CN111209776A - 同行人识别方法、装置、处理服务器、存储介质及系统 - Google Patents

同行人识别方法、装置、处理服务器、存储介质及系统 Download PDF

Info

Publication number
CN111209776A
CN111209776A CN201811392680.0A CN201811392680A CN111209776A CN 111209776 A CN111209776 A CN 111209776A CN 201811392680 A CN201811392680 A CN 201811392680A CN 111209776 A CN111209776 A CN 111209776A
Authority
CN
China
Prior art keywords
pedestrian
image
information
images
same
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
CN201811392680.0A
Other languages
English (en)
Inventor
胡剑锋
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.)
Hangzhou Hikvision System Technology Co Ltd
Original Assignee
Hangzhou Hikvision System 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 Hangzhou Hikvision System Technology Co Ltd filed Critical Hangzhou Hikvision System Technology Co Ltd
Priority to CN201811392680.0A priority Critical patent/CN111209776A/zh
Publication of CN111209776A publication Critical patent/CN111209776A/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
    • G06V40/10—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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G06V40/168—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
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了一种同行人识别方法、装置、处理服务器、存储介质及系统，其中，同行人识别方法包括：获取图像采集设备采集的多个行人图像及各行人图像的时空信息，时空信息包括图像采集设备采集行人图像的时间信息和位置信息；从多个行人图像中，识别包含指定行人目标的多个第一行人图像；根据各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间；针对各第一行人图像，从多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像；对各第二行人图像进行行人目标聚类，确定指定行人目标的同行人。通过本方案，可以实现准确识别同行人。

