CN117496573A - 一种关联搜索信息的扩充方法、存储介质及电子设备 - Google Patents
一种关联搜索信息的扩充方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN117496573A CN117496573A CN202311498651.3A CN202311498651A CN117496573A CN 117496573 A CN117496573 A CN 117496573A CN 202311498651 A CN202311498651 A CN 202311498651A CN 117496573 A CN117496573 A CN 117496573A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- face image
- target
- person
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000004891 communication Methods 0.000 claims abstract description 140
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 3
- 230000003190 augmentative effect Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 8
- 238000012216 screening Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- 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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- 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
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及数据处理领域,特别是涉及一种关联搜索信息的扩充方法、存储介质及电子设备。包括:将第一关联相似度小于第四相似度阈值的所有驾驶人图像及副驾人图像分别进行聚类处理,生成目标人员对应的至少一个关联人图像族。根据目标人员对应的每一第一关联人脸图像,获取目标人脸图像对应的扩充历史通讯ID集。本发明中通过与目标人员具有关联关系的车辆的第一关联车辆信息,可以获取到对应的第一目标车辆图像。然后在对第一目标车辆图像中的乘驾人员的图像进行获取,进而可以获取到与目标人员有较高关联关系的关联人。由此,可以将关联人的相关信息作为扩充信息,以便于使用该扩充信息,对目标人员的身份进行进一步的确认。
Description
技术领域
本发明涉及数据处理领域,特别是涉及一种关联搜索信息的扩充方法、存储介质及电子设备。
背景技术
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别。
在现有的各种场景中均使用到了人脸识别技术进行身份认证,以实现对应的功能。如通过人脸识别可以确定出目标人员的准确身份信息。但是,在一些场景中无法通过人脸识别直接确认目标人员的身份,所以需要使用一些其他的关联信息进行进一步确认,如通讯ID信息。但是由于关联信息有可能发生更换变更,所以会导致现有的关联信息无法使用的情况,进而导致目标人员身份无法确认的情况。
发明内容
针对上述技术问题,本发明采用的技术方案为:
根据本发明的一个方面,提供了一种关联搜索信息的扩充方法,方法包括如下步骤:
根据目标人员的第一关联车辆信息,从历史车辆图像库中获取至少一个第一目标车辆图像。
对每一第一目标车辆图像进行人脸识别,生成每一第一目标车辆图像中驾驶人图像及副驾人图像分别与目标人员的人脸图像之间的第一关联相似度。
将第一关联相似度小于第四相似度阈值的所有驾驶人图像及副驾人图像分别进行聚类处理,生成目标人员对应的至少一个关联人图像族。每一关联人图像族中包括至少一张人脸图像。
将每一关联人图像族中图像质量最高的人脸图像,作为每一关联人图像族对应的第一关联人脸图像。
根据目标人员对应的每一第一关联人脸图像,获取目标人脸图像对应的扩充历史通讯ID集。
进一步的,在生成目标人员对应的至少一个关联人图像族之后,方法还包括:
根据每一关联人图像族中包括所有人脸图像对应的关联度向量,生成每一关联人图像族的关联优先级。其中,第x个关联人图像族的关联优先级Qx满足如下关系:
其中,Px g1为第x个关联人图像族中第g张人脸图像所属的第一目标车辆图像中驾驶人图像,与目标人员的人脸图像之间的第一关联相似度。Px g2为第x个关联人图像族中第g张人脸图像所属的第一目标车辆图像中副驾人图像,与目标人员的人脸图像之间的第一关联相似度。f(x)为第x个关联人图像族中人脸图像的总数。
进一步的,在生成每一关联人图像族的关联优先级之后,方法还包括:
根据每一关联人图像族的关联优先级,获取每一第一关联人脸图像对应的扩充历史通讯ID集的关联优先级。
进一步的,根据目标人员对应的每一第一关联人脸图像,获取目标人脸图像对应的扩充历史通讯ID集,包括:
对目标人员对应的每一第一关联人脸图像进行历史人脸匹配处理,生成每一第一关联人脸图像对应的扩充人脸历史图像。
