CN111382628B - 同行判定方法及装置 - Google Patents
同行判定方法及装置 Download PDFInfo
- Publication number
- CN111382628B CN111382628B CN201811631561.6A CN201811631561A CN111382628B CN 111382628 B CN111382628 B CN 111382628B CN 201811631561 A CN201811631561 A CN 201811631561A CN 111382628 B CN111382628 B CN 111382628B
- Authority
- CN
- China
- Prior art keywords
- target
- targets
- association
- weight
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- 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
- G06V20/47—Detecting features for summarising video content
-
- 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)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请实施例公开了一种同行判定方法及装置，其中方法包括：获取指定时间段指定区域内的目标视频图像集；根据目标视频图像集确定指定区域内的多个目标之间的关联关系；根据多个目标之间的关联关系，计算获取第一目标和第二目标之间的关联度，第一目标、第二目标为多个目标中的任意2个目标；当第一目标和第二目标之间的关联度大于第一预设阈值时，判定第一目标和第二目标互为同行。本申请实施例通过建立多个目标之间的关联关系判定特定区域内任意两个目标之间是否为同行关系，不用考虑两个目标是否直接关联，提升了进行同行判定全面性和效率。
Description
技术领域
本申请涉及数据处理技术领域，具体涉及一种同行判定方法及装置。
背景技术
随着国家经济的高速发展以及城镇化进程的加速进行，越来越多的外来人口融入城市，这些人口在促进发展的同时，也给城市管理带来了巨大挑战。目前看来，视频监控技术对城市安全管理提供了技术支持，但是仅仅通过人工查看视频监控，或者在事件发生后查看视频监控，对于安全管理来说，是远远不够的。因此，亟待提出一种方法，能够从视频中获取用户的日常行为表现，然后分析获取用户与用户之间的关系，以便对用户安全进行提前预防，进而减少安全问题的发生。
发明内容
本申请实施例提供了一种同行判定方法及装置，以期通过建立多个目标之间的关联关系判定特定区域内任意两个目标之间是否为同行关系，不用考虑两个目标是否直接关联，提升了进行同行判定全面性和效率。
第一方面，本申请实施例提供一种同行判定方法，所述方法包括：
获取指定时间段指定区域内的目标视频图像集；
根据所述目标视频图像集确定所述指定区域内的多个目标之间的关联关系；
根据所述多个目标之间的关联关系，计算获取第一目标和第二目标之间的关联度，所述第一目标、所述第二目标为所述多个目标中的任意2个目标；
当所述第一目标和所述第二目标之间的关联度大于第一预设阈值时，判定所述第一目标和所述第二目标互为同行。
可选情况下，所述获取指定时间段指定区域内的目标视频图像集包括：
获取指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；
对所述多个视频集中每一视频集进行视频解析，得到多张视频图像；
对所述多张视频图像中每一张视频图像进行目标识别，得到包括目标数量大于1的所述视频图像作为目标视频图像；
将全部所述目标视频图像组成所述目标视频图像集。
可选情况下，所述根据所述目标视频图像集确定所述指定区域内的多个目标之间的关联关系，包括：
确定所述目标视频图像集中每张目标视频图像包含的目标数量；
当所述目标数量为2时，确定所述目标视频图像对应的目标之间为第一类关联关系；
当所述目标数量为3时，确定所述目标视频图像对应的目标之间为第二类关联关系；
当所述目标数量大于3时，确定所述目标视频图像对应的目标之间为第三类关联关系；
将所述第一类关联关系、第二类关联关系和第三类关联关系组成所述多个目标之间的关联关系。
可选情况下，所述根据所述多个目标之间的关联关系，计算获取第一目标和第二目标之间的关联度，包括：
根据所述多个目标之间的关联关系建立所述多个目标之间的无向图，所述多个目标中的每个目标形成所述无向图的一个顶点，包含所述关联关系的多个目标对应的多个顶点之间用边进行连接；
获取所述第一类关联关系对应的边的第一权值；
获取所述第二类关联关系对应的边的第二权值，所述第二权值小于所述第一权值；
获取所述第三类关联关系对应的边的第三权值，所述第三权值小于所述第二权值；
根据第一目标和第二目标对应的可达顶点之间的所述第一权值、第二权值和第三权值计算所述第一目标和第二目标之间的关联度。
可选情况下，所述方法还包括：
计算所述多个目标中每个目标的关联度总和，所述关联度总和为所述每个目标与其他目标之间的关联度之和；
当目标的关联度总和大于第二预设阈值时，确定所述目标为中心目标；
获取所述多个目标中的多个中心目标，并确定所述多个中心目标之间为互为同行。
可选情况下，对所述多张视频图像中每一张视频图像进行目标识别包括对所述多张视频图像中每一张视频图像进行人脸识别。
可选情况下，所述对所述多张视频图像中的每一张视频图像进行人脸识别包括：
对所述每一张视频图像进行人脸分割，获得目标人脸图像，并确定所述目标人脸图像为完整人脸图像或部分人脸图像；
当所述目标人脸图像为完整人脸图像时，根据所述目标人脸图像在目标数据库中进行搜索，所述目标数据库中包括多个目标图像，确定与所述目标人脸图像匹配度值最大的目标图像指示的目标即为所述人脸图像对应的目标；
在所述目标人脸图像为部分人脸图像时，依据人脸的对称性原理对所述目标人脸图像进行修复，得到第一人脸图像以及目标修复系数，所述目标修复系数用于表述人脸图像对修复的完整度；
对所述第一人脸图像进行特征提取，得到第一人脸特征集；
对所述目标人脸图像进行特征提取，得到第二人脸特征集；
依据所述第一人脸特征集在所述目标数据库中进行搜索，得到与所述第一人脸特征集匹配成功的多个目标图像；
