CN110263704A - 人脸数据采集方法、装置、服务器、视频采集器及介质 - Google Patents
人脸数据采集方法、装置、服务器、视频采集器及介质 Download PDFInfo
- Publication number
- CN110263704A CN110263704A CN201910528522.1A CN201910528522A CN110263704A CN 110263704 A CN110263704 A CN 110263704A CN 201910528522 A CN201910528522 A CN 201910528522A CN 110263704 A CN110263704 A CN 110263704A
- Authority
- CN
- China
- Prior art keywords
- video
- main body
- mark
- main
- packet
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种人脸数据采集方法、装置、服务器、视频采集器及存储介质，其中，方法包括：获取视频采集器上传的带有标识ID的主体视频，其中，所述标识ID位于所述主体视频的每一帧的设定位置，且相同标识ID用于标识同一主体；解析所述主体视频中的标识ID，并根据所述标识ID对所述主体视频进行视频分割，得到至少一个分组视频，其中，任一分组视频中各视频帧的标识ID相同；针对任一分组视频，依据预设的抓取策略对所述分组视频内的主体进行图片抓取。本发明实施例可实现快速高效的获取不同主体的大规模人脸数据，而且通过标识ID自动对主体进行分组，避免了人工确认正、负样本，提升了样本准确性。
Description
技术领域
本发明实施例涉及人脸识别技术领域，尤其涉及一种人脸数据采集方法、装置、服务器、视频采集器及介质。
背景技术
当前人脸识别技术正从传统的依赖人工设计特征的机器学习向基于神经网络的深度学习转变。深度学习的优势在于经过大型数据集的训练从中学习到表征这些数据的最佳特征，从而提供端到端的人脸识别解决方案。但同时，深度学习也需要非常大的样本数据集来训练，才能学习和识别未曾见过的样本。
目前，获取样本数据集主要是通过人工采集，并通过人工方式对采集的样本数据进行分组/标注。然而，通过人工方式采集、分组/标定速度慢、效率低，而且人工采集工作本身存在误差，并且样本标定属于重复性工作，工作人员难免产生疲劳，导致最终的样本数据错误或数据集内存在标签噪声。
发明内容
本发明实施例提供了一种人脸数据采集方法、装置、服务器、视频采集器及介质，以解决现有技术中通过人工采集、分组/标定样本数据时存在的速度慢、效率低且易出错的问题。
第一方面，本发明实施例提供了一种人脸数据采集方法，应用于服务器，包括：
获取视频采集器上传的带有标识ID的主体视频，其中，所述标识ID位于所述主体视频的每一帧的设定位置，且相同标识ID用于标识同一主体；
解析所述主体视频中的标识ID，并根据所述标识ID对所述主体视频进行视频分割，得到至少一个分组视频，其中，任一分组视频中各视频帧的标识ID相同；
针对任一分组视频，依据预设的抓取策略对所述分组视频内的主体进行图片抓取。
第二方面，本发明实施例提供了一种人脸数据采集方法，应用于视频采集器，包括：
在视频采集过程中，若识别出的主体满足预设采集条件，则为所述主体生成对应的标识ID；其中所述预设采集条件用于确保识别出的主体为同一主体；
在对采集到的主体视频进行编码封装时，在所述主体视频中每一帧的设定位置插入所述标识ID。
第三方面，本发明实施例提供了一种人脸数据采集装置，配置于服务器，包括：
视频获取模块，用于获取视频采集器上传的带有标识ID的主体视频，其中，所述标识ID位于所述主体视频的每一帧的设定位置，且相同标识ID用于标识同一主体；
解析分组模块，用于解析所述主体视频中的标识ID，并根据所述标识ID对所述主体视频进行视频分割，得到至少一个分组视频，其中，任一分组视频中各视频帧的标识ID相同；
抓取模块，用于针对任一分组视频，依据预设的抓取策略对所述分组视频内的主体进行图片抓取。
第四方面，本发明实施例提供了一种人脸数据采集装置，配置于视频采集器，包括：
采集模块，用于在视频采集过程中，若识别出的主体满足预设采集条件，则为所述主体生成对应的标识ID；其中所述预设采集条件用于确保识别出的主体为同一主体；
标识ID添加模块，用于在对采集到的主体视频进行编码封装时，在所述主体视频中每一帧的设定位置插入所述标识ID。
第五方面，本发明实施例还提供了一种服务器，所述服务器包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中的任一种应用于服务器的人脸数据采集方法。
第六方面，本发明实施例还提供了一种视频采集器，所述视频采集器包括：
摄像头，用于采集主体视频；
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中的任一种应用于视频采集器的人脸数据采集方法。
第七方面，本发明实施例还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如本发明实施例中的任一种由服务器执行的人脸数据采集方法。
第八方面，本发明实施例还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如本发明实施例中的任一种由视频采集器执行的人脸数据采集方法。
本发明实施例提供了一种人脸数据采集方法、装置、服务器、视频采集器及介质，在视频采集过程中，如果主体满足采集条件，则为所述主体生成对应的标识ID，并在对采集到的主体视频进行编码封装时，将标识ID添加到主体视频中。后续可通过解析主体视频中的标识ID，并根据标识ID对所述主体视频进行视频分割，得到至少一个分组视频，针对任一分组视频，依据预设的抓取策略对所述分组视频内的主体进行图片抓取。由此可实现快速高效的获取不同主体的大规模人脸数据，而且通过标识ID自动对主体进行分组，避免了人工确认正、负样本，提升了样本准确性。
附图说明
图1是本发明实施例一提供的一种应用于视频采集器的人脸数据采集方法的流程示意图；
图2是本发明实施例二提供的一种应用于服务器的人脸数据采集方法的流程示意图；
图3是本发明实施例三提供的一种配置于视频采集器的人脸数据采集装置的结构示意图；
图4是本发明实施例四提供的一种配置于服务器的人脸数据采集装置的结构示意图；
图5是本发明实施例五提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种应用于视频采集器的人脸数据采集方法的流程图，本实施例可适用于人脸识别时需要采集大量人脸样本数据的情况，该方法可以由人脸数据采集装置执行，该装置可配置在视频采集器上，例如配置在相机或监控器上。
如图1所示，本发明实施例中提供的应用于视频采集器的人脸数据采集方法可以包括：
S101、在视频采集过程中，若识别出的主体满足预设采集条件，则为所述主体生成对应的标识ID。
本发明实施例中，由于要求在最终的人脸数据集中一个主体目录内的人脸图片必须来自同一个人，因此，需要视频采集器保始终对相同主体跟踪采集，且每幅图像的主体人脸永远只取一个，以避免后续业务处理时目标主体的人脸分组/标注数据易受其他主体数据污染。基于此需要预先设定采集条件，只有视频采集器识别出的主体满足预设条件时，则确定视频采集器是在采集同一主体。其中，在预设场景中，例如金融、电信和签证柜台等业务办理时的场景，视频采集器识别出的主体的数量为一个时，所述预设采集条件包括：
(1)主体的人脸像素与人脸清晰度满足预设要求。例如，视频采集器识别的人脸像素满足100*100，人脸清晰度满足预设的人脸模糊量要求。
(2)主体在预设场景中连续出现。其确保了识别出的主体是同一人(即同一主体)。示例性的，可通过构建AlexNet-Siamese网络进行主体的检测跟踪，以判断主体在预设场景中是否连续出现。具体的，可以按照如下步骤进行：
①将初始帧i中的目标区域和后续帧j分别输入到AlexNet-Siamese网络中，提取高维特征。
②将输入目标区域得到的特征图像作为卷积核，与输入后续帧j得到的特征图像进行卷积，计算目标区域与后续帧中某区域的互相关。
③第i帧目标区域图像X(i)和后续第j帧内图像X(j)作为Siamese网络的两个输入并按如下规则判断：
若输入的图像X(i)和X(j)为同一主体，则该网络模型输出的两个一维向量欧氏距离小于预设阈值，即||f(X(i))-f(X(j))||2数值小于预设阈值；
若输入的图像X(i)和X(j)不是同一主体，则该网络模型输出的两个一维向量的欧氏距离大于预设阈值，也即是||f(X(i))-f(X(j))||2数值大于预设阈值。
④相似度最高的位置作为目标主体的新位置，从而实现对主体的连续跟踪。
进一步的，在普通的视频跟踪时，主体的数量为多个时，所述预设采集条件除了需要满足上述(1)和(2)两个条件外，还需要满足如下条件：
