CN110309878B - 一种信息处理方法及装置、存储介质 - Google Patents
一种信息处理方法及装置、存储介质 Download PDFInfo
- Publication number
- CN110309878B CN110309878B CN201910580391.1A CN201910580391A CN110309878B CN 110309878 B CN110309878 B CN 110309878B CN 201910580391 A CN201910580391 A CN 201910580391A CN 110309878 B CN110309878 B CN 110309878B
- Authority
- CN
- China
- Prior art keywords
- information
- preset
- time
- class
- travel
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 101
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims description 38
- 238000012216 screening Methods 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 230000001815 facial effect Effects 0.000 description 30
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000011273 social behavior Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007717 exclusion Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Alarm Systems (AREA)
Abstract
本实施例公开了一种信息处理方法及装置、存储介质,该方法可以包括:在接收到首次出现查询指令的情况下,响应于首次出现查询指令,从首次出现查询指令中获取目标区域、目标时刻和目标时长;从预设至少一个对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息;从至少一个候选对象出行信息中,查找在目标时刻之前的目标时长内未出现的、且在目标时刻后出现的首次出现对象信息;显示首次出现对象信息。本实施例提高了查找首次出现对象的可行性和智能性。
Description
技术领域
本公开涉及计算机视觉领域,尤其涉及一种信息处理方法及装置、存储介质。
背景技术
目前,公安部门在对案件进行侦查或者对特定区域进行布控时,由于首次出现对象的犯罪可能性较大,往往将首次出现对象作为案件的侦查对象或特定区域的布控对象,首次出现对象就是指在公安部门展开工作之前的一段时间内没有出现在目标区域,但在展开工作之后出现在目标区域的对象。
一般来说,通过警力人员对目标区域进行实时监控、或者对目前区域的活动对象进行走访调查,来确定首次出现对象,然而,这种人工查找首次出现对象的可行性和智能性低。
发明内容
本实施例提出一种信息处理方法及装置、存储介质,能够提高查找首次出现对象的可行性和智能性。
本公开的技术方案是这样实现的:
本实施例提供了一种信息处理方法,所述方法包括:
在接收到首次出现查询指令的情况下,响应于所述首次出现查询指令,从所述首次出现查询指令中获取目标区域、目标时刻和目标时长;
从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息;
从所述至少一个候选对象出行信息中,查找在所述目标时刻之前的所述目标时长内未出现的、且在所述目标时刻后出现的首次出现对象信息;
显示所述首次出现对象信息。
上述方案中,所述预设至少一个对象出行信息中每个对象出行信息包括出行位置;所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息,包括:
将所述每个对象出行信息中的出行位置不属于所述目标区域的出行信息删除,得到所述至少一个候选对象出行信息。
上述方案中,所述至少一个候选对象出行信息中每个候选对象出行信息包括每个候选对象的出行时间;所述从所述至少一个候选对象出行信息中,查找在所述目标时刻之前的所述目标时长内未出现的、且在所述目标时刻后出现的首次出现对象信息,包括:
根据所述目标时刻和所述每个候选对象的出行时间,判断所述每个候选对象是否为在所述目标时刻之后出现的对象;
在所述每个候选对象为在所述目标时刻之后出现的对象的情况下,对所述每个候选对象的出行时间进行统计,确定所述每个候选对象在所述目标时刻之前的历史未出现时长;
在所述历史未出现时长不小于所述目标时长的情况下,将所述每个候选对象出行信息作为所述首次出现对象信息。
上述方案中,在所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息之前,所述方法还包括:
获取目标案件信息;
根据所述目标案件信息,从所述预设至少一个对象出行信息中确定至少一个初始对象出行信息;
相应地,所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息,包括:
从所述至少一个初始对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息。
上述方案中,在所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息之前,所述方法还包括:
获取对象筛选指令;
根据所述对象筛选指令,从所述预设至少一个对象出行信息中确定至少一个初始对象出行信息;
相应地,所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息,包括:
从所述至少一个初始对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息。
上述方案中,所述对象筛选指令包括第一对象筛选指令和/或第二对象筛选指令,所述第一对象筛选指令用于选择第一类对象,所述第二对象筛选指令用于排除第二类对象。
上述方案中,在所述从所述至少一个候选对象出行信息中,查找在所述目标时刻之前的所述目标时长内未出现的、且在所述目标时刻后出现的首次出现对象信息之后,所述显示所述首次出现对象信息之前,所述方法还包括:
从所述首次出现对象信息中,获取至少一个首次出现对象中每个首次出现对象的至少一个出行时间和至少一个出行位置;
获取当前时刻;
根据预设时间差计算模型、所述至少一个出行时间和所述当前时刻,得到所述至少一个出行时间对应的至少一个时间差;所述预设时间差计算模型表征输入值和输出值的对应关系,所述输入值为出行时间和当前时刻,所述输出值为时间差;
根据所述至少一个时间差,从所述至少一个出行时间中确定所述每个首次出现对象的最新出现时间、以及从所述至少一个出行位置中确定所述每个首次出现对象的最新出现位置;
相应地,所述显示所述首次出现对象信息,包括:
显示所述至少一个首次出现对象、所述每个首次出现对象的最新出现时间、以及所述每个首次出现对象的所述最新出现位置。
上述方案中,在所述响应于所述首次出现查询指令,从所述首次出现查询指令中获取目标区域、目标时刻和目标时长之前,所述方法还包括:
在当前预设聚类时间点到达的情况下,获取前一预设聚类时间点与所述当前预设聚类时间点之间采集到的图像采集信息;
根据预设聚类算法、所述图像采集信息和预设身份库,得到所述预设至少一个对象出行信息。
上述方案中,所述图像采集信息包括采集图像和采集时空信息;所述根据预设聚类算法、所述图像采集信息和预设身份库,得到所述预设至少一个对象出行信息,包括:
从所述采集图像中得到至少一张身份特征图像;
利用所述预设聚类算法,对所述至少一张身份特征图像进行聚类,得到至少一个特征类;所述至少一个特征类中每个特征类对应的身份特征图像之间的第一相似度大于预设第一相似度阈值;
从所述采集时空信息中确定至少一个特征类各自对应的出行信息;
根据所述预设身份库和所述至少一个特征类,得到至少一个第一特征类对应的至少一个类对象信息;所述至少一个第一特征类属于所述至少一个特征类,所述预设身份库存储有至少一个预设对象信息,所述至少一个类对象信息属于所述至少一个预设对象信息;
根据所述至少一个特征类各自对应的出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息,得到所述预设至少一个对象出行信息。
上述方案中,所述根据所述预设身份库和所述至少一个特征类,得到至少一个第一特征类对应的至少一个类对象信息,包括:
分别获取所述至少一个特征类对应的至少一个类中心特征值;
计算所述至少一个预设对象信息和当前特征类对应的当前类中心特征值的一组第二相似度,所述当前特征类对应的当前类中心特征值为所述至少一个类中心特征值中的任一个类中心特征值;
从所述一组第二相似度中确定目标相似度;
在所述目标相似度不小于预设第二相似度阈值的情况下,将所述当前特征类作为第一特征类,并从所述预设身份库中,确定所述目标相似度值对应的预设对象信息;
