CN109829072A - 构建图谱方法及相关装置 - Google Patents
构建图谱方法及相关装置 Download PDFInfo
- Publication number
- CN109829072A CN109829072A CN201811599565.0A CN201811599565A CN109829072A CN 109829072 A CN109829072 A CN 109829072A CN 201811599565 A CN201811599565 A CN 201811599565A CN 109829072 A CN109829072 A CN 109829072A
- Authority
- CN
- China
- Prior art keywords
- personnel
- information
- relationship
- community
- probability
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种构建图谱方法及相关装置,应用于社区人员关系管理平台的服务器,所述服务器与目标社区内的至少一个摄像头通信连接,包括:通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息;提取所述多个图像信息中的人脸特征信息;根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员;确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合;根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。本申请有利于提高服务器进行构建图谱的智能性和准确性。
Description
技术领域
本申请涉及服务器技术领域,具体涉及构建图谱方法及相关装置。
背景技术
随着智能城市的发展,社区中的人员关系构建为社区管理提供极大的便利。目前的社区人员关系均基于以登记的住户信息,外来人员的信息或者与住户有来往的人员信息无法记录,同时住户来往人员的关系无法确定,这为人员信息的进一步管理带来不便。
发明内容
本申请实施例提供了构建图谱方法及相关装置,有利于提高服务器进行构建图谱的智能性和准确性。
第一方面,本申请实施例提供一种构建图谱方法,应用于社区人员关系管理平台的服务器,所述服务器与目标社区内的至少一个摄像头通信连接,所述方法包括:
通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息;
提取所述多个图像信息中的人脸特征信息;
根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员;
确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合;
根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。
第二方面,本申请实施例提供一种构建图谱装置,应用于社区人员关系管理平台的服务器,所述服务器与目标社区内的至少一个摄像头通信连接,其特征在于,所述构建图谱装置包括采集单元、提取单元、标记单元、确定单元和更新单元,
所述采集单元用于通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息;
所述提取单元,用于提取所述多个图像信息中的人脸特征信息;
所述标记单元,用于根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员;
所述确定单元,用于确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合;
所述更新单元,用于根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。
第三方面,本申请实施例提供一种服务器,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,其中,上述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,上述计算机程序使得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,上述计算机包括电子设备。
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,上述计算机包括电子设备。
可以看出,本申请实施例中,服务器首先通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息,其次,提取所述多个图像信息中的人脸特征信息,再次,根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员,然后,确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合,最后,根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。可见,服务器可通过连接架设于社区内的摄像头,对路过该社区的人员进行人脸抓拍与人脸特征提取并作为身份信息索引,通过分析等技术给出同行者之间的关系概率,实时更新扩充已有的社区关系图谱,实现动态地将陌生人导入社区关系图谱的功能,并能实时对社区关系图谱进行迭代。
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1一种社区人员关系管理平台的结构示意图;
图2A是本申请实施例提供的一种构建图谱方法的流程示意图;
图2B为本申请实施例提供的一种社区关系图谱的示意图;
图3是本申请实施例公开的一种构建图谱方法的流程示意图;
图4是本申请实施例公开的一种构建图谱方法的流程示意图;
图5是本申请实施例公开的一种服务器的结构示意图;
图6是本申请实施例公开的一种构建图谱装置的结构示意图。
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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”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他步骤或单元。
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。
如图1所示,图1是本申请实施例提供的一种社区人员关系管理平台结构示意图,该社区人员关系管理平台100包括:服务器101和摄像头102,服务器101与目标社区内的至少一个摄像头102通信连接。
其中,服务器是提供计算服务的设备。由于服务器需要响应服务请求,并进行处理,因此一般来说服务器应具备承担服务并保障服务的能力。
其中,社区人员关系管理平台100用于管理若干个社区的人员关系,通过摄像头102采集图像,进而确定陌生人与住户之间的关系,自动迭代关系图谱信息,能够方便管理,进一步的对公安收集嫌疑人关系信息时提供重要依据。
其中,所述社区人员管理平台100还可以包括数据库103,用于存储社区人员等资料,服务器101连接上述数据库103,将确定的社区人员及未确定的社区人员形成的社区人员关系图谱上传存储至数据库103。
其中,所述社区人员管理平台100还可以包括报警系统104,上述报警系统104接收到来自服务器101的报警信号后,快速的向公安系统传递信息。
其中,本申请实施例所涉及到的移动终端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(user equipment,UE),移动台(mobile station,MS),终端设备(terminal device)等等。为方便描述,上面提到的设备统称为移动终端。
下面对本申请实施例进行详细介绍。
请参阅图2A,图2A是本申请实施例提供了一种构建图谱方法的流程示意图,应用于社区人员关系管理平台的服务器,所述服务器与目标社区内的至少一个摄像头通信连接,如图2A所示,本构建图谱方法包括:
S201,通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息。
其中,所述图像信息可以包括但不限于人脸特征信息、轮廓信息、灰度信息等。
S202,提取所述多个图像信息中的人脸特征信息。
其中,所述人脸特征信息可通过提取人脸区域的特征点分析得到。
其中,通过所述人脸特征信息能进行面部识别及面部匹配、表情识别等。
可选的,除提取所述人脸特征信息外,还可提取所述多个图像信息中每个图像的人员的全身的轮廓特征信息。
S203,根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员。
其中,所述第一集合和所述第二集合中的人员均可以为任意整数,如0、1、2等。
其中,所述确定身份的人员为已在目标社区进行身份信息登录的人员,所述未确定身份的人员可以为陌生人、来访但为登记的客人等,此处不做唯一限定。
S204,确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合。
其中,关系概率是指任意两个人员之间处于不同关系下的概率,上述不同关系可以包括但不限于同事、亲属、朋友、其他等,此处不做唯一限定,举例来说:A与B的同事关系概率为20%,A与B的亲属关系概率为80%。
S205,根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。
其中,所述关系图谱为目标社区根据住户真实情况统计后形成的图谱。
如图2B所示,图2B为一种社区关系图谱的示意图,其中,社区关系图谱包括确定身份的住户(图2B中的实线圆)以及来访者(图2B中的虚线圆)、陌生人(图2B中的双实线圆),每个人员之间的关系包括确定关系(图2B中的实线)以及未确定关系(图2B中的虚线)。
可以看出,本申请实施例中,服务器首先通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息,其次,提取所述多个图像信息中的人脸特征信息,再次,根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员,然后,确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合,最后,根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。可见,服务器可通过连接架设于社区内的摄像头,对路过该社区的人员进行人脸抓拍与人脸特征提取并作为身份信息索引,通过分析等技术给出同行者之间的关系概率,实时更新扩充已有的社区关系图谱,实现动态地将陌生人导入社区关系图谱的功能,并能实时对社区关系图谱进行迭代。
在一个可能的示例中,所述根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,包括:查询预设社区人员数据库,确定所述预设社区人员数据库中与所述人脸特征信息匹配的目标人员,所述预设社区人员数据库包括已确认身份的人脸特征信息与人员的映射关系;将所述目标人员进行第一标记,得到第一集合;将除所述目标人员外的人员进行第二标记,得到第二集合。
其中,在所述预设社区人员数据库中存储有至少一个人员的人脸特征信息及对应的完整图像信息。
其中,所述匹配过程可采用人脸比对算法实现,上述人脸比对算法输入是两个人脸特征,人脸特征由前面的人脸提特征算法获得,输出是两个特征之间的相似度,举例来说,A人员与预设社区人员数据库中甲经过人脸对比,输出结果为相似度96%,超过预设阈值,即A人员就是甲。
其中,所述映射关系可以为一对一、一对多或多对多等,此处不做唯一限定。
可见,本示例中,根据与预设社区人员数据库中的已确定人员的信息匹配,将匹配成功的人员放在第一集合中,即已在社区登记信息的人员,将未匹配成功的人员放在第二集合中,即未登记信息的人员,能够快速地对多个人员进行分类,进而区分图像信息中的人员为身份确定的人员或是陌生人,即全面的对图片信息进行提取和分析,提高人员标记的准确度,从而提高构建图谱的准确度。
在一个可能的示例中,所述确定所述第一集合与所述第二集合间的关系概率,包括:获取所述多个图像信息中每个图像信息;若所述每个图像信息中存在至少两个人员,则获取所述至少两个人员中每个人员的第一特征信息,所述第一特征信息包括至少以下一种:姿态、表情、年龄、时间和地点;将所述每个人员的第一特征信息输入预训练的人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率。
其中,第一特征信息还包括以下至少一种:性别、衣着、同行人员相互间表情等特征,此处不做唯一限定。
其中,获取所述第一特征信息可通过人脸属性识别实现,所述人脸属性识别是识别出人脸的性别、年龄、姿态、表情等属性值的一项技术。这在有些相机APP中有所应用,可以自动识别摄像头视野中人物的性别、年龄等特征并标注出来。一般的人脸属性识别算法的输入是“一张人脸图”和“人脸五官关键点坐标”,输出是人脸相应的属性值。人脸属性识别算法一般会根据人脸五官关键点坐标将人脸对齐,具体过程为旋转、缩放、抠取等操作后,将人脸调整到预定的大小和形态,以便之后进行属性分析。人脸的属性识别包括性别识别、年龄估计、表情识别、姿态识别、发型识别等等方面。
举例来说,B小区在下午五点时,采集到E人员、F人员和G人员同时出现在小区停车区域,提取所述E人员、F人员和G人员的人脸特征信息,得到E人员为小区一栋四单元的户主,F人员和G人员未在社区人员图谱中,因此将E人员放在第一集合,F人员和G人员在第二集合;通过摄像头,分别采集E人员、F人员和G人员各自的表情信息和姿态信息,通过人员关系预测模型,得到E人员与F人员为朋友的概率为80%、亲戚的概率为15.5%、同事的概率为0.5%,E人员和G人员为朋友的概率为1%、亲戚的概率为1%、同事的概率为1%,F人员与G人员为为朋友的概率为1%、亲戚的概率为1%、同事的概率为1%,即将G人员从第二集合中移除,并移入第一集合中,并在社区人员图谱中与E人员进行相关标记,标记为朋友关系,而G人员则依旧在第二集合中,并在社区人员图谱中标记为陌生人。
可选的,若所述每个图像信息中存在一个人员,则获取所述一个人员中每个人员的集合类别信息,所述集合类别信息包括所述第一集合和所述第二集合;若所述一个人员属于所述第二集合,则标记为重点监控对象。
可见,本示例中,将解析后的第一特征信息,通过预训练的人员关系预测模型进行关系概率预测,进而得到准确的关系概率,有利于提高在构建图谱中进行确定关系概率过程中的准确性和智能性。
在一个可能的示例中,所述将所述每个人员的第一特征信息输入预训练的人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率,包括:确定所述每个人员的第一特征信息中的至少一个特征参数,所述至少一个特征参数为适配所述人员关系预测模型的输入数据的格式的参数;将所述至少一个特征参数作为输入数据导入所述人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率。
其中,特征参数可以为但不包括姿态、表情、年龄、时间和地点等,此处不做唯一限定。
其中,所述适配所述人员关系预测模型的输入数据的格式的参数可以包括但不限于为代码或特定数字,即将特征参数转化为能被人员预测模型接受的格式参数。
其中,所述人员关系预测模型是基于大数据训练得到。
举例来说,获取到C人员与D人员的人身间隔距离少于5CM,即超过预设距离阈值,且,C人员与D人员的表情均为笑容,根据人员关系预测模型得到,C人员与D人员为朋友关系。
可见,本示例中,将特征参数导入人员关系预测模型,进而能够确定任意两个人员之间的关系概率,避免出现对人员关系预测的误检测的情况出现,有利于构建图谱的智能性和准确性。
在一个可能的示例中,在将所述每个人员的第一特征信息输入预训练的人员关系预测模型之前,所述方法还包括:获取用于训练所述人员关系预测模型的多个样本数据,每个样本数据包括两个人员的第一特征信息和所述两个人员之间的关系概率;使用所述多个样本数据训练所述人员关系预测模型,得到训练后的所述人员关系预测模型。
其中,所述多个样本数据可通过大数据采集得到。
可见,本示例中,通过多个第一特征信息和关系概率,可对人员关系预测模型进行训练,进而得到适配社区的人员关系预测模型,有利于提高在构建图谱中进行人员关系预测模型训练过程中稳定性和智能性。
在一个可能的示例中,所述确定所述第一集合与所述第二集合间的关系概率,包括:接收由所述第一集合中的第一人员提供的第一信息,所述第一信息为所述第二集合中的第二人员的身份信息;将所述第二人员移动至所述第一集合,并标注与所述第一人员的关系。
举例来说,采集到乙人员和丙人员,其中,乙人员为该目标社区的住户,由乙用户提供了丙人员与她的关系为亲戚,则将丙用户从第二集合中移除,标记至第一集合,并标记与乙用户的关系。
可见,本示例中,可通过已确定人员主动提供未确定人员的信息进行图谱标记,有利于提高在构建图谱中进行确定关系概率过程中的准确性和智能性。
在一个可能的示例中,在所述确定所述第一集合与所述第二集合间的关系概率之后,所述方法还包括:将在所述第二集合中与所述第一集合的关系概率为0的人员,确定为目标人员;将所述目标人员标记为陌生人,并实时监控。
可选的,若所述目标人员在预设时间段内出现超过预设次数,可将所述目标人员的信息上报至公安系统及所述目标社区的保安处。
其中,所述预设时间段可以为一天、两天、三天等,此处不做唯一限定。
其中,所述预设次数可以为五次、十次、十五次等,此处不做唯一限定。
可见,本示例中,通过关系概率,确定陌生人群,进而保障了社区的安全,有利于提高构建图谱的智能性和准确性。
与上述图2A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构建图谱方法的流程示意图,应用于社区人员关系管理平台的服务器,所述服务器与目标社区内的至少一个摄像头通信连接,如图所示,本构建图谱方法包括:
S301,通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息。
S302,提取所述多个图像信息中的人脸特征信息。
S303,查询预设社区人员数据库,确定所述预设社区人员数据库中与所述人脸特征信息匹配的目标人员。
S304,将所述目标人员进行第一标记,得到第一集合。
S305,将除所述目标人员外的人员进行第二标记,得到第二集合。
S306,确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合。
S307,根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。
可以看出,本申请实施例中,服务器首先通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息,其次,提取所述多个图像信息中的人脸特征信息,再次,根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员,然后,确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合,最后,根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。可见,服务器可通过连接架设于社区内的摄像头,对路过该社区的人员进行人脸抓拍与人脸特征提取并作为身份信息索引,通过分析等技术给出同行者之间的关系概率,实时更新扩充已有的社区关系图谱,实现动态地将陌生人导入社区关系图谱的功能,并能实时对社区关系图谱进行迭代。
此外,根据与预设社区人员数据库中的已确定人员的信息匹配,将匹配成功的人员放在第一集合中,即已在社区登记信息的人员,将未匹配成功的人员放在第二集合中,即未登记信息的人员,能够快速地对多个人员进行分类,进而区分图像信息中的人员为身份确定的人员或是陌生人,即全面的对图片信息进行提取和分析,提高人员标记的准确度,从而提高构建图谱的准确度。
与上述图2A所示的实施例一致的,请参阅图4,图4是本申请实施例提供的一种构建图谱方法的流程示意图,应用于社区人员关系管理平台的服务器,所述服务器与目标社区内的至少一个摄像头通信连接。如图所示,本构建图谱方法包括:
S401,通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息。
S402,提取所述多个图像信息中的人脸特征信息。
S403,查询预设社区人员数据库,确定所述预设社区人员数据库中与所述人脸特征信息匹配的目标人员。
S404,将所述目标人员进行第一标记,得到第一集合。
S405,将除所述目标人员外的人员进行第二标记,得到第二集合。
S406,获取所述多个图像信息中每个图像信息。
S407,若所述每个图像信息中存在至少两个人员,则获取所述至少两个人员中每个人员的第一特征信息。
S408,确定所述每个人员的第一特征信息中的至少一个特征参数,所述至少一个特征参数为适配所述人员关系预测模型的输入数据的格式的参数。
S409,将所述至少一个特征参数作为输入数据导入所述人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率。
S410,将在所述第二集合中与所述第一集合的关系概率为0的人员,确定为目标人员。
S411,将所述目标人员标记为陌生人,并实时监控。
S412,根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。
可以看出,本申请实施例中,服务器首先通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息,其次,提取所述多个图像信息中的人脸特征信息,再次,根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员,然后,确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合,最后,根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。可见,服务器可通过连接架设于社区内的摄像头,对路过该社区的人员进行人脸抓拍与人脸特征提取并作为身份信息索引,通过分析等技术给出同行者之间的关系概率,实时更新扩充已有的社区关系图谱,实现动态地将陌生人导入社区关系图谱的功能,并能实时对社区关系图谱进行迭代。
此外,根据与预设社区人员数据库中的已确定人员的信息匹配,将匹配成功的人员放在第一集合中,即已在社区登记信息的人员,将未匹配成功的人员放在第二集合中,即未登记信息的人员,能够快速地对多个人员进行分类,进而区分图像信息中的人员为身份确定的人员或是陌生人,即全面的对图片信息进行提取和分析,提高人员标记的准确度,从而提高构建图谱的准确度。
此外,将解析后的第一特征信息,通过预训练的人员关系预测模型进行关系概率预测,进而得到准确的关系概率,有利于提高在构建图谱中进行确定关系概率过程中的准确性和智能性。
此外,将特征参数导入人员关系预测模型,进而能够确定任意两个人员之间的关系概率,避免出现对人员关系预测的误检测的情况出现,有利于构建图谱的智能性和准确性。
此外,通过关系概率,确定陌生人群,进而保障了社区的安全,有利于提高构建图谱的智能性和准确性。
与上述图2A、图3、图4所示的实施例一致的,图5是本申请实施例提供的一种服务器500的结构示意图,如图所示,所述电子设备500包括应用处理器510、存储器520、通信接口530以及一个或多个程序521,其中,所述一个或多个程序521被存储在上述存储器520中,并且被配置由上述应用处理器510执行,所述一个或多个程序521包括用于执行以下步骤的指令;
通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息;
提取所述多个图像信息中的人脸特征信息;
根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员;
确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合;
根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。
可以看出,本申请实施例中,服务器首先通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息,其次,提取所述多个图像信息中的人脸特征信息,再次,根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员,然后,确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合,最后,根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。可见,服务器可通过连接架设于社区内的摄像头,对路过该社区的人员进行人脸抓拍与人脸特征提取并作为身份信息索引,通过分析等技术给出同行者之间的关系概率,实时更新扩充已有的社区关系图谱,实现动态地将陌生人导入社区关系图谱的功能,并能实时对社区关系图谱进行迭代。
在一个可能的示例中,在所述根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合方面,所述程序中的指令具体用于执行以下操作:查询预设社区人员数据库,确定所述预设社区人员数据库中与所述人脸特征信息匹配的目标人员,所述预设社区人员数据库包括已确认身份的人脸特征信息与人员的映射关系;
以及将所述目标人员进行第一标记,得到第一集合;将除所述目标人员外的人员进行第二标记,得到第二集合。
在一个可能的示例中,在所述确定所述第一集合与所述第二集合间的关系概率方面,所述程序中的指令具体用于执行以下操作:获取所述多个图像信息中每个图像信息;
以及若所述每个图像信息中存在至少两个人员,则获取所述至少两个人员中每个人员的第一特征信息,所述第一特征信息包括至少以下一种:姿态、表情、年龄、时间和地点;
以及将所述每个人员的第一特征信息输入预训练的人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率。
在一个可能的示例中,在所述将所述每个人员的第一特征信息输入预训练的人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率方面,所述程序中的指令具体用于执行以下操作:确定所述每个人员的第一特征信息中的至少一个特征参数,所述至少一个特征参数为适配所述人员关系预测模型的输入数据的格式的参数;
以及将所述至少一个特征参数作为输入数据导入所述人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率。
在一个可能的示例中,在将所述每个人员的第一特征信息输入预训练的人员关系预测模型之前,所述程序中的指令还具体用于执行以下操作:获取用于训练所述人员关系预测模型的多个样本数据,每个样本数据包括两个人员的第一特征信息和所述两个人员之间的关系概率;
以及使用所述多个样本数据训练所述人员关系预测模型,得到训练后的所述人员关系预测模型。
在一个可能的示例中,在所述确定所述第一集合与所述第二集合间的关系概率方面,所述程序中的指令具体用于执行以下操作:接收由所述第一集合中的第一人员提供的第一信息,所述第一信息为所述第二集合中的第二人员的身份信息;
以及将所述第二人员移动至所述第一集合,并标注与所述第一人员的关系。
在一个可能的示例中,在所述确定所述第一集合与所述第二集合间的关系概率之后,所述程序中的指令还具体用于执行以下操作:将在所述第二集合中与所述第一集合的关系概率为0的人员,确定为目标人员;
以及将所述目标人员标记为陌生人,并实时监控。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,电子设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上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。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。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。
下面为本发明装置实施例,本发明装置实施例用于执行本发明方法实施例所实现的方法。如图6所示的构建图谱装置600,应用于社区人员关系管理平台的服务器,所述服务器与目标社区内的至少一个摄像头通信连接,所述构建图谱装置600包括采集单元601、提取单元602、标记单元603、确定单元604和更新单元605,其中,
所述采集单元601,用于通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息;
所述提取单元602,用于提取所述多个图像信息中的人脸特征信息;
所述标记单元603,用于根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员;
所述确定单元604,用于确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合;
所述更新单元605,用于根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。
可以看出,本申请实施例中,服务器首先通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息,其次,提取所述多个图像信息中的人脸特征信息,再次,根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员,然后,确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合,最后,根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。可见,服务器可通过连接架设于社区内的摄像头,对路过该社区的人员进行人脸抓拍与人脸特征提取并作为身份信息索引,通过分析等技术给出同行者之间的关系概率,实时更新扩充已有的社区关系图谱,实现动态地将陌生人导入社区关系图谱的功能,并能实时对社区关系图谱进行迭代。
在一个可能的示例中,在所述根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合方面,所述标记单元603具体用于:查询预设社区人员数据库,确定所述预设社区人员数据库中与所述人脸特征信息匹配的目标人员,所述预设社区人员数据库包括已确认身份的人脸特征信息与人员的映射关系;
以及用于将所述目标人员进行第一标记,得到第一集合;将除所述目标人员外的人员进行第二标记,得到第二集合。
在一个可能的示例中,在所述确定所述第一集合与所述第二集合间的关系概率方面,所述确定单元604具体用于:获取所述多个图像信息中每个图像信息;
以及用于若所述每个图像信息中存在至少两个人员,则获取所述至少两个人员中每个人员的第一特征信息,所述第一特征信息包括至少以下一种:姿态、表情、年龄、时间和地点;
以及用于将所述每个人员的第一特征信息输入预训练的人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率。
在一个可能的示例中,在所述将所述每个人员的第一特征信息输入预训练的人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率方面,所述确定单元604具体用于:确定所述每个人员的第一特征信息中的至少一个特征参数,所述至少一个特征参数为适配所述人员关系预测模型的输入数据的格式的参数;
以及用于将所述至少一个特征参数作为输入数据导入所述人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率。
在一个可能的示例中,在将所述每个人员的第一特征信息输入预训练的人员关系预测模型之前,所述确定单元604还具体用于:获取用于训练所述人员关系预测模型的多个样本数据,每个样本数据包括两个人员的第一特征信息和所述两个人员之间的关系概率;
以及用于使用所述多个样本数据训练所述人员关系预测模型,得到训练后的所述人员关系预测模型。
在一个可能的示例中,在所述确定所述第一集合与所述第二集合间的关系概率方面,所述确定单元604具体用于:接收由所述第一集合中的第一人员提供的第一信息,所述第一信息为所述第二集合中的第二人员的身份信息;
以及用于将所述第二人员移动至所述第一集合,并标注与所述第一人员的关系。
在一个可能的示例中,在所述确定所述第一集合与所述第二集合间的关系概率之后,所述确定单元604还具体用于:将在所述第二集合中与所述第一集合的关系概率为0的人员,确定为目标人员;
以及用于将所述目标人员标记为陌生人,并实时监控。
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,上述计算机包括电子设备。
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,上述计算机包括电子设备。
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。基于这样的理解,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 (10)
1.一种构建图谱方法,其特征在于,应用于社区人员关系管理平台的服务器,所述服务器与目标社区内的至少一个摄像头通信连接,所述方法包括:
通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息;
提取所述多个图像信息中的人脸特征信息;
根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员;
确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合;
根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。
2.根据权利要求1所述的方法,其特征在于,所述根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,包括:
查询预设社区人员数据库,确定所述预设社区人员数据库中与所述人脸特征信息匹配的目标人员,所述预设社区人员数据库包括已确认身份的人脸特征信息与人员的映射关系;
将所述目标人员进行第一标记,得到第一集合;
将除所述目标人员外的人员进行第二标记,得到第二集合。
3.根据权利要求1或2所述的方法,其特征在于,所述确定所述第一集合与所述第二集合间的关系概率,包括:
获取所述多个图像信息中每个图像信息;
若所述每个图像信息中存在至少两个人员,则获取所述至少两个人员中每个人员的第一特征信息,所述第一特征信息包括至少以下一种:姿态、表情、年龄、时间和地点;
将所述每个人员的第一特征信息输入预训练的人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率。
4.根据权利要求3所述的方法,其特征在于,所述将所述每个人员的第一特征信息输入预训练的人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率,包括:
确定所述每个人员的第一特征信息中的至少一个特征参数,所述至少一个特征参数为适配所述人员关系预测模型的输入数据的格式的参数;
将所述至少一个特征参数作为输入数据导入所述人员关系预测模型,得到所述至少两个人员中任意两个人员之间的关系概率。
5.根据权利要求3所述的方法,其特征在于,在将所述每个人员的第一特征信息输入预训练的人员关系预测模型之前,所述方法还包括:
获取用于训练所述人员关系预测模型的多个样本数据,每个样本数据包括两个人员的第一特征信息和所述两个人员之间的关系概率;
使用所述多个样本数据训练所述人员关系预测模型,得到训练后的所述人员关系预测模型。
6.根据权利要求1或2所述的方法,其特征在于,所述确定所述第一集合与所述第二集合间的关系概率,包括:
接收由所述第一集合中的第一人员提供的第一信息,所述第一信息为所述第二集合中的第二人员的身份信息;
将所述第二人员移动至所述第一集合,并标注与所述第一人员的关系。
7.根据权利要求1所述的方法,其特征在于,在所述确定所述第一集合与所述第二集合间的关系概率之后,所述方法还包括:
将在所述第二集合中与所述第一集合的关系概率为0的人员,确定为目标人员;
将所述目标人员标记为陌生人,并实时监控。
8.一种构建图谱装置,其特征在于,应用于社区人员关系管理平台的服务器,所述服务器与目标社区内的至少一个摄像头通信连接,所述构建图谱装置包括采集单元、提取单元、标记单元、确定单元和更新单元,其中,
所述采集单元,用于通过所述至少一个摄像头对所述目标社区区域内的多个人员进行图像采集,得到多个图像信息;
所述提取单元,用于提取所述多个图像信息中的人脸特征信息;
所述标记单元,用于根据所述人脸特征信息对所述多个人员进行标记,得到第一集合和第二集合,所述第一集合包括确认身份的人员,所述第二集合包括未确认身份的人员;
所述确定单元,用于确定所述第一集合与所述第二集合中任意两个人员之间的关系概率,所述任意两个人员不属于相同集合;
所述更新单元,用于根据所述关系概率更新关系图谱,所述关系图谱用于所述目标社区。
9.一种服务器,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1-7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1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811599565.0A CN109829072A (zh) | 2018-12-26 | 2018-12-26 | 构建图谱方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811599565.0A CN109829072A (zh) | 2018-12-26 | 2018-12-26 | 构建图谱方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109829072A true CN109829072A (zh) | 2019-05-31 |
Family
ID=66861169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811599565.0A Pending CN109829072A (zh) | 2018-12-26 | 2018-12-26 | 构建图谱方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109829072A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110727805A (zh) * | 2019-10-11 | 2020-01-24 | 北京明略软件系统有限公司 | 社区知识图谱构建方法及系统 |
CN110765435A (zh) * | 2019-10-23 | 2020-02-07 | 北京旷视科技有限公司 | 确定人员身份属性的方法、装置和电子设备 |
CN110765215A (zh) * | 2019-09-30 | 2020-02-07 | 深圳云天励飞技术有限公司 | 人员共同关系的查询方法、装置、电子设备及存储介质 |
CN110825822A (zh) * | 2019-09-30 | 2020-02-21 | 深圳云天励飞技术有限公司 | 人员关系的查询方法、装置、电子设备及存储介质 |
CN112633244A (zh) * | 2020-12-31 | 2021-04-09 | 深圳云天励飞技术股份有限公司 | 一种社交关系的识别方法、装置、电子设备及存储介质 |
CN112668509A (zh) * | 2020-12-31 | 2021-04-16 | 深圳云天励飞技术股份有限公司 | 社交关系识别模型的训练方法、识别方法及相关设备 |
CN112825083A (zh) * | 2019-11-20 | 2021-05-21 | 深圳云天励飞技术有限公司 | 群体关系网的构建方法、装置、设备及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776781A (zh) * | 2016-11-11 | 2017-05-31 | 深圳云天励飞技术有限公司 | 一种人群关系网络分析方法及装置 |
JP2018060360A (ja) * | 2016-10-05 | 2018-04-12 | 日本電信電話株式会社 | 人数推定方法、人数推定装置、人数推定プログラム、及び記録媒体 |
CN107943874A (zh) * | 2017-11-13 | 2018-04-20 | 平安科技(深圳)有限公司 | 知识图谱处理方法、装置、计算机设备及存储介质 |
CN108961520A (zh) * | 2018-09-21 | 2018-12-07 | 深圳市九洲电器有限公司 | 一种人脸识别方法及装置 |
-
2018
- 2018-12-26 CN CN201811599565.0A patent/CN109829072A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018060360A (ja) * | 2016-10-05 | 2018-04-12 | 日本電信電話株式会社 | 人数推定方法、人数推定装置、人数推定プログラム、及び記録媒体 |
CN106776781A (zh) * | 2016-11-11 | 2017-05-31 | 深圳云天励飞技术有限公司 | 一种人群关系网络分析方法及装置 |
CN107943874A (zh) * | 2017-11-13 | 2018-04-20 | 平安科技(深圳)有限公司 | 知识图谱处理方法、装置、计算机设备及存储介质 |
CN108961520A (zh) * | 2018-09-21 | 2018-12-07 | 深圳市九洲电器有限公司 | 一种人脸识别方法及装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765215A (zh) * | 2019-09-30 | 2020-02-07 | 深圳云天励飞技术有限公司 | 人员共同关系的查询方法、装置、电子设备及存储介质 |
CN110825822A (zh) * | 2019-09-30 | 2020-02-21 | 深圳云天励飞技术有限公司 | 人员关系的查询方法、装置、电子设备及存储介质 |
CN110825822B (zh) * | 2019-09-30 | 2022-11-22 | 深圳云天励飞技术有限公司 | 人员关系的查询方法、装置、电子设备及存储介质 |
CN110727805A (zh) * | 2019-10-11 | 2020-01-24 | 北京明略软件系统有限公司 | 社区知识图谱构建方法及系统 |
CN110765435A (zh) * | 2019-10-23 | 2020-02-07 | 北京旷视科技有限公司 | 确定人员身份属性的方法、装置和电子设备 |
CN110765435B (zh) * | 2019-10-23 | 2022-05-17 | 北京旷视科技有限公司 | 确定人员身份属性的方法、装置和电子设备 |
CN112825083A (zh) * | 2019-11-20 | 2021-05-21 | 深圳云天励飞技术有限公司 | 群体关系网的构建方法、装置、设备及可读存储介质 |
CN112633244A (zh) * | 2020-12-31 | 2021-04-09 | 深圳云天励飞技术股份有限公司 | 一种社交关系的识别方法、装置、电子设备及存储介质 |
CN112668509A (zh) * | 2020-12-31 | 2021-04-16 | 深圳云天励飞技术股份有限公司 | 社交关系识别模型的训练方法、识别方法及相关设备 |
CN112633244B (zh) * | 2020-12-31 | 2023-03-03 | 深圳云天励飞技术股份有限公司 | 一种社交关系的识别方法、装置、电子设备及存储介质 |
CN112668509B (zh) * | 2020-12-31 | 2024-04-02 | 深圳云天励飞技术股份有限公司 | 社交关系识别模型的训练方法、识别方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829072A (zh) | 构建图谱方法及相关装置 | |
CN109947793B (zh) | 伴随关系的分析方法、装置和存储介质 | |
CN111190939B (zh) | 一种用户画像构建方法及装置 | |
CN107742100B (zh) | 一种考生身份验证方法及终端设备 | |
CN107370983B (zh) | 用于视频监控系统的行踪轨迹的获取方法和装置 | |
EP1530157B1 (en) | Image matching system using 3-dimensional object model, image matching method, and image matching program | |
CN107679613A (zh) | 一种人员信息的统计方法、装置、终端设备和存储介质 | |
CN106548164A (zh) | 人脸图像与移动设备的关联性识别方法 | |
CN109858333B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN108197592B (zh) | 信息获取方法和装置 | |
CN105913507B (zh) | 一种考勤方法及系统 | |
CN106127130A (zh) | 被管理的基于生物特征识别的通知系统和方法 | |
CN109872407B (zh) | 一种人脸识别方法、装置、设备及打卡方法、装置和系统 | |
CN108881813A (zh) | 一种视频数据处理方法及装置、监控系统 | |
CN108540755A (zh) | 身份识别方法和装置 | |
CN112770265B (zh) | 一种行人身份信息获取方法、系统、服务器和存储介质 | |
CN106503631A (zh) | 一种人群分析方法及计算机设备 | |
CN108549848A (zh) | 用于输出信息的方法和装置 | |
CN110322472A (zh) | 一种多目标跟踪方法以及终端设备 | |
CN110689046A (zh) | 图像识别方法、装置、计算机装置及存储介质 | |
CN108133197A (zh) | 用于生成信息的方法和装置 | |
CN108461130B (zh) | 就诊任务智能调度方法及系统 | |
CN112149494A (zh) | 一种多人姿态识别方法及系统 | |
CN104598543B (zh) | 一种社交匹配数据挖掘系统 | |
CN113569627A (zh) | 人体姿态预测模型训练方法、人体姿态预测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190531 |