CN111860163B - 图像处理方法、装置、电子设备及可读存储介质 - Google Patents

图像处理方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN111860163B
CN111860163B CN202010555785.4A CN202010555785A CN111860163B CN 111860163 B CN111860163 B CN 111860163B CN 202010555785 A CN202010555785 A CN 202010555785A CN 111860163 B CN111860163 B CN 111860163B
Authority
CN
China
Prior art keywords
image
face
buffer queue
face image
frame
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
CN202010555785.4A
Other languages
English (en)
Other versions
CN111860163A (zh
Inventor
胡跃祥
周仁义
韩钧宇
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010555785.4A priority Critical patent/CN111860163B/zh
Publication of CN111860163A publication Critical patent/CN111860163A/zh
Priority to EP21169915.2A priority patent/EP3926528A1/en
Priority to US17/241,191 priority patent/US11783565B2/en
Priority to KR1020210076821A priority patent/KR102595664B1/ko
Priority to JP2021098635A priority patent/JP2021197186A/ja
Application granted granted Critical
Publication of CN111860163B publication Critical patent/CN111860163B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • 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
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了图像处理方法、装置、电子设备及可读存储介质，涉及计算机视觉技术领域。本申请实施例通过人脸识别模块和业务处理模块分别维护一个图像缓冲队列，即人脸识别模块维护人脸图像的人脸图像缓冲队列，以及业务处理模块维护背景图像即第一图像的背景图像缓冲队列，由于人脸识别模块只维护人脸图像缓冲队列，只需将所确定的最优人脸图像即待匹配的人脸图像传输给业务处理模块，进而由业务处理模块从其所维护的背景图像缓冲队列中，匹配到与人脸识别模块传输的最优人脸图像所匹配的背景图像，能够实现对视频源中所出现的人脸进行图像识别处理与图像匹配处理。

Description

图像处理方法、装置、电子设备及可读存储介质
技术领域
涉及计算机技术领域，具体涉及人工智能技术，尤其涉及图像处理方法、装置、电子设备及可读存储介质。
背景技术
在视频监控领域，仅仅通过图像采集设备采集到视频还是远远不够的，通常需要对视频中所出现的人脸进行图像识别处理与图像匹配处理，以供用户进行相关安全需求的业务。
因此，亟需提供一种图像处理方法，以实现对视频源中所出现的人脸进行图像识别处理与图像匹配处理。
发明内容
本申请的多个方面提供图像处理方法、装置、电子设备及可读存储介质，用以实现对视频源中所出现的人脸进行图像识别处理与图像匹配处理。
根据第一方面，提供了一种图像处理方法，包括：
人脸识别模块获取所维护的人脸图像缓冲队列，所述人脸图像缓冲队列中包括至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳；所述各帧人脸图像和该帧人脸图像所对应的第一时间戳为所述人脸识别模块基于来自视频源的原始图像所获得；
所述人脸识别模块从所述人脸图像缓冲队列中，确定待匹配的人脸图像；
所述人脸识别模块将所述待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳，发送给业务处理模块，以供所述业务处理模块根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像，以及根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行业务处理；所述第一图像为所述业务处理模块所获取的原始图像；
其中，所述人脸识别模块与所述业务处理模块运行在不同的硬件平台之上。
根据第二方面，提供了另一种图像处理方法，包括：
业务处理模块接收人脸识别模块所发送的待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳；所述待匹配的人脸图像为所述人脸识别模块从所维护的人脸图像缓冲队列中确定；所述人脸图像缓冲队列中包括至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳；所述各帧人脸图像和该帧人脸图像所对应的第一时间戳为所述人脸识别模块基于来自视频源的原始图像所获得；
所述业务处理模块根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像；所述第一图像为所述业务处理模块所获取的原始图像；
所述业务处理模块根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行业务处理；
其中，所述人脸识别模块与所述业务处理模块运行在不同的硬件平台之上。
根据第三方面，提供了一种图像处理装置，包括：
队列单元，用于获取所维护的人脸图像缓冲队列，所述人脸图像缓冲队列中包括至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳；所述各帧人脸图像和该帧人脸图像所对应的第一时间戳为所述图像处理装置基于来自视频源的原始图像所获得；
确定单元，用于从所述人脸图像缓冲队列中，确定待匹配的人脸图像；
发送单元，用于将所述待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳，发送给业务处理模块，以供所述业务处理模块根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像，以及根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行业务处理；所述第一图像为所述业务处理模块所获取的原始图像；
其中，所述图像处理装置与所述业务处理模块运行在不同的硬件平台之上。
根据第四方面，提供了另一种图像处理装置，包括：
接收单元，用于接收人脸识别模块所发送的待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳；所述待匹配的人脸图像为所述人脸识别模块从所维护的人脸图像缓冲队列中确定；所述人脸图像缓冲队列中包括至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳；所述各帧人脸图像和该帧人脸图像所对应的第一时间戳为所述人脸识别模块基于来自视频源的原始图像所获得；
队列单元，用于根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像；所述第一图像为所述图像处理装置所获取的原始图像；
匹配单元，用于根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行业务处理；
其中，所述人脸识别模块与所述图像处理装置运行在不同的硬件平台之上。
根据第五方面，提供一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方面和任一可能的实现方式的方法。
根据第六方面，提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。
由上述技术方案可知，本申请实施例通过人脸识别模块和业务处理模块分别维护一个图像缓冲队列，即人脸识别模块维护人脸图像的人脸图像缓冲队列，以及业务处理模块维护背景图像即第一图像的背景图像缓冲队列，由于人脸识别模块只维护人脸图像缓冲队列，只需将所确定的最优人脸图像即待匹配的人脸图像传输给业务处理模块，进而由业务处理模块从其所维护的背景图像缓冲队列中，匹配到与人脸识别模块传输的最优人脸图像所匹配的背景图像，能够实现对视频源中所出现的人脸进行图像识别处理与图像匹配处理。
另外，采用本申请所提供的技术方案，由于人脸识别模块无需维护背景图像缓冲队列，使得能够有效避免由于维护背景图像缓冲队列所占用大量内存资源而导致的内存资源的浪费问题，从而降低了人脸识别模块的硬件成本。
另外，采用本申请所提供的技术方案，由于人脸识别模块无需维护背景图像缓冲队列，使得能够有效避免向业务处理模块传输背景图像缓冲队列所占用大量传输资源而导致的传输资源的浪费问题，从而提高了图像处理效率。
另外，采用本申请所提供的技术方案，能够有效地提高用户的体验。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。附图仅仅用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例的示意图；
图2是根据本申请第二实施例的示意图；
图3是根据本申请第三实施例的示意图；
图4是根据本申请第四实施例的示意图；
图5是根据本申请第五实施例的示意图；
图6是根据本申请第六实施例的示意图；
图7是根据本申请第七实施例的示意图；
图8是根据本申请第八实施例的示意图；
图9是用来实现本申请实施例的图像处理方法的电子设备的示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
显然，所描述的实施例是本申请一部分实施例，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作出创造性劳动前提下所获得的全部其他实施例，都属于本申请保护的范围。
需要说明的是，本申请实施例中所涉及的终端可以包括但不限于手机、个人数字助理(Personal Digital Assistant，PDA)、无线手持设备、平板电脑(Tablet Computer)、个人电脑(Personal Computer，PC)、MP3播放器、MP4播放器、可穿戴设备(例如，智能眼镜、智能手表、智能手环等)、智能家居设备等智能设备。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
同源异构架构的图像处理系统是指视频源同源，其他处理模块属于异构架构。本申请所公开的技术方案所适应于的同源异构架构的图像处理系统中，人脸识别模块和业务处理模块分别处于两种或多种硬件平台上运行，二者属于异构架构。
在某些业务场景中，例如，将来自监控视频源中的人脸识别出来，以获得人脸图像，同时进一步将人脸图像和与之相对应的视频帧图像匹配，由业务处理模块完整地提供给用户。
那么，在这种同源异构架构下，如何做到图像匹配是一个重要的技术问题。
本申请基于上述问题，提出一种图像处理方法，能够实现对视频源中所出现的人脸进行图像识别处理与图像匹配处理。
图1是根据本申请第一实施例的示意图，所述人脸识别模块与所述业务处理模块运行在不同的硬件平台之上，如图1所示。
101、人脸识别模块获取所维护的人脸图像缓冲队列。
其中，所述人脸图像缓冲队列中可以包括但不限于至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳。
所述各帧人脸图像和该帧人脸图像所对应的第一时间戳为所述人脸识别模块基于来自视频源的原始图像所获得。
所述人脸识别模块在接收到来自视频源的原始图像之后，为了对原始图像进行全局唯一标识，则可以对原始图像添加第一时间戳，范围0～无穷大。进而，所述人脸识别模块则可以进一步采用人脸识别技术，对来自视频源的原始图像进行人脸识别处理，以获得来自视频源的原始图像中的人脸图像。
102、所述人脸识别模块从所述人脸图像缓冲队列中，确定待匹配的人脸图像。
103、所述人脸识别模块将所述待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳，发送给业务处理模块。
此时，所述业务处理模块在接收到所述人脸识别模块所发送的所述待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳之后，则可以根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像，进而，则可以根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行业务处理。其中，所述第一图像为所述业务处理模块所获取的原始图像。
可选地，在本实施例的一个可能的实现方式中，在102中，所述人脸识别模块具体可以根据预先配置的人脸标准参数，例如，光线、姿态等，对所述人脸图像缓冲队列中各帧人脸图像进行质量检测处理，从而从所述人脸图像缓冲队列中，确定待匹配的人脸图像，以作为最优人脸图像。
可选地，在本实施例的一个可能的实现方式中，在103之后，所述人脸识别模块还可以进一步将所述待匹配的人脸图像，从所述人脸图像缓冲队列中删除。
这样，通过人脸识别模块及时将所选择的待匹配的人脸图像从所维护的人脸图像缓冲队列中删除，能够有效减少维护人脸图像缓冲队列所占用内存资源。
此时，所述业务处理模块在确定所述待匹配的人脸图像的匹配图像之后，则可以进一步将所述待匹配的人脸图像的匹配图像，从所述背景图像缓冲队列中删除，从而能够有效保证人脸识别模块与业务处理模块各自所维护的图像队列的同步。
本实施例中，通过人脸识别模块和业务处理模块分别维护一个图像缓冲队列，即人脸识别模块维护人脸图像的人脸图像缓冲队列，以及业务处理模块维护背景图像即第一图像的背景图像缓冲队列，由于人脸识别模块只维护人脸图像缓冲队列，只需将所确定的最优人脸图像即待匹配的人脸图像传输给业务处理模块，进而由业务处理模块从其所维护的背景图像缓冲队列中，匹配到与人脸识别模块传输的最优人脸图像所匹配的背景图像，能够实现对视频源中所出现的人脸进行图像识别处理与图像匹配处理。
图2是根据本申请第二实施例的示意图，如图2所示，与第一实施例相比，在本实施例中的101之前，所述人脸识别模块还可以进一步执行以下步骤。
201、所述人脸识别模块基于来自视频源的至少两帧原始图像，维护所述人脸图像缓冲队列。
其中，所述至少两帧原始图像中各帧原始图像中携带第二时间戳。
为了让人脸识别模块和业务处理模块对原始图像同时识别，利用硬件给原始图像添加第二时间戳，范围0～255，进而使得原始图像中携带了第二时间戳，使得能够直接将携带有第二时间戳的原始图像分别发送给人脸识别模块和业务处理模块，而无需单独再传输额外的其他时间戳，从而提高了传输的效率。
202、所述人脸识别模块基于所述人脸图像缓冲队列，同步所述业务处理模块所维护的背景图像缓冲队列。
可选地，在本实施例的一个可能的实现方式中，在201中，所述人脸识别模块接收来自视频源的所述至少两帧原始图像，以作为第二图像，其中，第二图像中携带有第二时间戳。在接收到第二图像之后，为了对原始图像即第二图像进行全局唯一标识，所述人脸识别模块则首先对所述至少两帧第二图像中各帧第二图像添加所述第一时间戳，范围0～无穷大。
在添加所述第一时间戳之后，所述人脸识别模块则可以对所述各帧第二图像进行人脸检测处理，以获得所述各帧第二图像的人脸检测结果。
具体地，所述人脸识别模块具体可以进一步采用人脸识别技术，对来自视频源的原始图像即第一图像进行人脸识别处理，以获得来自视频源的原始图像中的人脸图像。
通常来说，一帧第二图像中可能不止出现一帧人脸，因此，第二图像的人脸识别结果可能是一帧人脸图像，也可能是多帧人脸图像。那么，如果第二图像的人脸识别结果是一帧人脸图像时，则该第二图像的第一时间戳和第二时间戳则只对应一帧人脸图像；如果第二图像的人脸识别结果是多帧人脸图像时，则该第二图像的第一时间戳和第二时间戳则可以对应多帧人脸图像。
在获得所述各帧第二图像的人脸检测结果之后，所述人脸识别模块则可以将包含人脸图像的各帧第二图像的人脸检测结果中所包含的人脸图像，以及该帧第二图像的第二时间戳和第一时间戳对应加入到所述人脸图像缓冲队列中。
此时，在人脸图像缓冲队列中，可以包括至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳和第二时间戳。由人脸识别模块维护该人脸图像缓冲队列。
可选地，在本实施例的一个可能的实现方式中，在202中，所述人脸识别模块具体可以将所述各帧第二图像的第二时间戳和第一时间戳，以及所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳，发送给所述业务处理模块。
在该实现方式中，所述人脸识别模块将所接收到的来自视频源的若干帧第二图像，依次将其第二时间戳和第一时间戳，与所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳，一起发送给所述业务处理模块。
本实施例中，所述业务处理模块接受来自视频源的所述至少两帧原始图像，以作为第一图像，其中，第一图像中携带有第二时间戳。在接收到第一图像之后，为了进行进一步处理，所述业务处理模块则首先将至少两帧第一图像进行存储处理，以获得原始图像存储队列，例如，先进先出(First Input First Output，FIFO)队列。
此时，在接收所述人脸识别模块所发送的所述各帧第二图像的第二时间戳和第一时间戳，以及所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳之后，所述业务处理模块则可以针对所述各帧第二图像，若确定一帧第二图像的第二时间戳和第一时间戳在所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳中，对至少两帧第一图像中与该帧第二图像的第二时间戳一致的第一图像添加该帧第二图像的第一时间戳，将添加了所述第一时间戳的第一图像加入到所述背景图像缓冲队列中。
此时，在背景图像缓冲队列中，可以包括至少一帧第一图像，以及所述至少一帧第一图像中各帧第一图像所对应的第一时间戳。由业务处理模块维护该背景图像缓冲队列。
本实施例中，业务处理模块还可以进一步对所维护的背景图像缓冲队列进行优化处理，在不同的人脸图像对应相同的背景图像时，业务处理模块可以只缓存一帧背景图像，能够有效实现背景图像的复用，从而进一步减少维护背景图像缓冲队列所占用的内存资源。
本实施例中，通过人脸识别模块维护人脸图像缓冲队列，进而，基于所述人脸图像缓冲队列，同步所述业务处理模块所维护的背景图像缓冲队，使得所述人脸图像缓冲队列和所述背景图像缓冲队这两个图像队列能够保持对应同步，从而有效提高了图像处理的效率。
图3是根据本申请第三实施例的示意图，如图3所示，与第一实施例相比，在本实施例中，所述人脸识别模块还可以进一步执行以下步骤。
301、所述人脸识别模块对所述人脸图像缓冲队列中各人脸图像，进行过滤处理。
302、所述人脸识别模块将所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，发送给所述业务处理模块。
此时，在接收到所述人脸识别模块所发送的所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳之后，所述业务处理模块则可以根据所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，对所述背景图像缓冲队列中各第一图像进行同步处理。
本实施例中，为了进一步降低维护所述人脸图像缓冲队列所占用的内存资源，同时进一步提供所述人脸图像缓冲队列中各人脸图像的图像质量，所述人脸识别模块还可以进一步定期或者约定时间，采用现有的图像过滤技术，对所述人脸图像缓冲队列中各人脸图像，进行过滤处理，以过滤掉图像质量低的人脸图像。在过滤处理之后，所述人脸识别模块则可以进一步将所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，发送给所述业务处理模块。
此时，在接收到所述人脸识别模块所发送的所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳之后，所述业务处理模块则可以对所述背景图像缓冲队列中各第一图像所对应的第一时间戳与所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳进行比较处理。所述业务处理模块针对所述各帧第一图像，若确定一帧第一图像的第一时间戳不在所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳中，则可以将该帧第一图像从所述背景图像缓冲队列中删除，从而保证了背景图像缓冲队列与人脸图像缓冲队列的同步。
本实施例中，通过人脸识别模块对所维护的人脸图像缓冲队列中各人脸图像，进行过滤处理，进而将所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，发送给业务处理模块，使得业务处理模块能够及时将所维护背景图像缓冲队列与人脸识别模块所维护的人脸图像缓冲队列保持对应同步，从而有效提高了图像处理的可靠性和效率。
图4是根据本申请第四实施例的示意图，所述人脸识别模块与所述业务处理模块运行在不同的硬件平台之上，如图4所示。
401、业务处理模块接收人脸识别模块所发送的待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳。
其中，所述待匹配的人脸图像为所述人脸识别模块从所维护的人脸图像缓冲队列中确定；其中，所述人脸图像缓冲队列中可以包括但不限于至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳。
所述各帧人脸图像和该帧人脸图像所对应的第一时间戳为所述人脸识别模块基于来自视频源的原始图像所获得。
所述人脸识别模块在接收到来自视频源的原始图像之后，为了对原始图像进行全局唯一标识，则可以对原始图像添加第一时间戳，范围0～无穷大。进而，所述人脸识别模块则可以进一步采用人脸识别技术，对来自视频源的原始图像进行人脸识别处理，以获得来自视频源的原始图像中的人脸图像。
402、所述业务处理模块根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像。
其中，所述第一图像为所述业务处理模块所获取的原始图像。
403、所述业务处理模块根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行业务处理。
可选地，在本实施例的一个可能的实现方式中，在403中，所述业务处理模块具体可以根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行各种业务处理，例如，直接输出所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像、将所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像提供给其他处理模块，等。
可选地，在本实施例的一个可能的实现方式中，在402之后，所述业务处理模块还可以进一步将所述待匹配的人脸图像的匹配图像，从所述背景图像缓冲队列中删除。
这样，通过业务处理模块及时将所匹配的待匹配的人脸图像的匹配图像从所维护的背景图像缓冲队列中删除，能够有效减少维护背景图像缓冲队列所占用的内存资源。
由于人脸识别模块在向业务处理发送待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳之后，人脸识别模块也进一步将所述待匹配的人脸图像，从所述人脸图像缓冲队列中删除。因此，所述业务处理模块在确定所述待匹配的人脸图像的匹配图像之后，则可以进一步将所述待匹配的人脸图像的匹配图像，从所述背景图像缓冲队列中删除，从而能够有效保证人脸识别模块与业务处理模块各自所维护的图像队列的同步。
本实施例中，通过人脸识别模块和业务处理模块分别维护一个图像缓冲队列，即人脸识别模块维护人脸图像的人脸图像缓冲队列，以及业务处理模块维护背景图像即第一图像的背景图像缓冲队列，由于人脸识别模块只维护人脸图像缓冲队列，只需将所确定的最优人脸图像即待匹配的人脸图像传输给业务处理模块，进而由业务处理模块从其所维护的背景图像缓冲队列中，匹配到与人脸识别模块传输的最优人脸图像所匹配的背景图像，能够实现对视频源中所出现的人脸进行图像识别处理与图像匹配处理。
图5是根据本申请第五实施例的示意图，如图5所示，与第四实施例相比，在本实施例中的401之前，所述业务处理模块还可以进一步执行以下步骤。
501、所述业务处理模块基于来自视频源的至少两帧原始图像和所述人脸识别模块所维护的所述人脸图像缓冲队列，同步维护所述背景图像缓冲队列。
其中，所述至少两帧原始图像中各帧原始图像中携带第二时间戳。
为了让人脸识别模块和业务处理模块对原始图像同时识别，利用硬件给原始图像添加第二时间戳，范围0～255，进而使得原始图像中携带了第二时间戳，使得能够直接将携带有第二时间戳的原始图像分别发送给人脸识别模块和业务处理模块，而无需单独再传输额外的其他时间戳，从而提高了传输的效率。
可选地，在本实施例的一个可能的实现方式中，在501中，所述业务处理模块具体可以接收所述人脸识别模块所发送的所述各帧第二图像的第二时间戳和第一时间戳，以及所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳。进而，所述业务处理模块则可以针对所述各帧第二图像，若确定一帧第二图像的第二时间戳和第一时间戳在所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳中，对至少两帧第一图像中与该帧第二图像的第二时间戳一致的第一图像添加该帧第二图像的第一时间戳。最后，所述业务处理模块将添加了所述第一时间戳的第一图像加入到所述背景图像缓冲队列中。
在该实现方式中，所述人脸识别模块具体基于来自视频源的至少两帧原始图像，维护所述人脸图像缓冲队列。具体地，所述人脸识别模块具体可以接收来自视频源的所述至少两帧原始图像，以作为第二图像，其中，第二图像中携带有第二时间戳。在接收到第二图像之后，为了对原始图像即第二图像进行全局唯一标识，所述人脸识别模块则首先对所述至少两帧第二图像中各帧第二图像添加所述第一时间戳，范围0～无穷大。在添加所述第一时间戳之后，所述人脸识别模块则可以对所述各帧第二图像进行人脸检测处理，以获得所述各帧第二图像的人脸检测结果。
具体地，所述人脸识别模块具体可以进一步采用人脸识别技术，对来自视频源的原始图像即第一图像进行人脸识别处理，以获得来自视频源的原始图像中的人脸图像。
通常来说，一帧第二图像中可能不止出现一帧人脸，因此，第二图像的人脸识别结果可能是一帧人脸图像，也可能是多帧人脸图像。那么，如果第二图像的人脸识别结果是一帧人脸图像时，则该第二图像的第一时间戳和第二时间戳则只对应一帧人脸图像；如果第二图像的人脸识别结果是多帧人脸图像时，则该第二图像的第一时间戳和第二时间戳则可以对应多帧人脸图像。
在获得所述各帧第二图像的人脸检测结果之后，所述人脸识别模块则可以将包含人脸图像的各帧第二图像的人脸检测结果中所包含的人脸图像，以及该帧第二图像的第二时间戳和第一时间戳对应加入到所述人脸图像缓冲队列中。
此时，在人脸图像缓冲队列中，可以包括至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳和第二时间戳。由人脸识别模块维护该人脸图像缓冲队列。
所述人脸识别模块维护该人脸图像缓冲队列，还可以进一步将所述各帧第二图像的第二时间戳和第一时间戳，以及所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳，发送给所述业务处理模块。
在该实现方式中，所述人脸识别模块将所接收到的来自视频源的若干帧第二图像，依次将其第二时间戳和第一时间戳，与所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳，一起发送给所述业务处理模块。
在该实现方式中，所述业务处理模块接受来自视频源的所述至少两帧原始图像，以作为第一图像，其中，第一图像中携带有第二时间戳。在接收到第一图像之后，为了进行进一步处理，所述业务处理模块则首先将至少两帧第一图像进行存储处理，以获得原始图像存储队列，例如，先进先出(First Input First Output，FIFO)队列。
此时，在接收所述人脸识别模块所发送的所述各帧第二图像的第二时间戳和第一时间戳，以及所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳之后，所述业务处理模块则可以针对所述各帧第二图像，若确定一帧第二图像的第二时间戳和第一时间戳在所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳中，对至少两帧第一图像中与该帧第二图像的第二时间戳一致的第一图像添加该帧第二图像的第一时间戳，将添加了所述第一时间戳的第一图像加入到所述背景图像缓冲队列中。
此时，在背景图像缓冲队列中，可以包括至少一帧第一图像，以及所述至少一帧第一图像中各帧第一图像所对应的第一时间戳。由业务处理模块维护该背景图像缓冲队列。
本实施例中，业务处理模块还可以进一步对所维护的背景图像缓冲队列进行优化处理，在不同的人脸图像对应相同的背景图像时，业务处理模块可以只缓存一帧背景图像，能够有效实现背景图像的复用，从而进一步减少维护背景图像缓冲队列所占用的内存资源。
本实施例中，通过业务处理模块基于来自视频源的至少两帧原始图像和所述人脸识别模块所维护的所述人脸图像缓冲队列，同步维护所述背景图像缓冲队列，使得所述人脸图像缓冲队列和所述背景图像缓冲队这两个图像队列能够保持对应同步，从而有效提高了图像处理的效率。
图6是根据本申请第六实施例的示意图，如图6所示，与第四实施例相比，在本实施例中，所述业务处理模块还可以进一步执行以下步骤。
601、所述业务处理模块接收所述人脸识别模块所发送的过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳。
602、所述业务处理模块根据所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，对所述背景图像缓冲队列中各第一图像进行同步处理。
本实施例中，为了进一步降低维护所述人脸图像缓冲队列所占用的内存资源，同时进一步提供所述人脸图像缓冲队列中各人脸图像的图像质量，所述人脸识别模块还可以进一步定期或者约定时间，采用现有的图像过滤技术，对所述人脸图像缓冲队列中各人脸图像，进行过滤处理，以过滤掉图像质量低的人脸图像。在过滤处理之后，所述人脸识别模块则可以进一步将所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，发送给所述业务处理模块。
此时，在接收到所述人脸识别模块所发送的所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳之后，所述业务处理模块则可以对所述背景图像缓冲队列中各第一图像所对应的第一时间戳与所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳进行比较处理。所述业务处理模块针对所述各帧第一图像，若确定一帧第一图像的第一时间戳不在所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳中，则可以将该帧第一图像从所述背景图像缓冲队列中删除，从而保证了背景图像缓冲队列与人脸图像缓冲队列的同步。
本实施例中，通过业务处理模块接收人脸识别模块所发送的过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，进而所述业务处理模块根据所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，对所述背景图像缓冲队列中各第一图像进行同步处理，使得业务处理模块能够及时将所维护背景图像缓冲队列与人脸识别模块所维护的人脸图像缓冲队列保持对应同步，从而有效提高了图像处理的可靠性和效率。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
图7是根据本申请第七实施例的示意图，如图7所示。本实施例的图像处理装置700可以为人脸识别模块，具体可以包括队列单元701、确定单元702和发送单元703。其中，队列单元701，用于获取所维护的人脸图像缓冲队列，所述人脸图像缓冲队列中包括至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳；所述各帧人脸图像和该帧人脸图像所对应的第一时间戳为所述图像处理装置基于来自视频源的原始图像所获得；确定单元702，用于从所述人脸图像缓冲队列中，确定待匹配的人脸图像；发送单元703，用于将所述待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳，发送给业务处理模块，以供所述业务处理模块根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像，以及根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行业务处理；所述第一图像为所述业务处理模块所获取的原始图像；其中，所述图像处理装置与所述业务处理模块运行在不同的硬件平台之上。
可选地，在本实施例的一个可能的实现方式中，所述队列单元701，还可以进一步用于将所述待匹配的人脸图像，从所述人脸图像缓冲队列中删除。
可选地，在本实施例的一个可能的实现方式中，所述队列单元701，还可以进一步用于基于来自视频源的至少两帧原始图像，维护所述人脸图像缓冲队列；所述至少两帧原始图像中各帧原始图像中携带第二时间戳；以及基于所述人脸图像缓冲队列，同步所述业务处理模块所维护的背景图像缓冲队列。
在一个具体的实现过程中，所述队列单元701，具体可以用于接收所述至少两帧原始图像，以作为第二图像；对所述至少两帧第二图像中各帧第二图像添加所述第一时间戳；对所述各帧第二图像进行人脸检测处理，以获得所述各帧第二图像的人脸检测结果；以及将包含人脸图像的各帧第二图像的人脸检测结果中所包含的人脸图像，以及该帧第二图像的第二时间戳和第一时间戳对应加入到所述人脸图像缓冲队列中。
在另一个具体的实现过程中，所述队列单元701，具体可以用于将所述各帧第二图像的第二时间戳和第一时间戳，以及所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳，发送给所述业务处理模块，以供所述业务处理模块针对所述各帧第二图像，若确定一帧第二图像的第二时间戳和第一时间戳在所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳中，对至少两帧第一图像中与该帧第二图像的第二时间戳一致的第一图像添加该帧第二图像的第一时间戳，将添加了所述第一时间戳的第一图像加入到所述背景图像缓冲队列中。
可选地，在本实施例的一个可能的实现方式中，所述队列单元701，还可以进一步用于对所述人脸图像缓冲队列中各人脸图像，进行过滤处理；以及将所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，发送给所述业务处理模块，以供所述业务处理模块根据所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，对所述背景图像缓冲队列中各第一图像进行同步处理。
需要说明的是，图1～图3任一附图所对应的实施例中的方法可以由本实施例提供的图像处理装置实现。详细描述可以参见图1～图3任一附图所对应的实施例中的相关内容，此处不再赘述。
本实施例中，通过人脸识别模块和业务处理模块分别维护一个图像缓冲队列，即人脸识别模块维护人脸图像的人脸图像缓冲队列，以及业务处理模块维护背景图像即第一图像的背景图像缓冲队列，由于人脸识别模块只维护人脸图像缓冲队列，只需将所确定的最优人脸图像即待匹配的人脸图像传输给业务处理模块，进而由业务处理模块从其所维护的背景图像缓冲队列中，匹配到与人脸识别模块传输的最优人脸图像所匹配的背景图像，能够实现对视频源中所出现的人脸进行图像识别处理与图像匹配处理。
图8是根据本申请第八实施例的示意图，如图8所示。本实施例的图像处理装置800可以为业务处理模块，具体可以包括接收单元801、队列单元802和业务单元803。其中，接收单元801，用于接收人脸识别模块所发送的待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳；所述待匹配的人脸图像为所述人脸识别模块从所维护的人脸图像缓冲队列中确定；所述人脸图像缓冲队列中包括至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳；所述各帧人脸图像和该帧人脸图像所对应的第一时间戳为所述人脸识别模块基于来自视频源的原始图像所获得；队列单元802，用于根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像；所述第一图像为所述图像处理装置所获取的原始图像；业务单元803，用于根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行业务处理；其中，所述人脸识别模块与所述图像处理装置运行在不同的硬件平台之上。
可选地，在本实施例的一个可能的实现方式中，所述队列单元802，还可以进一步用于将所述待匹配的人脸图像的匹配图像，从所述背景图像缓冲队列中删除。
可选地，在本实施例的一个可能的实现方式中，所述队列单元802，还可以进一步用于基于来自视频源的至少两帧原始图像和所述人脸识别模块所维护的所述人脸图像缓冲队列，同步维护所述背景图像缓冲队列；所述至少两帧原始图像中各帧原始图像中携带第二时间戳。
在一个具体的实现过程中，所述队列单元802，具体可以用于接收所述人脸识别模块所发送的所述各帧第二图像的第二时间戳和第一时间戳，以及所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳；针对所述各帧第二图像，若确定一帧第二图像的第二时间戳和第一时间戳在所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳中，对至少两帧第一图像中与该帧第二图像的第二时间戳一致的第一图像添加该帧第二图像的第一时间戳；以及将添加了所述第一时间戳的第一图像加入到所述背景图像缓冲队列中。
可选地，在本实施例的一个可能的实现方式中，，所述队列单元802，还可以进一步用于接收所述人脸识别模块所发送的过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳；以及根据所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，对所述背景图像缓冲队列中各第一图像进行同步处理。
在一个具体的实现过程中，所述队列单元802，具体可以用于对所述背景图像缓冲队列中各第一图像所对应的第一时间戳与所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳进行比较处理；以及针对所述各帧第一图像，若确定一帧第一图像的第一时间戳不在所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳中，将该帧第一图像从所述背景图像缓冲队列中删除。
需要说明的是，图4～图6任一附图所对应的实施例中的方法可以由本实施例提供的图像处理装置实现。详细描述可以参见图4～图6任一附图所对应的实施例中的相关内容，此处不再赘述。
本实施例中，通过人脸识别模块和业务处理模块分别维护一个图像缓冲队列，即人脸识别模块维护人脸图像的人脸图像缓冲队列，以及业务处理模块维护背景图像即第一图像的背景图像缓冲队列，由于人脸识别模块只维护人脸图像缓冲队列，只需将所确定的最优人脸图像即待匹配的人脸图像传输给业务处理模块，进而由业务处理模块从其所维护的背景图像缓冲队列中，匹配到与人脸识别模块传输的最优人脸图像所匹配的背景图像，能够实现对视频源中所出现的人脸进行图像识别处理与图像匹配处理。
根据本申请的实施例，本申请还提供了一种电子设备和一种存储有计算机指令的非瞬时计算机可读存储介质。
如图9所示，是用来实现本申请实施例的图像处理方法的电子设备的示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示，该电子设备包括：一个或多个处理器901、存储器902，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI(图形用户界面)的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器901为例。
存储器902即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的图像处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的图像处理方法。
存储器902作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及单元，如本申请实施例中的图像处理方法对应的程序指令/单元(例如，附图7所示的队列单元701、确定单元702和发送单元703，或者附图8所示的接收单元801、队列单元802和业务单元803)。处理器901通过运行存储在存储器902中的非瞬时软件程序、指令以及单元，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的图像处理方法。
存储器902可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据实现本申请实施例提供的图像处理方法的电子设备的使用所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至实现本申请实施例提供的图像处理方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图像处理方法的电子设备还可以包括：输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接，图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息，以及产生与实现本申请实施例提供的图像处理方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置904可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，LCD(液晶显示器)、LED(发光二极管)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、PLD(可编程逻辑器件))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：LAN(局域网)、WAN(广域网)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，本申请实施例通过人脸识别模块和业务处理模块分别维护一个图像缓冲队列，即人脸识别模块维护人脸图像的人脸图像缓冲队列，以及业务处理模块维护背景图像即第一图像的背景图像缓冲队列，由于人脸识别模块只维护人脸图像缓冲队列，只需将所确定的最优人脸图像即待匹配的人脸图像传输给业务处理模块，进而由业务处理模块从其所维护的背景图像缓冲队列中，匹配到与人脸识别模块传输的最优人脸图像所匹配的背景图像，能够实现对视频源中所出现的人脸进行图像识别处理与图像匹配处理。
另外，采用本申请所提供的技术方案，由于人脸识别模块无需维护背景图像缓冲队列，使得能够有效避免由于维护背景图像缓冲队列所占用大量内存资源而导致的内存资源的浪费问题，从而降低了人脸识别模块的硬件成本。
另外，采用本申请所提供的技术方案，由于人脸识别模块无需维护背景图像缓冲队列，使得能够有效避免向业务处理模块传输背景图像缓冲队列所占用大量传输资源而导致的传输资源的浪费问题，从而提高了图像处理效率。
另外，采用本申请所提供的技术方案，能够有效地提高用户的体验。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (26)

1.一种图像处理方法，其特征在于，包括：
人脸识别模块获取所维护的人脸图像缓冲队列，所述人脸图像缓冲队列中包括至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳；所述各帧人脸图像和该帧人脸图像所对应的第一时间戳为所述人脸识别模块基于来自视频源的原始图像所获得；
所述人脸识别模块从所述人脸图像缓冲队列中，确定待匹配的人脸图像；
所述人脸识别模块将所述待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳，发送给业务处理模块，以供所述业务处理模块根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像，以及根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行业务处理；所述第一图像为所述业务处理模块所获取的原始图像；
其中，所述人脸识别模块与所述业务处理模块运行在不同的硬件平台之上。
2.根据权利要求1所述的方法，其特征在于，所述人脸识别模块将所述待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳，发送给业务处理模块之后，还包括：
所述人脸识别模块将所述待匹配的人脸图像，从所述人脸图像缓冲队列中删除。
3.根据权利要求1所述的方法，其特征在于，所述人脸识别模块获取所维护的人脸图像缓冲队列之前，还包括：
所述人脸识别模块基于来自视频源的至少两帧原始图像，维护所述人脸图像缓冲队列；所述至少两帧原始图像中各帧原始图像中携带第二时间戳；
所述人脸识别模块基于所述人脸图像缓冲队列，同步所述业务处理模块所维护的背景图像缓冲队列。
4.根据权利要求3所述的方法，其特征在于，所述人脸识别模块基于来自视频源的至少两帧原始图像，维护所述人脸图像缓冲队列，包括：
所述人脸识别模块接收所述至少两帧原始图像，以作为第二图像；
所述人脸识别模块对所述至少两帧第二图像中各帧第二图像添加所述第一时间戳；
所述人脸识别模块对所述各帧第二图像进行人脸检测处理，以获得所述各帧第二图像的人脸检测结果；
所述人脸识别模块将包含人脸图像的各帧第二图像的人脸检测结果中所包含的人脸图像，以及该帧第二图像的第二时间戳和第一时间戳对应加入到所述人脸图像缓冲队列中。
5.根据权利要求4所述的方法，其特征在于，所述人脸识别模块基于所述人脸图像缓冲队列，同步所述业务处理模块所维护的背景图像缓冲队列，包括：
所述人脸识别模块将所述各帧第二图像的第二时间戳和第一时间戳，以及所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳，发送给所述业务处理模块，以供所述业务处理模块针对所述各帧第二图像，若确定一帧第二图像的第二时间戳和第一时间戳在所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳中，对至少两帧第一图像中与该帧第二图像的第二时间戳一致的第一图像添加该帧第二图像的第一时间戳，将添加了所述第一时间戳的第一图像加入到所述背景图像缓冲队列中。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述方法还包括：
所述人脸识别模块对所述人脸图像缓冲队列中各人脸图像，进行过滤处理；
所述人脸识别模块将所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，发送给所述业务处理模块，以供所述业务处理模块根据所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，对所述背景图像缓冲队列中各第一图像进行同步处理。
7.一种图像处理方法，其特征在于，包括：
业务处理模块接收人脸识别模块所发送的待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳；所述待匹配的人脸图像为所述人脸识别模块从所维护的人脸图像缓冲队列中确定；所述人脸图像缓冲队列中包括至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳；所述各帧人脸图像和该帧人脸图像所对应的第一时间戳为所述人脸识别模块基于来自视频源的原始图像所获得；
所述业务处理模块根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像；所述第一图像为所述业务处理模块所获取的原始图像；
所述业务处理模块根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行业务处理；
其中，所述人脸识别模块与所述业务处理模块运行在不同的硬件平台之上。
8.根据权利要求7所述的方法，其特征在于，所述业务处理模块根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像之后，还包括：
所述业务处理模块将所述待匹配的人脸图像的匹配图像，从所述背景图像缓冲队列中删除。
9.根据权利要求7所述的方法，其特征在于，所述业务处理模块接收人脸识别模块所发送的待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳之前，还包括：
所述业务处理模块基于来自视频源的至少两帧原始图像和所述人脸识别模块所维护的所述人脸图像缓冲队列，同步维护所述背景图像缓冲队列；所述至少两帧原始图像中各帧原始图像中携带第二时间戳。
10.根据权利要求9所述的方法，其特征在于，所述业务处理模块基于来自视频源的至少两帧原始图像和所述人脸识别模块所维护的所述人脸图像缓冲队列，同步维护所述背景图像缓冲队列，包括：
所述业务处理模块接收所述人脸识别模块所发送的所述各帧第二图像的第二时间戳和第一时间戳，以及所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳；
所述业务处理模块针对所述各帧第二图像，若确定一帧第二图像的第二时间戳和第一时间戳在所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳中，对至少两帧第一图像中与该帧第二图像的第二时间戳一致的第一图像添加该帧第二图像的第一时间戳；
所述业务处理模块将添加了所述第一时间戳的第一图像加入到所述背景图像缓冲队列中。
11.根据权利要求7-10中任一项所述的方法，其特征在于，所述方法还包括：
所述业务处理模块接收所述人脸识别模块所发送的过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳；
所述业务处理模块根据所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，对所述背景图像缓冲队列中各第一图像进行同步处理。
12.根据权利要求11所述的方法，其特征在于，所述业务处理模块根据所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，对所述背景图像缓冲队列中各第一图像进行同步处理，包括：
所述业务处理模块对所述背景图像缓冲队列中各第一图像所对应的第一时间戳与所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳进行比较处理；
所述业务处理模块针对所述各帧第一图像，若确定一帧第一图像的第一时间戳不在所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳中，将该帧第一图像从所述背景图像缓冲队列中删除。
13.一种图像处理装置，其特征在于，包括：
队列单元，用于获取所维护的人脸图像缓冲队列，所述人脸图像缓冲队列中包括至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳；所述各帧人脸图像和该帧人脸图像所对应的第一时间戳为所述图像处理装置基于来自视频源的原始图像所获得；
确定单元，用于从所述人脸图像缓冲队列中，确定待匹配的人脸图像；
发送单元，用于将所述待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳，发送给业务处理模块，以供所述业务处理模块根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像，以及根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行业务处理；所述第一图像为所述业务处理模块所获取的原始图像；
其中，所述图像处理装置与所述业务处理模块运行在不同的硬件平台之上。
14.根据权利要求13所述的装置，其特征在于，所述队列单元，还用于将所述待匹配的人脸图像，从所述人脸图像缓冲队列中删除。
15.根据权利要求13所述的装置，其特征在于，所述队列单元，还用于
基于来自视频源的至少两帧原始图像，维护所述人脸图像缓冲队列；所述至少两帧原始图像中各帧原始图像中携带第二时间戳；以及
基于所述人脸图像缓冲队列，同步所述业务处理模块所维护的背景图像缓冲队列。
16.根据权利要求15所述的装置，其特征在于，所述队列单元，具体用于
接收所述至少两帧原始图像，以作为第二图像；
对所述至少两帧第二图像中各帧第二图像添加所述第一时间戳；
对所述各帧第二图像进行人脸检测处理，以获得所述各帧第二图像的人脸检测结果；以及
将包含人脸图像的各帧第二图像的人脸检测结果中所包含的人脸图像，以及该帧第二图像的第二时间戳和第一时间戳对应加入到所述人脸图像缓冲队列中。
17.根据权利要求16所述的装置，其特征在于，所述队列单元，具体用于
将所述各帧第二图像的第二时间戳和第一时间戳，以及所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳，发送给所述业务处理模块，以供所述业务处理模块针对所述各帧第二图像，若确定一帧第二图像的第二时间戳和第一时间戳在所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳中，对至少两帧第一图像中与该帧第二图像的第二时间戳一致的第一图像添加该帧第二图像的第一时间戳，将添加了所述第一时间戳的第一图像加入到所述背景图像缓冲队列中。
18.根据权利要求13-17中任一项所述的装置，其特征在于，所述队列单元，还用于
对所述人脸图像缓冲队列中各人脸图像，进行过滤处理；以及
将所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，发送给所述业务处理模块，以供所述业务处理模块根据所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，对所述背景图像缓冲队列中各第一图像进行同步处理。
19.一种图像处理装置，其特征在于，包括：
接收单元，用于接收人脸识别模块所发送的待匹配的人脸图像，以及所述待匹配的人脸图像所对应的第一时间戳；所述待匹配的人脸图像为所述人脸识别模块从所维护的人脸图像缓冲队列中确定；所述人脸图像缓冲队列中包括至少一帧人脸图像，以及所述至少一帧人脸图像中各帧人脸图像所对应的第一时间戳；所述各帧人脸图像和该帧人脸图像所对应的第一时间戳为所述人脸识别模块基于来自视频源的原始图像所获得；
队列单元，用于根据所述待匹配的人脸图像所对应的第一时间戳，从所维护的背景图像缓冲队列中，确定与所述待匹配的人脸图像所对应的第一时间戳一致的第一图像，以作为所述待匹配的人脸图像的匹配图像；所述第一图像为所述图像处理装置所获取的原始图像；
业务单元，用于根据所述待匹配的人脸图像和所述待匹配的人脸图像的匹配图像进行业务处理；
其中，所述人脸识别模块与所述图像处理装置运行在不同的硬件平台之上。
20.根据权利要求19所述的装置，其特征在于，所述队列单元，还用于将所述待匹配的人脸图像的匹配图像，从所述背景图像缓冲队列中删除。
21.根据权利要求19所述的装置，其特征在于，所述队列单元，还用于基于来自视频源的至少两帧原始图像和所述人脸识别模块所维护的所述人脸图像缓冲队列，同步维护所述背景图像缓冲队列；所述至少两帧原始图像中各帧原始图像中携带第二时间戳。
22.根据权利要求21所述的装置，其特征在于，所述队列单元，具体用于
接收所述人脸识别模块所发送的所述各帧第二图像的第二时间戳和第一时间戳，以及所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳；
针对所述各帧第二图像，若确定一帧第二图像的第二时间戳和第一时间戳在所述人脸图像缓冲队列中各人脸图像所对应的第二时间戳和第一时间戳中，对至少两帧第一图像中与该帧第二图像的第二时间戳一致的第一图像添加该帧第二图像的第一时间戳；以及
将添加了所述第一时间戳的第一图像加入到所述背景图像缓冲队列中。
23.根据权利要求19-22中任一项所述的装置，其特征在于，所述队列单元，还用于
接收所述人脸识别模块所发送的过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳；以及
根据所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳，对所述背景图像缓冲队列中各第一图像进行同步处理。
24.根据权利要求23所述的装置，其特征在于，所述队列单元，具体用于
对所述背景图像缓冲队列中各第一图像所对应的第一时间戳与所述过滤处理之后的所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳进行比较处理；以及
针对所述各帧第一图像，若确定一帧第一图像的第一时间戳不在所述人脸图像缓冲队列中各人脸图像所对应的第一时间戳中，将该帧第一图像从所述背景图像缓冲队列中删除。
25.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6或者7-12中任一项所述的方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6或者7-12中任一项所述的方法。
CN202010555785.4A 2020-06-17 2020-06-17 图像处理方法、装置、电子设备及可读存储介质 Active CN111860163B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010555785.4A CN111860163B (zh) 2020-06-17 2020-06-17 图像处理方法、装置、电子设备及可读存储介质
EP21169915.2A EP3926528A1 (en) 2020-06-17 2021-04-22 Image processing method, electronic device, readable storage medium and computer program product
US17/241,191 US11783565B2 (en) 2020-06-17 2021-04-27 Image processing method, electronic device and readable storage medium for maintaining a face image buffer queue
KR1020210076821A KR102595664B1 (ko) 2020-06-17 2021-06-14 이미지 처리 방법, 장치, 전자 기기 및 판독 가능한 기록매체
JP2021098635A JP2021197186A (ja) 2020-06-17 2021-06-14 画像処理方法、装置、電子デバイス及び可読記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010555785.4A CN111860163B (zh) 2020-06-17 2020-06-17 图像处理方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN111860163A CN111860163A (zh) 2020-10-30
CN111860163B true CN111860163B (zh) 2023-08-22

Family

ID=72986193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010555785.4A Active CN111860163B (zh) 2020-06-17 2020-06-17 图像处理方法、装置、电子设备及可读存储介质

Country Status (5)

Country Link
US (1) US11783565B2 (zh)
EP (1) EP3926528A1 (zh)
JP (1) JP2021197186A (zh)
KR (1) KR102595664B1 (zh)
CN (1) CN111860163B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113434551B (zh) * 2021-06-28 2022-05-27 北京百度网讯科技有限公司 数据处理方法、装置、设备和计算机存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109309817A (zh) * 2018-11-14 2019-02-05 北京东方国信科技股份有限公司 监控视频人脸识别osd的显示方法及装置
CN110263680A (zh) * 2019-06-03 2019-09-20 北京旷视科技有限公司 图像处理方法、装置和系统及存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4622301B2 (ja) 2004-05-07 2011-02-02 オムロン株式会社 監視システム、および監視カメラ
JP2010021853A (ja) 2008-07-11 2010-01-28 Noritsu Koki Co Ltd 画像処理装置、画像形成装置、画像処理方法及び画像処理プログラム
US8805110B2 (en) 2008-08-19 2014-08-12 Digimarc Corporation Methods and systems for content processing
US20170116465A1 (en) * 2015-10-26 2017-04-27 Le Holdings (Beijing) Co., Ltd. Video processing method and system, video player and cloud server
GB201613138D0 (en) 2016-07-29 2016-09-14 Unifai Holdings Ltd Computer vision systems
EP3550817B1 (en) * 2018-04-06 2023-06-07 Nokia Technologies Oy Apparatus and method for associating images from two image streams
CN111241927A (zh) 2019-12-30 2020-06-05 新大陆数字技术股份有限公司 级联式人脸图像优选方法、系统、设备及可读存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109309817A (zh) * 2018-11-14 2019-02-05 北京东方国信科技股份有限公司 监控视频人脸识别osd的显示方法及装置
CN110263680A (zh) * 2019-06-03 2019-09-20 北京旷视科技有限公司 图像处理方法、装置和系统及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于嵌入式的近红外人脸识别系统设计;徐志鹏;黄敏;朱启兵;;数据采集与处理(01);全文 *

Also Published As

Publication number Publication date
KR20210156768A (ko) 2021-12-27
US20210397873A1 (en) 2021-12-23
JP2021197186A (ja) 2021-12-27
KR102595664B1 (ko) 2023-10-27
US11783565B2 (en) 2023-10-10
CN111860163A (zh) 2020-10-30
EP3926528A1 (en) 2021-12-22

Similar Documents

Publication Publication Date Title
CN111966651B (zh) 数据同步方法、装置、电子设备和存储介质
CN111860163B (zh) 图像处理方法、装置、电子设备及可读存储介质
JP6986187B2 (ja) 人物識別方法、装置、電子デバイス、記憶媒体、及びプログラム
CN111443801B (zh) 人机交互方法、装置、设备及存储介质
CN112148160B (zh) 浮窗显示方法、装置、电子设备和计算机可读存储介质
EP3929813A2 (en) Image processing method in remote control, device, apparatus and program product
CN111158924B (zh) 内容分享方法、装置、电子设备及可读存储介质
CN110659246A (zh) 基于容器的文件挂载方法、装置及电子设备
CN111897604B (zh) 服务调用的调用数据处理方法及装置
CN111787088B (zh) 小程序数据处理的方法和装置
EP4050867A2 (en) Method and apparatus of synchronizing data, electronic device and storage medium
CN110727736A (zh) 一种数据同步方法、装置、电子设备和存储介质
CN110659330A (zh) 数据处理方法、装置及存储介质
CN111638787B (zh) 用于展示信息的方法和装置
CN112069137B (zh) 生成信息的方法、装置、电子设备及计算机可读存储介质
CN110809041B (zh) 一种数据同步方法、装置、电子设备及存储介质
CN112328658A (zh) 用户档案数据处理方法、装置、设备及存储介质
CN109189822B (zh) 数据处理方法及装置
CN114554110B (zh) 视频生成方法、装置、电子设备和存储介质
CN110609671B (zh) 声音信号增强方法、装置、电子设备及存储介质
CN113542802B (zh) 视频的转场方法和装置
CN111008305B (zh) 一种视觉搜索方法、装置以及电子设备
CN114285956A (zh) 视频分享电路、方法、装置及电子设备
CN111970414A (zh) 基于实时测温系统的画面同步方法、装置及存储介质
CN111882483A (zh) 视频渲染方法及装置

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