CN113255621A - 人脸图像过滤方法、电子设备和计算机可读存储介质 - Google Patents
人脸图像过滤方法、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113255621A CN113255621A CN202110791776.XA CN202110791776A CN113255621A CN 113255621 A CN113255621 A CN 113255621A CN 202110791776 A CN202110791776 A CN 202110791776A CN 113255621 A CN113255621 A CN 113255621A
- Authority
- CN
- China
- Prior art keywords
- face
- face image
- images
- face images
- representative
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了人脸图像过滤方法、电子设备和计算机可读存储介质,包括:获得存储有人脸图像的档案库,档案库中的多个档案集分别存储有属于同一人脸的所有人脸图像;响应于任一档案集中的人脸图像的数量超过第一阈值,在数量超过第一阈值的档案集中提取代表人脸图像导入至黑名单库中;响应于获得待识别人脸图像,将待识别人脸图像与黑名单库中的至少部分代表人脸图像进行位置比对,以获得至少一个第一位置偏差;判断是否存在任一第一位置偏差小于第二阈值;若是,则将待识别人脸图像丢弃;否则,将待识别人脸图像添加至档案库中并进行人脸聚档。上述方案,能够自动生成和更新档案库对应的黑名单库,并过滤与黑名单库中代表人脸图像相似的人脸图像。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种人脸图像过滤方法、电子设备和计算机可读存储介质。
背景技术
随着信息时代的来临,城市街头用于宣传的静态人脸图像愈发增多,比如海报上的广告人脸图像已经遍布城市的各个角落,在开阔的监控区域内,摄像装置通常会采集到很多用于宣传的静态人脸图像,并最终存储在档案库中,以致档案库中存储有大量非活体对应的没有分析价值的静态人脸图像。
现有技术中,需要人为划定静态人脸图像的投放区域,从而忽略投放区域内的人脸图像,但是这样需要不断地人为维护和更新投放区域,并且会将处于投放区域内的活体的人脸图像也忽略,以致人脸图像过滤的过程十分繁琐且不准确。有鉴于此,如何自动生成和更新档案库中没有分析价值的人脸图像对应的黑名单库,并基于黑名单库过滤与黑名单库中代表人脸图像相似的人脸图像成为亟待解决的问题。
发明内容
本申请主要解决的技术问题是提供一种人脸图像过滤方法、电子设备和计算机可读存储介质,能够自动生成和更新档案库对应的黑名单库,并过滤与黑名单库中代表人脸图像相似的人脸图像。
为解决上述技术问题,本申请第一方面提供一种人脸图像过滤方法,该方法包括:获得存储有人脸图像的档案库,其中,所述档案库中的多个档案集分别存储有属于同一人脸的所有人脸图像;响应于任一所述档案集中的所述人脸图像的数量超过第一阈值,在数量超过所述第一阈值的档案集中提取代表人脸图像导入至黑名单库中;响应于获得待识别人脸图像,将所述待识别人脸图像与黑名单库中的至少部分所述代表人脸图像进行位置比对,以获得至少一个第一位置偏差;判断是否存在任一所述第一位置偏差小于第二阈值;若是,则将所述待识别人脸图像丢弃;否则,将所述待识别人脸图像添加至所述档案库中并进行人脸聚档。
为解决上述技术问题,本申请第二方面提供一种电子设备,该电子设备包括:相互耦接的存储器和处理器,其中,所述存储器存储有程序数据,所述处理器调用所述程序数据以执行上述第一方面所述的方法。
为解决上述技术问题,本申请第三方面提供一种计算机可读存储介质,其上存储有程序数据,所述程序数据被处理器执行时实现上述第一方面所述的方法。
本申请的有益效果是:本申请获得经过人脸聚档后的档案库,档案库中的多个档案集中分别存储有属于同一人脸的所有人脸图像,由于静态人脸图像数量较多且特征十分接近,当任一档案集中的人脸图像的数量超过第一阈值后,在数量超过第一阈值的档案集中提取代表人脸图像导入至黑名单库中,从而获取静态人脸图像对应的代表人脸图像并生成黑名单库,当获得待识别的人脸图像后,将待识别的人脸图像与代表人脸图像进行位置比对获得第一位置偏差,当存在小于第二阈值的第一位置偏差时,则说明待识别人脸图像与代表人脸图像相似度极高,将其丢弃,以过滤静态人脸图像,当没有小于第二阈值的第一位置偏差时,则将待识别人脸图像添加至档案库中进行人脸聚档,若有新投放的静态人脸图像,则在对应的档案集中人脸图像的数量超过第一阈值后对黑名单库进行自动更新,从而实现自动生成和更新档案库对应的黑名单库,并过滤与黑名单库中代表人脸图像相似的人脸图像。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。其中:
图1是本申请人脸图像过滤方法一实施方式的流程示意图;
图2是本申请人脸图像过滤方法另一实施方式的流程示意图;
图3是本申请电子设备一实施方式的结构示意图;
图4是本申请计算机可读存储介质一实施方式的结构示意图。
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的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。
本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。
请参阅图1,图1是本申请人脸图像过滤方法一实施方式的流程示意图,该方法包括:
S101:获得存储有人脸图像的档案库,其中,档案库中的多个档案集分别存储有属于同一人脸的所有人脸图像。
具体地,获得已经进行过人脸聚档的档案库,档案库中存储有多个档案集,每个档案集中存储有同一人脸对应的至少一个人脸图像。
在一应用方式中,新添加至档案库中的人脸图像与存储在档案库中的人脸图像进行人脸聚档,将属于同一人脸的人脸图像存储在同一档案集中,将唯一的人脸图像单独建立档案集,从而实现同一人脸对应同一档案集。
在一具体应用场景中,某代言人代言有多款产品,多款产品对应的广告海报均在城市内有投放,摄像装置采集到多款产品对应的广告海报上的广告人脸图像后,将同一代言人不同的广告人脸图像均存储在代言人对应的档案集中,当代言人来到当地参加活动,摄像装置采集到代言人的活体人脸图像时,代言人的活体人脸图像也存储在代言人对应的档案集中,实现同一人脸对应同一档案集。
S102:响应于任一档案集中的人脸图像的数量超过第一阈值,在数量超过第一阈值的档案集中提取代表人脸图像导入至黑名单库中。
具体地,用于宣传的静态人脸图像被采集的频率和数量都是较高的,且静态人脸图像为非活体的目标,同一静态人脸图像被采集时即使角度和光线有区别,但是其特征也是极其相似的。因此,当静态人脸图像被投放在监控区域内时,摄像装置会采集到非常多的静态人脸图像。
进一步地,当档案库中的人脸图像经过人脸聚档后,同一人脸对应的档案集中人脸图像的数量超过第一阈值,则该档案集中很可能是因为包括数量庞大的静态人脸图像才会导致数量超过第一阈值,在数量超过第一阈值的档案集中进行人脸图像之间的比对,进而从中提取出代表人脸图像加入到黑名单库中,其中,第一阈值可以是100-1000中的任意整数,例如100、500或1000等,本申请在此不做具体限制,第一阈值可由用户自定义设置。
在一应用方式中,当档案集中的人脸图像的数量超过第一阈值后,将档案集中的所有人脸图像进行两两之间的面部角度比对,以获得角度比对结果,将角度比对结果小于角度阈值的人脸图像归为同一静态人脸簇,以将档案集中的至少部分人脸图像归类到至少一个静态人脸簇中,从静态人脸簇中选择一个人脸图像作为代表人脸图像。
在另一应用方式中,当档案集中的人脸图像的数量超过第一阈值后,提取档案集中的所有人脸图像的关键点位置,其中,关键点至少包括嘴巴、鼻尖、两侧眼角和耳廓中的至少部分位置。基于每个人脸图像上的关键点位置建立人脸图像对应的关键点坐标,分别对每两个人脸图像对应的关键点坐标进行透视变换,以使关键点坐标经过缩放和移动后统一为同一尺寸的形态,基于透视变换后的两个人脸图像进行对比,以获得每两个人脸图像之间的第二位置偏差。
在一应用场景中,广告人脸图像具有遍布数量多且同批次广告人脸图像为同一张静态人脸图像的特点,当广告人脸图像分布在城市的各个角落时,摄像装置采集到广告人脸图像的频率会非常高,进而档案库中广告人脸图像对应的档案集中的人脸图像数量会很快超过第一阈值,当档案集中的人脸图像数量超过第一阈值后,将该档案集中的所有人脸图像的关键点两两之间进行位置比对,将位置比对结果小于位置阈值的人脸图像归类到同一静态人脸簇中。
具体地,假设某代言人代言有广告A和广告B,那么广告A和广告B上的静态人脸图像通常不可能是同一张海报,因此,广告A和广告B分别对应的人脸图像上关键点的位置必然是相差较大的,进而对同一档案集内的人脸图像两两之间进行关键点的位置比对后,可以将广告A对应的人脸图像归类到一个静态人脸簇中,广告B对应的人脸图像归类到另一个静态人脸簇中,分别从各自的静态人脸簇中提取一个人脸图像作为代表人脸图像,导入至黑名单库中,便于后续对人脸图像进行过滤。
S103:响应于获得待识别人脸图像,将待识别人脸图像与黑名单库中的至少部分代表人脸图像进行位置比对,以获得至少一个第一位置偏差。
具体地,当生成黑名单库后获取到待识别人脸图像,基于待识别人脸图像和黑名单库中的代表人脸图像的关键点进行透视变换及位置比对,从而获得至少一个第一位置偏差。
在一应用方式中,提取待识别人脸图像和黑名单库中的所有代表人脸图像的关键点,从而进行关键点的位置比对,以获得待识别人脸图像分别相对所有代表人脸图像的第一位置偏差。
在另一应用方式中,将代表人脸图像添加至黑名单库之后,将代表人脸图像对应的静态人脸簇中,所有人脸图像的位置信息与代表人脸图像一同添加至黑名单库中,获取待识别人脸图像的位置与代表人脸图像对应的位置之间的距离差值,提取距离差值在距离阈值内的代表人脸图像与待识别人脸图像进行关键点的位置比对,以获得待识别人脸图像分别相对至少部分代表人脸图像的第一位置偏差,从而减少位置比对的次数,提高比对效率。
S104:判断是否存在任一第一位置偏差小于第二阈值。
具体地,当存在至少一个第一位置偏差小于第二阈值时,进入步骤S105,当所有第一位置偏差均大于或等于第二阈值时,进入步骤S106。
S105:将待识别人脸图像丢弃。
具体地,当任一第一位置偏差在第二阈值之内,则表示存在代表人脸图像与待识别人脸图像的关键点的位置十分接近,判定待识别人脸图像和对应的代表人脸图像来源于同一张静态人脸图像,进而将当前的待识别人脸图像进行拦截以过滤当前的待识别人脸图像,不将其添加至档案库中,减少档案库中没有分析价值的人脸图像。
S106:将待识别人脸图像添加至档案库中并进行人脸聚档。
具体地,当所有的第一位置偏差均大于或等于第二阈值时,则将当前的待识别人脸图像添加至档案库中,并与档案库中的人脸图像进行人脸聚档,以使档案库中始终保持同一人脸对应的所有人脸图像均归类在一个档案集中。
可以理解的是,当投放有新的用于宣传的静态人脸图像时,新投放的静态人脸图像对应的档案集中的人脸图像的数量会短期内累积至超过第一阈值,则黑名单库中也会自动添加新投放的静态人脸图像对应的代表人脸图像,以实现对静态人脸图像的持续过滤。
上述方案,获得经过人脸聚档后的档案库,档案库中的多个档案集中分别存储有属于同一人脸的所有人脸图像,由于静态人脸图像数量较多且特征十分接近,当任一档案集中的人脸图像的数量超过第一阈值后,在数量超过第一阈值的档案集中提取代表人脸图像导入至黑名单库中,从而获取静态人脸图像对应的代表人脸图像并生成黑名单库,当获得待识别的人脸图像后,将待识别的人脸图像与代表人脸图像进行位置比对获得第一位置偏差,当存在小于第二阈值的第一位置偏差时,则说明待识别人脸图像与代表人脸图像相似度极高,将其丢弃,以过滤静态人脸图像,当没有小于第二阈值的第一位置偏差时,则将待识别人脸图像添加至档案库中进行人脸聚档,若有新投放的静态人脸图像,则在对应的档案集中人脸图像的数量超过第一阈值后对黑名单库进行自动更新,从而实现自动生成和更新档案库对应的黑名单库,并过滤与黑名单库中代表人脸图像相似的人脸图像。
请参阅图2,图2是本申请人脸图像过滤方法另一实施方式的流程示意图,该方法包括:
S201:获得存储有人脸图像的档案库,其中,档案库中的多个档案集分别存储有属于同一人脸的所有人脸图像。
具体地,档案库中每添加一个人脸图像,将新添加的人脸图像与档案库中已存储的人脸图像进行人脸聚档,以使同一人脸对应的所有人脸图像始终归类在一个档案集中。
S202:响应于任一档案集中的人脸图像的数量超过第一阈值,对数量超过第一阈值的档案集中的每两个人脸图像进行位置比对,以获得多个第二位置偏差。
具体地,当任一档案集中的人脸图像的数量超过第一阈值,则提取数量超过第一阈值的档案集中的所有人脸图像上的关键点,进而对每两个人脸图像进行关键点的位置比对,以获得多个第二位置偏差,关键点的位置至少包括嘴巴、鼻尖、眼镜、耳朵、额头和脸廓中的至少部分位置。
在一应用方式中,提取每两个人脸图像上的关键点,获得每两个人脸图像对应的关键点坐标;分别对每两个人脸图像对应的关键点坐标进行透视变换,以获得每两个人脸图像之间的第二位置偏差。
具体地,在获得人脸图像后提取人脸图像上的关键点,并以人脸图像的左上角为原点,建立人脸图像对应的关键点坐标,在获得每两个人脸图像对应的关键点坐标后,分别对每两个人脸图像对应的关键点坐标进行透视变换,以使关键点坐标经过缩放和移动后统一为同一尺寸的形态,基于透视变换后的两个人脸图像进行对比,以获得每两个人脸图像之间的第二位置偏差。
进一步地,当档案集中的人脸图像的数量超过第一阈值,则档案集中很可能包括被重复采集到的静态人脸图像,由于同一静态人脸图像被摄像装置采集时通常会因为角度和环境光照等原因存在一定的特征差异,通过人脸特征比对也可以对人脸图像进行分析,但是相比于人脸特征比对,基于人脸图像上的关键点进行位置比对的方式对于角度和环境光照等变化因素具有更好的鲁棒性,且处理耗时远低于人脸特征提取及比对。
S203:基于第二位置偏差,利用聚类算法将超过第一阈值的档案集中的人脸图像归类到至少一个静态人脸簇中。
具体地,设置第二位置偏差对应的第三阈值,以第二位置偏差为距离,利用聚类算法对超过第一阈值的档案集中的人脸图像进行聚类,以获得多个人脸簇,将包括多个人脸图像的人脸簇作为静态人脸簇,且同一静态人脸簇中的人脸图像之间的第二位置偏差小于第二阈值。其中,聚类算法包括但不限于层次聚类和密度聚类。
在一应用方式中,利用聚类算法将第二位置偏差小于第三阈值的人脸图像归类到同一人脸簇中,以获得至少一个所述人脸簇;将人脸簇中的人脸图像的数量超过第四阈值的人脸簇作为静态人脸簇,从而将档案集中的至少部分人脸图像归类到至少一个静态人脸簇中。
