CN109101542A - 图像识别结果输出方法及装置、电子设备和存储介质 - Google Patents

图像识别结果输出方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN109101542A
CN109101542A CN201810710439.1A CN201810710439A CN109101542A CN 109101542 A CN109101542 A CN 109101542A CN 201810710439 A CN201810710439 A CN 201810710439A CN 109101542 A CN109101542 A CN 109101542A
Authority
CN
China
Prior art keywords
image
similarity
identification
images
retrieval
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810710439.1A
Other languages
English (en)
Other versions
CN109101542B (zh
Inventor
黄潇莹
张丹丹
张广程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Sensetime Technology Co Ltd
Original Assignee
Shenzhen Sensetime Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Sensetime Technology Co Ltd filed Critical Shenzhen Sensetime Technology Co Ltd
Priority to CN201810710439.1A priority Critical patent/CN109101542B/zh
Publication of CN109101542A publication Critical patent/CN109101542A/zh
Application granted granted Critical
Publication of CN109101542B publication Critical patent/CN109101542B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开涉及一种图像识别结果输出方法及装置、电子设备和存储介质,所述方法包括:根据检索条件在图像库中确定检索图像,所述图像库中的图像包括图像标识;在所述检索图像中确定与待识别图像匹配的识别图像;根据所述图像标识将所述识别图像进行聚合,得到聚合结果;输出所述聚合结果。本公开实施例中的检索图像,可以提高图像识别的效率,并提高图像识别结果的准确率。图像识别结果的输出更加条理,图像识别结果的使用更加便捷、高效。

Description

图像识别结果输出方法及装置、电子设备和存储介质
技术领域
本公开涉及图像识别技术领域,尤其涉及一种图像识别结果输出方法及装置、电子设备和存储介质。
背景技术
利用图像识别技术,在大量的图像中,查找与待识别图像中的待识别目标匹配的目标的图像,可以快速地获取待识别目标所在的位置,以及将待识别目标在众多目标中标识出来。例如,利用图像识别技术中的人脸识别技术,可以快速地在众多人脸图像中识别出犯罪嫌疑人,从而排除安全隐患,在机场、银行等应用场景中得到广泛地应用。如何方便快捷的获取图像识别结果,成为安全领域亟待解决的问题。
发明内容
本公开提出了一种图像识别结果输出技术方案。
根据本公开的一方面,提供了一种图像识别结果输出方法,包括:
根据检索条件在图像库中确定检索图像,所述图像库中的图像包括图像标识;
在所述检索图像中确定与待识别图像匹配的识别图像;
根据所述图像标识将所述识别图像进行聚合,得到聚合结果;
输出所述聚合结果。
在一种可能的实现方式中,在所述检索图像中确定与待识别图像匹配的识别图像,包括:
确定所述待识别图像与各所述检索图像的相似度;
将相似度大于相似阈值的所述检索图像,确定为与所述待识别图像匹配的识别图像。
在一种可能的实现方式中,在所述检索图像中确定与待识别图像匹配的识别图像,包括:
确定所述待识别图像与各所述检索图像的相似度;
按照相似度由大到小的顺序,将数量为输出数量的所述检索图像确定为与所述待识别图像匹配的识别图像。
在一种可能的实现方式中,在所述检索图像中确定与待识别图像匹配的识别图像,包括:
确定所述待识别图像与各所述检索图像的相似度;
将相似度大于相似阈值的所述检索图像按照相似度进行排序;
按照由大到小的顺序,在排序后的检索图像中,将数量为输出数量的所述检索图像确定为与所述待识别图像匹配的识别图像。
在一种可能的实现方式中,所述图像库中包括人脸图像,所述图像标识包括以下标识中的其中一种或任意组合:姓名、身份证号、护照号、社会保险号、通行证号。
在一种可能的实现方式中,输出所述聚合结果,包括:
将所述聚合结果中相似度最大的识别图像的相似度,确定为所述聚合结果的最大相似度;
按照所述聚合结果的最大相似度由大到小的顺序输出所述聚合结果。
在一种可能的实现方式中,输出所述聚合结果,包括:
确定所述聚合结果中各识别图像的相似度的平均值,得到所述聚合结果的综合相似度;
按照所述聚合结果的综合相似度由大到小的顺序输出所述聚合结果。
在一种可能的实现方式中,计算所述聚合结果中各识别图像的相似度的平均值,得到所述聚合结果的综合相似度,包括:
根据所述聚合结果中各识别图像的图像质量,计算各识别图像的相似度的加权平均值,得到所述聚合结果的综合相似度,其中,图像质量越高的识别图像的权重越大。
在一种可能的实现方式中,输出所述聚合结果,包括:
获取标注信息;
根据所述标注信息和所述聚合结果,确定所述聚合结果中所述识别图像的识别结果;
输出所述识别结果。
在一种可能的实现方式中,输出所述聚合结果,包括输出以下信息中的其中一种或任意组合:
所述聚合结果中的识别图像;
所述聚合结果中各识别图像的图像标识;
所述聚合结果中各识别图像的相似度;
所述图像库的标识。
根据本公开的一方面,提供了一种图像识别结果输出装置,包括:
检索图像确定模块,用于根据检索条件在图像库中确定检索图像,所述图像库中的图像包括图像标识;
识别图像确定模块,用于在所述检索图像中确定与待识别图像匹配的识别图像;
聚合结果确定模块,用于根据所述图像标识将所述识别图像进行聚合,得到聚合结果;
聚合结果输出模块,用于输出所述聚合结果。
在一种可能的实现方式中,所述识别图像确定模块,包括:
第一相似度确定子模块,用于确定所述待识别图像与各所述检索图像的相似度;
第一识别图像确定子模块,用于将相似度大于相似阈值的所述检索图像,确定为与所述待识别图像匹配的识别图像。
在一种可能的实现方式中,所述识别图像确定模块,包括:
第二相似度确定子模块,用于确定所述待识别图像与各所述检索图像的相似度;
第二识别图像确定子模块,用于按照相似度由大到小的顺序,将数量为输出数量的所述检索图像确定为与所述待识别图像匹配的识别图像。
在一种可能的实现方式中,所述识别图像确定模块,包括:
第三相似度确定子模块,用于确定所述待识别图像与各所述检索图像的相似度;
排序子模块,用于将相似度大于相似阈值的所述检索图像按照相似度进行排序;
第三识别图像确定子模块,用于按照由大到小的顺序,在排序后的检索图像中,将数量为输出数量的所述检索图像确定为与所述待识别图像匹配的识别图像。
在一种可能的实现方式中,所述图像库中包括人脸图像,所述图像标识包括以下标识中的其中一种或任意组合:姓名、身份证号、护照号、社会保险号、通行证号。
在一种可能的实现方式中,所述聚合结果输出模块,包括:
最大相似度确定子模块,用于将所述聚合结果中相似度最大的识别图像的相似度,确定为所述聚合结果的最大相似度;
第一聚合结果输出子模块,用于按照所述聚合结果的最大相似度由大到小的顺序输出所述聚合结果。
在一种可能的实现方式中,所述聚合结果输出模块,包括:
综合性相似度确定子模块,用于确定所述聚合结果中各识别图像的相似度的平均值,得到所述聚合结果的综合相似度;
第二聚合结果输出子模块,用于按照所述聚合结果的综合相似度由大到小的顺序输出所述聚合结果。
在一种可能的实现方式中,所述综合性相似度确定子模块,用于:
根据所述聚合结果中各识别图像的图像质量,计算各识别图像的相似度的加权平均值,得到所述聚合结果的综合相似度,其中,图像质量越高的识别图像的权重越大。
在一种可能的实现方式中,所述聚合结果输出模块,包括:
标注信息获取子模块,用于获取标注信息;
识别结果确定子模块,用于根据所述标注信息和所述聚合结果,确定所述聚合结果中所述识别图像的识别结果;
识别结果输出子模块,用于输出所述识别结果。
在一种可能的实现方式中,输出所述聚合结果,包括输出以下信息中的其中一种或任意组合:
所述聚合结果中的识别图像;
所述聚合结果中各识别图像的图像标识;
所述聚合结果中各识别图像的相似度;
所述图像库的标识。
根据本公开的一方面,提供了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行上述图像识别结果输出方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述图像识别结果输出方法。
在本公开实施例中,根据检索条件在图像库中筛选出符合检索条件的检索图像,在检索图像中确定与待识别图像匹配的识别图像,并根据图像标识将识别图像进行聚合后,输出聚合结果。本公开实施例中的检索图像,可以提高图像识别的效率,并提高图像识别结果的准确率。图像识别结果的输出更加条理,图像识别结果的使用更加便捷、高效。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本公开一实施例的图像识别结果输出方法的流程图;
图2示出根据本公开一实施例的图像识别结果输出方法的流程图;
图3示出根据本公开一实施例的图像识别结果输出方法的流程图;
图4示出根据本公开一实施例的图像识别结果输出方法的流程图;
图5示出根据本公开一实施例的图像识别结果输出方法的流程图;
图6示出根据本公开一实施例的图像识别结果输出方法的流程图;
图7示出根据本公开一实施例的图像识别结果输出方法的流程图;
图8示出根据本公开一实施例的图像识别结果输出方法的流程图;
图9示出根据本公开一实施例的图像识别结果输出装置的示意图;
图10示出根据本公开一实施例的图像识别结果输出装置的示意图;
图11是根据一示例性实施例示出的一种用于图像识别结果输出的装置的框图;
