WO2019223313A1 - 一种人员档案建立方法和装置 - Google Patents

一种人员档案建立方法和装置 Download PDF

Info

Publication number
WO2019223313A1
WO2019223313A1 PCT/CN2018/124847 CN2018124847W WO2019223313A1 WO 2019223313 A1 WO2019223313 A1 WO 2019223313A1 CN 2018124847 W CN2018124847 W CN 2018124847W WO 2019223313 A1 WO2019223313 A1 WO 2019223313A1
Authority
WO
WIPO (PCT)
Prior art keywords
face image
person
target
information
subset
Prior art date
Application number
PCT/CN2018/124847
Other languages
English (en)
French (fr)
Inventor
李兰
石小华
Original Assignee
深圳云天励飞技术有限公司
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 深圳云天励飞技术有限公司 filed Critical 深圳云天励飞技术有限公司
Publication of WO2019223313A1 publication Critical patent/WO2019223313A1/zh

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Definitions

  • the present invention relates to the field of image processing, and in particular, to a method and device for establishing a personnel file.
  • Embodiments of the present invention provide a method and a device for establishing a personnel file, so as to improve the practicability of the personnel file.
  • an embodiment of the present invention provides a method for establishing a personnel file, including:
  • the face image set is clustered by a clustering method without prior information to obtain multiple face image subsets, and the multiple person image subsets are used as people of multiple persons Face image subset, including:
  • Each face image pile is clustered separately to obtain multiple face image sub-sets included in each face image pile, wherein the similarity of each face image belonging to the same face image sub-set is greater than or equal to a preset threshold.
  • the method further includes:
  • target facial image subset matching the facial image in the target facial image set, where the target facial image set is a target facial image set taken in a specific time and in a specific area ;
  • the mining information is added to a personnel file of the target person.
  • determining the mining information of the target person based on the target face image subset includes at least one of the following:
  • Predict behavior information of the target person according to the shooting time and shooting position of each image in the target face image subset.
  • an embodiment of the present invention further provides a device for establishing a personnel file, including:
  • a first determining module configured to determine the face images of multiple persons from a face image set
  • a first acquisition module configured to acquire basic information of each person
  • the establishment module is used to establish a personnel file of each person, wherein the personnel file of each person includes a face image and basic information of the person.
  • the first determining module includes:
  • a fragmentation unit configured to fragment the face image set to obtain multiple face image fragments
  • a first clustering unit configured to cluster each face image segment separately through a clustering method without prior information, to obtain multiple face image piles for each face image segment;
  • a second clustering unit is configured to perform clustering on each face image pile to obtain multiple face image sub-sets included in each face image pile, wherein similarity of each face image in the same face image sub-set is similar.
  • the degree is greater than or equal to a preset threshold.
  • the device further includes:
  • a second acquisition module configured to acquire a face image of a target person
  • a search module configured to find a target facial image subset matching the facial image in the target facial image set, wherein the target facial image set is a target captured in a specific time and in a specific area Collection of face images;
  • a second determining module configured to determine mining information of the target person according to the target facial image subset
  • An adding module is configured to add the mining information to a personnel file of the target person.
  • the second determining module includes at least one of the following:
  • a generating unit configured to generate an activity trajectory of the target person according to a shooting time and a shooting position of each image in the target face image subset;
  • a first determining unit configured to find an associated face image subset in the target face image set that matches the shooting time and shooting position of each face image in the target face image subset, and determine the associated person Associated person information corresponding to the face image subset;
  • a second determining unit configured to find, in the target face image set, a peer face image subset matching the shooting time interval and shooting position of each face image in the target face image subset, and determine the peer Peer information corresponding to the facial image subset;
  • a prediction unit is configured to predict behavior information of the target person according to a shooting time and a shooting position of each image in the target face image subset.
  • the face images of multiple persons are determined from the face image collection; the basic information of each person is obtained; the personnel file of each person is established, wherein the personnel file of each person includes the person of the person Face image and basic information.
  • face images can be added to the personnel file, thereby improving the practicability of the personnel file.
  • FIG. 1 is a schematic flowchart of a method for establishing a personnel file according to an embodiment of the present invention
  • FIG. 2 is a schematic flowchart of another method for establishing a personnel file according to an embodiment of the present invention
  • FIG. 3 is a schematic diagram of an example of a method for establishing a personnel file according to an embodiment of the present invention
  • FIG. 4 is an exemplary schematic diagram of another method for establishing a personnel file provided by an embodiment of the present invention.
  • FIG. 5 is an exemplary schematic diagram of another method for establishing a personnel file provided by an embodiment of the present invention.
  • FIG. 6 is a schematic structural diagram of a device for establishing a personnel file according to an embodiment of the present invention.
  • FIG. 7 is a schematic structural diagram of another device for establishing a personnel file according to an embodiment of the present invention.
  • FIG. 8 is a schematic structural diagram of another device for establishing a personnel file according to an embodiment of the present invention.
  • FIG. 9 is a schematic structural diagram of another device for establishing a personnel file according to an embodiment of the present invention.
  • FIG. 10 is a schematic structural diagram of another device for establishing a personnel file according to an embodiment of the present invention.
  • FIG. 1 is a schematic flowchart of a method for establishing a personnel file according to an embodiment of the present invention. As shown in FIG. 1, it includes the following steps:
  • the above-mentioned face image set may be a face image set taken dynamically, where it may be a face image taken by a camera in real time.
  • the face image set may include a face image dynamically taken by one or more camera heads in a certain area, or a dynamically taken face image set received by another device.
  • the face image collection is a dynamically captured face image collection
  • the face images in the face image collection can represent the recent situation of each person to further improve the personnel file.
  • Practicality for example, the above face image collection is a face image collection dynamically captured by each surveillance camera in a city. In this way, the current situation of the people in the city can be obtained through the face image collection, and the photo of the ID card can be avoided for too long. Identify the corresponding person accurately.
  • the above-mentioned determination of the face images of a plurality of persons from the face image set may be performed by clustering the above-mentioned face image set to determine a plurality of persons and obtain the face images of the plurality of persons.
  • the above-mentioned face image set is a face image set dynamically captured by a camera in a certain area. In this way, the person who moves in the area and the corresponding face image can be determined through the face image set.
  • the face image of each person can be a subset of face images, and the subset includes one or more face images. Of course, it can also be a representative face image for each person, for example: Clear human face front view.
  • the face image may refer to an image including a face part, and is not limited to only a face part in the image.
  • the above-mentioned face image set includes whole-body images of certain persons, The whole body image includes the face part, or the above-mentioned face image set includes a head image of some persons, and the head image includes a face part.
  • a person may also be called a natural person or a user.
  • This step may be to obtain the basic information of each of the plurality of persons after the plurality of persons are determined in step 102.
  • step 102 obtains basic information of each person in the person
  • step 102 may be to determine the face images of multiple persons in the person set in the above-mentioned person image set. That is, in the embodiment of the present invention, the execution order of steps 102 and 101 is not limited.
  • step 101 is performed first, and then step 102 is performed, so that the acquired face image collection can be achieved.
  • the corresponding multiple persons and the face images of the multiple persons are flexibly determined to improve flexibility and adapt to the requirements of multiple scenarios.
  • step 102 the basic information of each person can be entered by the operator.
  • the basic information of each person can also be obtained through a network search.
  • the basic information of a person may include information such as name, identity card, education level, physical characteristics, ethnicity, birthday, marital status, contact information, family register and file information, among which family register and file information may include: Nationality, household registration police station and household registration address.
  • the basic information may also include picture information such as daily photos, ID photos, personal characteristic photos (such as birthmarks and tattoos), transportation vehicle photos, home address photos, work place photos, and activity track event stream photos.
  • step 103 can establish a personnel file of each person including the face image and basic information.
  • the basic information can include text information (such as: name, identity card, education level, physical characteristics, ethnicity, birthday, marital status, contact information, household registration and file information, and other text information), and can also include picture information ( (Daily photo, ID photo, personal characteristic photo, transportation vehicle photo, address photo, work place photo and activity track event stream photo), in addition, the personnel file also includes a face image, so that in the embodiment of the present invention, one person can be realized One file is composed of basic files. Each person's personnel file includes: text file, picture file and face file.
  • the text file includes: contains basic text information of the person (name, phone, address, ID photo, and (Face photo, etc.), the picture file includes: the person's ID photo and physical signs photo, etc., the face file: the person's face image or face image set.
  • the face image can be added to the personnel file through the above steps, and the face image is determined from the face image collection, so that the face image in the personnel file of each person can be clearly defined. Characterize the facial features of each person, so that accurate personnel search, and business analysis of personnel, such as scenes that require the use of basic personnel information and face images, can be achieved through the personnel profile established in the embodiments of the present invention to improve the profile of personnel Practicality.
  • the method for establishing a personnel file provided in the embodiment of the present invention can be applied to a device that needs to establish a personnel file, such as a server, a computer, or a mobile phone, which is not limited in the embodiment of the present invention.
  • the face images of multiple persons are determined from the face image collection; the basic information of each person is obtained; the personnel file of each person is established, wherein the personnel file of each person includes the person of the person Face image and basic information.
  • face images can be added to the personnel file, thereby improving the practicability of the personnel file.
  • FIG. 2 is a schematic flowchart of another method for establishing a personnel file according to an embodiment of the present invention. As shown in FIG. 2, the method includes the following steps:
  • the determining the face images of multiple persons from the face image set may include:
  • the face image set is clustered in a clustering method with prior information to obtain multiple face image subsets, and the multiple person image subsets are used as the face image subsets of multiple persons.
  • the above-mentioned clustering method with prior information may mean that prior to clustering the face image set, the prior information of each person is obtained in advance, and then the prior image of each person is used to cluster the face image through the prior information of each person.
  • the collections are classified to obtain the face images of each person.
  • the a priori information may be a person's face characteristics or face image information, which is not limited.
  • the clustering method with prior information can improve the efficiency of clustering and the accuracy of clustering, thereby improving the efficiency and accuracy of establishing personnel files.
  • determining the face images of multiple persons from the face image set may include:
  • the face image set is clustered in a clustering method without prior information to obtain multiple face image subsets, and the multiple person image subsets are used as multiple person face image subsets.
  • the above-mentioned clustering without prior information may mean that prior to clustering the face image collection, the prior information of the person is not obtained.
  • By analyzing each face image in the face image collection similar face images are classified.
  • the aggregation is performed to obtain multiple face image piles, and the similarity between the face images in each face image pile is higher than a certain threshold.
  • prior information is not required before clustering, that is, in this way, prior information of the face image of each person is not required when creating a personnel profile, so that the application range of establishing a personnel profile can be increased because , For some people who have not verified the information first, the corresponding personnel file can also be established.
  • the above-mentioned clustering of the face image set by clustering without prior information obtains multiple face image subsets, and uses the multiple person image subsets as the faces of multiple persons Image subsets can include:
  • Each face image pile is clustered separately to obtain multiple face image sub-sets included in each face image pile, wherein the similarity of each face image belonging to the same face image sub-set is greater than or equal to a preset threshold.
  • the above-mentioned segmentation may be performed according to time or according to the shooting area, etc.
