CN114092809A - 对象识别方法、装置及电子设备 - Google Patents
对象识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114092809A CN114092809A CN202111363924.4A CN202111363924A CN114092809A CN 114092809 A CN114092809 A CN 114092809A CN 202111363924 A CN202111363924 A CN 202111363924A CN 114092809 A CN114092809 A CN 114092809A
- Authority
- CN
- China
- Prior art keywords
- track
- identified
- target scene
- determining
- specified
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例提供了对象识别方法、装置及电子设备,应用于图像处理技术领域。该方法包括:获取待识别对象在目标场景内的轨迹数据;基于所获取的轨迹数据,确定待识别对象在目标场景内的停留信息,以及确定待识别对象,在目标场景内与指定对象的接触信息;若停留信息满足预设停留异常条件,和/或接触信息满足预设接触异常条件,则判定待识别对象为异常对象。通过本方案,可以提高对象识别的效率。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及对象识别方法、装置及电子设备。
背景技术
对象识别的相关技术中,往往需要预先人工对异常对象进行标定,并将异常对象的特征图像存储到待预警的特征图库中,进而通过对比现场对象的特征图像与特征图库中的特征图像,确定现场对象是否为异常对象。
由于需要人工对异常对象进行标定,使得相关技术中,对象识别效率较低。
发明内容
本发明实施例的目的在于提供一种对象识别方法、装置及电子设备,以提高对象识别的效率。具体技术方案如下:
第一方面,本发明实施例提供一种对象识别方法,所述方法包括:
获取待识别对象在目标场景内的轨迹数据;
基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内的停留信息,以及确定所述待识别对象,在所述目标场景内与指定对象的接触信息;
若所述停留信息满足预设停留异常条件,和/或所述接触信息满足预设接触异常条件,则判定所述待识别对象为异常对象。
可选的,所述停留信息包括:停留次数和/或停留时长;
所述基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内的停留信息,包括:
基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内的轨迹数量,作为所述待识别对象的停留次数;和/或;
基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内每一条轨迹的轨迹时长,并计算所确定每一条轨迹的轨迹时长之和,得到所述待识别对象在所述目标场景内的停留时长。
可选的,所述停留信息满足预设停留异常条件,包括:
所述停留次数大于等于停留次数阈值;
和/或,
所述停留时长大于等于停留时长阈值。
可选的,所述接触信息包括接触次数;
上述基于所获取的轨迹数据,确定所述待识别对象,在所述目标场景内与指定对象的接触信息,包括:
基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内每一条轨迹;
针对所述待识别对象的每一条轨迹,基于该条轨迹以及所述指定对象的各条指定轨迹,确定在该条轨迹的形成过程中,所述待识别对象与所述指定对象的接触次数,作为该条轨迹对应的接触次数;其中,所述各条指定轨迹为所述指定对象在所述目标场景内的轨迹;
计算所述待识别对象的每一条轨迹对应的接触次数之和,得到所述待识别对象与所述指定对象的接触次数。
可选的,在所述基于该条轨迹以及所述指定对象的各条指定轨迹,确定在该条轨迹的形成过程中,所述待识别对象与所述指定对象的接触次数,作为该条轨迹对应的接触次数之前,所述方法还包括:
对所述待识别对象进行指定行为检测,得到所述待识别对象进行指定行为的行为时间;
所述基于该条轨迹以及所述指定对象的各条指定轨迹,确定在该条轨迹的形成过程中,所述待识别对象与所述指定对象的接触次数,作为该条轨迹对应的接触次数,包括:
确定该条轨迹与所述指定对象的各条指定轨迹相交的相交时间;
确定所述行为时间与所述相交时间的匹配次数,作为该条轨迹对应的接触次数。
可选的,所述接触信息满足预设接触异常条件,包括:
所述接触次数大于等于接触次数阈值。
可选的,所述获取待识别对象在目标场景内的轨迹数据,包括:
从待识别对象的对象档案中,读取所述待识别对象在目标场景内的轨迹数据。
可选的,采用如下步骤生成对象档案内的轨迹数据,包括:
获取针对所述目标场景所采集的图像数据;
识别所述图像数据包含的对象,作为待处理对象;
针对每一待处理对象,基于所述图像数据,对该待处理对象进行轨迹识别,得到该待处理对象的轨迹;
确定该待处理对象所属的对象档案,并将所生成的轨迹写入所确定的对象档案中,得到该对象档案内的轨迹数据。
可选的,每一对象档案中还包含有该对象档案所属对象的人脸属性;
所述确定该待处理对象所属的对象档案,包括:
基于所述图像数据,获取待处理对象的人脸属性;
判断已存在的各对象档案中,是否存在包含的人脸属性与所获取的人脸属性相匹配的对象档案;
若存在,则将包含的人脸属性与所获取的人脸属性相匹配的对象档案,确定为该待处理对象所属的对象档案。
可选的,每一对象档案中还包含有该对象档案所属对象的采集标识;每一对象的采集标识为采集该对象的图像数据时所生成的标识;
所述方法还包括:
若不存在包含的人脸属性与所获取的人脸属性相匹配的对象档案,则确定该待处理对象的采集标识;
判断已存在的各对象档案中,是否存在包含的采集标识与所确定的采集标识相同的对象档案;
若存在,则将包含的采集标识与所确定的采集标识相同的对象档案,确定为该待处理对象所属的对象档案。
可选的,每一对象档案中还包含有该对象档案所属对象的人体属性;
所述方法还包括:
若不存在包含的采集标识与所确定的采集标识相同的对象档案,则确定该待处理对象的人体属性;
判断已存在的各对象档案中,是否存在包含的人体属性与所确定的人体属性相匹配的对象档案;
若存在,则将包含的人体属性与所确定的人体属性相匹配的对象档案,确定为该待处理对象所属的对象档案。
可选的,所述方法还包括:
若不存在包含的人体属性与所确定的人体属性相匹配的对象档案,基于该待处理对象的人脸属性、采集标识以及人体属性中的至少一个,生成该待处理对象的对象档案。
可选的,在所述获取待识别对象在目标场景内的轨迹数据之前,所述方法还包括:
识别所述目标场景中,属于指定类别的对象,作为待识别对象,并将不属于所述指定类别的对象,作为指定对象。
可选的,所述识别所述目标场景中,属于指定类别的对象,作为待识别对象,包括:
针对所述目标场景中的每一对象,对该对象进行着装检测和/或行为检测,若该对象穿戴指定类型服务和/或执行指定行为,则将该对象作为待识别对象。
第二方面,本发明实施例提供一种对象识别装置,所述装置包括:
轨迹数据获取模块,用于获取待识别对象在目标场景内的轨迹数据;
信息确定模块,用于基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内的停留信息,以及确定所述待识别对象,在所述目标场景内与指定对象的接触信息;
判定模块,用于若所述停留信息满足预设停留异常条件,和/或所述接触信息满足预设接触异常条件,则判定所述待识别对象为异常对象。
可选的,所述停留信息包括:停留次数和/或停留时长;
所述信息确定模块,具体用于基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内的轨迹数量,作为所述待识别对象的停留次数;和/或;基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内每一条轨迹的轨迹时长,并计算所确定每一条轨迹的轨迹时长之和,得到所述待识别对象在所述目标场景内的停留时长。
可选的,所述停留信息满足预设停留异常条件,包括:所述停留次数大于等于停留次数阈值;和/或,所述停留时长大于等于停留时长阈值。
可选的,所述接触信息包括接触次数;
所述信息确定模块,具体用于基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内每一条轨迹;针对所述待识别对象的每一条轨迹,基于该条轨迹以及所述指定对象的各条指定轨迹,确定在该条轨迹的形成过程中,所述待识别对象与所述指定对象的接触次数,作为该条轨迹对应的接触次数;其中,所述各条指定轨迹为所述指定对象在所述目标场景内的轨迹。
可选的,所述信息确定模块,还用于在所述基于该条轨迹以及所述指定对象的各条指定轨迹,确定在该条轨迹的形成过程中,所述待识别对象与所述指定对象的接触次数,作为该条轨迹对应的接触次数之前,对所述待识别对象进行指定行为检测,得到所述待识别对象进行指定行为的行为时间;
所述信息确定模块,具体用于确定该条轨迹与所述指定对象的各条指定轨迹相交的相交时间;确定所述行为时间与所述相交时间的匹配次数,作为该条轨迹对应的接触次数。
可选的,所述接触信息满足预设接触异常条件,包括:所述接触次数大于等于接触次数阈值。
可选的,所述轨迹数据获取模块,具体用于从待识别对象的对象档案中,读取所述待识别对象在目标场景内的轨迹数据。
可选的,所述装置还包括:
图像数据获取模块,用于获取针对所述目标场景所采集的图像数据;
对象识别模块,用于识别所述图像数据包含的对象,作为待处理对象;
轨迹识别模块,用于针对每一待处理对象,基于所述图像数据,对该待处理对象进行轨迹识别,得到该待处理对象的轨迹;
数据存储模块,用于确定该待处理对象所属的对象档案,并将所生成的轨迹写入所确定的对象档案中,得到该对象档案内的轨迹数据。
可选的,每一对象档案中还包含有该对象档案所属对象的人脸属性;
所述数据存储模块,具体用于基于所述图像数据,获取待处理对象的人脸属性;判断已存在的各对象档案中,是否存在包含的人脸属性与所获取的人脸属性相匹配的对象档案;若存在,则将包含的人脸属性与所获取的人脸属性相匹配的对象档案,确定为该待处理对象所属的对象档案。
可选的,每一对象档案中还包含有该对象档案所属对象的采集标识;每一对象的采集标识为采集该对象的图像数据时所生成的标识;
所述数据存储模块,还用于若不存在包含的人脸属性与所获取的人脸属性相匹配的对象档案,则确定该待处理对象的采集标识;判断已存在的各对象档案中,是否存在包含的采集标识与所确定的采集标识相同的对象档案;若存在,则将包含的采集标识与所确定的采集标识相同的对象档案,确定为该待处理对象所属的对象档案。
可选的,每一对象档案中还包含有该对象档案所属对象的人体属性;
所述数据存储模块,还用于若不存在包含的采集标识与所确定的采集标识相同的对象档案,则确定该待处理对象的人体属性;判断已存在的各对象档案中,是否存在包含的人体属性与所确定的人体属性相匹配的对象档案;若存在,则将包含的人体属性与所确定的人体属性相匹配的对象档案,确定为该待处理对象所属的对象档案。
可选的,所述数据存储模块,还用于若不存在包含的人体属性与所确定的人体属性相匹配的对象档案,基于该待处理对象的人脸属性、采集标识以及人体属性中的至少一个,生成该待处理对象的对象档案。
可选的,所述图像数据获取模块,还用于在所述获取待识别对象在目标场景内的轨迹数据之前,识别所述目标场景中,属于指定类别的对象,作为待识别对象,并将不属于所述指定类别的对象,作为指定对象。
可选的,所述图像数据获取模块,具体用于针对所述目标场景中的每一对象,对该对象进行着装检测和/或行为检测,若该对象穿戴指定类型服务和/或执行指定行为,则将该对象作为待识别对象。
第三方面,本发明实施例提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面所述的方法步骤。
第四方面,本发明实施例提供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第一方面所述的方法步骤。
本发明实施例有益效果:
本发明实施例所提供的对象识别方法中,可以获取待识别对象在目标场景内的轨迹数据,进而基于所获取的轨迹数据,确定待识别对象在目标场景内的停留信息,以及确定待识别对象,在目标场景内与指定对象的接触信息,以及若停留信息满足预设停留异常条件,和/或接触信息满足预设接触异常条件,则判定待识别对象为异常对象。由于可以基于待识别对象的停留信息和接触信息,确定待识别对象是否为异常对象,实现异常对象的自动识别,从而可以提高对象识别的效率。
当然,实施本发明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发明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发明的一些实施例,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实施例。
图1为本发明实施例提供的对象识别方法的流程图;
图2为本发明实施例提供的对象识别方法的另一流程图;
图3为本发明实施例提供的对象识别装置的结构示意图;
图4为本发明实施例所提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了提高对象识别的效率,本发明实施例提供了一种对象识别方法、装置及电子设备。
下面首先对本发明实施例所提供的一种对象识别方法进行介绍。
需要说明的是,本发明实施例可以应用于各类电子设备,例如,个人电脑、服务器、手机以及其他具有数据处理能力的设备。并且,本发明实施例提供的对象识别方法可以通过软件、硬件或软硬件结合的方式实现。
本发明实施例所提供的对象识别方法,可以包括如下步骤:
获取待识别对象在目标场景内的轨迹数据;
基于所获取的轨迹数据,确定待识别对象在目标场景内的停留信息,以及确定待识别对象,在目标场景内与指定对象的接触信息;
若停留信息满足预设停留异常条件,和/或接触信息满足预设接触异常条件,则判定待识别对象为异常对象。
本发明实施例上述方案,由于可以基于待识别对象的停留信息和接触信息,确定待识别对象是否为异常对象,实现异常对象的自动识别,从而可以提高对象识别的效率。
下面结合说明书附图,对本发明实施例提供的对象识别方法进行详细说明。
如图1所示,本发明实施例提供的一种对象识别方法,可以包括如下步骤:
S101,获取待识别对象在目标场景内的轨迹数据;
其中,目标场景可以为任意指定的场景,例如银行、保险公司等业务办理场景,也可以为任意需要进行对象识别的场景,本发明实施例对此不作具体限定。需要说明的是,本发明实施例所指对象,可以为目标场景内的任意对象,如针对业务办理场景,本发明实施例所指对象可以为人物,而针对其他可能的场景,本发明实施例所指对象也可以为动物、机器等事物,这都是可以的。
待识别对象为需要进行异常识别的对象,该异常识别可以用于识别对象是否为异常对象,例如识别进行商品推销、兜售、甚至诈骗的人员。一种实现方式中,可以先确定目标场景内的待识别对象,可选的,识别目标场景中,属于指定类别的对象,作为待识别对象。
该指定类型的对象可以为着装与所在场景中正常工作人员着装匹配度较高的人员,此时,可以针对目标场景中的每一对象,可以对该对象进行着装检测,并基于检测结果,判定该对象是否穿戴指定类型服饰,若存在,则将该对象作为待识别对象,其中,指定类型服饰即为目标场景内正常工作人员的服饰,或为与目标场景内正常工作人员的服饰相似的服饰。
可选的,还可以对该对象进行行为检测,若该对象执行指定行为,则将该对象作为待识别对象。其中,指定行为包括挎包行为和物品传递行为中的至少一种。
可选的,由于对于进行商品推销、兜售、甚至诈骗的的异常人员而言,其需要与目标场景内正常业务办理人员进行交互,因此,为了更准确的对异常人员进行分析,还可以同时识别出目标场景内不属于指定类别的对象,作为指定对象。
针对不同的应用场景,获取待识别对象的轨迹数据的方式可以是不同的,例如,一种实现方式中,针对实时场景,可以实时跟踪待识别对象,生成待设备对象的轨迹数据,或者,针对离线或对实时性要求不高的场景,可以在特定时间点,获取指定时间段内待识别对象在目标场景内的轨迹数据,例如每日21:00时获取当天待识别对象在目标场景内的轨迹数据,此时,轨迹数据可以包括目标对象在指定时间段内在目标场景内的每一条轨迹。
一种实现方式中,可选的,可以从待识别对象的对象档案中,读取待识别对象在目标场景内的轨迹数据,该对象档案为记录该带识别对象信息的数据集。上述对象档案除包含待识别对象在目标场景内的轨迹数据外,还可以包含对象的采集标识、人脸属性、人体属性、异常行为记录信息等中的至少一种,上述人脸属性可以包括人脸图像和/或基于人脸图像提取的人脸特征,上述人体属性可以包括人体图像和/或基于人体图像提取的人体特征,上述异常行为记录信息可以为对象在目标场景内的异常行为记录,例如拎包行为、物品传递行为等,可用以辅助队对象的识别。
每一对象的对象档案中包含的数据可以基于历史事件段内,针对该对象进行追踪所生成的,本发明实施例后续进行说明,在此不再赘述。
S102,基于所获取的轨迹数据,确定待识别对象在目标场景内的停留信息,以及确定待识别对象,在目标场景内与指定对象的接触信息;
其中,停留信息为指示待识别对象在目标场景内停留情况的信息,可以包括待识别对象在目标场景内的停留次数和/或停留时长。
由于待识别对象在目标场景内每停留一次即会生成一条轨迹,因此,当停留信息包括停留次数时,可以基于所获取的轨迹数据,先确定待识别对象在目标场景内的轨迹数量,进而将确定的轨迹数量作为待识别对象的停留次数。
而若停留信息包括停留时长,则可以先基于所获取的轨迹数据,确定待识别对象在目标场景内每一条轨迹的轨迹时长,进而计算所确定每一条轨迹的轨迹时长之和,得到待识别对象在目标场景内的停留时长,其中,每一条轨迹的轨迹时长可以为该轨迹的结束时刻与该轨迹的起始时刻的时长差。
上述接触信息可以包括待识别对象在目标场景内与指定对象的接触次数。一种实现方式中,可以基于所获取的轨迹数据,确定待识别对象在目标场景内每一条轨迹,进而针对待识别对象的每一条轨迹,基于该条轨迹以及指定对象的各条指定轨迹,确定在该条轨迹的形成过程中,待识别对象与指定对象的接触次数,作为该条轨迹对应的接触次数,最后计算待识别对象的每一条轨迹对应的接触次数之和,得到待识别对象与指定对象的接触次数。
一种实现方式中,可以在基于该条轨迹以及指定对象的各条指定轨迹,确定在该条轨迹的形成过程中,待识别对象与指定对象的接触次数,作为该条轨迹对应的接触次数之前,对待识别对象进行指定行为检测,得到待识别对象进行指定行为的行为时间,进而确定该条轨迹与指定对象的各条指定轨迹相交的相交时间,并确定行为时间与相交时间的匹配次数,作为该条轨迹对应的接触次数。
上述轨迹相交指同一时刻,两条轨迹之间的间距小于设定阈值,作为一次相交。示例性的,待识别对象为目标场景内与正常工作人员同类着装的人员,指定对象为目标场景内与正常工作人员不同类着装的人员,则可以基于同类着装的人员的轨迹与不同类着装的人员的轨迹,确定同类着装的人员与非同着装人员在同一时刻的落脚点距离均小于设定阈值,则认为同类着装人员和非同类着装人员存在1次接触。
可选的,还可以结合待识别对象是否存在拎包行为进行分析,即将存在拎包行为的待识对象的每一条轨迹对应的接触次数之和,作为待识别对象与指定对象的接触次数。
S103,若停留信息满足预设停留异常条件,和/或接触信息满足预设接触异常条件,则判定待识别对象为异常对象;
上述预设停留异常条件和/可以预设接触异常条件基于需求和经验确定。
若停留信息包括停留次数,则上述预设停留异常条件可以包括停留次数大于等于停留次数阈值,例如5次;若停留信息包括停留时长,则上述预设停留异常条件可以包括停留时长大于等于停留时长阈值,例如90分钟;当停留信息包括停留次数和停留时长时,上述预设停留异常条件可以为停留次数大于等于停留次数阈值或停留时长大于等于停留时长阈值。
若接触信息包括接触次数,则接触信息满足预设接触异常条件可以接触次数大于等于接触次数阈值,例如20次。
本发明实施例上述方案中,由于可以基于待识别对象的停留信息和接触信息,确定待识别对象是否为异常对象,实现异常对象的自动识别,从而可以提高对象识别的效率。
如图2所示,本发明实施例提供的另一种对象识别方法,除图1所示步骤外,还可以包括以下步骤:
S201:获取针对目标场景所采集的图像数据;
其中,上述图像数据可以为目标场景的至少一张场景图像,或者目标场景的场景视频。图像数据可以为部署在目标场景的监控摄像机所采集的,目标场景内可以部署单台监控摄像机,也可以部署多台监控摄像机,这都是可以的,当目标场景内包含多台监控摄像机时,可以根据多台监控摄像机之间的拓扑结构和时空关系对多台监控摄像机采集图像数据中的对象进行关联。
S202:识别图像数据包含的对象,作为待处理对象;
可选的,可以通过对象检测算法对图像数据进行对象检测,识别图像数据中包含的对象,或者,也可以基于预先训练的神经网络模型,对图像数据进行对象检测,识别图像数据中包含的对象,这都是可以的。需要说明的是,待处理对象可以为待识别对象,也可以为指定对象,这都是可以的。
在识别待处理对象时,还可以同时记录待处理对象在图像数据中的位置信息,若图像数据为多张图像或视频片段,则可以记录待处理对象在每一张图像中的位置信息,或在视频片段中每一帧中的位置信息。
S203:针对每一待处理对象,基于图像数据,对该待处理对象进行轨迹识别,得到该待处理对象的轨迹;
可选的,针对每一待处理对象,由于已经识别出待处理对象在图像数据包含的至少一张图像中的位置信息,进而可以基于待处理对象的位置信息,确定出对该待处理对象进行轨迹识别,得到该待处理对象的轨迹。
S204:确定该待处理对象所属的对象档案,并将所生成的轨迹写入所确定的对象档案中,得到该对象档案内的轨迹数据。
其中,在向对象档案中写入轨迹数据之前,需要先确定该待处理对象所属的对象档案。
对于每一待处理对象而言,其所属的对象档案可能预先已存在,则需要从各对象档案中,确定该待处理对象所属的对象档案;若该待处理对象所属的对象档案预先不存在,则需要创建新的对象档案,作为该待处理对象所属的对象档案。
因此,需要先确定各对象档案中,是否存在该待处理对象所属的对象档案。
本发明实施例中,可以采用多种策略,确定各对象档案中,是否存在该待处理对象所属的对象档案。
一种实现方式中,可以结合每一对象的采集标识,确定待处理对象的对象档案,其中每一对象的采集标识为采集该对象的图像数据时所生成的标识,当摄像机持续采集同一对象的图像时,该对象的采集标识相同。对于单摄像机而言,判断其采集标识是否和已有对象档案相同;而对于多摄像机,可以根据摄像机之间的拓扑结构和时空关系判断跨摄像机的多个待处理对象是否关联,若存在关联,将对应的待处理对象的利用关联的待处理对象的采样标识进行标记。上述采样标识可以为跟踪ID(Identity Document,身份证标识号)或对象ID。
可选的,在对象为人物的情况下,可以基于人脸属性、人体属性中的至少一种确定待处理对象所属的对象档案。其中,上述人脸属性可以为对人脸图像进行特征提取后的人脸特征,例如利用特征提取模型提取人脸图像后,得到的特征向量,或者上述人脸属性可以包括人脸的描述信息,例如脸型、眼睛类型等。可选的,人脸属性包括但不限于嘴角、鼻子、眼睛、眉毛、额头、头发等特征。
上述人体特征可以为对人体图像进行特征提取后的人体特征,例如利用特征提取模型提取人体图像后,得到的特征向量,或者上述人体属性可以包括人体的描述信息,身高、体型等。
在一种实现方式中,可以结合人脸属性、采集标识和人体属性,确定待处理对象所属的对象档案。
若每一对象档案中还包含有该对象档案所属对象的人脸属性,则可以基于图像数据,获取待处理对象的人脸属性,进而判断已存在的各对象档案中,是否存在包含的人脸属性与所获取的人脸属性相匹配的对象档案,若存在,则将包含的人脸属性与所获取的人脸属性相匹配的对象档案,确定为该待处理对象所属的对象档。
其中,判断已存在的各对象档案中,是否存在包含的人脸属性与所获取的人脸属性相匹配的对象档案,可以包括:
针对每一对象档案,可以先确定是否存在封面人脸属性,该封面人脸属性为对象档案中,各人脸属性中已记录时长小于指定时长阈值的人脸属性,相比于已记录时长较为久远的人脸属性,封面人脸属性与当前对象人脸的差异最小。可选的,封面人脸属性可以为最新记录的、已记录时长小于指定时长阈值的人脸属性。
若存在封面人脸属性,则计算所获取的人脸属性与封面人脸属性之间的相似度,若相似度大于第一相似度阈值,则确定该对象档案为该待处理对象所属的对象档,反之,若相似度不大于第一相似度阈值,则确定该对象档案中是否存在其他人脸属性,若存在,则计算其他人脸属性与所获取的人脸属性的相似度,若相似度大于第一相似度阈值,则确定该对象档案为该待处理对象所属的对象档,反之,若相似度不大于第一相似度阈值,则确定该对象档案不为该待处理对象所属的对象档。
可选的,若不存在包含的人脸属性与所获取的人脸属性相匹配的对象档案,则确定该待处理对象的采集标识,进而判断已存在的各对象档案中,是否存在包含的采集标识与所确定的采集标识相同的对象档案,若存在,则将包含的采集标识与所确定的采集标识相同的对象档案,确定为该待处理对象所属的对象档案。
其中,若不存在包含的采集标识与所确定的采集标识相同的对象档案,则确定该待处理对象的人体属性,进而判断已存在的各对象档案中,是否存在包含的人体属性与所确定的人体属性相匹配的对象档案,若存在,则将包含的人体属性与所确定的人体属性相匹配的对象档案,确定为该待处理对象所属的对象档案。
其中,判断已存在的各对象档案中,是否存在包含的人体属性与所确定的人体属性相匹配的对象档案,可以包括:
针对每一对象档案,可以先确定是否存在封面人体属性,该封面人体属性为对象档案中,各人体属性中已记录时长小于指定时长阈值的人体属性,相比于已记录时长较为久远的人体属性,封面人体属性与当前对象人体的差异最小。可选的,封面人体属性可以为最新记录的、已记录时长小于指定时长阈值的人体属性。
若存在封面人体属性,则计算所获取的人体属性与封面人体属性之间的相似度,若相似度大于第二相似度阈值,则确定该对象档案为该待处理对象所属的对象档,反之,若相似度不大于第二相似度阈值,则确定该对象档案中是否存在其他人体属性,若存在,则计算其他人体属性与所获取的人体属性的相似度,若相似度大于第二相似度阈值,则确定该对象档案为该待处理对象所属的对象档,反之,若相似度不大于第二相似度阈值,则确定该对象档案不为该待处理对象所属的对象档。
一种封面图像的生成方式中,若存在人体属性,则将人体抓拍图像(人体图像)作为人体封面存储;若不存在人体属性,则将人脸抓拍图像(人脸图像)作为人脸封面存储,从而提高单人体聚类的召回率和准确率。考虑到同一对象每天的着装可能不同,对于封面图像,可以每天定时删除并重新生成,同时还可以根据人脸属性或人体属性不同采用不同的相似度阈值,以达到提升人员聚类的效果。
进而,若存在包含的人体属性与所确定的人体属性相匹配的对象档案,基于该待处理对象的人脸属性、采集标识以及人体属性中的至少一个,生成该待处理对象的对象档案。
进一步的,若需要存储人脸属性,则将该人脸属性作为该待处理对象的对象档案的封面人脸属性。若需要存储人体属性,则将该人体属性作为该待处理对象的对象档案的封面人体属性。
本发明实施例上述方案中,可以提高对象识别的效率,进一步的,通过生成每一对象档案中的轨迹数据,可以为提高对象识别的效率,提供了实现基础。
相应于上述实施例所提供的对象识别方法,如图3所示,本发明实施例还提供了一种对象识别装置,装置包括:
轨迹数据获取模块301,用于获取待识别对象在目标场景内的轨迹数据;
信息确定模块302,用于基于所获取的轨迹数据,确定待识别对象在目标场景内的停留信息,以及确定待识别对象,在目标场景内与指定对象的接触信息;
判定模块303,用于若停留信息满足预设停留异常条件,和/或接触信息满足预设接触异常条件,则判定待识别对象为异常对象。
可选的,停留信息包括:停留次数和/或停留时长;
信息确定模块,具体用于基于所获取的轨迹数据,确定待识别对象在目标场景内的轨迹数量,作为待识别对象的停留次数;和/或;基于所获取的轨迹数据,确定待识别对象在目标场景内每一条轨迹的轨迹时长,并计算所确定每一条轨迹的轨迹时长之和,得到待识别对象在目标场景内的停留时长。
可选的,停留信息满足预设停留异常条件,包括:停留次数大于等于停留次数阈值;和/或,停留时长大于等于停留时长阈值。
可选的,接触信息包括接触次数;
信息确定模块,具体用于基于所获取的轨迹数据,确定待识别对象在目标场景内每一条轨迹;针对待识别对象的每一条轨迹,基于该条轨迹以及指定对象的各条指定轨迹,确定在该条轨迹的形成过程中,待识别对象与指定对象的接触次数,作为该条轨迹对应的接触次数;其中,各条指定轨迹为指定对象在目标场景内的轨迹;计算待识别对象的每一条轨迹对应的接触次数之和,得到待识别对象与指定对象的接触次数。
可选的,信息确定模块,还用于在基于该条轨迹以及指定对象的各条指定轨迹,确定在该条轨迹的形成过程中,待识别对象与指定对象的接触次数,作为该条轨迹对应的接触次数之前,对待识别对象进行指定行为检测,得到待识别对象进行指定行为的行为时间;
信息确定模块,具体用于确定该条轨迹与指定对象的各条指定轨迹相交的相交时间;确定行为时间与相交时间的匹配次数,作为该条轨迹对应的接触次数。
可选的,接触信息满足预设接触异常条件,包括:接触次数大于等于接触次数阈值。
可选的,轨迹数据获取模块,具体用于从待识别对象的对象档案中,读取待识别对象在目标场景内的轨迹数据。
可选的,装置还包括:
图像数据获取模块,用于获取针对目标场景所采集的图像数据;
对象识别模块,用于识别图像数据包含的对象,作为待处理对象;
轨迹识别模块,用于针对每一待处理对象,基于图像数据,对该待处理对象进行轨迹识别,得到该待处理对象的轨迹;
数据存储模块,用于确定该待处理对象所属的对象档案,并将所生成的轨迹写入所确定的对象档案中,得到该对象档案内的轨迹数据。
可选的,每一对象档案中还包含有该对象档案所属对象的人脸属性;
数据存储模块,具体用于基于图像数据,获取待处理对象的人脸属性;判断已存在的各对象档案中,是否存在包含的人脸属性与所获取的人脸属性相匹配的对象档案;若存在,则将包含的人脸属性与所获取的人脸属性相匹配的对象档案,确定为该待处理对象所属的对象档案。
可选的,每一对象档案中还包含有该对象档案所属对象的采集标识;每一对象的采集标识为采集该对象的图像数据时所生成的标识;
数据存储模块,还用于若不存在包含的人脸属性与所获取的人脸属性相匹配的对象档案,则确定该待处理对象的采集标识;判断已存在的各对象档案中,是否存在包含的采集标识与所确定的采集标识相同的对象档案;若存在,则将包含的采集标识与所确定的采集标识相同的对象档案,确定为该待处理对象所属的对象档案。
可选的,每一对象档案中还包含有该对象档案所属对象的人体属性;
数据存储模块,还用于若不存在包含的采集标识与所确定的采集标识相同的对象档案,则确定该待处理对象的人体属性;判断已存在的各对象档案中,是否存在包含的人体属性与所确定的人体属性相匹配的对象档案;若存在,则将包含的人体属性与所确定的人体属性相匹配的对象档案,确定为该待处理对象所属的对象档案。
可选的,数据存储模块,还用于若不存在包含的人体属性与所确定的人体属性相匹配的对象档案,基于该待处理对象的人脸属性、采集标识以及人体属性中的至少一个,生成该待处理对象的对象档案。
可选的,图像数据获取模块,还用于在获取待识别对象在目标场景内的轨迹数据之前,识别目标场景中,属于指定类别的对象,作为待识别对象,并将不属于指定类别的对象,作为指定对象。
可选的,图像数据获取模块,具体用于针对目标场景中的每一对象,对该对象进行着装检测和/或行为检测,若该对象穿戴指定类型服务和/或执行指定行为,则将该对象作为待识别对象。
本发明实施例所提供上述方案,可以获取待识别对象在目标场景内的轨迹数据,进而基于所获取的轨迹数据,确定待识别对象在目标场景内的停留信息,以及确定待识别对象,在目标场景内与指定对象的接触信息,以及若停留信息满足预设停留异常条件,和/或接触信息满足预设接触异常条件,则判定待识别对象为异常对象。由于可以基于待识别对象的停留信息和接触信息,确定待识别对象是否为异常对象,实现异常对象的自动识别,从而可以提高对象识别的效率。
本发明实施例还提供了一种电子设备,如图4所示,包括处理器401、通信接口402、存储器403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信,
存储器403,用于存放计算机程序;
处理器401,用于执行存储器403上所存放的程序时,实现本发明实施例所提供的对象识别方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图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。
通信接口用于上述电子设备与其他设备之间的通信。
存储器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,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的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 SignalProcessing,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。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该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对象识别方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,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对象识别方法。
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发明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、计算机可读存储介质以及计算机程序产品而言,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。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (13)
1.一种对象识别方法,其特征在于,所述方法包括:
获取待识别对象在目标场景内的轨迹数据;
基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内的停留信息,以及确定所述待识别对象,在所述目标场景内与指定对象的接触信息;
若所述停留信息满足预设停留异常条件,和/或所述接触信息满足预设接触异常条件,则判定所述待识别对象为异常对象。
2.根据权利要求1所述的方法,其特征在于,所述停留信息包括:停留次数和/或停留时长;
所述基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内的停留信息,包括:
基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内的轨迹数量,作为所述待识别对象的停留次数;和/或;
基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内每一条轨迹的轨迹时长,并计算所确定每一条轨迹的轨迹时长之和,得到所述待识别对象在所述目标场景内的停留时长。
3.根据权利要求1所述的方法,其特征在于,所述接触信息包括接触次数;
上述基于所获取的轨迹数据,确定所述待识别对象,在所述目标场景内与指定对象的接触信息,包括:
基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内每一条轨迹;
针对所述待识别对象的每一条轨迹,基于该条轨迹以及所述指定对象的各条指定轨迹,确定在该条轨迹的形成过程中,所述待识别对象与所述指定对象的接触次数,作为该条轨迹对应的接触次数;其中,所述各条指定轨迹为所述指定对象在所述目标场景内的轨迹;
计算所述待识别对象的每一条轨迹对应的接触次数之和,得到所述待识别对象与所述指定对象的接触次数。
4.根据权利要求3所述的方法,其特征在于,在所述基于该条轨迹以及所述指定对象的各条指定轨迹,确定在该条轨迹的形成过程中,所述待识别对象与所述指定对象的接触次数,作为该条轨迹对应的接触次数之前,所述方法还包括:
对所述待识别对象进行指定行为检测,得到所述待识别对象进行指定行为的行为时间;
所述基于该条轨迹以及所述指定对象的各条指定轨迹,确定在该条轨迹的形成过程中,所述待识别对象与所述指定对象的接触次数,作为该条轨迹对应的接触次数,包括:
确定该条轨迹与所述指定对象的各条指定轨迹相交的相交时间;
确定所述行为时间与所述相交时间的匹配次数,作为该条轨迹对应的接触次数。
5.根据权利要求1所述的方法,其特征在于,所述获取待识别对象在目标场景内的轨迹数据,包括:
从待识别对象的对象档案中,读取所述待识别对象在目标场景内的轨迹数据。
6.根据权利要求5所述的方法,其特征在于,采用如下步骤生成对象档案内的轨迹数据,包括:
获取针对所述目标场景所采集的图像数据;
识别所述图像数据包含的对象,作为待处理对象;
针对每一待处理对象,基于所述图像数据,对该待处理对象进行轨迹识别,得到该待处理对象的轨迹;
确定该待处理对象所属的对象档案,并将所生成的轨迹写入所确定的对象档案中,得到该对象档案内的轨迹数据。
7.根据权利要求6所述的方法,其特征在于,每一对象档案中还包含有该对象档案所属对象的人脸属性;
所述确定该待处理对象所属的对象档案,包括:
基于所述图像数据,获取待处理对象的人脸属性;
判断已存在的各对象档案中,是否存在包含的人脸属性与所获取的人脸属性相匹配的对象档案;
若存在,则将包含的人脸属性与所获取的人脸属性相匹配的对象档案,确定为该待处理对象所属的对象档案。
8.根据权利要求7所述的方法,其特征在于,每一对象档案中还包含有该对象档案所属对象的采集标识;每一对象的采集标识为采集该对象的图像数据时所生成的标识;
所述方法还包括:
若不存在包含的人脸属性与所获取的人脸属性相匹配的对象档案,则确定该待处理对象的采集标识;
判断已存在的各对象档案中,是否存在包含的采集标识与所确定的采集标识相同的对象档案;
若存在,则将包含的采集标识与所确定的采集标识相同的对象档案,确定为该待处理对象所属的对象档案。
9.根据权利要求8所述的方法,其特征在于,每一对象档案中还包含有该对象档案所属对象的人体属性;
所述方法还包括:
若不存在包含的采集标识与所确定的采集标识相同的对象档案,则确定该待处理对象的人体属性;
判断已存在的各对象档案中,是否存在包含的人体属性与所确定的人体属性相匹配的对象档案;
若存在,则将包含的人体属性与所确定的人体属性相匹配的对象档案,确定为该待处理对象所属的对象档案。
10.根据权利要求1所述的方法,其特征在于,在所述获取待识别对象在目标场景内的轨迹数据之前,所述方法还包括:
识别所述目标场景中,属于指定类别的对象,作为待识别对象,并将不属于所述指定类别的对象,作为指定对象。
11.一种对象识别装置,其特征在于,所述装置包括:
轨迹数据获取模块,用于获取待识别对象在目标场景内的轨迹数据;
信息确定模块,用于基于所获取的轨迹数据,确定所述待识别对象在所述目标场景内的停留信息,以及确定所述待识别对象,在所述目标场景内与指定对象的接触信息;
判定模块,用于若所述停留信息满足预设停留异常条件,和/或所述接触信息满足预设接触异常条件,则判定所述待识别对象为异常对象。
12.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-10任一所述的方法步骤。
13.一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程序,所述计算机程序被处理器执行时实现权利要求1-10任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111363924.4A CN114092809A (zh) | 2021-11-17 | 2021-11-17 | 对象识别方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111363924.4A CN114092809A (zh) | 2021-11-17 | 2021-11-17 | 对象识别方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114092809A true CN114092809A (zh) | 2022-02-25 |
Family
ID=80301651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111363924.4A Pending CN114092809A (zh) | 2021-11-17 | 2021-11-17 | 对象识别方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114092809A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117745036A (zh) * | 2024-02-18 | 2024-03-22 | 四川金投科技股份有限公司 | 一种基于特征识别及近场通信的牲畜信息管理方法及系统 |
-
2021
- 2021-11-17 CN CN202111363924.4A patent/CN114092809A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117745036A (zh) * | 2024-02-18 | 2024-03-22 | 四川金投科技股份有限公司 | 一种基于特征识别及近场通信的牲畜信息管理方法及系统 |
CN117745036B (zh) * | 2024-02-18 | 2024-04-30 | 四川金投科技股份有限公司 | 一种基于特征识别及近场通信的牲畜信息管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038176B (zh) | 一种路人库的建立方法、装置、电子设备及介质 | |
WO2018180588A1 (ja) | 顔画像照合システムおよび顔画像検索システム | |
KR20170120644A (ko) | 인간 또는 기계를 식별하기 위한 방법 및 시스템 | |
CN102945366A (zh) | 一种人脸识别的方法及装置 | |
CN110795584B (zh) | 一种用户标识生成方法、装置及终端设备 | |
CN112257660B (zh) | 无效客流的去除方法、系统、设备及计算机可读存储介质 | |
CN111814612B (zh) | 目标的脸部检测方法及其相关装置 | |
CN111368619A (zh) | 可疑人员的检测方法、装置及设备 | |
CN112016353A (zh) | 一种基于视频的人脸图像进行身份识别方法及装置 | |
US20160125404A1 (en) | Face recognition business model and method for identifying perpetrators of atm fraud | |
CN111553234A (zh) | 融合人脸特征与Re-ID特征排序的行人跟踪方法及装置 | |
CN112101156B (zh) | 一种目标识别的方法、装置和电子设备 | |
CN115083004B (zh) | 一种身份识别方法、装置和计算机可读存储介质 | |
CN114783037B (zh) | 目标重识别方法、目标重识别装置和计算机可读存储介质 | |
WO2019062588A1 (zh) | 信息识别方法、装置及电子设备 | |
CN114092809A (zh) | 对象识别方法、装置及电子设备 | |
CN111291912A (zh) | 一种使用人证核验的取号方法、取号机及取号系统 | |
CN114048344A (zh) | 一种相似人脸搜索方法、装置、设备和可读存储介质 | |
CN111860223A (zh) | 属性识别系统、学习服务器以及计算机可读记录介质 | |
CN116311036A (zh) | 行为识别方法、装置、计算机设备和存储介质 | |
CN116071569A (zh) | 图像选择方法、计算机设备及存储装置 | |
US11423248B2 (en) | Hierarchical sampling for object identification | |
CN110956644B (zh) | 一种运动轨迹确定方法及系统 | |
Devi et al. | Deep learn helmets-enhancing security at ATMs | |
CN115063852A (zh) | 用于确定员工考勤信息的方法、装置、存储介质及处理器 |
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 |