将识别出的满足上述(1)和(2)两个条件的主体作为目标主体，并且目标主体与其它主体的运动轨迹不存在交汇或遮挡。
在此需要说明的是，目标主体被遮挡/交汇，此时目标主体容易被背景或者错误的其它主体所污染。若继续采集可能出现遮挡/交汇前后的主体并非同一个人的风险，因此目标主体与其它主体的运动轨迹不能存在交汇或遮挡。
进一步的，若先后两个主体满足上述(1)和(2)两个条件，则将先满足条件的主体作为目标主体；若同时满足上述(1)和(2)两个条件的主体为多个，则随机的任选其中一个作为目标主体。
若识别出的主体满足上述预设采集条件时，则为该主体生成对应的标识ID，例如可通过生成随机数的方式生成标识ID。在此需要说明的是，每个主体的标识ID都是唯一的，以便后续根据标识ID进行视频分组。
进一步的，如果所述主体不满足预设采集条件，例如主体在预设场景中消失或目标主体与其它主体存在交汇或遮挡，则将标识ID设置为预设的特定标识，例如将标识ID设置为零，直到另一主体满足预设条件后，为所述另一主体生成新的标识ID，也即是，发生主体切换时，为新主体生成新的标识ID。
进一步的，若某一满足预设采集条件的主体从当前画面消失，后来又重新回到该画面中，且满足预设采集条件，则重新为该主体生成新的标识ID，且该主体新的标识ID与其之前的标识ID不同。
S102、在对采集到的主体视频进行编码封装时，在所述主体视频中每一帧的设定位置插入所述标识ID。
在对采集到的主体视频进行编码封装时，在所述主体视频中每一帧的设定位置插入所述标识ID，以实现将标识ID添加到主体视频中，其中设定位置优选的为每一帧的紧前位置，例如，如果一帧只包括一个slice(片)，则将标识ID插入到该slice前，如果一帧包括多个slice，则将标识ID插入到第一个slice前。由此使得包括相同主体的视频片段的每一帧的标识ID相同。
进一步的，在本实施例中以H.264编码器的编码封装为例进行说明。H.264编码器的功能分为两层，分别为视频编码层(VCL)和网络提取层(NAL)。VCL数据为被压缩编码后的视频数据序列，VCL数据要封装到NAL单元中之后，才可以用来传输或存储，也即NAL负责格式化数据并提供头信息。而在NAL头内nal_unit_type有些取值尚未使用，如30或31，因此，示例性的将nal_unit_type＝31写入NAL头内，并对应的在NAL body内写入主体对应的标识ID，由此也即实现了将标识ID插入到对应主体视频每一帧的紧前位置。在添加完标识ID后，将NAL单元中的数据上传到服务器做进一步的处理。
在此需要说明的是，不同场景中可以安装多个视频采集器按照上述步骤采集主体视频，可以满足人脸数据集对不同场景人脸的采集要求。
本实施例中，通过预设采集条件可以实现对相同主体跟踪采集，且每幅图像的主体人脸永远只取一个，而且在视频的相同主体帧的紧前位置嵌入相同的标识ID，以便后续可以根据区分不同的主体，并根据不同主体采集人脸图像数据。
实施例二
图2为本发明实施例二提供的一种应用于服务器的人脸数据采集方法的流程示意图。本实施例提供的人脸数据采集方法适用于人脸识别时需要采集大量人脸样本数据的情况，该方法可以由人脸数据采集装置来执行，该装置可以由软件和/或硬件的方式实现，该装置配置在服务器上。
S201、获取视频采集器上传的带有标识ID的主体视频。
其中，所述标识ID位于所述主体视频的每一帧的设定位置，且相同标识ID用于标识同一主体。
S202、解析所述主体视频中的标识ID，并根据所述标识ID对所述主体视频进行视频分割，得到至少一个分组视频，其中，任一分组视频中各视频帧的标识ID相同。
示例性的，在NAL头内若识别到nal_unit_type＝31，则从NAL body中解析主体视频包括的标识ID。根据所述标识ID对所述主体视频进行视频分割，示例性的，将包含相同标识ID的视频帧切割成一个分组视频，使得一个分组视频内的人脸数据属于同一主体。通过上述分割得到至少一个分组视频。
进一步的，由于在预设场景中安装多个视频采集器采集主体视频并上传到服务器，因此为了区分不同视频采集器，可为各分组视频码流按“视频采集器编号-标识ID”的格式命名。
进一步的，如果检测到某一分组视频中的标识ID为预设的特定标识，例如标识ID为零，则确定该分组视频中的主体不满足采集条件，并丢弃该分组视频，由此可确保后续抓取人脸图片的正确性。
S203、针对任一分组视频，依据预设的抓取策略对所述分组视频内的主体进行图片抓取。
示例性的，可基于人脸姿态评估算法，在分组视频内抓取主体的预设人脸姿态的图片，得到不同人脸姿态的图片；或
基于人脸表情识别算法，在所述分组视频内抓取主体的预设人脸表情的图片，得到不同表情的人脸图片；或
每间隔预设时间抓取分组视频中不同人脸角度或光照条件的人脸图片。
由此，根据人脸图片抓拍策略即可获取相同主体多样化(光照变化、人脸姿态、人脸表情、面部遮挡等)的人脸样本。
在此需要说明的是，还可以根据用户对人脸数据样本集的宽度和深度的需求，定制抓取策略从各分组视频中抓取图片，其中宽度用于表征数据集包含的主体的数量，深度用于表征每个主体包含的图像的数量。
进一步的，针对一个分组视频，抓取到的人脸图像存入与该分组视频相同命名的目录内。
进一步的，在将各个分组视频抓取完人脸图像并保存到各自对应的目录后，针对各个目录中的已抓取到的图片的大小、色彩或亮度进行归一化处理，例如，将抓取到的人脸图像处理成92*112大小的图片，将人脸图片处理为黑白图像。并将处理后的图片存储到人脸数据集中，以供深度学习训练时使用。
本实施例中，通过解析主体视频中的标识ID，并根据标识ID对所述主体视频进行视频分割，得到至少一个分组视频，针对任一分组视频，依据预设的抓取策略对所述分组视频内的主体进行图片抓取。由此可实现快速高效的获取不同主体的大规模人脸数据，而且通过标识ID自动对主体进行分组，避免了人工确认正、负样本，提升了样本准确性。
实施例三
图3是本发明实施例三提供的一种人脸数据采集装置的结构示意图。该人脸数据采集装置配置于视频采集器，如图3所示，该装置包括：
采集模块301，用于在视频采集过程中，若识别出的主体满足预设采集条件，则为所述主体生成对应的标识ID；其中所述预设采集条件用于确保识别出的主体为同一主体；
标识ID添加模块302，用于在对采集到的主体视频进行编码封装时，在所述主体视频中每一帧的设定位置插入所述标识ID。
本实施例中，通过预设采集条件可以实现对相同主体跟踪采集，且每幅图像的主体人脸永远只取一个，而且在视频的相同主体帧的紧前位置嵌入相同的标识ID，以便后续可以根据区分不同的主体，并根据不同主体采集人脸图像数据。
在上述实施例的基础上，所述装置还包括：
主体切换模块，用于如果所述主体不满足预设采集条件，则将标识ID设置为预设的特定标识，直到另一主体满足预设条件后，为所述另一主体生成新的标识ID。
在上述实施例的基础上，在预设场景中，所述主体的数量为一个时，所述预设采集条件包括：
主体的人脸像素与人脸清晰度满足预设要求；
主体在预设场景中连续出现；
相应的，在视频跟踪时，所述主体的数量为多个时，所述预设采集条件还包括：
将识别出的主体作为目标主体，并且所述目标主体与其它主体的运动轨迹不存在交汇或遮挡。
本发明实施例所提供的人脸数据采集装置可执行本发明任意实施例所提供的应用于视频采集器的人脸数据采集方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四提供的一种人脸数据采集装置的结构示意图。该人脸数据采集装置配置于服务器，如图4所示，该装置包括：
视频获取模块401，用于获取视频采集器上传的带有标识ID的主体视频，其中，所述标识ID位于所述主体视频的每一帧的设定位置，且相同标识ID用于标识同一主体；
解析分组模块402，用于解析所述主体视频中的标识ID，并根据所述标识ID对所述主体视频进行视频分割，得到至少一个分组视频，其中，任一分组视频中各视频帧的标识ID相同；
抓取模块403，用于针对任一分组视频，依据预设的抓取策略对所述分组视频内的主体进行图片抓取。
本实施例中，通过解析主体视频中的标识ID，并根据标识ID对所述主体视频进行视频分割，得到至少一个分组视频，针对任一分组视频，依据预设的抓取策略对所述分组视频内的主体进行图片抓取。由此可实现快速高效的获取不同主体的大规模人脸数据，而且通过标识ID自动对主体进行分组，避免了人工确认正、负样本，提升了样本准确性。
在上述实施例的基础上，所述装置还包括：
丢弃模块，用于如果检测到某一分组视频中的标识ID为预设的特定标识，则确定该分组视频中的主体不满足采集条件，并丢弃该分组视频。
在上述实施例的基础上，抓取模块具体用于：
基于人脸姿态评估算法，在所述分组视频内抓取主体的预设人脸姿态的图片；或
基于人脸表情识别算法，在所述分组视频内抓取主体的预设人脸表情的图片；或
每间隔预设时间抓取分组视频中不同人脸角度或光照条件的人脸图片。
在上述实施例的基础上，所述装置还包括：
归一化处理模块，用于对已抓取到的图片的大小、色彩或亮度进行归一化处理，并将处理后的图片存储到人脸数据集中。
本发明实施例所提供的人脸数据采集装置可执行本发明任意实施例所提供的应用于服务器的人脸数据采集方法，具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的服务器的结构示意图。图5示出了适于用来实现本发明实施方式的示例性服务器12的框图。图5显示的服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于：一个或者多个处理器或者处理器16，存储器28，连接不同系统组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
服务器12也可以与一个或多个外部设备14通信，还可与一个或者多个使得用户能与该服务器12交互的设备通信，和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的应用于服务器的人脸数据采集方法，该方法包括：
获取视频采集器上传的带有标识ID的主体视频，其中，所述标识ID位于所述主体视频的每一帧的设定位置，且相同标识ID用于标识同一主体；
解析所述主体视频中的标识ID，并根据所述标识ID对所述主体视频进行视频分割，得到至少一个分组视频，其中，任一分组视频中各视频帧的标识ID相同；
针对任一分组视频，依据预设的抓取策略对所述分组视频内的主体进行图片抓取。
本发明实施例还提供了一种视频采集器，其包括：摄像头，用于采集主体视频；一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例所提供的应用于视频采集器的人脸数据采集方法，包括：
在视频采集过程中，若识别出的主体满足预设采集条件，则为所述主体生成对应的标识ID；其中所述预设采集条件用于确保识别出的主体为同一主体；
在对采集到的主体视频进行编码封装时，在所述主体视频中每一帧的设定位置插入所述标识ID。
当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的应用于视频采集器的人脸数据采集方法的技术方案。该电子设备的硬件结构以及功能可参见实施例五的内容解释。
实施例六
本发明实施例中提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种应用于服务器的人脸数据采集方法，该方法包括：
获取视频采集器上传的带有标识ID的主体视频，其中，所述标识ID位于所述主体视频的每一帧的设定位置，且相同标识ID用于标识同一主体；
解析所述主体视频中的标识ID，并根据所述标识ID对所述主体视频进行视频分割，得到至少一个分组视频，其中，任一分组视频中各视频帧的标识ID相同；
针对任一分组视频，依据预设的抓取策略对所述分组视频内的主体进行图片抓取。
当然，本发明实施例中所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例中所提供的人脸数据采集方法中的相关操作。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明实施例还提供了另一种计算机可读存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种应用于视频采集器的人脸数据采集方法，该方法包括：
在视频采集过程中，若识别出的主体满足预设采集条件，则为所述主体生成对应的标识ID；其中所述预设采集条件用于确保识别出的主体为同一主体；
在对采集到的主体视频进行编码封装时，在所述主体视频中每一帧的设定位置插入所述标识ID。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的应用于视频采集器的人脸数据采集方法中的相关操作。对存储介质的介绍可参见实施例中的内容解释。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (13)
1.一种人脸数据采集方法，应用于服务器，其特征在于，所述方法包括：
获取视频采集器上传的带有标识ID的主体视频，其中，所述标识ID位于所述主体视频的每一帧的设定位置，且相同标识ID用于标识同一主体；
解析所述主体视频中的标识ID，并根据所述标识ID对所述主体视频进行视频分割，得到至少一个分组视频，其中，任一分组视频中各视频帧的标识ID相同；
针对任一分组视频，依据预设的抓取策略对所述分组视频内的主体进行图片抓取。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
如果检测到某一分组视频中的标识ID为预设的特定标识，则确定该分组视频中的主体不满足采集条件，并丢弃该分组视频。
3.根据权利要求1所述的方法，其特征在于，所述依据预设的抓取策略对所述分组视频内的主体进行图片抓取，包括：
基于人脸姿态评估算法，在所述分组视频内抓取主体的预设人脸姿态的图片；或
基于人脸表情识别算法，在所述分组视频内抓取主体的预设人脸表情的图片；或
每间隔预设时间抓取分组视频中不同人脸角度或光照条件的人脸图片。
4.根据权利要求1所述的方法，其特征在于，在依据预设的抓取策略对所述分组视频内的主体进行图片抓取之后，所述方法还包括：
对已抓取到的图片的大小、色彩或亮度进行归一化处理，并将处理后的图片存储到人脸数据集中。
5.一种人脸数据采集方法，应用于视频采集器，其特征在于，所述方法包括：
在视频采集过程中，若识别出的主体满足预设采集条件，则为所述主体生成对应的标识ID；其中所述预设采集条件用于确保识别出的主体为同一主体；
在对采集到的主体视频进行编码封装时，在所述主体视频中每一帧的设定位置插入所述标识ID。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
如果所述主体不满足预设采集条件，则将标识ID设置为预设的特定标识，直到另一主体满足预设条件后，为所述另一主体生成新的标识ID。
7.根据权利要求5所述的方法，其特征在于，在预设场景中，所述主体的数量为一个时，所述预设采集条件包括：
主体的人脸像素与人脸清晰度满足预设要求；
主体在预设场景中连续出现；
相应的，在视频跟踪时，所述主体的数量为多个时，所述预设采集条件还包括：
将识别出的主体作为目标主体，并且所述目标主体与其它主体的运动轨迹不存在交汇或遮挡。
8.一种人脸数据采集装置，配置于服务器，其特征在于，所述装置包括：
视频获取模块，用于获取视频采集器上传的带有标识ID的主体视频，其中，所述标识ID位于所述主体视频的每一帧的设定位置，且相同标识ID用于标识同一主体；
解析分组模块，用于解析所述主体视频中的标识ID，并根据所述标识ID对所述主体视频进行视频分割，得到至少一个分组视频，其中，任一分组视频中各视频帧的标识ID相同；
抓取模块，用于针对任一分组视频，依据预设的抓取策略对所述分组视频内的主体进行图片抓取。
9.一种人脸数据采集装置，配置于视频采集器，其特征在于，所述装置包括：
采集模块，用于在视频采集过程中，若识别出的主体满足预设采集条件，则为所述主体生成对应的标识ID；其中所述预设采集条件用于确保识别出的主体为同一主体；
标识ID添加模块，用于在对采集到的主体视频进行编码封装时，在所述主体视频中每一帧的设定位置插入所述标识ID。
10.一种服务器，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的人脸数据采集方法。
11.一种视频采集器，其特征在于，包括：
摄像头，用于采集主体视频；
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求5-7中任一所述的人脸数据采集方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的人脸数据采集方法。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求5-7中任一所述的人脸数据采集方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910528522.1A CN110263704B (zh) | 2019-06-18 | 2019-06-18 | 人脸数据采集方法、装置、服务器、视频采集器及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910528522.1A CN110263704B (zh) | 2019-06-18 | 2019-06-18 | 人脸数据采集方法、装置、服务器、视频采集器及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110263704A true CN110263704A (zh) | 2019-09-20 |
| CN110263704B CN110263704B (zh) | 2021-07-20 |
Family
ID=67919183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910528522.1A Active CN110263704B (zh) | 2019-06-18 | 2019-06-18 | 人脸数据采集方法、装置、服务器、视频采集器及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110263704B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111031348A (zh) * | 2019-12-11 | 2020-04-17 | 浙江宇视科技有限公司 | 一种视频加扰方法、装置、服务器和存储介质 |
| CN113992687A (zh) * | 2021-12-28 | 2022-01-28 | 浙江宇视科技有限公司 | 智能业务集群调度方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102306290A (zh) * | 2011-10-14 | 2012-01-04 | 刘伟华 | 一种基于视频的人脸跟踪识别技术 |
| US20130173402A1 (en) * | 2010-08-30 | 2013-07-04 | Tunipop, Inc. | Techniques for facilitating on-line electronic commerce transactions relating to the sale of goods and merchandise |
| CN104463117A (zh) * | 2014-12-02 | 2015-03-25 | 苏州科达科技股份有限公司 | 一种基于视频方式的人脸识别样本采集方法及系统 |
| CN105744292A (zh) * | 2016-02-02 | 2016-07-06 | 广东欧珀移动通信有限公司 | 一种视频数据的处理方法及装置 |
| CN106709424A (zh) * | 2016-11-19 | 2017-05-24 | 北京中科天云科技有限公司 | 一种优化的监控视频存储系统及设备 |
| CN107273822A (zh) * | 2017-05-26 | 2017-10-20 | 西安电子科技大学 | 一种基于监控视频多目标跟踪和人脸识别的隐私保护方法 |
-
2019
- 2019-06-18 CN CN201910528522.1A patent/CN110263704B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130173402A1 (en) * | 2010-08-30 | 2013-07-04 | Tunipop, Inc. | Techniques for facilitating on-line electronic commerce transactions relating to the sale of goods and merchandise |
| CN102306290A (zh) * | 2011-10-14 | 2012-01-04 | 刘伟华 | 一种基于视频的人脸跟踪识别技术 |
| CN104463117A (zh) * | 2014-12-02 | 2015-03-25 | 苏州科达科技股份有限公司 | 一种基于视频方式的人脸识别样本采集方法及系统 |
| CN105744292A (zh) * | 2016-02-02 | 2016-07-06 | 广东欧珀移动通信有限公司 | 一种视频数据的处理方法及装置 |
| CN106709424A (zh) * | 2016-11-19 | 2017-05-24 | 北京中科天云科技有限公司 | 一种优化的监控视频存储系统及设备 |
| CN107273822A (zh) * | 2017-05-26 | 2017-10-20 | 西安电子科技大学 | 一种基于监控视频多目标跟踪和人脸识别的隐私保护方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111031348A (zh) * | 2019-12-11 | 2020-04-17 | 浙江宇视科技有限公司 | 一种视频加扰方法、装置、服务器和存储介质 |
| CN111031348B (zh) * | 2019-12-11 | 2022-03-15 | 浙江宇视科技有限公司 | 一种视频加扰方法、装置、服务器和存储介质 |
| CN113992687A (zh) * | 2021-12-28 | 2022-01-28 | 浙江宇视科技有限公司 | 智能业务集群调度方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110263704B (zh) | 2021-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108388882B (zh) | 基于全局-局部rgb-d多模态的手势识别方法 | |
| CN110175527A (zh) | 行人再识别方法及装置、计算机设备及可读介质 | |
| EP4137991A1 (en) | Pedestrian re-identification method and device | |
| CN110175528B (zh) | 人体跟踪方法及装置、计算机设备及可读介质 | |
| WO2021082692A1 (zh) | 一种行人图片标注方法、装置、存储介质和智能设备 | |
| CN107608964A (zh) | 基于弹幕的直播内容的筛选方法、装置、设备及存储介质 | |
| WO2021184847A1 (zh) | 一种遮挡车牌字符识别方法、装置、存储介质和智能设备 | |
| CN109118420B (zh) | 水印识别模型建立及识别方法、装置、介质及电子设备 | |
| CN110263704A (zh) | 人脸数据采集方法、装置、服务器、视频采集器及介质 | |
| CN109948450A (zh) | 一种基于图像的用户行为检测方法、装置和存储介质 | |
| CN113570689B (zh) | 人像卡通化方法、装置、介质和计算设备 | |
| CN108288025A (zh) | 一种车载视频监控方法、装置及设备 | |
| CN114463257A (zh) | 一种基于深度学习的电力设备红外图像检测方法及系统 | |
| CN109815823A (zh) | 数据处理方法及相关产品 | |
| CN113255516A (zh) | 活体检测方法、装置和电子设备 | |
| Gan et al. | Unsupervised rgb-to-thermal domain adaptation via multi-domain attention network | |
| CN114004972A (zh) | 一种图像语义分割方法、装置、设备和存储介质 | |
| Zheng et al. | A complementary fusion strategy for rgb-d face recognition | |
| CN113591692A (zh) | 一种多视图身份识别方法 | |
| Kong et al. | Hole-robust wireframe detection | |
| CN110516094A (zh) | 门类兴趣点数据的去重方法、装置、电子设备及存储介质 | |
| CN116403260A (zh) | 一种ai人脸替换方法 | |
| US8509541B2 (en) | Method for eye detection for a given face | |
| CN113762221B (zh) | 人体检测方法及装置 | |
| CN111860100B (zh) | 行人数量的确定方法、装置、电子设备及可读存储介质 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190920 Assignee: Zhejiang Yushi System Technology Co., Ltd Assignor: ZHEJIANG UNIVIEW TECHNOLOGIES Co.,Ltd. Contract record no.: X2021330000197 Denomination of invention: Face data acquisition method, device, server, video collector and medium Granted publication date: 20210720 License type: Common License Record date: 20210831 |