CN107346410A - 图片处理方法及装置 - Google Patents
图片处理方法及装置 Download PDFInfo
- Publication number
- CN107346410A CN107346410A CN201610296586.XA CN201610296586A CN107346410A CN 107346410 A CN107346410 A CN 107346410A CN 201610296586 A CN201610296586 A CN 201610296586A CN 107346410 A CN107346410 A CN 107346410A
- Authority
- CN
- China
- Prior art keywords
- picture
- packet
- target
- storehouse
- class
- 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.)
- Granted
Links
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
- G06V40/172—Classification, 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)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种图片处理方法及装置。该方法中,获得待匹配的目标人脸图片;判断目标人脸图片是否与预设基准库中的第一类图片组相匹配,每个第一类图片组唯一对应一个人员,每个第一类图片组中包括所对应人员的第一类人脸图片;当判断结果为是时,从预设人员采集库中,确定所对应人员与目标人脸图片所匹配的第一类图片组相同的目标第二类图片组,预设人员采集库中包括多个第二类图片组,每个第二类图片组唯一对应一个所述预设基准库的人员,每个第二类图片组中包括所对应人员的第二类人脸图片;将目标人脸图片加入目标第二类图片组中。通过本方案,可以建立图片与人员之间的关系。
Description
技术领域
本发明涉及人脸识别技术领域,特别是涉及图片处理方法及装置。
背景技术
人脸是人的重要信息,是区分不同人的重要依据,并且,近年来随着人脸捕获设备的普及以及成本的下降,使人脸捕获的难度逐步下降,因此,通过人脸来识别人员成为一种可行方案。而由于与传统的通过指纹、虹膜等方式进行人员识别相比,人脸识别人员的方案更加直接、自然及方便,使得人脸识别被广泛应用。
现有的人脸识别方法仅仅是将待识别人脸图片与另一张人脸图片(或者一组)进行比对,获得一个(或者一组)得分,以确定待识别图片与其他图片的相似程度。
而在如何应用人脸相似度建立图片与人员关系上,目前还未有具体的应用。
发明内容
本发明实施例的目的在于提供图片处理方法及装置,以将人脸图片按人员分组,从而建立图片与人员之间的关系。具体技术方案如下:
第一方面,本发明实施例提供了一种图片处理方法,包括:
获得待匹配的目标人脸图片;
判断所述目标人脸图片是否与预设基准库中的第一类图片组相匹配,其中,所述预设基准库包括多个第一类图片组,每个第一类图片组唯一对应一个人员,每个第一类图片组中包括所对应人员的第一类人脸图片;
当判断结果为是时,从预设人员采集库中,确定所对应人员与所述目标人脸图片所匹配的第一类图片组相同的目标第二类图片组,其中,所述预设人员采集库中包括多个第二类图片组,每个第二类图片组唯一对应一个所述预设基准库的人员,每个第二类图片组中包括所对应人员的第二类人脸图片;
将所述目标人脸图片加入所述目标第二类图片组中。
可选的,本发明实施例所提供的图片处理方法还包括:
当判断出所述目标人脸图片与预设基准库中的第一类图片组不匹配时,构建目标预分组,所述目标预分组包括所述目标人脸图片;
将所述目标预分组与预设预分组库中当前存在的各个预分组进行合并,以重构所述目标预分组,其中,所述各个预分组中包括之前获得的与所述预设基准库匹配失败的目标人脸图片;
在合并完成后,判断当前的目标预分组中的图片数量是否达到预设阈值,如果是,对当前的目标预分组执行预定的人员重分配处理,否则,将当前的目标预分组加入到所述预设预分组库中,结束流程,其中,所述预设阈值不小于各个第一类图片组中所包括的第一类人脸图片的数量。
可选的,对当前的目标预分组执行预定的人员重分配处理,包括:
判断当前的目标预分组是否与所述预设基准库中的第一类图片组相匹配;
如果是,从所述预设人员采集库中,确定所对应人员与当前的目标预分组所匹配的第一类图片组相同的第二类图片组,将当前的目标预分组中的图片加入到所确定出的第二类图片组;
否则,利用当前的目标预分组中的图片,构建对应同一人员的第一类图片组和第二类图片组,将所构建的第一类图片组加入到所述预设基准库,将所构建的第二类图片组加入到所述预设人员采集库,其中,所构建的第一类图片组和所构建的第二类图片组中的图片不同且数量之和为当前的目标预设分组中的图片数量。
可选的,将所述目标预分组与预设预分组库中当前存在的各个预分组进行合并,包括:
从预设预分组库中选择一个未被执行合并判断的预分组,并将所选择的预分组确定为第一预分组;
判断所述第一预分组是否能够合并入当前的目标预分组;
当判断结果为是时,将所述第一预分组中的各个图片合并入当前的目标预分组中,将所述第一预分组从所述预设预分组库中删除,并判断所述预设预分组库中是否存在未被执行合并判断的预分组,如果是,继续执行从预设预分组库中选择一个未被执行合并判断的预分组,并将所选择的预分组确定为第一预分组的步骤,如果否,结束合并处理;
当判断结果为否时,判断所述预设预分组库中是否存在未被执行合并判断的预分组,如果是,继续执行从预设预分组库中选择一个未被执行合并判断的预分组,并将所选择的预分组确定为第一预分组的步骤,如果否,结束合并处理。
可选的,所述判断所述第一预分组是否能够合并入当前的目标预分组,包括:
计算所述第一预分组与当前的目标预分组中两两图片之间的人脸相似度;
计算所得的人脸相似度的第一类统计指标值;
判断所述第一类统计指标值是否满足第一合并条件,如果是,表明所述第一预分组能够合并入当前的目标预分组。
可选的,所述判断所述第一预分组是否能够合并入当前的目标预分组,包括:
计算所述第一预分组与当前的目标预分组中两两图片之间的人脸相似度;
计算所得的人脸相似度的第二类统计指标值;
判断所得的人脸相似度是否满足第二合并条件且所述第二类统计指标值是否满足第三合并条件,如果是,表明所述第一预分组能够合并入当前的目标预分组。
可选的,所述第一类统计指标值包括:最大值、平均值、最小值和方差中的至少一项。
可选的,所述判断所述目标人脸图片是否与预设基准库中的第一类图片组相匹配,包括:
遍历预设基准库中的多个第一类图片组,在遍历到每个第一类图片组时,判断所述目标人脸图片与当前遍历到的第一类图片组是否相匹配;
当所述目标人脸图片与当前遍历到的第一类图片相匹配时,表明所述目标人脸图片与预设基准库中的第一类图片组相匹配,并结束遍历过程。
可选的,所述判断所述目标人脸图片与当前遍历到的第一类图片组是否相匹配,包括:
计算所述目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度;
计算所得的所有人脸相似度所对应的第三类统计指标值;
判断所述第三类统计指标值是否满足第一预定匹配条件,如果满足,表明所述目标人脸图片与当前遍历到的第一类图片组相匹配。
可选的,所述判断所述目标人脸图片与当前遍历到的第一类图片组是否相匹配,包括:
计算所述目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度;
计算所得的所有人脸相似度所对应的第四类统计指标值;
判断所有人脸相似度是否满足第二预定匹配条件以及所述第四类统计指标值是否满足第三预定匹配条件,如果均满足,表明所述目标人脸图片与当前遍历到的第一类图片组相匹配。
第二方面,本发明实施例提供的一种图片处理装置,包括:
目标人脸图片获得模块,用于获得待匹配的目标人脸图片;
第一判断模块,用于判断所述目标人脸图片是否与预设基准库中的第一类图片组相匹配,其中,所述预设基准库包括多个第一类图片组,每个第一类图片组唯一对应一个人员,每个第一类图片组中包括所对应人员的第一类人脸图片;
目标第二类图片组确定模块,用于当判断结果为是时,从预设人员采集库中,确定所对应人员与所述目标人脸图片所匹配的第一类图片组相同的目标第二类图片组,其中,所述预设人员采集库中包括多个第二类图片组,每个第二类图片组唯一对应一个所述预设基准库的人员,每个第二类图片组中包括所对应人员的第二类人脸图片;
第一处理模块,用于将所述目标人脸图片加入所述目标第二类图片组中。
可选的,本发明实施例所提供的一种图片处理装置还包括:
目标预分组构建模块,用于当判断出所述目标人脸图片与预设基准库中的第一类图片组不匹配时,构建目标预分组,所述目标预分组包括所述目标人脸图片;
合并处理模块,用于将所述目标预分组与预设预分组库中当前存在的各个预分组进行合并,以重构所述目标预分组,其中,所述各个预分组中包括之前获得的与所述预设基准库匹配失败的目标人脸图片;
第二判断模块,用于在合并完成后,判断当前的目标预分组中的图片数量是否达到预设阈值,如果是,触发第二处理模块,否则,触发分组添加模块;其中,所述预设阈值不小于各个第一类图片组中所包括的第一类人脸图片的数量;
所述第二处理模块,用于对当前的目标预分组执行预定的人员重分配处理;
所述分组添加模块,用于将当前的目标预分组加入到所述预设预分组库中,结束流程。
可选的,所述第二处理模块,包括:
判断单元,用于判断当前的目标预分组是否与所述预设基准库中的第一类图片组相匹配,如果是,触发第一分配单元,否则,触发第二分配单元;
所述第一分配单元,用于从所述预设人员采集库中,确定所对应人员与当前的目标预分组所匹配的第一类图片组相同的第二类图片组,将当前的目标预分组中的图片加入到所确定出的第二类图片组;
所述第二分配单元,用于利用当前的目标预分组中的图片,构建对应同一人员的第一类图片组和第二类图片组,将所构建的第一类图片组加入到所述预设基准库,将所构建的第二类图片组加入到所述预设人员采集库,其中,所构建的第一类图片组和所构建的第二类图片组中的图片不同且数量之和为当前的目标预设分组中的图片数量。
可选的,所述合并处理模块,包括:
分组提取单元,用于从预设预分组库中选择一个未被执行合并判断的预分组,并将所选择的预分组确定为第一预分组;
合并判断单元,用于判断所述第一预分组是否能够合并入当前的目标预分组;
第一合并处理单元,用于当所述合并判断单元的判断结果为是时,将所述第一预分组中的各个图片合并入当前的目标预分组中,将所述第一预分组从所述预设预分组库中删除,并判断所述预设预分组库中是否存在未被执行合并判断的预分组,如果是,触发所述分组提取单元,如果否,结束合并处理;
第二合并处理单元,用于当所述合并判断单元的判断结果为否时,判断所述预设预分组库中是否存在未被执行合并判断的预分组,如果是,触发所述分组提取单元,如果否,结束合并处理。
可选的,所述合并判断单元具体用于:
计算所述第一预分组与当前的目标预分组中两两图片之间的人脸相似度;
计算所得的人脸相似度的第一类统计指标值;
判断所述第一类统计指标值是否满足第一合并条件,如果是,表明所述第一预分组能够合并入当前的目标预分组。
可选的,所述合并判断单元具体用于:
计算所述第一预分组与当前的目标预分组中两两图片之间的人脸相似度;
计算所得的人脸相似度的第二类统计指标值;
判断所得的人脸相似度是否满足第二合并条件且所述第二类统计指标值是否满足第三合并条件,如果是,表明所述第一预分组能够合并入当前的目标预分组。
可选的,所述第一类统计指标值包括:最大值、平均值、最小值和方差中的至少一项。
可选的,所述第一判断模块,包括:
遍历分析单元,用于遍历预设基准库中的多个第一类图片组,在遍历到每个第一类图片组时,判断所述目标人脸图片与当前遍历到的第一类图片组是否相匹配;
结果确定单元,用于当所述目标人脸图片与当前遍历到的第一类图片相匹配时,表明所述目标人脸图片与预设基准库中的第一类图片组相匹配,并结束遍历过程。
可选的,所述遍历分析单元具体用于:
计算所述目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度;
计算所得的所有人脸相似度所对应的第三类统计指标值;
判断所述第三类统计指标值是否满足第一预定匹配条件,如果满足,表明所述目标人脸图片与当前遍历到的第一类图片组相匹配。
可选的,所述遍历分析单元具体用于:
计算所述目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度;
计算所得的所有人脸相似度所对应的第四类统计指标值;
判断所有人脸相似度是否满足第二预定匹配条件以及所述第四类统计指标值是否满足第三预定匹配条件,如果均满足,表明所述目标人脸图片与当前遍历到的第一类图片组相匹配。
本发明实施例中,在获得待匹配的目标人脸图片后,判断目标人脸图片是否与预设基准库中的第一类图片组相匹配,该预设基准库包括多个第一类图片组,每个第一类图片组唯一对应一个人员,每个第一类图片组中包括所对应人员的第一类人脸图片;当判断结果为是时,从预设人员采集库中,确定所对应人员与该目标人脸图片所匹配的第一类图片组相同的目标第二类图片组,其中,该预设人员采集库中包括多个第二类图片组,每个第二类图片组唯一对应一个所述预设基准库的人员,每个第二类图片组中包括所对应人员的第二类人脸图片;将该目标人脸图片加入所述目标第二类图片组中。可见,通过本方案,可以将人脸图片按人员分组,从而建立图片与人员之间的关系。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的图片处理方法的流程图;
图2为本发明实施例所提供的图片处理方法的另一流程图;
图3为本发明实施例所提供的图片处理方法的又一流程图;
图4为本发明实施例所提供的图片处理方法的又一流程图;
图5为本发明实施例所提供的图片处理装置的结构示意图;
图6为本发明实施例所提供的图片处理装置的另一结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明实施例提供了图片处理方法及装置,以将人脸图片按人员分组,从而建立图片与人员之间的关系。
下面首先对本发明实施例所提供的图片处理方法进行介绍。
