CN112131419B - 图像档案的合并方法、装置、电子设备和存储介质 - Google Patents
图像档案的合并方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112131419B CN112131419B CN202010825932.5A CN202010825932A CN112131419B CN 112131419 B CN112131419 B CN 112131419B CN 202010825932 A CN202010825932 A CN 202010825932A CN 112131419 B CN112131419 B CN 112131419B
- Authority
- CN
- China
- Prior art keywords
- portrait data
- main
- similarity
- file
- data
- 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 51
- 238000004364 calculation method Methods 0.000 claims description 20
- 241000282414 Homo sapiens Species 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及一种图像档案的合并方法、装置、电子设备和存储介质，其中，该一种图像档案的合并方法包括：通过获取已建立图像档案的数据，计算该数据中的第一主档人像数据和该数据中第二主档人像数据的第一相似度；根据该第一相似度所属的阈值范围将该第一主档人像数据和该第二主档人像数据划分到不同类别；根据该类别对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案，进行合并或者不合并处理，解决了同一人有多个图像档案，会占用过多的存储空间、提高企业的存储成本和降低处理器运行速度的问题，提高了存储空间的利用率和处理器的运行速度。
Description
技术领域
本申请涉及图像处理领域，特别是涉及图像档案的合并方法、装置、电子设备和存储介质。
背景技术
近年来，人脸识别应用领域广泛，例如在门禁系统里，各大高铁进站口的闸机前和在办理银行卡的柜台前等，这些应用都需要识别海量的图像，为了方便管理，为用户建立图像档案成为必须的。
在相关技术中，会选定照片作为主档人像，在获取到新的人像照片的情况下，将新的人像照片与主档人像的特征进行对比，若达到相关的阈值，认为是同一人，则将新的人像照片归属到该图像档案中；若未达到，则建立新的图像档案。假定人员甲有三张图像，分别为A、B和C，对这三张图像进行特征对比，A和B能达到相关阈值，B与C能达到相关阈值，A与C能达到相关阈值，若选择图像A为主档人像，则C因为与A不能达到相关阈值，不能归入该图像档案内，会为C建立新的图像档案，同一人有多个图像档案，多个图像档案会占用过多的存储空间，以及降低处理器运行速度。
目前针对相关技术中同一人有多个图像档案，会占用过多的存储空间、提高企业的存储成本和降低处理器运行速度的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种图像档案合并方法、装置、电子设备和存储介质，以至少解决相关技术中同一人有多个图像档案，会占用过多的存储空间、提高企业的存储成本和降低处理器运行速度的问题。
第一方面，本申请实施例提供了一种图像档案合并方法，该方法包括：
获取已建立图像档案的数据；
计算该数据中的第一主档人像数据和该数据中第二主档人像数据的第一相似度，其中，该第二主档人像数据包括除该第一主档人像数据外的其他主档人像数据；
根据该第一相似度所属的阈值范围将该第一主档人像数据和该第二主档人像数据划分到不同类别，其中，该类别包括同一人类别、疑似类别、不同人类别；
根据该类别对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案，进行合并或者不合并处理。
在其中一些实施例中，根据该第一相似度所属的阈值范围将该第一主档人像数据和该第二主档人像数据划分到不同类别包括：在该第一相似度属于第一阈值范围的情况下，将该第一主档人像数据和该第二主档人像数据划分为同一人类别；在该第一相似度属于第二阈值范围的情况下，将该第一主档人像数据和该第二主档人像数据划分为疑似类别；在该第一相似度属于第三阈值范围的情况下，将该第一主档人像数据和该第二主档人像数据划分为不同人类别；其中，该第一阈值大于该第二阈值，该第二阈值大于该第三阈值。
在其中一些实施例中，该根据该第一相似度所属的阈值范围将该第一主档人像数据和该第二主档人像数据划分到不同类别之后，该方法包括：在将该第一主档人像数据和该第二主档人像数据划分为该同一人类别的情况下，对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案进行合并处理；在将该第一主档人像数据和该第二主档人像数据划分为该疑似类别的情况下，对该第一主档人像数据和该第二主档人像数据进行二次计算，获得第二相似度，根据该第二相似度对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案进行合并或者不合并处理；在将该第一主档人像数据和该第二主档人像数据划分为该不同人类别的情况下，对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案进行不合并处理。
在其中一些实施例中，该根据该第二相似度对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案进行合并或者不合并处理包括：根据该第二相似度所属的阈值范围将该第一主档人像数据和该第二主档人像数据划分到不同类别；在该第一相似度属于第一阈值范围的情况下，将该第一主档人像数据和该第二主档人像数据划分为同一人类别；在该第一相似度属于第二阈值范围的情况下，将该第一主档人像数据和该第二主档人像数据划分为疑似类别；在该第一相似度属于第三阈值范围的情况下，将该第一主档人像数据和该第二主档人像数据划分为不同人类别；在该类别划分为同一人类别的情况下，对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案进行合并处理；在该其中类别划分为疑似类别或不同人类别的情况下，对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案进行不合并处理；其中，该第一阈值大于该第二阈值，该第二阈值大于该第三阈值。
在其中一些实施例中，该二次计算包括：
获得该第一主档人像数据和该第二主档人像数据的近邻集合；
计算该近邻集合的交并比；
根据该交并比计算相似度差值；
将该相似度差值和该第一相似度相加，计算出该第二相似度。第二方面，本申请实施例提供了一种图像档案合并的装置，该装置包括：
获取模块，用于获取已建立图像档案的数据；
计算模块，用于计算该数据中的第一主档人像数据和该数据中第二主档人像数据的第一相似度，其中，该第二主档人像数据包括除该第一主档人像数据外的其他主档人像数据；
划分模块，用于根据该第一相似度所属的阈值范围将该第一主档人像数据和该第二主档人像数据划分到不同类别，其中该类别包括同一人类别、疑似类别、不同人类别；
合并模块，用于根据该类别对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案，进行合并或者不合并处理。在其中一些实施例中，该划分模块，用于根据该第一相似度所属的阈值范围将该第一主档人像数据和该第二主档人像数据划分到不同类别包括：在该第一相似度属于第一阈值范围的情况下，将该第一主档人像数据和该第二主档人像数据划分为同一人类别；在该第一相似度属于第二阈值范围的情况下，将该第一主档人像数据和该第二主档人像数据划分为疑似类别；在该第一相似度属于第三阈值范围的情况下，将该第一主档人像数据和该第二主档人像数据划分为不同人类别；其中，该第一阈值大于该第二阈值，该第二阈值大于该第三阈值。
在其中一些实施例中，该划分模块，用于根据该第一相似度所属的阈值范围将该第一主档人像数据和该第二主档人像数据划分到不同类别之后，该装置包括：在将该第一主档人像数据和该第二主档人像数据划分为该同一人类别的情况下，对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案进行合并处理；在将该第一主档人像数据和第二主档人像数据数据划分为该疑似类别的情况下，对该第一主档人像数据和该第二主档人像数据进行二次计算，获得第二相似度，根据该第二相似度对该第一主档人像数据和第二主档人像数据的图像档案进行合并或不合并处理；在将该第一主档人像数据和该第二主档人像数据划分为该不同人类别的情况下，对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案进行不合并处理。
在其中一些实施例中，该根据该第二相似度对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案进行合并或者不合并处理包括：根据该第二相似度所属的阈值范围将该第一主档人像数据和该第二主档人像数据划分到不同类别；在该第一相似度属于第一阈值范围的情况下，将该第一主档人像数据和该第二主档人像数据划分为同一人类别；在该第一相似度属于第二阈值范围的情况下，将该第一主档人像数据和该第二主档人像数据划分为疑似类别；在该第一相似度属于第三阈值范围的情况下，将该第一主档人像数据和该第二主档人像数据划分为不同人类别；在该类别划分为同一人类别的情况下，对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案进行合并处理；在该其中类别划分为疑似类别或不同人类别的情况下，对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案进行不合并处理；其中，该第一阈值大于该第二阈值，该第二阈值大于该第三阈值。
在其中一些实施例中，该二次计算包括：
获得第一主档人像和第二主档人像的近邻集合；
计算该近邻集合的交并比；
根据该交并比计算相似度差值；
将该相似度差值和该第一相似度相加，计算出该第二相似度。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的一种图像档案的合并方法。
第四方面，本申请实施例提供了存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的一种图像档案的合并方法。
相比于相关技术，本申请实施例提供的一种图像档案的合并方法，通过获取已经建立的图像档案的数据，选取第一主档人像数据和第二主档人像数据，其中，该第二主档人像数据包括除该第一主档人像数据外的其他主档人像数据；然后计算第一主档人像数据和第二主档人像的数据的第一相似度，再通过第一相似度的大小判断第一主档人像数据的图像档案和第二主档人像数据的图像档案是否为同一人的图像档案，然后对第一主档人像数据的图像档案和第二主档人像数据的图像档案进行合并或不合并处理，解决了同一人有多个图像档案，会占用过多的存储空间、提高企业的存储成本和降低处理器运行速度的问题，提高了存储空间的利用率和处理器的运行速度。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的图像档案合并的方法的应用环境示意图；
图2是根据本申请实施例的一种图像档案合并方法的流程图；
图3是根据本申请实施例的一种图像档案合并方法的二次计算方法的流程图；
图4是根据本申请实施例的一种图像档案合并装置的结构框图；
图5是根据本申请实施例的人员a和人员b的图像档案合并方法的流程示意图；
图6是根据本申请另一个实施例的一种图像档案合并方法的流程示意图；
图7是根据本申请实施例的电子设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的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。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“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。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“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模块(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，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本申请提供的图像档案的合并方法，可以应用于如图1所示的应用环境中，图1是根据本申请实施例的图像档案合并的方法的应用环境示意图，如图1所示。其中，终端102与服务器104通过网络进行通信。服务器104根据终端102发送的请求，获取图像档案数据，再计算各主档人像之间的相似度，根据该线速度对主档划分到不同的类别，最终对图像档案进行合并或不合并处理，在将图像档案处理完成后，获得处理后的图像档案，再发送至终端102。其中，终端102可以但不限于是各种个人计算机和笔记本电脑，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
本实施例提供了一种图像档案合并方法，可用于图像档案的合并，图2是根据本申请实施例的一种图像档案合并方法的流程图，如图2所示，该方法包括：
步骤S201，获取已建立图像档案的数据，；
步骤S202，计算该数据中的第一主档人像数据和该数据中第二主档人像数据的第一相似度，其中，该第二主档人像数据包括除该第一主档人像数据外的其他主档人像数据；
步骤S203，根据该第一相似度所属的阈值范围将该第一主档人像数据和该第二主档人像数据划分到不同类别，其中，该类别包括同一人类别、疑似类别、不同人类别；
步骤S204，根据该类别对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案，进行合并或者不合并处理。
通过上述步骤S201至S204，在相关技术中，同一人有多个图像档案，多个图像档案会占用过多的存储空间，以及降低处理器运行速度，本申请实施例中通过获取已经建立的图像档案的数据，选取第一主档人像数据和第二主档人像数据，其中，该第二主档人像数据包括除该第一主档人像数据外的其他主档人像数据；然后计算第一主档人像数据和第二主档人像的数据的第一相似度，再通过第一相似度的大小判断第一主档人像数据的图像档案和第二主档人像数据的图像档案是否为同一人的图像档案，然后对第一主档人像数据的图像档案和第二主档人像数据的图像档案进行合并或不合并处理，解决了同一人有多个图像档案，会占用过多的存储空间、提高企业的存储成本和降低处理器运行速度的问题，提高了存储空间的利用率和处理器的运行速度。
在一个可选实施例中，提供了一种图像档案合并方法，图3是根据本申请实施例的一种图像档案合并方法的二次计算方法的流程图，如图3所示，可用于图像档案的合并，该方法包括二次计算，该二次计算包括：
步骤S301，获得该第一主档人像数据和该第二主档人像数据的近邻集合，第一主档的近邻集合包括第一主档所在的图像档案里所有的图像，也包括了主档图像；
步骤S302，计算该近邻集合的交并比，计算该交并比首先需要计算出第一主档图像和第二主档图像的近邻集合的交集和并集，再计算出该交集和并集的大小，用交集大小比上并集大小，得到该交并比；
步骤S303，根据该交并比计算相似度差值，首先取交并比减去一个常数b后和0的最大值，再将该最大值乘上一个常数后加上该交集的大小和常数t的乘积，得到相似度差值；
步骤S304，将该相似度差值和该第一相似度相加，计算得出该第二相似度。
通过上述步骤S301至S304，通过获得该第一主档人像和第二主档人像的近邻集合，再通过计算近邻集合的交并比，从而进一步的获得相似度差值，得到第二相似度，能够通过第二相似度对该第一主档的图像档案和该第二主档的图像档案进行合并或不合并处理，能将同一人的多个图像档案合并，解决了同一人有多个图像档案的问题，达到了节省存储空间，提高通过人像查找具体人员时的查询速率的技术效果。
本实施例提供了一种图像档案合并装置，可用于图像档案的合并，图4是根据本申请实施例的一种图像档案合并装置的结构框图，如图4所示，该装置包括：
获取模块41，用于获取已建立图像档案的数据；
计算模块42，用于计算该数据中的第一主档人像数据和该数据中第二主档人像数据的第一相似度，其中，该第二主档人像数据包括除该第一主档人像数据外的其他主档人像数据；
划分模块43，用于根据该第一相似度所属的阈值范围将该第一主档人像数据和该第二主档人像数据划分到不同类别，其中该类别包括同一人类别、疑似类别、不同人类别；
合并模块44，用于根据该类别对该第一主档人像数据的图像档案和该第二主档人像数据的图像档案，进行合并或者不合并处理。
通过上述获取模块41、计算模块42、划分模块43和合并模块，在相关技术中，同一人有多个图像档案，多个图像档案会占用过多的存储空间，以及降低处理器运行速度，本申请实施例中通过获取模块41获取已建立的图像档案的数据，计算模块32用于计算第一主档和第二主档之间的第一相似度，划分模块33用于根据第一相似度属于的不同阈值范围将第一主档的图像档案和第二主档的图像档案划分到不同的类别，合并模块，根据不同的类别对第一主档的图像档案和第二主档的图像档案进行合并或不合并处理，解决了同一人有多个图像档案，会占用过多的存储空间、提高企业的存储成本和降低处理器运行速度的问题，提高了存储空间的利用率和处理器的运行速度。
本实施例提供一种图像档案合并方法，可用于图像档案的合并，下面结合应用场景对本发明进行详细的说明，图5是根据本申请实施例的人员a和人员b的图像档案合并方法的流程示意图，如图5所示，对本发明进行详细的说明，包括：获取人员a和人员b的图像档案，每个图像档案只有一张主档人像，人员a的第一图像档案包括人像图片A、B、C、F和G，其中，A为主档人像；人员a的第二图像档案包括人像图片B、C、D、E、F和G，其中，D为主档人像；人员b的第一图像档案包括人像图片X、Y和Z，其中，X为主档人像；
计算出各主档人像的相似度如表1所示：
表1
| 主档人像 | A | D | X |
| A | 100％ | 82％ | 75％ |
| D | 82％ | 100％ | 80％ |
| X | 75％ | 80％ | 100％ |
主档人像A和主档人像D的第一相似度：Sim(A,D)＝82％；
主档人像A和主档人像X的第一相似度：Sim(A,X)＝75％；
主档人像D和主档人像X的第一相似度：Sim(X,D)＝80％；
第一阈值范围：Sim∈[0.9,1]；
第二阈值范围：Sim∈[0.8,0.9)；
第三阈值范围：Sim∈[0,0.8)；
将该第一相似度在第一阈值范围内的，将主档人像该的图像档案划分为同一人类别；将该第一相似度在第二阈值范围内的，将主档人像该的图像档案划分为疑似类别；将该第一相似度在第三阈值范围内的，将主档人像该的图像档案划分为不同人类别；所以，将主档人像A的图像档案和主档人像X的图像档案划分为不同人类别；将主档人像D的图像档案和主档人像X的图像档案划分为疑似类别；将主档人像A的图像档案和主档人像D的图像档案划分为疑似类别，对主档人像A和主档人像D进行二次计算。该阈值范围和该类别同样适用于第二相似度。
对主档人像D和主档人像X的二次计算包括：
获得D的近邻集合Dneig＝(B,C,D,E,F,G)，X的近邻集合Xneig＝(X,Y,Z)；
使用公式1、公式2,和公式3计算Aneig和Dneig的交并比IoU；
I＝sizeof(Xneig∩Dneig) 公式1
U＝sizeof(Xneig∪Dneig) 公式2
计算出I＝0，交并比IoU＝0；
根据公式2和公式3计算A和B第二相似度Sim2(X,D)；
ΔSim(X,D)＝k*(max(IoU-b),0)+t*I 公式4
Sim2(X,D)＝Sim1(X,D)+ΔSim(X,D) 公式5
其中Sim1(X,D)为第一的相似度，k、b、t为预设常数，k＝0.1，b＝0.1，t＝0.01，计算出第二相似度Sim2(A,D)＝0.8，该第二相似度与该第一相似度相同，则将主档人像D的图像档案和主档人像X的图像档案保持不变，进行不合并处理，本次合并处理过程中不会再次计算主档人像D和主档人像X的相似度，但在下次获取包括人员a和人员b的图像档案后，仍会计算人员a的第一图像档案的主档人像和人员b的第一图像档案的主档人像图片之间的相似度。
对主档图像A和主档图像D的二次计算包括：
获得A的近邻集合Aneig＝(A,B,C,F,G)，D的近邻集合Dneig＝(B,C,D,E,F,G)；
使用公式1、公式2,和公式3计算Aneig和Dneig的交并比IoU；
I＝sizeof(Aneig∩Dneig) 公式1
U＝sizeof(Aneig∪Dneig) 公式2
计算出I＝4，U＝7，交并比IoU＝0.57；
根据公式2和公式3计算A和B第二相似度Sim2(A,D)；
ΔSim(A,D)＝k*(max(IoU-b),0)+t*I 公式4
Sim2(A,D)＝Sim1(A,D)+ΔSim(A,D) 公式5
其中，Sim1(A,D)为第一相似度，k、b、t为预设常数，k＝0.1，b＝0.1，t＝0.01，计算出第二相似度Sim2(A,D)＝0.916，属于第一阈值范围，将人员a的第一图像档案和第二图像档案合并。通过上述方法，在相关技术中，同一人有多个图像档案，多个图像档案会占用过多的存储空间，以及降低处理器运行速度，本申请实施例中通过获取已经建立的图像档案的数据，选取第一主档人像数据和第二主档人像数据，其中，该第二主档人像数据包括除该第一主档人像数据外的其他主档人像数据；然后计算第一主档人像数据和第二主档人像的数据的第一相似度，再通过第一相似度的大小判断第一主档人像数据的图像档案和第二主档人像数据的图像档案是否为同一人的图像档案，然后对第一主档人像数据的图像档案和第二主档人像数据的图像档案进行合并或不合并处理，解决了同一人有多个图像档案，会占用过多的存储空间、提高企业的存储成本和降低处理器运行速度的问题，提高了存储空间的利用率和处理器的运行速度。
本实施例提供了一种图像档案合并的方法，可用于图像档案的合并，图6是根据本申请另一个实施例的一种图像档案合并方法的流程示意图，如图6所示，该方法包括：
获取已建立图像档案的数据；计算该数据中的第一主档人像数据和该数据中的第二主档人像数据的第一相似度，其中，第二主档数据包括除该第一主档外的其他主档人像数据；获得第一相似度后，根据第一相似度所述的阈值范围划分第一主档人像数据和该数据中的第二主档人像数据的类别。其中，在第一相似度属于第一阈值范围的情况下，将第一主档人像数据和该数据中的第二主档人像数据划分到同一人类别；在第一相似度属于第二阈值范围的情况下，将第一主档人像数据和该数据中的第二主档人像数据划分到疑似类别；在第一相似度属于第三阈值范围的情况下，将第一主档人像数据和该数据中的第二主档人像数据划分到同一人类别。对划分到疑似类别的第一主档人像数据和该数据中的第二主档人像数据进行二次计算，该二次计算包括获得第一主档人像和第二主档人像的近邻集合，根据该近邻集合计算出这两个集合的交并比，根据该交并比，计算出相似度的差值，根据相似度的差值和第一相似度，计算出第二相。获得第二相似度后，同样是根据该阈值范围将该第一主档人像数据和该第二主档人像数据划分到不同类别，但在当第二相似度依旧处于第二阈值范围的情况下，不再对第一主档人像数据和第二主档人像数据进行二次计算处理，而是对第一主档人像的图像档案和第二主档人像的图像档案进不合并处理。根据第一主档人像数据和该数据中的第二主档人像数据所划分的类别对第一主档人像数据的图像档案和该数据中的第二主档人像数据的图像档案进行合并或不合并处理。在第一主档人像数据和该数据中的第二主档人像数据划分到同一人类别的情况下，对第一主档人像数据的图像档案和该数据中的第二主档人像数据的图像档案进行合并处理；在第一主档人像数据和该数据中的第二主档人像数据划分到同一人类别的情况下，对第一主档人像数据的图像档案和该数据中的第二主档人像数据的图像档案进行合并处理；在第一主档人像数据和该数据中的第二主档人像数据划分到不同人类别的情况下，对第一主档人像数据的图像档案和该数据中的第二主档人像数据的图像档案进行不合并处理。
通过上述方法，在相关技术中，同一人有多个图像档案，多个图像档案会占用过多的存储空间，以及降低处理器运行速度，本申请实施例中通过获取已经建立的图像档案的数据，选取第一主档人像数据和第二主档人像数据，其中，该第二主档人像数据包括除该第一主档人像数据外的其他主档人像数据；然后计算第一主档人像数据和第二主档人像的数据的第一相似度，再通过第一相似度的大小判断第一主档人像数据的图像档案和第二主档人像数据的图像档案是否为同一人的图像档案，然后对第一主档人像数据的图像档案和第二主档人像数据的图像档案进行合并或不合并处理，解决了同一人有多个图像档案，会占用过多的存储空间、提高企业的存储成本和降低处理器运行速度的问题，提高了存储空间的利用率和处理器的运行速度。
本实施例中提供一种电子设备，图7是根据本申请实施例的电子设备的内部结构示意图，本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。另外，结合上述实施例中的一种图像档案的合并方法，本申请实施例可提供存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种一种图像档案的合并方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像档案的合并方法，其特征在于，包括：
获取已建立图像档案的数据；
计算所述数据中的第一主档人像数据和所述数据中第二主档人像数据的第一相似度，其中，所述第二主档人像数据包括除所述第一主档人像数据外的其他主档人像数据；
根据所述第一相似度所属的阈值范围将所述第一主档人像数据和所述第二主档人像数据划分到不同类别，其中，所述类别包括同一人类别、疑似类别、不同人类别；
根据所述类别对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案，进行合并或者不合并处理；
其中，在所述根据所述第一相似度所属的阈值范围将所述第一主档人像数据和所述第二主档人像数据划分到不同类别之后，包括：
在将所述第一主档人像数据和所述第二主档人像数据划分为所述疑似类别的情况下，对所述第一主档人像数据和所述第二主档人像数据进行二次计算，获得第二相似度；根据所述第二相似度对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行合并或者不合并处理；
所述二次计算包括：
获得所述第一主档人像数据和所述第二主档人像数据的近邻集合；计算所述近邻集合的交并比；根据所述交并比计算相似度差值，首先取所述交并比减去一个常数b后和0的最大值，再将所述最大值乘上一个常数k后加上交集的大小和常数t的乘积，得到所述相似度差值；将所述相似度差值和所述第一相似度相加，计算出所述第二相似度；
其中，所述根据所述第二相似度对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行合并或者不合并处理包括：
根据所述第二相似度所属的所述阈值范围将所述第一主档人像数据和所述第二主档人像数据划分到不同类别。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一相似度所属的阈值范围将所述第一主档人像数据和所述第二主档人像数据划分到不同类别包括：在所述第一相似度属于第一阈值范围的情况下，将所述第一主档人像数据和所述第二主档人像数据划分为同一人类别；在所述第一相似度属于第二阈值范围的情况下，将所述第一主档人像数据和所述第二主档人像数据划分为疑似类别；在所述第一相似度属于第三阈值范围的情况下，将所述第一主档人像数据和所述第二主档人像数据划分为不同人类别；其中，所述第一阈值大于所述第二阈值，所述第二阈值大于所述第三阈值。
3.根据权利要求2所述方法，其特征在于，所述根据所述第一相似度所属的阈值范围将所述第一主档人像数据和所述第二主档人像数据划分到不同类别之后，所述方法包括：
在将所述第一主档人像数据和所述第二主档人像数据划分为所述同一人类别的情况下，对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行合并处理；
在将所述第一主档人像数据和所述第二主档人像数据划分为所述不同人类别的情况下，对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行不合并处理。
4.根据权利要求3所述方法，其特征在于，所述根据所述第二相似度对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行合并或者不合并处理包括：
在所述第二相似度属于第一阈值范围的情况下，将所述第一主档人像数据和所述第二主档人像数据划分为同一人类别；
在所述第二相似度属于第二阈值范围的情况下，将所述第一主档人像数据和所述第二主档人像数据划分为疑似类别；
在所述第二相似度属于第三阈值范围的情况下，将所述第一主档人像数据和所述第二主档人像数据划分为不同人类别；
在所述类别划分为同一人类别的情况下，对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行合并处理；
在所述类别划分为疑似类别或不同人类别的情况下，对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行不合并处理。
5.一种图像档案的合并装置，其特征在于，所述装置包括：
获取模块，用于获取已建立图像档案的数据；
计算模块，用于计算所述数据中的第一主档人像数据和所述数据中第二主档人像数据的第一相似度，其中，所述第二主档人像数据包括除所述第一主档人像数据外的其他主档人像数据；
划分模块，用于根据所述第一相似度所属的阈值范围将所述第一主档人像数据和所述第二主档人像数据划分到不同类别，其中所述类别包括同一人类别、疑似类别、不同人类别；
其中，在所述根据所述第一相似度所属的阈值范围将所述第一主档人像数据和所述第二主档人像数据划分到不同类别之后，包括：
在将所述第一主档人像数据和所述第二主档人像数据划分为所述疑似类别的情况下，对所述第一主档人像数据和所述第二主档人像数据进行二次计算，获得第二相似度；根据所述第二相似度对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行合并或者不合并处理；
所述二次计算包括：
获得所述第一主档人像数据和所述第二主档人像数据的近邻集合；计算所述近邻集合的交并比；根据所述交并比计算相似度差值，首先取所述交并比减去一个常数b后和0的最大值，再将所述最大值乘上一个常数k后加上交集的大小和常数t的乘积，得到所述相似度差值；将所述相似度差值和所述第一相似度相加，计算出所述第二相似度；
其中，所述根据所述第二相似度对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行合并或者不合并处理包括：
根据所述第二相似度所属的所述阈值范围将所述第一主档人像数据和所述第二主档人像数据划分到不同类别；
合并模块，用于根据所述类别对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案，进行合并或者不合并处理。
6.根据权利要求5所述装置，其特征在于，所述划分模块，用于根据所述第一相似度所属的阈值范围将所述第一主档人像数据和所述第二主档人像数据划分到不同类别包括：在所述第一相似度属于第一阈值范围的情况下，将所述第一主档人像数据和所述第二主档人像数据划分为同一人类别；在所述第一相似度属于第二阈值范围的情况下，将所述第一主档人像数据和所述第二主档人像数据划分为疑似类别；在所述第一相似度属于第三阈值范围的情况下，将所述第一主档人像数据和所述第二主档人像数据划分为不同人类别；其中，所述第一阈值大于所述第二阈值，所述第二阈值大于所述第三阈值。
7.根据权利要求5所述装置，其特征在于，所述划分模块，用于根据所述第一相似度所属的阈值范围将所述第一主档人像数据和所述第二主档人像数据划分到不同类别之后，在将所述第一主档人像数据和所述第二主档人像数据划分为所述同一人类别的情况下，对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行合并处理；
在将所述第一主档人像数据和所述第二主档人像数据划分为所述不同人类别的情况下，对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行不合并处理。
8.根据权利要求7所述装置，其特征在于，根据所述第二相似度对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行合并或不合并处理包括：
在所述第二相似度属于第一阈值范围的情况下，将所述第一主档人像数据和所述第二主档人像数据划分为同一人类别；
在所述第二相似度属于第二阈值范围的情况下，将所述第一主档人像数据和所述第二主档人像数据划分为疑似类别；
在所述第二相似度属于第三阈值范围的情况下，将所述第一主档人像数据和所述第二主档人像数据划分为不同人类别；
在所述类别划分为同一人类别的情况下，对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行合并处理；
在所述类别划分为疑似类别或不同人类别的情况下，对所述第一主档人像数据的图像档案和所述第二主档人像数据的图像档案进行不合并处理；
其中，所述第一阈值大于所述第二阈值，所述第二阈值大于所述第三阈值。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的一种图像档案的合并方法。
10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的一种图像档案的合并方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010825932.5A CN112131419B (zh) | 2020-08-17 | 2020-08-17 | 图像档案的合并方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010825932.5A CN112131419B (zh) | 2020-08-17 | 2020-08-17 | 图像档案的合并方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112131419A CN112131419A (zh) | 2020-12-25 |
| CN112131419B true CN112131419B (zh) | 2024-07-02 |
Family
ID=73850916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010825932.5A Active CN112131419B (zh) | 2020-08-17 | 2020-08-17 | 图像档案的合并方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112131419B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112818867B (zh) * | 2021-02-02 | 2024-05-31 | 浙江大华技术股份有限公司 | 人像聚类方法、设备及存储介质 |
| CN113762202A (zh) * | 2021-09-16 | 2021-12-07 | 浙江大华技术股份有限公司 | 图像所属档案的确定方法、装置、存储介质及电子装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110781917A (zh) * | 2019-09-18 | 2020-02-11 | 北京三快在线科技有限公司 | 重复图像的检测方法、装置、电子设备及可读存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100462183B1 (ko) * | 2002-07-15 | 2004-12-17 | 삼성전자주식회사 | 결합된 성분 서술자를 이용한 얼굴 검색 방법 및 그 장치 |
| CN108573268A (zh) * | 2017-03-10 | 2018-09-25 | 北京旷视科技有限公司 | 图像识别方法和装置、图像处理方法和装置及存储介质 |
| CN107370769B (zh) * | 2017-09-12 | 2020-10-23 | 中国联合网络通信集团有限公司 | 用户认证方法及系统 |
| CN109145844A (zh) * | 2018-08-29 | 2019-01-04 | 北京旷视科技有限公司 | 用于城市安防监控的档案管理方法、装置以及电子设备 |
| CN109829433B (zh) * | 2019-01-31 | 2021-06-25 | 北京市商汤科技开发有限公司 | 人脸图像识别方法、装置、电子设备及存储介质 |
| CN110717414B (zh) * | 2019-09-24 | 2023-01-03 | 青岛海信网络科技股份有限公司 | 一种目标检测追踪方法、装置及设备 |
| CN111131852B (zh) * | 2019-12-31 | 2021-12-07 | 歌尔光学科技有限公司 | 视频直播方法、系统及计算机可读存储介质 |
-
2020
- 2020-08-17 CN CN202010825932.5A patent/CN112131419B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110781917A (zh) * | 2019-09-18 | 2020-02-11 | 北京三快在线科技有限公司 | 重复图像的检测方法、装置、电子设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112131419A (zh) | 2020-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109359725B (zh) | 卷积神经网络模型的训练方法、装置、设备及计算机可读存储介质 | |
| CN112131419B (zh) | 图像档案的合并方法、装置、电子设备和存储介质 | |
| CN110163842B (zh) | 建筑裂缝检测方法、装置、计算机设备和存储介质 | |
| CN112613515B (zh) | 语义分割方法、装置、计算机设备和存储介质 | |
| CN106067024B (zh) | 特征点提取装置及方法和利用其的图像匹配系统 | |
| CN110738236B (zh) | 图像匹配方法、装置、计算机设备及存储介质 | |
| US9117145B2 (en) | Finger biometric sensor providing coarse matching of ridge flow data using histograms and related methods | |
| JP2006338313A (ja) | 類似画像検索方法，類似画像検索システム，類似画像検索プログラム及び記録媒体 | |
| JP2015103088A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
| CN112926654A (zh) | 预标注模型训练、证件预标注方法、装置、设备及介质 | |
| US11321287B2 (en) | Data noise reduction method, device, computer apparatus and storage medium | |
| CN112215745A (zh) | 图像处理方法、装置及电子设备 | |
| Serratosa et al. | Signatures versus histograms: Definitions, distances and algorithms | |
| CN112329660B (zh) | 一种场景识别方法、装置、智能设备及存储介质 | |
| US10769784B2 (en) | Image analyzing method and electrical device | |
| CN111221982B (zh) | 信息处理方法、装置、计算机可读存储介质和计算机设备 | |
| CN112052251B (zh) | 目标数据更新方法和相关装置、设备及存储介质 | |
| WO2023065697A1 (zh) | 一种乘积量化搜索方法、装置、终端和存储介质 | |
| CN111223128A (zh) | 目标跟踪方法、装置、设备及存储介质 | |
| CN115344692A (zh) | 聚类方法、装置、计算机设备和存储介质 | |
| CN114861757A (zh) | 基于双相关性降低的图深度聚类方法 | |
| CN111274965A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
| Penatti et al. | Color descriptors for web image retrieval: a comparative study | |
| US8462392B2 (en) | System and method for multi-resolution information filtering | |
| CN111898559A (zh) | 一种提升人脸识别速度的方法、装置及电子设备 |
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 |