CN109784226B - 人脸抓拍方法及相关装置 - Google Patents

人脸抓拍方法及相关装置 Download PDF

Info

Publication number
CN109784226B
CN109784226B CN201811628404.XA CN201811628404A CN109784226B CN 109784226 B CN109784226 B CN 109784226B CN 201811628404 A CN201811628404 A CN 201811628404A CN 109784226 B CN109784226 B CN 109784226B
Authority
CN
China
Prior art keywords
picture
determining
pictures
frame
cached
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
Application number
CN201811628404.XA
Other languages
English (en)
Other versions
CN109784226A (zh
Inventor
刘海军
顾鹏
陈乐�
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 Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies 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 Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN201811628404.XA priority Critical patent/CN109784226B/zh
Publication of CN109784226A publication Critical patent/CN109784226A/zh
Priority to US17/257,307 priority patent/US11120251B2/en
Priority to PCT/CN2019/114728 priority patent/WO2020134548A1/zh
Application granted granted Critical
Publication of CN109784226B publication Critical patent/CN109784226B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161Detection; Localisation; Normalisation
    • G06V40/166Detection; Localisation; Normalisation using acquisition arrangements
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161Detection; Localisation; Normalisation
    • G06V40/167Detection; Localisation; Normalisation using comparisons between temporally consecutive images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/60Memory management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00Image coding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/94Hardware or software architectures specially adapted for image or video understanding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/96Management of image or video recognition tasks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172Classification, e.g. identification

Abstract

本申请公开了一种人脸抓拍方法及相关装置,应用于电子设备,该方法包括:解析采集到的第一视频流,得到多帧图片;确定包含多个第一编码的第一模式图样;将多个第一编码对应的表示缓存的第一帧号的图片依次缓存至缓存区;在图片缓存时,确定包含多个第二编码的第二模式图样;将第二编码对应的第二帧号的图片依次缓存至缓存区;在图片缓存时,基于人脸抓拍算法按照多个缓存区的第一编号的先后顺序依次循环进行处理,得到人脸图片,并输出所述人脸图片。采用本申请实施例可避免了缓存区资源浪费的问题。

Description

人脸抓拍方法及相关装置
技术领域
本申请涉及图像识别技术领域,尤其涉及一种人脸抓拍方法及相关装置。
背景技术
人脸抓拍在现实的某些场景(如嫌疑人查找、目标人物跟踪等)中具有广泛的应用。目前,针对视频流进行人脸抓拍的方案中通常是将解析视频流得到的多帧图片缓存到多个缓存区中,然后固定抽样处理存储在缓存区中的图片,以得到人脸图片,进而实现了人脸抓拍。可见,上述人脸抓拍方案会导致某些缓存区虽然存储了图片,但是未被处理,进而导致缓存区的资源浪费。
发明内容
本申请实施例提供一种人脸抓拍方法及相关装置,避免了缓存区资源浪费的问题。
第一方面,本申请实施例提供一种人脸抓拍方法,应用于包括多个缓存区的电子设备,每个缓存区对应一个第一编号,该方法包括:
解析采集到的第一视频流,得到多帧图片,每帧图片对应一个第一帧号;
确定包含多个第一编码的第一模式图样,每个第一编码对应一个第二编号,每个第二编号对应至少一个第一帧号,每个第一编码的取值用于表示其对应的第一帧号的图片是否缓存;
将所述多个第一编码对应的表示缓存的第一帧号的图片依次缓存至缓存区,每个缓存区存储一帧图片;
在图片缓存时,确定包含多个第二编码的第二模式图样,每个第二编码对应一个第三编号,每个第三编号对应至少一个第二帧号,所述第二帧号对应的图片是所述多帧图片中当前未缓存至缓存区的图片,每个第二编码的取值用于表示其对应的第二帧号的图片是否缓存;
将所述多个第二编码对应的表示缓存的第二帧号的图片依次缓存至缓存区;
在图片缓存时,基于人脸抓拍算法按照所述多个缓存区的第一编号的先后顺序依次循环进行处理,得到人脸图片,并输出所述人脸图片。
第二方面,本申请实施例提供一种人脸抓拍装置,应用于包括多个缓存区的电子设备,每个缓存区对应一个第一编号,所述装置包括:
解析单元,用于解析采集到的第一视频流,得到多帧图片,每帧图片对应一个第一帧号;
确定单元,用于确定包含多个第一编码的第一模式图样,每个第一编码对应一个第二编号,每个第二编号对应至少一个第一帧号,每个第一编码的取值用于表示其对应的第一帧号的图片是否缓存;
缓存单元,用于将所述多个第一编码对应的表示缓存的第一帧号的图片依次缓存至缓存区,每个缓存区存储一帧图片;
所述确定单元,还用于在图片缓存时,确定包含多个第二编码的第二模式图样,每个第二编码对应一个第三编号,每个第三编号对应至少一个第二帧号,所述第二帧号对应的图片是所述多帧图片中当前未缓存至缓存区的图片,每个第二编码的取值用于表示其对应的第二帧号的图片是否缓存;
所述缓存单元,还用于将所述多个第二编码对应的表示缓存的第二帧号的图片依次缓存至缓存区;
人脸识别单元,用于在图片缓存时,基于人脸抓拍算法按照所述多个缓存区的第一编号的先后顺序依次循环进行处理,得到人脸图片,并输出所述人脸图片。
第三方面,本申请实施例提供一种电子设备,该电子设备包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行本申请实施例第一方面所述的方法中的步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质用于存储计算机程序,其中,上述计算机程序被处理器执行,以实现如本申请实施例第一方面所述的方法中所描述的部分或全部步骤。
第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面所述的方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出,在本申请实施例中,电子设备是基于模式图样将解析视频流得到的多帧图片依次缓存至缓存区,由于模式图样包含的多个编码的取值是用于表示其对应的帧号的图片是否缓存,也就是表示不是将所有的图片都进行缓存,实现了不需要处理的图片不进行缓存,避免了缓存区资源浪费的问题,其次,图片缓存跟人脸图片解析是并行执行的,提升了计算资源利用率,以及提升整套流程的处理速度,最后,电子设备是先基于第一模式图样进行图片缓存,然后再基于第二模式图样进行缓存,实现了图片缓存的灵活性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1是本申请实施例提供的一种人脸抓拍方法的流程示意图;
图2是本申请实施例提供的另一种人脸抓拍方法的流程示意图;
图3是本申请实施例提供的一种电子设备的结构示意图;
图4是本申请实施例提供的一种人脸抓拍装置。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
以下分别进行详细说明。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
电子设备是指由集成电路、晶体管、电子管等电子元器件组成,应用电子技术软件发挥作用的设备,电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(UserEquipment,UE),移动台(Mobile Station,MS),终端设备(terminal device)等等。
该电子设备还包括多个缓存区,每个缓存区存储一帧图片,后存储入该缓存区的图片覆盖前一时刻存储入该缓存区的图片。
请参见图1,图1是本申请实施例提供的一种人脸抓拍方法的流程示意图,应用于包括多个缓存区的电子设备,每个缓存区对应一个第一编号,该方法包括:
步骤101:解析采集到的第一视频流,得到多帧图片,每帧图片对应一个第一帧号。
