CN112183490A - 一种人脸抓拍图片归档方法及装置 - Google Patents
一种人脸抓拍图片归档方法及装置 Download PDFInfo
- Publication number
- CN112183490A CN112183490A CN202011217645.2A CN202011217645A CN112183490A CN 112183490 A CN112183490 A CN 112183490A CN 202011217645 A CN202011217645 A CN 202011217645A CN 112183490 A CN112183490 A CN 112183490A
- Authority
- CN
- China
- Prior art keywords
- face
- picture
- temporary
- archive
- filing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000001514 detection method Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 14
- 238000004590 computer program Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 230000001815 facial effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种人脸抓拍图片归档方法及装置,包括:获取抓拍的批次人脸抓拍图片集;依据图片相似度,对批次人脸抓拍图片集中的各人脸抓拍图片进行归档,得到至少一个临时档案;针对每一临时档案,计算该临时档案中的临时基准图片与预先存储的归档档案库中每一归档档案的归档基准图片之间的人脸特征相似度;若临时基准图片与第一归档档案中的归档基准图片之间的人脸特征相似度大于或等于预先设置的归档相似度阈值,将该临时档案归入所述第一归档档案中;若临时基准图片与任一归档档案中的归档基准图片之间的人脸特征相似度都小于归档相似度阈值,则在归档档案库中新建归档档案,并将该临时档案归入新建归档档案。可以提高归档效率。
Description
技术领域
本发明涉及图像处理领域,具体而言,涉及一种人脸抓拍图片归档方法及装置。
背景技术
随着人脸识别技术的迅猛发展,人脸识别技术的应用场景得以大大拓宽,尤其是安防领域。无论是国内还是国外,安防领域的公共安全部门通过布设大量的视频监控终端,构建了以人脸识别为核心的安防业务系统,对保障部门的安全起到了至关重要的作用。但随着安防业务系统的持续运行,抓拍的图片不断累积,累积了数十亿甚至数百亿的人脸抓拍图片,这些人脸抓拍图片存储在数据库中,成为“沉睡”的数据,使得数据的应用价值低。
为了提升累积的人脸抓拍图片的应用价值,通过将同一个人员的重复抓拍图片进行归档,通过归档,形成“档案-人脸抓拍图片”层级所属关系,并基于档案进行数据检索及应用扩展,可以提升图片数据的应用价值。
但目前的人脸抓拍图片归档方法,需要针对抓取的每一人脸抓拍图片,分别与已有的人脸抓拍图片档案库中的各归档档案进行人脸特征比对,以确定该抓取的人脸抓拍图片所属的归档档案,从而实现对人脸抓拍图片的归档,需要耗费大量的计算资源,导致归档所需的时间较长,归档效率较低。
发明内容
有鉴于此,本发明的目的在于提供人脸抓拍图片归档方法及装置,以提高归档效率。
第一方面,本发明实施例提供了一种人脸抓拍图片归档方法,包括:
获取抓拍的批次人脸抓拍图片集;
依据图片相似度,对所述批次人脸抓拍图片集中的各人脸抓拍图片进行归档,得到至少一个临时档案;
针对每一临时档案,计算该临时档案中的临时基准图片与预先存储的归档档案库中每一归档档案的归档基准图片之间的人脸特征相似度;
若所述临时基准图片与第一归档档案中的归档基准图片之间的人脸特征相似度大于或等于预先设置的归档相似度阈值,将该临时档案归入所述第一归档档案中;
若所述临时基准图片与任一归档档案中的归档基准图片之间的人脸特征相似度都小于所述归档相似度阈值,则在所述归档档案库中新建归档档案,并将该临时档案归入所述新建归档档案。
第二方面,本发明实施例还提供了一种人脸抓拍图片归档装置,包括:
图片集获取模块,用于获取抓拍的批次人脸抓拍图片集;
临时档案生成模块,用于依据图片相似度,对所述批次人脸抓拍图片集中的各人脸抓拍图片进行归档,得到至少一个临时档案;
归档模块,用于针对每一临时档案:
计算该临时档案中的临时基准图片与预先存储的归档档案库中每一归档档案的归档基准图片之间的人脸特征相似度;
若所述临时基准图片与第一归档档案中的归档基准图片之间的人脸特征相似度大于或等于预先设置的归档相似度阈值,将该临时档案归入所述第一归档档案中;
若所述临时基准图片与任一归档档案中的归档基准图片之间的人脸特征相似度都小于所述归档相似度阈值,则在所述归档档案库中新建归档档案,并将该临时档案归入所述新建归档档案。
第三方面,本申请实施例提供了一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面,本申请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上存储有计算机程序,所述计算机程序被处理器运行时执行上述的方法的步骤。
本发明实施例提供的人脸抓拍图片归档方法及装置,通过获取抓拍的批次人脸抓拍图片集;依据图片相似度,对所述批次人脸抓拍图片集中的各人脸抓拍图片进行归档,得到至少一个临时档案;针对每一临时档案:计算该临时档案中的临时基准图片与预先存储的归档档案库中每一归档档案的归档基准图片之间的人脸特征相似度;若所述临时基准图片与第一归档档案中的归档基准图片之间的人脸特征相似度大于或等于预先设置的归档相似度阈值,将该临时档案归入所述第一归档档案中;若所述临时基准图片与任一归档档案中的归档基准图片之间的人脸特征相似度都小于所述归档相似度阈值,则在所述归档档案库中新建归档档案,并将该临时档案归入所述新建归档档案。这样,在获取到抓拍的批次人脸抓拍图片集后,对批次人脸抓拍图片集进行归档,形成多个临时档案,并从每一临时档案中,依据临时基准图片,分别与每一归档档案的归档基准图片进行人脸特征相似度计算,而确定该临时档案归属的归档档案,在进行临时档案归档时,只需将临时基准图片,分别与各归档档案的一归档基准图片进行人脸特征比对,有效降低了归档时的数据处理量,降低计算资源,从而提高了归档效率。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例所提供的人脸抓拍图片归档方法流程示意图;
图2示出了本发明实施例所提供的人脸抓拍图片归档装置结构示意图;
图3为本申请实施例提供的一种计算机设备300的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中附图,对本发明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发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术中,在对人脸抓拍图片进行归档时,需要将该人脸抓拍图片与已有人脸抓拍图片档案库中的各归档档案分别进行人脸特征比对,从而确定该人脸抓拍图片所属的归档档案,由于需要针对每一抓取的人脸抓拍图片进行人脸特征比对,需要耗费大量计算资源,使得归档所需的时间较长,归档效率较低,可能导致归档时对人脸抓拍图片的处理效率跟不上新增的人脸抓拍图片,造成计算债务越来越多。本发明实施例中,考虑到抓取的人脸抓拍图片的质量参差不齐,对于质量较差的人脸抓拍图片,即使进行归档,该归档的人脸抓拍图片也不具有应用价值,因而,在获取到抓拍的一定时间段内的第一数量图像后,滤除第一数量图像中不符合预设质量要求的人脸抓拍图片,可以有效降低后续进行归档的数据处理量和所需计算资源,并基于经过滤除处理的人脸抓拍图片进行初步归档,形成多个临时档案,并从每一临时档案中,依据临时基准图片,从已有的归档档案中,针对每一归档档案的人脸抓拍图片库,选取一归档基准图片,将临时档案的临时基准图片分别与各归档档案的归档基准图片进行人脸特征比对(相似度计算),从而确定该临时档案归属的归档档案,由于从临时档案的多张人脸抓拍图片中,选取一张人脸抓拍图片,分别与各归档档案的一归档基准图片进行人脸特征比对,能够进一步降低归档时的数据处理量,有效降低计算资源,大大缩减归档所需的时间,可对海量人脸抓拍图片进行高效准确地归档,降低人脸抓拍图片归档建设和运营的成本。
本发明实施例提供了一种人脸抓拍图片归档方法及装置,下面通过实施例进行描述。
图1示出了本发明实施例所提供的人脸抓拍图片归档方法流程示意图。如图1所示,该方法包括:
步骤101,获取抓拍的批次人脸抓拍图片集;
本发明实施例中,作为一可选实施例,用于平安城市监控的人像系统产品、监控设备,对人脸进行检测和抓拍,得到人脸抓拍图片后,传输至后台服务器,后台服务器按照预设的时间周期,例如,每四个小时、每天、每周等,以对接收的人脸抓拍图片进行处理,在预设的时间周期内接收的人脸抓拍图片形成批次人脸抓拍图片集。
例如,获取抓拍的批次人脸抓拍图片集可以包括:
获取在预设时间段内的、由多路图像采集装置采集得到的第一数量图像;
对第一数量图像进行人脸检测,得到第二数量的人脸图像,构成所述批次人脸抓拍图片集。
其中,第一数量图像中的每张图像可以包括以下至少一项的信息:图像采集装置的位置(如经度、纬度)、图像采集装置的标识(ID)、抓拍时刻等。
在一种实现方式中,可以在进行人脸检测之前和/或之后进行质量判断,以基于质量判断的结果进行数据清洗,以确保S101中的批次人脸抓拍图片集中的图片质量。
在一个实施例中,可以对第一数量图像进行人脸检测,得到N1数量的人脸图像,随后在从N1数量的人脸图像中选择其中人脸图像质量高于第一质量阈值的人脸图像,得到第二数量的人脸图像。
其中,可以理解的是,图像采集装置采集的图像中不一定有人像,也就是说,第一数量图像中的部分图像只是环境图像,因此可以先基于人脸检测删除其中不存在人像的那部分环境图像。或者,可选地,图像采集装置所采集的图像中,某图像中可能存在多个人脸,那么可以通过人脸检测,基于该图像得到与多个人脸一一对应的多张人脸图像。可见,N1与第一数量不具有必然的大小关系。
其中,在对N1数量的人脸图像进行人脸图像质量判断时,可以考虑图像采集装置的属性(如分辨率等)、图像采集装置所处的环境(如亮度等)、所采集的人脸与图像采集装置之间的关系(如距离、方向、角度等)、人脸的遮挡状况等等因素中的一个或多个来综合得到人脸图像质量得到。
可选地,得到多路图像采集装置采集得到的第一数量图像后,由于不同设备抓取的人脸抓拍图片,或者,同一设备在不同时间段抓取的人脸抓拍图片,图片质量参差不齐,而对于质量较差的人脸抓拍图片,例如,抓拍的人脸抓拍图片为侧面的情形,即使对该人脸抓拍图片进行归档,由于该归档的人脸抓拍图片能够提供的人脸特征信息很少,不具有应用价值,因而,可选地,可以先进行质量判断,以进行数据清洗,并依据进行数据清洗之后得到的图像构成人脸抓拍图片集。因而,对N1数量图像进行质量判断得到第二数量的人脸图像,包括:
按照预设的图片质量评分策略,计算所述N1数量图像中每一人脸抓拍图片的抓拍质量评分,过滤抓拍质量评分小于预设抓拍质量评分阈值的人脸抓拍图片,得到第二数量的人脸图像。
本发明实施例中,批次人脸抓拍图片集中包括第二数量的人脸图像。图片质量评分策略可依据实际需要设置,作为一可选实施例,图片质量评分策略包括:拍照人脸角度评分子策略、俯仰角评分子策略、旋转角评分子策略、偏转角评分子策略,因而,计算所述N1数量图像中每一人脸抓拍图片的抓拍质量评分,包括:
依据拍照人脸角度评分子策略以及待评分的人脸抓拍图片的人脸角度,得到所述待评分的人脸抓拍图片的人脸角度评分;
依据俯仰角评分子策略以及所述待评分的人脸抓拍图片的俯仰角,得到所述待评分的人脸抓拍图片的俯仰角评分;
依据旋转角评分子策略以及所述待评分的人脸抓拍图片的旋转角,得到所述待评分的人脸抓拍图片的旋转角评分;
依据偏转角评分子策略以及所述待评分的人脸抓拍图片的偏转角,得到所述待评分的人脸抓拍图片的偏转角评分;
对所述人脸角度评分、俯仰角评分、旋转角评分以及偏转角评分进行加权求和,得到所述待评分的人脸抓拍图片的抓拍质量评分。
本发明实施例中,作为另一可选实施例,还可以设置人脸遮挡评分子策略等,本发明实施例对此不作限定。
本发明实施例中,为了使得抓拍质量评分具有统一的评分尺度,避免评分尺度不一致导致的抓拍质量评分偏差,作为一可选实施例,拍照人脸角度评分子策略、俯仰角评分子策略、旋转角评分子策略、偏转角评分子策略具有相同的评分级别以及评分分值,例如,具有五级评分级别,分别为评分第一级别至评分第五级别,其中,评分第一级别对应的评分分值为100,评分第二级别对应的评分分值为80,评分第三级别对应的评分分值为60,评分第四级别对应的评分分值为30,评分第五级别对应的评分分值为0。
本发明实施例中,作为一可选实施例,各子策略具有相同的加权系数,作为另一可选实施例,各子策略的加权系数也可以不同,各子策略的加权系数可依据实际统计和分析进行设置。各子策略的加权系数之和等于1。
本发明实施例中,通过对第一数量图像进行过滤处理,可以有效避免抓拍质量评分较低的人脸抓拍图片,在进行后续图片相似度计算时,相似度相接近导致生成的临时档案的准确度较低的情形,从而提升临时档案的生成精度。
在另一个实施例中,可以获取第一数量图像中每一图像的图像质量,并剔除其中图像质量低于第二质量阈值的图像,得到图像质量等于或高于第二质量阈值的剩余图像,假设数量为N2。在此之后,对N2数量的图像进行人脸检测,得到第二数量的人脸图像。
其中,图像质量可以与图像的分辨率、亮度、模糊度等因素有关,可以综合各个因素中的一个或多个得到图像质量得分。
在另一个实施例中,可以获取多路图像采集装置采集的第一数量图像,保留其中图像质量等于或高于第二质量阈值的N2数量的图像,然而再通过人脸检测得到N3数量的图像,再然后保留其中人脸图像质量高于第一质量阈值的人脸图像,从而得到第二数量的人脸图像。
这样,不仅考虑图像质量,还考虑图像中所采集的人脸质量,确保批次人脸抓拍图片集中所包含的第二数量的人脸图像的每一人脸图像的质量。其中,针对N2数量的图像进行人脸检测,能够减少进行人脸检测的图像数量基数,由于人脸检测算法一般是基于深度学习的算法,通过将数量缩减到N2,能够缩短进行人脸检测的时长,提升处理效率。其中,第二数量的人脸图像中每一人脸图像的图像质量都高于第一质量阈值,这样能够确保之后归档后的所有人脸图像质量。便于保证后续基于归档档案进行检索或人脸识别等操作的准确度。
本发明实施例中,按照图片质量评分策略过滤第一数量图像得到第二数量的人脸图像后,该方法还可以包括:
对所述第二数量的人脸图像中的人脸抓拍图片进行互斥的图片属性标记。
本发明实施例中,作为一可选实施例,互斥的图片属性包括但不限于:男性和女性、儿童和成人,通过图片属性标记,可以为人脸抓拍图片设置标签,便于后续检索和应用。
步骤102,依据图片相似度,对所述批次人脸抓拍图片集中的各人脸抓拍图片进行归档,得到至少一个临时档案;
本发明实施例中,作为一可选实施例,依据图片相似度,对所述批次人脸抓拍图片集中的各人脸抓拍图片进行归档,得到至少一个临时档案,包括:
从所述批次人脸抓拍图片集中,提取第一人脸抓拍图片,得到第一临时档案,所述第一临时档案中的临时基准图片为所述第一人脸抓拍图片;
从所述批次人脸抓拍图片集中,逐一提取除所述第一张人脸抓拍图片之外的人脸抓拍图片,计算提取出的人脸抓拍图片与第一临时档案中的临时基准图片之间的相似度;
若相似度大于或等于相似度阈值,则将该新提取的人脸抓拍图片加入到第一临时档案中;
更新所述第一临时档案中的临时基准图片。
具体地,可以从批次人脸抓拍图片集中逐一提取人脸抓拍图片,并逐渐地更新临时档案,并且临时档案中的其中一张被标记为临时基准图片。可选地,逐一提取的顺序可以是按照时间进行的,例如先提取最早抓拍的图片。
并且,任一张人脸抓拍图片在加入到临时档案时,都被标记有比对分数,这个比对分数表示这张人脸抓拍图片与其加入时的临时基准图片之间的相似度。
初始地,临时档案中可以只有一张图片,那么这一张图片就是临时基准图片,记为LJ。随后从批次人脸抓拍图片集中提取一张人脸抓拍图片,计算提取出的一张人脸抓拍图片与临时档案中目前的LJ之间的相似度(假设为score1),如果相似度大于或等于相似度阈值,则将该新提取的一张人脸抓拍图片加入到临时档案中,并且新加入的图片被标记有比对分数score1。此时,临时档案中会有两张图片。进一步地,可以计算这两张图片的图片质量,并将图片质量高的那一张作为LJ。
类似地,每提取一张人脸抓拍图片,可以计算新提取的人脸抓拍图片与临时档案中的当前LJ之间的相似度,如果该相似度大于或等于相似度阈值,那么可以将新提取的人脸抓拍图片加入到临时档案中,使得临时档案中的图片数量加1。可选地,在加入之后,还可以进一步判断是否要更新LJ。
更新的方式可以是基于临时档案中当前已有的图片数量进行的(更新所述第一临时档案中的临时基准图片):
A,如果数量小于或等于预设的数量第一阈值,那么将这些数量的所有图片中质量最大的作为LJ。
具体地,预设的数量第一阈值可以为10。如果所述第一临时档案中的人脸抓拍图片的数量小于或等于预设的数量第一阈值,从所述第一临时档案中的所有人脸抓拍图片中,选取质量最大的人脸抓拍图片作为所述临时基准图片。
B,如果数量大于预设的数量第一阈值:
B1.如果当前LJ的质量小于预设的质量评分阈值,那么将最近的数量第二阈值(如果数量小于数量第二阈值的话,则是所有数量的图片)中的质量最大的作为LJ。
具体地,如果当前临时基准图片的质量小于预设的质量评分阈值,将最近的数量第二阈值的人脸抓拍图片中的质量最大的人脸抓拍图片替换当前临时基准图片。数量第一阈值为50,数量第二阈值为100。
B2.如果确定当前LJ之后又新增的图片数量大于或等于数量第二阈值或者如果当前时刻与确定当前LJ时的时刻之间的时长大于设定时长(例如,一个月),那么把最近的预设的综合比对阈值的人脸抓拍图片中,质量大于质量评分阈值分且计算分数最高的作为LJ。
具体地,在替换当前临时基准图片之后,如果新增的人脸抓拍图片数量大于或等于数量第二阈值,或者,如果当前时刻与替换当前临时基准图片时的时刻之间的时长大于设定时长,将最近的预设的综合比对阈值的人脸抓拍图片中,质量大于质量评分阈值分且计算分数最高的人脸抓拍图片替换当前临时基准图片。综合比对阈值为200。
计算分数=(当前时刻-抓拍时刻)/3600/24/365*比对分数。其中,当前时刻-抓拍时刻的单位是秒(s)。
本发明实施例中,在临时档案中的人脸抓拍图片数量较多时,依据抓拍时间以及比对分数,从中选取一部分人脸抓拍图片进行分数计算,可以有效选取时间跨度较大、比对分数较高的人脸抓拍图片作为临时基准图片,使得与归档基准图片进行比对时,由于同一人员在时间跨度较大的时间范围内,脸型会发生较大的变化导致的归档错误,并能够有效降低运算所需的计算资源。
可理解的是,如果相似度小于相似度阈值,那么再计算与其他的临时档案中的LJ的相似度,判断要加入哪个临时档案。如果都没有话,则新建一个临时档案。
可选地,假设已经有M1个临时档案了,那么可以直接同步地计算提取的人脸抓拍图片与这M1个临时档案的M1个LJ的相似度,以更快速地确定要加入到哪个临时档案中。
这样,本申请可以先建立临时档案,用于之后的归档操作。由于临时档案是基于批次人脸抓拍图片集的,处理的图片数量基数小,因此对于临时档案的建立来说,是很快速高效的。并且,在建立临时档案的过程中,通过逐一提取的方式对临时档案更新,计算量小。任一临时档案中均将其中之一的图像作为临时基准图片,一方面,便于判断后续提取的抓拍图片是否属于该临时档案,对于抓拍图片是否进行临时档案的判断方式简单,无需与临时档案中所有图片进行比对,减小了计算量,加快了临时档案的建立速度。再一方面,该临时基准图片还可以基于临时档案中已有图片数量进行更新,确保临时基准图片的参考价值,防止了因临时基准图片的质量不高引起的新近图片的误判。又一方面,临时基准图片还可以在之后的S103进一步用于判断属于哪一个归档档案,无需逐一图片进行比对,提高了归档的效率。
步骤103,针对每一临时档案,计算该临时档案中的临时基准图片与预先存储的归档档案库中每一归档档案的归档基准图片之间的人脸特征相似度;
若所述临时基准图片与第一归档档案中的归档基准图片之间的人脸特征相似度大于或等于预先设置的归档相似度阈值,将该临时档案归入所述第一归档档案中;
若所述临时基准图片与任一归档档案中的归档基准图片之间的人脸特征相似度都小于所述归档相似度阈值,则在所述归档档案库中新建归档档案,并将该临时档案归入所述新建归档档案。
本发明实施例中,需要将临时档案合并到已存储的归档档案中。作为一可选实施例,相似度阈值与归档相似度阈值可以相同,也可以不同。
本发明实施例中,归档基准图片的确定方法与临时基准图片的确定方法相同。并且可理解,在将临时档案归入第一归档档案之后,可以对第一归档档案的归档基准图片进行更新,具体更新方式与上述在S102中所述的对临时档案的临时基准图片进行更新的方式相同,例如可以参照第一归档档案中的图片数量和/或当前归档基准图片的图片质量和/或时间等来进行更新,此处不再赘述。
本发明实施例中,在计算临时基准图片与各归档档案的归档基准图片的人脸特征相似度计算时,计算得到的大于或等于归档相似度阈值的人脸特征相似度可能会存在多个。因而,作为一可选实施例,将该临时档案归入所述第一归档档案中,包括:
若计算得到的大于或等于归档相似度阈值的人脸特征相似度的数量为一个,将该临时档案归入该人脸特征相似度对应的归档档案;
若计算得到的大于或等于归档相似度阈值的人脸特征相似度的数量大于一个,将各计算得到的人脸特征相似度对应的归档档案进行合并,并将该临时档案归入合并的归档档案。
本发明实施例中,在将临时档案归入计算得到的人脸特征相似度对应的归档档案后,针对归并的归档档案,可以依据前述的图片综合质量评估策略,更新归并的归档档案的归档基准图片。
本发明实施例中,随着归档档案中人脸抓拍图片以及新建的归档档案的增多,归档档案库所需的存储容量要求越来越大,因而,对于长久未有人脸抓拍图片归入的归档档案,表明能够被抓取到的概率极低,可以进行相应删除处理,以节约存储空间,作为一可选实施例,该方法还包括:
针对归档档案库中的每一归档档案,获取最近归入该归档档案的人脸抓拍图片的时间戳;
计算当前时间戳与获取的时间戳的差值,若差值大于预先设置的时间跨度阈值,删除该归档档案。
本发明实施例中,还可以对归档档案中的各人脸抓拍图片进行抓拍频率统计,若抓拍频率小于预设的频率阈值,可以存储最近的预设量的人脸抓拍图片,而删除其他的人脸抓拍图片。
本发明实施例中,作为另一可选实施例,还可以依据档案活跃度对归档档案进行处理,该方法还包括:
针对归档档案库中的每一归档档案,依据预先设置的档案活跃度计算策略计算该归档档案的档案活跃度;
若计算的档案活跃度小于预设的活跃度阈值,删除该归档档案。
本发明实施例中,作为一可选实施例,利用下式计算档案活跃度:
ξ为档案活跃度;
α为最新抓拍的人脸抓拍图片的年份与2000的差值,例如,最新抓拍的人脸抓拍图片的年份为2018年,则α=2018-2000=18。
β为最新抓拍的人脸抓拍图片的月份,取值为1-12;
γ为最新抓拍的人脸抓拍图片的日期,取值为1-31。
本发明实施例中,档案活跃度依据最新(最近)抓拍的人脸抓拍图片的时间来确定。
本发明实施例中,利用档案活跃度计算策略计算档案活跃度,可区分归档档案的活跃度,从而能够快速辨识归档档案状态,以依据归档档案的档案活跃度进行相应的应用,提高人脸抓拍图片的归档效率,有利于减少计算资源和存储资源占用。
本发明实施例中,在对人脸抓拍照片进行归档后,为了提升归档档案的应用,还可以与人口信息库进行交叉碰撞,用以确定归档档案对应的人员的身份,从而使得归档档案能够贴近业务,进一步扩展归档档案的应用,实现对人脸抓拍图片的身份认证。因而,作为一可选实施例,该方法还包括:
针对每一归档档案,将该归档档案中的归档基准图片与预设的人口信息库中的身份图片进行相似度计算,从计算得到的大于或等于相似度阈值的相似度中,将相似度最高的身份图片存入该归档档案,并基于该相似度最高的身份图片标识该归档档案。
本发明实施例中,作为一可选实施例,人口信息库为城市常暂住人口信息库。
本发明实施例中,对于进行身份标识的归档档案,还可以针对每一人脸抓拍图片,通过数据库表进行标识,以记录其详细归档信息,便于后续应用中依据该详细归档信息进行相应分析。因而,作为另一可选实施例,该方法还包括:
对基于相似度最高的身份图片标识的归档档案设置身份数据库表,其中,身份数据库表包括身份主表和身份从表,身份主表用于标记该归档档案对应的人员信息,身份从表用于标记归档详情。
本发明实施例中,作为一可选实施例,人员信息包括但不限于:身份证(idCardNo)、活跃度(active)、最近归档时间(timeStamp)、最近抓拍时间(recentTime)、抓拍频率(frequency)、抓拍类型(type)等;归档详情包括但不限于:图片标识(id)、抓拍标识(captureID)、身份证(idCardNo)、图片质量评分(quality)、归档时间(onHold_time)、抓拍类型(type)、抓拍时间(capture_time)、zimgnode、抓拍图片摘要(picture_MD5)、人脸图片摘要(face_image_MD5)、人脸图片统一资源定位符(imageUrl1)、抓拍图片统一资源定位符(imageUrl2)。
本发明实施例中,一归档档案对应一人员信息,归档档案中的每一人脸抓拍图片对应一归档详情。
本发明实施例中,在依据城市常暂住人口信息库进行相似度计算中,由于人口流动量大,因而,在进行身份认证的相似度计算后,计算得到的相似度中,没有大于或等于相似度阈值的相似度,对于该部分档案,应该为流动人口档案(非实名档案),该方法还包括:
若基于归档档案计算得到的相似度中,没有大于或等于相似度阈值的相似度,对该归档档案设置临时数据库表,其中,临时数据库表包括临时主表、相似表以及临时从表,其中,临时主表用于标记该归档档案对应的流动人员信息,临时从表用于标记归档详情,相似表用于标记与该归档档案相似的人员信息库中的身份图片。
本发明实施例中,临时主表的流动人员信息包括但不限于:归档标识(id)、活跃度(active)、最近归档时间(timeStamp)、归档基准图片(master)、辅助归档基准图片(master2)、最近抓拍时间(recentTime)、抓拍频率(frequency)、最早抓拍时间(latestTime)等,其中,归档标识是随机生成的用于唯一标识该归档档案的标志。
归档详情包括但不限于:图片标识(id)、抓拍标识(captureID)、特征标识(old_featureID)、图片质量评分(quality)、归档时间(onHold_time)、抓拍时间(capture_time)、新特征标识(fetureID)、特征库(db_number)、zimgnode、抓拍图片摘要(picture_MD5)、人脸图片摘要(face_image_MD5)、人脸图片统一资源定位符(imageUrl1)、抓拍图片统一资源定位符(imageUrl2)、抓拍相机标识(cameraId)、抓拍地址(capture_location)、相机经度(capture_lon)、相机纬度(capture_lat)。
相似归档包括但不限于:归档标识(id)、抓拍时间(capture_time)、zimgnode、抓拍图片摘要(picture_MD5)、人脸图片摘要(face_image_MD5)、人脸图片统一资源定位符(imageUrl1)、抓拍图片统一资源定位符(imageUrl2)、抓拍标识(captureID)、特征标识(old_featureID)、抓拍相机标识(cameraId)、抓拍地址(capture_location)、相机经度(capture_lon)、相机纬度(capture_lat)、相似度(similar_score)、归档标识(pigeOnHoleID)。
本发明实施例中,采用数据库表的方式设置归档档案,归档档案中的人员信息与档案详情分离;作为一可选实施例,还可以按照人员信息的互斥特征,比如性别、年龄段,对归档档案进行分库,这样,可避免频繁的大记录量数据检索,提高对归档档案的访问效率。
本发明实施例的人脸抓拍图片归档方法,可对海量人脸抓拍图片进行高效准确地归档,同时可大大降低所需资源,降低建设和运营成本。利用本发明实施例的方法,基本可以达到以下性能指标:8~10台主流2U通用服务器(CPU:Intel 2.xGHz 10core*2、内存:64GB、存储:4TB)可以支撑人口规模数百万级的中等城市中1000路人脸卡口监控、每路日抓拍量约3000张的人脸抓拍图片的日常准实时归档,能够达到人像聚类召回率≥98%,人像聚类准确率≥99%。
本发明实施例中,作为一可选实施例,还包括:
接收目标人脸图片,分别与归档档案中的每一归档基准图片进行相似度计算,获取相似度最高的归档档案,将该相似度最高的归档档案作为所述目标人脸图片的查询结果输出。
本发明实施例中,作为一可选实施例,还可以按照相似度进行排序,将相似度排名的前n个归档档案作为所述目标人脸图片的查询结果输出,其中,n为自然数。例如,将相似度大于90分的归档档案输出。
通过上述实施例可以看出,本申请中可以先建立至少一个临时档案,然后再判断临时档案属于哪一个已有的归档档案,在该判断过程中,只需要基于基准图片的相似度进行判断,计算量小,因此可以实现归档的快速高效。另外,在建立临时档案时基于批次人脸抓拍图片集进行,由于该图片集是预设时间段内采集的,包括的图片数量有限,因此建立临时档案时所耗费的时间很短,也进一步提高了归档的速度。
图2示出了本发明实施例所提供的人脸抓拍图片归档装置结构示意图。如图2所示,该装置包括:
图片集获取模块201,用于获取抓拍的批次人脸抓拍图片集;
临时档案生成模块202,用于依据图片相似度,对所述批次人脸抓拍图片集中的各人脸抓拍图片进行归档,得到至少一个临时档案;
本发明实施例中,作为一可选实施例,临时档案生成模块202具体用于:
从所述批次人脸抓拍图片集中,提取第一人脸抓拍图片,得到第一临时档案,所述第一临时档案中的临时基准图片为所述第一人脸抓拍图片;
从所述批次人脸抓拍图片集中,逐一提取除所述第一张人脸抓拍图片之外的人脸抓拍图片,计算提取出的人脸抓拍图片与第一临时档案中的临时基准图片之间的相似度;
若相似度大于或等于相似度阈值,则将该新提取的人脸抓拍图片加入到第一临时档案中;
更新所述第一临时档案中的临时基准图片。
其中,更新所述第一临时档案中的临时基准图片,包括:
如果所述第一临时档案中的人脸抓拍图片的数量小于或等于预设的数量第一阈值,从所述第一临时档案中的所有人脸抓拍图片中,选取质量最大的人脸抓拍图片作为所述临时基准图片;
如果所述第一临时档案中的人脸抓拍图片的数量大于预设的数量第一阈值:
如果当前临时基准图片的质量小于预设的质量评分阈值,将最近的数量第二阈值的人脸抓拍图片中的质量最大的人脸抓拍图片替换当前临时基准图片。
归档模块203,用于针对每一临时档案:
计算该临时档案中的临时基准图片与预先存储的归档档案库中每一归档档案的归档基准图片之间的人脸特征相似度;
若所述临时基准图片与第一归档档案中的归档基准图片之间的人脸特征相似度大于或等于预先设置的归档相似度阈值,将该临时档案归入所述第一归档档案中;
若所述临时基准图片与任一归档档案中的归档基准图片之间的人脸特征相似度都小于所述归档相似度阈值,则在所述归档档案库中新建归档档案,并将该临时档案归入所述新建归档档案。
本发明实施例中,作为一可选实施例,归档模块203具体用于:
统计临时档案中的人脸抓拍图片数量;
若人脸抓拍图片数量大于或等于预设的数量阈值且存在抓拍质量评分大于质量评分阈值的人脸抓拍图片,按照时间顺序,选取预设的综合比对阈值、且抓拍质量评分大于质量评分阈值的人脸抓拍图片,按照预设的图片综合质量评估策略计算选取的人脸抓拍图片的图片综合质量得分,选取图片综合质量得分最高的人脸抓拍图片,得到归档基准图片;
若人脸抓拍图片数量小于预设的数量阈值,或不存在抓拍质量评分大于质量评分阈值的人脸抓拍图片,按照预设的图片综合质量评估策略计算临时档案中的各人脸抓拍图片的图片综合质量得分,选取图片综合质量得分最高的人脸抓拍图片,得到归档基准图片。
本发明实施例中,作为另一可选实施例,归档模块203还用于:
若计算得到的大于或等于归档相似度阈值的人脸特征相似度的数量为一个,将该临时档案归入该人脸特征相似度对应的归档档案;
若计算得到的大于或等于归档相似度阈值的人脸特征相似度的数量大于一个,将各计算得到的人脸特征相似度对应的归档档案进行合并,并将该临时档案归入合并的归档档案。
本发明实施例中,作为一可选实施例,该装置还包括:
图片过滤模块(图中未示出),用于按照预设的图片质量评分策略,计算所述第一数量图像中每一人脸抓拍图片的抓拍质量评分,过滤抓拍质量评分小于预设抓拍质量评分阈值的人脸抓拍图片,得到第二数量的人脸图像。
本发明实施例中,作为一可选实施例,图片质量评分策略包括:拍照人脸角度评分子策略、俯仰角评分子策略、旋转角评分子策略、偏转角评分子策略,图片过滤模块具体用于:
依据拍照人脸角度评分子策略以及待评分的人脸抓拍图片的人脸角度,得到所述待评分的人脸抓拍图片的人脸角度评分;
依据俯仰角评分子策略以及所述待评分的人脸抓拍图片的俯仰角,得到所述待评分的人脸抓拍图片的俯仰角评分;
依据旋转角评分子策略以及所述待评分的人脸抓拍图片的旋转角,得到所述待评分的人脸抓拍图片的旋转角评分;
依据偏转角评分子策略以及所述待评分的人脸抓拍图片的偏转角,得到所述待评分的人脸抓拍图片的偏转角评分;
对所述人脸角度评分、俯仰角评分、旋转角评分以及偏转角评分进行加权求和,得到所述待评分的人脸抓拍图片的抓拍质量评分。
本发明实施例中,作为另一可选实施例,该装置还包括:
档案处理模块,用于针对归档档案库中的每一归档档案,依据预先设置的档案活跃度计算策略计算该归档档案的档案活跃度;若计算的档案活跃度小于预设的活跃度阈值,删除该归档档案。
本发明实施例中,作为再一可选实施例,该装置还包括:
身份标识模块,用于针对每一归档档案,将该归档档案中的归档基准图片与预设的人口信息库中的身份图片进行相似度计算,从计算得到的大于或等于相似度阈值的相似度中,将相似度最高的身份图片存入该归档档案,并基于该相似度最高的身份图片标识该归档档案。
本发明实施例中,作为再一可选实施例,该装置还包括:
身份数据库表设置模块,用于对基于相似度最高的身份图片标识的归档档案设置身份数据库表,其中,身份数据库表包括身份主表和身份从表,身份主表用于标记该归档档案对应的人员信息,身份从表用于标记归档详情。
本发明实施例中,一归档档案对应一人员信息,归档档案中的每一人脸抓拍图片对应一归档详情。
本发明实施例中,作为再一可选实施例,该装置还包括:
临时数据库表设置模块,用于若基于归档档案计算得到的相似度中,没有大于或等于相似度阈值的相似度,对该归档档案设置临时数据库表,其中,临时数据库表包括临时主表、相似表以及临时从表,其中,临时主表用于标记该归档档案对应的流动人员信息,临时从表用于标记归档详情,相似表用于标记与该归档档案相似的人员信息库中的身份图片。
本发明实施例中,作为再一可选实施例,该装置还包括:
查询模块,用于接收目标人脸图片,分别与归档档案中的每一归档基准图片进行相似度计算,获取相似度最高的归档档案,将该相似度最高的归档档案作为所述目标人脸图片的查询结果输出。
如图3所示,本申请一实施例提供了一种计算机设备300,用于执行图1中的人脸抓拍图片归档方法,该设备包括存储器301、处理器302及存储在该存储器301上并可在该处理器302上运行的计算机程序(机器可读指令),其中,上述处理器302执行上述计算机程序时实现上述人脸抓拍图片归档方法的步骤。
具体地,上述存储器301和处理器302能够为通用的存储器和处理器,这里不做具体限定,当处理器302运行存储器301存储的计算机程序时,能够执行上述人脸抓拍图片归档方法。
对应于图1中的人脸抓拍图片归档方法,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述人脸抓拍图片归档方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述人脸抓拍图片归档方法。
在本申请所提供的实施例中,应该理解到,所揭露系统和方法,可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,系统或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种人脸抓拍图片归档方法,其特征在于,包括:
获取抓拍的批次人脸抓拍图片集;
依据图片相似度,对所述批次人脸抓拍图片集中的各人脸抓拍图片进行归档,得到至少一个临时档案;
针对每一临时档案:
计算该临时档案中的临时基准图片与预先存储的归档档案库中每一归档档案的归档基准图片之间的人脸特征相似度;
若所述临时基准图片与第一归档档案中的归档基准图片之间的人脸特征相似度大于或等于预先设置的归档相似度阈值,将该临时档案归入所述第一归档档案中;
若所述临时基准图片与任一归档档案中的归档基准图片之间的人脸特征相似度都小于所述归档相似度阈值,则在所述归档档案库中新建归档档案,并将该临时档案归入所述新建归档档案。
2.根据权利要求1所述的方法,其特征在于,所述获取抓拍的批次人脸抓拍图片集包括:
获取在预设时间段内的、由多路图像采集装置采集得到的第一数量图像;
对第一数量图像进行人脸检测,得到第二数量的人脸图像,构成所述批次人脸抓拍图片集。
3.根据权利要求2所述的方法,其特征在于,所述对第一数量图像进行人脸检测,得到第二数量的人脸图像,包括:
按照预设的图片质量评分策略,计算所述第一数量图像中每一人脸抓拍图片的抓拍质量评分,过滤抓拍质量评分小于预设抓拍质量评分阈值的人脸抓拍图片,得到第二数量的人脸图像。
4.根据权利要求3所述的方法,其特征在于,所述图片质量评分策略包括:拍照人脸角度评分子策略、俯仰角评分子策略、旋转角评分子策略、偏转角评分子策略,计算所述第一数量图像中每一人脸抓拍图片的抓拍质量评分,包括:
依据拍照人脸角度评分子策略以及待评分的人脸抓拍图片的人脸角度,得到所述待评分的人脸抓拍图片的人脸角度评分;
依据俯仰角评分子策略以及所述待评分的人脸抓拍图片的俯仰角,得到所述待评分的人脸抓拍图片的俯仰角评分;
依据旋转角评分子策略以及所述待评分的人脸抓拍图片的旋转角,得到所述待评分的人脸抓拍图片的旋转角评分;
依据偏转角评分子策略以及所述待评分的人脸抓拍图片的偏转角,得到所述待评分的人脸抓拍图片的偏转角评分;
对所述人脸角度评分、俯仰角评分、旋转角评分以及偏转角评分进行加权求和,得到所述待评分的人脸抓拍图片的抓拍质量评分。
5.根据权利要求1所述的方法,其特征在于,所述依据图片相似度,对所述批次人脸抓拍图片集中的各人脸抓拍图片进行归档,得到至少一个临时档案,包括:
从所述批次人脸抓拍图片集中,提取第一人脸抓拍图片,得到第一临时档案,所述第一临时档案中的临时基准图片为所述第一人脸抓拍图片;
从所述批次人脸抓拍图片集中,逐一提取除所述第一人脸抓拍图片之外的人脸抓拍图片,计算提取出的人脸抓拍图片与第一临时档案中的临时基准图片之间的相似度;
若相似度大于或等于相似度阈值,则将该新提取的人脸抓拍图片加入到第一临时档案中;
更新所述第一临时档案中的临时基准图片。
6.根据权利要求5所述的方法,其特征在于,所述更新所述第一临时档案中的临时基准图片,包括:
如果所述第一临时档案中的人脸抓拍图片的数量小于或等于预设的数量第一阈值,从所述第一临时档案中的所有人脸抓拍图片中,选取质量最大的人脸抓拍图片作为所述临时基准图片;
如果所述第一临时档案中的人脸抓拍图片的数量大于预设的数量第一阈值:
如果当前临时基准图片的质量小于预设的质量评分阈值,将最近的数量第二阈值的人脸抓拍图片中的质量最大的人脸抓拍图片替换当前临时基准图片。
7.根据权利要求6所述的方法,其特征在于,在所述替换当前临时基准图片之后,所述方法还包括:
如果新增的人脸抓拍图片数量大于或等于数量第二阈值,或者,如果当前时刻与替换当前临时基准图片时的时刻之间的时长大于设定时长,将最近的预设的综合比对阈值的人脸抓拍图片中,质量大于质量评分阈值分且计算分数最高的人脸抓拍图片替换当前临时基准图片。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述方法还包括:
针对每一归档档案,将该归档档案中的归档基准图片与预设的人口信息库中的身份图片进行相似度计算,从计算得到的大于或等于相似度阈值的相似度中,将相似度最高的身份图片存入该归档档案,并基于该相似度最高的身份图片标识该归档档案;
对基于相似度最高的身份图片标识的归档档案设置身份数据库表,其中,身份数据库表包括身份主表和身份从表,身份主表用于标记该归档档案对应的人员信息,身份从表用于标记归档详情;
若基于归档档案计算得到的相似度中,没有大于或等于相似度阈值的相似度,对该归档档案设置临时数据库表,其中,临时数据库表包括临时主表、相似表以及临时从表,其中,临时主表用于标记该归档档案对应的流动人员信息,临时从表用于标记归档详情,相似表用于标记与该归档档案相似的人员信息库中的身份图片。
9.一种人脸抓拍图片归档装置,其特征在于,包括:
图片集获取模块,用于获取抓拍的批次人脸抓拍图片集;
临时档案生成模块,用于依据图片相似度,对所述批次人脸抓拍图片集中的各人脸抓拍图片进行归档,得到至少一个临时档案;
归档模块,用于针对每一临时档案:
计算该临时档案中的临时基准图片与预先存储的归档档案库中每一归档档案的归档基准图片之间的人脸特征相似度;
若所述临时基准图片与第一归档档案中的归档基准图片之间的人脸特征相似度大于或等于预先设置的归档相似度阈值,将该临时档案归入所述第一归档档案中;
若所述临时基准图片与任一归档档案中的归档基准图片之间的人脸特征相似度都小于所述归档相似度阈值,则在所述归档档案库中新建归档档案,并将该临时档案归入所述新建归档档案。
10.一种计算机设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的人脸抓拍图片归档方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011217645.2A CN112183490A (zh) | 2020-11-04 | 2020-11-04 | 一种人脸抓拍图片归档方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011217645.2A CN112183490A (zh) | 2020-11-04 | 2020-11-04 | 一种人脸抓拍图片归档方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112183490A true CN112183490A (zh) | 2021-01-05 |
Family
ID=73917068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011217645.2A Pending CN112183490A (zh) | 2020-11-04 | 2020-11-04 | 一种人脸抓拍图片归档方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183490A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220942A (zh) * | 2021-05-31 | 2021-08-06 | 杭州海康威视数字技术股份有限公司 | 一种关联对象的查找方法、装置及设备 |
CN113963401A (zh) * | 2021-09-24 | 2022-01-21 | 紫为云(北京)智能科技有限公司 | 一种机器人投递快递的方法、装置及介质 |
CN117333926A (zh) * | 2023-11-30 | 2024-01-02 | 深圳须弥云图空间科技有限公司 | 一种图片聚合方法、装置、电子设备及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938552A (zh) * | 2016-06-29 | 2016-09-14 | 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 |
CN109800668A (zh) * | 2018-12-28 | 2019-05-24 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
CN109800318A (zh) * | 2018-12-28 | 2019-05-24 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
CN110276277A (zh) * | 2019-06-03 | 2019-09-24 | 罗普特科技集团股份有限公司 | 用于检测人脸图像的方法和装置 |
CN110287791A (zh) * | 2019-05-23 | 2019-09-27 | 罗普特科技集团股份有限公司 | 一种用于人脸图片的筛选方法和系统 |
CN110378314A (zh) * | 2019-05-31 | 2019-10-25 | 北京金山云网络技术有限公司 | 一种人脸区域图像归档方法、装置、电子设备及存储介质 |
CN111104825A (zh) * | 2018-10-26 | 2020-05-05 | 北京陌陌信息技术有限公司 | 人脸注册库更新方法、装置、设备及介质 |
CN111126208A (zh) * | 2019-12-11 | 2020-05-08 | 智慧眼科技股份有限公司 | 行人归档方法、装置、计算机设备及存储介质 |
-
2020
- 2020-11-04 CN CN202011217645.2A patent/CN112183490A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938552A (zh) * | 2016-06-29 | 2016-09-14 | 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 |
CN111104825A (zh) * | 2018-10-26 | 2020-05-05 | 北京陌陌信息技术有限公司 | 人脸注册库更新方法、装置、设备及介质 |
CN109800668A (zh) * | 2018-12-28 | 2019-05-24 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
CN109800318A (zh) * | 2018-12-28 | 2019-05-24 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
CN110287791A (zh) * | 2019-05-23 | 2019-09-27 | 罗普特科技集团股份有限公司 | 一种用于人脸图片的筛选方法和系统 |
CN110378314A (zh) * | 2019-05-31 | 2019-10-25 | 北京金山云网络技术有限公司 | 一种人脸区域图像归档方法、装置、电子设备及存储介质 |
CN110276277A (zh) * | 2019-06-03 | 2019-09-24 | 罗普特科技集团股份有限公司 | 用于检测人脸图像的方法和装置 |
CN111126208A (zh) * | 2019-12-11 | 2020-05-08 | 智慧眼科技股份有限公司 | 行人归档方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
DANIEL SCHOFIELD等: "Chimpanzee face recognition from videos in the wild using deep learning", 《SCIENCE ADVANCES》, vol. 05, no. 09, 4 September 2019 (2019-09-04), pages 1 - 10 * |
崔进: "社交关系网人脸照片管理系统的设计与实现", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, vol. 138, no. 2016, 15 December 2016 (2016-12-15), pages 138 - 265 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220942A (zh) * | 2021-05-31 | 2021-08-06 | 杭州海康威视数字技术股份有限公司 | 一种关联对象的查找方法、装置及设备 |
CN113963401A (zh) * | 2021-09-24 | 2022-01-21 | 紫为云(北京)智能科技有限公司 | 一种机器人投递快递的方法、装置及介质 |
CN117333926A (zh) * | 2023-11-30 | 2024-01-02 | 深圳须弥云图空间科技有限公司 | 一种图片聚合方法、装置、电子设备及可读存储介质 |
CN117333926B (zh) * | 2023-11-30 | 2024-03-15 | 深圳须弥云图空间科技有限公司 | 一种图片聚合方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110175549B (zh) | 人脸图像处理方法、装置、设备及存储介质 | |
CN112183490A (zh) | 一种人脸抓拍图片归档方法及装置 | |
US8605956B2 (en) | Automatically mining person models of celebrities for visual search applications | |
CN101601053B (zh) | 使用面部识别识别图像 | |
JP2022518469A (ja) | 情報処理方法および装置、記憶媒体 | |
CN108229674B (zh) | 聚类用神经网络的训练方法和装置、聚类方法和装置 | |
CN111221991B (zh) | 人员身份属性的确定方法、装置和电子设备 | |
Bharati et al. | Beyond pixels: Image provenance analysis leveraging metadata | |
CN103503000A (zh) | 面部识别 | |
TW202101443A (zh) | 一種資訊處理方法及裝置、儲存介質 | |
CN103718190A (zh) | 增量图像聚类 | |
CN110865992A (zh) | 一种检索库管理方法、检索方法、装置及介质 | |
WO2023273081A1 (en) | Clustering method, clustering apparatus, and non-transitory computer-readable storage medium | |
CN110765215A (zh) | 人员共同关系的查询方法、装置、电子设备及存储介质 | |
CN111753642B (zh) | 一种确定关键帧的方法及装置 | |
CN110705297A (zh) | 一种企业曾用名识别方法、系统、介质及设备 | |
CN108416610B (zh) | 用户历史反馈信息形成方法及广告投放频次控制方法 | |
KR101138873B1 (ko) | 인물 db 등록사진 수 축소 방법 및 장치 | |
CN110968584B (zh) | 一种画像生成系统、方法、电子设备及可读存储介质 | |
WO2023124134A1 (zh) | 档案处理方法、装置、电子设备、计算机存储介质和程序 | |
CN103093213A (zh) | 视频文件分类方法及终端 | |
CN106934041B (zh) | 影像文件管理方法及装置 | |
CN116071569A (zh) | 图像选择方法、计算机设备及存储装置 | |
CN111563479B (zh) | 同行人去重方法、团伙分析方法、装置及电子设备 | |
CN111368115B (zh) | 数据聚类方法、装置、聚类服务器及存储介质 |
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 |