CN111163259A - 一种图像抓拍方法、监控相机及监控系统 - Google Patents
一种图像抓拍方法、监控相机及监控系统 Download PDFInfo
- Publication number
- CN111163259A CN111163259A CN201811321515.6A CN201811321515A CN111163259A CN 111163259 A CN111163259 A CN 111163259A CN 201811321515 A CN201811321515 A CN 201811321515A CN 111163259 A CN111163259 A CN 111163259A
- Authority
- CN
- China
- Prior art keywords
- image
- face target
- snapshot
- video frame
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 20
- 230000006835 compression Effects 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- 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
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Studio Devices (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种图像抓拍方法、监控相机及监控系统,图像抓拍方法包括:采集当前视频帧;对当前视频帧进行人脸目标检测,确定当前视频帧中各人脸目标的人脸目标图像;针对指定人脸目标,在当前视频帧满足预设抓拍间隔时,确定预设抓拍间隔内图像质量最优的人脸目标图像为指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。通过本方案,可以保证比对系统的比对结果具有较高的准确性。
Description
技术领域
本申请涉及视频监控技术领域,特别是涉及一种图像抓拍方法、监控相机及监控系统。
背景技术
为了减少社会犯罪率,城市各个角落安装了大量的监控相机。监控相机对场景中出现的人脸目标进行抓拍,并将抓拍图像上传给比对系统,由比对系统对抓拍图像进行特征提取,并将提取的人脸特征和黑名单中的人脸特征进行比对,若比对的相似度大于一定阈值,则进行报警。
每当监控相机检测到人脸目标,就会对人脸目标进行抓拍,但是,人脸目标在视频中一般是连续出现的,监控相机就会将抓拍到的连续多个视频帧中的抓拍图像都上传至比对系统,给抓拍图像的传输、存储,以及比对系统的数据处理都带来了巨大的压力。
为了应对上述问题,相应的图像抓拍方法中,监控相机在检测到人脸目标后,每间隔一定数量的视频帧对人脸目标进行一次抓拍,则比对系统可以按照固定的频率接收到抓拍图像,大大减少了监控相机向比对系统上传的抓拍图像的数量。然而,监控相机上传的各抓拍图像中,人脸目标可能会因为模糊、被遮挡等原因,可识别性较差,如果比对系统接收到的每一个抓拍图像中人脸目标的可识别性都较差,则会影响比对的相似度,造成虚警或漏报问题,导致比对结果的准确性较低。
发明内容
本申请实施例的目的在于提供一种图像抓拍方法、监控相机及监控系统,以保证比对系统的比对结果具有较高的准确性。具体技术方案如下:
第一方面,本申请实施例提供了一种图像抓拍方法,所述方法包括:
采集当前视频帧;
对所述当前视频帧进行人脸目标检测,确定所述当前视频帧中各人脸目标的人脸目标图像;
针对指定人脸目标,在所述当前视频帧满足预设抓拍间隔时,确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
可选的,在所述针对指定人脸目标,在所述当前视频帧满足预设抓拍间隔时,确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像之前,所述方法还包括:
利用预设目标跟踪算法,对所述当前视频帧与上一视频帧进行目标框关联,生成不同人脸目标对应的目标轨迹;
根据各人脸目标对应的目标轨迹,确定所述当前视频帧与所述上一视频帧中的同一人脸目标。
可选的,所述图像质量的确定方式,包括:
获取所述人脸目标图像的人脸目标质量参数;
根据所述人脸目标质量参数,确定所述人脸目标图像的图像质量。
可选的,若所述预设抓拍间隔为1,则所述确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统,包括:
确定所述指定人脸目标在所述当前视频帧中的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
可选的,所述确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统,包括:
缓存所述预设抓拍间隔内,针对所述指定人脸目标的图像质量最优的人脸目标图像及最优的图像质量;
判断当前缓存的人脸目标图像的图像质量是否优于之前缓存的各人脸目标图像的图像质量;
若优于,则确定所述当前缓存的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
可选的,在确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像之后,所述方法还包括:
缓存所述抓拍图像至缓存区;
所述上传抓拍到图像至比对系统,包括:
在确定所述指定人脸目标的抓拍结束后,对所述缓存区内的各抓拍图像进行视频压缩,得到压缩后的视频;
将所述压缩后的视频上传至比对系统。
第二方面,本申请实施例提供了一种监控相机,包括监控摄像头、处理器和存储器,其中,
所述监控摄像头,用于采集当前视频帧;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的计算机程序时,实现如下步骤:
对所述当前视频帧进行人脸目标检测,确定所述当前视频帧中各人脸目标的人脸目标图像;
针对指定人脸目标,在所述当前视频帧满足预设抓拍间隔时,确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
可选的,在所述处理器执行所述存储器上所存放的计算机程序时,还实现如下步骤:
利用预设目标跟踪算法,对所述当前视频帧与上一视频帧进行目标框关联,生成不同人脸目标对应的目标轨迹;
根据各人脸目标对应的目标轨迹,确定所述当前视频帧与所述上一视频帧中的同一人脸目标。
可选的,所述处理器在实现确定所述图像质量的步骤时,具体实现如下步骤:
获取所述人脸目标图像的人脸目标质量参数;
根据所述人脸目标质量参数,确定所述人脸目标图像的图像质量。
可选的,若所述预设抓拍间隔为1,则所述处理器在实现所述确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统的步骤时,具体实现如下步骤:
确定所述指定人脸目标在所述当前视频帧中的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
可选的,所述处理器在实现所述确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统的步骤时,具体实现如下步骤:
缓存所述预设抓拍间隔内,针对所述指定人脸目标的图像质量最优的人脸目标图像及最优的图像质量;
判断当前缓存的人脸目标图像的图像质量是否优于之前缓存的各人脸目标图像的图像质量;
若优于,则确定所述当前缓存的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
可选的,在所述处理器执行所述存储器上所存放的计算机程序时,还实现如下步骤:
缓存所述抓拍图像至缓存区;
所述处理器在实现所述上传抓拍图像至比对系统的步骤时,具体实现如下步骤:
在确定所述指定人脸目标的抓拍结束后,对所述缓存区内的各抓拍图像进行视频压缩,得到压缩后的视频;
将所述压缩后的视频上传至比对系统。
第三方面,本申请实施例提供了一种机器可读存储介质,所述机器可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例第一方面所述的图像抓拍方法的所有步骤。
第四方面,本申请实施例提供了一种监控系统,包括监控相机及比对系统;
所述监控相机,用于采集当前视频帧;对所述当前视频帧进行人脸目标检测,确定所述当前视频帧中各人脸目标的人脸目标图像;针对指定人脸目标,在所述当前视频帧满足预设抓拍间隔时,确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至所述比对系统;
所述比对系统,用于对所述抓拍图像进行比对报警。
本申请实施例提供的一种图像抓拍方法、监控相机及监控系统,监控相机通过采集当前视频帧,对当前视频帧进行人脸目标检测,确定当前视频帧中各人脸目标的人脸目标图像,针对指定人脸目标,在当前视频帧满足预设抓拍间隔时,确定预设抓拍间隔内图像质量最优的人脸目标图像为该指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。在采集到当前视频时,对当前视频帧进行人脸目标检测,并且在当前视频帧满足预设抓拍间隔时,针对指定人脸目标,确定预设抓拍间隔内图像质量最优的人脸目标图像为指定人脸目标的抓拍图像,相当于对检测指定人脸目标的视频帧序列进行了分组,可以实现在不同的抓拍间隔内分别对指定人脸目标进行抓拍,抓拍图像的图像质量在抓拍间隔内最优,保证监控相机向比对系统上传的是多张图像质量较高的抓拍图像,并且这些抓拍图像由于在不同的时间间隔内,并不是集中在某一个时间段,具有较高的丰富性,保证了人脸目标的可识别性,进而保证了比对系统的比对结果具有较高的准确性。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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为本申请实施例的图像抓拍方法的流程示意图;
图2为本申请一实施例的抓拍效果示意图;
图3为本申请另一实施例的抓拍效果示意图;
图4为本申请又一实施例的抓拍效果示意图;
图5为本申请再一实施例的抓拍效果示意图;
图6为本申请实施例的人脸目标图像的抓拍、压缩流程示意图;
图7为本申请实施例的监控相机的结构示意图;
图8为本申请实施例的监控系统的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在实际应用中,主要由监控系统来实现人脸目标的抓拍、比对和报警,该监控系统包括监控相机和比对系统。比对系统可以是后台服务器,主要用来实现特征提取、人脸比对和报警功能。
为了保证比对系统的比对结果具有较高的准确性,本申请实施例提供了一种图像抓拍方法、监控相机、机器可读存储介质及监控系统。
下面,首先对本申请实施例所提供的图像抓拍方法进行介绍。
本申请实施例所提供的图像抓拍方法的执行主体可以为上述监控系统中的监控相机(例如,智能照相机、网络摄像机等),监控相机中至少可以包括监控摄像头和搭载有核心处理芯片的处理器。实现本申请实施例所提供的图像抓拍方法的方式可以为设置于监控相机中的软件、硬件电路和逻辑电路中的至少一种方式。
如图1所示,本申请实施例所提供的一种图像抓拍方法,可以包括如下步骤:
S101,采集当前视频帧。
监控相机可以架设在城市的各个角落,例如,小区入口、十字路口、公园、体育场等等,这里对监控相机的具体架设位置、架设角度和监控相机的分辨率不做具体要求,能够满足覆盖范围尽可能大、清晰拍摄到人脸目标的要求即可。监控相机可以实时地对监控场景进行拍摄,得到监控场景的视频数据。
监控相机可以实时地对监控场景进行拍摄,得到监控场景的视频数据,视频数据中包括一帧一帧的视频帧以及采集到每一个视频帧的时间戳等。为了保证人脸目标图像的实时性,需要对采集到的当前视频帧进行处理。
S102,对当前视频帧进行人脸目标检测,确定当前视频帧中各人脸目标的人脸目标图像。
可以利用预设的目标检测算法对当前视频帧进行人脸目标检测,预设目标检测算法可以为传统的特征匹配算法,通过例如眼睛、鼻子、嘴巴、耳朵等人脸特征,来判断当前视频帧中的目标是否为人脸目标,若是人脸目标,则划分该人脸目标周围的一定区域为人脸目标框,该人脸目标框中的图像或者该人脸目标框的一定范围内的图像即为人脸目标图像;预设目标检测算法还可以为目前较为流行的智能检测算法,例如深度神经网络,深度神经网络的网络模型可以通过对大量的人脸图像进行训练得到,通过将当前视频帧输入深度神经网络,可以得到当前视频帧中人脸目标的感兴趣区域,该人脸目标的感兴趣区域中的图像或者该人脸目标的感兴趣区域的一定范围内的图像即为人脸目标图像。当然,其他能够检测出视频帧中人脸目标的方法也属于本申请实施例的保护范围,这里不再一一赘述。
S103,针对指定人脸目标,在当前视频帧满足预设抓拍间隔时,确定预设抓拍间隔内图像质量最优的人脸目标图像为指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
指定人脸目标可以是之前检测到的任一个人脸目标,针对某一个指定人脸目标,可以记检测到该指定人脸目标的第一个视频帧为起始帧,之后每采集到一帧,就进行一次帧数的叠加,如果当前视频帧的帧数满足预设抓拍间隔,则说明达到了分组确定抓拍图像的条件,需要将这一预设抓拍间隔内图像质量最优的人脸目标图像确定为指定人脸目标的抓拍图像。例如,针对人脸目标A,在第5帧第一次检测到该人脸目标A,则记第5帧为人脸目标A的起始帧,当前视频帧为第20帧,也就是检测到人脸目标A之后的第15帧,如果预设抓拍间隔为15帧,则可以确定这15帧内图像质量最优的人脸目标图像为人脸目标A的抓拍图像。
在当前视频帧满足预设抓拍间隔时,相当于将检测指定人脸目标的视频帧序列进行了分组,一个抓拍间隔中的视频帧划分为一组,预设抓拍间隔即为视频帧的帧数,例如设置抓拍间隔为10帧,则如图2所示,阴影部分表示该视频帧中的人脸目标图像的图像质量最优,则确定出的抓拍图像包括:第1-10帧中指定人脸目标对应的图像质量最高的人脸目标图像(第6帧中该人脸目标对应的人脸目标图像)、第11-20帧中该人脸目标对应的图像质量最高的人脸目标图像(第19帧中该人脸目标对应的人脸目标图像)、第21-30帧中该人脸目标对应的图像质量最高的人脸目标图像(第23帧中该人脸目标对应的人脸目标图像)、第31-40帧中该人脸目标对应的图像质量最高的人脸目标图像(第40帧中该人脸目标对应的人脸目标图像),以及第41-50帧中该人脸目标对应的图像质量最高的人脸目标图像(第47帧中该人脸目标对应的人脸目标图像)。预设抓拍间隔可以是固定的,也可以是变化的,例如前三个周期,预设抓拍间隔可以设置为15帧,后一个周期,预设抓拍间隔可以设置为25帧等等。
针对采集到的当前视频帧,需要对该视频中各人脸目标的人脸目标图像分别进行图像质量的分析,才可以确定出图像质量最优的人脸目标图像,可选的,确定图像质量的方式,具体可以为:
获取人脸目标图像的人脸目标质量参数;根据人脸目标质量参数,确定人脸目标图像的图像质量。
影响人脸目标图像的图像质量的因素有很多,例如人脸目标图像中人脸目标被遮挡的程度、人脸目标图像中人脸目标的成像清晰度、人脸目标图像中人脸目标的姿态等等。人脸目标在人脸目标图像中被遮挡的越少则图像质量越高、人脸目标在人脸目标图像中的成像越清晰则图像质量越高、人脸目标在人脸目标图像中正面越多则图像质量越高等等。当然,影响人脸目标图像的图像质量的因素还有许多种,例如对比度、亮度等等,这里不再一一列举。
可以综合考虑上述因素,通过加权的方式给人脸目标图像分配一定的图像质量评分值;也可以只考虑其中某一个或某些因素设置的分析算法,给人脸目标图像分配一定的图像质量评分值。预设质量分析算法还可以给人脸目标图像分配例如优、良、中、差的评价结果。
人脸目标质量参数是指影响人脸目标图像的图像质量的参数,主要包括人脸目标的姿态、被遮挡程度和成像清晰度等,在对人脸目标图像进行图像质量分析时,可以获取人脸目标的姿态信息、被遮挡程度和清晰度等人脸目标质量参数,基于不同人脸目标质量参数对图像质量的影响的综合考虑,得到人脸目标图像的图像质量。例如,在当前视频帧中,人脸目标框中的人脸目标图像中人脸目标A完全正面、面部被遮挡了1/10、清晰度很高,则可以确定该人脸目标图像的图像质量为优,或者,对图像质量进行量化,分配图像质量评分值9。
确定图像质量最优的人脸目标图像的方式,可以是将确定的人脸目标图像和图像质量进行缓存,在采集到当前视频帧后,比较当前视频帧中的人脸目标图像与已缓存的人脸目标图像的图像质量,如果当前视频帧中的人脸目标图像的图像质量更优,则缓存当前视频帧中的人脸目标图像,覆盖掉原来缓存的人脸目标图像,这样,在当前视频帧满足预设抓拍间隔时,可以直接确定出图像质量最优的人脸目标图像作为抓拍图像;当然,确定图像质量最优的人脸目标图像的方式,还可以是每检测到一个人脸目标图像就将该人脸目标图像和图像质量进行缓存,直至当前视频帧满足预设抓拍间隔时停止,再整体作比较,从中找出图像质量最优的人脸目标图像作为抓拍图像。这里不做具体限定。
在确定出抓拍图像后,可以立即将该抓拍图像上传至比对系统,保证比对系统的实时性;也可以将抓拍图像进行缓存,在人脸目标消失之后,再从缓存区中选择部分或者全部抓拍图像上传至比对系统,保证比对系统的准确性。
为了减少监控相机与比对系统之间的传输压力,抓拍相机可以从每个预设抓拍间隔内确定出的抓拍图像中选择预设数量个抓拍图像进行上传,而不是将确定出的所有抓拍图像都上传,预设数量可以为1个或者多个。在实际应用中,如果仅抓拍了一张图像,而该抓拍图像的图像质量又不是特别高,可能无法支持比对系统的比对结果的高准确性,或者即便该抓拍图像的图像质量较高,也会因为人脸目标的丰富性太差,而影响比对结果,因此,通常设置预设数量为多个,对于多个抓拍图像的选择,可以是图像质量最高的多个抓拍图像、也可以是最先确定出的多个抓拍图像,这里不做具体的限定。
可选的,在S103之前,本申请实施例所提供的图像抓拍方法还可以执行如下步骤:
利用预设目标跟踪算法,对当前视频帧与上一视频帧进行目标框关联,生成不同人脸目标对应的目标轨迹;
根据各人脸目标对应的目标轨迹,确定当前视频与上一视频帧中的同一人脸目标。
对于不同的视频帧中同一个人脸目标的跟踪,可以是利用预设目标跟踪算法实现的,预设目标跟踪算法可以为目前较为流行的智能算法,通过对各视频帧中的人脸目标进行目标框关联,生成不同人脸目标对应的目标轨迹,同一条目标轨迹对应的就是同一个人脸目标,这样,根据目标轨迹就可以确定出当前视频帧与上一视频帧中的同一人脸目标。
当然,对于不同的视频帧中同一个人脸目标的跟踪,还可以是在对当前视频帧和上一视频帧进行人脸目标检测后,通过目标框匹配的方式来实现,两个视频帧中人脸目标框能够匹配上,则说明这两个人脸目标框对应的是同一个人脸目标。
可选的,若预设抓拍间隔为1,则S103具体可以为:
确定指定人脸目标在当前视频帧中的人脸目标图像为指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
如果预设抓拍间隔为1帧,则说明监控相机的抓拍实际为全帧抓拍,也就是说,针对指定人脸目标,只要当前视频帧检测到指定人脸目标的人脸目标图像,就确定该人脸目标图像为抓拍图像,抓拍的效果图如图3所示。
可选的,S103具体可以为:
缓存预设抓拍间隔内,针对指定人脸目标的图像质量最优的人脸目标图像及最优的图像质量;
判断当前缓存的人脸目标图像的图像质量是否优于之前缓存的各人脸目标图像的图像质量;
若优于,则确定当前缓存的人脸目标图像为指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
如果预设抓拍间隔大于1帧,则每个预设抓拍间隔都需要进行一次抓拍,这里可以采取质量递增的方式进行抓拍,以保证上传给比对系统的抓拍图像是所有抓拍图像中图像质量最好的若干个。针对指定人脸目标,每确定出图像质量最优的人脸目标图像,则进行缓存,并缓存最优的图像质量,如果当前缓存的人脸目标图像的图像质量优于之前缓存的各人脸目标图像的图像质量,才确定当前缓存的人脸目标图像为抓拍图像,否则就不抓拍。
如图4所示,第11-10帧中指定人脸目标对应的图像质量最高的人脸目标图像为第6帧中指定人脸目标对应的人脸目标图像,则确定第6帧中的人脸目标图像为抓拍图像;第11-20帧中指定人脸目标对应的图像质量最高的人脸目标图像为第19帧中指定人脸目标对应的人脸目标图像,但是,第19帧中指定人脸目标对应的人脸目标图像的图像质量比第6帧中指定人脸目标对应的人脸目标图像差,因此不抓拍;第21-30帧中指定人脸目标对应的图像质量最高的人脸目标图像为第23帧中指定人脸目标对应的人脸目标图像,且第23帧中指定人脸目标对应的人脸目标图像的图像质量比第6帧和第19帧中指定人脸目标对应的人脸目标图像更优,因此,确定第23帧中的人脸目标图像为抓拍图像;第31-40帧中指定人脸目标对应的图像质量最高的人脸目标图像为第40帧中指定人脸目标对应的人脸目标图像,且第40帧中指定人脸目标对应的人脸目标图像的图像质量比第6帧、第19帧和第23帧中指定人脸目标对应的人脸目标图像更优,因此,确定第40帧中的人脸目标图像为抓拍图像;第41-50帧中指定人脸目标对应的图像质量最高的人脸目标图像为第48帧中指定人脸目标对应的人脸目标图像,且第48帧中指定人脸目标对应的人脸目标图像的图像质量比第6帧、第19帧、第23帧和第40帧中指定人脸目标对应的人脸目标图像差,因此不抓拍。
根据实际需求,还存在监控相机只需要将图像质量最优的一张人脸目标图像作为抓拍图像上传给比对系统,则可以比较所有的人脸目标图像的图像质量,从中选择出图像质量最优的作为抓拍图像上传,或者采用覆盖缓存的方式,始终缓存的是图像质量更优的一张人脸目标图像,直至人脸目标消失时,缓存的即为图像质量最优的人脸目标图像,将该人脸目标图像作为抓拍图像上传。抓拍的效果图如图5所示,第40帧中指定人脸目标对应的人脸目标图像的图像质量最优,则可以只需要将第40帧中的人脸目标图像确定为抓拍图像上传至比对系统。
可选的,在S103中的确定预设抓拍间隔内图像质量最优的人脸目标图像为指定人脸目标的抓拍图像的步骤之后,本申请实施例还可以执行如下步骤:
缓存抓拍图像至缓存区;
S103中上传抓拍图像至比对系统的步骤具体可以为:
在确定指定人脸目标的抓拍结束后,对缓存区内的各抓拍图像进行视频压缩,得到压缩后的视频;
将压缩后的视频上传至比对系统。
在确定抓拍图像之后,可以将抓拍图像缓存至缓存区,然后再进行整体的压缩上传,流程如图6所示,当确定指定人脸目标的抓拍结束后,也就是当确定指定人脸目标消失之后,对所有缓存的抓拍图像进行视频压缩,同一人脸目标虽然在不同的时刻具有不同的姿态,但是对于一段视频,背景等大部分区域相同,同一个人脸目标在不同视频帧之间具有相关性,因此通过对多张抓拍图像进行视频压缩,与传统的抓拍方法中对每张图像进行JPEG(Joint Photographic Experts Group,联合图像专家组)编码压缩相比,能够更加节约带宽,减少了传输和存储成本。
确定人脸目标的抓拍结束的方式,可以是连续多帧对该人脸目标的匹配度都很低,则可以确定该人脸目标的抓拍结束,或者,通过目标跟踪算法,确定人脸目标丢失,即连续多帧无法跟踪到某一人脸目标,则可以确定该人脸目标的抓拍结束。
应用本实施列,监控相机通过采集当前视频帧,对当前视频帧进行人脸目标检测,确定当前视频帧中各人脸目标的人脸目标图像,针对指定人脸目标,在当前视频帧满足预设抓拍间隔时,确定预设抓拍间隔内图像质量最优的人脸目标图像为该指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。在采集到当前视频时,对当前视频帧进行人脸目标检测,并且在当前视频帧满足预设抓拍间隔时,针对指定人脸目标,确定预设抓拍间隔内图像质量最优的人脸目标图像为指定人脸目标的抓拍图像,相当于对检测指定人脸目标的视频帧序列进行了分组,可以实现在不同的抓拍间隔内分别对指定人脸目标进行抓拍,抓拍图像的图像质量在抓拍间隔内最优,保证监控相机向比对系统上传的是多张图像质量较高的抓拍图像,并且这些抓拍图像由于在不同的时间间隔内,并不是集中在某一个时间段,具有较高的丰富性,保证了人脸目标的可识别性,进而保证了比对系统的比对结果具有较高的准确性。
相应于上述方法实施例,本申请实施例提供了一种监控相机,如图7所示,包括监控摄像头701、处理器702和存储器703,其中,
所述监控摄像头701,用于采集当前视频帧;
所述存储器703,用于存放计算机程序;
所述处理器702,用于执行所述存储器703上所存放的计算机程序时,实现如下步骤:
对所述当前视频帧进行人脸目标检测,确定所述当前视频帧中各人脸目标的人脸目标图像;
针对指定人脸目标,在所述当前视频帧满足预设抓拍间隔时,确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
可选的,在所述处理器702执行所述存储器上所存放的计算机程序时,还可以实现如下步骤:
利用预设目标跟踪算法,对所述当前视频帧与上一视频帧进行目标框关联,生成不同人脸目标对应的目标轨迹;
根据各人脸目标对应的目标轨迹,确定所述当前视频帧与所述上一视频帧中的同一人脸目标。
可选的,所述处理器702执行所述存储器上所存放的计算机程序时,还可以实现如下步骤:
获取所述人脸目标图像的人脸目标质量参数;
根据所述人脸目标质量参数,确定所述人脸目标图像的图像质量。
可选的,若所述预设抓拍间隔为1,则所述处理器702在实现所述确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统的步骤时,具体可以实现如下步骤:
确定所述指定人脸目标在所述当前视频帧中的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
可选的,所述处理器702在实现所述确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统的步骤时,具体可以实现如下步骤:
缓存所述预设抓拍间隔内,针对指定人脸目标的图像质量最优的人脸目标图像及最优的图像质量;
判断当前缓存的人脸目标图像的图像质量是否优于之前缓存的各人脸目标图像的图像质量;
若优于,则确定所述当前缓存的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
可选的,在所述处理器702执行所述存储器上所存放的计算机程序时,还可以实现如下步骤:
缓存所述抓拍图像至缓存区;
所述处理器702在实现所述上传抓拍图像至比对系统的步骤时,具体可以实现如下步骤:
在确定所述指定人脸目标的抓拍结束后,对所述缓存区内的各抓拍图像进行视频压缩,得到压缩后的视频;
将所述压缩后的视频上传至比对系统。
上述存储器可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-Volatile Memory,非易失性存储器),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离上述处理器的存储装置。
上述处理器可以是通用处理器,包括CPU(Central Processing Unit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processing,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
监控摄像头701、处理器702和存储器703之间可以通过有线连接或者无线连接的方式进行数据传输,并且监控相机可以通过有线通信接口或者无线通信接口与比对系统进行通信。图7所示的仅为监控摄像头701、处理器702与存储器703之间通过总线进行数据传输的示例,不作为具体连接方式的限定。
本实施例中,该监控相机的处理器通过读取存储器中存储的计算机程序,并通过运行该计算机程序,能够实现:监控相机通过采集当前视频帧,对当前视频帧进行人脸目标检测,确定当前视频帧中各人脸目标的人脸目标图像,针对指定人脸目标,在当前视频帧满足预设抓拍间隔时,确定预设抓拍间隔内图像质量最优的人脸目标图像为该指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。在采集到当前视频时,对当前视频帧进行人脸目标检测,并且在当前视频帧满足预设抓拍间隔时,针对指定人脸目标,确定预设抓拍间隔内图像质量最优的人脸目标图像为指定人脸目标的抓拍图像,相当于对检测指定人脸目标的视频帧序列进行了分组,可以实现在不同的抓拍间隔内分别对指定人脸目标进行抓拍,抓拍图像的图像质量在抓拍间隔内最优,保证监控相机向比对系统上传的是多张图像质量较高的抓拍图像,并且这些抓拍图像由于在不同的时间间隔内,并不是集中在某一个时间段,具有较高的丰富性,保证了人脸目标的可识别性,进而保证了比对系统的比对结果具有较高的准确性。
另外,本申请实施例还提供了一种机器可读存储介质,所述机器可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例所提供的图像抓拍方法的所有步骤。
本实施例中,机器可读存储介质存储有在运行时执行本申请实施例所提供的图像抓拍方法的计算机程序,因此能够实现:监控相机通过采集当前视频帧,对当前视频帧进行人脸目标检测,确定当前视频帧中各人脸目标的人脸目标图像,针对指定人脸目标,在当前视频帧满足预设抓拍间隔时,确定预设抓拍间隔内图像质量最优的人脸目标图像为该指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。在采集到当前视频时,对当前视频帧进行人脸目标检测,并且在当前视频帧满足预设抓拍间隔时,针对指定人脸目标,确定预设抓拍间隔内图像质量最优的人脸目标图像为指定人脸目标的抓拍图像,相当于对检测指定人脸目标的视频帧序列进行了分组,可以实现在不同的抓拍间隔内分别对指定人脸目标进行抓拍,抓拍图像的图像质量在抓拍间隔内最优,保证监控相机向比对系统上传的是多张图像质量较高的抓拍图像,并且这些抓拍图像由于在不同的时间间隔内,并不是集中在某一个时间段,具有较高的丰富性,保证了人脸目标的可识别性,进而保证了比对系统的比对结果具有较高的准确性。
本申请实施例还提供了一种监控系统,如图8所示,该监控系统可以包括监控相机810及比对系统820;
所述监控相机810,用于采集当前视频帧;对所述当前视频帧进行人脸目标检测,确定所述当前视频帧中各人脸目标的人脸目标图像;针对指定人脸目标,在所述当前视频帧满足预设抓拍间隔时,确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至所述比对系统;
所述比对系统820,用于对所述抓拍图像进行比对报警。
所述监控相机810还可以用于实现上述方法实施例所提供的所有步骤,这里不再一一赘述。
所述比对系统820对抓拍图像进行比对报警,具体可以包括:对抓拍图像进行特征提取,并将提取的人脸特征和黑名单中的人脸特征进行比对,若比对的相似度大于一定阈值,则进行报警。
应用本实施列,监控相机通过采集当前视频帧,对当前视频帧进行人脸目标检测,确定当前视频帧中各人脸目标的人脸目标图像,针对指定人脸目标,在当前视频帧满足预设抓拍间隔时,确定预设抓拍间隔内图像质量最优的人脸目标图像为该指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。在采集到当前视频时,对当前视频帧进行人脸目标检测,并且在当前视频帧满足预设抓拍间隔时,针对指定人脸目标,确定预设抓拍间隔内图像质量最优的人脸目标图像为指定人脸目标的抓拍图像,相当于对检测指定人脸目标的视频帧序列进行了分组,可以实现在不同的抓拍间隔内分别对指定人脸目标进行抓拍,抓拍图像的图像质量在抓拍间隔内最优,保证监控相机向比对系统上传的是多张图像质量较高的抓拍图像,并且这些抓拍图像由于在不同的时间间隔内,并不是集中在某一个时间段,具有较高的丰富性,保证了人脸目标的可识别性,进而保证了比对系统的比对结果具有较高的准确性。
对于监控相机、机器可读存储介质及监控系统实施例而言,由于其所涉及的方法内容基本相似于前述的方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于监控相机、机器可读存储介质及监控系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (13)
1.一种图像抓拍方法,其特征在于,所述方法包括:
采集当前视频帧;
对所述当前视频帧进行人脸目标检测,确定所述当前视频帧中各人脸目标的人脸目标图像;
针对指定人脸目标,在所述当前视频帧满足预设抓拍间隔时,确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
2.根据权利要求1所述的方法,其特征在于,在所述针对指定人脸目标,在所述当前视频帧满足预设抓拍间隔时,确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像之前,所述方法还包括:
利用预设目标跟踪算法,对所述当前视频帧与上一视频帧进行目标框关联,生成不同人脸目标对应的目标轨迹;
根据各人脸目标对应的目标轨迹,确定所述当前视频帧与所述上一视频帧中的同一人脸目标。
3.根据权利要求1或2所述的方法,其特征在于,所述图像质量的确定方式,包括:
获取所述人脸目标图像的人脸目标质量参数;
根据所述人脸目标质量参数,确定所述人脸目标图像的图像质量。
4.根据权利要求1所述的方法,其特征在于,若所述预设抓拍间隔为1,则所述确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统,包括:
确定所述指定人脸目标在所述当前视频帧中的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
5.根据权利要求1所述的方法,其特征在于,所述确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统,包括:
缓存所述预设抓拍间隔内,针对所述指定人脸目标的图像质量最优的人脸目标图像及最优的图像质量;
判断当前缓存的人脸目标图像的图像质量是否优于之前缓存的各人脸目标图像的图像质量;
若优于,则确定所述当前缓存的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
6.根据权利要求1所述的方法,其特征在于,在所述确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像之后,所述方法还包括:
缓存所述抓拍图像至缓存区;
所述上传抓拍图像至比对系统,包括:
在确定所述指定人脸目标的抓拍结束后,对所述缓存区内的各抓拍图像进行视频压缩,得到压缩后的视频;
将所述压缩后的视频上传至比对系统。
7.一种监控相机,其特征在于,包括监控摄像头、处理器和存储器,其中,
所述监控摄像头,用于采集当前视频帧;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的计算机程序时,实现如下步骤:
对所述当前视频帧进行人脸目标检测,确定所述当前视频帧中各人脸目标的人脸目标图像;
针对指定人脸目标,在所述当前视频帧满足预设抓拍间隔时,确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
8.根据权利要求7所述的监控相机,其特征在于,在所述处理器执行所述存储器上所存放的计算机程序时,还实现如下步骤:
利用预设目标跟踪算法,对所述当前视频帧与上一视频帧进行目标框关联,生成不同人脸目标对应的目标轨迹;
根据各人脸目标对应的目标轨迹,确定所述当前视频帧与所述上一视频帧中的同一人脸目标。
9.根据权利要求7或8所述的监控相机,其特征在于,所述处理器执行所述存储器上所存放的计算机程序时,还实现如下步骤:
获取所述人脸目标图像的人脸目标质量参数;
根据所述人脸目标质量参数,确定所述人脸目标图像的图像质量。
10.根据权利要求7所述的监控相机,其特征在于,若所述预设抓拍间隔为1,则所述处理器在实现所述确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统的步骤时,具体实现如下步骤:
确定所述指定人脸目标在所述当前视频帧中的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
11.根据权利要求7所述的监控相机,其特征在于,所述处理器在实现所述确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统的步骤时,具体实现如下步骤:
缓存所述预设抓拍间隔内,针对所述指定人脸目标的图像质量最优的人脸目标图像及最优的图像质量;
判断当前缓存的人脸目标图像的图像质量是否优于之前缓存的各人脸目标图像的图像质量;
若优于,则确定所述当前缓存的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至比对系统。
12.根据权利要求7所述的监控相机,其特征在于,在所述处理器执行所述存储器上所存放的计算机程序时,还实现如下步骤:
缓存所述抓拍图像至缓存区;
所述处理器在实现所述上传抓拍图像至比对系统的步骤时,具体实现如下步骤:
在确定所述指定人脸目标的抓拍结束后,对所述缓存区内的各抓拍图像进行视频压缩,得到压缩后的视频;
将所述压缩后的视频上传至比对系统。
13.一种监控系统,其特征在于,包括监控相机及比对系统;
所述监控相机,用于采集当前视频帧;对所述当前视频帧进行人脸目标检测,确定所述当前视频帧中各人脸目标的人脸目标图像;针对指定人脸目标,在所述当前视频帧满足预设抓拍间隔时,确定所述预设抓拍间隔内图像质量最优的人脸目标图像为所述指定人脸目标的抓拍图像,并上传抓拍图像至所述比对系统;
所述比对系统,用于对所述抓拍图像进行比对报警。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811321515.6A CN111163259A (zh) | 2018-11-07 | 2018-11-07 | 一种图像抓拍方法、监控相机及监控系统 |
PCT/CN2019/116219 WO2020094091A1 (zh) | 2018-11-07 | 2019-11-07 | 一种图像抓拍方法、监控相机及监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811321515.6A CN111163259A (zh) | 2018-11-07 | 2018-11-07 | 一种图像抓拍方法、监控相机及监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111163259A true CN111163259A (zh) | 2020-05-15 |
Family
ID=70554668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811321515.6A Pending CN111163259A (zh) | 2018-11-07 | 2018-11-07 | 一种图像抓拍方法、监控相机及监控系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111163259A (zh) |
WO (1) | WO2020094091A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084902A (zh) * | 2020-08-26 | 2020-12-15 | 武汉普利商用机器有限公司 | 人脸图像获取方法、装置、电子设备及存储介质 |
CN113205079A (zh) * | 2021-06-04 | 2021-08-03 | 北京奇艺世纪科技有限公司 | 一种人脸检测方法、装置、电子设备及存储介质 |
CN113329175A (zh) * | 2021-05-21 | 2021-08-31 | 浙江大华技术股份有限公司 | 抓拍方法、装置、电子装置和存储介质 |
CN113395452A (zh) * | 2021-06-24 | 2021-09-14 | 上海卓易科技股份有限公司 | 一种自动拍摄方法 |
CN113837114A (zh) * | 2021-09-27 | 2021-12-24 | 浙江力石科技股份有限公司 | 一种景区中人脸视频片段采集方法系统 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914781B (zh) * | 2020-08-10 | 2024-03-19 | 杭州海康威视数字技术股份有限公司 | 一种人脸图像处理的方法及装置 |
CN112036346A (zh) * | 2020-09-04 | 2020-12-04 | 贵州东冠科技有限公司 | 基于人员分类为基础的实有人员管理系统 |
CN112132022B (zh) * | 2020-09-22 | 2023-09-29 | 平安科技(深圳)有限公司 | 人脸抓拍架构及其人脸抓拍方法、装置、设备及存储介质 |
CN112135190B (zh) * | 2020-09-23 | 2022-08-16 | 成都市喜爱科技有限公司 | 视频处理方法、装置、系统、服务器及存储介质 |
CN112215156B (zh) * | 2020-10-13 | 2022-10-14 | 北京中电兴发科技有限公司 | 一种视频监控中的人脸抓拍方法及系统 |
CN113283305B (zh) * | 2021-04-29 | 2024-03-26 | 百度在线网络技术(北京)有限公司 | 人脸识别方法、装置、电子设备及计算机可读存储介质 |
CN113438417A (zh) * | 2021-06-22 | 2021-09-24 | 上海云从汇临人工智能科技有限公司 | 视频抓拍待识别物的方法、系统、介质及装置 |
CN113869302B (zh) * | 2021-11-16 | 2022-07-15 | 云丁网络技术(北京)有限公司 | 用于图像处理的控制方法及装置 |
CN114067421B (zh) * | 2022-01-17 | 2022-04-19 | 广东中运信息科技有限公司 | 一种人员去重识别方法、存储介质及计算机设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930261A (zh) * | 2012-12-05 | 2013-02-13 | 上海市电力公司 | 一种人脸抓拍识别方法 |
CN103049460A (zh) * | 2011-10-17 | 2013-04-17 | 天津市亚安科技股份有限公司 | 一种视频监控场景信息分类存储的方法及检索方法 |
CN104794459A (zh) * | 2015-05-07 | 2015-07-22 | 北京丰华联合科技有限公司 | 一种从视频中进行人员身份判断的方法 |
CN105007421A (zh) * | 2015-07-14 | 2015-10-28 | 广东欧珀移动通信有限公司 | 一种图片拍摄方法及移动终端 |
CN105930822A (zh) * | 2016-05-11 | 2016-09-07 | 北京格灵深瞳信息技术有限公司 | 一种人脸抓拍方法及系统 |
US20160266348A1 (en) * | 2013-11-07 | 2016-09-15 | Samsung Electronics Co., Ltd. | Method for creating a camera capture effect from user space in a camera capture system |
CN107038400A (zh) * | 2016-02-04 | 2017-08-11 | 索尼公司 | 人脸识别装置及方法和利用其的目标人跟踪装置及方法 |
-
2018
- 2018-11-07 CN CN201811321515.6A patent/CN111163259A/zh active Pending
-
2019
- 2019-11-07 WO PCT/CN2019/116219 patent/WO2020094091A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049460A (zh) * | 2011-10-17 | 2013-04-17 | 天津市亚安科技股份有限公司 | 一种视频监控场景信息分类存储的方法及检索方法 |
CN102930261A (zh) * | 2012-12-05 | 2013-02-13 | 上海市电力公司 | 一种人脸抓拍识别方法 |
US20160266348A1 (en) * | 2013-11-07 | 2016-09-15 | Samsung Electronics Co., Ltd. | Method for creating a camera capture effect from user space in a camera capture system |
CN104794459A (zh) * | 2015-05-07 | 2015-07-22 | 北京丰华联合科技有限公司 | 一种从视频中进行人员身份判断的方法 |
CN105007421A (zh) * | 2015-07-14 | 2015-10-28 | 广东欧珀移动通信有限公司 | 一种图片拍摄方法及移动终端 |
CN107038400A (zh) * | 2016-02-04 | 2017-08-11 | 索尼公司 | 人脸识别装置及方法和利用其的目标人跟踪装置及方法 |
CN105930822A (zh) * | 2016-05-11 | 2016-09-07 | 北京格灵深瞳信息技术有限公司 | 一种人脸抓拍方法及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084902A (zh) * | 2020-08-26 | 2020-12-15 | 武汉普利商用机器有限公司 | 人脸图像获取方法、装置、电子设备及存储介质 |
CN112084902B (zh) * | 2020-08-26 | 2024-05-14 | 武汉普利商用机器有限公司 | 人脸图像获取方法、装置、电子设备及存储介质 |
CN113329175A (zh) * | 2021-05-21 | 2021-08-31 | 浙江大华技术股份有限公司 | 抓拍方法、装置、电子装置和存储介质 |
CN113205079A (zh) * | 2021-06-04 | 2021-08-03 | 北京奇艺世纪科技有限公司 | 一种人脸检测方法、装置、电子设备及存储介质 |
CN113205079B (zh) * | 2021-06-04 | 2023-09-05 | 北京奇艺世纪科技有限公司 | 一种人脸检测方法、装置、电子设备及存储介质 |
CN113395452A (zh) * | 2021-06-24 | 2021-09-14 | 上海卓易科技股份有限公司 | 一种自动拍摄方法 |
CN113395452B (zh) * | 2021-06-24 | 2023-02-03 | 上海卓易科技股份有限公司 | 一种自动拍摄方法 |
CN113837114A (zh) * | 2021-09-27 | 2021-12-24 | 浙江力石科技股份有限公司 | 一种景区中人脸视频片段采集方法系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2020094091A1 (zh) | 2020-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111163259A (zh) | 一种图像抓拍方法、监控相机及监控系统 | |
CN111161206A (zh) | 一种图像抓拍方法、监控相机及监控系统 | |
CN109040709B (zh) | 视频监控方法及装置、监控服务器及视频监控系统 | |
WO2020057355A1 (zh) | 一种三维建模的方法及其装置 | |
JP4616702B2 (ja) | 画像処理 | |
CN109299703B (zh) | 对鼠情进行统计的方法、装置以及图像采集设备 | |
US9521377B2 (en) | Motion detection method and device using the same | |
US10740887B2 (en) | Method and system for automated video image focus change detection and classification | |
CN109376601B (zh) | 基于高速球的物体跟踪方法、监控服务器、视频监控系统 | |
CN102891960A (zh) | 用于确定图像调整参数的方法和相机 | |
CN109711318B (zh) | 一种基于视频流的多人脸检测与跟踪方法 | |
GB2414615A (en) | Object detection, scanning and labelling | |
CN111553231B (zh) | 基于信息融合的人脸抓拍与去重系统、方法、终端及介质 | |
CN109905641B (zh) | 一种目标监控方法、装置、设备及系统 | |
GB2414616A (en) | Comparing test image with a set of reference images | |
CN111444758A (zh) | 一种基于时空信息的行人重识别方法及装置 | |
US9256789B2 (en) | Estimating motion of an event captured using a digital video camera | |
CN110191324B (zh) | 图像处理方法、装置、服务器及存储介质 | |
EP3432575A1 (en) | Method for performing multi-camera automatic patrol control with aid of statistics data in a surveillance system, and associated apparatus | |
US20240048672A1 (en) | Adjustment of shutter value of surveillance camera via ai-based object recognition | |
CN116246200A (zh) | 一种基于视觉识别的屏显信息偷拍检测方法及系统 | |
CN110177256B (zh) | 一种追踪视频数据获取方法和装置 | |
WO2014038924A2 (en) | A method for producing a background model | |
CN114118271A (zh) | 图像确定方法、装置、存储介质及电子装置 | |
CN110572618B (zh) | 一种非法拍照行为监控方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200515 |