Description

同行人识别方法、装置、处理服务器、存储介质及系统
技术领域
本发明涉及安防技术领域，特别是涉及一种同行人识别方法、装置、处理服务器、存储介质及系统。
背景技术
同行人识别是安防领域中的一项关键技术，特别是在大流量人群的场景下，实现快速识别与指定行人目标具有同行关系的行人目标尤为重要。一方面，可以理清行人目标之间的社会关系，发现潜在危险并及时做好预防；另一方面，在危险发生时，可以获取到行人信息、以及危险发生的时间、地点等信息，为侦查提供重要线索。
相应的同行人识别方法中，通过获取各行人目标所携带手机中的WI-FI(Wireless-Fidelity，无线保真)信息或者GPS(Global Positioning System，全球定位系统)信息，对预设时间内、在同一区域与指定行人目标同时出现的行人目标的出现次数进行统计分析，从而识别出与指定行人目标具有同行关系的行人目标。
但是，由于并不能保证行人目标随时携带手机，并且WI-FI信息、GPS信息等易因受到建筑物遮挡，而获取不到，这样，就会不可避免地发生同行人漏检的情形，导致无法准确识别同行人。
发明内容
本发明实施例的目的在于提供一种同行人识别方法、装置、处理服务器、存储介质及系统，以实现准确识别同行人。具体技术方案如下：
第一方面，本发明实施例提供了一种同行人识别方法，所述方法包括：
获取图像采集设备采集的多个行人图像、以及各行人图像的时空信息，所述时空信息包括图像采集设备采集行人图像的时间信息和位置信息；
从所述多个行人图像中，识别包含指定行人目标的多个第一行人图像；
根据各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间；
针对各第一行人图像，从所述多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像；
对各第二行人图像进行行人目标聚类，确定所述指定行人目标的同行人。
可选的，所述从所述多个行人图像中，识别包含指定行人目标的多个第一行人图像，包括：
获取包含指定行人目标的预设对比图像；
通过预设的以图搜图方式，分别比对各行人图像与所述预设对比图像，确定各行人图像中行人目标与所述指定行人目标的相似度大于第一预设阈值的行人图像为第一行人图像。
可选的，在所述获取各行人图像的时空信息之前，所述方法还包括：
获取采集各行人图像的图像采集设备的设备信息、以及采集各行人图像的时间信息；
确定采集各行人图像的时间信息为各行人图像的时间信息、采集各行人图像的图像采集设备的设备信息为各行人图像的位置信息；
在数据库中建立各行人图像的时空信息记录集合，所述时空信息记录集合中每一条记录对应一个行人图像的时空信息；
所述获取各行人图像的时空信息，包括：
从所述时空信息记录集合中，获取各行人图像的时空信息。
可选的，在所述根据各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间之前，所述方法还包括：
从所述时空信息记录集合中，提取各第一行人图像的时空信息，得到各第一行人图像的时空关系集合；
根据各第一行人图像的位置信息，对所述时空关系集合进行分类，得到不同位置信息对应的分类子集合；
所述根据各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间，包括：
针对各分类子集合，利用该分类子集合中各第一行人图像的时间信息，分别对预设同行时间间隔进行求和运算及求差运算，得到该分类子集合中各第一行人图像对应的待合并时间区间；
针对各分类子集合，判断该分类子集合中各第一行人图像对应的待合并时间区间之间是否存在时间交叉；
若存在时间交叉，则将存在时间交叉的待合并时间区间合并，得到同行时间区间；
若不存在时间交叉，则将待合并时间区间确定为同行时间区间。
可选的，所述针对各第一行人图像，从所述多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像，包括：
根据各分类子集合中各第一行人图像对应的同行时间区间及位置信息，从所述时空信息记录集合中获取满足时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的时空信息；
从获取的时空信息中删除各第一行人图像的时空信息，得到样本集合；
获取所述样本集合中各时空信息对应的行人图像作为第二行人图像。
可选的，各分类子集合以及样本集合中的时空信息按照时间信息升序排序；各分类子集合以及样本集合中还包括针对各时空信息、预先分配的记录标识；
在所述对各第二行人图像进行行人目标聚类，确定所述指定行人目标的同行人之后，所述方法还包括：
根据所述同一聚类结果中的各第二行人图像的位置信息，从与该第二行人图像的位置信息相同的分类子集合中，查找包含该第二行人图像的时间信息的同行时间区间所对应的记录标识，并将查找到的记录标识中对应时间信息最早的记录标识与该第二行人图像的时空信息及记录标识组装为所述指定行人目标的同行人结果对；
输出所述指定行人目标的各同行人结果对。
可选的，所述对各第二行人图像进行行人目标聚类，确定所述指定行人目标的同行人，包括：
对各第二行人图像进行两两比对，判断该两个第二行人图像中行人目标的相似度是否大于第二预设阈值；
若大于，则将该两个第二行人图像归并为同一聚类结果；
判断同一聚类结果中，第二行人图像的数量是否大于第三预设阈值；
若大于，则确定该聚类结果的第二行人图像中的行人目标为所述指定行人目标的同行人。
第二方面，本发明实施例提供了一种同行人识别装置，所述装置包括：
第一获取模块，用于获取图像采集设备采集的多个行人图像、以及各行人图像的时空信息，所述时空信息包括图像采集设备采集行人图像的时间信息和位置信息；
识别模块，用于从所述多个行人图像中，识别包含指定行人目标的多个第一行人图像；
第一确定模块，用于根据各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间；
第二获取模块，用于针对各第一行人图像，从所述多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像；
聚类模块，用于对各第二行人图像进行行人目标聚类，确定所述指定行人目标的同行人。
可选的，所述识别模块，具体用于：
获取包含指定行人目标的预设对比图像；
通过预设的以图搜图方式，分别比对各行人图像与所述预设对比图像，确定各行人图像中行人目标与所述指定行人目标的相似度大于第一预设阈值的行人图像为第一行人图像。
可选的，所述装置还包括：
第三获取模块，用于获取采集各行人图像的图像采集设备的设备信息、以及采集各行人图像的时间信息；
第二确定模块，用于确定采集各行人图像的时间信息为各行人图像的时间信息、采集各行人图像的图像采集设备的设备信息为各行人图像的位置信息；
建立模块，用于在数据库中建立各行人图像的时空信息记录集合，所述时空信息记录集合中每一条记录对应一个行人图像的时空信息；
所述第一获取模块，具体用于：
从所述时空信息记录集合中，获取各行人图像的时空信息。
可选的，所述装置还包括：
提取模块，用于从所述时空信息记录集合中，提取各第一行人图像的时空信息，得到各第一行人图像的时空关系集合；
分类模块，用于根据各第一行人图像的位置信息，对所述时空关系集合进行分类，得到不同位置信息对应的分类子集合；
所述第一确定模块，具体用于：
针对各分类子集合，利用该分类子集合中各第一行人图像的时间信息，分别对预设同行时间间隔进行求和运算及求差运算，得到该分类子集合中各第一行人图像对应的待合并时间区间；
针对各分类子集合，判断该分类子集合中各第一行人图像对应的待合并时间区间之间是否存在时间交叉；
