目标比对方法、装置、电子设备及可读存储介质

技术领域

本申请涉及视频监控技术，尤其涉及一种目标比对方法、装置、电子设备及可读存储介质。

背景技术

动态人脸识别布控利用人脸识别技术，对人脸抓拍机(如具有人脸抓拍功能的监控前端)抓拍的人脸图片进行建模，得到人脸模型，将人脸模型与黑名单库中已预先加载的人脸模型进行比对，分析出当前人脸模型与黑名单库中人脸模型的相似度，按照相似度排序得出黑名单库中相似度超过预设相似度阈值，且排序靠前的N个人脸模型(可以称为TopN)，输出给应用进行报警。

然而，当需要对同一人脸模型进行多种不同类别的黑名单库的比对报警时，要求高并发高响应的报警能力，目前的黑名单库比对方案的处理性能无法满足要求。

发明内容

有鉴于此，本申请提供一种目标比对方法、装置、电子设备及可读存储介质。

具体地，本申请是通过如下技术方案实现的：

根据本申请实施例的第一方面，提供一种目标比对方法，应用于目标比对设备，所述方法包括：

获取布控计划；

基于所述布控计划，确定待比对黑名单子库的第一数量，以及待比对黑名单子库中目标模型的第二数量；其中，不同黑名单子库存储有黑名单库中不同分类的目标模型；

基于所述布控计划的第三数量、所述第一数量以及所述第二数量，确定目标比对策略；

基于所述目标比对策略，进行目标比对。

根据本申请实施例的第二方面，提供一种目标比对装置，应用于目标比对设备，所述装置包括：

获取单元，用于获取布控计划；

第一确定单元，用于基于所述布控计划，确定待比对黑名单子库的第一数量，以及待比对黑名单子库中目标模型的第二数量；其中，不同黑名单子库存储有黑名单库中不同分类的目标模型；

第二确定单元，用于基于所述布控计划的第三数量、所述第一数量以及所述第二数量，确定目标比对策略；

比对单元，用于基于所述目标比对策略，进行目标比对。

根据本申请实施例的第三方面，提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述目标比对方法。

根据本申请实施例的第四方面，提供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目标比对方法。

本申请实施例的目标比对方法，通过获取布控计划，并基于该布控计划，确定待比对黑名单子库的第一数量，以及待比对黑名单子库中目标模型的第二数量，进而，基于布控计划的第三数量、该第一数量以及该第二数量，确定目标比对策略，并基于该目标比对策略，进行目标比对，提高了在对同一目标模型需要进行多种不同类型的目标模型的比对的场景下的目标比对策略的合理性，为高并发高响应的报警提供了支持。

附图说明

图1为本申请一示例性实施例示出的一种目标比对方法的流程示意图；

图2为本申请一示例性实施例示出的一种目标比对装置的结构示意图；

图3为本申请一示例性实施例示出的一种电子设备的硬件结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。

请参见图1，为本申请实施例提供的一种目标比对方法的流程示意图，其中，该目标比对方法可以应用于任一具有目标比对能力的设备(本文中称为目标比对设备)，其包括但不限于监控前端或监控后端，如图1所示，该目标比对方法可以包括以下步骤：

步骤S100、获取布控计划。

本申请实施例中，布控计划包括但不限于针对监控前端(如抓拍机)的实时抓拍图片的布控计划、针对录像抓拍的布控计划或针对图片集数据的布控计划等。

示例性的，上述监控前端并不特指某一固定的监控前端，而是可以指代任一为应用本申请实施例提供的目标比对方案的目标对比设备提供目标抓拍图片的监控前端。

示例性的，该目标包括但不限于人脸、人体或车辆等；目标比对包括人脸模型比对、人体模型比对或车辆模型比对等。

本申请实施例中，布控计划可以包括但不限于需要进行比对的黑名单子库的类型、进行目标比对的相似度阈值以及Top N等。不同黑名单子库存储有黑名单中不同分类的目标模型。

例如，目标模型可以根据地域(如省市信息)、犯罪等级(如嫌疑人、在逃犯)等进行分类。

示例性的，针对不同黑名单子库的相似度阈值可以相同，也可以不同；针对不同黑名单子库的Top N可以相同，也可以不同。

示例性的，对于同一监控终端，可以配置一个或多个布控计划。

步骤S110、基于获取到的布控计划，确定待比对黑名单子库的第一数量，以及待比对黑名单子库中目标模型的第二数量。

本申请实施例中，目标比对设备获取到布控计划时，可以基于获取到的布控计划，确定待比对黑名单子库的数量(本文中称为第一数量)，以及待比对黑名单库中目标模型的数量(本文中称为第二数量)。

举例来说，假设针对监控终端A的布控计划包括布控计划1和布控计划2，布控计划1需要将该监控终端的目标抓拍图片对应的目标模型(可以称为待比对目标模型)与黑名单子库1和黑名单子库2中的目标模型比对，布控计划2需要将待比对目标模型与黑名单子库2和黑名单子库3中的目标模型比对，则针对监控终端A的待比对黑名单子库的数量为3(黑名单子库1～3)，待比对黑名单子库中目标模型的数量为黑名单子库1～3的并集中的目标模型的数量。

步骤S120、基于布控计划的第三数量、该第一数量以及该第二数量，确定目标比对策略。

本申请实施例中，考虑到当一个布控计划关联多个黑名单子库(即布控计划中要求比对多个黑名单子库中的目标模型)时，在确定该布控计划的Top N时，可以分别对各黑名单子库中的目标模型的相似度进行排序之后，再进行布控计划关联的多个黑名单子库的排序；或者，可以对布控计划关联的多个黑名单子库的并集中各目标模型的相似度进行排序。

需要说明的是，在本申请实施例中，若未特殊说明，所提及的黑名单子库中目标模型的相似度是指待比对目标模型与黑名单子库中目标模型的相似度。

此外，当配置有多个布控计划，且一个布控计划关联有多个黑名单子库时，不同布控计划关联的黑名单子库可能会存在重叠。

例如，仍以上一示例为例，布控计划1和布控计划2均需要对黑名单子库2中的目标模型进行比对。

因而，当按照先分别对各黑名单子库中的目标模型的相似度进行排序之后，再进行布控计划关联的多个黑名单子库的排序的目标比对策略进行目标比对时，在布控计划关联的黑名单子库的数量较多时，针对黑名单子库的排序次数也会比较多；当按照对布控计划关联的多个黑名单子库的并集中各目标模型的相似度进行排序的目标比对策略进行目标比对时，在不同布控计划关联的黑名单子库存在重叠时，对于重叠的黑名单子库中的目标模型会需要重复进行排序。

可见，不同目标对比策略下进行目标比对的工作量与监控终端布控计划的数量、布控计划关联的黑名单子库的数量以及黑名单子库中目标模型的数量相关。

因此，目标比对设备可以基于布控计划的数量(本文中称为第三数量)、上述第一数量以及第二数量，确定用于行目标比对的目标比对策略。

步骤S130、基于所确定的目标比对策略，进行目标比对。

本申请实施例中，目标比对设备确定了目标比对策略时，可以基于该目标比对策略进行目标比对。

可见，在图1所示方法流程中，通过确定布控计划的数量、待比对黑名单子库的数量以及待比对黑名单子库中目标模型的数量，并基于该布控计划的数量、待比对黑名单子库的数量以及待比对黑名单子库中目标模型的数量确定目标比对策略，进而，基于该目标比对策略，进行目标比对，提高了在对同一目标模型需要进行多种不同类型的目标模型的比对的场景下的目标比对策略的合理性，为高并发高响应的报警提供了支持。

在一种可选的实施例中，步骤S120中，基于布控计划的第三数量、该第一数量以及该第二数量，确定目标比对策略，可以包括：

基于第一数量、第二数量、第三数量、目标模型数量阈值以及排序次数阈值，确定目标比对策略。

示例性的，考虑到不同目标对比策略下进行目标比对的工作量与布控计划的数量、布控计划关联的黑名单子库的数量以及黑名单子库中目标模型的数量相关，且不同硬件(如GPU或CPU)的运算特性不同，即对不同类型的数据处理的性能不同。

例如，在大数据量情况下，GPU(Graphics Processing Unit，图像处理单元)的排序处理性能优于CPU(Center Processing Unit，中央处理单元)的排序处理性能。但是利用GPU进行排序时，需要涉及内存到显存的数据交换，且当环境条件允许时，CPU可用多线程并发排序提高排序处理性能。

因此，可以基于硬件处理性能，设置目标模型数量阈值以及排序次数阈值，并基于上述第一数量、第二数量、第三数量、该目标模型数量阈值以及排序次数阈值，确定目标比对策略。

在一个示例中，基于第一数量、第二数量、第三数量、目标模型数量阈值以及排序次数阈值，确定目标比对策略，可以包括：

当第二数量大于等于目标模型数量阈值，且第三数量大于第一数量时，确定目标对比策略为第一目标比对策略；或/和，

当第二数量小于目标模型数量阈值，且第一数量小于第三数量，以及第一数量小于等于排序次数阈值时，确定目标比对策略为第一目标比对策略。

示例性的，第一目标比对策略，包括：

通过GPU确定待比对目标模型与黑名单库中各目标模型的第一相似度；

基于第一相似度，通过GPU对各待比对黑名单子库中的目标模型进行排序，确定各待比对黑名单子库中的Top N；

基于各待比对黑名单子库中的Top N，通过CPU分别确定各布控计划的Top N；

按照布控计划，分别输出各布控计划的Top N。

示例性的，考虑到当待比对黑名单子库中目标模型的总数(即待比对黑名单子库的并集中的目标模型的数量)较多，且布控计划的数量大于待比对黑名单子库的数量时，按子库进行排序(即先分别对各黑名单子库中的目标模型的相似度进行排序之后，再进行布控计划关联的多个黑名单子库的排序)，且通过GPU进行排序的处理效率更高。

此外，由于GPU进行目标模型比对，确定待对比目标模型与黑名单库中的目标模型的相似度的性能明显优先CPU的处理性能，因此，目标模型的比对可以由GPU进行。

由于GPU确定待比对黑名单子库的并集的处理性能较低，GPU确定待比对黑名单子库的并集后，再对待比对目标模型和黑名单子库的并集中各目标模型进行比对的处理性能低于GPU对待比对目标模型和黑名单库中的全部目标模型进行比对的处理性能，因此，GPU在进行目标模型比对时，可以对待比对目标模型和黑名单库中全部目标模型进行比对。

相应地，当第二数量大于等于目标模型数量阈值，且第三数量大于第一数量时，可以通过GPU确定待比对目标模型与黑名单库中各目标模型的相似度(本文中称为第一相似度)，并由GPU基于第一相似度，对各待比对黑名单子库中的目标模型进行排序，确定各待比对黑名单子库中的Top N。

需要说明的是，对于任一待比对黑名单子库，若该待比对黑名单子库中与待比对目标模型的相似度高于预设相似度阈值的目标模型的数量小于N(如为M，M＜N)，则该黑名单子库对应的Top N实际为Top M。

通过GPU确定了各待比对黑名单子库的Top N之后，可以通过CPU分别确定各布控计算的Top N，并按照布控计划，分别输出各布控计划的Top N。

举例来说，假设布控计划1关联黑名单子库1和黑名单子库2，GPU得到黑名单子库1的Top N(假设为Top N1)和黑名单子库2的Top N(假设为Top N2)时，可以由CPU对该Top N1+Top N2个(因此可能存在重复的目标模型，因此，实际数量小于等于Top N1+Top N2，大于等于二者中的较大值)目标模型进行排序，确定该布控计划1的Top N。

同理，当第二数量小于目标模型数量阈值，且第一数量小于第三数量，以及第一数量小于等于排序次数阈值时，确定目标比对策略为第一目标比对策略。

在一个示例中，基于第一数量、第二数量、第三数量、目标模型数量阈值以及排序次数阈值，确定目标比对策略，可以包括：

当第二数量大于等于目标模型数量阈值，且第三数量小于等于第一数量时，确定目标比对策略为第二目标比对策略；或/和，

当第二数量小于目标模型数量阈值，且第三数量小于等于第一数量，以及第三数量小于等于排序次数阈值时，确定目标比对策略为第二目标比对策略。

示例性的，第二目标比对策略，包括：

通过GPU确定待比对目标模型与黑名单库中各目标模型的第一相似度；

基于第一相似度，通过GPU确定各布控计划对应的待比对黑名单子库的并集中的目标模型进行排序，以得到各布控计算的Top N；

按照布控计划，分别输出各布控计划的Top N。

示例性的，考虑到当待比对黑名单子库中目标模型的总数(即待比对黑名单子库的并集中的目标模型的数量)较多，且布控计划的数量小于等于待比对黑名单子库的数量时，按布控计划进行排序(即对布控计划关联的多个黑名单子库的并集中各目标模型的相似度进行排序)，且通过GPU进行排序的处理效率更高。

此外，由于GPU进行目标模型比对，确定待对比目标模型与黑名单库中的目标模型的相似度的性能明显优先CPU的处理性能，因此，目标模型的比对可以由GPU进行。

由于GPU确定待比对黑名单子库的并集的处理性能较低，GPU确定待比对黑名单子库的并集后，再对待比对目标模型和黑名单子库的并集中各目标模型进行比对的处理性能低于GPU对待比对目标模型和黑名单库中的全部目标模型进行比对的处理性能，因此，GPU在进行目标模型比对时，可以对待比对目标模型和黑名单库中全部目标模型进行比对。

相应地，当第二数量大于等于目标模型数量阈值，且第三数量小于等于第一数量时，可以通过GPU确定待比对目标模型与黑名单库中各目标模型的相似度(即第一相似度)，并由GPU基于第一相似度，对各布控计划关联的黑名单子库的并集中各目标模型进行排序，确定各布控计划的Top N，并分别输出各布控计划的Top N。

同理，当第二数量小于目标模型数量阈值，且第三数量小于等于第一数量，以及第三数量小于等于排序次数阈值时，确定目标比对策略为第二目标比对策略。

在一个示例中，基于第一数量、第二数量、第三数量、目标模型数量阈值以及排序次数阈值，确定目标比对策略，可以包括：

当第二数量小于目标模型数量阈值，且第一数量和第三数量均大于排序次数阈值时，确定目标比对策略为第三目标比对策略。

示例性的，第三目标比对策略，包括：

通过GPU确定待比对目标模型与黑名单库中各目标模型的第一相似度；

基于第一相似度，通过CPU对各待比对黑名单子库中的目标模型进行排序，确定各待比对黑名单子库中的Top N

基于各待比对黑名单子库中的Top N，通过CPU分别确定各布控计划的Top N；

按照布控计划，分别输出各布控计划的Top N。

示例性的，考虑到当待比对黑名单子库中目标模型的总数较少，CPU排序虽然处理性能不如GPU的排序处理性能，但是，综合考虑排序处理性能和内存与显存之间的数据交换，通过CPU进行排序的性能更高。

此外，当布控计划的数量和待比对黑名单子库的数量均大于排序次数阈值时，按子库进行排序时参与排序的目标模型的数量小于按布控计划进行排序时参与排序的目标模型的数量，CPU按子库进行排序的处理性能更高。

相应地，当第二数量小于目标模型数量阈值，且第一数量和第三数量均大于排序次数阈值时，可以通过GPU确定待比对目标模型与黑名单库中各目标模型的第一相似度，并由CPU基于第一相似度对各待比对黑名单子库中的目标模型进行排序，确定各待比对黑名单子库中的Top N，进而，基于各待比对黑名单子库中的Top N，通过CPU分别确定各布控计划的Top N，并按照布控计划，分别输出各布控计划的Top N。

在一种可选的实施例中，步骤S110之前，还可以包括：

当目标比对设备未部署GPU时，确定目标比对策略为第四目标比对策略。

示例性的，第四目标比对策略，包括：

通过CPU确定待比对目标模型与待比对黑名单子库的并集中各目标模型的第二相似度；

基于第二相似度，通过CPU对各待比对黑名单子库中的目标模型进行排序，确定各待比对黑名单子库中的Top N；

基于各待比对黑名单子库中的Top N，通过CPU分别确定各布控计划的Top N；

按照布控计划，分别输出各布控计划的Top N。

示例性的，当目标比对设备中未部署GPU时，需要通过CPU进行比对和排序。

由于对于大数据量情况，CPU处理性能较低，而CPU确定待比对黑名单子库的并集的性能较高，因此，CPU进行目标模型比对时，可以对待比对目标模型和待比对黑名单子库的并集中各目标模型进行比对。

此外，由于按子库进行排序时参与排序的目标模型的数量小于按布控计划进行排序时参与排序的目标模型的数量，因此，CPU按子库进行排序的处理性能更高。

相应地，当目标比对设备中未部署GPU时，可以通过CPU确定待比对目标模型与待比对黑名单子库的并集中各目标模型的相似度(本文中称为第二相似度)，并由CPU基于第二相似度，对各待比对黑名单子库中的目标模型进行排序，确定各待比对黑名单子库中的Top N，进而，基于各待比对黑名单子库中的Top N，分别确定各布控计划的Top N，并按照布控计划，分别输出各布控计划的Top N。

应该认识到，在本申请实施例中，目标比对策略并不限于上述第一目标比对策略、第二目标比对策略、第三目标比对策略以及第四目标比对策略，基于本申请实施例提供的目标比对策略确定方案，本领域技术人员在未付出创造性劳动的情况下对上述目标比对策略做出的调整或变型，均应属于本申请的保护范围。

为了使本领域技术人员更好地理解本申请实施例提供的技术方案，下面结合具体实例对本申请实施例提供的技术方案进行说明。

在该实施例中，以目标为人脸为例，假设针对监控前端A的布控计划包括Plan1、Plan2和Plan3，Plan1关联的黑名单子库为list1和list2，Plan2关联的黑名单子库为list2和list3，Plan3关联的黑名单子库为list1和list4。

在该实施例中，针对监控前端A的待比对人脸模型A的人脸比对流程如下：

1、当人脸比对设备未部署GPU时，选择人脸比对策略一。

2、当部署有GPU时，基于以下策略进行选择：

2.1、统计针对监控前端A的布控计划数量PN(即上述第三数量)，待比对黑名单子库的数量LN(即上述第一数量)以及待比对黑名单子库中人脸模型的数量(即上述第二数量)。

在该实施例中，PN＝3，LN＝4。

2.2、根据不同硬件特性，设定人脸模型数量阈值MNT，排序次数阈值SNT。

2.3、基于PN、LN、MN、MNT以及SNT确定人脸比对策略：

1)、若MN≥MNT，且PN>LM，则确定人脸比对策略为人脸比对策略一；

2)、若MN≥MNT，且PN≤LM，则确定人脸比对策略为人脸比对策略二；

3)、若MN

4)、若MN

5)、若MNSNT，则确定人脸比对策略为人脸比对策略三。

示例性的，人脸比对策略一～四分别如下所示：

人脸比对策略一：GPU比对、GPU按子库排序:

1、通过GPU对黑名单库中的全部人脸模型进行比对(即分别将人脸模型A与黑名单库中的全部人脸模型进行比对，下同)；

2、获取3个布控计划关联的黑名单子库的并集：list1、list2、list3以及list_4；

3、分别通过GPU对各个黑名单子库进行排序，得到各个黑名单子库的topN：

list1_topN、list2_topN、list3_topN以及list_4_topN

4、按照各布控计划关联的黑名单子库，分别挑取出各布控计划中黑名单子库的报警topN，通过CPU进行2次排序：

plan1_topN＝{list1_topN+list2_topN}_topN；

plan2_topN＝{list2_topN+list3_topN}_topN；

plan3_topN＝{list1_topN+list4_topN}_topN；

5、按照布控计划分别输出3个布控计划的topN。

人脸比对策略二：GPU比对、GPU按计划排序:

1、通过GPU对黑名单库中的全部人脸模型进行比对；

2、通过GPU分别对各个布控计划关联的黑名单子库并集进行排序：

plan1_topN＝{list1+list2}_topN；

plan2_topN＝{list2+list3}_topN；

plan3_topN＝{list1+list4}_topN；

3、按照布控计划分别输出3个布控计划的topN。

人脸比对策略三：GPU比对、CPU按子库排序:

1、通过GPU对黑名单库中的全部人脸模型进行比对；

2、获取3个布控计划关联的黑名单子库的并集：list1、list2、list3以及list_4；

3.分别通过CPU对各个黑名单子库进行排序，得到各个黑名单子库的topN：

list1_topN、list2_topN、list3_topN以及list_4_topN

4、按照各布控计划关联的黑名单子库，分别挑取出各布控计划中黑名单子库的报警topN，通过CPU进行2次排序：

plan1_topN＝{list1_topN+list2_topN}_topN；

plan2_topN＝{list2_topN+list3_topN}_topN；

plan3_topN＝{list1_topN+list4_topN}_topN；

5、按照布控计划分别输出3个布控计划的topN。

人脸比对策略四：CPU比对、CPU按子库排序:

1、通过CPU对3个布控计划关联的黑名单子库的并集中全部人脸模型进行比对(分别将人脸模型A与3个布控计划关联的黑名单子库的并集中的全部人脸模型进行比对)；

2、获取3个布控计划关联的黑名单子库的并集：list1、list2、list3以及list_4；

3.分别通过CPU对各个黑名单子库进行排序，得到各个黑名单子库的topN：

list1_topN、list2_topN、list3_topN以及list_4_topN

4、按照各布控计划关联的黑名单子库，分别挑取出各布控计划中黑名单子库的报警topN，通过CPU进行2次排序：

plan1_topN＝{list1_topN+list2_topN}_topN；

plan2_topN＝{list2_topN+list3_topN}_topN；

plan3_topN＝{list1_topN+list4_topN}_topN；

5、按照布控计划分别输出3个布控计划的topN。

本申请实施例中，通过获取布控计划，并基于该布控计划，确定待比对黑名单子库的第一数量，以及待比对黑名单子库中目标模型的第二数量，进而，基于布控计划的第三数量、该第一数量以及该第二数量，确定目标比对策略，并基于该目标比对策略，进行目标比对，提高了在对同一目标模型需要进行多种不同类型的目标模型的比对的场景下的目标比对策略的合理性，为高并发高响应的报警提供了支持。

以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述：

请参见图2，为本申请实施例提供的一种目标比对装置的结构示意图，如图2所示，该目标比对装置可以包括：

获取单元210，用于获取布控计划；

第一确定单元220，用于基于所述布控计划，确定待比对黑名单子库的第一数量，以及待比对黑名单子库中目标模型的第二数量；其中，不同黑名单子库存储有黑名单库中不同分类的目标模型；

第二确定单元230，用于基于所述布控计划的第三数量、所述第一数量以及所述第二数量，确定目标比对策略；

比对单元240，用于基于所述目标比对策略，进行目标比对。

在一种可选的实施例中，所述第二确定单元230基于所述布控计划的第三数量、所述第一数量以及所述第二数量，确定目标比对策略，包括：

基于所述第一数量、所述第二数量、所述第三数量、目标模型数量阈值以及排序次数阈值，确定目标比对策略。

在一种可选的实施例中，所述第二确定单元230基于所述第一数量、所述第二数量、所述第三数量、目标模型数量阈值以及排序次数阈值，确定目标比对策略，包括：

当所述第二数量大于等于所述目标模型数量阈值，且所述第三数量大于所述第一数量时，确定所述目标对比策略为第一目标比对策略；或/和，

当所述第二数量小于所述目标模型数量阈值，且所述第一数量小于所述第三数量，以及所述第一数量小于等于所述排序次数阈值时，确定所述目标比对策略为第一目标比对策略。

在一种可选的实施例中，所述第二确定单元230基于所述第一数量、所述第二数量、所述第三数量、目标模型数量阈值以及排序次数阈值，确定目标比对策略，包括：

当所述第二数量大于等于所述目标模型数量阈值，且所述第三数量小于等于所述第一数量时，确定所述目标比对策略为第二目标比对策略；或/和，

当所述第二数量小于所述目标模型数量阈值，且所述第三数量小于等于所述第一数量，以及所述第三数量小于等于所述排序次数阈值时，确定所述目标比对策略为第二目标比对策略。

在一种可选的实施例中，所述第二确定单元230基于所述第一数量、所述第二数量、所述第三数量、目标模型数量阈值以及排序次数阈值，确定目标比对策略，包括：

当所述第二数量小于所述目标模型数量阈值，且所述第一数量和所述第三数量均大于所述排序次数阈值时，确定所述目标比对策略为第三目标比对策略。

在一种可选的实施例中，所述第一目标比对策略，包括：

通过图像处理单元GPU确定待比对目标模型与黑名单库中各目标模型的第一相似度；

基于所述第一相似度，通过所述GPU对各待比对黑名单子库中的目标模型进行排序，确定各待比对黑名单子库中的Top N；

基于各待比对黑名单子库中的Top N，通过中央处理单元CPU分别确定各布控计划的Top N；

按照所述布控计划，分别输出各布控计划的Top N。

在一种可选的实施例中，所述第二目标比对策略，包括：

通过图像处理单元GPU确定待比对目标模型与黑名单库中各目标模型的第一相似度；

基于所述第一相似度，通过所述GPU确定各布控计划对应的待比对黑名单子库的并集中的目标模型进行排序，以得到各布控计算的Top N；

按照所述布控计划，分别输出各布控计划的Top N。

在一种可选的实施例中，所述第三目标比对策略，包括：

通过图像处理单元GPU确定待比对目标模型与黑名单库中各目标模型的第一相似度；

基于所述第一相似度，通过中央处理单元CPU对各待比对黑名单子库中的目标模型进行排序，确定各待比对黑名单子库中的Top N

基于各待比对黑名单子库中的Top N，通过所述CPU分别确定各布控计划的Top N；

按照所述布控计划，分别输出各布控计划的Top N。

在一种可选的实施例中，所述第一确定单元220基于所述布控计划，确定待比对黑名单子库的第一数量，以及待比对黑名单子库中目标模型的第二数量之前，还包括：

当所述目标比对设备未部署GPU时，确定所述目标比对策略为第四目标比对策略。

在一种可选的实施例中，所述第四目标比对策略，包括：

通过CPU确定待比对目标模型与待比对黑名单子库的并集中各目标模型的第二相似度；

基于所述第二相似度，通过所述CPU对各待比对黑名单子库中的目标模型进行排序，确定各待比对黑名单子库中的Top N；

基于各待比对黑名单子库中的Top N，通过所述CPU分别确定各布控计划的Top N；

按照所述布控计划，分别输出各布控计划的Top N。

请参见图3，为本申请实施例提供的一种电子设备的硬件结构示意图。该电子设备可以包括处理器301、通信接口302、存储器303和通信总线304。处理器301、通信接口302以及存储器303通过通信总线304完成相互间的通信。其中，存储器303上存放有计算机程序；处理器301可以通过执行存储器303上所存放的程序，执行上文描述的目标比对方法。

本文中提到的存储器303可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，存储器302可以是：RAM(Radom AccessMemory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。

本申请实施例还提供了一种存储有计算机程序的机器可读存储介质，例如图3中的存储器303，所述计算机程序可由图3所示电子设备中的处理器301执行以实现上文中描述的目标比对方法。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。