CN112800256B - 图像的查询方法、装置、系统及计算机可读存储介质 - Google Patents
图像的查询方法、装置、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112800256B CN112800256B CN202110101771.XA CN202110101771A CN112800256B CN 112800256 B CN112800256 B CN 112800256B CN 202110101771 A CN202110101771 A CN 202110101771A CN 112800256 B CN112800256 B CN 112800256B
- Authority
- CN
- China
- Prior art keywords
- face
- query
- image
- file
- condition
- 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 50
- 239000013598 vector Substances 0.000 claims abstract description 71
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000006835 compression Effects 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 9
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 230000004931 aggregating effect Effects 0.000 claims description 6
- 238000013139 quantization Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000010223 real-time analysis Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002085 persistent effect Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000026676 system process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 230000003287 optical 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
- G06F16/53—Querying
-
- 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
- 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
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- 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
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种图像的查询方法、装置、系统及计算机可读存储介质,该方法包括:接收摄像设备发送的人脸图像集合,对人脸图像集合进行特征向量分析,得到各个人脸档案;响应用户输入的查询条件,基于查询条件中的出现时间条件和出现地点条件依次对各个人脸档案进行查询,得到待处理人脸档案;通过条件逻辑处理待处理人脸档案,得到查询条件对应的目标人脸档案。本申请将人脸图像集合进行特征向量分析,得到各个人脸档案的过程前置,在需要查询目标人脸档案时,只需要输入对应的查询条件,根据查询条件进行简单的条件逻辑即可得到对应的目标人脸档案,而不需要做复杂比对运算,缩短了查询等待时长,从而提高了图像的查询效率。
Description
技术领域
本申请涉及人脸识别和图像处理技术领域,尤其涉及一种图像的查询方法、装置、系统及计算机可读存储介质。
背景技术
目前基于时空碰撞的图像分析方法大多数是用户输入时空条件,系统将在所有时空条件下的所有抓拍到的人脸图像确定为数据源,然后,对数据源中的人脸图像进行聚合,最后,碰撞出在所有时空条件下均出现过的人脸档案。但是,在用户需要图像查询时,直接输入时空条件,系统对所有时空条件下的图像进行处理时,需要对高维特征向量进行比对分析,因此需要花费大量算力,进而导致需要较长的等待时间,严重影响了用户的查询效率。
发明内容
本申请的主要目的在于提供一种图像的查询方法、装置、系统及计算机可读存储介质,旨在提升图像的查询效率。
为实现上述目的,本申请实施例提供一种图像的查询方法,所述图像的查询方法包括:
接收摄像设备发送的人脸图像集合,对所述人脸图像集合进行特征向量分析,得到各个人脸档案;
响应用户输入的查询条件,基于所述查询条件中的出现时间条件和出现地点条件依次对各个所述人脸档案进行查询,得到待处理人脸档案;