  • the above-mentioned clustering method without prior information clusters each face image segment separately.
  • the face image pile can be obtained by clustering each face image segment by a clustering method without checking information to obtain multiple face image piles in each face image segment.
  • the face image stack in the embodiment of the present invention may refer to the initial clustering of the face image fragments to obtain some related face image sets, for example, a face image stack having a certain degree of similarity with each other .
  • each face image pile separately, and the multiple face image sub-sets included in each face image pile can be obtained by clustering one or more times for each face image until each face image sub-set is clustered. All the sets in the set meet the condition that the similarity of the face image is greater than or equal to a preset threshold to realize the structure of the face image, and the clustering here can also be a cluster without prior information.
  • the face image collection is fragmented, and separate face clustering is performed for different face image fragments, this can save the time of face image clustering because the face data set participating in the clustering Size, number of machines, and performance are all decisive factors for the time required for clustering. With more machines on a given face, the clustering time will naturally be longer.
  • the similarity of each face image belonging to the same face image sub-set can be realized to be greater than or equal to a preset threshold, thereby improving the accuracy of face image clustering.
  • the segmentation strategy may include a segmentation strategy by day, weekly, and camera. 3 Take the segmentation by day as an example. Assume that after segmentation, the initial data set is 2 million (200w) of face data, and clustering without prior information is assumed. It is assumed that 2,000 people are gathered, and these 2000 people are in For intra-slice clustering, the condition that the loop stops is that the similarity of the aggregated face set meets the specified threshold range. In addition, after clustering without prior information, for subsequent data sets, the clustered face image can be used as prior information in the process of updating the personnel profile, and clustering with prior information can be performed. To improve the efficiency and accuracy of updates.
  • the data corresponding to each face image fragment can be taken from the standby database. This can reduce the pressure on the database with personnel files to ensure that the face image clustering process will not Affect the normal business.
  • the face image sub-sets of each face image fragment can be obtained, so that after obtaining the face image sub-sets of each face image fragment, each face can be identified
  • the matching degree of the face images in the face image sub-collection of the image fragments to determine whether there is a face image collection of the same person in different face image fragments, and if there is, the face image collection of the same person is merged To avoid the situation where there are multiple face image collections for the same person, in order to provide the accuracy of the personnel file.
  • the personnel file of each person may include other information in addition to the face image and basic information, for example, it may also include extended information and mining information, where the extended information may include : Basic information and images of relatives, co-residents, peers and friends, and mining information can include: business analysis information, such as trajectory analysis information, peer analysis information, hover analysis information (for example, behavior prediction information) And regional collision analysis information.
  • a representative picture can also be used in the face image of each person, for example, a representative picture of each person can be selected by selecting a model, such as selecting the best high-definition positive face. In this way, the personnel file shown in Figure 4 can be obtained. As shown in FIG.
  • the personnel file may include basic information, extended information, and mining information.
  • the basic information includes a face image (or face data)
  • the basic information may be divided into Text files, picture files, and face files, where the text files include: basic text information of the person (name, phone, address, ID photo, face photo, etc.), and the picture file includes: the person's ID Photos and signs photos, etc.
  • Face file the person's face image or face image collection. Among them, the face image in FIG.
  • the method further includes:
  • a basic business search of a target person's face image can be implemented to obtain the mining information of the person, thereby further enriching the person's personnel file, and further improving the practicability of the person file.
  • the above mining information includes an activity trajectory, so that by recording the activity trajectory of the person in the personnel file, the personnel information of the person can be further determined through the personnel file to facilitate the use of the personnel file for some business analysis.
  • the face image of the target person may be a relatively high-quality face picture, for example, the representative face image described in the foregoing embodiment.
  • a representative face image can be selected after search and then input. For example, as shown in FIG. 5, basic search is performed through the high-definition representative face image of the target person, and data mining, such as trajectory analysis, peer analysis, and behavior prediction, can be performed to enrich the content of the personnel file, thereby further improving The usefulness of personnel files.
  • the mining information of the target person determined based on the target face image subset may include at least one of the following:
  • Predict behavior information of the target person according to the shooting time and shooting position of each image in the target face image subset.
  • generating the activity track of the target person according to the shooting time and shooting position of each image in the target face image subset may be determining the shooting time and shooting position of each image, and dividing each shooting position according to the time sequence. Connect to get the trajectory of the target person.
  • the above-mentioned search in the target face image set searches the associated face image subset that matches the shooting time and shooting position of each face image in the target face image subset, and determines that the associated face image subset corresponds to
  • the related person information may be selected subsets of related face images that have a certain correlation or a certain degree of similarity when the shooting time and the shooting position match, so that the related person information that has a certain relationship with the target person may be determined. For example, determine the information of the regional collision personnel that the above-mentioned target personnel often collide in some areas to realize the regional collision analysis.
  • the target face image set is searched for a peer face image subset matching the shooting time interval and shooting position of each face image in the target face image subset, and the peer face image subset is determined.
  • the corresponding counterpart information may be a subset of the peer face images selected to match the shooting time interval of the face image of the target person, and the shooting positions also match. For example, select peers who are similar to the target person ’s travel location (shooting location match) and have similar travel time intervals (shooting interval).
  • the behavior information of the target person predicted based on the shooting time and shooting position of each image in the target face image subset may be predicting the behavior of the target person in the future according to the shooting time and shooting position of each image, for example, : The activity track of the target person in the following days.
  • steps 204 to 207 and steps 201 to 203 is not limited.
  • FIG. 6 is a schematic structural diagram of a device for establishing a personnel file according to an embodiment of the present invention. As shown in FIG. 6, it includes:
  • a first determining module 601, configured to determine the face images of multiple persons from a face image set
  • the establishment module 603 is configured to establish a personnel file of each person, wherein the personnel file of each person includes a face image and basic information of the person.
  • the first determining module 601 is configured to cluster the face image set by using a clustering method having prior information, to obtain multiple face image subsets, and to combine the multiple person image sub-sets. Set as a subset of face images for multiple persons; or
  • the first determining module 601 is configured to cluster the face image set by using a clustering method without prior information to obtain multiple face image subsets, and use the multiple person image subsets as multiple Person face image subset.
  • the first determining module 601 includes:
  • a fragmentation unit 6011 configured to fragment the face image set to obtain multiple face image fragments
  • a first clustering unit 6012 configured to cluster each face image segment separately by using a clustering method without prior information, to obtain multiple face image piles of each face image segment;
  • the second clustering unit 6013 is configured to perform clustering on each face image pile to obtain multiple face image sub-sets included in each face image pile, where the faces belonging to each face image in the same face image sub-set are The similarity is greater than or equal to a preset threshold.
  • the device further includes:
  • a second acquisition module 604 configured to acquire a face image of a target person
  • a search module 605 configured to find a target facial image subset matching the facial image in the target facial image set, wherein the target facial image set is a set of images taken in a specific time and in a specific area; Collection of target face images;
  • a second determining module 606, configured to determine mining information of the target person according to the target face image subset
  • An adding module 607 is configured to add the mining information to a personnel file of the target person.
  • the second determining module 606 includes at least one of the following:
  • a generating unit 6061 configured to generate an activity trajectory of the target person according to a shooting time and a shooting position of each image in the target face image subset;
  • a first determining unit 6062 is configured to find an associated face image subset in the target face image set that matches the shooting time and shooting position of each face image in the target face image subset, and determine the association.
  • a second determining unit 6063 is configured to find, in the target face image set, a subset of peer face images matching the shooting time interval and shooting position of each face image in the target face image subset, and determine the Peer information corresponding to a subset of peer face images;
  • the prediction unit 6064 is configured to predict behavior information of the target person according to a shooting time and a shooting position of each image in the target face image subset.
  • the device for establishing a personnel file provided in the embodiment of the present invention can be applied to a device that needs to establish a personnel file, such as a server, a computer, or a mobile phone, which is not limited in the embodiment of the present invention.
  • the apparatus for establishing a personnel file provided by the embodiment of the present invention can implement each implementation manner in the method embodiments in FIG. 1 and FIG. 2 and corresponding beneficial effects. To avoid repetition, details are not described herein again.
  • FIG. 10 is a schematic structural diagram of another personnel file establishing device according to an embodiment of the present invention.
  • the device includes a processor 1001, a memory 1002, and a bus interface, where:
  • the processor 1001 is configured to call a computer program stored in the memory 1002 and execute the following steps:
  • the determining, by the processor 1001, the face images of multiple persons from the face image set includes:
  • the face image set is clustered in a clustering method without prior information to obtain multiple face image subsets, and the multiple person image subsets are used as multiple person face image subsets.
  • the face image set is clustered by the clustering method without prior information performed by the processor 1001 to obtain multiple face image subsets, and the multiple person image subsets are used as A subset of a person's face image, including:
  • Each face image pile is clustered separately to obtain multiple face image sub-sets included in each face image pile, wherein the similarity of each face image belonging to the same face image sub-set is greater than or equal to a preset threshold.
  • the processor 1001 is further configured to:
  • target facial image subset matching the facial image in the target facial image set, where the target facial image set is a target facial image set taken in a specific time and in a specific area ;
  • the mining information is added to a personnel file of the target person.
  • the determining, by the processor 1001, mining information of the target person according to the target face image subset includes at least one of the following:
  • Predict behavior information of the target person according to the shooting time and shooting position of each image in the target face image subset.
  • the bus architecture may include any number of interconnected buses and bridges. Specifically, one or more processors represented by the processor 1001 and various circuits of the memory represented by the memory 1002 are linked together.
  • the bus architecture can also link various other circuits such as peripherals, voltage regulators, and power management circuits, which are well known in the art, so they are not further described herein.
  • the bus interface provides an interface.
  • the processor 1001 is responsible for managing the bus architecture and general processing, and the memory 1002 can store data used by the processor 1001 when performing operations.
  • the device for establishing a personnel file provided in the embodiment of the present invention can be applied to a device that needs to establish a personnel file, such as a server, a computer, or a mobile phone, which is not limited in the embodiment of the present invention.
  • the apparatus for establishing a personnel file provided by the embodiment of the present invention can implement each implementation manner in the method embodiments in FIG. 1 and FIG. 2 and corresponding beneficial effects. To avoid repetition, details are not described herein again.
  • the embodiment of the present invention further provides a computer-readable storage medium, and the computer-readable storage medium stores a computer program, and when the computer program is executed by a processor, implements each process of the method for establishing a personnel file provided by the embodiment of the present invention, And can achieve the same technical effect, in order to avoid repetition, will not repeat them here.
  • the program can be stored in a computer-readable storage medium.
  • the storage medium may be a magnetic disk, an optical disk, a read-only memory (ROM), or a random access memory (RAM).

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供一种人员档案建立方法和装置，该方法包括：从人脸图像集合中确定多个人员的人脸图像；获取每个人员的基本信息；建立每个人员的人员档案，其中，每个人员的人员档案包括该人员的人脸图像和基础信息。本发明实施例可以提高人员档案的实用性。

Description

一种人员档案建立方法和装置
本申请要求于2018年5月22日提交中国专利局，申请号为201810493170.6、发明名称为“一种人员档案建立方法和装置”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
本发明涉及图像处理领域，尤其涉及一种人员档案建立方法和装置。
背景技术
随着社会的进步，人员流通更加普遍，这样就加大了人员管理的难度。目前有一些部门或者系统可以建立人员档案，以方便对人员的管理。但目前建立的人员档案中往往只包括用户的基础信息，例如：用户的名称、性别、年龄和籍贯等基础信息。这样通过现在的人员档案是无法有效地体现出该用户的基本情况。可见，目前建立的人员档案存在实用性较差的问题。
发明内容
本发明实施例提供一种人员档案建立方法和装置，以能够提高人员档案的实用性。
第一方面，本发明实施例提供一种人员档案建立方法，包括：
从人脸图像集合中确定多个人员的人脸图像；
获取每个人员的基本信息；
建立每个人员的人员档案，其中，每个人员的人员档案包括该人员的人脸图像和基础信息。
可选的，所述通过无先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集，包括：
将所述人脸图像集合进行分片，得到多个人脸图像分片；
通过无先验信息的聚类方式，分别对每个人脸图像分片进行聚类，得到每个人脸图像分片的多个人脸图像堆；
分别对每个人脸图像堆进行聚类，得到每个人脸图像堆包括的多个人脸图像子集合，其中，属于同一人脸图像子集合中各人脸图像的相似度大于或者等于预设阈值。
可选的，所述方法还包括：
获取目标人员的人脸图像；
在目标人脸图像集合中查找与所述人脸图像匹配的目标人脸图像子集，其中，所述目标人脸图像集合为在特定时间内，以及在特定区域拍摄的目标人脸图像的集合；
根据所述目标人脸图像子集确定所述目标人员的挖掘信息；
在所述目标人员的人员档案中添加所述挖掘信息。
可选的，所述根据所述目标人脸图像子集确定所述目标人员的挖掘信息，包括如下至少一项：
根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，生成所述目标人员的活动轨迹；
在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间和拍摄位置匹配的关联人脸图像子集，并确定所述关联人脸图像子集对应的关联人员信息；
在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间间隔和拍摄位置匹配的同行人脸图像子集，并确定所述同行人脸图像子集对应的同行人员信息；
根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，预测所述目标人员的行为信息。
第二方面，本发明实施例还提供一种人员档案建立装置，包括：
第一确定模块，用于从人脸图像集合中确定多个人员的人脸图像；
第一获取模块，用于获取每个人员的基本信息；
建立模块，用于建立每个人员的人员档案，其中，每个人员的人员档案包括该人员的人脸图像和基础信息。
可选的，所述第一确定模块包括：
分片单元，用于将所述人脸图像集合进行分片，得到多个人脸图像分片；
第一聚类单元，用于通过无先验信息的聚类方式，分别对每个人脸图像分 片进行聚类，得到每个人脸图像分片的多个人脸图像堆；
第二聚类单元，用于分别对每个人脸图像堆进行聚类，得到每个人脸图像堆包括的多个人脸图像子集合，其中，属于同一人脸图像子集合中各人脸图像的相似度大于或者等于预设阈值。
可选的，所述装置还包括：
第二获取模块，用于获取目标人员的人脸图像；
查找模块，用于在目标人脸图像集合中查找与所述人脸图像匹配的目标人脸图像子集，其中，所述目标人脸图像集合为在特定时间内，以及在特定区域拍摄的目标人脸图像的集合；
第二确定模块，用于根据所述目标人脸图像子集确定所述目标人员的挖掘信息；
添加模块，用于在所述目标人员的人员档案中添加所述挖掘信息。
可选的，所述第二确定模块包括如下至少一项：
生成单元，用于根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，生成所述目标人员的活动轨迹；
第一确定单元，用于在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间和拍摄位置匹配的关联人脸图像子集，并确定所述关联人脸图像子集对应的关联人员信息；
第二确定单元，用于在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间间隔和拍摄位置匹配的同行人脸图像子集，并确定所述同行人脸图像子集对应的同行人员信息；
预测单元，用于根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，预测所述目标人员的行为信息。
本发明实施例中，从人脸图像集合中确定多个人员的人脸图像；获取每个人员的基本信息；建立每个人员的人员档案，其中，每个人员的人员档案包括该人员的人脸图像和基础信息。这样可以实现在人员档案中添加人脸图像，从而可以提高人员档案的实用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述 中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种人员档案建立方法的流程示意图；
图2是本发明实施例提供的另一种人员档案建立方法的流程示意图；
图3是本发明实施例提供的一种人员档案建立方法的举例示意图；
图4是本发明实施例提供的另一种人员档案建立方法的举例示意图；
图5是本发明实施例提供的另一种人员档案建立方法的举例示意图；
图6是本发明实施例提供的一种人员档案建立装置的结构示意图；
图7是本发明实施例提供的另一种人员档案建立装置的结构示意图；
图8是本发明实施例提供的另一种人员档案建立装置的结构示意图；
图9是本发明实施例提供的另一种人员档案建立装置的结构示意图；
图10是本发明实施例提供的另一种人员档案建立装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参见图1，图1是本发明实施例提供的一种人员档案建立方法的流程示意图，如图1所示，包括以下步骤：
101、从人脸图像集合中确定多个人员的人脸图像。
其中，上述人脸图像集合可以是动态拍摄的人脸图像集合，其中，这里可以是摄像头实时拍摄得的人脸图像。例如：该人脸图像集合可以包括某一区域的一个或者多个拍摄头动态拍摄的人脸图像，或者接收其他设备发送的动态拍摄的人脸图像集合。
需要说明的是，本发明实施例中，人脸图像集合由于为动态拍摄的人脸图像集合，这样可以通过该人脸图像集合中的人脸图像可以表示各人员的近况，以进一步提高人员档案的实用性。例如：上述人脸图像集合为某城市各监控摄像头动态拍摄的人脸图像集合，这样通过该人脸图像集合可以得到该城市中人员的近况，且还可以避免证件照片过久，通过证件照片无法准确地识别出对应的人员。
另外，上述从人脸图像集合中确定多个人员的人脸图像可以是，对上述人脸图像集合进行聚类，以确定多个人员，并得到这多个人员的人脸图像。例如：上述人脸图像集合为某区域的摄像头动态拍摄的人脸图像集合，这样通过该人脸图像集合可以确定在该区域活动的人员，以及对应的人脸图像。另外，每个人员的人脸图像可以是一个人脸图像子集，该子集中包括一个或者多个人脸图像，当然，也可以是为每个人员确定一张代表性的人脸图像，例如：清晰的人脸正面照。
需要说明的是，本发明实施例中，人脸图像可以是指包括人脸部分的图像，并不限定图像中只有人脸部分，例如：上述人脸图像集合中包括某些人员的全身图像，该全身图像中包括该人脸部分，或者上述人脸图像集合中包括某些人员的头部图像，该头部图像中包括人脸部分。另外，本发明实施例中，人员也可以称作自然人或者用户。
102、获取每个人员的基本信息。
该步骤可以是在步骤102确定出上述多个人员后，获取这多个人员中每个人员的基本信息。当然，也可以是在预先确定一个人员集合，步骤102获取该人员中每个人员的基本信息，而步骤102可以是在上述人员图像集合中确定该人员集合中的多个人员的人脸图像。也就是说，本发明实施例中，步骤102和步骤101的执行顺序不作限定，优选的，如图1所示，先执行步骤101，再执行步骤102，这样可以实现通过获取的人脸图像集合灵活地确定出对应的多个人员，以及这多个人员的人脸图像，以提高灵活性，适应多个场景需求。
另外，步骤102可以是通过操作人员录入每个人员的基本信息，当然，也可以通过网络搜索得到每个人员的基本信息。
本发明实施例中，人员的基本信息可以包括：姓名、身份证、文化程度、体貌特征、民族、生日、婚姻状况、联系方式、户籍和档案信息等信息，其中，户籍和档案信息可以包括：国籍、户籍派出所和户籍地址等信息。当然，基本信息还可以包括：日常照片、身份证照片、个人特征照片(如胎记和纹身之类的信息)、交通工具车辆照片、住址照片、工作地点照片和活动轨迹事件流照片等图片信息。
103、建立每个人员的人员档案，其中，每个人员的人员档案包括该人员的人脸图像和基础信息。
在步骤101得到多个人员的人脸图像，以及步骤102得到每个人员的基本信息后，从而步骤103可以建立每个人员的包括人脸图像和基础信息的人员档案。另外，由于基础信息中可以包括文字信息(例如：姓名、身份证、文化程度、体貌特征、民族、生日、婚姻状况、联系方式、户籍和档案信息等文字信息)，以及还可以包括图片信息(日常照片、身份证照片、个人特征照片、交通工具车辆照片、住址照片、工作地点照片和活动轨迹事件流照片)，另外，人员档案还包括人脸图像，从而本发明实施例中，可以实现一人一档的基础档案构成，每个人员的人员档案包括：文字档、图片档和人脸档，其中：文字档包括：包含人员的基础文字类信息(姓名、电话、住址、身份证件照、与人脸照片等)，图片档包括：该人员的证件照以及体征照片等，人脸档：该人员的人脸图像或者人脸图像集。
本发明实施例中，通过上述步骤可以实现在人员档案中添加人脸图像，且人脸图像是通过人脸图像集合中确定的，这样通过每个人员的人员档案中的人脸图像可以清楚地表征每个人员的人脸特征，从而通过本发明实施例中建立的人员档案可以实现精确的人员搜索，以及人员的业务分析等需要使用人员基础信息和人脸图像的场景，以提高人员档案的实用性。
需要说明的是，本发明实施例提供的人员档案建立方法可以应用于服务器、计算机、手机等需要建立人员档案的设备，对此本发明实施例不作限定。
本发明实施例中，从人脸图像集合中确定多个人员的人脸图像；获取每个人员的基本信息；建立每个人员的人员档案，其中，每个人员的人员档案包括该人员的人脸图像和基础信息。这样可以实现在人员档案中添加人脸图像，从而可以提高人员档案的实用性。
请参见图2，图2是本发明实施例提供的另一种人员档案建立方法的流程示意图，如图2所示，包括以下步骤：
201、从人脸图像集合中确定多个人员的人脸图像。
在一种可选的实施方式中，所述从人脸图像集合中确定多个人员的人脸图像，可以包括：
通过有先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集。
其中，上述有先验信息的聚类方式可以是指，在对人脸图像集合进行聚类 之前，预先获取有各人员的先验信息，之后通过各人员的先验信息在对上述人脸图像集合进行归类，以得到各人员的人脸图像。而上先验信息可以是人员的人脸特征或者人脸图像信息等，对此不作限定。
该实施方式中，通过有先验信息的聚类方式，可以提高聚类的效率，以及聚类的准确性，进而提高建立人员档案的效率和准确性。
在另一种可选的实施方式中，所述从人脸图像集合中确定多个人员的人脸图像，可以包括：
通过无先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集。
其中，上述无先验信息的聚类可以是指在对人脸图像集合进行聚类之前，未得到人员的先验信息，通过分析人脸图像集合中各人脸图像，将相似的人脸图像进行聚集，得到多个人脸图像堆，其中，每个人脸图像堆中的人脸图像彼此的相似度高于一定阈值。
该实施方式中，由于在聚类之前不需要先验信息，也就是说，这样在建立人员档案时不需要各人员的人脸图像的先验信息，从而可以提高建立人员档案的应用范围，因为，针对一些没有先验证信息的人员，一样可以建立相应的人员档案。
可选的，上述通过无先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集，可以包括：
将所述人脸图像集合进行分片，得到多个人脸图像分片；
通过无先验信息的聚类方式，分别对每个人脸图像分片进行聚类，得到每个人脸图像分片的多个人脸图像堆；
分别对每个人脸图像堆进行聚类，得到每个人脸图像堆包括的多个人脸图像子集合，其中，属于同一人脸图像子集合中各人脸图像的相似度大于或者等于预设阈值。
其中，上述分片可以是按照时间或者按照拍摄地区等其他进行分片，上述通过无先验信息的聚类方式，分别对每个人脸图像分片进行聚类，每个人脸图像分片的多个人脸图像堆可以是，针对每个人脸图像分片均通过无验信息的聚类方式进行聚类，得到每个人脸图像分片中的多个人脸图像堆。需要说明的是， 本发明实施例中人脸图像堆可以是指，对人脸图像分片进行初次聚类得到存在一些关联的人脸图像集合，例如：彼此存在一定相似度的人脸图像堆。
而上述分别对每个人脸图像堆进行聚类，得到每个人脸图像堆包括的多个人脸图像子集合可以是，针对每个人脸图像进行一次或者多个次聚类，直到每个人脸图像子集合中均满足人脸图像的相似度大于或者等于预设阈值条件，以实现人脸图像结构化，且这里的聚类同样可以是无先验信息的聚类。
该实施方式中，由于将人脸图像集合进行分片，针对不同的人脸图像分片进行单独的聚类，这样可以节约人脸图像聚类的时间，因为，参与聚类的人脸数据集大小、机器数量与性能都是聚类所需时间的决定性因素，人脸越多机器一定的情况下，聚类时间自然越久。另外，由于针对每个人脸图像堆进行单独聚类，可以实现属于同一人脸图像子集合中各人脸图像的相似度大于或者等于预设阈值，从而可以提高人脸图像聚类的准确度。
例如：如图3所示，以上述人脸图像集合为总抓拍到的人脸数据进行举例，分片策略可以包括按天分片、按周分片、按摄像头分析等分片的策略，图3以按按天分片为例，假设分片之后，初始数据集为200万(200w)的人脸数据，进行无先验信息的聚类，假设聚出2000人员，将这2000人员在进行片内聚类，循环停止的条件是聚出的人脸集合相似度满足指定的阈值范围。另外，在进行无先验信息的聚类之后，针对后续数据集，可以将人员档案更新的过程中可以使用已聚类的人脸图像作有先验信息，并进行有先验信息的聚类，以提高更新的效率和准确性。
另外，为了减少对正常业务造成压力，可以从备用的数据库中取出每个人脸图像分片对应的数据，这样可以减轻存在人员档案的数据库的压力，以保证在人脸图像聚类过程，不会影响正常业务的进行。
当然，由于可以按照人脸图像分片进行聚类，得到各人脸图像分片的人脸图像子集合，这样可以在得到各人脸图像分片的人脸图像子集合之后，识别各人脸图像分片的人脸图像子集合中人脸图像的匹配度，以判断不同人脸图像分片中是否存在同一人员的人脸图像集合，如果存在，则将同一人员的人脸图像集合进行合并，以避免同一人员存在多个人脸图像集合的情况，以提供人员档案的精确度。
202、获取每个人员的基本信息。
203、建立每个人员的人员档案，其中，每个人员的人员档案包括该人员的人脸图像和基础信息。
需要说明的是，本发明实施例中，每个人员的人员档案除了人脸图像和基础信息之外，还可以包括其他信息，例如：还可以包括扩展信息和挖掘信息，其中，扩展信息可以包括：亲属人员、同住人员、同行人员和友人等相关人员的基本信息和图像，而挖掘信息可以包括：业务分析信息，如轨迹分析信息、同行分析信息、徘徊分析信息(例如：行为预测信息)和区域碰撞分析信息等。另外，还可以在每个人员的人脸图像中通过代表性图片，例如：可以通过选取模型选取每个人员的代表性图片，如选择最好的一张高清正脸。这样可以得到如图4所示的人员档案。如图4所示，人员档案可以包括基础信息、扩展信息和挖掘信息，需要说明的是，在图4中基础信息包括人脸图像(或者称作人脸数据)，且该基础信息又可以分为文字档、图片档和人脸档，其中，文字档包括：包含人员的基础文字类信息(姓名、电话、住址、身份证件照、与人脸照片等)，图片档包括：该人员的证件照以及体征照片等，人脸档：该人员的人脸图像或者人脸图像集。其中，图4中的人脸图像可以通过有无验信息的聚类(例如：搜索匹配)或者无先验证信息的聚类对抓拍人脸图像集合进行聚类，得到特征值结构化的人脸图像，以及还可以通过质量选取模型选择出高清正脸图像，或者通过算法标记优化得到代表性的人脸照片。
作为一种可选的实施方式，如图2所示，所述方法还包括：
204、获取目标人员的人脸图像；
205、在目标人脸图像集合中查找与所述人脸图像匹配的目标人脸图像子集，其中，所述目标人脸图像集合为在特定时间内，以及在特定区域拍摄的目标人脸图像的集合；
206、根据所述目标人脸图像子集确定所述目标人员的挖掘信息；
207、在所述目标人员的人员档案中添加所述挖掘信息。
该实施方式中，可以实现在目标人员的人脸图像基础业务搜索，以得到该人员的挖掘信息，从而进一步丰富该人员的人员档案，以进一步提高人员档案的实用性。例如：上述挖掘信息包括活动轨迹，这样通过在人员档案中记录该人员的活动轨迹，从而可以通过该人员档案可以进一步确定该人员的生活信息，以方便使用该人员档案进行一些业务分析。当然，上述目标人员的人脸图像可 以是相对高质量人脸图片，例如：上述实施方式中介绍的代表性人脸图像。另外，如果用户本身提供的不是高质量图片，可搜索后再选取代表性人脸图像再输入。例如：如图5所示，通过上述目标人员的高清代表人脸图像进行基础搜索，以及还可以进行数据挖掘，如进行轨迹分析、同行分析和行为预测，以丰富人员档案的内容，从而进一步提高人员档案的实用性。
下面就挖掘信息进行详细说明，例如：所述根据所述目标人脸图像子集确定所述目标人员的挖掘信息，可以包括如下至少一项：
根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，生成所述目标人员的活动轨迹；
在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间和拍摄位置匹配的关联人脸图像子集，并确定所述关联人脸图像子集对应的关联人员信息；
在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间间隔和拍摄位置匹配的同行人脸图像子集，并确定所述同行人脸图像子集对应的同行人员信息；
根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，预测所述目标人员的行为信息。
其中，上述根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，生成所述目标人员的活动轨迹可以是，确定各图像的拍摄时间和拍摄位置，按照时间的顺序将各拍摄位置进行连接，以得到上述目标人员的活动轨迹。
而上述在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间和拍摄位置匹配的关联人脸图像子集，并确定所述关联人脸图像子集对应的关联人员信息可以是，选择拍摄时间和拍摄位置匹配存在一定关联或者一定相似度的关联人脸图像子集，从而可以确定与上述目标人员存在一定关联的关联人员信息。例如：确定上述目标人员经常在某些区域碰撞的区域碰撞人员信息，以实现区域碰撞分析。
而上述在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间间隔和拍摄位置匹配的同行人脸图像子集，并确定所述同行人脸图像子集对应的同行人员信息可以是，选择与上述目标人员的人脸图像的拍摄时间间隔匹配，且拍摄位置也匹配的同行人脸图像子集。例如：选择出与上 述目标人员出行位置(拍摄位置匹配)相似，且出行时间间隔(拍摄时间间隔)相似的同行人员。
而上述根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，预测所述目标人员的行为信息可以是，根据各图像的拍摄时间和拍摄位置预测目标人员在将来时间的行为，例如：目标人员在后续几天的活动轨迹。
该实施方式中，可以实现在人员档案中添加人员的活动轨迹、关联人员信息、同行人员信息和行为信息，以丰富人员档案的内容，从而进一步提高人员档案的实用性。
需要说明的是，上述实施方式中，对步骤204至步骤207与步骤201至步骤203的执行顺序不作限定。
本实施例中，在图1所示的实施例中增加了多种可选的实施方式，且可以达到进一步丰富人员档案的内容，以及还可以提高人员档案的人脸图像准确性等有益效果。
请参见图6，图6是本发明实施例提供的一种人员档案建立装置的结构示意图，如图6所示，包括：
第一确定模块601，用于从人脸图像集合中确定多个人员的人脸图像；
第一获取模块602，用于获取每个人员的基本信息；
建立模块603，用于建立每个人员的人员档案，其中，每个人员的人员档案包括该人员的人脸图像和基础信息。
可选的，所述第一确定模块601用于通过有先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集；或者
所述第一确定模块601用于通过无先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集。
可选的，如图7所示，所述第一确定模块601包括：
分片单元6011，用于将所述人脸图像集合进行分片，得到多个人脸图像分片；
第一聚类单元6012，用于通过无先验信息的聚类方式，分别对每个人脸 图像分片进行聚类，得到每个人脸图像分片的多个人脸图像堆；
第二聚类单元6013，用于分别对每个人脸图像堆进行聚类，得到每个人脸图像堆包括的多个人脸图像子集合，其中，属于同一人脸图像子集合中各人脸图像的相似度大于或者等于预设阈值。
可选的，如图8所示，所述装置还包括：
第二获取模块604，用于获取目标人员的人脸图像；
查找模块605，用于在目标人脸图像集合中查找与所述人脸图像匹配的目标人脸图像子集，其中，所述目标人脸图像集合为在特定时间内，以及在特定区域拍摄的目标人脸图像的集合；
第二确定模块606，用于根据所述目标人脸图像子集确定所述目标人员的挖掘信息；
添加模块607，用于在所述目标人员的人员档案中添加所述挖掘信息。
可选的，如图9所示，所述第二确定模块606包括如下至少一项：
生成单元6061，用于根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，生成所述目标人员的活动轨迹；
第一确定单元6062，用于在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间和拍摄位置匹配的关联人脸图像子集，并确定所述关联人脸图像子集对应的关联人员信息；
第二确定单元6063，用于在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间间隔和拍摄位置匹配的同行人脸图像子集，并确定所述同行人脸图像子集对应的同行人员信息；
预测单元6064，用于根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，预测所述目标人员的行为信息。
需要说明的是，本发明实施例提供的人员档案建立装置可以应用于服务器、计算机、手机等需要建立人员档案的设备，对此本发明实施例不作限定。
本发明实施例提供的人员档案建立装置能够实现图1和图2的方法实施例中的各个实施方式，以及相应有益效果，为避免重复，这里不再赘述。
参见图10，图10是本发明实施例提供的另一种人员档案建立装置的结构示意图，如图10所示，包括：处理器1001、存储器1002和总线接口，其中：
处理器1001用于调用存储器1002存储的计算机程序，执行如下步骤：
从人脸图像集合中确定多个人员的人脸图像；
获取每个人员的基本信息；
建立每个人员的人员档案，其中，每个人员的人员档案包括该人员的人脸图像和基础信息。
可选的，处理器1001执行的所述从人脸图像集合中确定多个人员的人脸图像包括：
通过有先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集；或者
通过无先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集。
可选的，处理器1001执行的所述通过无先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集，包括：
将所述人脸图像集合进行分片，得到多个人脸图像分片；
通过无先验信息的聚类方式，分别对每个人脸图像分片进行聚类，得到每个人脸图像分片的多个人脸图像堆；
分别对每个人脸图像堆进行聚类，得到每个人脸图像堆包括的多个人脸图像子集合，其中，属于同一人脸图像子集合中各人脸图像的相似度大于或者等于预设阈值。
可选的，处理器1001还用于：
获取目标人员的人脸图像；
在目标人脸图像集合中查找与所述人脸图像匹配的目标人脸图像子集，其中，所述目标人脸图像集合为在特定时间内，以及在特定区域拍摄的目标人脸图像的集合；
根据所述目标人脸图像子集确定所述目标人员的挖掘信息；
在所述目标人员的人员档案中添加所述挖掘信息。
可选的，处理器1001执行的所述根据所述目标人脸图像子集确定所述目标人员的挖掘信息，包括如下至少一项：
根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，生成所述目标人员的活动轨迹；
在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间和拍摄位置匹配的关联人脸图像子集，并确定所述关联人脸图像子集对应的关联人员信息；
在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间间隔和拍摄位置匹配的同行人脸图像子集，并确定所述同行人脸图像子集对应的同行人员信息；
根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，预测所述目标人员的行为信息。
其中，在图10中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器1001代表的一个或多个处理器和存储器1002代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。
处理器1001负责管理总线架构和通常的处理，存储器1002可以存储处理器1001在执行操作时所使用的数据。
需要说明的是，本发明实施例提供的人员档案建立装置可以应用于服务器、计算机、手机等需要建立人员档案的设备，对此本发明实施例不作限定。
本发明实施例提供的人员档案建立装置能够实现图1和图2的方法实施例中的各个实施方式，以及相应有益效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例提供的人员档案建立方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(Random Access Memory，简称RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

  1. 一种人员档案建立方法，其特征在于，包括：
    从人脸图像集合中确定多个人员的人脸图像；
    获取每个人员的基本信息；
    建立每个人员的人员档案，其中，每个人员的人员档案包括该人员的人脸图像和基础信息。
  2. 如权利要求1所述的方法，其特征在于，所述从人脸图像集合中确定多个人员的人脸图像包括：
    通过有先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集；或者
    通过无先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集。
  3. 如权利要求2所述的方法，其特征在于，所述通过无先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集，包括：
    将所述人脸图像集合进行分片，得到多个人脸图像分片；
    通过无先验信息的聚类方式，分别对每个人脸图像分片进行聚类，得到每个人脸图像分片的多个人脸图像堆；
    分别对每个人脸图像堆进行聚类，得到每个人脸图像堆包括的多个人脸图像子集合，其中，属于同一人脸图像子集合中各人脸图像的相似度大于或者等于预设阈值。
  4. 如权利要求1至3中任一项所述方法，其特征在于，所述方法还包括：
    获取目标人员的人脸图像；
    在目标人脸图像集合中查找与所述人脸图像匹配的目标人脸图像子集，其中，所述目标人脸图像集合为在特定时间内，以及在特定区域拍摄的目标人脸图像的集合；
    根据所述目标人脸图像子集确定所述目标人员的挖掘信息；
    在所述目标人员的人员档案中添加所述挖掘信息。
  5. 如权利要求4所述的方法，其特征在于，所述根据所述目标人脸图像 子集确定所述目标人员的挖掘信息，包括如下至少一项：
    根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，生成所述目标人员的活动轨迹；
    在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间和拍摄位置匹配的关联人脸图像子集，并确定所述关联人脸图像子集对应的关联人员信息；
    在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间间隔和拍摄位置匹配的同行人脸图像子集，并确定所述同行人脸图像子集对应的同行人员信息；
    根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，预测所述目标人员的行为信息。
  6. 一种人员档案建立装置，其特征在于，包括：
    第一确定模块，用于从人脸图像集合中确定多个人员的人脸图像；
    第一获取模块，用于获取每个人员的基本信息；
    建立模块，用于建立每个人员的人员档案，其中，每个人员的人员档案包括该人员的人脸图像和基础信息。
  7. 如权利要求6所述的装置，其特征在于，所述第一确定模块用于通过有先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集；或者
    所述第一确定模块用于通过无先验信息的聚类方式对所述人脸图像集合进行聚类，得到多个人脸图像子集，并将所述多个人员图像子集作为多个人员的人脸图像子集。
  8. 如权利要求7所述的装置，其特征在于，所述第一确定模块包括：
    分片单元，用于将所述人脸图像集合进行分片，得到多个人脸图像分片；
    第一聚类单元，用于通过无先验信息的聚类方式，分别对每个人脸图像分片进行聚类，得到每个人脸图像分片的多个人脸图像堆；
    第二聚类单元，用于分别对每个人脸图像堆进行聚类，得到每个人脸图像堆包括的多个人脸图像子集合，其中，属于同一人脸图像子集合中各人脸图像的相似度大于或者等于预设阈值。
  9. 如权利要求6至8中任一项所述装置，其特征在于，所述装置还包括：
    第二获取模块，用于获取目标人员的人脸图像；
    查找模块，用于在目标人脸图像集合中查找与所述人脸图像匹配的目标人脸图像子集，其中，所述目标人脸图像集合为在特定时间内，以及在特定区域拍摄的目标人脸图像的集合；
    第二确定模块，用于根据所述目标人脸图像子集确定所述目标人员的挖掘信息；
    添加模块，用于在所述目标人员的人员档案中添加所述挖掘信息。
  10. 如权利要求9所述的装置，其特征在于，所述第二确定模块包括如下至少一项：
    生成单元，用于根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，生成所述目标人员的活动轨迹；
    第一确定单元，用于在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间和拍摄位置匹配的关联人脸图像子集，并确定所述关联人脸图像子集对应的关联人员信息；
    第二确定单元，用于在所述目标人脸图像集合查找与所述目标人脸图像子集中各人脸图像的拍摄时间间隔和拍摄位置匹配的同行人脸图像子集，并确定所述同行人脸图像子集对应的同行人员信息；
    预测单元，用于根据所述目标人脸图像子集中各图像的拍摄时间和拍摄位置，预测所述目标人员的行为信息。
PCT/CN2018/124847 2018-05-22 2018-12-28 一种人员档案建立方法和装置 WO2019223313A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810493170.6A CN108733819B (zh) 2018-05-22 2018-05-22 一种人员档案建立方法和装置
CN201810493170.6 2018-05-22

Publications (1)

Publication Number Publication Date
WO2019223313A1 true WO2019223313A1 (zh) 2019-11-28

Family

ID=63937845

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/124847 WO2019223313A1 (zh) 2018-05-22 2018-12-28 一种人员档案建立方法和装置

Country Status (2)

Country Link
CN (1) CN108733819B (zh)
WO (1) WO2019223313A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111091106A (zh) * 2019-12-23 2020-05-01 浙江大华技术股份有限公司 图像聚类方法及装置、存储介质、电子装置
CN111104915A (zh) * 2019-12-23 2020-05-05 云粒智慧科技有限公司 一种同行分析方法、装置、设备和介质
CN112232113A (zh) * 2020-09-04 2021-01-15 北京旷视科技有限公司 人员识别方法、人员识别装置、存储介质与电子设备
CN112948612A (zh) * 2021-03-16 2021-06-11 杭州海康威视数字技术股份有限公司 人体封面生成方法、装置、电子设备及存储介质
CN113128540A (zh) * 2019-12-31 2021-07-16 深圳云天励飞技术有限公司 非机动车盗车行为的检测方法、装置及电子设备
CN113128305A (zh) * 2019-12-31 2021-07-16 深圳云天励飞技术有限公司 人像档案聚档评估方法、装置、电子设备及存储介质
CN115690163A (zh) * 2023-01-04 2023-02-03 中译文娱科技(青岛)有限公司 基于影像内容的目标跟踪方法、系统及存储介质
CN116362933A (zh) * 2023-05-30 2023-06-30 南京农业大学 基于大数据的智慧校园管理方法及系统

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108733819B (zh) * 2018-05-22 2021-07-06 深圳云天励飞技术有限公司 一种人员档案建立方法和装置
CN111209776A (zh) * 2018-11-21 2020-05-29 杭州海康威视系统技术有限公司 同行人识别方法、装置、处理服务器、存储介质及系统
CN109871456B (zh) * 2018-12-27 2021-05-11 深圳云天励飞技术有限公司 一种看守所人员关系分析方法、装置和电子设备
CN109800329B (zh) * 2018-12-28 2021-07-02 上海依图网络科技有限公司 一种监控方法及装置
CN109710780B (zh) * 2018-12-28 2022-03-15 上海依图网络科技有限公司 一种归档方法及装置
CN109783685B (zh) * 2018-12-28 2022-03-15 上海依图网络科技有限公司 一种查询方法及装置
CN109740003B (zh) * 2018-12-28 2024-01-09 上海依图网络科技有限公司 一种归档方法及装置
CN109800318B (zh) * 2018-12-28 2023-07-14 上海依图网络科技有限公司 一种归档方法及装置
CN111488894A (zh) * 2019-01-25 2020-08-04 华为技术有限公司 档案合并方法及装置
CN110059657A (zh) * 2019-04-25 2019-07-26 北京旷视科技有限公司 档案处理方法、装置、电子设备及计算机可读存储介质
CN110263633B (zh) * 2019-05-13 2023-08-04 广州烽火众智数字技术有限公司 基于时空关联的涉毒人员检测预警方法、系统及存储介质
CN111368867B (zh) * 2019-06-26 2023-09-05 杭州海康威视系统技术有限公司 档案归类方法及系统、计算机可读存储介质
CN110334231A (zh) * 2019-06-28 2019-10-15 深圳市商汤科技有限公司 一种信息处理方法及装置、存储介质
CN110390031A (zh) * 2019-06-28 2019-10-29 深圳市商汤科技有限公司 信息处理方法及装置、图像设备及存储介质
CN110377774B (zh) * 2019-07-15 2023-08-01 腾讯科技（深圳）有限公司 进行人物聚类的方法、装置、服务器和存储介质
CN110413811A (zh) * 2019-08-05 2019-11-05 北京深醒科技有限公司 一种基于人脸识别的路人库跨通道聚合方法
CN110490106B (zh) * 2019-08-06 2022-05-03 万翼科技有限公司 信息管理方法及相关设备
CN111078922A (zh) * 2019-10-15 2020-04-28 深圳市商汤科技有限公司 一种信息处理方法及装置、存储介质
CN110765134A (zh) * 2019-10-25 2020-02-07 四川东方网力科技有限公司 档案建立方法、设备及存储介质
CN111435435B (zh) * 2019-12-10 2024-06-07 杭州海康威视数字技术股份有限公司 一种同伴识别方法、装置、服务器及系统
CN111061899B (zh) * 2019-12-18 2022-04-26 深圳云天励飞技术股份有限公司 一种档案代表图片生成方法、装置和电子设备
CN113496771A (zh) * 2020-03-20 2021-10-12 深圳云天励飞技术有限公司 一种基于人脸识别的导诊方法、装置及电子设备
CN111625654A (zh) * 2020-04-14 2020-09-04 北京旷视科技有限公司 关系图谱的生成方法、传播路径的确认方法及装置
CN111612675B (zh) * 2020-05-18 2023-08-04 浙江宇视科技有限公司 同行对象确定方法、装置、设备及存储介质
CN113052079B (zh) * 2021-03-26 2022-01-21 重庆紫光华山智安科技有限公司 一种基于人脸聚类的区域客流统计方法、系统、设备和介质
CN115269494A (zh) * 2022-05-06 2022-11-01 深圳云天励飞技术股份有限公司 数据归档方法及装置
CN115471919B (zh) * 2022-09-19 2023-09-12 江苏至真健康科技有限公司 一种基于便携式免散瞳眼底照相机的建档方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609695A (zh) * 2012-02-14 2012-07-25 上海博物馆 一种多角度人脸识别方法及系统
CN107169458A (zh) * 2017-05-18 2017-09-15 深圳云天励飞技术有限公司 数据处理方法、装置及存储介质
CN107358146A (zh) * 2017-05-22 2017-11-17 深圳云天励飞技术有限公司 视频处理方法、装置及存储介质
CN108733819A (zh) * 2018-05-22 2018-11-02 深圳云天励飞技术有限公司 一种人员档案建立方法和装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103390165B (zh) * 2012-05-10 2017-08-22 北京百度网讯科技有限公司 一种图片聚类的方法及装置
CN103902961B (zh) * 2012-12-28 2017-02-15 汉王科技股份有限公司 一种人脸识别方法及装置
CN107526997A (zh) * 2016-06-20 2017-12-29 杭州海康威视数字技术股份有限公司 一种人员轨迹识别方法及装置
CN106709424B (zh) * 2016-11-19 2022-11-11 广东中科人人智能科技有限公司 一种优化的监控视频存储系统
CN107480246B (zh) * 2017-08-10 2021-03-12 北京中航安通科技有限公司 一种关联人员的识别方法及装置
CN107992591A (zh) * 2017-12-11 2018-05-04 深圳云天励飞技术有限公司 人物搜索方法及装置、电子设备和计算机可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609695A (zh) * 2012-02-14 2012-07-25 上海博物馆 一种多角度人脸识别方法及系统
CN107169458A (zh) * 2017-05-18 2017-09-15 深圳云天励飞技术有限公司 数据处理方法、装置及存储介质
CN107358146A (zh) * 2017-05-22 2017-11-17 深圳云天励飞技术有限公司 视频处理方法、装置及存储介质
CN108733819A (zh) * 2018-05-22 2018-11-02 深圳云天励飞技术有限公司 一种人员档案建立方法和装置

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111091106B (zh) * 2019-12-23 2023-10-10 浙江大华技术股份有限公司 图像聚类方法及装置、存储介质、电子装置
CN111104915A (zh) * 2019-12-23 2020-05-05 云粒智慧科技有限公司 一种同行分析方法、装置、设备和介质
CN111091106A (zh) * 2019-12-23 2020-05-01 浙江大华技术股份有限公司 图像聚类方法及装置、存储介质、电子装置
CN111104915B (zh) * 2019-12-23 2023-05-16 云粒智慧科技有限公司 一种同行分析方法、装置、设备和介质
CN113128540A (zh) * 2019-12-31 2021-07-16 深圳云天励飞技术有限公司 非机动车盗车行为的检测方法、装置及电子设备
CN113128305A (zh) * 2019-12-31 2021-07-16 深圳云天励飞技术有限公司 人像档案聚档评估方法、装置、电子设备及存储介质
CN113128305B (zh) * 2019-12-31 2024-06-11 深圳云天励飞技术有限公司 人像档案聚档评估方法、装置、电子设备及存储介质
CN113128540B (zh) * 2019-12-31 2024-05-03 深圳云天励飞技术有限公司 非机动车盗车行为的检测方法、装置及电子设备
CN112232113A (zh) * 2020-09-04 2021-01-15 北京旷视科技有限公司 人员识别方法、人员识别装置、存储介质与电子设备
CN112232113B (zh) * 2020-09-04 2022-08-05 北京旷视科技有限公司 人员识别方法、人员识别装置、存储介质与电子设备
CN112948612A (zh) * 2021-03-16 2021-06-11 杭州海康威视数字技术股份有限公司 人体封面生成方法、装置、电子设备及存储介质
CN112948612B (zh) * 2021-03-16 2024-02-06 杭州海康威视数字技术股份有限公司 人体封面生成方法、装置、电子设备及存储介质
CN115690163A (zh) * 2023-01-04 2023-02-03 中译文娱科技(青岛)有限公司 基于影像内容的目标跟踪方法、系统及存储介质
CN116362933B (zh) * 2023-05-30 2023-09-26 南京农业大学 基于大数据的智慧校园管理方法及系统
CN116362933A (zh) * 2023-05-30 2023-06-30 南京农业大学 基于大数据的智慧校园管理方法及系统

Also Published As

Publication number Publication date
CN108733819B (zh) 2021-07-06
CN108733819A (zh) 2018-11-02

Similar Documents

Publication Publication Date Title
WO2019223313A1 (zh) 一种人员档案建立方法和装置
US11120306B2 (en) Edge-based adaptive machine learning for object recognition
WO2019120115A1 (zh) 人脸识别的方法、装置及计算机装置
CN111062871B (zh) 一种图像处理方法、装置、计算机设备及可读存储介质
Leng et al. Person re-identification with content and context re-ranking
Moreira et al. Image provenance analysis at scale
US11727053B2 (en) Entity recognition from an image
US7760917B2 (en) Computer-implemented method for performing similarity searches
US11048956B2 (en) Intelligent gallery management for biometrics
WO2017045443A1 (zh) 一种图像检索方法及系统
CN110866491B (zh) 目标检索方法、装置、计算机可读存储介质和计算机设备
Wang et al. Fast and robust object detection using asymmetric totally corrective boosting
US10650274B2 (en) Image clustering method, image clustering system, and image clustering server
US20150033362A1 (en) Notification and Privacy Management of Online Photos and Videos
US10943098B2 (en) Automated and unsupervised curation of image datasets
CN112528022A (zh) 主题类别对应的特征词提取和文本主题类别识别方法
US20190034758A1 (en) Systems and methods for clustering of near-duplicate images in very large image collections
JP7331391B2 (ja) 権利保有者が所有する印刷物のコピーを追跡するシステム、方法、装置、及びプログラム
CN111144454A (zh) 一种基于图像标记特定特征的延迟多标记学习方法
US10467259B2 (en) Method and system for classifying queries
CN113409051B (zh) 针对目标业务的风险识别方法及装置
Martin et al. A multimedia application for location-based semantic retrieval of tattoos
US20240184860A1 (en) Methods and arrangements for providing impact imagery
Virata et al. A Raspberry Pi-Based Identity Verification Through Face Recognition Using Constrained Images
CN116630667A (zh) 一种图像聚档方法、计算机设备和存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18919768

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18919768

Country of ref document: EP

Kind code of ref document: A1