CN109800675A - 一种确定人脸对象的识别图像的方法及装置 - Google Patents
一种确定人脸对象的识别图像的方法及装置 Download PDFInfo
- Publication number
- CN109800675A CN109800675A CN201811641312.5A CN201811641312A CN109800675A CN 109800675 A CN109800675 A CN 109800675A CN 201811641312 A CN201811641312 A CN 201811641312A CN 109800675 A CN109800675 A CN 109800675A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- face
- detection
- forecast
- 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.)
- Withdrawn
Links
Landscapes
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种确定人脸对象的识别图像的方法及装置,涉及视频处理技术领域,该方法包括:在获取第一图像时,先判断第一图像是否为检测帧图像,若是,则对第一图像进行人脸检测,确定第一图像中各人脸对象的检测图像区域,否则根据第二图像中的各人脸对象的图像区域,预测各人脸对象在第一图像中的预测图像区域,故不需要对每帧待识别图像进行检测并识别,从而降低计算量和提高效率。其次先判断检测图像区域和预测图像区域是否为人脸图像,然后根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定人脸对象的识别图像,从而提高人脸对象的识别图像的精度,进一步提高使用人脸对象的识别图像进行归档的准确性。
Description
技术领域
本发明实施例涉及视频处理技术领域,尤其涉及一种确定人脸对象的识别图像的方法及装置。
背景技术
当今社会中,出于安防管理的需要,监控设备布满了街道、社区、楼宇等各种公共场合。在发生警情时,先从监控设备采集的视频数据中确定出嫌疑人或嫌疑车辆的图像,然后由警务人员根据嫌疑人或嫌疑车辆的图像搜捕嫌疑人或嫌疑车辆。
现有技术中,监控设备采集视频流后,多采用对视频流中的每帧图像进行检测和识别,确定每帧图像中的人脸或车辆等对象,然后再将各帧图像中检测出的对象进行匹配,确定出一个对象的所有图像,该方法由于需要对每帧图像进行检测和识别,计算量较大,效率低。
发明内容
由于现有技术中,从视频流中确定同一对象的图像时,对每帧图像进行检测和识别,计算量较大且效率较低的问题,本申请实施例提供了一种确定人脸对象的识别图像的方法及装置。
一方面,本申请实施例提供了一种确定人脸对象的识别图像的方法,包括:
获取监控设备在预设时间段内拍摄得到的待处理视频,所述待处理视频包括N帧图像,N大于等于2;
针对第一图像,若所述第一图像为检测帧图像,则对所述第一图像进行人脸检测,确定所述第一图像中各人脸对象对应的检测图像区域;若所述第一图像为预测帧图像,则根据第二图像中的各人脸对象对应的图像区域,预测所述各人脸对象在所述第一图像中对应的预测图像区域;所述第一图像是所述N帧图像中的任一个,所述第二图像是所述第一图像相邻的图像且已检测出或预测出人脸对象对应的图像区域;
确定所述检测图像区域和所述预测图像区域是否为人脸图像;
根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定所述人脸对象的识别图像。
可选地,所述根据第二图像中的各人脸对象对应的图像区域,预测所述各人脸对象在所述第一图像中对应的预测图像区域,包括:
针对所述第二图像中的任一人脸对象对应的图像区域,从所述第一图像中确定出与所述人脸对象对应的图像区域的相似度大于预设阈值的图像区域,作为所述人脸对象在所述第一图像中对应的预测图像区域。
可选地,所述确定所述检测图像区域和所述预测图像区域是否为人脸图像,包括:
检测所述检测图像区域和所述预测图像区域中的人脸关键点;
根据所述人脸关键点确定所述检测图像区域和所述预测图像区域是否为人脸图像。
可选地,所述确定所述检测图像区域和所述预测图像区域是否为人脸图像,包括:
采用人脸分类器确定所述检测图像区域和所述预测图像区域是否为人脸图像,所述人脸分类器是以预选标记类别的图像为训练样本,对人工神经网络进行训练后确定的。
可选地,所述确定所述检测图像区域和所述预测图像区域是否为人脸图像,包括:
检测所述检测图像区域和所述预测图像区域中的人脸关键点及图像质量;
将所述检测图像区域和所述预测图像区域分别输入人脸分类器,确定所述检测图像区域和所述预测图像区域的分类结果,所述人脸分类器是以预选标记类别的图像为训练样本,对人工神经网络进行训练后确定的;
根据所述检测图像区域和所述预测图像区域中的人脸关键点、所述检测图像区域和所述预测图像区域的图像质量以及所述检测图像区域和所述预测图像区域的分类结果确定所述检测图像区域和所述预测图像区域是否为人脸图像。
一方面,本申请实施例提供了一种确定人脸对象的识别图像的装置,包括:
获取模块,用于获取监控设备在预设时间段内拍摄得到的待处理视频,所述待处理视频包括N帧图像,N大于等于2;
检测模块,用于针对第一图像,若所述第一图像为检测帧图像,则对所述第一图像进行人脸检测,确定所述第一图像中各人脸对象对应的检测图像区域;若所述第一图像为预测帧图像,则根据第二图像中的各人脸对象对应的图像区域,预测所述各人脸对象在所述第一图像中对应的预测图像区域;所述第一图像是所述N帧图像中的任一个,所述第二图像是所述第一图像相邻的图像且已检测出或预测出人脸对象对应的图像区域;
识别模块,用于确定所述检测图像区域和所述预测图像区域是否为人脸图像;
处理模块,用于根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定所述人脸对象的识别图像。
可选地,所述检测模块具体用于:
针对所述第二图像中的任一人脸对象对应的图像区域,从所述第一图像中确定出与所述人脸对象对应的图像区域的相似度大于预设阈值的图像区域,作为所述人脸对象在所述第一图像中对应的预测图像区域。
可选地,所述识别模块具体用于:
检测所述检测图像区域和所述预测图像区域中的人脸关键点;
根据所述人脸关键点确定所述检测图像区域和所述预测图像区域是否为人脸图像。
可选地,所述识别模块具体用于:
采用人脸分类器确定所述检测图像区域和所述预测图像区域是否为人脸图像,所述人脸分类器是以预选标记类别的图像为训练样本,对人工神经网络进行训练后确定的。
可选地,所述识别模块具体用于:
检测所述检测图像区域和所述预测图像区域中的人脸关键点及图像质量;
将所述检测图像区域和所述预测图像区域分别输入人脸分类器,确定所述检测图像区域和所述预测图像区域的分类结果,所述人脸分类器是以预选标记类别的图像为训练样本,对人工神经网络进行训练后确定的;
根据所述检测图像区域和所述预测图像区域中的人脸关键点、所述检测图像区域和所述预测图像区域的图像质量以及所述检测图像区域和所述预测图像区域的分类结果确定所述检测图像区域和所述预测图像区域是否为人脸图像。
一方面,本申请实施例提供了一种确定人脸对象的识别图像的设备,包括至少一个处理单元、以及至少一个存储单元,其中,所述存储单元存储有计算机程序,当所述程序被所述处理单元执行时,使得所述处理单元执行确定人脸对象的识别图像的方法的步骤。
一方面,本申请实施例提供了一种计算机可读介质,其存储有可由确定人脸对象的识别图像的设备执行的计算机程序,当所述程序在确定人脸对象的识别图像的设备上运行时,使得所述确定人脸对象的识别图像的设备执行确定人脸对象的识别图像的方法的步骤。
本申请实施例中,获取监控设备在预设时间段内拍摄得到的待处理视频,针对第一图像,若第一图像为检测帧图像,则对第一图像进行人脸检测,确定第一图像中各人脸对象对应的检测图像区域;若第一图像为预测帧图像,则根据第二图像中的各人脸对象对应的图像区域,预测各人脸对象在第一图像中对应的预测图像区域。确定检测图像区域和预测图像区域是否为人脸图像;根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定人脸对象的识别图像。由于先将监控设备采集的视频中的图像分为检测帧图像和预测帧图像,故在获取第一图像时,先判断第一图像是否为检测帧图像,如果是,则对第一图像进行人脸检测,确定第一图像中各人脸对象对应的检测图像区域,否则根据第二图像中的各人脸对象对应的图像区域,预测各人脸对象在第一图像中对应的预测图像区域,故不需要对每帧待识别图像进行检测并识别,从而降低了确定待识别图像中的待识别对象的计算量,同时提高了效率。其次先判断检测图像区域和预测图像区域是否为人脸图像,然后根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定人脸对象的识别图像,从而提高人脸对象的识别图像的精度,进一步提高后续使用人脸对象的识别图像进行归档的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例适用的系统架构图;
图2为本申请实施例一种确定人脸对象的识别图像的方法的流程示意图;
图3为本申请实施例一种确定人脸对象的识别图像的装置的结构示意图;
图4为本申请实施例一种确定人脸对象的识别图像的设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例中的确定人脸对象的识别图像的可以应用于图像归档,比如在采用监控设备采集的视频流进行归档时,可以采用本申请实施例中确定人脸对象的识别图像的方法确定视频流中同一人脸在每帧待识别图像中的人脸框,然后将该人脸对应的人脸框作为人脸的识别图像,用于后续的归档。
图1示例性示出了本申请实施例适用的系统架构,在该系统架构中包括监控设备101、服务器102。监控设备101实时采集视频流,然后将采集的视频流发送至服务器102,服务器102中包括确定人脸对象的识别图像的装置,服务器102从视频流中获取图像,然后确定图像中的人脸对象对应的图像区域。监控设备101通过无线网络与服务器102连接,监控设备是具备采集图像功能的电子设备,比如摄像头、摄像机、录像机等。服务器102是一台服务器或若干台服务器组成的服务器集群或云计算中心。
基于图1所示的系统架构,本申请实施例提供了一种确定人脸对象的识别图像的方法的流程,该方法的流程可以由确定人脸对象的识别图像的装置执行,确定人脸对象的识别图像的装置可以是图1所示的服务器102,如图2所示,包括以下步骤:
步骤S201,获取监控设备在预设时间段内拍摄得到的待处理视频。
待处理视频包括N帧图像,N大于等于2。
步骤S202,针对第一图像,若第一图像为检测帧图像,则对第一图像进行人脸检测,确定第一图像中各人脸对象对应的检测图像区域。
预先对待处理视频的图像进行标记,将待处理视频中需要进行人脸检测的图像标记为检测帧图像,将需要进行人脸预测的图像标记为预测帧图像。示例性地,设定一段视频流中包括10帧图像,将第一帧图像和第五帧图像标记为检测帧图像,第二帧图像至第四帧图像标记为预测帧图像,第六帧至第十帧标记为预测帧图像。
检测图像区域可以是具有规则形状的框,或者不具有规则形状的区域。
步骤S203,若第一图像为预测帧图像,则根据第二图像中的各人脸对象对应的图像区域,预测各人脸对象在第一图像中对应的预测图像区域。
第一图像是N帧图像中的任一个,第二图像是第一图像相邻的图像且已检测出或预测出人脸对象对应的图像区域。
步骤S204,确定检测图像区域和预测图像区域是否为人脸图像。
步骤S205,根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定人脸对象的识别图像。
示例性地,设定同一人脸对象在10帧待识别图像中包括10个图像区域,则将这10个图像区域作为人脸对象的10张识别图像。后续对该人脸的识别图像进行归档时,可以将这10张识别图像融合为1张归档图像,将该归档图像与人脸图像库中人脸档案进行比较,确定匹配的人脸档案,之后再将这10张识别图像归入匹配的人脸档案。
由于先将监控设备采集的视频中的图像分为检测帧图像和预测帧图像,故在获取第一图像时,先判断第一图像是否为检测帧图像,如果是,则对第一图像进行人脸检测,确定第一图像中各人脸对象对应的检测图像区域,否则根据第二图像中的各人脸对象对应的图像区域,预测各人脸对象在第一图像中对应的预测图像区域,故不需要对每帧待识别图像进行检测并识别,从而降低了确定待识别图像中的待识别对象的计算量,同时提高了效率。其次先判断检测图像区域和预测图像区域是否为人脸图像,然后根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定人脸对象的识别图像,从而提高人脸对象的识别图像的精度,进一步提高后续使用人脸对象的识别图像进行归档的准确性。
可选地,在上述步骤S203中,针对第二图像中的任一人脸对象对应的图像区域,从第一待识别图像中确定出与该人脸对象对应的图像区域的相似度大于预设阈值的图像区域,作为该人脸对象在第一图像中对应的预测图像区域。
示例性地,设定已知第二图像中各人脸对象对应的人脸框,针对第二图像中人脸对象A对应的人脸框,从第一待识别图像中确定出与人脸对象A的人脸框的相似度大于预设阈值的人脸框,作为人脸对象A在第一待识别图像中的人脸框。
进一步地,在一种可能的实施方式中,若相似度大于预设阈值的图像区域多于一个,则选取相似度最高的图像区域作为人脸对象在第一待识别图像中对应的图像区域,从而避免了一个人脸对象在一张待识别图像中对应多个图像区域。
在一种可能的实施方式中,若相似度大于预设阈值的图像区域多于一个,则选取距离第二待识别图像中人脸对象对应的图像区域的位置最近的图像区域,作为人脸对象在第一待识别图像中对应的图像区域。
由于监控设备采集的图像之间的时间间隔较短,故相邻两张图像中同一人脸对象移动的距离较短,预测第二图像中的人脸对象的图像区域在第一图像中的图像区域时,可以选取距离第二图像中人脸对象的图像区域最近的图像区域,作为人脸对象在第一待识别图像中对应的图像区域,从而避免了一个人脸对象在一张待识别图像中对应多个图像区域。
可选地,在上述步骤S204中,在确定检测图像区域和预测图像区域是否为人脸图像时,本申请实施例至少提供以下几种实施方式:
在一种可能的实施方式中,检测检测图像区域和预测图像区域中的人脸关键点,根据人脸关键点确定检测图像区域和预测图像区域是否为人脸图像。
人脸关键点包括眼睛、鼻子、嘴巴、耳朵、头发等。
检测检测图像区域中的人脸关键点,判断检测图像区域中包含的人脸关键点是否满足预设条件,若是,则将检测图像区域确定为人脸图像,否则将检测图像区域确定为非人脸图像。
检测预测图像区域中的人脸关键点,判断预测图像区域中包含的人脸关键点是否满足预设条件,若是,则将预测图像区域确定为人脸图像,否则将预测图像区域确定为非人脸图像。
在一种可能的实施方式中,采用人脸分类器确定检测图像区域和预测图像区域是否为人脸图像,人脸分类器是以预选标记类别的图像为训练样本,对人工神经网络进行训练后确定的。
人脸分类器输出的结果包括人脸图像和非人脸图像。
将检测图像区域输入人脸分类器,人脸分类器输出检测图像区域的类别。
将预测图像区域输入人脸分类器,人脸分类器输出预测图像区域的类别。
在一种可能的实施方式中,检测检测图像区域和预测图像区域中的人脸关键点及图像质量。将检测图像区域和预测图像区域分别输入人脸分类器,确定检测图像区域和预测图像区域的分类结果,人脸分类器是以预选标记类别的图像为训练样本,对人工神经网络进行训练后确定的。根据检测图像区域和预测图像区域中的人脸关键点、检测图像区域和预测图像区域的图像质量以及检测图像区域和预测图像区域的分类结果确定检测图像区域和预测图像区域是否为人脸图像。
具体地,人脸分类器输出的分类结果包括人脸图像和非人脸图像。预先可以为根据人脸关键点确定的分类结果、人脸分类器的分类结果以及图像质量分配权重,然后根据权重将人脸关键点确定的分类结果、人脸分类器的分类结果以及图像质量进行融合,确定检测图像区域和预测图像区域是否为人脸图像。
由于先判断检测图像区域和预测图像区域是否为人脸图像,然后根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定人脸对象的识别图像,从而提高人脸对象的识别图像的精度,进一步提高后续使用人脸对象的识别图像进行归档的准确性。
可选地,确定检测图像区域和预测图像区域是否为人脸图像之前,针对任一人脸对象,在人脸对象的检测图像区域和预测图像区域中检测人脸对象的关键点。根据关键点调整人脸对象在第一图像中对应的检测图像区域和预测图像区域。
具体地,人脸对象的关键点是用于识别人脸对象的关键点,比如眼睛、鼻子、嘴巴、耳朵、头发等。
示例性地,检测人脸框中的关键点,若检测的关键点中包括两个眼睛、一个鼻子,则说明该人脸框中的人脸为人脸正面,而嘴巴并没有包含在人脸框中,则可以向下扩大人脸框,使人脸框中包含人脸的嘴巴。
由于在确定检测图像区域和预测图像区域是否为人脸图像之前,检测人脸对象的关键点,然后基于关键点调整检测图像区域和预测图像区域,从而使检测图像区域和预测图像区域更准确。
为了更好的解释本发明实施例,下面结合具体的实施场景描述本申请实施例提供的一种确定人脸对象的识别图像的方法,该方法可以由确定人脸对象的识别图像的执行。
设定视频流中包括10帧待识别图像,其中第一帧待识别图像为检测帧图像、第三帧待识别图像为检测帧图像,其余均为预测帧图像。首先对第一帧待识别图像进行人脸检测,确定第一帧待识别图像中的各人脸的第一人脸检测框。针对第一帧待识别图像中人脸A的第一人脸检测框,先对第一人脸检测框中人脸A的关键点进行检测,根据检测的关键点调整第一人脸检测框。然后判断人脸A的第一人脸检测框是否为人脸图像,若是,则预测人脸A的第一人脸检测框在第二帧待识别图像对应的第二人脸预测框。对第二人脸预测框中人脸A的关键点进行检测,根据检测的关键点调整第二人脸预测框。之后再判断人脸A的第二人脸预测框是否为人脸图像,若是,则预测人脸A的第二人脸预测框在第三帧待识别图像中对应的第三人脸预测框,对第三人脸预测框中人脸A的关键点进行检测,根据检测的关键点调整第三人脸预测框。同时对第三帧待识别图像进行人脸检测,确定第三帧待识别图像的第三人脸检测框。设定第三帧待识别图像的第三人脸检测框中存在一个第三人脸检测框与人脸A的第三人脸预测框存在交集,则采用该第三人脸检测框修正人脸A的第三人脸预测框。之后再判断修正后的人脸A的第三人脸预测框是否为人脸图像,若是,则预测修正后的人脸A的第三人脸预测框在第四帧待识别图像对应的第四人脸预测框。依次类推,直到不能预测人脸A在下一帧待识别图像中人脸预测框。设定10帧待识别图像中,人脸A对应8个人脸框,则将这8个人脸框作为人脸A的识别图像,用于后续对人脸A进行识别或对人脸A进行归档。
另外在第三帧待识别图像的第三人脸检测框中,当与第三帧待识别图像的第三人脸预测框没有交集时,将该类第三人脸检测框确定为一个新的人脸对应的人脸检测框。对第三人脸检测框中的关键点进行检测,根据检测的关键点调整第三人脸检测框。然后判断第三人脸检测框是否为人脸图像,若是,则预测第三人脸检测框在第四帧待识别图像对应的第四人脸预测框,依次类推,直到不能预测在下一帧待识别图像中人脸预测框。
本申请实施例中,获取监控设备在预设时间段内拍摄得到的待处理视频,针对第一图像,若第一图像为检测帧图像,则对第一图像进行人脸检测,确定第一图像中各人脸对象对应的检测图像区域;若第一图像为预测帧图像,则根据第二图像中的各人脸对象对应的图像区域,预测各人脸对象在第一图像中对应的预测图像区域。确定检测图像区域和预测图像区域是否为人脸图像;根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定人脸对象的识别图像。由于先将监控设备采集的视频中的图像分为检测帧图像和预测帧图像,故在获取第一图像时,先判断第一图像是否为检测帧图像,如果是,则对第一图像进行人脸检测,确定第一图像中各人脸对象对应的检测图像区域,否则根据第二图像中的各人脸对象对应的图像区域,预测各人脸对象在第一图像中对应的预测图像区域,故不需要对每帧待识别图像进行检测并识别,从而降低了确定待识别图像中的待识别对象的计算量,同时提高了效率。其次先判断检测图像区域和预测图像区域是否为人脸图像,然后根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定人脸对象的识别图像,从而提高人脸对象的识别图像的精度,进一步提高后续使用人脸对象的识别图像进行归档的准确性。
基于相同的技术构思,本发明实施例提供了一种确定人脸对象的识别图像的装置,如图3所示,该装置300包括:
获取模块301,用于获取监控设备在预设时间段内拍摄得到的待处理视频,所述待处理视频包括N帧图像,N大于等于2;
检测模块302,用于针对第一图像,若所述第一图像为检测帧图像,则对所述第一图像进行人脸检测,确定所述第一图像中各人脸对象对应的检测图像区域;若所述第一图像为预测帧图像,则根据第二图像中的各人脸对象对应的图像区域,预测所述各人脸对象在所述第一图像中对应的预测图像区域;所述第一图像是所述N帧图像中的任一个,所述第二图像是所述第一图像相邻的图像且已检测出或预测出人脸对象对应的图像区域;
识别模块303,用于确定所述检测图像区域和所述预测图像区域是否为人脸图像;
处理模块304,用于根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定所述人脸对象的识别图像。
可选地,所述检测模块302具体用于:
针对所述第二图像中的任一人脸对象对应的图像区域,从所述第一图像中确定出与所述人脸对象对应的图像区域的相似度大于预设阈值的图像区域,作为所述人脸对象在所述第一图像中对应的预测图像区域。
可选地,所述识别模块303具体用于:
检测所述检测图像区域和所述预测图像区域中的人脸关键点;
根据所述人脸关键点确定所述检测图像区域和所述预测图像区域是否为人脸图像。
可选地,所述识别模块303具体用于:
采用人脸分类器确定所述检测图像区域和所述预测图像区域是否为人脸图像,所述人脸分类器是以预选标记类别的图像为训练样本,对人工神经网络进行训练后确定的。
可选地,所述识别模块303具体用于:
检测所述检测图像区域和所述预测图像区域中的人脸关键点及图像质量;
将所述检测图像区域和所述预测图像区域分别输入人脸分类器,确定所述检测图像区域和所述预测图像区域的分类结果,所述人脸分类器是以预选标记类别的图像为训练样本,对人工神经网络进行训练后确定的;
根据所述检测图像区域和所述预测图像区域中的人脸关键点、所述检测图像区域和所述预测图像区域的图像质量以及所述检测图像区域和所述预测图像区域的分类结果确定所述检测图像区域和所述预测图像区域是否为人脸图像。
基于相同的技术构思,本申请实施例提供了一种确定人脸对象的识别图像的设备,如图4所示,包括至少一个处理器401,以及与至少一个处理器连接的存储器402,本申请实施例中不限定处理器401与存储器402之间的具体连接介质,图4中处理器401和存储器402之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本申请实施例中,存储器402存储有可被至少一个处理器401执行的指令,至少一个处理器401通过执行存储器402存储的指令,可以执行前述确定人脸对象的识别图像的方法中所包括的步骤。
其中,处理器401是确定人脸对象的识别图像的设备的控制中心,可以利用各种接口和线路连接确定待识别对象的设备的各个部分,通过运行或执行存储在存储器402内的指令以及调用存储在存储器402内的数据,从而确定人脸对象的识别图像。可选的,处理器401可包括一个或多个处理单元,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。在一些实施例中,处理器401和存储器402可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器401可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器402作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器402可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器402是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器402还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
基于同一发明构思,本申请实施例提供了一种计算机可读介质,其存储有可由确定人脸对象的识别图像的设备执行的计算机程序,当程序在确定人脸对象的识别图像的设备上运行时,使得确定人脸对象的识别图像的设备执行确定人脸对象的识别图像的方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (12)
1.一种确定人脸对象的识别图像的方法,其特征在于,包括:
获取监控设备在预设时间段内拍摄得到的待处理视频,所述待处理视频包括N帧图像,N大于等于2;
针对第一图像,若所述第一图像为检测帧图像,则对所述第一图像进行人脸检测,确定所述第一图像中各人脸对象对应的检测图像区域;若所述第一图像为预测帧图像,则根据第二图像中的各人脸对象对应的图像区域,预测所述各人脸对象在所述第一图像中对应的预测图像区域;所述第一图像是所述N帧图像中的任一个,所述第二图像是所述第一图像相邻的图像且已检测出或预测出人脸对象对应的图像区域;
确定所述检测图像区域和所述预测图像区域是否为人脸图像;
根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定所述人脸对象的识别图像。
2.如权利要求1所述的方法,其特征在于,所述根据第二图像中的各人脸对象对应的图像区域,预测所述各人脸对象在所述第一图像中对应的预测图像区域,包括:
针对所述第二图像中的任一人脸对象对应的图像区域,从所述第一图像中确定出与所述人脸对象对应的图像区域的相似度大于预设阈值的图像区域,作为所述人脸对象在所述第一图像中对应的预测图像区域。
3.如权利要求1所述的方法,其特征在于,所述确定所述检测图像区域和所述预测图像区域是否为人脸图像,包括:
检测所述检测图像区域和所述预测图像区域中的人脸关键点;
根据所述人脸关键点确定所述检测图像区域和所述预测图像区域是否为人脸图像。
4.如权利要求1所述的方法,其特征在于,所述确定所述检测图像区域和所述预测图像区域是否为人脸图像,包括:
采用人脸分类器确定所述检测图像区域和所述预测图像区域是否为人脸图像,所述人脸分类器是以预选标记类别的图像为训练样本,对人工神经网络进行训练后确定的。
5.如权利要求1所述的方法,其特征在于,所述确定所述检测图像区域和所述预测图像区域是否为人脸图像,包括:
检测所述检测图像区域和所述预测图像区域中的人脸关键点及图像质量;
将所述检测图像区域和所述预测图像区域分别输入人脸分类器,确定所述检测图像区域和所述预测图像区域的分类结果,所述人脸分类器是以预选标记类别的图像为训练样本,对人工神经网络进行训练后确定的;
根据所述检测图像区域和所述预测图像区域中的人脸关键点、所述检测图像区域和所述预测图像区域的图像质量以及所述检测图像区域和所述预测图像区域的分类结果确定所述检测图像区域和所述预测图像区域是否为人脸图像。
6.一种确定人脸对象的识别图像的装置,其特征在于,包括:
获取模块,用于获取监控设备在预设时间段内拍摄得到的待处理视频,所述待处理视频包括N帧图像,N大于等于2;
检测模块,用于针对第一图像,若所述第一图像为检测帧图像,则对所述第一图像进行人脸检测,确定所述第一图像中各人脸对象对应的检测图像区域;若所述第一图像为预测帧图像,则根据第二图像中的各人脸对象对应的图像区域,预测所述各人脸对象在所述第一图像中对应的预测图像区域;所述第一图像是所述N帧图像中的任一个,所述第二图像是所述第一图像相邻的图像且已检测出或预测出人脸对象对应的图像区域;
识别模块,用于确定所述检测图像区域和所述预测图像区域是否为人脸图像;
处理模块,用于根据同一人脸对象的已确定为人脸图像的检测图像信息区域和预测图像区域,确定所述人脸对象的识别图像。
7.如权利要求6所述的装置,其特征在于,所述检测模块具体用于:
针对所述第二图像中的任一人脸对象对应的图像区域,从所述第一图像中确定出与所述人脸对象对应的图像区域的相似度大于预设阈值的图像区域,作为所述人脸对象在所述第一图像中对应的预测图像区域。
8.如权利要求7所述的装置,其特征在于,所述识别模块具体用于:
检测所述检测图像区域和所述预测图像区域中的人脸关键点;
根据所述人脸关键点确定所述检测图像区域和所述预测图像区域是否为人脸图像。
9.如权利要求6所述的装置,其特征在于,所述识别模块具体用于:
采用人脸分类器确定所述检测图像区域和所述预测图像区域是否为人脸图像,所述人脸分类器是以预选标记类别的图像为训练样本,对人工神经网络进行训练后确定的。
10.如权利要求6所述的装置,其特征在于,所述识别模块具体用于:
检测所述检测图像区域和所述预测图像区域中的人脸关键点及图像质量;
将所述检测图像区域和所述预测图像区域分别输入人脸分类器,确定所述检测图像区域和所述预测图像区域的分类结果,所述人脸分类器是以预选标记类别的图像为训练样本,对人工神经网络进行训练后确定的;
根据所述检测图像区域和所述预测图像区域中的人脸关键点、所述检测图像区域和所述预测图像区域的图像质量以及所述检测图像区域和所述预测图像区域的分类结果确定所述检测图像区域和所述预测图像区域是否为人脸图像。
11.一种确定人脸对象的识别图像的设备,其特征在于,包括至少一个处理单元、以及至少一个存储单元,其中,所述存储单元存储有计算机程序,当所述程序被所述处理单元执行时,使得所述处理单元执行权利要求1~5任一权利要求所述方法的步骤。
12.一种计算机可读介质,其特征在于,其存储有可由确定人脸对象的识别图像的设备执行的计算机程序,当所述程序在确定人脸对象的识别图像的设备上运行时,使得所述确定人脸对象的识别图像的设备执行权利要求1~5任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641312.5A CN109800675A (zh) | 2018-12-29 | 2018-12-29 | 一种确定人脸对象的识别图像的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641312.5A CN109800675A (zh) | 2018-12-29 | 2018-12-29 | 一种确定人脸对象的识别图像的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109800675A true CN109800675A (zh) | 2019-05-24 |
Family
ID=66558240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811641312.5A Withdrawn CN109800675A (zh) | 2018-12-29 | 2018-12-29 | 一种确定人脸对象的识别图像的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109800675A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321849A (zh) * | 2019-07-05 | 2019-10-11 | 腾讯科技(深圳)有限公司 | 图像数据处理方法、装置以及计算机可读存储介质 |
CN112016413A (zh) * | 2020-08-13 | 2020-12-01 | 南京领行科技股份有限公司 | 对象间异常行为的检测方法及装置 |
CN112232175A (zh) * | 2020-10-13 | 2021-01-15 | 南京领行科技股份有限公司 | 一种操作对象状态识别方法及装置 |
CN112954451A (zh) * | 2021-02-05 | 2021-06-11 | 广州市奥威亚电子科技有限公司 | 视频人物添加信息的方法、装置、设备及存储介质 |
-
2018
- 2018-12-29 CN CN201811641312.5A patent/CN109800675A/zh not_active Withdrawn
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321849A (zh) * | 2019-07-05 | 2019-10-11 | 腾讯科技(深圳)有限公司 | 图像数据处理方法、装置以及计算机可读存储介质 |
CN110321849B (zh) * | 2019-07-05 | 2023-12-22 | 腾讯科技(深圳)有限公司 | 图像数据处理方法、装置以及计算机可读存储介质 |
CN112016413A (zh) * | 2020-08-13 | 2020-12-01 | 南京领行科技股份有限公司 | 对象间异常行为的检测方法及装置 |
CN112016413B (zh) * | 2020-08-13 | 2022-06-07 | 南京领行科技股份有限公司 | 对象间异常行为的检测方法及装置 |
CN112232175A (zh) * | 2020-10-13 | 2021-01-15 | 南京领行科技股份有限公司 | 一种操作对象状态识别方法及装置 |
CN112232175B (zh) * | 2020-10-13 | 2022-06-07 | 南京领行科技股份有限公司 | 一种操作对象状态识别方法及装置 |
CN112954451A (zh) * | 2021-02-05 | 2021-06-11 | 广州市奥威亚电子科技有限公司 | 视频人物添加信息的方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807385B (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN109800675A (zh) | 一种确定人脸对象的识别图像的方法及装置 | |
CN109697416B (zh) | 一种视频数据处理方法和相关装置 | |
CN109035246B (zh) | 一种人脸的图像选择方法及装置 | |
CN108038176B (zh) | 一种路人库的建立方法、装置、电子设备及介质 | |
CN109740517A (zh) | 一种确定待识别对象的方法及装置 | |
CN103617432A (zh) | 一种场景识别方法及装置 | |
CN109800679A (zh) | 一种确定待识别对象的属性信息的方法及装置 | |
CN109815842A (zh) | 一种确定待识别对象的属性信息的方法及装置 | |
CN109710780A (zh) | 一种归档方法及装置 | |
CN109783685A (zh) | 一种查询方法及装置 | |
CN111507278B (zh) | 一种检测路障的方法、装置及计算机设备 | |
CN109815370A (zh) | 一种归档方法及装置 | |
CN109784368A (zh) | 一种应用程序分类的确定方法和装置 | |
CN109903172A (zh) | 理赔信息提取方法和装置、电子设备 | |
CN109344824A (zh) | 一种文本行区域检测方法、装置、介质和电子设备 | |
CN113420675A (zh) | 一种口罩佩戴规范度的检测方法及装置 | |
CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
CN106682590B (zh) | 一种监控业务的处理方法以及服务器 | |
CN109784238A (zh) | 一种确定待识别对象的方法及装置 | |
CN112101135A (zh) | 一种运动目标检测方法、装置及终端设备 | |
CN108898617A (zh) | 一种目标对象的跟踪方法和装置 | |
CN109800685A (zh) | 一种视频中对象的确定方法及装置 | |
CN109783663B (zh) | 一种归档方法及装置 | |
CN109800678A (zh) | 一种视频中对象的属性确定方法及装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190524 |