CN108229323A - 布控方法和装置、电子设备、计算机存储介质 - Google Patents

Abstract

本发明实施例公开了一种布控方法和装置、电子设备、计算机存储介质，其中，方法包括：基于创建的布控任务获取布控属性信息、人脸图像库和待识别图像；对所述待识别图像进行特征提取，得到对应所述待识别图像的人脸图像特征；基于所述人脸图像特征获得人脸属性特征；基于所述人脸图像特征和所述人脸属性特征从所述人脸图像库中匹配获得至少一个目标人脸图像。本发明实施例在人脸图像库中基于人脸图像特征识别匹配的预存人脸图像；实现了精确的识别多种人脸属性，提高了布控的针对性，支持灵活地配置布控业务；还提供了更多相似性次高的匹配结果。

Description

布控方法和装置、电子设备、计算机存储介质

技术领域

本发明涉及计算机视觉技术，尤其是一种布控方法和装置、电子设备、计算机存储介质。

背景技术

基于视频图像分析的智能布控系统是智能安防工程中的重要研究内容。通过越来越密集的监控网络持续地采集，获得越来越多的视频图像数据，通过人力对视频内容进行分析的方法，在处理海量数据时，由于速度太慢，导致处理效率过低。

随着计算机视觉、深度学习、计算处理器的飞速发展，使得计算机算法有可靠的内容理解能力和高效的执行速度。目前，在基于人脸分析的布控系统中，深度学习分析技术得到了更多应用。

发明内容

本发明实施例提供一种布控技术。

本发明实施例提供一种布控方法，包括：

基于布控任务获取布控属性信息、人脸图像库和待识别图像；所述布控属性信息包括告警属性及所述告警属性对应的属性分类，所述人脸图像库中包括至少一个预存人脸图像，所述待识别图像中包括人脸图像；

对所述待识别图像进行特征提取，得到对应所述待识别图像的人脸图像特征；

基于所述人脸图像特征获得人脸属性特征；所述人脸属性特征用于表示人脸图像在对应的告警属性的属性分类；

基于所述人脸图像特征和所述人脸属性特征从所述人脸图像库中匹配获得至少一个目标人脸图像。

在基于本发明上述方法的另一个实施例中，所述基于布控任务获取布控属性信息、人脸图像库和待识别图像，包括：

基于布控任务的设置从告警属性列表中获取告警属性信息；所述告警属性列表包括至少一个告警属性信息；

基于布控任务的设置从至少一个人脸图像库中获取一个人脸图像库；

基于布控任务的设置从至少一个视频流中获取一个视频流，基于所述获取的视频流获得待识别图像。

在基于本发明上述方法的另一个实施例中，所述基于所述获取的视频流获得待识别图像，包括：

采集视频流，基于每个出现在视频流中的人脸图像在所述采集的视频流中筛选得到至少一个视频图像，其中，所述视频图像中包括人脸图像，每个所述人脸图像对应至少一个视频图像；

对所有所述视频图像进行质量筛选，得到至少一个待识别图像；所述待识别图像为人脸图像质量达到设定阈值的所述视频图像。

在基于本发明上述方法的另一个实施例中，所述基于每个出现在视频流中的人脸图像在所述采集的视频流中筛选得到至少一个视频图像，包括：

将采集的视频流分解为至少一张分解图像，对所有所述分解图像进行优化，得到优化图像显示效果的中间图像；

对所有所述中间图像基于人脸识别网络进行人脸识别，基于所述人脸识别的结果筛选获得具有人脸图像的视频图像。

在基于本发明上述方法的另一个实施例中，对所有所述分解图像进行优化，得到优化图像显示效果的中间图像，包括：

对所述分解图像经过自动曝光、自动白平衡和3D降噪处理，得到显示效果经过优化的中间图像。

在基于本发明上述方法的另一个实施例中，还包括：基于人脸识别网络进行人脸识别得到预设人脸识别信息，通过预设人脸识别信息对所述视频图像中的人脸图像质量进行评价。

在基于本发明上述方法的另一个实施例中，对所有所述视频图像进行质量筛选，得到至少一个待识别图像，包括：

基于所述视频图像对应的预设人脸识别信息对所述视频图像中的人脸图像质量进行筛选，保存所述人脸图像质量达到预设阈值的所述视频图像作为待识别图像。

在基于本发明上述方法的另一个实施例中，所述基于布控任务还获取识别区域信息；所述识别区域信息包括识别区域的大小和识别区域每次移动的像素个数；

所述对所述待识别图像进行特征提取，得到对应所述待识别图像的人脸图像特征之前，还包括：

基于所述识别区域信息从所述待识别图像中获取待识别人脸图像，从所述待识别图像中分解出所述待识别人脸图像。

在基于本发明上述方法的另一个实施例中，基于所述识别区域信息从所述待识别图像中获取待识别人脸图像，包括：

将所述识别区域基于所述识别区域每次移动的像素个数在所述待识别图像中移动获得候选框图像；

对所述候选框图像进行人脸识别获得待识别人脸图像。

在基于本发明上述方法的另一个实施例中，所述对所述待识别图像进行特征提取，得到对应所述待识别图像的人脸图像特征，包括：

利用神经网络，对所述待识别图像分解出的所述待识别人脸图像进行特征提取，得到对应所述待识别人脸图像的人脸图像特征。

在基于本发明上述方法的另一个实施例中，基于所述人脸图像特征获得人脸属性特征，包括：

利用属性识别网络，对所述人脸图像特征基于各所述告警属性进行特征分类，得到分别对应各所述告警属性的人脸属性特征；所述属性识别网络经过样本人脸特征训练，所述样本人脸特征标注有标注属性分类。