具体地,利用聚类算法将第二位置偏差小于第三阈值的人脸图像归类到同一人脸簇中,以使对应人脸簇中包括多个人脸图像,当人脸簇中的人脸图像的数量大于第四阈值时,则将超过第四阈值的人脸簇作为静态人脸簇。
进一步地,由于活体人脸图像之间第二位置偏差也有一定概率在第三阈值之内,但是活体人脸图像即使被归类到同一人脸簇中,但是活体人脸图像对应的人脸簇中的人脸图像数量也是远小于静态人脸图像对应的人脸簇中的人脸图像数量,而静态人脸图像对应的人脸簇中的人脸图像数量较多则会超过第四阈值,从而将人脸簇中的人脸图像数量超过第四阈值的人脸簇作为静态人脸簇,以使档案集中的至少部分人脸图像被归类到至少一个静态人脸簇中。
在一应用场景中,第四阈值应设置为不小于2的整数,比如设置为4,当同一人脸簇中人脸图像数量达到5时,则判定该人脸族包括源于同一静态人脸图像的多张人脸图像,将该人脸簇作为静态人脸簇。
在另一应用场景中,第四阈值可根据第一阈值大小自适应调整,比如在第一阈值不超过100时,第四阈值设置为5;第一阈值超过1000时,第四阈值设置为50;第一阈值介于100和1000时,第四阈值设置为第一阈值的二十分之一。
具体地,当档案集中包括源于多个静态人脸图像的人脸图像时,基于第二位置偏差可以将源于不同的静态人脸图像的人脸图像归类到对应的人脸簇中,且该人脸簇中人脸图像的数量会超过第四阈值从而被作为静态人脸簇,而源于活体人脸图像的人脸图像对应的人脸簇中,因为人脸图像数量不超过第四阈值而被过滤。例如,当某个代言人代言有广告A和广告B,源于广告A和广告B的人脸图像会被分别归类到一个人脸簇中且数量超过第四阈值,则作为静态人脸簇,源于代言人对应的活体人脸图像即使被归类到人脸簇中,则会因为数量不超过第四阈值而不作为静态人脸簇,以提高获取诸如广告人脸图像这类静态人脸图像的准确性。
S204:提取静态人脸簇中的代表人脸图像导入至黑名单库中。
具体地,从静态人脸簇中提取出一个人脸图像作为代表人脸图像导入至黑名单库中,以用于拦截和过滤后续出现的相似度极高的人脸图像。
在一应用方式中,提取静态人脸簇中所有人脸图像的第一位置信息;获得静态人脸簇中的任一人脸图像相对其他人脸图像的第二位置偏差的总和;将总和最小的人脸图像作为代表人脸图像,并将代表人脸图像及其对应的静态人脸簇的第一位置信息导入至黑名单库中。
具体地,将静态人脸簇中的任一人脸图像与其他每个人脸图像进行位置比对后的第二位置偏差求和,以获得第二位置偏差总和,进而将总和最小的人脸图像作为静态人脸簇对应的代表人脸图像,其中,总和最小的人脸图像相当于与不同角度和光照强度的其他人脸图像之间的偏差总和最小,因此总和最小的人脸图像作为代表人脸图像最具有代表性,用于后续人脸识别时进行过滤也更加准确。
进一步地,分别将静态人脸簇中的所有人脸图像的位置信息提取出来,以获得静态人脸簇对应的第一位置信息,其中,第一位置信息包括采集到静态人脸簇中的人脸图像的所有摄像装置的位置信息,如摄像装置的编码号,将代表人脸图像及其对应的静态人脸簇中所有人脸图像的第一位置信息一同导入至黑名单库中。
S205:将静态人脸簇中对应的所有人脸图像从档案库中删除。
具体地,在获得静态人脸簇对应的第一位置信息并选出代表人脸图像后,将静态人脸簇中的所有人脸图像从档案库中删除,以优化档案库中的数据。
其中,静态人脸簇中的人脸图像的之间的第二位置偏差小于第三阈值,且静态人脸簇中的人脸图像的数量大于第四阈值,因此,静态人脸簇中存在有多张源于同一静态人脸图像的人脸图像,将静态人脸簇中的所有人脸图像从档案库中删除,避免用户在调用档案库时查看到的数量众多的没有分析价值的人脸图像。
S206:响应于获得待识别人脸图像,将待识别人脸图像与黑名单库中的至少部分代表人脸图像进行位置比对,以获得至少一个第一位置偏差。
具体地,提取待识别人脸图像和黑名单库中的代表人脸图像上的关键点,获得待识别人脸图像和代表人脸图像对应的关键点坐标,分别对待识别人脸图像和代表人脸图像对应的关键点坐标进行透视变换,以获得待识别人脸图像和代表人脸图像之间的第一位置偏差。
可选地,将待识别人脸图像与黑名单库中的至少部分代表人脸图像进行位置比对,以获得至少一个第一位置偏差的步骤之前,还包括:获得待识别人脸图像对应的第二位置信息;查找与第二位置信息匹配的第一位置信息,在黑名单库中提取与第二位置信息匹配的第一位置信息相对应的代表人脸图像。
具体地,获取待识别人脸图像的第二位置信息,其中,第二位置信息为采集到待识别人脸图像的摄像装置对应的位置信息,在第一位置信息中查找与第二位置信息匹配的第一位置信息,提取匹配的第一位置信息所对应的摄像装置在黑名单库中的所有代表人脸图像。
在一应用方式中,第一位置信息和第二位置信息以经纬度表示,第一位置信息对应着在不同经纬度位置上的摄像装置,同一摄像装置可对应多个代表人脸图像,提取待识别人脸图像的第二位置信息,将第二位置信息与所有第一位置信息进行匹配,以获得匹配上的第一位置信息及其对应的第一摄像装置,进而在黑名单库中提取第一摄像装置对应的所有代表人脸图像,以实现根据位置信息只选择部分代表人脸图像进行位置比对,提高比对效率减少比对过程的消耗。
S207:判断是否存在任一第一位置偏差小于第二阈值。
具体地,当存在至少一个第一位置偏差小于第二阈值时,则说明待识别人脸图像与某一代表人脸图像相似度极高,属于黑名单库需要拦截的范围,进入步骤S208,当所有第一位置偏差均大于或等于第二阈值时,则说明待识别人脸图像与黑名单库中的代表人脸图像均不相似进入步骤S209。
S208:将待识别人脸图像丢弃。
具体地,将待识别人脸图像拦截并丢弃,以过滤待识别人脸图像,避免将没有分析价值的人脸图像添加至档案库中。
在一应用方式中,将待识别人脸图像丢弃,提取与被丢弃的待识别人脸图像的位置比对结果在第一位置偏差之内代表人脸图像,作为第一匹配代表人脸图像;记录被丢弃的待识别人脸图像对应的丢弃时间,并将丢弃时间作为第一匹配代表人脸图像最近一次出现的第一时间。
具体地,将待识别人脸图像丢弃时,提取与被识别人脸图像匹配上的位置比对结果在第一位置偏差之内代表人脸图像,将其标识为第一匹配代表人脸图像,并记录被丢弃的待识别人脸图像被丢弃的丢弃时间。
进一步地,将被丢弃的待识别人脸图像的丢弃时间作为第一匹配代表人脸图像最近一次出现的第一时间,其中,待识别人脸图像被丢弃的时间基本与待识别人脸图像被采集到的时间接近,进而将丢弃时间作为与被丢弃的待识别人脸图像对应的第一匹配代表人脸图像最近一次出现的第一时间,从而可统计第一匹配代表人脸图像被采集到的频率,并确定在第一位置信息中的至少部分位置仍能够采集到与第一匹配代表人脸图像极其相似的人脸图像。
在一应用场景中,第一匹配代表人脸图像对应有能够采集到它的至少一个摄像装置,响应于当前的待识别人脸图像与第一匹配代表人脸图像的第一位置偏差小于第二阈值,将第一匹配代表人脸图像最近一次出现的第一时间与采集到当前的待识别人脸图像的摄像装置对应,且摄像装置对应有第一位置信息,进而将第一时间对应第一位置信息进行更新。
可选地,将待识别人脸图像丢弃的步骤之后,还包括:响应于当前时间与第一时间之间的时间差值超过预设周期,获取当前的档案库,将时间差值超过预设周期的第一匹配代表人脸图像与当前的档案库中的所有人脸图像进行位置比对,以获得多个第三位置偏差;响应于存在小于第二阈值的第三位置偏差,则保留时间差值超过预设周期的第一匹配代表人脸图像并更新其对应的第一位置信息;或者,响应于所有第三位置偏差均大于或等于第二阈值,则将时间差值超过预设周期的第一匹配代表人脸图像从黑名单库中删除。
其中,如果当前的时间与第一时间之间的时间差值超过预设周期,例如:7天、15天或30天等,则说明已经很久没有与第一匹配代表人脸图像相似的人脸图像被再次拦截,则说明作为第一匹配代表人脸图像来源的静态人脸图像很可能已经被撤除,以广告投放为例,广告的时效性可能会让同一代言人拍摄不同的宣传海报,也可能更换代言人。因此,当前的时间与第一时间之间的时间差值超过预设周期后,理论上可以将第一匹配代表人脸图像从黑名单库中删除。
在一应用场景中,基于第一时间对应的第一位置信息,确定对应点位的摄像装置已经超过预设周期未采集到第一匹配代表人脸图像,则将对应的点位上的摄像装置所能采集到的代表人脸图像进行修正,并更新第一匹配代表人脸图像对应的第一位置信息,使已经超过预设周期未采集到第一匹配代表人脸图像的点位上的摄像装置不再对第一匹配代表人脸图像进行拦截。进一步地,为了提高黑名单库中人脸图像的严谨性和精确度,若第一匹配代表人脸图像对应的第一位置信息中的所有摄像装置,均超过预设周期未采集到与第一匹配代表人脸图像的第一位置偏差小于第二阈值的待识别人脸图像,则将第一匹配代表人脸图像删除之前再与档案库中的所有人脸图像进行位置比对,从而获得多个第三位置偏差,判断是否存在小于第二阈值的第三位置偏差。
具体地,若包括,则说明档案库中存在被遗漏至档案库中的与第一匹配代表人脸图像相似的人脸图像,那么,保留时间差值超过预设周期的第一匹配代表人脸图像,并利用第三位置偏差小于第二阈值的人脸图像对应的位置信息来更新第一匹配代表人脸图像对应的第一位置信息,从而适用于在将待识别人脸图像与代表人脸图像进行位置比对前利用位置信息提取部分代表人脸图像的应用场景,在静态人脸图像移动位置或新增位置后,继续保留对应的第一匹配代表人脸图像在黑名单库中用于对人脸图像进行过滤。若不包括,那么则说明第一匹配代表人脸图像已经被撤换,则将时间差值超过预设周期的第一匹配代表人脸图像从黑名单库中删除,以使黑名单库不断更新并减轻黑名单库的存储压力。
S209:将待识别人脸图像添加至档案库中并进行人脸聚档。
具体地,将当前的待识别人脸图像与档案库中的人脸图像进行人脸聚档,以使档案库中始终保持同一人脸对应的所有人脸图像均归类在一个档案集中,根据本实施例中的方式,当投放有新的用于宣传的静态人脸图像时,新投放的静态人脸图像随着对应的档案集中的人脸图像的数量累积至超过第一阈值,则黑名单库中也会自动添加新投放的静态人脸图像对应的代表人脸图像,以实现没有分析价值的人脸图像进行持续过滤。
