CN113673449A - 一种数据存储方法、装置、设备和存储介质 - Google Patents
一种数据存储方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113673449A CN113673449A CN202110975921.XA CN202110975921A CN113673449A CN 113673449 A CN113673449 A CN 113673449A CN 202110975921 A CN202110975921 A CN 202110975921A CN 113673449 A CN113673449 A CN 113673449A
- Authority
- CN
- China
- Prior art keywords
- image
- human body
- target
- face
- target 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000013500 data storage Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 97
- 238000001514 detection method Methods 0.000 claims description 49
- 238000000605 extraction Methods 0.000 claims description 31
- 210000000746 body region Anatomy 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001815 facial effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 12
- 238000012790 confirmation Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本申请提出一种数据存储方法、装置、设备和存储介质。其中,该方法可以包括:获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像;所述目标人脸对象与所述目标人体对象具有关联关系;将所述目标人脸图像与目标所述人体图像进行关联存储。
Description
技术领域
本申请涉及计算机技术,具体涉及一种数据存储方法、装置、设备和存储介质。
背景技术
人脸图像具有差异化明显的特性,经常用来与人物身份进行绑定。目前在进行人物身份识别时,通常会将待识别人物的人脸图像,与维护的人脸图像集合中的人脸图像逐个匹配,并将与匹配中的人脸图像绑定的人物身份确定为所述待识别人物的身份。
不难发现,目前的身份识别方法过分依赖待识别人物的人脸图像,如果待识别人物的人脸图像没有达到身份识别的要求(例如,人脸图像中的人脸被遮挡,不清晰,只有侧脸等),则可能会影响身份识别结果。
发明内容
有鉴于此,本申请至少公开一种数据存储方法。该方法可以包括:获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像;所述目标人脸对象与所述目标人体对象具有关联关系;将所述目标人脸图像与目标所述人体图像进行关联存储。
在一些实施例中,所述现场图像包括部署在现场的图像采集设备采集的图像;所述获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像,包括:响应于所述图像采集设备的设备类型为第一预设类型,对所述现场图像包括的人脸对象与人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象;根据与所述目标人脸对象对应的人脸区域以及与所述目标人体对象对应的人体区域,分别对所述现场图像进行图像提取处理,得到与所述人脸区域对应的目标人脸图像,以及与所述人体区域对应的目标人体图像。
在一些实施例中,所述获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像,包括:响应于所述图像采集设备的设备类型为第二预设类型,获取所述图像采集设备输出的与所述现场图像对应的第一图像处理信息;响应于所述第一图像处理信息包括所述现场图像中人脸对象与人体对象的关联信息以及所述人脸对象与人体对象分别对应的人脸图像与人体图像,基于所述关联信息,确定所述现场图像中,具有关联关系的目标人脸对象与目标人体对象;获取所述第一图像处理信息包括的所述人脸图像与人体图像中,与所述目标人脸对象对应的目标人脸图像和与所述目标人体对象对应的目标人体图像。
在一些实施例中,所述方法还包括:响应于所述第一图像处理信息不包括所述关联信息,对所述现场图像包括的人脸对象与人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象;根据与所述目标人脸对象对应的人脸区域以及与所述目标人体对象对应的人体区域,分别对所述现场图像进行图像提取处理,得与所述人脸区域对应的目标人脸图像,以及与所述人体区域对应的目标人体图像。
在一些实施例中,所述获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像,包括:响应于所述图像采集设备的设备类型为第三预设类型,获取所述图像采集设备输出的与所述现场图像对应的第二图像处理信息;所述第二图像处理信息包括所述现场图像包括的人脸对象以及与所述人脸对象对应的人脸图像;对所述现场图像进行对象检测与图像提取处理,得到所述现场图像包括的人体对象,以及与所述人体对象对应的人体图像;对所述第二图像处理信息包括的人脸对象与得到的所述人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象;确定得到的所述人体图像中,与所述目标人体对象对应的目标人体图像,并获取所述第二图像处理信息包括的与所述目标人脸对象对应的目标人脸图像。
在一些实施例中,所述获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像,包括:响应于所述图像采集设备的设备类型为第四预设类型,获取所述图像采集设备输出的与所述现场图像对应的第三图像处理信息;所述第三图像处理信息包括具有关联关系的目标人脸对象与目标人体对象,以及与所述目标人脸对象对应的目标人脸图像和与所述目标人体对象对应的目标人体图像;获取所述第三图像处理信息包括的具有关联关系的目标人脸对象与目标人体对象,以及与所述目标人脸对象对应的目标人脸图像和与所述目标人体对象对应的目标人体图像。
在一些实施例中,所述将所述目标人脸图像与目标所述人体图像关联存储,包括:根据所述目标人脸对象对应的第一ID与所述目标人体对象对应的第二ID,生成所述目标人脸对象与目标人体对象对应的关联ID;基于所述关联ID,将所述目标人脸图像与目标所述人体图像关联存储。