在基于本发明上述方法的另一个实施例中，基于所述人脸图像特征和所述人脸属性特征从所述人脸图像库中匹配获得至少一个目标人脸图像，包括：

基于所述人脸图像特征从所述人脸图像库中匹配获得至少一个预存人脸图像；

基于所述人脸属性特征对所述获得的至少一个预存人脸图像进行过滤，得到至少一个目标人脸图像。

在基于本发明上述方法的另一个实施例中，基于所述人脸图像特征从所述人脸图像库中匹配获得至少一个预存人脸图像，包括：

利用神经网络对所述人脸图像库中的预存人脸图像进行特征提取，获得对应所述预存人脸图像的预存人脸图像特征；

计算所述人脸图像特征与所述获取的预存人脸图像特征的相似度，获得相似度大于预设阈值的至少一个预存人脸图像。

在基于本发明上述方法的另一个实施例中，所述人脸图像库中还包括对应所述预存人脸图像的预存人脸特征；

基于所述人脸图像特征从所述人脸图像库中匹配获得至少一个预存人脸图像，包括：

计算所述人脸图像特征与所述预存人脸图像特征的相似度，获得相似度大于或等于预设阈值的至少一个预存人脸图像。

在基于本发明上述方法的另一个实施例中，基于所述人脸属性特征对所述获得的至少一个预存人脸图像进行过滤之前，还包括：

利用属性识别网络，基于所述人脸图像中的预存人脸图像对应的预存人脸特征获得预存人脸属性特征；所述预存人脸属性特征用于表示预存人脸图像在对应的告警属性的属性分类。

在基于本发明上述方法的另一个实施例中，基于所述人脸属性特征对所述获得的至少一个预存人脸图像进行过滤，得到至少一个目标人脸图像，包括：

基于所述人脸属性特征与所述获得的至少一个预存人脸图像对应的预存人脸属性特征进行匹配；

响应于所述人脸属性特征与所述预存人脸属性特征匹配，输出所述匹配的预存人脸属性特征对应的预存人脸图像作为目标人脸图像。

在基于本发明上述方法的另一个实施例中，还包括：按照所述人脸图像特征与所述预存人脸图像特征的相似度从大到小，对所述获得的预存人脸图像排序；

从所述排序中依次获取预设数量的预存人脸图像，组成候选人脸组；

响应于所述候选人脸组中存在与所述人脸图像特征相似度大于或等于预设阈值的预存人脸图像，输出所述相似度大于或等于预设阈值的预存人脸图像；

响应于所述候选人脸组中存在与所述人脸图像特征相似度小于预设阈值的预存人脸图像，输出所述候选人脸组。

在基于本发明上述方法的另一个实施例中，基于所述人脸图像特征和所述人脸属性特征从所述人脸图像库中匹配获得至少一个目标人脸图像之后，还包括：

基于所述目标人脸图像发送告警信息给客户端；

通过所述客户端显示所述告警信息并将所述告警信息存入告警记录库中对应所述布控任务的告警条目中；所述告警记录库中包括至少一个告警条目，每个所述告警条目对应一个布控任务，所述告警条目中存储所述对应的布控任务发送的告警信息。

在基于本发明上述方法的另一个实施例中，还包括：

通过所述客户端显示布控任务列表；所述布控任务列表包括至少一个任务条目，每个所述任务条目对应一个所述布控任务，所述任务条目中保存对应所述任务条目的布控任务的设置信息。

在基于本发明上述方法的另一个实施例中，所述任务条目在所述布控任务列表中基于不同任务状态分类存储；所述任务状态包括待开始状态、进行中状态和已结束状态。

根据本发明实施例的一个方面，提供的一种布控装置，包括：

信息获取单元，用于基于布控任务获取布控属性信息、人脸图像库和待识别图像；所述布控属性信息包括告警属性及所述告警属性对应的属性分类，所述人脸图像库中包括至少一个预存人脸图像，所述待识别图像中包括人脸图像；

人脸特征提取单元，用于对所述待识别图像进行特征提取，得到对应所述待识别图像的人脸图像特征；

属性特征提取单元，用于基于所述人脸图像特征获得人脸属性特征；所述人脸属性特征用于表示人脸图像在对应的告警属性的属性分类；

目标获取单元，用于基于所述人脸图像特征和所述人脸属性特征从所述人脸图像库中匹配获得至少一个目标人脸图像。

在基于本发明上述装置的另一个实施例中，所述信息获取单元，包括：

属性获取模块，用于基于布控任务的设置从告警属性列表中获取告警属性信息；所述告警属性列表包括至少一个告警属性信息；

库获取模块，用于基于布控任务的设置从至少一个人脸图像库中获取一个人脸图像库；

视频获取模块，用于基于布控任务的设置从至少一个视频流中获取一个视频流，基于所述获取的视频流获得待识别图像。

在基于本发明上述装置的另一个实施例中，所述视频获取模块，包括：

图像筛选模块，用于采集视频流，基于每个出现在视频流中的人脸图像在所述采集的视频流中筛选得到至少一个视频图像，其中，所述视频图像中包括人脸图像，每个所述人脸图像对应至少一个视频图像；

质量筛选模块，用于对所有所述视频图像进行质量筛选，得到至少一个待识别图像；所述待识别图像为人脸图像质量达到设定阈值的所述视频图像。

在基于本发明上述装置的另一个实施例中，所述图像筛选模块，包括：

优化模块，用于将采集的视频流分解为至少一张分解图像，对所有所述分解图像进行优化，得到优化图像显示效果的中间图像；

人脸识别模块，用于对所有所述中间图像基于人脸识别网络进行人脸识别，基于所述人脸识别的结果筛选获得具有人脸图像的视频图像。

在基于本发明上述装置的另一个实施例中，所述优化模块，具体用于对所述分解图像经过自动曝光、自动白平衡和3D降噪处理，得到显示效果经过优化的中间图像。

在基于本发明上述装置的另一个实施例中，所述图像筛选模块，还包括：

质量评价模块，用于基于人脸识别网络进行人脸识别得到预设人脸识别信息，通过预设人脸识别信息对所述视频图像中的人脸图像质量进行评价。

在基于本发明上述装置的另一个实施例中，所述质量筛选模块，具体用于基于所述视频图像对应的预设人脸识别信息对所述视频图像中的人脸图像质量进行筛选，保存所述人脸图像质量达到预设阈值的所述视频图像作为待识别图像。

在基于本发明上述装置的另一个实施例中，所述信息获取单元，还用于基于布控任务还获取识别区域信息；所述识别区域信息包括识别区域的大小和识别区域每次移动的像素个数；

所述人脸特征提取单元之前，还包括：

人脸获取单元，用于基于所述识别区域信息从所述待识别图像中获取待识别人脸图像，从所述待识别图像中分解出所述待识别人脸图像。

在基于本发明上述装置的另一个实施例中，所述人脸获取单元，具体用于将所述识别区域基于所述识别区域每次移动的像素个数在所述待识别图像中移动获得候选框图像；对所述候选框图像进行人脸识别获得待识别人脸图像。

在基于本发明上述装置的另一个实施例中，所述人脸特征提取单元，具体用于利用神经网络，对所述待识别图像分解出的所述待识别人脸图像进行特征提取，得到对应所述待识别人脸图像的人脸图像特征。

在基于本发明上述装置的另一个实施例中，所述属性特征提取单元，具体用于利用属性识别网络，对所述人脸图像特征基于各所述告警属性进行特征分类，得到分别对应各所述告警属性的人脸属性特征；所述属性识别网络经过样本人脸特征训练，所述样本人脸特征标注有标注属性分类。

在基于本发明上述装置的另一个实施例中，所述目标获取单元，包括：

特征匹配模块，用于基于所述人脸图像特征从所述人脸图像库中匹配获得至少一个预存人脸图像；

属性过滤模块，用于基于所述人脸属性特征对所述获得的至少一个预存人脸图像进行过滤，得到至少一个目标人脸图像。

在基于本发明上述装置的另一个实施例中，所述特征匹配模块，具体用于利用神经网络对所述人脸图像库中的预存人脸图像进行特征提取，获得对应所述预存人脸图像的预存人脸图像特征；计算所述人脸图像特征与所述获取的预存人脸图像特征的相似度，获得相似度大于预设阈值的至少一个预存人脸图像。

在基于本发明上述装置的另一个实施例中，所述人脸图像库中还包括对应所述预存人脸图像的预存人脸特征；

所述特征匹配模块，具体用于计算所述人脸图像特征与所述预存人脸图像特征的相似度，获得相似度大于或等于预设阈值的至少一个预存人脸图像。

在基于本发明上述装置的另一个实施例中，所述目标获取单元，还包括：

属性识别模块，用于利用属性识别网络，基于所述人脸图像中的预存人脸图像对应的预存人脸特征获得预存人脸属性特征；所述预存人脸属性特征用于表示预存人脸图像在对应的告警属性的属性分类。

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，具体用于基于所述人脸属性特征与所述获得的至少一个预存人脸图像对应的预存人脸属性特征进行匹配；响应于所述人脸属性特征与所述预存人脸属性特征匹配，输出所述匹配的预存人脸属性特征对应的预存人脸图像作为目标人脸图像。

在基于本发明上述装置的另一个实施例中，所述目标获取单元，还包括：

排序模块，用于按照所述人脸图像特征与所述预存人脸图像特征的相似度从大到小，对所述获得的预存人脸图像排序；从所述排序中依次获取预设数量的预存人脸图像，组成候选人脸组；

图像输出模块，用于响应于所述候选人脸组中存在与所述人脸图像特征相似度大于或等于预设阈值的预存人脸图像，输出所述相似度大于或等于预设阈值的预存人脸图像；响应于所述候选人脸组中存在与所述人脸图像特征相似度小于预设阈值的预存人脸图像，输出所述候选人脸组。

在基于本发明上述装置的另一个实施例中，还包括：

告警单元，用于所述目标人脸图像发送告警信息给客户端；

显示存储单元，用于通过所述客户端显示所述告警信息并将所述告警信息存入告警记录库中对应所述布控任务的告警条目中；所述告警记录库中包括至少一个告警条目，每个所述告警条目对应一个布控任务，所述告警条目中存储所述对应的布控任务发送的告警信息。

在基于本发明上述装置的另一个实施例中，所述显示存储单元，还用于通过所述客户端显示布控任务列表；所述布控任务列表包括至少一个任务条目，每个所述任务条目对应一个所述布控任务，所述任务条目中保存对应所述任务条目的布控任务的设置信息。

在基于本发明上述装置的另一个实施例中，所述任务条目在所述布控任务列表中基于不同任务状态分类存储；所述任务状态包括待开始状态、进行中状态和已结束状态。

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，所述处理器包括如上所述的布控装置。

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布控方法的操作。

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，其特征在于，所述指令被执行时执行如上所述的布控方法的操作。

基于本发明上述实施例提供的一种布控方法和装置、电子设备、计算机存储介质，基于布控任务获取布控属性信息、人脸图像库和待识别图像；对待识别图像进行特征提取，得到对应待识别图像的人脸图像特征；基于人脸图像特征获得人脸属性特征；基于人脸图像特征和人脸属性特征从人脸图像库中匹配获得至少一个目标人脸图像，基于得到的人脸图像特征和人脸属性特征，实现了在人脸图像库中基于人脸图像特征和人脸属性特征识别匹配的预存人脸图像；实现了精确的识别多种人脸属性，提高了布控的针对性，支持灵活地配置布控业务；通过得到至少一个目标人脸图像，提供了更多相似性次高的匹配结果。

下面通过附图和实施例，对本发明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，其中：

图1为本发明布控方法一个实施例的流程图。

图2为本发明布控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。

图1为本发明布控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，基于布控任务获取布控属性信息、人脸图像库和待识别图像。

其中，布控属性信息包括告警属性及告警属性对应的属性分类，人脸图像库中包括至少一个预存人脸图像，待识别图像中包括人脸图像。

具体地，布控任务可以通过创建获得，创建布控任务包括：首先需要设置采集待识别图像的视频来源(如：选择某一地区的摄像头)，选择作为识别基础的人脸图像库，设置告警属性信息，告警属性可以包括：年龄、性别、颜值、是否戴眼镜、是否戴太阳镜、是否微笑、是否戴口罩、人种、是否睁眼、是否张嘴、是否有胡子等人脸属性；每种告警属性对应至少两种属性分类，如：是否戴眼镜包括：戴眼镜和不戴眼镜；是否微笑包括：微笑和不微笑；人种：黄色人种、白色人种、黑色人种和棕色人种等等。

步骤102，对待识别图像进行特征提取，得到对应待识别图像的人脸图像特征。

具体地，可以基于神经网络，结合人脸关键点检测技术对人脸进行特征提取，较其它同类算法有精度高、能适应人脸多视角、姿态变化、光照不均、遮挡等复杂场景。

步骤103，基于人脸图像特征获得人脸属性特征。

其中，人脸属性特征用于表示人脸图像在对应的告警属性的属性分类；具体地，本实施例中通过选择某一种或几种告警属性，通过属性识别网络基于人脸图像特征得到具体的属性分类，通过获得的人脸属性特征，可以实现根据特定属性针对性的对视频图像进行排查和目标布控；该属性识别网络基于多任务学习框架实现多种属性的识别。

步骤104，基于人脸图像特征和人脸属性特征从人脸图像库中匹配获得至少一个目标人脸图像。

基于本发明上述实施例提供的一种布控方法，基于布控任务获取布控属性信息、人脸图像库和待识别图像；对待识别图像进行特征提取，得到对应待识别图像的人脸图像特征；基于人脸图像特征获得人脸属性特征；基于人脸图像特征和人脸属性特征从人脸图像库中匹配获得至少一个目标人脸图像，基于得到的人脸图像特征和人脸属性特征，实现了在人脸图像库中基于人脸图像特征和人脸属性特征识别匹配的预存人脸图像；实现了精确的识别多种人脸属性，提高了布控的针对性，支持灵活地配置布控业务；通过得到至少一个目标人脸图像，提供了更多相似性次高的匹配结果。

本发明布控方法的另一个实施例，在上述实施例的基础上，操作101包括：

基于布控任务的设置从告警属性列表中获取告警属性信息；告警属性列表包括至少一个告警属性信息；

基于布控任务的设置从至少一个人脸图像库中获取一个人脸图像库；

基于布控任务的设置从至少一个视频流中获取一个视频流，基于获取的视频流获得待识别图像。

本实施例针对现有布控方法不支持人脸属性告警的问题，提出了用于支持布控任务的人脸属性告警的功能，并且支持多种属性，属性包括：年龄、性别、颜值、是否戴眼镜、是否戴太阳镜、是否微笑、是否戴口罩、人种、是否睁眼、是否张嘴、是否有胡子等人脸属性；视频流的获取通常是基于摄像头的，摄像头为实时视频源输入设备，可以通过网络与动态比对服务器连接。

本发明布控方法上述各实施例的一个具体示例中，基于获取的视频流获得待识别图像，包括：

采集视频流，基于每个出现在视频流中的人脸图像在采集的视频流中筛选得到至少一个视频图像，其中，视频图像中包括人脸图像，每个人脸图像对应至少一个视频图像；

对所有视频图像进行质量筛选，得到至少一个待识别图像；待识别图像为人脸图像质量达到设定阈值的视频图像。

具体地，采集视频流可以是通过设置的监控设备(如：摄像头等)进行实时采集，由于前端存储空间有限，在前端的数据库中保存视频流是不可行的，因此，本步骤将视频流分解为一帧一帧的视频图像，而针对基于视频流获得的图像存在大量重复视频图像、无意义视频图像(无人脸图像)和模糊的现象，对视频流获得的所有视频图像进行筛选，得到其中包括可识别的人脸图像，并且，针对每个人脸图像采集至少一个视频图像，以保证不会漏掉在视频中出现的人脸，在后续识别中可以更准确的找到。

可选地，为了使获得的视频图像中的人脸便于识别，采用了专用的ISP处理芯片对原始图像进行了优化处理，这里的优化处理可以包括自动曝光、自动白平衡、3D降噪等操作，同时，还可以根据用户的需求选择局部曝光、提取感兴趣区域等操作，执行优化处理的目的是为了得到高清晰、低噪声、宽动态范围、低畸变和低失真的待识别图像，以便识别视频图像中的人脸，这里的设定阈值可以根据具体情况进行调整。

本发明布控方法上述各实施例的一个具体示例中，基于每个出现在视频流中的人脸图像在采集的视频流中筛选得到至少一个视频图像，包括：

将采集的视频流分解为至少一张分解图像，对所有分解图像进行优化，得到优化图像显示效果的中间图像；

对所有中间图像基于人脸识别网络进行人脸识别，基于人脸识别的结果筛选获得具有人脸图像的视频图像。

具体地，对于采集的视频流的分解可以通过很多方式，本实施例不做限制，对得到的分解图像优化其显示效果，得到显示效果较好的中间图像，在基于卷积神经网络对中间图像进行人脸识别，获得具有人脸图像的图像，通过筛选将其他没有人脸图像的无用图像删除，为后期人脸识别提高可靠的视频图像基础。

本发明布控方法上述各实施例的一个具体示例中，对所有分解图像进行优化，得到优化图像显示效果的中间图像，包括：

对分解图像经过自动曝光、自动白平衡和3D降噪处理，得到显示效果经过优化的中间图像。

本实施例中，将采集的图像输入ISP(Image Signal Processing)图像信号处理模块中，ISP图像信号处理模块自动实现自动曝光、自动白平衡和3D降噪处理，还可以根据用户的需求选择增加局部曝光和/或提取感兴趣区域等操作，执行优化处理的目的是为了得到高清晰、低噪声、宽动态范围、低畸变和低失真的中间图像，以便识别图像中的人脸。

本发明布控方法上述各实施例的一个具体示例中，还包括：基于人脸识别网络进行人脸识别得到预设人脸识别信息，通过预设人脸识别信息对视频图像中的人脸图像质量进行评价。

本实施例中通过人脸质量评估算法获得人脸识别信息，人脸识别信息可以包括人脸偏航角度、俯仰角度和/或人脸大小，即结合人脸偏航角度、俯仰及人脸大小来综合评价人脸图像质量，对抓拍出来的人脸进行打分，将得到的分数与预先设定的分数值进行比较，将分数低于预先设定的分数值的视频图像删除，仅保留分数高于预先设定的分数值的视频图像，通过质量筛选保证了数据库中保存的视频图像都具有识别度较高的人脸图像，降低了无用信息的占用率，提高了传输效率；还可以对视频图像基于人脸图像质量进行排序，进一步避免同一个人的多个清晰图像上传多次，同时避免了漏传相对不清晰的人脸图像。

本发明布控方法上述各实施例的一个具体示例中，对所有视频图像进行质量筛选，得到至少一个待识别图像，包括：

基于视频图像对应的预设人脸识别信息对视频图像中的人脸图像质量进行筛选，保存人脸图像质量达到预设阈值的视频图像作为待识别图像。

具体地，基于人脸图像质量对视频图像进行筛选，仅保留其中人脸图像质量达到预设阈值的视频图像，丢弃其他人脸图像质量未达到预设阈值的视频图像，保证得到的所有待识别图像中的人脸图像在检索过程中可以快速实现人脸匹配。

本发明布控方法的又一个实施例，在上述各实施例的基础上，基于布控任务还获取识别区域信息；识别区域信息包括识别区域的大小和识别区域每次移动的像素个数；

操作102之前，还包括：

基于识别区域信息从待识别图像中获取待识别人脸图像，从待识别图像中分解出待识别人脸图像。

具体地，本实施例支持在选择的待识别图像中自定义识别区域(如：最大识别区域、和/或最小识别区域、和/或热区等)，具体操作过程中，首先选择视频源，在视频源中通过预览等功能现在设定大小的识别区域，通过设置的识别区域可快速从待识别图像中识别到待识别人脸图像的位置和大小，进而将其分解出来。

本发明布控方法上述各实施例的一个具体示例中，基于识别区域信息从待识别图像中获取待识别人脸图像，包括：

将识别区域基于识别区域每次移动的像素个数在待识别图像中移动获得候选框图像；

对候选框图像进行人脸识别获得待识别人脸图像。

具体地，通过移动识别区域并判断该识别区域中人脸图像所占比例确定该候选框图像中是否为人脸图像，在识别过程中有可能出现识别区域大小不合适的情况，如果通过移动设定大小的识别区域无法确定人脸图像的位置和大小，通过缩小识别区域的大小或通过设定最大识别区域和最小识别区域两个识别区域同时移动的方式，慢慢缩小最大识别区域和放大最小识别区域，最终获得人脸图像比例超过预设值的候选框图像。

本发明布控方法上述各实施例的一个具体示例中，操作102包括：

利用神经网络，对待识别图像分解出的待识别人脸图像进行特征提取，得到对应待识别人脸图像的人脸图像特征。

本实施例，利用神经网络直接对分解得到的待识别人脸图像进行特征提取，因为需要提取特征的区域中人脸图像的部分占大部分，相对于直接对待识别图像进行人脸特征提取大大提高了特征的准确率，并提高了处理速度。

本发明布控方法的还一个实施例，在上述实施例的基础上，操作103包括：

利用属性识别网络，对人脸图像特征基于各告警属性进行特征分类，得到分别对应各告警属性的人脸属性特征。

其中，属性识别网络经过样本人脸特征训练，样本人脸特征标注有标注属性分类。

本实施例具体地，基于人脸图像特征实现属性预测，基于每种告警属性都分别具有不同的分类类别，基于训练后的属性识别网络可基于人脸图像特征识别出该待识别人脸图像对应的告警属性所属的分类类别。

本发明布控方法的再一个实施例，在上述实施例的基础上，布控操作104包括：

基于人脸图像特征从人脸图像库中匹配获得至少一个预存人脸图像；

基于人脸属性特征对获得的至少一个预存人脸图像进行过滤，得到至少一个目标人脸图像。

具体地，通过人脸图像特征从人脸图像库中可得到初步匹配的预存人脸图像，其中匹配是基于人脸属性特征和预存人脸图像对应的人脸属性特征进行相似度判断实现的；通过对初步匹配的预存人脸图像通过人脸属性特征进行过滤，将得到在属性特征上匹配的预存人脸图像作为目标人脸图像，实现了精确的识别多种人脸属性，提高了布控的针对性，支持灵活地配置布控业务。

本发明布控方法上述各实施例的一个具体示例中，基于人脸图像特征从人脸图像库中匹配获得至少一个预存人脸图像，包括：

利用神经网络对人脸图像库中的预存人脸图像进行特征提取，获得对应预存人脸图像的预存人脸图像特征；

计算人脸图像特征与获取的预存人脸图像特征的相似度，获得相似度大于预设阈值的至少一个预存人脸图像。

本实施例中，当人脸图像库中的预存人脸图像在保存入库时，未进行人脸特征提取，在匹配的过程中，首先需要对人脸图像库中的预存人脸图像进行特征提取，以实现基于特征向量之间的距离或角度获得两个图像之间的相似度的目的，具体的距离可包括：欧式距离、海明距离等，角度通常为夹角余弦。

本发明布控方法上述各实施例的一个具体示例中，人脸图像库中还包括对应预存人脸图像的预存人脸特征；

基于人脸图像特征从人脸图像库中匹配获得至少一个预存人脸图像，包括：

计算人脸图像特征与预存人脸图像特征的相似度，获得相似度大于或等于预设阈值的至少一个预存人脸图像。

本实施例中，当人脸图像库中的预存人脸图像在保存入库时，已进行人脸特征提取，在匹配的过程中，直接将人脸图像特征与预存人脸图像特征进行向量之间的距离或角度计算，以实现基于特征向量之间的距离或角度获得两个图像之间的相似度的目的，具体的距离可包括：欧式距离、海明距离等，角度通常为夹角余弦。

本发明布控方法的再一个实施例，在上述实施例的基础上，基于人脸属性特征对获得的至少一个预存人脸图像进行过滤，得到至少一个目标人脸图像之前，还可以包括：

利用属性识别网络，基于人脸图像中的预存人脸图像对应的预存人脸特征获得预存人脸属性特征；预存人脸属性特征用于表示预存人脸图像在对应的告警属性的属性分类。

本实施例中，除了对采集的待识别图像进行属性识别，还可以对预存人脸图像进行属性识别，在人脸图像库中，可以将预存人脸图像基于属性分类存储，此时，在基于待识别图像进行匹配时，可首先基于属性分类从对应分类存储中查找获得一批预存人脸图像，实现了初步的属性筛选，再基于获得的一批预存人脸图像与待识别图像进行匹配，大大缩小了比对的工作量，提高了处理效率。

本发明布控方法上述各实施例的一个具体示例中，基于人脸属性特征对获得的至少一个预存人脸图像进行过滤，得到至少一个目标人脸图像，包括：

基于人脸属性特征与获得的至少一个预存人脸图像对应的预存人脸属性特征进行匹配；

响应于人脸属性特征与预存人脸属性特征匹配，输出匹配的预存人脸属性特征对应的预存人脸图像作为目标人脸图像。

本实施例，通过对获得的与待识别人脸图像相似度大于预设阈值的至少一个预存人脸图像进一步进行属性筛选，实现将获得的预存人脸图像中不符合告警属性类别的预存人脸图像删除，实现了对设定属性的识别筛选，更具个性化。

本发明布控方法上述各实施例的一个具体示例中，还包括：按照人脸图像特征与预存人脸图像特征的相似度从大到小，对获得的预存人脸图像排序；

从排序中依次获取预设数量的预存人脸图像，组成候选人脸组；

响应于候选人脸组中存在与人脸图像特征相似度大于或等于预设阈值的预存人脸图像，输出该相似度大于或等于预设阈值的预存人脸图像；

响应于候选人脸组中存在与人脸图像特征相似度小于预设阈值的预存人脸图像，输出候选人脸组。

本实施例针对告警结果仅提供相似度最高的一组比对结果，当算法首位比对结果识别有误时，不能提供后备比对结果的问题，提供了支持告警结果提供相似度次高的更多个目标以备查，提高分析结果的容错性。具体实现方式是在每条告警记录面板中开放“更多结果”接口；响应于候选人脸组中存在与人脸图像特征相似度小于预设阈值的预存人脸图像，除了输出候选人脸组，还可以重新获取待识别图像，以获取人脸质量更好的待识别人脸图像，基于人脸质量更好的待识别人脸图像重复执行操作102至操作104，直到候选人脸组中存在与人脸图像特征相似度大于或等于预设阈值的预存人脸图像。

本发明布控方法的再一个实施例，在上述各实施例的基础上，操作104之后，还包括：

基于目标人脸图像发送告警信息给客户端；

通过客户端显示告警信息并将告警信息存入告警记录库中对应布控任务的告警条目中。

其中，告警记录库中包括至少一个告警条目，每个告警条目对应一个布控任务，告警条目中存储对应的布控任务发送的告警信息。

具体地，客户端可以采用移动终端(如：手机等移动设备)或其他安装有布控任务终端的设备；属性告警支持用户勾选配置特定属性，针对性告警，属性包括年龄、性别、颜值、是否戴眼镜、是否戴太阳镜、是否微笑、是否戴口罩、人种、是否睁眼、是否张嘴、是否有胡子；基于属性告警产生的告警信息可以包括多个。具体实现过程中，由于视频流是不断更新的，因此，随着时间的变化，后采集到的视频图像中有可能匹配到相似度更高的目标人脸图像，因此，在视频流变化过程中，可间隔设定时间对视频流进行分解，获取待识别图像，重复执行操作102至操作104，在获得相似度更高的预存人脸图像时，更新目标人脸图像为该相似度更高的预存人脸图像。

本发明布控方法上述各实施例的一个具体示例中，还包括：

通过客户端显示布控任务列表。

其中，布控任务列表包括至少一个任务条目，每个任务条目对应一个布控任务，任务条目中保存对应任务条目的布控任务的设置信息。

具体地，客户端还可以对布控任务进行查看，在布控任务列表中，每个布控任务对应一个任务条目，任务条目中对应该布控任务的设置信息，通过设置信息，可以查看该布控任务中待识别图像来自哪个视频流，该布控任务针对哪些告警属性信息进行告警，该布控任务的识别是基于哪个人脸图像库；用户还可以通过在客户端中提供的控制按钮调整设置信息生成新的布控任务。

本发明布控方法上述各实施例的一个具体示例中，任务条目在布控任务列表中基于不同任务状态分类存储；任务状态包括待开始状态、进行中状态和已结束状态。

具体地，在任务条目数量较多时，为了便于通过布控任务列表进行有针对性的查看，将任务条目分不同任务状态进行存储，当需要查看处于某一状态的任务条目时，只需到对应分类任务状态中进行查找，大大节省了查找时间。

相对于告警记录没有方式持续更新到最可靠的结果的问题。本发明的告警记录提示栏中，对同一抓拍目标，若发现有相似度更高的比对结果，会更新告警记录提示栏结果。

本发明在具体实现时，可以主要包括以下几个部分：

1.摄像头为实时视频源输入设备，通过网络与动态比对服务器连接。

2.动态比对服务器实现对抓拍图片的人脸位置检测、特征提取、属性提取、比对搜索功能，输出分析结果。另外，动态比对服务器还作为数据的存储单元。

3.手机作为客户端的载体。

4.数据管理模块负责对输入源、目标库及目标、图片特征和属性、任务信息和参数等数据进行管理，具体为，支持对输入源的创建、删除、修改和查看；支持目标库创建、导入、删除、编辑和查看，目标图片的新建、导入、删除、编辑和查看；支持图片特征和属性的更新和查看；支持任务创建、终止、删除、修改更新任务参数和查询任务信息。

5.批量入库工具作为额外工具包，用于将本地图片批量地导入动态比对服务器中的存储单元中。

6.布控业务模块接收动态比对服务器的分析结果，用于支撑布控任务管理功能，此模块的客户端分为网页客户端和手机客户端，网页客户端功能包括布控任务的新建、申请、删除、查看以及任务参数的查看和更新；手机客户端的功能包括：接收实时告警信息、查看布控任务信息。布控业务支持属性告警功能，属性包括：年龄、性别、颜值、是否戴眼镜、是否戴太阳镜、是否微笑、是否戴口罩、人种、是否睁眼、是否张嘴、是否有胡子。用户可以根据特定属性针对性地对抓拍进行排查和目标布控。

抓拍记录和告警结果持续更新，更新方式与抓拍图片的质量分和目标比对的相似度相关。对于同一人物，若捕获到质量分更高的抓拍图片，抓拍记录会自动更新；对于同一抓拍人脸，若系统在比对结果中发现相似度更高的结果，将更新告警结果。

本发明具体应用在布控任务时，通过以下步骤实现：

1.新建布控任务，用户可配置以下信息中的至少一种：名称、布控类型、人像库、有效时间、视频源、属性告警、阈值、抓拍开关、权限配置、备注。其中配置的操作方式为：在文本框中输入任务名称，勾选布控类型(包括“人像库”或“图片”)，在下拉菜单中选择人像库(勾选一个或多个)，在日历控件中输入/选择任务开始和结束时间，在下拉菜单中选择视频源(勾选一个或多个)，在属性列表中勾选告警属性(勾选一个或多个)，在阈值下拉菜单中选择一个告警阈值数值，勾选(或取消勾选)支持抓拍打开(或关闭)抓拍功能开关，在下拉用户列表里选择用户(勾选一个或多个)，对选中用户进行任务授权，在备注文本框内输入任务备注信息，点击确认即可完成任务新建。

本发明布控方法还可以实现对视频源、属性告警的配置。视频源除了支持选择视频源之外，还支持用户在画面中自定义最大识别区域、最小识别区域、热区。操作方式：在视频源下拉菜单中选择某个视频源，点击“预览”进入视频源设置窗口，点击右侧新建区域(或重建区域)，设置最大识别区域、最小识别区域，点击右侧绘制热区(或重建热区)，设置热区；属性告警支持用户勾选配置特定属性，针对性告警，属性包括：年龄、性别、颜值、是否戴眼镜、是否戴太阳镜、是否微笑、是否戴口罩、人种、是否睁眼、是否张嘴、是否有胡子。

创建完成布控任务之后，还可以包括下级用户向上级用户提出开展布控任务的申请，通过上级用户的审核之后，才可以实施布控任务。

2.查看布控任务信息功能支持查看：任务列表、告警统计、告警比对结果和告警历史记录。

任务列表：按任务状态归类，任务状态分为待开始、进行中、已结束三类。任务列表中，每个任务条目包括输入源监控页跳转按钮、任务详情按钮、任务参数修改按钮、终止任务等按钮。点击监控页跳转输入源按钮，可以查看实时监控视频、抓拍记录以及告警记录。抓拍记录会根据算法预测的抓拍质量分实时更新。对同一抓拍图片,若在目标库中识别到相似度更高的目标，会实时更新告警记录栏；

告警统计：以曲线图的形式显示指定时间段内的告警数变化情况；

告警比对结果：并排显示抓拍图片及目标库中与其相似度最高的图片，告警结果显示嫌疑人信息(包括：姓名、身份证、所属库、年龄、姓别、民族、籍贯)、相似度、告警时间，告警结果以地图形式显示嫌疑人所在的地理位置，告警结果还提供与抓拍图片相似度次高的若干个结果备查；

告警历史记录：可以查看指定时间段内的所有告警记录。

编辑更新任务参数支持用户修改以下信息：名称、布控类型、人像库、有效时间、视频源、属性告警、阈值、抓拍开关、权限配置、备注；

3.查看告警有3种方式：手机客户端查看、web端实时监控、告警详情查看。

手机客户端查看：在手机客户端的告警页面可以实时查看告警提示，也可以查看告警历史记录；

web端实时监控：在布控任务列表中点击视频源管理按钮，进入视频源管理页面；在视频源管理页面中左侧的摄像头列表中选择需要查看的摄像头，系统自动更新右侧的实时视频画面、抓拍记录和告警记录。用户可以在此页面查看告警。

告警详情查看：告警详情页面可以在布控主页点击右侧的告警记录跳转进入，也可以在2.2.2.所述视频源管理页面中点击右侧的告警记录跳转进入。告警详情页面内可以查看抓拍图片和目标图片、告警结果。告警结果的内容包括：嫌疑人的信息、告警相似度、告警时间、其它相似人、其它告警以及以地图形式显示抓拍人物出现的位置。其中，嫌疑人的信息包括：姓名，身份证，所属库，年龄，姓别，民族，籍贯。

还可以包括：

4.删除布控任务可以删除指定的布控任务及其配置信息。

5.批量入库工具支持本地人像图片快速批量导入系统数据库中。

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为本发明布控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：

信息获取单元21，用于基于布控任务获取布控属性信息、人脸图像库和待识别图像。

其中，布控属性信息包括告警属性及告警属性对应的属性分类，人脸图像库中包括至少一个预存人脸图像，待识别图像中包括人脸图像。

人脸特征提取单元22，用于对待识别图像进行特征提取，得到对应待识别图像的人脸图像特征。

属性特征提取单元23，用于基于人脸图像特征获得人脸属性特征。

其中，人脸属性特征用于表示人脸图像在对应的告警属性的属性分类。

目标获取单元24，用于基于人脸图像特征和人脸属性特征从人脸图像库中匹配获得至少一个目标人脸图像。

基于本发明上述实施例提供的一种布控方法，基于布控任务获取布控属性信息、人脸图像库和待识别图像；对待识别图像进行特征提取，得到对应待识别图像的人脸图像特征；基于人脸图像特征获得人脸属性特征；基于人脸图像特征和人脸属性特征从人脸图像库中匹配获得至少一个目标人脸图像，基于得到的人脸图像特征和人脸属性特征，实现了在人脸图像库中基于人脸图像特征和人脸属性特征识别匹配的预存人脸图像；实现了精确的识别多种人脸属性，提高了布控的针对性，支持灵活地配置布控业务；通过得到至少一个目标人脸图像，提供了更多相似性次高的匹配结果。

本发明布控装置的另一个实施例，在上述实施例的基础上，信息获取单元21，包括：

属性获取模块，用于基于布控任务的设置从告警属性列表中获取告警属性信息；告警属性列表包括至少一个告警属性信息；

库获取模块，用于基于布控任务的设置从至少一个人脸图像库中获取一个人脸图像库；

视频获取模块，用于基于布控任务的设置从至少一个视频流中获取一个视频流，基于获取的视频流获得待识别图像。

本实施例针对现有布控方法不支持人脸属性告警的问题，提出了用于支持布控任务的人脸属性告警的功能，并且支持多种属性，属性包括：年龄、性别、颜值、是否戴眼镜、是否戴太阳镜、是否微笑、是否戴口罩、人种、是否睁眼、是否张嘴、是否有胡子等人脸属性；视频流的获取通常是基于摄像头的，摄像头为实时视频源输入设备，可以通过网络与动态比对服务器连接。

本发明布控装置上述各实施例的一个具体示例中，视频获取模块，包括：

图像筛选模块，用于采集视频流，基于每个出现在视频流中的人脸图像在采集的视频流中筛选得到至少一个视频图像，其中，视频图像中包括人脸图像，每个人脸图像对应至少一个视频图像；

质量筛选模块，用于对所有视频图像进行质量筛选，得到至少一个待识别图像；待识别图像为人脸图像质量达到设定阈值的视频图像。

本发明布控装置上述各实施例的一个具体示例中，图像筛选模块，包括：

优化模块，用于将采集的视频流分解为至少一张分解图像，对所有分解图像进行优化，得到优化图像显示效果的中间图像；

人脸识别模块，用于对所有中间图像基于人脸识别网络进行人脸识别，基于人脸识别的结果筛选获得具有人脸图像的视频图像。

本发明布控装置上述各实施例的一个具体示例中，优化模块，具体用于对分解图像经过自动曝光、自动白平衡和3D降噪处理，得到显示效果经过优化的中间图像。

本发明布控装置上述各实施例的一个具体示例中，图像筛选模块，还包括：

质量评价模块，用于基于人脸识别网络进行人脸识别得到预设人脸识别信息，通过预设人脸识别信息对视频图像中的人脸图像质量进行评价。

本发明布控装置上述各实施例的一个具体示例中，质量筛选模块，具体用于基于视频图像对应的预设人脸识别信息对视频图像中的人脸图像质量进行筛选，保存人脸图像质量达到预设阈值的视频图像作为待识别图像。

本发明布控装置的又一个实施例，在上述各实施例的基础上，信息获取单元21，还用于基于布控任务还获取识别区域信息；识别区域信息包括识别区域的大小和识别区域每次移动的像素个数；

人脸特征提取单元22之前，还包括：

人脸获取单元，用于基于识别区域信息从待识别图像中获取待识别人脸图像，从待识别图像中分解出待识别人脸图像。

具体地，本实施例支持在选择的待识别图像中自定义识别区域(如：最大识别区域、和/或最小识别区域、和/或热区等)，具体操作过程中，首先选择视频源，在视频源中通过预览等功能现在设定大小的识别区域，通过设置的识别区域可快速从待识别图像中识别到待识别人脸图像的位置和大小，进而将其分解出来。

本发明布控装置上述各实施例的一个具体示例中，人脸获取单元，具体用于将识别区域基于识别区域每次移动的像素个数在待识别图像中移动获得候选框图像；对候选框图像进行人脸识别获得待识别人脸图像。

本发明布控装置上述各实施例的一个具体示例中，人脸特征提取单元22，具体用于利用神经网络，对待识别图像分解出的待识别人脸图像进行特征提取，得到对应待识别人脸图像的人脸图像特征。

本发明布控装置的还一个实施例，在上述各实施例的基础上，属性特征提取单元23，具体用于利用属性识别网络，对人脸图像特征基于各告警属性进行特征分类，得到分别对应各告警属性的人脸属性特征。

其中，属性识别网络经过样本人脸特征训练，样本人脸特征标注有标注属性分类。

本实施例具体地，基于人脸图像特征实现属性预测，基于每种告警属性都分别具有不同的分类类别，基于训练后的属性识别网络可基于人脸图像特征识别出该待识别人脸图像对应的告警属性所属的分类类别。

本发明布控装置的再一个实施例，在上述各实施例的基础上，目标获取单元24，包括：

特征匹配模块，用于基于人脸图像特征从人脸图像库中匹配获得至少一个预存人脸图像；

属性过滤模块，用于基于人脸属性特征对获得的至少一个预存人脸图像进行过滤，得到至少一个目标人脸图像。

具体地，通过人脸图像特征从人脸图像库中可得到初步匹配的预存人脸图像，其中匹配是基于人脸属性特征和预存人脸图像对应的人脸属性特征进行相似度判断实现的；通过对初步匹配的预存人脸图像通过人脸属性特征进行过滤，将得到在属性特征上匹配的预存人脸图像作为目标人脸图像，实现了精确的识别多种人脸属性，提高了布控的针对性，支持灵活地配置布控业务。

本发明布控装置上述各实施例的一个具体示例中，特征匹配模块，具体用于利用神经网络对人脸图像库中的预存人脸图像进行特征提取，获得对应预存人脸图像的预存人脸图像特征；计算人脸图像特征与获取的预存人脸图像特征的相似度，获得相似度大于预设阈值的至少一个预存人脸图像。

本发明布控装置上述各实施例的一个具体示例中，人脸图像库中还包括对应预存人脸图像的预存人脸特征；

特征匹配模块，具体用于计算人脸图像特征与预存人脸图像特征的相似度，获得相似度大于或等于预设阈值的至少一个预存人脸图像。

本发明布控装置上述各实施例的一个具体示例中，目标获取单元，还包括：

属性识别模块，用于利用属性识别网络，基于人脸图像中的预存人脸图像对应的预存人脸特征获得预存人脸属性特征。

其中，预存人脸属性特征用于表示预存人脸图像在对应的告警属性的属性分类。

本发明布控装置上述各实施例的一个具体示例中，属性过滤模块，具体用于基于人脸属性特征与获得的至少一个预存人脸图像对应的预存人脸属性特征进行匹配；响应于人脸属性特征与预存人脸属性特征匹配，输出匹配的预存人脸属性特征对应的预存人脸图像作为目标人脸图像。

本发明布控装置上述各实施例的一个具体示例中，目标获取单元，还可以包括：

排序模块，用于按照所述人脸图像特征与所述预存人脸图像特征的相似度从大到小，对所述获得的预存人脸图像排序；从所述排序中依次获取预设数量的预存人脸图像，组成候选人脸组；

图像输出模块，用于响应于所述候选人脸组中存在与所述人脸图像特征相似度大于或等于预设阈值的预存人脸图像，输出所述相似度大于或等于预设阈值的预存人脸图像；响应于所述候选人脸组中存在与所述人脸图像特征相似度小于预设阈值的预存人脸图像，输出所述候选人脸组。

本发明布控装置的再一个实施例，在上述各实施例的基础上，该实施例装置还包括：

告警单元，用于目标人脸图像发送告警信息给客户端；

显示存储单元，用于通过客户端显示告警信息并将告警信息存入告警记录库中对应布控任务的告警条目中。

其中，告警记录库中包括至少一个告警条目，每个告警条目对应一个布控任务，告警条目中存储对应的布控任务发送的告警信息。

具体地，客户端可以采用移动终端(如：手机等移动设备)或其他安装有布控任务终端的设备；属性告警支持用户勾选配置特定属性，针对性告警，属性包括年龄、性别、颜值、是否戴眼镜、是否戴太阳镜、是否微笑、是否戴口罩、人种、是否睁眼、是否张嘴、是否有胡子；基于属性告警产生的告警信息可以包括多个。

本发明布控装置上述各实施例的一个具体示例中，显示存储单元，还用于通过客户端显示布控任务列表。

其中，布控任务列表包括至少一个任务条目，每个任务条目对应一个布控任务，任务条目中保存对应任务条目的布控任务的设置信息。

本发明布控装置上述各实施例的一个具体示例中，任务条目在布控任务列表中基于不同任务状态分类存储；任务状态包括待开始状态、进行中状态和已结束状态。

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布控装置。

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布控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布控方法上述任一实施例的操作。

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，基于布控任务获取布控属性信息、人脸图像库和待识别图像；对待识别图像进行特征提取，得到对应待识别图像的人脸图像特征；基于人脸图像特征获得人脸属性特征；基于人脸图像特征和人脸属性特征从人脸图像库中匹配获得至少一个目标人脸图像。

此外，在RAM303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，基于布控任务获取布控属性信息、人脸图像库和待识别图像；对待识别图像进行特征提取，得到对应待识别图像的人脸图像特征；基于人脸图像特征获得人脸属性特征；基于人脸图像特征和人脸属性特征从人脸图像库中匹配获得至少一个目标人脸图像。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)

1.一种布控方法，其特征在于，包括：

基于布控任务获取布控属性信息、人脸图像库和待识别图像；所述布控属性信息包括告警属性及所述告警属性对应的属性分类，所述人脸图像库中包括至少一个预存人脸图像，所述待识别图像中包括人脸图像；

对所述待识别图像进行特征提取，得到对应所述待识别图像的人脸图像特征；

基于所述人脸图像特征获得人脸属性特征；所述人脸属性特征用于表示人脸图像在对应的告警属性的属性分类；

基于所述人脸图像特征和所述人脸属性特征从所述人脸图像库中匹配获得至少一个目标人脸图像。

2.根据权利要求1所述的方法，其特征在于，所述基于布控任务获取布控属性信息、人脸图像库和待识别图像，包括：

基于布控任务的设置从告警属性列表中获取告警属性信息；所述告警属性列表包括至少一个告警属性信息；

基于布控任务的设置从至少一个人脸图像库中获取一个人脸图像库；

基于布控任务的设置从至少一个视频流中获取一个视频流，基于所述获取的视频流获得待识别图像。

3.根据权利要求2所述的方法，其特征在于，所述基于所述获取的视频流获得待识别图像，包括：

采集视频流，基于每个出现在视频流中的人脸图像在所述采集的视频流中筛选得到至少一个视频图像，其中，所述视频图像中包括人脸图像，每个所述人脸图像对应至少一个视频图像；

对所有所述视频图像进行质量筛选，得到至少一个待识别图像；所述待识别图像为人脸图像质量达到设定阈值的所述视频图像。

4.根据权利要求3所述的方法，其特征在于，所述基于每个出现在视频流中的人脸图像在所述采集的视频流中筛选得到至少一个视频图像，包括：

将采集的视频流分解为至少一张分解图像，对所有所述分解图像进行优化，得到优化图像显示效果的中间图像；

对所有所述中间图像基于人脸识别网络进行人脸识别，基于所述人脸识别的结果筛选获得具有人脸图像的视频图像。

5.根据权利要求4所述的方法，其特征在于，对所有所述分解图像进行优化，得到优化图像显示效果的中间图像，包括：

对所述分解图像经过自动曝光、自动白平衡和3D降噪处理，得到显示效果经过优化的中间图像。

6.根据权利要求4或5所述的方法，其特征在于，还包括：基于人脸识别网络进行人脸识别得到预设人脸识别信息，通过预设人脸识别信息对所述视频图像中的人脸图像质量进行评价。

7.一种布控装置，其特征在于，包括：

信息获取单元，用于基于布控任务获取布控属性信息、人脸图像库和待识别图像；所述布控属性信息包括告警属性及所述告警属性对应的属性分类，所述人脸图像库中包括至少一个预存人脸图像，所述待识别图像中包括人脸图像；

人脸特征提取单元，用于对所述待识别图像进行特征提取，得到对应所述待识别图像的人脸图像特征；

属性特征提取单元，用于基于所述人脸图像特征获得人脸属性特征；所述人脸属性特征用于表示人脸图像在对应的告警属性的属性分类；

目标获取单元，用于基于所述人脸图像特征和所述人脸属性特征从所述人脸图像库中匹配获得至少一个目标人脸图像。

8.一种电子设备，其特征在于，包括处理器，所述处理器包括权利要求7所述的布控装置。

9.一种电子设备，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6任意一项所述布控方法的操作。

10.一种计算机存储介质，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6任意一项所述的布控方法的操作。