CN112749652A - 身份信息确定的方法和装置、存储介质及电子设备 - Google Patents
身份信息确定的方法和装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112749652A CN112749652A CN202011636416.4A CN202011636416A CN112749652A CN 112749652 A CN112749652 A CN 112749652A CN 202011636416 A CN202011636416 A CN 202011636416A CN 112749652 A CN112749652 A CN 112749652A
- Authority
- CN
- China
- Prior art keywords
- image information
- information
- objects
- group
- identity
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000015654 memory Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 230000001815 facial effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001680 brushing effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 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
- G06V40/167—Detection; Localisation; Normalisation using comparisons between temporally consecutive images
-
- 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
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- 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)
- 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)
- Library & Information Science (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种身份信息确定的方法和装置、存储介质及电子设备。其中,该方法包括:获取待识别对象的第一图像信息,以及采集第一图像信息的图像采集设备的第一标识信息;根据第一标识信息获取第一时间段内的第一组对象的图像信息集合,第一组对象的图像信息集合是第一目标区域记录的图像信息;在第一组对象的图像信息集合中存在与第一图像信息匹配的第一目标图像信息的情况下,将第一目标图像信息对应的身份信息确定为待识别对象的身份信息,达到了将待识别对象的第一图像信息与第一目标区域记录的第一时间段内对象的图像信息进行匹配,确定出待识别对象的身份信息的目的,进而解决了现有技术中,待识别对象身份信息的准确率较低的技术问。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种身份信息确定的方法和装置、存储介质及电子设备。
背景技术
在安防领域,传统的人脸图像身份识别,是将采集到的人脸图像与标准底库图像进行特征值比对,当满足一定阈值时,判定与身份证匹配。但比对的维度单一,图像的抓拍质量高低,会导致人脸图像无法识别。
在全球倡导数字化生活的环境之下,人们对于“刷脸”需求和热情几乎是与日俱增。刷脸解锁、刷脸开门、刷脸安检、刷脸登机、刷脸住酒店、刷脸支付就医……等刷脸应用的各类创新,迅速进入了各行各业,产生了大量的人的轨迹数据。对人脸图像的识别要求越来越苛刻。人脸图像身份识别准确率较低。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种身份信息确定的方法和装置、存储介质及电子设备,以至少解决现有技术中,待识别对象身份信息的准确率较低的技术问题。
根据本发明实施例的一个方面,提供了一种身份信息确定的方法,包括:获取待识别对象的第一图像信息,以及采集所述第一图像信息的图像采集设备的第一标识信息;根据所述第一标识信息获取第一时间段内的第一组对象的图像信息集合,其中,所述第一组对象的图像信息集合是第一目标区域记录的图像信息,所述第一标识信息与所述第一目标区域的第二标识信息具有绑定关系;在所述第一组对象的图像信息集合中存在与所述第一图像信息匹配的第一目标图像信息的情况下,将所述第一目标图像信息对应的身份信息确定为所述待识别对象的身份信息。
可选的,所述获取待识别对象的第一图像信息,包括:获取第二时间段内所述待识别对象的N张图像信息,其中,N是大于1的正整数,所述第一时间段的时长大于或等于所述第二时间段的时长;根据第三时间段内所述待识别对象的一组图像信息确定类簇质心信息,其中,所述第三时间段是所述第二时间段之间的时间;计算所述N张图像信息中每张图像信息与所述类簇质心信息之间的相似度;将相似度值最大对应的图像信息确定为所述第一图像信息。
可选的,所述第一组对象的图像信息集合中存在与所述第一图像信息匹配的第一目标图像信息,包括:计算所述第一图像信息与所述第一组对象的图像信息集合中的每张图像信息之间的相似度;在所述一组对象的图像集合中存在与所述第一图像信息相似度值大于预设阈值的第二图像信息的情况下,将所述第二图像信息确定为所述第一目标图像。
可选的,上述方法还可以包括:所述获取所述待识别对象的所述第一图像信息,包括:获取所述待识别对象的人脸信息,其中,所述第一图像信息包括所述人脸图像信息;所述根据所述第一标识信息获取所述第一时间段内的所述一组对象的图像信息集合,包括:根据所述第一标识信息获取所述第一时间段内的所述一组对象的人脸图像信息,其中,所述图像信息集合包括所述人脸图像信息。
可选的,上述方法还可以包括:在所述第一组对象的图像信息集合中不存在与所述第一图像信息匹配的第一目标图像信息的情况下,获取预设范围内第二目标区域记录的第二组对象的图像信息集合,其中,所述预设范围是以所述第一目标区域为中心预定半径为半径的区域;在所述第二组对象的图像信息集合中存在与所述第一图像信息匹配的第二目标图像信的情况下,将所述第二目标图像信息对应的身份信息确定为所述待识别对象的身份信息。
