CN112651321A - 档案处理方法、装置及服务器 - Google Patents
档案处理方法、装置及服务器 Download PDFInfo
- Publication number
- CN112651321A CN112651321A CN202011522017.5A CN202011522017A CN112651321A CN 112651321 A CN112651321 A CN 112651321A CN 202011522017 A CN202011522017 A CN 202011522017A CN 112651321 A CN112651321 A CN 112651321A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- quality information
- images
- target object
- 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.)
- Withdrawn
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000011156 evaluation Methods 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000001815 facial effect Effects 0.000 claims description 21
- 238000005286 illumination Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06F16/54—Browsing; Visualisation therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供一种档案处理方法、装置及服务器,通过获得目标对象的多张人脸图像,以及每张人脸图像的至少一个质量信息,其中质量信息包括如下任意一个:人脸大小、人脸姿态和人脸遮挡范围;根据每张所述人脸图像的至少一个质量信息,对所述多张人脸图像进行比较,从所述多张人脸图像中确定所述目标对象的人脸档案的至少一张封面图像。即本申请实施例,根据目标对象的人脸图像的人脸大小、人脸姿态和人脸遮挡范围等质量信息,可以准确确定出目标对象的人脸档案的封面图像,进而提高了封面图像的确定准确性。
Description
技术领域
本申请实施例涉及图像处理技术领域,尤其涉及一种档案处理方法、装置及服务器。
背景技术
随着监控技术的发展,在多种场合中设置有人脸卡口系统,该人脸卡口系统包括监控摄像头,该监控摄像头可以抓拍人脸图像。以一个城市级的人脸卡口系统为例,该人脸卡口系统每日拍摄的人脸图像数量可能上千万、甚至数亿张,一年可能拍摄有数千亿的人脸图像。
为了便于从拍摄的人脸图像中查询到目标对象,则需要对拍摄的人脸图像进行聚类,将一个对象的人脸图像聚为一类,作为该对象的人脸档案。同时,为了方便查找,则需要为每个对象的人脸档案创建封面图像。目前,创建人脸档案的封面图像的方法是,将人脸档案中清晰度最高的一张或几张人脸图像作为该人脸档案的封面图像。
但是,目前选择的封面图像,准确度低,无法准确代表该对象的人脸特征。
发明内容
本申请实施例提供一种档案处理方法、装置及服务器,用于准确确定出人脸档案的封面图像。
第一方面,本申请实施例提供一种档案处理方法,包括:
获得目标对象的多张人脸图像,以及每张人脸图像的至少一个质量信息,质量信息包括如下任意一个:人脸大小、人脸姿态和人脸遮挡范围;
根据每张人脸图像的至少一个质量信息,对所述多张人脸图像进行比较,从所述多张人脸图像中确定目标对象的人脸档案的至少一张封面图像。
在第一方面的一种可能实现方式中,根据每张人脸图像的至少一个质量信息,对所述多张人脸图像进行比较,从所述多张人脸图像中确定目标对象的人脸档案的至少一张封面图像,包括:
根据每张人脸图像的至少一个质量信息,确定每张人脸图像的综合评价指标;
根据每张人脸图像的综合评价指标,对所述多张人脸图像进行比较,从所述多张人脸图像中确定目标对象的人脸档案的至少一张封面图像。
在第一方面的一种可能实现方式中,根据每张人脸图像的至少一个质量信息,确定每张人脸图像的综合评价指标,包括:
获得人脸图像的各质量信息的计算值;
根据人脸图像的各质量信息的计算值,以及各质量信息的预设权重,获得人脸图像的各质量信息的加权和;
将加权和,作为人脸图像的综合评价指标。
在第一方面的一种可能实现方式中,所述至少一个质量信息包括人脸大小,所述人脸大小指提取到人脸的像素点的个数,获得人脸图像的各质量信息的计算值,包括:
若人脸图像的像素点数量大于第一预设数量,则将第一预设值作为人脸大小的计算值;
若人脸图像的像素点数量小于第二预设数量,则将第二预设值作为人脸大小的计算值,其中第二预设值小于第一预设值。
在第一方面的一种可能实现方式中,上述方法还包括:
若人脸图像的像素点数量小于或等于第一预设数量、且大于或等于第二预设数量,根据人脸图像的像素点数量和第一预设数量,确定人脸大小的计算值。
在第一方面的一种可能实现方式中,根据人脸图像的像素点数量和第一预设数量,确定人脸大小的计算值,包括:
获得人脸图像在宽度方向的像素点的数量与第一预设数量在宽度方向的预设数量的第一比值,以及人脸图像在高度方向的像素点的数量与第一预设数量在高度方向的预设数量的第二比值;
根据第一比值和第二比值,确定人脸大小的计算值。
可选的,第一预设值为1,和/或,第二预设值为0。
本申请实施例中,人脸姿态包括人脸的俯仰角和/或人脸的旋转角。
在第一方面的一种可能实现方式中,所述至少一个质量信息包括人脸的俯仰角,获得人脸图像的各质量信息的计算值,包括:
根据人脸的俯仰角与第三预设值的第三比值,获得人脸的俯仰角的计算值。
在第一方面的一种可能实现方式中,根据人脸的俯仰角与第三预设值的第三比值,获得人脸的俯仰角的计算值,包括:
根据第四预设值与第三比值的差值,获得人脸的俯仰角的计算值。
可选的,第三预设值为20度,和/或第四预设值为1。
在第一方面的一种可能实现方式中,所述至少一个质量信息包括人脸的旋转角,获得人脸图像的各质量信息的计算值,包括:
根据人脸的旋转角与第五预设值的第四比值,获得人脸的旋转角的计算值。
在第一方面的一种可能实现方式中,根据人脸的旋转角与第五预设值的第四比值,获得人脸的旋转角的计算值,包括:
根据第六预设值与第四比值的差值,获得人脸的旋转角的计算值。
可选的,第五预设值为20度,和/或第六预设值为1。
在第一方面的一种可能实现方式中,所述人脸图像的质量信息还包括如下任意一个:人脸模糊度、光照范围和人脸完整度。
在第一方面的一种可能实现方式中,根据每张人脸图像的综合评价指标,对所述多张人脸图像进行比较,从所述多张人脸图像中确定目标对象的人脸档案的至少一张封面图像,包括;
将综合评价指标最大的前预设数量张人脸图像,确定为目标对象的人脸档案的至少一张封面图像,或者,
从目标对象的多张人脸图像中,获得各质量信息符合各质量信息对应的预设阈值的多张第一人脸图像;将综合评价指标最大的前预设数量张第一人脸图像,确定为目标对象的人脸档案的至少一张封面图像。
第二方面,本申请实施例提供一种档案处理装置,包括:
获取单元,用于获得目标对象的多张人脸图像,以及每张人脸图像的至少一个质量信息,质量信息包括如下任意一个:人脸大小、人脸姿态和人脸遮挡范围;
处理单元,用于根据每张人脸图像的至少一个质量信息,对所述多张人脸图像进行比较,从所述多张人脸图像中确定目标对象的人脸档案的至少一张封面图像。
在第二方面的一种可能实现方式中,处理单元,具体用于根据每张人脸图像的至少一个质量信息,确定每张人脸图像的综合评价指标;根据每张人脸图像的综合评价指标,对所述多张人脸图像进行比较,从所述多张人脸图像中确定目标对象的人脸档案的至少一张封面图像。
在第二方面的一种可能实现方式中,处理单元,具体用于获得人脸图像的各质量信息的计算值;根据人脸图像的各质量信息的计算值,以及各质量信息的预设权重,获得人脸图像的各质量信息的加权和;将加权和,作为人脸图像的综合评价指标。
在第二方面的一种可能实现方式中,所述至少一个质量信息包括人脸大小,所述人脸大小指提取到人脸的像素点的个数,此时,处理单元,具体用于若人脸图像的像素点数量大于第一预设数量,则将第一预设值作为人脸大小的计算值;若人脸图像的像素点数量小于第二预设数量,则将第二预设值作为人脸大小的计算值,其中第二预设值小于第一预设值。
在第二方面的一种可能实现方式中,处理单元,还用于若人脸图像的像素点数量小于或等于第一预设数量、且大于或等于第二预设数量,根据人脸图像的像素点数量和第一预设数量,确定人脸大小的计算值。
在第二方面的一种可能实现方式中,处理单元,具体用于获得人脸图像在宽度方向的像素点的数量与第一预设数量在宽度方向的预设数量的第一比值,以及人脸图像在高度方向的像素点的数量与第一预设数量在高度方向的预设数量的第二比值;根据第一比值和第二比值,确定人脸大小的计算值。
可选的,第一预设值为1,和/或,第二预设值为0。
本申请实施例的,人脸姿态包括人脸的俯仰角和/或人脸的旋转角。
在第二方面的一种可能实现方式中,所述至少一个质量信息包括人脸的俯仰角,处理单元,具体用于根据人脸的俯仰角与第三预设值的第三比值,获得人脸的俯仰角的计算值。
在第二方面的一种可能实现方式中,处理单元,具体用于根据第四预设值与第三比值的差值,获得人脸的俯仰角的计算值。
可选的,第三预设值为20度,和/或第四预设值为1。
在第二方面的一种可能实现方式中,所述至少一个质量信息包括人脸的旋转角,处理单元,具体用于根据人脸的旋转角与第五预设值的第四比值,获得人脸的旋转角的计算值。
在第二方面的一种可能实现方式中,处理单元,具体用于根据第六预设值与第四比值的差值,获得人脸的旋转角的计算值。
可选的,第五预设值为20度,和/或第六预设值为1。
在第二方面的一种可能实现方式中,所述人脸图像的质量信息还包括如下任意一个:人脸模糊度、光照范围和人脸完整度。
在第二方面的一种可能实现方式中,处理单元,具体用于将综合评价指标最大的前预设数量张人脸图像,对所述多张人脸图像进行比较,从所述多张人脸图像中确定为目标对象的人脸档案的至少一张封面图像;或者,从目标对象的多张人脸图像中,获得各质量信息符合各质量信息对应的预设阈值的多张第一人脸图像;将综合评价指标最大的前预设数量张第一人脸图像,确定为目标对象的人脸档案的至少一张封面图像。
第三方面,本申请实施例提供一种服务器,包括处理器和存储器;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述计算机程序以实现上述第一方面任一项所述的档案处理方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述存储介质包括计算机指令,当所述指令被计算机执行时,使得所述计算机实现如第一方面任一项所述的档案处理方法。
第五方面,本申请实施例提供一种计算机程序产品,所述程序产品包括计算机程序,所述计算机程序存储在可读存储介质中,计算机的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得计算机实施第一方面任一所述的档案处理方法。
本申请实施例提供的档案处理方法、装置及服务器,通过获得目标对象的多张人脸图像,以及每张人脸图像的至少一个质量信息,其中质量信息包括如下任意一个:人脸大小、人脸姿态和人脸遮挡范围;根据每张所述人脸图像的至少一个质量信息,对所述多张人脸图像进行比较,从所述多张人脸图像中确定所述目标对象的人脸档案的封面图像。即本申请实施例,根据目标对象的人脸图像的人脸大小、人脸姿态和人脸遮挡范围等质量信息,可以准确确定出目标对象的人脸档案的封面图像,进而提高了封面图像的确定准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例涉及的一种应用场景图;
图2为本申请实施例提供的档案处理方法的流程示意图;
图3为本申请实施例涉及的人脸档案的示意图;
图4为本申请实施例提供的档案处理方法的另一流程示意图;
图5为本申请实施例提供的档案处理方法的另一流程示意图;
图6为本申请实施例提供的档案处理装置的一种结构示意图;
图7为本申请实施例涉及的服务器的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
图1为本申请实施例涉及的一种应用场景示意图,包括至少一个摄像头和服务器,每个摄像头均与服务器通信连接。
摄像头用于拍摄过往行人的人脸图像,并将拍摄的人脸图像发送给服务器。
服务器用于接收摄像头发送的人脸图像,并执行本申请实施例的方法,获得每一个对象的人脸档案的封面图像。
为了便于理解本申请实施例的技术方案,首先对本申请实施例所涉及的专业术语进行解释:
人脸聚类:使用聚类算法,对海量人脸图像数据集中的人脸进行分类,将同一个人的所有人脸图像归为同一类。
人脸档案:通过人脸聚类形成的每一分类档案,一般包括:档案编号ID、类中心特征向量、类封面图像、类时空轨迹等信息。
人脸档案封面图像:封面图像是人脸档案中,按照图像代表性分值选取的若干张人脸图像。
在一个城市级的人脸卡口系统里进行智能分析,每日提取的动态过人记录的数量动辄上千万、甚至数亿,一年将保存数千亿的人脸过人记录。利用人脸聚类算法,对所有动态人脸图像进行聚类,一般可以聚类成数百万或千万级人脸档案。比如一个中等地市级区域,所有过人记录一般可以聚类为2000 万至3000万左右的人脸聚类档案,利用人脸聚类档案进行以图搜人的视频图像检索效率将得到大幅提升。但是在人脸档案跨级、跨域级联与汇聚过程中,由于各厂家的人脸识别算法不同,无法传递聚类档案的类中心特征向量,需要传递聚类档案的封面图像。
目前创建人脸档案的封面图像的方法是,将人脸档案中清晰度最高的一张或几张人脸图像作为该人脸档案的封面图像。但是,该方法选择出的封面图像准确度低,无法准确代表该对象的人脸特征。
为了解决上述技术问题,本申请实施例提供一种档案处理方法,通过获得目标对象的多张人脸图像,以及每张人脸图像的至少一个质量信息,其中质量信息包括如下任意一个:人脸大小、人脸姿态和人脸遮挡范围;根据每张人脸图像的至少一个质量信息,确定该目标对象的人脸档案的封面图像。即本申请实施例,根据目标对象的人脸图像的人脸大小、人脸姿态和人脸遮挡范围等质量信息,可以准确确定出目标对象的人脸档案的封面图像,进而提高了封面图像的确定准确性。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请实施例提供的档案处理方法的流程示意图,图3为本申请实施例涉及的人脸档案的示意图。如图2和图3所示,本申请实施例的方法包括:
S101、获得目标对象的多张人脸图像,以及每张人脸图像的至少一个质量信息。
其中,质量信息包括如下任意一个:人脸大小、人脸姿态和人脸遮挡范围。
人脸大小width×height,指人脸在人脸图像中所占的像素点数量,width 表示人脸在长度方向上的像素点,height表示人脸在高度方向上的像素点,例如,人脸大小为100×100像素。
人脸姿态包括人脸的俯仰角和/或人脸的旋转角,其中人脸的俯仰角为人脸图像中人脸的上下俯仰角度,将人脸向上仰角记为正,将人脸向下的俯角记为负,例如,俯仰角Pitch(以下记Pi),人脸的上下俯仰角度范围为[-90(上), 90(下)]。人脸的旋转角为人脸图像中人脸的左右旋转角度,将人脸向右的旋转角度记为正,将人脸向左的旋转角度记为负,例如,人脸的左右旋转角Yaw (以下记Ya),人脸的左右旋转角度的范围为[-90(左),90(右)]。
人脸遮挡范围为人脸图像中人脸被遮挡的面积,例如,人脸被头发、墨镜、口罩等遮挡的面积,记为occlusion,其取值范围[0~1],其中0为无遮挡, 1是完全遮挡。
在一些实施例中,本申请实施例的人脸图像的质量信息除了是人脸大小、人脸姿态和人脸遮挡范围外,还可以是人脸模糊度、人脸光照范围和人脸完整度等。
其中,人脸模糊度blur,取值范围[0~1],0是最清晰,1是最模糊。
光照范围illumination,可以理解为脸部光照的灰度值,取值范围[0~255], 0表示光照不好,255表示光照好。
人脸完整度completeness(0或1),0为人脸溢出图像边界,1为人脸都在图像边界内。
具体的,如图1所示,服务器可以从一个或多个摄像头处获得不同对象的多张人脸图像。以时间长度为一个月为例,服务器获得一个月内一个或多个摄像头拍摄的人脸图像。接着,服务器对这个月内获得的人脸图像进行聚类,将一个对象的人脸图像划分为一类,形成该对象的人脸档案,这样可以获得每个对象的人脸档案。
例如图3所示,人脸档案可以理解为是将一个对象的人脸图像归类后形成的文件,为了便于后续从众多的不同对象的人脸档案中查询到某一对象,则需要为每一个对象的人脸档案确定封面图像。封面图像为从对象的人脸档案中选出的能代理该对象的一张或多张人脸图像,例如图3中人脸档案的可以包括封面图像1、封面图像2和封面图像3。这样,在后续的查询过程中,例如对象追踪过程中,可以通过封面图像来快速查询到待追踪的对象。
本申请实施例的目标对象为上述具有人脸档案的对象中的任意一个对象。
本申请实施例中,服务器获得目标对象的多张人脸图像的方法包括但不限于如下几种:
方式一,将目标对象的人脸档案所包括部分人脸图像作为该目标对象的多张人脸图像。例如,目标对象的人脸档案所包括的人脸图像数量较多,例如包括十几万张人脸图像,为了提高处理速度,节约计算资源,则可以选择人脸档案中的部分人脸图像作为研究对象。
方式二,将目标对象的人脸档案所包括全部人脸图像作为该目标对象的多张人脸图像。例如,目标对象的人脸档案所包括的人脸图像数量较少,例如包括几十张人脸图像,此时可以选择人脸档案中的全部人脸图像作为研究对象。
服务器获得目标对象的多张人脸图像后,针对获得的每一张人脸图像,采用已有的图像分析方法,获得每一张人脸图像的人脸大小、人脸姿态和人脸遮挡范围中的至少一个。
S102、根据每张人脸图像的至少一个质量信息,对多张人脸图像进行比较,从多张人脸图像中确定目标对象的人脸档案的至少一张封面图像。
具体的,服务器根据上述步骤,获得目标对象的每一张人脸图像的至少一个质量信息。这样,服务器可以根据获得每一张人脸图像的至少一个质量信息,对多张人脸图像进行比较,从多张人脸图像中来确定目标对象的人脸档案的封面图像。
其中,目标对象的人脸档案的封面图像可以包括一张封面图像,也可以包括多张封面图像,例如图3所示,人脸档案包括3张封面图像。
在一种示例中,上述至少一个质量信息包括人脸大小,则服务器可以根据目标对象的多种人脸图像中每一张人脸图像的人脸大小,确定该目标对象的人脸档案的至少一张封面图像。例如,将目标对象的多张人脸图像中的人脸大小最大的一张或前几张人脸图像,作为该目标对象的人脸档案的至少一张封面图像。
在一种示例中,上述至少一个质量信息为人脸姿态,则服务器可以根据目标对象的多种人脸图像中每一张人脸图像的人脸姿态,确定该目标对象的人脸档案的至少一张封面图像。
在一种示例中,上述至少一个质量信息包括人脸遮挡范围,则服务器可以根据目标对象的多种人脸图像中每一张人脸图像的人脸遮挡范围,确定该目标对象的人脸档案的至少一张封面图像。例如,将目标对象的多张人脸图像中的人脸遮挡范围最小的一张或前几张人脸图像,作为该目标对象的人脸档案的至少一张封面图像。
在一些实施例中,上述至少一个质量信息包括人脸大小和人脸姿态,则服务器可以根据目标对象的多种人脸图像中每一张人脸图像的人脸大小和人脸姿态,确定该目标对象的人脸档案的至少一张封面图像。
在一些实施例中,上述至少一个质量信息包括人脸大小和人脸遮挡范围,则服务器可以根据目标对象的多种人脸图像中每一张人脸图像的人脸大小和人脸遮挡范围,确定该目标对象的人脸档案的至少一张封面图像。
在一些实施例中,上述至少一个质量信息包括人脸姿态和人脸遮挡范围,则服务器可以根据目标对象的多种人脸图像中每一张人脸图像的人脸姿态和人脸遮挡范围,确定该目标对象的人脸档案的至少一张封面图像。
在一些实施例中,上述至少一个质量信息包括人脸大小和人脸姿态和人脸遮挡范围,则服务器可以根据目标对象的多种人脸图像中每一张人脸图像的人脸大小和人脸姿态和人脸遮挡范围,确定该目标对象的人脸档案的至少一张封面图像。
在一些实施例中,若人脸图像的至少一个质量信息还包括:模糊度、光照范围和人脸完整度等时,则服务器可以根据人脸大小、人脸姿态和人脸遮挡范围中的至少一个,以及模糊度、光照范围和人脸完整度中的至少一个,确定该目标对象的人脸档案的至少一张封面图像。
本申请实施例提供的档案处理方法,通过获得目标对象的多张人脸图像,以及每张人脸图像的至少一个质量信息,其中质量信息包括如下任意一个:人脸大小、人脸姿态和人脸遮挡范围;根据每张所述人脸图像的至少一个质量信息,确定所述目标对象的人脸档案的封面图像。即本申请实施例,根据目标对象的人脸图像的人脸大小、人脸姿态和人脸遮挡范围等质量信息,可以准确确定出目标对象的人脸档案的封面图像,进而提高了封面图像的确定准确性。
图4为本申请实施例提供的档案处理方法的另一流程示意图,在上述实施例的基础上,如图4所示,本申请实施例的方法包括:
S201、根据每张人脸图像的至少一个质量信息,确定每张人脸图像的综合评价指标。
以多张人脸图像中的一张人脸图像为例,根据该张人脸图像的至少一个质量信息,确定该张人脸图像的综合评价指标。例如,至少一个质量信息包括人脸大小和人脸姿态时,则服务器可以根据该张人脸图像的人脸大小和人脸姿态,确定该张人脸图像的综合评价指标。
在一些实施例中,如图5所示,上述S201包括:
S2011、获得人脸图像的各质量信息的计算值。
在一种示例中,人脸图像的至少一个质量信息包括人脸大小,所述人脸大小指的是提取到人脸的像素点的个数,此时,上述S2011获得人脸图像的各质量信息的计算值,可以包括如下几种情况:
情况1,若人脸图像的像素点数量大于第一预设数量,则将第一预设值作为人脸大小的计算值。
其中,人脸图像的像素点包括长度方向(width)的像素点和高度方向 (height)的像素点。
需要说明的是,本申请实施例对第一预设数量和第一预设值的具体取值不做限制,可根据实际需要确定,例如,第一预设数量为200×200像素,第一预设值为1。在该示例中,若人脸图像的像素点数量大于200×200像素,则确定人脸大小的计算值为1。
情况2,若人脸图像的像素点数量小于第二预设数量,则将第二预设值作为人脸大小的计算值,其中第二预设值小于第一预设值。
需要说明的是,本申请实施例对第二预设数量和第二预设值的具体取值不做限制,可根据实际需要确定,例如,第二预设数量为80×80像素,第二预设值为0。在该示例中,若人脸图像的像素点数量小于80×80像素,则确定人脸大小的计算值为0。
情况3,若人脸图像的像素点数量小于或等于第一预设数量、且大于或等于第二预设数量,根据人脸图像的像素点数量和第一预设数量,确定人脸大小的计算值。
继续参照上述例子,第一预设数量为200×200像素,第二预设数量为 80×80像素,当人脸图像的像素点数量小于或等于200×200像素,且大于或等于80×80像素时,则根据人脸图像的像素点数量和第一预设数量,确定人脸大小的计算值。
在情况3的一种示例中,上述根据人脸图像的像素点数量和第一预设数量,确定人脸大小的计算值,可以包括步骤A1和步骤A2:
步骤A1、获得人脸图像在宽度方向的像素点的数量与第一预设数量在宽度方向的预设数量的第一比值,以及人脸图像在高度方向的像素点的数量与第一预设数量在高度方向的预设数量的第二比值。
举例说明,假设第一预设数量为200×200像素,第一预设数量在宽度方向的预设数量为200像素,第一预设数量在高度方向的预设数量为200像素。此时,获得人脸图像在宽度方向的像素点的数量与第一预设数量在宽度方向的预设数量的第一比值,即第一比值为width÷200,以及获得人脸图像在高度方向的像素点的数量与第一预设数量在高度方向的预设数量的第二比值,即第二比值为height÷200。
步骤A2、根据第一比值和第二比值,确定人脸大小的计算值。
本步骤中,服务器根据第一比值和第二比值,确定人脸大小的计算值的方法包括但不限于如下几种:
方式一,若上述第一预设值大于或等于2,将第一比值和第二比值的算术和,作为人脸大小的计算值。例如,第一比值为a,第二比值为b,则将 a+b作为人脸大小的计算值。
方式二,根据第一比值、第二比值以及预设的第一比值和第二比值的权重,确定人脸大小的计算值。
示例性的,服务器根据如下公式(1),确定人脸大小的计算值WH:
WH=[(width÷c1)×d1%+(height÷c2)×d2%] (1)
其中,width为人脸图像在长度方向的像素点,height为人脸图像在高度方向的像素点,c1为第一预设数量在宽度方向的预设数量,c2为第一预设数量在高度方向的预设数量,width÷c1为第一比值,height÷c2为第二比值, d1%为第一比值的预设权重,d2%为第二比值的预设权重,其中d1%+d2%=1。
可选的,上述d1和d2相等,均为50。
可选的,上述d1和d2不相等,例如,d1大于d2,或者d1小于d2,具体根据实际需要设定。
在一些实施例中,人脸图像的至少一个质量信息包括人脸的俯仰角,此时,上述S2011获得人脸图像的各质量信息的计算值,可以包括步骤B:
步骤B、根据人脸的俯仰角与第三预设值的第三比值,获得人脸的俯仰角的计算值。
需要说明的是,本申请实施例对第三预设值的具体取值不做限制,可根据实际需要确定,例如,第三预设值为20度。
具体的,服务器将人脸的俯仰角Pitch值与第三预设值的比值记为第三比值,并根据该第三比值获得人脸的俯仰角的计算值。例如,将第三比值记为人脸的俯仰角的计算值。
在一种实现方式中,上述步骤B可以包括:根据第四预设值与第三比值的差值,获得人脸的俯仰角的计算值。
其中,第四预设值为正数。
例如,服务器根据如下公式(2)获得人脸的俯仰角的计算值Pi:
Pi=e-(|Pitch值|÷d) (2)
其中,e为第四预设值,d为第三预设值,|Pitch值|÷d为第三比值。
可选的,上述第四预设值可以为1。
在一些实施例中,质量信息包括人脸的旋转角,此时,上述S2011获得人脸图像的各质量信息的计算值,可以包括步骤C:
步骤C、根据人脸的旋转角与第五预设值的第四比值,获得人脸的旋转角的计算值。
需要说明的是,本申请实施例对第五预设值的具体取值不做限制,可根据实际需要确定,例如,第五预设值为20度。
具体的,服务器将人脸的旋转角Yaw值与第五预设值的比值记为第四比值,并根据该第四比值获得人脸的旋转角的计算值。例如,将第四比值记为人脸的旋转角的计算值。
在一种实现方式中,上述步骤C可以包括:根据第六预设值与第四比值的差值,获得人脸的旋转角的计算值。
其中,第六预设值为正数。
例如,服务器根据如下公式(3)获得人脸的旋转角的计算值Pi:
Ya=f-(|Yaw值|÷g) (3)
其中,f为第六预设值,g为第五预设值,|Yaw值|÷g为第四比值。
可选的,上述第六预设值可以为1。
在一种示例中,人脸图像的至少一个质量信息包括模糊度和人脸遮挡范围,此时,模糊度和人脸遮挡范围的计算值如下所示:
人脸图像的模糊度的计算值为:Bl=1-blur值,其中blur值为人脸图像的模糊度值。
人脸图像的人脸遮挡范围的计算值为:Oc=1-occlusion值,其中 occlusion值为人脸图像的人脸遮挡范围值。
在一种示例中,人脸图像的至少一个质量信息还包括光照范围和人脸完整度,此时,光照范围和人脸完整度的计算值如下所示:
人脸图像的人脸光照范围的计算值为:Gr=grayscale值,其中grayscale 值为人脸图像的人脸光照范围值,也可以理解为人脸图像的灰度值。
人脸图像的人脸完整度的计算值为:Co=completeness值,其中 completeness值为人脸图像的人脸完整度值。
S2012、根据人脸图像的各质量信息的计算值,以及各质量信息的预设权重,获得人脸图像的各质量信息的加权和。
S2013、将加权和,作为人脸图像的综合评价指标。
具体的,服务器根据上述S2011的方法,获得人脸图像的各质量信息的计算值,并根据各质量信息的计算值,获得人脸图像的各质量信息的加权和,并将该加权和作为人脸图像的综合评价指标。
示例性的,假设服务器获得至少一个质量信息包括:人脸大小、人脸姿态、人脸遮挡范围,则如下公式(4)所述,获得人脸图像的综合评价指标Q:
Q=WH×h1%+Oc×h3%+Pi×h4%+Ya×h5% (4)
其中,h1%为人脸大小的计算值WH所占的权重,h3%为人脸遮挡范围 Oc的计算值WH所占的权重,h4%为人脸的俯仰角的计算值Pi所占的权重, h5%为人脸的旋转角的计算值Ya所占的权重,且h1%+h3%+h4%+h5%=1。
在一种示例中,为了计算方便,上述各质量信息的计算值的权重可以相等,例如,h1%=h3%=h4%=h5%=25%。
示例性的,假设服务器获得至少一个质量信息包括:人脸大小、人脸姿态、人脸遮挡范围和人脸模糊度,则如下公式(5)所述,获得人脸图像的综合评价指标Q:
Q=WH×h1%+Bl×h2%+Oc×h3%+Pi×h4%+Ya×h5% (5)
其中,h2%为人脸的模糊度的计算值Bl所占的权重,且h1%+h2%+h3% +h4%+h5%=1。
在一种示例中,为了计算方便,上述各质量信息的计算值的权重可以相等,例如,h1%=h2%=h3%=h4%=h5%=20%。
示例性的,假设服务器获得至少一个质量信息包括:人脸大小、人脸姿态、人脸遮挡范围、人脸模糊度、人脸光照范围和人脸完整度,则如下公式 (6)所述,获得人脸图像的综合评价指标Q:
Q=WH×h1%+Bl×h2%+Oc×h3%+Pi×h4%+Ya×h5%+Gr×h6%+Co×h7%(6)
其中,h6%为人脸光照范围的计算值Gr所占的权重,h7%为人脸完整度的计算值Co所占的权重,且h1%+h2%+h3%+h4%+h5%+h6%+h7%=1。
在一种示例中,为了计算方便,上述各质量信息的计算值的权重可以相等。
需要说明的是,上述公式(4)、公式(5)和公式(6)为一种示例,本申请实施例中确定人脸图像的综合评价指标Q的方式包括但不限于上述公式 (4)、公式(5)和公式(6)所示。
S202、根据每张人脸图像的综合评价指标,对多张人脸图像进行比较,从多张人脸图像中确定目标对象的人脸档案的至少一张封面图像。
根据上述S201的方法,服务器可以获得目标对象的多张人脸图像中每张人脸图像的综合评价指标。接着,服务器根据每张人脸图像的综合评价指标,对多张人脸图像进行比较,从多张人脸图像中确定目标对象的人脸档案的至少一张封面图像。
本申请实施例中,服务器根据每张人脸图像的综合评价指标,对多张人脸图像进行比较,从多张人脸图像中确定目标对象的人脸档案的至少一张封面图像的方式包括但不限于如下几种:
方式一,将综合评价指标最大的前预设数量张,确定为目标对象的人脸档案的至少一张封面图像。
具体的,服务器根据上述S201的方法,可以获得目标对象的多张人脸图像中每张人脸图像的综合评价指标,按照从大到小的顺序对人脸图像的综合评价指标进行排序,获得前面预设数量张综合评价指标最大的人脸图像作为目标对象的人脸档案的至少一张封面图像。
方式二,上述S202包括步骤D1和步骤D2:
步骤D1,从目标对象的多张人脸图像中,获得各质量信息符合各质量信息对应的预设阈值的多张第一人脸图像。
举例说明,假设服务器获得人脸图像的至少一个质量信息包括:人脸大小、人脸的俯仰角、人脸的旋转角、人脸遮挡范围和人脸模糊度。
示例性的,上述各质量信息对应的预设阈值如表1所示:
表1
服务器根据上述表1,从目标对象的多张人脸图像中获得各质量信息满足对应的预设阈值的人脸图像。例如,目标对象的多张人脸图像为100张,从这100张人脸图像中选择出人脸大小大于100×100像素、人脸的俯仰角小于20度、人脸的旋转角小于20度、人脸各部位的遮挡范围均小于表1所示的对应阈值,且人脸模糊度小于0.7的多张人脸图像,例如从100张人脸图像中选择出20张满足上述表1的人脸图像,将该满足表1的20张人脸图像记为第一人脸图像。
需要说明的是,若目标对象的多张人脸图像中的所有人脸图像的某一个或几个质量信息均不满足上述表1所示的预设阈值,则选择质量信息的值最接近预设阈值的人脸图像作为第一人脸图像。例如,上述100张人脸图像中所有人脸图像的人脸模糊度均大于0.7,则选择预设张人脸模糊度最小的人脸图像作为第一人脸图像。
步骤D2,综合评价指标最大的前预设数量张第一人脸图像,确定为目标对象的人脸档案的至少一张封面图像。
继续参照上述示例,针对上述选出的满足表1的20张第一人脸图像,根据综合评价指标,按照从大到小的顺序对这20张第一人脸图像进行排序,获得综合评价指标最大的前预设数量张第一人脸图像,作为目标对象的人脸档案的至少一张封面图像。
本申请实施例,根据人脸大小、人脸遮挡范围、人脸的俯仰角、人脸的旋转角和人脸模糊度等质量信息的加权和确定人脸图像的综合评价指标,并基于人脸图像的综合评价指标,对多张人脸图像进行比较,从多张人脸图像中选择人脸档案的至少一张封面图像,可以提高封面图像的选择准确性,使得封面图像更具代表性。
在一种实际应用场景中,在跨级的人脸档案汇聚中,例如公安部门的人脸档案从区县向地市汇聚、地市向省厅等的多级汇聚,或者在跨域的人脸档案汇聚中,例如从公安视频专网通过边界交换平台进入公安信息通信网的不同域间,上级人脸档案汇聚平台通过封面图像比对的方法进行档案合并,例如提取封面图像的人脸特征向量进行比对,以人像相似度分值作为评价指标,用于判定待合并的人脸档案是否为同一对象的人脸档案。
在将同一个对象的几个人脸档案合并为一个新的人脸档案时,需要重新确定该新的人脸档案的至少一张封面图像。其中,确定该新的人脸档案的封面图像的方法包括但不限于如下几种:
方式一,根据新的人脸档案所包括的所有人脸图像的综合评价指标,参照上述S202的方法,根据每张人脸图像的综合评价指标,对新的人脸档案中的各人脸图像进行比对,从新的人脸档案所包括的多个人脸图像中确定该新的人脸档案的至少一张封面图像。
方式二,根据各人脸档案的至少一张封面图像,确定该新的人脸档案的至少一张封面图像。举例说明,假设将人脸档案1和人脸档案2合并为新的人脸档案3,其中,人脸档案1包括3张封面图像,人脸档案2包括2张封面图像,这样,可以参照上述S202的方法,根据人脸档案1的3张封面图像和人脸档案2的2张封面图像的综合评价指标,对这5张封面图像进行比对,从这5张封面图像中确定人脸档案3的至少一张封面图像,例如,将这5张封面图像中综合评价指标最大的前2张封面图像作为人脸档案3的封面图像。
在一些实施例中,若不同的算法厂家、或者同一厂家不同版本的人脸图像智能化算法不一致,而无法直接兼容,此时异构算法平台需要重新确定待合并的各人脸档案的封面图像的各质量信息,并参照本申请实施例的方法,即根据各人脸档案的封面图像的各质量信息,对各人脸档案的封面图像进行比较,从各人脸档案的封面图像中确定合并后的人脸档案的至少一张封面图像。
图6为本申请实施例提供的档案处理装置的一种结构示意图。该档案处理装置可以是上述图1中的服务器,也可以是服务器的部件(例如,集成电路,芯片等等)。如图6所示,该档案处理装置可以包括:获取单元110和处理单元120。
获取单元110,用于获得目标对象的多张人脸图像,以及每张人脸图像的至少一个质量信息,所述质量信息包括如下任意一个:人脸大小、人脸姿态和人脸遮挡范围;
处理单元120,用于根据每张所述人脸图像的至少一个质量信息,对所述多张人脸图像进行比较,从所述多张人脸图像中确定所述目标对象的人脸档案的至少一张封面图像。
本申请实施例的档案处理装置,可以用于执行上述各方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
在一种可能的实现方式中,所述处理单元120,具体用于根据每张所述人脸图像的至少一个质量信息,确定每张所述人脸图像的综合评价指标;根据每张所述人脸图像的综合评价指标,对所述多张人脸图像进行比较,从所述多张人脸图像中确定所述目标对象的人脸档案的至少一张封面图像。
在一种可能的实现方式中,所述处理单元120,具体用于获得所述人脸图像的各所述质量信息的计算值;根据所述人脸图像的各所述质量信息的计算值,以及各所述质量信息的预设权重,获得所述人脸图像的各所述质量信息的加权和;将所述加权和,作为所述人脸图像的综合评价指标。
在一种可能的实现方式中,所述至少一个质量信息包括人脸大小,所述人脸大小指提取到人脸的像素点的个数,此时所述处理单元120,具体用于若所述人脸图像的像素点数量大于第一预设数量,则将第一预设值作为所述人脸大小的计算值;若所述人脸图像的像素点数量小于所述第二预设数量,则将第二预设值作为所述人脸大小的计算值,其中所述第二预设值小于所述第一预设值。
在一种可能的实现方式中,所述处理单元120,还用于若所述人脸图像的像素点数量小于或等于所述第一预设数量、且大于或等于所述第二预设数量,根据所述人脸图像的像素点数量和所述第一预设数量,确定所述人脸大小的计算值。
在一种可能的实现方式中,所述处理单元120,具体用于获得所述人脸图像在宽度方向的像素点的数量与所述第一预设数量在宽度方向的预设数量的第一比值,以及所述人脸图像在高度方向的像素点的数量与所述第一预设数量在高度方向的预设数量的第二比值;根据所述第一比值和所述第二比值,确定所述人脸大小的计算值。
可选的,所述第一预设值为1,和/或,所述第二预设值为0。
在一种可能的实现方式中,所述人脸姿态包括所述人脸的俯仰角和/或所述人脸的旋转角。
在一种可能的实现方式中,所述至少一个质量信息包括所述人脸的俯仰角,则所述处理单元120,具体用于根据所述人脸的俯仰角与第三预设值的第三比值,获得所述人脸的俯仰角的计算值。
在一种可能的实现方式中,所述处理单元120,具体用于根据第四预设值与所述第三比值的差值,获得所述人脸的俯仰角的计算值。
可选的,所述第三预设值为20度,和/或所述第四预设值为1。
在一种可能的实现方式中,所述至少一个质量信息包括所述人脸的旋转角,则所述处理单元120,具体用于根据所述人脸的旋转角与第五预设值的第四比值,获得所述人脸的旋转角的计算值。
在一种可能的实现方式中,所述处理单元120,具体用于根据第六预设值与所述第四比值的差值,获得所述人脸的旋转角的计算值。
可选的,所述第五预设值为20度,和/或所述第六预设值为1。
在一些实施例中,所述人脸图像的质量信息还包括如下任意一个:人脸模糊度、光照范围和人脸完整度。
在一种可能的实现方式中,所述处理单元120,具体用于将所述综合评价指标最大的前预设数量张人脸图像,确定为所述目标对象的人脸档案的至少一张封面图像;或者,从所述目标对象的多张人脸图像中,获得各质量信息符合各所述质量信息对应的预设阈值的多张第一人脸图像;将所述综合评价指标最大的前预设数量张所述第一人脸图像,确定为所述目标对象的人脸档案的至少一张封面图像。
本申请实施例的档案处理装置,可以用于执行上述各方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图7为本申请实施例涉及的服务器的框图,该服务器,用于执行上述实施例所述的档案处理方法,具体参见上述方法实施例中的说明。
参照图7,服务器1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922 的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述档案处理方法实施例。
服务器1900还可以包括一个电源组件1926被配置为执行服务器1900的电源管理,一个有线或无线网络接口1950被配置为将服务器1900连接到网络,和一个输入输出(I/O)接口1958。服务器1900可以操作基于存储在存储器1932的操作系统,例如WindowsServerTM,Mac OS XTM,UnixTM, LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器1932,上述指令可由服务器1900的处理组件 1922执行以完成上述图档案处理方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序产品,程序产品包括:计算机程序,计算机程序存储在可读存储介质中,服务器的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得服务器执行上述任一实施例提供的方案。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (14)
1.一种档案处理方法,其特征在于,包括:
获得目标对象的多张人脸图像,以及每张人脸图像的至少一个质量信息,所述质量信息包括如下任意一个:人脸大小、人脸姿态和人脸遮挡范围;
根据每张所述人脸图像的至少一个质量信息,对所述多张人脸图像进行比较,从所述多张人脸图像中确定所述目标对象的人脸档案的至少一张封面图像。
2.根据权利要求1所述的方法,其特征在于,所述根据每张所述人脸图像的至少一个质量信息,对所述多张人脸图像进行比较,从所述多张人脸图像中确定所述目标对象的人脸档案的至少一张封面图像,包括:
根据每张所述人脸图像的至少一个质量信息,确定每张所述人脸图像的综合评价指标;
根据每张所述人脸图像的综合评价指标,对所述多张人脸图像进行比较,从所述多张人脸图像中确定所述目标用户的人脸档案的至少一张封面图像。
3.根据权利要求2所述的方法,其特征在于,所述根据每张所述人脸图像的至少一个质量信息,确定每张所述人脸图像的综合评价指标,包括:
获得所述人脸图像的各所述质量信息的计算值;
根据所述人脸图像的各所述质量信息的计算值,以及各所述质量信息的预设权重,获得所述人脸图像的各所述质量信息的加权和;
将所述加权和,作为所述人脸图像的综合评价指标。
4.根据权利要求3所述的方法,其特征在于,所述至少一个质量信息包括人脸大小,所述人脸大小指提取到人脸的像素点的个数,所述获得所述人脸图像的各所述质量信息的计算值,包括:
若所述人脸图像的像素点数量大于第一预设数量,则将第一预设值作为所述人脸大小的计算值;
若所述人脸图像的像素点数量小于第二预设数量,则将第二预设值作为所述人脸大小的计算值,其中所述第二预设值小于所述第一预设值。
5.根据权利要求4所述的方法,其特征在于,还包括:
若所述人脸图像的像素点数量小于或等于所述第一预设数量、且大于或等于所述第二预设数量,根据所述人脸图像的像素点数量和所述第一预设数量,确定所述人脸大小的计算值。
6.根据权利要求5所述的方法,其特征在于,所述根据所述人脸图像的像素点数量和所述第一预设数量,确定所述人脸大小的计算值,包括:
获得所述人脸图像在宽度方向的像素点的数量与所述第一预设数量在宽度方向的预设数量的第一比值,以及所述人脸图像在高度方向的像素点的数量与所述第一预设数量在高度方向的预设数量的第二比值;
根据所述第一比值和所述第二比值,确定所述人脸大小的计算值。
7.根据权利要求3所述的方法,其特征在于,所述人脸姿态包括所述人脸的俯仰角和/或所述人脸的旋转角。
8.根据权利要求7所述的方法,其特征在于,所述至少一个质量信息包括所述人脸的俯仰角,所述获得所述人脸图像的各所述质量信息的计算值,包括:
根据所述人脸的俯仰角与第三预设值的第三比值,获得所述人脸的俯仰角的计算值。
9.根据权利要求7所述的方法,其特征在于,所述至少一个质量信息包括所述人脸的旋转角,所述获得所述人脸图像的各所述质量信息的计算值,包括:
根据所述人脸的旋转角与第五预设值的第四比值,获得所述人脸的旋转角的计算值。
10.根据权利要求1所述的方法,其特征在于,所述人脸图像的质量信息还包括如下任意一个:人脸模糊度、光照范围和人脸完整度。
11.根据权利要求2-10任一项所述的方法,其特征在于,所述根据每张所述人脸图像的综合评价指标,对所述多张人脸图像进行比较,从所述多张人脸图像中确定所述目标对象的人脸档案的至少一张封面图像,包括;
将所述综合评价指标最大的前预设数量张人脸图像,确定为所述目标对象的人脸档案的至少一张封面图像;或者,
从所述目标对象的多张人脸图像中,获得各质量信息符合各所述质量信息对应的预设阈值的多张第一人脸图像;将所述综合评价指标最大的前预设数量张所述第一人脸图像,确定为所述目标对象的人脸档案的至少一张封面图像。
12.一种档案处理装置,其特征在于,包括:
获取单元,用于获得目标对象的多张人脸图像,以及每张人脸图像的至少一个质量信息,所述质量信息包括如下任意一个:人脸大小、人脸姿态和人脸遮挡范围;
处理单元,用于根据每张所述人脸图像的至少一个质量信息,对所述多张人脸图像进行比较,从所述多张人脸图像中确定所述目标对象的人脸档案的至少一张封面图像。
13.一种服务器,其特征在于,包括:存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为:执行所述指令,以实现上述权利要求1至11任一项所述的方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至11任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011522017.5A CN112651321A (zh) | 2020-12-21 | 2020-12-21 | 档案处理方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011522017.5A CN112651321A (zh) | 2020-12-21 | 2020-12-21 | 档案处理方法、装置及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112651321A true CN112651321A (zh) | 2021-04-13 |
Family
ID=75358790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011522017.5A Withdrawn CN112651321A (zh) | 2020-12-21 | 2020-12-21 | 档案处理方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651321A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990167A (zh) * | 2021-05-19 | 2021-06-18 | 北京焦点新干线信息技术有限公司 | 图像处理方法及装置、存储介质及电子设备 |
CN113111206A (zh) * | 2021-04-19 | 2021-07-13 | 浙江商汤科技开发有限公司 | 图搜方法、装置、电子设备以及存储介质 |
CN114639143A (zh) * | 2022-03-07 | 2022-06-17 | 北京百度网讯科技有限公司 | 基于人工智能的人像归档方法、设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1704966A (zh) * | 2004-05-28 | 2005-12-07 | 中国科学院计算技术研究所 | 一种色情图像检测方法 |
CN105138962A (zh) * | 2015-07-28 | 2015-12-09 | 小米科技有限责任公司 | 图像显示方法及装置 |
CN107977674A (zh) * | 2017-11-21 | 2018-05-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
CN108229330A (zh) * | 2017-12-07 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸融合识别方法及装置、电子设备和存储介质 |
CN108875471A (zh) * | 2017-06-19 | 2018-11-23 | 北京旷视科技有限公司 | 人脸图像底库注册的方法、装置及计算机存储介质 |
WO2018219180A1 (zh) * | 2017-05-31 | 2018-12-06 | 深圳市商汤科技有限公司 | 确定人脸图像质量的方法和装置、电子设备和计算机存储介质 |
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 |
CN110737795A (zh) * | 2019-10-16 | 2020-01-31 | 北京字节跳动网络技术有限公司 | 相册封面的确定方法、装置、设备及存储介质 |
US20200177797A1 (en) * | 2017-01-26 | 2020-06-04 | Huawei Technologies Co., Ltd. | Photographing Method and Photographing Apparatus for Terminal, and Terminal |
CN111241927A (zh) * | 2019-12-30 | 2020-06-05 | 新大陆数字技术股份有限公司 | 级联式人脸图像优选方法、系统、设备及可读存储介质 |
CN111754528A (zh) * | 2020-06-24 | 2020-10-09 | Oppo广东移动通信有限公司 | 人像分割方法、装置、电子设备和计算机可读存储介质 |
WO2020244032A1 (zh) * | 2019-06-03 | 2020-12-10 | 罗普特科技集团股份有限公司 | 用于检测人脸图像的方法和装置 |
-
2020
- 2020-12-21 CN CN202011522017.5A patent/CN112651321A/zh not_active Withdrawn
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1704966A (zh) * | 2004-05-28 | 2005-12-07 | 中国科学院计算技术研究所 | 一种色情图像检测方法 |
CN105138962A (zh) * | 2015-07-28 | 2015-12-09 | 小米科技有限责任公司 | 图像显示方法及装置 |
US20200177797A1 (en) * | 2017-01-26 | 2020-06-04 | Huawei Technologies Co., Ltd. | Photographing Method and Photographing Apparatus for Terminal, and Terminal |
WO2018219180A1 (zh) * | 2017-05-31 | 2018-12-06 | 深圳市商汤科技有限公司 | 确定人脸图像质量的方法和装置、电子设备和计算机存储介质 |
CN108875471A (zh) * | 2017-06-19 | 2018-11-23 | 北京旷视科技有限公司 | 人脸图像底库注册的方法、装置及计算机存储介质 |
CN107977674A (zh) * | 2017-11-21 | 2018-05-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
CN108229330A (zh) * | 2017-12-07 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸融合识别方法及装置、电子设备和存储介质 |
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 |
WO2020244032A1 (zh) * | 2019-06-03 | 2020-12-10 | 罗普特科技集团股份有限公司 | 用于检测人脸图像的方法和装置 |
CN110737795A (zh) * | 2019-10-16 | 2020-01-31 | 北京字节跳动网络技术有限公司 | 相册封面的确定方法、装置、设备及存储介质 |
CN111241927A (zh) * | 2019-12-30 | 2020-06-05 | 新大陆数字技术股份有限公司 | 级联式人脸图像优选方法、系统、设备及可读存储介质 |
CN111754528A (zh) * | 2020-06-24 | 2020-10-09 | Oppo广东移动通信有限公司 | 人像分割方法、装置、电子设备和计算机可读存储介质 |
Non-Patent Citations (3)
Title |
---|
NISHANT SANKARAN 等: "Metadata-Based Feature Aggregation Network for Face Recognition", 2018 INTERNATIONAL CONFERENCE ON BIOMETRICS (ICB), pages 118 - 123 * |
唐鉴: "人脸识别中的图像质量评价方法研究", 中国优秀硕士学位论文全文数据库 信息科技辑, vol. 2012, no. 6, pages 138 - 2057 * |
胡杨庆 等: "人脸图像质量评价法", 现代计算机(专业版), pages 43 - 45 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111206A (zh) * | 2021-04-19 | 2021-07-13 | 浙江商汤科技开发有限公司 | 图搜方法、装置、电子设备以及存储介质 |
CN112990167A (zh) * | 2021-05-19 | 2021-06-18 | 北京焦点新干线信息技术有限公司 | 图像处理方法及装置、存储介质及电子设备 |
CN114639143A (zh) * | 2022-03-07 | 2022-06-17 | 北京百度网讯科技有限公司 | 基于人工智能的人像归档方法、设备及存储介质 |
CN114639143B (zh) * | 2022-03-07 | 2024-04-16 | 北京百度网讯科技有限公司 | 基于人工智能的人像归档方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117803B (zh) | 人脸图像的聚类方法、装置、服务器及存储介质 | |
CN108229419B (zh) | 用于聚类图像的方法和装置 | |
US6937744B1 (en) | System and process for bootstrap initialization of nonparametric color models | |
CN112651321A (zh) | 档案处理方法、装置及服务器 | |
US8116566B2 (en) | Unknown pattern set recognition | |
JP2017033547A (ja) | 情報処理装置及びその制御方法及びプログラム | |
CN110069989B (zh) | 人脸图像处理方法及装置、计算机可读存储介质 | |
CN110765860A (zh) | 摔倒判定方法、装置、计算机设备及存储介质 | |
WO2019080908A1 (zh) | 实现图像识别的图像处理方法及装置、电子设备 | |
JP2015504215A (ja) | 画像を比較するための方法およびシステム | |
KR20100098641A (ko) | 불변적인 시각적 장면 및 객체 인식 | |
CN111125390A (zh) | 数据库更新方法和装置、电子设备、计算机存储介质 | |
US8488873B2 (en) | Method of computing global-to-local metrics for recognition | |
US11475684B1 (en) | Methods and systems for performing noise-resistant computer vision techniques | |
CN111126249A (zh) | 一种大数据和贝叶斯相结合的行人重识别方法及装置 | |
CN110349188A (zh) | 基于tsk模糊模型的多目标跟踪方法、装置及存储介质 | |
CN114360039A (zh) | 一种智能眼睑检测方法及系统 | |
JP2017054493A (ja) | 情報処理装置及びその制御方法及びプログラム | |
Prakash et al. | Background region based face orientation prediction through HSV skin color model and K-means clustering | |
CN111104911A (zh) | 一种基于大数据训练的行人重识别方法及装置 | |
John et al. | Real time blink recognition from various head pose using single eye | |
Wang et al. | Salient object detection using biogeography-based optimization to combine features | |
Wang et al. | A novel background-weighted histogram scheme based on foreground saliency for mean-shift tracking | |
CN116071569A (zh) | 图像选择方法、计算机设备及存储装置 | |
Oh et al. | Deep feature learning for person re-identification in a large-scale crowdsourced environment |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210413 |
|
WW01 | Invention patent application withdrawn after publication |