WO2019015684A1 - 人脸图像去重方法和装置、电子设备、存储介质、程序 - Google Patents

人脸图像去重方法和装置、电子设备、存储介质、程序 Download PDF

Info

Publication number
WO2019015684A1
WO2019015684A1 PCT/CN2018/096542 CN2018096542W WO2019015684A1 WO 2019015684 A1 WO2019015684 A1 WO 2019015684A1 CN 2018096542 W CN2018096542 W CN 2018096542W WO 2019015684 A1 WO2019015684 A1 WO 2019015684A1
Authority
WO
WIPO (PCT)
Prior art keywords
face
image
face image
queue
images
Prior art date
Application number
PCT/CN2018/096542
Other languages
English (en)
French (fr)
Inventor
苗文健
陈前
石端广
Original Assignee
北京市商汤科技开发有限公司
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 北京市商汤科技开发有限公司 filed Critical 北京市商汤科技开发有限公司
Priority to KR1020197029413A priority Critical patent/KR102349980B1/ko
Priority to SG11201909069Q priority patent/SG11201909069QA/en
Priority to JP2019553912A priority patent/JP6916895B2/ja
Priority to CN201880018965.XA priority patent/CN110869937A/zh
Publication of WO2019015684A1 publication Critical patent/WO2019015684A1/zh
Priority to US16/412,854 priority patent/US11132581B2/en

Links

Images

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
    • 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
    • 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
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/174—Redundancy elimination performed by the file system
    • G06F16/1748—De-duplication implemented within the file system, e.g. based on file segments
    • 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
    • G06F16/583—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
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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
    • 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

Definitions

  • the present application relates to computer vision technology, and in particular, to a face image deduplication method and apparatus, an electronic device, a storage medium, and a program
  • the image contains rich and intuitive information.
  • a large number of images are needed to convey information for the user.
  • the number of repeated images increases. Therefore, the image information provider needs to de-emphasize the image before using the image information, avoiding duplicate images, affecting the user experience, and increasing the maintenance amount of the image.
  • image providers use a large number of image information such as user uploads and crawler downloads every day, and the number has exceeded the limit of manual review.
  • a face image deduplication technique provided by an embodiment of the present application.
  • a method for de-duplicating a face image includes:
  • Determining whether to perform a deduplication operation for the second face image is performed according to the matching result.
  • the image queue includes at least one third human face image corresponding to different people respectively.
  • the performing a filtering operation on the obtained multiple first face images includes:
  • the face attributes corresponding to the first face images are used to represent the first face images
  • the face attribute includes one or more of the following: a face angle, a face width height value, and a face blur degree;
  • the first condition comprises at least one of the following: the face angle is at a first preset Within the range, the face width height value is greater than a second preset threshold, and the face blur degree is less than a third preset threshold.
  • performing a filtering operation on the obtained plurality of first face images to obtain at least one second face image whose image quality reaches a first preset condition including:
  • the filtering, the at least one first face image corresponding to the same person, to obtain the second face image of the at least one first face image whose quality reaches the first preset condition includes:
  • the face angle includes one or more of the following: a face horizontal corner, a face pitch angle, and a face tilt angle.
  • the at least one first face image corresponding to the same person is filtered based on a face angle corresponding to the first face image, to obtain a second face image whose quality reaches a first preset condition.
  • the identifying, by the first first face image, the at least one first face image corresponding to the same person including:
  • the second face image is matched with the at least one third face image in the image queue to obtain a matching result, including:
  • a matching result is obtained based on a similarity between the second face image and at least one third face image in the image queue.
  • the obtaining a matching result based on the similarity between the second facial image and the at least one third facial image in the image queue comprises:
  • the second facial feature corresponding to the at least one second facial image and the pre-existing facial feature corresponding to the at least one third facial image in the image queue obtain the second
  • the similarity between the face image and the at least one third face image in the image queue includes:
  • determining whether to perform a deduplication operation on the second face image according to the matching result includes:
  • determining whether to perform a deduplication operation on the second face image according to the matching result includes:
  • the method before performing the filtering operation on the obtained multiple first face images, the method further includes:
  • the plurality of first face images are obtained based on at least one frame of video images.
  • the obtaining, by the at least one frame of the video image, the plurality of first facial images including:
  • the method before performing the face recognition processing on the at least one frame of the video image, the method further includes:
  • it also includes:
  • Performing a filtering operation on the obtained plurality of first face images to obtain at least one second face image whose image quality reaches a first preset condition including:
  • the method is applied to a client
  • the method further includes:
  • a face image deduplication device including:
  • a filtering unit configured to perform a filtering operation on the obtained plurality of first face images, to obtain at least one second face image whose image quality reaches a first preset condition
  • a matching unit configured to match the second face image with at least one third face image in the image queue to obtain a matching result
  • a de-weighting unit configured to determine, according to the matching result, whether to perform a deduplication operation on the second facial image.
  • the image queue includes at least one third human face image corresponding to different people respectively.
  • the filtering unit includes:
  • An attribute filtering module configured to filter the obtained first face images based on the face attributes corresponding to the first face image; the face attributes corresponding to the first face images are used to represent the The display quality of the face in the first face image;
  • An angle filtering module configured to filter, according to a face angle in the first face image, a plurality of first face images obtained, wherein a face angle in the first face image is used to represent a deflection angle of a face in the first face image.
  • the face attribute includes one or more of the following: a face angle, a face width and a high value, and a face ambiguity;
  • the matching unit is configured to determine, according to the first condition that the image quality of the first face image reaches a first preset condition, wherein the first condition includes at least one of the following: The face angle is within the first preset range, the face width height value is greater than the second preset threshold, and/or the face blur degree is less than the third preset threshold.
  • the filtering unit is configured to identify at least one first face image corresponding to the same person from the plurality of first face images; and filter the at least one first face image corresponding to the same person And obtaining, in the at least one first face image, a second face image whose quality reaches a first preset condition.
  • the filtering unit performs filtering on the at least one first face image corresponding to the same person to obtain a second face image in which the quality reaches the first preset condition in the at least one first face image. And filtering, by using the face angle corresponding to the first face image, the at least one first face image corresponding to the same person to obtain a second face image whose quality reaches a first preset condition.
  • the face angle includes one or more of the following: a face horizontal corner, a face pitch angle, and a face tilt angle.
  • the filtering unit includes:
  • An angle conversion module configured to convert a face horizontal corner, a face pitch angle, and a face tilt angle corresponding to the first face image into a three-dimensional vector
  • a vector filtering module configured to filter the at least one first face image corresponding to the same person based on the distance from the three-dimensional vector to the source point, to obtain a second face image whose quality reaches a first preset condition;
  • the source point is a three-dimensional vector whose values are all zero.
  • the filtering unit is configured to identify the first setting from the plurality of first facial images when the at least one first facial image corresponding to the same person is recognized from the plurality of first facial images. At least one first face image corresponding to the same person within the duration;
  • the vector filtering module is configured to determine, as the second human face image, a first facial image in which the distance between the three-dimensional vector and the source point in the at least one first facial image is the smallest.
  • the matching unit includes:
  • a similarity module configured to obtain the second person based on a second facial feature corresponding to the second facial image and a third facial feature corresponding to at least one third facial image in the image queue a similarity between the face image and the at least one third face image in the image queue;
  • a result matching module configured to obtain a matching result based on the similarity between the second face image and the at least one third face image in the image queue.
  • the result matching module is configured to obtain a representation in response to a third facial image in the image queue that has a similarity with the second facial image that is greater than or equal to a preset similarity.
  • the second face image has a matching result of the matching image in the image queue;
  • the similarity module is specifically configured to respectively determine a second facial feature corresponding to the at least one second facial image and each third human in the at least one third facial image in the image queue a distance between the pre-stored face features corresponding to the face image; obtaining a similarity between the second face image and each third face image in the at least one third face image in the image queue based on the distance .
  • the deduplication unit is configured to: in response to the matching result, indicating that the second face image has a matching image in the image queue, determining that the second face image is a repeated image, and/ Or, the second face image is not stored in the image queue.
  • the deduplication unit is further configured to: in response to the matching result, indicating that the second face image does not have a matching image in the image queue, determining that the second face image is not a repeated image, And/or storing the second face image in the image queue.
  • it also includes:
  • an image acquiring unit configured to obtain the plurality of first face images based on the at least one frame video image.
  • the image obtaining unit includes:
  • a frame drawing module configured to acquire at least one frame of video images including a face image from the video stream
  • the segmentation module is configured to perform face recognition processing on the at least one frame of video images to obtain the plurality of first face images.
  • the image obtaining unit further includes:
  • a face acquiring module configured to acquire at least one face image having a set size in the video image.
  • the image obtaining unit further includes:
  • a trajectory establishing module configured to establish at least one facial trajectory based on the obtained plurality of first facial images, each of the facial trajectories corresponding to one person;
  • the filtering unit is configured to perform filtering operation on at least one first face image included in each face track of the at least one face track, to obtain an image quality of each face track reaching a first preset condition A second face image.
  • the device is applied to a client
  • the device also includes:
  • a sending unit configured to send the target face image or the image queue obtained by the deduplication operation to the server.
  • an electronic device includes a processor including a face image deduplication device as described above.
  • an electronic device includes: a memory, configured to store executable instructions;
  • a processor for communicating with the memory to execute the executable instructions to complete the face image deduplication method as described above.
  • a computer storage medium for storing computer readable instructions that, when executed, perform a face image deduplication method as described above.
  • a computer program comprising computer readable code, when executed on a device, a processor in the device is configured to implement The instruction of the face image deduplication method.
  • a method and device for deciphering a face image, an electronic device, a storage medium, and a program are provided according to the foregoing embodiments of the present application, and performing filtering operations on the obtained plurality of first face images to obtain a first preset condition of the image quality. At least one second face image; quality-based filtering is implemented, the number of face images is reduced, the obtained face image quality satisfies the subsequent processing requirements of the face image, and the repeated processing of a large number of face images is avoided.
  • FIG. 1 is a flow chart of an embodiment of a method for de-emphasizing a face image of an applicant.
  • FIG. 2 is a schematic structural view of an embodiment of a face image deduplication device of the present applicant.
  • FIG. 3 is a schematic structural diagram of an electronic device used to implement a terminal device or a server in an embodiment of the present application.
  • Embodiments of the present application can be applied to computer systems/servers that can operate with numerous other general purpose or special purpose computing system environments or configurations.
  • Examples of well-known computing systems, environments, and/or configurations suitable for use with computer systems/servers include, but are not limited to, personal computer systems, server computer systems, thin clients, thick clients, handheld or laptop devices, based on Microprocessor systems, set-top boxes, programmable consumer electronics, networked personal computers, small computer systems, mainframe computer systems, and distributed cloud computing technology environments including any of the above, and the like.
  • the computer system/server can be described in the general context of computer system executable instructions (such as program modules) being executed by a computer system.
  • program modules may include routines, programs, target programs, components, logic, data structures, and the like that perform particular tasks or implement particular abstract data types.
  • the computer system/server can be implemented in a distributed cloud computing environment where tasks are performed by remote processing devices that are linked through a communication network.
  • program modules may be located on a local or remote computing system storage medium including storage devices.
  • FIG. 1 is a flow chart of an embodiment of a method for de-emphasizing a face image of an applicant.
  • the method may be performed by a face image deduplication device, such as a terminal device, a server, and the like.
  • a face image deduplication device such as a terminal device, a server, and the like.
  • the specific implementation of the face image deduplication device is not limited in the embodiment of the present application.
  • the method of this embodiment includes:
  • Step 101 Perform a filtering operation on the obtained plurality of first face images to obtain at least one second face image whose image quality reaches a first preset condition.
  • the display quality of the face image can be evaluated by the face angle, the face width, and the face blur, but the embodiment does not limit the display quality of the face image based on the specific index;
  • a plurality of second face images corresponding to the same person may be deduplicated, and when the plurality of second face images of the same person whose display quality is up to standard is obtained based on the one piece of video, If it is transmitted to subsequent operating devices, it will cause a great burden and consume a lot of resources to do nothing.
  • the step 101 may be performed by a processor invoking a corresponding instruction stored in a memory, or may be performed by a filtering unit 21 that is executed by the processor.
  • Step 102 Match the second face image with at least one third face image in the image queue to obtain a matching result.
  • the image queue includes at least one third face image respectively corresponding to different people; optionally, the image queue may further include at least one third face image corresponding to different people.
  • Corresponding to different people; optionally, identifying whether two face images match, may be obtained based on the distance between face features corresponding to the face image, and the distance between the face features includes but is not limited to cosine distance, Euclidean distance, etc. This embodiment does not limit the distance calculation method between specific features.
  • the feature of the second face image may be matched with the face feature of the third face image in the image queue. Whether the second face image is a repeated image is determined according to the result of the feature matching.
  • the step 102 may be performed by a processor invoking a corresponding instruction stored in a memory, or may be performed by a matching unit 22 that is executed by the processor.
  • Step 103 Determine whether to perform a deduplication operation on the second face image according to the matching result.
  • the face image when the filtered face image corresponds to the pre-existing face image, the face image is a repeated image, indicating that the face image corresponding to the person has been filtered and processed again. Discarding the face image or replacing the face image corresponding to the person in the image queue with the face image; and when the filtered face image does not correspond to the pre-stored face image, the face image is not repeated.
  • the image indicates that the person corresponding to the face image is new and needs to be stored in the queue for subsequent recognition.
  • the step 103 may be performed by a processor invoking a corresponding instruction stored in the memory or by a deduplication unit 23 operated by the processor.
  • a filtering operation is performed on the obtained plurality of first face images to obtain at least one second face image whose image quality reaches a first preset condition;
  • the quality-based filtering reduces the number of face images, and the obtained face image quality satisfies the subsequent processing requirements for face images, and avoids the problem of repeatedly processing a large number of face images;
  • the second face image and image Matching at least one third face image in the queue to obtain a matching result; determining whether to perform a deduplication operation on the second face image according to the matching result, determining whether the face image has been stored according to the known image queue, and implementing the fast Repeat face recognition.
  • Another embodiment of the present applicant's face image deduplication method on the basis of the foregoing embodiment, performing a filtering operation on the obtained plurality of first face images, including:
  • the obtained plurality of first face images are filtered based on the face attributes corresponding to the first face image.
  • the face attribute is used to represent the display quality of the face in the face image; the face attribute corresponding to the first face image is used to represent the display quality of the face in the first face image.
  • the face attribute includes but is not limited to one or more of the following: a face angle, a face width height value, and a face blur degree; optionally, the face angle may include but is not limited to: a horizontal corner (yaw) ) is used to indicate the steering angle of the face in the horizontal direction; the pitch is used to indicate the rotation angle of the face in the vertical direction; and the roll is used to indicate the deflection angle of the face in the vertical direction.
  • a face angle e.g., a face width height value, and a face blur degree
  • the face angle may include but is not limited to: a horizontal corner (yaw) ) is used to indicate the steering angle of the face in the horizontal direction; the pitch is used to indicate the rotation angle of the face in the vertical direction; and the roll is used to indicate the deflection angle of the face in the vertical direction.
  • filtering the obtained first face images based on the face attributes corresponding to the first face image includes:
  • the first condition includes at least one of the following: the face angle is within the first preset range, the face width height value is greater than the second preset threshold, and the face blur degree is less than the third preset threshold.
  • Matching at least one face image with a pre-stored face image in the image queue including:
  • the face angle is within the first preset range
  • the face width height value is greater than the second preset threshold
  • the face blur degree is less than the third preset threshold
  • Each face image in at least one face image is matched with a face image pre-stored in the image queue.
  • the face angle is not within the first preset range
  • the face width height value is less than or equal to the second preset threshold
  • the face blur degree is greater than or equal to the third preset threshold
  • the first preset range can be set to ⁇ 20° (the specific value can be set according to the specific situation), when the horizontal angle (yaw), pitch angle (pitch) and tilt angle (roll) in the face angle are both ⁇
  • face width can include face width and face height (generally returned by detection, can be filtered by setting; for example: setting For 50 pixels, face images with width and height less than 50 pixels can be considered as non-compliant, width and height can be set to different values or the same value); face ambiguity (generally through the Queue Toolkit (SDK-alignment) Return, you can set different values, for example: set to 0.7, the blur degree is greater than 0.7 is considered to be a poor quality face image).
  • the values are: ⁇ 20°, 50 pixels, and 0.7 are set thresholds, which can be set according to actual conditions.
  • Performing a filtering operation on the obtained plurality of first face images may further include: filtering the obtained plurality of first face images based on a face angle in the first face image; wherein the face angle is used for The angle of deflection of the face in the face image is represented.
  • the face angle in the first face image is used to represent the deflection angle of the face in the first face image.
  • the deflection angle is relative to the standard front face, which is a face whose face is 0 in the horizontal, vertical, and oblique directions, and the face can be used as the origin to calculate the deflection angle of the face.
  • a filtering operation By performing filtering on the multi-frame face image in the video stream, the purpose of selecting a frame from the video stream based on the face image can be achieved, and the face image in the video frame obtained by selecting the frame is consistent with the first preset condition.
  • operation 101 includes:
  • the filtering process may be implemented by establishing a face trajectory, including: obtaining a face trajectory based on at least one face image corresponding to the same person;
  • the face image in the face trajectory is filtered based on the face angle corresponding to the face image, and the face image in the face trajectory whose quality reaches the first preset condition is obtained.
  • an image with better quality is obtained for at least one person (for example, obtaining an image with better quality for each person), which may be
  • the face angle determines whether the quality of the face image reaches the first preset condition, and the first preset condition herein can be adjusted according to the user setting, and the set angle range value or the face quality is better.
  • the at least one first face image corresponding to the same person is filtered, and the second face image of the at least one first face image whose quality reaches the first preset condition is obtained, including:
  • the face with a large angle deflection can be removed, and the second face image whose angle is within the set range can be obtained.
  • the face angle includes, but is not limited to, one or more of the following: a human face horizontal corner, a human elevation angle, and a human face tilt angle.
  • the at least one first face image corresponding to the same person is filtered according to the face angle corresponding to the first face image, and the second face image whose quality reaches the first preset condition is obtained, including:
  • the at least one first face image corresponding to the same person is filtered based on the distance from the three-dimensional vector to the source point to obtain a second face image whose quality reaches the first preset condition.
  • the source point is a three-dimensional vector whose values are all zero.
  • the face image in the face trajectory is filtered based on the distance from the three-dimensional vector to the source point; the source point is a three-dimensional vector whose value is all zero.
  • the distance value can be obtained by calculating the squared difference of the three-dimensional vector converted from the face horizontal corner, the face pitch angle, and the face tilt angle, and the quality of the face image is evaluated by the distance value, and the distance is smaller.
  • the face image in the face track is filtered within a set time interval (for example, within 5 seconds, within 10 seconds, etc.).
  • identifying at least one first face image corresponding to the same person from the plurality of first face images includes: identifying, from the plurality of first face images, corresponding to the same person within the first set duration At least one first face image;
  • the at least one first face image corresponding to the same person is filtered according to the distance from the three-dimensional vector to the source point, and the second face image whose quality reaches the first preset condition is obtained, including:
  • the first face image in which the distance between the three-dimensional vector and the source point in the at least one first face image is the smallest is determined as the second face image.
  • the first face image with the smallest distance to the source point is the face with the smallest face angle in the face image, that is, the face closest to the face.
  • the face trajectory further includes a time stamp corresponding to the face image, and the time stamp corresponds to a time when the face image starts performing the filtering operation;
  • Filtering the face image in the face track based on the distance from the 3D vector to the source point including:
  • a face image in which the corresponding distance in the at least one face image in the face trajectory is less than a preset threshold is obtained, and the face image whose corresponding distance is less than the preset threshold is saved.
  • the quality of the face trajectory in the duration is obtained, that is, the face image with better quality is obtained, and the processing speed is accelerated. Subsequently, a new face trajectory can be established based on the better-quality face images obtained by the plurality of set durations, and based on the new face trajectory and then based on the quality filtering, the quality of all the face images in the plurality of set durations is obtained. Face image.
  • operation 102 includes:
  • a matching result is obtained based on the similarity between the second face image and the at least one third face image in the image queue.
  • a matching result indicating that the second face image does not have a matching image in the image queue is obtained.
  • the face deduplication is implemented, and the obtained good face image is compared with the face image in the existing image queue, which may be based on the face feature, and the face is obtained.
  • the face features of the image can be obtained through a neural network, and the image queue can store the face image or store the face image and its corresponding face feature.
  • the facial features corresponding to the pre-existing face images are obtained through the neural network.
  • the second face feature corresponding to the at least one second face image is pre-stored corresponding to the at least one third face image in the image queue.
  • the face feature obtains the similarity between the second face image and the at least one third face image in the image queue, including:
  • the similarity of each third face image in the at least one third face image in the second face image and the image queue is obtained based on the distance.
  • the similarity between the corresponding facial images may be determined by calculating the distance between the facial features, and the distance may specifically include, but is not limited to, a cosine distance, an Euclidean distance, a Mahalanobis distance, etc., between the facial features The closer the distance is, the larger the similarity between the corresponding face images is. Whether the face image of the same person can be judged by setting a threshold (for example, the similarity is 0.86, 0.88, etc.), and the threshold is set. It can be adjusted according to the actual situation.
  • a threshold for example, the similarity is 0.86, 0.88, etc.
  • the similarity between the face image obtained in the time period and the image queue may be compared within a set time period (for example, 300 seconds, 400 seconds, etc.), whenever the degree of similarity is reached.
  • the time period is set, and the similarity between the face image obtained in the time period and the image queue is compared.
  • operation 103 includes:
  • the operation 103 includes: determining, in response to the matching result, that the second facial image does not have a matching image in the image queue, determining that the second facial image is not a repeated image, and/or storing the second facial image Image queue.
  • the two face images may correspond to the same person.
  • only one face is reserved for the same person.
  • the image is OK.
  • the newly received face image can be directly deleted, or the face image and the third face image can be directly compared with each other.
  • the newly received face image quality is better, the newly received face is adopted.
  • the image replaces the pre-stored face image in the image queue; when the repeated image is recognized, the number of occurrences corresponding to the face image may be accumulated and recorded to provide information for subsequent processing of the statistics; when determining that the face image is not repeated
  • the face image is added to the image queue so that it can be accurately identified when similarly matching the newly received face images.
  • the method further includes:
  • a plurality of first face images are obtained based on at least one frame of the video image.
  • the face image that needs to perform the face image deduplication method must be a large number, for example, a face image obtained from a plurality of video images extracted from a video, or directly captured from the network.
  • the face recognition processing is performed on at least one frame of the video image to obtain a plurality of first face images.
  • the video image in the video stream is obtained by drawing frames, and the face in the video image can be identified and segmented through the neural network, or the face recognition can be performed through the neural network, and then based on other segmentation technologies or other segmentation networks.
  • the face image is segmented from the video; this embodiment does not limit the specific face recognition and segmentation techniques, so that the purpose of the embodiment can be achieved as a standard.
  • an image capturing device such as a camera is set to collect a video stream, and the video stream is decomposed to obtain a video image, and the video image is recognized by a face recognition technology (eg, Convolutional Neural Network, CNN).
  • the video image of the image is obtained by segmenting the face image from the video image by image segmentation technology, and the captured face image is obtained, and at least one face image may be included in one frame of the video image, or there may be no face image
  • the embodiment of the present application does not perform the collection; the video image of the decomposed video image may be subjected to face mapping, software package detection (SDK-detect), and the same map.
  • SDK-detect software package detection
  • the method may further include:
  • the screening of face image sizes may be based on neural networks or other screening methods.
  • the method further includes:
  • each face trajectory corresponds to one person.
  • step 101 may include:
  • the face trajectory is established based on the face image, which can provide a basis for the de-duplication of the face image of the same person in the subsequent operation, and the method for establishing the face trajectory is not limited. .
  • the method for de-emphasis of the face image of the present application can be applied to the fields of intelligent video analysis, intelligent business, security monitoring, and the like.
  • the face image de-duplication method of the embodiment of the present application can be applied to any processing of the video stream.
  • the face image deduplication method of the embodiment of the present application can be applied to a large number of frame pictures
  • the face image deduplication method of the embodiment of the present application can be applied to any method that involves uploading a large number of frame pictures to the cloud.
  • the method further includes:
  • the face image corresponding to the face trajectory is obtained by the filtering operation and/or the de-duplication operation on the face image in the face trajectory, and the attribute detection and the face comparison are performed based on the target face image.
  • the client needs to perform attribute detection and face matching on the face in the real-time collected video, and select one frame in consecutive multi-frame images including the same personal face. Most suitable for processing, to better perform attribute detection and face matching. At this time, the program is required to make a selection of the face image that meets the requirements.
  • the method of the embodiment is applied to a client
  • the target face image or image queue obtained by the deduplication operation is sent to the server.
  • the server may include a local server and/or a cloud server.
  • the face image or image queue obtained by the filtering operation and/or the deduplication operation is sent to the server and/or the cloud server, and the server and/or the cloud server receives the face that has undergone the filtering operation and/or the deduplication operation from the client.
  • Image or image queue comparing the face image of the face image or the image queue with the existing face image in the image database, and determining whether the collected face image or the face image in the image queue is in the image database A corresponding face image exists, and the face image or image queue is stored or not stored in the image database according to the judgment result.
  • the image database is used to save the face image obtained by the judgment and stored; the image database in the initial state is empty or the face image has been stored, and the face image is continuously sent to the server and/or the cloud server. , more and more face images that meet the requirements can be automatically stored in the image database to realize the construction of the image database.
  • the client processes the video stream, sends the required face image to the cloud, and directly sends the full face to the cloud, which causes the cloud to be overstressed and repeated, and the quality is low.
  • the image doesn't make much sense, so you need to do a heavy filtering before uploading the image to the cloud on the client. This solution is needed to make a better choice of face images.
  • the foregoing program may be stored in a computer readable storage medium, and the program is executed when executed.
  • the foregoing steps include the steps of the foregoing method embodiments; and the foregoing storage medium includes: a medium that can store program codes, such as a ROM, a RAM, a magnetic disk, or an optical disk.
  • FIG. 2 is a schematic structural view of an embodiment of a face image deduplication device of the present applicant.
  • the apparatus of this embodiment can be used to implement the various method embodiments described above. As shown in FIG. 2, the apparatus of this embodiment includes:
  • the filtering unit 21 is configured to perform a filtering operation on the obtained plurality of first face images to obtain at least one second face image whose image quality reaches a first preset condition.
  • the matching unit 22 is configured to match the second face image with at least one third face image in the image queue to obtain a matching result.
  • the image queue includes at least one third face image corresponding to different people respectively; each third face image in the image queue may correspond to different people, or in the image queue.
  • the partial images respectively correspond to different people; optionally, whether the two facial images are matched or not can be obtained based on the distance between the facial features corresponding to the facial images, and the distance between the facial features includes a cosine distance, an Euclidean distance, and the like. This embodiment does not limit the distance calculation method between specific features.
  • the de-weighting unit 23 is configured to determine whether to perform a deduplication operation on the second face image according to the matching result.
  • the face image When the filtered face image corresponds to the pre-existing face image, the face image is a repeated image, indicating that the face image corresponding to the person has been filtered and processed again. At this time, the face can be selected to be discarded.
  • the image or the face image is used to replace the face image corresponding to the person in the image queue; and when the filtered face image does not correspond to the pre-stored face image, the face image is not a duplicate image, indicating that the image is The person corresponding to the face image is new and needs to be stored in the queue for subsequent identification.
  • the face image deduplication device provided by the above embodiment of the present application implements quality-based filtering, greatly reducing the number of face images, and the obtained face image quality satisfies the subsequent processing requirements for the face image, and The problem of repeatedly processing a large number of face images is avoided; whether the face image has been stored is determined according to the known image queue, and a faster repeated face recognition is realized.
  • the filtering unit 21 includes:
  • the attribute filtering module is configured to filter the obtained first face images based on the face attributes corresponding to the first face image.
  • the face attribute is used to represent the display quality of the face in the face image.
  • the face attribute corresponding to the first face image is used to indicate the display quality of the face in the first face image;
  • the face attributes include, but are not limited to, one or more of the following: face angle, face width and height value, face ambiguity; more specifically, the face angle may include, but is not limited to, a horizontal corner (yaw), It is used to indicate the steering angle of the face in the horizontal direction; the pitch is used to indicate the rotation angle of the face in the vertical direction; the roll is used to indicate the deflection angle of the face in the vertical direction.
  • an angle filtering module configured to filter the obtained plurality of first face images based on a face angle in the first face image.
  • the face angle is used to represent the deflection angle of the face in the face image.
  • the face angle in the first face image is used to represent the deflection angle of the face in the first face image; It is relative to the standard front face.
  • the standard positive face refers to the face whose face is 0 in the horizontal, vertical and oblique directions. The face can be used as the origin to calculate the deflection angle of the face.
  • a frame selection module may be further included, configured to perform a filtering operation on the multi-frame face image obtained from the video stream.
  • a filtering operation By performing filtering on the multi-frame face image in the video stream, the purpose of selecting a frame from the video stream based on the face image can be achieved, and the face image in the video frame obtained by selecting the frame is consistent with the first preset condition.
  • the face attributes include, but are not limited to, one or more of the following: face angle, face width and height value, face ambiguity;
  • the matching unit 22 is configured to determine, according to the satisfying the first condition, that the image quality of the first face image reaches a first preset condition, wherein the first condition includes at least one of the following: the face angle is at the first preset Within the range, the face width height value is greater than the second preset threshold, and the face blur degree is less than the third preset threshold.
  • the attribute filtering module is further configured to: when the face angle is not within the first preset range, the face width and height value is less than or equal to the second pre- The threshold value, and/or the face ambiguity is greater than or equal to the third preset threshold, and the face image is deleted.
  • the filtering unit may be configured to identify at least one first face image corresponding to the same person from the plurality of first face images; The at least one first face image of the person is filtered to obtain a second face image of the at least one first face image whose quality reaches the first preset condition.
  • the face image in the face trajectory is filtered based on the face angle corresponding to the face image, and the face image in the face trajectory whose quality reaches the first preset condition is obtained.
  • the filtering unit performs filtering on the at least one first face image corresponding to the same person to obtain a second face image in which the quality reaches the first preset condition in the at least one first face image, and is used to be based on the first
  • the face angle corresponding to the face image filters at least one first face image corresponding to the same person, and obtains a second face image whose quality reaches the first preset condition.
  • the face angle includes, but is not limited to, one or more of the following: a face horizontal corner, a face pitch angle, and a face tilt angle.
  • the filtering unit comprises:
  • An angle conversion module configured to convert a face horizontal corner, a face pitch angle, and a face tilt angle corresponding to the first face image into a three-dimensional vector
  • a vector filtering module configured to filter a face image in the at least one first face trajectory corresponding to the same person based on the distance from the three-dimensional vector to the source point, to obtain a second face image whose quality reaches a first preset condition;
  • the source point is a three-dimensional vector whose values are all zero.
  • the filtering unit is configured to identify the first set duration from the plurality of first facial images when the at least one first facial image corresponding to the same person is recognized from the plurality of first facial images. Corresponding to at least one first face image of the same person;
  • a vector filtering module configured to determine, as the second human face image, a first facial image that minimizes a distance between the three-dimensional vector and the source point in the at least one first facial image.
  • the face trajectory further includes a time stamp corresponding to the face image, and the time stamp corresponds to a time when the face image starts to perform the filtering operation;
  • the vector filtering module is configured to obtain, according to the distance from the three-dimensional vector to the source point, a face image of the at least one face image in the face trajectory that is less than a preset threshold in the first set duration, and the saved corresponding distance is less than a preset threshold. Face image.
  • the matching unit 22 includes:
  • a similarity module configured to obtain a third facial image and an image queue according to the second facial feature corresponding to the second facial image and the third facial feature corresponding to the at least one third facial image in the image queue The similarity of at least one third face image;
  • the result matching module is configured to obtain a matching result based on the similarity between the second face image and the at least one third face image in the image queue.
  • the result matching module is configured to: in response to the third face image in the image queue that has a similarity with the second face image greater than or equal to the preset similarity, obtain the image indicating that the second face image is in the image There is a matching result of the matching image in the queue; and/or
  • a matching result indicating that the second face image does not have a matching image in the image queue is obtained.
  • the face deduplication is implemented, and the obtained good face image is compared with the face image in the existing image queue, which may be based on the face feature, and the face is obtained.
  • the face features of the image can be obtained through a neural network, and the image queue can store the face image or store the face image and its corresponding face feature.
  • the facial features corresponding to the pre-existing face images are obtained through the neural network.
  • the similarity module is configured to respectively determine a second facial feature corresponding to the at least one second facial image and at least one third person in the image queue. a distance between pre-stored face features corresponding to each third face image in the face image; obtaining a third face image and each third face image in the at least one third face image in the image queue based on the distance Similarity.
  • the deduplication unit 23 is configured to determine that the second face image has a matching image in the image queue in response to the matching result, and determine the second face image. To repeat the image, and/or, the second face image is not stored in the image queue.
  • the de-weighting unit 23 is further configured to: in response to the matching result, indicating that the second human face image does not have a matching image in the image queue, determining that the second human face image is not a repeated image, and/or, the second human face The image is stored in the image queue.
  • a further embodiment of the present applicant's face image deduplication device further includes:
  • an image acquiring unit configured to obtain a plurality of first face images based on the at least one frame of the video image.
  • the face image that needs to perform the face image deduplication method must be a large number, for example, a face image obtained from a plurality of video frames extracted from a video, or directly captured from the network.
  • a frame drawing module configured to acquire at least one frame of video images including a face image from the video stream
  • the segmentation module is configured to perform face recognition processing on at least one frame of the video image to obtain a plurality of first face images.
  • the image obtaining unit further includes:
  • the face acquisition module is configured to acquire at least one face image having a set size in the video image.
  • the image obtaining unit further includes:
  • a trajectory establishing module configured to establish at least one facial trajectory based on the obtained plurality of first facial images, where each facial trajectory corresponds to one person.
  • the filtering unit establishes at least one facial trajectory based on the obtained plurality of first facial images, and each facial trajectory corresponds to one person.
  • the image acquisition unit In a specific example of the above embodiments of the present applicant's face image deduplication device, the image acquisition unit,
  • It can also be used to obtain a target face image corresponding to a face trajectory based on a face operation and/or a de-duplication operation on each face image in the face trajectory, and perform attribute detection and face comparison based on the target face image.
  • the device of the embodiment is applied to a client
  • a sending unit configured to send the target face image or the image queue obtained by the deduplication operation to the server.
  • the server may include a local server and/or a cloud server.
  • an electronic device includes a processor, where the processor includes the face image deduplication device of any of the above embodiments of the present application.
  • an electronic device includes: a memory, configured to store executable instructions;
  • a processor for communicating with the memory to execute executable instructions to perform the operations of any of the above embodiments of the Applicant Face Image Deduplication method.
  • a computer storage medium for storing computer readable instructions, and when the instructions are executed, performing the operation of any one of the embodiments of the present applicant's face image deduplication method.
  • a computer program comprising computer readable code, when a computer readable code is run on a device, a processor in the device performs image deduplication for implementing the applicant's face image Method
  • a processor in the device performs image deduplication for implementing the applicant's face image Method
  • the embodiment of the present application further provides an electronic device, such as a mobile terminal, a personal computer (PC), a tablet computer, a server, and the like.
  • an electronic device such as a mobile terminal, a personal computer (PC), a tablet computer, a server, and the like.
  • FIG. 3 a schematic structural diagram of an electronic device 300 suitable for implementing a terminal device or a server of an embodiment of the present application is shown.
  • the electronic device 300 includes one or more processors and a communication unit.
  • the one or more processors such as: one or more central processing units (CPUs) 301, and/or one or more image processors (GPUs) 313, etc., the processors may be stored in a read only memory ( Various suitable actions and processes are performed by executable instructions in ROM 302 or loaded from storage portion 308 into executable instructions in random access memory (RAM) 303.
  • the communication unit 312 can include, but is not limited to, a network card, which can include, but is not limited to, an IB (Infiniband) network card.
  • the processor can communicate with the read-only memory 302 and/or the random access memory 303 to execute executable instructions, connect to the communication unit 312 via the bus 304, and communicate with other target devices via the communication unit 312, thereby completing the embodiments of the present application.
  • Corresponding operations of any one of the methods for example, performing a filtering operation on the obtained plurality of face images to obtain at least one face image whose image quality reaches a first preset condition; and each face image in the at least one face image Matching with at least one face image pre-stored in the image queue to obtain a matching result; determining whether to perform a deduplication operation on the face image according to the matching result.
  • RAM 303 various programs and data required for the operation of the device can be stored.
  • the CPU 301, the ROM 302, and the RAM 303 are connected to each other through a bus 304.
  • ROM 302 is an optional module.
  • the RAM 303 stores executable instructions, or writes executable instructions to the ROM 302 at runtime, and the executable instructions cause the central processing unit (CPU) 301 to perform operations corresponding to the above-described communication methods.
  • An input/output (I/O) interface 305 is also coupled to bus 304.
  • the communication unit 312 may be integrated or may be provided with a plurality of sub-modules (e.g., a plurality of IB network cards) and on the bus link.
  • the following components are connected to the I/O interface 305: an input portion 306 including a keyboard, a mouse, etc.; an output portion 307 including, for example, a cathode ray tube (CRT), a liquid crystal display (LCD), and the like, and a storage portion 308 including a hard disk or the like. And a communication portion 309 including a network interface card such as a LAN card, a modem, or the like. The communication section 309 performs communication processing via a network such as the Internet.
  • Driver 310 is also connected to I/O interface 305 as needed.
  • a removable medium 311 such as a magnetic disk, an optical disk, a magneto-optical disk, a semiconductor memory or the like is mounted on the drive 310 as needed so that a computer program read therefrom is installed into the storage portion 308 as needed.
  • FIG. 3 is only an optional implementation manner.
  • the number and type of components in the foregoing FIG. 3 may be selected, deleted, added, or replaced according to actual needs; Different function component settings may also be implemented in separate settings or integrated settings.
  • the GPU 313 and the CPU 301 may be separately configured or the GPU 313 may be integrated on the CPU 301.
  • the communication unit may be separately configured or integrated on the CPU 301 or the GPU 313. and many more.
  • an embodiment of the present application includes a computer program product comprising a computer program tangibly embodied on a machine readable medium, the computer program comprising program code for executing the method illustrated in the flowchart, the program code comprising Executing an instruction corresponding to the method step provided by the embodiment of the present application, for example, performing a filtering operation on the obtained plurality of face images to obtain at least one face image whose image quality reaches a first preset condition; and at least one face image Each face image is matched with at least one face image pre-stored in the image queue to obtain a matching result; and determining whether to perform a deduplication operation on the face image according to the matching result.
  • the computer program can be downloaded and installed from the network via the communication portion 309, and/or installed from the removable medium 311.
  • the computer program is executed by the central processing unit (CPU) 301, the above-described functions defined in the method of the present application are performed.
  • the methods and apparatus of the present application may be implemented in a number of ways.
  • the methods and apparatus of the present application can be implemented in software, hardware, firmware, or any combination of software, hardware, and firmware.
  • the above-described sequence of steps for the method is for illustrative purposes only, and the steps of the method of the present application are not limited to the order specifically described above unless otherwise specifically stated.
  • the present application can also be implemented as a program recorded in a recording medium, the programs including machine readable instructions for implementing the method according to the present application.
  • the present application also covers a recording medium storing a program for executing the method according to the present application.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)
  • Studio Devices (AREA)
  • Collating Specific Patterns (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种人脸图像去重方法和装置、电子设备、存储介质、程序，其中，方法包括：对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像（101）；将所述第二人脸图像与图像队列中的至少一个第三人脸图像进行匹配，得到匹配结果（102）；根据所述匹配结果确定是否针对所述第二人脸图像执行去重操作（103）。实现了基于质量的过滤，大大缩减了人脸图像的数量，获得的人脸图像质量满足后续对人脸图像的处理需求，并且避免了重复处理大量人脸图像的问题；并且实现更快速的重复人脸识别。

Description

人脸图像去重方法和装置、电子设备、存储介质、程序
本申请要求在2017年7月21日提交中国专利局、申请号为201710605539.3、发明名称为“人脸图像入库方法、装置、电子设备和计算机存储介质”和2018年1月16日提交中国专利局、申请号为201810041797.8、发明名称为“人脸图像去重方法和装置、电子设备、存储介质、程序”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及计算机视觉技术，尤其是一种人脸图像去重方法和装置、电子设备、存储介质、程序
背景技术
图像包含了丰富且直观的信息，当前在互联网的社交、购物、旅游等领域，都需要大量的图像来为用户传递信息。随着图像数量的不断增加，其中重复图像的数量也越来越多。因此，图像信息的提供方在使用图像信息前，需要对图像进行去重，避免出现重复的图像，影响用户的体验，又增加自身图像的维护量。随着互联网的飞速发展，图像提供方每天都会利用用户上传、爬虫下载等诸多途径获取大量图像信息，数量已远远超过人工审核的限度。
发明内容
本申请实施例提供的一种人脸图像去重技术。
根据本申请实施例的一个方面，提供的一种人脸图像去重方法，包括：
对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像；
将所述第二人脸图像与图像队列中的至少一个第三人脸图像进行匹配，得到匹配结果；
根据所述匹配结果确定是否针对所述第二人脸图像执行去重操作。
可选地，所述图像队列中包括分别对应不同人的至少一个第三人脸图像。
可选地，所述对获得的多个第一人脸图像执行过滤操作，包括：
基于所述第一人脸图像对应的人脸属性，对获得的多个第一人脸图像进行过滤；所述第一人脸图像对应的人脸属性用于表示所述第一人脸图像中人脸的显示质量；
和/或，
基于所述第一人脸图像中的人脸角度，对获得的多个第一人脸图像进行过滤，其中，所述第一人脸图像中的人脸角度用于表示所述第一人脸图像中人脸的偏转角度。
所述人脸属性包括以下一项或多项：人脸角度、人脸宽高值、人脸模糊度；
所述基于所述第一人脸图像对应的人脸属性，对获得的多个第一人脸图像进行过滤，包括：
响应于满足第一条件，确定所述第一人脸图像的图像质量达到第一预设条件，其中，所述第一条件包括下列中的至少一种：所述人脸角度在第一预设范围内、所述人脸宽高值大于第二预设阈值、所述人 脸模糊度小于第三预设阈值。
可选地，所述对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像，包括：
从多个第一人脸图像中识别出对应同一人的至少一个第一人脸图像；
对所述对应同一人的至少一个第一人脸图像进行过滤，得到所述至少一个第一人脸图像中质量达到第一预设条件的第二人脸图像。
可选地，所述对所述对应同一人的至少一个第一人脸图像进行过滤，得到所述至少一个第一人脸图像中质量达到第一预设条件的第二人脸图像，包括：
基于所述第一人脸图像对应的人脸角度对所述对应同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像。
可选地，所述人脸角度包括以下一项或多项：人脸水平转角、人脸俯仰角、人脸倾斜角。
可选地，所述基于所述第一人脸图像对应的人脸角度对所述对应同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像，包括：
将所述第一人脸图像对应的人脸水平转角、人脸俯仰角和人脸倾斜角转换为一个三维向量；
基于所述三维向量到源点的距离对所述对应于同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像，其中，所述源点为值全为0的三维向量。
可选地，所述从多个第一人脸图像中识别出对应同一人的至少一个第一人脸图像，包括：
从多个第一人脸图像中识别出第一设定时长内对应同一人的至少一个第一人脸图像；
所述基于所述三维向量到源点的距离对所述对应于同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像，包括：
将所述至少一个第一人脸图像中三维向量到所述源点之间距离最小的第一人脸图像确定为所述第二人脸图像。
可选地，将所述第二人脸图像与图像队列中的至少一个第三人脸图像进行匹配，得到匹配结果，包括：
基于所述第二人脸图像对应的第二人脸特征，和所述图像队列中的至少一个第三人脸图像对应的第三人脸特征，获得所述第二人脸图像与所述图像队列中的所述至少一个第三人脸图像的相似度；
基于所述第二人脸图像与所述图像队列中的至少一个第三人脸图像的相似度，得到匹配结果。
可选地，所述基于所述第二人脸图像与所述图像队列中的至少一个第三人脸图像的相似度，得到匹配结果，包括：
响应于所述图像队列中存在与所述第二人脸图像之间的相似度大于或等于预设相似度的第三人脸图像，得到表示所述第二人脸图像在所述图像队列中存在匹配图像的匹配结果；和/或
响应于所述图像队列中不存在与所述第二人脸图像之间的相似度大于或等于所述预设相似度的第 三人脸图像，得到表示所述第二人脸图像在所述图像队列中不存在匹配图像的匹配结果。
可选地，所述基于所述至少一个第二人脸图像对应的第二人脸特征，和所述图像队列中的至少一个第三人脸图像对应的预存人脸特征，获得所述第二人脸图像与所述图像队列中的所述至少一个第三人脸图像的相似度，包括：
分别确定所述至少一个第二人脸图像对应的第二人脸特征和所述图像队列中至少一个第三人脸图像中每个第三人脸图像对应的第三人脸特征之间的距离；
基于所述距离获得所述第二人脸图像与所述图像队列中的至少一个第三人脸图像中每个第三人脸图像的相似度。
可选地，根据所述匹配结果确定是否针对所述第二人脸图像执行去重操作，包括：
响应于所述匹配结果表示所述第二人脸图像在所述图像队列中存在匹配图像，确定所述第二人脸图像为重复图像，和/或，不将所述第二人脸图像存入所述图像队列。
可选地，根据所述匹配结果确定是否针对所述第二人脸图像执行去重操作，包括：
响应于所述匹配结果表示所述第二人脸图像在所述图像队列中不存在匹配图像，确定所述第二人脸图像不是重复图像，和/或，将所述第二人脸图像存入所述图像队列。
可选地，所述对获得的多个第一人脸图像执行过滤操作之前，还包括：
基于至少一帧视频图像获得所述多个第一人脸图像。
可选地，所述基于至少一帧视频图像获得所述多个第一人脸图像，包括：
从视频流中获取包括人脸图像的至少一帧视频图像；
对所述至少一帧视频图像进行人脸识别处理，得到所述多个第一人脸图像。
可选地，所述对所述至少一帧视频图像进行人脸识别处理之前，还包括：
获取所述视频图像中具有设定大小的至少一个人脸图像。
可选地，还包括：
基于所述获得的多个第一人脸图像建立至少一个人脸轨迹，每个所述人脸轨迹对应一个人；
所述对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像，包括：
对所述至少一个人脸轨迹中每个人脸轨迹包括的至少一个第一人脸图像进行过滤操作，得到所述每个人脸轨迹中图像质量达到第一预设条件的一个第二人脸图像。
可选地，所述方法应用于客户端；
所述方法还包括：
将所述去重操作得到的目标人脸图像或图像队列发送给服务器。
根据本申请实施例的另一个方面，提供的一种人脸图像去重装置，包括：
过滤单元，用于对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像；
匹配单元，用于将所述第二人脸图像与图像队列中的至少一个第三人脸图像进行匹配，得到匹配结果；
去重单元，用于根据所述匹配结果确定是否针对所述第二人脸图像执行去重操作。
可选地，所述图像队列中包括分别对应不同人的至少一个第三人脸图像。
可选地，所述过滤单元，包括：
属性过滤模块，用于基于所述第一人脸图像对应的人脸属性，对获得的多个第一人脸图像进行过滤；所述第一人脸图像对应的人脸属性用于表示所述第一人脸图像中人脸的显示质量；
和/或，
角度过滤模块，用于基于所述第一人脸图像中的人脸角度，对获得的多个第一人脸图像进行过滤，其中，所述第一人脸图像中的人脸角度用于表示所述第一人脸图像中人脸的偏转角度。
可选地，所述人脸属性包括以下一项或多项：人脸角度、人脸宽高值、人脸模糊度；
所述匹配单元，具体用于响应于满足第一条件，确定所述第一人脸图像的图像质量达到第一预设条件，其中，所述第一条件包括下列中的至少一种：所述人脸角度在第一预设范围内、所述人脸宽高值大于第二预设阈值、和/或所述人脸模糊度小于第三预设阈值。
可选地，所述过滤单元，用于从多个第一人脸图像中识别出对应同一人的至少一个第一人脸图像；对所述对应同一人的至少一个第一人脸图像进行过滤，得到所述至少一个第一人脸图像中质量达到第一预设条件的第二人脸图像。
可选地，所述过滤单元在所述对应同一人的至少一个第一人脸图像进行过滤，得到所述至少一个第一人脸图像中质量达到第一预设条件的第二人脸图像时，用于基于所述第一人脸图像对应的人脸角度对所述对应同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像。
可选地，所述人脸角度包括以下一项或多项：人脸水平转角、人脸俯仰角、人脸倾斜角。
可选地，所述过滤单元，包括：
角度转换模块，用于将所述第一人脸图像对应的人脸水平转角、人脸俯仰角和人脸倾斜角转换为一个三维向量；
向量过滤模块，用于基于所述三维向量到源点的距离对所述对应于同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像；其中，所述源点为值全为0的三维向量。
可选地，所述过滤单元在从多个第一人脸图像中识别出对应同一人的至少一个第一人脸图像时，用于从多个第一人脸图像中识别出第一设定时长内对应同一人的至少一个第一人脸图像；
所述向量过滤模块，用于将所述至少一个第一人脸图像中三维向量到所述源点之间距离最小的第一人脸图像确定为所述第二人脸图像。
可选地，所述匹配单元，包括：
相似度模块，用于基于所述第二人脸图像对应的第二人脸特征，和所述图像队列中的至少一个第三 人脸图像对应的第三人脸特征，获得所述第二人脸图像与所述图像队列中的所述至少一个第三人脸图像的相似度；
结果匹配模块，用于基于所述第二人脸图像与所述图像队列中的至少一个第三人脸图像的相似度，得到匹配结果。
可选地，所述结果匹配模块，用于响应于所述图像队列中存在与所述第二人脸图像之间的相似度大于或等于预设相似度的第三人脸图像，得到表示所述第二人脸图像在所述图像队列中存在匹配图像的匹配结果；和/或
响应于所述图像队列中不存在与所述第二人脸图像之间的相似度大于或等于所述预设相似度的第三人脸图像，得到表示所述第二人脸图像在所述图像队列中不存在匹配图像的匹配结果。
可选地，所述相似度模块，具体用于分别确定所述至少一个第二人脸图像对应的第二人脸特征和所述图像队列中至少一个第三人脸图像中每个第三人脸图像对应的预存人脸特征之间的距离；基于所述距离获得所述第二人脸图像与所述图像队列中的至少一个第三人脸图像中每个第三人脸图像的相似度。
可选地，所述去重单元，用于响应于所述匹配结果表示所述第二人脸图像在所述图像队列中存在匹配图像，确定所述第二人脸图像为重复图像，和/或，不将所述第二人脸图像存入所述图像队列。
可选地，所述去重单元，还用于响应于所述匹配结果表示所述第二人脸图像在所述图像队列中不存在匹配图像，确定所述第二人脸图像不是重复图像，和/或，将所述第二人脸图像存入所述图像队列。
可选地，还包括：
图像获取单元，用于基于至少一帧视频图像获得所述多个第一人脸图像。
可选地，所述图像获取单元，包括：
抽帧模块，用于从视频流中获取包括人脸图像的至少一帧视频图像；
识别分割模块，用于对所述至少一帧视频图像进行人脸识别处理，得到所述多个第一人脸图像。
可选地，所述图像获取单元，还包括：
人脸获取模块，用于获取所述视频图像中具有设定大小的至少一个人脸图像。
可选地，所述图像获取单元，还包括：
轨迹建立模块，用于基于所述获得的多个第一人脸图像建立至少一个人脸轨迹，每个所述人脸轨迹对应一个人；
所述过滤单元，用于对所述至少一个人脸轨迹中每个人脸轨迹包括的至少一个第一人脸图像进行过滤操作，得到所述每个人脸轨迹中图像质量达到第一预设条件的一个第二人脸图像。
可选地，所述装置应用于客户端；
所述装置还包括：
发送单元，用于将所述去重操作得到的目标人脸图像或图像队列发送给服务器。
根据本申请实施例的另一个方面，提供的一种电子设备，包括处理器，所述处理器包括如上所述的人脸图像去重装置。
根据本申请实施例的另一个方面，提供的一种电子设备，包括：存储器，用于存储可执行指令；
以及处理器，用于与所述存储器通信以执行所述可执行指令从而完成如上所述人脸图像去重方法。
根据本申请实施例的另一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，所述指令被执行时执行如上所述人脸图像去重方法。
根据本申请实施例的另一个方面，提供的一种计算机程序，包括计算机可读代码，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现如上所述人脸图像去重方法的指令。
基于本申请上述实施例提供的一种人脸图像去重方法和装置、电子设备、存储介质、程序，对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像；实现了基于质量的过滤，缩减了人脸图像的数量，获得的人脸图像质量满足后续对人脸图像的处理需求，并且避免了重复处理大量人脸图像的问题；；将所述第二人脸图像与图像队列中的至少一个第三人脸图像进行匹配，得到匹配结果；根据所述匹配结果确定是否针对所述第二人脸图像执行去重操作，根据已知图像队列判断是否已存储过该人脸图像，实现快速的重复人脸识别。
下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本申请的实施例，并且连同描述一起用于解释本申请的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本申请，其中：
图1为本申请人脸图像去重方法一个实施例的流程图。
图2为本申请人脸图像去重装置一个实施例的结构示意图。
图3为用来实现本申请实施例的终端设备或服务器的电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本申请实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本申请人脸图像去重方法一个实施例的流程图。该方法可以由人脸图像去重装置执行，例如终端设备、服务器，等等，本申请实施例对于该人脸图像去重装置的具体实现不作限定。如图1所示，该实施例方法包括：
步骤101，对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像。
可选地，可通过人脸角度、人脸宽高度和人脸模糊度等对人脸图像的显示质量进行评价，但本实施例不限制具体基于什么指标对人脸图像的显示质量进行评价；获得显示质量达标的第二人脸图像之后还可以将对应同一人的多个第二人脸图像进行去重，当基于一段视频获得多个显示质量达标的同一人的多个第二人脸图像，如果都传输给后续操作设备，将造成很大负担，而且消耗大量资源做无用功。
在一个可选示例中，该步骤101可以由处理器调用存储器存储的相应指令执行，也可以由被处理器运行的过滤单元21执行。
步骤102，将第二人脸图像与图像队列中的至少一个第三人脸图像进行匹配，得到匹配结果。
在一个或多个可选的实施例中，图像队列中包括分别对应不同人的至少一个第三人脸图像；可选地，图像队列中还可以包括对应不同人的至少一个第三人脸图像对应的人脸特征，图像队列中可以是人脸图像和/或人脸图像对应的人脸特征分别对应不同人(例如：每个人脸图像对应一个人)，或在图像队列中包括部分图像分别对应不同人；可选地，识别两个人脸图像是否匹配，可基于人脸图像对应的人脸特征之间的距离获得，人脸特征之间的距离包括但不限于余弦距离、欧式距离等，本实施例对具体特征间的距离计算方法不作限制。
可选地，将第二人脸图像与图像队列中的第三人脸图像进行匹配时，可以基于第二人脸图像的特征与图像队列中的第三人脸图像的人脸特征进行匹配，根据特征匹配的结果确定第二人脸图像是否为重复图像。
在一个可选示例中，该步骤102可以由处理器调用存储器存储的相应指令执行，也可以由被处理器运行的匹配单元22执行。
步骤103，根据匹配结果确定是否针对第二人脸图像执行去重操作。
可选地，当过滤后得到的人脸图像与预存的人脸图像对应同一人，该人脸图像为重复图像，说明这个人对应的人脸图像已经过过滤去重处理，此时，可选择丢弃该人脸图像或采用该人脸图像替换这个人在图像队列中对应的人脸图像；而当过滤后得到的人脸图像与预存的人脸图像不对应同一人，该人脸图像不是重复图像，说明这个人脸图像对应的人是新出现的，需要存入队列，以备后续识别。
在一个可选示例中，该步骤103可以由处理器调用存储器存储的相应指令执行，也可以由被处理器运行的去重单元23执行。
基于本申请上述实施例提供的一种人脸图像去重方法，对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像；实现了基于质量的过滤，缩减了人脸图像的 数量，获得的人脸图像质量满足后续对人脸图像的处理需求，并且避免了重复处理大量人脸图像的问题；将第二人脸图像与图像队列中的至少一个第三人脸图像进行匹配，得到匹配结果；根据匹配结果确定是否针对第二人脸图像执行去重操作，根据已知图像队列判断是否已存储过该人脸图像，实现快速的重复人脸识别。
本申请人脸图像去重方法的另一个实施例，在上述实施例的基础上，对获得的多个第一人脸图像执行过滤操作，包括：
基于第一人脸图像对应的人脸属性，对获得的多个第一人脸图像进行过滤。
其中，人脸属性用于表示人脸图像中人脸的显示质量；第一人脸图像对应的人脸属性用于表示第一人脸图像中人脸的显示质量。
可选地，人脸属性包括但不限于以下一项或多项：人脸角度、人脸宽高值、人脸模糊度；可选地，人脸角度可以包括但不限于：水平转角(yaw)，用于表示人脸在水平方向的转向角度；俯仰角(pitch)，用于表示人脸在垂直方向的转动角度；倾斜角(roll)，用于表示人脸在垂直方向的偏转角度。
在一个或多个可选实施例中，基于第一人脸图像对应的人脸属性，对获得的多个第一人脸图像进行过滤，包括：
响应于满足第一条件，确定第一人脸图像的图像质量达到第一预设条件。
其中，第一条件包括下列中的至少一种：人脸角度在第一预设范围内、人脸宽高值大于第二预设阈值、人脸模糊度小于第三预设阈值。
或者，获取人脸图像中的人脸对应的人脸属性，对人脸属性进行判断；
将至少一个人脸图像与图像队列中预存的人脸图像进行匹配，包括：
响应于满足以下至少一个条件：人脸角度在第一预设范围内、人脸宽高值大于第二预设阈值、人脸模糊度小于第三预设阈值，
将至少一个人脸图像中的各人脸图像与图像队列中预存的人脸图像进行匹配。
还包括：
响应于满足以下至少一个条件：人脸角度不在第一预设范围内、人脸宽高值小于或等于第二预设阈值、人脸模糊度大于或等于第三预设阈值，
删除该人脸图像。
例如，第一预设范围可以设置为±20°(具体数值可根据具体情况进行设置)，当人脸角度中的水平转角(yaw)、俯仰角(pitch)和倾斜角(roll)都在±20°之间时(三种角度可以设置为相同范围或不同范围)；人脸宽高度可包括人脸宽度和人脸高度(一般通过发现(detect)返回，可以通过设置进行过滤；例如：设置为50像素，宽度和高度小于50像素的人脸图像可认为是不符合条件的，宽度和高度可以设置为不同值或相同值)；人脸模糊度(一般通过队列工具包(SDK-alignment)返回，可设置不同值，例如：设置为0.7，模糊度大于0.7的认为是质量差的人脸图像)。其中的取值：±20°、50像素、0.7为设定阈值，可根据实际情况进行设定。
对获得的多个第一人脸图像执行过滤操作，还可以包括：基于第一人脸图像中的人脸角度，对获得的多个第一人脸图像进行过滤；其中，人脸角度用于表示人脸图像中人脸的偏转角度，本实施例中，第一人脸图像中的人脸角度用于表示第一人脸图像中人脸的偏转角度。偏转角度是相对于标准正脸的，标准正脸指人脸在水平、垂直和倾斜方向的角度均为0的人脸，可将该人脸作为原点计算人脸的偏转角度。
还可以包括，对从视频流获得的多帧人脸图像执行过滤操作。通过对视频流中的多帧人脸图像执行过滤，可以实现基于人脸图像从视频流中选帧的目的，通过选帧获得的视频帧中的人脸图像都是符合第一预设条件的。
在一个或多个可选实施例中，操作101，包括：
从多个第一人脸图像中识别出对应同一人的至少一个第一人脸图像；
对对应同一人的至少一个第一人脸图像进行过滤，得到至少一个第一人脸图像中质量达到第一预设条件的第二人脸图像。
通过对同一人的人脸图像进行过滤可避免仅对第一人脸图像进行过滤会导致有些人的人脸因质量问题没有被采集，提高了得到的第二人脸图像的全面性。
可选地，过滤过程可以通过建立人脸轨迹实现，包括：基于对应同一人的至少一个人脸图像获得人脸轨迹；
基于人脸图像对应的人脸角度对人脸轨迹中的人脸图像进行过滤，得到人脸轨迹中质量达到第一预设条件的人脸图像。
本实施例通过对人脸轨迹中的人脸图像进行过滤，实现了针对至少一个人分别获得质量较好的一张图像(例如：针对每个人获得质量较好的一张图像)，可以是通过人脸角度判断该人脸图像的质量是否达到第一预设条件，这里的第一预设条件可以根据用户设置进行调整，可以是设定的角度范围值或设定为取人脸质量较好的一张。
可选地，对对应同一人的至少一个第一人脸图像进行过滤，得到至少一个第一人脸图像中质量达到第一预设条件的第二人脸图像，包括：
基于第一人脸图像对应的人脸角度对对应同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像。
通过人脸角度的过滤，可将角度偏转较大的人脸去除，获得角度在设定范围内的第二人脸图像。
在一个或多个可选实施例中，人脸角度包括但不限于以下一项或多项：人脸水平转角、人脸俯仰角、人脸倾斜角。
可选地，基于第一人脸图像对应的人脸角度对对应同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像，包括：
将第一人脸图像对应的人脸水平转角、人脸俯仰角和人脸倾斜角转换为一个三维向量；
基于三维向量到源点的距离对对应于同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像。其中，源点为值全为0的三维向量。
可选地，基于三维向量到源点的距离对人脸轨迹中的人脸图像进行过滤；源点为值全为0的三维向量。
本实施例中，可以通过计算人脸水平转角、人脸俯仰角和人脸倾斜角转换得到的三维向量的平方差获得距离值，通过这个距离值对人脸图像的质量进行评价，距离越小说明人脸图像的质量越好，即人脸图像中的人脸越接近正脸，但本实施例不限于通过计算平方差的方式获得距离值，还可以通过其他方法；并且为了快速过滤，可以是在设定时间区间内(例如：5秒内、10秒内等)对人脸轨迹中的人脸图像进行过滤。
可选地，从多个第一人脸图像中识别出对应同一人的至少一个第一人脸图像，包括：从多个第一人 脸图像中识别出第一设定时长内对应同一人的至少一个第一人脸图像；
基于三维向量到源点的距离对对应于同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像，包括：
将至少一个第一人脸图像中三维向量到源点之间距离最小的第一人脸图像确定为第二人脸图像。
通过在设定时长内将同一人在该设定时长内的至少一个第一人脸图像，能有效控制每次识别的第一人脸图像的数量，使识别结果更准确。而到源点的距离最小的第一人脸图像说明是人脸图像中人脸角度最小的人脸，即最接近正脸的人脸。
在一个或多个可选实施例中，人脸轨迹还包括对应人脸图像的时间戳，时间戳对应人脸图像开始执行过滤操作的时间；
基于三维向量到源点的距离对人脸轨迹中的人脸图像进行过滤，包括：
基于三维向量到源点的距离，获得第一设定时长内人脸轨迹中至少一个人脸图像中对应距离小于预设阈值的人脸图像，保存对应距离小于预设阈值的人脸图像。
或，基于三维向量到源点的距离，获得第一设定时长内人脸轨迹中至少一个人脸图像中对应距离最小的人脸图像，保存对应距离最小的人脸图像。
本实施例中通过在设定时间长内的人脸图像进行过滤，获得在该时长内人脸轨迹中质量较好的，即实现了获得质量较佳的人脸图像，并且加快了处理速度，后续可以基于多个设定时长获得的质量较佳的人脸图像建立新的人脸轨迹，基于新的人脸轨迹再基于质量过滤，获得多个设定时长中所有人脸图像中质量较好的人脸图像。
本申请人脸图像去重方法的又一个实施例，在上述实施例的基础上，操作102，包括：
基于第二人脸图像对应的第二人脸特征，和图像队列中的至少一个第三人脸图像对应的第三人脸特征，获得第二人脸图像与图像队列中的至少一个第三人脸图像的相似度；
基于第二人脸图像与图像队列中的至少一个第三人脸图像的相似度，得到匹配结果。
可选地，响应于图像队列中存在与第二人脸图像之间的相似度大于或等于预设相似度的第三人脸图像，得到表示第二人脸图像在图像队列中存在匹配图像的匹配结果；和/或
响应于图像队列中不存在与第二人脸图像之间的相似度大于或等于预设相似度的第三人脸图像，得到表示第二人脸图像在图像队列中不存在匹配图像的匹配结果。
本实施例实现的是人脸去重，将获得的质量较好的人脸图像与已存的图像队列中的人脸图像进行相似度比对，可以是基于人脸特征进行的，获得人脸图像的人脸特征可以通过神经网络进行获得，而图像队列中可以存储人脸图像或存储人脸图像及其对应的人脸特征，当存储人脸图像时，在需要进行相似度比对时，首先通过神经网络获得预存的人脸图像对应的人脸特征。
在本申请人脸图像去重方法上述各实施例的一个具体示例中，基于至少一个第二人脸图像对应的第二人脸特征，和图像队列中的至少一个第三人脸图像对应的预存人脸特征，获得第二人脸图像与图像队列中的至少一个第三人脸图像的相似度，包括：
分别确定至少一个第二人脸图像对应的第二人脸特征和图像队列中至少一个第三人脸图像中每个第三人脸图像对应的第三人脸特征之间的距离；
基于距离获得第二人脸图像与图像队列中的至少一个第三人脸图像中每个第三人脸图像的相似度。
可选地，通过计算人脸特征之间的距离可确定对应的人脸图像之间的相似度，距离具体可以包括但不限于：余弦距离、欧式距离、马氏距离等，人脸特征之间的距离越近的说明对应的人脸图像之间相似度越大，是否是同一个人的人脸图像可以通过设定阈值(例如：相似度为0.86、0.88等)进行判断，设定阈值的大小可根据实际情况进行调整。
可选地，为了加快相似度识别的速度，可在设定时间段(例如：300秒、400秒等)内对该时间段内获得的人脸图像与图像队列进行相似度比较，每当达到设定时间段，对该时间段内获得的人脸图像与图像队列进行相似度比较。
在本申请人脸图像去重方法上述各实施例的一个具体示例中，操作103，包括：
响应于匹配结果表示第二人脸图像在图像队列中存在匹配图像，确定第二人脸图像为重复图像；和/或，不将第二人脸图像存入图像队列。
可选地，操作103，包括：响应于匹配结果表示第二人脸图像在图像队列中不存在匹配图像，确定第二人脸图像不是重复图像，和/或，将第二人脸图像存入图像队列。
可选地，当人脸图像与图像队列中的某一人脸图像相似度大于预设阈值，说明这两个人脸图像可能对应同一人，为了减轻后续处理的压力，对同一个人仅保留一个人脸图像即可，此时可以直接删除新接收的人脸图像，或将该人脸图像与第三人脸图像进行质量比较，当新接收的人脸图像质量更好时，采用新接收的人脸图像替换图像队列中预存的人脸图像；在识别到是重复图像时，可以对该人脸图像对应的出现次数进行累加并记录，以便对统计的后续处理提供信息；当判断人脸图像不是重复图像时，将该人脸图像加入图像队列，以便后续对其他新接收的人脸图像进行相似度匹配时可准确识别。
本申请人脸图像去重方法的还一个实施例，在上述实施例的基础上，操作101之前，还可以包括：
基于至少一帧视频图像获得多个第一人脸图像。
实际应用中，需要执行人脸图像去重方法的人脸图像必然是数量较大的，例如：从一段视频中提取的多个视频图像中得到的人脸图像，或从网络中直接抓取的大量人脸图像等等；本实施例针对视频流中获取的视频图像，对一段视频流进行处理时，可选地，可以包括：
从视频流中获取包括人脸图像的至少一帧视频图像；
对至少一帧视频图像进行人脸识别处理，得到多个第一人脸图像。
可选地，通过抽帧获得视频流中的视频图像，可通过神经网络对视频图像中的人脸进行识别和分割，或通过神经网络进行人脸识别，再基于其他分割技术或其他分割网络将人脸图像从视频中分割出来；本实施例不限制具体的人脸识别和分割技术，以能实现本实施例目的为标准。
例如：通过设置的摄像头等图像采集设备进行采集视频流，对视频流进行分解，得到视频图像，对于视频图像通过人脸识别技术(如：卷积神经网络Convolutional Neural Network,CNN)识别出具有人脸图像的视频图像，在通过图像分割技术将该人脸图像从视频图像中分割出来，就获得了采集的人脸图像，一帧视频图像中可能包括至少一个人脸图像，也可能没有人脸图像，对于没有人脸图像的视频图像，本申请实施例不进行采集；还可以对分解得到的视频图像进行人脸抠图，进行软件包检测(Software Development Kit，SDK-detect)，同一个抠图内检测(detect)到多张人脸的取第一张，无人脸的过滤掉。
在一个或多个可选实施例中，在分别对视频帧进行人脸识别和分割之前，还可以包括：
获取视频图像中具有设定大小的至少一个人脸图像。
通过基于人脸图像大小进行筛选，可将没有人脸图像或人脸图像较小无法识别的视频图像过滤掉，保留包括可识别的人脸图像的视频图像，再针对过滤后的视频图像进行人脸识别和分割；可选地，人脸图像大小的筛选可以基于神经网络也可以基于其他筛选方法。
在本申请人脸图像去重方法上述各实施例的一个具体示例中，还包括：
基于获得的多个第一人脸图像建立至少一个人脸轨迹；例如：每个人脸轨迹对应一个人。
可选地，步骤101可以包括：
对至少一个人脸轨迹中每个人脸轨迹包括的至少一个第一人脸图像进行过滤操作，得到每个人脸轨迹中图像质量达到第一预设条件的一个第二人脸图像。
本实施例在抠图获得人脸图像之后先基于人脸图像建立人脸轨迹，可为后续操作中对于同一人的人脸图像进行去重提供基础，具体建立人脸轨迹的方式本申请不作限定。
本申请人脸图像去重方法可以应用在智能视频分析，智慧商业，安防监控等领域，例如：凡是涉及到处理视频流的都可应用本申请实施例人脸图像去重方法，凡是涉及到处理大量帧图片有筛选需求的都可应用本申请实施例人脸图像去重方法，凡是涉及到需将大量帧图片上传至云端的都可应用本申请实施例人脸图像去重方法。
在本申请人脸图像去重方法上述各实施例的一个具体示例中，还包括：
基于人脸轨迹中人脸图像经过过滤操作和/或去重操作得到人脸轨迹对应的目标人脸图像，基于目标人脸图像进行属性检测和人脸比对。
可选地，示例性地，可应用的场景一：客户端需对实时采集的视频中的人脸进行属性检测和人脸比对，需要在包含同一个人脸的连续多帧图像中选取一帧最适合处理的，来更好地进行属性检测和人脸比对。这时便需要本方案对符合要求的人脸图像做出选择。
在本申请人脸图像去重方法上述各实施例的一个具体示例中，该实施例方法应用于客户端；
该实施例方法还包括：
将去重操作得到的目标人脸图像或图像队列发送给服务器。
可选地，服务器可以包括本地服务器和/或云服务器。
将经过过滤操作和/或去重操作得到的人脸图像或图像队列发送到服务器和/或云服务器，服务器和/或云服务器将从客户端接收经过过滤操作和/或去重操作的人脸图像或图像队列，将该人脸图像或图像队列的人脸图像与图像数据库中已存的人脸图像进行比对，判断采集的人脸图像或图像队列中的人脸图像在图像数据库中是否存在相应的人脸图像，并根据判断结果将该人脸图像或图像队列存入或不存入该图像数据库。
其中，图像数据库用于保存经过判断存入的采集得到的人脸图像；初始状态下的图像数据库是空的或者已经存储有人脸图像，通过不断的将人脸图像发送到服务器和/或云服务器，可以使越来越多符合要求的人脸图像被自动存入图像数据库中，实现构建图像数据库。
可选地，示例性地，可应用的场景二：客户端处理视频流，将符合要求的人脸图片发送至云端，直接全部发送至云端会导致云端压力过大且重复、质量低的人脸图片意义不大，因此在客户端上传图片至云端之前需做去重过滤。这时便需要本方案对更好的人脸图像做出选择。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实 施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图2为本申请人脸图像去重装置一个实施例的结构示意图。该实施例的装置可用于实现本申请上述各方法实施例。如图2所示，该实施例的装置包括：
过滤单元21，用于对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像。
匹配单元22，用于将第二人脸图像与图像队列中的至少一个第三人脸图像进行匹配，得到匹配结果。
在一个或多个可选的实施例中，图像队列中包括分别对应不同人的至少一个第三人脸图像；图像队列中可以每个第三人脸图像分别对应不同人，或在图像队列中包括部分图像分别对应不同人；可选地，识别两个人脸图像是否匹配，可基于人脸图像对应的人脸特征之间的距离获得，人脸特征之间的距离包括余弦距离、欧式距离等，本实施例对具体特征间的距离计算方法不作限制。
去重单元23，用于根据匹配结果确定是否针对第二人脸图像执行去重操作。
当过滤后得到的人脸图像与预存的人脸图像对应同一人，该人脸图像为重复图像，说明这个人对应的人脸图像已经过过滤去重处理，此时，可选择丢弃该人脸图像或采用该人脸图像替换这个人在图像队列中对应的人脸图像；而当过滤后得到的人脸图像与预存的人脸图像不对应同一人，该人脸图像不是重复图像，说明这个人脸图像对应的人是新出现的，需要存入队列，以备后续识别。
基于本申请上述实施例提供的一种人脸图像去重装置，实现了基于质量的过滤，大大缩减了人脸图像的数量，获得的人脸图像质量满足后续对人脸图像的处理需求，并且避免了重复处理大量人脸图像的问题；根据已知图像队列判断是否已存储过该人脸图像，实现更快速的重复人脸识别。
本申请人脸图像去重装置的另一个实施例，在上述实施例的基础上，过滤单元21，包括：
属性过滤模块，用于基于第一人脸图像对应的人脸属性，对获得的多个第一人脸图像进行过滤。
其中，人脸属性用于表示人脸图像中人脸的显示质量，本实施例中，第一人脸图像对应的人脸属性用于表示第一人脸图像中人脸的显示质量；可选地，人脸属性包括但不限于以下一项或多项：人脸角度、人脸宽高值、人脸模糊度；更具体的，人脸角度可以包括但不限于：水平转角(yaw)，用于表示人脸在水平方向的转向角度；俯仰角(pitch)，用于表示人脸在垂直方向的转动角度；倾斜角(roll)，用于表示人脸在垂直方向的偏转角度。
和/或，角度过滤模块，用于基于第一人脸图像中的人脸角度，对获得的多个第一人脸图像进行过滤。其中，人脸角度用于表示人脸图像中人脸的偏转角度，本实施例中，第一人脸图像中的人脸角度用于表示第一人脸图像中人脸的偏转角度；偏转角度是相对于标准正脸的，标准正脸指人脸在水平、垂直和倾斜方向的角度均为0的人脸，可将该人脸作为原点计算人脸的偏转角度。
可选地，还可以包括选帧模块，用于对从视频流获得的多帧人脸图像执行过滤操作。通过对视频流中的多帧人脸图像执行过滤，可以实现基于人脸图像从视频流中选帧的目的，通过选帧获得的视频帧中的人脸图像都是符合第一预设条件的。
在一个或多个可选实施例中，人脸属性包括但不限于以下一项或多项：人脸角度、人脸宽高值、人脸模糊度；
匹配单元22，可用于响应于满足第一条件，确定第一人脸图像的图像质量达到第一预设条件，其中，第一条件包括下列中的至少一种：人脸角度在第一预设范围内、人脸宽高值大于第二预设阈值、人 脸模糊度小于第三预设阈值。
在本申请人脸图像去重装置上述各实施例的一个具体示例中，属性过滤模块，还用于响应于人脸角度不在第一预设范围内、人脸宽高值小于或等于第二预设阈值、和/或人脸模糊度大于或等于第三预设阈值，删除人脸图像。
在本申请人脸图像去重装置上述各实施例的一个具体示例中，过滤单元，可用于从多个第一人脸图像中识别出对应同一人的至少一个第一人脸图像；对对应同一人的至少一个第一人脸图像进行过滤，得到至少一个第一人脸图像中质量达到第一预设条件的第二人脸图像。
可选地，基于对应同一人的至少一个人脸图像获得人脸轨迹；
基于人脸图像对应的人脸角度对人脸轨迹中的人脸图像进行过滤，得到人脸轨迹中质量达到第一预设条件的人脸图像。
可选地，过滤单元在对应同一人的至少一个第一人脸图像进行过滤，得到至少一个第一人脸图像中质量达到第一预设条件的第二人脸图像时，用于基于第一人脸图像对应的人脸角度对对应同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像。
在本申请人脸图像去重装置上述各实施例的一个具体示例中，人脸角度包括但不限于以下一项或多项：人脸水平转角、人脸俯仰角、人脸倾斜角。
可选地，过滤单元，包括：
角度转换模块，用于将第一人脸图像对应的人脸水平转角、人脸俯仰角和人脸倾斜角转换为一个三维向量；
向量过滤模块，用于基于三维向量到源点的距离对对应于同一人的至少一个第一人脸轨迹中的人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像；其中，源点为值全为0的三维向量。
可选地，过滤单元在从多个第一人脸图像中识别出对应同一人的至少一个第一人脸图像时，用于从多个第一人脸图像中识别出第一设定时长内对应同一人的至少一个第一人脸图像；
向量过滤模块，用于将至少一个第一人脸图像中三维向量到源点之间距离最小的第一人脸图像确定为第二人脸图像。
在本申请人脸图像去重装置上述各实施例的一个具体示例中，人脸轨迹还包括对应人脸图像的时间戳，时间戳对应人脸图像开始执行过滤操作的时间；
向量过滤模块，用于基于三维向量到源点的距离，获得第一设定时长内人脸轨迹中至少一个人脸图像中对应距离小于预设阈值的人脸图像，保存对应距离小于预设阈值的人脸图像。
或，用于基于三维向量到源点的距离，获得第一设定时长内人脸轨迹中至少一个人脸图像中对应距离最小的人脸图像，保存对应距离最小的人脸图像。
本申请人脸图像去重装置的又一个实施例，在上述实施例的基础上，匹配单元22，包括：
相似度模块，用于基于第二人脸图像对应的第二人脸特征，和图像队列中的至少一个第三人脸图像对应的第三人脸特征，获得第三人脸图像与图像队列中的至少一个第三人脸图像的相似度；
结果匹配模块，用于基于第二人脸图像与图像队列中的至少一个第三人脸图像的相似度，得到匹配结果。
可选地，结果匹配模块，用于响应于图像队列中存在与第二人脸图像之间的相似度大于或等于预设相似度的第三人脸图像，得到表示第二人脸图像在图像队列中存在匹配图像的匹配结果；和/或
响应于图像队列中不存在与第二人脸图像之间的相似度大于或等于预设相似度的第三人脸图像，得到表示第二人脸图像在图像队列中不存在匹配图像的匹配结果。
本实施例实现的是人脸去重，将获得的质量较好的人脸图像与已存的图像队列中的人脸图像进行相似度比对，可以是基于人脸特征进行的，获得人脸图像的人脸特征可以通过神经网络进行获得，而图像队列中可以存储人脸图像或存储人脸图像及其对应的人脸特征，当存储人脸图像时，在需要进行相似度比对时，首先通过神经网络获得预存的人脸图像对应的人脸特征。
在本申请人脸图像去重装置上述各实施例的一个具体示例中，相似度模块，用于分别确定至少一个第二人脸图像对应的第二人脸特征和图像队列中至少一个第三人脸图像中每个第三人脸图像对应的预存人脸特征之间的距离；基于距离获得第二人脸图像与图像队列中的至少一个第三人脸图像中每个第三人脸图像的相似度。
在本申请人脸图像去重装置上述各实施例的一个具体示例中，去重单元23，用于响应于匹配结果表示第二人脸图像在图像队列中存在匹配图像，确定第二人脸图像为重复图像，和/或，不将第二人脸图像存入图像队列。
可选地，去重单元23，还用于响应于匹配结果表示第二人脸图像在图像队列中不存在匹配图像，确定第二人脸图像不是重复图像，和/或，将第二人脸图像存入图像队列。
本申请人脸图像去重装置的还一个实施例，在上述实施例的基础上，还包括：
图像获取单元，用于基于至少一帧视频图像获得多个第一人脸图像。
实际应用中，需要执行人脸图像去重方法的人脸图像必然是数量较大的，例如：从一段视频中提取的多个视频帧中得到的人脸图像，或从网络中直接抓取的大量人脸图像等等；本实施例针对视频流中获取的视频帧，对一段视频流进行处理时，可选地，图像获取单元，可以包括：
抽帧模块，用于从视频流中获取包括人脸图像的至少一帧视频图像；
识别分割模块，用于对至少一帧视频图像进行人脸识别处理，得到多个第一人脸图像。
在一个或多个可选实施例中，图像获取单元，还包括：
人脸获取模块，用于获取视频图像中具有设定大小的至少一个人脸图像。
在本申请人脸图像去重装置上述各实施例的一个具体示例中，图像获取单元，还包括：
轨迹建立模块，用于基于获得的多个第一人脸图像建立至少一个人脸轨迹，每个人脸轨迹对应一个人。
过滤单元，基于获得的多个第一人脸图像建立至少一个人脸轨迹，每个人脸轨迹对应一个人。
在本申请人脸图像去重装置上述各实施例的一个具体示例中，图像获取单元，
还可以用于基于人脸轨迹中各人脸图像经过过滤操作和/或去重操作得到人脸轨迹对应的目标人脸图像，基于目标人脸图像进行属性检测和人脸比对。
在本申请人脸图像去重装置上述各实施例的一个具体示例中，本实施例装置应用于客户端；
本实施例装置还包括：
发送单元，用于将去重操作得到的目标人脸图像或图像队列发送给服务器。
其中，服务器可以包括本地服务器和/或云服务器。
根据本申请实施例的一个方面，提供的一种电子设备，包括处理器，处理器包括本申请上述任一实施例的人脸图像去重装置。
根据本申请实施例的一个方面，提供的一种电子设备，包括：存储器，用于存储可执行指令；
以及处理器，用于与存储器通信以执行可执行指令从而完成本申请人脸图像去重方法上述任一实施例的操作。
根据本申请实施例的一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，指令被执行时执行本申请人脸图像去重方法上述任一实施例的操作。
根据本申请实施例的一个方面，提供的一种计算机程序，包括计算机可读代码，当计算机可读代码在设备上运行时，该设备中的处理器执行用于实现本申请人脸图像去重方法任意一项实施例的指令。
本申请实施例还提供了一种电子设备，例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图3，其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备300的结构示意图：如图3所示，电子设备300包括一个或多个处理器、通信部等，所述一个或多个处理器例如：一个或多个中央处理单元(CPU)301，和/或一个或多个图像处理器(GPU)313等，处理器可以根据存储在只读存储器(ROM)302中的可执行指令或者从存储部分308加载到随机访问存储器(RAM)303中的可执行指令而执行各种适当的动作和处理。通信部312可包括但不限于网卡，所述网卡可包括但不限于IB(Infiniband)网卡。
处理器可与只读存储器302和/或随机访问存储器303中通信以执行可执行指令，通过总线304与通信部312相连、并经通信部312与其他目标设备通信，从而完成本申请实施例提供的任一项方法对应的操作，例如，对获得的多个人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个人脸图像；将至少一个人脸图像中的各人脸图像与图像队列中预存的至少一个人脸图像进行匹配，得到匹配结果；根据匹配结果确定是否针对人脸图像执行去重操作。
此外，在RAM 303中，还可存储有装置操作所需的各种程序和数据。CPU301、ROM302以及RAM303通过总线304彼此相连。在有RAM303的情况下，ROM302为可选模块。RAM303存储可执行指令，或在运行时向ROM302中写入可执行指令，可执行指令使中央处理单元(CPU)301执行上述通信方法对应的操作。输入/输出(I/O)接口305也连接至总线304。通信部312可以集成设置，也可以设置为具有多个子模块(例如多个IB网卡)，并在总线链接上。
以下部件连接至I/O接口305：包括键盘、鼠标等的输入部分306；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307；包括硬盘等的存储部分308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器310上，以便于从其上读出的计算机程序根据需要被安装入存储部分308。
需要说明的，如图3所示的架构仅为一种可选实现方式，在具体实践过程中，可根据实际需要对上述图3的部件数量和类型进行选择、删减、增加或替换；在不同功能部件设置上，也可采用分离设置或集成设置等实现方式，例如GPU313和CPU301可分离设置或者可将GPU313集成在CPU301上，通信部可分离设置，也可集成设置在CPU301或GPU313上，等等。这些可替换的实施方式均落入本申请公开的保护范围。
特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，计算机 程序包含用于执行流程图所示的方法的程序代码，程序代码可包括对应执行本申请实施例提供的方法步骤对应的指令，例如，对获得的多个人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个人脸图像；将至少一个人脸图像中的各人脸图像与图像队列中预存的至少一个人脸图像进行匹配，得到匹配结果；根据匹配结果确定是否针对人脸图像执行去重操作。在这样的实施例中，该计算机程序可以通过通信部分309从网络上被下载和安装，和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时，执行本申请的方法中限定的上述功能。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本申请的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本申请的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本申请实施为记录在记录介质中的程序，这些程序包括用于实现根据本申请的方法的机器可读指令。因而，本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
本申请的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本申请限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本申请的原理和实际应用，并且使本领域的普通技术人员能够理解本申请从而设计适于特定用途的带有各种修改的各种实施例。

Claims (42)

  1. 一种人脸图像去重方法，其特征在于，包括：
    对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像；
    将所述第二人脸图像与图像队列中的至少一个第三人脸图像进行匹配，得到匹配结果；
    根据所述匹配结果确定是否针对所述第二人脸图像执行去重操作。
  2. 根据权利要求1所述的方法，其特征在于，所述图像队列中包括分别对应不同人的至少一个第三人脸图像。
  3. 根据权利要求1或2所述的方法，其特征在于，所述对获得的多个第一人脸图像执行过滤操作，包括：
    基于所述第一人脸图像对应的人脸属性，对获得的多个第一人脸图像进行过滤；所述第一人脸图像对应的人脸属性用于表示所述第一人脸图像中人脸的显示质量；
    和/或，
    基于所述第一人脸图像中的人脸角度，对获得的多个第一人脸图像进行过滤，其中，所述第一人脸图像中的人脸角度用于表示所述第一人脸图像中人脸的偏转角度。
  4. 根据权利要求3所述的方法，其特征在于，所述人脸属性包括以下一项或多项：人脸角度、人脸宽高值、人脸模糊度；
    所述基于所述第一人脸图像对应的人脸属性，对获得的多个第一人脸图像进行过滤，包括：
    响应于满足第一条件，确定所述第一人脸图像的图像质量达到第一预设条件，其中，所述第一条件包括下列中的至少一种：所述人脸角度在第一预设范围内、所述人脸宽高值大于第二预设阈值、所述人脸模糊度小于第三预设阈值。
  5. 根据权利要求1-4任一所述的方法，其特征在于，所述对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像，包括：
    从多个第一人脸图像中识别出对应同一人的至少一个第一人脸图像；
    对所述对应同一人的至少一个第一人脸图像进行过滤，得到所述至少一个第一人脸图像中质量达到第一预设条件的第二人脸图像。
  6. 根据权利要求5所述的方法，其特征在于，所述对所述对应同一人的至少一个第一人脸图像进行过滤，得到所述至少一个第一人脸图像中质量达到第一预设条件的第二人脸图像，包括：
    基于所述第一人脸图像对应的人脸角度对所述对应同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像。
  7. 根据权利要求3-6任一所述的方法，其特征在于，所述人脸角度包括以下一项或多项：人脸水 平转角、人脸俯仰角、人脸倾斜角。
  8. 根据权利要求7所述的方法，其特征在于，所述基于所述第一人脸图像对应的人脸角度对所述对应同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像，包括：
    将所述第一人脸图像对应的人脸水平转角、人脸俯仰角和人脸倾斜角转换为一个三维向量；
    基于所述三维向量到源点的距离对所述对应于同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像，其中，所述源点为值全为0的三维向量。
  9. 根据权利要求8所述的方法，其特征在于，所述从多个第一人脸图像中识别出对应同一人的至少一个第一人脸图像，包括：
    从多个第一人脸图像中识别出第一设定时长内对应同一人的至少一个第一人脸图像；
    所述基于所述三维向量到源点的距离对所述对应于同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像，包括：
    将所述至少一个第一人脸图像中三维向量到所述源点之间距离最小的第一人脸图像确定为所述第二人脸图像。
  10. 根据权利要求1-9任一所述的方法，其特征在于，将所述第二人脸图像与图像队列中的至少一个第三人脸图像进行匹配，得到匹配结果，包括：
    基于所述第二人脸图像对应的第二人脸特征，和所述图像队列中的至少一个第三人脸图像对应的第三人脸特征，获得所述第二人脸图像与所述图像队列中的所述至少一个第三人脸图像的相似度；
    基于所述第二人脸图像与所述图像队列中的至少一个第三人脸图像的相似度，得到匹配结果。
  11. 根据权利要求10所述的方法，其特征在于，所述基于所述第二人脸图像与所述图像队列中的至少一个第三人脸图像的相似度，得到匹配结果，包括：
    响应于所述图像队列中存在与所述第二人脸图像之间的相似度大于或等于预设相似度的第三人脸图像，得到表示所述第二人脸图像在所述图像队列中存在匹配图像的匹配结果；和/或
    响应于所述图像队列中不存在与所述第二人脸图像之间的相似度大于或等于所述预设相似度的第三人脸图像，得到表示所述第二人脸图像在所述图像队列中不存在匹配图像的匹配结果。
  12. 根据权利要求11所述的方法，其特征在于，所述基于所述至少一个第二人脸图像对应的第二人脸特征，和所述图像队列中的至少一个第三人脸图像对应的预存人脸特征，获得所述第二人脸图像与所述图像队列中的所述至少一个第三人脸图像的相似度，包括：
    分别确定所述至少一个第二人脸图像对应的第二人脸特征和所述图像队列中至少一个第三人脸图像中每个第三人脸图像对应的第三人脸特征之间的距离；
    基于所述距离获得所述第二人脸图像与所述图像队列中的至少一个第三人脸图像中每个第三人脸图像的相似度。
  13. 根据权利要求1-12任一所述的方法，其特征在于，根据所述匹配结果确定是否针对所述第二 人脸图像执行去重操作，包括：
    响应于所述匹配结果表示所述第二人脸图像在所述图像队列中存在匹配图像，确定所述第二人脸图像为重复图像，和/或，不将所述第二人脸图像存入所述图像队列。
  14. 根据权利要求1-13任一所述的方法，其特征在于，根据所述匹配结果确定是否针对所述第二人脸图像执行去重操作，包括：
    响应于所述匹配结果表示所述第二人脸图像在所述图像队列中不存在匹配图像，确定所述第二人脸图像不是重复图像，和/或，将所述第二人脸图像存入所述图像队列。
  15. 根据权利要求1-14任一所述的方法，其特征在于，所述对获得的多个第一人脸图像执行过滤操作之前，还包括：
    基于至少一帧视频图像获得所述多个第一人脸图像。
  16. 根据权利要求15所述的方法，其特征在于，所述基于至少一帧视频图像获得所述多个第一人脸图像，包括：
    从视频流中获取包括人脸图像的至少一帧视频图像；
    对所述至少一帧视频图像进行人脸识别处理，得到所述多个第一人脸图像。
  17. 根据权利要求16所述的方法，其特征在于，所述对所述至少一帧视频图像进行人脸识别处理之前，还包括：
    获取所述视频图像中具有设定大小的至少一个人脸图像。
  18. 根据权利要求15-17任一所述的方法，其特征在于，还包括：
    基于所述获得的多个第一人脸图像建立至少一个人脸轨迹，每个所述人脸轨迹对应一个人；
    所述对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像，包括：
    对所述至少一个人脸轨迹中每个人脸轨迹包括的至少一个第一人脸图像进行过滤操作，得到所述每个人脸轨迹中图像质量达到第一预设条件的一个第二人脸图像。
  19. 根据权利要求1-18任一所述的方法，其特征在于，所述方法应用于客户端；
    所述方法还包括：
    将所述去重操作得到的目标人脸图像或图像队列发送给服务器。
  20. 一种人脸图像去重装置，其特征在于，包括：
    过滤单元，用于对获得的多个第一人脸图像执行过滤操作，得到图像质量达到第一预设条件的至少一个第二人脸图像；
    匹配单元，用于将所述第二人脸图像与图像队列中的至少一个第三人脸图像进行匹配，得到匹配结果；
    去重单元，用于根据所述匹配结果确定是否针对所述第二人脸图像执行去重操作。
  21. 根据权利要求20所述的装置，其特征在于，所述图像队列中包括分别对应不同人的至少一个第三人脸图像。
  22. 根据权利要求20或21所述的装置，其特征在于，所述过滤单元，包括：
    属性过滤模块，用于基于所述第一人脸图像对应的人脸属性，对获得的多个第一人脸图像进行过滤；所述第一人脸图像对应的人脸属性用于表示所述第一人脸图像中人脸的显示质量；
    和/或，
    角度过滤模块，用于基于所述第一人脸图像中的人脸角度，对获得的多个第一人脸图像进行过滤，其中，所述第一人脸图像中的人脸角度用于表示所述第一人脸图像中人脸的偏转角度。
  23. 根据权利要求22所述的装置，其特征在于，所述人脸属性包括以下一项或多项：人脸角度、人脸宽高值、人脸模糊度；
    所述匹配单元，具体用于响应于满足第一条件，确定所述第一人脸图像的图像质量达到第一预设条件，其中，所述第一条件包括下列中的至少一种：所述人脸角度在第一预设范围内、所述人脸宽高值大于第二预设阈值、和/或所述人脸模糊度小于第三预设阈值。
  24. 根据权利要求20-23任一所述的方法，其特征在于，所述过滤单元，用于从多个第一人脸图像中识别出对应同一人的至少一个第一人脸图像；对所述对应同一人的至少一个第一人脸图像进行过滤，得到所述至少一个第一人脸图像中质量达到第一预设条件的第二人脸图像。
  25. 根据权利要求24所述的方法，其特征在于，所述过滤单元在所述对应同一人的至少一个第一人脸图像进行过滤，得到所述至少一个第一人脸图像中质量达到第一预设条件的第二人脸图像时，用于基于所述第一人脸图像对应的人脸角度对所述对应同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像。
  26. 根据权利要求22-25任一所述的装置，其特征在于，所述人脸角度包括以下一项或多项：人脸水平转角、人脸俯仰角、人脸倾斜角。
  27. 根据权利要求26所述的装置，其特征在于，所述过滤单元，包括：
    角度转换模块，用于将所述第一人脸图像对应的人脸水平转角、人脸俯仰角和人脸倾斜角转换为一个三维向量；
    向量过滤模块，用于基于所述三维向量到源点的距离对所述对应于同一人的至少一个第一人脸图像进行过滤，得到质量达到第一预设条件的第二人脸图像；其中，所述源点为值全为0的三维向量。
  28. 根据权利要求27所述的装置，其特征在于，所述过滤单元在从多个第一人脸图像中识别出对应同一人的至少一个第一人脸图像时，用于从多个第一人脸图像中识别出第一设定时长内对应同一人的至少一个第一人脸图像；
    所述向量过滤模块，用于将所述至少一个第一人脸图像中三维向量到所述源点之间距离最小的第一人脸图像确定为所述第二人脸图像。
  29. 根据权利要求20-28任一所述的装置，其特征在于，所述匹配单元，包括：
    相似度模块，用于基于所述第二人脸图像对应的第二人脸特征，和所述图像队列中的至少一个第三人脸图像对应的第三人脸特征，获得所述第二人脸图像与所述图像队列中的所述至少一个第三人脸图像的相似度；
    结果匹配模块，用于基于所述第二人脸图像与所述图像队列中的至少一个第三人脸图像的相似度，得到匹配结果。
  30. 根据权利要求29所述的装置，其特征在于，所述结果匹配模块，用于响应于所述图像队列中存在与所述第二人脸图像之间的相似度大于或等于预设相似度的第三人脸图像，得到表示所述第二人脸图像在所述图像队列中存在匹配图像的匹配结果；和/或
    响应于所述图像队列中不存在与所述第二人脸图像之间的相似度大于或等于所述预设相似度的第三人脸图像，得到表示所述第二人脸图像在所述图像队列中不存在匹配图像的匹配结果。
  31. 根据权利要求30所述的装置，其特征在于，所述相似度模块，具体用于分别确定所述至少一个第二人脸图像对应的第二人脸特征和所述图像队列中至少一个第三人脸图像中每个第三人脸图像对应的预存人脸特征之间的距离；基于所述距离获得所述第二人脸图像与所述图像队列中的至少一个第三人脸图像中每个第三人脸图像的相似度。
  32. 根据权利要求20-31任一所述的装置，其特征在于，所述去重单元，用于响应于所述匹配结果表示所述第二人脸图像在所述图像队列中存在匹配图像，确定所述第二人脸图像为重复图像，和/或，不将所述第二人脸图像存入所述图像队列。
  33. 根据权利要求20-32任一所述的装置，其特征在于，所述去重单元，还用于响应于所述匹配结果表示所述第二人脸图像在所述图像队列中不存在匹配图像，确定所述第二人脸图像不是重复图像，和/或，将所述第二人脸图像存入所述图像队列。
  34. 根据权利要求20-33任一所述的装置，其特征在于，还包括：
    图像获取单元，用于基于至少一帧视频图像获得所述多个第一人脸图像。
  35. 根据权利要求34所述的装置，其特征在于，所述图像获取单元，包括：
    抽帧模块，用于从视频流中获取包括人脸图像的至少一帧视频图像；
    识别分割模块，用于对所述至少一帧视频图像进行人脸识别处理，得到所述多个第一人脸图像。
  36. 根据权利要求35所述的装置，其特征在于，所述图像获取单元，还包括：
    人脸获取模块，用于获取所述视频图像中具有设定大小的至少一个人脸图像。
  37. 根据权利要求34-36任一所述的方法，其特征在于，所述图像获取单元，还包括：
    轨迹建立模块，用于基于所述获得的多个第一人脸图像建立至少一个人脸轨迹，每个所述人脸轨迹对应一个人；
    所述过滤单元，用于对所述至少一个人脸轨迹中每个人脸轨迹包括的至少一个第一人脸图像进行过 滤操作，得到所述每个人脸轨迹中图像质量达到第一预设条件的一个第二人脸图像。
  38. 根据权利要求20-37任一所述的装置，其特征在于，所述装置应用于客户端；
    所述装置还包括：
    发送单元，用于将所述去重操作得到的目标人脸图像或图像队列发送给服务器。
  39. 一种电子设备，其特征在于，包括处理器，所述处理器包括权利要求20至38任意一项所述的人脸图像去重装置。
  40. 一种电子设备，其特征在于，包括：存储器，用于存储可执行指令；
    以及处理器，用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至19任意一项所述人脸图像去重方法。
  41. 一种计算机存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1至19任意一项所述人脸图像去重方法的操作。
  42. 一种计算机程序，包括计算机可读代码，其特征在于，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现权利要求1至19任意一项所述人脸图像去重方法的指令。
PCT/CN2018/096542 2017-07-21 2018-07-20 人脸图像去重方法和装置、电子设备、存储介质、程序 WO2019015684A1 (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020197029413A KR102349980B1 (ko) 2017-07-21 2018-07-20 얼굴 이미지 중복 제거 방법 및 장치, 전자 기기, 저장 매체, 프로그램
SG11201909069Q SG11201909069QA (en) 2017-07-21 2018-07-20 Methods and apparatuses for face image deduplication, electronic devices, storage media, and programs
JP2019553912A JP6916895B2 (ja) 2017-07-21 2018-07-20 顔画像重複削除方法及び装置、電子機器、記憶媒体、プログラム
CN201880018965.XA CN110869937A (zh) 2017-07-21 2018-07-20 人脸图像去重方法和装置、电子设备、存储介质、程序
US16/412,854 US11132581B2 (en) 2017-07-21 2019-05-15 Method and apparatus for face image deduplication and storage medium

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
CN201710605539.3 2017-07-21
CN201710605539 2017-07-21
CN201810041797.8A CN108228872A (zh) 2017-07-21 2018-01-16 人脸图像去重方法和装置、电子设备、存储介质、程序
CN201810041797.8 2018-01-16

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/412,854 Continuation US11132581B2 (en) 2017-07-21 2019-05-15 Method and apparatus for face image deduplication and storage medium

Publications (1)

Publication Number Publication Date
WO2019015684A1 true WO2019015684A1 (zh) 2019-01-24

Family

ID=62640576

Family Applications (2)

Application Number Title Priority Date Filing Date
PCT/CN2018/096540 WO2019015682A1 (zh) 2017-07-21 2018-07-20 人脸图像动态入库方法和装置、电子设备、介质、程序
PCT/CN2018/096542 WO2019015684A1 (zh) 2017-07-21 2018-07-20 人脸图像去重方法和装置、电子设备、存储介质、程序

Family Applications Before (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/096540 WO2019015682A1 (zh) 2017-07-21 2018-07-20 人脸图像动态入库方法和装置、电子设备、介质、程序

Country Status (6)

Country Link
US (2) US11132581B2 (zh)
JP (2) JP6916895B2 (zh)
KR (1) KR102349980B1 (zh)
CN (4) CN108228872A (zh)
SG (2) SG11201909069QA (zh)
WO (2) WO2019015682A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111695643A (zh) * 2020-06-24 2020-09-22 北京金山云网络技术有限公司 图像处理方法、装置和电子设备
CN112036957A (zh) * 2020-09-08 2020-12-04 广州图普网络科技有限公司 一种访客留存数确定方法、装置、电子设备和存储介质
CN116521046A (zh) * 2023-04-23 2023-08-01 西北核技术研究所 一种交通态势系统态势回溯功能的控制方法及系统

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108228872A (zh) * 2017-07-21 2018-06-29 北京市商汤科技开发有限公司 人脸图像去重方法和装置、电子设备、存储介质、程序
CN108491822B (zh) * 2018-04-02 2020-09-08 杭州高创电子科技有限公司 一种基于嵌入式设备有限缓存的人脸检测去重方法
CN109241310B (zh) * 2018-07-25 2020-05-01 南京甄视智能科技有限公司 人脸图像数据库的数据去重方法与系统
CN109190532A (zh) * 2018-08-21 2019-01-11 北京深瞐科技有限公司 一种基于云边融合的人脸识别方法、装置及系统
CN109271923A (zh) * 2018-09-14 2019-01-25 曜科智能科技（上海）有限公司 人脸姿态检测方法、系统、电子终端及存储介质
CN109902550A (zh) * 2018-11-08 2019-06-18 阿里巴巴集团控股有限公司 行人属性的识别方法和装置
CN109635142B (zh) * 2018-11-15 2022-05-03 北京市商汤科技开发有限公司 图像选择方法及装置、电子设备和存储介质
CN109711287B (zh) * 2018-12-12 2020-11-24 深圳云天励飞技术有限公司 人脸采集方法及相关产品
CN109658572B (zh) * 2018-12-21 2020-09-15 上海商汤智能科技有限公司 图像处理方法及装置、电子设备和存储介质
CN109858371B (zh) * 2018-12-29 2021-03-05 深圳云天励飞技术有限公司 人脸识别的方法及装置
CN111582894A (zh) * 2019-02-15 2020-08-25 普罗文化股份有限公司 人群空间行为分析系统
CN109977823B (zh) * 2019-03-15 2021-05-14 百度在线网络技术（北京）有限公司 行人识别跟踪方法、装置、计算机设备和存储介质
CN110084130B (zh) * 2019-04-03 2023-07-25 深圳鲲云信息科技有限公司 基于多目标跟踪的人脸筛选方法、装置、设备及存储介质
CN110263830B (zh) * 2019-06-06 2021-06-08 北京旷视科技有限公司 图像处理方法、装置和系统及存储介质
CN110321843B (zh) * 2019-07-04 2021-11-09 杭州视洞科技有限公司 一种基于深度学习的人脸择优方法
CN110929605A (zh) * 2019-11-11 2020-03-27 中国建设银行股份有限公司 视频关键帧的保存方法、装置、设备及存储介质
KR102114267B1 (ko) * 2019-12-10 2020-05-22 셀렉트스타 주식회사 딥러닝 기반 유사 텍스트를 필터링하는 방법 및 그를 이용한 장치
KR102114223B1 (ko) 2019-12-10 2020-05-22 셀렉트스타 주식회사 딥러닝 기반 유사 이미지를 필터링하는 방법 및 그를 이용한 장치
CN113095110B (zh) * 2019-12-23 2024-03-08 浙江宇视科技有限公司 人脸数据动态入库的方法、装置、介质及电子设备
CN111160200B (zh) * 2019-12-23 2023-06-16 浙江大华技术股份有限公司 一种路人库的建立方法及装置
CN113128293A (zh) * 2019-12-31 2021-07-16 杭州海康威视数字技术股份有限公司 一种图像处理方法、装置、电子设备及存储介质
US11687778B2 (en) 2020-01-06 2023-06-27 The Research Foundation For The State University Of New York Fakecatcher: detection of synthetic portrait videos using biological signals
CN111476105A (zh) * 2020-03-17 2020-07-31 深圳力维智联技术有限公司 人脸数据清洗方法、装置及设备
CN111488476B (zh) * 2020-04-03 2023-06-27 北京爱芯科技有限公司 图像推送方法、模型训练方法及对应装置
CN111625745B (zh) * 2020-05-27 2023-12-26 抖音视界有限公司 推荐方法、装置、电子设备和计算机可读介质
CN111985348B (zh) * 2020-07-29 2024-05-10 深思考人工智能科技(上海)有限公司 人脸识别方法和系统
CN112052347B (zh) * 2020-10-09 2024-06-04 北京百度网讯科技有限公司 图像存储方法、装置以及电子设备
CN112148907A (zh) * 2020-10-23 2020-12-29 北京百度网讯科技有限公司 图像数据库的更新方法、装置、电子设备和介质
CN112836660B (zh) * 2021-02-08 2024-05-28 上海卓繁信息技术股份有限公司 一种用于监控领域的人脸库生成方法、装置和电子设备
US11921831B2 (en) * 2021-03-12 2024-03-05 Intellivision Technologies Corp Enrollment system with continuous learning and confirmation
CN113297420A (zh) * 2021-04-30 2021-08-24 百果园技术(新加坡)有限公司 视频图像处理方法、装置、存储介质及电子设备
CN113344132A (zh) * 2021-06-30 2021-09-03 成都商汤科技有限公司 身份识别方法、系统、装置、计算机设备及存储介质
CN113591620A (zh) * 2021-07-15 2021-11-02 北京广亿兴业科技发展有限公司 一种基于一体式移动采集设备的预警方法、装置及系统
CN114140861A (zh) * 2021-12-13 2022-03-04 中电云数智科技有限公司 人脸检测去重的方法与装置
CN114639143B (zh) * 2022-03-07 2024-04-16 北京百度网讯科技有限公司 基于人工智能的人像归档方法、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103793697A (zh) * 2014-02-17 2014-05-14 北京旷视科技有限公司 一种人脸图像的身份标注方法及人脸身份识别方法
CN103824053A (zh) * 2014-02-17 2014-05-28 北京旷视科技有限公司 一种人脸图像的性别标注方法及人脸性别检测方法
CN103984738A (zh) * 2014-05-22 2014-08-13 中国科学院自动化研究所 一种基于搜索匹配的角色标注方法
CN105243373A (zh) * 2015-10-27 2016-01-13 北京奇虎科技有限公司 人脸图像滤重抓拍方法、服务器、智能监控设备及系统
CN106570465A (zh) * 2016-10-31 2017-04-19 深圳云天励飞技术有限公司 一种基于图像识别的人流量统计方法及装置
CN108228872A (zh) * 2017-07-21 2018-06-29 北京市商汤科技开发有限公司 人脸图像去重方法和装置、电子设备、存储介质、程序

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6549914B1 (en) * 2000-05-17 2003-04-15 Dell Products, L.P. System and method for statistical file preload for factory installed software in a computer
JP2007102341A (ja) * 2005-09-30 2007-04-19 Fujifilm Corp 自動計数装置
JP2007102342A (ja) * 2005-09-30 2007-04-19 Fujifilm Corp 自動計数装置
US7751597B2 (en) 2006-11-14 2010-07-06 Lctank Llc Apparatus and method for identifying a name corresponding to a face or voice using a database
JP5010905B2 (ja) * 2006-12-13 2012-08-29 パナソニック株式会社 顔認証装置
JP4577410B2 (ja) * 2008-06-18 2010-11-10 ソニー株式会社 画像処理装置、画像処理方法およびプログラム
JP4753193B2 (ja) * 2008-07-31 2011-08-24 九州日本電気ソフトウェア株式会社 動線管理システムおよびプログラム
JP4636190B2 (ja) * 2009-03-13 2011-02-23 オムロン株式会社 顔照合装置、電子機器、顔照合装置の制御方法、および顔照合装置制御プログラム
US8705813B2 (en) * 2010-06-21 2014-04-22 Canon Kabushiki Kaisha Identification device, identification method, and storage medium
KR101180471B1 (ko) * 2011-09-27 2012-09-07 (주)올라웍스 한정된 메모리 환경 하에서 얼굴 인식 성능 향상을 위한 참조 얼굴 데이터베이스 관리 방법, 장치 및 컴퓨터 판독 가능한 기록 매체
US20150088625A1 (en) 2012-01-30 2015-03-26 Nokia Corporation Method, an apparatus and a computer program for promoting the apparatus
AU2013200450B2 (en) * 2012-01-30 2014-10-02 Accenture Global Services Limited System and method for face capture and matching
CN102629940A (zh) 2012-03-19 2012-08-08 天津书生投资有限公司 一种存储方法、系统和装置
US20140075193A1 (en) 2012-03-19 2014-03-13 Donglin Wang Storage method
US9384518B2 (en) * 2012-03-26 2016-07-05 Amerasia International Technology, Inc. Biometric registration and verification system and method
ITVI20120104A1 (it) * 2012-05-03 2013-11-04 St Microelectronics Srl Metodo e apparato per generare in tempo reale uno storyboard visuale
CN103514432B (zh) * 2012-06-25 2017-09-01 诺基亚技术有限公司 人脸特征提取方法、设备和计算机程序产品
CN102799877A (zh) * 2012-09-11 2012-11-28 上海中原电子技术工程有限公司 人脸图像筛选方法及系统
CN102880726B (zh) * 2012-10-23 2015-08-05 深圳市宜搜科技发展有限公司 一种图像过滤方法及系统
US9116924B2 (en) 2013-01-14 2015-08-25 Xerox Corporation System and method for image selection using multivariate time series analysis
US9690978B2 (en) 2013-09-13 2017-06-27 Nec Hong Kong Limited Information processing apparatus, information processing and program
US10083368B2 (en) * 2014-01-28 2018-09-25 Qualcomm Incorporated Incremental learning for dynamic feature database management in an object recognition system
CN104166694B (zh) * 2014-07-31 2018-12-14 联想(北京)有限公司 一种图像分类存储方法和电子设备
CN104679913B (zh) * 2015-03-25 2018-05-29 广东欧珀移动通信有限公司 图像存储方法及装置
CN104915114B (zh) * 2015-05-29 2018-10-19 小米科技有限责任公司 信息记录方法和装置、智能终端
CN106326816A (zh) 2015-06-30 2017-01-11 芋头科技（杭州）有限公司 一种面部识别系统及面部识别方法
JP6006841B2 (ja) * 2015-07-08 2016-10-12 オリンパス株式会社 画像取扱装置、画像取扱方法、およびプログラム
CN105138962A (zh) * 2015-07-28 2015-12-09 小米科技有限责任公司 图像显示方法及装置
CN105513101B (zh) * 2015-12-03 2018-08-07 小米科技有限责任公司 图片处理方法及装置
CN105701466A (zh) * 2016-01-13 2016-06-22 杭州奇客科技有限公司 快速的全角度人脸跟踪方法
CN105760461A (zh) * 2016-02-04 2016-07-13 上海卓易科技股份有限公司 相册的自动建立方法及其装置
CN106204779B (zh) * 2016-06-30 2018-08-31 陕西师范大学 基于多人脸数据采集策略和深度学习的课堂考勤方法
CN106203333A (zh) * 2016-07-08 2016-12-07 乐视控股（北京）有限公司 人脸识别方法及系统
CN106407916A (zh) * 2016-08-31 2017-02-15 北京维盛视通科技有限公司 分布式人脸识别方法、装置及系统
CN106570110B (zh) 2016-10-25 2020-09-08 北京小米移动软件有限公司 图像去重方法及装置
CN106657069A (zh) * 2016-12-24 2017-05-10 深圳云天励飞技术有限公司 一种图像数据处理系统
CN106803067B (zh) * 2016-12-28 2020-12-08 浙江大华技术股份有限公司 一种人脸图像质量评估方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103793697A (zh) * 2014-02-17 2014-05-14 北京旷视科技有限公司 一种人脸图像的身份标注方法及人脸身份识别方法
CN103824053A (zh) * 2014-02-17 2014-05-28 北京旷视科技有限公司 一种人脸图像的性别标注方法及人脸性别检测方法
CN103984738A (zh) * 2014-05-22 2014-08-13 中国科学院自动化研究所 一种基于搜索匹配的角色标注方法
CN105243373A (zh) * 2015-10-27 2016-01-13 北京奇虎科技有限公司 人脸图像滤重抓拍方法、服务器、智能监控设备及系统
CN106570465A (zh) * 2016-10-31 2017-04-19 深圳云天励飞技术有限公司 一种基于图像识别的人流量统计方法及装置
CN108228872A (zh) * 2017-07-21 2018-06-29 北京市商汤科技开发有限公司 人脸图像去重方法和装置、电子设备、存储介质、程序

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111695643A (zh) * 2020-06-24 2020-09-22 北京金山云网络技术有限公司 图像处理方法、装置和电子设备
CN111695643B (zh) * 2020-06-24 2023-07-25 北京金山云网络技术有限公司 图像处理方法、装置和电子设备
CN112036957A (zh) * 2020-09-08 2020-12-04 广州图普网络科技有限公司 一种访客留存数确定方法、装置、电子设备和存储介质
CN112036957B (zh) * 2020-09-08 2023-11-28 广州图普网络科技有限公司 一种访客留存数确定方法、装置、电子设备和存储介质
CN116521046A (zh) * 2023-04-23 2023-08-01 西北核技术研究所 一种交通态势系统态势回溯功能的控制方法及系统

Also Published As

Publication number Publication date
US20190272415A1 (en) 2019-09-05
KR20190125428A (ko) 2019-11-06
US11409983B2 (en) 2022-08-09
CN110869937A (zh) 2020-03-06
CN108228872A (zh) 2018-06-29
US20190266441A1 (en) 2019-08-29
SG11201909069QA (en) 2019-10-30
WO2019015682A1 (zh) 2019-01-24
KR102349980B1 (ko) 2022-01-11
JP6896882B2 (ja) 2021-06-30
JP2020516188A (ja) 2020-05-28
SG11201909068XA (en) 2019-10-30
CN110799972A (zh) 2020-02-14
JP2020512648A (ja) 2020-04-23
JP6916895B2 (ja) 2021-08-11
CN108228871A (zh) 2018-06-29
US11132581B2 (en) 2021-09-28

Similar Documents

Publication Publication Date Title
WO2019015684A1 (zh) 人脸图像去重方法和装置、电子设备、存储介质、程序
WO2019042230A1 (zh) 人脸图像检索方法和系统、拍摄装置、计算机存储介质
WO2019100608A1 (zh) 摄像装置、人脸识别的方法、系统及计算机可读存储介质
WO2020094091A1 (zh) 一种图像抓拍方法、监控相机及监控系统
CN109299703B (zh) 对鼠情进行统计的方法、装置以及图像采集设备
US8971591B2 (en) 3D image estimation for 2D image recognition
CN112633384A (zh) 基于图像识别模型的对象识别方法、装置和电子设备
CN108229321A (zh) 人脸识别模型及其训练方法和装置、设备、程序和介质
WO2020094088A1 (zh) 一种图像抓拍方法、监控相机及监控系统
US10997469B2 (en) Method and system for facilitating improved training of a supervised machine learning process
CN111079670A (zh) 人脸识别方法、装置、终端和介质
CN112669344A (zh) 一种运动物体的定位方法、装置、电子设备及存储介质
CN112561879A (zh) 模糊度评价模型训练方法、图像模糊度评价方法及装置
CN115761571A (zh) 基于视频的目标检索方法、装置、设备以及存储介质
CN112699270A (zh) 基于云计算的监控安防数据传输储存方法、系统、电子设备和计算机存储介质
Gupta et al. Reconnoitering the Essentials of Image and Video Processing: A Comprehensive Overview
WO2018095037A1 (zh) 一种获取云存储系统中数据的方法及装置
CN112015951B (zh) 视频监测方法、装置、电子设备以及计算机可读介质
CN110572618A (zh) 一种非法拍照行为监控方法、装置及系统
EP2766850B1 (en) Faceprint generation for image recognition
Moon et al. Multiresolution face recognition through virtual faces generation using a single image for one person
US20130311461A1 (en) System and method for searching raster data in the cloud
CN117079287A (zh) 一种任务挖掘场景下的文字识别方法、装置、设备及存储介质
CN118038312A (zh) 一种基于边缘计算设备的视频分析方法及系统
WO2024085987A1 (en) Reduced video stream resource usage

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2019553912

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20197029413

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 19/05/2020)

122 Ep: pct application non-entry in european phase

Ref document number: 18835107

Country of ref document: EP

Kind code of ref document: A1