CN114842414A - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114842414A CN114842414A CN202210446802.XA CN202210446802A CN114842414A CN 114842414 A CN114842414 A CN 114842414A CN 202210446802 A CN202210446802 A CN 202210446802A CN 114842414 A CN114842414 A CN 114842414A
- Authority
- CN
- China
- Prior art keywords
- face information
- time
- target
- image
- target face
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 23
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000001815 facial effect Effects 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 26
- 238000010586 diagram Methods 0.000 description 22
- 230000005540 biological transmission Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 101100391241 Antheraea mylitta fpi-1 gene Proteins 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供一种图像处理方法、装置、电子设备及存储介质。该方法由边缘侧执行,该方法包括:在当前时刻到达当前时间片中的第一时间段的起始时刻时,获取第一端点侧在所述当前时刻之前的预设时间段录制的第一视频内容;若所述第一视频内容中包括目标面部信息,则确定所述目标面部信息和所述第一端点侧在上一时间片的上一面部信息的相似度是否大于相似度阈值;若所述目标面部信息和所述上一面部信息的相似度大于相似度阈值,则根据所述目标面部信息的时间戳和所述上一面部信息的时间戳,确定所述目标面部信息对应的目标对象的停留时间是否超过停留时间阈值。该方法可以节省边缘侧的计算资源和存储资源,提高视频检测效率。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
园区逗留人员检测是对园区中所有的摄像头都一直进行监督,如果发现有人员逗留就会立即发出警报,并将逗留人员的照片、监控视频片段,以及逗留时间和逗留位置发送到监控室前端。
相关技术中,园区逗留人员检测是对所有的摄像头都实时地进行检测,且随着监控摄像头的分辨率越来越高,这就对每个摄像头的计算能力和计算空间等硬件设备提出了很高的要求。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种图像处理方法、装置、电子设备及存储介质,该方法可以节省边缘侧和端点侧之间的传输资源,降低边缘侧和端点侧之间的传输压力;节省边缘侧的计算资源和存储资源,提高视频检测效率。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
本公开实施例提供一种图像处理方法,由边缘侧执行,所述方法包括:在当前时刻到达当前时间片中的第一时间段的起始时刻时,获取第一端点侧在所述当前时刻之前的预设时间段录制的第一视频内容;若所述第一视频内容中包括目标面部信息,则确定所述目标面部信息和所述第一端点侧在上一时间片的上一面部信息的相似度是否大于相似度阈值;若所述目标面部信息和所述上一面部信息的相似度大于相似度阈值,则根据所述目标面部信息的时间戳和所述上一面部信息的时间戳,确定所述目标面部信息对应的目标对象的停留时间是否超过停留时间阈值。
在示例性实施例中,所述方法还包括:在当前时刻到达当前时间片第二时间段的起始时刻时,获取第二端点侧在所述当前时刻之前的预设时间段录制的第二视频内容,以确定所述第二视频内容是否包括目标面部信息、以及所述目标面部信息对应的目标对象的停留时间是否超过所述停留时间阈值;其中,所述当前时间片包括多个时间段,所述第二时间段为所述第一时间段的下一时间段。
在示例性实施例中,若所述第一视频内容中包括目标面部信息,则确定所述目标面部信息和所述第一端点侧在上一时间片的上一面部信息的相似度是否大于相似度阈值,包括:解析所述第一视频内容,获得多个目标图像和各个目标图像的时间戳;获取所述边缘侧存储的所述第一端点侧在上一时间片的上一面部信息及其时间戳;若所述目标图像中包括所述目标面部信息,则保存所述目标面部信息及其时间戳,并确定所述目标面部信息和所述上一面部信息的相似度是否大于所述相似度阈值。
在示例性实施例中,所述上一面部信息为上一面部特征图像;其中,若所述目标图像中包括所述目标面部信息,则保存所述目标面部信息及其时间戳,并确定所述目标面部信息和所述上一面部信息的相似度是否大于所述相似度阈值,包括:若所述目标图像中包括所述目标面部信息,则获得目标面部在所述目标图像中的位置坐标;根据所述目标面部在所述目标图像中的位置坐标,从所述目标图像中截取目标面部图像;通过神经网络模型对所述目标面部图像进行特征提取,获得目标面部特征图像;确定所述目标面部特征图像和所述上一面部特征图像的相似度;确定所述目标面部特征图像和所述上一面部特征图像的相似度是否大于所述相似度阈值。
在示例性实施例中,所述方法还包括:若所述目标图像中不包括所述目标面部信息,则确定所述目标图像的时间戳和所述上一面部图像的时间戳的差值是否大于所述停留时间阈值;若所述目标图像的时间戳和所述上一面部图像的时间戳的差值大于所述停留时间阈值,则删除所述上一面部图像。
在示例性实施例中,所述方法还包括:若所述目标面部信息对应的目标对象的停留时间超过所述停留时间阈值,则向所述第一端点侧发送报警信息,其中所述报警信息包括所述目标面部信息。
在示例性实施例中,在当前时刻到达当前时间片中的第一时间段的起始时刻时,获取第一端点侧在所述当前时刻之前的预设时间段录制的第一视频内容,包括:在当前时刻到达当前时间片中的第一时间段的起始时刻时,向所述第一时间段对应的第一端点侧发送请求信号;接收所述第一端点侧响应于所述请求信号返回的所述当前时刻之前的预设时间段录制的第一视频内容。
本公开实施例提供一种图像处理装置,包括:获取模块,用于在当前时刻到达当前时间片中的第一时间段的起始时刻时,获取第一端点侧在所述当前时刻之前的预设时间段录制的第一视频内容;第一确定模块,用于若所述第一视频内容中包括目标面部信息,则确定所述目标面部信息和所述第一端点侧在上一时间片的上一面部信息的相似度是否大于相似度阈值;第二确定模块,用于若所述目标面部信息和所述上一面部信息的相似度大于相似度阈值,则根据所述目标面部信息的时间戳和所述上一面部信息的时间戳,确定所述目标面部信息对应的目标对象的停留时间是否超过停留时间阈值。
本公开实施例提供一种电子设备,包括:至少一个处理器;存储终端设备,用于存储至少一个程序,当至少一个程序被至少一个处理器执行时,使得至少一个处理器实现上述任一种图像处理方法。
本公开实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,计算机程序被处理器执行时实现上述任一种图像处理方法。
本公开实施例提供的图像处理方法,一方面,在当前时刻到达当前时间片中的某一时间段的起始时刻时,获取该时间段对应的端点侧在当前时刻之前的预设时间段录制的视频内容,即边缘侧在当前时间片的一个时间段内可以只获取一个边缘侧对应的视频内容,无需获取所有边缘侧对应的视频内容,可以节省边缘侧和端点侧之间的传输资源,降低边缘侧和端点侧之间的传输压力;另一方面,边缘侧在当前时间片的一个时间段内可以只处理一个边缘侧对应的视频内容,无需处理所有边缘侧对应的视频内容,可以节省边缘侧的计算资源和存储资源,提高视频检测效率。
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,并不能限制本公开。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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附图。
图1示出了可以应用本公开实施例的图像处理方法的云边协同的组织架构的示意图。
图2是根据一示例性实施方式示出的一种图像处理方法的流程图。
图3是根据一示例示出的当前时间片的示意图。
图4是根据一示例性实施方式示出的另一种图像处理方法的流程图。
图5是根据一示例性实施方式示出的另一种图像处理方法的流程图。
图6是根据一示例性实施方式示出的一种图像处理系统的示意图。
图7是根据一示例性实施方式示出的一种图像处理装置的框图。
图8是根据一示例性实施方式示出的一种电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器终端设备和/或微控制器终端设备中实现这些功能实体。
此外,在本公开的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
图1示出了可以应用本公开实施例的图像处理方法的云边协同的组织架构的示意图。
如图1所示,该组织架构可以包括云计算/交通大脑101、网络102、边缘计算节点103、边缘应用104和端点侧105。
其中,云计算/交通大脑101可以是提供各种服务的服务器,可以对接收到的请求等数据进行分析等处理;网络102用以在云计算/交通大脑101和边缘计算节点103之间提供通信链路的介质,网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
其中,云边协同中的边缘侧可以是图1中的边缘计算节点103,云边协同中的端点侧105可以包括摄像头设备、以及摄像头设备对应的监控显示系统。
本公开实施例中,一个边缘侧设备可以对应一个或多个端点侧设备,下面以一个边缘侧设备对应两个端点侧设备为例进行说明,但本公开并不限定于此。
本公开实施例中,第一端点侧和第二端点侧可以录制视频内容,在当前时刻到达当前时间片中的第一时间段的起始时刻时,第一端点侧可以向边缘侧发送第一端点侧在所述当前时刻之前的预设时间段录制的第一视频内容;边缘侧可以判断第一视频内容中是否包括目标面部信息;若第一视频内容中包括目标面部信息,则确定目标面部信息和第一端点侧在上一时间片的上一面部信息的相似度是否大于相似度阈值;若目标面部信息和所述上一面部信息的相似度大于相似度阈值,则根据目标面部信息的时间戳和上一面部信息的时间戳,确定目标面部信息对应的目标对象的停留时间是否超过停留时间阈值;若目标面部信息对应的目标对象的停留时间超过所述停留时间阈值,则向第一端点侧发送报警信息,其中所述报警信息包括目标面部信息;第一端点侧在接收到报警信息后可以将报警信息显示在监控显示系统上。
本公开实施例中,在当前时刻到达当前时间片第二时间段的起始时刻时,第二端点侧向可以向边缘侧发送第二端点侧在所述当前时刻之前的预设时间段录制的第二视频内容;边缘侧对第二视频内容处理的过程和上述边缘侧对第一视频内容处理的过程类似,本公开在此不再赘述。
由此,在一个时间片内,边缘侧无需获取并检测所有端点侧设备录制的所有视频内容,可以节省边缘侧的计算资源和存储资源,提高视频检测效率。
应该理解,图1中的边缘计算节点103、边缘应用104和端点侧105的数目仅仅是示意性的,边缘计算节点103可以是一个实体的服务器,还可以为多个服务器组成的服务器集群,还可以是云端服务器,根据实际需要,可以具有任意数目的边缘计算节点、边缘应用和端点侧。
下面,将结合附图及实施例对本公开示例实施例中的图像处理方法的各个步骤进行更详细的说明。
图2是根据一示例性实施方式示出的一种图像处理方法的流程图。本公开实施例提供的方法可以由图1实施例中的边缘侧执行,但本公开并不限定于此。
如图2所示,本公开实施例提供的图像处理方法可以包括以下步骤。
在步骤S202中,在当前时刻到达当前时间片中的第一时间段的起始时刻时,获取第一端点侧在当前时刻之前的预设时间段录制的第一视频内容。
本公开实施例中,一个时间片代表一个时间段,上一时间段的结束时刻是当前时间片的开始时刻,当前时间片的结束时刻是下一时间片的开始时刻,每个时间片的时间段的长度相同,每个时间片的时间段的长度可以根据实际需要设置,本公开对此不做限制。
例如,可以将每个时间片的时间段的长度设置为1秒、3秒、7秒、1分钟、8分钟、1小时等,下面以每个时间片的时间段的长度均为8分钟(即上一时间片、当前时间片和下一时间片的时间段的长度均为8分钟)为例进行说明,在实际应用中,本领域技术人员可以根据实际情况设置其他任意时间段,本公开对此不做限制。
图3是根据一示例示出的当前时间片的示意图。
例如,图3中的一个完整的圆环代表边缘侧服务器的一个时间片(即当前时间片),当前时间片可以包括至少两个时间段,当前时间片中的每个时间段的长度相同,下面以当前时间片包括8个时间段(对应图3中的时间段0、时间段1、时间段2、时间段3、时间段4……)为例、以当前时间片的开始时刻为10:00为例进行说明,即以当前时间片中的每个时间段的长度为1分钟为例进行说明,即图3中的时间段0为“10:00~10:01”、时间段1为“10:01~10:02”、时间段2为“10:02~10:03”、时间段3为“10:03~10:04”、时间段4为“10:04~10:05”……。
本公开实施例中,在当前时刻到达当前时间片中的每个时间段的起始时刻时,执行的操作是类似的,下面以当前时刻到达当前时间片中的某一时间段(以下称为“第一时间段”)的起始时刻时,执行的操作为例进行说明。下面以图3中的“时间段2”作为第一时间段进行说明,其他时间段与时间段2的处理方式类似,本公开在此不再赘述。
本公开实施例中,当前时间片中的各个时间段与各个端点侧设备是一一对应的,例如:“时间段0”对应ID(标识)为0的摄像头设备,“时间段1”对应ID为1的摄像头设备,“时间段2”对应ID为2的摄像头设备,“时间段3”对应ID为3的摄像头设备,“时间段4”对应ID为4的摄像头设备……
本公开实施例中,在当前时刻到达某一时间段时,获取该时间段对应的端点侧设备录制的视频内容,例如,在当前时刻到达“时间段0”时获取ID为0的摄像头设备录制的视频内容,在当前时刻到达“时间段1”时获取ID为1的摄像头设备录制的视频内容。
例如,在当前时刻是10:02时,即当前时刻到达当前时间片的第一时间段(“时间段2”)的开始时刻时,边缘侧服务器可以获取第一端点侧(即ID为2的摄像头设备)在当前时刻(即10:02)之前的预设时间段录制的第一视频内容。
其中,预设时间段可以根据实际需求设置,一般情况下,预设时间段短于一个时间片的时间段的长度。
本公开实施例中,端点侧录制的视频内容可以是在园区中录制的监控视频内容,通过对端点侧录制的视频内容进行处理,可以对园区逗留人员进行监控。
本公开实施例中,第一端点侧在当前时刻之前的预设时间段录制的第一视频内容也可以是第一端点侧在当前时刻之前的前N帧视频图像,其中N是大于或等于1的整数,N的数值可以根据实际情况设置;下面以N是10为例进行说明,但本公开并不限定于此。
在示例性实施例中,在当前时刻到达当前时间片中的第一时间段的起始时刻时,获取第一端点侧在当前时刻之前的预设时间段录制的第一视频内容,可以包括:在当前时刻到达当前时间片中的第一时间段的起始时刻时,向第一时间段对应的第一端点侧发送请求信号;接收第一端点侧响应于请求信号返回的当前时刻之前的预设时间段录制的第一视频内容。
本公开实施例中,在当前时刻到达当前时间片中的第一时间段的起始时刻时,边缘侧可以向第一时间段对应的第一端点侧发送请求信号,第一端点侧在接收到该请求信号后,可以向边缘侧返回第一端点侧在当前时刻之前的预设时间段录制的第一视频内容。
本公开实施例中,第一端点侧在接收到请求信号后,可以通过编解码模块将ID为2的端点侧的当前时刻的前10帧的视频内容进行编码,并通过传输模块上传视频内容;边缘侧获取ID为2的端点侧的视频内容,并解析视频内容得到图像序列I(img1,img2,img3……),其中,img1表示图像序列I中的第一张图像,img2表示图像序列I中的第二张图像,img3表示图像序列I中的第三张图像……。
本公开实施例中,边缘侧可以对第一视频内容中的每张图像进行逐帧检测,判断第一视频内容中是否包括目标面部信息;若第一视频内容中包括目标面部信息,则执行步骤S204;若第一视频内容中不包括目标面部信息,则可以继续检测下一帧图像。
在步骤S204中,若第一视频内容中包括目标面部信息,则确定目标面部信息和第一端点侧在上一时间片的上一面部信息的相似度是否大于相似度阈值。
其中,目标面部信息可以是目标对象的面部信息,例如人脸信息。
本公开实施例中,边缘侧可以存储有各个端点侧在当前时间片之前的时间片的面部信息,也可以只存储各个端点侧上次检测活动的面部信息。
本公开实施例中,若边缘侧检测到第一视频内容中包括目标面部信息,则获取边缘侧存储的第一端点侧在上一时间片(此处的上一时间片可以指当前时间片的上一个时间片,也可以指当前时间片之前的某一个时间片)的上一面部信息,计算目标面部信息和上一面部信息的相似度,判断目标面部信息和上一面部信息的相似度是否大于相似度阈值,即判断目标面部信息和上一面部信息对应的是否为同一目标对象(例如同一人);若目标面部信息和上一面部信息的相似度大于相似度阈值,则可以执行步骤S206;若目标面部信息和上一面部信息的相似度小于或等于相似度阈值,则可以继续检测下一帧图像。
其中,相似度阈值可以根据实际情况设置,本公开对此不做限定。
本公开实施例中,可以通过计算目标面部信息和上一面部信息的欧式距离来确定目标面部信息和上一面部信息的相似度。
在步骤S206中,若目标面部信息和上一面部信息的相似度大于相似度阈值,则根据目标面部信息的时间戳和上一面部信息的时间戳,确定目标面部信息对应的目标对象的停留时间是否超过停留时间阈值。
本公开实施例中,边缘侧可以存储有各个端点侧的上一面部信息及其对应的时间戳。
本公开实施例中,若目标面部信息和上一面部信息的相似度大于相似度阈值,则可以获取上一面部信息的时间戳,计算目标面部信息对应的时间戳和上一面部信息的时间戳的差值,根据该差值确定目标面部信息对应目标对象的停留时间是否超过停留时间阈值。
其中,停留时间阈值可以根据实际情况设置。
本公开实施例中,当前时间片的时间段的时长小于或等于停留时间阈值。
例如,当前时间片的时间段的时长为8分钟,则停留时间阈值可以设置为8分钟,也可以设置为大于8分钟,例如将停留时间阈值设置为10分钟。
例如,边缘侧存储的第一端点侧在上一时间片的上一面部信息的时间戳为9:54,当前时间片的目标面部信息对应的时间戳为10:02,则目标面部信息对应的时间戳和上一面部信息的时间戳的差值为8分钟,其小于停留时间阈值10分钟。
再例如,边缘侧存储的第一端点侧在上一时间片(此处的上一时间片可以指当前时间片的上一个时间片,也可以指当前时间片之前的某一个时间片)的上一面部信息的时间戳为9:46,当前时间片的目标面部信息对应的时间戳为10:02,则目标面部信息对应的时间戳和上一面部信息的时间戳的差值为16分钟,其大于停留时间阈值10分钟,说明该目标对象已在停留超过停留时间阈值。
在示例性实施例中,该方法还可以包括:若目标面部信息对应的目标对象的停留时间超过停留时间阈值,则向第一端点侧发送报警信息,其中报警信息包括目标面部信息。
本公开实施例中,在目标面部信息对应的目标对象的停留时间超过停留时间阈值时,向第一端点侧发送报警信息,其中报警信息可以包括目标面部信息及其时间戳,第一端点侧收到报警信息后,可以将目标对象的目标面部信息显示在监控设备上,并通知相关人员采取措施。
本公开实施例中,还可以对第一视频内容进行解析,获得目标对象的逗留时间和逗留位置,向第一端点侧发送的报警信息还可以包括获得的目标对象的逗留时间和逗留位置、以及监控视频片段等。
在示例性实施例中,该方法还可以包括:在当前时刻到达当前时间片第二时间段的起始时刻时,获取第二端点侧在当前时刻之前的预设时间段录制的第二视频内容,以确定第二视频内容是否包括目标面部信息、以及目标面部信息对应的目标对象的停留时间是否超过停留时间阈值。
其中,当前时间片包括多个时间段,第二时间段为第一时间段的下一时间段,第二时间段的起始时刻为第一时间段的结束时刻。
本公开实施例中,在当前时刻到达当前时间片的第二时间段的起始时刻时,获取第二时间段对应的第二端点侧在当前时刻之前的预设时间段录制的第二视频内容,根据和确定第一视频内容是否目标面部信息、以及目标面部信息对应的目标对象的停留时间是否超过停留时间阈值相同的方法,确定第二视频内容是否包括目标面部信息、以及目标面部信息对应的目标对象的停留时间是否超过停留时间阈值;以此类推,直至当前时刻到达当前时间片的结束时刻,即下一时间片的起始时刻。
本公开实施例中,在当前时刻到达下一时间片的起始时刻时,根据与对当前时间片的处理方法相同的方法(可以称为分时轮转时间片算法),获取与下一时间片的第一时间段对应的第一端点侧在当前时刻之前的预设时间段录制的第一视频内容,并对第一视频内容进行处理,以此类推。
本公开实施例中,继续以图3中的“时间段2”作为第一时间段为例进行说明,则第二时间段为图3中的“时间段3”:“10:03~10:04”。
例如,在当前时刻到达“时间段3”的起始时刻时,边缘侧获取“时间段3”对应的ID为3的摄像头设备在当前时刻之前的预设时间段录制的第二视频内容,根据和确定第一视频内容是否目标面部信息、以及目标面部信息对应的目标对象的停留时间是否超过停留时间阈值相同的方法,确定第二视频内容是否包括目标面部信息、以及目标面部信息对应的目标对象的停留时间是否超过停留时间阈值;以此类推,直至当前时刻到达“时间段7”的结束时刻,即当前时间片的结束时刻。
本公开实施例提供的图像处理方法,一方面,在当前时刻到达当前时间片中的某一时间段的起始时刻时,获取该时间段对应的端点侧在当前时刻之前的预设时间段录制的视频内容,即边缘侧在当前时间片的一个时间段内可以只获取一个边缘侧对应的视频内容,无需获取所有边缘侧对应的视频内容,可以节省边缘侧和端点侧之间的传输资源,降低边缘侧和端点侧之间的传输压力;另一方面,边缘侧在当前时间片的一个时间段内可以只处理一个边缘侧对应的视频内容,无需处理所有边缘侧对应的视频内容,可以节省边缘侧的计算资源和存储资源,提高视频检测效率。
图4是根据一示例性实施方式示出的另一种图像处理方法的流程图。
如图4所示,上述图2实施例中的步骤S204可以进一步包括以下步骤。
在步骤S402中,解析第一视频内容,获得多个目标图像和各个目标图像的时间戳。
本公开实施例中,边缘侧可以对端点侧上传的视频内容进行解析,获得视频内容对应的多个目标图像及各个目标图像的时间戳。
例如,第一端点侧可以将第一视频内容发送至边缘侧,边缘侧可以对第一视频内容进行解析,得到图像序列I(img1,img2,img3……)及图像序列I中每个图像的时间戳。
在步骤S404中,获取边缘侧存储的第一端点侧在上一时间片的上一面部信息及其时间戳。
本公开实施例中,获取边缘侧存储的第一端点侧在上一时间片(此处的上一时间片可以指当前时间片的上一个时间片,也可以指当前时间片之前的某一个时间片)的上一面部信息,及上一面部信息的时间戳。
其中,上一面部信息可以为上一面部特征图像。
本公开实施例中,上一面部信息例如可以是上一人脸图像,上一面部特征图像例如可以是上一人脸特征图像。
在步骤S406中,若目标图像中包括目标面部信息,则保存目标面部信息及其时间戳,并确定目标面部信息和上一面部信息的相似度是否大于相似度阈值。
在示例性实施例中,若目标图像中不包括目标面部信息,则确定目标图像的时间戳和上一面部图像的时间戳的差值是否大于停留时间阈值;若目标图像的时间戳和上一面部图像的时间戳的差值大于停留时间阈值,则删除上一面部图像。
本公开实施例中,目标面部信息例如可以为人脸信息。
本公开实施例中,可以将图像序列I(img1,img2,img3……)中的每个目标图像进行人脸检测,若目标图像中包括人脸信息,则保存该人脸信息及该目标图像的时间戳,判断该人脸信息和上一人脸信息的相似度是否大于相似度阈值,即判断该目标图像中的人员和上一人脸图像中的人员是否为同一人员;若目标图像中不包括人脸信息,则确定该目标图像的时间戳和上一人脸图像的时间戳的差值是否大于停留时间阈值,若该目标图像的时间戳和上一人脸图像的时间戳的差值大于停留时间阈值,则说明上一人脸图像对应的人员停留时间短于停留时间阈值,则删除上一人脸图像。
在示例性实施例中,若目标图像中包括目标面部信息,则保存目标面部信息及其时间戳,并确定目标面部信息和上一面部信息的相似度是否大于相似度阈值,包括:若目标图像中包括目标面部信息,则获得目标面部在目标图像中的位置坐标;根据目标面部在目标图像中的位置坐标,从目标图像中截取目标面部图像;通过神经网络模型对目标面部图像进行特征提取,获得目标面部特征图像;确定目标面部特征图像和上一面部特征图像的相似度;确定目标面部特征图像和上一面部特征图像的相似度是否大于相似度阈值。
本公开实施例中,可以将图像序列I(img1,img2,img3……)中的每个目标图像进行人脸检测,若目标图像中包括人脸信息,则预测出每个目标图像中的人脸图像位置坐标P(p1(x11,x12,y11,y12),p2(x21,x22,y21,y22)……),其中p1(x11,x12,y11,y12)表示目标图像img1中人脸信息的位置坐标,x11表示目标图像img1中人脸信息的左下坐标,x12表示目标图像img1中人脸信息的右下坐标,y11表示目标图像img1中人脸信息的左上坐标,y12表示目标图像img1中人脸信息的右上坐标。
本公开实施例中,可以根据每个目标图像中的人脸图像位置坐标P中的坐标从目标图像中截取人脸图像序列PI(pi1,pi2,……),其中,pi1表示从img1中截取获得的人脸图像,pi2表示从img2中截取获得的人脸图像;可以保存截取获得的人脸图像及其对应的时间戳信息。
本公开实施例中,可以利用神经网络模型对截取的人脸图像序列PI进行人脸特征提取,得到人脸图像特征序列FPI(fpi1,fpi2,……),其中,fpi1表示人脸图像pi1的人脸特征图像,fpi2表示人脸图像pi2的人脸特征图像;并保存在边缘侧数据库。
本公开实施例中,可以将人脸图像特征序列FPI中的每个人脸特征图像与边缘侧数据库中保存的端点侧的上一人脸特征图像进行逐一的比较,如果人脸特征图像和上一人脸特征图像的相似度大于相似度阈值(例如80%),则可以认为是同一个人。
本公开实施例中,如果人脸特征图像和上一人脸特征图像对应的目标对象是同一个人,则可以下发对应的人脸图像pi和时间戳信息到端点侧;端点侧收到信息可以进行报警和前端显示。
图5是根据一示例性实施方式示出的另一种图像处理方法的流程图。
如图5所示,本公开实施例提供的图像处理方法可以包括以下步骤。
在步骤S502中,边缘侧对接收到的视频内容进行人脸检测。
本公开实施例中,在步骤S502之前,在边缘侧的时间片到达当前T时间时,边缘侧可以通过决策模块发送请求信号,请求端点侧上传当前时刻的前10帧的视频图像。
本公开实施例中,端点侧的信号控制模块收到边缘侧的请求信号后,端点侧的编码模块可以截取相应的视频图像并打包数据,然后通过端点侧的传输模块上传到边缘侧。
本公开实施例中,边缘侧的决策模块收到端点侧的视频图像并通过边缘侧解码模块进行解码,然后通过数据预处理模块将端点侧的数据进行预处理,例如可以将视频图像变成640*640大小的图像作为人脸检测模块的输入。
本公开实施例中,边缘侧可以将预处理后的图像送入人脸检测模块,进行人脸检测;边缘侧的人脸检测模块对送入的图像进行逐帧检测出人脸图像的坐标。
在步骤S504中,边缘侧判断是否检测到人脸信息。
本公开实施例中,边缘侧可以将检测后的结果送入到人脸对比模块中,与边缘侧的数据库模块中当前端点侧节点信息进行对比;边缘侧决策模块将检测结果和对比结果信息进行判断,并将结果保存到数据库模块。
在步骤S506中,若检测到人脸信息,则保存人脸信息的出现时间、人脸图像和人脸特征图像。
本公开实施例中,若检测出人脸信息,则将人脸信息进行保存,并对人脸信息进行特征提取,获得人脸特征图像,并保存人脸特征图像;如果没有检测出人脸信息,则查询边缘数据库模块中,将人脸信息没有出现的时间已经超过储存的阈值时间的人脸信息进行删除。
在步骤S508中,判断检测到的人脸信息和现有人脸信息(即边缘侧上一次存储的端点侧的人脸信息)是否相同。
本公开实施例中,可以通过边缘侧人脸对比模块将预测的人脸特征图像与之前数据库中保存的人脸特征图像进行对比;如果图像特征值的相似度较高,可以认为两个人脸图像是同一个人;如果与之前保存的人脸信息无法匹配,则返回步骤S 502继续检测。
本公开实施例中,计算当前人脸图像对应的人员停留的时间,判断停留时间是否大于逗留时间的阈值;如果是,则打包清晰的人脸信息和停留时间以及边缘侧的ID,否则返回步骤S 502继续检测。
在步骤S510中,边缘侧下发人脸信息和时间到端点侧。
本公开实施例中,边缘侧向端点侧下发逗留人员的人脸信息和停留时间。
在步骤S512中,端点侧接收信息,并进行前端显示和报警。
本公开实施例中,在时间片到达下一个T时间时,重复上述操作。
还应理解,上述只是为了帮助本领域技术人员更好地理解本公开实施例,而非要限制本公开实施例的范围。本领域技术人员根据所给出的上述示例,显然可以进行各种等价的修改或变化,例如,上述方法中某些步骤可以是不必须的,或者可以新加入某些步骤等。或者上述任意两种或者任意多种实施例的组合。这样的修改、变化或者组合后的方案也落入本公开实施例的范围内。
还应理解,上文对本公开实施例的描述着重于强调各个实施例之间的不同之处,未提到的相同或相似之处可以互相参考,为了简洁,这里不再赘述。
还应理解,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
还应理解,在本公开的各个实施例中,如果没有特殊说明以及逻辑冲突,不同的实施例之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
上文详细介绍了本公开提供的图像处理方法示例。可以理解的是,计算机设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本公开能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
图6是根据一示例性实施方式示出的一种图像处理系统的示意图。
本公开实施例中,该图像处理系统(也可称作基于分时共享的边缘侧和端点侧协同园区逗留人员检测系统)可以由边缘侧601和端点侧602两部分组成。其中,边缘侧601可以包括决策模块6011、数据库模块6016、编解码模块6012、数据预处理模块6013、人脸检测模块6014、和人脸对比模块6015;端点侧602可以包括信号控制模块6021、传输模块6023和编解码模块6023。
本公开实施例中,边缘侧的决策模块6011可以用于控制时间轮盘,下发前一个时间片处理的结果,发送信号给下一个需要进行处理的端点侧需要的信息;边缘侧的数据库模块6016可以用来保存每个端点侧的检测结果;边缘侧的编解码模块6012可以用于编解码边缘侧和端点侧的传输信息;数据预处理模块6013可以用于在人脸检测模块之前对图像进行一系列的预处理的操作,满足人脸检测模块的输入需求;人脸检测模块6014可以用于检测视频图像中的人脸坐标信息;人脸对比模块6015可以用于对比端点侧上个时间片检测到的人脸信息与当前时间片内检测到的人脸信息的对比,生成人脸特征图像和人脸相似度;端点侧的信号控制模块6021可以用于接收边缘侧的时间片轮转信号以及下发检测结果的信号;传输模块6023可以和信号控制模块6021紧密配合,如果信号控制模块接收到上传信号,传输模块需要将所需的信息上传;如果信号控制模块收到下发信号,传输模块需要接受下发信息;端点侧的编解码模块6022可以用于边缘侧和端点侧的传输信息的编解码。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图7是根据一示例性实施方式示出的一种图像处理装置的框图。
如图7所示,图像处理装置700可以包括:获取模块702、第一确定模块704和第二确定模块706。
其中,获取模块702用于在当前时刻到达当前时间片中的第一时间段的起始时刻时,获取第一端点侧在所述当前时刻之前的预设时间段录制的第一视频内容;第一确定模块704用于若所述第一视频内容中包括目标面部信息,则确定所述目标面部信息和所述第一端点侧在上一时间片的上一面部信息的相似度是否大于相似度阈值;第二确定模块706用于若所述目标面部信息和所述上一面部信息的相似度大于相似度阈值,则根据所述目标面部信息的时间戳和所述上一面部信息的时间戳,确定所述目标面部信息对应的目标对象的停留时间是否超过停留时间阈值。
在示例性实施例中,获取模块702还用于在当前时刻到达当前时间片第二时间段的起始时刻时,获取第二端点侧在所述当前时刻之前的预设时间段录制的第二视频内容,以确定所述第二视频内容是否包括目标面部信息、以及所述目标面部信息对应的目标对象的停留时间是否超过所述停留时间阈值;其中,所述当前时间片包括多个时间段,所述第二时间段为所述第一时间段的下一时间段。
在示例性实施例中,第一确定模块704用于解析所述第一视频内容,获得多个目标图像和各个目标图像的时间戳;获取所述边缘侧存储的所述第一端点侧在上一时间片的上一面部信息及其时间戳;若所述目标图像中包括所述目标面部信息,则保存所述目标面部信息及其时间戳,并确定所述目标面部信息和所述上一面部信息的相似度是否大于所述相似度阈值。
在示例性实施例中,所述上一面部信息为上一面部特征图像;其中,第一确定模块704用于若所述目标图像中包括所述目标面部信息,则获得目标面部在所述目标图像中的位置坐标;根据所述目标面部在所述目标图像中的位置坐标,从所述目标图像中截取目标面部图像;通过神经网络模型对所述目标面部图像进行特征提取,获得目标面部特征图像;确定所述目标面部特征图像和所述上一面部特征图像的相似度;确定所述目标面部特征图像和所述上一面部特征图像的相似度是否大于所述相似度阈值。
在示例性实施例中,图像处理装置700还可以包括:删除模块,用于若所述目标图像中不包括所述目标面部信息,则确定所述目标图像的时间戳和所述上一面部图像的时间戳的差值是否大于所述停留时间阈值;若所述目标图像的时间戳和所述上一面部图像的时间戳的差值大于所述停留时间阈值,则删除所述上一面部图像。
在示例性实施例中,图像处理装置700还可以包括:发送模块,用于若所述目标面部信息对应的目标对象的停留时间超过所述停留时间阈值,则向所述第一端点侧发送报警信息,其中所述报警信息包括所述目标面部信息。
在示例性实施例中,获取模块702还用于在当前时刻到达当前时间片中的第一时间段的起始时刻时,向所述第一时间段对应的第一端点侧发送请求信号;接收所述第一端点侧响应于所述请求信号返回的所述当前时刻之前的预设时间段录制的第一视频内容。
需要注意的是,上述附图中所示的框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器终端设备和/或微控制器终端设备中实现这些功能实体。
图8是根据一示例性实施方式示出的一种电子设备的结构示意图。需要说明的是,图8示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中,还存储有电子设备800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本公开的系统中限定的上述功能。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、终端设备或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、终端设备或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、终端设备或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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、或代码的一部分,上述模块、程序段、或代码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。也应当注意,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,两个接连地表示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,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,发送单元还可以被描述为“向所连接的服务端发送图片获取请求的单元”。
作为另一方面,本公开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可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如下述实施例中所述的方法。例如,所述的电子设备可以实现如图2所示的各个步骤。
根据本公开的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例的各种可选实现方式中提供的方法。
需要理解的是,在本公开附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法由边缘侧执行,所述方法包括:
在当前时刻到达当前时间片中的第一时间段的起始时刻时,获取第一端点侧在所述当前时刻之前的预设时间段录制的第一视频内容;
若所述第一视频内容中包括目标面部信息,则确定所述目标面部信息和所述第一端点侧在上一时间片的上一面部信息的相似度是否大于相似度阈值;
若所述目标面部信息和所述上一面部信息的相似度大于相似度阈值,则根据所述目标面部信息的时间戳和所述上一面部信息的时间戳,确定所述目标面部信息对应的目标对象的停留时间是否超过停留时间阈值。
2.根据权利要求1所述的方法,其特征在于,还包括:
在当前时刻到达当前时间片第二时间段的起始时刻时,获取第二端点侧在所述当前时刻之前的预设时间段录制的第二视频内容,以确定所述第二视频内容是否包括目标面部信息、以及所述目标面部信息对应的目标对象的停留时间是否超过所述停留时间阈值;
其中,所述当前时间片包括多个时间段,所述第二时间段为所述第一时间段的下一时间段。
3.根据权利要求1所述的方法,其特征在于,若所述第一视频内容中包括目标面部信息,则确定所述目标面部信息和所述第一端点侧在上一时间片的上一面部信息的相似度是否大于相似度阈值,包括:
解析所述第一视频内容,获得多个目标图像和各个目标图像的时间戳;
获取所述边缘侧存储的所述第一端点侧在上一时间片的上一面部信息及其时间戳;
若所述目标图像中包括所述目标面部信息,则保存所述目标面部信息及其时间戳,并确定所述目标面部信息和所述上一面部信息的相似度是否大于所述相似度阈值。
4.根据权利要求3所述的方法,其特征在于,所述上一面部信息为上一面部特征图像;
其中,若所述目标图像中包括所述目标面部信息,则保存所述目标面部信息及其时间戳,并确定所述目标面部信息和所述上一面部信息的相似度是否大于所述相似度阈值,包括:
若所述目标图像中包括所述目标面部信息,则获得目标面部在所述目标图像中的位置坐标;
根据所述目标面部在所述目标图像中的位置坐标,从所述目标图像中截取目标面部图像;
通过神经网络模型对所述目标面部图像进行特征提取,获得目标面部特征图像;
确定所述目标面部特征图像和所述上一面部特征图像的相似度;
确定所述目标面部特征图像和所述上一面部特征图像的相似度是否大于所述相似度阈值。
5.根据权利要求3所述的方法,其特征在于,还包括:
若所述目标图像中不包括所述目标面部信息,则确定所述目标图像的时间戳和所述上一面部图像的时间戳的差值是否大于所述停留时间阈值;
若所述目标图像的时间戳和所述上一面部图像的时间戳的差值大于所述停留时间阈值,则删除所述上一面部图像。
6.根据权利要求1所述的方法,其特征在于,还包括:
若所述目标面部信息对应的目标对象的停留时间超过所述停留时间阈值,则向所述第一端点侧发送报警信息,其中所述报警信息包括所述目标面部信息。
7.根据权利要求1所述的方法,其特征在于,在当前时刻到达当前时间片中的第一时间段的起始时刻时,获取第一端点侧在所述当前时刻之前的预设时间段录制的第一视频内容,包括:
在当前时刻到达当前时间片中的第一时间段的起始时刻时,向所述第一时间段对应的第一端点侧发送请求信号;
接收所述第一端点侧响应于所述请求信号返回的所述当前时刻之前的预设时间段录制的第一视频内容。
8.一种图像处理装置,其特征在于,包括:
获取模块,用于在当前时刻到达当前时间片中的第一时间段的起始时刻时,获取第一端点侧在所述当前时刻之前的预设时间段录制的第一视频内容;
第一确定模块,用于若所述第一视频内容中包括目标面部信息,则确定所述目标面部信息和所述第一端点侧在上一时间片的上一面部信息的相似度是否大于相似度阈值;
第二确定模块,用于若所述目标面部信息和所述上一面部信息的相似度大于相似度阈值,则根据所述目标面部信息的时间戳和所述上一面部信息的时间戳,确定所述目标面部信息对应的目标对象的停留时间是否超过停留时间阈值。
9.一种电子设备,其特征在于,包括:
至少一个处理器;
存储装置,用于存储至少一个程序,当所述至少一个程序被所述至少一个处理器执行时,使得所述至少一个处理器实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210446802.XA CN114842414B (zh) | 2022-04-26 | 2022-04-26 | 图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210446802.XA CN114842414B (zh) | 2022-04-26 | 2022-04-26 | 图像处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114842414A true CN114842414A (zh) | 2022-08-02 |
CN114842414B CN114842414B (zh) | 2023-11-21 |
Family
ID=82565733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210446802.XA Active CN114842414B (zh) | 2022-04-26 | 2022-04-26 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114842414B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101483887A (zh) * | 2009-02-25 | 2009-07-15 | 南京邮电大学 | 一种应用于无线多媒体传感器网络的多代理协作方法 |
WO2020056915A1 (zh) * | 2018-09-18 | 2020-03-26 | 图普科技(广州)有限公司 | 顾客到访分析方法、装置及存储介质 |
CN112491877A (zh) * | 2020-11-26 | 2021-03-12 | 中孚安全技术有限公司 | 一种用户行为序列异常检测方法、终端及存储介质 |
CN114116418A (zh) * | 2021-03-25 | 2022-03-01 | 北京沃东天骏信息技术有限公司 | 信息处理方法及装置、计算机存储介质、电子设备 |
-
2022
- 2022-04-26 CN CN202210446802.XA patent/CN114842414B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101483887A (zh) * | 2009-02-25 | 2009-07-15 | 南京邮电大学 | 一种应用于无线多媒体传感器网络的多代理协作方法 |
WO2020056915A1 (zh) * | 2018-09-18 | 2020-03-26 | 图普科技(广州)有限公司 | 顾客到访分析方法、装置及存储介质 |
CN112491877A (zh) * | 2020-11-26 | 2021-03-12 | 中孚安全技术有限公司 | 一种用户行为序列异常检测方法、终端及存储介质 |
CN114116418A (zh) * | 2021-03-25 | 2022-03-01 | 北京沃东天骏信息技术有限公司 | 信息处理方法及装置、计算机存储介质、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114842414B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242097B (zh) | 一种人脸识别方法、装置、计算机可读介质及电子设备 | |
CN108353208B (zh) | 优化媒体指纹保持以提高系统资源利用率 | |
CN111178523B (zh) | 一种行为检测方法、装置、电子设备及存储介质 | |
CN112954450B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
US11847816B2 (en) | Resource optimization based on video frame analysis | |
CN107801093B (zh) | 视频渲染方法、装置、计算机设备和可读存储介质 | |
CN114679607B (zh) | 一种视频帧率控制方法、装置、电子设备及存储介质 | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN113691733A (zh) | 视频抖动检测方法、装置、电子设备和存储介质 | |
CN111654700A (zh) | 一种隐私遮蔽处理方法、装置、电子设备及监控系统 | |
CN112906492A (zh) | 视频场景处理方法、装置、设备及介质 | |
CN110647823A (zh) | 一种优化人脸底库的方法和装置 | |
CN114926766A (zh) | 识别方法及装置、设备、计算机可读存储介质 | |
CN114943936A (zh) | 目标行为识别方法、装置、电子设备及存储介质 | |
CN113822110B (zh) | 一种目标检测的方法和装置 | |
CN112383778B (zh) | 一种视频编码方法、装置及解码方法、装置 | |
CN113591580A (zh) | 图像标注方法、装置、电子设备和存储介质 | |
CN114842414A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN115147756A (zh) | 一种视频流处理方法、装置、电子设备及存储介质 | |
CN115424179A (zh) | 一种基于边缘计算的实时视频监控方法、设备及存储介质 | |
US10885343B1 (en) | Repairing missing frames in recorded video with machine learning | |
CN111314652B (zh) | 视频结构化分析处理方法、装置、设备及其存储介质 | |
CN115147752A (zh) | 一种视频分析方法、装置及计算机设备 | |
CN111753574A (zh) | 抛扔区域定位方法、装置、设备及存储介质 | |
CN117456610B (zh) | 一种攀爬异常行为检测方法、系统及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |