CN110348347A - 一种信息处理方法及装置、存储介质 - Google Patents

一种信息处理方法及装置、存储介质 Download PDF

Info

Publication number
CN110348347A
CN110348347A CN201910580576.2A CN201910580576A CN110348347A CN 110348347 A CN110348347 A CN 110348347A CN 201910580576 A CN201910580576 A CN 201910580576A CN 110348347 A CN110348347 A CN 110348347A
Authority
CN
China
Prior art keywords
pedestrian
image
same
target object
information
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
Application number
CN201910580576.2A
Other languages
English (en)
Inventor
阎旭阳
干刚
张恩龙
李冠亮
曾咿人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Sensetime Technology Co Ltd
Original Assignee
Shenzhen Sensetime Technology Co Ltd
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 Shenzhen Sensetime Technology Co Ltd filed Critical Shenzhen Sensetime Technology Co Ltd
Priority to CN201910580576.2A priority Critical patent/CN110348347A/zh
Publication of CN110348347A publication Critical patent/CN110348347A/zh
Priority to JP2021541619A priority patent/JP2022518469A/ja
Priority to SG11202108349UA priority patent/SG11202108349UA/en
Priority to PCT/CN2020/089562 priority patent/WO2020259099A1/zh
Priority to TW109120078A priority patent/TWI743835B/zh
Priority to US17/386,740 priority patent/US20210357624A1/en
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/768—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using context analysis, e.g. recognition aided by known co-occurring patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
    • 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
    • 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
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

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

Abstract

本申请公开了一种信息处理方法、装置及存储介质，其中，所述的方法包括：获取第一输入信息；其中，所述第一输入信息至少包括含有目标对象的图像；基于所述第一输入信息获取抓拍到所述目标对象的图像采集装置在目标时间点前后N秒的抓拍图像，所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点；从所述抓拍图像中确定出所述目标对象的同行人；基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，所述聚合档案数据中同一个人对应有唯一的档案。

Description

一种信息处理方法及装置、存储介质
技术领域
本申请涉及计算机领域中的信息处理技术，具体涉及一种信息处理方法、装置及存储介质。
背景技术
公安部门在日常进行一些案件侦破的时候，很可能出现无目标嫌疑人的人脸图片以及其他有利于破案的相关信息的情况，此时针对此人进行的人员档案分析工作难以开展。但有时候，犯罪分子会以团伙作案的形式实施犯罪活动，即有时候目标嫌疑人有可疑的同行人员。当嫌疑人的线索受阻或需要查找某个犯罪团伙时，通过查找嫌疑人的同行人员可以为破案提供有效线索。因此，如何确定嫌疑人的同行人员，是亟待解决的技术问题。
发明内容
有鉴于此，本申请提供一种信息处理方法及装置、存储介质，能快速识别目标对象的同行人。
第一方面，本申请实施例提供了一种信息处理方法，所述方法包括：
获取第一输入信息；其中，所述第一输入信息至少包括含有目标对象的图像；
基于所述第一输入信息获取抓拍到所述目标对象的图像采集装置在目标时间点前后N秒的抓拍图像，所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点；
从所述抓拍图像中确定出所述目标对象的同行人；
基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，所述聚合档案数据中同一个人对应有唯一的档案。
上述方案中，可选地，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，包括：
基于聚合档案数据确定所有同行人的相关信息；
其中，同行人的相关信息，包括：
对于未能实名的同行人，相关信息至少包括***内第一数据库中关于所述同行人的各个抓拍图像；
对于已实名的同行人，相关信息至少包括***内第二数据库中的图像信息、文本信息。
上述方案中，可选地，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
确定所有同行人与所述目标对象的同行次数；
基于所述同行次数对所述所有同行人进行排序得到同行人序列。
上述方案中，可选地，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
从所述同行人序列中确定出第一同行人；
确定所述目标对象与所述第一同行人的所有同行记录；
其中，所述同行记录至少包括：所述目标对象与所述第一同行人的抓拍图像、抓拍时间、图像采集装置的标识信息。
上述方案中，可选地，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
基于所述同行人序列确定K个同行人；其中，K为正整数；
确定所述目标对象与所述K个同行人的所有同行记录；
其中，所述同行记录至少包括：所述目标对象与所述K个同行人的抓拍图像、抓拍时间、图像采集装置的标识信息。
上述方案中，可选地，所述方法还包括：
获取由指定图像采集装置采集的指定视频流；
从所述所有同行记录中查找在所述指定视频流下所述目标对象与所述K个同行人的同行记录。
上述方案中，可选地，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
基于所述目标对象与所述K个同行人的所有同行记录，统计在各个图像采集装置下所述K个同行人的抓拍次数。
上述方案中，可选地，所述获取第一输入信息之前，所述方法还包括：
对第一数据库中的图像数据进行聚类处理得到聚类处理结果；其中，所述第一数据库基于图像采集装置抓拍到的人像图形成；
对第二数据库中的图像数据进行聚合处理得到聚合处理结果；其中，所述第二数据库基于实名的图像信息形成；
将所述聚类处理结果与所述聚合处理结果进行关联分析，得到聚合档案数据。
上述方案中，可选地，所述对第一数据库中的图像数据进行聚类处理，包括：
从所述第一数据库中的图像数据提取出人脸图像数据；
将所述人脸图像数据分成若干类，所述若干类中的每个类都有一个类中心，且所述类中心包括类中心特征值。
上述方案中，可选地，所述对第二数据库中的图像数据进行聚合处理得到聚合处理结果，包括：
将身份证号相同的图像数据聚合为一个图像库；
建立所述图像库与所述身份证号对应的文本信息的关联关系，得到聚合处理结果，所述聚合处理结果中每一身份证号对应唯一档案数据。
上述方案中，可选地，所述将所述聚类处理结果与所述聚合处理结果进行关联分析，包括：
将第一数据库中每个类中心特征值与第二数据库各个参考类中心特征值进行全量比对；
基于全量对比结果确定出相似度最高并且相似度大于预设阈值的目标参考类中心特征值；
从所述第二数据库中查找所述目标参考类中心特征值对应的目标人像和所述目标人像对应的身份信息；
建立所述目标人像对应的身份信息与第一数据库中类中心特征值对应的图像的关联关系。
上述方案中，可选地，所述方法还包括：
当向所述第一数据库新增图像数据时，对新增的图像数据进行聚类处理，将新增图像数据中人脸图像数据分成若干类，从所述第一数据库中查询是否有与新增图像数据相同的类，如果有相同的类，则合并到相应类的现有档案中；如果没有相同的类，则基于新类建立新的档案，补充到所述第一数据库中。
上述方案中，可选地，所述方法还包括：
当向所述第二数据库新增图像数据时，从所述第二数据库中查询是否有与新增图像数据相同的身份证号，如果有相同的身份证号，则合并到所述身份证号对应的现有档案中；如果没有相同的身份证号，则基于新增图像数据的身份证号建立新的档案，补充到所述第二数据库中。
第二方面，本申请实施例提供了一种信息处理装置，所述装置包括：
第一获取模块，用于获取第一输入信息；其中，所述第一输入信息至少包括含有目标对象的图像；
第二获取模块，用于基于所述第一输入信息获取抓拍到所述目标对象的图像采集装置在目标时间点前后N秒的抓拍图像，所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点；
确定模块，用于从所述抓拍图像中确定出所述目标对象的同行人；
处理模块，用于基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，所述聚合档案数据中同一个人对应有唯一的档案。
上述方案中，可选地，所述处理模块，还用于：
基于聚合档案数据确定所有同行人的相关信息；
其中，同行人的相关信息，包括：
对于未能实名的同行人，相关信息至少包括***内第一数据库中关于所述同行人的各个抓拍图像；
对于已实名的同行人，相关信息至少包括***内第二数据库中的图像信息、文本信息。
上述方案中，可选地，所述处理模块，还用于：
确定所有同行人与所述目标对象的同行次数；
基于所述同行次数对所述所有同行人进行排序得到同行人序列。
上述方案中，可选地，所述处理模块，还用于：
从所述同行人序列中确定出第一同行人；
确定所述目标对象与所述第一同行人的所有同行记录；
其中，所述同行记录至少包括：所述目标对象与所述第一同行人的抓拍图像、抓拍时间、图像采集装置的标识信息。
上述方案中，可选地，所述处理模块，还用于：
基于所述同行人序列确定K个同行人；其中，K为正整数；
确定所述目标对象与所述K个同行人的所有同行记录；
其中，所述同行记录至少包括：所述目标对象与所述K个同行人的抓拍图像、抓拍时间、图像采集装置的标识信息。
上述方案中，可选地，所述方法还包括：
获取由指定图像采集装置采集的指定视频流；
从所述所有同行记录中查找在所述指定视频流下所述目标对象与所述K个同行人的同行记录。
上述方案中，可选地，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
基于所述目标对象与所述K个同行人的所有同行记录，统计在各个图像采集装置下所述K个同行人的抓拍次数。
上述方案中，可选地，所述装置还包括：
档案建立模块，用于：
对第一数据库中的图像数据进行聚类处理得到聚类处理结果；其中，所述第一数据库基于图像采集装置抓拍到的人像图形成；
对第二数据库中的图像数据进行聚合处理得到聚合处理结果；其中，所述第二数据库基于实名的图像信息形成；
将所述聚类处理结果与所述聚合处理结果进行关联分析，得到聚合档案数据。
上述方案中，可选地，所述档案建立模块，还用于：
从所述第一数据库中的图像数据提取出人脸图像数据；
将所述人脸图像数据分成若干类，所述若干类中的每个类都有一个类中心，且所述类中心包括类中心特征值。
上述方案中，可选地，所述档案建立模块，还用于：
将身份证号相同的图像数据聚合为一个图像库；
建立所述图像库与所述身份证号对应的文本信息的关联关系，得到聚合处理结果，所述聚合处理结果中每一身份证号对应唯一档案数据。
上述方案中，可选地，所述档案建立模块，还用于：
将第一数据库中每个类中心特征值与第二数据库各个参考类中心特征值进行全量比对；
基于全量对比结果确定出相似度最高并且相似度大于预设阈值的目标参考类中心特征值；
从所述第二数据库中查找所述目标参考类中心特征值对应的目标人像和所述目标人像对应的身份信息；
建立所述目标人像对应的身份信息与第一数据库中类中心特征值对应的图像的关联关系。
上述方案中，可选地，所述档案建立模块，还用于：
当向所述第一数据库新增图像数据时，对新增的图像数据进行聚类处理，将新增图像数据中人脸图像数据分成若干类，从所述第一数据库中查询是否有与新增图像数据相同的类，如果有相同的类，则合并到相应类的现有档案中；如果没有相同的类，则基于新类建立新的档案，补充到所述第一数据库中。
上述方案中，可选地，所述档案建立模块，还用于：
当向所述第二数据库新增图像数据时，从所述第二数据库中查询是否有与新增图像数据相同的身份证号，如果有相同的身份证号，则合并到所述身份证号对应的现有档案中；如果没有相同的身份证号，则基于新增图像数据的身份证号建立新的档案，补充到所述第二数据库中。
第三方面，本申请实施例提供了一种信息处理装置，所述装置包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请实施例所述的信息处理方法的步骤。
第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行本申请实施例所述的信息处理方法的步骤。
本申请实施例提供的技术方案，获取第一输入信息；其中，所述第一输入信息至少包括含有目标对象的图像；基于所述第一输入信息获取抓拍到所述目标对象的图像采集装置在目标时间点前后N秒的抓拍图像，所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点；从所述抓拍图像中确定出所述目标对象的同行人；基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，所述聚合档案数据中同一个人对应有唯一的档案；这样，通过自动对多张抓拍图像进行分析能快速识别目标对象的同行人，且由于聚合档案数据是基于一人一档而建立的，有助于快速确定同行人的相关信息。
附图说明
图1为本申请实施例提供的一种信息处理方法的实现流程示意图；
图2为本申请实施例提供的同行次数查询结果示意图；
图3为本申请实施例提供的目标对象与单个同行人的同行记录查询结果示意图；
图4为本申请实施例提供的同行人出现点位查询结果示意图；
图5为本申请实施例提供的关于单个视频源的分析结果示意图；
图6为本申请实施例提供的人脸聚类的算法原理示意图；
图7为本申请实施例提供的人脸聚类的实现流程示意图；
图8为本申请实施例提供的人脸聚类的结果示意图；
图9为本申请实施例提供的档案建立流程示意图；
图10为本申请实施例提供的一种信息处理装置的组成结构示意图。
具体实施方式
下面结合附图和具体实施例对本申请的技术方案进一步详细阐述。
本申请实施例提供一种信息处理方法，如图1所示，所述方法主要包括：
步骤101、获取第一输入信息；其中，所述第一输入信息至少包括目标对象的图像。
可选地，所述第一输入信息还可包括下述至少之一：
时间信息、空间信息、图像采集装置的标识信息。
需要说明的是，每个图像采集装置都具有一个唯一表征所述图像采集装置的标识。
这里，所述空间信息至少包括地理位置信息。
这里，所述图像采集装置具有图像采集功能，比如，所述图像采集装置可以是摄像机或抓拍机。
示例性地，所述第一输入信息可以由公职人员如警察在终端侧输入，所述终端能够与***数据库连接，所述***数据库存储有基于聚类分析而建立的聚合档案数据。
这里，所述目标对象的图像可以是通过图像采集器如摄像机或相机等采集得到的，还可以是通过扫描器扫描得到的，还可以是通过通信器接收到的。本申请实施例对目标对象的图像的获取方式不作限定。
步骤102、基于所述第一输入信息获取抓拍到所述目标对象的图像采集装置在目标时间点前后N秒的抓拍图像，所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点。
其中，所述N为正数。
在一可选实施方式中，所述基于所述第一输入信息获取抓拍到所述目标对象的图像采集装置在目标时间点前后N秒的抓拍图像，包括：
基于所述第一输入信息确定一个或多个图像采集装置；
获取所述一个或多个图像采集装置所采集的图像或视频；
从所述图像或视频中确定出含有所述目标对象的目标图像；
以所述目标图像为基准，从所述图像或视频中找出与所述目标图像在同一图像采集装置下目标时间点前后N秒的抓拍图像。
具体地，根据空间信息确定一个或多个图像采集装置。
举例来说，当空间信息表征A市B小区时，将B小区内的所有摄像机确定为待核查的图像采集装置。
举例来说，B小区内共有10个摄像机，摄像机1、3、9抓拍到了目标对象 X，那么，摄像机1拍到了含有目标对象X的图像1，以该图像1为基准，该摄像机1在拍到图像1前后N秒内所采集的图像，均被视为可能含有目标对象 X的同行人的抓拍图像，记为抓拍库1。同理，摄像机3拍到了目标对象X的图像3，以该图像3为基准，该摄像机3在拍到图像3前后N秒内所采集的图像，均被视为可能包含目标对象X的同行人的抓拍图像，记为抓拍库3。同理，摄像机9拍到了目标对象X的图像9，以该图像9为基准，该摄像机9在拍到图像9前后N秒内所采集的图像，也均被视为可能包含目标对象X的同行人的抓拍图像，记为抓拍库9。那么，可能包含目标对象X的同行人的抓拍图像，由抓拍库1、抓拍库3和抓拍库9组成，在步骤103中，需要对这三个抓拍库中的图像进行分析。
步骤103、从所述抓拍图像中确定出所述目标对象的同行人。
在一可选实施方式中，所述从所述抓拍图像中确定出所述目标对象的同行人，包括：
确定在抓拍图像中出现的除目标对象之外的人员；
将所述除目标对象之外的人员确定为目标对象的同行人。
也就是说，查找抓拍到目标对象图像的图像采集装置在目标时间点前后N 秒的M幅抓拍图像，将这M幅图像中出现的除目标对象之外的人员定义为目标对象的同行人。
步骤104、基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，所述聚合档案数据中同一个人对应有唯一的档案。
在本申请实施例中，所述聚合档案数据是基于聚类分析而建立得到的***档案数据。所述聚合档案数据存储于***数据库中，所述***数据库至少分为第一数据库和第二数据库；其中，所述第一数据库基于图像采集装置抓拍到的人像图形成；所述第二数据库基于实名的图像信息形成。
为方便理解，可将所述第一数据库称为抓拍人像库，其根据图像采集装置抓拍到的人像图所形成；可将第二数据库称之为静态人像库，其根据已实名认证的公民人口信息如身份证形成。
在一些可选实施方式中，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，包括：
基于聚合档案数据确定所有同行人的相关信息；
其中，同行人的相关信息，包括：
对于未能实名的同行人，相关信息至少包括第一数据库中关于所述同行人的各个抓拍图像；
对于已实名的同行人，相关信息至少包括第二数据库中的图像信息、文本信息。
这样，基于聚合档案数据对抓拍图像进行统计分析，能够快速获取目标对象的同行人的相关信息，如此，可帮助查找嫌犯同伙、建立实名关系网络，进而大大方便排查工作。
在一个具体例子中，终端侧获取输入信息，所述输入信息包括嫌疑人Q，时间段(可精确到秒级)、摄像机标识、前后t秒，终端侧基于该输入信息，找到可能包含嫌疑人Q的同行人的所有抓拍图像，基于与该终端连接的***数据库，对抓拍图像进行聚合，将属于同一个档案的抓拍图像聚合到一起。终端在接收到输出指令时，输出嫌疑人Q的所有同行人的相关信息；其中，同行人的相关信息，具体分为已实名的同行人和未实名的同行人，具体地，已实名的同行人包括：库里的图片以及身份证号、姓名、住址、民族等文本信息；未实名的同行人包括：抓拍小图。这里，所述抓拍小图是相对于抓拍图像而言的，是抓拍图像中的部分图像。
在一些可选实施方式中，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
确定所有同行人与所述目标对象的同行次数；
基于所述同行次数对所述所有同行人进行排序得到同行人序列。
仍以上述具体例子为例，终端在接收到关于同行次数的输出指令时，输出嫌疑人Q的所有同行人的同行次数，并按照同行次数由高到低或由低到高排序输出。
图2为本申请实施例提供的同行次数查询结果示意图，如图2所示，在查询结果界面中，左侧显示有同行人头像、与该同行人相关的最近30天抓拍次数曲线图、最多抓拍时间段柱形图、捕捉到该同行人的摄像机所在位置，右侧显示有同行人在不同区域的同行次数。如此，关于同行人的同行次数等信息显示地非常清晰，可帮助查找嫌犯同伙、建立同行人关系网络，大大方便排查工作。
需要说明的是，可以理解，界面显示内容及布局等信息，可根据用户需求或设计需求进行设定或调整。
在一些可选实施方式中，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
从所述同行人序列中确定出第一同行人；
确定所述目标对象与所述第一同行人的所有同行记录；
其中，所述同行记录至少包括：所述目标对象与所述第一同行人的抓拍图像、抓拍时间、图像采集装置的标识信息。
这里，所述第一同行人是所有同行人中的任意一人。
如此，在得到同行次数的基础上，可以查询目标对象与单个同行人的详细同行记录。
在一个具体例子中，终端侧在确定出嫌疑人Q的所有同行人的同行次数及同行人的相关信息的情况下，接收输入信息，所述输入信息包括同行人G(同行人G是所有同行人中的一个)，终端查找嫌疑人Q与同行人G的所有同行记录。终端在接收到输出指令时，输出Q与G每次同行的相关信息：包括Q与G 的抓拍小图、大图、抓拍时间、摄像机信息，并支持按抓拍时间顺序与倒序的方式，对结果进行排序显示。这里，所述抓拍小图是相对于抓拍图像而言的，是抓拍图像中的部分图像；抓拍大图是相对于抓拍小图而言的，是抓拍图像整体。
也就是说，终端支持下述数据查询方式：目标对象档案ID+一个同行人档案ID+时间范围+摄像机ID，分页排序列表查询。
图3为本申请实施例提供的目标对象与单个同行人的同行记录查询结果示意图，如图3所示，在图2结果示意图基础上，左侧显示目标对象与同行人的抓拍图、捕捉到该目标对象与同行人的摄像机所属区域以及摄像机信息，右侧显示关于该目标对象与同行人同行的视频。如此，关于单个同行人的同行记录信息显示地非常清晰，可帮助查找嫌犯同伙、建立同行人关系网络，大大方便排查工作。
需要说明的是，可以理解，界面显示内容及布局等信息，可根据用户需求或设计需求进行设定或调整。
在一些可选实施方式中，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
基于所述同行人序列确定K个同行人；其中，所述K为正整数；
确定所述目标对象与所述K个同行人的所有同行记录；
其中，所述同行记录至少包括：所述目标对象与所述K个同行人的抓拍图像、抓拍时间、图像采集装置的标识信息。
这里，所述的K个同行人可以理解为在同行人序列中排序靠前的K个同行人。
如此，在得到同行次数的基础上，可以统计K个同行人的同行记录。
在一些可选实施方式中，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
基于所述目标对象与所述K个同行人的所有同行记录，统计在各个图像采集装置下所述K个同行人的抓拍次数。
如此，在得到同行记录的基础上，可以统计K个同行人的抓拍次数。
在一个具体例子中，终端侧在确定出嫌疑人Q的所有同行人的同行次数及同行人的相关信息的情况下，接收输入信息，所述输入信息包括TOP K(取同行次数最多的前K个同行人，K可为不限)，终端统计嫌疑人Q的TOP K同行人在各个摄像机下的抓拍次数。终端在接收到输出指令时，输出在各个摄像机下嫌疑人Q的同行人的抓拍次数。
也就是说，终端支持下述数据查询方式：多个同行人档案ID+时间范围+ 多摄像机ID，统计摄像机的抓拍次数。
图4为本申请实施例提供的同行出现点位查询结果示意图，如图4所示，在图2结果示意图基础上，左侧显示有同行人头像、与该同行人相关的最近30 天抓拍次数曲线图、最多抓拍时间段柱形图、捕捉到该同行人的摄像机所属区域，右侧显示在地图上标注的各个摄像机下的抓拍次数。如此，关于各个摄像机下的同行人的抓拍次数显示地非常清晰，可帮助查找嫌犯同伙、确定搜查网络，大大方便排查工作。
需要说明的是，可以理解，界面显示内容及布局等信息，可根据用户需求或设计需求进行设定或调整。
在一些可选实施方式中，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
获取由指定图像采集装置采集的指定视频流；
从所述所有同行记录中查找在所述指定视频流下所述目标对象与所述K个同行人的同行记录。
如此，可以筛选出在指定视频源出现的TOP K的同行人的同行记录。
在一个具体例子中，终端侧在确定出嫌疑人Q的所有同行人的同行次数及同行人的相关信息的情况下，接收输入信息，该输入信息包括TOP K(取同行次数最多的前K个同行人，K可为不限)和视频源，终端统计在指定视频源下嫌疑人Q的TOP K同行人的出现点位。终端在接收到输出指令时，输出在指定视频源出现的，一对一对的嫌疑人Q与TOP K的同行人同行的相关信息：包括 Q与同行人的抓拍小图、大图、抓拍时间、摄像机信息，并支持按抓拍时间顺序与倒序的方式，对结果进行排序。
也就是说，终端支持下述数据查询方式：目标对象档案ID+多个同行人档案ID+时间范围+多摄像机ID，分页排序列表查询。
图5为本申请实施例提供的关于单个视频源的分析结果示意图，如图5所示，在图2结果示意图基础上，左侧显示有指定视频源、所述指定视频源对应的摄像机信息、目标对象与同行人的头像、同行时间，右侧显示在地图上标注的所述指定视频源对应的摄像机的位置。如此，对单个指定视频源进行同行人分析，可帮助查找嫌犯同伙、确定搜查网络，大大方便排查工作。
需要说明的是，可以理解，界面上的显示内容及布局等信息，可根据用户需求或设计需求进行设定或调整。
本申请实施例提供的技术方案，通过抓拍图像确定目标对象的同行人，能快速识别出同行人；通过基于***内的聚合档案数据对同行人进行聚合分析，能快速确定同行人的相关信息，有利于提高同行人的识别准确度。
本申请所述技术方案可应用于智能视频分析，安防监控等领域。比如，可用于入室盗窃、反恐监测、医闹肇事、涉毒打击、国保重点、社区管控等案件排查。举例来说，案件发生后，警方手上有一名嫌犯F的人像照片，在同行人分析技战法中上传嫌犯照片，设置案发时间段、在案发现场周边d，可以找到与嫌犯F同行过Y次以上的人员档案，进而找到同伙轨迹，进而确认同伙位置；找到同伙照片后，又可重复以上步骤，找到更多可能的同伙照片。如此，便于警方将线索串联，提高破案效率。
上述方案中，在步骤101之前，可选地，所述方法还包括：
步骤100(图1中未示出)：基于聚类分析建立聚合档案数据。
在一些可选实施方式中，基于聚类分析建立聚合档案数据，包括：
对第一数据库中的图像数据进行聚类处理得到聚类处理结果；其中，所述第一数据库基于图像采集装置抓拍到的人像图形成；
对第二数据库中的图像数据进行聚合处理得到聚合处理结果；其中，所述第二数据库基于实名的图像信息形成；
将所述聚类处理结果与所述聚合处理结果进行关联分析，得到聚合档案数据。
如此，可以得到一个人在***内的全部档案信息。
在一些可选实施方式中，对第一数据库中的图像数据进行聚类处理，包括：
从所述第一数据库中的图像数据提取出人脸图像数据；
将所述人脸图像数据分成若干类，所述若干类中的每个类都有一个类中心，且所述类中心包括类中心特征值。
这样，给出了在众多人像抓拍图中进行人脸聚类的方法，即将人脸的集合分成由类似的人脸组成的多个类，由聚类所生成的类是一组数据对象的集合，这些对象与同一个类中的对象彼此相似，与其他类的对象相异。
图6示出了本申请实施例提供的人脸聚类的算法原理示意图，如图6所示，人脸聚类的算法原理主要包括三步：
第一步：新输入特征与底库类中心进行最近邻搜索,通过FAISS指数确定其是否属于现有底库，即是否有类别。
这里，所述FAISS是Facebook AI Similarity Search的缩写，中文名称是开源相似性搜索类库。
第二步：对有类别的特征的处理：与现有类别聚类，并更新底库类中心。
第三步：对无类别的特征的处理：聚类，确定类别,将新聚类中心加入到底库类中心中。
图7示出了本申请实施例提供的人脸聚类的实现流程示意图，如图7所示，先确定抓拍库，再为抓拍库中每张图片确定一个特征，将特征距离相近(相似度高)的聚合在一类，基于聚合结果将抓拍库中的图片进行分类。
图8示出了本申请实施例提供的人脸聚类的结果示意图，如图8所示，左图中各个图形表示一个特征或表示抓拍的一个照片，形状相似表示相似度越高；右图是经过聚类处理的图，根据相似度进行自动聚类，一类表示一个人。
在一些可选实施方式中，对第二数据库中的图像数据进行聚合处理得到聚合处理结果，包括：
将身份证号相同的图像数据聚合为一个图像库；
建立所述图像库与所述身份证号对应的文本信息的关联关系，得到聚合处理结果，所述聚合处理结果中每一身份证号对应唯一档案数据。
也就是说，在第二数据库中，身份证号相同的聚合为一个档案。
在一些可选实施方式中，将所述聚类处理结果与所述聚合处理结果进行关联分析，包括：
将第一数据库中每个类中心特征值与第二数据库各个参考类中心特征值进行全量比对；
基于全量对比结果确定出相似度最高并且相似度大于预设阈值的目标参考类中心特征值；
从所述第二数据库中查找所述目标参考类中心特征值对应的目标人像和所述目标人像对应的身份信息；
建立所述目标人像对应的身份信息与第一数据库中类中心特征值对应的图像的关联关系。
如此，将相似度最高的图像对应的身份信息赋予这个抓拍库的类，使得这类抓拍人像实名。
上述方案中，可选地，所述方法还包括：
当向所述第一数据库新增图像数据时，对新增的图像数据进行聚类处理，将新增图像数据中人脸图像数据分成若干类，从所述第一数据库中查询是否有与新增图像数据相同的类，如果有相同的类，则合并到相应类的现有档案中；如果没有相同的类，则基于新类建立新的档案，补充到所述第一数据库中。
上述方案中，可选地，所述方法还包括：
当向所述第二数据库新增图像数据时，从所述第二数据库中查询是否有与新增图像数据相同的身份证号，如果有相同的身份证号，则合并到所述身份证号对应的现有档案中；如果没有相同的身份证号，则基于新增图像数据的身份证号建立新的档案，补充到所述第二数据库中。
如此，当数据库出现新增增量时，及时对***内档案数据进行更新或补充。
图9示出了本申请实施例提供的档案建立流程示意图，如图9所示，该流程主要分为入库、分类、关联、一人一档、未实名档案五大部分。对于人像库来说，批量人像入库，将同身份证号的人像聚合为一个档案；对于抓拍库来说，批量抓拍图像入库或接入视频流，定时触发聚类，比如一小时或一天聚类一次，时间可配置，初次为全量聚类，以后增量聚类，与现有的类聚合，而没有相近的类可自动聚合成一个新类。对于新增人像，可批量入库或单张入库，查询人像库的现有档案中是否有与新增人像相同的身份证号，如果有，将新增人像聚合到相同身份证号下的档案；如果没有与新增人像相同的身份证号，为新增人像建立新的档案。对于新增抓拍，可批量入库或单张入库或接入视频流，定时触发聚类，查询抓拍库的现有档案中是否有与新增抓拍相同的类，如果有，将新增抓拍聚合到相同类下的档案；如果没有与新增抓拍相同的类，为新增抓拍建立新的档案，新类的类中心与人像库撞库。抓拍库与人像库撞库，具体地，抓拍库聚类后分成若干类(人)，每个类都有一个类中心，对应一个类中心特征值，每个类中心特征值再和人像库进行全量1：n比对，取相似度最高TOP1并且大于预设阈值的一个人像，将此TOP1的人像对应的身份信息赋予这个抓拍库的类，使得这类抓拍人像实名。
可见，将带有公民身份的人像库(静态库)作为基准库，结合由抓拍机抓拍到带有时空信息的人脸抓拍图进行聚类，以两两相似度为判断标准，将人脸识别***中疑似同一人的信息进行关联，使得一个人有唯一的综合档案。从档案中，可得出潜在嫌疑人的属性特征、行为特征等。
如此，从所有已聚类(包括已实名、未实名)档案中进行条件筛选，找出在指定时间范围的指定视频源同一人抓拍张数超过某一特定阈值的某人员档案信息。获得其档案信息后，用户可以快速根据嫌疑人人像信息在某个区域的某个时间段中，找到与其在前后t秒同行的人，将符合条件的同行人抓拍图像进行聚合；也可以在得到同行人的同行次数的基础上，可以查询嫌疑人Q与单个同行人G的详细同行记录，以判断某些嫌疑人员的同行记录和同行人关系网。
相对于现有技术在海量数据的场景下难以实现高效的自动归类的问题，本申请能够将海量的抓拍图像自动归类，还可以将视频监控中的海量嫌疑人抓拍图像与公安既有人员数据库信息进行高效地自动关联。本申请所述技术方案通过输入的指定条件，找到目标对象的所有同行人的抓拍图像，并进一步对同行人抓拍图像进行聚合(属于同一个档案的抓拍聚合到一起)，能基于目标对象的档案进行同行人分析，进一步明确同行人关系网络，高效地对所有同行人抓拍信息进行利用。
本申请实施例还提供了一种信息处理装置，如图10所示，所述装置包括：
第一获取模块10，用于获取第一输入信息；其中，所述第一输入信息至少包括含有目标对象的图像；
第二获取模块20，用于基于所述第一输入信息获取抓拍到所述目标对象的图像采集装置在目标时间点前后N秒的抓拍图像，所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点；
确定模块30，用于从所述抓拍图像中确定出所述目标对象的同行人；
处理模块40，用于基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，所述聚合档案数据中同一个人对应有唯一的档案。
作为一种实施方式，所述处理模块40，还用于：
基于聚合档案数据确定所有同行人的相关信息；
其中，同行人的相关信息，包括：
对于未能实名的同行人，相关信息至少包括***内第一数据库中关于所述同行人的各个抓拍图像；
对于已实名的同行人，相关信息至少包括***内第二数据库中的图像信息、文本信息。
作为一种实施方式，所述处理模块40，还用于：
确定所有同行人与所述目标对象的同行次数；
基于所述同行次数对所述所有同行人进行排序得到同行人序列。
作为一种实施方式，所述处理模块40，还用于：
从所述同行人序列中确定出第一同行人；
确定所述目标对象与所述第一同行人的所有同行记录；
其中，所述同行记录至少包括：所述目标对象与所述第一同行人的抓拍图像、抓拍时间、图像采集装置的标识信息。
作为一种实施方式，所述处理模块40，还用于：
基于所述同行人序列确定K个同行人；其中，所述K为正整数；
确定所述目标对象与所述K个同行人的所有同行记录；
其中，所述同行记录至少包括：所述目标对象与所述K个同行人的抓拍图像、抓拍时间、图像采集装置的标识信息。
作为一种实施方式，所述处理模块40，还用于：
获取由指定图像采集装置采集的指定视频流；
从所述所有同行记录中查找在所述指定视频流下所述目标对象与所述K个同行人的同行记录。
作为一种实施方式，所述处理模块40，还用于：
基于所述目标对象与所述K个同行人的所有同行记录，统计在各个图像采集装置下所述K个同行人的抓拍次数。
上述方案中，可选地，所述装置还包括：
档案建立模块50，用于：
对第一数据库中的图像数据进行聚类处理得到聚类处理结果；其中，所述第一数据库基于图像采集装置抓拍到的人像图形成；
对第二数据库中的图像数据进行聚合处理得到聚合处理结果；其中，所述第二数据库基于实名的图像信息形成；
将所述聚类处理结果与所述聚合处理结果进行关联分析，得到聚合档案数据。
作为一种实施方式，所述档案建立模块50，还用于：
从所述第一数据库中的图像数据提取出人脸图像数据；
将所述人脸图像数据分成若干类，所述若干类中的每个类都有一个类中心，且所述类中心包括类中心特征值。
作为一种实施方式，所述档案建立模块50，还用于：
将身份证号相同的图像数据聚合为一个图像库；
建立所述图像库与所述身份证号对应的文本信息的关联关系，得到聚合处理结果，所述聚合处理结果中每一身份证号对应唯一档案数据。
作为一种实施方式，所述档案建立模块50，还用于：
将第一数据库中每个类中心特征值与第二数据库各个参考类中心特征值进行全量比对；
基于全量对比结果确定出相似度最高并且相似度大于预设阈值的目标参考类中心特征值；
从所述第二数据库中查找所述目标参考类中心特征值对应的目标人像和所述目标人像对应的身份信息；
建立所述目标人像对应的身份信息与第一数据库中类中心特征值对应的图像的关联关系。
作为一种实施方式，所述档案建立模块50，还用于：
当向所述第一数据库新增图像数据时，对新增的图像数据进行聚类处理，将新增图像数据中人脸图像数据分成若干类，从所述第一数据库中查询是否有与新增图像数据相同的类，如果有相同的类，则合并到相应类的现有档案中；如果没有相同的类，则基于新类建立新的档案，补充到所述第一数据库中。
作为一种实施方式，所述档案建立模块50，还用于：
当向所述第二数据库新增图像数据时，从所述第二数据库中查询是否有与新增图像数据相同的身份证号，如果有相同的身份证号，则合并到所述身份证号对应的现有档案中；如果没有相同的身份证号，则基于新增图像数据的身份证号建立新的档案，补充到所述第二数据库中。
本领域技术人员应当理解，在一些可选实施例中，图10中所示的信息处理装置中的各处理单元的实现功能可参照前述信息处理方法的相关描述而理解。
本领域技术人员应当理解，在一些可选实施例中，图10所示的信息处理装置中各处理单元的功能可通过运行于处理器上的程序而实现，也可通过具体的逻辑电路而实现。
实际应用中，上述的第一获取模块10、第二获取模块20、确定模块30、处理模块40和档案建立模块50的具体结构均可对应于处理器。所述处理器具体的结构可以为中央处理器(CPU，Central Processing Unit)、微处理器(MCU， Micro Controller Unit)、数字信号处理器(DSP，Digital Signal Processing)或可编程逻辑器件(PLC，Programmable LogicController)等具有处理功能的电子元器件或电子元器件的集合。其中，所述处理器包括可执行代码，所述可执行代码存储在存储介质中，所述处理器可以通过总线等通信接口与所述存储介质中相连，在执行具体的各单元的对应功能时，从所述存储介质中读取并运行所述可执行代码。所述存储介质用于存储所述可执行代码的部分优选为非瞬间存储介质。
所述第一获取模块10、第二获取模块20、确定模块30、处理模块40和档案建立模块50可以集成对应于同一处理器，或分别对应不同的处理器；当集成对应于同一处理器时，所述处理器采用时分处理所述第一获取模块10、第二获取模块20、确定模块30、处理模块40和档案建立模块50对应的功能。
本申请实施例提供的信息处理装置，通过基于聚合档案数据对抓拍图像进行聚合分析的方式，来确定同行人以及同行人的相关信息，有利于提高同行人的识别准确度。
本申请实施例还记载了一种信息处理装置，所述装置包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述任意一个技术方案提供的信息处理方法。
本申请实施例中，所述处理器执行所述程序时实现：
获取第一输入信息；其中，所述第一输入信息至少包括含有目标对象的图像；
基于所述第一输入信息获取抓拍到所述目标对象的图像采集装置在目标时间点前后N秒的抓拍图像，所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点；
从所述抓拍图像中确定出所述目标对象的同行人；
基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，所述聚合档案数据中同一个人对应有唯一的档案。
作为一种实施方式，所述处理器执行所述程序时实现：
基于聚合档案数据确定所有同行人的相关信息；
其中，同行人的相关信息，包括：
对于未能实名的同行人，相关信息至少包括***内第一数据库中关于所述同行人的各个抓拍图像；
对于已实名的同行人，相关信息至少包括***内第二数据库中的图像信息、文本信息。
作为一种实施方式，所述处理器执行所述程序时实现：
确定所有同行人与所述目标对象的同行次数；
基于所述同行次数对所述所有同行人进行排序得到同行人序列。
作为一种实施方式，所述处理器执行所述程序时实现：
从所述同行人序列中确定出第一同行人；
确定所述目标对象与所述第一同行人的所有同行记录；
其中，所述同行记录至少包括：所述目标对象与所述第一同行人的抓拍图像、抓拍时间、图像采集装置的标识信息。
作为一种实施方式，所述处理器执行所述程序时实现：
基于所述同行人序列确定K个同行人；其中，K为正整数；
确定所述目标对象与所述K个同行人的所有同行记录；
其中，所述同行记录至少包括：所述目标对象与所述K个同行人的抓拍图像、抓拍时间、图像采集装置的标识信息。
作为一种实施方式，所述处理器执行所述程序时实现：
获取由指定图像采集装置采集的指定视频流；
从所述所有同行记录中查找在所述指定视频流下所述目标对象与所述K个同行人的同行记录。
作为一种实施方式，所述处理器执行所述程序时实现：
基于所述目标对象与所述K个同行人的所有同行记录，统计在各个图像采集装置下所述K个同行人的抓拍次数。
作为一种实施方式，所述处理器执行所述程序时实现：
对第一数据库中的图像数据进行聚类处理得到聚类处理结果；其中，所述第一数据库基于图像采集装置抓拍到的人像图形成；
对第二数据库中的图像数据进行聚合处理得到聚合处理结果；其中，所述第二数据库基于实名的图像信息形成；
将所述聚类处理结果与所述聚合处理结果进行关联分析，得到聚合档案数据。
作为一种实施方式，所述处理器执行所述程序时实现：
从所述第一数据库中的图像数据提取出人脸图像数据；
将所述人脸图像数据分成若干类，所述若干类中的每个类都有一个类中心，且所述类中心包括类中心特征值。
作为一种实施方式，所述处理器执行所述程序时实现：
将身份证号相同的图像数据聚合为一个图像库；
建立所述图像库与所述身份证号对应的文本信息的关联关系，得到聚合处理结果，所述聚合处理结果中每一身份证号对应唯一档案数据。
作为一种实施方式，所述处理器执行所述程序时实现：
将第一数据库中每个类中心特征值与第二数据库各个参考类中心特征值进行全量比对；
基于全量对比结果确定出相似度最高并且相似度大于预设阈值的目标参考类中心特征值；
从所述第二数据库中查找所述目标参考类中心特征值对应的目标人像和所述目标人像对应的身份信息；
建立所述目标人像对应的身份信息与第一数据库中类中心特征值对应的图像的关联关系。
作为一种实施方式，所述处理器执行所述程序时实现：
当向所述第一数据库新增图像数据时，对新增的图像数据进行聚类处理，将新增图像数据中人脸图像数据分成若干类，从所述第一数据库中查询是否有与新增图像数据相同的类，如果有相同的类，则合并到相应类的现有档案中；如果没有相同的类，则基于新类建立新的档案，补充到所述第一数据库中。
作为一种实施方式，所述处理器执行所述程序时实现：
当向所述第二数据库新增图像数据时，从所述第二数据库中查询是否有与新增图像数据相同的身份证号，如果有相同的身份证号，则合并到所述身份证号对应的现有档案中；如果没有相同的身份证号，则基于新增图像数据的身份证号建立新的档案，补充到所述第二数据库中。
本申请实施例提供的信息处理装置，通过基于聚合档案数据对抓拍图像进行聚合分析的方式，来确定同行人以及有关同行人的相关信息，有利于提高同行人的识别准确度。
本申请实施例还记载了一种计算机存储介质，所述计算机存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行前述各个实施例所述的***识别方法。也就是说，所述计算机可执行指令被处理器执行之后，能够实现前述任意一个技术方案提供的信息处理方法。
本领域技术人员应当理解，本实施例的计算机存储介质中各程序的功能，可参照前述各实施例所述的信息处理方法的相关描述而理解。
本申请所述技术方案，自动将同一人在视频监控中的抓拍图像与既有静态人员数据库结合，便于警方将线索串联、提高破案效率。比如，侦破团伙犯罪时，根据同行人找到其他犯罪嫌疑人；通过分析嫌疑人的同行人，了解嫌疑人的社会关系，进而排查其身份与行踪。
还应理解，本文中列举的各个可选实施例仅仅是示例性的，用于帮助本领域技术人员更好地理解本申请实施例的技术方案，而不应理解成对本申请实施例的限定，本领域普通技术人员可以在本文所记载的各个可选实施例的基础上进行各种改变和替换，也应理解为本申请实施例的一部分。
此外，本文对技术方案的描述着重于强调各个实施例的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例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)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种信息处理方法，其特征在于，所述方法包括：
获取第一输入信息；其中，所述第一输入信息至少包括含有目标对象的图像；
基于所述第一输入信息获取抓拍到所述目标对象的图像采集装置在目标时间点前后N秒的抓拍图像，所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点；
从所述抓拍图像中确定出所述目标对象的同行人；
基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，所述聚合档案数据中同一个人对应有唯一的档案。
2.根据权利要求1所述的方法，其特征在于，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，包括：
基于所述聚合档案数据确定所有同行人的相关信息；
其中，同行人的相关信息，包括：
对于未能实名的同行人，相关信息至少包括***内第一数据库中关于所述同行人的各个抓拍图像；
对于已实名的同行人，相关信息至少包括***内第二数据库中的图像信息、文本信息。
3.根据权利要求1所述的方法，其特征在于，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
确定所有同行人与所述目标对象的同行次数；
基于所述同行次数对所述所有同行人进行排序得到同行人序列。
4.根据权利要求3所述的方法，其特征在于，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
从所述同行人序列中确定出第一同行人；
确定所述目标对象与所述第一同行人的所有同行记录；
其中，所述同行记录至少包括：所述目标对象与所述第一同行人的抓拍图像、抓拍时间、图像采集装置的标识信息。
5.根据权利要求3所述的方法，其特征在于，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
基于所述同行人序列确定K个同行人；其中，所述K为正整数；
确定所述目标对象与所述K个同行人的所有同行记录；
其中，所述同行记录至少包括：所述目标对象与所述K个同行人的抓拍图像、抓拍时间、图像采集装置的标识信息。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
获取由指定图像采集装置采集的指定视频流；
从所述所有同行记录中查找在所述指定视频流下所述目标对象与所述K个同行人的同行记录。
7.根据权利要求5所述的方法，其特征在于，所述基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，还包括：
基于所述目标对象与所述K个同行人的所有同行记录，统计在各个图像采集装置下所述K个同行人的抓拍次数。
8.一种信息处理装置，其特征在于，所述装置包括：
第一获取模块，用于获取第一输入信息；其中，所述第一输入信息至少包括含有目标对象的图像；
第二获取模块，用于基于所述第一输入信息获取抓拍到所述目标对象的图像采集装置在目标时间点前后N秒的抓拍图像，所述目标时间点为所述图像采集装置抓拍到所述目标对象的时间点；
确定模块，用于从所述抓拍图像中确定出所述目标对象的同行人；
处理模块，用于基于聚合档案数据对所述同行人进行分析，得到同行人识别结果，所述聚合档案数据中同一个人对应有唯一的档案。
9.一种信息处理别装置，所述装置包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述的信息处理方法。
10.一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至7任一项所述的信息处理方法。
CN201910580576.2A 2019-06-28 2019-06-28 一种信息处理方法及装置、存储介质 Pending CN110348347A (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201910580576.2A CN110348347A (zh) 2019-06-28 2019-06-28 一种信息处理方法及装置、存储介质
JP2021541619A JP2022518469A (ja) 2019-06-28 2020-05-11 情報処理方法および装置、記憶媒体
SG11202108349UA SG11202108349UA (en) 2019-06-28 2020-05-11 Information processing method and device, and storage medium
PCT/CN2020/089562 WO2020259099A1 (zh) 2019-06-28 2020-05-11 一种信息处理方法及装置、存储介质
TW109120078A TWI743835B (zh) 2019-06-28 2020-06-15 一種資訊處理方法及裝置、儲存介質
US17/386,740 US20210357624A1 (en) 2019-06-28 2021-07-28 Information processing method and device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910580576.2A CN110348347A (zh) 2019-06-28 2019-06-28 一种信息处理方法及装置、存储介质

Publications (1)

Publication Number Publication Date
CN110348347A true CN110348347A (zh) 2019-10-18

Family

ID=68177322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910580576.2A Pending CN110348347A (zh) 2019-06-28 2019-06-28 一种信息处理方法及装置、存储介质

Country Status (6)

Country Link
US (1) US20210357624A1 (zh)
JP (1) JP2022518469A (zh)
CN (1) CN110348347A (zh)
SG (1) SG11202108349UA (zh)
TW (1) TWI743835B (zh)
WO (1) WO2020259099A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111061894A (zh) * 2019-11-07 2020-04-24 深圳云天励飞技术有限公司 同行数据的处理方法、装置、电子设备及存储介质
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
CN111435435A (zh) * 2019-12-10 2020-07-21 杭州海康威视数字技术股份有限公司 一种同行人识别方法、装置、服务器及***
CN111625686A (zh) * 2020-05-20 2020-09-04 深圳市商汤科技有限公司 数据处理方法及装置、电子设备和存储介质
CN112015956A (zh) * 2020-09-04 2020-12-01 杭州海康威视数字技术股份有限公司 移动对象的相似性确定方法、装置、设备和存储介质
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
CN113127572A (zh) * 2019-12-31 2021-07-16 深圳云天励飞技术有限公司 档案合并方法、装置、设备及计算机可读存储介质
CN113505251A (zh) * 2019-11-06 2021-10-15 北京旷视科技有限公司 人员身份属性的确定方法、装置和电子设备
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***

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070106551A1 (en) * 2005-09-20 2007-05-10 Mcgucken Elliot 22nets: method, system, and apparatus for building content and talent marketplaces and archives based on a social network
CN103632132A (zh) * 2012-12-11 2014-03-12 广西工学院 一种基于肤色分割和模板匹配的人脸检测与识别方法
CN105427221A (zh) * 2015-12-09 2016-03-23 北京中科云集科技有限公司 一种基于云平台的警务管理方法
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
CN108229335A (zh) * 2017-12-12 2018-06-29 深圳市商汤科技有限公司 关联人脸识别方法和装置、电子设备、存储介质、程序
CN109117714A (zh) * 2018-06-27 2019-01-01 北京旷视科技有限公司 一种同行人员识别方法、装置、***及计算机存储介质
CN109241378A (zh) * 2018-08-29 2019-01-18 北京旷视科技有限公司 档案建立方法、装置、设备及存储介质
CN109461106A (zh) * 2018-10-11 2019-03-12 浙江公共安全技术研究院有限公司 一种多维信息感知处理方法
CN109635149A (zh) * 2018-12-17 2019-04-16 北京旷视科技有限公司 人物搜索方法、装置及电子设备
CN109739850A (zh) * 2019-01-11 2019-05-10 安徽爱吉泰克科技有限公司 一种档案大数据智能分析清洗挖掘***
CN109740004A (zh) * 2018-12-28 2019-05-10 上海依图网络科技有限公司 一种归档方法及装置
CN109784217A (zh) * 2018-12-28 2019-05-21 上海依图网络科技有限公司 一种监控方法及装置

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004019190A1 (en) * 2002-08-08 2004-03-04 Nanyang Technological University Distributed processing in authentication
EP1955290B1 (en) * 2005-12-01 2010-10-13 Honeywell International Inc. Distributed stand-off id verification compatible with multiple face recognition systems (frs)
DE602007010523D1 (de) * 2006-02-15 2010-12-30 Toshiba Kk Vorrichtung und Verfahren zur Personenidentifizierung
US8144939B2 (en) * 2007-11-08 2012-03-27 Sony Ericsson Mobile Communications Ab Automatic identifying
TW201223209A (en) * 2010-11-30 2012-06-01 Inventec Corp Sending a digital image method and apparatus thereof
KR101415848B1 (ko) * 2012-12-12 2014-07-09 휴앤에스(주) 차량 및 보행자 검지를 이용한 스쿨존 방범장치
EP3133810A1 (en) * 2013-04-19 2017-02-22 James Carey Video identification and analytical recognition system
CN203689590U (zh) * 2013-10-09 2014-07-02 四川空港知觉科技有限公司 人员身份识别设备
US9788039B2 (en) * 2014-06-23 2017-10-10 Google Inc. Camera system API for third-party integrations
US9356968B1 (en) * 2014-06-30 2016-05-31 Emc Corporation Managing authentication using common authentication framework circuitry
CN104636732B (zh) * 2015-02-12 2017-11-07 合肥工业大学 一种基于序列深信度网络的行人识别方法
WO2017000115A1 (zh) * 2015-06-29 2017-01-05 北京旷视科技有限公司 行人再识别方法及设备
CN105208528B (zh) * 2015-09-24 2018-05-22 山东合天智汇信息技术有限公司 一种用于识别同行人员的***及方法
US10169684B1 (en) * 2015-10-01 2019-01-01 Intellivision Technologies Corp. Methods and systems for recognizing objects based on one or more stored training images
CN105354548B (zh) * 2015-10-30 2018-10-26 武汉大学 一种基于ImageNet检索的监控视频行人重识别方法
CN107016322B (zh) * 2016-01-28 2020-01-14 浙江宇视科技有限公司 一种尾随人员分析的方法及装置
JP6885682B2 (ja) * 2016-07-15 2021-06-16 パナソニックｉ−ＰＲＯセンシングソリューションズ株式会社 監視システム、管理装置、及び監視方法
CN107066945B (zh) * 2017-03-10 2019-06-18 清华大学 一种大流量通关快速身份核验方法和***
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
CN208156681U (zh) * 2018-01-20 2018-11-27 南京铁道职业技术学院 一种视频监控图像识别***
CN208861294U (zh) * 2018-09-28 2019-05-14 广州翠花信息科技有限公司 一种采用签到机制的人脸识别***
CN109800669A (zh) * 2018-12-28 2019-05-24 上海依图网络科技有限公司 一种归档方法及装置
JP6534499B1 (ja) * 2019-03-20 2019-06-26 アースアイズ株式会社 監視装置、監視システム、及び、監視方法
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

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070106551A1 (en) * 2005-09-20 2007-05-10 Mcgucken Elliot 22nets: method, system, and apparatus for building content and talent marketplaces and archives based on a social network
CN103632132A (zh) * 2012-12-11 2014-03-12 广西工学院 一种基于肤色分割和模板匹配的人脸检测与识别方法
CN105427221A (zh) * 2015-12-09 2016-03-23 北京中科云集科技有限公司 一种基于云平台的警务管理方法
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
CN108229335A (zh) * 2017-12-12 2018-06-29 深圳市商汤科技有限公司 关联人脸识别方法和装置、电子设备、存储介质、程序
CN109117714A (zh) * 2018-06-27 2019-01-01 北京旷视科技有限公司 一种同行人员识别方法、装置、***及计算机存储介质
CN109241378A (zh) * 2018-08-29 2019-01-18 北京旷视科技有限公司 档案建立方法、装置、设备及存储介质
CN109461106A (zh) * 2018-10-11 2019-03-12 浙江公共安全技术研究院有限公司 一种多维信息感知处理方法
CN109635149A (zh) * 2018-12-17 2019-04-16 北京旷视科技有限公司 人物搜索方法、装置及电子设备
CN109740004A (zh) * 2018-12-28 2019-05-10 上海依图网络科技有限公司 一种归档方法及装置
CN109784217A (zh) * 2018-12-28 2019-05-21 上海依图网络科技有限公司 一种监控方法及装置
CN109739850A (zh) * 2019-01-11 2019-05-10 安徽爱吉泰克科技有限公司 一种档案大数据智能分析清洗挖掘***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
魏扣等: "面向档案的知识聚合服务研究现状及趋势展望", 《数字图书馆论坛》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113505251A (zh) * 2019-11-06 2021-10-15 北京旷视科技有限公司 人员身份属性的确定方法、装置和电子设备
CN111061894A (zh) * 2019-11-07 2020-04-24 深圳云天励飞技术有限公司 同行数据的处理方法、装置、电子设备及存储介质
CN111435435A (zh) * 2019-12-10 2020-07-21 杭州海康威视数字技术股份有限公司 一种同行人识别方法、装置、服务器及***
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***
WO2021114985A1 (zh) * 2019-12-10 2021-06-17 杭州海康威视数字技术股份有限公司 一种同行对象识别方法、装置、服务器及***
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
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
CN113127572B (zh) * 2019-12-31 2023-03-03 深圳云天励飞技术有限公司 档案合并方法、装置、设备及计算机可读存储介质
CN113127572A (zh) * 2019-12-31 2021-07-16 深圳云天励飞技术有限公司 档案合并方法、装置、设备及计算机可读存储介质
CN111625686A (zh) * 2020-05-20 2020-09-04 深圳市商汤科技有限公司 数据处理方法及装置、电子设备和存储介质
CN112015956A (zh) * 2020-09-04 2020-12-01 杭州海康威视数字技术股份有限公司 移动对象的相似性确定方法、装置、设备和存储介质
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***

Also Published As

Publication number Publication date
TWI743835B (zh) 2021-10-21
SG11202108349UA (en) 2021-08-30
WO2020259099A1 (zh) 2020-12-30
US20210357624A1 (en) 2021-11-18
JP2022518469A (ja) 2022-03-15
TW202101444A (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
CN110348347A (zh) 一种信息处理方法及装置、存储介质
CN110334231A (zh) 一种信息处理方法及装置、存储介质
TWI747341B (zh) 檔案應用方法及裝置、儲存媒體
CN103942811B (zh) 分布式并行确定特征目标运动轨迹的方法与***
Ma et al. A reliable people counting system via multiple cameras
CN108229335A (zh) 关联人脸识别方法和装置、电子设备、存储介质、程序
CN109740004B (zh) 一种归档方法及装置
CN109783685A (zh) 一种查询方法及装置
CN109345522A (zh) 一种图像质量筛选方法及装置、设备和存储介质
CN110390031A (zh) 信息处理方法及装置、图像设备及存储介质
CN110263613A (zh) 监控视频处理方法及装置
CN111277788B (zh) 一种基于mac地址的监控方法和监控***
CN112818149A (zh) 一种基于时空轨迹数据的人脸聚类方法、装置及存储介质
CN109426785A (zh) 一种人体目标身份识别方法及装置
JP2017220085A (ja) 画像検索装置、画像検索システム及び画像検索方法
CN105279496A (zh) 一种人脸识别的方法和装置
CN109784220B (zh) 一种确定路人轨迹的方法及装置
CN109800664B (zh) 一种确定路人轨迹的方法及装置
CN113935358A (zh) 一种行人追踪方法、设备和存储介质
CN108563651A (zh) 一种多视频的目标搜索方法、装置及设备
CN112749652A (zh) 身份信息确定的方法和装置、存储介质及电子设备
CN110321834A (zh) 一种身份确定方法及装置、存储介质
CN110134810A (zh) 检索图像的方法及装置
CN112925899B (zh) 排序模型建立方法、案件线索推荐方法、装置及介质
KR101170676B1 (ko) 얼굴 인식 기반의 얼굴 검색 시스템 및 그 방법

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

Application publication date: 20191018

RJ01 Rejection of invention patent application after publication