CN113657434A - 人脸人体关联方法、系统以及计算机可读存储介质 - Google Patents
人脸人体关联方法、系统以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113657434A CN113657434A CN202110751350.1A CN202110751350A CN113657434A CN 113657434 A CN113657434 A CN 113657434A CN 202110751350 A CN202110751350 A CN 202110751350A CN 113657434 A CN113657434 A CN 113657434A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- images
- human body
- human
- 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
Links
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种人脸人体关联方法、系统以及计算机可读存储介质,该方法包括:从采集获得的视频流中获取初始图像合集,初始图像合集中包括多个人脸图像和多个人体图像,每个人脸图像和人体图像分别具有对应的跟踪标识;对多个人脸图像进行聚类,以获得至少一个第一人脸图像合集;其中,同一第一人脸图像合集中的人脸图像具有相同或不同的跟踪标识;根据第一人脸图像合集将初始图像合集中具有相同跟踪标识的人脸图像和人体图像进行合并,并筛选出得分最高的人脸图像和得分最高的人体图像;将得分最高的人脸图像和得分最高的人体图像建立关联关系。避免由于目标短暂丢失导致同一目标产生多组关联关系的情况,从而提高人脸人体关联的准确率和效率。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种人脸人体关联方法、系统以及计算机可读存储介质。
背景技术
随着人工智能技术的发展,将图像采集用于监控的场景,包括在出入境口岸、火车站、机场大厅等场景对目标进行抓拍。在这些人流密集的场景下,有极大部分的图片都是多人脸多人体的,如何将人脸和对应的人体关联起来以准确识别出目标是要解决的技术问题。
目前所采用的方法主要为通过人脸和人体的相对关系将人脸和对应的人体关联起来。但是在发明人长期的研发过程中,发现该方法至少存在以下问题:当监控的场景复杂时,如人体重叠等,人脸和人体的关联容易产生错误;当目标被短暂遮挡后会出现多张抓拍,此时同一目标会出现多组关联,人脸和人体的关联容易产生错误。因此,现有的人脸人体关联方法的准确率和效率较低。
发明内容
本申请主要解决的技术问题是提供一种人脸人体关联方法、系统以及计算机可读存储介质,可以避免由于目标短暂丢失导致同一个目标产生多组关联关系的情况。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种人脸人体关联方法,包括:从采集获得的视频流中获取初始图像合集,其中,所述初始图像合集中包括多个人脸图像和多个人体图像,每个所述人脸图像和所述人体图像分别具有对应的跟踪标识;对所述多个人脸图像进行聚类,以获得至少一个第一人脸图像合集;其中,同一所述第一人脸图像合集中的所述人脸图像具有相同或不同的跟踪标识;根据所述第一人脸图像合集将所述初始图像合集中具有相同跟踪标识的人脸图像和人体图像进行合并,并筛选出得分最高的人脸图像和得分最高的人体图像;将所述得分最高的人脸图像和所述得分最高的人体图像建立关联关系。
其中,所述对所述多个人脸图像进行聚类,以获得至少一个第一人脸图像合集的步骤,包括:将从每两个所述人脸图像中提取的对应的人脸特征进行比对,获得每两个所述人脸图像之间的相似度;将所述相似度大于第一预设阈值的人脸图像进行聚类,以获得至少一个第一人脸图像合集。
其中,所述将从每两个所述人脸图像中提取的对应的人脸特征进行比对,以获得每两个所述人脸图像之间的相似度的步骤,包括:从所述多个人脸图像中筛选出人脸宽度大于第二预设阈值,且人脸质量得分大于第三预设阈值的所有人脸图像;从筛选后的人脸图像中将从每两个所述人脸图像中提取的对应的人脸特征进行比对,以获得每两个所述人脸图像之间的相似度。
其中,所述根据所述第一人脸图像合集将所述初始图像合集中具有相同跟踪标识的人脸图像和人体图像进行合并的步骤,包括:获得所述第一人脸图像合集中所有人脸图像的跟踪标识;从所有所述人体图像中筛选出与所述人脸图像具有相同跟踪标识的人体图像;将筛选出的人体图像与其对应的人脸图像进行合并。
其中,所述从采集获得的视频流中获取初始图像合集,其中,所述初始图像合集中包括人脸图像和人体图像,每个所述人脸图像和所述人体图像分别具有对应的跟踪标识的步骤,包括:响应于检测到所述视频流中存在目标,跟踪所述目标并判断所述目标是否消失;响应于检测到所述目标消失,从所述视频流中获取跟踪时段内的最优人体图像及其对应的人脸图像、最优人脸图像及其对应的人体图像以及人脸和人体综合得分最高的人脸图像和人体图像,以生成所述初始图像合集。
其中,所述响应于检测到所述目标消失,获取所述视频流中跟踪时段内的最优人体图像及其对应的人脸图像、最优人脸图像及其对应的人体图像以及人脸和人体综合得分最高的人脸图像和人体图像,以生成所述初始图像合集的步骤之后,包括:提取所述初始图像合集中所有所述人脸图像的人脸特征;缓存所述人脸特征、所述初始图像合集中的所述人脸图像和所述人体图像以及对应的跟踪标识。
其中,所述缓存所述人脸特征、所述初始图像合集中的所述人脸图像和所述人体图像以及对应的跟踪标识的步骤之后,包括:判断缓存的时间是否大于第四预设阈值;若是,则进入对所述人脸图像进行聚类,以获得至少一个第一人脸图像合集的步骤;否则,进入响应于检测到所述视频流中存在目标,跟踪所述目标并判断所述目标是否消失的步骤。
其中,所述将所述得分最高的人脸图像和所述得分最高的人体图像建立关联关系的步骤,包括:将所述得分最高的人脸图像和所述得分最高的人体图像配置相同的标签;根据所述标签将所述得分最高的人脸图像和所述得分最高的人体图像建立关联关系。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种人脸人体关联系统,包括相互耦接的存储器和处理器,所述存储器内存储有程序指令,所述处理器用于执行所述程序指令以实现上述任一实施例所提及的人脸人体关联方法。
为解决上述技术问题,本申请采用的又一个技术方案是:提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于实现上述任一实施例所提及的人脸人体关联方法。
区别于现有技术的情况,本申请的有益效果是:本申请中从采集获得的视频流中获取初始图像合集,对多个人脸图像进行聚类,以获得至少一个第一人脸图像合集,其中,同一第一人脸图像合集中的人脸图像具有相同或不同的跟踪标识,根据第一人脸图像合集将初始图像合集中具有相同跟踪标识的人脸图像和人体图像进行合并,并筛选出得分最高的人脸图像和得分最高的人体图像,将得分最高的人脸图像和得分最高的人体图像建立关联关系。通过这种设计方式,可以根据聚类结果将具有相同跟踪标识的人脸图像和人体图像进行合并,根据合并后的结果将质量最佳的人脸图像和人体图像建立关联关系,可以避免由于遮挡等原因短暂跟踪失败导致同一个目标产生多组关联关系的情况,从而提高人脸人体关联的准确率和效率。
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是本申请人脸人体关联方法一实施方式的流程示意图;
图2是图1中步骤S1一实施方式的流程示意图;
图3是图2中步骤S13之后一实施方式的流程示意图;
图4是图3中步骤S131之后一实施方式的流程示意图;
图5是图1中步骤S2一实施方式的流程示意图;
图6是图5中步骤S20一实施方式的流程示意图;
图7是图1中步骤S3对应的一实施方式的流程示意图;
图8是图1中步骤S4一实施方式的流程示意图;
图9是本申请人脸人体关联系统一实施方式的框架示意图;
图10是本申请人脸人体关联系统一实施方式的结构示意图;
图11是本申请计算机可读存储介质一实施方式的框架示意图。
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。
请参阅图1,图1是本申请人脸人体关联方法一实施方式的流程示意图方法。具体而言,该方法包括:
S1:从采集获得的视频流中获取初始图像合集。
具体而言,上述初始图像合集中包括多个人脸图像和多个人体图像,每个人脸图像和人体图像分别具有对应的跟踪标识,具有同一跟踪标识的人脸图像或人体图像属于同一人员。
具体地,在本实施例中,请参阅图2,图2是图1中步骤S1一实施方式的流程示意图。具体而言,步骤S1包括:
S10:检测视频流中的目标。
具体而言,可以采用摄像机等前端设备采集视频流,本申请对此不作限定。通过对采集获得的视频流进行分析并对视频流中的目标进行检测。
S11:判断视频流中是否存在目标。
S12:若是,则跟踪目标并判断目标是否消失。
具体而言,若视频流中存在目标,则跟踪该目标并判断该目标是否消失。
S13:否则,返回至步骤S10。
具体而言,若视频流中不存在目标,则返回至检测视频流中的目标的步骤。
S14:若是,从视频流中获取跟踪时段内的最优人体图像及其对应的人脸图像、最优人脸图像及其对应的人体图像以及人脸和人体综合得分最高的人脸图像和人体图像,以生成初始图像合集。
具体而言,若目标消失,则从视频流中获取跟踪时段内的最优人体图像及其对应的人脸图像、最优人脸图像及其对应的人体图像以及人脸和人体综合得分最高的人脸图像和人体图像,以生成初始图像合集。这样可以确保进行关联的人脸图像和人体图像的质量是最佳的,从而提高人脸人体关联的效率和质量。另外,在本实施例中,一并保存获取得到的人脸图像和人体图像的跟踪标识,便于后期获悉获取得到的人脸图像和人体图像是否属于同一人员以及后期将人脸图像和人体图像建立关联关系。
S15:否则,返回至跟踪目标并判断目标是否消失的步骤。
具体而言,若目标未消失,则返回至跟踪目标并判断目标是否消失的步骤,继续跟踪目标直至目标消失。
具体地,在本实施例中,请参阅图3,图3是图2中步骤S14之后一实施方式的流程示意图。具体而言,步骤S14之后,包括:
S140:提取初始图像合集中所有人脸图像的人脸特征。
具体而言,从步骤S14中获得的初始图像合集中提取所有人脸图像的人脸特征,以对所有人脸图像进行聚类。
S141:缓存人脸特征、初始图像合集中的人脸图像和人体图像以及对应的跟踪标识。
将上述得到的人脸特征、初始图像合集中的人脸图像和人体图像以及对应的跟踪标识保存至缓存队列,便于后期的步骤中随时调用相关数据。
具体地,在本实施例中,请参阅图4,图4是图3中步骤S141之后一实施方式的流程示意图。具体而言,步骤S141之后,包括:
S1410:判断缓存的时间是否大于第四预设阈值。
具体而言,第四预设阈值由用户决定。可选的,第四预设阈值设置为60秒,也就是说,判断缓存的时间是否大于60秒。当然,在其他实施例中,缓存的时间也可以设置为其他数值,本申请在此不作限定。
S1411:若是,则进入对人脸图像进行聚类,以获得至少一个第一人脸图像合集的步骤。
具体而言,若缓存的时间大于第四预设阈值,则进入步骤S2,获得第一人脸图像合集。
S1412:否则,返回至若是,则跟踪目标并判断目标是否消失的步骤。
具体而言,若缓存的时间小于或等于第四预设阈值,说明缓存队列还可以继续缓存相关数据,则返回至跟踪目标并判断目标是否消失的步骤。
S2:对多个人脸图像进行聚类,以获得至少一个第一人脸图像合集。
具体而言,同一第一人脸图像合集中的人脸图像具有相同或不同的跟踪标识。聚类后得到的第一人脸图像合集中的人脸图像属于同一类,在本实施例中,聚类后得到的第一人脸图像合集中的人脸图像属于同一目标。但是可能由于目标短暂丢失而使得属于同一目标的人脸图像生成了两个或多个不同的跟踪标识,通过聚类的方法可以将属于同一目标的不同档案进行合并,从而提高关联的准确率。
具体地,在本实施例中,请参阅图5,图5是图1中步骤S2一实施方式的流程示意图。具体而言,步骤S2包括:
S20:将从每两个人脸图像中提取的对应的人脸特征进行比对,获得每两个人脸图像之间的相似度。
具体地,在本实施例中,请参阅图6,图6是图5中步骤S20一实施方式的流程示意图。具体而言,步骤S20包括:
S200:从多个人脸图像中筛选出人脸宽度大于第二预设阈值,且人脸质量得分大于第三预设阈值的所有人脸图像。
具体而言,从多个人脸图像中筛选出人脸宽度大于第二预设阈值X,且人脸质量得分大于第三预设阈值Y的所有人脸图像,以确保筛选出来的人脸图像都是高质量的图像。相反的,若人脸图像的人脸宽度小于或等于第二预设阈值X,该人脸图像很可能属于人体重叠的情况,关联容易出现错误,因此若人脸图像的人脸宽度小于或等于第二预设阈值X,则该人脸图像不进行聚类;若人脸图像的人脸质量得分小于或等于第三预设阈值Y,则该人脸图像也不进行聚类,这样可以确保最后聚类得到的结果中人脸图像的质量都是最佳的,从而提高关联的准确率和效率。另外,第二预设阈值X和第三预设阈值Y可以根据实际情况进行设置,本申请在此不作限定。
S201:从筛选后的人脸图像中将从每两个人脸图像中提取的对应的人脸特征进行比对,以获得每两个人脸图像之间的相似度。
具体而言,在上述步骤S200中筛选出来的人脸图像中,将从每两个人脸图像中提取的对应的人脸特征进行比对,以获得每两个人脸图像之间的相似度。
S21:将相似度大于第一预设阈值的人脸图像进行聚类,以获得至少一个第一人脸图像合集。
具体而言,将相似度大于第一预设阈值Z的人脸图像进行聚类,聚类得到的同一个第一人脸图像合集中的人脸图像相似,可以认为是属于同一目标,但是可能由于目标短暂丢失而使得属于同一目标的人脸图像生成了两个或多个不同的跟踪标识,通过聚类的方法可以将属于同一目标具有相同或不同跟踪标识的人脸图像进行合并,从而获悉属于同一目标的跟踪标识,便于提高关联的准确率。
S3:根据第一人脸图像合集将初始图像合集中具有相同跟踪标识的人脸图像和人体图像进行合并,并筛选出得分最高的人脸图像和得分最高的人体图像。
具体而言,根据第一人脸图像合集中属于同一目标的跟踪标识,将初始图像合集中具有相同跟踪标识的人脸图像和人体图像进行合并,合并后的结果中具有相同跟踪标识的人脸图像和人体图像是属于同一目标的,这样可以根据聚类结果将属于同一目标的人脸图像和人体图像进行合并,可以避免由于遮挡等原因短暂跟踪失败导致同一个目标产生多组关联关系的情况,从而提高人脸人体关联的准确率和效率。另外,在本实施例中,从合并后的结果中筛选出属于同一目标的得分最高的人脸图像和得分最高的人体图像。这样可以使得最终的关联结果是最佳的。
具体地,在本实施例中,请参阅图7,图7是图1中步骤S3对应的一实施方式的流程示意图。具体而言,步骤S3中根据第一人脸图像合集将初始图像合集中具有相同跟踪标识的人脸图像和人体图像进行合并的步骤包括:
S30:获得第一人脸图像合集中所有人脸图像的跟踪标识。
具体而言,上述步骤S2中获得的一个第一人脸图像合集中人脸图像的跟踪标识可能相同也可能不同,但是一个第一人脸图像合集中的人脸图像都属于同一目标。
S31:从所有人体图像中筛选出与人脸图像具有相同跟踪标识的人体图像。
具体而言,从初始图像合集的所有人体图像中筛选出与人脸图像具有相同跟踪标识的人体图像。通过这种方式得到的具有相同标识的人脸图像和人体图像一定是属于同一目标的。
S32:将筛选出的人体图像与其对应的人脸图像进行合并。
具体而言,合并的过程为将属于同一目标的人脸图像和人体图像合并为一类,合并后的结果中具有相同跟踪标识的人脸图像和人体图像是属于同一目标的,这样可以提高人脸人体关联的准确率和效率。
S4:将得分最高的人脸图像和得分最高的人体图像建立关联关系。
具体而言,步骤S3中得到的结果为属于同一目标的人脸图像和人体图像,根据该结果将其中得分最高的人脸图像和得分最高的人体图像建立关联关系,关联的人脸人体均为质量最佳的,具有较大的实际价值。
具体地,在本实施例中,请参阅图8,图8是图1中步骤S4一实施方式的流程示意图。具体而言,步骤S4包括:
S40:将得分最高的人脸图像和得分最高的人体图像配置相同的标签。
具体而言,将得分最高的人脸图像和得分最高的人体图像配置相同的标签,便于后期关联人体和人脸的时候将人脸图像和人体图像一一对应。
S41:根据标签将得分最高的人脸图像和得分最高的人体图像建立关联关系。
具体而言,将标签相同的得分最高的人脸图像和得分最高的人体图像建立关联关系。
通过这种设计方式,可以根据聚类结果将具有相同跟踪标识的人脸图像和人体图像进行合并,便于筛选出属于同一目标的人脸图像和人体图像,根据合并后的结果将质量最佳的人脸图像和人体图像建立关联关系,可以避免由于遮挡等原因短暂跟踪失败导致同一个目标产生多组关联关系的情况,从而提高人脸人体关联的准确率和效率。
请参阅图9,图9是本申请人脸人体关联系统一实施方式的框架示意图。该人脸人体关联系统具体包括:
获取模块10,用于从采集获得的视频流中获取初始图像合集,其中,初始图像合集中包括多个人脸图像和多个人体图像,每个人脸图像和人体图像分别具有对应的跟踪标识。
聚类模块12,与获取模块10耦接,用于对多个人脸图像进行聚类,以获得至少一个第一人脸图像合集;其中,同一第一人脸图像合集中的人脸图像具有相同或不同的跟踪标识。
处理模块14,与聚类模块12耦接,用于根据第一人脸图像合集将初始图像合集中具有相同跟踪标识的人脸图像和人体图像进行合并,并筛选出得分最高的人脸图像和得分最高的人体图像。
关联模块16,与处理模块14耦接,用于将得分最高的人脸图像和得分最高的人体图像建立关联关系。
请参阅图10,图10是本申请人脸人体关联系统一实施方式的结构示意图。该人脸人体关联系统包括相互耦接的存储器20和处理器22。具体地,在本实施例中,存储器20内存储有程序指令,处理器22用于执行程序指令以实现上述任一实施例所提及的人脸人体关联方法。
具体而言,处理器22还可以称为CPU(Central Processing Unit,中央处理单元)。处理器22可能是一种集成电路芯片,具有信号的处理能力。处理器22还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外,处理器22可以由多个集成电路芯片共同实现。
请参阅图11,图11是本申请计算机可读存储介质一实施方式的框架示意图。该计算机可读存储介质30存储有计算机程序300,能够被计算机所读取,计算机程序300能够被处理器执行,以实现上述任一实施例中所提及的人脸人体关联方法。其中,该计算机程序300可以以软件产品的形式存储在上述计算机可读存储介质30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所述方法的全部或部分步骤。具有存储功能的计算机可读存储介质30可以是U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
总而言之,区别于现有技术的情况,本申请中从采集获得的视频流中获取初始图像合集,对多个人脸图像进行聚类,以获得至少一个第一人脸图像合集,其中,同一第一人脸图像合集中的人脸图像具有相同或不同的跟踪标识,根据第一人脸图像合集将初始图像合集中具有相同跟踪标识的人脸图像和人体图像进行合并,并筛选出得分最高的人脸图像和得分最高的人体图像,将得分最高的人脸图像和得分最高的人体图像建立关联关系。通过这种设计方式,可以根据聚类结果将具有相同跟踪标识的人脸图像和人体图像进行合并,便于筛选出属于同一目标的人脸图像和人体图像,根据合并后的结果将质量最佳的人脸图像和人体图像建立关联关系,可以避免由于遮挡等原因短暂跟踪失败导致同一个目标产生多组关联关系的情况,从而提高人脸人体关联的准确率和效率。
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 (10)
1.一种人脸人体关联方法,其特征在于,包括:
从采集获得的视频流中获取初始图像合集,其中,所述初始图像合集中包括多个人脸图像和多个人体图像,每个所述人脸图像和所述人体图像分别具有对应的跟踪标识;
对所述多个人脸图像进行聚类,以获得至少一个第一人脸图像合集;其中,同一所述第一人脸图像合集中的所述人脸图像具有相同或不同的跟踪标识;
根据所述第一人脸图像合集将所述初始图像合集中具有相同跟踪标识的人脸图像和人体图像进行合并,并筛选出得分最高的人脸图像和得分最高的人体图像;
将所述得分最高的人脸图像和所述得分最高的人体图像建立关联关系。
2.根据权利要求1所述的人脸人体关联方法,其特征在于,所述对所述多个人脸图像进行聚类,以获得至少一个第一人脸图像合集的步骤,包括:
将从每两个所述人脸图像中提取的对应的人脸特征进行比对,获得每两个所述人脸图像之间的相似度;
将所述相似度大于第一预设阈值的人脸图像进行聚类,以获得至少一个第一人脸图像合集。
3.根据权利要求2所述的人脸人体关联方法,其特征在于,所述将从每两个所述人脸图像中提取的对应的人脸特征进行比对,以获得每两个所述人脸图像之间的相似度的步骤,包括:
从所述多个人脸图像中筛选出人脸宽度大于第二预设阈值,且人脸质量得分大于第三预设阈值的所有人脸图像;
从筛选后的人脸图像中将从每两个所述人脸图像中提取的对应的人脸特征进行比对,以获得每两个所述人脸图像之间的相似度。
4.根据权利要求1所述的人脸人体关联方法,其特征在于,所述根据所述第一人脸图像合集将所述初始图像合集中具有相同跟踪标识的人脸图像和人体图像进行合并的步骤,包括:
获得所述第一人脸图像合集中所有人脸图像的跟踪标识;
从所有所述人体图像中筛选出与所述人脸图像具有相同跟踪标识的人体图像;
将筛选出的人体图像与其对应的人脸图像进行合并。
5.根据权利要求1所述的人脸人体关联方法,其特征在于,所述从采集获得的视频流中获取初始图像合集,其中,所述初始图像合集中包括人脸图像和人体图像,每个所述人脸图像和所述人体图像分别具有对应的跟踪标识的步骤,包括:
响应于检测到所述视频流中存在目标,跟踪所述目标并判断所述目标是否消失;
响应于检测到所述目标消失,从所述视频流中获取跟踪时段内的最优人体图像及其对应的人脸图像、最优人脸图像及其对应的人体图像以及人脸和人体综合得分最高的人脸图像和人体图像,以生成所述初始图像合集。
6.根据权利要求5所述的人脸人体关联方法,其特征在于,所述响应于检测到所述目标消失,获取所述视频流中跟踪时段内的最优人体图像及其对应的人脸图像、最优人脸图像及其对应的人体图像以及人脸和人体综合得分最高的人脸图像和人体图像,以生成所述初始图像合集的步骤之后,包括:
提取所述初始图像合集中所有所述人脸图像的人脸特征;
缓存所述人脸特征、所述初始图像合集中的所述人脸图像和所述人体图像以及对应的跟踪标识。
7.根据权利要求6所述的人脸人体关联方法,其特征在于,所述缓存所述人脸特征、所述初始图像合集中的所述人脸图像和所述人体图像以及对应的跟踪标识的步骤之后,包括:
判断缓存的时间是否大于第四预设阈值;
若是,则进入根据从所述人脸图像中提取的人脸特征对所述人脸图像进行聚类,以获得至少一个第一人脸图像合集的步骤;
否则,进入响应于检测到所述视频流中存在目标,跟踪所述目标并判断所述目标是否消失的步骤。
8.根据权利要求1所述的人脸人体关联方法,其特征在于,所述将所述得分最高的人脸图像和所述得分最高的人体图像建立关联关系的步骤,包括:
将所述得分最高的人脸图像和所述得分最高的人体图像配置相同的标签;
根据所述标签将所述得分最高的人脸图像和所述得分最高的人体图像建立关联关系。
9.一种人脸人体关联系统,其特征在于,包括相互耦接的存储器和处理器,所述存储器内存储有程序指令,所述处理器用于执行所述程序指令以实现权利要求1至8中任一项所述的人脸人体关联方法。
10.一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存储有计算机程序,所述计算机程序用于实现权利要求1至8任一项所述的人脸人体关联方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110751350.1A CN113657434A (zh) | 2021-07-02 | 2021-07-02 | 人脸人体关联方法、系统以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110751350.1A CN113657434A (zh) | 2021-07-02 | 2021-07-02 | 人脸人体关联方法、系统以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113657434A true CN113657434A (zh) | 2021-11-16 |
Family
ID=78489898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110751350.1A Pending CN113657434A (zh) | 2021-07-02 | 2021-07-02 | 人脸人体关联方法、系统以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113657434A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219978A (zh) * | 2021-11-17 | 2022-03-22 | 浙江大华技术股份有限公司 | 目标多部位关联方法及装置、终端、计算机可读存储介质 |
CN114333039A (zh) * | 2022-03-03 | 2022-04-12 | 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 |
CN115953650A (zh) * | 2023-03-01 | 2023-04-11 | 杭州海康威视数字技术股份有限公司 | 特征融合模型的训练方法和装置 |
CN117437505A (zh) * | 2023-12-18 | 2024-01-23 | 杭州任性智能科技有限公司 | 一种基于视频的训练数据集生成方法和系统 |
-
2021
- 2021-07-02 CN CN202110751350.1A patent/CN113657434A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219978A (zh) * | 2021-11-17 | 2022-03-22 | 浙江大华技术股份有限公司 | 目标多部位关联方法及装置、终端、计算机可读存储介质 |
CN114333039A (zh) * | 2022-03-03 | 2022-04-12 | 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 |
CN115953650A (zh) * | 2023-03-01 | 2023-04-11 | 杭州海康威视数字技术股份有限公司 | 特征融合模型的训练方法和装置 |
CN117437505A (zh) * | 2023-12-18 | 2024-01-23 | 杭州任性智能科技有限公司 | 一种基于视频的训练数据集生成方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113657434A (zh) | 人脸人体关联方法、系统以及计算机可读存储介质 | |
US9619696B2 (en) | Duplicate reduction for face detection | |
US9202126B2 (en) | Object detection apparatus and control method thereof, and storage medium | |
US10353954B2 (en) | Information processing apparatus, method of controlling the same, and storage medium | |
CN111738120B (zh) | 人物识别方法、装置、电子设备及存储介质 | |
CN110781733B (zh) | 图像去重方法、存储介质、网络设备和智能监控系统 | |
WO2018058530A1 (zh) | 目标检测方法、装置以及图像处理设备 | |
CN111079613B (zh) | 姿势识别方法和装置、电子设备及存储介质 | |
US11281922B2 (en) | Face recognition system, method for establishing data of face recognition, and face recognizing method thereof | |
WO2019042195A1 (zh) | 一种人体目标身份识别方法及装置 | |
US20220301317A1 (en) | Method and device for constructing object motion trajectory, and computer storage medium | |
CN109447022B (zh) | 一种镜头类型识别方法及装置 | |
CN111401315A (zh) | 基于视频的人脸识别方法、识别装置及存储装置 | |
CN110866473B (zh) | 目标对象的跟踪检测方法及装置、存储介质、电子装置 | |
CN113869137A (zh) | 事件检测方法、装置、终端设备及存储介质 | |
US10916016B2 (en) | Image processing apparatus and method and monitoring system | |
TW201530495A (zh) | 移動物體追蹤方法及電子裝置 | |
US20220375202A1 (en) | Hierarchical sampling for object identification | |
CN112784691B (zh) | 一种目标检测模型训练方法、目标检测方法和装置 | |
CN114998283A (zh) | 一种镜头遮挡物检测方法及装置 | |
CN115761842A (zh) | 一种人脸底库自动更新方法、装置 | |
CN116246298A (zh) | 一种空间占用人数统计方法、终端设备及存储介质 | |
CN114219938A (zh) | 感兴趣区域获取方法 | |
CN111191591B (zh) | 一种水印检测、视频处理方法和相关设备 | |
CN115909495A (zh) | 行为检测方法、设备以及存储介质 |
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 |