若存在时间交叉，则将存在时间交叉的待合并时间区间合并，得到同行时间区间；
若不存在时间交叉，则将待合并时间区间确定为同行时间区间。
可选的，所述第二获取模块，具体用于：
根据各分类子集合中各第一行人图像对应的同行时间区间及位置信息，从所述时空信息记录集合中获取满足时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的时空信息；
从获取的时空信息中删除各第一行人图像的时空信息，得到样本集合；
获取所述样本集合中各时空信息对应的行人图像作为第二行人图像。
可选的，各分类子集合以及样本集合中的时空信息按照时间信息升序排序；各分类子集合以及样本集合中还包括针对各时空信息、预先分配的记录标识；
所述装置还包括：
查找模块，用于根据所述同一聚类结果中的各第二行人图像的位置信息，从与该第二行人图像的位置信息相同的分类子集合中，查找包含该第二行人图像的时间信息的同行时间区间所对应的记录标识，并将查找到的记录标识中对应时间信息最早的记录标识与该第二行人图像的时空信息及记录标识组装为所述指定行人目标的同行人结果对；
输出模块，用于输出所述指定行人目标的各同行人结果对。
可选的，所述聚类模块，具体用于：
对各第二行人图像进行两两比对，判断该两个第二行人图像中行人目标的相似度是否大于第二预设阈值；
若大于，则将该两个第二行人图像归并为同一聚类结果；
判断同一聚类结果中，第二行人图像的数量是否大于第三预设阈值；
若大于，则确定该聚类结果的第二行人图像中的行人目标为所述指定行人目标的同行人。
第三方面，本发明实施例提供了一种处理服务器，包括处理器和存储器，其中，
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程序时，实现本发明实施例第一方面所述的任一方法步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质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发明实施例第一方面所述的任一方法步骤。
第五方面，本发明实施例提供了一种同行人识别系统，所述系统包括多个图像采集设备及处理服务器；
所述图像采集设备，用于采集行人图像；
所述处理服务器，包括处理器和存储器，其中，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程序时，实现本发明实施例第一方面所述的任一方法步骤。
本发明实施例提供的一种同行人识别方法、装置、处理服务器、存储介质及系统，通过从获取的多个行人图像中，识别包含指定行人目标的多个第一行人图像，根据获取到的各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间，针对各第一行人图像，从多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像，对各第二行人图像进行行人目标聚类，确定指定行人目标的同行人。行人图像经过图像采集设备采集得到，行人目标运动至图像采集设备的采集范围内即可采集到行人图像，而图像采集设备对行人目标的图像采集不受地理因素影响，通过合理布置图像采集设备，可以无死角的采集到行人目标；并且通过时空信息，反映各行人目标在场景中出现的位置和时间，通过对时间信息属于第一行人图像对应的同行时间区间、且位置信息与第一行人图像的位置信息相同的第二行人图像进行行人目标聚类，可以准确识别出指定行人目标的同行人。
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为本发明一实施例的同行人识别方法的流程示意图；
图2为本发明另一实施例的同行人识别方法的流程示意图；
图3为本发明一实施例的同行人识别装置的结构示意图；
图4为本发明另一实施例的同行人识别装置的结构示意图；
图5为本发明实施例的处理服务器的结构示意图；
图6为本发明实施例的同行人识别系统的结构示意图。
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，都属于本发明保护的范围。
为了实现准确识别同行人，本发明实施例提供了一种同行人识别方法、装置、处理服务器、存储介质及系统。
下面，首先对本发明实施例所提供的同行人识别方法进行介绍。
本发明实施例所提供的同行人识别方法的执行主体可以为具有核心处理能力的处理服务器等电子设备，实现本发明实施例所提供的同行人识别方法的方式可以为设置于执行主体中的软件、硬件电路和逻辑电路中的至少一种。
如图1所示，本发明实施例所提供的一种同行人识别方法，可以包括如下步骤：
S101，获取图像采集设备采集的多个行人图像、以及各行人图像的时空信息，其中，时空信息包括图像采集设备采集行人图像的时间信息和位置信息。
基于前端图像采集设备的应用，可以采集到不同时间信息和位置信息的行人图像，图像采集设备可以为传统的摄像机、照相机，也可以为行人抓拍设备。对于行人抓拍设备，一旦有行人经过该行人抓拍设备，该行人抓拍设备就会自动识别行人目标，对行人进行抓拍，并将抓拍到的行人图像上传至处理服务器。图像采集设备可以安装在人员流动较大的地区，在安装图像采集设备时，需要保证角度、高度和光照等条件，以满足对行人进行拍摄的要求。
行人图像的时空信息可以为图像采集设备采集行人图像的时间信息和位置信息，具体的，图像采集设备采集行人图像的时间信息即为图像采集设备对行人目标进行拍摄时的时间信息；图像采集设备采集行人图像的位置信息可以为行人目标在行人图像中的位置信息，也可以为采集该行人图像的图像采集设备的设备信息。由于同行人之间存在先后经过图像采集设备的情况，两个行人之间的距离并不适于作为衡量是否为同行人的标准，因此，行人图像的位置信息往往不采用行人目标在行人图像中的位置，行人图像的位置信息具体可以为采集该行人图像的图像采集设备的设备信息。其中，图像采集设备的设备信息可以包括图像采集设备的标识信息(例如图像采集设备的名称、编号等)，还可以包括图像采集设备所处的地理位置信息(例如图像采集设备安装在哪个入口等)。
处理服务器在获取到行人图像后，可以对各行人图像进行建模分析，通过建模分析获取到各行人图像的时空信息，将各行人图像的时空信息存入数据库中，具体的存储方式可以为集合的存储方式，也可以为传统的分散存储方式。
S102，从多个行人图像中，识别包含指定行人目标的多个第一行人图像。
在识别同行人时，是基于指定行人目标进行识别，识别该指定行人目标的同行人，因此，需要从获取的多个行人图像中识别包含指定行人目标的第一行人图像，由于指定行人目标一般处于运动状态，因此包含指定行人目标的第一行人图像往往为多个，为了提高同行人识别的准确性，图像采集设备还可以是每间隔一段时间采集一次行人图像。第一行人图像的识别方式，可以是以图搜图的特征匹配方式，也可以是身份信息匹配方式。
可选的，S102具体可以为：
获取包含指定行人目标的预设对比图像；
通过预设的以图搜图方式，分别比对各行人图像与预设对比图像，确定各行人图像中行人目标与指定行人目标的相似度大于第一预设阈值的行人图像为第一行人图像。
预设对比图像为预先获取的包含有指定行人目标的图像，该预设对比图像中具有完整的指定行人目标的特征。以图搜图方式，就是将各行人图像与预设对比图像进行逐像素的特征比对，尤其是比对行人区域的像素特征，具体的比对过程可以是利用深度卷积神经网络实现，通过比对可以得到行人图像中行人目标与指定行人目标的相似度，相似度越大，则说明该行人图像中行人目标为指定行人目标的可能性就越大，设定第一预设阈值X1为最小能识别出指定行人目标的阈值，因此，相似度大于第一预设阈值时，可以确定该行人图像为第一行人图像。
S103，根据各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间。
由于同行人不仅仅是同一时刻出现，也有可能在一定时间间隔内先后出现，预设同行时间间隔即为同行的两个行人先后出现的最大间隔，根据第一行人图像的时间信息及预设同行时间间隔，即可得到第一行人图像对应的同行时间区间，例如，若第一行人图像的时间信息为7:59:55，预设同行时间间隔为5秒，则该第一行人图像对应的同行时间区间为7:59:50～8:00:00。由于包含有指定行人目标的第一行人图像为多个，则所确定的同行时间区间也为多个，即每个第一行人图像对应于一个同行时间区间。
对于同一位置信息的第一行人图像对应的同行时间区间之间可能存在时间交叉，为了防止同行的行人目标出现的时间正好属于交叉的时间范围内，而被识别为两个不同的行人目标，因此，通常可以对存在时间交叉的同行时间区间进行合并处理。
S104，针对各第一行人图像，从多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像。
对于与指定行人目标具有同行关系的行人目标，在同行时间区间内，采集到的对应两个行人图像一定位于同一位置，因此，针对每一个第一行人图像，都需要从多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像。例如，某一第一行人图像的同行时间区间为7:59:50～8:00:00，位置信息为图像采集设备2，则可以从多个行人图像中，获取时间信息属于7:59:50～8:00:00、且位置信息为图像采集设备2的第二行人图像，第二行人图像中可能包括第一行人图像，在进行同行人识别时，可以从第二行人图像中剔除第一行人图像，再进行识别，也可以不剔除第一行人图像，直接对第二行人图像进行识别，由于已经知道指定行人目标的特征，因此直接对爹行人图像进行识别时，可以直接识别出其中的指定行人目标。
S105，对各第二行人图像进行行人目标聚类，确定指定行人目标的同行人。
在识别第二行人图像中的行人目标是否为指定行人目标的同行人时，反复出现同一行人目标时间信息落在同行时间区间内且位置信息相同时，才可以确定第二行人图像中的行人目标为指定行人目标的同行人，因此，需要对各第二行人图像进行行人目标聚类，对于多次出现时间信息落在同行时间区间且位置信息相同的同一行人目标对应的第二行人图像归并到同一聚类结果中，归并到同一聚类结果中的第二行人图像的行人目标即为指定行人目标的同行人。
可选的，S105具体可以为：
对各第二行人图像进行两两比对，判断该两个第二行人图像中行人目标的相似度是否大于第二预设阈值；
若大于，则将该两个第二行人图像归并为同一聚类结果；
判断同一聚类结果中，第二行人图像的数量是否大于第三预设阈值；
若大于，则确定该聚类结果的第二行人图像中的行人目标为指定行人目标的同行人。
对各第二行人图像进行行人目标聚类，可以是对各第二行人图像进行两两比对，如果两个行人图像中行人目标的相似度大于第二预设阈值，则认为这两个行人图像中的行人目标为同一行人目标，也就是同一行人目标至少两次出现在指定行人目标附近，则可以将该两个第二行人图像归并到同一聚类结果。如果同一聚类结果中第二行人图像的数量超过了第三预设阈值，则说明同一行人目标多次出现在指定行人目标附近，也就是说，该行人目标为指定行人目标的同行人的可能性非常大，因此，可以将这一行人目标确定为指定行人目标的同行人，这样，得到的同行人的识别结果更为准确。
应用本实施例，通过从获取的多个行人图像中，识别包含指定行人目标的多个第一行人图像，根据获取到的各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间，针对各第一行人图像，从多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像，对各第二行人图像进行行人目标聚类，确定指定行人目标的同行人。行人图像经过图像采集设备采集得到，行人目标运动至图像采集设备的采集范围内即可采集到行人图像，而图像采集设备对行人目标的图像采集不受地理因素影响，通过合理布置图像采集设备，可以无死角的采集到行人目标；并且通过时空信息，反映各行人目标在场景中出现的位置和时间，通过对时间信息属于第一行人图像对应的同行时间区间、且位置信息与第一行人图像的位置信息相同的第二行人图像进行行人目标聚类，可以准确识别出指定行人目标的同行人。
基于图1所示实施例，本发明实施例还提供了一种同行人识别方法，如图2所示，该同行人识别方法可以包括如下步骤：
S201，获取图像采集设备采集的多个行人图像。
S202，获取采集各行人图像的图像采集设备的设备信息、以及采集各行人图像的时间信息。
采集各行人图像的图像采集设备的设备信息以及采集各行人图像的时间信息往往携带在各行人图像中，当然也可以是图像采集设备在采集行人图像时记录下来的。
S203，确定采集各行人图像的时间信息为各行人图像的时间信息、采集各行人图像的图像采集设备的设备信息为各行人图像的位置信息。
S204，在数据库中建立各行人图像的时空信息记录集合，其中，时空信息记录集合中每一条记录对应一个行人图像的时空信息。
由于每个行人图像都对应有该行人图像被图像采集设备采集到的时间信息和位置信息，为了便于分析，在获取到图像采集设备采集的多个行人图像之后，处理服务器可以对各行人图像进行建模分析，提取各行人图像的时空信息，并建立相应的时空信息记录集合，存入数据库中，数据库可以为处理服务器中固化的数据库，也可以为独立于处理服务器的数据库。时空信息记录集合可以如表1所示的一天内(0:00-24:00)几个时刻点获取到的9张行人图像的时空信息。
表1时空信息记录集合
Figure BDA0001874408120000131
数据库中记录时空信息记录集合时，可以按照时间信息升序排序记录，也可以按照时间信息降序排序记录，还可以杂乱排序记录。而由于行人图像的采集是按照时间信息升序采集的，每采集一个行人图像就可以记录该行人图像的时空信息，因此，时空信息记录集合中各行人图像的时空信息是按照时间信息升序排序记录的。
S205，从时空信息记录集合中，获取各行人图像的时空信息。
S206，从多个行人图像中，识别包含指定行人目标的多个第一行人图像。
S207，从时空信息记录集合中，提取各第一行人图像的时空信息，得到各第一行人图像的时空关系集合。
若令CT为一天内以秒为单位的行人图像的时间信息集合、CP为行人图像的位置信息集合，且S＝{(CTi，CPj)∈CT×CP|CTiSCPj}为关于时间信息与位置信息的二元关系，如果针对表1所示的时空信息记录集合，从行人图像中识别出行人图像1、行人图像3、行人图像5、行人图像8以及行人图像9为包含有指定行人目标的第一行人图像，则可以得到各第一行人图像的时空关系集合为:
S1＝{{7:59:55,C1},{8:00:04,C1},{8:00:08,C2},{12:00:00,C1},{15:00:00,C2}}。
S208，根据各第一行人图像的位置信息，对时空关系集合进行分类，得到不同位置信息对应的分类子集合。
上述时空关系集合中第一行人图像的位置信息包括C1和C2，根据各第一行人图像的位置信息对S1进行分类，可以得到C1对应的分类子集合为SC1＝{{7:59:55,C1},{8:00:04,C1},{12:00:00,C1}}，如表2所示。
表2分类子集合SC1
Figure BDA0001874408120000141
以及C2对应的分类子集合为SC1＝{{8:00:08,C2},{15:00:00,C2}}，如表3所示。
表3分类子集合SC2
Figure BDA0001874408120000142
S209，针对各分类子集合，利用该分类子集合中各第一行人图像的时间信息，分别对预设同行时间间隔进行求和运算及求差运算，得到该分类子集合中各第一行人图像对应的待合并时间区间。
S210，针对各分类子集合，判断该分类子集合中各第一行人图像对应的待合并时间区间之间是否存在时间交叉，若存在时间交叉，则执行S211，否则执行S212。
S211，将存在时间交叉的待合并时间区间合并，得到同行时间区间。
S212，将待合并时间区间确定为同行时间区间。
令SC1中各第一行人图像对应的记录以Ri表示，获取Ri的时间信息Ti，则Ri的同行时间区间为[Ti-t，Ti+t]，t为预设时间间隔。获取记录Ri+1，并判断Ri与Ri+1之间是否存在时间交叉，即判断是否满足Ti+t≥Ti+1-t。若存在时间交叉，则合并待合并时间区间，得到同行时间区间[Ti-t，Ti+1+t]；若不存在时间交叉，则将待合并时间区间[Ti-t，Ti+t]确定为同行时间区间。同理，可以对SC2进行合并处理。例如，令预设时间间隔t＝5秒，则依据表1的记录可以获得到：
S2＝{{[7:59:50,8:00:09],C1},{[11:59:55,12:00:05],C1},
{[8:00:03,8:00:13],C2},{[14:59:55,15:00:05],C2}}
即如表4所示，可得到两个分类子集合组成的集合S2。
表4集合S2
Figure BDA0001874408120000151
S213，根据各分类子集合中各第一行人图像对应的同行时间区间及位置信息，从时空信息记录集合中获取满足时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的时空信息。
S214，从获取的时空信息中删除各第一行人图像的时空信息，得到样本集合。
根据S2中所确定的同行时间区间以及位置信息，在时空信息记录集合S1中获取满足时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的时空信息，并从获取的时空信息中删除各第一行人图像的时空信息，得到样本集合S3，基于表1所示的S1，得到如表5所示的样本集合S3。
表5样本集合S3
行人图像 2 4
时间信息 8:00:00 8:00:06
位置信息 图像采集设备C1 图像采集设备C2
S215，获取样本集合中各时空信息对应的行人图像作为第二行人图像。
S216，对各第二行人图像进行行人目标聚类，确定指定行人目标的同行人。
对于获取到的样本集合S3，获取S3中各时空信息对应的行人图像，令第二预设阈值为X2，以表5为例，样本集合S3中只包含两个第二行人图像对应的信息，该两个第二行人图像比对后行人目标的相似度超过第二预设阈值，则将该两个第二行人图像归并到同一个聚类结果中，可得到聚类结果如表6所示。
表6聚类结果
Figure BDA0001874408120000161
S217，根据同一聚类结果中的各第二行人图像的位置信息，从与该第二行人图像的位置信息相同的分类子集合中，查找包含该第二行人图像的时间信息的同行时间区间所对应的记录标识，并将查找到的记录标识中对应时间信息最早的记录标识与该第二行人图像的时空信息及记录标识组装为所述指定行人目标的同行人结果对。
各分类子集合以及样本集合中的时空信息可以按照时间信息升序排序；各分类子集合以及样本集合中还可以包括针对各时空信息、预先分配的记录标识。
S218，输出指定行人目标的各同行人结果对。
在识别指定行人目标的同行人后，可以以图像的形式将同行人输出给用户，除此之外，还期望将同行人的详情输出给用户。在如表6所示的聚类组1中，行人图像2分配的记录标识为Key2(与行人图像的编号相对应)，对应的位置信息为图像采集设备C1，则需在表2所示的分类子集合SC1中进行匹配，且与行人图像2同行的同行时间区间为[7:59:50,8:00:09]，实际可以匹配到两个第一行人图像(记录标识分别为Key1和Key3)，而匹配顺序默认按照SC1中时间信息的升序排序，则最终与Key2同行的记录判定为Key1，组装成一个结果对，结果对如表7所示。
表7结果对
Figure BDA0001874408120000162
应用本实施例，通过从获取的多个行人图像中，识别包含指定行人目标的多个第一行人图像，根据获取到的各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间，针对各第一行人图像，从多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像，对各第二行人图像进行行人目标聚类，确定指定行人目标的同行人。行人图像经过图像采集设备采集得到，行人目标运动至图像采集设备的采集范围内即可采集到行人图像，而图像采集设备对行人目标的图像采集不受地理因素影响，通过合理布置图像采集设备，可以无死角的采集到行人目标；并且通过时空信息，反映各行人目标在场景中出现的位置和时间，通过对时间信息属于第一行人图像对应的同行时间区间、且位置信息与第一行人图像的位置信息相同的第二行人图像进行行人目标聚类，可以准确识别出指定行人目标的同行人。并且，通过时空信息集合提高了同行人识别的效率；通过对第二行人图像的聚类，可将不同同行人分组聚合并匹配有效结果进行输出。
相应于上述方法实施例，本发明实施例提供了一种同行人识别装置，如图3所示，该同行人识别装置可以包括：
第一获取模块310，用于获取图像采集设备采集的多个行人图像、以及各行人图像的时空信息，所述时空信息包括图像采集设备采集行人图像的时间信息和位置信息；
识别模块320，用于从所述多个行人图像中，识别包含指定行人目标的多个第一行人图像；
第一确定模块330，用于根据各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间；
第二获取模块340，用于针对各第一行人图像，从所述多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像；
聚类模块350，用于对各第二行人图像进行行人目标聚类，确定所述指定行人目标的同行人。
可选的，所述识别模块320，具体可以用于：
获取包含指定行人目标的预设对比图像；
通过预设的以图搜图方式，分别比对各行人图像与所述预设对比图像，确定各行人图像中行人目标与所述指定行人目标的相似度大于第一预设阈值的行人图像为第一行人图像。
可选的，所述聚类模块350，具体可以用于：
对各第二行人图像进行两两比对，判断该两个第二行人图像中行人目标的相似度是否大于第二预设阈值；
若大于，则将该两个第二行人图像归并为同一聚类结果；
判断同一聚类结果中，第二行人图像的数量是否大于第三预设阈值；
若大于，则确定该聚类结果的第二行人图像中的行人目标为所述指定行人目标的同行人。
应用本实施例，通过从获取的多个行人图像中，识别包含指定行人目标的多个第一行人图像，根据获取到的各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间，针对各第一行人图像，从多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像，对各第二行人图像进行行人目标聚类，确定指定行人目标的同行人。行人图像经过图像采集设备采集得到，行人目标运动至图像采集设备的采集范围内即可采集到行人图像，而图像采集设备对行人目标的图像采集不受地理因素影响，通过合理布置图像采集设备，可以无死角的采集到行人目标；并且通过时空信息，反映各行人目标在场景中出现的位置和时间，通过对时间信息属于第一行人图像对应的同行时间区间、且位置信息与第一行人图像的位置信息相同的第二行人图像进行行人目标聚类，可以准确识别出指定行人目标的同行人。
基于图3所示实施例，本发明实施例还提供了一种同行人识别装置，如图4所示，该同行人识别装置可以包括：
第一获取模块410，用于获取图像采集设备采集的多个行人图像；
第三获取模块420，用于获取采集各行人图像的图像采集设备的设备信息、以及采集各行人图像的时间信息；
第二确定模块430，用于确定采集各行人图像的时间信息为各行人图像的时间信息、采集各行人图像的图像采集设备的设备信息为各行人图像的位置信息；
建立模块440，用于在数据库中建立各行人图像的时空信息记录集合，所述时空信息记录集合中每一条记录对应一个行人图像的时空信息；
可选的，所述第一获取模块410，具体可以用于从所述时空信息记录集合中，获取各行人图像的时空信息；
识别模块450，用于从所述多个行人图像中，识别包含指定行人目标的多个第一行人图像；
提取模块460，用于从所述时空信息记录集合中，提取各第一行人图像的时空信息，得到各第一行人图像的时空关系集合；
分类模块470，用于根据各第一行人图像的位置信息，对所述时空关系集合进行分类，得到不同位置信息对应的分类子集合；
第一确定模块480，用于针对各分类子集合，利用该分类子集合中各第一行人图像的时间信息，分别对预设同行时间间隔进行求和运算及求差运算，得到该分类子集合中各第一行人图像对应的待合并时间区间；针对各分类子集合，判断该分类子集合中各第一行人图像对应的待合并时间区间之间是否存在时间交叉；若存在时间交叉，则将存在时间交叉的待合并时间区间合并，得到同行时间区间；若不存在时间交叉，则将待合并时间区间确定为同行时间区间；
第二获取模块490，用于根据各分类子集合中各第一行人图像对应的同行时间区间及位置信息，从所述时空信息记录集合中获取满足时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的时空信息；从获取的时空信息中删除各第一行人图像的时空信息，得到样本集合；获取所述样本集合中各时空信息对应的行人图像作为第二行人图像；各分类子集合以及样本集合中的时空信息可以按照时间信息升序排序；各分类子集合以及样本集合中还可以包括针对各时空信息、预先分配的记录标识；
聚类模块4110，用于对各第二行人图像进行行人目标聚类，确定所述指定行人目标的同行人；
查找模块4120，用于根据所述同一聚类结果中的各第二行人图像的位置信息，从与该第二行人图像的位置信息相同的分类子集合中，查找包含该第二行人图像的时间信息的同行时间区间所对应的记录标识，并将查找到的记录标识中对应时间信息最早的记录标识与该第二行人图像的时空信息及记录标识组装为所述指定行人目标的同行人结果对；
输出模块4130，用于输出所述指定行人目标的各同行人结果对。
应用本实施例，通过从获取的多个行人图像中，识别包含指定行人目标的多个第一行人图像，根据获取到的各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间，针对各第一行人图像，从多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像，对各第二行人图像进行行人目标聚类，确定指定行人目标的同行人。行人图像经过图像采集设备采集得到，行人目标运动至图像采集设备的采集范围内即可采集到行人图像，而图像采集设备对行人目标的图像采集不受地理因素影响，通过合理布置图像采集设备，可以无死角的采集到行人目标；并且通过时空信息，反映各行人目标在场景中出现的位置和时间，通过对时间信息属于第一行人图像对应的同行时间区间、且位置信息与第一行人图像的位置信息相同的第二行人图像进行行人目标聚类，可以准确识别出指定行人目标的同行人。并且，通过时空信息集合提高了同行人识别的效率；通过对第二行人图像的聚类，可将不同同行人分组聚合并匹配有效结果进行输出。
本发明实施例还提供了一种处理服务器，如图5所示，包括处理器501和存储器502，其中，
所述存储器502，用于存放计算机程序；
所述处理器501，用于执行所述存储器502上所存放的程序时，实现本发明实施例所提供的同行人识别方法的所有步骤。
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前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。
本实施例中，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：通过从获取的多个行人图像中，识别包含指定行人目标的多个第一行人图像，根据获取到的各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间，针对各第一行人图像，从多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像，对各第二行人图像进行行人目标聚类，确定指定行人目标的同行人。行人图像经过图像采集设备采集得到，行人目标运动至图像采集设备的采集范围内即可采集到行人图像，而图像采集设备对行人目标的图像采集不受地理因素影响，通过合理布置图像采集设备，可以无死角的采集到行人目标；并且通过时空信息，反映各行人目标在场景中出现的位置和时间，通过对时间信息属于第一行人图像对应的同行时间区间、且位置信息与第一行人图像的位置信息相同的第二行人图像进行行人目标聚类，可以准确识别出指定行人目标的同行人。
另外，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，实现本发明实施例所提供的同行人识别方法的所有步骤。
本实施例中，计算机可读存储介质存储有在运行时执行本发明实施例所提供的同行人识别方法的应用程序，因此能够实现：通过从获取的多个行人图像中，识别包含指定行人目标的多个第一行人图像，根据获取到的各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间，针对各第一行人图像，从多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像，对各第二行人图像进行行人目标聚类，确定指定行人目标的同行人。行人图像经过图像采集设备采集得到，行人目标运动至图像采集设备的采集范围内即可采集到行人图像，而图像采集设备对行人目标的图像采集不受地理因素影响，通过合理布置图像采集设备，可以无死角的采集到行人目标；并且通过时空信息，反映各行人目标在场景中出现的位置和时间，通过对时间信息属于第一行人图像对应的同行时间区间、且位置信息与第一行人图像的位置信息相同的第二行人图像进行行人目标聚类，可以准确识别出指定行人目标的同行人。
相应于上述实施例，本发明实施例提供了一种同行人识别系统，如图6所示，所述系统包括多个图像采集设备610及处理服务器620；
所述图像采集设备610，用于采集行人图像；
所述处理服务器620，包括处理器621和存储器622，其中，所述存储器622，用于存放计算机程序；所述处理器621，用于执行所述存储器622上所存放的程序时，实现本发明实施例所提供的同行人识别方法的所有步骤。
对于处理服务器、计算机可读存储介质及系统实施例而言，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，对于装置、处理服务器、计算机可读存储介质及系统实施例而言，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。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (17)

1.一种同行人识别方法，其特征在于，所述方法包括：
获取图像采集设备采集的多个行人图像、以及各行人图像的时空信息，所述时空信息包括图像采集设备采集行人图像的时间信息和位置信息；
从所述多个行人图像中，识别包含指定行人目标的多个第一行人图像；
根据各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间；
针对各第一行人图像，从所述多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像；
对各第二行人图像进行行人目标聚类，确定所述指定行人目标的同行人。
2.根据权利要求1所述的方法，其特征在于，所述从所述多个行人图像中，识别包含指定行人目标的多个第一行人图像，包括：
获取包含指定行人目标的预设对比图像；
通过预设的以图搜图方式，分别比对各行人图像与所述预设对比图像，确定各行人图像中行人目标与所述指定行人目标的相似度大于第一预设阈值的行人图像为第一行人图像。
3.根据权利要求1所述的方法，其特征在于，在所述获取各行人图像的时空信息之前，所述方法还包括：
获取采集各行人图像的图像采集设备的设备信息、以及采集各行人图像的时间信息；
确定采集各行人图像的时间信息为各行人图像的时间信息、采集各行人图像的图像采集设备的设备信息为各行人图像的位置信息；
在数据库中建立各行人图像的时空信息记录集合，所述时空信息记录集合中每一条记录对应一个行人图像的时空信息；
所述获取各行人图像的时空信息，包括：
从所述时空信息记录集合中，获取各行人图像的时空信息。
4.根据权利要求3所述的方法，其特征在于，在所述根据各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间之前，所述方法还包括：
从所述时空信息记录集合中，提取各第一行人图像的时空信息，得到各第一行人图像的时空关系集合；
根据各第一行人图像的位置信息，对所述时空关系集合进行分类，得到不同位置信息对应的分类子集合；
所述根据各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间，包括：
针对各分类子集合，利用该分类子集合中各第一行人图像的时间信息，分别对预设同行时间间隔进行求和运算及求差运算，得到该分类子集合中各第一行人图像对应的待合并时间区间；
针对各分类子集合，判断该分类子集合中各第一行人图像对应的待合并时间区间之间是否存在时间交叉；
若存在时间交叉，则将存在时间交叉的待合并时间区间合并，得到同行时间区间；
若不存在时间交叉，则将待合并时间区间确定为同行时间区间。
5.根据权利要求4所述的方法，其特征在于，所述针对各第一行人图像，从所述多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像，包括：
根据各分类子集合中各第一行人图像对应的同行时间区间及位置信息，从所述时空信息记录集合中获取满足时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的时空信息；
从获取的时空信息中删除各第一行人图像的时空信息，得到样本集合；
获取所述样本集合中各时空信息对应的行人图像作为第二行人图像。
6.根据权利要求5所述的方法，其特征在于，各分类子集合以及样本集合中的时空信息按照时间信息升序排序；各分类子集合以及样本集合中还包括针对各时空信息、预先分配的记录标识；
在所述对各第二行人图像进行行人目标聚类，确定所述指定行人目标的同行人之后，所述方法还包括：
根据所述同一聚类结果中的各第二行人图像的位置信息，从与该第二行人图像的位置信息相同的分类子集合中，查找包含该第二行人图像的时间信息的同行时间区间所对应的记录标识，并将查找到的记录标识中对应时间信息最早的记录标识与该第二行人图像的时空信息及记录标识组装为所述指定行人目标的同行人结果对；
输出所述指定行人目标的各同行人结果对。
7.根据权利要求1所述的方法，其特征在于，所述对各第二行人图像进行行人目标聚类，确定所述指定行人目标的同行人，包括：
对各第二行人图像进行两两比对，判断该两个第二行人图像中行人目标的相似度是否大于第二预设阈值；
若大于，则将该两个第二行人图像归并为同一聚类结果；
判断同一聚类结果中，第二行人图像的数量是否大于第三预设阈值；
若大于，则确定该聚类结果的第二行人图像中的行人目标为所述指定行人目标的同行人。
8.一种同行人识别装置，其特征在于，所述装置包括：
第一获取模块，用于获取图像采集设备采集的多个行人图像、以及各行人图像的时空信息，所述时空信息包括图像采集设备采集行人图像的时间信息和位置信息；
识别模块，用于从所述多个行人图像中，识别包含指定行人目标的多个第一行人图像；
第一确定模块，用于根据各第一行人图像的时间信息及预设同行时间间隔，确定各第一行人图像对应的同行时间区间；
第二获取模块，用于针对各第一行人图像，从所述多个行人图像中，获取时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的第二行人图像；
聚类模块，用于对各第二行人图像进行行人目标聚类，确定所述指定行人目标的同行人。
9.根据权利要求8所述的装置，其特征在于，所述识别模块，具体用于：
获取包含指定行人目标的预设对比图像；
通过预设的以图搜图方式，分别比对各行人图像与所述预设对比图像，确定各行人图像中行人目标与所述指定行人目标的相似度大于第一预设阈值的行人图像为第一行人图像。
10.根据权利要求8所述的装置，其特征在于，所述装置还包括：
第三获取模块，用于获取采集各行人图像的图像采集设备的设备信息、以及采集各行人图像的时间信息；
第二确定模块，用于确定采集各行人图像的时间信息为各行人图像的时间信息、采集各行人图像的图像采集设备的设备信息为各行人图像的位置信息；
建立模块，用于在数据库中建立各行人图像的时空信息记录集合，所述时空信息记录集合中每一条记录对应一个行人图像的时空信息；
所述第一获取模块，具体用于：
从所述时空信息记录集合中，获取各行人图像的时空信息。
11.根据权利要求10所述的装置，其特征在于，所述装置还包括：
提取模块，用于从所述时空信息记录集合中，提取各第一行人图像的时空信息，得到各第一行人图像的时空关系集合；
分类模块，用于根据各第一行人图像的位置信息，对所述时空关系集合进行分类，得到不同位置信息对应的分类子集合；
所述第一确定模块，具体用于：
针对各分类子集合，利用该分类子集合中各第一行人图像的时间信息，分别对预设同行时间间隔进行求和运算及求差运算，得到该分类子集合中各第一行人图像对应的待合并时间区间；
针对各分类子集合，判断该分类子集合中各第一行人图像对应的待合并时间区间之间是否存在时间交叉；
若存在时间交叉，则将存在时间交叉的待合并时间区间合并，得到同行时间区间；
若不存在时间交叉，则将待合并时间区间确定为同行时间区间。
12.根据权利要求11所述的装置，其特征在于，所述第二获取模块，具体用于：
根据各分类子集合中各第一行人图像对应的同行时间区间及位置信息，从所述时空信息记录集合中获取满足时间信息属于该第一行人图像对应的同行时间区间、且位置信息与该第一行人图像的位置信息相同的时空信息；
从获取的时空信息中删除各第一行人图像的时空信息，得到样本集合；
获取所述样本集合中各时空信息对应的行人图像作为第二行人图像。
13.根据权利要求12所述的装置，其特征在于，各分类子集合以及样本集合中的时空信息按照时间信息升序排序；各分类子集合以及样本集合中还包括针对各时空信息、预先分配的记录标识；
所述装置还包括：
查找模块，用于根据所述同一聚类结果中的各第二行人图像的位置信息，从与该第二行人图像的位置信息相同的分类子集合中，查找包含该第二行人图像的时间信息的同行时间区间所对应的记录标识，并将查找到的记录标识中对应时间信息最早的记录标识与该第二行人图像的时空信息及记录标识组装为所述指定行人目标的同行人结果对；
输出模块，用于输出所述指定行人目标的各同行人结果对。
14.根据权利要求8所述的装置，其特征在于，所述聚类模块，具体用于：
对各第二行人图像进行两两比对，判断该两个第二行人图像中行人目标的相似度是否大于第二预设阈值；
若大于，则将该两个第二行人图像归并为同一聚类结果；
判断同一聚类结果中，第二行人图像的数量是否大于第三预设阈值；
若大于，则确定该聚类结果的第二行人图像中的行人目标为所述指定行人目标的同行人。
15.一种处理服务器，其特征在于，包括处理器和存储器，其中，
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程序时，实现权利要求1-7任一所述的方法步骤。
16.一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权利要求1-7任一所述的方法步骤。
17.一种同行人识别系统，其特征在于，所述系统包括多个图像采集设备及处理服务器；
所述图像采集设备，用于采集行人图像；
所述处理服务器，包括处理器和存储器，其中，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程序时，实现权利要求1-7任一所述的方法步骤。
CN201811392680.0A 2018-11-21 2018-11-21 同行人识别方法、装置、处理服务器、存储介质及系统 Pending CN111209776A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811392680.0A CN111209776A (zh) 2018-11-21 2018-11-21 同行人识别方法、装置、处理服务器、存储介质及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811392680.0A CN111209776A (zh) 2018-11-21 2018-11-21 同行人识别方法、装置、处理服务器、存储介质及系统

Publications (1)

Publication Number Publication Date
CN111209776A true CN111209776A (zh) 2020-05-29

Family

ID=70786595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811392680.0A Pending CN111209776A (zh) 2018-11-21 2018-11-21 同行人识别方法、装置、处理服务器、存储介质及系统

Country Status (1)

Country Link
CN (1) CN111209776A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111914658A (zh) * 2020-07-06 2020-11-10 浙江大华技术股份有限公司 一种行人识别方法、装置、设备及介质
CN112016443A (zh) * 2020-08-26 2020-12-01 深圳市商汤科技有限公司 同行识别方法及装置、电子设备和存储介质
CN112037927A (zh) * 2020-08-24 2020-12-04 北京金山云网络技术有限公司 与被追踪人关联的同行人确定方法、装置及电子设备
CN112132175A (zh) * 2020-08-14 2020-12-25 深圳云天励飞技术股份有限公司 对象分类方法、装置、电子设备及存储介质
CN112256982A (zh) * 2020-09-15 2021-01-22 中国科学院信息工程研究所 基于稀疏采样时空数据的目标同行关系分析方法及电子装置
CN112559583A (zh) * 2020-11-30 2021-03-26 杭州海康威视数字技术股份有限公司 一种同行人识别方法及装置
CN112633244A (zh) * 2020-12-31 2021-04-09 深圳云天励飞技术股份有限公司 一种社交关系的识别方法、装置、电子设备及存储介质
CN112925899A (zh) * 2021-02-09 2021-06-08 重庆中科云从科技有限公司 排序模型建立方法、案件线索推荐方法、装置及介质
CN113032629A (zh) * 2020-11-09 2021-06-25 佳都新太科技股份有限公司 一种酒店同行人员检测确定的方法及装置
CN114612925A (zh) * 2020-12-04 2022-06-10 浙江宇视科技有限公司 行人识别方法、装置、电子设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016165547A1 (zh) * 2015-04-14 2016-10-20 蔡宏铭 实现同行人即时通讯、同行信息共享及内容推荐的方法和系统
CN106791708A (zh) * 2017-02-07 2017-05-31 深圳云天励飞技术有限公司 一种视频处理方法及装置
CN108229335A (zh) * 2017-12-12 2018-06-29 深圳市商汤科技有限公司 关联人脸识别方法和装置、电子设备、存储介质、程序
CN108733819A (zh) * 2018-05-22 2018-11-02 深圳云天励飞技术有限公司 一种人员档案建立方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016165547A1 (zh) * 2015-04-14 2016-10-20 蔡宏铭 实现同行人即时通讯、同行信息共享及内容推荐的方法和系统
CN106791708A (zh) * 2017-02-07 2017-05-31 深圳云天励飞技术有限公司 一种视频处理方法及装置
CN108229335A (zh) * 2017-12-12 2018-06-29 深圳市商汤科技有限公司 关联人脸识别方法和装置、电子设备、存储介质、程序
CN108733819A (zh) * 2018-05-22 2018-11-02 深圳云天励飞技术有限公司 一种人员档案建立方法和装置

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111914658A (zh) * 2020-07-06 2020-11-10 浙江大华技术股份有限公司 一种行人识别方法、装置、设备及介质
CN111914658B (zh) * 2020-07-06 2024-02-02 浙江大华技术股份有限公司 一种行人识别方法、装置、设备及介质
CN112132175A (zh) * 2020-08-14 2020-12-25 深圳云天励飞技术股份有限公司 对象分类方法、装置、电子设备及存储介质
CN112037927A (zh) * 2020-08-24 2020-12-04 北京金山云网络技术有限公司 与被追踪人关联的同行人确定方法、装置及电子设备
CN112016443B (zh) * 2020-08-26 2022-04-26 深圳市商汤科技有限公司 同行识别方法及装置、电子设备和存储介质
CN112016443A (zh) * 2020-08-26 2020-12-01 深圳市商汤科技有限公司 同行识别方法及装置、电子设备和存储介质
CN112256982A (zh) * 2020-09-15 2021-01-22 中国科学院信息工程研究所 基于稀疏采样时空数据的目标同行关系分析方法及电子装置
CN112256982B (zh) * 2020-09-15 2022-08-16 中国科学院信息工程研究所 基于稀疏采样时空数据的目标同行关系分析方法及电子装置
CN113032629A (zh) * 2020-11-09 2021-06-25 佳都新太科技股份有限公司 一种酒店同行人员检测确定的方法及装置
CN112559583A (zh) * 2020-11-30 2021-03-26 杭州海康威视数字技术股份有限公司 一种同行人识别方法及装置
CN112559583B (zh) * 2020-11-30 2023-09-01 杭州海康威视数字技术股份有限公司 一种同行人识别方法及装置
CN114612925A (zh) * 2020-12-04 2022-06-10 浙江宇视科技有限公司 行人识别方法、装置、电子设备和存储介质
CN112633244A (zh) * 2020-12-31 2021-04-09 深圳云天励飞技术股份有限公司 一种社交关系的识别方法、装置、电子设备及存储介质
CN112633244B (zh) * 2020-12-31 2023-03-03 深圳云天励飞技术股份有限公司 一种社交关系的识别方法、装置、电子设备及存储介质
CN112925899A (zh) * 2021-02-09 2021-06-08 重庆中科云从科技有限公司 排序模型建立方法、案件线索推荐方法、装置及介质

Similar Documents

Publication Publication Date Title
CN111209776A (zh) 同行人识别方法、装置、处理服务器、存储介质及系统
CN109117714B (zh) 一种同行人员识别方法、装置、系统及计算机存储介质
CN109635146B (zh) 一种基于图像特征的目标查询方法及系统
CN103942811B (zh) 分布式并行确定特征目标运动轨迹的方法与系统
US20210357624A1 (en) Information processing method and device, and storage medium
CN104303193B (zh) 基于聚类的目标分类
CN109461106A (zh) 一种多维信息感知处理方法
TWI740537B (zh) 一種資訊處理方法及裝置、儲存介質
CN111291682A (zh) 确定目标对象的方法、装置、存储介质及电子装置
CN107657232B (zh) 一种行人智能识别方法及其系统
CN102110122A (zh) 一种建立样本图片索引表和图片过滤、搜索方法及装置
CN108563675B (zh) 基于目标体特征的电子档案自动生成方法及装置
US10262209B2 (en) Method for analyzing video data
CN111222373A (zh) 一种人员行为分析方法、装置和电子设备
CN109784220B (zh) 一种确定路人轨迹的方法及装置
CN112307868A (zh) 图像识别方法、电子设备和计算机可读介质
CN105320710B (zh) 抗光照变化的车辆检索方法及装置
WO2021114985A1 (zh) 一种同行对象识别方法、装置、服务器及系统
CN113343913A (zh) 目标确定方法、装置、存储介质及计算机设备
CN110519324B (zh) 一种基于网络轨迹大数据的人物追踪方法与系统
CN111897993A (zh) 一种基于行人再识别的高效目标人物轨迹生成方法
CN110543584A (zh) 一种建立人脸索引的方法、装置、处理服务器及存储介质
CN114048344A (zh) 一种相似人脸搜索方法、装置、设备和可读存储介质
CN112132057A (zh) 一种多维身份识别方法及系统
CN111831841A (zh) 一种信息检索方法、装置、电子设备及存储介质

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