CN111144332A - 一种图片聚档方法、装置和电子设备 - Google Patents

一种图片聚档方法、装置和电子设备 Download PDF

Info

Publication number
CN111144332A
CN111144332A CN201911388340.5A CN201911388340A CN111144332A CN 111144332 A CN111144332 A CN 111144332A CN 201911388340 A CN201911388340 A CN 201911388340A CN 111144332 A CN111144332 A CN 111144332A
Authority
CN
China
Prior art keywords
similarity
picture
preset
archived
existing
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
Application number
CN201911388340.5A
Other languages
English (en)
Inventor
高增辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN201911388340.5A priority Critical patent/CN111144332A/zh
Publication of CN111144332A publication Critical patent/CN111144332A/zh
Pending legal-status Critical Current

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
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明实施例提供一种图片聚档方法、装置和电子设备，该图片聚档方法包括以下步骤：获取待归档图片以及现有档案中各个现有代表图片的特征值；获取所述待归档图片的特征值与现有档案中各个现有代表图片的特征值之间相似度最高的第一相似度；将所述第一相似度与预设相似度阈值进行比较，根据比较结果判断出所述第一相似度所属的预设相似度区域；根据判断结果选择对应的预设聚档策略对所述待归档图片进行聚档。本发明能够在对待归档图片进行聚档时，降低为同一个人建立多个档案的概率，进而有效避免同一个人有多个档案的问题。

Description

一种图片聚档方法、装置和电子设备
技术领域
本发明涉及档案管理技术领域，尤其涉及一种图片聚档方法、装置和电子设备。
背景技术
对抓拍照片进行聚类归档，并基于聚类归档信息进一步分析出能够提升一定区域治安效率和效果的有价值信息正成为一个重要的研究落地方向。现有的聚档方法如下：新图片接入系统时，将其特征值与现有档案的代表图片的特征值比对，计算相似度，最高相似度超过一定阈值进行归档。由于人脸照片在不同光线条件、不同拍摄角度等因素影响下可能通过特征算法模型生成的特征值与相应档案代表图片特征值比对相似度达不到第一阈值要求，从而无法归入档案。无法归入现有档案的图片，会基于该图片建立新的档案。如果某个人已经有一个档案，这个人有张新图片受拍摄条件等影响和其已有档案的代表图片相似度达不到第一阈值要求，会再建立一个档案，导致同一个人有多个档案的问题。
发明内容
本发明实施例提供一种图片聚档方法、装置和电子设备，能够有效避免同一个人有多个档案的问题。
第一方面，本发明实施例提供一种图片聚档方法，包括以下：
获取待归档图片以及现有档案中各个现有代表图片的特征值；
获取所述待归档图片的特征值与现有档案中各个现有代表图片的特征值之间相似度最高的第一相似度；
将所述第一相似度与预设相似度阈值进行比较，根据比较结果判断出所述第一相似度所属的预设相似度区域，所述预设相似度阈值包括第一相似度阈值以及小于所述第一相似度阈值的第二相似度阈值，所述预设相似度区域包括第一相似度区域、第二相似度区域以及第三相似度区域中的任意一种；
根据判断结果选择对应的预设聚档策略对所述待归档图片进行聚档，所述预设聚档策略包括分别与所述第一相似度区域、所述第二相似度区域以及所述第三相似度区域一一对应的第一聚档策略、第二聚档策略以及第三聚档策略。
可选的，所述将所述第一相似度与预设相似度阈值进行比较，根据比较结果判断出所述第一相似度所属的预设相似度区域的步骤包括：
将所述第一相似度与所述第一相似度阈值以及第二相似度阈值进行比较，并判断所述第一相似度是否大于等于所述第一相似度阈值；
若所述第一相似度大于等于所述第一相似度阈值，则判断所述第一相似度属于第一相似度区域。
可选的，所述根据判断结果选择对应的预设聚档策略对所述待归档图片进行聚档的步骤包括：
若所述第一相似度属于第一相似度区域，则将所述待归档图片归入所述第一相似度对应的目标档案中。
可选的，所述将所述第一相似度与预设相似度阈值进行比较，根据比较结果判断出所述第一相似度所属的预设相似度区域的步骤还包括：
若所述第一相似度小于所述第一相似度阈值，则判断所述第一相似度是否大于等于所述第二相似度阈值；
若所述第一相似度大于等于所述第二相似度阈值，则判断所述第一相似度属于第二相似度区域。
可选的，所述根据判断结果选择对应的预设聚档策略对所述待归档图片进行聚档的步骤还包括：
若所述第一相似度属于第二相似度区域，则不对所述待归档图片进行聚档，并将所述待归档图片存储在预设存储空间内；
当现有档案和/或现有档案中的现有代表图片有更新时，重新对所述预设存储空间内的待归档图片进行聚档判定；
若所述预设存储空间内的待归档图片的聚档次数超出预设聚档次数仍未聚档成功，则基于所述预设存储空间内的待归档图片建立第一新档案，并将所述预设存储空间内的待归档图片归入所述第一新档案中。
可选的，所述将所述第一相似度与预设相似度阈值进行比较，并判断出所述第一相似度所属的预设相似度区域，得到判断结果的步骤还包括：
若所述第一相似度小于所述第二相似度阈值，则判断所述第一相似度属于所述第三相似度区域。
可选的，所述根据所述判断结果选择对应的预设聚档策略对所述待归档图片进行聚档的步骤还包括：
若所述第一相似度属于第三相似度区域，则基于所述待归档图片建立第二新档案，并将所述待归档图片归入所述第二新档案中。
第二方面，本发明实施例还提供了一种图片聚档装置，包括：
特征值获取模块，用于获取待归档图片以及现有档案中各个现有代表图片的特征值；
第一相似度获取模块，用于获取所述待归档图片的特征值与现有档案中各个现有代表图片的特征值之间相似度最高的第一相似度；
判断模块，用于将所述第一相似度与预设相似度阈值进行比较，根据比较结果判断出所述第一相似度所属的预设相似度区域，所述预设相似度阈值包括第一相似度阈值以及小于所述第一相似度阈值的第二相似度阈值，所述预设相似度区域包括第一相似度区域、第二相似度区域以及第三相似度区域中的任意一种；
聚档模块，用于根据判断结果选择对应的预设聚档策略对所述待归档图片进行聚档，所述预设聚档策略包括分别与所述第一相似度区域、所述第二相似度区域以及所述第三相似度区域一一对应的第一聚档策略、第二聚档策略以及第三聚档策略。
第三方面，本发明实施例还提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法实施例中所述的图片聚档方法中的步骤。
第四方面，本发明实施例还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上述方法实施例中所述的图片聚档方法中的步骤。
本发明实施例中，通过获取待归档图片以及现有档案中各个现有代表图片的特征值；获取所述待归档图片的特征值与现有档案中各个代表现有图片的特征值之间相似度最高的第一相似度；将所述第一相似度与预设相似度阈值进行比较，根据比较结果判断出所述第一相似度所属的预设相似度区域，所述预设相似度阈值包括第一相似度阈值以及小于所述第一相似度阈值的第二相似度阈值，所述预设相似度区域包括第一相似度区域、第二相似度区域以及第三相似度区域中的任意一种；根据判断结果选择对应的预设聚档策略对所述待归档图片进行聚档，所述预设聚档策略包括分别与所述第一相似度区域、所述第二相似度区域以及所述第三相似度区域一一对应的第一聚档策略、第二聚档策略以及第三聚档策略。这样在第一相似度阈值基础上，引入第二相似度阈值，基于第一相似度阈值以及第二相似度阈值可以针对不同预设相似度区域的待归档图片选择不同的预设聚档策略进行聚档，降低为同一个人建立多个档案的概率，进而有效避免同一个人有多个档案的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种图片聚档方法的流程图；
图2是本发明实施例提供的另一种图片聚档方法的流程图
图3是本发明实施例提供的一种预设相似度区域的示意图；
图4是本发明实施例提供的一种图片聚档装置的结构示意图；
图5是本发明实施例提供的另一种图片聚档装置的结构示意图；
图6是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参见图1，图1是本发明实施例提供的一种图片聚档方法的流程图，包括以下步骤：
步骤101、获取待归档图片以及现有档案中各个现有代表图片的特征值。
其中，上述待归档图片可以是通过图片采集设备(监控器、摄像头、照相机等)实施拍摄并上传得到的图片，也可以是预设拍摄好的并且存储在数据库中的图片，还可以是其他部门(可以是执法部门、管理部门等)或个人提供的待归档图片。当需要对某个人员图片进行归档时，该待归档图片包含待归档的人脸图片。上述待归档图片可以是图片、图像、或者照片等，还可以是通过对视频进行解码得到的帧图片等。
上述特征值包含人脸特征值，上述特征值是利用人脸特征算法模型对人脸图片处理生成的具有一定长度的比特串。上述待归档图片的特征值可以是利用人脸特征算法模型对待归档图片中的人脸进行处理生成的具有一定长度的比特串。
上述现有档案为档案系统、图片归档系统或者档案管理系统中已经存在的档案。上述现有档案还可以是任何与档案相关的单位、部门、企业已经存在的档案。该现有档案的数量可以是一个或多个，该现有档案的数量可以根据档案系统中的实际档案数为准。在档案系统中为每个人对应设置一个档案，每个档案包含一张以上该人员的图片等信息。上述现有代表图片为每个档案的代表，用于判断新图片是否应该归入该档案的图片。档案的现有代表图片主要来源于证件照等实名信息，或非实名的质量较好的图片。每个现有档案中可以包括一个或多个现有代表图片。
需要说明的是，在本实施例中，把图片通过一些方法归入相应人员档案的过程称为归档。而聚档包括归档和建档，先归档，若无法归档则建立新档案。
上述现有代表图片的特征值可以是利用人脸特征算法模型对现有代表图片中的人脸进行处理生成的具有一定长度的比特串。
具体的，当接收到待归档图片后，利用特征算法模型提取待归档图片以及现有代表图片的特征值。若是对人脸图片提取特征值，则利用人脸特征算法模型提取该待归档图片以及现有代表图片的特征值。
作为一实施方式，当需要对其他图片进行聚档时，比如，当需要对某个机器设备图片进行聚档时，上述待归档图片还可以是待归档的设备图片。例如，在某工厂有多个机器设备，为了对每个设备的工作情况进行监控，通过不同的监控设备或者照相机等图片采集设备采集到对应的机器设备的图片，并分别为各个机器设备进行建档监控管理，此时，也可以通过该图片归档方法对各个设备图片进行归档。上述待归档图片的特征值即为对应的设备图像的设备特征值(比如，通过机器设别的型号、机种、形状等属性特征得到的特征值)。
步骤102、获取待归档图片的特征值与现有档案中各个现有代表图片的特征值之间相似度最高的第一相似度。
其中，相似度为基于特征值比对计算得到的用于表示图片属于同一个人的概率的数值。相似度一般是处于0-1之间，相似度为0.9的比相似度为0.8的具有更高的相似度。相似度的计算公式一般为欧氏距离(EuclideanDistance)、夹角余弦(Cosine)、或夹角余弦(Cosine)等。在本实施例中，相似度为待归档图片与现有代表图片之间的相似度。
具体的，当提取到待归档图片以及现有代表图片的特征值后，分别计算该待归档图片的特征值与每个现有档案中每个现有代表图片的特征值之间的相似度，并基于计算得到的相似度进行相似度排序，得到相似度排序队列。再从相似度排序队列中选取相似度最高的相似度作为第一相似度。
步骤103、将第一相似度与预设相似度阈值进行比较，根据比较结果判断出第一相似度所属的预设相似度区域。
其中，预设相似度阈值包括第一相似度阈值以及小于第一相似度阈值的第二相似度阈值。预设相似度区域包括第一相似度区域、第二相似度区域以及第三相似度区域中的任意一种。该第一相似度阈值以及第二相似度阈值指的是预设的两个相似度阈值。第一相似度阈值用于判断待归档图片是否能够直接归入现有档案的相似阈值条件，以保证待归档图片与归档档案中的现有代表图片为同一人的图片。第二相似度阈值用于判断对相似度不满足第一相似度阈值的待归档图片新建档案是否存在危险(相似度不满足第一相似度阈值的待归档图片可能已经存在对应的现有档案，若直接建立新档案则可能存在同一人员有多个档案的问题)的阈值条件。第二相似度阈值也可以说是安全距离(对第一相似度小于第二相似度阈值的待归档图片建立新档案不会存在同一个人员有多个档案的风险)的相似度分界线，当第一相似度小于第二相似度阈值时，说明第一相似度有安全距离，可以建立新档案。
第一相似度区域为第一相似度大于等于第一相似度阈值的第一相似度的相似度集合，第一相似度区域对应的待归档图片可以直接归档。第二相似度区域为第一相似度小于第一相似度阈值，且大于等于第二相似度阈值的第一相似度的相似度集合，第二相似度区域对应的待归档图片不可以直接归档，也不可以直接建立新档案，因为与现有档案没有足够的安全距离，若建档可能存在与现有档案中的某个档案存在重复，使得同一个人可能有多个档案的情况。第三相似度区域为第一相似度小于第二相似度阈值的第一相似度的相似度集合，第三相似度区域对应的待归档图片可以直接建立新档案，因为有足够的安全距离，若建新档案时，不会存在同一个人有多个档案的情况。
具体的，参见图2，步骤103包括步骤：
步骤1031、将第一相似度与第一相似度阈值以及第二相似度阈值进行比较，并判断第一相似度是否大于等于第一相似度阈值。
步骤1032、若第一相似度大于等于第一相似度阈值，则判断第一相似度属于第一相似度区域。
步骤1033、若第一相似度小于第一相似度阈值，则判断第一相似度是否大于等于第二相似度阈值。
步骤1034、若第一相似度大于等于第二相似度阈值，则判断第一相似度属于第二相似度区域。
步骤1035、若第一相似度小于第二相似度阈值，则判断第一相似度属于第三相似度区域。
更具体的，为便于解释说明各个相似度区域的划分情况，示例性的，请参见图3，图3是本发明实施例提供的一种预设相似度区域的示意图。如图3所示，以一个现有档案的现有代表图片的特征值为圆心，以第一相似度阈值为第一半径画第一圆(实线圆)，且以第二相似度阈值(安全距离)为第二半径画第二圆(虚线圆)。
在本实施例中，第一相似度区域相当于图3中实线圆以内的区域，该第一相似度区域对应的待归档图片为第一相似度满足第一相似度阈值对应的待归档图片的集合，也即是可以直接归入第一相似度对应的目标档案。
第二相似度区域相当于图3中实线圆以外以及虚线圆以内的区域。该第二相似度区域对应的待归档图片为第一相似度小于第一相似度阈值且又大于第二相似度阈值对应的待归档图片的集合。
第三相似度区域相当于图3中虚线圆以为的区域。该第三相似度区域对应的待归档图片为第一相似度小于第二相似度阈值对应的待归档图片的集合。
对于每个待归档图片而言，圆心相当于待归档图片的特征值与现有档案的现有代表图片的特征值之间相似度最高的的相似度对应的点(当待归档图片的特征值与现有档案中现有代表图片的特征值之间的相似度为1时，该相似度相当于图2中的圆心)。与该圆心靠得越近的点，相似度越高，说明待归档图片与现有档案中现有代表图片越像，也就说待归档图片越有可能归入该档案，例如，待归档图片为人脸图片，说明该人脸图片与该档案中的现有代表图片中的人脸越有可能是同一个人。反之，越外层，越远的点，相似度越低，说明待归档图片与现有档案中现有代表图片越不像，也就说明待归档图片越不可能归入该档案，说明该人脸图片与该档案中的现有代表图片中的人脸越不可能属于同一个人。
但在图3中，越外层，越远的点，相似度越低，也可能说明，该待归档图片可能因为在不同光线条件、不同拍摄角度等因素影响，导致待归档图片与现有档案中现有代表图片之间的相似度没有达到第一相似度阈值。使得待归档图片与现有档案中现有代表图片之间的相似度判定错误，或者判定的相似度比较低。
在具体实施时，第二相似度区域对应的待归档图片相当于因为在不同光线条件、不同拍摄角度等因素影响，导致待归档图片不能归档的待归档图片的集合。即在实际中，第二相似度区域对应的待归档图片有可能与现有档案中的图片可能是属于同一个档案的，若建新档案是会存在重复档案的风险。因此需要将这类建立新档案有风险的待归档图片挑选出来。
为此，可以通过待归档图片对应的第一相似度与第一相似度阈值以及第二相似度阈值进行比较，从而判断出第一相似度所属的相似度区域，进而得到对应待归档图片所属的区域。便于后续将该待归档图片准确归档。
步骤104、根据判断结果选择对应的预设聚档策略对待归档图片进行聚档。
其中，预设聚档策略包括分别与第一相似度区域、第二相似度区域以及第三相似度区域一一对应的第一聚档策略、第二聚档策略以及第三聚档策略。该第一聚档策略、第二聚档策略以及第三聚档策略是指为了针对不同相似度区域的待归档图片而预先设置好的聚档策略。
具体的，当第一相似度属于第一相似度区域时，选择第一聚档策略对该待归档图片进行聚档。当第一相似度属于第二相似度区域时，选择第二聚档策略对该待归档图片进行聚档。当第一相似度属于第三相似度区域时，选择第三聚档策略对该待归档图片进行聚档。
具体的，参见图2，步骤104包括以下步骤：
步骤1041、若第一相似度属于第一相似度区域，则将待归档图片归入第一相似度对应的目标档案中。
当确定第一相似度大于等于第一相似度阈值后，就可以确定该待归档图片可以直接归入该第一相似度对应的档案中。
步骤1042、若第一相似度属于第二相似度区域，则不对待归档图片进行聚档，并将待归档图片存储在预设存储空间内；
步骤1043、当现有档案和/或现有档案中的现有代表图片有更新时，重新对预设存储空间内的待归档图片进行聚档判定。
步骤1044、若预设存储空间内的待归档图片的聚档次数超出预设聚档次数仍未聚档成功，则基于预设存储空间内的待归档图片建立第一新档案，并将预设存储空间内的待归档图片归入第一新档案中。
其中，该预设存储空间是指预先配置用于存储归档失败，又不能建立新档案的待归档图片的存储空间。该存储空间可以设置在存储器、缓存器或暂存器中。上述预设聚档次数为预先设置好的对预设存储空间内的待归档图片重新进行聚档判定的次数。比如，预设聚档次数设置为5、10、15、20次等，也可以根据实际需要进行设置。第一新档案为针对第二相似度区域的待归档图片建立的新档案。
具体实施例时，若直接对第一相似度小于第一相似度阈值的待归档图片建立新档案时。可能存在同一个人员可能有多个档案的情况。因为这类第一相似度小于第一相似度阈值的待归档图片可能受到拍摄条件等因素的影响，使得判断出这类待归档图片与现有档案中现有代表图片之间的相似度不满足第一相似度阈值，而被判定为不能直接入档的待归档图片，其实，这类待归档图片可能与现有档案中现有代表图片属于同一个档案，为避免对不能直接归档的图片建立新档案而导致同一个人员可能有多个档案的情况，所以需要对不能直接归档的待归档图片设置第二相似度阈值，筛选出建立新档案存在风险的待归档图片，并将这些不能直接建立新档案的待归档图片进行保存，进而得到第二相似度区域对应的待归档图片。
当现有档案和/或现有档案中的现有代表图片有更新时，将第二相似度区域对应的待归档图片重新进行聚档判定，也即对预设存储空间内的待归档图片重新进行聚档判定。若待归档图片还是没有聚档成功，并且待归档图片还是被判定为第二相似度区域中的待归档图片，则再次等待现有档案和/或现有档案中的现有代表图片有更新后，再次对该待归档图片执行聚档判定。若对同一张待归档图片聚档判定的次数超过预设聚档次数时，还是不能入档成功，则基于该待归档图片建立新档案。并将该待归档图片归入该新档案中。
基于现有档案和/或现有档案的现有代表图片每次更新后，继续尝试聚档是为了确定，第二相似度区域对应的待归档图片是否跟后续新建的档案满足第一阈值而归档。或者，第二相似度区域对应的待归档图片也可能随着现有代表图片的更新和扩充后满足第一阈值而成功归档，一段时期后或尝试归档一定次数后，依然未能归档的图片，可认为该归档图片是安全的，可以对其建立新档案，并将该待归档图片归入该新档案中。当然，当现有档案或现有档案中的现有代表图片都有更新时，也是要对预设存储空间内的待归档图片重新进行聚档判定。
需要说明的是，现有档案更新可以是，当档案系统在原有的现有档案的基础上增加有新档案时，说明现有档案有更新。比如，档案系统中，现有10个不同的档案，但在聚档的过程中，增加了2个不同于现有的10个档案时，档案系统就有12个不同的档案。
现有档案的现有代表图片更新可以是，当档案系统中的每个现有档案增加了新的代表图片，或者，将现有档案中的现有代表图片替换为另一个代表图片时，则说明现有档案的现有代表图片有更新。例如，现有档案的目前有一张正脸代表图片，但为了提高聚类的准确率，新增加了一张侧脸代表图片。那么现有档案由只有一张正脸代表图片更新为具有一个正脸代表图片和一个侧脸代表图片的两张代表图片。还比如，现有档案的目前有一张正脸代表图片，由于但为了提高聚类的准确率，新增加了一张侧脸代表图片。那么现有档案由只有一张正脸代表图片更新为具有一个正脸代表图片和一个侧脸代表图片的两张代表图片。
当预设存储空间的待归档图片为多张时，分别将预设存储空间中的每张待待归档图片重新进行聚档判断，若还是不能聚档，则建立对应的新档案，并归入新档案中。
步骤1045、若第一相似度属于第三相似度区域，则基于待归档图片建立第二新档案，并将待归档图片归入第二新档案中。
其中，上述第二新档案为针对第三相似度区域对应的待归档图片建立的新档案。
具体的，若第一相似度属于第三相似度区域，则说明第三相似度区域对应的待归档图片目前还没有属于自己的档案，并且与现有档案保持有足够的安全距离，若对第三相似度区域对应的待归档图片建立新档案基本不存在同一个人有多个档案的风险，则可以基于该待归档图片建立新档案，并将该待归档图片归入新建的档案中，以实现第三相似度区域对应的待归档图片的归档，同时有效避免同一个人有多个档案的问题。
本发明实施例中，通过获取待归档图片以及现有档案中各个现有代表图片的特征值；获取待归档图片的特征值与现有档案中各个现有代表图片的特征值之间相似度最高的第一相似度；将第一相似度与预设相似度阈值进行比较，根据比较结果判断出第一相似度所属的预设相似度区域，预设相似度阈值包括第一相似度阈值以及小于第一相似度阈值的第二相似度阈值，预设相似度区域包括第一相似度区域、第二相似度区域以及第三相似度区域中的任意一种；根据判断结果选择对应的预设聚档策略对待归档图片进行聚档，预设聚档策略包括分别与第一相似度区域、第二相似度区域以及第三相似度区域一一对应的第一聚档策略、第二聚档策略以及第三聚档策略。这样在第一相似度阈值基础上，引入第二相似度阈值，基于第一相似度阈值以及第二相似度阈值可以针对不同预设相似度区域的待归档图片选择不同的预设聚档策略进行聚档，降低为同一个人建立多个档案的概率，进而有效避免同一个人有多个档案的问题。
参见图4，图4是本发明实施例提供的一种图片聚档装置的结构示意图，如图4所示，该图片聚档装置200包括：
特征值获取模块201，用于获取待归档图片以及现有档案中各个现有代表图片的特征值。
第一相似度获取模块202，用于获取待归档图片的特征值与现有档案中各个现有代表图片的特征值之间相似度最高的第一相似度。
判断模块203，用于将第一相似度与预设相似度阈值进行比较，根据比较结果判断出第一相似度所属的预设相似度区域，预设相似度阈值包括第一相似度阈值以及小于第一相似度阈值的第二相似度阈值，预设相似度区域包括第一相似度区域、第二相似度区域以及第三相似度区域中的任意一种。
具体的，参见图5，该判断模块203包括：
第一阈值判断单元2031，用于将第一相似度与第一相似度阈值以及第二相似度阈值进行比较，并判断第一相似度是否大于等于第一相似度阈值。
第一区域判定单元2032，用于若第一相似度大于等于第一相似度阈值，则判断第一相似度属于第一相似度区域。
第二阈值判断单元2033，用于若第一相似度小于第一相似度阈值，则判断第一相似度是否大于等于第二相似度阈值。
第二区域判定单元2034，用于若第一相似度大于等于第二相似度阈值，则判断第一相似度属于第二相似度区域。
第三区域判定单元2035，用于若第一相似度小于第二相似度阈值，则判断第一相似度属于第三相似度区域。
聚档模块204，用于根据判断结果选择对应的预设聚档策略对待归档图片进行聚档，预设聚档策略包括分别与第一相似度区域、第二相似度区域以及第三相似度区域一一对应的第一聚档策略、第二聚档策略以及第三聚档策略。
具体的，参见图5，该聚档模块204包括：
归档单元2041，用于若第一相似度属于第一相似度区域，则将待归档图片归入第一相似度对应的目标档案中。
保存单元2042，用于若第一相似度属于第二相似度区域，则不对待归档图片进行聚档，并将待归档图片存储在预设存储空间内。或者，
重复判定单元2043，用于当现有档案和/或现有档案中的现有代表图片有更新时，重新对预设存储空间内的待归档图片进行聚档判定；
第一建档单元2044，用于若预设存储空间内的待归档图片的聚档次数超出预设聚档次数仍未聚档成功，则基于预设存储空间内的待归档图片建立第一新档案，并将预设存储空间内的待归档图片归入第一新档案中。
第二建档单元2045，用于若第一相似度属于第三相似度区域，则基于待归档图片建立第二新档案，并将待归档图片归入第二新档案中。
本发明实施例提供的图片聚档装置200能够实现上述实施例提供的图片聚档方法中的各个实施方式，以及达到相应的有益效果，为避免重复，这里不再赘述。
参见图6，图6是本发明实施例提供的一种电子设备的结构示意图，如图6所示，该电子设备300包括：存储器302、处理器301及存储在存储器302上并可在处理器301上运行的计算机程序，其中：
处理器301用于调用存储器302存储的计算机程序，执行如下步骤：
获取待归档图片以及现有档案中各个现有代表图片的特征值；
获取待归档图片的特征值与现有档案中各个现有代表图片的特征值之间相似度最高的第一相似度；
将第一相似度与预设相似度阈值进行比较，根据比较结果判断出第一相似度所属的预设相似度区域，预设相似度阈值包括第一相似度阈值以及小于第一相似度阈值的第二相似度阈值，预设相似度区域包括第一相似度区域、第二相似度区域以及第三相似度区域中的任意一种；
根据判断结果选择对应的预设聚档策略对待归档图片进行聚档，预设聚档策略包括分别与第一相似度区域、第二相似度区域以及第三相似度区域一一对应的第一聚档策略、第二聚档策略以及第三聚档策略。
可选的，处理器301执行的将第一相似度与预设相似度阈值进行比较，根据比较结果判断出第一相似度所属的预设相似度区域的步骤包括：
将第一相似度与第一相似度阈值以及第二相似度阈值进行比较，并判断第一相似度是否大于等于第一相似度阈值；
若第一相似度大于等于第一相似度阈值，则判断第一相似度属于第一相似度区域。
可选的，处理器301执行的根据判断结果选择对应的预设聚档策略对待归档图片进行聚档的步骤包括：
若第一相似度属于第一相似度区域，则将待归档图片归入第一相似度对应的目标档案中。
可选的，处理器301执行的将第一相似度与预设相似度阈值进行比较，根据比较结果判断出第一相似度所属的预设相似度区域的步骤还包括：
若第一相似度小于第一相似度阈值，则判断第一相似度是否大于等于第二相似度阈值；
若第一相似度大于等于第二相似度阈值，则判断第一相似度属于第二相似度区域。
可选的，处理器301执行的根据判断结果选择对应的预设聚档策略对待归档图片进行聚档的步骤还包括：
若第一相似度属于第二相似度区域，则不对待归档图片进行聚档，并将待归档图片存储在预设存储空间内；
当现有档案和/或现有档案中的现有代表图片有更新时，重新对预设存储空间内的待归档图片进行聚档判定；
若预设存储空间内的待归档图片的聚档次数超出预设聚档次数仍未聚档成功，则基于预设存储空间内的待归档图片建立第一新档案，并将预设存储空间内的待归档图片归入第一新档案中。
可选的，处理器301执行的将第一相似度与预设相似度阈值进行比较，并判断出第一相似度所属的预设相似度区域，得到判断结果的步骤还包括：
若第一相似度小于第二相似度阈值，则判断第一相似度属于第三相似度区域。
可选的，处理器301执行的根据判断结果选择对应的预设聚档策略对待归档图片进行聚档的步骤还包括：
若第一相似度属于第三相似度区域，则基于待归档图片建立第二新档案，并将待归档图片归入第二新档案中。
需要说明的是，上述电子设备300可以是档案系统中的智能终端、手机、平板电脑等设备。
本发明实施例提供的电子设备300能够实现上述实施例提供的图片聚档方法中的各个实施方式，以及达到相应的有益效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例提供的图片聚档方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(Random AccessMemory，简称RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种图片聚档方法，其特征在于，包括以下步骤：
获取待归档图片以及现有档案中各个现有代表图片的特征值；
获取所述待归档图片的特征值与现有档案中各个现有代表图片的特征值之间相似度最高的第一相似度；
将所述第一相似度与预设相似度阈值进行比较，根据比较结果判断出所述第一相似度所属的预设相似度区域，所述预设相似度阈值包括第一相似度阈值以及小于所述第一相似度阈值的第二相似度阈值，所述预设相似度区域包括第一相似度区域、第二相似度区域以及第三相似度区域中的任意一种；
根据判断结果选择对应的预设聚档策略对所述待归档图片进行聚档，所述预设聚档策略包括分别与所述第一相似度区域、所述第二相似度区域以及所述第三相似度区域一一对应的第一聚档策略、第二聚档策略以及第三聚档策略。
2.如权利要求1所述的图片聚档方法，其特征在于，所述将所述第一相似度与预设相似度阈值进行比较，根据比较结果判断出所述第一相似度所属的预设相似度区域的步骤包括：
将所述第一相似度与所述第一相似度阈值以及第二相似度阈值进行比较，并判断所述第一相似度是否大于等于所述第一相似度阈值；
若所述第一相似度大于等于所述第一相似度阈值，则判断所述第一相似度属于第一相似度区域。
3.如权利要求2所述的图片聚档方法，其特征在于，所述根据判断结果选择对应的预设聚档策略对所述待归档图片进行聚档的步骤包括：
若所述第一相似度属于第一相似度区域，则将所述待归档图片归入所述第一相似度对应的目标档案中。
4.如权利要求2所述的图片聚档方法，其特征在于，所述将所述第一相似度与预设相似度阈值进行比较，根据比较结果判断出所述第一相似度所属的预设相似度区域的步骤还包括：
若所述第一相似度小于所述第一相似度阈值，则判断所述第一相似度是否大于等于所述第二相似度阈值；
若所述第一相似度大于等于所述第二相似度阈值，则判断所述第一相似度属于第二相似度区域。
5.如权利要求4所述的图片聚档方法，其特征在于，所述根据判断结果选择对应的预设聚档策略对所述待归档图片进行聚档的步骤还包括：
若所述第一相似度属于第二相似度区域，则不对所述待归档图片进行聚档，并将所述待归档图片存储在预设存储空间内；
当现有档案和/或现有档案中的现有代表图片有更新时，重新对所述预设存储空间内的待归档图片进行聚档判定；
若所述预设存储空间内的待归档图片的聚档次数超出预设聚档次数仍未聚档成功，则基于所述预设存储空间内的待归档图片建立第一新档案，并将所述预设存储空间内的待归档图片归入所述第一新档案中。
6.如权利要求4所述的图片聚档方法，其特征在于，所述将所述第一相似度与预设相似度阈值进行比较，并判断出所述第一相似度所属的预设相似度区域，得到判断结果的步骤还包括：
若所述第一相似度小于所述第二相似度阈值，则判断所述第一相似度属于所述第三相似度区域。
7.如权利要求6所述的图片聚档方法，其特征在于，所述根据所述判断结果选择对应的预设聚档策略对所述待归档图片进行聚档的步骤还包括：
若所述第一相似度属于第三相似度区域，则基于所述待归档图片建立第二新档案，并将所述待归档图片归入所述第二新档案中。
8.一种图片聚档装置，其特征在于，包括：
特征值获取模块，用于获取待归档图片以及现有档案中各个现有代表图片的特征值；
第一相似度获取模块，用于获取所述待归档图片的特征值与现有档案中各个现有代表图片的特征值之间相似度最高的第一相似度；
判断模块，用于将所述第一相似度与预设相似度阈值进行比较，根据比较结果判断出所述第一相似度所属的预设相似度区域，所述预设相似度阈值包括第一相似度阈值以及小于所述第一相似度阈值的第二相似度阈值，所述预设相似度区域包括第一相似度区域、第二相似度区域以及第三相似度区域中的任意一种；
聚档模块，用于根据判断结果选择对应的预设聚档策略对所述待归档图片进行聚档，所述预设聚档策略包括分别与所述第一相似度区域、所述第二相似度区域以及所述第三相似度区域一一对应的第一聚档策略、第二聚档策略以及第三聚档策略。
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的图片聚档方法中的步骤。
10.一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如权利要求1至7中任一项所述的图片聚档方法中的步骤。
CN201911388340.5A 2019-12-30 2019-12-30 一种图片聚档方法、装置和电子设备 Pending CN111144332A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911388340.5A CN111144332A (zh) 2019-12-30 2019-12-30 一种图片聚档方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911388340.5A CN111144332A (zh) 2019-12-30 2019-12-30 一种图片聚档方法、装置和电子设备

Publications (1)

Publication Number Publication Date
CN111144332A true CN111144332A (zh) 2020-05-12

Family

ID=70521487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911388340.5A Pending CN111144332A (zh) 2019-12-30 2019-12-30 一种图片聚档方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN111144332A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112668635A (zh) * 2020-12-25 2021-04-16 浙江大华技术股份有限公司 图像归档方法、装置、设备及计算机存储介质
CN112966136A (zh) * 2021-05-18 2021-06-15 武汉中科通达高新技术股份有限公司 一种人脸分类方法及装置
CN113111934A (zh) * 2021-04-07 2021-07-13 杭州海康威视数字技术股份有限公司 一种图像分组方法、装置、电子设备及存储介质
CN114022934A (zh) * 2021-11-04 2022-02-08 南威软件股份有限公司 一种基于多数原则的实时人像聚档方法、系统和介质
WO2022088909A1 (zh) * 2020-10-26 2022-05-05 华为技术有限公司 图像档案的处理方法、装置、设备及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542299A (zh) * 2011-12-07 2012-07-04 惠州Tcl移动通信有限公司 人脸识别方法、装置及能识别人脸的移动终端
CN110232134A (zh) * 2019-06-13 2019-09-13 上海商汤智能科技有限公司 数据更新方法、服务器及计算机存储介质
WO2019192121A1 (zh) * 2018-04-04 2019-10-10 平安科技（深圳）有限公司 双通道神经网络模型训练及人脸比对方法、终端及介质
CN110378314A (zh) * 2019-05-31 2019-10-25 北京金山云网络技术有限公司 一种人脸区域图像归档方法、装置、电子设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542299A (zh) * 2011-12-07 2012-07-04 惠州Tcl移动通信有限公司 人脸识别方法、装置及能识别人脸的移动终端
WO2019192121A1 (zh) * 2018-04-04 2019-10-10 平安科技（深圳）有限公司 双通道神经网络模型训练及人脸比对方法、终端及介质
CN110378314A (zh) * 2019-05-31 2019-10-25 北京金山云网络技术有限公司 一种人脸区域图像归档方法、装置、电子设备及存储介质
CN110232134A (zh) * 2019-06-13 2019-09-13 上海商汤智能科技有限公司 数据更新方法、服务器及计算机存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022088909A1 (zh) * 2020-10-26 2022-05-05 华为技术有限公司 图像档案的处理方法、装置、设备及计算机可读存储介质
CN112668635A (zh) * 2020-12-25 2021-04-16 浙江大华技术股份有限公司 图像归档方法、装置、设备及计算机存储介质
CN113111934A (zh) * 2021-04-07 2021-07-13 杭州海康威视数字技术股份有限公司 一种图像分组方法、装置、电子设备及存储介质
CN113111934B (zh) * 2021-04-07 2023-08-08 杭州海康威视数字技术股份有限公司 一种图像分组方法、装置、电子设备及存储介质
CN112966136A (zh) * 2021-05-18 2021-06-15 武汉中科通达高新技术股份有限公司 一种人脸分类方法及装置
CN114022934A (zh) * 2021-11-04 2022-02-08 南威软件股份有限公司 一种基于多数原则的实时人像聚档方法、系统和介质

Similar Documents

Publication Publication Date Title
CN111144332A (zh) 一种图片聚档方法、装置和电子设备
CN110795595B (zh) 基于边缘计算的视频结构化存储方法、装置、设备及介质
US8358837B2 (en) Apparatus and methods for detecting adult videos
KR101891225B1 (ko) 배경 모델을 업데이트하기 위한 방법 및 장치
CN110750670B (zh) 陌生人监控方法、装置、系统和存储介质
CN111368867B (zh) 档案归类方法及系统、计算机可读存储介质
CN111949827A (zh) 视频抄袭检测方法、装置、设备和介质
CN111914781B (zh) 一种人脸图像处理的方法及装置
CN112232235B (zh) 基于5g和算法的智慧工厂远程监控方法及系统
EP3890312B1 (en) Distributed image analysis method and system, and storage medium
CN112883213B (zh) 一种图片归档方法、装置及电子设备
CN113987243A (zh) 一种图像聚档方法、图像聚档装置和计算机可读存储介质
CN110968719A (zh) 一种人脸聚类方法及装置
Steinebach et al. Efficient cropping-resistant robust image hashing
CN116738016B (zh) 用于档案长久保存的档案数字化存储管理系统及方法
CN112581027A (zh) 一种风险信息管理方法、装置、电子设备及存储介质
CN112199555A (zh) 人员聚档方法、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
CN111507424A (zh) 一种数据处理方法及装置
CN108108625B (zh) 基于格式异构的溢出漏洞检测方法、系统及存储介质
CN114972781A (zh) 聚档优化方法、电子设备及计算机可读存储介质
CN112613396B (zh) 一种任务紧急程度处理方法及系统
CN110543497B (zh) 一种高实时性布控解决方法及系统
CN111680175A (zh) 人脸数据库建库方法、计算机设备和计算机可读存储介质
CN114118271A (zh) 图像确定方法、装置、存储介质及电子装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 518000 1st floor, building 17, Shenzhen Dayun software Town, 8288 Longgang Avenue, Yuanshan street, Longgang District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen Yuntian lifeI Technology Co.,Ltd.

Address before: 518000 1st floor, building 17, Shenzhen Dayun software Town, 8288 Longgang Avenue, Yuanshan street, Longgang District, Shenzhen City, Guangdong Province

Applicant before: SHENZHEN INTELLIFUSION TECHNOLOGIES Co.,Ltd.

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20200512

RJ01 Rejection of invention patent application after publication