CN112966136B - 一种人脸分类方法及装置 - Google Patents

一种人脸分类方法及装置 Download PDF

Info

Publication number
CN112966136B
CN112966136B CN202110537276.3A CN202110537276A CN112966136B CN 112966136 B CN112966136 B CN 112966136B CN 202110537276 A CN202110537276 A CN 202110537276A CN 112966136 B CN112966136 B CN 112966136B
Authority
CN
China
Prior art keywords
face image
face
target
cover
similarity
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
Application number
CN202110537276.3A
Other languages
English (en)
Other versions
CN112966136A (zh
Inventor
计胡威
王雷
黄中华
任明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Zhongke Tongda High New Technology Co Ltd
Original Assignee
Wuhan Zhongke Tongda High New Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Zhongke Tongda High New Technology Co Ltd filed Critical Wuhan Zhongke Tongda High New Technology Co Ltd
Priority to CN202110537276.3A priority Critical patent/CN112966136B/zh
Publication of CN112966136A publication Critical patent/CN112966136A/zh
Application granted granted Critical
Publication of CN112966136B publication Critical patent/CN112966136B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06V40/168—Feature extraction; Face representation
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及人脸识别技术领域，以及提供一种人脸分类方法及装置；该方法将待分类的目标人脸与人脸聚类库中的各人脸分类组的封面人脸分别进行相似度计算，得到目标人脸与各封面人脸的相似度，然后基于相似度确定目标封面人脸图像，如果目标封面人脸与目标人脸的相似度大于第一预设阈值，则确定目标人脸为目标封面人脸的关联人脸，如果目标封面人脸与目标人脸的相似度大于第二预设阈值，且不大于第一预设阈值，则计算得到目标人脸与目标封面人脸的各关联人脸的平均相似度，如果平均相似度大于第三预设阈值，则确定目标人脸为目标封面人脸的关联人脸。本申请实施例能够提高分类准确率。

Description

一种人脸分类方法及装置
技术领域
本申请实施例涉及人脸识别技术领域，尤其涉及一种人脸分类方法及装置。
背景技术
人脸图像属于非结构化数据，人工无法直接阅读，进而无法通过直接比较判断两张人脸图像是否属于同一个人的人脸图像。目前的人脸分类方法可以对两张人脸图像进行相似度判断，如果相似度大于某个阈值，则确定两张人脸图像属于同一个人的人脸图像，但是这种人脸分类方法仍然存在误差，准确率不高。
发明内容
本申请实施例提供了一种人脸分类方法、装置、计算机设备及存储介质，能够提高人脸分类的准确率。
第一方面中，本申请实施例提供一种人脸分类方法，包括：
获取待分类的目标人脸图像；
将所述目标人脸图像与人脸聚类库中的各人脸分类组的封面人脸图像分别进行相似度计算，得到所述目标人脸图像与各所述封面人脸图像的相似度；所述人脸分类组包括封面人脸图像以及所述封面人脸图像的关联人脸图像；
根据所述目标人脸图像与各所述封面人脸图像的相似度确定目标人脸分类组的目标封面人脸图像；
若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第一预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像；
若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第二预设阈值，且不大于所述第一预设阈值，则计算得到所述目标人脸图像与所述目标封面人脸图像的各关联人脸图像的平均相似度；若确定所述平均相似度大于第三预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像。
第二方面中，本申请实施例提供一种人脸分类装置，包括：
获取单元，用于获取待分类的目标人脸图像；
计算单元，用于将所述目标人脸图像与人脸聚类库中的各人脸分类组的封面人脸图像分别进行相似度计算，得到所述目标人脸图像与各所述封面人脸图像的相似度；所述人脸分类组包括封面人脸图像以及所述封面人脸图像的关联人脸图像；
第一确定单元，用于根据所述目标人脸图像与各所述封面人脸图像的相似度确定目标人脸分类组的目标封面人脸图像；
第二确定单元，用于若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第一预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像；
处理单元，用于若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第二预设阈值，且不大于所述第一预设阈值，则计算得到所述目标人脸图像与所述目标封面人脸图像的各关联人脸图像的平均相似度；若确定所述平均相似度大于第三预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像。
本申请实施例又一方面提供了一种计算机设备，其包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，所述处理器用于调用所述存储器中的计算机程序来执行上述第一方面所述的方法。
本申请实施例又一方面提供了一种存储介质，其包括指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。
相较于现有技术，本申请实施例提供的方案中，首先将待分类的目标人脸图像与人脸聚类库中的各人脸分类组的封面人脸图像分别进行相似度计算，得到目标人脸图像与各封面人脸图像的相似度；然后基于相似度确定目标封面人脸图像，如果目标封面人脸图像与目标人脸图像的相似度大于第一预设阈值，则确定目标人脸图像为目标封面人脸图像的关联人脸图像，如果目标封面人脸图像与目标人脸图像的相似度大于第二预设阈值，且不大于第一预设阈值，则将目标人脸图像与目标封面人脸图像的各关联人脸图像分别进行相似度计算，得到目标人脸图像与目标封面人脸图像的各关联人脸图像的平均相似度，如果平均相似度大于第三预设阈值，则确定目标人脸图像为目标封面人脸图像的关联人脸图像。从而本申请通过设置多个预设阈值，一方面提高了分类准确率，另一方面也针对无关数据进行了过滤，从而提高了分类效率，减少了算力的消耗。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例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性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种人脸分类方法的应用场景图。
图2为本申请实施例提供的一种人脸分类方法的流程图。
图3为本申请实施例提供的一种人脸聚类库形成的示意图。
图4为本申请实施例提供的一种人脸分类方法的场景示意图。
图5为本申请实施例提供的另一种人脸分类方法的场景示意图。
图6为本申请实施例提供的另一种人脸分类方法的场景示意图。
图7为本申请实施例提供的一种人脸分类装置的结构示意图。
图8为本申请实施例提供的一种计算机设备的实体结构示意图。
具体实施方式
本申请实施例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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，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模块，本申请实施例中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征可以忽略，或不执行，另外，所显示的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，模块之间的间接耦合或通信连接可以是电性或其他类似的形式，本申请实施例中均不作限定。并且，作为分离部件说明的模块或子模块可以是也可以不是物理上的分离，可以是也可以不是物理模块，或者可以分布到多个电路模块中，可以根据实际的需要选择其中的部分或全部模块来实现本申请实施例方案的目的。
本申请实施例提供一种人脸分类方法，主要应用于人脸识别、视频侦查、公安视频等场景。请参阅图1，图1为本申请实施例提供的一种人脸分类方法的应用场景图。如图1所示，安装于各个交通道路路口、关隘、卡口、地铁等与公安系统对接的摄像头采集人脸图像，也可以为安装于小区进出口、电梯口、商场、公共场所等与公安系统对接的摄像头采集人脸图像，得到人脸采集数据。从人脸采集数据中随机选择一个目标人脸图像，将目标人脸图像与人脸聚类库（具体描述参见后文）中的各人脸分类组的封面人脸图像分别进行相似度计算，得到目标人脸图像与各封面人脸图像（图中仅示例一个封面人脸图像）的相似度；然后如果相似度最高的目标人脸分类组的目标封面人脸图像与目标人脸图像的相似度大于第一预设阈值，则确定目标人脸图像为目标封面人脸图像的关联人脸图像；如果目标封面人脸图像与目标人脸图像的相似度大于第二预设阈值，且不大于第一预设阈值，则将目标人脸图像与目标封面人脸图像的各关联人脸图像分别进行相似度计算，得到目标人脸图像与目标封面人脸图像的各关联人脸图像的平均相似度，如果平均相似度大于第三预设阈值，则确定目标人脸图像为目标封面人脸图像的关联人脸图像，并且调整目标人脸图像与目标封面人脸图像的相似度，以使得调整后的相似度大于第一预设阈值。从而对人脸聚类库中的人脸图像进行更新，更新完成后，摄像头采集的其他人脸图像也可以按照目标人脸图像的处理流程进行处理，直至摄像头采集的人脸图像全部分类完毕，具体过程此处不再赘述。
结合上述应用场景图，下面将对本申请中人脸分类方法进行介绍，请参阅图2，图2为本申请实施例提供的一种人脸分类方法的流程图，本申请实施例至少包括如下步骤：
201、获取待分类的目标人脸图像。
目标人脸图像可以来自于接入视频侦查系统的人脸采集数据，该视频侦查系统的人脸采集数据可以包括安装于各个交通道路路口、关隘、卡口、地铁等与公安系统对接的摄像头采集的大规模人脸数据，该视频侦查系统的人脸采集数据还可以包括安装于小区进出口、电梯口、商场、公共场所等与公安系统对接的摄像头采集的小规模人脸数据。人脸分类装置得到人脸采集数据后，可以从人脸采集数据中随机选择一个人脸数据，读取人脸数据中的人脸区域图像，将人脸区域图像确定为待分类的目标人脸图像。
202、将所述目标人脸图像与人脸聚类库中的各人脸分类组的封面人脸图像分别进行相似度计算，得到所述目标人脸图像与各所述封面人脸图像的相似度。
人脸分类组包括封面人脸图像以及所述封面人脸图像的关联人脸图像。
人脸聚类，指的是将一个集合内的人脸根据特征进行分组的方法。
人脸聚类库，指的是将人脸根据特征进行分组后形成的人脸库，在本实施例中的人脸聚类库包括各类封面人脸图像以及各类封面人脸图像的关联人脸图像，每一组封面人脸图像以及关联人脸图像组成一个人脸分类组。
在一种实施例中，针对人脸聚类库的形成过程进行了说明，例如，在所述获取待分类的目标人脸图像的步骤之前，还包括：获取人脸图像集合；从所述人脸图像集合中随机选取一个参考人脸图像；将所述参考人脸图像与所述人脸图像集合中剩余的人脸图像分别进行相似度计算；若存在相似度大于第四预设阈值的人脸图像，则将相似度大于第四预设阈值的人脸图像确定为所述参考人脸图像的关联人脸图像；将所述参考人脸图像以及所述参考人脸图像的关联人脸图像通过参考人脸分类组关联存储至初始人脸聚类库，并从所述人脸图像集合中去除所述参考人脸图像以及所述参考人脸图像的关联人脸，以更新所述人脸图像集合；其中，所述参考人脸图像为所述参考人脸分类组的封面人脸图像；重复所述参考人脸图像的执行步骤，直至所述人脸图像集合中的各人脸图像存储至所述初始人脸聚类库，以得到所述人脸聚类库。
具体地，如图3所示，图3为本申请实施例提供的一种人脸聚类库形成的示意图，如图3所示，假设人脸图像集合中仅包括参考人脸图像、其他人脸图像1、其他人脸图像2以及其他人脸图像3。首先将参考人脸图像分别与其他人脸图像1、其他人脸图像2以及其他人脸图像3进行相似度计算，得到参考人脸图像与其他人脸图像1、其他人脸图像2以及其他人脸图像3的相似度依次为40%、75%以及81%，假设存在关联关系的相似度阈值（第四预设阈值）为80%，则将相似度为81%的其他人脸图像3确定为参考人脸图像的关联人脸，将参考人脸图像以及其他人脸图像3通过人脸分类组1关联存储至人脸聚类库中，并从人脸图像集合中去除参考人脸图像以及其他人脸图像3，从而此时人脸图像集合中还剩下其他人脸图像1以及其他人脸图像2。之后可以将其他人脸图像1作为新的参考人脸图像，与其他人脸图像2进行相似度计算，得到其他人脸图像1与其他人脸图像2的相似度为60%，由于存在关联关系的相似度阈值为80%，则说明其他人脸图像2不是其他人脸图像1的关联人脸，从而将其他人脸图像1通过人脸分类组2存储至人脸聚类库中，以及将其他人脸图像2通过人脸分类组3存储至人脸聚类库中，并从人脸图像集合中去除其他人脸图像1以及其他人脸图像2，从而此时人脸图像集合中不再剩下人脸图像，说明人脸图像集合中的所有人脸图像全部分类完毕，得到最终的人脸聚类库。
基于上述预先形成的人脸聚类库，从而实现了一种无先验数据的人脸分类方法。另外在将目标人脸图像与人脸聚类库中的各人脸分类组的封面人脸图像分别进行相似度计算时，以任意一个封面人脸图像为例，首先可以提取目标人脸图像的目标人脸特征以及封面人脸图像的封面人脸特征，然后在目标人脸特征以及封面人脸特征的基础上，通过计算特征之间的相似度，来判断目标人脸图像与封面人脸图像是否属于同一人脸，相似度计算的公式如下：
Figure 822731DEST_PATH_IMAGE001
其中，dis(X,Y)表示目标人脸图像与封面人脸图像之间的相似度，xi表示提取的目标人脸图像的第i个特征，yi表示提取的封面人脸图像的第i个特征，n表示特征总数。
从而采用上述相似度计算的公式，能够得到目标人脸图像与各封面人脸图像的相似度。
另外可以采用如下方式对人脸特征进行提取，例如：主成分分析法、拉普拉斯特征图法、局部保值映射法、稀疏表示法、神经网络降维法等。
203、根据所述目标人脸图像与各所述封面人脸图像的相似度确定目标人脸分类组的目标封面人脸图像。
例如，可以选择相似度最高的封面人脸图像为目标封面人脸图像，目标封面人脸图像所处的人脸分类组为目标人脸分类组。
204、若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第一预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像。
人脸分类装置在得到目标人脸图像与各封面人脸图像的相似度后，如果目标人脸图像与相似度最高的封面人脸图像（假设为目标封面人脸图像）的相似度（例如95%）大于第一预设阈值（例如90%），则确定目标人脸图像与目标封面人脸图像属于同一个人的人脸图像，此时将目标人脸图像确定为目标封面人脸图像的关联人脸图像。
在一种实施例中，在所述将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像的步骤之后，还包括：更新所述目标封面人脸图像的关联人脸图像，以更新所述目标人脸分类组；获取更新后的所述目标人脸分类组中不同人脸图像之间的相似度；将与不同人脸图像之间的平均相似度最高的人脸图像确定为更新后的所述目标人脸分类组的目标封面人脸图像。
具体地，人脸分类装置会在人脸聚类库中将目标封面人脸图像添加为目标封面人脸图像的关联人脸图像，从而对目标封面人脸图像的关联人脸图像进行更新，进而实现了对目标人脸分类组的更新，以及人脸聚类库的更新。
如图4所示，图4为本申请实施例提供的一种人脸分类方法的场景示意图，如图4所示，人脸采集数据由目标人脸图像x、其他人脸图像1和其他人脸图像2构成，人脸聚类库由人脸分类组1、人脸分类组2和人脸分类组3构成，人脸分类组1包括封面人脸图像1和与封面人脸图像1关联的关联人脸图像1和关联人脸图像2，人脸分类组2包括封面人脸图像2和与封面人脸图像2关联的关联人脸图像3和关联人脸图像4，人脸分类组3包括封面人脸图像3和与封面人脸图像3关联的关联人脸图像5和关联人脸图像6。
将目标人脸图像x分别与人脸聚类库中的封面人脸图像1、封面人脸图像2和封面人脸图像3分别进行相似度计算，得到目标人脸图像x与封面人脸图像1、封面人脸图像2以及封面人脸图像3的相似度依次为95%、85%和75%，假设第一预设阈值为90%，则将目标人脸图像x添加为封面人脸图像1的关联人脸图像，从而完成人脸聚类库的更新操作。需要说明的是，可以采用相同或者类似方式，将其他人脸图像1和其他人脸图像2添加至人脸聚类库中，此处不再赘述。
需要说明的是，在完成人脸聚类库的更新操作后，人脸分类装置还会调整人脸分类组1中的封面人脸图像，比如将人脸分类组1中的封面人脸图像由当前的封面人脸图像1调整为目标人脸图像x、关联人脸图像1或关联人脸图像2。人脸分类装置可以获取更新后的人脸分类组1中的各人脸图像之间的相似度，将与不同人脸图像之间的平均相似度最高的人脸图像确定为更新后的人脸分类组1的封面人脸图像。
例如，针对封面人脸图像1，获取封面人脸图像1与目标人脸图像x、关联人脸图像1或关联人脸图像2的相似度，并计算得到平均相似度1；针对目标人脸图像x，获取目标人脸图像x与封面人脸图像1、关联人脸图像1或关联人脸图像2的相似度，并计算得到平均相似度2；针对关联人脸图像1，获取关联人脸图像1与目标人脸图像x、封面人脸图像1或关联人脸图像2的相似度，并计算得到平均相似度3；针对关联人脸图像2，获取关联人脸图像2与目标人脸图像x、封面人脸图像1或关联人脸图像1的相似度，并计算得到平均相似度4；比较平均相似度1、平均相似度2、平均相似度3以及平均相似度4，若平均相似度2最高，则将人脸分类组1的封面人脸图像由封面人脸图像1更改为目标人脸图像x；同理，若平均相似度3最高，则将人脸分类组1的封面人脸图像由封面人脸图像1更改为关联人脸图像1，若平均相似度4最高，则将人脸分类组1的封面人脸图像由封面人脸图像1更改为关联人脸图像2，若平均相似度1最高，则保持人脸分类组1的封面人脸图像为封面人脸图像1不变。
可见，将与不同人脸图像之间的平均相似度最高的人脸图像确定为更新后的目标人脸分类组的目标封面人脸图像，能够根据实际情况选择最优的人脸图像，作为封面人脸图像，也便于后续如果存在相似的待分类的人脸图像，能够尽快对其进行分类，而不用进行多层级的不同预设阈值的比较，减少分类耗费的时间，提高分类效率。
205、若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第二预设阈值，且不大于所述第一预设阈值，则计算得到所述目标人脸图像与所述目标封面人脸图像的各关联人脸图像的平均相似度；若确定所述平均相似度大于第三预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像。
在一种实施例中，在所述若确定所述平均相似度大于第三预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像的步骤之后，还包括：调整所述目标人脸图像与所述目标封面人脸图像的相似度，以使得调整后的相似度大于所述第一预设阈值。
具体地，人脸分类装置会调整目标人脸图像与目标封面人脸图像的相似度，以使得调整后的相似度大于第一预设阈值，例如将目标人脸图像与目标封面人脸图像的相似度调整为92%（其中第一预设阈值为90%），从而在后续如果存在相似的待分类的人脸图像，能够尽快对其进行分类，而不用进行多层级的不同预设阈值的比较，减少分类耗费的时间，提高分类效率。
在一种实施例中，所述人脸分类方法还包括：若确定所述目标人脸图像与所述目标封面人脸图像的相似度不大于所述第二预设阈值，则生成所述目标人脸图像对应的人脸分类组，并将所述目标人脸图像对应的人脸分类组添加至所述人脸聚类库。
在一种实施例中，所述人脸分类方法还包括：若确定所述平均相似度不大于所述第三预设阈值，则生成所述目标人脸图像对应的人脸分类组，并将所述目标人脸图像对应的人脸分类组添加至所述人脸聚类库。
具体地，如图5所示，图5为本申请实施例提供的另一种人脸分类方法的场景示意图，图5所示的人脸采集数据的组成和人脸聚类库的组成与上述图4所述的人脸采集数据的组成和人脸聚类库的组成相同，主要区别是：图5所示的目标人脸图像x与封面人脸图像1、封面人脸图像2以及封面人脸图像3的相似度依次为60%、85%和75%，则将85%与第二预设阈值（假设为80%）进行比较，由于85%大于80%，则将目标人脸图像x与封面人脸图像2的关联人脸图像3和关联人脸图像4分别进行相似度计算（二次比对），得到目标人脸图像x与关联人脸图像3、关联人脸图像4的相似度依次为88%和90%，计算平均相似度为89%。将89%与第三预设阈值（假设为85%）进行比较，由于88%大于85%，则将目标人脸图像x添加为封面人脸图像2的关联人脸图像，从而完成人脸聚类库的更新操作。需要说明的是，可以采用相同或者类似方式，将其他人脸图像1和其他人脸图像2添加至人脸聚类库中，此处不再赘述。
具体地，如图6所示，图6为本申请实施例提供的另一种人脸分类方法的场景示意图，图6所示的人脸采集数据的组成和人脸聚类库的组成与上述图5所述的人脸采集数据的组成和人脸聚类库的组成相同，主要区别是：图6所示的目标人脸图像x与封面人脸图像1、封面人脸图像2以及封面人脸图像3的相似度均不大于第二预设阈值（假设为80%），和/或平均相似度不大于第三预设阈值（假设为85%），此时人脸分类装置都会将目标人脸图像x作为一个新的人脸分类组（图中所示人脸分类组4），存入至人脸聚类库中。
在一种实施例中，在所述将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像的步骤之后，还包括：更新所述目标封面人脸图像的关联人脸图像，以更新所述目标人脸分类组；获取更新后的所述目标人脸分类组中各人脸图像的时空信息，所述时空信息用于表征各人脸图像在每个采集点的时间信息和地点信息；基于所述时空信息确定所述目标人脸图像对应的目标对象的运动轨迹。
在一种场景下，假设目标对象为行人，行人是移动的，同时也是在多个场景中出现的，那么可以将多场景下的人脸图像作为目标人脸图像，为了从多场景下的目标人脸图像中找出属于同一个人的人脸图像，可以采用如下方式：首先在任意一个场景下任意选择一个目标行人，以及在不同采集点对目标行人进行人脸抓拍搜索，确定目标行人在不同场景下的位置，以得到人脸采集数据；然后对人脸采集数据的每个采集点按照时间和地点分为多个时空，并在多个时空下进行多次查找，查找到所有的抓拍图像（包括其他行人的抓拍图像）；最后将所有的抓拍图像按照本申请的人脸分类方法进行分析，以找到属于目标行人的所有人脸图像以及确定目标行人的运动轨迹。
进一步地，在一种实施例中，在所述基于所述时空信息确定所述目标人脸图像对应的目标对象的运动轨迹的步骤之后，还包括：接收对所述运动轨迹的展示请求；基于所述展示请求展示所述运动轨迹。
具体地，用户（例如公安人员）可以请求查找目标对象的运动轨迹，人脸分类装置在接收到针对运动轨迹的展示请求后，可以基于该展示请求将目标对象的运动轨迹按照时间轴的先后顺序进行展示。
在一种实施例中，所述人脸分类方法还包括：接收对所述人脸聚类库的展示请求；根据所述展示请求，按照所述人脸聚类库中的各人脸分类组的展示优先级，展示所述人脸聚类库中的各人脸分类组的封面人脸图像。
具体地，用户可以请求预览人脸聚类库，人脸分类装置在接收到展示请求后，按照人脸聚类库中的各人脸分类组的展示优先级，展示各人脸分类组的封面人脸图像。另外，用户在预览封面人脸图像的同时，可以选中封面人脸图像后，人脸分类装置展示用户选中的封面人脸图像的关联人脸图像，从而实现了用户针对人脸聚类库的预览需求。当然，用户可以选择删除、增加等操作选项，比如删除某个人脸分类组，又比如在某个人脸分类组中增加相应的人脸图像，以满足对人脸聚类库的个性化操作需求。
综上可见，首先将待分类的目标人脸图像与人脸聚类库中的各人脸分类组的封面人脸图像分别进行相似度计算，得到目标人脸图像与各封面人脸图像的相似度；然后基于相似度确定目标封面人脸图像，如果目标封面人脸图像与目标人脸图像的相似度大于第一预设阈值，则确定目标人脸图像为目标封面人脸图像的关联人脸图像，如果目标封面人脸图像与目标人脸图像的相似度大于第二预设阈值，且不大于第一预设阈值，则将目标人脸图像与目标封面人脸图像的各关联人脸图像分别进行相似度计算，得到目标人脸图像与目标封面人脸图像的各关联人脸图像的平均相似度，如果平均相似度大于第三预设阈值，则确定目标人脸图像为目标封面人脸图像的关联人脸图像。从而本申请通过设置多个预设阈值，一方面提高了分类准确率，另一方面也针对无关数据进行了过滤，从而提高了分类效率，减少了算力的消耗。
为了更好地实施本申请实施例的上述方案，下面还提供用于实施上述方案的相关装置，请参阅图7，图7为本申请实施例提供的一种人脸分类装置的结构示意图，人脸分类装置包括：
获取单元701，用于获取待分类的目标人脸图像。
计算单元702，用于将所述目标人脸图像与人脸聚类库中的各人脸分类组的封面人脸图像分别进行相似度计算，得到所述目标人脸图像与各所述封面人脸图像的相似度。
第一确定单元703，用于根据所述目标人脸图像与各所述封面人脸图像的相似度确定目标人脸分类组的目标封面人脸图像。
第二确定单元704，用于若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第一预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像。
处理单元705，用于若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第二预设阈值，且不大于所述第一预设阈值，则计算得到所述目标人脸图像与所述目标封面人脸图像的各关联人脸图像的平均相似度；若确定所述平均相似度大于第三预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像。
在一种实施例中，在所述获取单元701获取待分类的目标人脸图像的步骤之前，所述获取单元701，还用于获取人脸图像集合；所述处理单元705，还用于从所述人脸图像集合中随机选取一个参考人脸图像；将所述参考人脸图像与所述人脸图像集合中剩余的人脸图像分别进行相似度计算；若存在相似度大于第四预设阈值的人脸图像，则将相似度大于第四预设阈值的人脸图像确定为所述参考人脸图像的关联人脸图像；将所述参考人脸图像以及所述参考人脸图像的关联人脸图像通过参考人脸分类组关联存储至初始人脸聚类库，并从所述人脸图像集合中去除所述参考人脸图像以及所述参考人脸图像的关联人脸，以更新所述人脸图像集合；其中，所述参考人脸图像为所述参考人脸分类组的封面人脸图像；重复所述参考人脸图像的执行步骤，直至所述人脸图像集合中的各人脸图像存储至所述初始人脸聚类库，以得到所述人脸聚类库。
在一种实施例中，在若确定所述平均相似度大于第三预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像之后，所述处理单元705，还用于调整所述目标人脸图像与所述目标封面人脸图像的相似度，以使得调整后的相似度大于所述第一预设阈值。
在一种实施例中，在将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像之后，所述处理单元705，还用于更新所述目标封面人脸图像的关联人脸图像，以更新所述目标人脸分类组；获取更新后的所述目标人脸分类组中不同人脸图像之间的相似度；将与不同人脸图像之间的平均相似度最高的人脸图像确定为更新后的所述目标人脸分类组的目标封面人脸图像。
在一种实施例中，在将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像之后，所述处理单元705，还用于更新所述目标封面人脸图像的关联人脸图像，以更新所述目标人脸分类组；获取更新后的所述目标人脸分类组中各人脸图像的时空信息，所述时空信息用于表征各人脸图像在每个采集点的时间信息和地点信息；基于所述时空信息确定所述目标人脸图像对应的目标对象的运动轨迹。
在一种实施例中，还包括接收单元和展示单元，在基于所述时空信息确定所述目标人脸图像对应的目标对象的运动轨迹之后，所述接收单元，用于接收对所述运动轨迹的展示请求；所述展示单元，用于基于所述展示请求展示所述运动轨迹。
在一种实施例中，所述获取单元701，还用于接收对所述人脸聚类库的展示请求；所述处理单元705，还用于根据所述展示请求，按照所述人脸聚类库中的各人脸分类组的展示优先级，展示所述人脸聚类库中的各人脸分类组的封面人脸图像。
在一种实施例中，所述处理单元705，还用于若确定所述目标人脸图像与所述目标封面人脸图像的相似度不大于所述第二预设阈值，则生成所述目标人脸图像对应的人脸分类组，并将所述目标人脸图像对应的人脸分类组添加至所述人脸聚类库。
在一种实施例中，所述处理单元705，还用于若确定所述平均相似度不大于所述第三预设阈值，则生成所述目标人脸图像对应的人脸分类组，并将所述目标人脸图像对应的人脸分类组添加至所述人脸聚类库。
综上可见，首先将待分类的目标人脸图像与人脸聚类库中的各人脸分类组的封面人脸图像分别进行相似度计算，得到目标人脸图像与各封面人脸图像的相似度；然后基于相似度确定目标封面人脸图像，如果目标封面人脸图像与目标人脸图像的相似度大于第一预设阈值，则确定目标人脸图像为目标封面人脸图像的关联人脸图像，如果目标封面人脸图像与目标人脸图像的相似度大于第二预设阈值，且不大于第一预设阈值，则将目标人脸图像与目标封面人脸图像的各关联人脸图像分别进行相似度计算，得到目标人脸图像与目标封面人脸图像的各关联人脸图像的平均相似度，如果平均相似度大于第三预设阈值，则确定目标人脸图像为目标封面人脸图像的关联人脸图像，并且调整目标人脸图像与目标封面人脸图像的相似度，以使得调整后的相似度大于第一预设阈值。从而本申请通过设置多个预设阈值，一方面提高了分类准确率，另一方面也针对无关数据进行了过滤，从而提高了分类效率，减少了算力的消耗。
图8示例了一种计算机设备的实体结构示意图，如图8所示，该计算机设备可以包括：处理器(processor)801、通信接口(Communications Interface)802、存储器(memory)803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信。处理器801可以调用存储器803中的逻辑指令，以执行如下方法：获取待分类的目标人脸图像；将所述目标人脸图像与人脸聚类库中的各人脸分类组的封面人脸图像分别进行相似度计算，得到所述目标人脸图像与各所述封面人脸图像的相似度；所述人脸分类组包括封面人脸图像以及所述封面人脸图像的关联人脸图像；根据所述目标人脸图像与各所述封面人脸图像的相似度确定目标人脸分类组的目标封面人脸图像；若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第一预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像；若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第二预设阈值，且不大于所述第一预设阈值，则计算得到所述目标人脸图像与所述目标封面人脸图像的各关联人脸图像的平均相似度；若确定所述平均相似度大于第三预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像。
此外，上述的存储器803中的逻辑指令可以通过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，可以存储在一个计算机可读取存储介质中。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一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，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。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本申请实施例还提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：获取待分类的目标人脸图像；将所述目标人脸图像与人脸聚类库中的各人脸分类组的封面人脸图像分别进行相似度计算，得到所述目标人脸图像与各所述封面人脸图像的相似度；所述人脸分类组包括封面人脸图像以及所述封面人脸图像的关联人脸图像；根据所述目标人脸图像与各所述封面人脸图像的相似度确定目标人脸分类组的目标封面人脸图像；若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第一预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像；若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第二预设阈值，且不大于所述第一预设阈值，则计算得到所述目标人脸图像与所述目标封面人脸图像的各关联人脸图像的平均相似度；若确定所述平均相似度大于第三预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像。
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种人脸分类方法，其特征在于，包括：
获取待分类的目标人脸图像；
将所述目标人脸图像与人脸聚类库中的各人脸分类组的封面人脸图像分别进行相似度计算，得到所述目标人脸图像与各所述封面人脸图像的相似度；所述人脸分类组包括封面人脸图像以及所述封面人脸图像的关联人脸图像；
根据所述目标人脸图像与各所述封面人脸图像的相似度确定目标人脸分类组的目标封面人脸图像；
若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第一预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像；
若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第二预设阈值，且不大于所述第一预设阈值，则计算得到所述目标人脸图像与所述目标封面人脸图像的各关联人脸图像的平均相似度；若确定所述平均相似度大于第三预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像；
在所述将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像的步骤之后，还包括：
更新所述目标封面人脸图像的关联人脸图像，以更新所述目标人脸分类组；
获取更新后的所述目标人脸分类组中不同人脸图像之间的相似度；
将与不同人脸图像之间的平均相似度最高的人脸图像确定为更新后的所述目标人脸分类组的目标封面人脸图像；
所述人脸分类方法，还包括：接收对所述人脸聚类库的展示请求；
根据所述展示请求，按照所述人脸聚类库中的各人脸分类组的展示优先级，展示所述人脸聚类库中的各人脸分类组的封面人脸图像。
2.根据权利要求1所述的人脸分类方法，其特征在于，在所述获取待分类的目标人脸图像的步骤之前，还包括：
获取人脸图像集合；
从所述人脸图像集合中随机选取一个参考人脸图像；
将所述参考人脸图像与所述人脸图像集合中剩余的人脸图像分别进行相似度计算；
若存在相似度大于第四预设阈值的人脸图像，则将相似度大于第四预设阈值的人脸图像确定为所述参考人脸图像的关联人脸图像；
将所述参考人脸图像以及所述参考人脸图像的关联人脸图像通过参考人脸分类组关联存储至初始人脸聚类库，并从所述人脸图像集合中去除所述参考人脸图像以及所述参考人脸图像的关联人脸，以更新所述人脸图像集合；其中，所述参考人脸图像为所述参考人脸分类组的封面人脸图像；
重复所述参考人脸图像的执行步骤，直至所述人脸图像集合中的各人脸图像存储至所述初始人脸聚类库，以得到所述人脸聚类库。
3.根据权利要求1所述的人脸分类方法，其特征在于，在所述若确定所述平均相似度大于第三预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像的步骤之后，还包括：
调整所述目标人脸图像与所述目标封面人脸图像的相似度，以使得调整后的相似度大于所述第一预设阈值。
4.根据权利要求1所述的人脸分类方法，其特征在于，在所述将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像的步骤之后，还包括：
更新所述目标封面人脸图像的关联人脸图像，以更新所述目标人脸分类组；
获取更新后的所述目标人脸分类组中各人脸图像的时空信息，所述时空信息用于表征各人脸图像在每个采集点的时间信息和地点信息；
基于所述时空信息确定所述目标人脸图像对应的目标对象的运动轨迹。
5.根据权利要求4所述的人脸分类方法，其特征在于，在所述基于所述时空信息确定所述目标人脸图像对应的目标对象的运动轨迹的步骤之后，还包括：
接收对所述运动轨迹的展示请求；
基于所述展示请求展示所述运动轨迹。
6.根据权利要求1-5任一项所述的人脸分类方法，其特征在于，所述人脸分类方法还包括：
若确定所述目标人脸图像与所述目标封面人脸图像的相似度不大于所述第二预设阈值，则生成所述目标人脸图像对应的人脸分类组，并将所述目标人脸图像对应的人脸分类组添加至所述人脸聚类库。
7.根据权利要求1-5任一项所述的人脸分类方法，其特征在于，所述人脸分类方法还包括：
若确定所述平均相似度不大于所述第三预设阈值，则生成所述目标人脸图像对应的人脸分类组，并将所述目标人脸图像对应的人脸分类组添加至所述人脸聚类库。
8.一种人脸分类装置，其特征在于，包括：
获取单元，用于获取待分类的目标人脸图像；
计算单元，用于将所述目标人脸图像与人脸聚类库中的各人脸分类组的封面人脸图像分别进行相似度计算，得到所述目标人脸图像与各所述封面人脸图像的相似度；所述人脸分类组包括封面人脸图像以及所述封面人脸图像的关联人脸图像；
第一确定单元，用于根据所述目标人脸图像与各所述封面人脸图像的相似度确定目标人脸分类组的目标封面人脸图像；
第二确定单元，用于若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第一预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像；
处理单元，用于若确定所述目标人脸图像与所述目标封面人脸图像的相似度大于第二预设阈值，且不大于所述第一预设阈值，则计算得到所述目标人脸图像与所述目标封面人脸图像的各关联人脸图像的平均相似度；若确定所述平均相似度大于第三预设阈值，则将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像；
所述处理单元，在所述将所述目标人脸图像确定为所述目标封面人脸图像的关联人脸图像的步骤之后，还用于更新所述目标封面人脸图像的关联人脸图像，以更新所述目标人脸分类组；获取更新后的所述目标人脸分类组中不同人脸图像之间的相似度；将与不同人脸图像之间的平均相似度最高的人脸图像确定为更新后的所述目标人脸分类组的目标封面人脸图像；
所述获取单元，还用于接收对所述人脸聚类库的展示请求；
所述处理单元，还用于根据所述展示请求，按照所述人脸聚类库中的各人脸分类组的展示优先级，展示所述人脸聚类库中的各人脸分类组的封面人脸图像。
CN202110537276.3A 2021-05-18 2021-05-18 一种人脸分类方法及装置 Active CN112966136B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110537276.3A CN112966136B (zh) 2021-05-18 2021-05-18 一种人脸分类方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110537276.3A CN112966136B (zh) 2021-05-18 2021-05-18 一种人脸分类方法及装置

Publications (2)

Publication Number Publication Date
CN112966136A CN112966136A (zh) 2021-06-15
CN112966136B true CN112966136B (zh) 2021-09-07

Family

ID=76279751

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110537276.3A Active CN112966136B (zh) 2021-05-18 2021-05-18 一种人脸分类方法及装置

Country Status (1)

Country Link
CN (1) CN112966136B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326805B (zh) * 2021-06-24 2024-04-05 杭州海康威视数字技术股份有限公司 一种人体封面更新方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875522A (zh) * 2017-12-21 2018-11-23 北京旷视科技有限公司 人脸聚类方法、装置和系统及存储介质
CN109726648A (zh) * 2018-12-14 2019-05-07 深圳壹账通智能科技有限公司 一种基于机器学习的人脸图像识别方法和装置
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
CN110728225A (zh) * 2019-10-08 2020-01-24 北京联华博创科技有限公司 一种用于考勤的高速人脸搜索方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105095881B (zh) * 2015-08-21 2023-04-07 小米科技有限责任公司 人脸识别方法、装置及终端
JP6186476B2 (ja) * 2016-06-23 2017-08-23 日本電信電話株式会社 情報提示装置、方法、及びプログラム
CN106407439A (zh) * 2016-09-29 2017-02-15 四川研宝科技有限公司 用于生成和标记照片或/和视频集合中轨迹的方法及系统
CN111144332A (zh) * 2019-12-30 2020-05-12 深圳云天励飞技术有限公司 一种图片聚档方法、装置和电子设备
CN111414949B (zh) * 2020-03-13 2023-06-27 杭州海康威视系统技术有限公司 图片聚类方法、装置、电子设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875522A (zh) * 2017-12-21 2018-11-23 北京旷视科技有限公司 人脸聚类方法、装置和系统及存储介质
CN109726648A (zh) * 2018-12-14 2019-05-07 深圳壹账通智能科技有限公司 一种基于机器学习的人脸图像识别方法和装置
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
CN110728225A (zh) * 2019-10-08 2020-01-24 北京联华博创科技有限公司 一种用于考勤的高速人脸搜索方法

Also Published As

Publication number Publication date
CN112966136A (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
CN110807385B (zh) 目标检测方法、装置、电子设备及存储介质
CN109644255B (zh) 标注包括一组帧的视频流的方法和装置
US20170300744A1 (en) Method and apparatus for determining identity identifier of face in face image, and terminal
Sujatha et al. A study on keyframe extraction methods for video summary
Lo et al. Video segmentation using a histogram-based fuzzy c-means clustering algorithm
US20220301317A1 (en) Method and device for constructing object motion trajectory, and computer storage medium
CN113111838B (zh) 行为识别方法及装置、设备和存储介质
JP2011505601A (ja) 映像処理方法および映像処理装置
Chen et al. Multi-camera Vehicle Tracking and Re-identification on AI City Challenge 2019.
CN110781733A (zh) 图像去重方法、存储介质、网络设备和智能监控系统
CN112132873A (zh) 一种基于计算机视觉的多镜头行人识别与跟踪
Zhao et al. Scene segmentation and categorization using ncuts
CN112966136B (zh) 一种人脸分类方法及装置
CN116311166A (zh) 交通障碍物识别方法、装置及电子设备
Pang et al. Federated learning for crowd counting in smart surveillance systems
CN109862313B (zh) 一种视频浓缩方法及装置
Zhu et al. Video scene segmentation and semantic representation using a novel scheme
Zaman et al. A robust deep networks based multi-object multi-camera tracking system for city scale traffic
CN112257628A (zh) 一种户外比赛运动员的身份识别方法、装置及设备
Qu et al. A time sequence location method of long video violence based on improved C3D network
CN114926973B (zh) 一种视频监控方法、装置、系统、服务器及可读存储介质
CN116071569A (zh) 图像选择方法、计算机设备及存储装置
US20230012137A1 (en) Pedestrian search method, server, and storage medium
CN114550049A (zh) 行为识别方法、装置、设备及存储介质
Vo et al. UIT-anomaly: a modern vietnamese video dataset for anomaly detection

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