可选的,所述将所述第二目标图像信息对应的身份信息确定为所述待识别对象的身份信息之前,所述方法还包括:所述第二目标区域记录所述第二组对象的图像信息集合对应的第二身份信息集合,其中,所述第二组对象中的每个对象与所述第二身份信息集合中的身份信息一一对应。
可选的,所述将所述第一目标图像信息对应的身份信息确定为所述待识别对象的身份信息之前,所述方法还包括:所述第一目标区域记录所述第一组对象的图像信息集合对应的第一身份信息集合,其中,所述第一组对象中的每个对象与所述第一身份信息集合中的身份信息一一对应。
根据本发明实施例的另一方面,还提供了一种身份信息确定的装置,包括:第一获取单元,用于获取待识别对象的第一图像信息,以及采集所述第一图像信息的图像采集设备的第一标识信息;第二获取单元,用于根据所述第一标识信息获取第一时间段内的第一组对象的图像信息集合,其中,所述第一组对象的图像信息集合是第一目标区域记录的图像信息,所述第一标识信息与所述第一目标区域的第二标识信息具有绑定关系;第一确定单元,用于在所述第一组对象的图像信息集合中存在与所述第一图像信息匹配的第一目标图像信息的情况下,将所述第一目标图像信息对应的身份信息确定为所述待识别对象的身份信息。
可选的,所述第一获取单元,包括:第一获取模块,用于获取第二时间段内所述待识别对象的N张图像信息,其中,N是大于1的正整数,所述第一时间段的时长大于或等于所述第二时间段的时长;第一确定模块,用于根据第三时间段内所述待识别对象的一组图像信息确定类簇质心信息,其中,所述第三时间段是所述第二时间段之间的时间;第一计算模块,用于计算所述N张图像信息中每张图像信息与所述类簇质心信息之间的相似度;第二确定模块,用于将相似度值最大对应的图像信息确定为所述第一图像信息。
可选的,所述第一确定单元,包括:第二计算模块,用于计算所述第一图像信息与所述第一组对象的图像信息集合中的每张图像信息之间的相似度;第三确定模块,用于在所述一组对象的图像集合中存在与所述第一图像信息相似度值大于预设阈值的第二图像信息的情况下,将所述第二图像信息确定为所述第一目标图像。
可选的,上述装置还可以包括:所述第一获取单元,包括:第二获取模块,用于获取所述待识别对象的人脸信息,其中,所述第一图像信息包括所述人脸图像信息;所述第二获取单元,包括:第三获取模块,用于根据所述第一标识信息获取所述第一时间段内的所述一组对象的人脸图像信息,其中,所述图像信息集合包括所述人脸图像信息。
可选的,上述装置还可以包括:第三获取单元,用于在所述第一组对象的图像信息集合中不存在与所述第一图像信息匹配的第一目标图像信息的情况下,获取预设范围内第二目标区域记录的第二组对象的图像信息集合,其中,所述预设范围是以所述第一目标区域为中心预定半径为半径的区域;第二确定单元,用于在所述第二组对象的图像信息集合中存在与所述第一图像信息匹配的第二目标图像信的情况下,将所述第二目标图像信息对应的身份信息确定为所述待识别对象的身份信息。
可选的,所述装置还可以包括:第一记录单元,用于所述将所述第二目标图像信息对应的身份信息确定为所述待识别对象的身份信息之前,所述第二目标区域记录所述第二组对象的图像信息集合对应的第二身份信息集合,其中,所述第二组对象中的每个对象与所述第二身份信息集合中的身份信息一一对应。
可选的,其特征在于,所述装置还可以包括:第二记录单元,用于所述将所述第一目标图像信息对应的身份信息确定为所述待识别对象的身份信息之前,所述第一目标区域记录所述第一组对象的图像信息集合对应的第一身份信息集合,其中,所述第一组对象中的每个对象与所述第一身份信息集合中的身份信息一一对应。
根据本发明实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述身份信息确定的方法。
根据本发明实施例的又一方面,还提供了一种电子设备,包括存储器和处理器,上述存储器中存储有计算机程序,上述处理器被设置为通过所述计算机程序执行上述的身份信息确定的方法。
在本发明实施例中,通过获取待识别对象的第一图像信息,以及采集第一图像信息的图像采集设备的第一标识信息;根据第一标识信息获取第一时间段内的第一组对象的图像信息集合,其中,第一组对象的图像信息集合是第一目标区域记录的图像信息,第一标识信息与第一目标区域的第二标识信息具有绑定关系;在第一组对象的图像信息集合中存在与第一图像信息匹配的第一目标图像信息的情况下,将第一目标图像信息对应的身份信息确定为待识别对象的身份信息,达到了在确定待识别对象的身份信息时,可以将第一时间段内的待识别对象的图像信息,与第一目标区域记录的身份信息中进行匹配,确定出待识别对象的身份信息的目的,从而实现了利用时空相近的原理,寻找抓拍记录对应的时间范围内的多维轨迹档案数据,通过比较抓拍图像及其类簇质心图片与档案登记的身份证图片的相似度,确定待识别对象的身份信息的技术效果,进而解决了现有技术中,待识别对象身份信息的准确率较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的身份信息确定的方法的应用环境的示意图;
图2是根据本发明实施例的一种可选的身份信息确定的方法的流程图;
图3是根据本发明实施例的一种可选的基于多维轨迹数据的人脸聚类的流程图;
图4是根据本发明实施例的一种可选的确定多维轨迹数据信息的流程图;
图5是根据本发明实施例的一种可选的抓拍图像与多维轨迹数据融合进行逐条聚类的流程图;
图6是根据本发明实施例的一种可选的身份信息确定的装置的结构示意图;
图7是根据本发明实施例的一种可选的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了更好的理解本申请提供的实例,对部分名词说明如下:
人脸聚类:将一个集合内的人脸根据身份进行分组的过程。
身份落地:通过视频或图片中的人脸信息,通过图像识别或其它关联手段,确定该人员的身份及其他详细信息。
标准底库:已经身份落地的人员信息库。
根据本发明实施例的一个方面,提供了一种身份信息确定的方法,可选地,作为一种可选的实施方式,上述身份信息确定的方法可以但不限于应用于如图1所示的环境中。终端设备102、网络104以及服务器106。
服务器106获取待识别对象的第一图像信息,以及采集第一图像信息的图像采集设备的第一标识信息;根据第一标识信息获取第一时间段内的第一组对象的图像信息集合,其中,第一组对象的图像信息集合是第一目标区域记录的图像信息,第一标识信息与第一目标区域的第二标识信息具有绑定关系;在第一组对象的图像信息集合中存在与第一图像信息匹配的第一目标图像信息的情况下,将第一目标图像信息对应的身份信息确定为待识别对象的身份信息,达到了在确定待识别对象的身份信息时,可以第一时间段内的待识别对象的图像信息,与第一目标区域记录的身份信息中进行匹配,确定出待识别对象的身份信息的目的,从而实现了利用时空相近的原理,寻找抓拍记录对应的时间范围内的多维轨迹档案数据,通过比较抓拍图片及其类簇质心图片与档案登记的身份证图片的相似度,确定待识别对象的身份信息的技术效果,进而解决了现有技术中,待识别对象身份信息的准确率较低的技术问题。
可选地,在本实施例中,上述终端设备可以是配置有目标客户端的终端设备,可以包括但不限于以下至少之一:手机(如Android手机、iOS手机等)、笔记本电脑、平板电脑、掌上电脑、MID(Mobile Internet Devices,移动互联网设备)、PAD、台式电脑、智能电视等。目标客户端可以是视频客户端、即时通信客户端、浏览器客户端、图像客户端等。上述网络可以包括但不限于:有线网络,无线网络,其中,该有线网络包括:局域网、城域网和广域网,该无线网络包括:蓝牙、WIFI及其他实现无线通信的网络。上述服务器可以是单一服务器,也可以是由多个服务器组成的服务器集群,或者是云服务器。上述仅是一种示例,本实施例中对此不作任何限定。
可选地,作为一种可选的实施方式,如图2所示,上述身份信息确定的方法包括:
步骤S202,获取待识别对象的第一图像信息,以及采集第一图像信息的图像采集设备的第一标识信息。
步骤S204,根据第一标识信息获取第一时间段内的第一组对象的图像信息集合,其中,第一组对象的图像信息集合是第一目标区域记录的图像信息,第一标识信息与第一目标区域的第二标识信息具有绑定关系。
步骤S206,在第一组对象的图像信息集合中存在与第一图像信息匹配的第一目标图像信息的情况下,将第一目标图像信息对应的身份信息确定为待识别对象的身份信息。
可选的,在本实施例中,上述身份信息确定的方法可以包括但不限于应用于安防领域,目标对象的跟踪信息识别领域、人脸识别和身份归档的场景等等。其中,上述第一图像信息可以包括但不限于待识别对象的人脸图像信息。上述图像采集设备可以包括但不限于监控摄像头。图像采集设备安装在第一目标区域中,第一目标区域中可以安装多个图像采集设备。第一目标区域与多个图像采集设具有绑定关系,根据该绑定关系可以确定出图像采集设备是否是该第一目标区域中的图像采集设备。如第一目标区域中为酒店,第一目标区域的第二标识信息可以是酒店名称,图像采集设备的第一标识信息是用于区别第一目标区域中其他图像采集设备的标识,如可以将第一目标区域中的图像采集设备安装经纬度进行标号,可以编号1、2、3等,如酒店A-1,则标识酒店A中编号为1号的图像采集设备。
其中,在本实施例中,上述第一图像信息可以包括但不限于通过人脸卡口抓拍的图像。第一图像信息包括待识别对象的人脸信息。
其中,第一目标区域可以包括但不限于酒店、宾馆、火车站、网吧等安装监控设备的场所,第一目标区域可以记录登记包括待识别对象在内的很多对象的身份信息。
在本实施例中,上述身份信息的确定方法应用的场景可以为:在监控根据待识别对象A时,在2020年12月10日通过酒店A的编号为1的监控摄像头中获取待识别对象A的图像信息,如在2020年12月10之前的一个星期或一天入住该酒店A时登记的用户的身份证中的人脸图像信息,还可以获取在2020年12月10之前的一个星期或一个月的入住该酒店A时登记的用户的身份证中的人脸图像信息,以及2020年12月10之后的一个星期或一天的酒店A登记的用户的身份证中的人脸图像信息。
需要说明的是,在本实施例中,上述第一时间段可以包括但不限于获取待识别对象的时间的之间的一段时间、之后的一段时间、之间的一段时间加之后的一段时间。
在获取到待识别对象的第一图像信息和第一目标区域记录的第一时间段内的一组图像信息之后,将第一图像信息与一组图像信息中的每个图像信息进行匹配,在第一组对象的图像信息集合中存在与第一图像信息匹配的第一目标图像信息的情况下,将第一目标图像信息对应的身份信息确定为待识别对象的身份信息。
通过本申请提供的实施例,获取待识别对象的第一图像信息,以及采集第一图像信息的图像采集设备的第一标识信息;根据第一标识信息获取第一时间段内的第一组对象的图像信息集合,其中,第一组对象的图像信息集合是第一目标区域记录的图像信息,第一标识信息与目标区域的第二标识信息具有绑定关系;在第一组对象的图像信息集合中存在与第一图像信息匹配的第一目标图像信息的情况下,将第一目标图像信息对应的身份信息确定为待识别对象的身份信息,达到了在确定待识别对象的身份信息时,可以第一时间段内的待识别对象的图像信息,与第一目标区域记录的身份信息中进行匹配,确定出待识别对象的身份信息的目的,从而实现了利用时空相近的原理,寻找抓拍记录对应的时间范围内的多维轨迹档案数据,通过比较抓拍图片及其类簇质心图片与档案登记的身份证图片的相似度,确定待识别对象的身份信息的技术效果,进而解决了现有技术中,待识别对象身份信息的准确率较低的技术问题。
可选的,获取待识别对象的第一图像信息,可以包括:
S1,获取第二时间段内待识别对象的N张图像信息,其中,N是大于1的正整数,第一时间段的时长大于或等于第二时间段的时长;
S2,根据第三时间段内待识别对象的一组图像信息确定类簇质心信息,其中,第三时间段是第二时间段之间的时间;
S3,计算N张图像信息中每张图像信息与类簇质心信息之间的相似度;
S4,将相似度值最大对应的图像信息确定为第一图像信息。
在本实施例中,为了获取与一组图像信息进行匹配的质量更高的第一图像信息,将获取第三时间段内可以识别对象的多张图像信息,将该多张图像信息进行聚类,计算第二时间段内待识别对象的多张图信息与聚类得到的类簇质心之间的相似度,将相似度值最大对应的图像信息确定为第一图像信息。如获取第三时间段2020年12月1日至2020年12月14日两个星期内酒店A采集到的待识别对象A的多张图像信息和酒店B采集的待识别对象的多张图像信息,根据酒店A和酒店B采集的待识别对象A的多张图信息,确定待识别对象A的图像的类簇质心信息。获取第二时间段2020年12月14日酒店A抓拍的待识别对象A的多张图像信息,计算酒店A抓拍的待识别对象A的多张图像信息中的每张图像信息与类簇质心信息之间的相似度;将相似度值最大对应的图像信息确定为第一图像信息。
可选的,第一组对象的图像信息集合中存在与第一图像信息匹配的第一目标图像信息,可以包括:计算第一图像信息与第一组对象的图像信息集合中的每张图像信息之间的相似度;在一组对象的图像集合中存在与第一图像信息相似度值大于预设阈值的第二图像信息的情况下,将第二图像信息确定为第一目标图像。
在本实施例中,上述预设阈值的取值可以是0.8,预设阈值可以根据需要设定,上述仅是一种示实例,本实施例中不做具体限定。
可选的,获取待识别对象的第一图像信息,可以包括:获取待识别对象的人脸信息,其中,第一图像信息包括人脸图像信息。根据第一标识信息获取第一时间段内的一组对象的图像信息集合,可以包括:根据第一标识信息获取第一时间段内的一组对象的人脸图像信息,其中,图像信息集合包括人脸图像信息。
可选的,上述方法还可以包括:在第一组对象的图像信息集合中不存在与第一图像信息匹配的第一目标图像信息的情况下,获取预设范围内第二目标区域记录的第二组对象的图像信息集合,其中,预设范围是以第一目标区域为中心预定半径为半径的区域;在第二组对象的图像信息集合中存在与第一图像信息匹配的第二目标图像信的情况下,将第二目标图像信息对应的身份信息确定为待识别对象的身份信息。
在本实施例中,在第一目标区域中记录的一组对象的图像信息中不存在与第一目标对象匹配的第一目标图像信息的情况,即该待识别对象没有在该第一目标区域中进行身份信息登录,可以获取与第一目标区域为中心点,方圆10米内需要进行身份登记的第二目标区域记录的一段时间内的身份信息。其中,第二目标区域可以包括一个或多个。如2020年12月20日酒店C获取待识别对象A的图像信息,可以包括但不限于获取酒店D2020年12月15日至2020年12月25日之间的任意时间段内登记记录的该酒店D的身份信息,身份信息可以包括是身份证信息,身份证中包括用户的人脸图像信息。
可选的,将第二目标图像信息对应的身份信息确定为待识别对象的身份信息之前,上述方法还可以包括:第二目标区域记录第二组对象的图像信息集合对应的第二身份信息集合,其中,第二组对象中的每个对象与第二身份信息集合中的身份信息一一对应。
可选的,将第一目标图像信息对应的身份信息确定为待识别对象的身份信息之前,上述方法还可以包括:第一目标区域记录第一组对象的图像信息集合对应的第一身份信息集合,其中,第一组对象中的每个对象与第一身份信息集合中的身份信息一一对应。
可选的,本申请还提供了一种可选的基于多维轨迹数据的人脸聚类和身份识别方法。如图3所示,基于多维轨迹数据的人脸聚类的流程图。
步骤S31,获取人脸抓拍记录卡口周边的多维轨迹数据信息;
步骤S32,对指定卡口的每条抓拍图像与多维度轨迹数据融合进行逐条聚类。
如图4所示,确定多维轨迹数据信息的流程图。
步骤S41,通过人脸抓拍记录获取所有的设备经纬度信息;
通过查询历史的人脸抓拍记录,获取所有的抓拍设备,通过关联设备基础信息表,获取相应的经纬度信息。
步骤S42,通过经纬度调用周边搜索API获取指定范围、类型的数据信息;
利用步骤S41获取到的经纬度信息,通过调用相应的接口,获取指定范围(例如,半径500米等)、类型(例如,酒店、机场、火车站等)的数据信息,包括地址、名称、实际距离、方位等。
步骤S43,按设备的抓拍记录、时间范围分组,取TopN的设备信息;
按时间范围(日、周、月等)统计每个设备的图像抓拍数量,取TopN的设备信息用于抽样。
步骤S44,对指定卡口的每条抓拍图像与多维轨迹数据融合进行逐条聚类。
图5所示,抓拍图像与多维轨迹数据融合进行逐条聚类的流程图。
步骤S51,开始;
步骤S52,选取TopN对应卡口的增量抓拍图片数据;
考虑卡口抓拍记录越多,出现漏图片的可能性越高,因此,对高频卡口的抓拍数据进行多维数据融合。选取步骤S52中TopN的卡口,并获取其增量抓拍数据。
步骤S53,判断图片是否满足聚类条件;
有些图片质量分高,与已有类簇质心的相似度值很高,并且满足时空相近的条件,不存在时空矛盾的条件,那么这类数据可以不利用多维轨迹数据就能完成聚类操作。有些图片可能在同一卡口且抓拍时间间隔非常短,第一张图片满足聚类要求,第二张不满足,但第一张与第二张满足时空相近的条件,那么这类数据也可以不利用多维轨迹数据就能完成聚类操作。
步骤S54,对不满足步骤S53的数据,取其抓拍时间前后指定阈值范围,在该卡口周边的多维轨迹数据;
考虑一些高频抓拍卡口,例如,医院、机场、火车站,这类卡口抓拍数据,很可能存在与抓拍图片相关的多维轨迹数据。利用这一假设,对不满足步骤S53的每条数据,取其抓拍时间前后指定阈值的多维轨迹数据,这类数据有可能关联到身份证信息(例如,医院挂号、机场出行、火车出行等),也有可能只是登记类图片(例如,刷脸的图片等等)。
步骤S55,比较抓拍记录与周边多维数据的相似度,取其最高的,判断是否满足聚类条件;
通过比较抓拍记录与步骤S55获取到其他图片的相似度,通过判断是否存在时空矛盾、时空相近,然后取最高的一条,判断是否满足已有类簇的聚类阈值,如果满足则进行聚类操作,不满足则丢弃。
如果步骤S55获取到的多维轨迹数据存在身份证信息,那么通过相似度比对,如果满足落档阈值要求,可以直接落档。
步骤S56,结束。
通过多维轨迹数据,对一些质量分不高,不满足聚类要求的图片,与多维轨迹数据进行比较,减少漏图片率,提升归档率。
在本实施例中,利用时间和空间结合设定的不同阈值区间,利用时空相近的原理,对不同相似度区间的图片进行聚类,减少漏聚类的频率,提升归档率。利用图片抓拍记录,找到潜在的多维轨迹档案的卡口。利用时空相近的原理,寻找抓拍记录对应的时间范围内的多维轨迹档案数据,通过比较抓拍图片及其类簇质心图片与档案登记的身份证图片的相似度,来判断能否身份落地。
通过本申请提供的实施例,利用时空相近的原理,对不同相似度区间的图片进行聚类,减少漏聚类的频率,提升归档率;利用时空相近的原理,寻找抓拍记录对应的时间范围内的多维轨迹档案数据,通过比较抓拍图片及其类簇质心图片与档案登记的身份证图片的相似度,来判断能否身份落地。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面,还提供了一种用于实施上述身份信息确定的方法的身份信息确定的装置。如图6所示,该身份信息确定的装置包括:第一获取单元61、第二获取单元63以及第一确定单元65。
第一获取单元61,用于获取待识别对象的第一图像信息,以及采集第一图像信息的图像采集设备的第一标识信息。
第二获取单元63,用于根据第一标识信息获取第一时间段内的第一组对象的图像信息集合,其中,第一组对象的图像信息集合是第一目标区域记录的图像信息,第一标识信息与第一目标区域的第二标识信息具有绑定关系。
第一确定单元65,用于在第一组对象的图像信息集合中存在与第一图像信息匹配的第一目标图像信息的情况下,将第一目标图像信息对应的身份信息确定为待识别对象的身份信息。
通过本申请提供的实施例,第一获取单元61获取待识别对象的第一图像信息,以及采集第一图像信息的图像采集设备的第一标识信息;第二获取单元63根据第一标识信息获取第一时间段内的第一组对象的图像信息集合,其中,第一组对象的图像信息集合是第一目标区域记录的图像信息,第一标识信息与第一目标区域的第二标识信息具有绑定关系;第一确定单元65在第一组对象的图像信息集合中存在与第一图像信息匹配的第一目标图像信息的情况下,将第一目标图像信息对应的身份信息确定为待识别对象的身份信息。达到了在确定待识别对象的身份信息时,可以第一时间段内的待识别对象的图像信息,与第一目标区域记录的身份信息中进行匹配,确定出待识别对象的身份信息的目的,从而实现了利用时空相近的原理,寻找抓拍记录对应的时间范围内的多维轨迹档案数据,通过比较抓拍图片及其类簇质心图片与档案登记的身份证图片的相似度,确定待识别对象的身份信息的技术效果,进而解决了现有技术中,待识别对象身份信息的准确率较低的技术问题。
可选的,上述第一获取单元61,可以包括:第一获取模块,用于获取第二时间段内待识别对象的N张图像信息,其中,N是大于1的正整数,第一时间段的时长大于或等于第二时间段的时长;第一确定模块,用于根据第三时间段内待识别对象的一组图像信息确定类簇质心信息,其中,第三时间段是第二时间段之间的时间;第一计算模块,用于计算N张图像信息中每张图像信息与类簇质心信息之间的相似度;第二确定模块,用于将相似度值最大对应的图像信息确定为第一图像信息。
可选的,上述第一确定单元65,可以包括:第二计算模块,用于计算第一图像信息与第一组对象的图像信息集合中的每张图像信息之间的相似度;第三确定模块,用于在一组对象的图像集合中存在与第一图像信息相似度值大于预设阈值的第二图像信息的情况下,将第二图像信息确定为第一目标图像。
可选的,上述第一获取单元61,可以包括:第二获取模块,用于获取待识别对象的人脸信息,其中,第一图像信息包括人脸图像信息。
上述第二获取单元63,可以包括:第三获取模块,用于根据第一标识信息获取第一时间段内的一组对象的人脸图像信息,其中,图像信息集合包括人脸图像信息。
可选的,上述装置还可以包括:第三获取单元,用于在第一组对象的图像信息集合中不存在与第一图像信息匹配的第一目标图像信息的情况下,获取预设范围内第二目标区域记录的第二组对象的图像信息集合,其中,预设范围是以第一目标区域为中心预定半径为半径的区域;第二确定单元,用于在第二组对象的图像信息集合中存在与第一图像信息匹配的第二目标图像信的情况下,将第二目标图像信息对应的身份信息确定为待识别对象的身份信息。
可选的,上述装置还可以包括:第一记录单元,用于将第二目标图像信息对应的身份信息确定为待识别对象的身份信息之前,第二目标区域记录第二组对象的图像信息集合对应的第二身份信息集合,其中,第二组对象中的每个对象与第二身份信息集合中的身份信息一一对应。
可选的,上述装置还可以包括:第二记录单元,用于将第一目标图像信息对应的身份信息确定为待识别对象的身份信息之前,第一目标区域记录第一组对象的图像信息集合对应的第一身份信息集合,其中,第一组对象中的每个对象与第一身份信息集合中的身份信息一一对应。
根据本发明实施例的又一个方面,还提供了一种用于实施上述身份信息确定的方法的电子设备,该电子设备可以是图1所示的终端设备或服务器。本实施例以该电子设备为服务器为例来说明。如图7所示,该电子设备包括存储器702和处理器704,该存储器702中存储有计算机程序,该处理器704被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取待识别对象的第一图像信息,以及采集第一图像信息的图像采集设备的第一标识信息;
S2,根据第一标识信息获取第一时间段内的第一组对象的图像信息集合,其中,第一组对象的图像信息集合是第一目标区域记录的图像信息,第一标识信息与第一目标区域的第二标识信息具有绑定关系;
S3,在第一组对象的图像信息集合中存在与第一图像信息匹配的第一目标图像信息的情况下,将第一目标图像信息对应的身份信息确定为待识别对象的身份信息。
可选地,本领域普通技术人员可以理解,图7所示的结构仅为示意,电子装置电子设备也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图7其并不对上述电子装置电子设备的结构造成限定。例如,电子装置电子设备还可包括比图7中所示更多或者更少的组件(如网络接口等),或者具有与图7所示不同的配置。
其中,存储器702可用于存储软件程序以及模块,如本发明实施例中的身份信息确定的方法和装置对应的程序指令/模块,处理器704通过运行存储在存储器702内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的身份信息确定的方法。存储器702可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器702可进一步包括相对于处理器704远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中,存储器702具体可以但不限于用于第一图像信息、第一目标图像信息、以及第一组对象的图像信息集合、身份信息等信息。作为一种示例,如图7所示,上述存储器702中可以但不限于包括上述身份信息确定的装置中的第一获取单元61、第二获取单元63以及第一确定单元65。此外,还可以包括但不限于上述身份信息确定的装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置706用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置706包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置706为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此外,上述电子设备还包括:显示器708,用于显示上述待识别对象的第一图像信息;和连接总线710,用于连接上述电子设备中的各个模块部件。
在其他实施例中,上述终端设备或者服务器可以是一个分布式系统中的一个节点,其中,该分布式系统可以为区块链系统,该区块链系统可以是由该多个节点通过网络通信的形式连接形成的分布式系统。其中,节点之间可以组成点对点(P2P,Peer To Peer)网络,任意形式的计算设备,比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述身份信息确定的方面或者身份信息确定的方面的各种可选实现方式中提供的方法。其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取待识别对象的第一图像信息,以及采集第一图像信息的图像采集设备的第一标识信息;
S2,根据第一标识信息获取第一时间段内的第一组对象的图像信息集合,其中,第一组对象的图像信息集合是第一目标区域记录的图像信息,第一标识信息与第一目标区域的第二标识信息具有绑定关系;
S3,在第一组对象的图像信息集合中存在与第一图像信息匹配的第一目标图像信息的情况下,将第一目标图像信息对应的身份信息确定为待识别对象的身份信息。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (16)
1.一种身份信息确定的方法,其特征在于,包括:
获取待识别对象的第一图像信息,以及采集所述第一图像信息的图像采集设备的第一标识信息;
根据所述第一标识信息获取第一时间段内的第一组对象的图像信息集合,其中,所述第一组对象的图像信息集合是第一目标区域记录的图像信息,所述第一标识信息与所述第一目标区域的第二标识信息具有绑定关系;
在所述第一组对象的图像信息集合中存在与所述第一图像信息匹配的第一目标图像信息的情况下,将所述第一目标图像信息对应的身份信息确定为所述待识别对象的身份信息。
2.根据权利要求1所述的方法,其特征在于,所述获取待识别对象的第一图像信息,包括:
获取第二时间段内所述待识别对象的N张图像信息,其中,N是大于1的正整数,所述第一时间段的时长大于或等于所述第二时间段的时长;
根据第三时间段内所述待识别对象的一组图像信息确定类簇质心信息,其中,所述第三时间段是所述第二时间段之间的时间;
计算所述N张图像信息中每张图像信息与所述类簇质心信息之间的相似度;
将相似度值最大对应的图像信息确定为所述第一图像信息。
3.根据权利要求1所述的方法,其特征在于,所述第一组对象的图像信息集合中存在与所述第一图像信息匹配的第一目标图像信息,包括:
计算所述第一图像信息与所述第一组对象的图像信息集合中的每张图像信息之间的相似度;
在所述一组对象的图像集合中存在与所述第一图像信息相似度值大于预设阈值的第二图像信息的情况下,将所述第二图像信息确定为所述第一目标图像。
4.根据权利要求1所述的方法,其特征在于,包括:
所述获取所述待识别对象的所述第一图像信息,包括:获取所述待识别对象的人脸信息,其中,所述第一图像信息包括所述人脸图像信息;
所述根据所述第一标识信息获取所述第一时间段内的所述一组对象的图像信息集合,包括:根据所述第一标识信息获取所述第一时间段内的所述一组对象的人脸图像信息,其中,所述图像信息集合包括所述人脸图像信息。
5.根据权利要求1所述的方法,其特征在于,包括:
在所述第一组对象的图像信息集合中不存在与所述第一图像信息匹配的第一目标图像信息的情况下,获取预设范围内第二目标区域记录的第二组对象的图像信息集合,其中,所述预设范围是以所述第一目标区域为中心预定半径为半径的区域;
在所述第二组对象的图像信息集合中存在与所述第一图像信息匹配的第二目标图像信的情况下,将所述第二目标图像信息对应的身份信息确定为所述待识别对象的身份信息。
6.根据权利要求5所述的方法,其特征在于,所述将所述第二目标图像信息对应的身份信息确定为所述待识别对象的身份信息之前,所述方法还包括:
所述第二目标区域记录所述第二组对象的图像信息集合对应的第二身份信息集合,其中,所述第二组对象中的每个对象与所述第二身份信息集合中的身份信息一一对应。
7.根据权利要求1所述的方法,其特征在于,所述将所述第一目标图像信息对应的身份信息确定为所述待识别对象的身份信息之前,所述方法还包括:
所述第一目标区域记录所述第一组对象的图像信息集合对应的第一身份信息集合,其中,所述第一组对象中的每个对象与所述第一身份信息集合中的身份信息一一对应。
8.一种身份信息确定的装置,其特征在于,包括:
第一获取单元,用于获取待识别对象的第一图像信息,以及采集所述第一图像信息的图像采集设备的第一标识信息;
第二获取单元,用于根据所述第一标识信息获取第一时间段内的第一组对象的图像信息集合,其中,所述第一组对象的图像信息集合是第一目标区域记录的图像信息,所述第一标识信息与所述第一目标区域的第二标识信息具有绑定关系;
第一确定单元,用于在所述第一组对象的图像信息集合中存在与所述第一图像信息匹配的第一目标图像信息的情况下,将所述第一目标图像信息对应的身份信息确定为所述待识别对象的身份信息。
9.根据权利要求8所述的装置,其特征在于,所述第一获取单元,包括:
第一获取模块,用于获取第二时间段内所述待识别对象的N张图像信息,其中,N是大于1的正整数,所述第一时间段的时长大于或等于所述第二时间段的时长;
第一确定模块,用于根据第三时间段内所述待识别对象的一组图像信息确定类簇质心信息,其中,所述第三时间段是所述第二时间段之间的时间;
第一计算模块,用于计算所述N张图像信息中每张图像信息与所述类簇质心信息之间的相似度;
第二确定模块,用于将相似度值最大对应的图像信息确定为所述第一图像信息。
10.根据权利要求8所述的装置,其特征在于,所述第一确定单元,包括:
第二计算模块,用于计算所述第一图像信息与所述第一组对象的图像信息集合中的每张图像信息之间的相似度;
第三确定模块,用于在所述一组对象的图像集合中存在与所述第一图像信息相似度值大于预设阈值的第二图像信息的情况下,将所述第二图像信息确定为所述第一目标图像。
11.根据权利要求8所述的装置,其特征在于,包括:
所述第一获取单元,包括:第二获取模块,用于获取所述待识别对象的人脸信息,其中,所述第一图像信息包括所述人脸图像信息;
所述第二获取单元,包括:第三获取模块,用于根据所述第一标识信息获取所述第一时间段内的所述一组对象的人脸图像信息,其中,所述图像信息集合包括所述人脸图像信息。
12.根据权利要求8所述的装置,其特征在于,包括:
第三获取单元,用于在所述第一组对象的图像信息集合中不存在与所述第一图像信息匹配的第一目标图像信息的情况下,获取预设范围内第二目标区域记录的第二组对象的图像信息集合,其中,所述预设范围是以所述第一目标区域为中心预定半径为半径的区域;
第二确定单元,用于在所述第二组对象的图像信息集合中存在与所述第一图像信息匹配的第二目标图像信的情况下,将所述第二目标图像信息对应的身份信息确定为所述待识别对象的身份信息。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括:
第一记录单元,用于所述将所述第二目标图像信息对应的身份信息确定为所述待识别对象的身份信息之前,所述第二目标区域记录所述第二组对象的图像信息集合对应的第二身份信息集合,其中,所述第二组对象中的每个对象与所述第二身份信息集合中的身份信息一一对应。
14.根据权利要求8所述的装置,其特征在于,所述装置还包括:
第二记录单元,用于所述将所述第一目标图像信息对应的身份信息确定为所述待识别对象的身份信息之前,所述第一目标区域记录所述第一组对象的图像信息集合对应的第一身份信息集合,其中,所述第一组对象中的每个对象与所述第一身份信息集合中的身份信息一一对应。
15.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行所述权利要求1至7任一项中所述的方法。
16.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011636416.4A CN112749652B (zh) | 2020-12-31 | 2020-12-31 | 身份信息确定的方法和装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011636416.4A CN112749652B (zh) | 2020-12-31 | 2020-12-31 | 身份信息确定的方法和装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112749652A true CN112749652A (zh) | 2021-05-04 |
CN112749652B CN112749652B (zh) | 2024-02-20 |
Family
ID=75651075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011636416.4A Active CN112749652B (zh) | 2020-12-31 | 2020-12-31 | 身份信息确定的方法和装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112749652B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113190821A (zh) * | 2021-05-31 | 2021-07-30 | 浙江大华技术股份有限公司 | 一种对象状态信息确定方法、装置、系统及介质 |
CN113468284A (zh) * | 2021-06-29 | 2021-10-01 | 北京市商汤科技开发有限公司 | 对象检测方法及装置、电子设备和存储介质 |
WO2023273058A1 (zh) * | 2021-06-30 | 2023-01-05 | 成都商汤科技有限公司 | 身份识别方法、系统、装置、计算机设备及存储介质 |
WO2023284183A1 (en) * | 2021-07-13 | 2023-01-19 | Zhejiang Dahua Technology Co., Ltd. | Image recognition method, electronic device, and computer-readable storage medium |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016018444A (ja) * | 2014-07-09 | 2016-02-01 | 日本電信電話株式会社 | 画像検索装置、方法、及びプログラム |
CN106844492A (zh) * | 2016-12-24 | 2017-06-13 | 深圳云天励飞技术有限公司 | 一种人脸识别的方法、客户端、服务器及系统 |
CN108062511A (zh) * | 2017-11-17 | 2018-05-22 | 维库(厦门)信息技术有限公司 | 一种跨区域多摄像头目标识别关联跟踪方法及计算机设备 |
CN109117714A (zh) * | 2018-06-27 | 2019-01-01 | 北京旷视科技有限公司 | 一种同行人员识别方法、装置、系统及计算机存储介质 |
CN109697388A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 人脸识别方法和装置 |
CN109800674A (zh) * | 2018-12-28 | 2019-05-24 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
CN110728649A (zh) * | 2018-06-28 | 2020-01-24 | 北京京东尚科信息技术有限公司 | 用于生成位置信息的方法和装置 |
CN111291682A (zh) * | 2020-02-07 | 2020-06-16 | 浙江大华技术股份有限公司 | 确定目标对象的方法、装置、存储介质及电子装置 |
CN111598124A (zh) * | 2020-04-07 | 2020-08-28 | 深圳市商汤科技有限公司 | 图像处理及装置、处理器、电子设备、存储介质 |
CN111652331A (zh) * | 2020-08-05 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 一种图像识别方法、装置和计算机可读存储介质 |
CN111680179A (zh) * | 2020-06-16 | 2020-09-18 | 北京市商汤科技开发有限公司 | 目标数据的获取方法及装置、电子设备和存储介质 |
CN112101483A (zh) * | 2020-11-02 | 2020-12-18 | 浙江大华技术股份有限公司 | 图像聚类方法、装置电子设备、计算机可读存储介质 |
-
2020
- 2020-12-31 CN CN202011636416.4A patent/CN112749652B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016018444A (ja) * | 2014-07-09 | 2016-02-01 | 日本電信電話株式会社 | 画像検索装置、方法、及びプログラム |
CN106844492A (zh) * | 2016-12-24 | 2017-06-13 | 深圳云天励飞技术有限公司 | 一种人脸识别的方法、客户端、服务器及系统 |
CN109697388A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 人脸识别方法和装置 |
CN108062511A (zh) * | 2017-11-17 | 2018-05-22 | 维库(厦门)信息技术有限公司 | 一种跨区域多摄像头目标识别关联跟踪方法及计算机设备 |
CN109117714A (zh) * | 2018-06-27 | 2019-01-01 | 北京旷视科技有限公司 | 一种同行人员识别方法、装置、系统及计算机存储介质 |
CN110728649A (zh) * | 2018-06-28 | 2020-01-24 | 北京京东尚科信息技术有限公司 | 用于生成位置信息的方法和装置 |
CN109800674A (zh) * | 2018-12-28 | 2019-05-24 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
CN111291682A (zh) * | 2020-02-07 | 2020-06-16 | 浙江大华技术股份有限公司 | 确定目标对象的方法、装置、存储介质及电子装置 |
CN111598124A (zh) * | 2020-04-07 | 2020-08-28 | 深圳市商汤科技有限公司 | 图像处理及装置、处理器、电子设备、存储介质 |
CN111680179A (zh) * | 2020-06-16 | 2020-09-18 | 北京市商汤科技开发有限公司 | 目标数据的获取方法及装置、电子设备和存储介质 |
CN111652331A (zh) * | 2020-08-05 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 一种图像识别方法、装置和计算机可读存储介质 |
CN112101483A (zh) * | 2020-11-02 | 2020-12-18 | 浙江大华技术股份有限公司 | 图像聚类方法、装置电子设备、计算机可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113190821A (zh) * | 2021-05-31 | 2021-07-30 | 浙江大华技术股份有限公司 | 一种对象状态信息确定方法、装置、系统及介质 |
CN113468284A (zh) * | 2021-06-29 | 2021-10-01 | 北京市商汤科技开发有限公司 | 对象检测方法及装置、电子设备和存储介质 |
WO2023273058A1 (zh) * | 2021-06-30 | 2023-01-05 | 成都商汤科技有限公司 | 身份识别方法、系统、装置、计算机设备及存储介质 |
WO2023284183A1 (en) * | 2021-07-13 | 2023-01-19 | Zhejiang Dahua Technology Co., Ltd. | Image recognition method, electronic device, and computer-readable storage medium |
Also Published As
Publication number | Publication date |
---|---|
CN112749652B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112749652B (zh) | 身份信息确定的方法和装置、存储介质及电子设备 | |
CN107370983B (zh) | 用于视频监控系统的行踪轨迹的获取方法和装置 | |
US20210357678A1 (en) | Information processing method and apparatus, and storage medium | |
US20210357624A1 (en) | Information processing method and device, and storage medium | |
WO2021063011A1 (zh) | 行为分析方法、装置、电子设备、存储介质和计算机程序 | |
CN106844492B (zh) | 一种人脸识别的方法、客户端、服务器及系统 | |
CN104850969B (zh) | 执法仪音视频证据警情联动管理系统 | |
Zhang et al. | Ev-loc: integrating electronic and visual signals for accurate localization | |
CN109740004B (zh) | 一种归档方法及装置 | |
CN108256443A (zh) | 一种人员定位方法、系统及终端设备 | |
CN111565225B (zh) | 一种人物行动轨迹确定方法及装置 | |
CN109426785A (zh) | 一种人体目标身份识别方法及装置 | |
CN109426787A (zh) | 一种人体目标轨迹确定方法及装置 | |
CN105279496A (zh) | 一种人脸识别的方法和装置 | |
CN110705476A (zh) | 数据分析方法、装置、电子设备和计算机存储介质 | |
CN111078922A (zh) | 一种信息处理方法及装置、存储介质 | |
CN111047622B (zh) | 视频中对象的匹配方法和装置、存储介质及电子装置 | |
CN111274287A (zh) | 人员集合同行信息的挖掘方法、装置及电子设备 | |
EP3035225B1 (en) | Information processing device, authentication system, authentication method, and program | |
CN108287873B (zh) | 数据处理方法及相关产品 | |
CN112487082A (zh) | 一种生物特征识别的方法及相关设备 | |
CN109120896B (zh) | 安防视频监控卫士系统 | |
CN110516097A (zh) | 一种图像数据关联分析方法、装置及存储介质 | |
CN110233897A (zh) | 信息推送方法及装置 | |
CN113283410B (zh) | 基于数据关联分析的人脸增强识别方法、装置和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |