CN112949362A - 人员信息标注方法、装置及电子设备 - Google Patents
人员信息标注方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112949362A CN112949362A CN201911267295.8A CN201911267295A CN112949362A CN 112949362 A CN112949362 A CN 112949362A CN 201911267295 A CN201911267295 A CN 201911267295A CN 112949362 A CN112949362 A CN 112949362A
- Authority
- CN
- China
- Prior art keywords
- face
- data
- similarity
- preset
- face 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.)
- Granted
Links
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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种人员信息标注方法、装置及电子设备。该方法包括:获取待标注人员信息的人脸抓拍图片的人脸数据,作为目标数据;计算所述目标数据与预定人脸库中每个第一人脸数据的相似度,以及与预定辅助库中每个第二人脸数据的相似度;其中,所述预定辅助库中每一条记录唯一对应一个第一人脸数据,且每一条记录包含与该记录对应的第一人脸数据相匹配的至少一个第二人脸数据;基于计算得到的相似度,从所述预定人脸库中,查找与所述目标数据相匹配的第一人脸数据;为所述人脸抓拍图片标注所述相匹配的第一人脸数据所关联的人员信息。通过本方案可以解决现有技术中人员信息标注的准确率较低的问题。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种人员信息标注方法、装置及电子设备。
背景技术
所谓人员信息标注,是指为人脸抓拍图片标注人员信息,该人员信息用于表征该人脸抓拍图片中人员的身份信息。其中,该人员信息可以包括但不局限于人员ID。
相关技术中,人员信息标注方法包括:将待标注人员信息的人脸抓拍图片的人脸数据,与预定人脸库中每个人脸数据进行匹配分析,得到相匹配的人脸数据,并为该人脸抓拍图片标注该相匹配的人脸数据所关联的人员信息。其中,所述预定人脸库作为人员身份识别的基础库,预定人脸库中每个人脸数据为一人脸图片的数据,且关联有该人脸数据所属人员的人员信息。
由于实际过程中受到人脸姿态、遮挡程度等因素影响,使得同一人员的人脸抓拍图片具有多样性,而预定人脸库中人脸数据是特定人脸图片的人脸数据,因此,导致现有技术中的人员信息标注的准确率较低。
发明内容
本申请实施例的目的在于提供人员信息标注方法、装置及电子设备,以解决现有技术中人员信息标注的准确率较低的问题。具体技术方案如下:
第一方面,本申请实施例提供了一种人员信息标注方法,包括:
获取待标注人员信息的人脸抓拍图片的人脸数据,作为目标数据;
计算所述目标数据与预定人脸库中每个第一人脸数据的相似度,以及与预定辅助库中每个第二人脸数据的相似度;其中,所述预定辅助库中每一条记录唯一对应一个第一人脸数据,且每一条记录包含与该记录对应的第一人脸数据相匹配的至少一个第二人脸数据;
基于计算得到的相似度,从所述预定人脸库中,查找与所述目标数据相匹配的第一人脸数据;
为所述人脸抓拍图片标注所述相匹配的第一人脸数据所关联的人员信息。
可选地,所述基于计算得到的相似度,从所述预定人脸库中,查找与所述目标数据相匹配的第一人脸数据,包括:
基于计算得到的相似度,确定所述预定人脸库中各第一人脸数据的待利用相似度;其中,任一第一人脸数据的待利用相似度为基于该第一人脸数据对应的第一相似度和第二相似度所确定的值;该第一人脸数据对应的第一相似度为该第一人脸数据与所述目标数据的相似度,该第一人脸数据对应的第二相似度为该第一人脸数据对应记录中的第二人脸数据,与所述目标数据的相似度;
选取待利用相似度最大且符合预定相似条件的第一人脸数据,作为与所述目标数据相匹配的第一人脸数据。
可选地,所述基于计算得到的相似度,确定所述预定人脸库中各第一人脸数据的待利用相似度,包括:
分别从所述预定人脸库和所述预定辅助库中,筛选与所述目标数据的相似度满足所述预定相似条件的人脸数据,得到命中数据;
针对与所述命中数据对应的第一人脸数据中的每个第一人脸数据,当所述命中数据中包括该第一人脸数据时,如果该第一人脸数据所对应的记录属于第一记录,则从该第一人脸数据对应的第一相似度和第三相似度中,选取最大值,作为该第一人脸数据的待利用相似度,否则,将该第一人脸数据对应的第一相似度,作为该第一人脸数据的待利用相似度;当所述命中数据中未包括该第一人脸数据时,从该第一人脸数据对应的第三相似度中,选取最大值,作为该第一人脸数据的待利用相似度;
其中,所述与所述命中数据对应的第一人脸数据包括:所述命中数据所包括的第一人脸数据,以及,所述命中数据未包括但所对应记录属于第一记录的第一人脸数据,所述第一记录为所包括的第二人脸数据属于命中数据的记录;
其中,该第一人脸数据对应的第三相似度为:该第一人脸数据对应记录中属于命中数据的第二人脸数据,与所述目标数据的相似度。
可选地,所述基于计算得到的相似度,确定所述预定人脸库中各第一人脸数据的待利用相似度,包括:
针对所述预定人脸库中的每个第一人脸数据,从该第一人脸数据对应的第一相似度和第二相似度中,选取最大值,作为该第一人脸数据的待利用相似度;
或者,
针对所述预定人脸库中的每个第一人脸数据,对该第一人脸数据对应的第一相似度和第二相似度进行加权求平均,得到该第一人脸数据的待利用相似度。
可选地,所述分别从所述预定人脸库和所述预定辅助库中,筛选与所述目标数据的相似度满足所述预定相似条件的人脸数据,包括:
确定预先针对所述预定人脸库所设定的第一预定阈值,以及预先针对所述预定辅助库所设定的第二预定阈值;其中,所述第一预定阈值小于所述第二预定阈值;
针对所述预定人脸库中的每个第一人脸数据,判断该第一人脸数据与所述目标数据的相似度是否大于所述第一预定阈值,如果是,判定该第一人脸数据为与所述目标数据的相似度满足所述预定相似条件的人脸数据;
针对所述预定辅助库中的每个第二人脸数据,判断该第二人脸数据与所述目标数据的相似度是否大于所述第二预定阈值,如果是,判定该第二人脸数据为与所述目标数据的相似度满足所述预定相似条件的人脸数据。
可选地,所述确定预先针对所述预定人脸库所设定的第一预定阈值,以及预先针对所述预定辅助库所设定的第二预定阈值,包括:
确定所述人脸抓拍图片的预定人员属性的属性值,作为目标属性值;
从预先针对所述预定人脸库设定的、关于所述预定人员属性的各个属性值与预定阈值的第一对应关系中,查找与所述目标属性值对应的预定阈值,作为针对所述预定人脸库所设定的第一预定阈值;
从预先针对所述预定辅助库设定的、关于所述预定人员属性的各个属性值与预定阈值的第二对应关系中,查找与所述目标属性值对应的预定阈值,作为针对所述预定辅助库所设定的第二预定阈值。
可选地,所述预定人脸库包括实名人脸库和陌生人脸库;
所述方法还包括:
如果未查找到与所述目标数据相匹配的第一人脸数据,计算所述目标数据与预定缓存中的各个第三人脸数据的相似度;其中,所述预定缓存中的各个第三人脸数据为:最近N秒内被判定为待添加陌生人数据的人脸数据;
如果所述预定缓存中不存在相似度大于第三预定阈值的第三人脸数据,识别所述人脸抓拍图片的图像质量是否符合预定高质量条件,如果是,将所述目标数据判定为待添加陌生人数据,并将所述待添加陌生人数据加入所述陌生人脸库中,为所述待添加陌生人数据关联关于陌生人的人员信息,为所述人脸抓拍图片标注所述关于陌生人的人员信息;
如果所述预定缓存中存在相似度大于第三预定阈值的第三人脸数据,为所述人脸抓拍图片,标注所述相似度大于第三预定阈值的第三人脸数据所关联的人员信息。
可选地,所述方法还包括:
在查找到与所述目标数据相匹配的第一人脸数据时,判断所述人脸抓拍图片的图像质量评分是否大于预定评分阈值;
当判断结果为是时,如果第二记录所包括的人脸数据的数量小于预定数量,将所述目标数据加入所述第二记录中,否则,利用所述目标数据,替换所述第二记录中所对应图片的图像质量评分最低的人脸数据;
其中,所述第二记录为所述预定辅助库中与所述目标数据相匹配的第一人脸数据对应的记录。
第二方面,本申请实施例提供了一种人员信息标注装置,包括:
数据获取模块,用于获取待标注人员信息的人脸抓拍图片的人脸数据,作为目标数据;
相似度计算模块,用于计算所述目标数据与预定人脸库中每个第一人脸数据的相似度,以及与预定辅助库中每个第二人脸数据的相似度;其中,所述预定辅助库中每一条记录唯一对应一个第一人脸数据,且每一条记录包含与该记录对应的第一人脸数据相匹配的至少一个第二人脸数据;
数据查找模块,用于基于计算得到的相似度,从所述预定人脸库中,查找与所述目标数据相匹配的第一人脸数据;
信息标注模块,用于为所述人脸抓拍图片标注所述相匹配的第一人脸数据所关联的人员信息。
可选地,所述数据查找模块包括:
第一确定子模块,用于基于计算得到的相似度,确定所述预定人脸库中各第一人脸数据的待利用相似度;其中,任一第一人脸数据的待利用相似度为基于该第一人脸数据对应的第一相似度和第二相似度所确定的值;该第一人脸数据对应的第一相似度为该第一人脸数据与所述目标数据的相似度,该第一人脸数据对应的第二相似度为该第一人脸数据对应记录中的第二人脸数据,与所述目标数据的相似度;
第二确定子模块,用于选取待利用相似度最大且符合预定相似条件的第一人脸数据,作为与所述目标数据相匹配的第一人脸数据。
可选地,所述第一确定子模块包括:
筛选单元,用于分别从所述预定人脸库和所述预定辅助库中,筛选与所述目标数据的相似度满足所述预定相似条件的人脸数据,得到命中数据;
选取单元,用于针对与所述命中数据对应的第一人脸数据中的每个第一人脸数据,当所述命中数据中包括该第一人脸数据时,如果该第一人脸数据所对应的记录属于第一记录,则从该第一人脸数据对应的第一相似度和第三相似度中,选取最大值,作为该第一人脸数据的待利用相似度,否则,将该第一人脸数据对应的第一相似度,作为该第一人脸数据的待利用相似度;当所述命中数据中未包括该第一人脸数据时,从该第一人脸数据对应的第三相似度中,选取最大值,作为该第一人脸数据的待利用相似度;
其中,所述与所述命中数据对应的第一人脸数据包括:所述命中数据所包括的第一人脸数据,以及,所述命中数据未包括但所对应记录属于第一记录的第一人脸数据,所述第一记录为所包括的第二人脸数据属于命中数据的记录;
其中,该第一人脸数据对应的第三相似度为:该第一人脸数据对应记录中属于命中数据的第二人脸数据,与所述目标数据的相似度。
可选地,所述第一确定子模块具体用于:
针对所述预定人脸库中的每个第一人脸数据,从该第一人脸数据对应的第一相似度和第二相似度中,选取最大值,作为该第一人脸数据的待利用相似度;
或者,
针对所述预定人脸库中的每个第一人脸数据,对该第一人脸数据对应的第一相似度和第二相似度进行加权求平均,得到该第一人脸数据的待利用相似度。
可选地,所述筛选单元包括:
确定子单元,用于确定预先针对所述预定人脸库所设定的第一预定阈值,以及预先针对所述预定辅助库所设定的第二预定阈值;其中,所述第一预定阈值小于所述第二预定阈值;
第一筛选子单元,用于针对所述预定人脸库中的每个第一人脸数据,判断该第一人脸数据与所述目标数据的相似度是否大于所述第一预定阈值,如果是,判定该第一人脸数据为与所述目标数据的相似度满足所述预定相似条件的人脸数据;
第二筛选子单元,用于针对所述预定辅助库中的每个第二人脸数据,判断该第二人脸数据与所述目标数据的相似度是否大于所述第二预定阈值,如果是,判定该第二人脸数据为与所述目标数据的相似度满足所述预定相似条件的人脸数据。
可选地,所述确定子单元具体用于:
确定所述人脸抓拍图片的预定人员属性的属性值,作为目标属性值;
从预先针对所述预定人脸库设定的、关于所述预定人员属性的各个属性值与预定阈值的第一对应关系中,查找与所述目标属性值对应的预定阈值,作为针对所述预定人脸库所设定的第一预定阈值;
从预先针对所述预定辅助库设定的、关于所述预定人员属性的各个属性值与预定阈值的第二对应关系中,查找与所述目标属性值对应的预定阈值,作为针对所述预定辅助库所设定的第二预定阈值。
可选地,所述预定人脸库包括实名人脸库和陌生人脸库;
所述装置还包括:
缓存分析模块,用于如果未查找到与所述目标数据相匹配的第一人脸数据,计算所述目标数据与预定缓存中的各个第三人脸数据的相似度;其中,所述预定缓存中的各个第三人脸数据为:最近N秒内被判定为待添加陌生人数据的人脸数据;
第一处理模块,用于如果所述预定缓存中不存在相似度大于第三预定阈值的第三人脸数据,识别所述人脸抓拍图片的图像质量是否符合预定高质量条件,如果是,将所述目标数据判定为待添加陌生人数据,并将所述待添加陌生人数据加入所述陌生人脸库中,为所述待添加陌生人数据关联关于陌生人的人员信息,为所述人脸抓拍图片标注所述关于陌生人的人员信息;
第二处理模块,用于如果所述预定缓存中存在相似度大于第三预定阈值的第三人脸数据,为所述人脸抓拍图片,标注所述相似度大于第三预定阈值的第三人脸数据所关联的人员信息。
可选地,所述装置还包括:
判断模块,用于在查找到与所述目标数据相匹配的第一人脸数据时,判断所述人脸抓拍图片的图像质量评分是否大于预定评分阈值;
第三处理模块,用于当判断结果为是时,如果第二记录所包括的人脸数据的数量小于预定数量,将所述目标数据加入所述第二记录中,否则,利用所述目标数据,替换所述第二记录中所对应图片的图像质量评分最低的人脸数据;
其中,所述第二记录为所述预定辅助库中与所述目标数据相匹配的第一人脸数据对应的记录。
第三方面,本申请实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面所提供的人员信息标注方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所提供的人员信息标注方法的步骤。
第五方面,本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行第一方面所述的人员信息标注方法的步骤。
本申请实施例有益效果:
本申请实施例所提供方案中,针对待标注人员信息的人脸抓拍图片的人脸数据,不但计算该人脸数据与预定人脸库中每个第一人脸数据的相似度,而且,计算该人脸数据与预定辅助库中每个第二人脸数据的相似度,进而,基于计算得到的关于两类库的相似度,从预定人脸库中,查找相匹配的第一人脸数据;并为该人脸抓拍图片标注该相匹配的第一人脸数据所关联的人员信息。
由于本方案在预定人脸库的基础上,增设预定辅助库,而该预定辅助库的每一条记录中的第二人脸数据均与该条记录对应的第一人脸数据相匹配,因此,可以达到对第一人脸数据所表征人员的人脸数据进行多样化的目的。这样,在人员信息标注时,通过结合预定人脸库和预定辅助库,使得能够适应同一人员的人脸抓拍图片的多样性,因此,通过本方案,可以解决现有技术中人员信息标注的准确率较低的问题。
当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的人员信息标注方法的流程图;
图2为本申请实施例所提供的人员信息标注方法的另一流程图;
图3为本申请实施例所提供的人员信息标注方法的又一流程图;
图4为本申请实施例所提供的人员信息标注方法的又一流程图;
图5为本申请实施例所提供的人员信息标注方法所应用于的图像处理系统的示意图;
图6为本申请实施例所提供的人员信息标注装置的结构示意图;
图7为本申请实施例所提供的人员信息标注装置的另一结构示意图;
图8为本申请实施例所提供的人员信息标注装置的另一结构示意图;
图9为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
为了解决现有技术中人员信息标注的准确率较低的问题,本申请实施例提供了人员信息标注方法、装置及电子设备。
其中,所谓人员信息标注,是指为人脸抓拍图片标注人员信息,该人员信息用于表征该人脸抓拍图片中人员的身份信息。其中,该人员信息可以包括但不局限于人员ID,示例性的,该人员ID可以为用于表征人员的姓名的标识,此时,该人员信息标注方法用于为人脸抓拍图片标注图片中具体是哪位人员。当然,该人员ID可以为人员的关于年龄段的身份标识,例如:老人、青年、儿童,或者,关于性别的身份标识,例如:男人、女人,此时,该人员信息标注方法用于为人脸抓拍图片标注图片中具体是哪类身份的人员。
下面首先对本申请实施例所提供的人员信息标注方法进行介绍。
其中,本申请实施例所提供的人员信息标注方法的执行主体可以为运行电子设备中的一种人员信息标注装置。
在具体应用中,该电子设备可以为具有人脸识别功能的图像采集设备,例如:抓拍摄像头等,此时,该电子设备在采集到人脸抓拍图片时,可以对人脸抓拍图片进行人员信息标注;或者,该电子设备也可以为属于图像采集设备的后台服务器的设备,例如:台式计算机、笔记本电脑、智能手机、硬盘录像机、智能分析设备等,此时,该电子设备可以接收图像采集设备所采集的人脸抓拍图片,并对所接收的人脸抓拍图片进行人员信息标注;当然,该电子设备还可以为能够运行该人员信息标注装置但未与图像采集设备相通信的任一电子设备,例如:台式计算机、笔记本电脑、智能手机等,此时,该电子设备在获得待标注的人脸抓拍图片后,可以对所获得的人脸抓拍图片进行人员信息标注。
另外,本申请实施例所提供的人员信息标注方法的应用场景可以为存在人员识别需求的任一场景中,例如:考勤场景、特定区域范围内的人员自动识别场景、特定区域内的人员追踪场景等。其中,该特定区域可以学校、工厂、公司、会场等等。
如图1所示,本申请实施例所提供的人员信息标注方法,可以包括如下步骤:
S101,获取待标注人员信息的人脸抓拍图片的人脸数据,作为目标数据;
S102,计算该目标数据与预定人脸库中每个第一人脸数据的相似度,以及与预定辅助库中每个第二人脸数据的相似度;
其中,该预定辅助库中每一条记录唯一对应一个第一人脸数据,且每一条记录包含与该记录对应的第一人脸数据相匹配的至少一个第二人脸数据;
S103,基于计算得到的相似度,从该预定人脸库中,查找与该目标数据相匹配的第一人脸数据;
S104,为该人脸抓拍图片标注该相匹配的第一人脸数据所关联的人员信息。
在S101中,人脸抓拍图片的人脸数据可以为人脸抓拍图片,或者,该人脸抓拍图片的特征值,当然,还可以为对该人脸抓拍图片进行色彩模型转换后所形成的具有目标颜色模型的图片,这都是合理的。具体采用何种形式的人脸数据,可以与后续的预定人脸库中的各个第一人脸数据相一致。
其中,人脸抓拍图片的特征值可以包括但不局限于:从人脸抓拍图片中所提取到的人脸特征点的图像数据,示例性的,该人脸特征点可以包括:眼睛、鼻子、嘴巴、瞳距等等。本申请实施例中提取人脸特征点的方式可以与现有技术中的人脸特征点的提取方式相同。另外,该目标颜色模式可以包括但不局限于YUV模式,其中,YUV模式,也称YCrCb是被欧洲电视系统所采用的一种颜色编码方法,Y代表亮度,UV代表色差,U和V是构成彩色的两个分量。
在S102中,该预定人脸库作为人员身份识别的基础库,其包括多个第一人脸数据,每个第一人脸数据为一人脸图片的数据,且关联有该人脸数据所属人员的人员信息。其中,该第一人脸数据可以为:人脸图片,或者,该人脸图片的特征值,当然,还可以为对该人脸图片进行色彩模型转换后所形成的具有目标颜色模型的图片。并且,该预定人脸库可以仅仅包括实名人脸库,也可以同时包括实名人脸库和陌生人脸库。针对实名人脸库而言,该实名人脸库中每个第一人脸数据所属的人脸图片可以为:身份证件图片,或者,专门用于身份识别的图片,例如:专门用于考勤的人脸图片;而针对陌生人脸库而言,该陌生人脸库中每个第一人脸数据所属的人脸图片可以为:实名人脸库所涉及各个实名人员以外的陌生人的人脸图片。
而该预定辅助库中每一条记录唯一对应一个第一人脸数据,且每一条记录包含与该记录对应的第一人脸数据相匹配的至少一个第二人脸数据,该至少一个第二人脸数据的数量可以根据实际情况设定,例如:5个、6个、10个等等。由于每一条记录中的第二人脸数据均与该条记录对应的第一人脸数据相匹配,因此,可以达到对第一人脸数据所表征人员的人脸数据进行多样化的目的。其中,预定辅助库中每一条记录所包括的第二人脸数据的具体形式与预定人脸库中的第一人脸数据的具体形式相同。
并且,针对预定人脸库仅仅包括实名人脸库而言,在人员信息标注方法执行之前,可以同时构建预定人脸库和预定辅助库,且所构建的预定辅助库中包括每一第一人脸数据对应的记录。其中,预定辅助库中每一条记录所包括的第二人脸数据属于的图片可以为:该记录对应第一人脸数据所属人员的人脸图片的相似图片,该相似图片为包含该所属人员的图片,一人员的人脸图片和相似图片中的人员姿态、遮挡程度等可以存在差异。
针对预定人脸库同时包括实名人脸库和陌生人脸库,在人员信息标注方法执行之前,可以同时构建预定人脸库和预定辅助库,且所构建的预定辅助库中包括:已构建的预定人脸库中当前存在的每一第一人脸数据对应的记录。可以理解的是,在人员信息标注方法之前,由于陌生人未获知到,因此,陌生人脸库可以为空,这样,所构建的预定辅助库中包括:已构建的实名人脸库中当前存在的每一第一人脸数据对应的记录。而对于陌生人脸库而言,在人员信息标注过程中,陌生人脸库中的记录可以不断增加,相应的,预定辅助库中可以不断增加与陌生人脸库中第一人脸数据对应的记录,其中,增加与陌生人脸库中第一人脸数据对应的记录的方式可以包括但不局限于:按照预定的变形处理,对陌生人脸库中增加的第一人脸数据进行变形,得到所增加的第一人脸数据对应记录中的第二人脸数据;或者,在陌生人脸库中增加一个第一人脸数据后,在后续的人员信息标注过程中,如果存在一待标注人员信息的人脸抓拍图片的人脸数据与所增加的第一人脸数据相匹配,则可以将该人脸抓拍图片的人脸数据作为所增加的第一人脸数据对应记录中的第二人脸数据。
在S102中,对于不同形式的人脸数据,采用的相似度算法可以不同。示例性的,对于人脸数据为特征值而言,可以计算目标数据与预定人脸库中每个第一人脸数据的向量值的欧式距离,以及计算目标数据与预定辅助库中每个第二人脸数据的向量值的欧式距离。示例性的,对于人脸数据为图片而言,可以利用任何一种图片相似度识别算法,计算目标数据与预定人脸库中每个第一人脸数据的相似度,以及计算目标数据与预定辅助库中每个第二人脸数据的相似度。本申请实施例并不对计算目标数据与预定人脸库中每个第一人脸数据的相似度,以及与预定辅助库中每个第二人脸数据的相似度的具体实现方式作任何限定。
在S103中,基于计算得到的相似度,从该预定人脸库中,查找与该目标数据相匹配的第一人脸数据的具体实现方式存在多种。
可选地,在一种实现方式中,所述基于计算得到的相似度,从所述预定人脸库中,查找与该目标数据相匹配的第一人脸数据,可以包括步骤A1-步骤A3:
步骤A1,从计算得到的相似度中,查找最大且大于指定的相似度阈值的相似度;
步骤A2,如果所查找到相似度为一第一人脸数据与该目标数据的相似度,则将该第一人脸数据,作为与该目标数据相匹配的第一人脸数据;
步骤A3,如果所查找到的相似度为一第二人脸数据与该目标数据的相似度,则将该第二人脸数据所属记录对应的第一人脸数据,作为与该目标数据相匹配的第一人脸数据。
其中,指定的相似度阈值可以根据实际情况设定,在此不做限定。
可选地,在另一种实现方式中,所述基于计算得到的相似度,从该预定人脸库中,查找与该目标数据相匹配的第一人脸数据,可以包括步骤B1-B2:
步骤B1,基于计算得到的相似度,确定该预定人脸库中各第一人脸数据的待利用相似度;
其中,任一第一人脸数据的待利用相似度为基于该第一人脸数据对应的第一相似度和第二相似度所确定的值;该第一人脸数据对应的第一相似度为该第一人脸数据与该目标数据的相似度,该第一人脸数据对应的第二相似度为该第一人脸数据对应记录中的第二人脸数据,与该目标数据的相似度;
步骤B2,选取待利用相似度最大且符合预定相似条件的第一人脸数据,作为与该目标数据相匹配的第一人脸数据。
其中,确定该预定人脸库中各第一人脸数据的待利用相似度可以为确定该预定人脸库中全部的第一人脸数据的待利用相似度,也可以确定该预定人脸库中部分的第一人脸数据的待利用相似度。其中,满足预定相似条件可以为大于某一相似阈值。
示例性的,在一种可选方式中,所述基于计算得到的相似度,确定该预定人脸库中各第一人脸数据的待利用相似度,可以包括:
针对该预定人脸库中的每个第一人脸数据,从该第一人脸数据对应的第一相似度和第二相似度中,选取最大值,作为该第一人脸数据的待利用相似度;
或者,
针对该预定人脸库中的每个第一人脸数据,对该第一人脸数据对应的第一相似度和第二相似度进行加权求平均,得到该第一人脸数据的待利用相似度。
该种可选实现方式为确定该预定人脸库中每个第一人脸数据的待利用相似度的实现方式。其中,针对于加权求平均所利用的权重而言,由于第一人脸数据为基础库中的数据,人脸信息更全面,所对应相似度对于数据匹配判定的可信程度更高,因此,第一人脸数据对应的权重可以大于第二人脸数据对应的权重。
上述的确定该预定人脸库中各第一人脸数据的待利用相似度为确定部分第一人脸数据的待利用相似度的实现方式,后续结合具体实施例进行介绍。
在S104中,在查找到与该目标数据相匹配的第一人脸数据时,可以为该人脸抓拍图片标注该相匹配的第一人脸数据所关联的人员信息。其中,该人员信息可以包括但不局限于人员ID,例如:在预定人脸库中每个第一人脸数据还关联有所属人员的其他信息或所属人脸图片的其他信息时,在为该人脸抓拍图片标注人员信息时,还可以为该人脸抓拍图片标注所属人员的其他信息和所属人脸图片的其他信息。示例性的,该所属人员的其他信息可以包括但不局限于:职业信息、地址信息、兴趣爱好等,该所属人脸图片的其他信息可以包括但不局限于:图片采集时间、图片采集设备、图片采集时间等。
可以理解的是,在未查找到与该目标数据相匹配的第一人脸数据时,可以识别该人脸抓拍图片的图像质量是否符合预定高质量条件,如果是,将该目标数据判定为待添加陌生人数据,并将该待添加陌生人数据加入该陌生人脸库中,为该待添加陌生人数据关联关于陌生人的人员信息,为该人脸抓拍图片标注该关于陌生人的人员信息。
其中,识别该人脸抓拍图片的图像质量是否符合预定高质量条件的具体实现方式可以包括:判断该人脸抓拍图片的图像质量评分是否超过预定评分阈值,如果是,判定该人脸抓拍图片的图像质量符合预定高质量条件。其中,关于人脸抓拍图片的图像质量评分的具体确定方式可以参见上述实施例的相关描述内容,在此不做赘述。
另外,所谓的关于陌生人的人员信息可以为按照预定的标识生成方式,所生成的标识信息,当然并不局限于此。
本申请实施例所提供方案中,针对待标注人员信息的人脸抓拍图片的人脸数据,不但计算该人脸数据与预定人脸库中每个第一人脸数据的相似度,而且,计算该人脸数据与预定辅助库中每个第二人脸数据的相似度,进而,基于计算得到的关于两类库的相似度,从预定人脸库中,查找相匹配的第一人脸数据;并为该人脸抓拍图片标注该相匹配的第一人脸数据所关联的人员信息。
由于本方案在预定人脸库的基础上,增设预定辅助库,而该预定辅助库的每一条记录中的第二人脸数据均与该条记录对应的第一人脸数据相匹配,因此,可以达到对第一人脸数据所表征人员的人脸数据进行多样化的目的。这样,在人员信息标注时,通过结合预定人脸库和预定辅助库,使得能够适应同一人员的人脸抓拍图片的多样性,因此,通过本方案,可以解决现有技术中人员信息标注的准确率较低的问题。
下面结合具体实施例,对本申请实施例所提供的人员信息标注方法进行介绍。
如图2所示,本申请实施例所提供的一种人员信息标注方法,可以包括如下步骤:
S201,获取待标注人员信息的人脸抓拍图片的人脸数据,作为目标数据;
S202,计算该目标数据与预定人脸库中每个第一人脸数据的相似度,以及与预定辅助库中每个第二人脸数据的相似度;
其中,该预定辅助库中每一条记录唯一对应一个第一人脸数据,且每一条记录包含与该记录对应的第一人脸数据相匹配的至少一个第二人脸数据;
S203,分别从该预定人脸库和该预定辅助库中,筛选与该目标数据的相似度满足预定相似条件的人脸数据,得到命中数据;
S204,针对与该命中数据对应的第一人脸数据中的每个第一人脸数据,当该命中数据中包括该第一人脸数据时,如果该第一人脸数据所对应的记录属于第一记录,则从该第一人脸数据对应的第一相似度和第三相似度中,选取最大值,作为该第一人脸数据的待利用相似度;如果该第一人脸数据所对应的记录不属于第一记录,将该第一人脸数据对应的第一相似度,作为该第一人脸数据的待利用相似度;
其中,与该命中数据对应的第一人脸数据可以包括:该命中数据所包括的第一人脸数据,以及,该命中数据未包括但所对应记录属于第一记录的第一人脸数据,该第一记录为所包括的第二人脸数据属于命中数据的记录。
S205,针对与该命中数据对应的第一人脸数据中的每个第一人脸数据,当该命中数据中未包括该第一人脸数据时,从该第一人脸数据对应的第三相似度中,选取最大值,作为该第一人脸数据的待利用相似度;
其中,该第一人脸数据对应的第三相似度为:该第一人脸数据对应记录中属于命中数据的第二人脸数据,与该目标数据的相似度。
S206,选取待利用相似度最大的第一人脸数据,作为与该目标数据相匹配的第一人脸数据;
S207,为该人脸抓拍图片标注该相匹配的第一人脸数据所关联的人员信息。
其中,S201-S202与上述实施例中S101-S102相同,S207与上述实施例中的S104相同,在此不做赘述。
在S203中,分别从该预定人脸库和该预定辅助库中,筛选与该目标数据的相似度满足预定相似条件的人脸数据,得到命中数据的具体实现方式存在多种。可选地,在一种实现方式中,分别从该预定人脸库和该预定辅助库中,筛选与该目标数据的相似度满足预定相似条件的人脸数据,可以包括:
针对该预定人脸库和该预定辅助库中的每个人脸数据,判断该人脸数据与该目标数据的相似度是否大于预定阈值,如果是,判定该人脸数据为与该目标数据的相似度满足预定相似条件的人脸数据。
其中,该预定阈值可以根据实际情况设定,例如:85%、87%、90%、92%,95%等等。
可选地,在一种实现方式中,基于预定人脸库和预定辅助库的构建方式可知,每个第一人脸数据所属人脸图片所包含的人脸信息,相对于第二人脸数据所属人脸图片包含的人脸信息,更为全面,即第一人脸数据对应的相似度对于评判数据匹配的可信程度更高。因此,为了进一步提升标注准确率,可以基于预定人脸库和预定辅助库的特性,为两个库设定不同的预定阈值。相应的,所述分别从该预定人脸库和该预定辅助库中,筛选与该目标数据的相似度满足该预定相似条件的人脸数据,可以包括:
确定预先针对该预定人脸库所设定的第一预定阈值,以及预先针对该预定辅助库所设定的第二预定阈值;其中,该第一预定阈值小于该第二预定阈值;
针对该预定人脸库中的每个第一人脸数据,判断该第一人脸数据与所述目标数据的相似度是否大于该第一预定阈值,如果是,判定该第一人脸数据为与该目标数据的相似度满足该预定相似条件的人脸数据;
针对该预定辅助库中的每个第二人脸数据,判断该第二人脸数据与该目标数据的相似度是否大于该第二预定阈值,如果是,判定该第二人脸数据为与该目标数据的相似度满足该预定相似条件的人脸数据。
由于第一人脸数据所属人脸图片的人脸信息较为全面,因此,目标数据与第一人脸数据的相似度对于数据匹配判定的可信程度更高些,因此,第一预定阈值可以低于第二预定阈值。其中,第一预定阈值和第二预定阈值,可以根据实际情况设定,示例性的,第一预定阈值可以为87%,而第二预定阈值可以为90%;或者,第一预定阈值可以为90%,而第二预定阈值可以为94%,等等。
另外,发明人发现,人脸图片或人脸抓拍图片的预定人员属性,影响该图片的人脸数据对应的相似度对数据匹配评判的可信程度,并且,不同的属性值,影响不同。因此,为了进一步提升标注准确率,可以预先针对预定人脸库设定如下对应关系:关于预定人员属性的各个属性值与预定阈值的第一对应关系;并且,预先针对预定辅助库设定如下对应关系:关于预定人员属性的各个属性值与预定阈值的第二对应关系。其中,预定人员属性可以包括:是否戴眼镜、是否带帽子、基于年龄段所划分的身份等等。
并且,影响程度大的属性值所对应的预定阈值,可以大于影响程度小的属性值所对应的预定阈值。例如:预定人员属性为是否戴眼镜,此时,预定人员属性的属性值包括戴眼镜和未戴眼镜,戴眼镜对于可信程度影响大,未戴眼镜对于可信程度影响小,那么,第一对应关系可以为:戴眼镜对应预定阈值:91%,而未戴眼镜对应阈值为89%;而第二对应关系可以为:戴眼镜对应预定阈值:93%,而未戴眼镜对应阈值为92%。又例如:预定人员属性为基于年龄段所划分的身份,此时,预定人员属性的属性值包括老年、儿童和青年,而儿童、青年、老年对于可信程度的影响逐级减小,那么,第一对应关系可以为:儿童对应预定阈值:93%,青年对应的预定阈值为90%,而老年对应的预定阈值为88%;而第二对应关系可以为:儿童对应预定阈值:95%,青年对应的预定阈值为93%,而老年对应的预定阈值为90%。
基于上述的存在第一对应关系和第二对应关系的情况,所述确定预先针对该预定人脸库所设定的第一预定阈值,以及预先针对该预定辅助库所设定的第二预定阈值,可以包括:
确定该人脸抓拍图片的预定人员属性的属性值,作为目标属性值;
从预先针对该预定人脸库设定的、关于该预定人员属性的各个属性值与预定阈值的第一对应关系中,查找与该目标属性值对应的预定阈值,作为针对该预定人脸库所设定的第一预定阈值;
从预先针对该预定辅助库设定的、关于该预定人员属性的各个属性值与预定阈值的第二对应关系中,查找与该目标属性值对应的预定阈值,作为针对该预定辅助库所设定的第二预定阈值。
其中,确定该人脸抓拍图片的预定人员属性的属性值的实现方式可以存在多种,本申请实施例对此不做限定。示例性的,可以利用预先训练的用于识别预定人员属性的属性值的神经网络模型,识别该人脸抓拍图片的预定人员属性的属性值。
另外,由于通过S203所得到的命中数据均为满足预定相似条件的人脸数据,因此,在该S206中,可以选取待利用相似度最大的第一人脸数据,作为与该目标数据相匹配的第一人脸数据。
由于本方案在预定人脸库的基础上,增设预定辅助库,而该预定辅助库的每一条记录中的第二人脸数据均与该条记录对应的第一人脸数据相匹配,因此,可以达到对第一人脸数据所表征人员的人脸数据进行多样化的目的。这样,在人员信息标注时,通过结合预定人脸库和预定辅助库,使得能够适应同一人员的人脸抓拍图片的多样性,因此,通过本方案,可以解决现有技术中人员信息标注的准确率较低的问题。另外,针对不同的库的特性,选取不同的预定阈值,进而提升人员信息标注的准确率。并且,针对同一个库,针对预定人员属性的不同属性值,设置不同的预定阈值,可以进一步提升人员信息标注的准确率。
另外,可选地,在上述图1所示实施例的基础上,本申请另一实施例所提供的一种人员信息标注方法,如图3所示,还可以包括:
S105,在查找到与该目标数据相匹配的第一人脸数据时,判断该人脸抓拍图片的图像质量评分是否大于预定评分阈值;
S106,当判断结果为是时,如果第二记录所包括的人脸数据的数量小于预定数量,将该目标数据加入该第二记录中,否则,利用该目标数据,替换该第二记录中所对应图片的图像质量评分最低的人脸数据。
其中,该第二记录为该预定辅助库中与该目标数据相匹配的第一人脸数据对应的记录。
需要强调的是,在上述图2所示的具体实施例的基础上,也可以执行S105-S106。
其中,该人脸抓拍图片的图像质量评分的确定方式可以采用任一种能够对图像质量进行评分的方式,本申请实施例对此不做限定。其中,预定评分阈值可以根据实际进行设定,示例性的,如果图像质量评分为百分制,那么,该预定评分阈值可以为92分,95分,96分,等等。
可以理解的是,通过增加S105-S106,可以实现对预定辅助库的不断完善和更新,从而有效保证人员信息标注信息的准确率。
另外,针对预定人脸库包括实名人脸库和陌生人脸库的情况而言,本申请另一实施例所提供的一种人员信息标注方法,如图4所示,还可以包括:
S107,如果未查找到与该目标数据相匹配的人脸数据,计算该目标数据与预定缓存中的各个第三人脸数据的相似度;
其中,该预定缓存中的各个第三人脸数据为:最近N秒内被判定为待添加陌生人数据的人脸数据;
S108,如果该预定缓存中不存在相似度大于第三预定阈值的第三人脸数据,识别该人脸抓拍图片的图像质量是否符合预定高质量条件,如果是,将该目标数据判定为待添加陌生人数据,并将该待添加陌生人数据加入该陌生人脸库中,为该待添加陌生人数据关联关于陌生人的人员信息,为该人脸抓拍图片标注该关于陌生人的人员信息;
S109,如果该预定缓存中存在相似度大于第三预定阈值的第三人脸数据,为该人脸抓拍图片,标注该相似度大于第三预定阈值的第三人脸数据所关联的人员信息。
需要强调的是,在上述图2、图3所示的具体实施例的基础上,也可以执行S107-S109。
本实施例中,增设缓存机制,以避免数据同步延迟所导致的同一个陌生人的陌生人数据,在陌生人脸库中被多次加入的问题。所谓的同一个陌生人的陌生人数据,在陌生人脸库中被多次加入的问题具体指:在一条陌生人数据被写入至陌生人脸库之前,该陌生人数据所属陌生人的另一人脸抓拍图片,作为新的待标注图片进行标注过程中,被再次作为陌生人记录,并写入到陌生人脸库。其中,陌生人数据,即未查找到相匹配的第一人脸数据的目标数据,作为一条陌生人数据。
具体的,预定缓存中存储有最近N秒内被判定为待添加陌生人数据的人脸数据。如果未查找到与该目标数据相匹配的人脸数据时,计算该目标数据与预定缓存中的各个第三人脸数据的相似度,进而,判断该预定缓存中是否存在相似度大于第三预定阈值的第三人脸数据,即判断该目标数据所属人员是否为最近N秒内已被判定为的陌生人,并根据不同的判断结果执行不同的处理过程。
其中,N可以根据实际情况中关于陌生人数据的写入速度来设定,示例性的,该N可以为4、5、6等等;而第三预定阈值的具体数值可以根据实际情况进行设定,在此不做限定。另外,计算该目标数据与预定缓存中的各个第三人脸数据的相似度的具体实现方式,可以参见上述实施例的相关描述内容,在此不做赘述。
并且,识别该人脸抓拍图片的图像质量是否符合预定高质量条件的具体实现方式可以包括:判断该人脸抓拍图片的图像质量评分是否超过预定评分阈值,如果是,判定该人脸抓拍图片的图像质量符合预定高质量条件。其中,关于人脸抓拍图片的图像质量评分的具体确定方式可以参见上述实施例的相关描述内容,在此不做赘述。
另外,所谓的关于陌生人的人员信息可以为按照预定的标识生成方式,所生成的标识信息,当然并不局限于此。
本实施例中,不但可以解决相关技术中人员信息标注的准确率的问题,而且,通过增设缓存机制,可以避免数据同步延迟所导致的同一个陌生人的陌生人数据,在陌生人脸库中被多次加入的问题。
下面结合具体应用实例,对本申请实施例所提供的人员信息标注方法进行介绍。
图5示例性的给出了一种图像处理系统的示意图。该图像处理系统中包括:人脸抓拍机、接入模块、图片存储模块、解析模块、特征值比对模块、策略处理模块、数据实时同步模块,以及,人脸应用平台。其中,图5所示的各个模块可以不属于相同的服务器,或不同的服务器,这都是合理的。
基于图5所示的图像处理系统,对本申请实施例所提供的人员信息标注方法所涉及到的预处理过程,以及标注过程进行介绍:
第一步:管理人员将所有人脸抓拍机,以及接入模块、图片模块、解析模块、特征值比对模块和人员档案信息数据库各自所属服务器的地址信息添加到人脸应用平台中,在添加地址信息时所需要配置的信息包括但不局限于:IP、端口、用户名、密码。
第二步:管理人员将实名人员的特征值导入人员档案信息数据库,并通过数据实时同步模块将数据同步给特征值比对模块。
其中,该人员档案信息数据库包括:预定人脸库和预定辅助库,并且,该预定人脸库包括实名人脸库和陌生人库。并且,将实名人员的特征值导入人员档案信息数据库即为将实名人员的第一特征值导入实名人脸库,将实名人员的第二特征值导入预定辅助库中与该第一特征值对应的记录中。该第一特征值即为上述实施例中的第一人脸数据,而该第二特征值即为上述实施例中的第二人脸数据。
第三步:管理人员为人脸应用平台配置需要进行人员信息标注的人脸抓拍机。
第四步:人脸抓拍机实时采集视频流,分析其中的人脸,将分析结果传给接入模块,以实现接入模块对人脸抓拍信息的采集;其中,接入模块采集到的人脸抓拍信息包括:抓拍地点、抓拍时间、人脸抓拍图片等信息。
其中,人脸应用平台预先将人脸抓拍机的信息同步给接入模块,以使得接入模块可以实时采集人脸抓拍信息。
第五步:接入模块采集到人脸抓拍信息后,可以将人脸抓拍信息中的人脸抓拍图片保存到图片存储模块中,而图片存储模块返回URL给接入模块,然后接入模块将URL提供给解析模块。
第六步:解析模块根据URL从图片存储模块中获取人脸抓拍图片,并生成人脸抓拍图片的特征值,作为目标值;
第七步:解析模块将目标值提供给特征值比对模块,特征值比对模块将人员档案信息数据库中的特征值与目标值进行比对,即相似度计算,进而,特征值比对模块将特征比对结果输出到策略处理模块,以使得策略处理模块采用多阈值、预定辅助库、缓存比对等策略进行人员信息标注处理。
其中,解析模块和策略处理模块,对于待标注人员信息的任一人脸抓拍图片A的标注过程如下:
步骤C1,获取待标注人员信息的图片A的特征值,作为目标值,执行步骤C2;
步骤C2,计算该目标值与预定人脸库中每个第一特征值的相似度,以及与预定辅助库中每个第二特征值的相似度,执行步骤C3;
步骤C3,分别从该预定人脸库和该预定辅助库中,筛选与该目标值的相似度满足预定相似条件的特征值,得到命中数据,执行步骤C4;如果未得到命中数据,执行步骤C8;
步骤C4,针对与该命中数据对应的第一特征值中的每个第一特征值,当该命中数据中包括该第一特征值时,如果该第一特征值所对应的记录属于第一记录,则从该第一特征值对应的第一相似度和第三相似度中,选取最大值,作为该第一特征值的待利用相似度;如果该第一特征值所对应的记录不属于第一记录,将该第一特征值对应的第一相似度,作为该第一特征值的待利用相似度;当该命中数据中未包括该第一特征值时,从该第一特征值对应的第三相似度中,选取最大值,作为该第一特征值的待利用相似度;在得到与该命中数据对应的第一特征值中的每个第一特征值的待利用相似度后,执行步骤C5;
其中,与该命中数据对应的第一特征值可以包括:该命中数据所包括的第一特征值,以及,该命中数据未包括但所对应记录属于第一记录的第一特征值,该第一记录为所包括的第二特征值属于命中数据的记录。
步骤C5,选取待利用相似度最大的第一特征值,作为与该目标数据相匹配的第一特征值,执行步骤C6;
步骤C6,为该图片A标注该相匹配的第一特征值所关联的人员信息,并执行步骤C7;
步骤C7,判断该图片A的图像质量评分是否大于预定评分阈值;当判断结果为否时,结束流程;当判断结果为是时,如果第二记录所包括的特征值的数量小于预定数量,将该目标值加入该第二记录中,否则,利用该目标值,替换该第二记录中所对应图片的图像质量评分最低的特征值,并结束流程。
其中,该第二记录为该预定辅助库中与该目标值相匹配的第一特征值对应的记录。
步骤C8,计算该目标值与预定缓存中的各个第三特征值的相似度;
其中,该预定缓存中的各个第三特征值为:最近N秒内被判定为待添加陌生人数据的特征值;
步骤C9,如果该预定缓存中不存在相似度大于第三预定阈值的第三特征值,识别该图片A的图像质量是否符合预定高质量条件,如果是,将该目标值判定为待添加陌生人数据,并将该待添加陌生人数据加入该陌生人脸库中,为该待添加陌生人数据关联关于陌生人的人员信息,为该图片A标注该关于陌生人的人员信息;
而如果该预定缓存中存在相似度大于第三预定阈值的第三特征值,为该图片A,标注该相似度大于第三预定阈值的第三特征值所关联的人员信息。
通过上述的人员信息标注过程,可以大大提升人员信息标注的准确率。
相应于上述方法实施例,本申请实施例还提供了人员信息标注装置。如图6,该装置可以包括:
数据获取模块610,用于获取待标注人员信息的人脸抓拍图片的人脸数据,作为目标数据;
相似度计算模块620,用于计算所述目标数据与预定人脸库中每个第一人脸数据的相似度,以及与预定辅助库中每个第二人脸数据的相似度;其中,所述预定辅助库中每一条记录唯一对应一个第一人脸数据,且每一条记录包含与该记录对应的第一人脸数据相匹配的至少一个第二人脸数据;
数据查找模块630,用于基于计算得到的相似度,从所述预定人脸库中,查找与所述目标数据相匹配的第一人脸数据;
信息标注模块640,用于为所述人脸抓拍图片标注所述相匹配的第一人脸数据所关联的人员信息。
由于本方案在预定人脸库的基础上,增设预定辅助库,而该预定辅助库的每一条记录中的第二人脸数据均与该条记录对应的第一人脸数据相匹配,因此,可以达到对第一人脸数据所表征人员的人脸数据进行多样化的目的。这样,在人员信息标注时,通过结合预定人脸库和预定辅助库,使得能够适应同一人员的人脸抓拍图片的多样性,因此,通过本方案,可以解决现有技术中人员信息标注的准确率较低的问题。
可选地,所述数据查找模块630可以包括:
第一确定子模块,用于基于计算得到的相似度,确定所述预定人脸库中各第一人脸数据的待利用相似度;其中,任一第一人脸数据的待利用相似度为基于该第一人脸数据对应的第一相似度和第二相似度所确定的值;该第一人脸数据对应的第一相似度为该第一人脸数据与所述目标数据的相似度,该第一人脸数据对应的第二相似度为该第一人脸数据对应记录中的第二人脸数据,与所述目标数据的相似度;
第二确定子模块,用于选取待利用相似度最大且符合预定相似条件的第一人脸数据,作为与所述目标数据相匹配的第一人脸数据。
可选地,所述第一确定子模块包括:
筛选单元,用于分别从所述预定人脸库和所述预定辅助库中,筛选与所述目标数据的相似度满足所述预定相似条件的人脸数据,得到命中数据;
选取单元,用于针对与所述命中数据对应的第一人脸数据中的每个第一人脸数据,当所述命中数据中包括该第一人脸数据时,如果该第一人脸数据所对应的记录属于第一记录,则从该第一人脸数据对应的第一相似度和第三相似度中,选取最大值,作为该第一人脸数据的待利用相似度,否则,将该第一人脸数据对应的第一相似度,作为该第一人脸数据的待利用相似度;当所述命中数据中未包括该第一人脸数据时,从该第一人脸数据对应的第三相似度中,选取最大值,作为该第一人脸数据的待利用相似度;
其中,所述与所述命中数据对应的第一人脸数据包括:所述命中数据所包括的第一人脸数据,以及,所述命中数据未包括但所对应记录属于第一记录的第一人脸数据,所述第一记录为所包括的第二人脸数据属于命中数据的记录;
其中,该第一人脸数据对应的第三相似度为:该第一人脸数据对应记录中属于命中数据的第二人脸数据,与所述目标数据的相似度。
可选地,所述第一确定子模块具体用于:
针对所述预定人脸库中的每个第一人脸数据,从该第一人脸数据对应的第一相似度和第二相似度中,选取最大值,作为该第一人脸数据的待利用相似度;
或者,
针对所述预定人脸库中的每个第一人脸数据,对该第一人脸数据对应的第一相似度和第二相似度进行加权求平均,得到该第一人脸数据的待利用相似度。
可选地,所述筛选单元可以包括:
确定子单元,用于确定预先针对所述预定人脸库所设定的第一预定阈值,以及预先针对所述预定辅助库所设定的第二预定阈值;其中,所述第一预定阈值小于所述第二预定阈值;
第一筛选子单元,用于针对所述预定人脸库中的每个第一人脸数据,判断该第一人脸数据与所述目标数据的相似度是否大于所述第一预定阈值,如果是,判定该第一人脸数据为与所述目标数据的相似度满足所述预定相似条件的人脸数据;
第二筛选子单元,用于针对所述预定辅助库中的每个第二人脸数据,判断该第二人脸数据与所述目标数据的相似度是否大于所述第二预定阈值,如果是,判定该第二人脸数据为与所述目标数据的相似度满足所述预定相似条件的人脸数据。
可选地,所述确定子单元具体用于:
确定所述人脸抓拍图片的预定人员属性的属性值,作为目标属性值;
从预先针对所述预定人脸库设定的、关于所述预定人员属性的各个属性值与预定阈值的第一对应关系中,查找与所述目标属性值对应的预定阈值,作为针对所述预定人脸库所设定的第一预定阈值;
从预先针对所述预定辅助库设定的、关于所述预定人员属性的各个属性值与预定阈值的第二对应关系中,查找与所述目标属性值对应的预定阈值,作为针对所述预定辅助库所设定的第二预定阈值。
可选地,所述预定人脸库包括实名人脸库和陌生人脸库;
在上述的人员信息标注装置的基础上,如图7所示,本申请实施例所提供的一种人员信息标注装置还可以包括:
缓存分析模块650,用于如果未查找到与所述目标数据相匹配的第一人脸数据,计算所述目标数据与预定缓存中的各个第三人脸数据的相似度;其中,所述预定缓存中的各个第三人脸数据为:最近N秒内被判定为待添加陌生人数据的人脸数据;
第一处理模块660,用于如果所述预定缓存中不存在相似度大于第三预定阈值的第三人脸数据,识别所述人脸抓拍图片的图像质量是否符合预定高质量条件,如果是,将所述目标数据判定为待添加陌生人数据,并将所述待添加陌生人数据加入所述陌生人脸库中,为所述待添加陌生人数据关联关于陌生人的人员信息,为所述人脸抓拍图片标注所述关于陌生人的人员信息;
第二处理模块670,用于如果所述预定缓存中存在相似度大于第三预定阈值的第三人脸数据,为所述人脸抓拍图片,标注所述相似度大于第三预定阈值的第三人脸数据所关联的人员信息。
可选地,在上述的装置的基础上,如图8所示,本申请实施例所提供的一种人员信息标注装置还可以包括:
判断模块680,用于在查找到与所述目标数据相匹配的第一人脸数据时,判断所述人脸抓拍图片的图像质量评分是否大于预定评分阈值;
第三处理模块690,用于当判断结果为是时,如果第二记录所包括的人脸数据的数量小于预定数量,将所述目标数据加入所述第二记录中,否则,利用所述目标数据,替换所述第二记录中所对应图片的图像质量评分最低的人脸数据;
其中,所述第二记录为所述预定辅助库中与所述目标数据相匹配的第一人脸数据对应的记录。
本申请实施例还提供了一种电子设备,如9所示,包括处理器901、通信接902、存储器903和通信总线904,其中,处理器901,通信接口902,存储器903通过通信总线904完成相互间的通信,
存储器903,用于存放计算机程序;
处理器901,用于执行存储器903上所存放的程序时,实现上述的人员信息标注方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一人员信息标注方法的步骤。
在本申请提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一人员信息标注方法的步骤。
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。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本申请的保护范围内。
Claims (18)
1.一种人员信息标注方法,其特征在于,包括:
获取待标注人员信息的人脸抓拍图片的人脸数据,作为目标数据;
计算所述目标数据与预定人脸库中每个第一人脸数据的相似度,以及与预定辅助库中每个第二人脸数据的相似度;其中,所述预定辅助库中每一条记录唯一对应一个第一人脸数据,且每一条记录包含与该记录对应的第一人脸数据相匹配的至少一个第二人脸数据;
基于计算得到的相似度,从所述预定人脸库中,查找与所述目标数据相匹配的第一人脸数据;
为所述人脸抓拍图片标注所述相匹配的第一人脸数据所关联的人员信息。
2.根据权利要求1所述的方法,其特征在于,所述基于计算得到的相似度,从所述预定人脸库中,查找与所述目标数据相匹配的第一人脸数据,包括:
基于计算得到的相似度,确定所述预定人脸库中各第一人脸数据的待利用相似度;其中,任一第一人脸数据的待利用相似度为基于该第一人脸数据对应的第一相似度和第二相似度所确定的值;该第一人脸数据对应的第一相似度为该第一人脸数据与所述目标数据的相似度,该第一人脸数据对应的第二相似度为该第一人脸数据对应记录中的第二人脸数据,与所述目标数据的相似度;
选取待利用相似度最大且符合预定相似条件的第一人脸数据,作为与所述目标数据相匹配的第一人脸数据。
3.根据权利要求2所述的方法,其特征在于,所述基于计算得到的相似度,确定所述预定人脸库中各第一人脸数据的待利用相似度,包括:
分别从所述预定人脸库和所述预定辅助库中,筛选与所述目标数据的相似度满足所述预定相似条件的人脸数据,得到命中数据;
针对与所述命中数据对应的第一人脸数据中的每个第一人脸数据,当所述命中数据中包括该第一人脸数据时,如果该第一人脸数据所对应的记录属于第一记录,则从该第一人脸数据对应的第一相似度和第三相似度中,选取最大值,作为该第一人脸数据的待利用相似度,否则,将该第一人脸数据对应的第一相似度,作为该第一人脸数据的待利用相似度;当所述命中数据中未包括该第一人脸数据时,从该第一人脸数据对应的第三相似度中,选取最大值,作为该第一人脸数据的待利用相似度;
其中,所述与所述命中数据对应的第一人脸数据包括:所述命中数据所包括的第一人脸数据,以及,所述命中数据未包括但所对应记录属于第一记录的第一人脸数据,所述第一记录为所包括的第二人脸数据属于命中数据的记录;
其中,该第一人脸数据对应的第三相似度为:该第一人脸数据对应记录中属于命中数据的第二人脸数据,与所述目标数据的相似度。
4.根据权利要求2所述的方法,其特征在于,所述基于计算得到的相似度,确定所述预定人脸库中各第一人脸数据的待利用相似度,包括:
针对所述预定人脸库中的每个第一人脸数据,从该第一人脸数据对应的第一相似度和第二相似度中,选取最大值,作为该第一人脸数据的待利用相似度;
或者,
针对所述预定人脸库中的每个第一人脸数据,对该第一人脸数据对应的第一相似度和第二相似度进行加权求平均,得到该第一人脸数据的待利用相似度。
5.根据权利要求3所述的方法,其特征在于,所述分别从所述预定人脸库和所述预定辅助库中,筛选与所述目标数据的相似度满足所述预定相似条件的人脸数据,包括:
确定预先针对所述预定人脸库所设定的第一预定阈值,以及预先针对所述预定辅助库所设定的第二预定阈值;其中,所述第一预定阈值小于所述第二预定阈值;
针对所述预定人脸库中的每个第一人脸数据,判断该第一人脸数据与所述目标数据的相似度是否大于所述第一预定阈值,如果是,判定该第一人脸数据为与所述目标数据的相似度满足所述预定相似条件的人脸数据;
针对所述预定辅助库中的每个第二人脸数据,判断该第二人脸数据与所述目标数据的相似度是否大于所述第二预定阈值,如果是,判定该第二人脸数据为与所述目标数据的相似度满足所述预定相似条件的人脸数据。
6.根据权利要求5所述的方法,其特征在于,所述确定预先针对所述预定人脸库所设定的第一预定阈值,以及预先针对所述预定辅助库所设定的第二预定阈值,包括:
确定所述人脸抓拍图片的预定人员属性的属性值,作为目标属性值;
从预先针对所述预定人脸库设定的、关于所述预定人员属性的各个属性值与预定阈值的第一对应关系中,查找与所述目标属性值对应的预定阈值,作为针对所述预定人脸库所设定的第一预定阈值;
从预先针对所述预定辅助库设定的、关于所述预定人员属性的各个属性值与预定阈值的第二对应关系中,查找与所述目标属性值对应的预定阈值,作为针对所述预定辅助库所设定的第二预定阈值。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述预定人脸库包括实名人脸库和陌生人脸库;
所述方法还包括:
如果未查找到与所述目标数据相匹配的第一人脸数据,计算所述目标数据与预定缓存中的各个第三人脸数据的相似度;其中,所述预定缓存中的各个第三人脸数据为:最近N秒内被判定为待添加陌生人数据的人脸数据;
如果所述预定缓存中不存在相似度大于第三预定阈值的第三人脸数据,识别所述人脸抓拍图片的图像质量是否符合预定高质量条件,如果是,将所述目标数据判定为待添加陌生人数据,并将所述待添加陌生人数据加入所述陌生人脸库中,为所述待添加陌生人数据关联关于陌生人的人员信息,为所述人脸抓拍图片标注所述关于陌生人的人员信息;
如果所述预定缓存中存在相似度大于第三预定阈值的第三人脸数据,为所述人脸抓拍图片,标注所述相似度大于第三预定阈值的第三人脸数据所关联的人员信息。
8.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
在查找到与所述目标数据相匹配的第一人脸数据时,判断所述人脸抓拍图片的图像质量评分是否大于预定评分阈值;
当判断结果为是时,如果第二记录所包括的人脸数据的数量小于预定数量,将所述目标数据加入所述第二记录中,否则,利用所述目标数据,替换所述第二记录中所对应图片的图像质量评分最低的人脸数据;
其中,所述第二记录为所述预定辅助库中与所述目标数据相匹配的第一人脸数据对应的记录。
9.一种人员信息标注装置,其特征在于,包括:
数据获取模块,用于获取待标注人员信息的人脸抓拍图片的人脸数据,作为目标数据;
相似度计算模块,用于计算所述目标数据与预定人脸库中每个第一人脸数据的相似度,以及与预定辅助库中每个第二人脸数据的相似度;其中,所述预定辅助库中每一条记录唯一对应一个第一人脸数据,且每一条记录包含与该记录对应的第一人脸数据相匹配的至少一个第二人脸数据;
数据查找模块,用于基于计算得到的相似度,从所述预定人脸库中,查找与所述目标数据相匹配的第一人脸数据;
信息标注模块,用于为所述人脸抓拍图片标注所述相匹配的第一人脸数据所关联的人员信息。
10.根据权利要求9所述的装置,其特征在于,所述数据查找模块包括:
第一确定子模块,用于基于计算得到的相似度,确定所述预定人脸库中各第一人脸数据的待利用相似度;其中,任一第一人脸数据的待利用相似度为基于该第一人脸数据对应的第一相似度和第二相似度所确定的值;该第一人脸数据对应的第一相似度为该第一人脸数据与所述目标数据的相似度,该第一人脸数据对应的第二相似度为该第一人脸数据对应记录中的第二人脸数据,与所述目标数据的相似度;
第二确定子模块,用于选取待利用相似度最大且符合预定相似条件的第一人脸数据,作为与所述目标数据相匹配的第一人脸数据。
11.根据权利要求10所述的装置,其特征在于,所述第一确定子模块包括:
筛选单元,用于分别从所述预定人脸库和所述预定辅助库中,筛选与所述目标数据的相似度满足所述预定相似条件的人脸数据,得到命中数据;
选取单元,用于针对与所述命中数据对应的第一人脸数据中的每个第一人脸数据,当所述命中数据中包括该第一人脸数据时,如果该第一人脸数据所对应的记录属于第一记录,则从该第一人脸数据对应的第一相似度和第三相似度中,选取最大值,作为该第一人脸数据的待利用相似度,否则,将该第一人脸数据对应的第一相似度,作为该第一人脸数据的待利用相似度;当所述命中数据中未包括该第一人脸数据时,从该第一人脸数据对应的第三相似度中,选取最大值,作为该第一人脸数据的待利用相似度;
其中,所述与所述命中数据对应的第一人脸数据包括:所述命中数据所包括的第一人脸数据,以及,所述命中数据未包括但所对应记录属于第一记录的第一人脸数据,所述第一记录为所包括的第二人脸数据属于命中数据的记录;
其中,该第一人脸数据对应的第三相似度为:该第一人脸数据对应记录中属于命中数据的第二人脸数据,与所述目标数据的相似度。
12.根据权利要求10所述的装置,其特征在于,所述第一确定子模块具体用于:
针对所述预定人脸库中的每个第一人脸数据,从该第一人脸数据对应的第一相似度和第二相似度中,选取最大值,作为该第一人脸数据的待利用相似度;
或者,
针对所述预定人脸库中的每个第一人脸数据,对该第一人脸数据对应的第一相似度和第二相似度进行加权求平均,得到该第一人脸数据的待利用相似度。
13.根据权利要求11所述的装置,其特征在于,所述筛选单元包括:
确定子单元,用于确定预先针对所述预定人脸库所设定的第一预定阈值,以及预先针对所述预定辅助库所设定的第二预定阈值;其中,所述第一预定阈值小于所述第二预定阈值;
第一筛选子单元,用于针对所述预定人脸库中的每个第一人脸数据,判断该第一人脸数据与所述目标数据的相似度是否大于所述第一预定阈值,如果是,判定该第一人脸数据为与所述目标数据的相似度满足所述预定相似条件的人脸数据;
第二筛选子单元,用于针对所述预定辅助库中的每个第二人脸数据,判断该第二人脸数据与所述目标数据的相似度是否大于所述第二预定阈值,如果是,判定该第二人脸数据为与所述目标数据的相似度满足所述预定相似条件的人脸数据。
14.根据权利要求13所述的装置,其特征在于,所述确定子单元具体用于:
确定所述人脸抓拍图片的预定人员属性的属性值,作为目标属性值;
从预先针对所述预定人脸库设定的、关于所述预定人员属性的各个属性值与预定阈值的第一对应关系中,查找与所述目标属性值对应的预定阈值,作为针对所述预定人脸库所设定的第一预定阈值;
从预先针对所述预定辅助库设定的、关于所述预定人员属性的各个属性值与预定阈值的第二对应关系中,查找与所述目标属性值对应的预定阈值,作为针对所述预定辅助库所设定的第二预定阈值。
15.根据权利要求9-14任一项所述的装置,其特征在于,所述预定人脸库包括实名人脸库和陌生人脸库;
所述装置还包括:
缓存分析模块,用于如果未查找到与所述目标数据相匹配的第一人脸数据,计算所述目标数据与预定缓存中的各个第三人脸数据的相似度;其中,所述预定缓存中的各个第三人脸数据为:最近N秒内被判定为待添加陌生人数据的人脸数据;
第一处理模块,用于如果所述预定缓存中不存在相似度大于第三预定阈值的第三人脸数据,识别所述人脸抓拍图片的图像质量是否符合预定高质量条件,如果是,将所述目标数据判定为待添加陌生人数据,并将所述待添加陌生人数据加入所述陌生人脸库中,为所述待添加陌生人数据关联关于陌生人的人员信息,为所述人脸抓拍图片标注所述关于陌生人的人员信息;
第二处理模块,用于如果所述预定缓存中存在相似度大于第三预定阈值的第三人脸数据,为所述人脸抓拍图片,标注所述相似度大于第三预定阈值的第三人脸数据所关联的人员信息。
16.根据权利要求9-14任一项所述的装置,其特征在于,所述装置还包括:
判断模块,用于在查找到与所述目标数据相匹配的第一人脸数据时,判断所述人脸抓拍图片的图像质量评分是否大于预定评分阈值;
第三处理模块,用于当判断结果为是时,如果第二记录所包括的人脸数据的数量小于预定数量,将所述目标数据加入所述第二记录中,否则,利用所述目标数据,替换所述第二记录中所对应图片的图像质量评分最低的人脸数据;
其中,所述第二记录为所述预定辅助库中与所述目标数据相匹配的第一人脸数据对应的记录。
17.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-8任一所述的方法步骤。
18.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-8任一所述的方法步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911267295.8A CN112949362B (zh) | 2019-12-11 | 2019-12-11 | 人员信息标注方法、装置及电子设备 |
PCT/CN2020/075285 WO2020173314A1 (zh) | 2019-02-27 | 2020-02-14 | 一种人员统计方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911267295.8A CN112949362B (zh) | 2019-12-11 | 2019-12-11 | 人员信息标注方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112949362A true CN112949362A (zh) | 2021-06-11 |
CN112949362B CN112949362B (zh) | 2023-10-17 |
Family
ID=76233992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911267295.8A Active CN112949362B (zh) | 2019-02-27 | 2019-12-11 | 人员信息标注方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112949362B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7916976B1 (en) * | 2006-10-05 | 2011-03-29 | Kedikian Roland H | Facial based image organization and retrieval method |
US20170193296A1 (en) * | 2015-12-31 | 2017-07-06 | Adaptive Computation, Llc | Image integration search based on human visual pathway model |
CN108038176A (zh) * | 2017-12-07 | 2018-05-15 | 浙江大华技术股份有限公司 | 一种路人库的建立方法、装置、电子设备及介质 |
CN108090420A (zh) * | 2017-11-30 | 2018-05-29 | 睿视智觉(深圳)算法技术有限公司 | 一种人脸识别方法 |
CN108228742A (zh) * | 2017-12-15 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸查重方法和装置、电子设备、介质、程序 |
CN109271917A (zh) * | 2018-09-10 | 2019-01-25 | 广州杰赛科技股份有限公司 | 人脸识别方法、装置、计算机设备和可读存储介质 |
WO2019071664A1 (zh) * | 2017-10-09 | 2019-04-18 | 平安科技(深圳)有限公司 | 结合深度信息的人脸识别方法、装置及存储介质 |
CN109858371A (zh) * | 2018-12-29 | 2019-06-07 | 深圳云天励飞技术有限公司 | 人脸识别的方法及装置 |
CN109902644A (zh) * | 2019-03-07 | 2019-06-18 | 北京海益同展信息科技有限公司 | 人脸识别方法、装置、设备和计算机可读介质 |
CN110298254A (zh) * | 2019-05-30 | 2019-10-01 | 罗普特科技集团股份有限公司 | 一种用于人员异常行为的分析方法和系统 |
-
2019
- 2019-12-11 CN CN201911267295.8A patent/CN112949362B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7916976B1 (en) * | 2006-10-05 | 2011-03-29 | Kedikian Roland H | Facial based image organization and retrieval method |
US20170193296A1 (en) * | 2015-12-31 | 2017-07-06 | Adaptive Computation, Llc | Image integration search based on human visual pathway model |
WO2019071664A1 (zh) * | 2017-10-09 | 2019-04-18 | 平安科技(深圳)有限公司 | 结合深度信息的人脸识别方法、装置及存储介质 |
CN108090420A (zh) * | 2017-11-30 | 2018-05-29 | 睿视智觉(深圳)算法技术有限公司 | 一种人脸识别方法 |
CN108038176A (zh) * | 2017-12-07 | 2018-05-15 | 浙江大华技术股份有限公司 | 一种路人库的建立方法、装置、电子设备及介质 |
CN108228742A (zh) * | 2017-12-15 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸查重方法和装置、电子设备、介质、程序 |
CN109271917A (zh) * | 2018-09-10 | 2019-01-25 | 广州杰赛科技股份有限公司 | 人脸识别方法、装置、计算机设备和可读存储介质 |
CN109858371A (zh) * | 2018-12-29 | 2019-06-07 | 深圳云天励飞技术有限公司 | 人脸识别的方法及装置 |
CN109902644A (zh) * | 2019-03-07 | 2019-06-18 | 北京海益同展信息科技有限公司 | 人脸识别方法、装置、设备和计算机可读介质 |
CN110298254A (zh) * | 2019-05-30 | 2019-10-01 | 罗普特科技集团股份有限公司 | 一种用于人员异常行为的分析方法和系统 |
Non-Patent Citations (1)
Title |
---|
李丹平 等: "一种支持所有权认证的客户端图像模糊去重方法", 《计算机学报》, vol. 41, no. 6, pages 1047 - 1062 * |
Also Published As
Publication number | Publication date |
---|---|
CN112949362B (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11556743B2 (en) | Learning highlights using event detection | |
KR101967086B1 (ko) | 비디오 스트림들의 엔티티 기반 시간적 세그먼트화 | |
US9875303B2 (en) | System and process for building a catalog using visual objects | |
CN109558810B (zh) | 基于部位分割与融合目标人物识别方法 | |
CN111967302B (zh) | 视频标签的生成方法、装置及电子设备 | |
US10104345B2 (en) | Data-enhanced video viewing system and methods for computer vision processing | |
US20120002881A1 (en) | Image management device, image management method, program, recording medium, and integrated circuit | |
CN111274442B (zh) | 确定视频标签的方法、服务器及存储介质 | |
US20140375886A1 (en) | Automatic face discovery and recognition for video content analysis | |
KR102103521B1 (ko) | 인공지능 심층학습 기반의 영상물 인식 시스템 및 방법 | |
CN103824053A (zh) | 一种人脸图像的性别标注方法及人脸性别检测方法 | |
CN108268823A (zh) | 目标再识别方法和装置 | |
Wang et al. | Cattle face recognition method based on parameter transfer and deep learning | |
CN111241928A (zh) | 人脸识别底库优化方法、系统、设备、可读存储介质 | |
CN108024148B (zh) | 基于行为特征的多媒体文件识别方法、处理方法及装置 | |
CN112949362B (zh) | 人员信息标注方法、装置及电子设备 | |
WO2020232697A1 (zh) | 一种在线人脸聚类的方法及系统 | |
CN105989063B (zh) | 视频检索方法和装置 | |
WO2023039331A1 (en) | Object detection systems and methods including an object detection model using a tailored training dataset | |
CN112069357B (zh) | 视频资源处理方法、装置、电子设备及存储介质 | |
CN115063858A (zh) | 视频人脸表情识别模型训练方法、装置、设备及存储介质 | |
CN112989869B (zh) | 人脸质量检测模型的优化方法、装置、设备及存储介质 | |
US20210097333A1 (en) | Hierarchical sampling for object identification | |
CN112101197A (zh) | 一种面部信息的获取方法和装置 | |
CN111160221B (zh) | 一种人脸采集方法及相关装置 |
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 |