CN109635149B - 人物搜索方法、装置及电子设备 - Google Patents
人物搜索方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109635149B CN109635149B CN201811545375.0A CN201811545375A CN109635149B CN 109635149 B CN109635149 B CN 109635149B CN 201811545375 A CN201811545375 A CN 201811545375A CN 109635149 B CN109635149 B CN 109635149B
- Authority
- CN
- China
- Prior art keywords
- person
- data
- image
- searching
- image set
- 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.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种人物搜索方法、装置及电子设备。其中,人物搜索方法包括:从搜寻图像集中查找出于与设定图像有关联的目标图像集;获取所述目标图像集中所有图像对应的身份信息,并根据所述身份信息将所述目标图像集中的每张图像之间建立对应关系得到人物空间网;根据接收到的识别信息从所述人物空间网中查询至少一个筛选人物数据;以及根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的相关人物数据,得到目标相关人物链。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种人物搜索方法、装置及电子设备。
背景技术
随着智能生活的普及,在人们生活中如果需要查找人时,可以根据提供的图像或人物特征通过图像的识别等方式查找到满足图像或人物特征的人物图像或者人物所在位置等,但是也就仅限于根据对比特征进行查找。
发明内容
有鉴于此,本发明实施例的目的在于提供一种人物搜索方法、装置及电子设备。
第一方面,本发明实施例提供的一种人物搜索方法,包括:
从搜寻图像集中查找出于与设定图像有关联的目标图像集;
获取所述目标图像集中所有图像对应的身份信息,并根据所述身份信息将所述目标图像集中的每张图像之间建立对应关系得到人物空间网;
根据接收到的识别信息从所述人物空间网中查询至少一个筛选人物数据;以及
根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的相关人物数据,得到目标相关人物链。
可选地,根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的相关人物数据,得到目标相关人物链的步骤,包括:
从所述至少一个筛选人物数据中确定出一个目标人物数据;
在所述人物空间网中查找出与所述目标人物数据关联的人物数据,形成目标相关人物链。
可选地,所述从所述至少一个筛选人物数据中确定出一个目标人物数据的步骤,包括:
根据接收到的选择操作从至少一个筛选人物数据中确定出一个目标人物数据;或,
将至少一个筛选人物数据与所述识别信息进行匹配,选择匹配度最高的人物数据作为目标人物数据。
可选地,所述从搜寻图像集中查找出于与设定图像有关联的目标图像集的步骤,包括:
从搜寻图像集中查找出与设定图像满足设定条件的第一级人物数据;
将第N级人物数据中每个人物数据在所述搜寻图像集中进行查找满足设定条件的第N+1级人物数据,直到得到第M级人物数据,将前M级中的所有人物数据作为目标图像集,其中,M为一设定数值,N是大于等于一的整数。
可选地,在从搜寻图像集中查找出与设定图像满足设定条件的第一级人物数据之前,所述方法还包括:
接收设定的同行时间间隔;
所述从搜寻图像集中查找出与设定图像满足设定条件的第一级人物数据的步骤,包括:
按照所述同行时间间隔对所述搜寻图像集中的图像进行搜索,搜索出与所述设定图像同时出现在一图像中的次数达到设定次数的图像数据作为第一级人物数据。
可选地,所述从搜寻图像集中查找出与设定图像满足设定条件的第一级人物数据的步骤,包括:
从搜寻图像集中查找出与设定图像同屏出现的时间超过设定值的第一级人物数据。
可选地,所述从搜寻图像集中查找出于与设定图像有关联的目标图像集的步骤包括:
从搜寻图像集中获取在设定时间范围内的第一子图像集;
从所述第一子图像集中查找出于与设定图像有关联的目标图像集。
可选地,所述从搜寻图像集中查找出于与设定图像有关联的目标图像集的步骤包括:
从搜寻图像集中获取在设定区域范围内的第二子图像集;
从所述第二子图像集中查找出于与设定图像有关联的目标图像集。
可选地,所述从搜寻图像集中查找出于与设定图像有关联的目标图像集的步骤包括:
从搜寻图像集中获取在设定区域范围和设定时间范围内的第三子图像集;
从所述第三子图像集中查找出于与设定图像有关联的目标图像集。
可选地,所述设定图像包括嫌疑人图像,所述搜寻图像集包括指定城市中的监控摄像头采集到的图像数据;所述从搜寻图像集中查找出于与设定图像有关联的目标图像集的步骤,包括:
从指定城市中的监控摄像头采集到的图像数据中查找出与嫌疑人图像关联的目标图像集,所述目标图像集中包括与所述嫌疑人图像相关的其他人的图像;
所述根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的相关人物数据,得到目标相关人物链的步骤,包括:
根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的同伙人物数据,得到嫌疑人同伙人物链。
第二方面,本发明实施例还提供一种人物搜索装置,包括:
第一查找模块,用于从搜寻图像集中查找出于与设定图像有关联的目标图像集;
获取模块,用于获取所述目标图像集中所有图像对应的身份信息,并根据所述身份信息将所述目标图像集中的每张图像之间建立对应关系得到人物空间网;
查询模块,用于根据接收到的识别信息从所述人物空间网中查询至少一个筛选人物数据;以及
第二查找模块,用于根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的相关人物数据,得到目标相关人物链。
第三方面,本发明实施例还提供一种电子设备,包括:存储器以及处理器,所述存储器用于存储计算机程序,所述处理器用于从所述存储器中读取并运行所述计算机程序,以执行上述方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述的方法的步骤。
本发明实施例的人物搜索方法、装置及电子设备。先建立设定图像所在的人物空间网,再根据提供的识别信息在所述人物空间网中筛选出一些人物数据,根据筛选出的人物数据在人物空间网中查找与筛选出来的人物相关的人物数据,从而搜索结果可以形成一个人物链,因此,本申请实施例提供的人物搜索方法不仅仅搜索满足识别信息的人物,还能查找出更多相关的人物,可以使搜索结果更加的全面。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的电子设备的方框示意图。
图2为本发明实施例提供的人物搜索方法的流程图。
图3为本发明实施例提供的人物搜索方法的步骤S201的详细流程图。
图4为本发明实施例提供的人物搜索方法的人物空间网的结构示意图。
图5为本发明实施例提供的人物搜索方法的步骤S204的详细流程图。
图6为本发明实施例提供的人物搜索装置的功能模块示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
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定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本申请实施例中的人物搜索方法可以用在不同的技术领域,例如,老人、儿童丢失后的查找;犯罪嫌疑人的行踪的搜索;目标人物的相关人物的搜索等。
在一个应用场景中,如果一儿童丢失,现有的方式是通过在网上公布消息从而使用网名们共同人工寻找,或者相关人员查看城市的监控摄像头采集的画面查找丢失儿童的行踪,两种方式的效率都相对较低。如果能够查找到丢失儿童的丢失后的同行者,以及同行者的下落,则可能相对更加容易查找到丢失儿童的下落。本申请通过多个实施例能够实现有效地查找到需要查找的人的人物链。
在另一个应用场景中,如果某一时间发生的犯罪事件,则需要查找犯罪嫌疑人行踪、以及相关同伙的行踪。具体地,目前大部分的案件以团伙作案,团伙之间通过多组关系形成一个网状的联系通道。大部分时候最基层的犯罪执行人员可能只能够见到自己的上级的任务指派人员,而对犯罪团伙的组织领导者却一无所知。因此,即使抓获了基层的犯罪人员,还是不能够抓获犯罪团伙的领导人员,无法将犯罪团伙连根拔起,起到对犯罪团伙的有效打击。目前对于团伙作案的分析的方法主要集中在通话数据、上网数据等结构化数据的分析,但是对于人脸的应用却一直是个空白。主要原因在于人脸识别的非结构化数据的数据量很大,且一直没有合理的方案来有效使用这些人脸数据,以便让视侦民警可以快速利用图像数据找出团伙。基于此,本申请的人物搜索方法可以用于犯罪事件的破案过程中的嫌疑人及嫌疑人同伙的搜索。
发明人对基于图像识别进行研究,研究过程中关于突破通过图像识别搜索人物还需要克服下面问题:
1、人脸识别中抓拍的数据量较大无法有效应用
人脸识别中使用到的抓拍数据一般是城市内安装的监控摄像头采集到的,例如,按照目前一城市规模,平均一天单路摄像头可以产生10万张抓拍数据,一天按照一个城市1000路人脸识别就是1亿张图片数据,此时对于海量的人脸图片进行一遍分析应用,非常耗时耗资源耗成本,继而导致即使想到通过人脸识别进行搜索,也不能很好地将人脸识别搜索有效应用。
2、无有效理论方法给出指导如何应用
目前对于人脸识别的抓拍数据的研判应用,一直缺少理论方法来给予指导如何有效应用。
3、只有人脸抓拍图片一个维度,分析过于单一
目前基于人脸抓拍图片的技战法,基本都是以人脸抓拍图片进行聚类、碰撞等方法来进行抓拍图片的1:1或1:X的计算,期望得到一些情报数据。但是一维的数据仅仅能够实现局部分人物搜索。
基于上述背景及问题,本申请通过多个实施例可以实现人物的有效地搜索,具体描述如下。
实施例一
首先,参照图1来描述用于实现本发明实施例的人物搜索方法的示例电子设备100。该示例电子设备100可以是计算机,也可以是智能手机、平板电脑等移动终端。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储装置104。可选地,电子设备100还可以包括输入装置106、输出装置108以及图像采集装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(CPU)、图形处理单元(GPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的人物搜索方法、装置及系统的示例电子系统中的各器件可以集成设置,也可以分散设置,诸如将处理器102、存储装置104、输入装置106和输出装置108集成设置于一体,而将图像采集装置110分离设置。
实施例二
请参阅图2,是本发明实施例提供的人物搜索方法的流程图。下面将对图2所示的具体流程进行详细阐述。
步骤S201,从搜寻图像集中查找出与设定图像有关联的目标图像集。
在一实施方式中,搜寻图像集可以是预先存储的图像数据库。
在另一实施方式中,搜寻图像集也可以是监控摄像头在一段时间内采集到的图像或视频形成的图像集。进一步地,搜寻图像集可以是城市中的各个监控摄像头采集到的实时图像集,也可以是各个监控摄像头在历史时间段采集到的图像集。
预先存储的图像数据库可以是一城市或一区域中的所有居民的图像。
具体地,在不同的应用场景中可以使用不同的搜寻图像集。例如,在已经建立数据库的人群中搜索一人物的关系链时,可以使用预先存储的图像数据库。再例如,对于一人物在未知人群中的关系链,则可以使用监控摄像头采集到的图像集。
下面将主要以搜寻图像集是监控摄像头在一段时间内采集到的图像或视频形成的图像集为例进行更多的描述。则可以获取需要搜索范围内的所有监控摄像头采集到的图像数据,在获得的图像数据中查找与设定图像有关联的目标图像集。目标图像集可以表示在监控摄像头所在的关系网下,所有与设定图像对应的目标人员有关联的人物的图像。
考虑如果需要搜索一目标人物时,可能会在一些特定的情形下才需要对其进行搜索,因此可以在特定情形发生时间前后时间段进行搜索即可,在提高搜索成功率的同时还能够减少计算量。其中,步骤S201的设定图像可以是上述的目标人物的图片。
因此,步骤S201可以被实现为:从搜寻图像集中获取在设定时间范围内的第一子图像集;从所述第一子图像集中查找出与设定图像有关联的目标图像集。
其中,设定的时间范围可以是特定情形发生时间的前A时间点至后B时间点;也可以是由用户输入的时间段。其中,A至B可以是默认设定的时间长度,也可以是由用户在不同情况下设置的时间长度。例如,特定情形发生的时间点可以是:2008年1月8日,15:00,上述的前A时间点可以是当天时间的凌晨零点:2008年1月8日00:00,上述的后时间点可以是事发时间的七天后的结束:2008年1月15日,24:00。例如,特定情形发生的时间点可以是:2008年1月8日,15:00,设定的时间范围可以是:2008年1月1日00:00至2008年1月15日23:59。
步骤S201则可以获取设定的时间范围的监控摄像头采集到的图像或视频数据形成第一子图像集。
考虑如果需要搜索一目标人物时,目标人物的活动范围可能是在一些特定的区域,因此可以在特定定的区域内进行搜索即可,在提高搜索成功率的同时还能够减少计算量。
因此,步骤S201可以被实现为:从搜寻图像集中获取在设定区域范围内的第二子图像集;从所述第二子图像集中查找出于与设定图像有关联的目标图像集。
特定区域可以是目标人物所在的城市,也可以是用户输入的目标人物可能的活动区域。
进一步地,可以通过考虑时间和活动范围的限定,从而可以进一步地降低搜索范围,提高搜索效率。
因此,步骤S201可以被实现为:从搜寻图像集中获取在设定区域范围和设定时间范围内的第三子图像集;从所述第三子图像集中查找出于与设定图像有关联的目标图像集。
步骤S202,获取所述目标图像集中所有图像对应的身份信息,并根据所述身份信息将所述目标图像集中的每张图像之间建立对应关系得到人物空间网。
身份信息可以包括姓名、身份证号、性别、籍贯、年龄、住所、穿着、身形等信息。
人物空间网则可以包括设定图像对应的人物的相关人物、相关人物的图像、相关人物图像拍摄地点、相关人物图像拍摄时间以及各个相关人物的身份信息。
上述的人物空间网中的每个节点包括对应人物的身份信息。
在一种实施方式中,可以将目标图像集中的所有图像与常驻人口库中进行对比,可以得到目标图像集中的所有图像对应的人物的身份信息。
步骤S203,根据接收到的识别信息从所述人物空间网中查询至少一个筛选人物数据。
在一个使用场景中,如果需要查找一个目标人物所关联的人物链时,则步骤S203中的接收到的识别信息为目标人物的相关信息。其中,相关信息可以并不完全包括身份信息中的内容。
在一个实例中,本实施例中的人物搜索方法可以用于寻找丢失儿童,则识别信息可以是失踪儿童的姓名、年龄、穿着等信息。
在另一个实例中,本实施例中的人物搜索方法可以用于查找犯罪嫌疑人及犯罪嫌疑人的同伙人员。具体地,此时基于多个属性,可由刑侦民警,自定义设置若干个属性形成识别信息,从人物人物空间网进行分析,得到至少一个筛选人物数据。比如,在一个入室盗窃案件,那么民警可以自定义一个识别信息为:壮族、年龄18-40岁之间、男性、时间范围在8月1日-8月30日,地点在海淀区。
以上述的实例为例描述,则在人物空间网中可以查找到到,即可得到符合要求的至少一个筛选人物数据,可以是:
张三,同伙嫌疑人,28岁,壮族,男性,3维同行,分布在8.1、8.3、8.9出现在案发地点;
李四,同伙嫌疑人,25岁,壮族,男性,4维同行,分布在8.1、8.3、8.10出现在案发地点。
步骤S204,根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的相关人物数据,得到目标相关人物链。
在人物空间网中每一个人物可以对应有一条人物链。因此,根据任意一个筛选人物数据均可以得到一个人物链。
在一种实施方式中,也可以从至少一个筛选人物数据选择一个最可能的需要查找的人物链中的人物,进而由一个人物作为入口查找出人物空间网中的其它相关人物。
如图3所示,步骤S201可以包括以下步骤。
步骤S2011,从搜寻图像集中查找出与设定图像满足设定条件的第一级人物数据。
第一级人物数据表示与设定图像对应的人物的同行者。
如图4所示,示出了一个实例中的目标相关人物链。图中以A表示设定图像对应的人物,根据A可以查找出与A关系满足设定条件的第一级人物数据B、C、D;进一步地,根据B可以找到与B相关的第二级人物数据B1、B2、B3;根据C可以找到与C相关的第二级人物数据C1、C2、C3;根据D可以找到与D相关的第二级人物数据D1、D2、D3。其中,人物数据B、C、D对应的人物可以表示为设定图像对应的人物的同行者。
在步骤S2011的步骤之前,还可以包括:接收设定的同行时间间隔。
在设置同行时间间隔的基础上,步骤S2011可以被实施为:按照所述同行时间间隔对所述搜寻图像集中的图像进行搜索,搜索出与所述设定图像同时出现在一图像中的次数达到设定次数的图像数据作为第一级人物数据。
上述的同行时间间隔可以根据城市中的摄像头的密度设定,如果城市中摄像头的密度比较低,则相邻两个摄像头采集到同一人图像的时间间隔也就越长,则设置的同行时间间隔也就越长;如果城市中摄像头的密度比较高,则相邻两个摄像头采集到同一人图像的时间间隔也就越短,则设置的同行时间间隔也就越短,当然,也可以设置更长的时间。
下面在一个实例中,详细描述按照所述同行时间间隔对所述搜寻图像集中的图像进行搜索的实现过程:
设定图像为人物P1的图像,同行时间间隔为5分钟,在时间显示为2018年1月1日,10:15:00时采集到的图像中搜索到人物P1与人物P2同框出现,则再次搜索时间显示为2018年1月1日,10:20:00时的采集的图像中是否存在人物P1与人物P2同框出现,如果是,则可以判断人物P1与人物P2同行五分钟。还可以通过人物P1与人物P2同时出现在一图像中的次数判断出人物P1与人物P2同行时间。如果预先设定的同行时间超过十分钟则表示两人为同行者,第一级人物数据表示与设定图像对应的人物的同行者。则可以按照以五分钟为间隔查找出与人物P1同框出现超过三次的人物作为第一级人物数据。
步骤S2011可以被实施为:从搜寻图像集中查找出与设定图像对应的人物同屏出现的次数超过设定值的第一级人物数据。
步骤S2012,将第N级人物数据中每个人物数据在所述搜寻图像集中进行查找满足设定条件的第N+1级人物数据,直到得到第M级人物数据,将前M级中的所有人物数据作为目标图像集。
其中,M为一设定数值,N是大于等于一的整数。
例如,在一个实例中,M可以取值为5、6、7等。具体可以根据搜寻图像集的大小设置M的取值。
如图5所示,步骤S204可以包括以下步骤。
步骤S2041,从所述至少一个筛选人物数据中确定出一个目标人物数据。
在一种实施方式中,根据接收到的选择操作从至少一个筛选人物数据中确定出一个目标人物数据。
在一个实例中,可以在一个显示界面中显示至少一个筛选人物数据,每个筛选数据对应一个选择按钮,上述的选择操作可以是选择任一选择按钮中的操作。
在其他可选的实施方式中,还可以通过除选择操作以外的方式从至少一个筛选人物数据中确定出一个目标人物数据。例如,显示界面中可以提供数据接收窗口,该数据接收窗口接收输入的选择数据,根据该选择数据确定出一个目标人物数据。
在另一种实施方式中,将至少一个筛选人物数据与所述识别信息进行匹配,选择匹配度最高的人物数据作为目标人物数据。
步骤S2042,在所述人物空间网中查找出与所述目标人物数据关联的人物数据,形成目标相关人物链。
人物空间网中的每一个人物数据均对应至少一条人物关系链,因此,确定一个人物数据,则可以从人物空间网中得到该人物数据对应的人物链。
下面以图4为例进行描述通过根据目标人物数据得到目标相关人物链。确定出一个目标人物数据可以是图4所示的C3人物,则可以目标相关人物链可以是C3、C及A。
在一个实例中,本实施例中的人物搜索方法可以用于在寻找嫌疑人,则可以通过抓获的初步嫌疑人,在人物空间网中确定出初步嫌疑人对应的目标相关人物链。
通过择一目标人物数据,再得到目标相关人物链的方式的得到目标相关人物链可以使用户能够更好地定位想要得到的人物链。
进一步地,得到的目标相关人物链中的节点可以包括该节点对应人物的身份信息。
下面在一个具体的应用场景中详细描述本实施例中的人物搜索方法的使用。
设定图像包括嫌疑人图像,所述搜寻图像集包括指定城市中的监控摄像头采集到的图像数据;本实施例中的步骤可以被实施为:
从指定城市中的监控摄像头采集到的图像数据中查找出与嫌疑人图像关联的目标图像集,所述目标图像集中包括与所述嫌疑人图像相关的其他人的图像;
获取所述目标图像集中所有图像对应的身份信息,并将所述目标图像集中的每张图像之间建立对应关系得到嫌疑人的人物空间网;
根据接收到民警、或报警人员、目击者、受害者等用户输入的识别信息从所述人物空间网中查询至少一个筛选人物数据;识别信息则可以是报警人员、目击者、受害者看到的嫌疑人的特征等。
根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的同伙人物数据,得到嫌疑人同伙人物链。
因此通过上述的过程可以在抓获了基层的犯罪人员的情况下,基层的犯罪人员不知道其他同伙时,也能够实现犯罪团伙的搜索。
本实施例中的人物搜索方法,首先通过科学计算,将同伙人员的范围限定在一个合理的范围内。将同伙限定在去一个立体空间数据范围内检索。进一步地,通过对抓拍人员与常口库比对,确定其身份,为人脸抓拍的非结构化数据引入了结构化特征。取消盲目的分析规则,而是从案件自身的特征和办案的分析维度,去进行设计自定义分析策略,然后有针对性的在目标范围内进行筛选。
通过分析同行数据,将其同伙数据限定在一个立体空间内。然后再获取抓拍图片的结构化数据,最后由用户设置自定义策略在立体空间内分析得到同伙嫌疑人数据。
实施例三
请参阅图6,是本发明实施例提供的人物搜索装置的功能模块示意图。本实施例中的人物搜索装置中的各个模块可用于执行上述的人物搜索方法实施例中的各个步骤。所述人物搜索装置包括:第一查找模块301、获取模块302、查询模块303、第二查找模块304,其中,
第一查找模块301,用于从搜寻图像集中查找出于与设定图像有关联的目标图像集;
获取模块302,用于获取所述目标图像集中所有图像对应的身份信息,并根据所述身份信息将所述目标图像集中的每张图像之间建立对应关系得到人物空间网;
查询模块303,用于根据接收到的识别信息从所述人物空间网中查询至少一个筛选人物数据;以及
第二查找模块304,用于根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的相关人物数据,得到目标相关人物链。
本实施例中,第二查找模块304,还用于:
从所述至少一个筛选人物数据中确定出一个目标人物数据;
在所述人物空间网中查找出与所述目标人物数据关联的人物数据,形成目标相关人物链。
本实施例中,查询模块303,还用于:
根据接收到的选择操作从至少一个筛选人物数据中确定出一个目标人物数据;或,
将至少一个筛选人物数据与所述识别信息进行匹配,选择匹配度最高的人物数据作为目标人物数据。
本实施例中,第一查找模块301,还用于:
从搜寻图像集中查找出与设定图像满足设定条件的第一级人物数据;
将第N级人物数据中每个人物数据在所述搜寻图像集中进行查找满足设定条件的第N+1级人物数据,直到得到第M级人物数据,将前M级中的所有人物数据作为目标图像集,其中,M为一设定数值,N是大于等于一的整数。
本实施例中的人物搜索方法还包括:接收模块,用于接收设定的同行时间间隔;
所述第一查找模块301,还用于:按照所述同行时间间隔对所述搜寻图像集中的图像进行搜索,搜索出与所述设定图像同时出现在一图像中的次数达到设定次数的图像数据作为第一级人物数据。
所述第一查找模块301,还用于:从搜寻图像集中查找出与设定图像同屏出现的时间超过设定值的第一级人物数据。
本实施例中,第一查找模块301,还用于:
从搜寻图像集中获取在设定时间范围内的第一子图像集;
从所述第一子图像集中查找出于与设定图像有关联的目标图像集。
本实施例中,第一查找模块301,还用于:
从搜寻图像集中获取在设定区域范围内的第二子图像集;
从所述第二子图像集中查找出于与设定图像有关联的目标图像集。
本实施例中,第一查找模块301,还用于:
从搜寻图像集中获取在设定区域范围和设定时间范围内的第三子图像集;
从所述第三子图像集中查找出于与设定图像有关联的目标图像集。
作为一种可实施的方式,设定图像包括嫌疑人图像,所述搜寻图像集包括指定城市中的监控摄像头采集到的图像数据;第一查找模块301,还用于:从指定城市中的监控摄像头采集到的图像数据中查找出与嫌疑人图像关联的目标图像集,所述目标图像集中包括与所述嫌疑人图像相关的其他人的图像;
所第二查找模块304,还用于:根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的同伙人物数据,得到嫌疑人同伙人物链。
本发明实施例的人物搜索方法、装置及电子设备。先建立设定图像所在的人物空间网,再根据提供的识别信息在所述人物空间网中筛选出一些人物数据,根据筛选出的人物数据在人物空间网中查找与筛选出来的人物相关的人物数据,从而搜索结果可以形成一个人物链,因此,本申请实施例提供的人物搜索方法不仅仅搜索满足识别信息的人物,还能查找出更多相关的人物,可以是搜索结果更加的全面。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述方法实施例中的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、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、程序段或代码的一部分,所述模块、程序段或代码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。也应当注意,在有些作为替换的实现方式中,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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。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定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (15)
1.一种人物搜索方法,其特征在于,包括:
从搜寻图像集中查找出与设定图像有关联的目标图像集;所述有关联的目标图像集包含所述设定图像对应人物的相关人物的图像;
获取所述目标图像集中所有图像对应的身份信息,并将所述目标图像集中的每张图像之间建立对应关系得到人物空间网;所述人物空间网的节点对应所述相关人物的人物数据,所述人物空间网中的节点包括其对应相关人物的身份信息;
根据接收到的识别信息从所述人物空间网中查询至少一个筛选人物数据;以及
根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的相关人物数据,得到目标相关人物链。
2.如权利要求1所述的人物搜索方法,其特征在于,所述人物空间网包括所述设定图像对应的人物的相关人物、所述相关人物的图像、所述相关人物图像拍摄地点、所述相关人物图像拍摄时间以及各个所述相关人物的身份信息;所述人物空间网中的每个节点包括该节点对应人物的身份信息。
3.如权利要求1所述的人物搜索方法,其特征在于,根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的相关人物数据,得到目标相关人物链的步骤,包括:
从所述至少一个筛选人物数据中确定出一个目标人物数据;
在所述人物空间网中查找出与所述目标人物数据关联的人物数据,形成目标相关人物链。
4.如权利要求3所述的人物搜索方法,其特征在于,所述从所述至少一个筛选人物数据中确定出一个目标人物数据的步骤,包括:
根据接收到的选择操作从至少一个筛选人物数据中确定出一个目标人物数据;或,
选择与识别信息匹配度最高的筛选人物数据作为目标人物数据。
5.如权利要求1所述的人物搜索方法,其特征在于,所述从搜寻图像集中查找出与设定图像有关联的目标图像集的步骤,包括:
从搜寻图像集中查找出与设定图像满足设定条件的第一级人物数据;其中,所述第一级人物数据表示与所述设定图像对应的人物的同行者;
将第N级人物数据中每个人物数据在所述搜寻图像集中进行查找满足设定条件的第N+1级人物数据,直到得到第M级人物数据,将前M级中的所有人物数据作为目标图像集,其中,M为一设定数值,N是大于等于一的整数。
6.如权利要求5所述的人物搜索方法,其特征在于,在从搜寻图像集中查找出与设定图像满足设定条件的第一级人物数据之前,所述方法还包括:
接收设定的同行时间间隔;
所述从搜寻图像集中查找出与设定图像满足设定条件的第一级人物数据的步骤,包括:
按照所述同行时间间隔对所述搜寻图像集中的图像进行搜索,搜索出与所述设定图像同时出现在一图像中的次数达到设定次数的图像数据作为第一级人物数据。
7.如权利要求6所述的人物搜索方法,其特征在于,所述同行时间间隔根据城市中的摄像头的密度设定;
通过相邻两个摄像头采集到同一人图像的时间间隔,设置的同行时间间隔。
8.如权利要求5所述的人物搜索方法,其特征在于,所述从搜寻图像集中查找出与设定图像满足设定条件的第一级人物数据的步骤,包括:
从搜寻图像集中查找出与设定图像同屏出现的时间超过设定值的第一级人物数据。
9.如权利要求1所述的人物搜索方法,其特征在于,所述从搜寻图像集中查找出于与设定图像有关联的目标图像集的步骤包括:
从搜寻图像集中获取在设定时间范围内的第一子图像集;
从所述第一子图像集中查找出于与设定图像有关联的目标图像集。
10.如权利要求1所述的人物搜索方法,其特征在于,所述从搜寻图像集中查找出于与设定图像有关联的目标图像集的步骤包括:
从搜寻图像集中获取在设定区域范围内的第二子图像集;
从所述第二子图像集中查找出于与设定图像有关联的目标图像集。
11.如权利要求1所述的人物搜索方法,其特征在于,所述从搜寻图像集中查找出于与设定图像有关联的目标图像集的步骤包括:
从搜寻图像集中获取在设定区域范围和设定时间范围内的第三子图像集;
从所述第三子图像集中查找出于与设定图像有关联的目标图像集。
12.如权利要求1-11任意一项所述的人物搜索方法,其特征在于,所述设定图像包括嫌疑人图像,所述搜寻图像集包括指定区域中的监控摄像头采集到的图像数据;所述从搜寻图像集中查找出于与设定图像有关联的目标图像集的步骤,包括:
从指定区域中的监控摄像头采集到的图像数据中查找出与嫌疑人图像关联的目标图像集,所述目标图像集中包括与所述嫌疑人图像相关的其他人的图像;
所述根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的相关人物数据,得到目标相关人物链的步骤,包括:
根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的同伙人物数据,得到嫌疑人同伙人物链。
13.一种人物搜索装置,其特征在于,包括:
第一查找模块,用于从搜寻图像集中查找出于与设定图像有关联的目标图像集;所述有关联的目标图像集包含所述设定图像对应人物的相关人物的图像;
获取模块,用于获取所述目标图像集中所有图像对应的身份信息,并根据所述身份信息将所述目标图像集中的每张图像之间建立对应关系得到人物空间网;所述人物空间网的节点对应所述相关人物的人物数据,所述人物空间网中的节点包括其对应相关人物的身份信息;
查询模块,用于根据接收到的识别信息从所述人物空间网中查询至少一个筛选人物数据;以及
第二查找模块,用于根据所述至少一个筛选人物数据在所述人物空间网中查找出与所述至少一个筛选人物数据关联的相关人物数据,得到目标相关人物链。
14.一种电子设备,其特征在于,包括:存储器以及处理器,所述存储器用于存储计算机程序,所述处理器用于从所述存储器中读取并运行所述计算机程序,以执行权利要求1~12任一项所述方法。
15.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行上述的权利要求1~12中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811545375.0A CN109635149B (zh) | 2018-12-17 | 2018-12-17 | 人物搜索方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811545375.0A CN109635149B (zh) | 2018-12-17 | 2018-12-17 | 人物搜索方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109635149A CN109635149A (zh) | 2019-04-16 |
CN109635149B true CN109635149B (zh) | 2021-03-23 |
Family
ID=66074840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811545375.0A Active CN109635149B (zh) | 2018-12-17 | 2018-12-17 | 人物搜索方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109635149B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348347A (zh) * | 2019-06-28 | 2019-10-18 | 深圳市商汤科技有限公司 | 一种信息处理方法及装置、存储介质 |
CN112419637B (zh) * | 2019-08-22 | 2024-05-14 | 北京奇虎科技有限公司 | 安防图像数据的处理方法及装置 |
CN110990609B (zh) * | 2019-12-13 | 2023-06-16 | 云粒智慧科技有限公司 | 一种搜索方法、装置、电子设备及存储介质 |
CN112989083B (zh) * | 2019-12-17 | 2024-02-02 | 浙江宇视科技有限公司 | 人员身份分析方法、装置、设备及存储介质 |
JP7052160B2 (ja) * | 2019-12-23 | 2022-04-11 | 三菱電機ビルテクノサービス株式会社 | 迷子画像検索システム |
CN111770310A (zh) * | 2020-07-02 | 2020-10-13 | 广州博冠智能科技有限公司 | 一种走失儿童识别定位的方法及装置 |
CN115375560B (zh) * | 2022-07-22 | 2023-04-18 | 华中科技大学同济医学院附属协和医院 | 一种3d-dsa图像的重建方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7016532B2 (en) * | 2000-11-06 | 2006-03-21 | Evryx Technologies | Image capture and identification system and process |
CN104581062B (zh) * | 2014-12-26 | 2019-03-15 | 中通服公众信息产业股份有限公司 | 一种身份信息与视频联动的视频监控方法及系统 |
CN107341443B (zh) * | 2017-05-23 | 2018-06-22 | 深圳云天励飞技术有限公司 | 视频处理方法、装置及存储介质 |
CN107861979A (zh) * | 2017-09-27 | 2018-03-30 | 汉柏科技有限公司 | 一种基于人脸识别的伴随人员获取方法及系统 |
CN108229335A (zh) * | 2017-12-12 | 2018-06-29 | 深圳市商汤科技有限公司 | 关联人脸识别方法和装置、电子设备、存储介质、程序 |
-
2018
- 2018-12-17 CN CN201811545375.0A patent/CN109635149B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109635149A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109635149B (zh) | 人物搜索方法、装置及电子设备 | |
CN109117714B (zh) | 一种同行人员识别方法、装置、系统及计算机存储介质 | |
WO2020259099A1 (zh) | 一种信息处理方法及装置、存储介质 | |
CN109815813B (zh) | 图像处理方法及相关产品 | |
Choi et al. | An empirical evaluation: gunshot detection system and its effectiveness on police practices | |
WO2020259100A1 (zh) | 一种信息处理方法及装置、存储介质 | |
CN111221991B (zh) | 人员身份属性的确定方法、装置和电子设备 | |
KR20060101359A (ko) | 디시젼 퓨전을 이용하여 디지털 데이터 내의 인물 식별을통해 태그를 부여 하고 부가 태그를 추천하는 방법 | |
US20180150683A1 (en) | Systems, methods, and devices for information sharing and matching | |
CN111078922A (zh) | 一种信息处理方法及装置、存储介质 | |
CN109426785A (zh) | 一种人体目标身份识别方法及装置 | |
Kolajo et al. | Leveraging big data to combat terrorism in developing countries | |
CN106603546B (zh) | 物联网入侵监测方法及装置 | |
Xu et al. | Multi-modal description of public safety events using surveillance and social media | |
CN109241316B (zh) | 图像检索方法、装置、电子设备及存储介质 | |
CN112925899B (zh) | 排序模型建立方法、案件线索推荐方法、装置及介质 | |
US20160342846A1 (en) | Systems, Methods, and Devices for Information Sharing and Matching | |
Gayathri et al. | Intelligent smart home security system: A deep learning approach | |
Ballinger | Insurgency as complex network: Image co-appearance and hierarchy in the PKK | |
CN110765435B (zh) | 确定人员身份属性的方法、装置和电子设备 | |
Vernier et al. | Twitter data mining for situational awareness | |
CN114067248A (zh) | 行为检测方法、装置、电子设备及存储介质 | |
CN111125545A (zh) | 目标对象的确定方法、装置及电子设备 | |
GB2553123A (en) | Data collector | |
Mahmood Ali et al. | Strategies and tools for effective suspicious event detection from video: a survey perspective (COVID-19) |
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 |