需要说明的是,本发明实施例所提供的图片处理方法的执行主体可以为图片处理装置,并且,该图片处理装置可以运行于与图像采集设备相连接的设备中,此时,可以直接从图像采集设备中获得待匹配的目标人脸图片,举例而言,该图像采集设备可以为摄像头,该与图像采集设备相连接的设备可以为数据硬盘录像机或者终端;当然,该图片处理装置也可以运行于未与图像采集设备相连的设备中,此时,待匹配的目标人脸图片可以为用户手动输入的图片,这也是合理的。
如图1所示,本发明实施例所提供的一种图片处理方法,可以包括如下步骤:
S101,获得待匹配的目标人脸图片;
S102,判断该目标人脸图片是否与预设基准库中的第一类图片组相匹配,如果是,执行S103;
需要说明的是,该图片处理装置预先构建有预设基准库,其中,该预设基准库包括多个第一类图片组,每个第一类图片组唯一对应一个人员,每个第一类图片组中包括所对应人员的第一类人脸图片。
其中,在本次获得待匹配的目标人脸图片后,由于需要建立该目标人脸图片与人员的关系,即将该目标人脸图片按人员进行分组,因此,可以判断该目标人脸图片是否与该预设基准库中的第一类图片组相匹配,并当判断出该目标人脸图片与预设基准库中的第一类图片组相匹配时,执行后续的S103。
其中,在本发明的一种实现方式,所述判断该目标人脸图片是否与预设基准库中的第一类图片组相匹配,可以包括:
遍历预设基准库中的多个第一类图片组,在遍历到每个第一类图片组时,判断该目标人脸图片与当前遍历到的第一类图片组是否相匹配;
当该目标人脸图片与当前遍历到的第一类图片相匹配时,表明该目标人脸图片与预设基准库中的第一类图片组相匹配,并结束遍历过程。
具体的,判断该目标人脸图片与当前遍历到的第一类图片组是否相匹配的具体实现方式存在多种,下面举例介绍:
在一种具体实现方式中,所述判断该目标人脸图片与当前遍历到的第一类图片组是否相匹配,可以包括:
计算该目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度;
计算所得的所有人脸相似度所对应的第三类统计指标值;
判断该第三类统计指标值是否满足第一预定匹配条件,如果满足,表明该目标人脸图片与当前遍历到的第一类图片组相匹配。
可以理解的是,第三类统计指标值可以包括:最大值、平均值、最小值和方差中的至少一项。并且,不同的第三类统计指标值对应不同的第一预定匹配条件,例如:当第三类统计指标值为最大值、平均值或最小值时,为了保证目标人脸图片与第一类图片组具有极高的相似性,第一预定匹配条件可以为:第三类统计指标值大于某一阈值;而当第三类统计指标值为方差值时,为了保证目标人脸图片与第一类图片组具有极高的相似性,第一预定匹配条件可以为:第三类统计指标值小于某一阈值。
其中,可以采用现有技术来计算该目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度,具体的相似度算法本文不做限定。
为了提高精准度,在另一种实现方式中,所述判断该目标人脸图片与当前遍历到的第一类图片组是否相匹配,可以包括:
计算该目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度;
计算所得的所有人脸相似度所对应的第四类统计指标值;
判断所有人脸相似度是否满足第二预定匹配条件以及该第四类统计指标值是否满足第三预定匹配条件,如果均满足,表明该目标人脸图片与当前遍历到的第一类图片组相匹配。
可以理解的是,第四类统计指标值可以包括:最大值、平均值、最小值和方差中的至少一项。为了提高精准度,不但需要第四类统计指标值满足第三预定匹配条件,还需要所有人脸相似度是否满足第二预定匹配条件,以此提高匹配结果的精准性。其中,第二预定匹配条件可以为:所有人脸相似度均大于某一阈值,而不同的第四类统计指标值对应不同的第三预定匹配条件,例如:当第四类统计指标值为最大值、平均值或最小值时,为了保证目标人脸图片与第一类图片组具有极高的相似性,第三预定匹配条件可以为:第四类统计指标值大于某一阈值;而当第四类统计指标值为方差值时,为了保证目标人脸图片与第一类图片组具有极高的相似性,第三预定匹配条件可以为:第三类统计指标值小于某一阈值。
需要强调的是,上述的关于判断该目标人脸图片与当前遍历到的第一类图片组是否相匹配的具体实现方式仅仅作为示例,不应该构成对本发明实施例的限定。另外,上述的判断该目标人脸图片是否与预设基准库中的第一类图片组相匹配的具体实现方式也仅仅作为示例,并不应该构成对本发明实施例的限定,例如:可以分别判断该目标人脸图片与各个第一类图片组是否相匹配,当某一个第一类图片相匹配时,表明该目标人脸图片与预设基准库中的第一类图片组相匹配。
S103,从预设人员采集库中,确定所对应人员与该目标人脸图片所匹配的第一类图片组相同的目标第二类图片组;
S104,将该目标人脸图片加入该目标第二类图片组中。需要说明的是,预先构建有预设人员采集库,该预设人员采集库中包括多个第二类图片组,每个第二类图片组唯一对应一个该预设基准库的人员,每个第二类图片组中包括所对应人员的第二类人脸图片。
需要强调的是,对于第一类图片组中的第一类人脸图片的数量和相应第二类图片组中第二类人脸图片的数量的大小关系并不存在严格的大小关系,举例而言:作为本发明的一种实施方式,预设基准库中的第一类图片组为所对应人员的匹配标准,预设人员采集库中的第二类图片组为所对应人员的存储位置,因此,为了保证较高的处理速度,第一类图片组中第一类人脸图片的数量可以少于所对应人员的第二类图片组的第二类人脸图片的数量;当然,为了保证较高的精准度,作为本发明的一种实施方式,预设基准库中的第一类图片组中第一类人脸图片的数量也可以不少于相应第二类图片组中第二类人脸图片的数量,这也是合理的。并且,预设基准库中的各个第一类图片组所包括的第一类人脸图片的数量可以相同或不同,预设人员采集库中的各个第二类图片组合所包括的第二类人脸图片的数量可以相同或不同。
其中,在确定出该目标人脸图片与预设基准库中的第一类图片组相匹配时,表明该目标人脸图片为预设基准库中某一人员的人脸图片,因此,可以从预设人员采集库中,确定所对应人员与该目标人脸图片所匹配的第一类图片组相同的目标第二类图片组,进而将该目标人脸图片加入该目标第二类图片组中。
举例而言:假设预设基准库中包括三个第一类图片组,分别对应人员a、人员b和人员c,预设人员采集库包括三个第二类图片组,分别对应人员a、人员b和人员c,其中,对应人员a的第一类图片组中的第一类人脸图片的数量少于对应人员a的第二类图片组中的第二类人脸图片,对应人员b的第一类图片组中的第一类人脸图片的数量少于对应人员b的第二类图片组中的第二类人脸图片,对应人员c的第一类图片组中的第一类人脸图片的数量少于对应人员c的第二类图片组中的第二类人脸图片;当获得待匹配的目标人脸图片后,判断出该目标人脸图片与预设基准库中的对应于人员a的第一类图片组相匹配时,可以从预设人员采集库中确定出对应于人员a的第二类图片组,将该目标人脸图片加入所确定出的对应于人员a的第二类图片组中,以此实现对目标人脸图片按照人员进行分组。
可见,通过本方案,可以将人脸图片按人员分组,从而建立图片与人员之间的关系。
基于图1所示实施例,如图2所示,在另一实施例中,本发明实施例所提供的图片处理方法,还可以包括如下步骤:
S105,当判断出该目标人脸图片与预设基准库中的第一类图片组不匹配时,构建目标预分组,该目标预分组包括该目标人脸图片;
其中,当判断出该目标人脸图片与预设基准库中的第一类图片组不匹配时,为了使该目标人脸图片能够被有效利用,即被确认为某一人员的人脸图片或作为构建新人员的第一类图片组和第二类图片组的基础,因此,可以构建目标预分组,该目标预分组当前仅仅包括该目标人脸图片。
S106,将该目标预分组与预设预分组库中当前存在的各个预分组进行合并,以重构该目标预分组;
其中,各个预分组中包括之前获得的与该预设基准库匹配失败的目标人脸图片。
在构建包括本次待匹配的目标人脸图片的目标预分组后,可以将该目标预分组与预设预分组库中当前存在的各个预分组进行合并,以重构该目标预分组,进而后续利用重构后的目标预分组进行相应处理。
具体的,如图3所示,将该目标预分组与预设预分组库中当前存在的各个预分组进行合并,可以包括:
S301,从预设预分组库中选择一个未被执行合并判断的预分组,并将所选择的该预分组确定为第一预分组;
其中,预设预分组库中存在多个预分组,在合并时,需要依次将该目标预分组与该预设预分组库中当前所存在的各个预分组进行合并。具体的,在合并过程中,首先从预设预分组库中选择一个未被执行合并判断的预分组,将所选择的预分组确定为第一预分组,然后对第一预分组执行后续的处理。
S302,判断该第一预分组是否能够合并入当前的目标预分组,如果是,执行S303,否则,执行S304;
其中,在将所选择的预分组确定为第一预分组后,可以判断该第一预分组是否能够合并入当前的目标预分组,并根据不同的判断结果执行不同的操作,具体的,当判断出该第一预分组能够合并入当前的目标预分组时,可以执行S303,而当判断出该第一预分组不能够合并入当前的目标预分组时,可以执行S304。
S303,将该第一预分组中的各个图片合并入当前的目标预分组中,将该第一预分组从预设预分组库中删除,执行S304;
其中,当判断出该第一预分组能够合并入当前的目标预分组时,可以执行合并,即将该第一预分组中的各个图片合并入当前的目标预分组中,并将该第一预分组从预设预分组中删除,此时,目标预分组所包含的图片数量增多,而该预设预分组库中的预分组的数量变少。
并且,在将该第一预分组中的各个图片合并入当前的目标预分组中,将该第一预分组从预设预分组库中删除之后,需要继续对预设预分组库中所存在的未被执行合并判断的预分组进行是否满足合并的分析,此时,可以执行S304。
S304,判断该预设预分组库中是否存在未被执行合并判断的预分组,如果是,返回执行S301,否则,结束合并处理。
其中,当判断出该第一预分组不能够合并入当前的目标预分组时,则首先判断下该预设预分组库中是否存在未被执行合并判断的预分组,并根据不同的判断结果执行不同的操作;另外,当判断出该第一预分组能够合并入当前的目标预分组时,在将该第一预分组中的各个图片合并入当前的目标预分组中,将该第一预分组从预设预分组库中删除之后,需要继续对预设预分组库中所存在的未被执行合并判断的预分组进行是否满足合并的分析,因此,需要执行S304。具体的,当判断出该预设预分组库中存在未被执行合并判断的预分组时,需要继续对预设预分组库中所存在的未被执行合并判断的预分组进行是否满足合并的分析,此时,可以返回执行S301,即从预设预分组库中选择一个未被执行合并判断的预分组,并将所选择的预分组确定为第一预分组;而当判断出该预设预分组库中不存在未被执行合并判断的预分组,即预设预分组库中所有的预分组均被执行过合并判断处理,因此,可以结束合并处理。
具体的,在一种实现方式中,所述判断该预分组是否能够合并入当前的目标预分组,可以包括:
计算该第一预分组与当前的目标预分组中两两图片之间的人脸相似度;
计算所得的人脸相似度的第一类统计指标值;
判断该第一类统计指标值是否满足第一合并条件,如果是,表明该第一预分组能够合并入当前的目标预分组。
具体的,该第一预分组能够合并入当前的目标预分组即表明该第一预分组中的图片与当前的目标预分组中的图片属于相似图片,即为同一人员的图片。其中,第一类统计指标值包括:最大值、平均值、最小值和方差中的至少一项。并且,不同的第一类统计指标值对应不同的第一合并条件,例如:当第一类统计指标值为最大值、平均值或最小值时,第一合并条件可以为:第一类统计指标值大于某一阈值;而当第一类统计指标值为方差时,第一合并条件可以为:第一类统计指标值小于某一阈值。其中,可以采用现有技术计算该第一预分组与当前的目标预分组中两两图片之间的人脸相似度,具体采用何种相似度算法在此不做限定。
为了提高精准性,具体的,在另一种实现方式的,所述判断该预分组是否能够合并入当前的目标预分组,可以包括:
计算该第一预分组与当前的目标预分组中两两图片之间的人脸相似度;
计算所得的人脸相似度的第二类统计指标值;
判断所得的人脸相似度是否满足第二合并条件且该第二类统计指标值是否满足第三合并条件,如果是,表明该第一预分组能够合并入当前的目标预分组。
具体的,第二类统计指标值包括:最大值、平均值、最小值和方差中的至少一项。为了提高精准度,不但第二类统计指标值满足第三合并条件,还需要所得的人脸相似度满足第二合并条件,以此提高匹配结果的精准性。第二合并条件为:所有人脸相似度均大于某一阈值,而不同的第二类统计指标值对应不同的第三合并条件,例如:当第二类统计指标值为最大值、平均值或最小值时,第三合并条件可以为:第二类统计指标值大于某一阈值;而当第二类统计指标值为方差值时,第三合并条件可以为:第二类统计指标值小于某一阈值。
可以理解的是,上述所给出的判断该第一预分组是否能够合并入当前的目标预分组的具体实现方式仅仅作为示例,并不应该构成对本发明实施例的限定。
S107,在合并完成后,判断当前的目标预分组中的图片数量是否达到预设阈值,如果是,执行S108,否则,执行S109;
在合并完成后,为了减少人员重分配处理次数从而减小计算量,可以判断当前的目标预分组中的图片数量是否满足预定的人员重分配处理所需的图片数量,即是否达到预设阈值,并根据不同的判断结果执行不同的操作,具体的,当判断出当前的目标预分组中的图片数量达到预设阈值时,表明当前的目标预分组中的图片数量满足预定的人员重分配处理所需的图片数量,因此,可以执行S108;而当判断出当前的目标预分组中的图片数量未达到预设阈值时,表明当前的目标预分组中的图片数量不满足预定的人员重分配处理所需的图片数量,因此,可以执行S109。
其中,该预设阈值不小于各个第一类图片组中所包括的第一类人脸图片的数量,该预设阈值的具体数值可以根据实际情况进行设定,在此不做限定。
S108,对当前的目标预分组执行预定的人员重分配处理;
其中,当判断出当前的目标预分组中的图片数量达到预设阈值时,表明当前的目标预分组中的图片数量满足预定的人员重分配处理所需的图片数量,因此,对当前的目标预分组执行预定的人员重分配处理。
具体的,如图4所示,对当前的目标预分组执行预定的人员重分配处理,可以包括:
S401,判断当前的目标预分组是否与该预设基准库中的第一类图片组相匹配,如果是,执行S402,否则,执行S403;
其中,判断当前的目标预分组是否与该预设基准库中的第一类图片组相匹配,可以具体为:遍历预设基准库中的多个第一类图片组,在遍历到每个第一类图片组时,判断当前的目标预分组与当前遍历到的第一类图片组是否相匹配;当当前的目标预分组与当前遍历到的第一类图片相匹配时,表明当前的目标预分组是否与该预设基准库中的第一类图片组相匹配,并结束遍历过程。
需要强调的是,判断当前的目标预分组与当前遍历到的第一类图片组是否相匹配,类似于上述的判断目标人脸图片与当前遍历到的第一类图片组是否相匹配,区别在于,需要计算当前的目标预分组中的每张图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度。
S402,从该预设人员采集库中,确定所对应人员与当前的目标预分组所匹配的第一类图片组相同的第二类图片组,将当前的目标预分组中的图片加入到所确定出的第二类图片组;
其中,在判断出当前的目标预分组与该预设基准库中的第一类图片组相匹配时,可以从该预设人员采集库中,确定所对应人员与当前的目标预分组所匹配的第一类图片组相同的第二类图片组,将当前的目标预分组中的图片加入到所确定出的第二类图片组。
S403,利用当前的目标预分组中的图片,构建对应同一人员的第一类图片组和第二类图片组,将所构建的第一类图片组加入到该预设基准库,将所构建的第二类图片组加入到该预设人员采集库。
其中,所构建的第一类图片组和所构建的第二类图片组中的图片不同且数量之和为当前的目标预设分组中的图片数量。并且,可以理解的是,第一类图片组中的图片可以为差异较大的图片,举例:目标预分组中的图片达到阀值8张,可以从中选出差异较大的5张作为第一类图片组,剩下的作为相应第二类图片组中的图片,并且,图片之间的差异值可以根据相似度值来确定出,即相似度越大,差异越小,而相似度越小,差异越大。
在判断出当前的目标预分组与该预设基准库中的第一类图片组不匹配时,表明当前的目标预分组中的图片不属于预设基准库的任何一个人员的图片,因此,可以利用当前的目标预分组中的图片,构建对应同一人员的第一类图片组和第二类图片组,将所构建的第一类图片组加入到该预设基准库,将所构建的第二类图片组加入到该预设人员采集库。
可以理解的是,上述所给出的对当前的目标预分组执行预定的人员重分配处理的具体实现方式仅仅作为示例,并不应该构成对本发明实施例的限定。
S109,将当前的目标预分组加入到该预设预分组库中,结束流程。
其中,在判断出当前的目标预分组中的图片数量未达到预设阈值时,可以将当前的目标预分组加入到该预设预分组库中,作为该预设预分组库中的新的预分组,以便之后的目标人脸图片的处理。
可见,通过本方案,不但可以在判断出目标人脸图片与预设基准库中第一类图片组相匹配时,按照人员对目标人脸图片进行分组,而且,可以在判断出目标人脸图片与预设基准库中第一类图片组不匹配时,对目标人脸图片进行有效处理,因此,可以更好地将人脸图片按人员分组,从而建立图片与人员之间的关系。
相应于上述方法实施例,本发明实施例还提供了一种图片处理装置,如图5所示,该装置可以包括:
目标人脸图片获得模块510,用于获得待匹配的目标人脸图片;
第一判断模块520,用于判断所述目标人脸图片是否与预设基准库中的第一类图片组相匹配,其中,所述预设基准库包括多个第一类图片组,每个第一类图片组唯一对应一个人员,每个第一类图片组中包括所对应人员的第一类人脸图片;
目标第二类图片组确定模块530,用于当判断结果为是时,从预设人员采集库中,确定所对应人员与所述目标人脸图片所匹配的第一类图片组相同的目标第二类图片组,其中,所述预设人员采集库中包括多个第二类图片组,每个第二类图片组唯一对应一个所述预设基准库的人员,每个第二类图片组中包括所对应人员的第二类人脸图片;
第一处理模块540,用于将所述目标人脸图片加入所述目标第二类图片组中。
可见,通过本方案,可以将人脸图片按人员分组,从而建立图片与人员之间的关系。
在另一实施例中,基于上述图5所示的装置,本发明所提供的一种图片处理装置还可以包括:
目标预分组构建模块550,用于当判断出所述目标人脸图片与预设基准库中的第一类图片组不匹配时,构建目标预分组,所述目标预分组包括所述目标人脸图片;
合并处理模块560,用于将所述目标预分组与预设预分组库中当前存在的各个预分组进行合并,以重构所述目标预分组,其中,所述各个预分组中包括之前获得的与所述预设基准库匹配失败的目标人脸图片;
第二判断模块570,用于在合并完成后,判断当前的目标预分组中的图片数量是否达到预设阈值,如果是,触发第二处理模块580,否则,触发分组添加模块590,其中,所述预设阈值不小于各个第一类图片组中所包括的第一类人脸图片的数量;
所述第二处理模块580,用于对当前的目标预分组执行预定的人员重分配处理;
所述分组添加模块590,用于将当前的目标预分组加入到所述预设预分组库中,结束流程。
具体的,在一种实现方式中,所述第二处理模块580,可以包括:
判断单元,用于判断当前的目标预分组是否与所述预设基准库中的第一类图片组相匹配,如果是,触发第一分配单元,否则,触发第二分配单元;
所述第一分配单元,用于从所述预设人员采集库中,确定所对应人员与当前的目标预分组所匹配的第一类图片组相同的第二类图片组,将当前的目标预分组中的图片加入到所确定出的第二类图片组;所述第二分配单元,用于利用当前的目标预分组中的图片,构建对应同一人员的第一类图片组和第二类图片组,将所构建的第一类图片组加入到所述预设基准库,将所构建的第二类图片组加入到所述预设人员采集库,其中,所构建的第一类图片组和所构建的第二类图片组中的图片不同且数量之和为当前的目标预设分组中的图片数量。
具体的,所述合并处理模块560,可以包括:
分组提取单元,用于从预设预分组库中选择一个未被执行合并判断的预分组,并将所选择的预分组确定为第一预分组;
合并判断单元,用于判断所述第一预分组是否能够合并入当前的目标预分组;
第一合并处理单元,用于当所述合并判断单元的判断结果为是时,将所述第一预分组中的各个图片合并入当前的目标预分组中,将所述预分组从预设预分组库中删除,并判断所述预设预分组库中是否存在未被执行合并判断的预分组,如果是,触发所述分组提取单元,如果否,结束合并处理;
第二合并处理单元,用于当所述合并判断单元的判断结果为否时,判断所述预设预分组库中是否存在未被执行合并判断的预分组,如果是,触发所述分组提取单元,如果否,结束合并处理。
具体的,在一种实现方式中,所述合并判断单元具体用于:
计算所述预分组与当前的目标预分组中两两图片之间的人脸相似度;
计算所得的人脸相似度的第一类统计指标值;
判断所述第一类统计指标值是否满足第一合并条件,如果是,表明所述预分组能够合并入当前的目标预分组。
具体的,在另一种实现方式中,所述合并判断单元具体用于:
计算所述预分组与当前的目标预分组中两两图片之间的人脸相似度;
计算所得的人脸相似度的第二类统计指标值;
判断所得的人脸相似度是否满足第二合并条件且所述第二类统计指标值是否满足第三合并条件,如果是,表明所述第一预分组能够合并入当前的目标预分组。
具体的,所述第一类统计指标值包括:最大值、平均值、最小值和方差中的至少一项。
具体的,所述第一判断模块520,可以包括:
遍历分析单元,用于遍历预设基准库中的多个第一类图片组,在遍历到每个第一类图片组时,判断所述目标人脸图片与当前遍历到的第一类图片组是否相匹配;
结果确定单元,用于当所述目标人脸图片与当前遍历到的第一类图片相匹配时,表明所述目标人脸图片与预设基准库中的第一类图片组相匹配,并结束遍历过程。
