CN113656625B - 一种确定人体空间域的方法、装置及电子设备 - Google Patents
一种确定人体空间域的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113656625B CN113656625B CN202111212984.6A CN202111212984A CN113656625B CN 113656625 B CN113656625 B CN 113656625B CN 202111212984 A CN202111212984 A CN 202111212984A CN 113656625 B CN113656625 B CN 113656625B
- Authority
- CN
- China
- Prior art keywords
- equipment
- human body
- space domain
- domain
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本申请公开一种确定人体空间域的方法、装置及电子设备,该方法包括从获取的人脸空间域中确定满足业务需求的目标空间域与不满足业务需求的非目标空间域,按照预设规则从非目标空间域内筛选出与目标空间域对应的设备集合,并将筛选出的设备集合划分到对应的目标空间域中,形成新的人体空间域,对人体空间域中的设备采集到的图像进行聚类归档。另外,计算处于重叠区域的异常设备与重叠人体空间域的特征值,将异常设备划分到特征值最小的人体空间域。基于上述方法可以实现参考人脸空间以确定人体空间域的划分,提高基于人体空间域中设备采集数据来进行人像聚类的聚类效果,避免非目标空间域对人体空间域划分的干扰,同时解决区域重叠问题。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种确定人体空间域的方法、装置及电子设备。
背景技术
随着智能视频监控设备的大量普及,每天都会累积海量的人像图片,因此需要对人像图片进行聚类归档管理。
目前对人像图片的聚类归档方式是按照采集设备的类型进行聚类,也就是对同一类型的采集设备采集到的人像抓拍数据进行聚类归档,比如,对于各个人体抓拍设备采集到的人体图像,就将所有人体抓拍设备采集到的人体图像进行聚类归档。
但是,人体抓拍设备采集的人体图像中存在大量相似图像,这些相似图像对应不同目标对象。比如衣着和体型都相似的不同目标对象,按照现有的聚类归档方式,这些相似的人体图像将被聚类归档到同一目标对象下,因此就造成聚类归档的准确性较低。
发明内容
本申请提供一种确定人体空间域的方法、装置及电子设备,用以实现基于人脸空间域的人体空间域划分,在一定程度上弥补人体抓拍设备采集图像进行聚类归档效果差以及人脸抓拍设备抓拍数量少的问题,起到少量人脸抓拍设备带动多个人体抓拍设备的效果,提高基于人体空间域中设备采集的数据来进行人像聚类的聚类效果。
第一方面,本申请提供了一种确定人体空间域的方法,所述方法包括:
从获取的人脸空间域中确定满足业务需求的目标空间域与不满足业务需求的非目标空间域,其中,所述人脸空间域包含多个人脸抓拍设备,所述目标空间域包含满足业务需求的人脸抓拍设备,所述非目标空间域包含不满足业务需求的人脸抓拍设备以及人体抓拍设备;
按照预设规则从所述非目标空间域中筛选出与所述目标空间域对应的设备集合,其中,所述设备集合包括所述人脸抓拍设备以及人体抓拍设备;
将所述设备集合划分到对应的所述目标空间域中,得到人体空间域;
对所述人体空间域中的设备采集到的图像进行聚类归档。
通过上述方法,实现基于人脸空间域的人体空间域划分,在一定程度上弥补人体抓拍设备采集图像进行聚类归档效果差以及人脸抓拍设备抓拍数量少的问题,起到少量人脸抓拍设备带动多个人体抓拍设备的效果,并且基于筛选的目标空间域,以此生成新的人体空间域,避免非目标空间域对人体空间域划分的干扰。
在一种可能的设计中,所述从获取的人脸空间域中确定满足业务需求的目标空间域与不满足业务需求的非目标空间域,包括:
获取人脸空间域的划分信息,其中,所述人脸空间域由多个人脸抓拍设备组成,所述人脸空间域之间没有重叠的人脸抓拍设备,所述划分信息包括对应人脸空间域中的人脸抓拍设备的数量以及位置信息;
提取所述人脸抓拍设备的数量以及所述位置信息满足业务需求的人脸空间域,并将提取的所述人脸空间域作为目标空间域;
将不属于所述目标空间域的人脸抓拍设备以及所有人体抓拍设备作为非目标空间域中的设备。
通过上述方法,实现对目标空间域和非目标空间域的划分,通过划分出的目标空间域,避免非重要的人脸抓拍设备或人体抓拍设备对最终形成的人体空间域的干扰。
在一种可能的设计中,所述按照预设规则从所述非目标空间域中筛选出与所述目标空间域对应的设备集合,包括:
以所述目标空间域中的人脸抓拍设备为中心,获取所述目标空间域的目标范围;
在所述目标范围内,筛选出未划分设备,将所述未划分设备作为待划分到所述目标空间域的设备集合,其中,所述未划分设备为所述非目标空间域中的人脸抓拍设备和人体抓拍设备。
通过上述方法,基于目标空间域筛选出待划分的设备集合,避免非目标空间域对人体空间域划分的干扰,在一定程度上弥补人脸抓拍设备抓拍数量少的问题,起到少量人脸抓拍设备带动多个人体抓拍设备的效果。
在一种可能的设计中,所述按照预设规则从所述非目标空间域中筛选出与所述目标空间域对应的设备集合,包括:
获取所述目标空间域中的人脸抓拍设备的层级关系;
在所述层级关系的每个层级中筛选出与所述目标空间域相关的未划分设备,将所述未划分设备作为待划分到所述目标空间域的设备集合,其中,所述未划分设备为所述非目标空间域中的人脸抓拍设备和人体抓拍设备。
通过上述方法,基于目标空间域筛选出待划分的设备集合,避免非目标空间域对人体空间域划分的干扰,在一定程度上弥补人脸抓拍设备抓拍数量少的问题,起到少量人脸抓拍设备带动多个人体抓拍设备的效果。
在一种可能的设计中,在所述将所述设备集合划分到对应的所述目标空间域中,得到人体空间域之后,还包括:
当所述人体空间域中存在与其他人体空间域重叠的异常设备时,提取所述异常设备,并确定所述异常设备当前所属的多个重叠人体空间域;
分别计算所述异常设备到每个重叠人体空间域的距离的特征值;
提取出满足预设条件的特征值,并将所述异常设备划分到与所述特征值对应的人体空间域中。
通过上述方法,计算异常设备与重叠人体空间域之间的特征值,将异常设备划分到对应的人体空间域,解决区域重叠问题。
在一种可能的设计中,所述分别计算所述异常设备到每个重叠人体空间域的距离的特征值,具体包括:
计算所述异常设备到重叠人体空间域中每个设备的距离;
根据所述距离与预设权重,计算所述异常设备到所述重叠人体空间域的特征值。
通过上述方法,通过计算异常设备与重叠人体空间域之间的特征值,解决了区域重叠问题。
在一种可能的设计中,在所述将所述设备集合划分到对应的所述目标空间域中,得到人体空间域之后,还包括:
当检测到存在未划分设备时,按照预设规则将所述未划分设备划分到对应的人体空间域中,其中,所述未划分设备包括没有被划分到人体空间域的人脸抓拍设备和人体抓拍设备。
通过上述方法,实现参考人脸空间域的人体空间域划分,充分利用了人脸抓拍设备以及人体抓拍设备,在一定程度上弥补人脸抓拍设备抓拍数量少的问题,起到少量人脸抓拍设备带动多个人体抓拍设备的效果。
在一种可能的设计中,所述预设规则,具体包括如下情况中的一种:
确定所述人体空间域的目标范围,并将在所述目标范围内的所述未划分设备划分到所述人体空间域中;
确定所述人体空间域的层级关系,并将从所述层级关系的每个层级中筛选出与所述人体空间域相关的未划分设备划分到所述人体空间域中;
计算所述未划分设备到所述人体空间域的距离的特征值,将所述未划分设备划分到满足预设条件的特征值对应的人体空间域中。
通过上述方法,通过提出的三种划分方法,实现将未划分设备划分到人体空间域中的目的。
第二方面,本申请提供了一种确定人体空间域的装置,所述装置包括:
确定模块,从获取的人脸空间域中确定满足业务需求的目标空间域与不满足业务需求的非目标空间域,其中,所述人脸空间域包含多个人脸抓拍设备;
筛选模块,按照预设规则从所述非目标空间域中筛选出与所述目标空间域对应的设备集合,其中,所述设备集合包括所述人脸抓拍设备以及人体抓拍设备;
划分模块,将所述设备集合划分到对应的所述目标空间域中,得到人体空间域;
聚类模块,对所述人体空间域中的设备采集到的图像进行聚类归档。
在一种可能的设计中,所述确定模块,具体用于:
获取人脸空间域的划分信息,其中,所述人脸空间域由多个人脸抓拍设备组成,所述人脸空间域之间没有重叠的人脸抓拍设备,所述划分信息包括对应人脸空间域中的人脸抓拍设备的数量以及位置信息;提取所述人脸抓拍设备的数量以及所述位置信息满足业务需求的人脸空间域,并将提取的所述人脸空间域作为目标空间域;将不属于所述目标空间域的人脸抓拍设备以及所有人体抓拍设备作为非目标空间域中的设备。
在一种可能的设计中,所述筛选模块,具体用于以所述目标空间域中的人脸抓拍设备为中心,获取所述目标空间域的目标范围;在所述目标范围内,筛选出未划分设备,将所述未划分设备作为待划分到所述目标空间域的设备集合,其中,所述未划分设备为所述非目标空间域中的人脸抓拍设备和人体抓拍设备。
在一种可能的设计中,所述筛选模块,具体用于获取所述目标空间域中的人脸抓拍设备的层级关系;在所述层级关系的每个层级中筛选出与所述目标空间域相关的未划分设备,将所述未划分设备作为待划分到所述目标空间域的设备集合,其中,所述未划分设备为所述非目标空间域中的人脸抓拍设备和人体抓拍设备。
在一种可能的设计中,在所述划分模块之后,还包括:当所述人体空间域中存在与其他人体空间域重叠的异常设备时,提取所述异常设备,并确定所述异常设备当前所属的多个重叠人体空间域;分别计算所述异常设备到每个重叠人体空间域的距离的特征值;提取出满足预设条件的特征值,并将所述异常设备划分到与所述特征值对应的人体空间域中。
在一种可能的设计中,在所述划分模块之后,还包括:计算所述异常设备到重叠人体空间域中每个设备的距离;根据所述距离与预设权重,计算所述异常设备到所述重叠人体空间域的特征值。
在一种可能的设计中,在所述划分模块之后,还包括:当检测到存在未划分设备时,按照预设规则将所述未划分设备划分到对应的人体空间域中,其中,所述未划分设备包括没有被划分到人体空间域的人脸抓拍设备和人体抓拍设备。
在一种可能的设计中,在所述划分模块之后,所述预设规则具体用于如下情况中的一种:确定所述人体空间域的目标范围,并将在所述目标范围内的所述未划分设备划分到所述人体空间域中;确定所述人体空间域的层级关系,并将从所述层级关系的每个层级中筛选出与所述人体空间域相关的未划分设备划分到所述人体空间域中;计算所述未划分设备到所述人体空间域的距离的特征值,将所述未划分设备划分到满足预设条件的特征值对应的人体空间域中。
第三方面,本申请提供了一种电子设备,所述电子设备包括:
存储器,用于存放计算机程序;
处理器,用于执行所述存储器上所存放的计算机程序时,实现上述的一种检测运动状态异常的对象的方法步骤。
第四方面,本申请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的一种检测运动状态异常的对象的方法步骤。
上述第二方面至第四方面中的各个方面以及各个方面可能达到的技术效果请参照上述针对第一方面或第一方面中的各种可能方案可以达到的技术效果说明,这里不再重复赘述。
附图说明
图1为本申请提供的一种确定人体空间域的方法的流程图;
图2为本申请提供的一种筛选目标空间域的示意图;
图3为本申请提供的一种基于距离半径的聚合方式的示意图;
图4为本申请提供的一种基于N阶M近邻的聚合方式的示意图;
图5为本申请提供的一种人体空间域重叠的示意图;
图6为本申请提供的一种计算异常设备的特征值的示意图;
图7为本申请提供的一种确定人体空间域的装置的示意图;
图8为本申请提供的一种电子设备的结构的示意图。
具体实施方式
为便于本领域技术人员更好地理解本申请,下面先对本申请涉及的技术用语、关键技术进行简单阐述。
1、人脸抓拍设备:又名人脸前端抓拍设备,是指由于其架设高度较低等优势,大部分抓拍图片都能解析出清晰人脸图片的前端抓拍设备。人脸抓拍设备一般也能识别出人体图片,但解析得到的人体图片一般只包含上半身的人体图片。
2、人体抓拍设备:又名人体前端抓拍设备,是指其架设高度较高等原因,大部分抓拍图片只能解析出人体图片而不能有效解析出人脸图片的前端抓拍设备。
3、空间域:对处于同一空间范围内的多个前端抓拍设备归为同一空间域,即每个空间域可由一个或多个相关的前端抓拍设备组成。具体空间范围划定方式与具体的业务有关。
4、人脸空间域:指为能够抓拍人脸图像的前端抓拍设备划分的空间域为人脸空间域。
5、人体空间域:指为能够抓拍人体图像的前端抓拍设备划分的空间域为人体空间域。
6、N阶邻域:随机选取空间域的一个节点,其一阶近邻为距离该节点有直接边连接的近邻节点,其所有与直接边相连接的节点构成的该节点的一阶邻域。针对该节点的一阶邻域内的所有节点再进行一次一阶邻域搜索,涉及的所有点为该节点的2阶邻域。重复类似操作N次,即得到图上某个节点的N阶邻域内的所有近邻节点。
本申请实施例提供了一种人体空间域划分的方法、装置及电子设备,解决当前基于人体抓拍设备构成的人体空间域的方法,存在采集到的图像数据辨识度低的问题。
根据本申请实施例提供的方法,从人脸空间域中筛选目标空间域,以基于距离半径或基于N阶M近邻的方式聚合非目标空间域的前端抓拍设备形成新的人体空间域,实现参考人脸空间域的人体空间域划分。
特别地,对于重叠的人体空间域,基于自定义的距离熵与距离熵增益,将处于重叠区域的异常设备划分到距离熵增益最小的人体空间域,以此解决重叠的人体空间域的问题。
下面结合附图对本申请实施例所提供的方法作出进一步详细说明。
参阅图1所示,本申请实施例提供了一种确定人体空间域的方法,具体流程如下:
步骤101:从获取的人脸空间域中确定满足业务需求的目标空间域与不满足业务需求的非目标空间域;
在本步骤101中包括两个部分:S1获取人脸空间域的划分信息;S2根据划分信息,从人脸空间域中提取出满足业务需求的目标空间域和不满足业务需求的非目标空间域。
S1获取人脸空间域的划分信息;
获取人脸抓拍设备的人脸空间域的划分信息。
具体来说,在这里的人脸空间域由多个人脸抓拍设备组成。在这里获取的人脸空间域的划分信息,主要包含每个人脸空间域内所有的人脸抓拍设备唯一标识码的集合,以及每个人脸抓拍设备对应的GPS位置信息等。
另外,在这里的人脸空间域不存在重叠情况。所谓空间域重叠是指一个前端抓拍设备属于两个或两个以上的空间域。
在本申请实施例中,假设全部的前端抓拍设备中既包含有人脸抓拍设备也包含人体抓拍设备,且已经完成针对人脸抓拍设备的空间域划分。
S2根据划分信息,从人脸空间域中提取出满足业务需求的目标空间域和不满足业务需求的非目标空间域。
由于人脸空间域所包含的前端设备的个数与地理位置不同,从具体的业务角度出发可以区分出重要人脸空间域与非重要人脸空间域。并将重要人脸空间域作为目标空间域,非重要人脸空间域作为非目标空间域。对于非重要人脸空间域内的所有人脸抓拍设备全部设置为未划分空间域的前端抓拍设备。
特别地,在这里重要与非重要人脸空间域的判断方式有多种,由具体业务需求定义。一种通用的判断条件是该人脸空间域至少包含2~3个且不多于20~30个人脸抓拍设备,同时要求两两人脸抓拍设备的距离不超过1500~3000米。
举例来说:
如图2所示,假设的筛选重要人脸空间域的标准为至少包含3个且不多于20个人脸抓拍设备,同时要求两两人脸抓拍设备的距离不超过1500米。具体的筛选结果如图2所示,图中有边连接的前端抓拍设备组成一个个独立的空间域。对于非重要人脸空间域内的所有人脸抓拍设备全部设置为未划分空间域的前端抓拍设备。此时,非重要人脸空间域内的所有人脸抓拍设备重新成为一个个孤立的点位。
在这里筛选目标空间域的目的是让后期人体空间域能更有针对性对重要人脸空间域进行扩展。
通过上述筛选出目标空间域的方法,避免非目标空间域对人体空间域划分的干扰。
步骤102:按照预设规则从所述非目标空间域中筛选出与所述目标空间域对应的设备集合;
在本申请实施例中,这里的预设规则主要有两种,分别是基于距离半径的聚合方式或者基于N阶近邻的聚合方式。
具体来说,在这里所谓的基于距离半径的聚合方式,指通过对目标空间域中所包含的每个前端抓拍设备,设定一定的距离范围半径,将处于距离半径内的其他前端设备筛选出来,作为与目标空间域对应的设备集合。
在这里所谓的基于N阶M近邻的聚合方式,指通过对目标空间域中所包含的每个前端抓拍设备,逐个遍历其N阶M近邻的前端抓拍设备,以此将筛选出与目标空间域对应的设备集合。
举例来说:
基于距离半径的聚合方式:
如图3所示,圆圈表示人脸抓拍设备,三角形表示人体抓拍设备或者是非目标空间区域内的人脸抓拍设备。
如果聚合方式为基于距离半径的聚合方式,则通过设定距离半径R,筛选出目标空间域周边的人体抓拍设备或者是非目标空间区域内的人脸抓拍设备。
如图3所示,在人体空间域范围内的3个圆圈共同构成目标空间域,在人体空间域范围内的4个三角形共同组成设备集合。
特别的,设定的聚合距离半径R可以设为50~300米,当然,也可以根据实际应用需求设定为其他任意数值。
基于N阶M近邻的聚合方式:
如图4所示,如果聚合方式为基于N阶M近邻的聚合方式,可以设置为N为2,近邻个数M也为2,其表示从目标空间域所包含的全部人脸抓拍设备出发,依次搜寻距离最近的2个近邻前端抓拍设备,以此得到1阶近邻。2阶近邻是在1阶近邻的基础上,再次搜寻距离最近的2个近邻抓拍设备,以此得到2阶近邻。将1阶近邻与2阶近邻的所有抓拍设备都作为与该目标空间域对应的设备集合。
如图4所示,在人体空间域范围内的3个圆圈共同构成目标空间域,在人体空间域范围内的8个三角形共同组成设备集合。
特别的,通过预设方法筛选出与目标空间域对应的设备集合可以包括人脸抓拍设备,也可以包括人脸抓拍设备和人体抓拍设备。
步骤103:将所述设备集合划分到对应的所述目标空间域中,得到人体空间域。
将筛选出的设备集合,划分到该设备集合对应的目标空间域中,在该目标空间域聚合对应设备集合后,得到该目标空间域对应的人体空间域。
举例来说,假设某目标空间域中有3台人脸抓拍设备。
如图3所示,通过步骤102中基于距离半径的聚合方法得到与该目标空间域相关的4台人体抓拍设备或非目标区域的人脸抓拍设备,将这4台设备作为该目标空间域对应的设备集合。在本步骤103中,将聚合上述目标区域中的人脸抓拍设备与上述设备集合,形成人体空间域。
在图3中,基于该目标空间域形成的人体空间域由7台人脸抓拍设备或人体抓拍设备组成。
如图4所示,通过步骤103中基于N阶M近邻的聚合方式得到与该目标空间域相关的8台人体抓拍设备或非目标区域的人脸抓拍设备,将这8台设备作为该目标空间域对应的设备集合。在本步骤104中,将聚合上述目标空间域中的人脸抓拍设备与上述设备集合,形成人体空间域。
在图4中,基于该目标空间域形成的人体空间域由11台人脸抓拍设备或人体抓拍设备组成。
另外,由于人脸抓拍设备有时也能抓拍到人体图片,因此步骤104根据具体的业务需求不同,新形成的人体空间域可以设置为包含人脸空间域内的所有前端抓拍设备也可以不包含人脸空间域内的所有前端抓拍设备。
通过本申请实施例提供的方法,实现基于人脸空间域的人体空间域划分。在一定程度上弥补人脸抓拍设备抓拍数量少的问题,起到少量人脸抓拍设备带动多个人体抓拍设备的效果。并且通过筛选目标空间域,以此生成新的人体空间域信息,避免非目标空间域对人体空间域划分的干扰。
在上述方法的基础上,为了解决生成的人体空间域的区域重叠问题,在本申请实施例中还提供了如下方法:
当人体空间域之间存在区域重叠时,确定处于区域重叠的前端抓拍设备,并将该前端抓拍设备作为异常设备,同时确定包括该异常设备的多个关联人体空间域,分别计算将该异常设备添加到各个关联人体空间域的特征值,根据计算得到的特征值,确定该异常设备对应的人体空间域,将该异常设备划分到对应的人体空间域中,完成对重叠的人体空间域的修复。
在本申请实施例中,当人体空间域之间存在区域重叠时,借助自定义的距离熵与距离熵增益,分别计算将重叠人体空间域中的异常设备添加到各个重叠人体空间域中的距离熵增益,然后将该前端抓拍设备划分到距离熵增益最小的人体空间域,修复重叠的人体空间域。
具体来说,基于前端抓拍设备间的距离,借助信息熵的概念定义距离熵,距离熵的计算方法参见如下公式1所示:
以此定义可以得到重叠区域内异常设备添加到人体空间域中的距离熵增益,距离熵增益的计算方法参见如下公式2所示:
对公式2进行简化,简化结果如下公式3所示:
其中,为将异常设备添加到人体空间域B的距离熵增益,为人体空间
域B中目标空间域的人脸抓拍设备数量总和,为人体空间域B中设备集合中的前端抓拍设
备数量总和,为重叠区域内的异常设备到人体空间域B中目标空间域内第i个人脸抓拍设
备的距离,为重叠区域内的异常设备到人体空间域B中设备集合中的第j个前端抓拍设
备的距离,与为权重值,。
举例来说,当存在人体空间域重叠的情况时,具体如图5所示。
在图5中包含4个人体空间域,分别为B1~B4。其中人体空间域B1与B2存在重叠区域P1,人体空间域B1与B3存在重叠区域P2,即可确定在图5中存在两台异常设备,分别为P1和P2。
参见图6所示:以P1为例,确定与P1相关联的人体空间域为B1和B2,为了将处于重叠区域的异常设备P1划分到对应的人体空间域,分别计算将P1划分到人体空间域B1与人体空间域B2的距离熵增益。
将P1划分到人体空间域B1的距离熵增益的具体计算方法,参见如下公式4所示:
其中,为将异常设备P1添加到人体空间域B1的距离熵增益,为人体
空间域B1中目标空间域的人脸抓拍设备数量总和,为人体空间域B1中设备集合中的前
端抓拍设备数量总和,为重叠区域内的异常设备P1到人体空间域B1中目标空间域内第i
个人脸抓拍设备的距离,为重叠区域内的异常设备P1到人体空间域B1中设备集合中的第
j个前端抓拍设备的距离,与为权重值,一般设置为,。
将P1划分到人体空间域B2的距离熵增值的具体计算方法,参见如下公式5所示:
其中,为将异常设备P1添加到人体空间域B2的距离熵增益,为人
体空间域B2中目标空间域的人脸抓拍设备数量总和,为人体空间域B2中设备集合中的
前端抓拍设备数量总和,为重叠区域内的异常设备P1到人体空间域B2中目标空间域内
第i个人脸抓拍设备的距离,为重叠区域内的异常设备P1到人体空间域B2中设备集合中
的第j个前端抓拍设备的距离,与为权重值,一般设置为,。
在通过公式4、公式5分别得到异常设备P1被划分到人体空间域B1的距离熵增益、异常设备P1被划分到人体空间域B1的距离熵增益后,通过比较与之间的大小,确定异常设备P1对应的人体空间域,并将异常设备
P1划分到对应的人体空间域中:
进一步地,基于上述最小距离熵增益的方法,逐个遍历每个处于人体空间域的重叠部分的异常设备,计算该异常设备添加到所述不同的人体空间域后距离熵增益的大小,并且将该前端抓拍设备归属到距离熵增益最小的人体空间域,以此解决重叠的人体空间域。
值得注意的是,本申请实施例中提供一种解决人体空间域重叠的方法,是一种通用的解决区域重叠的方法,还可以应用于其他重叠区域的情况,在此不作具体阐述。
在一种可能的设计中,如果存在没有被划入到人体空间域的前端抓拍设备,那么可以根据步骤102中基于距离半径的聚合方式,将每个人体空间域作为目标空间域,基于提取非目标空间域的前端抓拍设备作为与目标空间域对应的设备集合,然后,根据步骤103的方法,将提取的设备集合划分到对应的目标空间域中,形成新的人体空间域。
在一种可能的设计中,如果存在没有被划入到人体空间域的前端抓拍设备,还可以根据步骤102中基于N阶M近邻的聚合方式的方式,将没有被划入到人体空间域的前端抓拍设备划分到对应的目标空间域中,形成新的人体空间域。具体划分过程与步骤102与103中描述内容相同,在此不作具体阐述。
在一种可能的设计中,如果存在没有被划入到人体空间域的前端抓拍设备,还可以通过分别计算该设备到当前已形成的人体空间域的特征值,然后在得到的特征值中选取最小的特征值,将该设备划分到最小特征值对应的人体空间域中。在此,计算特征值的方法与上述计算距离熵增益的方法相同,在此不作具体阐述。
步骤104:对所述人体空间域中的设备采集到的图像进行聚类归档。
基于上述方法,可以解决当前基于人体抓拍设备构成的人体空间域的方法,存在采集到的图像数据在进行聚类归档中辨识度低的问题,并实现了如下技术效果:
1、实现参考人脸空间域的人体空间域划分,在一定程度上弥补人脸抓拍设备抓拍数量少的问题,起到少量人脸抓拍设备带动多个人体抓拍设备的效果。
2、通过筛选目标空间域,以此生成新的人体空间域,避免非目标空间域对人体空间域划分的干扰。
3、根据定义距离熵与距离增益熵,将人体空间域的重叠区域内的异常设备划分到距离增益熵最小的区域,解决区域重叠问题。
基于同一发明构思,本申请还提供了一种确定人体空间域的装置,用以实现参考人脸空间以确定人体空间域的划分,弥补人脸抓拍设备抓拍数量少的问题,解决当前基于人体抓拍设备构成的人体空间域的方法,存在采集到的图像数据辨识度低的问题,参见图7,该装置包括:
确定模块701,从获取的人脸空间域中确定满足业务需求的目标空间域与不满足业务需求的非目标空间域,其中,所述人脸空间域包含多个人脸抓拍设备;
筛选模块702,按照预设规则从所述非目标空间域中筛选出与所述目标空间域对应的设备集合,其中,所述设备集合包括所述人脸抓拍设备以及人体抓拍设备;
划分模块703,将所述设备集合划分到对应的所述目标空间域中,得到人体空间域;
聚类模块704,对所述人体空间域中的设备采集到的图像进行聚类归档。
在一种可能的设计中,所述确定模块701,具体用于获取人脸空间域的划分信息,其中,所述人脸空间域由多个人脸抓拍设备组成,所述人脸空间域之间没有重叠的人脸抓拍设备,所述划分信息包括对应人脸空间域中的人脸抓拍设备的数量以及位置信息;提取所述人脸抓拍设备的数量以及所述位置信息满足业务需求的人脸空间域,并将提取的所述人脸空间域作为目标空间域;将不属于所述目标空间域的人脸抓拍设备以及所有人体抓拍设备作为非目标空间域中的设备。
在一种可能的设计中,所述筛选模块702,具体用于以所述目标空间域中的人脸抓拍设备为中心,获取所述目标空间域的目标范围;在所述目标范围内,筛选出未划分设备,将所述未划分设备作为待划分到所述目标空间域的设备集合,其中,所述未划分设备为所述非目标空间域中的人脸抓拍设备和人体抓拍设备。
在一种可能的设计中,所述筛选模块702,具体用于获取所述目标空间域中的人脸抓拍设备的层级关系;在所述层级关系的每个层级中筛选出与所述目标空间域相关的未划分设备,将所述未划分设备作为待划分到所述目标空间域的设备集合,其中,所述未划分设备为所述非目标空间域中的人脸抓拍设备和人体抓拍设备。
在一种可能的设计中,在所述划分模块703之后,还包括:当所述人体空间域中存在与其他人体空间域重叠的异常设备时,提取所述异常设备,并确定所述异常设备当前所属的多个重叠人体空间域;分别计算所述异常设备到每个重叠人体空间域的距离的特征值;提取出满足预设条件的特征值,并将所述异常设备划分到与所述特征值对应的人体空间域中。
在一种可能的设计中,在所述划分模块703之后,还包括:计算所述异常设备到重叠人体空间域中每个设备的距离;根据所述距离与预设权重,计算所述异常设备到所述重叠人体空间域的特征值。
在一种可能的设计中,在所述划分模块703之后,还包括:当检测到存在未划分设备时,按照预设规则将所述未划分设备划分到对应的人体空间域中,其中,所述未划分设备包括没有被划分到人体空间域的人脸抓拍设备和人体抓拍设备。
在一种可能的设计中,在所述划分模块703之后,所述预设规则具体用于如下情况中的一种:确定所述人体空间域的目标范围,并将在所述目标范围内的所述未划分设备划分到所述人体空间域中;确定所述人体空间域的层级关系,并将从所述层级关系的每个层级中筛选出与所述人体空间域相关的未划分设备划分到所述人体空间域中;计算所述未划分设备到所述人体空间域的距离的特征值,将所述未划分设备划分到满足预设条件的特征值对应的人体空间域中。
基于上述装置,实现基于人脸空间域的人体空间域划分,在一定程度上弥补人脸抓拍设备抓拍数量少的问题,起到少量人脸抓拍设备带动多个人体抓拍设备的效果。
基于同一发明构思,本申请实施例中还提供了一种电子设备,所述电子设备可以实现前述一种确定人体空间域的装置的功能,参考图8,所述电子设备包括:
至少一个处理器801,以及与至少一个处理器801连接的存储器802,本申请实施例中不限定处理器801与存储器802之间的具体连接介质,图8中是以处理器801和存储器802之间通过总线800连接为例。总线800在图8中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线800可以分为地址总线、数据总线、控制总线等,为便于表示,图8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。或者,处理器801也可以称为控制器,对于名称不做限制。
在本申请实施例中,存储器802存储有可被至少一个处理器801执行的指令,至少一个处理器801通过执行存储器802存储的指令,可以执行前文论述的确定人体空间域的方法。处理器801可以实现图8所示的装置中各个模块的功能。
其中,处理器801是该装置的控制中心,可以利用各种接口和线路连接整个该控制设备的各个部分,通过运行或执行存储在存储器802内的指令以及调用存储在存储器802内的数据,该装置的各种功能和处理数据,从而对该装置进行整体监控。
在一种可能的设计中,处理器801可包括一个或多个处理单元,处理器801可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器801中。在一些实施例中,处理器801和存储器802可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器801可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路、现场可编程门阵列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,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的确定人体空间域的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器802作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器802可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器802是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器802还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
通过对处理器801进行设计编程,可以将前述实施例中介绍的确定人体空间域的方法所对应的代码固化到芯片内,从而使芯片在运行时能够执行图1所示的实施例的确定人体空间域的方法的步骤。如何对处理器801进行设计编程为本领域技术人员所公知的技术,这里不再赘述。
基于同一发明构思,本申请实施例还提供一种存储介质,该存储介质存储有计算机指令,当该计算机指令在计算机上运行时,使得计算机执行前文论述确定人体空间域的方法。
在一些可能的实施方式中,本申请提供的确定人体空间域的方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在装置上运行时,程序代码用于使该控制设备执行本说明书上述描述的根据本申请各种示例性实施方式的确定人体空间域的方法中的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (18)
1.一种确定人体空间域的方法,其特征在于,所述方法包括:
从获取的人脸空间域中确定满足业务需求的目标空间域与不满足业务需求的非目标空间域,其中,所述人脸空间域包含多个人脸抓拍设备,所述目标空间域包含满足业务需求的人脸抓拍设备,所述非目标空间域包含不满足业务需求的人脸抓拍设备以及人体抓拍设备;
按照预设规则从所述非目标空间域中筛选出与所述目标空间域对应的设备集合,其中,所述设备集合包括所述非目标空间域中的人脸抓拍设备以及人体抓拍设备;
将所述设备集合划分到对应的所述目标空间域中,得到人体空间域;
对所述人体空间域中的设备采集到的图像进行聚类归档。
2.如权利要求1所述的方法,其特征在于,所述从获取的人脸空间域中确定满足业务需求的目标空间域与不满足业务需求的非目标空间域,包括:
获取人脸空间域的划分信息,其中,所述人脸空间域由多个人脸抓拍设备组成,所述人脸空间域之间没有重叠的人脸抓拍设备,所述划分信息包括对应人脸空间域中的人脸抓拍设备的数量以及位置信息;
提取所述人脸抓拍设备的数量以及所述位置信息满足业务需求的人脸空间域,并将提取的所述人脸空间域作为目标空间域;
将不属于所述目标空间域的人脸抓拍设备以及所有人体抓拍设备作为非目标空间域中的设备。
3.如权利要求1所述的方法,其特征在于,所述按照预设规则从所述非目标空间域中筛选出与所述目标空间域对应的设备集合,包括:
以所述目标空间域中的人脸抓拍设备为中心,获取所述目标空间域的目标范围;
在所述目标范围内,筛选出未划分设备,将所述未划分设备作为待划分到所述目标空间域的设备集合,其中,所述未划分设备为所述非目标空间域中的人脸抓拍设备和人体抓拍设备。
4.如权利要求1所述的方法,其特征在于,所述按照预设规则从所述非目标空间域中筛选出与所述目标空间域对应的设备集合,包括:
获取所述目标空间域中的人脸抓拍设备的层级关系;
在所述层级关系的每个层级中筛选出与所述目标空间域相关的未划分设备,将所述未划分设备作为待划分到所述目标空间域的设备集合,其中,所述未划分设备为所述非目标空间域中的人脸抓拍设备和人体抓拍设备。
5.如权利要求1-4中任一所述的方法,其特征在于,在所述将所述设备集合划分到对应的所述目标空间域中,得到人体空间域之后,还包括:
当所述人体空间域中存在与其他人体空间域重叠的异常设备时,提取所述异常设备,并确定所述异常设备当前所属的多个重叠人体空间域;
分别计算所述异常设备到每个重叠人体空间域的距离的特征值;
提取出满足预设条件的特征值,并将所述异常设备划分到与所述特征值对应的人体空间域中。
6.如权利要求5所述的方法,其特征在于,所述分别计算所述异常设备到每个重叠人体空间域的距离的特征值,具体包括:
计算所述异常设备到重叠人体空间域中每个设备的距离;
根据所述距离与预设权重,计算所述异常设备到所述重叠人体空间域的特征值。
7.如权利要求1-4、6中任一所述的方法,其特征在于,在所述将所述设备集合划分到对应的所述目标空间域中,得到人体空间域之后,还包括:
当检测到存在未划分设备时,按照预设规则将所述未划分设备划分到对应的人体空间域中,其中,所述未划分设备包括没有被划分到人体空间域的人脸抓拍设备和人体抓拍设备。
8.如权利要求7所述的方法,其特征在于,所述预设规则,具体包括如下情况中的一种:
确定所述人体空间域的目标范围,并将在所述目标范围内的所述未划分设备划分到所述人体空间域中;
确定所述人体空间域的层级关系,并将从所述层级关系的每个层级中筛选出与所述人体空间域相关的未划分设备划分到所述人体空间域中;
计算所述未划分设备到所述人体空间域的距离的特征值,将所述未划分设备划分到满足预设条件的特征值对应的人体空间域中。
9.一种确定人体空间域的装置,其特征在于,所述装置包括:
确定模块,从获取的人脸空间域中确定满足业务需求的目标空间域与不满足业务需求的非目标空间域,其中,所述人脸空间域包含多个人脸抓拍设备;
筛选模块,按照预设规则从所述非目标空间域中筛选出与所述目标空间域对应的设备集合,其中,所述设备集合包括所述非目标空间域中的人脸抓拍设备以及人体抓拍设备;
划分模块,将所述设备集合划分到对应的所述目标空间域中,得到人体空间域;
聚类模块,对所述人体空间域中的设备采集到的图像进行聚类归档。
10.如权利要求9所述的装置,其特征在于,所述确定模块,具体用于:
获取人脸空间域的划分信息,其中,所述人脸空间域由多个人脸抓拍设备组成,所述人脸空间域之间没有重叠的人脸抓拍设备,所述划分信息包括对应人脸空间域中的人脸抓拍设备的数量以及位置信息;
提取所述人脸抓拍设备的数量以及所述位置信息满足业务需求的人脸空间域,并将提取的所述人脸空间域作为目标空间域;
将不属于所述目标空间域的人脸抓拍设备以及所有人体抓拍设备作为非目标空间域中的设备。
11.如权利要求9所述的装置,其特征在于,所述筛选模块,具体用于:
以所述目标空间域中的人脸抓拍设备为中心,获取所述目标空间域的目标范围;
在所述目标范围内,筛选出未划分设备,将所述未划分设备作为待划分到所述目标空间域的设备集合,其中,所述未划分设备为所述非目标空间域中的人脸抓拍设备和人体抓拍设备。
12.如权利要求9所述的装置,其特征在于,所述筛选模块,具体用于:
获取所述目标空间域中的人脸抓拍设备的层级关系;
在所述层级关系的每个层级中筛选出与所述目标空间域相关的未划分设备,将所述未划分设备作为待划分到所述目标空间域的设备集合,其中,所述未划分设备为所述非目标空间域中的人脸抓拍设备和人体抓拍设备。
13.如权利要求9-12中任一所述的装置,其特征在于,在所述划分模块之后,还包括:
当所述人体空间域中存在与其他人体空间域重叠的异常设备时,提取所述异常设备,并确定所述异常设备当前所属的多个重叠人体空间域;
分别计算所述异常设备到每个重叠人体空间域的距离的特征值;
提取出满足预设条件的特征值,并将所述异常设备划分到与所述特征值对应的人体空间域中。
14.如权利要求13所述的装置,其特征在于,在所述划分模块之后,还包括:
计算所述异常设备到重叠人体空间域中每个设备的距离;
根据所述距离与预设权重,计算所述异常设备到所述重叠人体空间域的特征值。
15.如权利要求9-12、14中任一所述的装置,其特征在于,在所述划分模块之后,还包括:
当检测到存在未划分设备时,按照预设规则将所述未划分设备划分到对应的人体空间域中,其中,所述未划分设备包括没有被划分到人体空间域的人脸抓拍设备和人体抓拍设备。
16.如权利要求15所述的装置,其特征在于,在所述划分模块之后,所述预设规则具体用于如下情况中的一种:
确定所述人体空间域的目标范围,并将在所述目标范围内的所述未划分设备划分到所述人体空间域中;
确定所述人体空间域的层级关系,并将从所述层级关系的每个层级中筛选出与所述人体空间域相关的未划分设备划分到所述人体空间域中;
计算所述未划分设备到所述人体空间域的距离的特征值,将所述未划分设备划分到满足预设条件的特征值对应的人体空间域中。
17.一种电子设备,其特征在于,包括:
存储器,用于存放计算机程序;
处理器,用于执行所述计算机程序,以使得所述电子设备执行如权利要求1-8中任一项所述的方法。
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机可读指令,当所述计算机可读指令在计算机上运行时,使得计算机执行如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111212984.6A CN113656625B (zh) | 2021-10-19 | 2021-10-19 | 一种确定人体空间域的方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111212984.6A CN113656625B (zh) | 2021-10-19 | 2021-10-19 | 一种确定人体空间域的方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113656625A CN113656625A (zh) | 2021-11-16 |
CN113656625B true CN113656625B (zh) | 2022-02-15 |
Family
ID=78494622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111212984.6A Active CN113656625B (zh) | 2021-10-19 | 2021-10-19 | 一种确定人体空间域的方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113656625B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333039B (zh) * | 2022-03-03 | 2022-07-08 | 济南博观智能科技有限公司 | 一种人像聚类的方法、装置及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236599A (zh) * | 2007-12-29 | 2008-08-06 | 浙江工业大学 | 基于多摄像机信息融合的人脸识别检测装置 |
US11080316B1 (en) * | 2017-05-26 | 2021-08-03 | Amazon Technologies, Inc. | Context-inclusive face clustering |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818149B (zh) * | 2021-01-21 | 2023-07-14 | 浙江大华技术股份有限公司 | 一种基于时空轨迹数据的人脸聚类方法、装置及存储介质 |
-
2021
- 2021-10-19 CN CN202111212984.6A patent/CN113656625B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236599A (zh) * | 2007-12-29 | 2008-08-06 | 浙江工业大学 | 基于多摄像机信息融合的人脸识别检测装置 |
US11080316B1 (en) * | 2017-05-26 | 2021-08-03 | Amazon Technologies, Inc. | Context-inclusive face clustering |
Non-Patent Citations (2)
Title |
---|
《Facial image clustering in 3D video using constrained Ncut》;Georgios Orfanidis 等;《21st European Signal Processing Conference (EUSIPCO 2013)》;20140508;全文 * |
《多摄像机视场下基于一种DTN网络的多人脸实时跟踪系统》;任国印 等;《激光与光电子学进展》;20210409;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113656625A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109783685B (zh) | 一种查询方法及装置 | |
US9418297B2 (en) | Detecting video copies | |
CN109034266A (zh) | 一种目标图像检测方法、装置及系统 | |
CN110322117A (zh) | 一种交通控制子区划分方法、装置、电子设备及存储介质 | |
CN109740003B (zh) | 一种归档方法及装置 | |
CN109784220B (zh) | 一种确定路人轨迹的方法及装置 | |
CN113656625B (zh) | 一种确定人体空间域的方法、装置及电子设备 | |
CN103353881A (zh) | 一种应用程序搜索方法及装置 | |
CN111783586A (zh) | 一种食材管理方法、装置、计算设备及存储介质 | |
CN109800673A (zh) | 一种归档方法及装置 | |
CN109783663B (zh) | 一种归档方法及装置 | |
CN111680183A (zh) | 对象检索方法及装置、存储介质及电子设备 | |
CN109218211A (zh) | 数据流的控制策略中阈值的调整方法、装置和设备 | |
CN114155740A (zh) | 一种车位检测方法、装置及设备 | |
CN111367906A (zh) | 异常车辆识别方法、装置、设备及计算机可读存储介质 | |
CN109800669A (zh) | 一种归档方法及装置 | |
CN116611678B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
Mohan et al. | Location based cloud resource management for analyzing real-time videos from globally distributed network cameras | |
CN109753157A (zh) | 显示屏的手势控制方法及装置 | |
CN113470079A (zh) | 一种落脚区域的输出方法、装置及电子设备 | |
CN111382068B (zh) | 一种大批量数据的层次测试方法及装置 | |
CN109815369B (zh) | 一种归档方法及装置 | |
CN110097583A (zh) | 图片筛选方法及装置 | |
CN110209853A (zh) | 车辆的图片搜索方法、装置和设备 | |
CN115546704B (zh) | 一种车辆抛洒物识别方法、装置及应用 |
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 |