CN109815298B - 一种人物关系网确定方法、装置及存储介质 - Google Patents
一种人物关系网确定方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109815298B CN109815298B CN201910082085.5A CN201910082085A CN109815298B CN 109815298 B CN109815298 B CN 109815298B CN 201910082085 A CN201910082085 A CN 201910082085A CN 109815298 B CN109815298 B CN 109815298B
- Authority
- CN
- China
- Prior art keywords
- character
- relationship
- relation
- submodels
- person
- 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
- Processing Or Creating Images (AREA)
Abstract
本发明实施例公开了人物关系网确定方法、装置及存储介质,应用于信息处理技术领域。在本实施例的方法中,人物关系网确定装置会根据多个人脸图像获取多个人物的人物信息,然后根据这些人物信息建立人物关系模型,以表示各个人物之间的关系信息,最后再根据人物关系模型确定至少一个人物关系组合,即人物圈子。这样通过多个人脸图像就可以得到这些人脸图像中各个人物的人物关系组合,而不需要去获取每个人的相关信息,也不需要人工操作,比较简单,且扩展性比较强。
Description
技术领域
本发明涉及信息处理技术领域,特别涉及一种人物关系网确定方法、装置及存储介质。
背景技术
人物关系网可以包括用户的朋友圈子,圈子内包含用户的不同好友们,例如同事圈子,或家人圈子等,可以应用于很多应用中,比如,信息推荐或信息共享的应用场景中,因此,确定某一用户的人物关系网成为一个重要且关键的技术。
现有技术中,在确定人物关系网时,主要是先获取各个用户的终端设备之间的交互信息,及用户在某些系统中的注册信息等相关信息,并根据这些信息确定人物关系网;或者是用户通过终端设备对其它用户进行划分,从而根据用户的划分确定人物关系网。
发明内容
本发明实施例提供一种人物关系网确定方法、装置及存储介质,实现了根据多个人脸图像确定至少一个人物关系组合。
本发明实施例一方面提供一种人物关系网确定方法,包括:
获取多个人脸图像;
根据所述多个人脸图像,获取多个人物的人物信息;
根据所述多个人物的人物信息,建立所述多个人物的人物关系模型,所述人物关系模型用于指示各个人物之间的关系信息;
根据所述人物关系模型,确定所述多个人脸图像所包含人物的至少一个人物关系组合。
本发明实施例另一方面还提供一种人物关系网确定装置,包括:
图像获取单元,用于获取多个人脸图像;
人物信息获取单元,用于根据所述多个人脸图像,获取多个人物的人物信息;
模型建立单元,用于根据所述多个人物的人物信息,建立所述多个人物的人物关系模型,所述人物关系模型用于指示各个人物之间的关系信息;
组合确定单元,用于根据所述人物关系模型,确定所述多个人脸图像所包含人物的至少一个人物关系组合。
本发明实施例另一方面还提供一种存储介质,所述存储介质储存多条指令,所述指令适于由处理器加载并执行如本发明实施例上述所述的人物关系网确定方法。
可见,在本实施例的方法中,人物关系网确定装置会根据多个人脸图像获取多个人物的人物信息,然后根据这些人物信息建立人物关系模型,以表示各个人物之间的关系信息,最后再根据人物关系模型确定至少一个人物关系组合,即人物圈子。这样通过多个人脸图像就可以得到这些人脸图像中各个人物的人物关系组合,而不需要去获取每个人的相关信息,也不需要人工操作,比较简单,且不会受到获取相关信息的限制,只需要能获取到人脸图像即可得到人物关系组合,扩展性比较强。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种人物关系网确定方法的示意图;
图2是本发明一个实施例提供的一种人物关系网确定方法的流程图;
图3是本发明一个实施例中人物关系模型的示意图;
图4是本发明一个实施例中确定人物关系组合的流程图;
图5是本发明应用实施例中人物关系网确定方法的示意图;
图6是本发明应用实施例中确定人物关系子模型的流程图;
图7是本发明应用实施例中确定的人物关系组合的示意图;
图8是本发明实施例提供的一种人物关系网确定装置的结构示意图;
图9是本发明实施例提供的一种终端设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排它的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供一种人物关系网确定方法,参考图1所示,主要是人物关系网确定装置通过如下的步骤来实现:
获取多个人脸图像;根据所述多个人脸图像,获取多个人物(图1中以)的人物信息;根据所述多个人物的人物信息,建立所述多个人物的人物关系模型,所述人物关系模型用于指示各个人物之间的关系信息;根据所述人物关系模型,确定所述多个人脸图像所包含人物的至少一个人物关系组合。
这里的人物关系网确定装置可以应用终端,也可以是后台的服务器等设备,在这里不进行限定。
这样通过多个人脸图像就可以得到这些人脸图像中各个人物的人物关系组合,而不需要去获取每个人的相关信息,也不需要人工操作,比较简单,且不会受到获取相关信息的限制,只需要能获取到人脸图像即可得到人物关系组合,扩展性比较强。
本发明实施例提供一种人物关系网确定方法,主要是由上述的人物关系网确定装置所执行的方法,流程图如图2所示,包括:
步骤101,获取多个人脸图像。
可以理解,在一种情况下,本发明实施例中人物关系网确定的功能可以设置于任意的应用终端(比如即时通信的用户空间等)中,这时,人物关系网确定装置具体为应用终端,这样,用户可以通过直接操作人物关系网确定装置,开启人物关系网确定的功能,以触发本实施例的流程,这样,人物关系网确定装置会获取本地存储的图像,并选取图像中包含人脸的图像,即人脸图像。
在另一种情况下,本发明实施例中人物关系网确定的功能可以设置于任意的服务器中,这时,人物关系网确定装置具体为服务器,这样用户可以通过操作该服务器对应的应用终端,向服务器发送人物关系网确定请求,以触发服务器执行本实施例的流程,这样,人物关系网确定装置会获取用户通过应用终端上传的图像,并选择图像中的人脸图像。
需要说明的是,为了实现本实施例中通过人脸识别的方法确定人物关系网,本步骤中获取的多个人脸图像中,需要至少一个人脸图像中包含多个人脸的图像,且每个人脸图像中包含的人脸尽量在2到5个。
另外,需要说明的是,人物关系网确定装置在获取多个人脸图像后,可以直接执行如下步骤102到104,也可以先对多个人脸图像进行预处理,并针对多个预处理后的人脸图像,执行如下步骤102到104。其中,对人脸图像的预处理可以包括但不限于至少一个如下的操作:滤波,图像增强,和去掉清晰度较小(比如小于某一值)的图像等。
步骤102,根据多个人脸图像,获取多个人物的人物信息,其中,一个人脸图像中可以包括一个或多个人物,且一个人物对应一个人脸,而不同人脸图像之间可以包括相同的人物。
具体地,人物关系网确定装置可以先分别对多个人脸图像进行人脸识别,得到每个人脸图像中所包含人脸的人脸特征,其中,如果一个人脸图像中包含多个人脸,则会分别得到每个人脸的人脸特征;然后再根据每个人脸图像中所包含人脸的人脸特征,对多个人脸图像中所包含的人脸进行标识;最后根据各个人脸图像中所包含人脸的人脸标识,统计每个人脸标识对应人物的人物信息。
其中,在对人脸进行标识,对不同人脸图像中同一人物的人脸标识为同一信息,比如标识为该人物的名字,或随机数字等信息,在这个过程中,就需要确认不同人脸图像之间的某些人脸是否为同一人物的人脸,如果是,则将这些人脸标识为同一人脸标识,如果不是,则将这些人脸标识为不同的人脸标识。具体地,如果两个人脸的人脸特征之间的相似度如果大于某一阈值,则可以确定这两个人脸属于同一人物。
这里,某一人物的人物信息可以包括:该人物出现在人脸图像中的次数;该人物所在人脸图像的人脸个数;该人物与哪些人物出现在同一人脸图像中;该人物分别与其他人物出现在同一人脸图像中的出现次数等信息。
另外,需要说明的是,人物关系网确定装置在执行了步骤102后,可以直接执行如下步骤103和104;也可以先删除某些人物的人物信息后,再针对删除后的人物信息,执行如下步骤103和104,这样,简化了之后的计算过程。其中删除某些人物的人物信息可以包括:删除某些集体合照中某些人物的人物信息,具体地,如果某一人物出现在人脸图像的次数小于第一预置值,且该人物所在人脸图像中的人脸个数大于第二预置值,则会将该人物的人物信息删除。
例如,某人在参加某次活动时,拍摄了工作人员的集体合照,并储存到该人的手机中,而集体合照中并不是每个人都能和该人手机中其它人脸图像中的人物构成一个人物关系组合,这里,就可以删除这些人物的人物信息,从而减少之后的计算,也不会对结果造成什么影响。
步骤103,根据多个人物的人物信息,建立多个人物的人物关系模型,人物关系模型用于指示各个人物之间的关系信息。
具体地,人物关系网确定装置可以将上述多个人物中每个人物作为一个节点,将多个人物中的每个人物作为一个节点,确定任意两个节点之间的关系为:任意两个节点分别表示的两个人物出现在同一人脸图像中的出现次数。
例如图3所示为建立的一种人物关系模型,其中包括:节点A到节点G,每个节点分别表示一个人物,如果两个节点之间有直接连线(称为边),说明这两个节点分别表示的两个人物出现在同一人脸图像中的出现次数大于0,比如节点A与节点B等;如果两个节点之间没有边,说明这两个节点分别表示的两个人物出现在同一人脸图像中的出现次数为0,比如节点G与节点F等。
步骤104,根据人物关系模型,确定多个人脸图像所包含人物的至少一个人物关系组合,每个人物关系组合中可以包括具有一定关系的一类人物,比如同事圈的多个人物,家人圈的多个人物等。
具体地,人物关系网确定装置可以通过如下步骤来确定至少一个人物关系组合,流程图如图4所示,包括:
A、先根据人物关系模型,确定多个人物关系子模型,每个人物关系子模型中任意两个节点之间都具有直接关系,且多个人物关系子模型中任意两个人物关系子模型之间不具有包含关系。其中,确定的人物关系子模型都包含在上述的人物关系模型中。
其中,一个人物关系子模型中可以包括n个节点,n为大于或等于3的自然数,且n个节点中每个节点分别与n个节点中该节点之外的其它n-1个节点之间都具有直接关系,即任意一个节点与另一个节点分别所表示的人物出现在同一人脸图像中的出现次数大于0。例如,图3中的节点B、节点C、节点D和节点F就可以构成一个人物关系子模型;而节点A、节点B、节点G和节点H中,由于节点B与节点G之间不具有直接关系,则不能构成一个人物关系子模型。
进一步地,任意两个人物关系子模型之间可以共享节点,但是一个人物关系子模型中的所有人物关系不能完全包含在另一个人物关系子模型中。例如,节点A、节点B和节点C组成的一个人物关系子模型,与节点B、节点C和节点D组成的另一个人物关系子模型之间不具有包含关系;而节点B、节点C和节点F组成的一个人物关系子模型,包含于节点B、节点C、节点F和节点D组成的另一个人物关系子模型中。
B、然后根据多个人物关系子模型,确定多个人脸图像所包含人物的至少一个人物关系组合。
在根据人物关系子模型确定至少一个人物关系组合时,人物关系网确定装置可以直接将每个人物关系子模型中所包括节点所表示的人物作为一个人物关系组合;也可以通过如下的步骤来确定人物关系组合,还可以通过其它的方式来确定,在此不进行赘述:
B1、根据多个人物关系子模型,建立子模型矩阵,子模型矩阵中某一元素用于指示任意两个人物关系子模型之间共享节点的个数。
例如,上述步骤A得到6个人物关系子模型1到6,在建立子模型矩阵时,则某一元素Rij可以为人物关系子模型i与人物关系子模型j之间共享节点的个数,其中,i和j都是1到6之间的自然数。具体可以通过如下表1所示:
表1
B2、根据预置的策略,选择子模型矩阵中的某些元素,将某些元素所涉及的人物关系子模型中节点所表示的人物组成一个人物关系组合。
具体地,可以先对子模型矩阵进行预处理,然后再选择预处理后子模型矩阵中的某些元素,比如,将子模型矩阵中对角线上的元素中,小于K的元素置为0,K为等于或大于3的自然数;将子模型矩阵中非对角线上的元素中,小于K-1的元素置为0;将子模型矩阵中大于0的元素置为1,并选择元素值为1的元素。
例如,设置K为3,对上述表1中所示的子模型矩阵进行预处理可以得到如下表2所示的预处理后的子模型矩阵:
表2
子模型1 | 子模型2 | 子模型3 | 子模型4 | 子模型5 | 子模型6 | |
子模型1 | 1 | 1 | 0 | 1 | 0 | 0 |
子模型2 | 1 | 1 | 0 | 0 | 0 | 0 |
子模型3 | 0 | 0 | 1 | 0 | 0 | 0 |
子模型4 | 1 | 0 | 0 | 1 | 0 | 0 |
子模型5 | 0 | 0 | 0 | 0 | 0 | 0 |
子模型6 | 0 | 0 | 0 | 0 | 0 | 0 |
这样,可以将元素R12或元素R21所涉及的子模型1与子模型2中所有节点所表示的人物组成一个人物关系组合,也可以将元素R14或元素R41所涉及的子子模型1与子模型4中所有节点所表示的人物组成一个人物关系组合等。
需要说明的是,当人物关系网确定装置得到至少一个人物关系组合后,可以对应地储存人物关系组合的标识信息及人物关系组合中各个人物的人脸标识,且还可以将人脸标识与人脸图像中对应人脸进行关联。这样,人物关系网还可以展示各个人物关系组合的信息,用户可以选择查看某一人物关系组合,这样人物关系网确定装置会将该人物关系组合中各个人物的人脸图像进行逐一展示。
可见,在本实施例的方法中,人物关系网确定装置会根据多个人脸图像获取多个人物的人物信息,然后根据这些人物信息建立人物关系模型,以表示各个人物之间的关系信息,最后再根据人物关系模型确定至少一个人物关系组合,即人物圈子。这样通过多个人脸图像就可以得到这些人脸图像中各个人物的人物关系组合,而不需要去获取每个人的相关信息,也不需要人工操作,比较简单,且不会受到获取相关信息的限制,只需要能获取到人脸图像即可得到人物关系组合,扩展性比较强。
以下一个具体的应用实例来说明本发明中的人物关系网确定方法,本实施例中的人物关系网确定装置具体为应用终端,示意图可以如图5所示,包括:
步骤201,用户可以操作应用终端,使得应用终端启动人物关系网确定的功能,这样应用终端会获取本地存储中的图像,并选取其中的多个人脸图像。
步骤202,应用终端会获取每个人脸图像中每个人脸的人脸特征,然后根据获取的人脸特征对人脸图像中包含的人脸进行标识,即将各个人脸图像中相同人物的人脸标识为同一信息。
步骤203,应用终端根据各个人脸图像中人脸的人脸标识,统计各个人物的人物信息。
步骤204,应用终端根据多个人物的人物信息,建立多个人物的人物关系模型,具体地建立的人物关系模型可以如图3所示,在此不进行赘述。
步骤205,应用终端根据人物关系模型,确定多个人物关系子模型,其中,每个人物关系子模型中任意两个节点之间都具有直接关系,且多个人物关系子模型中任意两个人物关系子模型之间不具有包含关系。
具体地,应用终端可以按照如下的步骤来确定人物关系子模型,流程图如图6所示,包括:
(1)应用终端会确定人物关系模型中包括的多个初始人物关系子模型,每个初始人物关系子模型中都包括两个具有直接关系的节点;且设置查询级别J为2。
(2)应用终端会在多个初始人物关系子模型中随机选择一对初始人物关系子模型,剩余的初始人物关系子模型组成未循环池。
(3)应用终端将这对初始人物关系子模型中的两个初始人物关系子模型进行比较,确定这两个初始人物关系子模型中是否共享J-1个节点,如果是,则继续执行步骤(4);如果不是,则针对另外一对初始人物关系子模型,返回执行步骤(3)。
其中,另外一对初始人物关系子模型中某一个初始人物关系子模型可以从未循环池中选择,而另外一个初始人物关系子模型可以为上述步骤(2)中随机选择的一对初始人物关系子模型中的某一个初始人物关系子模型。例如,上述选择的一对初始人物关系子模型为初始人物关系子模型1和2,则另外一对初始人物关系子模型为初始人物关系子模型2和3。
或者,另外一对初始人物关系子模型都是从未循环池中选择。
(4)应用终端判断两个初始人物关系子模型中非共享的2个节点之间是否具有直接关系,如果不具有,则针对多个初始人物关系子模型中其它两个初始人物关系子模型,返回执行步骤(3);如果具有,则继续执行步骤(5)。
(5)应用终端将两个初始人物关系子模型组合形成新的初始人物关系子模型,并加入未循环池中,以执行步骤(3)到(4)的流程;且应用终端还会更新上述设置的查询级别J,具体地,将J加1。
(6)应用终端判断更新后的查询级别J是否超过上述人物关系子模型中包括的节点数目,如果是,则结束流程;如果不是,则针对多个初始人物关系子模型中其它两个初始人物关系子模型,执行步骤(3)。
步骤206,应用终端根据多个人物关系子模型,建立子模型矩阵,子模型矩阵中某一元素用于指示任意两个人物关系子模型之间共享节点的个数,具体可以如上述表1所示。
步骤207,应用终端按照一定的策略对上述建立的子模型矩阵进行预处理,可以得到如上述表2所示的预处理后的矩阵,然后选择元素值为1的元素。
步骤208,应用终端将选择的每个元素所涉及的人物关系子模型中节点所表示的人物组成一个人物关系组合,即人物圈子。
例如图7所示,为3个人物关系组合,即同事圈子、家人圈子和朋友圈子,这些人物关系组合中,任意两个人物关系组合之间都会共享节点,即具有相同的人物。
可见,人物关系组合的生成,能够提升应用终端对于本地图像的理解,从而从宏观的角度得知应用终端的用户的人物关系;且对于一些本地图像的推荐,会有很大的帮助。在数据测试方面,通过对3500多张人脸图像,采取本发明实施例的人物关系网确定方法,取得了87%的准确率,且效果和速度也表现的不错。
本发明实施例还提供一种人物关系网确定装置,其结构示意图如图8所示,具体可以包括:
图像获取单元10,用于获取多个人脸图像。
人物信息获取单元11,用于根据所述图像获取单元10获取的多个人脸图像获取多个人物的人物信息。
该人物信息获取单元11,具体用于分别对所述多个人脸图像进行人脸识别,得到每个人脸图像中所包含人脸的人脸特征;根据所述每个人脸图像中所包含人脸的人脸特征,对所述多个人脸图像中所包含的人脸进行标识;根据各个人脸图像中所包含人脸的人脸标识,统计每个人脸标识对应人物的人物信息。
模型建立单元12,用于根据所述人物信息获取单元11获取的多个人物的人物信息,建立所述多个人物的人物关系模型,所述人物关系模型用于指示各个人物之间的关系信息。
该模型建立单元12,具体用于如果所述人物的人物信息中包括所述人物分别与其他人物出现在同一人脸图像中的出现次数,则将所述多个人物中的每个人物作为一个节点;确定任意两个节点之间的关系为:所述任意两个节点分别表示的两个人物出现在同一人脸图像中的出现次数。
组合确定单元13,用于根据所述模型建立单元12建立的人物关系模型,确定所述多个人脸图像所包含人物的至少一个人物关系组合。
该组合确定单元13,具体用于根据所述人物关系模型,确定多个人物关系子模型,其中,每个人物关系子模型中任意两个节点之间都具有直接关系,且所述多个人物关系子模型中任意两个人物关系子模型之间不具有包含关系;根据所述多个人物关系子模型,确定所述多个人脸图像所包含人物的至少一个人物关系组合。
其中,组合确定单元13在根据所述多个人物关系子模型,确定所述多个人脸图像所包含人物的至少一个人物关系组合时,具体用于根据所述多个人物关系子模型,建立子模型矩阵,所述子模型矩阵中某一元素用于指示任意两个人物关系子模型之间共享节点的个数;根据预置的策略,选择所述子模型矩阵中的某些元素,将所述某些元素所涉及的人物关系子模型中节点所表示的人物组成一个人物关系组合。
其中,组合确定单元13在根据预置的策略,选择所述子模型矩阵中的某些元素时,具体用于将所述子模型矩阵中对角线上的元素中,小于K的元素置为0,所述K为等于或大于3的自然数;将所述子模型矩阵中非对角线上的元素中,小于K-1的元素置为0;将所述子模型矩阵中大于0的元素置为1,并选择大于1的元素。
进一步地,人物关系网确定装置还可以包括:删除单元14,用于如果所述各个人物的人物信息中包括所述人物出现在所述人脸图像的次数及所述人物所在人脸图像的人脸个数;则删除所述各个人物中某些人物的人物信息;这样,上述模型建立单元12会根据删除单元14删除后的人物信息,建立所述各个人物的人物关系模型。
该删除单元14,具体用于如果某一人物出现在所述人脸图像的次数小于第一预置值,且所述某一人物所在人脸图像的人脸个数大于第二预置值,则将所述某一人物的人物信息删除。
在本实施例的人物关系网确定装置中,人物信息获取单元11会根据多个人脸图像获取多个人物的人物信息,然后模型建立单元12根据这些人物信息建立人物关系模型,以表示各个人物之间的关系信息,最后组合确定单元13再根据人物关系模型确定至少一个人物关系组合,即人物圈子。这样通过多个人脸图像就可以得到这些人脸图像中各个人物的人物关系组合,而不需要去获取每个人的相关信息,也不需要人工操作,比较简单,且不会受到获取相关信息的限制,只需要能获取到人脸图像即可得到人物关系组合,扩展性比较强。
本发明实施例还提供一种终端设备,其结构示意图如图9所示,该终端设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(centralprocessing units,CPU)20(例如,一个或一个以上处理器)和存储器21,一个或一个以上存储应用程序221或数据222的存储介质22(例如一个或一个以上海量存储设备)。其中,存储器21和存储介质22可以是短暂存储或持久存储。存储在存储介质22的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对终端设备中的一系列指令操作。更进一步地,中央处理器20可以设置为与存储介质22通信,在终端设备上执行存储介质22中的一系列指令操作。
具体地,在存储介质22中储存的应用程序221包括人物关系网确定的应用程序,且该程序可以包括上述人物关系网确定装置中的图像获取单元10,人物信息获取单元11,模型建立单元12,组合确定单元13和删除单元14,在此不进行赘述。更进一步地,中央处理器20可以设置为与存储介质22通信,在终端设备上执行存储介质22中储存的人物关系网确定的应用程序对应的一系列操作。
终端设备还可以包括一个或一个以上电源23,一个或一个以上有线或无线网络接口24,一个或一个以上输入输出接口25,和/或,一个或一个以上操作系统223,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
上述方法实施例中所述的由人物关系网确定装置所执行的步骤可以基于该图9所示的终端设备的结构。
本发明实施例还提供一种存储介质,所述存储介质储存多条指令,所述指令适于由处理器加载并执行如上述人物关系网确定装置所执行的人物关系网确定方法。
本发明实施例还提供一种终端设备,包括处理器和存储介质,所述处理器,用于实现各个指令;所述存储介质用于储存多条指令,所述指令用于由处理器加载并执行如上述人物关系网确定装置所执行的人物关系网确定方法。
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介质中,存储介质可以包括:只读存储器(ROM)、随机存取存储器RAM)、磁盘或光盘等。
以上对本发明实施例所提供的人物关系网确定方法、装置及存储介质进行了详细介绍,本文中应用了具体个例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,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发明的限制。
Claims (8)
1.一种人物关系网确定方法,其特征在于,包括:
获取多个人脸图像;
根据所述多个人脸图像,获取多个人物的人物信息;
根据所述多个人物的人物信息,建立所述多个人物的人物关系模型,所述人物关系模型用于指示各个人物之间的关系信息;
根据所述人物关系模型,确定所述多个人脸图像所包含人物的至少一个人物关系组合;
其中,所述根据所述人物关系模型,确定所述多个人脸图像所包含人物的至少一个人物关系组合,具体包括:
根据所述人物关系模型,确定多个人物关系子模型,其中,每个人物关系子模型中任意两个节点之间都具有直接关系,且所述多个人物关系子模型中任意两个人物关系子模型之间不具有包含关系;
根据所述多个人物关系子模型,建立子模型矩阵,所述子模型矩阵中某一元素用于指示任意两个人物关系子模型之间共享节点的个数;
根据预置的策略,选择所述子模型矩阵中的某些元素,将所述某些元素所涉及的人物关系子模型中节点所表示的人物组成一个人物关系组合;
其中,所述根据所述人物关系模型,确定多个人物关系子模型,具体包括:确定所述人物关系模型中包括的多个初始人物关系子模型,每个初始人物关系子模型中都包括两个具有直接关系的节点;在所述多个初始人物关系子模型中选择一对初始人物关系子模型,剩余的初始人物关系子模型组成未循环池,当所述一对初始人物关系子模型共享J-1个节点,且所述一对初始人物关系子模型非共享的两个节点之间具有直接关系,将所述一对初始人物关系子模型组合形成新的初始人物关系子模型,并加入未循环池中;更新所述J,并针对所述多个初始人物关系子模型中其它两个初始人物关系子模型,返回执行所述选择一对初始人物关系子模型的步骤;所述J为大于1的自然数。
2.如权利要求1所述的方法,其特征在于,所述根据所述多个人脸图像,获取各个人物的人物信息,具体包括:
分别对所述多个人脸图像进行人脸识别,得到每个人脸图像中所包含人脸的人脸特征;
根据所述每个人脸图像中所包含人脸的人脸特征,对所述多个人脸图像中所包含的人脸进行标识;
根据各个人脸图像中所包含人脸的人脸标识,统计每个人脸标识对应人物的人物信息。
3.如权利要求1所述的方法,其特征在于,所述各个人物的人物信息中包括所述人物出现在所述人脸图像的次数及所述人物所在人脸图像的人脸个数;则所述根据所述多个人脸图像,获取各个人物的人物信息之后,所述方法还包括:
删除所述各个人物中某些人物的人物信息;
则所述根据所述各个人物的人物信息,建立所述各个人物的人物关系模型,具体包括:根据删除后的人物信息,建立所述各个人物的人物关系模型。
4.如权利要求3所述的方法,其特征在于,所述删除所述各个人物中某些人物的人物信息,具体包括:
如果某一人物出现在所述人脸图像的次数小于第一预置值,且所述某一人物所在人脸图像的人脸个数大于第二预置值,则将所述某一人物的人物信息删除。
5.如权利要求1至4任一项所述的方法,其特征在于,所述人物的人物信息中包括所述人物分别与其他人物出现在同一人脸图像中的出现次数,则所述根据所述各个人物的人物信息,建立所述各个人物的人物关系模型,具体包括:
将所述多个人物中的每个人物作为一个节点;
确定任意两个节点之间的关系为:所述任意两个节点分别表示的两个人物出现在同一人脸图像中的出现次数。
6.如权利要求1所述的方法,其特征在于,所述根据预置的策略,选择所述子模型矩阵中的某些元素,具体包括:
将所述子模型矩阵中对角线上的元素中,小于K的元素置为0,所述K为等于或大于3的自然数;
将所述子模型矩阵中非对角线上的元素中,小于K-1的元素置为0;
将所述子模型矩阵中大于0的元素置为1,并选择元素值为1的元素。
7.一种人物关系网确定装置,其特征在于,包括:
图像获取单元,用于获取多个人脸图像;
人物信息获取单元,用于根据所述多个人脸图像,获取多个人物的人物信息;
模型建立单元,用于根据所述多个人物的人物信息,建立所述多个人物的人物关系模型,所述人物关系模型用于指示各个人物之间的关系信息;
组合确定单元,用于根据所述人物关系模型,确定所述多个人脸图像所包含人物的至少一个人物关系组合;
所述组合确定单元,具体用于根据所述人物关系模型,确定多个人物关系子模型,其中,每个人物关系子模型中任意两个节点之间都具有直接关系,且所述多个人物关系子模型中任意两个人物关系子模型之间不具有包含关系;
根据所述多个人物关系子模型,建立子模型矩阵,所述子模型矩阵中某一元素用于指示任意两个人物关系子模型之间共享节点的个数;
根据预置的策略,选择所述子模型矩阵中的某些元素,将所述某些元素所涉及的人物关系子模型中节点所表示的人物组成一个人物关系组合;
其中,所述根据所述人物关系模型,确定多个人物关系子模型,具体包括:确定所述人物关系模型中包括的多个初始人物关系子模型,每个初始人物关系子模型中都包括两个具有直接关系的节点;在所述多个初始人物关系子模型中选择一对初始人物关系子模型,剩余的初始人物关系子模型组成未循环池,当所述一对初始人物关系子模型共享J-1个节点,且所述一对初始人物关系子模型非共享的两个节点之间具有直接关系,将所述一对初始人物关系子模型组合形成新的初始人物关系子模型,并加入未循环池中;更新所述J,并针对所述多个初始人物关系子模型中其它两个初始人物关系子模型,返回执行所述选择一对初始人物关系子模型的步骤;所述J为大于1的自然数。
8.一种存储介质,其特征在于,所述存储介质储存多条指令,所述指令适于由处理器加载并执行如权利要求1至6任一项所述的人物关系网确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910082085.5A CN109815298B (zh) | 2019-01-28 | 2019-01-28 | 一种人物关系网确定方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910082085.5A CN109815298B (zh) | 2019-01-28 | 2019-01-28 | 一种人物关系网确定方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109815298A CN109815298A (zh) | 2019-05-28 |
CN109815298B true CN109815298B (zh) | 2021-01-08 |
Family
ID=66605535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910082085.5A Active CN109815298B (zh) | 2019-01-28 | 2019-01-28 | 一种人物关系网确定方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109815298B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210191975A1 (en) * | 2019-12-20 | 2021-06-24 | Juwei Lu | Methods and systems for managing image collection |
CN111506825A (zh) * | 2020-03-12 | 2020-08-07 | 浙江工业大学 | 一种基于社交照片的人物关系可视分析方法 |
CN111737596B (zh) * | 2020-08-21 | 2020-12-11 | 腾讯科技(深圳)有限公司 | 人际关系图谱的处理方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880697A (zh) * | 2012-09-21 | 2013-01-16 | 香港中文大学深圳研究院 | 人地关系网络模型及数据处理方法 |
CN105912579A (zh) * | 2016-04-01 | 2016-08-31 | 东软集团股份有限公司 | 一种人物关系图谱的生成方法及装置 |
CN109002458A (zh) * | 2017-05-30 | 2018-12-14 | 柯尼卡美能达株式会社 | 人物关系图提供装置以及人物关系图提供系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833569A (zh) * | 2010-04-08 | 2010-09-15 | 中国科学院自动化研究所 | 一种对电影人脸图像进行自动标识的方法 |
KR101749603B1 (ko) * | 2015-08-04 | 2017-06-21 | 백경호 | 사진 정보와 회원 정보를 이용한 통합적 사진 정보 관리 시스템, 사진 관리 방법 및 이를 이용한 사회관계망 서비스 방법 |
CN107274042A (zh) * | 2016-04-06 | 2017-10-20 | 阿里巴巴集团控股有限公司 | 一种业务参与对象的风险识别方法及装置 |
CN107944052A (zh) * | 2017-12-21 | 2018-04-20 | 联想(北京)有限公司 | 一种电子设备的信息处理方法及电子设备 |
CN108549648B (zh) * | 2018-02-26 | 2020-07-21 | 珠海大横琴科技发展有限公司 | 人物图片处理方法、终端及计算机可读存储介质 |
CN108960043A (zh) * | 2018-05-21 | 2018-12-07 | 东南大学 | 一种用于电子相册管理的人物家庭关系构建方法 |
-
2019
- 2019-01-28 CN CN201910082085.5A patent/CN109815298B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880697A (zh) * | 2012-09-21 | 2013-01-16 | 香港中文大学深圳研究院 | 人地关系网络模型及数据处理方法 |
CN105912579A (zh) * | 2016-04-01 | 2016-08-31 | 东软集团股份有限公司 | 一种人物关系图谱的生成方法及装置 |
CN109002458A (zh) * | 2017-05-30 | 2018-12-14 | 柯尼卡美能达株式会社 | 人物关系图提供装置以及人物关系图提供系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109815298A (zh) | 2019-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109815298B (zh) | 一种人物关系网确定方法、装置及存储介质 | |
CN108733819B (zh) | 一种人员档案建立方法和装置 | |
CN107798354B (zh) | 一种基于人脸图像的图片聚类方法、装置及存储设备 | |
CN106055630A (zh) | 日志存储的方法及装置 | |
CN112132279A (zh) | 卷积神经网络模型压缩方法、装置、设备及存储介质 | |
CN111898592A (zh) | 一种轨迹数据处理方法、装置以及计算机可读存储介质 | |
CN112347363A (zh) | 一种页面生成方法及装置 | |
CN109802859B (zh) | 一种网络图中的节点推荐方法和服务器 | |
CN111127185A (zh) | 信贷欺诈识别模型构建方法及装置 | |
CN113230665A (zh) | 资源分配方法及装置 | |
JP7133085B2 (ja) | データベース更新方法及び装置、電子機器、並びにコンピュータ記憶媒体 | |
CN111159443A (zh) | 一种图像特征值的搜索方法、装置及电子设备 | |
CN111949354A (zh) | 一种页面内容更新方法及装置 | |
CN115563160A (zh) | 数据处理方法、装置、计算机设备和计算机可读存储介质 | |
CN110708355A (zh) | 一种文件上传的方法、系统、设备及可读存储介质 | |
CN110781410A (zh) | 一种社群检测方法及装置 | |
CN115797267A (zh) | 图像质量评估方法、系统、电子设备和存储介质 | |
CN115082999A (zh) | 合影图像人物分析方法、装置、计算机设备和存储介质 | |
CN112433779B (zh) | 基于erp系统的应用站点预加载方法、设备和存储介质 | |
CN115578765A (zh) | 目标识别方法、装置、系统及计算机可读存储介质 | |
CN112669353B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN110124306B (zh) | 一种资源配置信息推荐的方法、装置、设备和介质 | |
CN113407702A (zh) | 员工合作关系强度量化方法、系统、计算机和存储介质 | |
CN108920676B (zh) | 一种处理图数据的方法及系统 | |
CN112257111A (zh) | 动态数值脱敏方法、装置及存储介质 |
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 |