基于人工智能的图像实名化方法、装置及电子设备与流程

1.本公开涉及计算机视觉和图像处理技术领域，可应用于智能云、云计算、智慧城市、安防和城市治理场景等场景。


背景技术：

2.图像实名化对计算机视觉、公共安全等领域具有重要意义，可以为确定未知数据的名称、类别等属性信息提供可信数据支持。但是，在一些场景下，图像实名化的结果存在偏差、实名化效率较低的现象。


技术实现要素：

3.本公开提供了一种基于人工智能的图像实名化方法、装置及电子设备。
4.根据本公开的一方面，提供了一种图像实名化方法，包括：针对待实名的m个图像，确定与所述m个图像关联的第一平均图像特征，m为大于1的整数；针对所述m个图像中的n个目标图像，确定与所述n个目标图像中的每个目标图像关联的第一图像特征，其中，所述目标图像的质量评估值大于预设阈值，n为大于1且小于m的整数；根据所述第一平均图像特征和与所述每个目标图像关联的第一图像特征，确定至少一个候选参考图像；以及根据由所述至少一个候选参考图像指示的对象身份特征，确定针对所述m个图像的实名信息。
5.根据本公开的一方面，提供了一种图像实名化装置，包括：第一确定模块，配置为针对待实名的m个图像，确定与所述m个图像关联的第一平均图像特征，m为大于1的整数；第二确定模块，配置为针对所述m个图像中的n个目标图像，确定与所述n个目标图像中的每个目标图像关联的第一图像特征，其中，所述目标图像的质量评估值大于预设阈值，n为大于1且小于m的整数；第三确定模块，配置为根据所述第一平均图像特征和与所述每个目标图像关联的第一图像特征，确定至少一个候选参考图像；以及第四确定模块，配置为根据由所述至少一个候选参考图像指示的对象身份特征，确定针对所述m个图像的实名信息。
6.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和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，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的图像实名化方法。
7.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述的图像实名化方法。
8.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述的图像实名化方法。
9.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
10.附图用于更好地理解本方案，不构成对本公开的限定。其中：
11.图1示意性示出了根据本公开一实施例的图像实名化方法和装置的系统架构；
12.图2示意性示出了根据本公开一实施例的图像实名化方法的流程图；
13.图3示意性示出了根据本公开另一实施例的图像实名化方法的流程图；
14.图4示意性示出了根据本公开一实施例的图像实名化过程的示意图；
15.图5示意性示出了根据本公开一实施例的图像实名化装置的框图；
16.图6示意性示出了根据本公开实施例的用于执行图像实名化方法的电子设备的框图。
具体实施方式
17.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
18.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
19.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
20.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
21.本公开的实施例提供了一种基于人工智能的图像实名化方法。本方法包括：针对待实名的m个图像，确定与m个图像关联的第一平均图像特征，m为大于1的整数；针对m个图像中的n个目标图像，确定与n个目标图像中的每个目标图像关联的第一图像特征，目标图像的质量评估值大于预设阈值，n为大于1且小于m的整数；根据第一平均图像特征和与每个目标图像关联的第一图像特征，确定至少一个候选参考图像；以及根据由至少一个候选参考图像指示的对象身份特征，确定针对m个图像的实名信息。
22.图1示意性示出了根据本公开一实施例的图像实名化方法和装置的系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
23.根据该实施例的系统架构100可以包括数据采集端101、102，网络103和服务器104。网络103用于在数据采集端101、102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。服务器104可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或分布式系统，还可以是提供
云服务、云计算、网络服务、中间件服务等基础云计算服务的云服务器。
24.数据采集端101、102通过网络103与服务器104进行交互，以接收或发送数据等。数据采集端101、102例如可用于采集环境的图像信息，例如特定区域的人脸信息等。数据采集端101、102例如还可用于采集其他图片信息，例如证件上的图片信息，例如可以是身份证、驾驶证等包含的人像信息。数据采集端101、102例如可以是照相机、摄像机、图像扫描装置等。
25.服务器104可以是提供各种服务的服务器，例如可以是根据由数据采集端101、102提供的图像信息或者人脸信息进行图像实名化的后台处理服务器(仅为示例)。
26.例如，服务器104响应于自数据采集端101、102获取的图像信息，该图像信息包括m个图像，m个图像例如可以是聚类后的属于同一对象的图像集，针对m个图像，确定与m个图像关联的第一平均图像特征，从m个图像中获取n个目标图像，确定与n个目标图像中的每个目标图像关联的第一图像特征，根据第一平均图像特征和与每个目标图像关联的第一图像特征，确定至少一个候选参考图像，根据由至少一个候选参考图像指示的对象身份特征，确定针对m个图像的实名信息。
27.需要说明的是，本公开实施例所提供的图像实名化方法可以由服务器104执行。相应地，本公开实施例所提供的图像实名化装置可以设置于服务器104中。本公开实施例所提供的图像实名化方法也可以由不同于服务器104且能够与数据采集端101、102和/或服务器104通信的服务器或服务器集群执行。相应地，本公开实施例所提供的图像实名化装置也可以设置于不同于服务器104且能够与数据采集端101、102和/或服务器104通信的服务器或服务器集群中。
28.应该理解，图1中的数据采集端、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的数据采集端、网络和服务器。
29.本公开实施例提供了一种基于人工智能的图像实名化方法，下面结合图1的系统架构，参考图2至图4来描述根据本公开示例性实施方式的图像实名化方法。本公开实施例的图像实名化方法例如可以由图1所示的服务器104来执行。
30.图2示意性示出了根据本公开一实施例的图像实名化方法的流程图。
31.如图2所示，本公开实施例的图像实名化方法200例如可以包括操作s210～操作s240。
32.在操作s210，针对待实名的m个图像，确定与m个图像关联的第一平均图像特征，m为大于1的整数。
33.在操作s220，针对m个图像中的n个目标图像，确定与n个目标图像中的每个目标图像关联的第一图像特征，目标图像的质量评估值大于预设阈值，n为大于1且小于m的整数。
34.在操作s230，根据第一平均图像特征和与每个目标图像关联的第一图像特征，确定至少一个候选参考图像。
35.在操作s240，根据由至少一个候选参考图像指示的对象身份特征，确定针对m个图像的实名信息。
36.下面示例说明本实施例的图像实名化方法的各操作的示例流程。
37.示例性地，本实施例涉及的图像数据可以通过各种公开、合法合规的方式获取，例如可以从公开数据集处获取，或者在获得与图像数据关联的用户授权之后由数据采集终端
获取。图像数据并不是针对某一特定用户的场景数据，并不能反映某一特定用户的个人信息。图像数据的应用范围限于用户具有知情权并已授权使用的范围。
38.针对待实名的m个图像，确定与m个图像关联的第一平均图像特征，m为大于1的整数。待实名的m个图像例如可以包括针对同一对象的多个图像。m个图像例如可以通过数据采集端的成像元件采集，或者可以通过数据采集端从其他数据库中获取。
39.m个图像例如可以包括通过图像采集设备拍摄的人脸图像，或者包括基于证件采集的包含人脸的图像，或者包括包含人脸图像特征的其他数据等。
40.与m个图像关联的第一平均图像特征可以根据m个图像中的每个图像的第一图像特征得到。例如，确定m个图像中的每个图像的第一图像特征，将针对m个图像的第一图像特征的图像特征均值，作为与m个图像关联的第一平均图像特征。
41.第一图像特征例如可以是对图像特征进行提取得到的图像特征向量。第一平均图像特征例如可以是根据m个图像的第一图像特征向量计算得到的平均值，第一平均图像特征指示了由m个图像构成的图像集或者类别簇的质心。
42.针对m个图像中的n个目标图像，确定与n个目标图像中的每个目标图像关联的第一图像特征，目标图像的质量评估值大于预设阈值，n为大于1且小于m的整数。
43.示例性地，从m个图像中选定n个目标图像，例如可以包括根据m个图像中的每个图像的质量评估值，将质量评估值大于预设阈值所对应的图像，作为目标图像，以得到m个图像中的n个目标图像。
44.可以在对获取的图像进行识别解析后，根据图像的拍摄角度、清晰度、敏感度、光线、模糊度、图像尺寸、灰度等图像特征，对图像质量进行评估，得到针对图像的质量评估值。在质量评估值高于预设阈值的情况下，表明图像质量较好，在质量评估值低于预设阈值的情况下，表明图像质量较差。
45.可以根据m个图像中的每个图像的质量评估值，生成m个图像的质量评估值排名，根据质量评估值排名确定前n个图像为目标图像。也可以从m个图像中选定质量评估值大于预设阈值的图像，以作为目标图像。由于m个图像中的每个图像具有第一图像特征，在从m个图像中确定出n个目标图像之后，得到与n个目标图像中的每个目标图像关联的第一图像特征。
46.根据第一平均图像特征和与每个目标图像关联的第一图像特征，确定至少一个候选参考图像。候选参考图像例如可以从候选图像中确定。候选图像例如可以包括具有对象身份信息的数据库中的图像，例如具有对象身份信息的数据库可以包含超过预设阈值的人脸图像特征的数据库。
47.根据第一平均图像特征和每个目标图像的第一图像特征，确定至少一个候选参考图像。示例性地，可以根据第一平均图像特征，从候选图像中确定至少一个候选参考图，或者根据每个目标图像的第一图像特征，从候选图像中确定至少一个候选参考图。
48.示例性地，获取针对候选图像中的每个图像的第二图像特征。根据第一平均图像特征和第二图像特征，从候选图像中确定至少一个第一候选参考图像。根据第二图像特征和与每个目标图像关联的第一图像特征，从候选图像中确定至少一个第二候选参考图像。根据至少一个第一候选参考图像和至少一个第二候选参考图像，确定至少一个候选参考图像。
49.通过本公开的实施例，根据第一平均图像特征以及与每个目标图像关联的第一图像特征，确定候选图像中的候选参考图像。在第一平均图像特征与m个图像的对象身份特征存在偏差时，通过与每个目标图像关联的第一图像特征，确定候选图像中的候选参考图像，可以有效消除第一平均图像特征偏差带来的影响。通过增加从候选图像中获取的候选参考图像的数目，以提高实名化的准确率。
50.候选参考图像例如可以从候选图像中获取。候选图像中的每个图像具有第二图像特征，每个第二图像特征例如可以体现候选图像中的每个图像特征。候选图像中的每个图像例如还包括与图像相关联的对象身份特征。对象身份特征例如可以包括每个候选图像所指示的对象的名称、属性等信息。
51.第一候选参考图像和第二候选参考图像例如可以从候选图像中选择确定。根据第一平均图像特征和第二图像特征，从候选图像中确定至少一个第一候选参考图像。例如可以根据第一平均图像特征和每个候选图像的第二图像特征之间的相似度，在相似度大于设定阈值的情况下，将对应候选图像作为第一候选参考图像。
52.根据第二图像特征和与每个目标图像关联的第一图像特征，从候选图像中确定至少一个第二候选参考图像。例如可以根据第二图像特征和每个目标图像的第一图像特征之间的相似度，在相似度大于设定阈值的情况下，将对应候选图像作为第二候选参考图像。第一候选参考图像和第二参考图像的数目可以根据具体的需求进行设定或调整。
53.根据至少一个第一候选参考图像和至少一个第二候选参考图像，确定至少一个候选参考图像，例如可以包括对确定的第一候选参考图像和第二候选参考图像进行去重处理，筛除第一候选参考图像和第二候选参考图像中相同的图像。第一候选参考图像和第二候选参考图像的数目的和大于等于候选参考图像的数目。
54.根据由至少一个候选参考图像指示的对象身份特征，确定针对m个图像的实名信息。候选参考图像例如包括对象身份特征，根据对象身份特征可以确定候选参考图像的对象身份信息。根据候选参考图像的对象身份特征，可以确定m个图像的对象身份信息，以实现对m个图像的实名化。
55.示例性地，根据至少一个候选参考图像指示的对象身份特征，确定针对m个图像的实名信息。一种示例方式，对m个图像进行聚类，得到至少一个图像类别簇。确定与至少一个图像类别簇中的每个图像类别簇关联的第二平均图像特征。根据第一平均图像特征、与每个目标图像关联的第一图像特征和与每个图像类别簇关联的第二平均图像特征，确定至少一个候选参考图像中的目标参考图像。根据由目标参考图像指示的对象身份特征，确定针对m个图像的实名信息。
56.根据本公开的实施例，通过对m个图像进行聚类，得到至少一个图像类别簇，至少根据每个图像类别簇的第二平均图像特征从多个候选参考图中确定目标参考图像。对m个图像进行聚类，每个图像类别簇的第二平均图像特征可以更准确的反应出m个图像的对象身份特征，可以减少或消除第一平均图像特征偏移对实名化的结果的影响。
57.示例性地，对m个图像进行聚类，根据m个图像中每个图像的图像特征，得到至少一个图像类别簇。每个图像类别簇例如可以包括m个图像中的一部分图像满足设定阈值的图像特征的图像集。
58.针对每个图像类别簇，根据每个图像类别簇中的图像所具有的图像特征，确定每
个图像类别簇的第二平均图像特征，第二平均图像特征例如可以指示对应图像类别簇的质心。
59.从至少一个候选参考图像中确定目标参考图像，例如可以根据第一平均图像特征、与每个目标图像关联的第一图像特征和与每个图像类别簇关联的第二平均图像特征确定。
60.示例性地，根据第一平均图像特征、与候选参考图像关联的第二图像特征、与每个图像类别簇关联的第二平均图像特征以及与每个目标图像关联的第一图像特征对确定的至少一个候选参考图像进行过滤。例如，筛除候选参考图中不满足设定条件的参考图像，减少候选参考图像中与m个图像的图像特征不相似的图像，有利于提高m个图像实名的准确率。
61.对过滤后的至少一个参考图像进行排序，例如按照设定条件，对过滤后的所有参考图像进行质量评估，得到每个参考图像的质量评估值。根据质量评估值对每个参考图像进行过滤，确定出满足预设条件的参考图像作为目标参考图像。目标参考图像可以包括单一图像，也可以包括具有同一对象身份特征的多个图像。
62.通过本公开的实施例，根据第一平均图像特征和与每个目标图像关联的第一图像特征确定至少一个候选参考图像，能够有效提高确定候选参考图像的数目和准确率，减少在选择候选参考图像时，第一平均图像特征偏移而造成确定候选参考图像不准确的问题。通过对m个图像进行聚类，并确定每个图像类别簇的第二平均图像特征，基于第二平均图像特征从多个候选参考图中确定目标参考图像，可以有效消除在确定目标参考图像时，第一平均图像特征偏移对实名化结果的影响。
63.根据与每个目标图像关联的第一图像特征，确定至少一个候选参考图像，可以有效提高获取的参考图像的准确率，有利于保证图像实名化精度，和有效提高图像实名化效率。
64.图3示意性示出了根据本公开另一实施例的图像实名化方法的流程图。
65.如图3所示，在图像实名化的过程中，根据第一平均图像特征、与每个目标图像关联的第一图像特征和与每个图像类别簇关联的第二平均图像特征，确定至少一个候选参考图像中的目标参考图像的流程300例如可以包括操作s310～操作s330。
66.在操作s310，根据第一平均图像特征、与候选参考图像关联的第二图像特征、与每个图像类别簇关联的第二平均图像特征以及与每个目标图像关联的第一图像特征，对至少一个候选参考图像进行过滤。
67.在操作s320，根据第二平均图像特征和与候选参考图像关联的第二图像特征，确定针对过滤后的至少一个候选参考图像的质量评估值。
68.在操作s330，根据针对过滤后的至少一个候选参考图像的质量评估值，将具有最大质量评估值的候选参考图像作为目标参考图像。
69.下面示例说明本实施例的图像实名化方法的各操作的示例流程。
70.示例性地，对至少一个候选参考图像进行过滤，可以包括根据第一图像特征、第二图像特征、第一平均图像特征以及第二平均图像特征，确定图像类别簇、候选参考图像、m个图像之间的相似度。例如，确定图像类别簇与候选参考图之间的第一相似度，确定m个图像中的每个与候选参考图之间的第二相似度，确定m个图像的第一平均图像特征与候选参考
图之间的第三相似度。根据确定的第一相似度、第二相似度以及第三相似度对候选参考图进行过滤。
71.一种示例方式，根据与候选参考图像关联的第二图像特征和与每个图像类别簇关联的第二平均图像特征，确定每个图像类别簇与候选参考图像的第一相似度。根据第一图像特征和与候选参考图像关联的第二图像特征，确定m个图像中的每个与候选参考图像的第二相似度。根据第一平均图像特征和与候选参考图像关联的第二图像特征，确定第一平均图像特征与候选参考图的第三相似度。根据第一相似度、第二相似度和第三相似度，对至少一个候选参考图像进行过滤。
72.根据本公开的实施例，根据第一相似度、第二相似度以及第三相似度对候选参考图进行过滤，以筛除候选参考图像中的低关联图像。低关联图像的图像特征与第一图像特征、第一平均图像特征以及第二平均图像特征中的至少一类图像特征的相似度低于预设阈值。通过有效排除低关联图像的干扰，有利于提高图像实名化效率，和有效改善图像实名化效果。
73.示例性地，在对m个图像进行聚类之后，基于聚类得到的多个图像类别簇，根据第二图像特征和第二平均图像特征确定第一相似度。第一相似度例如可以为候选图像和图像类别簇的相似度高于设定阈值的数目。例如m个图像聚类后具有5个类别簇，候选图像与5个类别粗的相似度高于80％的数目为3，将不满足该阈值的候选参考图像过滤掉。
74.m个图像中的每个图像具有第一图像特征，根据第一图像特征与候选图像关联的第二图像特征确定第二相似度。第二相似度例如可以包括m个图像与每个候选图像的相似度高于设定阈值的m个图像中的图像的数目。
75.根据第一平均图像特征和与候选参考图像关联的第二图像特征确定第三相似度。第三相似度例如可以包括候选图像的第二图像特征与第一平均图像特征满足的预设阈值。
76.在对至少一个候选参考图进行过滤之后，根据第二平均图像特征和与候选参考图像关联的第二图像特征，确定针对过滤后的至少一个候选参考图像的质量评估值。
77.示例性地，根据第二平均图像特征，确定针对每个图像类别簇的质量评估值权重。根据第一相似度和质量评估值权重，确定过滤后的至少一个候选参考图像的质量评估值。
78.每个图像类别簇中例如可以由多个图像，每个图像具有图像的质量评估值，针对至少一个图像类别簇中的任意图像类别簇，根据与图像类别簇中的每个图像关联的质量评估值，确定针对图像类别簇的簇质量评估值。例如，对于每个类别簇中的每个图像，获取该图像类别簇中的与每个图像关联的图像的质量评估值，将最大图像的质量评估值作为该图像类别簇的簇质量评估值。
79.根据簇质量评估值，确定针对图像类别簇的质量评估值权重。根据簇质量评估值通过预先设定的方法，得出每个图像类别簇的质量评估值权重。例如，可以通过每个图像类别簇的簇质量评估值的平方除以所有图像类别簇质量评估值的平方和，得到每个图像类别簇的质量评估值权重。
80.示例性地，根据第一相似度和质量评估值权重，确定过滤后的至少一个候选参考图像的质量评估值。
81.第一相似度例如可以根据与候选参考图像关联的第二图像特征和与每个图像类别簇关联的第二平均图像特征进行确定。
82.根据确定的第一相似度和质量评估值权重，计算第一相似度与m个图像的每个图像类别簇的第二平均图像特征之间的乘积，得出过滤后的每个候选参考图像的质量评估值。
83.根据针对过滤后的至少一个候选参考图像的质量评估值，将具有最大质量评估值的候选参考图像作为目标参考图像。最大质量评估值对应的候选参考图像与m个图像的对象身份特征之间具有最小的偏差。
84.根据本公开的实施例，通过确定图像类别簇的簇质量评估值，并根据图像类别簇的簇质量评估值确定图像类别簇的质量评估权重，可以提高质量评估值高的图像类别簇对候选参考图像的质量评估值的影响，使确定的目标参考图像更准确。
85.图4示意性示出了根据本公开一实施例的图像实名化过程的示意图。
86.如图4所示，针对待实名的m个图像401，确定与m个图像401关联的第一平均图像特征402。针对m个图像中的n个目标图像403，确定与n个目标图像403中的每个目标图像关联的第一图像特征404，目标图像的质量评估值大于预设阈值。根据第一平均图像特征402和与每个目标图像关联的第一图像特征404，确定至少一个候选参考图像405。根据由至少一个候选参考图像405指示的对象身份特征406，确定针对m个图像的实名信息。
87.对m个图像401进行聚类，得到至少一个图像类别簇407。确定与至少一个图像类别簇中的每个图像类别簇关联的第二平均图像特征408。根据第一平均图像特征402、与每个目标图像关联的第一图像特征404和与每个图像类别簇关联的第二平均图像特征408，确定至少一个候选参考图像405中的目标参考图像409。根据由目标参考图像409指示的对象身份特征406，确定针对m个图像401的实名信息。
88.通过本公开实施例，对m个图像进行聚类，确定图像类别簇，并根据第一平均图像特征、与每个目标图像关联的第一图像特征以及与图像类别簇关联的第二平均图像特征确定目标参考图，可以有效提高从候选参考图像中确定的目标参考图像的准确率，减少第一平均图像特征偏移所带来的影响。
89.图5示意性示出了根据本公开一实施例的图像实名化装置的框图。
90.如图5所示，本公开实施例的图像实名化500例如包括第一确定模块501、第二确定模块502、第三确定模块503以及第四确定模块504。
91.第一确定模块501，配置为针对待实名的m个图像，确定与m个图像关联的第一平均图像特征，m为大于1的整数；第二确定模块502，配置为针对m个图像中的n个目标图像，确定与n个目标图像中的每个目标图像关联的第一图像特征，目标图像的质量评估值大于预设阈值，n为大于1且小于m的整数；第三确定模块503，配置为根据第一平均图像特征和与每个目标图像关联的第一图像特征，确定至少一个候选参考图像；第四确定模块504，配置为根据由至少一个候选参考图像指示的对象身份特征，确定针对m个图像的实名信息。
92.通过本公开的实施例，根据第一平均图像特征和与每个目标图像关联的第一图像特征确定至少一个候选参考图像，能够有效提高确定候选参考图像的准确率，减少第一平均图像特征偏移而造成确定候选参考图像不准确的问题。通过根据与每个目标图像关联的第一图像特征，确定至少一个候选参考图像，可以有效提高获取的参考图像的准确率，有利于m个图像更加准确的实现实名化。
93.根据本公开的实施例，第四确定模块包括：第一确定子模块，配置为对m个图像进
行聚类，得到至少一个图像类别簇；第二确定子模块，配置为确定与至少一个图像类别簇中的每个图像类别簇关联的第二平均图像特征；第三确定子模块，配置为根据第一平均图像特征、与每个目标图像关联的第一图像特征和与每个图像类别簇关联的第二平均图像特征，确定至少一个候选参考图像中的目标参考图像；以及第四确定子模块，配置为根据由目标参考图像指示的对象身份特征，确定针对m个图像的实名信息。
94.根据本公开的实施例，第三确定模块包括：第一获取模块，配置为获取针对候选图像中的每个图像的第二图像特征；第五确定子模块，配置为根据第一平均图像特征和第二图像特征，从候选图像中确定至少一个第一候选参考图像；第六确定子模块，配置为根据第二图像特征和与每个目标图像关联的第一图像特征，从候选图像中确定至少一个第二候选参考图像；以及第七确定子模块，配置为根据述至少一个第一候选参考图像和至少一个第二候选参考图像，确定至少一个候选参考图像。
95.根据本公开的实施例，第三确定子模块包括：处理单元，配置为根据第一平均图像特征、与候选参考图像关联的第二图像特征、与每个图像类别簇关联的第二平均图像特征以及与每个目标图像关联的第一图像特征，对至少一个候选参考图像进行过滤；确定单元，配置为根据第二平均图像特征和与候选参考图像关联的第二图像特征，确定针对过滤后的至少一个候选参考图像的质量评估值；以及评估单元，配置为根据针对过滤后的至少一个候选参考图像的质量评估值，将具有最大质量评估值的候选参考图像作为目标参考图像。
96.根据本公开的实施例，处理单元包括处理子单元，处理子单元配置为：根据与候选参考图像关联的第二图像特征和与每个图像类别簇关联的第二平均图像特征，确定每个图像类别簇与候选参考图像的第一相似度；根据第一图像特征和与候选参考图像关联的第二图像特征，确定m个图像中的每个与候选参考图像的第二相似度；根据第一平均图像特征和与候选参考图像关联的第二图像特征，确定第一平均图像特征与候选参考图的第三相似度；以及根据第一相似度、第二相似度和第三相似度，对至少一个候选参考图像进行过滤。
97.根据本公开的实施例，确定单元包括：第一确定子单元，配置为根据第二平均图像特征，确定针对每个图像类别簇的质量评估值权重；第二确定子单元，配置为根据第一相似度和质量评估值权重，确定过滤后的至少一个候选参考图像的质量评估值。
98.根据本公开的实施例，第一确定子单元包括权重确定子单元，权重确定子单元配置为：针对至少一个图像类别簇中的任意图像类别簇，根据与图像类别簇中的每个图像关联的质量评估值，确定针对图像类别簇的簇质量评估值；根据簇质量评估值，确定针对图像类别簇的质量评估值权重。
99.应该注意的是，本公开的技术方案中，所涉及的信息收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
100.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
101.图6示意性示出了根据本公开实施例的用于执行图像实名化方法的电子设备的框图。
102.图6示出了可以用来实施本公开实施例的示例电子设备600的示意性框图。电子设备600旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各
种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
103.如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储单元608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
104.设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
105.计算单元601可以包括各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如图像实名化方法。例如，在一些实施例中，图像实名化方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到ram 603并由计算单元601执行时，可以执行上文描述的图像实名化方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像实名化方法。
106.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
107.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程路径规划装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
108.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合
适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
109.为了提供与对象的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向对象显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，对象可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与对象的交互；例如，提供给对象的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自对象的输入。
110.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形对象界面或者网络浏览器的对象计算机，对象可以通过该图形对象界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
111.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
112.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
113.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。