CN108228872A - 人脸图像去重方法和装置、电子设备、存储介质、程序 - Google Patents

人脸图像去重方法和装置、电子设备、存储介质、程序 Download PDF

Info

Publication number
CN108228872A
CN108228872A CN201810041797.8A CN201810041797A CN108228872A CN 108228872 A CN108228872 A CN 108228872A CN 201810041797 A CN201810041797 A CN 201810041797A CN 108228872 A CN108228872 A CN 108228872A
Authority
CN
China
Prior art keywords
facial image
face
image
facial
acquisition
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
Application number
CN201810041797.8A
Other languages
English (en)
Inventor
苗文健
陈前
石端广
王洒
吴春虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Publication of CN108228872A publication Critical patent/CN108228872A/zh
Priority to SG11201909068X priority Critical patent/SG11201909068XA/en
Priority to PCT/CN2018/096542 priority patent/WO2019015684A1/zh
Priority to KR1020197029413A priority patent/KR102349980B1/ko
Priority to JP2019553912A priority patent/JP6916895B2/ja
Priority to SG11201909069Q priority patent/SG11201909069QA/en
Priority to PCT/CN2018/096540 priority patent/WO2019015682A1/zh
Priority to JP2019553920A priority patent/JP6896882B2/ja
Priority to US16/412,854 priority patent/US11132581B2/en
Priority to US16/413,611 priority patent/US11409983B2/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06F16/58—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
    • G06F16/51—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
    • 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)
  • Image Analysis (AREA)
  • Processing Or Creating Images (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去重方法和装置、电子设备、存储介质、程序，其中，方法包括：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；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；根据所述匹配结果确定是否针对所述人脸图像执行去重操作。本发明实施例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；并且实现更快速的重复人脸识别。

