对象的匹配方法、计算机可读存储介质及计算机设备

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN114743135A

(43)申请公布日2022.07.12

(21)申请号202210325654.6G06K9/62(2022.01)

G06N3/04(2006.01)

(22)申请日2022.03.30

G06N3/08(2006.01)

(71)申请人阿里云计算有限公司

地址310024浙江省杭州市西湖区转塘科

技经济区块12号

(72)发明人计茜傅文林李娟娟邓自立

吴翰清

(74)专利代理机构北京博浩百睿知识产权代理

有限责任公司11134

专利代理师谢湘宁李静茹

(51)Int.CI.

G06V20/40(2022.01)

G06V10/764(2022.01)

G06V70/82(2022.01)

G06V10/766(2022.01)

权利要求书3页说明书17页附图4页

(54)发明名称

对象的匹配方法、计算机可读存储介质及计

算机设备

(57)摘要

本发明公开了一种对象的匹配方法、计算机

可读存储介质及计算机设备。其中，该方法包括:

获取第一图像的第一描述信息和第二图像的第

二描述信息，其中，第一图像中包括第一对象，第

二图像中包括第二对象，第一描述信息和第二描

述信息场景环境信息和对象信息;基于第一描述

信息和第二描述信息,确定第一描述信息和第二

描述信息之间的目标关联关系;基于目标关联关

系确定第一对象和第二对象相匹配的目标概率。

本发明解决了图像质量差的情况下对象匹配的

成功率较低的技术问题。

v

9

m

l

g

CN114743135A权利要求书1/3页

1.一种对象的匹配方法，其特征在于，包括：

获取第一图像的第一描述信息和第二图像的第二描述信息，其中，所述第一图像中包

括第一对象，所述第二图像中包括第二对象，所述第一描述信息包括:所述第一对象的第一

场景环境信息以及所述第一对象的第一对象信息，所述第二描述信息包括:所述第二对象

的第二场景环境信息以及所述第二对象的第二对象信息；

基于所述第一描述信息和所述第二描述信息，确定所述第一描述信息和所述第二描述

信息之间的目标关联关系，其中，所述目标关联关系包括以下关联关系至少之一:所述第一

场景环境信息与所述第二场景环境信息之间的关联关系，所述第一场景环境信息与所述第

二对象信息之间的关联关系，所述第一对象信息与所述第二场景环境信息之间的关联关

系，所述第一对象信息与所述第二对象信息之间的关联关系；

基于所述目标关联关系确定所述第一对象和所述第二对象相匹配的目标概率。

2.根据权利要求1所述的方法，其特征在于，所述第一场景环境信息，所述第二场景环

境信息包括以下至少之一:时间信息，位置信息，空间信息，天气信息;所述第一对象信息,

所述第二对象信息包括:对象属性信息,对象关联物品信息。

3.根据权利要求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，确定所述第一描述信息和所述第二描述信息之间的目标关联关系,包括：

根据所述第一描述信息，确定拍摄所述第一图像的第一时间和所述第一对象所处的第

一位置；

根据所述第二描述信息，确定拍摄所述第二图像的第二时间和所述第二对象所处的第

二位置；

基于所述第一时间、所述第一位置、所述第二时间以及所述第二位置，确定在所述第一

时间和所述第二时间的时间差内由所述第一位置移动至所述第二位置的移动速度；

基于所述移动速度确定所述第一对象和所述第二对象的时空关联关系为所述目标关

联关系。

4.根据权利要求3所述的方法，其特征在于，所述基于所述目标关联关系确定所述第一

对象和所述第二对象相匹配的目标概率,包括：

基于所述第一描述信息和所述第二描述信息，确定所述第一对象和所述第二对象的运

动方式；

获取与所述运动方式对应的速度统计分布，基于所述速度统计分布与所述移动速度,

确定所述第一对象与所述第二对象相匹配的所述目标概率。

5.根据权利要求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，确定所述第一描述信息和所述第二描述信息之间的目标关联关系,包括：

基于所述第一对象信息，获取所述第一对象的第一二分类属性，以及基于所述第二对

象信息，获取所述第二对象的第二二分类属性，其中，所述第一二分类属性与所述第二二分

类属性一一对应；

基于所述第一二分类属性与所述第二二分类属性，确定所述第一对象与所述第二对象

之间的二分类属性关联关系为所述目标关联关系。

6.根据权利要求5所述的方法，其特征在于，所述基于所述目标关联关系确定所述第一

对象和所述第二对象相匹配的目标概率,包括：

2

CN114743135A权利要求书2/3页

采用决策树处理所述第一对象与所述第二对象之间的二分类属性关联关系，得到所述

第一对象与所述第二对象匹配的所述目标概率。

7.根据权利要求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，确定所述第一描述信息和所述第二描述信息之间的目标关联关系,包括：

获取所述第一描述信息和所述第二描述信息的对象匹配特征对；

确定所述对象匹配特征对的基础匹配概率为所述第一描述信息和所述第二描述信息

之间的所述目标关联关系。

8.根据权利要求7所述的方法，其特征在于，基于所述目标关联关系确定所述第一对象

和所述第二对象相匹配的目标概率，包括：

获取所述对象匹配特征对的特征置信度；

基于所述对象匹配特征对的基础匹配概率，以及所述对象匹配特征对的所述特征置信

度，确定所述第一对象与所述第二对象相匹配的所述目标概率。

9.根据权利要求1所述的方法，其特征在于，基于所述目标关联关系确定所述第一对象

和所述第二对象相匹配的目标概率，包括：

在包括多个所述目标关联关系的情况下，确定与多个所述目标关联关系一一对应的多

个第一概率；

基于多个所述第一概率,确定所述第一对象和所述第二对象相匹配的目标概率。

10.根据权利要求9所述的方法，其特征在于，所述基于多个所述第一概率，确定所述第

一对象和所述第二对象相匹配的目标概率，包括：

分别为多个所述第一概率分配多个权重；

基于多个所述第一概率和多个所述权重,确定所述目标概率。

11.根据权利要求10所述的方法，其特征在于，所述分别为多个所述第一概率分配多个

权重,包括：

获取多组训练样本，其中，每组所述训练样本包括两张图像、每张图像各自的描述信息

以及标注结果，其中，所述标注结果为所述两张图像中的对象是否匹配；

基于所述多组训练样本进行训练，得到逻辑回归模型中为多个所述第一概率分配的多

个权重。

12.根据权利要求1至11中任意一项所述的方法，其特征在于，还包括：

获取所述第一对象和所述第二对象的第一聚类结果，其中，所述第一聚类结果为所述

第一对象和所述第二对象的图像特征向量的聚类结果；

基于所述目标概率，修正所述第一聚类结果，得到所述第一对象和所述第二对象的第

二聚类结果。

13.一种对象的匹配方法，其特征在于，包括：

响应于获取指令，获取第一图像的第一描述信息和第二图像的第二描述信息，其中，所

述第一图像中包括第一对象，所述第二图像中包括第二对象，所述第一描述信息包括:所述

第一对象的第一场景环境信息以及所述第一对象的第一对象信息，所述第二描述信息包

括:所述第二对象的第二场景环境信息以及所述第二对象的第二对象信息；

展示所述第一对象和所述第二对象相匹配的目标概率，其中，所述目标概率根据所述

第一描述信息和所述第二描述信息之间的目标关联关系确定的，所述目标关联关系基于所

3

CN114743135A权利要求书3/3页

述第一描述信息和所述第二描述信息确定，其中，所述目标关联关系包括以下关联关系至

少之一:所述第一场景环境信息与所述第二场景环境信息之间的关联关系,所述第一场景

环境信息与所述第二对象信息之间的关联关系,所述第一对象信息与所述第二场景环境信

息之间的关联关系，所述第一对象信息与所述第二对象信息之间的关联关系。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程

序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至13中

任意一项所述的对象的匹配方法。

15.一种计算机设备，其特征在于，包括:存储器和处理器，

所述存储器存储有计算机程序；

所述处理器，用于执行所述存储器中存储的计算机程序,所述计算机程序运行时使得

所述处理器执行权利要求1至13中任意一项所述的对象的匹配方法。

4

CN114743135A说明书1/17页

对象的匹配方法'计算机可读存储介质及计算机设备

技术领域

[0001]本发明涉及图像识别领域，具体而言，涉及一种对象的匹配方法、计算机可读存储

介质及计算机设备。

背景技术

[0002]在图像匹配场景下，针对摄像头产出的视频流，会进行视频流中的一些对象进行

匹配聚类，基于匹配聚类结果进行进一步的动作以满足一些需求。例如，对于人脸检测来

说,针对视频流中的图像，可以对图像中的人脸进行匹配或者聚类，进而确定多个人脸图像

是否属于同一个人，然后根据聚类匹配结果为用户提供其他业务服务。

[0003]然而，上述匹配聚类的相关技术是将人脸图像输入行人重识别的深度学习模型，

从人脸图像中获取到人脸特征向量，然后针对此特征向量进行聚类。但上述人脸特征向量

的聚类会受限于人脸图片的图像质量以及拍照的环境因素影响，例如受限于人脸图像质量

差的情况可以包括人脸图片质量模糊或人脸图像的面积过小，人脸在图像中的倾斜角度大

等因素。在上述图像条件下，存在对象的匹配和聚类效果不好的问题。

[0004]针对上述的问题，目前尚未提出有效的解决方案。

发明内容

[0005]本发明实施例提供了一种对象的匹配方法、计算机可读存储介质及计算机设备，

以至少解决图像质量差的情况下对象匹配的成功率较低的技术问题。

[0006]根据本发明实施例的一个方面，提供了一种对象的匹配方法,包括:获取第一图像

的第一描述信息和第二图像的第二描述信息，其中，所述第一图像中包括第一对象,所述第

二图像中包括第二对象，所述第一描述信息包括:所述第一对象的第一场景环境信息以及

所述第一对象的第一对象信息，所述第二描述信息包括:所述第二对象的第二场景环境信

息以及所述第二对象的第二对象信息；基于所述第一描述信息和所述第二描述信息，确定

所述第一描述信息和所述第二描述信息之间的目标关联关系，其中，所述目标关联关系包

括以下关联关系至少之一:所述第一场景环境信息与所述第二场景环境信息之间的关联关

系，所述第一场景环境信息与所述第二对象信息之间的关联关系，所述第一对象信息与所

述第二场景环境信息之间的关联关系，所述第一对象信息与所述第二对象信息之间的关联

关系;基于所述目标关联关系确定所述第一对象和所述第二对象相匹配的目标概率。

[0007]可选地，所述第一场景环境信息,所述第二场景环境信息包括以下至少之一:时间

信息，位置信息，空间信息，天气信息;所述第一对象信息，所述第二对象信息包括:对象属

性信息，对象关联物品信息。

[0008]可选地，所述基于所述第一描述信息和所述第二描述信息，确定所述第一描述信

息和所述第二描述信息之间的目标关联关系，包括:根据所述第一描述信息,确定拍摄所述

第一图像的第一时间和所述第一对象所处的第一位置;根据所述第二描述信息，确定拍摄

所述第二图像的第二时间和所述第二对象所处的第二位置;基于所述第一时间、所述第一

5

CN114743135A说明书2/17页

位置、所述第二时间以及所述第二位置，确定在所述第一时间和所述第二时间的时间差内

由所述第一位置移动至所述第二位置的移动速度;基于所述移动速度确定所述第一对象和

所述第二对象的时空关联关系为所述目标关联关系。

[0009]可选地，所述基于所述目标关联关系确定所述第一对象和所述第二对象相匹配的

目标概率，包括:基于所述第一描述信息和所述第二描述信息,确定所述第一对象和所述第

二对象的运动方式;获取与所述运动方式对应的速度统计分布，基于所述速度统计分布与

所述移动速度，确定所述第一对象与所述第二对象相匹配的所述目标概率。

[0010]可选地，所述基于所述第一描述信息和所述第二描述信息，确定所述第一描述信

息和所述第二描述信息之间的目标关联关系，包括:基于所述第一对象信息,获取所述第一

对象的第一二分类属性，以及基于所述第二对象信息,获取所述第二对象的第二二分类属

性，其中，所述第一二分类属性与所述第二二分类属性一一对应;基于所述第一二分类属性

与所述第二二分类属性，确定所述第一对象与所述第二对象之间的二分类属性关联关系为

所述目标关联关系。

[0011]可选地，所述基于所述目标关联关系确定所述第一对象和所述第二对象相匹配的

目标概率，包括:采用决策树处理所述第一对象与所述第二对象之间的二分类属性关联关

系，得到所述第一对象与所述第二对象匹配的所述目标概率。

[0012]可选地，所述基于所述第一描述信息和所述第二描述信息，确定所述第一描述信

息和所述第二描述信息之间的目标关联关系，包括:获取所述第一描述信息和所述第二描

述信息的对象匹配特征对;确定所述对象匹配特征对的基础匹配概率为所述第一描述信息

和所述第二描述信息之间的所述目标关联关系。

[0013]可选地，基于所述目标关联关系确定所述第一对象和所述第二对象相匹配的目标

概率,包括:获取所述对象匹配特征对的特征置信度;基于所述对象匹配特征对的基础匹配

概率，以及所述对象匹配特征对的所述特征置信度，确定所述第一对象与所述第二对象相

匹配的所述目标概率。

[0014]可选地，基于所述目标关联关系确定所述第一对象和所述第二对象相匹配的目标

概率，包括:在包括多个所述目标关联关系的情况下，确定与多个所述目标关联关系一一对

应的多个第一概率;基于多个所述第一概率，确定所述第一对象和所述第二对象相匹配的

目标概率。

[0015]可选地，所述基于多个所述第一概率，确定所述第一对象和所述第二对象相匹配

的目标概率，包括:分别为多个所述第一概率分配多个权重;基于多个所述第一概率和多个

所述权重，确定所述目标概率。

[0016]可选地，所述分别为多个所述第一概率分配多个权重,包括:获取多组训练样本,

其中，每组所述训练样本包括两张图像、每张图像各自的描述信息以及标注结果，其中，所

述标注结果为所述两张图像中的对象是否匹配;基于所述多组训练样本进行训练,得到逻

辑回归模型中为多个所述第一概率分配的多个权重。

[0017]可选地，上述方法还包括:获取所述第一对象和所述第二对象的第一聚类结果，其

中，所述第一聚类结果为所述第一对象和所述第二对象的图像特征向量的聚类结果；基于

所述目标概率，修正所述第一聚类结果,得到所述第一对象和所述第二对象的第二聚类结

果。

6

CN114743135A说明书3/17页

[0018]根据本发明实施例的另一方面，还提供了一种对象的匹配方法，包括:响应于获取

指令，获取第一图像的第一描述信息和第二图像的第二描述信息，其中，所述第一图像中包

括第一对象，所述第二图像中包括第二对象，所述第一描述信息包括:所述第一对象的第一

场景环境信息以及所述第一对象的第一对象信息，所述第二描述信息包括:所述第二对象

的第二场景环境信息以及所述第二对象的第二对象信息;展示所述第一对象和所述第二对

象相匹配的目标概率，其中，所述目标概率根据所述第一描述信息和所述第二描述信息之

间的目标关联关系确定的，所述目标关联关系基于所述第一描述信息和所述第二描述信息

确定，其中，所述目标关联关系包括以下关联关系至少之一:所述第一场景环境信息与所述

第二场景环境信息之间的关联关系，所述第一场景环境信息与所述第二对象信息之间的关

联关系，所述第一对象信息与所述第二场景环境信息之间的关联关系，所述第一对象信息

与所述第二对象信息之间的关联关系。

[0019]根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机

可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所

在设备执行上述任意一项所述的对象的匹配方法。

[0020]根据本发明实施例的另一方面，还提供了一种计算机设备，包括：存储器和处理

器，所述存储器存储有计算机程序;所述处理器，用于执行所述存储器中存储的计算机程

序,所述计算机程序运行时使得所述处理器执行上述任意一项所述的对象的匹配方法。

[0021]在本发明实施例中，通过获取第一图像的第一描述信息和第二图像的第二描述信

息，其中，所述第一图像中包括第一对象，所述第二图像中包括第二对象;基于所述第一描

述信息和所述第二描述信息，确定所述第一描述信息和所述第二描述信息之间的目标关联

关系;基于所述目标关联关系确定所述第一对象和所述第二对象相匹配的目标概率，达到

了高效、准确地确定图像中的对象是否匹配的目的，从而实现了提高低质量图像中的对象

匹配成功率的技术效果，进而解决了图像质量差的情况下对象匹配的成功率较低的技术问

题。

附图说明

[0022]此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发

明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

[0023]图1示出了一种用于实现对象的匹配方法的计算机终端的硬件结构框图；

[0024]图2是根据本发明实施例的对象的匹配方法一的流程图；

[0025]图3是根据本发明可选实施方式提供的人脸聚类方法的流程图；

[0026]图4是根据本发明实施例的对象的匹配方法二的流程图；

[0027]图5是根据本发明实施例的对象的匹配装置的结构框图；

[0028]图6是根据本发明实施例的一种计算机设备的结构框图。

具体实施方式

[0029]为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的

附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是

本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例，本领域普通技术人

7

CN114743135A说明书4/17页

员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范

围。

[0030]需要说明的是，本发明的说明书和权利要求书及上述附图中的术语•“第一”、“第

二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用

的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或

描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆

盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于

清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品

或设备固有的其它步骤或单元。

[0031]实施例1

[0032]根据本发明实施例，还提供了一种对象的匹配方法的实施例，需要说明的是，在附

图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并月.，虽

然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出

或描述的步骤。

[0033]本申请实施例1所提供的方法实施例可以在移动终端、计算机终端或者类似的运

算装置中执行。图1示出了一种用于实现对象的匹配方法的计算机终端的硬件结构框图。如

图1所示，计算机终端10可以包括一个或多个处理器（图中采用102a、102b,……，102n来示

出，处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）、用于存

储数据的存储器104、以及用于通信功能的传输装置。除此以外，还可以包括:显示器、输入/

输出接口（I/O接口）、通用串行总线（USB）端口（可以作为BUS总线的端口中的一个端口被包

括）、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，

其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或

者更少的组件，或者具有与图1所示不同的配置。

[0034]应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可

以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其

他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机

终端10中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作

为一种处理器控制（例如与接口连接的可变电阻终端路径的选择）。

[0035]存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的对象

的匹配方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器104内的软件程

序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的对象的匹配

方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性

存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相

对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端10。上述

网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

[0036]传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算

机终端10的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器

（NetworkInterfaceController,NIC）,其可通过基站与其他网络设备相连从而可与互联

网进行通讯。在一个实例中，传输装置可以为射频（RadioFrequency,RF）模块，其用于通过

8

CN114743135A说明书5/17页

无线方式与互联网进行通讯。

[0037]显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与

计算机终端10的用户界面进行交互。

[0038]在上述运行环境下，本申请提供了如图2所示的对象的匹配方法一。图2是根据本

发明实施例的对象的匹配方法一的流程图，该方法包括如下步骤：

[0039]步骤S202,获取第一图像的第一描述信息和第二图像的第二描述信息，其中，第一

图像中包括第一对象，第二图像中包括第二对象，第一描述信息包括:第一对象的第一场景

环境信息以及第一对象的第一对象信息，第二描述信息包括:第二对象的第二场景环境信

息以及第二对象的第二对象信息。

[0040]本步骤中，第一图像和第二图像可以为从一个摄像头产出的视频流中截取的图

像，也可以为从不同摄像头产出的视频流中分别截取的图像。第一对象和第二对象可以为

第一图像中的人和第二图像中的人，但是在执行上述对象的匹配方法一之前还无法判断这

两个人是否为同一个人。

[0041]需要说明的是，第一描述信息和第二描述信息为描述与第一对象和第二对象相关

的物理特征、环境特征以及常识特征的信息，而不是第一对象以及第二对象的图像的向量

特征。传统的人脸向量聚类方法例如最邻近分类算法KNN、图神经网络算法GCN,都需要从原

始图像上提取图像的向量特征，然后经过复杂的数学计算以及深度学习模型处理这些图像

向量特征，输出两个图像的匹配或者聚类结果,这种方式计算复杂且对原始图像的图像质

量要求很高,在图像质量低时匹配的准确率不高。本实施例采用第一描述信息和第二描述

信息来反映与第一图像和第二图像中的第一对象和第二对象相关联的一些特征，第一描述

信息包括第一对象的第一场景环境信息以及第一对象的第一对象信息，第二描述信息包括

第二对象的第二场景环境信息以及第二对象的第二对象信息。其中，第一场景环境信息以

及第二场景环境信息可以是分别描述第一图像以及第二图像中的对象以外的场景环境情

况的信息，例如，可以是第一图像中的第一对象位于城市还是乡村、小区门口还是医院门

口、天气是晴天还是下雨这样的信息，同理第二场景环境信息可以用于描述第二图像中的

第二对象所处的场景和环境的上述方面的信息。此外，第一对象信息以及第二对象信息可

以分别用于描述图像中与第一对象与第二对象直接相关的生物信息,例如第一对象和第二

对象的身高，也可以是与第一对象与第二对象直接相关的非生物信息,例如社会属性信息、

服貌信息，例如第一对象和第二对象的服装颜色、是否打伞等。这些与对象相关的物理特征

容易获取，在图像质量不高例如图像不清晰的情况下依然可以准确获取到，采用这些描述

信息对第一对象和第二对象的匹配概率进行计算，可以规避图像质量不佳导致的匹配结果

不准确的问题。

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

息之间的目标关联关系，其中，目标关联关系包括以下关联关系至少之一:第一场景环境信

息与第二场景环境信息之间的关联关系，第一场景环境信息与第二对象信息之间的关联关

系，第一对象信息与第二场景环境信息之间的关联关系，第一对象信息与第二对象信息之

间的关联关系。

[0043]本步骤中，由于第一描述信息用于描述与第一对象相关的特征，第二描述信息用

于描述与第二对象相关的特征，因此通过处理第一描述信息和第二描述信息得到两者之间

9

CN114743135A说明书6/17页

的目标关联关系，可以以此推断第一对象与第二对象之间的关联关系，例如推断第一对象

和第二对象之间是否匹配。其中，目标关联关系可以包括第一描述信息和第二描述信息中

的同一类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类信

息不一致的情况下，第一对象与第二对象匹配且上述不一致的同一类信息对应的特征发生

变化的概率大小。

[0044]例如，目标关联关系可以包括以下具体实例：第一对象的身高与第二对象的身高

是否匹配;第一对象的身材特征与第二对象的服装的身材属性是否匹配，服装的身材属性

为服装是否具有典型的胖瘦特征或者其他男装或者女装的特征。通过广泛的考察第一描述

信息与第二描述信息中的各条具体信息之间的目标关联关系,可以更加精准地得出第一对

象与第二对象是否匹配为同一个人的概率。

[0045]步骤S206，基于目标关联关系确定第一对象和第二对象相匹配的目标概率。

[0046]可选地，可以预设一些概率生成公式或者概率生成规则，以将第一描述信息与第

二描述信息之间的目标关联关系转化为目标概率，例如预先确定规则：若由描述信息确定

第一对象和第二对象的身高不匹配，则第一对象和第二对象匹配的目标概率为0%。此外,

第一对象与第二对象匹配可以包括第一对象与第二对象在客观上是同一个对象。例如，在

第一对象和第二对象都是人的情况下，第一对象和第二对象匹配即第一图像和第二图像上

的人为同一个人。

[0047]通过上述步骤，达到了高效、准确地确定图像中的对象是否匹配的目的，从而实现

了提高低质量图像中的对象匹配成功率的技术效果，进而解决了图像质量差的情况下对象

匹配的成功率较低的技术问题。

[0048]作为一种可选的实施例，第一场景环境信息，第二场景环境信息可以包括以下至

少之一:时间信息，位置信息，空间信息，天气信息;第一对象信息，第二对象信息包括:对象

属性信息，对象关联物品信息。其中，时间信息可以是第一图像或第二图像的拍摄时间;位

置信息可以是拍摄第一图像或第二图像的摄像机所在的位置坐标，也可以是第一图像上的

第一对象或者第二图像上的第二对象所在的位置坐标;空间信息可以是第一对象或第二对

象所处的空间的场景、环境信息，例如第一对象所处的北京环境是商场，图像上的场景是第

一对象正在商场的商店内浏览商品；天气信息即当对象位于室外时图像上能够表现出来的

天气信息。对象属性信息可以是对象的生物属性信息或者其他类型的直接描述对象本身的

信息，例如，对象属性信息可以是对象的身高范围、年龄范围、肤色、体型等,也可以是对象

是否戴眼镜、是否戴帽子、服装类型、服装风格、服装颜色、是否打伞、是否戴手表、是否戴口

罩等于对象关联的物品的信息。通过上述信息，可以全面评估第一对象与第二对象匹配的

可能性，目上述场景环境信息和对象信息不依赖图像的质量,采用质量较低的图像也能得

到较为准确的两个对象之间的聚类匹配概率,可以提高低质量图像的对象匹配准确率。

[0049]作为一种可选的实施例,基于第一描述信息和第二描述信息，确定第一描述信息

和第二描述信息之间的目标关联关系，可以采用如下方式:根据第一描述信息，确定拍摄第

一图像的第一时间和第一对象所处的第一位置;根据第二描述信息，确定拍摄第二图像的

第二时间和第二对象所处的第二位置;基于第一时间、第一位置、第二时间以及第二位置,

确定在第一时间和第二时间的时间差内由第一位置移动至第二位置的移动速度;基于移动

速度确定第一对象和第二对象的时空关联关系为目标关联关系。

10

CN114743135A说明书7/17页

[0050]本可选的实施例中，时空关联关系可以描述同一个对象既处于第一对象所处的时

空，又处于第二对象所处的时空的可能性。其中，时空表示时间和空间位置，第一对象所处

的时空即第一对象在被拍摄下第一图像时的第一时间以及此时第一对象所处的第一位置,

第二对象对应的第二时间以及第二位置同理可得。可以理解的是，对于步行的人来说，由于

其步速有限，因此其不可能在短时间内通过步行到达很远的位置。因此第一对象和第二对

象各自所处的时空信息可以用来估计第一对象和第二对象为同一个人的可能性的大小。可

选地,移动速度可以为估计获得的同一个对象由第一对象所处的时空运动到第二对象所处

的时空（若第二时间小于第一时间，则为由第二对象所处的时空运动到第一对象所处的时

空）所需要的速度，该速度可以用过如下公式确定：

[0051]移动速度=（第一位置与第二位置之间的距离）/|第一时间-第二时间|

[0052]可以理解的，上述移动速度为对象从第一位置移动到第二位置所需要的最低速

度。若结合包括第一位置和第二位置的地图，可以获取第一位置至第二位置的多条可行运

动轨迹，此时第一位置与第二位置之间的距离可以为多条可行运动轨迹对应距离的平均值

或者其中的最小值。

[0053]作为一种可选的实施例,可以通过如下方式确定第一对象和第二对象相匹配的目

标概率:基于第一描述信息和第二描述信息，确定第一对象和第二对象的运动方式;获取与

运动方式对应的速度统计分布，基于速度统计分布与移动速度，确定第一对象与第二对象

相匹配的目标概率。

[0054]可以理解的是，同样的移动速度对于不同运动方式的对象来说，其合理性不同。例

如，正常人类的步行速度为5km/h左右，慢跑速度在10km/h左右，城市中的汽车的正常行驶

速度在40-60km/h之间。若第一对象和第二对象均为步行状态,但是计算得到的第一对象运

动至第二对象的移动速度为50km/h,则可以认为第一对象和对象为同一个对象的可能性很

低，即在第一图像与第二图像的时间差内，第一对象不太可能通过步行的方式到达第二对

象所处的位置。若第一对象和第二对象均为乘车状态,且计算得到的第一对象运动至第二

对象的移动速度为50km/h,则可以认为第一对象和对象为同一个对象的可能性相对更高。

[0055]进一步地,可以通过如下可选的实施方式根据运动方式以及移动速度确定目标概

率:获取不同的运动方式对应的速度统计分布，上述速度统计分布已预先经过标准化处理;

然后，比照移动速度在速度统计分布上的位置，得到速度统计分布上的该最低速度对应的

概率值，即为目标概率。通过如上实施方式,可以更合理地确定移动速度对应的目标概率,

提高确定第一对象和第二对象的匹配概率的准确性。

[0056]作为一种可选的实施例,基于第一描述信息和第二描述信息，确定第一描述信息

和第二描述信息之间的目标关联关系，包括:基于第一对象信息，获取第一对象的第一二分

类属性，以及基于第二对象信息，获取第二对象的第二二分类属性，其中，第一二分类属性

与第二二分类属性一一对应;基于第一二分类属性与第二二分类属性，确定第一对象与第

二对象之间的二分类属性关联关系为目标关联关系。

[0057]需要说明的是，二分类属性为第一对象或第二对象的物理特征或者物理属性，该

类型的属性或特征仅有两种结果，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。基于二分类属性确定的第一描述信息与第二描述信息之间的关系即为二分类属性关

联关系。依据二分类属性进行匹配判断的可靠性很强，若二分类属性标注正确，则可以明显

11

CN114743135A说明书8/17页

降低聚类匹配错误的概率。

[0058]作为一种可选的实施例，基于目标关联关系确定第一对象和第二对象相匹配的目

标概率，可以采用决策树处理第一对象与第二对象之间的二分类属性关联关系，得到第一

对象与第二对象匹配的目标概率。可选的，目标概率可以为100%或者0%中的一个。例如，

可以将决策树的根结点设置为第一对象和第二对象的年龄是否相同，若相同，则进入叶结

点继续判断，若否，则输出第一对象与第二对象相同的概率为0%。当所有的二分类属性关

联关系均判断完毕并且所有二分类属性关联关系均为一致的情况下，可以输出目标概率为

100%,否则的话输出目标概率为0%。

[0059]作为一种可选的实施例,基于第一描述信息和第二描述信息，确定第一描述信息

和第二描述信息之间的目标关联关系，还可以采用如下方式:获取第一描述信息和第二描

述信息的对象匹配特征对;确定对象匹配特征对的基础匹配概率为第一描述信息和第二描

述信息之间的目标关联关系。本可选的实施例中，对象匹配特征对可以是与目标关联关系

对应的一对第一描述信息与第二描述信息，例如，可以是一对场景环境信息，也可以是一对

对象信息，该特征对用于确定对象之间的匹配概率，因此可以称为对象匹配特征对。

[0060]此外，每一对象匹配特征对还可以对应一条匹配规则，用于在不考虑第一图像和

第二图像之间的其他描述信息的情况下确定第一对象和第二对象匹配的概率，即确定第一

对象和第二对象的基础匹配概率。例如，与对象匹配特征对对应的匹配规则可以为根据对

象是否戴口罩判断对象是否匹配的规则。当一对对象匹配特征对包括第一对象戴口罩且第

二对象戴口罩这样一对描述信息时，可以根据上述匹配规则生成一个基础匹配概率作为判

断第一对象与第二对象是否匹配的目标概率。需要说明的是,上述基础匹配概率的生成过

程不参考对象匹配特征对以外的其他信息。

[0061]作为一种可选的实施例,基于目标关联关系确定第一对象和第二对象相匹配的目

标概率还可以首先获取对象匹配特征对的特征置信度;然后基于对象匹配特征对的基础匹

配概率，以及对象匹配特征对的特征置信度，确定第一对象与第二对象相匹配的目标概率。

[0062]通过本可选的实施例，可以为不同的对象匹配判断规则引入置信度，以调整整个

对象匹配判断方法的结果准确率。例如，在第一对象和第二对象都为人的情况下，第一对象

和第二对象所处的位置都是小区的出入口且都为步行,这一对象匹配特征在一般情况下并

不具备很强的说服力，因为不同的对象都可能出现在小区出入口。但是若引入其他场景环

境信息，发现第一图像和第二图像的拍摄时间很接近且图像场景都是瓢泼大雨，此时一般

不会有人步行出入小区，那么此时第一对象和第二对象所处的位置都是小区的出入口且都

为步行这一对象匹配特征对可以更加有力的支持第一对象和第二对象为同一个人这一结

果，此时，可以基于场景信息为该对象匹配特征对分配更高的特征置信度。需要说明的是,

特征置信度的取值范围为0%TOO%。

[0063]又例如，在正常场景下，人们在室内不会戴口罩，而疫情场景下，大多数人在商场

这种室内环境中都会戴口罩，因此第一对象与第二对象都戴口罩这一特征的置信度在不同

的场景中不同，此时基于第一图像和第二图像的场景环境信息，可以为这一对象匹配特征

对分配不同的特征置信度。此时，可以将基础匹配概率与特征置信度相乘，得到第一对象与

第二对象相匹配的目标概率。在本可选的实施例提供的方法中，通过将更多的参考信息纳

入概率计算中，可以大大提高目标概率的合理性，提高目标概率的准确性。

12

CN114743135A说明书9/17页

[0064]还例如，若一组对象匹配特征对为第一对象和第二是否打伞，且第一对象和第二

对象都打伞了，则首先可以确定该对象匹配特征对对应的第一对象与第二对象相匹配的基

础匹配概率为100%,然而基于场景环境信息可以得知第一图像和第二图像均为雨天场景,

此时外出的人都会打伞，基于此确定该对象匹配特征对对应的特征置信度为50%,那么综

合考虑得到该对象匹配特征对应的第四概率为100%*50%=50%；若基于场景环境信息可

以得知第一图像和第二图像中的环境均为大风天气，此时外出的人通常不会打伞,而第一

对象和第二对象都打伞了，那么可以认为对象匹配特征对对应的特征置信度更高，例如为

80%,那么综合考虑得到该对象匹配特征对应的第四概率为100%*80%=80%。通过如上

方式，可以调整不同的特征比对结果对两个对象是否匹配这一判断过程的影响程度，提高

第一对象和第二对象是否匹配的判断结果的正确率。

[0065]作为一种可选的实施例,基于目标关联关系确定第一对象和第二对象相匹配的目

标概率，可以在包括多个目标关联关系的情况下，确定与多个目标关联关系一一对应的多

个第一概率;基于多个第一概率，确定第一对象和第二对象相匹配的目标概率。

[0066]本可选的实施例中，由于第一描述信息和第二描述信息可以分别描述与第一对象

和第二对象相关的多个特征，因此可以基于第一描述信息和第二描述信息确定第一描述信

息和第二描述信息之间的多个目标关联关系。例如，在第一对象和第二对象都是人的情况

下，多个目标关联关系可以分别描述第一对象和第二对象之间在多个方面上的关联关系，

例如人物属性、服装属性、行为特征等。每一种目标关联关系都可以根据预先确定与之对应

的概率规则生成一个第一概率，然后综合多个第一概率，得到第一对象和第二对象相匹配

的目标概率。通过本可选的实施例,可以提高对象匹配的准确性，避免基于与对象相关的一

对单独的特征进行匹配度判断导致的偶然性错误。

[0067]作为一种可选的实施例，基于多个第一概率，确定第一对象和第二对象相匹配的

目标概率，可以包括如下步骤:分别为多个第一概率分配多个权重;基于多个第一概率和多

个权重，确定目标概率。

[0068]本领域技术人员可以理解的是,与对象相关的不同的物理特征对对象匹配结果的

影响大小不同，因此可以为其分配不同的权重以提高对象匹配判断的准确性。例如，在第一

对象和第二对象都是人的情况下，可以理解人可能会更换自己的服装，但是不可能改变自

己的身高，因此第一图像中的第一对象和第二图像中的第二对象的服装是否相同这一目标

关联关系对应的权重值应当小于第一图像中的第一对象和第二图像中的第二对象的身高

是否相同这一目标关联关系对应的权重值。拥有更高权重值的目标关联关系对应的第一概

率为判断第一对象与第二对象是否匹配的更加确凿的依据。

[0069]作为一种可选的实施例，可以采用如下方式分别为多个第一概率分配多个权重：

获取多组训练样本，其中，每组训练样本包括两张图像、每张图像各自的描述信息以及标注

结果，其中，标注结果为两张图像中的对象是否匹配;基于多组训练样本进行训练，得到逻

辑回归模型中为多个第一概率分配的多个权重。

[0070]本可选的实施例提供了一种为第一概率分配权重的方法。具体的，可以获取标注

过的训练样本，每组样本中有两张图像，以下称为第一样本图像和第二样本图像，每张样本

图像中均包括两个样本对象。此外，每组训练样本中还包括标注结果以及第一样本图像和

第二样本图像各自的描述信息，标注结果用于指示样本图像中的两个样本对象是否为相匹

13

CN114743135A说明书10/17页

配的对象，描述信息用于分别描述与两个样本对象相关的物理特征的信息。将多组训练样

本输入逻辑回归模型进行训练，可以在逻辑回归模型中划分出多个模块，多个模块分别对

描述信息中与不同的目标关联关系对应的信息进行分类，并将整体逻辑回归模型输出的分

类结果与训练样本的标注结果进行比对，优化每个模块的权重值，最终将训练好的逻辑回

归模型中各个模块的权重值参数作为为多个第一概率分配的多个权重。可选地，逻辑回归

模型可以采用二分类逻辑回归模型。通过本可选的实施例，可以提高第一概率的权重分配

的合理性，进而提高第一对象和第二对象相匹配的目标概率的准确性。

[0071]作为一种可选的实施例，还可以包括如下步骤：获取第一对象和第二对象的第一

聚类结果，其中，第一聚类结果为第一对象和第二对象的图像特征向量的聚类结果;基于目

标概率，修正第一聚类结果，得到第一对象和第二对象的第二聚类结果。本可选的实施例

中，可以将上述实施例中的对象的匹配方法与传统的采用图像特征向量的聚类方法进行结

合,提高第一对象与第二对象的聚类准确性。

[0072]在第一对象和第二对象都是人的情况下，提供一种结合目标概率计算和图像特征

向量聚类两种方法以确定第一对象和第二对象是否为同一人这一聚类结果的可选实施方

式。图3是根据本发明可选实施方式提供的人脸聚类方法的流程图，如图3所示，该方法可以

包括如下步骤：

[0073]步骤1,将n天的人脸图像数据以及描述信息进行数据预处理，剔除无效数据、噪

声、极端值等数据。其中，描述信息可以包括人脸图像的id、图像的拍摄时间、拍摄地点以及

图像中的属性。

[0074]步骤2,将包括人脸的图像以及图像的描述信息分别输入三个模块中，三个模块分

别为时空关联关系模块,该模块确定包括人脸的图像中的时空关联关系；二分类属性关联

关系模块，该模块用于对图像中的人的二分类属性进行过滤,例如可以采用决策树的过滤

方法特征置信度模块，该模块可以基于特征与场景的因果关系进行一定的因果推断，生成

每个特征的置信度。

[0075]步骤3,依据步骤2中三个模块输出的第二、第三和第四概率以及各个模块的权重,

计算目标概率，得到不同图像中的人脸属于同一个人的概率，例如人脸a和人脸b属于同一

人的概率为90%。

[0076]步骤4,将包括人脸的图像输入深度学习模块,采用图像特征向量聚类的方式得到

向量的聚类结果。

[0077]步骤5,使用步骤3中的目标概率修正步骤4中的聚类结果，得到人脸a和人脸b的更

加准确的聚类结果。

[0078]图4是根据本发明实施例的对象的匹配方法二的流程图，如图4所示，该方法包括

如下步骤：

[0079]步骤S402,响应于获取指令，获取第一图像的第一描述信息和第二图像的第二描

述信息，其中，第一图像中包括第一对象，第二图像中包括第二对象，第一描述信息包括:第

一对象的第一场景环境信息以及第一对象的第一对象信息，第二描述信息包括:第二对象

的第二场景环境信息以及第二对象的第二对象信息；

[0080]步骤S404,展示第一对象和第二对象相匹配的目标概率，其中，目标概率根据第一

描述信息和第二描述信息之间的目标关联关系确定的，目标关联关系基于第一描述信息和

14

CN114743135A说明书11/17页

第二描述信息确定，其中，目标关联关系包括以下关联关系至少之一:第一场景环境信息与

第二场景环境信息之间的关联关系，第一场景环境信息与第二对象信息之间的关联关系，

第一对象信息与第二场景环境信息之间的关联关系，第一对象信息与第二对象信息之间的

关联关系。

[0081]通过上述步骤，达到了基于用户的指令，为用户展示第一图像上的第一对象与第

二图像上的第二对象是否匹配的目标概率的目的，高效、准确地将图像中的对象是否匹配

展示给用户，从而实现了提高低质量图像中的对象匹配成功率的技术效果，进而解决了图

像质量差的情况下对象匹配的成功率较低的技术问题。

[0082]需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列

的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为

依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知

悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明

所必须的。

[0083]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施

例的对象的匹配方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬

件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者

说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在

一个计算机可读存储介质（如R0M/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设

备（可以是手机，计算机,服务器，或者网络设备等）执行本发明各个实施例的方法。

[0084]实施例2

[0085]根据本发明实施例，还提供了一种用于实施上述对象的匹配方法的对象的匹配装

置，图5是根据本发明实施例的对象的匹配装置的结构框图，如图5所示，该装置包括:获取

模块52,第一确定模块54和第二确定模块56,下面对该装置进行简要说明：

[0086]获取模块52,用于获取第一图像的第一描述信息和第二图像的第二描述信息，其

中，第一图像中包括第一对象，第二图像中包括第二对象，第一描述信息包括:第一对象的

第一场景环境信息以及第一对象的第一对象信息，第二描述信息包括:第二对象的第二场

景环境信息以及第二对象的第二对象信息；

[0087]第一确定模块54,用于基于第一描述信息和第二描述信息，确定第一描述信息和

第二描述信息之间的目标关联关系，其中，目标关联关系包括以下关联关系至少之一：第一

场景环境信息与第二场景环境信息之间的关联关系，第一场景环境信息与第二对象信息之

间的关联关系，第一对象信息与第二场景环境信息之间的关联关系，第一对象信息与第二

对象信息之间的关联关系；

[0088]第二确定模块56，用于基于目标关联关系确定第一对象和第二对象相匹配的目标

概率。

[0089]此处需要说明的是，上述获取模块52,第一确定模块54和第二确定模块56对应于

实施例1中的步骤S202至步骤S206,多个模块与对应的步骤所实现的实例和应用场景相同，

但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行

在实施例1提供的计算机终端10中。

[0090]实施例3

15

CN114743135A说明书12/17页

[0091]本发明的实施例可以提供一种计算机设备，该计算机设备可以是计算机设备群中

的任意一个计算机终端设备。可选地,在本实施例中，上述计算机设备也可以替换为移动终

端等终端设备。

[0092]可选地，在本实施例中，上述计算机设备可以位于计算机网络的多个网络设备中

的至少一个网络设备。

[0093]在本实施例中，上述计算机设备可以执行应用程序的对象的匹配方法中以下步骤

的程序代码:获取第一图像的第一描述信息和第二图像的第二描述信息，其中，第一图像中

包括第一对象，第二图像中包括第二对象，第一描述信息包括:第一对象的第一场景环境信

息以及第一对象的第一对象信息，第二描述信息包括:第二对象的第二场景环境信息以及

第二对象的第二对象信息;基于第一描述信息和第二描述信息，确定第一描述信息和第二

描述信息之间的目标关联关系，其中，目标关联关系包括以下关联关系至少之一:第一场景

环境信息与第二场景环境信息之间的关联关系，第一场景环境信息与第二对象信息之间的

关联关系，第一对象信息与第二场景环境信息之间的关联关系，第一对象信息与第二对象

信息之间的关联关系;基于目标关联关系确定第一对象和第二对象相匹配的目标概率。

[0094]