CN111177449B - 基于图片的多维信息整合方法及相关设备 - Google Patents

基于图片的多维信息整合方法及相关设备 Download PDF

Info

Publication number
CN111177449B
CN111177449B CN201911402864.5A CN201911402864A CN111177449B CN 111177449 B CN111177449 B CN 111177449B CN 201911402864 A CN201911402864 A CN 201911402864A CN 111177449 B CN111177449 B CN 111177449B
Authority
CN
China
Prior art keywords
target
feature information
image
information
face
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
Application number
CN201911402864.5A
Other languages
English (en)
Other versions
CN111177449A (zh
Inventor
黄潇莹
付豪
张贵明
张敏
高慧璇
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 Sensetime Technology Co Ltd
Original Assignee
Shenzhen Sensetime Technology 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 Sensetime Technology Co Ltd filed Critical Shenzhen Sensetime Technology Co Ltd
Priority to CN201911402864.5A priority Critical patent/CN111177449B/zh
Publication of CN111177449A publication Critical patent/CN111177449A/zh
Priority to SG11202113294VA priority patent/SG11202113294VA/en
Priority to KR1020217039230A priority patent/KR20220002626A/ko
Priority to PCT/CN2020/100268 priority patent/WO2021135139A1/zh
Priority to JP2021571358A priority patent/JP2022534314A/ja
Priority to TW109123415A priority patent/TW202125284A/zh
Application granted granted Critical
Publication of CN111177449B publication Critical patent/CN111177449B/zh
Priority to US17/536,774 priority patent/US20220084314A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • 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
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于图片的多维信息整合方法及相关设备，其中所述方法包括：获取待检测图片；检测待检测图片并提取待检测图片中的多个特征信息；从多个特征信息中选中目标特征信息和关联特征信息，并将目标特征信息和关联特征信息关联在一起，以生成一个多维信息，其中，多维信息包括多个关联的特征信息。以实现多个特征信息的自动提取及自动关联整合。

Description

基于图片的多维信息整合方法及相关设备
技术领域
本发明涉及智能设备技术领域，尤其涉及一种基于图片的多维信息整合方法及相关设备。
背景技术
当前城市中建立了许多摄像头点位，可以捕捉到包含有人体、人脸、机动车、非机动车等各种信息的实时视频。在公安部门进行日常的案件侦破、视频侦查、疑犯追踪等任务时，经常会需要上传各个渠道收集到的带有嫌疑人信息(包括人脸、人体、作案/逃跑车辆等)的图片，再比对这些视频中的信息，通过检索结果来搜集各种线索、补充证据链、完善嫌疑人行动路线和逃跑轨迹等。但当前针对单张图片仅能检索到人体、人脸或车辆，检索结果信息不全。
发明内容
本发明主要提供一种基于图片的多维信息整合方法及相关设备，用于实现图片中的多个特征信息的自动关联。
为解决上述技术问题，本发明采用的第一个技术方案是：提供一种基于图片的多维信息整合方法，包括：获取待检测图片；检测所述待检测图片并提取所述待检测图片中的多个特征信息；从所述多个特征信息中选中目标特征信息和关联特征信息，并将所述目标特征信息和所述关联特征信息关联在一起，以生成一个多维信息，其中，所述多维信息包括多个关联的特征信息。
其中，提取的所述多个特征信息包括人脸特征信息、人体特征信息和车辆特征信息中的至少两种不同类型的特征信息。
其中，所述从所述多个特征信息中选中目标特征信息和关联特征信息，并将所述目标特征信息和所述关联特征信息关联在一起，以生成一个多维信息之后，所述方法还包括：基于所述多维信息中的所述目标特征信息从第一数据库进行检索获取第一目标图像；基于所述多维信息中的所述关联特征信息从第二数据库进行检索获取第二目标图像；将所述第一目标图像和所述第二目标图像确定为所述待检测图片的检索结果。
其中，所述待检测图片为单张待检测图片或者多张待检测图片；所述检测所述待检测图片并提取所述待检测图片中的多个特征信息的步骤，包括：检测所述单张待检测图片或者所述多张待检测图片，并从所述单张待检测图片或者所述多张待检测图片提取所述多个特征信息。
其中，从所述多个特征信息中选中目标特征信息和关联特征信息，并将所述目标特征信息和所述关联特征信息关联在一起，以生成一个多维信息的步骤，包括：选中所述待检测图片中质量分数最高的目标人脸所对应的目标人脸特征信息作为目标特征信息，并选中所述目标人脸特征信息对应的目标人体特征信息和/或与所述目标人脸的中心点距离最近的车辆所对应的目标车辆特征信息作为关联特征信息；将所述目标特征信息和所述关联特征信息关联在一起，以生成所述多维信息，其中，所述多维信息包括所述目标人脸特征信息、所述目标人体特征信息和所述目标车辆特征信息中的至少两种不同类型的特征信息。
其中，从所述多个特征信息中选中目标特征信息和关联特征信息，并将所述目标特征信息和所述关联特征信息关联在一起，以生成一个多维信息的步骤，包括：接受控制指令，并基于所述控制指令所述多个特征信息中选中所述目标特征信息，其中，所述目标特征信息为所述人脸特征信息、所述人体特征信息和所述车辆特征信息中的任意之一；根据选中的所述目标特征信息而挑选匹配所述目标特征信息的所述关联特征信息，其中，所述关联特征信息为所述人脸特征信息、所述人体特征信息和所述车辆特征信息中除所述目标特征信息外的其它两种类型信息中的至少之一；将所述目标特征信息和所述关联特征信息关联在一起，以生成所述多维信息。
其中，当选中的所述目标特征信息为所述人脸特征信息类型的目标人脸特征信息时，根据选中的所述目标特征信息而挑选匹配所述目标特征信息的所述关联特征信息的步骤，包括：根据选中的所述目标人脸特征信息，自动选中与所述目标人脸特征信息对应的人体特征信息和/或与所述目标人脸特征信息关联人脸的中心点距离最近的车辆所对应的目标车辆特征信息作为所述关联特征信息；或当选中的所述目标特征信息为所述人体特征信息类型的目标人体特征信息时，根据选中的所述目标特征信息而挑选匹配所述目标特征信息的所述关联特征信息的步骤，包括：根据选中的所述目标人体特征信息，自动选中与所述目标人体特征信息对应的目标人脸特征信息和/或与所述目标人体特征信息关联人体的中心点距离最近的车辆所对应的目标车辆特征信息作为所述关联特征信息；或当选中的所述目标特征信息为所述车辆特征信息类型的目标车辆特征信息时，根据选中的所述目标特征信息而挑选匹配所述目标特征信息的所述关联特征信息的步骤，包括：根据选中的所述目标车辆特征信息，自动选中与所述目标车辆特征信息的中心点距离最近的人脸所对应的目标人脸特征信息和/或与所述目标人脸特征信息对应的目标人体特征信息作为所述关联特征信息。
其中，从所述多个特征信息中选中目标特征信息和关联特征信息，并将所述目标特征信息和所述关联特征信息关联在一起，以生成一个多维信息的步骤，包括：接收控制指令，并基于所述控制指令从所述多个特征信息中选中所述目标特征信息和所述关联特征信息，其中，选中的所述目标特征信息和选中的所述关联特征信息包括所述人脸特征信息、所述人体特征信息和所述车辆特征信息中的至少两种不同类型的特征信息；将所述目标特征信息和所述关联特征信息关联在一起，以生成所述多维信息。
其中，所述将所述第一目标图像和所述第二目标图像确定为所述待检测图片的检索结果图片之后，所述方法还包括：分别获取所述人脸特征对应的目标人脸图片，所述人体特征对应的目标人体图片和/或所述车辆特征对应的目标车辆图片；在所述目标人脸图片与所述目标人体图片对应于同一第一目标图像且具有预设空间关系的情况下，将所述检索结果图片中的所述目标人脸图片与所述目标人体图片关联；在所述目标人脸图片与所述目标车辆图片对应于同一第一目标图片且具有预设空间关系的情况下，将所述检索结果图片中的所述目标人脸图片与所述目标车辆图片关联；在所述目标人体图片与所述目标车辆图片对应于同一第一目标图片且具有预设空间关系的情况下，将所述检索结果图片中的所述目标人体图片与所述目标车辆图片关联。
其中，所述预设空间关系包括以下至少一种：所述第一目标图片的图像覆盖范围包含所述第二目标图片的图像覆盖范围；所述第一目标图片的图像覆盖范围与所述第二目标图片的图像覆盖范围部分重叠；所述第一目标图片的图像覆盖范围与所述第二目标图片的图像覆盖范围相连接；其中，所述第一目标图片包括所述目标人脸图片、所述目标人体图片及所述目标车辆图片中的任一一种或多种，所述第二目标图片包括所述目标人脸图片、所述目标人体图片及所述目标车辆图片中的任一一种或多种。
为解决上述技术问题，本发明提供一种基于图片的多维信息整合装置，包括：获取模块，用于获取待检测图片；特征提取模块，用于检测所述待检测图片并提取所述待检测图片中的多个特征信息；特征关联模块，用于从所述多个特征信息中选中目标特征信息和关联特征信息，并将所述目标特征信息和所述关联特征信息关联在一起，以生成一个多维信息，其中，所述多维信息包括多个关联的特征信息。
为解决上述技术问题，本发明提供一种基于图片的多维信息整合设备，包括存储器和处理器，其中，所述存储器存储有程序指令，所述处理器从所述存储器调取所述程序指令以执行如上述任意一项所述的基于图片的多维信息整合方法。
为解决上述技术问题，本发明提供一种计算机可读存储介质，存储有程序文件，所述程序文件能够被执行以实现上述任意一项所述的基于图片的多维信息整合方法。
本发明的有益效果是：区别于现有技术，本发明通过获取待检测图片；检测待检测图片并提取待检测图片中的多个特征信息；从多个特征信息中选中目标特征信息和关联特征信息，并将目标特征信息和关联特征信息关联在一起，以生成一个多维信息，其中，多维信息包括多个关联的特征信息。以此实现图片中的多个特征信息的自动提取及自动关联。
附图说明
图1是本发明基于图片的多维信息整合方法的第一实施例的流程示意图；
图2是图1步骤S12一具体实施例的流程示意图；
图3是图1步骤S13一具体实施例的流程示意图；
图4是图1步骤S13另一实施例的流程示意图；
图5本发明基于图片的多维信息整合方法的第二实施例的结构示意图；
图6本发明基于图片的多维信息整合方法的第三实施例的结构示意图；
图7是本发明基于图片的多维信息整合装置的第一实施例的结构示意图；
图8是本发明基于图片的多维信息整合设备的第二实施例的结构示意图；
图9是本发明计算机可读存储介质的结构示意图。
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，所描述的实施例仅是本申请的一部分实施例，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。
为解决现有技术中同一图片中多个特征逐一进行识别提取，导致过程复杂，多个特征难以关联，且关联准确性低的问题，本申请提供了一种具体的基于图片的多维信息整合方法。基于人脸检索、人体检索以及车辆检索的发展，本申请提供的方法能够将同一图片中人脸、人体以及车辆同时识别提取出来，且自动将其根据自身的位置关系进行关联，得到关联后的多维信息。
具体请参见图1，为本发明基于图片的多维信息整合方法的第一实施例的流程示意图。本申请的基于图片的多维信息整合方法应用于一种基于图片的多维信息整合设备，基于图片的多维信息整合设备可以为例如智能手机、平板电脑、笔记本电脑、电脑或者可穿戴设备等终端设备，也可以是卡口交通系统中的监控系统。在下述实施例的描述中，统一使用基于图片的多维信息整合设备进行基于图片的多维信息整合方法的描述。具体地，图1所示的基于图片的多维信息整合方法包括：
步骤S11：获取待检测图片。
具体的，待检测图片可以为单张也可以为多张，待检测图片可以为包含人脸、人体及车辆中任一元素的图片。具体的，待检测中的人脸、人体及车辆可以为多个，也可以为一个，具体不做限定。
步骤S12：检测待检测图片并提取待检测图片中的多个特征信息。
具体的，提取待检测图片中的多个特征信息包括提取待检测图片中的人脸特征信息、人体特征信息和车辆特征信息中的至少两种。例如，在一实施例中，可从待检测图片中提取人脸特征信息及人体特征信息；或从待检测图片中提取人体特征信息及车辆特征信息；或从待检测图片中提取人脸特征信息及车辆特征信息；再或者从待检测图片中提取人脸特征信息、人体特征信息及车辆特征信息。
在一个具体的实施方式中，如图2所示，可通过如图2所示的方法检测待检测图片并提取待检测图片中的多个特征信息。具体包括：
步骤S21：接收控制指令，并基于控制指令从多个特征信息中选中目标特征信息和关联特征信息，其中，选中的目标特征信息和选中的关联特征信息包括人脸特征信息、人体特征信息和车辆特征信息中的至少两种不同类型的特征信息。
在一具体实施例中，为了进一步提高追踪准确性，本实施例中的目标特征信息还可以是两种不同类型的特征信息，如选定的目标特征信息可以同时为人脸特征信息及人体特征信息，或人脸特征信息及车辆特征信息，或人体特征信息及车辆特征信息。
步骤S22：将目标特征信息和所述关联特征信息关联在一起，以生成所述多维信息。
将选中的目标特征信息及关联特征信息按照位置关系进行整合关联，以形成多维信息。
本实施例的多维信息整合方法能够同时识别多个特征信息，并且通过从多个特征信息中提取目标特征信息及关联特征信息，进而将目标特征信息及关联特征信息整合形成多维信息，其能够通过不同的目标特征确认与目标特征关联的关联特征，进而实现自动关联，并且通过不同角度的关联提高关联准确性。
步骤S13：从多个特征信息中选中目标特征信息和关联特征信息，并将目标特征信息和关联特征信息关联在一起，以生成一个多维信息，其中，多维信息包括多个关联的特征信息。
具体的，从待检测图片中检测出多个特征信息(人脸特征信息、人体特征信息及车辆特征信息)后，从检测出的多个特征信息中取其中一个作为目标特征信息，其余作为关联特征信息，将目标特征信息与关联特征信息按照位置关系进行关联，以形成多维信息。具体的，一个多为信息中可包括多个关联的特征信息。
在其中的一个实施方式中，如图3所示，步骤S13包括如下子步骤：
步骤S31：选中待检测图片中质量分数最高的目标人脸所对应的目标人脸特征信息以作为目标特征信息，并选中所述目标人脸特征信息对应的目标人体特征信息和/或与所述目标人脸的中心点距离最近的车辆所对应的目标车辆特征信息作为关联特征信息。
在对待检测图片继续进行特征提取后，提取到待检测图片中的人脸特征信息、人体特征信息及车辆特征信息。将提取到的质量分数最高的目标人脸特征信息作为目标特征信息，将包括目标人脸的人脸特征信息的人体特征信息，及距离目标人脸的中心点距离最近的车辆对应的目标车辆特征信息作为关联特征信息。进而将选中的人脸特征信息，及人体特征信息、车辆特征信息继续关联。
步骤S32：将目标特征信息和关联特征信息关联在一起，以生成多维信息，其中，多维信息包括所述目标人脸特征信息、所述目标人体特征信息和所述目标车辆特征信息中的至少两种不同类型的特征信息。
具体的，在进行目标特征信息及关联特征信息的关联以形成多维信息时，若目标特征信息包括一个类型的特征信息，关联特征信息也包括一个类型的特征信息时，多维信息中包括两种不同类型的特征信息。如目标特征信息包括人脸特征信息，关联特征信息包括人体特征信息时，多维信息中包括人脸特征信息及人体特征信息两种不同类型的特征信息。再如，若目标特征信息包括一个类型的特征信息，关联特征信息包括两种不同类型的特征信息时，多维信息中包括三种不同类型的特征信息。如目标特征信息包括人脸特征信息，关联特征信息包括人体特征信息及车辆特征信息时，多维信息中包括人脸特征信息、人体特征信息及车辆特征信息三种不同类型的特征信息。
本实施例的多维信息整合方法通过选取质量分数最高的目标人脸所对应的目标人脸特征信息以作为目标特征信息，并选中目标人脸特征信息对应的目标人体特征信息和/或与目标人脸的中心点距离最近的车辆所对应的目标车辆特征信息作为关联特征信息。其中质量分数最高的人脸即为导检测图片中最清晰的人脸。以此能够提高关联准确性，以防止将不对应的人脸及人体，或者不对应的人脸及车辆进行关联。
在另一个实施方式中，如图4所示，步骤S13包括如下子步骤：
步骤S41：接受控制指令，并基于控制指令从所述多个特征信息中选中目标特征信息，其中，目标特征信息为人脸特征信息、人体特征信息和车辆特征信息中的任意之一。
具体的，从检测处的特征信息中人选一特征信息作为目标特征信息，其余的特征信息作为关联特征信息。
其中，目标特征信息可以为人脸特征信息，还可以为人体特征信息，还可以为车辆特征信息，具体不做限定。
步骤S42：根据选中的目标特征信息而挑选匹配目标特征信息的关联特征信息，其中，关联特征信息为人脸特征信息、人体特征信息和车辆特征信息中除目标特征信息外的的其它两种类型信息中的至少之一。
