CN108038176A - 一种路人库的建立方法、装置、电子设备及介质 - Google Patents

一种路人库的建立方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN108038176A
CN108038176A CN201711286557.6A CN201711286557A CN108038176A CN 108038176 A CN108038176 A CN 108038176A CN 201711286557 A CN201711286557 A CN 201711286557A CN 108038176 A CN108038176 A CN 108038176A
Authority
CN
China
Prior art keywords
image
storehouse
information
passerby
score value
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
CN201711286557.6A
Other languages
English (en)
Other versions
CN108038176B (zh
Inventor
杨莉
陈立力
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN201711286557.6A priority Critical patent/CN108038176B/zh
Publication of CN108038176A publication Critical patent/CN108038176A/zh
Application granted granted Critical
Publication of CN108038176B publication Critical patent/CN108038176B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • 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
    • G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种路人库的建立方法、装置、电子设备及介质，用以解决现有技术中没有对非库成员进行统计分析的资源的问题。该路人库的建立方法中，提取采集到的人脸图像的目标特征；分别确定该目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性；如果任意一个第一相似性均小于预设第一阈值，确定该目标特征与预设的路人库中每个第二图像的第二特征的第二相似性；判断该第二相似性的最大值是否大于预设第二阈值；如果否，将该人脸图像及该人脸图像对应的第一标识信息添加到该预设的路人库中。由于本发明实施例中建立了一个存储不属于布控库和白名单库的非库成员人脸信息的路人库，方便了后续的统计分析。

Description

一种路人库的建立方法、装置、电子设备及介质
技术领域
本发明涉及大数据技术领域，特别涉及一种路人库的建立方法、装置、电子设备及介质。
背景技术
随着人脸识别比对性能的提高，人脸相关技术在安防领域的智能应用越来越成熟，目前主要应用在人员布控、实时告警、人员身份核实等方面。针对人脸识别比对的应用，一般在于将抓拍到的图像与预先设定好的库进行比对，进而获取与库中目标人员相关的信息。
现有技术中，针对抓拍到的过人，在识别出人脸图像后，一般对识别出的人脸图像直接进行结构化处理，并且主要应用在人脸识别、人脸比对、人流量统计等方面，如门禁、布控告警、以图搜图等，或者针对视频中的运动目标进行人脸识别并计算其对应的人员轨迹等。
现有技术中，对于人脸图像在白名单库、布控库中均没有存储的人员，即非库成员的相关的统计分析应用较少，这是因为现有的对人员进行的统计分析，一般包括轨迹分析、出现次数分析等。上述对人员进行的统计分析，需要大量的进行统计分析的人员的人脸图像，而现有技术中还没有这样的进行统计分析的资源，因此难以满足实际需求。
发明内容
本发明提供一种路人库的建立方法、装置、电子设备及介质，用以解决现有技术中没有对非库成员进行统计分析的资源的问题。
本发明实施例提供了一种路人库的建立方法，包括：
提取采集到的人脸图像的目标特征；
分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性；
如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性；
判断所述第二相似性的最大值是否大于预设第二阈值；
如果否，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中。
进一步地，所述提取采集到的人脸图像的目标特征之后，还包括：
根据所述目标特征，确定所述人脸图像的目标特征值；
所述分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性包括：
分别确定所述目标特征值与布控库和白名单库中保存的每个第一图像的第一特征值的第一相似性；
所述确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性包括：
确定所述目标特征值与预设的路人库中每个第二图像的第二特征值的第二相似性。
进一步地，如果所述第二相似性的最大值大于预设第二阈值，还包括：
识别所述第二相似性的最大值对应的目标第二图像，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中。
进一步地，所述将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中包括：
判断所述预设的路人库是否允许更新；
如果是，判断第二标识信息的图像组中保存的图像数量是否达到设定的数量阈值，如果否，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中；如果第二标识信息的图像组中保存的图像数量达到设定的数量阈值，计算所述人脸图像的第一分值，根据保存的第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值，如果是，将最小的第二分值对应的第二图像更新为所述人脸图像。
进一步地，所述计算所述人脸图像的第一分值包括：
计算所述人脸图像的清晰度分值、人脸大小分值以及角度分值；
根据所述清晰度分值、所述人脸大小分值和所述角度分值以及对应的权重值，获取所述第一分值。
进一步地，所述判断第二标识信息的图像组中保存的图像数量是否达到设定的数量阈值包括：
根据所述第二标识信息的图像组中保存的第二图像归属的每个类别，确定所述人脸图像对应的目标类别；判断第二标识信息的图像组中归属于所述目标类别的图像数量是否达到设定的数量阈值；
所述根据保存的第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值包括：
根据保存的第二标识信息的图像组中所述目标类别的每个第二图像的第二分值，判断是否存在小于第一分值的第二分值。
进一步地，还包括：在所述第一标识信息的图像组中，记录所述人脸图像的第一采集时间信息；
或在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集时间信息。
进一步地，还包括：接收查询请求，所述查询请求中携带待查询的时间段的信息；
根据所述时间段的信息，识别所述路人库中每个标识信息的图像组中图像的采集时间信息，确定包含有采集时间信息位于所述时间段内的图像组的第三标识信息，输出第三标识信息及第三标识信息的图像组中的每个第三图像。
进一步地，还包括：在所述第一标识信息的图像组中，记录所述人脸图像的第一采集地点信息；
或在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集地点信息。
进一步地，还包括：接收查询请求，所述查询请求中携带待查询的第四图像；
提取所述第四图像的第三特征，确定所述第三特征与所述路人库中每个图像的特征的第三相似性；
识别第三相似性的最大值对应的第五图像以及第五图像所在图像组的第五标识信息；
输出所述第五标识信息的图像组中记录的采集时间信息和采集地点信息。
本发明实施例提供了一种路人库的建立装置，所述建立装置包括：
采集提取模块，用于提取采集到的人脸图像的目标特征；
相似性确定模块，用于分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性；
判断确定模块，用于如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性；
判断执行模块，用于判断所述第二相似性的最大值是否大于预设第二阈值；如果否，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中。
进一步地，所述采集提取模块，还用于根据所述目标特征，确定所述人脸图像的目标特征值；
所述分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性包括：
分别确定所述目标特征值与布控库和白名单库中保存的每个第一图像的第一特征值的第一相似性；
所述确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性包括：
确定所述目标特征值与预设的路人库中每个第二图像的第二特征值的第二相似性。
进一步地，所述判断执行模块，还用于如果所述第二相似性的最大值大于预设第二阈值，识别所述第二相似性的最大值对应的目标第二图像，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中。
进一步地，所述判断执行模块，具体用于判断所述预设的路人库是否允许更新；如果是，判断第二标识信息的图像组中保存的图像数量是否达到设定的数量阈值，如果否，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中；如果第二标识信息的图像组中保存的图像数量达到设定的数量阈值，计算所述人脸图像的第一分值，根据保存的第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值，如果是，将最小的第二分值对应的第二图像更新为所述人脸图像。
进一步地，所述判断执行模块，具体用于计算所述人脸图像的清晰度分值、人脸大小分值以及角度分值；根据所述清晰度分值、所述人脸大小分值和所述角度分值以及对应的权重值，获取所述第一分值。
进一步地，所述判断执行模块，具体用于根据所述第二标识信息的图像组中保存的第二图像归属的每个类别，确定所述人脸图像对应的目标类别；判断第二标识信息的图像组中归属于所述目标类别的图像数量是否达到设定的数量阈值；所述根据保存的第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值包括：根据保存的第二标识信息的图像组中所述目标类别的每个第二图像的第二分值，判断是否存在小于第一分值的第二分值。
进一步地，所述路人库的建立装置，还包括：
记录模块，用于在所述第一标识信息的图像组中，记录所述人脸图像的第一采集时间信息；或在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集时间信息。
进一步地，所述路人库的建立装置，还包括：
查询输出模块，用于接收查询请求，所述查询请求中携带待查询的时间段的信息；根据所述时间段的信息，识别所述路人库中每个标识信息的图像组中图像的采集时间信息，确定包含有采集时间信息位于所述时间段内的图像组的第三标识信息，输出第三标识信息及第三标识信息的图像组中的每个第三图像。
进一步地，所述记录模块，还用于在所述第一标识信息的图像组中，记录所述人脸图像的第一采集地点信息；或在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集地点信息。
进一步地，所述查询输出模块，还用于接收查询请求，所述查询请求中携带待查询的第四图像；提取所述第四图像的第三特征，确定所述第三特征与所述路人库中每个图像的特征的第三相似性；识别第三相似性的最大值对应的第五图像以及第五图像所在图像组的第五标识信息；输出所述第五标识信息的图像组中记录的采集时间信息和采集地点信息。
本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现如上述任一项所述的方法步骤。
本发明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内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法步骤。
本发明实施例提供了一种路人库的建立方法、装置、电子设备及介质，该路人库的建立方法中，通过提取采集到的人脸图像的目标特征；分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性；如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性；判断所述第二相似性的最大值是否大于预设第二阈值；如果否，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中。由于本发明实施例中根据提取到的人脸图像的目标特征，确定人脸图像与布控库及白名单库中的图像都不匹配时，确定该目标特征与预设的路人库中第二图像的第二相似性，并在第二相似性的最大值小于预设第二阈值时，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中，从而建立一个存储非库成员人脸信息的路人库，该路人库中可以存储大量的非库人员的人脸图像，从而方便后续的统计分析。
附图说明
图1为本发明实施例提供一种路人库的建立过程示意图；
图2为本发明实施例提供一种路人库的建立流程图；
图3为本发明实施例提供一种路人库的更新方法示意图；
图4为本发明实施例提供一种人脸图像的第一分值的计算方法流程图；
图5为本发明实施例提供一种路人库的更新方法示意图；
图6为本发明实施例提供一种路人库的建立装置的结构示意图；
图7为本发明实施例提供一种电子设备示意图；
具体实施方式
本发明实施例公开了一种建立一个存储非库成员人脸图像的路人库的方法，及对应的装置、电子设备及介质。
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。
实施例1：
图1为本发明实施例提供的一种路人库的建立过程示意图，其具体处理过程如下：
S101：提取采集到的人脸图像的目标特征。
本发明实施例中，该路人库的建立方法应用于电子设备，该电子设备可以是PC、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、图像采集设备和图像处理设备等。
当电子设备获取到图像采集设备采集的人脸图像时，提取人脸图像的目标特征。具体地，针对采集到的人脸图像，可以利用现有技术中存在的算法提取该人脸图像的特征点，并根据提取到的该特征点获取该人脸图像的目标特征，该目标特征可以是人脸面部的特征，例如，眼睛的位置、两个眼角的相对距离、鼻尖的位置、嘴角的位置等其他五官的相对位置或相对距离等。具体地，可以使用现有技术存在的方法提取人脸图像的目标特征。
具体地，提取人脸图像的目标特征的方法为现有技术，本发明实施例在此不再赘述。
S102：分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性。
布控库为预先存在的人脸图像库，其中保存有多个特定人员的信息，包括每个特定人员的第一图像、身份信息以及每个第一图像的特征等；白名单库为预先存在的人脸图像库，其中保存有该白名单库对应的辖区内的常住人员的信息，包括常住人员的第一图像、身份信息以及每个第一图像的特征等。具体地，布控库和白名单库中保存的第一图像为人脸图像。
通过提取采集到的人脸图像的目标特征，确定该目标特征与布控库中和白名单库中的每个第一图像的第一特征的第一相似性。具体地，根据人脸图像的特征，确定第一相似性的方法为现有技术，本发明实施例在此不再赘述。
在本发明实施例中在构建路人库的过程中，还可以根据采集到的人脸图像，识别该人脸图像是否为布控库和白名单库中的人员的人脸图像，如果该人脸图像是布控库中的人员的人脸图像，则报警；如果该人脸图像是白名单库中的人员的人脸图像，则在白名单库中写入该人员的过人记录。具体地，过人记录包括，该人脸图像的采集时间信息和采集地点信息等。
而且，因为布控库中保存的是特定人员的信息，因此为了提高人脸图像采集区域的安全性，可以根据人脸图像的目标特征，首先确定该目标特征与布控库中的每个第一图像的第一特征的第一相似性，如果根据每个第一相似性的大小，判断该人脸图像不是布控库中的人员的人脸图像，则确定该目标特征与白名单库中的每个第一图像的第一特征的第一相似性，并根据每个第一相似性的大小，判断该人脸图像是否为白名单库中的人员的人脸图像。
S103：如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性。
当确定采集到的人脸图像的目标特征与布控库和白名单库中的每个第一图像的第一特征的第一相似性后，并确定任意一个第一相似性均小于预设第一阈值，则确认该人脸图像对应的人员不是布控库和白名单库中的人员；此时确定该目标特征与预设的路人库中的每个第二图像的第二特征的第二相似性。
其中，预设第一阈值用于判断该人脸图像是否为布控库和白名单库中的某个人员的图像，该预设第一阈值为预先设定的大于0不大于1的值，例如该预设第一阈值可以是0.5、0.8等小于1的数值，且该预设第一阈值越接近1，判断该人脸图像的目标特征与布控库和白名单库中的每个图像的第一特征的相似性的精度越高，相应的其灵敏度越低。
预设的路人库用于存储不属于布控库和白名单库中人员的非库成员的信息。路人库中可以存储每个非库成员的第二图像及其对应的标识信息、第二图像的第二特征和结构化人脸信息等。具体地，非库成员的第二图像即为非库成员的人脸图像，第二图像的结构化人脸信息包括，性别、年龄、刘海、眼镜等信息，可以采用现有技术中的方法获取每个第二图像的结构化人脸信息。
S104：判断所述第二相似性的最大值是否大于预设第二阈值；如果否，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中。
由于采集到的每个人脸图像对应一个唯一的特征，只有当两个人脸图像完全相同时，其对应的特征才会相同。而在实际应用场景中，每次采集人脸图像时，由于拍摄的角度、光线等各种原因，可能导致采集到的同一个人的人脸图像不尽相同，从而导致同一个人的人脸图像对应了不同的特征。此时若将具有不同特征的人脸图像作为不同的人员存储到路人库中，则可能会将同一个人的不同人脸图像识别为两个人，从而在进行人脸识别和人脸比对等操作时出现错误。
本发明实施例中在将采集到的人脸图像存储到路人库中之前，首先确定该人脸图像的目标特征与路人库中每个第二图像的第二特征的第二相似性，进而判断该人脸图像对应的人员是否为路人库中已经存在的人员。
具体地，确定了采集到的人脸图像的目标特征与预设的路人库中每个第二图像的第二特征的第二相似性后，将第二相似性的最大值与预设第二阈值进行比较，当该第二相似性的最大值小于预设第二阈值时，确定该路人库中未存储该人脸图像对应的人员的信息，将该人脸图像以及该人脸图像对应的第一标识信息添加到该路人库中，从而完善了路人库中存储的人员信息。具体地，该预设第二阈值为预先设定的值，例如该预设第二阈值可以是0.5、0.7等，大于0小于1的数值，且该预设第二阈值越接近1，判断该人脸图像的目标特征与路人库中的每个图像的第二特征的相似性的精度越高，相应的其灵敏度越低。另外，该第一阈值与第二阈值可以相同，也可以不同。
具体地，确定该路人库中未存储该人脸图像对应的人员的信息，将该人脸图像存储到路人库中时，为该人脸图像设置一个第一标识信息，该第一标识信息可以为随机数字组成的编号，或代码等其他唯一标识该人脸图像对应的人员的信息。将该人脸图像及其对应的第一标识信息添加到路人库中的同时，将该人脸图像的目标特征和结构化人脸信息，针对该第一标识信息添加到路人库中。具体地，该人脸图像的结构化人脸信息包括，性别、年龄、刘海、眼镜等信息。
由于本发明实施例中首先提取采集到的人脸图像的特征，确定该特征与布控库和白名单库中的图像的特征的第一相似性，当所有第一相似性均小于第一阈值时，证明抓拍到的人脸图像对应的人员为非库成员，通过确定该特征与路人库中每个图像的特征的第二相似性，当第二相似性的最大值小于第二阈值时，证明路人库中未存储该人脸图像对应的路人的信息，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中，从而建立一个存储非库成员人脸信息的路人库，该路人库中可以存储大量的非库人员的人脸图像，从而方便后续的统计分析。
实施例2：
为了提高人脸识别的准确性，在上述实施例的基础上，在本发明实施例中：
如果所述第二相似性的最大值大于预设第二阈值，所述方法还包括：
识别所述第二相似性的最大值对应的目标第二图像，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中。
本发明实施例中，当采集到的人脸图像对应的人员不属于布控库和白名单库时，分别确定该人脸图像的目标特征与路人库中的每个第二图像的第二特征的第二相似性，当第二相似性的最大值大于预设第二阈值时，确定该人脸图像对应的人员为该路人库中的人员。此时识别该第二相似性的最大值对应的路人库中的目标第二图像，并将该人脸图像存储到该目标第二图像所在的第二标识信息的图像组中。具体地，在将该人脸图像存储到该目标第二图像所在的第二标识信息的图像组中时，将该人脸图像的结构化人脸信息等存储到该图像组中。
因为路人库中为了保存人员的信息，当确定了人员对应的标识信息后，针对该标识信息保存有其对应的图像组，该图像组中保存有该标识信息的人员的人脸图像，因此确定了目标第二图像后，可以确定该目标第二图像所在图像组的第二标识信息，进而可以将人脸图像存储到该第二标识信息的图像组中。
在进行人脸识别操作时，由于路人库中保存的同一人员的第二图像越多，识别出该人员的准确性越高，本发明实施例中，通过识别第二相似性的最大值对应的目标第二图像，将采集到的人脸图像存储到该目标第二图像所在的第二标识信息的图像组中，增加了该路人库中同一人员的第二图像的数量，进而提高了路人库中存储的每个非库成员被识别出的准确性。
实施例3：
在上述实施例的基础上，在本发明实施例中：
所述提取采集到的人脸图像的目标特征之后，所述方法还包括：
根据所述目标特征，确定所述人脸图像的目标特征值；
所述分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性包括：
分别确定所述目标特征值与布控库和白名单库中保存的每个第一图像的第一特征值的第一相似性；
所述确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性包括：
确定所述目标特征值与预设的路人库中每个第二图像的第二特征值的第二相似性。
本发明实施例中，在提取了采集到的人脸图像的目标特征之后，可以根据人脸图像的目标特征，确定该人脸图像的目标特征值。根据目标特征确定目标特征值属于现有技术，并且利用不同算法获取的目标特征值不同，例如，根据目标特征确定的目标特征值可以是长度为256字节的字符串，或者是长度为512字节的字符串等。其中，采集到的人脸图像的目标特征值的确定方法与布控库、白名单库和预设的路人库中的图像的特征值的确定方法相同。
根据目标特征确定人脸图像的目标特征值，并确定该目标特征值与布控库和白名单库中的每个第一图像的第一特征值的第一相似性。根据特征值确定相似性的方法为现有技术，本发明实施例在此不再赘述。
图2为本发明实施例提供的一种路人库的建立流程图，其具体流程如下：
S201：提取采集到的人脸图像的目标特征，并根据该目标特征获取人脸图像的目标特征值。
S202：确定该目标特征值与布控库中保存的每个第一图像的第一特征值的第一布控相似性。
S203：判断是否任意一个第一布控相似性均小于预设第一阈值，若是，则执行S205，否则，执行S204。
S204：布控报警。
S205：确定该目标特征值与白名单库中保存的每个第一图像的第一特征值的第一白名单相似性。
S206：判断是否任意一个第一白名单相似性均小于预设第一阈值，若是，则执行S208，否则，执行S207。
S207：写入过人记录。
S208：确定该目标特征值与预设的路人库中保存的每个第二图像的第二特征值的第二相似性。
S209：判断第二相似性的最大值是否大于预设第二阈值，若否，执行S210，若是，执行S211。
S210：将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中。
S211：识别所述第二相似性的最大值对应的目标第二图像，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中。
具体地，在实施布控报警时，还包括输出第一布控相似性的最大值对应的布控库中的第一图像，以及该第一图像对应的身份信息等，同时终止此次人脸识别操作。
实施例4：
为了对路人库中存储的第二图像进行更新，提高路人库中存储的图像的分值，在上述实施例的基础上，在本发明实施例中：
所述将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中包括：
判断所述预设的路人库是否允许更新；
如果是，判断第二标识信息的图像组中保存的图像数量是否达到设定的数量阈值，如果否，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中；如果第二标识信息的图像组中保存的图像数量达到设定的数量阈值，计算所述人脸图像的第一分值，根据保存的第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值，如果是，将最小的第二分值对应的第二图像更新为所述人脸图像。
具体地，每个标识信息的图像组中保存的图像越多，识别人脸图像对应的人员是否为路人库中存储的人员的精度就越高，但相应的路人库的存储量就越大。因此，为了提高人脸识别的精度，路人库可能允许更新，也可能不允许更新，具体路人库是否允许更新可以预先设置。
如果预先设置路人库允许更新，可以将每次采集到的人脸图像都保存到路人库中，相应的路人库的存储量会特别大，所以为了控制路人库的存储量，可以预先设置每个标识信息的图像组中可以保存的图像的数量阈值，当第二标识信息的图像组中的图像达到该数量阈值后，根据更新规则对该第二标识信息的图像组中的图像进行更新，通过提高路人库中每个图像的质量来提高人脸识别的精度。
具体地，在进行更新时，可以计算该第二标识信息的图像组中每个图像的分值，根据该第二标识信息的图像组中每个图像的分值大小，确定更新哪个图像。可以根据图像的清晰度、或图像中包含的人脸的大小、或图像中人脸的角度等计算图像的分值。具体的计算图像的分值可以采用现有技术中的方法，在本发明实施例中对该过程不进行赘述。另外，为了方便路人库中图像的更新，在路人库中针对每个第二标识信息的图像组，记录有该图像组中每个图像的第二分值，其中第二分值的确定方式，与第一分值的确定方式相同。
如果预先设置路人库不允许更新，且预先设置了第二标识信息的图像组中可以保存的图像的数量阈值时，当路人库中第二标识信息的图像组中的图像数量达到设定的数量阈值后，不更新路人库中存储的图像，也不需要计算采集到的人脸图像的第一分值和路人库中每个第二图像的第二分值。设定的数量阈值为正整数且可以由用户设定。例如该数量阈值可以设置为1、3、4、15等。
由于路人库中存储的图像越多，确定相似性的速度越慢；但路人库中同一人员的图像越多，识别出该人员的准确性越大；因此，用户可以权衡相似性确定的实时性和准确性之间的关系，根据自身需要设置数量阈值。
具体地，若路人库不可以更新，或者路人库可以更新，但该人脸图像的第一分值小于该第二标识信息的图像组中任意一个第二图像的第二分值，则不对该路人库中的图像进行更新。若路人库可以更新，且第二标识信息的图像组中存在第二图像的第二分值小于该人脸图像的第一分值，此时，将第二分值最小的第二图像更新为该人脸图像。
图3为本发明实施例提供的一种路人库的更新方法示意图，其具体流程如下：
S301：提取采集到的人脸图像的目标特征。
S302：分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性。
S303：如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性。
S304：如果该第二相似性的最大值大于预设第二阈值，确定该第二相似性的最大值对应的目标第二图像及该目标第二图像的第二标识信息。
S305：判断第二标识信息的图像组中保存的图像数量是否达到设定的数量阈值，如果是，执行S307，如果否，执行S306。
S306：将该人脸图像存储到该第二标识信息的图像组中。
S307：判断所述预设的路人库是否允许更新，如果是，执行S308，如果否，执行S311。
S308：计算该人脸图像的第一分值。
S309：根据该第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值，如果是，执行S310，如果否，执行S311。
S310：将最小的第二分值对应的第二图像更新为所述人脸图像。
S311：拒绝更新。
本发明实施例中，通过设定该路人库是否可以更新，以及该路人库中每个第二标识信息的图像组中可以存储的图像的数量阈值，可以调整利用路人库进行人脸识别的准确性和实时性；通过对该路人库中存储的图像进行更新，使路人库中分值低的图像更新为分值高的人脸图像，提高了路人库中存储的图像的分值，进而提高了利用路人库进行人脸识别的准确性。
实施例5：
为了提高路人库中存储的图像的图像质量，在上述实施例的基础上，在本发明实施例中：
所述计算所述人脸图像的第一分值包括：
计算所述人脸图像的清晰度分值、人脸大小分值以及角度分值；
根据所述清晰度分值、所述人脸大小分值和所述角度分值以及对应的权重值，获取所述第一分值。
图4为本发明实施例提供的一种人脸图像的第一分值的计算方法流程图，其具体流程如下：
S401：采集人脸图像；
S402：计算该人脸图像的清晰度分值C；
S403：计算该人脸图像的人脸大小分值S；
S404：计算该人脸图像的角度分值A；
S405：根据清晰度分值C、人脸大小分值S和角度分值A，确定该人脸图像的第一分值Q。
人脸图像的第一分值即为该人脸图像的图像质量分值。由于人脸图像越清晰，人脸识别的准确率越高，计算采集到的人脸图像的第一分值时，需要计算该人脸图像的清晰度分值C。具体地，计算该人脸图像的清晰度的方法可以采用现有技术中的计算方法，包括但不限于以下几种：例如，图像直方图法、能量方差法、平方梯度能量法、熵函数法、频谱函数法、拉普拉斯能量法、高斯方差法等。
具体地，当利用现有技术中的方法计算出的人脸图像的清晰度的范围为0％-100％时，清晰度越接近0％，表明清晰度越低，清晰度越接近100％，表明清晰度越高。此时根据清晰度，确定清晰度分值的方法包括但不限于，将清晰度划分为多个不同的范围，每个清晰度范围对应一个清晰度分值，通过预先保存不同清晰度范围与清晰度分值的对应关系，根据人脸图像的清晰度所属的清晰度范围，确定该人脸图像的清晰度分值；或者针对清晰度做特定的运算，获取清晰度分值等。
例如，将清晰度划分为0％-10％、10％-20％等多个范围，当清晰度处于0％-10％之间时，对应的清晰度分值为10分，当清晰度处于10％-20％之间时，对应的清晰度分值为20分等。或者将计算得到的清晰度与100的乘积作为清晰度分值。
由于采集到的人脸图像中，人脸像素越多，该人脸图像包含的人脸信息越多，人脸大小即为人脸像素的多少；在计算该人脸图像的第一分值时，需要计算该人脸图像的人脸大小分值S。具体地，计算人脸大小的方法可以采用现有技术的方法，包括但不限于采用现有的区域增长的眼睛定位技术进行人脸定位，进而确定人脸框架，得到人脸大小范围，最确定取人脸大小分值。
具体地，当利用现有技术的方法计算得到的人脸大小是人脸图像中人脸像素数量时，人脸像素数量越多，表明人脸越大。此时根据人脸大小，确定人脸大小分值的方法包括但不限于，将人脸像素数量划分为多个数量范围，每个数量范围对应一个人脸大小分值，通过预先保存每个数量范围对应的人脸大小分值，根据人脸图像的人脸大小所属的数量范围，确定该人脸图像的人脸大小分值。
例如，将人脸像素数量分为0-100、101-200、201-300等多个数量范围，当人脸大小处于0-100之间时，对应的人脸大小分值为10分，当人脸大小处于101-200之间时，对应的人脸大小分值为20分等。
由于采集到的人脸图像可能为从不同角度拍摄的人脸图像，而不同角度拍摄的人脸图像可能具有不同的人脸信息，在计算该人脸图像的第一分值时，需要计算该人脸图像的角度分值A。可以采用现有技术中存在的方法计算该人脸图像的人脸角度，进而得到角度分值，具体地，计算该人脸图像的人脸角度的方法包括但不限于，模板匹配、基于眼睛定位的分类识别等方法。
具体地，计算得到的人脸图像的人脸角度可以为人脸在各个方位上的旋转角度，其中，可以将人脸图像分为4个或8个或多个方位；当将人脸图像分为上、下、左、右4个方位时，计算的人脸角度可以为人脸在该四个方位上的角度，例如计算得到的某个人脸图像的人脸角度为左侧方位上的15°等。
根据计算的人脸角度，确定人脸图像的角度分值A的方法包括但不限于，将计算得到的人脸角度划分为多个不同的角度范围，每个角度范围对应一个角度分值，通过预先保存每个角度范围与角度分值的对应关系，根据计算得到的人脸角度所属的角度范围，确定角度分值等。具体地，在不同方位上相同的人脸角度可以对应相同的角度分值，也可以对应不同的角度分值。
例如，不同方位上相同的人脸角度对应相同的角度分值时，将人脸角度划分为0°-10°、11°-20°等多个角度范围，当人脸角度处于0°-10°之间时，对应的角度分值为10分，当人脸角度处于11°-20°之间时，对应的角度分值为20分等。或者，不同方位上相同的人脸角度对应不同的角度分值时，将人脸角度划分为0°-10°、11°-20°等多个角度范围，当左侧方位上人脸角度处于0°-10°之间时，对应的角度分值为10分，当上侧方位上人脸角度处于0°-10°之间时，对应的角度分值为5分等。
具体地，人脸图像的第一分值可以根据人脸图像的清晰度分值C、人脸大小分值S和角度分值A以及对应的权重值得出，即第一分值Q通过下述公式计算：
Q＝WiC+W25+W3A
其中，权重值W1、W2和W3分别为预先保存的清晰度分值C、人脸大小分值S和角度分值A的权重值。具体地，各个权重值可以根据经验值预先设定。具体地，路人库中每个第二图像的第二分值同样采用上述方法计算得出。
本发明实施例中，通过计算采集到的人脸图像的清晰度分值C、人脸大小分值S和角度分值A，并将其进行加权计算获得该人脸图像的第一分值，所以人脸图像的第一分值即为人脸图像的图像质量分值。
实施例6：
为了进一步提高人脸识别的准确性，在上述实施例的基础上，在本发明实施例中：
所述判断第二标识信息的图像组中保存的图像数量是否达到设定的数量阈值包括：
根据所述第二标识信息的图像组中保存的第二图像归属的每个类别，确定所述人脸图像对应的目标类别；判断第二标识信息的图像组中归属于所述目标类别的图像数量是否达到设定的数量阈值；
所述根据保存的第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值包括：
根据保存的第二标识信息的图像组中所述目标类别的每个第二图像的第二分值，判断是否存在小于第一分值的第二分值。
由于在后续进行统计分析时，都是根据人脸图像进行统计分析，因此为了方便后续分析，可以在路人库中保存不同类别的人脸图像。具体地，人脸图像的类别可以是根据该人脸图像中人脸角度的方位划分的类别。具体地，当人脸图像中人脸角度的方位为上、下、左、右4个方位时，可以将人脸图像的类别分为正脸、左侧脸、右侧脸、上侧脸和下侧脸5个类别；当人脸图像中人脸角度的方位为上、下、左、右、左上、右上、左下、右下8个方位时，可以将人脸图像的类别分为正脸、左侧脸、右侧脸、上侧脸、下侧脸左上侧脸、右上侧脸、左下侧脸和右下侧脸9个类别。
具体地，可以根据图像中人脸角度的大小和方位，确定该图像的类别，通过预设人脸角度阈值，当图像的人脸角度不超过该人脸角度阈值时，确定该图像的类别为正脸；当图像的人脸角度超过该人脸角度阈值时，根据人脸角度的方位，确定该图像的类别。例如，当人脸角度的方位为左，且人脸角度超过了人脸角度阈值时，确定该图像的类别为左侧脸；当人脸角度的方位为上，且人脸角度超过了人脸角度阈值时，确定该图像的类别为上侧脸等。具体地，角度阈值可以设置为5°等其他角度。
由于路人库中每个标识信息的图像组中可以存储多个图像，当每个标识信息的图像组中存储的多个图像为不同类别的人脸图像时，能够提高人脸识别的准确性。所以本发明实施例中，路人库中预先保存有每个标识信息的图像组中保存的图像归属的不同类别，以及预先设置的针对每种类别可以存储的图像的数量阈值。
每个第二标识信息的图像组中保存的图像归属的类别，可以为正脸、左侧脸、右侧脸、上侧脸、下侧脸等类别中的一种或多种。每个第二标识信息的图像组中保存的图像归属的每个类别的图像数量阈值可以相同也可以不同。例如：路人库中每个第二标识信息的图像组中保存的图像归属为3种类别，分别为正脸、左侧脸和右侧脸，其中每种类别的图像数量阈值均为4个；或者路人库中每个第二标识信息的图像组中保存的图像归属为5种类别，分别为正脸、左侧脸、右侧脸、上侧脸和下侧脸，其中正脸的图像数量阈值为4个、左侧脸和右侧脸的图像数量阈值均为3个、上侧脸和下侧脸的图像数量阈值均为2个。
具体地，本发明实施例在确定了路人库可以更新后，首先计算采集到的人脸图像的人脸角度，获取人脸角度的方位，并根据该人脸角度和人脸角度的方位以及该第二标识信息的图像组中保存的第二图像归属的每个类别，确定该人脸图像对应的目标类别，然后判断该第二标识信息的图像组中归属于该目标类别的图像数量是否达到设定的数量阈值。
当该第二标识信息的图像组中归属于该目标类别的图像数量未达到设定的数量阈值时，将该人脸图像存储到该第二标识信息的图像组中；当该第二标识信息的图像组中归属于该目标类别的图像数量达到设定的数量阈值时，计算该人脸图像的第一分值，并根据该第二标识信息的图像组中归属于该目标类别的每个第二图像的第二分值，判断是否存在小于该第一分值的第二分值，如果存在小于该第一分值的第二分值，则将路人库中该第二标识信息的图像组中归属于该目标类别的第二分值最小的第二图像更新为该人脸图像；如果不存在小于该第一分值的第二分值，则不更新。
图5为本发明实施例提供的一种路人库的更新方法示意图，其具体流程如下：
S501：提取采集到的人脸图像的目标特征。
S502：分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性。
S503：如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性。
S504：如果该第二相似性的最大值大于预设第二阈值，确定该第二相似性的最大值对应的目标第二图像及该目标第二图像的第二标识信息。
S505：计算采集到的人脸图像的人脸角度，获取人脸角度的方位，并根据该人脸角度和人脸角度的方位以及该第二标识信息的图像组中保存的第二图像归属的每个类别，确定该人脸图像对应的目标类别。
S506：判断该第二标识信息的图像组中归属于该目标类别的图像数量是否达到设定的数量阈值，如果是，执行S508，如果否，执行S507。
S507：将该人脸图像存储到该第二标识信息的图像组中。
S508：判断所述预设的路人库是否允许更新，如果是，执行S509，如果否，执行S512。
S509：计算该人脸图像的第一分值。
S510：根据该第二标识信息的图像组中该目标类别的每个第二图像的第二分值，判断是否存在小于第一分值的第二分值，如果是，执行S511，如果否，执行S512。
S511：将最小的第二分值对应的第二图像更新为所述人脸图像。
S512：拒绝更新。
本发明实施例中，通过在路人库中存储多种类别的图像，并根据采集到的人脸图像的不同类别对路人库中不同类别的图像进行更新，进一步提高了利用路人库进行人脸识别的准确性。
实施例7：
为了方便后续的统计分析，在上述实施例的基础上，在本发明实施例中：
在所述第一标识信息的图像组中，记录所述人脸图像的第一采集时间信息；或在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集时间信息。
第一采集时间信息包括采集到该人脸图像的时间等信息。当确定采集到的人脸图像的目标特征与预设的路人库中每个第二图像的第二特征的第二相似性的最大值小于预设第二阈值时，将该人脸图像、该人脸图像对应的第一标识信息以及该人脸图像的结构化信息等添加到路人库中的同时，在该第一标识信息的图像组中，记录该人脸图像的第一采集时间信息。
具体地，当确定采集到的人脸图像的目标特征与预设的路人库中每个第二图像的第二特征的第二相似性的最大值大于预设第二阈值时，识别该第二相似性最大值对应的目标第二图像，及该目标第二图像对应的第二标识信息，无论是否将该人脸图像保存到路人库中，都在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集时间信息。
具体地，通过记录采集到的人脸信息的第一采集时间信息，路人库中每个第二标识信息的图像组中可以存储有多个采集时间信息，方便了后续的统计分析。
接收查询请求，所述查询请求中携带待查询的时间段的信息；
根据所述时间段的信息，识别所述路人库中每个标识信息的图像组中图像的采集时间信息，确定包含有采集时间信息位于所述时间段内的图像组的第三标识信息，输出第三标识信息及第三标识信息的图像组中的每个第三图像。。
本发明实施例中，由于路人库中的每个标识信息的图像组中，均存储有归属于该标识信息的图像组中的人脸图像的采集时间信息，在接收到携带待查询的时间段的信息的查询请求后，可以根据该查询请求中携带的时间段信息，识别该路人库中每个标识信息的图像组中图像的采集时间信息，确定包含有采集时间信息位于所述时间段内的图像组的第三标识信息，输出第三标识信息及第三标识信息的图像组中的每个第三图像，进而可以查询到在该时间段内，在该采集区域出现过的非库成员的人脸图像信息。
具体地，根据查询请求中携带的待查询的时间段的信息，确定了路人库中采集时间位于该时间段内的第三标识信息后，在输出第三标识信息及第三标识信息的图像组中的每个第三图像的同时，还可以输出第三标识信息的图像组中记录的采集时间信息。根据输出的第三标识信息、第三标识信息的图像组中记录的采集时间信息及采集时间信息的条数，可以判断出在该时间段内第三标识信息对应的非库成员的人脸图像被采集到的次数，以及每个第三标识信息对应的非库成员在什么时间在该采集区域内出现；进而查询到该时间段内频繁出现的路人的信息，同时也可以查询到该时间段内出现次数较少的路人的信息。
具体地，在输出查询结果时，还可以输出第三图像的结构化人脸信息等，即，可以查询该时间段内出现的路人的信息。
本发明实施例中，通过在查询请求中携带待查询的时间段，并输出采集时间位于该时间段内的第三标识信息及第三标识信息的图像组中的第三图像，可以查询到特定时间段内出现过的，或频繁出现的非库成员的信息，或查询某个非库成员在特定时间段内的出现次数和出现时间等。
实施例8：
为了方便后续的统计分析，在上述实施例的基础上，在本发明实施例中：
在所述第一标识信息的图像组中，记录所述人脸图像的第一采集地点信息；或在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集地点信息。
第一采集地点信息包括该人脸图像的采集地点信息。当确定采集到的人脸图像的目标特征与预设的路人库中每个第二图像的第二特征的第二相似性的最大值小于预设第二阈值时，将该人脸图像、该人脸图像对应的第一标识信息以及该人脸图像的结构化信息等添加到路人库中的同时，在该第一标识信息的图像组中，记录该人脸图像的第一采集时间信息和第一采集地点信息。
具体地，当确定采集到的人脸图像的目标特征与预设的路人库中每个第二图像的第二特征的第二相似性的最大值大于预设第二阈值时，识别该第二相似性最大值对应的目标第二图像，及该目标第二图像对应的第二标识信息，无论是否将该人脸图像保存到路人库中，都在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集时间信息和第一采集地点信息。
具体地，在记录该人脸图像的第一采集时间和第一采集地点的同时，可以记录该第二相似性的最大值等，从而方便了在后续进行统计分析时，获取此次记录对应的人脸识别的可信度。
具体地，通过记录采集到的人脸信息的第一采集时间信息和第一采集地点信息，路人库中针对每个第二图像可以存储有多个采集时间信息和采集地点信息，并且每个采集时间信息对应一个采集地点信息，方便了后续对非库成员的行为进行统计分析。
接收查询请求，所述查询请求中携带待查询的第四图像；
提取所述第四图像的第三特征，确定所述第三特征与所述路人库中每个图像的特征的第三相似性；
识别第三相似性的最大值对应的第五图像以及第五图像所在图像组的第五标识信息；
输出所述第五标识信息的图像组中记录的采集时间信息和采集地点信息。
本发明实施例中，由于路人库中的每个标识信息的图像组中均存储有其对应的采集时间信息和采集地点信息，当查询请求中携带有待查询的第四图像时，在接收到该查询请求后，可以提取该第四图像的第三特征，确定该第三特征与路人库中每个图像的特征的第三相似性，识别第三相似性的最大值对应的第五图像以及第五图像所在图像组的第五标识信息；并输出第五标识信息的图像组中记录的采集时间信息和采集地点信息。可以查询到该第四图像对应的路人库中的非库成员自从第一次出现以来，每次出现的时间和地点，从而可以确定该非库成员的行为轨迹，通过输出的采集时间信息和采集地点信息的条数，可以确定该非库成员的出现次数等信息。
具体地，查询请求中还可以携带有待查询的时间段信息，当查询请求中既携带有待查询的时间段信息又携带有待查询的第四图像时，输出第五标识信息的图像组中记录的，采集时间位于该时间段内的采集时间信息和采集地点信息。可以查询到该在该时间段内，每次出现的时间和地点，进而可以确定该路人在该时间段内的行为轨迹等信息。同时，还可以输出包含有采集时间信息位于该时间段内的每个图像组的标识信息、每个标识信息的图像组中的图像、以及每个标识信息的图像组中记录的位于该时间段内的采集时间信息和采集地点信息等，进而获取该时间段内路人库中每个非库成员的行为轨迹等信息。通过将该第四图像对应的非库成员的行为轨迹与路人库中至少一个非库成员的行为轨迹进行对比，可以获取该第四图像对应的非库成员在该时间段内的同行人信息等。
具体地，在输出查询结果时，还可以输出每个采集时间信息和采集地点信息对应的第二相似性的最大值和每个图像的结构化人脸信息等，进而确定每次记录对应的相似性比对的可信度。
本发明实施例中，通过在查询请求中携带待查询的第四图像，并输出该第四图像对应的路人库中的非库成员的出现时间和出现地点，查询到该非库成员的行为轨迹等。并通过改变查询条件，可以根据需要对路人库中存储的非库成员进行统计分析。
实施例9：
图6为本发明实施例提供的一种路人库的建立装置的结构示意图，所述装置包括：
采集提取模块61，用于提取采集到的人脸图像的目标特征；
相似性确定模块62，用于分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性；
判断确定模块63，用于如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性；
判断执行模块64，用于判断所述第二相似性的最大值是否大于预设第二阈值；如果否，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中。
具体地，所述采集提取模块61，还用于根据所述目标特征，确定所述人脸图像的目标特征值；所述分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性包括：分别确定所述目标特征值与布控库和白名单库中保存的每个第一图像的第一特征值的第一相似性；所述确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性包括：确定所述目标特征值与预设的路人库中每个第二图像的第二特征值的第二相似性。
具体地，所述判断执行模块64，还用于如果所述第二相似性的最大值大于预设第二阈值，识别所述第二相似性的最大值对应的目标第二图像，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中。
具体地，所述判断执行模块64，具体用于判断所述预设的路人库是否允许更新；如果是，判断第二标识信息的图像组中保存的图像数量是否达到设定的数量阈值，如果否，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中；如果第二标识信息的图像组中保存的图像数量达到设定的数量阈值，计算所述人脸图像的第一分值，根据保存的第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值，如果是，将最小的第二分值对应的第二图像更新为所述人脸图像。
具体地，所述判断执行模块64，具体用于计算所述人脸图像的清晰度分值、人脸大小分值以及角度分值；根据所述清晰度分值、所述人脸大小分值和所述角度分值以及对应的权重值，获取所述第一分值。
具体地，所述判断执行模块64，具体用于根据所述第二标识信息的图像组中保存的第二图像归属的每个类别，确定所述人脸图像对应的目标类别；判断第二标识信息的图像组中归属于所述目标类别的图像数量是否达到设定的数量阈值；所述根据保存的第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值包括：根据保存的第二标识信息的图像组中所述目标类别的每个第二图像的第二分值，判断是否存在小于第一分值的第二分值。
具体地，所述路人库的建立装置，还包括：
记录模块65，用于在所述第一标识信息的图像组中，记录所述人脸图像的第一采集时间信息；或在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集时间信息。
具体地，所述路人库的建立装置，还包括：
查询输出模块66，用于接收查询请求，所述查询请求中携带待查询的时间段的信息；根据所述时间段的信息，识别所述路人库中每个标识信息的图像组中图像的采集时间信息，确定包含有采集时间信息位于所述时间段内的图像组的第三标识信息，输出第三标识信息及第三标识信息的图像组中的每个第三图像。
具体地，所述记录模块65，还用于在所述第一标识信息的图像组中，记录所述人脸图像的第一采集地点信息；或在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集地点信息。
具体地，所述查询输出模块66，还用于接收查询请求，所述查询请求中携带待查询的第四图像；提取所述第四图像的第三特征，确定所述第三特征与所述路人库中每个图像的特征的第三相似性；识别第三相似性的最大值对应的第五图像以及第五图像所在图像组的第五标识信息；输出所述第五标识信息的图像组中记录的采集时间信息和采集地点信息。
由于本发明实施例中首先提取采集到的人脸图像的特征，确定该特征与布控库和白名单库中的图像的特征的第一相似性，当所有第一相似性均小于第一阈值时，证明抓拍到的人脸图像对应的人员为非库成员，通过确定该特征与路人库中每个图像的特征的第二相似性，当第二相似性的最大值小于第二阈值时，证明路人库中未存储该人脸图像对应的路人的信息，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中，从而建立一个存储非库成员人脸信息的路人库，该路人库中可以存储大量的非库人员的人脸图像，从而方便后续的统计分析。
实施例10：
在上述各实施例的基础上，本发明实施例中还提供了一种电子设备，如图7所示，包括：处理器71、通信接口72、存储器73和通信总线74，其中，处理器71，通信接口72，存储器73通过通信总线74完成相互间的通信；
所述存储器73中存储有计算机程序，当所述程序被所述处理器71执行时，使得所述处理器71执行如下步骤：
提取采集到的人脸图像的目标特征；
分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性；
如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性；
判断所述第二相似性的最大值是否大于预设第二阈值；
如果否，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中。
基于同一发明构思，本发明实施例中还提供了一种电子设备，由于上述电子设备解决问题的原理与路人库的建立方法相似，因此上述电子设备的实施可以参见方法的实施，重复之处不再赘述。
本发明实施例提供的电子设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant，PDA)、图像采集设备和图像处理设备等。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口72用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列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。
在本发明实施例中处理器执行存储器上所存放的程序时，实现提取采集到的人脸图像的目标特征；分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性；如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性；判断所述第二相似性的最大值是否大于预设第二阈值；如果否，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中。由于本发明实施例中首先提取采集到的人脸图像的特征，确定该特征与布控库和白名单库中的图像的特征的第一相似性，当所有第一相似性均小于第一阈值时，证明抓拍到的人脸图像对应的人员为非库成员，通过确定该特征与路人库中每个图像的特征的第二相似性，当第二相似性的最大值小于第二阈值时，证明路人库中未存储该人脸图像对应的路人的信息，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中，从而建立一个存储非库成员人脸信息的路人库，该路人库中可以存储大量的非库人员的人脸图像，从而方便后续的统计分析。
实施例11：
在上述各实施例的基础上，本发明实施例还提供了一种计算机存储可读存储介质，所述计算机可读存储介质内存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行时实现如下步骤：
提取采集到的人脸图像的目标特征；
分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性；
如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性；
判断所述第二相似性的最大值是否大于预设第二阈值；
如果否，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中。
基于同一发明构思，本发明实施例中还提供了一种计算机可读存储介质，由于处理器在执行上述计算机可读存储介质上存储的计算机程序时解决问题的原理与路人库的建立方相似，因此处理器在执行上述计算机可读存储介质存储的计算机程序的实施可以参见方法的实施，重复之处不再赘述。
上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD)等。
在本发明实施例中提供的计算机可读存储介质内存储计算机程序，计算机程序被处理器执行时实现提取采集到的人脸图像的目标特征；分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性；如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性；判断所述第二相似性的最大值是否大于预设第二阈值；如果否，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中。由于本发明实施例中首先提取采集到的人脸图像的特征，确定该特征与布控库和白名单库中的图像的特征的第一相似性，当所有第一相似性均小于第一阈值时，证明抓拍到的人脸图像对应的人员为非库成员，通过确定该特征与路人库中每个图像的特征的第二相似性，当第二相似性的最大值小于第二阈值时，证明路人库中未存储该人脸图像对应的路人的信息，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中，从而建立一个存储非库成员人脸信息的路人库，该路人库中可以存储大量的非库人员的人脸图像，从而方便后续的统计分析。
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一个操作与另一个实体或者另一个操作区分开来，而不一定要求或者暗示这些实体或者操作之间存在任何这种实际的关系或者顺序。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (22)

1.一种路人库的建立方法，其特征在于，所述建立方法包括：
提取采集到的人脸图像的目标特征；
分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性；
如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性；
判断所述第二相似性的最大值是否大于预设第二阈值；
如果否，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中。
2.如权利要求1所述的方法，其特征在于，所述提取采集到的人脸图像的目标特征之后，所述方法还包括：
根据所述目标特征，确定所述人脸图像的目标特征值；
所述分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性包括：
分别确定所述目标特征值与布控库和白名单库中保存的每个第一图像的第一特征值的第一相似性；
所述确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性包括：
确定所述目标特征值与预设的路人库中每个第二图像的第二特征值的第二相似性。
3.如权利要求1所述的方法，其特征在于，如果所述第二相似性的最大值大于预设第二阈值，所述方法还包括：
识别所述第二相似性的最大值对应的目标第二图像，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中。
4.如权利要求3所述的方法，其特征在于，所述将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中包括：
判断所述预设的路人库是否允许更新；
如果是，判断第二标识信息的图像组中保存的图像数量是否达到设定的数量阈值，如果否，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中；如果第二标识信息的图像组中保存的图像数量达到设定的数量阈值，计算所述人脸图像的第一分值，根据保存的第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值，如果是，将最小的第二分值对应的第二图像更新为所述人脸图像。
5.如权利要求4所述的方法，其特征在于，所述计算所述人脸图像的第一分值包括：
计算所述人脸图像的清晰度分值、人脸大小分值以及角度分值；
根据所述清晰度分值、所述人脸大小分值和所述角度分值以及对应的权重值，获取所述第一分值。
6.如权利要求4所述的方法，其特征在于，所述判断第二标识信息的图像组中保存的图像数量是否达到设定的数量阈值包括：
根据所述第二标识信息的图像组中保存的第二图像归属的每个类别，确定所述人脸图像对应的目标类别；判断第二标识信息的图像组中归属于所述目标类别的图像数量是否达到设定的数量阈值；
所述根据保存的第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值包括：
根据保存的第二标识信息的图像组中所述目标类别的每个第二图像的第二分值，判断是否存在小于第一分值的第二分值。
7.如权利要求3-6任一项所述的方法，其特征在于，所述方法还包括：
在所述第一标识信息的图像组中，记录所述人脸图像的第一采集时间信息；或
在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集时间信息。
8.如权利要求7所述的方法，其特征在于，所述方法还包括：
接收查询请求，所述查询请求中携带待查询的时间段的信息；
根据所述时间段的信息，识别所述路人库中每个标识信息的图像组中图像的采集时间信息，确定包含有采集时间信息位于所述时间段内的图像组的第三标识信息，输出第三标识信息及第三标识信息的图像组中的每个第三图像。
9.如权利要求7所述的方法，其特征在于，所述方法还包括：
在所述第一标识信息的图像组中，记录所述人脸图像的第一采集地点信息；或
在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集地点信息。
10.如权利要求9所述的方法，其特征在于，所述方法还包括：
接收查询请求，所述查询请求中携带待查询的第四图像；
提取所述第四图像的第三特征，确定所述第三特征与所述路人库中每个图像的特征的第三相似性；
识别第三相似性的最大值对应的第五图像以及第五图像所在图像组的第五标识信息；
输出所述第五标识信息的图像组中记录的采集时间信息和采集地点信息。
11.一种路人库的建立装置，其特征在于，所述建立装置包括：
采集提取模块，用于提取采集到的人脸图像的目标特征；
相似性确定模块，用于分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性；
判断确定模块，用于如果任意一个第一相似性均小于预设第一阈值，确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性；
判断执行模块，用于判断所述第二相似性的最大值是否大于预设第二阈值；如果否，将所述人脸图像及所述人脸图像对应的第一标识信息添加到所述预设的路人库中。
12.如权利要求11所述的装置，其特征在于，所述采集提取模块，还用于根据所述目标特征，确定所述人脸图像的目标特征值；
所述分别确定所述目标特征与布控库和白名单库中保存的每个第一图像的第一特征的第一相似性包括：
分别确定所述目标特征值与布控库和白名单库中保存的每个第一图像的第一特征值的第一相似性；
所述确定所述目标特征与预设的路人库中每个第二图像的第二特征的第二相似性包括：
确定所述目标特征值与预设的路人库中每个第二图像的第二特征值的第二相似性。
13.如权利要求11所述的装置，其特征在于，所述判断执行模块，还用于如果所述第二相似性的最大值大于预设第二阈值，识别所述第二相似性的最大值对应的目标第二图像，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中。
14.如权利要求13所述的装置，其特征在于，所述判断执行模块，具体用于判断所述预设的路人库是否允许更新；如果是，判断第二标识信息的图像组中保存的图像数量是否达到设定的数量阈值，如果否，将所述人脸图像存储到所述目标第二图像所在的第二标识信息的图像组中；如果第二标识信息的图像组中保存的图像数量达到设定的数量阈值，计算所述人脸图像的第一分值，根据保存的第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值，如果是，将最小的第二分值对应的第二图像更新为所述人脸图像。
15.如权利要求14所述的装置，其特征在于，所述判断执行模块，具体用于计算所述人脸图像的清晰度分值、人脸大小分值以及角度分值；根据所述清晰度分值、所述人脸大小分值和所述角度分值以及对应的权重值，获取所述第一分值。
16.如权利要求14所述的装置，其特征在于，所述判断执行模块，具体用于根据所述第二标识信息的图像组中保存的第二图像归属的每个类别，确定所述人脸图像对应的目标类别；判断第二标识信息的图像组中归属于所述目标类别的图像数量是否达到设定的数量阈值；所述根据保存的第二标识信息的图像组中每个第二图像的第二分值，判断是否存在小于第一分值的第二分值包括：根据保存的第二标识信息的图像组中所述目标类别的每个第二图像的第二分值，判断是否存在小于第一分值的第二分值。
17.如权利要求13-16任一项所述的装置，其特征在于，所述路人库的建立装置，还包括：
记录模块，用于在所述第一标识信息的图像组中，记录所述人脸图像的第一采集时间信息；或在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集时间信息。
18.如权利要求17所述的装置，其特征在于，所述路人库的建立装置，还包括：
查询输出模块，用于接收查询请求，所述查询请求中携带待查询的时间段的信息；根据所述时间段的信息，识别所述路人库中每个标识信息的图像组中图像的采集时间信息，确定包含有采集时间信息位于所述时间段内的图像组的第三标识信息，输出第三标识信息及第三标识信息的图像组中的每个第三图像。
19.如权利要求17所述的装置，其特征在于，所述记录模块，还用于在所述第一标识信息的图像组中，记录所述人脸图像的第一采集地点信息；或在该目标第二图像对应的第二标识信息的图像组中，记录该人脸图像的第一采集地点信息。
20.如权利要求19所述的装置，其特征在于，所述查询输出模块，还用于接收查询请求，所述查询请求中携带待查询的第四图像；提取所述第四图像的第三特征，确定所述第三特征与所述路人库中每个图像的特征的第三相似性；识别第三相似性的最大值对应的第五图像以及第五图像所在图像组的第五标识信息；输出所述第五标识信息的图像组中记录的采集时间信息和采集地点信息。
21.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-10任一项所述的方法步骤。
22.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-10任一项所述的方法步骤。
CN201711286557.6A 2017-12-07 2017-12-07 一种路人库的建立方法、装置、电子设备及介质 Active CN108038176B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711286557.6A CN108038176B (zh) 2017-12-07 2017-12-07 一种路人库的建立方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711286557.6A CN108038176B (zh) 2017-12-07 2017-12-07 一种路人库的建立方法、装置、电子设备及介质

Publications (2)

Publication Number Publication Date
CN108038176A true CN108038176A (zh) 2018-05-15
CN108038176B CN108038176B (zh) 2020-09-29

Family

ID=62095800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711286557.6A Active CN108038176B (zh) 2017-12-07 2017-12-07 一种路人库的建立方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN108038176B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063691A (zh) * 2018-09-03 2018-12-21 武汉普利商用机器有限公司 一种人脸识别底库优化方法及系统
CN110717358A (zh) * 2018-07-12 2020-01-21 杭州海康威视数字技术股份有限公司 访客人数统计方法、装置、电子设备及存储介质
CN111160200A (zh) * 2019-12-23 2020-05-15 浙江大华技术股份有限公司 一种路人库的建立方法及装置
CN112257744A (zh) * 2020-09-10 2021-01-22 浙江大华技术股份有限公司 数据获取的方法和相关装置、设备
CN112437278A (zh) * 2020-11-23 2021-03-02 杭州海康威视数字技术股份有限公司 一种协同监控系统、装置及方法
CN112580397A (zh) * 2019-09-29 2021-03-30 北京市商汤科技开发有限公司 数据处理方法、装置及存储介质
CN112613342A (zh) * 2020-11-27 2021-04-06 深圳市捷视飞通科技股份有限公司 行为分析方法、装置、计算机设备和存储介质
CN112652007A (zh) * 2020-12-30 2021-04-13 武汉华工激光工程有限责任公司 透明基板内部二维码深度测量系统和测量方法
CN112949362A (zh) * 2019-12-11 2021-06-11 杭州海康威视数字技术股份有限公司 人员信息标注方法、装置及电子设备
CN113157764A (zh) * 2021-02-04 2021-07-23 浙江大华系统工程有限公司 一种隐性特质人员的挖掘方法、系统、存储介质及设备
JP2022503373A (ja) * 2019-09-29 2022-01-12 北京市商▲湯▼科技▲開▼▲發▼有限公司 データ処理方法、装置及び記憶媒体

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770613A (zh) * 2010-01-19 2010-07-07 北京智慧眼科技发展有限公司 基于人脸识别和活体检测的社保身份认证方法
CN101964064A (zh) * 2010-07-27 2011-02-02 上海摩比源软件技术有限公司 一种人脸比对方法
CN102880729A (zh) * 2012-11-02 2013-01-16 深圳市宜搜科技发展有限公司 基于人脸检测与识别的人物图片索引方法及装置
CN103870811A (zh) * 2014-03-06 2014-06-18 中国人民解放军国防科学技术大学 一种用于视频监控的正面人脸快速判别方法
CN103942811A (zh) * 2013-01-21 2014-07-23 中国电信股份有限公司 分布式并行确定特征目标运动轨迹的方法与系统
US20150269418A1 (en) * 2012-06-15 2015-09-24 Shutterfly, Inc. Assisted photo-tagging with facial recognition models
US20160012280A1 (en) * 2013-02-28 2016-01-14 Hitachi Kokusai Electric Inc. Person search method and device for searching person staying on platform
CN105426850A (zh) * 2015-11-23 2016-03-23 深圳市商汤科技有限公司 一种基于人脸识别的关联信息推送设备及方法
CN106446816A (zh) * 2016-09-14 2017-02-22 北京旷视科技有限公司 人脸识别方法及装置
CN106503687A (zh) * 2016-11-09 2017-03-15 合肥工业大学 融合人脸多角度特征的监控视频人物身份识别系统及其方法
CN106709468A (zh) * 2016-12-31 2017-05-24 北京中科天云科技有限公司 一种城市区域布控系统及装置
CN106998444A (zh) * 2017-02-14 2017-08-01 北京中科天云科技有限公司 一种大数据人脸监控系统及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770613A (zh) * 2010-01-19 2010-07-07 北京智慧眼科技发展有限公司 基于人脸识别和活体检测的社保身份认证方法
CN101964064A (zh) * 2010-07-27 2011-02-02 上海摩比源软件技术有限公司 一种人脸比对方法
US20150269418A1 (en) * 2012-06-15 2015-09-24 Shutterfly, Inc. Assisted photo-tagging with facial recognition models
CN102880729A (zh) * 2012-11-02 2013-01-16 深圳市宜搜科技发展有限公司 基于人脸检测与识别的人物图片索引方法及装置
CN103942811A (zh) * 2013-01-21 2014-07-23 中国电信股份有限公司 分布式并行确定特征目标运动轨迹的方法与系统
US20160012280A1 (en) * 2013-02-28 2016-01-14 Hitachi Kokusai Electric Inc. Person search method and device for searching person staying on platform
CN103870811A (zh) * 2014-03-06 2014-06-18 中国人民解放军国防科学技术大学 一种用于视频监控的正面人脸快速判别方法
CN105426850A (zh) * 2015-11-23 2016-03-23 深圳市商汤科技有限公司 一种基于人脸识别的关联信息推送设备及方法
CN106446816A (zh) * 2016-09-14 2017-02-22 北京旷视科技有限公司 人脸识别方法及装置
CN106503687A (zh) * 2016-11-09 2017-03-15 合肥工业大学 融合人脸多角度特征的监控视频人物身份识别系统及其方法
CN106709468A (zh) * 2016-12-31 2017-05-24 北京中科天云科技有限公司 一种城市区域布控系统及装置
CN106998444A (zh) * 2017-02-14 2017-08-01 北京中科天云科技有限公司 一种大数据人脸监控系统及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YINGHAO CAI等: "Persistent People Tracking and Face Capture using a PTZ Camera", 《2013 SEVENTH INTERNATIONAL CONFERENCE ON DISTRIBUTED SMART CAMERAS (ICDSC)》 *
陈惠红等: "人脸识别技术分析与系统架构", 《新型工业化》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110717358A (zh) * 2018-07-12 2020-01-21 杭州海康威视数字技术股份有限公司 访客人数统计方法、装置、电子设备及存储介质
CN110717358B (zh) * 2018-07-12 2022-12-02 杭州海康威视数字技术股份有限公司 访客人数统计方法、装置、电子设备及存储介质
CN109063691A (zh) * 2018-09-03 2018-12-21 武汉普利商用机器有限公司 一种人脸识别底库优化方法及系统
CN109063691B (zh) * 2018-09-03 2021-04-20 武汉普利商用机器有限公司 一种人脸识别底库优化方法及系统
US11335098B2 (en) * 2019-09-29 2022-05-17 Beijing Sensetime Technology Development Co., Ltd. Data processing methods, apparatuses and storage media
JP2022503373A (ja) * 2019-09-29 2022-01-12 北京市商▲湯▼科技▲開▼▲發▼有限公司 データ処理方法、装置及び記憶媒体
TWI745101B (zh) * 2019-09-29 2021-11-01 大陸商北京市商湯科技開發有限公司 資料處理方法、裝置及電腦可讀取記錄媒體
CN112580397A (zh) * 2019-09-29 2021-03-30 北京市商汤科技开发有限公司 数据处理方法、装置及存储介质
WO2021057149A1 (zh) * 2019-09-29 2021-04-01 北京市商汤科技开发有限公司 数据处理方法、装置及存储介质
CN112949362B (zh) * 2019-12-11 2023-10-17 杭州海康威视数字技术股份有限公司 人员信息标注方法、装置及电子设备
CN112949362A (zh) * 2019-12-11 2021-06-11 杭州海康威视数字技术股份有限公司 人员信息标注方法、装置及电子设备
CN111160200B (zh) * 2019-12-23 2023-06-16 浙江大华技术股份有限公司 一种路人库的建立方法及装置
CN111160200A (zh) * 2019-12-23 2020-05-15 浙江大华技术股份有限公司 一种路人库的建立方法及装置
CN112257744A (zh) * 2020-09-10 2021-01-22 浙江大华技术股份有限公司 数据获取的方法和相关装置、设备
CN112437278A (zh) * 2020-11-23 2021-03-02 杭州海康威视数字技术股份有限公司 一种协同监控系统、装置及方法
CN112613342A (zh) * 2020-11-27 2021-04-06 深圳市捷视飞通科技股份有限公司 行为分析方法、装置、计算机设备和存储介质
CN112652007A (zh) * 2020-12-30 2021-04-13 武汉华工激光工程有限责任公司 透明基板内部二维码深度测量系统和测量方法
CN112652007B (zh) * 2020-12-30 2021-09-10 武汉华工激光工程有限责任公司 透明基板内部二维码深度测量系统和测量方法
CN113157764A (zh) * 2021-02-04 2021-07-23 浙江大华系统工程有限公司 一种隐性特质人员的挖掘方法、系统、存储介质及设备

Also Published As

Publication number Publication date
CN108038176B (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
CN108038176A (zh) 一种路人库的建立方法、装置、电子设备及介质
CN110619657B (zh) 一种面向智慧社区的多摄像机联动多目标追踪方法及系统
CN106570465B (zh) 一种基于图像识别的人流量统计方法及装置
CN108038937B (zh) 一种迎宾信息的展示方法、装置、终端设备和存储介质
CN110648352B (zh) 一种异常事件的检测方法、装置及电子设备
CN110650316A (zh) 智能巡逻及预警处理方法、装置、电子设备及存储介质
CN110706247B (zh) 一种目标跟踪方法、装置及系统
CN110874583A (zh) 一种客流统计的方法、装置、存储介质及电子设备
CN105631427A (zh) 可疑人员检测方法与系统
CN102945366A (zh) 一种人脸识别的方法及装置
CN106878670A (zh) 一种视频处理方法及装置
CN108021846A (zh) 一种人脸识别方法和装置
CN109902551A (zh) 开放场景的实时人流统计方法和装置
CN109141453A (zh) 一种路线指引方法及系统
CN109740004A (zh) 一种归档方法及装置
CN109815842A (zh) 一种确定待识别对象的属性信息的方法及装置
CN112464030B (zh) 一种可疑人员确定方法及装置
CN109963113B (zh) 一种感兴趣目标的监控方法及装置
CN109800675A (zh) 一种确定人脸对象的识别图像的方法及装置
CN110322472A (zh) 一种多目标跟踪方法以及终端设备
CN111259813A (zh) 人脸检测跟踪方法、装置、计算机设备和存储介质
CN207233038U (zh) 人脸点名与计数系统
CN115761655A (zh) 一种目标跟踪方法及装置
CN109783663B (zh) 一种归档方法及装置
CN114677640A (zh) 基于机器视觉的智慧工地安全监测系统及方法

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