将所述目标相似度值对应的预设对象信息确定为所述第一特征类对应的类对象信息,进而得到所述至少一个第一特征类对应的至少一个类对象信息。
上述方案中,所述根据所述至少一个特征类各自对应的出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息,得到所述预设至少一个对象出行信息,包括:
从所述至少一个特征类各自对应的出行信息中,确定所述至少一个第一特征类各自对应的第一出行信息、以及至少一个第二特征类各自对应的第二出行信息,所述第二特征类属于所述至少一个特征类;
将所述至少一个第一特征类各自对应的第一出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息进行映射,得到实名出行信息;
将所述至少一个第二特征类各自对应的第二出行信息,作为未实名出行信息;
将所述实名出行信息和所述未实名出行信息,作为所述预设至少一个对象出行信息。
上述方案中,所述根据所述至少一个特征类各自对应的出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息,得到所述预设至少一个对象出行信息之后,所述方法还包括:
在获取到新的预设对象信息的情况下,将所述新的预设对象信息与所述预设身份库中的所述预设对象信息聚合,得到待更新预设对象信息;
根据所述待更新预设对象信息,更新所述预设至少一个对象出行信息,得到更新后的对象出行信息;
相应地,所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息,包括:
从所述更新后的对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息。
上述方案中,所述根据所述至少一个特征类各自对应的出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息,得到所述预设至少一个对象出行信息之后,所述方法还包括:
在下一预设聚类时间点到达的情况下,获取当前预设聚类时间点与所述下一预设聚类时间点之间采集到的新图像采集信息;
从所述新图像采集信息中得到至少一张新的身份特征图像;
根据所述至少一个特征类,对所述至少一张新的身份特征图像进行增量聚类计算,得到至少一个待添加特征类;
从所述新图像采集信息中,分别获取所述至少一个待添加特征类各自对应的新出行信息;
根据所述至少一个待添加特征类各自对应的新出行信息,更新所述预设至少一个对象出行信息,得到更新后的对象出行信息;
相应地,所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息,包括:
从所述更新后的对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息。
本实施例提供了一种信息处理装置,所述装置包括:
指令接收单元,用于在接收到首次出现查询指令的情况下,响应于所述首次出现查询指令,从所述首次出现查询指令中获取目标区域、目标时刻和目标时长;
第一处理单元,用于从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息;
第二处理单元,用于从所述至少一个候选对象出行信息中,查找在所述目标时刻之前的所述目标时长内未出现的、且在所述目标时刻后出现的首次出现对象信息;
显示单元,用于显示所述首次出现对象信息。
上述方案中,所述预设至少一个对象出行信息中每个对象出行信息包括出行位置;所述第一处理单元,具体用于将所述每个对象出行信息中的出行位置不属于所述目标区域的出行信息删除,得到所述至少一个候选对象出行信息。
上述方案中,所述至少一个候选对象出行信息中每个候选对象出行信息包括每个候选对象的出行时间;
所述第二处理单元,具体用于根据所述目标时刻和所述每个候选对象的出行时间,判断所述每个候选对象是否为在所述目标时刻之后出现的对象;及在所述每个候选对象为在所述目标时刻之后出现的对象的情况下,对所述每个候选对象的出行时间进行统计,确定所述每个候选对象在所述目标时刻之前的历史未出现时长;以及在所述历史未出现时长不小于所述目标时长的情况下,将所述每个候选对象出行信息作为所述首次出现对象信息。
上述方案中,所述第一处理单元,还用于在所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息之前,获取目标案件信息;根据所述目标案件信息,从所述预设至少一个对象出行信息中确定至少一个初始对象出行信息;
相应地,所述第一处理单元,具体用于从所述至少一个初始对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息。
上述方案中,所述第一处理单元,还用于在所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息之前,获取对象筛选指令;根据所述对象筛选指令,从所述预设至少一个对象出行信息中确定至少一个初始对象出行信息;
相应地,所述第一处理单元,具体用于从所述至少一个初始对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息。
上述方案中,所述对象筛选指令包括第一对象筛选指令和/或第二对象筛选指令,所述第一对象筛选指令用于选择第一类对象,所述第二对象筛选指令用于排除第二类对象。
上述方案中,所述第二处理单元,还用于在所述从所述至少一个候选对象出行信息中,查找在所述目标时刻之前的所述目标时长内未出现的、且在所述目标时刻后出现的首次出现对象信息之后,所述显示所述首次出现对象信息之前,从所述首次出现对象信息中,获取至少一个首次出现对象中每个首次出现对象的至少一个出行时间和至少一个出行位置;及获取当前时刻;以及根据预设时间差计算模型、所述至少一个出行时间和所述当前时刻,得到所述至少一个出行时间对应的至少一个时间差;所述预设时间差计算模型表征输入值和输出值的对应关系,所述输入值为出行时间和当前时刻,所述输出值为时间差;以及根据所述至少一个时间差,从所述至少一个出行时间中确定所述每个首次出现对象的最新出现时间、以及从所述至少一个出行位置中确定所述每个首次出现对象的最新出现位置;
相应地,所述显示单元,具体用于显示所述至少一个首次出现对象、所述每个首次出现对象的最新出现时间、以及所述每个首次出现对象的所述最新出现位置。
上述方案中,所述装置还包括:
信息获取单元,用于在所述响应于所述首次出现查询指令,从所述首次出现查询指令中获取目标区域、目标时刻和目标时长之前,在当前预设聚类时间点到达的情况下,获取前一预设聚类时间点与所述当前预设聚类时间点之间采集到的图像采集信息;以及根据预设聚类算法、所述图像采集信息和预设身份库,得到所述预设至少一个对象出行信息。
上述方案中,所述图像采集信息包括采集图像和采集时空信息;所述信息获取单元,具体用于从所述采集图像中得到至少一张身份特征图像;及利用所述预设聚类算法,对所述至少一张身份特征图像进行聚类,得到至少一个特征类;所述至少一个特征类中每个特征类对应的身份特征图像之间的第一相似度大于预设第一相似度阈值;及从所述采集时空信息中确定至少一个特征类各自对应的出行信息;及根据所述预设身份库和所述至少一个特征类,得到至少一个第一特征类对应的至少一个类对象信息;所述至少一个第一特征类属于所述至少一个特征类,所述预设身份库存储有至少一个预设对象信息,所述至少一个类对象信息属于所述至少一个预设对象信息;以及根据所述至少一个特征类各自对应的出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息,得到所述预设至少一个对象出行信息。
上述方案中,所述信息获取单元,具体用于分别获取所述至少一个特征类对应的至少一个类中心特征值;及计算所述至少一个预设对象信息和当前特征类对应的当前类中心特征值的一组第二相似度,所述当前特征类对应的当前类中心特征值为所述至少一个类中心特征值中的任一个类中心特征值;及从所述一组第二相似度中确定目标相似度;及在所述目标相似度不小于预设第二相似度阈值的情况下,将所述当前特征类作为第一特征类,并从所述预设身份库中,确定所述目标相似度值对应的预设对象信息;以及将所述目标相似度值对应的预设对象信息确定为所述第一特征类对应的类对象信息,进而得到所述至少一个第一特征类对应的至少一个类对象信息。
上述方案中,所述信息获取单元,具体用于从所述至少一个特征类各自对应的出行信息中,确定所述至少一个第一特征类各自对应的第一出行信息、以及至少一个第二特征类各自对应的第二出行信息,所述第二特征类属于所述至少一个特征类;及将所述至少一个第一特征类各自对应的第一出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息进行映射,得到实名出行信息;及将所述至少一个第二特征类各自对应的第二出行信息,作为未实名出行信息;以及将所述实名出行信息和所述未实名出行信息,作为所述预设至少一个对象出行信息。
上述方案中,所述装置还包括:第一信息更新单元,用于在所述根据所述至少一个特征类各自对应的出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息,得到所述预设至少一个对象出行信息之后,在获取到新的预设对象信息的情况下,将所述新的预设对象信息与所述预设身份库中的所述预设对象信息聚合,得到待更新预设对象信息;及根据所述待更新预设对象信息,更新所述预设至少一个对象出行信息,得到更新后的对象出行信息;
