CN112686076A - 一种图像处理方法、***及计算机可读存储介质 - Google Patents
一种图像处理方法、***及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112686076A CN112686076A CN201910985907.0A CN201910985907A CN112686076A CN 112686076 A CN112686076 A CN 112686076A CN 201910985907 A CN201910985907 A CN 201910985907A CN 112686076 A CN112686076 A CN 112686076A
- Authority
- CN
- China
- Prior art keywords
- surrounding
- face image
- vehicle
- image
- image processing
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 42
- 230000004044 response Effects 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000002093 peripheral effect Effects 0.000 claims abstract description 7
- 230000001815 facial effect Effects 0.000 claims description 20
- 230000006854 communication Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 description 33
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000012512 characterization method Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000007175 bidirectional communication Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种图像处理方法、***及计算机可读存储介质。具体的,上述图像处理方法包括:响应于接收到目标人脸图像,控制至少一台车辆上的车载摄像头捕获至少一张周围人脸图像;对比上述目标人脸图像和上述至少一张周围人脸图像;响应于上述至少一张周围人脸图像中存在与上述目标人脸图像的相似度高于预设阈值的周围人脸图像,输出通知信号和相似度高于预设阈值的周围人脸图像;以及响应于接收到终止信号,控制上述车载摄像头停止捕获周围人脸图像。根据本发明所提供的图像处理方法,能够通过分布在不同区域的多台车辆收集周围的人脸图像,不仅为成功匹配目标人物提供可能,还能够有效提高匹配目标人物的效率。
Description
技术领域
本发明涉及图像处理领域,尤其涉及与车辆相关的图像处理方法、图像处理***和计算机可读存储介质。
背景技术
随着经济的发展,尤其是汽车工业的发展,现在社会的汽车数量越来越多,伴随着人们生活水平的提高,将汽车用作代步工具已经非常普遍。消费者在购车时对于车辆的配置要求也越来越高,目前市场上常见的汽车都不同程地配置有各种智能设备以期满足消费者对车辆人性化、智能化的要求。
各种智能化功能的实现离不开各类传感器的应用。尤其,在汽车电子技术和安防技术飞速发展的情况下,车载摄像头逐渐成为交通安全不可获取的硬件之一。
在车辆上配置有车载摄像头至少能够具有(1)为交通事故的分析、判定提供可靠的凭证;(2)方便驾乘人员查看车内情况;(3)为车内乘客纠纷、失物查找、防劫防盗等问题的发生提供处理依据;以及(4)提供车厢内外环境的监控、为车辆行驶提供安全保障的好处。
与此同时,随着安全防务技术的发展,用于身份识别的人脸识别***已经被应用来协助公安部门抓捕在逃案犯,这其中,用以收集图像的摄像头是人脸识别***能够用来协助抓捕在逃案犯的基础。但是,摄像头的安装、投放与维护需要花费大量成本和精力,公安、司法、刑侦等部门仅可能在人口密集区域,例如火车站、机场等人流量较大的地方部署相应设备,因此,可能会因为图像收集不全面、在逃案犯具有反侦察意识等等而无法及时有效地抓捕在逃案犯,给人民人身、财产安全带来不确定性因素。
因此,亟需要一种图像处理方法和图像处理***,能够利用分布在不同区域、普遍存在的汽车以及配置在车辆上的车载摄像头收集周围的人物图像,从而能够最大程度地收集图像,为成功匹配目标人物(例如在逃案犯等)提供可能,并且能够提高匹配目标人物的效率。
发明内容
以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览,并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
为了解决上述问题,本发明提供了一种图像处理方法,具体包括:
响应于接收到目标人脸图像,控制至少一台车辆上的车载摄像头捕获至少一张周围人脸图像;
对比上述目标人脸图像和上述至少一张周围人脸图像;
响应于上述至少一张周围人脸图像中存在与上述目标人脸图像的相似度高于预设阈值的周围人脸图像,输出通知信号和相似度高于预设阈值的周围人脸图像;以及
响应于接收到终止信号,控制上述车载摄像头停止捕获周围人脸图像。
在上述图像处理方法的一实施例中,可选的,控制至少一台车辆上的车载摄像头捕获至少一张周围人脸图像还包括:
获取该车载摄像头捕获周围人脸图像时所在车辆的位置为该周围人脸图像的位置信息;以及
响应于上述至少一张周围人脸图像中存在与上述目标人脸图像的相似度高于预设阈值的周围人脸图像,还包括输出该相似度高于预设阈值的周围人脸图像的位置信息。
在上述图像处理方法的一实施例中,可选的,上述目标人脸图像为预定规格;
控制至少一台车辆上的车载摄像头捕获至少一张周围人脸图像进一步包括:捕获多张周围照片;
对上述多张周围照片进行人脸识别,以从上述多张周围照片中挑选出包含人脸图像的周围人像照片;以及
响应于上述周围人像照片不符合上述预定规格,按上述预定规格调整上述周围人像照片以提取周围人脸图像。
在上述图像处理方法的一实施例中,可选的,上述目标人脸图像为警方发布的在逃的罪犯图像,以及输出通知信号和相似度高于预设阈值的周围人脸图像进一步至警方。
在上述图像处理方法的一实施例中,可选的,上述终止信号包括警方发布的上述罪犯图像对应的罪犯已经抓捕的信号。
本发明还提供了一种图像处理***,包括:多个车机端装置和后台云端装置,上述多个车机端装置和上述后台云端装置之间双向通信,其中,响应于接收到目标人脸图像,上述后台云端装置控制上述多个车机端装置中的至少一个通过车载摄像头捕获至少一张周围人脸图像;
上述后台云端装置比对上述目标人脸图像和上述至少一张周围人脸图像;
响应于上述至少一张周围人脸图像中存在与上述目标人脸图像的相似度高于预设阈值的周围人脸图像,上述后台云端装置输出通知信号和相似度高于预设阈值的周围人脸图像;以及
响应于接收到终止信号,上述后台云端装置控制上述多个车机端装置停止捕获周围人脸图像。
在上述图像处理***的一实施例中,可选的,控制上述多个车机端装置中的至少一个通过车载摄像头捕获至少一张周围人脸图像还包括:
控制车机端装置获取该车载摄像头捕获周围人脸图像时所在车辆的位置为该周围人脸图像的位置信息;以及
响应于上述至少一张周围人脸图像中存在与上述目标人脸图像的相似度高于预设阈值的周围人脸图像,上述后台云端还包括输出该相似度高于预设阈值的周围人脸图像的位置信息。
在上述图像处理***的一实施例中,可选的,上述目标人脸图像为预定规格;
控制上述多个车机端装置中的至少一个通过车载摄像头捕获至少一张周围人脸图像进一步包括:
上述多个车机端装置中的至少一个通过车载摄像头捕获多张周围照片;
上述多个车机端装置中的至少一个对上述多张周围照片进行人脸识别,以从上述多张周围照片中挑选出包含人脸图像的周围人像照片;以及
响应于上述周围人像照片不符合上述预定规格,上述多个车机端装置中的至少一个按上述预定规格调整上述周围人像照片以提取周围人脸图像。
在上述图像处理***的一实施例中,可选的,上述图像处理***与警方平台之间双向通信,其中,上述目标人脸图像为上述警方平台发布的在逃的罪犯图像,以及上述后台云端输出通知信号和相似度高于预设阈值的周围人脸图像进一步至上述警方平台。
在上述图像处理***的一实施例中,可选的,上述终止信号包括上述警方平台发布的上述罪犯图像对应的罪犯已经抓捕的信号。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,具体的,上述计算机程序被处理器执行时实现如上述任一项图像处理方法中的步骤。
根据本发明所提供的图像处理方法,能够借助于分布在不同区域的车辆,更大程度地收集周围的人脸图像,不仅为成功匹配目标人物提供可能,还能够有效提高匹配目标人物的效率。本发明所提供的图像处理***结构精简,具有普适性,从而为成功匹配目标人物提供硬件上的支持,还能够有效提高匹配目标人物的效率。
附图说明
在结合以下附图阅读本公开的实施例的详细描述之后,能够更好地理解本发明的上述特征和优点。在附图中,各组件不一定是按比例绘制,并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
图1示出了本发明提供的图像处理方法的流程图。
图2示出了本发明提供的图像处理***的示意图。
附图标记
101-107 步骤
200 后台云端装置
300 车辆
310 车机端装置
311 处理器
312 存储器
320 车载摄像头
400 警方平台
具体实施方式
以下结合附图和具体实施例对本发明作详细描述。注意,以下结合附图和具体实施例描述的诸方面仅是示例性的,而不应被理解为对本发明的保护范围进行任何限制。
如上所述,本发明提供了一种图像处理方法,请参考图1,图1示出了本发明提供的图像处理方法的流程图。
如图1所示,本发明提供的图像处理方法包括响应于步骤101:接收到目标人脸图像,开始步骤102:控制至少一台车辆上的车载摄像头捕获周围人脸图像。随后执行步骤103:比对目标人脸图像和周围人脸图像,从而在步骤104中判断周围人脸图像与目标人脸图像之间的相似度是否高于预设阈值。响应于存在至少一张周围人脸图像,其与目标人脸图像的相似度高于预设阈值,执行步骤105:输出通知信号和该相似度高于预设阈值的周围人脸图像。响应于不存在与目标人脸图像的相似度高于预设阈值的周围人脸图像,则继续步骤102,重复捕获周围人脸图像。在步骤105输出通知信号和相似度高于预设阈值的周围人脸图像后,还包括执行步骤106,判断是否接收到终止信号,响应于接收到了终止信号,则执行步骤107,控制车载摄像头停止捕获周围人脸图像。响应于没有接收到终止信号,重复执行步骤102,继续捕获周围人脸图像。
如前所描述的,本发明所提供的图像处理方法,为匹配目标人物提供了可能,因此,首先需要接收到目标任务的目标人脸图像。具体的,在一实施例中,上述目标人物可以是警方发布的在逃案犯,目标人脸图像则是逃犯的图像,从而根据本发明所提供的图像处理方法,能够高效地协助警方定位到逃犯,为改善治安提供可能。当然,本领域技术人员应当知道,上述目标人脸图像还可以根据不同的应用场景而变化,并不以此为限。
响应于存在需要定位匹配的人脸图像,执行步骤102,控制至少一台车辆上的车载摄像头捕获至少一张周围人脸图像。通过控制分布在不同区域的车辆,利用设置在车辆上的车载摄像头,能够尽最大程度地收集不同区域的图像,从而使得成功匹配目标人物的可能性增大,提高了匹配目标人物的效率。
具体的,在一实施例中,捕获人脸图像可以首先通过车载摄像头获取多张周围照片,随后将获取的多张周围照片进行人物识别,判断周围照片中是否存在人物,并且判断所获取到的人物是否包括人脸图像,从而将包含人脸图像的周围照片筛选出来。
在另一实施例中,捕获人脸图像可以首先通过红外技术,先判断车载摄像头附近是否存在人物,随后响应于存在人物,捕获包含该人物的周围照片,并进一步判断是否包含人脸图像,从而将包含人脸图像的周围照片筛选出来。
本领域技术人员应当知道,上述判断照片是否包含人脸图像的过程可以通过集成人工智能、机器识别、机器学习、模型理论、专家***、视频图像处理等多种专业技术实现。该过程可以认为是本发明提供的图像处理方法的预处理过程,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。上述的预处理过程就是把这其中有用的信息挑出来,并利用这些特征为后续的步骤的实现提供基础。
目前,主流的方法可以基于以上特征采用Adaboost学习算法,Adaboost算法是一种用来分类的方法,它把一些比较弱的分类方法合在一起,组合出新的很强的分类方法。在该过程中,使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器),按照加权投票的方式将弱分类器构造为一个强分类器,再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器,有效地提高分类器的检测速度。
并且,更优地,在一实施例中,本发明提供的方法还包括判断包含人脸图像的周围照片是否符合目标人脸图像的预定规格,若不符合,则根据预定规格调整包含人脸图像的周围照片,从而提取出符合要求的周围人脸图像,为后续将目标人脸图像和周围人脸图像比对做准备。
进一步地,上述的预定规格可以包括人脸图像的尺寸、图像的灰度、光线补偿等等。车载摄像头获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,需要在预备阶段对它进行灰度校正、噪声过滤等进一步的图像调整。对于人脸图像而言,该调整过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
在捕获到周围人脸图像后,执行步骤103,比对目标人脸图像和周围人脸图像,并且在步骤104中,判断周围人脸图像中存在与目标人脸图像的相似度高于预设阈值的周围人脸图像。上述比对的过程具体的,可以包括人脸图像特征的提取步骤。在进行比对时可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸图像特征提取就是针对人脸的某些特征进行的。人脸图像特征提取,也称人脸表征,它是对人脸图像进行特征建模的过程。人脸图像特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述,可作为识别人脸的重要特征,这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
进一步的,在提取人脸图像特征后,将所提取的人脸图像的特征数据与预定的特征模板进行匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。
具体的分析算法可以通过目前现有或将有的算法实现,例如,目前已有的几何特征的人脸识别方法、基于特征脸(PCA)的人脸识别方法、神经网络的人脸识别方法、弹性图匹配的人脸识别方法、线段Hausdorff距离(LHD)的人脸识别方法、支持向量机(SVM)的人脸识别方法等算法。
在本发明所提供的方法中,对应的,预定的特征模板指向目标人脸图像的人脸图像特征,并且,这一过程为确定,即一对一进行图像比较的过程。
当比较得到存在与目标人脸图像的特征相似度高于预设阈值的周围人脸图像,则输出通知信号,认为找到了与目标人脸图像匹配的图像。
在本发明提供的图像处理方法的一应用场景中,本发明所提供的图像处理方法可以被用来协助警方定位到在逃案犯,从而能够尽快将在逃案犯抓捕归案。因此,在此场景中,输出的通知信号则是发送到警方,以提醒警方尽快采取行动抓捕逃犯,减小社会危害。
在上述实施例中,更优地,本发明提供的图像处理方法还包括将上述相似度高于预设阈值的周围人像图像一并发送到警方,从而能够经过人工判断防止出现误判断而浪费警力的情况。
进一步地,本发明提供的图像处理方法还包括,在控制至少一台车辆上的车载摄像头捕获周围人脸图像的同时,获取该车辆的位置信息为捕获到的周围人脸图像的位置信息。本领域技术人员应当知道,上述的位置信息可以通过设置在车辆上的GPRS定位模块或者通过其他能够用来获取位置信息的模块获取得到,在此不作限定。
并且,当存在与目标人脸图像相似度高于预设阈值的周围人脸图像时,一并输出该相似度高于预设阈值的周围人脸图像的位置信息。
通过在捕获周围照片时获取位置信息,能够在比配到目标人脸图像后,将对应的位置信息通知出去。对应发明所提供的图像处理方法可以被用来协助警方定位到在逃案犯的场景,在定位到可能的在逃案犯后,通过位置信息可以使警方立刻前往捕获到该周围人脸图像的地方,从而在该地点附近抓捕逃犯,尽快将罪犯绳之以法,从而减小社会危害。
进一步地,当警方已经抓捕到逃犯,或者在其他的应用场景中,已经不需要在进行目标人物匹配的情况下,响应于接收到终止信号,执行步骤107,控制所有的车载摄像头停止捕获周围人脸图像。通过设置终止信号,能够节省出大量资源,不造成浪费。
至此,已经描述了本发明所提供的图像处理方法的具体实施方式。根据本发明所提供的图像处理方法,能够借助于分布在不同区域的车辆,更大程度地收集周围的人脸图像,不仅为成功匹配目标人物提供可能,还能够有效提高匹配目标人物的效率。
本发明还提供了能够实现上述图像处理方法的图像处理***。具体的,请参考图2,图2示出了本发明所提供的图像处理***的一实施例示意图。
如图2所示,本发明所提供的图像处理***包括分别设置在多台车辆300上的车机端装置310和后台云端装置200。车机端装置310与后台云端装置200之间双向通信。具体的,车机端装置310可以包括处理器311和存储器312。上述车机端装置310的处理器31在执行存储器312上存储的计算机程序时能够实现不同的功能。后台云端装置200亦可以包括处理器和存储器,当后台云端装置200的处理器执行存储器上存储的计算机程序时能够实现不同的功能。
在上述的实施例中,后台云端装置200可以是目前常见的TSP服务端,车机端装置310可以通过Tbox模块与后台云端装置200进行双向通信。T-Box模块系安装在汽车上的一个盒子,具有通讯功能,车机端装置310可以通过T-Box模块可以具有外网连接功能,例如,向TSP服务端传输通知信号。TSP服务端(Telematics Service Provider,内容服务提供者),当应用在车辆上时,亦可以认为是汽车远程服务提供商,在Telematics产业链居于核心地位,上接汽车、车载设备制造商、网络运营商,下接内容提供商。TSP服务端集合了位置服务、Gis服务和通信服务等现代计算机技术,为车主和个人提供强大的服务,例如导航、娱乐、资讯、安防、SNS、远程保养等。需要注意的是,本领域技术人员应当知道,上述的T-Box模块、TSP服务端仅为一种示意,而非限定,在实际应用中,还可以通过类似T-Box模块的具有通信功能装置,以及类似TSP服务端的与设置在车辆上的车机端装置310均具有双向通信功能的其他后台云端装置200。
在上述的实施例中,车机端装置310还可以与车载摄像头320耦接,从而能够控制车载摄像头320捕获图片。具体的,上述车载摄像头320可以是原本就设置在车辆上的固有的摄像头,可以是其他安装在车辆上的智能装置上所包含的摄像头,亦可以是车机端装置310自身所包含的摄像头,并不作限定。
在上述的实施例中,后台云端装置200用来接收外部的信号,例如,接收到目标人脸图像后,向设置在至少一台车辆300上的车机端装置310发出指令,使车机端装置310控制车载摄像头320捕获周围人脸图像。
在一实施例中,具体的,车载摄像头320可以获取多张周围照片,随后车机端装置310将获取的多张周围照片进行人物识别,判断周围照片中是否存在人物,并且判断所获取到的人物是否包括人脸图像,从而将包含人脸图像的周围照片筛选出来。
在另一实施例中,捕获人脸图像可以首先通过红外技术,先判断车载摄像头附近是否存在人物,随后响应于存在人物,控制车载摄像头320捕获包含该人物的周围照片,车机端装置310进一步判断是否包含人脸图像,从而将包含人脸图像的周围照片筛选出来。具体的筛选方法参见前述关于图像处理方法的部分,在此不做赘述。
通过将包含人脸图像的周围照片筛选出来,不仅为后续图像比对做好预处理准备,更能够减少传送至后台云端装置200的数据量,从而精简传输数据量,减少传输时间,提高整个图像处理方法的处理效率。
后台云端装置200在接收到车机端装置310传输回来的周围人脸图像后,比对该周围人脸图像和目标人脸图像。具体的比对方法可以参见前述关于图像处理方法的部分,在此不做赘述。
当判断出存在周围人脸图像和目标人脸图像的相似度大于预设阈值,输出通知信号。在一实施例中,本发明所提供的图像处理方法和图像处理装置用来协助警方定位到逃犯,因此,后台云端装置200可以与警方平台400进行双向通信,从警方平台400处获得目标人脸图像,具体可以是在逃案犯的人脸图像,并且将通知信息传送给警方平台400,以提醒警方尽快采取行动抓捕逃犯。更优地,后台云端装置200还将上述相似度高于预设阈值的周围人像图像一并发送到警方平台400,从而能够经过人工判断防止出现误判断而浪费警力的情况。
本领域技术人员应当知道,上述在车机端装置310预处理周围照片,在后台云端装置200进行比对的设定系为了减少传输数据量。本发明所提供的图像处理方法中的预处理步骤亦可以在后台云端装置200进行,进一步的,比对步骤亦可以在车机端装置310进行,可以根据实际的情况进行调整,均应落在本发明的总体构思下,落在本发明所要求保护的范围内。
当警方已经抓捕到逃犯,或者在其他的应用场景中,已经不需要在进行目标人物匹配的情况下,后台云端装置200响应于接收到终止信号,可以是警方平台400或其他应用场景中的其他终端发送的,输出控制信号至车机端装置310控制所有的车载摄像头320停止捕获周围人脸图像。通过设置终止信号,能够节省出大量资源,不造成浪费。
更优地,本发明所提供的车机端装置310能够响应于后台云端装置200的指令,在控制至少一台车辆300上的车载摄像头320捕获周围人脸图像的同时,获取该车辆300的位置信息为捕获到的周围人脸图像的位置信息。本领域技术人员应当知道,上述的位置信息可以是车机端装置310通过设置在车辆300上的GPRS定位模块获得,或者是从车机端装置310自带的GPRS定位模块获得,或者通过其他能够用来获取位置信息的模块获取得到,在此不作限定。并且车机端装置310在将周围人脸图像传输给后台云端装置200时,一并将该图像的位置信息传送给后台云端装置200,近而能够一并传送给例如警方平台400等等。
本发明所提供的图像处理***结构精简,具有普适性,通过利用马路上行驶的车辆对周围可能存在的目标人物进行识别,可以尽快匹配到该目标人物,从而为成功匹配目标人物提供硬件上的支持,还能够有效提高匹配目标人物的效率。
至此,已经描述了本发明提供的图像处理方法和图像处理装置。本发明还提供了一种计算机存储介质,其上存储有计算机程序,当该计算机程序被处理器执行时实现如上述图像处理方法的步骤。
本领域技术人员将可理解,信息、信号和数据可使用各种不同技术和技艺中的任何技术和技艺来表示。例如,以上描述通篇引述的数据、指令、命令、信息、信号、位(比特)、码元、和码片可由电压、电流、电磁波、磁场或磁粒子、光场或光学粒子、或其任何组合来表示。
本领域技术人员将进一步领会,结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性,各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体***的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性,但这样的实现决策不应被解读成导致脱离了本发明的范围。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“耦接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
结合本文所公开的实施例描述的各种解说性逻辑模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器,但在替换方案中,该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合,例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。
结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中,存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中,处理器和存储介质可作为分立组件驻留在用户终端中。
在一个或多个示例性实施例中,所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品,则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者,其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定,这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如,如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来,则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟,其中盘(disk)往往以磁的方式再现数据,而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的,且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此,本公开并非旨在被限定于本文中所描述的示例和设计,而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。
Claims (11)
1.一种图像处理方法,其特征在于,包括:
响应于接收到目标人脸图像,控制至少一台车辆上的车载摄像头捕获至少一张周围人脸图像;
对比所述目标人脸图像和所述至少一张周围人脸图像;
响应于所述至少一张周围人脸图像中存在与所述目标人脸图像的相似度高于预设阈值的周围人脸图像,输出通知信号和相似度高于预设阈值的周围人脸图像;以及
响应于接收到终止信号,控制所述车载摄像头停止捕获周围人脸图像。
2.如权利要求1所述的图像处理方法,其特征在于,控制至少一台车辆上的车载摄像头捕获至少一张周围人脸图像还包括:
获取该车载摄像头捕获周围人脸图像时所在车辆的位置为该周围人脸图像的位置信息;以及
响应于所述至少一张周围人脸图像中存在与所述目标人脸图像的相似度高于预设阈值的周围人脸图像,还包括输出该相似度高于预设阈值的周围人脸图像的位置信息。
3.如权利要求1所述的图像处理方法,其特征在于,所述目标人脸图像为预定规格;
控制至少一台车辆上的车载摄像头捕获至少一张周围人脸图像进一步包括:捕获多张周围照片;
对所述多张周围照片进行人脸识别,以从所述多张周围照片中挑选出包含人脸图像的周围人像照片;以及
响应于所述周围人像照片不符合所述预定规格,按所述预定规格调整所述周围人像照片以提取周围人脸图像。
4.如权利要求1所述的图像处理方法,其特征在于,所述目标人脸图像为警方发布的在逃的罪犯图像,以及输出通知信号和相似度高于预设阈值的周围人脸图像进一步至警方。
5.如权利要求4所述的图像处理方法,其特征在于,所述终止信号包括警方发布的所述罪犯图像对应的罪犯已经抓捕的信号。
6.一种图像处理***,包括:多个车机端装置和后台云端装置,所述多个车机端装置和所述后台云端装置之间双向通信,其中,响应于接收到目标人脸图像,所述后台云端装置控制所述多个车机端装置中的至少一个通过车载摄像头捕获至少一张周围人脸图像;
所述后台云端装置比对所述目标人脸图像和所述至少一张周围人脸图像;
响应于所述至少一张周围人脸图像中存在与所述目标人脸图像的相似度高于预设阈值的周围人脸图像,所述后台云端装置输出通知信号和相似度高于预设阈值的周围人脸图像;以及
响应于接收到终止信号,所述后台云端装置控制所述多个车机端装置停止捕获周围人脸图像。
7.如权利要求6所述的图像处理***,其特征在于,控制所述多个车机端装置中的至少一个通过车载摄像头捕获至少一张周围人脸图像还包括:
控制车机端装置获取该车载摄像头捕获周围人脸图像时所在车辆的位置为该周围人脸图像的位置信息;以及
响应于所述至少一张周围人脸图像中存在与所述目标人脸图像的相似度高于预设阈值的周围人脸图像,所述后台云端还包括输出该相似度高于预设阈值的周围人脸图像的位置信息。
8.如权利要求6所述的图像处理***,其特征在于,所述目标人脸图像为预定规格;
控制所述多个车机端装置中的至少一个通过车载摄像头捕获至少一张周围人脸图像进一步包括:
所述多个车机端装置中的至少一个通过车载摄像头捕获多张周围照片;
所述多个车机端装置中的至少一个对所述多张周围照片进行人脸识别,以从所述多张周围照片中挑选出包含人脸图像的周围人像照片;以及
响应于所述周围人像照片不符合所述预定规格,所述多个车机端装置中的至少一个按所述预定规格调整所述周围人像照片以提取周围人脸图像。
9.如权利要求6所述的图像处理***,其特征在于,所述图像处理***与警方平台之间双向通信,其中,所述目标人脸图像为所述警方平台发布的在逃的罪犯图像,以及所述后台云端输出通知信号和相似度高于预设阈值的周围人脸图像进一步至所述警方平台。
10.如权利要求9所述的图像处理***,其特征在于,所述终止信号包括所述警方平台发布的所述罪犯图像对应的罪犯已经抓捕的信号。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述图像处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910985907.0A CN112686076A (zh) | 2019-10-17 | 2019-10-17 | 一种图像处理方法、***及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910985907.0A CN112686076A (zh) | 2019-10-17 | 2019-10-17 | 一种图像处理方法、***及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112686076A true CN112686076A (zh) | 2021-04-20 |
Family
ID=75444370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910985907.0A Pending CN112686076A (zh) | 2019-10-17 | 2019-10-17 | 一种图像处理方法、***及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686076A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113347742A (zh) * | 2021-06-11 | 2021-09-03 | 阿波罗智联(北京)科技有限公司 | 车机蓝牙的连接方法、装置、电子设备及存储介质 |
CN113359751A (zh) * | 2021-06-23 | 2021-09-07 | 武汉理工大学 | 一种无人安防巡逻*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105915782A (zh) * | 2016-03-29 | 2016-08-31 | 维沃移动通信有限公司 | 一种基于人脸识别的照片获取方法和移动终端 |
CN207909166U (zh) * | 2018-03-09 | 2018-09-25 | 广东万峯信息科技有限公司 | 基于人脸识别技术的公共交通工具追逃*** |
CN109389029A (zh) * | 2018-08-17 | 2019-02-26 | 深圳壹账通智能科技有限公司 | 基于行车记录仪的寻人方法、装置、***和存储介质 |
CN109766755A (zh) * | 2018-12-06 | 2019-05-17 | 深圳市天彦通信股份有限公司 | 人脸识别方法及相关产品 |
CN110210315A (zh) * | 2019-05-06 | 2019-09-06 | 河北迈频科技有限公司 | 一种移动车载人脸识别装置 |
-
2019
- 2019-10-17 CN CN201910985907.0A patent/CN112686076A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105915782A (zh) * | 2016-03-29 | 2016-08-31 | 维沃移动通信有限公司 | 一种基于人脸识别的照片获取方法和移动终端 |
CN207909166U (zh) * | 2018-03-09 | 2018-09-25 | 广东万峯信息科技有限公司 | 基于人脸识别技术的公共交通工具追逃*** |
CN109389029A (zh) * | 2018-08-17 | 2019-02-26 | 深圳壹账通智能科技有限公司 | 基于行车记录仪的寻人方法、装置、***和存储介质 |
CN109766755A (zh) * | 2018-12-06 | 2019-05-17 | 深圳市天彦通信股份有限公司 | 人脸识别方法及相关产品 |
CN110210315A (zh) * | 2019-05-06 | 2019-09-06 | 河北迈频科技有限公司 | 一种移动车载人脸识别装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113347742A (zh) * | 2021-06-11 | 2021-09-03 | 阿波罗智联(北京)科技有限公司 | 车机蓝牙的连接方法、装置、电子设备及存储介质 |
CN113347742B (zh) * | 2021-06-11 | 2023-04-18 | 阿波罗智联(北京)科技有限公司 | 车机蓝牙的连接方法、装置、电子设备及存储介质 |
US11893830B2 (en) | 2021-06-11 | 2024-02-06 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Method and apparatus for connecting through on-vehicle bluetooth, and storage medium |
CN113359751A (zh) * | 2021-06-23 | 2021-09-07 | 武汉理工大学 | 一种无人安防巡逻*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7402239B2 (ja) | 顔認識方法、ニューラルネットワークのトレーニング方法、顔認識装置、電子機器及びコンピュータ可読記憶媒体 | |
US9721173B2 (en) | Machine learning approach for detecting mobile phone usage by a driver | |
CN103434484B (zh) | 车载识别认证装置、移动终端、智能车钥控制***及方法 | |
Artan et al. | Passenger compartment violation detection in HOV/HOT lanes | |
CN108351968A (zh) | 一种针对犯罪活动的告警方法、装置、存储介质及服务器 | |
CN103366506A (zh) | 一种驾驶员行车途中接打手机行为的自动监控装置及方法 | |
CN104464289A (zh) | 一种车辆违章时驾驶信息的识别方法 | |
CN101587544A (zh) | 基于计算机视觉的机动车车载反跟踪装置 | |
US11482012B2 (en) | Method for driving assistance and mobile device using the method | |
KR102269367B1 (ko) | 딥러닝 기반의 차량 특징점을 이용한 주차 정산 시스템 | |
KR100948382B1 (ko) | 방범 서비스 방법 및 시스템 | |
CN112686076A (zh) | 一种图像处理方法、***及计算机可读存储介质 | |
AU2023270232A1 (en) | Infringement detection method, device and system | |
CN111950499A (zh) | 一种检测车载人员统计信息的方法 | |
KR20130106640A (ko) | 차량용 블랙박스의 영상인식을 이용한 수배자 및 실종자 추적 장치 및 그 방법 | |
CN106327876B (zh) | 一种基于行车记录仪的***捕捉***及方法 | |
CN111241918B (zh) | 一种基于人脸识别的车用防跟踪方法及*** | |
KR101240617B1 (ko) | 인식 알고리즘이 이중화된 차량번호 인식 시스템 및 방법 | |
KR20060073554A (ko) | 차량 탑재형 카메라를 이용한 차량 번호판 인식 및 차량검색용 통신 시스템 | |
JP2001126091A (ja) | 乗員顔画像処理システムおよび通行料金収受システム | |
CN111985304A (zh) | 巡防告警方法、***、终端设备及存储介质 | |
CN111652210A (zh) | 一种车牌字符智能识别*** | |
CN109388368B (zh) | 人机交互方法、装置、无人车及其存储介质 | |
CN111540208A (zh) | 一种基于区块链技术的防无证驾驶及疲劳驾驶的方法 | |
Pavani et al. | Image Segmentation based Imperative Feature Subset Model for Detection of Vehicle Number Plate using K Nearest Neighbor Model |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210420 |
|
WD01 | Invention patent application deemed withdrawn after publication |