通过条件逻辑处理所述待处理人脸档案,得到所述查询条件对应的目标人脸档案。
可选地,所述对所述人脸图像集合进行特征向量分析,得到各个人脸档案的步骤包括:
对所述人脸图像集合中的各个人脸图像进行特征向量解析,得到各个人脸图像对应的特征向量;
对解析后得到的各个人脸图像对应的特征向量进行特征向量压缩,并将压缩后的特征向量进行聚类分析,得到各个所述人脸档案。
可选地,所述将压缩后的特征向量进行聚类分析,得到各个所述人脸档案的步骤包括:
通过预设算法并根据各个人脸图像压缩后的特征向量,将同一用户的人脸图像聚合为一个人脸集合,得到各个所述人脸档案。
可选地,所述基于所述查询条件中的出现时间条件和出现地点条件依次对各个所述人脸档案进行查询,得到待处理人脸档案的步骤包括:
确定所述查询条件中的各个出现时间条件与其对应的出现地点条件;
基于各个所述出现时间条件与其对应的出现地点条件依次对各个所述人脸档案进行查询,得到各个所述出现时间条件与其对应的出现地点条件对应的待处理人脸档案。
可选地,所述通过条件逻辑处理所述待处理人脸档案,得到所述查询条件对应的目标人脸档案的步骤包括:
将所述待处理人脸档案进行取交集处理,并将取交集处理获取到的人脸档案确定为所述查询条件对应的目标人脸档案。
可选地,所述接收摄像设备发送的人脸图像集合,对所述人脸图像集合进行特征向量分析,得到各个人脸档案的步骤之后,还包括:
获取各个所述人脸档案中图像分辨率最高的人脸图像,将各个所述图像分辨率最高的人脸图像确定为其对应的人脸档案的封面图像,并将封面图像处理后的各个人脸档案存储至数据库中。
可选地,所述通过条件逻辑处理所述待处理人脸档案,得到所述查询条件对应的目标人脸档案的步骤之后,还包括:
将各个所述目标人脸档案存储至数据库中,并展示所述目标人脸档案对应的封面图像,以供用户通过点击封面图像查看对应的目标人脸档案中的人脸图像。
本申请实施例还提供一种图像的查询装置,所述图像的查询装置包括:
分析模块,用于接收摄像设备发送的人脸图像集合,对所述人脸图像集合进行特征向量分析,得到各个人脸档案;
查询模块,用于响应用户输入的查询条件,基于所述查询条件中的出现时间条件和出现地点条件依次对各个所述人脸档案进行查询,得到待处理人脸档案;
处理模块,用于通过条件逻辑处理所述待处理人脸档案,得到所述查询条件对应的目标人脸档案。
本申请实施例还提供一种图像查询系统,所述图像查询系统包括存储器、处理器和存储在所述存储器上并在所述处理器上运行的图像的查询程序,所述图像的查询程序被所述处理器执行时实现如上所述的图像的查询方法的步骤。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有图像的查询程序,所述图像的查询程序被处理器执行时实现如上所述的图像的查询方法的步骤。
本申请实施例提供的图像的查询方法、装置、系统及计算机可读存储介质,通过接收摄像设备发送的人脸图像集合,对人脸图像集合进行特征向量分析,得到各个人脸档案;响应用户输入的查询条件,基于查询条件中的出现时间条件和出现地点条件依次对各个人脸档案进行查询,得到待处理人脸档案;通过条件逻辑处理待处理人脸档案,得到查询条件对应的目标人脸档案。本申请将人脸图像集合进行特征向量分析,得到各个人脸档案的过程前置,在需要查询目标人脸档案时,只需要输入对应的查询条件,根据查询条件进行简单的条件逻辑即可得到对应的目标人脸档案,而不需要做复杂比对运算,缩短了查询等待时长,从而提高了图像的查询效率。
附图说明
图1是本申请实施例方案涉及的硬件运行环境的系统结构示意图;
图2是本申请图像的查询方法第一实施例的流程示意图;
图3是本申请图像的查询方法另一实施例的流程示意图;
图4是本申请图像的查询方法的实现流程示意图;
图5是本申请图像的查询装置的功能模块示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
具体地,参照图1,图1为本申请实施例方案涉及的硬件运行环境的系统结构示意图。本申请实施例的系统可为具有数据处理功能的固定图像查询系统或服务器等。
如图1所示,该图像查询系统可以包括:处理器1001,例如CPU(CentralProcessing Unit,中央处理器),存储器1005,用户接口1003,网络接口1004,通信总线1002。通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(board),用户接口1003可选的还可以包括标准的有线接口(如USB(Universal Serial Bus,通用串行总线)接口)、无线接口(如蓝牙接口)。网络接口1004可以包括标准的有线接口、无线接口(如WI-FI((Wireless-Fidelity))接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。可选地,图像查询系统还可以包括RF(Radio Frequency,射频)电路,传感器、WiFi模块等。
本领域技术人员可以理解,图1中示出的图像查询系统结构并不构成对图像查询系统的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及图像的查询程序。其中,操作系统是管理和控制图像查询系统硬件和软件资源的程序,支持图像的查询程序以及其它软件或程序的运行。