历史人脸匹配处理包括:
将第一关联人脸图像与预设人脸信息数据中的每一聚类族中的最优人脸图像进行相似度计算,生成每一聚类族与第一关联人脸图像的族相似度。每一聚类族中包括至少一个子人脸图像。
若任一聚类族与第一关联人脸图像的族相似度大于第二相似度阈值,则将第一关联人脸图像与聚类族中每一子人脸图像进行相似度计算,生成第一关联人脸图像与每一子人脸图像对应的子相似度。
若任一子人脸图像与第一关联人脸图像的子相似度大于第三相似度阈值,则确定子人脸图像为第一关联人脸图像对应的扩充人脸历史图像。
进一步的,将第一关联人脸图像与预设人脸信息数据中的每一聚类族中的最优人脸图像进行相似度计算,包括:
将第一关联人脸图像与预设人脸信息数据中预设历史时段的每一聚类族中的最优人脸图像进行相似度计算。
进一步的,在生成每一第一关联人脸图像对应的扩充人脸历史图像之后,方法还包括:
根据扩充人脸历史图像对应的历史拍摄时间及历史拍摄位置,获取扩充人脸历史图像对应的扩充历史通讯ID集。
将目标搜寻区域中每一个基站当前进行通讯的通讯ID,与扩充历史通讯ID集中的通讯ID进行匹配处理。
若匹配成功,则将匹配成功的通讯ID对应的归属基站确定为扩充待搜寻基站。
将位于扩充待搜寻基站通讯范围内的每一图像获取组件,确定为目标图像获取组件并配置目标人脸识别任务。
进一步的,在获取每一第一关联人脸图像对应的扩充历史通讯ID集的关联优先级之后,方法还包括:
若扩充历史通讯ID集的关联优先级小于第一优先级阈值,则去除扩充历史通讯ID集。
进一步的,关联人图像族中图像质量最高的人脸图像为关联人图像族中为正脸且图像分别率最高的人脸图像。
根据本发明的第二个方面,提供了一种非瞬时性计算机可读存储介质,非瞬时性计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述的一种关联搜索信息的扩充方法。
根据本发明的第三个方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述的一种关联搜索信息的扩充方法。
本发明至少具有以下有益效果:
本发明中通过与目标人员具有关联关系的车辆的第一关联车辆信息,可以获取到对应的第一目标车辆图像。然后在对第一目标车辆图像中的乘驾人员的图像进行获取,进而可以获取到与目标人员有较高关联关系的关联人。由此,可以将关联人的相关信息作为扩充信息,以便于使用该扩充信息,对目标人员的身份进行进一步的确认。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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附图。
图1为本发明实施例提供的一种关联搜索信息的扩充方法的流程图。
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,本领域技术人员在没有作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。
根据本发明的一个方面,如图1所示,提供了一种关联搜索信息的扩充方法,该方法包括如下步骤:
B100:根据目标人员的第一关联车辆信息,从历史车辆图像库中获取至少一个第一目标车辆图像。
本步骤中的第一关联车辆信息可以为目标人员名下所有的车辆的车牌号信息、车身颜色、车辆型号等信息。第一关联车辆信息也可以为目标人员夫妻名下共有的车辆的车牌号信息、车身颜色、车辆型号等信息。
根据上述信息中的一个或几个的组合可以形成对应的搜索条件,然后依据该搜索条件,在历史车辆图像库中进行搜索,以得到对应的第一目标车辆图像。
该第一目标车辆图像通常可以为路口或高速路上的各种监控摄像头抓拍到的图像。一般该图像中会包括驾驶人员及副驾人员的人脸信息。
B200:对每一第一目标车辆图像进行人脸识别,生成每一第一目标车辆图像中驾驶人图像及副驾人图像分别与目标人员的人脸图像之间的第一关联相似度。
将图像中会包括驾驶人员及副驾人员的人脸图像分别与目标人员的人脸图像之间进行识别比对,生成对应的相似度值,也即第一关联相似度。
B300:将第一关联相似度小于第四相似度阈值的所有驾驶人图像及副驾人图像分别进行聚类处理,生成目标人员对应的至少一个关联人图像族。每一关联人图像族中包括至少一张人脸图像。
由于,在第一目标车辆图像中驾驶人员及副驾人员,极有可能是与目标人员具有较高关联关系的相关人员。同时,由于相关人员的人脸图像与目标人员的人脸图像差距较大,所以可以通过第四相似度阈值进行过滤筛选。
然后,再通过聚类的方式将相关人员进行分类生成至少一个关联人图像族。每一关联人图像族对应一个关联人员。具体的,可以通过对比人脸图像之间的相似度进行聚类,相似度大于一定阈值的分在同一类中,相似度小于一定阈值的单成一类。
具体的,在B300之后,该方法还包括:
B310:根据每一关联人图像族中包括所有人脸图像对应的关联度向量,生成每一关联人图像族的关联优先级。其中,第x个关联人图像族的关联优先级Qx满足如下关系:
其中,Px g1为第x个关联人图像族中第g张人脸图像所属的第一目标车辆图像中驾驶人图像,与目标人员的人脸图像之间的第一关联相似度。Px g2为第x个关联人图像族中第g张人脸图像所属的第一目标车辆图像中副驾人图像,与目标人员的人脸图像之间的第一关联相似度。f(x)为第x个关联人图像族中人脸图像的总数。
在实际情况中,若一个关联人与目标人员的关联度较高,则其与目标人员驾乘同一辆车的情况也会以较高的评率发生。所以,拍摄到同时包括该关联人员及目标人员的第一目标车辆图像数量就较多。对应的,根据本步骤中的公式可知对应的关联优先级Qx就会更高。由此,可以更好的对关联人进行确定。
B320:根据每一关联人图像族的关联优先级,获取每一第一关联人脸图像对应的扩充历史通讯ID集的关联优先级。
每一关联人图像族的关联优先级,作为对应的扩充历史通讯ID集的关联优先级。
B321:若扩充历史通讯ID集的关联优先级小于第一优先级阈值,则去除扩充历史通讯ID集。
由于,第一目标车辆图像中也会包括了目标人员打车出行过程中拍摄到的图像。而该图像中的驾驶员与目标人员的相关度较低,甚至为0,所以要排除该噪声数据的干扰。本步骤中通过第一优先级阈值进行过滤,可以去除对应噪声数据的干扰,减少数据处理量。
B400:将每一关联人图像族中图像质量最高的人脸图像,作为每一关联人图像族对应的第一关联人脸图像。具体的,关联人图像族中图像质量最高的人脸图像为关联人图像族中为正脸且图像分别率最高的人脸图像。
B500:根据目标人员对应的每一第一关联人脸图像,获取目标人脸图像对应的扩充历史通讯ID集。
在实际应用场景中目标人员通常会配置多个通讯终端及通讯ID,并且会出现将通讯终端与相关人员进行互换使用的情况,以使得通讯ID出现变更替换的情况。所以通过上述B100至B500的处理可以进一步挖掘并扩充与目标人员相关的通讯ID信息,以便辅助确认目标人员的身份。
具体的,B500包括:
B510:对目标人员对应的每一第一关联人脸图像进行历史人脸匹配处理,生成每一第一关联人脸图像对应的扩充人脸历史图像。
历史人脸匹配处理包括:
B511:将第一关联人脸图像与预设人脸信息数据中的每一聚类族中的最优人脸图像进行相似度计算,生成每一聚类族与第一关联人脸图像的族相似度。每一聚类族中包括至少一个子人脸图像。
具体的,B511包括:
将第一关联人脸图像与预设人脸信息数据中预设历史时段的每一聚类族中的最优人脸图像进行相似度计算。
B512:若任一聚类族与第一关联人脸图像的族相似度大于第二相似度阈值,则将第一关联人脸图像与聚类族中每一子人脸图像进行相似度计算,生成第一关联人脸图像与每一子人脸图像对应的子相似度。
B513:若任一子人脸图像与第一关联人脸图像的子相似度大于第三相似度阈值,则确定子人脸图像为第一关联人脸图像对应的扩充人脸历史图像。
本实施例中确定扩充人脸历史图像的方法,与后续根据S111至S130的步骤确定目标人脸历史图像的方法一致,在此不在赘述。
在B513之后,还可以根据B514至B517的相关步骤方法,通过获得的扩充人脸历史图像来为目标图像获取组件并配置目标人脸识别任务,该方法与后续的S101至S400的方法相同,在此不再赘述。
B514:根据扩充人脸历史图像对应的历史拍摄时间及历史拍摄位置,获取扩充人脸历史图像对应的扩充历史通讯ID集。
B515:将目标搜寻区域中每一个基站当前进行通讯的通讯ID,与扩充历史通讯ID集中的通讯ID进行匹配处理。
B516:若匹配成功,则将匹配成功的通讯ID对应的归属基站确定为扩充待搜寻基站。
B517:将位于扩充待搜寻基站通讯范围内的每一图像获取组件,确定为目标图像获取组件并配置目标人脸识别任务。
作为本发明的另一个可能的实施例,还提供了根据目标人脸历史图像为目标图像获取组件并配置目标人脸识别任务的方法,该方法与上述根据扩充人脸历史图像为目标图像获取组件并配置目标人脸识别任务的方法相同。该方法还包括如下步骤:
S100:根据目标人脸历史图像对应的历史拍摄时间及历史拍摄位置,获取目标人脸图像对应的历史通讯ID集。
进一步的,在S100之前,该方法还包括:
S110:将目标人脸图像与预设人脸信息数据中的每一聚类族中的最优人脸图像进行相似度计算,生成每一聚类族与目标人脸图像的族相似度。每一聚类族中包括至少一个子人脸图像。
具体的,S110包括:
S111:将目标人脸图像与预设人脸信息数据中预设历史时段的每一聚类族中的最优人脸图像进行相似度计算。预设历史时段可以根据实际使用情况进行设置,通过预设历史时段的长短可以调整最终获得的目标人脸历史图像的数量。
S120:若任一聚类族与目标人脸图像的族相似度大于第二相似度阈值,则将目标人脸图像与聚类族中每一子人脸图像进行相似度计算,生成目标人脸图像与每一子人脸图像对应的子相似度。
S130:若任一子人脸图像与目标人脸图像的子相似度大于第三相似度阈值,则确定子人脸图像为目标人脸历史图像。
在S130之后会获得多张目标人脸图像对应的目标人脸历史图像,目标人脸图像为目标人员的人脸图像。
在此基础上,S100包括:
S101:根据目标人脸历史图像对应的历史拍摄位置,确定目标人脸历史图像对应的通讯终端进行通讯的历史归属基站的基站位置。
S102:根据目标人脸历史图像对应的历史拍摄位置及历史归属基站的基站位置,生成信号强度筛选区间[E1,E2]。E1及E2分别满足如下条件:
其中,E1及E2分别为第一信号筛选强度及第二信号筛选强度。Ej为对应拍摄区域的基础信号强度,MLD为目标人脸历史图像对应的历史拍摄位置及历史归属基站的基站位置之间的距离。k2及k3分别为第二幅度调整系数及第三幅度调整系数。
S103:根据目标人脸历史图像对应的历史拍摄时间及[E1,E2],获取目标人脸图像对应的历史通讯ID集。
具体的,S103,包括:
S113:目标人脸历史图像对应的历史拍摄时间TL,生成历史信息获取时段[TL-t1,TL+t2]。其中,t1为前置时长,t2为后延时长。
S123:根据与历史归属基站在[TL-t1,TL+t2]中进行通信的每一通讯ID,生成目标人脸图像对应的初始历史通讯ID集。
S133:获取初始历史通讯ID集中信号强度在[E1,E2]中的通讯ID,生成目标人脸图像对应的历史通讯ID集。
S101至S103的步骤,根据通讯信号强度及拍摄时间两个因素,来对初始历史通讯ID集中噪声数据进行去除,以提高数据精度,减少匹配比对量。
S200:将目标搜寻区域中每一个基站当前进行通讯的通讯ID,与历史通讯ID集中的通讯ID进行匹配处理。
S300:若匹配成功,则将匹配成功的通讯ID对应的归属基站确定为待搜寻基站。
S400:将位于待搜寻基站通讯范围内的每一图像获取组件,确定为目标图像获取组件并配置目标人脸识别任务。以对目标人员进行人脸识别并持续追踪。
本发明中,先根据目标人脸历史图像对应的历史拍摄时间及历史拍摄位置,可以获得一个包含有目标人员通讯ID的历史通讯ID集。然后,让每一个基站将当前接收到的通讯ID与历史通讯ID集中的通讯ID进行匹配。通过此操作可以先快速确定出,目标人员当前可能存在的位置区域,进而为属于该区域中的监控组件配置对应的监控任务。由此,可以减少对无效监控区域的监控作业,同时由于通讯ID的比对操作比人脸比对操作占用的计算资源更少,效率更高,进而可以节省大量的计算资源。
进一步的,为了进一步减少无效监控区域,在S400之前,该方法还包括:
S410:获取匹配成功的通讯ID与对应的待搜寻基站之间的通信强度H。
具体的,S410包括:
S411:在匹配成功之后,待搜寻基站在预设时长中持续获取对应通讯ID的通讯强度值。
S412:根据待搜寻基站在预设时长中持续获取对应通讯ID的通讯强度值,生成H。H满足如下条件:
其中,Hi为待搜寻基站在预设时长中获取到对应通讯ID的第i个信号的通讯强度值。n为待搜寻基站在预设时长中获取到对应通讯ID的信号的总数量。
通讯终端在与基站进行通讯时,信息会被打包成不同的数据包接连不断发送。由此,基站会在一段时间内接收到同一个通讯终端的多个数据包,且每一个数据包均会对应一个通讯强度值。同时由于预设时长一般为1min或更短的时长。所以在该时间段中,目标人员的移动可以忽略不计,为了更加准确的确定目标人员当前的通讯强度值,所以需要计算平均通讯强度值。
S420:根据H,生成待搜寻基站对应的以待搜寻基站为中心的环形通讯范围。其中,环形通讯范围的内径R1与外径R2满足如下条件:
其中,Ej为待搜寻基站所在区域的基础信号强度,k2及k3分别为第二幅度调整系数及第三幅度调整系数。
通常距离基站相同距离的位置的通讯强度值应该相同,也即位于以基站为圆心一固定半径形成的圆的各个位置上的通讯强度值均相同。但是在实际场景中,由于不同地形或建筑物的遮挡,或导致距离基站不同相同距离处于的通讯强度值也会出现相同的情况。
所以,为了减少该情况的造成的误差,所以将搜索范围设置为环形。对应的,内径R1与外径R2可按照上述公式获取。由此,通过加宽搜索范围可以避免漏搜。
在确定了要布置监控任务的摄像头之后,本发明还提供了一种提高人脸识别精度的方法,可以更加准确的确定出待检测人员的身份信息,以提高身份识别的准确性。
作为本发明的另一个实施例,还提供了一种人脸信息判定方法,该方法包括如下步骤:
A100:将待检测人脸图像与目标人脸图像进行人脸比对检测,生成待检测人脸图像与目标人脸图像之间的相似度A。
本实施例中的方案可以应用于对失踪人员的快速寻找场景。如对于主动失联人口的快速寻找。
在上述场景中,目标人脸图像即为失联人员失联之前所保存的人脸图像,而待检测人脸图像即为某一搜索区域中各个位置所布设的监控摄像头所拍摄到的人员的图像。
通过现有的人脸识别比对方法,可以生成待检测人脸图像与目标人脸图像之间的相似度A。由于,该场景中人脸识别的数据处理量较大,所以可以使用现有的最优帧抽取方法或者仅对重点路口的画面进行比对处理,来减少数据处理量。并配合高性能的数据处理器来提高处理速度。
A200:若A∈[Y1,Y2],则对待检测人脸图像进行辅助检测,生成第一辅助信息B。其中,Y1及Y2分别为第一相似度阈值及第二相似度阈值,且Y1<Y2。
由于在上述场景中的摄像头设置位置距离待检测人员较远,再加上光照等其他条件的影响,必然会出现采集到的待检测人员图像质量较差的情况。
由此,会导致最终识别的相似度A较低的情况,为了减少误判的发生所以需要进行辅助检测,来获取更多的佐证信息,以提高待检测人员身份认证的准确性。
具体的,辅助检测包括:
A201:根据目标人脸历史图像对应的历史拍摄时间及历史拍摄位置,获取目标人脸图像对应的历史通讯ID集CL。
在失联场景下主动失联的人员通常会在失联初期更换使用新的通讯ID,以断绝与外部的联系。由此,也使得在进行失联人员寻找时原有的通讯ID信息无法使用。所以为了可以正常进行后续的辅助检测,需要获取到失联人员的新的通讯ID。具体的可以根据A201进行获取,A201包括如下步骤:
A211:根据目标人脸历史图像对应的历史拍摄位置,确定目标人脸历史图像对应的通讯终端进行通讯的历史归属基站的基站位置。
目标人脸历史图像即为在进行寻找之前的失联时段中所获取的失联人员的人脸图像。如2022年10月30日发现人员失联并开始寻找,那么对应的失联时段为当前时间与最近一次与失联人员建立联系的时间之间的时段。
具体的,可以在监控摄像头的历史记录数据库中,先通过人脸比对,获取到对应的目标人脸历史图像。目标人脸历史图像为与失联人员人脸相似度大于设定阈值的人脸图像。
同时,目标人脸历史图像会标记有拍摄位置(历史拍摄位置)及拍摄时间(历史拍摄时间)的属性。拍摄位置可以为对应的监控摄像头的布设位置。
同时,通过监控摄像头的布设位置可以确定出,该位置属于哪一个对应的通讯基站的覆盖范围。进而确定出对应的归属基站。在确定出归属基站后,边可以查询到在对应的历史拍摄时间前后与该归属基站保持通讯的所有通讯ID,以形成对应的初始历史通讯ID集。但是,该历史通讯ID集中存在较多的噪声数据。
本实施例中,可以通过如下两种方式对初始历史通讯ID集中的噪声数据进行清洗,以得到最终的历史通讯ID集。
A221:根据目标人脸历史图像对应的历史拍摄位置及历史归属基站的基站位置,生成信号强度筛选区间[E1,E2]。E1及E2分别满足如下条件:
其中,E1及E2分别为第一信号筛选强度及第二信号筛选强度。Ej为对应拍摄区域的基础信号强度,MLD为目标人脸历史图像对应的历史拍摄位置及历史归属基站的基站位置之间的距离。k2及k3分别为第二幅度调整系数及第三幅度调整系数,可以根据实际情况进行自行设置。
不同的地形条件对信号的衰减影响并不相同,如山区地形对信号的衰减影响更大,平原地形对信号的衰减影响更小,所以需要根据实际的区域情况设置不同的Ej。具体可以为,信号衰减小的区域设置较高的Ej,信号衰减大的区域设置较低的Ej。总体来说,信号强度与通信距离之间为负相关,但是由于信号的衰减会受到多方面因素的影响。即使是在相同区域中以相同的距离进行通讯,最终基站接收到的两个信号的强度也存在一定的差异。由此本步骤中还通过设置k2及k3对Ej进行幅度上的调整,形成一个信号强度的上下限,以形成对应的信号筛选范围。具体的,0<k3<1。
A231:根据目标人脸历史图像对应的历史拍摄时间及[E1,E2],获取目标人脸图像对应的历史通讯ID集CL。
具体的,A231包括:
A2311:目标人脸历史图像对应的历史拍摄时间TL,生成历史信息获取时段[TL-t1,TL+t2]。
A2312:根据与历史归属基站在[TL-t1,TL+t2]中进行通信的每一通讯ID,生成目标人脸图像对应的初始历史通讯ID集。其中,t1为前置时长,t2为后延时长。
通常通讯终端为了确认自身是否一直与基站保持在线连接,会每隔一定的时长(10-30min)向基站发送心跳包。由此,在无其他任何信息发送时,通讯终端与基站也会以一定的频率进行通信。同时,由于基站不仅担负了语音通话的功能,同时还负责对网络数据的发送。也即,通讯终端上的各种应用程序的网络消息,也会发送至对应的基站中,再由基站转发至对应的目标地址。比如4G部分的通信信令还是会和周边的基站有频繁的交互。且通常一些应用程序对消息收发的实时性要较高的要求,所以使得通讯终端与基站之间的通信频率更高。通常可以为3-5秒中进行异常通信。
所以为了保证搜集到的通讯ID更加全面,所以获取时段[TL-t1,TL+t2]中与基站建立连接的每一通讯ID。通常TL-t1与TL+t2之间的间隔过大于最小的通信频率。如t1=t2=10S。
在A2312之后,辅助检测还包括:
A2313:获取初始历史通讯ID集中信号强度在[E1,E2]中的通讯ID,生成目标人脸图像对应的历史通讯ID集CL。
本实施例中,首先,通过历史拍摄时间可以生成历史信息获取时段,进而可以筛选出目标通讯ID对应的目标收集时段,以缩小搜集范围,去除部分噪声数据。同时为了防止遗漏可疑通讯ID,所以会设置一个对应的收集时段,来尽量全的获取通讯ID,以保证对目标通讯ID的全面覆盖。
然后,会通过信号强度来进一步的对已筛选出来的通讯ID进行过滤,以进一步对噪声数据进行去除。A221至A231中对数据的清晰方式与前述S101至S103的清晰方式相同。
A202:根据待检测人脸图像的当前拍摄位置,确定待检测人脸图像对应的通讯终端当前进行通讯的当前归属基站。当前归属基站与历史归属基站不是同一个基站。
A203:根据待检测人脸图像的当前拍摄时间Td,生成通讯ID信息当前获取时段[Td-t1,Td+t2]。其中,t1为前置时长,t2为后延时长。
A204:根据与当前归属基站在[Td-t1,Td+t2]中进行通信的每一通讯ID,生成待检测人脸图像对应的当前通讯ID集CD。
同理,当前通讯ID集的获取方式也可以按照A211至A231的步骤进行获取。
A205:根据历史通讯ID集与当前通讯ID集的交集情况,生成第一辅助信息B,其中,B满足如下条件:
其中,b1为第一辅助相似度,k1为第一辅助相似度调整系数。
具体的,若待检测人脸图像对应的人员为同一个人的情况下,该人员使用的通讯ID通常情况下是一样,所以对应的CD及CL的交集便不为空。若待检测人脸图像对应的人员不为同一个人的情况下,对应的CD及CL的交集更容易为空。
基于上述情况,本实施例中第一辅助信息B在CD及CL的交集不为空的情况下更大。在CD及CL的交集为空的情况下更小。由此,也从数值大小反映出了人员是否为同一个人的可能性的高低。
A300:根据A及B,生成待检测人脸图像对应的第一判定值P1。
具体的,P1满足如下条件:
P1=KA A+KB/>B。其中,KA为A对应的权重系数,KB为B对应的权重系数,KA>KB。
A400:若P1>Y3,则确定待检测人脸图像为目标人脸图像。Y3为第一判定阈值。
本发明中在通过人脸比对检测生成的待检测人脸图像与目标人脸图像相似度较低的情况下,还通过辅助检测来获取待检测人员其他维度的特征信息,来对待检测人员的身份信息进行进一步的佐证,由此通过多个维度的参考信息的结合,可以更加准确的确定出待检测人员的身份信息,以提高身份识别的准确性。
作为本发明的另一个实施例,A205:根据历史通讯ID集与当前通讯ID集的交集情况,生成第一辅助信息B,包括:
A215:根据历史通讯ID集、历史拍摄时间TL、当前拍摄时间Td及当前通讯ID集及的交集情况,生成第一辅助信息B
B满足如下条件:
其中,TZ为预设间隔时长。通常TZ可以为失联时段的时长。
在从历史记录数据库中,会记录到目标人物在多个不同位置及不同时间的图像,所以最终获取到的目标人脸历史图像也为多张,对应的获取到的历史通讯ID集也为多个,且每一个对应的拍摄时间不同。但是,若历史拍摄时间越接近当前拍摄时间,则对应的被检测人员使用的通讯ID越容易和当前时间使用的通讯ID保持一致。所以越接近当前拍摄时间的历史通讯ID集与当前通讯ID集有交集,对应的被检测人员与目标人员是同一个人的置信度越高,对应的B也越大。由此可以更加准确判断被测人员的身份信息,以提高身份识别的准确性。
作为本发明的另一个实施例,待检测人脸图像所在的待检测图像中,还包括与待检测人脸图像具有关联关系的关联车辆图像。
在A300:根据A及B,生成待检测人脸图像对应的第一判定值P1之后,该方法还包括:
A500:根据关联车辆图像信息及目标人脸图像,生成第二辅助信息F。F表示关联车辆图像信息中的车辆与目标人脸图像对应的人员之间关联关系的程度。
具体的,目标人脸图像对应的目标人员所有的车辆及其直系亲属所有的车辆,可以为本实施例中的关联车辆。同时可以根据在目标人员的图像及待检测图像,确定出目标人员为某一关联车辆的乘坐人员或驾驶人员。由此,可以根据车辆所属人与目标人员的亲近度,及在待检测图像中目标人员是否为驾驶人员两个因素,来确定F。具体的,可以人为设置映射表来进行赋值,关联关系的程度越高F越大。
A501:根据A、B及F,生成待检测人脸图像对应的第二判定值P2。
A502:若P2>Y4,则确定待检测人脸图像为目标人脸图像。Y4为第二判定阈值。进一步的,Y4>Y3。
本实施例中,在人脸比对的基础上,同时考虑了与目标人员相关的通讯ID及车辆的信息,由此,通过三个维度的信息共同来对被检测人员的身份进行确认,以提高身份识别的准确性。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
根据本发明的这种实施方式的电子设备。电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:上述至少一个处理器、上述至少一个储存器、连接不同系统组件(包括储存器和处理器)的总线。
其中,储存器存储有程序代码,程序代码可以被处理器执行,使得处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
储存器可以包括易失性储存器形式的可读介质,例如随机存取储存器(RAM)和/或高速缓存储存器,还可以进一步包括只读储存器(ROM)。
储存器还可以包括具有一组(至少一个)程序模块的程序/实用工具,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线可以为表示几类总线结构中的一种或多种,包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备交互的设备通信,和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且,电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器通过总线与电子设备的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
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、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种关联搜索信息的扩充方法,其特征在于,所述方法包括如下步骤:
根据目标人员的第一关联车辆信息,从历史车辆图像库中获取至少一个第一目标车辆图像;
对每一所述第一目标车辆图像进行人脸识别,生成每一第一目标车辆图像中驾驶人图像及副驾人图像分别与目标人员的人脸图像之间的第一关联相似度;
将第一关联相似度小于第四相似度阈值的所有驾驶人图像及副驾人图像分别进行聚类处理,生成所述目标人员对应的至少一个关联人图像族;每一所述关联人图像族中包括至少一张人脸图像;
将每一关联人图像族中图像质量最高的人脸图像,作为每一关联人图像族对应的第一关联人脸图像;
根据所述目标人员对应的每一第一关联人脸图像,获取目标人脸图像对应的扩充历史通讯ID集。
2.根据权利要求1所述的方法,其特征在于,在生成所述目标人员对应的至少一个关联人图像族之后,所述方法还包括:
根据每一关联人图像族中包括的所有人脸图像对应的关联度向量,生成每一所述关联人图像族的关联优先级;其中,第x个关联人图像族的关联优先级Qx满足如下关系:
,
其中,Px g1为第x个关联人图像族中第g张人脸图像所属的第一目标车辆图像中驾驶人图像,与目标人员的人脸图像之间的第一关联相似度;Px g2为第x个关联人图像族中第g张人脸图像所属的第一目标车辆图像中副驾人图像,与目标人员的人脸图像之间的第一关联相似度;f(x)为第x个关联人图像族中人脸图像的总数。
3.根据权利要求2所述的方法,其特征在于,在生成每一所述关联人图像族的关联优先级之后,所述方法还包括:
根据每一所述关联人图像族的关联优先级,获取每一第一关联人脸图像对应的扩充历史通讯ID集的关联优先级。
4.根据权利要求1所述的方法,其特征在于,根据所述目标人员对应的每一第一关联人脸图像,获取所述目标人脸图像对应的扩充历史通讯ID集,包括:
对所述目标人员对应的每一第一关联人脸图像进行历史人脸匹配处理,生成每一第一关联人脸图像对应的扩充人脸历史图像;
所述历史人脸匹配处理包括:
将第一关联人脸图像与预设人脸信息数据中的每一聚类族中的最优人脸图像进行相似度计算,生成每一聚类族与第一关联人脸图像的族相似度;每一聚类族中包括至少一个子人脸图像;
若任一聚类族与第一关联人脸图像的族相似度大于第二相似度阈值,则将所述第一关联人脸图像与聚类族中每一子人脸图像进行相似度计算,生成所述第一关联人脸图像与每一所述子人脸图像对应的子相似度;
若任一子人脸图像与第一关联人脸图像的子相似度大于第三相似度阈值,则确定所述子人脸图像为所述第一关联人脸图像对应的扩充人脸历史图像。
5.根据权利要求4所述的方法,其特征在于,将所述第一关联人脸图像与预设人脸信息数据中的每一聚类族中的最优人脸图像进行相似度计算,包括:
将所述第一关联人脸图像与预设人脸信息数据中预设历史时段的每一聚类族中的最优人脸图像进行相似度计算。
6.根据权利要求4所述的方法,其特征在于,在生成每一第一关联人脸图像对应的扩充人脸历史图像之后,所述方法还包括:
根据扩充人脸历史图像对应的历史拍摄时间及历史拍摄位置,获取所述扩充人脸历史图像对应的扩充历史通讯ID集;
将目标搜寻区域中每一个基站当前进行通讯的通讯ID,与扩充历史通讯ID集中的通讯ID进行匹配处理;
若匹配成功,则将匹配成功的通讯ID对应的归属基站确定为扩充待搜寻基站;
将位于所述扩充待搜寻基站通讯范围内的每一图像获取组件,确定为目标图像获取组件并配置目标人脸识别任务。
7.根据权利要求3所述的方法,其特征在于,在获取每一第一关联人脸图像对应的扩充历史通讯ID集的关联优先级之后,所述方法还包括:
若所述扩充历史通讯ID集的关联优先级小于第一优先级阈值,则去除所述扩充历史通讯ID集。
8.根据权利要求1所述的方法,其特征在于,所述关联人图像族中图像质量最高的人脸图像为关联人图像族中为正脸且图像分别率最高的人脸图像。
9.一种非瞬时性计算机可读存储介质,所述非瞬时性计算机可读存储介质存储有计算机程序,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8任一项所述的一种关联搜索信息的扩充方法。
10.一种电子设备,包括存储器、处理器以及存储在所述存储器中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如权利要求1至8任一项所述的一种关联搜索信息的扩充方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311498651.3A CN117496573B (zh) | 2023-11-13 | 2023-11-13 | 一种关联搜索信息的扩充方法、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311498651.3A CN117496573B (zh) | 2023-11-13 | 2023-11-13 | 一种关联搜索信息的扩充方法、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117496573A true CN117496573A (zh) | 2024-02-02 |
CN117496573B CN117496573B (zh) | 2024-06-14 |
Family
ID=89677831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311498651.3A Active CN117496573B (zh) | 2023-11-13 | 2023-11-13 | 一种关联搜索信息的扩充方法、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117496573B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520561A (zh) * | 2018-03-14 | 2018-09-11 | 深圳励飞科技有限公司 | 车辆关联管理方法、装置、终端及存储介质 |
US20200110950A1 (en) * | 2018-10-08 | 2020-04-09 | Aptiv Technologies Limited | System for detecting the face of a driver and method associated thereto |
CN112100305A (zh) * | 2020-09-15 | 2020-12-18 | 重庆中科云从科技有限公司 | 一种基于多源数据的轨迹确定方法、装置、设备及介质 |
-
2023
- 2023-11-13 CN CN202311498651.3A patent/CN117496573B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520561A (zh) * | 2018-03-14 | 2018-09-11 | 深圳励飞科技有限公司 | 车辆关联管理方法、装置、终端及存储介质 |
US20200110950A1 (en) * | 2018-10-08 | 2020-04-09 | Aptiv Technologies Limited | System for detecting the face of a driver and method associated thereto |
CN112100305A (zh) * | 2020-09-15 | 2020-12-18 | 重庆中科云从科技有限公司 | 一种基于多源数据的轨迹确定方法、装置、设备及介质 |
Non-Patent Citations (2)
Title |
---|
JIANNING ZHOU 等: "Track Me Maybe: The Fourth Amendment and the Use of Cell Phone Tracking to Facilitate Arrest", 《THE 4TH INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION ENGINEERING》, 24 October 2019 (2019-10-24), pages 180 - 184 * |
孔晨晨 等: "面向严重交通违法行为的嫌疑车辆 大数据分析应用研究", 《道路交通管理》, 15 November 2022 (2022-11-15), pages 36 - 39 * |
Also Published As
Publication number | Publication date |
---|---|
CN117496573B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11308732B2 (en) | Face recognition method and apparatus | |
WO2018031106A1 (en) | Methods and systems of updating motion models for object trackers in video analytics | |
WO2014057501A1 (en) | Real-time traffic detection | |
JPWO2020090390A1 (ja) | センサ情報統合システム、及びセンサ情報統合方法 | |
CN113378616A (zh) | 视频分析方法、视频分析的管理方法及相关设备 | |
KR102054930B1 (ko) | 영상 공유 방법 및 이를 위한 장치 | |
CN114049587A (zh) | 事件检测方法、服务器及系统 | |
CN114519879A (zh) | 人体数据归档方法、装置、设备及存储介质 | |
CN117496573B (zh) | 一种关联搜索信息的扩充方法、存储介质及电子设备 | |
CN117542099A (zh) | 一种图像识别任务位置的确定方法、存储介质及电子设备 | |
CN111784947A (zh) | 一种基于图像与声纹的主动预警方法、系统和设备 | |
CN117542100A (zh) | 一种人脸信息判定方法、存储介质及电子设备 | |
CN116386086A (zh) | 人员定位方法、装置、电子设备及存储介质 | |
CN116740874A (zh) | 一种入侵检测方法及相关装置 | |
US20230306711A1 (en) | Monitoring system, camera, analyzing device, and ai model generating method | |
CN112969053B (zh) | 车内信息传输方法、装置、车载设备及存储介质 | |
CN117496438A (zh) | 一种目标区域确定方法、电子设备及存储介质 | |
US20220408184A1 (en) | Method for recognizing at least one naturally emitted sound produced by a real-life sound source in an environment comprising at least one artificial sound source, corresponding apparatus, computer program product and computer-readable carrier medium. | |
KR102421043B1 (ko) | 영상처리장치 및 그 장치의 구동방법 | |
CN112804492A (zh) | 一种电子猫眼的通信提示方法及装置 | |
CN111783618A (zh) | 一种基于视频内容分析的园区大脑感知方法和系统 | |
US20240104966A1 (en) | Method and server apparatus for adaptively updating a target subject identification stored in a database | |
KR102141657B1 (ko) | 음성 및 영상기반 비상유도시스템 | |
CN113099170B (zh) | 用于信息处理的方法、设备和计算机存储介质 | |
CN112507905A (zh) | 车辆防跟踪方法及装置、计算机可读存储介质与电子设备 |
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 |