CN111881322A - 一种目标搜索方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供一种目标搜索方法、装置、电子设备及存储介质，该方法包括：获得针对目标对象采集的待搜索图像，以及待搜索图像对应的采集信息；根据采集信息对视频图像库中的候选图像进行筛选，获得多个筛选图像，视频图像库中的图像是多个摄像头采集获得的；将多个筛选图像与待搜索图像进行匹配搜索，获得待搜索图像对应的结果图像。在上述的实现过程中，通过根据待搜索图像对应的采集信息对视频图像库中的候选图像进行筛选，再使用筛选后的筛选图像与待搜索图像进行匹配搜索，有效地排除了视频图像库中存在与采集信息有关的部分干扰图像，从而提升了在视频图像库中搜索目标图像的速度。

Description

一种目标搜索方法、装置、电子设备及存储介质

技术领域

本申请涉及视频处理和图像处理的技术领域，具体而言，涉及一种目标搜索方法、装置、电子设备及存储介质。

背景技术

行人搜索（person search），是一种跨摄像头寻人的视觉辅助方案，行人搜索的过程是检测多个摄像头采集的行人图像，并将行人图像存入视频图像库中；然后根据目标行人的外观特征从视频图像库中，搜索匹配出同一个目标行人的图像。

目前的行人搜索方法主要依赖于视频图像库匹配搜索方法，视频图像库是由多个不同地理位置的摄像头采集的图像所构成的，当需要检索目标图像时，将目标图像与该视频图像库中的每张图像进行遍历匹配或者遍历搜索，获得遍历搜索结果。在具体的实践过程中发现，使用百亿级别的视频图像库时，存在的干扰图像导致在视频图像库中搜索目标图像的速度很慢。

发明内容

本申请实施例的目的在于提供一种目标搜索方法、装置、电子设备及存储介质，用于改善在视频图像库中搜索目标图像的速度很慢的问题。

本申请实施例提供了一种目标搜索方法，包括：获得针对目标对象采集的待搜索图像，以及待搜索图像对应的采集信息；根据采集信息对视频图像库中的候选图像进行筛选，获得多个筛选图像，视频图像库中的图像是多个摄像头采集获得的；将多个筛选图像与待搜索图像进行匹配搜索，获得待搜索图像对应的结果图像。在上述的实现过程中，通过根据待搜索图像对应的采集信息对视频图像库中的候选图像进行筛选，获得多个筛选图像，再使用筛选后的筛选图像与待搜索图像进行匹配搜索，有效地排除了视频图像库中存在与采集信息有关的部分干扰图像，从而提升了在视频图像库中搜索目标图像的速度。

可选地，在本申请实施例中，采集信息包括：采集坐标和采集时刻；根据采集信息对视频图像库中的候选图像进行筛选，包括：根据当前时刻和采集时刻确定出目标对象的移动时长；将目标对象的移动时长乘以目标对象的最大移动速度，获得目标对象的最大移动距离；判断待搜索图像的采集坐标与摄像头的位置坐标之间的距离是否超过目标对象的最大移动距离；若是，则从候选图像中剔除摄像头采集的图像。在上述的实现过程中，通过根据目标对象的移动时长乘以目标对象的最大移动速度获得目标对象的最大移动距离，来判断待搜索图像的采集坐标与摄像头的位置坐标之间的距离是否超过目标对象的最大移动距离；若是，则从候选图像中剔除摄像头采集的图像；从而在距离维度上排除了目标对象以最大移动速度也无法到达的摄像头采集的干扰图像，从而提升了在视频图像库中搜索目标图像的速度。

可选地，在本申请实施例中，采集信息包括：待搜索图像的采集时刻；根据采集信息对视频图像库中的候选图像进行筛选，包括：将待搜索图像的采集坐标与摄像头的位置坐标之间的距离除以目标对象的最大移动速度，获得目标对象的最短移动时长；根据待搜索图像的采集时刻和目标对象的最短移动时长确定出时间范围，并从摄像头采集的图像中剔除采集时刻在该时间范围内的图像。在上述的实现过程中，通过根据获得的目标对象的最短移动时长和待搜索图像的采集时刻确定出时间范围，并从摄像头采集的图像中剔除采集时刻在该时间范围内的图像；从而在时间维度上排除了目标对象以最大移动速度也无法在该时间范围内到达的摄像头采集的干扰图像，从而提升了在视频图像库中搜索目标图像的速度。

可选地，在本申请实施例中，采集信息包括：待搜索图像的采集坐标和采集角度，采集角度表征采集待搜索图像的摄像头朝向角度；根据采集信息对视频图像库中的候选图像进行筛选，包括：对待搜索图像中的目标对象进行轨迹识别，获得目标对象在待搜索图像中的相对移动方向；根据采集角度和相对移动方向确定出目标对象的绝对移动方向；判断摄像头是否位于采集坐标和绝对移动方向确定出的地理范围内；若是，则从候选图像中剔除摄像头采集的图像。在上述的实现过程中，通过对待搜索图像中的目标对象进行轨迹识别，获得目标对象在待搜索图像中的相对移动方向；根据采集角度和相对移动方向确定出目标对象的绝对移动方向；判断摄像头是否位于采集坐标和绝对移动方向确定出的地理范围内；若是，则从候选图像中剔除摄像头采集的图像；从而在方向维度上排除了目标对象的绝对移动方向范围内理论上无法到达的摄像头采集的干扰图像，从而提升了在视频图像库中搜索目标图像的速度。

可选地，在本申请实施例中，将多个筛选图像与待搜索图像进行匹配搜索，获得待搜索图像对应的结果图像，包括：提取待搜索图像的第一图像特征，以及多个筛选图像的每个筛选图像的第二图像特征；判断第一图像特征与第二图像特征之间的相似度值是否大于第一相似度阈值；若所述第一图像特征与所述第二图像特征之间的相似度值大于所述第一相似度阈值，则将所述第二图像特征对应的筛选图像确定为所述待搜索图像对应的结果图像。

可选地，在本申请实施例中，目标对象是行人；将多个筛选图像与待搜索图像进行匹配搜索，获得待搜索图像对应的结果图像，包括：提取行人在待搜索图像中的第一人脸特征，以及多个筛选图像的每个筛选图像中的第二人脸特征；判断第一人脸特征与第二人脸特征之间的相似度值是否大于第二相似度阈值；若是，则将第二人脸特征对应的筛选图像确定为待搜索图像对应的结果图像。在上述的实现过程中，先提取行人在待搜索图像中的第一人脸特征，以及多个筛选图像的每个筛选图像中的第二人脸特征；再判断第一人脸特征与第二人脸特征之间的相似度值是否大于第二相似度阈值；若是，则将第二人脸特征对应的筛选图像确定为待搜索图像对应的结果图像；也就是说，通过根据人脸特征的相似度来确定搜索结果图像，从而有效地提高了结果图像的匹配搜索准确率。

可选地，在本申请实施例中，在获得待搜索图像的搜索结果之后，还包括：判断待搜索图像对应的搜索图像的数量是否为多个搜索图像；若是，则分别获取多个搜索图像的采集坐标，并根据多个搜索图像的采集坐标绘制目标对象的移动轨迹路线。在上述的实现过程中，通过判断待搜索图像对应的搜索图像的数量是否为多个搜索图像；若是，则分别获取多个搜索图像的采集坐标，并根据多个搜索图像的采集坐标绘制目标对象的移动轨迹路线；从而能够有效地提高了通过目标对象的移动轨迹路线追踪到目标对象。

本申请实施例中还提供了一种目标搜索装置，包括：图像信息获得模块，用于获得针对目标对象采集的待搜索图像，以及待搜索图像对应的采集信息；筛选图像获得模块，用于根据采集信息对视频图像库中的候选图像进行筛选，获得多个筛选图像，视频图像库中的图像是多个摄像头采集获得的；结果图像获得模块，用于将多个筛选图像与待搜索图像进行匹配搜索，获得待搜索图像对应的结果图像。

可选地，在本申请实施例中，采集信息包括：采集坐标和采集时刻；筛选图像获得模块，包括：移动时长确定模块，用于根据当前时刻和采集时刻确定出目标对象的移动时长；移动距离获得模块，用于将目标对象的移动时长乘以目标对象的最大移动速度，获得目标对象的最大移动距离；移动距离判断模块，用于判断待搜索图像的采集坐标与摄像头的位置坐标之间的距离是否超过目标对象的最大移动距离；第一图像剔除模块，用于若待搜索图像的采集坐标与摄像头的位置坐标之间的距离超过目标对象的最大移动距离，则从候选图像中剔除摄像头采集的图像。

可选地，在本申请实施例中，采集信息包括：待搜索图像的采集时刻；筛选图像获得模块，包括：移动时长获得模块，用于将待搜索图像的采集坐标与摄像头的位置坐标之间的距离除以目标对象的最大移动速度，获得目标对象的最短移动时长；第二图像剔除模块，用于根据待搜索图像的采集时刻和目标对象的最短移动时长确定出时间范围，并从摄像头采集的图像中剔除采集时刻在该时间范围内的图像。

可选地，在本申请实施例中，采集信息包括：待搜索图像的采集坐标和采集角度，采集角度表征采集待搜索图像的摄像头朝向角度；筛选图像获得模块，包括：相对方向获得模块，用于对待搜索图像中的目标对象进行轨迹识别，获得目标对象在待搜索图像中的相对移动方向；绝对方向确定模块，用于根据采集角度和相对移动方向确定出目标对象的绝对移动方向；地理范围判断模块，用于判断摄像头是否位于采集坐标和绝对移动方向确定出的地理范围内；第三图像剔除模块，用于若摄像头位于采集坐标和绝对移动方向确定出的地理范围内，则从候选图像中剔除摄像头采集的图像。

可选地，在本申请实施例中，结果图像获得模块，包括：图像特征提取模块，用于提取待搜索图像的第一图像特征，以及多个筛选图像的每个筛选图像的第二图像特征；相似度值判断模块，用于判断第一图像特征与第二图像特征之间的相似度值是否大于第一相似度阈值；第一结果确定模块，用于若所述第一图像特征与所述第二图像特征之间的相似度值大于所述第一相似度阈值，则将所述第二图像特征对应的筛选图像确定为所述待搜索图像对应的结果图像。

可选地，在本申请实施例中，目标对象是行人；结果图像获得模块，包括：人脸特征提取模块，用于提取行人在待搜索图像中的第一人脸特征，以及多个筛选图像的每个筛选图像中的第二人脸特征；人脸特征判断模块，用于判断第一人脸特征与第二人脸特征之间的相似度值是否大于第二相似度阈值；第三结果确定模块，用于若第一人脸特征与第二人脸特征之间的相似度值大于第二相似度阈值，则将第二人脸特征对应的筛选图像确定为待搜索图像对应的结果图像。

可选地，在本申请实施例中，目标搜索装置，还包括：搜索图像判断模块，用于判断待搜索图像对应的搜索图像的数量是否为多个搜索图像；移动轨迹绘制模块，用于若待搜索图像对应的搜索图像的数量为多个搜索图像，则分别获取多个搜索图像的采集坐标，并根据多个搜索图像的采集坐标绘制目标对象的移动轨迹路线。

本申请实施例还提供了一种电子设备，包括：处理器和存储器，存储器存储有处理器可执行的机器可读指令，机器可读指令被处理器执行时执行如上面描述的方法。

本申请实施例还提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上面描述的方法。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出的本申请实施例提供的目标搜索方法的流程示意图；

图2示出的本申请实施例提供的对视频图像库中的候选图像进行筛选的示意图；

图3示出的本申请实施例提供的目标搜索装置的结构示意图；

图4示出的本申请实施例提供的电子设备的结构示意图。

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、完整的描述。

在介绍本申请实施例提供的目标搜索方法之前，先介绍本申请实施例中涉及的一些概念：

YOLO的全称为You only look once，译为你只能看一眼，是指一种实时目标检测方法，YOLO将目标区域预测和目标类别预测整合于单个神经网络模型中，实现在准确率较高的情况下快速目标检测与识别。

人脸关键点检测，是一种在任意图像中自动搜索定义好的人脸特征点位置的技术，这里的人脸关键点具体例如：瞳孔、鼻子和嘴角等；人脸关键点检测在计算机视觉和模式识别应用中占有很重要的地位，人脸关键点检测是人脸识别和分析领域中的关键一步。

需要说明的是，本申请实施例提供的目标搜索方法可以被电子设备执行，这里的电子设备是指具有执行计算机程序功能的设备终端或者上述的服务器，设备终端例如：智能手机、个人电脑（personal computer，PC）、平板电脑和移动上网设备（mobile Internetdevice，MID）等。

在介绍本申请实施例提供的目标搜索方法之前，先介绍该目标搜索方法适用的应用场景，这里的应用场景包括但不限于：使用该目标搜索方法辅助警察办案、嫌疑人监控和嫌疑人追踪等，嫌疑人追踪的场景具体例如：在使用带有摄像头的无人机矩阵对嫌疑人进行追踪等，或者使用该目标搜索方法增强联网摄像头系统的功能，或者使用该目标搜索方法跨摄像头搜索目标对象，此处的目标对象是指需要通过视频图像或者视频监控获得图像进行搜索的目标，目标对象包括但不限于：人、动物或者移动的机器；其中，移动的机器例如：机动小轿车、无人车或者无人机等等。

请参见图1示出的本申请实施例提供的目标搜索方法的流程示意图；该目标搜索方法的主要思路是，通过根据待搜索图像对应的采集信息对视频图像库中的候选图像进行筛选，获得多个筛选图像，再使用筛选后的筛选图像与待搜索图像进行匹配搜索，有效地排除了视频图像库中存在与采集信息有关的部分干扰图像，从而提升了在视频图像库中搜索目标图像的速度；上述的目标搜索方法可以包括：

步骤S110：获得针对目标对象采集的待搜索图像，以及待搜索图像对应的采集信息。

待搜索图像，是指需要在多个摄像头采集的视频图像库中被搜索的图像，具体例如：举报人提供的嫌疑人的人脸照片，或者从监控视频中截取的具有车牌号的嫌疑车辆照片等等。

上述步骤S110中的待搜索图像的获得方式有很多种，包括但不限于这几种：第一种获得方式，使用摄像机、录像机或彩色照相机等终端设备对目标对象进行拍摄，获得待搜索图像；然后该终端设备向电子设备发送待搜索图像，然后电子设备接收终端设备发送的待搜索图像，电子设备可以将待搜索图像存储至文件系统、数据库或移动存储设备中；第二种获得方式，获取预先存储的待搜索图像，具体例如：从文件系统中获取待搜索图像，或者从数据库中获取待搜索图像，或者从移动存储设备中获取待搜索图像；第三种获得方式，使用浏览器等软件获取互联网上的待搜索图像，或者使用其它应用程序访问互联网获得待搜索图像。

采集信息，是指待搜索图像在采集时的相关信息；此处的采集信息可以包括：待搜索图像的采集时刻、采集坐标和采集角度三种信息中的任意一种或者一种以上信息；其中，采集时刻是指待搜索图像在被拍摄采集的时刻，采集坐标是指待搜索图像在被采集时的位置坐标，采集角度是指待搜索图像在被采集时的摄像头朝向角度。

上述步骤S110中采集信息的获得方式有很多种，包括但不限于这几种：

第一种方式，仅从采集设备获得视频文件中获取，具体例如：若采集设备是监控摄像头，那么监控摄像头采集的视频文件中同时记录了采集时刻、采集坐标和采集角度的三种信息，那么可以直接从视频文件中获取。

第二种方式，从采集设备和采集设备获得视频文件中获取，具体例如：视频文件中存储有采集时间信息，监控摄像头所在的位置坐标就是采集坐标；如果监控摄像头是固定角度拍摄，那么该固定角度就可以是采集角度；如果监控摄像头是动态转动的，那么可以从存储的时间点与转动角度的对应关系获取待采集时刻对应的转动角度，并将该转动角度确定为采集角度。

第三种方式，从举报人提供的信息中获取，具体例如：举报人提供了拍摄的照片，并描述了采集时间范围和当时的拍摄角度；那么可以将该照片作为待搜索照片；若待搜索照片中存储了采集时刻，可以从待搜索照片中获取采集时刻；若没有存储采集时刻，则可以从该采集时间范围中预估一个采集时刻，并将当时的拍摄角度作为采集角度。

在步骤S110之后，执行步骤S120：根据采集信息对视频图像库中的候选图像进行筛选，获得多个筛选图像，视频图像库中的图像是多个摄像头采集获得的。

在步骤S120之后，执行步骤S130：将多个筛选图像与待搜索图像进行匹配搜索，获得待搜索图像对应的结果图像。

请参见图2示出的本申请实施例提供的对视频图像库中的候选图像进行筛选的示意图；图中的上方假设为正北方，下方假设为正南方，以采集坐标为中心点，采集坐标的四周有多个摄像头。由于上述步骤S120至步骤S130的实施方式的联系比较紧密，因此将两个步骤放在一起，下面依次介绍步骤S120和步骤S130的实施方式；上述步骤S120中的筛选方式有很多种，包括但不限于如下几种：

第一种筛选方式，从距离维度上来对每个摄像头进行排除，即根据待搜索图像的采集坐标和采集时刻对视频图像库中每个摄像头采集的候选图像进行筛选，该筛选方式可以包括：

步骤S121：根据当前时刻和采集时刻确定出目标对象的移动时长。

上述步骤S121的实施方式例如：采集时刻为早上9点，当前时刻为9点半，那么可以通过当前时刻减去采集时刻获得时刻之差，从而计算出目标对象的移动时长为30分钟。

步骤S122：将目标对象的移动时长乘以目标对象的最大移动速度，获得目标对象的最大移动距离。

上述步骤S122的实施方式例如：目标对象的最大移动速度可以根据具体情况进行调整设置，具体例如：假设目标对象是行人，那么行人的最大步行速度可以设置为5公里每小时；假设行人后来改为奔跑或者坐公共车，那么可以将最大步行速度调整至40公里每小时，若改为坐地铁或者出租车，也可以适当地将最大步行速度向上调整。假设目标对象的移动时长为30分钟，且目标对象的最大移动速度为40公里每小时，那么可以通过移动时长乘以最大移动速度，获得的最大移动距离为20公里。

步骤S123：判断待搜索图像的采集坐标与摄像头的位置坐标之间的距离是否超过目标对象的最大移动距离。

上述步骤S123的实施方式例如：通过待搜索图像的采集坐标与摄像头的位置坐标，计算出两者之间的距离，具体的计算过程需要根据情况计算，例如：可以考虑计算两者之间的直线距离或者曼哈顿距离（Manhattan Distance）等等。假设计算的是直线距离，那么在获得直线距离之后，就可以判断直线距离是否超过目标对象的最大移动距离。

步骤S124：若待搜索图像的采集坐标与摄像头的位置坐标之间的距离超过目标对象的最大移动距离，则从候选图像中剔除摄像头采集的图像。

上述步骤S124的实施方式例如：假设待搜索图像的采集坐标与摄像头的位置坐标之间的距离为30公里，且目标对象的最大移动距离为20公里，那么可以得知，采集坐标与摄像头的位置坐标之间的距离已经超过了目标对象的最大移动距离，就可以从候选图像中剔除该摄像头采集的图像，即在本次搜索的过程中，不考虑将该摄像头采集的图像参与匹配搜索的过程。

可以理解的是，如图2所示，上述第一种筛选方式也可以理解为，以当前时刻为界线，以采集坐标为原点，以目标对象的最大移动距离为半径画了一个圆圈，目标对象以最大速度也无法达到最大移动距离所围成圆圈之外的摄像头所在位置，即目标对象以最大速度也无法达到摄像头1和摄像头2所在的位置坐标；因此，直接排除这些圆圈之外的摄像头采集的所有图像，例如可以直接排除摄像头1和摄像头2采集的所有图像。

第二种筛选方式，从时间维度上来排除视频图像库中的候选图像，即根据待搜索图像的采集时刻对视频图像库中的候选图像进行筛选，该筛选方式可以包括：

步骤S125：将待搜索图像的采集坐标与摄像头的位置坐标之间的距离除以目标对象的最大移动速度，获得目标对象的最短移动时长。

上述步骤S125的实施方式例如：通过待搜索图像的采集坐标与摄像头的位置坐标，计算出两者之间的距离，此处的两者之间的距离可以采用直线距离或者曼哈顿距离；假设获得的直线距离为30公里，且目标对象的最大移动速度为60公里每小时，那么将两者之间的直线距离除以最大移动速度，即可获得目标对象的最短移动时长为半个小时。

步骤S126：根据待搜索图像的采集时刻和目标对象的最短移动时长确定出时间范围，并从摄像头采集的图像中剔除采集时刻在该时间范围内的图像。

上述步骤S126的实施方式例如：假设待搜索图像的采集时刻是9点，且目标对象的最短移动时长为半个小时，那么可以根据9点的采集时刻和半个小时的最短移动时长确定出时间范围，时间范围可以为8点半到9点半，目标对象肯定只会在这段时间范围内到达该摄像头的位置坐标，因此，可以在本次搜索中，从该摄像头采集的图像中剔除采集时刻在该时间范围内的图像。

可以理解的是，如图2所示，上述第二种筛选方式也可以理解为，以当前时刻为界线，以采集坐标为原点，以目标对象的最大移动距离为半径画了一个圆圈，虽然目标对象可以达到最大移动距离所围成圆圈之内的摄像头所在位置，但是，并非该摄像头所有时刻采集的图像都是需要被搜索的候选图像；也就是说，虽然目标对象可以达到摄像头3和摄像头4的位置坐标，但是摄像头3和摄像头4存在着一段时间范围，在这段时间范围内，目标对象以最大移动速度也不可能到达该摄像头所在位置坐标，例如不可能1毫秒就到达摄像头3或者摄像头4所在位置坐标。因此，可以直接排除目标对象不可能到达该摄像头所在位置的时间范围内采集的图像。

第三种筛选方式，从目标对象的行进方向维度来排除视频图像库中的候选图像，即根据采集坐标和采集角度对视频图像库中的候选图像进行筛选，包括：

步骤S127：对待搜索图像中的目标对象进行轨迹识别，获得目标对象在待搜索图像中的相对移动方向。

上述步骤S127的实施方式例如：使用目标跟踪算法对待搜索图像中的目标对象进行轨迹识别，即可获得目标对象在待搜索图像中的相对移动方向，可以使用的目标跟踪算法包括但不限于：传统的特征提取算法、传统的滤波类搜索算法、基于特征融合单点多盒检测器（Feature Fusion Single Shot Multibox Detector，FSSD）和YOLO网络模型等目标检测算法。

步骤S128：根据采集角度和相对移动方向确定出目标对象的绝对移动方向。

上述步骤S128的实施方式例如：根据监控摄像头的采集角度和目标对象的相对移动方向，可以确定出目标对象的绝对移动方向，具体例如：假设监控摄像头的采集角度朝向正北方向的，目标对象的相对移动方向是相对于摄像头向待搜索图像中的正右方移动，那么可以确定出目标对象的绝对移动方向是正东方向。

步骤S129：若摄像头位于采集坐标和绝对移动方向确定出的地理范围内，则从候选图像中剔除摄像头采集的图像。

上述步骤S129的实施方式例如：假设确定出目标对象的绝对移动方向是正东方向，采集坐标为原点坐标（0，0），那么假设以目标对象的绝对移动方向为基准，偏离四十五度的方向为地理范围，那容易推理得知，根据采集坐标和绝对移动方向确定出的地理范围为原点坐标的东北方向顺时针至原点坐标的东南方向，则从视频图像库的候选图像中剔除在原点坐标的东北方向至东南方向的摄像头所采集的图像；具体结合上述的图2说明，如果确定出目标对象是以采集坐标为起始点，其开设移动的绝对方向是正东方向，那么也可以在第三筛选方式中直接排除摄像头4所采集的所有图像，只从摄像头3的所采集的图像进行匹配搜索。

第四种筛选方式，从目标对象的预测速度维度来排除视频图像库中的候选图像；也就是说，若待搜索图像是从视频中获取的，那么还可以从该视频中估计出目标对象的预测速度，再根据当前时刻和待搜索图像的采集时刻计算出目标对象的移动时长，然后将预测速度乘以移动时长，即可获得目标对象的预测移动距离，最后计算摄像头与采集坐标之间的直线距离；若该直线距离与预测移动距离的差值超过预设距离阈值，则从视频图像库的候选图像中剔除该摄像头采集的图像；其中，预设距离阈值可以根据具体情况进行设置，例如可以设置为100米，也可以设置为1公里等等。

当然，在具体的实施过程中，由于上述的速度是预测的，通常存在不准确的情况，因此可以将预测速度改为预测速度范围，即预测速度范围包括：速度下限和速度上限。换句话说，若待搜索图像是从视频中获取的，那么还可以从该视频中估计出目标对象的速度下限和速度上限，目标对象的实际速度在速度下限和速度上限之间。再根据预测速度范围执行上述计算过程，再结合采集坐标即可获得目标对象的移动距离范围，最后计算摄像头与采集坐标之间的直线距离；若该直线距离不在移动距离范围之内，则从视频图像库的候选图像中剔除该摄像头采集的图像。如果要使得结果更加准确，可以结合上述第三种筛选方式中的根据方向维度筛选，也就是说，根据移动距离范围和执行上述第三种筛选方式可以获得方向范围，可以进一步将目标对象的位置范围定位在移动距离范围和方向范围之内。

第五种筛选方式，结合上述第一种筛选方式至第四种筛选方式，分别可以从时间、距离、速度和方向的维度中结合任意两种以及两种维度以上，来对视频图像库中的候选图像进行筛选，从而获得筛选后的候选图像；具体例如：结合上述的图2说明，上面的第一种筛选方式中已经排除摄像头1和摄像头2所采集的所有图像，也在上面的第二种筛选方式中排除了摄像头3和摄像头4在上述时间范围之内所采集的图像；如果确定出目标对象是以采集坐标为起始点，其开设移动的绝对方向是正东方向，那么也可以在第三筛选方式中直接排除摄像头4所采集的所有图像，只从摄像头3的上述时间范围之外所采集的图像进行匹配搜索。

在上述的实现过程中，通过根据待搜索图像对应的采集信息对视频图像库中的候选图像进行维度的筛选，此处的维度包括：时间、距离和方向中的一种维度以及一种维度以上的组合，获得多个筛选图像，再使用筛选后的筛选图像与待搜索图像进行匹配搜索，有效地排除了视频图像库中存在与采集信息有关的部分干扰图像，从而提升了在视频图像库中搜索目标图像的速度。

上述步骤S130中的实施方式有很多种，包括但不限于如下几种：

第一种实施方式，根据图像特征之间的相似度来确定搜索的结果图像，该实施方式可以包括：

步骤S131：提取待搜索图像的第一图像特征，以及提取多个筛选图像的每个筛选图像的第二图像特征。

上述步骤S131的实施方式例如：使用神经网络模型提取待搜索图像的第一图像特征，以及使用该神经网络模型提取多个筛选图像的每个筛选图像的第二图像特征；其中，此处可以采用的神经网络模型包括但不限于：单点多盒检测器（Feature Fusion SingleShot Multibox Detector，FSSD）、LeNet网络、AlexNet网络和GoogLeNet网络等。

步骤S132：判断第一图像特征与多个筛选图像提取的第二图像特征之间的相似度值是否大于第一相似度阈值。

上述步骤S132的实施方式例如：根据量化相似度指标来计算第一图像特征与第二图像特征之间的相似度值，这些量化相似度指标例如：余弦距离、汉明距离或欧氏距离等等；当然，在实践过程中，也可以选择多种组合加权参数等复杂模式来计算相似度。在获得第一图像特征与第二图像特征之间的相似度值之后，就可以判断该相似度是否大于第一相似度阈值，此处的第一相似度阈值可以根据具体情况进行设置，具体例如：将第一相似度阈值设置为70%、80%或者90%等。

步骤S133：若第一图像特征与多个筛选图像提取的第二图像特征之间的相似度值均不大于第一相似度阈值，则从候选图像的已剔除图像中筛选出候补图像，将候补图像确定为结果图像，候补图像与待搜索图像之间的相似度值大于预设阈值，预设阈值大于第一相似度阈值。

上述步骤S133的实施方式例如：假设第一图像特征与第二图像特征之间的相似度值为80%，而第一相似度阈值为90%，那么两者的相似度值80%不大于第一相似度阈值90%，对多个筛选图像中的每个图像进行提取的第二图像特征均小于第一图像特征的情况下；可以从上述已剔除的图像中筛选出与待搜索图像之间的相似度值大于预设阈值的候补图像，并将候补图像确定为结果图像，此处的预设阈值大于第一相似度阈值。也就是说，如果在视频图像库被剔除后的候选图像中没有搜索到目标对象对应的图像，那么也有可能目标对象存在于被剔除的图像中，因此，可以从上面已剔除的图像中提取特征并匹配搜索，只是在从已剔除的图像中提取的时候，将阈值设置得高于在视频图像库被剔除后的候选图像中搜索的第一相似度阈值。

步骤S134：若第一图像特征与第二图像特征之间的相似度值大于第一相似度阈值，则将第二图像特征对应的筛选图像确定为待搜索图像对应的结果图像。

上述步骤S134的实施方式例如：假设第一图像特征与第二图像特征之间的相似度值为95%，而第一相似度阈值为90%；那么此处的相似度值95%大于第一相似度阈值90%，则将第二图像特征对应的筛选图像确定为待搜索图像对应的结果图像。

第二种实施方式，如果目标对象是行人，那么可以根据人脸特征之间的相似度来确定搜索的结果图像，当然，在实际过程中，也可以采用其它特征，例如：外貌特征、形体特征和步态移动模式等等，这里为了便于理解和说明，仅以人脸特征为例进行说明；该实施方式可以包括：

步骤S135：提取行人在待搜索图像中的第一人脸特征，以及提取多个筛选图像的每个筛选图像中的第二人脸特征。

上述步骤S135的实施方式例如：使用人脸关键点检测算法或者特征提取器（Feature Extractor）提取行人在待搜索图像中的第一人脸特征，以及提取多个筛选图像的每个筛选图像中的第二人脸特征；这里的特征提取器可以是深度神经网络，常用的深度神经网络包括：VGG网络、Resnet网络、Wide Resnet网络和Inception网络等。

步骤S136：判断第一人脸特征与第二人脸特征之间的相似度值是否大于第二相似度阈值。

步骤S137：若第一人脸特征与第二人脸特征之间的相似度值大于第二相似度阈值，则将第二人脸特征对应的筛选图像确定为待搜索图像对应的结果图像。

上述步骤S136至步骤S137的实施方式例如：假设第一人脸特征与第二人脸特征之间的相似度值为90%，且第二相似度阈值为80%，那么可以确定该相似度值90%是大于第二相似度阈值80%的，则可以将第二人脸特征对应的筛选图像确定为待搜索图像对应的结果图像。

在上述的实现过程中，先提取行人在待搜索图像中的第一人脸特征，以及多个筛选图像的每个筛选图像中的第二人脸特征；再判断第一人脸特征与第二人脸特征之间的相似度值是否大于第二相似度阈值；若是，则将第二人脸特征对应的筛选图像确定为待搜索图像对应的结果图像；也就是说，通过根据人脸特征的相似度来确定搜索结果图像，从而有效地提高了结果图像的匹配搜索准确率。

可选地，在获得待搜索图像的搜索结果之后，还可以绘制目标对象的移动轨迹路线，那么在步骤S130之后，还可以包括如下步骤：

步骤S140：判断待搜索图像对应的搜索图像的数量是否为多个搜索图像。

步骤S150：若待搜索图像对应的搜索图像的数量是多个搜索图像，则分别获取多个搜索图像的采集坐标，并根据多个搜索图像的采集坐标绘制目标对象的移动轨迹路线。

上述步骤S140至步骤S150的实施方式例如：如果搜索出来的图像数量是3，那么是多个搜索图像，可以分别获取多个搜索图像中的每个搜索图像对应的采集坐标，获得多个采集坐标，并将获得的多个采集坐标绘制成目标对象的移动轨迹路线；如果图像数量是1，那么不是多个搜索图像，就可以不能绘制目标对象的移动轨迹路线，只能获得目标对象曾经出现的一个位置坐标。当然，在确定目标对象的坐标位置或者移动轨迹路线之后，即可排出无人机或者直升机在目标对象的坐标位置或者移动轨迹路线的最后一个坐标位置附近进行搜索和跟踪。

在上述的实现过程中，通过判断待搜索图像对应的搜索图像的数量是否为多个搜索图像；若是，则分别获取多个搜索图像的采集坐标，并根据多个搜索图像的采集坐标绘制目标对象的移动轨迹路线；从而能够有效地提高了通过目标对象的移动轨迹路线追踪到目标对象。

请参见图3示出的本申请实施例提供的目标搜索装置的结构示意图；本申请实施例提供了一种目标搜索装置200，包括：

图像信息获得模块210，用于获得针对目标对象采集的待搜索图像，以及待搜索图像对应的采集信息。

筛选图像获得模块220，用于根据采集信息对视频图像库中的候选图像进行筛选，获得多个筛选图像，视频图像库中的图像是多个摄像头采集获得的。

结果图像获得模块230，用于将多个筛选图像与待搜索图像进行匹配搜索，获得待搜索图像对应的结果图像。

可选地，在本申请实施例中，采集信息包括：采集坐标和采集时刻；筛选图像获得模块，包括：

移动时长确定模块，用于根据当前时刻和采集时刻确定出目标对象的移动时长。

移动距离获得模块，用于将目标对象的移动时长乘以目标对象的最大移动速度，获得目标对象的最大移动距离。

移动距离判断模块，用于判断待搜索图像的采集坐标与摄像头的位置坐标之间的距离是否超过目标对象的最大移动距离。

第一图像剔除模块，用于若待搜索图像的采集坐标与摄像头的位置坐标之间的距离超过目标对象的最大移动距离，则从候选图像中剔除摄像头采集的图像。

可选地，在本申请实施例中，采集信息包括：待搜索图像的采集时刻；筛选图像获得模块，包括：

移动时长获得模块，用于将待搜索图像的采集坐标与摄像头的位置坐标之间的距离除以目标对象的最大移动速度，获得目标对象的最短移动时长。

第二图像剔除模块，用于根据待搜索图像的采集时刻和目标对象的最短移动时长确定出时间范围，并从摄像头采集的图像中剔除采集时刻在该时间范围内的图像。

可选地，在本申请实施例中，采集信息包括：待搜索图像的采集坐标和采集角度，采集角度表征采集待搜索图像的摄像头朝向角度；筛选图像获得模块，包括：

相对方向获得模块，用于对待搜索图像中的目标对象进行轨迹识别，获得目标对象在待搜索图像中的相对移动方向。

绝对方向确定模块，用于根据采集角度和相对移动方向确定出目标对象的绝对移动方向。

地理范围判断模块，用于判断摄像头是否位于采集坐标和绝对移动方向确定出的地理范围内。

第三图像剔除模块，用于若摄像头位于采集坐标和绝对移动方向确定出的地理范围内，则从候选图像中剔除摄像头采集的图像。

可选地，在本申请实施例中，结果图像获得模块，包括：

图像特征提取模块，用于提取待搜索图像的第一图像特征，以及多个筛选图像的每个筛选图像的第二图像特征。

相似度值判断模块，用于判断第一图像特征与第二图像特征之间的相似度值是否大于第一相似度阈值。

第一结果确定模块，用于若第一图像特征与第二图像特征之间的相似度值不大于第一相似度阈值，则从候选图像的已剔除图像中筛选出候补图像，将候补图像确定为结果图像，候补图像与待搜索图像之间的相似度值大于预设阈值，预设阈值大于第一相似度阈值。

可选地，在本申请实施例中，结果图像获得模块，还包括：

第二结果确定模块，用于若第一图像特征与第二图像特征之间的相似度值大于第一相似度阈值，则将第二图像特征对应的筛选图像确定为待搜索图像对应的结果图像。

可选地，在本申请实施例中，目标对象是行人；结果图像获得模块，包括：

人脸特征提取模块，用于提取行人在待搜索图像中的第一人脸特征，以及多个筛选图像的每个筛选图像中的第二人脸特征。

人脸特征判断模块，用于判断第一人脸特征与第二人脸特征之间的相似度值是否大于第二相似度阈值。

第三结果确定模块，用于若第一人脸特征与第二人脸特征之间的相似度值大于第二相似度阈值，则将第二人脸特征对应的筛选图像确定为待搜索图像对应的结果图像。

可选地，在本申请实施例中，目标搜索装置，还包括：

搜索图像判断模块，用于判断待搜索图像对应的搜索图像的数量是否为多个搜索图像。

移动轨迹绘制模块，用于若待搜索图像对应的搜索图像的数量为多个搜索图像，则分别获取多个搜索图像的采集坐标，并根据多个搜索图像的采集坐标绘制目标对象的移动轨迹路线。

应理解的是，该装置与上述的目标搜索方法实施例对应，能够执行上述方法实施例涉及的各个步骤，该装置具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。该装置包括至少一个能以软件或固件（firmware）的形式存储于存储器中或固化在装置的操作系统（operating system，OS）中的软件功能模块。

请参见图4示出的本申请实施例提供的电子设备的结构示意图。本申请实施例提供的一种电子设备300，包括：处理器310和存储器320，存储器320存储有处理器310可执行的机器可读指令，机器可读指令被处理器310执行时执行如上的方法。

本申请实施例还提供了一种存储介质330，该存储介质330上存储有计算机程序，该计算机程序被处理器310运行时执行如上的方法。

其中，存储介质330可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random Access Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-Only Memory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。

本申请实施例提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其他的方式实现。以上所描述的装置实施例仅是示意性的，例如，附图中的流程图和框图显示了根据本申请实施例的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以和附图中所标注的发生顺序不同。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这主要根据所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以使用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请实施例中的各个实施例的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

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。

以上的描述，仅为本申请实施例的可选实施方式，但本申请实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请实施例的保护范围之内。

Claims (10)

1.一种目标搜索方法，其特征在于，包括：

获得针对目标对象采集的待搜索图像，以及所述待搜索图像对应的采集信息；

根据所述采集信息对视频图像库中的候选图像进行筛选，获得多个筛选图像，所述视频图像库中的图像是多个摄像头采集获得的；

将所述多个筛选图像与所述待搜索图像进行匹配搜索，获得所述待搜索图像对应的结果图像。

2.根据权利要求1所述的方法，其特征在于，所述采集信息包括：采集坐标和采集时刻；所述根据所述采集信息对视频图像库中的候选图像进行筛选，包括：

根据当前时刻和所述采集时刻确定出所述目标对象的移动时长；

将所述目标对象的移动时长乘以所述目标对象的最大移动速度，获得所述目标对象的最大移动距离；

判断所述待搜索图像的采集坐标与所述摄像头的位置坐标之间的距离是否超过所述目标对象的最大移动距离；

若是，则从所述候选图像中剔除所述摄像头采集的图像。

3.根据权利要求1所述的方法，其特征在于，所述采集信息包括：所述待搜索图像的采集时刻；所述根据所述采集信息对视频图像库中的候选图像进行筛选，包括：

将所述待搜索图像的采集坐标与所述摄像头的位置坐标之间的距离除以所述目标对象的最大移动速度，获得所述目标对象的最短移动时长；

根据所述待搜索图像的采集时刻和所述目标对象的最短移动时长确定出时间范围，并从所述摄像头采集的图像中剔除采集时刻在所述时间范围内的图像。

4.根据权利要求1所述的方法，其特征在于，所述采集信息包括：所述待搜索图像的采集坐标和采集角度，所述采集角度表征采集所述待搜索图像的摄像头朝向角度；所述根据所述采集信息对视频图像库中的候选图像进行筛选，包括：

对所述待搜索图像中的所述目标对象进行轨迹识别，获得所述目标对象在所述待搜索图像中的相对移动方向；

根据所述采集角度和所述相对移动方向确定出所述目标对象的绝对移动方向；

判断所述摄像头是否位于所述采集坐标和所述绝对移动方向确定出的地理范围内；

若是，则从所述候选图像中剔除所述摄像头采集的图像。

5.根据权利要求1-4任一所述的方法，其特征在于，所述将所述多个筛选图像与所述待搜索图像进行匹配搜索，获得所述待搜索图像对应的结果图像，包括：

提取所述待搜索图像的第一图像特征，以及所述多个筛选图像的每个筛选图像的第二图像特征；

判断所述第一图像特征与所述第二图像特征之间的相似度值是否大于第一相似度阈值；

若是，则将所述第二图像特征对应的筛选图像确定为所述待搜索图像对应的结果图像。

6.根据权利要求1-4任一所述的方法，其特征在于，所述目标对象是行人；所述将所述多个筛选图像与所述待搜索图像进行匹配搜索，获得所述待搜索图像对应的结果图像，包括：

提取所述行人在所述待搜索图像中的第一人脸特征，以及所述多个筛选图像的每个筛选图像中的第二人脸特征；

判断所述第一人脸特征与所述第二人脸特征之间的相似度值是否大于第二相似度阈值；

若是，则将所述第二人脸特征对应的筛选图像确定为所述待搜索图像对应的结果图像。

7.根据权利要求1-4任一所述的方法，其特征在于，在所述获得所述待搜索图像的搜索结果之后，还包括：

判断所述待搜索图像对应的搜索图像的数量是否为多个搜索图像；

若是，则分别获取所述多个搜索图像的采集坐标，并根据所述多个搜索图像的采集坐标绘制所述目标对象的移动轨迹路线。

8.一种目标搜索装置，其特征在于，包括：

图像信息获得模块，用于获得针对目标对象采集的待搜索图像，以及所述待搜索图像对应的采集信息；

筛选图像获得模块，用于根据所述采集信息对视频图像库中的候选图像进行筛选，获得多个筛选图像，所述视频图像库中的图像是多个摄像头采集获得的；

结果图像获得模块，用于将所述多个筛选图像与所述待搜索图像进行匹配搜索，获得所述待搜索图像对应的结果图像。

9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的方法。

10.一种存储介质，其特征在于，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的方法。

Images