CN110059657A - 档案处理方法、装置、电子设备及计算机可读存储介质 - Google Patents
档案处理方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110059657A CN110059657A CN201910340992.5A CN201910340992A CN110059657A CN 110059657 A CN110059657 A CN 110059657A CN 201910340992 A CN201910340992 A CN 201910340992A CN 110059657 A CN110059657 A CN 110059657A
- Authority
- CN
- China
- Prior art keywords
- subregion
- portrait
- user
- archived
- profile
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 13
- 238000012372 quality testing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请实施例提供了一种档案处理方法、装置、电子设备及计算机可读存储介质。该方法包括：对于监控区域的至少一个子区域，分别获取各个子区域内的图像采集设备所拍摄到的待归档人像，基于每个子区域所对应的待归档人像，对对应的子区域内用户的个人档案进行处理。本申请的方案中，由于子区域相对于整个监控区域的区域范围更小，待归档人像的数量也更小，因此通过对各子区域内图像采集设备所拍摄的待归档图像的处理，实现对各子区域内用户的个人档案进行更新，能够减少处理时的计算量，并且保证处理后子区域的用户的个人档案的具有较高的准确度，为城市的安防监控工作提供更好的支持。
Description
技术领域
本申请涉及数据处理领域，具体而言，本申请涉及一种档案处理方法、装置、电子设备及计算机可读存储介质。
背景技术
随着社会的进步，人们的安防意识不断提高，这也对城市安防监控提出了更高的要求。在城市安防中，经常通过建立用户个人档案的方式来方便对城市安防监控系统采集的海量人像数据的管理和对人员信息的管理，用户个人档案中记载了个人身份信息、个人图像信息等多方面的材料，能够反应个人的情况。
目前，多是基于城市安防监控系统采集的人像来对用户个人档案进行处理，由于算法精度原因，在处理大区域规模的大量人像数据时，处理后用户个人档案中数据准确度较低，例如，可能会将属于同一用户的人像归在多个档案中，或者可能会将属于不同用户的人像归在同一档案中，从而影响到城市安防监控工作。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一。本申请所采用的技术方案如下：
第一方面，本申请实施例提供了一种档案处理方法，该方法包括：
对于监控区域的至少一个子区域，分别获取各个子区域内的图像采集设备所拍摄到的待归档人像；
对于每个子区域所对应的待归档人像，确定每个待归档人像中的用户是否为对应的子区域的已建个人档案中的用户；
若是，则将待归档人像归档于对应的子区域的对应用户的已建个人档案中；
若否，则基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案。
可选地，当至少一个子区域包括至少两个子区域时，还包括：
确定至少两个子区域中是否存在同一个用户的已建个人档案；
若存在，则基于至少两个子区域中同一个用户的已建个人档案，建立对应的用户的跨子区域个人档案。
可选地，将待归档人像归档于对应的子区域的对应用户的已建个人档案中，包括：
将待归档人像实时归档于对应的子区域的对应用户的已建个人档案中；
基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案，包括：
在满足预设归档条件时，基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案。
可选地，在确定每个待归档人像中的用户是否为对应的子区域的已建个人档案中的用户之前，还包括：
分别建立每个子区域的用户个人档案，获得每个子区域的已建个人档案。
可选地，分别建立每个子区域的用户个人档案，包括：
分别获取每个子区域内的图像采集设备所拍摄到的待处理人像；
对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域的待处理人像的人脸聚类结果；
基于每个子区域人脸聚类结果，分别建立每个子区域的用户个人档案。
可选地，对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域的人脸聚类结果，包括：
基于单链接single-linkage聚类算法，对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域初步聚类结果；
基于完整链接complete-linkage聚类算法，对每个子区域初步聚类结果进行合并聚类，得到每个子区域的人脸聚类结果。
可选地，上述方法还包括：
若在对每个子区域的初步聚类结果进行合并聚类的过程中出现了满足第一预设条件的人像簇，则对满足第一预设条件的人像簇内的待处理人像进行图像质量检测；
若满足第一预设条件的人像簇内的待处理人像的图像质量检测结果不满足第二预设条件，则停止对满足第一预设条件且不满足第二预设条件的人像簇进行合并聚类。
可选地，第一预设条件为人像簇内的待处理人像的数量大于预设值。
可选地，第二预设条件为人像簇内的待处理人像的图像质量检测评分不低于预设图像质量分数。
可选地，当至少一个子区域包括至少两个子区域时，对于至少两个子区域，通过与每个子区域分别对应的图形处理器(Graphics Processing Unit，GPU)对对应子区域的图像进行并行处理，与每个子区域对应的图像包括每个子区域对应的待归档人像；
其中，在基于每个子区域内的图像采集设备所拍摄到的待处理人像分别建立每个子区域的用户个人档案时，与每个子区域对应的图像还包括每个子区域对应的待处理人像。
第二方面，本申请实施例提供了一种档案处理装置，该装置包括：
待归档人像获取模块，用于对于监控区域的至少一个子区域，分别获取各个子区域内的图像采集设备所拍摄到的待归档人像；
用户确定模块，用于对于每个子区域所对应的待归档人像，确定每个待归档人像中的用户是否为对应的子区域的已建个人档案中的用户；
归档模块，用于当待归档人像中的用户为对应的子区域的已建个人档案中的用户时，将待归档人像归档于对应的子区域的对应用户的已建个人档案中；
建档模块，用于当待归档人像中的用户不是对应的子区域的已建个人档案中的用户时，则基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案。
可选地，上述建档模块还用于：
当至少一个子区域包括至少两个子区域时，确定至少两个子区域中是否存在同一个用户的已建个人档案；
若存在，则基于至少两个子区域中同一个用户的已建个人档案，建立对应的用户的跨子区域个人档案。
可选地，上述建档模块还用于：
在确定每个待归档人像中的用户是否为对应的子区域的已建个人档案中的用户之前，分别建立每个子区域的用户个人档案，获得每个子区域的已建个人档案。
可选地，上述建档模块在分别建立每个子区域的已建个人档案时，具体用于：
分别获取每个子区域内的图像采集设备所拍摄到的待处理人像；
对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域的待处理人像的人脸聚类结果；
基于每个子区域人脸聚类结果，分别建立每个子区域的用户个人档案。
可选地，上述建档模块在对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域的人脸聚类结果时，具体用于：
基于单链接single-linkage聚类算法，对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域初步聚类结果；
基于完整链接complete-linkage聚类算法，对每个子区域初步聚类结果进行合并聚类，得到每个子区域的人脸聚类结果。
可选地，上述建档模块还用于：
当在对每个子区域的初步聚类结果进行合并聚类的过程中出现了满足第一预设条件的人像簇时，对满足第一预设条件的人像簇内的待处理人像进行图像质量检测；
当满足第一预设条件的人像簇内的待处理人像的图像质量检测结果不满足第二预设条件时，停止对满足第一预设条件且不满足第二预设条件的人像簇进行合并聚类。
可选地，第一预设条件为人像簇内的待处理人像的数量大于预设值。
可选地，第二预设条件为人像簇内的待处理人像的图像质量检测评分不低于预设图像质量分数。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：处理器和存储器；
存储器，用于存储操作指令；
处理器，用于通过调用操作指令，执行如本申请的第一方面的任一实施方式中所示的档案处理方法；
其中，处理器包括与每个子区域对应的至少一个GPU，当子区域为至少两个时，对于至少两个子区域，通过与每个子区域对应的GPU对对应子区域所对应的图像进行并行处理，与每个子区域对应的图像包括每个子区域对应的待归档人像；
其中，在基于每个子区域内的图像采集设备所拍摄到的待处理人像分别建立每个子区域的用户个人档案时，与每个子区域对应的图像还包括每个子区域对应的待处理人像。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请的第一方面的任一实施方式中所示的档案处理方法。
本申请实施例提供的技术方案带来的有益效果是：
本申请实施例提供的方案，针对于监控区域内的子区域，通过对各子区域内图像采集设备所拍摄的待归档图像的处理，实现对各子区域内用户的个人档案进行更新，由于子区域与整个监控区域相比，区域范围更小，待归档人像的数量也较小，因此，基于本方案能够减少处理时的计算量，并且保证处理后子区域的用户的个人档案的具有较高的准确度，为城市的安防监控工作提供更好的支持。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种档案处理方法的流程示意图；
图2为本申请实施例提供的一种档案处理装置的结构示意图；
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图1示出了本申请实施例提供的一种档案处理方法的流程示意图，如图1所示，该方法主要可以包括：
步骤S110：对于监控区域的至少一个子区域，分别获取各个子区域内的图像采集设备所拍摄到的待归档人像。
本申请实施例中，监控区域可以为需要建立用户个人档案来实现人员管理的区域，监控区域的具体范围可以由实际需求确定，例如，监控区域可以为某个省份、或者某一城市等等。
子区域可以根据实际的需要在监控区域中指定，可以根据实际的地理位置进行划分，例如，当监控区域为某一城市时，子区域可以为这一城市中的某个区，或者这一城市中某个住宅小区等。子区域的划分也可以不受实际的地理位置的限制，如子区域可以为某条或者某几条地铁线路。
图像采集设备可以为数字摄像机、智能抓拍机等，每个子区域内可以包括多个图像采集设备，以实现对子区域范围内的监控。每个图像采集设备还可以同时属于多个不同的子区域，例如，不同的子区域的重叠部分的图像采集设备，相邻的子区域边缘的图像采集设备。
步骤S120：对于每个子区域所对应的待归档人像，确定每个待归档人像中的用户是否为对应的子区域的已建个人档案中的用户。
本申请实施例中，可以针对每个子区域内的用户预建立用户个人档案，并得到每个子区域内的用户的已建个人档案，已建个人档案中包含用户的个人身份信息、个人图像信息等数据，其中个人图像信息可以包含用户人像，用户人像可以包括但是不限于历史抓拍图像、护照照片、驾驶证照片或者身份证照片。
在实际使用中，在用户人像的数量满足要求时(例如，用户人像的数量不小于3张)，才能形成用户个人档案；如果用户人像的数量不能满足要求，那么就仍是零散的图像。
用户个人档案包括实名档案与未实名档案。未实名档案中只存在用户人像，实名档案中存在用户人像以及用户的个人身份信息，如：姓名、身份证号码等。可以将未实名档案与底库中的各用户的用户信息进行对应，如果未实名档案所对应用户的用户信息存在于底库中，就可以通过将同一用户的未实名档案与用户信息进行绑定来建立该用户的实名档案。
对于各子区域内的图像采集设备所拍摄到的待归档人像，可以基于各子区域的已建个人档案，确定每个待归档人像中的用户是否为对应子区域的已建个人档案中的用户。
步骤S130：若是，则将待归档人像归档于对应的子区域的对应用户的已建个人档案中；
步骤S140：若否，则基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案。
本申请实施例中，如果待归档人像中的用户是对应子区域的已建个人档案中的用户，也就是说，待归档人像中的用户已在对应的子区域中存在已建个人档案，这时可以将待归档人像中归档于对应子区域的对应用户的已建个人档案中，实现对已建个人档案的完善。
如果待归档人像中的用户不是对应子区域的已建个人档案中的用户，也就是说，待归档人像中的用户在对应的子区域中不存在已建个人档案，这时可以基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案。
本申请实施例中，基于每个子区域的待归档人像，可以完善对应子区域内的已建个人档案，或者建立对应子区域内的新的用户个人档案，实现了通过对各子区域内图像采集设备所拍摄到的待归档人像的处理，完成对各子区域内用户的个人档案的更新。可以在建立了各子区域的新的用户个人档案后，将新的用户个人档案归入对应子区域的已建个人档案，以便及时得到更新后的已建个人档案，为后续的处理提供基础。
由于子区域的区域范围小于监控区域，因此，子区域内图像采集设备所拍摄的待归档图像，相较于整个监控区域内图像采集设备拍摄的图像，其数量较小，基于子区域内的已建个人档案，对子区域内图像采集设备所采集的待归档图像进行处理，能够减少运算量。另外，由于人的活动具有一定的区域性，大部分人的在大部分时间都会在某一固定区域内活动，例如：用户A在X区域上班，在Y区域生活，那么用户A在上班时间多会在X区域活动，在非工作时间多会在Y区域活动，因此，在各子区域内对各子区域内拍摄的待归档图像进行归档更为合理，也能够保证对归档的准确度。
本申请实施例提供的方法，针对于监控区域内的子区域，通过对各子区域内图像采集设备所拍摄的待归档图像的处理，实现对各子区域内用户的个人档案进行更新，由于子区域与整个监控区域相比，区域范围更小，待归档人像的数量也较小，因此，基于本方案能够减少处理时的计算量，并且保证处理后子区域的用户的个人档案的具有较高的准确度，为城市的安防监控工作提供更好的支持。
本申请实施例中，已建个人档案中包括用户人像，可以将每个待归档人像与对应子区域内每个用户的已建个人档案内的用户人像进行比较，基于人脸相似度来确定待归档人像中的用户是否为已建个人档案中的用户。
在实际使用中，人脸相似度可以通过如下方式确定：
可以分别对已建个人档案中的用户人像以及待归档人像进行人脸识别，得到已建个人档案中的用户人像的人脸特征向量以及待归档人像的人脸特征向量，计算待归档人像的人脸特征向量与已建个人档案中的用户人像的人脸特征向量的向量距离，在进行向量距离计算时，可以针对已建个人档案中的每个用户人像，当然为了节省计算量，也可以在每个已建个人档案中选取一个用户人像作为代表，进而可以根据向量距离确定待归档人像与子区域的各个已建个人档案中的用户人像的人脸相似度。
当待归档人像与已建个人档案中的用户人像人脸相似度大于设定的人脸相似度值时，可以认为待归档人像中的用户即为已建个人档案中的用户。
本申请实施例中，在基于每个子区域中未能归档的待归档人像建立每个子区域的新的用户个人档案时，可以对每个子区域中未能归档的待归档人像进行人脸聚类，得到未能归档的待归档人像的人脸聚类结果，未能归档的待归档人像的人脸聚类结果中同一用户的待归档图像被归为同一人像簇，便于基于未能归档的待归档人像的人脸聚类结果建立每个子区域的新的用户个人档案。
在实际使用中，可以基于完整链接complete-linkage聚类算法，进行对未能归档的待归档人像的聚类运算。
本申请实施例的一种可选方式中，当至少一个子区域包括至少两个子区域时，上述的方法还包括：
确定至少两个子区域中是否存在同一个用户的已建个人档案；
若存在，则基于至少两个子区域中同一个用户的已建个人档案，建立对应的用户的跨子区域个人档案。
本申请实施例中，如果能够将不同的子区域中用户的个人档案进行比较，确定出某一用户在不同的子区域均存在个人档案，便能够了解到该用户经常行动的区域，建立该用户的跨子区域个人档案，便于实现对该用户的管理。
作为一个示例，用户C在第一子区域住，在第二子区域上班，这样第一子区域内存在用户C的个人档案，第二子区域内也存在用户C的个人档案，如果将第一子区域的个人档案与第二子区域的个人档案进行比较，确定出用户C在第一子区域以及第二子区域分别存在个人档案，这时便可建立用户C的跨子区域个人档案，通过用户C的跨子区域个人档案可以了解到用户C经常出现于第一子区域和第二子区域，便于后续统计用户C的行踪，实现对用户C的管理。
具体而言，在将不同的子区域中用户的个人档案进行比较时，可以基于各个人档案中用户人像的人脸相似度。在实际计算中，可以在一个子区域中一个用户的个人档案中选取一个代表图像，与另一个子区域中一个用户的个人档案中选取的一个代表图像，进行人脸相似度比较，当二者的人脸相似度高于设定值时，则可以认为这两个个人档案对应的是同一用户。代表图像可以根据实际需要指定，例如，可以为人像簇的中点对应的用户图像。
在实际使用中，由于各子区域中用户的个人档案会发生变化，因此可以每隔一段时间，对不同子区域中用户的个人档案进行比较。
如果对监控区域内各子区域的用户的个人档案分别进行了比较，便能够从整体上了解到监控区域内用户的行动情况，实现对整个监控区域的人员管理，相较于直接这对监控区域建立用户的个人档案，计算量更少，档案也更为准确，更加有利于在人员管理业务上的实际应用。
本申请实施例的一种可选方式中，将待归档人像归档于对应的子区域的对应用户的已建个人档案中，包括：
将待归档人像实时归档于对应的子区域的对应用户的已建个人档案中；
基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案，包括：
在满足预设归档条件时，基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案。
本申请实施例中，在获取到待归档人像后，可以实时的将待归档人像归档于对应的子区域的对应用户的已建个人档案中，对于未能归档的待归档人像可以进行积累，直至满足预设归档条件时，再基于每个子区域中积累的未能归档的待归档人像，建立每个子区域的新的用户个人档案。
具体而言，预设归档条件可以为积累的未能归档的待归档人像超过预设数量。也可以预设处理周期，预设归档条件为处于处理周期内的图像处理设备的相对空闲的时段。
在建立每个子区域的新的用户个人档案时，可能存在待归档人像数量较少的情况，如果对采集到的少数几张待归档人像进行聚类运算，由于少数几张待归档人像可能分别为几个用户的人像，各待归档人像之间的差异可能会较大，无法聚类为人像簇，这时得到的聚类处理结果可能仍为零散的图像，这时的聚类运算则是无意义的，造成算力的浪费。因此，可以当待归档人像积累到足够多，多个用户均存在多张待归档人像时，再对多张的待归档人像进聚类运算，使得聚类结果中存在多个用户对应的多个人像簇，并且每个人像簇中均存在多张对应用户的待归档人像。
在实际使用中，为保证建立的新的用户个人档案时待归档人像的数量足够多，可以将预设归档条件设置为：积累的未能归档的待归档人像超过预设数量；也可以预设处理周期，认为在处理周期内已经积累类足够多的待归档人像，并且由于建立新的用户个人档案时需要的计算量较大，可以在每个处理周期内的图像处理设备的相对空闲的时段建立新的用户个人档案。
另外，建立新的用户个人档案需要调用用户的个人身份信息、个人图像信息等数据，计算量较大。因此，在满足预设归档条件时执行建立每个子区域的新的用户个人档案的操作，能够减少执行次数，减少计算量，减少建立新的用户档案时对其他计算资源的占用，同时保证建立的新的用户个人档案的中存在多张用户人像，提高新的用户个人档案的准确性。
处理周期可以根据实际的使用需要设定，作为一个示例，由于人每天的活动具有一定的周期性，因此可以选择一天作为一个处理周期的时长，例如处理周期为每相邻两天的凌晨两点之间的时段，由于凌晨时段人员活动一般较少，采集的待归档人像也较少，这时图像处理设备也相对空闲，可以将凌晨的某个时段作为处理周期作为的图像处理设备的相对空闲的时段，例如凌晨一点至两点之间的时段，也就是说，在每天的凌晨一点至两点之间，基于当天凌晨一点与前一天的凌晨一点之间的时长内每个子区域积累的无法归档的待归档人像，建立每个子区域的新的用户个人档案。
本申请实施例在实际使用中，可以对各子区域的已建个人档案进行分析，确定出各子区域内的常住人口，或者确定出各子区域内出现人员是否为该子区域的陌生人，也能够分析各子区域内人口的出行规律，便于对各子区域内人口进行管理。
本申请实施例的一种可选方式中，在确定每个待归档人像中的用户是否为对应的子区域的已建个人档案中的用户之前，上述方法还包括：
分别建立每个子区域的用户个人档案，获得每个子区域的已建个人档案。
本申请实施例在实际使用中，可能会出现各子区域内的用户个人档案还未建立的情况，如在系统初始化阶段，这时可以针对各子区域分别建立各子区域的用户个人档案，并获取每个子区域的已建个人档案。
本申请实施例的一种可选方式中，上述的分别建立每个子区域的用户个人档案，包括：
分别获取每个子区域内的图像采集设备所拍摄到的待处理人像；
对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域的待处理人像的人脸聚类结果；
基于每个子区域人脸聚类结果，分别建立每个子区域的用户个人档案。
本申请实施例中，待处理人像可以为子区域内的图像采集设备所拍摄到的一批零散图像，例如，待处理人像可以为在建立各子区域的用户个人档案之前的一段时间内，各子区域内的图像采集设备所拍摄到的人像，待处理人像能够一定程度上反映对应的子区域内人员情况。
对各子区域对应的待处理人像进行人脸聚类，得到的各子区域内待处理人像的人脸聚类结果，各子区域内待处理人像的人脸聚类结果中同一用户的待处理图像被归为同一人像簇，便于基于各子区域内待处理人像的人脸聚类结果建立各子区域的用户个人档案。
本申请实施例的一种可选方式中，上述的对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域的人脸聚类结果，包括：
基于单链接single-linkage聚类算法，对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域初步聚类结果；
基于完整链接complete-linkage聚类算法，对每个子区域初步聚类结果进行合并聚类，得到每个子区域的人脸聚类结果。
本申请实施例中，可以先基于single-linkage聚类算法，对各子区域对应的待处理人像进行人脸聚类，得到初步聚类结果。single-linkage聚类算法是以两个对象之间的最小距离为标准评价是否聚在一起，其特点是能够节省算力，但容易出现归档错误，因此single-linkage聚类时相似度阈值可以设置高一些，比如相似度大于95％才算做一各人像簇，这样就能避免一个人像簇中出现不属于该人像簇的待处理人像的情况。
基于single-linkage聚类算法得到初步聚类结果中，可能存在两个人像簇实际上为同一人像簇的情况，为了避免这种情况的出现，可以基于complete-linkage聚类算法，对初步聚类结果进行合并聚类。
通过single-linkage聚类算法与complete-linkage聚类算法结合，能够得到准确度高的图像聚类结果，有利于提高建立的个人档案的准确性。
本申请实施例的一种可选方式中，上述方法还包括：
若在对每个子区域的初步聚类结果进行合并聚类的过程中出现了满足第一预设条件的人像簇，则对满足第一预设条件的人像簇内的待处理人像进行图像质量检测；
若满足第一预设条件的人像簇内的待处理人像的图像质量检测结果不满足第二预设条件，则停止对满足第一预设条件且不满足第二预设条件的人像簇进行合并聚类。
本申请实施例中，待处理图像中可能会存在现图像质量差的情况，如拍摄的人像模糊，或者只拍摄到了部分人脸等等，这些质量差的待处理图像彼此之间可能相似度较高，因此在基于complete-linkage聚类算法进行合并聚类时，可能会出现多个的质量差的待处理图像被归为一个人像簇的情况，并且随着合并聚类的继续，该人像簇中待处理图像的数量还可能会继续增加，该人像簇无法被用于建立用户个人档案，并且浪费计算资源。
为了避免对质量差的待处理图像进行多次合并聚类计算，可以采用如下处理：
在对每个子区域的初步聚类结果进行合并聚类的过程中，若检测到某个在人像簇满足了第一预设条件，则可以认为该人像簇可能包含的是质量差的待处理图像，这时可以对这个人像簇内的待处理人像进行图像质量检测，判断图像质量检测结果是否满足第二预设条件，如果该人像簇的图像质量检测结果不满足第二预设条件，则可以认为该人像簇内包含的是图像质量差的待处理人像，则可停止对该人像簇进行合并聚类，以避免浪费计算资源。
本申请实施例的一种可选方式中，上述的第一预设条件为人像簇内的待处理人像的数量大于预设值。
本申请实施例在实际使用中，可以将第一预设条件设置为人像簇内的待处理人像的数量大于预设值，也就是说，如果检测到某个在人像簇内的待处理人像的数量高于预设人像数时，则可以认为这个人像簇内的待处理人像过多，超出了正常情况下的人像簇中的人像数，可能是出现了大量的图像质量差的待处理人像被合并为一个人像簇的情况。
本申请实施例的一种可选方式中，上述的第二预设条件为人像簇内的待处理人像的图像质量检测评分不低于预设图像质量分数。
本申请实施例在实际使用中，对第一预设条件的人像簇内的待处理人像进行图像质量检测，可以为通过预设置图像质量检测模型，对待处理人像进行图像质量评分。这时可以将第二预设条件预设为人像簇内的待处理人像的图像质量检测评分不低于预设图像质量分数。如果检测出人像簇内待处理图像不满足预设的图像质量分数，可以认为这个人像簇内包含的是图像质量差的待处理人像，则可停止对这个人像簇进行合并聚类。
本申请实施例的一种可选方式中，当至少一个子区域包括至少两个子区域时，对于至少两个子区域，通过与每个子区域分别对应的图像处理器GPU对对应子区域的图像进行并行处理，与每个子区域对应的图像包括每个子区域对应的待归档人像；
其中，在基于每个子区域内的图像采集设备所拍摄到的待处理人像分别建立每个子区域的用户个人档案时，与每个子区域对应的图像还包括每个子区域对应的待处理人像。
本申请实施例中，可通过图像处理设备具有的GPU实现对待归档人像的处理。在实际使用中，每个图像处理设备可以具有一个或多个GPU，各GPU分别与子区域对应。对于至少两个子区域，可以通过与每个子区域分别对应的GPU实现对对应子区域的图像进行并行处理。
每个子区域对应的图像可以包括每个子区域对应的待归档人像，这时可以并行进行如下至少一项的处理：
确定每个待归档人像中的用户是否为对应的子区域的已建个人档案中的用户；
将待归档人像归档于对应的子区域的对应用户的已建个人档案中；
基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案。
在实际使用中，在对多个子区域中的每个子区域分别建立新的用户个人档案时，可以由与每个子区域分别对应的GPU对对应的子区域内的未能归档的待归档人像相互独立的进行人脸聚类处理，基于未能归档的待归档人像的人脸聚类结果建立对应子区域的新的用户个人档案。
在初始化阶段分别建立各子区域的用户个人档案时每个子区域对应的待处理人像时，每个子区域对应的图像也可以包括每个子区域对应的待处理人像，这时可以并行进行建立每个子区域的用户个人档案的处理。
具体而言，可以由每个子区域分别对应的GPU对对应的子区域对应的待处理人像相互独立的进行人脸聚类处理，并基于各子区域内待处理人像的人脸聚类结果建立对应子区域的用户个人档案。
在进行人脸聚类处理时，基于单链接single-linkage聚类算法对每个子区域对应的待处理人像进行人脸聚类，可以由每个子区域分别对应的GPU相互独立进行；基于完整链接complete-linkage聚类算法，对每个子区域初步聚类结果进行合并聚类，也可以由每个子区域分别对应的GPU相互独立进行。
对满足第一预设条件的人像簇内的待处理人像进行图像质量检测，也可以由每个子区域分别对应的GPU相互独立进行。
基于与图1中所示的方法相同的原理，图2示出了本申请实施例提供的一种档案处理装置的结构示意图，如图2所示，该档案处理装置20可以包括：
待归档人像获取模块210，用于对于监控区域的至少一个子区域，分别获取各个子区域内的图像采集设备所拍摄到的待归档人像；
用户确定模块220，用于对于每个子区域所对应的待归档人像，确定每个待归档人像中的用户是否为对应的子区域的已建个人档案中的用户；
归档模块230，用于当待归档人像中的用户为对应的子区域的已建个人档案中的用户时，将待归档人像归档于对应的子区域的对应用户的已建个人档案中；
建档模块240，用于当待归档人像中的用户不是对应的子区域的已建个人档案中的用户时，则基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案。
本申请实施例提供的装置，针对于监控区域内的子区域，通过对各子区域内图像采集设备所拍摄的待归档图像的处理，实现对各子区域内用户的个人档案进行更新，由于子区域与整个监控区域相比，区域范围更小，待归档人像的数量也较小，因此，基于本方案能够减少处理时的计算量，并且保证处理后子区域的用户的个人档案的具有较高的准确度，为城市的安防监控工作提供更好的支持。
可选地，上述建档模块还用于：
当至少一个子区域包括至少两个子区域时，确定至少两个子区域中是否存在同一个用户的已建个人档案；
若存在，则基于至少两个子区域中同一个用户的已建个人档案，建立对应的用户的跨子区域个人档案。
可选地，上述建档模块还用于：
在确定每个待归档人像中的用户是否为对应的子区域的已建个人档案中的用户之前，分别建立每个子区域的用户个人档案，获得每个子区域的已建个人档案。
可选地，上述建档模块在分别建立每个子区域的已建个人档案时，具体用于：
分别获取每个子区域内的图像采集设备所拍摄到的待处理人像；
对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域的待处理人像的人脸聚类结果；
基于每个子区域人脸聚类结果，分别建立每个子区域的用户个人档案。
可选地，上述建档模块在对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域的人脸聚类结果时，具体用于：
基于单链接single-linkage聚类算法，对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域初步聚类结果；
基于完整链接complete-linkage聚类算法，对每个子区域初步聚类结果进行合并聚类，得到每个子区域的人脸聚类结果。
可选地，上述建档模块还用于：
当在对每个子区域的初步聚类结果进行合并聚类的过程中出现了满足第一预设条件的人像簇时，对满足第一预设条件的人像簇内的待处理人像进行图像质量检测；
当满足第一预设条件的人像簇内的待处理人像的图像质量检测结果不满足第二预设条件时，停止对满足第一预设条件且不满足第二预设条件的人像簇进行合并聚类。
可选地，第一预设条件为人像簇内的待处理人像的数量大于预设值。
可选地，第二预设条件为人像簇内的待处理人像的图像质量检测评分不低于预设图像质量分数。
可以理解的是，本实施例中的档案处理装置的上述各模块具有实现图1中所示的实施例中的档案处理方法相应步骤的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件，上述各模块可以单独实现，也可以多个模块集成实现。对于上述档案处理装置的各模块的功能描述具体可以参见图1中所示实施例中的档案处理方法的对应描述，在此不再赘述。
本申请实施例提供了一种电子设备，包括处理器和存储器；
存储器，用于存储操作指令；
处理器，用于通过调用操作指令，执行本申请任一实施方式中所提供的档案处理方法；
其中，处理器包括与每个子区域对应的至少一个GPU，当子区域为至少两个时，对于至少两个子区域，通过与每个子区域对应的GPU对对应子区域所对应的图像进行并行处理，与每个子区域对应的图像包括每个子区域对应的待归档人像；
其中，在基于每个子区域内的图像采集设备所拍摄到的待处理人像分别建立每个子区域的用户个人档案时，与每个子区域对应的图像还包括每个子区域对应的待处理人像。
作为一个示例，图3示出了本申请实施例所适用的一种电子设备的结构示意图，如图3所示，该电子设备2000包括：处理器2001和存储器2003。其中，处理器2001和存储器2003相连，如通过总线2002相连。可选的，电子设备2000还可以包括收发器2004。需要说明的是，实际应用中收发器2004不限于一个，该电子设备2000的结构并不构成对本申请实施例的限定。
其中，处理器2001应用于本申请实施例中，用于实现上述方法实施例所示的方法。收发器2004可以包括接收机和发射机，收发器2004应用于本申请实施例中，用于执行时实现本申请实施例的电子设备与其他设备通信的功能。
处理器2001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，GPU(Graphics Processing Unit，图形处理器)，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application Specific Integrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器2001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线2002可包括一通路，在上述组件之间传送信息。总线2002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线2002可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器2003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者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。
可选的，存储器2003用于存储执行本申请方案的应用程序代码，并由处理器2001来控制执行。处理器2001用于执行存储器2003中存储的应用程序代码，以实现本申请任一实施方式中所提供的档案处理方法。
本申请实施例提供的电子设备，适用于上述方法任一实施例，在此不再赘述。
本申请实施例提供了一种电子设备，与现有技术相比，针对于监控区域内的子区域，通过对各子区域内图像采集设备所拍摄的待归档图像的处理，实现对各子区域内用户的个人档案进行更新，由于子区域与整个监控区域相比，区域范围更小，待归档人像的数量也较小，因此，基于本方案能够减少处理时的计算量，并且保证处理后子区域的用户的个人档案的具有较高的准确度，为城市的安防监控工作提供更好的支持。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现上述方法实施例所示的档案处理方法。
本申请实施例提供的计算机可读存储介质，适用于上述方法任一实施例，在此不再赘述。
本申请实施例提供了一种计算机可读存储介质，与现有技术相比，针对于监控区域内的子区域，通过对各子区域内图像采集设备所拍摄的待归档图像的处理，实现对各子区域内用户的个人档案进行更新，由于子区域与整个监控区域相比，区域范围更小，待归档人像的数量也较小，因此，基于本方案能够减少处理时的计算量，并且保证处理后子区域的用户的个人档案的具有较高的准确度，为城市的安防监控工作提供更好的支持。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种档案处理方法，其特征在于，包括：
对于监控区域的至少一个子区域，分别获取各个所述子区域内的图像采集设备所拍摄到的待归档人像；
对于每个所述子区域所对应的待归档人像，确定每个待归档人像中的用户是否为对应的子区域的已建个人档案中的用户；
若是，则将待归档人像归档于对应的子区域的对应用户的已建个人档案中；
若否，则基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案。
2.根据权利要求1所述的方法，其特征在于，当所述至少一个子区域包括至少两个子区域时，还包括：
确定至少两个子区域中是否存在同一个用户的已建个人档案；
若存在，则基于至少两个子区域中同一个用户的已建个人档案，建立对应的用户的跨子区域个人档案。
3.根据权利要求1所述的方法，其特征在于，所述将待归档人像归档于对应的子区域的对应用户的已建个人档案中，包括：
将待归档人像实时归档于对应的子区域的对应用户的已建个人档案中；
所述基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案，包括：
在满足预设归档条件时，基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案。
4.根据权利要求1所述的方法，其特征在于，在确定每个待归档人像中的用户是否为对应的子区域的已建个人档案中的用户之前，还包括：
分别建立每个子区域的用户个人档案，获得每个子区域的已建个人档案。
5.根据权利要求4所述的方法，其特征在于，所述分别建立每个子区域的用户个人档案，包括：
分别获取每个子区域内的图像采集设备所拍摄到的待处理人像；
对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域的待处理人像的人脸聚类结果；
基于每个子区域人脸聚类结果，分别建立每个子区域的用户个人档案。
6.根据权利要求5所述的方法，其特征在于，所述对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域的人脸聚类结果，包括：
基于单链接single-linkage聚类算法，对每个子区域对应的待处理人像进行人脸聚类，得到每个子区域初步聚类结果；
基于完整链接complete-linkage聚类算法，对每个子区域初步聚类结果进行合并聚类，得到每个子区域的人脸聚类结果。
7.根据权利要求6所述的方法，其特征在于，还包括：
若在对每个子区域的初步聚类结果进行合并聚类的过程中出现了满足第一预设条件的人像簇，则对满足第一预设条件的人像簇内的待处理人像进行图像质量检测；
若满足第一预设条件的人像簇内的待处理人像的图像质量检测结果不满足第二预设条件，则停止对满足第一预设条件且不满足第二预设条件的人像簇进行合并聚类。
8.根据权利要求7所述的方法，其特征在于，所述第一预设条件为人像簇内的待处理人像的数量大于预设值。
9.根据权利要求7所述的方法，其特征在于，所述第二预设条件为人像簇内的待处理人像的图像质量检测评分不低于预设图像质量分数。
10.根据权利要求1-9中任一项所述的方法，其特征在于，当所述至少一个子区域包括至少两个子区域时，对于至少两个子区域，通过与每个子区域分别对应的图像处理器GPU对对应子区域所对应的图像进行并行处理，与每个子区域对应的图像包括每个子区域对应的待归档人像；
其中，在基于每个子区域内的图像采集设备所拍摄到的待处理人像分别建立每个子区域的用户个人档案时，与每个子区域对应的图像还包括每个子区域对应的待处理人像。
11.一种档案处理装置，其特征在于，包括：
待归档人像获取模块，用于对于监控区域的至少一个子区域，分别获取各个所述子区域内的图像采集设备所拍摄到的待归档人像；
用户确定模块，用于对于每个所述子区域所对应的待归档人像，确定每个待归档人像中的用户是否为对应的子区域的已建个人档案中的用户；
归档模块，用于当待归档人像中的用户为对应的子区域的已建个人档案中的用户时，将待归档人像归档于对应的子区域的对应用户的已建个人档案中；
建档模块，用于当待归档人像中的用户不是对应的子区域的已建个人档案中的用户时，则基于每个子区域中未能归档的待归档人像，建立每个子区域的新的用户个人档案。
12.一种电子设备，其特征在于，包括处理器和存储器；
所述存储器，用于存储操作指令；
所述处理器，用于通过调用所述操作指令，执行权利要求1-10中任一项所述的档案处理方法。
13.一种计算机可读存储介质，所述存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-10中任一项所述的档案处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910340992.5A CN110059657A (zh) | 2019-04-25 | 2019-04-25 | 档案处理方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910340992.5A CN110059657A (zh) | 2019-04-25 | 2019-04-25 | 档案处理方法、装置、电子设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110059657A true CN110059657A (zh) | 2019-07-26 |
Family
ID=67320852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910340992.5A Pending CN110059657A (zh) | 2019-04-25 | 2019-04-25 | 档案处理方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110059657A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110413811A (zh) * | 2019-08-05 | 2019-11-05 | 北京深醒科技有限公司 | 一种基于人脸识别的路人库跨通道聚合方法 |
| CN110516624A (zh) * | 2019-08-29 | 2019-11-29 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN112199555A (zh) * | 2020-10-21 | 2021-01-08 | 重庆紫光华山智安科技有限公司 | 人员聚档方法、装置及电子设备 |
| CN112686141A (zh) * | 2020-12-29 | 2021-04-20 | 杭州海康威视数字技术股份有限公司 | 人员归档方法、装置及电子设备 |
| CN112906725A (zh) * | 2019-11-19 | 2021-06-04 | 北京金山云网络技术有限公司 | 统计人流特征的方法、装置及服务器 |
| CN112948612A (zh) * | 2021-03-16 | 2021-06-11 | 杭州海康威视数字技术股份有限公司 | 人体封面生成方法、装置、电子设备及存储介质 |
| WO2021143237A1 (zh) * | 2020-01-15 | 2021-07-22 | 佳都新太科技股份有限公司 | 一种动态人脸聚类方法、装置、设备和存储介质 |
| CN113255703A (zh) * | 2021-07-13 | 2021-08-13 | 浙江大华技术股份有限公司 | 图像识别方法以及电子设备、计算机可读存储介质 |
| WO2022111178A1 (en) * | 2020-11-24 | 2022-06-02 | Zhejiang Dahua Technology Co., Ltd. | Clustering and archiving method, apparatus, device and computer storage medium |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103164923A (zh) * | 2011-12-14 | 2013-06-19 | 鸿富锦精密工业（深圳）有限公司 | 居家安全监控系统及方法 |
| US20130251214A1 (en) * | 2012-03-26 | 2013-09-26 | Amerasia International Technology, Inc. | Biometric registration and verification system and method |
| CN104137155A (zh) * | 2012-02-29 | 2014-11-05 | 皇家飞利浦有限公司 | 用于监控区域中人员的存在的装置、方法和系统 |
| CN107509053A (zh) * | 2017-07-13 | 2017-12-22 | 温州大学瓯江学院 | 一种基于计算机网络的远程监控系统 |
| CN108052925A (zh) * | 2017-12-28 | 2018-05-18 | 江西高创保安服务技术有限公司 | 一种小区人员档案智能管理方法 |
| CN108733819A (zh) * | 2018-05-22 | 2018-11-02 | 深圳云天励飞技术有限公司 | 一种人员档案建立方法和装置 |
| CN109086720A (zh) * | 2018-08-03 | 2018-12-25 | 腾讯科技（深圳）有限公司 | 一种人脸聚类方法、装置和存储介质 |
| CN109118413A (zh) * | 2018-08-21 | 2019-01-01 | 北京深瞐科技有限公司 | 城市活动人口统计方法及其装置、计算机可读介质 |
| CN109145844A (zh) * | 2018-08-29 | 2019-01-04 | 北京旷视科技有限公司 | 用于城市安防监控的档案管理方法、装置以及电子设备 |
| CN109190588A (zh) * | 2018-09-19 | 2019-01-11 | 东方网力科技股份有限公司 | 一种人口分类的方法及装置 |
| CN109241378A (zh) * | 2018-08-29 | 2019-01-18 | 北京旷视科技有限公司 | 档案建立方法、装置、设备及存储介质 |
| CN109242045A (zh) * | 2018-09-30 | 2019-01-18 | 北京达佳互联信息技术有限公司 | 图像聚类处理方法、装置、电子设备及存储介质 |
| CN109344271A (zh) * | 2018-09-30 | 2019-02-15 | 南京物盟信息技术有限公司 | 视频人像档案处理方法及其系统 |
-
2019
- 2019-04-25 CN CN201910340992.5A patent/CN110059657A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103164923A (zh) * | 2011-12-14 | 2013-06-19 | 鸿富锦精密工业（深圳）有限公司 | 居家安全监控系统及方法 |
| CN104137155A (zh) * | 2012-02-29 | 2014-11-05 | 皇家飞利浦有限公司 | 用于监控区域中人员的存在的装置、方法和系统 |
| US20130251214A1 (en) * | 2012-03-26 | 2013-09-26 | Amerasia International Technology, Inc. | Biometric registration and verification system and method |
| CN107509053A (zh) * | 2017-07-13 | 2017-12-22 | 温州大学瓯江学院 | 一种基于计算机网络的远程监控系统 |
| CN108052925A (zh) * | 2017-12-28 | 2018-05-18 | 江西高创保安服务技术有限公司 | 一种小区人员档案智能管理方法 |
| CN108733819A (zh) * | 2018-05-22 | 2018-11-02 | 深圳云天励飞技术有限公司 | 一种人员档案建立方法和装置 |
| CN109086720A (zh) * | 2018-08-03 | 2018-12-25 | 腾讯科技（深圳）有限公司 | 一种人脸聚类方法、装置和存储介质 |
| CN109118413A (zh) * | 2018-08-21 | 2019-01-01 | 北京深瞐科技有限公司 | 城市活动人口统计方法及其装置、计算机可读介质 |
| CN109145844A (zh) * | 2018-08-29 | 2019-01-04 | 北京旷视科技有限公司 | 用于城市安防监控的档案管理方法、装置以及电子设备 |
| CN109241378A (zh) * | 2018-08-29 | 2019-01-18 | 北京旷视科技有限公司 | 档案建立方法、装置、设备及存储介质 |
| CN109190588A (zh) * | 2018-09-19 | 2019-01-11 | 东方网力科技股份有限公司 | 一种人口分类的方法及装置 |
| CN109242045A (zh) * | 2018-09-30 | 2019-01-18 | 北京达佳互联信息技术有限公司 | 图像聚类处理方法、装置、电子设备及存储介质 |
| CN109344271A (zh) * | 2018-09-30 | 2019-02-15 | 南京物盟信息技术有限公司 | 视频人像档案处理方法及其系统 |
Non-Patent Citations (1)
| Title |
|---|
| 李弼程 等: "《网络舆情分析 理论技术与应对策略》", 31 March 2015, 国防工业出版社 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110413811A (zh) * | 2019-08-05 | 2019-11-05 | 北京深醒科技有限公司 | 一种基于人脸识别的路人库跨通道聚合方法 |
| CN110516624A (zh) * | 2019-08-29 | 2019-11-29 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN112906725A (zh) * | 2019-11-19 | 2021-06-04 | 北京金山云网络技术有限公司 | 统计人流特征的方法、装置及服务器 |
| WO2021143237A1 (zh) * | 2020-01-15 | 2021-07-22 | 佳都新太科技股份有限公司 | 一种动态人脸聚类方法、装置、设备和存储介质 |
| CN112199555A (zh) * | 2020-10-21 | 2021-01-08 | 重庆紫光华山智安科技有限公司 | 人员聚档方法、装置及电子设备 |
| WO2022111178A1 (en) * | 2020-11-24 | 2022-06-02 | Zhejiang Dahua Technology Co., Ltd. | Clustering and archiving method, apparatus, device and computer storage medium |
| CN112686141A (zh) * | 2020-12-29 | 2021-04-20 | 杭州海康威视数字技术股份有限公司 | 人员归档方法、装置及电子设备 |
| CN112948612A (zh) * | 2021-03-16 | 2021-06-11 | 杭州海康威视数字技术股份有限公司 | 人体封面生成方法、装置、电子设备及存储介质 |
| CN112948612B (zh) * | 2021-03-16 | 2024-02-06 | 杭州海康威视数字技术股份有限公司 | 人体封面生成方法、装置、电子设备及存储介质 |
| CN113255703A (zh) * | 2021-07-13 | 2021-08-13 | 浙江大华技术股份有限公司 | 图像识别方法以及电子设备、计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110059657A (zh) | 档案处理方法、装置、电子设备及计算机可读存储介质 | |
| US9715409B2 (en) | Job delay detection method and information processing apparatus | |
| JP7103345B2 (ja) | 解析システム、解析方法及びプログラム | |
| JP6217888B1 (ja) | 解析装置、解析方法及びプログラム | |
| CN111369334B (zh) | 一种薪资计算方法及系统 | |
| CN1752935A (zh) | 检测主机计算设备中角色变化的工作负荷分类方法与系统 | |
| CN103793309A (zh) | 一种批量业务预警方法及装置 | |
| CN114882605A (zh) | 一种基于互联网的智慧考勤管理系统及方法 | |
| CN102999900A (zh) | 图像处理设备和图像处理方法 | |
| CN117251490A (zh) | 数据查询方法、装置、计算机设备及存储介质 | |
| CN111985438A (zh) | 一种静态人脸处理方法、装置及设备 | |
| CN114529262A (zh) | 项目开发工时计算方法、装置、设备及存储介质 | |
| CN1231743A (zh) | 业务数据库系统中的事件记录 | |
| CN115129659A (zh) | 主协内核计算机处理平台 | |
| CN114077532A (zh) | 一种sql语句执行效率检测方法及装置 | |
| US7082442B2 (en) | Method and system for resolving disarrangement in database | |
| CN113457990A (zh) | 货物分拣方法、装置、电子设备及介质 | |
| CN112667149A (zh) | 一种数据热度感知方法、装置、设备及介质 | |
| CN115237669A (zh) | 一种数据备份方法、数据恢复方法、装置及电子设备 | |
| CN111078522A (zh) | 页面待优化区域的识别方法、装置、电子设备及存储介质 | |
| CN110209853A (zh) | 车辆的图片搜索方法、装置和设备 | |
| KR20190055278A (ko) | 멀티 gaap을 지원하기 위한 전표 데이터 관리 시스템 및 방법 | |
| CN110147405A (zh) | 一种基于基架运维的监控方法、装置、设备和存储介质 | |
| CN109446051A (zh) | 一种告警分析方法和装置 | |
| CN116719648B (zh) | 一种用于计算机系统的数据管理方法及系统 |
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 |
Application publication date: 20190726 |
|
| RJ01 | Rejection of invention patent application after publication |