CN109543536A - 图像标识方法及装置、电子设备和存储介质 - Google Patents

Abstract

本公开涉及一种图像标识方法及装置、电子设备和存储介质，所述方法包括：根据各图像组的特征之间的相似度，对各图像组进行聚类分析，确定每一类下的图像组及每一类的标识信息；将每一类的标识信息对应的图像组分别划分至第一集合和第二集合，识别第一集合和第二集合中各图像组的目标对象；在第一集合中的第一目标图像组与第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，更新第一目标图像组或第二目标图像组的标识信息；根据更新后的标识信息确定每一类下的图像组中图像的标识。本公开实施例能够提高图像标识的效率。可以避免相同的目标对象归属于不同类，或者同一类中包括不同目标对象的情况，提高图像标识的准确度。

Description

图像标识方法及装置、电子设备和存储介质

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图像标识方法及装置、电子设备和存储介质。

背景技术

在对图像进行标识的过程中，当图像的数量较大时，采用人工对图像进行标识或传统的图像识别方法逐一对图像进行标识，均导致图像标识的效率较低。又由于图像的拍摄环境及图像中目标对象的状态的影响，图像识别结果准确率较低，导致图像标识的准确率较低。

发明内容

本公开提出了一种图像标识技术方案。

根据本公开的一方面，提供了一种图像标识方法，包括：

根据各图像组的特征之间的相似度，对各所述图像组进行聚类分析，确定每一类下的图像组及每一类的标识信息，每一图像组包括同一目标对象的图像；

将每一类的标识信息对应的图像组分别划分至第一集合和第二集合，识别所述第一集合和所述第二集合中各图像组的目标对象；

在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，更新所述第一目标图像组或第二目标图像组的标识信息，所述第一目标图像组包括所述第一集合中的任一图像组，所述第二图像组包括所述第二集合中的任一图像组；

根据更新后的标识信息确定每一类下的图像组中图像的标识。

在一种可能的实现方式中，所述方法还包括：

提取目标图像组各图像中目标对象的特征，得到各图像的特征向量，所述目标图像组为任一图像组；

根据各图像的特征向量，得到所述目标图像组的特征。

在一种可能的实现方式中，所述根据各图像的特征向量，得到所述目标图像组的特征，包括：

根据各图像的特征向量的均值，得到所述目标图像组的特征。

在一种可能的实现方式中，所述根据各图像组的特征之间的相似度，对各所述图像组进行聚类分析，包括：

根据各图像组的特征之间的相似度，得到各所述图像组之间的相似性度量矩阵；

根据所述相似性度量矩阵对各所述图像组进行聚类分析。

在一种可能的实现方式中，所述在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，更新所述第一目标图像组或第二目标图像组的标识信息，包括：

在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，将所述第一目标图像组和所述第二目标图像组构建标注对；

获取针对所述标注对的标注信息；

根据所述标注对的标注信息更新所述第一目标图像组和/或第二目标图像组的标识信息。

在一种可能的实现方式中，所述目标对象为行人，所述图像组根据所述行人的轨迹确定。

在一种可能的实现方式中，所述方法还包括：

识别监控图像中的行人，得到监控图像的识别结果，所述监控图像包括时间信息和地点信息；

根据监控图像的识别结果、时间信息和地点信息，确定各所述行人的轨迹；

将与目标行人的轨迹对应的监控图像确定为图像组，所述目标行人为任一所述行人。

根据本公开的一方面，提供了一种图像标识装置，所述装置包括：

聚类分析模块，用于根据各图像组的特征之间的相似度，对各所述图像组进行聚类分析，确定每一类下的图像组及每一类的标识信息，每一图像组包括同一目标对象的图像；

集合识别模块，用于将每一类的标识信息对应的图像组分别划分至第一集合和第二集合，识别所述第一集合和所述第二集合中各图像组的目标对象；

标识更新模块，用于在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，更新所述第一目标图像组或第二目标图像组的标识信息，所述第一目标图像组包括所述第一集合中的任一图像组，所述第二图像组包括所述第二集合中的任一图像组；

图像标识模块，用于根据更新后的标识信息确定每一类下的图像组中图像的标识。

在一种可能的实现方式中，所述装置还包括：

图像特征提取模块，用于提取目标图像组各图像中目标对象的特征，得到各图像的特征向量，所述目标图像组为任一图像组；

图像组特征确定模块，用于根据各图像的特征向量，得到所述目标图像组的特征。

在一种可能的实现方式中，所述图像组特征确定模块，包括：

第一图像组特征确定模块，用于根据各图像的特征向量的均值，得到所述目标图像组的特征。

在一种可能的实现方式中，所述聚类分析模块，包括：

相似度度量矩阵子模块，用于根据各图像组的特征之间的相似度，得到各所述图像组之间的相似性度量矩阵；

第一聚类分析子模块，用于根据所述相似性度量矩阵对各所述图像组进行聚类分析。

在一种可能的实现方式中，所述标识更新模块，包括：

标注对构建子模块，用于在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，将所述第一目标图像组和所述第二目标图像组构建标注对；

标注信息获取子模块，用于获取针对所述标注对的标注信息；

第一标识信息更新子模块，用于根据所述标注对的标注信息更新所述第一目标图像组和/或第二目标图像组的标识信息。

在一种可能的实现方式中，所述目标对象为行人，所述图像组根据所述行人的轨迹确定。

在一种可能的实现方式中，所述装置还包括：

识别监控图像中的行人，得到监控图像的识别结果，所述监控图像包括时间信息和地点信息；

根据监控图像的识别结果、时间信息和地点信息，确定各所述行人的轨迹；

将与目标行人的轨迹对应的监控图像确定为图像组，所述目标行人为任一所述行人。

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：执行上述任一项所述方法。

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执行上述任一项所述方法。

在本公开实施例中，可以根据各图像组的特征之间的相似度，对各所述图像组进行聚类分析，确定每一类下的图像组及每一类的标识信息，将每一类的标识信息对应的图像组分别划分至第一集合和第二集合，识别所述第一集合和所述第二集合中各图像组的目标对象；在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，更新所述第一目标图像组或第二目标图像组的标识信息，根据更新后的标识信息确定每一类下的图像组中图像的标识。通过将图像组进行聚类分析，可以使得特征相近的图像组归属于同一类，得到相同的标识信息，能够提高图像标识的效率。再根据聚类结果划分第一集合和第二集合后进行比对，可以避免相同的目标对象归属于不同类，或者同一类中包括不同目标对象的情况，可以提高图像标识的准确度。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

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

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的图像标识方法的流程图；

图2示出根据本公开实施例的图像标识方法的流程图；

图3示出根据本公开实施例的图像标识方法的流程图；

图4示出根据本公开实施例的图像标识方法的流程图；

图5示出根据本公开实施例的图像标识方法的流程图；

图6示出根据本公开实施例的图像标识装置的框图；

图7示出根据本公开实施例的图像标识装置的框图；

图8是根据一示例性实施例示出的一种电子设备的框图；

图9是根据一示例性实施例示出的一种电子设备的框图。

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。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，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示出根据本公开实施例的图像标识方法的流程图，如图1所示，所述图像标识方法，包括：

步骤S10，根据各图像组的特征之间的相似度，对各所述图像组进行聚类分析，确定每一类下的图像组及每一类的标识信息，每一图像组包括同一目标对象的图像。

在一种可能的实现方式中，目标对象可以包括人、动物、植物等各种类型的对象。目标对象可以包括一个或多个对象。可以根据需求确定目标对象的类型和数量。可以利用包括同一目标对象的多个图像组成图像组。例如，目标对象可以为行人、车辆等。可以将包括同一个行人或同一个车辆的多个图像组成图像组。可以利用人工标识或图像识别的方式将需要标识的图像进行处理，将其中包括同一目标对象的图像组成图像组。本实施例对图像组的获取方式不做限定。

在一种可能的实现方式中，所述目标对象为行人，所述图像组根据所述行人的轨迹确定。

在一种可能的实现方式中，可以利用设置在路面的监控摄像头拍摄的监控图像，获取行人的图像。可以根据监控图像的时间信息和位置信息，确定各行人的轨迹，并根据各行人的轨迹对应的图像得到各行人的图像组。每个行人可以有一个或多个轨迹。每个行人的图像组可以包括该行人的一个或多个轨迹对应的图像。

在一种可能的实现方式中，图像的特征可以为图像中目标对象的特征。当目标对象为行人时，目标对象的特征可以包括行人的面部特征、肢体特征和衣着特征等。可以利用神经网络提取图像中目标对象的特征作为图像的特征。可以在图像组中提取各图像的特征。可以将各图像的特征的集合确定为图像组的特征，也可以将各图像的特征取平均值后得到图像组的特征，也可以在图像组中提取一个图像的特征得到图像组的特征。

在一种可能的实现方式中，可以根据各图像组的特征之间的相似度对各图像组进行聚类分析。可以利用传统的聚类算法基于各图像组的特征的相似度进行聚类分析。在聚类结果中，同一类中的图像组之间的相似度可以高于相似度阈值。例如，根据行人的轨迹得到的图像组包括行人A的图像组A1和图像组A2，以及行人B的图像组B1和图像组B2。当根据图像组的特征之间的相似度，对根据监控图像得到的行人的轨迹对应的图像组进行聚类分析时，在得到的聚类结果中，图像组A1和图像组A2为一类，图像组B1和图像组B2为一类。

在一种可能的实现方式中，可以为聚类结果中的每一类确定一个标识信息。每一类的标识信息可以作为归属于此类的图像组的标识信息。同一类的图像组的标识信息相同。不同类的图像组的标识信息不同。例如，聚类结果中包括N个类，可以为各聚类结果确定标识信息N1、N2、N3……。可以将每一类的标识信息作为每一类中的各图像组的标识信息。即，标识信息为N1的类中的各图像组的标识信息为N1，标识信息为N2的类中的各图像组的标识信息为N2……。

在一种可能的实现方式中，可以预设聚类结果的类与标识信息之间的对应关系。标识信息可以包括字符、数字、符号的其中一种或任意组合组成的标识。例如，可以依次为各聚类结果中的类别确定标识信息为LB1、LB2、LB3等。可以根据聚类结果中的各类和预设的对应关系，确定各类的标识信息。

步骤S20，将每一类的标识信息对应的图像组分别划分至第一集合和第二集合，识别所述第一集合和所述第二集合中各图像组的目标对象。

在一种可能的实现方式中，图像组的特征可以影响到图像组在聚类结果中的类的归属。当需要标识的图像较多，和/或图像中的目标对象较多时，在根据图像组的特征之间的相似度对图像组进行聚类分析的过程中，当目标对象的特征之间的差异较小时，相同目标对象的图像可能归属于不同的图像组并在聚类结果中归属于不同的类。而不同目标对象的图像组也可能在聚类结果中归属于相同的类。例如，监控图像包括了行人C换衣服前后的图像。行人C换衣服之前的轨迹对应的图像为图像组C1，行人C换衣服之后的轨迹对应的图像为图像组C2。由于行人C换衣服前后的衣着特征差异较大，导致图像组C1和图像组C2在聚类结果中归属于不同的类。又由于行人C和行人D的面部特征相近，行人C换衣服之前的衣着和行人D和衣着相近，导致行人C的图像组C1和行人D的轨迹对应的图像组D1在聚类结果中归于于同一类。本实施例可以将聚类结果中的图像组进行进一步的处理，将归属于不同类的同一目标对象的图像组的标识信息进行更新，以及将归属于同一类的不同目标对象的图像组的标识信息进行更新，以使同一目标对象的各图像组的标识信息一致。

在一种可能的实现方式中，可以将每一类中的图像组分别划分至第一集合和第二集合。第一集合和第二集合中分别包括各类中的部分图像组。可以将每一类中设定比例的图像组划分至第一集合，将剩余的图像组划分至第二集合。例如，可以在每一类中随机确定百分之五十的图像划分至第一集合，将剩余百分之五十的图像划分至第二集合。

在一种可能的实现方式中，可以利用人工识别或图像识别，分别识别第一集合和第二集合中各图像组中的目标对象。可以采用与将待识别的图像划分为图像组时相同的特征识别各图像组中的目标对象。也可以采用与将待识别的图像划分为图像组时不同的特征识别各图像组中的目标对象。

步骤S30，在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，更新所述第一目标图像组或第二目标图像组的标识信息，所述第一目标图像组包括所述第一集合中的任一图像组，所述第二图像组包括所述第二集合中的任一图像组。

在一种可能的实现方式中，可以根据标识信息和目标对象，将第一目标图像组依次与第二集合中的各图像组进行比对。当第二集合中的任一图像组与第一目标对象组的比对结果为标识信息不一致、目标对象一致时，可以将第二集合中的此目标图像组确定为第二目标图像组。标识信息不一致可以表示第一目标图像组和第二目标图像组在聚类结果中归属于与不同的类，其包括的目标对象不一致。而目标对象一致可以表示根据步骤S20的识别结果，第一目标图像组和第二目标图像组中的目标对象相同，第一目标图像组和第二目标图像组的标识信息应相同。

在一种可能的实现方式中，可以重新识别第一目标图像组和第二目标图像组中的目标对象，并根据目标对象的识别结果分别更新第一目标图像组和第二目标图像组的标识信息，以使第一目标图像组和第二目标图像组的标识信息一致。也可以直接将第一目标图像组的标识信息更新为第二目标图像组的标识信息，或直接将第二目标图像组的标识信息更新为第一目标图像组的标识信息。更新后的第一目标图像组和第二目标图像组的目标对象一致、标识信息也一致。

步骤S40，根据更新后的标识信息确定每一类下的图像组中图像的标识。

在一种可能的实现方式中，当第一集合中的各图像组分别与第二集合中的图像组比对完成，并根据比对结果更新标识信息后，可以得到更新后的第一集合和第二集合下的各图像组的标识信息。可以根据更新后的标识信息，确定各图像组中的图像的标识。

在本实施例中，可以根据各图像组的特征之间的相似度，对各所述图像组进行聚类分析，确定每一类下的图像组及每一类的标识信息，将每一类的标识信息对应的图像组分别划分至第一集合和第二集合，识别所述第一集合和所述第二集合中各图像组的目标对象；在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，更新所述第一目标图像组或第二目标图像组的标识信息，根据更新后的标识信息确定每一类下的图像组中图像的标识。通过将图像组进行聚类分析，可以使得特征相近的图像组归属于同一类，得到相同的标识信息，能够提高图像标识的效率。再根据聚类结果划分第一集合和第二集合后进行比对，可以避免相同的目标对象归属于不同类，或者同一类中包括不同目标对象的情况，可以提高图像标识的准确度。

图2示出根据本公开实施例的图像标识方法的流程图，如图2所示，所述图像标识方法，还包括：

步骤S50，提取目标图像组各图像中目标对象的特征，得到各图像的特征向量，所述目标图像组为任一图像组。

步骤S60，根据各图像的特征向量，得到所述目标图像组的特征。

在一种可能的实现方式中，可以提取图像组各图像中目标对象的特征，得到各图像的特征向量。例如，当目标对象为行人时，可以根据提取到的行人的面部特征、衣着特征、肢体特征中的至少一种，得到各图像的特征向量。

在一种可能的实现方式中，可以将各图像的特征向量组合后得到图像组的矩阵形式的特征。也可以根据各图像的特征向量的均值，得到所述目标图像组的特征。例如，图像组中图像1的特征向量为(X1,Y1,Z1)、图像2的特征向量为(X2,Y2,Z2)、图像3的特征向量为(X3,Y23,Z3)……。各图像的特征向量中，特征X1、X2、X3…….的平均值为X，特征Y1、Y2、Y3…….的平均值为Y，特征Z1、Z2、Z3…….的平均值为Z。图像组的特征可以为(X,Y,Z)。

在本实施例中，可以根据图像组中各图像的特征向量，得到图形组的特征向量。根据图像组中各图像的特征得到图像组的特征，可以使得图像组的特征能够最大程度的体现各图像的特征。根据各图像的特征向量的均值得到的图像组的特征，可以简化图像识别的计算过程，提高图像识别效率。

图3示出根据本公开实施例的图像标识方法的流程图，如图3所示，所述图像标识方法中的步骤S10，包括：

步骤S11，根据各图像组的特征之间的相似度，得到各所述图像组之间的相似性度量矩阵。

在一种可能的实现方式中，可以利用欧式距离等相似度计算方法，计算各图像组两两之间的的特征之间的相似度。可以根据得到的各图像组两两之间的特征的相似度，得到相似性度量矩阵。例如，有三个图像组，图像组1和图像组2之间的相似度为S1，图像组1和图像组3之间的相似度为S2，图像组2和图像组3之间的相似度为S3，三个图像组之间的相似性度量矩阵为(S1,S3,S3)。

步骤S12，根据所述相似性度量矩阵对各所述图像组进行聚类分析。

在一种可能的实现方式中，可以利用各图像组之间的相似性度量矩阵，采用设定的聚类分析算法进行聚类分析。

在本实施例中，可以根据各图像组的特征之间的相似度，得到图像组之间的相似性度量矩阵。可以根据所述相似性度量矩阵对各所述图像组进行聚类分析。相似性度量矩阵可以表现出各图像组之间的相似度，使得聚类分析的结果更加准确。

图4示出根据本公开实施例的图像标识方法的流程图，如图4所示，所述图像标识方法中的步骤S30，包括：

步骤S31，在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，将所述第一目标图像组和所述第二目标图像组构建标注对。

在一种可能的实现方式中，可以将标识信息不一致、目标对象一致的第一目标图像组和第二目标图像组组成一个标注对。可以根据第一集合和第二集合的比对结果，构建多个标注对。不同的标注对可以包括相同的第一目标图像组或第二目标图像组。

步骤S32，获取针对所述标注对的标注信息。

在一种可能的实现方式中，可以利用人工识别的方式，识别各标注对中各图像组中的目标对象，人工获取针对各标注对的标注信息。

在一种可能的实现方式中，也可以利用图像识别的方式，识别各标注对中各图像组中的目标对象，自动获取针对各标注对的标注信息。

在一种可能的实现方式中，标注对的标注信息，可以为第一目标图像组各图像中的目标对象的识别信息，也可以为第二目标图像组各图像中的目标对象的识别信息，还可以为与第一目标图像组各图像中的目标对象和与第二目标图像组各图像中的目标对象均不相同的目标对象的识别信息。本实施例对此不做限定。

步骤S33，根据所述标注对的标注信息更新所述第一目标图像组和/或第二目标图像组的标识信息。

在一种可能的实现方式中，可以根据标注对的标注信息，更新组成标注对的第一目标图像组和第二目标图像组的标识信息。当标注对的标注信息与第一目标图像组的标识信息相同时，更新第二目标图像组的标识信息。当标注对的标注信息与第二目标图像组的标识信息相同时，更新第一目标图像组的标识信息。当标注对的标注信息与第一目标图像组和第二目标图像组的标识信息均不相同时，更新第一目标图像组和第二目标图像组的标识信息。

在本实施例中，可以根据标识信息和目标对象，利用第一目标图像组和第二目标图像组构建标注对，可以获取针对标注对的标注信息，并根据标注对的标注信息更新第一目标图像组和/或第二目标图像组的标识信息。根据标注对的标注信息，更新第一集合和/或第二集合中的图像组的标识信息，以使各图像组的标识信息更加准确。

图5示出根据本公开实施例的图像标识方法的流程图，如图5所示，所述图像标识方法，还包括：

步骤S70，识别监控图像中的行人，得到监控图像的识别结果，所述监控图像包括时间信息和地点信息。

步骤S80，根据监控图像的识别结果、时间信息和地点信息，确定各所述行人的轨迹。

步骤S90，将与目标行人的轨迹对应的监控图像确定为图像组，所述目标行人为任一所述行人。

在一种可能的实现方式中，可以在路边设置多个监控摄像头获取监控图像。监控图像可以包括事件信息和地点信息，其中，时间信息为图像的拍摄时间，地点信息为摄像头的位置信息。

在一种可能的实现方式中，可以识别各监控图像中的行人，得到各监控图像的识别结果。可以根据各监控图像的识别结果，确定各行人的轨迹。一个行人可以对应一个或多个轨迹。可以将一个行人的所有轨迹对应的图像组成图像组，也可以将一个行人的部分轨迹对应的图像组成图像组。例如，可以得到行人A的两个轨迹：时间段1内依次出现在地点A、地点B和地点C；时间段2内依次出现在地点D和地点E。也可以得到行人B的两个轨迹：时间段1内依次出现在地点B、地点C；时间段2内依次出现在地点C和地点E。可以将行人A的两个轨迹对应的图像分别确定为行人A的图像组A1和图像组A2，将行人B的两个轨迹对应的图像分别确定为行人B的图像组B1和图像组B2。

在本实施例中，可以对监控图像进行图像识别，得到监控图像的识别结果。可以根据监控图像的识别结果、时间信息和地点信息，确定各行人的轨迹。可以将与各行人的轨迹对应的监控图像确定为图像组。对监控图像进行图像识别，确定行人的轨迹后，得到各行人的图像组。根据行人的轨迹确定的图像组，可以提高图像组的获取效率，解决人工获取行人图像组增量数据时效率低的问题。

此外，本公开还提供了图像标识装置、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标识方法，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。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

图6示出根据本公开实施例的图像标识装置的框图，如图6所示，所述图像标识装置包括：

聚类分析模块10，用于根据各图像组的特征之间的相似度，对各所述图像组进行聚类分析，确定每一类下的图像组及每一类的标识信息，每一图像组包括同一目标对象的图像；

集合识别模块20，用于将每一类的标识信息对应的图像组分别划分至第一集合和第二集合，识别所述第一集合和所述第二集合中各图像组的目标对象；

标识更新模块30，用于在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，更新所述第一目标图像组或第二目标图像组的标识信息，所述第一目标图像组包括所述第一集合中的任一图像组，所述第二图像组包括所述第二集合中的任一图像组；

图像标识模块40，用于根据更新后的标识信息确定每一类下的图像组中图像的标识。

图7示出根据本公开实施例的图像标识装置的框图，如图7所示，在一种可能的实现方式中，所述图像标识装置还包括：

图像特征提取模块50，用于提取目标图像组各图像中目标对象的特征，得到各图像的特征向量，所述目标图像组为任一图像组；

图像组特征确定模块60，用于根据各图像的特征向量，得到所述目标图像组的特征。

在一种可能的实现方式中，所述图像组特征确定模块60，包括：

第一图像组特征确定模块61，用于根据各图像的特征向量的均值，得到所述目标图像组的特征。

在一种可能的实现方式中，所述聚类分析模块10，包括：

相似度度量矩阵子模块11，用于根据各图像组的特征之间的相似度，得到各所述图像组之间的相似性度量矩阵；

第一聚类分析子模块12，用于根据所述相似性度量矩阵对各所述图像组进行聚类分析。

在一种可能的实现方式中，所述标识更新模块30，包括：

标注对构建子模块31，用于在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，将所述第一目标图像组和所述第二目标图像组构建标注对；

标注信息获取子模块32，用于获取针对所述标注对的标注信息；

第一标识信息更新子模块33，用于根据所述标注对的标注信息更新所述第一目标图像组和/或第二目标图像组的标识信息。

在一种可能的实现方式中，所述目标对象为行人，所述图像组根据所述行人的轨迹确定。

在一种可能的实现方式中，所述装置还包括：

行人识别模块70，用于识别监控图像中的行人，得到监控图像的识别结果，所述监控图像包括时间信息和地点信息；

轨迹确定模块80，用于根据监控图像的识别结果、时间信息和地点信息，确定各所述行人的轨迹；

图像组确定模块90，用于将与目标行人的轨迹对应的监控图像确定为图像组，所述目标行人为任一所述行人。

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。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

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8是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备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8，电子设备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通常控制电子设备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电子设备800的操作。这些数据的示例包括用于在电子设备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为电子设备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，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备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。当电子设备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)，当电子设备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，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备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被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备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，电子设备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电子设备800的处理器820执行以完成上述方法。

图9是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图9，电子设备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。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS 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电子设备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)

1.一种图像标识方法，其特征在于，所述方法包括：

根据各图像组的特征之间的相似度，对各所述图像组进行聚类分析，确定每一类下的图像组及每一类的标识信息，每一图像组包括同一目标对象的图像；

将每一类的标识信息对应的图像组分别划分至第一集合和第二集合，识别所述第一集合和所述第二集合中各图像组的目标对象；

在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，更新所述第一目标图像组或第二目标图像组的标识信息，所述第一目标图像组包括所述第一集合中的任一图像组，所述第二图像组包括所述第二集合中的任一图像组；

根据更新后的标识信息确定每一类下的图像组中图像的标识。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

提取目标图像组各图像中目标对象的特征，得到各图像的特征向量，所述目标图像组为任一图像组；

根据各图像的特征向量，得到所述目标图像组的特征。

3.根据权利要求2所述的方法，其特征在于，所述根据各图像的特征向量，得到所述目标图像组的特征，包括：

根据各图像的特征向量的均值，得到所述目标图像组的特征。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据各图像组的特征之间的相似度，对各所述图像组进行聚类分析，包括：

根据各图像组的特征之间的相似度，得到各所述图像组之间的相似性度量矩阵；

根据所述相似性度量矩阵对各所述图像组进行聚类分析。

5.一种图像标识装置，其特征在于，所述装置包括：

聚类分析模块，用于根据各图像组的特征之间的相似度，对各所述图像组进行聚类分析，确定每一类下的图像组及每一类的标识信息，每一图像组包括同一目标对象的图像；

集合识别模块，用于将每一类的标识信息对应的图像组分别划分至第一集合和第二集合，识别所述第一集合和所述第二集合中各图像组的目标对象；

标识更新模块，用于在所述第一集合中的第一目标图像组与所述第二集合中的第二目标图像组的标识信息不一致、目标对象一致的情况下，更新所述第一目标图像组或第二目标图像组的标识信息，所述第一目标图像组包括所述第一集合中的任一图像组，所述第二图像组包括所述第二集合中的任一图像组；

图像标识模块，用于根据更新后的标识信息确定每一类下的图像组中图像的标识。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

图像特征提取模块，用于提取目标图像组各图像中目标对象的特征，得到各图像的特征向量，所述目标图像组为任一图像组；

图像组特征确定模块，用于根据各图像的特征向量，得到所述目标图像组的特征。

7.根据权利要求6所述的装置，其特征在于，所述图像组特征确定模块，包括：

第一图像组特征确定模块，用于根据各图像的特征向量的均值，得到所述目标图像组的特征。

8.根据权利要求5至7中任一项所述的装置，其特征在于，所述聚类分析模块，包括：

相似度度量矩阵子模块，用于根据各图像组的特征之间的相似度，得到各所述图像组之间的相似性度量矩阵；

第一聚类分析子模块，用于根据所述相似性度量矩阵对各所述图像组进行聚类分析。

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。