CN113326805B - 一种人体封面更新方法、装置、电子设备及存储介质 - Google Patents

一种人体封面更新方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113326805B
CN113326805B CN202110705226.1A CN202110705226A CN113326805B CN 113326805 B CN113326805 B CN 113326805B CN 202110705226 A CN202110705226 A CN 202110705226A CN 113326805 B CN113326805 B CN 113326805B
Authority
CN
China
Prior art keywords
human body
image
processed
cover
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.)
Active
Application number
CN202110705226.1A
Other languages
English (en)
Other versions
CN113326805A (zh
Inventor
邓凡
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 CN202110705226.1A priority Critical patent/CN113326805B/zh
Publication of CN113326805A publication Critical patent/CN113326805A/zh
Application granted granted Critical
Publication of CN113326805B publication Critical patent/CN113326805B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06F16/54—Browsing; Visualisation therefor
    • 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
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • 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
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Processing Or Creating Images (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提供了一种人体封面更新方法、装置、电子设备及存储介质，方法包括：确定待处理人体图像所属的目标人体档案；对待处理人体图像与目标人体档案中的每个人体封面进行聚类处理，得到至少一个人体类；若待处理人体图像与每个人体封面均不属于同一人体类，且目标人体档案中人体封面的数量小于预设数量，则将待处理人体图像作为目标人体档案中的人体封面。应用本申请实施例提供的技术方案，能够提高人体封面的多样性和实时性，提高人体图像归档的准确性。

Description

一种人体封面更新方法、装置、电子设备及存储介质
技术领域
本申请涉及视频监控技术领域，特别是涉及一种人体封面更新方法、装置、电子设备及存储介质。
背景技术
随着智能交通的发展，大多数道路上均设置有监控设备。通过监控设备拍摄图像，获取到人脸图像和人脸图像关联的人体图像，并对人脸图像和人体图像进行归档，得到人脸档案和人脸档案关联的人体档案，并从每个人体档案包括的人体图像中，选择预定数量张人体图像作为人体封面，以便于基于人体封面，对人员行为进行分析。
相关技术中，选择图像质量最好的预定数量张人体图像作为人体封面。一旦确定了预定数量张人体封面，将停止更新和增加人员的人体封面。这容易导致人体封面缺乏多样性和实时性，进而导致后续人体图像归档的准确性较差，对人员行为进行分析的准确性较差。
发明内容
本申请实施例的目的在于提供一种人体封面更新方法、装置、电子设备及存储介质，以提高人体封面的多样性和实时性，提高人体图像归档的准确性。
具体技术方案如下：
第一方面，本申请实施例提供了一种人体封面更新方法，所述方法包括：
确定待处理人体图像所属的目标人体档案；
对所述待处理人体图像与所述目标人体档案中的每个人体封面进行聚类处理，得到至少一个人体类；
若所述待处理人体图像与每个人体封面均不属于同一人体类，且所述目标人体档案中人体封面的数量小于预设数量，则将所述待处理人体图像作为所述目标人体档案中的人体封面。
可选的，所述方法还包括：
若所述待处理人体图像与至少一个人体封面属于同一人体类，则确定所述待处理人体图像与所述至少一个人体封面中的目标图像；
将所述待处理人体图像与所述至少一个人体封面中除目标图像外的图像作为人体封面。
可选的，所述确定所述待处理人体图像与所述至少一个人体封面中的目标图像的步骤，包括：
比较所述待处理人体图像和所述目标人体封面的人体质量评分，所述目标人体封面为所述至少一个人体封面中人体质量评分最小的人体封面；若所述待处理人体图像的人体质量评分大于目标人体封面的人体质量评分，则将所述目标人体封面作为目标图像；否则，将所述待处理人体图像作为目标图像；或，
将所述至少一个人体封面中采集时间最早的人体封面作为目标图像。
可选的，所述对所述待处理人体图像与所述目标人体档案中的每个人体封面进行聚类处理的步骤，包括：
以人体图像的多个预设属性特征以及每个预设属性特征的人体质量评分为标签，利用深度聚类模型，对所述待处理人体图像与所述目标人体档案中的每个人体封面进行聚类处理。
可选的，在所述确定待处理人体图像所属的目标人体档案的步骤之前，所述方法还包括：
获取多个人脸图像和所述多个人脸图像关联的人体图像；
通过预设聚类算法，对所述多个人脸图像进行聚类处理；得到至少一个人脸类；
将每个人脸类包括的人脸图像关联的人体图像加入一个人体档案中；
从每个人体档案包括的候选人体图像中，确定每个人体档案中的每个人体封面，所述候选人体图像为人体质量评分高于等于预设评分阈值的人体图像。
可选的，所述从每个人体档案包括的候选人体图像中，确定每个人体档案中的每个人体封面的步骤，包括：
对于每个人体档案，将该人体档案中人体质量评分最高的预设数量个候选人体图像，作为该人体档案的人体封面；或
对于每个人体档案，以人体图像的多个预设属性特征以及每个预设属性特征的人体评分为标签，利用深度聚类模型，对该人体档案包括的每个候选人体图像进行聚类处理，得到预设数量个人体类；将每个人体类中人体质量评分最高的预设个数张候选人体图像作为该人体档案的人体封面。
第二方面，本申请实施例提供了一种人体封面更新装置，所述装置包括：
归档单元，用于确定待处理人体图像所属的目标人体档案；
第一聚类单元，用于对所述待处理人体图像与所述目标人体档案中的每个人体封面进行聚类处理，得到至少一个人体类；
处理单元，用于若所述待处理人体图像与每个人体封面均不属于同一人体类，且所述目标人体档案中人体封面的数量小于预设数量，则将所述待处理人体图像作为所述目标人体档案中的人体封面。
可选的，所述处理单元，还用于：
若所述待处理人体图像与至少一个人体封面属于同一人体类，则确定所述待处理人体图像与所述至少一个人体封面中的目标图像；
将所述待处理人体图像与所述至少一个人体封面中除目标图像外的图像作为人体封面。
可选的，所述处理单元，具体用于：
比较所述待处理人体图像和所述目标人体封面的人体质量评分，所述目标人体封面为所述至少一个人体封面中人体质量评分最小的人体封面；若所述待处理人体图像的人体质量评分大于目标人体封面的人体质量评分，则将所述目标人体封面作为目标图像；否则，将所述待处理人体图像作为目标图像；或，
将所述至少一个人体封面中采集时间最早的人体封面作为目标图像。
可选的，所述第一聚类单元，具体用于：
以人体图像的多个预设属性特征以及每个预设属性特征的人体质量评分为标签，利用深度聚类模型，对所述待处理人体图像与所述目标人体档案中的每个人体封面进行聚类处理。
可选的，所述装置还包括：
获取单元，用于在所述确定待处理人体图像所属的目标人体档案的步骤之前，获取多个人脸图像和所述多个人脸图像关联的人体图像；
第二聚类单元，用于通过预设聚类算法，对所述多个人脸图像进行聚类处理；得到至少一个人脸类；
加入单元，用于将每个人脸类包括的人脸图像关联的人体图像加入一个人体档案中；
确定单元，用于从每个人体档案包括的候选人体图像中，确定每个人体档案中的每个人体封面，所述候选人体图像为人体质量评分高于等于预设评分阈值的人体图像。
可选的，所述确定单元，具体用于对于每个人体档案，将该人体档案中人体质量评分最高的预设数量个候选人体图像，作为该人体档案的人体封面；或
所述确定单元，具体用于：对于每个人体档案，以人体图像的多个预设属性特征以及每个预设属性特征的人体评分为标签，利用深度聚类模型，对该人体档案包括的每个候选人体图像进行聚类处理，得到预设数量个人体类；将每个人体类中人体质量评分最高的预设个数张候选人体图像作为该人体档案的人体封面。
第三方面，本申请实施例提供了一种电子设备，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的计算机程序，所述处理器被所述计算机程序促使：实现上述任一所述的人体封面更新方法步骤。
第四方面，本申请实施例提供了一种机器可读存储介质，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任一所述的人体封面更新方法步骤。
本申请实施例还提供了一种计算机程序，当其在计算机上运行时，使得计算机执行上述任一所述的人体封面更新方法步骤。
本申请实施例有益效果：
本申请实施例提供的技术方案中，在建立人体档案后，通过对待处理人体图像与人体封面进行聚类处理，确定至少一个人体类，并在待处理人体图像所属的人体类中不包括目标人体档案的人体封面，也就是，待处理人体图像与每个人体封面均不属于同一人体类的情况下，将该待处理人体图像增加为目标人体档案中的人体封面。这种情况下，实现了人体档案中的人体封面的实时更新，增加了人体档案中的人体封面的类型，提高了人体封面的多样性和实时性，进而提高了人体图像归档的准确性，便于对人员行为进行分析。
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，还可以根据这些附图获得其他的实施例。
图1为相关技术中人员档案的建立方法的一种流程示意图；
图2为本申请实施例提供的人体封面更新方法的第一种流程示意图；
图3为本申请实施例提供的人体封面更新方法的第二种流程示意图；
图4为本申请实施例提供的人体封面更新方法的第三种流程示意图；
图5为本申请实施例提供的人员档案的建立方法的一种流程示意图；
图6为本申请实施例提供的人体封面更新装置的一种结构示意图；
图7为本申请实施例提供的电子设备的一种结构示意图。
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基于本申请所获得的所有其他实施例，都属于本申请保护的范围。
