本技术涉及智能识别，特别是涉及一种模板确定方法、装置、电子设备及存储介质。
背景技术：
1、通常，在利用识别算法进行对象识别时，可以先获取待识别对象的图像、视频、音频等多媒体信息，然后提取上述多媒体信息中的待识别对象的特征，得到待识别对象特征，并通过对比上述待识别对象特征与识别算法的预设特征，查找上述预设特征中与上述待识别对象特征相匹配的匹配特征，得到识别结果。
2、例如，当上述识别算法为面部识别算法时，则多媒体信息是待识别对象的面部图像，待识别对象特征为待识别面部特征。进而，便可以先采集待识别对象的面部图像，然后提取上述面部图像中的待识别对象的面部特征，得到待识别面部特征，并通过对比上述待识别面部特征与面部识别算法的预设面部特征，确定预设面部特征中与上述待识别面部特征相匹配的匹配特征，若上述匹配特征所具有的对象标识为用户a的用户标识，识别结果便为：上述待识别对象为用户a。
3、其中，识别算法的预设特征中，通常包括用户预先注册的各个预先设定对象的对象特征，以及在对象识别过程中，利用识别算法确定出存在匹配特征的待识别对象特征；其中，上述用户预先注册的各个预先设定对象的对象特征可以简称为主模板，而上述存在匹配特征的待识别对象特征可以简称为自学习模板。
4、然而，在识别过程中，能够识别出大量的存在匹配特征的待识别对象特征，而将所有的存在匹配特征的待识别对象特征均确定为识别算法的自学习模板，将极大地增加识别算法进行对象识别的计算量和计算时间，降低识别算法的识别效率。
5、基于此，如何选取存在匹配特征的待识别对象特征，作为自学习模板，成为影响识别算法的识别能力的亟待解决的技术问题。
技术实现思路
1、本技术实施例的目的在于提供一种模板确定方法、装置、电子设备及存储介质，以在大量的存在匹配特征的待识别对象特征中，选取自学习模板，提高识别算法的识别能力。
2、具体技术方案如下：
3、第一方面，本技术实施例提供了一种模板确定方法，所述方法包括：
4、当识别算法的预设特征中存在与待识别对象特征相匹配的匹配特征时，在所述预设特征中查找具有所述匹配特征的对象标识的目标主模板和目标自学习模板；
5、确定所述待识别对象特征与所述目标主模板的第一相似度，并确定所述待识别对象特征与所述目标自学习模板的第二相似度；
6、在所述第一相似度和所述第二相似度满足多个预设条件中的任一条件时，将所述待识别对象特征确定为待添加模板；
7、将所述待添加模板添加至所述预设特征中的自学习模板中，并为所述待添加模板添加所述匹配特征的对象标识；
8、其中，所述预设条件包括：
9、条件1：所述第一相似度位于第一区间内；
10、条件2：所述第一相似度大于指定阈值且所述第二相似度位于第二区间内；
11、条件3：所述第一相似度位于第三区间内且所述第二相似度位于第四区间内；
12、其中，所述第一区间、所述第二区间、所述第三区间和所述第四区间不完全相同。
13、可选的，一种具体实现方式中，在所述将所述待识别对象特征确定为待添加模板之前，所述方法还包括：
14、确定用于提取所述待识别对象特征的多媒体信息的质量参数；
15、所述将所述待识别对象特征确定为待添加模板，包括：
16、若所述质量参数大于预设质量参数，则将所述待识别对象特征确定为待添加模板。
17、可选的，一种具体实现方式中，所述目标自学习模板的数量为多个；所述确定所述待识别对象特征与所述目标自学习模板的第二相似度，包括：
18、将所述待识别对象特征与每个目标自学习模板的相似度中的最大值，确定为所述待识别对象特征与所述目标自学习模板的第二相似度。
19、可选的，一种具体实现方式中，所述将所述待添加模板添加至所述预设特征中的自学习模板中，包括：
20、若所述预设特征中的自学习模板的数量小于预设数量，则将所述待添加模板添加至所述预设特征中的自学习模板中；
21、若所述预设特征中的自学习模板的数量不小于所述预设数量，则确定所述预设特征中的自学习模板中是否存在添加时长大于预设时长的可替换模板；
22、若存在，则将所述可替换模板中的模板价值最低的模板替换为所述待添加模板；
23、其中，所述预设特征中的每个自学习模板的模板价值是基于该自学习模板的添加时长和使用次数确定的，每个自学习模板的使用次数为：该自学习模板被确定为与历史待识别对象特征相匹配的特征的次数。
24、可选的，一种具体实现方式中，所述方法还包括：
25、若所述预设特征中的自学习模板中不存在添加时长大于预设时长的可替换模板，则删除所述待添加模板。
26、可选的，一种具体实现方式中，所述识别算法的预设特征中，与所述待识别对象特征相匹配的所述匹配特征为所述预设特征中的自学习模板；在所述将所述可替换模板中的模板价值最低的模板替换为所述待添加模板之前，所述方法还包括：
27、更新所述匹配模板的使用次数。
28、可选的，一种具体实现方式中，所述预设特征中的每个自学习模板的模板价值的确定方式包括：
29、针对所述预设特征中的每个自学习模板，利用预设公式，计算该自学习模板的模板价值；其中，所述预设公式为：
30、
31、其中，vi为第i个自学习模板的模板价值，a为预设系数，ni为第i个自学习模板的使用次数，ti为第i个自学习模板的添加时长。
32、第二方面，本技术实施例提供了一种模板确定装置，所述装置包括：
33、模板确定模块，用于当识别算法的预设特征中存在与待识别对象特征相匹配的匹配特征时，在所述预设特征中查找具有所述匹配特征的对象标识的目标主模板和目标自学习模板；
34、相似度确定模块，用于确定所述待识别对象特征与所述目标主模板的第一相似度，并确定所述待识别对象特征与所述目标自学习模板的第二相似度；
35、特征确定模块，用于在所述第一相似度和所述第二相似度满足多个预设条件中的任一条件时，将所述待识别对象特征确定为待添加模板；
36、标识设置模块，用于将所述待添加模板添加至所述预设特征中的自学习模板中，并为所述待添加模板添加所述匹配特征的对象标识；
37、其中，所述预设条件包括：
38、条件1：所述第一相似度位于第一区间内；
39、条件2：所述第一相似度大于指定阈值且所述第二相似度位于第二区间内；
40、条件3：所述第一相似度位于第三区间内且所述第二相似度位于第四区间内；
41、其中，所述第一区间、所述第二区间、所述第三区间和所述第四区间不完全相同。
42、可选的，一种具体实现方式中，所述装置还包括：
43、参数确定模块，用于确定用于提取所述待识别对象特征的多媒体信息的质量参数；
44、所述特征确定模块具体用于：
45、若所述质量参数大于预设质量参数，则将所述待识别对象特征确定为待添加模板。
46、可选的，一种具体实现方式中，所述目标自学习模板的数量为多个；所述相似度确定模块具体用于：
47、将所述待识别对象特征与每个目标自学习模板的相似度中的最大值，确定为所述待识别对象特征与所述目标自学习模板的第二相似度。
48、可选的，一种具体实现方式中，所述标识设置模块具体用于：
49、若所述预设特征中的自学习模板的数量小于预设数量，则将所述待添加模板添加至所述预设特征中的自学习模板中；
50、若所述预设特征中的自学习模板的数量不小于所述预设数量，则确定所述预设特征中的自学习模板中是否存在添加时长大于预设时长的可替换模板；
51、若存在，则将所述可替换模板中的模板价值最低的模板替换为所述待添加模板；
52、其中，所述预设特征中的每个自学习模板的模板价值是基于该自学习模板的添加时长和使用次数确定的，每个自学习模板的使用次数为：该自学习模板被确定为与历史待识别对象特征相匹配的特征的次数。
53、可选的，一种具体实现方式中，所述装置还包括：
54、模板删除模块，用于若所述预设特征中的自学习模板中不存在添加时长大于预设时长的可替换模板，则删除所述待添加模板。
55、可选的，一种具体实现方式中，所述识别算法的预设特征中，与所述待识别对象特征相匹配的所述匹配特征为所述识别算法的自学习模板；所述装置还包括：
56、次数更新模块，用于更新所述匹配模板的使用次数。
57、可选的，一种具体实现方式中，所述装置还包括：
58、价值确定模块，用于针对所述预设特征中的每个自学习模板，利用预设公式，计算该自学习模板的模板价值；
59、其中，所述预设公式为：
60、
61、其中，vi为第i个自学习模板的模板价值，a为预设系数，ni为第i个自学习模板的使用次数，ti为第i个自学习模板的添加时长。
62、第三方面，本技术实施例提供了一种电子设备，包括：
63、存储器，用于存放计算机程序；
64、处理器，用于执行存储器上所存放的程序时，实现上述任一所述的模板确定方法。
65、第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的模板确定方法。
66、本技术实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的模板确定方法。
67、本技术实施例有益效果：
68、以上可见，在利用识别算法对待识别对象进行对象识别的过程中，针对待识别对象特征，在识别算法的预设特征中存在与该待识别对象特征相匹配的匹配特征时，在预设特征中查找具有匹配特征的对象标识的目标主模板和目标自学习模板，并确定待识别对象特征与目标主模板的第一相似度，以及待识别对象特征与目标自学习模板的第二相似度。若上述第一相似度和上述第二相似度满足多个预设条件中的任一条件，便可以将待识别对象特征确定为待添加模板；最后，将待添加模板添加至识别算法的自学习模板中，并为待添加模板添加匹配特征的对象标识。
69、基于此，应用本技术实施例提供的方案，可以利用预设条件，对识别过程中，所识别出的大量的存在匹配特征的待识别对象特征进行筛选，将满足任一预设条件的待识别对象特征确定为自学习模板，从而，相较于将全部存在匹配特征的待识别对象特征确定为自学习模板，可以控制所确定的自学习模板的数量，从而，在丰富识别算法的预设特征，提高识别算法的适用范围的基础上，避免由于自学习模板增加而导致的识别过程中的计算量和计算时间的极大增长，提高识别算法的识别能力。
70、另外，上述多个预设条件的不同预设条件对上述第一相似度和上述第二相似度的数值范围进行了不同程度的限定，可以使新确定的自学习模板与目标主模板和/或目标自学习模板，在具有一定相似度的同时，存在一定的差异性。由于在实际应用中，时间和场景等因素发生变化可能导致不同时刻同一对象的对象特征发生变化，因此，不同的预设条件通过不同的相似度数值范围，可以从对象特征的变化程度的角度出发，将待识别对象特征进行多种类型的划分。基于此，应用本技术实施例提供的方案，可以实现同一识别算法下不同类型的自学习模板的分别更新，使得识别算法的自学习模板覆盖更多的时间跨度和场景，更符合实际应用情况，从而提升识别算法的长期可用性、鲁棒性和识别成功率，达到全面提升识别算法的效果。并且，由于在识别算法的使用过程中，可以自动进行识别算法的自学习模板更新，因此，可以使识别算法的识别能力随着使用过程的增长而逐步增加，进而使识别算法的识别效果越来越好。
71、当然，实施本技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。
1.一种模板确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述将所述待识别对象特征确定为待添加模板之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述目标自学习模板的数量为多个；所述确定所述待识别对象特征与所述目标自学习模板的第二相似度，包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述待添加模板添加至所述预设特征中的自学习模板中，包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求4所述的方法，其特征在于，所述识别算法的预设特征中，与所述待识别对象特征相匹配的所述匹配特征为所述预设特征中的自学习模板；在所述将所述可替换模板中的模板价值最低的模板替换为所述待添加模板之前，所述方法还包括：
7.根据权利要求4所述的方法，其特征在于，所述预设特征中的每个自学习模板的模板价值的确定方式包括：
8.一种模板确定装置，其特征在于，所述装置包括：
9.根据权利要求8所述的装置，其特征在于，所述装置还包括：
10.根据权利要求8所述的装置，其特征在于，所述目标自学习模板的数量为多个；所述相似度确定模块具体用于：
11.根据权利要求8-10任一项所述的装置，其特征在于，所述标识设置模块具体用于：
12.根据权利要求11所述的装置，其特征在于，所述装置还包括：
13.根据权利要求11所述的装置，其特征在于，所述识别算法的预设特征中，与所述待识别对象特征相匹配的所述匹配特征为所述识别算法的自学习模板；所述装置还包括：
14.根据权利要求11所述的装置，其特征在于，所述装置还包括：
15.一种电子设备，其特征在于，包括：
16.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法。