其中,第一帧号用于表示其对应的图片的顺序,第一帧号例如为1、2、3、4或是其他值。
其中,图片的第一帧号是电子设备按照解析得到的图片的先后顺序给每帧图片标记的。比如,电子设备解析第一视频流得到的4张图片,这4张图片的解析得到的先后顺序有图片1、图片2、图片3和图片4,那么图片对应的帧号有图片1对应帧号1、图片1对应帧号2、图片3对应帧号3,图片4对应帧号4。
步骤102:确定包含多个第一编码的第一模式图样,每个第一编码对应一个第二编号,每个第二编号对应至少一个第一帧号,每个第一编码的取值用于表示其对应的第一帧号的图片是否缓存。
其中,电子设备中存储有多个模式图样,第一模式图样是这多个模式图样中的其中一个,模式图样是由多个编码组成的序列,例如有10101010、10010010、10001000等。其中,模式图样中的编码为二值编码,可以用两个值来表示,一个值用于表示其对应的第一帧号的图片缓存,另一个值用于表示其对应的第一帧号的图片不缓存,比如编码取值为1时,表示其对应的图片缓存,编码取值为0时,表示其对应的图片不缓存。又比如编码取值为1时,表示其对应的图片缓存,编码取值为-1时,表示其对应的图片不缓存。需要说明的是,二值编码的值还可以有其他形式的表示,在此不再举例说明。
举例来说,假如某个模式图样为10101010,那么该模式图样包括8个编码,第一个编码的取值为1,第二个编码的取值为0,第三个编码的取值为1,第四个编码的取值为0,第五个编码的取值为1,第六个编码的取值为0,第七个编码的取值为1,第八个编码的取值为0,假设编码取值为1时,表示该编码对应的图片缓存,假设编码取值为0时,表示该编码对应的图片不缓存,那么在模式图样下,第一个编码、第三个编码、第五个编码和第七个编码对应的图片是需要缓存的,第二个编码、第四个编码、第六个编码和第八个编码对应的图片是需要不缓存的。
又举例说明,假设解析第一视频流得到24帧图片,第一模式图样包含8个第一编码,每个第一编码可以取1或0,1表示其对应的第一帧号的图片缓存,0表示其对应的第一帧号的图片不缓存。假定第一模式图样为10101010,则表示缓存第二编号为1、3、5、7的第一编码对应的第一帧号的图片,第二编号为1对应的图片为第一帧号为1、9、17的图片,第二编号为3对应的图片为第一帧号为3、11、19的图片,第二编号为5对应的图片为第一帧号为5、13、21的图片,第二编号为7对应的图片为第一帧号为7、15、23的图片;表示不缓存第二编号为2、4、6、8的第一编码对应的第一帧号的图片,第二编号为2对应的图片为第一帧号为2、10、18的图片,第二编号为4对应的图片为第一帧号为4、12、20的图片,第二编号为6对应的图片为第一帧号为6、14、22的图片,第二编号为8对应的图片为第一帧号为8、16、24的图片。
进一步地,所述电子设备中存储有多个模式图样,所述确定包含多个第一编码的第一模式图样,包括:基于图片数量与模式图样的第一映射关系确定所述多帧图片的数量对应的第一目标模式图样,以及将所述第一目标模式图样作为所述第一模式图样。其中,图片数量与模式图样的第一映射关系如表1所示。
表1
图片数量 模式图样
1~20 10101010
21~35 10010010
36~60 10001000
…… ……
进一步地,所述电子设备中存储有多个模式图样,所述确定包含多个第一编码的第一模式图样,包括:基于所述第一视频流携带的标识信息确定所述第一视频流的目标场景;基于场景与模式图样的第二映射关系确定所述目标场景对应的第二目标模式图样;将所述第二目标模式图样作为所述第一模式图样。
其中,所述基于所述第一视频流携带的标识信息确定所述第一视频流的目标场景,包括:解析所述第一视频流携带的标识信息,得到至少一个关键词;基于关键词与场景的映射关系确定所述至少一个关键词对应的场景;将所述至少一个关键词对应的场景作为所述第一视频流的目标场景。
其中,标识信息为所述视频流的名称,例如操场监控视频流、教室监控视频流、校医务室监控视频、商场电影院监控视频、商场餐饮监控视频、商场电梯监控视频、车站售票处监控视频、车站检票处监控视频、候车厅监控视频等等。
其中,关键词与场景的映射关系和场景与模式图样的第二映射关系如表2所示。
表2
关键词 场景 模式图样
操场、教室、校医务室 学校 10101010
商场电影院、商场餐饮、商场电梯 商场 10010010
车站售票处、车站检票处、候车厅 车站 10001000
…… …… ……
步骤103:将所述多个第一编码对应的表示缓存的第一帧号的图片依次缓存至缓存区,每个缓存区存储一帧图片。
举例说明,假设解析第一视频流得到20帧图片,8个缓存区,第一模式图样为10101010,1表示其对应的第一帧号的图片缓存,0表示其对应的第一帧号的图片不缓存,则第一编码对应的表示缓存的图片的第一帧号为1、3、5、7、9、11、13、15、17和19,将第一帧号为1的图片缓存进第一编号为1的缓存区;将第一帧号为3的图片缓存进第一编号为2的缓存区;将第一帧号为5的图片缓存进第一编号为3的缓存区;将第一帧号为7的图片缓存进第一编号为4的缓存区;将第一帧号为9的图片缓存进第一编号为5的缓存区;将第一帧号为11的图片缓存进第一编号为6的缓存区;将第一帧号为13的图片缓存进第一编号为7的缓存区;将第一帧号为15的图片缓存进第一编号为8的缓存区;将第一帧号为17的图片缓存进第一编号为1的缓存区,覆盖第一帧号为1的图片;将第一帧号为19的图片缓存进第一编号为1的缓存区,覆盖第一帧号为3的图片;其余的图片不缓存。
进一步地,所述将所述多个第一编码对应的表示缓存的第一帧号的图片依次缓存至缓存区,包括:
S1:按照所述多个第一编码从所述得到的多帧图片中确定需要缓存的r帧图片,每帧需要缓存的r帧图片对应一个第三帧号i;
S2:将所述第三帧号i的初始值设置为1;
S3:判断所述i是否小于或等于所述m,所述m小于或等于所述r,若是,则执行步骤S4,若否,则执行步骤S6;
S4:将所述r帧图片中的第i帧图片存入第j个缓存区;
S5:将i+1赋值给所述i,j+1赋值给所述j,执行S3;
S6:获取所述i除以所述m的余数k;
S7:判断所述k是否等于0,若是,则执行步骤S8,若否,则执行步骤S10;
S8:将第i帧图片数据存入第m个缓存区;
S9:将i+1赋值给所述i,执行S6;
S10:将第i帧图片数据存入第k个缓存区,执行S9。
其中,所述j的初始值可以为1,也可以为其他值,在此不做限定。
步骤104:在图片缓存时,确定包含多个第二编码的第二模式图样,每个第二编码对应一个第三编号,每个第三编号对应至少一个第二帧号,所述第二帧号对应的图片是所述多帧图片中当前未缓存至缓存区的图片,每个第二编码的取值用于表示其对应的第二帧号的图片是否缓存。
进一步地,所述确定包含多个第二编码的第二模式图样之前,所述方法还包括:
确定所述多个缓存区的总数目m、当前正在缓存的图片对应的缓存区的第一编号n和当前正在处理的图片对应的缓存区的第一编号p,所述m大于或等于所述n和所述p,所述n、所述p大于或等于1;
基于所述m、所述n和所述p确定已缓存但未处理的图片对应的缓存区数目q,所述q大于或等于0;
确定所述q小于或等于第一预设阈值,所述第一预设阈值是基于所述m确定。
进一步地,基于所述m、所述n和所述p确定已缓存但未处理的图片对应的缓存区数目q的具体实现方式为:若所述p大于或等于所述n,基于第一公式确定已缓存但未处理的图片对应的缓存区数目q,所述第一公式为:q=m-(p-n);若所述p小于所述n,基于第二公式确定已缓存但未处理的图片对应的缓存区数目q,所述第二公式为:q=n-p。
举例说明,假定缓存区的总数目为5,当前正在缓存的图片对应的缓存区的第一编号2和当前正在处理的图片对应的缓存区的第一编号4,基于第一公式可以确定已缓存但未处理的图片对应的缓存区数目q=5-(4-2)=3,已缓存但未处理的图片对应的缓存区为第一编号为1、2和5,与基于第一公式计算的结果相同;假定缓存区的总数目为5,当前正在缓存的图片对应的缓存区的第一编号4和当前正在处理的图片对应的缓存区的第一编号2,基于第二公式可以确定已缓存但未处理的图片对应的缓存区数目q=4-2=2,已缓存但未处理的图片对应的缓存区为第一编号为3和4,与基于第二公式计算的结果相同。
进一步地,所述第一预设阈值是基于所述m确定,包括:所述第一预设阈值基于第三公式确定,所述第三公式为:s=am,所述s为所述第一预设阈值,所述a为大于0且小于1的数。其中,所述a可以是0.2、0.4、0.6、0.8或是其他值,在此不作限定。
进一步地,所述电子设备中存储有多个模式图样,所述确定包含多个第一编码的第二模式图样,包括:基于缓存区数目与模式图样的第三映射关系确定所述q对应的第三目标模式图样,将所述第三目标模式图样作为所述第二模式图样。
其中,缓存区数目与模式图样的第三映射关系如表3所示。
表3
缓存区数目 模式图样
小于0.2m 10101010
0.2m大于或等于,且小于0.4m 10010010
0.4m大于或等于,且小于0.6m 10001000
…… ……
进一步地,所述确定包含多个第二编码的第二模式图样之前,所述方法还包括:
确定所述多帧图片的总数目t;
确定当前已处理完的图片的第一帧号v;
确定所述v大于或等于第二预设阈值,所述第二预设阈值是基于所述t确定。
进一步地,所述第二预设阈值是基于所述t确定,包括:所述第二预设阈值是基于第四公式确定,所述第四公式为:z=bt,所述z为所述第二预设阈值,所述b为大于0且小于1的数。其中,所述b可以是0.2、0.4、0.6、0.8或是其他值,在此不作限定。
进一步地,所述电子设备中存储有多个模式图样,所述确定包含多个第一编码的第二模式图样,包括:基于帧号与模式图样的第四映射关系确定所述v对应的第四目标模式图样,将所述第四目标模式图样作为所述第二模式图样。
其中,帧号与模式图样的第四映射关系如表4所示。
表4
帧号 模式图样
小于0.2t 10101010
0.2t大于或等于,且小于0.4t 10010010
0.4t大于或等于,且小于0.6t 10001000
…… ……
步骤105:将所述多个第二编码对应的表示缓存的第二帧号的图片依次缓存至缓存区。
需要说明的是,步骤105的具体实施方式与步骤104的具体实施方式相同,具体参见上述说明,在此不再详细说明。
步骤106:在图片缓存时,基于人脸抓拍算法按照所述多个缓存区的第一编号的先后顺序依次循环进行处理,得到人脸图片,并输出所述人脸图片。
举例说明,假定有8个缓存区,则基于人脸抓拍算法从第一编号为1至第一编号为8依次处理所述缓存区缓存的图片,当处理完第一编号为8缓存区缓存的图片时,再循环从第一编号为1至第一编号为8依次处理所述缓存区缓存的图片,直至处理完所有缓存的图片。
可以看出,在本申请实施例中,电子设备是基于模式图样将解析视频流得到的多帧图片依次缓存至缓存区,由于模式图样包含的多个编码的取值是用于表示其对应的帧号的图片是否缓存,也就是表示不是将所有的图片都进行缓存,实现了不需要处理的图片不进行缓存,避免了缓存区资源浪费的问题,其次,另外图片缓存跟人脸图片解析是并行执行的,提升了计算资源利用率,以及提升整套流程的处理速度,最后,电子设备是先基于第一模式图样进行图片缓存,然后再基于第二模式图样进行缓存,实现了图片缓存的灵活性。
在本申请的一实现方式中,所述方法还包括:
在针对所述第一视频流的人脸抓拍处理还未完成时,接收第二视频流;
在针对所述第一视频流的人脸抓拍处理过程中,解析所述第二视频流,得到所述第二视频流的多帧第二图片,所述第二视频流的每帧图片对应一个第四帧号;
在针对所述第一视频流的人脸抓拍处理完成后,针对所述第二视频流进行人脸抓拍处理。
其中,针对所述第二视频流进行人脸抓拍处理包括图片缓存过程和图片处理过程,针对第二视频流的进行图片缓存过程的具体实现方式与针对第一视频流的进行图片缓存过程的具体实现方式一致,在此不再叙述,针对第二视频流的进行图片处理过程的具体实现方式与针对第一视频流的进行图片处理过程的具体实现方式一致,在此不再叙述。
可以看出,在本申请实施例中,在针对第一视频流的人脸抓拍处理过程中解析第二视频流,相对于在处理完解析第一视频流得到的所有图片再去解析第二视频流,这样可节省第二视频流的解析时间,从而提升了计算资源利用率,以及提升整套流程的处理速度,
请参阅图2,图2是本申请实施例提供的一种人脸抓拍方法的流程示意图,本人脸抓拍方法包括:
步骤201:解析采集到的第一视频流,得到多帧图片,每帧图片对应一个第一帧号。
步骤202:基于图片数量与模式图样的第一映射关系确定所述多帧图片的数量对应的第一目标模式图样,以及将所述第一目标模式图样作为所述第一模式图样,所述第一模式图样包含多个第一编码。
步骤203:将所述多个第一编码对应的表示缓存的第一帧号的图片依次缓存至缓存区,每个缓存区存储一帧图片。
步骤204:在图片缓存时,确定所述多个缓存区的总数目m、当前正在缓存的图片对应的缓存区的第一编号n和当前正在处理的图片对应的缓存区的第一编号p,所述m大于或等于所述n和所述p,所述n、所述p大于或等于1。
步骤205:基于所述m、所述n和所述p确定已缓存但未处理的图片对应的缓存区数目q,所述q大于或等于0。
步骤206:确定所述q小于或等于第一预设阈值,所述第一预设阈值是基于所述m确定。
步骤207:确定包含多个第二编码的第二模式图样,每个第二编码对应一个第三编号,每个第三编号对应至少一个第二帧号,所述第二帧号对应的图片是所述多帧图片中当前未缓存至缓存区的图片,每个第二编码的取值用于表示其对应的第二帧号的图片是否缓存;
步骤208:将所述多个第二编码对应的表示缓存的第二帧号的图片依次缓存至缓存区;
步骤209:在图片缓存时,基于人脸抓拍算法按照所述多个缓存区的第一编号的先后顺序依次循环进行处理,得到人脸图片,并输出所述人脸图片。
需要说明的是,本实施例的具体实现过程可参见上述方法实施例所述的具体实现过程,在此不再叙述。
与上述图1和图2所示的实施例一致的,请参阅图3,图3是本申请实施例提供的一种电子设备的结构示意图,如图3所示,该电子设备包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行以下步骤的指令:
解析采集到的第一视频流,得到多帧图片,每帧图片对应一个第一帧号;
确定包含多个第一编码的第一模式图样,每个第一编码对应一个第二编号,每个第二编号对应至少一个第一帧号,每个第一编码的取值用于表示其对应的第一帧号的图片是否缓存;
将所述多个第一编码对应的表示缓存的第一帧号的图片依次缓存至缓存区,每个缓存区存储一帧图片;
在图片缓存时,确定包含多个第二编码的第二模式图样,每个第二编码对应一个第三编号,每个第三编号对应至少一个第二帧号,所述第二帧号对应的图片是所述多帧图片中当前未缓存至缓存区的图片,每个第二编码的取值用于表示其对应的第二帧号的图片是否缓存;
将所述多个第二编码对应的表示缓存的第二帧号的图片依次缓存至缓存区;
在图片缓存时,基于人脸抓拍算法按照所述多个缓存区的第一编号的先后顺序依次循环进行处理,得到人脸图片,并输出所述人脸图片。
可以看出,在本申请实施例中,电子设备是基于模式图样将解析视频流得到的多帧图片依次缓存至缓存区,由于模式图样包含的多个编码的取值是用于表示其对应的帧号的图片是否缓存,也就是表示不是将所有的图片都进行缓存,实现了不需要处理的图片不进行缓存,避免了缓存区资源浪费的问题,其次,另外图片缓存跟人脸图片解析是并行执行的,提升了计算资源利用率,以及提升整套流程的处理速度,最后,电子设备是先基于第一模式图样进行图片缓存,然后再基于第二模式图样进行缓存,实现了图片缓存的灵活性。
在本申请的一实现方式中,所述电子设备中存储有多个模式图样,在确定包含多个第一编码的第一模式图样方面,上述程序包括具体用于执行以下步骤的指令:
基于图片数量与模式图样的第一映射关系确定所述多帧图片的数量对应的第一目标模式图样,以及将所述第一目标模式图样作为所述第一模式图样。
在本申请的一实现方式中,所述电子设备中存储有多个模式图样,在确定包含多个第一编码的第一模式图样方面,上述程序包括具体用于执行以下步骤的指令:
基于所述第一视频流携带的标识信息确定所述第一视频流的目标场景;
基于场景与模式图样的第二映射关系确定所述目标场景对应的第二目标模式图样;
将所述第二目标模式图样作为所述第一模式图样。
在本申请的一实现方式中,在确定包含多个第二编码的第二模式图样之前,上述程序包括还用于执行以下步骤的指令:
确定所述多个缓存区的总数目m、当前正在缓存的图片对应的缓存区的第一编号n和当前正在处理的图片对应的缓存区的第一编号p,所述m大于或等于所述n和所述p,所述n、所述p大于或等于1;
基于所述m、所述n和所述p确定已缓存但未处理的图片对应的缓存区数目q,所述q大于或等于0;
确定所述q小于或等于第一预设阈值,所述第一预设阈值是基于所述m确定。
在本申请的一实现方式中,在确定包含多个第二编码的第二模式图样之前,上述程序包括还用于执行以下步骤的指令:
确定所述多帧图片的总数目t;
确定当前已处理完的图片的第一帧号v;
确定所述v大于或等于第二预设阈值,所述第二预设阈值是基于所述t确定。
需要说明的是,本实施例的具体实现过程可参见上述方法实施例所述的具体实现过程,在此不再叙述。
本申请实施例可以根据所述方法示例对电子设备进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。所述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
下面为本申请装置实施例,本申请装置实施例用于执行本申请方法实施例所实现的方法。请参阅图4,图4是本申请实施例提供的一种人脸抓拍装置的结构示意图,应用于包括多个缓存区的电子设备,每个缓存区对应一个第一编号,所述装置包括:
解析单元401,用于解析采集到的第一视频流,得到多帧图片,每帧图片对应一个第一帧号;
确定单元402,用于确定包含多个第一编码的第一模式图样,每个第一编码对应一个第二编号,每个第二编号对应至少一个第一帧号,每个第一编码的取值用于表示其对应的第一帧号的图片是否缓存;
缓存单元403,将所述多个第一编码对应的表示缓存的第一帧号的图片依次缓存至缓存区,每个缓存区存储一帧图片;
所述确定单元402,还用于在图片缓存时,确定包含多个第二编码的第二模式图样,每个第二编码对应一个第三编号,每个第三编号对应至少一个第二帧号,所述第二帧号对应的图片是所述多帧图片中当前未缓存至缓存区的图片,每个第二编码的取值用于表示其对应的第二帧号的图片是否缓存;
所述缓存单元403,还用于将所述多个第二编码对应的表示缓存的第二帧号的图片依次缓存至缓存区;
人脸识别单元404,用于在图片缓存时,基于人脸抓拍算法按照所述多个缓存区的第一编号的先后顺序依次循环进行处理,得到人脸图片,并输出所述人脸图片。
可以看出,在本申请实施例中,电子设备是基于模式图样将解析视频流得到的多帧图片依次缓存至缓存区,由于模式图样包含的多个编码的取值是用于表示其对应的帧号的图片是否缓存,也就是表示不是将所有的图片都进行缓存,实现了不需要处理的图片不进行缓存,避免了缓存区资源浪费的问题,其次,另外图片缓存跟人脸图片解析是并行执行的,提升了计算资源利用率,以及提升整套流程的处理速度,最后,电子设备是先基于第一模式图样进行图片缓存,然后再基于第二模式图样进行缓存,实现了图片缓存的灵活性。
在本申请的一实现方式中,所述电子设备中存储有多个模式图样,在确定包含多个第一编码的第一模式图样方面,所述确定单元402具体用于:
基于图片数量与模式图样的第一映射关系确定所述多帧图片的数量对应的第一目标模式图样,以及将所述第一目标模式图样作为所述第一模式图样。
在本申请的一实现方式中,所述电子设备中存储有多个模式图样,在确定包含多个第一编码的第一模式图样方面,所述确定单元402具体用于:
基于所述第一视频流携带的标识信息确定所述第一视频流的目标场景;
基于场景与模式图样的第二映射关系确定所述目标场景对应的第二目标模式图样;
将所述第二目标模式图样作为所述第一模式图样。
在本申请的一实现方式中,在确定包含多个第二编码的第二模式图样之前,所述确定单元402具体用于:
确定所述多个缓存区的总数目m、当前正在缓存的图片对应的缓存区的第一编号n和当前正在处理的图片对应的缓存区的第一编号p,所述m大于或等于所述n和所述p,所述n、所述p大于或等于1;
基于所述m、所述n和所述p确定已缓存但未处理的图片对应的缓存区数目q,所述q大于或等于0;
确定所述q小于或等于第一预设阈值,所述第一预设阈值是基于所述m确定。
在本申请的一实现方式中,在确定包含多个第二编码的第二模式图样之前,所述确定单元402还用于:
确定所述多帧图片的总数目t;
确定当前已处理完的图片的第一帧号v;
确定所述v大于或等于第二预设阈值,所述第二预设阈值是基于所述t确定。
需要说明的是,解析单元401、确定单元402和人脸识别单元404可通过处理器实现,缓存单元403可通过存储器实现。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
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,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元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器中。根据这样的理解,本申请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全部或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器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。

Claims (9)

1.一种人脸抓拍方法,其特征在于,应用于包括多个缓存区的电子设备,每个缓存区对应一个第一编号,所述方法包括:
解析采集到的第一视频流,得到多帧图片,每帧图片对应一个第一帧号;
确定包含多个第一编码的第一模式图样,每个第一编码对应一个第二编号,每个第二编号对应至少一个第一帧号,每个第一编码的取值用于表示其对应的第一帧号的图片是否缓存;
将所述多个第一编码对应的表示缓存的第一帧号的图片依次缓存至缓存区,每个缓存区存储一帧图片;
在图片缓存时,确定包含多个第二编码的第二模式图样,每个第二编码对应一个第三编号,每个第三编号对应至少一个第二帧号,所述第二帧号对应的图片是所述多帧图片中当前未缓存至缓存区的图片,每个第二编码的取值用于表示其对应的第二帧号的图片是否缓存;
将所述多个第二编码对应的表示缓存的第二帧号的图片依次缓存至缓存区;
在图片缓存时,基于人脸抓拍算法按照所述多个缓存区的第一编号的先后顺序依次循环进行处理,得到人脸图片,并输出所述人脸图片;
所述确定包含多个第二编码的第二模式图样之前,所述方法还包括:
确定所述多个缓存区的总数目m、当前正在缓存的图片对应的缓存区的第一编号n和当前正在处理的图片对应的缓存区的第一编号p,所述m大于或等于所述n和所述p,所述n、所述p大于或等于1;
基于所述m、所述n和所述p确定已缓存但未处理的图片对应的缓存区数目q,所述q大于或等于0;
确定所述q小于或等于第一预设阈值,所述第一预设阈值是基于所述m确定。
2.根据权利要求1所述的方法,其特征在于,所述电子设备中存储有多个模式图样,所述确定包含多个第一编码的第一模式图样,包括:
基于图片数量与模式图样的第一映射关系确定所述多帧图片的数量对应的第一目标模式图样,以及将所述第一目标模式图样作为所述第一模式图样。
3.根据权利要求1所述的方法,其特征在于,所述电子设备中存储有多个模式图样,所述确定包含多个第一编码的第一模式图样,包括:
基于所述第一视频流携带的标识信息确定所述第一视频流的目标场景;
基于场景与模式图样的第二映射关系确定所述目标场景对应的第二目标模式图样;
将所述第二目标模式图样作为所述第一模式图样。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述确定包含多个第二编码的第二模式图样之前,所述方法还包括:
确定所述多帧图片的总数目t;
确定当前已处理完的图片的第一帧号v;
确定所述v大于或等于第二预设阈值,所述第二预设阈值是基于所述t确定。
5.一种人脸抓拍装置,其特征在于,应用于包括多个缓存区的电子设备,每个缓存区对应一个第一编号,所述装置包括:
解析单元,用于解析采集到的第一视频流,得到多帧图片,每帧图片对应一个第一帧号;
确定单元,用于确定包含多个第一编码的第一模式图样,每个第一编码对应一个第二编号,每个第二编号对应至少一个第一帧号,每个第一编码的取值用于表示其对应的第一帧号的图片是否缓存;
缓存单元,用于将所述多个第一编码对应的表示缓存的第一帧号的图片依次缓存至缓存区,每个缓存区存储一帧图片;
所述确定单元,还用于在图片缓存时,确定包含多个第二编码的第二模式图样,每个第二编码对应一个第三编号,每个第三编号对应至少一个第二帧号,所述第二帧号对应的图片是所述多帧图片中当前未缓存至缓存区的图片,每个第二编码的取值用于表示其对应的第二帧号的图片是否缓存;
所述缓存单元,还用于将所述多个第二编码对应的表示缓存的第二帧号的图片依次缓存至缓存区;
人脸识别单元,用于在图片缓存时,基于人脸抓拍算法按照所述多个缓存区的第一编号的先后顺序依次循环进行处理,得到人脸图片,并输出所述人脸图片;
在确定包含多个第二编码的第二模式图样之前,所述确定单元具体用于:
确定所述多个缓存区的总数目m、当前正在缓存的图片对应的缓存区的第一编号n和当前正在处理的图片对应的缓存区的第一编号p,所述m大于或等于所述n和所述p,所述n、所述p大于或等于1;
基于所述m、所述n和所述p确定已缓存但未处理的图片对应的缓存区数目q,所述q大于或等于0;
确定所述q小于或等于第一预设阈值,所述第一预设阈值是基于所述m确定。
6.根据权利要求5所述的装置,其特征在于,所述电子设备中存储有多个模式图样,在确定包含多个第一编码的第一模式图样方面,所述确定单元具体用于:
基于图片数量与模式图样的第一映射关系确定所述多帧图片的数量对应的第一目标模式图样,以及将所述第一目标模式图样作为所述第一模式图样。
7.根据权利要求5所述的装置,其特征在于,所述电子设备中存储有多个模式图样,在确定包含多个第一编码的第一模式图样方面,所述确定单元具体用于:
基于所述第一视频流携带的标识信息确定所述第一视频流的目标场景;
基于场景与第二图样的第二映射关系确定所述目标场景对应的第二目标模式图样;
将所述第二目标模式图样作为所述第一模式图样。
8.一种电子设备,其特征在于,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-4任一项所述的方法中的步骤的指令。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,所述计算机程序被处理器执行,以实现如权利要求1-4任一项所述的方法。
CN201811628404.XA 2018-12-28 2018-12-28 人脸抓拍方法及相关装置 Active CN109784226B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201811628404.XA CN109784226B (zh) 2018-12-28 2018-12-28 人脸抓拍方法及相关装置
US17/257,307 US11120251B2 (en) 2018-12-28 2019-10-31 Face capturing method and related apparatus
PCT/CN2019/114728 WO2020134548A1 (zh) 2018-12-28 2019-10-31 人脸抓拍方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811628404.XA CN109784226B (zh) 2018-12-28 2018-12-28 人脸抓拍方法及相关装置

Publications (2)

Publication Number Publication Date
CN109784226A CN109784226A (zh) 2019-05-21
CN109784226B true CN109784226B (zh) 2020-12-15

Family

ID=66498815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811628404.XA Active CN109784226B (zh) 2018-12-28 2018-12-28 人脸抓拍方法及相关装置

Country Status (3)

Country Link
US (1) US11120251B2 (zh)
CN (1) CN109784226B (zh)
WO (1) WO2020134548A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784226B (zh) * 2018-12-28 2020-12-15 深圳云天励飞技术有限公司 人脸抓拍方法及相关装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101370139A (zh) * 2007-08-17 2009-02-18 华为技术有限公司 一种切换视频的方法及装置
CN103796021A (zh) * 2012-10-29 2014-05-14 浙江大学 视频编解码方法及装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070252895A1 (en) * 2006-04-26 2007-11-01 International Business Machines Corporation Apparatus for monitor, storage and back editing, retrieving of digitally stored surveillance images
US8864581B2 (en) * 2010-01-29 2014-10-21 Microsoft Corporation Visual based identitiy tracking
EP2721582A4 (en) * 2011-06-20 2015-03-25 Nokia Corp METHODS, DEVICES AND COMPUTER PROGRAM PRODUCTS FOR IMPLEMENTING DETAILED POSITION PROVISIONS OF OBJECTS
CN102902819B (zh) * 2012-10-30 2015-10-14 浙江宇视科技有限公司 一种视频智能分析方法及装置
JP6268303B2 (ja) * 2014-02-04 2018-01-24 フラウンホーファー−ゲゼルシャフト・ツール・フェルデルング・デル・アンゲヴァンテン・フォルシュング・アインゲトラーゲネル・フェライン 2d画像分析装置
CN106030614A (zh) * 2014-04-22 2016-10-12 史內普艾德有限公司 基于对一台摄像机所拍摄的图像的处理来控制另一台摄像机的系统和方法
CN104394359A (zh) * 2014-11-05 2015-03-04 浪潮(北京)电子信息产业有限公司 一种基于红外感知与人脸识别技术的安防监控方法和系统
CN104702914A (zh) * 2015-01-14 2015-06-10 汉柏科技有限公司 一种监控视频的数据处理方法及系统
US10733587B2 (en) * 2015-04-30 2020-08-04 Google Llc Identifying consumers via facial recognition to provide services
CN104836992A (zh) * 2015-05-08 2015-08-12 无锡天脉聚源传媒科技有限公司 一种监控视频录制方法及装置
US10489973B2 (en) * 2015-08-17 2019-11-26 Cubic Corporation 3D face reconstruction from gate camera
CN106713811B (zh) * 2015-11-17 2019-08-13 腾讯科技(深圳)有限公司 视频通话方法和装置
AU2016231661A1 (en) * 2016-09-27 2018-04-12 Canon Kabushiki Kaisha Method, system and apparatus for selecting a video frame
WO2018144537A1 (en) * 2017-01-31 2018-08-09 The Regents Of The University Of California Machine learning based driver assistance
CN108063914B (zh) * 2017-11-22 2020-10-16 国政通科技股份有限公司 监控视频文件生成、播放方法、装置及终端设备
CN108259929B (zh) * 2017-12-22 2020-03-06 北京交通大学 一种视频活跃期模式的预测及缓存方法
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
CN108668096B (zh) * 2018-05-18 2021-08-20 京东方科技集团股份有限公司 视频数据的管理方法、装置及录像设备
CN109784226B (zh) * 2018-12-28 2020-12-15 深圳云天励飞技术有限公司 人脸抓拍方法及相关装置
US10902705B1 (en) * 2019-12-09 2021-01-26 Evan Chase Rose Biometric authentication, decentralized learning framework, and adaptive security protocols in distributed terminal network

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101370139A (zh) * 2007-08-17 2009-02-18 华为技术有限公司 一种切换视频的方法及装置
CN103796021A (zh) * 2012-10-29 2014-05-14 浙江大学 视频编解码方法及装置

Also Published As

Publication number Publication date
WO2020134548A1 (zh) 2020-07-02
US20210232804A1 (en) 2021-07-29
US11120251B2 (en) 2021-09-14
CN109784226A (zh) 2019-05-21

Similar Documents

Publication Publication Date Title
US10922804B2 (en) Method and apparatus for evaluating image definition, computer device and storage medium
CN105389722B (zh) 恶意订单识别方法及装置
EP4137991A1 (en) Pedestrian re-identification method and device
CN111950723A (zh) 神经网络模型训练方法、图像处理方法、装置及终端设备
CN112200041B (zh) 视频动作识别方法、装置、存储介质与电子设备
CN110619334B (zh) 基于深度学习的人像分割方法、架构及相关装置
CN113496208B (zh) 视频的场景分类方法及装置、存储介质、终端
CN110677718B (zh) 一种视频识别方法和装置
CN112950640A (zh) 视频人像分割方法、装置、电子设备及存储介质
CN109784226B (zh) 人脸抓拍方法及相关装置
CN114915753A (zh) 云服务器的构架、数据处理方法及存储介质
CN107770487B (zh) 一种特征提取并优选的方法、系统及终端设备
CN112235598B (zh) 一种视频结构化处理方法、装置及终端设备
CN108765503B (zh) 一种肤色检测方法、装置及终端
CN116055762A (zh) 视频合成方法及装置、电子设备和存储介质
WO2022068551A1 (zh) 裁剪视频的方法、装置、设备以及存储介质
CN115937574A (zh) 敏感图片检测方法、装置、存储介质及终端
CN111010599B (zh) 一种处理多场景视频流的方法、装置及计算机设备
CN110458171B (zh) 一种车牌识别的方法以及相关装置
CN113569703A (zh) 真实分割点判断方法、系统、存储介质及电子设备
CN112672202A (zh) 弹幕处理方法、设备和存储介质
CN111611825B (zh) 一种唇语内容识别方法及装置
CN113255689B (zh) 一种文本行图片的识别方法、装置和设备
CN116383391B (zh) 一种文本分类方法及装置
CN113569683A (zh) 结合显著区域检测的场景分类方法、系统、设备及介质

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