TWI740537B - 一種資訊處理方法及裝置、儲存介質 - Google Patents

一種資訊處理方法及裝置、儲存介質 Download PDF

Info

Publication number
TWI740537B
TWI740537B TW109119861A TW109119861A TWI740537B TW I740537 B TWI740537 B TW I740537B TW 109119861 A TW109119861 A TW 109119861A TW 109119861 A TW109119861 A TW 109119861A TW I740537 B TWI740537 B TW I740537B
Authority
TW
Taiwan
Prior art keywords
snapshot
database
information
image data
target object
Prior art date
Application number
TW109119861A
Other languages
English (en)
Other versions
TW202101443A (zh
Inventor
李曉通
曾咿人
閆旭陽
曾曉玲
郭彤
Original Assignee
中國商深圳市商湯科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 中國商深圳市商湯科技有限公司 filed Critical 中國商深圳市商湯科技有限公司
Publication of TW202101443A publication Critical patent/TW202101443A/zh
Application granted granted Critical
Publication of TWI740537B publication Critical patent/TWI740537B/zh

Links

Images

Classifications

    • 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
    • G06F16/55—Clustering; Classification
    • 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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • 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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • 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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
    • 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
    • G06Q50/18—Legal services
    • 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
    • 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
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Library & Information Science (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Technology Law (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申請實施例揭露了一種資訊處理方法及裝置、儲存介質，其中，所述的方法包括：基於聚合檔案資料確定目標物件；獲取所述目標物件的第一快照資訊；對所述第一快照資訊進行分析，得到第一分析結果；根據所述第一分析結果確定所述目標物件的第一軌跡。

Description

一種資訊處理方法及裝置、儲存介質
本申請基於申請號為201910577496.1、申請日為2019年06月28日的中國專利申請提出，並要求該中國專利申請的優先權，該中國專利申請的全部內容在此引入本申請作為參考。本申請涉及電腦領域中資訊處理技術，具體涉及一種資訊處理方法及裝置、儲存介質。
警察部門在日常進行一些案件偵破的時候，需要工作人員對快照圖片逐一進行人工研究、判斷、選擇後，才能分析出目標嫌疑人的活動軌跡，工作量大，耗時長。因此，如何快速確定嫌疑人的活動軌跡，是亟待解決的技術問題。
本申請實施例提出了一種資訊處理方法及裝置、儲存介質，至少能自動分析統計目標物件的快照資訊並形成軌跡。
第一方面，本申請實施例提供了一種資訊處理方法，所述方法包括：基於聚合檔案資料確定目標物件；獲取所述目標物件的第一快照資訊；對所述第一快照資訊進行分析，得到第一分析結果；根據所述第一分析結果確定所述目標物件的第一軌跡；其中，所述第一分析結果包括所述目標物件的出現資訊。
在一種可能的實現方式中，所述方法還包括：基於系統內的檔案資料確定所述目標物件的同行人員；其中，所述同行人員是在快照到所述目標物件的圖像採集裝置在目標時間點前後t秒的快照圖像中出現的除所述目標物件之外的人，所述目標時間點為所述圖像採集裝置快照到所述目標物件的時間點；獲取所述同行人員的第二快照資訊；對所述第二快照資訊進行分析，得到第二分析結果；根據所述第二分析結果確定所述同行人員的第二軌跡，其中，所述第二分析結果包括所述同行人員的出現資訊。
在一種可能的實現方式中，所述對所述第一快照資訊進行分析，得到第一分析結果，包括：基於所述第一快照資訊確定待分析的快照圖像；確定每張所述快照圖像中所述目標物件的出現資訊；其中，所述出現資訊至少包括出現地理位置及出現時間；基於所述出現資訊對所述目標物件在同一地理位置的出現次數進行統計。
在一種可能的實現方式中，所述第一分析結果，還包括以下至少一種：每張快照圖像與其所得出現資訊的對應關係；每張快照圖像與其前後相鄰M張快照圖像的關聯關係；其中，所述M為正數。
在一種可能的實現方式中，所述根據所述第一分析結果確定所述目標物件的第一軌跡，包括：基於所述目標物件的出現資訊，在電子地圖上標注所述目標物件的出現點位及出現次數；對電子地圖上的出現點位按照所述出現時間進行連接，形成第一軌跡。
在一種可能的實現方式中，所述方法還包括：從所述目標物件的同行人員中確定出第一同行人；調取所述第一同行人的第二軌跡；將所述目標物件的第一軌跡和所述第一同行人的第二軌跡作對比展示。
在一種可能的實現方式中，所述方法還包括：對第一資料庫中的圖像資料進行聚類處理得到聚類處理結果；其中，所述第一資料庫基於圖像採集裝置快照到的人像圖像形成；對第二資料庫中的圖像資料進行聚合處理得到聚合處理結果；其中，所述第二資料庫基於實名的圖像資訊形成；將所述聚類處理結果與所述聚合處理結果進行關聯分析，得到聚合檔案資料。
在一種可能的實現方式中，所述對第一資料庫中的圖像資料進行處理，包括：從所述第一資料庫中的圖像資料提取出人臉圖像資料；將所述人臉圖像資料分成若干類，所述若干類中的每個類都有一個類中心，且所述類中心包括類中心特徵值。
在一種可能的實現方式中，所述對第二資料庫中的圖像資料進行聚合處理得到聚合處理結果，包括：將身份證號相同的圖像資料聚合為一個圖像庫；建立所述圖像庫與所述身份證號對應的文本資訊的關聯關係，得到聚合處理結果，所述聚合處理結果中每一身份證號對應唯一檔案資料。
在一種可能的實現方式中，所述將所述聚類處理結果與所述聚合處理結果進行關聯分析，包括：將所述第一資料庫中每個類中心特徵值與所述第二資料庫各個參考類中心特徵值進行全量比對得到全量比對結果；基於所述全量對比結果確定出相似度最高並且相似度大於預設閾值的目標參考類中心特徵值；從所述第二資料庫中查找所述目標參考類中心特徵值對應的目標人像和所述目標人像對應的身份資訊；建立所述目標人像對應的身份資訊與所述第一資料庫中類中心特徵值對應的圖像的關聯關係。
在一種可能的實現方式中，所述方法還包括：在向所述第一資料庫新增圖像資料情況下，對新增的圖像資料進行聚類處理，將所述新增的圖像資料中人臉圖像資料分成若干類，從所述第一資料庫中查詢是否有與所述若干類相同的類，如果有與所述若干類中第一類相同的類，則將所述第一類的圖像資料合併到所述第一類的現有檔案中；如果沒有與所述若干類中第二類相同的類，則基於所述第二類建立新的檔案，補充到所述第一資料庫中。
在一種可能的實現方式中，所述方法還包括：在向所述第二資料庫新增圖像資料情況下，從所述第二資料庫中查詢是否有與新增的所述圖像資料相同的身份證號，如果有與所述圖像資料中第一圖像資料相同的第一身份證號，則將所述第一圖像資料合併到所述第一身份證號對應的現有檔案中；如果沒有與所述圖像資料中第二圖像資料相同的第二身份證號，則基於所述第二圖像資料的第二身份證號建立新的檔案，補充到所述第二資料庫中。
第二方面，本申請實施例提供了一種資訊處理裝置，所述裝置包括：確定模組，被配置為基於聚合檔案資料確定目標物件；獲取模組，被配置為獲取所述目標物件的第一快照資訊；分析模組，被配置為對所述第一快照資訊進行分析，得到第一分析結果；處理模組，被配置為根據所述第一分析結果確定所述目標物件的第一軌跡；其中，所述第一分析結果包括所述目標物件的出現資訊。
在一種可能的實現方式中，所述確定模組，還被配置為基於聚合檔案資料確定所述目標物件的同行人員；其中，所述同行人員是在快照到所述目標物件的圖像採集裝置在目標時間點前後t秒的快照圖像中出現的除所述目標物件之外的人，所述目標時間點為所述圖像採集裝置快照到所述目標物件的時間點；所述獲取模組，還被配置為獲取所述同行人員的第二快照資訊；所述分析模組，還被配置為對所述第二快照資訊進行分析，得到第二分析結果；所述處理模組，還被配置為根據所述第二分析結果確定所述同行人員的第二軌跡；其中，所述第二分析結果包括所述同行人員的出現資訊。
在一種可能的實現方式中，所述分析模組，還被配置為：基於所述第一快照資訊確定待分析的快照圖像；確定每張所述快照圖像中所述目標物件的出現資訊；其中，所述出現資訊至少包括出現地理位置及出現時間；基於所述出現資訊對所述目標物件在同一地理位置的出現次數進行統計。
在一種可能的實現方式中，所述第一分析結果還包括以下至少一種：每張快照圖像與其所得出現資訊的對應關係；每張快照圖像與其前後相鄰M張快照圖像的關聯關係；其中，所述M為正數。
在一種可能的實現方式中，所述處理模組，還被配置為：基於所述目標物件的出現資訊，在電子地圖上標注所述目標物件的出現點位及出現次數；對電子地圖上的出現點位按照所述出現時間進行連接，形成第一軌跡。
在一種可能的實現方式中，所述處理模組，還被配置為：從所述目標物件的同行人員中確定出第一同行人；調取所述第一同行人的第二軌跡；將所述目標物件的第一軌跡和所述第一同行人的第二軌跡作對比展示。
在一種可能的實現方式中，所述裝置還包括：檔案建立模組，被配置為：對第一資料庫中的圖像資料進行聚類處理得到聚類處理結果；其中，所述第一資料庫基於圖像採集裝置快照到的人像圖像形成；對第二資料庫中的圖像資料進行聚合處理得到聚合處理結果；其中，所述第二資料庫基於實名的圖像資訊形成；將所述聚類處理結果與所述聚合處理結果進行關聯分析，得到聚合檔案資料。
在一種可能的實現方式中，所述檔案建立模組，還被配置為：從所述第一資料庫中的圖像資料提取出人臉圖像資料；將所述人臉圖像資料分成若干類，所述若干類中的每個類都有一個類中心，且所述類中心包括類中心特徵值。
在一種可能的實現方式中，所述檔案建立模組，還被配置為：將身份證號相同的圖像資料聚合為一個圖像庫；建立所述圖像庫與所述身份證號對應的文本資訊的關聯關係，得到聚合處理結果，所述聚合處理結果中每一身份證號對應唯一檔案資料。
在一種可能的實現方式中，所述檔案建立模組，還被配置為：將所述第一資料庫中每個類中心特徵值與所述第二資料庫各個參考類中心特徵值進行全量比對得到全量比對結果；基於所述全量對比結果確定出相似度最高並且相似度大於預設閾值的目標參考類中心特徵值；從所述第二資料庫中查找所述目標參考類中心特徵值對應的目標人像和所述目標人像對應的身份資訊；建立所述目標人像對應的身份資訊與所述第一資料庫中類中心特徵值對應的圖像的關聯關係。
在一種可能的實現方式中，所述檔案建立模組，還被配置為：在向所述第一資料庫新增圖像資料情況下，對新增的圖像資料進行聚類處理，將所述新增的圖像資料中人臉圖像資料分成若干類，從所述第一資料庫中查詢是否有與所述若干類相同的類，如果有與所述若干類中第一類相同的類，則將所述第一類的圖像資料合併到所述第一類的現有檔案中；如果沒有與所述若干類中第二類相同的類，則基於所述第二類建立新的檔案，補充到所述第一資料庫中。
在一種可能的實現方式中，所述檔案建立模組，還被配置為：在向所述第二資料庫新增圖像資料情況下，從所述第二資料庫中查詢是否有與新增的所述圖像資料相同的身份證號，如果有與所述圖像資料中第一圖像資料相同的第一身份證號，則將所述第一圖像資料合併到所述第一身份證號對應的現有檔案中；如果沒有與所述圖像資料中第二圖像資料相同的第二身份證號，則基於所述第二圖像資料的第二身份證號建立新的檔案，補充到所述第二資料庫中。
第三方面，本申請實施例提供了一種資訊處理裝置，所述裝置包括：記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，所述處理器執行所述程式時實現本申請實施例所述的資訊處理方法的步驟。
第四方面，本申請實施例提供了一種儲存介質，所述儲存介質儲存有電腦程式，所述電腦程式被處理器執行時，使得所述處理器執行本申請實施例所述的資訊處理方法的步驟。
第五方面，本申請實施例提供了一種電腦程式，包括電腦可讀代碼，當所述電腦可讀代碼在電子設備中運行時，所述電子設備中的處理器執行用於實現本揭露實施例所述的資訊處理方法。
本申請提供的技術方案，基於聚合檔案資料確定目標物件；獲取所述目標物件的第一快照資訊；對所述第一快照資訊進行分析，得到第一分析結果；根據所述第一分析結果確定所述目標物件的第一軌跡；如此，可對目標物件的快照資訊自動分析統計並形成軌跡，提高了確定目標物件軌跡的速度。
應當理解的是，以上的一般描述和後文的細節描述僅是示例性和解釋性的，而非限制本揭露。
以下將參考附圖詳細說明本揭露的各種示例性實施例、特徵和方面。附圖中相同的附圖標記表示功能相同或相似的元件。儘管在附圖中示出了實施例的各種方面，但是除非特別指出，不必按比例繪製附圖。
在這裡專用的詞「示例性」意為「用作例子、實施例或說明性」。這裡作為「示例性」所說明的任何實施例不必解釋為優於或好於其它實施例。
本文中術語「和/或」，僅僅是一種描述關聯物件的關聯關係，表示可以存在三種關係，例如，a和/或b，可以表示：單獨存在a，同時存在a和b，單獨存在b這三種情況。另外，本文中術語「至少一種」表示多種中的任意一種或多種中的至少兩種的任意組合，例如，包括a、b、c中的至少一種，可以表示包括從a、b和c構成的集合中選擇的任意一個或多個元素。
另外，為了更好地說明本揭露，在下文的具體實施方式中給出了眾多的具體細節。本領域技術人員應當理解，沒有某些具體細節，本揭露同樣可以實施。在一些實例中，對於本領域技術人員熟知的方法、手段、元件和電路未作詳細描述，以便於突顯本揭露的主旨。
為了更好的解釋本申請，下面，先介紹一些現有技術中的檔案建立方法。
傳統的人員檔案自動建立方法，透過1：N的比對將同一人的快照資訊逐個歸類。這種方法的召回率低、速度慢，難以適應存在大規模海量資料的場景。
基於此，本申請提出了基於聚類分析建立檔案資料的方法。
下面結合附圖和具體實施例對本申請的技術方案進一步詳細闡述。
在一些可選實施方式中，基於聚類分析建立聚合檔案資料，包括：對第一資料庫中的圖像資料進行聚類處理得到聚類處理結果；其中，所述第一資料庫基於圖像採集裝置快照到的人像圖像形成；對第二資料庫中的圖像資料進行聚合處理得到聚合處理結果；其中，所述第二資料庫基於實名的圖像資訊形成；將所述聚類處理結果與所述聚合處理結果進行關聯分析，得到聚合檔案資料。
如此，可以得到一個人在系統內的全部檔案資訊。
舉例來說，透過對採集的海量影片內容進行處理，對快照的人臉圖片進行特徵提取，透過與第二資料庫比對，若匹配率大於閾值，將最高匹配率的人臉圖片預設為比中的人臉照片，關聯對應人物的姓名、身份證號碼、照片快照時間和地點等個人資訊，將人臉照片及對應的個人資訊作為一人一檔的資料儲存，實現影片中每個人的資訊量化，提供大資料分析方法，輔助有關部門破案。
在一些可選實施方式中，對第一資料庫中的圖像資料進行聚類處理，包括：從所述第一資料庫中的圖像資料提取出人臉圖像資料；將所述人臉圖像資料分成若干類，所述若干類中的每個類都有一個類中心，且所述類中心包括類中心特徵值。
這樣，給出了在眾多人像快照圖中進行人臉聚類的方法，即將人臉的集合分成由類似的人臉組成的多個類，由聚類所生成的類是一組資料物件的集合，這些物件與同一個類中的物件彼此相似，與其他類的物件相異。
具體地，可以使用現有的聚類演算法將人臉圖像資料分成若干類。
在一些可選實施方式中，對第二資料庫中的圖像資料進行聚合處理得到聚合處理結果，包括：將身份證號相同的圖像資料聚合為一個圖像庫；建立所述圖像庫與所述身份證號對應的文本資訊的關聯關係，得到聚合處理結果，所述聚合處理結果中每一身份證號對應唯一檔案資料。
也就是說，在第二資料庫中，身份證號相同的聚合為一個檔案。
在一些可選實施方式中，將所述聚類處理結果與所述聚合處理結果進行關聯分析，包括：將所述第一資料庫中每個類中心特徵值與所述第二資料庫各個參考類中心特徵值進行全量比對得到全量比對結果；基於所述全量對比結果確定出相似度最高並且相似度大於預設閾值的目標參考類中心特徵值；從所述第二資料庫中查找所述目標參考類中心特徵值對應的目標人像和所述目標人像對應的身份資訊；建立所述目標人像對應的身份資訊與所述第一資料庫中類中心特徵值對應的圖像的關聯關係。
如此，將相似度最高的圖像對應的身份資訊賦予這個快照庫的類，使得這類快照人像實名。
上述方案中，可選地，所述方法還包括：在向所述第一資料庫新增圖像資料情況下，對新增的圖像資料進行聚類處理，將所述新增的圖像資料中人臉圖像資料分成若干類，從所述第一資料庫中查詢是否有與所述若干類相同的類，如果有與所述若干類中第一類相同的類，則將所述第一類的圖像資料合併到所述第一類的現有檔案中；如果沒有與所述若干類中第二類相同的類，則基於所述第二類建立新的檔案，補充到所述第一資料庫中。
這裡，所述第一類的現有檔案，是所述第一資料庫中已有的第一類的檔案，在所述第一資料庫中，每一個類對應有唯一的一個檔案。
如此，當資料庫出現新增增量時，能及時對系統內檔案資料進行更新或補充。
上述方案中，可選地，所述方法還包括：在向所述第二資料庫新增圖像資料時情況下，從所述第二資料庫中查詢是否有與新增的所述圖像資料相同的身份證號，如果有與所述圖像資料中第一圖像資料相同的第一身份證號，則將所述第一圖像資料合併到所述第一身份證號對應的現有檔案中；如果沒有與所述圖像資料中第二圖像資料相同的第二身份證號，則基於所述第二圖像資料的第二身份證號建立新的檔案，補充到所述第二資料庫中。
這裡，所述第一身份證號對應的現有檔案，是所述第二資料庫中已有的第一身份證號的檔案，在所述第二資料庫中，每一個身份證號對應有唯一的一個檔案。
如此，當資料庫出現新增增量時，能及時對系統檔案資料進行更新或補充。
上述檔案建立方法能夠將海量的快照圖片自動歸類，可以將影片監控中的海量嫌疑人快照與警察既有人員資料庫的資訊自動關聯，實現基於人臉聚類的一人一檔資料儲存，實現影片中每個人的資訊量化，提供大資料分析方法，便於輔助有關部門破案。
為方便理解，可將所述第一資料庫稱為快照庫或快照人像庫，其根據圖像採集裝置快照到的人像圖所形成；可將第二資料庫稱之為人像庫或靜態人像庫，其根據已實名認證的公民人口資訊如身份證形成。
第1圖示出了本申請實施例提供的檔案建立流程示意圖，如第1圖所示，該流程主要包括快照庫聚類、人像庫聚合、快照庫與人像庫撞庫、增量撞庫四大步驟。
1. 快照庫聚類： 1) 快照庫聚類為系統自動定時觸發； 2) 初次為全量聚類，以後增量聚類，與現有的類聚合； 3) 沒有相近的類可自動聚合成一個新類。
具體地，對於快照庫來說，批量快照圖像入庫或存取影片流，定時觸發聚類，比如一小時或一天聚類一次，時間可配置，初次為全量聚類，以後增量聚類，與現有的類聚合，而沒有相近的類可自動聚合成一個新類。
第2圖示出了本申請實施例提供的快照庫聚類的演算法原理示意圖，如第2圖所示，對每日輸入的資料流程進行分析，得到新特徵；對新特徵進行分類，對於有類別的新特徵，將其與現有類別聚類，並更新底庫類中心。對於無類別的新特徵，對其聚類，確定為新的類別, 將新的類別加入到底庫類中心。
2. 人像庫聚合： 1）有身份證號的情況 將人像庫中有同身份證號的聚合為一個檔案，以身份ID為單位； 人像庫中同一人有多個ID的情況，不作處理，當作多個檔案。 2）沒有身份證ID的情況 沒有身份證ID的情況，身份證號會預設0000000000000000，此類每張人像單獨成為一個檔案。
具體地，對於人像庫來說，批量人像入庫，將同身份證號的人像聚合為一個檔案。
3. 快照庫與人像庫撞庫： 1) 快照庫聚類後分成若干類(人)，每個類都有一個類中心，對應一個類中心特徵值； 2) 每個類中心特徵值再和人像庫進行全量1：n比對，取相似度最高TOP1並且大於預設預置（比如95%）的一個人像； 3) 將此TOP1的人像對應的身份資訊賦予此快照庫的類，使這類快照人像實名。
具體地，快照庫聚類後分成若干類(人)，每個類都有一個類中心，對應一個類中心特徵值，每個類中心特徵值再和人像庫進行全量1：n比對，將相似度最高的圖像對應的身份資訊賦予這個快照庫的類，使得這類快照人像實名。
4. 增量撞庫 1）快照庫增量 a. 快照庫每天定時進行增量聚類； b. 與現有的類聚類的，則合併到現有檔案，更新新的類中心； c. 更新的類與人像庫撞庫； d. 不能與現有類聚類的，則新增類形成新檔案； e. 新類的類中心與人像庫撞庫； f. 撞庫結果有預設預置以上的TOP1則與此人像身份資訊關聯實名，與此檔案合併； g. 撞庫沒有結果則添加到未實名類。
2）人像庫增量 a. 與現有人像庫進行身份資訊（身份證號）關聯查詢，如果有同身份資訊則合併到其檔案； b. 如果沒有同身份資訊的，建立新的檔案； c. 與快照庫的類中心撞庫； d. 撞庫結果有預設預置以上的TOP1則與此人像身份資訊關聯實名，與此檔案合併； e. 撞庫沒有結果則添加到已建檔無快照類。
具體地，對於新增人像，可批量入庫或單張入庫，查詢人像庫的現有檔案中是否有與新增人像相同的身份證號，如果有，將新增人像聚合到相同身份證號下的檔案；如果沒有與新增人像相同的身份證號，為新增人像建立新的檔案。對於新增快照，可批量入庫或單張入庫或存取影片流，定時觸發聚類，查詢快照庫的現有檔案中是否有與新增快照相同的類，如果有，將新增快照聚合到相同類下的檔案；如果沒有與新增快照相同的類，為新增快照建立新的檔案，新類的類中心與人像庫撞庫。
可見，將帶有公民身份的人像庫作為基準庫，結合由快照機快照到帶有時空資訊的人臉快照圖進行聚類，以兩兩相似度為判斷標準，將人臉識別系統中疑似同一人的資訊進行關聯，使得一個人有唯一的綜合檔案。從檔案中，可得出潛在嫌疑人的屬性特徵、行為特徵等。
如此，從所有已聚類（包括已實名、未實名）檔案中進行條件篩選，找出在指定時間範圍的指定影片源同一人快照張數超過某一特定閾值的某人員檔案資訊。獲得其檔案資訊後，使用者可以快速根據嫌疑人人像資訊在某個區域的某個時間段中，找到與其在前後t秒同行的人，將符合條件的同行人快照圖像進行聚合；也可以在得到同行人的同行次數的基礎上，可以查詢嫌疑人Q與單個同行人G的詳細同行紀錄，以判斷某些嫌疑人員的同行紀錄和同行人關係網。
相對於現有技術在海量資料的場景下難以實現高效的自動歸類的問題，本申請能夠將海量的快照圖像自動歸類，還可以將影片監控中的海量嫌疑人快照與警察既有人員資料庫的資訊高效地自動關聯。
上述基於聚類的人員檔案自動生成的方法，利用人臉增量聚類演算法及人臉人體聯合聚類演算法，能提高聚類的效果。進一步地，採用圖形處理器（GPU，Graphics Processing Unit）並行運算，能保證足夠的運算力，以適應大規模資料的場景。
基於上述人員檔案自動生成的方案，本申請實施例提出了一種基於系統檔案資料的資訊處理的方案。
本申請實施例提供一種資訊處理方法，如第3圖所示，所述方法主要包括：
步驟301、基於聚合檔案資料確定目標物件。
示例性地，終端從系統資料庫獲取目標圖像，基於所述目標圖像確定目標物件。
其中，所述系統資料庫儲存有基於聚類分析而建立的聚合檔案資料。
在本申請實施例中，所述系統資料庫至少包括第一資料庫和第二資料庫；其中，所述第一資料庫基於圖像採集裝置快照到的人像圖像形成；所述第二資料庫基於實名的圖像資訊形成。
步驟302、獲取所述目標物件的第一快照資訊。
本實施例中，所述第一快照資訊由圖像採集裝置採集而得。所述圖像採集裝置具有圖像採集功能，比如，所述圖像採集裝置可以是攝影機或快照機。
在一些可選實施方式中，所述獲取所述目標物件的第一快照資訊，包括：接收各個圖像採集裝置發送的快照資訊；分析所述快照資訊，以獲得所述目標物件的第一快照資訊。
作為一種實施方式，所述圖像採集裝置可定時向終端發送其採集的快照資訊，也可在接收到終端側發送的傳送指令時，向終端發送其採集的快照資訊；進一步地，還可基於傳送指令要求向終端發送指定時間段內關於指定區域的快照資訊。
在另一些可選實施方式中，所述獲取所述目標物件的第一快照資訊，包括：從記憶體讀取各個圖像採集裝置採集的快照資訊；分析所述快照資訊，以獲得所述目標物件的第一快照資訊。
這裡，所述記憶體是儲存有快照資訊且能夠與所述終端連接的記憶體。
需要說明的是，本申請實施例對目標物件的第一快照資訊的獲取方式不作限定。
步驟303、對所述第一快照資訊進行分析，得到第一分析結果。
其中，所述第一分析結果包括所述目標物件的出現資訊。
在一些可選實施方式中，所述對所述第一快照資訊進行分析，得到第一分析結果，包括：基於所述第一快照資訊確定待分析的快照圖像；確定每張所述快照圖像中所述目標物件的出現資訊；其中，所述出現資訊至少包括出現地理位置及出現時間；基於所述出現資訊對所述目標物件在同一地理位置的出現次數進行統計。
本實施例中，所述第一快照資訊至少包括多張快照圖像，所述快照圖像攜帶有快照時間資訊。可選地，所述第一快照資訊還攜帶有快照所述快照圖像的圖像採集裝置的資訊。需要說明的是，每個圖像採集裝置都具有一個唯一表示所述圖像採集裝置的標識。
在一些具體實施方式中，所述基於所述第一快照資訊確定待分析的快照圖像，包括：根據時間要求篩選出待分析的快照圖像。
這裡，所述時間要求可根據使用者需求或設計需求進行設定或調整。
比如，所述時間要求可以是以t0時刻對應的快照圖像為時間起始點，每隔d秒選取一張快照圖像。從而選出t0時刻對應的快照圖像、t0+d時刻對應的快照圖像、t0+2d時刻對應的快照圖像、…t0+xd時刻對應的快照圖像等多張圖像。
在一些具體實施方式中，所述基於所述第一快照資訊確定待分析的快照圖像，包括：根據圖像採集裝置標識資訊篩選出待分析的快照圖像。
比如，A市B社區內共有10個攝影機，分別記為攝影機1、2、3、4、5、6、7、8、9、10，選取攝影機1、3、5、7、9所採集的快照圖像作為待分析的快照圖像。
在另一些可選實施方式中，所述對所述第一快照資訊進行分析，得到第一分析結果，還包括：建立每張快照圖像與其所得出現資訊的對應關係。
如此，便於後續基於單張快照圖像查詢目標物件的活動軌跡。
在另一些可選實施方式中，所述對所述第一快照資訊進行分析，得到第一分析結果，還包括：建立每張快照圖像與其前後相鄰M張快照圖像的關聯關係；其中，M為正數。
如此，便於後續基於單張快照圖像查詢與其有關聯關係的快照圖像。
舉例來說，根據快照圖像a2分析得到目標物件F的出現資訊為：地理位置c2、出現時間t2，建立有快照圖像a2與其相鄰的快照圖像a1、a0、a3、a4的關聯關係，如此，當查詢單張快照圖像如快照圖像a2時，可顯示根據單張圖像分析得到的資訊，並能快速查找與其相鄰的快照圖像，有助於對目標物件的行動軌跡的推測。
步驟304、根據所述第一分析結果確定所述目標物件的第一軌跡。
在一些可選實施方式中，所述根據所述第一分析結果確定所述目標物件的第一軌跡，包括：基於所述目標物件的出現資訊，在電子地圖上標注所述目標物件的出現點位及出現次數；對電子地圖上的出現點位按照所述出現時間進行連接，形成第一軌跡。
如此，對目標物件在各個出現點位的出現次數進行標注，能夠清晰顯示各個出現點位的出現頻率，有助於找到目標物件的常駐地點；按照出現時間對各個出現點位進行連線，能夠得到目標物件在一定時間段內的行動軌跡，便於跟蹤和查找目標物件。
上述方案中，所述方法還包括：基於聚合檔案資料確定所述目標物件的同行人員；其中，所述同行人員是在快照到所述目標物件的圖像採集裝置在目標時間點前後t秒的快照圖像中出現的除所述目標物件之外的人，所述目標時間點為所述圖像採集裝置快照到所述目標物件的時間點；獲取所述同行人員的第二快照資訊；對所述第二快照資訊進行分析，得到第二分析結果；根據所述第二分析結果確定所述同行人員的第二軌跡；其中，所述第二分析結果包括所述同行人員的出現資訊。
在一些可選實施方式中，所述同行人員還可以是在快照到所述目標物件的圖像採集裝置在目標時間點前後t秒的快照圖像中出現的除所述目標物件之外的，且經過聚類出現次數超過預設值的人，所述t為正數。
如此，能縮小同行人員的範圍。
這裡，關於同行人員的軌跡確定方法可參照目標物件的軌跡確定方法，在此不再對各個實現步驟一一贅述。
上述方案中，可選地，所述方法還包括：從所述目標物件的同行人員中確定出第一同行人；調取所述第一同行人的第二軌跡；將所述目標物件的第一軌跡和所述第一同行人的第二軌跡作對比展示。
如此，將目標物件的第一軌跡和某個同行人的第二軌跡同時顯示，在鎖定某個同行人後，查看目標和同行人在地圖上的軌跡比對、顯示二者的同行點位等，以便確認兩者之間的關係、行動預測等。
下面，對目標物件和其同行人員的軌跡分析的介面顯示進行舉例說明。
1. 目標物件的軌跡： 1) 在快照紀錄標籤下，地圖上顯示目標出現的各點位，點擊“顯示軌跡”按鈕，連接點位形成軌跡。 2) 顯示每個點位出現的次數，並對“首次出現”、“最後出現”、“常現點”三種點位進行統計與展示。
第4圖示出了本申請實施例提供的快照紀錄對應的快照點位查詢介面示意圖，如圖4所示，圖中左側顯示有目標物件的個人檔案資訊，以及其在各個場所的行動資料等資訊；圖中右側顯示有在不同時間不同攝影機的快照記錄，以及在電子地圖上主要出現點位的出現次數等資訊。 3) 點擊單個點位，可查看該點快照的人臉小圖與前後幾張監控快照、點位地理位置及快照發生時間。 4) 可查看發生快照的點位的影片源詳情。
第5圖示出了本申請實施例提供的快照記錄對應的目標軌跡查詢介面示意圖，如第5圖所示，在查詢結果介面中，圖中左側顯示有目標物件的個人檔案資訊，最近30天快照次數曲線圖、最多快照時間段直條圖；圖中右側顯示有在不同時間不同攝影機的快照記錄，以及針對某一快照記錄如影片所形成的行動軌跡。
2. 同行人員的軌跡: 1) 同行人:某人的每一張快照，在同一攝像頭下前後n秒快照的人，經過聚類，出現超過預設值以上的人。
第6圖示出了本申請實施例提供的同行人分析的同行人關係網查詢介面示意圖，如第6圖所示，在查詢結果介面中，圖中左側顯示有目標物件的頭像、最近30天快照次數曲線圖、最多快照時間段直條圖、捕捉到該同行人的攝影機所在位置，圖中右側顯示有同行人關係網。
2) 切換到同行人分析標籤，依據條件篩選同行人。
第7圖示出了本申請實施例提供的同行人分析的篩選同行人介面示意圖，如第7圖所示，在查詢結果介面中，圖中左側顯示有目標物件的個人檔案資訊，以及其在各個場所的行動資料等資訊；圖中右側顯示有按照同行次數排序的同行人資訊。
3) 同行人軌跡分析：選定同行人，可進入同行人軌跡頁面，在全部軌跡標籤下，地圖上展示檔案人及其同行人的軌跡。支持以兩級同行人為中心展示同行快照和軌跡。
第8圖示出了本申請實施例提供的目標物件與同行人的軌跡示意圖，如第8圖所示，在查詢結果介面中，圖中左側顯示有捕捉到目標物件和同行人的影片源；圖中右側顯示有目標物件的軌跡與同行人的軌跡。
4) 同行軌跡：切換至同行點位標籤，用戶可在地圖上看到目標和同行人的同行點位，點擊點位可顯示二人同行的快照詳情。
第9圖示出了本申請實施例提供的點擊影片源點位進入詳情示意圖，如第9圖所示，在第8圖所示軌跡基礎上，點擊影片源點位，可在介面左上角播放與該影片源點位對應的影片源。
第10圖示出了本申請實施例提供的目標物件與同行人的同行點位示意圖一，如第10圖所示，點擊介面上的同行點位標籤後，顯示二人同行的點位。
第11圖示出了本申請實施例提供的目標物件與同行人的同行點位示意圖二，如第11圖所示，在第10圖所示同行點位基礎上，點擊影片源點位，可在介面中間播放與該影片源點位對應的影片源。
需要說明的是，可以理解，上述各個介面顯示內容及佈局等資訊，可根據使用者需求或設計需求進行設定或調整。
還應理解，本申請中列舉的各個介面僅僅是示例性的，用於幫助本領域技術人員更好地理解本申請實施例的技術方案，而不應理解成對本申請實施例的限定，本領域普通技術人員可以在本申請所記載的各個介面的基礎上進行各種改變和替換，也應理解為本申請實施例的一部分。
本申請所述技術方案可應用於智慧影片分析，安防監控等領域。比如，可用於入室盜竊、反恐監測、醫鬧肇事、涉毒打擊、國保重點、社區管控等案件排查。舉例來說，案件發生後，警方手上有一名嫌犯F的人像照片，在系統的檔案資料庫中上傳F照片，找到該嫌犯檔案，在同行人分析中設置案發時間段、在案發現場周邊的影片源，找到與嫌犯F同行過的人員檔案，顯示同夥軌跡，進而確認同夥位置；找到同夥照片後，又可重複以上步驟，找到更多可能的同夥照片。如此，便於警方將線索串聯，提高破案效率。
本申請實施例還提供了一種資訊處理裝置，如第12圖所示，所述裝置包括：確定模組10，被配置為基於聚合檔案資料確定目標物件；獲取模組20，被配置為獲取所述目標物件的第一快照資訊；分析模組30，被配置為對所述第一快照資訊進行分析，得到第一分析結果；處理模組40，被配置為根據所述第一分析結果確定所述目標物件的第一軌跡；其中，所述第一分析結果包括所述目標物件的出現資訊。
作為一種實施方式，所述確定模組10，還被配置為基於聚合檔案資料確定所述目標物件的同行人員；其中，所述同行人員是在快照到所述目標物件的圖像採集裝置在目標時間點前後t秒的快照圖像中出現的除所述目標物件之外的人，所述目標時間點為所述圖像採集裝置快照到所述目標物件的時間點；所述獲取模組20，還被配置為獲取所述同行人員的第二快照資訊；所述分析模組30，還被配置為對所述第二快照資訊進行分析，得到第二分析結果；所述處理模組40，還被配置為根據所述第二分析結果確定所述同行人員的第二軌跡；其中，所述第二分析結果包括所述同行人員的出現資訊。
作為一種實施方式，所述分析模組30，還被配置為：基於所述第一快照資訊確定待分析的快照圖像；確定每張所述快照圖像中所述目標物件的出現資訊；其中，所述出現資訊至少包括出現地理位置及出現時間；基於所述出現資訊對所述目標物件在同一地理位置的出現次數進行統計。
作為一種實施方式，所述分析模組30，還被配置為：建立每張快照圖像與其所述出現資訊的對應關係。
作為一種實施方式，所述分析模組30，還被配置為：建立每張快照圖像與其前後相鄰M張快照圖像的關聯關係；其中，M為正數。
作為一種實施方式，所述處理模組40，還被配置為：基於所述目標物件的出現資訊，在電子地圖上標注所述目標物件的出現點位及出現次數；對電子地圖上的出現點位按照所述出現時間進行連接，形成第一軌跡。
作為一種實施方式，所述處理模組40，還被配置為：從所述目標物件的同行人員中確定出第一同行人；調取所述第一同行人的第二軌跡；將所述目標物件的第一軌跡和所述第一同行人的第二軌跡作對比展示。
上述方案中，可選地，所述裝置還包括：檔案建立模組50，被配置為：對第一資料庫中的圖像資料進行聚類處理得到聚類處理結果；其中，所述第一資料庫基於圖像採集裝置快照到的人像圖像形成；對第二資料庫中的圖像資料進行聚合處理得到聚合處理結果；其中，所述第二資料庫基於實名的圖像資訊形成；將所述聚類處理結果與所述聚合處理結果進行關聯分析，得到聚合檔案資料。
作為一種實施方式，所述檔案建立模組50，還被配置為：從所述第一資料庫中的圖像資料提取出人臉圖像資料；將所述人臉圖像資料分成若干類，所述若干類中的每個類都有一個類中心，且所述類中心包括類中心特徵值。
作為一種實施方式，所述檔案建立模組50，還被配置為：將身份證號相同的圖像資料聚合為一個圖像庫；建立所述圖像庫與所述身份證號對應的文本資訊的關聯關係，得到聚合處理結果，所述聚合處理結果中每一身份證號對應唯一檔案資料。
作為一種實施方式，所述檔案建立模組50，還被配置為：將第一資料庫中每個類中心特徵值與第二資料庫各個參考類中心特徵值進行全量比對得到全量比對結果；基於所述全量對比結果確定出相似度最高並且相似度大於預設閾值的目標參考類中心特徵值；從所述第二資料庫中查找所述目標參考類中心特徵值對應的目標人像和所述目標人像對應的身份資訊；建立所述目標人像對應的身份資訊與所述第一資料庫中類中心特徵值對應的圖像的關聯關係。
作為一種實施方式，所述檔案建立模組50，還被配置為：在向所述第一資料庫新增圖像資料情況下，對新增的圖像資料進行聚類處理，將所述新增的圖像資料中人臉圖像資料分成若干類，從所述第一資料庫中查詢是否有與所述若干類相同的類，如果有與所述若干類中第一類相同的類，則將所述第一類的圖像資料合併到所述第一類的現有檔案中；如果沒有與所述若干類中第二類相同的類，則基於所述第二類建立新的檔案，補充到所述第一資料庫中。
作為一種實施方式，所述檔案建立模組50，還被配置為：在向所述第二資料庫新增圖像資料情況下，從所述第二資料庫中查詢是否有與新增的所述圖像資料相同的身份證號，如果有與所述圖像資料中第一圖像資料相同的第一身份證號，則將所述第一圖像資料合併到所述第一身份證號對應的現有檔案中；如果沒有與所述圖像資料中第二圖像資料相同的第二身份證號，則基於所述第二圖像資料的第二身份證號建立新的檔案，補充到所述第二資料庫中。
本領域技術人員應當理解，在一些可選實施例中，第12圖中所示的資訊處理裝置中的各處理模組的實現功能可參照前述資訊處理方法的相關描述而理解。
本領域技術人員應當理解，在一些可選實施例中，第12圖所示的資訊處理裝置中各處理單元的功能可透過運行於處理器上的程式而實現，也可透過具體的邏輯電路而實現。
實際應用中，上述的確定模組10、獲取模組20、分析模組30、處理模組40和檔案建立模組50的具體結構均可對應於處理器。所述處理器具體的結構可以為中央處理器（CPU，Central Processing Unit）、微處理器（MCU，Micro Controller Unit）、數位訊號處理器（DSP，Digital Signal Processing）或可程式設計邏輯器件（PLC，Programmable Logic Controller）等具有處理功能的電子元器件或電子元器件的集合。其中，所述處理器包括可執行代碼，所述可執行代碼儲存在儲存介質中，所述處理器可以透過匯流排等通訊介面與所述儲存介質中相連，在執行具體的各單元的對應功能時，從所述儲存介質中讀取並運行所述可執行代碼。所述儲存介質用於儲存所述可執行代碼的部分優選為非瞬間儲存介質。
所述確定模組10、獲取模組20、分析模組30、處理模組40和檔案建立模組50可以集成對應於同一處理器，或分別對應不同的處理器；當集成對應於同一處理器時，所述處理器採用時分處理所述確定模組10、獲取模組20、分析模組30、處理模組40和檔案建立模組50對應的功能。
本申請實施例提供的資訊處理裝置，能對目標物件的快照資訊自動分析統計並形成軌跡，還能對同行人員的快照資訊自動分析統計並形成軌跡；支援查看目標物件和同行人員在電子地圖上的軌跡比對、顯示二者的同行點位等，以便確認兩者之間的關係、行動預測等。
本申請實施例還記載了一種資訊處理裝置，所述裝置包括：記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，所述處理器執行所述程式時實現前述任意一個技術方案提供的資訊處理方法。
本申請實施例中，所述處理器執行所述程式時實現：基於聚合檔案資料確定目標物件；獲取所述目標物件的第一快照資訊；對所述第一快照資訊進行分析，得到第一分析結果；根據所述第一分析結果確定所述目標物件的第一軌跡；其中，所述第一分析結果包括所述目標物件的出現資訊。
作為一種實施方式，所述處理器執行所述程式時實現：基聚合檔案資料確定所述目標物件的同行人員；其中，所述同行人員是與所述目標物件在同一圖像採集裝置下前後t秒被快照，且經過聚類出現次數超過預設值的人，所述t為正數；獲取所述同行人員的第二快照資訊；對所述第二快照資訊進行分析，得到第二分析結果；根據所述第二分析結果確定所述同行人員的第二軌跡；其中，所述第二分析結果包括所述同行人員的出現資訊。
作為一種實施方式，所述處理器執行所述程式時實現：基於所述第一快照資訊確定待分析的快照圖像；確定每張所述快照圖像中所述目標物件的出現資訊；其中，所述出現資訊至少包括出現地理位置及出現時間；基於所述出現資訊對所述目標物件在同一地理位置的出現次數進行統計。
作為一種實施方式，所述處理器執行所述程式時實現：建立每張快照圖像與其所得出現資訊的對應關係。
作為一種實施方式，所述處理器執行所述程式時實現：建立每張快照圖像與其前後相鄰M張快照圖像的關聯關係；其中，M為正數。
作為一種實施方式，所述處理器執行所述程式時實現：基於所述目標物件的出現資訊，在電子地圖上標注所述目標物件的出現點位及出現次數；對電子地圖上的出現點位按照所述出現時間進行連接，形成第一軌跡。
作為一種實施方式，所述處理器執行所述程式時實現：從所述目標物件的同行人員中確定出第一同行人；調取所述第一同行人的第二軌跡；將所述目標物件的第一軌跡和所述第一同行人的第二軌跡作對比展示。
作為一種實施方式，所述處理器執行所述程式時實現：對第一資料庫中的圖像資料進行聚類處理得到聚類處理結果；其中，所述第一資料庫基於圖像採集裝置快照到的人像圖像形成；對第二資料庫中的圖像資料進行聚合處理得到聚合處理結果；其中，所述第二資料庫基於實名的圖像資訊形成；將所述聚類處理結果與所述聚合處理結果進行關聯分析，得到聚合檔案資料。
作為一種實施方式，所述處理器執行所述程式時實現：從所述第一資料庫中的圖像資料提取出人臉圖像資料；將所述人臉圖像資料分成若干類，所述若干類中的每個類都有一個類中心，且所述類中心包括類中心特徵值。
作為一種實施方式，所述處理器執行所述程式時實現：將身份證號相同的圖像資料聚合為一個圖像庫；建立所述圖像庫與所述身份證號對應的文本資訊的關聯關係，得到聚合處理結果，所述聚合處理結果中每一身份證號對應唯一檔案資料。
作為一種實施方式，所述處理器執行所述程式時實現：將所述第一資料庫中每個類中心特徵值與所述第二資料庫各個參考類中心特徵值進行全量比對得到全量比對結果；基於所述全量對比結果確定出相似度最高並且相似度大於預設閾值的目標參考類中心特徵值；從所述第二資料庫中查找所述目標參考類中心特徵值對應的目標人像和所述目標人像對應的身份資訊；建立所述目標人像對應的身份資訊與所述第一資料庫中類中心特徵值對應的圖像的關聯關係。
作為一種實施方式，所述處理器執行所述程式時實現：在向所述第一資料庫新增圖像資料情況下，對新增的圖像資料進行聚類處理，將所述新增的圖像資料中人臉圖像資料分成若干類，從所述第一資料庫中查詢是否有與所述若干類相同的類，如果有與所述若干類中第一類相同的類，則將所述第一類的圖像資料合併到所述第一類的現有檔案中；如果沒有與所述若干類中第二類相同的類，則基於所述第二類建立新的檔案，補充到所述第一資料庫中。
作為一種實施方式，所述處理器執行所述程式時實現：在向所述第二資料庫新增圖像資料情況下，從所述第二資料庫中查詢是否有與新增的所述圖像資料相同的身份證號，如果有與所述圖像資料中第一圖像資料相同的第一身份證號，則將所述第一圖像資料合併到所述第一身份證號對應的現有檔案中；如果沒有與所述圖像資料中第二圖像資料相同的第二身份證號，則基於所述第二圖像資料的第二身份證號建立新的檔案，補充到所述第二資料庫中。
本申請實施例提供的資訊處理裝置，能對目標物件的快照資訊自動分析統計並形成軌跡，還能對同行人員的快照資訊自動分析統計並形成軌跡；支援查看目標物件和同行人員在電子地圖上的軌跡比對、顯示二者的同行點位等，以便確認兩者之間的關係、行動預測等。
本申請實施例還記載了一種電腦儲存介質，所述電腦儲存介質中儲存有電腦可執行指令，所述電腦可執行指令用於執行前述各個實施例所述的資訊處理方法。也就是說，所述電腦可執行指令被處理器執行之後，能夠實現前述任意一個技術方案提供的資訊處理方法。
本領域技術人員應當理解，本實施例的電腦儲存介質中各程式的功能，可參照前述各實施例所述的資訊處理方法的相關描述而理解。該電腦儲存介質可以是易失性電腦可讀儲存介質或非易失性電腦可讀儲存介質。
本揭露實施例還提供了一種電腦程式產品，包括電腦可讀代碼，當電腦可讀代碼在設備上運行時，設備中的處理器執行用於實現如上任一實施例提供的資訊處理方法。
該上述電腦程式產品可以具體透過硬體、軟體或其結合的方式實現。在一個可選實施例中，所述電腦程式產品具體體現為電腦儲存介質，在另一個可選實施例中，電腦程式產品具體體現為軟體產品，例如軟體開發套件（Software Development Kit，SDK）等等。
本領域技術人員應當理解，本實施例的電腦儲存介質中各程式的功能，可參照前述各實施例所述的資訊處理方法的相關描述而理解。
本申請所述技術方案，自動將同一人在影片監控中的快照圖像與既有靜態人員資料庫結合，便於警方將線索串聯、提高破案效率。比如，偵破團夥犯罪時，根據同行人找到其他犯罪嫌疑人；透過分析嫌疑人的同行人，瞭解嫌疑人的社會關係，進而排查其身份與行蹤。而且，能夠將每人的所有快照圖像形成軌跡，並且支援同行人篩選，鎖定某個同行人後，查看目標物件和同行人在地圖上的軌跡比對、顯示二者的同行點位等，以便確認兩者之間的關係、行動預測等。
還應理解，本文中列舉的各個可選實施例僅僅是示例性的，用於幫助本領域技術人員更好地理解本申請實施例的技術方案，而不應理解成對本申請實施例的限定，本領域普通技術人員可以在本文所記載的各個可選實施例的基礎上進行各種改變和替換，也應理解為本申請實施例的一部分。
此外，本文對技術方案的描述著重於強調各個實施例的不同之處，其相同或相似之處可以相互參考，為了簡潔，不再一一贅述。
在本申請所提供的幾個實施例中，應該理解到，所揭露的設備和方法，可以透過其它的方式實現。以上所描述的設備實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，如：多個單元或元件可以結合，或可以集成到另一個系統，或一些特徵可以忽略，或不執行。另外，所顯示或討論的各組成部分相互之間的耦合、或直接耦合、或通訊連接可以是透過一些介面，設備或單元的間接耦合或通訊連接，可以是電性的、機械的或其它形式的。
上述作為分離部件說明的單元可以是、或也可以不是物理上分開的，作為單元顯示的部件可以是、或也可以不是物理單元；既可以位於一個地方，也可以分佈到多個網路單元上；可以根據實際的需要選擇其中的部分或全部單元來實現本實施例方案的目的。
另外，在本申請各實施例中的各功能單元可以全部集成在一個處理單元中，也可以是各單元分別單獨作為一個單元，也可以兩個或兩個以上單元集成在一個單元中；上述集成的單元既可以採用硬體的形式實現，也可以採用硬體加軟體功能單元的形式實現。
本領域普通技術人員可以理解：實現上述方法實施例的全部或部分步驟可以透過程式指令相關的硬體來完成，前述的程式可以儲存於電腦可讀取儲存介質中，該程式在執行時，執行包括上述方法實施例的步驟；而前述的儲存介質包括：移動存放裝置、唯讀記憶體（ROM，Read-Only Memory）、隨機存取記憶體（RAM，Random Access Memory）、磁碟或者光碟等各種可以儲存程式碼的介質。
或者，本申請上述集成的單元如果以軟體功能模組的形式實現並作為獨立的產品銷售或使用時，也可以儲存在一個電腦可讀取儲存介質中。基於這樣的理解，本申請實施例的技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來，該電腦軟體產品儲存在一個儲存介質中，包括若干指令用以使得一台電腦設備（可以是個人電腦、伺服器、或者網路設備等）執行本申請各個實施例所述方法的全部或部分。而前述的儲存介質包括：移動存放裝置、ROM、RAM、磁碟或者光碟等各種可以儲存程式碼的介質。
以上所述，僅為本申請的具體實施方式，但本申請的保護範圍並不局限於此，任何熟悉本技術領域的技術人員在本申請揭露的技術範圍內，可輕易想到變化或替換，都應涵蓋在本申請的保護範圍之內。因此，本申請的保護範圍應以所述請求項的保護範圍為准。 工業實用性
本申請實施例提供的技術方案，基於聚合檔案資料確定目標物件；獲取所述目標物件的第一快照資訊；對所述第一快照資訊進行分析，得到第一分析結果；根據所述第一分析結果確定所述目標物件的第一軌跡；如此，可對目標物件的快照資訊自動分析統計並形成軌跡，提高了確定目標物件軌跡的速度。
301,302,303,304:步驟 10:確定模組 20:獲取模組 30:分析模組 40:處理模組 50:檔案建立模組
此處的附圖被併入說明書中並構成本說明書的一部分，這些附圖示出了符合本揭露的實施例，並與說明書一起用於說明本揭露的技術方案。
第1圖為本申請實施例提供的檔案建立流程示意圖； 第2圖為本申請實施例提供的快照庫聚類的演算法原理示意圖； 第3圖為本申請實施例提供的一種資訊處理方法的實現流程示意圖； 第4圖為本申請實施例提供的快照紀錄對應的快照點位查詢介面示意圖； 第5圖為本申請實施例提供的快照紀錄對應的目標軌跡查詢介面示意圖； 第6圖為本申請實施例提供的同行人分析的同行人關係網查詢介面示意圖； 第7圖為本申請實施例提供的同行人分析的篩選同行人介面示意圖； 第8圖為本申請實施例提供的目標物件與同行人的軌跡示意圖； 第9圖為本申請實施例提供的點擊影片源點位進入詳情示意圖； 第10圖為本申請實施例提供的目標物件與同行人的同行點位示意圖一； 第11圖為本申請實施例提供的目標物件與同行人的同行點位示意圖二； 第12圖為本申請實施例提供的一種資訊處理裝置的組成結構示意圖。
301,302,303,304:步驟

Claims (13)

  1. 一種資訊處理方法，所述方法包括：基於聚合檔案資料確定目標物件；獲取所述目標物件的第一快照資訊；對所述第一快照資訊進行分析，得到第一分析結果；根據所述第一分析結果確定所述目標物件的第一軌跡；其中，所述第一分析結果包括：所述目標物件的出現資訊；所述方法還包括：對第一資料庫中的圖像資料進行聚類處理得到聚類處理結果；其中，所述第一資料庫基於圖像採集裝置快照到的人像圖像形成；對第二資料庫中的圖像資料進行聚合處理得到聚合處理結果；其中，所述第二資料庫基於實名的圖像資訊形成；將所述聚類處理結果與所述聚合處理結果進行關聯分析，得到聚合檔案資料。
  2. 根據請求項1所述的方法，其中，所述方法還包括：基於聚合檔案資料確定所述目標物件的同行人員；其中，所述同行人員是在快照到所述目標物件的圖像採集裝置在目標時間點前後t秒的快照圖像中出現的除所述目標物件之外的人，所述目標時間點為所述圖像採集裝置快照到所述目標物件的時間點；獲取所述同行人員的第二快照資訊；對所述第二快照資訊進行分析，得到第二分析結果；根據所述第二分析結果確定所述同行人員的第二軌跡；其中，所述第二分析結果包括：所述同行人員的出現資訊。
  3. 根據請求項1或2所述的方法，其中，所述對所述第一快照資 訊進行分析，得到第一分析結果，包括：基於所述第一快照資訊確定待分析的快照圖像；確定每張所述快照圖像中所述目標物件的出現資訊；其中，所述出現資訊至少包括出現地理位置及出現時間；基於所述出現資訊對所述目標物件在同一地理位置的出現次數進行統計。
  4. 根據請求項3所述的方法，其中，所述第一分析結果還包括以下至少一種：每張快照圖像與其所述出現資訊的對應關係；每張快照圖像與其前後相鄰M張快照圖像的關聯關係，所述M為正數。
  5. 根據請求項3所述的方法，其中，所述根據所述第一分析結果確定所述目標物件的第一軌跡，包括：基於所述目標物件的出現資訊，在電子地圖上標注所述目標物件的出現點位及出現次數；對電子地圖上的出現點位按照所述出現時間進行連接，形成第一軌跡。
  6. 根據請求項2所述的方法，其中，所述方法還包括：從所述目標物件的同行人員中確定出第一同行人；調取所述第一同行人的第二軌跡；將所述目標物件的第一軌跡和所述第一同行人的第二軌跡作對比展示。
  7. 根據請求項1所述的方法，其中，所述對第一資料庫中的圖像資料進行聚類處理，包括：從所述第一資料庫中的圖像資料提取出人臉圖像資料；將所述人臉圖像資料分成若干類，所述若干類中的每個類都有一個類中心，且所述類中心包括類中心特徵值。
  8. 根據請求項1所述的方法，其中，所述對第二資料庫中的圖像 資料進行聚合處理得到聚合處理結果，包括：將身份證號相同的圖像資料聚合為一個圖像庫；建立所述圖像庫與所述身份證號對應的文本資訊的關聯關係，得到聚合處理結果，所述聚合處理結果中每一身份證號對應唯一檔案資料。
  9. 根據請求項1所述的方法，其中，所述將所述聚類處理結果與所述聚合處理結果進行關聯分析，包括：將所述第一資料庫中每個類中心特徵值與所述第二資料庫各個參考類中心特徵值進行全量比對得到全量比對結果；基於所述全量對比結果確定出相似度最高並且相似度大於預設閾值的目標參考類中心特徵值；從所述第二資料庫中查找所述目標參考類中心特徵值對應的目標人像和所述目標人像對應的身份資訊；建立所述目標人像對應的身份資訊與所述第一資料庫中類中心特徵值對應的圖像的關聯關係。
  10. 根據請求項1所述的方法，其中，所述方法還包括：在向所述第一資料庫新增圖像資料情況下，對新增的圖像資料進行聚類處理，將所述新增的圖像資料中人臉圖像資料分成若干類，從所述第一資料庫中查詢是否有與所述若干類相同的類，如果有與所述若干類中第一類相同的類，則將所述第一類的圖像資料合併到所述第一類的現有檔案中；如果沒有與所述若干類中第二類相同的類，則基於所述第二類建立新的檔案，補充到所述第一資料庫中。
  11. 根據請求項1所述的方法，其中，所述方法還包括：在向所述第二資料庫新增圖像資料情況下，從所述第二資料庫中查詢是否有與新增的所述圖像資料相同的身份證號，如果有與所述圖像資料中第一圖像 資料相同的第一身份證號，則將所述第一圖像資料合併到所述第一身份證號對應的現有檔案中；如果沒有與所述圖像資料中第二圖像資料相同的第二身份證號，則基於所述第二圖像資料的第二身份證號建立新的檔案，補充到所述第二資料庫中。
  12. 一種資訊處理裝置，所述裝置包括：記憶體、處理器及儲存在記憶體上並可在處理器上運行的電腦程式，其中，所述處理器執行所述程式時實現請求項1至11任一項所述的資訊處理方法。
  13. 一種儲存介質，所述儲存介質儲存有電腦程式，所述電腦程式被處理器執行時，使得所述處理器執行請求項1至11任一項所述的資訊處理方法。
TW109119861A 2019-06-28 2020-06-12 一種資訊處理方法及裝置、儲存介質 TWI740537B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910577496.1 2019-06-28
CN201910577496.1A CN110334231A (zh) 2019-06-28 2019-06-28 一种信息处理方法及装置、存储介质

Publications (2)

Publication Number Publication Date
TW202101443A TW202101443A (zh) 2021-01-01
TWI740537B true TWI740537B (zh) 2021-09-21

Family

ID=68143715

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109119861A TWI740537B (zh) 2019-06-28 2020-06-12 一種資訊處理方法及裝置、儲存介質

Country Status (6)

Country Link
US (1) US20210357678A1 (zh)
JP (1) JP2022518459A (zh)
CN (1) CN110334231A (zh)
SG (1) SG11202108246UA (zh)
TW (1) TWI740537B (zh)
WO (1) WO2020259100A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110334231A (zh) * 2019-06-28 2019-10-15 深圳市商汤科技有限公司 一种信息处理方法及装置、存储介质
CN110765121B (zh) * 2019-10-31 2022-09-20 上海意臣信息科技有限公司 一种大数据智能采集处理方法和系统
CN111435435B (zh) * 2019-12-10 2024-06-07 杭州海康威视数字技术股份有限公司 一种同伴识别方法、装置、服务器及系统
CN111104915B (zh) * 2019-12-23 2023-05-16 云粒智慧科技有限公司 一种同行分析方法、装置、设备和介质
CN111291682A (zh) * 2020-02-07 2020-06-16 浙江大华技术股份有限公司 确定目标对象的方法、装置、存储介质及电子装置
CN111625686A (zh) * 2020-05-20 2020-09-04 深圳市商汤科技有限公司 数据处理方法及装置、电子设备和存储介质
CN112528099A (zh) * 2020-12-17 2021-03-19 青岛以萨数据技术有限公司 一种基于大数据的人员同行分析方法、系统、设备及介质
CN113793363A (zh) * 2021-09-27 2021-12-14 重庆紫光华山智安科技有限公司 目标跟踪方法及相关装置
CN114155360A (zh) * 2021-11-17 2022-03-08 浙江大华技术股份有限公司 一种图像集补全方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018176485A1 (zh) * 2017-04-01 2018-10-04 深圳市大疆创新科技有限公司 身份认证服务器、身份认证终端、身份认证系统及方法
TWI647632B (zh) * 2014-06-25 2019-01-11 沈鉦諺 Cluster data sharing method and system thereof
CN109800673A (zh) * 2018-12-28 2019-05-24 上海依图网络科技有限公司 一种归档方法及装置
CN109858365A (zh) * 2018-12-28 2019-06-07 深圳云天励飞技术有限公司 一种特殊人群聚集行为分析方法、装置及电子设备

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013192154A (ja) * 2012-03-15 2013-09-26 Omron Corp 監視装置、信頼度算出プログラム、および信頼度算出方法
JP6210650B2 (ja) * 2014-01-23 2017-10-11 株式会社日立国際電気 画像検索システム及び画像検索方法
CN104133917B (zh) * 2014-08-15 2018-08-10 百度在线网络技术（北京）有限公司 照片的分类存储方法及装置
JP6885682B2 (ja) * 2016-07-15 2021-06-16 パナソニックｉ−ＰＲＯセンシングソリューションズ株式会社 監視システム、管理装置、及び監視方法
CN108229335A (zh) * 2017-12-12 2018-06-29 深圳市商汤科技有限公司 关联人脸识别方法和装置、电子设备、存储介质、程序
CN108733819B (zh) * 2018-05-22 2021-07-06 深圳云天励飞技术有限公司 一种人员档案建立方法和装置
CN109034944B (zh) * 2018-06-19 2022-07-15 创新先进技术有限公司 同人多用户的数据信息维护方法及装置
CN109117714B (zh) * 2018-06-27 2021-02-26 北京旷视科技有限公司 一种同行人员识别方法、装置、系统及计算机存储介质
CN109086829A (zh) * 2018-08-14 2018-12-25 东方网力科技股份有限公司 一种社会人口治理的方法及装置
CN109241378A (zh) * 2018-08-29 2019-01-18 北京旷视科技有限公司 档案建立方法、装置、设备及存储介质
CN109711874A (zh) * 2018-12-17 2019-05-03 平安科技（深圳）有限公司 用户画像生成方法、装置、计算机设备和存储介质
CN109800329B (zh) * 2018-12-28 2021-07-02 上海依图网络科技有限公司 一种监控方法及装置
CN109784217A (zh) * 2018-12-28 2019-05-21 上海依图网络科技有限公司 一种监控方法及装置
CN110334231A (zh) * 2019-06-28 2019-10-15 深圳市商汤科技有限公司 一种信息处理方法及装置、存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI647632B (zh) * 2014-06-25 2019-01-11 沈鉦諺 Cluster data sharing method and system thereof
WO2018176485A1 (zh) * 2017-04-01 2018-10-04 深圳市大疆创新科技有限公司 身份认证服务器、身份认证终端、身份认证系统及方法
CN109800673A (zh) * 2018-12-28 2019-05-24 上海依图网络科技有限公司 一种归档方法及装置
CN109858365A (zh) * 2018-12-28 2019-06-07 深圳云天励飞技术有限公司 一种特殊人群聚集行为分析方法、装置及电子设备

Also Published As

Publication number Publication date
US20210357678A1 (en) 2021-11-18
WO2020259100A1 (zh) 2020-12-30
TW202101443A (zh) 2021-01-01
SG11202108246UA (en) 2021-08-30
CN110334231A (zh) 2019-10-15
JP2022518459A (ja) 2022-03-15

Similar Documents

Publication Publication Date Title
TWI740537B (zh) 一種資訊處理方法及裝置、儲存介質
TWI743835B (zh) 一種資訊處理方法及裝置、儲存介質
KR101417548B1 (ko) 사진 콜렉션에서 이벤트들을 생성하고 라벨링하는 방법 및 시스템
WO2021063011A1 (zh) 行为分析方法、装置、电子设备、存储介质和计算机程序
CN109635146B (zh) 一种基于图像特征的目标查询方法及系统
CN111078922A (zh) 一种信息处理方法及装置、存储介质
US10719735B2 (en) Information processing method, information processing device and video surveillance system
KR101832680B1 (ko) 참석자들에 의한 이벤트 검색
CN109800664B (zh) 一种确定路人轨迹的方法及装置
CN112818149A (zh) 一种基于时空轨迹数据的人脸聚类方法、装置及存储介质
CN109784220B (zh) 一种确定路人轨迹的方法及装置
Adams et al. Extraction of social context and application to personal multimedia exploration
US11347739B2 (en) Performing a chained search function
CN109857891A (zh) 一种查询方法及装置
US20210319226A1 (en) Face clustering in video streams
CN112579593A (zh) 人口库分库方法和装置
CN110543584A (zh) 一种建立人脸索引的方法、装置、处理服务器及存储介质
KR101479260B1 (ko) 사진 기반 인물 친밀도 검색 방법
Stonebraker et al. Surveillance video querying with a human-in-the-loop
Trad et al. Large scale visual-based event matching
CN114359611A (zh) 目标聚档方法、计算机设备及存储装置
CN112487082B (zh) 一种生物特征识别的方法及相关设备
CN112925899A (zh) 排序模型建立方法、案件线索推荐方法、装置及介质
CN111694979A (zh) 一种基于图像的档案管理方法、系统、设备和介质
Oliveira-Barra et al. Leveraging activity indexing for egocentric image retrieval