获取所述第一人脸特征集与所述多个目标图像的特征集对应的多个第一匹配值；
将所述第二人脸特征集与所述多个目标图像的特征集进行匹配，得到多个第二匹配值；
按照预设的修复系数与权值之间的映射关系，确定所述目标修复系数对应的第一组合权值，并依据所述第一组合权值确定第二组合权值；
根据所述第一组合权值、所述第二组合权值、所述多个第一匹配值、所述多个第二匹配值进行加权运算，得到多个目标匹配值；
从所述多个目标匹配值中选取最大值，并将所述最大值对应的目标图像指示的目标作为所述人脸图像对应的目标。
第二方面，本申请提供一种同行判定装置，所述同行判定装置包括：
获取单元，用于获取指定时间段指定区域内的目标视频图像集；
关系确定单元，根据所述目标视频图像集确定所述指定区域内的多个目标之间的关联关系；
计算单元，用于根据所述多个目标之间的关联关系，确定第一目标和第二目标之间的关联度，所述第一目标、所述第二目标为所述多个目标中的任意2个目标；
判定单元，用于当所述第一目标和所述第二目标之间的关联度大于第一预设阈值时，判定所述第一目标和所述第二目标互为同行。
第三方面，本申请实施例提供一种电子装置，包括处理器、存储器、
通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行第一方面任一方法中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第一方面任一方法所述的步骤的指令。
第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出，本申请实施例中，首先获取指定时间段指定区域内的目标视频图像集；然后根据目标视频图像集确定指定区域内的多个目标之间的关联关系；再根据多个目标之间的关联关系，计算获取第一目标和第二目标之间的关联度，第一目标、第二目标为多个目标中的任意2个目标；最后当第一目标和第二目标之间的关联度大于第一预设阈值时，判定第一目标和第二目标互为同行。在这个过程中，通过建立一定区域内多个目标之间的关联关系，进而判定这个范围内任意两个目标之间是否互为同行，可以在不考虑两个目标之间是否有直接关联的情况下判定两个用户是否互为同行，能够有效提升同行判定的全面性和效率。
附图说明
下面将对本申请实施例所涉及到的附图作简单地介绍。
图1A为本申请实施例提供的一种同行判定方法；
图1B为本申请实施例提供的一种多个目标之间形成的无向图示意图；
图2为本申请实施例提供的另一种同行判定方法；
图3为本申请实施例提供的另一种同行判定方法；
图4为本申请实施例提供的一种电子装置的结构示意图；
图5为本申请实施例公开的一种同行判定装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
下面对本申请实施例进行详细介绍。
请参阅图1A，图1A为本申请实施例提供的一种同行判定方法的流程示意图，如图1A所示，本同行判定方法包括如下步骤。
101、获取指定时间段指定区域内的目标视频图像集。
通过监控摄像头能够拍摄很多监控视频，主机对这些监控视频进行存储，在需要的时候对这些监控视频进行提取分析，能够获得许多人眼观察不到的隐含信息。其中一种常用的对监控视频进行分析的方法是将监控视频进行解析，获得视频图像，然后对视频图像进行分割、识别或聚类等操作，获得目标视频图像集。对目标视频图像集进行指定时间段和指定区域的限制，可以减小视频图像集的时间跨度和地域跨度，进而提升根据该目标视频图像集确定的目标的活动轨迹的准确度。
可选的，获取指定时间段指定区域内的目标视频图像集包括：获取指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；对多个视频集中每一视频集进行视频解析，得到多张视频图像；对多张视频图像中每一张视频图像进行目标识别，得到包括目标数量大于1的视频图像作为目标视频图像；将全部目标视频图像组成目标视频图像集。
具体地，指定时间段可以是同一天中的早上6:00~12:00，或者是同一天的00:00~23:59，也可以是同一星期内的周一00：00~周日23:59，指定区域内可以是同一个小区内，同一个单元楼，同一个商场等。对视频进行解析，得到多张视频图像，然后对视频图像进行目标识别得，目标可以是人，动物或者其他物体，目标识别的方法包括特征提取、特征匹配、聚类和分类等，得到多个目标图像。并且当识别到视频图像中只包括一个目标时，滤除视频图像，只有当视频图像中包括一个以上的目标时，确定目标图像为目标视频图像。
可选的，对多张视频图像中每一张视频图像进行目标识别包括对多张视频图像中每一张视频图像进行人脸识别。
可选的，对多张视频图像中的每一张视频图像进行人脸识别包括：对每一张视频图像进行人脸分割，获得目标人脸图像，并确定目标人脸图像为完整人脸图像或部分人脸图像；
当目标人脸图像为完整人脸图像时，根据目标人脸图像在目标数据库中进行搜索，目标数据库中包括多个目标图像，确定与目标人脸图像匹配度值最大的目标图像指示的目标即为人脸图像对应的目标；
在目标人脸图像为部分人脸图像时，依据人脸的对称性原理对目标人脸图像进行修复，得到第一人脸图像以及目标修复系数，目标修复系数用于表述人脸图像对修复的完整度；
对第一人脸图像进行特征提取，得到第一人脸特征集；
对目标人脸图像进行特征提取，得到第二人脸特征集；
依据第一人脸特征集在目标数据库中进行搜索，得到与第一人脸特征集匹配成功的多个目标图像；
获取第一人脸特征集与多个目标图像的特征集对应的多个第一匹配值；
将第二人脸特征集与多个目标图像的特征集进行匹配，得到多个第二匹配值；
按照预设的修复系数与权值之间的映射关系，确定目标修复系数对应的第一组合权值，并依据第一组合权值确定第二组合权值；
根据第一组合权值、第二组合权值、多个第一匹配值、多个第二匹配值进行加权运算，得到多个目标匹配值；
从多个目标匹配值中选取最大值，并将最大值对应的目标图像指示的目标作为人脸图像对应的目标。
具体地，当进行同行判断的目标都为人物时，获取目标视频图像时需要进行人脸识别。在进行人脸识别的时候，对视频图像进行分割，提取其中的目标人脸图像，然后将目标人脸图像与目标数据库中包括的多个目标图像进行人脸匹配，确定与目标人脸图像匹配度最大的目标图像指示的目标即为目标人脸图像对应的目标。
可选情况下，在获取目标人脸图像时，可能获取的并不是完整的人脸图像，而是部分人脸图像，根据部分人脸图像进行人脸识别时，首先需要对人脸图像进行修复。本发明实施例中，可根据人脸的对称性原理对目标人脸图像进行镜像变换处理，在进行镜像变换处理以后，可将处理以后的目标人脸图像基于生成对抗网络的模型进行人脸修复，得到第一人脸图像以及目标修复系数，其中，目标修复系数可为修复完成的人脸部位的像素占整个人脸的像素总数的比例值，生成对抗网络的模型可包括以下组成部分：鉴别器、语义正则化网络等等，在此不作限定。
可选地，对第一人脸图像进行特征提取的方法可包括以下至少一种：LBP（LocalBinary Patterns，局部二值模式）特征提取算法、HOG（Histogram of Oriented Gradient,方向梯度直方图）特征提取算法、LoG（Laplacian of Gaussian，二阶拉普拉斯-高斯）特征提取算法等等，在此不做限定。
其中，预设的修复系数与组合权值之间的映射关系可为每一个预设的修复系数均对应一个组合权值，预设的修复系数的权值可由用户自行设置或者系统默认，具体地，根据预设的修复系数与权值之间的映射关系，确定目标修复系数对应的第一组合权值，并依据所述第一组合权值确定第二组合权值，第二组合权值可为第二匹配值对应的权值，第一组合权值与第二组合权值之间的和为1，将第一组合权值分别与多个第一匹配值加权，并将第二组合权值分别与多个第二匹配值进行加权运算，得到目标人脸图像与目标图像的多个匹配值，选取多个匹配值中最大的匹配值对应的目标图像指示的目标作为人脸图像对应的目标。
举例来说，将第一人脸特征集与多个目标图像的特征集进行匹配，得到第一人脸图像与第一目标图像指示的目标A，第二目标图像指示的目标B，第三目标图像指示的目标C对应的第一匹配值分别为A1、B1、C1，将第二人脸特征集与多个目标图像的特征集进行匹配，得到目标人脸图像与第一目标图像指示目标A，第二目标图像指示的目标B，第三目标图像指示的目标C对应的第二匹配值分别为A2、B2、C2，按照预设的修复系数与权值之间的映射关系，确定目标修复系数对应的第一组合权值，例如当修复系数是一个0~1之间的小数时，可以对修复系数进行向上进位减少小数位获得对应的第一组合权值，如果修复系数为0.67，那么对应的第一组合权值为0.7；或者也可以直接将修复系数作为第一组合权值。第一组合权值与第二组合权值的和为1，即假设第一组合权值为a1，第二组合权值为a2，a1+a2=1。
根据上述设定，可以获得多个目标匹配值，其中目标A对应的目标匹配值为：PA=a1*A1+a2*A2，目标B对应的目标匹配值为：PB=b1*B1+b2*B2，目标C对应的目标匹配值为：PC=c1*C1+c2*C2。从PA，PB，PC中选择最大值，假设max（PA，PB，PC）=PB，说明目标B对应的目标图像与目标人脸图像的匹配度最高，那么识别目标人脸图像中的目标为目标B。
可见，在本申请实施例中，通过假设目标为人物时，对视频图像中的部分人脸图像进行修复和匹配，完成对部分人脸图像对应的视频图像的目标识别，提升目标进行识别的准确率和全面性，减少因为人物只有部分脸而导致匹配失败或匹配失误的情况，进一步提升了后续根据目标识别结果进行目标视频图像集获取的全面性和准确性。
102、根据所述目标视频图像集确定所述指定区域内的多个目标之间的关联关系。
根据上述步骤101可以得到经过目标识别的目标视频图像集，且目标视频图像集中的每张目标视频图像中都包括至少2个目标，这是为了通过两个或两个以上的目标同时出现在一个目标视频图像中判定目标之间存在关联关系。可以根据目标同时出现在同一个目标视频图像中的人数、动作或距离等，判断目标之间的关联关系。
可选的，确定所述目标视频图像集中每张目标视频图像包含的目标数量；当所述目标数量为2时，确定所述目标视频图像对应的目标之间为第一类关联关系；当所述目标数量为3时，确定所述目标视频图像对应的目标之间为第二类关联关系；当所述目标数量大于3时，确定所述目标视频图像对应的目标之间为第三类关联关系；将所述第一类关联关系、第二类关联关系和第三类关联关系组成所述多个目标之间的关联关系。
具体他，目标视频图像集中的每张目标视频图像中包含的目标数量大于1，那么目标视频图像中包含的目标数量可能是2,3,4,5等任意大于1的整数。当目标视频图像中的目标数量为2时，表明目标视频图像中的两个目标之间亲密度最高，可以单独同行，因此设置目标视频图像对应的两个目标之间为第一类关联关系；当目标视频图像中的目标数量为3时，表明目标视频图像中的三个目标之间亲密度高，三个人互相认识，或者至少有一个中心人物与另外两个人物都认识，因此设置目标视频图像对应的两个目标之间为第二类关联关系；当目标视频图像中的目标数量大于3时，表明目标视频图像中的多个目标之间亲密度一般，可能互相之间认识，也可能互相之间只是刚好同行，并不认识，因此设置目标视频图像对应的多个目标之间为第三类关联关系。
可选的，还可以根据目标视频图像中对应的目标数量对关联关系进行扩展，根据目标数量依次设置关联关系，例如当目标数量为4时，设置目标之间为第四类关联关，目标数量为5时，设置目标之间为第五类关联关系，以此类推，获得更多的关联关系。
可见，在本申请实施例中，根据目标视频图像中的目标数量为目标之间设置关联关系，可以为目标设置不同的关联关系来表达目标之间不同的亲密度或熟悉度，进而提升根据关联关系确定目标之间的关联度的可靠性和准确度。
103、根据所述多个目标之间的关联关系，计算获取第一目标和第二目标之间的关联度，所述第一目标、所述第二目标为所述多个目标中的任意2个目标。
建立了指定区域内所有目标之间的关联关系后，就可以根据目标之间的关联关系确定任意两个目标之间的关联度。包括曾经同时出现在同一张目标视频图像中的两个目标，或者没有同时出现在同一张目标视频图像中的两个目标。
可选的，所述根据所述多个目标之间的关联关系，计算获取第一目标和第二目标之间的关联度，包括：根据所述多个目标之间的关联关系建立所述多个目标之间的无向图，所述多个目标中的每个目标形成所述无向图的一个顶点，包含所述关联关系的多个目标对应的多个顶点之间用边进行连接；获取所述第一类关联关系对应的边的第一权值；获取所述第二类关联关系对应的边的第二权值，所述第二权值小于所述第一权值；获取所述第三类关联关系对应的边的第三权值，所述第三权值小于所述第二权值；根据第一目标和第二目标对应的可达顶点之间的所述第一权值、第二权值和第三权值计算所述第一目标和第二目标之间的关联度。
具体地，假设一个指定区域里有10个目标，表示为：T={t1,t2,t3,t4,t5,t6,t7,t8,t9,t10}，其中这10个目标组成的目标视频图像集为T1={t1,t3,t4,t5,t6},T2= {t4,t5}, T3={t4,t7}, T4={t2,t8,t10},T5={t4,t9,t10}，其中T1,T2,T3,T4,T5表示目标视频图像集中的5张目标视频图像，T1中的目标之间为第三类关联关系，T2和T3中的目标之间为第一类关联关系，T4和T5中的目标之间为第二类关联关系。根据这些关联关系建立目标之间的无向图，请参阅图1B，图1B为本申请实施例提供的一种多个目标之间形成的无向图示意图，如图1B所示，用实线连接的两个顶点对应的目标之间为第三类关联关系，用点组成的虚线连接的两个顶点对应的目标之间为第一类关联关系，用点和线组成的虚线连接的两个顶点对应的目标之间为第二类关联关系。为第一类关联关系对应的边设置第一权值α，为第二类关联关系对应的边设置第二权值β，为第三类关联关系对应的边设置第三权值γ，因为三个权值对应的三种关联关系表示目标之间的亲密关系依次降低，因此α>β>γ，可选的，三个权值之和为1，即α+β+γ=1。然后根据设置的三个权值计算可达顶点对应的目标之间的关联度。
可选的，根据所述第一权值、第二权值和第三权值计算可达顶点对应的目标之间的关联度，包括：获取两个可达顶点之间的至少一条最短可达路径；对于同一条最短可达路径上的多条边对应的权值相乘，获得路径关联值；对多条最短可达路径对应的多个路径关联值求和，获得两个可达顶点之间的关联度。
确定任意两个目标之间的关联度，例如目标t1和目标t10，首先确定两个目标之间是否可达，遍历如图1B中的无向图，可知t1和t10可达，且他们之间只有一条最短可达路径，包括最少的顶点，为[t1,t4,t10]，最短可达路径中包括两条边，一条是t1-t4,另一条是t4-t10，第一条边对应的权值为γ，第二条边对应的权值为β，那么最短可达路径对应的路径关联值为R1=β*γ，即目标t1和目标t10之间的关联度为R1。通过对同一路径的多条边的权值相乘，因为权值为0~1之间的小数，相乘后值变小，说明通过越多中间关系建立的关联度越低；而不同最短可达路径获得的路径关联值相加，使得关联度值增加，是因为与两个目标同时建立关联关系的不同目标越多，说明两个目标之间的关联度越高。这种计算方法提升了计算关联度的准确性和可靠性。
可见，在本申请实施例中，根据多个目标之间的关联关系建立无向图，可以直观地表示多个目标之间的关联关系，而通过对关联关系对应的边赋予权值，并且通过计算无向图中边的权值确定任意两个目标之间的关联度，提升了目标之间关联关系的量化准确度，进而能够提升根据关联度判定目标之间互为同行的准确性与可靠性。
104、当所述第一目标和所述第二目标之间的关联度大于第一预设阈值时，判定所述第一目标和所述第二目标互为同行。
当第一目标和第二目标之间的关联度大于第一预设阈值时，说明第一目标和第二目标之间的关联度高，可能该两个目标曾多次同时出现在一个目标视频图像中，也可能他们与同一个目标多次出现在同一个目标视频图像中，那么可以证明他们之间具有某种直接的或间接的关联，因此可以判定第一目标和第二目标互为同行。
可选的，该方法还包括：计算所述多个目标中每个目标的关联度总和，所述关联度总和为所述每个目标与其他目标之间的关联度之和；当目标的关联度总和大于第二预设阈值时，确定所述目标为中心目标；获取所述多个目标中的多个中心目标，并确定所述多个中心目标之间为互为同行。
具体地，计算1B中每个顶点与其他顶点的关联度总和，根据图1B中的10个顶点可以邻接矩阵，为一个10*10的矩阵，其中邻接顶点间的元素不为零，非邻接顶点间的元素为0，邻接矩阵如式(1)所示：
(1)
求取其中任意一个顶点对应目标的关联度总和，例如t4,与它直接相邻的有他t1,t3,t5,t6,t7,t9,t10,对应的关联度值分别为：γ, γ, γ, γ，α，β，β，与它可达的有t2，t8，对应的最短路径为t4-t10-t2，t4-t10-t8，对应的关联度值分别为：β*β，β*β，可以确定目标t4的关联度总和为R’4=γ+γ+γ+γ+α+β+β+β*β+β*β= 4γ+α +2β +2β2，然后确定R’4是否大于第二预设阈值，如果是，则确定目标t4为中心目标。如果其他目标也为中心目标，则其他目标与目标t4互为同行。
可见，在本申请实施例中，通过计算目标的关联度总和，确定目标是否为中心目标，任意两个中心目标之间互为同行。通过这种方法可以确定在一种特殊情况下，两个目标互相之间关联度不高，但他们与区域内的很多其他人关联度高，说明两者都是区域内的常驻用户，能够排除互相之间存在安全问题这一可能，因此可判定两者互为同行。提升了进行同行判定的全面性。
在本申请实施例中，首先获取指定时间段指定区域内的目标视频图像集；然后根据目标视频图像集确定指定区域内的多个目标之间的关联关系；再根据多个目标之间的关联关系，计算获取第一目标和第二目标之间的关联度，第一目标、第二目标为多个目标中的任意2个目标；最后当第一目标和第二目标之间的关联度大于第一预设阈值时，判定第一目标和第二目标互为同行。在这个过程中，通过建立一定区域内多个目标之间的关联关系，进而判定这个范围内任意两个目标之间是否互为同行，可以在不考虑两个目标之间是否有直接关联的情况下判定两个用户是否互为同行，能够有效提升同行判定的全面性和效率。
请参阅图2，图2为本申请实施例提供的另一种同行判定方法流程示意图，如图2所示，本同行判定方法包括如下步骤：
201、获取指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；
202、对所述多个视频集中每一视频集进行视频解析，得到多张视频图像；
203、对所述多张视频图像中每一张视频图像进行目标识别，得到包括目标数量大于1的所述视频图像作为目标视频图像；
204、将全部所述目标视频图像组成所述目标视频图像集；
205、确定所述目标视频图像集中每张目标视频图像包含的目标数量；
206、当所述目标数量为2时，确定所述目标视频图像对应的目标之间为第一类关联关系；
207、当所述目标数量为3时，确定所述目标视频图像对应的目标之间为第二类关联关系；
208、当所述目标数量大于3时，确定所述目标视频图像对应的目标之间为第三类关联关系；
209、将所述第一类关联关系、第二类关联关系和第三类关联关系组成所述多个目标之间的关联关系；
210、根据所述多个目标之间的关联关系建立所述多个目标之间的无向图，所述多个目标中的每个目标形成所述无向图的一个顶点，包含所述关联关系的多个目标对应的多个顶点之间用边进行连接；
211、获取所述第一类关联关系对应的边的第一权值；获取所述第二类关联关系对应的边的第二权值，所述第二权值小于所述第一权值；获取所述第三类关联关系对应的边的第三权值，所述第三权值小于所述第二权值；
212、根据第一目标和第二目标对应的可达顶点之间的所述第一权值、第二权值和第三权值计算所述第一目标和第二目标之间的关联度；
213、当所述第一目标和所述第二目标之间的关联度大于第一预设阈值时，判定所述第一目标和所述第二目标互为同行。
其中，上述步骤201-步骤213的具体描述可以参照图步骤101-步骤104所描述的聚类方法的相应描述，在此不再赘述。
可见，在本申请实施例中，首先获取指定时间段指定区域内的目标视频图像集；然后根据目标视频图像集中每张目标视频图像的目标数量确定指定区域内的目标之间的关联关系；再根据多个目标之间的关联关系建立无向图，根据无向图中顶点与边之间的连接关系和赋予权值计算获取第一目标和第二目标之间的关联度，第一目标、第二目标为多个目标中的任意2个目标；最后当第一目标和第二目标之间的关联度大于第一预设阈值时，判定第一目标和第二目标互为同行。在这个过程中，通过目标视频图像中的目标数量确定目标之间的关联关系，可以为目标设置不同的关联关系来表达目标之间不同的亲密度或熟悉度，进而提升根据关联关系确定目标之间的关联度的可靠性和准确度。根据关联关系建立无向图，并且通过计算无向图中边的权值确定任意两个目标之间的关联度，提升了目标之间关联关系的量化准确度，进一步提升了根据关联度判定目标之间互为同行的准确性与可靠性。
请参阅图3，图3为本申请实施例提供的另一种同行判定方法，如图3所示，所述方法包括如下步骤：
301、获取指定时间段指定区域内的目标视频图像集；
302、根据所述目标视频图像集确定所述指定区域内的多个目标之间的关联关系；
303、根据所述多个目标之间的关联关系建立所述多个目标之间的无向图，所述多个目标中的每个目标形成所述无向图的一个顶点，包含所述关联关系的多个目标对应的多个顶点之间用边进行连接；
304、获取所述第一类关联关系对应的边的第一权值；获取所述第二类关联关系对应的边的第二权值，所述第二权值小于所述第一权值；获取所述第三类关联关系对应的边的第三权值，所述第三权值小于所述第二权值；
305、根据第一目标和第二目标对应的可达顶点之间的所述第一权值、第二权值和第三权值计算所述第一目标和第二目标之间的关联度；
306、计算所述多个目标中每个目标的关联度总和，所述关联度总和为所述每个目标与其他目标之间的关联度之和；
307、当目标的关联度总和大于第二预设阈值时，确定所述目标为中心目标；
308、获取所述多个目标中的多个中心目标，并确定所述多个中心目标之间为互为同行。
其中，上述步骤301-步骤304的具体描述可以参照图步骤101-步骤104所描述的聚类方法的相应描述，在此不再赘述。
可见，在本申请实施例中，通过计算目标的关联度总和，确定目标是否为中心目标，任意两个中心目标之间互为同行。通过这种方法可以确定在一种特殊情况下，两个目标互相之间关联度不高，但他们与区域内的很多其他人关联度高，说明两者都是区域内的常驻用户，能够排除互相之间存在安全问题这一可能，因此可判定两者互为同行。提升了进行同行判定的全面性。
请参阅图4，图4为本申请实施例提供的一种电子装置的结构示意图，如图4所示，该电子装置包括处理器、存储器、通信接口，以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：
获取指定时间段指定区域内的目标视频图像集；
根据所述目标视频图像集确定所述指定区域内的多个目标之间的关联关系；
根据所述多个目标之间的关联关系，计算获取第一目标和第二目标之间的关联度，所述第一目标、所述第二目标为所述多个目标中的任意2个目标；
当所述第一目标和所述第二目标之间的关联度大于第一预设阈值时，判定所述第一目标和所述第二目标互为同行。
可见，该电子装置首先获取指定时间段指定区域内的目标视频图像集；然后根据目标视频图像集确定指定区域内的多个目标之间的关联关系；再根据多个目标之间的关联关系，计算获取第一目标和第二目标之间的关联度，第一目标、第二目标为多个目标中的任意2个目标；最后当第一目标和第二目标之间的关联度大于第一预设阈值时，判定第一目标和第二目标互为同行。在这个过程中，通过建立一定区域内多个目标之间的关联关系，进而判定这个范围内任意两个目标之间是否互为同行，可以在不考虑两个目标之间是否有直接关联的情况下判定两个用户是否互为同行，能够有效提升同行判定的全面性和效率。
在一个可能的示例中，所述获取指定时间段指定区域内的目标视频图像集包括：
获取指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；
对所述多个视频集中每一视频集进行视频解析，得到多张视频图像；
对所述多张视频图像中每一张视频图像进行目标识别，得到包括目标数量大于1的所述视频图像作为目标视频图像；
将全部所述目标视频图像组成所述目标视频图像集。
在一个可能的示例中，所述根据所述目标视频图像集确定所述指定区域内的多个目标之间的关联关系，包括：
确定所述目标视频图像集中每张目标视频图像包含的目标数量；
当所述目标数量为2时，确定所述目标视频图像对应的目标之间为第一类关联关系；
当所述目标数量为3时，确定所述目标视频图像对应的目标之间为第二类关联关系；
当所述目标数量大于3时，确定所述目标视频图像对应的目标之间为第三类关联关系；
将所述第一类关联关系、第二类关联关系和第三类关联关系组成所述多个目标之间的关联关系。
在一个可能的示例中，所述根据所述多个目标之间的关联关系，计算获取第一目标和第二目标之间的关联度，包括：
根据所述多个目标之间的关联关系建立所述多个目标之间的无向图，所述多个目标中的每个目标形成所述无向图的一个顶点，包含所述关联关系的多个目标对应的多个顶点之间用边进行连接；
获取所述第一类关联关系对应的边的第一权值；
获取所述第二类关联关系对应的边的第二权值，所述第二权值小于所述第一权值；
获取所述第三类关联关系对应的边的第三权值，所述第三权值小于所述第二权值；
根据第一目标和第二目标对应的可达顶点之间的所述第一权值、第二权值和第三权值计算所述第一目标和第二目标之间的关联度。
在一个可能的示例中，所述方法还包括：
计算所述多个目标中每个目标的关联度总和，所述关联度总和为所述每个目标与其他目标之间的关联度之和；
当目标的关联度总和大于第二预设阈值时，确定所述目标为中心目标；
获取所述多个目标中的多个中心目标，并确定所述多个中心目标之间为互为同行。
请参阅图5，图5是本申请实施例公开的一种同行判定装置的结构示意图，如图5所示，该同行判定装置500包括：
获取单元501，用于获取指定时间段指定区域内的目标视频图像集；
关系确定单元502，根据所述目标视频图像集确定所述指定区域内的多个目标之间的关联关系；
计算单元503，用于根据所述多个目标之间的关联关系，确定第一目标和第二目标之间的关联度，所述第一目标、所述第二目标为所述多个目标中的任意2个目标；
判定单元504，用于当所述第一目标和所述第二目标之间的关联度大于第一预设阈值时，判定所述第一目标和所述第二目标互为同行。
可见，该同行判定装置首先获取指定时间段指定区域内的目标视频图像集；然后根据目标视频图像集确定指定区域内的多个目标之间的关联关系；再根据多个目标之间的关联关系，计算获取第一目标和第二目标之间的关联度，第一目标、第二目标为多个目标中的任意2个目标；最后当第一目标和第二目标之间的关联度大于第一预设阈值时，判定第一目标和第二目标互为同行。在这个过程中，通过建立一定区域内多个目标之间的关联关系，进而判定这个范围内任意两个目标之间是否互为同行，可以在不考虑两个目标之间是否有直接关联的情况下判定两个用户是否互为同行，能够有效提升同行判定的全面性和效率。
其中，上述获取单元501可用于实现上述步骤101所描述的方法，上述轨迹确定单元502可用于实现上述步骤102所描述的方法，上述计算单元503可用于实现上述步骤103所描述的方法，上述判定单元504可用于实现上述步骤104所描述的方法，以下如此类推。
在一个可能的示例中，所述获取单元501具体用于：
获取指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；
对所述多个视频集中每一视频集进行视频解析，得到多张视频图像；
对所述多张视频图像中每一张视频图像进行目标识别，得到包括目标数量大于1的所述视频图像作为目标视频图像；
将全部确定多个所述目标视频图像组成所述目标视频图像集。
在一个可能的示例中，所述关系确定单元502具体用于：
确定所述目标视频图像集中每张目标视频图像包含的目标数量；
当所述目标数量为2时，确定所述目标视频图像对应的目标之间为第一类关联关系；
当所述目标数量为3时，确定所述目标视频图像对应的目标之间为第二类关联关系；
当所述目标数量大于3时，确定所述目标视频图像对应的目标之间为第三类关联关系；
将所述第一类关联关系、第二类关联关系和第三类关联关系组成所述多个目标之间的关联关系。
在一个可能的示例中，所述计算单元503具体用于：
根据所述多个目标之间的关联关系建立所述多个目标之间的无向图，所述多个目标中的每个目标形成所述无向图的一个顶点，包含所述关联关系的多个目标对应的多个顶点之间用边进行连接；
获取所述第一类关联关系对应的边的第一权值；
获取所述第二类关联关系对应的边的第二权值，所述第二权值小于所述第一权值；
获取所述第三类关联关系对应的边的第三权值，所述第三权值小于所述第二权值；
根据第一目标和第二目标对应的可达顶点之间的所述第一权值、第二权值和第三权值计算所述第一目标和第二目标之间的关联度。
在一个可能的示例中，所述同行判定装置500还包括第一判定单元505，具体用于：
计算所述多个目标中每个目标的关联度总和，所述关联度总和为所述每个目标与其他目标之间的关联度之和；
当目标的关联度总和大于第二预设阈值时，确定所述目标为中心目标；
获取所述多个目标中的多个中心目标，并确定所述多个中心目标之间为互为同行。
可以理解的是，本实施例的同行判定装置的各程序模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任何一种聚类方法的部分或全部步骤。
本领域技术人员应明白，本申请的实施例可提供为方法、装置（设备）、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中，与其它硬件一起提供或作为硬件的一部分，也可以采用其他分布形式，如通过Internet或其它有线或无线电信系统。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (7)
1.一种同行判定方法，其特征在于，所述方法包括：
获取指定时间段指定区域内的目标视频图像集，所述目标视频图像集中包括多张目标视频图像；
根据所述目标视频图像集确定所述指定区域内的多个目标之间的关联关系，具体包括：
确定所述目标视频图像集中每张目标视频图像包含的目标数量；
当所述目标数量为2时，确定所述目标视频图像对应的目标之间为第一类关联关系；
当所述目标数量为3时，确定所述目标视频图像对应的目标之间为第二类关联关系；
当所述目标数量大于3时，确定所述目标视频图像对应的目标之间为第三类关联关系；
将所述第一类关联关系、第二类关联关系和第三类关联关系组成所述多个目标之间的关联关系；
根据所述多个目标之间的关联关系，计算获取第一目标和第二目标之间的关联度，具体包括：
根据所述多个目标之间的关联关系建立所述多个目标之间的无向图，所述多个目标中的每个目标形成所述无向图的一个顶点，包含所述关联关系的多个目标对应的多个顶点之间用边进行连接；
获取所述第一类关联关系对应的边的第一权值；
获取所述第二类关联关系对应的边的第二权值，所述第二权值小于所述第一权值；
获取所述第三类关联关系对应的边的第三权值，所述第三权值小于所述第二权值；
根据第一目标和第二目标对应的可达顶点之间的所述第一权值、第二权值和第三权值计算所述第一目标和第二目标之间的关联度；
所述第一目标、所述第二目标为所述多个目标中的任意2个目标；
当所述第一目标和所述第二目标之间的关联度大于第一预设阈值时，判定所述第一目标和所述第二目标互为同行。
2.根据权利要求1所述的方法，其特征在于，所述获取指定时间段指定区域内的目标视频图像集包括：
获取指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；
对所述多个视频集中每一视频集进行视频解析，得到多张视频图像；
对所述多张视频图像中每一张视频图像进行目标识别，得到包括目标数量大于1的所述视频图像作为目标视频图像；
将全部所述目标视频图像组成所述目标视频图像集。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
计算所述多个目标中每个目标的关联度总和，所述关联度总和为所述每个目标与其他目标之间的关联度之和；
当目标的关联度总和大于第二预设阈值时，确定所述目标为中心目标；
获取所述多个目标中的多个中心目标，并确定所述多个中心目标之间为互为同行。
4.一种同行判定装置，其特征在于，所述装置包括：
获取单元，用于获取指定时间段指定区域内的目标视频图像集，所述目标视频图像集中包括多张目标视频图像；
关系确定单元，用于根据所述目标视频图像集确定所述指定区域内的多个目标之间的关联关系，具体用于：
确定所述目标视频图像集中每张目标视频图像包含的目标数量；
当所述目标数量为2时，确定所述目标视频图像对应的目标之间为第一类关联关系；
当所述目标数量为3时，确定所述目标视频图像对应的目标之间为第二类关联关系；
当所述目标数量大于3时，确定所述目标视频图像对应的目标之间为第三类关联关系；
将所述第一类关联关系、第二类关联关系和第三类关联关系组成所述多个目标之间的关联关系；
计算单元，用于根据所述多个目标之间的关联关系，确定第一目标和第二目标之间的关联度，具体用于：
根据所述多个目标之间的关联关系建立所述多个目标之间的无向图，所述多个目标中的每个目标形成所述无向图的一个顶点，包含所述关联关系的多个目标对应的多个顶点之间用边进行连接；
获取所述第一类关联关系对应的边的第一权值；
获取所述第二类关联关系对应的边的第二权值，所述第二权值小于所述第一权值；
获取所述第三类关联关系对应的边的第三权值，所述第三权值小于所述第二权值；
根据第一目标和第二目标对应的可达顶点之间的所述第一权值、第二权值和第三权值计算所述第一目标和第二目标之间的关联度；
所述第一目标、所述第二目标为所述多个目标中的任意2个目标；
判定单元，用于当所述第一目标和所述第二目标之间的关联度大于第一预设阈值时，判定所述第一目标和所述第二目标互为同行。
5.根据权利要求4所述的同行判定装置，其特征在于，所述获取单元具体用于：
获取指定时间段由指定区域内的多个摄像头拍摄的视频集，得到多个视频集；
对所述多个视频集中每一视频集进行视频解析，得到多张视频图像；
对所述多张视频图像中每一张视频图像进行目标识别，得到包括所述多个目标中的大于一个目标的视频图像作为目标视频图像；
将全部确定多个所述目标视频图像组成所述目标视频图像集。
6.一种电子装置，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-3任一项所述的方法中的步骤的指令。
7.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-3任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811631561.6A CN111382628B (zh) | 2018-12-28 | 2018-12-28 | 同行判定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811631561.6A CN111382628B (zh) | 2018-12-28 | 2018-12-28 | 同行判定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111382628A CN111382628A (zh) | 2020-07-07 |
| CN111382628B true CN111382628B (zh) | 2023-05-16 |
Family
ID=71218226
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811631561.6A Active CN111382628B (zh) | 2018-12-28 | 2018-12-28 | 同行判定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111382628B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112949538B (zh) * | 2021-03-16 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 一种目标关联方法、装置、电子设备及机器可读存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108921918A (zh) * | 2018-07-24 | 2018-11-30 | Oppo广东移动通信有限公司 | 视频创建方法及相关装置 |
| CN108958592A (zh) * | 2018-07-11 | 2018-12-07 | Oppo广东移动通信有限公司 | 视频处理方法及相关产品 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8417698B2 (en) * | 2008-05-06 | 2013-04-09 | Yellowpages.Com Llc | Systems and methods to provide search based on social graphs and affinity groups |
| US20120084288A1 (en) * | 2010-10-01 | 2012-04-05 | Mohammed Abdul-Razzak | Criminal relationship analysis and visualization |
| JP5830784B2 (ja) * | 2011-06-23 | 2015-12-09 | サイバーアイ・エンタテインメント株式会社 | 画像認識システムを組込んだ関連性検索によるインタレスト・グラフ収集システム |
| US9760619B1 (en) * | 2014-04-29 | 2017-09-12 | Google Inc. | Generating weighted clustering coefficients for a social network graph |
| CN104102706A (zh) * | 2014-07-10 | 2014-10-15 | 西安交通大学 | 一种基于层次聚类的可疑纳税人检测方法 |
| US9495619B2 (en) * | 2014-12-30 | 2016-11-15 | Facebook, Inc. | Systems and methods for image object recognition based on location information and object categories |
| CN106203458B (zh) * | 2015-04-29 | 2020-03-06 | 杭州海康威视数字技术股份有限公司 | 人群视频分析方法及系统 |
| US10007852B2 (en) * | 2015-05-29 | 2018-06-26 | Bae Systems Information And Electronic Systems Integration Inc. | Methods and apparatuses for performing object tracking using graphs |
| CN106803263A (zh) * | 2016-11-29 | 2017-06-06 | 深圳云天励飞技术有限公司 | 一种目标跟踪方法及装置 |
| CN106791708B (zh) * | 2017-02-07 | 2018-04-06 | 深圳云天励飞技术有限公司 | 一种视频处理方法及装置 |
| CN107480627B (zh) * | 2017-08-08 | 2020-02-04 | 华中科技大学 | 行为识别方法、装置、存储介质和处理器 |
| CN107609165B (zh) * | 2017-09-27 | 2020-09-04 | 北京科技大学 | 一种寻找特定人群的方法 |
| CN107679201B (zh) * | 2017-10-12 | 2018-08-31 | 杭州中奥科技有限公司 | 隐匿人挖掘方法、装置及电子设备 |
| CN108132998A (zh) * | 2017-12-21 | 2018-06-08 | 浪潮软件集团有限公司 | 一种人员关系分析方法和系统 |
-
2018
- 2018-12-28 CN CN201811631561.6A patent/CN111382628B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108958592A (zh) * | 2018-07-11 | 2018-12-07 | Oppo广东移动通信有限公司 | 视频处理方法及相关产品 |
| CN108921918A (zh) * | 2018-07-24 | 2018-11-30 | Oppo广东移动通信有限公司 | 视频创建方法及相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111382628A (zh) | 2020-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12020473B2 (en) | Pedestrian re-identification method, device, electronic device and computer-readable storage medium | |
| CN109284733B (zh) | 一种基于yolo和多任务卷积神经网络的导购消极行为监控方法 | |
| CN108875522B (zh) | 人脸聚类方法、装置和系统及存储介质 | |
| WO2019218824A1 (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
| US8401292B2 (en) | Identifying high saliency regions in digital images | |
| CN108256404B (zh) | 行人检测方法和装置 | |
| WO2018210047A1 (zh) | 数据处理方法、数据处理装置、电子设备及存储介质 | |
| CN111738120B (zh) | 人物识别方法、装置、电子设备及存储介质 | |
| CN110414550B (zh) | 人脸识别模型的训练方法、装置、系统和计算机可读介质 | |
| CN104915351A (zh) | 图片排序方法及终端 | |
| CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
| CN111696080B (zh) | 一种基于静态纹理的人脸欺诈检测方法、系统及存储介质 | |
| CN113283368B (zh) | 一种模型训练方法、人脸属性分析方法、装置及介质 | |
| CN115223022B (zh) | 一种图像处理方法、装置、存储介质及设备 | |
| CN111414803A (zh) | 人脸识别方法、装置、电子设备 | |
| CN111445442B (zh) | 基于神经网络的人群计数方法、装置、服务器及存储介质 | |
| CN113255685A (zh) | 一种图像处理方法、装置、计算机设备以及存储介质 | |
| CN115062186A (zh) | 一种视频内容检索方法、装置、设备以及存储介质 | |
| CN116758600A (zh) | 一种掌静脉识别方法、装置、设备及存储介质 | |
| CN109711287B (zh) | 人脸采集方法及相关产品 | |
| US20220300774A1 (en) | Methods, apparatuses, devices and storage media for detecting correlated objects involved in image | |
| CN111382628B (zh) | 同行判定方法及装置 | |
| CN112070035A (zh) | 基于视频流的目标跟踪方法、装置及存储介质 | |
| CN113920306B (zh) | 目标再识别方法、装置及电子设备 | |
| CN114387496A (zh) | 一种目标检测方法和电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |