CN109241378A - 档案建立方法、装置、设备及存储介质 - Google Patents
档案建立方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109241378A CN109241378A CN201811000898.7A CN201811000898A CN109241378A CN 109241378 A CN109241378 A CN 109241378A CN 201811000898 A CN201811000898 A CN 201811000898A CN 109241378 A CN109241378 A CN 109241378A
- Authority
- CN
- China
- Prior art keywords
- portrait
- cluster result
- weight
- total weight
- standard
- 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
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供的档案建立方法、装置、设备及存储介质,属于图像处理技术领域。该档案建立方法包括:通过对抓拍到的人像做聚类处理,得到至少一个聚类结果;从档案数据库中确定与所述聚类结果所匹配的标准人像;将所述聚类结果与所述标准人像进行归档。本发明通过对抓拍到的人像做聚类处理,将同一人的不同时刻或不同位置的人像聚集在一个聚类结果中;从档案数据库中确定与聚类结果所匹配的标准人像;将聚类结果归档在所述标准人像对应的个人档案下,从而实现对抓拍到的人像进行档案建立,在极大程度上节约了人工,有效提高了档案建立的精确度,解决了在百亿级人像数量进行分析与建档的工作,保证了建档的精确,可以胜任大规模的档案管理。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及档案建立方法、装置、设备及存储介质。
背景技术
随着科技的不断发展,城市安防也显得越来越重要,然而现有的个人档案要么是通过管理者通过手动进行建立,要么是根据其他联动部门传递的资料进行建立档案,使得需要消耗大量的人力资源以及无法精确地形成更加全面的个人档案,并且在城市安防监控中,对于处理城市级大规模个人建立档案上,由于人像数量庞大,如百亿级,就会导致无法保证个人档案建立的精度。
发明内容
本发明实施例提供的档案建立方法、装置、设备及存储介质,可以解决现有技术中的存在的需要消耗大量的人力资源的同时无法精确地形成更加全面的个人档案的技术问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供的一种用于城市安防监控的档案建立方法,包括:通过对抓拍到的人像做聚类处理,得到至少一个聚类结果;从档案数据库中确定与所述聚类结果所匹配的标准人像,其中,所述档案数据库由个人档案构成,所述个人档案包括个人的标准人像;将所述聚类结果归档于所述标准人像对应的所述个人档案下。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,所述的从档案数据库中确定与所述聚类结果所匹配的标准人像,包括:根据所述聚类结果获取多张待处理人像;根据人脸相似度从档案数据库中确定与每张所述待处理人像一一对应的多张标准人像,所述多张标准人像作为多张比对人像;根据所述人脸相似度确定每张所述待处理人像所对应的多张所述比对人像所对应的权重;根据所述权重获取多张所述待处理人像所对应的所有所述比对人像所对应的总权重;将多个所述总权重中权值最大的所述总权重所对应的所述比对人像作为所匹配的标准人像。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第二种可能的实施方式,所述的将多个所述总权重中权值最大的所述总权重所对应的所述比对人像作为所匹配的标准人像,包括:确定所述总权重中权值最大的所述总权重是否满足预设规则;若是,将权值最大的所述总权重所对应的所述比对人像作为所匹配的标准人像。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,所述的确定所述总权重中权值最大的所述总权重是否满足预设规则,包括:确定所述总权重中权值最大的所述总权重是否大于或等于预设阈值;若大于或等于所述预设阈值,则判定为满足所述预设规则。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第四种可能的实施方式,所述的根据所述人脸相似度确定每张所述待处理人像所对应的多张所述比对人像所对应的权重,包括:根据所述人脸相似度对每张所述待处理人像所对应的多张所述比对人像进行排序,生成有序集合;根据所述有序集合中的每张所述对比人像所对应的排列顺序确定每张所述对比人像所对应的权重。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第五种可能的实施方式,在确定所述总权重中权值最大的所述总权重是否满足预设规则之后,还包括:若权值最大的所述总权重不满足所述预设规则,则判定所述聚类结果归档失败;收集所述归档失败的所述聚类结果中的人像进行聚类处理。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,所述方法还包括:输出所述聚类结果一一对应的自省提示信息;将所述自省提示信息发送至用户终端,以获取用户根据所述自省提示信息对人像进行标注后所返回的标注结果,并根据所述标注结果更新所述聚类结果。
结合第一方面,本发明实施例提供了第一方面的第七种可能的实施方式,所述的通过对抓拍到的人像做聚类处理,得到至少一个聚类结果,包括:对抓拍到人像进行人脸识别,得到每张所述人像所对应的人脸向量;确定每两个所述人脸向量之间的距离;根据所述距离确定每两个所述人像之间的人脸相似度;根据所述人脸相似度将所述人像进行合并聚类,得到至少一个聚类结果。
第二方面,本发明实施例提供的一种用于城市安防监控的档案建立装置,包括:聚类模块,用于通过对抓拍到的人像做聚类处理,得到至少一个聚类结果;处理模块,用于从档案数据库中确定与所述聚类结果所匹配的标准人像,其中,所述档案数据库由个人档案构成,所述个人档案包括个人的标准人像;归档模块,用于将所述聚类结果归档于所述标准人像对应的所述个人档案下。
第三方面,本发明实施例提供的一种终端设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面任一项所述档案建立方法的步骤。
第四方面,本发明实施例提供的一种存储介质,所述存储介质上存储有指令,当所述指令在计算机上运行时,使得所述计算机执行如第一方面任一项所述的档案建立方法。
与现有技术相比,本发明实施例带来了以下有益效果:
本发明实施例提供的档案建立方法、装置、设备及存储介质,通过对抓拍到的人像做聚类处理,将同一人的不同时刻或不同位置的人像聚集在一个聚类结果中;从档案数据库中确定与所述聚类结果所匹配的标准人像;将所述聚类结果归档在所述标准人像对应的所述个人档案下,从而实现对抓拍到的人像进行档案建立,在极大程度上节约了人工的同时,还避免了由于人工操作导致的错误以及通过将同一人的不同时刻或不同位置的人像聚集在一个聚类结果中并归档的发生,进而实现了更加全面的建立个人档案,有效提高了档案建立的精确度,解决了现有技术中存在的需要消耗大量的人力资源的同时无法精确地形成更加全面的个人档案的技术问题,以及解决了在百亿级人像数量进行分析与建档的工作,保证了建档的精确度,并可以胜任大规模的档案管理。
本公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明第一实施例提供的档案建立方法的流程图;
图2为本发明第二实施例提供的档案建立装置的功能模块示意图;
图3为本发明第三实施例提供的一种终端设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
第一实施例
由于现有的档案建立方法对于城市级大规模人脸建立档案来说档案建立的精度较低,为了提高城市级大规模人脸建立档案的精度,本实施例首先提供了一种档案建立方法,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。以下对本实施例进行详细介绍。
请参阅图1,是本发明实施例提供的用于城市安防监控的档案建立方法的流程图。下面将对图1所示的具体流程进行详细阐述。
步骤S101,通过对抓拍到的人像做聚类处理,得到至少一个聚类结果。
其中,人像是指用于表征该图像包含人的一类图像。
在本发明实施例中,抓拍到的人像可以是某一时刻所抓拍到的所有人像。例如,在XXXX年XX月X天中所抓拍到的所有人像。
可选地,人像可以是从所抓拍到的视频中通过人脸识别技术所提取出的人脸图像。
可选地,人像还可以是在上次进行归档识别后所保留的图像,或者是在上次聚类时所遗留的图像。
可选地,所述人像还携带有被抓拍的时间与地点信息,例如,R在某地某时刻被抓拍。
可选地,通过图像采集装置(如摄像头)实时抓拍该图像采集装置采集区域中的所有事物。例如,通过安装在城市各个角落中的摄像头实时采集各自采集区域中的图像。
在实际使用中,一般地,采集区域的大小根据每个摄像头的功能进行确定,在此,不作具体限定。
在实际使用中,抓拍到的人像或者是从抓拍到的视频所得到的人像都是存储在一图像数据库中,该图像数据库专门用于存储人像。可选地,每个聚类结果包括至少两个标识信息(例如,ID(Identification)),每个标识信息对应一张人像。
作为一种可能的实现方式,步骤S101包括:对抓拍到人像进行人脸识别,得到每张所述人像所对应的人脸向量;确定每两个所述人脸向量之间的距离;根据所述距离确定每两个所述人像之间的人脸相似度;根据所述人脸相似度将所述人像进行合并聚类,得到至少一个聚类结果。
可选地,对抓拍到人像进行人脸识别,得到每张所述人像所对应的人脸向量,包括:通过人脸识别技术对抓拍到人像进行人脸识别,得到每张所述人像所对应的人脸向量。
可选地,人脸向量可以是人脸特征向量,例如,人脸特征向量可以是鼻梁向量、眉骨、颧骨、下巴、嘴唇、眼睛等特征向量。
当然,在实际运用中,也可以通过其它方式对对抓拍到人像进行人脸识别,进而得到每张所述人像所对应的人脸向量,例如通过几何特征的人脸识别方法、基于特征脸的人脸识别方法、神经网络的人脸识别方法或弹性图匹配的人脸识别方法等人脸识别技术对抓拍到人像进行人脸识别。
可选地,所述距离可以是但不限于欧氏距离、曼哈顿距离、切比雪夫距离、夹角余弦等。
可选地,根据所述距离确定每两个所述人像之间的人脸相似度,包括:根据所述距离的大小确定每两个所述人像之间的人脸相似度。即距离越近人脸相似度越高。例如,人脸向量A与人脸向量B之间的距离为n,人脸向量A与人脸向量C之间的距离为N,若n小于N,则判定人脸向量A与人脸向量B的人脸相似度高于人脸向量A与人脸向量C的人脸相似度,进而可以确定人脸向量A与人脸向量B更相似。
可选地,根据所述相似度将所述人像进行合并聚类,得到至少一个聚类结果,包括:根据所述人脸相似度的大小,将最相似的人像先进行合并聚类,得到至少一个聚类结果。
其中,最相似的人像是指多个人像之间的人脸相似度最高。
继续以上述例子为例来说,人脸向量A与人脸向量B的相似度高于人脸向量A与人脸向量C的相似度,则可以确定人脸向量A与人脸向量B最相似。
在实际使用中,可以通过贪心算法将最相似的人像进行合并聚类。例如,基于贪心算法的思想找到所有人像之间最相似的人像进行合并聚类。例如,将多个人脸中相似度高于预设值的人脸先进行合并聚类。
其中,预设值的选取可以根据实际需求进行设置,在此,不作具体限定。例如,预设值可以是90%。
步骤S102,从档案数据库中确定与所述聚类结果所匹配的标准人像,其中,所述档案数据库由个人档案构成,所述个人档案包括个人的标准人像。
其中,档案数据库包括多个个人档案,每个所述个人档案均包括个人的标准人像。例如,A的个人档案中包括A的标准人像。
其中,标准人像用于清晰地表征该人的人脸图像。
可选地,标准人像可以是但不限于护照照片、驾驶证照片或身份证照片或所采集的包括清晰的人脸的照片。例如,人脸清晰度达到预设清晰度的生活照。
其中,预设清晰度的选取可以根据具体需求设置,一般的,为了得到更加清晰的人脸照片,预设清晰度可以大于或等于90%。
可选地,档案数据库可以是官方提供的常住人口数据库或公安局提供的公安数据库或者根据人脸识别聚类新建立的数据库。
其中,常住人口数据库和公安数据库中均存储有本地区常住人口的证件照。
作为一种可能的实现方式,步骤S102包括:根据所述聚类结果获取多张待处理人像;根据人脸相似度从档案数据库中确定与每张所述待处理人像一一对应的多张标准人像,所述多张标准人像作为多张比对人像;根据所述人脸相似度确定每张所述待处理人像所对应的多张所述比对人像所对应的权重;根据所述权重获取多张所述待处理人像所对应的所有所述比对人像所对应的总权重;将多个所述总权重中权值最大的所述总权重所匹配的所述比对人像作为所匹配的标准人像。
在实际使用中,一般根据聚类结果所得到的标识信息从存储图像的图像数据库中进行获取,从而得到每个聚类结果所对应的多张待处理人像。
其中,所述标识信息可以是数字,也可以是字符串。可选的,根据所述聚类结果获取多张待处理人像,包括:根据所述聚类结果所携带的多个标识信息从图像数据库中按照图像质量、图像拍摄时间、图像拍摄地点、和/或人脸角度等推选因素选出第一预设数量的人像;从所述第一预设数量的所述人像中选择满足预设要求的第二预设数量的待处理人像。
可选地,第一预设数量的选取可以根据实际需求进行设置,例如,可以为100。
可选地,第二预设数量的选取可以根据实际需求进行设置,例如,可以为2或者是大于2且小于100的整数。
可选地,从所述第一预设数量的所述人像中选择第二预设数量张人脸最清楚的待处理人像。例如,从100张人像中选择15张人脸最清楚的人像作为待处理人像。
可选地,从所述第一预设数量的所述人像中选择第二预设数量张人脸在不同场景下的待处理人像。例如,从100张人像中选择15张人脸在不同场景下的人像作为待处理人像。
可选地,根据人脸相似度从档案数据库中确定与每张所述待处理人像一一对应的多张标准人像,所述多张标准人像作为多张比对人像,包括:根据人脸相似度从档案数据库中确定与每张所述待处理人像一一对应的15张标准人像。例如,通过将每张所述待处理人像分别与档案数据库中存储的标准人像进行人脸相似度比对,为每张所述待处理人像分别确定相似度最高15张标准人像。
可选地,根据所述人脸相似度确定每张所述待处理人像所对应的多张所述比对人像所对应的权重,包括:根据所述人脸相似度对每张所述待处理人像所对应的多张所述比对人像进行排序,生成有序集合;根据所述有序集合中的每张所述对比人像所对应的排列顺序确定每张所述对比人像所对应的权重。具体地,确定每张所述待处理人像与其所对应的多张比对人像的人脸相似度,根据人脸相似度的大小将每张所述待处理人像所对应的多张所述比对人像进行排序,生成有序集合。例如,待处理人像D1所对应的多张比对人像分别为d1、d2、d3、d4、d5、d6,若,d1、d2、d3、d4、d5、d6分别与D1的相似度分别为s1、s2、s3、s4、s5、s6,若,s1>s2>s3>s4>s5>s6,则有序集合g1为{d1、d2、d3、d4、d5、d6};待处理人像D2所对应的多张比对人像分别为d1、d2、e3、d4、d5、d6,若,d1、d2、e3、d4、d5、d6分别与D2的相似度分别为s1、s2、q3、s4、s5、s6,若,s1>s2>q3>s4>s5>s6,则有序集合g2为{d1、d2、e3、d4、d5、d6}。
其中,根据有序集合中的每张所述对比人像所对应的排列顺序为有序集合中每张比对人像赋予预设权重。例如,排在第一位的权重最大,然后依次递减。
可选地,根据排序的先后顺序为有序集合中每张比对人像按照由大到小的顺序赋予预设权重。继续以上述例子为例来说,即有序集合g1中d1的权重大于d2的权重,d2的权重大于d3的权重。
其中,总权重是指所有待处理人像所对应的比对人像的权重之和,即所有待处理人像对应的有序集合与有序集合中的比对人像之间的权重加和,例如有序集合A与有序集合B中所有比对人像之间的权重的加和。继续以上述例子为例来说,则在两张处理人像(D1与D2)所对应的g1与g2中,比对人像d1对应的总权重Q1=s1+s1=2s1;d2对应的总权重Q2=s2+s2=2s2;d3对应的总权重Q3=s3;d4对应的总权重Q3=s4+s4=2s4;d5对应的总权重Q5=s5+s5=2s5;d6对应的总权重Q6=s6+s6=2s6;e3对应的总权重Q7=q3。若q3大于d3,Q3小于Q6,则总权重的大小为:Q1>Q2>Q4>Q5>Q6>Q7>Q3,故总权重最大的为Q1。可选地,将多个所述总权重中权值最大的所述总权重所对应的所述比对人像作为所匹配的标准人像,包括:确定所述总权重中权值最大的所述总权重是否满足预设规则;若权值最大的所述总权重满足预设规则,将权值最大的所述总权重所对应的所述比对人像作为所匹配的标准人像。若权值最大的所述总权重不满足所述预设规则,则判定所述聚类结果归档失败;收集所述归档失败的所述聚类结果中的人像进行聚类处理。例如,将所述归档失败的所述聚类结果中的人像存储至专门用于放归档失败的人像的数据库中,当人像数量达到预设数量或者是在预设时间段内时,对该人像进行聚类处理,即执行步骤S101。
举例来说,根据所述聚类结果所携带的多个标志信息从图像数据库中选取多张(如K张,K即为第一预设数量)待处理人像,将K张待处理人像作为聚类结果中的代表照片,用K张待处理人像分别与档案数据库中的比对人像进行相似度比对,每张待处理人像找到15张(15即为第二预设数量)最像的标准人像作为比对人像,从而得到K*15张照片。其中,K*15张照片中很可能有重复的,例如,假设该聚类结果对应档案数据库中的比对人像A,那么可能这K次查询里,A的排位都排在前三名,通过给每个名次上的比对人像赋予一个权重(投票),比如15/14/13…表示第一名投15票,第二名投14票,从而在所有查询里都被查出来而且位次靠前的比对人像就得到最高的投票(权重)。将权值最大的所述总权重所对应的所述比对人像作为所匹配的标准人像。
可选地,确定所述总权重中权值最大的所述总权重是否满足预设规则,包括:确定所述总权重中权值最大的所述总权重是否大于或等于预设阈值;若权值最大的所述总权重大于或等于所述预设阈值,则判定权值最大的所述总权重满足所述预设规则。
其中,所述预设阀值的设置可以根据实际情况进行选取,例如,预设阈值可以根据实际选取待处理人像与其所对应的标准人像的数量进行设置。
在本实施例中,通过设置预设阀值可以确定多张待处理人像里与权值最大的所述总权重的比对人像的相似度是否超过预设阀值,从而有效克服了当有一个人B与档案数据库中A比较像但是B实际上是外地人口时,而B的投票(总权重)集中在A,但是B本身与A的比分比较低的投票错误。进而有效提高识别的正确率,为档案建立提供了可靠的数据基础,进而有效提高档案建立的精度。
可选地,确定所述总权重中权值最大的所述总权重是否满足预设规则,包括:确定所述总权重中权值最大的所述总权重所对应的置信度是否与预设置信区间匹配;若所述置信度与预设置信区间匹配,则判定权值最大的所述总权重满足所述预设规则。
其中,所述预设置信区间的设置可以根据实际情况进行选取。在此,不作具体限定。
步骤S103,将所述聚类结果归档于所述标准人像对应的所述个人档案下。
其中,归档用于将聚类结果所对应的所有人像与所述标准人像进行关联(例如,存储至所述标准人像对应的个人档案下),以使用户可以通过所述标准人像查询到与所述标准人像相关的所有人像,例如,可以查询到标准人像所对应的人在某时刻处于某地方,以得到其历史活动轨迹。
在一可能的实施例中,本发明实施例所提供的档案建立方法,还包括输出所述聚类结果一一对应的自省提示信息;将所述自省提示信息发送至用户终端,以获取用户根据所述自省提示信息对人像进行标注后所返回的标注结果,并根据所述标注结果更新所述聚类结果。
其中,自省提示信息用于表征聚类结果可能出现的问题,例如错误信息或者是异常信息。
举例来说,比如输出的自省提示信息为“该类中最可能的聚错照片是XX张”,“该类中XX人像与AA人像最不可能是一同一个人”,或者是“该类和另外x类最可能是同一个人”等,通过这样的自省,可以推选出无法确定的图片与其相关抓拍时间、抓拍日期等信息,并且通过在web上进行展示自省提示信息,以等待标注员进行肉眼判断,做出“是同一人”或者“不是同一人”的选择。以使下次进行聚类时,基于标注员反馈回来的是否是同一人的信息,在人脸数据集中进行扩散,例如,如果A与B是同一人,A1和A是同一人,B1与B是同一人,则增加A1与B1是同一人的概率。例如,标注员(即处理人员或用户)对人像进行标注判断时,可以查看每一张人像所属的个人档案,例如,查看个人档案的历史信息,查看个人档案的证件照,查看人像的拍摄时间与地点,从而基于人工方式通过多维度信息的判断来做出聚类是否正确的判断。其中,除了聚错类的可能信息之外,还会有“某两个聚类可能是同一个人”的自省提示信息。
可选地,标注员的判断结果会以(img_a,img_b,if_is_same_person)的格式进行保存,以使根据人工标注信息进行个人档案的调整,包括两个个人档案的合并、某一个个人档案中的部分图片被清除出去等。
在本实施例中,通过输出自省提示信息,并将所述自省提示信息发送至用户终端,以使用户根据用户终端所显示的所述自省提示信息对人像进行标注,并获取用户在标注完成后的标注结果,并根据所述标注结果更新所述聚类结果,可以有效避免当前所归档的人像出现错误,进一步提高档案建立的精度。
本发明实施例所提供的用于城市安防监控的档案建立方法,通过对抓拍到的人像做聚类处理,将同一人的不同时刻或不同位置的人像聚集在一个聚类结果中;从档案数据库中确定与所述聚类结果所匹配的标准人像;将所述聚类结果归档在所述标准人像所对应的个人档案下,从而实现对抓拍到的人像进行档案建立,实现了在极大程度上节约了人工的同时,避免了由于人工操作导致的错误以及通过将同一人的不同时刻或不同位置的人像聚集在一个聚类结果中并归档,进而实现了更加全面的建立个人档案,有效提高了档案建立的精确度,解决了现有技术中存在的需要消耗大量的人力资源的同时无法精确地形成更加全面的个人档案的技术问题,以及解决了在百亿级人像数量进行分析与建档的工作,保证了建档的精确度,并可以胜任大规模的档案管理。
第二实施例
对应于第一实施例中的用于城市安防监控的档案建立方法,图2示出了采用第一实施例所示的用于城市安防监控的档案建立方法一一对应的用于城市安防监控的档案建立装置。如图2所示,所述档案建立装置400包括聚类模块410、处理模块420和归档模块430。其中,聚类模块410、处理模块420和归档模块430的实现功能与第一实施例中对应的步聚一一对应,为避免赘述,本实施例不一一详述。
聚类模块410,用于通过对抓拍到的人像做聚类处理,得到至少一个聚类结果。
可选地,聚类模块410还用于:对抓拍到人像进行人脸识别,得到每张所述人像所对应的人脸向量;确定每两个所述人脸向量之间的距离;根据所述距离确定每两个所述人像之间的人脸相似度;根据所述人脸相似度将所述人像进行合并聚类,得到至少一个聚类结果。
处理模块420,用于从档案数据库中确定与所述聚类结果所匹配的标准人像,其中,所述档案数据库由个人档案构成,所述个人档案包括个人的标准人像。
可选地,处理模块420还用于:根据所述聚类结果获取多张待处理人像;根据人脸相似度从档案数据库中确定与每张所述待处理人像一一对应的多张标准人像,所述多张标准人像作为多张比对人像;根据人脸相似度确定每张所述待处理人像所对应的多张所述比对人像所对应的权重;根据所述权重获取多张所述待处理人像所对应的所有所述比对人像所对应的总权重;将多个所述总权重中权值最大的所述总权重所对应的所述比对人像作为所匹配的标准人像。
可选地,所述的根据所述人脸相似度确定每张所述待处理人像所对应的多张所述比对人像所对应的权重,包括:根据所述人脸相似度对每张所述待处理人像所对应的多张所述比对人像进行排序,生成有序集合;根据所述有序集合中的每张所述对比人像所对应的排列顺序确定每张所述对比人像所对应的权重。
可选地,所述的将多个所述总权重中权值最大的所述总权重所对应的所述比对人像作为所匹配的标准人像,包括:确定所述总权重中权值最大的所述总权重是否满足预设规则;若是,将权值最大的所述总权重所对应的所述比对人像作为所匹配的标准人像。
可选地,所述的确定所述总权重中权值最大的所述总权重是否满足预设规则,包括:确定所述总权重中权值最大的所述总权重是否大于或等于预设阈值;若大于或等于所述预设阈值,则判定为满足所述预设规则。
可选地,所述的确定所述总权重中权值最大的所述总权重是否满足预设规则,包括:确定所述总权重中权值最大的所述总权重所对应的置信度是否与预设置信区间匹配;若匹配,则判定为满足所述预设规则。
可选地,在确定所述总权重中权值最大的所述总权重是否满足预设规则之后,还包括:若权值最大的所述总权重不满足所述预设规则,则判定所述聚类结果归档失败;收集所述归档失败的所述聚类结果中的人像进行聚类处理。
归档模块430,用于将所述聚类结果归档于所述标准人像对应的所述个人档案下。
在一可选的实施例中,档案建立装置400还包括输出模块和发送模块。
输出模块用于:输出所述聚类结果一一对应的自省提示信息。
发送模块用于:将所述自省提示信息发送至用户终端,以获取用户根据所述自省提示信息对人像进行标注后所返回的标注结果,并根据所述标注结果更新所述聚类结果。
第三实施例
如图3所示,是终端设备300的示意图。所述终端设备300包括存储器302、处理器304以及存储在所述存储器302中并可在所述处理器304上运行的计算机程序303以及用于收发数据的通信模块305,所述计算机程序303被处理器304执行时实现第一实施例中的所述档案建立方法,为避免重复,此处不再赘述。或者,所述计算机程序303被处理器304执行时实现第二实施例所述档案建立装置中各模块/单元的功能,为避免重复,此处不再赘述。
示例性的,计算机程序303可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器302中,并由处理器304执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序303在终端设备300中的执行过程。例如,计算机程序303可以被分割成第二实施例中的聚类模块410、处理模块420和归档模块430,各模块的具体功能如第一实施例或第二实施例所述,在此不一一赘述。
终端设备300可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。
其中,存储器302可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器302用于存储程序,所述处理器304在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流程定义的方法可以应用于处理器304中,或者由处理器304实现。
处理器304可能是一种集成电路芯片,具有信号的处理能力。上述的处理器304可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
通信模块305可以是无线通信模块,用于将自省提示信息发送至用户终端,以及还用于接收用户根据所述自省提示信息对人像进行标注的标注结果。例如,无线通信模块可以是但不限于GPRS(General Packet Radio Service,通用分组无线服务技术)通信模块或者是wifi模块等。
可以理解的是,图3所示的结构仅为终端设备300的一种结构示意图,终端设备300还可以包括比图3所示更多或更少的组件。图3中所示的各组件可以采用硬件、软件或其组合实现。
第四实施例
本发明实施例还提供一种存储介质,所述存储介质上存储有指令,当所述指令在计算机上运行时,所述计算机程序被处理器执行时实现第一实施例中的所述档案建立方法,为避免重复,此处不再赘述。或者,所述计算机程序被处理器执行时实现第二实施例所述档案建立装置中各模块/单元的功能,为避免重复,此处不再赘述。
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本发明可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现,基于这样的理解,本发明的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施场景的方法。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
Claims (11)
1.一种用于城市安防监控的档案建立方法,其特征在于,包括:
通过对抓拍到的人像做聚类处理,得到至少一个聚类结果;
从档案数据库中确定与所述聚类结果所匹配的标准人像,其中,所述档案数据库由个人档案构成,所述个人档案包括个人的标准人像;
将所述聚类结果归档于所述标准人像对应的所述个人档案下。
2.根据权利要求1所述的方法,其特征在于,所述的从档案数据库中确定与所述聚类结果所匹配的标准人像,包括:
根据所述聚类结果获取多张待处理人像;
根据人脸相似度从档案数据库中确定与每张所述待处理人像一一对应的多张标准人像,所述多张标准人像作为多张比对人像;
根据所述人脸相似度确定每张所述待处理人像所对应的多张所述比对人像所对应的权重;
根据所述权重获取多张所述待处理人像所对应的所有所述比对人像所对应的总权重;
将多个所述总权重中权值最大的所述总权重所对应的所述比对人像作为所匹配的标准人像。
3.根据权利要求2所述的方法,其特征在于,所述的将多个所述总权重中权值最大的所述总权重所对应的所述比对人像作为所匹配的标准人像,包括:
确定所述总权重中权值最大的所述总权重是否满足预设规则;
若是,将权值最大的所述总权重所对应的所述比对人像作为所匹配的标准人像。
4.根据权利要求3所述的方法,其特征在于,所述的确定所述总权重中权值最大的所述总权重是否满足预设规则,包括:
确定所述总权重中权值最大的所述总权重是否大于或等于预设阈值;
若大于或等于所述预设阈值,则判定为满足所述预设规则。
5.根据权利要求2所述的方法,其特征在于,所述的根据所述人脸相似度确定每张所述待处理人像所对应的多张所述比对人像所对应的权重,包括:
根据所述人脸相似度对每张所述待处理人像所对应的多张所述比对人像进行排序,生成有序集合;
根据所述有序集合中的每张所述对比人像所对应的排列顺序确定每张所述对比人像所对应的权重。
6.根据权利要求3所述的方法,其特征在于,在确定所述总权重中权值最大的所述总权重是否满足预设规则之后,还包括:
若权值最大的所述总权重不满足所述预设规则,则判定所述聚类结果归档失败;
收集所述归档失败的所述聚类结果中的人像进行聚类处理。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
输出所述聚类结果一一对应的自省提示信息;
将所述自省提示信息发送至用户终端,以获取用户根据所述自省提示信息对人像进行标注后所返回的标注结果,并根据所述标注结果更新所述聚类结果。
8.根据权利要求1所述的方法,其特征在于,所述的通过对抓拍到的人像做聚类处理,得到至少一个聚类结果,包括:
对抓拍到人像进行人脸识别,得到每张所述人像所对应的人脸向量;
确定每两个所述人脸向量之间的距离;
根据所述距离确定每两个所述人像之间的人脸相似度;
根据所述人脸相似度将所述人像进行合并聚类,得到至少一个聚类结果。
9.一种用于城市安防监控的档案建立装置,其特征在于,包括:
聚类模块,用于通过对抓拍到的人像做聚类处理,得到至少一个聚类结果;
处理模块,用于从档案数据库中确定与所述聚类结果所匹配的标准人像,其中,所述档案数据库由个人档案构成,所述个人档案包括个人的标准人像;
归档模块,用于将所述聚类结果归档于所述标准人像对应的所述个人档案下。
10.一种终端设备,其特征在于,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
11.一种存储介质,其特征在于,所述存储介质上存储有指令,当所述指令在计算机上运行时,使得所述计算机执行如权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811000898.7A CN109241378A (zh) | 2018-08-29 | 2018-08-29 | 档案建立方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811000898.7A CN109241378A (zh) | 2018-08-29 | 2018-08-29 | 档案建立方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109241378A true CN109241378A (zh) | 2019-01-18 |
Family
ID=65069468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811000898.7A Pending CN109241378A (zh) | 2018-08-29 | 2018-08-29 | 档案建立方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109241378A (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110163135A (zh) * | 2019-05-10 | 2019-08-23 | 杭州商警云智能科技有限公司 | 一种基于动态算法的一人一档人脸聚类的方法及*** |
CN110334232A (zh) * | 2019-06-28 | 2019-10-15 | 深圳市商汤科技有限公司 | 档案应用方法及装置、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 |
CN110334247A (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、装置及存储介质 |
CN110348347A (zh) * | 2019-06-28 | 2019-10-18 | 深圳市商汤科技有限公司 | 一种信息处理方法及装置、存储介质 |
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 |
CN110516624A (zh) * | 2019-08-29 | 2019-11-29 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
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 |
CN110826460A (zh) * | 2019-10-31 | 2020-02-21 | 北京旷视科技有限公司 | 一种异常人证信息识别方法、装置和存储介质 |
CN111062407A (zh) * | 2019-10-15 | 2020-04-24 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
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 |
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 |
CN111309946A (zh) * | 2020-02-10 | 2020-06-19 | 浙江大华技术股份有限公司 | 一种已建立档案优化方法及装置 |
CN111368880A (zh) * | 2020-02-17 | 2020-07-03 | 杭州海康威视***技术有限公司 | 图像聚类方法、装置、电子设备及计算机可读存储介质 |
WO2020151507A1 (zh) * | 2019-01-25 | 2020-07-30 | 华为技术有限公司 | 档案合并方法及装置 |
CN111522980A (zh) * | 2020-04-26 | 2020-08-11 | 深圳惟远智能技术有限公司 | 一种海量数据下基于档案的快速搜索方法 |
CN112395037A (zh) * | 2020-12-07 | 2021-02-23 | 深圳云天励飞技术股份有限公司 | 一种动态封面的选取方法、装置、电子设备及存储介质 |
CN112487221A (zh) * | 2020-11-04 | 2021-03-12 | 北京澎思科技有限公司 | 图像归档方法及装置、电子设备、存储介质 |
CN112906474A (zh) * | 2019-08-01 | 2021-06-04 | 北京旷视科技有限公司 | 提示信息生成方法、装置、电子设备及存储介质 |
CN113032610A (zh) * | 2019-12-25 | 2021-06-25 | 深圳云天励飞技术有限公司 | 档案管理方法、装置、设备及计算机可读存储介质 |
CN113127712A (zh) * | 2019-12-31 | 2021-07-16 | 深圳云天励飞技术有限公司 | 一种归档方法及装置 |
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 |
CN113408557A (zh) * | 2020-03-17 | 2021-09-17 | 深圳云天励飞技术有限公司 | 一种档案合并方法、装置及电子设备 |
CN114333039A (zh) * | 2022-03-03 | 2022-04-12 | 济南博观智能科技有限公司 | 一种人像聚类的方法、装置及介质 |
CN114999017A (zh) * | 2022-06-06 | 2022-09-02 | 重庆酉辰戌智能科技有限公司 | 一种校园人脸识别赋能*** |
CN117931738A (zh) * | 2024-03-21 | 2024-04-26 | 南京启数智能***有限公司 | 一种基于路网可达性的人像档案轨迹治理方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709424A (zh) * | 2016-11-19 | 2017-05-24 | 北京中科天云科技有限公司 | 一种优化的监控视频存储***及设备 |
CN108229419A (zh) * | 2018-01-22 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 用于聚类图像的方法和装置 |
-
2018
- 2018-08-29 CN CN201811000898.7A patent/CN109241378A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709424A (zh) * | 2016-11-19 | 2017-05-24 | 北京中科天云科技有限公司 | 一种优化的监控视频存储***及设备 |
CN108229419A (zh) * | 2018-01-22 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 用于聚类图像的方法和装置 |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020151507A1 (zh) * | 2019-01-25 | 2020-07-30 | 华为技术有限公司 | 档案合并方法及装置 |
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 |
CN110163135A (zh) * | 2019-05-10 | 2019-08-23 | 杭州商警云智能科技有限公司 | 一种基于动态算法的一人一档人脸聚类的方法及*** |
CN110334232A (zh) * | 2019-06-28 | 2019-10-15 | 深圳市商汤科技有限公司 | 档案应用方法及装置、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 |
CN110334247A (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、装置及存储介质 |
CN110348347A (zh) * | 2019-06-28 | 2019-10-18 | 深圳市商汤科技有限公司 | 一种信息处理方法及装置、存储介质 |
WO2020259099A1 (zh) * | 2019-06-28 | 2020-12-30 | 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 |
CN112906474B (zh) * | 2019-08-01 | 2022-12-16 | 北京旷视科技有限公司 | 提示信息生成方法、装置、电子设备及存储介质 |
CN112906474A (zh) * | 2019-08-01 | 2021-06-04 | 北京旷视科技有限公司 | 提示信息生成方法、装置、电子设备及存储介质 |
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 |
CN110516624A (zh) * | 2019-08-29 | 2019-11-29 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN111062407B (zh) * | 2019-10-15 | 2023-12-19 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
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 |
CN111062407A (zh) * | 2019-10-15 | 2020-04-24 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
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 |
CN110826460A (zh) * | 2019-10-31 | 2020-02-21 | 北京旷视科技有限公司 | 一种异常人证信息识别方法、装置和存储介质 |
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 |
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 |
CN113032610B (zh) * | 2019-12-25 | 2024-05-07 | 深圳云天励飞技术有限公司 | 档案管理方法、装置、设备及计算机可读存储介质 |
CN113032610A (zh) * | 2019-12-25 | 2021-06-25 | 深圳云天励飞技术有限公司 | 档案管理方法、装置、设备及计算机可读存储介质 |
CN113127712A (zh) * | 2019-12-31 | 2021-07-16 | 深圳云天励飞技术有限公司 | 一种归档方法及装置 |
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 |
CN113127712B (zh) * | 2019-12-31 | 2024-06-07 | 深圳云天励飞技术有限公司 | 一种归档方法及装置 |
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 |
CN111309946A (zh) * | 2020-02-10 | 2020-06-19 | 浙江大华技术股份有限公司 | 一种已建立档案优化方法及装置 |
CN111309946B (zh) * | 2020-02-10 | 2023-04-07 | 浙江大华技术股份有限公司 | 一种已建立档案优化方法及装置 |
CN111368880B (zh) * | 2020-02-17 | 2023-09-05 | 杭州海康威视***技术有限公司 | 图像聚类方法、装置、电子设备及计算机可读存储介质 |
CN111368880A (zh) * | 2020-02-17 | 2020-07-03 | 杭州海康威视***技术有限公司 | 图像聚类方法、装置、电子设备及计算机可读存储介质 |
CN113408557A (zh) * | 2020-03-17 | 2021-09-17 | 深圳云天励飞技术有限公司 | 一种档案合并方法、装置及电子设备 |
CN113408557B (zh) * | 2020-03-17 | 2023-10-13 | 深圳云天励飞技术有限公司 | 一种档案合并方法、装置及电子设备 |
CN111522980A (zh) * | 2020-04-26 | 2020-08-11 | 深圳惟远智能技术有限公司 | 一种海量数据下基于档案的快速搜索方法 |
CN112487221A (zh) * | 2020-11-04 | 2021-03-12 | 北京澎思科技有限公司 | 图像归档方法及装置、电子设备、存储介质 |
CN112395037B (zh) * | 2020-12-07 | 2024-01-05 | 深圳云天励飞技术股份有限公司 | 一种动态封面的选取方法、装置、电子设备及存储介质 |
CN112395037A (zh) * | 2020-12-07 | 2021-02-23 | 深圳云天励飞技术股份有限公司 | 一种动态封面的选取方法、装置、电子设备及存储介质 |
CN114333039A (zh) * | 2022-03-03 | 2022-04-12 | 济南博观智能科技有限公司 | 一种人像聚类的方法、装置及介质 |
CN114999017A (zh) * | 2022-06-06 | 2022-09-02 | 重庆酉辰戌智能科技有限公司 | 一种校园人脸识别赋能*** |
CN117931738A (zh) * | 2024-03-21 | 2024-04-26 | 南京启数智能***有限公司 | 一种基于路网可达性的人像档案轨迹治理方法及*** |
CN117931738B (zh) * | 2024-03-21 | 2024-06-07 | 南京启数智能***有限公司 | 一种基于路网可达性的人像档案轨迹治理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241378A (zh) | 档案建立方法、装置、设备及存储介质 | |
Phillips et al. | Evaluation methods in face recognition | |
WO2019120115A1 (zh) | 人脸识别的方法、装置及计算机装置 | |
US8600121B2 (en) | Face recognition system and method | |
Sanchez-Reillo et al. | Biometric identification through hand geometry measurements | |
WO2021248733A1 (zh) | 应用双分支三维卷积模型的人脸活体检测***、终端及存储介质 | |
CN102682309B (zh) | 一种基于模板学习的人脸注册方法及装置 | |
CN109919093A (zh) | 一种人脸识别方法、装置、设备及可读存储介质 | |
WO2020015104A1 (zh) | 风险旅客流量预测方法、装置、计算机设备和存储介质 | |
CN109815788A (zh) | 一种图片聚类方法、装置、存储介质及终端设备 | |
CN107808149A (zh) | 一种人脸信息标注方法、装置和存储介质 | |
CN105740808B (zh) | 人脸识别方法和装置 | |
CN104091176A (zh) | 人像比对在视频中的应用技术 | |
CN109740004A (zh) | 一种归档方法及装置 | |
CN110543811B (zh) | 一种基于深度学习的非配合式考试人员管理方法及其*** | |
CN108090406A (zh) | 人脸识别方法及*** | |
CN110991231B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
JP2022518469A (ja) | 情報処理方法および装置、記憶媒体 | |
CN110210194A (zh) | 电子合同显示方法、装置、电子设备及存储介质 | |
CN104751143A (zh) | 一种基于深度学习的人证核验***及方法 | |
CN110175990A (zh) | 人脸图像质量判定方法、装置及计算机设备 | |
CN111291627A (zh) | 人脸识别方法、装置及计算机设备 | |
CN103020655A (zh) | 一种基于单训练样本人脸识别的远程身份认证方法 | |
CN110866136B (zh) | 人脸图像的分堆方法及装置、电子设备、可读存储介质 | |
CN111091047B (zh) | 活体检测方法、装置、服务器和人脸识别设备 |
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 |