在图1所示的图像查询系统中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端,与客户端进行数据通信;其中,处理器1001可以用于调用存储器1005中存储的图像的查询程序,并执行如下操作:
接收摄像设备发送的人脸图像集合,对所述人脸图像集合进行特征向量分析,得到各个人脸档案;
响应用户输入的查询条件,基于所述查询条件中的出现时间条件和出现地点条件依次对各个所述人脸档案进行查询,得到待处理人脸档案;
通过条件逻辑处理所述待处理人脸档案,得到所述查询条件对应的目标人脸档案。
进一步地,处理器1001可以调用存储器1005中存储的图像的查询程序,还执行以下操作:
对所述人脸图像集合中的各个人脸图像进行特征向量解析,得到各个人脸图像对应的特征向量;
对解析后得到的各个人脸图像对应的特征向量进行特征向量压缩,并将压缩后的特征向量进行聚类分析,得到各个所述人脸档案。
进一步地,处理器1001可以调用存储器1005中存储的图像的查询程序,还执行以下操作:
通过预设算法并根据各个人脸图像压缩后的特征向量,将同一用户的人脸图像聚合为一个人脸集合,得到各个所述人脸档案。
进一步地,处理器1001可以调用存储器1005中存储的图像的查询程序,还执行以下操作:
确定所述查询条件中的各个出现时间条件与其对应的出现地点条件;
基于各个所述出现时间条件与其对应的出现地点条件依次对各个所述人脸档案进行查询,得到各个所述出现时间条件与其对应的出现地点条件对应的待处理人脸档案。
进一步地,处理器1001可以调用存储器1005中存储的图像的查询程序,还执行以下操作:
将所述待处理人脸档案进行取交集处理,并将取交集处理获取到的人脸档案确定为所述查询条件对应的目标人脸档案。
进一步地,处理器1001可以调用存储器1005中存储的图像的查询程序,还执行以下操作:
获取各个所述人脸档案中图像分辨率最高的人脸图像,将各个所述图像分辨率最高的人脸图像确定为其对应的人脸档案的封面图像,并将封面图像处理后的各个人脸档案存储至数据库中。
进一步地,处理器1001可以调用存储器1005中存储的图像的查询程序,还执行以下操作:
将各个所述目标人脸档案存储至数据库中,并展示所述目标人脸档案对应的封面图像,以供用户通过点击封面图像查看对应的目标人脸档案中的人脸图像。
基于上述的图像查询系统架构但不限于上述架构,本申请实施例提供了图像的查询方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些数据下,可以以不同于此处的顺序完成所示出或描述的步骤。
本申请本实施例方法的执行主体可以是一种图像的查询装置,也可以是一种图像查询系统或服务器,本实施例以图像查询系统作为执行主体进行举例。
参照图2,图2为本申请图像的查询方法第一实施例的流程示意图。所述图像的查询方法包括:
步骤S10,接收摄像设备发送的人脸图像集合,对所述人脸图像集合进行特征向量分析,得到各个人脸档案;
步骤S20,获取各个所述人脸档案中图像分辨率最高的人脸图像,将各个所述图像分辨率最高的人脸图像确定为其对应的人脸档案的封面图像,并将封面图像处理后的各个人脸档案存储至数据库中。
需要说明的是,本实施例的摄像设备一般为但不限制于人脸抓拍摄像机,人脸抓拍摄像机可以是固定于某个场所的某个位置,也可以是用户随身携带的。人脸抓拍摄像机间隔预设时长采集一次当前环境中的图像,并将采集到的图像进行抠图处理,然后将抠取出来的人脸图像打包成人脸图像集,并实时将人脸图像集发送至图像查询系统,其中,预设时长是用户根据实际需求设定的,本实施例不作限制。进一步需要说明的是,可以多台人脸抓拍摄像机同时将采集并抠图处理后的人脸图像集发送至图像查询系统。
图像查询系统接收到人脸抓拍摄像机发送的人脸图像集合集之后,将接收到的人脸图像集存储至图像查询系统的数据库中。同时,第一服务器对人脸图像集进行特征向量实时解析,输出实时解析处理后人脸图像集中各个人脸图像的特征向量。然后,图像查询系统通过量化以及降维的方式对解析后各个人脸的特征向量进行压缩处理,得到人脸图像的特征集合,并将人脸图像的特征集合传输至图像查询系统中进行存储。接着,第二服务器通过预设算法将压缩后各个人脸图像的特征向量进行实时聚类,将所有的人脸图像进行归类,得到每个用户对应的人脸图像集合,即每个用户对应的人脸档案,实际应用中,若实时聚类的人脸图像规模很大,则可以采用集群进行能力扩展。需要说明的是,第一服务器和第二服务器都是独立运行且具有良好性能的服务器。
在通过实时聚类将人脸图像归类得到各个用户的人脸档案后,图像查询系统在各个用户的人脸档案中获取一张图像分辨率最高的人脸图像,然后将各个图像分辨率最高的人脸图像与其对应的人脸档案建立对应的连接关系,可以理解为,将各个图像分辨率最高的人脸图像作为其对应的人脸档案的封面图像进行展示。在确定各个人脸档案及其对应的封面图像后,将增加封面图像后的各个人脸档案存储至数据库中。
进一步地,所述步骤S10包括:
步骤S101,对所述人脸图像集合中的各个人脸图像进行特征向量解析,得到各个人脸图像对应的特征向量;
步骤S102,对解析后得到的各个人脸图像对应的特征向量进行特征向量压缩,并将压缩后的特征向量进行聚类分析,得到各个所述人脸档案。
具体地,实时解析服务器(上述的第一服务器)对人脸图像集进行特征向量实时解析,输出实时解析处理后人脸图像集中各个人脸图像的特征向量,其中,实时解析服务器是独立的服务器。然后,图像查询系统通过int8量化方式以及PCA(Principal ComponentAnalysis,主成分分析)降维方式对解析后各个人脸的特征向量进行压缩处理,得到人脸图像的特征集合。接着,实时聚类服务器(上述的第二服务器)通过ANN(Artificial NeuralNetwork,人工神经网络)最近邻索引加速算法将压缩后各个人脸图像的特征向量进行实时聚类,将所有的人脸图像进行归类,即将同一个用户的人脸图像归类为一个人脸图像集合,得到每个用户对应的人脸图像集合,即每个用户对应的人脸档案,实时聚类服务器同样也是独立的服务器。
进一步地,需要说明的是,PCA降维的原理是用高维特征乘以求得的投影矩阵,便可以将高维特征的维数下降到指定的维数。在本实施例中,比如,对于一个训练集,100个sample,特征是10维,则可以建立一个100*10的矩阵,作为样本。然后求该样本的协方差矩阵,得到一个10*10的协方差矩,即10个特征值和10个特征向量,根据特征值的大小,取前四个特征值所对应的特征向量,构成一个10*4的特征矩阵,100*10的样本矩阵乘以10*4的特征矩阵,得到了一个100*4的新的降维之后的样本矩阵,下降了每个sample的维数。
进一步地,所述S102包括:
步骤S1021,通过预设算法并根据各个人脸图像压缩后的特征向量,将同一用户的人脸图像聚合为一个人脸集合,得到各个所述人脸档案。
具体地,实时聚类服务器通过ANN最近邻索引加速算法并根据各个人脸图像压缩后的特征向量,将压缩后各个人脸图像的特征向量进行实时聚类,将同一个用户的人脸图像聚类为一个人脸图像集合,得到每个用户对应的人脸图像集合,即每个用户对应的人脸档案。
步骤S30,响应用户输入的查询条件,基于所述查询条件中的出现时间条件和出现地点条件依次对各个所述人脸档案进行查询,得到待处理人脸档案。
用户需要查询人脸图像时,需要在图像查询系统的输入界面输入对应的查询条件,查询条件是一种时空查询条件,也即查询条件中包括出现时间条件和出现地点条件。图像查询系统侦测到用户在输入界面输入对应的查询条件后,响应该查询条件,并对该查询条件进行分析,得到该查询条件中的每个出现时间条件及其对应的出现地点条件。接着,图像查询系统根据每个出现时间条件及其对应的出现地点条件对各个人脸档案进行依次查询,得到在每个出现时间条件及其对应的出现地点条件下出现过的人脸档案,并将上述人脸档案确定为待处理人脸档案。
进一步地,所述步骤S30包括:
步骤S301,确定所述查询条件中的各个出现时间条件与其对应的出现地点条件;
步骤S302,基于各个所述出现时间条件与其对应的出现地点条件依次对各个所述人脸档案进行查询,得到各个所述出现时间条件与其对应的出现地点条件对应的待处理人脸档案。
具体地,图像查询系统对查询条件进行分析,确定查询条件中的每个出现时间条件及其对应的出现地点条件。接着,图像查询系统依次查询在每个出现时间条件及其对应的出现地点条件下出现过的人脸档案,将在每个出现时间条件及其对应的出现地点条件下出现过的人脸档案确定为每个出现时间条件及其对应的出现地点条件下对应的待处理人脸档案。
为了方便理解,具体说明如下,图像查询系统中有10个人脸档案,分别为“人脸档案1”、“人脸档案2”、“人脸档案3”“人脸档案4”至“人脸档案10”,查询条件为P(1)至P(3),图像查询系统查询到在P(1)查询条件下出现过的人脸档案有“人脸档案1”、“人脸档案2”和“人脸档案3”,在P(2)查询条件下出现过的人脸档案有“人脸档案5”和“人脸档案6”,在P(3)查询条件下出现过的人脸档案有“人脸档案2”和“人脸档案7”。图像查询系统则确定P(1)查询条件的待处理人脸档案D(1)为“人脸档案1”、“人脸档案2”和“人脸档案3”,P(2)查询条件的待处理人脸档案D(2)为“人脸档案5”和“人脸档案6”,P(3)查询条件的待处理人脸档案D(3)为“人脸档案2”和“人脸档案7”。
步骤S40,通过条件逻辑处理所述待处理人脸档案,得到所述查询条件对应的目标人脸档案。
图像查询系统得到每个出现时间条件及其对应的出现地点条件下对应的待处理人脸档案后,将所有的待处理人脸档案进行条件逻辑处理,并将条件逻辑处理后得到的人脸档案确定为查询条件对应的目标人脸档案。其中,条件逻辑包括但不限制于交集、并集和全集。
进一步地,所述步骤S40包括:
步骤S401,将所述待处理人脸档案进行取交集处理,并将取交集处理获取到的人脸档案确定为所述查询条件对应的目标人脸档案。
具体地,图像查询系统将所有的待处理人脸档案进行取交集处理,然后将取交集处理后得到的人脸档案确定为查询条件对应的目标人脸档案。