Description

人脸图像去重方法和装置、电子设备、存储介质、程序
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去重方法和装置、电子设备、存储介质、程序。
背景技术
图像包含了丰富且直观的信息，当前在互联网的社交、购物、旅游等领域，都需要大量的图像来为用户传递信息。随着图像数量的不断增加，其中重复图像的数量也越来越多。因此，图像信息的提供方在使用图像信息前，需要对图像进行去重，避免出现重复的图像，影响用户的体验，又增加自身图像的维护量。随着互联网的飞速发展，图像提供方每天都会利用用户上传、爬虫下载等诸多途径获取大量图像信息，数量已远远超过人工审核的限度。
发明内容
本发明实施例提供的一种人脸图像去重技术。
根据本发明实施例的一个方面，提供的一种人脸图像去重方法，包括：
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；
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；
根据所述匹配结果确定是否针对所述人脸图像执行去重操作。
在基于本发明上述方法的另一个实施例中，所述图像队列中包括分别对应不同人的至少一个人脸图像。
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，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；
和/或，
对从视频流获得的多帧人脸图像执行过滤操作。
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。
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：
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，所述人脸轨迹还包括对应所述人脸图像的时间戳，所述时间戳对应所述人脸图像开始执行过滤操作的时间；
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，包括：
基于所述三维向量到源点的距离，获得第一设定时长内所述人脸轨迹中各所述人脸图像中对应距离最小的人脸图像，保存所述对应距离最小的人脸图像。
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。
在基于本发明上述方法的另一个实施例中，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，包括：
分别确定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之间的距离；
基于所述距离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。
在基于本发明上述方法的另一个实施例中，根据所述匹配结果确定是否针对所述人脸图像执行去重操作，包括：
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之前，还包括：
基于至少一帧视频帧获得多个人脸图像。
在基于本发明上述方法的另一个实施例中，所述基于至少一帧视频帧获得多个人脸图像，包括：
对获得的视频流进行抽帧，获得至少一帧视频帧；
分别对所述视频帧进行人脸识别和分割，获得所述视频帧中的多个人脸图像。
在基于本发明上述方法的另一个实施例中，分别对所述视频帧进行人脸识别和分割之前，还包括：
在一个所述视频帧中，获取大小达到设定大小至少一个的人脸图像。
在基于本发明上述方法的另一个实施例中，还包括：
基于所述获得的多个人脸图像建立至少一个人脸轨迹；每个所述人脸轨迹对应一个人。
在基于本发明上述方法的另一个实施例中，还包括：
基于所述人脸轨迹中各所述人脸图像经过过滤操作和/或去重操作得到所述人脸轨迹对应的目标人脸图像，基于所述目标人脸图像进行属性检测和人脸比对。
在基于本发明上述方法的另一个实施例中，所述方法应用于客户端；
所述方法还包括：
将所述经过过滤操作和/或去重操作得到的人脸图像发送到服务器和/或云服务器。
根据本发明实施例的另一个方面，提供的一种人脸图像去重装置，包括：
过滤单元，用于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；
匹配单元，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个人脸图像进行匹配，得到匹配结果；
去重单元，用于根据所述匹配结果确定是否针对所述人脸图像执行去重操作。
在基于本发明上述装置的另一个实施例中，所述图像队列中包括分别对应不同人的至少一个人脸图像。
在基于本发明上述装置的另一个实施例中，所述过滤单元，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；
和/或，
选帧模块，用于对从视频流获得的多帧人脸图像执行过滤操作。
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；
所述属性过滤模块，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；
所述匹配单元，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，所述过滤单元，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。
在基于本发明上述装置的另一个实施例中，所述过滤单元，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，所述人脸轨迹还包括对应所述人脸图像的时间戳，所述时间戳对应所述人脸图像开始执行过滤操作的时间；
所述向量过滤模块，具体用于基于所述三维向量到源点的距离，获得第一设定时长内所述人脸轨迹中各所述人脸图像中对应距离最小的人脸图像，保存所述对应距离最小的人脸图像。
在基于本发明上述装置的另一个实施例中，所述匹配单元，包括：
相似度模块，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；
