CN108228871A - 人脸图像动态入库方法和装置、电子设备、介质、程序 - Google Patents
人脸图像动态入库方法和装置、电子设备、介质、程序 Download PDFInfo
- Publication number
- CN108228871A CN108228871A CN201810041796.3A CN201810041796A CN108228871A CN 108228871 A CN108228871 A CN 108228871A CN 201810041796 A CN201810041796 A CN 201810041796A CN 108228871 A CN108228871 A CN 108228871A
- Authority
- CN
- China
- Prior art keywords
- image
- facial image
- facial
- face
- stored
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000001815 facial effect Effects 0.000 title claims abstract description 556
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000004044 response Effects 0.000 claims abstract description 67
- 238000004590 computer program Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 description 33
- 238000005516 engineering process Methods 0.000 description 12
- 230000006854 communication Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- 238000003709 image segmentation Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
-
- 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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/174—Redundancy elimination performed by the file system
- G06F16/1748—De-duplication implemented within the file system, e.g. based on file segments
-
- 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
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- 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
- 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
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
- Studio Devices (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种人脸图像动态入库方法和装置、电子设备、介质、程序,其中,方法包括:将获得的人脸图像与图像数据库中预存的人脸图像进行比对;响应于比对结果表示所述人脸图像在所述图像数据库中不存在匹配的人脸图像,将所述人脸图像存入数据库或不存入所述图像数据库。本发明实施例实现了人脸图像的动态入库控制。
Description
本发明实施例要求在2017年7月21日提交中国专利局、申请号为201710605539.3、发明名称为“人脸图像入库方法、装置、电子设备和计算机存储介质”的中国专利申请的优先权,其全部内容通过引用结合在本发明实施例中。
技术领域
本发明实施例涉及计算机视觉技术,尤其是一种人脸图像动态入库方法和装置、电子设备、介质、程序。
背景技术
随着消费的不断升级,需求个性化和场景体验化会成为零售模式的核心要素,消费者为之买单的不仅仅是商品本身,也包含购物体验、环境和个性化服务等场景元素。
人脸搜索是基于已知的人脸数据库,从已知的人脸标准库中搜索到相应人脸图像的方式,通常人脸标准库中保存有固定总数的标准照,标准照是系统在进行人脸搜索或者比对时,作为基准人脸而存在的图片。
发明内容
本发明实施例提供一种人脸图像动态入库技术。
根据本发明实施例的一个方面,提供的一种人脸图像动态入库方法,包括:
将获得的人脸图像与图像数据库中预存的人脸图像进行比对;
响应于比对结果表示所述人脸图像在所述图像数据库中不存在匹配的人脸图像,将所述人脸图像存入数据库或不存入所述图像数据库。
在基于本发明上述方法的另一个实施例中,将所述人脸图像存入数据库或不存入所述图像数据库,包括:
根据预设模式将所述人脸图像存入所述图像数据库或不存入所述图像数据库。
在基于本发明上述方法的另一个实施例中,所述预设模式包括:
将不存在匹配的人脸图像存入所述图像数据库的第一预设模式。
在基于本发明上述方法的另一个实施例中,所述预设模式包括:
将不存在匹配的人脸图像不存入所述图像数据库的第二预设模式。
在基于本发明上述方法的另一个实施例中,所述预设模式包括:根据获取的操作指示信息将所述不存在匹配的人脸图像存入或不存入所述图像数据库的第三预设模式。
在基于本发明上述方法的另一个实施例中,所述操作指示信息包括存入操作指示信息和不存入操作指示信息,所述存入操作指示信息用于指示将人脸图像存入所述图像数据库,所述不存入操作指示信息用于指示不将人脸图像存入所述图像数据库。
在基于本发明上述方法的另一个实施例中,所述根据预设模式将所述人脸图像存入所述图像数据库,包括:
响应于所述预设模式为所述第一预设模式,将所述人脸图像存入所述图像数据库。
在基于本发明上述方法的另一个实施例中,所述根据预设模式将所述人脸图像存入所述图像数据库,包括:
响应于所述预设模式为所述第三预设模式,根据存入操作指示信息将所述人脸图像存入所述图像数据库。
在基于本发明上述方法的另一个实施例中,所述根据预设模式将所述人脸图像不存入所述图像数据库,包括:
响应于所述预设模式为所述第二预设模式,将所述人脸图像不存入所述图像数据库。
在基于本发明上述方法的另一个实施例中,所述根据预设模式将所述人脸图像不存入所述图像数据库,包括:
响应于所述预设模式为所述第三预设模式,根据不存入操作指示信息将所述人脸图像不存入所述图像数据库。
在基于本发明上述方法的另一个实施例中,所述根据操作指示信息将所述人脸图像存入所述图像数据库或不存入所述图像数据库,包括:
发送提示操作信息;
响应于接收到根据所述提示操作信息反馈的操作指示信息,根据所述操作指示信息将所述人脸图像存入或不存入所述图像数据库。
在基于本发明上述方法的另一个实施例中,还包括:
响应于预设时间内未接收到根据所述提示操作信息反馈的操作指示信息,重复发送提示操作信息或将所述人脸图像不存入所述图像数据库。
在基于本发明上述方法的另一个实施例中,所述图像数据库中包括至少一个人脸图像和对应所述人脸图像出现的次数;
所述方法还包括:
响应于比对结果表示所述人脸图像在所述图像数据库中存在匹配的人脸图像,不将所述人脸图像存入所述图像数据库,将所述图像数据库中与所述人脸图像匹配的人脸图像的出现次数加1。
在基于本发明上述方法的另一个实施例中,所述图像数据库包括至少一个图像组,所述图像组保存有属于同一个人的人脸图像及其获取时间和获取地点;
所述方法还包括:响应于所述人脸图像的出现次数大于2,基于所述人脸图像所在的图像组中的多张人脸图像及其获取时间和获取地点建立同一个人的行为轨迹。
在基于本发明上述方法的另一个实施例中,所述图像数据库包括至少一个图像组,所述图像组用于保存属于同一个人的人脸图像;
所述将获得的人脸图像与图像数据库中预存的人脸图像进行比对,包括:将获得的人脸图像与保存有多张人脸图像的图像组中保存的其中一个人脸图像进行比对。
在基于本发明上述方法的另一个实施例中,所述将获得的人脸图像与图像数据库中预存的人脸图像进行比对之前,还包括:
从视频流中获取包括人脸图像的至少一帧视频图像;
对所述视频图像进行图像分割,得到至少一个所述人脸图像。
在基于本发明上述方法的另一个实施例中,所述将获得的人脸图像与图像数据库中预存的人脸图像进行比对之前,还包括:
对所述获得的人脸图像执行去重过滤操作;或者,
对所述获得的人脸图像执行去重过滤操作,将去重过滤操作后的人脸图像发送到云端服务器以进行所述比对。
在基于本发明上述方法的另一个实施例中,对所述获得的人脸图像执行去重过滤操作,包括:
对所述获得的人脸图像执行过滤操作,得到图像质量达到第一预设条件的至少一个人脸图像;
将所述至少一个人脸图像中的各所述人脸图像与图像队列中预存的至少一张人脸图像进行匹配,得到匹配结果;
响应于所述匹配结果表示所述人脸图像在所述图像队列中存在匹配图像,确定所述人脸图像为重复图像,和/或,不将所述人脸图像存入所述图像队列;
和/或,
响应于所述匹配结果表示所述人脸图像在所述图像队列中不存在匹配图像,确定所述人脸图像不是重复图像,和/或,将所述人脸图像存入所述图像队列。
在基于本发明上述方法的另一个实施例中,所述对获得的多个人脸图像执行过滤操作,包括:
对获得的多个人脸图像分别基于所述人脸图像对应的人脸属性进行过滤;所述人脸属性用于表示所述人脸图像中人脸的显示质量;
和/或,
对获得的多个人脸图像分别基于所述人脸图像中的人脸角度进行过滤;所述人脸角度用于表示所述人脸图像中人脸的偏转角度。
在基于本发明上述方法的另一个实施例中,所述人脸属性包括以下一项或多项:人脸角度、人脸宽高值、人脸模糊度;
所述对获得的多个人脸图像分别基于所述人脸属性进行过滤,包括:获取所述人脸图像中的人脸对应的人脸属性,对所述人脸属性进行判断;
所述将所述至少一个人脸图像中的各所述人脸图像与图像队列中预存的人脸图像进行匹配,包括:响应于所述人脸角度在第一预设范围内、所述人脸宽高值大于第二预设阈值、
和/或所述人脸模糊度小于第三预设阈值,将所述至少一个人脸图像中的各所述人脸图像与图像队列中预存的人脸图像进行匹配。
在基于本发明上述方法的另一个实施例中,所述对获得的多个人脸图像分别基于所述人脸属性进行过滤,还包括:
响应于所述人脸角度不在所述第一预设范围内、所述人脸宽高值小于或等于所述第二预设阈值、和/或所述人脸模糊度大于或等于所述第三预设阈值,删除所述人脸图像。
在基于本发明上述方法的另一个实施例中,所述对获得的多个人脸图像执行过滤操作,得到图像质量达到第一预设条件的至少一个人脸图像,包括:
从多个人脸图像中识别出对应同一人的至少一个人脸图像;
基于所述对应同一人的至少一个人脸图像获得人脸轨迹;
基于所述人脸图像对应的人脸角度对所述人脸轨迹中的人脸图像进行过滤,得到所述人脸轨迹中质量达到第一预设条件的人脸图像。
在基于本发明上述方法的另一个实施例中,所述人脸角度包括以下一项或多项:人脸水平转角、人脸俯仰角、人脸倾斜角。
所述对获得的多个人脸图像执行过滤操作,包括:
将所述人脸图像对应的人脸水平转角、人脸俯仰角和人脸倾斜角转换为一个三维向量;
基于所述三维向量到源点的距离对所述人脸轨迹中的人脸图像进行过滤;所述源点为值全为0的三维向量。
在基于本发明上述方法的另一个实施例中,将所述至少一个人脸图像中的各所述人脸图像与图像队列中预存的至少一个人脸图像进行匹配,得到匹配结果,包括:
基于所述至少一个人脸图像中各所述人脸图像对应的人脸特征,和所述图像队列中各人脸图像对应的人脸特征,获得各所述人脸图像与所述图像队列中的人脸图像的相似度;
响应于所述相似度大于或等于预设相似度,得到表示所述人脸图像在所述图像队列中存在匹配图像的匹配结果;
响应于所述相似度小于所述预设相似度,得到表示所述人脸图像在所述图像队列中不存在匹配图像的匹配结果。
根据本发明实施例的另一个方面,提供的一种人脸图像动态入库装置,包括:
比对单元,用于将获得的人脸图像与图像数据库中预存的人脸图像进行比对;
存储单元,用于响应于比对结果表示所述人脸图像在所述图像数据库中不存在匹配的人脸图像,将所述人脸图像存入数据库或不存入所述图像数据库。
在基于本发明上述装置的另一个实施例中,所述存储单元,具体用于根据预设模式将所述人脸图像存入所述图像数据库或不存入所述图像数据库。
在基于本发明上述装置的另一个实施例中,所述预设模式包括:
将不存在匹配的人脸图像存入所述图像数据库的第一预设模式。
在基于本发明上述装置的另一个实施例中,所述预设模式包括:
将不存在匹配的人脸图像不存入所述图像数据库的第二预设模式。
在基于本发明上述装置的另一个实施例中,所述预设模式包括:根据获取的操作指示信息将所述不存在匹配的人脸图像存入或不存入所述图像数据库的第三预设模式。
在基于本发明上述装置的另一个实施例中,所述操作指示信息包括存入操作指示信息和不存入操作指示信息,所述存入操作指示信息用于指示将人脸图像存入所述图像数据库,所述不存入操作指示信息用于指示不将人脸图像存入所述图像数据库。
在基于本发明上述装置的另一个实施例中,所述存储单元根据预设模式将所述人脸图像存入所述图像数据库时,具体用于响应于所述预设模式为所述第一预设模式,将所述人脸图像存入所述图像数据库。
在基于本发明上述装置的另一个实施例中,所述存储单元根据预设模式将所述人脸图像存入所述图像数据库时,具体用于响应于所述预设模式为所述第三预设模式,根据存入操作指示信息将所述人脸图像存入所述图像数据库。
在基于本发明上述装置的另一个实施例中,所述存储单元根据预设模式将所述人脸图像不存入所述图像数据库时,具体用于响应于所述预设模式为所述第二预设模式,将所述人脸图像不存入所述图像数据库。
在基于本发明上述装置的另一个实施例中,所述存储单元根据预设模式将所述人脸图像不存入所述图像数据库时,具体用于响应于所述预设模式为所述第三预设模式,根据不存入操作指示信息将所述人脸图像不存入所述图像数据库。
在基于本发明上述装置的另一个实施例中,所述存储单元根据操作指示信息将所述人脸图像存入所述图像数据库或不存入所述图像数据库时,包括:
提示模块,用于发送提示操作信息;
反馈操作模块,用于响应于接收到根据所述提示操作信息反馈的操作指示信息,根据所述操作指示信息将所述人脸图像存入或不存入所述图像数据库。
在基于本发明上述装置的另一个实施例中,所述存储单元,还包括:
超时模块,用于响应于预设时间内未接收到根据所述提示操作信息反馈的操作指示信息,重复发送提示操作信息或将所述人脸图像不存入所述图像数据库。
在基于本发明上述装置的另一个实施例中,所述图像数据库中包括至少一个人脸图像和对应所述人脸图像出现的次数;
所述装置还包括:
累计单元,用于响应于比对结果表示所述人脸图像在所述图像数据库中存在匹配的人脸图像,不将所述人脸图像存入所述图像数据库,将所述图像数据库中与所述人脸图像匹配的人脸图像的出现次数加1。
在基于本发明上述装置的另一个实施例中,所述图像数据库包括至少一个图像组,所述图像组保存有属于同一个人的人脸图像及其获取时间和获取地点;
所述装置还包括:
轨迹建立单元,用于响应于所述人脸图像的出现次数大于2,基于所述人脸图像所在的图像组中的多张人脸图像及其获取时间和获取地点建立同一个人的行为轨迹。
在基于本发明上述装置的另一个实施例中,所述图像数据库包括至少一个图像组,所述图像组用于保存属于同一个人的人脸图像;
所述比对单元,具体用于将获得的人脸图像与保存有多张人脸图像的图像组中保存的其中一个人脸图像进行比对。
在基于本发明上述装置的另一个实施例中,还包括:
视频采集单元,用于从视频流中获取包括人脸图像的至少一帧视频图像;
图像分割单元,用于对所述视频图像进行图像分割,得到至少一个所述人脸图像。
在基于本发明上述装置的另一个实施例中,还包括:
去重过滤单元,用于对所述获得的人脸图像执行去重过滤操作;或者,对所述获得的人脸图像执行去重过滤操作,将去重过滤操作后的人脸图像发送到云端服务器以进行所述比对。
在基于本发明上述装置的另一个实施例中,所述去重过滤单元,包括:
过滤模块,用于对所述获得的人脸图像执行过滤操作,得到图像质量达到第一预设条件的至少一个人脸图像;
匹配模块,用于将所述至少一个人脸图像中的各所述人脸图像与图像队列中预存的至少一张人脸图像进行匹配,得到匹配结果;
去重模块,用于响应于所述匹配结果表示所述人脸图像在所述图像队列中存在匹配图像,确定所述人脸图像为重复图像,和/或,不将所述人脸图像存入所述图像队列;和/或,
响应于所述匹配结果表示所述人脸图像在所述图像队列中不存在匹配图像,确定所述人脸图像不是重复图像,和/或,将所述人脸图像存入所述图像队列。
在基于本发明上述装置的另一个实施例中,所述过滤模块,包括:
属性过滤模块,用于对获得的多个人脸图像分别基于所述人脸图像对应的人脸属性进行过滤;所述人脸属性用于表示所述人脸图像中人脸的显示质量;
和/或,
角度过滤模块,用于对获得的多个人脸图像分别基于所述人脸图像中的人脸角度进行过滤;所述人脸角度用于表示所述人脸图像中人脸的偏转角度。
在基于本发明上述装置的另一个实施例中,所述人脸属性包括以下一项或多项:人脸角度、人脸宽高值、人脸模糊度;
所述过滤模块,具体用于获取所述人脸图像中的人脸对应的人脸属性,对所述人脸属性进行判断;
所述匹配模块,具体用于响应于所述人脸角度在第一预设范围内、所述人脸宽高值大于第二预设阈值、和/或所述人脸模糊度小于第三预设阈值,将所述至少一个人脸图像中的各所述人脸图像与图像队列中预存的人脸图像进行匹配。
在基于本发明上述装置的另一个实施例中,所述属性过滤模块,还用于响应于所述人脸角度不在所述第一预设范围内、所述人脸宽高值小于或等于所述第二预设阈值、和/或所述人脸模糊度大于或等于所述第三预设阈值,删除所述人脸图像。
在基于本发明上述装置的另一个实施例中,所述过滤模块,具体用于从多个人脸图像中识别出对应同一人的至少一个人脸图像;
基于所述对应同一人的至少一个人脸图像获得人脸轨迹;
基于所述人脸图像对应的人脸角度对所述人脸轨迹中的人脸图像进行过滤,得到所述人脸轨迹中质量达到第一预设条件的人脸图像。
在基于本发明上述装置的另一个实施例中,所述人脸角度包括以下一项或多项:人脸水平转角、人脸俯仰角、人脸倾斜角。
所述过滤模块,包括:
角度转换模块,用于将所述人脸图像对应的人脸水平转角、人脸俯仰角和人脸倾斜角转换为一个三维向量;
向量过滤模块,用于基于所述三维向量到源点的距离对所述人脸轨迹中的人脸图像进行过滤;所述源点为值全为0的三维向量。
在基于本发明上述装置的另一个实施例中,所述匹配模块,具体用于:
基于所述至少一个人脸图像中各所述人脸图像对应的人脸特征,和所述图像队列中各人脸图像对应的人脸特征,获得各所述人脸图像与所述图像队列中的人脸图像的相似度;
响应于所述相似度大于或等于预设相似度,得到表示所述人脸图像在所述图像队列中存在匹配图像的匹配结果;
响应于所述相似度小于所述预设相似度,得到表示所述人脸图像在所述图像队列中不存在匹配图像的匹配结果。
根据本公开实施例的另一个方面,提供的一种电子设备,包括处理器,所述处理器包括如上所述的人脸图像动态入库装置。
根据本公开实施例的另一个方面,提供的一种电子设备,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成如上所述人脸图像动态入库方法。
根据本公开实施例的另一个方面,提供的一种计算机存储介质,用于存储计算机可读取的指令,所述指令被执行时执行如上所述人脸图像动态入库方法。
根据本公开实施例的另一个方面,提供的一种计算机程序,包括计算机可读代码,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现如上所述人脸图像动态入库方法的指令。
基于本发明实施例提供的一种人脸图像动态入库方法和装置、电子设备、介质、程序,将获得的人脸图像与图像数据库中预存的人脸图像进行比对,当人脸图像在图像数据库中不存在相应的人脸图像,说明该人脸图像很可能是第一次出现或之前被从图像数据库中删除,此时,响应于比对结果表示人脸图像在图像数据库中不存在匹配的人脸图像,将人脸图像存入数据库或不存入图像数据库;图像数据库中可以包括人脸图像,也可以没有人脸图像,实现了在预先无人脸标准库或者人脸标准库数据不全的情况下,对人脸图像的检索和入库,在不断进行人脸比对的过程中,将符合要求的人脸图像加入图像数据库,从而构建起基于动态入库方式的图像数据库。
下面通过附图和实施例,对本发明实施例的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例,并且连同描述一起用于解释本发明实施例的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本发明实施例,其中:
图1为本发明人脸图像动态入库方法一个实施例的流程图。
图2为本发明人脸图像动态入库装置一个实施例的结构示意图。
图3为用来实现本申请实施例的终端设备或服务器的电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于计算机系统/服务器,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
基于人脸图像的检索通常是以一个人脸图像在多个已知的人脸图像中进行1:N的搜索,在进行1:N人脸搜索的过程中,N通常是一个已经确定好总数、确定好每张图片的人脸标准库。在实际运用中,越来越多场景需求是预先没有人脸标准库、或人脸标准库可根据1:N搜索结果对标准库中总数、图片进行修正。常用的固定总数、固定图片的人脸标准库已无法满足业务需求。
图1为本发明人脸图像动态入库方法一个实施例的流程图。如图1所示,该实施例方法包括:
步骤101,将获得的人脸图像与图像数据库中预存的人脸图像进行比对。
其中,图像数据库用于保存人脸图像。初始状态下的图像数据库是空的或者已经存储有人脸图像,通过不断的运行本发明实施例的方法,可以使越来越多符合要求的人脸图像被自动存入图像数据库中,实现构建图像数据库。
步骤102,响应于比对结果表示人脸图像在图像数据库中不存在匹配的人脸图像,将人脸图像存入数据库或不存入图像数据库。
基于本发明上述实施例提供的一种人脸图像动态入库方法,将获得的人脸图像与图像数据库中预存的人脸图像进行比对,当人脸图像在图像数据库中不存在相应的人脸图像,说明该人脸图像很有可能是第一次出现或之前被从图像数据库中删除,此时,响应于比对结果表示人脸图像在图像数据库中不存在匹配的人脸图像,将人脸图像存入数据库或不存入图像数据库;实现了在预先无人脸标准库或者人脸标准库数据不全的情况下,对人脸图像的检索和入库,实现了动态入库,在不断进行人脸比对的过程中,将符合要求的人脸图像加入图像数据库,从而构建起基于动态入库方式的图像数据库。
在本发明人脸图像动态入库方法上述实施例的一个具体示例中,将人脸图像存入数据库或不存入图像数据库,包括:
根据预设模式将人脸图像存入图像数据库或不存入图像数据库。
本实施例针对人脸图像不存在匹配的情况,可认为该人脸图像对应的人为新人,此时,可根据预先设置的预设模式,对该人脸图像进行操作;具体地,预设模式包括以下一种或多种预设模式:
将不存在匹配的人脸图像存入图像数据库的第一预设模式,在实际应用中,当需要动态建立或扩充图像数据库时,通常采用第一预设模式,将所有新人的人脸图像都存入图像数据库中,实现对图像数据库的更新,以备后续基于更新后的图像数据库识别新获得的人脸图像是否为新人的人脸图像。
将不存在匹配的人脸图像不存入图像数据库的第二预设模式,在实际应用中,还存在一种情况,对当前获得的人脸图像都需要进行判断,但这些人脸图像都属于临时数据,不需要存储,例如:需要统计进入某地的人及人脸图像,而对于离开的人需要与进入的人进行比对,但没有存储的必要,此时,可设置为第二预设模式,不存在匹配的人脸图像不存入图像数据库。
根据获取的操作指示信息将不存在匹配的人脸图像存入或不存入图像数据库的第三预设模式,在实际应用中,还存在另一种情况,将当前不存在匹配的人脸图像的信息,通过提示信息提示用户进行操作,根据用户反馈的操作指示信息对不存在匹配的人脸图像进行相应的操作。
可选地,操作指示信息包括存入操作指示信息和不存入操作指示信息;
当获取的操作指示信息为存入操作指示信息时,根据存入操作指示信息的指示将该人脸图像存入图像数据库;
而当获取的操作指示信息为不存入操作指示信息时,根据不存入操作指示信息的指示不将该人脸图像存入图像数据库。本实施例中指出,在预设模式中,还可以预设通过用户操作信息进行存储或不存储人脸图像,此时只需设置按照用户操作信息执行操作即可,该模式下增加了用户的参与性,为用户提供了更具个性化的服务;具体的可以配置模式为manual手动模式,则根用户反馈的确认信息决定是否入库,确认信息包括“入库”和“不入库”两种。
由于是否将人脸图像存入图像数据库包括仅包括存入或不存入两种情况,并且两种情况不会同时出现,因此,通常第一预设模式和第二预设模式不会同时出现,而第三预设模式是根据用户的操作来决定是否将人脸图像存入数据库的,更为灵活,同时存在存入或不存入的情况。具体地,在一个或多个可选实施例中,根据预设模式将人脸图像存入图像数据库,包括:
响应于预设模式为所述第一预设模式,将人脸图像存入图像数据库;
和/或,响应于预设模式为第三预设模式,根据存入操作指示信息将人脸图像存入图像数据库。
在一个或多个可选实施例中,根据预设模式将人脸图像不存入图像数据库,包括:
响应于预设模式为第二预设模式,将人脸图像不存入图像数据库;
和/或,响应于预设模式为第三预设模式,根据不存入操作指示信息将人脸图像不存入图像数据库。
在本实施例中,可以通过预先设置的模式控制新的人脸图像是否入库,具体如:配置模式为auto自动保存模式(对应第一预设模式),则所有检索在图像数据库中不存在对应的人脸图像的人脸图像都自动入库;而如果配置模式为no自动不保存模式(对应第二预设模式),则不管检索在图像数据库中是否存在对应的人脸图像,都不将该人脸图像入库;通过预设模式的方式可以统一的对人脸图像是否存入图像数据库进行整体调控,整个入库过程无需人为参与。
在本发明人脸图像动态入库方法上述各实施例的一个具体示例中,根据操作指示信息将人脸图像存入图像数据库或不存入图像数据库,包括:
发送提示操作信息;
响应于在预设时间内接收到根据提示操作信息反馈的操作指示信息,根据操作指示信息将人脸图像存入或不存入图像数据库。
本实施例提出仅依靠操作指示信息对采集的人脸图像“入库”或“不入库”,“入库”指存入图像数据库,“不入库”是指不存入图像数据库,本发明所指图像数据库可以设置在云端(但不限于云端),设置在云端的好处是内存大,成本低,此时需要向客户端发送一个提示操作信息,用户接收到提示操作信息后,会反馈操作指示,通常操作指示包括“入库”和“不入库”两种,根据该操作指示将人脸图像存入或不存入图像数据库。
可选地,响应于预设时间内未接收到根据提示操作信息反馈的用户操作信息,重复发送提示操作信息或将人脸图像不存入图像数据库。
本实施例提供了一种特殊情况,通常发送提示操作信息后,并不能无限期的等待反馈,会预设一个时间,当预设时间内未接收到反馈的用户操作信息,将无法决定和操作该人是否入库;此时可以选择重新发送提示操作信息,知道接收到反馈,按照反馈的用户操作信息对人脸图像进行操作;也可以放弃该人脸图像,执行下一个人脸图像的检索工作。
本发明人脸图像动态入库方法的又一个实施例中,在上述各实施例的基础上,图像数据库中包括至少一个人脸图像和对应所述人脸图像出现的次数;
该实施例方法,还包括:
响应于人脸图像在图像数据库中存在匹配的人脸图像,不将人脸图像存入图像数据库,将图像数据库中与人脸图像匹配的人脸图像的出现次数加1。
本实施例可实现对重复出现的人脸出现次数的统计,基于对人脸出现次数进行统计可在实际应用中为用户提供所需数据,例如:一个用户处于高净值行业,该用户想在每天来参观的顾客中,统计出高频来访的人。根据统计经验,高频来访的顾客具有更高的购买欲望,销售将会重点推销这类人群。通过动态入库的方式无感建立起图像数据库,结合人脸比对和对重复出现的人脸进行次数统计等技术,最终实现了用户的需求。
在本发明人脸图像动态入库方法上述各实施例的一个具体示例中,图像数据库中每个人脸图像对应一个图像组,每个图像组中保存属于同一个人的人脸图像及其获取时间及获取地点;
该实施例方法,还包括:
响应于人脸图像的出现次数大于2,基于人脸图像所在的图像组中的多张人脸图像及其获取时间和获取地点建立同一个人的行为轨迹。
本实施例中,为每个人的人脸图像建立一个图像组,以便于后续在接收新的人脸图像进行查询是不会对同一个人的人脸图像进行重复比对,节省了检索时间的同时,提高了检索效率,并且为建立人的行为轨迹提供了素材;对于获得的人脸图像存在两种情况,一种是图像数据库中不存在的新图像,另一种则是本实施例中所指的在图像数据库中已存在对应人的人脸图像,此时可以基于该人脸图像和图像数据库中已存储的对应该人的人脸图像建立对应该人的行为轨迹。为了建立更完整的基于人的行为轨迹,还可以将新采集的人脸图像存入对应该人的图像组中,在下一次需要建立行为轨迹时,就可以将本次采集的人脸图像应用到。
在一个或多个可选地实施例中,图像数据库包括至少一个图像组,图像组用于保存属于同一个人的人脸图像;
将获得的人脸图像与图像数据库中预存的人脸图像进行比对,包括:将获得的人脸图像与保存有多张人脸图像的图像组中保存的其中一个人脸图像进行比对。
本实施例中,图像数据库中分别针对不同人建立图像组,在基于图像组的基础上,对于人脸图像的比对就可以简化为:将获得的人脸图像与图像组中的任一一个人脸图像进行比对,即可识别获得的人脸图像是否为该人对应的人脸图像,此时对于图像组中的人脸图像不存在存储时间和地点的限制,只需判断人脸图像是否对应同一人即可判断该人脸图像属于哪个图像组,在实际应用中,对于需要在大范围识别陌生人时,即可应用本实施例中的人脸图像比对方法。
本发明人脸图像动态入库方法的还一个实施例中,在上述各实施例的基础上,操作101之前,还包括:
从视频流中获取包括人脸图像的至少一帧视频图像;
对视频图像进行图像分割,得到至少一个人脸图像。
在本实施例中,获取人脸图像的方式,通常是通过设置的摄像头等图像采集设备进行采集视频流,对视频流进行分解,得到视频图像,对于视频图像通过人脸识别技术(如:CNN卷积神经网络)识别出具有人脸图像的视频图像,在通过图像分割技术将该人脸图像从视频图像中分割出来,就获得了采集的人脸图像,一帧视频图像中可能包括至少一个人脸图像,也可能没有人脸图像,对于没有人脸图像的视频图像,本发明实施例不进行采集;还可以对分解得到的视频图像进行人脸抠图,进行SDK-detect软件包发现过滤,同一个抠图内detect到多张人脸的取第一张,无人脸的过滤掉。
本发明人脸图像动态入库方法的再一个实施例中,在上述各实施例的基础上,在将获得的人脸图像与图像数据库中已存在的人脸图像进行比对之前,还包括:
对采集得到的人脸图像执行去重过滤操作;或者,
对获得的人脸图像执行去重过滤操作,将去重过滤操作后的人脸图像发送到云端服务器,以将获得的人脸图像与图像数据库中已存在的人脸图像进行比对。
本实施例对采集到的人脸图像进行了预处理,预处理的目的是使得到的人脸图像效果最佳,更便于检索和识别,并且通过去重过滤,可以在大量重复的人脸图像中得到效果最佳的一个人脸图像,减小了图像的处理量,降低了接收人脸图像的压力,提高了检索和入库的效率;大大提高了后续基于人脸图像的比对搜索结果准确率和召回率。
可选地,当图像数据库设置在云端服务器,而去重过滤应用于客户端或服务器端时;
在客户端或服务器端执行:将采集得到的视频流在视频流中获取包括人脸图像的至少一帧视频图像,对所有视频图像进行图像分割,得到至少一个人脸图像。
对采集得到的人脸图像执行去重过滤操作得到人脸图像发送给云端。
在云端服务器执行:将从服务器端接收的人脸图像与图像数据库中已存的人脸图像进行比对,判断采集的人脸图像在图像数据库中是否存在相应的人脸图像。
其中,图像数据库用于保存经过判断存入的采集得到的人脸图像;初始状态下的图像数据库是空的或者已经存储有人脸图像,通过不断的运行本发明实施例的方法,可以使越来越多符合要求的人脸图像被自动存入图像数据库中,实现构建图像数据库。
本实施例通过服务器端与云端的交互实现了对采集的人脸图像进行动态入库,在不断进行人脸搜索的过程中,将符合要求的人脸图像加入图像数据库,从而构建起基于动态入库方式的图像数据库;并且由于在服务器端对人脸图像的去重过滤操作,使得到的人脸图像的显示效果与现有技术中的人脸标注库中的标准照效果相近,提高了在后续进行识别和搜索过程中效率。
在一个或多个可选的实施例中,对获得的人脸图像执行去重过滤操作,包括:
对获得的人脸图像执行过滤操作,得到图像质量达到第一预设条件的至少一个人脸图像;
将至少一个人脸图像中的各人脸图像与图像队列中预存的至少一张人脸图像进行匹配,得到匹配结果;
响应于匹配结果表示人脸图像在图像队列中存在匹配图像,确定人脸图像为重复图像,和/或,不将人脸图像存入图像队列;
和/或,
响应于匹配结果表示人脸图像在图像队列中不存在匹配图像,确定人脸图像不是重复图像,和/或,将人脸图像存入图像队列。
具体地,当过滤后得到的人脸图像与预存的人脸图像对应同一人,该人脸图像为重复图像,说明这个人对应的人脸图像已经过过滤去重处理,此时,可选择丢弃该人脸图像或采用该人脸图像替换这个人在图像队列中对应的人脸图像;而当过滤后得到的人脸图像与预存的人脸图像不对应同一人,该人脸图像不是重复图像,说明这个人脸图像对应的人是新出现的,需要存入队列,以备后续识别。
通过对获得的多个人脸图像执行过滤操作,得到图像质量达到第一预设条件的至少一个人脸图像;实现了基于质量的过滤,大大缩减了人脸图像的数量,获得的人脸图像质量满足后续对人脸图像的处理需求,并且避免了重复处理大量人脸图像的问题;将至少一个人脸图像中的各人脸图像与图像队列中预存的至少一个人脸图像进行匹配,得到匹配结果,根据匹配结果确定是否针对人脸图像执行去重操作,根据已知图像队列判断是否已存储过该人脸图像,实现更快速的重复人脸识别。
可选地,对获得的多个人脸图像执行过滤操作,包括:
对获得的多个人脸图像分别基于人脸图像对应的人脸属性进行过滤;人脸属性用于表示人脸图像中人脸的显示质量;
和/或,
对获得的多个人脸图像分别基于人脸图像中的人脸角度进行过滤;人脸角度用于表示人脸图像中人脸的偏转角度。
具体地,人脸属性包括但不限于以下一项或多项:人脸角度、人脸宽高值、人脸模糊度;更具体的,人脸角度可以包括但不限于:yaw水平转角,用于表示人脸在水平方向的转向角度;pitch俯仰角,用于表示人脸在垂直方向的转动角度;roll倾斜角,用于表示人脸在垂直方向的偏转角度。
在一个或多个可选实施例中,对获得的多个人脸图像分别基于人脸属性进行过滤,包括:
获取人脸图像中的人脸对应的人脸属性,对人脸属性进行判断;
将至少一个人脸图像中的各人脸图像与图像队列中预存的人脸图像进行匹配,包括:
响应于人脸角度在第一预设范围内、人脸宽高值大于第二预设阈值、
和/或人脸模糊度小于第三预设阈值,将至少一个人脸图像中的各人脸图像与图像队列中预存的人脸图像进行匹配。
还包括:
响应于人脸角度不在第一预设范围内、人脸宽高值小于或等于第二预设阈值、和/或人脸模糊度大于或等于第三预设阈值,删除该人脸图像。
可选地,第一预设范围可以设置为±20°(具体数值可根据具体情况进行设置),当人脸角度中的yaw水平转角、pitch俯仰角和roll倾斜角都在±20°之间时(三种角度可以设置为相同范围或不同范围);人脸宽高度具体可包括人脸宽度和人脸高度(一般通过detect返回,可以通过设置进行过滤;例如:设置为50像素,宽度和高度小于50像素的人脸图像可认为是不符合条件的,宽度和高度可以设置为不同值或相同值);人脸模糊度(一般通过SDK-alignment返回,可设置不同值,例如:设置为0.7,模糊度大于0.7的认为是质量差的人脸图像)。±20°、50像素、0.7为各项阈值,可调节。
和/或,对获得的多个人脸图像分别基于所述人脸图像中的人脸角度进行过滤;所述人脸角度用于表示所述人脸图像中人脸的偏转角度。偏转角度是相对于标准正脸的,标准正脸指人脸在水平、垂直和倾斜方向的角度均为0的人脸,可将该人脸作为原点计算人脸的偏转角度。
在一个或多个可选实施例中,对获得的多个人脸图像执行过滤操作,得到图像质量达到第一预设条件的至少一个人脸图像,包括:
从多个人脸图像中识别出对应同一人的至少一个人脸图像;
基于对应同一人的至少一个人脸图像获得人脸轨迹;
基于人脸图像对应的人脸角度对人脸轨迹中的人脸图像进行过滤,得到人脸轨迹中质量达到第一预设条件的人脸图像。
本实施例通过对人脸轨迹中的人脸图像进行过滤,实现了获得针对每个人获得质量最好的一张图像,具体是通过人脸角度判断该人脸图像的质量是否达到第一预设条件,这里的第一预设条件可以根据用户设置进行调整,可以是具体的角度范围值或设定为取人脸质量最好的一张。
在一个或多个可选实施例中,人脸角度包括但不限于以下一项或多项:人脸水平转角、人脸俯仰角、人脸倾斜角。
具体地,对获得的多个人脸图像执行过滤操作,包括:
将人脸图像对应的人脸水平转角、人脸俯仰角和人脸倾斜角转换为一个三维向量;
基于三维向量到源点的距离对人脸轨迹中的人脸图像进行过滤;源点为值全为0的三维向量。
本实施例中,可以通过计算人脸水平转角、人脸俯仰角和人脸倾斜角转换得到的三维向量的平方差获得距离值,通过这个距离值对人脸图像的质量进行评价,距离越小说明人脸图像的质量越好,即人脸图像中的人脸越接近正脸,但本实施例不限于通过计算平方差的方式获得距离值,还可以通过其他方法;并且为了快速过滤,可以是在设定时间区间(例如:5秒内)内对人脸轨迹中的人脸图像进行过滤。
在一个或多个可选实施例中,将至少一个人脸图像中的各人脸图像与图像队列中预存的至少一个人脸图像进行匹配,得到匹配结果,包括:
基于至少一个人脸图像中各人脸图像对应的人脸特征,和图像队列中各人脸图像对应的人脸特征,获得各人脸图像与图像队列中的人脸图像的相似度;
响应于相似度大于或等于预设相似度,得到表示人脸图像在图像队列中存在匹配图像的匹配结果;
响应于相似度小于预设相似度,得到表示人脸图像在图像队列中不存在匹配图像的匹配结果。
本实施例实现的是人脸去重,将获得的质量最好的人脸图像与已存的图像队列中的人脸图像进行相似度比对,可以是基于人脸特征进行的,获得人脸图像的人脸特征可以通过神经网络进行获得,而图像队列中可以仅存储人脸图像或存储人脸图像及其对应的人脸特征,当仅存储人脸图像时,在需要进行相似度比对时,首先通过神经网络获得预存的人脸图像对应的人脸特征。
上述实施例提供的去重过滤,解决了在实时采集的视频中的人脸进行属性检测和人脸比对时,需要在包含同一个人脸的连续多帧图像中选取一帧最适合处理的图像的问题,实现了更好地进行属性检测和人脸比对。
上述实施例提高的去重过滤,还可以应用到,客户端处理视频流,将符合要求的人脸图片发送至云端,直接全部发送至云端会导致云端压力过大且重复、质量低的人脸图片意义不大,因此在客户端上传图片至云端之前需做去重过滤。这时便需要本方案对更好的人脸图像做出选择。
上述实施例提供的去重过滤,可以应用在服务器端,其应用于服务器端的优点是速度快,也不会对云端造成太大负担,将选好的图片发到云端存入图像数据库。
本发明实施例提供的人脸图像动态入库方法具体可以应用的场景包括但不限于:
场景一:客户一为高净值行业,该客户想在每天来参观的顾客中,统计出高频来访的人。根据统计经验,高频来访的顾客具有更高的购买欲望,销售将会重点推销这类人群。通过动态入库的方式无感建立起人脸库,结合人脸比对等技术,最终实现了客户的需求。
场景二:客户二为新零售行业,该客户想在无人超市中,识别出每位顾客的位置、行走轨迹,并关联其购买、感兴趣区域等一系列操作。通过SenseGo动态入库的方式,建立起人脸标准库。人脸库再结合时间、摄像头位置等信息,将顾客在不同地点的行为关联起来。
场景三:客户三为餐饮行业,该客户想结合顾客过往每次常点的餐品,在顾客下次到访的时候,主动提供顾客喜爱的实物,从而提高顾客的消费体验。通过SenseGo动态入库的方式,建立起人脸标准库,顾客下次来访时能够快速准确识别出其身份。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图2为本发明人脸图像动态入库装置一个实施例的结构示意图。该实施例的装置可用于实现本发明上述各方法实施例。如图2所示,该实施例的装置包括:
比对单元21,用于将获得的人脸图像与图像数据库中预存的人脸图像进行比对。
存储单元22,用于响应于比对结果表示人脸图像在图像数据库中不存在匹配的人脸图像,将人脸图像存入数据库或不存入图像数据库。
基于本发明上述实施例提供的一种人脸图像动态入库方法,将获得的人脸图像与图像数据库中预存的人脸图像进行比对,当人脸图像在图像数据库中不存在相应的人脸图像,说明该人脸图像很有可能是第一次出现或之前被从图像数据库中删除,此时,响应于比对结果表示人脸图像在图像数据库中不存在匹配的人脸图像,将人脸图像存入数据库或不存入图像数据库;实现了在预先无人脸标准库或者人脸标准库数据不全的情况下,对人脸图像的检索和入库,实现了动态入库,在不断进行人脸比对的过程中,将符合要求的人脸图像加入图像数据库,从而构建起基于动态入库方式的图像数据库。
在本发明人脸图像动态入库方法上述实施例的一个具体示例中,存储单元22,具体用于根据预设模式将人脸图像存入图像数据库或不存入图像数据库。
可选地,预设模式包括:将不存在匹配的人脸图像存入图像数据库的第一预设模式。
可选地,预设模式包括:将不存在匹配的人脸图像不存入图像数据库的第二预设模式。
可选地,预设模式包括:根据获取的操作指示信息将不存在匹配的人脸图像存入或不存入图像数据库的第三预设模式。
在一个或多个可选的实施例中,第三预设模式中的操作指示信息包括存入操作指示信息和不存入操作指示信息,存入操作指示信息用于指示将人脸图像存入图像数据库,不存入操作指示信息用于指示不将人脸图像存入图像数据库。
在一个或多个可选实施例中,存储单元22根据预设模式将人脸图像存入所述图像数据库时,具体用于响应于预设模式为第一预设模式,将人脸图像存入图像数据库。
可选地,存储单元22根据预设模式将人脸图像存入图像数据库时,具体用于响应于预设模式为第三预设模式,根据存入操作指示信息将人脸图像存入图像数据库。
在一个或多个可选实施例中,存储单元22根据预设模式将人脸图像不存入图像数据库时,具体用于响应于预设模式为第二预设模式,将人脸图像不存入图像数据库;
可选地,存储单元22根据预设模式将人脸图像不存入图像数据库时,具体用于响应于预设模式为第三预设模式,根据不存入操作指示信息将人脸图像不存入图像数据库。
在一个或多个可选实施例中,存储单元22根据操作指示信息将人脸图像存入图像数据库或不存入图像数据库时,包括:
提示模块,用于发送提示操作信息;
反馈操作模块,用于响应于接收到根据提示操作信息反馈的操作指示信息,根据操作指示信息将人脸图像存入或不存入图像数据库。
可选地,存储单元22,还包括:
超时模块,用于响应于预设时间内未接收到根据提示操作信息反馈的操作指示信息,重复发送提示操作信息或将人脸图像不存入图像数据库。
本发明人脸图像动态入库装置的又一个实施例中,在上述各实施例的基础上,图像数据库中包括至少一个人脸图像和对应人脸图像出现的次数;
该实施例装置还包括:
累计单元,用于响应于比对结果表示人脸图像在图像数据库中存在匹配的人脸图像,不将人脸图像存入图像数据库,将图像数据库中与人脸图像匹配的人脸图像的出现次数加1。
本实施例可实现对重复出现的人脸出现次数的统计,基于对人脸出现次数进行统计可在实际应用中为用户提供所需数据,例如:一个用户处于高净值行业,该用户想在每天来参观的顾客中,统计出高频来访的人。根据统计经验,高频来访的顾客具有更高的购买欲望,销售将会重点推销这类人群。通过动态入库的方式无感建立起图像数据库,结合人脸比对和对重复出现的人脸进行次数统计等技术,最终实现了用户的需求。
在本发明人脸图像动态入库装置上述各实施例的一个具体示例中,图像数据库包括至少一个图像组,图像组保存有属于同一个人的人脸图像及其获取时间和获取地点;
该实施例装置还包括:
轨迹建立单元,用于响应于人脸图像的出现次数大于2,基于人脸图像所在的图像组中的多张人脸图像及其获取时间和获取地点建立同一个人的行为轨迹。
在一个或多个可选地实施例中,图像数据库包括至少一个图像组,图像组用于保存属于同一个人的人脸图像;
比对单元,具体用于将获得的人脸图像与保存有多张人脸图像的图像组中保存的其中一个人脸图像进行比对。
本发明人脸图像动态入库装置的还一个实施例中,在上述各实施例的基础上,还包括:
视频采集单元,用于从视频流中获取包括人脸图像的至少一帧视频图像;
图像分割单元,用于对视频图像进行图像分割,得到至少一个人脸图像。
在本实施例中,获取人脸图像的方式,通常是通过设置的摄像头等图像采集设备进行采集视频流,对视频流进行分解,得到视频图像,对于视频图像通过人脸识别技术(如CNN卷积神经网络)识别出具有人脸图像的视频图像,在通过图像分割技术将该人脸图像从视频图像中分割出来,就获得了采集的人脸图像,一帧视频图像中可能包括至少一个人脸图像,也可能没有人脸图像,对于没有人脸图像的视频图像,本发明不进行采集;还可以对分解得到的视频图像进行人脸抠图,进行SDK-detect软件包发现过滤,同一个抠图内detect到多张人脸的取第一张,无人脸的过滤掉。
本发明人脸图像动态入库装置的再一个实施例中,在上述各实施例的基础上,还包括:
去重过滤单元,用于对获得的人脸图像执行去重过滤操作;
或者,对获得的人脸图像执行去重过滤操作,将去重过滤操作后的人脸图像发送到云端服务器以将获得的人脸图像与图像数据库中已存在的人脸图像进行比对。
本实施例对采集到的人脸图像进行了预处理,预处理的目的是使得到的人脸图像效果最佳,更便于检索和识别,并且通过去重过滤,可以在大量重复的人脸图像中得到效果最佳的一个人脸图像,减小了图像的处理量,降低了接收人脸图像的压力,提高了检索和入库的效率;大大提高了后续基于人脸图像的比对搜索结果准确率和召回率。
在一个或多个可选的实施例中,去重过滤单元,包括:
过滤模块,用于对获得的人脸图像执行过滤操作,得到图像质量达到第一预设条件的至少一个人脸图像;
匹配模块,用于将至少一个人脸图像中的各人脸图像与图像队列中预存的至少一张人脸图像进行匹配,得到匹配结果;
去重模块,用于响应于匹配结果表示人脸图像在图像队列中存在匹配图像,确定人脸图像为重复图像,和/或,不将人脸图像存入图像队列;和/或,
响应于匹配结果表示人脸图像在图像队列中不存在匹配图像,确定人脸图像不是重复图像,和/或,将人脸图像存入图像队列。
可选地,过滤模块,包括:
属性过滤模块,用于对获得的多个人脸图像分别基于人脸图像对应的人脸属性进行过滤;人脸属性用于表示人脸图像中人脸的显示质量;
和/或,
角度过滤模块,用于对获得的多个人脸图像分别基于人脸图像中的人脸角度进行过滤;人脸角度用于表示人脸图像中人脸的偏转角度。
可选地,人脸属性包括但不限于以下一项或多项:人脸角度、人脸宽高值、人脸模糊度;
过滤模块,具体用于获取人脸图像中的人脸对应的人脸属性,对人脸属性进行判断;
匹配模块,具体用于响应于人脸角度在第一预设范围内、人脸宽高值大于第二预设阈值、和/或人脸模糊度小于第三预设阈值,将至少一个人脸图像中的各人脸图像与图像队列中预存的人脸图像进行匹配。
在本发明人脸图像动态入库装置上述各实施例的一个具体示例中,属性过滤模块,还用于响应于人脸角度不在第一预设范围内、人脸宽高值小于或等于第二预设阈值、和/或人脸模糊度大于或等于第三预设阈值,删除人脸图像。
在本发明人脸图像动态入库装置上述各实施例的一个具体示例中,过滤模块,具体用于从多个人脸图像中识别出对应同一人的至少一个人脸图像;
基于对应同一人的至少一个人脸图像获得人脸轨迹;
基于人脸图像对应的人脸角度对人脸轨迹中的人脸图像进行过滤,得到人脸轨迹中质量达到第一预设条件的人脸图像。
在本发明人脸图像动态入库装置上述各实施例的一个具体示例中,人脸角度包括但不限于以下一项或多项:人脸水平转角、人脸俯仰角、人脸倾斜角。
过滤模块,包括:
角度转换模块,用于将人脸图像对应的人脸水平转角、人脸俯仰角和人脸倾斜角转换为一个三维向量;
向量过滤模块,用于基于三维向量到源点的距离对人脸轨迹中的人脸图像进行过滤;源点可以为值全为0的三维向量。
在本发明人脸图像动态入库装置上述各实施例的一个具体示例中,匹配模块,具体用于:
基于至少一个人脸图像中各人脸图像对应的人脸特征,和图像队列中各人脸图像对应的人脸特征,获得各人脸图像与图像队列中的人脸图像的相似度;
响应于相似度大于或等于预设相似度,得到表示人脸图像在图像队列中存在匹配图像的匹配结果;
响应于相似度小于预设相似度,得到表示人脸图像在图像队列中不存在匹配图像的匹配结果。
根据本发明实施例的另一个方面,提供的一种电子设备,包括处理器,处理器包括本发明上述任一实施例的人脸图像去重装置。
根据本发明实施例的另一个方面,提供的一种电子设备,包括:存储器,用于存储可执行指令;
以及处理器,用于与存储器通信以执行可执行指令从而完成本发明人脸图像去重方法上述任一实施例的操作。
根据本发明实施例的另一个方面,提供的一种计算机存储介质,用于存储计算机可读取的指令,指令被执行时执行本发明人脸图像去重方法上述任一实施例的操作。
根据本发明实施例的另一个方面,提供的一种计算机程序,包括计算机可读代码,当计算机可读代码在设备上运行时,该设备中的处理器执行用于实现本发明人脸图像去重方法任意一项实施例的指令。
本发明实施例还提供了一种电子设备,例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图3,其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备300的结构示意图:如图3所示,计算机系统300包括一个或多个处理器、通信部等,所述一个或多个处理器例如:一个或多个中央处理单元(CPU)301,和/或一个或多个图像处理器(GPU)313等,处理器可以根据存储在只读存储器(ROM)302中的可执行指令或者从存储部分308加载到随机访问存储器(RAM)303中的可执行指令而执行各种适当的动作和处理。通信部312可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡。
处理器可与只读存储器302和/或随机访问存储器330中通信以执行可执行指令,通过总线304与通信部312相连、并经通信部312与其他目标设备通信,从而完成本申请实施例提供的任一项方法对应的操作,例如,将获得的人脸图像与图像数据库中预存的人脸图像进行比对;响应于比对结果表示人脸图像在图像数据库中不存在匹配的人脸图像,将人脸图像存入数据库或不存入图像数据库。
此外,在RAM 303中,还可存储有装置操作所需的各种程序和数据。CPU301、ROM302以及RAM303通过总线304彼此相连。在有RAM303的情况下,ROM302为可选模块。RAM303存储可执行指令,或在运行时向ROM302中写入可执行指令,可执行指令使处理器301执行上述通信方法对应的操作。输入/输出(I/O)接口305也连接至总线304。通信部312可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在总线链接上。
以下部件连接至I/O接口305:包括键盘、鼠标等的输入部分306;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307;包括硬盘等的存储部分308;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器310上,以便于从其上读出的计算机程序根据需要被安装入存储部分308。
需要说明的,如图3所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图3的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如GPU和CPU可分离设置或者可将GPU集成在CPU上,通信部可分离设置,也可集成设置在CPU或GPU上,等等。这些可替换的实施方式均落入本发明公开的保护范围。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本申请实施例提供的方法步骤对应的指令,例如,将获得的人脸图像与图像数据库中预存的人脸图像进行比对;响应于比对结果表示人脸图像在图像数据库中不存在匹配的人脸图像,将人脸图像存入数据库或不存入图像数据库。在这样的实施例中,该计算机程序可以通过通信部分309从网络上被下载和安装,和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时,执行本申请的方法中限定的上述功能。
可能以许多方式来实现本发明的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种人脸图像动态入库方法,其特征在于,包括:
将获得的人脸图像与图像数据库中预存的人脸图像进行比对;
响应于比对结果表示所述人脸图像在所述图像数据库中不存在匹配的人脸图像,将所述人脸图像存入数据库或不存入所述图像数据库。
2.根据权利要求1所述的方法,其特征在于,将所述人脸图像存入数据库或不存入所述图像数据库,包括:
根据预设模式将所述人脸图像存入所述图像数据库或不存入所述图像数据库。
3.根据权利要求2所述的方法,其特征在于,所述预设模式包括:
将不存在匹配的人脸图像存入所述图像数据库的第一预设模式。
4.根据权利要求2所述的方法,其特征在于,所述预设模式包括:
将不存在匹配的人脸图像不存入所述图像数据库的第二预设模式。
5.根据权利要求2所述的方法,其特征在于,所述预设模式包括:根据获取的操作指示信息将所述不存在匹配的人脸图像存入或不存入所述图像数据库的第三预设模式。
6.一种人脸图像动态入库装置,其特征在于,包括:
比对单元,用于将获得的人脸图像与图像数据库中预存的人脸图像进行比对;
存储单元,用于响应于比对结果表示所述人脸图像在所述图像数据库中不存在匹配的人脸图像,将所述人脸图像存入数据库或不存入所述图像数据库。
7.一种电子设备,其特征在于,包括处理器,所述处理器包括权利要求6所述的人脸图像动态入库装置。
8.一种电子设备,其特征在于,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至5任意一项所述人脸图像动态入库方法。
9.一种计算机存储介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时执行权利要求1至5任意一项所述人脸图像动态入库方法。
10.一种计算机程序,包括计算机可读代码,其特征在于,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现权利要求1至5任意一项所述人脸图像动态入库方法的指令。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/096540 WO2019015682A1 (zh) | 2017-07-21 | 2018-07-20 | 人脸图像动态入库方法和装置、电子设备、介质、程序 |
JP2019553920A JP6896882B2 (ja) | 2017-07-21 | 2018-07-20 | 顔画像を動的にデータベースに追加する方法及び装置、電子機器、媒体、プログラム |
SG11201909068X SG11201909068XA (en) | 2017-07-21 | 2018-07-20 | Methods and apparatuses for dynamically adding facial images into database, electronic devices, media and programs |
US16/413,611 US11409983B2 (en) | 2017-07-21 | 2019-05-16 | Methods and apparatuses for dynamically adding facial images into database, electronic devices and media |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710605539 | 2017-07-21 | ||
CN2017106055393 | 2017-07-21 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108228871A true CN108228871A (zh) | 2018-06-29 |
Family
ID=62640576
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810041796.3A Pending CN108228871A (zh) | 2017-07-21 | 2018-01-16 | 人脸图像动态入库方法和装置、电子设备、介质、程序 |
CN201810041797.8A Pending CN108228872A (zh) | 2017-07-21 | 2018-01-16 | 人脸图像去重方法和装置、电子设备、存储介质、程序 |
CN201880018961.1A Withdrawn CN110799972A (zh) | 2017-07-21 | 2018-07-20 | 人脸图像动态入库方法和装置、电子设备、介质、程序 |
CN201880018965.XA Withdrawn CN110869937A (zh) | 2017-07-21 | 2018-07-20 | 人脸图像去重方法和装置、电子设备、存储介质、程序 |
Family Applications After (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810041797.8A Pending CN108228872A (zh) | 2017-07-21 | 2018-01-16 | 人脸图像去重方法和装置、电子设备、存储介质、程序 |
CN201880018961.1A Withdrawn CN110799972A (zh) | 2017-07-21 | 2018-07-20 | 人脸图像动态入库方法和装置、电子设备、介质、程序 |
CN201880018965.XA Withdrawn CN110869937A (zh) | 2017-07-21 | 2018-07-20 | 人脸图像去重方法和装置、电子设备、存储介质、程序 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11132581B2 (zh) |
JP (2) | JP6916895B2 (zh) |
KR (1) | KR102349980B1 (zh) |
CN (4) | CN108228871A (zh) |
SG (2) | SG11201909068XA (zh) |
WO (2) | WO2019015682A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108491822A (zh) * | 2018-04-02 | 2018-09-04 | 杭州高创电子科技有限公司 | 一种基于嵌入式设备有限缓存的人脸检测去重方法 |
WO2019015682A1 (zh) * | 2017-07-21 | 2019-01-24 | 北京市商汤科技开发有限公司 | 人脸图像动态入库方法和装置、电子设备、介质、程序 |
CN109977823A (zh) * | 2019-03-15 | 2019-07-05 | 百度在线网络技术(北京)有限公司 | 行人识别跟踪方法、装置、计算机设备和存储介质 |
CN110263830A (zh) * | 2019-06-06 | 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 |
CN110929605A (zh) * | 2019-11-11 | 2020-03-27 | 中国建设银行股份有限公司 | 视频关键帧的保存方法、装置、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 |
CN111476105A (zh) * | 2020-03-17 | 2020-07-31 | 深圳力维智联技术有限公司 | 人脸数据清洗方法、装置及设备 |
CN111582894A (zh) * | 2019-02-15 | 2020-08-25 | 普罗文化股份有限公司 | 人群空间行为分析系统 |
CN113095110A (zh) * | 2019-12-23 | 2021-07-09 | 浙江宇视科技有限公司 | 人脸数据动态入库的方法、装置、介质及电子设备 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241310B (zh) * | 2018-07-25 | 2020-05-01 | 南京甄视智能科技有限公司 | 人脸图像数据库的数据去重方法与系统 |
CN109190532A (zh) * | 2018-08-21 | 2019-01-11 | 北京深瞐科技有限公司 | 一种基于云边融合的人脸识别方法、装置及系统 |
CN109271923A (zh) * | 2018-09-14 | 2019-01-25 | 曜科智能科技(上海)有限公司 | 人脸姿态检测方法、系统、电子终端及存储介质 |
CN109902550A (zh) * | 2018-11-08 | 2019-06-18 | 阿里巴巴集团控股有限公司 | 行人属性的识别方法和装置 |
CN109635142B (zh) * | 2018-11-15 | 2022-05-03 | 北京市商汤科技开发有限公司 | 图像选择方法及装置、电子设备和存储介质 |
CN109711287B (zh) * | 2018-12-12 | 2020-11-24 | 深圳云天励飞技术有限公司 | 人脸采集方法及相关产品 |
CN109658572B (zh) * | 2018-12-21 | 2020-09-15 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN109858371B (zh) * | 2018-12-29 | 2021-03-05 | 深圳云天励飞技术有限公司 | 人脸识别的方法及装置 |
CN110084130B (zh) * | 2019-04-03 | 2023-07-25 | 深圳鲲云信息科技有限公司 | 基于多目标跟踪的人脸筛选方法、装置、设备及存储介质 |
CN110321843B (zh) * | 2019-07-04 | 2021-11-09 | 杭州视洞科技有限公司 | 一种基于深度学习的人脸择优方法 |
KR102114267B1 (ko) * | 2019-12-10 | 2020-05-22 | 셀렉트스타 주식회사 | 딥러닝 기반 유사 텍스트를 필터링하는 방법 및 그를 이용한 장치 |
KR102114223B1 (ko) * | 2019-12-10 | 2020-05-22 | 셀렉트스타 주식회사 | 딥러닝 기반 유사 이미지를 필터링하는 방법 및 그를 이용한 장치 |
CN113128293A (zh) * | 2019-12-31 | 2021-07-16 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
US11687778B2 (en) | 2020-01-06 | 2023-06-27 | The Research Foundation For The State University Of New York | Fakecatcher: detection of synthetic portrait videos using biological signals |
CN111488476B (zh) * | 2020-04-03 | 2023-06-27 | 北京爱芯科技有限公司 | 图像推送方法、模型训练方法及对应装置 |
CN111625745B (zh) * | 2020-05-27 | 2023-12-26 | 抖音视界有限公司 | 推荐方法、装置、电子设备和计算机可读介质 |
CN111695643B (zh) * | 2020-06-24 | 2023-07-25 | 北京金山云网络技术有限公司 | 图像处理方法、装置和电子设备 |
CN111985348B (zh) * | 2020-07-29 | 2024-05-10 | 深思考人工智能科技(上海)有限公司 | 人脸识别方法和系统 |
CN112036957B (zh) * | 2020-09-08 | 2023-11-28 | 广州图普网络科技有限公司 | 一种访客留存数确定方法、装置、电子设备和存储介质 |
CN112052347B (zh) * | 2020-10-09 | 2024-06-04 | 北京百度网讯科技有限公司 | 图像存储方法、装置以及电子设备 |
CN112148907A (zh) * | 2020-10-23 | 2020-12-29 | 北京百度网讯科技有限公司 | 图像数据库的更新方法、装置、电子设备和介质 |
CN112836660B (zh) * | 2021-02-08 | 2024-05-28 | 上海卓繁信息技术股份有限公司 | 一种用于监控领域的人脸库生成方法、装置和电子设备 |
US11921831B2 (en) * | 2021-03-12 | 2024-03-05 | Intellivision Technologies Corp | Enrollment system with continuous learning and confirmation |
CN113297420A (zh) * | 2021-04-30 | 2021-08-24 | 百果园技术(新加坡)有限公司 | 视频图像处理方法、装置、存储介质及电子设备 |
CN113344132A (zh) * | 2021-06-30 | 2021-09-03 | 成都商汤科技有限公司 | 身份识别方法、系统、装置、计算机设备及存储介质 |
CN113591620A (zh) * | 2021-07-15 | 2021-11-02 | 北京广亿兴业科技发展有限公司 | 一种基于一体式移动采集设备的预警方法、装置及系统 |
CN114639143B (zh) * | 2022-03-07 | 2024-04-16 | 北京百度网讯科技有限公司 | 基于人工智能的人像归档方法、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799877A (zh) * | 2012-09-11 | 2012-11-28 | 上海中原电子技术工程有限公司 | 人脸图像筛选方法及系统 |
CN102880726A (zh) * | 2012-10-23 | 2013-01-16 | 深圳市宜搜科技发展有限公司 | 一种图像过滤方法及系统 |
CN103237040A (zh) * | 2012-03-19 | 2013-08-07 | 天津书生投资有限公司 | 一种存储方法、服务器和客户端 |
CN105701466A (zh) * | 2016-01-13 | 2016-06-22 | 杭州奇客科技有限公司 | 快速的全角度人脸跟踪方法 |
CN106204779A (zh) * | 2016-06-30 | 2016-12-07 | 陕西师范大学 | 基于多人脸数据采集策略和深度学习的课堂考勤方法 |
Family Cites Families (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6549914B1 (en) * | 2000-05-17 | 2003-04-15 | Dell Products, L.P. | System and method for statistical file preload for factory installed software in a computer |
JP2007102341A (ja) * | 2005-09-30 | 2007-04-19 | Fujifilm Corp | 自動計数装置 |
JP2007102342A (ja) * | 2005-09-30 | 2007-04-19 | Fujifilm Corp | 自動計数装置 |
US7751597B2 (en) | 2006-11-14 | 2010-07-06 | Lctank Llc | Apparatus and method for identifying a name corresponding to a face or voice using a database |
JP5010905B2 (ja) * | 2006-12-13 | 2012-08-29 | パナソニック株式会社 | 顔認証装置 |
JP4577410B2 (ja) * | 2008-06-18 | 2010-11-10 | ソニー株式会社 | 画像処理装置、画像処理方法およびプログラム |
JP4753193B2 (ja) * | 2008-07-31 | 2011-08-24 | 九州日本電気ソフトウェア株式会社 | 動線管理システムおよびプログラム |
JP4636190B2 (ja) * | 2009-03-13 | 2011-02-23 | オムロン株式会社 | 顔照合装置、電子機器、顔照合装置の制御方法、および顔照合装置制御プログラム |
US8705813B2 (en) * | 2010-06-21 | 2014-04-22 | Canon Kabushiki Kaisha | Identification device, identification method, and storage medium |
KR101180471B1 (ko) * | 2011-09-27 | 2012-09-07 | (주)올라웍스 | 한정된 메모리 환경 하에서 얼굴 인식 성능 향상을 위한 참조 얼굴 데이터베이스 관리 방법, 장치 및 컴퓨터 판독 가능한 기록 매체 |
CA2804468C (en) * | 2012-01-30 | 2016-03-29 | Accenture Global Services Limited | System and method for face capture and matching |
WO2013113974A1 (en) | 2012-01-30 | 2013-08-08 | Nokia Corporation | A method, an apparatus and a computer program for promoting the apparatus |
US20140075193A1 (en) | 2012-03-19 | 2014-03-13 | Donglin Wang | Storage method |
US9384518B2 (en) * | 2012-03-26 | 2016-07-05 | Amerasia International Technology, Inc. | Biometric registration and verification system and method |
ITVI20120104A1 (it) * | 2012-05-03 | 2013-11-04 | St Microelectronics Srl | Metodo e apparato per generare in tempo reale uno storyboard visuale |
CN103514432B (zh) * | 2012-06-25 | 2017-09-01 | 诺基亚技术有限公司 | 人脸特征提取方法、设备和计算机程序产品 |
US9116924B2 (en) | 2013-01-14 | 2015-08-25 | Xerox Corporation | System and method for image selection using multivariate time series analysis |
US9690978B2 (en) | 2013-09-13 | 2017-06-27 | Nec Hong Kong Limited | Information processing apparatus, information processing and program |
US10083368B2 (en) * | 2014-01-28 | 2018-09-25 | Qualcomm Incorporated | Incremental learning for dynamic feature database management in an object recognition system |
CN103793697B (zh) * | 2014-02-17 | 2018-05-01 | 北京旷视科技有限公司 | 一种人脸图像的身份标注方法及人脸身份识别方法 |
CN103824053B (zh) * | 2014-02-17 | 2018-02-02 | 北京旷视科技有限公司 | 一种人脸图像的性别标注方法及人脸性别检测方法 |
CN103984738B (zh) * | 2014-05-22 | 2017-05-24 | 中国科学院自动化研究所 | 一种基于搜索匹配的角色标注方法 |
CN104166694B (zh) * | 2014-07-31 | 2018-12-14 | 联想(北京)有限公司 | 一种图像分类存储方法和电子设备 |
CN104679913B (zh) * | 2015-03-25 | 2018-05-29 | 广东欧珀移动通信有限公司 | 图像存储方法及装置 |
CN104915114B (zh) * | 2015-05-29 | 2018-10-19 | 小米科技有限责任公司 | 信息记录方法和装置、智能终端 |
CN106326816A (zh) | 2015-06-30 | 2017-01-11 | 芋头科技(杭州)有限公司 | 一种面部识别系统及面部识别方法 |
JP6006841B2 (ja) * | 2015-07-08 | 2016-10-12 | オリンパス株式会社 | 画像取扱装置、画像取扱方法、およびプログラム |
CN105138962A (zh) * | 2015-07-28 | 2015-12-09 | 小米科技有限责任公司 | 图像显示方法及装置 |
CN105243373B (zh) * | 2015-10-27 | 2019-06-07 | 北京奇虎科技有限公司 | 人脸图像滤重抓拍方法、服务器、智能监控设备及系统 |
CN105513101B (zh) * | 2015-12-03 | 2018-08-07 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN105760461A (zh) * | 2016-02-04 | 2016-07-13 | 上海卓易科技股份有限公司 | 相册的自动建立方法及其装置 |
CN106203333A (zh) * | 2016-07-08 | 2016-12-07 | 乐视控股(北京)有限公司 | 人脸识别方法及系统 |
CN106407916A (zh) * | 2016-08-31 | 2017-02-15 | 北京维盛视通科技有限公司 | 分布式人脸识别方法、装置及系统 |
CN106570110B (zh) | 2016-10-25 | 2020-09-08 | 北京小米移动软件有限公司 | 图像去重方法及装置 |
CN106570465B (zh) * | 2016-10-31 | 2018-04-20 | 深圳云天励飞技术有限公司 | 一种基于图像识别的人流量统计方法及装置 |
CN106657069A (zh) * | 2016-12-24 | 2017-05-10 | 深圳云天励飞技术有限公司 | 一种图像数据处理系统 |
CN106803067B (zh) * | 2016-12-28 | 2020-12-08 | 浙江大华技术股份有限公司 | 一种人脸图像质量评估方法及装置 |
CN108228871A (zh) * | 2017-07-21 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸图像动态入库方法和装置、电子设备、介质、程序 |
-
2018
- 2018-01-16 CN CN201810041796.3A patent/CN108228871A/zh active Pending
- 2018-01-16 CN CN201810041797.8A patent/CN108228872A/zh active Pending
- 2018-07-20 SG SG11201909068X patent/SG11201909068XA/en unknown
- 2018-07-20 CN CN201880018961.1A patent/CN110799972A/zh not_active Withdrawn
- 2018-07-20 SG SG11201909069Q patent/SG11201909069QA/en unknown
- 2018-07-20 WO PCT/CN2018/096540 patent/WO2019015682A1/zh active Application Filing
- 2018-07-20 JP JP2019553912A patent/JP6916895B2/ja active Active
- 2018-07-20 KR KR1020197029413A patent/KR102349980B1/ko active IP Right Grant
- 2018-07-20 WO PCT/CN2018/096542 patent/WO2019015684A1/zh active Application Filing
- 2018-07-20 JP JP2019553920A patent/JP6896882B2/ja active Active
- 2018-07-20 CN CN201880018965.XA patent/CN110869937A/zh not_active Withdrawn
-
2019
- 2019-05-15 US US16/412,854 patent/US11132581B2/en active Active
- 2019-05-16 US US16/413,611 patent/US11409983B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103237040A (zh) * | 2012-03-19 | 2013-08-07 | 天津书生投资有限公司 | 一种存储方法、服务器和客户端 |
CN102799877A (zh) * | 2012-09-11 | 2012-11-28 | 上海中原电子技术工程有限公司 | 人脸图像筛选方法及系统 |
CN102880726A (zh) * | 2012-10-23 | 2013-01-16 | 深圳市宜搜科技发展有限公司 | 一种图像过滤方法及系统 |
CN105701466A (zh) * | 2016-01-13 | 2016-06-22 | 杭州奇客科技有限公司 | 快速的全角度人脸跟踪方法 |
CN106204779A (zh) * | 2016-06-30 | 2016-12-07 | 陕西师范大学 | 基于多人脸数据采集策略和深度学习的课堂考勤方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019015682A1 (zh) * | 2017-07-21 | 2019-01-24 | 北京市商汤科技开发有限公司 | 人脸图像动态入库方法和装置、电子设备、介质、程序 |
US11409983B2 (en) | 2017-07-21 | 2022-08-09 | Beijing Sensetime Technology Development Co., Ltd | Methods and apparatuses for dynamically adding facial images into database, electronic devices and media |
US11132581B2 (en) | 2017-07-21 | 2021-09-28 | Beijing Sensetime Technology Development Co., Ltd | Method and apparatus for face image deduplication and storage medium |
CN108491822B (zh) * | 2018-04-02 | 2020-09-08 | 杭州高创电子科技有限公司 | 一种基于嵌入式设备有限缓存的人脸检测去重方法 |
CN108491822A (zh) * | 2018-04-02 | 2018-09-04 | 杭州高创电子科技有限公司 | 一种基于嵌入式设备有限缓存的人脸检测去重方法 |
CN111582894A (zh) * | 2019-02-15 | 2020-08-25 | 普罗文化股份有限公司 | 人群空间行为分析系统 |
CN109977823A (zh) * | 2019-03-15 | 2019-07-05 | 百度在线网络技术(北京)有限公司 | 行人识别跟踪方法、装置、计算机设备和存储介质 |
CN109977823B (zh) * | 2019-03-15 | 2021-05-14 | 百度在线网络技术(北京)有限公司 | 行人识别跟踪方法、装置、计算机设备和存储介质 |
CN110263830A (zh) * | 2019-06-06 | 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 |
CN110263830B (zh) * | 2019-06-06 | 2021-06-08 | 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 |
CN110929605A (zh) * | 2019-11-11 | 2020-03-27 | 中国建设银行股份有限公司 | 视频关键帧的保存方法、装置、设备及存储介质 |
CN113095110A (zh) * | 2019-12-23 | 2021-07-09 | 浙江宇视科技有限公司 | 人脸数据动态入库的方法、装置、介质及电子设备 |
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 |
CN113095110B (zh) * | 2019-12-23 | 2024-03-08 | 浙江宇视科技有限公司 | 人脸数据动态入库的方法、装置、介质及电子设备 |
CN111476105A (zh) * | 2020-03-17 | 2020-07-31 | 深圳力维智联技术有限公司 | 人脸数据清洗方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
US11409983B2 (en) | 2022-08-09 |
WO2019015684A1 (zh) | 2019-01-24 |
SG11201909068XA (en) | 2019-10-30 |
US20190272415A1 (en) | 2019-09-05 |
US11132581B2 (en) | 2021-09-28 |
JP2020516188A (ja) | 2020-05-28 |
CN110869937A (zh) | 2020-03-06 |
SG11201909069QA (en) | 2019-10-30 |
KR20190125428A (ko) | 2019-11-06 |
US20190266441A1 (en) | 2019-08-29 |
JP6896882B2 (ja) | 2021-06-30 |
CN108228872A (zh) | 2018-06-29 |
CN110799972A (zh) | 2020-02-14 |
JP2020512648A (ja) | 2020-04-23 |
KR102349980B1 (ko) | 2022-01-11 |
JP6916895B2 (ja) | 2021-08-11 |
WO2019015682A1 (zh) | 2019-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108228871A (zh) | 人脸图像动态入库方法和装置、电子设备、介质、程序 | |
US10235602B1 (en) | Machine learning artificial intelligence system for identifying vehicles | |
US10891465B2 (en) | Methods and apparatuses for searching for target person, devices, and media | |
CN108229322B (zh) | 基于视频的人脸识别方法、装置、电子设备及存储介质 | |
CN107690657B (zh) | 根据影像发现商户 | |
JP5673765B2 (ja) | 検索システム、検索方法及びコンピュータプログラム | |
US11861927B1 (en) | Generating tracklets from digital imagery | |
JP5829662B2 (ja) | 処理方法、コンピュータプログラム及び処理装置 | |
CN108416902B (zh) | 基于差异识别的实时物体识别方法和装置 | |
CN108197532A (zh) | 人脸识别的方法、装置及计算机装置 | |
US20210200996A1 (en) | Action recognition methods and apparatuses, electronic devices, and storage media | |
CN111310706B (zh) | 一种商品价签识别方法及装置、电子设备、存储介质 | |
CN108235114A (zh) | 视频流的内容解析方法和系统、电子设备、存储介质 | |
CN109359998A (zh) | 客户数据处理方法、装置、计算机装置及存储介质 | |
CN114997956B (zh) | 基于大数据的母婴产品智能推荐系统 | |
CN111160410B (zh) | 一种物体检测方法和装置 | |
CN111428743B (zh) | 商品识别方法、商品处理方法、装置及电子设备 | |
Davids et al. | An efficient video summarization for surveillance system using normalized k-means and quick sort method | |
CN109035558B (zh) | 一种用于无人售货柜的商品识别算法在线学习系统 | |
CN114255377A (zh) | 一种智能货柜的差异商品检测分类方法 | |
CN113486201A (zh) | 一种卡通人物图像分类处理方法与系统 | |
US20230237558A1 (en) | Object recognition systems and methods | |
Deo et al. | Video Tampering Detection Using Machine Learning and Deep Learning | |
CN117035932A (zh) | 业务推荐方法、业务推荐装置、电子设备及可读存储介质 | |
US20020174088A1 (en) | Segmenting information records with missing values using multiple partition trees |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180629 |