CN108038473B - 用于输出信息的方法和装置 - Google Patents
用于输出信息的方法和装置 Download PDFInfo
- Publication number
- CN108038473B CN108038473B CN201711455262.7A CN201711455262A CN108038473B CN 108038473 B CN108038473 B CN 108038473B CN 201711455262 A CN201711455262 A CN 201711455262A CN 108038473 B CN108038473 B CN 108038473B
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- recognition
- local
- detected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
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
- G06V40/168—Feature extraction; Face representation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括:获取待检测图像序列;对于该待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,基于所得到的识别结果,确定该图像中是否呈现有目标对象;将该待检测图像序列中的、呈现有该目标对象的图像作为目标图像,输出包含该目标图像的识别信息。该实施方式提高了对目标对象的识别的灵活性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及用于输出信息的方法和装置。
背景技术
图像识别技术,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术。一般工业使用中,采用工业相机拍摄图片,然后再利用软件根据图片灰阶差做进一步识别处理。因此,可以利用图像识别技术对目标对象(例如某个人)进行追踪。
现有的方式通常是仅利用人脸识别模型对图像进行人脸识别,若识别到目标对象的人脸,则可以确定图像中呈现有目标对象,然而,当目标对象背对摄像装置时则无法从所拍摄的图像中识别出人脸。
发明内容
本申请实施例提出了用于输出信息的方法和装置。
第一方面,本申请实施例提供了一种用于输出信息的方法,该方法包括:获取待检测图像序列;对于待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,基于所得到的识别结果,确定该图像中是否呈现有目标对象;将待检测图像序列中的、呈现有目标对象的图像作为目标图像,输出包含目标图像的识别信息。
在一些实施例中,多个识别模型包括人脸识别模型和至少一个局部识别模型,人脸识别模型用于对目标对象的人脸区域进行识别,至少一个局部识别模型中的每一个局部识别模型用于对目标对象的一个局部区域进行识别。
在一些实施例中,对于待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,包括:对于待检测图像序列中的每一个图像,将该图像输入至人脸识别模型,得到人脸识别结果,并将该图像输入至各个局部识别模型,得到与每一个局部识别模型对应的局部识别结果。
在一些实施例中,基于所得到的识别结果,确定该图像中是否呈现有目标对象,包括:对于待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中未呈现有目标对象的人脸区域,并且与该图像对应的局部识别结果指示该图像所呈现的目标对象的局部区域的数量不小于预设数值,确定该图像呈现有目标对象。
在一些实施例中,基于所得到的识别结果,确定该图像中是否呈现有目标对象,包括:对于待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中呈现有目标对象的人脸区域,确定该图像呈现有目标对象。
在一些实施例中,基于所得到的识别结果,确定该图像中是否呈现有目标对象,包括:对于待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中未呈现有目标对象的人脸区域,并且与该图像对应的局部识别结果指示该图像所呈现的目标对象的局部区域的数量小于预设数值,确定该图像未呈现有目标对象。
在一些实施例中,至少一个局部识别模型包括以下至少一项:衣服颜色识别模型、衣服款式识别模型、背包颜色识别模型、背包款式识别模型、发型识别模型、帽子识别模型、眼镜识别模型、身高识别模型、体型识别模型。
第二方面,本申请实施例提供了一种用于输出信息的装置,该装置包括:获取单元,配置用于获取待检测图像序列;输入单元,配置用于对于待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,基于所得到的识别结果,确定该图像中是否呈现有目标对象;输出单元,配置用于将待检测图像序列中的、呈现有目标对象的图像作为目标图像,输出包含目标图像的识别信息。
在一些实施例中,多个识别模型包括人脸识别模型和至少一个局部识别模型,人脸识别模型用于对目标对象的人脸区域进行识别,至少一个局部识别模型中的每一个局部识别模型用于对目标对象的一个局部区域进行识别。
在一些实施例中,输入单元进一步配置用于:对于待检测图像序列中的每一个图像,将该图像输入至人脸识别模型,得到人脸识别结果,并将该图像输入至各个局部识别模型,得到与每一个局部识别模型对应的局部识别结果。
在一些实施例中,输入单元进一步配置用于:对于待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中未呈现有目标对象的人脸区域,并且与该图像对应的局部识别结果指示该图像所呈现的目标对象的局部区域的数量不小于预设数值,确定该图像呈现有目标对象。
在一些实施例中,输入单元进一步配置用于:对于待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中呈现有目标对象的人脸区域,确定该图像呈现有目标对象。
在一些实施例中,输入单元进一步配置用于:对于待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中未呈现有目标对象的人脸区域,并且与该图像对应的局部识别结果指示该图像所呈现的目标对象的局部区域的数量小于预设数值,确定该图像未呈现有目标对象。
在一些实施例中,至少一个局部识别模型包括以下至少一项:衣服颜色识别模型、衣服款式识别模型、背包颜色识别模型、背包款式识别模型、发型识别模型、帽子识别模型、眼镜识别模型、身高识别模型、体型识别模型。
第三方面,本申请实施例提供了一种服务器,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如用于输出信息的方法中任一实施例的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如用于输出信息的方法中任一实施例的方法。
本申请实施例提供的用于输出信息的方法和装置,通过获取待检测图像序列,而后对于待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,并基于所得到的识别结果,确定该图像中是否呈现有目标对象,最后将待检测图像序列中的、呈现有目标对象的图像作为目标图像,输出包含目标图像的识别信息,从而可以综合多个识别模型对应的识别结果确定图像中是否呈现有目标对象,提高了对目标对象的识别的灵活性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性***架构图;
图2是根据本申请的用于输出信息的方法的一个实施例的流程图;
图3是根据本申请的用于输出信息的方法的一个应用场景的示意图;
图4是根据本申请的用于输出信息的装置的一个实施例的结构示意图;
图5是适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于输出信息的方法或用于输出信息的装置的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如摄影摄像类应用、图像处理类应用、搜索类应用等。此外,终端设备101、102、103还可以连接有摄像头等图像采集装置,并获取图像采集装置采集到的图像。
终端设备101、102、103可以是具有显示屏并且支持网络通信的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上传的图像进行处理的图像处理服务器。图像处理服务器可以对接收到的待检测图像等进行分析等处理,并将处理结果(例如优化图像)反馈给终端设备。
需要说明的是,本申请实施例所提供的图像生成方法一般由服务器105执行,相应地,图像生成装置一般设置于服务器105中。
需要指出的是,服务器105的本地也可以直接存储待检测图像,或直接获取图像采集装置采集的图像,此时,服务器105可以直接提取本地的或图像采集装置所采集的待检测图像进行检测,此时,示例性***架构100可以不存在终端设备101、102、103和网络104。
还需要指出的是,终端设备101、102、103中也可以安装有图像处理类应用,终端设备101、102、103也可以基于图像处理类应用对待检测图像进行人脸检测,此时,图像生成方法也可以由终端设备101、102、103执行,相应地,图像生成装置也可以设置于终端设备101、102、103中。此时,示例性***架构100可以不存在服务器105和网络104。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于输出信息的方法的一个实施例的流程200。所述的用于输出信息的方法,包括以下步骤:
步骤201,获取待检测图像序列。
在本实施例中,用于输出信息的方法运行于其上的电子设备可以获取待检测图像序列,其中,上述待检测图像序列可以包括按照图像拍摄时间的先后顺序由多个图像构成的序列。实践中,待检测图像序列中的图像可以是监控摄像头等图像采集装置所采集到的。
此处,上述电子设备可以与图像采集装置(例如摄像头等)相连接,并存储上述图像采集装置采集到的图像。上述电子设备可以选取某个时间段内所存储的图像作为待检测图像,并按照拍摄时间先后顺序汇总为待检测图像序列。此时,上述电子设备可以直接从本地获取上述待检测图像序列。上述待检测图像序列可以是与上述电子设备相连接的其他电子设备通过有线连接方式或者无线连接方式发送给上述电子设备的。上述其他电子设备可以与图像采集装置相连接,可以获取图像采集装置采集到的图像。其中,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤202,对于待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,基于所得到的识别结果,确定该图像中是否呈现有目标对象。
在本实施例中,对于待检测图像序列中的每一个图像,上述电子设备可以首先将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,而后,可以基于所得到的识别结果,确定该图像中是否呈现有目标对象(例如某个人)。其中,上述多个识别模型可以是用于对目标对象的多个局部进行识别的模型,例如,可以包括对目标对象的头部进行识别的头部识别模型、对目标对象的身体进行识别的人体识别模型、对目标对象的衣着进行识别的衣服识别模型、对目标对象的鞋子进行识别的鞋子识别模型等等。上述各个识别模型可以是利用机器学习算法,基于相应的训练样本对可实现图像识别功能的模型(例如卷积神经网络(Convolutional Neural Network,CNN))进行有监督训练后得到的。例如,上述头部识别模型所使用的训练样本可以包括上述目标对象的头部图像和用于表征该头部图像为目标对象的头部图像的标注。上述卷积神经网络可以包括卷积层、池化层、全连接层等,其中,卷积层可以用于提取图像特征,池化层可以用于对输入的信息进行降采样(downsample),全连接层可以用于输出识别结果。实践中,卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于图像处理有出色表现,因而,可以利用卷积神经网络进行图像识别。
需要说明的是,上述电子设备基于所得到的识别结果,可以利用各种方式确定该图像中是否呈现有目标对象。作为示例,若识别结果指示识别出图像中呈现有上述目标对象的局部的数量不小于预设数值(例如3个,分别为目标对象的头部、鞋子、衣着),则可以确定该图像中呈现有上述目标对象;若别结果指示识别出图像中呈现有上述目标对象的局部的数量小于上述预设数值,则可以确定该图像中未呈现有上述目标对象。
在本实施例的一些可选的实现方式中,上述多个识别模型可以包括人脸识别模型和至少一个局部识别模型,其中,上述人脸识别模型可以用于对上述目标对象的人脸区域进行识别,上述至少一个局部识别模型中的每一个局部识别模型可以用于对上述目标对象的一个局部区域(例如衣服颜色、衣服款式、背包颜色、背包款式等)进行识别。需要说明的是,上述至少一个局部识别模型可以包括但不限于以下至少一项:衣服颜色识别模型、衣服款式识别模型、背包颜色识别模型、背包款式识别模型、发型识别模型、帽子识别模型、眼镜识别模型、身高识别模型、体型识别模型。各个局部识别模型可以是利用机器学习算法,基于相应的训练样本对可实现图像识别功能的模型(例如卷积神经网络(ConvolutionalNeural Network,CNN))进行有监督训练后得到的。此时,对于上述待检测图像序列中的每一个图像,上述电子设备可以通过如下步骤确定该图像中是否呈现有目标对象:首先,可以将该图像输入至上述人脸识别模型,得到人脸识别结果;而后,上述电子设备可以将该图像输入至各个局部识别模型,得到与每一个局部识别模型对应的局部识别结果。上述电子设备基于所得到的人脸识别结果和局部识别结果,可以利用各种方式确定该图像中是否呈现有目标对象。
在本实施例的一些可选的实现方式中,上述电子设备对于上述待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中未呈现有上述目标对象的人脸区域并且与该图像对应的局部识别结果指示该图像所呈现的上述目标对象的局部区域的数量不小于预设数值(例如3个),可以确定该图像呈现有上述目标对象。
在本实施例的一些可选的实现方式中,上述电子设备对于上述待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中呈现有上述目标对象的人脸区域,可以确定该图像呈现有上述目标对象。
在本实施例的一些可选的实现方式中,上述电子设备对于上述待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中未呈现有上述目标对象的人脸区域,并且与该图像对应的局部识别结果指示该图像所呈现的上述目标对象的局部区域的数量小于预设数值(例如3个),可以确定该图像未呈现有上述目标对象。
步骤203,将待检测图像序列中的、呈现有目标对象的图像作为目标图像,输出包含目标图像的识别信息。
在本实施例中,上述电子设备可以将上述待检测图像序列中的、呈现有目标对象的图像作为目标图像,输出包含目标图像的识别信息。需要说明的是,上述识别信息还可以包括各个目标图像的拍摄时间、拍摄位置等信息。实践中,上述电子设备所输出的目标图像中可以将所呈现的目标对象所在区域利用高亮边框标识。
在本实施例的一些可选的实现方式中,上述电子设备还可以基于各个目标图像的拍摄时间、拍摄位置(例如,可以将拍摄图像的图像采集装置所在位置确定为拍摄位置),确定上述目标对象的移动路径。作为示例,待检测图像序列中的目标图像分别为第一目标图像、第二目标图像和第三目标图像,上述第一目标图像在9:00拍摄并于第一位置拍摄,上述第二目标图像在9:01拍摄并于第二位置拍摄,上述第三目标图像在9:05拍摄并于第三位置拍摄,则上述目标对象的移动路径可以是从上述第一位置移动到上述第二位置,再从上述第二位置移动到上述第三位置。在确定上述目标对象的移动路径后,上述电子设备还可以输出用于表征上述移动路径的移动路径信息。
继续参见图3,图3是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图3的应用场景中,图像处理服务器可以首先获取由监控摄像头采集的图像所构成的待检测图像序列301,而后对于该待检测图像序列301中的每一个图像,图像处理服务器可以基于预先训练的多个识别模型得到分别与各个识别模型对应的识别结果,之后图像处理服务器可以基于所得到的识别结果,确定各个图像中是否呈现有目标行人(例如需要进行行迹监视的某个行人或者某个犯人等),最后图像处理服务器可以将该待检测图像序列中的、呈现有该目标行人的图像作为目标图像302,输出包含目标图像302的识别信息303。
本申请的上述实施例提供的方法,通过获取待检测图像序列,而后对于待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,并基于所得到的识别结果,确定该图像中是否呈现有目标对象,最后将待检测图像序列中的、呈现有目标对象的图像作为目标图像,输出包含目标图像的识别信息,从而可以综合多个识别模型对应的识别结果确定图像中是否呈现有目标对象,提高了对目标对象的识别的灵活性。
进一步参考图4,作为对上述各图所示方法的实现,本申请提供了一种用于输出信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例所述的用于输出信息的装置400包括:获取单元401,配置用于获取待检测图像序列;输入单元402,配置用于对于上述待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,基于所得到的识别结果,确定该图像中是否呈现有目标对象;输出单元403,配置用于将上述待检测图像序列中的、呈现有上述目标对象的图像作为目标图像,输出包含上述目标图像的识别信息。
在本实施例的一些可选的实现方式中,上述多个识别模型可以包括人脸识别模型和至少一个局部识别模型,其中,上述人脸识别模型可以用于对上述目标对象的人脸区域进行识别,上述至少一个局部识别模型中的每一个局部识别模型可以用于对上述目标对象的一个局部区域进行识别。
在本实施例的一些可选的实现方式中,上述输入单元402可以进一步配置用于对于上述待检测图像序列中的每一个图像,将该图像输入至上述人脸识别模型,得到人脸识别结果,并将该图像输入至各个局部识别模型,得到与每一个局部识别模型对应的局部识别结果。
在本实施例的一些可选的实现方式中,上述输入单元402可以进一步配置用于对于上述待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中未呈现有上述目标对象的人脸区域,并且与该图像对应的局部识别结果指示该图像所呈现的上述目标对象的局部区域的数量不小于预设数值,确定该图像呈现有上述目标对象。
在本实施例的一些可选的实现方式中,上述输入单元402可以进一步配置用于对于上述待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中呈现有上述目标对象的人脸区域,确定该图像呈现有上述目标对象。
在本实施例的一些可选的实现方式中,上述输入单元402可以进一步配置用于对于上述待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中未呈现有上述目标对象的人脸区域,并且与该图像对应的局部识别结果指示该图像所呈现的上述目标对象的局部区域的数量小于预设数值,确定该图像未呈现有上述目标对象。
在本实施例的一些可选的实现方式中,上述至少一个局部识别模型可以包括以下至少一项衣服颜色识别模型、衣服款式识别模型、背包颜色识别模型、背包款式识别模型、发型识别模型、帽子识别模型、眼镜识别模型、身高识别模型、体型识别模型。
本申请的上述实施例提供的装置,通过获取单元401获取待检测图像序列,而后输入单元402对于待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,并基于所得到的识别结果,确定该图像中是否呈现有目标对象,最后输出单元403将待检测图像序列中的、呈现有目标对象的图像作为目标图像,输出包含目标图像的识别信息,从而可以综合多个识别模型对应的识别结果确定图像中是否呈现有目标对象,提高了对目标对象的识别的灵活性。
下面参考图5,其示出了适于用来实现本申请实施例的电子设备的计算机***500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机***500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有***500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括触摸屏、触摸板等的输入部分506;包括诸如液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;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509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如半导体存储器等等,根据需要安装在驱动器510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508。
特别地,根据本公开的实施例,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,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、输入单元和输出单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取待检测图像序列的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取待检测图像序列;对于该待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,基于所得到的识别结果,确定该图像中是否呈现有目标对象;将该待检测图像序列中的、呈现有该目标对象的图像作为目标图像,输出包含该目标图像的识别信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (16)
1.一种用于输出信息的方法,包括:
获取待检测图像序列;
对于所述待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,基于所得到的识别结果,确定该图像中是否呈现有目标对象,其中,所述多个识别模型用于对所述目标对象的多种信息进行识别,所述多种信息包括所述目标对象的局部区域,所述多个识别模型中的每一个识别模型用于对所述目标对象的一个局部区域进行识别,所述识别结果用于指示图像中是否呈现有所述目标对象的局部,识别模型所使用的训练样本包括所述目标对象的局部图像和用于表征该局部图像为目标对象的局部图像的标注,确定该图像中是否呈现有所述目标对象的方式包括:若所述识别结果指示识别出该图像中呈现有所述目标对象的局部区域的数量不小于预设数值,则确定该图像中呈现有所述目标对象;
将所述待检测图像序列中的、呈现有所述目标对象的图像作为目标图像,输出包含所述目标图像的识别信息。
2.根据权利要求1所述的用于输出信息的方法,其中,所述多个识别模型包括人脸识别模型和至少一个局部识别模型,所述人脸识别模型用于对所述目标对象的人脸区域进行识别,所述至少一个局部识别模型中的每一个局部识别模型用于对所述目标对象的一个局部区域进行识别。
3.根据权利要求2所述的用于输出信息的方法,其中,所述对于所述待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,包括:
对于所述待检测图像序列中的每一个图像,将该图像输入至所述人脸识别模型,得到人脸识别结果,并将该图像输入至各个局部识别模型,得到与每一个局部识别模型对应的局部识别结果。
4.根据权利要求3所述的用于输出信息的方法,其中,所述基于所得到的识别结果,确定该图像中是否呈现有目标对象,包括:
对于所述待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中未呈现有所述目标对象的人脸区域,并且与该图像对应的局部识别结果指示该图像所呈现的所述目标对象的局部区域的数量不小于预设数值,确定该图像呈现有所述目标对象。
5.根据权利要求3所述的用于输出信息的方法,其中,所述基于所得到的识别结果,确定该图像中是否呈现有目标对象,包括:
对于所述待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中呈现有所述目标对象的人脸区域,确定该图像呈现有所述目标对象。
6.根据权利要求3所述的用于输出信息的方法,其中,所述基于所得到的识别结果,确定该图像中是否呈现有目标对象,包括:
对于所述待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中未呈现有所述目标对象的人脸区域,并且与该图像对应的局部识别结果指示该图像所呈现的所述目标对象的局部区域的数量小于预设数值,确定该图像未呈现有所述目标对象。
7.根据权利要求2-6之一所述的用于输出信息的方法,其中,所述至少一个局部识别模型包括以下至少一项:衣服颜色识别模型、衣服款式识别模型、背包颜色识别模型、背包款式识别模型、发型识别模型、帽子识别模型、眼镜识别模型、身高识别模型、体型识别模型。
8.一种用于输出信息的装置,包括:
获取单元,配置用于获取待检测图像序列;
输入单元,配置用于对于所述待检测图像序列中的每一个图像,将该图像输入至预先训练的多个识别模型,得到分别与各个识别模型对应的识别结果,基于所得到的识别结果,确定该图像中是否呈现有目标对象,其中,所述多个识别模型用于对所述目标对象的多种信息进行识别,所述多种信息包括所述目标对象的局部区域,所述多个识别模型中的每一个识别模型用于对所述目标对象的一个局部区域进行识别,所述识别结果用于指示图像中是否呈现有所述目标对象的局部,识别模型所使用的训练样本包括所述目标对象的局部图像和用于表征该局部图像为目标对象的局部图像的标注,确定该图像中是否呈现有所述目标对象的方式包括:若所述识别结果指示识别出该图像中呈现有所述目标对象的局部区域的数量不小于预设数值,则确定该图像中呈现有所述目标对象;
输出单元,配置用于将所述待检测图像序列中的、呈现有所述目标对象的图像作为目标图像,输出包含所述目标图像的识别信息。
9.根据权利要求8所述的用于输出信息的装置,其中,所述多个识别模型包括人脸识别模型和至少一个局部识别模型,所述人脸识别模型用于对所述目标对象的人脸区域进行识别,所述至少一个局部识别模型中的每一个局部识别模型用于对所述目标对象的一个局部区域进行识别。
10.根据权利要求9所述的用于输出信息的装置,其中,所述输入单元进一步配置用于:
对于所述待检测图像序列中的每一个图像,将该图像输入至所述人脸识别模型,得到人脸识别结果,并将该图像输入至各个局部识别模型,得到与每一个局部识别模型对应的局部识别结果。
11.根据权利要求10所述的用于输出信息的装置,其中,所述输入单元进一步配置用于:
对于所述待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中未呈现有所述目标对象的人脸区域,并且与该图像对应的局部识别结果指示该图像所呈现的所述目标对象的局部区域的数量不小于预设数值,确定该图像呈现有所述目标对象。
12.根据权利要求10所述的用于输出信息的装置,其中,所述输入单元进一步配置用于:
对于所述待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中呈现有所述目标对象的人脸区域,确定该图像呈现有所述目标对象。
13.根据权利要求10所述的用于输出信息的装置,其中,所述输入单元进一步配置用于:
对于所述待检测图像序列中的每一个图像,响应于确定该图像对应的人脸识别结果指示该图像中未呈现有所述目标对象的人脸区域,并且与该图像对应的局部识别结果指示该图像所呈现的所述目标对象的局部区域的数量小于预设数值,确定该图像未呈现有所述目标对象。
14.根据权利要求9-13之一所述的用于输出信息的装置,其中,所述至少一个局部识别模型包括以下至少一项:衣服颜色识别模型、衣服款式识别模型、背包颜色识别模型、背包款式识别模型、发型识别模型、帽子识别模型、眼镜识别模型、身高识别模型、体型识别模型。
15.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711455262.7A CN108038473B (zh) | 2017-12-28 | 2017-12-28 | 用于输出信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711455262.7A CN108038473B (zh) | 2017-12-28 | 2017-12-28 | 用于输出信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108038473A CN108038473A (zh) | 2018-05-15 |
CN108038473B true CN108038473B (zh) | 2021-04-23 |
Family
ID=62098093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711455262.7A Active CN108038473B (zh) | 2017-12-28 | 2017-12-28 | 用于输出信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108038473B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175975A (zh) * | 2018-12-14 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 对象检测方法、装置、计算机可读存储介质和计算机设备 |
CN110084306B (zh) * | 2019-04-30 | 2022-03-29 | 北京字节跳动网络技术有限公司 | 用于生成动态图像的方法和装置 |
CN111783515A (zh) * | 2020-03-18 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 行为动作识别的方法和装置 |
CN113067966A (zh) * | 2021-02-03 | 2021-07-02 | 深兰科技(上海)有限公司 | 目标图像采集设备及方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6674877B1 (en) * | 2000-02-03 | 2004-01-06 | Microsoft Corporation | System and method for visually tracking occluded objects in real time |
CN1916931A (zh) * | 2005-08-19 | 2007-02-21 | 上海正电科技发展有限公司 | 街面监控视频中搜索指定特征人像方法 |
CN102665054A (zh) * | 2012-05-10 | 2012-09-12 | 江苏友上科技实业有限公司 | 一种用人脸快速检索的网络视频录像机*** |
CN104794458A (zh) * | 2015-05-07 | 2015-07-22 | 北京丰华联合科技有限公司 | 一种从模糊视频中识别人员的方法 |
CN105893510A (zh) * | 2016-03-30 | 2016-08-24 | 北京格灵深瞳信息技术有限公司 | 一种视频结构化***及其目标搜索方法 |
CN106127173B (zh) * | 2016-06-30 | 2019-05-07 | 北京小白世纪网络科技有限公司 | 一种基于深度学习的人体属性识别方法 |
CN106650577A (zh) * | 2016-09-22 | 2017-05-10 | 江苏理工学院 | 监控视频数据文件中目标人物快速检索方法及*** |
CN106874884B (zh) * | 2017-03-03 | 2019-11-12 | 中国民航大学 | 基于部位分割的人体再识别方法 |
CN107341445A (zh) * | 2017-06-07 | 2017-11-10 | 武汉大千信息技术有限公司 | 监控场景下行人目标的全景描述方法及*** |
-
2017
- 2017-12-28 CN CN201711455262.7A patent/CN108038473B/zh active Active
Non-Patent Citations (2)
Title |
---|
《基于人体外貌特征的自适应检测与跟踪算法的研究与实现》;孙伟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130615;I138-1477 * |
《基于局部深度匹配的行人再识别》;李邵梅 等;;《计算机应用研究》;20170430;第34卷(第4期);第1235-1238页; * |
Also Published As
Publication number | Publication date |
---|---|
CN108038473A (zh) | 2018-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107909065B (zh) | 用于检测人脸遮挡的方法及装置 | |
US10936919B2 (en) | Method and apparatus for detecting human face | |
CN108416323B (zh) | 用于识别人脸的方法和装置 | |
CN108416324B (zh) | 用于检测活体的方法和装置 | |
CN108830235B (zh) | 用于生成信息的方法和装置 | |
US10691928B2 (en) | Method and apparatus for facial recognition | |
US20190087648A1 (en) | Method and apparatus for facial recognition | |
CN108038473B (zh) | 用于输出信息的方法和装置 | |
US10832037B2 (en) | Method and apparatus for detecting image type | |
CN108491823B (zh) | 用于生成人眼识别模型的方法和装置 | |
CN109308490B (zh) | 用于生成信息的方法和装置 | |
CN108337505B (zh) | 信息获取方法和装置 | |
CN109389096B (zh) | 检测方法和装置 | |
CN110516678B (zh) | 图像处理方法和装置 | |
CN110298850B (zh) | 眼底图像的分割方法和装置 | |
CN108388889B (zh) | 用于分析人脸图像的方法和装置 | |
CN108229375B (zh) | 用于检测人脸图像的方法和装置 | |
CN108133197B (zh) | 用于生成信息的方法和装置 | |
CN110059623B (zh) | 用于生成信息的方法和装置 | |
CN108509994B (zh) | 人物图像聚类方法和装置 | |
CN108241855B (zh) | 图像生成方法和装置 | |
CN108399401B (zh) | 用于检测人脸图像的方法和装置 | |
CN114140880A (zh) | 步态识别方法和装置 | |
CN111126159A (zh) | 用于实时跟踪行人的方法、装置、电子设备和介质 | |
CN108921138B (zh) | 用于生成信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |