián)關(guān)系至少之一:所述第一

場景環(huán)境信息與所述第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系，所述第一場景環(huán)境信息與所述第

二對象信息之間的關(guān)聯(lián)關(guān)系，所述第一對象信息與所述第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)

系，所述第一對象信息與所述第二對象信息之間的關(guān)聯(lián)關(guān)系；

基于所述目標(biāo)關(guān)聯(lián)關(guān)系確定所述第一對象和所述第二對象相匹配的目標(biāo)概率。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一場景環(huán)境信息，所述第二場景環(huán)

境信息包括以下至少之一:時間信息，位置信息，空間信息，天氣信息;所述第一對象信息,

所述第二對象信息包括:對象屬性信息,對象關(guān)聯(lián)物品信息。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述第一描述信息和所述第二描

述信息，確定所述第一描述信息和所述第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系,包括：

根據(jù)所述第一描述信息，確定拍攝所述第一圖像的第一時間和所述第一對象所處的第

一位置；

根據(jù)所述第二描述信息，確定拍攝所述第二圖像的第二時間和所述第二對象所處的第

二位置；

基于所述第一時間、所述第一位置、所述第二時間以及所述第二位置，確定在所述第一

時間和所述第二時間的時間差內(nèi)由所述第一位置移動至所述第二位置的移動速度；

基于所述移動速度確定所述第一對象和所述第二對象的時空關(guān)聯(lián)關(guān)系為所述目標(biāo)關(guān)

聯(lián)關(guān)系。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述目標(biāo)關(guān)聯(lián)關(guān)系確定所述第一

對象和所述第二對象相匹配的目標(biāo)概率,包括：

基于所述第一描述信息和所述第二描述信息，確定所述第一對象和所述第二對象的運

動方式；

獲取與所述運動方式對應(yīng)的速度統(tǒng)計分布，基于所述速度統(tǒng)計分布與所述移動速度,

確定所述第一對象與所述第二對象相匹配的所述目標(biāo)概率。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述第一描述信息和所述第二描

述信息，確定所述第一描述信息和所述第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系,包括：

基于所述第一對象信息，獲取所述第一對象的第一二分類屬性，以及基于所述第二對

象信息，獲取所述第二對象的第二二分類屬性，其中，所述第一二分類屬性與所述第二二分

類屬性一一對應(yīng)；

基于所述第一二分類屬性與所述第二二分類屬性，確定所述第一對象與所述第二對象

之間的二分類屬性關(guān)聯(lián)關(guān)系為所述目標(biāo)關(guān)聯(lián)關(guān)系。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述基于所述目標(biāo)關(guān)聯(lián)關(guān)系確定所述第一

對象和所述第二對象相匹配的目標(biāo)概率,包括：

2

CN114743135A權(quán)利要求書2/3頁

采用決策樹處理所述第一對象與所述第二對象之間的二分類屬性關(guān)聯(lián)關(guān)系，得到所述

第一對象與所述第二對象匹配的所述目標(biāo)概率。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述第一描述信息和所述第二描

述信息，確定所述第一描述信息和所述第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系,包括：

獲取所述第一描述信息和所述第二描述信息的對象匹配特征對；

確定所述對象匹配特征對的基礎(chǔ)匹配概率為所述第一描述信息和所述第二描述信息

之間的所述目標(biāo)關(guān)聯(lián)關(guān)系。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，基于所述目標(biāo)關(guān)聯(lián)關(guān)系確定所述第一對象

和所述第二對象相匹配的目標(biāo)概率，包括：

獲取所述對象匹配特征對的特征置信度；

基于所述對象匹配特征對的基礎(chǔ)匹配概率，以及所述對象匹配特征對的所述特征置信

度，確定所述第一對象與所述第二對象相匹配的所述目標(biāo)概率。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述目標(biāo)關(guān)聯(lián)關(guān)系確定所述第一對象

和所述第二對象相匹配的目標(biāo)概率，包括：

在包括多個所述目標(biāo)關(guān)聯(lián)關(guān)系的情況下，確定與多個所述目標(biāo)關(guān)聯(lián)關(guān)系一一對應(yīng)的多

個第一概率；

基于多個所述第一概率,確定所述第一對象和所述第二對象相匹配的目標(biāo)概率。

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述基于多個所述第一概率，確定所述第

一對象和所述第二對象相匹配的目標(biāo)概率，包括：

分別為多個所述第一概率分配多個權(quán)重；

基于多個所述第一概率和多個所述權(quán)重,確定所述目標(biāo)概率。

11.根據(jù)權(quán)利要求10所述的方法，其特征在于，所述分別為多個所述第一概率分配多個

權(quán)重,包括：

獲取多組訓(xùn)練樣本，其中，每組所述訓(xùn)練樣本包括兩張圖像、每張圖像各自的描述信息

以及標(biāo)注結(jié)果，其中，所述標(biāo)注結(jié)果為所述兩張圖像中的對象是否匹配；

基于所述多組訓(xùn)練樣本進行訓(xùn)練，得到邏輯回歸模型中為多個所述第一概率分配的多

個權(quán)重。

12.根據(jù)權(quán)利要求1至11中任意一項所述的方法，其特征在于，還包括：

獲取所述第一對象和所述第二對象的第一聚類結(jié)果，其中，所述第一聚類結(jié)果為所述

第一對象和所述第二對象的圖像特征向量的聚類結(jié)果；

基于所述目標(biāo)概率，修正所述第一聚類結(jié)果，得到所述第一對象和所述第二對象的第

二聚類結(jié)果。

13.一種對象的匹配方法，其特征在于，包括：

響應(yīng)于獲取指令，獲取第一圖像的第一描述信息和第二圖像的第二描述信息，其中，所

述第一圖像中包括第一對象，所述第二圖像中包括第二對象，所述第一描述信息包括:所述

第一對象的第一場景環(huán)境信息以及所述第一對象的第一對象信息，所述第二描述信息包

括:所述第二對象的第二場景環(huán)境信息以及所述第二對象的第二對象信息；

展示所述第一對象和所述第二對象相匹配的目標(biāo)概率，其中，所述目標(biāo)概率根據(jù)所述

第一描述信息和所述第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系確定的，所述目標(biāo)關(guān)聯(lián)關(guān)系基于所

3

CN114743135A權(quán)利要求書3/3頁

述第一描述信息和所述第二描述信息確定，其中，所述目標(biāo)關(guān)聯(lián)關(guān)系包括以下關(guān)聯(lián)關(guān)系至

少之一:所述第一場景環(huán)境信息與所述第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系,所述第一場景

環(huán)境信息與所述第二對象信息之間的關(guān)聯(lián)關(guān)系,所述第一對象信息與所述第二場景環(huán)境信

息之間的關(guān)聯(lián)關(guān)系，所述第一對象信息與所述第二對象信息之間的關(guān)聯(lián)關(guān)系。

14.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)包括存儲的程

序，其中，在所述程序運行時控制所述計算機可讀存儲介質(zhì)所在設(shè)備執(zhí)行權(quán)利要求1至13中

任意一項所述的對象的匹配方法。

15.一種計算機設(shè)備，其特征在于，包括:存儲器和處理器，

所述存儲器存儲有計算機程序；

所述處理器，用于執(zhí)行所述存儲器中存儲的計算機程序,所述計算機程序運行時使得

所述處理器執(zhí)行權(quán)利要求1至13中任意一項所述的對象的匹配方法。

4

CN114743135A說明書1/17頁

對象的匹配方法'計算機可讀存儲介質(zhì)及計算機設(shè)備

技術(shù)領(lǐng)域

[0001]本發(fā)明涉及圖像識別領(lǐng)域，具體而言，涉及一種對象的匹配方法、計算機可讀存儲

介質(zhì)及計算機設(shè)備。

背景技術(shù)

[0002]在圖像匹配場景下，針對攝像頭產(chǎn)出的視頻流，會進行視頻流中的一些對象進行

匹配聚類，基于匹配聚類結(jié)果進行進一步的動作以滿足一些需求。例如，對于人臉檢測來

說,針對視頻流中的圖像，可以對圖像中的人臉進行匹配或者聚類，進而確定多個人臉圖像

是否屬于同一個人，然后根據(jù)聚類匹配結(jié)果為用戶提供其他業(yè)務(wù)服務(wù)。

[0003]然而，上述匹配聚類的相關(guān)技術(shù)是將人臉圖像輸入行人重識別的深度學(xué)習(xí)模型，

從人臉圖像中獲取到人臉特征向量，然后針對此特征向量進行聚類。但上述人臉特征向量

的聚類會受限于人臉圖片的圖像質(zhì)量以及拍照的環(huán)境因素影響，例如受限于人臉圖像質(zhì)量

差的情況可以包括人臉圖片質(zhì)量模糊或人臉圖像的面積過小，人臉在圖像中的傾斜角度大

等因素。在上述圖像條件下，存在對象的匹配和聚類效果不好的問題。

[0004]針對上述的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

[0005]本發(fā)明實施例提供了一種對象的匹配方法、計算機可讀存儲介質(zhì)及計算機設(shè)備，

以至少解決圖像質(zhì)量差的情況下對象匹配的成功率較低的技術(shù)問題。

[0006]根據(jù)本發(fā)明實施例的一個方面，提供了一種對象的匹配方法,包括:獲取第一圖像

的第一描述信息和第二圖像的第二描述信息，其中，所述第一圖像中包括第一對象,所述第

二圖像中包括第二對象，所述第一描述信息包括:所述第一對象的第一場景環(huán)境信息以及

所述第一對象的第一對象信息，所述第二描述信息包括:所述第二對象的第二場景環(huán)境信

息以及所述第二對象的第二對象信息；基于所述第一描述信息和所述第二描述信息，確定

所述第一描述信息和所述第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系，其中，所述目標(biāo)關(guān)聯(lián)關(guān)系包

括以下關(guān)聯(lián)關(guān)系至少之一:所述第一場景環(huán)境信息與所述第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)

系，所述第一場景環(huán)境信息與所述第二對象信息之間的關(guān)聯(lián)關(guān)系，所述第一對象信息與所

述第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系，所述第一對象信息與所述第二對象信息之間的關(guān)聯(lián)

關(guān)系;基于所述目標(biāo)關(guān)聯(lián)關(guān)系確定所述第一對象和所述第二對象相匹配的目標(biāo)概率。

[0007]可選地，所述第一場景環(huán)境信息,所述第二場景環(huán)境信息包括以下至少之一:時間

信息，位置信息，空間信息，天氣信息;所述第一對象信息，所述第二對象信息包括:對象屬

性信息，對象關(guān)聯(lián)物品信息。

[0008]可選地，所述基于所述第一描述信息和所述第二描述信息，確定所述第一描述信

息和所述第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系，包括:根據(jù)所述第一描述信息,確定拍攝所述

第一圖像的第一時間和所述第一對象所處的第一位置;根據(jù)所述第二描述信息，確定拍攝

所述第二圖像的第二時間和所述第二對象所處的第二位置;基于所述第一時間、所述第一

5

CN114743135A說明書2/17頁

位置、所述第二時間以及所述第二位置，確定在所述第一時間和所述第二時間的時間差內(nèi)

由所述第一位置移動至所述第二位置的移動速度;基于所述移動速度確定所述第一對象和

所述第二對象的時空關(guān)聯(lián)關(guān)系為所述目標(biāo)關(guān)聯(lián)關(guān)系。

[0009]可選地，所述基于所述目標(biāo)關(guān)聯(lián)關(guān)系確定所述第一對象和所述第二對象相匹配的

目標(biāo)概率，包括:基于所述第一描述信息和所述第二描述信息,確定所述第一對象和所述第

二對象的運動方式;獲取與所述運動方式對應(yīng)的速度統(tǒng)計分布，基于所述速度統(tǒng)計分布與

所述移動速度，確定所述第一對象與所述第二對象相匹配的所述目標(biāo)概率。

[0010]可選地，所述基于所述第一描述信息和所述第二描述信息，確定所述第一描述信

息和所述第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系，包括:基于所述第一對象信息,獲取所述第一

對象的第一二分類屬性，以及基于所述第二對象信息,獲取所述第二對象的第二二分類屬

性，其中，所述第一二分類屬性與所述第二二分類屬性一一對應(yīng);基于所述第一二分類屬性

與所述第二二分類屬性，確定所述第一對象與所述第二對象之間的二分類屬性關(guān)聯(lián)關(guān)系為

所述目標(biāo)關(guān)聯(lián)關(guān)系。

[0011]可選地，所述基于所述目標(biāo)關(guān)聯(lián)關(guān)系確定所述第一對象和所述第二對象相匹配的

目標(biāo)概率，包括:采用決策樹處理所述第一對象與所述第二對象之間的二分類屬性關(guān)聯(lián)關(guān)

系，得到所述第一對象與所述第二對象匹配的所述目標(biāo)概率。

[0012]可選地，所述基于所述第一描述信息和所述第二描述信息，確定所述第一描述信

息和所述第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系，包括:獲取所述第一描述信息和所述第二描

述信息的對象匹配特征對;確定所述對象匹配特征對的基礎(chǔ)匹配概率為所述第一描述信息

和所述第二描述信息之間的所述目標(biāo)關(guān)聯(lián)關(guān)系。

[0013]可選地，基于所述目標(biāo)關(guān)聯(lián)關(guān)系確定所述第一對象和所述第二對象相匹配的目標(biāo)

概率,包括:獲取所述對象匹配特征對的特征置信度;基于所述對象匹配特征對的基礎(chǔ)匹配

概率，以及所述對象匹配特征對的所述特征置信度，確定所述第一對象與所述第二對象相

匹配的所述目標(biāo)概率。

[0014]可選地，基于所述目標(biāo)關(guān)聯(lián)關(guān)系確定所述第一對象和所述第二對象相匹配的目標(biāo)

概率，包括:在包括多個所述目標(biāo)關(guān)聯(lián)關(guān)系的情況下，確定與多個所述目標(biāo)關(guān)聯(lián)關(guān)系一一對

應(yīng)的多個第一概率;基于多個所述第一概率，確定所述第一對象和所述第二對象相匹配的

目標(biāo)概率。

[0015]可選地，所述基于多個所述第一概率，確定所述第一對象和所述第二對象相匹配

的目標(biāo)概率，包括:分別為多個所述第一概率分配多個權(quán)重;基于多個所述第一概率和多個

所述權(quán)重，確定所述目標(biāo)概率。

[0016]可選地，所述分別為多個所述第一概率分配多個權(quán)重,包括:獲取多組訓(xùn)練樣本,

其中，每組所述訓(xùn)練樣本包括兩張圖像、每張圖像各自的描述信息以及標(biāo)注結(jié)果，其中，所

述標(biāo)注結(jié)果為所述兩張圖像中的對象是否匹配;基于所述多組訓(xùn)練樣本進行訓(xùn)練,得到邏

輯回歸模型中為多個所述第一概率分配的多個權(quán)重。

[0017]可選地，上述方法還包括:獲取所述第一對象和所述第二對象的第一聚類結(jié)果，其

中，所述第一聚類結(jié)果為所述第一對象和所述第二對象的圖像特征向量的聚類結(jié)果；基于

所述目標(biāo)概率，修正所述第一聚類結(jié)果,得到所述第一對象和所述第二對象的第二聚類結(jié)

果。

6

CN114743135A說明書3/17頁

[0018]根據(jù)本發(fā)明實施例的另一方面，還提供了一種對象的匹配方法，包括:響應(yīng)于獲取

指令，獲取第一圖像的第一描述信息和第二圖像的第二描述信息，其中，所述第一圖像中包

括第一對象，所述第二圖像中包括第二對象，所述第一描述信息包括:所述第一對象的第一

場景環(huán)境信息以及所述第一對象的第一對象信息，所述第二描述信息包括:所述第二對象

的第二場景環(huán)境信息以及所述第二對象的第二對象信息;展示所述第一對象和所述第二對

象相匹配的目標(biāo)概率，其中，所述目標(biāo)概率根據(jù)所述第一描述信息和所述第二描述信息之

間的目標(biāo)關(guān)聯(lián)關(guān)系確定的，所述目標(biāo)關(guān)聯(lián)關(guān)系基于所述第一描述信息和所述第二描述信息

確定，其中，所述目標(biāo)關(guān)聯(lián)關(guān)系包括以下關(guān)聯(lián)關(guān)系至少之一:所述第一場景環(huán)境信息與所述

第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系，所述第一場景環(huán)境信息與所述第二對象信息之間的關(guān)

聯(lián)關(guān)系，所述第一對象信息與所述第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系，所述第一對象信息

與所述第二對象信息之間的關(guān)聯(lián)關(guān)系。

[0019]根據(jù)本發(fā)明實施例的另一方面，還提供了一種計算機可讀存儲介質(zhì)，所述計算機

可讀存儲介質(zhì)包括存儲的程序，其中，在所述程序運行時控制所述計算機可讀存儲介質(zhì)所

在設(shè)備執(zhí)行上述任意一項所述的對象的匹配方法。

[0020]根據(jù)本發(fā)明實施例的另一方面，還提供了一種計算機設(shè)備，包括：存儲器和處理

器，所述存儲器存儲有計算機程序;所述處理器，用于執(zhí)行所述存儲器中存儲的計算機程

序,所述計算機程序運行時使得所述處理器執(zhí)行上述任意一項所述的對象的匹配方法。

[0021]在本發(fā)明實施例中，通過獲取第一圖像的第一描述信息和第二圖像的第二描述信

息，其中，所述第一圖像中包括第一對象，所述第二圖像中包括第二對象;基于所述第一描

述信息和所述第二描述信息，確定所述第一描述信息和所述第二描述信息之間的目標(biāo)關(guān)聯(lián)

關(guān)系;基于所述目標(biāo)關(guān)聯(lián)關(guān)系確定所述第一對象和所述第二對象相匹配的目標(biāo)概率，達到

了高效、準(zhǔn)確地確定圖像中的對象是否匹配的目的，從而實現(xiàn)了提高低質(zhì)量圖像中的對象

匹配成功率的技術(shù)效果，進而解決了圖像質(zhì)量差的情況下對象匹配的成功率較低的技術(shù)問

題。

附圖說明

[0022]此處所說明的附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本申請的一部分，本發(fā)

明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：

[0023]圖1示出了一種用于實現(xiàn)對象的匹配方法的計算機終端的硬件結(jié)構(gòu)框圖；

[0024]圖2是根據(jù)本發(fā)明實施例的對象的匹配方法一的流程圖；

[0025]圖3是根據(jù)本發(fā)明可選實施方式提供的人臉聚類方法的流程圖；

[0026]圖4是根據(jù)本發(fā)明實施例的對象的匹配方法二的流程圖；

[0027]圖5是根據(jù)本發(fā)明實施例的對象的匹配裝置的結(jié)構(gòu)框圖；

[0028]圖6是根據(jù)本發(fā)明實施例的一種計算機設(shè)備的結(jié)構(gòu)框圖。

具體實施方式

[0029]為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實施例中的

附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是

本發(fā)明一部分的實施例,而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人

7

CN114743135A說明書4/17頁

員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都應(yīng)當(dāng)屬于本發(fā)明保護的范

圍。

[0030]需要說明的是，本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語?“第一”、“第

二”等是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用

的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本發(fā)明的實施例能夠以除了在這里圖示或

描述的那些以外的順序?qū)嵤４送猓g(shù)語“包括”和“具有”以及他們的任何變形，意圖在于覆

蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于

清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品

或設(shè)備固有的其它步驟或單元。

[0031]實施例1

[0032]根據(jù)本發(fā)明實施例，還提供了一種對象的匹配方法的實施例，需要說明的是，在附

圖的流程圖示出的步驟可以在諸如一組計算機可執(zhí)行指令的計算機系統(tǒng)中執(zhí)行，并月.，雖

然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出

或描述的步驟。

[0033]本申請實施例1所提供的方法實施例可以在移動終端、計算機終端或者類似的運

算裝置中執(zhí)行。圖1示出了一種用于實現(xiàn)對象的匹配方法的計算機終端的硬件結(jié)構(gòu)框圖。如

圖1所示，計算機終端10可以包括一個或多個處理器（圖中采用102a、102b,……，102n來示

出，處理器可以包括但不限于微處理器MCU或可編程邏輯器件FPGA等的處理裝置）、用于存

儲數(shù)據(jù)的存儲器104、以及用于通信功能的傳輸裝置。除此以外，還可以包括:顯示器、輸入/

輸出接口（I/O接口）、通用串行總線（USB）端口（可以作為BUS總線的端口中的一個端口被包

括）、網(wǎng)絡(luò)接口、電源和/或相機。本領(lǐng)域普通技術(shù)人員可以理解，圖1所示的結(jié)構(gòu)僅為示意，

其并不對上述電子裝置的結(jié)構(gòu)造成限定。例如，計算機終端10還可包括比圖1中所示更多或

者更少的組件，或者具有與圖1所示不同的配置。

[0034]應(yīng)當(dāng)注意到的是上述一個或多個處理器和/或其他數(shù)據(jù)處理電路在本文中通?？?/p>

以被稱為“數(shù)據(jù)處理電路”。該數(shù)據(jù)處理電路可以全部或部分的體現(xiàn)為軟件、硬件、固件或其

他任意組合。此外，數(shù)據(jù)處理電路可為單個獨立的處理模塊，或全部或部分的結(jié)合到計算機

終端10中的其他元件中的任意一個內(nèi)。如本申請實施例中所涉及到的，該數(shù)據(jù)處理電路作

為一種處理器控制（例如與接口連接的可變電阻終端路徑的選擇）。

[0035]存儲器104可用于存儲應(yīng)用軟件的軟件程序以及模塊，如本發(fā)明實施例中的對象

的匹配方法對應(yīng)的程序指令/數(shù)據(jù)存儲裝置，處理器通過運行存儲在存儲器104內(nèi)的軟件程

序以及模塊，從而執(zhí)行各種功能應(yīng)用以及數(shù)據(jù)處理，即實現(xiàn)上述的應(yīng)用程序的對象的匹配

方法。存儲器104可包括高速隨機存儲器，還可包括非易失性存儲器，如一個或者多個磁性

存儲裝置、閃存、或者其他非易失性固態(tài)存儲器。在一些實例中，存儲器104可進一步包括相

對于處理器遠程設(shè)置的存儲器,這些遠程存儲器可以通過網(wǎng)絡(luò)連接至計算機終端10。上述

網(wǎng)絡(luò)的實例包括但不限于互聯(lián)網(wǎng)、企業(yè)內(nèi)部網(wǎng)、局域網(wǎng)、移動通信網(wǎng)及其組合。

[0036]傳輸裝置用于經(jīng)由一個網(wǎng)絡(luò)接收或者發(fā)送數(shù)據(jù)。上述的網(wǎng)絡(luò)具體實例可包括計算

機終端10的通信供應(yīng)商提供的無線網(wǎng)絡(luò)。在一個實例中，傳輸裝置包括一個網(wǎng)絡(luò)適配器

（NetworkInterfaceController,NIC）,其可通過基站與其他網(wǎng)絡(luò)設(shè)備相連從而可與互聯(lián)

網(wǎng)進行通訊。在一個實例中，傳輸裝置可以為射頻（RadioFrequency,RF）模塊，其用于通過

8

CN114743135A說明書5/17頁

無線方式與互聯(lián)網(wǎng)進行通訊。

[0037]顯示器可以例如觸摸屏式的液晶顯示器(LCD)，該液晶顯示器可使得用戶能夠與

計算機終端10的用戶界面進行交互。

[0038]在上述運行環(huán)境下，本申請?zhí)峁┝巳鐖D2所示的對象的匹配方法一。圖2是根據(jù)本

發(fā)明實施例的對象的匹配方法一的流程圖，該方法包括如下步驟：

[0039]步驟S202,獲取第一圖像的第一描述信息和第二圖像的第二描述信息，其中，第一

圖像中包括第一對象，第二圖像中包括第二對象，第一描述信息包括:第一對象的第一場景

環(huán)境信息以及第一對象的第一對象信息，第二描述信息包括:第二對象的第二場景環(huán)境信

息以及第二對象的第二對象信息。

[0040]本步驟中，第一圖像和第二圖像可以為從一個攝像頭產(chǎn)出的視頻流中截取的圖

像，也可以為從不同攝像頭產(chǎn)出的視頻流中分別截取的圖像。第一對象和第二對象可以為

第一圖像中的人和第二圖像中的人，但是在執(zhí)行上述對象的匹配方法一之前還無法判斷這

兩個人是否為同一個人。

[0041]需要說明的是，第一描述信息和第二描述信息為描述與第一對象和第二對象相關(guān)

的物理特征、環(huán)境特征以及常識特征的信息，而不是第一對象以及第二對象的圖像的向量

特征。傳統(tǒng)的人臉向量聚類方法例如最鄰近分類算法KNN、圖神經(jīng)網(wǎng)絡(luò)算法GCN,都需要從原

始圖像上提取圖像的向量特征，然后經(jīng)過復(fù)雜的數(shù)學(xué)計算以及深度學(xué)習(xí)模型處理這些圖像

向量特征，輸出兩個圖像的匹配或者聚類結(jié)果,這種方式計算復(fù)雜且對原始圖像的圖像質(zhì)

量要求很高,在圖像質(zhì)量低時匹配的準(zhǔn)確率不高。本實施例采用第一描述信息和第二描述

信息來反映與第一圖像和第二圖像中的第一對象和第二對象相關(guān)聯(lián)的一些特征，第一描述

信息包括第一對象的第一場景環(huán)境信息以及第一對象的第一對象信息，第二描述信息包括

第二對象的第二場景環(huán)境信息以及第二對象的第二對象信息。其中，第一場景環(huán)境信息以

及第二場景環(huán)境信息可以是分別描述第一圖像以及第二圖像中的對象以外的場景環(huán)境情

況的信息，例如，可以是第一圖像中的第一對象位于城市還是鄉(xiāng)村、小區(qū)門口還是醫(yī)院門

口、天氣是晴天還是下雨這樣的信息，同理第二場景環(huán)境信息可以用于描述第二圖像中的

第二對象所處的場景和環(huán)境的上述方面的信息。此外，第一對象信息以及第二對象信息可

以分別用于描述圖像中與第一對象與第二對象直接相關(guān)的生物信息,例如第一對象和第二

對象的身高，也可以是與第一對象與第二對象直接相關(guān)的非生物信息,例如社會屬性信息、

服貌信息，例如第一對象和第二對象的服裝顏色、是否打傘等。這些與對象相關(guān)的物理特征

容易獲取，在圖像質(zhì)量不高例如圖像不清晰的情況下依然可以準(zhǔn)確獲取到，采用這些描述

信息對第一對象和第二對象的匹配概率進行計算，可以規(guī)避圖像質(zhì)量不佳導(dǎo)致的匹配結(jié)果

不準(zhǔn)確的問題。

[0042]步驟S204,基于第一描述信息和第二描述信息，確定第一描述信息和第二描述信

息之間的目標(biāo)關(guān)聯(lián)關(guān)系，其中，目標(biāo)關(guān)聯(lián)關(guān)系包括以下關(guān)聯(lián)關(guān)系至少之一:第一場景環(huán)境信

息與第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系，第一場景環(huán)境信息與第二對象信息之間的關(guān)聯(lián)關(guān)

系，第一對象信息與第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系，第一對象信息與第二對象信息之

間的關(guān)聯(lián)關(guān)系。

[0043]本步驟中，由于第一描述信息用于描述與第一對象相關(guān)的特征，第二描述信息用

于描述與第二對象相關(guān)的特征，因此通過處理第一描述信息和第二描述信息得到兩者之間

9

CN114743135A說明書6/17頁

的目標(biāo)關(guān)聯(lián)關(guān)系，可以以此推斷第一對象與第二對象之間的關(guān)聯(lián)關(guān)系，例如推斷第一對象