在本实施例中,当档案库的档案集中的人脸图像数量超过第一阈值后,利用档案集中的人脸图像上的关键点坐标进行透视变换,以准确获取档案集中源于同一静态人脸图像的人脸图像并添加至静态人脸簇中,从静态人脸簇中提取第一位置信息和代表人脸图像用于人脸识别时对待识别人脸图像进行过滤,利用位置信息提高位置比对的效率,并持续更新代表人脸图像的第一位置信息以及黑名单库中的代表人脸图像,以保持人脸识别过滤的持续性。
请参阅图3,图3是本申请电子设备一实施方式的结构示意图,该电子设备30包括相互耦接的存储器301和处理器302,其中,存储器301存储有程序数据(图未示),处理器302调用程序数据以实现上述任一实施例中的人脸图像过滤方法,相关内容的说明请参见上述方法实施例的详细描述,在此不再赘叙。
请参阅图4,图4是本申请计算机可读存储介质一实施方式的结构示意图,该计算机可读存储介质40存储有程序数据400,该程序数据400被处理器执行时实现上述任一实施例中的人脸图像过滤方法,相关内容的说明请参见上述方法实施例的详细描述,在此不再赘叙。
需要说明的是,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)或处理器(processor)执行本申请各个实施方式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。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (11)
1.一种人脸图像过滤方法,其特征在于,所述方法包括:
获得存储有人脸图像的档案库,其中,所述档案库中的多个档案集分别存储有属于同一人脸的所有人脸图像;
响应于任一所述档案集中的所述人脸图像的数量超过第一阈值,在数量超过所述第一阈值的档案集中提取代表人脸图像导入至黑名单库中;
响应于获得待识别人脸图像,将所述待识别人脸图像与黑名单库中的至少部分所述代表人脸图像进行位置比对,以获得至少一个第一位置偏差;
判断是否存在任一所述第一位置偏差小于第二阈值;
若是,则将所述待识别人脸图像丢弃;否则,将所述待识别人脸图像添加至所述档案库中并进行人脸聚档。
2.根据权利要求1所述的人脸图像过滤方法,其特征在于,所述在数量超过所述第一阈值的档案集中提取代表人脸图像导入至黑名单库中的步骤,包括:
对数量超过所述第一阈值的档案集中的每两个人脸图像进行位置比对,以获得多个第二位置偏差;
基于所述第二位置偏差,利用聚类算法将超过所述第一阈值的档案集中的人脸图像归类到至少一个静态人脸簇中;
提取所述静态人脸簇中的代表人脸图像导入至黑名单库中。
3.根据权利要求2所述的人脸图像过滤方法,其特征在于,所述对数量超过所述第一阈值的档案集中的每两个人脸图像进行位置比对,以获得多个第二位置偏差的步骤,包括:
提取所述每两个人脸图像上的关键点,获得所述每两个人脸图像对应的关键点坐标;
分别对所述每两个人脸图像对应的所述关键点坐标进行透视变换,以获得所述每两个人脸图像之间的第二位置偏差。
4.根据权利要求2所述的人脸图像过滤方法,其特征在于,所述基于所述第二位置偏差,利用聚类算法将超过所述第一阈值的档案集中的人脸图像归类到至少一个静态人脸簇中的步骤,包括:
利用聚类算法将所述第二位置偏差小于第三阈值的人脸图像归类到同一人脸簇中,以获得至少一个所述人脸簇;
将所述人脸簇中的人脸图像的数量超过第四阈值的所述人脸簇作为所述静态人脸簇,从而将所述档案集中的至少部分所述人脸图像归类到至少一个所述静态人脸簇中。
5.根据权利要求2所述的人脸图像过滤方法,其特征在于,所述提取所述静态人脸簇中的代表人脸图像导入至黑名单库中的步骤,包括:
提取所述静态人脸簇中所有所述人脸图像的第一位置信息;
获得所述静态人脸簇中的任一所述人脸图像相对其他所述人脸图像的所述第二位置偏差的总和;
将所述总和最小的所述人脸图像作为所述代表人脸图像,并将所述代表人脸图像及其对应的所述静态人脸簇的所述第一位置信息导入至所述黑名单库中。
6.根据权利要求5所述的人脸图像过滤方法,其特征在于,所述提取所述静态人脸簇中的代表人脸图像导入至黑名单库中的步骤之后,还包括:
将所述静态人脸簇中对应的所有所述人脸图像从所述档案库中删除。
7.根据权利要求5所述的人脸图像过滤方法,其特征在于,所述将所述待识别人脸图像与黑名单库中的至少部分所述代表人脸图像进行位置比对,以获得至少一个第一位置偏差的步骤之前,还包括:
获得所述待识别人脸图像对应的第二位置信息;
查找与所述第二位置信息匹配的第一位置信息,在所述黑名单库中提取与所述第二位置信息匹配的第一位置信息相对应的代表人脸图像。
8.根据权利要求5所述的人脸图像过滤方法,其特征在于,所述将所述待识别人脸图像丢弃的步骤,包括:
将所述待识别人脸图像丢弃,提取与被丢弃的所述待识别人脸图像的位置比对结果在所述第一位置偏差之内代表人脸图像,作为第一匹配代表人脸图像;
记录被丢弃的所述待识别人脸图像对应的丢弃时间,并将所述丢弃时间作为所述第一匹配代表人脸图像最近一次出现的第一时间。
9.根据权利要求8所述的人脸图像过滤方法,其特征在于,所述将所述待识别人脸图像丢弃的步骤之后,还包括:
响应于当前时间与所述第一时间之间的时间差值超过预设周期,获取当前的所述档案库,将所述时间差值超过所述预设周期的所述第一匹配代表人脸图像与当前的所述档案库中的所有人脸图像进行位置比对,以获得多个第三位置偏差;
响应于存在小于所述第二阈值的所述第三位置偏差,则保留所述时间差值超过所述预设周期的所述第一匹配代表人脸图像并更新其对应的所述第一位置信息;或者,响应于所有所述第三位置偏差均大于或等于所述第二阈值,则将所述时间差值超过所述预设周期的所述第一匹配代表人脸图像从所述黑名单库中删除。
10.一种电子设备,其特征在于,包括:相互耦接的存储器和处理器,其中,所述存储器存储有程序数据,所述处理器调用所述程序数据以执行如权利要求1-9中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有程序数据,其特征在于,所述程序数据被处理器执行时实现如权利要求1-9中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110791776.XA CN113255621B (zh) | 2021-07-13 | 2021-07-13 | 人脸图像过滤方法、电子设备和计算机可读存储介质 |
PCT/CN2021/128514 WO2023284181A1 (en) | 2021-07-13 | 2021-11-03 | Method for filtering face images, electronic device, and computer-readable non-transitory storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110791776.XA CN113255621B (zh) | 2021-07-13 | 2021-07-13 | 人脸图像过滤方法、电子设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113255621A true CN113255621A (zh) | 2021-08-13 |
CN113255621B CN113255621B (zh) | 2021-11-16 |
Family
ID=77191177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110791776.XA Active CN113255621B (zh) | 2021-07-13 | 2021-07-13 | 人脸图像过滤方法、电子设备和计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113255621B (zh) |
WO (1) | WO2023284181A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114067421A (zh) * | 2022-01-17 | 2022-02-18 | 广东中运信息科技有限公司 | 一种人员去重识别方法、存储介质及计算机设备 |
WO2023284181A1 (en) * | 2021-07-13 | 2023-01-19 | Zhejiang Dahua Technology Co., Ltd. | Method for filtering face images, electronic device, and computer-readable non-transitory storage medium |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017162409A (ja) * | 2016-03-11 | 2017-09-14 | ヤンマー株式会社 | 顔の表情と動作の認識装置及び方法 |
CN111401300A (zh) * | 2020-04-07 | 2020-07-10 | 浙江大华技术股份有限公司 | 一种人脸聚类归档方法、装置及存储介质 |
CN111639689A (zh) * | 2020-05-20 | 2020-09-08 | 杭州海康威视系统技术有限公司 | 人脸数据处理方法、装置及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255621B (zh) * | 2021-07-13 | 2021-11-16 | 浙江大华技术股份有限公司 | 人脸图像过滤方法、电子设备和计算机可读存储介质 |
-
2021
- 2021-07-13 CN CN202110791776.XA patent/CN113255621B/zh active Active
- 2021-11-03 WO PCT/CN2021/128514 patent/WO2023284181A1/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017162409A (ja) * | 2016-03-11 | 2017-09-14 | ヤンマー株式会社 | 顔の表情と動作の認識装置及び方法 |
CN111401300A (zh) * | 2020-04-07 | 2020-07-10 | 浙江大华技术股份有限公司 | 一种人脸聚类归档方法、装置及存储介质 |
CN111639689A (zh) * | 2020-05-20 | 2020-09-08 | 杭州海康威视系统技术有限公司 | 人脸数据处理方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
朱道明等: "《建筑安防技术》", 31 January 2013 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023284181A1 (en) * | 2021-07-13 | 2023-01-19 | Zhejiang Dahua Technology Co., Ltd. | Method for filtering face images, electronic device, and computer-readable non-transitory storage medium |
CN114067421A (zh) * | 2022-01-17 | 2022-02-18 | 广东中运信息科技有限公司 | 一种人员去重识别方法、存储介质及计算机设备 |
CN114067421B (zh) * | 2022-01-17 | 2022-04-19 | 广东中运信息科技有限公司 | 一种人员去重识别方法、存储介质及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113255621B (zh) | 2021-11-16 |
WO2023284181A1 (en) | 2023-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113255621B (zh) | 人脸图像过滤方法、电子设备和计算机可读存储介质 | |
CN107346409B (zh) | 行人再识别方法和装置 | |
JP5632084B2 (ja) | コンシューマ配下画像集における再来性イベントの検出 | |
WO2019153504A1 (zh) | 一种群组创建的方法及其终端 | |
WO2021184718A1 (zh) | 卡片边框识别方法、装置、设备和计算机存储介质 | |
JPWO2013031096A1 (ja) | 画像処理装置、画像処理方法、プログラム、集積回路 | |
CN109784274A (zh) | 识别尾随的方法及相关产品 | |
CN112199530B (zh) | 多维度脸库图片自动更新方法、系统、设备及介质 | |
CN111709303A (zh) | 一种人脸图像的识别方法和装置 | |
CN112966652A (zh) | 轨迹汇聚方法、装置、计算机设备及存储介质 | |
KR20200060942A (ko) | 연속된 촬영 영상에서의 궤적기반 얼굴 분류 방법 | |
CN115858861A (zh) | 视频浓缩方法、电子设备和计算机可读存储介质 | |
CN107704471A (zh) | 一种信息处理方法和装置及文件调用方法和装置 | |
CN110796014A (zh) | 垃圾投放习惯分析方法、系统、装置及存储介质 | |
CN110210425B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
WO2019071663A1 (zh) | 电子装置、虚拟样本生成方法及存储介质 | |
CN116704490A (zh) | 车牌识别方法、装置和计算机设备 | |
CN116246298A (zh) | 一种空间占用人数统计方法、终端设备及存储介质 | |
CN103093213A (zh) | 视频文件分类方法及终端 | |
CN111159445A (zh) | 一种图片过滤方法、装置、电子设备及存储介质 | |
CN111190902A (zh) | 一种医疗数据的结构化方法、装置、设备及存储介质 | |
CN114333039B (zh) | 一种人像聚类的方法、装置及介质 | |
CN116071569A (zh) | 图像选择方法、计算机设备及存储装置 | |
CN115544214A (zh) | 一种事件处理方法、设备及计算机可读存储介质 | |
TW202018540A (zh) | 資料庫更新方法和裝置、電子設備、電腦儲存介質 |
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 |