一种异常确定方法、装置、电子设备及存储介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种异常确定方法、装置、电子设备及存储介质。


背景技术：

2.目前，可以通过人工核验的方式对某一类型的物体(例如渔船)的身份进行确认。
3.但是，上述方法中，相同类型的物体外观结构相似度较高，并且数量较多，通过人工核验的方式可能不能准确地确认出目标物体的身份是否存在异常，影响了异常确定的有效性。


技术实现要素：

4.本技术提供一种异常确定方法、装置、电子设备及存储介质，解决了相同类型的物体外观结构相似度较高，并且数量较多，通过人工核验的方式可能不能准确地确认出目标物体的身份是否存在异常，影响了异常确定的有效性的技术问题。
5.第一方面，本技术提供一种异常确定方法，包括：获取待识别图像，该待识别图像中包括目标物体；对该待识别图像进行图像处理，得到目标图像，该目标图像包括该目标物体的关键部位，目标关键点在该目标图像中的位置与预设关键点在预设图像中的位置相同，该目标关键点为该目标物体的关键部位中包括的关键点，该预设关键点为该预设图像中包括的关键点，该预设图像与该目标物体的关键部位的类型对应；在第一标识与第二标识不相同的情况下，确定该目标物体处于异常，该第一标识为目标特征对应的标识，该目标特征为特征库中与该目标图像的特征之间的相似度最大的特征，该第二标识为该待识别图像中包括的标识。
6.可选地，上述对该待识别图像进行图像处理，得到目标图像，具体可以包括：对该待识别图像进行图像识别，得到该目标物体的关键部位；基于该目标物体的关键部位，对该待识别图像进行裁剪处理，得到关键图像；对该关键图像进行图像识别，得到该目标关键点在该关键图像中的位置；将该目标关键点在该关键图像中的位置与该预设关键点在该预设图像中的位置对齐，以得到该目标图像。
7.可选地，上述对该待识别图像进行图像处理，得到目标图像，具体可以包括：确定该目标物体的关键部位的外观类型；基于该目标物体的关键部位的外观类型以及预设对应关系，确定该预设图像，该预设对应关系包括多个关键部位的外观类型以及该多个关键部位的外观类型各自对应的图像。
8.可选地，上述异常确定方法还包括：获取多个图像；将该多个图像输入特征提取网络，得到该多个图像中每个图像的特征；基于该每个图像的特征，生成该特征库。
9.可选地，上述异常确定方法还包括：对该待识别图像进行图像识别，以得到该第二标识。
10.第二方面，本技术提供一种异常确定装置，包括：获取模块、处理模块以及确定模
块；该获取模块，用于获取待识别图像，该待识别图像中包括目标物体；该处理模块，用于对该待识别图像进行图像处理，得到目标图像，该目标图像包括该目标物体的关键部位，目标关键点在该目标图像中的位置与预设关键点在预设图像中的位置相同，该目标关键点为该目标物体的关键部位中包括的关键点，该预设关键点为该预设图像中包括的关键点，该预设图像与该目标物体的关键部位的类型对应；该确定模块，用于在第一标识与第二标识不相同的情况下，确定该目标物体处于异常，该第一标识为目标特征对应的标识，该目标特征为特征库中与该目标图像的特征之间的相似度最大的特征，该第二标识为该待识别图像中包括的标识。
11.可选地，该处理模块，具体用于对该待识别图像进行图像识别，得到该目标物体的关键部位；该处理模块，还具体用于基于该目标物体的关键部位，对该待识别图像进行裁剪处理，得到关键图像；该处理模块，还具体用于对该关键图像进行图像识别，得到该目标关键点在该关键图像中的位置；该处理模块，还具体用于将该目标关键点在该关键图像中的位置与该预设关键点在该预设图像中的位置对齐，以得到该目标图像。
12.可选地，该确定模块，还具体用于确定该目标物体的关键部位的外观类型；该确定模块，还具体用于基于该目标物体的关键部位的外观类型以及预设对应关系，确定该预设图像，该预设对应关系包括多个关键部位的外观类型以及该多个关键部位的外观类型各自对应的图像。
13.可选地，该获取模块，还用于获取多个图像；该处理模块，还用于将该多个图像输入特征提取网络，得到该多个图像中每个图像的特征；该处理模块，还用于基于该每个图像的特征，生成该特征库。
14.可选地，该处理模块，还用于对该待识别图像进行图像识别，以得到该第二标识。
15.第三方面，本技术提供一种电子设备，包括：处理器和被配置为存储处理器可执行指令的存储器；其中，处理器被配置为执行该指令，以实现上述第一方面中任一种可选地异常确定方法。
16.第四方面，本技术提供一种计算机可读存储介质，计算机可读存储介质上存储有指令，当该计算机可读存储介质中的指令由电子设备执行时，使得该电子设备能够执行上述第一方面中任一种可选地异常确定方法。
17.本技术提供的异常确定方法、装置、电子设备及存储介质，本技术中，电子设备可以获取待识别图像，然后对该待识别图像进行图像处理，得到目标图像，该目标图像包括目标物体的关键部位，在第一标识与第二标识不相同的情况下，说明该待识别图像中包括该目标物体的标识与该目标图像的特征对应的物体的标识不同，此时，该电子设备可以确定该目标物体处于异常。本技术实施例中，该目标特征为特征库中与该目标图像的特征之间的相似度最大的特征，当该目标特征与该目标图像的特征之间的相似度最大时，说明该目标特征与该目标图像的特征较为相似，此时，该电子设备可以将该目标特征对应的标识确定为该目标物体的标识，由于该第一标识以及该第二标识用于标识该目标物体，因此，当该第一标识(即该目标特征对应的标识)与该第二标识(即该待识别图像中包括的标识)不同时，说明该目标物体对应两个标识，该电子设备无法确定该目标物体的真实标识，此时，该电子设备可以准确地确定出该目标物体的标识存在异常，提高了异常确定的有效性。
附图说明
18.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
19.图1为本技术实施例提供的一种异常确定方法的流程示意图；
20.图2为本技术实施例提供的另一种异常确定方法的流程示意图；
21.图3为本技术实施例提供的另一种异常确定方法的流程示意图；
22.图4为本技术实施例提供的一种电子设备的内部结构示意图；
23.图5为本技术实施例提供的另一种异常确定方法的流程示意图；
24.图6为本技术实施例提供的另一种异常确定方法的流程示意图；
25.图7为本技术实施例提供的一种异常确定装置的结构示意图；
26.图8为本技术实施例提供的另一种异常确定装置的结构示意图。
具体实施方式
27.下面将结合附图对本技术实施例提供的异常确定方法、装置、电子设备及存储介质进行详细的描述。
28.本技术的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序，例如，第一标识和第二标识等是用于区别不同的标识，而不是用于描述标识的特定顺序。
29.此外，本技术的描述中所提到的术语“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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
30.需要说明的是，本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
31.本技术中所述“和/或”，包括用两种方法中的任意一种或者同时使用两种方法。
32.在本技术的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
33.基于背景技术中所描述，由于相关技术中，相同类型的物体外观结构相似度较高，并且数量较多，通过人工核验的方式可能不能准确地确认出目标物体的身份是否存在异常，影响了异常确定的有效性。基于此，本技术实施例提供一种异常确定方法、装置、电子设备及存储介质，该目标特征为特征库中与该目标图像的特征之间的相似度最大的特征，当该目标特征与该目标图像的特征之间的相似度最大时，说明该目标特征与该目标图像的特征较为相似，此时，该电子设备可以将该目标特征对应的标识确定为该目标物体的标识，由于该第一标识以及该第二标识用于标识该目标物体，因此，当该第一标识(即该目标特征对应的标识)与该第二标识(即该待识别图像中包括的标识)不同时，说明该目标物体对应两个标识，该电子设备无法确定该目标物体的真实标识，此时，该电子设备可以准确地确定出该目标物体的标识存在异常，提高了异常确定的有效性。
34.示例性的，执行本技术实施例提供的异常确定方法的电子设备可以是手机、平板
电脑、桌面型、膝上型、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本，以及蜂窝电话、个人数字助理(personal digital assistant，pda)、增强现实(augmented reality，ar)\虚拟现实(virtual reality，vr)设备等，本技术对电子设备的具体形态不作特殊限制。其可以与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互。
35.示例性的，上述电子设备也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者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、网络加速服务(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
36.本技术实施例提供的异常确定方法、装置、电子设备及存储介质，应用于异常检测的场景中。当电子设备获取到一个待识别图像时，可以对该待识别图像进行图像处理，得到目标图像，然后在第一标识与第二标识不相同的情况下，确定目标物体处于异常。
37.如图1所示，本技术实施例提供的异常确定方法可以包括s101-s103。
38.s101、电子设备获取待识别图像。
39.其中，该待识别图像中包括目标物体。
40.s102、电子设备对待识别图像进行图像处理，得到目标图像。
41.其中，该目标图像包括该目标物体的关键部位，目标关键点在该目标图像中的位置与预设关键点在预设图像中的位置相同，该目标关键点为目标物体的关键部位中包括的关键点，该预设关键点为预设图像中包括的关键点，该预设图像与该目标物体的关键部位的类型对应。
42.可以理解的是，该待识别图像中也包括该目标物体的关键部位，该目标物体的关键部位为能够表征该目标物体的唯一性的部位，该电子设备可以基于该关键部位确定该目标物体。
43.应理解，该目标关键点为该关键部位的显著信息，该目标关键点用于对该关键部位的显著信息进行定位。
44.可以理解的是，该预设关键点的位置为提前预设好的该关键部位的显著信息在该预设图像中的位置，该电子设备可以基于该目标关键点以及该预设关键点在该预设图像中的位置，对该待识别图像进行图像处理，以使得该目标关键点在该目标图像中的位置与该预设关键点在该预设图像中的位置相同。
45.应理解，该目标关键点在该目标图像中的位置与该预设关键点在该预设图像中的位置相同，说明该目标图像的视角与该预设图像的视角相同。
46.本技术实施例中，该预设图像也可以理解为预设模板，由于拍摄角度不同，拍摄位置受限，该同一目标物体的不同待识别图像的视角差异可能过大，该电子设备基于预设模板对该待识别图像进行图像处理，可以得到标准视角下的该目标物体的关键部位。
47.可选地，该电子设备可以存储有该关键部位的多个类型以及该每个类型对应的模板，然后该电子设备可以基于该目标物体的关键部位的类别确定该预设图像。
48.s103、在第一标识与第二标识不相同的情况下，电子设备确定目标物体处于异常。
49.其中，该第一标识为目标特征对应的标识，该目标特征为特征库中与该目标图像的特征之间的相似度最大的特征，该第二标识为该待识别图像中包括的标识。
50.可以理解的是，该特征库存储有多个物体的标识以及该多个物体的标识中每个物体的标识对应的特征，当该目标特征与该目标图像的特征之间的相似度最大时，说明该目标特征与该目标图像的特征较为相似，该目标特征对应的物体与该目标图像的特征对应的物体可能为同一物体，此时，该电子设备可以将该目标特征对应的物体的标识(即第一标识)确定为该目标图像的特征对应的物体的标识。
51.可以理解的是，该第二标识为该待识别图像中包括的该目标物体的标识，当该第一标识与该第二标识不相同时，说明该待识别图像中包括该目标物体的标识与该目标图像的特征对应的物体的标识不同，可能该待识别图像中包括的标识不是该目标物体的真实标识，或者该目标图像的特征对应的物体的标识不是该目标物体的真实标识，此时该电子设备无法确定该目标物体的真实标识，该电子设备可以确定该目标物体异常，以及该目标物体的标识异常。
52.应理解，当该第一标识与该第二标识相同时，说明该待识别图像中包括该目标物体的标识与该目标图像的特征对应的物体的标识相同，此时，该电子设备可以确定该待识别图像中包括的该目标物体的标识(或者该目标图像的特征对应的物体的标识)为该目标物体的真实标识，该电子设备可以确定该目标物体正常。
53.可选地，该电子设备可以对该待识别图像进行识别处理，得到该第二标识。
54.可选地，该第二标识可以为一个文本序列。
55.在一种可选地实现方式中，该电子设备可以将该目标图像输入特征提取网络，得到该目标图像的特征。
56.在另一种可选地实现方式中，该电子设备可以基于共轭梯度分解cgd算法在该特征库中检索与该目标图像的特征相似度最大的特征。
57.在本技术实施例的一种实现方式中，该电子设备在识别出该第二标识之后，可以基于该第二标识确定该特征库中包括的该第二标识对应的至少一个特征，当该至少一个特征中的某一个特征与该目标图像的特征之间的相似度大于或等于相似度阈值时，该电子设备可以确定该目标物体的标识为该第二标识，以及确定该目标物体正常。
58.上述实施例提供的技术方案至少能够带来以下有益效果：由s101-s103可知，电子设备可以获取待识别图像，然后对该待识别图像进行图像处理，得到目标图像，该目标图像包括目标物体的关键部位，在第一标识与第二标识不相同的情况下，说明该待识别图像中包括该目标物体的标识与该目标图像的特征对应的物体的标识不同，此时，该电子设备可以确定该目标物体处于异常。本技术实施例中，该目标特征为特征库中与该目标图像的特征之间的相似度最大的特征，当该目标特征与该目标图像的特征之间的相似度最大时，说明该目标特征与该目标图像的特征较为相似，此时，该电子设备可以将该目标特征对应的标识确定为该目标物体的标识，由于该第一标识以及该第二标识用于标识该目标物体，因此，当该第一标识(即该目标特征对应的标识)与该第二标识(即该待识别图像中包括的标识)不同时，说明该目标物体对应两个标识，该电子设备无法确定该目标物体的真实标识，此时，该电子设备可以准确地确定出该目标物体的标识存在异常，提高了异常确定的有效性。
59.结合图1，如图2所示，上述电子设备对待识别图像进行图像处理，得到目标图像，具体可以包括s1021-s1024。
60.s1021、电子设备对待识别图像进行图像识别，得到目标物体的关键部位。
61.可以理解的是，该待识别图像中包括目标物体，该目标物体包括多个部位，该电子设备可以识别出该待识别图像中包括的目标物体的关键部位。
62.在一种可选地实现方式中，该电子设备可以将该待识别图像输入关键部位检测模型，然后得到该目标物体的关键部位。
63.可选地，在该电子设备可以将该待识别图像输入关键部位检测模型之前，该电子设备可以获取多个待识别图像，然后人为确定出该多个待识别图像中每个待识别图像的关键部位，并且基于该每个待识别图像的关键部位对该关键部位检测模型进行训练，调整该关键部位检测模型的参数。
64.可选地，该电子设备可以基于yolov5算法构建该关键部位检测模型。
65.s1022、电子设备基于目标物体的关键部位，对待识别图像进行裁剪处理，得到关键图像。
66.可以理解的是，该关键图像中仅包括该目标物体的关键部位。
67.s1023、电子设备对该关键图像进行图像识别，得到目标关键点在关键图像中的位置。
68.结合上述实施例的描述，应理解，该目标关键点为该关键部位的显著信息，该电子设备可以提前设定该目标关键点的显著信息，然后对该关键图像进行图像识别，得到该目标关键点在该关键图像中的位置。
69.具体地，该电子设备可以对该关键图像进行关键点提取，以获取到该目标关键点以及该目标关键点在该关键图像中的位置。
70.本技术实施例中，该电子设备可以基于该关键部位的颜色、形状等确定该目标关键点，例如该关键部位的不同颜色的拼接处。
71.示例性的，假设该目标物体的关键部位为船舱，该电子设备可以将船舱的顶点确定为目标关键点，然后该电子设备可以识别出该船舱的顶点在该关键图像中的位置。
72.在一种可选地实现方式中，该电子设备可以将关键图片输入关键点识别模型，得到该目标关键点。
73.可选地，该电子设备可以基于mmpose算法构建该关键点识别模型。
74.可选地，该电子设备可以获取该多个预设关键图像，然后人工确定出多个预设关键图像中每个预设关键图像中包括的关键点的位置，然后基于该每个预设关键图像中包括的关键点的位置对该关键点识别模型进行训练。
75.s1024、电子设备将目标关键点在关键图像中的位置与预设关键点在预设图像中的位置对齐，以得到目标图像。
76.应理解，电子设备将目标关键点在关键图像中的位置与预设关键点在预设图像中的位置对齐之后，该目标关键点在目标图像中的位置与该预设关键点在预设图像中的位置相同。
77.需要说明的是，该目标关键点的数量以及预设关键点的数量可以是一个也可以是多个，本技术实施例对该关键点的数量不作具体限定。
78.在一种可选地实现方式中，当该预设关键点的数量为多个时，该电子设备可以确定该目标关键点的数量与该预设关键点的数量是否相同，在该目标关键点的数量与该预设
关键点的数量相同的情况下，该电子设备可以基于投影变换的方式将目标关键点在关键图像中的位置与预设关键点在预设图像中的位置对齐，在该目标关键点的数量与该预设关键点的数量不同，具体为该目标关键点的数量小于该预设关键点的数量的情况下，该电子设备可以基于放射变换的方式将目标关键点在关键图像中的位置与预设关键点在预设图像中的位置对齐，以得到目标图像。
79.上述实施例提供的技术方案至少能够带来以下有益效果：由s1021-s1024可知，该电子设备可以对待识别图像进行图像识别，得到该目标物体的关键部位，然后基于该目标物体的关键部位，对该待识别图像进行裁剪处理，得到关键图像，之后对该关键图像进行图像识别，得到目标关键点在该关键图像中的位置，该电子设备可以将该目标关键点在该关键图像中的位置与该预设关键点在该预设图像中的位置对齐，以得到目标图像。本技术实施例中，由于该关键图像是该电子设备基于该目标物体的关键部位对该待识别图像进行裁剪处理得到的，因此，该关键图像中仅包括该目标物体的关键部位，又由于该电子设备将目标关键点在关键图像中的位置与预设关键点在预设图像中的位置对齐之后，该目标关键点在目标图像中的位置与该预设关键点在预设图像中的位置相同，因此该目标图像与该预设图像的视角较为相似，该电子设备将该关键图像调整为预设图像的视角下的目标图像，可以减少视角不同、图像背景不同导致的该待识别图像的特征与特征库中包括的特征之间的差异较大的问题，提高了电子设备确定特征之间相似度的准确性。
80.结合图2，如图3所示，上述电子设备对待识别图像进行图像处理，得到目标图像，具体还可以包括s1025-s1026。
81.s1025、电子设备确定目标物体的关键部位的外观类型。
82.可以理解的是，同一部位的外观可能不同，该电子设备可以基于该目标物体的关键部位的外观，确定该目标物体的关键部位的外观类型。
83.本技术实施例中，该电子设备可以基于该目标物体的关键部位的颜色、形状等确定该目标物体的关键部位的外观类型。
84.在一种可选地实现方式中，该电子设备可以将上述关键图像输入分类模型中，得到该目标物体的关键部位的外观类型。
85.可选地，该电子设备可以基于efficientnet算法构建该分类模型。
86.可选地，该电子设备可以获取多个关键图像，然后人为确定出该关键图像的外观类型，然后基于该人为确定出该关键图像的外观类型训练该分类模型。
87.在一种可选地实现方式中，该电子设备还可以基于该关键图像中该目标物体的关键部位的拍摄角度对该目标物体的关键部位的外观类型进行分类。
88.具体的，该拍摄角度可以包括正面和侧面，该正面和侧面分别对应多个外观类型，该电子设备可以先确定该目标物体的关键部位的拍摄角度对应的多个外观类型，再基于该目标物体的关键部位的颜色、形状等确定该目标物体的关键部位的外观类型。
89.s1026、电子设备基于目标物体的关键部位的外观类型以及预设对应关系，确定预设图像。
90.其中，该预设对应关系包括多个关键部位的外观类型以及该多个关键部位的外观类型各自对应的图像。
91.在本技术实施例的一种实现方式中，该电子设备可以由多个模块组成，示例性的，
如图4所示，该电子设备包括标识检测模块、关键部位检测模块、关键点检测模块、分类模块、对齐模块以及检索模块。
92.具体的，该标识检测模块用于识别该待识别图像中包括的目标物体的标识；该关键部位检测模块用于识别该待识别图像中包括的目标物体的关键部位；该关键点检测模块用于识别该目标关键图像中包括的目标关键点；该分类模块用于确定该目标物体的关键部位的外观类型；该对齐模块用于将目标关键点在关键图像中的位置与预设关键点在预设图像中的位置对齐，以得到目标图像；该检索模块用于从特征库中检索出与目标图像的特征相似度最大的特征。
93.上述实施例提供的技术方案至少能够带来以下有益效果：由s1025-s1026可知，该电子设备可以基于该目标物体的关键部位的外观确定该目标物体的关键部位的外观类型，然后基于该目标物体的关键部位的外观类型以及预设对应关系，可以准确地确定出与该目标物体的关键部位相似的预设图像。
94.结合图1，如图5所示，该异常确定方法还包括s104-s106。
95.s104、电子设备获取多个图像。
96.应理解，该多个图像中的每个图像中均包括一个物体。
97.需要说明的是，该每个图像中包括的物体可能相同可能不同。
98.s105、电子设备将多个图像输入特征提取网络，得到多个图像中每个图像的特征。
99.可选地，该电子设备可以基于resnet50算法构建该特征提取网络。
100.s106、电子设备基于每个图像的特征，生成特征库。
101.可以理解的是，该电子设备可以对该多个图像的特征进行分类，确定该同一个物体对应的图像的特征，然后存储该每个物体的标识以及该每个物体的标识对应的特征。
102.在一种可选地实现方式中，该电子设备可以对该多个图像中的每个图像进行图像处理，具体包括识别处理、裁剪处理、对齐处理，然后将该图像处理之后得到的图像输入特征提取网络，得到该多个图像中每个图像的特征，以使得该电子设备无需存储同一个关键部位在不同视角下的图像的特征，减小了特征库建立的负担。
103.在一种可选地实现方式中，该电子设备还可以基于该每个物体的标识生成该每个物体的标识对应的特征库。
104.在另一种可选地实现方式中，该电子设备还可以按照该关键部位的正面和侧面对该特征库进行分类，进而该电子设备在确定出该目标图像中该目标物体的关键部位的拍摄角度之后，可以基于目标图像中该目标物体的关键部位的拍摄角度该缩小需要检索的特征库，提高了特征之间相似度检索地效率以及准确性。
105.上述实施例提供的技术方案至少能够带来以下有益效果：由s104-s106可知，该电子设备可以获取多个图像，然后将该多个图像输入特征提取网络，得到该多个图像中每个图像的特征，之后基于每个图像的特征，生成特征库。本技术实施例中，由于该电子设备基于每个物体的图像得到该每个物体的特征，可以提高特征库中特征存储的准确性，进而该电子设备基于该特征库可以准确确定出与该目标图像的特征相似度最大的特征。
106.结合图1，如图6所示，该异常确定方法还包括s107。
107.s107、电子设备对待识别图像进行图像识别，得到第二标识。
108.应理解，该第二标识为该目标物体表面的标识，该电子设备可以对该待识别图像
进行识别处理，得到该第二标识。
109.具体的，该电子设备可以先检测出该标识所在位置，然后识别该位置的标识。
110.在一种可选地实现方式中，该电子设备可以将该待识别图像输入标识识别模型，得到该目标物体的标识。
111.可选地，该电子设备可以基于paddleocr算法构建该标识识别模型。
112.可选地，该电子设备可以获取多个待识别图像，然后确定该多个待识别图像中每个待识别图像的标识以及该标识的位置，并且基于该每个待识别图像的标识以及该标识的位置训练该标识识别模型。
113.本技术实施例中，该电子设备对待识别图像进行图像识别，可以准确地得到该待识别图像中包括的该目标物体的标识，进而该电子设备基于该第二标识可以准确确定出该目标物体的标识是否异常。
114.接下来以该目标物体为船只为例，说明本技术实施例提供的异常确定方法的一种应用场景。
115.相关技术中，船只入港后，相关核验人员可以登船核对发动机编号与对应船号登记的发动机编号是否一致。若一致，则认为该船只为合法的登记船只；若不一致，则认为该船只为套牌船。此过程完全依赖人工进行，核验过程缓慢，放行一艘渔船通常需要40分钟左右。且受港口环境复杂、不同船只外观结构相似度较高、渔民登记混乱等因素的限制，相关核验人员在核验过程中及其容易出现纰漏。
116.本技术提供的异常确定方法中，该电子设备可以获取目标船只的图像，然后识别该图像中包括的该目标船只的船牌以及船号，同时，该电子设备可以提取该目标船只的图像中该目标船只的关键部位(以下以船舱为例)，并裁剪该目标船只的船舱图片，然后识别该船舱的目标关键点，例如该船舱的四个顶点，以及基于该船舱的外观确定该船舱的类别，基于该船舱的类别确定预设图像，基于该预设图像中包括的预设关键点以及目标关键点对该船舱图片进行对齐处理，得到目标图像，然后在特征库中检索出与该目标图像的特征相似度最高的目标特征，将该目标特征对应的船只的船号确定为该目标船只的船号，然后确定该目标特征对应的船只的船号与该目标船只的图像中包括的船号是否相同，在该目标特征对应的船只的船号与该目标船只的图像中包括的船号相同的情况下，确定该目标船只的船号正常，在该目标特征对应的船只的船号与该目标船只的图像中包括的船号不同的情况下，确定该目标船只的船号异常，以及确定该目标船只为套牌船。
117.本技术实施例可以根据上述方法示例对电子设备等进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本技术实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
118.在采用对应各个功能划分各个功能模块的情况下，图7示出了上述实施例中所涉及的异常确定装置的一种可能的结构示意图，如图7所示，异常确定装置10可以包括：获取模块101、处理模块102以及确定模块103。
119.获取模块101，用于获取待识别图像，该待识别图像中包括目标物体。
120.处理模块102，用于对该待识别图像进行图像处理，得到目标图像，该目标图像包
括该目标物体的关键部位，目标关键点在该目标图像中的位置与预设关键点在预设图像中的位置相同，该目标关键点为该目标物体的关键部位中包括的关键点，该预设关键点为该预设图像中包括的关键点，该预设图像与该目标物体的关键部位的类型对应。
121.确定模块103，用于在第一标识与第二标识不相同的情况下，确定该目标物体处于异常，该第一标识为目标特征对应的标识，该目标特征为特征库中与该目标图像的特征之间的相似度最大的特征，该第二标识为该待识别图像中包括的标识。
122.可选地，处理模块102，具体用于对该待识别图像进行图像识别，得到该目标物体的关键部位。
123.处理模块102，还具体用于基于该目标物体的关键部位，对该待识别图像进行裁剪处理，得到关键图像。
124.处理模块102，还具体用于对该关键图像进行图像识别，得到该目标关键点在该关键图像中的位置。
125.处理模块102，还具体用于将该目标关键点在该关键图像中的位置与该预设关键点在该预设图像中的位置对齐，以得到该目标图像。
126.可选地，确定模块103，还具体用于确定该目标物体的关键部位的外观类型。
127.确定模块103，还具体用于基于该目标物体的关键部位的外观类型以及预设对应关系，确定该预设图像，该预设对应关系包括多个关键部位的外观类型以及该多个关键部位的外观类型各自对应的图像。
128.可选地，获取模块101，还用于获取多个图像。
129.处理模块102，还用于将该多个图像输入特征提取网络，得到该多个图像中每个图像的特征。
130.处理模块102，还用于基于该每个图像的特征，生成该特征库。
131.可选地，处理模块102，还用于对该待识别图像进行图像识别，以得到该第二标识。
132.在采用集成的单元的情况下，图8示出了上述实施例中所涉及的异常确定装置的一种可能的结构示意图。如图8所示，异常确定装置20可以包括：处理模块201和通信模块202。处理模块201可以用于对异常确定装置20的动作进行控制管理。通信模块202可以用于支持异常确定装置20与其他实体的通信。可选地，如图8所示，该异常确定装置20还可以包括存储模块203，用于存储异常确定装置20的程序代码和数据。
133.其中，处理模块201可以是处理器或控制器。通信模块202可以是收发器、收发电路或通信接口等。存储模块203可以是存储器。
134.其中，当处理模块201为处理器，通信模块202为收发器，存储模块203为存储器时，处理器、收发器和存储器可以通过总线连接。总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。
135.应理解，在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
136.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟
以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
137.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
138.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
139.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户终端线(digital subscriber line，dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
140.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种异常确定方法，其特征在于，所述方法包括：获取待识别图像，所述待识别图像中包括目标物体；对所述待识别图像进行图像处理，得到目标图像，所述目标图像包括所述目标物体的关键部位，目标关键点在所述目标图像中的位置与预设关键点在预设图像中的位置相同，所述目标关键点为所述目标物体的关键部位中包括的关键点，所述预设关键点为所述预设图像中包括的关键点，所述预设图像与所述目标物体的关键部位的类型对应；在第一标识与第二标识不相同的情况下，确定所述目标物体处于异常，所述第一标识为目标特征对应的标识，所述目标特征为特征库中与所述目标图像的特征之间的相似度最大的特征，所述第二标识为所述待识别图像中包括的标识。2.根据权利要求1所述的异常确定方法，其特征在于，所述对所述待识别图像进行图像处理，得到目标图像，包括：对所述待识别图像进行图像识别，得到所述目标物体的关键部位；基于所述目标物体的关键部位，对所述待识别图像进行裁剪处理，得到关键图像；对所述关键图像进行图像识别，得到所述目标关键点在所述关键图像中的位置；将所述目标关键点在所述关键图像中的位置与所述预设关键点在所述预设图像中的位置对齐，以得到所述目标图像。3.根据权利要求2所述的异常确定方法，其特征在于，所述方法还包括：确定所述目标物体的关键部位的外观类型；基于所述目标物体的关键部位的外观类型以及预设对应关系，确定所述预设图像，所述预设对应关系包括多个关键部位的外观类型以及所述多个关键部位的外观类型各自对应的图像。4.根据权利要求1所述的异常确定方法，其特征在于，所述方法还包括：获取多个图像；将所述多个图像输入特征提取网络，得到所述多个图像中每个图像的特征；基于所述每个图像的特征，生成所述特征库。5.根据权利要求1-4中任一项所述的异常确定方法，其特征在于，所述方法还包括：对所述待识别图像进行图像识别，以得到所述第二标识。6.一种异常确定装置，其特征在于，包括：获取模块、处理模块以及确定模块；所述获取模块，用于获取待识别图像，所述待识别图像中包括目标物体；所述处理模块，用于对所述待识别图像进行图像处理，得到目标图像，所述目标图像包括所述目标物体的关键部位，目标关键点在所述目标图像中的位置与预设关键点在预设图像中的位置相同，所述目标关键点为所述目标物体的关键部位中包括的关键点，所述预设关键点为所述预设图像中包括的关键点，所述预设图像与所述目标物体的关键部位的类型对应；所述确定模块，用于在第一标识与第二标识不相同的情况下，确定所述目标物体处于异常，所述第一标识为目标特征对应的标识，所述目标特征为特征库中与所述目标图像的特征之间的相似度最大的特征，所述第二标识为所述待识别图像中包括的标识。7.根据权利要求6所述的异常确定装置，其特征在于，所述处理模块，具体用于对所述待识别图像进行图像识别，得到所述目标物体的关键
部位；所述处理模块，还具体用于基于所述目标物体的关键部位，对所述待识别图像进行裁剪处理，得到关键图像；所述处理模块，还具体用于对所述关键图像进行图像识别，得到所述目标关键点在所述关键图像中的位置；所述处理模块，还具体用于将所述目标关键点在所述关键图像中的位置与所述预设关键点在所述预设图像中的位置对齐，以得到所述目标图像。8.根据权利要求7所述的异常确定装置，其特征在于，所述确定模块，还具体用于确定所述目标物体的关键部位的外观类型；所述确定模块，还具体用于基于所述目标物体的关键部位的外观类型以及预设对应关系，确定所述预设图像，所述预设对应关系包括多个关键部位的外观类型以及所述多个关键部位的外观类型各自对应的图像。9.根据权利要求6所述的异常确定装置，其特征在于，所述获取模块，还用于获取多个图像；所述处理模块，还用于将所述多个图像输入特征提取网络，得到所述多个图像中每个图像的特征；所述处理模块，还用于基于所述每个图像的特征，生成所述特征库。10.根据权利要求6-9中任一项所述的异常确定装置，其特征在于，所述处理模块，还用于对所述待识别图像进行图像识别，以得到所述第二标识。11.一种电子设备，其特征在于，所述电子设备包括：处理器；被配置为存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现如权利要求1-5中任一项所述的异常确定方法。12.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，当所述计算机可读存储介质中的指令由电子设备执行时，使得所述电子设备能够执行如权利要求1-5中任一项所述的异常确定方法。

技术总结
本申请提供一种异常确定方法、装置、电子设备及存储介质，涉及计算机技术领域，解决了相同类型的物体外观结构相似度较高，并且数量较多，通过人工核验的方式可能不能准确地确认出目标物体的身份是否存在异常，影响了异常确定的有效性的技术问题。该方法包括：获取待识别图像；对该待识别图像进行图像处理，得到目标图像；在第一标识与第二标识不相同的情况下，确定该目标物体处于异常，该第一标识为目标特征对应的标识，该目标特征为特征库中与该目标图像的特征之间的相似度最大的特征，该第二标识为该待识别图像中包括的标识。二标识为该待识别图像中包括的标识。二标识为该待识别图像中包括的标识。


技术研发人员：路婷 赵放 李晓红 石芙源 王恺 廉士国
受保护的技术使用者：联通数字科技有限公司
技术研发日：2023.04.24
技术公布日：2023/8/14