CN113823029A

CN113823029A - 视频处理方法及装置、电子设备和存储介质

Info

Publication number: CN113823029A
Application number: CN202111275120.9A
Authority: CN
Inventors: 于萌; 王延; 刘文亮
Original assignee: Beijing Sensetime Technology Development Co Ltd
Current assignee: Beijing Sensetime Technology Development Co Ltd
Priority date: 2021-10-29
Filing date: 2021-10-29
Publication date: 2021-12-21

Abstract

本公开涉及一种视频处理方法及装置、电子设备和存储介质，所述方法包括：待处理视频帧序列的各视频帧进行检测，获取人脸位置序列和人体位置序列，并生成人脸标识，以及人体标识；根据人脸位置序列和人体位置序列，对人脸标识和人体标识进行匹配，获得匹配结果。根据本公开的实施例的视频处理方法，能够通过边缘侧设备对待处理视频帧进行检测，确定各视频帧中的人脸位置信息和人体位置信息，进而进行匹配，获得匹配结果，使得云端通过上述信息即可进行客流统计，无需根据人脸图像直接统计客流，因而无需在预设区域内获得清晰的人脸正面照，在保证客流统计精度的同时，又可保护目标对象和预设区域的隐私。

Description

视频处理方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种视频处理方法及装置、电子设备和存储介质。

背景技术

客流统计对于商业具有重要意义，通常，销售额＝客流量×成交率×客单价，因此，客流统计直接和业绩挂钩，是实现精细化运营和精准营销的基础。相关技术中基于人脸识别的客流统计系统，可为运营方提供人流量峰值、累计人数、人流量区域分布热图等基础信息，同时可以呈现出整个场所内人员的游逛轨迹。然而，在通常情况下，视频分析需要在每个店铺内架设摄像头拍摄门口区域，这样可以在获取到人进店和出店行为的同时，拍摄到清晰的正面照从而进行精准识别。但在实际应用中，店铺因店铺隐私等问题不愿在店铺内部架设摄像头，只能在购物中心公共的通道上架设摄像头，因此，难以获取人们进店时的正面图像，上述功能也难以实现。

发明内容

本公开提出了一种视频处理方法及装置、电子设备和存储介质。

根据本公开的一方面，提供了一种视频处理方法，包括：对待处理视频帧序列的各视频帧进行检测，获取人脸位置序列和人体位置序列，并生成与所述人脸位置序列对应的人脸标识，以及与所述人体位置序列对应的人体标识，其中，所述人脸位置序列包括所述待处理视频帧序列中的至少一个人脸在各视频帧中的人脸位置信息，所述人体位置序列包括所述待处理视频帧序列中的至少一个人体在各视频帧中的人体位置信息；根据所述人脸位置序列和所述人体位置序列，对所述人脸标识和所述人体标识进行匹配，获得匹配结果，其中，所述匹配结果包括所述待处理视频帧序列中的至少一个目标对象的人脸标识和人体标识的匹配信息。

根据本公开的实施例的视频处理方法，能够通过边缘侧设备对待处理视频帧进行检测，确定各视频帧中的人脸位置信息和人体位置信息，进而进行匹配，获得匹配结果，使得云端通过上述信息即可进行客流统计，无需根据人脸图像直接统计客流，因而无需在预设区域内获得清晰的人脸正面照，在保证目的信息的精度的同时，可保护目标对象和预设区域的隐私。

在一种可能的实现方式中，根据所述人脸位置序列和所述人体位置序列，对所述人脸标识和所述人体标识进行匹配，获得匹配结果，包括：根据所述待处理视频帧序列的第一视频帧中的人脸位置信息和人体位置信息之间的距离信息，确定所述匹配结果，其中，所述第一视频帧为所述待处理视频帧序列中的任一视频帧。

在一种可能的实现方式中，根据所述人脸位置序列和所述人体位置序列，对所述人脸标识和所述人体标识进行匹配，获得匹配结果，包括：基于预先确定的缓存时间段，在所述待处理视频帧序列中，确定多个第二视频帧；根据所述第二视频帧中的人脸位置信息和人体位置信息之间的距离信息，确定所述第二视频帧的匹配信息；根据所述第二视频帧的匹配信息，确定所述匹配结果。

通过这种方式，可基于缓存时间段内的多个第二视频帧的匹配信息来补全各人脸和人体的匹配信息，提升匹配准确率。

在一种可能的实现方式中，所述方法还包括：对待处理视频进行解析，获得待处理视频的多个视频帧；根据预设的时间间隔，对所述待处理视频的多个视频帧进行抽帧，获得所述待处理视频帧序列。

在一种可能的实现方式中，对待处理视频进行解析，获得待处理视频的多个视频帧，包括：响应于获取目标对象进出预设区域的信息的请求，对待处理视频进行解析，获得待处理视频的多个视频帧；其中，所述云端用于根据所述匹配结果、所述人脸标识、所述人体标识、所述人脸位置序列和所述人体位置序列，确定目标对象进出预设区域的统计信息。

在一种可能的实现方式中，所述方法还包括：根据所述匹配结果、所述待处理视频帧序列、所述人脸位置序列和所述人体位置序列，确定至少一个目标对象的身份图像；将所述匹配结果、所述人脸标识、所述人体标识、所述人脸位置序列、所述人体位置序列和所述身份图像发送至云端。

在一种可能的实现方式中，根据所述匹配结果、所述待处理视频帧序列、所述人脸位置序列和所述人体位置序列，确定至少一个目标对象的身份图像，包括：根据预设的质量标准信息，在所述待处理视频帧序列中确定目标视频帧；根据所述目标视频帧中的人脸的位置信息、人体的位置信息，对所述目标视频帧进行剪裁，获得所述目标对象的身份图像。

根据本公开的一方面，提供了一种视频处理装置，包括：检测模块，用于对待处理视频帧序列的各视频帧进行检测，获取人脸位置序列和人体位置序列，并生成与所述人脸位置序列对应的人脸标识，以及与所述人体位置序列对应的人体标识，其中，所述人脸位置序列包括所述待处理视频帧序列中的至少一个人脸在各视频帧中的人脸位置信息，所述人体位置序列包括所述待处理视频帧序列中的至少一个人体在各视频帧中的人体位置信息；匹配模块，用于根据所述人脸位置序列和所述人体位置序列，对所述人脸标识和所述人体标识进行匹配，获得匹配结果，其中，所述匹配结果包括所述待处理视频帧序列中的至少一个目标对象的人脸标识和人体标识的匹配信息。

在一种可能的实现方式中，所述匹配模块进一步用于：根据所述待处理视频帧序列的第一视频帧中的人脸位置信息和人体位置信息之间的距离信息，确定所述匹配结果，其中，所述第一视频帧为所述待处理视频帧序列中的任一视频帧。

在一种可能的实现方式中，所述匹配模块进一步用于：基于预先确定的缓存时间段，在所述待处理视频帧序列中，确定多个第二视频帧；根据所述第二视频帧中的人脸位置信息和人体位置信息之间的距离信息，确定所述第二视频帧的匹配信息；根据所述第二视频帧的匹配信息，确定所述匹配结果。

在一种可能的实现方式中，所述装置还包括：解析模块，用于对待处理视频进行解析，获得待处理视频的多个视频帧；抽帧模块，用于根据预设的时间间隔，对所述待处理视频的多个视频帧进行抽帧，获得所述待处理视频帧序列。

在一种可能的实现方式中，所述解析模块进一步用于：响应于获取目标对象进出预设区域的信息的请求，对待处理视频进行解析，获得待处理视频的多个视频帧；其中，所述云端用于根据所述匹配结果、所述人脸标识、所述人体标识、所述人脸位置序列和所述人体位置序列，确定目标对象进出预设区域的统计信息。

在一种可能的实现方式中，所述装置还包括：图像获取模块，用于根据所述匹配结果、所述待处理视频帧序列、所述人脸位置序列和所述人体位置序列，确定至少一个目标对象的身份图像；发送模块，用于将所述匹配结果、所述人脸标识、所述人体标识、所述人脸位置序列、所述人体位置序列和所述身份图像发送至云端。

在一种可能的实现方式中，所述图像获取模块进一步用于根据预设的质量标准信息，在所述待处理视频帧序列中确定目标视频帧；根据所述目标视频帧中的人脸的位置信息、人体的位置信息，对所述目标视频帧进行剪裁，获得所述目标对象的身份图像。

根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。

根据本公开的实施例的视频处理方法，能够通过边缘侧设备对待处理视频帧中进行检测，确定各视频帧中的人脸位置信息和人体位置信息，进而进行匹配，获得匹配结果，并可在匹配结果不完整时，通过缓存时间段中的多个视频帧中的人脸和人体的位置信息，补全匹配结果。还可将匹配结果、人脸标识、人体标识、人脸位置序列和人体位置序列和身份图像发送至云端，使得云端可基于身份图像进行去重处理，并通过上述信息即可进行客流统计，以提升客流统计结果的精确度。且无需在预设区域内设置摄像头，在保证目的信息的精度的同时，可保护目标对象和预设区域的隐私信息。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的视频处理方法的流程图；

图2示出根据本公开实施例的控制界面的示意图；

图3A和图3B示出根据本公开实施例的控制界面的示意图；

图4A和4B示出根据本公开实施例的视频处理方法的应用示意图；

图5示出根据本公开实施例的视频处理装置的框图；

图6示出根据本公开实施例的一种电子设备的框图；

图7示出根据本公开实施例的一种电子设备的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

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，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

在一种可能的实现方式中，针对实际应用中，需要保护店铺及客户隐私的问题，本公开可通过设置在公共区域(即，经营场所的周边区域，例如，商场中的店铺之前的走廊、通道等)的摄像头拍摄的待处理视频，经由边缘侧设备获取视频中的信息，并将这些信息发送至云端，通过云端来确定视频中各目标对象的目的信息，即，是否打算进入某个商铺，或者只是路过该商铺门前的公共区域，并未打算进入。进而，可通过目的信息，对进入某店铺的客流进行统计。设置在公共区域的摄像头可拍摄商场中的店铺之前的走廊、通道等区域的待处理视频，但不会拍摄店铺之内的视频，以保护目标对象和商铺的隐私。

在一种可能的实现方式中，每个边缘侧设备可处理一个或多个摄像头拍摄的待处理视频，例如，每个边缘侧设备可处理8个摄像头拍摄的待处理视频。本公开对边缘侧设备处理的待处理视频的数量不做限制。

在一种可能的实现方式中，在对待处理视频进行处理时，为了提高处理效率，可不必对待处理视频帧的每个视频帧均进行处理，而是可以选取其中一部分视频帧进行处理，即，选取其中一部分视频帧组成所述视频帧序列。所述方法还包括：对待处理视频进行解析，获得待处理视频的多个视频帧；根据预设的时间间隔，对所述待处理视频的多个视频帧进行抽帧，获得所述待处理视频帧序列。

在一种可能的实现方式中，待处理视频可以是帧频较高的视频，可对待处理视频进行解析，将其按照其帧频分解成多帧视频帧。进而，可对上述多帧视频帧进行抽帧处理，在示例中，可随机抽帧，或者按照预设的规律进行抽帧。例如，可根据预设的时间间隔进行抽帧，即，可按照各视频帧的时间戳，每隔预设的时间间隔选取一个视频帧(例如，每隔0.1秒选取一个视频帧)。又例如，可每隔预定数量的视频帧进行抽帧，例如，可每隔两帧，选取一个视频帧(即，每3帧选取一个视频帧)。经过上述抽帧处理，抽取出的视频帧可组成待处理视频帧序列。本公开对抽帧的具体方式不做限制。

在一种可能的实现方式中，所述视频处理方法可在接收到请求时开始执行，边缘侧设备和云端，在示例中，用户(例如，进行运营分析的技术人员)可对云端和/或边缘侧设备发出请求，使得所述视频处理方法开始执行。所述视频处理方法如下。

图1示出根据本公开实施例的视频处理方法的流程图，如图1所示，包括：

在步骤S11中，对待处理视频帧序列的各视频帧进行检测，获取人脸位置序列和人体位置序列，并生成与所述人脸位置序列对应的人脸标识，以及与所述人体位置序列对应的人体标识，其中，所述人脸位置序列包括所述待处理视频帧序列中的至少一个人脸在各视频帧中的人脸位置信息，所述人体位置序列包括所述待处理视频帧序列中的至少一个人体在各视频帧中的人体位置信息；

在步骤S12中，根据所述人脸位置序列和所述人体位置序列，对所述人脸标识和所述人体标识进行匹配，获得匹配结果，其中，所述匹配结果包括所述待处理视频帧序列中的至少一个目标对象的人脸标识和人体标识的匹配信息。

图2示出根据本公开实施例的控制界面的示意图，如图2所示，云端和/或边缘侧设备可提供控制界面，用户可通过控制界面发出请求，使得视频处理方法开始执行。对待处理视频进行解析，获得待处理视频的多个视频帧，包括：响应于获取目标对象进出预设区域的信息的请求，对待处理视频进行解析，获得待处理视频的多个视频帧；其中，所述云端用于根据所述匹配结果、所述人脸标识、所述人体标识、所述人脸位置序列和所述人体位置序列，确定目标对象进出预设区域的统计信息。例如，所述视频处理方法从待处理视频的解析开始执行，获得多个视频帧，并获得待处理视频帧序列，进而可通过上述步骤S11-S13获得匹配结果、人脸标识、人体标识、人脸位置序列和人体位置序列，并通过云端来获得所述统计信息。

在示例中，通过云端和/或边缘侧设备的控制界面还可设置预设区域的范围，例如，预设区域可包括经营场所区域(例如，商铺所在区域)以及经营场所周边区域(例如，商铺前的走廊，通道等公共区域)，可在设置好预设区域的范围后，通过云端对匹配结果、人脸标识、人体标识、人脸位置序列和人体位置序等信息进行处理，获得各目标对象的轨迹，进而通过目标对象的轨迹和预设区域的范围确定目标对象是否进入经营场所区域和/或是否穿过经营场所周边区域等，进而可对进入经营场所区域的目标对象人数和/或穿过经营场所周边区域的人数等数据进行统计。

图3A和图3B示出根据本公开实施例的控制界面的示意图，如图3A所示，可设置各经营场所区域，在示例中，可在控制界面中设置经营场所区域，例如，分别设置各商铺所在的区域。如图3B所示，可设置各经营场所区域对应的经营场所周边区域，在示例中，可在控制界面中设置经营场所区域周边区域，例如，分别设置各商铺门前的通道所在的区域。在设置好这些区域的范围后，可通过边缘侧设备确定匹配结果、人脸标识、人体标识、人脸位置序列和人体位置序等信息，并通过云端对上述信息进行处理，以进行客流统计。

在一种可能的实现方式中，在获取待处理视频帧序列，并进行上述设置后，可在步骤S11中，对待处理视频帧序列进行检测，以确定各视频帧中的人脸的位置(即，人脸位置信息)以及各视频帧中人体的位置(即，人体位置信息)。例如，通过人脸检测算法确定各视频帧中的人脸位置信息，各视频帧中的人脸位置信息可组成人脸位置序列，并为该人脸生成一个唯一的人脸标识。同样地，可通过人体检测算法确定各视频帧中的人体位置信息，各视频帧中的人体位置信息可组成人体位置序列，并为该人体生成一个唯一的人体标识。

在示例中，待处理视频帧序列中可能出现至少一个人脸，每个人脸可具有对应的人脸标识，例如，可生成每个人脸的标识码face trackID，例如，face0001，face0002…，待处理视频中可能出现至少一个人体，每个人体可具有对应的人体标识，例如，可生成每个人脸的标识码body trackID，例如，body0001，body0002…。在一帧视频帧中，检测到的各人脸的人脸标识的集合可表示为faceRect(face0001，face0002…)，检测到的各人体的人体标识的集合可表示为bodyRect(body0001，body0002…)，本公开对人脸标识和人体标识的具体形式不做限制。

在一种可能的实现方式中，在步骤S12中，为了获得视频帧中的各目标对象的位置，可将人脸标识和人体标识进行匹配，匹配成功的人脸标识和人体标识可代表同一个目标对象的人脸和人体，继而可确定该目标对象的位置。

在一种可能的实现方式中，可通过视频帧中人脸位置信息和人体位置信息之间的距离来进行匹配。步骤S12可包括：根据所述待处理视频帧序列的第一视频帧中的人脸位置信息和人体位置信息之间的距离信息，确定所述匹配结果，其中，所述第一视频帧为所述待处理视频帧序列中的任一视频帧。

在示例中，针对第一视频帧中的某个人脸，例如，人脸标识为face000i的人脸，可基于人脸位置信息和人体位置信息，在多个人体中，确定与该人脸的人脸位置信息距离最近的人体，例如，body000j，作为匹配的人体，即，确定人脸标识为face000i和人体标识body000j匹配，可将生成匹配信息，例如，生成匹配标识pairN(face000i，body000j)。或者，针对某个人体，例如，body000k，可基于人脸位置信息和人体位置信息，在多个人脸中，确定与该人体的人体位置信息距离最近的人脸，例如，face000l，作为匹配的人脸，即，确定人脸标识为face000l和人体标识body000k匹配，可将生成匹配信息，例如，生成匹配标识pairN(face000l，body000k)。

在示例中，也可将距离小于预设距离的人脸和人体确定为匹配的人脸和人体，即，同一目标对象的人脸和人体。

在示例中，也可通过其他方式来确定匹配的人脸和人体，例如，通过人脸和人体的行动方向的一致性等方式来判断人脸和人体是否匹配。或者，可通过距离信息以及行动方向的一致性等因素共同来判断人脸和人体是否匹配。本公开对确定匹配结果的具体方式不做限制。

在一种可能的实现方式中，如果在某个视频帧中，出现了某个目标对象的人脸，但未出现该目标对象的人体，或者，出现了某个目标对象的人体，但未出现该目标对象的人脸，则在该视频帧中，则会出现没有与某个人脸匹配的人体，或者没有与某个人体匹配的人脸的情况。例如，在某个视频帧中，某个目标对象的人体被遮挡，或者未进入待处理视频的视野，则在该视频帧中没有与该目标对象的人脸匹配的人体。

在一种可能的实现方式中，针对上述问题，可基于该视频帧前后的一帧或多帧视频帧对没有匹配的人脸或人体进行匹配，例如，某视频帧中，某个目标对象的人体被遮挡，而在下一个视频帧中，该目标对象可能离开遮挡物的范围，该目标对象的人体可能出现在视野中，进而可与该目标对象的人脸进行匹配。步骤S12可包括：基于预先确定的缓存时间段，在所述待处理视频帧序列中，确定多个第二视频帧；根据所述第二视频帧中的人脸位置信息和人体位置信息之间的距离信息，确定所述第二视频帧的匹配信息；根据所述第二视频帧的匹配信息，确定所述匹配结果。

在一种可能的实现方式中，如果某一个视频帧中，无法获得人联合人体的匹配信息，则可基于缓存时间段内的多个视频帧来确定匹配信息。可预先确定缓存时间段，并在缓存时间段包括的多个视频帧中确定多个包含人脸和人体的第二视频帧。

在一种可能的实现方式中，可对多个第二视频帧进行上述匹配处理，例如，根据各第二视频帧中人脸和人体之间的距离信息进行匹配处理，获得各第二视频帧对应的匹配结果。匹配处理的具体方法如上所述，在此不再赘述。

在一种可能的实现方式中，可对各视频帧对应的匹配结果进行综合，可将匹配信息不完整的人脸或人体进行补充，确定各人脸和人体的匹配信息。

在一种可能的实现方式中，基于匹配结果，可确定视频帧中的各目标对象，即，匹配的人脸和人体即为同一个目标对象的人脸和人体。

在一种可能的实现方式中，在统计目标对象人数时，可能遇到以下情况，目标对象完全离开视野(即，人脸和人体均离开视野)后又进入视野，或者，目标对象完全被遮挡(即，人脸和人体均被遮挡)，后又走出遮挡物，出现在视野中。在上述情况下，人脸和人体在重新出现在视野中后，均可重新生成标识，因此，基于新的标识，云端可能将重新出现在视野中的目标对象确认为一个新的目标对象，进而造成统计的数据不准确。因此，可对目标对象进行去重处理，在去重过程中，边缘侧设备可向云端提供每个目标对象的身份图像，可供云端基于身份图像进行去重处理，例如，基于身份图像，可确定重新出现在视野中的目标对象B与之前消失在视野中的目标对象A为同一目标对象，进而可优化统计数据，提升统计准确性。

在一种可能的实现方式中，基于上述去重需求，边缘侧设备可提供各目标对象的身份图像，以供云端基于匹配结果、所述人脸标识、所述人体标识、所述人脸位置序列、所述人体位置序列和所述身份图像进行客流统计。所述方法还包括：根据所述匹配结果、所述待处理视频帧序列、所述人脸位置序列和所述人体位置序列，确定至少一个目标对象的身份图像；将所述匹配结果、所述人脸标识、所述人体标识、所述人脸位置序列、所述人体位置序列和所述身份图像发送至云端。

在一种可能的实现方式中，在确定匹配结果后，可确定人脸标识和人体标识对应的目标对象，例如，匹配结果为pairN(face000i，body000j)，即，人脸标识为face000i与人体标识为body000j匹配，其对应的目标对象为目标对象A，匹配结果为pairN(face000l，body000k)，即，人脸标识为face000l与人体标识为body000k匹配，其对应的目标对象为目标对象B，目标对象A与目标对象B可能为同一个目标对象，也可能不是同一个目标对象。

在一种可能的实现方式中，可选择每个目标对象的身份图像，即，不论目标对象A和目标对象B是否为同一目标对象，均需获取目标对象A的身份图像和目标对象B的身份图像。在获取某目标对象的身份图像时，可选择能够显示其特征的图像，例如，选择图像质量较高，且包括其人脸、或人体、或者包括人脸和人体整体的图像中的至少一种。

在一种可能的实现方式中，在获取某个目标对象的身份图像时，可在包括该目标对象的视频帧中选择符合预设的质量标准信息的视频帧，例如，质量标准信息可包括目标对象在视频帧中的清晰度、目标对象在视频帧中的大小，目标对象在视频帧中是否未被遮挡等标准。可选择清晰度较高，目标对象在视频帧中尺寸较大且未被遮挡的视频帧作为目标视频帧。

在一种可能的实现方式中，可基于目标对象的人脸位置信息和人体位置信息进行剪裁，在示例中，所述目标对象的身份图像包括目标对象的人脸图像、目标对象的人体图像、以及目标对象的人脸和人体的图像中的至少一种。在进行剪裁处理时，可基于人脸的位置信息剪裁出包括目标对象的人脸的图像，可基于人体的位置信息剪裁出包括目标对象的人体的图像，还可基于人脸和人体的位置信息剪裁出同时包括目标对象的人脸和人体的图像。可将上述图像中的至少一种作为身份图像发送至云端，使得云端可基于身份图像进行去重处理，还可将匹配结果、人脸标识、人体标识、人脸位置序列、人体位置序列发送至云端，获得更准确的统计信息。例如，可通过身份图像进行去重处理，并基于去重后匹配结果、人脸标识、人体标识、人脸位置序列和人体位置序列获得轨迹信息，进而基于轨迹信息和预设区域的范围，确定目标对象是否进入或路过预设区域，进一步地，可基于此统计进入或路过预设区域的目标对象的人数。

在一种可能的实现方式中，如果使用场景较简单，例如，摄像头拍摄的场景为单行道等场景，每个目标对象仅通过单行道一次，则可无需获取身份图像，也无需去重，直接通过匹配结果、人脸标识、人体标识、人脸位置序列和人体位置序列获得轨迹信息，进而基于轨迹信息进行客流统计。

根据本公开的实施例的视频处理方法，能够通过边缘侧设备对待处理视频帧中进行检测，确定各视频帧中的人脸位置信息和人体位置信息，进而进行匹配，获得匹配结果，并可在匹配结果不完整时，通过缓存时间段中的多个视频帧中的人脸和人体的位置信息，补全匹配结果。还可将匹配结果、人脸标识、人体标识、人脸位置序列、人体位置序列和身份图像发送至云端，使得云端可基于身份图像进行去重处理，并通过上述信息即可进行客流统计，以提升客流统计结果的精确度。且无需在预设区域内设置摄像头，在保证目的信息的精度的同时，可保护目标对象和预设区域的隐私信息。

图4A和图4B示出根据本公开实施例的视频处理方法的应用示意图。如图4A所示，可在公共区域设置多个摄像头，例如，可设置在店铺之前的走廊、通道等区域，以获取公共区域的待处理视频，但不会拍摄店铺之内的视频，以保护目标对象和商铺的隐私。

在一种可能的实现方式中，如图4B所示，每个边缘侧设备可处理多个(例如，8个)摄像头拍摄的视频，在开始检测任务时，边缘侧设备可通过边缘侧设备对待处理视频进行抽帧处理，例如，每隔3个视频帧抽取一帧，以减轻计算量。抽帧处理后，获得待处理视频帧序列。

在一种可能的实现方式中，边缘侧设备可检测待处理视频帧序列中各视频帧中的人脸和人体，以获得各视频帧中人脸的位置信息以及人体的位置信息，并生成各人脸的人脸标识和各人体的人体标识。

在一种可能的实现方式中，可基于人脸的位置信息和人体的位置信息进行匹配处理，得到匹配结果，该匹配结果可表示各目标对象对应的人脸标识和人体标识。还可将匹配结果、人脸标识、人体标识、人脸位置序列和人体位置序列发送至云端，使得云端根据这些信息确定各目标对象的轨迹，从而基于目标对象的轨迹与预设区域的范围确定目标对象是否需进入预设区域或是否路过预设区域等，从而可进行统计。

在一种可能的实现方式中，为了使得云端的统计结果更精确，边缘侧设备还可获得每个目标对象的身份图像，例如，可在包括目标对象的视频帧中，选择符合质量标准的视频帧，并裁剪出目标对象的人脸图像、目标对象的人体图像以及目标对象的人脸和人体图像作为身份图像，并将身份图像和上述匹配结果、人脸标识、人体标识、人脸位置序列和人体位置序列共同发送至云端，使得云端可基于身份图像进行去重处理，并基于去重后的匹配结果、人脸标识、人体标识、人脸位置序列和人体位置序列确定各目标对象的轨迹信息，以今次那个客流统计，可提升统计结果的精度。

在一种可能的实现方式中，所述视频处理方法可用于运营分析中，例如，可确定商场整体客流量，确定商铺进店客流量，进而可根据商铺成交量确定各环节的转化率数据等，为运营分析提供数据支持。本公开对所述视频处理方法的应用领域不做限制。

图5示出根据本公开实施例的视频处理装置的框图，如图5所示，所示装置包括：检测模块11，用于对待处理视频帧序列的各视频帧进行检测，获取人脸位置序列和人体位置序列，并生成与所述人脸位置序列对应的人脸标识，以及与所述人体位置序列对应的人体标识，其中，所述人脸位置序列包括所述待处理视频帧序列中的至少一个人脸在各视频帧中的人脸位置信息，所述人体位置序列包括所述待处理视频帧序列中的至少一个人体在各视频帧中的人体位置信息；匹配模块12，用于根据所述人脸位置序列和所述人体位置序列，对所述人脸标识和所述人体标识进行匹配，获得匹配结果，其中，所述匹配结果包括所述待处理视频帧序列中的至少一个目标对象的人脸标识和人体标识的匹配信息。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

此外，本公开还提供了视频处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种视频处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的视频处理方法的指令。

本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的视频处理方法的操作。

电子设备可以被提供为终端、服务器或其它形态的设备。

图6示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。

参照图6，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边缘，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图7示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图7，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows Server^TM，Mac OS X^TM，Unix^TM,Linux^TM，FreeBSD^TM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims

1.一种视频处理方法，其特征在于，所述方法包括：

对待处理视频帧序列的各视频帧进行检测，获取人脸位置序列和人体位置序列，并生成与所述人脸位置序列对应的人脸标识，以及与所述人体位置序列对应的人体标识，其中，所述人脸位置序列包括所述待处理视频帧序列中的至少一个人脸在各视频帧中的人脸位置信息，所述人体位置序列包括所述待处理视频帧序列中的至少一个人体在各视频帧中的人体位置信息；

根据所述人脸位置序列和所述人体位置序列，对所述人脸标识和所述人体标识进行匹配，获得匹配结果，其中，所述匹配结果包括所述待处理视频帧序列中的至少一个目标对象的人脸标识和人体标识的匹配信息。

2.根据权利要求1所述的方法，其特征在于，根据所述人脸位置序列和所述人体位置序列，对所述人脸标识和所述人体标识进行匹配，获得匹配结果，包括：

根据所述待处理视频帧序列的第一视频帧中的人脸位置信息和人体位置信息之间的距离信息，确定所述匹配结果，其中，所述第一视频帧为所述待处理视频帧序列中的任一视频帧。

3.根据权利要求1所述的方法，其特征在于，根据所述人脸位置序列和所述人体位置序列，对所述人脸标识和所述人体标识进行匹配，获得匹配结果，包括：

基于预先确定的缓存时间段，在所述待处理视频帧序列中，确定多个第二视频帧；

根据所述第二视频帧中的人脸位置信息和人体位置信息之间的距离信息，确定所述第二视频帧的匹配信息；

根据所述第二视频帧的匹配信息，确定所述匹配结果。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对待处理视频进行解析，获得待处理视频的多个视频帧；

根据预设的时间间隔，对所述待处理视频的多个视频帧进行抽帧，获得所述待处理视频帧序列。

5.根据权利要求4所述的方法，其特征在于，对待处理视频进行解析，获得待处理视频的多个视频帧，包括：

响应于获取目标对象进出预设区域的信息的请求，对待处理视频进行解析，获得待处理视频的多个视频帧；

其中，所述云端用于根据所述匹配结果、所述人脸标识、所述人体标识、所述人脸位置序列和所述人体位置序列，确定目标对象进出预设区域的统计信息。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述匹配结果、所述待处理视频帧序列、所述人脸位置序列和所述人体位置序列，确定至少一个目标对象的身份图像；

将所述匹配结果、所述人脸标识、所述人体标识、所述人脸位置序列、所述人体位置序列和所述身份图像发送至云端。

7.根据权利要求6所述的方法，其特征在于，根据所述匹配结果、所述待处理视频帧序列、所述人脸位置序列和所述人体位置序列，确定至少一个目标对象的身份图像，包括：

根据预设的质量标准信息，在所述待处理视频帧序列中确定目标视频帧；

根据所述目标视频帧中的人脸的位置信息、人体的位置信息，对所述目标视频帧进行剪裁，获得所述目标对象的身份图像。

8.一种视频处理装置，其特征在于，包括：

检测模块，用于对待处理视频帧序列的各视频帧进行检测，获取人脸位置序列和人体位置序列，并生成与所述人脸位置序列对应的人脸标识，以及与所述人体位置序列对应的人体标识，其中，所述人脸位置序列包括所述待处理视频帧序列中的至少一个人脸在各视频帧中的人脸位置信息，所述人体位置序列包括所述待处理视频帧序列中的至少一个人体在各视频帧中的人体位置信息；

匹配模块，用于根据所述人脸位置序列和所述人体位置序列，对所述人脸标识和所述人体标识进行匹配，获得匹配结果，其中，所述匹配结果包括所述待处理视频帧序列中的至少一个目标对象的人脸标识和人体标识的匹配信息。

9.一种电子设备，其特征在于，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存储的指令，以执行权利要求1至7中任意一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。