预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共29页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113627336A(43)申请公布日2021.11.09(21)申请号202110916212.4(22)申请日2021.08.10(71)申请人中国工商银行股份有限公司地址100140北京市西城区复兴门内大街55号(72)发明人王照舒朝虎梁唯佳(74)专利代理机构中科专利商标代理有限责任公司11021代理人张体南(51)Int.Cl.G06K9/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)G07C1/10(2006.01)权利要求书3页说明书16页附图9页(54)发明名称数据处理方法、训练方法、装置、设备和介质(57)摘要本公开提供了一种数据处理方法、装置、设备、存储介质和程序产品,涉及人工智能领域或金融领域等技术领域。该数据处理方法包括:获取N个摄像头采集的M张图像,其中,所述M张图像中包括目标用户的图像;将所述M张图像中每张图像按照采集的时间序列输入至行人重识别模型;利用所述行人重识别模型基于第一序列特征来确认目标用户的身份和行为状态,其中,所述行人重识别模型将所述每张图像的特征基于所述时间序列进行特征融合来获得所述第一序列特征。本公开还提供了一种训练方法、装置、设备、存储介质和程序产品。CN113627336ACN113627336A权利要求书1/3页1.一种数据处理方法,包括:获取N个摄像头采集的M张图像,其中,所述M张图像中包括目标用户的图像,N和M为大于或等于2的整数;将所述M张图像中每张图像按照采集的时间序列输入至行人重识别模型;利用所述行人重识别模型基于第一序列特征来确认目标用户的身份和行为状态,其中,所述行人重识别模型将所述每张图像的特征基于所述时间序列进行特征融合来获得所述第一序列特征。2.根据权利要求1所述的方法,其中,所述N个摄像头设置在N个位置,所述获取N个摄像头采集的M张图像包括:基于所述N个位置的空间信息对所述N个摄像头进行编号,其中,每个所述编号对应所述N个位置中的一个位置;按照所述编号的顺序,依次从所述N个摄像头获取所述M张图像。3.根据权利要求2所述的方法,其中,所述依次从所述N个摄像头获取所述M张图像包括:获取对应第1编号的摄像头采集的第一图像,以及所述第一图像的第一时间戳;令i的初始值为2,循环执行以下操作,直至获取到对应第N编号的摄像头采集的图像,具体包括:获取对应第i编号的摄像头在所述第一时间戳的预定时间段后采集的第二图像,以及所述第二图像的第二时间戳;令所述第二时间戳作为新的所述第一时间戳,并令i=i+1。4.根据权利要求3所述的方法,其中,每两个相邻编号的摄像头包括第一摄像头和第二摄像头,所述方法还包括确定所述预定时间段,具体包括:对所述每两个相邻编号的摄像头,从所述第一摄像头采集的图像中检测出所述目标用户的图像,以及所述目标用户的移动状态;基于所述第一摄像头和所述第二摄像头之间的空间信息,以及所述移动状态,确定所述预定时间段。5.根据权利要求1所述的方法,其中,所述行为状态包括第一签到状态和第二签到状态,所述确认目标用户的身份和行为状态包括:在确认所述目标用户的身份后,在基于所述第一序列特征确认所述目标用户沿第一轨迹移动的情况下,确认所述目标用户为第一签到状态;或在基于所述第一序列特征确认所述目标用户沿第二轨迹移动的情况下,确认所述目标用户为第二签到状态。6.根据权利要求1所述的方法,其中,所述行人重识别模型包括LSTM网络,其中,所述LSTM网络为长短期记忆神经网络,所述行人重识别模型将所述每张图像的特征基于所述时间序列进行特征融合来获得所述第一序列特征包括:将所述每张图像的特征输入到所述LSTM网络;利用所述LSTM网络,按照所述时间序列将所述每张图像的特征进行时间递进的特征融合;2CN113627336A权利要求书2/3页基于所述LSTM网络的输出获得所述第一序列特征。7.根据权利要求6所述的方法,其中,所述每张图像的特征包括所述目标用户的第一图像特征,以及所述每张图像中所述目标用户的背景的第二图像特征,在所述将所述每张图像的特征进行特征融合之前,包括:通过所述LSTM网络将所述每张图像的所述第一图像特征和所述第二图像特征进行融合。8.根据权利要求6所述的方法,其中,所述LSTM网络包括第一LSTM网络和第二LSTM网络,所述行人重识别模型通过如下方式训练获得,包括:按照采集的时间序列获取第一用户的M张图像和第二用户的M张图像,所述第一用户与所述第二用户相同或不同;利用所述第一LSTM网络,将所述第一用户的每张图像的特征基于时间序列进行时间递进的特征融合,来获得第二序列特征;利用所述第二LSTM网络,将所述第二用户的每张图像的特征基于时间序列进行