为了方便理解,具体说明如下,P(1)查询条件下的待处理人脸档案D(1)为“人脸档案1”、“人脸档案2”和“人脸档案3”,P(2)查询条件下的待处理人脸档案D(2)为“人脸档案5”和“人脸档案6”,P(3)查询条件下的待处理人脸档案D(3)为“人脸档案2”和“人脸档案7”,此时,图像查询系统若将所有待处理人脸档案取交集处理,则得到的目标人脸档案为“空”,可以理解为,在P(1)、P(2)和P(3)三个共同查询条件下,没有同时出现的人脸档案。P(1)查询条件的待处理人脸档案D(1)为“人脸档案1”、“人脸档案2”和“人脸档案3”,P(2)查询条件的待处理人脸档案D(2)为“人脸档案2”和“人脸档案3”,P(3)查询条件的待处理人脸档案D(3)为“人脸档案2”、“人脸档案3”和“人脸档案7”,图像查询系统在将所有待处理人脸档案取交集处理后,得到的交集人脸档案为“人脸档案2”和“人脸档案3”,可以理解为,在P(1)、P(2)和P(3)三个共同查询条件下,同时出现的人脸档案为“人脸档案2”和“人脸档案3”,也即在P(1)、P(2)和P(3)三个共同查询条件下的目标人脸档案为“人脸档案2”和“人脸档案3”。
本实施例实现接收摄像设备发送的人脸图像集合,对人脸图像集合进行特征向量分析,得到各个人脸档案;响应用户输入的查询条件,基于查询条件中的出现时间条件和出现地点条件依次对各个人脸档案进行查询,得到待处理人脸档案;通过条件逻辑处理待处理人脸档案,得到查询条件对应的目标人脸档案。本申请将人脸图像集合进行特征向量分析,得到各个人脸档案的过程前置,在需要查询目标人脸档案时,只需要输入对应的查询条件,根据查询条件进行简单的条件逻辑即可得到对应的目标人脸档案,而不需要做复杂比对运算,缩短了查询等待时长,从而提高了图像的查询效率。
参照图3,图3是本申请图像的查询方法另一实施例的流程示意图。所述步骤S40之后,还包括:
步骤S50,将各个所述目标人脸档案存储至数据库中,并展示所述目标人脸档案对应的封面图像,以供用户通过点击封面图像查看对应的目标人脸档案中的人脸图像。
具体地,图像查询系统确定目标人脸档案有一个或者多个,则将上述一个或者多个目标人脸档案存储至图像查询系统的数据库中。在后续过程中,图像查询系统若接收到与该查询条件的碰撞条件,则直接输出上述一个或者多个目标人脸档案。同时,图像查询系统展示上述一个或者多个目标人脸档案的封面图像,在侦测到用户点击封面图像时,跳转至用户所点击封面图像对应的目标人脸档案,并将该目标人脸档案中所有的人脸图像。
本实施例实现通过将各个目标人脸档案存储至数据库中,并展示目标人脸档案对应的封面图像,以供用户通过点击封面图像查看对应的目标人脸档案中的人脸图像。本实施例将各个目标人脸档案存储至数据库中,图像查询系统在后续过程中若接收到与该查询条件的碰撞条件,则直接输出上述一个或者多个目标人脸档案,而不需要再重复步骤S10至S40的步骤,从而提升了图像的查询效率。
参照图4,图4是本申请图像的查询方法的实现流程示意图,通过人脸抓拍摄像机间隔预设时长采集一次当前环境中的图像,并将采集到的图像进行抠图处理,然后将抠取出来的人脸图像打包成人脸图像集,并实时将人脸图像集发送至图像查询系统(人脸实时抓拍,得到抓拍数据集A)。图像查询系统接收到人脸抓拍摄像机发送的人脸图像集合集之后,将接收到的人脸图像集存储至图像查询系统的数据库中(持久化存储)。实时解析服务器对人脸图像集进行特征向量实时解析,输出实时解析处理后人脸图像集中各个人脸图像的特征向量(特征向量实时解析)。图像查询系统通过量化以及降维的方式对解析后各个人脸的特征向量进行压缩处理,得到人脸图像的特征集合(特征向量压缩,得到结果B),并将人脸图像的特征集合传输至图像查询系统中进行存储(持久化存储)。实时聚类服务器通过预设算法将压缩后各个人脸图像的特征向量进行实时聚类,将所有的人脸图像进行归类,得到每个用户对应的人脸图像集合,即每个用户对应的人脸档案(实时聚类,得到人脸档案集合C)。图像查询系统将各个图像分辨率最高的人脸图像作为其对应的人脸档案的封面图像,并将增加封面图像后的各个人脸档案存储至数据库中(持久化存储)。图像查询系统侦测到用户在输入界面输入对应的查询条件后,响应该查询条件,并对该查询条件进行分析,得到该查询条件中的每个出现时间条件及其对应的出现地点条件(用户输入时空条件P(1)至P(n))。接着,图像查询系统根据每个出现时间条件及其对应的出现地点条件对各个人脸档案进行依次查询,得到在每个出现时间条件及其对应的出现地点条件下出现过的人脸档案,并将上述人脸档案确定为待处理人脸档案(依次查询在P(1)至P(n)中出现次数≥1的人脸档案集合D(1)至D(n))。图像查询系统将所有的待处理人脸档案进行条件逻辑处理,并条件逻辑处理后得到的人脸档案确定为目标人脸档案(系统对D(1)至D(n)中的人脸档案取交集,得到档案集合E)。图像查询系统展示上述一个或者多个目标人脸档案的封面图像,在侦测到用户点击封面图像时,跳转至用户所点击封面图像对应的目标人脸档案,并将该目标人脸档案中所有的人脸图像(系统界面展示E中的人脸档案封面,并可查看详情)。
本申请还提供一种图像的查询装置。参照图5,图5是本申请图像的查询装置的功能模块示意图。所述图像的查询装置包括:
分析模块10,用于接收摄像设备发送的人脸图像集合,对所述人脸图像集合进行特征向量分析,得到各个人脸档案;
查询模块20,用于响应用户输入的查询条件,基于所述查询条件中的出现时间条件和出现地点条件依次对各个所述人脸档案进行查询,得到待处理人脸档案;
处理模块30,用于通过条件逻辑处理所述待处理人脸档案,得到所述查询条件对应的目标人脸档案。
进一步地,所述分析模块10包括:
解析单元,用于对所述人脸图像集合中的各个人脸图像进行特征向量解析,得到各个人脸图像对应的特征向量;
压缩单元,用于对解析后得到的各个人脸图像对应的特征向量进行特征向量压缩;
聚类单元,用于将压缩后的特征向量进行聚类分析,得到各个所述人脸档案;
所述聚类单元还用于通过预设算法并根据各个人脸图像压缩后的特征向量,将同一用户的人脸图像聚合为一个人脸集合,得到各个所述人脸档案。
进一步地,所述查询模块20包括:
确定单元,用于确定所述查询条件中的各个出现时间条件与其对应的出现地点条件。
进一步地,所述查询模块20还用于基于各个所述出现时间条件与其对应的出现地点条件依次对各个所述人脸档案进行查询,得到各个所述出现时间条件与其对应的出现地点条件对应的待处理人脸档案;
所述处理模块30还用于将所述待处理人脸档案进行取交集处理,并将取交集处理获取到的人脸档案确定为所述查询条件对应的目标人脸档案。
进一步地,所述图像的查询装置还包括:
获取模块,用于获取各个所述人脸档案中图像分辨率最高的人脸图像;
确定模块,用于将各个所述图像分辨率最高的人脸图像确定为其对应的人脸档案的封面图像;
存储模块,用于将封面图像处理后的各个人脸档案存储至数据库中;
所述存储模块还用于将各个所述目标人脸档案存储至数据库中;
展示模块,用于展示所述目标人脸档案对应的封面图像,以供用户通过点击封面图像查看对应的目标人脸档案中的人脸图像。
其中,上述图像的查询装置中各个模块的功能实现与上述图像的查询方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质上存储有图像的查询程序,所述图像的查询程序被处理器执行时实现如以上任一项实施例所述的图像的查询方法的步骤。
本发明计算机可读存储介质的具体实施例与上述图像的查询方法各实施例基本相同,在此不作赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的数据下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多数据下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件货物的形式体现出来,该计算机软件货物存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台图像查询系统完成本申请各个实施例所述的方法。
Claims (8)
1.一种图像的查询方法,其特征在于,所述图像的查询方法包括:
接收摄像设备发送的人脸图像集合,对所述人脸图像集合进行特征向量分析,得到各个人脸档案;
响应用户输入的查询条件,基于所述查询条件中的出现时间条件和出现地点条件依次对各个所述人脸档案进行查询,得到待处理人脸档案;
通过条件逻辑处理所述待处理人脸档案,得到所述查询条件对应的目标人脸档案;
所述对所述人脸图像集合进行特征向量分析,得到各个人脸档案的步骤包括:
对所述人脸图像集合中的各个人脸图像进行特征向量解析,得到各个人脸图像对应的特征向量;
通过int8量化方式以及PCA降维方式对解析后得到的各个人脸图像对应的特征向量进行特征向量压缩,并将压缩后的特征向量进行聚类分析,得到各个所述人脸档案;
所述将压缩后的特征向量进行聚类分析,得到各个所述人脸档案的步骤包括:
通过ANN最近邻索引加速算法对各个人脸图像压缩后的特征向量进行实时聚类,将同一用户的人脸图像聚合为一个人脸集合,得到各个所述人脸档案。
2.如权利要求1所述的图像的查询方法,其特征在于,所述基于所述查询条件中的出现时间条件和出现地点条件依次对各个所述人脸档案进行查询,得到待处理人脸档案的步骤包括:
确定所述查询条件中的各个出现时间条件与其对应的出现地点条件;
基于各个所述出现时间条件与其对应的出现地点条件依次对各个所述人脸档案进行查询,得到各个所述出现时间条件与其对应的出现地点条件对应的待处理人脸档案。
3.如权利要求1所述的图像的查询方法,其特征在于,所述通过条件逻辑处理所述待处理人脸档案,得到所述查询条件对应的目标人脸档案的步骤包括:
将所述待处理人脸档案进行取交集处理,并将取交集处理获取到的人脸档案确定为所述查询条件对应的目标人脸档案。
4.如权利要求1所述的图像的查询方法,其特征在于,所述接收摄像设备发送的人脸图像集合,对所述人脸图像集合进行特征向量分析,得到各个人脸档案的步骤之后,还包括:
获取各个所述人脸档案中图像分辨率最高的人脸图像,将各个所述图像分辨率最高的人脸图像确定为其对应的人脸档案的封面图像,并将封面图像处理后的各个人脸档案存储至数据库中。
5.如权利要求1至4任一项所述的图像的查询方法,其特征在于,所述通过条件逻辑处理所述待处理人脸档案,得到所述查询条件对应的目标人脸档案的步骤之后,还包括:
将各个所述目标人脸档案存储至数据库中,并展示所述目标人脸档案对应的封面图像,以供用户通过点击封面图像查看对应的目标人脸档案中的人脸图像。
6.一种图像的查询装置,其特征在于,所述图像的查询装置包括:
分析模块,用于接收摄像设备发送的人脸图像集合,对所述人脸图像集合进行特征向量分析,得到各个人脸档案;
查询模块,用于响应用户输入的查询条件,基于所述查询条件中的出现时间条件和出现地点条件依次对各个所述人脸档案进行查询,得到待处理人脸档案;
处理模块,用于通过条件逻辑处理所述待处理人脸档案,得到所述查询条件对应的目标人脸档案;
所述分析模块,还用于对所述人脸图像集合中的各个人脸图像进行特征向量解析,得到各个人脸图像对应的特征向量;通过int8量化方式以及PCA降维方式对解析后得到的各个人脸图像对应的特征向量进行特征向量压缩,并将压缩后的特征向量进行聚类分析,得到各个所述人脸档案;
所述分析模块,还用于通过ANN最近邻索引加速算法对各个人脸图像压缩后的特征向量进行实时聚类,将同一用户的人脸图像聚合为一个人脸集合,得到各个所述人脸档案。
7.一种图像查询系统,其特征在于,所述图像查询系统包括存储器、处理器和存储在所述存储器上并在所述处理器上运行的图像的查询程序,所述图像的查询程序被所述处理器执行时实现如权利要求1至5中任一项所述的图像的查询方法的步骤。
8.一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上存储有图像的查询程序,所述图像的查询程序被处理器执行时实现如权利要求1至5中任一项所述的图像的查询方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110101771.XA CN112800256B (zh) | 2021-01-25 | 2021-01-25 | 图像的查询方法、装置、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110101771.XA CN112800256B (zh) | 2021-01-25 | 2021-01-25 | 图像的查询方法、装置、系统及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112800256A CN112800256A (zh) | 2021-05-14 |
CN112800256B true CN112800256B (zh) | 2024-05-14 |
Family
ID=75811691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110101771.XA Active CN112800256B (zh) | 2021-01-25 | 2021-01-25 | 图像的查询方法、装置、系统及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800256B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182538A (zh) * | 2014-09-01 | 2014-12-03 | 西安电子科技大学 | 基于半监督哈希的图像检索方法 |
JP2015175859A (ja) * | 2014-03-12 | 2015-10-05 | 学校法人早稲田大学 | パターン認識装置、パターン認識方法及びパターン認識プログラム |
CN106250821A (zh) * | 2016-07-20 | 2016-12-21 | 南京邮电大学 | 一种聚类再分类的人脸识别方法 |
CN109783685A (zh) * | 2018-12-28 | 2019-05-21 | 上海依图网络科技有限公司 | 一种查询方法及装置 |
CN110516586A (zh) * | 2019-08-23 | 2019-11-29 | 深圳力维智联技术有限公司 | 一种人脸图像聚类方法、系统、产品及介质 |
CN111209862A (zh) * | 2020-01-03 | 2020-05-29 | 深圳力维智联技术有限公司 | 一种人脸图像的聚类方法、装置及介质 |
CN111737292A (zh) * | 2020-07-16 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种数据检索的方法以及相关装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7783085B2 (en) * | 2006-05-10 | 2010-08-24 | Aol Inc. | Using relevance feedback in face recognition |
-
2021
- 2021-01-25 CN CN202110101771.XA patent/CN112800256B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015175859A (ja) * | 2014-03-12 | 2015-10-05 | 学校法人早稲田大学 | パターン認識装置、パターン認識方法及びパターン認識プログラム |
CN104182538A (zh) * | 2014-09-01 | 2014-12-03 | 西安电子科技大学 | 基于半监督哈希的图像检索方法 |
CN106250821A (zh) * | 2016-07-20 | 2016-12-21 | 南京邮电大学 | 一种聚类再分类的人脸识别方法 |
CN109783685A (zh) * | 2018-12-28 | 2019-05-21 | 上海依图网络科技有限公司 | 一种查询方法及装置 |
CN110516586A (zh) * | 2019-08-23 | 2019-11-29 | 深圳力维智联技术有限公司 | 一种人脸图像聚类方法、系统、产品及介质 |
CN111209862A (zh) * | 2020-01-03 | 2020-05-29 | 深圳力维智联技术有限公司 | 一种人脸图像的聚类方法、装置及介质 |
CN111737292A (zh) * | 2020-07-16 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种数据检索的方法以及相关装置 |
Non-Patent Citations (3)
Title |
---|
Hierarchical Subspace Regression for Compressed Face Image Restoration;X. Liu等;International Conference on Wireless Communications and Signal Processing (WCSP);20181002;2018;1-6 * |
一种用于DCT压缩域的人脸检测算法;田巍, 黄祥林, 沈兰荪;测控技术;20040518;23(5);41-43 * |
双向压缩的2DPCA与PCA相结合的人脸识别算法;李娟;何伟;张玲;周阳;;计算机应用;20090630;29(S1);245-247 * |
Also Published As
Publication number | Publication date |
---|---|
CN112800256A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684047B (zh) | 事件处理方法、装置、设备和计算机存储介质 | |
US11328304B2 (en) | Automated queuing system | |
CN109492698B (zh) | 一种模型训练的方法、对象检测的方法以及相关装置 | |
CN108446210B (zh) | 系统性能的度量方法、存储介质和服务器 | |
CN110780965B (zh) | 基于视觉的流程自动化方法、设备及可读存储介质 | |
CN112085789B (zh) | 位姿估计方法、装置、设备及介质 | |
US11928591B2 (en) | Information processing apparatus and information processing method | |
CN113238917B (zh) | 前端性能监控方法、装置、设备及存储介质 | |
CN110019813B (zh) | 寿险案例检索方法、检索装置、服务器及可读存储介质 | |
KR20230006601A (ko) | 정렬 방법, 정렬 모델의 트레이닝 방법, 장치, 전자 기기 및 매체 | |
CN112800256B (zh) | 图像的查询方法、装置、系统及计算机可读存储介质 | |
CN108052918A (zh) | 一种笔迹比对系统及方法 | |
CN116795069B (zh) | 一种基于边缘计算的智能制造方法 | |
US11580721B2 (en) | Information processing apparatus, control method, and program | |
CN113254250A (zh) | 数据库服务器异常成因检测方法、装置、设备和存储介质 | |
CN111400663A (zh) | 风险识别方法、装置、设备及计算机可读存储介质 | |
CN115423201A (zh) | 发电量数据预测方法、装置、设备及计算机可读存储介质 | |
CN115171192A (zh) | 一种人脸关键点检测方法及装置 | |
CN109144984A (zh) | 犯罪群体识别方法、设备及存储介质 | |
CN110110111B (zh) | 用于监控屏幕的方法和装置 | |
CN110705627A (zh) | 目标检测方法、目标检测系统、装置及可读存储介质 | |
CN116582468B (zh) | 互联网流量监测方法、装置、设备及存储介质 | |
CN115375854B (zh) | 融合液晶器件的超声影像设备图像处理方法及相关装置 | |
CN108304323A (zh) | 一种b/s架构系统并发支持能力的评估系统及评估方法 | |
CN115204061B (zh) | 自动确定冲压建模规模方法、装置、设备及存储介质 |
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 |