CN108509657A - 数据分配保存方法、设备及计算机可读存储介质 - Google Patents
数据分配保存方法、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108509657A CN108509657A CN201810399032.1A CN201810399032A CN108509657A CN 108509657 A CN108509657 A CN 108509657A CN 201810399032 A CN201810399032 A CN 201810399032A CN 108509657 A CN108509657 A CN 108509657A
- Authority
- CN
- China
- Prior art keywords
- user
- user images
- images
- similarity
- image
- 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.)
- Pending
Links
Classifications
-
- 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
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种数据分配保存方法,包括:接收用户图像、用户图像的采集时间及对应的图像采集设备的所处位置;将接收到的用户图像进行相似度分析处理,获得用户图像之间的相似度;根据用户图像之间的相似度判断各个用户图像对应的用户是否为同一用户;若各个用户图像对应的用户为同一用户,则根据同一用户的各个用户图像的对应采集时间,各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹;从同一用户的用户图像中挑选作为保存的用户图像,将挑选的图像以及对应的用户轨迹进行保存。本发明还公开了一种数据分配保存设备及可读存储介质。本发明能够使用户数据得到合理分配与管理,减少存储空间,便于查询用户数据及用户轨迹。
Description
技术领域
本发明涉及数据保存领域,尤其涉及一种数据分配保存方法、设备及计算机可读存储介质。
背景技术
随着社会的发展,为了保证人们的人身安全,维护社会稳定与和谐,在公共场所布置的监控设备越来越多。
目前,对于监控设备采集到的视频或者图像,一般是通过固定的云端数据库进行保存,或者保存在监控设备的本地数据库,但是由于一些监控设备需要24小时不间断采集,采集到的视频或者图像较多,数据库需要保存所有数据,数据量庞大,因此,将采集到的数据都保存在云端数据库或者本地数据库,容易造成数据库崩溃,并且在后续查询数据时,不便于查询,并且通过单一的监控设备保存的图像,无法获知用户的行动轨迹。
发明内容
本发明的主要目的在于提出一种数据分配保存方法、设备及计算机可读存储介质,旨在解决现有的数据保存方法,会造成数据库崩溃,不便于查询,无法获知用户的行动轨迹的技术问题。
为实现上述目的,本发明提供一种数据分配保存方法,所述方法包括:
接收用户图像、所述用户图像的采集时间及对应的图像采集设备的所处位置;
将接收到的用户图像进行相似度分析处理,获得用户图像之间的相似度;
根据用户图像之间的相似度判断各个用户图像对应的用户是否为同一用户;
若各个用户图像对应的用户为同一用户,则根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹;
从同一用户的用户图像中挑选作为保存的用户图像,将挑选的图像以及对应的用户轨迹进行保存。
可选地,所述根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹的步骤包括:
提取同一用户的各个用户图像的对应采集时间,并将提取到的采集时间进行排序;
按照采集时间的排序先后,将用户图像对应的图像采集设备的所处位置进行排序整合,构建用户的行动轨迹。
可选地,所述从同一用户的用户图像中挑选作为保存的用户图像的步骤包括:
获取用户图像的图像特征点的数量,并将所述用户图像的图像特征点的数量进行排序;
根据所述用户图像的图像特征点的数量排序大小挑选作为保存的用户图像。
可选地,所述对采集到的用户图像进行相似度分析处理,获得用户图像之间的相似度的步骤包括:
提取所述用户图像的脸部图像特征;
将各个用户图像的脸部图像特征进行对比,计算所述各个用户图像的脸部图像之间的相似度;
检测所述各个用户图像的脸部图像的相似度是否大于第二阈值;
若所述相似度大于所述第二阈值,则确认所述相似度所对应的用户图像对应用户为同一用户。
可选地,所述提取所述用户的脸部图像特征的步骤包括:
对所述用户的脸部图像进行关键特征点定位;
根据关键特征点定位结果将所述用户的脸部图像分割成若干个人脸区域;
采用所述人脸区域对应的深度网络模型对所述人脸区域进行特征提取;
将从各个人脸区域提取到的特征进行重组,得到所述用户图像的脸部图像的图像特征。
此外,为实现上述目的,本发明还提供一种数据分配保存设备,所述数据分配保存设备包括数据分配保存程序,所述数据分配保存程序被所述数据分配保存设备执行时实现如上所述的数据分配保存方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有数据分配保存程序,所述数据分配保存程序被处理器执行时实现如上所述的数据分配保存方法的步骤。
本发明提出的数据分配保存方法、设备及计算机可读存储介质,通过接收用户图像、所述用户图像的采集时间及对应的图像采集设备的所处位置;将接收到的用户图像进行相似度分析处理,获得用户图像之间的相似度;根据用户图像之间的相似度判断各个用户图像对应的用户是否为同一用户;若各个用户图像对应的用户为同一用户,则根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹;从同一用户的用户图像中挑选作为保存的用户图像,将挑选的图像以及对应的用户轨迹进行保存,通过上述方式,使得数据得到合理分配与管理,便于查询用户数据以及用户行动轨迹,并且不需要对采集到的所有图像数据进行保存,减少存储空间。
附图说明
图1为本发明数据分配保存方法第一实施例的流程示意图;
图2为本发明数据分配保存方法第二实施例中对采集到的用户图像进行相似度分析处理,获得用户图像之间的相似度的步骤的细化流程示意图;
图3为本发明数据分配保存方法第三实施例中采用识别准确度大于第一阈值的人脸识别算法提取所述用户的脸部图像特征的步骤的细化流程示意图;
图4为本发明数据分配保存方法第四实施例中根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹的步骤的细化流程示意图;
图5为本发明数据分配保存方法第五实施例中从同一用户的用户图像中挑选作为保存的用户图像的步骤的细化流程示意图;
图6为本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:通过接收用户图像、所述用户图像的采集时间及对应的图像采集设备的所处位置;将接收到的用户图像进行相似度分析处理,获得用户图像之间的相似度;根据用户图像之间的相似度判断各个用户图像对应的用户是否为同一用户;若各个用户图像对应的用户为同一用户,则根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹;从同一用户的用户图像中挑选作为保存的用户图像,将挑选的图像以及对应的用户轨迹进行保存,通过上述方式,使得数据得到合理分配与管理,便于查询用户数据以及用户行动轨迹,并且不需要对采集到的所有图像数据进行保存,减少存储空间。
本发明实施例考虑到,目前,对于监控设备采集到的视频或者图像,一般是通过固定的云端数据库进行保存,或者保存在监控设备的本地数据库,但是由于一些监控设备需要24小时不间断采集,采集到的视频或者图像较多,数据库需要保存所有数据,数据量庞大,因此,将采集到的数据都保存在云端数据库或者本地数据库,容易造成数据库崩溃,并且在后续查询数据时,不便于查询。
为此,本发明实施例提出一种数据分配保存方法,通过接收用户图像、所述用户图像的采集时间及对应的图像采集设备的所处位置;将接收到的用户图像进行相似度分析处理,获得用户图像之间的相似度;根据用户图像之间的相似度判断各个用户图像对应的用户是否为同一用户;若各个用户图像对应的用户为同一用户,则根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹;从同一用户的用户图像中挑选作为保存的用户图像,将挑选的图像以及对应的用户轨迹进行保存,通过上述方式,使得数据得到合理分配与管理,便于查询用户数据以及用户行动轨迹,并且不需要对采集到的所有图像数据进行保存,减少存储空间。
本发明提供一种数据分配保存方法。
参照图1,图1为本发明数据分配保存方法第一实施例的流程示意图。
在本实施例中,该方法包括:
步骤S100,接收用户图像、所述用户图像的采集时间及对应的图像采集设备的所处位置;
步骤S200,将接收到的用户图像进行相似度分析处理,获得用户图像之间的相似度;
在本实施例中,通过数据库接收用户图像、所述用户图像的采集时间及对应的图像采集设备的所处位置,在接收到各个图像采集设备发送的用户图像之后,即对接收到的用户图像进行相似度分析,具体地,首先采用识别准确度大于第一阈值的人脸识别算法提取所述用户图像的脸部图像特征;然后将各个用户图像的脸部图像特征进行对比,计算所述各个用户图像的脸部图像之间的相似度;即可获得用户图像之间的相似度。
步骤S300,根据用户图像之间的相似度判断各个用户图像对应的用户是否为同一用户;
在获得用户图像相似度之后,即可根据用户图像之间的相似度判断各个用户图像对应的用户是否为同一用户;具体地,检测所述各个用户图像的脸部图像的相似度是否大于第二阈值;若所述相似度大于所述第二阈值,则确认所述相似度所对应的用户图像对应用户为同一用户。
步骤S400,若各个用户图像对应的用户为同一用户,则根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹;
若各个用户图像对应的用户为同一用户,则根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹,具体地,提取同一用户的各个用户图像的对应采集时间,并将提取到的采集时间进行排序;然后按照采集时间的排序先后,将用户图像对应的图像采集设备的所处位置进行排序整合,构建用户的行动轨迹。
步骤S500,从同一用户的用户图像中挑选作为保存的用户图像,将挑选的图像以及对应的用户轨迹进行保存。
从同一用户的用户图像中挑选作为保存的用户图像,将挑选的图像以及对应的用户轨迹进行保存,具体可以根据用户图像的清晰度或者特征点的数量,进行挑选作为保存的图像,当用户图像的特征点的数量进行挑选作为保存的图像时,首先获取用户图像的图像特征点的数量,并将所述用户图像的图像特征点的数量进行排序;根据所述用户图像的图像特征点的数量排序大小,将用户图像的图像特征点数量排序最前的用户图像挑选作为保存的用户图像。
本实施例提出的数据分配保存方法,通过接收用户图像、所述用户图像的采集时间及对应的图像采集设备的所处位置;将接收到的用户图像进行相似度分析处理,获得用户图像之间的相似度;然后根据用户图像之间的相似度判断各个用户图像对应的用户是否为同一用户;若各个用户图像对应的用户为同一用户,则根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹,即可获得用户的行动轨迹,从而便于对用户在公共场所的行动轨迹进行监控;再从同一用户的用户图像中挑选作为保存的用户图像,将挑选的图像以及对应的用户轨迹进行保存,从而不需要对采集到的所有图像数据进行保存,减少存储空间。
进一步地,参照图2,基于本发明数据分配保存方法第一实施例提出本发明数据分配保存方法第二实施例。
在本实施例中,所述步骤S400包括:
步骤S410,提取同一用户的各个用户图像的对应采集时间,并将提取到的采集时间进行排序;
步骤S420,按照采集时间的排序先后,将用户图像对应的图像采集设备的所处位置进行排序整合,构建用户的行动轨迹。
在本实施例中,具体可以根据同一用户的用户图像的采集时间,构建对应用户的行动轨迹,具体地,将同一用户的用户图像对应的采集时间按照采集时间的先后进行排序,然后根据排序提取对应用户图像的图像采集设备,并根据各个图像采集所处位置进行排序整合,比如假设用户早上10点被采集图像对应的图像采集设备处于南山区,用户早上11点被采集图像对应的图像采集设备处于宝安区,则可以根据采集时间将位置进行整合,可以获知用户的行动轨迹为从南山区到宝安区。
进一步地,参照图3,基于本发明数据分配保存方法第一实施例提出本发明数据分配保存方法第三实施例。
在本实施例中,所述步骤S500包括:
步骤S510,获取用户图像的图像特征点的数量,并将所述用户图像的图像特征点的数量进行排序;
步骤S520,根据所述用户图像的图像特征点的数量排序大小挑选作为保存的用户图像。
在本实施例中,具体可以根据用户图像特征点的数量,进行挑选作为保存的用户图像,具体地,可以采用识别准确度大于第一阈值的人脸识别算法提取所述用户图像的脸部图像特征;比如联合贝叶斯算法,即可获得用户图像的图像特征点的数量,然后将所述用户图像的图像特征点的数量进行排序,比如正序排序;根据所述用户图像的图像特征点的数量排序大小挑选作为保存的用户图像,当排序方法为正序时,具体可以将排序最后,即特征点数量最多的用户图像作为保存的用户图像。
进一步地,参照图4,基于本发明数据分配保存方法第一实施例提出本发明数据分配保存方法第四实施例。
在本实施例中,所述步骤S200包括:
步骤S210,提取所述用户图像的脸部图像特征;
步骤S220,将各个用户图像的脸部图像特征进行对比,计算所述各个用户图像的脸部图像之间的相似度;
步骤S230,检测所述各个用户图像的脸部图像的相似度是否大于第二阈值;
步骤S240,若所述相似度大于所述第二阈值,则确认所述相似度所对应的用户图像对应用户为同一用户。
在本实施例中,具体可以通过联合贝叶斯算法提取用户的脸部图像的图像特征,然后将提取到的用户的脸部图像的图像特征进行匹配,分别计算用户的脸部图像之间的相似度;即可获得用户图像之间的相似度,进一步地,可以继续检测计算得到用户的脸部图像之间的相似度是否有超过第二阈值,若检测到用户的脸部图像的相似度大于第二阈值的脸部图像,则确认相似度大于第二阈值的用户图像为同一用户的图像。
进一步地,参照图5,基于本发明数据分配保存方法第四实施例提出本发明数据分配保存方法第五实施例。
在本实施例中,所述步骤S210包括:
步骤S211,对所述用户的脸部图像进行关键特征点定位;
步骤S212,根据关键特征点定位结果将所述用户的脸部图像分割成若干个人脸区域;
步骤S213,采用所述人脸区域对应的深度网络模型对所述人脸区域进行特征提取;
步骤S214,将从各个人脸区域提取到的特征进行重组,得到所述用户图像的脸部图像的图像特征。
在本实施例中,首先对用户的脸部图像进行关键特征点定位,根据关键特征点定位结果将用户的脸部图像分割成若干个人脸区域,对于每一个人脸区域,采用该人脸区域对应的深度网络对该人脸区域进行特征提取,然后将从各个人脸区域提取的特征进行重组,即可得到签到用户的人脸图像的图像特征。人脸图像中的关键特征点是指人脸中诸如双眼的中心、鼻尖、两侧嘴角之类的特征点。特征点定位结果可采用特征点向量进行表示,特征点向量中包括各个特征点的坐标。对于各个不同的人脸区域,预先分别训练相应的深度网络模型。深度网络模型用于从人脸区域中提取图像特征,深度网络模型可采用深度卷积神经网络Convolutional Neural Networks,CNNs)。在本发明实施例中,采用基于深度学习的人脸识别算法获取人脸图像的图像特征,相较于其它人脸识别算法,识别准确度更高。另外,针对不同的人脸区域(如眼部区域、鼻子区域、嘴部区域等),分别训练各自对应的深度网络模型,并采用各自对应的深度网络模型进行特征提取,充分确保特征提取的准确度。
本实施例提出的数据分配保存方法,首先对所述用户的脸部图像进行特征点定位;然后根据特征点定位结果将所述用户的脸部图像分割成若干个人脸区域;再采用所述人脸区域对应的深度网络模型对所述人脸区域进行特征提取;将从各个人脸区域提取的特征进行重组,即可得到所述签到用户的脸部图像的图像特征,确保了特征提取的准确度。
本发明实施例进一步提供一种数据分配保存设备。
参照图6,图6为本发明实施例方案涉及的硬件运行环境的设备结构示意图。
如图6所示,该数据分配保存设备可以包括:处理器1001,例如CPU,网络接口1002,用户接口1003,存储器1004。这些组件之间的连接通信可以通过通信总线实现。网络接口1002可选的可以包括标准的有线接口(用于连接有线网络)、无线接口(如WI-FI接口、蓝牙接口、红外线接口等,用于连接无线网络)。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口(例如用于连接有线键盘、有线鼠标等)和/或无线接口(例如用于连接无线键盘、无线鼠标)。存储器1004可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1004可选的还可以是独立于前述处理器1001的存储装置。
可选地,该数据分配保存设备还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。
本领域技术人员可以理解,图中示出的数据分配保存设备结构并不构成对数据分配保存设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图6所示,作为一种计算机存储介质的存储器1004中可以包括操作***、网络通信模块、用户接口模块以及数据分配保存程序。其中,操作***是管理和控制数据分配保存设备硬件与软件资源的程序,支持网络通信模块、用户接口模块、数据分配保存程序以及其他程序或软件的运行;网络通信模块用于管理和控制网络接口1002;用户接口模块用于管理和控制用户接口1003。
在图6所示的数据分配保存设备中,网络接口1002主要用于连接数据库,与数据库进行数据通信;用户接口1003主要用于连接客户端(可以理解为用户端),与客户端进行数据通信,如通过窗口展示信息给客户端,或者接收客户端发送的操作信息;而处理器1001可以用于执行存储器1004中存储的数据分配保存程序,以实现以下步骤:
接收用户图像、所述用户图像的采集时间及对应的图像采集设备的所处位置;
将接收到的用户图像进行相似度分析处理,获得用户图像之间的相似度;
根据用户图像之间的相似度判断各个用户图像对应的用户是否为同一用户;
若各个用户图像对应的用户为同一用户,则根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹;
从同一用户的用户图像中挑选作为保存的用户图像,将挑选的图像以及对应的用户轨迹进行保存。
进一步地,所述处理器1001还用于执行存储器1004中存储的数据分配保存程序,以实现以下步骤:
提取同一用户的各个用户图像的对应采集时间,并将提取到的采集时间进行排序;
按照采集时间的排序先后,将用户图像对应的图像采集设备的所处位置进行排序整合,构建用户的行动轨迹。
进一步地,所述处理器1001还用于执行存储器1004中存储的数据分配保存程序,以实现以下步骤:
获取用户图像的图像特征点的数量,并将所述用户图像的图像特征点的数量进行排序;
根据所述用户图像的图像特征点的数量排序大小挑选作为保存的用户图像。
进一步地,所述处理器1001还用于执行存储器1004中存储的数据分配保存程序,以实现以下步骤:
提取所述用户图像的脸部图像特征;
将各个用户图像的脸部图像特征进行对比,计算所述各个用户图像的脸部图像之间的相似度;
检测所述各个用户图像的脸部图像的相似度是否大于第二阈值;
若所述相似度大于所述第二阈值,则确认所述相似度所对应的用户图像对应用户为同一用户。
进一步地,所述处理器1001还用于执行存储器1004中存储的数据分配保存程序,以实现以下步骤:
对所述用户的脸部图像进行关键特征点定位;
根据关键特征点定位结果将所述用户的脸部图像分割成若干个人脸区域;
采用所述人脸区域对应的深度网络模型对所述人脸区域进行特征提取;
将从各个人脸区域提取到的特征进行重组,得到所述用户图像的脸部图像的图像特征。
本发明数据分配保存设备的具体实施例与上述数据分配保存方法各实施例基本相同,在此不作赘述。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现以下步骤:
接收用户图像、所述用户图像的采集时间及对应的图像采集设备的所处位置;
将接收到的用户图像进行相似度分析处理,获得用户图像之间的相似度;
根据用户图像之间的相似度判断各个用户图像对应的用户是否为同一用户;
若各个用户图像对应的用户为同一用户,则根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹;
从同一用户的用户图像中挑选作为保存的用户图像,将挑选的图像以及对应的用户轨迹进行保存。
进一步地,所述一个或者多个程序可被所述一个或者多个处理器执行,还实现以下步骤:
提取同一用户的各个用户图像的对应采集时间,并将提取到的采集时间进行排序;
按照采集时间的排序先后,将用户图像对应的图像采集设备的所处位置进行排序整合,构建用户的行动轨迹。
进一步地,所述一个或者多个程序可被所述一个或者多个处理器执行,还实现以下步骤:
获取用户图像的图像特征点的数量,并将所述用户图像的图像特征点的数量进行排序;
根据所述用户图像的图像特征点的数量排序大小挑选作为保存的用户图像。
进一步地,所述一个或者多个程序可被所述一个或者多个处理器执行,还实现以下步骤:
提取所述用户图像的脸部图像特征;
将各个用户图像的脸部图像特征进行对比,计算所述各个用户图像的脸部图像之间的相似度;
检测所述各个用户图像的脸部图像的相似度是否大于第二阈值;
若所述相似度大于所述第二阈值,则确认所述相似度所对应的用户图像对应用户为同一用户。
进一步地,所述一个或者多个程序可被所述一个或者多个处理器执行,还实现以下步骤:
对所述用户的脸部图像进行关键特征点定位;
根据关键特征点定位结果将所述用户的脸部图像分割成若干个人脸区域;
采用所述人脸区域对应的深度网络模型对所述人脸区域进行特征提取;
将从各个人脸区域提取到的特征进行重组,得到所述用户图像的脸部图像的图像特征。
本发明计算机可读存储介质的具体实施例与上述数据分配保存方法和数据分配保存设备各实施例基本相同,在此不作赘述。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种数据分配保存方法,其特征在于,所述方法包括以下步骤:
接收用户图像、所述用户图像的采集时间及对应的图像采集设备的所处位置;
将接收到的用户图像进行相似度分析处理,获得用户图像之间的相似度;
根据用户图像之间的相似度判断各个用户图像对应的用户是否为同一用户;
若各个用户图像对应的用户为同一用户,则根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹;
从同一用户的用户图像中挑选作为保存的用户图像,将挑选的图像以及对应的用户轨迹进行保存。
2.如权利要求1所述的数据分配保存方法,其特征在于,所述根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹的步骤包括:
提取同一用户的各个用户图像的对应采集时间,并将提取到的采集时间进行排序;
按照采集时间的排序先后,将用户图像对应的图像采集设备的所处位置进行排序整合,构建用户的行动轨迹。
3.如权利要求1所述的数据分配保存方法,其特征在于,所述从同一用户的用户图像中挑选作为保存的用户图像的步骤包括:
获取用户图像的图像特征点的数量,并将所述用户图像的图像特征点的数量进行排序;
根据所述用户图像的图像特征点的数量排序大小挑选作为保存的用户图像。
4.如权利要求1所述的数据分配保存方法,其特征在于,所述将接收到的用户图像进行相似度分析处理,获得用户图像之间的相似度的步骤包括:
提取所述用户图像的脸部图像特征;
将各个用户图像的脸部图像特征进行对比,计算所述各个用户图像的脸部图像之间的相似度;
检测所述各个用户图像的脸部图像的相似度是否大于第二阈值;
若所述相似度大于所述第二阈值,则确认所述相似度所对应的用户图像对应用户为同一用户。
5.如权利要求4所述的数据分配保存方法,其特征在于,所述提取所述用户的脸部图像特征的步骤包括:
对所述用户的脸部图像进行关键特征点定位;
根据关键特征点定位结果将所述用户的脸部图像分割成若干个人脸区域;
采用所述人脸区域对应的深度网络模型对所述人脸区域进行特征提取;
将从各个人脸区域提取到的特征进行重组,得到所述用户图像的脸部图像的图像特征。
6.一种数据分配保存设备,其特征在于,所述数据分配保存设备包括处理器、网络接口、用户接口及存储器,所述存储器中存储有数据分配保存程序;所述处理器用于执行所述数据分配保存程序,以实现如下步骤:
接收用户图像、所述用户图像的采集时间及对应的图像采集设备的所处位置;
将接收到的用户图像进行相似度分析处理,获得用户图像之间的相似度;
根据用户图像之间的相似度判断各个用户图像对应的用户是否为同一用户;
若各个用户图像对应的用户为同一用户,则根据同一用户的各个用户图像的对应采集时间,以及各个用户图像对应的图像采集设备的所处位置,构建用户的行动轨迹;
从同一用户的用户图像中挑选作为保存的用户图像,将挑选的图像以及对应的用户轨迹进行保存。
7.如权利要求6所述的数据分配保存设备,其特征在于,所述处理器还用于执行所述数据分配保存程序,以实现如下步骤:
提取同一用户的各个用户图像的对应采集时间,并将提取到的采集时间进行排序;
按照采集时间的排序先后,将用户图像对应的图像采集设备的所处位置进行排序整合,构建用户的行动轨迹。
8.如权利要求6所述的数据分配保存设备,其特征在于,所述处理器还用于执行所述数据分配保存程序,以实现如下步骤:
获取用户图像的图像特征点的数量,并将所述用户图像的图像特征点的数量进行排序;
根据所述用户图像的图像特征点的数量排序大小挑选作为保存的用户图像。
9.如权利要求6所述的数据分配保存设备,其特征在于,所述处理器还用于执行所述数据分配保存程序,以实现如下步骤:
提取所述用户图像的脸部图像特征;
将各个用户图像的脸部图像特征进行对比,计算所述各个用户图像的脸部图像之间的相似度;
检测所述各个用户图像的脸部图像的相似度是否大于第二阈值;
若所述相似度大于所述第二阈值,则确认所述相似度所对应的用户图像对应用户为同一用户。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有数据分配保存程序,所述数据分配保存程序被处理器执行时实现如权利要求1至5中任一项所述的数据分配保存方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810399032.1A CN108509657A (zh) | 2018-04-27 | 2018-04-27 | 数据分配保存方法、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810399032.1A CN108509657A (zh) | 2018-04-27 | 2018-04-27 | 数据分配保存方法、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108509657A true CN108509657A (zh) | 2018-09-07 |
Family
ID=63399349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810399032.1A Pending CN108509657A (zh) | 2018-04-27 | 2018-04-27 | 数据分配保存方法、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108509657A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829355A (zh) * | 2018-12-05 | 2019-05-31 | 深圳市北斗智能科技有限公司 | 一种动态轨迹生成方法及***、设备、存储介质 |
CN111639689A (zh) * | 2020-05-20 | 2020-09-08 | 杭州海康威视***技术有限公司 | 人脸数据处理方法、装置及计算机可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101228555A (zh) * | 2005-07-07 | 2008-07-23 | 独创目标实验室公司 | 用于目标的运动行为的三维监控和分析的*** |
US20080211907A1 (en) * | 2003-06-04 | 2008-09-04 | Model Software Corporation | Video surveillance system |
CN106022220A (zh) * | 2016-05-09 | 2016-10-12 | 西安北升信息科技有限公司 | 一种体育视频中对参赛运动员进行多人脸跟踪的方法 |
KR101721980B1 (ko) * | 2016-08-22 | 2017-03-31 | 정정주 | 시간 및 위치 정보를 이용하여 사진 이미지를 공유하는 방법, 서버 및 컴퓨터 판독 가능한 기록 매체 |
CN106650652A (zh) * | 2016-12-14 | 2017-05-10 | 黄先开 | 基于人脸识别技术的轨迹跟踪***及其方法 |
CN107016374A (zh) * | 2017-04-12 | 2017-08-04 | 电子科技大学 | 面向特定目标的智能检测追踪及时空轨迹的生成方法 |
CN107153824A (zh) * | 2017-05-22 | 2017-09-12 | 中国人民解放军国防科学技术大学 | 基于图聚类的跨视频行人重识别方法 |
CN107315755A (zh) * | 2016-04-27 | 2017-11-03 | 杭州海康威视数字技术股份有限公司 | 查询对象的轨迹生成方法及装置 |
CN107437075A (zh) * | 2017-07-29 | 2017-12-05 | 安徽博威康信息技术有限公司 | 一种基于日常行为轨迹的危险警报*** |
CN107479703A (zh) * | 2017-08-07 | 2017-12-15 | 深圳天珑无线科技有限公司 | 自动语音报时方法、设备及计算机可读存储介质 |
CN107871111A (zh) * | 2016-09-28 | 2018-04-03 | 苏宁云商集团股份有限公司 | 一种行为分析方法及*** |
-
2018
- 2018-04-27 CN CN201810399032.1A patent/CN108509657A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080211907A1 (en) * | 2003-06-04 | 2008-09-04 | Model Software Corporation | Video surveillance system |
CN101228555A (zh) * | 2005-07-07 | 2008-07-23 | 独创目标实验室公司 | 用于目标的运动行为的三维监控和分析的*** |
CN107315755A (zh) * | 2016-04-27 | 2017-11-03 | 杭州海康威视数字技术股份有限公司 | 查询对象的轨迹生成方法及装置 |
CN106022220A (zh) * | 2016-05-09 | 2016-10-12 | 西安北升信息科技有限公司 | 一种体育视频中对参赛运动员进行多人脸跟踪的方法 |
KR101721980B1 (ko) * | 2016-08-22 | 2017-03-31 | 정정주 | 시간 및 위치 정보를 이용하여 사진 이미지를 공유하는 방법, 서버 및 컴퓨터 판독 가능한 기록 매체 |
CN107871111A (zh) * | 2016-09-28 | 2018-04-03 | 苏宁云商集团股份有限公司 | 一种行为分析方法及*** |
CN106650652A (zh) * | 2016-12-14 | 2017-05-10 | 黄先开 | 基于人脸识别技术的轨迹跟踪***及其方法 |
CN107016374A (zh) * | 2017-04-12 | 2017-08-04 | 电子科技大学 | 面向特定目标的智能检测追踪及时空轨迹的生成方法 |
CN107153824A (zh) * | 2017-05-22 | 2017-09-12 | 中国人民解放军国防科学技术大学 | 基于图聚类的跨视频行人重识别方法 |
CN107437075A (zh) * | 2017-07-29 | 2017-12-05 | 安徽博威康信息技术有限公司 | 一种基于日常行为轨迹的危险警报*** |
CN107479703A (zh) * | 2017-08-07 | 2017-12-15 | 深圳天珑无线科技有限公司 | 自动语音报时方法、设备及计算机可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109829355A (zh) * | 2018-12-05 | 2019-05-31 | 深圳市北斗智能科技有限公司 | 一种动态轨迹生成方法及***、设备、存储介质 |
CN109829355B (zh) * | 2018-12-05 | 2023-01-17 | 深圳市北斗智能科技有限公司 | 一种动态轨迹生成方法及***、设备、存储介质 |
CN111639689A (zh) * | 2020-05-20 | 2020-09-08 | 杭州海康威视***技术有限公司 | 人脸数据处理方法、装置及计算机可读存储介质 |
CN111639689B (zh) * | 2020-05-20 | 2023-07-25 | 杭州海康威视***技术有限公司 | 人脸数据处理方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI786313B (zh) | 目標跟蹤方法、裝置、介質以及設備 | |
CN107066983B (zh) | 一种身份验证方法及装置 | |
WO2020199926A1 (zh) | 一种图像识别网络模型训练方法、图像识别方法及装置 | |
US9763055B2 (en) | Travel and activity capturing | |
CN108304758B (zh) | 人脸特征点跟踪方法及装置 | |
EP3335412B1 (en) | Method and electronic apparatus for providing service associated with image | |
CN106446950B (zh) | 一种图像处理方法及装置 | |
WO2018120426A1 (zh) | 基于位置服务的个人健康状态评估方法、装置、设备和存储介质 | |
CN108764051B (zh) | 图像处理方法、装置及移动终端 | |
US11821742B2 (en) | Travel based notifications | |
Elhamshary et al. | Justwalk: A crowdsourcing approach for the automatic construction of indoor floorplans | |
CN114722937A (zh) | 一种异常数据检测方法、装置、电子设备和存储介质 | |
US10853829B2 (en) | Association method, and non-transitory computer-readable storage medium | |
CN107665232A (zh) | 检测类似应用的方法及其适配的电子装置 | |
CN108509657A (zh) | 数据分配保存方法、设备及计算机可读存储介质 | |
CN112995757B (zh) | 视频剪裁方法及装置 | |
WO2015102711A2 (en) | A method and system of enforcing privacy policies for mobile sensory devices | |
CN115841575A (zh) | 关键点检测方法、装置、电子设备、存储介质和程序产品 | |
KR102617756B1 (ko) | 속성 기반 실종자 추적 장치 및 방법 | |
WO2020202327A1 (ja) | 学習システム、学習方法、及びプログラム | |
KR102383284B1 (ko) | 메타버스를 이용한 비즈니스 학습여행 서비스 제공 시스템 | |
CN111797874A (zh) | 行为预测方法、装置、存储介质及电子设备 | |
US20220319232A1 (en) | Apparatus and method for providing missing child search service based on face recognition using deep-learning | |
CN108647600A (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
CN113918820A (zh) | 界面展示方法、移动终端及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |