(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210675898.7 (22)申请日 2022.06.15 (71)申请人 浙江大华 技术股份有限公司 地址 310053 浙江省杭州市滨江区滨安路 1187号 (72)发明人 钟炎喆　唐邦杰　刘忠耿　潘华东　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 张洁 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 20/52(2022.01) G06T 7/292(2017.01) (54)发明名称 一种对象身份识别方法、 装置、 介质和电子 设备 (57)摘要 本申请提供一种对象身份识别方法、 装置、 介质和电子设备， 涉及图像处理技术领域。 其中 的对象身份识别方法， 先基于目标场所的待处理 图像， 获取与待处理图像中包含的各个待识别对 象对应的外观特征、 时间域特征和空间域特征， 再根据空间域特征和时间域特征， 得到每个待识 别对象的时空融合特征， 然后通过将时空融合特 征和外观特征输入到预设网络模 型进行融合， 获 得与每个待识别对象对应的融合后的多目标关 联特征， 进而根据目标场所预设的拓扑结构特 征， 对多目标关联特征进行信息拓展处理， 得到 与各个待识别对象分别对应的多元融合特征， 并 根据多元融合特征， 对待识别对象进行身份识 别。 该方法， 可以提升对象身份识别的稳定性和 识别准确性。 权利要求书3页 说明书17页 附图4页 CN 115019344 A 2022.09.06 CN 115019344 A 1.一种对象身份识别方法， 其特 征在于， 所述方法包括： 基于目标场所的待处理图像， 获取与所述待处理图像中包含的各个待识别对象对应的 外观特征、 时间域特 征和空间域特 征； 根据所述空间域特 征和所述时间域特 征， 得到每 个所述待识别对象的时空融合特 征； 将所述时空融合特征和所述外观特征输入到预设网络模型进行融合， 获得与每个所述 待识别对象对应的融合后的多目标关联 特征； 根据所述目标场所预设的拓扑结构特征， 对所述多目标关联特征进行信息拓展处理， 得到与各个所述待识别对象分别对应的多元融合特 征； 根据所述多元融合特 征， 对所述待识别对象进行身份识别。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述多元融合特征， 对所述待识 别对象进行身份识别， 包括： 基于每个所述待识别对象的所述多元融合特征， 计算每个所述待识别对象与目标对象 的相似度分数； 筛选所述相似度分数满足预设条件的目标待识别对象， 并将所述目标待识别对象与 所 述目标对象进行身份关联。 3.根据权利要求1所述的方法， 其特征在于， 所述基于目标场所的待处理图像， 获取与 所述待处理图像中包含的各个待识别对 象对应的外观特征、 时间域特征和空间域特征， 包 括： 基于目标场所的待处理图像， 获取所述待处理图像包括的子 图像； 所述子 图像中包括 一个所述待识别对象； 基于每个所述子 图像， 确定所述子 图像包含的所述待识别对象对应的外观特征、 时间 域特征和空间域特 征。 4.根据权利要求3所述的方法， 其特征在于， 根据所述空间域特征和时间域特征， 得到 每个所述待识别对象的时空融合特 征， 包括： 针对任意一个子图像， 基于所述子图像包含的所述待识别对象对应的空间特征和时间 特征， 确定所述子图像包含的所述待识别对 象对应的时空融合特征， 其中所述空间特征是 基于所述空间域特 征确定的， 所述时间特 征是基于所述时间域特 征确定的。 5.根据权利要求4所述的方法， 其特征在于， 所述子图像为根据 所述待识别对象的位置 通过矩形识别框对所述待处理图像进 行分割得到的； 所述空间域特征包括所述待处理图像 的横向边长、 纵向边长、 所述子图像的第一顶点和 第二顶点； 所述第一顶点和所述第二顶 点 为所述子图像的所述矩形识别框中不相邻的两个顶点； 所述基于所述子图像包含的所述待识别对象对应的空间特征和时间特征， 确定所述子 图像包含的所述待识别对象对应的时空融合特 征之前， 还 包括： 确定所述第 一顶点和所述第 二顶点的横向距离， 并利用所述横向边长对所述横向距离 进行处理， 得到横向参数； 确定所述第 一顶点和所述第 二顶点的纵向距离， 利用所述纵向边长对所述纵向距离进 行处理， 得到纵向参数； 根据所述横向距离、 所述横向参数、 所述纵向距离和所述纵向参数， 确定选取的所述子 图像包含的所述待识别对象对应的空间特 征。权　利　要　求　书 1/3 页 2 CN 115019344 A 26.根据权利要求5所述的方法， 其特征在于， 所述根据所述横向距离、 所述横向参数、 所 述纵向距离和所述纵向参数， 确定选取的所述子图像包含的所述待识别对象对应的空间特 征， 包括： 依次对所述横向参数、 所述纵向参数、 所述横向距离和所述纵向距离取对数， 获得第一 参数矩阵； 所述第一 参数矩阵为 一行四列的矩阵； 对所述第一参数矩阵进行矩阵转置运算， 得到选取的所述子图像包含的所述待识别对 象对应的空间特 征。 7.根据权利要求4所述的方法， 其特征在于， 所述时间域特征为所述待处理图像的帧 号； 所述基于所述子图像包含的所述待识别对 象对应的空间特征和时间特征， 确定所述子 图像包含的所述待识别对象对应的时空融合特 征之前， 还 包括： 将对所述待处 理图像的帧号取对数， 得到时间参数； 根据所述时间参数， 确定 选取的所述子图像包 含的所述待识别对象对应的时间特 征。 8.根据权利要求7所述的方法， 其特征在于， 所述根据所述时间参数， 确定选取的所述 子图像包 含的所述待识别对象对应的时间特 征， 包括： 以所述事件参数作为矩阵元素， 构建包含的各个矩阵元素的值均相同的第二参数矩 阵； 所述第二 参数矩阵为 一行四列的矩阵； 对所述第二参数矩阵进行矩阵转置运算， 得到选取的所述子图像包含的所述待识别对 象对应的时间特 征。 9.根据权利要求4所述的方法， 其特征在于， 所述基于所述子图像包含的所述待识别对 象对应的空间特征和时间特征， 确定所述子图像包含的所述待识别对象对应的时空融合特 征， 包括： 根据所述子 图像包含的所述待识别对象对应的空间特征， 和预设的第一比例因子， 得 到空间参数； 根据所述子 图像包含的所述待识别对象对应的时间特征， 和预设的第二比例因子， 得 到时间参数； 将所述空间参数和所述 时间参数进行特征的级联运算， 得到所述子图像包含的所述待 识别对象对应的时空融合特 征。 10.根据权利要求4所述的方法， 其特征在于， 所述根据所述目标场所预设的拓扑结构 特征， 对所述多目标关联特征进行信息拓展处理， 得到与各个所述待识别对 象分别对应的 多元融合特 征， 包括： 对所述目标场所 预设的拓扑 结构特征， 进行矩阵平铺拉伸操作， 得到 拓扑参数； 将所述多目标关联特征与所述拓扑参数进行特征的级联运算， 得到所述多元融合特 征。 11.根据权利要求1所述的方法， 其特征在于， 所述预设网络模型包括注意力 机制结构； 与所述待识别对象中的任一个目标待识别对象对应的融合后的多目标关联特征， 是根据与 所述目标待识别对象对应的外观特征， 和与所述目标待识别对象对应的多目标融合特征得 到的； 所述多目标融合特征， 为通过所述注意力机制结构将每个所述待识别对 象的所述时 空融合特 征， 分别与所述目标待识别对象的所述外观特 征， 进行融合得到的。 12.一种对象身份识别装置， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 115019344 A 3