一种特征模板调整方法、装置、电子设备以及存储介质与流程

本技术涉及数据处理，特别是涉及一种特征模板调整方法、装置、电子设备以及存储介质。

背景技术：

1、在自动驾驶、安防监控以及智能家居等多种领域中均会涉及目标识别。为实现目标识别，需针对目标识别过程中使用的目标识别算法设置模板库，该模板库中存储有各目标的特征，可以将模板库中存储的特征称为目标的特征模板。

2、进行目标识别时，使用目标识别算法提取图像的特征，然后将所提取的特征与模板库中的特征模板进行匹配，将匹配成功的特征模板对应的目标作为目标识别的结果。

3、由以上过程可以看出，模板库中的特征模板对于快速、准确的完成目标识别具有重要的意义，而在实际场景中目标的特征又可能会发生变化，因此，需要提供一种特征模板调整方案，以对模块库中的特征模板进行调整。

技术实现思路

1、本技术实施例的目的在于提供一种特征模板调整方法、装置、电子设备以及存储介质，用以对模块库中的特征模板进行调整。具体技术方案如下：

2、根据本技术实施例的一方面，提供了一种特征模板调整方法，所述方法包括：

3、获得目标的特征模板录入到模板库的录入时长；

4、获得所述目标的特征模板的匹配次数，其中，所述匹配次数为：所述目标的特征模板成功与待进行目标识别的图像的特征匹配的次数；

5、基于所述匹配次数和录入时长，计算所述目标的特征模板的价值评分；

6、基于所述价值评分，对所述模板库中的特征模板进行调整。

7、本技术的一个实施例中，所述方法还包括：

8、获得所述目标的特征模板的质量评分；

9、所述基于所述匹配次数和录入时长，计算所述目标的特征模板的价值评分，包括：

10、基于所述质量评分、所述匹配次数和录入时长，计算所述目标的特征模板的价值评分。

11、本技术的一个实施例中，所述获得所述目标的特征模板的质量评分，包括：

12、基于原始图像质量评分和/或目标识别质量评分，计算所述目标的特征模板的质量评分，其中，所述原始图像质量评分表征用于生成所述目标的特征模板的原始图像的质量，所述目标识别质量评分表征使用所述目标的特征模板进行目标识别的质量。

13、本技术的一个实施例中，所述原始图像质量评分基于以下至少一种参数得到：

14、所述原始图像的清晰度、所述原始图像的分辨率、所述原始图像的噪声信息、所述原始图像色彩度、所述原始图像中目标的姿态、所述原始图像中目标的朝向；

15、和/或

16、所述目标识别质量评分基于以下至少一种参数得到：

17、所述特征模板的模板维度、使用所述特征模板识别到的目标的完整度。

18、本技术的一个实施例中，按照以下表达式计算所述质量评分：

19、q＝(b×p+c×o)/(b+c)

20、其中，q为所述质量评分，b和c为超参数，p为所述原始图像质量评分，o为所述目标识别质量评分。

21、本技术的一个实施例中，所述基于所述质量评分、所述匹配次数和录入时长，计算所述目标的特征模板的价值评分，包括：

22、按照以下表达式计算所述特征模板的价值评分：

23、v＝a×eq×(log(n+1))/(t+1)

24、其中，v为所述特征模板的价值评分，a为超参数，e为自然常数，q为所述质量评分，n为所述匹配次数，t为所述录入时长。

25、本技术的一个实施例中，所述基于所述价值评分，对所述模板库中的特征模板进行调整，包括：

26、基于所述价值评分，更新所述模板库中的特征模板；

27、和/或

28、基于所述价值评分，针对所述模板库中的特征模板进行排序。

29、根据本技术实施例的另一方面，提供了一种特征模板调整装置，所述装置包括：

30、录入时长获得模块，用于获得目标的特征模板录入到模板库的录入时长；

31、匹配次数获得模块，用于获得所述目标的特征模板的匹配次数，其中，所述匹配次数为：所述目标的特征模板成功与待进行目标识别的图像的特征匹配的次数；

32、价值评分计算模块，用于基于所述匹配次数和录入时长，计算所述目标的特征模板的价值评分；

33、模板调整模块，用于基于所述价值评分，对所述模板库中的特征模板进行调整。

34、本技术的一个实施例中，所述装置还包括：

35、质量评分获得模块，用于获得所述目标的特征模板的质量评分；

36、所述价值评分计算模块，具体用于基于所述质量评分、所述匹配次数和录入时长，计算所述目标的特征模板的价值评分。

37、本技术的一个实施例中，所述质量评分获得模块，具体用于基于原始图像质量评分和/或目标识别质量评分，计算所述目标的特征模板的质量评分，其中，所述原始图像质量评分表征用于生成所述目标的特征模板的原始图像的质量，所述目标识别质量评分表征使用所述目标的特征模板进行目标识别的质量。

38、本技术的一个实施例中，所述原始图像质量评分基于以下至少一种参数得到：

39、所述原始图像的清晰度、所述原始图像的分辨率、所述原始图像的噪声信息、所述原始图像色彩度、所述原始图像中目标的姿态、所述原始图像中目标的朝向；

40、和/或

41、所述目标识别质量评分基于以下至少一种参数得到：

42、所述特征模板的模板维度、使用所述特征模板识别到的目标的完整度。

43、本技术的一个实施例中，所述质量评分获得模块，具体用于按照以下表达式计算所述质量评分：

44、q＝(b×p+c×o)/(b+c)

45、其中，q为所述质量评分，b和c为超参数，p为所述原始图像质量评分，o为所述目标识别质量评分。

46、本技术的一个实施例中，所述价值评分计算模块，具体用于按照以下表达式计算所述特征模板的价值评分：

47、v＝a×eq×(log(n+1))/(t+1)

48、其中，v为所述特征模板的价值评分，a为超参数，e为自然常数，q为所述质量评分，n为所述匹配次数，t为所述录入时长。

49、本技术的一个实施例中，所述模板调整模块，具体用于：

50、基于所述价值评分，更新所述模板库中的特征模板；

51、和/或

52、基于所述价值评分，针对所述模板库中的特征模板进行排序。

53、根据本技术实施例的再一方面，提供了一种电子设备，包括：

54、存储器，用于存放计算机程序；

55、处理器，用于执行存储器上所存放的程序时，实现上述任一特征模板调整方法。

56、根据本技术实施例的又一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行上述任一特征模板调整方法。

57、根据本技术实施例的又一方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一特征模板调整方法。

58、本技术实施例有益效果：

59、由以上可见，本技术实施例提供的方案中，基于目标的特征模板录入到模板库的录入时长和特征模板成功与待进行目标识别的图像的特征匹配的匹配次数，计算该特征模板的价值评分。因为在计算特征模板的价值评分时考虑了录入时长的这一维度，所以，计算得到的价值评分能够表征目标的特征与特征模板之间随时间推移产生的差异度，并且，又因为在计算价值评分时考虑了匹配次数的这一维度，所以，计算得到的价值评分也能够表征特征模板针对该目标的代表性。综上，基于特征模板的多个维度的信息计算得到的价值评分能够表征反应特征模板的优劣。进而，基于上述价值评分，能够更合理的对模板库中的特征模板进行调整。

60、又因为，调整后的模板库中的特征模板更加合理，在基于调整后的模板库进行目标识别时，能够提高目标识别的效率和准确度。

61、当然，实施本技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。