在意具体实施例中，若选中的目标特征信息为人脸特征信息，则根据选中的人脸特征信息从其余的特征信息中挑选匹配的人体特征信息、车辆特征信息。若选中的目标特征信息为人体特征信息，则根据选中的人体特征信息从其余的特征信息中挑选匹配的人脸特征信息及车辆特征信息。若选中的目标特征信息为车辆特征信息，则根据选中的车辆特征信息从其余的特征信息中挑选匹配的人脸特征信息及人体特征信息。
步骤S43：将目标特征信息和关联特征信息关联在一起，以生成所述多维信息。
将选中的目标特征信息及匹配目标特征信息的关联特征信息进行关联，以生成多维信息。具体的，将人脸特征信息、人体特征信息及车辆特征信息进行关联，以生成包括人脸特征信息、人体特征信息及车辆特征信息的多维信息。
具体的，在一实施例中，检测特征信息时，同时获取每个特征信息的坐标位置，根据目标特征信息的坐标位置及关联特征信息的坐标位置将目标特征信息及关联特征信息进行整合关联。例如，在待检测图片中检测到人脸特征信息时，获取人脸特征周围的坐标，以形成围绕人脸特征的标定框；在待检测图片中检测到人体特征信息时，获取人体特征周围的坐标，以形成围绕人体特征的标定框；在待检测图片中检测到车辆特征信息时，获取车辆特征周围的坐标，以形成围绕车辆特征的标定框。
在一具体实施例中，当选择人脸特征信息作为目标特征信息，根据目标特征信息(人脸特征信息)选择匹配的关联特征信息时，判断包括选中的人脸特征信息的标定框的人体特征信息的标定框，此时人体特征信息的标定框内的人体特征信息及为匹配人脸特征信息的人体特征信息，判断距离选中的人脸特征信息的标定框的中心点距离最近的包含车辆的车辆特征信息标定框，此时车辆特征信息标定框中的车辆特征信息为匹配人脸特征信息的车辆特征信息，将人脸特征信息、人体特征信息及车辆特征信息按照标定框的坐标位置进行关联整合。
在另一具体实施例中，当选择人体特征信息作为目标特征信息，根据目标特征信息(人体特征信息)选择匹配的关联特征信息时，判断选中的人体特征信息的标定框的中是否包含选中人脸特征信息的标定框，若是，则选中人脸特征信息的标定框中的人脸特征信息为匹配人体特征信息的人脸特征信息，判断距离选中的人体特征信息的标定框的中心点距离最近的包含车辆的车辆特征信息标定框，此时车辆特征信息标定框中的车辆特征信息为匹配人体特征信息的车辆特征信息，将人脸特征信息、人体特征信息及车辆特征信息按照标定框的坐标位置进行关联整合。
在再一具体实施例中，当选择车辆特征信息作为目标特征信息，根据目标特征信息(车辆特征信息)选择匹配的关联特征信息时，判断距离选中车辆特征信息的标定框的中心点距离最近的包括人脸特征信息的标定框及包括人体特征信息的标定框，其中，人脸特征信息的标定框中的人脸特征信息为匹配车辆特征信息的人脸特征信息，人体特征信息的标定框中的人体特征信息为匹配车辆特征信息的人体特征信息，将人脸特征信息、人体特征信息及车辆特征信息按照标定框的坐标位置进行关联整合。
本实施例所述的基于图片的多为信息整合方法，通过目标特征信息与关联特征信息的位置，确定出与目标特征信息匹配的关联特征信息，并将目标特征信息及关联特征信息进行整合关联。以实现多个特征信息的自动提取及自动关联整合，在实际应用中，能够大大减少工作人员的劳动力，进而提高工作效率。
如图5所示，图5为本申请基于图片的多维信息整合方法第二实施方式的流程示意图。
本实施方式的步骤S51～S53与图1中S11～S13相同，与第一个实施方式的区别在于，在步骤S13之后还包括：
步骤S54：基于多维信息中的目标特征信息从第一数据库进行检索获取第一目标图像。
具体地，在合成多维信息后，将多维信息输入至第一数据库进行检索，以获取与多维信息中的目标特征对应的第一目标图像。具体地，在一实施例中，若多维信息中的目标特征信息为人脸特征信息时，第一数据库为人脸特征数据库，将多维信息中的人脸特征信息与人脸特征数据库进行匹配，获取到多个与人脸特征信息匹配的第一目标图像。
步骤S55：基于多维信息中的关联特征信息从第二数据库进行检索获取第二目标图像。
具体地，在一实施例中，若多维信息中的关联特征信息为人体特征信息时，第二数据库为人体特征数据库，将多维信息中的人体特征信息与人体特征数据库进行匹配，获取到多个与人体特征信息匹配的第二目标图像。或在一实施例中，若多维信息中的关联特征信息为车辆特征信息时，第二数据库为车辆特征数据库，将多维信息中的车辆特征信息与车辆特征数据库进行匹配，获取到多个与车辆特征信息匹配的第二目标图像。
步骤S56：将第一目标图像和第二目标图像确定为待检测图片的检索结果。
具体地，检测获取到的第一目标图像及第二目标图像为对应待检测图片的检索结果。在一实施例中，若将第一目标图像与第二目标图像进行整合，则能够根据第一目标图像与第二目标图像中的拍摄地点及拍摄径向获取到目标特征信息和/或关联特征信息对应的运动轨迹。具体地，本方案可应用于刑侦中，用于搜索嫌疑人或目标人物的逃离路线。在进行嫌疑人搜索及目标人物的追踪时，采用本实施例的多维信息整合方法能够大大减少工作人员的劳动力，进而提高工作效率。
具体地，在将第一目标图像及第二目标图像确定为待检测图片的检索结果图片之后，还可以根据检索结果图片查找与检索结果图片对应的其他图片。具体地，请参照图6，为本发明基于图片的多维信息整合方法的第三实施例的流程示意图，本实施方式的步骤S61～S66与图5中S51～S56相同，与第二个实施方式的区别在于，在步骤S56之后还包括：
步骤S67：分别获取人脸特征对应的目标人脸图片，人体特征对应的目标人体图片和/或车辆特征对应的目标车辆图片。
具体地，可以根据人脸特征获取具有该人脸特征的目标人脸图片，其中，该目标人脸图片可以包括人脸特征、人体特征及车辆特征。还可以根据人体特征获取具有该人体特征的目标人体图片，该目标人体图片可以包括人脸特征、人体特征及车辆特征。还可以根据车辆特征获取具有该车辆特征的目标车辆图片，该目标车辆图片可以包括人脸特征、人体特征及车辆特征。
步骤S68：在目标人脸图片与目标人体图片对应于同一第一目标图像且具有预设空间关系的情况下，将检索结果图片中的目标人脸图片与目标人体图片关联；在目标人脸图片与目标车辆图片对应于同一第一目标图片且具有预设空间关系的情况下，将检索结果图片中的目标人脸图片与目标车辆图片关联；在目标人体图片与目标车辆图片对应于同一第一目标图片且具有预设空间关系的情况下，将检索结果图片中的目标人体图片与目标车辆图片关联。
具体地，获取到第一目标图像(可以为包括人脸及人体)，第一目标图像可以包括目标人脸图片与目标人体图片，获取到第二目标图像，若第一目标图像的覆盖范围包括第二目标图像的覆盖范围或第一目标图片的图像覆盖范围与第二目标图片的图像覆盖范围部分重叠或第一目标图片的图像覆盖范围与第二目标图片的图像覆盖范围相连接，将检索结果图片中的目标人脸图片与目标人体图片进行关联。此时若第一目标图像中仅出现人脸图片，而第二目标图像中仅出现人体图片，则可以将目标人脸图片与目标人体图片进行关联以得到完整的关联图像，以此方式可以通过人脸找人体，或通过人体找人脸。
若获取到第一目标图像(可以为包括人脸及车辆)，第一目标图像可以包括目标人脸图片与目标车辆图片，获取到第二目标图像，若第一目标图像的覆盖范围包括第二目标图像的覆盖范围或第一目标图片的图像覆盖范围与第二目标图片的图像覆盖范围部分重叠或第一目标图片的图像覆盖范围与第二目标图片的图像覆盖范围相连接，将检索结果图片中的目标人脸图片与目标车辆图片进行关联。此时若第一目标图像中仅出现人脸图片，而第二目标图像中仅出现车辆图片，则可以将目标人脸图片与目标车辆图片进行关联以得到完整的关联图像，以此方式可以通过人脸找车辆，或通过车辆找人脸。
若获取到第一目标图像(可以为包括人体及车辆)，第一目标图像可以包括目标人体图片与目标车辆图片，获取到第二目标图像，若第一目标图像的覆盖范围包括第二目标图像的覆盖范围或第一目标图片的图像覆盖范围与第二目标图片的图像覆盖范围部分重叠或第一目标图片的图像覆盖范围与第二目标图片的图像覆盖范围相连接，将检索结果图片中的目标人体图片与目标车辆图片进行关联。此时若第一目标图像中仅出现人体图片，而第二目标图像中仅出现车辆图片，则可以将目标人体图片与目标车辆图片进行关联以得到完整的关联图像，以此方式可以通过人体找车辆，或通过车辆找人体。
本实施例所述的方法，其可以通过人脸、人体及车辆之间的预设空间关系，通过车辆找人体、通过人体找车辆，或者通过人脸找人体、通过人体找人脸，或者通过车辆找人脸，通过人脸找人体。在实际应用中，若只具有追踪目标的人脸、人体及车辆中其中一个特征时，也可以获取到追踪目标的多维信息，以此在实现自动关联的前提下，进一步提高本方案的可行性，提高工作效率。
请参见图7，为本发明基于图片的多维信息整合装置的第一实施例的结构示意图，包括：获取模块71、特征提取模块72及特征关联模块73。
其中，获取模块71用于获取待检测图片。特征提取模块72用于检测待检测图片并提取待检测图片中的多个特征信息。特征关联模块73用于从多个特征信息中选中目标特征信息和关联特征信息，并将目标特征信息和关联特征信息关联在一起，以生成一个多维信息，其中，多维信息包括多个关联的特征信息。
本发明所述的基于图片的多维信息整合设备能够实现多个特征信息的自动提取及多个特征信息的自动关联整合，在实际应用中能够减少人力，提高工作效率。
请参见图8，为本发明基于图片的多维信息整合设备的第二实施例的结构示意图。基于图片的多维信息整合设备包括相互连接的存储器82和处理器83。
存储器83用于存储实现上述任意一项的基于图片的多维信息整合方法的程序指令。
处理器83用于执行存储器82存储的程序指令。
其中，处理器83还可以称为CPU(Central Processing Unit，中央处理单元)。处理器83可能是一种集成电路芯片，具有信号的处理能力。处理器83还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)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。处理器73还可以是GPU(GraphicsProcessing Unit，图形处理器)，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上图像运算工作的微处理器。GPU的用途是将计算机系统所需要的显示信息进行转换驱动，并向显示器提供行扫描信号，控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也是“人机对话”的重要设备之一。显卡作为电脑主机里的一个重要组成部分，承担输出显示图形的任务，对于从事专业图形设计的人来说显卡非常重要。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器82可以为内存条、TF卡等，可以存储基于图片的多维信息整合设备中全部信息，包括输入的原始数据、计算机程序、中间运行结果和最终运行结果都保存在存储器中。它根据控制器指定的位置存入和取出信息。有了存储器，基于图片的多维信息整合设备才有记忆功能，才能保证正常工作。基于图片的多维信息整合设备中的存储器按用途存储器可分为主存储器(内存)和辅助存储器(外存)，也有分为外部存储器和内部存储器的分类方法。外存通常是磁性介质或光盘等，能长期保存信息。内存指主板上的存储部件，用来存放当前正在执行的数据和程序，但仅用于暂时存放程序和数据，关闭电源或断电，数据会丢失。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和设备，可以通过其它的方式实现。例如，以上所描述的设备实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取计算机可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，系统服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。
请参阅图9，为本发明计算机可读存储介质的结构示意图。本申请的计算机可读存储介质存储有能够实现上述所有基于图片的多维信息整合方法的程序文件91，其中，该程序文件91可以以软件产品的形式存储在上述计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储设备包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
以上仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于图像的多维信息整合方法，其特征在于，包括：
获取待检测图像；
检测所述待检测图像并提取所述待检测图像中的多个特征信息，所述多个特征信息包括人脸特征信息、人体特征信息和车辆特征信息中的至少两种不同类型的特征信息；
从所述多个特征信息中选中目标特征信息和关联特征信息，并将所述目标特征信息和所述关联特征信息关联在一起，以生成一个多维信息，其中，所述多维信息包括多个关联的特征信息；
基于所述多维信息中的所述目标特征信息从第一数据库进行检索获取第一目标图像；
基于所述多维信息中的所述关联特征信息从第二数据库进行检索获取第二目标图像；
将所述第一目标图像和所述第二目标图像确定为所述待检测图像的检索结果图像；
分别获取所述人脸特征对应的目标人脸图像，所述人体特征对应的目标人体图像和/或所述车辆特征对应的目标车辆图像；
在所述目标人脸图像与所述目标人体图像对应于同一第一目标图像且具有预设空间关系的情况下，将所述检索结果图像中的所述目标人脸图像与所述目标人体图像关联；在所述目标人脸图像与所述目标车辆图像对应于同一第一目标图像且具有预设空间关系的情况下，将所述检索结果图像中的所述目标人脸图像与所述目标车辆图像关联；在所述目标人体图像与所述目标车辆图像对应于同一第一目标图像且具有预设空间关系的情况下，将所述检索结果图像中的所述目标人体图像与所述目标车辆图像关联。
2.根据权利要求1所述的方法，其特征在于，所述待检测图像为单张待检测图像或者多张待检测图像；
所述检测所述待检测图像并提取所述待检测图像中的多个特征信息的步骤，包括：
检测所述单张待检测图像或者所述多张待检测图像，并从所述单张待检测图像或者所述多张待检测图像提取所述多个特征信息。
3.根据权利要求1所述的方法，其特征在于，从所述多个特征信息中选中目标特征信息和关联特征信息，并将所述目标特征信息和所述关联特征信息关联在一起，以生成一个多维信息的步骤，包括：
选中所述待检测图像中质量分数最高的目标人脸所对应的目标人脸特征信息作为目标特征信息，并选中所述目标人脸特征信息对应的目标人体特征信息和/或与所述目标人脸的中心点距离最近的车辆所对应的目标车辆特征信息作为关联特征信息；
将所述目标特征信息和所述关联特征信息关联在一起，以生成所述多维信息，其中，所述多维信息包括所述目标人脸特征信息、所述目标人体特征信息和所述目标车辆特征信息中的至少两种不同类型的特征信息。
4.根据权利要求1所述的方法，其特征在于，从所述多个特征信息中选中目标特征信息和关联特征信息，并将所述目标特征信息和所述关联特征信息关联在一起，以生成一个多维信息的步骤，包括：
接受控制指令，并基于所述控制指令从所述多个特征信息中选中所述目标特征信息，其中，所述目标特征信息为所述人脸特征信息、所述人体特征信息和所述车辆特征信息中的任意之一；
根据选中的所述目标特征信息而挑选匹配所述目标特征信息的所述关联特征信息，其中，所述关联特征信息为所述人脸特征信息、所述人体特征信息和所述车辆特征信息中除所述目标特征信息外的其它两种类型信息中的至少之一；
将所述目标特征信息和所述关联特征信息关联在一起，以生成所述多维信息。
5.根据权利要求3或4所述的方法，其特征在于，当选中的所述目标特征信息为所述人脸特征信息类型的目标人脸特征信息时，根据选中的所述目标特征信息而挑选匹配所述目标特征信息的所述关联特征信息的步骤，包括：
根据选中的所述目标人脸特征信息，自动选中与所述目标人脸特征信息对应的人体特征信息和/或与所述目标人脸特征信息关联人脸的中心点距离最近的车辆所对应的目标车辆特征信息作为所述关联特征信息；或
当选中的所述目标特征信息为所述人体特征信息类型的目标人体特征信息时，根据选中的所述目标特征信息而挑选匹配所述目标特征信息的所述关联特征信息的步骤，包括：
根据选中的所述目标人体特征信息，自动选中与所述目标人体特征信息对应的目标人脸特征信息和/或与所述目标人体特征信息关联人体的中心点距离最近的车辆所对应的目标车辆特征信息作为所述关联特征信息；或
当选中的所述目标特征信息为所述车辆特征信息类型的目标车辆特征信息时，根据选中的所述目标特征信息而挑选匹配所述目标特征信息的所述关联特征信息的步骤，包括：
根据选中的所述目标车辆特征信息，自动选中与所述目标车辆特征信息的中心点距离最近的人脸所对应的目标人脸特征信息和/或与所述目标人脸特征信息对应的目标人体特征信息作为所述关联特征信息。
6.根据权利要求1所述的方法，其特征在于，从所述多个特征信息中选中目标特征信息和关联特征信息，并将所述目标特征信息和所述关联特征信息关联在一起，以生成一个多维信息的步骤，包括：
接收控制指令，并基于所述控制指令从所述多个特征信息中选中所述目标特征信息和所述关联特征信息，其中，选中的所述目标特征信息和选中的所述关联特征信息包括所述人脸特征信息、所述人体特征信息和所述车辆特征信息中的至少两种不同类型的特征信息；
将所述目标特征信息和所述关联特征信息关联在一起，以生成所述多维信息。
7.根据权利要求1所述的方法，其特征在于，所述预设空间关系包括以下至少一种：
所述第一目标图像的图像覆盖范围包含所述第二目标图像的图像覆盖范围；
所述第一目标图像的图像覆盖范围与所述第二目标图像的图像覆盖范围部分重叠；
所述第一目标图像的图像覆盖范围与所述第二目标图像的图像覆盖范围相连接；
其中，所述第一目标图像包括所述目标人脸图像、所述目标人体图像及所述目标车辆图像中的任一一种或多种，所述第二目标图像包括所述目标人脸图像、所述目标人体图像及所述目标车辆图像中的任一一种或多种。
8.一种基于图像的多维信息整合装置，其特征在于，包括：
获取模块，用于获取待检测图像；
特征提取模块，用于检测所述待检测图像并提取所述待检测图像中的多个特征信息，所述多个特征信息包括人脸特征信息、人体特征信息和车辆特征信息中的至少两种不同类型的特征信息；
特征关联模块，用于从所述多个特征信息中选中目标特征信息和关联特征信息，并将所述目标特征信息和所述关联特征信息关联在一起，以生成一个多维信息，其中，所述多维信息包括多个关联的特征信息；基于所述多维信息中的所述目标特征信息从第一数据库进行检索获取第一目标图像；基于所述多维信息中的所述关联特征信息从第二数据库进行检索获取第二目标图像；将所述第一目标图像和所述第二目标图像确定为所述待检测图像的检索结果图像；分别获取所述人脸特征对应的目标人脸图像，所述人体特征对应的目标人体图像和/或所述车辆特征对应的目标车辆图像；在所述目标人脸图像与所述目标人体图像对应于同一第一目标图像且具有预设空间关系的情况下，将所述检索结果图像中的所述目标人脸图像与所述目标人体图像关联；在所述目标人脸图像与所述目标车辆图像对应于同一第一目标图像且具有预设空间关系的情况下，将所述检索结果图像中的所述目标人脸图像与所述目标车辆图像关联；在所述目标人体图像与所述目标车辆图像对应于同一第一目标图像且具有预设空间关系的情况下，将所述检索结果图像中的所述目标人体图像与所述目标车辆图像关联。
9.一种基于图像的多维信息整合设备，其特征在于，包括存储器和处理器，其中，所述存储器存储有程序指令，所述处理器从所述存储器调取所述程序指令以执行如权利要求1-7任意一项所述的基于图像的多维信息整合方法。
10.一种计算机可读存储介质，其特征在于，存储有程序文件，所述程序文件能够被执行以实现如权利要求1-7任意一项所述的基于图像的多维信息整合方法。
CN201911402864.5A 2019-12-30 2019-12-30 基于图片的多维信息整合方法及相关设备 Active CN111177449B (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN201911402864.5A CN111177449B (zh) 2019-12-30 2019-12-30 基于图片的多维信息整合方法及相关设备
SG11202113294VA SG11202113294VA (en) 2019-12-30 2020-07-03 Method for obtaining multi-dimensional information by picture-based integration and related device
KR1020217039230A KR20220002626A (ko) 2019-12-30 2020-07-03 픽쳐 기반의 다차원 정보 통합 방법 및 관련 기기
PCT/CN2020/100268 WO2021135139A1 (zh) 2019-12-30 2020-07-03 基于图片的多维信息整合方法及相关设备
JP2021571358A JP2022534314A (ja) 2019-12-30 2020-07-03 ピクチャに基づいた多次元情報の統合方法及び関連機器
TW109123415A TW202125284A (zh) 2019-12-30 2020-07-10 基於圖片的多維資訊整合方法及相關設備
US17/536,774 US20220084314A1 (en) 2019-12-30 2021-11-29 Method for obtaining multi-dimensional information by picture-based integration and related device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911402864.5A CN111177449B (zh) 2019-12-30 2019-12-30 基于图片的多维信息整合方法及相关设备

Publications (2)

Publication Number Publication Date
CN111177449A CN111177449A (zh) 2020-05-19
CN111177449B true CN111177449B (zh) 2021-11-05

Family

ID=70654218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911402864.5A Active CN111177449B (zh) 2019-12-30 2019-12-30 基于图片的多维信息整合方法及相关设备

Country Status (7)

Country Link
US (1) US20220084314A1 (zh)
JP (1) JP2022534314A (zh)
KR (1) KR20220002626A (zh)
CN (1) CN111177449B (zh)
SG (1) SG11202113294VA (zh)
TW (1) TW202125284A (zh)
WO (1) WO2021135139A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111177449B (zh) * 2019-12-30 2021-11-05 深圳市商汤科技有限公司 基于图片的多维信息整合方法及相关设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1788486A (zh) * 2004-05-17 2006-06-14 精工爱普生株式会社 图像处理方法、图像处理装置和程序
US8265395B1 (en) * 1998-07-13 2012-09-11 Cognex Corporation Method for fast, robust, multi-dimensional pattern recognition
CN103440304A (zh) * 2013-08-22 2013-12-11 宇龙计算机通信科技(深圳)有限公司 一种图片存储方法及存储装置
CN105260412A (zh) * 2015-09-24 2016-01-20 东方网力科技股份有限公司 一种图像存储方法、图像检索方法和装置
CN106534798A (zh) * 2016-12-06 2017-03-22 武汉烽火众智数字技术有限责任公司 一种用于安防监控的多维数据综合应用系统及其方法
CN108228792A (zh) * 2017-12-29 2018-06-29 深圳云天励飞技术有限公司 图片检索方法、电子设备及存储介质
CN108470353A (zh) * 2018-03-01 2018-08-31 腾讯科技（深圳）有限公司 一种目标跟踪方法、装置和存储介质
CN110019891A (zh) * 2017-12-29 2019-07-16 浙江宇视科技有限公司 图像存储方法、图像检索方法及装置
CN110021062A (zh) * 2018-01-08 2019-07-16 佛山市顺德区美的电热电器制造有限公司 一种产品特征的获取方法及终端、存储介质
CN110060252A (zh) * 2019-04-28 2019-07-26 重庆金山医疗器械有限公司 一种图片内目标提示处理方法、装置及内窥镜系统
CN110321845A (zh) * 2019-07-04 2019-10-11 北京奇艺世纪科技有限公司 一种从视频中提取表情包的方法、装置及电子设备
CN110544218A (zh) * 2019-09-03 2019-12-06 腾讯科技（深圳）有限公司 一种图像处理方法、装置及存储介质

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7382277B2 (en) * 2003-02-12 2008-06-03 Edward D. Ioli Trust System for tracking suspicious vehicular activity
JP2006260483A (ja) * 2005-03-18 2006-09-28 Toshiba Corp 顔照合システム及び顔照合方法
JP2007310646A (ja) * 2006-05-18 2007-11-29 Glory Ltd 検索情報管理装置、検索情報管理プログラムおよび検索情報管理方法
JP4862518B2 (ja) * 2006-06-29 2012-01-25 パナソニック株式会社 顔登録装置、顔認証装置および顔登録方法
US8250481B2 (en) * 2008-10-16 2012-08-21 The Curators Of The University Of Missouri Visualizing geographic-area change detected from high-resolution, remotely sensed imagery
CN101854516B (zh) * 2009-04-02 2014-03-05 北京中星微电子有限公司 视频监控系统、视频监控服务器及视频监控方法
JP2013196043A (ja) * 2012-03-15 2013-09-30 Glory Ltd 特定人物監視システム
US20170236009A1 (en) * 2014-04-29 2017-08-17 Vivint, Inc. Automated camera stitching
CN107545214B (zh) * 2016-06-28 2021-07-27 斑马智行网络(香港)有限公司 图像序列号确定方法、特征的设置方法、装置及智能设备
CN110580482B (zh) * 2017-11-30 2022-04-08 腾讯科技（深圳）有限公司 图像分类模型训练、图像分类、个性化推荐方法及装置
US10417502B2 (en) * 2017-12-15 2019-09-17 Accenture Global Solutions Limited Capturing series of events in monitoring systems
CN109992685A (zh) * 2017-12-29 2019-07-09 杭州海康威视系统技术有限公司 一种检索图片的方法及装置
CN110619256A (zh) * 2018-06-19 2019-12-27 杭州海康威视数字技术股份有限公司 道路监控检测方法及装置
CN110008379A (zh) * 2019-03-19 2019-07-12 北京旷视科技有限公司 监控图像处理方法及装置
CN110378189A (zh) * 2019-04-22 2019-10-25 北京旷视科技有限公司 一种监控布置方法、装置、终端及存储介质
CN110457998B (zh) * 2019-06-27 2020-07-28 北京旷视科技有限公司 影像数据关联方法和设备、数据处理设备及介质
CN111177449B (zh) * 2019-12-30 2021-11-05 深圳市商汤科技有限公司 基于图片的多维信息整合方法及相关设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8265395B1 (en) * 1998-07-13 2012-09-11 Cognex Corporation Method for fast, robust, multi-dimensional pattern recognition
CN1788486A (zh) * 2004-05-17 2006-06-14 精工爱普生株式会社 图像处理方法、图像处理装置和程序
CN103440304A (zh) * 2013-08-22 2013-12-11 宇龙计算机通信科技(深圳)有限公司 一种图片存储方法及存储装置
CN105260412A (zh) * 2015-09-24 2016-01-20 东方网力科技股份有限公司 一种图像存储方法、图像检索方法和装置
CN106534798A (zh) * 2016-12-06 2017-03-22 武汉烽火众智数字技术有限责任公司 一种用于安防监控的多维数据综合应用系统及其方法
CN108228792A (zh) * 2017-12-29 2018-06-29 深圳云天励飞技术有限公司 图片检索方法、电子设备及存储介质
CN110019891A (zh) * 2017-12-29 2019-07-16 浙江宇视科技有限公司 图像存储方法、图像检索方法及装置
CN110021062A (zh) * 2018-01-08 2019-07-16 佛山市顺德区美的电热电器制造有限公司 一种产品特征的获取方法及终端、存储介质
CN108470353A (zh) * 2018-03-01 2018-08-31 腾讯科技（深圳）有限公司 一种目标跟踪方法、装置和存储介质
CN110060252A (zh) * 2019-04-28 2019-07-26 重庆金山医疗器械有限公司 一种图片内目标提示处理方法、装置及内窥镜系统
CN110321845A (zh) * 2019-07-04 2019-10-11 北京奇艺世纪科技有限公司 一种从视频中提取表情包的方法、装置及电子设备
CN110544218A (zh) * 2019-09-03 2019-12-06 腾讯科技（深圳）有限公司 一种图像处理方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
古遗址三维虚拟展示技术研究;刘军;《渭南师范学院学报》;20130215;第69-76页 *

Also Published As

Publication number Publication date
US20220084314A1 (en) 2022-03-17
TW202125284A (zh) 2021-07-01
JP2022534314A (ja) 2022-07-28
CN111177449A (zh) 2020-05-19
WO2021135139A1 (zh) 2021-07-08
KR20220002626A (ko) 2022-01-06
SG11202113294VA (en) 2021-12-30

Similar Documents

Publication Publication Date Title
US8248474B2 (en) Surveillance system and surveilling method
CN110012209B (zh) 全景图像生成方法、装置、存储介质及电子设备
US9373034B2 (en) Apparatus and method for tracking object
US9100630B2 (en) Object detection metadata
CN107710280B (zh) 对象可视化方法
CN111046725B (zh) 一种基于监控视频的人脸识别和点云融合的空间定位方法
US20220301317A1 (en) Method and device for constructing object motion trajectory, and computer storage medium
US9323989B2 (en) Tracking device
CN113673584A (zh) 一种图像检测方法及相关装置
CN109002776B (zh) 人脸识别方法、系统、计算机设备和计算机可读存储介质
CN110717452B (zh) 图像识别方法、装置、终端及计算机可读存储介质
CN110674729A (zh) 基于热能估算的人数识别方法、计算机装置及计算机可读存储介质
CN111652111A (zh) 一种目标检测方法及相关装置
CN111177449B (zh) 基于图片的多维信息整合方法及相关设备
CN113228105A (zh) 一种图像处理方法、装置和电子设备
US9392146B2 (en) Apparatus and method for extracting object
CN107770487B (zh) 一种特征提取并优选的方法、系统及终端设备
CN112183431A (zh) 实时行人数量统计方法、装置、相机和服务器
US10282633B2 (en) Cross-asset media analysis and processing
CN114299269A (zh) 显示方法、显示设备、显示系统、电子设备及存储介质
US20160196473A1 (en) Video Extraction Method and Device
CN114387670A (zh) 基于时空特征融合的步态识别方法、装置及存储介质
Rahman et al. A hybrid face detection approach for real-time depolyment on mobile devices
CN112329729A (zh) 小目标船只检测方法、装置及电子设备
CN111753766A (zh) 一种图像处理方法、装置、设备及介质

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40021916

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant