TWI743835B - 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 PDFInfo
- Publication number
- TWI743835B TWI743835B TW109120078A TW109120078A TWI743835B TW I743835 B TWI743835 B TW I743835B TW 109120078 A TW109120078 A TW 109120078A TW 109120078 A TW109120078 A TW 109120078A TW I743835 B TWI743835 B TW I743835B
- Authority
- TW
- Taiwan
- Prior art keywords
- database
- image
- peers
- image data
- target object
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- 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
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F18/24—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
- G06F18/24137—Distances to cluster centroïds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06V10/768—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using context analysis, e.g. recognition aided by known co-occurring patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- 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
-
- 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
-
- 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
-
- 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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- 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
Abstract
本申請實施例公開了一種資訊處理方法、裝置及儲存介質，其中，所述的方法包括：獲取第一輸入資訊；其中，所述第一輸入資訊至少包括含有目標對象的圖像；基於所述第一輸入資訊獲取抓拍到所述目標對象的圖像採集裝置在目標時間點前後N秒的抓拍圖像，所述目標時間點為所述圖像採集裝置抓拍到所述目標對象的時間點；從所述抓拍圖像中確定出所述目標對象的同行人；基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，所述聚合檔案資料中同一個人對應有唯一的檔案。
Description
本申請關於電腦領域中的資訊處理技術，具體關於一種資訊處理方法、裝置及儲存介質。
公安部門在日常進行一些案件偵破的時候，很可能出現無目標嫌疑人的人臉圖片以及其他有利於破案的相關資訊的情況，此時針對此人進行的人員檔案分析工作難以開展。但有時候，犯罪分子會以團夥作案的形式實施犯罪活動，即有時候目標嫌疑人有可疑的同行人員。當嫌疑人的線索受阻或需要查找某個犯罪團夥時，通過查找嫌疑人的同行人員可以為破案提供有效線索。因此，如何確定嫌疑人的同行人員，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，能快速識別目標對象的同行人員。
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：
獲取第一輸入資訊；其中，所述第一輸入資訊至少包括含有目標對象的圖像；
基於所述第一輸入資訊獲取抓拍到所述目標對象的圖像採集裝置在目標時間點前後N秒的抓拍圖像，所述目標時間點為所述圖像採集裝置抓拍到所述目標對象的時間點；
從所述抓拍圖像中確定出所述目標對象的同行人；
基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，所述聚合檔案資料中同一個人對應有唯一的檔案。
在一種可能的實現方式中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，包括：
基於聚合檔案資料確定所有同行人的相關資訊；
其中，同行人的相關資訊，包括：
對於未能實名的同行人，相關資訊至少包括系統內第一資料庫中關於所述同行人的各個抓拍圖像；
對於已實名的同行人，相關資訊至少包括系統內第二資料庫中的圖像資訊和文本資訊。
在一種可能的實現方式中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，還包括：
確定所有同行人與所述目標對象的同行次數；
基於所述同行次數對所述所有同行人進行排序得到同行人序列。
在一種可能的實現方式中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，還包括：
從所述同行人序列中確定出第一同行人；
確定所述目標對象與所述第一同行人的所有同行記錄；
其中，所述同行記錄至少包括：所述目標對象與所述第一同行人的抓拍圖像、抓拍時間、圖像採集裝置的標識資訊。
在一種可能的實現方式中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，還包括：
基於所述同行人序列確定K個同行人；其中，K為正整數；
確定所述目標對象與所述K個同行人的所有同行記錄；
其中，所述同行記錄至少包括：所述目標對象與所述K個同行人的抓拍圖像、抓拍時間、圖像採集裝置的標識資訊。
在一種可能的實現方式中，所述方法還包括：
獲取由指定圖像採集裝置採集的指定視頻流；
從所述所有同行記錄中查找在所述指定視頻流下所述目標對象與所述K個同行人的同行記錄。
在一種可能的實現方式中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，還包括：
基於所述目標對象與所述K個同行人的所有同行記錄，統計在各個圖像採集裝置下所述K個同行人的抓拍次數。
在一種可能的實現方式中，所述獲取第一輸入資訊之前，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抓拍到的人像圖像形成；
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。
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：
第一獲取模組，被配置為獲取第一輸入資訊；其中，所述第一輸入資訊至少包括含有目標對象的圖像；
第二獲取模組，被配置為基於所述第一輸入資訊獲取抓拍到所述目標對象的圖像採集裝置在目標時間點前後N秒的抓拍圖像，所述目標時間點為所述圖像採集裝置抓拍到所述目標對象的時間點；
確定模組，被配置為從所述抓拍圖像中確定出所述目標對象的同行人；
處理模組，被配置為基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，所述聚合檔案資料中同一個人對應有唯一的檔案。
在一種可能的實現方式中，所述處理模組，還被配置為：
基於聚合檔案資料確定所有同行人的相關資訊；
其中，同行人的相關資訊，包括：
對於未能實名的同行人，相關資訊至少包括系統內第一資料庫中關於所述同行人的各個抓拍圖像；
對於已實名的同行人，相關資訊至少包括系統內第二資料庫中的圖像資訊和文本資訊。
在一種可能的實現方式中，所述處理模組，還被配置為：
確定所有同行人與所述目標對象的同行次數；
基於所述同行次數對所述所有同行人進行排序得到同行人序列。
在一種可能的實現方式中，所述處理模組，還被配置為：
從所述同行人序列中確定出第一同行人；
確定所述目標對象與所述第一同行人的所有同行記錄；
其中，所述同行記錄至少包括：所述目標對象與所述第一同行人的抓拍圖像、抓拍時間、圖像採集裝置的標識資訊。
在一種可能的實現方式中，所述處理模組，還被配置為：
基於所述同行人序列確定K個同行人；其中，K為正整數；
確定所述目標對象與所述K個同行人的所有同行記錄；
其中，所述同行記錄至少包括：所述目標對象與所述K個同行人的抓拍圖像、抓拍時間、圖像採集裝置的標識資訊。
在一種可能的實現方式中，所述處理模組，還被配置：
獲取由指定圖像採集裝置採集的指定視頻流；
從所述所有同行記錄中查找在所述指定視頻流下所述目標對象與所述K個同行人的同行記錄。
在一種可能的實現方式中，所述處理模組，被配置：
基於所述目標對象與所述K個同行人的所有同行記錄，統計在各個圖像採集裝置下所述K個同行人的抓拍次數。
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抓拍到的人像圖像形成；
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申請實施例所述的資訊處理方法。
本申請實施例提供的技術方案，獲取第一輸入資訊；其中，所述第一輸入資訊至少包括含有目標對象的圖像；基於所述第一輸入資訊獲取抓拍到所述目標對象的圖像採集裝置在目標時間點前後N秒的抓拍圖像，所述目標時間點為所述圖像採集裝置抓拍到所述目標對象的時間點；從所述抓拍圖像中確定出所述目標對象的同行人；基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，所述聚合檔案資料中同一個人對應有唯一的檔案；這樣，通過自動對多張抓拍圖像進行分析能快速識別目標對象的同行人員，且由於聚合檔案資料是基於一人一檔而建立的，有助於快速確定同行人員的相關資訊。
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，而非限制本申請。
以下將參考附圖詳細說明本申請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對象的關聯關係，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，為了更好地說明本申請實施例，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，本申請實施例同樣可以實施。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，以便於凸顯本申請實施例的主旨。
可以理解，本申請提及的上述各個方法實施例，在不違背原理邏輯的情況下，均可以彼此相互結合形成結合後的實施例，限於篇幅，本申請實施例不再贅述。
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。
本申請實施例提供一種資訊處理方法，如圖1所示，所述方法主要包括如下。
步驟101、獲取第一輸入資訊；其中，所述第一輸入資訊至少包括目標對象的圖像。
在一種可能的實現方式中，所述第一輸入資訊還可包括下述至少之一：
時間資訊、空間資訊、圖像採集裝置的標識資訊。
需要說明的是，每個圖像採集裝置都具有一個唯一表徵所述圖像採集裝置的標識。
這裡，所述空間資訊至少包括地理位置資訊。
這裡，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抓拍機。
示例性地，所述第一輸入資訊可以由公職人員如員警在終端側輸入，所述終端能夠與系統資料庫連接，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。
這裡，所述目標對象的圖像可以是通過圖像採集器如攝影機或相機等採集得到的，還可以是通過掃描器掃描得到的，還可以是通過通信器接收到的。本申請實施例對目標對象的圖像的獲取方式不作限定。
步驟102、基於所述第一輸入資訊獲取抓拍到所述目標對象的圖像採集裝置在目標時間點前後N秒的抓拍圖像，所述目標時間點為所述圖像採集裝置抓拍到所述目標對象的時間點。
其中，所述N為正數。
在一可選實施方式中，所述基於所述第一輸入資訊獲取抓拍到所述目標對象的圖像採集裝置在目標時間點前後N秒的抓拍圖像，包括：
基於所述第一輸入資訊確定一個或多個圖像採集裝置；
獲取所述一個或多個圖像採集裝置所採集的圖像或視頻；
從所述圖像或視頻中確定出含有所述目標對象的目標圖像；
以所述目標圖像為基準，從所述圖像或視頻中找出與所述目標圖像在同一圖像採集裝置下目標時間點前後N秒的抓拍圖像。
具體地，根據空間資訊確定一個或多個圖像採集裝置。
舉例來說，當空間資訊表徵A市B社區時，將B社區內的所有攝影機確定為待核查的圖像採集裝置。
舉例來說，B社區內共有10個攝影機，攝影機1、3、9抓拍到了目標對象X，那麼，攝影機1拍到了含有目標對象X的圖像1，以該圖像1為基準，該攝影機1在拍到圖像1前後N秒內所採集的圖像，均被視為可能含有目標對象X的同行人員的抓拍圖像，記為抓拍庫1。同理，攝影機3拍到了目標對象X的圖像3，以該圖像3為基準，該攝影機3在拍到圖像3前後N秒內所採集的圖像，均被視為可能包含目標對象X的同行人員的抓拍圖像，記為抓拍庫3。同理，攝影機9拍到了目標對象X的圖像9，以該圖像9為基準，該攝影機9在拍到圖像9前後N秒內所採集的圖像，也均被視為可能包含目標對象X的同行人員的抓拍圖像，記為抓拍庫9。那麼，可能包含目標對象X的同行人員的抓拍圖像，由抓拍庫1、抓拍庫3和抓拍庫9組成，在步驟103中，需要對這三個抓拍庫中的圖像進行分析。
步驟103、從所述抓拍圖像中確定出所述目標對象的同行人。
在一可選實施方式中，所述從所述抓拍圖像中確定出所述目標對象的同行人，包括：
確定在抓拍圖像中出現的除目標對象之外的人員；
將所述除目標對象之外的人員確定為目標對象的同行人。
也就是說，查找抓拍到目標對象圖像的圖像採集裝置在目標時間點前後N秒的M幅抓拍圖像，將這M幅圖像中出現的除目標對象之外的人員定義為目標對象的同行人。
步驟104、基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，所述聚合檔案資料中同一個人對應有唯一的檔案。
在本申請實施例中，所述聚合檔案資料是基於聚類分析而建立得到的系統檔案資料。所述聚合檔案資料儲存於系統資料庫中，所述系統資料庫至少分為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抓拍到的人像圖像形成；所述第二資料庫基於實名的圖像資訊形成。
為方便理解，可將所述第一資料庫稱為抓拍人像庫，其根據圖像採集裝置抓拍到的人像圖所形成；可將第二資料庫稱之為靜態人像庫，其根據已實名認證的公民人口資訊如身份證形成。
在一些可選實施方式中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，包括：
基於聚合檔案資料確定所有同行人的相關資訊；
其中，同行人的相關資訊，包括：
對於未能實名的同行人，相關資訊至少包括第一資料庫中關於所述同行人的各個抓拍圖像；
對於已實名的同行人，相關資訊至少包括第二資料庫中的圖像資訊、文本資訊。
這樣，基於聚合檔案資料對抓拍圖像進行統計分析，能夠快速獲取目標對象的同行人的相關資訊，如此，可説明查找嫌犯同夥、建立實名關係網絡，進而大大方便排查工作。
在一個具體例子中，終端側獲取輸入資訊，所述輸入資訊包括嫌疑人Q，時間段（可精確到秒級）、攝影機標識、前後t秒，終端側基於該輸入資訊，找到可能包含嫌疑人Q的同行人的所有抓拍圖像，基於與該終端連接的系統資料庫，對抓拍圖像進行聚合，將屬於同一個檔案的抓拍圖像聚合到一起。終端在接收到輸出指令時，輸出嫌疑人Q的所有同行人的相關資訊；其中，同行人的相關資訊，具體分為已實名的同行人和未實名的同行人，具體地，已實名的同行人包括：庫裡的圖片以及身份證號、姓名、住址、民族等文本資訊；未實名的同行人包括：抓拍小圖。這裡，所述抓拍小圖是相對於抓拍圖像而言的，是抓拍圖像中的部分圖像。
在一些可選實施方式中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，還包括：
確定所有同行人與所述目標對象的同行次數；
基於所述同行次數對所述所有同行人進行排序得到同行人序列。
仍以上述具體例子為例，終端在接收到關於同行次數的輸出指令時，輸出嫌疑人Q的所有同行人的同行次數，並按照同行次數由高到低或由低到高排序輸出。
圖2為本申請實施例提供的同行次數查詢結果示意圖，如圖2所示，在查詢結果介面中，左側顯示有同行人頭像、與該同行人相關的最近30天抓拍次數曲線圖、最多抓拍時間段直條圖、捕捉到該同行人的攝影機所在位置，右側顯示有同行人在不同區域的同行次數。如此，關於同行人的同行次數等資訊顯示地非常清晰，可幫助查找嫌犯同夥、建立同行人關係網絡，大大方便排查工作。
需要說明的是，可以理解，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。
在一些可選實施方式中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，還包括：
從所述同行人序列中確定出第一同行人；
確定所述目標對象與所述第一同行人的所有同行記錄；
其中，所述同行記錄至少包括：所述目標對象與所述第一同行人的抓拍圖像、抓拍時間、圖像採集裝置的標識資訊。
這裡，所述第一同行人是所有同行人中的任意一人。
如此，在得到同行次數的基礎上，可以查詢目標對象與單個同行人的詳細同行記錄。
在一個具體例子中，終端側在確定出嫌疑人Q的所有同行人的同行次數及同行人的相關資訊的情況下，接收輸入資訊，所述輸入資訊包括同行人G（同行人G是所有同行人中的一個），終端查找嫌疑人Q與同行人G的所有同行記錄。終端在接收到輸出指令時，輸出Q與G每次同行的相關資訊：包括Q與G的抓拍小圖、大圖、抓拍時間、攝影機資訊，並支援按抓拍時間順序與倒序的方式，對結果進行排序顯示。這裡，所述抓拍小圖是相對於抓拍圖像而言的，是抓拍圖像中的部分圖像；抓拍大圖是相對於抓拍小圖而言的，是抓拍圖像整體。
也就是說，終端支援下述資料查詢方式：目標對象檔案ID+一個同行人檔案ID＋時間範圍+攝影機ID，分頁排序列表查詢。
圖3為本申請實施例提供的目標對象與單個同行人的同行記錄查詢結果示意圖，如圖3所示，在圖2結果示意圖基礎上，左側顯示目標對象與同行人的抓拍圖、捕捉到該目標對象與同行人的攝影機所屬區域以及攝影機資訊，右側顯示關於該目標對象與同行人同行的視頻。如此，關於單個同行人的同行記錄資訊顯示地非常清晰，可幫助查找嫌犯同夥、建立同行人關係網絡，大大方便排查工作。
需要說明的是，可以理解，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。
在一些可選實施方式中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，還包括：
基於所述同行人序列確定K個同行人；其中，K為正整數；
確定所述目標對象與所述K個同行人的所有同行記錄；
其中，所述同行記錄至少包括：所述目標對象與所述K個同行人的抓拍圖像、抓拍時間、圖像採集裝置的標識資訊。
這裡，所述的K個同行人可以理解為在同行人序列中排序靠前的K個同行人。
如此，在得到同行次數的基礎上，可以統計K個同行人的同行記錄。
在一些可選實施方式中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，還包括：
基於所述目標對象與所述K個同行人的所有同行記錄，統計在各個圖像採集裝置下所述K個同行人的抓拍次數。
如此，在得到同行記錄的基礎上，可以統計K個同行人的抓拍次數。
在一個具體例子中，終端側在確定出嫌疑人Q的所有同行人的同行次數及同行人的相關資訊的情況下，接收輸入資訊，所述輸入資訊包括TOP K（取同行次數最多的前K個同行人，K可為不限），終端統計嫌疑人Q的TOP K同行人在各個攝影機下的抓拍次數。終端在接收到輸出指令時，輸出在各個攝影機下嫌疑人Q的同行人的抓拍次數。
也就是說，終端支援下述資料查詢方式：多個同行人檔案ID+時間範圍+多攝影機ID，統計攝影機的抓拍次數。
圖4為本申請實施例提供的同行出現點位查詢結果示意圖，如圖4所示，在圖2結果示意圖基礎上，左側顯示有同行人頭像、與該同行人相關的最近30天抓拍次數曲線圖、最多抓拍時間段直條圖、捕捉到該同行人的攝影機所屬區域，右側顯示在地圖上標注的各個攝影機下的抓拍次數。如此，關於各個攝影機下的同行人的抓拍次數顯示地非常清晰，可幫助查找嫌犯同夥、確定搜查網路，大大方便排查工作。
需要說明的是，可以理解，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。
在一些可選實施方式中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，還包括：
獲取由指定圖像採集裝置採集的指定視頻流；
從所述所有同行記錄中查找在所述指定視頻流下所述目標對象與所述K個同行人的同行記錄。
如此，可以篩選出在指定視頻源出現的TOP K的同行人的同行記錄。
在一個具體例子中，終端側在確定出嫌疑人Q的所有同行人的同行次數及同行人的相關資訊的情況下，接收輸入資訊，該輸入資訊包括TOP K（取同行次數最多的前K個同行人，K可為不限）和視頻源，終端統計在指定視頻源下嫌疑人Q的TOP K同行人的出現點位。終端在接收到輸出指令時，輸出在指定視頻源出現的，一對一對的嫌疑人Q與TOP K的同行人同行的相關資訊：包括Q與同行人的抓拍小圖、大圖、抓拍時間、攝影機資訊，並支援按抓拍時間順序與倒序的方式，對結果進行排序。
也就是說，終端支援下述資料查詢方式：目標對象檔案ID+多個同行人檔案ID+時間範圍+多攝影機ID，分頁排序列表查詢。
圖5為本申請實施例提供的關於單個視頻源的分析結果示意圖，如圖5所示，在圖2結果示意圖基礎上，左側顯示有指定視頻源、所述指定視頻源對應的攝影機資訊、目標對象與同行人的頭像、同行時間，右側顯示在地圖上標注的所述指定視頻源對應的攝影機的位置。如此，對單個指定視頻源進行同行人員分析，可幫助查找嫌犯同夥、確定搜查網路，大大方便排查工作。
需要說明的是，可以理解，介面上的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。
本申請實施例提供的技術方案，通過抓拍圖像確定目標對象的同行人，能快速識別出同行人員；通過基於系統內的聚合檔案資料對同行人進行聚合分析，能快速確定同行人員的相關資訊，有利於提高同行人員的識別準確度。
本申請所述技術方案可應用於智慧視頻分析，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，在同行人分析技戰法中上傳嫌犯照片，設置案發時間段、在案發現場周邊d，可以找到與嫌犯F同行過Y次以上的人員檔案，進而找到同夥軌跡，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。
上述方案中，在步驟101之前，可選地，所述方法還包括：
步驟100（圖1中未示出）：基於聚類分析建立聚合檔案資料。
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抓拍到的人像圖像形成；
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。
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，給出了在眾多人像抓拍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對象的集合，這些對象與同一個類中的對象彼此相似，與其他類的對象相異。
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。
圖6示出了本申請實施例提供的人臉聚類的演算法原理示意圖，如圖6所示，人臉聚類的演算法原理主要包括三步：
第一步：新輸入特徵與底庫類中心進行最近鄰搜索, 通過FAISS指數確定其是否屬於現有底庫，即是否有類別。
這裡，所述FAISS是Facebook AI Similarity Search的縮寫，中文名稱是開源相似性搜索類庫。
第二步：對有類別的特徵的處理：與現有類別聚類，並更新底庫類中心。
第三步：對無類別的特徵的處理：聚類，確定類別, 將新聚類中心加入到底庫類中心中。
圖7示出了本申請實施例提供的人臉聚類的實現流程示意圖，如圖7所示，先確定抓拍庫，再為抓拍庫中每張圖片確定一個特徵，將特徵距離相近（相似度高）的聚合在一類，基於聚合結果將抓拍庫中的圖片進行分類。
圖8示出了本申請實施例提供的人臉聚類的結果示意圖，如圖8所示，左圖中各個圖形表示一個特徵或表示抓拍的一個照片，形狀相似表示相似度越高；右圖是經過聚類處理的圖，根據相似度進行自動聚類，一類表示一個人。
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。
如此，將相似度最高的圖像對應的身份資訊賦予這個抓拍庫的類，使得這類抓拍人像實名。
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，能及時對系統內檔案資料進行更新或補充。
圖9示出了本申請實施例提供的檔案建立流程示意圖，如圖9所示，該流程主要分為入庫、分類、關聯、一人一檔、未實名檔案五大部分。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；對於抓拍庫來說，批量抓拍圖像入庫或接入視頻流，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。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。對於新增抓拍，可批量入庫或單張入庫或接入視頻流，定時觸發聚類，查詢抓拍庫的現有檔案中是否有與新增抓拍相同的類，如果有，將新增抓拍聚合到相同類下的檔案；如果沒有與新增抓拍相同的類，為新增抓拍建立新的檔案，新類的類中心與人像庫撞庫。抓拍庫與人像庫撞庫，具體地，抓拍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，取相似度最高TOP1並且大於預設閾值的一個人像，將此TOP1的人像對應的身份資訊賦予這個抓拍庫的類，使得這類抓拍人像實名。
可見，將帶有公民身份的人像庫（靜態程式庫）作為基準庫，結合由抓拍機抓拍到帶有時空資訊的人臉抓拍圖進行聚類，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視頻源同一人抓拍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抓拍圖像進行聚合；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的詳細同行記錄，以判斷某些嫌疑人員的同行記錄和同行人關係網。
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抓拍圖像自動歸類，還可以將視頻監控中的海量嫌疑人抓拍圖像與公安既有人員資料庫資訊進行高效地自動關聯。本申請所述技術方案通過輸入的指定條件，找到目標對象的所有同行人的抓拍圖像，並進一步對同行人抓拍圖像進行聚合（屬於同一個檔案的抓拍聚合到一起），能基於目標對象的檔案進行同行人分析，進一步明確同行人關係網絡，高效地對所有同行人抓拍資訊進行利用。
本申請實施例還提供了一種資訊處理裝置，如圖10所示，所述裝置包括：
第一獲取模組10，被配置為獲取第一輸入資訊；其中，所述第一輸入資訊至少包括含有目標對象的圖像；
第二獲取模組20，被配置為基於所述第一輸入資訊獲取抓拍到所述目標對象的圖像採集裝置在目標時間點前後N秒的抓拍圖像，所述目標時間點為所述圖像採集裝置抓拍到所述目標對象的時間點；
確定模組30，被配置為從所述抓拍圖像中確定出所述目標對象的同行人；
處理模組40，被配置為基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，所述聚合檔案資料中同一個人對應有唯一的檔案。
作為一種實施方式，所述處理模組40，還被配置為：
基於聚合檔案資料確定所有同行人的相關資訊；
其中，同行人的相關資訊，包括：
對於未能實名的同行人，相關資訊至少包括系統內第一資料庫中關於所述同行人的各個抓拍圖像；
對於已實名的同行人，相關資訊至少包括系統內第二資料庫中的圖像資訊和文本資訊。
作為一種實施方式，所述處理模組40，還被配置為：
確定所有同行人與所述目標對象的同行次數；
基於所述同行次數對所述所有同行人進行排序得到同行人序列。
作為一種實施方式，所述處理模組40，還被配置為：
從所述同行人序列中確定出第一同行人；
確定所述目標對象與所述第一同行人的所有同行記錄；
其中，所述同行記錄至少包括：所述目標對象與所述第一同行人的抓拍圖像、抓拍時間、圖像採集裝置的標識資訊。
作為一種實施方式，所述處理模組40，還被配置為：
基於所述同行人序列確定K個同行人；其中，K為正整數；
確定所述目標對象與所述K個同行人的所有同行記錄；
其中，所述同行記錄至少包括：所述目標對象與所述K個同行人的抓拍圖像、抓拍時間、圖像採集裝置的標識資訊。
作為一種實施方式，所述處理模組40，還被配置為：
獲取由指定圖像採集裝置採集的指定視頻流；
從所述所有同行記錄中查找在所述指定視頻流下所述目標對象與所述K個同行人的同行記錄。
作為一種實施方式，所述處理模組40，還被配置為：
基於所述目標對象與所述K個同行人的所有同行記錄，統計在各個圖像採集裝置下所述K個同行人的抓拍次數。
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抓拍到的人像圖像形成；
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，圖10中所示的資訊處理裝置中的各處理單元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，圖10所示的資訊處理裝置中各處理單元的功能可通過運行於處理器上的程式而實現，也可通過具體的邏輯電路而實現。
實際應用中，上述的第一獲取模組10、第二獲取模組20、確定模組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，所述處理器可以通過匯流排等通信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較佳者為非瞬間儲存介質。
所述第一獲取模組10、第二獲取模組20、確定模組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第一獲取模組10、第二獲取模組20、確定模組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，通過基於聚合檔案資料對抓拍圖像進行聚合分析的方式，來確定同行人員以及同行人員的相關資訊，有利於提高同行人員的識別準確度。
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：
獲取第一輸入資訊；其中，所述第一輸入資訊至少包括含有目標對象的圖像；
基於所述第一輸入資訊獲取抓拍到所述目標對象的圖像採集裝置在目標時間點前後N秒的抓拍圖像，所述目標時間點為所述圖像採集裝置抓拍到所述目標對象的時間點；
從所述抓拍圖像中確定出所述目標對象的同行人；
基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，所述聚合檔案資料中同一個人對應有唯一的檔案。
作為一種實施方式，所述處理器執行所述程式時實現：
基於聚合檔案資料確定所有同行人的相關資訊；
其中，同行人的相關資訊，包括：
對於未能實名的同行人，相關資訊至少包括系統內第一資料庫中關於所述同行人的各個抓拍圖像；
對於已實名的同行人，相關資訊至少包括系統內第二資料庫中的圖像資訊、文本資訊。
作為一種實施方式，所述處理器執行所述程式時實現：
確定所有同行人與所述目標對象的同行次數；
基於所述同行次數對所述所有同行人進行排序得到同行人序列。
作為一種實施方式，所述處理器執行所述程式時實現：
從所述同行人序列中確定出第一同行人；
確定所述目標對象與所述第一同行人的所有同行記錄；
其中，所述同行記錄至少包括：所述目標對象與所述第一同行人的抓拍圖像、抓拍時間、圖像採集裝置的標識資訊。
作為一種實施方式，所述處理器執行所述程式時實現：
基於所述同行人序列確定K個同行人；其中，K為正整數；
確定所述目標對象與所述K個同行人的所有同行記錄；
其中，所述同行記錄至少包括：所述目標對象與所述K個同行人的抓拍圖像、抓拍時間、圖像採集裝置的標識資訊。
作為一種實施方式，所述處理器執行所述程式時實現：
獲取由指定圖像採集裝置採集的指定視頻流；
從所述所有同行記錄中查找在所述指定視頻流下所述目標對象與所述K個同行人的同行記錄。
作為一種實施方式，所述處理器執行所述程式時實現：
基於所述目標對象與所述K個同行人的所有同行記錄，統計在各個圖像採集裝置下所述K個同行人的抓拍次數。
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抓拍到的人像圖像形成；
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，通過基於聚合檔案資料對抓拍圖像進行聚合分析的方式，來確定同行人員以及有關同行人員的相關資訊，有利於提高同行人員的識別準確度。
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。
本申請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通過硬體、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，例如軟體發展包（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，自動將同一人在視頻監控中的抓拍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；通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。
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，可以通過其它的方式實現。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、或通信連接可以是通過一些介面，設備或單元的間接耦合或通信連接，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通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：移動儲存裝置、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：移動儲存裝置、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申請專利範圍的保護範圍為準。
工業實用性
本申請實施例提供的技術方案，獲取第一輸入資訊；其中，所述第一輸入資訊至少包括含有目標對象的圖像；基於所述第一輸入資訊獲取抓拍到所述目標對象的圖像採集裝置在目標時間點前後N秒的抓拍圖像，所述目標時間點為所述圖像採集裝置抓拍到所述目標對象的時間點；從所述抓拍圖像中確定出所述目標對象的同行人；基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，所述聚合檔案資料中同一個人對應有唯一的檔案；這樣，通過自動對多張抓拍圖像進行分析能快速識別目標對象的同行人員，且由於聚合檔案資料是基於一人一檔而建立的，有助於快速確定同行人員的相關資訊。
10:第一獲取模組
20:第二獲取模組
30:確定模組
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申請的實施例，並與說明書一起用於說明本申請的技術方案。
參照附圖，根據下面的詳細描述，可以更加清楚地理解本申請，其中：
圖1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；
圖2為本申請實施例提供的同行次數查詢結果示意圖；
圖3為本申請實施例提供的目標對象與單個同行人的同行記錄查詢結果示意圖；
圖4為本申請實施例提供的同行人出現點位查詢結果示意圖；
圖5為本申請實施例提供的關於單個視頻源的分析結果示意圖；
圖6為本申請實施例提供的人臉聚類的演算法原理示意圖：
圖7為本申請實施例提供的人臉聚類的實現流程示意圖；
圖8為本申請實施例提供的人臉聚類的結果示意圖；
圖9為本申請實施例提供的檔案建立流程示意圖；
圖10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。
101:步驟
102:步驟
103:步驟
104:步驟
Claims (14)
- 一種資訊處理方法，所述方法包括：獲取第一輸入資訊；其中，所述第一輸入資訊至少包括含有目標對象的圖像；基於所述第一輸入資訊獲取抓拍到所述目標對象的圖像採集裝置在目標時間點前後N秒的抓拍圖像，所述目標時間點為所述圖像採集裝置抓拍到所述目標對象的時間點；從所述抓拍圖像中確定出所述目標對象的同行人；基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，所述聚合檔案資料中同一個人對應有唯一的檔案；其中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，包括：基於聚合檔案資料確定所有同行人的相關資訊；其中，同行人的相關資訊，包括：對於未能實名的同行人，相關資訊至少包括系統內第一資料庫中關於所述同行人的各個抓拍圖像；對於已實名的同行人，相關資訊至少包括系統內第二資料庫中的圖像資訊、文本資訊。
- 根據請求項1所述的方法，其中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，還包括：確定所有同行人與所述目標對象的同行次數；基於所述同行次數對所述所有同行人進行排序得到同行 人序列。
- 根據請求項2所述的方法，其中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，還包括：從所述同行人序列中確定出第一同行人；確定所述目標對象與所述第一同行人的所有同行記錄；其中，所述同行記錄至少包括：所述目標對象與所述第一同行人的抓拍圖像、抓拍時間、圖像採集裝置的標識資訊。
- 根據請求項2所述的方法，其中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結果，還包括：基於所述同行人序列確定K個同行人；其中，K為正整數；確定所述目標對象與所述K個同行人的所有同行記錄；其中，所述同行記錄至少包括：所述目標對象與所述K個同行人的抓拍圖像、抓拍時間、圖像採集裝置的標識資訊。
- 根據請求項4所述的方法，所述方法還包括：獲取由指定圖像採集裝置採集的指定視頻流；從所述所有同行記錄中查找在所述指定視頻流下所述目標對象與所述K個同行人的同行記錄。
- 根據請求項4所述的方法，其中，所述基於聚合檔案資料對所述同行人進行分析，得到同行人識別結 果，還包括：基於所述目標對象與所述K個同行人的所有同行記錄，統計在各個圖像採集裝置下所述K個同行人的抓拍次數。
- 根據請求項1至6任一項所述的方法，其中，所述獲取第一輸入資訊之前，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抓拍到的人像圖像形成；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。
- 根據請求項7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。
- 根據請求項7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。
- 根據請求項7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。
- 根據請求項7所述的方法，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。
- 根據請求項7所述的方法，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。
- 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12任一項所述的資訊處理方法。
- 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12任一項所述的資訊處理方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910580576.2 | 2019-06-28 | ||
| CN201910580576.2A CN110348347A (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 |
|---|---|
| TW202101444A TW202101444A (zh) | 2021-01-01 |
| TWI743835B true TWI743835B (zh) | 2021-10-21 |
Family
ID=68177322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW109120078A TWI743835B (zh) | 2019-06-28 | 2020-06-15 | 一種資訊處理方法及裝置、儲存介質 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20210357624A1 (zh) |
| JP (1) | JP2022518469A (zh) |
| CN (1) | CN110348347A (zh) |
| SG (1) | SG11202108349UA (zh) |
| TW (1) | TWI743835B (zh) |
| WO (1) | WO2020259099A1 (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110348347A (zh) * | 2019-06-28 | 2019-10-18 | 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 |
| CN113505251A (zh) * | 2019-11-06 | 2021-10-15 | 北京旷视科技有限公司 | 人员身份属性的确定方法、装置和电子设备 |
| CN111061894A (zh) * | 2019-11-07 | 2020-04-24 | 深圳云天励飞技术有限公司 | 同行数据的处理方法、装置、电子设备及存储介质 |
| CN111435435A (zh) * | 2019-12-10 | 2020-07-21 | 杭州海康威视数字技术股份有限公司 | 一种同行人识别方法、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 |
| CN113127572B (zh) * | 2019-12-31 | 2023-03-03 | 深圳云天励飞技术有限公司 | 档案合并方法、装置、设备及计算机可读存储介质 |
| 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 |
| CN112015956A (zh) * | 2020-09-04 | 2020-12-01 | 杭州海康威视数字技术股份有限公司 | 移动对象的相似性确定方法、装置、设备和存储介质 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004019190A1 (en) * | 2002-08-08 | 2004-03-04 | Nanyang Technological University | Distributed processing in authentication |
| TW200809657A (en) * | 2006-02-15 | 2008-02-16 | Toshiba Kk | Person identification device and person identification method |
| WO2008054410A2 (en) * | 2005-12-01 | 2008-05-08 | Honeywell International Inc. | Distributed stand-off id verification compatible with multiple face recognition systems (frs) |
| TW201223209A (en) * | 2010-11-30 | 2012-06-01 | Inventec Corp | Sending a digital image method and apparatus thereof |
| CN203689590U (zh) * | 2013-10-09 | 2014-07-02 | 四川空港知觉科技有限公司 | 人员身份识别设备 |
| WO2014172624A2 (en) * | 2013-04-19 | 2014-10-23 | James Carey | Video identification and analytical recognition system |
| CN104636732A (zh) * | 2015-02-12 | 2015-05-20 | 合肥工业大学 | 一种基于序列深信度网络的行人识别方法 |
| CN105208528A (zh) * | 2015-09-24 | 2015-12-30 | 山东合天智汇信息技术有限公司 | 一种用于识别同行人员的系统及方法 |
| CN105354548A (zh) * | 2015-10-30 | 2016-02-24 | 武汉大学 | 一种基于ImageNet检索的监控视频行人重识别方法 |
| CN105518744A (zh) * | 2015-06-29 | 2016-04-20 | 北京旷视科技有限公司 | 行人再识别方法及设备 |
| US9356968B1 (en) * | 2014-06-30 | 2016-05-31 | Emc Corporation | Managing authentication using common authentication framework circuitry |
| CN107066945A (zh) * | 2017-03-10 | 2017-08-18 | 清华大学 | 一种大流量通关快速身份核验方法和系统 |
| CN208156681U (zh) * | 2018-01-20 | 2018-11-27 | 南京铁道职业技术学院 | 一种视频监控图像识别系统 |
| US10169684B1 (en) * | 2015-10-01 | 2019-01-01 | Intellivision Technologies Corp. | Methods and systems for recognizing objects based on one or more stored training images |
| US10231003B2 (en) * | 2014-06-23 | 2019-03-12 | Google Llc | Camera data access based on subscription status |
| CN208861294U (zh) * | 2018-09-28 | 2019-05-14 | 广州翠花信息科技有限公司 | 一种采用签到机制的人脸识别系统 |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070106551A1 (en) * | 2005-09-20 | 2007-05-10 | Mcgucken Elliot | 22nets: method, system, and apparatus for building content and talent marketplaces and archives based on a social network |
| US8144939B2 (en) * | 2007-11-08 | 2012-03-27 | Sony Ericsson Mobile Communications Ab | Automatic identifying |
| CN103632132B (zh) * | 2012-12-11 | 2017-02-15 | 广西科技大学 | 一种基于肤色分割和模板匹配的人脸检测与识别方法 |
| KR101415848B1 (ko) * | 2012-12-12 | 2014-07-09 | 휴앤에스(주) | 차량 및 보행자 검지를 이용한 스쿨존 방범장치 |
| CN105427221A (zh) * | 2015-12-09 | 2016-03-23 | 北京中科云集科技有限公司 | 一种基于云平台的警务管理方法 |
| CN107016322B (zh) * | 2016-01-28 | 2020-01-14 | 浙江宇视科技有限公司 | 一种尾随人员分析的方法及装置 |
| 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 |
| CN107153824A (zh) * | 2017-05-22 | 2017-09-12 | 中国人民解放军国防科学技术大学 | 基于图聚类的跨视频行人重识别方法 |
| CN107480246B (zh) * | 2017-08-10 | 2021-03-12 | 北京中航安通科技有限公司 | 一种关联人员的识别方法及装置 |
| 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 |
| 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 |
| 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 |
| CN109461106A (zh) * | 2018-10-11 | 2019-03-12 | 浙江公共安全技术研究院有限公司 | 一种多维信息感知处理方法 |
| CN109635149B (zh) * | 2018-12-17 | 2021-03-23 | 北京旷视科技有限公司 | 人物搜索方法、装置及电子设备 |
| CN109800669A (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 |
| CN109740004B (zh) * | 2018-12-28 | 2023-07-11 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
| 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 |
| CN109739850B (zh) * | 2019-01-11 | 2022-10-11 | 安徽爱吉泰克科技有限公司 | 一种档案大数据智能分析清洗挖掘系统 |
| JP6534499B1 (ja) * | 2019-03-20 | 2019-06-26 | アースアイズ株式会社 | 監視装置、監視システム、及び、監視方法 |
| CN110348347A (zh) * | 2019-06-28 | 2019-10-18 | 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 |
-
2019
- 2019-06-28 CN CN201910580576.2A patent/CN110348347A/zh active Pending
-
2020
- 2020-05-11 SG SG11202108349UA patent/SG11202108349UA/en unknown
- 2020-05-11 WO PCT/CN2020/089562 patent/WO2020259099A1/zh active Application Filing
- 2020-05-11 JP JP2021541619A patent/JP2022518469A/ja active Pending
- 2020-06-15 TW TW109120078A patent/TWI743835B/zh active
-
2021
- 2021-07-28 US US17/386,740 patent/US20210357624A1/en not_active Abandoned
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004019190A1 (en) * | 2002-08-08 | 2004-03-04 | Nanyang Technological University | Distributed processing in authentication |
| WO2008054410A2 (en) * | 2005-12-01 | 2008-05-08 | Honeywell International Inc. | Distributed stand-off id verification compatible with multiple face recognition systems (frs) |
| TW200809657A (en) * | 2006-02-15 | 2008-02-16 | Toshiba Kk | Person identification device and person identification method |
| TW201223209A (en) * | 2010-11-30 | 2012-06-01 | Inventec Corp | Sending a digital image method and apparatus thereof |
| WO2014172624A2 (en) * | 2013-04-19 | 2014-10-23 | James Carey | Video identification and analytical recognition system |
| CN203689590U (zh) * | 2013-10-09 | 2014-07-02 | 四川空港知觉科技有限公司 | 人员身份识别设备 |
| US10231003B2 (en) * | 2014-06-23 | 2019-03-12 | Google Llc | Camera data access based on subscription status |
| US9356968B1 (en) * | 2014-06-30 | 2016-05-31 | Emc Corporation | Managing authentication using common authentication framework circuitry |
| CN104636732A (zh) * | 2015-02-12 | 2015-05-20 | 合肥工业大学 | 一种基于序列深信度网络的行人识别方法 |
| CN105518744A (zh) * | 2015-06-29 | 2016-04-20 | 北京旷视科技有限公司 | 行人再识别方法及设备 |
| CN105208528A (zh) * | 2015-09-24 | 2015-12-30 | 山东合天智汇信息技术有限公司 | 一种用于识别同行人员的系统及方法 |
| US10169684B1 (en) * | 2015-10-01 | 2019-01-01 | Intellivision Technologies Corp. | Methods and systems for recognizing objects based on one or more stored training images |
| CN105354548A (zh) * | 2015-10-30 | 2016-02-24 | 武汉大学 | 一种基于ImageNet检索的监控视频行人重识别方法 |
| CN107066945A (zh) * | 2017-03-10 | 2017-08-18 | 清华大学 | 一种大流量通关快速身份核验方法和系统 |
| CN208156681U (zh) * | 2018-01-20 | 2018-11-27 | 南京铁道职业技术学院 | 一种视频监控图像识别系统 |
| CN208861294U (zh) * | 2018-09-28 | 2019-05-14 | 广州翠花信息科技有限公司 | 一种采用签到机制的人脸识别系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110348347A (zh) | 2019-10-18 |
| US20210357624A1 (en) | 2021-11-18 |
| JP2022518469A (ja) | 2022-03-15 |
| SG11202108349UA (en) | 2021-08-30 |
| WO2020259099A1 (zh) | 2020-12-30 |
| TW202101444A (zh) | 2021-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI743835B (zh) | 一種資訊處理方法及裝置、儲存介質 | |
| TWI740537B (zh) | 一種資訊處理方法及裝置、儲存介質 | |
| CN109117714B (zh) | 一种同行人员识别方法、装置、系统及计算机存储介质 | |
| Papadopoulos et al. | Cluster-based landmark and event detection for tagged photo collections | |
| KR101417548B1 (ko) | 사진 콜렉션에서 이벤트들을 생성하고 라벨링하는 방법 및 시스템 | |
| CN109635146B (zh) | 一种基于图像特征的目标查询方法及系统 | |
| CN110235138A (zh) | 用于外观搜索的系统和方法 | |
| CN111078922A (zh) | 一种信息处理方法及装置、存储介质 | |
| CN109740004B (zh) | 一种归档方法及装置 | |
| WO2016162963A1 (ja) | 画像検索装置、システム及び方法 | |
| CN109783685A (zh) | 一种查询方法及装置 | |
| CN111241305A (zh) | 数据处理方法和装置、电子设备及计算机可读存储介质 | |
| US9665773B2 (en) | Searching for events by attendants | |
| CN109492604A (zh) | 人脸模型特征统计分析系统 | |
| Adams et al. | Extraction of social context and application to personal multimedia exploration | |
| CN110765215A (zh) | 人员共同关系的查询方法、装置、电子设备及存储介质 | |
| WO2023174304A1 (en) | Systems, methods, and storage devices for data clustering | |
| CN109857891A (zh) | 一种查询方法及装置 | |
| Doherty et al. | Combining image descriptors to effectively retrieve events from visual lifelogs | |
| KR101479260B1 (ko) | 사진 기반 인물 친밀도 검색 방법 | |
| CN114926757A (zh) | 遗失物品的找回方法及系统、电子设备及计算机存储介质 | |
| Jiang et al. | Camera fingerprint: A new perspective for identifying user's identity | |
| 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 | |
| CN112925899A (zh) | 排序模型建立方法、案件线索推荐方法、装置及介质 | |
| KR101563238B1 (ko) | 사진 기반 인물 친밀도 구축 장치 및 방법, 그리고 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체 |