CN113128293A - 一种图像处理方法、装置、电子设备及存储介质 - Google Patents

一种图像处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113128293A
CN113128293A CN201911421706.4A CN201911421706A CN113128293A CN 113128293 A CN113128293 A CN 113128293A CN 201911421706 A CN201911421706 A CN 201911421706A CN 113128293 A CN113128293 A CN 113128293A
Authority
CN
China
Prior art keywords
processed
image
images
group
target
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.)
Pending
Application number
CN201911421706.4A
Other languages
English (en)
Inventor
向杰
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital 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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201911421706.4A priority Critical patent/CN113128293A/zh
Publication of CN113128293A publication Critical patent/CN113128293A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • 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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Abstract

本发明实施例提供了一种图像处理方法、装置、电子设备及存储介质。该方法包括：确定待处理图像；对待处理图像进行分组；其中，每组待处理图像为：包括同一对象的图像；针对每一组待处理图像，基于该组待处理图像所对应的对象，对该组待处理图像中的每一待处理图像进行评分；其中，该组待处理图像所对应的对象为：该组待处理图像中，各个待处理图像所包括的相同的对象；针对每一组待处理图像，删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。与现有技术相比，应用本发明实施例提供的方案，能够减少重复抓拍图像对存储空间的占用，缓解智能监控系统存储资源紧张的情况。

Description

一种图像处理方法、装置、电子设备及存储介质
技术领域
本发明涉及数据存储技术领域，特别是涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
在智能监控系统中，对视频进行智能分析，往往需要抓拍目标的快照图片并保存到存储器中。
通常，由于智能监控系统是持续不间断运行的，因此，在长时间运行后，在所存储的目标抓拍图片中，存在针对同一目标的大量重复图片，从而占据了大量的存储空间，导致智能监控系统的存储资源紧张。
发明内容
本发明实施例的目的在于提供一种图像处理方法、装置、电子设备及存储介质，以减少重复抓拍图像对存储空间的占用，缓解智能监控系统存储资源紧张的情况。具体技术方案如下：
第一方面，本发明实施例提供了一种图像处理方法，所述方法包括：
确定待处理图像；
对所述待处理图像进行分组；其中，每组待处理图像为：包括同一对象的图像；
针对每一组待处理图像，基于该组待处理图像所对应的对象，对该组待处理图像中的每一待处理图像进行评分；其中，该组待处理图像所对应的对象为：该组待处理图像中，各个待处理图像所包括的相同的对象；
针对每一组待处理图像，删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。
可选的，一种具体实现方式中，所述基于该组待处理图像所对应的对象，对该组待处理图像中的每一待处理图像进行评分的步骤，包括：
针对每一待处理图像，确定所述对象在该待处理图像中多个目标评分项的评分，对所得到的多个评分进行融合，得到该待处理图像的评分；
其中，所述多个目标评分项包括以下评分项中的多个：目标位置、目标大小、目标遮挡和目标清晰度。
可选的，一种具体实现方式中，当所述目标评分项的数量为多个时，所述对所得到的多个评分进行融合，得到该待处理图像的评分的步骤，包括：
计算所得到的多个评分的乘积，将所得到的乘积作为该待处理图像的评分；或者，
计算每个目标评分项的权重和评分的乘积，并计算所得到的各个乘积的和值，将所得到的和值作为该待处理图像的评分。
可选的，一种具体实现方式中，所述针对每一组待处理图像，删除该组待处理图像中，所得到的评分满足预设条件的待处理图像的步骤，包括：
针对每一组待处理图像，删除该组待处理图像中，除所得到的评分最高的待处理图像之外的其他待处理图像。
可选的，一种具体实现方式中，所述确定待处理图像的步骤，包括：
在预设存储空间的占用率达到预设阈值时，确定所述存储空间中的待处理图像；或者，
确定预设存储空间中，存储时长达到预设时长的待处理图像；或者，
在接收到预设处理指令时，确定待处理图像。
可选的，一种具体实现方式中，所述对所述待处理图像进行分组的步骤，包括：
确定所述待处理图像中所包括的对象的类型，并将所包括对象的类型相同的待处理图像划分为同一类待处理图像，得到多类待处理图像；
针对每类待处理图像，确定该类待处理图像中，每一待处理图像所包括的对象的特征信息，并将所确定的特征信息匹配的待处理图像划分为同一组待处理图像，得到多组待处理图像。
可选的，一种具体实现方式中，所述对象包括车牌和人脸，当所述对象为车牌时，所述特征信息包括：车牌号；当所述对象为人脸时，所述特征信息包括：人脸的特征参数。
可选的，一种具体实现方式中，所述对象还包括非特定目标，所述非特定目标的特征信息包括所述非特定目标的目标框坐标。
第二方面，本发明实施例提供了一种图像处理装置，所述装置包括：
图像获取模块，用于确定待处理图像；
图像分组模块，用于对所述待处理图像进行分组；其中，每组待处理图像为：包括同一对象的图像；
图像评分模块，用于针对每一组待处理图像，基于该组待处理图像所对应的对象，对该组待处理图像中的每一待处理图像进行评分；其中，该组待处理图像所对应的对象为：该组待处理图像中，各个待处理图像所包括的相同的对象；
图像删除模块，用于针对每一组待处理图像，删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。
可选的，一种具体实现方式中，所述图像评分模块包括：
图像评分子模块，用于针对每一待处理图像，确定所述对象在该待处理图像中多个目标评分项的评分；
评分融合子模块，用于针对待处理图像，对所得到的多个评分进行融合，得到该待处理图像的评分；
其中，所述多个目标评分项包括以下评分项中的多个：目标位置、目标大小、目标遮挡和目标清晰度。
可选的，一种具体实现方式中，当所述目标评分项的数量为多个时，所述评分融合子模块具体用于：
计算所得到的多个评分的乘积，将所得到的乘积作为该待处理图像的评分；或者，
计算每个目标评分项的权重和评分的乘积，并计算所得到的各个乘积的和值，将所得到的和值作为该待处理图像的评分。
可选的，一种具体实现方式中，所述图像删除模块具体用于：
针对每一组待处理图像，删除该组待处理图像中，除所得到的评分最高的待处理图像之外的其他待处理图像。
可选的，一种具体实现方式中，所述图像获取模块具体用于：
在预设存储空间的占用率达到预设阈值时，确定所述存储空间中的待处理图像；或者，
确定预设存储空间中，存储时长达到预设时长的待处理图像；或者，
在接收到预设处理指令时，确定待处理图像。
可选的，一种具体实现方式中，所述图像分组模块具体用于：
确定所述待处理图像中所包括的对象的类型，并将所包括对象的类型相同的待处理图像划分为同一类待处理图像，得到多类待处理图像；
针对每类待处理图像，确定该类待处理图像中，每一待处理图像所包括的对象的特征信息，并将所确定的特征信息匹配的待处理图像划分为同一组待处理图像，得到多组待处理图像。
可选的，一种具体实现方式中，所述对象包括车牌和人脸，当所述对象为车牌时，所述特征信息包括：车牌号；当所述对象为人脸时，所述特征信息包括：人脸的特征参数。
可选的，一种具体实现方式中，所述对象还包括非特定目标，所述非特定目标的特征信息包括所述非特定目标的目标框坐标。
第三方面，本发明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，实现上述第一方面任一图像处理方法的步骤。
第四方面，本发明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上述第一方面任一图像处理方法的步骤。
以上可见，应用本发明实施例提供的方案，在获取到待处理图像后，可以根据待处理图像所包括的对象，将包括相同对象的待处理图像划分为一组。进而，针对每一组待处理图像，基于该组待处理图像中，各个待处理图像所包括的相同的对象，对每一待处理图像进行评分。这样，针对每一组待处理图像，可以得到该组待处理图像中每一待处理图像的评分，从而，便可以删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。基于此，应用本发明实施例提供的方案，可以删除所存储的目标抓拍图像中，针对同一目标的大量重复图片中的多张图片，从而，减少重复抓拍图像对存储空间的占用，缓解智能监控系统存储资源紧张的情况。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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为本发明实施例提供的一种图像处理方法的流程示意图；
图2为图1中S102的一种具体实现方式的流程示意图；
图3(a)-图3(d)分别为一待处理图像；
图4为本发明实施例提供的一种图像处理装置的结构示意图；
图5为本发明实施例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，都属于本发明保护的范围。
在智能监控系统中，对视频进行智能分析，往往需要抓拍目标的快照图片并保存到存储器中。通常，由于智能监控系统是持续不间断运行的，因此，在长时间运行后，在所存储的目标抓拍图片中，存在针对同一目标的大量重复图片，从而占据了大量的存储空间，导致智能监控系统的存储资源紧张。
为了解决上述技术问题，本发明实施例提供了一种图像处理方法。该方法包括：
确定待处理图像，并对所述待处理图像进行分组；其中，每组待处理图像为：包括同一对象的图像；
针对每一组待处理图像，基于该组待处理图像所对应的对象，对该组待处理图像中的每一待处理图像进行评分；其中，该组待处理图像所对应的对象为：该组待处理图像中，各个待处理图像所包括的相同的对象；
针对每一组待处理图像，删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。
其中，需要说明的是，本发明实施例提供的一种图像处理方法，可以应用于任一需要对图像进行处理的设备，例如，计算机、网络摄像机等等，对此，本发明实施例不做具体限定，以下简称电子设备