图12是根据一示例性实施例示出的一种用于图像识别结果输出的装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开一实施例的图像识别结果输出方法的流程图,如图1所示,所述图像识别结果输出方法包括:
步骤S10,根据检索条件在图像库中确定检索图像,所述图像库中的图像包括图像标识。
在一种可能的实现方式中,图像库中可以包括一定数量的图像。图像库中的图像可以是收集到的所有目标的图像,也可以是特定目标的图像。例如,在一所大学的学生图像库中,可以包括学校中所有学生的图像。也可以包括学校中所有女生的图像。可以根据图像识别的需求确定图像库中图像的范围。
图像库中的图像包括图像标识。图像标识可以包括图像中的识别目标的标识。例如,图像库中为学生的图像,则图像标识可以包括学生的姓名。
在一种可能的实现方式中,所述图像库包括人脸图像,所述图像标识包括以下标识中的其中一种或任意组合:姓名、身份证号、护照号、社会保险号、通行证号。例如,图像库中包括人脸图像,图像1的标识为“张三”,图像2的标识为“李四”,或图像1的标识为“XXXX(张三的身份证号)”,图像2的标识为“YYYY(李四的身份证号)”。
在一种可能的实现方式中,可以根据图像标识设置检索条件,例如,图像标识为姓名,检索条件为姓“张”的识别人员的图像。也可以根据图像的特征设置检索条件,例如,检索条件为“分辨率大于M”的图像或“清晰度大于N”的图像。可以根据图像识别的目的确定检索条件。检索条件可以包括一个条件,也可以包括多个条件的组合。
在一种可能的实现方式中,可以根据检索条件在图像库中筛选出符合检索条件的检索图像,在检索图像中确定与待识别图像匹配的识别图像,而不是在图像库的所有图像中确定与待识别图像匹配的识别图像,缩小图像识别的范围,可以提高图像识别的效率。
步骤S20,在所述检索图像中确定与待识别图像匹配的识别图像。
在一种可能的实现方式中,待识别图像中可以包括待识别目标。可以利用图像识别,在检索图像中确定与待识别图像匹配的识别图像,包括确定与待识别图像中的待识别目标匹配的识别目标所在的检索图像。例如,待识别图像为一张包括人脸的图像,图像库为学校A1的所有学生的图像,检索图像为学校A1中的女生的图像。可以识别出与待识别图像中的人脸匹配的学校A1中的女生的图像。
在一种可能的实现方式中,可以包括将检索图像进行处理后,分别提取检索图像中识别目标的特征和待识别图像中待识别目标的体征,确定与待识别目标匹配的识别目标。并将识别目标所在的检索图像,确定为识别图像。
由于图像识别的需求不同、图像识别技术的处理能力不同,或待识别图像中待识别目标的清晰度不同,可以在检索图像中确定出多个与待识别目标匹配的识别目标,并根据多个识别目标确定多个识别图像。
在一种可能的实现方式中,可以将待识别目标与识别目标之间的相似度进行排序,根据预定的相似度范围,按照相似度由高到低的顺序,确定出多个与待识别图像匹配的识别图像。
步骤S30,根据所述图像标识将所述识别图像进行聚合,得到聚合结果。
在一种可能的实现方式中,确定出的识别图像可以包括多个识别目标的图像,每个识别目标可以有多张识别图像。例如,各检索图像包括的图像标识为识别人员的姓名,即图像库中包括“张三”、“李四”等多个识别人员的图像,每个识别人员可以有多张图像。将待识别人员A的待识别图像片,在图像库中进行匹配,确定出20张识别图像。在确定出的20张识别图像中,包括3个识别人员的图像,其中“张三”的识别图像为12张,“李四”的识别图像为5张,“王五”的识别图像为3张。如果直接将20张识别图像输出,相关人员难以在20张图像中便捷地确定出嫌疑人。或者相关人员确定出的最可能的三张嫌疑人的图像,分别属于“张三”、“李四”和“王五”三个识别人员,导致图像识别结果不能被高效的使用。
可以根据各识别图像的图像标识,将识别图像进行聚合得到聚合结果。聚合结果可以包括根据图像标识将多张识别图像聚合在一起组成的图像簇。例如,在上述示例中,根据图像标识进行聚合可以得到的三个聚合结果。分别为图像标识为“张三”的聚合结果1,聚合结果1为12张图像组成的图像簇;图像标识为“李四”的聚合结果2,聚合结果2为5张图像组成的图像簇、图像标识为“王五”的聚合结果3,聚合结果3为3张图像组成的图像簇。
步骤S40,输出所述聚合结果。
在一种可能的实现方式中,可以输出所有识别图像的聚合结果,也可以根据图像识别的目的,输出设定范围的聚合结果。例如只输出图像簇中的图像数量大于设定阈值的聚合结果。在上述示例中,可以只输出识别图像的数量大于等于5的聚合结果,则只输出图像标识为“张三”的聚合结果1和图像标识为“李四”的聚合结果2。
在一种可能的实现方式中,输出所述聚合结果,包括输出以下信息中的其中一种或任意组合:所述聚合结果中的识别图像,所述聚合结果中各识别图像的标识,所述聚合结果中各识别图像的相似度,所述图像库的标识。
可以输出聚合结果中各识别图像,直观的展示出与待识别图像匹配的识别图像。可以只输出聚合结果中各识别图像的标识,并根据需求通过标识调取识别图像。可以输出聚合结果中各识别图像的相似度,为后续识别结果的进一步使用提供参考。也可以输出所述图像库的标识,可以标明识别图像的匹配范围。
在本实施例中,根据检索条件在图像库中筛选出符合检索条件的检索图像,在检索图像中确定与待识别图像匹配的识别图像,并根据图像标识将识别图像进行聚合后,输出聚合结果。本公开实施例中的检索图像,可以提高图像识别的效率,并提高图像识别结果的准确率。图像识别结果的输出更加条理,图像识别结果的使用更加便捷、高效。
图2示出根据本公开一实施例的图像识别结果输出方法的流程图,如图2所示,所述图像识别结果输出方法中步骤S20包括:
步骤S21,确定所述待识别图像与各所述检索图像的相似度。
步骤S22,将相似度大于相似阈值的所述检索图像,确定为与所述待识别图像匹配的识别图像。
在一种可能的实现方式中,可以通过计算图像中相同位置的像素值之间的差值得到不同图像之间的相似度。例如,可以将图像中的图像划分为N个区域,得到每个图像各区域的像素值。将待识别图像划分为N个区域并计算各区域的像素值。通过比对相同区域的像素值之间的差值,得到待识别图像与各检索图像的相似度。差值越小,相似度越大。差值与相似度之间的具体关系不做限制。
也可以识别出检索图像中的识别目标,根据识别目标的特征和待识别图像中的待识别目标的特征,得到待识别图像与各检索图像之间的相似度。例如,当检索图像为人脸图像时,可以提取检索图像中人脸的鼻子、眼睛等部位的形状特征,和/或各部位之间的位置关系的特征进行保存。根据待识别图像中的人脸,同样提取人脸的鼻子、眼睛等部位的形状特征,和/或各部位之间的位置关系的特征。再根据待识别图像的特征值与各检索图像的特征值计算待识别图像与各检索图像之间的相似度。例如根据特征值构成的特征向量之间的距离计算相似度,具体的计算方式不做限制。
可以根据图像识别的需求确定相似阈值的大小,可以将相似度大于相似阈值的检索图像,确定为与待识别图像匹配的识别图像。例如,相似阈值为60%。例如,通过计算待识别图像与各检索图像的相似度,得到待识别图像与检索图像A的相似度为90%、与检索图像B的相似度为85%、与检索图像C的相似度为35%、与检索图像D的相似度为65%等。相似阈值为60%,则与待识别图像匹配的识别图像为检索图像A、检索图像B和检索图像D。
在本实施例中,根据相似度和相似阈值确定出的识别图像,识别图像的准确率更高。通过调整相似阈值,可以更加灵活地得到不同范围的图像识别的结果。
图3示出根据本公开一实施例的图像识别结果输出方法的流程图,如图3所示,所述图像识别结果输出方法中步骤S20包括:
步骤S23,确定所述待识别图像与各所述检索图像的相似度。
步骤S24,按照相似度由大到小的顺序,将数量为输出数量的所述检索图像确定为与所述待识别图像匹配的识别图像。
在一种可能的实现方式中,计算所述待识别图像与各检索图像的相似度,可参照图2所示的实施例中计算所述待识别图像与各检索图像的相似度部分的阐述。
可以根据需求确定输出数量的大小。例如,通过计算待识别图像与各检索图像的相似度,得到待识别图像与检索图像A的相似度为95%、与检索图像B的相似度为80%、与检索图像C的相似度为30%、与检索图像D的相似度为60%等。将各检索图像按照相似度由大到小进行排序后,得到的排序为检索图像A、检索图像B、检索图像D和检索图像C。当输出数量为2时,确定出的识别图像为检索图像A和检索图像B。当输出数量为3时,确定出的识别图像为检索图像A、检索图像B和检索图像D。
在本实施例中,可以根据需求灵活地调整输出数量,得到不同的图像识别结果。使得图像识别方法的使用更加灵活,适用范围更广。
图4示出根据本公开一实施例的图像识别结果输出方法的流程图,如图4所示,所述图像识别结果输出方法中步骤S20包括:
步骤S25,确定所述待识别图像与各所述检索图像的相似度。
步骤S26,将相似度大于相似阈值的所述检索图像按照相似度进行排序。
步骤S27,按照由大到小的顺序,在排序后的检索图像中,将数量为输出数量的所述检索图像确定为与所述待识别图像匹配的识别图像。
在一种可能的实现方式中,计算所述待识别图像与各检索图像的相似度,可参照图2所示的实施例中计算所述待识别图像与各检索图像的相似度部分的阐述。
可以根据图像识别的需求确定相似阈值和输出数量。例如,通过计算待识别图像与各检索图像的相似度,得到待识别图像与检索图像A的相似度为90%、与检索图像B的相似度为83%、与检索图像C的相似度为45%、与检索图像D的相似度为65%等、与检索图像E的相似度为75%、与检索图像F的相似度为55%等。当相似阈值为60%,输出数量为2时,识别图像为检索图像A和检索图像B。当相似阈值为70%,输出数量为3时,识别图像为检索图像A、检索图像B和检索图像E。当相似阈值为50%,输出数量为4时,识别图像为检索图像A、检索图像B、检索图像E和检索图像D。
在一种可能的实现方式中,当相似度大于相似阈值的识别图像的数量小于输出数量时,输出所有相似度大于相似阈值的识别图像。
在本实施例中,根据相似度、相似阈值和输出数量确定出的识别图像,识别准确率更高,识别结果更加灵活,适用范围更广。
图5示出根据本公开一实施例的图像识别结果输出方法的流程图,如图5所示,所述图像识别结果输出方法中步骤S40包括:
步骤S41,将所述聚合结果中相似度最大的识别图像的相似度,确定为所述聚合结果的最大相似度。
步骤S42,按照所述聚合结果的最大相似度由大到小的顺序输出所述聚合结果。
在一种可能的实现方式中,聚合结果可以包括根据图像标识将多张识别图像聚合在一起组成的图像簇。当根据待识别图像中的待识别目标确定出多个识别目标时,聚合结果可以是多个识别目标的图像簇。
可以计算待识别图像与各识别图像之间的相似度。可以将聚合结果中的各识别图像按照相似度进行排序,并将聚合结果中相似度最大的图像的相似度,确定为聚合结果的最大相似度。例如,根据待识别图像确定出三个聚合结果,分别为图像标识为“张三”的聚合结果4,聚合结果4为3张图像组成的图像簇,相似度分别为95%、90%和70%;图像标识为“李四”的聚合结果5,聚合结果5为3张图像组成的图像簇,相似度分别为85%、70%和65%;图像标识为“王五”的聚合结果6,聚合结果6为2张图像组成的图像簇,相似度分别为65%、90%。则聚合结果4的最大相似度为95%,聚合结果5的最大相似度为85%,聚合结果6的最大相似度为90%。按照聚合结果的最大相似度由大到小的顺序输出聚合结果,则聚合结果的输出顺序为:(1)聚合结果4;(2)聚合结果6;(3)聚合结果5。
在本实施例中,将聚合结果中相似度最大的识别图像的相似度确定为聚合结果的最大相似度,并按照聚合结果的最大相似度由大到小的顺序输出聚合结果。可以使得聚合结果的输出更有条理性,为聚合结果的后续使用提供便利。
图6示出根据本公开一实施例的图像识别结果输出方法的流程图,如图6所示,所述图像识别结果输出方法中步骤S40包括:
步骤S43,确定所述聚合结果中各识别图像的相似度的平均值,得到所述聚合结果的综合相似度。
步骤S44,按照所述聚合结果的综合相似度由大到小的顺序输出所述聚合结果。
在一种可能的实现方式中,可以计算待识别图像与各识别图像之间的相似度。聚合结果中可以包括多张识别图像,可以计算各聚合结果中所有识别图像的相似度的平均值,得到聚合结果的综合相似度。例如,在如图5所示的实施例中,聚合结果4的综合相似度为85%,聚合结果5的综合相似度为73.33%,聚合结果6的综合相似度为77.5%。则可以按照(1)聚合结果4;(2)聚合结果6;(3)聚合结果5的顺序输出三个聚合结果。
在本实施例中,根据聚合结果中各识别图像的相似度,计算出聚合结果的综合相似度,并按照综合相似度由大到小的输出聚合结果,可以使得聚合结果的输出更有条理性,为聚合结果的后续使用提供便利。
图7示出根据本公开一实施例的图像识别结果输出方法的流程图,如图7所示,所述图像识别结果输出方法中步骤S43包括:
步骤S431,根据所述聚合结果中各识别图像的图像质量,计算各识别图像的相似度的加权平均值,得到所述聚合结果的综合相似度,其中,图像质量越高的识别图像的权重越大。
在一种可能的实现方式中,识别图像的图像质量各不相同,图像质量可以影响图像的识别结果的准确度。例如,识别图像的清晰度低、饱和度过高或过低、图像中识别目标的拍摄角度差等,均会影响到图像识别的准确率。可以为聚合结果中图像质量高的识别图像设置较大的权重值,为图像质量低的识别图像设置较小的权重值,根据权重值计算识别结果中各识别图像的综合相似度。例如,图像标识为“张三”的聚合结果中,包括三张识别图像,三张识别图像的相似度分别为95%、90%、88%,根据三张识别图像的图像质量设置的权重分别为98、70、85,则聚合结果的综合相似度为:
(98*95%+70*90%+85*88%)/(98+70+85)=91.26%。
在本实施例中,根据图像质量设置权重,根据权重得到的聚合结果的综合相似度后,输出聚合结果。可以提高聚合结果输出的准确率和实用性。
图8示出根据本公开一实施例的图像识别结果输出方法的流程图,如图8所示,所述图像识别结果输出方法还包括:
步骤S45,获取标注信息。
步骤S46,根据所述标注信息和所述聚合结果,确定所述聚合结果中所述识别图像的识别结果。
步骤S47,输出所述识别结果。
在一种可能的实现方式中,可以根据需求设置标注信息的内容。标注信息可以包括一个信息,也可以包括各种信息的组合。
获取标注信息可以包括获取输入的标注信息。例如,可以获取工作人员根据各识别图像输入的标注信息,标注信息可以包括“疑似”或“比对成功”。可以通过设置标注信息选项的方式,获取用户输入的标注信息。可以根据标注信息和聚合结果中的各识别图像,输出标注信息为“比对成功”的识别图像作为识别结果。
获取标注信息也可以包括获取存储的标注信息。标注信息可以包括图像库中的各图像未在图像标识中体现的内容。例如,标注信息可以是图像库中各图像中的识别人员的犯罪记录,标注信息可以包括“有犯罪记录”和“无犯罪记录”。根据标注信息和和聚合结果中的各识别图像,输出标注信息为“有犯罪记录”的识别图像作为识别结果。
在本实施例中,通过获取到的标注信息和聚合结果确定出的识别结果,可以根据需求设置标注信息,更加便捷地得到识别结果。
图9示出根据本公开一实施例的图像识别结果输出装置的示意图,如图9所示,所述的图像识别结果输出装置包括:
检索图像确定模块10,用于根据检索条件在图像库中确定检索图像,所述图像库中的图像包括图像标识;
识别图像确定模块20,用于在所述检索图像中确定与待识别图像匹配的识别图像;
聚合结果确定模块30,用于根据所述图像标识将所述识别图像进行聚合,得到聚合结果;
聚合结果输出模块40,用于输出所述聚合结果。
图10示出根据本公开一实施例的图像识别结果输出装置的示意图,如图10所示,在一种可能的实现方式中,所述识别图像确定模块20,包括:
第一相似度确定子模块21,用于确定所述待识别图像与各所述检索图像的相似度;
第一识别图像确定子模块22,用于将相似度大于相似阈值的所述检索图像,确定为与所述待识别图像匹配的识别图像。
在一种可能的实现方式中,所述识别图像确定模块20,包括:
第二相似度确定子模块23,用于确定所述待识别图像与各所述检索图像的相似度;
第二识别图像确定子模块24,用于按照相似度由大到小的顺序,将数量为输出数量的所述检索图像确定为与所述待识别图像匹配的识别图像。
在一种可能的实现方式中,所述识别图像确定模块20,包括:
第三相似度确定子模块25,用于确定所述待识别图像与各所述检索图像的相似度;
排序子模块26,用于将相似度大于相似阈值的所述检索图像按照相似度进行排序;
第三识别图像确定子模块27,用于按照由大到小的顺序,在排序后的检索图像中,将数量为输出数量的所述检索图像确定为与所述待识别图像匹配的识别图像。
在一种可能的实现方式中,所述图像库中包括人脸图像,所述图像标识包括以下标识中的其中一种或任意组合:姓名、身份证号、护照号、社会保险号、通行证号。
在一种可能的实现方式中,所述聚合结果输出模块40,包括:
最大相似度确定子模块41,用于将所述聚合结果中相似度最大的识别图像的相似度,确定为所述聚合结果的最大相似度;
第一聚合结果输出子模块42,用于按照所述聚合结果的最大相似度由大到小的顺序输出所述聚合结果。
在一种可能的实现方式中,所述聚合结果输出模块40,包括:
综合性相似度确定子模块43,用于确定所述聚合结果中各识别图像的相似度的平均值,得到所述聚合结果的综合相似度;
第二聚合结果输出子模块44,用于按照所述聚合结果的综合相似度由大到小的顺序输出所述聚合结果。
在一种可能的实现方式中,所述综合性相似度确定子模块43,用于:
根据所述聚合结果中各识别图像的图像质量,计算各识别图像的相似度的加权平均值,得到所述聚合结果的综合相似度,其中,图像质量越高的识别图像的权重越大。
在一种可能的实现方式中,所述聚合结果输出模块40,包括:
标注信息获取子模块45,用于获取标注信息;
识别结果确定子模块46,用于根据所述标注信息和所述聚合结果,确定所述聚合结果中所述识别图像的识别结果;
识别结果输出子模块47,用于输出所述识别结果。
在一种可能的实现方式中,输出所述聚合结果,包括输出以下信息中的其中一种或任意组合:
所述聚合结果中的识别图像;
所述聚合结果中各识别图像的图像标识;
所述聚合结果中各识别图像的相似度;
所述图像库的标识。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
此外,本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种图像处理方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图11是根据一示例性实施例示出的一种用于图像识别结果输出的装置800的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图11,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
图12是根据一示例性实施例示出的一种用于图像识别结果输出的装置1900的框图。例如,装置1900可以被提供为一服务器。参照图12,装置1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理,一个有线或无线网络接口1950被配置为将装置1900连接到网络,和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种图像识别结果输出方法,其特征在于,包括:
根据检索条件在图像库中确定检索图像,所述图像库中的图像包括图像标识;
在所述检索图像中确定与待识别图像匹配的识别图像;
根据所述图像标识将所述识别图像进行聚合,得到聚合结果;
输出所述聚合结果。
2.根据权利要求1所述的方法,其特征在于,在所述检索图像中确定与待识别图像匹配的识别图像,包括:
确定所述待识别图像与各所述检索图像的相似度;
将相似度大于相似阈值的所述检索图像,确定为与所述待识别图像匹配的识别图像。
3.根据权利要求1所述的方法,其特征在于,在所述检索图像中确定与待识别图像匹配的识别图像,包括:
确定所述待识别图像与各所述检索图像的相似度;
按照相似度由大到小的顺序,将数量为输出数量的所述检索图像确定为与所述待识别图像匹配的识别图像。
4.根据权利要求1所述的方法,其特征在于,在所述检索图像中确定与待识别图像匹配的识别图像,包括:
确定所述待识别图像与各所述检索图像的相似度;
将相似度大于相似阈值的所述检索图像按照相似度进行排序;
按照由大到小的顺序,在排序后的检索图像中,将数量为输出数量的所述检索图像确定为与所述待识别图像匹配的识别图像。
5.一种图像识别结果输出装置,其特征在于,包括:
检索图像确定模块,用于根据检索条件在图像库中确定检索图像,所述图像库中的图像包括图像标识;
识别图像确定模块,用于在所述检索图像中确定与待识别图像匹配的识别图像;
聚合结果确定模块,用于根据所述图像标识将所述识别图像进行聚合,得到聚合结果;
聚合结果输出模块,用于输出所述聚合结果。
6.根据权利要求5所述的装置,其特征在于,所述识别图像确定模块,包括:
第一相似度确定子模块,用于确定所述待识别图像与各所述检索图像的相似度;
第一识别图像确定子模块,用于将相似度大于相似阈值的所述检索图像,确定为与所述待识别图像匹配的识别图像。
7.根据权利要求5所述的装置,其特征在于,所述识别图像确定模块,包括:
第二相似度确定子模块,用于确定所述待识别图像与各所述检索图像的相似度;
第二识别图像确定子模块,用于按照相似度由大到小的顺序,将数量为输出数量的所述检索图像确定为与所述待识别图像匹配的识别图像。
8.根据权利要求5所述的装置,其特征在于,所述识别图像确定模块,包括:
第三相似度确定子模块,用于确定所述待识别图像与各所述检索图像的相似度;
排序子模块,用于将相似度大于相似阈值的所述检索图像按照相似度进行排序;
第三识别图像确定子模块,用于按照由大到小的顺序,在排序后的检索图像中,将数量为输出数量的所述检索图像确定为与所述待识别图像匹配的识别图像。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1至4中任意一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至4中任意一项所述的方法。
CN201810710439.1A 2018-07-02 2018-07-02 图像识别结果输出方法及装置、电子设备和存储介质 Active CN109101542B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810710439.1A CN109101542B (zh) 2018-07-02 2018-07-02 图像识别结果输出方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810710439.1A CN109101542B (zh) 2018-07-02 2018-07-02 图像识别结果输出方法及装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN109101542A true CN109101542A (zh) 2018-12-28
CN109101542B CN109101542B (zh) 2021-02-02

Family

ID=64845380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810710439.1A Active CN109101542B (zh) 2018-07-02 2018-07-02 图像识别结果输出方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN109101542B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109815845A (zh) * 2018-12-29 2019-05-28 深圳前海达闼云端智能科技有限公司 人脸识别的方法和装置、存储介质
CN110032933A (zh) * 2019-03-07 2019-07-19 北京旷视科技有限公司 一种图像数据的获取方法、装置、终端及存储介质
CN111259178A (zh) * 2020-01-19 2020-06-09 罗普特科技集团股份有限公司 图像数据同步方法、装置和系统
CN112651352A (zh) * 2020-12-30 2021-04-13 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101211355A (zh) * 2006-12-30 2008-07-02 中国科学院计算技术研究所 一种基于聚类的图像查询方法
CN101523412A (zh) * 2006-10-11 2009-09-02 惠普开发有限公司 基于人脸的图像聚类
CN101751439A (zh) * 2008-12-17 2010-06-23 中国科学院自动化研究所 基于层次聚类的图像检索方法
CN101990667A (zh) * 2008-04-02 2011-03-23 谷歌公司 将自动人脸识别合并入数字图像集中的方法和装置
WO2012121871A1 (en) * 2011-03-09 2012-09-13 Alcatel Lucent Method and apparatus for image production
US20160140759A1 (en) * 2014-11-13 2016-05-19 Mastercard International Incorporated Augmented reality security feeds system, method and apparatus
CN105868309A (zh) * 2016-03-24 2016-08-17 广东微模式软件股份有限公司 一种基于人脸图像聚类和识别技术的图像快速查找和自助打印方法
CN107679559A (zh) * 2017-09-15 2018-02-09 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和移动终端
KR20180058461A (ko) * 2016-11-24 2018-06-01 장근호 위치 정보를 기반으로 하는 사진 검색 및 촬영 시스템, 및 이를 이용한 사진 검색 및 촬영 방법

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101523412A (zh) * 2006-10-11 2009-09-02 惠普开发有限公司 基于人脸的图像聚类
CN101211355A (zh) * 2006-12-30 2008-07-02 中国科学院计算技术研究所 一种基于聚类的图像查询方法
CN101990667A (zh) * 2008-04-02 2011-03-23 谷歌公司 将自动人脸识别合并入数字图像集中的方法和装置
CN101751439A (zh) * 2008-12-17 2010-06-23 中国科学院自动化研究所 基于层次聚类的图像检索方法
WO2012121871A1 (en) * 2011-03-09 2012-09-13 Alcatel Lucent Method and apparatus for image production
US20160140759A1 (en) * 2014-11-13 2016-05-19 Mastercard International Incorporated Augmented reality security feeds system, method and apparatus
CN105868309A (zh) * 2016-03-24 2016-08-17 广东微模式软件股份有限公司 一种基于人脸图像聚类和识别技术的图像快速查找和自助打印方法
KR20180058461A (ko) * 2016-11-24 2018-06-01 장근호 위치 정보를 기반으로 하는 사진 검색 및 촬영 시스템, 및 이를 이용한 사진 검색 및 촬영 방법
CN107679559A (zh) * 2017-09-15 2018-02-09 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和移动终端

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109815845A (zh) * 2018-12-29 2019-05-28 深圳前海达闼云端智能科技有限公司 人脸识别的方法和装置、存储介质
CN109815845B (zh) * 2018-12-29 2022-03-29 达闼机器人有限公司 人脸识别的方法和装置、存储介质
CN110032933A (zh) * 2019-03-07 2019-07-19 北京旷视科技有限公司 一种图像数据的获取方法、装置、终端及存储介质
CN111259178A (zh) * 2020-01-19 2020-06-09 罗普特科技集团股份有限公司 图像数据同步方法、装置和系统
CN112651352A (zh) * 2020-12-30 2021-04-13 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN112651352B (zh) * 2020-12-30 2022-07-19 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN109101542B (zh) 2021-02-02

Similar Documents

Publication Publication Date Title
CN106295566B (zh) 人脸表情识别方法及装置
CN110348537A (zh) 图像处理方法及装置、电子设备和存储介质
CN110210535A (zh) 神经网络训练方法及装置以及图像处理方法及装置
CN109189987A (zh) 视频搜索方法和装置
CN109101542A (zh) 图像识别结果输出方法及装置、电子设备和存储介质
CN109800744A (zh) 图像聚类方法及装置、电子设备和存储介质
CN105654039B (zh) 图像处理的方法和装置
CN108764069A (zh) 活体检测方法及装置
CN109389162B (zh) 样本图像筛选方法和装置、电子设备及存储介质
KR20210047336A (ko) 이미지 처리 방법 및 장치, 전자 기기 및 기억 매체
CN109871883A (zh) 神经网络训练方法及装置、电子设备和存储介质
CN109800737A (zh) 面部识别方法及装置、电子设备和存储介质
CN110503023A (zh) 活体检测方法及装置、电子设备和存储介质
CN108985176A (zh) 图像生成方法及装置
CN110472091A (zh) 图像处理方法及装置、电子设备和存储介质
CN109257645A (zh) 视频封面生成方法及装置
CN109801270A (zh) 锚点确定方法及装置、电子设备和存储介质
CN110458218A (zh) 图像分类方法及装置、分类网络训练方法及装置
CN108197585A (zh) 脸部识别方法和装置
CN107886070A (zh) 人脸图像的验证方法、装置及设备
CN109978891A (zh) 图像处理方法及装置、电子设备和存储介质
CN110532956A (zh) 图像处理方法及装置、电子设备和存储介质
CN110378312A (zh) 图像处理方法及装置、电子设备和存储介质
CN110399934A (zh) 一种视频分类方法、装置及电子设备
CN109615006A (zh) 文字识别方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant