CN114118271A - 图像确定方法、装置、存储介质及电子装置 - Google Patents
图像确定方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN114118271A CN114118271A CN202111425016.3A CN202111425016A CN114118271A CN 114118271 A CN114118271 A CN 114118271A CN 202111425016 A CN202111425016 A CN 202111425016A CN 114118271 A CN114118271 A CN 114118271A
- Authority
- CN
- China
- Prior art keywords
- target
- images
- image
- determining
- clustering
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
Abstract
本发明实施例提供了一种图像确定方法、装置、存储介质及电子装置,其中,该方法包括:获取对目标对象进行拍摄所得到的多个图像,其中,多个图像中包括从不同的拍摄角度对目标对象进行拍摄所得到的图像;在确定多个图像中所包括的目标对象的图像的第一数量与多个图像的第二数量之间满足目标要求的情况下,对多个图像中包括的目标类型的对象的图像进行聚类处理,其中,目标对象的类型为目标类型;基于聚类处理的结果从多个图像中确定出目标图像。通过本发明,解决相关技术中存在的采集到的图像质量较差的问题,达到提高采集到质量高的图像的概率。
Description
技术领域
本发明实施例涉及通信领域,具体而言,涉及一种图像确定方法、装置、存储介质及电子装置。
背景技术
在相关技术中,在进行对象的图像采集(例如,进行人脸图像采集)时,基本上是使用单一的摄像设备来对对象进行图像采集,若需要拍摄多个角度的图像则需要不断的挪动摄像设备的位置,或者由对象调整自身的角度。
由此,可能会出现由于拍摄角度不合适或者摄像设备安装的位置不合适,或者摄像设备本身的性能较差而导致拍摄出的图像质量较差,从而无法获取到有效的图像。
针对相关技术中存在的采集到的图像质量较差的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种图像确定方法、装置、存储介质及电子装置,以至少解决相关技术中存在的采集到的图像质量较差的问题。
根据本发明的一个实施例,提供了一种图像确定方法,包括:获取对目标对象进行拍摄所得到的多个图像,其中,所述多个图像中包括从不同的拍摄角度对所述目标对象进行拍摄所得到的图像;在确定所述多个图像中所包括的所述目标对象的图像的第一数量与所述多个图像的第二数量之间满足目标要求的情况下,对所述多个图像中包括的目标类型的对象的图像进行聚类处理,其中,所述目标对象的类型为所述目标类型;基于所述聚类处理的结果从所述多个图像中确定出目标图像。
在一个可选的实施例中,在对所述多个图像中包括的目标类型的对象的图像进行聚类处理之前,所述方法还包括:对所述多个图像进行拼接处理,以得到目标拼接图像;将所述目标拼接图像发送至目标识别模块进行识别,以及,获取所述目标识别模块对所述目标拼接图像进行识别后所返回的识别结果;基于所述识别结果确定所述第一数量与所述第二数量之间是否满足所述目标要求。
在一个可选的实施例中,基于所述识别结果确定所述第一数量与所述第二数量之间是否满足所述目标要求包括:确定所述识别结果中所包括的所述第一数量与所述第二数量的比值;基于所述比值确定所述第一数量与所述第二数量之间是否满足所述目标要求;其中,在确定所述比值大于或等于预定阈值的情况下,确定所述第一数量和所述第二数量之间满足所述目标要求;在确定所述比值小于预定阈值的情况下,确定所述第一数量和所述第二数量之间不满足所述目标要求。
在一个可选的实施例中,在确定所述第一数量和所述第二数量之间不满足所述目标要求之后,所述方法还包括:重复执行获取对所述目标对象进行拍摄所得到的多个图像的操作。
在一个可选的实施例中,对所述多个图像中包括的目标类型的对象的图像进行聚类处理包括:对所述多个图像中包括的所述目标类型的对象的图像进行聚类处理,以得到一个或多个聚类类别;基于所述聚类处理的结果从所述多个图像中确定出目标图像包括:从一个或多个所述聚类类别中确定出目标聚类类别;从所述目标聚类类别中确定出第一对象图像;将所述第一对象图像所属的图像确定为所述目标图像。
在一个可选的实施例中,对所述多个图像中包括的所述目标类型的对象的图像进行聚类处理,以得到一个或多个聚类类别包括:在对多个所述图像中包括的第一图像中的所述目标类型的对象的图像进行聚类处理时,分别确定所述第一图像中的所述目标类型的对象的图像和已聚类出的全部聚类类别的相似度,其中,所述第一图像中的所述目标类型的对象的图像和所述全部聚类类别中包括的第一聚类类别的相似度包括所述第一图像中的所述目标类型的对象的图像和所述第一聚类类别中已包括的图像之间的相似度平均值;从所述全部聚类类别中确定出与所述第一图像中的所述目标类型的对象的图像相似度最大的第二聚类类别;将所述第一图像中的所述目标类型的对象的图像归入所述第二聚类类别中。
在一个可选的实施例中,从一个或多个所述聚类类别中确定出目标聚类类别包括:确定一个或多个所述聚类类别中的每个所述聚类类别中所包括的图像的数量;将包括的图像的数量最大的聚类类别确定为所述目标聚类类别。
在一个可选的实施例中,从所述目标聚类类别中确定出第一对象图像包括:基于所述目标聚类类别中所包括的各个图像的多个目标参数确定所述各个图像的目标评分;将目标评分最大的图像确定为所述第一对象图像。
在一个可选的实施例中,多个所述目标参数包括以下参数:图像质量分数、关键点置信度、所述目标对象的角度。
在一个可选的实施例中,在基于所述聚类处理的结果从所述多个图像中确定出目标图像之后,所述方法还包括:将所述目标图像的目标图像特征与目标缓存中已存储的图像的图像特征进行比较;在确定所述目标缓存中不存在与所述目标图像特征相似度超过预定阈值的图像特征的情况下,上报所述目标图像。
在一个可选的实施例中,获取对目标对象进行拍摄所得到的多个图像包括:获取多个摄像设备在同一时刻分别对所述目标对象进行拍摄所得到的多个图像;其中,多个所述摄像设备按照预定分布方式分布设置,且多个所述摄像设备中的至少两个所述摄像设备所拍摄到的所述目标对象的角度不同。
根据本发明的另一个实施例,提供了一种图像确定装置,包括:获取模块,用于获取对目标对象进行拍摄所得到的多个图像,其中,所述多个图像中包括从不同的拍摄角度对所述目标对象进行拍摄所得到的图像;聚类模块,用于在确定所述多个图像中所包括的所述目标对象的图像的第一数量与所述多个图像的第二数量之间满足目标要求的情况下,对所述多个图像中包括的目标类型的对象的图像进行聚类处理,其中,所述目标对象的类型为所述目标类型;确定模块,用于基于所述聚类处理的结果从所述多个图像中确定出目标图像。
根据本发明的又一个实施例,还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中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,在确定目标对象的图像时,是从通过多角度拍摄所得到的多个图像中确定出的,并且,是通过聚类的方式来确定出最终的目标对象的目标图像,从而有效排除干扰图像,得到最佳的目标图像。因此,可以解决相关技术中存在的采集到的图像质量较差的问题,达到提高采集到质量高的图像的概率。
附图说明
图1是本发明实施例的一种图像确定方法的移动终端的硬件结构框图;
图2是根据本发明实施例的图像确定方法的流程图;
图3是根据本发明实施例的系统示意图;
图4是根据本发明实施例的处理终端结构示意图;
图5是根据本发明实施例的整体流程图;
图6是根据本发明实施例的拼接图像示意图;
图7是根据本发明实施例的人脸聚档组示意图;
图8是根据本发明实施例的图像确定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种图像确定方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的图像确定方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种图像确定方法,图2是根据本发明实施例的图像确定方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取对目标对象进行拍摄所得到的多个图像,其中,所述多个图像中包括从不同的拍摄角度对所述目标对象进行拍摄所得到的图像;
步骤S204,在确定所述多个图像中所包括的所述目标对象的图像的第一数量与所述多个图像的第二数量之间满足目标要求的情况下,对所述多个图像中包括的目标类型的对象的图像进行聚类处理,其中,所述目标对象的类型为所述目标类型;
步骤S206,基于所述聚类处理的结果从所述多个图像中确定出目标图像。
其中,上述步骤的执行主体可以是一个处理终端,其中,该处理终端可以位于用于对目标对象进行拍摄的摄像设备内,还可以位于后台,且与摄像设备连接。此外,上述步骤的执行主体还可以是处理器、服务器等具备类似处理能力的设备。
在上述实施例中,在确定目标对象的图像时,是从通过多角度拍摄所得到的多个图像中确定出的,并且,是通过聚类的方式来确定出最终的目标对象的目标图像,从而有效排除干扰图像,得到最佳的目标图像。因此,可以解决相关技术中存在的采集到的图像质量较差的问题,达到提高采集到质量高的图像的概率。
在一个可选的实施例中,获取对目标对象进行拍摄所得到的多个图像包括:获取多个摄像设备在同一时刻分别对所述目标对象进行拍摄所得到的多个图像;其中,多个所述摄像设备按照预定分布方式分布设置,且多个所述摄像设备中的至少两个所述摄像设备所拍摄到的所述目标对象的角度不同。在上述实施例中,触发多个摄像设备在同一时刻对同一目标对象进行拍摄的方式可以有多种,例如,可以由处理终端统一触发,可以在特定的时间点上拍摄,或者还可以在特定的条件触发下拍摄。在本实施例中,多个摄像设备可以同时进行目标对象的检测(例如,进行人脸检测、进行车牌检测、进行人体检测等),当其中有一个摄像设备检测到有目标对象的时候,触发信号到处理终端,处理终端收到后触发所有摄像设备在特定时刻进行抓图,并将所有抓图汇总到处理终端,由此实现获取多个摄像设备在同一时刻分别对同一目标对象进行拍摄所得到的多个图像。另外,上述的多个摄像设备的分布设置的方式可以有多种,例如,可以分布设置在曲面上(呈环形排布、成弧形排布、成半弧形排布等等,其中,弧形排布可以是单层弧形排布,即在一个平面上按照弧形排布几台摄像设备,还可以是多层弧形排布,即在多个平面上均按照弧形排布几台摄像设备,当然,其他曲面排布类型也可以是多层排布)、可以分布设置在一条线上(可以是横线、竖线、斜线、波浪线、弧线等)、可以按照预定形状分布设置(例如,设置在多边形的各个顶点上)等等。通过分布设置的多个摄像设备对目标对象进行拍摄,可以实现采集到目标对象的多个角度的图像,提高了采集到质量高的图像的概率,可以有效解决由于单相机抓拍角度不正导致的图像采集效果差的问题。
在一个可选的实施例中,在对所述多个图像中包括的目标类型的对象的图像进行聚类处理之前,所述方法还包括:对所述多个图像进行拼接处理,以得到目标拼接图像;将所述目标拼接图像发送至目标识别模块进行识别,以及,获取所述目标识别模块对所述目标拼接图像进行识别后所返回的识别结果;基于所述识别结果确定所述第一数量与所述第二数量之间是否满足所述目标要求。在上述实施例中,在进行图像拼接时,拼接方式可以有多种,例如,将多个图像拼接成一排、将多个图像拼接成一列、将多个图像拼接成特定数量的行列(例如,两行三列、三行五列等,具体的行列可以基于摄像设备的数量来确定)、还可以将多个图像拼接成特定的形状(例如,拼成正方形、长方形、菱形、圆形、椭圆形、不规则形等等)。在上述实施例中,目标识别模块可以对目标拼接图像中包括有几个目标对象进行识别(例如,在目标识别模块为人脸识别模块时,可以对拼接图像中包括的人脸个数进行识别),识别方式可以采用常规的识别方式,在此不再赘述,此外,上述的目标识别模块可以是用于执行某类算法的检测模块。通过上述实施例,在将图像发送给目标识别模块进行识别时,是将多张图像进行拼接后所得到的目标拼接图像发送给了目标识别模块进行对象识别,相对于相关技术中的分别发送多张图像的方式而言,采用本发明实施例中的发送拼接图像的方式能够降低和目标识别模块之间的交互次数,减少资源的占用,因此,可以解决相关技术中存在的采集到的图像质量较差的问题,达到提高采集到质量高的图像的概率,以及减少资源占用的效果。
在一个示例性实施例中,基于所述识别结果确定所述第一数量与所述第二数量之间是否满足所述目标要求包括:确定所述识别结果中所包括所述第一数量与所述第二数量的比值;基于所述比值确定所述第一数量与所述第二数量之间是否满足所述目标要求;其中,在确定所述比值大于或等于预定阈值的情况下,确定所述第一数量和所述第二数量之间满足所述目标要求;在确定所述比值小于预定阈值的情况下,确定所述第一数量和所述第二数量之间不满足所述目标要求。在本实施例中,可以基于所述目标对象的图像的数量与多个所述图像的数量的比值来确定二者是否满足目标要求,在该比值满足一定的阈值(例如,达到0.6、达到0.8、达到0.85等)的情况下,可以认为二者满足上述目标要求,在本实施中,识别结果中所包括的所述目标对象的图像的数量越多,说明多个图像中的有效图像(即,能够清楚的记录目标对象的图像)在多个图像中所占的比值是越多的,该情况下,才能进行后续的其他处理。
在一个示例性实施例中,在确定所述第一数量和所述第二数量之间不满足所述目标要求之后,所述方法还包括:重复执行获取对所述目标对象进行拍摄所得到的多个图像的操作。在本实施例中,在所述目标对象的图像的数量与多个所述图像的数量的比值无法满足上述阈值的情况下,说明书所述目标对象的图像的数量与多个所述图像的数量之间的关系无法满足目标要求,也就是说,多个图像中的有效图像(即,能够清楚的记录目标对象的图像)在多个图像中所占的比值是偏少的,该情况下,需要重新对目标对象进行拍摄(或称为抓拍),直至获取到的多个图像中包括的有效图像的比值达到上述阈值为止。
在一个示例性实施例中,对所述多个图像中包括的目标类型的对象的图像进行聚类处理包括:对所述多个图像中包括的所述目标类型的对象的图像进行聚类处理,以得到一个或多个聚类类别;基于所述聚类处理的结果从所述多个图像中确定出目标图像包括:从一个或多个所述聚类类别中确定出目标聚类类别;从所述目标聚类类别中确定出第一对象图像;将所述第一对象图像所属的图像确定为所述目标图像。其中,当进行聚类处理后只得到一个聚类类别时,就直接将该聚类类别确定为目标聚类类别。在本实施例中,对多个图像中包括的对象图像进行聚类的目的主要是为了排除少数摄像设备拍摄到目标对象之外的其他对象的图像而引入的干扰项,保证了后续图像识别的准确性。在对多个对象图像进行聚类时,可以对对象图像之间的特征进行欧式距离计算,基于计算结果来确定对象图像之间的相似度,进而基于图像之间的相似度来对图像进行聚类处理。
在一个示例性实施例中,对所述多个图像中包括的所述目标类型的对象的图像进行聚类处理,以得到一个或多个聚类类别包括:在对多个所述图像中包括的第一图像中的所述目标类型的对象的图像进行聚类处理时,分别确定所述第一图像中的所述目标类型的对象的图像和已聚类出的全部聚类类别的相似度,其中,所述第一图像中的所述目标类型的对象的图像和所述全部聚类类别中包括的第一聚类类别的相似度包括所述第一图像中的所述目标类型的对象的图像和所述第一聚类类别中已包括的图像之间的相似度平均值;从所述全部聚类类别中确定出与所述第一图像中的所述目标类型的对象的图像相似度最大的第二聚类类别;将所述第一图像中的所述目标类型的对象的图像归入所述第二聚类类别中。在本实施例中,在对多个图像中包括的任意一个图像(即,上述的第一图像)中的对象图像聚类时,可以先确认是否已存在聚类出的聚类类别,在确定不存在的情况下,说明该第一图像中的对象图像是第一个进行聚类处理的图像,可以直接将该第一图像中的对象图像聚类至一个聚类类别中;在确定已聚类出聚类类别的情况下,可以判断该第一图像中的对象图像和已聚类出的聚类类别中包括的全部图像之间的相似度的平均值,并将该平均值来确定第一图像中的对象图像和已聚类出的聚类类别之间的相似度,然后将第一图像中的对象图像聚类至相似度最大的一个类别中,通过求取平均值的方式可以降低相似度计算的误差,使得计算出的图像和聚类类别之间的相似度更为准确。需要说明的是,在确定第一图像中的对象图像和已聚类出的聚类类别之间的相似度时,除了计算平均值的方式之外,还可以采用其他的方式,例如,仅判断第一图像中的对象图像和已聚类出的聚类类别中包括的图像之间的最大相似度,并将该最大相似度确定为第一图像中的对象图像和已聚类出的聚类类别的相似度,或者,仅判断第一图像中的对象图像和已聚类出的聚类类别中包括的图像之间的最大相似度和最小相似度,将二者的平均值确定为第一图像中的对象图像和已聚类出的聚类类别的相似度,或者,随机选取已聚类出的聚类类别中包括的一个图像,将第一图像中的对象图像和该随机选取的一个图像之间的额相似度确定为第一图像中的对象图像和已聚类出的聚类类别的相似度等等。
在一个示例性实施例中,从一个或多个所述聚类类别中确定出目标聚类类别包括:确定一个或多个所述聚类类别中的每个所述聚类类别中所包括的图像的数量;将包括的图像的数量最大的聚类类别确定为所述目标聚类类别。在本实施例中,可能会存在少数摄像设备拍摄到目标对象之外的其他对象的图像的情况,而其他对象的图像正常被聚类到的聚类类别中包括的图像数量一般比较少,因此,需要去除掉包括的图像数量较少的聚类类别,从而保证留下的聚类类别中包括的图像均是目标对象的图像。
在一个示例性实施例中,从所述目标聚类类别中确定出所述第一对象图像包括:基于所述目标聚类类别中所包括的各个图像的多个目标参数确定所述各个图像的目标评分;将目标评分最大的图像确定为所述第一对象图像。在本实施例中,多个目标参数具体包括的参数可以灵活设置,在本实施例中,可以将上述多个目标参数设置为包括图像质量分数、关键点置信度、所述目标对象的角度的参数。其中,上述目标对象的角度可以包括多个类型的角度,例如,包括目标对象的俯仰角度、航片角度、侧滚角度等等中的一个或多个,当目标对象的角度包括多个角度的情况下,该目标对象的角度的最终取值可以多其所包括的多个角度的平均值,或者为其所包括的多个角度的加权和,在本实施例中,在基于所述目标聚类类别中所包括的各个图像的多个目标参数确定所述各个图像的目标评分的时候,为不同的参数所设置的权重可以是不同的,可以根据实际应用情况来设置各参数所对应的权重,其中,各参数所对应的权重之和一般为1。
在一个示例性实施例中,在基于所述聚类处理的结果从所述多个图像中确定出目标图像之后,所述方法还包括:将所述目标图像的目标图像特征与目标缓存中已存储的图像特征进行比较;在确定所述目标缓存中不存在与所述目标图像特征相似度超过预定阈值的图像特征的情况下,上报所述目标图像。在本实施例中,在得到目标图像之后,正常情况下是需要上报该目标图像的,但是,可能会存在短时间内已经拍摄过目标对象的情况,所以,为了避免短时间内的相同对象的图像的重复上报,可以将一定时间段内拍摄到的各个对象的图像存储至一个目标缓存中,在上报目标图像之前,向判断目标缓存中是否有与该目标图像较为相似的图像(例如,相似度超过80%,或者相似度超过90%的图像),如果有的话,则放弃此次上报,如果没有的话,需要正常上报该目标图像,同时,为了保证后续上报的其他图像不被重复上报,也可以在上报了该目标图像之后,将该目标图像保存至目标缓存中。此外,目标缓存的缓存空间是有限的,为了保证目标缓存中能够预留存储其他图像的空间,可以定期对目标缓存中缓存的图像进行清理,例如,可以删除存储时间超过一定阈值的图像(例如,超过1天、1周、1个月等等),或者还可以在检测到缓存达到上限的情况下,清除掉缓存时间最长的部分图像。
下面以抓拍人脸图像为例对本发明进行说明:
本实施例中提供了一种人像采集方法和系统,采用多个摄像机环形安装同时对人脸进行抓拍,将抓拍后的图像进行拼接后进行算法的检测,并根据聚类方法排查干扰人脸,通过质量分数角度的判断来选取最优的人脸,最后根据缓存的策略进行相似度的比对排除掉返回已经抓拍的人脸,能够在开放的场景下有效的对人脸进行采集,避免由于摄像机角度安装等环境原因或者人员姿态导致人像采集较差,后续无法用于人脸布控的问题。
本实施例中系统的示意图如图3所示,摄像机采用环形安装在同一个位置,对人脸进行采集。
如图4所示,本实施例中所使用的处理终端主要包括如下模块:
显示单元,主要提示当前的人像采集是否成功。
接收控制单元,主要是接收摄像机的抓拍图片,及控制摄像机进行抓图。
人脸处理单元,主要是对多个相机的人脸进行优选,找到符合条件的人脸图像。
存储单元,主要是进行人脸及特征向量的存储,用于后续人脸布控比对等应用。
下面对本实施例的处理流程进行说明,如图5所示,该流程包括如下步骤:
S502、N个(例如,5个,7个,9个或更多个)相机同时对着人脸方向安装,可选地,可以按照环形方式进行安装,如图3所示,N个人脸相机同时进行人脸检测,当其中有一个相机检测到有人脸的时候,触发信号到处理终端,处理终端收到后触发所有人脸相机进行抓图,并将所有抓图汇总到处理终端。
S504、当收到所有N个人脸相机的抓图时,将所有的抓图进行图像的拼接,拼接后得到一个合并后的大图,如图6所示。
S506,将拼接后的图片送入算法(对应于上述的目标识别模块)进行检测,根据判断是否需要进行处理,设置的阈值θ一般根据经验取0.6以上。如果θ小于设定的阈值时,所有抓图的人脸的个数不满足条件,返回步骤S502继续进行抓拍检测。
S508,将所有抓拍的人脸特征进行聚类,进行聚类的主要作用是排除少数相机抓拍到目标人脸之外的其他的人脸引入的干扰项。
聚类的方法使用欧式距离计算的方法,将当前的特征作为第一个档,第二个特征和第一个特征进行相似度的比对,如果相似度满足阈值(比如阈值是90%),则将人脸放入到该档中,第三个人脸特征依次和第一档的人脸进行比较,并进行相似度的平均当达到阈值时同样放入该档中,否则放入到新加一个人脸聚档2,依次类推,当所有人脸都处理完成后,形成图7所示的人脸聚档组(或称为聚类类别),从其中选取包括的图像数量最多的一个聚档组作为后续处理的数据。
S510,根据质量分数,人脸关键点置信度和角度从符合条件的人脸聚档组中选取最优图像,其中,可以根据如下几个维度进行人脸最优的判断。FQ:人脸综合质量分数,取值0-100,越大代表人脸的抓拍质量越高;
FLL:人脸关键点置信度,取值0-100,越大代表人脸的关键点信息越好,其中,关键点信息可以包括两个瞳孔的距离,眼睛和鼻子之间的距离,此外,该关键点信息在实际应用中也可以灵活设置;
PitAngle:俯仰角度,代表抬头或低头,正常情况下范围为[-90,90],0度为正脸;
YawAngle:偏航角,左右转头,正常情况下范围为[-90,90],0度为正脸;
RollAngle:侧滚角,是头在平面内左偏右偏,正常情况下范围为[-90,90],0度为正脸;
选取的计算公式其中人脸质量分数、人脸角度权重稍大,以保证人脸的正角度和清晰度, α、β取值稍微大一些,例如,α可以取值为0.4、β可以取值为0.4、可以取值为0.2,或者,α可以取值为0.5、β可以取值为0.3、可以取值为0.2,或者,α可以取值为0.3、β可以取值为0.5、可以取值为0.2。
S512,将最后的人脸和缓存的特征进行一一比对,判断当前的人脸是否是已经抓拍的人脸,如果是则不进行重复存储和上报;
S514,如果不是已经抓拍的人脸,则将当前的人脸放入缓存,如果缓存超过最大时,可以清楚最早存放至缓存中的人脸(或人脸特征);
S516,进行人脸特征及人脸的上报和存储,并显示抓拍成功。
在上述实施例中,通过多个相机对同一个人脸进行抓拍,并进行拼接为同一张图片进行处理,解决多个相机单独处理无法确认为同一个目标的问题,同时有效解决人像采集中由于单相机引起的角度清晰度不佳导致采集的人脸无法作为后续应用的问题。通过对人脸抓拍的进行小范围的聚档处理,并选取图像数量最多的一个聚档,排除少数相机抓拍到目标人脸之外的其他的人脸引入的干扰项。通过对角度质量分数等加权计算,选取聚档组中的最优人脸,并作为最终的输出人脸,能够有效的找到符合条件的人脸。通过设置一个小的缓存,将抓拍的人脸和之前的人脸进行相似度比对的方法排除掉人脸的反复抓拍,解决人脸采集中短时间存在的人员反复抓拍的问题。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种图像确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图8是根据本发明实施例的图像确定装置的结构框图,如图8所示,该装置包括:
获取模块82(对应于上述的接收控制单元),用于获取对目标对象进行拍摄所得到的多个图像,其中,所述多个图像中包括从不同的拍摄角度对所述目标对象进行拍摄所得到的图像;
聚类模块84,用于在确定所述多个图像中所包括的所述目标对象的图像的第一数量与所述多个图像的第二数量之间满足目标要求的情况下,对所述多个图像中包括的目标类型的对象的图像进行聚类处理,其中,所述目标对象的类型为所述目标类型;
确定模块86,用于基于所述聚类处理的结果从所述多个图像中确定出目标图像。
上述的聚类模块84以及确定模块86对应于上述的人脸处理模块。
在一个示例性实施例中,上述装置还用于在对所述多个图像中包括的目标类型的对象的图像进行聚类处理之前,对所述多个图像进行拼接处理,以得到目标拼接图像;将所述目标拼接图像发送至目标识别模块进行识别,以及,获取所述目标识别模块对所述目标拼接图像进行识别后所返回的识别结果;基于所述识别结果确定所述第一数量与所述第二数量之间是否满足所述目标要求。
在一个示例性实施例中,上述装置可以通过如下方式实现基于所述识别结果确定所述第一数量与所述第二数量之间是否满足所述目标要求:确定所述识别结果中所包括的所述第一数量与所述第二数量的比值;基于所述比值确定所述第一数量与所述第二数量之间是否满足所述目标要求;其中,在确定所述比值大于或等于预定阈值的情况下,确定所述第一数量和所述第二数量之间满足所述目标要求;在确定所述比值小于预定阈值的情况下,确定所述第一数量和所述第二数量之间不满足所述目标要求。
在一个示例性实施例中,上述装置还用于在确定所述第一数量和所述第二数量之间不满足所述目标要求之后,重复执行获取对所述目标对象进行拍摄所得到的多个图像的操作。
在一个示例性实施例中,上述聚类模块84可以通过如下方式实现对所述多个图像中包括的目标类型的对象的图像进行聚类处理:对所述多个图像中包括的所述目标类型的对象的图像进行聚类处理,以得到一个或多个聚类类别;上述确定模块86可以通过如下方式实现基于所述聚类处理的结果从所述多个图像中确定出目标图像:从一个或多个所述聚类类别中确定出目标聚类类别;从所述目标聚类类别中确定出第一对象图像;将所述第一对象图像所属的图像确定为所述目标图像。
在一个示例性实施例中,上述聚类模块84可以通过如下方式实现对所述多个图像中包括的所述目标类型的对象的图像进行聚类处理,以得到一个或多个聚类类别:在对多个所述图像中包括的第一图像中的所述目标类型的对象的图像进行聚类处理时,分别确定所述第一图像中的所述目标类型的对象的图像和已聚类出的全部聚类类别的相似度,其中,所述第一图像中的所述目标类型的对象的图像和所述全部聚类类别中包括的第一聚类类别的相似度包括所述第一图像中的所述目标类型的对象的图像和所述第一聚类类别中已包括的图像之间的相似度平均值;从所述全部聚类类别中确定出与所述第一图像中的所述目标类型的对象的图像相似度最大的第二聚类类别;将所述第一图像中的所述目标类型的对象的图像归入所述第二聚类类别中。
在一个可选的实施例中,上述聚类模块84可以通过如下方式实现从一个或多个所述聚类类别中确定出目标聚类类别:确定一个或多个所述聚类类别中的每个所述聚类类别中所包括的图像的数量;将包括的图像的数量最大的聚类类别确定为所述目标聚类类别。
在一个可选的实施例中,上述确定模块86可以通过如下方式实现从所述目标聚类类别中确定出第一对象图像:基于所述目标聚类类别中所包括的各个图像的多个目标参数确定所述各个图像的目标评分;将目标评分最大的图像确定为所述第一对象图像。
在一个可选的实施例中,多个所述目标参数包括以下参数:图像质量分数、关键点置信度、所述目标对象的角度。
在一个可选的实施例中,上述装置还用于在基于所述聚类处理的结果从所述多个图像中确定出目标图像之后,将所述目标图像的目标图像特征与目标缓存中已存储的图像的图像特征进行比较;在确定所述目标缓存中不存在与所述目标图像特征相似度超过预定阈值的图像特征的情况下,上报所述目标图像。
在一个可选的实施例中,上述获取模块82用于通过如下方式实现获取对目标对象进行拍摄所得到的多个图像:获取多个摄像设备在同一时刻分别对所述目标对象进行拍摄所得到的多个图像;其中,多个所述摄像设备按照预定分布方式分布设置,且多个所述摄像设备中的至少两个所述摄像设备所拍摄到的所述目标对象的角度不同。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例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中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种图像确定方法,其特征在于,包括:
获取对目标对象进行拍摄所得到的多个图像,其中,所述多个图像中包括从不同的拍摄角度对所述目标对象进行拍摄所得到的图像;
在确定所述多个图像中所包括的所述目标对象的图像的第一数量与所述多个图像的第二数量之间满足目标要求的情况下,对所述多个图像中包括的目标类型的对象的图像进行聚类处理,其中,所述目标对象的类型为所述目标类型;
基于所述聚类处理的结果从所述多个图像中确定出目标图像。
2.根据权利要求1所述的方法,其特征在于,在对所述多个图像中包括的目标类型的对象的图像进行聚类处理之前,所述方法还包括:
对所述多个图像进行拼接处理,以得到目标拼接图像;
将所述目标拼接图像发送至目标识别模块进行识别,以及,获取所述目标识别模块对所述目标拼接图像进行识别后所返回的识别结果;
基于所述识别结果确定所述第一数量与所述第二数量之间是否满足所述目标要求。
3.根据权利要求2所述的方法,其特征在于,基于所述识别结果确定所述第一数量与所述第二数量之间是否满足所述目标要求包括:
确定所述识别结果中所包括的所述第一数量与所述第二数量的比值;
基于所述比值确定所述第一数量与所述第二数量之间是否满足所述目标要求;
其中,在确定所述比值大于或等于预定阈值的情况下,确定所述第一数量和所述第二数量之间满足所述目标要求;
在确定所述比值小于预定阈值的情况下,确定所述第一数量和所述第二数量之间不满足所述目标要求。
4.根据权利要求3所述的方法,其特征在于,在确定所述第一数量和所述第二数量之间不满足所述目标要求之后,所述方法还包括:
重复执行获取对所述目标对象进行拍摄所得到的多个图像的操作。
5.根据权利要求1所述的方法,其特征在于,
对所述多个图像中包括的目标类型的对象的图像进行聚类处理包括:对所述多个图像中包括的所述目标类型的对象的图像进行聚类处理,以得到一个或多个聚类类别;
基于所述聚类处理的结果从所述多个图像中确定出目标图像包括:从一个或多个所述聚类类别中确定出目标聚类类别;从所述目标聚类类别中确定出第一对象图像;将所述第一对象图像所属的图像确定为所述目标图像。
6.根据权利要求5所述的方法,其特征在于,对所述多个图像中包括的所述目标类型的对象的图像进行聚类处理,以得到一个或多个聚类类别包括:
在对多个所述图像中包括的第一图像中的所述目标类型的对象的图像进行聚类处理时,分别确定所述第一图像中的所述目标类型的对象的图像和已聚类出的全部聚类类别的相似度,其中,所述第一图像中的所述目标类型的对象的图像和所述全部聚类类别中包括的第一聚类类别的相似度包括所述第一图像中的所述目标类型的对象的图像和所述第一聚类类别中已包括的图像之间的相似度平均值;
从所述全部聚类类别中确定出与所述第一图像中的所述目标类型的对象的图像相似度最大的第二聚类类别;
将所述第一图像中的所述目标类型的对象的图像归入所述第二聚类类别中。
7.根据权利要求5所述的方法,其特征在于,从一个或多个所述聚类类别中确定出目标聚类类别包括:
确定一个或多个所述聚类类别中的每个所述聚类类别中所包括的图像的数量;
将包括的图像的数量最大的聚类类别确定为所述目标聚类类别。
8.根据权利要求5所述的方法,其特征在于,从所述目标聚类类别中确定出第一对象图像包括:
基于所述目标聚类类别中所包括的各个图像的多个目标参数确定所述各个图像的目标评分;
将目标评分最大的图像确定为所述第一对象图像。
9.根据权利要求8所述的方法,其特征在于,多个所述目标参数包括以下参数:
图像质量分数、关键点置信度、所述目标对象的角度。
10.根据权利要求1所述的方法,其特征在于,在基于所述聚类处理的结果从所述多个图像中确定出目标图像之后,所述方法还包括:
将所述目标图像的目标图像特征与目标缓存中已存储的图像的图像特征进行比较;
在确定所述目标缓存中不存在与所述目标图像特征相似度超过预定阈值的图像特征的情况下,上报所述目标图像。
11.根据权利要求1所述的方法,其特征在于,获取对目标对象进行拍摄所得到的多个图像包括:
获取多个摄像设备在同一时刻分别对所述目标对象进行拍摄所得到的多个图像;
其中,多个所述摄像设备按照预定分布方式分布设置,且多个所述摄像设备中的至少两个所述摄像设备所拍摄到的所述目标对象的角度不同。
12.一种图像确定装置,其特征在于,包括:
获取模块,用于获取对目标对象进行拍摄所得到的多个图像,其中,所述多个图像中包括从不同的拍摄角度对所述目标对象进行拍摄所得到的图像;
聚类模块,用于在确定所述多个图像中所包括的所述目标对象的图像的第一数量与所述多个图像的第二数量之间满足目标要求的情况下,对所述多个图像中包括的目标类型的对象的图像进行聚类处理,其中,所述目标对象的类型为所述目标类型;
确定模块,用于基于所述聚类处理的结果从所述多个图像中确定出目标图像。
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中存储有计算机程序,其中,所述计算机程序被处理器执行时实现所述权利要求1至11任一项中所述的方法的步骤。
14.一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现所述权利要求1至11任一项中所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111425016.3A CN114118271A (zh) | 2021-11-26 | 2021-11-26 | 图像确定方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111425016.3A CN114118271A (zh) | 2021-11-26 | 2021-11-26 | 图像确定方法、装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114118271A true CN114118271A (zh) | 2022-03-01 |
Family
ID=80370588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111425016.3A Pending CN114118271A (zh) | 2021-11-26 | 2021-11-26 | 图像确定方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114118271A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116524135A (zh) * | 2023-07-05 | 2023-08-01 | 方心科技股份有限公司 | 一种基于图像的三维模型生成方法及系统 |
-
2021
- 2021-11-26 CN CN202111425016.3A patent/CN114118271A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116524135A (zh) * | 2023-07-05 | 2023-08-01 | 方心科技股份有限公司 | 一种基于图像的三维模型生成方法及系统 |
CN116524135B (zh) * | 2023-07-05 | 2023-09-15 | 方心科技股份有限公司 | 一种基于图像的三维模型生成方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8644563B2 (en) | Recognition of faces using prior behavior | |
CN107016322B (zh) | 一种尾随人员分析的方法及装置 | |
CN109922250B (zh) | 一种目标对象抓拍方法、装置及视频监控设备 | |
US20230206685A1 (en) | Decreasing lighting-induced false facial recognition | |
JP2017033547A (ja) | 情報処理装置及びその制御方法及びプログラム | |
US11023717B2 (en) | Method, apparatus, device and system for processing commodity identification and storage medium | |
CN112115904A (zh) | 车牌检测识别方法、装置及计算机可读存储介质 | |
CN111553231B (zh) | 基于信息融合的人脸抓拍与去重系统、方法、终端及介质 | |
CN105279496A (zh) | 一种人脸识别的方法和装置 | |
CN110059641B (zh) | 基于多预置点的深度鸟类识别算法 | |
CN109800329B (zh) | 一种监控方法及装置 | |
CN112036242B (zh) | 人脸图片采集方法、装置、计算机设备及存储介质 | |
CN111241928A (zh) | 人脸识别底库优化方法、系统、设备、可读存储介质 | |
CN114118271A (zh) | 图像确定方法、装置、存储介质及电子装置 | |
CN110909612A (zh) | 一种基于深度神经网络与机器视觉的步态识别方法及系统 | |
CN112631333B (zh) | 无人机的目标跟踪方法、装置及图像处理芯片 | |
CN112383571B (zh) | 基于人脸识别大数据的登录管理系统 | |
CN116246200A (zh) | 一种基于视觉识别的屏显信息偷拍检测方法及系统 | |
CN114387296A (zh) | 目标轨迹追踪方法、装置、计算机设备及存储介质 | |
CN113592427A (zh) | 工时统计方法、工时统计装置及计算机可读存储介质 | |
CN110287841B (zh) | 图像传输方法及装置、图像传输系统、存储介质 | |
CN111291597B (zh) | 一种基于图像的人群态势分析方法、装置、设备及系统 | |
CN113673319A (zh) | 异常姿态检测方法、装置、电子装置和存储介质 | |
CN111866468A (zh) | 对象跟踪分配方法、装置、存储介质及电子装置 | |
CN111832451A (zh) | 基于视频数据处理的适航监察流程监管系统及方法 |
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 |