CN109784274A - 识别尾随的方法及相关产品 - Google Patents

Abstract

本申请公开了一种识别尾随的方法及相关产品，其中，所述方法包括：获取指定区域在第一指定时间段的目标视频图像集；将所述目标视频图像集按照对应的目标进行分类，获得第一目标对应的多个第一目标视频图像，并将多个第一目标视频图像与成员数据库中的成员图像进行匹配，根据匹配结果确定第一目标的目标身份，目标身份包括成员或非成员；当确定第一目标的目标身份为成员时，获取第一目标与第二目标的行为关联；当第一目标与第二目标的行为关联满足第一预设条件时，确定第二目标为第一目标的尾随者。本申请通过重点监控成员与其他目标的关系，判断成员是否被尾随，提升成员的安全监控可靠性，减少安全事故的发生。

Description

识别尾随的方法及相关产品

技术领域

本申请涉及数据处理技术领域，具体涉及一种识别尾随的方法及相关产品。

背景技术

随着国家经济的高速发展以及城镇化进程的加速进行，越来越多的外来人口融入城市，这些人口在促进发展的同时，也给城市管理带来了巨大挑战，例如陌生人尾随，儿童安全等问题。目前看来，视频监控技术对城市安全管理提供了技术支持，但是仅仅通过人工查看视频监控，或者在事件发生后查看视频监控，对于安全管理来说，是远远不够的。因此，亟待提出一种方法，能够从视频中获取用户的日常行为表现，然后分析获取用户与用户之间的关系，以便对用户安全进行提前预防，进而减少安全问题的发生。

发明内容

本申请实施例提供了一种识别尾随的方法及相关产品，以期通过确定第一目标为成员身份后，判定第一目标与第二目标的行为关联，进而确定第二目标是否为第一目标的尾随者，该方法通过重点监控成员与其他目标的关系，发现成员是否被尾随，提升成员的安全监控可靠性，减少安全事故的发生。

第一方面，本申请实施例提供一种识别尾随的方法，所述方法包括：

获取指定区域在第一指定时间段的目标视频图像集；

将所述目标视频图像集按照对应的目标进行分类，获得第一目标对应的多个第一目标视频图像，并将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配，根据匹配结果确定第一目标的目标身份，所述目标身份包括成员或非成员；

当确定所述第一目标的目标身份为成员时，获取所述第一目标与第二目标的行为关联，所述第二目标为所述目标视频图像集对应的任意目标；

当所述第一目标与所述第二目标的行为关联满足第一预设条件时，确定所述第二目标为所述第一目标的尾随者。

可选情况下，所述将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配，根据匹配结果确定第一目标的目标身份，包括：

筛选所述第一目标视频图像中的第一目标人脸图像；

获取所述第一目标人脸图像的第一图像质量评价值；

按照预设的图像质量评价值与匹配阈值之间的映射关系，确定所述第一图像质量评价值对应的目标匹配阈值；

对所述第一目标人脸图像进行轮廓提取，得到第一外围轮廓；

对所述第一目标人脸图像进行特征点提取，得到第一特征点集；

将所述第一外围轮廓与预设人脸图像的第二外围轮廓进行匹配，得到第一匹配值，所述预设人脸图像为所述成员数据库中的成员图像；

将所述第一特征点集与所述预设人脸图像的第二特征点集进行匹配，得到第二匹配值；

依据所述第一匹配值、所述第二匹配值确定目标匹配值；

在所述目标匹配值大于所述目标匹配阈值时，所述第一目标人脸图像与所述预设人脸图像匹配成功，确定所述第一目标为成员身份；

在所述目标匹配值小于或等于所述目标匹配值时，所述第一目标人脸图像与所述预设人脸图像匹配失败，确定所述第一目标为非成员身份。

可选情况下，所述获取所述第一目标与第二目标的行为关联，包括：

获取包括所述第一目标和/或所述第二目标的多张关联目标视频图像；

根据所述多张关联目标视频图像确定所述第一目标和所述第二目标的距离；

获取所述第一目标的第一待测行为特征集，并将所述第一待测行为特征集与第一预设行为特征集进行匹配，获得第一匹配结果；

获取所述第二目标的第二待测行为特征集，并将所述第二待测行为特征集与第二预设行为特征集进行匹配，获得第二匹配结果；

所述距离、第一匹配结果和第二匹配结果组成所述第一目标与第二目标的行为关联。

可选情况下，在将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配之前，所述方法还包括：

获取多个输入人脸图像；

对所述多个输入人脸图像进行质量评价，得到多个评价值，并依据该多个评价值确定所述多个输入人脸图像中的每一输入人脸图像是否合格；

将确认为合格的输入人脸图像存入第一数据库中，将确认为不合格的输入人脸图像存入第二数据库中，所述第一数据库和所述第二数据库形成所述成员数据库。

可选情况下，在所述获取成员数据库后，所述方法还包括：

获取第二指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；对所述多个视频集中每一视频集进行视频解析，得到多张视频图像；对所述多张视频图像中每一张视频图像进行图像分割，得到多个人脸图像；

确定所述多个人脸图像的人脸角度，得到多个角度值，从所述多个角度值中选取角度值处于预设角度范围的角度值，并确定其对应的多个待测目标人脸图像；

对所述多个待测目标人脸图像中每一待测目标人脸图像进行图像质量评价，得到多个图像质量评价值，将所述多个图像质量评价值中大于预设质量评价阈值的图像质量评价值对应的待测目标人脸图像作为第一数据集；

将所述第一数据集中的待测目标人脸图像与所述第二数据库中的目标输入人脸图像进行匹配并获取匹配度值；

当所述匹配度值大于第一预设匹配度值时，将所述目标输入人脸图像替换为所述待测目标人脸图像，完成所述成员数据库的更新。

可选的，获取指定区域在第一指定时间段的目标视频图像集包括识别目标，获取目标对应的视频图像为目标视频图像，具体包括：对多张视频图像中每一张视频图像进行人脸识别，确定包括人脸的所述视频图像组成第一视频图像集；

对所述第一视频图像集中的人脸对应的人物进行特征提取，包括提取所述人物的身体参数和着装参数；

获取所述多张视频图像中除所述第一视频图像集之外的其他视频图像作为待测视频图像集；

对所述待测视频图像集中的第一待测图像进行人物识别，并提取人物的身体参数和着装参数；

将所述第一视频图像集中提取的所述身体参数与所述第一待测图像中提取的所述身体参数进行匹配，获得第一匹配度；

将所述第一视频图像集中提取的所述着装参数与所述第一待测图像中提取的所述着装参数进行匹配，获得第二匹配度；

对所述第一匹配度设置第一权值，并对所述第二匹配度设置第二权值；

对所述第一匹配度和所述第二匹配度乘以其对应权值并求和，获得人物匹配度；

确定所述人物匹配度是否大于第一预设阈值，若是，则确定所述第一待测图像属于第二视频图像集；

所述第一视频集和所述第二视频图像集构成所述目标视频图像集。

第二方面，本申请提供一种识别尾随的装置，所述识别尾随的装置包括：

获取单元，用于获取指定区域在第一指定时间段的目标视频图像集；

匹配单元，用于将所述目标视频图像集按照对应的目标进行分类，获得第一目标对应的多个第一目标视频图像，并将所述第一目标视频图像与成员数据库中的成员图像进行匹配，根据匹配结果确定第一目标的目标身份，所述目标身份包括成员或非成员；

关联单元，用于当确定所述第一目标对应的目标身份为非成员时，获取所述第一目标与第二目标的行为关联，所述第二目标为所述目标视频图像集对应的任意目标；

确定单元，用于当所述第一目标与所述第二目标的行为关联满足第一预设条件时，确定所述第二目标为所述第一目标的尾随者。

第三方面，本申请实施例提供一种电子装置，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第一方面任一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，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第一方面任一方法所述的步骤的指令。

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任一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，本申请实施例中，首先获取第一目标对应的第一目标视频图像，并第一目标视频图像与成员数据库中的成员图像进行匹配，确定第一目标对应的目标身份为成员或非成员；当确定第一目标对应的目标身份为成员时，获取第一目标与第二目标的行为关联，第二目标为目标视频图像集对应的任意目标；当第一目标与第二目标的行为关联满足第一预设条件时，确定第二目标为第一目标的尾随者。在这个过程中，通过识别目标身份，初步筛选出了成员目标，然后对成员目标的安全进行监控，即通过其他目标与成员目标的行为关联分析，发现成员目标的尾随者，提升了成员的安全监控可靠性，减少了安全事故的发生。

附图说明

下面将对本申请实施例所涉及到的附图作简单地介绍。

图1A为本申请实施例提供的一种识别尾随的方法；

图1B为本申请实施例提供的一种DBSCAN聚类过程示意图；

图2为本申请实施例提供的另一种识别尾随的方法；

图3为本申请实施例提供的一种成员数据库管理方法；

图4为本申请实施例提供的一种电子装置的结构示意图；

图5为本申请实施例公开的一种识别尾随的装置的结构示意图。

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作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例所涉及到的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、无线耳机、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(user equipment，UE)，移动台(mobile station，MS)，终端设备(terminaldevice)等等，电子设备例如可以为智能手机、平板电脑、耳机盒等等。为方便描述，上面提到的设备统称为电子设备。

下面对本申请实施例进行详细介绍。

请参阅图1A，图1A为本申请实施例提供的一种识别尾随的方法的流程示意图，如图1A所示，本识别尾随的方法包括如下步骤。

101、获取指定区域在第一指定时间段的目标视频图像集。

通过监控摄像头能够拍摄很多监控视频，主机对这些监控视频进行存储，在需要的时候对这些监控视频进行提取分析，能够获得许多人眼观察不到的隐含信息。其中一种常用的对监控视频进行分析的方法是将监控视频进行解析，获得视频图像，然后对视频图像进行分割、识别或聚类等操作，获得包含目标的目标视频图像集。目标可以是人物，动物等，在识别尾随的过程中，目标主要是指人物。在目标识别的过程中，对于包括人脸的视频图像，可以直接进行人脸识别，对于无法获取的清晰人脸的视频图像，按照人物的其他特征进行识别。

可选的，获取指定区域在第一指定时间段的目标视频图像集包括识别目标，获取目标对应的视频图像为目标视频图像，具体包括：对多张视频图像中每一张视频图像进行人脸识别，确定包括人脸的视频图像组成第一视频图像集；对第一视频图像集中的人脸对应的人物进行特征提取，包括提取人物的身体参数和着装参数；获取多张视频图像中除第一视频图像集之外的其他视频图像作为待测视频图像集；对待测视频图像集中的第一待测图像进行人物识别，并提取人物的身体参数和着装参数；将第一视频图像集中提取的身体参数与第一待测图像中提取的身体参数进行匹配，获得第一匹配度；将第一视频图像集中提取的着装参数与第一待测图像中提取的着装参数进行匹配，获得第二匹配度；对第一匹配度设置第一权值，并对第二匹配度设置第二权值；对第一匹配度和第二匹配度乘以其对应权值并求和，获得人物匹配度；确定人物匹配度是否大于第一预设阈值，若是，则确定第一待测图像属于第二视频图像集；第一视频集和第二视频图像集构成目标视频图像集。

具体地，在获取指定区域在第一指定时间段的目标视频图像集时，首先要识别目标，获取包括目标的视频图像作为目标视频图像。在这里，目标是指人物。而人物又包括拍摄到人脸的人物和未拍摄到人脸的人物。因此，首先对视频图像进行人脸识别，获取包括人脸的第一视频图像集。在剩余的视频图像中，可能还包括不露脸的人物视频图像，因此，需要对剩余视频图像进行进一步筛选。在一定时间段内，比如一个月内或一星期内，同一个目标人物的身体参数不发生变化，或变化很小，而在同一天内，一个人的着装不发生变化。因此，将进行过人脸识别的第一图像视频集作为参照，获取不露脸的人物视频图像。提取的身体参数可以包括身高、胖瘦或身材比例，身高和胖瘦可以根据周围参照物确定，也可以根据视频图像与实物的比例确定，身材比例根据视频图像上的数据可直接获取。着装参数包括发型、衣着、饰品、背包或手持物品，手持物品包括物体或动物。待测视频图像集中的第一待测图像提取的身体参数与第一视频图像集中的每一张视频图像提取的身体参数进行一一匹配，获得多个匹配度，将匹配度中的最大值作为第一匹配度。同样的，第二匹配度也为第一待测图像提取的着装参数与第一视频图像集中的每一张视频图像提取的着装参数进行一一匹配后获得的最大匹配度值。为第一匹配度设置第一权值，为第二匹配度设置第二权值，因为身体参数的稳定性更高，因此可设置第一权值大于第二权值，然后对第一匹配度和第二匹配度进行加权求和，获得第一待测图像与第一视频图像集的人物匹配度。如果人物匹配度大于第三预设阈值，说明第一待测图像中的人物与第一目标视频图像集中人物相同，那么将第一待测图像划分到第二视频图像集中，第一视频图像集和第二视频图像共同组成目标视频图像集。可选的，第二视频图像集可以与第一视频图像集进行对应存储，即当确定第一待测图像与第一视频图像集的第一匹配度高于第三预设阈值时，确定与第一待测图像的着装参数和身体参数匹配度最大的第一视频图像集中的最大匹配度图像，并将第一待测图像和最大匹配度图像进行对应存储，这样，在识别出最大匹配度图像对应的目标人物时，即可确定该目标人物为第一待测图像对应的目标人物。

对目标视频图像集进行指定时间段和指定区域的限制，可以减小视频图像集的时间跨度和地域跨度，进而提升根据该目标视频图像集确定的隐含信息的准确度。例如区域为同一个小区内，同一个商场内，一条道路上等，第一指定时间段可以晚上23:00-05:00这些尾随高发时期。或者，第一时间段也可以是白天任意时间，但是将一天24小时进行分割，在第一时段，例如23:00-5:00拍摄的监控视频以第一时间间隔分割获得目标视频图像，在第二时段，例如5:00-7:00以第二时间间隔分割获得目标视频图像，在第三时段，例如7:00-23:00以第三时间间隔获得目标视频图像等。不同时间段内，尾随发生的概率不同，在尾随高发时段，以更小的时间间隔分割获得目标视频图像，可以获得更详细的信息，以便对尾随现象进行更好的分析。在尾随低发时段，以更大的时间间隔分割后的目标视频图像，可以减少计算量，提升数据处理速度。

102、将所述目标视频图像集按照对应的目标进行分类，获得第一目标对应的多个第一目标视频图像，并将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配，根据匹配结果确定第一目标的目标身份，所述目标身份包括成员或非成员。

目标视频图像集中为指定区域内所有目标对应的视频对象，可以将目标视频图像集按照对应的目标进行分类，使得可以对某个目标进行研究单独研究。例如获得分类后第一目标对应的所有第一目标视频图像，这些第一目标视频图像可能是第一目标单独的视频图像，也可能是第一目标与其他目标同时出现的视频图像。根据这些第一目标视频图像可以与成员数据库中的成员图像进行匹配，确定第一目标的目标身份为成员或非成员。当指定区域是小区时，成员数据库可以是小区所有业主或租户的数据库，其中包括业主或租户的人脸图像。指定区域还可以是一个学校，那么成员数据库可以是学校所有教职工以及学生的数据库。

可选的，在将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配之前，方法还包括：获取多个输入人脸图像；对多个输入人脸图像进行质量评价，得到多个评价值，并依据该多个评价值确定多个输入人脸图像中的每一输入人脸图像是否合格；将确认为合格的输入人脸图像存入第一数据库中，将确认为不合格的输入人脸图像存入第二数据库中，第一数据库和第二数据库形成成员数据库。

具体地，成员数据库为用于标识成员身份的数据库，例如在小区、学校或企业内，需要对应进行业主登记、教职工身份登记以及员工登记等，在登记时，可以采集成员图像。另外，有的区域范围内进行登记时不需要专门采集图像，建立成员数据库时根据成员在区域内的活动随机采集成员图像，作为人员数据库的扩展内容。因此，采集的成员图像可能是清晰的，也可能是不清晰的。将采集的人脸图像作为输入人脸图像，首先要进行质量评价，包括对平均灰度、均方差、熵、边缘保持度、信噪比等指标的评价，可定义为得到的图像质量评价值越大，图像质量越好，图像质量评价值大于第一预设质量评价值的，为合格，否者为不合格。对于合格的输入人脸图像存入第一数据库中，后续可以用第一数据库中的人脸图像与第一目标视频图像进行匹配，而对于第二数据库中的不合格输入人脸图像，可能需要多次匹配以确定第一目标视频图像对应的第一目标身份。

可选的，在获取成员数据库后，方法还包括：获取第二指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；对多个视频集中每一视频集进行视频解析，得到多张视频图像；对多张视频图像中每一张视频图像进行图像分割，得到多个人脸图像；确定多个人脸图像的人脸角度，得到多个角度值；从多个角度值中选取角度值处于预设角度范围的角度值，并确定其对应的多个待测目标人脸图像；对多个待测目标人脸图像中每一待测目标人脸图像进行图像质量评价，得到多个图像质量评价值；将多个图像质量评价值中大于预设质量评价阈值的图像质量评价值对应的待测目标人脸图像作为第一数据集；将第一数据集中的待测目标人脸图像与第二数据库中的输入人脸图像进行匹配并获取匹配度值；当匹配度值大于第一预设匹配度值时，将输入人脸图像替换为待测目标人脸图像，完成成员数据库的更新。

具体地，第二数据库中的成员图像是不合格的，可能存在分辨率低等问题，因此需要动态更新第二数据库中的成员图像。首先根据区域内的监控摄像头拍摄视频集，然后进行视频解析，图像分割等，得到多个人脸图像；选择人脸正面正对摄像头拍摄的图像作为待测目标人脸图像，然后获得图像质量评价值高的人脸图像，包括清晰度高、分辨率高等，最后得到优质的人脸图像，替换掉第二数据库中原本的成员图像。

可选的，在所述将多个第一目标视频图像与成员数据库中的成员图像进行匹配前，所述方法还包括：对多个第一目标视频图像采用密度聚类算法进行聚类，得到多个类簇；获取多个类簇中每个类簇的中心数据，作为中心第一目标视频图像；将中心第一目标视频图像作为新的第一目标视频图像。

具体地，因为同一个目标，例如人物A，对应的人物A视频图像中包括有人物A人脸的视频图像，也包括不露脸的视频图像，在对这些视频图像进行聚类时，首先对视频图像进行特征提取，然后根据特征之间的相似度进行聚类。提取的特征可以包括人脸特征，身体特征，衣着特征。基于密度的聚类算法是根据数据分布密度进行聚类的，这类算法一般假定类别可以通过样本分布的紧密程度决定。同一类别的样本，他们之间的紧密相连的，也就是说，在该类别任意样本周围不远处一定有同类别的样本存在。通过将紧密相连的样本划为一类，这样就得到了一个聚类类别。通过将所有各组紧密相连的样本划为各个不同的类别，则我们就得到了最终的所有聚类类别结果。

典型的基于密度的聚类算法包括具有噪声的基于密度的聚类方法(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)。本申请实施例可采用DBSCAN聚类算法，假设样本集D＝(x₁,x₂,...,x_m)，请参阅图1B，图1B为本申请实施例提供的一种DBSCAN聚类过程示意图，如图1B所示，对于样本集D中的数据x_j，其ε邻域包含样本集D中与x_j的距离不大于ε的子样本集，表示为N_ε(x_j)＝{x_i∈D|distance(x_i,x_j)≤ε}，距离不大于ε在本申请实施例中的含义为两个视频图像之间的相似度不小于第一预设阈值。对于样本数据x_j∈D，如果它的邻域包括的样本个数大于或等于最少数目MinPts，那么x_j为核心对象，图1B中的p1～p7以及p1’～p5’都为核心对象。其中p1～p7核心对象邻域内的所有数据密度可达，p1’～p5’邻域内的所有数据密度可达，密度可达的数据形成一个类簇。在本申请实施例中，每一个核心对象即是每个类簇的中心数据，中心数据对应的第一目标视频图像作为新的第一目标视频图像，用作后续与成员数据库的匹配。

可见，在本申请实施例中，在将第一目标对应的多个第一目标视频图像与成员数据库中的成员图像进行匹配前，首先对第一目标视频图像进行基于密度的聚类，获得每个聚类类簇对应的中心数据作为新的第一目标视频图像，用作与成员图像进行匹配，在这个过程中，通过聚类获得的中心数据为与其他第一目标视频图像相似度满足预设条件达到预设个数的第一目标视频图像，能够获得更具有代表性的第一目标视频图像，减少了需要进行匹配的数量，提升了匹配效率，同时提升了与成员图像的匹配准确率。

可选的，将多个第一目标视频图像与成员数据库中的成员图像进行匹配，根据匹配结果确定第一目标的目标身份，包括：筛选第一目标视频图像中的第一目标人脸图像；获取第一目标人脸图像的第一图像质量评价值；按照预设的图像质量评价值与匹配阈值之间的映射关系，确定第一图像质量评价值对应的目标匹配阈值；对第一目标人脸图像进行轮廓提取，得到第一外围轮廓；对第一目标人脸图像进行特征点提取，得到第一特征点集；将第一外围轮廓与预设人脸图像的第二外围轮廓进行匹配，得到第一匹配值，预设人脸图像为成员数据库中的成员图像；将第一特征点集与预设人脸图像的第二特征点集进行匹配，得到第二匹配值；依据第一匹配值、第二匹配值确定目标匹配值；在目标匹配值大于目标匹配阈值时，第一目标人脸图像与预设人脸图像匹配成功，确定第一目标为成员身份；在目标匹配值小于或等于目标匹配值时，第一目标人脸图像与预设人脸图像匹配失败，确定第一目标为非成员身份。

具体地，成员数据库中的成员图像为包括人脸的图像，且成员图像为很少变更或变更频率低的图像，不能实时更新成员对应的衣着或身材参数，因此，在选择与成员图像进行匹配的第一目标视频图像时，优选包括人脸的第一目标人脸图像。人脸识别过程中，成功与否很大程度上取决于人脸图像质量，目标人脸图像与预设人脸图像匹配的过程也是一种人脸识别过程。因此，本申请实施例中，则可以考虑动态匹配阈值，即若质量好，则匹配阈值则可以提高，质量差，则匹配阈值可以降低，由于暗视觉环境下，拍摄的图像未必图像质量好，因此，可以适当调节匹配阈值。服务器中可以存储预设的图像质量评价值与匹配阈值之间的映射关系，进而，依据该映射关系确定第一目标图像质量评价值对应的目标匹配阈值，在此基础上，服务器可对第一目标人脸图像进行轮廓提取，得到第一外围轮廓，对第一目标人脸图像进行特征点提取，得到第一特征点集，将第一外围轮廓与预设人脸图像的第二外围轮廓进行匹配，得到第一匹配值，将第一特征点集与预设人脸图像的第二特征点集进行匹配，得到第二匹配值，进而，依据第一匹配值、第二匹配值确定目标匹配值，例如，服务器中可以预先存储环境参数与权重值对之间的映射关系，得到第一匹配值对应的第一权重系数，以及第二匹配值对应的第二权重系数，目标匹配值＝第一匹配值*第一权重系数+第二匹配值*第二权重系数，最后，在目标匹配值大于所述目标匹配阈值时，确认第一目标人脸图像与所述预设人脸图像匹配成功，第一目标为成员身份；否则，确认人脸图像匹配失败，第一目标为非成员身份，如此，动态调节人脸匹配过程，

另外，轮廓提取的算法可以为以下至少一种：霍夫变换、canny算子等等，在此不做限定，特征点提取的算法可以为以下至少一种：Harris角点、尺度不变特征提取变换(scaleinvariant feature transform，SIFT)等等，在此不做限定。

可见，在本申请实施例中，通过从第一目标视频中获得第一目标人脸图像，根据第一目标人脸图像的质量评价值动态调整第一目标人脸图像与预设人脸图像的匹配阈值，完成动态调节的人脸匹配过程，提升了针对具体环境确定目标身份时的效率和可靠性。

103、当确定所述第一目标的目标身份为成员时，获取所述第一目标与第二目标的行为关联，所述第二目标为所述目标视频图像集对应的任意目标。

在确定第一目标的目标身份为成员时，那么需要对第一目标的安全进行重点监控，包括监控第一目标周围出现的陌生人以及陌生人的行为，当然，尾随第一目标的也可能是区域范围内的成员，因此第二目标可以是出现在指定区域内的任意目标。在监控的过程中，主要确定第一目标与其他目标的行为关联，包括其他目标对第一目标的行为，第一目标对其他目标各种行为的反应等。

可选的，获取第一目标与第二目标的行为关联，包括：获取包括第一目标和第二目标的多张关联目标视频图像；根据多张关联目标视频图像确定第一目标和第二目标的距离；获取第一目标的第一待测行为特征集，并将第二待测行为特征集与第一预设行为特征集进行匹配，获得第一匹配结果；获取第二目标的第二待测行为特征集，并将第二待测行为特征集与第二预设行为特征集进行匹配，获得第二匹配结果；根据距离、第一匹配结果和第二匹配结果，确定第一目标与第二目标的行为关联。

具体地，关联目标视频图像可以是同时包括第一目标和第二目标的第一类视频图像，也可以是单独包括第一目标和第二目标的第二类视频图像，在第二类视频图像中，单独包括第一目标和单独包括第二目标的视频图像之间存在关联，例如拍摄时间相同，而第一目标和第二目标对应的拍摄摄像头为相邻摄像头；或者单独包括第一目标和单独包括第二目标的视频图像的拍摄摄像头相同，但是时间间隔小于预设时间阈值，例如1min，30s等。根据这些关联目标视频图像，可以确定第一目标和第二目标在现实中的物理距离，在第一类视频图像中，可以直接根据画面与现实的比例关系、位置关系、参照物等，确定第一目标和第二目标的距离；在第二类视频图像中，需要根据摄像头位置关系、步行速度等信息结合画面与现实的比例关系、位置关系、参照物等信息，确定第一目标和第二目标的距离。

在确定第一目标和第二目标的距离之后，还需要对第一目标和第二目标进行行为检测。获取第一目标的第一待测行为特征集，包括第一目标的走路姿态，穿着打扮，对第二目标的注意力等，第一预设行为特征集可以是行走忽快忽慢，突然加速奔跑等，对第二目标的注意力可以是多次扭头查看第二目标，走路速度跟随第二目标变化等。获取第二目标的第二待测行为特征集，包括第二目标的行走特征，对第一目标的注意力等；第二预设行为特征集可以是走路姿态忽走忽停，有躲藏动作，穿着打扮隐藏度高，有戴帽子、遮脸等着装，对第一目标的注意力高，走路速度跟随第一目标变化，躲避第一目标的视线等。获得第一待测行为特征集与第一预设行为特征集的第一匹配结果，以及第二待测行为特征集与第二预设行为特征集的第二匹配结果，结合上述获得的第一目标与第二目标的距离，组成第一目标与第二目标的行为关联。

104、当所述第一目标与所述第二目标的行为关联满足第一预设条件时，确定所述第二目标为所述第一目标的尾随者。

如果第一目标与第二目标的距离处于预设范围内，且第一待测行为特征集与第一行为特征集匹配度大于第一预设匹配值，第二待测行为特征集与第二行为特征集匹配度大于第二预设匹配值，说明第一目标与第二目标处于尾随距离内，且第二目标有尾随行为，第一目标发现了第二目标的尾随行为，确定第二目标为第一目标的尾随者。或者，第一目标的预设行为特征集中不包括与第二目标的互动行为，第一目标没有发现第二目标的尾随行为，也可以确定第二目标为第一目标的尾随者。

可以看出，本申请实施例中，首先获取第一目标对应的第一目标视频图像，并将第一目标视频图像与成员数据库中的成员图像进行匹配，确定第一目标对应的目标身份为成员或非成员；当确定第一目标对应的目标身份为成员时，获取第一目标与第二目标的行为关联，第二目标为目标视频图像集对应的任意目标；当第一目标与第二目标的行为关联满足第一预设条件时，确定第二目标为第一目标的尾随者。在这个过程中，通过识别目标身份，初步筛选出了成员目标，然后对成员目标的安全进行监控，即通过其他目标与成员目标的行为关联分析，发现成员目标的尾随者，提升了成员的安全监控可靠性，减少了安全事故的发生。

请参阅图2，图2为本申请实施例提供的另一种识别尾随的方法流程示意图，如图2所示，本识别尾随的方法包括如下步骤：

201、获取指定区域在第一指定时间段的目标视频图像集；

202、将所述目标视频图像集按照对应的目标进行分类，获得第一目标对应的多个第一目标视频图像，筛选所述第一目标视频图像中的第一目标人脸图像，并获取所述第一目标人脸图像的第一图像质量评价值；

203、按照预设的图像质量评价值与匹配阈值之间的映射关系，确定所述第一图像质量评价值对应的目标匹配阈值；

204、对所述第一目标人脸图像进行轮廓提取，得到第一外围轮廓；

205、对所述第一目标人脸图像进行特征点提取，得到第一特征点集；

206、将所述第一外围轮廓与预设人脸图像的第二外围轮廓进行匹配，得到第一匹配值，所述预设人脸图像为所述成员数据库中的成员图像；

207、将所述第一特征点集与所述预设人脸图像的第二特征点集进行匹配，得到第二匹配值；

208、依据所述第一匹配值、所述第二匹配值确定目标匹配值；在所述目标匹配值大于所述目标匹配阈值时，所述第一目标人脸图像与所述预设人脸图像匹配成功，确定所述第一目标为成员身份；

209、在所述目标匹配值小于或等于所述目标匹配值时，所述第一目标人脸图像与所述预设人脸图像匹配失败，确定所述第一目标为非成员身份；

210、当确定所述第一目标的目标身份为成员时，获取包括所述第一目标和/或所述第二目标的多张关联目标视频图像，所述第二目标为所述目标视频图像集对应的任意目标；

211、根据所述多张关联目标视频图像确定所述第一目标和所述第二目标的距离；

212、获取所述第一目标的第一待测行为特征集，并将所述第一待测行为特征集与第一预设行为特征集进行匹配，获得第一匹配结果；获取所述第二目标的第二待测行为特征集，并将所述第二待测行为特征集与第二预设行为特征集进行匹配，获得第二匹配结果；

213、所述距离、第一匹配结果和第二匹配结果组成所述第一目标与第二目标的行为关联；

214、当所述第一目标与所述第二目标的行为关联满足第一预设条件时，确定所述第二目标为所述第一目标的尾随者。

其中，上述步骤201-步骤214的具体描述可以参照图步骤101-步骤104所描述的聚类方法的相应描述，在此不再赘述。

可见，在本申请实施例中，首先获取第一目标对应的第一目标视频图像，并第一目标视频图像与成员数据库中的成员图像进行匹配，确定第一目标对应的目标身份为成员或非成员；在匹配的过程中，根据图像质量设置动态匹配阈值，可以提升在不同环境下的匹配效率；当确定第一目标对应的目标身份为成员时，获取第一目标与第二目标的行为关联，第二目标为目标视频图像集对应的任意目标；当第一目标与第二目标的行为关联满足第一预设条件时，确定第一目标与第二目标为尾随关系。在这个过程中，通过识别目标身份，初步筛选出了成员目标，然后对成员目标的安全进行监控，即通过其他目标与成员目标的行为关联分析，发现成员目标的尾随者，提升了成员的安全监控可靠性，减少了安全事故的发生。

请参阅图3，图3为本申请实施例提供的一种管理成员数据库的方法，如图3所示，所述方法包括如下步骤：

301、获取多个输入人脸图像，对所述多个输入人脸图像进行质量评价，得到多个评价值，并依据该多个评价值确定所述多个输入人脸图像中的每一输入人脸图像是否合格；

302、将确认为合格的输入人脸图像存入第一数据库中，将确认为不合格的输入人脸图像存入第二数据库中，所述第一数据库和所述第二数据库形成所述成员数据库；

303、获取第二指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；对所述多个视频集中每一视频集进行视频解析，得到多张视频图像；对所述多张视频图像中每一张视频图像进行图像分割，得到多个人脸图像；

304、确定所述多个人脸图像的人脸角度，得到多个角度值，从所述多个角度值中选取角度值处于预设角度范围的角度值，并确定其对应的多个待测目标人脸图像；

305、对所述多个待测目标人脸图像中每一待测目标人脸图像进行图像质量评价，得到多个图像质量评价值，将所述多个图像质量评价值中大于预设质量评价阈值的图像质量评价值对应的待测目标人脸图像作为第一数据集；

306、将所述第一数据集中的待测目标人脸图像与所述成员数据库中的目标输入人脸图像进行匹配并获取匹配度值；

307、当所述匹配度值大于第一预设匹配度值时，将所述目标输入人脸图像替换为所述待测目标人脸图像，完成所述成员数据库的更新。

其中，上述步骤301-步骤307的具体描述可以参照图步骤101-步骤104所描述的聚类方法的相应描述，在此不再赘述。

可见，在本申请实施例中，通过获取输入人脸图像，并对输入人脸图像进行质量评价，判定人脸图像是否合格，根据判定结果建立第一数据库和第二数据库，形成成员数据库。这个过程对质量不同的人脸图像进行区别建立数据库，可以有助于对数据库进行更新和优化，提升数据库管理效率。而对于已有的成员数据库，根据区域内的监控摄像头拍摄的优质视频图像对保存不合格人脸图像的第二数据库进行更新，这个过程中，通过对第二数据库中不合格图像的更新，提升了成员数据库的可靠性，有助于根据成员数据库确定目标身份的准确率。

请参阅图4，图4为本申请实施例提供的一种电子装置的结构示意图，如图4所示，该电子装置包括处理器、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：

获取指定区域在第一指定时间段的目标视频图像集；

获取所述目标视频图像集中的与第一目标对应的多个第一目标视频图像，并将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配，根据匹配结果确定第一目标的目标身份，所述目标身份包括成员或非成员；

当确定所述第一目标的目标身份为成员时，获取所述第一目标与第二目标的行为关联，所述第二目标为所述目标视频图像集对应的任意目标；

当所述第一目标与所述第二目标的行为关联满足第一预设条件时，确定所述第二目标为所述第一目标的尾随者。

可见，该电子装置首先获取第一目标对应的第一目标视频图像，并第一目标视频图像与成员数据库中的成员图像进行匹配，确定第一目标对应的目标身份，目标身份包括成员或非成员；当确定第一目标对应的目标身份为非成员时，获取第一目标与第二目标的行为关联，第二目标为目标视频图像集对应的任意目标；当第一目标与第二目标的行为关联满足第一预设条件时，确定第一目标与第二目标为尾随关系。在这个过程中，通过识别目标身份，初步筛选出了非成员目标，然后对非成员目标与其他目标进行行为关联分析，确定第一目标是否为尾随者，该方法有助于尾随者的发现，减少安全事故的发生。

在一个可能的示例中，所述将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配，根据匹配结果确定第一目标的目标身份，包括：

筛选所述第一目标视频图像中的第一目标人脸图像；

获取所述第一目标人脸图像的第一图像质量评价值；

按照预设的图像质量评价值与匹配阈值之间的映射关系，确定所述第一图像质量评价值对应的目标匹配阈值；

对所述第一目标人脸图像进行轮廓提取，得到第一外围轮廓；

对所述第一目标人脸图像进行特征点提取，得到第一特征点集；

将所述第一外围轮廓与预设人脸图像的第二外围轮廓进行匹配，得到第一匹配值，所述预设人脸图像为所述成员数据库中的成员图像；

将所述第一特征点集与所述预设人脸图像的第二特征点集进行匹配，得到第二匹配值；

依据所述第一匹配值、所述第二匹配值确定目标匹配值；

在所述目标匹配值大于所述目标匹配阈值时，所述第一目标人脸图像与所述预设人脸图像匹配成功，确定所述第一目标为成员身份；

在所述目标匹配值小于或等于所述目标匹配值时，所述第一目标人脸图像与所述预设人脸图像匹配失败，确定所述第一目标为非成员身份。

在一个可能的示例中，所述获取所述第一目标与第二目标的行为关联，包括：

获取包括所述第一目标和/或所述第二目标的多张关联目标视频图像；

根据所述多张关联目标视频图像确定所述第一目标和所述第二目标的距离；

获取所述第一目标的第一待测行为特征集，并将所述第一待测行为特征集与第一预设行为特征集进行匹配，获得第一匹配结果；

获取所述第二目标的第二待测行为特征集，并将所述第二待测行为特征集与第二预设行为特征集进行匹配，获得第二匹配结果；

所述距离、第一匹配结果和第二匹配结果组成所述第一目标与第二目标的行为关联。

在一个可能的示例中，在将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配之前，所述方法还包括：

获取多个输入人脸图像；

对所述多个输入人脸图像进行质量评价，得到多个评价值，并依据该多个评价值确定所述多个输入人脸图像中的每一输入人脸图像是否合格；

将确认为合格的输入人脸图像存入第一数据库中，将确认为不合格的输入人脸图像存入第二数据库中，所述第一数据库和所述第二数据库形成所述成员数据库。

在一个可能的示例中，在所述获取成员数据库后，所述方法还包括：

获取第二指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；对所述多个视频集中每一视频集进行视频解析，得到多张视频图像；对所述多张视频图像中每一张视频图像进行图像分割，得到多个人脸图像；

确定所述多个人脸图像的人脸角度，得到多个角度值，从所述多个角度值中选取角度值处于预设角度范围的角度值，并确定其对应的多个待测目标人脸图像；

对所述多个待测目标人脸图像中每一待测目标人脸图像进行图像质量评价，得到多个图像质量评价值，将所述多个图像质量评价值中大于预设质量评价阈值的图像质量评价值对应的待测目标人脸图像作为第一数据集；

将所述第一数据集中的待测目标人脸图像与所述第二数据库中的目标输入人脸图像进行匹配并获取匹配度值；

当所述匹配度值大于第一预设匹配度值时，将所述目标输入人脸图像替换为所述待测目标人脸图像，完成所述成员数据库的更新。

请参阅图5，图5是本申请实施例公开的一种识别尾随的装置的结构示意图，如图5所示，该识别尾随的装置500包括：

获取单元501，用于获取指定区域在第一指定时间段的目标视频图像集；

匹配单元502，用于获取所述目标视频图像集中的与第一目标对应的多个第一目标视频图像，并将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配，根据匹配结果确定第一目标的目标身份，所述目标身份包括成员或非成员；

关联单元503，用于当确定所述第一目标的目标身份为成员时，获取所述第一目标与第二目标的行为关联，所述第二目标为所述目标视频图像集对应的任意目标；

确定单元504，当所述第一目标与所述第二目标的行为关联满足第一预设条件时，确定所述第二目标为所述第一目标的尾随者。

可见，该识别尾随的装置首先获取第一目标对应的第一目标视频图像，并第一目标视频图像与成员数据库中的成员图像进行匹配，确定第一目标对应的目标身份为成员或非成员；当确定第一目标对应的目标身份为成员时，获取第一目标与第二目标的行为关联，第二目标为目标视频图像集对应的任意目标；当第一目标与第二目标的行为关联满足第一预设条件时，确定第二目标为第一目标的尾随者。在这个过程中，通过识别目标身份，初步筛选出了成员目标，然后对成员目标的安全进行监控，即通过其他目标与成员目标的行为关联分析，发现成员目标的尾随者，提升了成员的安全监控可靠性，减少了安全事故的发生。

其中，上述获取单元501可用于实现上述步骤101所描述的方法，上述匹配单元502可用于实现上述步骤102所描述的方法，上述关联单元503可用于实现上述步骤103所描述的方法，上述确定单元504可用于实现上述步骤104所描述的方法，以下如此类推。

在一个可能的示例中，所述匹配单元502具体用于：

筛选所述第一目标视频图像中的第一目标人脸图像；

获取所述第一目标人脸图像的第一图像质量评价值；

按照预设的图像质量评价值与匹配阈值之间的映射关系，确定所述第一图像质量评价值对应的目标匹配阈值；

对所述第一目标人脸图像进行轮廓提取，得到第一外围轮廓；

对所述第一目标人脸图像进行特征点提取，得到第一特征点集；

将所述第一外围轮廓与预设人脸图像的第二外围轮廓进行匹配，得到第一匹配值，所述预设人脸图像为所述成员数据库中的成员图像；

将所述第一特征点集与所述预设人脸图像的第二特征点集进行匹配，得到第二匹配值；

依据所述第一匹配值、所述第二匹配值确定目标匹配值；

在所述目标匹配值大于所述目标匹配阈值时，所述第一目标人脸图像与所述预设人脸图像匹配成功，确定所述第一目标为成员身份；

在所述目标匹配值小于或等于所述目标匹配值时，所述第一目标人脸图像与所述预设人脸图像匹配失败，确定所述第一目标为非成员身份。

在一个可能的示例中，所述关联单元503具体用于：

获取包括所述第一目标和/或所述第二目标的多张关联目标视频图像；

根据所述多张关联目标视频图像确定所述第一目标和所述第二目标的距离；

获取所述第一目标的第一待测行为特征集，并将所述第一待测行为特征集与第一预设行为特征集进行匹配，获得第一匹配结果；

获取所述第二目标的第二待测行为特征集，并将所述第二待测行为特征集与第二预设行为特征集进行匹配，获得第二匹配结果；

所述距离、第一匹配结果和第二匹配结果组成所述第一目标与第二目标的行为关联。

在一个可能的示例中，所述识别尾随的装置500还包括数据库管理单元505，具体用于：

获取多个输入人脸图像；

对所述多个输入人脸图像进行质量评价，得到多个评价值，并依据该多个评价值确定所述多个输入人脸图像中的每一输入人脸图像是否合格；

将确认为合格的输入人脸图像存入第一数据库中，将确认为不合格的输入人脸图像存入第二数据库中，所述第一数据库和所述第二数据库形成所述成员数据库。

在一个可能的示例中，所述数据库管理单元505还用于：

获取第二指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；对所述多个视频集中每一视频集进行视频解析，得到多张视频图像；对所述多张视频图像中每一张视频图像进行图像分割，得到多个人脸图像；

确定所述多个人脸图像的人脸角度，得到多个角度值，从所述多个角度值中选取角度值处于预设角度范围的角度值，并确定其对应的多个待测目标人脸图像；

对所述多个待测目标人脸图像中每一待测目标人脸图像进行图像质量评价，得到多个图像质量评价值，将所述多个图像质量评价值中大于预设质量评价阈值的图像质量评价值对应的待测目标人脸图像作为第一数据集；

将所述第一数据集中的待测目标人脸图像与所述第二数据库中的目标输入人脸图像进行匹配并获取匹配度值；

当所述匹配度值大于第一预设匹配度值时，将所述目标输入人脸图像替换为所述待测目标人脸图像，完成所述成员数据库的更新。

可以理解的是，本实施例的识别尾随的装置的各程序模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。

本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任何一种识别尾随的方法的部分或全部步骤。

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任何一种识别尾随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。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种识别尾随的方法，其特征在于，所述方法包括：

获取指定区域在第一指定时间段的目标视频图像集；

将所述目标视频图像集按照对应的目标进行分类，获得第一目标对应的多个第一目标视频图像，并将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配，根据匹配结果确定第一目标的目标身份，所述目标身份包括成员或非成员；

当确定所述第一目标的目标身份为成员时，获取所述第一目标与第二目标的行为关联，所述第二目标为所述目标视频图像集对应的任意目标；

当所述第一目标与所述第二目标的行为关联满足第一预设条件时，确定所述第二目标为所述第一目标的尾随者。

2.根据权利要求1所述的方法，其特征在于，所述将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配，根据匹配结果确定第一目标的目标身份，包括：

筛选所述第一目标视频图像中的第一目标人脸图像；

获取所述第一目标人脸图像的第一图像质量评价值；

按照预设的图像质量评价值与匹配阈值之间的映射关系，确定所述第一图像质量评价值对应的目标匹配阈值；

对所述第一目标人脸图像进行轮廓提取，得到第一外围轮廓；

对所述第一目标人脸图像进行特征点提取，得到第一特征点集；

将所述第一外围轮廓与预设人脸图像的第二外围轮廓进行匹配，得到第一匹配值，所述预设人脸图像为所述成员数据库中的成员图像；

将所述第一特征点集与所述预设人脸图像的第二特征点集进行匹配，得到第二匹配值；

依据所述第一匹配值、所述第二匹配值确定目标匹配值；

在所述目标匹配值大于所述目标匹配阈值时，所述第一目标人脸图像与所述预设人脸图像匹配成功，确定所述第一目标为成员身份；

在所述目标匹配值小于或等于所述目标匹配值时，所述第一目标人脸图像与所述预设人脸图像匹配失败，确定所述第一目标为非成员身份。

3.根据权利要求2所述的方法，其特征在于，所述获取所述第一目标与第二目标的行为关联，包括：

获取包括所述第一目标和/或所述第二目标的多张关联目标视频图像；

根据所述多张关联目标视频图像确定所述第一目标和所述第二目标的距离；

获取所述第一目标的第一待测行为特征集，并将所述第一待测行为特征集与第一预设行为特征集进行匹配，获得第一匹配结果；

获取所述第二目标的第二待测行为特征集，并将所述第二待测行为特征集与第二预设行为特征集进行匹配，获得第二匹配结果；

所述距离、第一匹配结果和第二匹配结果组成所述第一目标与第二目标的行为关联。

4.根据权利要求1-3任一项所述的方法，其特征在于，在所述将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配之前，所述方法还包括：

获取多个输入人脸图像；

对所述多个输入人脸图像进行质量评价，得到多个评价值，并依据该多个评价值确定所述多个输入人脸图像中的每一输入人脸图像是否合格；

将确认为合格的输入人脸图像存入第一数据库中，将确认为不合格的输入人脸图像存入第二数据库中，所述第一数据库和所述第二数据库形成所述成员数据库。

5.根据权利要求4所述的方法，其特征在于，在所述获取成员数据库后，所述方法还包括：

获取第二指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；对所述多个视频集中每一视频集进行视频解析，得到多张视频图像；对所述多张视频图像中每一张视频图像进行图像分割，得到多个人脸图像；

确定所述多个人脸图像的人脸角度，得到多个角度值，从所述多个角度值中选取角度值处于预设角度范围的角度值，并确定其对应的多个待测目标人脸图像；

对所述多个待测目标人脸图像中每一待测目标人脸图像进行图像质量评价，得到多个图像质量评价值，将所述多个图像质量评价值中大于预设质量评价阈值的图像质量评价值对应的待测目标人脸图像作为第一数据集；

将所述第一数据集中的待测目标人脸图像与所述第二数据库中的目标输入人脸图像进行匹配并获取匹配度值；

当所述匹配度值大于第一预设匹配度值时，将所述目标输入人脸图像替换为所述待测目标人脸图像，完成所述成员数据库的更新。

6.一种识别尾随的装置，其特征在于，所述装置包括：

获取单元，用于获取指定区域在第一指定时间段的目标视频图像集；

匹配单元，用于将所述目标视频图像集按照对应的目标进行分类，获得第一目标对应的多个第一目标视频图像，并将所述多个第一目标视频图像与成员数据库中的成员图像进行匹配，根据匹配结果确定第一目标的目标身份，所述目标身份包括成员或非成员；

关联单元，用于当确定所述第一目标的目标身份为成员时，获取所述第一目标与第二目标的行为关联，所述第二目标为所述目标视频图像集对应的任意目标；

确定单元，当所述第一目标与所述第二目标的行为关联满足第一预设条件时，确定所述第二目标为所述第一目标的尾随者。

7.根据权利要求6所述的识别尾随的装置，其特征在于，所述匹配单元具体用于：

筛选所述第一目标视频图像中的第一目标人脸图像；

获取所述第一目标人脸图像的第一图像质量评价值；

按照预设的图像质量评价值与匹配阈值之间的映射关系，确定所述第一图像质量评价值对应的目标匹配阈值；

对所述第一目标人脸图像进行轮廓提取，得到第一外围轮廓；

对所述第一目标人脸图像进行特征点提取，得到第一特征点集；

将所述第一外围轮廓与预设人脸图像的第二外围轮廓进行匹配，得到第一匹配值，所述预设人脸图像为所述成员数据库中的成员图像；

将所述第一特征点集与所述预设人脸图像的第二特征点集进行匹配，得到第二匹配值；

依据所述第一匹配值、所述第二匹配值确定目标匹配值；

在所述目标匹配值大于所述目标匹配阈值时，所述第一目标人脸图像与所述预设人脸图像匹配成功，确定所述第一目标为成员身份；

在所述目标匹配值小于或等于所述目标匹配值时，所述第一目标人脸图像与所述预设人脸图像匹配失败，确定所述第一目标为非成员身份。

8.根据权利要求7所述的装置，其特征在于，所述关联单元具体用于：

获取包括所述第一目标和/或所述第二目标的多张关联目标视频图像；

根据所述多张关联目标视频图像确定所述第一目标和所述第二目标的距离；

获取所述第一目标的第一待测行为特征集，并将所述第一待测行为特征集与第一预设行为特征集进行匹配，获得第一匹配结果；

获取所述第二目标的第二待测行为特征集，并将所述第二待测行为特征集与第二预设行为特征集进行匹配，获得第二匹配结果；

所述距离、第一匹配结果和第二匹配结果组成所述第一目标与第二目标的行为关联。

9.一种电子装置，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1-5任一项所述的方法中的步骤的指令。

10.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-5任一项所述的方法。