在一些实施例中,所述方法还包括:获取人脸特征和人体特征;其中,所述人脸特征基于对所述目标人脸图像进行特征提取得到,所述人体特征基于对所述目标人体图像进行特征提取得到;和/或,获取人脸属性和人体属性;其中,所述人脸属性基于对所述目标人脸图像进行属性识别得到;所述人体属性基于对所述目标人体图像进行属性识别得到;将所述人脸特征与所述人体特征关联存储,和/或,将所述人脸属性与所述人体属性关联存储。
在一些实施例中,所述将所述人脸特征与所述人体特征关联存储,包括:将所述人脸特征与所述人体特征关联存储至内存和/或显存。
本申请还提出一种数据存储装置,包括:获取模块,用于获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像;所述目标人脸对象与所述目标人体对象具有关联关系;关联存储模块,用于将所述目标人脸图像与目标所述人体图像进行关联存储。
本申请还提出一种电子设备,所述设备包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器通过运行所述可执行指令以实现如前述任一实施例示出的数据存储方法。
本申请还提出一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于使处理器执行如前述任一实施例示出的数据存储方法。
在前述实施例记载的技术方案中,可以将现场图像中具有关联关系的目标人脸对象和目标人体对象对应的目标人脸图像和目标人体图像进行关联存储,从而可以维护人脸图像与人体图像之间的关联关系,如此在进行身份识别时,既可以通过待识别人物的人体图像进行身份确认,也可以通过待识别人物的人脸图像进行身份确认,还可以结合人体图像与人脸图像进行身份确认,从而可以在身份确认过程中实现人体图像与人脸图像的相互补充,有助于提升人物身份识别准确性。
应当理解的是,以上所述的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
为了更清楚地说明本申请一个或多个实施例或相关技术中的技术方案,下面将对实施例或相关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一个或多个实施例中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请示出的一种数据存储方法的方法流程图;
图2为本申请示出的一种关联存储方法的流程示意图;
图3为本申请示出的一种数据存储方法的流程示意图;
图4为本申请示出的一种数据存储方法的流程示意图;
图5为本申请示出的一种数据存储装置的结构示意图;
图6为本申请示出的一种电子设备的硬件结构示意图。
具体实施方式
下面将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的设备和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在可以包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。还应当理解,本文中所使用的词语“如果”,取决于语境,可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请旨在提出一种数据存储方法。该方法将现场图像中具有关联关系的目标人脸对象和目标人体对象对应的目标人脸图像和目标人体图像进行关联存储,从而可以维护人脸图像与人体图像之间的关联关系,如此在进行身份识别时,既可以通过待识别人物的人体图像进行身份确认,也可以通过待识别人物的人脸图像进行身份确认,还可以结合人体图像与人脸图像进行身份确认,从而可以在身份确认过程中实现人体图像与人脸图像的相互补充,有助于提升人物身份识别准确性。
本申请记载的数据存储方法(以下简称存储方法)可以应用于电子设备中。其中,所述电子设备可以通过搭载与存储方法对应的软件逻辑执行该方法。所述电子设备的类型可以是笔记本电脑,计算机,服务器,手机,PAD终端等。在本申请中不特别限定所述电子设备的类型。所述电子设备可以是客户端设备或服务端设备。所述服务端可以是由单台服务器,服务器集群构成的物理服务端或云服务端。
请参见图1,图1为本申请示出的一种数据存储方法的方法流程图。
如图1所示,所述方法可以包括:
S102,获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像;所述目标人脸对象与所述目标人体对象具有关联关系。
所述现场图像包括部署在现场的图像采集设备采集的图像。图像采集设备可以根据业务需求被部署在不同的现场,负责现场图像的采集工作。例如,业务需求为商场人流统计,则所述现场可以是商场。再例如,业务需求为行人追踪,则所述现场可以是大街小巷。
所述关联关系可以指示所述目标人脸对象与所述目标人体对象属于同一人体。
在一些实施例中,在执行S102时可以分为S1021-S1022两步。
其中,S1021,对所述现场图像包括的人脸对象与人体对象进行关联性检测,得到所述人脸对象与人体对象中,具有关联关系的目标人脸对象与目标人体对象。
在一些实施例中,在执行S1021时,可以执行S11-S12。
其中,S11,对所述现场图像进行对象检测,得到所述现场图像包括的人脸对象与人体对象。
在一些实施例中,可以通过对象检测模型进行对象检测。所述对象检测模型可以是基于RCNN(Region Convolutional Neural Networks,区域卷积神经网络),FAST-RCNN(Fast Region Convolutional Neural Networks,快速区域卷积神经网络)或FASTER-RCNN(Faster Region Convolutional Neural Networks,更快速的区域卷积神经网络)构建的模型。本申请不对所述对象检测模型的网络结构进行特别限定。
在一些实施例中,可以先获取标注了人脸对象检测框信息和人体对象检测框信息的训练样本集,然后利用该训练样本集对所述对象检测模型进行训练,直至模型收敛。
之后则可以使用完成训练的所述对象检测模型,对所述现场图像进行对象检测,得到图像中包括的人体对象和人脸对象以及所述人体对象和所述人脸对象分别对应的检测框。在一些例子中,可以得到检测框的4个顶点坐标。在一些实施例中,可以对检测出的多个人体对象和人脸对象进行编号区分。本申请中进行对象检测之后得到的检测结果可以存储起来,以在其它步骤中使用。
S12,对所述人脸对象与所述人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象。
在一些实施例中,可以利用人脸对象与人体对象之间的空间关系进行关联性检测。
具体地,可以分别将人体对象作为当前人体对象,并确定各人脸对象的检测框与所述当前人体对象的检测框之间的重合度。然后可以将与当前人体对象重合度最大的人脸对象确定为一对关联的目标人脸对象与目标人体对象。由此即可根据人脸-人体在空间上的关联关系,得到关联的目标人脸对象与目标人体对象。
在一些实施例中,为了避免误关联,可以设定重合度阈值(经验阈值),在确定出于当前人体对象重合度最大的人脸对象后,可以进一步判断二者重合度是否达到所述重合度阈值,如果达到,则确定二者确实在空间关联,由此有助于减少由于一个人的人脸与另一个人的人体距离较近导致的误关联,提升关联准确性。
在一些实施例中,还可以采用神经网络的方法进行关联性检测。
具体地,可以利用标注了人体-人脸关联性真实信息的训练样本集,完成对关联性检测模型的训练。然后,则可以利用关联性检测模型确定各人脸-人体组合的关联性预测分数,并将关联性预测分数最高的一对人脸人体确定为所述目标人脸对象与目标人体对象。由此可以利用神经网络的方法实现关联性检测。
S1022,根据与所述目标人脸对象对应的人脸区域以及与所述目标人体对象对应的人体区域,分别对所述现场图像进行图像提取处理,得到与所述人脸区域对应的目标人脸图像,以及与所述人体区域对应的目标人体图像。
所述人脸区域可以指示人脸对象的检测框在所述现场图像中围成的区域。所述人体区域可以指示人体对象的检测框在所述现场图像中围成的区域。
在一些实施例中,可以将所述目标人脸对象对应的人脸区域,与所述目标人体对象对应的人体区域,以及所述现场图像(也可以是利用骨干网络对所述现场图像提取的特征图)输入图像提取单元中,进行图像提取,得到所述目标人脸图像与所述目标人体图像。
所述图像提取单元可以是基于ROI Pooling(region-of-interest-pooling,感兴趣区域合并)或ROI Align(region-of-interest-Align)构建的单元。
S104,将所述目标人脸图像与目标所述人体图像进行关联存储。
在一些实施例中,可以将所述目标人脸图像与所述目标人体图像关联存储在所述设备预设的存储空间中,从而所述存储空间中形成人体图像集合与人脸图像集合。后续在对待识别人物进行身份识别时,也可以通过该人物的人体图像与存储的人体图像集合中的图像进行匹配,并获取匹配中的人体图像所关联的人脸图像。之后则可以通过获取的人脸图像确定所述待识别人物的身份。
由此前述记载方案可以将现场图像中具有关联关系的目标人脸对象和目标人体对象对应的目标人脸图像和目标人体图像进行关联存储,从而可以维护人脸图像与人体图像之间的关联关系,如此在进行身份识别时,既可以通过待识别人物的人体图像进行身份确认,也可以通过待识别人物的人脸图像进行身份确认,还可以结合人体图像与人脸图像进行身份确认,从而可以在身份确认过程中实现人体图像与人脸图像的相互补充,有助于提升人物身份识别准确性。
在一些实施例中,为了便于查找关联的人脸与人体,可以通过关联ID对人脸与人体进行关联。
请参见图2,图2为本申请示出的一种关联存储方法的流程示意图。
如图2所示,在执行S104时,可以执行S202-S204。
其中,S202,根据所述目标人脸对象对应的第一ID与所述目标人体对象对应的第二ID,生成所述目标人脸对象与目标人体对象对应的关联ID。
在对现场图像进行对象检测,得到人脸对象与人体对象的过程中,为了对现场图像中的多个人脸对象与人体对象进行区分,会为不同的人脸对象与人体对象分配不同身份ID。
在一些实施例中,在执行S202时,可以将所述第一ID与所述第二ID拼接起来生成关联ID。例如,第一ID为8位,第二ID也为8位,则关联ID为16位,其中前8位为第一ID,后8位为第二ID。
S204,基于所述关联ID,将所述目标人脸图像与目标所述人体图像关联存储。
在一些实施例中,可以将所述关联ID作为索引信息,与所述目标人脸图像和所述目标人体图像均关联。由此即可通过所述关联ID便捷地查询人脸图像与人体图像。
在一些实施例中,还可以关联存储与所述目标人脸和所述目标人体相关的多种信息。
所述多种信息可以包括图像特征信息和/或属性信息。其中属性信息可以包括人物身高,胖瘦,着重,发型,年龄等。需要说明的是,所述属性信息的类型可以根据业务需求进行设定。本申请不对所述属性信息的具体类型进行限定。
请参见图3,图3为本申请示出的一种数据存储方法的流程示意图。
如图3所示,还可以执行S302-S304。
其中,S302,获取人脸特征和人体特征;其中,所述人脸特征基于对所述目标人脸图像进行特征提取得到,所述人体特征基于对所述目标人体图像进行特征提取得到;和/或,
获取人脸属性和人体属性;其中,所述人脸属性基于对所述目标人脸图像进行属性识别得到;所述人体属性基于对所述目标人体图像进行属性识别得到。
可以理解的是,S302中至少包括3种方案。即只执行S3021,获取人脸特征和人体特征。只执行S3022,获取人脸属性和人体属性。共同执行S3021与S3022。
在一些实施例中,在执行S3021时,可以对所述目标人脸图像与所述目标人体图像进行卷积与池化等处理操作,得到所述人脸特征和人体特征。在一些实施例中,在图像采集设备支持进行特征提取的情形下,在执行S3021时,可以直接从该设备输出的信息中获取所述人脸特征和人体特征。
在执行S3022时,可以将所述人脸图像与所述目标人体图像输入预先训练的属性识别模型中,得到对应的所述人脸属性与人体属性。在一些实施例中,在图像采集设备支持进行属性识别的情形下,在执行S3022时,可以直接从该设备输出的信息中获取所述人脸属性与人体属性。
S304,将所述人脸特征与所述人体特征关联存储,和/或,将所述人脸属性与所述人体属性关联存储。
在执行S304时,可以根据S302中得到的信息相应执行存储动作。在一些实施例中,也可以将S202中确定的关联ID作为索引信息,将所述人脸特征与所述人体特征关联存储,和/或,将所述人脸属性与所述人体属性关联存储。
由此可以对人体与人脸进行多属性描述,便于进行身份识别,也便于建立人物档案。所述人物档案可以包括人脸图像,人体图像,人物属性等信息。
在一些实施例中,为了提升身份识别效率,还可以将S302得到所述人脸特征与所述人体特征关联存储至内存和/或显存中,由此在进行身份识别时,可以之间从内存和/或显存中获取图像特征信息,通过快速获取特征信息,提升身份比对效率,进而提升身份识别效率。
在一些实施例中,在图像监控领域发展的不同时期,部署在现场的图像采集设备的类型和功能也不一样,为了兼容不同类型的图像采集设备,本申请提出了兼容多种类型设备的数据存储方法,可以针对不同类型的设备采集的现场图像,获取关联的人体人脸信息(包括图像,属性,特征等信息),并关联存储。
请参见图4,图4为本申请示出的一种数据存储方法的流程示意图。
如图4所示,所述方法可以包括S401-S403。
其中,S401,确定图像采集设备的设备类型。
在一些实施例中,可以获取所述图像采集设备的设备信息,通过分析所述设备信息可以获知所述设备的设备类型。
S402,获取现场图像包括的人脸对象与人体对象中,具有关联关系的目标人脸对象与目标人体对象,以及其各自对应的图像,特征,属性等信息。
其中,在执行S402时,基于不同类型的图像采集设备可以对应不同的步骤。以下针对本申请列出的四种设备分别进行说明。
(一)所述图像采集设备的设备类型为第一预设类型。
所述第一预设类型的设备具有采集图像的功能,不具有图像处理的功能。例如,所述第一预设类型的设备可以是普通治安监控摄像机。因此对图像处理的步骤需要集中在后续进行。
具体地,在执行S402时,可以执行S4021与S4022。
其中S4021,响应于所述图像采集设备的设备类型为第一预设类型,对所述现场图像包括的人脸对象与人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象;根据与所述目标人脸对象对应的人脸区域以及与所述目标人体对象对应的人体区域,分别对所述现场图像进行图像提取处理,得到与所述人脸区域对应的目标人脸图像,以及与所述人体区域对应的目标人体图像。
关于S4021的步骤介绍可以参照针对前述S1021-S1022的介绍,在此不做详述。
S4022,通过属性识别网络,特征提取网络等信息提取网络对得到的所述目标人脸图像与目标人体图像进行处理,得到人脸特征,人体特征,人脸属性与人体属性等信息。
通过将图像处理步骤添加在后端处理,可以针对普通类型的摄像机输出的现场图像,进行人脸与人体的关联。
(二)所述图像采集设备的设备类型为第二预设类型。
第二预设类型的设备可以是具有结构化功能的智能摄像机。这类设备除了可以采集现场图像外,还可以对现场图像进行处理,从现场图像中抠出人体图像,人脸图像,人脸属性和人体属性信息。这类设备中有些还可以直接输出人脸与人体的关联信息,有些则不可以。在一些实施例中,所述第二预设类型的设备还可以输出该设备的身份ID,IP地址,部署地址,图像采集时间等结构化信息。
具体地,在执行S402时,可以执行S21-S24。
其中S21,响应于所述图像采集设备的设备类型为第二预设类型,获取所述图像采集设备输出的与所述现场图像对应的第一图像处理信息。
所述第一图像处理信息即为所述第二预设类型的设备对现场图像进行处理后得到的信息。所述第一图像处理信息包括所述现场图像中的人脸对象与人体对象分别对应的人脸图像与人体图像。根据第一图像处理信息携带的内容不一样,也会存在S22与S23两种处理方法。
S22,包括S221-S222。
其中,S221,响应于所述第一图像处理信息包括所述现场图像中人脸对象与人体对象的关联信息以及所述人脸对象与人体对象分别对应的人脸图像与人体图像,基于所述关联信息,确定所述现场图像中,具有关联关系的目标人脸对象与目标人体对象。
所述关联信息可以指示现场图像中关联的人脸对象与人体对象。例如,所述设备可以直接以组合的形式输出人脸对象与人体对象。每一组合内的人脸对象与人体对象即为具有关联关系的目标人脸对象与目标人体对象。
再例如,所述设备可以为关联的人脸对象与人体对象分配相同的标识。通过该标识即可确定具有关联关系的目标人脸对象与目标人体对象。
S222,获取所述第一图像处理信息包括的所述人脸图像与人体图像中,与所述目标人脸对象对应的目标人脸图像和与所述目标人体对象对应的目标人体图像。
在执行S222时,通过所述目标人脸对象与目标人体对象的ID号即可筛选出对应的目标人脸图像与目标人体图像。
S23,响应于所述图像处理信息不包括所述关联信息,对所述现场图像包括的人脸对象与人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象;根据与所述目标人脸对象对应的人脸区域以及与所述目标人体对象对应的人体区域,分别对所述现场图像进行图像提取处理,得与所述人脸区域对应的目标人脸图像,以及与所述人体区域对应的目标人体图像。
当第一图像处理信息中不包括关联信息时,即便设备可以输出人脸图像与人体图像,但是却无法获知其中的关联信息。因此仍然需要对现场图像执行S22记载的步骤,得到关联的目标人体与目标人脸。关于S22的步骤介绍可以参照针对前述S1021-S1022的介绍,在此不做详述。
S24,可以通过特征提取网络对目标人脸图像与目标人体图像进行处理,得到人脸特征与人体特征,以及可以从第一图像处理信息中,获取与所述目标人脸对象与所述目标人体对象对应的人脸属性与人体属性等信息。
通过将图像处理步骤添加在后端处理,可以针对结构化智能设备输出的现场图像,进行人脸与人体的关联。
(三)所述图像采集设备的设备类型为第三预设类型。
所述第三预设类型的设备功能比较专一。在一些实施例中,所述第三预设类型的设备可以是具有人脸识别功能的人脸摄像机。这类设备可能只能针对人脸图像进行处理,不能针对人体图像进行处理。因此对人体图像的处理的步骤需要集中在后续进行。
具体地,在执行S402时,可以执行S31-S35。
其中S31,响应于所述图像采集设备的设备类型为第三预设类型,获取所述图像采集设备输出的与所述现场图像对应的第二图像处理信息。
所述第二图像处理信息即为所述第三预设类型的设备对现场图像进行处理后得到的信息。所述第二图像处理信息包括所述现场图像包括的人脸对象以及与所述人脸对象对应的人脸图像。
S32,对所述现场图像进行对象检测与图像提取处理,得到所述现场图像包括的人体对象,以及与所述人体对象对应的人体图像。
在执行S32时,可以利用预先训练的对象检测模型,得到人体对象以及人体对象对应的检测框。然后再将人体对象对应的检测框,以及现场图像(也可以是现场图像对应的特征图)输入图像提取单元,得到所述人体图像。
S33,对所述第二图像处理信息包括的人脸对象与得到的所述人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象。
在一些实施例中,可以先获取所述第二图像处理信息包括的人脸对象,及其检测框。然后可以利用人脸与人体在空间上的关联关系,分别确定与各人体检测框分别重合度最大的人脸检测框,并将重合度最大的一对人脸与人体确定为具有关联关系的目标人脸对象与目标人体对象。
在一些实施例中,也可以利用预先训练的关联分数预测模型,确定具有关联关系的目标人脸对象与目标人体对象。具体方法可以参照S1021在此不做详述。
S34,确定得到的所述人体图像中,与所述目标人体对象对应的目标人体图像,并获取所述第二图像处理信息包括的与所述目标人脸对象对应的目标人脸图像。
在执行S34时,通过所述目标人脸对象与目标人体对象的ID号即可筛选出对应的目标人脸图像与目标人体图像。
S35,可以通过特征提取网络、属性识别网络等信息提取网络对目标人体图像进行处理,得到人体特征与人体属性等信息,以及可以从第二图像处理信息中,获取与所述目标人脸对象对应的人脸特征与人脸属性等信息。
通过将人体图像处理步骤添加在后端处理,可以针对人脸识别智能摄像机输出的现场图像,进行人脸与人体的关联。
(四)所述图像采集设备的设备类型为第四预设类型。
所述第四预设类型的设备功能可以根据需求进行设定。例如,所述第四预设类型的设备可以是全解析智能摄像机。这类设备的功能可以根据业务需求进行设定。本例中,可以将前述S1021-S1022公开的算法集成在所述全解析智能摄像机中。由此,该设备除了可以采集现场图像外,还可以按照S1021-S1022的方法对现场图像进行处理,得到具有关联关系的目标人脸对象与目标人体对象,以及其各自对应的图像,属性,特征等信息。
具体地,在执行S402时,可以执行S41-S43。
其中S41,响应于所述图像采集设备的设备类型为第四预设类型,获取所述图像采集设备输出的与所述现场图像对应的第三图像处理信息。
所述第三图像处理信息即为所述第四预设类型的设备对现场图像进行处理后得到的信息。所述第三图像处理信息包括具有关联关系的目标人脸对象与目标人体对象,以及与所述目标人脸对象对应的目标人脸图像和与所述目标人体对象对应的目标人体图像。
S42,获取所述第三图像处理信息包括的具有关联关系的目标人脸对象与目标人体对象,以及与所述目标人脸对象对应的目标人脸图像和与所述目标人体对象对应的目标人体图像。
在执行S42时,通过解析所述第三图像处理信息即可得到具有关联关系的目标人脸对象与目标人体对象,以及其各自对应的图像。
S43,还可以通过解析所述第三图像处理信息还可以得到所述目标人脸对象与目标人体对象各自的对应的特征,属性等信息。
通过将人脸-人体图像处理步骤添加在全解析摄像机中,通过该摄像机输出的图像处理信息,即可进行人脸与人体的关联。
针对前述四种相机中的任意,通过S401-S402获取到具有关联关系的目标人脸对象与目标人体对象,以及其各自对应的图像,属性,特征等信息后,可以执行S403,关联存储具有关联关系的目标人脸对象与目标人体对象,以及其各自对应的图像,属性,特征等信息。
在一些实施例中,可以基于所述目标人脸对象与目标人体对象的ID号,生成关联ID号,然后将关联ID号作为索引,完成前述信息的关联存储。
在一些实施例中,人脸特征与人体特征可以存储在内存和/或现存中,提升特征比对效率,进而提升身份识别效率。
在图4示出的方案中,一方面可以通过针对不同类型的设备采集的现场图像采用配套的方法,获取关联的人体人脸信息(包括图像,属性,特征等信息),可以兼容多种类型设备,提升数据存储方法适用性。另一方面,可以对人体与人脸进行多属性描述,便于进行身份识别,也便于建立人物档案。
以下以身份识别场景为例进行实施例说明。
在该场景中可以包括部署在现场(例如商场,街道等)的多种摄像头,对所述多种摄像头采集的图像进行身份识别的服务平台。所述服务平台可以搭建于基于服务器或服务器集群构建的物理服务端或云端。所述多种摄像头的设备类型可以包括本申请公开的第一预设类型,第二预设类型,第三预设类型以及第四预设中的至少一种。
该场景可以包括两部分任务。其一为根据摄像头采集的现场图像建立人物档案,其二为根据已有人物档案,进行人物身份识别,同时还可以获取该人物的属性。可以理解的是,维护了人物档案可以相当于维护了人物身份。在进行身份识别时,确定待识别人物的人物档案即相当于确定出该人物的身份。
其中,在建立人物档案时,所述服务平台可以采用S401-S403示出的数据关联方法,从摄像头采集的视频流中的各帧现场图像中获取具有关联关系的目标人脸对象与目标人体对象,以及其各自对应的图像,属性,特征等人物信息,并对这些人物信息进行关联存储。S401-S403的步骤可以参照前述实施例,在此不做详述。
在本例中,可以将基于所述目标人脸对象与目标人体对象的ID号生成的关联ID号作为索引,将前述人物信息关联存储至数据库中,从而形成与所述目标人脸对象对应的人物档案。
由此所述服务平台可以针对不同类型的摄像头采集的现场图像中具有关联关系的目标人脸对象与目标人体对象,以及其各自对应的图像,属性,特征等人物信息进行解析,并以统一的信息格式基于所述人物信息形成人物档案并存储至数据库中,便于后续进行人物身份识别。
本例中,还可以将所述目标人脸对象与所述目标人体对象分别对应的图像特征存储在CPU内存中。由此提升特征匹配速度,进而提升身份识别效率。
在进行身份识别时,所述服务平台可以从摄像头处获取采集的图像,并利用人脸-人体检测技术,获取该图像中包括的待识别人物的人脸对象与人体对象,然后再根据人脸对象对应的人脸区域从该图像中抠出人脸图像,根据人体对象对应的人体区域从该图像中抠出人体图像。之后,可以至少采用以下三种方法进行身份识别:
第一,根据对所述人脸图像提取出的人脸特征与所述服务平台对应的硬件设备的CPU内存中存储的人脸特征进行匹配,根据匹配中的任意人脸特征对应的关联ID,确定对应的人物档案以确定人物身份。
第二,根据对所述人脸图像提取出的人体特征与所述服务平台对应的硬件设备的CPU内存中存储的人体特征进行匹配,根据匹配中的任意人体特征对应的关联ID,确定对应的人物档案以确定人物身份。
第三,根据对所述人脸图像提取出的人脸特征和人体特征与所述服务平台对应的硬件设备的CPU内存中存储的人脸特征和人体特征进行匹配,根据匹配中的人脸特征和人体特征对应的关联ID(所述人脸特征与所述人体特征具有相同的关联ID),确定对应的人物档案以确定人物身份。
在确定待识别人物的人物档案后,可以从确定的人物档案中可以确定该待识别人物的身份以及相关属性信息。
由此所述服务平台既可以通过待识别人物的人体图像进行身份确认,也可以通过待识别人物的人脸图像进行身份确认,还可以结合人体图像与人脸图像进行身份确认,从而可以在身份确认过程中实现人体图像与人脸图像的相互补充,有助于提升人物身份识别准确性。
与所述任一实施例相对应的,本申请还提出一种数据存储装置50。
请参见图5,图5为本申请示出的一种数据存储装置的结构示意图。如图5所示,所述装置50可以包括:
第一获取模块51,用于获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像;所述目标人脸对象与所述目标人体对象具有关联关系;
第一关联存储模块52,用于将所述目标人脸图像与目标所述人体图像进行关联存储。
在一些实施例中,所述现场图像包括部署在现场的图像采集设备采集的图像;所述第一获取模块51,具体用于:
响应于所述图像采集设备的设备类型为第一预设类型,对所述现场图像包括的人脸对象与人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象;
根据与所述目标人脸对象对应的人脸区域以及与所述目标人体对象对应的人体区域,分别对所述现场图像进行图像提取处理,得到与所述人脸区域对应的目标人脸图像,以及与所述人体区域对应的目标人体图像。
在一些实施例中,所述第一获取模块51,具体用于:
响应于所述图像采集设备的设备类型为第二预设类型,获取所述图像采集设备输出的与所述现场图像对应的第一图像处理信息;
响应于所述第一图像处理信息包括所述现场图像中人脸对象与人体对象的关联信息以及所述人脸对象与人体对象分别对应的人脸图像与人体图像,基于所述关联信息,确定所述现场图像中,具有关联关系的目标人脸对象与目标人体对象;
获取所述第一图像处理信息包括的所述人脸图像与人体图像中,与所述目标人脸对象对应的目标人脸图像和与所述目标人体对象对应的目标人体图像。
在一些实施例中,所述第一获取模块51,具体用于:
响应于所述第一图像处理信息不包括所述关联信息,对所述现场图像包括的人脸对象与人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象;
根据与所述目标人脸对象对应的人脸区域以及与所述目标人体对象对应的人体区域,分别对所述现场图像进行图像提取处理,得与所述人脸区域对应的目标人脸图像,以及与所述人体区域对应的目标人体图像。
在一些实施例中,所述第一获取模块51,具体用于:
响应于所述图像采集设备的设备类型为第三预设类型,获取所述图像采集设备输出的与所述现场图像对应的第二图像处理信息;所述第二图像处理信息包括所述现场图像包括的人脸对象以及与所述人脸对象对应的人脸图像;
对所述现场图像进行对象检测与图像提取处理,得到所述现场图像包括的人体对象,以及与所述人体对象对应的人体图像;
对所述第二图像处理信息包括的人脸对象与得到的所述人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象;
确定得到的所述人体图像中,与所述目标人体对象对应的目标人体图像,并获取所述第二图像处理信息包括的与所述目标人脸对象对应的目标人脸图像。
在一些实施例中,所述第一获取模块51,具体用于:
响应于所述图像采集设备的设备类型为第四预设类型,获取所述图像采集设备输出的与所述现场图像对应的第三图像处理信息;所述第三图像处理信息包括具有关联关系的目标人脸对象与目标人体对象,以及与所述目标人脸对象对应的目标人脸图像和与所述目标人体对象对应的目标人体图像;
获取所述第三图像处理信息包括的具有关联关系的目标人脸对象与目标人体对象,以及与所述目标人脸对象对应的目标人脸图像和与所述目标人体对象对应的目标人体图像。
在一些实施例中,所述第一关联存储模块52,具体用于:
根据所述目标人脸对象对应的第一ID与所述目标人体对象对应的第二ID,生成所述目标人脸对象与目标人体对象对应的关联ID;
基于所述关联ID,将所述目标人脸图像与目标所述人体图像关联存储。
在一些实施例中,所述装置50还包括:
第二获取模块,用于获取人脸特征和人体特征;其中,所述人脸特征基于对所述目标人脸图像进行特征提取得到,所述人体特征基于对所述目标人体图像进行特征提取得到;和/或,
获取人脸属性和人体属性;其中,所述人脸属性基于对所述目标人脸图像进行属性识别得到;所述人体属性基于对所述目标人体图像进行属性识别得到;
第二关联存储模块,用于将所述人脸特征与所述人体特征关联存储,和/或,将所述人脸属性与所述人体属性关联存储。
在一些实施例中,所述第二关联存储模块,具体用于:
将所述人脸特征与所述人体特征关联存储至内存和/或显存。
本申请示出的数据存储装置的实施例可以应用于电子设备上。相应地,本申请公开了一种电子设备,该设备可以包括:处理器。
用于存储处理器可执行指令的存储器。
其中,所述处理器被配置为调用所述存储器中存储的可执行指令,实现前述任一实施例示出的数据存储方法。
请参见图6,图6为本申请示出的一种电子设备的硬件结构示意图。
如图6所示,该电子设备可以包括用于执行指令的处理器,用于进行网络连接的网络接口,用于为处理器存储运行数据的内存,以及用于存储数据存储装置对应指令的非易失性存储器。
其中,装置的实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在电子设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,除了图6所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的电子设备通常根据该电子设备的实际功能,还可以包括其他硬件,对此不再赘述。
可以理解的是,为了提升处理速度,装置对应指令也可以直接存储于内存中,在此不作限定。
本申请提出一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序可以用于使处理器执行前述任一实施例示出的数据存储方法。
本领域技术人员应明白,本申请一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本申请一个或多个实施例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,本申请一个或多个实施例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(可以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。
本申请中的“和/或”表示至少具有两者中的其中一个,例如,“A和/或B”可以包括三种方案:A、B、以及“A和B”。
本申请中的各个实施例均采用递进的方式描述,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,对于数据处理设备实施例而言,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。
以上对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的行为或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本申请中描述的主题及功能操作的实施例可以在以下中实现:数字电子电路、有形体现的计算机软件或固件、可以包括本申请中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本申请中描述的主题的实施例可以实现为一个或多个计算机程序,即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地,程序指令可以被编码在人工生成的传播信号上,例如机器生成的电、光或电磁信号,该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。
本申请中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行,以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)来执行,并且装置也可以实现为专用逻辑电路。
适合用于执行计算机程序的计算机可以包括,例如通用和/或专用微处理器,或任何其他类型的中央处理单元。通常,中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件可以包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常,计算机还将可以包括用于存储数据的一个或多个大容量存储设备,例如磁盘、磁光盘或光盘等,或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据,抑或两种情况兼而有之。然而,计算机不是必须具有这样的设备。此外,计算机可以嵌入在另一设备中,例如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏操纵台、全球定位系统(GPS)接收机、或例如通用串行总线(USB)闪存驱动器的便携式存储设备,仅举几例。
适合于存储计算机程序指令和数据的计算机可读介质可以包括所有形式的非易失性存储器、媒介和存储器设备,例如可以包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
虽然本申请包含许多具体实施细节,但是这些不应被解释为限制任何公开的范围或所要求保护的范围,而是主要用于描述特定公开的具体实施例的特征。本申请内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面,在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外,虽然特征可以如所述在某些组合中起作用并且甚至最初如此要求保护,但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除,并且所要求保护的组合可以指向子组合或子组合的变型。
类似地,虽然在附图中以特定顺序描绘了操作,但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行,以实现期望的结果。在某些情况下,多任务和并行处理可能是有利的。此外,所述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离,并且应当理解,所描述的程序组件和系统通常可以一起集成在单个软件产品中,或者封装成多个软件产品。
由此,主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下,权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外,附图中描绘的处理并非必需所示的特定顺序或顺次顺序,以实现期望的结果。在某些实现中,多任务和并行处理可能是有利的。
以上仅为本申请一个或多个实施例的较佳实施例而已,并不用以限制本申请一个或多个实施例,凡在本申请一个或多个实施例的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请一个或多个实施例保护的范围之内。
Claims (12)
1.一种数据存储方法,其特征在于,包括:
获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像;所述目标人脸对象与所述目标人体对象具有关联关系;
将所述目标人脸图像与目标所述人体图像进行关联存储。
2.根据权利要求1所述的方法,其特征在于,所述现场图像包括部署在现场的图像采集设备采集的图像;
所述获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像,包括:
响应于所述图像采集设备的设备类型为第一预设类型,对所述现场图像包括的人脸对象与人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象;
根据与所述目标人脸对象对应的人脸区域以及与所述目标人体对象对应的人体区域,分别对所述现场图像进行图像提取处理,得到与所述人脸区域对应的目标人脸图像,以及与所述人体区域对应的目标人体图像。
3.根据权利要求1或2所述的方法,其特征在于,所述获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像,包括:
响应于所述图像采集设备的设备类型为第二预设类型,获取所述图像采集设备输出的与所述现场图像对应的第一图像处理信息;
响应于所述第一图像处理信息包括所述现场图像中人脸对象与人体对象的关联信息以及所述人脸对象与人体对象分别对应的人脸图像与人体图像,基于所述关联信息,确定所述现场图像中,具有关联关系的目标人脸对象与目标人体对象;
获取所述第一图像处理信息包括的所述人脸图像与人体图像中,与所述目标人脸对象对应的目标人脸图像和与所述目标人体对象对应的目标人体图像。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
响应于所述第一图像处理信息不包括所述关联信息,对所述现场图像包括的人脸对象与人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象;
根据与所述目标人脸对象对应的人脸区域以及与所述目标人体对象对应的人体区域,分别对所述现场图像进行图像提取处理,得与所述人脸区域对应的目标人脸图像,以及与所述人体区域对应的目标人体图像。
5.根据权利要求1-4任一所述的方法,其特征在于,所述获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像,包括:
响应于所述图像采集设备的设备类型为第三预设类型,获取所述图像采集设备输出的与所述现场图像对应的第二图像处理信息;所述第二图像处理信息包括所述现场图像包括的人脸对象以及与所述人脸对象对应的人脸图像;
对所述现场图像进行对象检测与图像提取处理,得到所述现场图像包括的人体对象,以及与所述人体对象对应的人体图像;
对所述第二图像处理信息包括的人脸对象与得到的所述人体对象进行关联性检测,得到具有关联关系的目标人脸对象与目标人体对象;
确定得到的所述人体图像中,与所述目标人体对象对应的目标人体图像,并获取所述第二图像处理信息包括的与所述目标人脸对象对应的目标人脸图像。
6.根据权利要求1-5任一所述的方法,其特征在于,所述获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像,包括:
响应于所述图像采集设备的设备类型为第四预设类型,获取所述图像采集设备输出的与所述现场图像对应的第三图像处理信息;所述第三图像处理信息包括具有关联关系的目标人脸对象与目标人体对象,以及与所述目标人脸对象对应的目标人脸图像和与所述目标人体对象对应的目标人体图像;
获取所述第三图像处理信息包括的具有关联关系的目标人脸对象与目标人体对象,以及与所述目标人脸对象对应的目标人脸图像和与所述目标人体对象对应的目标人体图像。
7.根据权利要求1-6任一所述的方法,其特征在于,所述将所述目标人脸图像与目标所述人体图像关联存储,包括:
根据所述目标人脸对象对应的第一ID与所述目标人体对象对应的第二ID,生成所述目标人脸对象与目标人体对象对应的关联ID;
基于所述关联ID,将所述目标人脸图像与目标所述人体图像关联存储。
8.根据权利要求1-7任一所述的方法,其特征在于,还包括:
获取人脸特征和人体特征;其中,所述人脸特征基于对所述目标人脸图像进行特征提取得到,所述人体特征基于对所述目标人体图像进行特征提取得到;和/或,
获取人脸属性和人体属性;其中,所述人脸属性基于对所述目标人脸图像进行属性识别得到;所述人体属性基于对所述目标人体图像进行属性识别得到;
将所述人脸特征与所述人体特征关联存储,和/或,将所述人脸属性与所述人体属性关联存储。
9.根据权利要求8所述的方法,其特征在于,所述将所述人脸特征与所述人体特征关联存储,包括:
将所述人脸特征与所述人体特征关联存储至内存和/或显存。
10.一种数据存储装置,其特征在于,包括:
获取模块,用于获取现场图像中的目标人脸对象对应的目标人脸图像,以及所述现场图像中的目标人体对象对应的目标人体图像;所述目标人脸对象与所述目标人体对象具有关联关系;
关联存储模块,用于将所述目标人脸图像与目标所述人体图像进行关联存储。
11.一种电子设备,其特征在于,所述设备包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器通过运行所述可执行指令以实现如权利要求1-9任一所述的数据存储方法。
12.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于使处理器执行如权利要求1-9任一所述的数据存储方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110975921.XA CN113673449A (zh) | 2021-08-24 | 2021-08-24 | 一种数据存储方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110975921.XA CN113673449A (zh) | 2021-08-24 | 2021-08-24 | 一种数据存储方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113673449A true CN113673449A (zh) | 2021-11-19 |
Family
ID=78545700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110975921.XA Withdrawn CN113673449A (zh) | 2021-08-24 | 2021-08-24 | 一种数据存储方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113673449A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023105278A1 (en) * | 2021-12-09 | 2023-06-15 | Sensetime International Pte. Ltd. | Image processing method, apparatus, electronic device and storage medium |
-
2021
- 2021-08-24 CN CN202110975921.XA patent/CN113673449A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023105278A1 (en) * | 2021-12-09 | 2023-06-15 | Sensetime International Pte. Ltd. | Image processing method, apparatus, electronic device and storage medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110490078B (zh) | 监控视频处理方法、装置、计算机设备和存储介质 | |
CN107977390B (zh) | 绘本识别方法、装置、系统及电子设备 | |
US8463025B2 (en) | Distributed artificial intelligence services on a cell phone | |
CN109871490B (zh) | 媒体资源匹配方法、装置、存储介质和计算机设备 | |
US20120114177A1 (en) | Image processing system, image capture apparatus, image processing apparatus, control method therefor, and program | |
WO2021130546A1 (en) | Target object identification system, method and apparatus, electronic device and storage medium | |
WO2012139269A1 (en) | Tracking and recognition of faces using selected region classification | |
JP2019057815A (ja) | 監視システム | |
KR102297217B1 (ko) | 영상들 간에 객체와 객체 위치의 동일성을 식별하기 위한 방법 및 장치 | |
CN110941992B (zh) | 微笑表情检测方法、装置、计算机设备及存储介质 | |
CN110991231B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
CN113673449A (zh) | 一种数据存储方法、装置、设备和存储介质 | |
CN111191481B (zh) | 车辆识别方法及系统 | |
CN110895602B (zh) | 身份验证方法、装置、电子设备及存储介质 | |
CN111476070A (zh) | 图像处理方法、装置、电子设备以及计算机可读存储介质 | |
CN113557546A (zh) | 图像中关联对象的检测方法、装置、设备和存储介质 | |
CN112257628A (zh) | 一种户外比赛运动员的身份识别方法、装置及设备 | |
CN115984977A (zh) | 活体检测方法和系统 | |
CN115359390A (zh) | 一种图像处理方法及装置 | |
US11087121B2 (en) | High accuracy and volume facial recognition on mobile platforms | |
CN110489592B (zh) | 视频分类方法、装置、计算机设备和存储介质 | |
CN113936231A (zh) | 目标物识别方法、装置以及电子设备 | |
CN113515986A (zh) | 视频处理、数据处理方法及设备 | |
CN111860403A (zh) | 场景信息的检测方法和装置、电子设备 | |
CN111209807A (zh) | 一种基于yolov3的视频结构化方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211119 |