CN107770487A - 一种特征提取并优选的方法、系统及终端设备 - Google Patents

一种特征提取并优选的方法、系统及终端设备 Download PDF

Info

Publication number
CN107770487A
CN107770487A CN201710818681.6A CN201710818681A CN107770487A CN 107770487 A CN107770487 A CN 107770487A CN 201710818681 A CN201710818681 A CN 201710818681A CN 107770487 A CN107770487 A CN 107770487A
Authority
CN
China
Prior art keywords
picture
feature
image quality
feature block
block
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
Application number
CN201710818681.6A
Other languages
English (en)
Other versions
CN107770487B (zh
Inventor
晏冬
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.)
Shenzhen Infinova Ltd
Original Assignee
Shenzhen Infinova 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 Shenzhen Infinova Ltd filed Critical Shenzhen Infinova Ltd
Priority to CN201710818681.6A priority Critical patent/CN107770487B/zh
Publication of CN107770487A publication Critical patent/CN107770487A/zh
Application granted granted Critical
Publication of CN107770487B publication Critical patent/CN107770487B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种特征提取并优选的方法、系统及终端设备,所述方法包括:对原始视频流进行图像分析,逐帧检测所述原始视频流中的特征信息;当检测到所述特征信息时,从所述原始视频流中连续提取多帧图片,所述图片携带有时间戳;获取所述图片上的所有特征区块的参数信息,所述参数信息包括标签信息、画面质量、位置坐标和其对应的图片所携带的时间戳;根据所述标签信息和所述画面质量,得到画面质量最优的特征区块;根据所述画面质量最优的特征区块的位置坐标,将所述画面质量最优的特征区块从其对应的图片中截取出来。本发明采用特征优化的方法,能够获取到质量最优的图片,同时输出图片数量也最少,节约了存储空间。

Description

一种特征提取并优选的方法、系统及终端设备
技术领域
本发明属于视频处理技术领域,尤其涉及一种特征提取并优选的方法、系统及终端设备。
背景技术
监控图像中的目标识别一般采用运动目标检测的方法,如果监测的场景中有目标存在,将该运动目标尽可能完整的从视频序列中分割出来,可以为接下来的目标跟踪做好准备。运动目标检测算法的设计具有较大的挑战性,目前还没有一种算法能够做到对每一个监控场景都适合。
现有技术中,由于视频流的数据量庞大,存在检测到的图片数量过多,占用存储空间过大,并且质量较差的问题。
发明内容
有鉴于此,本发明实施例提供了一种特征提取并优选的方法、系统及终端设备,以解决现有技术中由于视频流的数据量庞大,存在检测到的图片数量过多,占用存储空间过大,并且质量较差的问题。
本发明实施例的第一方面提供了一种特征提取并优选的方法,包括:
对原始视频流进行图像分析,逐帧检测所述原始视频流中的特征信息。
当检测到所述特征信息时,从所述原始视频流中连续提取多帧图片,所述图片携带有时间戳。
获取所述图片上的所有特征区块的参数信息,所述参数信息包括标签信息、画面质量、位置坐标和其对应的图片所携带的时间戳。
根据所述标签信息和所述画面质量,得到画面质量最优的特征区块。
根据所述画面质量最优的特征区块的位置坐标,将所述画面质量最优的特征区块从其对应的图片中截取出来。
本发明实施例的第二方面提供了一种特征提取并优选的系统,包括:
视频分析模块,用于对原始视频流进行图像分析,逐帧检测所述原始视频流中的特征信息。
图片采集模块,用于当检测到所述特征信息时,从所述原始视频流中连续提取多帧图片,所述图片携带有时间戳。
图片处理模块,用于获取所述图片上的所有特征区块的参数信息,所述参数信息包括标签信息、画面质量、位置坐标和其对应的图片所携带的时间戳。
特征比较模块,用于根据所述标签信息和所述画面质量,得到画面质量最优的特征区块。
特征输出模块,用于根据所述画面质量最优的特征区块的位置坐标,将所述画面质量最优的特征区块从其对应的图片中截取出来。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中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如上所述方法的步骤。
本发明实施例的第四方面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存储有计算机程序,所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:通过对原始视频流进行图像分析,逐帧检测所述原始视频流中的特征信息;当检测到所述特征信息时,从所述原始视频流中连续提取多帧图片;然后获取所述图片上的所有特征区块的参数信息,并根据所述标签信息和所述画面质量,得到画面质量最优的特征区块;最后根据所述画面质量最优的特征区块的位置坐标,将所述画面质量最优的特征区块从其对应的图片中截取出来。本发明实施例采用特征优化的方法,能够获取到质量最优的图片,同时输出图片数量也最少,节约了存储空间。
附图说明
为了更清楚地说明本发明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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的特征提取并优选的方法的实现流程示意图;
图2是本发明一个实施例提供的图1中步骤S102的实现流程示意图;
图3是本发明一个实施例提供的特征提取并优选的系统的结构示意图;
图4是本发明一个实施例提供的特征提取并优选的系统的结构示意图;
图5是本发明一个实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,术语“第一”、“第二”和“第三”等是用于区别不同对象,而非用于描述特定顺序。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例1:
图1示出了本发明一实施例所提供的特征提取并优选的方法的实现流程图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图1所示,本发明实施例所提供的一种特征提取并优选的方法,包括:
步骤S101,对原始视频流进行图像分析,逐帧检测所述原始视频流中的特征信息。
在本实施例中,特征信息可以为车牌信息、人脸信息或者其他特定跟踪对象的信息等,根据不同的信息可以分为不同的特征类型。以具体应用场景为例,例如,监控设备采集到一段视频流,当需要进行人脸识别时,检测此视频流中是否存在人脸特征并提取出来。当需要进行车辆识别时,检测此视频流中是否存在车牌信息并提取出来。本实施例可以应用于公安监控领域,在人口查找、车辆追踪中发挥巨大的作用。
步骤S102,当检测到所述特征信息时,从所述原始视频流中连续提取多帧图片,所述图片携带有时间戳。
在本实施例中,当检测到特征信息与预设的特征类型匹配时,从原始视频流中连续提取多帧图片,并按照图片采集顺序依次对图片进行缓存。时间戳可用于区分不同的图片,每一帧图片都包含有不同的时间戳。
步骤S103,获取所述图片上的所有特征区块的参数信息,所述参数信息包括标签信息、画面质量、位置坐标和其对应的图片所携带的时间戳。
在本实施例中,特征区块为图片上包含特征信息的一个区域。图片中可能包含了一个或者多个特征区块,例如,一张图中可能包含多个人脸小图,每一个人脸小图即为一个特征区块。
标签信息包含特征区块的类型信息、对象信息和编号信息等。
画面质量为特征区块的图像质量,包含清晰度、颜色和质感等信息。
位置坐标用于表征特征区块在图片中的位置。在图片上建立坐标系,将特征区块的边缘坐标和中心坐标等加入所述位置坐标。
在本发明的一个实施例中,步骤S103具体包括:
1)采用特征识别技术,从所述图片上提取多个特征区块。
2)按照预设规则,对所述特征区块进行命名,得到所述特征区块的标签信息。
3)根据所述特征区块的清晰度,得到所述特征区块的画面质量。
4)根据所述特征区块在所述图片上的位置得到所述特征区块的位置坐标。
本实施例中,根据特征信息的不同,可以采用不同的特征识别技术,例如人脸识别技术、车牌识别技术等。
步骤S104,根据所述标签信息和所述画面质量,得到画面质量最优的特征区块。
在本发明的一个实施例中,步骤S104具体包括:遍历所有图片,查找标签信息相同的特征区块,并对所述标签信息相同的特征区块的画面质量进行比较,得到画面质量最优的特征区块。
在本发明的一个实施例中,若对所述标签信息相同的特征区块的画面质量进行比较的时间超过预设时间,则停止比较。
本实施例中,由于视频流中包含数量庞大的图片,因此如果对视频流从头至尾全部遍历一遍需要耗费大量的时间,因此,本实施例限定了比较的时间,达到预设时间后便不再进行比较,直接输出当前得到的最优结果。
在本发明的一个实施例中,步骤S104具体包括:
1)根据当前的特征区块的标签信息,在预存的特征区块库中查找是否有预存的特征区块具有相同的所述标签信息。
2)当检测到相同的所述标签信息时,比较所述当前的特征区块的画面质量与所述预存的特征区块的画面质量。
3)当所述当前的特征区块的画面质量优于所述预存的特征区块的画面质量时,对所述预存的特征区块进行更新,将所述当前的特征区块作为更新后的所述预存的特征区块。
4)当未检测到相同的所述标签信息时,将所述当前的特征区块存储至所述特征区块库中。
5)遍历所有图片后,所述特征区块库中保存的特征区块即为所述画面质量最优的特征区块。
在一个实施例中,当特征区块库的内容发生变化时保存更新时的系统时间,当检测到系统时间达到预设时间时,停止获取画面质量最优的特征区块。
本实施例中,在特征区块库中查找当前的特征区块是否是新的特征区块,即为在特征区块库中查找是否有预存的特征区块具有相同的标签信息。当不是新的时(检测到相同的标签信息),比较画面质量以对特征区块库进行更新。当是新的时(未检测到相同的标签信息),直接将当前的特征区块加入特征区块库中。并且,本实施例中还增加了超时停止的功能,防止软件无限地进行比较,可缩短响应时间。
在本实施例中,从标签信息相同的特征区块中选出画面质量最优的特征区块,以得到最终清晰的图片。
步骤S105,根据所述画面质量最优的特征区块的位置坐标,将所述画面质量最优的特征区块从其对应的图片中截取出来。
在一个实施例中,将所述画面质量最优的特征区块从其对应的图片中截取出来并输出显示。
本实施例中,与画面质量最优的特征区块对应的图片是指图片中包含的时间戳与特征区块的时间戳相同,根据时间戳便可以找到对应的图片。
在本发明的一个实施例中,步骤S105具体包括:
1)根据所述画面质量最优的特征区块的时间戳,从所述缓存区中提取携带有相同时间戳的图片。
2)按照所述画面质量最优的特征区块的位置坐标,从所述携带有相同时间戳的图片上抠取出所述画面质量最优的特征区块。
3)输出所述画面质量最优的特征区块并显示。
本实施例中,将画面质量最优的特征区块从图片中抠取出来进行显示,用户便可以看到最清晰的显示结果。
以一个具体应用场景为例,从监控视频中提取人脸,采用现有的人脸识别技术会从视频中提取中许多个人脸小图,图片质量无法保证,并且要占用大量的存储空间。采用本方法,能够优选出最佳的人脸小图进行显示,无需人工再进行比较。
如图2所示,在本发明的一个实施例中,图1所对应的实施例中的步骤S102具体包括:
步骤S201,将所述图片依次顺序存储至预先分配的缓存区。
步骤S202,当所述缓存区保存的所述图片达到预设条件时,将下一帧图片覆盖已经保存的第一帧图片并继续顺序存储。
预设条件包括:保存图片的数量达到缓存区预设的可存储的图片数量,或者,保存图片占用的空间大小达到缓存区预设的存储容量。
以一个具体应用场景为例,分配一个可以存30帧图片的缓冲区,将图片依次顺序存储至缓存区中,存够30帧图片后,将第31帧图片覆盖第1帧图片保存,第32帧图片覆盖第2帧图片,以此类推,循环覆盖。
本实施例采用循环覆盖的方法将图片保存至预设容量的缓存区中,减小数据占用的空间。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例2:
如图3所示,本发明的一个实施例提供的特征提取并优选的系统100,用于执行图1所对应的实施例中的方法步骤,其包括:
视频分析模块110,用于对原始视频流进行图像分析,逐帧检测所述原始视频流中的特征信息。
图片采集模块120,用于当检测到所述特征信息时,从所述原始视频流中连续提取多帧图片,所述图片携带有时间戳。
图片处理模块130,用于获取所述图片上的所有特征区块的参数信息,所述参数信息包括标签信息、画面质量、位置坐标和其对应的图片所携带的时间戳。
特征比较模块140,用于根据所述标签信息和所述画面质量,得到画面质量最优的特征区块。
特征输出模块150,用于根据所述画面质量最优的特征区块的位置坐标,将所述画面质量最优的特征区块从其对应的图片中截取出来。
如图4所示,在本发明的一个实施例中,图3所对应的实施例中的图片采集模块120还包括用于执行图2所对应的实施例中的方法步骤的结构,其包括:
存储单元121,用于将所述图片依次顺序存储至预先分配的缓存区。
循环覆盖单元122,用于当所述缓存区保存的所述图片达到预设条件时,将下一帧图片覆盖已经保存的第一帧图片并继续顺序存储。
如图4所示,在本发明的一个实施例中,图片处理模块130包括:
特征识别单元131,用于采用特征识别技术,从所述图片上提取多个特征区块。
标签获取单元132,用于按照预设规则,对所述特征区块进行命名,得到所述特征区块的标签信息。
质量获取单元133,用于根据所述特征区块的清晰度,得到所述特征区块的画面质量。
位置获取单元134,用于根据所述特征区块在所述图片上的位置得到所述特征区块的位置坐标。
如图4所示,在本发明的一个实施例中,特征比较模块140包括:
查找判断单元141,用于根据当前的特征区块的标签信息,在预存的特征区块库中查找是否有预存的特征区块具有相同的所述标签信息。
特征比较单元142,用于当检测到相同的所述标签信息时,比较所述当前的特征区块的画面质量与所述预存的特征区块的画面质量。
第一更新单元143,用于当所述当前的特征区块的画面质量优于所述预存的特征区块的画面质量时,对所述预存的特征区块进行更新,将所述当前的特征区块作为更新后的所述预存的特征区块。
第二更新单元144,用于当未检测到相同的所述标签信息时,将所述当前的特征区块存储至所述特征区块库中。
循环单元145,用于遍历所有图片后,所述特征区块库中保存的特征区块即为所述画面质量最优的特征区块。
如图4所示,在本发明的一个实施例中,特征输出模块150包括:
图片查找单元151,用于根据所述画面质量最优的特征区块的时间戳,从所述缓存区中提取携带有相同时间戳的图片。
特征区块抠取单元152,用于按照所述画面质量最优的特征区块的位置坐标,从所述携带有相同时间戳的图片上抠取出所述画面质量最优的特征区块。
特征输出单元153,用于输出所述画面质量最优的特征区块并显示。
在一个实施例中特征提取并优选的系统100还包括其他功能模块/单元,用于实现实施例1中各实施例中的方法步骤。
实施例3:
图5是本发明一实施例提供的终端设备的示意图。如图5所示,该实施例的终端设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现如实施例1中所述的各实施例中的步骤,例如图1所示的步骤101至105。或者,所述处理器50执行所述计算机程序52时实现如实施例2中所述的各系统实施例中的各模块/单元的功能,例如图3所示模块110至150的功能。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端设备5的示例,并不构成对终端设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备5还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备,例如所述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备5所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
实施例4:
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如实施例1中所述的各实施例中的步骤,例如图1所示的步骤S101至步骤S105。或者,所述计算机程序被处理器执行时实现如实施例2中所述的各系统实施例中的各模块/单元的功能,例如图3所示的模块110至150的功能。
所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
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或记载的部分,可以参见其它实施例的相关描述。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例系统中的模块或单元可以根据实际需要进行合并、划分和删减。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。

Claims (10)

1.一种特征提取并优选的方法,其特征在于,包括:
对原始视频流进行图像分析,逐帧检测所述原始视频流中的特征信息;
当检测到所述特征信息时,从所述原始视频流中连续提取多帧图片,所述图片携带有时间戳;
获取所述图片上的所有特征区块的参数信息,所述参数信息包括标签信息、画面质量、位置坐标和其对应的图片所携带的时间戳;
根据所述标签信息和所述画面质量,得到画面质量最优的特征区块;
根据所述画面质量最优的特征区块的位置坐标,将所述画面质量最优的特征区块从其对应的图片中截取出来。
2.如权利要求1所述的特征提取并优选的方法,其特征在于,所述从所述原始视频流中连续提取多帧图片,具体包括:
将所述图片依次顺序存储至预先分配的缓存区;
当所述缓存区保存的所述图片达到预设条件时,将下一帧图片覆盖已经保存的第一帧图片并继续顺序存储。
3.如权利要求1所述的特征提取并优选的方法,其特征在于,所述获取所述图片上的所有特征区块的参数信息,具体包括:
采用特征识别技术,从所述图片上提取多个特征区块;
按照预设规则,对所述特征区块进行命名,得到所述特征区块的标签信息;
根据所述特征区块的清晰度,得到所述特征区块的画面质量;
根据所述特征区块在所述图片上的位置得到所述特征区块的位置坐标。
4.如权利要求1所述的特征提取并优选的方法,其特征在于,所述根据所述标签信息和所述画面质量,得到画面质量最优的特征区块,具体包括:
根据当前的特征区块的标签信息,在预存的特征区块库中查找是否有预存的特征区块具有相同的所述标签信息;
当检测到相同的所述标签信息时,比较所述当前的特征区块的画面质量与所述预存的特征区块的画面质量;
当所述当前的特征区块的画面质量优于所述预存的特征区块的画面质量时,对所述预存的特征区块进行更新,将所述当前的特征区块作为更新后的所述预存的特征区块;
当未检测到相同的所述标签信息时,将所述当前的特征区块存储至所述特征区块库中;
遍历所有图片后,所述特征区块库中保存的特征区块即为所述画面质量最优的特征区块。
5.如权利要求1至4任一项所述的特征提取并优选的方法,其特征在于,所述根据所述画面质量最优的特征区块的位置坐标,将所述画面质量最优的特征区块从其对应的图片中截取出来,具体包括:
根据所述画面质量最优的特征区块的时间戳,从所述缓存区中提取携带有相同时间戳的图片;
按照所述画面质量最优的特征区块的位置坐标,从所述携带有相同时间戳的图片上抠取出所述画面质量最优的特征区块;
输出所述画面质量最优的特征区块并显示。
6.一种特征提取并优选的系统,其特征在于,包括:
视频分析模块,用于对原始视频流进行图像分析,逐帧检测所述原始视频流中的特征信息;
图片采集模块,用于当检测到所述特征信息时,从所述原始视频流中连续提取多帧图片,所述图片携带有时间戳;
图片处理模块,用于获取所述图片上的所有特征区块的参数信息,所述参数信息包括标签信息、画面质量、位置坐标和其对应的图片所携带的时间戳;
特征比较模块,用于根据所述标签信息和所述画面质量,得到画面质量最优的特征区块;
特征输出模块,用于根据所述画面质量最优的特征区块的位置坐标,将所述画面质量最优的特征区块从其对应的图片中截取出来。
7.如权利要求6所述的特征提取并优选的系统,其特征在于,所述图片采集模块包括:
存储单元,用于将所述图片依次顺序存储至预先分配的缓存区;
循环覆盖单元,用于当所述缓存区保存的所述图片达到预设条件时,将下一帧图片覆盖已经保存的第一帧图片并继续顺序存储。
8.如权利要求6所述的特征提取并优选的系统,其特征在于,所述图片处理模块包括:
特征识别单元,用于采用特征识别技术,从所述图片上提取多个特征区块;
标签获取单元,用于按照预设规则,对所述特征区块进行命名,得到所述特征区块的标签信息;
质量获取单元,用于根据所述特征区块的清晰度,得到所述特征区块的画面质量;
位置获取单元,用于根据所述特征区块在所述图片上的位置得到所述特征区块的位置坐标。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
CN201710818681.6A 2017-09-12 2017-09-12 一种特征提取并优选的方法、系统及终端设备 Active CN107770487B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710818681.6A CN107770487B (zh) 2017-09-12 2017-09-12 一种特征提取并优选的方法、系统及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710818681.6A CN107770487B (zh) 2017-09-12 2017-09-12 一种特征提取并优选的方法、系统及终端设备

Publications (2)

Publication Number Publication Date
CN107770487A true CN107770487A (zh) 2018-03-06
CN107770487B CN107770487B (zh) 2020-06-16

Family

ID=61265613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710818681.6A Active CN107770487B (zh) 2017-09-12 2017-09-12 一种特征提取并优选的方法、系统及终端设备

Country Status (1)

Country Link
CN (1) CN107770487B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376645A (zh) * 2018-10-18 2019-02-22 深圳英飞拓科技股份有限公司 一种人脸图像数据优选方法、装置及终端设备
CN109978914A (zh) * 2019-03-07 2019-07-05 北京旷视科技有限公司 人脸追踪方法及装置
CN113329139A (zh) * 2020-02-28 2021-08-31 中国电信股份有限公司 视频流处理方法、装置及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306290A (zh) * 2011-10-14 2012-01-04 刘伟华 一种基于视频的人脸跟踪识别技术
CN102982311A (zh) * 2012-09-21 2013-03-20 公安部第三研究所 基于视频结构化描述的车辆视频特征提取系统及方法
CN104794458A (zh) * 2015-05-07 2015-07-22 北京丰华联合科技有限公司 一种从模糊视频中识别人员的方法
CN105913014A (zh) * 2016-04-08 2016-08-31 上海逗点科技股份有限公司 基于身份证芯片照片和视频的身份鉴定方法及系统
CN106815575A (zh) * 2017-01-22 2017-06-09 上海银晨智能识别科技有限公司 人脸检测结果集的优选系统及其方法
US20170193286A1 (en) * 2015-12-31 2017-07-06 Pinhole (Beijing) Technology Co., Ltd. Method and device for face recognition in video

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102306290A (zh) * 2011-10-14 2012-01-04 刘伟华 一种基于视频的人脸跟踪识别技术
CN102982311A (zh) * 2012-09-21 2013-03-20 公安部第三研究所 基于视频结构化描述的车辆视频特征提取系统及方法
CN104794458A (zh) * 2015-05-07 2015-07-22 北京丰华联合科技有限公司 一种从模糊视频中识别人员的方法
US20170193286A1 (en) * 2015-12-31 2017-07-06 Pinhole (Beijing) Technology Co., Ltd. Method and device for face recognition in video
CN105913014A (zh) * 2016-04-08 2016-08-31 上海逗点科技股份有限公司 基于身份证芯片照片和视频的身份鉴定方法及系统
CN106815575A (zh) * 2017-01-22 2017-06-09 上海银晨智能识别科技有限公司 人脸检测结果集的优选系统及其方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376645A (zh) * 2018-10-18 2019-02-22 深圳英飞拓科技股份有限公司 一种人脸图像数据优选方法、装置及终端设备
CN109978914A (zh) * 2019-03-07 2019-07-05 北京旷视科技有限公司 人脸追踪方法及装置
CN109978914B (zh) * 2019-03-07 2021-06-08 北京旷视科技有限公司 人脸追踪方法及装置
CN113329139A (zh) * 2020-02-28 2021-08-31 中国电信股份有限公司 视频流处理方法、装置及计算机可读存储介质
CN113329139B (zh) * 2020-02-28 2023-11-03 天翼云科技有限公司 视频流处理方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN107770487B (zh) 2020-06-16

Similar Documents

Publication Publication Date Title
CN116188821B (zh) 版权检测方法、系统、电子设备和存储介质
CN107770487A (zh) 一种特征提取并优选的方法、系统及终端设备
CN109116129B (zh) 终端检测方法、检测设备、系统及存储介质
CN107657051A (zh) 一种图片标签的生成方法、终端设备及存储介质
CN110798709B (zh) 视频处理方法和装置、存储介质及电子装置
CN107909011B (zh) 人脸识别方法及相关产品
CN109389096A (zh) 检测方法和装置
CN114529490B (zh) 一种数据处理方法、装置、设备以及可读存储介质
CN114048539A (zh) Cad文件解析与规则判断方法及相关装置
CN107357422A (zh) 摄像机‑投影交互触控方法、装置及计算机可读存储介质
CN107169004A (zh) 一种特征数据库更新方法及装置
CN106941569A (zh) 一种显示数据处理方法及装置
CN108062576B (zh) 用于输出数据的方法和装置
CN115617748A (zh) 物料清单信息解析方法、装置、设备及存储介质
CN113978987B (zh) 栈板物品打包提货方法、装置、设备及介质
CN107592297A (zh) 一种移动侦测的方法、系统及终端设备
CN112735030B (zh) 售货柜的视觉识别方法、装置、电子设备和可读存储介质
CN114419070A (zh) 一种图像场景分割方法、装置、设备及存储介质
CN109840557B (zh) 图像识别方法和装置
CN114373209A (zh) 基于视频的人脸识别方法、装置、电子设备及存储介质
CN111221803A (zh) 一种特征库管理方法及协处理器
CN111797922A (zh) 文本图像分类方法及装置
CN112183284A (zh) 一种安全信息验证、代驾接单控制方法和装置
CN110705447A (zh) 手部图像的检测方法、装置及电子设备
CN111191612A (zh) 视频图像匹配方法、装置、终端设备及可读存储介质

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
GR01 Patent grant
GR01 Patent grant