CN112446395A - 网络摄像机、视频监控***及方法 - Google Patents
网络摄像机、视频监控***及方法 Download PDFInfo
- Publication number
- CN112446395A CN112446395A CN201910808803.2A CN201910808803A CN112446395A CN 112446395 A CN112446395 A CN 112446395A CN 201910808803 A CN201910808803 A CN 201910808803A CN 112446395 A CN112446395 A CN 112446395A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- identification number
- storage unit
- camera
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/22—Arrangements for sorting or merging computer data on continuous record carriers, e.g. tape, drum, disc
- G06F7/24—Sorting, i.e. extracting data from one or more carriers, rearranging the data in numerical or other ordered sequence, and rerecording the sorted data on the original carrier or on a different carrier or set of carriers sorting methods in general
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity 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
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
- H04N23/661—Transmitting camera control signals through networks, e.g. control via the Internet
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本申请提供一种网络摄像机、视频监控***及方法,其中,该网络摄像机包括:图像传感器、处理器、存储器和网络通信接口;该处理器用于将图像传感器采集的当前图像与存储器的第二存储单元中已存储的图像进行匹配,得到表示匹配结果的相似度值,将满足相似度条件的图像存储至网络设备摄像的另一个存储单元中,降低了图像对比的难度,提高了对比结果的准确度,此外,网络摄像机还可以将携带有设备目标标识的图像上传至服务器,以使服务器可以获取图像的处理结果,无需服务器再执行图像对比,解决了由于网络摄像机采集的人脸图像无法在某些后端服务器上成功执行比对或比对结果准确率低的问题。
Description
技术领域
本申请涉及视频监控技术领域,尤其涉及一种网络摄像机、视频监控***及方法。
背景技术
目前在安防视频监控领域中,为了实现对小区或者固定点位进行监控目的,具有人脸监控、人脸聚类功能的视频监控***应用的越来越广泛。
相关技术中,通过视频监控***的网络摄像机实现人脸监控和人脸抓拍,通过视频监控***的监控平台对网络摄像机抓拍到人脸图像进行人脸建模、人脸比对等处理,也即,网络摄像机采集人脸图像,发送至后端服务器,由后端服务器执行人脸比对。
然而,由于市面上很多网络摄像机在硬件和软件上存在较大差异,且很多后端服务器在硬件和软加上也存在较大差异,导致网络摄像机采集的人脸图像无法在某些后端服务器上成功执行人脸比对或比对结果准确率低的问题。
发明内容
本申请提供一种网络摄像机、视频监控***及方法,以解决现有视频监控***中存在的无法执行人脸比对或比对结果准确率低的问题。
本申请第一方面提供一种网络摄像机,包括:图像传感器、处理器、存储器和网络通信接口;所述存储器包括:第一存储单元和第二存储单元;
所述图像传感器,用于采集监控场景的图像;
所述第一存储单元,用于存储所述图像传感器采集到的所有图像,所述第二存储单元,用于存储所述图像传感器采集到的部分图像,所述部分图像为所述所有图像的子集;
所述处理器,用于执行:
将所述图像传感器采集的当前图像与所述第二存储单元中已存储的图像进行匹配,得到表示匹配结果的相似度值,将所述相似度值与外界指示的第一相似度阈值、第二相似度阈值进行比较;
在所述相似度值小于所述第一相似度阈值但大于所述第二相似度阈值时,通过所述网络通信接口以匹配失败消息将所述当前图像发送给所述服务器;
在所述相似度值小于所述第一相似度阈值且小于所述第二相似度阈值时,通过所述网络通信接口以匹配失败消息将所述当前图像发送给服务器,且为所述当前图像分配一个唯一关联的设备目标标识,并将所述当前图像存储至所述第二存储单元;
其中,所述第一相似度阈值大于所述第二相似度阈值,所述当前图像的设备目标标识是基于所述当前图像被存储至所述第二存储单元的时间、所述网络摄像机的标志号以及随机值生成的。
本申请第二方面提供一种视频监控***,包括:至少一个网络摄像机和服务器,每个网络摄像机和所述服务器通过网络建立通信连接;
对于所述至少一个网络设备中的任意一个网络摄像机,所述网络摄像机包括:图像传感器、第一处理器、第一存储器和第一网络通信接口,所述第一存储器包括:第一存储单元和第二存储单元;
所述图像传感器,用于采集监控场景的图像;
所述第一存储单元,用于存储所述图像传感器采集到的所有图像,所述第二存储单元,用于存储所述图像传感器采集到的部分图像,所述部分图像为所述所有图像的子集;
所述第一处理器,用于执行:
将所述图像传感器采集到的当前图像与所述第二存储单元中已存储的图像进行匹配,得到表示匹配结果的相似度值,将所述相似度值与外界指示的第一相似度阈值、第二相似度阈值进行比较,在所述相似度值小于所述第一相似度阈值但大于所述第二相似度阈值时,通过所述第一网络通信接口以匹配失败消息将所述当前图像发送给所述服务器,以及在所述相似度值小于所述第一相似度阈值且小于所述第二相似度阈值时,通过所述网络通信接口以匹配失败消息将所述当前图像发送给服务器,且为所述当前图像分配一个唯一关联的设备目标标识,并将所述当前图像存储至所述第二存储单元,其中,所述第一相似度阈值大于所述第二相似度阈值,所述设备目标标识是基于所述当前图像被存储至所述第二存储单元的时间、所述网络摄像机的标志号以及随机值生成的;
其中,所述服务器包括:第二网络通信接口、第二处理器和第二存储器;
所述第二处理器,用于通过所述第二网络通信接口接收所述网路摄像设备发送的匹配失败消息,判断所述第二存储器是否存在与所述当前图像的设备目标标识一致的图像,若否,为所述当前图像分配一个唯一关联的平台目标标识,并建立所述设备目标标识与匹配失败的对应关系,以及存储所述平台目标标识和所述对应关系;若是,获取所述当前图像对应匹配图像在所述第二存储器中的平台目标标识,建立所述设备目标标识与所述平台目标标识的映射关系,将所述映射关系存储至所述第二存储器。
本申请第三方面提供一种更新摄像机中人脸数据库的方法,包括:
响应于一个人脸抓拍指令,获取一个人脸抓拍图像;
根据所述摄像机本地存储的人脸数据库,匹配所述人脸抓拍图像和所述人脸数据库中任一人脸图像,计算所述人脸抓拍图像的相似度值;其中,所述人脸数据库中存储着至少两个人脸图像,且每个人脸图像唯一对应着一个标识号;其中,所述标识号用于指示其对应的人脸图像存储至所述人脸数据库的时间;且所述标识号对应着一个频次数值,所述频次数值用于指示所述标识号对应的人脸图像发生匹配成功的次数;
在所述人脸抓拍图像的相似度值大于第一阈值时,确定匹配成功,且获取所述人脸数据库中与所述人脸抓拍图像相似度值最高的人脸图像、所述人脸图像对应的第一标识号以及所述第一标识号对应的频次数值;
在所述第一标识号对应的频次数值小于预设阈值时,删除所述摄像机中人脸数据库中所述第一标识号对应的人脸图像,更新所述摄像机中人脸数据库。
本申请第四方面提供一种摄像机和服务器中人脸数据库关联的方法,包括:
所述摄像机响应于一个人脸抓拍指令,获取一个人脸抓拍图像;
所述摄像机根据所述摄像机本地存储的人脸数据库,匹配所述人脸抓拍图像和所述人脸数据库中任一人脸图像,计算所述人脸抓拍图像的相似度值;其中,所述人脸数据库中存储着至少两个人脸图像,且每个人脸图像唯一对应着一个标识号;其中,所述标识号用于指示其对应的人脸图像存储至所述摄像机中人脸数据库的时间;且所述标识号对应着一个频次数值,所述频次数值用于指示所述标识号对应的人脸图像发生匹配成功的次数;
所述摄像机在所述人脸抓拍图像的相似度值大于第一阈值时,确定匹配成功,且获取所述人脸数据库中与所述人脸抓拍图像相似度值最高的人脸图像和所述人脸图像对应的第一标识号;将所述第一标识号和所述人脸抓拍图像发送至所述服务器;
所述服务器根据接收到的所述第一标识号,响应于所述第一标识号为首次接收到,则将所述人脸抓拍图像与所述服务器中人脸数据库进行比对,其中,所述服务器中人脸数据库中的每个人脸图像唯一对应一个第二标识号;
所述服务器在所述人脸抓拍图像与所述服务器中人脸图像比对成功后,获取与所述人脸抓拍图像相似度值最高的所述服务器中人脸图像和对应的第二标识号;
所述服务器创建所述第一标识号与所述第二标识号的关联关系,所述关联关系用于关联所述摄像机中人脸数据库与所述服务器中人脸数据库。
本申请实施例提供的网络摄像机、视频监控***及方法,利用图像传感器采集监控场景的图像,利用存储器的第一存储单元存储图像传感器采集到的所有图像,第二存储单元存储图像传感器采集到的部分图像,利用处理器将图像传感器采集的当前图像与第二存储单元中已存储的图像进行匹配,得到表示匹配结果的相似度值,在相似度值小于外界指示的第一相似度阈值但外界指示的第二相似度阈值时,通过网络通信接口以匹配失败消息将当前图像发送给服务器,以及在相似度值小于第一相似度阈值且小于第二相似度阈值时,通过网络通信接口以匹配失败消息将当前图像发送给服务器,且为当前图像分配一个唯一关联的设备目标标识,以及将当前图像存储至第二存储单元。该技术方案中,网络摄像机采集到的图像由自身的处理器进行处理,并根据处理后的结果,有针对性的存储采集的图像,不仅降低了图像对比的难度,提高了对比结果的准确度,而且网络摄像机将图像处理后的结果发送给服务器,无需服务器进行图像对比,解决了由于网络摄像机采集的人脸图像无法在某些后端服务器上成功执行比对或比对结果准确率低的问题。
附图说明
图1是本申请实施例提供的网络摄像机的结构示意图;
图2为图1所示实施例中网络摄像机将拍摄图像存储至第二存储单元的流程示意图;
图3为图1所示实施例中网络摄像机将拍摄图像上传至服务器的一种实现方式示意图;
图4为第二存储单元的属性设置界面图;
图5为第二存储单元中图像删除的一种实现方式示意图;
图6为显示设备展示的第二存储单元中目标图像的详细信息示意图;
图7为显示设备的人机交互界面的设计示意图;
图8为本申请实施提供的视频监控***的结构示意图;
图9为本申请提供的更新摄像机中人脸数据库的方法实施例一的流程示意图;
图10为本申请提供的更新摄像机中人脸数据库的方法实施例二的流程示意图;
图11为本申请提供的摄像机和服务器中人脸数据库关联的方法实施例的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
首先对本申请实施例所涉及的名词和应用场景进行介绍:
摄像机是把光学图像信号转换成电信号,以便于存储、处理或传输。
监控设备可以对接收到图像进行分析、建模等多种操作,实现对网络摄像机所处监控场景的监控工作。
本申请实施例的摄像机可以包括网络摄像机(IP camera,IPC),其是传统摄像机与网络视频技术相结合的新一代产品,摄像机传送来的视频信号数字化后由高效压缩芯片压缩,通过网络总线传送到监控设备,可以在监控设备上对其执行一定的操作。
随着网络摄像技术的迅速发展,视频监控***中网络摄像机的性能越来越强,网络摄像机已经具备一定的特征建模、特征比对等能力,但是现有的视频监控***中还是以后以监控设备的特征建模和特征比对为主,这是因为以网络摄像机进行特征建模时存在如下问题:
首先,基于深度学习多样化的特性,不同版本的特征模型之间的兼容存在较大的难度,在大型视频监控***中,网络摄像机的型号和后端监控设备(例如,服务器)的型号均有多个不同的版本乃至不同的设备之间具有多个不同类型的计算芯片,因而,基于视频监控***中网络摄像机与服务器之间不兼容或兼容性差,致使视频监控***中的模型维护存在一定的困难,所以,处于前端的网络摄像机的建模数据无法被后端的监控设备复用,即使在网络摄像机侧进行了建模处理,后端的监控设备或服务器仍需要重新建模进行对比,无法降低后端监控设备的算力占用。其中,算力是衡量在一定的网络资源消耗下的总计算能力,是处理能力的度量单位。
其次,网络摄像机可以在相机内部建立图像库,但是每个网络摄像机均需要独立的维护一个图像库,在大型视频监控***中,处于后端的监控设备需要针对每个网络摄像机的图像库进行划分和更新迭代,维护的工作量大,难以实现。
示例性的,以网络摄像机所在的实际点位测试结果来看,一个测试点位的大部分算力都在用在特征相同的图像中,这是由于对于某个固定点位,预设时间段内采集到的图像中有较大的部分均为具有相同的特性,这些具有相同特性的图像占用了较多的算力。例如,以某个实际点位测试人脸的情况为例,该点位的大部分算力都在用在频繁出没的一部分人中,比如,两个月所有抓拍到的人脸为2W个不同的人员,而频繁出没的人员只有4000人,这4000人占用了70%以上的算力。
为了解决上述问题,现有技术中采用的方法是网络摄像机采集人脸图像,发送至后端服务器,由后端服务器执行人脸比对,但是由于市面上很多网络摄像机在硬件和软件上存在较大差异,且很多后端服务器在硬件和软加上也存在较大差异,导致网络摄像机采集的人脸图像无法在某些后端服务器上成功执行人脸比对或比对结果准确率低的问题。
针对该问题,本申请实施例提供了一种网络摄像机、视频监控***及方法,其中,该网络摄像机可以应用于视频监控***中,网络摄像机采集到图像之后,一方面将其存储至网络摄像机的一存储单元中,另一方面可以对采集到的图像进行图像之间的相似度分析,将满足相似度条件的图像存储至网络设备摄像的另一个存储单元中,降低了图像对比的难度,提高了对比结果的准确度,此外,网络摄像机还可以将处理后的携带有设备目标标识的某些图像传输至视频监控***后端的服务器,以使服务器可以直接获取图像的处理结果,根据实际需求执行一定的操作,减少了后端服务器的维护工作量,无需服务器再执行图像对比,解决了由于网络摄像机采集的人脸图像无法在某些后端服务器上成功执行比对或比对结果准确率低的问题。
下面以具体的实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1是本申请实施例提供的网络摄像机的结构示意图。如图1所示,本实施例提供的网络摄像机可以包括:图像传感器11、处理器12、存储器13和网络通信接口14。其中,该存储器13包括:第一存储单元131和第二存储单元132。
在本申请的实施例中,该图像传感器11,用于采集监控场景的图像;
该第一存储单元131,用于存储该图像传感器11采集到的所有图像,该第二存储单元132,用于存储图像传感器11采集到的部分图像,该部分图像为上述所有图像的子集。
其中,该处理器12,用于将图像传感器11采集的当前图像与该第二存储单元132中已存储的图像进行匹配,得到表示匹配结果的相似度值,将该相似度值与外界指示的第一相似度阈值、第二相似度阈值进行比较;在该相似度值小于第一相似度阈值但大于第二相似度阈值时,通过网络通信接口14以匹配失败消息将该当前图像发送给服务器,以及在该相似度值小于第一相似度阈值且小于第二相似度阈值时,通过该网络通信接口14以匹配失败消息将该当前图像发送给服务器,且为该当前图像分配一个唯一关联的设备目标标识,并将该当前图像存储至第二存储单元132。
其中,第一相似度阈值大于第二相似度阈值,该当前图像的设备目标标识是基于当前图像被存储至第二存储单元132的时间、网络摄像机的标志号以及随机值生成的。
可选的,匹配失败消息与下述的匹配成功消息可以通过不同协议的字段进行上传,以使服务器可以区别出网络摄像机上传时的匹配结果。
可选的,在本实施例中,网络摄像机通过该图像传感器11采集其所处监控场景的图像,例如,当网络摄像机的镜头恰好定焦到一个人脸时,利用该图像传感器11抓拍包含该人脸的当前图像。一方面,图像传感器11将该当前图像传输至第一存储单元131进行存储,另一方面,该处理器12利用人脸检测技术,通过分析该当前图像中的人脸特征和第二存储单元132中已存储图像的人脸特征,将该当前图像与第二存储单元132中已存储的图像进行匹配,得到匹配结果,该匹配结果包括:该当前图像与上述已存储图像之间的相似度值。
值得说明的是,该相似度值可以包括当前图像与该第二存储单元132中所有已存储图像之间的所有相似度值,也可以指所有相似度值中的最大相似度值,本申请实施例并不对其进行限定,其可以根据实际情况确定。
作为一种示例,处理器12首先将该相似度值与外界指示的第一相似度阈值进行匹配,确定出匹配结果。该第一相似度阈值用于判断当前图像与第二存储单元132中所有图像是否匹配成功。
在本实施例中,若该相似度值小于第一相似度阈值时,则表明第二存储单元132中不存在内容与该当前图像内容一致的图像,这时为了保证网络摄像机与服务器(即,监控视频***中的后端服务器)中存储图像的同步,一方面可以通过网络通信接口14通过匹配失败消息将该当前图像发送给服务器,该匹配失败消息用于指示该当前图像在网络摄像设备中匹配失败,即网络摄像机之前拍摄的图像中不存在内容一致的图像,以便服务器可以执行相应的处理。
另一方面,为了保证第二存储单元132中存储图像的唯一性,这时处理器12还可以将该相似度值与外界指示的第二相似度阈值进行匹配,以判定该当前图像是否满足存储至第二存储单元132的条件。该第二相似度阈值用于判断是否将当前图像存储至第二存储单元132中。在本实施例中,该第一相似度阈值大于第二相似度阈值,即匹配结果为匹配成功时,此时,不会执行将当前图像存储至第二存储单元132的操作,因而,无需执行判断是否将该当前图像存入第二存储单元132,降低了运算工作量。
值得说明的是,在将该当前图像存储至第二存储单元132之前,为了避免相同内容的图像被重复保存,且保证该当前图像在第二存储单元132中的唯一性,则首先为当前图像分配一个唯一关联的设备目标标识,该当前图像的设备目标标识通过基于当前图像被存储至第二存储单元132的时间、网络摄像机的标志号以及随机值生成,不仅能够保证生成的设备目标标识是唯一的,而且可以标识出该当前图像在何时由哪个网络摄像机拍摄的。
在本实施例中,图像的设备目标标识可以用于标志该图像在设备内部的唯一标识,其可以采用64位字符,具体的组成方式可以为设备序列号+存储时间+随机数的方式。本申请并不对设备目标标识的具体组成方式进行限定,其可以根据实际情况确定。
在本实施例中,该处理器12可以通过处理器芯片实现,例如,***级芯片(systemon chip,SOC),也可以通过单片机芯片实现,或者其他具有处理能力的芯片实现。本申请实施例并不对处理器12的具体实现方式进行限定,第可以根据实际情况确定。
需要说明的是,处理器12芯片的图像采集和编码部分不限定为某一特定图像处理单元类型,包含但不限于DSP、FPGA、SOC等。
其中,上述图像传感器11可以利用光电器件的光电转换功能,将感光面上的光像转换为与光像成相应比例关系的电信号。
示例性的,在本实施例中,存储器13例如可以包括双倍速率同步动态随机存储器(double data rate,DDR)和闪存Flash模块,配合处理器使用,可以存储处理器的程序指令或其他数据。上述第一存储单元131和第二存储单元132是通过软件方式对存储器13的存储空间进行划分的结果,因而,本申请实施例中并不限定第一存储单元131和第二存储单元132的存储空间大小,其可以根据实际情况确定。
示例性的,图2为图1所示实施例中网络摄像机将拍摄图像存储至第二存储单元的流程示意图。如图2所示,图像的存储过程包括如下步骤:S21、图像传感器采集到当前图像;S22、处理器判断该当前图像与第二存储单元中的图像的相似度值是否小于外界指示的第一相似度阈值;若否,执行S23、通过网络通信接口以匹配成功消息将该当前图像发送给服务器;若是,执行S24、通过网络通信接口以匹配失败消息将该当前图像发送给服务器,S25、判断该相似度值是否小于外界指示的第二相似度阈值,若是,执行S26、为当前图像分配一个唯一关联的设备目标标识,并将当前图像存储至第二存储单元,若否,执行S27、根据外界指示进行处理。
本申请实施例并不限定上述S27的具体实现原理,其可以基于实际情况确定。
在本申请的实施例中,网络摄像机利用图像传感器采集监控场景的图像,一方面,将采集到的图像存储至存储器的第一存储单元中,另一方面,利用处理器将图像传感器采集的当前图像与存储器的第二存储单元中已存储的图像进行匹配,得到表示匹配结果的相似度值,在相似度值小于外界指示的第一相似度阈值但大于外界指示的第二相似度阈值时,通过网络通信接口以匹配失败消息将当前图像发送给服务器,以及在相似度值小于第一相似度阈值且小于第二相似度阈值时,通过网络通信接口以匹配失败消息将当前图像发送给服务器的同时,还为当前图像分配一个唯一关联的设备目标标识,并将当前图像存储至第二存储单元中。也即,网络摄像机采集到的图像由自身的处理器进行处理,并根据处理后的结果,有针对性的存储采集的图像,降低了图像对比的难度,提高了对比结果的准确度,而且网络摄像机将图像处理后的结果发送给服务器,无需服务器进行图像对比,解决了由于网络摄像机采集的人脸图像无法在某些后端服务器上成功执行比对或比对结果准确率低的问题。
示例性的,在本实施例的一种可能设计中,上述处理器12具体用于在确定相似度值小于第一相似度阈值且小于第二相似度阈值时,获取该当前图像的图像质量,在图像质量大于预设的图像质量时,通过网络通信接口14以匹配失败消息将该当前图像发送给服务器,且为该当前图像分配一个唯一关联的设备目标标识,并将当前图像存储至第二存储单元132。
可选的,在本实施例中,由于图像质量较差时,可能将不同内容的图像误判成相同的图像,因而,为了保证第二存储单元132中存储图像的质量,避免后续相似度判断时出现出错的问题,网络摄像机的处理器12在将当前图像存储至第二存储单元132之前,可以首先做质量判断,在当前图像的图像质量大于预设的图像质量,才将其存储至第二存储单元132,否则,不对其进行存储。
值得说明的是,本申请实施例不对预设的图像质量的具体取值进行限定,其可以根据需求,例如,第二存储单元132的存储空间大小,图像传感器11采集图像的最佳质量等进行确定,此处不再赘述。
本申请实施例中,通过对当前图像进行图像质量判断,可以提高第二存储单元中存储图像的质量,为后续作出准确的相似度判断奠定了基础。
进一步的,在本申请的一种实施例中,该处理器12还用于将相似度值与外界指示的第三相似度阈值进行比较,在相似度值大于第三相似度阈值时,获取当前图像的图像质量,若该图像质量大于当前图像对应匹配图像的图像质量时,利用该当前图像替换第二存储单元132中的匹配图像,并将该匹配图像的设备目标标识作为该当前图像的设备目标标识,其中,第三相似度阈值大于第一相似度阈值。
在本实施例中,在本申请实施例中,处理器12在第一次存储图像时可以将所有满足第二相似度阈值以及预设的图像质量的图像存储至第二存储单元132中,随着时间的推移,当网络摄像机处于光线较好的场景下时,拍摄到的当前图像的图像质量可能大于原有存入第二存储单元132的匹配图像,且当前图像与第二存储单元132中的匹配图像的相似度值大于第三相似度阈值时,为了保证后续迅速、准确的确定出图像匹配结果,这时可以利用该当前图像替换第二存储单元132中的匹配图像。
同时,为了保证上传到服务器的图像的设备目标标识是一致的,避免服务器重复处理,这时将该匹配图像的设备目标标识作为该当前图像的设备目标标识。
示例性的,在本实施例中,当上述第一相似度阈值为85%时,该第三相似度阈值可以为88%、90%等不同的取值,本申请实施例并不对第一相似度阈值和第三相似度阈值的具体取值进行限定,只要满足第三相似度阈值大于第一相似度阈值的条件均可。
本申请实施例的网络摄像机,第二存储单元中的图像具有更新机制,可以进一步降低网络摄像机的处理压力,提高了图像对比结果的准确度。
可选的,在本申请的另一种可能设计中,上述处理器12还用于确定第二存储单元132的当前存储量和第二存储单元132中图像的第一比例,根据当前存储量、第一比例和外界指示的第二存储单132的图像存储上限值,调整该第二相似度阈值,该第一比例用于指示当前存储量对应的目标对象数量与当前存储量的比值。
在本实施例中,第一相似度阈值和第二相似度阈值均可以是自定义的值,其中,该第二相似度阈值可以关联于第二存储单元132的存储量。具体的,处理器12可以基于第二存储单元132的存储量、第二存储单元132中图像的第一比例和外界指示的第二存储单元132的图像存储上限值,动态调整第二相似度阈值,使得该第二存储单元132内存储的图像数量不超过存储上限值。
值得说明的是,在本实施例中,图像的第一比例也可以通过图像的存储重复率、图像的准确率等来表征,第一比例高,表征存储的准确率高,但表征存储的重复率低。例如,第二存储单元132中共存储有100张图像,但该100张图像实际上只对应90个人,那么第一比例为90%,也即,第二存储单元132中存储的图像的重复率为10%。
可选的,在本实施例中,处理器12还用于在当前存储量等于图像存储上限值时,利用当前图像替换第二存储单元中匹配成功次数最少的图像。
在当前图像有被存储至第二存储单元132的需求,但第二存储单元132已存满时,可以通过分析第二存储单元132中每张图像的匹配成功次数,确定出匹配成功次数最低的图像,该匹配成功次数最低的图像可能是被误存储至第二存储单元132的图像或该图像对应的目标在该网络摄像机所处区域不常出现,因而,在第二存储单元132的当前存储量等于图像存储上限值时,为了保证当前图像能够被及时存储,可以利用当前图像替换第二存储单元132中匹配成功次数最少的图像。
示例性的,在本实施例的再一种可能设计中,该处理器12还用于在相似度值大于或等于第一相似度阈值时,确定当前时间为本次匹配成功时间,判断该本次匹配成功时间与最近一次匹配成功时间之间的时间差是否大于或等于预设时间差,若是,通过网络通信接口14以匹配成功消息将当前图像发送给该服务器,并将最近一次匹配成功时间更新为本次匹配成功时间,且对该当前图像对应匹配图像的匹配成功次数加1,若否,舍弃当前图像。
可选的,在本申请的实施例中,若该相似度值大于或等于第一相似度阈值,则表明第二存储单元132中存在内容与该当前图像内容一致的图像,这时为了避免内容的重复上传,判断本次匹配成功时间与最近一次匹配成功时间之间的时间差满足预设的时间关系。
作为一种示例,若本次匹配成功时间与最近一次匹配成功时间之间的时间差大于或等于预设时间差,则表明图像传感器11没有在预设的时间段内重复采样,此时,一方面处理器12可以将该当前图像上传至服务器,具体的,可以通过网络通信接口14以匹配成功消息发送给该服务器,该匹配成功消息用于指示该当前图像在网络摄像设备中匹配成功,即网络摄像机之前拍摄的图像中存在内容一致的图像,其可以表明网络摄像机之前已经上传过该当前图像;另一方面处理器12在网络摄像机处还可以对第二存储单元132中当前图像对应匹配图像的匹配成功次数加1,以表明该当前图像的内容是经常采集到的内容。
作为另一种示例,若本次匹配成功时间与最近一次匹配成功时间之间的时间差小于预设时间差,则表明图像传感器11在预设的时间段内重复采样,这时可以不对当前图像进行处理,或者直接将其舍弃。
示例性的,在本实施例中,上述预设时间差可以为5s、8s、10s等不同的取值,预设时间差的精度可以为0.1s等,对于预设时间差和精度的具体取值可以根据实际情况确定,此处不再赘述。
示例性的,图3为图1所示实施例中网络摄像机将拍摄图像上传至服务器的一种实现方式示意图。如图3所示,该实现方式可以包括如下步骤:S31、图像传感器采集到当前图像;S32、处理器判断该当前图像与第二存储单元中的图像的相似度值是否小于外界指示的第一相似度阈值;若是,执行S33、通过网络通信接口以匹配失败消息将该当前图像发送给服务器;若否,执行S34、确定当前时间为本次匹配成功时间,S35、判断本次匹配成功时间与最近一次匹配成功时间之间的时间差是否大于或等于预设时间差,若否,执行S36、舍弃当前图像;若是,执行S37、通过网络通信接口以匹配成功消息将当前图像发送给服务器,S38、将最近一次匹配成功时间更新为本次匹配成功时间,且对当前图像对应匹配图像的匹配成功次数加1。
在本实施例中,在相似度值大于或等于第一相似度阈值时,通过将本次匹配成功时间与最近一次匹配成功时间之间的时间差和预设时间差进行对比,可以避免图像重复上传服务器,降低了服务器的处理负担,提高了视频监控***的稳定性。
可选的,在上述实施例的基础中,上述处理器12还用于周期性获取第二存储单元132中每个图像在预设时间段内的匹配成功次数,保留匹配成功次数大于或等于外界指示的匹配成功次数阈值的图像,删除匹配成功次数小于外界指示的匹配成功次数阈值的图像。
在本实施例中,网络摄像机还具有定期删除第二存储单元132中图像的功能,以保证第二存储单元132中存储的图像是经常使用的。
具体的,图像的添加和删除针对第二存储单元132的属性设置,这个功能可以和通常情况下存储单元的管理完全兼容,其可以通过人机交互界面接收用户指定的属性值。
例如,图4为第二存储单元的属性设置界面图。如图4所示,在本实施例中,该第二存储单元的信息具体可以如下:
名称:第二存储单元1,第一相似度阈值(也即,匹配成功阈值):85%,备注信息:无;
图像存储设置:
开启入库是否开启,第二相似度阈值(即,入库相似度阈值):70%,图像质量阈值:60%;
清理设置:
判断周期:天,统计周期:2,月,最小匹配成功次数:2。
本申请实施例并不限定上述各参数的具体取值,其可以根据需求设定,上述给出的只是一种示例。
示例性的,图5为第二存储单元中图像删除的一种实现方式示意图。如图4所示,该实现方式可以包括如下步骤:S51、开启自动删除;S52、处理器周期性获取第二存储单元中每个图像在预设时间段内的匹配成功次数;S53、对于第二存储单元中每个图像,判断该图像的匹配成功次数是否大于或等于外界指示的匹配成功次数阈值;若是,执行S54、保留该图像;若否,执行S55、删除该图像。
在本实施例中,通过定期删除第二存储单元中匹配成功次数小于外界指示的匹配成功次数阈值的图像,可以保证第二存储单元中有足够的空间存储新添加的图像,提高了网络摄像机的自动化能力,提高了设备竞争力。
示例性的,在本申请实施例的又一种可能设计中,上述处理器12还用于响应于外界的图像排序指示,根据该图像排序指示对第二存储单元132中的图像进行排序,得到排序结果,该图像排序指示用于指示对第二存储单元132中的图像的排序方式,该排序方式包括如下任意一种:匹配成功次数、匹配成功时间、存储时间。
在本实施例中,该处理器12可以基于外界的图像排序指示对第二存储单元132中的图像进行排序,得到排序结果,这样处理器12可以将该排序结果传输至与该网络摄像机连接的显示设备,以使该显示设备呈现上述排序结果。
示例性的,该显示设备可以具有人机交互界面,该人机交互界面是可以被用户操控的,即用户可以通过该人机交互界面输入或发出图像排序指示,以指示第二存储单元132中的图像可以以何种排序方式进行展示。
示例性的,由于第二存储单元132中每个图像的设备目标标识是由图像被存储至第二存储单元132的时间、网络摄像机的标志号以及随机值生成的,且处理器12对每个图像的匹配成功次数、每次匹配成功的时间等信息进行了记录,所以,该网络摄像机至少可以提供匹配成功次数、匹配成功时间、存储时间等中的任意一种进行排序。
值得说明的是,本申请实施例并不限定具体的排序方式,其还可以基于图像质量等进行排序,关于具体的排序方式可以根据实际情况确定,此处不再赘述。
示例性的,在本实施例中,上述处理器12还用于响应于外界发出的针对目标图像的展示指示,基于该展示指示,从第一存储单元131中获取与该目标图像之间的相似度大于第一相似度阈值的多张相似图像,以对该目标图像和多张相似图像进行展示。
在本实施例中,处理器12可以对图像传感器11拍摄到的所有图像进行存储后,由于第二存储单元132中存储的图像为第一存储单元131中存储的图像的子集,具体的,第一存储单元131中存储的是拍摄到的所有图像,第二存储单元132中存储的是上述所有图像中满足第二相似度阈值的图像,因而,第一存储单元131中的图像与第二存储单元132中的图像具有一定的对应关系,例如,第一存储单元131中的图像可以携带匹配图像的标识,且具有匹配成功的时间,该匹配图像为第二存储单元132中的图像,因而,当用户发出展示指示时,处理器12可以响应于该展示指示,并基于展示指示中的目标图像的标识,从第一存储空间中获取预设数量的相似图像,以实现对目标图像和多张相似图像的展示。
示例性的,由于网络摄像机与显示设备连接,因而,该显示设备可以显示网络摄像机中第一存储单元和/或第二存储单元中的图像。
可选的,显示设备具有人机交互界面,这样显示设备的人机交互界面呈现第二存储单元132中的图像时,用户通过该人机交互界面点击第二存储单元132中的某个图像,该人机交互界面上可以呈现出该图像的详细信息。图6为显示设备展示的第二存储单元中目标图像的详细信息示意图。如图6所示,显示设备的人机交互界面可以包括预览、回收(即,删除)、图片、应用、配置等功能选项,例如,对于应用选项,在第二存储单元展示界面上,具有筛选条件等,对于选中的一个图像,该人机交互界面还可以呈现该图像的详细信息,即图像详情。例如,图像属性,可以包括图像对应人员的姓名、性别、省份、城市、第二相似度阈值、存储时间、匹配成功总次数等信息,拍摄记录可以包括:匹配时间、相识度、图像质量等。
值得说明的是,本申请实施例并不限定显示设备的人机交互界面上显示的具体内容,其可以根据具体设置确定,此处不再赘述。
示例性的,图7为显示设备的人机交互界面的设计示意图。如图7所示,在本实施例中,在本实施例中,该人机交互界面可以划分为多个区域,例如,预览区域、匹配结果、抓拍展示、分析区域、第二存储单元、已删除图像展示等。关于各区域的具体分布详见图7所示,此处不再赘述。
本申请实施例提供的网络摄像机可以对在所处监控场景拍摄的图像进行处理,自动维护第二存储单元中的图像,减少了反复处理的过程,提高了网络摄像机的自动化程度,提高了图像对比结果的准确率,同时,网络摄像机可以为生成的每个图像分配一个唯一关联的设备目标标识,并且传输至服务器的图像也携带有设备目标标识,这样无需服务器进行图像匹配也可得到准确的图像对比结果,解决了网络摄像机采集的图像无法在某些后端服务器上成功执行比对或比对结果准确率低的问题,同时,本申请的技术方案还提高与后端服务器的兼容度,分担了服务器的计算压力,提高视频监控***的稳定性。
进一步的,本申请还提供了一种视频监控***。图8为本申请实施提供的视频监控***的结构示意图。如图8所示,该视频监控***可以包括:至少一个网络摄像机(例如,网络摄像机81至网络摄像机8n,其中,n为正整数)和服务器82,每个网络摄像机和服务器82通过网络建立通信连接。
上述至少一个网络摄像机中的任意一个网络摄像机可以具有相同的配置,每个网络摄像机的实现原理类似,本实施例以上述至少一个网络摄像机中的一个网络摄像机81进行解释说明。
如图8所示,该网络摄像机81包括:图像传感器811、第一处理器812、第一存储器813和第一网络通信接口814,该第一存储器813包括:第一存储单元8131和第二存储单元8132。
其中,该图像传感器811,用于采集监控场景的图像;
该第一存储单元8131,用于存储所述图像传感器811采集到的所有图像,该第二存储单元8132,用于存储所述图像传感器811采集到的部分图像,该部分图像为所有图像的子集;
该第一处理器812,用于执行:
将所述图像传感器811采集到的当前图像与所述第二存储单元8132中已存储的图像进行匹配,得到表示匹配结果的相似度值,将所述相似度值与外界指示的第一相似度阈值、第二相似度阈值进行比较,在所述相似度值小于第一相似度阈值但大于第二相似度阈值时,通过第一网络通信接口814以匹配失败消息将所述当前图像发送给服务器82,以及在相似度值小于第一相似度阈值且小于第二相似度阈值时,通过第一网络通信接口814以匹配失败消息将当前图像发送给服务器82,且为当前图像分配一个唯一关联的设备目标标识,并将所述当前图像存储至第二存储单元8132。
其中,所述第一相似度阈值大于所述第二相似度阈值,所述当前图像的设备目标标识是基于所述当前图像被存储至所述第二存储单元8132的时间、网络摄像机81的标志号以及随机值生成的。
关于该网络摄像机81以及其他网络摄像机的具体组成以及各部件的具体实现原理,可以参见上述图1至图7所示的记载,此处不再赘述。
如图8所示,该服务器82包括:第二网络通信接口821、第二处理器822和第二存储器823。
其中,该第二处理器822,用于通过第二网络通信接口821接收网路摄像设备发送的匹配失败消息,判断第二存储器823是否存在与当前图像的设备目标标识一致的图像,若否,为当前图像分配一个唯一关联的平台目标标识,并建立该设备目标标识与匹配失败的对应关系,以及存储该平台目标标识和该对应关系;若是,获取该当前图像在所述第二存储器823中的平台目标标识,建立所述设备目标标识与所述平台目标标识的映射关系,将所述当前图像和所述映射关系存储至所述第二存储器823。
在本实施例中,服务器82可以通过第二网络通信接口821接收多个网络摄像机发送的图像,本实施例以接收上述网络摄像机81发送的图像进行解释说明。
示例性的,当网络摄像机81的第一处理器812通过第一网络通信接口814以匹配失败消息向服务器82发送图像传感器811采集到的当前图像时,相应的,服务器82或通过第二网络通信接口821接收该当前图像。
在本实施例中,由于服务器82接收到的当前图像是以匹配失败消息发送的,那么该服务器82的第二处理器822可以确定该网络摄像机之前可能没有发送过该当前图像的匹配图像,但是为了避免当前图像的匹配图像被遗漏记录,第二处理器822可以对该当前图像进行相似度匹配,判断该服务器82中是否存储有该当前图像的匹配图像,也即,判断第二存储器823是否存在与当前图像的设备目标标识一致的图像,并根据判断结果执行相应的处理。
作为一种示例,若第二存储器823不存在与当前图像的设备目标标识一致的图像,则建立该设备目标标识与匹配失败的对应关系,以记载该当前图像的内容未记载在服务器82中,从而做出标示,以便相关人员在后续进行处理。
作为另一种示例,若第二存储器823存在与当前图像的设备目标标识一致的图像,则获取该当前图像对应匹配图像在第二存储器823中的平台目标标识,建立该设备目标标识与平台目标标识的映射关系,将并且将该映射关系存储至第二存储器823。
在本实施例中,虽然第二存储器823中存在该当前图像的匹配图像,但是其并没有记载该匹配图像与该当前图像之间的对应关系,因而,第二处理器822可以首先获取该匹配图像在第二存储器823中的平台目标标识,建立并存储该当前图像的设备目标标识与平台目标标识之间的映射关系,以便网络摄像机再次上传该当前图像的匹配图像时,可以直接获取两者之间的映射关系,以直接映射到前次的分析结果,减少了服务器82的处理任务,降低了服务器82的处理负担。
可选的,本实施例中的平台目标标识可以是该图像的内容在服务器中的详细信息,例如,人脸图像中人脸对应人员的实际身份信息,例如,身份标识等信息。本申请并不对平台目标标识的具有内容进行限定,其可以根据实际需求设定。
示例性的,在本申请的一种可能设计中,若第一处理器812,还用于在相似度值大于或等于第一相似度阈值时,通过该第一网络通信接口814以匹配成功消息将当前图像发送给所述服务器82;
相应的,第二处理器822,还用于通过第二网络通信接口821接收网路摄像设备发送的匹配成功消息,获取该当前图像对应匹配图像在第二存储器823中的平台目标标识,将该平台目标标识的分析结果作为当前图像的分析结果。
在本实施例中,若服务器82接收到的当前图像是以匹配成功消息发送的,那么该服务器82的第二处理器822可以确定该网络摄像机之前可能发送过该当前图像的匹配图像,则直接获取该当前图像对应匹配图像在第二存储器823中的平台目标标识,将该平台目标标识的分析结果作为当前图像的分析结果,无需再次对当前图像进行分析,减少了服务器82端的算力占用,减少了服务器82的处理任务,降低了服务器82的处理负担。
进一步的,在上述实施例的基础上,第二处理器822,还用于通过第二网络通信接口821将该当前图像的平台目标标识发送给网络摄像机;
相应的,第一处理器812还用于通过第一网络通信接口814接收该当前图像的平台目标标识,并在该图像传感器811获取到的图像与第二存储单元8132中已存储的图像的相似度值大于或等于第一相似度阈值时,将该平台目标标识作为图像的设备目标标识发送给服务器82;
相应的,该第二处理器822,还用于直接根据接收到的图像的平台目标标识,获取该图像的分析结果。
在本实施例中,当第一处理器812以匹配成功消息上传当前图像时,表明网络摄像机的第二存储单元8132中存储有该当前图像的匹配图像,这时第二处理器822可以将获取到与该当前图像的平台目标标识发送给网络摄像机。
网络摄像机接收到该平台目标标识后,一方面可以将平台目标标识直接作为当前图像对应匹配图像的设备目标标识,这样网络摄像机再次上传匹配成功的图像时可以以该平台目标标识作为设备目标标识发送给服务器82,这样服务器82的第二处理器822可以直接该平台目标标识直接获取图像的分析结果,无需获取与设备目标标识具有映射关系的平台目标标识,减少了映射关系查找的工作量。
另一方面,网络摄像机可以保持将平台目标标识与设备目标标识的映射关系,当采集到的图像匹配成功时,可以首先确定出平台目标标识再将平台目标标识上传,同样可以减少服务器82的映射关系查找的工作量,减低了服务器82的处理负担。
本申请实施例并不限定上述两种方式,其可以根据实际情况确定,此处不再赘述。
本申请实施例提供的视频监控***,网络摄像机可以对当前点位的第二存储单元中的图像进行自维护,针对当前点位通过长期的积累形成一个点位特有的第二存储单元,在后端服务器形成一个设备中图像的设备目标标识和后端大型存储器中图像的平台目标标识的映射关系,一旦匹配成功,则服务器不需要再次进行匹配,而是将网络摄像机中匹配成功的图像的设备目标标识直接进行映射,不仅减少了处理压力,同时规避了前端网络摄像机和服务器不兼容和第二存储单元中图像维护困难的问题,
在实际测试中,以采集的图像为人脸图像进行说明,一个点位的经过的行人,在长期的统计学来看,是相对稳定的,长时间频繁出现的人员占总体人员的60%以上,因而,本申请实施例提供的网络摄像机和视频监控***可以至少减少后端服务器60%的算力,提高***稳定性。同时,本申请实施例的网络摄像机和视频监控***也可以广泛应用到人脸客流过滤等,减少重复抓拍等应用和逻辑中,实现原理类似,此处不再赘述。
示例性的,在本申请的另一种示例性中,图9为本申请提供的更新摄像机中人脸数据库的方法实施例一的流程示意图。如图9所示,在本实施例中,该方法可以包括如下步骤:
S91:响应于一个人脸抓拍指令,获取一个人脸抓拍图像。
在本实施例中,摄像机可以在外界的触发作用下执行人脸图像采集操作。示例性的,该摄像机可以获取外界指示的人脸抓拍指令,根据该人脸抓拍指令,利用摄像机的图像传感器采集人脸图像,相应的,摄像机的处理器对获取到的至少一个人脸抓拍图像进行处理。
S92:根据摄像机本地存储的人脸数据库,匹配该人脸抓拍图像和人脸数据库中任一人脸图像,计算该人脸抓拍图像的相似度值。
其中,该人脸数据库中存储着至少两个人脸图像,且每个人脸图像唯一对应着一个标识号;其中,该标识号用于指示其对应的人脸图像存储至人脸数据库的时间;且标识号对应着一个频次数值,该频次数值用于指示标识号对应的人脸图像发生匹配成功的次数。
示例性的,该标识号包括摄像机的序列标识号、随机值和对应的人脸图像存储至该人脸数据库的时间。
在本实施例中,摄像机本地维护着一个人脸数据库,该人脸数据库中存储了该摄像机抓拍到的部分图像。通常情况下,该人脸数据库中的至少两个人脸图像通过采集不同用户的人脸得到。具体的,每个人脸图像唯一对应着一个标识号、一个频次数值。
因而,当摄像机获取到一个新的人脸抓拍图像时,可以将该人脸抓拍图像与本地的人脸数据库中的人脸图像进行匹配,确定出人脸抓拍图像的相似度值,以确定是否需要对该人脸数据库进行更新。
S93:在该人脸抓拍图像的相似度值大于第一阈值时,确定匹配成功,且获取该人脸数据库中与人脸抓拍图像相似度值最高的人脸图像、该人脸图像对应的第一标识号以及该第一标识号对应的频次数值。
在本实施例中,当确定人脸抓拍图像的相似度值大于第一阈值时,表明该人脸数据库中存在与该人脸抓拍图像内容基本一致的人脸图像,因而,为了避免相同内容的图像被重复存储,则需要确定出该人脸数据库中与该人脸抓拍图像相似度值最高的人脸图像,相应的,确定出该相似度值最高的人脸图像对应的第一标识号以及该第一标识号对应的频次数值。
进一步的,在本申请的实施例中,在获取第一标识号后,该方法还包括:将该人脸抓拍图像和第一标识号发送至服务器。
通过将人脸抓拍图像和第一标识号共同发送至服务器,使得服务器可以根据该标识号确定出之前对该人脸抓拍图像对应匹配图像的处理结果,简化了服务器的处理操作。
S94:在该第一标识号对应的频次数值小于预设阈值时,删除摄像机中人脸数据库中第一标识号对应的人脸图像,更新该摄像机中人脸数据库。
在本实施例中,频次数值对应的预设阈值可以用于指示人脸图像是否允许被存储在人脸数据库的判定条件。当第一标识号对应的频次数值小于预设阈值时,表明该人脸图像可能是被误存储至人脸数据库的图像或该图像对应的目标在该摄像机所处区域不常出现,这时可以将摄像机中人脸数据库中第一标识号对应的人脸图像删除,更新该摄像机中人脸数据库,从而保证该人脸数据库中存储图像的高准确率。
可选的,在本实施例的一种可能设计中,在S94之前,该方法还可以先执行如下操作,再执行S94。也即,在S93之后,对上述第一标识号对应的频次数值做加1运算,并记录运算后的频次数值,从而实现对第一标识号对应频次数值的更新。
相应的,该S94可以替换为如下步骤:
在运算后的频次数值小于预设阈值时,删除该摄像机中人脸数据库中第一标识号对应的人脸图像。
将运算后的频次数值与预设阈值进行比较,有利于提高判定人类数据库中存储图像是否准确的准确度。
本申请实施例提供的方法,通过响应于一个人脸抓拍指令,获取一个人脸抓拍图像,根据摄像机本地存储的人脸数据库,匹配人脸抓拍图像和人脸数据库中任一人脸图像,计算人脸抓拍图像的相似度值;在人脸抓拍图像的相似度值大于第一阈值时,确定匹配成功,且获取人脸数据库中与人脸抓拍图像相似度值最高的人脸图像、人脸图像对应的第一标识号以及第一标识号对应的频次数值;在第一标识号对应的频次数值小于预设阈值时,删除摄像机中人脸数据库中第一标识号对应的人脸图像,更新该摄像机中人脸数据库,保证了人脸数据库中存储图像的准确度,提高了图像对比结果的准确率。
示例性的,在上述实施例的基础上,图10为本申请提供的更新摄像机中人脸数据库的方法实施例二的流程示意图。如图10所示,在本实施例中,该方法还可以包括如下步骤:
S101:在人脸抓拍图像的相似度值小于第一阈值时,判断人脸抓拍图像的相似度值是否小于第二阈值,若是,执行步骤S102,若否,执行步骤S103。
可以理解的是,该S101可以位于上述S92之后执行,也即,在人脸抓拍图像的相似度值小于第一阈值时,再比较人脸抓拍图像的相似度值和第二阈值的大小,在根据对比结果执行相应的操作。
S102:将该人脸抓拍图像存储至摄像机中人脸数据库,记录该人脸抓拍图像存储至摄像机中人脸数据库的时间,为该人脸抓拍图像分配一个唯一标识号。
其中,该第二阈值小于或等于第一阈值。
在本实施例中,在人脸抓拍图像的相似度值小于第二阈值时,表明人脸数据库中不存在内容与该人脸抓拍图像内容一致的图像,这时可以人脸抓拍图像存储至摄像机中人脸数据库。此外,为了便于后续对该人脸数据库的维护,还可以记录该人脸抓拍图像存储至摄像机中人脸数据库的时间,并为该人脸抓拍图像分配一个唯一标识号,用以标识该人脸抓拍图像。
S103:不将所述人脸抓拍图像存储至所述摄像机中人脸数据库,但将该人脸抓拍图像发送至服务器。
在本实施例中,在人脸抓拍图像的相似度值大于或等于第二阈值时,表明人脸数据库中已经存在内容与该人脸抓拍图像内容一致的图像,为了避免人脸图像的重复存储,则不将人脸抓拍图像存储至摄像机中人脸数据库,但将会人脸抓拍图像发送至服务器,以使服务器对该人脸抓拍图像执行相应的处理。
本申请实施例的方法,在人脸抓拍图像的相似度值小于第一阈值时,比较人脸抓拍图像的相似度值和第二阈值,在人脸抓拍图像的相似度值小于第二阈值时,将人脸抓拍图像存储至摄像机中人脸数据库,记录人脸抓拍图像存储至摄像机中人脸数据库的时间,为该人脸抓拍图像分配一个唯一的标识号。也即,利用标识号可以准确的标识出存储至人脸数据库中的每个人脸图像的时间、所在的摄像机,简化了后续服务器中图像匹配的流程,提高了服务器的处理效率,避免了可能出现的由于网络摄像机采集的人脸图像无法在某些后端服务器上成功执行比对或比对结果准确率低的问题。
进一步的,在本申请的实施例中,该方法还可以包括如下步骤:
周期性获取摄像机中人脸数据库中所有人脸图像对应的频次数值;
对于小于预设频次数值的人脸图像进行删除,更新该摄像机中的人脸数据库。
在本实施例中,通过周期性获取摄像机中人脸数据库中所有人脸图像对应的频次数值,并将小于预设频次数值的人脸图像进行删除,可以保证人脸数据库中有足够的空间存储新添加的图像,提高了摄像机的自动化能力,提高了设备竞争力。
进一步的,在本申请的实施例中,该方法还可以包括:
响应于接收到的关于人脸数据库的显示指令,生成一个数据包,该数据包用于显示人脸数据库中与该显示指令对应的人脸图像。
在本实施例中,摄像机还可以获取外界发出的关于该人脸数据库的显示指令,基于该显示指令对人脸数据库中的图像进行排序、统计等处理,生成一个数据包,这样摄像机可以将该数据包传输至与该摄像机连接的显示设备,以使该显示设备显示人脸数据库中与该显示指令对应的人脸图像。
本申请实施例提供的更新摄像机中人脸数据库的方法,摄像机可以自动维护和更新本地的人脸数据库,减少了图像反复处理的过程,提高了摄像机的自动化程度,提高了图像对比结果的准确率,同时,摄像机可以为每个人脸图像分配唯一对应着一个标识号,并且传输至服务器的图像也携带有标识号,这样无需服务器进行图像匹配也可得到准确的图像对比结果,解决了摄像机采集的图像无法在某些后端服务器上成功执行比对或比对结果准确率低的问题,同时,本申请的技术方案还提高与后端服务器的兼容度,分担了服务器的计算压力,提高视频监控***的稳定性。
值得说明的是,本实施例中的摄像机也即上述实施例中的网络摄像机,本申请中的人脸数据库也即上述实施例中存储器的第二存储单元,关于本实施例中未详尽的描述均可以参见上述实施例中的记载,此处不再赘述。
示例性的,在本申请的再一种示例性中,图11为本申请提供的摄像机和服务器中人脸数据库关联的方法实施例的流程示意图。如图11所示,在本实施例中,该方法可以包括如下步骤:
S111:摄像机响应于一个人脸抓拍指令,获取一个人脸抓拍图像。
S112:摄像机根据摄像机本地存储的人脸数据库,匹配该人脸抓拍图像和人脸数据库中任一人脸图像,计算该人脸抓拍图像的相似度值。
其中,该人脸数据库中存储着至少两个人脸图像,且每个人脸图像唯一对应着一个标识号;其中,该标识号用于指示其对应的人脸图像存储至摄像机中人脸数据库的时间;且标识号对应着一个频次数值,该频次数值用于指示标识号对应的人脸图像发生匹配成功的次数。
S113:摄像机在该人脸抓拍图像的相似度值大于第一阈值时,确定匹配成功,且获取该人脸数据库中与所述人脸抓拍图像相似度值最高的人脸图像和所述人脸图像对应的第一标识号;
S114:摄像机将第一标识号和人脸抓拍图像发送至服务器;
S115:服务器根据接收到的所述第一标识号,响应于该第一标识号为首次接收到,则将该人脸抓拍图像与服务器中人脸数据库进行比对。
其中,该服务器中人脸数据库中的每个人脸图像唯一对应一个第二标识号;
S116:服务器在该人脸抓拍图像与服务器中人脸图像比对成功后,获取与人脸抓拍图像相似度值最高的所述服务器中人脸图像和对应的第二标识号。
S117:服务器创建该第一标识号与第二标识号的关联关系,该关联关系用于关联该摄像机中人脸数据库与服务器中人脸数据库。
本申请的实施例,摄像机获取一个人脸抓拍图像后,根据摄像机本地存储的人脸数据库,匹配该人脸抓拍图像和人脸数据库中任一人脸图像,计算该人脸抓拍图像的相似度值,在该人脸抓拍图像的相似度值大于第一阈值时,确定匹配成功且获取该人脸数据库中与人脸抓拍图像相似度值最高的人脸图像和人脸图像对应的第一标识号,以及将第一标识号和人脸抓拍图像发送至服务器,相应的,服务器根据接收到的第一标识号,响应于第一标识号为首次接收到,则将该人脸抓拍图像与所述服务器中人脸数据库进行比对,在该人脸抓拍图像与服务器中人脸图像比对成功后,获取与人脸抓拍图像相似度值最高的服务器中人脸图像和对应的第二标识号,创建该第一标识号与第二标识号的关联关系,该关联关系用于关联该摄像机中人脸数据库与服务器中人脸数据库。这样实现了摄像机和服务器中人脸数据库的关联,摄像机执行图像匹配操作后,再将结果传输至服务器,无需服务器再次执行,不仅提高了图像对比结果的准确度,而且解决了由于摄像机采集的图像无法在某些后端服务器上成功执行比对或比对结果准确率低的问题。
可以理解的是,本实施例中某些步骤的具体实现可以参见上述任一实施例中的记载,关于本实施例中未详尽的描述均可以参见上述实施例中的记载,此处不再赘述。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系;在公式中,字符“/”,表示前后关联对象是一种“相除”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中,a,b,c可以是单个,也可以是多个。
可以理解的是,在本申请的实施例中涉及的各种数字编号仅为描述方便进行的区分,并不用来限制本申请的实施例的范围。
可以理解的是,在本申请的实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请的实施例的实施过程构成任何限定。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (18)
1.一种网络摄像机,其特征在于,包括:图像传感器、处理器、存储器和网络通信接口;所述存储器包括:第一存储单元和第二存储单元;
所述图像传感器,用于采集监控场景的图像;
所述第一存储单元,用于存储所述图像传感器采集到的所有图像,所述第二存储单元,用于存储所述图像传感器采集到的部分图像,所述部分图像为所述所有图像的子集;
所述处理器,用于执行:
将所述图像传感器采集的当前图像与所述第二存储单元中已存储的图像进行匹配,得到表示匹配结果的相似度值,将所述相似度值与外界指示的第一相似度阈值、第二相似度阈值进行比较;
在所述相似度值小于所述第一相似度阈值但大于所述第二相似度阈值时,通过所述网络通信接口以匹配失败消息将所述当前图像发送给所述服务器;
在所述相似度值小于所述第一相似度阈值且小于所述第二相似度阈值时,通过所述网络通信接口以匹配失败消息将所述当前图像发送给服务器,且为所述当前图像分配一个唯一关联的设备目标标识,并将所述当前图像存储至所述第二存储单元;
其中,所述第一相似度阈值大于所述第二相似度阈值,所述设备目标标识是基于所述当前图像被存储至所述第二存储单元的时间、所述网络摄像机的标志号以及随机值生成的。
2.根据权利要求1所述的网络摄像机,其特征在于,所述处理器具体用于在所述相似度值小于所述第一相似度阈值且小于所述第二相似度阈值时,获取所述当前图像的图像质量,在所述图像质量大于预设的图像质量时,通过所述网络通信接口以匹配失败消息将所述当前图像发送给服务器,且为所述当前图像分配一个唯一关联的设备目标标识,并将所述当前图像存储至所述第二存储单元。
3.根据权利要求1所述的网络摄像机,其特征在于,所述处理器还用于将所述相似度值与外界指示的第三相似度阈值进行比较,在所述相似度值大于所述第三相似度阈值时,获取所述当前图像的图像质量,若所述图像质量大于所述当前图像对应匹配图像的图像质量时,利用所述当前图像替换所述第二存储单元中的所述匹配图像,并将所述匹配图像的设备目标标识作为所述当前图像的设备目标标识,所述第三相似度阈值大于所述第一相似度阈值。
4.根据权利要求1所述的网络摄像机,其特征在于,所述处理器还用于确定所述第二存储单元的当前存储量和所述第二存储单元中图像的第一比例,根据所述当前存储量、所述第一比例和外界指示的所述第二存储单元的图像存储上限值,调整所述第二相似度阈值,所述第一比例用于指示所述当前存储量对应的目标对象数量与所述当前存储量的比值;
所述处理器还用于在所述当前存储量等于所述图像存储上限值时,利用所述当前图像替换所述第二存储单元中匹配成功次数最少的图像。
5.根据权利要求1所述的网络摄像机,其特征在于,所述处理器还用于在所述相似度值大于或等于所述第一相似度阈值时,确定当前时间为本次匹配成功时间,判断所述本次匹配成功时间与最近一次匹配成功时间之间的时间差是否大于或等于预设时间差,若是,通过所述网络通信接口以匹配成功消息将所述当前图像发送给所述服务器,并将所述最近一次匹配成功时间更新为所述本次匹配成功时间,且对所述当前图像对应匹配图像的匹配成功次数加1。
6.根据权利要求5所述的网络摄像机,其特征在于,所述处理器还用于周期性获取所述第二存储单元中每个图像在预设时间段内的匹配成功次数,保留匹配成功次数大于或等于外界指示的匹配成功次数阈值的图像,删除匹配成功次数小于外界指示的匹配成功次数阈值的图像。
7.根据权利要求1-6任一项所述的网络摄像机,其特征在于,所述处理器还用于响应于外界的图像排序指示,根据所述图像排序指示对所述第二存储单元中的图像进行排序,得到排序结果,所述图像排序指示用于指示对所述第二存储单元中的图像的排序方式,所述排序方式包括如下任意一种:匹配成功次数、匹配成功时间、存储时间。
8.根据权利要求7所述的网络摄像机,其特征在于,所述处理器还用于响应于外界发出的针对目标图像的展示指示,基于所述展示指示,从所述第一存储单元中获取与所述目标图像之间的相似度大于所述第一相似度阈值的多张相似图像,以对所述目标图像和所述多张相似图像进行展示。
9.一种视频监控***,其特征在于,包括:至少一个网络摄像机和服务器,每个网络摄像机和所述服务器通过网络建立通信连接;
对于所述至少一个网络设备中的任意一个网络摄像机,所述网络摄像机包括:图像传感器、第一处理器、第一存储器和第一网络通信接口,所述第一存储器包括:第一存储单元和第二存储单元;
所述图像传感器,用于采集监控场景的图像;
所述第一存储单元,用于存储所述图像传感器采集到的所有图像,所述第二存储单元,用于存储所述图像传感器采集到的部分图像,所述部分图像为所述所有图像的子集;
所述第一处理器,用于执行:
将所述图像传感器采集到的当前图像与所述第二存储单元中已存储的图像进行匹配,得到表示匹配结果的相似度值,将所述相似度值与外界指示的第一相似度阈值、第二相似度阈值进行比较,在所述相似度值小于所述第一相似度阈值但大于所述第二相似度阈值时,通过所述第一网络通信接口以匹配失败消息将所述当前图像发送给所述服务器,以及在所述相似度值小于所述第一相似度阈值且小于所述第二相似度阈值时,通过所述网络通信接口以匹配失败消息将所述当前图像发送给服务器,且为所述当前图像分配一个唯一关联的设备目标标识,并将所述当前图像存储至所述第二存储单元,其中,所述第一相似度阈值大于所述第二相似度阈值,所述设备目标标识是基于所述当前图像被存储至所述第二存储单元的时间、所述网络摄像机的标志号以及随机值生成的;
其中,所述服务器包括:第二网络通信接口、第二处理器和第二存储器;
所述第二处理器,用于通过所述第二网络通信接口接收所述网路摄像设备发送的匹配失败消息,判断所述第二存储器是否存在与所述当前图像的设备目标标识一致的图像,若否,为所述当前图像分配一个唯一关联的平台目标标识,并建立所述设备目标标识与匹配失败的对应关系,以及存储所述平台目标标识和所述对应关系;若是,获取所述当前图像对应匹配图像在所述第二存储器中的平台目标标识,建立所述设备目标标识与所述平台目标标识的映射关系,将所述映射关系存储至所述第二存储器。
10.一种更新摄像机中人脸数据库的方法,其特征在于,包括:
响应于一个人脸抓拍指令,获取一个人脸抓拍图像;
根据所述摄像机本地存储的人脸数据库,匹配所述人脸抓拍图像和所述人脸数据库中任一人脸图像,计算所述人脸抓拍图像的相似度值;其中,所述人脸数据库中存储着至少两个人脸图像,且每个人脸图像唯一对应着一个标识号;其中,所述标识号用于指示其对应的人脸图像存储至所述人脸数据库的时间;且所述标识号对应着一个频次数值,所述频次数值用于指示所述标识号对应的人脸图像发生匹配成功的次数;
在所述人脸抓拍图像的相似度值大于第一阈值时,确定匹配成功,且获取所述人脸数据库中与所述人脸抓拍图像相似度值最高的人脸图像、所述人脸图像对应的第一标识号以及所述第一标识号对应的频次数值;
在所述第一标识号对应的频次数值小于预设阈值时,删除所述摄像机中人脸数据库中所述第一标识号对应的人脸图像,更新所述摄像机中人脸数据库。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
在所述人脸抓拍图像的相似度值小于所述第一阈值时,比较所述人脸抓拍图像的相似度值和第二阈值;
在所述人脸抓拍图像的相似度值小于所述第二阈值时,将所述人脸抓拍图像存储至所述摄像机中人脸数据库,记录所述人脸抓拍图像存储至所述摄像机中人脸数据库的时间,为所述人脸抓拍图像分配一个唯一标识号;其中,所述第二阈值小于或等于所述第一阈值。
12.根据权利要求11所述的方法,其特征在于,所述方法还包括:
在所述人脸抓拍图像的相似度值大于所述第二阈值时,不将所述人脸抓拍图像存储至所述摄像机中人脸数据库,但将所述人脸抓拍图像发送至服务器。
13.根据权利要求10-12任一项所述的方法,其特征在于,所述标识号包括所述摄像机的序列标识号、随机值和对应的人脸图像存储至所述人脸数据库的时间。
14.根据权利要求13所述的方法,其特征在于,在所述第一标识号对应的频次数值小于预设阈值时,删除所述摄像机中人脸数据库中所述第一标识号对应的人脸图像之前,包括:
对所述第一标识号对应的频次数值做加1运算,并记录运算后的频次数值;
相应的,所述在所述第一标识号对应的频次数值小于预设阈值时,删除所述摄像机中人脸数据库中所述第一标识号对应的人脸图像,包括:
在所述运算后的频次数值小于预设阈值时,删除所述摄像机中人脸数据库中所述第一标识号对应的人脸图像。
15.根据权利要求14所述的方法,其特征在于,所述方法还包括:
周期性获取所述摄像机中人脸数据库中所有人脸图像对应的频次数值;
对于小于预设频次数值的人脸图像进行删除,更新所述摄像机中的所述人脸数据库。
16.根据权利要求15所述的方法,其特征在于,在获取所述第一标识号后,所述方法还包括:
将所述人脸抓拍图像和所述第一标识号发送至所述服务器。
17.根据权利要求15所述的方法,其特征在于,所述方法还包括:
响应于接收到的关于所述人脸数据库的显示指令,生成一个数据包,所述数据包用于显示所述人脸数据库中与所述显示指令对应的人脸图像。
18.一种摄像机和服务器中人脸数据库关联的方法,其特征在于,包括:
所述摄像机响应于一个人脸抓拍指令,获取一个人脸抓拍图像;
所述摄像机根据所述摄像机本地存储的人脸数据库,匹配所述人脸抓拍图像和所述人脸数据库中任一人脸图像,计算所述人脸抓拍图像的相似度值;其中,所述人脸数据库中存储着至少两个人脸图像,且每个人脸图像唯一对应着一个标识号;其中,所述标识号用于指示其对应的人脸图像存储至所述摄像机中人脸数据库的时间;且所述标识号对应着一个频次数值,所述频次数值用于指示所述标识号对应的人脸图像发生匹配成功的次数;
所述摄像机在所述人脸抓拍图像的相似度值大于第一阈值时,确定匹配成功,且获取所述人脸数据库中与所述人脸抓拍图像相似度值最高的人脸图像和所述人脸图像对应的第一标识号;将所述第一标识号和所述人脸抓拍图像发送至所述服务器;
所述服务器根据接收到的所述第一标识号,响应于所述第一标识号为首次接收到,则将所述人脸抓拍图像与所述服务器中人脸数据库进行比对,其中,所述服务器中人脸数据库中的每个人脸图像唯一对应一个第二标识号;
所述服务器在所述人脸抓拍图像与所述服务器中人脸图像比对成功后,获取与所述人脸抓拍图像相似度值最高的所述服务器中人脸图像和对应的第二标识号;
所述服务器创建所述第一标识号与所述第二标识号的关联关系,所述关联关系用于关联所述摄像机中人脸数据库与所述服务器中人脸数据库。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910808803.2A CN112446395B (zh) | 2019-08-29 | 2019-08-29 | 网络摄像机、视频监控***及方法 |
US17/753,223 US11750776B2 (en) | 2019-08-29 | 2020-08-14 | Network camera, video monitoring system and method |
EP20857136.4A EP4024275A4 (en) | 2019-08-29 | 2020-08-14 | NETWORK CAMERA, VIDEO SURVEILLANCE SYSTEM AND METHOD |
PCT/CN2020/109328 WO2021036832A1 (zh) | 2019-08-29 | 2020-08-14 | 网络摄像机、视频监控***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910808803.2A CN112446395B (zh) | 2019-08-29 | 2019-08-29 | 网络摄像机、视频监控***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112446395A true CN112446395A (zh) | 2021-03-05 |
CN112446395B CN112446395B (zh) | 2023-07-25 |
Family
ID=74685075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910808803.2A Active CN112446395B (zh) | 2019-08-29 | 2019-08-29 | 网络摄像机、视频监控***及方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11750776B2 (zh) |
EP (1) | EP4024275A4 (zh) |
CN (1) | CN112446395B (zh) |
WO (1) | WO2021036832A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449628A (zh) * | 2021-06-24 | 2021-09-28 | 北京澎思科技有限公司 | 图像处理***及方法、装置、存储介质、计算机程序产品 |
CN113596325A (zh) * | 2021-07-15 | 2021-11-02 | 盛景智能科技(嘉兴)有限公司 | 抓图方法、装置、电子设备及存储介质 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113126929B (zh) * | 2021-04-23 | 2022-04-22 | 重庆紫光华山智安科技有限公司 | 一种特征数据去重的方法、***、介质和终端 |
CN113409056B (zh) * | 2021-06-30 | 2022-11-08 | 深圳市商汤科技有限公司 | 支付方法、装置、本地识别设备、人脸支付***及设备 |
CN115684688B (zh) * | 2022-03-31 | 2024-02-06 | 江苏未来智慧信息科技有限公司 | 针对防窃电***的图像监测传递***与方法 |
CN114584617B (zh) * | 2022-05-06 | 2022-08-02 | 南京维数软件股份有限公司 | 一种基于汇聚处理平台的抓拍数据分发方法及装置 |
CN116095271A (zh) * | 2022-11-10 | 2023-05-09 | 深圳市乔安科技有限公司 | 一种自循环监控*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160088326A1 (en) * | 2014-09-23 | 2016-03-24 | Watchcorp Holdings LLC | Distributed recording, managing, and accessing of surveillance data within a networked video surveillance system |
CN106790054A (zh) * | 2016-12-20 | 2017-05-31 | 四川长虹电器股份有限公司 | 基于人脸识别和声纹识别的交互式认证***及方法 |
CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库***及方法 |
CN108429782A (zh) * | 2017-09-12 | 2018-08-21 | 腾讯科技(深圳)有限公司 | 信息推送方法、装置、终端及服务器 |
CN108921150A (zh) * | 2018-09-18 | 2018-11-30 | 深圳市华百安智能技术有限公司 | 基于网络硬盘录像机的人脸识别*** |
CN109241897A (zh) * | 2018-08-29 | 2019-01-18 | 深圳华远云联数据科技有限公司 | 监控图像的处理方法、装置、网关设备及存储介质 |
US10218506B1 (en) * | 2017-11-21 | 2019-02-26 | Ca, Inc. | Cross-device authentication |
CN109800691A (zh) * | 2019-01-07 | 2019-05-24 | 深圳英飞拓科技股份有限公司 | 基于人脸识别技术的人口统计方法及*** |
CN109858371A (zh) * | 2018-12-29 | 2019-06-07 | 深圳云天励飞技术有限公司 | 人脸识别的方法及装置 |
CN109936522A (zh) * | 2017-12-15 | 2019-06-25 | 株式会社日立制作所 | 设备认证方法及设备认证*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080080748A1 (en) | 2006-09-28 | 2008-04-03 | Kabushiki Kaisha Toshiba | Person recognition apparatus and person recognition method |
US9747494B2 (en) * | 2015-11-16 | 2017-08-29 | MorphoTrak, LLC | Facial matching system |
US10242291B2 (en) * | 2017-02-08 | 2019-03-26 | Idemia Identity & Security | Device for processing images of people, the device seeking to sort these images as a function of contextual information |
CN109658572B (zh) * | 2018-12-21 | 2020-09-15 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
-
2019
- 2019-08-29 CN CN201910808803.2A patent/CN112446395B/zh active Active
-
2020
- 2020-08-14 EP EP20857136.4A patent/EP4024275A4/en active Pending
- 2020-08-14 WO PCT/CN2020/109328 patent/WO2021036832A1/zh unknown
- 2020-08-14 US US17/753,223 patent/US11750776B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160088326A1 (en) * | 2014-09-23 | 2016-03-24 | Watchcorp Holdings LLC | Distributed recording, managing, and accessing of surveillance data within a networked video surveillance system |
CN106790054A (zh) * | 2016-12-20 | 2017-05-31 | 四川长虹电器股份有限公司 | 基于人脸识别和声纹识别的交互式认证***及方法 |
CN107590212A (zh) * | 2017-08-29 | 2018-01-16 | 深圳英飞拓科技股份有限公司 | 一种人脸图片的入库***及方法 |
CN108429782A (zh) * | 2017-09-12 | 2018-08-21 | 腾讯科技(深圳)有限公司 | 信息推送方法、装置、终端及服务器 |
US10218506B1 (en) * | 2017-11-21 | 2019-02-26 | Ca, Inc. | Cross-device authentication |
CN109936522A (zh) * | 2017-12-15 | 2019-06-25 | 株式会社日立制作所 | 设备认证方法及设备认证*** |
CN109241897A (zh) * | 2018-08-29 | 2019-01-18 | 深圳华远云联数据科技有限公司 | 监控图像的处理方法、装置、网关设备及存储介质 |
CN108921150A (zh) * | 2018-09-18 | 2018-11-30 | 深圳市华百安智能技术有限公司 | 基于网络硬盘录像机的人脸识别*** |
CN109858371A (zh) * | 2018-12-29 | 2019-06-07 | 深圳云天励飞技术有限公司 | 人脸识别的方法及装置 |
CN109800691A (zh) * | 2019-01-07 | 2019-05-24 | 深圳英飞拓科技股份有限公司 | 基于人脸识别技术的人口统计方法及*** |
Non-Patent Citations (2)
Title |
---|
YAN T, ET AL: "Distributed image search in camera sensor networks", PROCEEDINGS OF THE 6TH ACM CONFERENCE ON EMBEDDED NETWORK SENSOR SYSTEMS, pages 155 - 168 * |
王晨曦: "大容量实时人脸检索***及其任务调度算法的研究与实现", 北京邮电大学, pages 1 - 83 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449628A (zh) * | 2021-06-24 | 2021-09-28 | 北京澎思科技有限公司 | 图像处理***及方法、装置、存储介质、计算机程序产品 |
CN113596325A (zh) * | 2021-07-15 | 2021-11-02 | 盛景智能科技(嘉兴)有限公司 | 抓图方法、装置、电子设备及存储介质 |
CN113596325B (zh) * | 2021-07-15 | 2023-05-05 | 盛景智能科技(嘉兴)有限公司 | 抓图方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112446395B (zh) | 2023-07-25 |
WO2021036832A1 (zh) | 2021-03-04 |
EP4024275A1 (en) | 2022-07-06 |
EP4024275A4 (en) | 2022-11-09 |
US11750776B2 (en) | 2023-09-05 |
US20220279111A1 (en) | 2022-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112446395B (zh) | 网络摄像机、视频监控***及方法 | |
EP2688296B1 (en) | Video monitoring system and method | |
CN109492536B (zh) | 一种基于5g架构的人脸识别方法及*** | |
CN108446692B (zh) | 人脸比对方法、装置和*** | |
US9277165B2 (en) | Video surveillance system and method using IP-based networks | |
CN108062499B (zh) | 一种人脸识别的方法、***及平台 | |
CN111652331B (zh) | 一种图像识别方法、装置和计算机可读存储介质 | |
CN112084812B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN108228709A (zh) | 数据存储方法和***、电子设备、程序和介质 | |
CN108921072B (zh) | 一种基于视觉传感器的人流量统计方法、装置及*** | |
CN111507268A (zh) | 报警方法及装置、存储介质和电子装置 | |
CN112632124B (zh) | 多媒体信息获取方法、装置、***、存储介质及电子装置 | |
CN111050027B (zh) | 镜头畸变补偿方法、装置、设备和存储介质 | |
CN113626495A (zh) | 一种能源管理***的运行数据采集方法 | |
CN114078269A (zh) | 一种人脸图像聚类方法、装置、服务器和存储介质 | |
CN115426363B (zh) | 智能板材加工工厂的数据采集方法及终端 | |
CN111125263A (zh) | 预约请求的管理方法、预约功能实体以及可读存储介质 | |
CN115391596A (zh) | 视频档案生成方法、装置及存储介质 | |
CN115550638A (zh) | 一种摄像头状态检测***及方法 | |
CN113869201A (zh) | 一种图像识别方法及电子设备 | |
JP2014042170A (ja) | 撮影システム、撮影支援方法、撮影装置及びその制御方法、管理装置及びその制御方法、並びにプログラム | |
CN113283410A (zh) | 基于数据关联分析的人脸增强识别方法、装置和设备 | |
CN114547182A (zh) | 人员信息同步方法、终端设备及存储介质 | |
CN117112815B (zh) | 个人关注视频事件检索方法和***、存储介质及电子设备 | |
CN114332706A (zh) | 目标事件的确定方法、装置、存储介质及电子装置 |
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 |