和第二對象之間是否匹配。其中，目標(biāo)關(guān)聯(lián)關(guān)系可以包括第一描述信息和第二描述信息中

的同一類的信息是否保持一致，也可以包括在第一描述信息和第二描述信息中的同一類信

息不一致的情況下，第一對象與第二對象匹配且上述不一致的同一類信息對應(yīng)的特征發(fā)生

變化的概率大小。

[0044]例如，目標(biāo)關(guān)聯(lián)關(guān)系可以包括以下具體實例：第一對象的身高與第二對象的身高

是否匹配;第一對象的身材特征與第二對象的服裝的身材屬性是否匹配，服裝的身材屬性

為服裝是否具有典型的胖瘦特征或者其他男裝或者女裝的特征。通過廣泛的考察第一描述

信息與第二描述信息中的各條具體信息之間的目標(biāo)關(guān)聯(lián)關(guān)系,可以更加精準(zhǔn)地得出第一對

象與第二對象是否匹配為同一個人的概率。

[0045]步驟S206，基于目標(biāo)關(guān)聯(lián)關(guān)系確定第一對象和第二對象相匹配的目標(biāo)概率。

[0046]可選地，可以預(yù)設(shè)一些概率生成公式或者概率生成規(guī)則，以將第一描述信息與第

二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系轉(zhuǎn)化為目標(biāo)概率，例如預(yù)先確定規(guī)則：若由描述信息確定

第一對象和第二對象的身高不匹配，則第一對象和第二對象匹配的目標(biāo)概率為0%。此外,

第一對象與第二對象匹配可以包括第一對象與第二對象在客觀上是同一個對象。例如，在

第一對象和第二對象都是人的情況下，第一對象和第二對象匹配即第一圖像和第二圖像上

的人為同一個人。

[0047]通過上述步驟，達到了高效、準(zhǔn)確地確定圖像中的對象是否匹配的目的，從而實現(xiàn)

了提高低質(zhì)量圖像中的對象匹配成功率的技術(shù)效果，進而解決了圖像質(zhì)量差的情況下對象

匹配的成功率較低的技術(shù)問題。

[0048]作為一種可選的實施例，第一場景環(huán)境信息，第二場景環(huán)境信息可以包括以下至

少之一:時間信息，位置信息，空間信息，天氣信息;第一對象信息，第二對象信息包括:對象

屬性信息，對象關(guān)聯(lián)物品信息。其中，時間信息可以是第一圖像或第二圖像的拍攝時間;位

置信息可以是拍攝第一圖像或第二圖像的攝像機所在的位置坐標(biāo)，也可以是第一圖像上的

第一對象或者第二圖像上的第二對象所在的位置坐標(biāo);空間信息可以是第一對象或第二對

象所處的空間的場景、環(huán)境信息，例如第一對象所處的北京環(huán)境是商場，圖像上的場景是第

一對象正在商場的商店內(nèi)瀏覽商品；天氣信息即當(dāng)對象位于室外時圖像上能夠表現(xiàn)出來的

天氣信息。對象屬性信息可以是對象的生物屬性信息或者其他類型的直接描述對象本身的

信息，例如，對象屬性信息可以是對象的身高范圍、年齡范圍、膚色、體型等,也可以是對象

是否戴眼鏡、是否戴帽子、服裝類型、服裝風(fēng)格、服裝顏色、是否打傘、是否戴手表、是否戴口

罩等于對象關(guān)聯(lián)的物品的信息。通過上述信息，可以全面評估第一對象與第二對象匹配的

可能性，目上述場景環(huán)境信息和對象信息不依賴圖像的質(zhì)量,采用質(zhì)量較低的圖像也能得

到較為準(zhǔn)確的兩個對象之間的聚類匹配概率,可以提高低質(zhì)量圖像的對象匹配準(zhǔn)確率。

[0049]作為一種可選的實施例,基于第一描述信息和第二描述信息，確定第一描述信息

和第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系，可以采用如下方式:根據(jù)第一描述信息，確定拍攝第

一圖像的第一時間和第一對象所處的第一位置;根據(jù)第二描述信息，確定拍攝第二圖像的

第二時間和第二對象所處的第二位置;基于第一時間、第一位置、第二時間以及第二位置,

確定在第一時間和第二時間的時間差內(nèi)由第一位置移動至第二位置的移動速度;基于移動

速度確定第一對象和第二對象的時空關(guān)聯(lián)關(guān)系為目標(biāo)關(guān)聯(lián)關(guān)系。

10

CN114743135A說明書7/17頁

[0050]本可選的實施例中，時空關(guān)聯(lián)關(guān)系可以描述同一個對象既處于第一對象所處的時

空，又處于第二對象所處的時空的可能性。其中，時空表示時間和空間位置，第一對象所處

的時空即第一對象在被拍攝下第一圖像時的第一時間以及此時第一對象所處的第一位置,

第二對象對應(yīng)的第二時間以及第二位置同理可得?？梢岳斫獾氖?，對于步行的人來說，由于

其步速有限，因此其不可能在短時間內(nèi)通過步行到達很遠的位置。因此第一對象和第二對

象各自所處的時空信息可以用來估計第一對象和第二對象為同一個人的可能性的大小?？?/p>

選地,移動速度可以為估計獲得的同一個對象由第一對象所處的時空運動到第二對象所處

的時空（若第二時間小于第一時間，則為由第二對象所處的時空運動到第一對象所處的時

空）所需要的速度，該速度可以用過如下公式確定：

[0051]移動速度=（第一位置與第二位置之間的距離）/|第一時間-第二時間|

[0052]可以理解的，上述移動速度為對象從第一位置移動到第二位置所需要的最低速

度。若結(jié)合包括第一位置和第二位置的地圖，可以獲取第一位置至第二位置的多條可行運

動軌跡，此時第一位置與第二位置之間的距離可以為多條可行運動軌跡對應(yīng)距離的平均值

或者其中的最小值。

[0053]作為一種可選的實施例,可以通過如下方式確定第一對象和第二對象相匹配的目

標(biāo)概率:基于第一描述信息和第二描述信息，確定第一對象和第二對象的運動方式;獲取與

運動方式對應(yīng)的速度統(tǒng)計分布，基于速度統(tǒng)計分布與移動速度，確定第一對象與第二對象

相匹配的目標(biāo)概率。

[0054]可以理解的是，同樣的移動速度對于不同運動方式的對象來說，其合理性不同。例

如，正常人類的步行速度為5km/h左右，慢跑速度在10km/h左右，城市中的汽車的正常行駛

速度在40-60km/h之間。若第一對象和第二對象均為步行狀態(tài),但是計算得到的第一對象運

動至第二對象的移動速度為50km/h,則可以認為第一對象和對象為同一個對象的可能性很

低，即在第一圖像與第二圖像的時間差內(nèi)，第一對象不太可能通過步行的方式到達第二對

象所處的位置。若第一對象和第二對象均為乘車狀態(tài),且計算得到的第一對象運動至第二

對象的移動速度為50km/h,則可以認為第一對象和對象為同一個對象的可能性相對更高。

[0055]進一步地,可以通過如下可選的實施方式根據(jù)運動方式以及移動速度確定目標(biāo)概

率:獲取不同的運動方式對應(yīng)的速度統(tǒng)計分布，上述速度統(tǒng)計分布已預(yù)先經(jīng)過標(biāo)準(zhǔn)化處理;

然后，比照移動速度在速度統(tǒng)計分布上的位置，得到速度統(tǒng)計分布上的該最低速度對應(yīng)的

概率值，即為目標(biāo)概率。通過如上實施方式,可以更合理地確定移動速度對應(yīng)的目標(biāo)概率,

提高確定第一對象和第二對象的匹配概率的準(zhǔn)確性。

[0056]作為一種可選的實施例,基于第一描述信息和第二描述信息，確定第一描述信息

和第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系，包括:基于第一對象信息，獲取第一對象的第一二分

類屬性，以及基于第二對象信息，獲取第二對象的第二二分類屬性，其中，第一二分類屬性

與第二二分類屬性一一對應(yīng);基于第一二分類屬性與第二二分類屬性，確定第一對象與第

二對象之間的二分類屬性關(guān)聯(lián)關(guān)系為目標(biāo)關(guān)聯(lián)關(guān)系。

[0057]需要說明的是，二分類屬性為第一對象或第二對象的物理特征或者物理屬性，該

類型的屬性或特征僅有兩種結(jié)果，例如人不是男人就是女人，或者人不是成年人就是未成

年人?；诙诸悓傩源_定的第一描述信息與第二描述信息之間的關(guān)系即為二分類屬性關(guān)

聯(lián)關(guān)系。依據(jù)二分類屬性進行匹配判斷的可靠性很強，若二分類屬性標(biāo)注正確，則可以明顯

11

CN114743135A說明書8/17頁

降低聚類匹配錯誤的概率。

[0058]作為一種可選的實施例，基于目標(biāo)關(guān)聯(lián)關(guān)系確定第一對象和第二對象相匹配的目

標(biāo)概率，可以采用決策樹處理第一對象與第二對象之間的二分類屬性關(guān)聯(lián)關(guān)系，得到第一

對象與第二對象匹配的目標(biāo)概率。可選的，目標(biāo)概率可以為100%或者0%中的一個。例如，

可以將決策樹的根結(jié)點設(shè)置為第一對象和第二對象的年齡是否相同，若相同，則進入葉結(jié)

點繼續(xù)判斷，若否，則輸出第一對象與第二對象相同的概率為0%。當(dāng)所有的二分類屬性關(guān)

聯(lián)關(guān)系均判斷完畢并且所有二分類屬性關(guān)聯(lián)關(guān)系均為一致的情況下，可以輸出目標(biāo)概率為

100%,否則的話輸出目標(biāo)概率為0%。

[0059]作為一種可選的實施例,基于第一描述信息和第二描述信息，確定第一描述信息

和第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系，還可以采用如下方式:獲取第一描述信息和第二描

述信息的對象匹配特征對;確定對象匹配特征對的基礎(chǔ)匹配概率為第一描述信息和第二描

述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系。本可選的實施例中，對象匹配特征對可以是與目標(biāo)關(guān)聯(lián)關(guān)系

對應(yīng)的一對第一描述信息與第二描述信息，例如，可以是一對場景環(huán)境信息，也可以是一對

對象信息，該特征對用于確定對象之間的匹配概率，因此可以稱為對象匹配特征對。

[0060]此外，每一對象匹配特征對還可以對應(yīng)一條匹配規(guī)則，用于在不考慮第一圖像和

第二圖像之間的其他描述信息的情況下確定第一對象和第二對象匹配的概率，即確定第一

對象和第二對象的基礎(chǔ)匹配概率。例如，與對象匹配特征對對應(yīng)的匹配規(guī)則可以為根據(jù)對

象是否戴口罩判斷對象是否匹配的規(guī)則。當(dāng)一對對象匹配特征對包括第一對象戴口罩且第

二對象戴口罩這樣一對描述信息時，可以根據(jù)上述匹配規(guī)則生成一個基礎(chǔ)匹配概率作為判

斷第一對象與第二對象是否匹配的目標(biāo)概率。需要說明的是,上述基礎(chǔ)匹配概率的生成過

程不參考對象匹配特征對以外的其他信息。

[0061]作為一種可選的實施例,基于目標(biāo)關(guān)聯(lián)關(guān)系確定第一對象和第二對象相匹配的目

標(biāo)概率還可以首先獲取對象匹配特征對的特征置信度;然后基于對象匹配特征對的基礎(chǔ)匹

配概率，以及對象匹配特征對的特征置信度，確定第一對象與第二對象相匹配的目標(biāo)概率。

[0062]通過本可選的實施例，可以為不同的對象匹配判斷規(guī)則引入置信度，以調(diào)整整個

對象匹配判斷方法的結(jié)果準(zhǔn)確率。例如，在第一對象和第二對象都為人的情況下，第一對象

和第二對象所處的位置都是小區(qū)的出入口且都為步行,這一對象匹配特征在一般情況下并

不具備很強的說服力，因為不同的對象都可能出現(xiàn)在小區(qū)出入口。但是若引入其他場景環(huán)

境信息，發(fā)現(xiàn)第一圖像和第二圖像的拍攝時間很接近且圖像場景都是瓢潑大雨，此時一般

不會有人步行出入小區(qū)，那么此時第一對象和第二對象所處的位置都是小區(qū)的出入口且都

為步行這一對象匹配特征對可以更加有力的支持第一對象和第二對象為同一個人這一結(jié)

果，此時，可以基于場景信息為該對象匹配特征對分配更高的特征置信度。需要說明的是,

特征置信度的取值范圍為0%TOO%。

[0063]又例如，在正常場景下，人們在室內(nèi)不會戴口罩，而疫情場景下，大多數(shù)人在商場

這種室內(nèi)環(huán)境中都會戴口罩，因此第一對象與第二對象都戴口罩這一特征的置信度在不同

的場景中不同，此時基于第一圖像和第二圖像的場景環(huán)境信息，可以為這一對象匹配特征

對分配不同的特征置信度。此時，可以將基礎(chǔ)匹配概率與特征置信度相乘，得到第一對象與

第二對象相匹配的目標(biāo)概率。在本可選的實施例提供的方法中，通過將更多的參考信息納

入概率計算中，可以大大提高目標(biāo)概率的合理性，提高目標(biāo)概率的準(zhǔn)確性。

12

CN114743135A說明書9/17頁

[0064]還例如，若一組對象匹配特征對為第一對象和第二是否打傘，且第一對象和第二

對象都打傘了，則首先可以確定該對象匹配特征對對應(yīng)的第一對象與第二對象相匹配的基

礎(chǔ)匹配概率為100%,然而基于場景環(huán)境信息可以得知第一圖像和第二圖像均為雨天場景,

此時外出的人都會打傘，基于此確定該對象匹配特征對對應(yīng)的特征置信度為50%,那么綜

合考慮得到該對象匹配特征對應(yīng)的第四概率為100%*50%=50%；若基于場景環(huán)境信息可

以得知第一圖像和第二圖像中的環(huán)境均為大風(fēng)天氣，此時外出的人通常不會打傘,而第一

對象和第二對象都打傘了，那么可以認為對象匹配特征對對應(yīng)的特征置信度更高，例如為

80%,那么綜合考慮得到該對象匹配特征對應(yīng)的第四概率為100%*80%=80%。通過如上

方式，可以調(diào)整不同的特征比對結(jié)果對兩個對象是否匹配這一判斷過程的影響程度，提高

第一對象和第二對象是否匹配的判斷結(jié)果的正確率。

[0065]作為一種可選的實施例,基于目標(biāo)關(guān)聯(lián)關(guān)系確定第一對象和第二對象相匹配的目

標(biāo)概率，可以在包括多個目標(biāo)關(guān)聯(lián)關(guān)系的情況下，確定與多個目標(biāo)關(guān)聯(lián)關(guān)系一一對應(yīng)的多

個第一概率;基于多個第一概率，確定第一對象和第二對象相匹配的目標(biāo)概率。

[0066]本可選的實施例中，由于第一描述信息和第二描述信息可以分別描述與第一對象

和第二對象相關(guān)的多個特征，因此可以基于第一描述信息和第二描述信息確定第一描述信

息和第二描述信息之間的多個目標(biāo)關(guān)聯(lián)關(guān)系。例如，在第一對象和第二對象都是人的情況

下，多個目標(biāo)關(guān)聯(lián)關(guān)系可以分別描述第一對象和第二對象之間在多個方面上的關(guān)聯(lián)關(guān)系，

例如人物屬性、服裝屬性、行為特征等。每一種目標(biāo)關(guān)聯(lián)關(guān)系都可以根據(jù)預(yù)先確定與之對應(yīng)

的概率規(guī)則生成一個第一概率，然后綜合多個第一概率，得到第一對象和第二對象相匹配

的目標(biāo)概率。通過本可選的實施例,可以提高對象匹配的準(zhǔn)確性，避免基于與對象相關(guān)的一

對單獨的特征進行匹配度判斷導(dǎo)致的偶然性錯誤。

[0067]作為一種可選的實施例，基于多個第一概率，確定第一對象和第二對象相匹配的

目標(biāo)概率，可以包括如下步驟:分別為多個第一概率分配多個權(quán)重;基于多個第一概率和多

個權(quán)重，確定目標(biāo)概率。

[0068]本領(lǐng)域技術(shù)人員可以理解的是,與對象相關(guān)的不同的物理特征對對象匹配結(jié)果的

影響大小不同，因此可以為其分配不同的權(quán)重以提高對象匹配判斷的準(zhǔn)確性。例如，在第一

對象和第二對象都是人的情況下，可以理解人可能會更換自己的服裝，但是不可能改變自

己的身高，因此第一圖像中的第一對象和第二圖像中的第二對象的服裝是否相同這一目標(biāo)

關(guān)聯(lián)關(guān)系對應(yīng)的權(quán)重值應(yīng)當(dāng)小于第一圖像中的第一對象和第二圖像中的第二對象的身高

是否相同這一目標(biāo)關(guān)聯(lián)關(guān)系對應(yīng)的權(quán)重值。擁有更高權(quán)重值的目標(biāo)關(guān)聯(lián)關(guān)系對應(yīng)的第一概

率為判斷第一對象與第二對象是否匹配的更加確鑿的依據(jù)。

[0069]作為一種可選的實施例，可以采用如下方式分別為多個第一概率分配多個權(quán)重：

獲取多組訓(xùn)練樣本，其中，每組訓(xùn)練樣本包括兩張圖像、每張圖像各自的描述信息以及標(biāo)注

結(jié)果，其中，標(biāo)注結(jié)果為兩張圖像中的對象是否匹配;基于多組訓(xùn)練樣本進行訓(xùn)練，得到邏

輯回歸模型中為多個第一概率分配的多個權(quán)重。

[0070]本可選的實施例提供了一種為第一概率分配權(quán)重的方法。具體的，可以獲取標(biāo)注

過的訓(xùn)練樣本，每組樣本中有兩張圖像，以下稱為第一樣本圖像和第二樣本圖像，每張樣本

圖像中均包括兩個樣本對象。此外，每組訓(xùn)練樣本中還包括標(biāo)注結(jié)果以及第一樣本圖像和

第二樣本圖像各自的描述信息，標(biāo)注結(jié)果用于指示樣本圖像中的兩個樣本對象是否為相匹

13

CN114743135A說明書10/17頁

配的對象，描述信息用于分別描述與兩個樣本對象相關(guān)的物理特征的信息。將多組訓(xùn)練樣

本輸入邏輯回歸模型進行訓(xùn)練，可以在邏輯回歸模型中劃分出多個模塊，多個模塊分別對

描述信息中與不同的目標(biāo)關(guān)聯(lián)關(guān)系對應(yīng)的信息進行分類，并將整體邏輯回歸模型輸出的分

類結(jié)果與訓(xùn)練樣本的標(biāo)注結(jié)果進行比對，優(yōu)化每個模塊的權(quán)重值，最終將訓(xùn)練好的邏輯回

歸模型中各個模塊的權(quán)重值參數(shù)作為為多個第一概率分配的多個權(quán)重?？蛇x地，邏輯回歸

模型可以采用二分類邏輯回歸模型。通過本可選的實施例，可以提高第一概率的權(quán)重分配

的合理性，進而提高第一對象和第二對象相匹配的目標(biāo)概率的準(zhǔn)確性。

[0071]作為一種可選的實施例，還可以包括如下步驟：獲取第一對象和第二對象的第一

聚類結(jié)果，其中，第一聚類結(jié)果為第一對象和第二對象的圖像特征向量的聚類結(jié)果;基于目

標(biāo)概率，修正第一聚類結(jié)果，得到第一對象和第二對象的第二聚類結(jié)果。本可選的實施例

中，可以將上述實施例中的對象的匹配方法與傳統(tǒng)的采用圖像特征向量的聚類方法進行結(jié)

合,提高第一對象與第二對象的聚類準(zhǔn)確性。

[0072]在第一對象和第二對象都是人的情況下，提供一種結(jié)合目標(biāo)概率計算和圖像特征

向量聚類兩種方法以確定第一對象和第二對象是否為同一人這一聚類結(jié)果的可選實施方

式。圖3是根據(jù)本發(fā)明可選實施方式提供的人臉聚類方法的流程圖，如圖3所示，該方法可以

包括如下步驟：

[0073]步驟1,將n天的人臉圖像數(shù)據(jù)以及描述信息進行數(shù)據(jù)預(yù)處理，剔除無效數(shù)據(jù)、噪

聲、極端值等數(shù)據(jù)。其中，描述信息可以包括人臉圖像的id、圖像的拍攝時間、拍攝地點以及

圖像中的屬性。

[0074]步驟2,將包括人臉的圖像以及圖像的描述信息分別輸入三個模塊中，三個模塊分

別為時空關(guān)聯(lián)關(guān)系模塊,該模塊確定包括人臉的圖像中的時空關(guān)聯(lián)關(guān)系；二分類屬性關(guān)聯(lián)

關(guān)系模塊，該模塊用于對圖像中的人的二分類屬性進行過濾,例如可以采用決策樹的過濾

方法特征置信度模塊，該模塊可以基于特征與場景的因果關(guān)系進行一定的因果推斷，生成

每個特征的置信度。

[0075]步驟3,依據(jù)步驟2中三個模塊輸出的第二、第三和第四概率以及各個模塊的權(quán)重,

計算目標(biāo)概率，得到不同圖像中的人臉屬于同一個人的概率，例如人臉a和人臉b屬于同一

人的概率為90%。

[0076]步驟4,將包括人臉的圖像輸入深度學(xué)習(xí)模塊,采用圖像特征向量聚類的方式得到

向量的聚類結(jié)果。

[0077]步驟5,使用步驟3中的目標(biāo)概率修正步驟4中的聚類結(jié)果，得到人臉a和人臉b的更

加準(zhǔn)確的聚類結(jié)果。

[0078]圖4是根據(jù)本發(fā)明實施例的對象的匹配方法二的流程圖，如圖4所示，該方法包括

如下步驟：

[0079]步驟S402,響應(yīng)于獲取指令，獲取第一圖像的第一描述信息和第二圖像的第二描

述信息，其中，第一圖像中包括第一對象，第二圖像中包括第二對象，第一描述信息包括:第

一對象的第一場景環(huán)境信息以及第一對象的第一對象信息，第二描述信息包括:第二對象

的第二場景環(huán)境信息以及第二對象的第二對象信息；

[0080]步驟S404,展示第一對象和第二對象相匹配的目標(biāo)概率，其中，目標(biāo)概率根據(jù)第一

描述信息和第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系確定的，目標(biāo)關(guān)聯(lián)關(guān)系基于第一描述信息和

14

CN114743135A說明書11/17頁

第二描述信息確定，其中，目標(biāo)關(guān)聯(lián)關(guān)系包括以下關(guān)聯(lián)關(guān)系至少之一:第一場景環(huán)境信息與

第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系，第一場景環(huán)境信息與第二對象信息之間的關(guān)聯(lián)關(guān)系，

第一對象信息與第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系，第一對象信息與第二對象信息之間的

關(guān)聯(lián)關(guān)系。

[0081]通過上述步驟，達到了基于用戶的指令，為用戶展示第一圖像上的第一對象與第

二圖像上的第二對象是否匹配的目標(biāo)概率的目的，高效、準(zhǔn)確地將圖像中的對象是否匹配

展示給用戶，從而實現(xiàn)了提高低質(zhì)量圖像中的對象匹配成功率的技術(shù)效果，進而解決了圖

像質(zhì)量差的情況下對象匹配的成功率較低的技術(shù)問題。

[0082]需要說明的是，對于前述的各方法實施例，為了簡單描述，故將其都表述為一系列

的動作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述的動作順序的限制，因為

依據(jù)本發(fā)明，某些步驟可以采用其他順序或者同時進行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知

悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作和模塊并不一定是本發(fā)明

所必須的。

[0083]通過以上的實施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到根據(jù)上述實施

例的對象的匹配方法可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當(dāng)然也可以通過硬

件，但很多情況下前者是更佳的實施方式?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者

說對現(xiàn)有技術(shù)做出貢獻的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在

一個計算機可讀存儲介質(zhì)（如R0M/RAM、磁碟、光盤）中，包括若干指令用以使得一臺終端設(shè)

備（可以是手機，計算機,服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等）執(zhí)行本發(fā)明各個實施例的方法。

[0084]實施例2

[0085]根據(jù)本發(fā)明實施例，還提供了一種用于實施上述對象的匹配方法的對象的匹配裝

置，圖5是根據(jù)本發(fā)明實施例的對象的匹配裝置的結(jié)構(gòu)框圖，如圖5所示，該裝置包括:獲取

模塊52,第一確定模塊54和第二確定模塊56,下面對該裝置進行簡要說明：

[0086]獲取模塊52,用于獲取第一圖像的第一描述信息和第二圖像的第二描述信息，其

中，第一圖像中包括第一對象，第二圖像中包括第二對象，第一描述信息包括:第一對象的

第一場景環(huán)境信息以及第一對象的第一對象信息，第二描述信息包括:第二對象的第二場

景環(huán)境信息以及第二對象的第二對象信息；

[0087]第一確定模塊54,用于基于第一描述信息和第二描述信息，確定第一描述信息和

第二描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系，其中，目標(biāo)關(guān)聯(lián)關(guān)系包括以下關(guān)聯(lián)關(guān)系至少之一：第一

場景環(huán)境信息與第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系，第一場景環(huán)境信息與第二對象信息之

間的關(guān)聯(lián)關(guān)系，第一對象信息與第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系，第一對象信息與第二

對象信息之間的關(guān)聯(lián)關(guān)系；

[0088]第二確定模塊56，用于基于目標(biāo)關(guān)聯(lián)關(guān)系確定第一對象和第二對象相匹配的目標(biāo)

概率。

[0089]此處需要說明的是，上述獲取模塊52,第一確定模塊54和第二確定模塊56對應(yīng)于

實施例1中的步驟S202至步驟S206,多個模塊與對應(yīng)的步驟所實現(xiàn)的實例和應(yīng)用場景相同，

但不限于上述實施例1所公開的內(nèi)容。需要說明的是，上述模塊作為裝置的一部分可以運行

在實施例1提供的計算機終端10中。

[0090]實施例3

15

CN114743135A說明書12/17頁

[0091]本發(fā)明的實施例可以提供一種計算機設(shè)備，該計算機設(shè)備可以是計算機設(shè)備群中

的任意一個計算機終端設(shè)備?？蛇x地,在本實施例中，上述計算機設(shè)備也可以替換為移動終

端等終端設(shè)備。

[0092]可選地，在本實施例中，上述計算機設(shè)備可以位于計算機網(wǎng)絡(luò)的多個網(wǎng)絡(luò)設(shè)備中

的至少一個網(wǎng)絡(luò)設(shè)備。

[0093]在本實施例中，上述計算機設(shè)備可以執(zhí)行應(yīng)用程序的對象的匹配方法中以下步驟

的程序代碼:獲取第一圖像的第一描述信息和第二圖像的第二描述信息，其中，第一圖像中

包括第一對象，第二圖像中包括第二對象，第一描述信息包括:第一對象的第一場景環(huán)境信

息以及第一對象的第一對象信息，第二描述信息包括:第二對象的第二場景環(huán)境信息以及

第二對象的第二對象信息;基于第一描述信息和第二描述信息，確定第一描述信息和第二

描述信息之間的目標(biāo)關(guān)聯(lián)關(guān)系，其中，目標(biāo)關(guān)聯(lián)關(guān)系包括以下關(guān)聯(lián)關(guān)系至少之一:第一場景

環(huán)境信息與第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系，第一場景環(huán)境信息與第二對象信息之間的

關(guān)聯(lián)關(guān)系，第一對象信息與第二場景環(huán)境信息之間的關(guān)聯(lián)關(guān)系，第一對象信息與第二對象

信息之間的關(guān)聯(lián)關(guān)系;基于目標(biāo)關(guān)聯(lián)關(guān)系確定第一對象和第二對象相匹配的目標(biāo)概率。

[0094]