具体的,在一种实现方式中,所述遍历分析单元具体用于:
计算所述目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度;
计算所得的所有人脸相似度所对应的第三类统计指标值;
判断所述第三类统计指标值是否满足第一预定匹配条件,如果满足,表明所述目标人脸图片与当前遍历到的第一类图片组相匹配。
具体的,在另一种实现方式中,所述遍历分析单元具体用于:
计算所述目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度;
计算所得的所有人脸相似度所对应的第四类统计指标值;
判断所有人脸相似度是否满足第二预定匹配条件以及所述第四类统计指标值是否满足第三预定匹配条件,如果均满足,表明所述目标人脸图片与当前遍历到的第一类图片组相匹配。
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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (20)
1.一种图片处理方法,其特征在于,包括:
获得待匹配的目标人脸图片;
判断所述目标人脸图片是否与预设基准库中的第一类图片组相匹配,其中,所述预设基准库包括多个第一类图片组,每个第一类图片组唯一对应一个人员,每个第一类图片组中包括所对应人员的第一类人脸图片;
当判断结果为是时,从预设人员采集库中,确定所对应人员与所述目标人脸图片所匹配的第一类图片组相同的目标第二类图片组,其中,所述预设人员采集库中包括多个第二类图片组,每个第二类图片组唯一对应一个所述预设基准库的人员,每个第二类图片组中包括所对应人员的第二类人脸图片;
将所述目标人脸图片加入所述目标第二类图片组中。
2.根据权利要求1所述的方法,其特征在于,还包括:
当判断出所述目标人脸图片与预设基准库中的第一类图片组不匹配时,构建目标预分组,所述目标预分组包括所述目标人脸图片;
将所述目标预分组与预设预分组库中当前存在的各个预分组进行合并,以重构所述目标预分组,其中,所述各个预分组中包括之前获得的与所述预设基准库匹配失败的目标人脸图片;
在合并完成后,判断当前的目标预分组中的图片数量是否达到预设阈值,如果是,对当前的目标预分组执行预定的人员重分配处理,否则,将当前的目标预分组加入到所述预设预分组库中,结束流程,其中,所述预设阈值不小于各个第一类图片组中所包括的第一类人脸图片的数量。
3.根据权利要求2所述的方法,其特征在于,对当前的目标预分组执行预定的人员重分配处理,包括:
判断当前的目标预分组是否与所述预设基准库中的第一类图片组相匹配;
如果是,从所述预设人员采集库中,确定所对应人员与当前的目标预分组所匹配的第一类图片组相同的第二类图片组,将当前的目标预分组中的图片加入到所确定出的第二类图片组;
否则,利用当前的目标预分组中的图片,构建对应同一人员的第一类图片组和第二类图片组,将所构建的第一类图片组加入到所述预设基准库,将所构建的第二类图片组加入到所述预设人员采集库,其中,所构建的第一类图片组和所构建的第二类图片组中的图片不同且数量之和为当前的目标预设分组中的图片数量。
4.根据权利要求2所述的方法,其特征在于,将所述目标预分组与预设预分组库中当前存在的各个预分组进行合并,包括:
从预设预分组库中选择一个未被执行合并判断的预分组,并将所选择的预分组确定为第一预分组;
判断所述第一预分组是否能够合并入当前的目标预分组;
当判断结果为是时,将所述第一预分组中的各个图片合并入当前的目标预分组中,将所述第一预分组从所述预设预分组库中删除,并判断所述预设预分组库中是否存在未被执行合并判断的预分组,如果是,继续执行从预设预分组库中选择一个未被执行合并判断的预分组,并将所选择的预分组确定为第一预分组的步骤,如果否,结束合并处理;
当判断结果为否时,判断所述预设预分组库中是否存在未被执行合并判断的预分组,如果是,继续执行从预设预分组库中选择一个未被执行合并判断的预分组,并将所选择的预分组确定为第一预分组的步骤,如果否,结束合并处理。
5.根据权利要求4所述的方法,其特征在于,所述判断所述第一预分组是否能够合并入当前的目标预分组,包括:
计算所述第一预分组与当前的目标预分组中两两图片之间的人脸相似度;
计算所得的人脸相似度的第一类统计指标值;
判断所述第一类统计指标值是否满足第一合并条件,如果是,表明所述第一预分组能够合并入当前的目标预分组。
6.根据权利要求4所述的方法,其特征在于,所述判断所述第一预分组是否能够合并入当前的目标预分组,包括:
计算所述第一预分组与当前的目标预分组中两两图片之间的人脸相似度;
计算所得的人脸相似度的第二类统计指标值;
判断所得的人脸相似度是否满足第二合并条件且所述第二类统计指标值是否满足第三合并条件,如果是,表明所述第一预分组能够合并入当前的目标预分组。
7.根据权利要求5所述的方法,其特征在于,所述第一类统计指标值包括:最大值、平均值、最小值和方差中的至少一项。
8.根据权利要求1-7任意一项所述的方法,其特征在于,所述判断所述目标人脸图片是否与预设基准库中的第一类图片组相匹配,包括:
遍历预设基准库中的多个第一类图片组,在遍历到每个第一类图片组时,判断所述目标人脸图片与当前遍历到的第一类图片组是否相匹配;
当所述目标人脸图片与当前遍历到的第一类图片相匹配时,表明所述目标人脸图片与预设基准库中的第一类图片组相匹配,并结束遍历过程。
9.根据权利要求8所述的方法,其特征在于,所述判断所述目标人脸图片与当前遍历到的第一类图片组是否相匹配,包括:
计算所述目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度;
计算所得的所有人脸相似度所对应的第三类统计指标值;
判断所述第三类统计指标值是否满足第一预定匹配条件,如果满足,表明所述目标人脸图片与当前遍历到的第一类图片组相匹配。
10.根据权利要求8所述的方法,其特征在于,所述判断所述目标人脸图片与当前遍历到的第一类图片组是否相匹配,包括:
计算所述目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度;
计算所得的所有人脸相似度所对应的第四类统计指标值;
判断所有人脸相似度是否满足第二预定匹配条件以及所述第四类统计指标值是否满足第三预定匹配条件,如果均满足,表明所述目标人脸图片与当前遍历到的第一类图片组相匹配。
11.一种图片处理装置,其特征在于,包括:
目标人脸图片获得模块,用于获得待匹配的目标人脸图片;
第一判断模块,用于判断所述目标人脸图片是否与预设基准库中的第一类图片组相匹配,其中,所述预设基准库包括多个第一类图片组,每个第一类图片组唯一对应一个人员,每个第一类图片组中包括所对应人员的第一类人脸图片;
目标第二类图片组确定模块,用于当判断结果为是时,从预设人员采集库中,确定所对应人员与所述目标人脸图片所匹配的第一类图片组相同的目标第二类图片组,其中,所述预设人员采集库中包括多个第二类图片组,每个第二类图片组唯一对应一个所述预设基准库的人员,每个第二类图片组中包括所对应人员的第二类人脸图片;
第一处理模块,用于将所述目标人脸图片加入所述目标第二类图片组中。
12.根据权利要求11所述的装置,其特征在于,还包括:
目标预分组构建模块,用于当判断出所述目标人脸图片与预设基准库中的第一类图片组不匹配时,构建目标预分组,所述目标预分组包括所述目标人脸图片;
合并处理模块,用于将所述目标预分组与预设预分组库中当前存在的各个预分组进行合并,以重构所述目标预分组,其中,所述各个预分组中包括之前获得的与所述预设基准库匹配失败的目标人脸图片;
第二判断模块,用于在合并完成后,判断当前的目标预分组中的图片数量是否达到预设阈值,如果是,触发第二处理模块,否则,触发分组添加模块;其中,所述预设阈值不小于各个第一类图片组中所包括的第一类人脸图片的数量;
所述第二处理模块,用于对当前的目标预分组执行预定的人员重分配处理;
所述分组添加模块,用于将当前的目标预分组加入到所述预设预分组库中,结束流程。
13.根据权利要求12所述的装置,其特征在于,所述第二处理模块,包括:
判断单元,用于判断当前的目标预分组是否与所述预设基准库中的第一类图片组相匹配,如果是,触发第一分配单元,否则,触发第二分配单元;
所述第一分配单元,用于从所述预设人员采集库中,确定所对应人员与当前的目标预分组所匹配的第一类图片组相同的第二类图片组,将当前的目标预分组中的图片加入到所确定出的第二类图片组;
所述第二分配单元,用于利用当前的目标预分组中的图片,构建对应同一人员的第一类图片组和第二类图片组,将所构建的第一类图片组加入到所述预设基准库,将所构建的第二类图片组加入到所述预设人员采集库,其中,所构建的第一类图片组和所构建的第二类图片组中的图片不同且数量之和为当前的目标预设分组中的图片数量。
14.根据权利要求12所述的装置,其特征在于,所述合并处理模块,包括:
分组提取单元,用于从预设预分组库中选择一个未被执行合并判断的预分组,并将所选择的预分组确定为第一预分组;
合并判断单元,用于判断所述第一预分组是否能够合并入当前的目标预分组;
第一合并处理单元,用于当所述合并判断单元的判断结果为是时,将所述第一预分组中的各个图片合并入当前的目标预分组中,将所述第一预分组从所述预设预分组库中删除,并判断所述预设预分组库中是否存在未被执行合并判断的预分组,如果是,触发所述分组提取单元,如果否,结束合并处理;
第二合并处理单元,用于当所述合并判断单元的判断结果为否时,判断所述预设预分组库中是否存在未被执行合并判断的预分组,如果是,触发所述分组提取单元,如果否,结束合并处理。
15.根据权利要求14所述的装置,其特征在于,所述合并判断单元具体用于:
计算所述第一预分组与当前的目标预分组中两两图片之间的人脸相似度;
计算所得的人脸相似度的第一类统计指标值;
判断所述第一类统计指标值是否满足第一合并条件,如果是,表明所述第一预分组能够合并入当前的目标预分组。
16.根据权利要求14所述的装置,其特征在于,所述合并判断单元具体用于:
计算所述第一预分组与当前的目标预分组中两两图片之间的人脸相似度;
计算所得的人脸相似度的第二类统计指标值;
判断所得的人脸相似度是否满足第二合并条件且所述第二类统计指标值是否满足第三合并条件,如果是,表明所述第一预分组能够合并入当前的目标预分组。
17.根据权利要求15所述的装置,其特征在于,所述第一类统计指标值包括:最大值、平均值、最小值和方差中的至少一项。
18.根据权利要求11-17任一项所述的装置,其特征在于,所述第一判断模块,包括:
遍历分析单元,用于遍历预设基准库中的多个第一类图片组,在遍历到每个第一类图片组时,判断所述目标人脸图片与当前遍历到的第一类图片组是否相匹配;
结果确定单元,用于当所述目标人脸图片与当前遍历到的第一类图片相匹配时,表明所述目标人脸图片与预设基准库中的第一类图片组相匹配,并结束遍历过程。
19.根据权利要求18所述的装置,其特征在于,所述遍历分析单元具体用于:
计算所述目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度;
计算所得的所有人脸相似度所对应的第三类统计指标值;
判断所述第三类统计指标值是否满足第一预定匹配条件,如果满足,表明所述目标人脸图片与当前遍历到的第一类图片组相匹配。
20.根据权利要求18所述的装置,其特征在于,所述遍历分析单元具体用于:
计算所述目标人脸图片与当前遍历到的第一类图片组中各个第一类人脸图片之间的人脸相似度;
计算所得的所有人脸相似度所对应的第四类统计指标值;
判断所有人脸相似度是否满足第二预定匹配条件以及所述第四类统计指标值是否满足第三预定匹配条件,如果均满足,表明所述目标人脸图片与当前遍历到的第一类图片组相匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610296586.XA CN107346410B (zh) | 2016-05-05 | 2016-05-05 | 图片处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610296586.XA CN107346410B (zh) | 2016-05-05 | 2016-05-05 | 图片处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107346410A true CN107346410A (zh) | 2017-11-14 |
CN107346410B CN107346410B (zh) | 2020-03-06 |
Family
ID=60252902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610296586.XA Active CN107346410B (zh) | 2016-05-05 | 2016-05-05 | 图片处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107346410B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108170732A (zh) * | 2017-12-14 | 2018-06-15 | 厦门市美亚柏科信息股份有限公司 | 人脸图片检索方法及计算机可读存储介质 |
CN109740503A (zh) * | 2018-12-28 | 2019-05-10 | 北京旷视科技有限公司 | 人脸认证方法、图像底库录入方法、装置及处理设备 |
CN109948734A (zh) * | 2019-04-02 | 2019-06-28 | 北京旷视科技有限公司 | 图像聚类方法、装置及电子设备 |
CN111178290A (zh) * | 2019-12-31 | 2020-05-19 | 上海眼控科技股份有限公司 | 一种签名验证方法和装置 |
WO2020134527A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳云天励飞技术有限公司 | 人脸识别的方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679831A (zh) * | 2013-12-17 | 2014-03-26 | 上海斐讯数据通信技术有限公司 | 一种手持终端、考勤设备、电子考勤系统及考勤方法 |
CN104573652A (zh) * | 2015-01-04 | 2015-04-29 | 华为技术有限公司 | 确定人脸图像中人脸的身份标识的方法、装置和终端 |
CN204331744U (zh) * | 2014-11-27 | 2015-05-13 | 天津和财世纪信息技术有限公司 | 三维立体智能人脸识别系统 |
CN104616364A (zh) * | 2015-01-28 | 2015-05-13 | 福建亿榕信息技术有限公司 | 一种基于人脸识别的企业员工异地考勤方法与系统 |
CN104915626A (zh) * | 2014-03-11 | 2015-09-16 | 重庆邮电大学 | 一种人脸识别方法及装置 |
CN105023010A (zh) * | 2015-08-17 | 2015-11-04 | 中国科学院半导体研究所 | 一种人脸活体检测方法及系统 |
CN105139470A (zh) * | 2015-09-30 | 2015-12-09 | 杭州海康威视数字技术股份有限公司 | 基于人脸识别的考勤方法、装置及系统 |
-
2016
- 2016-05-05 CN CN201610296586.XA patent/CN107346410B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679831A (zh) * | 2013-12-17 | 2014-03-26 | 上海斐讯数据通信技术有限公司 | 一种手持终端、考勤设备、电子考勤系统及考勤方法 |
CN104915626A (zh) * | 2014-03-11 | 2015-09-16 | 重庆邮电大学 | 一种人脸识别方法及装置 |
CN204331744U (zh) * | 2014-11-27 | 2015-05-13 | 天津和财世纪信息技术有限公司 | 三维立体智能人脸识别系统 |
CN104573652A (zh) * | 2015-01-04 | 2015-04-29 | 华为技术有限公司 | 确定人脸图像中人脸的身份标识的方法、装置和终端 |
CN104616364A (zh) * | 2015-01-28 | 2015-05-13 | 福建亿榕信息技术有限公司 | 一种基于人脸识别的企业员工异地考勤方法与系统 |
CN105023010A (zh) * | 2015-08-17 | 2015-11-04 | 中国科学院半导体研究所 | 一种人脸活体检测方法及系统 |
CN105139470A (zh) * | 2015-09-30 | 2015-12-09 | 杭州海康威视数字技术股份有限公司 | 基于人脸识别的考勤方法、装置及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108170732A (zh) * | 2017-12-14 | 2018-06-15 | 厦门市美亚柏科信息股份有限公司 | 人脸图片检索方法及计算机可读存储介质 |
CN109740503A (zh) * | 2018-12-28 | 2019-05-10 | 北京旷视科技有限公司 | 人脸认证方法、图像底库录入方法、装置及处理设备 |
WO2020134527A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳云天励飞技术有限公司 | 人脸识别的方法及装置 |
CN109948734A (zh) * | 2019-04-02 | 2019-06-28 | 北京旷视科技有限公司 | 图像聚类方法、装置及电子设备 |
CN111178290A (zh) * | 2019-12-31 | 2020-05-19 | 上海眼控科技股份有限公司 | 一种签名验证方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107346410B (zh) | 2020-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107346410A (zh) | 图片处理方法及装置 | |
CN104777987B (zh) | 智能手表的控制方法及装置 | |
CN105681898B (zh) | 一种相似视频和盗版视频的检测方法及装置 | |
US11138171B2 (en) | Passenger flow information collection method and apparatus, and passenger flow information processing method and apparatus | |
WO2017031809A1 (zh) | 指纹验证方法、指纹验证装置和终端 | |
CN102509088A (zh) | 一种手部运动检测的方法、装置及人机交互系统 | |
CN104966011A (zh) | 移动终端儿童用户非协作式判断及限制操作权限的方法 | |
Xu et al. | Heuristics-based strategies for resolving context inconsistencies in pervasive computing applications | |
CN104463827B (zh) | 一种图像采集模块的自动检测方法及相应的电子设备 | |
CN106897598B (zh) | 一种指纹自动录入的方法及装置 | |
CN104616305B (zh) | 一种艺术品备案鉴别方法 | |
CN110245250A (zh) | 图像处理方法及相关装置 | |
CN104391616B (zh) | 一种触摸屏的像素点电容值检测范围的获取方法和装置 | |
CN110247796A (zh) | 监控告警方法、装置及相关设备 | |
CN109032352A (zh) | 手势信号处理方法和装置 | |
CN105427480B (zh) | 一种基于图像分析的柜员机 | |
CN104156308A (zh) | 一种基于用户执行踪迹重放的移动应用测试方法 | |
CN107835381B (zh) | 一种生成动检录像预览图的方法及装置 | |
CN110414294A (zh) | 行人重识别方法和装置 | |
CN109344750A (zh) | 一种基于结构描述子的复杂结构三维对象识别方法 | |
CN108009620A (zh) | 一种大礼拜计数方法、系统和装置 | |
CN109889892A (zh) | 视频效果添加方法、装置、设备及存储介质 | |
CN104462920B (zh) | 场景模式的启动方法、启动装置及移动终端 | |
CN106372485A (zh) | 一种基于指纹识别控制应用程序的方法及系统 | |
CN110942019A (zh) | 一种用于找出两条轨迹的最长伴随子路径的分析方法 |
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 |