CN110738175B - 人脸图像处理方法、装置、计算机设备和存储介质 - Google Patents
人脸图像处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110738175B CN110738175B CN201910986738.2A CN201910986738A CN110738175B CN 110738175 B CN110738175 B CN 110738175B CN 201910986738 A CN201910986738 A CN 201910986738A CN 110738175 B CN110738175 B CN 110738175B
- Authority
- CN
- China
- Prior art keywords
- face
- target
- feature extraction
- label
- face image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供的一种人脸图像处理方法、装置、计算机设备和存储介质,通过获取目标摄像头的标签,进而根据目标摄像头的标签和预设的调度策略,确定目标摄像头的标签对应的目标特征提取资源,最后通过调度目标特征提取资源对人脸图像进行特征提取,得到人脸图像的人脸特征。在上述人脸图像处理过程中,目标摄像头的标签与目标特征提取资源对应,而且人脸处理系统中可以存在不同标签的目标摄像头,相当于不同厂家提供的摄像头,那么与不同标签对应的目标特征提取资源即可来自于不同厂家,因此,上述人脸处理系统可以兼容不同生产厂家提供的摄像头与对应的特征提取资源,提高了人脸处理系统的兼容性和普及应用性。
Description
技术领域
本申请涉及人脸图像识别技术领域,尤其涉及一种人脸图像处理方法、装置、计算机设备和存储介质。
背景技术
随着基于深度神经网络等机器学习算法的人脸识别技术在安防、检测等领域的普及应用,各家技术公司均推出了各自创新的人脸识别算法。
目前的人脸处理系统通常包含用于拍摄人脸图像的多个摄像头,以及用于进行人脸图像处理的服务器,该服务器可以是一个或是由多个服务器组成的服务器集群。在实际应用中,人脸处理系统中的各摄像头与服务器来源于一个厂家,因此,当各摄像头拍摄到人脸图像时,服务器可以直接拉取摄像头所拍摄到的人脸图像,并加载相应的特征提取算法对人脸图像进行特征提取,或是加载相应的其它人脸识别算法对该人脸图像进行图像检索、比对、聚类等人脸识别工作。
但是,在实际应用中,一个大型人脸处理系统只能绑定一家厂商的人脸特征提取算法,无法同时支持多家厂商,降低了人脸处理系统的普及应用性。
发明内容
基于此,有必要针对上述技术问题,提供一种能够有效提高人脸处理系统的兼容性,以及人脸处理系统的普及应用性的人脸图像处理方法、装置、计算机设备和存储介质。
第一方面,一种人脸图像处理方法,所述方法包括:
获取目标摄像头的标签;目标摄像头用于拍摄人脸图像;
根据目标摄像头的标签和预设的调度策略,确定目标摄像头的标签对应的目标特征提取资源;调度策略用于指示根据目标摄像头的标签选择对应的目标特征提取资源;
通过调度目标摄像头的标签对应的目标特征提取资源对人脸图像进行特征提取,得到人脸图像的人脸特征;其中,目标摄像头的标签对应的目标特征提取资源加载与目标摄像头的标签对应的特征提取算法。
在其中一个实施例中,上述调度策略包括关联关系和调度规则,则根据目标摄像头的标签和预设的调度策略,确定目标摄像头的标签对应的目标特征提取资源,包括:
根据关联关系,确定与目标摄像头的标签关联的至少一个特征提取资源;关联关系表示人脸处理系统中的各摄像头的标签与各特征提取资源之间的映射关系。
根据调度规则,从与至少一个特征提取资源中确定目标特征提取资源。
在其中一个实施例中,上述方法还包括:
将人脸特征存储在与目标摄像头的标签对应的人脸特征库中,与目标摄像头的标签对应的人脸特征库用于存储经过目标摄像头的标签对应的目标特征提取资源提取得到的多个人脸特征。
在其中一个实施例中,所述方法还包括:
获取目标人脸图像;
使用预设特征提取资源提取目标人脸图像的人脸特征;
根据目标人脸图像的人脸特征在预设人脸特征库中进行检索,得到检索结果;检索结果包括与目标人脸图像的人脸特征之间的相似度大于预设阈值的人脸特征;预设人脸特征库与预设征提取资源对应。
在其中一个实施例中,预设特征提取资源包括多个不同标签对应的特征提取资源,预设人脸特征库包括多个不同标签对应的人脸特征库,根据目标人脸图像的人脸特征在预设人脸特征库中进行检索,得到检索结果,包括:
调整与各人脸特征库对应的相似度计算函数的初始特定参数,得到新的与各人脸特征库对应的相似度计算函数;
采用新的各所述人脸特征库对应的相似度计算函数,计算目标人脸图像的人脸特征与各人脸特征库中的人脸特征之间的相似度,得到各检索结果。
在其中一个实施例中,所述方法还包括:
将多个检索结果进行关联,得到聚类人脸特征。
在其中一个实施例中,关联关系为在人脸处理系统启动时,配置的不同的摄像头标签的路数与对应特征提取资源的个数之间的对应关系。
在其中一个实施例中,上述特征提取资源包括图像处理器GPU。
第二方面,一种人脸图像处理装置,所述装置包括:
获取模块,用于获取目标摄像头的标签;目标摄像头用于拍摄人脸图像;
第一确定模块,用于根据目标摄像头的标签和预设的调度策略,确定目标摄像头的标签对应的目标特征提取资源;调度策略用于指示根据目标摄像头的标签选择对应的目标特征提取资源;
调度模块,用于通过调度目标摄像头的标签对应的目标特征提取资源对人脸图像进行特征提取,得到人脸图像的人脸特征;其中,目标摄像头的标签对应的目标特征提取资源加载与目标摄像头的标签对应的特征提取算法。
第三方面,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面任一实施例所述的人脸图像处理方法。
第四方面,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面任一实施例所述的人脸图像处理方法。
本申请提供的一种人脸图像处理方法、装置、计算机设备和存储介质,通过获取目标摄像头的标签,进而根据目标摄像头的标签和预设的调度策略,确定目标摄像头的标签对应的目标特征提取资源,最后通过调度目标特征提取资源对人脸图像进行特征提取,得到人脸图像的人脸特征。在上述人脸图像处理过程中,目标摄像头的标签与目标特征提取资源对应,而且人脸处理系统中可以存在不同标签的目标摄像头,相当于不同厂家提供的摄像头,那么与不同标签对应的目标特征提取资源即可加载来自于不同厂家的特征提取算法,因此,上述人脸处理系统可以兼容不同生产厂家提供的摄像头与对应的特征提取资源,解决了传统人脸处理系统中只能应用一种人脸图像识别算法的问题,进而提高了人脸处理系统的兼容性和普及应用性。另外,由于人脸图像处理设备可以根据预设的调度策略,调度与目标摄像头的标签对应的目标特征提取资源,执行图像处理工作。因此,当人脸处理系统中出现资源分配变动时,人脸图像处理设备只要预先修改调度策略,即可在原有资源的基础上实现资源的重新配置,不需要拆除原有资源,极大的降低了系统资源的消耗。
附图说明
图1为一个实施例提供的一种人脸处理系统的示意图;
图2为一个实施例提供的一种人脸图像处理方法的流程图;
图3为图2实施例S102的一种实现方式的流程图;
图4为一个实施例提供的一种人脸图像检索方法的流程图;
图5为一个是实施例提供的人脸处理方法的流程图;
图6为一个是实施例提供的人脸处理方法的流程图;
图7为一个实施例提供的一种人脸处理系统的示意图;
图8为一个实施例提供的一种人脸图像处理装置的结构示意图;
图9为一个实施例提供的一种人脸图像处理装置的结构示意图;
图10为一个实施例提供的一种人脸图像处理装置的结构示意图;
图11为一个实施例提供的一种人脸图像处理装置的结构示意图;
图12为一个实施例提供的一种人脸图像处理装置的结构示意图;
图13为一个实施例提供的一种人脸图像处理装置的结构示意图;
图14为一个实施例提供的一种计算机设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本申请提供的人脸图像处理方法,可以应用于如图1所示的人脸处理系统中,在该系统中,人脸图像处理设备与摄像头可以通过有线或者无线网络进行通信连接。其中,人脸图像处理设备可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,人脸图像处理设备还可以是独立的服务器或是由多个服务器组成的服务器集群来实现。
下面将通过实施例并结合附图具体地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。
图2为一个实施例提供的一种人脸图像处理方法的流程图,该方法的执行主体为图1中的人脸图像处理设备,该方法涉及的是人脸图像处理设备对目标摄像头所拍摄的人脸图像进行图像处理的具体过程。如图2所示,该方法具体包括以下步骤:
S101、获取目标摄像头的标签。
其中,目标摄像头用于拍摄人脸图像,人脸图像可以是任意类型的人脸图像,例如,黑白图像、灰度图像、彩色图像等。目标摄像头的标签用于表征该目标摄像头的生产来源,例如,生产厂家,其具体可以用数字、字母、序列号、二维码等表示,只要能够区别不同生产来源的摄像头即可,对此本实施例不做限制。
本实施例中,当人脸图像处理设备需要对至少一个目标摄像头所拍摄的人脸图像进行图像处理时,人脸图像处理设备可以先获取目标摄像头的标签,具体的获取方式可以包括三种,第一种方式可以为:当目标摄像头在拍摄到人脸图像时,可以主动通过无线网络将携带有标签信息的消息发送给人脸图像处理设备,以便人脸图像处理设备根据该标签执行后续人脸图像的处理工作。第二种方式可以为:人脸图像处理设备可以周期性的监测人脸处理系统中包含的各摄像头是否拍摄到人脸图像,若监测到存在拍摄到人脸图像的目标摄像头,则可以直接根据该目标摄像头的标识在数据库中查找到记录有该摄像头相关信息的信息表,从中读取该目标摄像头的标签信息,以便人脸图像处理设备根据该标签执行后续人脸图像的处理工作。第三种方式可以为:人脸图像处理设备可以直接接收外部输入的携带有目标摄像头的标签信息的指令,进而通过解析该指令获取目标摄像头的标签,以便人脸图像处理设备根据该标签执行后续人脸图像的处理工作,需要说明的是,第三种获取标签的方式常应用于预先获悉目标摄像头的标签的应用场景,在该应用场景下,用户可以直接将携带有目标摄像头的标签信息的指令输入至人脸图像处理设备,具体的输入方式可以通过键盘输入、触摸屏输入、语音输入等方式中的至少一种,只要人脸图像处理设备能够正常获取到目标摄像头的标签即可,对此本实施例不做显示。
S102、根据目标摄像头的标签和预设的调度策略,确定目标摄像头的标签对应的目标特征提取资源,调度策略用于指示根据目标摄像头的标签选择对应的目标特征提取资源。
其中,调度策略可以由用户根据实际硬件参数,以及实际应用情况预先定义,并存储在人脸图像处理设备中,以便人脸图像处理设备依据该调度策略执行后续的调度工作。目标特征提取资源为人脸图像处理设备需要调度的,用于处理目标摄像头所拍摄的人脸图像的硬件设备或装置,例如,目标特征提取资源可以具体是一种图像处理器(GraphicsProcessing Unit,GPU),该GPU上可以加载相应的特征提取算法,实现对输入的人脸图像进行特征提取。上述对人脸图像进行处理的工作可以包括对人脸图像进行特征提取,也可以在特征提取的基础上进行其它图像处理工作,例如,图像比对、图像检索、图像聚类等工作。
在本实施例中,当人脸图像处理设备基于S101获取到目标摄像头的标签时,可以根据预先存储的调度策略,根据该目标摄像头的标签确定与该标签对应的目标特征提取资源,以便人脸图像处理设备之后可以直接调用该目标特征提取资源,处理该目标摄像头拍摄的人脸图像,实现对人脸图像的图像处理。需要说明的是,上述目标特征提取资源可以是一个,也可以是多个,目标特征提取资源的数量与拍摄人脸图像的目标摄像头的数量和标签相关,若有多个目标摄像头对同一个人脸图像进行了拍摄,且这多个目标摄像头的标签不相同,此时,目标特征提取资源为多个资源,且分别与目标摄像头的标签对应。
S103、通过调度目标摄像头的标签对应的目标特征提取资源对人脸图像进行特征提取,得到人脸图像的人脸特征;其中,目标摄像头的标签对应的目标特征提取资源加载与目标摄像头的标签对应的特征提取算法。
本实施例中,当人脸图像处理设备确定了与目标摄像头的标签对应的目标特征提取资源时,可以进一步的调度该目标特征提取资源,使目标特征提取资源获取目标摄像头所拍摄的人脸图像,并加载与目标摄像头的标签对应的特征提取算法,对目标摄像头所拍摄的人脸图像进行特征提取,得到人脸图像的人脸特征。
上述实施例中,人脸图像处理设备通过获取目标摄像头的标签,进而根据目标摄像头的标签和预设的调度策略,确定目标摄像头的标签对应的目标特征提取资源,最后通过调度目标特征提取资源对人脸图像进行特征提取,得到人脸图像的人脸特征。在上述人脸图像处理过程中,目标摄像头的标签与目标特征提取资源对应,而且人脸处理系统中可以存在不同标签的目标摄像头,相当于不同厂家生产的摄像头,那么与不同标签对应的目标特征提取资源即可加载不同厂家的特征提取算法,因此,上述人脸处理系统可以兼容不同生产厂家提供的摄像头与对应的特征提取资源,解决了传统人脸处理系统中只能应用于一种人脸图像识别算法的问题,进而提高了人脸处理系统的兼容性和普及应用性。另外,由于人脸图像处理设备可以根据预设的调度策略,调度与目标摄像头的标签对应的目标特征提取资源,执行图像处理工作。因此,当人脸处理系统中出现资源分配变动时,人脸图像处理设备只要预先修改调度策略,即可在原有资源的基础上实现资源的重新配置,不需要拆除原有资源,极大的降低了系统资源的消耗。
在实际应用中,调度策略可以根据实际应用需求预先由人脸图像处理设备设置,本实施例中的调度策略包括关联关系和调度规则,在此种应用场景下,如图3所示,上述S102“根据目标摄像头的标签和预设的调度策略,确定目标摄像头的标签对应的目标特征提取资源”,包括:
S201、根据关联关系,确定与目标摄像头的标签关联的至少一个特征提取资源,其中,关联关系表示人脸处理系统中的各摄像头的标签与各特征提取资源之间的映射关系。
上述关联关系可以预先由用户根据人脸处理系统中的各目标摄像头的标签,以及各特征提取资源确定,因为目标摄像头的标签表示目标摄像头的提供厂家,因此,将相同生产厂家的目标摄像头用同一标签标定,且将与目标摄像头的提供厂家相同的特征提取资源进行关联,可以得到表示目标摄像头的标签与各特征提取资源之间的映射关系,即关联关系。上述特征提取资源与目标提取资源的类型相同,具体可以为图像处理器GPU。
在本实施例中,与目标摄像头的标签对应的特征提取资源可以是一个,也可以是多个。当人脸图像处理设备基于前述S101获取到目标摄像头的标签时,可以进一步的根据预先设定的关联关系,查找到与该目标摄像头的标签关联的至少一个特征提取资源,再使用至少一个特征提取资源中的一个或多个对目标摄像头所拍摄的人脸图像进行特征提取。需要说明的是,与目标摄像头的标签关联的至少一个特征提取资源,均可以对目标摄像头所拍摄的人脸图像进行特征提取。
S202、根据调度规则,从与至少一个特征提取资源中确定目标特征提取资源。
其中,调度规则用于指示人脸图像处理设备在根据关联关系选择出对应的多个特征提取资源后,继续根据实际资源分配需求,在至少一个特征提取资源中确定出与目标摄像头的标签对应的目标特征提取资源,以确定具体由哪个特征提取资源对目标摄像头所拍摄的人脸图像进行处理。上述调度规则可以根据负载均衡情况确定,也可以根据其它应用情况确定,对此本实施例不做限定,只要能够通过调度规则选择出与目标摄像头的标签对应的目标特征提取资源即可,均在本方案的保护范围内。
本实施例中,当人脸图像处理设备基于S201的步骤确定了与目标摄像头的标签关联的特征提取资源,特别是存在多个特征提取资源时,人脸图像处理设备可以进一步的根据预先定义的调度规则,从多个特征提取资源中确定目标特征提取资源,以便之后直接调度该目标特征提取资源对目标摄像头所拍摄的人脸图像进行特征提取,得到人脸图像的人脸特征。
上述实施例中,人脸图像处理设备根据关联关系,确定与目标摄像头的标签关联的至少一个特征提取资源,进一步的再根据调度规则,从与至少一个特征提取资源中确定目标特征提取资源。该过程为人脸图像处理设备通过调度策略确定目标特征提取资源的过程,其中既考虑到了目标摄像头的标签不同,相当于目标摄像头的提供厂家的不同,同时也考虑到了实际资源分配需求,从而综合上述因素,实现对特征提取资源的调度。这样的人脸图像处理方法使人脸处理系统既可以增强其兼容性,又可以及时满足实际应用需要,实现资源的灵活配置,提高了上述人脸处理系统的普及应用性。
例如,原来摄像头的布局为:A厂家500路摄像头和B厂家500路摄像头,在该摄像头的布局发生变化之后,该摄像头的布局变成:A厂家800路摄像头,B厂家200路摄像头,则使用上述人脸图像处理方法仅需要修改特征提取资源与摄像头的关联关系即可,即将部分B厂家标签的特征提取资源的标签改为A厂家)的特征提取资源的标签,无需重复采购特征提取资源,极大的节约了资源改造成本,且可以适用于各种应用场合。
当人脸图像处理设备基于上述图2-图3实施例得到目标摄像头拍摄的人脸图像的人脸特征之后,还可以根据实际应用需求,将得到的人脸特征存储在与目标摄像头的标签对应的人脸特征库中。其中,与目标摄像头的标签对应的人脸特征库用于存储经过目标摄像头的标签对应的目标特征提取资源提取得到的多个人脸特征。
本实施例涉及将人脸图像处理设备提取出的人脸特征存储在相应的人脸特征库的过程,即,在人脸图像处理设备基于图2实施例所述的方法提取出的人脸特征后,可以进一步的将各目标摄像头抓拍的图像的人脸特征存储在与各目标摄像头标签对应的人脸特征库中,且该人脸特征库中存放经过与各目标摄像头的标签对应的目标特征提取资源提取得到的多个人脸特征。
例如,A标签(相当于A厂家提供的)的摄像头拍摄到的人脸图像A,使用A标签(相当于A厂家提供的)的目标特征提取资源A进行图像处理后,得到人脸特征A,然后将该人脸特征A存储在A标签(相当于A厂家提供的)的人脸特征库中;B标签(相当于B厂家提供的)的摄像头拍摄到的人脸图像B,使用B标签(相当于B厂家提供的)的目标特征提取资源B进行图像处理后,得到人脸特征B,然后将该人脸特征B存储在B标签(相当于B厂家提供的)的人脸特征库中。
需要说明的是,上述人脸特征库在实际应用中,可以具体是路人库、静态库、布控库中的至少一种,其中的路人库用于存储各摄像头随机抓拍到的人脸图像的人脸特征,以供人脸处理系统在排查路人时使用;静态库用于存储常驻人口的人脸图像的人脸特征,以便人脸处理系统在排查人口时使用;布控库用于存储特殊人员的人脸图像的人脸特征,以便人脸处理系统在排查特殊人员时使用,例如,逃犯,嫌疑犯等。关于人脸特征库的类型可以根据实际应用场景选用,本实施例对此不作限定。
当上述与各目标摄像头的标签对应的各人脸特征库构建完成后,即可使用各人脸特征库进行多种应用的人脸处理。在一种应用场景中,人脸图像处理设备可以根据各人脸特征库进行相似人脸图像的检索,因此,图2实施例所述的人脸图像处理方法,如图4所示,还可以包括:
S301、获取目标人脸图像。
其中,目标人脸图像在本实施例中为待检索的人脸图像,其可以通过摄像头拍摄得到,也可以直接从网络上下载得到,也可以通过其它渠道获取,对此本实施例不做限制。本实施例中,当人脸图像处理设备需要对目标人脸图像进行检索时,可以先获取目标人脸图像,以便之后使用。
S302、使用预设特征提取资源提取目标人脸图像的人脸特征。
本实施例中的预设特征提取资源可以根据实际应用需求选取加载任一种厂家提供的特征提取算法的特征提取资源。预设特征提取资源可以包括加载不同厂家的特征提取算法的多个特征提取资源。本实施例中,当人脸图像处理设备基于S301的步骤获取到需要检索的目标人脸图像时,可以进一步的将该目标人脸图像分配给预设特征提取资源进行特征提取,得到人脸特征。当预设特征提取资源包括多个特征提取资源时,人脸图像处理设备可以将该目标人脸图像分别分配给多个特征提取资源同时进行特征提取,得到多个人脸特征。
S303、根据目标人脸图像的人脸特征在预设人脸特征库中进行检索,得到检索结果;检索结果包括与目标人脸图像的人脸特征之间的相似度大于预设阈值的人脸特征;预设人脸特征库与预设征提取资源对应。
其中,预设人脸特征库可以是任一厂家提供的人脸特征库,也可以包括不同厂家提供的多个人脸特征库,且每一个人脸特征库存储的人脸特征均为同一厂家提供的特征提取资源提取得到的人脸特征。预设阈值可以由人脸图像处理设备根据实际检索要求预先确定。本实施例中,当人脸图像处理设备获取到目标人脸图像的人脸特征时,可以进一步的根据该人脸特征在预设人脸特征库中进行检索,得到检索结果。当预设人脸特征库包括多个人脸特征库时,人脸图像处理设备可以根据目标人脸图像通过加载不同厂家的特征提取算法的多个特征提取资源的多个人脸特征分别在对应多个特征提取资源的多个人脸特征库中进行检索,得到多个检索结果。需要说明的是,上述检索结果包含人脸特征,且该人脸特征与目标人脸图像的人脸特征之间的相似度大于预设阈值,能够满足检索要求。
本实施例涉及人脸图像的检索过程,具体包括:当人脸图像处理设备基于前述S301获取到目标人脸图像,并基于S302的方法得到该目标人脸图像的人脸特征后,可以进一步的根据该人脸特征在预设人脸特征库中进行检索,得到一个或多个检索结果。在实际的检索过程中,人脸图像处理设备可以采用任一种检索方法在人脸特征库中进行检索,例如暴力检索,近似检索等,对此本实施例不做限制。上述检索结果可以是检索到的人脸特征,可选的,也可以是检索到的人脸特征对应的人脸图像,关于检索结果的内容可以根据实际应用需求确定,对此本实施例不做限制。当检索结果为人脸特征时,该人脸特征即为与目标人脸图像的人脸特征之间的相似度大于预设阈值的人脸特征,相当于满足实际检索要求的人脸特征。需要说明的是,上述预设人脸特征库可以设置在人脸图像处理设备中,可选的,也可以设置在与人脸图像处理设备连接的其它服务器上,只要人脸图像处理设备能够获取到预设人脸特征库中存储的数据即可,对于预设人脸特征库的存放位置本实施例不做限制。
还需说明的是,在上述实施例中,人脸图像处理设备根据目标人脸图像的人脸特征在预设人脸特征库中进行检索,得到检索结果,其中预设人脸特征库存储经过预设特征提取资源提取得到的多个人脸特征,即与预设特征提取资源对应。例如,在一种应用场景中,假设人脸处理系统获取到一张目标人脸图像P,预设特征提取资源包括加载三个厂家特征提取算法的特征提取资源(A、B、C),预设人脸特征库包括三个厂家提供的人脸特征库(A、B、C),其中,人脸特征库A存储经过特征提取资源A提取得到的多个人脸特征;人脸特征库B存储经过特征提取资源B提取得到的多个人脸特征;人脸特征库C存储经过特征提取资源C提取得到的多个人脸特征。则在实际应用中,可以使用特征提取资源A上加载的特征提取算法A提取目标人脸图像P的特征,得到人脸特征A,然后根据该人脸特征A在人脸特征库A中进行检索,得到检索结果A;使用特征提取资源B上加载的特征提取算法B提取目标人脸图像P的特征,得到人脸特征B,然后根据该人脸特征B在人脸特征库B中进行检索,得到检索结果B;使用特征提取资源C上加载的特征提取算法C提取目标人脸图像P的特征,得到人脸特征C,然后根据该人脸特征C在人脸特征库C中进行检索,得到检索结果C。
进一步的,上述“根据目标人脸图像的人脸特征在预设人脸特征库中进行检索,得到检索结果”,如图5所示,具体可以包括:
S401、采用预设的相似度计算方法,获取人脸特征与预设人脸特征库中的各人脸特征之间的相似度。
其中,相似度计算方法可以用L2范数即两个向量在高维度空间中的欧式距离来表示,用于计算人脸特征与预设人脸特征库中的各人脸特征之间的相似度的值,具体可以用相似度计算函数表示。本实施例中,人脸图像处理设备在获取到目标人脸图像的人脸特征,以及需要在预设人脸特征库中进行检索时,可以将人脸特征与预设人脸特征库中的各人脸特征作为输入变量,依次输入至相似度计算函数中,计算得到人脸特征与预设人脸特征库中的各人脸特征之间的相似度。
S402、将相似度大于预设阈值的人脸特征确定为检索结果。
当人脸图像处理设备依据S401计算得到多个相似度时,可以进一步的将这多个相似度的值与预设阈值进行比较,将其中相似度的值大于预设阈值的人脸特征确定为检索结果。可选的,根据实际应用需求,也可以将相似度的值大于预设阈值的人脸特征对应的人脸图像作为检索结果。
在实际应用中,还存在一些特殊的应用场景,例如,当需要知道一个人的轨迹时,需要在所有摄像头中检索此人的完成轨迹,在该种应用条件下,在人脸处理系统中可以使用多个厂家提供的特征提取资源提取同一人脸图像的特征,并得到不同的人脸特征,再将不同的人脸特征在对应的不同的人脸特征库中进行检索,从而得到该人脸图像在各个人脸特征库中的检索结果,然后通过比对不同的检索结果,得到该人脸图像对应人的完整轨迹。
基于上述应用场景,本申请提供了一种人脸图像处理方法,该方法中涉及到的预设特征提取资源包括多个不同标签对应的特征提取资源,以及预设人脸特征库包括多个不同标签对应的人脸特征库,即说明采用加载不同厂家提供的特征提取算法的特征提取资源对目标人脸图像进行处理,采用不同厂家提供的人脸特征库检索目标人脸图像。图6为一个是实施例提供的一种人脸图像处理方法的流程图,如图6所示,该方法具体包括:
S501、调整与各人脸特征库对应的相似度计算函数的初始特定参数,得到新的与各人脸特征库对应的相似度计算函数。
其中,初始特定参数为待调整的参数,其为相似度计算函数中包含的常用参数,例如,若相似度计算函数为sigmoid函数,则其中包含的初始特定参数为alpha参数和beta参数。本实施例中,当人脸图像处理设备在计算目标人脸图像的人脸特征与各人脸特征库中的人脸特征之间的相似度之前,为了使不同的人脸特征库计算得到的相似度具有可比性,需要调整与各人脸特征库对应的相似度计算函数的初始特定参数,从而得到新的与各人脸特征库对应的相似度计算函数,以便之后使用新的相似度计算函数计算目标人脸图像的人脸特征与各人脸特征库中的人脸特征之间的相似度,从而得到真实准确的检索结果。
本步骤的目的在于对不同的特征提取算法进行标定。例如有目标人脸图像P和P中人员的证件照Q,P和Q均用ABC三个厂家的特征提取算法进行特征提取,用ABC三种算法提取出的Q的人脸特征分别放入人脸特征库A、B、C。在标定前,由于三个厂家的相似度计算函数不同,计算出的P和Q的相似度可能不同,例如用P在人脸特征库A检索到Q,得到P和Q的相似度为90%,用P在人脸特征库B检索到Q,得到P和Q的相似度为95%,用P在人脸特征库C检索到Q,得到P和Q的相似度为99%。那么对于用户来说,很难确定一个对ABC三个厂家都适用的相似度阈值(例如对于A厂家,两张图片相似度80%就说明两张图片中是同一个人,而对于B厂家,两张图片相似度90%才说明两张图片是同一个人)。因此,需要通过标定将三个厂家的相似度基本找平。例如,调整各厂家的初始特定参数,使得通过ABC厂家的算法计算出的P和Q的相似度均为90%左右,如此才能找到ABC三个厂家都适用的相似度阈值。具体的标定方法可以如前所述,例如用属于同一人员的两张图像分别用ABC厂家的算法进行特征提取和比对,调整各厂家的初始特定参数,直至用ABC厂家的算法计算得到的两张图像的相似度基本一致。
S502、采用新的各人脸特征库对应的相似度计算函数,计算目标人脸图像的人脸特征与各人脸特征库中的人脸特征之间的相似度,得到各检索结果。
当人脸图像处理设备基于前述S501的步骤得到新的相似度计算函数后,可以采用该新的各人脸特征库对应的相似度计算函数,计算目标人脸图像的人脸特征与各人脸特征库中的人脸特征之间的相似度,得到多个不同人脸特征库的检索结果。例如,采用相似度计算函数A计算人脸特征库A中各人脸特征与目标人脸图像的人脸特征之间的相似度,得到大于预设阈值的相似度A;采用相似度计算函数B计算人脸特征库B中各人脸特征与目标人脸图像的人脸特征之间的相似度,得到大于预设阈值的相似度B。在计算之前,相似度计算函数A和相似度计算函数B是经过上述方法调整参数后的相似度计算函数,计算出的相似度具有可比性,因此,在人脸特征库A中得到的检索结果A和在人脸特征库B中得到的检索结果B具有可比性。
在实际应用中,当人脸图像处理设备根据图6所述的方法得到多个检索结果时,还可以进一步的对多个检索结果进行处理,具体可以将多个检索结果进行关联,得到聚类人脸特征。
其中,聚类人脸特征为多个与目标人脸图像的人脸特征相似的人脸特征。当人脸图像处理设备在多个人脸特征库中进行检索,得到关于目标人脸图像的人脸特征的多个检索结果后,可以进一步的将这多个检索结果关联在一起,形成与目标人脸图像的人脸特征之间的相似度满足预设阈值的聚类人脸特征,以实现多个人脸特征库的跨库聚类,当多个人脸特征库分布在不同的区域时,本申请提供的跨库聚类即可实现跨区域检索,以便用户可以更加方便的在大范围区域范围内检索目标人脸图像。
上述实施例中,人脸图像处理设备通过在不同标签对应的人脸特征库中进行检索,得到关于目标人脸图像的人脸特征的多个检索结果,然后通过关联这多个检索结果,进行不同特征库的检索结果的聚类,实现了跨库聚类,使人脸处理系统可以兼容各种类型的人脸特征库的检索,进而提高了人脸处理系统的兼容性。另外,在进行聚类检索之前,调整了各人脸特征库对应的相似度计算函数中的参数,使在各人脸特征库中进行检索时,利用相似度计算函数计算得到的相似度之间具有可比性,提高了之后跨库聚类的准确性。而且,上述不同类型的人脸特征库在实际工程应用中,可以布局在不同的区域内,极大的增加了人脸处理系统的铺设面积,即覆盖范围,提升了人脸处理系统的使用规模。
由上述所有实施例可知,人脸处理系统中的各摄像头的标签与各特征提取资源是成对应关系的,形成了关联关系,而该关联关系可以在人脸处理系统启动时进行配置,因此,该关联关系具体为在人脸处理系统启动时,配置的不同的摄像头标签的路数与对应特征提取资源的个数之间的对应关系。
在实际应用中,需要重新配置资源时,可以预先修改上述关联关系,形成新的关联关系,以便之后人脸图像处理设备可以根据新的关联关系执行人脸识别的操作。例如,当人脸处理系统中需要新添加一种厂商的摄像头时,人脸图像处理设备可以在启动人脸处理系统前,在原有的关联关系上添加新的摄像头的标签与对应的特征提取资源,形成新的关联关系,在启动人脸处理系统后,人脸图像处理设备则按照新的关联关系执行人脸图像的处理操作。需要说明的是,上述重新配置资源可以具体包括添加新的资源,修改原有资源等,具体如何配置资源可以根据实际应用情况确定,对此本实施例不做限定。上述这样的方法,实现了资源的灵活配置,在更新原有资源时,可以在原有资源的基础上更新,不需要拆除原有资源,极大的降低了资源的消耗,也相应的增加了人脸处理系统的应用灵活性。
综上,本申请还提供了一种人脸处理系统,如图7所示,该人脸处理系统应用上述任一实施例所述的人脸图像处理方法,实现对拍摄的人脸图像的人脸图像处理。
在如图7所示的人脸处理系统中,人脸图像处理设备包括调度中心和多个特征提取资源,其中,调度中心用于执行根据调度策略调度相应的特征提取资源对人脸图像进行人脸图像的处理工作;多个特征提取资源的类型与摄像头的标签对应,即若人脸处理系统中的各摄像头的标签不同,则对应的多个特征提取资源的类型不同,若人脸处理系统中的各摄像头的标签相同,则对应的多个特征提取资源的类型相同。具体的,调度中心可以是不限于计算机设备、服务器等能够执行相应调度工作的设备;特征提取资源可以是用于提取图像特征的图像处理器GPU卡,该GPU卡可以安装在服务器上,或其它计算设备上,特别说明的是,一个服务器上可以安装加载不同算法的GPU卡,即不同厂家提供的GPU卡,因此,当人脸处理系统中的不同标签的摄像头拍摄同一人脸图像时,则调度中心可以调度上述安装有不同类型的GPU卡的一台服务器对同一人脸图像进行人脸图像处理。特别说明的是,在调度中心调度特征提取资源时,是以该特征提取资源为单位进行调度,例如,假设特征提取资源为GPU卡,则调度中心在执行调度工作时,直接调度多个GPU卡对相应的人脸图像进行处理,若调度的多个GPU卡安装在一台服务器上,则对应调度该台服务器执行后续操作,若调度的多个GPU卡安装在多台服务器上,则对应调度多台服务器执行后续操作。
另外,在上述人脸处理系统启动时,人脸图像处理设备可以预先根据摄像头的生产厂家标记摄像头,再进一步的根据摄像头的标签配置对应的特征提取资源,形成摄像头与特征提取资源之间的关联关系,以便之后使用。例如,若人脸处理系统中存在1000个用来进行特征提取的GPU卡,人脸处理系统中的各摄像头来自于A、B、C不同的厂商,且A、B、C不同的厂商对应的摄像头的数量比为3:2:1,则将1/2的GPU卡分配给A厂商的摄像头,1/3的GPU卡分配给B厂商的摄像头,1/6的GPU卡分配给C厂商的摄像头。在之后的应用中,若需要对A厂商的摄像头所拍摄的人脸图像进行人脸图像的处理时,调度中心可以调度与A厂商的摄像头关联的500个特征提取资源中的任一特征提取资源对该人脸图像进行处理。上述的配置方法可以实现人脸处理系统的灵活配置,且可以根据实际应用情况随时调整人脸处理系统中的资源配置情况,以使该人脸处理系统更加适用当前环境,增强了人脸处理系统的应用性。
应该理解的是,虽然图2-6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,这些步骤可以以其它的顺序执行。而且,图2-6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,这些子步骤或者阶段的执行顺序也不必然是依次进行。
在一个实施例中,如图8所示,提供了一种人脸图像处理装置,包括:获取模块11、第一确定模块12和调度模块13,其中:
获取模块11,用于获取目标摄像头的标签;所述目标摄像头用于拍摄人脸图像;
第一确定模块12,用于根据所述目标摄像头的标签和预设的调度策略,确定所述目标摄像头的标签对应的目标特征提取资源;所述调度策略用于指示根据所述目标摄像头的标签选择对应的目标特征提取资源;
调度模块13,用于通过调度所述目标摄像头的标签对应的目标特征提取资源对所述人脸图像进行特征提取,得到所述人脸图像的人脸特征;其中,所述目标摄像头的标签对应的目标特征提取资源加载与所述目标摄像头的标签对应的特征提取算法。
在一个实施例中,如图9所示,上述第一确定模块12,包括:
第一确定单元121,用于根据所述关联关系,确定与所述目标摄像头的标签关联的至少一个特征提取资源;所述关联关系表示人脸处理系统中的各摄像头的标签与各特征提取资源之间的映射关系。
第二确定单元122,用于根据所述调度规则,从与所述至少一个特征提取资源中确定所述目标特征提取资源。
在一个实施例中,如图10所示,上述装置还包括:
第一检索模块14,用于将所述人脸特征存储在与所述目标摄像头的标签对应的人脸特征库中,所述与所述目标摄像头的标签对应的人脸特征库用于存储经过所述目标摄像头的标签对应的目标特征提取资源提取得到的多个人脸特征。
在一个实施例中,如图11所示,上述装置还包括:
获取目标图像模块15,用于获取目标人脸图像;
提取模块16,用于使用预设特征提取资源提取所述目标人脸图像的人脸特征;
第二检索模块17,用于根据所述目标人脸图像的人脸特征在预设人脸特征库中进行检索,得到检索结果;所述检索结果包括与所述目标人脸图像的人脸特征之间的相似度大于预设阈值的人脸特征;所述预设人脸特征库与所述预设征提取资源对应。
在一个实施例中,如图12所示,上述第二检索模块17包括:
调整单元171,用于调整与各人脸特征库对应的相似度计算函数的初始特定参数,得到新的与各所述人脸特征库对应的相似度计算函数;
计算单元172,用于采用所述新的各所述人脸特征库对应的相似度计算函数,计算所述目标人脸图像的人脸特征与各人脸特征库中的人脸特征之间的相似度,得到各所述检索结果。
在一个实施例中,如图13所示,上述第二检索模块17还包括:
聚类单元173,用于将多个所述检索结果进行关联,得到聚类人脸特征。
在一个实施例中,所述关联关系为在所述人脸处理系统启动时,配置的不同的摄像头标签的路数与对应特征提取资源的个数之间的对应关系。
在一个实施例中,所述特征提取资源包括图像处理器GPU。
关于人脸图像处理装置的具体限定可以参见上文中对于一种人脸图像处理方法的限定,在此不再赘述。上述人脸图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人脸图像处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图14中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取目标摄像头的标签;所述目标摄像头用于拍摄人脸图像;
根据所述目标摄像头的标签和预设的调度策略,确定所述目标摄像头的标签对应的目标特征提取资源;所述调度策略用于指示根据所述目标摄像头的标签选择对应的目标特征提取资源;
通过调度所述目标摄像头的标签对应的目标特征提取资源对所述人脸图像进行特征提取,得到所述人脸图像的人脸特征;其中,所述目标摄像头的标签对应的目标特征提取资源加载与所述目标摄像头的标签对应的特征提取算法。
上述实施例提供的一种计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时还实现以下步骤:
获取目标摄像头的标签;所述目标摄像头用于拍摄待人脸图像;
根据所述目标摄像头的标签和预设的调度策略,确定所述目标摄像头的标签对应的目标特征提取资源;所述调度策略用于指示根据所述目标摄像头的标签选择对应的目标特征提取资源;
通过调度所述目标摄像头的标签对应的目标特征提取资源对所述人脸图像进行特征提取,得到所述人脸图像的人脸特征;其中,所述目标摄像头的标签对应的目标特征提取资源加载与所述目标摄像头的标签对应的特征提取算法。
上述实施例提供的一种计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双倍数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种人脸图像处理方法,其特征在于,所述方法包括:
获取目标摄像头的标签;所述目标摄像头用于拍摄人脸图像;
根据所述目标摄像头的标签和预设的调度策略,确定所述目标摄像头的标签对应的目标特征提取资源;所述调度策略用于指示根据所述目标摄像头的标签选择对应的目标特征提取资源;
通过调度所述目标摄像头的标签对应的目标特征提取资源对所述人脸图像进行特征提取,得到所述人脸图像的人脸特征;其中,所述目标摄像头的标签对应的目标特征提取资源加载与所述目标摄像头的标签对应的特征提取算法;
所述调度策略包括关联关系和调度规则,则所述根据所述目标摄像头的标签和预设的调度策略,确定所述目标摄像头的标签对应的目标特征提取资源,包括:根据所述关联关系,确定与所述目标摄像头的标签关联的至少一个特征提取资源;所述关联关系表示人脸处理系统中的各摄像头的标签与各特征提取资源之间的映射关系;根据所述调度规则,从所述至少一个特征提取资源中确定所述目标特征提取资源。
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:
将所述人脸特征存储在与所述目标摄像头的标签对应的人脸特征库中,所述与所述目标摄像头的标签对应的人脸特征库用于存储经过所述目标摄像头的标签对应的目标特征提取资源提取得到的多个人脸特征。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取目标人脸图像;
使用预设特征提取资源提取所述目标人脸图像的人脸特征;
根据所述目标人脸图像的人脸特征在预设人脸特征库中进行检索,得到检索结果;所述检索结果包括与所述目标人脸图像的人脸特征之间的相似度大于预设阈值的人脸特征;所述预设人脸特征库与所述预设特征提取资源对应。
4.根据权利要求3所述的方法,其特征在于,所述预设特征提取资源包括多个不同标签对应的特征提取资源,所述预设人脸特征库包括多个不同标签对应的人脸特征库,所述根据所述目标人脸图像的人脸特征在预设人脸特征库中进行检索,得到检索结果,包括:
调整与各所述人脸特征库对应的相似度计算函数的初始特定参数,得到新的与各所述人脸特征库对应的相似度计算函数;
采用所述新的与各所述人脸特征库对应的相似度计算函数,计算所述目标人脸图像的人脸特征与各所述人脸特征库中的人脸特征之间的相似度,得到各所述检索结果。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
将多个所述检索结果进行关联,得到聚类人脸特征。
6.根据权利要求1所述的方法,其特征在于,所述关联关系为在所述人脸处理系统启动时,配置的不同的摄像头标签的路数与对应特征提取资源的个数之间的对应关系。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述目标特征提取资源包括图像处理器GPU。
8.一种人脸图像处理装置,其特征在于,所述装置包括:
获取模块,用于获取目标摄像头的标签;所述目标摄像头用于拍摄人脸图像;
第一确定模块,用于根据所述目标摄像头的标签和预设的调度策略,确定所述目标摄像头的标签对应的目标特征提取资源;所述调度策略用于指示根据所述目标摄像头的标签选择对应的目标特征提取资源;
调度模块,用于通过调度所述目标摄像头的标签对应的目标特征提取资源对所述人脸图像进行特征提取,得到所述人脸图像的人脸特征;其中,所述目标摄像头的标签对应的目标特征提取资源加载与所述目标摄像头的标签对应的特征提取算法;
第一确定模块包括:
第一确定单元,用于根据关联关系,确定与所述目标摄像头的标签关联的至少一个特征提取资源;所述关联关系表示人脸处理系统中的各摄像头的标签与各特征提取资源之间的映射关系;
第二确定单元,用于根据调度规则,从所述至少一个特征提取资源中确定所述目标特征提取资源。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910986738.2A CN110738175B (zh) | 2019-10-17 | 2019-10-17 | 人脸图像处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910986738.2A CN110738175B (zh) | 2019-10-17 | 2019-10-17 | 人脸图像处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110738175A CN110738175A (zh) | 2020-01-31 |
CN110738175B true CN110738175B (zh) | 2022-08-02 |
Family
ID=69269109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910986738.2A Active CN110738175B (zh) | 2019-10-17 | 2019-10-17 | 人脸图像处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110738175B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069875B (zh) * | 2020-07-17 | 2024-05-28 | 北京百度网讯科技有限公司 | 人脸图像的分类方法、装置、电子设备和存储介质 |
CN112766228B (zh) * | 2021-02-07 | 2022-06-24 | 深圳前海中电慧安科技有限公司 | 人脸信息提取方法、人物查找方法、系统、设备及介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5390943B2 (ja) * | 2008-07-16 | 2014-01-15 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
CN108764350A (zh) * | 2018-05-30 | 2018-11-06 | 苏州科达科技股份有限公司 | 目标识别方法、装置及电子设备 |
CN109543521A (zh) * | 2018-10-18 | 2019-03-29 | 天津大学 | 主侧视结合的活体检测与人脸识别方法 |
CN110097007A (zh) * | 2019-04-30 | 2019-08-06 | 福建威盾科技集团有限公司 | 一种整合多种人脸识别引擎的方法及装置 |
-
2019
- 2019-10-17 CN CN201910986738.2A patent/CN110738175B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110738175A (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070030B (zh) | 图像识别与神经网络模型的训练方法、装置和系统 | |
CN111950329B (zh) | 目标检测及模型训练方法、装置、计算机设备和存储介质 | |
CN109285105B (zh) | 水印检测方法、装置、计算机设备和存储介质 | |
US10742900B2 (en) | Method and system for providing camera effect | |
EP2668618A1 (en) | Method and system for comparing images | |
US20150278997A1 (en) | Method and apparatus for inferring facial composite | |
CN110738175B (zh) | 人脸图像处理方法、装置、计算机设备和存储介质 | |
CN110046577B (zh) | 行人属性预测方法、装置、计算机设备和存储介质 | |
CN108920929B (zh) | 验证图处理方法、装置、计算机设备和存储介质 | |
CN110660078B (zh) | 对象追踪方法、装置、计算机设备和存储介质 | |
WO2019033567A1 (zh) | 眼球动作捕捉方法、装置及存储介质 | |
CN112102235B (zh) | 人体部位识别方法、计算机设备和存储介质 | |
CN111860313A (zh) | 基于人脸识别的信息查询方法、装置、计算机设备和介质 | |
US10769795B2 (en) | Image processing method and device | |
CN109542962B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN110659373B (zh) | 图像检索的方法、设备、计算机设备和存储介质 | |
CN111523387A (zh) | 手部关键点检测的方法、设备和计算机设备 | |
CN113128448B (zh) | 基于肢体识别的视频匹配方法、装置、设备及存储介质 | |
CN113569676A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110827959B (zh) | 医学影像处理方法、装置和存储介质 | |
CN111178162B (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN110889432B (zh) | 特征点匹配方法、装置、计算机设备和存储介质 | |
CN117455989A (zh) | 室内场景slam追踪方法、装置、头戴式设备及介质 | |
CN111898619A (zh) | 图片特征提取方法、装置、计算机设备和可读存储介质 | |
CN110659376A (zh) | 图片查找方法、装置、计算机设备和存储介质 |
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 |