识别宠物身份的方法、装置、存储介质及电子设备与流程

1.本技术涉及身份识别技术领域，具体涉及一种识别宠物身份的方法、装置、存储介质及电子设备。


背景技术：

2.猫、狗等宠物的鼻纹与人类的指纹一样，具有唯一性。因此通过宠物鼻纹的采集可以实现宠物的身份验证，而鼻纹采集的准确度决定了鼻纹识别的准确率和效率。常规的鼻纹采集方式一般是通过拍照，但是由于宠物与人类不一样，对其鼻纹进行采集时，宠物大多不会配合，拍摄得到的鼻纹图像可能导致难以准确识别宠物身份。


技术实现要素：

3.本技术实施例提供一种识别宠物身份的方法、装置、存储介质及电子设备，能够提高宠物身份识别的准确度。
4.第一方面，本技术实施例提供一种识别宠物身份的方法，包括：
5.获取待识别宠物的脸部图像，并从所述脸部图像中获取鼻纹图像；
6.根据预设质量评价模型确定所述鼻纹图像的质量评分，其中，所述预设质量评价模型是根据样本鼻纹图像和对应的质量评分标签训练得到的；
7.当所述质量评分小于预设阈值时，输出未采集到鼻纹的提示信息；
8.当所述质量评分大于或者等于所述预设阈值时，根据所述鼻纹图像识别所述待识别宠物的身份。
9.第二方面，本技术实施例还提供一种识别宠物身份的装置，包括：
10.图像获取模块，用于获取待识别宠物的脸部图像，并从所述脸部图像中获取鼻纹图像；
11.质量评价模块，用于根据预设质量评价模型确定所述鼻纹图像的质量评分，其中，所述预设质量评价模型是根据样本鼻纹图像和对应的质量评分标签训练得到的；
12.信息提示模块，用于当所述质量评分小于预设阈值时，输出未采集到鼻纹的提示信息；
13.身份识别模块，用于当所述质量评分大于或者等于所述预设阈值时，根据所述鼻纹图像识别所述待识别宠物的身份。
14.第三方面，本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如本技术任一实施例提供的识别宠物身份的方法。
15.第四方面，本技术实施例还提供一种电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行如本技术任一实施例提供的识别宠物身份的方法。
16.本技术实施例提供的技术方案，获取待识别宠物的脸部图像，并从该脸部图像中
获取鼻纹图像，根据预设质量评价模型确定该鼻纹图像的质量评分，该预设质量评价模型是根据样本鼻纹图像和对应的质量评分标签训练得到的，当确定的质量评分小于预设阈值时，输出未采集到鼻纹的提示信息，当质量评分大于或者等于该预设阈值时，根据鼻纹图像识别该待识别宠物的身份。采用本技术的方案，对采集的鼻纹图像进行质量评价，当质量评分不满足要求时，指示用户重新采集图像，而当质量评分满足要求时，才会进行身份识别，提高了的宠物身份识别的准确度。
附图说明
17.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图只是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1为本技术实施例提供的识别宠物身份的方法的第一种流程示意图。
19.图2为本技术实施例提供的识别宠物身份的方法的第二种流程示意图。
20.图3为本技术实施例提供的识别宠物身份的方法的应用场景示意图。
21.图4为本技术实施例提供的识别宠物身份的装置的结构示意图。
22.图5为本技术实施例提供的电子设备的第一种结构示意图。
23.图6为本技术实施例提供的电子设备的第二种结构示意图。
具体实施方式
24.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例只是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本技术的保护范围。
25.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
26.本技术实施例提供一种识别宠物身份的方法，该识别宠物身份的方法的执行主体可以是本技术实施例提供的识别宠物身份的装置，或者集成了该识别宠物身份的装置的电子设备，其中该识别宠物身份的装置可以采用硬件或者软件的方式实现。其中，电子设备可以是智能手机、平板电脑、掌上电脑、笔记本电脑、或者台式电脑等设备。
27.请参阅图1，图1为本技术实施例提供的识别宠物身份的方法的第一种流程示意图。本技术实施例提供的识别宠物身份的方法的具体流程可以如下：
28.101、获取待识别宠物的脸部图像，并从脸部图像中获取鼻纹图像；
29.本技术实施例的方案中，待识别宠物是被采集脸部图像进行身份识别的宠物，包括宠物猫、宠物狗、宠物猪等。
30.例如，当需要对某个宠物进行身份识别时，采集该待识别宠物的脸部图像。例如，宠物医院对待就诊的宠物进行身份识别时，将该待就诊的宠物作为待识别宠物，采集该待识别宠物的脸部图像。例如，通过图像采集装置获取该待识别宠物的图像或者视频，该图像
或者视频中包含有该宠物的脸部区域。若采集的是该待识别宠物的视频信息，则从视频信息或者一帧包含有该宠物的脸部区域的图像作为该脸部图像。
31.在获取到待识别宠物的脸部图像后，从该脸部图像中截取鼻纹图像，例如，在一实施例中，从脸部图像中获取鼻纹图像的步骤可以包括：将脸部图像输入预先训练好的目标检测模型中进行检测，输出该识别宠物的比不区域的位置信息，根据该位置信息从脸部图像中截取待识别宠物的鼻纹图像。
32.该实施例中，使用携带有鼻部区域的标注数据的样本图像训练一个预先构建的卷积神经网路，得到一个目标检测模型。在获取到脸部图像后，将该脸部图像输入该目标检测模型进行检测，输出鼻部区域的位置信息，例如，以矩形标注框的形式输出鼻部区域的位置信息，基于该位置信息从脸部图像中截取待识别宠物的鼻纹图像。
33.102、根据预设质量评价模型确定鼻纹图像的质量评分，其中，预设质量评价模型是根据样本鼻纹图像和对应的质量评分标签训练得到的。
34.得到鼻纹图像后，将该鼻纹图像上输入一个预先训练好的质量评价模型中进行计算，得到该鼻纹图像的质量评分。
35.该实施例中的预设质量评价模型是使用样本鼻纹图像通过机器学习训练得到的。例如，准备预设数量的宠物鼻纹图像作为样本鼻纹图像，比如，待识别宠物为宠物猫，则对多个不同品种的宠物猫进行拍摄得到多个样本鼻纹图像。然后，对于每一样本鼻纹图像，为其添加质量评分标签，可以是专家通过观察该图像在至少一个质量评价维度上的情况，对其打分，将打分的分数作为该样本鼻纹图像的质量评分标签。其中，质量评价维度包括以下多个维度中的至少一个：清晰度，完整度，曝光度，遮挡情况等。
36.完成对每一样本鼻纹图像的质量评分标签的添加后，将具有质量评分标签的样本鼻纹图像作为训练数据，对预先构建的卷积神经网络进行训练，确定出模型参数，得到预设质量评价模型。
37.在一实施例中，预设质量评价模型包括特征提取网络和全连接层。根据预设质量评价模型确定鼻纹图像的质量评分，包括：根据特征提取网络对鼻纹图像进行特征提取处理，得到鼻纹特征图；将鼻纹特征图输入全连接层进行计算，得到鼻纹图像的质量评分。
38.该实施例中，预设质量评价模型包括特征提取网络和全连接层，其中，特征提取网络用于提取特征，包括多个卷积层和池化层，卷积层对输入图像进行卷积运算，输出特征图，池化层用于对输入数据进行降维处理。将鼻纹图像输入特征提取网络，经过逐层运算，得到鼻纹特征图。再将该鼻纹特征图输入全连接层进行运算，得到鼻纹图像的质量评分。
39.例如，质量评分为质量等级。将鼻纹特征图输入全连接层进行计算，得到每一预设质量等级对应的概率值；将概率值最高的预设质量等级作为鼻纹图像的质量等级。
40.全连接层输出数据的维数等于质量等级的数量，例如，假设将鼻纹图像的质量等级划分为q1、q2、q3、q4、q5共5个预设质量等级，q后的数值越大，则鼻纹图像的质量越好。全连接层经过计算输出鼻纹图像在每一个质量等级上的概率值，将概率值最高的预设质量等级作为该鼻纹图像的质量等级。
41.又例如，在一实施例中，全连接层有多个，每一全连接层对应于一个质量评价维度；将鼻纹特征图输入全连接层进行计算，得到鼻纹图像的质量评分，包括：将鼻纹特征图输入每一质量评价维度对应的全连接层进行计算，得到每一质量评价维度对应的维度评
分；根据多个质量评价维度的多个维度评分，确定鼻纹图像的质量评分。
42.在该实施例中，为了提高图像质量评价的准确度，为预设质量评价模型设置多个全连接层，每一个全连接层对应一个质量评价维度。例如，质量评价维度有如下四个：清晰度，完整度，曝光度，遮挡情况。则设置四个全连接层。在计算得到鼻纹特征图之后，即将鼻纹特征图输入到每个全连接层进行计算，得到每一质量评价维度对应的维度评分，这样就得到四个维度评分。得到每一质量评价维度对应的维度评分后，根据这多个维度评分确定出鼻纹图像的质量评分。例如，获取每一质量评价维度对应的权重；根据每一质量评价维度对应的权重和维度评分，计算得到鼻纹图像的质量评分。具体地，得到每一质量评价维度对应的维度评分后，获取每一质量评价维度的权重，多个维度评分和对应的权重进行加权计算，将计算得到的加权分数作为鼻纹图像的质量评分，其中，各质量评价维度的权重可以根据需要预先设置，对鼻纹识别准确度影响越大的维度，则权重也越高。又例如，将多个质量评价维度的多个维度评分中的最低维度评分，确定为鼻纹图像的质量评分。通过这种方式可以使得最终用于进行宠物身份识别的鼻纹图像在各个维度上都具有较高的质量。又例如，将多个维度评分的平均值作为鼻纹图像的质量评分等。
43.103、当质量评分小于预设阈值时，输出未采集到鼻纹的提示信息。
44.104、当质量评分大于或者等于预设阈值时，根据鼻纹图像识别待识别宠物的身份。
45.得到质量评分后，将质量评分与预设阈值进行比较，如果该鼻纹图像的质量评分小于预设阈值，则说明如果将当前的鼻纹图像用于身份识别算法，则难以准确地判断该待识别宠物的身份。可以输出未采集到鼻纹的提示信息，以提示用户重新采集鼻纹图像。
46.反之，如果该鼻纹图像的质量评分大于或者等于该预设阈值，则说明当前拍摄的鼻纹图像的质量较好，可以用于进行身份识别，则基于该鼻纹图像对待识别宠物的身份进行验证。
47.具体实施时，本技术不受所描述的各个步骤的执行顺序的限制，在不产生冲突的情况下，某些步骤还可以采用其它顺序进行或者同时进行。
48.由上可知，本技术实施例提供的识别宠物身份的方法，获取待识别宠物的脸部图像，并从该脸部图像中获取鼻纹图像，根据预设质量评价模型确定该鼻纹图像的质量评分，该预设质量评价模型是根据样本鼻纹图像和对应的质量评分标签训练得到的，当确定的质量评分小于预设阈值时，输出未采集到鼻纹的提示信息，当质量评分大于或者等于该预设阈值时，根据鼻纹图像识别该待识别宠物的身份。采用本技术的方案，对采集的鼻纹图像进行质量评价，当质量评分不满足要求时，指示用户重新采集图像，而当质量评分满足要求时，才会进行身份识别，提高了的宠物身份识别的准确度。
49.根据前面实施例所描述的方法，以下将举例作进一步详细说明。
50.请参阅图2，图2为本发明实施例提供的识别宠物身份的方法的第二流程示意图。方法包括：
51.201、获取待识别宠物的脸部图像，并从脸部图像中获取鼻纹图像。
52.请参阅图3，图3为本技术实施例提供的识别宠物身份的方法的应用场景示意图。待识别宠物在进入宠物医院时，在登记处先进行身份识别，通过图像采集装置采集待识别宠物的脸部图像。在获取到待识别宠物的脸部图像后，从该脸部图像中截取鼻纹图像，例
如，将脸部图像输入预先训练好的目标检测模型中进行检测，输出该识别宠物的比不区域的位置信息，根据该位置信息从脸部图像中截取待识别宠物的鼻纹图像。
53.202、将鼻纹图像输入预设质量评价模型，计算得到每一质量评价维度对应的维度评分。
54.得到鼻纹图像后，将该鼻纹图像上输入一个预先训练好的质量评价模型中进行计算，得到该鼻纹图像的质量评分。在该实施例中，为了提高图像质量评价的准确度，为预设质量评价模型设置多个全连接层，每一个全连接层对应一个质量评价维度。例如，质量评价维度有如下四个：清晰度，完整度，曝光度，遮挡情况。则设置四个全连接层。在计算得到鼻纹特征图之后，即将鼻纹特征图输入到每个全连接层进行计算，得到每一质量评价维度对应的维度评分，这样就得到四个维度评分。得到每一质量评价维度对应的维度评分后，根据这多个维度评分确定出鼻纹图像的质量评分。
55.203、获取每一质量评价维度对应的权重。
56.204、根据每一质量评价维度对应的权重和维度评分，计算得到鼻纹图像的质量评分。
57.具体地，得到每一质量评价维度对应的维度评分后，获取每一质量评价维度的权重，多个维度评分和对应的权重进行加权计算，将计算得到的加权分数作为鼻纹图像的质量评分，其中，各质量评价维度的权重可以根据需要预先设置，对鼻纹识别准确度影响越大的维度，则权重也越高。
58.205、当质量评分小于预设阈值时，输出未采集到鼻纹的提示信息。
59.得到质量评分后，将质量评分与预设阈值进行比较，如果该鼻纹图像的质量评分小于预设阈值，则说明如果将当前的鼻纹图像用于身份识别算法，则难以准确地判断该待识别宠物的身份。可以输出未采集到鼻纹的提示信息，以提示用户重新采集鼻纹图像。
60.206、当质量评分大于或者等于预设阈值时，从鼻纹图像中提取待识别宠物的鼻纹特征向量。
61.反之，如果该鼻纹图像的质量评分大于或者等于该预设阈值，则说明当前拍摄的鼻纹图像的质量较好，可以用于进行身份识别，则基于该鼻纹图像对待识别宠物的身份进行验证。
62.例如，基于预先训练好的特征提取网络从该鼻纹图像中提取待识别宠物的鼻纹特征向量。
63.其中，该特征提取网络包括多个依次连接的特征提取模块和一个全连接层，每一特征提取模块包括至少一个卷积层和至少一个池化层。第一个特征提取模块的输入数据为鼻纹图像，上一个特征提取模块输出的特征图数据为下一个特征提取模块的输入数据，最后一个特征提取模块输出得到特征图数据输入全连接层进行降维处理，展开为一个1
×
n的向量，即鼻纹特征向量。
64.207、分别计算鼻纹特征向量与数据库中存储的各宠物的基准特征向量之间的欧氏距离。
65.以宠物医院为例，对于已经注册登记的宠物，提取器鼻纹特征数据作为该宠物对应的基准特征向量，将其存储至数据库中。
66.对于待识别宠物，当获取到其鼻纹特征向量后，分别计算该鼻纹特征向量与数据
库中存储的各个宠物的基准特征向量之间的欧式距离。
67.208、当计算得到的欧式距离小于预设阈值时，将与鼻纹特征向量之间的欧式距离小于预设阈值的基准特征向量对应的宠物确定为目标宠物，并判定待识别宠物与目标宠物为同一宠物。
68.当计算得到的欧式距离小于预设阈值时，确定出与待识别宠物的鼻纹特征向量之间的欧式距离小于预设阈值的基准特征量，可以判定该基准特征向量对应的宠物与当前的待识别宠物为同一宠物，由于该基准特征向量对应的宠物是已经注册登记的宠物，则可以获知该待识别宠物的身份信息。
69.由上可知，本发明实施例提出的识别宠物身份的方法，对采集的鼻纹图像进行质量评价，当质量评分不满足要求时，指示用户重新采集鼻纹图像，而当质量评分满足要求时，从该鼻纹图像中提取鼻纹特征向量，通过计算该鼻纹特征向量与数据库中存储的各个宠物的基准特征向量之间的欧式距离，识别出该待识别宠物的身份信息，避免使用质量差的鼻纹图像进行鼻纹特征向量的提取和身份的识别，提高了宠物身份识别的准确度。
70.在一实施例中还提供一种识别宠物身份的装置。请参阅图4，图4为本技术实施例提供的识别宠物身份的装置300的结构示意图。其中该识别宠物身份的装置300应用于电子设备，该识别宠物身份的装置300包括图像获取模块301、质量评价模块302、信息提示模块303以及身份识别模块304，如下：
71.图像获取模块301，用于获取待识别宠物的脸部图像，并从所述脸部图像中获取鼻纹图像；
72.质量评价模块302，用于根据预设质量评价模型确定所述鼻纹图像的质量评分，其中，所述预设质量评价模型是根据样本鼻纹图像和对应的质量评分标签训练得到的；
73.信息提示模块303，用于当所述质量评分小于预设阈值时，输出未采集到鼻纹的提示信息；
74.身份识别模块304，用于当所述质量评分大于或者等于所述预设阈值时，根据所述鼻纹图像识别所述待识别宠物的身份。
75.在一些实施例中，所述预设质量评价模型包括特征提取网络和全连接层；质量评价模块302，用于根据所述特征提取网络对所述鼻纹图像进行特征提取处理，得到鼻纹特征图；将所述鼻纹特征图输入所述全连接层进行计算，得到所述鼻纹图像的质量评分。
76.在一些实施例中，所述质量评分为质量等级，所述全连接层包括多个预设质量等级；质量评价模块302，用于将所述鼻纹特征图输入所述全连接层进行计算，得到每一预设质量等级对应的概率值；将概率值最高的预设质量等级作为所述鼻纹图像的质量等级。
77.在一些实施例中，所述全连接层有多个，每一全连接层对应于一个质量评价维度；质量评价模块302，用于将所述鼻纹特征图输入每一质量评价维度对应的全连接层进行计算，得到每一质量评价维度对应的维度评分；根据所述多个质量评价维度的多个维度评分，确定所述鼻纹图像的质量评分。
78.在一些实施例中，质量评价模块302，用于获取每一所述质量评价维度对应的权重；根据每一所述质量评价维度对应的权重和所述维度评分，计算得到所述鼻纹图像的质量评分。
79.在一些实施例中，质量评价模块302，用于将所述多个质量评价维度的多个维度评
分中的最低维度评分，确定为所述鼻纹图像的质量评分。
80.在一些实施例中，身份识别模块304，用于当所述质量评分大于或者等于所述预设阈值时，从所述鼻纹图像中提取所述待识别宠物的鼻纹特征向量；
81.分别计算所述鼻纹特征向量与数据库中存储的各宠物的基准特征向量之间的欧氏距离；
82.当计算得到的欧式距离小于预设阈值时，将与所述鼻纹特征向量之间的欧式距离小于预设阈值的基准特征向量对应的宠物确定为目标宠物，并判定所述待识别宠物与所述目标宠物为同一宠物。
83.应当说明的是，本技术实施例提供的识别宠物身份的装置与上文实施例中的识别宠物身份的方法属于同一构思，通过该识别宠物身份的装置可以实现识别宠物身份的方法实施例中提供的任一方法，其具体实现过程详见识别宠物身份的方法实施例，此处不再赘述。
84.由上可知，本技术实施例提出的识别宠物身份的装置，获取待识别宠物的脸部图像，并从该脸部图像中获取鼻纹图像，根据预设质量评价模型确定该鼻纹图像的质量评分，该预设质量评价模型是根据样本鼻纹图像和对应的质量评分标签训练得到的，当确定的质量评分小于预设阈值时，输出未采集到鼻纹的提示信息，当质量评分大于或者等于该预设阈值时，根据鼻纹图像识别该待识别宠物的身份。采用本技术的方案，对采集的鼻纹图像进行质量评价，当质量评分不满足要求时，指示用户重新采集图像，而当质量评分满足要求时，才会进行身份识别，提高了的宠物身份识别的准确度。
85.本技术实施例还提供一种电子设备。所述电子设备可以是智能手机、平板电脑等设备。请参阅图5，图5为本技术实施例提供的电子设备的第一种结构示意图。电子设备400包括处理器401和存储器402。其中，处理器401与存储器402电性连接。
86.处理器401是电子设备400的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或调用存储在存储器402内的计算机程序，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。
87.存储器402可用于存储计算机程序和数据。存储器402存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器401通过调用存储在存储器402的计算机程序，从而执行各种功能应用以及数据处理。
88.在本实施例中，电子设备400中的处理器401会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器402中，并由处理器401来运行存储在存储器402中的计算机程序，从而实现各种功能：
89.获取待识别宠物的脸部图像，并从所述脸部图像中获取鼻纹图像；
90.根据预设质量评价模型确定所述鼻纹图像的质量评分，其中，所述预设质量评价模型是根据样本鼻纹图像和对应的质量评分标签训练得到的；
91.当所述质量评分小于预设阈值时，输出未采集到鼻纹的提示信息；
92.当所述质量评分大于或者等于所述预设阈值时，根据所述鼻纹图像识别所述待识别宠物的身份。
93.在一些实施例中，请参阅图6，图6为本技术实施例提供的电子设备的第二种结构示意图。电子设备400还包括：射频电路403、显示屏404、控制电路405、输入单元406、音频电
路407、传感器408以及电源409。其中，处理器401分别与射频电路403、显示屏404、控制电路405、输入单元406、音频电路407、传感器408以及电源409电性连接。
94.射频电路403用于收发射频信号，以通过无线通信与网络设备或其他电子设备进行通信。
95.显示屏404可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。
96.控制电路405与显示屏404电性连接，用于控制显示屏404显示信息。
97.输入单元406可用于接收输入的数字、字符信息或用户特征信息(例如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中，输入单元406可以包括指纹识别模组。
98.音频电路407可通过扬声器、传声器提供用户与电子设备之间的音频接口。其中，音频电路407包括麦克风。所述麦克风与所述处理器401电性连接。所述麦克风用于接收用户输入的语音信息。
99.传感器408用于采集外部环境信息。传感器408可以包括环境亮度传感器、加速度传感器、陀螺仪等传感器中的一种或多种。
100.电源409用于给电子设备400的各个部件供电。在一些实施例中，电源409可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
101.虽然图中未示出，电子设备400还可以包括摄像头、蓝牙模块等，在此不再赘述。
102.在本实施例中，电子设备400中的处理器401会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器402中，并由处理器401来运行存储在存储器402中的计算机程序，从而实现各种功能：
103.获取待识别宠物的脸部图像，并从所述脸部图像中获取鼻纹图像；
104.根据预设质量评价模型确定所述鼻纹图像的质量评分，其中，所述预设质量评价模型是根据样本鼻纹图像和对应的质量评分标签训练得到的；
105.当所述质量评分小于预设阈值时，输出未采集到鼻纹的提示信息；
106.当所述质量评分大于或者等于所述预设阈值时，根据所述鼻纹图像识别所述待识别宠物的身份。
107.由上可知，本技术实施例提供了一种电子设备，所述电子设备获取待识别宠物的脸部图像，并从该脸部图像中获取鼻纹图像，根据预设质量评价模型确定该鼻纹图像的质量评分，该预设质量评价模型是根据样本鼻纹图像和对应的质量评分标签训练得到的，当确定的质量评分小于预设阈值时，输出未采集到鼻纹的提示信息，当质量评分大于或者等于该预设阈值时，根据鼻纹图像识别该待识别宠物的身份。采用本技术的方案，对采集的鼻纹图像进行质量评价，当质量评分不满足要求时，指示用户重新采集图像，而当质量评分满足要求时，才会进行身份识别，提高了的宠物身份识别的准确度。
108.本技术实施例还提供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，当所述计算机程序在计算机上运行时，所述计算机执行上述任一实施例所述的识别宠物身份的方法。
109.需要说明的是，本领域普通技术人员可以理解上述实施例的各种方法中的全部或
部分步骤是可以通过计算机程序来指令相关的硬件来完成，所述计算机程序可以存储于计算机可读存储介质中，所述计算机可读存储介质可以包括但不限于：只读存储器(rom，read only memory)、随机存取存储器(ram，random access memory)、磁盘或光盘等。
110.此外，本技术中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是某些实施例还包括没有列出的步骤或模块，或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
111.以上对本技术实施例所提供的识别宠物身份的方法、装置、存储介质及电子设备进行了详细介绍。本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。