人脸档案包括多个人脸图像，人体档案包括多个人体图像。人脸档案和人体档案统称为人员档案。为准确的分析人员行为，常常需要将人脸档案和人体档案关联，建立人员档案。
相关技术中，如图1所示，对于人员档案的建立包括如下步骤：
步骤一，获取人脸图像和人脸图像关联的人体图像。
为便于后续处理，可以对人脸图像和人体图像进行结构化处理，得到人脸图像的结构化数据和人体图像的结构化数据。
步骤二，人脸建档。具体为，通过预设聚类算法，对人脸图像进行聚类处理，得到多个人脸类。每个人脸类为一个人脸档案。
步骤三，人脸人体关联。具体为，通过人脸人体关联算法，将一个人脸档案中人脸图像关联的人体图像划分至同一个人体档案。该人体档案与人脸档案关联。
步骤四，生成人体封面。具体为，对于每个人体档案，将该人体档案中人体质量评分最高的K个人体图像，作为该人体档案的人体封面。K为正整数，可以为5、10、15等。
步骤五，人体归档。具体为，对于待归档的人体图像，计算该人体图像与每个人体档案中每个人体封面的相似度。
若待归档的人体图像与人体档案X中的人体封面x的相似度S最大，且相似度S大于设定的阈值，则将待归档的该人体图像归入人体档案X。
若待归档的人体图像与人体档案X中的人体封面x的相似度S最大，但相似度S小于等于设定的阈值，则待归档的该人体图像归档失败，待归档的该人体图像不能归入任何人体档案。
上述步骤四确定K个人体封面后，将停止更新和增加人员的人体封面。这容易导致人体封面缺乏多样性和实时性，进而导致后续人体图像归档的准确性较差，对人员行为进行分析的准确性较差。
为解决上述问题，本申请实施例提供了一种人体封面更新方法，该方法可以应用于服务器、移动终端等电子设备。该方法中，在建立人体档案后，通过对待处理人体图像与人体封面进行聚类处理，确定至少一个人体类，并在待处理人体图像所属的人体类中不包括目标人体档案的人体封面，也就是，待处理人体图像与每个人体封面均不属于同一人体类的情况下，将该待处理人体图像增加为目标人体档案中的人体封面。这种情况下，实现了人体档案中的人体封面的实时更新，增加了人体档案中的人体封面的类型，提高了人体封面的多样性和实时性，进而提高了人体图像归档的准确性，便于对人员行为进行分析。
下面通过具体实施例，对本申请实施例提供的一种人体封面更新方法进行详细说明。为便于理解，下面以电子设备为执行主体进行说明，并不进行限定。
如图2所示，图2为本申请实施例提供的人体封面更新方法的第一种流程示意图，该方法包括如下步骤：
步骤S21，确定待处理人体图像所属的目标人体档案。
本申请实施例中，电子设备在获取到待处理的人体图像后，对该待处理人体图像进行归档，得到待处理人体图像所属的人体档案，即目标人体档案。具体的归档方式，可参见上述步骤五部分的描述。也可以采用其他方式对该待处理人体图像进行归档，对此不进行限定。
步骤S22，对待处理人体图像与目标人体档案中的每个人体封面进行聚类处理，得到至少一个人体类。
在确定目标人体档案后，目标人体档案中包括一个或多个人体封面。电子设备对待处理人体图像与目标人体档案中的每个人体封面进行聚类处理，得到至少一个人体类。每个人体类可以包括至少一个人体封面和/或待处理人体图像。
步骤S23，若待处理人体图像与每个人体封面均不属于同一人体类，且目标人体档案中人体封面的数量小于预设数量，则将待处理人体图像作为目标人体档案中的人体封面。
在得到至少一个人体类后，电子设备可获取包括待处理人体图像的人体类。若该人体类只包括待处理人体图像，也就是，该人体类不包括目标人体档案中的人体封面，待处理人体图像与每个人体封面均不属于同一人体类，则在目标人体档案中人体封面的数量小于预设数量的情况下，电子设备将待处理人体图像作为目标人体档案中的人体封面。上述预设数量可以根据实际需求进行设定。
本申请实施例中，待处理人体图像与每个人体封面均不属于同一人体类，说明待处理人体图像与每个人体封面的类型均不相同。这种情况下，电子设备将待处理人体图像增加为目标人体档案中的人体封面，实现了人体档案中的人体封面的实时更新，增加了人体档案中的人体封面的类型，提高了人体封面的多样性和实时性，进而提高了人体图像归档的准确性，便于对人员行为进行分析。同时，由于人体封面具有多样性和实时性，可以归档到更多的人体图像。
例如，目标人体档案中的人体封面均为正面的人体图像，而待处理人体图像为背面的人体图像，则待处理人体图像与人体封面均不属于同一人体类。将待处理人体图像增加为目标人体档案中的人体封面。这样，当获取到背面的待归档人体图像时，可以准确的归档该背面的待归档人体图像，进而便于对人员行为进行分析。
在本申请的一个实施例中，若待处理人体图像与每个人体封面均不属于同一人体类，且目标人体档案中人体封面的数量等于预设数量，则电子设备可以不对待处理人体图像做其他处理，该待处理人体图像仅仅是目标人体档案中一张人体图像。
在本申请的另一个实施例中，若待处理人体图像与每个人体封面均不属于同一人体类，且目标人体档案中人体封面的数量等于预设数量，而目标人体档案中至少两个人体封面属于同一人体类，则电子设备可以获取包括至少两个人体封面的人体类中人体质量评分最小的第一人体封面，比较待处理人体图像与第一人体封面的人体质量评分。
若待处理人体图像的人体质量评分大于第一人体封面的人体质量评分，则电子设备将第一人体封面替换为待处理人体图像。若待处理人体图像的人体质量评分小于等于第一人体封面的人体质量评分，则电子设备可以不对待处理人体图像进行其他处理。
例如，待处理人体图像为图像1。预设数量为10。图像1所属的目标人体档案X1包括10个人体封面，分别为人体封面1-10，其中，人体封面1和人体封面2属于同一人体类1，体封面3和人体封面4属于同一人体类2。图像1与人体封面1-10均不属于同一人体类，而且目标人体档案X1包括的人体封面的数量＝10，则电子设备获取人体封面1、人体封面2、体封面3和人体封面4中人体质量评分最小的第一人体封面，如人体封面1。
若图像1的人体质量评分大于人体封面1的人体质量评分，则电子设备将人体封面1替换为图像1。此时，目标人体档案X1包括的10个人体封面为：图像1、人体封面2-10。若图像1的人体质量评分小于等于人体封面1的人体质量评分，则电子设备可以不对图像1进行其他处理。
在本申请的另一个实施例中，若待处理人体图像与每个人体封面均不属于同一人体类，且目标人体档案中人体封面的数量等于预设数量，而目标人体档案中至少两个人体封面属于同一人体类，则电子设备可以获取包括至少两个人体封面的人体类中采集时间最早的第二人体封面，将第二人体封面替换为待处理人体图像。
本申请实施例中，还可以采用其他方法更新人体封面，对此不进行限定。
在本申请的一个实施例中，还提供了一种人体封面更新方法，如图3所示，图3为本申请实施例提供的人体封面更新方法的第二种流程示意图，该方法还可以包括如下步骤：
步骤S24，若待处理人体图像与至少一个人体封面属于同一人体类，则确定待处理人体图像与上述至少一个人体封面中的目标图像。
步骤S25，将待处理人体图像与上述至少一个人体封面中除目标图像外的图像作为人体封面。
在本申请的一个实施例中，上述步骤S24具体可以为：比较待处理人体图像和目标人体封面的人体质量评分，目标人体封面为至少一个人体封面中人体质量评分最小的人体封面。若待处理人体图像的人体质量评分大于目标人体封面的人体质量评分，则将目标人体封面作为目标图像。
本申请实施例中，在得到至少一个人体类后，电子设备获取包括待处理人体图像的人体类。若该人体类包括待处理人体图像和至少一个人体封面，待处理人体图像与这至少一个人体封面属于同一人体类，则电子设备获取这至少一个人体封面中人体质量评分最小的人体封面，作为目标人体封面，比较待处理人体图像和目标人体封面的人体质量评分。
在比较待处理人体图像和目标人体封面的人体质量评分之后，若获得的比较结果为：待处理人体图像的人体质量评分大于目标人体封面的人体质量评分，则电子设备将目标人体封面作为目标图像。否则，电子设备将待处理人体图像作为目标图像。后续执行步骤S25，电子设备将待处理人体图像与上述至少一个人体封面中除目标图像外的图像作为人体封面。
例如，待处理人体图像为图像2。图像2所属的目标人体档案X2包括9个人体封面，分别为人体封面11-19。其中，图像2与人体封面11-13属于同一人体类。人体封面11-13中，人体封面11的人体质量评分最小，即人体封面11为目标人体封面。
若图像2的人体质量评分大于人体封面11的人体质量评分，则电子设备将人体封面11作为目标图像，将图像2、人体封面12-19作为目标人体档案X2的人体封面，也就是，将人体封面11替换为图像2。此时，目标人体档案X2包括的9个人体封面为：图像2、人体封面12-19。
若图像2的人体质量评分小于等于人体封面11的人体质量评分，则电子设备将图像2作为目标图像，将人体封面11-19仍作为目标人体档案X2的人体封面。此时，目标人体档案X2的人体封面不变，相当于，未对待处理人体图像进行其他处理。
本申请实施例中，待处理人体图像与至少一个人体封面属于同一人体类，也就是，待处理人体图像与这至少一个人体封面属于同一类型的人体图像。电子设备将人体质量评分最小且人体质量评分小于待处理人体图像的人体封面替换为待处理人体图像，提高了人体封面的准确性，提高了后续人体图像归档的准确性。
在本申请的另一个实施例中，上述步骤S24具体可以为：将至少一个人体封面中采集时间最早的人体封面作为目标图像。后续执行步骤S25，电子设备将待处理人体图像与上述至少一个人体封面中除目标图像外的图像作为人体封面。
例如，待处理人体图像为图像2。图像2所属的目标人体档案X2包括9个人体封面，分别为人体封面11-19。其中，图像2与人体封面11-13属于同一人体类。人体封面11-13中，人体封面13的采集时间最早，即人体封面13为目标图像。电子设备将图像2与人体封面11-13中除人体封面13外的图像作为人体封面。即将图像2与人体封面11-12作为人体封面。
本申请实施例中，待处理人体图像与至少一个人体封面属于同一人体类，也就是，待处理人体图像与这至少一个人体封面属于同一类型的人体图像。电子设备将采集时间最早的人体封面替换为待处理人体图像，提高了人体封面的实时性，提高了后续人体图像归档的准确性。
本申请实施例中，还可以采用其他方法目标图像，对此不进行限定。
在本申请的一个实施例中，还提供了一种人体封面更新方法，如图4所示，图4为本申请实施例提供的人体封面更新方法的第三种流程示意图，该方法中，步骤S22可以细化为步骤S221。
步骤S221，以人体图像的多个预设属性特征以及每个预设属性特征的人体质量评分为标签，利用深度聚类模型，对所述待处理人体图像与所述目标人体档案中的每个人体封面进行聚类处理，得到至少一个人体类。
其中，预设属性特征可以包括但不限于光照、清晰度、人体朝向、人体完整度、人体运动状态、颜色和换装、图像采集装置等。基于多种预设属性特征，可以将人体图像划分为多个人体类。例如，将不同图像采集装置采集的人体图像划分为不同的人体类，将不同人体朝向的人体图像划分为不同的人体类，将不同人体完整度的人体图像划分为不同的人体类等。
在划分人体类时，可以同时考虑多种预设属性特征。例如，将不同图像采集装置采集的不同人体朝向的人体图像划分为不同的人体类等。对此不进行限定。
本申请实施例中，利用预设属性特征划分多个人体类，可极大的丰富人体封面的丰富性。
对于一预设属性特征的人体图像，人体图像会有基于该预设属性特征的相应人体质量评分。
深度聚类模型可以包括深度卷积聚类网络和深度图卷积聚类网络。其中，深度卷积聚类网络可以包括但不限于DNC(Deep Nonparametric Clustering，深度无参聚类)、DEC(Deep Embedded Clustering，深度特征嵌入聚类)、CCNN(Clustering ConvolutionalNeural Network，卷积神经网络聚类)等。深度图卷积聚类网络可以包括但不限于DAEGC(Deep Attentional Embedded Graph Clustering，深度注意力机制的嵌入图聚类)、LGCN(Linkage Graph Convolution Network，连接性图卷积神经网络)、DA-NET(Density AwareFeature Embedding Network，密度感知特征嵌入网络)等。
本申请实施例中，在确定待处理人体图像后，电子设备以人体图像的多个预设属性特征以及每个预设属性特征的人体质量评分为标签，利用深度聚类模型，对目标人体档案中的人体封面和归档进来的待处理人体图像，在特征空间上进行聚类处理，提取特征空间中的差异性，得到至少一个人体类，这间接的丰富目标人体档案的人体封面。
另外，本申请实施例中，深度聚类模型以人体图像的多个预设属性特征以及每个预设属性特征的人体质量评分为标签，使得该深度聚类模型具有更强的鲁棒性，使得该深度聚类模型可以适用于于任何人体归档的场景，适用性较好。
在本申请的一个实施例中，还提供了一种人员档案的建立方法，如图5所示，图5为本申请实施例提供的人员档案的建立方法的一种流程示意图，该方法可以包括如下步骤：
步骤S51，获取多个人脸图像和多个人脸图像关联的人体图像。
步骤S52，通过预设聚类算法，对多个人脸图像进行聚类处理，得到至少一个人脸类。
步骤S53，将每个人脸类包括的人脸图像关联的人体图像加入一个人体档案中。
步骤S51-S53可以参见上述步骤一、二和三部分的描述，此处不再赘述。
步骤S54，从每个人体档案包括的候选人体图像中，确定每个人体档案中的每个人体封面，候选人体图像为人体质量评分高于等于预设评分阈值的人体图像。
每一人体档案中包括多个人体图像。电子设备可以提取这多个人体图像中人体质量评分高于等于预设评分阈值的人体图像，作为候选人体图像。预设评分阈值可以根据实际需求进行设定。此时，过滤掉了人体档案不符合人体封面的人体质量评分要求的人体图像。此处的人体质量评分可以从多个预设属性特征的角度，来确定人体图像是否符合人体封面的人体质量评分要求。
在确定每个人体档案的候选人体图像后，对于每个人体档案，电子设备从该人体档案包括的候选人体图像中，确定该人体档案中的每个人体封面。这之后，电子设备可以执行步骤S21，对待处理的人体图像进行归档。
本申请实施例中，电子设备预先过滤掉了不符合人体封面的人体质量评分要求的人体图像，基于此确定人体封面，可以提高对后续的人体图像进行归档的准确性。
一个可选的实施例中，上述步骤S54可以为：对于每个人体档案，将该人体档案中人体质量评分最高的预设数量个候选人体图像，作为该人体档案的人体封面。
例如，预设数量为K，人体档案包括人体图像的集合C，从人体图像的集合C中筛选出人体质量评分高于等于预设评分阈值的人体图像的集合C'。将集合C'中人体质量评分最高的K个人体图像，作为该人体档案的人体封面。
这里，若集合C'包括的人体图像的数量小于K，则将集合C'包括的所有人体图像均作为该人体档案的人体封面。
另一个可选的实施例中，上述步骤S54可以为：对于每个人体档案，以人体图像的多个预设属性特征以及每个预设属性特征的人体评分为标签，利用深度聚类模型，对该人体档案包括的每个候选人体图像进行聚类处理，得到预设数量个人体类；将每个人体类中人体质量评分最高的预设个数张候选人体图像作为该人体档案的人体封面。该人体档案的人体封面的总数小于等于预设数量。
其中，电子设备得到预设数量个人体类中可以存在为空的人体类。对于候选人体图像进行聚类处理的操作，可以参见上述步骤S221部分的描述。预设个数可以为1、2等，具体可以根据实际需求进行设定。
本申请实施例中，在确定人体档案的初始人体封面时，就对人体图像进行聚类处理，保证了确定的初始人体封面的丰富多样，进而提高了人体图像归档的准确性，便于对人员行为进行分析。
与上述人体封面更新方法对应，本申请实施例还提供了一种人体封面更新装置，如图6所示，该装置包括：
归档单元61，用于确定待处理人体图像所属的目标人体档案；
第一聚类单元62，用于对待处理人体图像与目标人体档案中的每个人体封面进行聚类处理，得到至少一个人体类；
处理单元63，用于若待处理人体图像与每个人体封面均不属于同一人体类，且目标人体档案中人体封面的数量小于预设数量，则将待处理人体图像作为目标人体档案中的人体封面。
在本申请的一个实施例中，处理单元63，还可以用于：
若待处理人体图像与至少一个人体封面属于同一人体类，则确定待处理人体图像与至少一个人体封面中的目标图像；
将待处理人体图像与至少一个人体封面中除目标图像外的图像作为人体封面。
在本申请的一个实施例中，处理单元63，具体可以用于：
比较待处理人体图像和目标人体封面的人体质量评分，目标人体封面为至少一个人体封面中人体质量评分最小的人体封面；若待处理人体图像的人体质量评分大于目标人体封面的人体质量评分，则将目标作为目标图像；否则，将待处理人体图像作为目标图像；或，
将至少一个人体封面中采集时间最早的人体封面作为目标图像。
在本申请的一个实施例中，第一聚类单元可以62，具体用于：
以人体图像的多个预设属性特征以及每个预设属性特征的人体质量评分为标签，利用深度聚类模型，对待处理人体图像与目标人体档案中的每个人体封面进行聚类处理。
在本申请的一个实施例中，上述人体封面更新装置还可以包括：
获取单元，用于在确定待处理人体图像所属的目标人体档案的步骤之前，获取多个人脸图像和多个人脸图像关联的人体图像；
第二聚类单元，用于通过预设聚类算法，对多个人脸图像进行聚类处理；得到至少一个人脸类；
加入单元，用于将每个人脸类包括的人脸图像关联的人体图像加入一个人体档案中；
确定单元，用于从每个人体档案包括的候选人体图像中，确定每个人体档案中的每个人体封面，候选人体图像为人体质量评分高于等于预设评分阈值的人体图像。
在本申请的一个实施例中，确定单元，具体可以用于对于每个人体档案，将该人体档案中人体质量评分最高的预设数量个候选人体图像，作为该人体档案的人体封面；或
确定单元，具体可以用于：对于每个人体档案，以人体图像的多个预设属性特征以及每个预设属性特征的人体评分为标签，利用深度聚类模型，对该人体档案包括的每个候选人体图像进行聚类处理，得到预设数量个人体类；将每个人体类中人体质量评分最高的预设个数张候选人体图像作为该人体档案的人体封面。
本申请实施例提供的技术方案中，在建立人体档案后，通过对待处理人体图像与人体封面进行聚类处理，确定至少一个人体类，并在待处理人体图像所属的人体类中不包括目标人体档案的人体封面，也就是，待处理人体图像与每个人体封面均不属于同一人体类的情况下，将该待处理人体图像增加为目标人体档案中的人体封面。这种情况下，实现了人体档案中的人体封面的实时更新，增加了人体档案中的人体封面的类型，提高了人体封面的多样性和实时性，进而提高了人体图像归档的准确性，便于对人员行为进行分析。
与上述人体封面更新方法对应，本申请实施例还提供了一种电子设备，如图7所示，包括处理器71和机器可读存储介质72，机器可读存储介质72存储有能够被处理器71执行的计算机程序，处理器71被计算机程序促使：实现上述任一所述的人体封面更新方法步骤。
机器可读存储介质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，机器可读存储介质还可以是至少一个位于远离前述处理器的存储装置。
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 SignalProcessor，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，还提供了一种机器可读存储介质，该机器可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述任一所述的人体封面更新方法步骤。
在本申请提供的又一实施例中，还提供了一种计算机程序，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体封面更新方法步骤。
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、电子设备、机器可读存储介质、以及计算机程序实施例而言，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，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 (9)

1.一种人体封面更新方法，其特征在于，所述方法包括：
确定待处理人体图像所属的目标人体档案，所述待处理人体图像为待归档的人体图像；
对所述待处理人体图像与所述目标人体档案中的每个人体封面进行聚类处理，得到至少一个人体类；
若所述待处理人体图像与每个人体封面均不属于同一人体类，且所述目标人体档案中人体封面的数量小于预设数量，则将所述待处理人体图像作为所述目标人体档案中的人体封面；
若所述待处理人体图像与每个人体封面均不属于同一人体类，且所述目标人体档案中人体封面的数量等于预设数量，所述目标人体档案中至少两个人体封面属于同一人体类，则获取包括至少两个人体封面的人体类中人体质量评分最小的第一人体封面，比较所述待处理人体图像与所述第一人体封面的人体质量评分，若所述待处理人体图像的人体质量评分大于所述第一人体封面的人体质量评分，则将所述第一人体封面替换为待处理人体图像；或
若所述待处理人体图像与每个人体封面均不属于同一人体类，且所述目标人体档案中人体封面的数量等于预设数量，所述目标人体档案中至少两个人体封面属于同一人体类，则获取包括至少两个人体封面的人体类中采集时间最早的第二人体封面，将所述第二人体封面替换为所述待处理人体图像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述待处理人体图像与至少一个人体封面属于同一人体类，则确定所述待处理人体图像与所述至少一个人体封面中的目标图像；
将所述待处理人体图像与所述至少一个人体封面中除目标图像外的图像作为人体封面；
所述确定所述待处理人体图像与所述至少一个人体封面中的目标图像的步骤，包括：
比较所述待处理人体图像和目标人体封面的人体质量评分，所述目标人体封面为所述至少一个人体封面中人体质量评分最小的人体封面；若所述待处理人体图像的人体质量评分大于目标人体封面的人体质量评分，则将所述目标人体封面作为目标图像；否则，将所述待处理人体图像作为目标图像；或，
将所述至少一个人体封面中采集时间最早的人体封面作为目标图像。
3.根据权利要求1所述的方法，其特征在于，所述对所述待处理人体图像与所述目标人体档案中的每个人体封面进行聚类处理的步骤，包括：
以人体图像的多个预设属性特征以及每个预设属性特征的人体质量评分为标签，利用深度聚类模型，对所述待处理人体图像与所述目标人体档案中的每个人体封面进行聚类处理。
4.根据权利要求1所述的方法，其特征在于，在所述确定待处理人体图像所属的目标人体档案的步骤之前，所述方法还包括：
获取多个人脸图像和所述多个人脸图像关联的人体图像；
通过预设聚类算法，对所述多个人脸图像进行聚类处理；得到至少一个人脸类；
将每个人脸类包括的人脸图像关联的人体图像加入一个人体档案中；
从每个人体档案包括的候选人体图像中，确定每个人体档案中的每个人体封面，所述候选人体图像为人体质量评分高于等于预设评分阈值的人体图像。
5.根据权利要求4所述的方法，其特征在于，所述从每个人体档案包括的候选人体图像中，确定每个人体档案中的每个人体封面的步骤，包括：
对于每个人体档案，将该人体档案中人体质量评分最高的预设数量个候选人体图像，作为该人体档案的人体封面；或
对于每个人体档案，以人体图像的多个预设属性特征以及每个预设属性特征的人体评分为标签，利用深度聚类模型，对该人体档案包括的每个候选人体图像进行聚类处理，得到预设数量个人体类；将每个人体类中人体质量评分最高的预设个数张候选人体图像作为该人体档案的人体封面。
6.一种人体封面更新装置，其特征在于，所述装置包括：
归档单元，用于确定待处理人体图像所属的目标人体档案，所述待处理人体图像为待归档的人体图像；
第一聚类单元，用于对所述待处理人体图像与所述目标人体档案中的每个人体封面进行聚类处理，得到至少一个人体类；
处理单元，用于若所述待处理人体图像与每个人体封面均不属于同一人体类，且所述目标人体档案中人体封面的数量小于预设数量，则将所述待处理人体图像作为所述目标人体档案中的人体封面；若所述待处理人体图像与每个人体封面均不属于同一人体类，且所述目标人体档案中人体封面的数量等于预设数量，所述目标人体档案中至少两个人体封面属于同一人体类，则获取包括至少两个人体封面的人体类中人体质量评分最小的第一人体封面，比较所述待处理人体图像与所述第一人体封面的人体质量评分，若所述待处理人体图像的人体质量评分大于所述第一人体封面的人体质量评分，则将所述第一人体封面替换为待处理人体图像；或若所述待处理人体图像与每个人体封面均不属于同一人体类，且所述目标人体档案中人体封面的数量等于预设数量，所述目标人体档案中至少两个人体封面属于同一人体类，则获取包括至少两个人体封面的人体类中采集时间最早的第二人体封面，将所述第二人体封面替换为所述待处理人体图像。
7.根据权利要求6所述的装置，其特征在于，所述处理单元，还用于：
若所述待处理人体图像与至少一个人体封面属于同一人体类，则确定所述待处理人体图像与所述至少一个人体封面中的目标图像；
将所述待处理人体图像与所述至少一个人体封面中除目标图像外的图像作为人体封面；
所述处理单元，具体用于比较所述待处理人体图像和目标人体封面的人体质量评分，所述目标人体封面为所述至少一个人体封面中人体质量评分最小的人体封面；若所述待处理人体图像的人体质量评分大于目标人体封面的人体质量评分，则将所述目标人体封面作为目标图像；否则，将所述待处理人体图像作为目标图像；或，将所述至少一个人体封面中采集时间最早的人体封面作为目标图像。
8.一种电子设备，其特征在于，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的计算机程序，所述处理器被所述计算机程序促使：实现权利要求1-5任一所述的方法步骤。
9.一种机器可读存储介质，其特征在于，所述机器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1-5任一所述的方法步骤。
CN202110705226.1A 2021-06-24 2021-06-24 一种人体封面更新方法、装置、电子设备及存储介质 Active CN113326805B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110705226.1A CN113326805B (zh) 2021-06-24 2021-06-24 一种人体封面更新方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110705226.1A CN113326805B (zh) 2021-06-24 2021-06-24 一种人体封面更新方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113326805A CN113326805A (zh) 2021-08-31
CN113326805B true CN113326805B (zh) 2024-04-05

Family

ID=77424635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110705226.1A Active CN113326805B (zh) 2021-06-24 2021-06-24 一种人体封面更新方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113326805B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103365887A (zh) * 2012-03-31 2013-10-23 腾讯科技（深圳）有限公司 生成相册封面的方法和装置
CN105138595A (zh) * 2015-07-31 2015-12-09 努比亚技术有限公司 设置相册封面的装置及方法
CN110381392A (zh) * 2019-06-06 2019-10-25 五邑大学 一种视频摘要提取方法及其系统、装置、存储介质
CN110597424A (zh) * 2019-08-01 2019-12-20 北京悉见科技有限公司 用于图片显示的方法、设备及存储介质
CN111061899A (zh) * 2019-12-18 2020-04-24 深圳云天励飞技术有限公司 一种档案代表图片生成方法、装置和电子设备
CN112883213A (zh) * 2019-11-29 2021-06-01 深圳云天励飞技术有限公司 一种图片归档方法、装置及电子设备
CN112948612A (zh) * 2021-03-16 2021-06-11 杭州海康威视数字技术股份有限公司 人体封面生成方法、装置、电子设备及存储介质
CN112966136A (zh) * 2021-05-18 2021-06-15 武汉中科通达高新技术股份有限公司 一种人脸分类方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109542493A (zh) * 2017-09-22 2019-03-29 华为技术有限公司 一种镜像升级方法及设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103365887A (zh) * 2012-03-31 2013-10-23 腾讯科技（深圳）有限公司 生成相册封面的方法和装置
CN105138595A (zh) * 2015-07-31 2015-12-09 努比亚技术有限公司 设置相册封面的装置及方法
CN110381392A (zh) * 2019-06-06 2019-10-25 五邑大学 一种视频摘要提取方法及其系统、装置、存储介质
CN110597424A (zh) * 2019-08-01 2019-12-20 北京悉见科技有限公司 用于图片显示的方法、设备及存储介质
CN112883213A (zh) * 2019-11-29 2021-06-01 深圳云天励飞技术有限公司 一种图片归档方法、装置及电子设备
CN111061899A (zh) * 2019-12-18 2020-04-24 深圳云天励飞技术有限公司 一种档案代表图片生成方法、装置和电子设备
CN112948612A (zh) * 2021-03-16 2021-06-11 杭州海康威视数字技术股份有限公司 人体封面生成方法、装置、电子设备及存储介质
CN112966136A (zh) * 2021-05-18 2021-06-15 武汉中科通达高新技术股份有限公司 一种人脸分类方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Jimin Jia 等.Annotating Personal Albums via Web Mining.《ACM》.2008,全 文. *
王 少等.热轧板带表面质量智能化自动判定系统的开发应用.《中国冶金》.2019,全 文. *

Also Published As

Publication number Publication date
CN113326805A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
CN110909205B (zh) 一种视频封面确定方法、装置、电子设备及可读存储介质
WO2020098606A1 (zh) 节点分类方法、模型训练方法、装置、设备及存储介质
US9471675B2 (en) Automatic face discovery and recognition for video content analysis
WO2019020049A1 (zh) 一种图像检索方法、装置及电子设备
CN110162665B (zh) 视频搜索方法、计算机设备及存储介质
CN110414376B (zh) 更新人脸识别模型的方法、人脸识别相机及服务器
JP2022518469A (ja) 情報処理方法および装置、記憶媒体
CN112948612B (zh) 人体封面生成方法、装置、电子设备及存储介质
CN112862093A (zh) 一种图神经网络训练方法及装置
KR20170035892A (ko) 온라인 서비스의 거동 변화의 인식 기법
WO2022062419A1 (zh) 基于非督导金字塔相似性学习的目标重识别方法及系统
CN106033443B (zh) 一种车辆检索中的扩展查询方法及装置
JP2021515321A (ja) メディア処理方法、その関連装置及びコンピュータプログラム
CN111291824A (zh) 时间序列的处理方法、装置、电子设备和计算机可读介质
CN114708304B (zh) 一种跨摄像头的多目标追踪方法、装置、设备及介质
CN111368867B (zh) 档案归类方法及系统、计算机可读存储介质
CN111816170A (zh) 一种音频分类模型的训练和垃圾音频识别方法和装置
CN113591758A (zh) 一种人体行为识别模型训练方法、装置及计算机设备
CN113326805B (zh) 一种人体封面更新方法、装置、电子设备及存储介质
CN114219051B (zh) 图像分类方法、分类模型的训练方法、装置及电子设备
CN113810333B (zh) 基于半监督谱聚类和集成svm的流量检测方法及系统
CN111143626B (zh) 团伙识别方法、装置、设备及计算机可读存储介质
CN114048344A (zh) 一种相似人脸搜索方法、装置、设备和可读存储介质
CN109815369B (zh) 一种归档方法及装置
CN113837091A (zh) 识别方法、装置、电子设备及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant