CN112016609B - 一种图像聚类方法、装置、设备及计算机存储介质 - Google Patents
一种图像聚类方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN112016609B CN112016609B CN202010859955.8A CN202010859955A CN112016609B CN 112016609 B CN112016609 B CN 112016609B CN 202010859955 A CN202010859955 A CN 202010859955A CN 112016609 B CN112016609 B CN 112016609B
- Authority
- CN
- China
- Prior art keywords
- image
- cover
- characteristic parameter
- target
- parameter value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 239000000758 substrate Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000010191 image analysis Methods 0.000 description 8
- BDEDPKFUFGCVCJ-UHFFFAOYSA-N 3,6-dihydroxy-8,8-dimethyl-1-oxo-3,4,7,9-tetrahydrocyclopenta[h]isochromene-5-carbaldehyde Chemical compound O=C1OC(O)CC(C(C=O)=C2O)=C1C1=C2CC(C)(C)C1 BDEDPKFUFGCVCJ-UHFFFAOYSA-N 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 101000915578 Homo sapiens Zinc finger HIT domain-containing protein 3 Proteins 0.000 description 4
- 102100028598 Zinc finger HIT domain-containing protein 3 Human genes 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种图像聚类方法、装置、设备及计算机存储介质,该方法包括:基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像;所述目标封面图像的特征参数值与所述抓拍图像的特征参数值之间的偏差满足预设的偏差条件;确定所述抓拍图像与所述目标封面图像之间的相似度;若所述抓拍图像与所述目标封面图像之间的相似度大于封面相似度阈值,则将所述抓拍图像聚类为所述目标对象对应的抓拍图像。通过本申请的技术方案,提高图像聚类的准确性,有效地避免图像聚类结果错误。
Description
技术领域
本申请涉及图像处理技术领域,尤其是涉及一种图像聚类方法、装置、设备及计算机存储介质。
背景技术
图像聚类是指识别目标对象的图像,并为目标对象的多个图像设置同一个标签,这个标签作为目标对象的唯一标识。通过该唯一标识获知目标对象的多个图像,目标对象的结构化信息,目标对象的经纬度信息等。若对目标对象进行布控,则通过图像聚类可以查询到目标对象的实时位置和行走轨迹等。
为了实现图像聚类,可以确定抓拍图像与目标对象的已存储图像的相似度。若该相似度大于相似度阈值,则确定抓拍图像中的对象是目标对象。若该相似度不大于相似度阈值,则确定抓拍图像中的对象不是目标对象。
由于物理环境的影响(如光照、摄像头与人脸的相对位置等),会导致同一对象的抓拍图像的形态各异,如左侧脸和右侧脸等。若目标对象的已存储图像为左侧脸图像,目标对象的抓拍图像接近于左侧脸图像,则相似度可能大于相似度阈值,即分析出抓拍图像中的对象是目标对象。若已存储图像不为左侧脸图像,抓拍图像接近于左侧脸图像,则相似度可能不大于相似度阈值,即分析出抓拍图像中的对象不是目标对象,即图像聚类的分析结果出现错误。
发明内容
有鉴于此,本申请实施例中提出一种图像聚类方法、装置、设备及计算机存储介质,能够提高图像聚类的准确性,有效地避免图像聚类的结果错误。
本申请提供一种图像聚类方法,所述方法包括:
基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像;其中,所述目标封面图像的特征参数值与所述抓拍图像的特征参数值之间的偏差满足预设的偏差条件;
确定所述抓拍图像与所述目标封面图像之间的相似度;
若所述抓拍图像与所述目标封面图像之间的相似度大于第一封面相似度阈值,则将所述抓拍图像聚类为所述目标对象对应的抓拍图像。
本申请提供一种图像聚类装置,所述装置包括:
选取模块,用于基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像;其中,所述目标封面图像的特征参数值与所述抓拍图像的特征参数值之间的偏差满足预设的偏差条件;
确定模块,用于确定所述抓拍图像与所述目标封面图像之间的相似度;
聚类模块,用于若所述抓拍图像与所述目标封面图像之间的相似度大于第一封面相似度阈值,则将所述抓拍图像聚类为所述目标对象对应的抓拍图像。
本申请提供一种电子设备,包括:处理器和计算机存储介质,所述计算机存储介质存储有能够被所述处理器执行的机器可执行指令;
所述处理器用于执行机器可执行指令,以实现上述的图像聚类方法。
本申请提供一种计算机存储介质,所述计算机存储介质上存储有若干计算机指令,所述计算机指令被处理器执行时,实现上述的图像聚类方法。
由以上技术方案可见,本申请实施例中,可以基于抓拍图像的特征参数值,从所有封面图像中选取目标封面图像,并基于抓拍图像与目标封面图像之间的相似度,确定抓拍图像是否为目标对象对应的抓拍图像。由于目标封面图像的特征参数值与抓拍图像的特征参数值之间的偏差满足预设的偏差条件,即目标封面图像与抓拍图像属于同种类型的图像,因此,能够提高图像聚类的准确性,可以有效地避免图像聚类的分析结果出现错误。比如说,抓拍图像的特征参数值表示抓拍图像是左侧脸图像时,选取出的目标封面图像也接近于左侧脸图像,抓拍图像的特征参数值表示抓拍图像是右侧脸图像时,选取出的目标封面图像也接近于右侧脸图像。显然,由于目标封面图像与抓拍图像属于同种类型的图像,因此,抓拍图像与目标封面图像之间的相似度结果比较准确。
附图说明
为了更加清楚地说明本申请实施例或者现有技术中的技术方案,下面将对本申请实施例或者现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据本申请实施例的这些附图获得其他的附图。
图1是本申请一种实施方式中的图像聚类方法的流程图;
图2A-图2D是本申请一种实施方式中的特征参数记录区域的示意图;
图3是本申请另一种实施方式中的图像聚类方法的流程图;
图4是本申请另一种实施方式中的图像聚类方法的流程图;
图5是本申请一种实施方式中的图像聚类装置的结构图;
图6是本申请一种实施方式中的电子设备的结构图。
具体实施方式
在本申请实施例使用的术语仅仅是出于描述特定实施例的目的,而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其它含义。还应当理解,本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,此外,所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在介绍本申请实施例的技术方案之前,先介绍与本申请有关的概念:
抓拍图像:通过摄像头采集到的图像,在得到抓拍图像时,抓拍图像还没有身份信息,通过对抓拍图像进行图像聚类,获知抓拍图像的所属的目标对象。
底库图像:通过信息采集获取的图像,如身份证图像等,底库图像一般比较清晰,在得到底库图像时,底库图像已经具有身份信息,不再进行图像聚类。
封面图像:封面图像在本质上也是抓拍图像,如封面图像一般是比较清晰的抓拍图像。在得到抓拍图像时,可以对抓拍图像进行图像聚类,以获知抓拍图像所属的目标对象,可以将抓拍图像作为这个目标对象的封面图像。
图像聚类:识别出目标对象的图像,为目标对象的多个图像设置同一个标签,这个标签可以作为目标对象的唯一标识。通过目标对象的唯一标识,可以获知目标对象的所有数据,如多个图像(如抓拍图像、底库图像、封面图像等),结构化信息(如身份证号码,手机号码,性别,家庭住址等),经纬度信息(如抓拍图像的采集位置,可以是对抓拍图像进行采集的摄像头的位置)等。
示例性的,若对目标对象进行布控(即对目标对象进行实时监控,则每个抓拍图像均需要与目标对象的已存储图像进行比对,分析抓拍图像是否属于该目标对象),则通过图像聚类可以分析出目标对象的实时位置和行走轨迹。
多封面图像:针对目标对象来说,在将抓拍图像存储为该目标对象的封面图像时,通常具有如下限制条件:1、数量限制条件,当目标对象的封面图像数量小于封面数量上限时,才将抓拍图像作为封面图像,否则,不将抓拍图像作为封面图像。2、相似度限制条件,当抓拍图像与已存储图像(如底库图像或者封面图像)的相似度大于封面相似度阈值时,才将抓拍图像作为封面图像,否则,不将抓拍图像作为封面图像。3、质量限制条件,当抓拍图像的图像质量较好时,才将抓拍图像作为封面图像,否则,不将抓拍图像作为封面图像。
示例性的,针对质量限制条件,需要分析抓拍图像的图像质量,该图像质量用于反映抓拍图像的好坏,如基于抓拍图像的清晰度,曝光,颜色,噪音等属性,关于分析抓拍图像的图像质量的方式,本实施例中不做限制。
在相关技术中,为了实现抓拍图像的图像聚类,可以采用如下方式:
在得到抓拍图像1后,确定抓拍图像1与目标对象的已存储图像(如底库图像或者封面图像)的相似度。若该相似度不大于相似度阈值a1,则不将抓拍图像1聚类为该目标对象的抓拍图像。若该相似度大于相似度阈值a1,则将抓拍图像1聚类为该目标对象的抓拍图像。在将抓拍图像1聚类为目标对象的抓拍图像后,还可以分析是否将抓拍图像1作为该目标对象的封面图像。
例如,判断该相似度是否大于相似度阈值a2(相似度阈值a2大于相似度阈值a1)。若否,则不将抓拍图像1作为目标对象的封面图像。若是,则继续判断目标对象的封面图像数量是否小于封面数量上限。若不小于,则不将抓拍图像1作为目标对象的封面图像。若小于,则继续判断抓拍图像1的图像质量是否满足质量要求。若不满足质量要求,则不将抓拍图像1作为目标对象的封面图像。若满足质量要求,则将抓拍图像1作为目标对象的封面图像。
示例性的,抓拍图像1的图像质量较差时,如清晰度较低,抓拍图像1与已存储图像的相似度也可能大于相似度阈值a2,而抓拍图像1的图像质量较差时,不应该将抓拍图像1作为封面图像,因此,需要判断抓拍图像1的图像质量是否满足质量要求,若是,才将抓拍图像1作为目标对象的封面图像。
在一种可能的实施方式中,由于物理环境的影响,会导致目标对象的抓拍图像的形态各异,如正脸,左侧脸和右侧脸等。假设目标对象的封面图像是左侧脸图像,若目标对象的抓拍图像接近于左侧脸图像,则抓拍图像与封面图像的相似度大于相似度阈值a1,将抓拍图像聚类为目标对象的抓拍图像。若目标对象的抓拍图像为右侧脸图像,则抓拍图像与封面图像的相似度不大于相似度阈值a1,不将抓拍图像聚类为目标对象的抓拍图像,得到错误的聚类结果。
针对上述发现,本申请实施例中,可以基于抓拍图像的特征参数值,从所有封面图像中选取目标封面图像,并基于抓拍图像与目标封面图像之间的相似度,确定抓拍图像是否为目标对象对应的抓拍图像。由于目标封面图像的特征参数值与抓拍图像的特征参数值之间的偏差满足预设的偏差条件,如目标封面图像与抓拍图像属于同种类型的图像,因此,能够提高图像聚类的准确性。
本申请实施例中,可以为目标对象存储不同特征参数值的封面图像,从而增加封面图像的多样性。例如,为目标对象存储正脸图像,左侧脸10度图像,左侧脸30度图像,右侧脸10度图像,右侧脸30度图像等封面图像。
基于此,在得到抓拍图像后,假设抓拍图像是左侧脸40度图像,则将左侧脸30度图像作为目标封面图像,确定左侧脸40度图像与左侧脸30度图像的相似度。显然,由于左侧脸40度图像与左侧脸30度图像的形态比较接近(二者脸部偏转角度比较接近,为10度),因此,左侧脸40度图像与左侧脸30度图像属于同种类型的图像,左侧脸40度图像与左侧脸30度图像的相似度比较高。
在得到抓拍图像后,假设抓拍图像是右侧脸40度图像,则将右侧脸30度图像作为目标封面图像,确定右侧脸40度图像与右侧脸30度图像的相似度。显然,由于右侧脸40度图像与右侧脸30度图像的形态比较接近(二者脸部偏转角度比较接近,为10度),因此,右侧脸40度图像与右侧脸30度图像属于同种类型的图像,右侧脸40度图像与右侧脸30度图像的相似度比较高。
综上所述,本申请实施例中,抓拍图像的特征参数值表示抓拍图像是左侧脸某度数图像时,选取出的目标封面图像也接近于左侧脸该度数图像,抓拍图像的特征参数值表示抓拍图像是右侧脸某度数图像时,选取出的目标封面图像也接近于右侧脸该度数图像。显然,由于目标封面图像与抓拍图像属于同种类型的图像,因此,抓拍图像与目标封面图像之间的相似度结果比较准确。上述方式能够增加封面图像的多样性,使得各种类型的封面图像均能够成功聚类,提高图像聚类的准确性,有效地避免图像聚类的分析结果错误。
以下结合具体实施例,对本申请实施例的技术方案进行说明。
本申请实施例中提出一种图像聚类方法,该方法应用于图像聚类设备,对此图像聚类设备的类型不做限制,可以是个人计算机,终端设备,服务器等。参见图1所示,为图像聚类方法的流程示意图,该方法可以包括:
步骤101,基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像;示例性的,该目标封面图像的特征参数值与该抓拍图像的特征参数值之间的偏差满足预设的偏差条件。
示例性的,在得到抓拍图像后,为了确定抓拍图像是否为某目标对象(如目标用户)的抓拍图像,需要从该目标对象的所有封面图像中选取出目标封面图像。比如说,针对该目标对象的每个封面图像,若该封面图像的特征参数值与该抓拍图像的特征参数值之间的偏差满足预设的偏差条件,则该封面图像作为目标封面图像;若该封面图像的特征参数值与该抓拍图像的特征参数值之间的偏差不满足预设的偏差条件,则该封面图像不作为目标封面图像。
示例性的,特征参数可以为一个维度的特征参数,如偏转角特征参数(即人脸左右偏转的角度,如左转角度或者右转角度等)或者俯仰角特征参数(即人脸上下偏转的角度,如抬头角度或者低头角度等)等。或者,特征参数可以为两个维度的特征参数,如偏转角特征参数和俯仰角特征参数等。或者,特征参数可以为三个维度的特征参数,如偏转角特征参数,俯仰角特征参数和清晰程度特征参数(如图像清晰或图像模糊等)等。在实际应用中,还可以约定更多维度的特征参数,其实现原理类似,本实施例中不再重复赘述。
针对一个维度的特征参数(如偏转角特征参数),可以设定偏转角特征参数对应的特征参数值区间,假设右侧最大偏转角为30度,左侧最大偏转角为30度,则配置特征参数值区间[-10度,10度],特征参数值区间(10度,20度],特征参数值区间(20度,30度],特征参数值区间(-20度,-10度],特征参数值区间(-30度,-20度]。-10度表示左侧偏转角10度,-20度表示左侧偏转角20度,10度表示右侧偏转角10度,20度表示右侧偏转角20度,以此类推。
若抓拍图像中目标对象的偏转角特征参数为左侧偏转角15度,则该抓拍图像的特征参数值为-15度,且该特征参数值属于特征参数值区间(-20度,-10度]。若抓拍图像中目标对象的偏转角特征参数为右侧偏转角15度,则该抓拍图像的特征参数值为15度,且该特征参数值属于特征参数值区间(10度,20度]。
针对两个维度的特征参数(如偏转角特征参数和俯仰角特征参数),可以设定偏转角特征参数对应的特征参数值区间和俯仰角特征参数对应的特征参数值区间,关于偏转角特征参数对应的特征参数值区间,参见上述实施例,在此不再赘述。关于俯仰角特征参数对应的特征参数值区间,假设向上最大俯仰角(即抬头角度)为40度,向下最大俯仰角(即低头角度)为40度,则配置特征参数值区间[-10度,10度],特征参数值区间(10度,20度],特征参数值区间(20度,30度],特征参数值区间(30度,40度],特征参数值区间(-20度,-10度],特征参数值区间(-30度,-20度],特征参数值区间(-40度,-30度]。-10度表示向下俯仰角10度,10度表示向上俯仰角10度,以此类推。
若抓拍图像中目标对象的偏转角特征参数为左侧偏转角15度,俯仰角特征参数为向上俯仰角25度,则该抓拍图像的偏转角特征参数值为-15度,且该偏转角特征参数值属于特征参数值区间(-20度,-10度],该抓拍图像的俯仰角特征参数值为25度,且该俯仰角特征参数值属于特征参数值区间(20度,30度]。若抓拍图像中目标对象的偏转角特征参数为右侧偏转角15度,俯仰角特征参数为向上俯仰角25度,则该抓拍图像的偏转角特征参数值为15度,且该偏转角特征参数值属于特征参数值区间(10度,20度],该抓拍图像的俯仰角特征参数值为25度,且该俯仰角特征参数值属于特征参数值区间(20度,30度]。
针对三个维度的特征参数(如偏转角特征参数,俯仰角特征参数,清晰程度特征参数),可以设定偏转角特征参数对应的特征参数值区间,俯仰角特征参数对应的特征参数值区间,清晰程度特征参数对应的特征参数值区间,关于偏转角特征参数对应的特征参数值区间和俯仰角特征参数对应的特征参数值区间,可以参见上述示例。关于清晰程度特征参数对应的特征参数值区间,设定方式与偏转角特征参数对应的特征参数值区间的设定方式类似,在此不再赘述。
针对四个或者更多维度的特征参数,实现方式类似,本文不再赘述。
综上所述,以两个维度的特征参数(如偏转角特征参数和俯仰角特征参数)为例,在步骤101中,确定抓拍图像的偏转角特征参数值和俯仰角特征参数值,并确定该偏转角特征参数值属于的特征参数值区间,确定该俯仰角特征参数值属于的特征参数值区间。针对目标对象的每个封面图像,确定该封面图像的偏转角特征参数值和俯仰角特征参数值,并确定该偏转角特征参数值属于的特征参数值区间,确定该俯仰角特征参数值属于的特征参数值区间。
在一种可能的实施方式中,针对目标对象的每个封面图像,若该封面图像的偏转角特征参数值与抓拍图像的偏转角特征参数值之间的偏差满足预设的偏差条件(如封面图像的偏转角特征参数值属于的特征参数值区间与抓拍图像的偏转角特征参数值属于的特征参数值区间,二者之间的偏差满足预设的偏差条件),且该封面图像的俯仰角特征参数值与抓拍图像的俯仰角特征参数值之间的偏差满足预设的偏差条件(如封面图像的俯仰角特征参数值属于的特征参数值区间与抓拍图像的俯仰角特征参数值属于的特征参数值区间,二者之间的偏差满足预设的偏差条件),则该封面图像作为该抓拍图像的目标封面图像。
若该封面图像的偏转角特征参数值与抓拍图像的偏转角特征参数值之间的偏差不满足预设的偏差条件,和/或,该封面图像的俯仰角特征参数值与抓拍图像的俯仰角特征参数值之间的偏差不满足预设的偏差条件,则该封面图像不作为该抓拍图像的目标封面图像。
步骤102,确定该抓拍图像与该目标封面图像之间的相似度。
示例性的,在得到抓拍图像和目标封面图像后,可以获取该抓拍图像的特征模型,并获取该目标封面图像的特征模型,对此特征模型的获取方式不做限制。然后,确定该抓拍图像的特征模型与该目标封面图像的特征模型的相似度,对此相似度的确定方式不做限制,而该抓拍图像的特征模型与该目标封面图像的特征模型的相似度,就是该抓拍图像与该目标封面图像之间的相似度。
步骤103,若该抓拍图像与该目标封面图像之间的相似度大于第一封面相似度阈值,则将该抓拍图像聚类为目标对象对应的抓拍图像。
在一个例子中,上述执行顺序只是为了方便描述给出的一个示例,在实际应用中,还可以改变步骤之间的执行顺序,对此执行顺序不做限制。而且,在其它实施例中,并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其它实施例中可能被分解为多个步骤进行描述;本说明书中所描述的多个步骤,在其它实施例也可能被合并为单个步骤进行描述。
由以上技术方案可见,本申请实施例中,可以基于抓拍图像的特征参数值,从所有封面图像中选取目标封面图像,并基于抓拍图像与目标封面图像之间的相似度,确定抓拍图像是否为目标对象对应的抓拍图像。由于目标封面图像的特征参数值与抓拍图像的特征参数值之间的偏差满足预设的偏差条件,即目标封面图像与抓拍图像属于同种类型的图像,因此,能够提高图像聚类的准确性,可以有效地避免图像聚类的分析结果出现错误。比如说,抓拍图像的特征参数值表示抓拍图像是左侧脸图像时,选取出的目标封面图像也接近于左侧脸图像,抓拍图像的特征参数值表示抓拍图像是右侧脸图像时,选取出的目标封面图像也接近于右侧脸图像。显然,由于目标封面图像与抓拍图像属于同种类型的图像,因此,抓拍图像与目标封面图像之间的相似度结果比较准确。
在一种可能的实施方式中,目标封面图像的特征参数值与抓拍图像的特征参数值之间的偏差满足预设的偏差条件,可以包括但不限于:目标封面图像的特征参数值与抓拍图像的特征参数值相同,或者,目标封面图像的特征参数值属于的特征参数值区间与抓拍图像的特征参数值属于的特征参数值区间相同。
比如说,针对目标对象的每个封面图像,若该封面图像的特征参数值与该抓拍图像的特征参数值相同,则该封面图像作为该抓拍图像的目标封面图像;若该封面图像的特征参数值与该抓拍图像的特征参数值不同,则该封面图像不作为该抓拍图像的目标封面图像。又例如,若该封面图像的特征参数值属于的特征参数值区间与该抓拍图像的特征参数值属于的特征参数值区间相同,则该封面图像作为该抓拍图像的目标封面图像;若该封面图像的特征参数值属于的特征参数值区间与该抓拍图像的特征参数值属于的特征参数值区间不同,则该封面图像不作为该抓拍图像的目标封面图像。
在另一种可能的实施方式中,可以预先配置特征参数记录区域,当特征参数为一个时,可以为该特征参数的不同特征参数值区间建立一维特征参数记录区域,当特征参数为两个时,可以为该两个特征参数的不同特征参数值区间建立二维特征参数记录区域,当特征参数为三个时,可以为该三个特征参数的不同特征参数值区间建立三维特征参数记录区域,以此类推。
示例性的,该特征参数记录区域被配置为根据特征参数值的不同变化程度,设置不同的子区域,即该特征参数记录区域包括多个子区域。
该特征参数记录区域中,以特征参数基准值对应的子区域为中心区域,考虑到底库图像具有比较好的对比效果,特征参数基准值可以为底库图像的特征参数值,当然,还可以根据经验配置其它特征参数值作为特征参数基准值,对此不做限制。该特征参数记录区域中,与特征参数基准值不同的其它特征参数值对应的子区域作为该中心区域的周围区域。针对任意两个特征参数值,当这两个特征参数值之间的偏差越大时,则这两个特征参数值对应的子区域之间的距离越远,当这两个特征参数值之间的偏差越小时,则这两个特征参数值对应的子区域之间的距离越近。换而言之,针对特征参数记录区域中的任意两个子区域(记为第一子区域和第二子区域),当第一子区域和第二子区域之间的距离越近时,则第一子区域对应的特征参数值与第二子区域对应的特征参数值之间的偏差越小,当第一子区域和第二子区域之间的距离越远时,则第一子区域对应的特征参数值与第二子区域对应的特征参数值之间的偏差越大。
对于每一与目标对象对应的封面图像,该封面图像的特征参数值对应于该特征参数记录区域中的一个子区域;此外,对于该抓拍图像,该抓拍图像的特征参数值对应于该特征参数记录区域中的一个子区域。
显然,若该封面图像的特征参数值对应的子区域与该抓拍图像的特征参数值对应的子区域之间的距离越近,则说明该封面图像的特征参数值与该抓拍图像的特征参数值之间的偏差越小。若该封面图像的特征参数值对应的子区域与该抓拍图像的特征参数值对应的子区域之间的距离越远,则说明该封面图像的特征参数值与该抓拍图像的特征参数值之间的偏差越大。
在此基础上,基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像,可以包括但不限于:基于抓拍图像的特征参数值,从该特征参数记录区域中选取目标子区域,并确定与目标子区域对应的封面图像为目标封面图像。示例性的,目标封面图像的特征参数值与抓拍图像的特征参数值之间的偏差满足预设的偏差条件,可以包括:基于抓拍图像的特征参数值,确定抓拍图像的特征参数值对应的特征参数记录区域中的参考子区域;确定目标子区域与参考子区域之间满足预设的区域条件,该预设的区域条件可以包括:目标子区域与参考子区域之间的距离小于第一距离阈值。
比如说,针对目标对象的每个封面图像,确定该封面图像的特征参数值对应的特征参数记录区域中的子区域。针对抓拍图像,确定该抓拍图像的特征参数值对应的特征参数记录区域中的子区域(记为参考子区域)。针对目标对象的每个封面图像,若该封面图像对应的子区域与该抓拍图像对应的参考子区域之间的距离小于第一距离阈值,则该封面图像作为该抓拍图像的目标封面图像,将该目标封面图像的特征参数值对应的特征参数记录区域中的子区域称为目标子区域。若该封面图像对应的子区域与该抓拍图像对应的参考子区域之间的距离不小于第一距离阈值,则该封面图像不作为该抓拍图像的目标封面图像。
第一距离阈值可以根据经验配置,如1、2等,对此不做限制,当两个子区域之间的距离小于第一距离阈值时,表示两个子区域之间的距离较小,当两个子区域之间的距离不小于第一距离阈值时,表示两个子区域之间的距离较大。
显然,若封面图像对应的子区域与抓拍图像对应的参考子区域之间的距离小于第一距离阈值,则说明封面图像对应的子区域与抓拍图像对应的参考子区域之间的距离较小,封面图像的特征参数值与抓拍图像的特征参数值之间的偏差较小,因此,可以将该封面图像作为该抓拍图像的目标封面图像。
比如说,抓拍图像的特征参数值表示抓拍图像是左侧脸某度数图像时,若封面图像也接近于左侧脸该度数图像,则说明封面图像的特征参数值与抓拍图像的特征参数值之间的偏差较小,该封面图像对应的子区域与抓拍图像对应的参考子区域之间的距离小于第一距离阈值,将该封面图像作为目标封面图像。
若封面图像对应的子区域与抓拍图像对应的参考子区域之间的距离不小于第一距离阈值,则说明封面图像对应的子区域与抓拍图像对应的参考子区域之间的距离较大,封面图像的特征参数值与抓拍图像的特征参数值之间的偏差较大,因此,可以不将该封面图像作为该抓拍图像的目标封面图像。
例如,抓拍图像的特征参数值表示抓拍图像是左侧脸某度数图像时,若封面图像的特征参数值表示右侧脸某度数图像,则封面图像的特征参数值与抓拍图像的特征参数值之间的偏差较大,封面图像对应的子区域与抓拍图像对应的参考子区域之间的距离不小于第一距离阈值,该封面图像不作为目标封面图像。
综上所述,通过设置第一距离阈值,使得选取出的目标封面图像的特征参数值与抓拍图像的特征参数值之间的偏差较小,即目标封面图像与抓拍图像属于同种类型的图像,抓拍图像与目标封面图像之间的相似度结果比较准确。
针对一个维度的特征参数(如偏转角特征参数),可以预先配置特征参数记录区域和特征参数值区间,该特征参数记录区域包括多个子区域,且子区域的数量与特征参数值区间的数量相同,即子区域与特征参数值区间一一对应。
参见图2A和图2B所示,假设配置5个特征参数值区间,如特征参数值区间[-10度,10度],特征参数值区间(10度,20度],特征参数值区间(20度,30度],特征参数值区间(-20度,-10度],特征参数值区间(-30度,-20度],则该特征参数记录区域包括5个子区域,这5个子区域与5个特征参数值区间一一对应,参见表1所示。示例性的,子区域0是特征参数记录区域的中心区域,是特征参数基准值对应的子区域。例如,由于0度的偏转角最小(即没有发生偏转),因此,将0度的特征参数值作为特征参数基准值。显然,0度的特征参数值属于特征参数值区间[-10度,10度],因此,将特征参数值区间[-10度,10度]与子区域0进行对应。针对子区域0右侧的子区域,偏转角向右侧的程度依次增加,针对子区域0左侧的子区域,偏转角向左侧的程度依次增加。
表1
特征参数值区间 | 子区域 |
[-10度,10度] | 0 |
[-20度,-10度) | -1 |
[-30度,20度) | -2 |
(10度,20度] | 1 |
(20度,30度] | 2 |
针对两个维度的特征参数(如偏转角特征参数和俯仰角特征参数),可以预先配置特征参数记录区域和特征参数值区间,该特征参数记录区域包括多个子区域,且子区域的数量与特征参数值区间的数量相同,即子区域与特征参数值区间一一对应。参见图2C和图2D所示,假设配置25个特征参数值区间,则该特征参数记录区域包括25个子区域,这25个子区域与25个特征参数值区间一一对应,参见表2所示。示例性的,子区域(0,0)是特征参数记录区域的中心区域,是特征参数基准值对应的子区域。例如,由于0度的偏转角最小(即没有发生偏转),0度的俯仰角最小(即没有发生俯仰),0度的偏转角对应偏转角特征参数值区间[-10度,10度],0度的俯仰角对应俯仰角特征参数值区间[-10度,10度],因此,将偏转角特征参数值区间[-10度,10度]和俯仰角特征参数值区间[-10度,10度]与子区域(0,0)进行对应。继续参见图2C和图2D所示,针对子区域(0,y)右侧的子区域,偏转角向右侧的程度可以依次增加,针对子区域(0,y)左侧的子区域,偏转角向左侧的程度可以依次增加。针对子区域(x,0)上侧的子区域,俯仰角向上侧的程度可以依次增加,针对子区域(x,0)下侧的子区域,俯仰角向下侧的程度可以依次增加。
表2
针对三个维度的特征参数(如偏转角特征参数,俯仰角特征参数和清晰程度特征参数等),可以预先配置特征参数记录区域和特征参数值区间,该特征参数记录区域与图2C和图2D类似,只是在图2C和图2D的基础上增加第三个维度,通过第三个维度表示清晰程度特征,在此不再赘述。比如说,特征参数记录区域包括的子区域为(0,0,0),(0,1,0),(1,0,0),(1,1,0)等,对此不做限制。针对四个或者更多维度的特征参数,实现方式与两个维度的特征参数的实现方式类似,本文不再赘述。
示例性的,特征参数记录区域也可以称为封面方格,参见图2C所示,封面方格(0,0)表示封面中心方格,是最优特征参数值对应的封面方格,子区域(0,0)与封面方格(0,0)对应,子区域(-1,0)表示封面中心方格左侧的第一个封面方格,子区域(1,0)表示封面中心方格右侧的第一个封面方格,子区域(0,1)表示封面中心方格上侧的第一个封面方格,子区域(0,-1)表示封面中心方格下侧的第一个封面方格,子区域(-1,1)表示封面中心方格左上侧的第一个封面方格,以此类推,子区域与封面方格一一对应即可。
以下结合图2C所示,对封面方格进行说明,每个封面方格代表一类封面图像,封面图像满足两个维度的特征参数要求。以偏转角特征参数和俯仰角特征参数为例,横坐标表示封面图像的偏转角,从左到右分别表示从左侧最大偏转角到右侧最大偏转角,位于中心左侧的横坐标表示左侧偏转角,位于中心右侧的横坐标表示右侧偏转角,越靠近中心的横坐标表示的偏转角越小。纵坐标表示封面图像的俯仰角,从上到下分别表示从上侧最大俯仰角到下侧最大俯仰角,位于中心上侧的纵坐标表示上侧俯仰角(即抬头角度),位于中心下侧的纵坐标表示下侧俯仰角(即低头角度),越靠近中心的纵坐标表示的俯仰角越小。
封面方格中的横坐标表示偏转角,横坐标的分段长度根据经验配置,假设分段长度为10度,则封面方格(0,0)、封面方格(0,1)、封面方格(0,-1)中的横坐标0,表示的是偏转角在偏转角特征参数值区间[-10度,10度]之间的封面图像。封面方格(-1,0)、封面方格(-1,1)、封面方格(-1,-1)中的横坐标-1,表示的是偏转角在偏转角特征参数值区间[-20度,-10度)之间的封面图像,[-20度,-10度)表示的是左转(10度,20度]。封面方格(1,0)、封面方格(1,1)、封面方格(1,-1)中的横坐标1,表示的是偏转角在偏转角特征参数值区间(10度,20度]之间的封面图像,(10度,20度]表示的是右转(10度,20度],以此类推。
封面方格中的纵坐标表示俯仰角,纵坐标的分段长度根据经验配置,假设分段长度为10度,则封面方格(0,0)、封面方格(1,0)、封面方格(-1,0)中的纵坐标0,表示的是俯仰角在俯仰角特征参数值区间[-10度,10度]之间的封面图像。封面方格(0,-1)、封面方格(1,-1)、封面方格(-1,-1)中的纵坐标-1,表示的是俯仰角在俯仰角特征参数值区间[-20度,-10度)之间的封面图像,[-20度,-10度)表示的是向下(10度,20度]。封面方格(0,1)、封面方格(1,1)、封面方格(-1,1)中的纵坐标1,表示的是俯仰角在俯仰角特征参数值区间(10度,20度]之间的封面图像,(10度,20度]表示的是向上(10度,20度],以此类推。
针对每个封面方格来说,与该封面方格对应的封面图像,即要满足横坐标要求,也要满足纵坐标要求。例如,与封面方格(0,0)对应的封面图像,封面图像的偏转角在偏转角特征参数值区间[-10度,10度]之间,封面图像的俯仰角在俯仰角特征参数值区间[-10度,10度]之间。与封面方格(-1,1)对应的封面图像,封面图像的偏转角在偏转角特征参数值区间[-20度,-10度)之间,封面图像的俯仰角在俯仰角特征参数值区间(10度,20度]之间。与封面方格(1,2)对应的封面图像,封面图像的偏转角在偏转角特征参数值区间(10度,20度]之间,封面图像的俯仰角在俯仰角特征参数值区间(20度,30度]之间,以此类推。
为了方便描述,以两个维度的特征参数为例,对上述过程进行说明。
针对抓拍图像,确定该抓拍图像的特征参数值对应的子区域,假设抓拍图像的偏转角特征参数值为-15度,俯仰角特征参数值为15度,即偏转角特征参数值属于偏转角特征参数值区间(-20度,-10度],俯仰角特征参数值属于俯仰角特征参数值区间(10度,20度],参见图2C、图2D和表2所示,该抓拍图像的特征参数值对应子区域(-1,1)。针对每个封面图像,可以确定该封面图像的特征参数值对应的子区域,假设封面图像的偏转角特征参数值为-10度,俯仰角特征参数值为-15度,即偏转角特征参数值属于偏转角特征参数值区间(-20度,-10度],俯仰角特征参数值属于俯仰角特征参数值区间[-20度,-10度),参见图2C、图2D和表2所示,该封面图像的特征参数值对应子区域(-1,-1)。
示例性的,在得到抓拍图像对应的子区域和每个封面图像对应的子区域后,针对每个封面图像,若该封面图像对应的子区域与该抓拍图像对应的子区域之间的距离小于第一距离阈值,则该封面图像作为该抓拍图像的目标封面图像,若该封面图像对应的子区域与该抓拍图像对应的子区域之间的距离不小于第一距离阈值,则该封面图像不作为该抓拍图像的目标封面图像。
示例性的,两个子区域之间的距离,可以是切比雪夫距离,也可以是其它类型的距离,对此不做限制。以切比雪夫距离为例,则可以采用如下方式确定两个子区域之间的距离:计算两个子区域的横坐标值的差值的绝对值1,并计算两个子区域的纵坐标值的差值的绝对值2,将绝对值1与绝对值2中的最大值,作为两个子区域之间的距离。例如,两个子区域分别为(x1,y1)和(x2,y2),那么,两个子区域之间的距离为:max(abs(x1-x2),abs(y1-y2))。
例如,抓拍图像的子区域为(0,0),若封面图像的子区域为(1,2),则封面图像的子区域与抓拍图像的子区域的距离为2;若封面图像的子区域为(1,-1),则封面图像的子区域与抓拍图像的子区域的距离为1,以此类推。
第一距离阈值可以根据经验配置,如1、2、3等,对此不做限制,以2为例。若封面图像的子区域与抓拍图像的子区域的距离小于2,则封面图像的特征参数值与抓拍图像的特征参数值的偏差较小,将封面图像选取为目标封面图像。若封面图像的子区域与抓拍图像的子区域的距离不小于2,则封面图像的特征参数值与抓拍图像的特征参数值的偏差较大,不将封面图像选取为目标封面图像。
参见图3所示,为图像聚类方法的另一个流程示意图,该方法可以包括:
步骤301,确定抓拍图像与目标对象对应的底库图像之间的相似度。
步骤302,若抓拍图像与底库图像之间的相似度大于底库相似度阈值,则将该抓拍图像聚类为该目标对象对应的抓拍图像。
步骤303,若抓拍图像与底库图像之间的相似度不大于底库相似度阈值,则从目标对象对应的所有封面图像中选取初始封面图像。示例性的,初始封面图像的特征参数值在特征参数记录区域中的对应子区域,与特征参数基准值在特征参数记录区域中的对应子区域(即特征参数记录区域中的中心区域)之间的距离小于第二距离阈值;特征参数基准值为底库图像的特征参数值。
在一种可能的实施方式中,可以预先配置特征参数记录区域,该特征参数记录区域包括多个子区域,且以特征参数基准值对应的子区域为中心区域,特征参数基准值可以为底库图像的特征参数值或其它特征参数值,对此不做限制。该特征参数记录区域中,以与特征参数基准值不同的其它特征参数值对应的子区域为中心区域的周围区域。针对任意两个特征参数值,当两个特征参数值之间的偏差越大时,这两个特征参数值对应的子区域之间的距离越远,当两个特征参数值之间的偏差越小时,这两个特征参数值对应的子区域之间的距离越近。
对于每一与目标对象对应的封面图像,该封面图像的特征参数值对应于该特征参数记录区域中的一个子区域。若该封面图像的特征参数值对应的子区域与该特征参数基准值对应的子区域之间的距离越近,则说明该封面图像的特征参数值与该特征参数基准值之间的偏差越小。若该封面图像的特征参数值对应的子区域与该特征参数基准值对应的子区域之间的距离越远,则说明该封面图像的特征参数值与该特征参数基准值之间的偏差越大。
在此基础上,从目标对象对应的所有封面图像中选取初始封面图像,可以包括但不限于:针对目标对象的每个封面图像,确定该封面图像的特征参数值对应的特征参数记录区域中的子区域。若该封面图像对应的子区域与特征参数基准值对应的子区域之间的距离小于第二距离阈值,则该封面图像作为初始封面图像。若该封面图像对应的子区域与特征参数基准值对应的子区域之间的距离不小于第二距离阈值,则该封面图像不作为初始封面图像。
第二距离阈值可以根据经验配置,如1、2等,对此不做限制,当两个子区域之间的距离小于第二距离阈值时,表示两个子区域之间的距离较小,当两个子区域之间的距离不小于第二距离阈值时,表示两个子区域之间的距离较大。
显然,若封面图像对应的子区域与特征参数基准值对应的子区域之间的距离小于第二距离阈值,则说明封面图像对应的子区域与特征参数基准值对应的子区域之间的距离较小,封面图像的特征参数值与特征参数基准值之间的偏差较小,因此,可以将该封面图像作为初始封面图像。
若封面图像对应的子区域与特征参数基准值对应的子区域之间的距离不小于第二距离阈值,则说明封面图像对应的子区域与特征参数基准值对应的子区域之间的距离较大,封面图像的特征参数值与特征参数基准值之间的偏差较大,因此,可以不将该封面图像作为初始封面图像。
综上所述,通过设置第二距离阈值,使得选取出的初始封面图像的特征参数值与特征参数基准值之间的偏差较小,又由于特征参数基准值为底库图像的特征参数值,底库图像具有比较好的对比效果,因此,选取出的初始封面图像具有比较好的对比效果,抓拍图像与初始封面图像之间的相似度结果比较准确。
在另一种可能的实施方式中,从目标对象对应的所有封面图像中选取初始封面图像,还可以包括但不限于:针对目标对象的每个封面图像,若该封面图像的特征参数值与该特征参数基准值相同,则该封面图像可以作为初始封面图像;若该封面图像的特征参数值与该特征参数基准值不同,则该封面图像可以不作为初始封面图像。或者,若该封面图像的特征参数值属于的特征参数值区间(关于特征参数值区间的内容参见上述实施例,在此不再赘述)与该特征参数基准值属于的特征参数值区间相同,则该封面图像可以作为初始封面图像;若该封面图像的特征参数值属于的特征参数值区间与该特征参数基准值属于的特征参数值区间不同,则该封面图像可以不作为初始封面图像。
步骤304,若抓拍图像与初始封面图像之间的相似度大于第二封面相似度阈值,则将该抓拍图像聚类为该目标对象对应的抓拍图像。
步骤305,若抓拍图像与初始封面图像之间的相似度不大于第二封面相似度阈值,则基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像;示例性的,该目标封面图像的特征参数值与该抓拍图像的特征参数值之间的偏差满足预设的偏差条件。
步骤306,确定该抓拍图像与该目标封面图像之间的相似度。
步骤307,若该抓拍图像与该目标封面图像之间的相似度大于第一封面相似度阈值,则将该抓拍图像聚类为目标对象对应的抓拍图像。
在一个例子中,上述执行顺序只是为了方便描述给出的一个示例,在实际应用中,还可以改变步骤之间的执行顺序,对此执行顺序不做限制。而且,在其它实施例中,并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其它实施例中可能被分解为多个步骤进行描述;本说明书中所描述的多个步骤,在其它实施例也可能被合并为单个步骤进行描述。
在一种可能的实施方式中,在将抓拍图像聚类为目标对象的抓拍图像之后,还可以判断是否将该抓拍图像存储为该目标对象的封面图像,针对该过程,可以包括但不限于:基于该抓拍图像的特征参数值,从目标对象对应的所有封面图像中选取关联封面图像,关联封面图像的特征参数值属于的特征参数值区间与该抓拍图像的特征参数值属于的特征参数值区间相同。
若关联封面图像的总数量小于封面数量上限,则将该抓拍图像存储为目标对象对应的封面图像。若关联封面图像的总数量不小于封面数量上限,则对至少两个关联封面图像进行合并,并将该抓拍图像存储为目标对象对应的封面图像,或者,禁止将该抓拍图像存储为目标对象对应的封面图像。
示例性的,判断是否将该抓拍图像存储为该目标对象的封面图像之前,针对步骤302,将该抓拍图像聚类为该目标对象对应的抓拍图像后,判断抓拍图像与底库图像之间的相似度是否大于加封面阈值1,如果是,则执行判断是否将该抓拍图像存储为该目标对象的封面图像的操作。否则,不将抓拍图像存储为目标对象的封面图像。针对步骤304,将该抓拍图像聚类为该目标对象对应的抓拍图像后,判断抓拍图像与初始封面图像之间的相似度是否大于加封面阈值2,如果是,则执行判断是否将该抓拍图像存储为该目标对象的封面图像的操作。否则,不将抓拍图像存储为目标对象的封面图像。针对步骤307,将该抓拍图像聚类为目标对象对应的抓拍图像后,判断抓拍图像与目标封面图像之间的相似度是否大于加封面阈值3,如果是,则执行判断是否将该抓拍图像存储为该目标对象的封面图像的操作。否则,不将抓拍图像存储为目标对象的封面图像。
示例性的,加封面阈值2与加封面阈值1可以相同,也可以不同,如加封面阈值2可以大于加封面阈值1。加封面阈值3与加封面阈值1可以相同,也可以不同,如加封面阈值3可以大于加封面阈值1。加封面阈值3与加封面阈值2可以相同,也可以不同,如加封面阈值3可以大于加封面阈值2。
在一种可能的实施方式中,针对每种特征参数值区间(特征参数值区间与特征参数记录区域中的子区域一一对应),预先为每种特征参数值区间设置封面数量上限,不同特征参数值区间的封面数量上限可以相同,也可以不同,对此不做限制。比如说,一共存在5种特征参数值区间,5种特征参数值区间的封面数量上限均相同,或者,部分特征参数值区间的封面数量上限相同,或者,5种特征参数值区间的封面数量上限均不相同,对此不做限制。
示例性的,在将抓拍图像聚类为目标对象的抓拍图像后,确定与该抓拍图像的特征参数值属于的特征参数值区间对应的封面图像数量S。
参见上述实施例,可以获知抓拍图像的特征参数值属于的特征参数值区间,目标对象的每个封面图像的特征参数值属于的特征参数值区间,假设抓拍图像的特征参数值属于的特征参数值区间为A,则从目标对象的所有封面图像中,选取出特征参数值属于特征参数值区间A的封面图像,这些封面图像的数量就是封面图像数量S。若封面图像数量S小于特征参数值区间A的封面数量上限,则将抓拍图像存储为目标对象的封面图像。
若封面图像数量S不小于特征参数值区间A的封面数量上限,则不将抓拍图像存储为目标对象的封面图像,或,从目标对象的所有封面图像中,选取特征参数值属于特征参数值区间A的所有封面图像,从这些封面图像中选取mergeNum(融合数量)个封面图像,如随机选取mergeNum个封面图像,mergeNum大于或等于2。将mergeNum个封面图像合并(融合)为一个封面图像,合并后的封面图像称为平均封面图像,对此合并方式不做限制,如对mergeNum个封面图像的像素值进行加权运算,得到平均封面图像。由于对mergeNum个封面图像进行合并,因此,降低特征参数值区间A的封面图像的数量,使得更多满足要求的抓拍图像可以作为封面图像。然后,将抓拍图像存储为目标对象的封面图像。
在相关技术中,会选取偏正脸和偏清晰的抓拍图像作为封面图像,从而导致图像质量较差、或偏转角较大、或俯仰角较大的抓拍图像无法正确聚类。
本申请实施例中,可以存储不同特征参数值区间的封面图像,如正脸封面图像、左脸封面图像、右脸封面图像、抬头封面图像、低头封面图像、模糊封面图像、遮挡封面图像等等,针对每种特征参数值区间的封面图像设置封面数量上限,从而使封面图像多样化,提高图像聚类的准确性,避免抓拍图像的聚类结果错误,降低抓拍图像的丢失率。
本申请实施例中提出另一种图像聚类方法,该方法可以应用于图像聚类设备,参见图4所示,为图像聚类方法的流程示意图,该方法可以包括:
步骤401,确定抓拍图像与目标对象的底库图像的相似度,并判断抓拍图像与底库图像的相似度是否大于底库相似度阈值Hit。
如果是,则执行步骤402,如果否,则执行步骤406。
步骤402,将抓拍图像聚类为目标对象的抓拍图像,并判断抓拍图像与底库图像的相似度是否大于加封面阈值1(加封面阈值1记为Cover)。
如果否,则不将抓拍图像存储为目标对象的封面图像,即抓拍图像不作为封面图像参与图像聚类。如果是,则可以执行步骤403。
步骤403,确定与抓拍图像的特征参数值属于的特征参数值区间对应的封面图像数量,判断该封面图像数量是否小于封面数量上限。
若是,执行步骤404,若否,执行步骤405。
步骤404,将该抓拍图像存储为目标对象的封面图像。
步骤405,对抓拍图像的特征参数值属于的特征参数值区间对应的至少两个封面图像(如MergeNum个封面图像)进行合并,并将抓拍图像存储为目标对象的封面图像。
示例性的,MergeNum可以为封面数量上限,即,在封面图像数量达到封面数量上限MergeNum时,可以将所有封面图像进行合并,得到平均封面图像。
步骤406,从目标对象对应的所有封面图像中选取初始封面图像。
步骤407,确定抓拍图像与初始封面图像的相似度,并判断抓拍图像与初始封面图像的相似度是否大于第二封面相似度阈值Hit1。
如果是,则执行步骤408,如果否,则执行步骤409。
步骤408,将抓拍图像聚类为目标对象的抓拍图像,并判断抓拍图像与初始封面图像的相似度是否大于加封面阈值2(加封面阈值2记为Cover1)。
如果否,则不将抓拍图像存储为目标对象的封面图像,即抓拍图像不作为封面图像参与图像聚类。如果是,则执行步骤403。
步骤409,从目标对象对应的所有封面图像中选取目标封面图像。
示例性的,若目标封面图像与初始封面图像存在重合的封面图像X,即封面图像X属于目标封面图像,也属于初始封面图像,则可以针对封面图像X进行后续处理,也可以不进行后续步骤,对此不做限制。
步骤410,确定抓拍图像与目标封面图像的相似度,并判断抓拍图像与目标封面图像的相似度是否大于第一封面相似度阈值Hit2。
如果是,则执行步骤411,如果否,则禁止将抓拍图像聚类为目标对象的抓拍图像,并可以将抓拍图像存储为待聚类的抓拍图像。
步骤411,将抓拍图像聚类为目标对象的抓拍图像,并判断抓拍图像与目标封面图像的相似度是否大于加封面阈值3(加封面阈值3记为Cover2)。
如果否,则不将抓拍图像存储为目标对象的封面图像,即抓拍图像不作为封面图像参与图像聚类。如果是,执行步骤403。
在上述实施例中,Hit,Hit1,Hit2,Cover,Cover1和Cover2均可以根据经验进行配置,对此不做限制,关于各个阈值的大小关系,也可以根据经验进行配置,对此不做限制。例如,Cover可以大于或者等于Hit,Cover1可以大于或者等于Hit1,Cover2可以大于或者等于Hit2。又例如,Cover1可以大于或者等于Cover,Cover2可以大于或者等于Cover1。又例如,Hit1可以大于或者等于Hit,Hit2可以大于或者等于Hit1。当然,上述只是几个示例,对此不做限制。
示例性的,由于目标封面图像与抓拍图像比较相似(例如都是向右偏转20~25度,向下低头10~20度),因此,Hit2和Cover2可以大一些,防止错误的聚类结果。基于此,Cover2大于或者等于Cover1,Hit2大于或者等于Hit1。
由以上技术方案可见,假设目标对象A有多张抓拍图像,抓拍图像A1为正脸图像,抓拍图像A5为左侧脸50度左右的图像,由于抓拍图像A1与抓拍图像A5之间的相似度小于封面相似度阈值(Hit1和Hit2),则无法将抓拍图像A1和抓拍图像A5聚类为同一个目标对象A的抓拍图像。
但是,如果存在抓拍图像A2、抓拍图像A3和抓拍图像A4,抓拍图像A2为左侧脸20度左右的图像,抓拍图像A3为左侧脸30度左右的图像,抓拍图像A4为左侧脸40度左右的图像,那么,抓拍图像A1与抓拍图像A2之间的相似度会比较高,抓拍图像A2与抓拍图像A3之间的相似度会比较高,抓拍图像A3与抓拍图像A4之间的相似度会比较高,抓拍图像A4与抓拍图像A5之间的相似度会比较高,通过相似传递特性,抓拍图像A1和抓拍图像A2被聚类为同一个目标对象A的抓拍图像,抓拍图像A2和抓拍图像A3被聚类为同一个目标对象A的抓拍图像,抓拍图像A3和抓拍图像A4被聚类为同一个目标对象A的抓拍图像,抓拍图像A4和抓拍图像A5被聚类为同一个目标对象A的抓拍图像,即,抓拍图像A1和抓拍图像A5被聚类为同一个目标对象A的抓拍图像。
在上述实施例中,需要确定两个图像(如抓拍图像和底库图像,抓拍图像和初始封面图像,或者,抓拍图像和目标封面图像等)的相似度,在确定两个图像的相似度时,可以确定两个图像的特征模型的相似度,比如说,可以确定抓拍图像的特征模型与目标封面图像的特征模型的相似度。
针对图像的特征模型,该特征模型是通过算法对图像中的目标人脸进行描述的一串二进制数据,可以通过大量特征点来表示特征模型,显然,当特征点的数量越多时,则特征模型越长,特征模型对目标的识别更加准确。
关于特征模型的相似度,在得到两个图像的特征模型后,可以计算这两个特征模型的相似度,如基于欧式距离或余弦距离等算法,确定这两个特征模型的相似度,对此确定方式不做限制,只要能够得到特征模型的相似度即可。
针对上述实施例中的各种类型的图像,如抓拍图像,底库图像,封面图像等,这些图像的来源比较丰富,可以来自关系型数据库、非关系型数据库、本地图片、压缩包、视频流等。针对这些类型的图像均需要获取特征模型。在一种可能的实施方式中,可以由同一个设备(即图像聚类设备)确定每个图像的特征模型,基于特征模型确定相似度,基于相似度实现图像聚类。
但是,考虑到特征模型的确定过程,相似度的确定过程,以及图像聚类过程,均比较消耗计算资源,因此,在另一种可能的实施方式中,可以配置多个服务器,基于多个服务器的配合实现上述操作。例如,可配置图像存储服务器,图像分析服务器,图像聚类服务器,图像比对服务器,特征模型存储服务器。
图像存储服务器,用于存储图像,如抓拍图像,底库图像,封面图像等。
图像分析服务器,用于对图像进行分析,得到图像的多维特征,并将多维特征以某种格式组合在一起,形成特征向量字符串,即图像的特征模型。
特征模型存储服务器,用于存储各图像的特征数据,例如,图像的特征模型,图像的结构化信息,图像的采集时间信息,图像的经纬度信息。
图像比对服务器,用于计算两个图像的特征模型的相似度,如计算抓拍图像的特征模型与底库图像的特征模型的相似度,计算抓拍图像的特征模型与封面图像的特征模型的相似度等,对特征模型的相似度的计算方式不做限制。
图像聚类服务器,基于基于特征模型的相似度,实现图像聚类过程,具体的图像聚类算法参见上述实施例,在此不做重复赘述。
图像存储服务器可以将图像提供给图像分析服务器,或者,将图像的URL(UniformResource Locator,统一资源定位符)提供给图像分析服务器,该URL是图像的地址,以使图像分析服务器根据该URL获取到图像。在得到图像后,图像分析服务器能够对图像进行分析,得到特征模型。
图像分析服务器得到特征模型后,可以将特征模型输出给图像比对服务器,以使图像比对服务器确定特征模型的相似度。图像比对服务器确定出特征模型的相似度后,可以将特征模型的相似度输出给图像聚类服务器,以使图像聚类服务器根据特征模型的相似度实现图像聚类过程。
图像存储服务器,图片分析服务器,图像聚类服务器,图片比对服务器,特征模型存储服务器,只是一个示例,对此不做限制。还可以通过一个服务器实现至少两个服务器的功能,从而减少服务器的数量。例如,由图像聚类服务器实现图像聚类服务器和图片比对服务器的功能。
在上述实施例中,可以将至少两个封面图像合并为平均封面图像,假设将封面图像1与封面图像2合并为平均封面图像,则将封面图像1的特征模型与封面图像2的特征模型合并为平均封面图像的特征模型,如对封面图像1的特征模型与封面图像2的特征模型进行加权运算,得到平均封面图像的特征模型。
在上述实施例中,参见步骤410,确定抓拍图像与目标封面图像的相似度之后,若抓拍图像与目标封面图像的相似度不大于第一封面相似度阈值Hit2,则禁止将抓拍图像聚类为目标对象的抓拍图像,并将抓拍图像存储为待聚类的抓拍图像。在此基础上,确定抓拍图像中的对象不是目标对象(后续记为目标对象1),完成抓拍图像与目标对象1的已存储图像的图像聚类过程。若除目标对象1外还存在其它目标对象(如目标对象2),则采用上述实施例,完成抓拍图像与目标对象2的已存储图像(如底库图像和/或封面图像等)的图像聚类过程,对此过程不再赘述,图像聚类结果为抓拍图像为目标对象2的抓拍图像,或者,抓拍图像不为目标对象2的抓拍图像。以此类推,一直到抓拍图像作为某个目标对象的抓拍图像,或者,抓拍图像不是所有目标对象的抓拍图像。
在抓拍图像不是所有目标对象的抓拍图像时,将抓拍图像存储为待聚类的抓拍图像,在满足重新聚类条件时,重新对待聚类的抓拍图像进行图像聚类。
示例性的,在将抓拍图像存储为待聚类的抓拍图像后,在间隔预设时长(根据经验配置)时,满足重新聚类条件。或者,在图像聚类设备的可用资源(如处理器资源)大于资源阈值(根据经验配置,表示图像聚类设备比较空闲)时,满足重新聚类条件。当然,上述只是重新聚类条件的示例,对此不做限制。
重新对待聚类的抓拍图像进行图像聚类是指:重新执行图1,或图3,或图4所示的流程,重新对抓拍图像进行图像聚类,在此不再重复赘述。
示例性的,重新对待聚类的抓拍图像进行图像聚类,其原因可以在于:
在第一次对抓拍图像a进行图像聚类时,假设目标对象存在封面图像A1和封面图像A2,封面图像A1是正脸图像,封面图像A2是左侧脸10度图像,而抓拍图像a是左侧脸40度图像,那么,抓拍图像a与封面图像A1/封面图像A2的相似度均比较低,图像聚类结果为抓拍图像a不是目标对象的抓拍图像。
在重新对待聚类的抓拍图像a进行图像聚类时,假设目标对象存在封面图像A1,封面图像A2和封面图像A3,封面图像A3是左侧脸30度图像,抓拍图像a是左侧脸40度图像,抓拍图像a与封面图像A3的相似度比较高,图像聚类结果为抓拍图像a是目标对象的抓拍图像,即成功对抓拍图像a进行聚类。
在上述实施例中,针对目标对象来说,目标对象可以具有一个档案,目标对象的档案可以包括底库图像,封面图像和抓拍图像的相关内容,如目标对象的档案可以包括但不限于:人员ID,即档案ID,是目标对象的唯一标识,通过此人员ID来区分不同的目标对象,类似于身份证号码。图像ID,是图像的唯一标识,一个人员ID可以对应多个图像ID,例如,底库图像的图像ID,每个封面图像的图像ID,每个抓拍图像的图像ID等。库ID,每个目标对象可以属于一个或多个库,而库ID是这个库的唯一标识。目标对象的结构化信息,如身份证号码,手机号码等。图像的经纬度信息和采集时间信息。图像的特征模型。
参见表3所示,为目标对象的档案的示例,对此档案的内容不做限制。
表3
档案A(底库图像A1) | 档案A(封面图像A2) |
人员ID:2323842498320394 | 人员ID:2323842498320394 |
图片ID:273420394203023923 | 图片ID:9234823423402304 |
库ID:baselib | 库ID:coverlib |
示例性的,针对目标对象来说,档案中除了包括底库图像,还可以包括封面图像,封面图像与底库图像具有相同的标签(即人员ID)。例如,假设档案A目前只有底库图像A1,如表3所示,底库图像A1的数据格式如左边一列。
在得到抓拍图像A2后,参见上述实施例的图像聚类过程,若抓拍图像A2与底库图像A1匹配,且抓拍图像A2满足封面图像的添加条件,则将底库图像A1的人员ID赋值给抓拍图像A2,并将抓拍图像A2作为封面图像A2,参见表3所示,封面图像A2的数据格式可以如右边一列。
在得到抓拍图像A3后,若抓拍图像A3与底库图像A1或封面图像A2匹配,且抓拍图像A3满足封面图像的添加条件,将底库图像A1或封面图像A2的人员ID赋值给抓拍图像A2,将抓拍图像A3作为封面图像A3,以此类推。经过上述处理,档案中的封面图像数量越来越多,这些封面图像通过人员ID关联。
基于与上述方法同样的申请构思,本申请实施例中还提出一种图像聚类装置,如图5所示,为所述图像聚类装置的结构图,所述装置包括:
选取模块51,用于基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像;其中,所述目标封面图像的特征参数值与所述抓拍图像的特征参数值之间的偏差满足预设的偏差条件;
确定模块52,用于确定所述抓拍图像与所述目标封面图像之间的相似度;
聚类模块53,用于若所述抓拍图像与所述目标封面图像之间的相似度大于第一封面相似度阈值,将所述抓拍图像聚类为所述目标对象对应的抓拍图像。
对于每一所述与目标对象对应的封面图像,所述封面图像的特征参数值对应于特征参数记录区域中的一个子区域;其中,所述特征参数记录区域被配置为根据所述特征参数值的不同变化程度,设置不同的子区域;
所述选取模块51基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像时具体用于:
基于抓拍图像的特征参数值,从所述特征参数记录区域中选取目标子区域,并确定与所述目标子区域对应的封面图像为目标封面图像。
在一种可能的实施方式中,所述确定模块52,还用于确定所述抓拍图像与所述目标对象对应的底库图像之间的相似度;所述聚类模块53,还用于若所述抓拍图像与所述底库图像之间的相似度大于底库相似度阈值,则将所述抓拍图像聚类为所述目标对象对应的抓拍图像;所述选取模块51,还用于若所述抓拍图像与所述底库图像之间的相似度不大于底库相似度阈值,则从所述目标对象对应的所有封面图像中选取初始封面图像;其中,所述初始封面图像的特征参数值在特征参数记录区域中的对应子区域,与特征参数基准值在特征参数记录区域中的对应子区域之间的距离小于第二距离阈值;所述特征参数基准值为所述底库图像的特征参数值;所述聚类模块53,还用于若所述抓拍图像与所述初始封面图像之间的相似度大于第二封面相似度阈值,则将所述抓拍图像聚类为所述目标对象对应的抓拍图像;所述选取模块51,还用于若所述抓拍图像与所述初始封面图像之间的相似度不大于第二封面相似度阈值,基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像。
基于与上述方法同样的申请构思,本申请实施例中还提出一种电子设备(即上述实施例中的图像聚类设备),本申请实施例提供的电子设备硬件架构示意图可以参见图6所示。电子设备可以包括:处理器61和机器可读存储介质62,所述机器可读存储介质62存储有能够被所述处理器61执行的机器可执行指令;所述处理器61用于执行机器可执行指令,以实现本申请上述示例公开的方法。
基于与上述方法同样的申请构思,本申请实施例还提供一种计算机存储介,其中,所述计算机存储介上存储有若干计算机指令,所述计算机指令被处理器执行时,能够实现本申请上述示例公开的方法。
示例性的,上述计算机存储介可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,计算机存储介可以是:RAM(RadomAccess Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、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,本申请实施例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。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
而且,这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上,使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种图像聚类方法,其特征在于,所述方法包括:
基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像;其中,所述目标封面图像的特征参数值与所述抓拍图像的特征参数值之间的偏差满足预设的偏差条件;
确定所述抓拍图像与所述目标封面图像之间的相似度;
若所述抓拍图像与所述目标封面图像之间的相似度大于第一封面相似度阈值,则将所述抓拍图像聚类为所述目标对象对应的抓拍图像;
其中,对于每一所述与目标对象对应的封面图像,所述封面图像的特征参数值对应于特征参数记录区域中的一个子区域;其中,所述特征参数记录区域被配置为根据所述特征参数值的不同变化程度,设置不同的子区域;
所述基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像,包括:基于抓拍图像的特征参数值,从所述特征参数记录区域中选取目标子区域,并确定与所述目标子区域对应的封面图像为目标封面图像。
2.根据权利要求1所述的方法,其特征在于,所述目标封面图像的特征参数值与所述抓拍图像的特征参数值之间的偏差满足预设的偏差条件,包括:
基于抓拍图像的特征参数值,确定所述抓拍图像的特征参数值对应的所述特征参数记录区域中的参考子区域;
确定所述目标子区域与所述参考子区域之间满足预设的区域条件。
3.根据权利要求2所述的方法,其特征在于,
所述特征参数记录区域中,以特征参数基准值对应的子区域为中心区域;所述特征参数记录区域中,以与所述特征参数基准值不同的其它特征参数值对应的子区域为所述中心区域的周围区域;当两个特征参数值之间的偏差越大时,这两个特征参数值对应的子区域之间的距离越远,当两个特征参数值之间的偏差越小时,这两个特征参数值对应的子区域之间的距离越近;
所述预设的区域条件,包括:
所述目标子区域与所述参考子区域之间的距离小于第一距离阈值。
4.根据权利要求3所述的方法,其特征在于,
所述基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像之前,所述方法还包括:
确定所述抓拍图像与所述目标对象对应的底库图像之间的相似度;
若所述抓拍图像与所述底库图像之间的相似度大于底库相似度阈值,则将所述抓拍图像聚类为所述目标对象对应的抓拍图像;
若所述抓拍图像与所述底库图像之间的相似度不大于底库相似度阈值,则从所述目标对象对应的所有封面图像中选取初始封面图像;其中,所述初始封面图像的特征参数值在特征参数记录区域中的对应子区域,与特征参数基准值在特征参数记录区域中的对应子区域之间的距离小于第二距离阈值;所述特征参数基准值为所述底库图像的特征参数值;
若所述抓拍图像与所述初始封面图像之间的相似度大于第二封面相似度阈值,则将所述抓拍图像聚类为所述目标对象对应的抓拍图像;
若所述抓拍图像与所述初始封面图像之间的相似度不大于第二封面相似度阈值,则基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像。
5.一种图像聚类装置,其特征在于,所述装置包括:
选取模块,用于基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像;其中,所述目标封面图像的特征参数值与所述抓拍图像的特征参数值之间的偏差满足预设的偏差条件;
确定模块,用于确定所述抓拍图像与所述目标封面图像之间的相似度;
聚类模块,用于若所述抓拍图像与所述目标封面图像之间的相似度大于第一封面相似度阈值,则将所述抓拍图像聚类为所述目标对象对应的抓拍图像;
其中,对于每一所述与目标对象对应的封面图像,所述封面图像的特征参数值对应于特征参数记录区域中的一个子区域;其中,所述特征参数记录区域被配置为根据所述特征参数值的不同变化程度,设置不同的子区域;
所述选取模块基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像时具体用于:
基于抓拍图像的特征参数值,从所述特征参数记录区域中选取目标子区域,并确定与所述目标子区域对应的封面图像为目标封面图像。
6.根据权利要求5所述的装置,其特征在于,所述确定模块,还用于确定所述抓拍图像与所述目标对象对应的底库图像之间的相似度;
所述聚类模块,还用于若所述抓拍图像与所述底库图像之间的相似度大于底库相似度阈值,则将所述抓拍图像聚类为所述目标对象对应的抓拍图像;
所述选取模块,还用于若所述抓拍图像与所述底库图像之间的相似度不大于底库相似度阈值,则从所述目标对象对应的所有封面图像中选取初始封面图像;其中,所述初始封面图像的特征参数值在特征参数记录区域中的对应子区域,与特征参数基准值在特征参数记录区域中的对应子区域之间的距离小于第二距离阈值;所述特征参数基准值为所述底库图像的特征参数值;
所述聚类模块,还用于若所述抓拍图像与所述初始封面图像之间的相似度大于第二封面相似度阈值,则将所述抓拍图像聚类为所述目标对象对应的抓拍图像;
所述选取模块,还用于若所述抓拍图像与所述初始封面图像之间的相似度不大于第二封面相似度阈值,则基于抓拍图像的特征参数值,从已记录的与目标对象对应的所有封面图像中选取目标封面图像。
7.一种电子设备,其特征在于,包括:处理器和计算机存储介质,所述计算机存储介质存储有能够被所述处理器执行的机器可执行指令;所述处理器用于执行机器可执行指令,以实现如权利要求1至4任一项所述的方法。
8.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有若干计算机指令,所述计算机指令被处理器执行时,实现如权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010859955.8A CN112016609B (zh) | 2020-08-24 | 2020-08-24 | 一种图像聚类方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010859955.8A CN112016609B (zh) | 2020-08-24 | 2020-08-24 | 一种图像聚类方法、装置、设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112016609A CN112016609A (zh) | 2020-12-01 |
CN112016609B true CN112016609B (zh) | 2024-02-27 |
Family
ID=73505758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010859955.8A Active CN112016609B (zh) | 2020-08-24 | 2020-08-24 | 一种图像聚类方法、装置、设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016609B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528078B (zh) * | 2020-12-16 | 2023-04-25 | 杭州海康威视数字技术股份有限公司 | 一种图像归档方法、装置及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036259A (zh) * | 2014-06-27 | 2014-09-10 | 北京奇虎科技有限公司 | 人脸相似度识别方法和系统 |
CN105808732A (zh) * | 2016-03-10 | 2016-07-27 | 北京大学 | 一种基于深度度量学习的一体化目标属性识别与精确检索方法 |
CN108960156A (zh) * | 2018-07-09 | 2018-12-07 | 苏州浪潮智能软件有限公司 | 一种人脸检测识别方法及装置 |
CN109783672A (zh) * | 2018-12-28 | 2019-05-21 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
WO2020135523A1 (zh) * | 2018-12-29 | 2020-07-02 | 华为技术有限公司 | 目标对象的检索定位方法和装置 |
-
2020
- 2020-08-24 CN CN202010859955.8A patent/CN112016609B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036259A (zh) * | 2014-06-27 | 2014-09-10 | 北京奇虎科技有限公司 | 人脸相似度识别方法和系统 |
CN105808732A (zh) * | 2016-03-10 | 2016-07-27 | 北京大学 | 一种基于深度度量学习的一体化目标属性识别与精确检索方法 |
CN108960156A (zh) * | 2018-07-09 | 2018-12-07 | 苏州浪潮智能软件有限公司 | 一种人脸检测识别方法及装置 |
CN109783672A (zh) * | 2018-12-28 | 2019-05-21 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
WO2020135523A1 (zh) * | 2018-12-29 | 2020-07-02 | 华为技术有限公司 | 目标对象的检索定位方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112016609A (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019218824A1 (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
CN107633526B (zh) | 一种图像跟踪点获取方法及设备、存储介质 | |
CN107949849B (zh) | 缩减大数据集中数据密度的系统和方法 | |
US9984473B2 (en) | Feature trackability ranking, systems and methods | |
CN108875542B (zh) | 一种人脸识别方法、装置、系统及计算机存储介质 | |
Yu et al. | Trajectory-based ball detection and tracking in broadcast soccer video | |
CN110853033B (zh) | 基于帧间相似度的视频检测方法和装置 | |
CN111046752B (zh) | 一种室内定位方法、计算机设备和存储介质 | |
US9105101B2 (en) | Image tracking device and image tracking method thereof | |
US11042991B2 (en) | Determining multiple camera positions from multiple videos | |
US8805123B2 (en) | System and method for video recognition based on visual image matching | |
CN107438173A (zh) | 视频处理装置、视频处理方法和存储介质 | |
CN110796701B (zh) | 标记点的识别方法、装置、设备及存储介质 | |
CN112016609B (zh) | 一种图像聚类方法、装置、设备及计算机存储介质 | |
EP3146502B1 (en) | Accelerated image processing | |
US20200184652A1 (en) | Detecting motion in video using motion vectors | |
CN114219938A (zh) | 感兴趣区域获取方法 | |
CN110245643B (zh) | 目标跟踪拍摄方法、装置、电子设备 | |
CN113191210A (zh) | 一种图像处理方法、装置及设备 | |
CN112396551A (zh) | 一种水印嵌入方法及装置 | |
CN116704403B (zh) | 一种建筑物图像视觉辨别方法、装置、电子设备及介质 | |
CN113343870B (zh) | 一种基于Android系统移动设备的识别赋能方法 | |
EP3752956B1 (en) | Methods, systems, and media for detecting two-dimensional videos placed on a sphere in abusive spherical video content | |
CN111382650B (zh) | 商品购物处理系统、方法、装置及电子设备 | |
Sudirman et al. | Improving camera pose estimation for indoor marker-less augmented reality |
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 |