相应地,所述第一处理单元,具体用于从所述更新后的对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息。
上述方案中,所述装置还包括:第二信息更新单元,用于在所述根据所述至少一个特征类各自对应的出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息,得到所述预设至少一个对象出行信息之后,在下一预设聚类时间点到达的情况下,获取当前预设聚类时间点与所述下一预设聚类时间点之间采集到的新图像采集信息;及从所述新图像采集信息中得到至少一张新的身份特征图像;及根据所述至少一个特征类,对所述至少一张新的身份特征图像进行增量聚类计算,得到至少一个待添加特征类;及从所述新图像采集信息中,分别获取所述至少一个待添加特征类各自对应的新出行信息;以及根据所述至少一个待添加特征类各自对应的新出行信息,更新所述预设至少一个对象出行信息,得到更新后的对象出行信息;
相应地,所述第一处理单元,具体用于从所述更新后的对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息。
本实施例提供了一种信息处理装置,所述装置包括:处理器、存储器和通信总线,所述存储器通过所述通信总线与所述处理器进行通信,所述存储器存储所述处理器可执行的一个或者多个程序,当所述一个或者多个程序被执行时,通过所述处理器执行如上述任一项信息处理方法的步骤。
本实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有程序,当所述程序被至少一个处理器执行时,导致所述至少一个处理器执行如上述任一项信息处理方法的步骤。
本实施例提供一种信息处理方法及装置、存储介质,采用上述技术实现方案,由于预设至少一个对象出行信息表征了对象的出行信息,因此,信息处理装置根据首次出现查询指令中的目标区域、目标时刻和目标时长,从预设至少一个对象出行信息中,就能够获取到出行信息在所述目标区域内的、在所述目标时刻之前的所述目标时长内未出现的、且在所述目标时刻后出现的的首次出现对象信息,进而也就能够快速智能地基于首次出行对象信息确定出首次出现对象,本实施例提升了查找首次出现对象的可行性和智能性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1为本实施例提供的一种信息处理方法的实现流程图一;
图2为本实施例提供的一种示例性的信息处理方法的页面示意图;
图3为本实施例提供的一种信息处理方法的实现流程图二;
图4为本实施例提供的一种获取对象出行信息的实现流程图;
图5为本实施例提供的一种示例性的面部生物特征聚类示意图;
图6为本实施例提供的一种示例性的获取至少一个特征类的流程示意图;
图7为本实施例提供的一种示例性的增量聚类的实现流程图;
图8为本实施例提供的一种示例性的更新对象出行信息的流程示意图;
图9为本实施例提供的一种信息处理装置的结构示意图一;
图10为本实施例提供的一种信息处理装置的结构示意图二。
具体实施方式
应当理解,此处描述的具体实施例仅仅用以解释本公开。并不用于限定本公开。
实施例一
本实施例提供了一种信息处理方法,图1为本实施例提供的一种信息处理方法实现流程图,如图1所示,该信息处理方法包括:
S101、在接收到首次出现查询指令的情况下,响应于首次出现查询指令,从首次出现查询指令中获取目标区域、目标时刻和目标时长;
信息处理装置接收到用户发出的首次出现查询指令,从首次出现查询指令中获取目标区域、目标时刻和目标时长,以根据目标区域、目标时刻和目标时长,从预设至少一个对象出行信息中确定出首次出现对象;其中,预设至少一个对象出行信息表征出行信息和类对象信息的对应关系,类对象信息为公民身份相关的信息,例如,姓名、性别、身份证号和社会行为信息等信息。
需要说明的是,目标区域包括至少一个位置信息,比如,可以为一个或多个摄像头或抓拍机对应的经纬度,也可以是一个或多个区域;目标时刻为任意一个历史时刻,例如,案件发生时刻、布控开始时刻等,目标时长指的在目标时刻之前的时长,可以为一个星期或一个月等等。
在本实施例中,还可以从首次出现查询指令中获取目标案件信息,目标案件信息是指待查询案件的目标对象信息,例如,目标对象性别、目标对象犯罪类型等等。
示例性地,针对包括目标区域、目标时刻和目标时长的首次出现查询指令,信息处理装置从至少一个特征类对应的对象中,确定在目标时刻之前的目标时长内未出现在目标区域内、以及在目标时刻之后出现在目标区域的首次出现对象。
示例性地,针对包括目标区域、目标时刻、目标时长和目标对象犯罪类型的首次出现查询指令,由于预设至少一个对象出行信息表征出行信息和类对象信息的对应关系,如果类对象信息包括犯罪类型,那么,信息处理装置可以从预设至少一个对象出行信息中,确定在目标时刻之前的目标时长内未出现在目标区域内、在目标时刻之后出现在目标区域、以及类对象信息包括目标对象犯罪类型的首次出现对象,将首次出现对象作为目标时刻发生在目标区域内的待查询案件的嫌疑人员,待查询案件的犯罪类型为目标对象犯罪类型。
S102、从预设至少一个对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息;
信息处理装置从预设至少一个对象出行信息中,获取出行位置属于目标区域内的至少一个候选对象出行信息。
在本实施例中,预设至少一个对象出行信息中每个对象出行信息包括出行位置;信息处理装置将每个对象出行信息中的出行位置不属于目标区域的出行信息删除,得到至少一个候选对象出行信息。
在本实施例中,信息处理装置在从预设至少一个对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息之前,获取目标案件信息;根据目标案件信息,从预设至少一个对象出行信息中确定至少一个初始对象出行信息;相应地,信息处理装置可以从至少一个初始对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息。
信息处理装置还可以从首次出现查询指令中获取目标案件信息,从每个对象出行信息中获取类对象信息;判断目标案件信息和每个对象出行信息中的类对象信息是否信息一致,当信息一致时,将每个对象出行信息作为初始对象出行信息,否则每个对象出行信息不能作为初始对象出行信息,进而得到至少一个初始对象出行信息;再从至少一个初始对象出行信息中查找至少一个候选对象出行信息。
需要说明的是,从至少一个初始对象出行信息中查找至少一个候选对象出行信息的过程,与从预设至少一个对象出行信息中查找至少一个候选对象出行信息的过程,同理。
示例性地,以目标案件信息包括目标对象性别和目标对象犯罪类型为例,类对象信息包括性别和犯罪类型等,在类对象信息中的性别和目标对象性别一样、且类对象信息中的犯罪类型和目标犯罪类型一样的情况下,确定类对象信息和目标案件信息一致;在类对象信息中的性别和目标对象性别不一样、和/或类对象信息中的犯罪类型和目标犯罪类型不一样的情况下,确定类对象信息和目标案件信息不一致。
在本实施例中,在从预设至少一个对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息之前,信息处理装置获取对象筛选指令;根据对象筛选指令,从预设至少一个对象出行信息中确定至少一个初始对象出行信息;相应地,从预设至少一个对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息,包括:从至少一个初始对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息。
信息处理装置获取对象筛选指令,对象筛选指令表征对象筛选信息;根据对象筛选信息,从预设至少一个对象出行信息中确定至少一个初始对象出行信息;再从至少一个初始对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息。
需要说明的是,信息处理装置可以在接收首次出现查询指令的同时,接收对象筛选指令。
在本实施例中,对象筛选指令包括第一对象筛选指令和/或第二对象筛选指令,第一对象筛选指令用于选择第一类对象,第二对象筛选指令用于排除第二类对象。
在本实施例中,第一对象筛选指令包括选择身份库,第一类对象是指选择身份库中的对象,选择身份库包括第一类对象的身份信息;信息处理装置判断每个对象出行信息中的类对象信息是否属于选择身份库,如果属于,将每个对象出行信息作为初始对象出行信息,否则将每个对象出行信息不作为初始对象出行信息,进而得到至少一个初始对象出行信息。
在本实施例中,第二对象筛选指令包括排除身份库,第二类对象是指排除身份库中的对象,排除身份库包括第二类对象的身份信息;信息处理装置判断每个对象出行信息中的类对象信息是否属于选择身份库,如果属于,将每个对象出行信息作为初始对象出行信息,否则将每个对象出行信息不作为初始对象出行信息,进而得到至少一个初始对象出行信息。
在本实施例中,信息处理装置在从预设至少一个对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息之前,获取目标案件信息和对象筛选指令;根据目标案件信息和对象筛选指令,从预设至少一个对象出行信息中确定至少一个初始对象出行信息。
信息处理装置先根据目标案件信息,对预设至少一个对象出行信息进行选择,再根据对象筛选指令,从选择后的对象出行信息中确定至少一个初始对象出行信息;或者,先根据对象筛选指令,对预设至少一个对象出行信息进行选择,再根据目标案件信息,从选择后的对象出行信息中确定至少一个初始对象出行信息。
S103、从至少一个候选对象出行信息中,查找在目标时刻之前的目标时长内未出现的、且在目标时刻后出现的首次出现对象信息;
信息处理装置将至少一个候选对象出行信息中的出行信息符合在目标时刻之前的目标时长内未出现的、且在目标时刻后出现的,作为首次出现对象信息。
在本实施例中,至少一个候选对象出行信息中每个候选对象出行信息包括每个候选对象的出行时间;信息处理装置根据目标时刻和每个候选对象的出行时间,判断每个候选对象是否为在目标时刻之后出现的对象;在每个候选对象为在目标时刻之后出现的对象的情况下,对每个候选对象的出行时间进行统计,确定每个候选对象在目标时刻之前的历史未出现时长;在历史未出现时长不小于目标时长的情况下,将每个候选对象出行信息作为首次出现对象信息。
信息处理装置在一个候选对象的出行时间中不包括在目标时刻之后的时间的情况下,确认该候选对象不是在目标时刻之后出现的对象,并确认该候选对象的候选对象出行信息不能生成首次出现对象信息;在一个候选对象的出行时间中包括在目标时刻之后的时间的情况下,确认该候选对象是在目标时刻之后出现的对象,并获取该候选对象在目标时刻之前的历史未出现时长;当历史未出现时长小于目标时长时,确认该候选对象的候选对象出行信息不能生成首次出现对象信息。
在本实施例中,信息处理装置从每个候选对象的出行时间中,获取与目标时刻最近、且早于或等于目标时刻的第一历史出行时间;当第一历史出行时间等于目标时刻时,从每个候选对象的出行时间中,获取与第一历史出行时间最近、且早于第一历史出行时间的第二历史出行时间,并计算第一历史出行时间和第二历史出行时间之间的时长,得到历史未出现时长;当第一历史出行时间早于目标时刻时,计算第一历史出行时间和目标时刻之间的时长,得到历史未出现时长。
在本实施例中,信息处理装置在一个候选对象的历史未出现时长不小于目标时长的情况下,将该候选对象的候选对象出行信息,作为一个首次出现对象信息。
在本实施例中,信息处理装置判断一个候选对象出行信息是否为实名出行信息,在该候选对象出行信息是实名出行信息的情况下,从每个候选对象出行信息中获取类对象信息;在该候选对象出行信息不是实名出行信息的情况下,无法从该候选对象出行信息中获得实名出行信息时,确认该候选对象出行信息不能生成首次出现对象信息;其中,实名出行信息为具有类对象信息的对象出行信息。
在本实施例中,在根据目标时刻和目标时长,从至少一个候选对象出行信息中,获取首次出现对象信息之后,信息处理装置从首次出现对象信息中,获取至少一个首次出现对象中每个首次出现对象的至少一个出行时间和至少一个出行位置;获取当前时刻;根据预设时间差计算模型、至少一个出行时间和当前时刻,得到至少一个出行时间对应的至少一个时间差;预设时间差计算模型表征输入值和输出值的对应关系,输入值为出行时间和当前时刻,输出值为时间差;根据至少一个时间差,从至少一个出行时间中确定每个首次出现对象的最新出现时间、以及从至少一个出行位置中确定每个首次出现对象的最新出现位置。
信息处理装置将至少一个时间差中最小的时间差对应的出现时间,作为每个首次出现对象的最新出现时间,并将至少一个出行位置中最新出现时间对应的出现位置,作为该首次出现对象的最新出现位置。
S104、显示首次出现对象信息。
信息处理装置获得了首次出现对象信息之后,将首次出现对象信息进行显示,以使得根据显示的首次出现对象信息,对首次出现对象进行管控。
示例性地,信息处理装置根据显示的首次出行对象信息,发出告警信息,比如,提示警方监控首次出现对象。
在本实施例中,信息处理装置在得到每个首次出现对象的最新出现时间和最新出现位置后,显示至少一个首次出现对象、每个首次出现对象的最新出现时间、以及每个首次出现对象的最新出现位置。
信息处理装置还显示每个首次出现对象的最新出现时间和最新出行位置,以使得根据每个首次出现对象的最新出现时间和最新出行位置,快速定位出每个首次出现对象。
示例性地,如图2所示,当输入目标区域、目标时刻和目标时长之后,在触发了开始分析的情况下,信息处理装置就能够对信息进行处理,得到首次出现对象信息,并在首次出现对象展示页面展示出首次出现对象的姓名、最新出现时间、以及最新出现位置;其中,通过已选132个视频源对应的132个经纬度确定目标区域,目标时刻为2018-07-24,目标时长为一个月,首次出现对象为张三、李四和王五,张三的最新出现时间为2018-07-25、最新出现位置为xx区,李四的最新出现时间为2018-07-28、最新出现位置为xx广场,王五的最新出现时间为2018-08-03、最新出现位置为xx火车站。
可以理解的是,信息处理装置通过预设至少一个对象出行信息,获取首次出现对象,并针对该首次出现对象生成告警信息,就能对该首次出现对象进行管理,比如,警方在目标时刻开始对目标区域进行重点布控时,发现涉嫌恐怖活动的人员在目标时刻之前目标时长内未出现在目标区域内,但在目标时刻之后出现在目标区域内,向警方发出该嫌恐怖活动的人员犯罪可能性较大的提示。
在本实施例中,如图3所示,在步骤S101之前,信息处理方法还包括步骤S301-S302,如下:
S301、在当前预设聚类时间点到达的情况下,获取前一预设聚类时间点与当前预设聚类时间点之间采集到的图像采集信息;
信息处理装置中预先设置预设聚类时间点,用于触发周期性地从图像采集装置获取图像采集信息,并对图像采集信息进行聚类分析,比如一小时或一天获取并聚类分析一次。这里,信息处理装置与图像采集装置进行连接,图像采集装置实时采集图像,在前预设聚类时间点到达的情况下,信息处理装置从与其连接的图像采集装置中获取当前图像采集信息。
在本实施例中,图像采集装置可以包括摄像头、抓拍机等用于获取图像的装置,具体的根据实际情况进行选择,本实施例不做具体的限定。
在本实施例中,图像采集信息包括采集图像、以及采集图像对应的采集时空信息,采集时空信息包括采集时间和采集位置,其中,采集位置可以根据图像采集装置所处的位置信息确定,例如,采集位置可以为摄像头或抓拍机对应的经纬度。
S302、根据预设聚类算法、图像采集信息和预设身份库,得到预设至少一个对象出行信息;
信息处理装置利用预设聚类算法对图像采集信息进行聚类,得到按照对象进行划分的至少一个特征类;从图像采集信息中获取至少一个特征类各自对应的出行信息,并从预设身份库中确定第一特征类对应的类身份信息;进而由至少一个特征类各自对应的出行信息、以及第一特征类对应的类身份信息,组成预设至少一个对象出行信息;其中,第一特征类属于至少一个特征类。
在本实施例中,信息处理装置中预设有预设身份库,预设身份库中包括预设对象信息,信息处理装置将至少一个特征类与预设身份库存储的预设对象信息进行匹配,得到匹配结果,该获取匹配结果的过程即对至少一个特征类中每个特征类进行实名的过程;其中,预设对象信息包括以下至少一个:对象面部图像、身份证号、性别和社会行为信息,社会行为信息为对象在社会中的奖惩记录,例如,涉嫌恐怖活动记录和犯罪记录,犯罪记录包括犯罪类型和犯罪时间等。
需要说明的是,上述匹配结果包括以下至少一种,一是预设身份库中与至少一个特征类都不匹配的预设对象信息,二是至少一个特征类中与预设对象信息匹配成功的特征类,三是至少一个特征类中与所有预设对象信息都没有匹配成功的特征类;其中,将至少一个特征类中的与预设对象信息匹配成功的特征类,作为第一特征类;将与第一特征类匹配成功的预设对象信息,作为第一特征类的类对象信息;将至少一个特征类中的与所有预设对象信息未匹配成功的特征类作为第二特征类。
在本实施例中,预设身份库可以包括按照社会行为信息划分的各个身份库,例如,没有犯罪记录的公民身份库、有犯罪记录的人员身份库、以及涉嫌恐怖活动的人员身份库等。
需要说明的是,如图4所示,步骤S302具体包括:步骤S3021-S3024,如下:
S3021、从采集图像中得到至少一张身份特征图像;
信息处理装置对采集图像进行特征识别,筛选出具有身份特征的初始图像,再对具有身份特征的初始图像进行分割,得到至少一张身份特征图像,至少一张身份特征图像中每张身份特征图像包括一个身份特征;其中,身份特征包括面部。
S3022、利用预设聚类算法,对至少一张身份特征图像进行聚类,得到至少一个特征类;至少一个特征类中每个特征类对应的身份特征图像之间的第一相似度大于预设第一相似度阈值;
信息处理装置从至少一张身份特征图像中确定生物特征,利用预设聚类算法对生物特征进行聚类,得到至少一个特征类;身份特征图像之间的第一相似度可以为同一个特征类中的任意两个生物特征之间的相似度。
示例性地,如图5所示,每个圆圈即为信息处理装置从至少一张身份特征图像中确定出的一个生物特征。
在本实施例中,身份特征图像为面部图像,对应地,生物特征为面部生物特征;信息处理装置利用预设面部生物特征识别方法,从至少一张面部图像中确定面部生物特征。
可选的,预设面部生物特征识别方法包括特征脸方法、鱼脸方法、局部二进制编码直方图等,具体的根据实际情况进行选择,本实施例不做具体的限定,且该预设面部生物特征识别方法均为现有的面部识别方法,本实施例在此不再赘述。