以上可见，应用本发明实施例提供的方案，在获取到待处理图像后，可以根据待处理图像所包括的对象，将包括相同对象的待处理图像划分为一组。进而，针对每一组待处理图像，基于该组待处理图像中，各个待处理图像所包括的相同的对象，对每一待处理图像进行评分。这样，针对每一组待处理图像，可以得到该组待处理图像中每一待处理图像的评分，从而，便可以删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。基于此，应用本发明实施例提供的方案，可以删除所存储的目标抓拍图像中，针对同一目标的大量重复图片中的多张图片，从而，减少重复抓拍图像对存储空间的占用，缓解智能监控系统存储资源紧张的情况。
下面，对本发明实施例提供的一种图像处理方法进行具体说明。
图1为本发明实施例提供的一种图像处理方法的流程示意图，如图1所示，该方法包括：
S101：确定待处理图像；
S102：对所述待处理图像进行分组；
其中，每组待处理图像为：包括同一对象的图像；
S103：针对每一组待处理图像，基于该组待处理图像所对应的对象，对该组待处理图像中的每一待处理图像进行评分；
其中，该组待处理图像所对应的对象为：该组待处理图像中，各个待处理图像所包括的相同的对象；
S104：针对每一组待处理图像，删除该组待处理图像中，除所得到的评分满足预设条件的待处理图像。
具体的：
针对上述步骤S101，确定待处理图像；
在对图像进行处理之前，电子设备需要首先获取到需要进行处理的图像，因此，在本发明实施例提供的一种图像处理方法中，电子设备可以先执行上述步骤S101，从而，确定出需要进行处理的待处理图像。
其中，电子设备可以通过多种方式执行上述步骤S101，对此，本发明实施例不做具体限定。
可选的，一种具体实现方式中，上述步骤S101可以包括：
在预设存储空间的占用率达到预设阈值时，确定所述存储空间中的待处理图像。
在本具体实现方式中，当电子设备的预设存储空间的占用率达到预设阈值时，可以说明该存储空间中存储了大量数据，可以导致电子设备的存储资源紧张，因此，为了缓解该存储资源紧张的情况，电子设备可以对该存储空间中所存储的待处理图像进行处理，从而，减少待处理图像对该存储空间的占用。
基于此，在预设存储空间的占用率达到预设阈值时，电子设备便可以将该存储空间中所存储的图像确定为待处理图像。这样，电子设备便可以存储资源紧张时，及时减少图像对存储空间的占用，缓解存储资源紧张的情况。
可选的，另一种具体实现方式中，上述步骤S101可以包括：
确定预设存储空间中，存储时长达到预设时长的待处理图像。
在电子设备的预设存储空间中，可以存在一些存储时间较长的图像，从而，存储有多张存储时间较长的图像。然而，由于存储时间较长，这些图像的利用价值很可能较小，但是却占据了大量的存储空间。基于此，电子设备便可以将该存储空间中，存储时长达到预设时长的图像确定为待处理图像。
可选的，在本具体实现方式中，电子设备可以按照预设周期，每隔一定的时间执行一次本发明实施例提供的一种图像处理方法。这样，电子设备便可以按照预设周期，将该存储空间中，存储时长达到预设时长的图像确定为待处理图像，从而，可以定期对预设存储空间的清理，使得存储空间中所存储的图像占用的存储空间可以保持在一定空间之内，从而，可以减少电子设备的存储资源紧张的情况的发生。
可选的，再一种具体实现方式中，上述步骤S101可以包括：
在接收到预设处理指令时，确定待处理图像。
随着电子设备所面临的场景的不同，可能出现较短时间内存储大量图像的情况，即可能出现预设存储空间中图像所占用的存储空间激增的情况，因此，为了保证在该情况下，预设存储空间中可以存在充足的存储空间，可以事先对预设存储空间中所存储的图像进行处理，以得到更多的可用存储空间。
基于此，用户可以向电子设备发送预设处理指令，该预设处理指令可以用于指示电子设备对预设存储空间中所存储的图像进行处理，以减少所存储图像对该预设存储空间的占用。这样，电子设备便可以在接收到预设处理指令时，在预设存储空间所存储的图像中，确定待处理图像。
可选的，在接收到预设处理指令时，电子设备可以将预设存储空间所存储的全部图像确定为待处理图像。
可选的，在接收到预设处理指令时，电子设备可以将预设存储空间所存储的图像中，满足预设条件的图像确定为待处理图像。其中，该预设条件可以为：存储时长达到预设时长；也可以为：图像大小大于预设大小；还可以为：图像格式为指定格式等。对此，本发明实施例不做具体限定。
针对上述步骤S102，对所述待处理图像进行分组；
在确定出待处理图像后，电子设备便可以对所确定的待处理图像进行分组。其中，不同的待处理图像可以是针对不同对象所拍摄的图像，因此，可以针对待处理图像所包括的对象对待处理图像进行分组。这样，所得到的每组待处理图像中，每一待处理图像所包括的对象便可以为同一对象。
其中，电子设备可以通过多种方式执行上述步骤S102，对此，本发明实施例不做具体限定。
可选的，一种具体实现方式中，如图2所示，上述步骤S102可以包括：
S201：确定所述待处理图像中所包括的对象的类型，并将所包括对象的类型相同的待处理图像划分为同一类待处理图像，得到多类待处理图像；
S202：针对每类待处理图像，确定该类待处理图像中，每一待处理图像所包括的对象的特征信息，并将所确定的特征信息匹配的待处理图像划分为同一组待处理图像，得到多组待处理图像。
可以理解的，待处理图像中可以包括多种类型的对象，而不同的待处理图像所包括对象的类型可以相同，也可以不同。
基于此，在确定待处理图像后，电子设备便可以利用各类对象检测算法，确定各个待处理图像中所包括的对象的类型，进而，电子设备便可以将所包括对象的类型相同的待处理图像划分为同一类待处理图像，从而，得到多类待处理图像。
例如，当对象的类型为车辆和人时，则如图3(a)和图3(b)所示，不同的待处理图像中所包括的对象的类型相同，均为车辆，而如图3(a)和图3(c)所示，不同的待处理图像中所包括的对象不同，图3(c)和图3(d)中所包括的对象的类型为人。则图3(a)和图3(b)可以被划分入同一类待处理图像，而图3(c)和图3(d)被划分入另一类待处理图像。
又例如，当对象的类型为车牌和人脸时，则如图3(a)-图3(d)所示，图3(a)-图3(d)可以被划分入不同类待处理图像中，也可以是图3(b)和图3(d)被划入同一类待处理图像，而图3(a)和图3(c)被分别划分入另外的不同类待处理图像。
进一步的，对划分入同一类待处理图像中的两张待处理图像而言，虽然其所包括对象的类型是相同的，但是其所包括的对象可以为属于同一类型的不同对象。例如，对于所包括对象的类型均为车牌的两张待处理图像而言，其可以是不同车辆的车牌号，又例如，对于所包括对象的类型均为人脸的两张待处理图像而言，其可以是不同人的人脸。
基于此，得到多类待处理图像后，针对每类待处理图像，需要对该类待处理图像中的各个待处理图像进行分组，以使得每组待处理图像中的各个待处理图像所包括的对象是同一对象。具体的：
针对每类待处理图像，电子设备可以确定该类待处理图像中，每一待处理图像所包括的对象的特征信息，并将所确定的特征信息匹配的待处理图像划分为同一组待处理图像，从而得到多组待处理图像。
其中，可选的，一种实施例中，上述所划分得到的同一组待处理图像中，任两个待处理图像的特征信息的相似度大于预设阈值。
可选的，上述特征信息可以通过特征向量的方式表示，则上述特征信息的相似度的计算方式可以为特征向量的余弦相似度算法。其中，该余弦相似度算法的工时如下所示：
Figure BDA0002352552040000101
其中，
Figure BDA0002352552040000102
和
Figure BDA0002352552040000103
分别为两个特征信息的特征向量，||x||为特征向量
Figure BDA0002352552040000104
的长度，||y||为特征向量
Figure BDA0002352552040000105
的长度，cosθ为计算得到的两个特征信息的特征向量
Figure BDA0002352552040000106
和
Figure BDA0002352552040000107
的余弦夹角，即为两个特征信息的特征向量
Figure BDA0002352552040000108
和
Figure BDA0002352552040000109
的余弦相似度，也就是特征向量
Figure BDA00023525520400001010
和
Figure BDA00023525520400001011
分别对应的特征信息的相似度。。
可选的，在图2所示的具体实现方式中，上述对象的类型可以包括车牌和人脸，则当待处理图像所包括的对象为车牌时，对象的特征信息即可以包括该车辆的车牌号，当待处理图像所包括的对象为人脸时，对象的特征信息即可以包括该人脸的特征参数。
基于此，也就是可以将包括同一车牌号的待处理图像划分入同一待处理图像，将包括同一人脸的待处理图像划分入同一待处理图像。
其中，针对一待处理图像，确定该待处理图像中的目标框，进而，对该目标况进行对象识别，当在该目标框中识别到车牌时，便可以确定该待处理图像所包括的对象为车牌，则该待处理图像所包括对应的特征信息即为车牌号；当在该目标框中识别到人脸时，则可以确定该待识别图像所包括的对象为人脸，则该待处理图像所包括对应的特征信息即为人脸的特征参数。
例如，如图3(a)所示，待处理图像中的目标框内为车辆，且在目标框中识别得到车牌时，则该待处理图像所包括对象的特征信息即为该车牌的车牌号；如图3(c)所示，待处理图像中的目标框内为人，且在目标框中识别得到人脸时，则该待处理图像所包括对象的特征信息即为该人脸的人脸参数。
其中，确定人脸的人脸参数可以通过人脸识别算法来实现，人脸识别算法有很多公开的算法，如基于深度学习的DeepFace、FaceNet、DeepID等人脸识别算法。可选的，可以采用DeepID人脸识别算法(DeepID输出特征为1024维)，并收集了大量监控场景下的人脸样本(超过100万人脸)，用于训练DeepID人脸识别算法，训练完成后，DeepID算法就可以识别监控场景下不同的人脸。
可选的，在待处理图像中的目标框中识别出对象时，该对象的特征信息可以包括对象所在区域的区域坐标。
此外，可以理解的，在有些情况下，如图3(b)所示，尽管能够检测到待处理图像中的目标框内为车辆，但在目标框内却识别不到该车辆的车牌；相应的，在另一些情况下，如图3(d)所示，尽管能够检测到待识别图像中的目标框内为人，但在目标框内却识别不到该人的人脸。
基于此，可选的，待识别图像所包括的对象还可以包括非特定目标。显然，所谓非特定目标可以包括：识别不到车牌的车辆和识别不到人脸的人。进而，该非特定目标的特征信息便可以包括：该特定目标的目标框坐标。
也就是可以将目标框的坐标相同的待处理图像划分入同一待处理图像。
例如，如图3(b)所示，在待处理图像中的目标框内识别不到该车辆的车牌，则图3(b)所包括的对象即为非特定对象，且非特定目标的特征信息为该目标框的坐标；又例如，如图3(d)所示，在待处理图像中的目标框内识别不到该人的人脸，则图3(d)所包括的对象即为非特定对象，且非特定目标的特征信息为该目标框的坐标。
针对上述步骤S103，针对每一组待处理图像，基于该组待处理图像所对应的对象，对该组待处理图像中的每一待处理图像进行评分。
在对待处理图像进行分组，得到多组待处理图像后，电子设备便可以针对每组待处理图像，为该组待处理图像中的每一待处理图像进行评分。其中，由于每一组待处理图像中的各个待处理图像所包括的对象为同一对象，则对该各个待处理图像进行评分可以是基于其包括的该同一对象进行的。
其中，电子设备可以通过多种方式执行上述步骤S103，对此，本发明实施例不做具体限定。
可选的，一种具体实现方式中，上述步骤S103可以包括：
针对每一待处理图像，确定所述对象在该待处理图像中多个目标评分项的评分，对所得到的多个评分进行融合，得到该待处理图像的评分；
其中，所述多个目标评分项包括以下评分项中的多个：目标位置、目标大小、目标遮挡和目标清晰度。
其中，该待处理图像的评分是一个值，其取值范围根据实际情况而定，例如，可以为[0,100]之间的整数，也可以为[0,1]之间的小数。具体的，当该评分为[0,1]之间的小数时，则评分的数值表示所包括的对象的显示效果越好。
针对每一组待处理图像中的每个待处理图像，电子设备可以首先确定该待处理图像所包括的对象在该待处理图像中多个目标评分项的评分，从而，得到多个评分。其中，所述多个目标评分项包括以下评分项中的多个：目标位置、目标大小、目标遮挡和目标清晰度。具体的：
可选的，电子设备可以利用第一公式，计算所述对象在该待处理图像中目标位置的评分。其中，该第一公式为：
Figure BDA0002352552040000131
其中，R(位置)表示所述对象在该待处理图像中目标位置的评分，rect.y表示所述对象所在目标框左上角y轴坐标，rect.h表示所述目标框的高度，rect.y和rect.h的取值范围均为[0,1]，abs()表示取绝对值运算。
其中，目标位置的评分原则为：对象越靠近待处理图像的中心，所得到的评分越高，相应的，越远离待处理对象的中心，所得到的评分越低。也就是说，可以认为处于待处理图像的中心的对象是完整的，而靠近待处理图像的边缘的对象可能不完整。
可选的，电子设备可以利用第二公式，计算所述对象在待处理图像中目标大小的评分。其中，该第二公式为：
R(大小)＝rect.w*rect.h
其中，R(大小)表示所述对象在该待处理图像中目标大小的评分，rect.w表示所述对象所在目标框的宽度,rect.h表示所述目标框的高度，rect.w和rect.h的取值范围均为[0,1]。
其中，目标大小的评分原则为：在对象由远到近，接近图像采集设备的过程中，图像采集设备所采集到的关于该对象的多张待处理图像中，选择对象距离图像采集设备较近，所拍摄得到的对象较大的待处理图像。
可选的，电子设备可以利用第三公式，计算所述对象在待处理图像中目标遮挡的评分。其中，该第三公式为：
Figure BDA0002352552040000132
其中，R(遮挡)表示所述对象在该待处理图像中目标遮挡的评分，S表示所述对象所在目标框与重叠对象所在区域框的重叠框的面积，S0表示所述目标框的面积。
其中，目标遮挡的评分原则为：对象在运动过程中，有可能和周围的其他对象存在遮挡，从而，对于在对象运动过程中，图像采集设备所采集到的关于该对象的多张待处理图像中，选择该对象未被遮挡的待处理图像。具体的，对于待处理图像中的每个对象而言，如果该对象周围不存在其它对象，则该对象与周围对象的最大重叠面积为0，该对象的遮挡比率为0，也就是说，目标遮挡的评分越低，对象被遮挡的部分越少。
可选的，电子设备可以利用如下算法，确定所述对象在待处理图像中目标清晰度的评分。其中，该算法为：
R(清晰度)＝Tenengrad梯度评分
其中，R(清晰度)表示所述对象在该待处理图像中目标清晰度的评分，并且，已将Tenengrad梯度评分归一化到数值范围[0,1]之间。
其中，目标清晰度的评分原则为：在对象的运动过程中，图像采集设备所采集到的关于该对象的待处理图像可以是清晰的，例如，采集关于对象的待处理图像时，对象恰好运动至图像采集设备的镜头能够正常对焦的位置；也可以是模糊的，例如，采集关于对象的待处理图像时，对象恰好运动至图像采集设备的镜头失焦的位置，则选择清晰的待处理图像。
并且，在本具体实现方式中，采用Tenengrad梯度方法，可以利用Sobel算子分别计算水平和垂直方向的梯度，则同一场景下梯度值越高，图像越清晰。
此外，电子设备还可以利用其他公开的图像清晰度评价算法确定所述对象在待处理图像中目标清晰度的评分，例如，Laplacian梯度方法和方差方法等。
当然，上述目标评分项还可以包括其他的评分项，例如，当对象为车牌时，该目标评分项还可以包括车牌倾斜角的评分、车牌颜色的评分、车牌特殊标记的评分等，对此，本发明实施例不做具体限定。
进一步的，在得到该待处理图像所包括的对象在该待处理图像中多个目标评分项的评分后，电子设备便可以对所得到的多个评分进行融合，得到该待处理图像的评分。
其中，电子设备可以通过多种方式对上述多个评分进行融合，对此，本发明实施例不做具体限定。
可选的，电子设备计算所得到的多个评分的乘积，将所得到的乘积作为该待处理图像的评分；
可选的，电子设备计算每个目标评分项的权重和评分的乘积，并计算所得到的各个乘积的和值，将所得到的和值作为该待处理图像的评分。
针对上述步骤S104，针对每一组待处理图像，删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。
针对每一组待处理图像，在得到该组待处理图像中每一待处理图像的评分后，电子设备便可以将该组待处理图像中，所得到的评分满足预设条件的待处理图像删除，从而，减少电子设备的预设存储空间中所存储的图像。
其中，可选的，电子设备可以通过多种方式执行上述步骤S104，对此，本发明实施例不做具体限定。
可选的，一种具体实现方式中，上述步骤S104包括：
针对每一组待处理图像，删除该组待处理图像中，除所得到的评分最高的待处理图像之外的其他待处理图像。
也就是说，在本具体实现方式中，针对每一组待处理图像，仅保留所得到的评分最高的待处理图像，而将其他待处理图像删除。
其中，由于同一组待处理图像中，各个待处理图像所包括的对象为同一对象，则在本具体实现方式中，针对每组待处理图像所对应的对象，仅保留一张包括该对象的图像，则在执行完上述步骤S104后，电子设备的预设存储空间中剩余的待处理图像中，不存在包括相同对象的待处理图像，即剩余的待处理图像中，任意两张待处理图像之间，不存在重复。
可选的，另一种具体实现方式中，上述步骤S104可以包括：
针对每一组待处理图像，删除该组待处理图像中，所得到的评分小于预设评分值的待处理图像。
相应于上述本发明实施例提供的一种图像处理方法，本发明实施例还提供了一种图像处理装置。
图4为本发明实施例提供的一种图像处理装置的结构示意图。该装置包括：
图像获取模块410，用于确定待处理图像；
图像分组模块420，用于对所述待处理图像进行分组；其中，每组待处理图像为：包括同一对象的图像；
图像评分模块430，用于针对每一组待处理图像，基于该组待处理图像所对应的对象，对该组待处理图像中的每一待处理图像进行评分；其中，该组待处理图像所对应的对象为：该组待处理图像中，各个待处理图像所包括的相同的对象；
图像删除模块440，用于针对每一组待处理图像，删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。
以上可见，应用本发明实施例提供的方案，在获取到待处理图像后，可以根据待处理图像所包括的对象，将包括相同对象的待处理图像划分为一组。进而，针对每一组待处理图像，基于该组待处理图像中，各个待处理图像所包括的相同的对象，对每一待处理图像进行评分。这样，针对每一组待处理图像，可以得到该组待处理图像中每一待处理图像的评分，从而，便可以删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。基于此，应用本发明实施例提供的方案，可以删除所存储的目标抓拍图像中，针对同一目标的大量重复图片中的多张图片，从而，减少重复抓拍图像对存储空间的占用，缓解智能监控系统存储资源紧张的情况。
可选的，一种具体实现方式中，所述图像评分模块430包括：
图像评分子模块，用于针对每一待处理图像，确定所述对象在该待处理图像中多个目标评分项的评分；
评分融合子模块，用于针对待处理图像，对所得到的多个评分进行融合，得到该待处理图像的评分；
其中，所述多个目标评分项包括以下评分项中的多个：目标位置、目标大小、目标遮挡和目标清晰度。
可选的，一种具体实现方式中，当所述目标评分项的数量为多个时，所述评分融合子模块具体用于：
计算所得到的多个评分的乘积，将所得到的乘积作为该待处理图像的评分；或者，
计算每个目标评分项的权重和评分的乘积，并计算所得到的各个乘积的和值，将所得到的和值作为该待处理图像的评分。
可选的，一种具体实现方式中，所述图像删除模块440具体用于：
针对每一组待处理图像，删除该组待处理图像中，除所得到的评分最高的待处理图像之外的其他待处理图像。
可选的，一种具体实现方式中，所述图像获取模块410具体用于：
在预设存储空间的占用率达到预设阈值时，确定所述存储空间中的待处理图像；或者，
确定预设存储空间中，存储时长达到预设时长的待处理图像；或者，
在接收到预设处理指令时，确定待处理图像。
可选的，一种具体实现方式中，所述图像分组模块420具体用于：
确定所述待处理图像中所包括的对象的类型，并将所包括对象的类型相同的待处理图像划分为同一类待处理图像，得到多类待处理图像；
针对每类待处理图像，确定该类待处理图像中，每一待处理图像所包括的对象的特征信息，并将所确定的特征信息匹配的待处理图像划分为同一组待处理图像，得到多组待处理图像。
可选的，一种具体实现方式中，所述对象包括车牌和人脸，当所述对象为车牌时，所述特征信息包括：车牌号；当所述对象为人脸时，所述特征信息包括：人脸的特征参数。
可选的，一种具体实现方式中，所述对象还包括非特定目标，所述非特定目标的特征信息包括所述非特定目标的目标框坐标。
相应于上述本发明实施例提供的一种图像处理方法，本发明实施例还提供了一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，
存储器503，用于存放计算机程序；
处理器501，用于执行存储器503上所存放的程序时，实现如下步骤：
确定待处理图像；
对所述待处理图像进行分组；其中，每组待处理图像为：包括同一对象的图像；
针对每一组待处理图像，基于该组待处理图像所对应的对象，对该组待处理图像中的每一待处理图像进行评分；其中，该组待处理图像所对应的对象为：该组待处理图像中，各个待处理图像所包括的相同的对象；
针对每一组待处理图像，删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。
以上可见，应用本发明实施例提供的方案，在获取到待处理图像后，可以根据待处理图像所包括的对象，将包括相同对象的待处理图像划分为一组。进而，针对每一组待处理图像，基于该组待处理图像中，各个待处理图像所包括的相同的对象，对每一待处理图像进行评分。这样，针对每一组待处理图像，可以得到该组待处理图像中每一待处理图像的评分，从而，便可以删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。基于此，应用本发明实施例提供的方案，可以删除所存储的目标抓拍图像中，针对同一目标的大量重复图片中的多张图片，从而，减少重复抓拍图像对存储空间的占用，缓解智能监控系统存储资源紧张的情况。
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。
在本发明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图像处理方法的步骤。
在本发明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图像处理方法。
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发明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，对于装置实施例、电子设备实施例、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。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (13)

1.一种图像处理方法，其特征在于，所述方法包括：
确定待处理图像；
对所述待处理图像进行分组；其中，每组待处理图像为：包括同一对象的图像；
针对每一组待处理图像，基于该组待处理图像所对应的对象，对该组待处理图像中的每一待处理图像进行评分；其中，该组待处理图像所对应的对象为：该组待处理图像中，各个待处理图像所包括的相同的对象；
针对每一组待处理图像，删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。
2.根据权利要求1所述的方法，特征在于，所述基于该组待处理图像所对应的对象，对该组待处理图像中的每一待处理图像进行评分的步骤，包括：
针对每一待处理图像，确定所述对象在该待处理图像中多个目标评分项的评分，对所得到的多个评分进行融合，得到该待处理图像的评分；
其中，所述多个目标评分项包括以下评分项中的多个：目标位置、目标大小、目标遮挡和目标清晰度。
3.根据权利要求2所述的方法，其特征在于，当所述目标评分项的数量为多个时，所述对所得到的多个评分进行融合，得到该待处理图像的评分的步骤，包括：
计算所得到的多个评分的乘积，将所得到的乘积作为该待处理图像的评分；或者，
计算每个目标评分项的权重和评分的乘积，并计算所得到的各个乘积的和值，将所得到的和值作为该待处理图像的评分。
4.根据权利要求1所述的方法，其特征在于，所述针对每一组待处理图像，删除该组待处理图像中，所得到的评分满足预设条件的待处理图像的步骤，包括：
针对每一组待处理图像，删除该组待处理图像中，除所得到的评分最高的待处理图像之外的其他待处理图像。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述确定待处理图像的步骤，包括：
在预设存储空间的占用率达到预设阈值时，确定所述存储空间中的待处理图像；或者，
确定预设存储空间中，存储时长达到预设时长的待处理图像；或者，
在接收到预设处理指令时，确定待处理图像。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述对所述待处理图像进行分组的步骤，包括：
确定所述待处理图像中所包括的对象的类型，并将所包括对象的类型相同的待处理图像划分为同一类待处理图像，得到多类待处理图像；
针对每类待处理图像，确定该类待处理图像中，每一待处理图像所包括的对象的特征信息，并将所确定的特征信息匹配的待处理图像划分为同一组待处理图像，得到多组待处理图像。
7.根据权利要求6所述的方法，其特征在于，所述对象包括车牌和人脸，当所述对象为车牌时，所述特征信息包括：车牌号；当所述对象为人脸时，所述特征信息包括：人脸的特征参数。
8.根据权利要求7所述的方法，其特征在于，所述对象还包括非特定目标，所述非特定目标的特征信息包括所述非特定目标的目标框坐标。
9.一种图像处理装置，其特征在于，所述装置包括：
图像获取模块，用于确定待处理图像；
图像分组模块，用于对所述待处理图像进行分组；其中，每组待处理图像为：包括同一对象的图像；
图像评分模块，用于针对每一组待处理图像，基于该组待处理图像所对应的对象，对该组待处理图像中的每一待处理图像进行评分；其中，该组待处理图像所对应的对象为：该组待处理图像中，各个待处理图像所包括的相同的对象；
图像删除模块，用于针对每一组待处理图像，删除该组待处理图像中，所得到的评分满足预设条件的待处理图像。
10.根据权利要求9所述的装置，特征在于，所述图像评分模块包括：
图像评分子模块，用于针对每一待处理图像，确定所述对象在该待处理图像中多个目标评分项的评分；
评分融合子模块，用于针对待处理图像，对所得到的多个评分进行融合，得到该待处理图像的评分；
其中，所述多个目标评分项包括以下评分项中的多个：目标位置、目标大小、目标遮挡和目标清晰度。
11.根据权利要求10所述的装置，其特征在于，当所述目标评分项的数量为多个时，所述评分融合子模块具体用于：
计算所得到的多个评分的乘积，将所得到的乘积作为该待处理图像的评分；或者，
计算每个目标评分项的权重和评分的乘积，并计算所得到的各个乘积的和值，将所得到的和值作为该待处理图像的评分。
12.一种电子设备，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。
13.一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。
CN201911421706.4A 2019-12-31 2019-12-31 一种图像处理方法、装置、电子设备及存储介质 Pending CN113128293A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911421706.4A CN113128293A (zh) 2019-12-31 2019-12-31 一种图像处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911421706.4A CN113128293A (zh) 2019-12-31 2019-12-31 一种图像处理方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN113128293A true CN113128293A (zh) 2021-07-16

Family

ID=76770058

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911421706.4A Pending CN113128293A (zh) 2019-12-31 2019-12-31 一种图像处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113128293A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106327426A (zh) * 2016-08-19 2017-01-11 携程计算机技术（上海）有限公司 图像去重方法及系统
CN106570110A (zh) * 2016-10-25 2017-04-19 北京小米移动软件有限公司 图像去重方法及装置
CN108228872A (zh) * 2017-07-21 2018-06-29 北京市商汤科技开发有限公司 人脸图像去重方法和装置、电子设备、存储介质、程序
CN109145127A (zh) * 2018-06-20 2019-01-04 北京市商汤科技开发有限公司 图像处理方法及装置、电子设备和存储介质
CN110188722A (zh) * 2019-06-05 2019-08-30 福建深视智能科技有限公司 一种本地人脸识别图像去重的方法及终端
CN110287161A (zh) * 2019-07-02 2019-09-27 北京字节跳动网络技术有限公司 图像处理方法和装置
CN110442738A (zh) * 2019-07-31 2019-11-12 北京明略软件系统有限公司 图片去重方法和装置，存储介质及电子装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106327426A (zh) * 2016-08-19 2017-01-11 携程计算机技术（上海）有限公司 图像去重方法及系统
CN106570110A (zh) * 2016-10-25 2017-04-19 北京小米移动软件有限公司 图像去重方法及装置
CN108228872A (zh) * 2017-07-21 2018-06-29 北京市商汤科技开发有限公司 人脸图像去重方法和装置、电子设备、存储介质、程序
US20190266441A1 (en) * 2017-07-21 2019-08-29 Beijing Sensetime Technology Development Co., Ltd Method and apparatus for face image deduplication and storage medium
CN109145127A (zh) * 2018-06-20 2019-01-04 北京市商汤科技开发有限公司 图像处理方法及装置、电子设备和存储介质
CN110188722A (zh) * 2019-06-05 2019-08-30 福建深视智能科技有限公司 一种本地人脸识别图像去重的方法及终端
CN110287161A (zh) * 2019-07-02 2019-09-27 北京字节跳动网络技术有限公司 图像处理方法和装置
CN110442738A (zh) * 2019-07-31 2019-11-12 北京明略软件系统有限公司 图片去重方法和装置，存储介质及电子装置

Similar Documents

Publication Publication Date Title
US11151384B2 (en) Method and apparatus for obtaining vehicle loss assessment image, server and terminal device
US9076064B2 (en) Image processing apparatus and image processing method
CN105894464B (zh) 一种中值滤波图像处理方法和装置
JP2017033547A (ja) 情報処理装置及びその制御方法及びプログラム
JP2018523877A (ja) オブジェクト追跡のためのシステムおよび方法
CN111414949B (zh) 图片聚类方法、装置、电子设备及存储介质
CN109783680B (zh) 图像推送方法、图像获取方法、装置及图像处理系统
CN109447022B (zh) 一种镜头类型识别方法及装置
CN111291646A (zh) 一种人流量统计方法、装置、设备及存储介质
EP3726421A2 (en) Recognition method and apparatus for false detection of an abandoned object and image processing device
CN113762220B (zh) 目标识别方法、电子设备、计算机可读存储介质
US8218823B2 (en) Determining main objects using range information
CN111553302A (zh) 关键帧选取方法、装置、设备及计算机可读存储介质
CN113298852A (zh) 目标跟踪方法、装置、电子设备及计算机可读存储介质
WO2023160061A1 (zh) 图像中运动对象的确定方法、装置、电子设备和存储介质
CN109451318B (zh) 便于vr视频编码的方法、装置、电子设备及存储介质
CN111161299B (zh) 影像分割方法、存储介质及电子装置
CN113128293A (zh) 一种图像处理方法、装置、电子设备及存储介质
CN113312949A (zh) 视频数据处理方法、视频数据处理装置和电子设备
CN110610178A (zh) 图像识别方法、装置、终端及计算机可读存储介质
CN110634155A (zh) 一种基于深度学习的目标检测方法和装置
CN110874814A (zh) 一种图像处理方法、图像处理装置及终端设备
Jang et al. Robust detection of mosaic regions in visual image data
CN110766644B (zh) 一种图像降采样方法及装置
US9002056B2 (en) Image processing method and apparatus

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