结果匹配模块，用于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；
结果不匹配模块，用于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。
在基于本发明上述装置的另一个实施例中，所述相似度模块，具体用于分别确定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之间的距离；基于所述距离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。
在基于本发明上述装置的另一个实施例中，所述去重单元，具体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，还包括：
图像获取单元，用于基于至少一帧视频帧获得多个人脸图像。
在基于本发明上述装置的另一个实施例中，所述图像获取单元，包括：
抽帧模块，用于对获得的视频流进行抽帧，获得至少一帧视频帧；
识别分割模块，用于分别对所述视频帧进行人脸识别和分割，获得所述视频帧中的多个人脸图像。
在基于本发明上述装置的另一个实施例中，所述图像获取单元，还包括：
人脸获取模块，用于在一个所述视频帧中，获取大小达到设定大小至少一个的人脸图像。
在基于本发明上述装置的另一个实施例中，所述图像获取单元，还包括：
轨迹建立模块，用于基于所述获得的多个人脸图像建立至少一个人脸轨迹；每个所述人脸轨迹对应一个人。
在基于本发明上述装置的另一个实施例中，所述图像获取单元，还包括：
检测比对模块，用于基于所述人脸轨迹中各所述人脸图像经过过滤操作和/或去重操作得到所述人脸轨迹对应的目标人脸图像，基于所述目标人脸图像进行属性检测和人脸比对。
在基于本发明上述装置的另一个实施例中，所述装置应用于客户端；
所述装置还包括：
发送单元，用于将所述经过过滤操作和/或去重操作得到的人脸图像发送到服务器和/或云服务器。
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去重装置。
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去重方法。
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去重方法。
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去重方法的指令。
基于本发明上述实施例提供的一种人脸图像去重方法和装置、电子设备、存储介质、程序，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。
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实施例的实施例，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为本发明人脸图像去重方法一个实施例的流程图。
图2为本发明人脸图像去重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。
商业上有越来越多需求需要处理视频流中的人脸数据，但由于视频流中同一个人会有大量帧的图片，需要对这些图片做出择优选择、去重等处理。
图1为本发明人脸图像去重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，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。
可选地，可通过人脸角度、人脸宽高度和人脸模糊度等对人脸图像的显示质量进行评价，但本实施例不限制具体基于什么指标对人脸图像的显示质量进行评价；获得显示质量达标的人脸图像之后还可以将对应同一人的多个人脸图像进行去重，当基于一段视频获得多个显示质量达标的同一人的多个人脸图像，如果都传输给后续操作设备，将造成很大负担，而且消耗大量资源做无用功。
步骤102，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。
在一个或多个可选的实施例中，图像队列中包括分别对应不同人的至少一个人脸图像；图像队列中可以每个人脸图像分别对应不同人，或在图像队列中包括部分图像分别对应不同人；具体地，识别两个人脸图像是否匹配，可基于人脸图像对应的人脸特征之间的距离获得，人脸特征之间的距离包括余弦距离、欧式距离等，本实施例对具体特征间的距离计算方法不作限制。
步骤103，根据匹配结果确定是否针对人脸图像执行去重操作。
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。
基于本发明上述实施例提供的一种人脸图像去重方法，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。
本发明人脸图像去重方法的另一个实施例，在上述实施例的基础上，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。
其中，人脸属性用于表示人脸图像中人脸的显示质量；
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。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。
和/或，对从视频流获得的多帧人脸图像执行过滤操作。通过对视频流中的多帧人脸图像执行过滤，可以实现基于人脸图像从视频流中选帧的目的，通过选帧获得的视频帧中的人脸图像都是符合第一预设条件的。
在一个或多个可选实施例中，操作101，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，人脸轨迹还包括对应人脸图像的时间戳，时间戳对应人脸图像开始执行过滤操作的时间；
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，包括：
基于三维向量到源点的距离，获得第一设定时长内人脸轨迹中各人脸图像中对应距离最小的人脸图像，保存对应距离最小的人脸图像。
本实施例中通过在设定时间长内的人脸图像进行过滤，获得在该时长内人脸轨迹中质量最好的，即实现了获得质量较佳的人脸图像，并且加快了处理速度，后续可以基于多个设定时长获得的质量最佳的人脸图像建立新的人脸轨迹，基于新的人脸轨迹再基于质量过滤，获得多个设定时长中所有人脸图像中质量最好的人脸图像。
本发明人脸图像去重方法的又一个实施例，在上述实施例的基础上，操作102，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。
在本发明人脸图像去重方法上述各实施例的一个具体示例中，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，包括：
分别确定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之间的距离，基于距离获得各人脸图像与图像队列中的人脸图像的相似度。
可选地，通过计算人脸特征之间的距离可确定对应的人脸图像之间的相似度，距离具体可以包括但不限于：余弦距离、欧式距离、马氏距离等，人脸特征之间的距离越近的说明对应的人脸图像之间相似度越大，具体是否是同一个人的人脸图像可以通过设定阈值(例如：相似度为0.86)进行判断，设定阈值的大小可根据实际情况进行调整。
可选地，为了加快相似度识别的速度，可在设定时间段(例如：300秒)内对该时间段内获得的人脸图像与图像队列进行相似度比较，每当达到设定时间段，对该时间段内获得的人脸图像与图像队列进行相似度比较。
在本发明人脸图像去重方法上述各实施例的一个具体示例中，操作103，包括：
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，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，当人脸图像与图像队列中的某一人脸图像相似度大于预设阈值，说明这两个人脸图像可能对应同一人，为了减轻后续处理的压力，对同一个人仅保留一个人脸图像即可，此时可以直接删除新接收的人脸图像，或将该人脸图像与预存人脸图像进行质量比较，当新接收的人脸图像质量更好时，采用新接收的人脸图像替换图像队列中预存的人脸图像；在识别到是重复图像时，可以对该人脸图像对应的出现次数进行累加并记录，以便对统计型的后续处理提供信息；当判断人脸图像不是重复图像时，将该人脸图像加入图像队列，以便后续对其他新接收的人脸图像进行相似度匹配时可准确识别。
本发明人脸图像去重方法的还一个实施例，在上述实施例的基础上，操作101之前，还可以包括：
基于至少一帧视频帧获得多个人脸图像。
实际应用中，需要执行人脸图像去重方法的人脸图像必然是数量巨大的，例如：从一段视频中提取的多个视频帧中得到的人脸图像，或从网络中直接抓取的大量人脸图像等等；本实施例针对视频流中获取的视频帧，对一段视频流进行处理时，可选地，可以包括：
对获得的视频流进行抽帧，获得至少一帧视频帧；
分别对视频帧进行人脸识别和分割，获得视频帧中的多个人脸图像。
具体地，通过抽帧获得视频流中的视频帧，可通过神经网络对视频帧中的人脸进行识别和分割，或通过神经网络进行人脸识别，在基于其他分割技术或其他分割王将人脸图像从视频中中分割出来；本实施例不限制具体的人脸识别和分割技术，以能实现本实施例目的为标准。
在一个或多个可选实施例中，在分别对视频帧进行人脸识别和分割之前，还可以包括：
在一个视频帧中，获取大小达到设定大小至少一个的人脸图像。
通过基于人脸图像大小进行筛选，可将没有人脸图像或人脸图像较小无法识别的视频帧过滤掉，仅保留包括可识别的人脸图像的视频帧，再针对过滤后的视频帧进行人脸识别和分割；具体的人脸图像大小的筛选可以基于神经网络也可以基于其他筛选方法。
在本发明人脸图像去重方法上述各实施例的一个具体示例中，还包括：
基于获得的多个人脸图像建立至少一个人脸轨迹；每个人脸轨迹对应一个人。
本实施例在抠图获得人脸图像之后先基于人脸图像建立人脸轨迹，可为后续操作中对于同一人的人脸图像进行去重提供基础，具体建立人脸轨迹的方式本发明不作限定。
本发明人脸图像去重方法可以应用在智能视频分析，智慧商业，安防监控等领域，例如：凡是涉及到处理视频流的都可应用本发明实施例人脸图像去重方法，凡是涉及到处理大量帧图片有筛选需求的都可应用本发明实施例人脸图像去重方法，凡是涉及到需将大量帧图片上传至云端的都可应用本发明实施例人脸图像去重方法。
在本发明人脸图像去重方法上述各实施例的一个具体示例中，还包括：
基于人脸轨迹中人脸图像经过过滤操作和/或去重操作得到人脸轨迹对应的目标人脸图像，基于目标人脸图像进行属性检测和人脸比对。
具体地，示例性地，可应用的场景一：客户端需对实时采集的视频中的人脸进行属性检测和人脸比对，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，来更好地进行属性检测和人脸比对。这时便需要本方案对符合要求的人脸图像做出选择。
在本发明人脸图像去重方法上述各实施例的一个具体示例中，该实施例方法应用于客户端；
该实施例方法还包括：
将经过过滤操作和/或去重操作得到的人脸图像发送到服务器和/或云服务器，服务器和/或云服务器将从客户端接收经过过滤操作和/或去重操作的人脸图像，将该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，并根据判断结果将该人脸图像存入或不存入该图像数据库。
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，通过不断的将人脸图像发送到服务器和/或云服务器，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。
具体地，示例性地，可应用的场景二：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。
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为本发明人脸图像去重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：
过滤单元21，用于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.
匹配单元22，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个人脸图像进行匹配，得到匹配结果。
在一个或多个可选的实施例中，图像队列中包括分别对应不同人的至少一个人脸图像；图像队列中可以每个人脸图像分别对应不同人，或在图像队列中包括部分图像分别对应不同人；具体地，识别两个人脸图像是否匹配，可基于人脸图像对应的人脸特征之间的距离获得，人脸特征之间的距离包括余弦距离、欧式距离等，本实施例对具体特征间的距离计算方法不作限制。
去重单元23，用于根据匹配结果确定是否针对人脸图像执行去重操作。
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。
基于本发明上述实施例提供的一种人脸图像去重装置，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。
本发明人脸图像去重装置的另一个实施例，在上述实施例的基础上，过滤单元21，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。
其中，人脸属性用于表示人脸图像中人脸的显示质量；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。
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；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。
和/或，选帧模块，用于对从视频流获得的多帧人脸图像执行过滤操作。通过对视频流中的多帧人脸图像执行过滤，可以实现基于人脸图像从视频流中选帧的目的，通过选帧获得的视频帧中的人脸图像都是符合第一预设条件的。
在一个或多个可选实施例中，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；
属性过滤模块，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；
匹配单元22，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。
在本发明人脸图像去重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。
在本发明人脸图像去重装置上述各实施例的一个具体示例中，过滤单元，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。
在本发明人脸图像去重装置上述各实施例的一个具体示例中，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。
可选地，过滤单元，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；源点为值全为0的三维向量。
在本发明人脸图像去重装置上述各实施例的一个具体示例中，人脸轨迹还包括对应人脸图像的时间戳，时间戳对应人脸图像开始执行过滤操作的时间；
向量过滤模块，具体用于基于三维向量到源点的距离，获得第一设定时长内人脸轨迹中各人脸图像中对应距离最小的人脸图像，保存对应距离最小的人脸图像。
本发明人脸图像去重装置的又一个实施例，在上述实施例的基础上，匹配单元22，包括：
相似度模块，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；
结果匹配模块，用于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；
结果不匹配模块，用于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。
在本发明人脸图像去重装置上述各实施例的一个具体示例中，相似度模块，具体用于分别确定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之间的距离；基于距离获得各人脸图像与图像队列中的人脸图像的相似度。
在本发明人脸图像去重装置上述各实施例的一个具体示例中，去重单元23，具体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。
本发明人脸图像去重装置的还一个实施例，在上述实施例的基础上，还包括：
图像获取单元，用于基于至少一帧视频帧获得多个人脸图像。
实际应用中，需要执行人脸图像去重方法的人脸图像必然是数量巨大的，例如：从一段视频中提取的多个视频帧中得到的人脸图像，或从网络中直接抓取的大量人脸图像等等；本实施例针对视频流中获取的视频帧，对一段视频流进行处理时，可选地，图像获取单元，可以包括：
抽帧模块，用于对获得的视频流进行抽帧，获得至少一帧视频帧；
识别分割模块，用于分别对视频帧进行人脸识别和分割，获得视频帧中的多个人脸图像。
在一个或多个可选实施例中，图像获取单元，还包括：
人脸获取模块，用于在一个所述视频帧中，获取大小达到设定大小至少一个的人脸图像。
在本发明人脸图像去重装置上述各实施例的一个具体示例中，图像获取单元，还包括：
轨迹建立模块，用于基于获得的多个人脸图像建立至少一个人脸轨迹；每个人脸轨迹对应一个人。
在本发明人脸图像去重装置上述各实施例的一个具体示例中，图像获取单元，还包括：
检测比对模块，用于基于人脸轨迹中各人脸图像经过过滤操作和/或去重操作得到人脸轨迹对应的目标人脸图像，基于目标人脸图像进行属性检测和人脸比对。
在本发明人脸图像去重装置上述各实施例的一个具体示例中，本实施例装置应用于客户端；
本实施例装置还包括：
发送单元，用于将经过过滤操作和/或去重操作得到的人脸图像发送到服务器和/或云服务器。
根据本发明实施例的一个方面，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，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；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。
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，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；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。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)

1.一种人脸图像去重方法，其特征在于，包括：
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；
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；
根据所述匹配结果确定是否针对所述人脸图像执行去重操作。
2.根据权利要求1所述的方法，其特征在于，所述图像队列中包括分别对应不同人的至少一个人脸图像。
3.根据权利要求1或2所述的方法，其特征在于，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；
和/或，
对从视频流获得的多帧人脸图像执行过滤操作。
4.根据权利要求3所述的方法，其特征在于，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。
5.根据权利要求4所述的方法，其特征在于，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。
6.一种人脸图像去重装置，其特征在于，包括：
过滤单元，用于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；
匹配单元，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个人脸图像进行匹配，得到匹配结果；
去重单元，用于根据所述匹配结果确定是否针对所述人脸图像执行去重操作。
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所述的人脸图像去重装置。
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去重方法。
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去重方法。
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去重方法的指令。
CN201810041797.8A 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 Pending CN108228872A (zh)

Priority Applications (9)

Application Number Priority Date Filing Date Title
SG11201909068X SG11201909068XA (en) 2017-07-21 2018-07-20 Methods and apparatuses for dynamically adding facial images into database, electronic devices, media and programs
PCT/CN2018/096542 WO2019015684A1 (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
KR1020197029413A KR102349980B1 (ko) 2017-07-21 2018-07-20 얼굴 이미지 중복 제거 방법 및 장치, 전자 기기, 저장 매체, 프로그램
JP2019553912A JP6916895B2 (ja) 2017-07-21 2018-07-20 顔画像重複削除方法及び装置、電子機器、記憶媒体、プログラム
SG11201909069Q SG11201909069QA (en) 2017-07-21 2018-07-20 Methods and apparatuses for face image deduplication, electronic devices, storage media, and programs
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
US16/412,854 US11132581B2 (en) 2017-07-21 2019-05-15 Method and apparatus for face image deduplication and storage medium
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
CN2017106055393 2017-07-21
CN201710605539 2017-07-21

Publications (1)

Publication Number Publication Date
CN108228872A true CN108228872A (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 Before (1)

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

Family Applications After (2)

Application Number Title Priority Date Filing Date
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 (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109241310A (zh) * 2018-07-25 2019-01-18 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
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
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
CN109635142A (zh) * 2018-11-15 2019-04-16 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
CN109711287A (zh) * 2018-12-12 2019-05-03 深圳云天励飞技术有限公司 人脸采集方法及相关产品
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
CN110084130A (zh) * 2019-04-03 2019-08-02 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
CN110321843A (zh) * 2019-07-04 2019-10-11 杭州视洞科技有限公司 一种基于深度学习的人脸择优算法
CN111488476A (zh) * 2020-04-03 2020-08-04 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
CN111695643A (zh) * 2020-06-24 2020-09-22 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
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
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
CN114140861A (zh) * 2021-12-13 2022-03-04 中电云数智科技有限公司 人脸检测去重的方法与装置

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
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
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
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
KR102114223B1 (ko) 2019-12-10 2020-05-22 셀렉트스타 주식회사 딥러닝 기반 유사 이미지를 필터링하는 방법 및 그를 이용한 장치
KR102114267B1 (ko) * 2019-12-10 2020-05-22 셀렉트스타 주식회사 딥러닝 기반 유사 텍스트를 필터링하는 방법 및 그를 이용한 장치
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
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
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
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
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
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
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
CN116521046B (zh) * 2023-04-23 2024-07-19 西北核技术研究所 一种交通态势系统态势回溯功能的控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
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
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
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 (37)

* Cited by examiner, † Cited by third party
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
JP2007102342A (ja) * 2005-09-30 2007-04-19 Fujifilm Corp 自動計数装置
JP2007102341A (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
EP2810233A4 (en) 2012-01-30 2015-09-02 Nokia Technologies Oy METHOD, DEVICE AND COMPUTER PROGRAM FOR PROMOTING THE DEVICE
AU2013200450B2 (en) * 2012-01-30 2014-10-02 Accenture Global Services Limited System and method for face capture and matching
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
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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
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
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 (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11132581B2 (en) 2017-07-21 2021-09-28 Beijing Sensetime Technology Development Co., Ltd Method and apparatus for face image deduplication and storage medium
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
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
WO2019015684A1 (zh) * 2017-07-21 2019-01-24 北京市商汤科技开发有限公司 人脸图像去重方法和装置、电子设备、存储介质、程序
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
CN109241310A (zh) * 2018-07-25 2019-01-18 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
CN109635142A (zh) * 2018-11-15 2019-04-16 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
CN109711287A (zh) * 2018-12-12 2019-05-03 深圳云天励飞技术有限公司 人脸采集方法及相关产品
CN110084130A (zh) * 2019-04-03 2019-08-02 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
CN110321843A (zh) * 2019-07-04 2019-10-11 杭州视洞科技有限公司 一种基于深度学习的人脸择优算法
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
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
CN111488476A (zh) * 2020-04-03 2020-08-04 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
CN111695643A (zh) * 2020-06-24 2020-09-22 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
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
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
CN114140861A (zh) * 2021-12-13 2022-03-04 中电云数智科技有限公司 人脸检测去重的方法与装置

Also Published As

Publication number Publication date
KR102349980B1 (ko) 2022-01-11
WO2019015682A1 (zh) 2019-01-24
CN110869937A (zh) 2020-03-06
JP2020512648A (ja) 2020-04-23
JP6916895B2 (ja) 2021-08-11
WO2019015684A1 (zh) 2019-01-24
US11132581B2 (en) 2021-09-28
US20190272415A1 (en) 2019-09-05
JP2020516188A (ja) 2020-05-28
JP6896882B2 (ja) 2021-06-30
SG11201909069QA (en) 2019-10-30
US20190266441A1 (en) 2019-08-29
US11409983B2 (en) 2022-08-09
CN108228871A (zh) 2018-06-29
KR20190125428A (ko) 2019-11-06
CN110799972A (zh) 2020-02-14
SG11201909068XA (en) 2019-10-30

Similar Documents

Publication Publication Date Title
CN108228872A (zh) 人脸图像去重方法和装置、电子设备、存储介质、程序
US12061989B2 (en) Machine learning artificial intelligence system for identifying vehicles
WO2021004402A1 (zh) 图像识别方法及装置、存储介质和处理器
US10891465B2 (en) Methods and apparatuses for searching for target person, devices, and media
CN108921645B (zh) 一种商品购买判定方法、装置和用户终端
Cheng et al. Efficient salient region detection with soft image abstraction
WO2021139324A1 (zh) 图像识别方法、装置、计算机可读存储介质及电子设备
CN108416902B (zh) 基于差异识别的实时物体识别方法和装置
WO2016029796A1 (zh) 识别视频图像中的商品和展示其信息的方法、装置及系统
US20180268458A1 (en) Automated recommendation and virtualization systems and methods for e-commerce
US20150220814A1 (en) Behavioral event measurement system and related method
CN108229297A (zh) 人脸识别方法和装置、电子设备、计算机存储介质
CN108229651A (zh) 神经网络模型迁移方法和系统、电子设备、程序和介质
CN111814620A (zh) 人脸图像质量评价模型建立方法、优选方法、介质及装置
CN107918767B (zh) 目标检测方法、装置、电子设备及计算机可读介质
CN108492160A (zh) 信息推荐方法和装置
CN111784372A (zh) 门店商品推荐方法及设备
CN109712324A (zh) 一种自动售货机图像识别方法、售货方法及自动售货设备
CN108235114A (zh) 视频流的内容解析方法和系统、电子设备、存储介质
CN111310531B (zh) 图像分类方法、装置、计算机设备及存储介质
CN107203638A (zh) 监控视频处理方法、装置及系统
US10839251B2 (en) Method and system for implementing image authentication for authenticating persons or items
US11989772B2 (en) System and method for extracting product information from low resolution photos for updating product master
CN111753618A (zh) 图像识别方法、装置、计算机设备及计算机可读存储介质
CN113723093B (zh) 人员管理策略推荐方法、装置、计算机设备及存储介质

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