Nothing Special   »   [go: up one dir, main page]

CN107958220B - 一种基于人脸识别的人脸库压缩处理方法及其智能装置 - Google Patents

一种基于人脸识别的人脸库压缩处理方法及其智能装置 Download PDF

Info

Publication number
CN107958220B
CN107958220B CN201711282530.XA CN201711282530A CN107958220B CN 107958220 B CN107958220 B CN 107958220B CN 201711282530 A CN201711282530 A CN 201711282530A CN 107958220 B CN107958220 B CN 107958220B
Authority
CN
China
Prior art keywords
face
face image
image information
snapshot
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711282530.XA
Other languages
English (en)
Other versions
CN107958220A (zh
Inventor
肖传宝
杜祖海
朱耿建
曾成元
郑达理
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Moredian Technology Co ltd
Original Assignee
Hangzhou Moredian Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Moredian Technology Co ltd filed Critical Hangzhou Moredian Technology Co ltd
Priority to CN201711282530.XA priority Critical patent/CN107958220B/zh
Publication of CN107958220A publication Critical patent/CN107958220A/zh
Application granted granted Critical
Publication of CN107958220B publication Critical patent/CN107958220B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161Detection; Localisation; Normalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Television Signal Processing For Recording (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种基于人脸识别的人脸库压缩处理方法及其智能装置,包括:获取视频流中的抓拍人脸图像信息;根据所述抓拍人脸图像信息对人脸库进行识别,得到所述人脸库中与所述抓拍人脸图像信息匹配的对比人脸图像信息;对所述抓拍人脸图像信息与所述对比人脸图像信息的图像质量进行对比,以及在所述抓拍人脸图像信息图像质量高于所述对比人脸图像信息图像质量的情况下,将所述的抓拍人脸图像信息替换所述对比人脸图像信息完成压缩。采用通过图像质量较高的图像替换人脸库中对比图像的方式,达到了减小存储量,压缩人脸库的目的,进而解决了相关技术中由于抓拍人脸图片过多,造成存储量巨大的技术问题。

Description

一种基于人脸识别的人脸库压缩处理方法及其智能装置
技术领域
本申请涉及人脸识别领域,具体而言,涉及一种基于人脸识别的人脸库压缩处理方法及其智能装置。
背景技术
视频监控在现代安防领域发挥的作用越来越大,应用范围越来越广,如近年在国家大力推广的平安城市计划,依赖视频监控在公共安防领域发挥了巨大的作用。
但是,当下大部分摄像头厂商和软件厂商的基于人脸识别的视频监控系统,其主要是采用人脸检测和跟踪技术将人脸图像检测出来后存储到系统中,然后需要的时候进行抓拍,并对人脸库进行检索。其缺陷在于,如果同一个人不止一次出现在一个摄像头中,会导致同一个人在一定的时间内抓拍存储多个人脸图片,造成存储量巨大,所以急需一种基于人脸识别的人脸库压缩处理方法及其智能装置,来解决相关技术中由于抓拍人脸图片过多,造成存储量巨大的技术问题。
发明内容
本申请的主要目的在于提供一种基于人脸识别的人脸库压缩处理方法及其智能装置,来解决相关技术中由于抓拍人脸图片过多,造成存储量巨大的技术问题。
本申请提供了一种基于人脸识别的人脸库压缩处理方法,包括:
获取视频流中的抓拍人脸图像信息;
根据所述抓拍人脸图像信息在人脸库进行识别,得到所述人脸库中与所述抓拍人脸图像信息匹配的对比人脸图像信息;
对所述抓拍人脸图像信息与所述对比人脸图像信息的图像质量进行对比;以及
如果所述抓拍人脸图像信息图像质量高于所述对比人脸图像信息图像质量,则将所述的抓拍人脸图像信息替换所述对比人脸图像信息。
进一步的,所述获取视频流中的抓拍人脸图像信息,该方法还包括:
对所述视频流进行解码得到抓拍的多张图片;
将所述图片的时间锚点范围进行标记;
对多张所述的图片进行人脸识别,提取具有人脸特征的所述图片作为所述的抓拍人脸图像信息。
进一步的,所述根据所述抓拍人脸图像信息对人脸库进行识别,得到所述人脸库中与所述抓拍人脸图像信息匹配的对比人脸图像信息,该方法还包括:
将所述人脸库的时间轴分割为多个周期段,其中,对所述的周期段时长进行赋值;
根据标记的所述时间锚点范围获取所述人脸库时间轴上对应的所述周期段作为目标周期段;
将所述抓拍人脸图像信息与所述目标周期段上的所述人脸库进行识别,得到所述目标周期段上与所述抓拍人脸图像信息匹配的所述对比人脸图像信息。
进一步的,所述在所述抓拍人脸图像信息图像质量高于所述对比人脸图像信息图像质量的情况下,将所述的抓拍人脸图像信息替换所述对比人脸图像信息完成压缩,该方法还包括:
将所述人脸库中的所述对比人脸图像信息替换为所述抓拍人脸图像进行存储;
将所述抓拍人脸图像的所述时间锚点范围进行存储。
进一步的,通过视频监控系统获取实时的所述视频流。
进一步的,所述人脸识别为人脸的生物识别。
本申请还提供了一种智能装置,包括:
获取模块,用于获取视频流中的抓拍人脸图像信息;
识别模块,用于根据所述抓拍人脸图像信息对人脸库进行识别,得到所述人脸库中与所述抓拍人脸图像信息匹配的对比人脸图像信息;
对比模块,用于对所述抓拍人脸图像信息与所述对比人脸图像信息的图像质量进行对比;
替换模块,用于在所述抓拍人脸图像信息图像质量高于所述对比人脸图像信息图像质量的情况下,将所述的抓拍人脸图像信息替换所述对比人脸图像信息完成压缩。
进一步的,解码模块,用于对所述视频流进行解码得到抓拍的多张图片;
标记模块,用于将所述图片的时间锚点范围进行标记;
所述识别模块,还用于对多张所述的图片进行人脸识别检测,提取具有人脸特征的所述图片作为所述的抓拍人脸图像信息。
进一步的,分割模块,用于将所述人脸库的时间轴分割为多个周期段,其中,对所述的周期段时长进行赋值;
获取模块,用于根据标记的所述时间锚点范围获取所述人脸库时间轴上对应的所述周期段作为目标周期段;
所述识别模块,还用于将所述抓拍人脸图像信息与所述目标周期段上的所述人脸库进行识别,得到所述目标周期段上与所述抓拍人脸图像信息匹配的所述对比人脸图像信息。
进一步的,所述存储模块,用于将所述人脸库中的所述对比人脸图像信息替换为所述抓拍人脸图像进行存储;还用于将所述抓拍人脸图像的所述时间锚点范围进行存储。
在本申请实施例中,采用通过图像质量较高的图像替换人脸库中对比图像的方式,达到了减小存储量,压缩人脸库的目的,从而实现了抓拍多张人脸图片时,提取画质最高的图片进行存储的技术效果,进而解决了相关技术中由于抓拍人脸图片过多,造成存储量巨大的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请压缩处理方法工作流程图的实施例示意图;以及
图2是本申请智能装置架构图的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,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、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如图1所示,该方法包括如下的步骤S101至步骤S104:
步骤S101,获取视频流中的抓拍人脸图像信息;
步骤S102,根据所述抓拍人脸图像信息在人脸库进行识别,得到所述人脸库中与所述抓拍人脸图像信息匹配的对比人脸图像信息;
步骤S103,对所述抓拍人脸图像信息与所述对比人脸图像信息的图像质量进行对比,以及
步骤S104,如果所述抓拍人脸图像信息图像质量高于所述对比人脸图像信息图像质量,则将所述的抓拍人脸图像信息替换所述对比人脸图像信息。
首先,获取的视频流中的抓拍人脸图像信息,图像信息在此处主要是对人脸的识别,实际应用中可以根据具体需要进行调整,抓拍其他需要监控的图像目标(比如手臂、配饰等等)。然后,根据所述抓拍人脸图像信息对所述人脸库进行识别,得到所述人脸库中与所述抓拍人脸图像信息匹配的对比人脸图像信息,具体的,此处的人脸库是之前由时间轴串联起来的人脸图片库(也可以是其他主体的图片库),根据抓拍人脸图像信息进行检索对比,识别出匹配项(即所述对比人脸图像信息)。对所述抓拍人脸图像信息与所述对比人脸图像信息的图像质量进行对比,此时的对比,对比的是图像质量。选择一张质量更好的图片进行后续的存储工作。如果所述抓拍人脸图像信息质量较高,那么就可以进行替换。在此过程中,不难发现人脸库对于同一人的人脸图像最终会只保持原有人脸库中的数量。不会产生同一个人不断增加其人脸图像的问题,实现了压缩人脸库的功能。因为相关技术中的人脸库会根据新获取的所述抓拍人脸图像信息不断的增加,在本实施例中,数据以图片作为载体。该方法也可以扩展到信号、数据的压缩领域中,此处的所述抓拍人脸图像信息、述对比人脸图像信息也不限于仅仅图片,也可能是数据、信号的形式。
在另一个可选实施例中,所述获取视频流中的抓拍人脸图像信息,包括:
步骤a:对所述视频流进行解码得到抓拍的多张图片;
步骤b:将所述图片的时间锚点范围进行标记;
步骤c:对多张所述的图片进行人脸识别检测,提取具有人脸特征的所述图片作为所述的抓拍人脸图像信息。
其次,除了上述实施例中对于图像本身的获取以外,还要对其在所述视频流中的时间锚点范围进行标记,用于后续可能用到的步骤中。具体的,将所述视频流进行解码得到多张所述的图片,此处的所述图片包括了有人脸特征的图片,也包括了没有人脸特征的图片。(即只有背景的图片)在获取所述图片的同时,对其在所述视频流中时间轴上的具体时间节点,即所述时间锚点范围进行标记;
对所述图片信息进行人脸识别检测后,将具有人脸特征的所述图片作为上述实施例中的所述抓拍人脸图像信息,进行后续步骤。
在另一可选实施例中,所述根据所述抓拍人脸图像信息对人脸库进行识别,得到所述人脸库中与所述抓拍人脸图像信息匹配的对比人脸图像信息,包括:
步骤一:将所述人脸库的时间轴分割为多个周期段,其中,对所述的周期段时长进行赋值;
步骤二:根据标记的所述时间锚点范围获取所述人脸库时间轴上对应的所述周期段作为目标周期段;
步骤三:将所述抓拍人脸图像信息与所述目标周期段上的所述人脸库进行识别,得到所述目标周期段上与所述抓拍人脸图像信息匹配的所述对比人脸图像信息。
再次,除了上述实施例中的步骤外,为了防止在整个所述视频流中同一人只存有一张图片(也可能是一份数据),将整个视频流的时间轴进行周期分割,具体的说,将所述人脸库的时间轴分割为多个周期段,其中,对所述的周期段时长进行赋值(赋值假设为Q);根据上述步骤中标记的所述时间锚点范围获取所述视频流整条时间轴上所对应的周期段,该周期段即为所述的目标周期段;在该实施例中,显然,所述人脸库的时间轴应与所述视频流的时间轴相互对应。这样在整条所述视频流中就会周期性的保存一个人在不同周期下的数据资料(即图片或数据信息)。
在另一可选实施例中,所述在所述抓拍人脸图像信息图像质量高于所述对比人脸图像信息图像质量的情况下,将所述的抓拍人脸图像信息替换所述对比人脸图像信息完成压缩,
将所述人脸库中的所述对比人脸图像信息替换为所述抓拍人脸图像进行存储;
将所述抓拍人脸图像的所述时间锚点范围进行存储。
除了上述的压缩处理,还应记录其时间锚点范围用于反查和参照。
在另一可选实施例中,包括:
相关技术中通过视频监控系统获取实时的所述视频流即可,也可以通过其他方式进行获取信息流。
在另一可选实施例中,包括:
所述的人脸识别为人脸的生物识别技术。当然,也可以采用其他的方式进行人脸识别。
具体的实施方式如下:
通过所述视频监控系统获取实时的所述视频流,对所述视频流进行解码获得多张图片,对多张所述图片逐一进行时间锚点范围的标记。对上述的多张所述图片进行人脸识别,将具有人脸特征的图片予以保留作为所述的抓拍人脸图像信息,进行下一步的步骤。对时间锚点范围进行标记的步骤也可以放置在人脸识别步骤之后,缩减处理量,只针对具有人脸特征的图片进行标记,没有人脸特征的图片则放弃处理。具备所述人脸特征的图片转化为所述抓拍人脸图像信息;所述的抓拍人脸图像信息不但可以以图片的形式存在,也可以是相关对应的数据信息。
根据所述抓拍人脸图像信息通过对人脸库的检索,人脸库中的数据模式应当采用与所述抓拍人脸图像信息对应且可对比的数据模型。找到对应匹配的同一人的数据(即所述的对比人脸图像信息),如果所述抓拍人脸图像信息内的数据质量更高(具体的,即所述的图像质量更高),那么,对人脸库中对应的所述对比人脸图像信息进行替换更新。另外,如果所述对比人脸图像信息的图像质量更高,则放弃替换更新,仍然保留原先的所述对比人脸图像信息。
基于上述的基本方法,为了防止在一个所述视频流中只替换更新出一个需要的图片或相关数据,遗漏重要的图片或数据。所以将所述人脸库分割为周期段,在每个周期段中均可以存储下同一个主体(同一人脸的图片或数据信息)。利用上述对所述图片的所述时间锚点范围的标记,对应所述视频流的周期段进行对比、替换、保存。
从以上的描述中,可以看出,本发明实现了如下技术效果:
在本申请实施例中,采用通过图像质量较高的图像替换人脸库中对比图像的方式,达到了减小存储量,压缩人脸库的目的,从而实现了抓拍多张人脸图片时,提取画质最高的图片进行存储的技术效果,进而解决了相关技术中由于抓拍人脸图片过多,造成存储量巨大的技术问题。
另外,通过将所述人脸库的进行周期段分割,防止了同一目标在所述视频流中只存储一个图片或数据,遗漏重要信息的情况。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明实施例,还提供了一种用于实施上述压缩方法的智能装置,如图2所示,该装置包括:
获取模块101,用于获取视频流中的抓拍人脸图像信息;
识别模块102,用于根据所述抓拍人脸图像信息对人脸库进行识别,得到所述人脸库中与所述抓拍人脸图像信息匹配的对比人脸图像信息;
对比模块103,用于对所述抓拍人脸图像信息与所述对比人脸图像信息的图像质量进行对比;
替换模块104,用于在所述抓拍人脸图像信息图像质量高于所述对比人脸图像信息图像质量的情况下,将所述的抓拍人脸图像信息替换所述对比人脸图像信息完成压缩。
进一步的,解码模块,用于对所述视频流进行解码得到抓拍的多张图片;
标记模块,用于将所述图片的时间锚点范围进行标记;
所述识别模块102,还用于对多张所述的图片信息进行人脸识别检测,提取具有人脸特征的所述图片作为所述的抓拍人脸图像信息。
进一步的,分割模块,用于将所述人脸库的时间轴分割为多个周期段,其中,对所述的周期段时长进行赋值;
所述获取模块101,用于根据标记的所述时间锚点范围获取所述人脸库时间轴上对应的所述周期段作为目标周期段;
所述识别模块,还用于将所述抓拍人脸图像信息与所述目标周期段上的所述人脸库进行识别,得到所述目标周期段上与所述抓拍人脸图像信息匹配的所述对比人脸图像信息。
进一步的,所述存储模块,用于将所述人脸库中的所述对比人脸图像信息替换为所述抓拍人脸图像进行存储;还用于将所述抓拍人脸图像的所述时间锚点范围进行存储。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
本发明一种基于人脸识别的抓拍人脸库压缩方法和系统,利用人脸识别生物识别技术,对一段时间内抓拍的历史人脸进行匹配检索,如果匹配到历史人脸,则将两次人脸图像压缩为一张图像(以图像质量高的一张取代质量低的一张),同时记录本次抓拍的时间锚点范围数据,用于通过时间锚点范围调阅相应的存储视频流资料进行反查。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (6)

1.一种基于人脸识别的人脸库压缩处理方法,其特征在于,包括:
获取视频流中的抓拍人脸图像信息;
根据所述抓拍人脸图像信息在人脸库进行识别,得到所述人脸库中与所述抓拍人脸图像信息匹配的对比人脸图像信息;
对所述抓拍人脸图像信息与所述对比人脸图像信息的图像质量进行对比;以及
如果所述抓拍人脸图像信息图像质量高于所述对比人脸图像信息图像质量,则将所述的抓拍人脸图像信息替换所述对比人脸图像信息所述获取视频流中的抓拍人脸图像信息还包括:
对所述视频流进行解码得到抓拍的多张图片;
将所述图片的时间锚点范围进行标记;
对多张所述的图片进行人脸识别,提取具有人脸特征的所述图片作为所述的抓拍人脸图像信息;所述根据所述抓拍人脸图像信息对人脸库进行识别,得到所述人脸库中与所述抓拍人脸图像信息匹配的对比人脸图像信息还包括:将所述人脸库的时间轴分割为多个周期段,其中,对所述周期段的时长进行预设;
根据标记的所述时间锚点范围获取所述人脸库时间轴上对应的所述周期段作为目标周期段;
将所述抓拍人脸图像信息与所述目标周期段上的所述人脸库进行识别,得到所述目标周期段上与所述抓拍人脸图像信息匹配的所述对比人脸图像信息。
2.根据权利要求1所述的基于人脸识别的人脸库压缩处理方法,其特征在于,所述在所述抓拍人脸图像信息图像质量高于所述对比人脸图像信息图像质量的情况下,将所述的抓拍人脸图像信息替换所述对比人脸图像信息完成压缩,该方法还包括:
将所述人脸库中的所述对比人脸图像信息替换为所述抓拍人脸图像进行存储;
将所述抓拍人脸图像信息的所述时间锚点范围进行存储。
3.根据权利要求1所述的基于人脸识别的人脸库压缩处理方法,其特征在于,通过视频监控系统获取实时的所述视频流。
4.根据权利要求1所述的基于人脸识别的人脸库压缩处理方法,其特征在于,所述人脸识别为人脸的生物识别。
5.一种智能装置,其特征在于,包括:
获取模块,用于获取视频流中的抓拍人脸图像信息;
识别模块,用于根据所述抓拍人脸图像信息对人脸库进行识别,得到所述人脸库中与所述抓拍人脸图像信息匹配的对比人脸图像信息;
对比模块,用于对所述抓拍人脸图像信息与所述对比人脸图像信息的图像质量进行对比;
替换模块,用于在所述抓拍人脸图像信息图像质量高于所述对比人脸图像信息图像质量的情况下,将所述的抓拍人脸图像信息替换所述对比人脸图像信息完成压缩;
解码模块,用于对所述视频流进行解码得到抓拍的多张图片;
标记模块,用于将所述图片的时间锚点范围进行标记;
所述识别模块,还用于对多张所述的图片进行人脸识别检测,提取具有人脸特征的所述图片作为所述的抓拍人脸图像信息;
分割模块,用于将所述人脸库的时间轴分割为多个周期段,其中,对所述的周期段时长进行赋值;
所述获取模块,用于根据标记的所述时间锚点范围获取所述人脸库时间轴上对应的所述周期段作为目标周期段;
所述识别模块,还用于将所述抓拍人脸图像信息与所述目标周期段上的所述人脸库进行识别,得到所述目标周期段上与所述抓拍人脸图像信息匹配的所述对比人脸图像信息。
6.根据权利要求5所述的智能装置,其特征在于;
存储模块,用于将所述人脸库中的所述对比人脸图像信息替换为所述抓拍人脸图像进行存储;还用于将所述抓拍人脸图像的所述时间锚点范围进行存储。
CN201711282530.XA 2017-12-06 2017-12-06 一种基于人脸识别的人脸库压缩处理方法及其智能装置 Active CN107958220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711282530.XA CN107958220B (zh) 2017-12-06 2017-12-06 一种基于人脸识别的人脸库压缩处理方法及其智能装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711282530.XA CN107958220B (zh) 2017-12-06 2017-12-06 一种基于人脸识别的人脸库压缩处理方法及其智能装置

Publications (2)

Publication Number Publication Date
CN107958220A CN107958220A (zh) 2018-04-24
CN107958220B true CN107958220B (zh) 2021-03-12

Family

ID=61958230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711282530.XA Active CN107958220B (zh) 2017-12-06 2017-12-06 一种基于人脸识别的人脸库压缩处理方法及其智能装置

Country Status (1)

Country Link
CN (1) CN107958220B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230112822A1 (en) * 2021-10-08 2023-04-13 Realtek Semiconductor Corporation Character recognition method, character recognition device and non-transitory computer readable medium

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110719398B (zh) * 2018-07-12 2021-07-20 浙江宇视科技有限公司 一种人脸抓拍对象确定方法及装置
CN111161206A (zh) * 2018-11-07 2020-05-15 杭州海康威视数字技术股份有限公司 一种图像抓拍方法、监控相机及监控系统
CN109903412A (zh) * 2019-02-01 2019-06-18 北京清帆科技有限公司 一种基于人脸识别技术的智能课堂考勤系统
CN111831841B (zh) * 2019-04-19 2023-09-05 杭州海康威视数字技术股份有限公司 一种信息检索方法、装置、电子设备及存储介质
CN110196924B (zh) * 2019-05-31 2021-08-17 银河水滴科技(宁波)有限公司 特征信息库的构建、目标对象的追踪方法及装置
JP7238738B2 (ja) * 2019-11-19 2023-03-14 トヨタ自動車株式会社 画像処理システム、処理装置、中継装置及びプログラム
CN112560772B (zh) * 2020-12-25 2024-05-14 北京百度网讯科技有限公司 人脸的识别方法、装置、设备及存储介质
CN113283305B (zh) * 2021-04-29 2024-03-26 百度在线网络技术(北京)有限公司 人脸识别方法、装置、电子设备及计算机可读存储介质
CN114491126A (zh) * 2021-12-31 2022-05-13 飞诺门阵(北京)科技有限公司 一种图像库更新方法、系统、电子设备及存储介质
CN115050078A (zh) * 2022-07-01 2022-09-13 济南博观智能科技有限公司 一种人脸图像上报方法、装置、电子设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6188452B2 (ja) * 2013-06-28 2017-08-30 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
CN103942525A (zh) * 2013-12-27 2014-07-23 高新兴科技集团股份有限公司 一种基于视频序列的实时人脸优选方法
CN105389566B (zh) * 2015-11-13 2018-09-11 广东欧珀移动通信有限公司 指纹识别方法、指纹模板的更新方法、装置和移动终端
CN105938552B (zh) * 2016-06-29 2020-04-24 北京旷视科技有限公司 底图自动更新的人脸识别方法及装置
CN106548148A (zh) * 2016-10-26 2017-03-29 北京意泰物联软件科技有限公司 视频中未知人脸的识别方法和系统
CN107358146B (zh) * 2017-05-22 2018-05-22 深圳云天励飞技术有限公司 视频处理方法、装置及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230112822A1 (en) * 2021-10-08 2023-04-13 Realtek Semiconductor Corporation Character recognition method, character recognition device and non-transitory computer readable medium

Also Published As

Publication number Publication date
CN107958220A (zh) 2018-04-24

Similar Documents

Publication Publication Date Title
CN107958220B (zh) 一种基于人脸识别的人脸库压缩处理方法及其智能装置
CN109166261B (zh) 基于图像识别的图像处理方法、装置、设备及存储介质
CN109783685B (zh) 一种查询方法及装置
EP2864930B1 (en) Self learning face recognition using depth based tracking for database generation and update
CN109740004B (zh) 一种归档方法及装置
CN106650652A (zh) 基于人脸识别技术的轨迹跟踪系统及其方法
JP2006031678A (ja) 画像処理
CN110290346B (zh) 一种基于智能视频分析的招投标视频的获取方法
Asim et al. A key frame based video summarization using color features
CN109800329B (zh) 一种监控方法及装置
CN112347856A (zh) 一种基于教室场景的无感知考勤系统及方法
CN111241928A (zh) 人脸识别底库优化方法、系统、设备、可读存储介质
CN109857891A (zh) 一种查询方法及装置
CN111177469A (zh) 人脸检索方法及人脸检索装置
CN109784220B (zh) 一种确定路人轨迹的方法及装置
CN109800318A (zh) 一种归档方法及装置
CN109800664B (zh) 一种确定路人轨迹的方法及装置
CN111738042A (zh) 识别方法、设备及存储介质
CN115314713A (zh) 基于加速后视频的目标片段实时提取方法、系统及装置
CN111708906B (zh) 基于人脸识别的来访检索方法、装置、设备及存储介质
CN112883213B (zh) 一种图片归档方法、装置及电子设备
CN114863364B (zh) 一种基于智能视频监控的安防检测方法及系统
CN104182959A (zh) 目标搜索方法及装置
CN117912109A (zh) 基于步态识别的身份信息确定方法
CN111324754B (zh) 一种时间轴信息的确定方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant