CN112766228B - 人脸信息提取方法、人物查找方法、***、设备及介质 - Google Patents
人脸信息提取方法、人物查找方法、***、设备及介质 Download PDFInfo
- Publication number
- CN112766228B CN112766228B CN202110169592.XA CN202110169592A CN112766228B CN 112766228 B CN112766228 B CN 112766228B CN 202110169592 A CN202110169592 A CN 202110169592A CN 112766228 B CN112766228 B CN 112766228B
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- real
- face information
- time
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种人脸信息提取方法、人物查找方法、***、设备及介质,其人脸信息提取方法包括获取当前监控场景下对多个行人的监控图像,并利用预设的人脸检测模型,从所述监控图像中提取每个行人的原始人脸信息;获取每个行人的位置移动信息,根据每个行人的位置移动信息,生成每个行人的个人轨迹;基于每个行人的个人轨迹,生成每个行人的位置特征标签,并将所述每个行人的位置特征标签和对应同时刻的原始人脸信息绑定,生成每个行人的目标人脸信息。本申请能够提高监控图像中人脸信息提取的准确性。
Description
技术领域
本申请涉及安防监控技术领域,尤其是涉及一种人脸信息提取方法、人物查找方法、***、设备及介质。
背景技术
目前,在安防领域,户外监控摄像头的安装使用非常广泛,比如在学校、工厂、小区、以及道路等地都会安装户外监控摄像头。一般,监控摄像头将实时拍摄的视频或图像存储至云端服务器,有的监控摄像头具有人脸信息提取功能,会将拍摄视频中的人像信息提取出来,但是当视频中出现多个行人时,由于拍摄距离过长,行人在走动,拍摄的人像会模糊,导致拍摄视频段内提取的人脸信息会发生错乱,不能保证提取的人脸信息是同一个人的人脸信息,因此本发明人认为现有的监控视频人脸信息提取在准确度方面还存在缺陷,需要进一步改进。
发明内容
为了改善现有的技术中从监控视频提取人脸信息时不准确的问题,本申请提供一种人脸信息提取方法、人物查找方法、***、设备及介质。
本申请提供的一种人脸信息提取方法,采用如下的技术方案:
一种人脸信息提取方法,所述方法包括:
获取当前监控场景下对多个行人的监控图像,并利用预设的人脸检测模型,从所述监控图像中提取每个行人的原始人脸信息;
获取每个行人的位置移动信息,根据每个行人的位置移动信息,生成每个行人的个人轨迹;
基于每个行人的个人轨迹,生成每个行人的位置特征标签,并将所述每个行人的位置特征标签和对应同时刻的原始人脸信息绑定,生成每个行人的目标人脸信息。
通过采用上述技术方案,将监控图像中每个行人的人脸信息和位置特征标签进行实时绑定存储,从而使得提取的人脸信息准确度更高;此外根据每个行人的位置移动信息来生成每个行人的个人轨迹,从而根据个人轨迹来确定位置特征标签,使得该位置特征标签具有对象性和实时性,能够反映对应行人的位置信息,使得获取的人脸信息可以始终对应于同一行人,提高人脸信息提取的准确性。
可选的,获取当前监控场景下对多个行人的监控图像之前,所述方法还包括:
获取当前监控场下对多个行人的监控视频流;
按照预设的分帧参数,对所述监控视频流分帧处理,获取监控图像。
通过采用上述技术方案,通过对监控视频流进行按照预设的分帧参数处理获取监控图像,有助于后续提取行人的人脸信息,同时控制分帧图像,将图像处理的数据量尽量控制在合理程度。
可选的,所述获取每个行人的位置移动信息,包括:
从所述监控视频流中获取多张监控图像,对每张监控图像中每个行人的位置进行识别,获取每个行人的轨迹节点信息,并将所述轨迹节点信息作为位置移动信息;
或实时获取每个行人的移动设备定位信息,生成每个行人的位置节点信息,并将所述位置节点信息作为位置移动信息。
通过采用上述技术方案,行人的位置移动信息有两种获取方式,可以通过多张监控图像处理得到每个行人的轨迹节点信息,也可以通过获取每个行人所携带的移动设备定位信息,确定每个行人的位置节点信息,从而可以确定每个行人的位置移动信息,有助于生成每个行人的个人轨迹,便于后续获取每个行人的位置特征标签。
可选的,所述根据每个行人的位置移动信息,生成每个行人的个人轨迹,包括:
对每个行人的位置移动信息进行数据预处理,针对缺失的位置移动信息进行补充,并将完成数据预处理后对应的位置移动信息作为目标节点信息;
分别对每个行人的目标节点信息进行轨迹拟合,生成每个行人的个人轨迹。
通过采用上述技术方案,针对获取每个行人的位置移动信息进行数据预处理,将缺失的数据进行补充,从而便于有效拟合每个行人的个人轨迹。
可选的,所述基于每个行人的个人轨迹,生成每个行人的位置特征标签,包括:
根据每个行人个人轨迹的变化情况,实时计算所有相邻同行人个人轨迹之间的积分面积;
根据实时的积分面积变化情况,确定相邻同行人之间的实时同行关系,并根据所有相邻同行人之间的实时同行关系,确定每个行人的位置特征标签。
通过采用上述技术方案,通过计算相邻同行人之间的积分面积,并确定实时的积分面积变化情况确定两个相邻同行人的同行状态,从而便于将同行人作为参照对象,确定所参照的行人的位置特征标签,并利用此方法确定每个行人的位置特征标签,使得该标签具有唯一对象性。
可选的,为每个行人预设一个位置编号;根据实时的积分面积变化情况,确定相邻同行人之间的实时同行关系,并根据所有相邻同行人之间的实时同行关系,确定每个行人的位置特征标签,包括:
基于实时的积分面积变化情况,确定实时面积变化率;
将所述实时面积变化率的倒数作为相邻同行人之间的实时重合度,利用所述实时重合度反映相邻同行人之间的实时同行关系,并设定当实时面积变化率为0时,实时重合度为1;
对每个行人进行位置标注,针对每个目标标注行人,基于目标标注行人的位置编号、左/右相邻同行人的位置编号、与左/右相邻同行人之间的积分面积以及实时重合度,生成一组位置参数,并将该位置参数作为目标标注行人的位置特征标签。
通过采用上述技术方案,通过计算实时面积变化率,并将该实时面积变化率的倒数作为相邻同行人之间的实时重合度,即当两个相邻同行人个人轨迹之间的实时面积变化率越大时,说明两个相邻同行人相隔越分离;当两个相邻同行人个人轨迹之间的实时面积变化率越小时,说明两个相邻同行人相隔越相近即越可能重合,当两个相邻同行人个人轨迹之间的实时面积变化率为0时,则说明两个相邻同行人相遇;此外,针对每个目标标注行人,根据目标标注行人的位置编号、左/右相邻同行人的位置编号、与左/右相邻同行人之间的积分面积以及实时重合度,可以生成一组实时的位置参数,并将实时的位置参数作为目标标注行人的位置特征标签,从而使得该标签具有唯一对象性和实时性。
第二方面,本申请提供一种基于所述人脸信息提取方法的人物查找方法,采用如下的技术方案:
一种基于所述人脸信息提取方法的人物查找方法,所述人物查找方法包括:
获取目标人物的查找请求,所述查找请求包括目标人物的位置编号和查找时间;
根据所述目标人物的位置编号,获取目标人物的位置特征标签;
根据所述目标人物的位置特征标签,映射获目标人物在所述查找时间内的所有原始人脸信息并作为查找结果。
通过采用上述技术方案,根据查找请求中目标人物的位置编号和查找时间,确定目标人物的位置特征标签,由于目标人物的位置特征标签和其原始人脸信息是实时绑定存储的,因此可以根据目标人物的位置特征标签,映射获取目标人物的原始人脸信息,使得查找的原始人脸信息始终都是目标人物自己的人脸信息,从而提高目标人物查找的准确性。
第三方面,本申请提供一种人脸信息提取***,采用如下的技术方案:
一种人脸信息提取***,所述提取***包括:
信息提取模块,用于获取当前监控场景下对多个行人的监控图像,并利用预设的人脸检测模型,从所述监控图像中提取每个行人的原始人脸信息;
轨迹获取模块,用于获取每个行人的位置移动信息,根据每个行人的位置移动信息,生成每个行人的个人轨迹;
信息合成模块,用于基于每个行人的个人轨迹,生成每个行人的位置特征标签,并将所述每个行人的位置特征标签和对应同时刻的原始人脸信息绑定,生成每个行人的目标人脸信息。
通过采用上述技术方案,将监控图像中每个行人的人脸信息和位置特征标签进行实时绑定存储,从而使得提取的人脸信息准确度更高;此外根据每个行人的位置移动信息来生成每个行人的个人轨迹,从而根据个人轨迹来确定位置特征标签,使得该位置特征标签具有对象性和实时性,能够反映对应行人的位置信息,使得获取的人脸信息可以始终对应于同一行人,提高人脸信息提取的准确性。
第四方面,本申请提供一种基于人脸信息提取***的人物查找***,采用如下的技术方案:
一种基于人脸信息提取***的人物查找***,所述查找***包括:
请求获取模块,用于获取目标人物的查找请求,所述查找请求包括目标人物的位置编号和查找时间;
获取标签模块,用于根据所述目标人物的位置编号,获取目标人物的位置特征标签;
结果获取模块,用于根据所述目标人物的位置特征标签,映射获目标人物在所述查找时间内的所有原始人脸信息并作为查找结果。
通过采用上述技术方案,根据查找请求中目标人物的位置编号和查找时间,确定目标人物的位置特征标签,由于目标人物的位置特征标签和其原始人脸信息是实时绑定存储的,因此可以根据目标人物的位置特征标签,映射获取目标人物的原始人脸信息,使得查找的原始人脸信息始终都是目标人物自己的人脸信息,从而提高目标人物查找的准确性。
第五方面,本申请提供的一种计算机设备,采用如下的技术方案:
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述人脸信息提取方法的步骤;或者,所述处理器执行所述计算机程序时实现基于人脸信息提取方法的人物查找方法的步骤。
第六方面,本申请提供的一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述人脸信息提取方法的步骤;或者,所述计算机程序处理器执行时实现基于人脸信息提取方法的人物查找方法的步骤。
综上所述,本申请包括以下至少一种有益技术效果:
1. 本申请将监控图像中每个行人的人脸信息和位置特征标签进行实时绑定存储,从而使得提取的人脸信息准确度更高;此外根据每个行人的位置移动信息来生成每个行人的个人轨迹,从而根据个人轨迹来确定位置特征标签,使得该位置特征标签具有对象性和实时性,能够反映对应行人的位置信息,使得获取的人脸信息可以始终对应于同一行人,提高人脸信息提取的准确性。
2. 本申请的行人的位置移动信息有两种获取方式,可以通过多张监控
图像处理得到每个行人的轨迹节点信息,也可以通过获取每个行人所携带的移动设备定位信息,确定每个行人的位置节点信息,从而可以确定每个行人的位置移动信息,有助于生成每个行人的个人轨迹,便于后续获取每个行人的位置特征标签。
3. 本申请通过计算实时面积变化率,并将该实时面积变化率的倒数作为相邻同行人之间的实时重合度,即当两个相邻同行人个人轨迹之间的实时面积变化率越大时,说明两个相邻同行人相隔越分离;当两个相邻同行人个人轨迹之间的实时面积变化率越小时,说明两个相邻同行人相隔越相近即越可能重合,当两个相邻同行人个人轨迹之间的实时面积变化率为0时,则说明两个相邻同行人相遇;此外,针对每个目标标注行人,根据目标标注行人的位置编号、左/右相邻同行人的位置编号、与左/右相邻同行人之间的积分面积以及实时重合度,可以生成一组实时的位置参数,并将实时的位置参数作为目标标注行人的位置特征标签,从而使得该标签具有唯一对象性和实时性。
附图说明
图1是本申请实施例人脸信息提取方法的实现流程图;
图2是本申请实施例人脸信息提取方法步骤S2的实现流程图;
图3是本申请实施例人脸信息提取方法步骤S3的实现流程图;
图4是本申请实施例人脸信息提取方法步骤S32的实现流程图;
图5是本申请实施例基于人脸信息提取方法的人物查找方法的实现流程图;
图6是本申请实施例人脸信息提取***的原理框图;
图7是本申请实施例人物查找***的原理框图;
图8是本申请实施例一计算机设备的原理框图。
具体实施方式
以下结合附图1-8对本申请作进一步详细说明。
参照图1,本申请实施例公开一种人脸信息提取方法,该方法包括:
S1:获取当前监控场景下对多个行人的监控图像,并利用预设的人脸检测模型,从监控图像中提取每个行人的原始人脸信息。
在本实施例中,当前监控场景是指监控摄像头当前正在监控拍摄的场景,比如园区、学校、小区等道路上;监控图像是指监控摄像头对当前监控场景下出现的多个行人的拍摄画面;原始人脸信息是指行人原始的人脸图像。
具体地,当前监控场景上布设了监控摄像头,监控摄像头实时拍摄当前监控场景,并将拍摄的监控视频流通过无线通信上传到云端服务器。在本实施例中,监控摄像头可以安装在当前监控场景附近的5G基站上。无线通信方式可以采用5G通信方式,在其他实施例中,也可以采用4G/Wi-Fi通信方式。
进一步地,云端服务器获取该监控视频并存储在数据库中,接着将监控视频流按照预设的分帧参数进行分帧处理,比如间隔10帧获取一次监控图像,并对监控图像进行人脸识别,针对当前监控场景出现多个行人的情况,监控图像中出现多个行人的人脸图像,利用预设的人脸检测模型对监控图像进行人脸监测,从而提取每个行人的人脸图像即原始人脸信息,在本实施例中,可以采用现有的基于AdaBoost算法的人脸检测模型。
S2:获取每个行人的位置移动信息,根据每个行人的位置移动信息,生成每个行人的个人轨迹。
在本实施例中,位置移动信息是指行人在监控摄像头拍摄时段内的移动节点情况;个人轨迹是指行人在监控摄像头拍摄时段内的移动轨迹。
下面具体说明获取每个行人的位置移动信息的两种方式:
(1)从监控视频流中获取多张监控图像,对每张监控图像中每个行人的位置进行识别,获取每个行人的轨迹节点信息,并将轨迹节点信息作为位置移动信息。
在本实施例中,轨迹节点信息是指行人在同一监控画面中移动的节点信息。
具体地,从监控视频中获取多张监控图像,比如每间隔1s从监控视频中分帧获取一张监控图像,然后对每张监控图像中每个行人的位置进行识别,比如针对每个行人的头部进行识别,识别出每张监控图像中每个行人的头部的轨迹节点信息,并将每个行人的轨迹节点信息作为每个行人的位置移动信息并存储至数据库中。
(2)实时获取每个行人的移动设备定位信息,生成每个行人的位置节点信息,并将位置节点信息作为位置移动信息。
在本实施例中,移动设备定位信息是指行人所携带的移动设备的位置信息;位置节点信息是指在监控摄像过程中,行人所携带移动设备的位置变化的节点信息。
具体地,针对每个行人均携带了移动设备的情况,比如手机,由于手机会实时对通信基站进行信号搜索,比如手机对5G基站进行信号搜索,5G基站接收到手机的信号搜索后,可以得知手机距离基站的距离,根据该距离定位手机,从而可以获取行人的移动设备定位信息,根据监控摄像头拍摄过程中行人的移动情况,比如每隔2s获取每个行人的移动设备定位信息,生成每个行人的位置节点信息,并将每个行人的位置节点信息作为每个行人的位置移动信息。
在本实施例中,如图2所示,步骤S2中即根据每个行人的位置移动信息,生成每个行人的个人轨迹,包括:
S21:对每个行人的位置移动信息进行数据预处理,针对缺失的位置移动信息进行补充,并将完成数据预处理后对应的位置移动信息作为目标节点信息。
在本实施例中,目标节点信息是指用于生成个人轨迹的节点信息。
具体地,分别判断每个行人的位置移动信息是否出现缺失,针对缺失的位置移动信息即轨迹点进行补充,在本实施例中,缺失轨迹点是根据相邻同行人的轨迹点数量进行补充,比如两个相邻同行人的位置移动信息,分别有6个轨迹点和4个轨迹点,则需要对第二个行人的位置移动信息补充两个轨迹点,针对缺失处的相邻轨迹点之间采用取中点法以补充两个轨迹点。当上述缺失轨迹点补充完成后,即完成数据预处理,并将完成数据预处理后对应的位置移动信息作为目标节点信息。
S22:分别对每个行人的目标节点信息进行轨迹拟合,生成每个行人的个人轨迹。
具体地,针对每个行人散点状的目标节点信息进行拟合,以生成每个行人的个人轨迹。
S3:基于每个行人的个人轨迹,生成每个行人的位置特征标签,并将每个行人的位置特征标签和对应同时刻的原始人脸信息绑定,生成每个行人的目标人脸信息。
在本实施例中,位置特征标签是指反映行人位置特征的信息;目标人脸信息是指满足准确提取要求的行人人脸信息。
在本实施例中,如图3所示,步骤S3中即基于每个行人的个人轨迹,生成每个行人的位置特征标签,包括:
S31:根据每个行人的个人轨迹的变化情况,实时计算所有相邻同行人个人轨迹之间的积分面积。
具体地,在当前监控场景下,由于多个同行人在行走,基于每个行人个人轨迹的变化情况,实时计算相邻同行人个人轨迹之间的积分面积。
S32:根据实时的积分面积变化情况,确定相邻同行人之间的实时同行关系,并根据所有相邻同行人之间的实时同行关系,确定每个行人的位置特征标签。
在本实施例中,实时同行关系是指相邻同行人在行走过程中的位置关系。
在本实施例中,为每个行人预设一个位置编号,如图4所示,步骤S32即根据实时的积分面积变化情况,确定相邻同行人之间的实时同行关系,并根据所有相邻同行人之间的实时同行关系,确定每个行人的位置特征标签,具体包括:
S321:基于实时的积分面积变化情况,确定实时面积变化率。
S322:将实时面积变化率的倒数作为相邻同行人之间的实时重合度,利用实时重合度反映相邻同行人之间的实时同行关系,并设定当实时面积变化率为0时,实时重合度为1。
S323:对每个行人进行位置标注,针对每个目标标注行人,基于目标标注行人的位置编号、左/右相邻同行人的位置编号、与左/右相邻同行人之间的积分面积以及实时重合度,生成一组位置参数,并将该位置参数作为目标标注行人的位置特征标签。
在本实施例中,实时面积变化率是指相邻同行人个人轨迹之间的积分面积的实时变换率;实时重合度是指相邻同行人存在轨迹重合的可能性,即相遇的可能性;目标标注行人是指需要进行位置标注的行人;位置编号是指对当前监控场景下出现的多个行人进行随机生成的编号。
具体地,根据相邻同行人个人轨迹之间实时的积分面积,计算相邻同行人个人轨迹之间的面积增长率即实时面积变化率,并将该实时面积变化率的倒数作为相邻个人轨迹的实时重合度,当两个相邻个人轨迹之间的实时面积变化率越大时,说明两个相邻同行人相隔越分离;当两个相邻个人轨迹之间的实时面积变化率越小时,说明两个相邻同行人相隔越相近即越可能重合,当两个相邻个人轨迹之间的实时面积变化率为0时,则说明两个相邻同行人相遇。
进一步地,针对每个行人进行位置标注,并将每个待标注的行人作为目标标注行人,根据目标标注行人的位置编号、与左/右相邻同行人的位置编号、与左/右相邻同行人的积分面积以及实时重合度,可以生成一组实时的位置参数,在本实施例中,可以在开始计算时,随机选择目标标注行人的左相邻同行人或右相邻同行人,此后数据分析时也是基于相同的左/右相邻同行人。然后将实时的位置参数作为目标标注行人的位置特征标签,从而使得该标签具有唯一对象性和实时性。
如图5所示,本实施例还提供一种基于上述人脸信息提取方法的人物查找方法,该人物查找方法包括:
S4:获取目标人物的查找请求,查找请求包括目标人物的位置编号和查找时间。
在本实施例中,目标人物是指需要从监控视频流中查找的目标行人;查找请求是指查找某个目标人物的人脸信息的请求;查找时间是指请求查找的时间点或时间段。
具体地,当需要根据监控视频流查找某个目标人物的人脸信息时,可以通过客户端播放监控视频流,工作人员在播放的监控视频流中选中目标人物并生成查找请求,客户端向云端服务器发送查找请求,云端服务器接收关于目标人物的查找请求,该查找请求包括目标人物的位置编号和查找时间。
S5:根据目标人物的位置编号,获取目标人物的位置特征标签。
具体地,由于位置编号属于位置特征标签中的参数,利用目标人物的位置编号,映射获取目标人物的位置特征标签。
S6:根据目标人物的位置特征标签,映射获目标人物在查找时间内的所有原始人脸信息并作为查找结果。
具体地,由于目标人物的位置特征标签和原始人脸信息是实时绑定存储的,因此,利用目标人物的位置特征标签,映射获取目标人物在查找时间内目标人物的所有人脸信息并作为查找结果,将该查找结果发送到与监控相关联的客户端。
应理解,上述实施例中各步骤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,而不应对本发明实施例的实施过程构成任何限定。
本实施例还提供一种人脸信息提取***,该人脸信息提取***与上述实施例中人脸信息提取方法一一对应。如图6所示,该人脸信息提取***包括信息提取模块、轨迹获取模块和信息合成模块。各功能模块详细说明如下:
信息提取模块,用于获取当前监控场景下对多个行人的监控图像,并利用预设的人脸检测模型,从监控图像中提取每个行人的原始人脸信息;
轨迹获取模块,用于获取每个行人的位置移动信息,根据每个行人的位置移动信息,生成每个行人的个人轨迹;
信息合成模块,用于基于每个行人的个人轨迹,生成每个行人的位置特征标签,并将每个行人的位置特征标签和对应同时刻的原始人脸信息绑定,生成每个行人的目标人脸信息。
可选的,本实施例的人脸信息提取***还包括:
视频获取模块,用于获取当前监控场下对多个行人的监控视频流;
分帧处理模块,用于按照预设的分帧参数,对监控视频流分帧处理,获取监控图像。
可选的,轨迹获取模块包括第一信息获取子模块或第二信息获取子模块;
第一信息获取子模块,用于从监控视频流中获取多张监控图像,对每张监控图像中每个行人的位置进行识别,获取每个行人的轨迹节点信息,并将轨迹节点信息作为位置移动信息;
第二信息获取子模块,用于实时获取每个行人的移动设备定位信息,生成每个行人的位置节点信息,并将位置节点信息作为位置移动信息。
可选的,轨迹获取模块还包括预处理子模块和拟合子模块;
预处理子模块,用于对每个行人的位置移动信息进行数据预处理,针对缺失的位置移动信息进行补充,并将完成数据预处理后对应的位置移动信息作为目标节点信息;
拟合子模块,用于分别对每个行人的目标节点信息进行轨迹拟合,生成每个行人的个人轨迹。
可选的,信息合成模块包括面积计算子模块和标签确定子模块;
面积计算子模块,用于根据每个行人的个人轨迹的变化情况,实时计算所有相邻同行人个人轨迹之间的积分面积;
标签确定子模块,用于根据实时的积分面积变化情况,确定相邻同行人之间的实时同行关系,并根据所有相邻同行人之间的实时同行关系,确定每个行人的位置特征标签。
可选的,标签确定子模块包括第一计算单元、转换单元以及标签生成单元;
第一计算单元,用于基于实时的积分面积变化情况,确定实时面积变化率;
转换单元,用于将实时面积变化率的倒数作为相邻同行人之间的实时重合度,利用实时重合度反映相邻同行人之间的实时同行关系,并设定当实时面积变化率为0时,实时重合度为1;
标签生成单元,用于对每个行人进行位置标注,针对每个目标标注行人,基于目标标注行人的位置编号、左/右相邻同行人的位置编号、与左/右相邻同行人之间的积分面积以及实时重合度,可以生成一组位置参数,并将该位置参数作为目标标注行人的位置特征标签。
关于人脸信息提取***的具体限定可以参见上文中对于人脸信息提取方法的限定,在此不再赘述。上述人脸信息提取***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本实施例还提供一种基于人脸信息提取***的人物查找***,该基于人脸信息提取***的人物查找***与上述实施例中基于人脸信息提取方法的人物查找方法一一对应。如图7所示,该人物查找***包括请求获取模块、获取标签模块和结果获取模块。各功能模块详细说明如下:
请求获取模块,用于获取目标人物的查找请求,查找请求包括目标人物的位置编号和查找时间;
获取标签模块,用于根据目标人物的位置编号,获取目标人物的位置特征标签;
结果获取模块,用于根据目标人物的位置特征标签,映射获目标人物在查找时间内的所有原始人脸信息并作为查找结果。
关于人物查找***的具体限定可以参见上文中对于人物查找方法的限定,在此不再赘述。上述人物查找***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本实施例还提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储监控视频流、监控图像、目标人脸信息、原始人脸信息、位置特征标签以及积分面积等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人脸信息提取方法,处理器执行计算机程序时实现以下步骤:
获取当前监控场景下对多个行人的监控图像,并利用预设的人脸检测模型,从监控图像中提取每个行人的原始人脸信息;
获取每个行人的位置移动信息,根据每个行人的位置移动信息,生成每个行人的个人轨迹;
基于每个行人的个人轨迹,生成每个行人的位置特征标签,并将每个行人的位置特征标签和对应同时刻的原始人脸信息绑定,生成每个行人的目标人脸信息。
或者,处理器执行计算机程序时还可以实现以下步骤:
获取目标人物的查找请求,查找请求包括目标人物的位置编号和查找时间;
根据目标人物的位置编号,获取目标人物的位置特征标签;
根据目标人物的位置特征标签,映射获目标人物在查找时间内的所有原始人脸信息并作为查找结果。
本实施例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,计算机程序被处理器执行时实现以下步骤:
获取当前监控场景下对多个行人的监控图像,并利用预设的人脸检测模型,从监控图像中提取每个行人的原始人脸信息;
获取每个行人的位置移动信息,根据每个行人的位置移动信息,生成每个行人的个人轨迹;
基于每个行人的个人轨迹,生成每个行人的位置特征标签,并将每个行人的位置特征标签和对应同时刻的原始人脸信息绑定,生成每个行人的目标人脸信息。
或者,计算机程序被处理器执行时还可以实现以下步骤:
获取目标人物的查找请求,查找请求包括目标人物的位置编号和查找时间;
根据目标人物的位置编号,获取目标人物的位置特征标签;
根据目标人物的位置特征标签,映射获目标人物在查找时间内的所有原始人脸信息并作为查找结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (9)
1.一种人脸信息提取方法,其特征在于:所述方法包括:
获取当前监控场景下对多个行人的监控图像,并利用预设的人脸检测模型,从所述监控图像中提取每个行人的原始人脸信息;
获取每个行人的位置移动信息,根据每个行人的位置移动信息,生成每个行人的个人轨迹;
基于每个行人的个人轨迹,生成每个行人的位置特征标签,并将所述每个行人的位置特征标签和对应同时刻的原始人脸信息绑定,生成每个行人的目标人脸信息;
其中,所述基于每个行人的个人轨迹,生成每个行人的位置特征标签,包括:
根据每个行人的个人轨迹的变化情况,实时计算所有相邻同行人个人轨迹之间的积分面积;
根据实时的积分面积变化情况,确定相邻同行人之间的实时同行关系,并根据所有相邻同行人之间的实时同行关系,确定每个行人的位置特征标签。
2.根据权利要求1所述的人脸信息提取方法,其特征在于:获取当前监控场景下对多个行人的监控图像之前,所述方法还包括:
获取当前监控场景下对多个行人的监控视频流;
按照预设的分帧参数,对所述监控视频流分帧处理,获取监控图像。
3.根据权利要求2所述的人脸信息提取方法,其特征在于:所述获取每个行人的位置移动信息,包括:
从所述监控视频流中获取多张监控图像,对每张监控图像中每个行人的位置进行识别,获取每个行人的轨迹节点信息,并将所述轨迹节点信息作为位置移动信息;
或实时获取每个行人的移动设备定位信息,生成每个行人的位置节点信息,并将所述位置节点信息作为位置移动信息。
4.根据权利要求1所述的人脸信息提取方法,其特征在于:所述根据每个行人的位置移动信息,生成每个行人的个人轨迹,包括:
对每个行人的位置移动信息进行数据预处理,针对缺失的位置移动信息进行补充,并将完成数据预处理后对应的位置移动信息作为目标节点信息;
分别对每个行人的目标节点信息进行轨迹拟合,生成每个行人的个人轨迹。
5.根据权利要求1所述的人脸信息提取方法,其特征在于:为每个行人预设一个位置编号;根据实时的积分面积变化情况,确定相邻同行人之间的实时同行关系,并根据所有相邻同行人之间的实时同行关系,确定每个行人的位置特征标签,包括:
基于实时的积分面积变化情况,确定实时面积变化率;
将所述实时面积变化率的倒数作为相邻同行人之间的实时重合度,利用所述实时重合度反映相邻同行人之间的实时同行关系,并设定当实时面积变化率为0时,实时重合度为1;
对每个行人进行位置标注,针对每个目标标注行人,基于目标标注行人的位置编号、左/右相邻同行人的位置编号、与左/右相邻同行人之间的积分面积以及实时重合度,可以生成一组位置参数,并将该位置参数作为目标标注行人的位置特征标签。
6.一种基于权利要求1至5任一项所述人脸信息提取方法的人物查找方法,其特征在于:所述人物查找方法包括:
获取目标人物的查找请求,所述查找请求包括目标人物的位置编号和查找时间;
根据所述目标人物的位置编号,获取目标人物的位置特征标签;
根据所述目标人物的位置特征标签,映射获目标人物在所述查找时间内的所有原始人脸信息并作为查找结果。
7.一种人脸信息提取***,其特征在于:应用于如权利要求1-5所述的任一种人脸信息提取方法,所述提取***包括:
信息提取模块,用于获取当前监控场景下对多个行人的监控图像,并利用预设的人脸检测模型,从所述监控图像中提取每个行人的原始人脸信息;
轨迹获取模块,用于获取每个行人的位置移动信息,根据每个行人的位置移动信息,生成每个行人的个人轨迹;
信息合成模块,用于基于每个行人的个人轨迹,生成每个行人的位置特征标签,并将所述每个行人的位置特征标签和对应同时刻的原始人脸信息绑定,生成每个行人的目标人脸信息。
8.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时如权利要求1至5任一项所述人脸信息提取方法的步骤;或者,所述处理器执行所述计算机程序时实现如权利要求6所述基于人脸信息提取方法的人物查找方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述人脸信息提取方法的步骤;或者,所述计算机程序被处理器执行时实现如权利要求6所述基于人脸信息提取方法的人物查找方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110169592.XA CN112766228B (zh) | 2021-02-07 | 2021-02-07 | 人脸信息提取方法、人物查找方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110169592.XA CN112766228B (zh) | 2021-02-07 | 2021-02-07 | 人脸信息提取方法、人物查找方法、***、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112766228A CN112766228A (zh) | 2021-05-07 |
CN112766228B true CN112766228B (zh) | 2022-06-24 |
Family
ID=75705339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110169592.XA Active CN112766228B (zh) | 2021-02-07 | 2021-02-07 | 人脸信息提取方法、人物查找方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112766228B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738175A (zh) * | 2019-10-17 | 2020-01-31 | 北京旷视科技有限公司 | 人脸图像处理方法、装置、计算机设备和存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867730B (zh) * | 2010-06-09 | 2011-11-16 | 马明 | 一种基于用户轨迹的多媒体合成方法 |
CN104881662B (zh) * | 2015-06-26 | 2019-03-08 | 北京畅景立达软件技术有限公司 | 一种单幅图像行人检测方法 |
US10839196B2 (en) * | 2015-09-22 | 2020-11-17 | ImageSleuth, Inc. | Surveillance and monitoring system that employs automated methods and subsystems that identify and characterize face tracks in video |
CN105790955B (zh) * | 2016-04-06 | 2019-02-05 | 深圳市博康智能信息技术有限公司 | 一种基于mac地址与人脸信息关联的方法和*** |
GB2552533B (en) * | 2016-07-28 | 2018-08-08 | Crown Packaging Technology Inc | Radial offset monitor |
CN108537241A (zh) * | 2017-03-02 | 2018-09-14 | 镇江雅迅软件有限责任公司 | 一种楼宇运动物体轨迹相似性度量方法 |
CN110210276A (zh) * | 2018-05-15 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 一种移动轨迹获取方法及其设备、存储介质、终端 |
CN110084103A (zh) * | 2019-03-15 | 2019-08-02 | 深圳英飞拓科技股份有限公司 | 一种基于人脸识别技术的同行人分析方法及*** |
-
2021
- 2021-02-07 CN CN202110169592.XA patent/CN112766228B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738175A (zh) * | 2019-10-17 | 2020-01-31 | 北京旷视科技有限公司 | 人脸图像处理方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112766228A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111405241B (zh) | 一种用于视频监控的边缘计算方法和*** | |
CN108965687B (zh) | 拍摄方向识别方法、服务器及监控方法、***及摄像设备 | |
CN107093171B (zh) | 一种图像处理方法及装置、*** | |
CN108297115B (zh) | 一种机器人的自主重定位方法 | |
CN108875507B (zh) | 行人跟踪方法、设备、***和计算机可读存储介质 | |
CN107356256A (zh) | 一种多源数据混合的室内高精度定位***和方法 | |
CN111160307A (zh) | 一种人脸识别方法及人脸识别打卡*** | |
CN111241932A (zh) | 汽车展厅客流检测与分析***、方法及存储介质 | |
CN112906483B (zh) | 一种目标重识别方法、装置及计算机可读存储介质 | |
CN105847756B (zh) | 基于位置点状拟合的视频识别追踪定位*** | |
CN112905824A (zh) | 目标车辆追踪方法、装置、计算机设备及存储介质 | |
CN111383455A (zh) | 交通路口对象流量统计方法、装置、计算机设备和介质 | |
CN111526324B (zh) | 监控***及方法 | |
CN111462155A (zh) | 移动侦测方法、装置、计算机设备和存储介质 | |
CN111383270A (zh) | 物体定位方法、装置、计算机设备及存储介质 | |
CN111695512A (zh) | 一种无人值守文物监测方法及装置 | |
CN112766228B (zh) | 人脸信息提取方法、人物查找方法、***、设备及介质 | |
CN113658265A (zh) | 相机标定方法、装置、电子设备及存储介质 | |
CN112598739A (zh) | 基于时空特征聚合网络的移动机器人红外目标跟踪方法、***及存储介质 | |
CN113850837B (zh) | 视频处理方法、装置、电子设备、存储介质及计算机产品 | |
KR102426594B1 (ko) | 크라우드소싱 환경에서 객체의 위치를 추정하는 시스템 및 방법 | |
CN112929963A (zh) | 基于终端测距的人员定位方法、装置、设备以及存储介质 | |
CN115412668A (zh) | 跟踪拍摄方法、装置及计算机可读存储介质 | |
Hammoudi et al. | Analyzing and managing the slot occupancy of car parking by exploiting vision-based urban surveillance networks | |
CN113686240A (zh) | 基于电力杆塔的定位方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |