(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 202210653921.2 (22)申请日 2022.06.10 (71)申请人 上海商汤智能科技有限公司 地址 200233 上海市徐汇区桂平路391号3 号楼1605A室 (72)发明人 秦诗文　刘华凯　马灵霞　胡琨　 庄南庆　周舒岩　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 董文俊 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/774(2022.01) G06V 10/74(2022.01) G06V 10/40(2022.01)G06F 16/583(2019.01) (54)发明名称 特征处理方法、 装置、 电子设备和存 储介质 (57)摘要 本申请实施例提供一种特征处理方法、 装 置、 电子设备和存储介质， 所述方法包括： 将待识 别对象的特征数据与特征数据库中每个候选对 象的融合特征数据分别进行比对， 得到每个候选 对象对应的比对分数， 其中， 特征数据库中包含 预先录入的每个候选对象的原始特征数据和 融 合特征数据； 从所有比对分数中获取最大比对分 数， 响应于最大比对分数大于目标阈值的情况， 将待识别对象的特征数据与特征数据库中匹配 对象的原始特征数据进行比对， 得到融合分数， 其中， 匹配对象为最大比对分数对应的候选对 象； 响应于融合分数大于目标阈值的情况， 将待 识别对象的特征数据与匹配对象的融合特征数 据进行融合， 得到匹配对象更新后的融合特征数 据。 权利要求书2页 说明书17页 附图5页 CN 115035376 A 2022.09.09 CN 115035376 A 1.一种特 征处理方法， 其特 征在于， 所述方法包括： 获取待识别对象， 并提取 所述待识别对象的特 征数据； 将所述待识别对象的特征数据与特征数据库中每个候选对象的融合特征数据分别进 行比对， 得到每个所述候选对象对应的比对分数， 其中， 所述特征数据库中包含 预先录入的 每个所述候选对象的原 始特征数据和所述融合特 征数据； 从所有所述比对分数中获取最大比对分数， 响应于所述最大比对分数大于目标阈值的 情况， 将所述待识别对象的特征数据与所述特征数据库中匹配对象的原始特征数据进 行比 对， 得到融合分数， 其中， 所述匹配对象为所述 最大比对分数对应的候选对象； 响应于所述融合分数大于所述目标阈值的情况， 将所述待识别对象的特征数据与 所述 匹配对象的融合特 征数据进行融合， 得到所述匹配对象更新后的融合特 征数据。 2.根据权利要求1所述的方法， 其特征在于， 所述特征数据库中还包含每个所述候选对 象的特征融合次数； 在所述响应于所述融合分数大于所述 目标阈值的情况， 将所述待识别 对象的特征数据与所述匹配对象的融合特征数据进行融合， 得到所述匹配对象更新后的融 合特征数据之后， 还 包括： 将所述特 征数据库中所述匹配对象的特 征融合次数进行计数。 3.根据权利要求2所述的方法， 其特征在于， 在所述响应于所述最大比对分数大于目标 阈值的情况， 将所述待识别对象的特征数据与所述特征数据库中匹配对象的原始特征数据 进行比对， 得到融合分数之前， 还 包括： 获取所述特征数据库中所述匹配对象的特 征融合次数； 根据所述匹配对象的特征融合次数以及预先确定的映射关系， 获得所述目标阈值， 其 中， 所述映射关系用于表征 特征融合次数与目标阈值的对应关系。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述匹配对象的特征融合次数以 及预先确定的映射关系， 获得 所述目标阈值， 包括： 响应于所述匹配对象的特征融合 次数小于或等于预先确定的最大次数的情况， 根据 所 述匹配对象的特征融合次数和所述映射关系， 获得所述匹配对象的特征融合次数对应的比 对阈值， 作为所述目标阈值； 响应于所述匹配对象的特征融合 次数大于所述最大次数的情况， 根据 所述最大次数和 所述映射关系， 获得 所述最大次数对应的比对阈值， 作为所述目标阈值。 5.根据权利要求3或4所述的方法， 其特 征在于， 所述映射关系的确定方法包括： 基于比对阈值和预设融合次数， 进行曲线拟合， 得到所述映射关系。 6.根据权利要求5所述的方法， 其特征在于， 所述基于比对阈值和预设融合次数， 进行 曲线拟合， 得到所述映射关系， 包括： 获取训练样本特 征数据和测试样本特 征数据； 基于所述训练样本特征数据以及 当前轮训练使用的比对阈值， 对样本特征数据库中每 个样本对象的融合特征数据进 行更新， 在每个所述样本对象的融合特征数据更新次数均达 到所述当前轮训练的预设融合次数的情况下， 获得每个所述样本对象的最新融合特征数 据； 基于所述测试样本特征数据、 每个所述样本对象的最新融合特征数据、 以及目标误识 率， 确定下一轮训练使用的比对阈值；权　利　要　求　书 1/2 页 2 CN 115035376 A 2在已训练轮数达到预设训练轮数的情况下， 基于每一轮训练使用的比对阈值和每一轮 训练的预设融合次数， 进行曲线拟合， 得到所述映射关系。 7.根据权利要求6所述的方法， 其特征在于， 所述基于所述测试样本特征数据、 每个所 述样本对象的最新融合特征数据、 以及目标误识率， 确定下一轮训练使用的比对阈值， 包 括： 将所述测试样本特征数据与每个所述样本对象的最新融合特征数据分别进行比对， 获 得相应的测试比对分数； 根据所述测试比对分数和候选比对阈值计算误识率， 从能够使得计算的误识率满足所 述目标误识率的所有候选比对阈值中， 选取最低的候选比对阈值， 作为下一轮训练使用的 比对阈值。 8.根据权利要求1至7中任意一项所述的方法， 其特征在于， 所述将所述待识别对象的 特征数据与所述匹配对象的融合特征数据进 行融合， 得到所述匹配对象更新后的融合特征 数据， 包括： 根据所述融合分数确定所述待识别对象的特 征数据的融合权 重； 根据所述待识别对象的特征数据的融合权重， 将所述待识别对象的特征数据与所述匹 配对象的融合特 征数据进行加权平均， 得到所述匹配对象更新后的融合特 征数据。 9.根据权利要求1至8中任意 一项所述的方法， 其特 征在于， 还 包括： 响应于所述最大比对分数大于所述目标阈值的情况， 确定所述待识别对象的识别结果 为所述匹配对象； 响应于所述最大比对分数小于或等于所述目标阈值的情况， 确定所述待识别对象的识 别结果为识别失败。 10.一种特 征处理装置， 其特 征在于， 所述装置包括： 提取单元， 用于获取待识别对象， 并提取 所述待识别对象的特 征数据； 第一比对单元， 用于将所述待识别对象的特征数据与 特征数据库中每个候选对象的融 合特征数据分别进 行比对， 得到每个所述候选对象对应的比对分数， 其中， 所述特征数据库 中包含预先录入的每 个所述候选对象的原 始特征数据和所述融合特 征数据； 第二比对单元， 用于从所有所述比对分数中获取最大比对分数， 响应于所述最大比对 分数大于目标阈值的情况， 将所述待识别对象的特征数据与所述特征数据库中匹配对象的 原始特征数据进行比对， 得到融合分数， 其中， 所述匹配对象为所述最大比对分数对应的候 选对象； 融合单元， 用于响应于所述融合分数大于所述目标阈值的情况， 将所述待识别对象的 特征数据与所述匹配对象的融合特征数据进 行融合， 得到所述匹配对象更新后的融合特征 数据。 11.一种电子设备， 其特征在于， 包括至少一个处理器， 以及与所述至少一个处理器通 信连接的存储器； 其中， 所述存储器存储有 可被所述至少一个处理器执行的指 令， 所述至少 一个处理器通过 执行所述存储器存储的指令实现如权利要求1至9中任意 一项所述的方法。 12.一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中存储有至少一 条指令或至少一段程序， 所述至少一条指 令或至少一段程序由处理器加载并执行以实现如 权利要求1至9中任意 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115035376 A 3