CN114581998A - 一种基于目标对象关联特征融合的布控方法、系统、设备和介质 - Google Patents
一种基于目标对象关联特征融合的布控方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN114581998A CN114581998A CN202210249725.9A CN202210249725A CN114581998A CN 114581998 A CN114581998 A CN 114581998A CN 202210249725 A CN202210249725 A CN 202210249725A CN 114581998 A CN114581998 A CN 114581998A
- Authority
- CN
- China
- Prior art keywords
- image
- face image
- face
- deployment
- control task
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000004927 fusion Effects 0.000 title claims abstract description 25
- 230000004044 response Effects 0.000 claims abstract description 11
- 230000005012 migration Effects 0.000 claims description 7
- 238000013508 migration Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Security & Cryptography (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提出一种基于目标对象关联特征融合的布控方法、系统、设备和介质，包括：根据目标人脸图像创建初始布控任务，根据所述初始布控任务从待检索图像数据中获取人脸图像与所述目标人脸图像进行比对，若二者匹配，则获取对应人脸图像的关联特征；创建所述关联特征对应的关联布控任务，根据所述关联布控任务包含的所述关联特征获取匹配的检索图像；若所述匹配的检索图像中待识别人脸被部分遮挡，则将所述目标人脸图像对应区域特征迁移到所述待识别人脸被遮挡区域，根据迁移后的图像与所述目标人脸图像的比对结果输出布控响应数据；本发明针对频繁换装或换乘的目标对象可提供有效监测，保障布控准确高效。
Description
技术领域
本发明涉及智能安防领域，尤其涉及一种基于目标对象多特征融合的布控方法、系统、设备和介质。
背景技术
在现有的人员布控告警流程中，大致都是基于现有的人脸、人体技术，对人脸底图、人体底图创建布控规则，当采集设备捕获到相似度达到阈值的人脸/人体抓拍数据时则触发产生一次改布控目标的告警。理论上人脸布控时可以基准的匹配到具体的重点目标人员的，然而以目前的基建条件，存在不少非高清眺望的抓拍设备，这部分设备抓拍的视频和图片无法提取出人脸信息，导致人脸布控规则失效。
考虑到人脸布控的缺陷，便衍生出了人体布控的方式，通过人体背景等特征信息来匹配布控目标，然而这样的方式也存在很大的缺陷，首先是人体匹配没有人脸那么精准，出现身型相似人体的概率较大；其次是如果布控目标中途更换服装，人体布控规则便失效了；最后，如果布控目标乘车离开，也会无法捕捉到其人体信息。
发明内容
鉴于以上现有技术存在的问题，本发明提出一种基于目标对象关联特征融合的布控方法、系统、设备和介质，主要解决受限于现有抓拍条件，仅依赖于人脸或其他单个特征分别比对识别难以准确进行目标对象实时检索的问题。
为了实现上述目的及其他目的，本发明采用的技术方案如下。
一种基于目标对象关联特征融合的布控方法，包括：
根据目标人脸图像创建初始布控任务，根据所述初始布控任务从待检索图像数据中获取人脸图像与所述目标人脸图像进行比对，若二者匹配，则获取对应人脸图像的关联特征，其中，所述关联特征包括：车辆特征和/或人体特征；
创建所述关联特征对应的关联布控任务，根据所述关联布控任务包含的所述关联特征获取匹配的检索图像；
若所述匹配的检索图像中待识别人脸被部分遮挡，则将所述目标人脸图像对应区域特征迁移到所述待识别人脸被遮挡区域，根据迁移后的图像与所述目标人脸图像的比对结果输出布控响应数据。
可选地，将所述目标人脸图像对应区域特征迁移到所述待识别人脸被遮挡区域之前，还包括：
将所述目标人脸图像的特征贴合到预设的三维人脸模型中，获取对应的三维人脸图像；
识别所述待识别人脸图像的人脸角度，根据识别结果从所述三维人脸图像中获取对应角度的人脸图像作为待迁移图像；
根据所述待识别人脸的被遮挡区域生成掩膜图像，并根据所述掩膜图像从所述待迁移图像中获取迁移特征。
可选地，识别所述待识别人脸图像的人脸角度，包括：
通过预设的样本数据训练神经网络模型，得到人脸角度识别模型，其中，所述样本数据包括各种角度的人脸图像；
根据所述人脸角度识别模型获取待识别人脸图像的人脸角度。
可选地，通过预设配置界面修改所述初始布控任务和/或所述关联布控任务的任务参数，其中，所述任务参数包括：所述目标人脸图像的关联图像、图像匹配条件、任务当前状态以及任务生效时间段。
可选地，创建所述关联特征对应的关联布控任务，根据所述关联布控任务包含的所述关联特征获取匹配的检索图像，包括：
将所述关联特征用于更新所述初始布控任务的对应特征库，从对应特征库中提取特征进行检索匹配，获取所述检索图像。
可选地，创建所述关联特征对应的关联布控任务，根据所述关联布控任务包含的所述关联特征获取匹配的检索图像，还包括：
获取关联错误反馈信息，根据所述关联错误反馈信息撤销对应的关联布控任务，重新启用在先的关联布控任务或初始布控任务。
可选地，所述布控响应数据包括：当前关联特征的告警信息、对应人脸图像告警信息以及在先的同一类关联特征的历史告警信息。
一种基于目标对象关联特征融合的布控系统，包括：
关联特征获取模块，用于根据目标人脸图像创建初始布控任务，根据所述初始布控任务从待检索图像数据中获取人脸图像与所述目标人脸图像进行比对，若二者匹配，则获取对应人脸图像的关联特征，其中，所述关联特征包括：车辆特征和/或人体特征；
关联布控模块，用于创建所述关联特征对应的关联布控任务，根据所述关联布控任务包含的所述关联特征获取匹配的检索图像；
迁移识别模块，用于若所述匹配的检索图像中待识别人脸被部分遮挡，则将所述目标人脸图像对应区域特征迁移到所述待识别人脸被遮挡区域，根据迁移后的图像与所述目标人脸图像的比对结果输出布控响应数据。
一种设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行所述的基于目标对象关联特征融合的布控方法。
一种机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行所述的基于目标对象关联特征融合的布控方法。
如上所述，本发明一种基于目标对象关联特征融合的布控方法、系统、设备和介质，具有以下有益效果。
基于布控任务中的人脸图像确定关联特征，针对关联特征创建布控任务，可有效应对难以准确获取人脸的场景；通过特征迁移增强关联布控任务中关联特征对应对象的识别准确性，降低目标对象频繁更换关联特征如衣服、车辆等对识别的干扰。
附图说明
图1为本发明一实施例中基于目标对象关联特征融合的布控方法的流程示意图。
图2为本发明一实施例中基于目标对象关联特征融合的布控系统的模块图。
图3为本发明一实施例中设备的结构示意图。
图4为本发明另一实施例中设备的结构示意图。
图5为本发明一实施例中布控规则执行过程的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
请参阅图1，本发明提供一种基于目标对象关联特征融合的布控方法，包括以下步骤：
步骤S01，根据目标人脸图像创建初始布控任务，根据所述初始布控任务从待检索图像数据中获取人脸图像与所述目标人脸图像进行比对，若二者匹配，则获取对应人脸图像的关联特征，其中，所述关联特征包括：车辆特征和/或人体特征；
步骤S02，创建所述关联特征对应的关联布控任务，根据所述关联布控任务包含的所述关联特征获取匹配的检索图像；
步骤S03，若所述匹配的检索图像中待识别人脸被部分遮挡，则将所述目标人脸图像对应区域特征迁移到所述待识别人脸被遮挡区域，根据迁移后的图像与所述目标人脸图像的比对结果输出布控响应数据。
在步骤S01中，根据目标人脸图像创建初始布控任务，根据所述初始布控任务从待检索图像数据中获取人脸图像与所述目标人脸图像进行比对，若二者匹配，则获取对应人脸图像的关联特征，其中，所述关联特征包括：车辆特征和/或人体特征。
在一实施例中，创建初始布控任务时，支持传入布控有效时段，人脸底图/ 人体底图/车牌号、人脸人体相似度阈值、备注信息等进行布控；编辑布控任务时支持修改人脸底图/人体底图/车牌号码以及相似度。即初始布控任务中不仅可配置目标对象人脸图像，还可配置目标对象人脸图像关联的人体图像、车牌图像等关联图像。
创建初始布控任务并生效后，从抓拍设备中获取抓拍的目标图片或视频作为待检索图像数据，提取待检索图像数据中的人脸特征、人体特征、车牌特征等。其中人体特征包括衣服颜色、样式等，车牌特征可包括车牌号、车辆颜色等。将抓拍的目标图像人脸特征与初始布控任务中人脸底图对应的人脸特征进行比对，判断是否满足初始布控任务设置的相似度阈值，若满足相似度阈值则二者匹配，则输出告警信息，其中告警信息可以为抓拍设备的经纬度信息、编号信息、抓拍时间等。若初始布控任务中设置有人体底图或车辆底图，则进一步将抓拍的人脸图像关联的人体图像或车辆图像与对应的底图特征进行比对，判断是否匹配，若匹配则输出告警信息。
在一实施例中，创建初始布控任务后，可通过预设的配置界面修改初始布控任务的任务参数，如重新设置人脸底图、修改相似度判断阈值、撤控当前布控任务或修改任务生效时间段等。修改参数后进行任务信息同步更新。当初始布控任务中包含人脸底图关联的人体底图或车辆底图时，也可一并修改进行同步更新。
执行初始布控任务时，若检测到与人脸底图匹配的抓拍图像，则输出告警信息。接收到告警信息后，可进一步判断匹配的抓拍图像中是否有关联的人体图像或车辆图像，提取关联的人体图像或车辆图像的特征作为关联特征，根据关联特征创建对应的关联布控任务。在一实施例中，若初始布控任务中包含人脸底图关联的人体底图或车辆底图，则将获取的关联特征与对应的底图进行比对，判断特征是否与底图中包含特征一致，若不一致，则新建关联布控任务。
在一实施例中，可将关联特征更新到初始布控任务对应的特征库中，如将新增人体特征保存到人体底图对应的人体特征库中；将新增车牌号保存到车辆底图对应的车辆特征库中。在后续执行初始布控任务和关联布控任务时，可基于更新后的特征库检索匹配，即使目标对象中途换装或换乘，也能准确追踪目标对象。
在步骤S02中，创建所述关联特征对应的关联布控任务，根据所述关联布控任务包含的所述关联特征获取匹配的检索图像。
请参阅图5，在一实施例中，可新建人脸布控，将人脸布控信息同步更新到布控规则库中作为关联人体或关联车辆的人脸规则，规则生效后，将设备捕获到的抓拍人脸数据与布控规则中的人脸进行特征比对，判断是否达到相似度阈值，若未达到相似度阈值则输出告警信息，若达到相似度阈值则产生人脸布控告警。进一步判断是否有与告警的抓拍人脸关联的车辆信息以及是否有与告警的抓拍人脸关联的人体信息，若有关联的车辆信息，则新建关联人脸的车辆布控；若有关联的人体信息，则新建关联人脸的人体布控；将新建的车辆布控和人体布控更新到布控规则库中。车辆布控和人体布控生效后，将设备捕获到抓拍车辆数据与车辆布控中的车牌号进行比对，若车牌号相同则产生车辆布控告警；同样的，将设备捕获的抓拍人体数据与人体布控中人体特征进行比对，判断是否达到相似度阈值，若达到相似度阈值则产生人体布控告警。布控人接收到告警信息后，可判断人脸、车牌号、人体匹配是否正确。若匹配不正确，则输出错误反馈信息，如车辆关联错误，则撤控车辆告警对应的车辆布控规则；如人体关联错误，则撤控人提高近对应的人体布控规则。
在一实施例中，告警信息可包括当前关联特征的告警信息、对应人脸图像告警信息以及在先的同一类关联特征的历史告警信息。可通过关联布控ID查询告警记录，或者在每次车辆或人体告警时，输出历史告警信息，以便布控人员直观了解告警记录之间的关联性，增强用户体验。
在步骤S03中，若所述匹配的检索图像中待识别人脸被部分遮挡，则将所述目标人脸图像对应区域特征迁移到所述待识别人脸被遮挡区域，根据迁移后的图像与所述目标人脸图像的比对结果输出布控响应数据。
在执行关联的车辆布控任务或人体布控任务过程中，可将对应匹配的检索图像作为目标图像进行人脸搜索比对。具体地，以车辆布控任务为例，可将与车辆布控任务中车辆底图匹配的检索图像作为目标图像，若检索图像中存在人脸，则提取人脸区域图像，判断人脸区域是否完整。具体地，可将图区的人脸区域图像与预设的人脸模板框进行比对，若未达到预设的相似度阈值，则认为人脸被部分遮挡。这里的部分遮挡可以是带有口罩、墨镜、或被其他物体遮挡。进一步地，根据被遮挡区域和未被遮挡区域生成掩膜图像。将该掩膜图像与人脸图像卷积可获取前述被遮挡区域的人脸图像。
进一步地，可根据初始布控任务中的人脸底图生成对应人脸的三维图像。具体地，可预先构建包含各类脸型的三维点云图像作为三维人脸模型存储在三维人脸模型库中。设置初始布控任务中的人脸底图后，可根据人脸底图中的人脸轮廓匹配三维人脸模型库中的三维人脸模型，并将人脸底图中的对应人脸特征贴合到三维人脸模型对应位置。可将贴合得到的三维人脸图像的正视图与人脸底图进行相似度计算，根据相似度结果对人脸贴合结果进行校验，使得三维人脸图像满足预设的相似度条件。
在一实施例中，由于抓拍图像中人脸可能呈现不同的角度，可预先构建人脸角度识别模型对检索图像中的人脸进行角度识别。具体地，可采集各种角度的人脸图像作为训练样本输入深度学习神经网络中进行分类模型训练，其中深度学习上神经网络可采用Resnet轻量级神经网络等常规的网络模型，具体模型选择可根据实际应用需求进行调整，这里不作限制。
识别检索图像中的人脸角度后，根据角度旋转三维人脸图像，得到对应角度的三维人脸图像，并将对应角度的三维人脸图像转换为二维人脸图像作为待迁移图像。
将待迁移图像与前述的掩膜图像进行卷积得到卷积特征图，将卷积特征图与待识别人脸未被遮挡区域进行拼接，得到特征迁移后的图像。进而计算迁移后的图像与初始布控任务中的人脸底图的相似度，若达到相似度阈值，则启动布控响应数据，进行告警。
请参阅图2，本实施例中提供了一种基于目标对象关联特征融合的布控系统，用于执行前述方法实施例中所述的基于目标对象关联特征融合的布控方法。由于系统实施例的技术原理与前述方法实施例的技术原理相似，因而不再对同样的技术细节做重复性赘述。
在一实施例中，一种基于目标对象关联特征融合的布控系统，包括：关联特征获取模块10，用于根据目标人脸图像创建初始布控任务，根据所述初始布控任务从待检索图像数据中获取人脸图像与所述目标人脸图像进行比对，若二者匹配，则获取对应人脸图像的关联特征，其中，所述关联特征包括：车辆特征和/ 或人体特征；关联布控模块11，用于创建所述关联特征对应的关联布控任务，根据所述关联布控任务包含的所述关联特征获取匹配的检索图像；迁移识别模块 12，用于若所述匹配的检索图像中待识别人脸被部分遮挡，则将所述目标人脸图像对应区域特征迁移到所述待识别人脸被遮挡区域，根据迁移后的图像与所述目标人脸图像的比对结果输出布控响应数据。
本申请实施例还提供了一种设备，该设备可以包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述设备执行图1所述的方法。在实际应用中，该设备可以作为终端设备，也可以作为服务器，终端设备的例子可以包括：智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3，Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4，Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等，本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例的图1中基于目标对象关联特征融合的布控方法所包含步骤的指令(instructions)。
图3为本申请一实施例提供的终端设备的硬件结构示意图。如图所示，该终端设备可以包括：输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速RAM存储器，也可能还包括非易失性存储 NVM，例如至少一个磁盘存储器，第一存储器1103中可以存储各种程序，用于完成各种处理功能以及实现本实施例的方法步骤。
可选的，上述第一处理器1101例如可以为中央处理器(Central ProcessingUnit，简称CPU)、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，该处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。
可选的，上述输入设备1100可以包括多种输入设备，例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的，该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件插入接口(例如USB接口、串口等)；可选的，该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等)；可选的，上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口，例如芯片的输入引脚接口或者输入接口等；输出设备1102可以包括显示器、音响等输出设备。
在本实施例中，该终端设备的处理器包括用于执行各设备中语音识别装置各模块的功能，具体功能和技术效果参照上述实施例即可，此处不再赘述。
图4为本申请的另一个实施例提供的终端设备的硬件结构示意图。图4是对图3在实现过程中的一个具体的实施例。如图所示，本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。
第二处理器1201执行第二存储器1202所存放的计算机程序代码，实现上述实施例中图1所述方法。
第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令，例如消息，图片，视频等。第二存储器1202可能包含随机存取存储器(random access memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
可选地，第一处理器1201设置在处理组件1200中。该终端设备还可以包括：通信组件1203，电源组件1204，多媒体组件1205，音频组件1206，输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定，本实施例对此不作限定。
处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令，以完成上述图1所示方法的全部或部分步骤。此外，处理组件1200可以包括一个或多个模块，便于处理组件1200和其他组件之间的交互。例如，处理组件1200可以包括多媒体模块，以方便多媒体组件1205和处理组件1200之间的交互。
电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理系统，一个或多个电源，及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中，显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板，显示屏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界，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。
音频组件1206被配置为输出和/或输入语音信号。例如，音频组件1206包括一个麦克风(MIC)，当终端设备处于操作模式，如语音识别模式时，麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器 1202或经由通信组件1203发送。在一些实施例中，音频组件1206还包括一个扬声器，用于输出语音信号。
输入/输出接口1207为处理组件1200和外围接口模块之间提供接口，上述外围接口模块可以是点击轮，按钮等。这些按钮可包括但不限于：音量按钮、启动按钮和锁定按钮。
传感器组件1208包括一个或多个传感器，用于为终端设备提供各个方面的状态评估。例如，传感器组件1208可以检测到终端设备的打开/关闭状态，组件的相对定位，用户与终端设备接触的存在或不存在。传感器组件1208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，包括检测用户与终端设备间的距离。在一些实施例中，该传感器组件1208还可以包括摄像头等。
通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备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。在一个实施例中，该终端设备中可以包括SIM卡插槽，该SIM卡插槽用于插入SIM卡，使得终端设备可以登录GPRS网络，通过互联网与服务器建立通信。
由上可知，在图4实施例中所涉及的通信组件1203、音频组件1206以及输入/输出接口1207、传感器组件1208均可以作为图3实施例中的输入设备的实现方式。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于目标对象关联特征融合的布控方法，其特征在于，包括：
根据目标人脸图像创建初始布控任务，根据所述初始布控任务从待检索图像数据中获取人脸图像与所述目标人脸图像进行比对，若二者匹配，则获取对应人脸图像的关联特征，其中，所述关联特征包括：车辆特征和/或人体特征；
创建所述关联特征对应的关联布控任务，根据所述关联布控任务包含的所述关联特征获取匹配的检索图像；
若所述匹配的检索图像中待识别人脸被部分遮挡，则将所述目标人脸图像对应区域特征迁移到所述待识别人脸被遮挡区域，根据迁移后的图像与所述目标人脸图像的比对结果输出布控响应数据。
2.根据权利要求1所述的基于目标对象关联特征融合的布控方法，其特征在于，将所述目标人脸图像对应区域特征迁移到所述待识别人脸被遮挡区域之前，还包括：
将所述目标人脸图像的特征贴合到预设的三维人脸模型中，获取对应的三维人脸图像；
识别所述待识别人脸图像的人脸角度，根据识别结果从所述三维人脸图像中获取对应角度的人脸图像作为待迁移图像；
根据所述待识别人脸的被遮挡区域生成掩膜图像，并根据所述掩膜图像从所述待迁移图像中获取迁移特征。
3.根据权利要求2所述的基于目标对象关联特征融合的布控方法，其特征在于，识别所述待识别人脸图像的人脸角度，包括：
通过预设的样本数据训练神经网络模型，得到人脸角度识别模型，其中，所述样本数据包括各种角度的人脸图像；
根据所述人脸角度识别模型获取待识别人脸图像的人脸角度。
4.根据权利要求1所述的基于目标对象关联特征融合的布控方法，其特征在于，通过预设配置界面修改所述初始布控任务和/或所述关联布控任务的任务参数，其中，所述任务参数包括：所述目标人脸图像的关联图像、图像匹配条件、任务当前状态以及任务生效时间段。
5.根据权利要求1所述的基于目标对象关联特征融合的布控方法，其特征在于，创建所述关联特征对应的关联布控任务，根据所述关联布控任务包含的所述关联特征获取匹配的检索图像，包括：
将所述关联特征用于更新所述初始布控任务的对应特征库，从对应特征库中提取特征进行检索匹配，获取所述检索图像。
6.根据权利要求1所述的基于目标对象关联特征融合的布控方法，其特征在于，创建所述关联特征对应的关联布控任务，根据所述关联布控任务包含的所述关联特征获取匹配的检索图像，还包括：
获取关联错误反馈信息，根据所述关联错误反馈信息撤销对应的关联布控任务，重新启用在先的关联布控任务或初始布控任务。
7.根据权利要求1所述的基于目标对象关联特征融合的布控方法，其特征在于，所述布控响应数据包括：当前关联特征的告警信息、对应人脸图像告警信息以及在先的同一类关联特征的历史告警信息。
8.一种基于目标对象关联特征融合的布控系统，其特征在于，包括：
关联特征获取模块，用于根据目标人脸图像创建初始布控任务，根据所述初始布控任务从待检索图像数据中获取人脸图像与所述目标人脸图像进行比对，若二者匹配，则获取对应人脸图像的关联特征，其中，所述关联特征包括：车辆特征和/或人体特征；
关联布控模块，用于创建所述关联特征对应的关联布控任务，根据所述关联布控任务包含的所述关联特征获取匹配的检索图像；
迁移识别模块，用于若所述匹配的检索图像中待识别人脸被部分遮挡，则将所述目标人脸图像对应区域特征迁移到所述待识别人脸被遮挡区域，根据迁移后的图像与所述目标人脸图像的比对结果输出布控响应数据。
9.一种设备，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行如权利要求1-7中任一所述的方法。
10.一种机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210249725.9A CN114581998A (zh) | 2022-03-14 | 2022-03-14 | 一种基于目标对象关联特征融合的布控方法、系统、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210249725.9A CN114581998A (zh) | 2022-03-14 | 2022-03-14 | 一种基于目标对象关联特征融合的布控方法、系统、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114581998A true CN114581998A (zh) | 2022-06-03 |
Family
ID=81780563
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210249725.9A Pending CN114581998A (zh) | 2022-03-14 | 2022-03-14 | 一种基于目标对象关联特征融合的布控方法、系统、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114581998A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115311609A (zh) * | 2022-10-12 | 2022-11-08 | 山东劳兰电子科技有限公司 | 渣土车运输管理系统及其管理方法 |
| CN115938023A (zh) * | 2023-03-15 | 2023-04-07 | 深圳市皇家金盾智能科技有限公司 | 智能门锁人脸识别解锁方法、装置、介质及智能门锁 |
| CN116778302A (zh) * | 2023-05-19 | 2023-09-19 | 触景无限科技（北京）有限公司 | 一种对象识别系统及一种便携式布控箱 |
-
2022
- 2022-03-14 CN CN202210249725.9A patent/CN114581998A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115311609A (zh) * | 2022-10-12 | 2022-11-08 | 山东劳兰电子科技有限公司 | 渣土车运输管理系统及其管理方法 |
| CN115938023A (zh) * | 2023-03-15 | 2023-04-07 | 深圳市皇家金盾智能科技有限公司 | 智能门锁人脸识别解锁方法、装置、介质及智能门锁 |
| CN115938023B (zh) * | 2023-03-15 | 2023-05-02 | 深圳市皇家金盾智能科技有限公司 | 智能门锁人脸识别解锁方法、装置、介质及智能门锁 |
| CN116778302A (zh) * | 2023-05-19 | 2023-09-19 | 触景无限科技（北京）有限公司 | 一种对象识别系统及一种便携式布控箱 |
| CN116778302B (zh) * | 2023-05-19 | 2024-03-26 | 触景无限科技（北京）有限公司 | 一种对象识别系统及一种便携式布控箱 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114581998A (zh) | 一种基于目标对象关联特征融合的布控方法、系统、设备和介质 | |
| CN108269333A (zh) | 人脸识别方法、应用服务器及计算机可读存储介质 | |
| CN112052186B (zh) | 目标检测方法、装置、设备以及存储介质 | |
| CN106548145A (zh) | 图像识别方法及装置 | |
| CN112200187A (zh) | 一种目标检测方法、装置、机器可读介质及设备 | |
| CN109274891B (zh) | 一种图像处理方法、装置及其存储介质 | |
| CN111539412B (zh) | 一种基于ocr的图像分析方法、系统、设备及介质 | |
| CN110660102B (zh) | 基于人工智能的说话人识别方法及装置、系统 | |
| CN111340848A (zh) | 对目标区域的对象跟踪方法、系统、设备及介质 | |
| CN111368944B (zh) | 翻拍图像、证件照识别、模型训练方法、装置及电子设备 | |
| CN104281258B (zh) | 使用图像捕获设备调整透明显示器 | |
| CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
| CN111291638A (zh) | 一种对象比对方法、系统、设备及介质 | |
| CN111401206A (zh) | 一种全景图共享方法、系统、设备和介质 | |
| CN111310595B (zh) | 用于生成信息的方法和装置 | |
| CN111260697A (zh) | 目标对象的识别方法、系统、设备及介质 | |
| CN111212234A (zh) | 一种拍摄方法、装置、设备及存储介质 | |
| CN111091152A (zh) | 图像聚类方法、系统、设备及机器可读介质 | |
| CN114299615A (zh) | 基于关键点的多特征融合的动作识别方法、装置、介质及设备 | |
| CN111626369B (zh) | 一种人脸识别算法效果评估方法、装置、机器可读介质及设备 | |
| CN114255321A (zh) | 采集宠物鼻纹的方法、装置、存储介质及电子设备 | |
| CN112347982A (zh) | 基于视频的无监督难例数据挖掘方法、装置、介质及设备 | |
| CN112150685A (zh) | 一种车辆管理方法、系统、机器可读介质及设备 | |
| CN112257581A (zh) | 一种人脸检测方法、装置、介质及设备 | |
| CN116579965B (zh) | 一种多图像融合方法及装置 |
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 |