在本实施例中,当信息处理装置从至少一张面部图像中确定出面部生物特征之后,信息处理装置对面部生物特征进行聚类计算,以将面部生物特征按照第一相似度划分为多个特征类。
需要说明的是,信息处理装置计算面部生物特征之间的第一相似度,并将第一相似度大于第一预设相似度阈值的面部生物特征聚合在一起,形成一个特征类,该一个特征类即为对一个人的全部面部生物特征图像。
示例性的,如图5所示,相同填充方式的圆点之间的相似度值远远高于不同填充方式的圆点之间的相似度值,因此,相同填充方式的圆点聚成一个特征类,得到5个特征类:类1、类2、类3、类4和类5,其中每一个特征类表示一个对象或者一个人。
示例性地,如图6所示,信息处理装置从抓拍机(图像)对应的抓拍库中获取当前图像采集信息后,对当前图像采集信息中的每张采集图像进行面部提取,得到提取到的面部图像;将所有提取到的面部图像的生物特征组合为面部生物特征,进而从面部生物特征中根据第一预设相似度阈值进行聚类,最后,将抓拍照片按人分类,得到至少一个特征类。
S3023、从采集时空信息中确定至少一个特征类各自对应的出行信息;
信息处理装置确定了当前图像采集信息对应的至少一个特征类之后,针对至少一个特征类中每个特征类,获取每个特征类中每个面部生物特征所对应的图像采集信息,并将每个面部生物特征所对应的图像采集信息中的采集位置信息和采集时间信息,作为该特征类对应的出行信息,从而也就得到了至少一个特征类各自对应的出行信息。
S3024、根据预设身份库和至少一个特征类,得到至少一个第一特征类对应的至少一个类对象信息;至少一个第一特征类属于至少一个特征类,预设身份库存储有至少一个预设对象信息,至少一个类对象信息属于至少一个预设对象信息;
信息处理装置将至少一个预设对象信息中与每个第一特征类匹配的预设对象信息,作为每个第一特征类对应的类对象信息。
在本实施例中,信息处理装置分别获取至少一个特征类对应的至少一个类中心特征值,至少一个第一特征类与至少一个类中心特征值一一对应;计算至少一个预设对象信息和当前特征类对应的当前类中心特征值的一组第二相似度,当前特征类对应的当前类中心特征值为至少一个类中心特征值中的任一个类中心特征值;从一组第二相似度中确定目标相似度;当目标相似度不小于预设第二相似度阈值时,将当前特征类作为第一特征类,并从预设身份库中,确定目标相似度值对应的预设对象信息;将目标相似度值对应的预设对象信息确定为第一特征类对应的类对象信息,进而得到至少一个第一特征类对应的至少一个类对象信息。
在本实施例中,至少一个预设对象信息包括至少一个对象面部图像,信息处理装置计算至少一个对象面部图像和当前特征类对应的当前类中心特征值的一组第二相似度。
在本实施例中,信息处理装置确定目标相似度之后,判断目标相似度是否大于预设第二相似度阈值;当目标相似度小于预设第二相似度阈值时,将当前特征类作为第二特征类,即当前特征类与预设身份库中的所有预设对象信息没有匹配成功。
示例性地,信息处理装置将一组第二相似度中数值最大的相似度作为目标相似度。
需要说明的是,信息处理装置将至少一个特征类中每个特征类所对应的类中心特征值,与预设身份库中的至少一个预设对象信息进行全量1:n比对,取第二相似度最高且大于预设第二相似度阈值的预设对象信息赋予该特征类,使得该特征类对应的人被实名。
S3025、根据至少一个特征类各自对应的出行信息、以及至少一个第一特征类对应的至少一个类对象信息,得到预设至少一个对象出行信息。
信息处理装置从至少一个特征类各自对应的出行信息中,确定至少一个第一特征类各自对应的第一出行信息、以及至少一个第二特征类各自对应的第二出行信息,第二特征类属于至少一个特征类;将至少一个第一特征类各自对应的第一出行信息、以及至少一个第一特征类对应的至少一个类对象信息进行映射,得到实名出行信息;将至少一个第二特征类各自对应的第二出行信息,作为未实名出行信息;将实名出行信息和未实名出行信息,作为预设至少一个对象出行信息。
示例性地,信息处理装置从至少一个特征类各自对应的出行信息中与每个第一特征类对应的出行信息,作为每个第一特征类对应的第一出行信息。
在本实施例中,信息处理装置在得到预设至少一个对象出行信息之后,当获取到新的预设对象信息时,将新的预设对象信息与预设身份库中的预设对象信息聚合,得到待更新预设对象信息;根据待更新预设对象信息,更新预设至少一个对象出行信息,得到更新后的对象出行信息。
示例性地,当存在新的预设对象信息入预设身份库时,信息处理装置对预设身份库进行更新,比如当至少一个预设对象信息中存在与新的预设对象信息具有相同身份证号的预设对象信息,将新的预设对象信息与至少一个预设对象信息中具有相同身份证号的预设对象信息进行合并,而如果至少一个预设对象信息中不存在与新的预设对象信息具有相同身份证号的预设对象信息,则将新的预设对象信息作为与预设身份库中的与至少一个预设对象信息相独立的预设对象信息,新增至预设身份库,完成对预设身份库的更新。具体地,信息处理装置在获得预设监控信息之后,当获取到新的预设管理对象时,将新的预设管理对象与预设身份库中的预设管理对象聚合,得到待更新预设管理对象;根据待更新预设管理对象,更新预设监控信息,得到更新后的预设监控信息。
在本实施例中,信息处理装置在得到预设至少一个对象出行信息之后,在下一预设聚类时间点到达时,获取当前预设聚类时间点与下一预设聚类时间点之间采集到的新图像采集信息;从新图像采集信息中得到至少一张新的身份特征图像;根据至少一个特征类,对至少一张新的身份特征图像进行增量聚类计算,得到至少一个待添加特征类;从新图像采集信息中,分别获取至少一个待添加特征类各自对应的新出行信息;根据至少一个待添加特征类各自对应的新出行信息,更新预设至少一个对象出行信息,得到更新后的对象出行信息。
示例性地,信息处理装置在采集到新图像采集信息时,需要根据新图像采集信息对至少一个特征类进行更新,从而根据更新后的至少一个特征类来更新预设至少一个对象出行信息。并且,考虑到采集到的新图像采集信息的数量较大,信息处理装置根据新图像采集信息和至少一个特征类进行增量聚类,并根据增量聚类结果更新预设至少一个对象出行信息。
需要说明的是,信息处理装置在利用新图像采集信息对至少一个特征类进行增量聚类时,如图7所示,信息处理装置从新图像采集信息中获得新的面部生物特征,并采用搜索类中心(比如利用FAISS指数进行类中心搜索)的方法,判断至少一个特征类中有无与新的面部生物特征所对应的特征类,得到有对应的特征类和无对应的特征类两种情况,即第一新的面部生物特征和第二新的面部生物特征;其中,第一新的面部生物特征在至少一个特征类中有对应的特征类,第二新的面部生物特征在至少一个特征类中无对应的特征类;对于第二新的面部生物特征,通过聚类得到新的特征类;这里,将第一新的面部生物特征和第二新的特征类作为至少一个待添加特征类,根据至少一个待添加特征类更新至少一个特征类;其中,更新至少一个特征类时,可以将第一新的面部生物特征添加至其在至少一个特征类中所对应的特征类中,将第二新的特征类新增至至少一个特征类中,得到至少一个更新后的特征类。
在本实施例中,信息处理装置还利用至少一个待添加特征类对至少一个特征类进行更新,得到至少一个更新后的特征类。
相应地,当信息处理装置完成了根据新图像采集信息和/或新的预设对象信息对预设至少一个对象出行信息的更新,得到更新后的对象出行信息之后,S104中信息处理装置根据目标区域,从预设至少一个对象出行信息中,获取至少一个候选对象出行信息,包括:信息处理装置根据目标区域,从更新后的对象出行信息中,获取至少一个候选对象出行信息。
示例性地,如图8所示,首先,信息处理装置以身份证号将预设身份库转换为至少一个预设对象信息,另外,对于采集到的视频流或抓拍图像(当前图像采集信息中的的当前采集图像),根据当时预设聚类时间点触发聚类,得到至少一个特征类;然后,信息处理装置将至少一个预设对象信息与至少一个特征类进行映射,得到三类档案信息,即上述描述的三种匹配结果,分别对应为无出行信息的预设对象信息、具有类对象信息的第一特征类、以及没有类对象信息的第二特征类;最后,信息处理装置基于第一特征类和第二特征类的出行信息来确定首次出现对象。其中,当信息处理装置获取到新的预设对象信息时,利用新的预设对象信息更新预设身份库,并更新预设至少一个对象出行信息;当信息处理装置获取到新图像采集信息时,利用新图像采集信息和至少一个特征类更新至少一个特征类,并更新预设至少一个对象出行信息,此时,信息处理装置根据更新后的对象出行信息确定首次出现对象。
可以理解的是,由于预设至少一个对象出行信息表征了对象的出行信息,因此,信息处理装置根据首次出现查询指令中的目标区域、目标时刻和目标时长,从预设至少一个对象出行信息中,就能够获取到出行信息在目标区域内的、在目标时刻之前的目标时长内未出现的、且在目标时刻后出现的的首次出现对象信息,进而也就能够快速智能地基于首次出现对象信息确定出首次出现对象,本实施例提升了查找首次出现对象的可行性和智能性。
实施例二
基于实施例一的同一发明构思,进行进一步的说明。
本实施例提供一种信息处理装置1,如图9所示,该装置1包括:
指令接收单元10,用于在接收到首次出现查询指令的情况下,响应于首次出现查询指令,从首次出现查询指令中获取目标区域、目标时刻和目标时长;
第一处理单元11,用于从预设至少一个对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息;
第二处理单元12,用于从至少一个候选对象出行信息中,查找在目标时刻之前的目标时长内未出现的、且在目标时刻后出现的首次出现对象信息;
显示单元13,用于显示首次出现对象信息。
在本实施例中,预设至少一个对象出行信息中每个对象出行信息包括出行位置;第一处理单元11,具体用于将每个对象出行信息中的出行位置不属于目标区域的出行信息删除,得到至少一个候选对象出行信息。
在本实施例中,至少一个候选对象出行信息中每个候选对象出行信息包括每个候选对象的出行时间;
第二处理单元12,具体用于根据目标时刻和每个候选对象的出行时间,判断每个候选对象是否为在目标时刻之后出现的对象;及在每个候选对象为在目标时刻之后出现的对象的情况下,对每个候选对象的出行时间进行统计,确定每个候选对象在目标时刻之前的历史未出现时长;以及在历史未出现时长不小于目标时长的情况下,将每个候选对象出行信息作为首次出现对象信息。
在本实施例中,第一处理单元11,还用于在从预设至少一个对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息之前,获取目标案件信息;根据目标案件信息,从预设至少一个对象出行信息中确定至少一个初始对象出行信息;
相应地,第一处理单元11,具体用于从至少一个初始对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息。
在本实施例中,第一处理单元11,还用于在从预设至少一个对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息之前,获取对象筛选指令;根据对象筛选指令,从预设至少一个对象出行信息中确定至少一个初始对象出行信息;
相应地,第一处理单元11,具体用于从至少一个初始对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息。
在本实施例中,对象筛选指令包括第一对象筛选指令和/或第二对象筛选指令,第一对象筛选指令用于选择第一类对象,第二对象筛选指令用于排除第二类对象。
在本实施例中,第二处理单元12,还用于在从至少一个候选对象出行信息中,查找在目标时刻之前的目标时长内未出现的、且在目标时刻后出现的首次出现对象信息之后,显示首次出现对象信息之前,从首次出现对象信息中,获取至少一个首次出现对象中每个首次出现对象的至少一个出行时间和至少一个出行位置;及获取当前时刻;以及根据预设时间差计算模型、至少一个出行时间和当前时刻,得到至少一个出行时间对应的至少一个时间差;预设时间差计算模型表征输入值和输出值的对应关系,输入值为出行时间和当前时刻,输出值为时间差;以及根据至少一个时间差,从至少一个出行时间中确定每个首次出现对象的最新出现时间、以及从至少一个出行位置中确定每个首次出现对象的最新出现位置;
相应地,显示单元13,具体用于显示至少一个首次出现对象、每个首次出现对象的最新出现时间、以及每个首次出现对象的最新出现位置。
在本实施例中,装置还包括:
信息获取单元14,用于在响应于首次出现查询指令,从首次出现查询指令中获取目标区域、目标时刻和目标时长之前,在当前预设聚类时间点到达的情况下,获取前一预设聚类时间点与当前预设聚类时间点之间采集到的图像采集信息;以及根据预设聚类算法、图像采集信息和预设身份库,得到预设至少一个对象出行信息。
在本实施例中,图像采集信息包括采集图像和采集时空信息;信息获取单元14,具体用于从采集图像中得到至少一张身份特征图像;及利用预设聚类算法,对至少一张身份特征图像进行聚类,得到至少一个特征类;至少一个特征类中每个特征类对应的身份特征图像之间的第一相似度大于预设第一相似度阈值;及从采集时空信息中确定至少一个特征类各自对应的出行信息;及根据预设身份库和至少一个特征类,得到至少一个第一特征类对应的至少一个类对象信息;至少一个第一特征类属于至少一个特征类,预设身份库存储有至少一个预设对象信息,至少一个类对象信息属于至少一个预设对象信息;以及根据至少一个特征类各自对应的出行信息、以及至少一个第一特征类对应的至少一个类对象信息,得到预设至少一个对象出行信息。
在本实施例中,信息获取单元14,具体用于分别获取至少一个特征类对应的至少一个类中心特征值;及计算至少一个预设对象信息和当前特征类对应的当前类中心特征值的一组第二相似度,当前特征类对应的当前类中心特征值为至少一个类中心特征值中的任一个类中心特征值;及从一组第二相似度中确定目标相似度;及在目标相似度不小于预设第二相似度阈值的情况下,将当前特征类作为第一特征类,并从预设身份库中,确定目标相似度值对应的预设对象信息;以及将目标相似度值对应的预设对象信息确定为第一特征类对应的类对象信息,进而得到至少一个第一特征类对应的至少一个类对象信息。
在本实施例中,信息获取单元14,具体用于从至少一个特征类各自对应的出行信息中,确定至少一个第一特征类各自对应的第一出行信息、以及至少一个第二特征类各自对应的第二出行信息,第二特征类属于至少一个特征类;及将至少一个第一特征类各自对应的第一出行信息、以及至少一个第一特征类对应的至少一个类对象信息进行映射,得到实名出行信息;及将至少一个第二特征类各自对应的第二出行信息,作为未实名出行信息;以及将实名出行信息和未实名出行信息,作为预设至少一个对象出行信息。
在本实施例中,装置还包括:第一信息更新单元15,用于在根据至少一个特征类各自对应的出行信息、以及至少一个第一特征类对应的至少一个类对象信息,得到预设至少一个对象出行信息之后,在获取到新的预设对象信息的情况下,将新的预设对象信息与预设身份库中的预设对象信息聚合,得到待更新预设对象信息;及根据待更新预设对象信息,更新预设至少一个对象出行信息,得到更新后的对象出行信息;
相应地,第一处理单元11,具体用于从更新后的对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息。
在本实施例中,装置还包括:第二信息更新单元16,用于在根据至少一个特征类各自对应的出行信息、以及至少一个第一特征类对应的至少一个类对象信息,得到预设至少一个对象出行信息之后,在下一预设聚类时间点到达的情况下,获取当前预设聚类时间点与下一预设聚类时间点之间采集到的新图像采集信息;及从新图像采集信息中得到至少一张新的身份特征图像;及根据至少一个特征类,对至少一张新的身份特征图像进行增量聚类计算,得到至少一个待添加特征类;及从新图像采集信息中,分别获取至少一个待添加特征类各自对应的新出行信息;以及根据至少一个待添加特征类各自对应的新出行信息,更新预设至少一个对象出行信息,得到更新后的对象出行信息;
相应地,第一处理单元11,具体用于从更新后的对象出行信息中,查找出行信息在目标区域内的至少一个候选对象出行信息。
需要说明的是,在实际应用中,上述信息指令接收单元10、第一处理单元11、第二处理单元12、显示单元13、信息获取单元14、第一信息更新单元15和第二信息更新单元16,可由位于信息处理装置1上的处理器17实现,具体为CPU(Central Processing Unit,中央处理器)、MPU(Microprocessor Unit,微处理器)、DSP(Digital Signal Processing,数字信号处理器)或现场可编程门阵列(FPGA,Field Programmable Gate Array)等实现。
本实施例还提供了一种信息处理装置1,如图10所示,该装置1包括:处理器17、存储器18和通信总线19,存储器18通过通信总线19与处理器17进行通信,存储器18存储处理器17可执行的一个或者多个程序,当一个或者多个程序被执行时,通过处理器17执行如前述实施例所述的任意一种信息处理方法。
在实际应用中,存储器18可以是易失性第一存储器(volatile memory),例如随机存取第一存储器(Random-Access Memory,RAM);或者非易失性第一存储器(non-volatilememory),例如只读第一存储器(Read-Only Memory,ROM),快闪第一存储器(flashmemory),硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);或者上述种类的第一存储器的组合,并向处理器17提供程序和数据。
本实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,所述程序被处理器17执行时实现如前述实施例所述的任意一种信息处理方法。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开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和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、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。
以上所述,仅为本公开的较佳实施例而已,并非用于限定本公开的保护范围。
Claims (15)
1.一种信息处理方法,其特征在于,所述方法包括:
在接收到首次出现查询指令的情况下,响应于所述首次出现查询指令,从所述首次出现查询指令中获取目标区域、目标时刻和目标时长;
从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息;
从所述至少一个候选对象出行信息中,查找在所述目标时刻之前的所述目标时长内未出现的、且在所述目标时刻后出现的首次出现对象信息;
显示所述首次出现对象信息;
所述至少一个候选对象出行信息中每个候选对象出行信息包括每个候选对象的出行时间;所述从所述至少一个候选对象出行信息中,查找在所述目标时刻之前的所述目标时长内未出现的、且在所述目标时刻后出现的首次出现对象信息,包括:
在所述每个候选对象为在所述目标时刻之后出现的对象的情况下,对所述每个候选对象的出行时间进行统计,从每个候选对象的出行时间中,获取与所述目标时刻最近、且早于或等于所述目标时刻的第一历史出行时间,并根据所述第一历史出行时间与所述目标时刻之间的比较结果,确定基准时间,将所述第一历史出行时间和所述基准时间之间的时长,确定为所述每个候选对象在所述目标时刻之前的历史未出现时长;
在所述历史未出现时长不小于所述目标时长的情况下,将所述每个候选对象出行信息作为所述首次出现对象信息。
2.根据权利要求1所述的方法,其特征在于,所述预设至少一个对象出行信息中每个对象出行信息包括出行位置;所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息,包括:
将所述每个对象出行信息中的出行位置不属于所述目标区域的出行信息删除,得到所述至少一个候选对象出行信息。
3.根据权利要求1所述的方法,其特征在于,在所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息之前,所述方法还包括:
获取目标案件信息;
根据所述目标案件信息,从所述预设至少一个对象出行信息中确定至少一个初始对象出行信息;
相应地,所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息,包括:
从所述至少一个初始对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息。
4.根据权利要求1所述的方法,其特征在于,在所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息之前,所述方法还包括:
获取对象筛选指令;
根据所述对象筛选指令,从所述预设至少一个对象出行信息中确定至少一个初始对象出行信息;
相应地,所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息,包括:
从所述至少一个初始对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息。
5.根据权利要求4所述的方法,其特征在于,所述对象筛选指令包括第一对象筛选指令和/或第二对象筛选指令,所述第一对象筛选指令用于选择第一类对象,所述第二对象筛选指令用于排除第二类对象。
6.根据权利要求1或2所述的方法,其特征在于,在所述从所述至少一个候选对象出行信息中,查找在所述目标时刻之前的所述目标时长内未出现的、且在所述目标时刻后出现的首次出现对象信息之后,所述显示所述首次出现对象信息之前,所述方法还包括:
从所述首次出现对象信息中,获取至少一个首次出现对象中每个首次出现对象的至少一个出行时间和至少一个出行位置;
获取当前时刻;
根据预设时间差计算模型、所述至少一个出行时间和所述当前时刻,得到所述至少一个出行时间对应的至少一个时间差;所述预设时间差计算模型表征输入值和输出值的对应关系,所述输入值为出行时间和当前时刻,所述输出值为时间差;
根据所述至少一个时间差,从所述至少一个出行时间中确定所述每个首次出现对象的最新出现时间、以及从所述至少一个出行位置中确定所述每个首次出现对象的最新出现位置;
相应地,所述显示所述首次出现对象信息,包括:
显示所述至少一个首次出现对象、所述每个首次出现对象的最新出现时间、以及所述每个首次出现对象的所述最新出现位置。
7.根据权利要求1所述的方法,其特征在于,在所述响应于所述首次出现查询指令,从所述首次出现查询指令中获取目标区域、目标时刻和目标时长之前,所述方法还包括:
在当前预设聚类时间点到达的情况下,获取前一预设聚类时间点与所述当前预设聚类时间点之间采集到的图像采集信息;
根据预设聚类算法、所述图像采集信息和预设身份库,得到所述预设至少一个对象出行信息。
8.根据权利要求7所述的方法,其特征在于,所述图像采集信息包括采集图像和采集时空信息;所述根据预设聚类算法、所述图像采集信息和预设身份库,得到所述预设至少一个对象出行信息,包括:
从所述采集图像中得到至少一张身份特征图像;
利用所述预设聚类算法,对所述至少一张身份特征图像进行聚类,得到至少一个特征类;所述至少一个特征类中每个特征类对应的身份特征图像之间的第一相似度大于预设第一相似度阈值;
从所述采集时空信息中确定至少一个特征类各自对应的出行信息;
根据所述预设身份库和所述至少一个特征类,得到至少一个第一特征类对应的至少一个类对象信息;所述至少一个第一特征类属于所述至少一个特征类,所述预设身份库存储有至少一个预设对象信息,所述至少一个类对象信息属于所述至少一个预设对象信息;
根据所述至少一个特征类各自对应的出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息,得到所述预设至少一个对象出行信息。
9.根据权利要求8所述的方法,其特征在于,所述根据所述预设身份库和所述至少一个特征类,得到至少一个第一特征类对应的至少一个类对象信息,包括:
分别获取所述至少一个特征类对应的至少一个类中心特征值;
计算所述至少一个预设对象信息和当前特征类对应的当前类中心特征值的一组第二相似度,所述当前特征类对应的当前类中心特征值为所述至少一个类中心特征值中的任一个类中心特征值;
从所述一组第二相似度中确定目标相似度;
在所述目标相似度不小于预设第二相似度阈值的情况下,将所述当前特征类作为第一特征类,并从所述预设身份库中,确定所述目标相似度值对应的预设对象信息;
将所述目标相似度值对应的预设对象信息确定为所述第一特征类对应的类对象信息,进而得到所述至少一个第一特征类对应的至少一个类对象信息。
10.根据权利要求8所述的方法,其特征在于,所述根据所述至少一个特征类各自对应的出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息,得到所述预设至少一个对象出行信息,包括:
从所述至少一个特征类各自对应的出行信息中,确定所述至少一个第一特征类各自对应的第一出行信息、以及至少一个第二特征类各自对应的第二出行信息,所述第二特征类属于所述至少一个特征类;
将所述至少一个第一特征类各自对应的第一出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息进行映射,得到实名出行信息;
将所述至少一个第二特征类各自对应的第二出行信息,作为未实名出行信息;
将所述实名出行信息和所述未实名出行信息,作为所述预设至少一个对象出行信息。
11.根据权利要求8所述的方法,其特征在于,所述根据所述至少一个特征类各自对应的出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息,得到所述预设至少一个对象出行信息之后,所述方法还包括:
在获取到新的预设对象信息的情况下,将所述新的预设对象信息与所述预设身份库中的所述预设对象信息聚合,得到待更新预设对象信息;
根据所述待更新预设对象信息,更新所述预设至少一个对象出行信息,得到更新后的对象出行信息;
相应地,所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息,包括:
从所述更新后的对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息。
12.根据权利要求8所述的方法,其特征在于,所述根据所述至少一个特征类各自对应的出行信息、以及所述至少一个第一特征类对应的至少一个类对象信息,得到所述预设至少一个对象出行信息之后,所述方法还包括:
在下一预设聚类时间点到达的情况下,获取当前预设聚类时间点与所述下一预设聚类时间点之间采集到的新图像采集信息;
从所述新图像采集信息中得到至少一张新的身份特征图像;
根据所述至少一个特征类,对所述至少一张新的身份特征图像进行增量聚类计算,得到至少一个待添加特征类;
从所述新图像采集信息中,分别获取所述至少一个待添加特征类各自对应的新出行信息;
根据所述至少一个待添加特征类各自对应的新出行信息,更新所述预设至少一个对象出行信息,得到更新后的对象出行信息;
相应地,所述从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息,包括:
从所述更新后的对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息。
13.一种信息处理装置,其特征在于,所述装置包括:
指令接收单元,用于在接收到首次出现查询指令的情况下,响应于所述首次出现查询指令,从所述首次出现查询指令中获取目标区域、目标时刻和目标时长;
第一处理单元,用于从预设至少一个对象出行信息中,查找出行信息在所述目标区域内的至少一个候选对象出行信息;
第二处理单元,用于从所述至少一个候选对象出行信息中,查找在所述目标时刻之前的所述目标时长内未出现的、且在所述目标时刻后出现的首次出现对象信息;
显示单元,用于显示所述首次出现对象信息;
所述第二处理单元,还用于在每个候选对象为在所述目标时刻之后出现的对象的情况下,对所述每个候选对象的出行时间进行统计,从每个候选对象的出行时间中,获取与所述目标时刻最近、且早于或等于所述目标时刻的第一历史出行时间,并根据所述第一历史出行时间与所述目标时刻之间的比较结果,确定基准时间,将所述第一历史出行时间和所述基准时间之间的时长,确定为所述每个候选对象在所述目标时刻之前的历史未出现时长;所述至少一个候选对象出行信息中每个候选对象出行信息包括每个候选对象的出行时间;在所述历史未出现时长不小于所述目标时长的情况下,将所述每个候选对象出行信息作为所述首次出现对象信息。
14.一种信息处理装置,其特征在于,所述装置包括:处理器、存储器和通信总线,所述存储器通过所述通信总线与所述处理器进行通信,所述存储器存储所述处理器可执行的一个或者多个程序,当所述一个或者多个程序被执行时,通过所述处理器执行如权利要求1-12任一项所述的方法。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序,当所述程序被至少一个处理器执行时,导致所述至少一个处理器执行权利要求1-12任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910580391.1A CN110309878B (zh) | 2019-06-28 | 2019-06-28 | 一种信息处理方法及装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910580391.1A CN110309878B (zh) | 2019-06-28 | 2019-06-28 | 一种信息处理方法及装置、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110309878A CN110309878A (zh) | 2019-10-08 |
CN110309878B true CN110309878B (zh) | 2022-02-22 |
Family
ID=68077936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910580391.1A Active CN110309878B (zh) | 2019-06-28 | 2019-06-28 | 一种信息处理方法及装置、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110309878B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709369A (zh) * | 2020-06-17 | 2020-09-25 | 杭州海康威视系统技术有限公司 | 人员识别方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355449A (zh) * | 2016-08-31 | 2017-01-25 | 腾讯科技(深圳)有限公司 | 用户选取方法和装置 |
CN106709047A (zh) * | 2017-01-04 | 2017-05-24 | 浙江宇视科技有限公司 | 对象查找方法及装置 |
CN106778653A (zh) * | 2016-12-27 | 2017-05-31 | 北京光年无限科技有限公司 | 面向智能机器人的基于人脸识别样本库的交互方法和装置 |
CN107783995A (zh) * | 2016-08-26 | 2018-03-09 | 杭州海康威视数字技术股份有限公司 | 一种目标对象检索方法及装置 |
CN108280489A (zh) * | 2018-02-12 | 2018-07-13 | 中国银行股份有限公司 | 一种样本数据生成方法及装置 |
CN109784270A (zh) * | 2019-01-11 | 2019-05-21 | 厦门大学嘉庚学院 | 一种提升人脸图片识别完整性的处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036226B (zh) * | 2013-03-04 | 2017-06-27 | 联想(北京)有限公司 | 一种目标物信息获取方法及电子设备 |
-
2019
- 2019-06-28 CN CN201910580391.1A patent/CN110309878B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107783995A (zh) * | 2016-08-26 | 2018-03-09 | 杭州海康威视数字技术股份有限公司 | 一种目标对象检索方法及装置 |
CN106355449A (zh) * | 2016-08-31 | 2017-01-25 | 腾讯科技(深圳)有限公司 | 用户选取方法和装置 |
CN106778653A (zh) * | 2016-12-27 | 2017-05-31 | 北京光年无限科技有限公司 | 面向智能机器人的基于人脸识别样本库的交互方法和装置 |
CN106709047A (zh) * | 2017-01-04 | 2017-05-24 | 浙江宇视科技有限公司 | 对象查找方法及装置 |
CN108280489A (zh) * | 2018-02-12 | 2018-07-13 | 中国银行股份有限公司 | 一种样本数据生成方法及装置 |
CN109784270A (zh) * | 2019-01-11 | 2019-05-21 | 厦门大学嘉庚学院 | 一种提升人脸图片识别完整性的处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110309878A (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109166261B (zh) | 基于图像识别的图像处理方法、装置、设备及存储介质 | |
US10872117B2 (en) | Short-term and long-term memory on an edge device | |
CN108052925B (zh) | 一种小区人员档案智能管理方法 | |
US11210504B2 (en) | Emotion detection enabled video redaction | |
TWI747341B (zh) | 檔案應用方法及裝置、儲存媒體 | |
US20220092881A1 (en) | Method and apparatus for behavior analysis, electronic apparatus, storage medium, and computer program | |
CN109740004B (zh) | 一种归档方法及装置 | |
US20210357678A1 (en) | Information processing method and apparatus, and storage medium | |
CN106780250B (zh) | 一种基于物联网技术的智慧社区安全事件处理方法及系统 | |
US20130329059A1 (en) | Person detection system | |
CN109800664B (zh) | 一种确定路人轨迹的方法及装置 | |
CN109784220B (zh) | 一种确定路人轨迹的方法及装置 | |
CN110969215A (zh) | 聚类处理方法和装置、存储介质及电子装置 | |
CN111010547A (zh) | 目标对象的追踪方法及装置、存储介质、电子装置 | |
CN112183353A (zh) | 一种图像数据处理方法、装置和相关设备 | |
CN114357216A (zh) | 一种人像聚档方法、装置、电子设备及存储介质 | |
CN110309878B (zh) | 一种信息处理方法及装置、存储介质 | |
CN110505438B (zh) | 一种排队数据的获取方法和摄像机 | |
CN110543583A (zh) | 信息处理方法及装置、图像设备及存储介质 | |
CN112883213B (zh) | 一种图片归档方法、装置及电子设备 | |
CN114863364B (zh) | 一种基于智能视频监控的安防检测方法及系统 | |
CN109598911B (zh) | 预警方法、装置及计算机可读存储介质 | |
CN109120896B (zh) | 安防视频监控卫士系统 | |
CN115391596A (zh) | 视频档案生成方法、装置及存储介质 | |
CN112487082A (zh) | 一种生物特征识别的方法及相关设备 |
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 |