CN115546516A - 人员聚档方法、装置、计算机设备及存储介质 - Google Patents

人员聚档方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN115546516A
CN115546516A CN202211200033.1A CN202211200033A CN115546516A CN 115546516 A CN115546516 A CN 115546516A CN 202211200033 A CN202211200033 A CN 202211200033A CN 115546516 A CN115546516 A CN 115546516A
Authority
CN
China
Prior art keywords
key frame
person
target
image feature
candidate
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
CN202211200033.1A
Other languages
English (en)
Inventor
不公告发明人
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.)
Beijing Real AI Technology Co Ltd
Original Assignee
Beijing Real AI 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 Beijing Real AI Technology Co Ltd filed Critical Beijing Real AI Technology Co Ltd
Priority to CN202211200033.1A priority Critical patent/CN115546516A/zh
Publication of CN115546516A publication Critical patent/CN115546516A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V10/70—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
    • 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
    • G06F16/55—Clustering; Classification
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请实施例公开了一种人员聚档方法、装置、计算机设备及存储介质。所述方法包括：获取第一人员档案以及第二人员档案，所述第一人员档案包括第一关键帧集合，所述第一关键帧集合包括至少一种图像特征类型的第一关键帧，所述第二人员档案包括第二关键帧集合，所述第二关键帧集合包括至少一种图像特征类型的第二关键帧；根据所述第一关键帧的图像特征类型以及所述第二关键帧的图像特征类型对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算，得到目标相似度值；若所述目标相似度值大于或等于预设阈值，则将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案。通过实施本申请实施例的方法可提高人员聚档效果。

Description

人员聚档方法、装置、计算机设备及存储介质
技术领域
本申请涉及人工智能技术领域，尤其涉及一种人员聚档方法、装置、计算机设备及存储介质。
背景技术
随着安防监控的不断发展，越来越多的人脸摄像机和治安摄像机应用到日常生活中，对抓拍照中人员的跨时间跨地域的轨迹追踪成了安防领域的重要课题，为此出现了人员聚档技术，人员聚档指将大量人脸照片按个人进行聚档。
人员聚档的关键点在于如何判断两个档案是否属于同一个人，如果属于同一个人则将这两个档案合并成同一个档案。
在现有技术中，在聚档时只用到了人脸抓拍照，在聚档时只使用一张人脸抓拍照作为档案的关键帧，而治安摄像机生成的大量人体照片没有被利用起来，导致人员聚档的图像不够丰富，并且只用一张人脸抓拍照作为档案的关键帧，会丢失档案人员的部分特征信息，降低了聚档结果的准确率和召回率，可能出现一人多档的情况，聚档效果还有待提高。
发明内容
本申请实施例提供了一种人员聚档方法、装置、计算机设备及存储介质，可以提高人员聚档效果。
第一方面，本申请实施例提供了一种人员聚档方法，其包括：
获取第一人员档案以及第二人员档案，所述第一人员档案包括第一关键帧集合，所述第一关键帧集合包括至少一种图像特征类型的第一关键帧，所述第二人员档案包括第二关键帧集合，所述第二关键帧集合包括至少一种图像特征类型的第二关键帧；
根据所述第一关键帧的图像特征类型以及所述第二关键帧的图像特征类型对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算，得到目标相似度值；
若所述目标相似度值大于或等于预设阈值，则将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案。
第二方面，本申请实施例还提供了一种人员聚档装置，其包括：
收发模块，用于获取第一人员档案以及第二人员档案，所述第一人员档案包括第一关键帧集合，所述第一关键帧集合包括至少一种图像特征类型的第一关键帧，所述第二人员档案包括第二关键帧集合，所述第二关键帧集合包括至少一种图像特征类型的第二关键帧；
处理模块，用于根据所述第一关键帧的图像特征类型以及所述第二关键帧的图像特征类型对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算，得到目标相似度值；若所述目标相似度值大于或等于预设阈值，则将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案。
在一些实施例中，所述处理模块在执行所述根据所述第一关键帧的图像特征类型以及所述第二关键帧的图像特征类型对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算，得到目标相似度值步骤时，具体用于：
根据预设的图像特征类型与优先级的对应关系，确定第一目标关键帧以及第二目标关键帧，所述第一目标关键帧为所述第一关键帧集合中未经过相似度计算的所述第一关键帧中的图像特征类型优先级当前最高的关键帧，所述第二目标关键帧为所述第二关键帧集合中未经过相似度计算的所述第二关键帧中图像特征类型优先级当前最高的关键帧，且所述第一目标关键帧以及所述第二目标关键帧的图像特征类型相同；
对所述第一目标关键帧以及所述第二目标关键帧进行档案相似度计算，得到候选相似度值；
根据所述候选相似度值与所述预设阈值的比对结果确定所述目标相似度值。
在一些实施例中，所述处理模块在执行所述根据所述候选相似度值与所述预设阈值的比对结果确定所述目标相似度值步骤时，具体用于：
若所述比对结果为所述候选相似度值大于或等于所述预设阈值，则将所述候选相似度值确定为所述目标相似度值；
若所述比对结果为所述候选相似度值小于所述预设阈值，则确定所述第一关键帧集合以及所述第二关键帧集合中是否存在未经过相似度计算的其他关键帧；
若存在未经过相似度计算的其他关键帧，则返回执行所述根据预设的图像特征类型与优先级的对应关系，确定第一目标关键帧以及第二目标关键帧的步骤；
若不存在未经过相似度计算的其他关键帧，则将所述候选相似度确定为所述目标相似度值。
在一些实施例中，所述处理模块在执行所述将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案步骤之后，还用于：
根据各图像特征类型的所述第一关键帧以及各图像特征类型的所述第二关键帧，确定所述第三人员档案中各图像特征类型的候选关键帧；
针对各图像特征类型的所述候选关键帧，若所述候选关键帧的个数小于或等于预设的关键帧数量阈值，则将所述候选关键帧确定为对应图像特征类型的第三关键帧；
若所述候选关键帧的个数大于所述关键帧数量阈值，则从所述候选关键帧中选取目标数量的候选关键帧作为对应图像特征类型的所述第三关键帧，所述目标数量与所述关键帧数量阈值对应。
在一些实施例中，所述处理模块在执行所述从所述候选关键帧中选取目标数量的候选关键帧作为对应图像特征类型的所述第三关键帧步骤时，具体用于：
针对各所述候选关键帧，确定所述候选关键帧与多个目标人员图像的相似度之和，所述目标人员图像为所述第三人员档案中与所述候选关键帧图像特征类型相同的人员图像；
根据各所述候选关键帧的所述相似度之和，从所述候选关键帧中选取相似度之和最大的所述目标数量的候选关键帧作为对应图像特征类型的所述第三关键帧。
在一些实施例中，所述处理模块在执行所述将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案步骤之后，还用于：
根据所述第三人员档案中各人员图像的时空信息生成所述第三人员档案对应的人员轨迹。
在一些实施例中，所述至少一种图像特征类型包括完整人脸图像类型、戴口罩人脸图像类型以及人体图像类型中的至少一种。
第三方面，本申请实施例还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现上述方法。
与现有技术相比，本申请实施例中，由于第一人员档案以及第二人员档案可以包括多种图像特征类型的关键帧，不同图像类型的关键帧可以表征档案人员不同状态或者不同身体部位的特征，在聚档时，结合多种图像特征类型的关键帧进行聚档，可以减少档案人员特征的丢失，使聚档更加全面，进而提高聚档结果的准确率和召回率，减少一人多档的情况出现，提高人员聚档效果。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的人员聚档方法的应用场景示意图；
图2为本申请实施例提供的人员聚档方法的流程示意图；
图3为本申请实施例提供的人员聚档方法的子流程示意图；
图4为本申请另一实施例提供的人员聚档方法的流程示意图；
图5为本申请实施例提供的人员聚档装置的示意性框图；
图6为本申请实施例中服务器的一种结构示意图；
图7为本申请实施例中终端的一种结构示意图；
图8为本申请实施例中服务器的一种结构示意图。
具体实施方式
本申请实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本申请实施例中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个***中，或一些特征可以忽略，或不执行，另外，所显示的或讨论的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，模块之间的间接耦合或通信连接可以是电性或其他类似的形式，本申请实施例中均不作限定。并且，作为分离部件说明的模块或子模块可以是也可以不是物理上的分离，可以是也可以不是物理模块，或者可以分布到多个电路模块中，可以根据实际的需要选择其中的部分或全部模块来实现本申请实施例方案的目的。
本申请实施例供了一种人员聚档方法、装置、计算机设备及存储介质，该人员聚档方法的执行主体可以是本申请实施例提供的人员聚档装置，或者集成了该人员聚档装置的计算机设备，其中，该人员聚档装置可以采用硬件或者软件的方式实现，该计算机设备可以为终端或服务器。
当该计算机设备为服务器时，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式***，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
当该计算机设备为终端时，该终端可以包括：智能手机、平板电脑、笔记本电脑、桌上型电脑、智能电视、智能音箱、个人数字助理(英文全称：Personal Digital Assistant，英文简称：PDA)、台式计算机、智能手表等携带多媒体数据处理功能(例如，视频数据播放功能、音乐数据播放功能)的智能终端，但并不局限于此。
本申请实施例的方案可基于人工智能技术实现，具体来说涉及人工智能技术中的计算机视觉技术技术领域和云技术中的云计算、云存储和数据库等领域，下面将分别进行介绍。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能***。计算机视觉技术通常包括图像处理、人员聚档、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人员聚档、指纹识别等生物特征识别技术。
随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等，相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。
本申请实施例的方案可基于云技术实现，具体来说涉及云技术中的云计算、云存储和数据库等技术领域，下面将分别进行介绍。
云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。云技术(Cloudtechnology)基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络***的后台服务需要大量的计算、存储资源，如视频网站、图像类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台***进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的***后盾支撑，只能通过云计算来实现。本申请实施例可通过云技术对识别结果进行保存。
云存储(cloud storage)是在云计算概念上延伸和发展出来的一个新的概念，分布式云存储***(以下简称存储***)是指通过集群应用、网格技术以及分布存储文件***等功能，将网络中大量各种不同类型的存储设备(存储设备也称之为存储节点)通过应用软件或应用接口集合起来协同工作，共同对外提供数据存储和业务访问功能的一个存储***。在本申请实施例中，可将网络配置等信息均保存在该存储***中，便于服务器调取。
目前，存储***的存储方法为：创建逻辑卷，在创建逻辑卷时，就为每个逻辑卷分配物理存储空间，该物理存储空间可能是某个存储设备或者某几个存储设备的磁盘组成。客户端在某一逻辑卷上存储数据，也就是将数据存储在文件***上，文件***将数据分成许多部分，每一部分是一个对象，对象不仅包含数据而且还包含数据标识(ID，ID entity)等额外的信息，文件***将每个对象分别写入该逻辑卷的物理存储空间，且文件***会记录每个对象的存储位置信息，从而当客户端请求访问数据时，文件***能够根据每个对象的存储位置信息让客户端对数据进行访问。
存储***为逻辑卷分配物理存储空间的过程，具体为：按照对存储于逻辑卷的对象的容量估量(该估量往往相对于实际要存储的对象的容量有很大余量)和独立冗余磁盘阵列(RAID，Redundant Array ofIndependent Disk)的组别，预先将物理存储空间划分成分条，一个逻辑卷可以理解为一个分条，从而为逻辑卷分配了物理存储空间。
数据库(Database)，简而言之可视为电子化的文件柜——存储电子文件的处所，用户可以对文件中的数据进行新增、查询、更新、删除等操作。所谓“数据库”是以一定方式储存在一起、能与多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。
数据库管理***(英语：Database Management System，简称DBMS)是为管理数据库而设计的电脑软件***，一般具有存储、截取、安全保障、备份等基础功能。数据库管理***可以依据它所支持的数据库模型来作分类，例如关系式、XML(Extensible MarkupLanguage,即可扩展标记语言)；或依据所支持的计算机类型来作分类，例如服务器群集、移动电话；或依据所用查询语言来作分类，例如SQL(结构化查询语言，Structured QueryLanguage)、XQuery；或依据性能冲量重点来作分类，例如最大规模、最高运行速度；亦或其他的分类方式。不论使用哪种分类方式，一些DBMS能够跨类别，例如，同时支持多种查询语言。在本申请实施例中，可将识别结果存储在该数据库管理***中，便于服务器调取。
其中，需要特别说明的是，本申请实施例涉及的终端，可以是指向服务终端提供语音和/或数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。例如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，它们与无线接入网交换语音和/或数据。例如，个人通信业务(英文全称：Personal Communication Service，英文简称：PCS)电话、无绳电话、会话发起协议(SIP)话机、无线本地环路(Wireless Local Loop，英文简称：WLL)站、个人数字助理(英文全称：Personal Digital Assistant，英文简称：PDA)等设备。
在一些实施方式中，本申请实施例可应用于如图1所示的一种人员聚档***1，该人员聚档***1包括服务器10以及至少一个图像采集装置20，图像采集装置20将采集到的第一人员档案发送至服务器10，其中，该人员档案包括一张图像或者包括多张聚档后图像，然后服务器10将该第一人员档案与内存中的第二人员档案进行人员聚档处理，其中，具体聚档方法包括：服务器10获取第一人员档案以及第二人员档案，所述第一人员档案包括第一关键帧集合，所述第一关键帧集合包括至少一种图像特征类型的第一关键帧，所述第二人员档案包括第二关键帧集合，所述第二关键帧集合包括至少一种图像特征类型的第二关键帧；根据所述第一关键帧的图像特征类型以及所述第二关键帧的图像特征类型对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算，得到目标相似度值；若所述目标相似度值大于或等于预设阈值，则将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案。
其中，在一些实施例中，该第一人员档案和第二人员档案均为一个或多个图像采集装置20发送至服务器10的人员档案；在另一些实施例中，该第一人员档案可以为图像采集装置20发送至服务器10的人员档案，该第二人员档案为在服务器10内部存储的需要与第一人员档案进行聚档档案；还在另一些实施例中，该第一人员档案和第二人员档案均为服务器10内部存储的，当前需要进行聚合的两个人员档案；其中，本实施例中的第一人员档案以及第二人员档案包括一张图像或者多张聚档后图像，并且在本实施例中，第一人员档案与第二人员档案为当前需要进行聚档处理的两个档案，对于第一人员档案以及第二人员档案的具体的获取路径此处不作限定。
下面，将结合几个实施例对本申请技术方案进行详细的介绍说明。
参照图2，以下介绍本申请实施例所提供的一种人员聚档方法，本申请实施例包括：
201、获取第一人员档案以及第二人员档案，所述第一人员档案包括第一关键帧集合，所述第一关键帧集合包括至少一种图像特征类型的第一关键帧，所述第二人员档案包括第二关键帧集合，所述第二关键帧集合包括至少一种图像特征类型的第二关键帧。
需要说明的是，本实施例中的关键帧(包括第一关键帧以及第二关键帧)，为在对应人员档案中选取的质量比较好的可以代表档案的人员图像，当需要对两个人员档案进行聚档处理时，只需要根据两个人员档案的关键帧判断两个档案是否可以进行聚档，进而减少档案聚档的计算量。
其中，本实施例中的图像采集装置包括人脸摄像机以及治安摄像机以及其他各种类型的摄像机，人脸摄像机用于抓拍人员的人脸图像，治安摄像机可以抓拍人员的人体图像，人脸摄像机和治安摄像机可以设置在同一个位置，也可以设置在不同位置，具体此处不作限定。
在一些实施例中，为了提高聚档图像的质量，本实施例中的服务器在对图像进行聚档之前，会对获取到的图像进行过滤处理，将不及格(如像素比较低)的图像提前过滤掉，或者图像采集装置在发送图像至服务器之前，首先会判断采集到的图像的质量，如果质量不及格，则丢弃该图像，而不将该图像发送给服务器。
本实施例中，所述至少一种图像特征类型包括完整人脸图像类型、戴口罩人脸图像类型以及人体图像类型中的至少一种。此时，第一人员档案以及第二人员档案中包括完整人脸图像类型、戴口罩人脸图像类型以及人体图像类型中的至少一种图像特征类型的图像。
其中，如果获取到的图像包含人员的人脸图像以及人体图像，如果该图像中的人脸(完整人脸图像或戴口罩人脸图像)是清晰的，则根据该人脸是否戴口罩，将该图像的图像特征类型划分为完整人脸图像类型或戴口罩人脸图像类型；如果该图像中的人脸图像不清晰而人体图像清晰，此时，将该图像的图像特征类型确定为人体图像类型。
202、根据所述第一关键帧的图像特征类型以及所述第二关键帧的图像特征类型对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算，得到目标相似度值。
在一些实施例中，当第一人员档案中只包含一张目标人员图像时，计算目标相似度的步骤如下：
此时，目标人员图像即为第一人员档案对应的第一关键帧，首先确定第一关键帧的目标图像特征类型，然后从第二关键帧集合中提取与目标图像特征类型对应的第二关键帧，然后对第一关键帧与第二关键帧进行档案相似度计算，具体地，如果目标图像特征类型对应的第二关键帧有多个，则需要对多个第二关键帧分别进行相似度计算，然后计算相似度平均值，将该相似度平均值确定为目标相似度值。
其中，需要说明的是，在第二人员档案的聚档初期，第二人员档案可能缺少与目标图像特征类型对应的第二关键帧，此时，判断目标人员图像是否属于第二关键帧的图像中的图像时，需要根据现有的特征关联技术判断第二人员档案中否是存在与该目标人员图像对应的关联特征，如果存在，则根据该关联特征判断目标人员图像是否属于该第二人员档案，如果是，则将该目标人员图像加入该第二人员档案，并将该目标人员图像确定为该第二人员档案目标图像特征类型的一个关键帧。
例如，如果目标人员图像的目标图像特征类型为人体图像类型，而第二人员档案暂没有收集到人体图像类型的图像，此时，进一步检测第二人员档案中是否存在与该目标人员图像时空信息相近的完整图像(例如包括人体图像的完整人脸图像或戴口罩人脸图像)，然后将该目标人员图像与该完整图像中的人体图像进行相似度计算，得到目标相似度值，最后根据该目标相似度值确定该目标人员图像是否属于该第二人员档案。
其中，在一些实施例中，为了避免在第二人员档案中找不到与第一关键帧的图像特征类型对应的图像特征类型，本实施例中用户可以在第二人员档案中预先为每种图像特征类型分别设置至少一个第二关键帧，此时，第二关键帧集合包括多种图像特征类型的第二关键帧。
在一些实施例中，如果目标人员图像的目标图像特征类型为完整人脸图像类型时，此时，优先与第二人员档案中完整人脸图像类型的关键帧进行比对，如果比对失败，再进一步与第二人员档案中戴口罩人脸图像类型的关键帧进行比对，若还是比对失败，说明该目标人员图像不属于第二人员档案，反之属于。同理，如果目标人员图像的目标图像特征类型为戴口罩人脸图像类型时，此时，优先与第二人员档案中戴口罩人脸图像类型的关键帧进行比对，如果比对失败，再进一步与第二人员档案中完整人脸图像类型的关键帧进行比对，若还是比对失败，说明该目标人员图像不属于第二人员档案，如果，目标人员图像的目标图像特征类型为人体图像类型时，此时，则只能与第二人员档案中人体图像类型的关键帧进行比对。
在一些实施例中，当第一人员档案合包括多张图像，并且第一人员档案包括多种图像特征类型时，计算目标相似度的步骤如下：
具体地，在一些实施例中，服务器为不同的图像特征类型设置有不同的优先级，本方案优先对优先级高的图像特征类型的关键帧进行档案相似度计算，此时，请参阅图3，对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算的具体步骤如下：
2021、根据预设的图像特征类型与优先级的对应关系，确定第一目标关键帧以及第二目标关键帧。
具体地，本实施例中完整人脸图像类型的优先级高于戴口罩人脸图像类型的优先级，且戴口罩人脸图像类型的优先级高于人体图像类型的优先级。
其中，所述第一目标关键帧为所述第一关键帧集合中未经过相似度计算的所述第一关键帧中的图像特征类型优先级当前最高的关键帧，所述第二目标关键帧为所述第二关键帧集合中未经过相似度计算的所述第二关键帧中图像特征类型优先级当前最高的关键帧，且所述第一目标关键帧以及所述第二目标关键帧的图像特征类型相同。
2022、对所述第一目标关键帧以及所述第二目标关键帧进行档案相似度计算，得到候选相似度值。
例如，在第一关键帧集合中获取完整人脸图像类型的第一人脸关键帧，并在第二关键帧集合中获取完整人脸图像类型的第二人脸关键帧，然后对第一人脸关键帧以及第二人脸关键帧进行档案相似度计算，得到候选相似度值。
2023、根据所述候选相似度值与所述预设阈值的比对结果确定所述目标相似度值。
具体地，若所述比对结果为所述候选相似度值大于或等于所述预设阈值，则将所述候选相似度值确定为所述目标相似度值；若所述比对结果为所述候选相似度值小于所述预设阈值，则确定所述第一关键帧集合以及所述第二关键帧集合中是否存在未经过相似度计算的其他关键帧；若存在未经过相似度计算的其他关键帧，则返回执行步骤2021；若不存在未经过相似度计算的其他关键帧，则将所述候选相似度确定为所述目标相似度值。
例如，本实施例首先在第一关键帧集合中获取完整人脸图像类型的第一人脸关键帧，并在第二关键帧集合中获取完整人脸图像类型的第二人脸关键帧，然后对第一人脸关键帧以及第二人脸关键帧进行档案相似度计算，得到候选相似度值，然后判断该候选相似度值是否大于或等于所述预设阈值，如果是，则将该候选相似度值确定为目标相似度值，如果否，则按照预设的优先级顺序，进一步获取未经计算的图像特征类型，本实施例是进一步分别从第一关键帧集合以及第二关键帧集合获取的是戴口罩人脸图像类型第一口罩关键帧以及第二口罩关键帧，然后对第一口罩关键帧以及第二口罩关键帧进行档案相似度计算，得到候选相似度值，然后再判断该候选相似度值是否大于或等于所述预设阈值，如果是，则将该候选相似度值确定为目标相似度值，如果否，则按照预设的优先级顺序，进一步获取未经计算的图像特征类型，本实施例是进一步分别从第一关键帧集合以及第二关键帧集合获取的是人体图像类型第一人体关键帧以及第二人体关键帧，然后对第一人体关键帧以及第二人体关键帧进行档案相似度计算，得到候选相似度值，由于人体图像类型为本实施例中优先级最低的类型，此时，可以直接将此时计算出的候选相似度值输出为目标相似度值。
203、若所述目标相似度值大于或等于预设阈值，则将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案。
本实施例中，如果目标相似度值大于或等于预设阈值，则说明第一人员档案与第二人员档案属于同一个人的档案，此时，将第一人员档案与第二人员档案进行聚档处理，得到第三人员档案。
需要说明的时，如果该目标相似度值小于该预设阈值，则说明第一人员档案与第二人员档案不属于同一个人的档案，不需要对第一人员档案与第二人员档案进行聚合处理。
其中，如果该第一人员档案为从图像采集装置中获取到的单张人员图像(为了便于阅读，当第一人员档案为单张人员图像时，以下将第一人员档案称为目标人员图像)，例如图像采集装置的单张抓拍照，第二人员档案为服务器中维护的某个人员的档案，本实施例需要判断目标人员图像是否属于第二人员档案，如果属于，则将目标人员图像加入第二人员档案，如果不属于，则不将目标人员图像加入该第二人员档案，然后继续轮询服务器中的其他人员档案，直至找到可以加入的档案，如果轮询完服务器中的所有人员档案都没有找到可以加入的档案，则此时，在服务器中根据目标人员图像创建一个新的人员档案。
同理，如果第一人员档案包括多张聚合后的图像，如果在服务器中没有找到可以加入的档案，此时，则根据该第一人员档案创建一个新的人员档案。
进一步地，本实施例为每种图像特征类型的关键帧都分别动态维护有Top K个关键帧，其中，该Top K的取值可以为2，也可以为其他取值，例如5，具体取值此处不作限定。此时，在一些实施例中，所述将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案之后，所述方法还包括：
a、根据各图像特征类型的所述第一关键帧以及各图像特征类型的所述第二关键帧，确定所述第三人员档案中各图像特征类型的候选关键帧。
例如，在第一人员档案中，完整人脸图像类型的第一关键帧有2个、戴口罩人脸图像类型的第一关键帧有2个、人体图像类型的第一关键帧也有2个；在第二人员档案中，完整人脸图像类型的第二关键帧有2个、戴口罩人脸图像类型的第二关键帧有2个、人体图像类型的第二关键帧也有2个；此时，在第三人员档案中完整人脸图像类型的候选关键帧有4个、戴口罩人脸图像类型的候选关键帧有4个、人体图像类型的候选关键帧也有4个。
b、针对各图像特征类型的所述候选关键帧，若所述候选关键帧的个数小于或等于预设的关键帧数量阈值，则将所述候选关键帧确定为对应图像特征类型的第三关键帧。
例如，针对完整人脸图像类型的候选关键帧，如果完整人脸图像类型的候选关键帧的个数小于或等于关键帧数量阈值，则不需要对候选关键帧进行筛选，直接将得到的候选关键帧确定为对应图像特征类型的第三关键帧。
其中，本实施例中的关键帧数量阈值为需要维持的各类型关键帧的最大值，此时关键帧数量阈值即为Top K。如果Top K的值为2，此时，如果得到的候选关键帧的数量小于或等于2，此时，直接将得到的候选关键帧确定为对应图像特征类型的第三关键帧。
c、若所述候选关键帧的个数大于所述关键帧数量阈值，则从所述候选关键帧中选取目标数量的候选关键帧作为对应图像特征类型的所述第三关键帧，所述目标数量与所述关键帧数量阈值对应。
例如，针对完整人脸图像类型的候选关键帧，如果完整人脸图像类型的候选关键帧的个数大于关键帧数量阈值，则需要对候选关键帧进行进一步的筛选。
其中，在一些实施例中，具体的筛选方式如下：
针对各所述候选关键帧，确定所述候选关键帧与多个目标人员图像的相似度之和，所述目标人员图像为所述第三人员档案中与所述候选关键帧图像特征类型相同的人员图像；然后根据各所述候选关键帧的所述相似度之和，从所述候选关键帧中选取相似度之和最大的所述目标数量的候选关键帧作为对应图像特征类型的所述第三关键帧。
例如，针对完整人脸图像类型的候选关键帧，如果候选关键帧的个数为4，而关键帧数量阈值为2，此时，需要从这4个候选关键帧中选取2个作为第三人员档案的第三关键帧，具体步骤为，分别确定每个候选关键帧与第三人员档案中完整人脸图像类型的人员图像的相似度之和，得到每个候选关键帧分别对应的相似度之和，然后再选取相似度之和最大的2个候选关键帧作为第三关键帧。进而实现对关键帧数量的动态维护。
其中，针对戴口罩人脸图像类型以及针对人体图像类型的候选关键帧的筛选与针对完整人脸图像类型的候选关键帧的筛选方法类似，具体此处不作赘述。
在一些实施例中，所述将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案之后，所述方法还包括：根据所述第三人员档案中各人员图像的时空信息生成所述第三人员档案对应的人员轨迹。
可见，本方案还可以根据聚档后的数据生成人员轨迹，由于实施例在第三人员档案中包含有多种类型的图像特征类型，图像的召回率高，故生成的人员轨迹的精度也高。
在一些实施例中，为了进一步理解本实施例提供的人员聚档方法，请参阅图4，图像采集装置发送一帧完整人脸抓拍照至服务器，此时，服务器根据该帧完整人脸抓拍照作为第一人员档案，与服务器中的第二人员档案进行相似度计算，此时，Top K中的K取2，其中，图4中颜色加深部分图像为关键帧图像，首先确定该帧完整人脸抓拍照的图像特征类型为完整人脸图像类型，然后将该帧完整人脸抓拍照与第二档案中完整人脸图像类型的关键帧进行档案相似度计算，得到目标相似度结果，如果该目标相似度结果大于或等于预设阈值，则将该帧完整人脸抓拍照放入所述第二档案中，得到第三档案，同时动态维护Top K帧关键帧。
综上所述，本申请实施例中，由于第一人员档案以及第二人员档案可以包括多种图像特征类型的关键帧，不同图像类型的关键帧可以表征档案人员不同状态或者不同身体部位的特征，在聚档时，结合多种图像特征类型的关键帧进行聚档，可以减少档案人员特征的丢失，使聚档更加全面，进而提高聚档结果的准确率和召回率，减少一人多档的情况出现，提高人员聚档效果。
图5是本申请实施例提供的一种人员聚档装置的示意性框图。如图5所示，对应于以上人员聚档方法，本申请还提供一种人员聚档装置。该人员聚档装置包括用于执行上述人员聚档方法的单元，该装置可以被配置于终端或服务器中。具体地，请参阅图5，该人员聚档装置500包括收发模块501以及处理模块502，其中：
收发模块501，用于获取第一人员档案以及第二人员档案，所述第一人员档案包括第一关键帧集合，所述第一关键帧集合包括至少一种图像特征类型的第一关键帧，所述第二人员档案包括第二关键帧集合，所述第二关键帧集合包括至少一种图像特征类型的第二关键帧；
处理模块502，用于根据所述第一关键帧的图像特征类型以及所述第二关键帧的图像特征类型对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算，得到目标相似度值；若所述目标相似度值大于或等于预设阈值，则将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案。
在一些实施例中，所述处理模块502在执行所述根据所述第一关键帧的图像特征类型以及所述第二关键帧的图像特征类型对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算，得到目标相似度值步骤时，具体用于：
根据预设的图像特征类型与优先级的对应关系，确定第一目标关键帧以及第二目标关键帧，所述第一目标关键帧为所述第一关键帧集合中未经过相似度计算的所述第一关键帧中的图像特征类型优先级当前最高的关键帧，所述第二目标关键帧为所述第二关键帧集合中未经过相似度计算的所述第二关键帧中图像特征类型优先级当前最高的关键帧，且所述第一目标关键帧以及所述第二目标关键帧的图像特征类型相同；
对所述第一目标关键帧以及所述第二目标关键帧进行档案相似度计算，得到候选相似度值；
根据所述候选相似度值与所述预设阈值的比对结果确定所述目标相似度值。
在一些实施例中，所述处理模块502在执行所述根据所述候选相似度值与所述预设阈值的比对结果确定所述目标相似度值步骤时，具体用于：
若所述比对结果为所述候选相似度值大于或等于所述预设阈值，则将所述候选相似度值确定为所述目标相似度值；
若所述比对结果为所述候选相似度值小于所述预设阈值，则确定所述第一关键帧集合以及所述第二关键帧集合中是否存在未经过相似度计算的其他关键帧；
若存在未经过相似度计算的其他关键帧，则返回执行所述根据预设的图像特征类型与优先级的对应关系，确定第一目标关键帧以及第二目标关键帧的步骤；
若不存在未经过相似度计算的其他关键帧，则将所述候选相似度确定为所述目标相似度值。
在一些实施例中，所述处理模块502在执行所述将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案步骤之后，还用于：
根据各图像特征类型的所述第一关键帧以及各图像特征类型的所述第二关键帧，确定所述第三人员档案中各图像特征类型的候选关键帧；
针对各图像特征类型的所述候选关键帧，若所述候选关键帧的个数小于或等于预设的关键帧数量阈值，则将所述候选关键帧确定为对应图像特征类型的第三关键帧；
若所述候选关键帧的个数大于所述关键帧数量阈值，则从所述候选关键帧中选取目标数量的候选关键帧作为对应图像特征类型的所述第三关键帧，所述目标数量与所述关键帧数量阈值对应。
在一些实施例中，所述处理模块502在执行所述从所述候选关键帧中选取目标数量的候选关键帧作为对应图像特征类型的所述第三关键帧步骤时，具体用于：
针对各所述候选关键帧，确定所述候选关键帧与多个目标人员图像的相似度之和，所述目标人员图像为所述第三人员档案中与所述候选关键帧图像特征类型相同的人员图像；
根据各所述候选关键帧的所述相似度之和，从所述候选关键帧中选取相似度之和最大的所述目标数量的候选关键帧作为对应图像特征类型的所述第三关键帧。
在一些实施例中，所述处理模块502在执行所述将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案步骤之后，还用于：
根据所述第三人员档案中各人员图像的时空信息生成所述第三人员档案对应的人员轨迹。
在一些实施例中，所述至少一种图像特征类型包括完整人脸图像类型、戴口罩人脸图像类型以及人体图像类型中的至少一种。
综上所述，本申请实施例中，由于第一人员档案以及第二人员档案可以包括多种图像特征类型的关键帧，不同图像类型的关键帧可以表征档案人员不同状态或者不同身体部位的特征，在聚档时，结合多种图像特征类型的关键帧进行聚档，可以减少档案人员特征的丢失，使聚档更加全面，进而提高聚档结果的准确率和召回率，减少一人多档的情况出现，提高人员聚档效果。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述人员聚档装置和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
上面从模块化功能实体的角度对本申请实施例中的人员聚档装置进行了描述，下面从硬件处理的角度分别对本申请实施例中的人员聚档装置进行描述。
需要说明的是，在本申请实施例各实施例(包括图5所示的各实施例)中所有的收发模块对应的实体设备可以为收发器，所有的处理模块对应的实体设备可以为处理器。当其中一种装置具有如图5所示的结构时，处理器、收发器和存储器实现前述对应该装置的装置实施例提供的所述收发模块和所述处理模块相同或相似的功能，图6中的存储器存储处理器执行上述人员聚档方法时需要调用的计算机程序。
图5所示的装置可以具有如图6所示的结构，当图5所示的装置具有如图6所示的结构时，图6中的处理器能够实现前述对应该装置的装置实施例提供的所述处理模块相同或相似的功能，图6中的收发器能够实现前述对应该装置的装置实施例提供的所述收发模块相同或相似的功能，图6中的存储器存储处理器执行上述人员聚档方法时需要调用的计算机程序。在本申请实施例图5所示的实施例中的所述收发模块所对应的实体设备可以为输入输出接口，所述处理模块对应的实体设备可以为处理器。
本申请实施例还提供了另一种终端设备，如图7所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该终端设备可以为包括手机、平板电脑、个人数字助理(英文全称：Personal DigitalAssistant，英文简称：PDA)、销售终端(英文全称：Point ofSales，英文简称：POS)、车载电脑等任意终端设备，以终端为手机为例：
图7示出的是与本申请实施例提供的终端设备相关的手机的部分结构的框图。参考图7，手机包括：射频(英文全称：Radio Frequency，英文简称：RF)电路610、存储器620、输入单元630、显示单元640、传感器650、音频电路660、无线保真(英文全称：wirelessfidelity，英文简称：Wi-Fi)模块670、处理器680、以及电源690等部件。本领域技术人员可以理解，图7中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图7对手机的各个构成部件进行具体的介绍：
RF电路610可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器680处理；另外，将设计上行的数据发送给基站。通常，RF电路610包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(英文全称：LowNoiseAmplifier，英文简称：LNA)、双工器等。此外，RF电路610还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯***(英文全称：Global System ofMobile communication，英文简称：GSM)、通用分组无线服务(英文全称：General Packet Radio Service，英文简称：GPRS)、码分多址(英文全称：Code Division MultipleAccess，英文简称：CDMA)、宽带码分多址(英文全称：WidebandCode Division Multiple Access,英文简称：WCDMA)、长期演进(英文全称：Long TermEvolution，英文简称：LTE)、电子邮件、短消息服务(英文全称：Short Messaging Service，英文简称：SMS)等。
存储器620可用于存储软件程序以及模块，处理器680通过运行存储在存储器620的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器620可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器620可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元630可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元630可包括触控面板631以及其他输入设备632。触控面板631，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板631上或在触控面板631附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板631可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器680，并能接收处理器680发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板631。除了触控面板631，输入单元630还可以包括其他输入设备632。具体地，其他输入设备632可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元640可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元640可包括显示面板641，可选的，可以采用液晶显示器(英文全称：LiquidCrystal Display，英文简称：LCD)、有机发光二极管(英文全称：Organic Light-EmittingDiode,英文简称：OLED)等形式来配置显示面板641。进一步的，触控面板631可覆盖显示面板641，当触控面板631检测到在其上或附近的触摸操作后，传送给处理器680以确定触摸事件的类型，随后处理器680根据触摸事件的类型在显示面板641上提供相应的视觉输出。虽然在图7中，触控面板631与显示面板641是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板631与显示面板641集成而实现手机的输入和输出功能。
手机还可包括至少一种传感器650，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板641的亮度，接近传感器可在手机移动到耳边时，关闭显示面板641和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路660、扬声器661，传声器662可提供用户与手机之间的音频接口。音频电路660可将接收到的音频数据转换后的电信号，传输到扬声器661，由扬声器661转换为声音信号输出；另一方面，传声器662将收集的声音信号转换为电信号，由音频电路660接收后转换为音频数据，再将音频数据输出处理器680处理后，经RF电路610以发送给比如另一手机，或者将音频数据输出至存储器620以便进一步处理。
Wi-Fi属于短距离无线传输技术，手机通过Wi-Fi模块670可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图7示出了Wi-Fi模块670，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变申请的本质的范围内而省略。
处理器680是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器620内的软件程序和/或模块，以及调用存储在存储器620内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器680可包括一个或多个处理模块；优选的，处理器680可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器680中。
手机还包括给各个部件供电的电源690(比如电池)，电源可以通过电源管理***与处理器680逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。
在本申请实施例中，该手机所包括的处理器680还具有控制执行以上由图2所示的人员聚档方法的流程图。
图8是本申请实施例提供的一种服务器结构示意图，该服务器720可因配置或性能不同而产生比较大的差异，可以包括一个或一个以***处理器(英文全称：centralprocessing units，英文简称：CPU)722(例如，一个或一个以上处理器)和存储器732，一个或一个以上存储应用程序742或数据744的存储介质730(例如一个或一个以上海量存储设备)。其中，存储器732和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器722可以设置为与存储介质730通信，在服务器720上执行存储介质730中的一系列指令操作。
服务器720还可以包括一个或一个以上电源726，一个或一个以上有线或无线网络接口750，一个或一个以上输入输出接口758，和/或，一个或一个以上操作***741，例如Windows Server，Mac OS X，Unix,Linux，FreeBSD等等。
上述实施例中由服务器所执行的步骤可以基于该图8所示的服务器720的结构。例如上述实施例中由图2所示的服务器的步骤可以基于该图8所示的服务器结构。例如，所述处理器722通过调用存储器732中的指令，执行以下操作：
获取第一人员档案以及第二人员档案，所述第一人员档案包括第一关键帧集合，所述第一关键帧集合包括至少一种图像特征类型的第一关键帧，所述第二人员档案包括第二关键帧集合，所述第二关键帧集合包括至少一种图像特征类型的第二关键帧；
根据所述第一关键帧的图像特征类型以及所述第二关键帧的图像特征类型对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算，得到目标相似度值；
若所述目标相似度值大于或等于预设阈值，则将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请实施例所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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，例如多个模块或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请实施例各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块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，可以存储在一个计算机可读取存储介质中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
以上对本申请实施例所提供的技术方案进行了详细介绍，本申请实施例中应用了具体个例对本申请实施例的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请实施例的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请实施例的限制。

Claims (10)

1.一种人员聚档方法，其特征在于，包括：
获取第一人员档案以及第二人员档案，所述第一人员档案包括第一关键帧集合，所述第一关键帧集合包括至少一种图像特征类型的第一关键帧，所述第二人员档案包括第二关键帧集合，所述第二关键帧集合包括至少一种图像特征类型的第二关键帧；
根据所述第一关键帧的图像特征类型以及所述第二关键帧的图像特征类型对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算，得到目标相似度值；
若所述目标相似度值大于或等于预设阈值，则将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一关键帧的图像特征类型以及所述第二关键帧的图像特征类型对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算，得到目标相似度值，包括：
根据预设的图像特征类型与优先级的对应关系，确定第一目标关键帧以及第二目标关键帧，所述第一目标关键帧为所述第一关键帧集合中未经过相似度计算的所述第一关键帧中的图像特征类型优先级当前最高的关键帧，所述第二目标关键帧为所述第二关键帧集合中未经过相似度计算的所述第二关键帧中图像特征类型优先级当前最高的关键帧，且所述第一目标关键帧以及所述第二目标关键帧的图像特征类型相同；
对所述第一目标关键帧以及所述第二目标关键帧进行档案相似度计算，得到候选相似度值；
根据所述候选相似度值与所述预设阈值的比对结果确定所述目标相似度值。
3.根据权利要求2所述的方法，其特征在于，所述根据所述候选相似度值与所述预设阈值的比对结果确定所述目标相似度值，包括：
若所述比对结果为所述候选相似度值大于或等于所述预设阈值，则将所述候选相似度值确定为所述目标相似度值；
若所述比对结果为所述候选相似度值小于所述预设阈值，则确定所述第一关键帧集合以及所述第二关键帧集合中是否存在未经过相似度计算的其他关键帧；
若存在未经过相似度计算的其他关键帧，则返回执行所述根据预设的图像特征类型与优先级的对应关系，确定第一目标关键帧以及第二目标关键帧的步骤；
若不存在未经过相似度计算的其他关键帧，则将所述候选相似度确定为所述目标相似度值。
4.根据权利要求1所述的方法，其特征在于，所述将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案之后，所述方法还包括：
根据各图像特征类型的所述第一关键帧以及各图像特征类型的所述第二关键帧，确定所述第三人员档案中各图像特征类型的候选关键帧；
针对各图像特征类型的所述候选关键帧，若所述候选关键帧的个数小于或等于预设的关键帧数量阈值，则将所述候选关键帧确定为对应图像特征类型的第三关键帧；
若所述候选关键帧的个数大于所述关键帧数量阈值，则从所述候选关键帧中选取目标数量的候选关键帧作为对应图像特征类型的所述第三关键帧，所述目标数量与所述关键帧数量阈值对应。
5.根据权利要求4所述的方法，其特征在于，所述从所述候选关键帧中选取目标数量的候选关键帧作为对应图像特征类型的所述第三关键帧，包括：
针对各所述候选关键帧，确定所述候选关键帧与多个目标人员图像的相似度之和，所述目标人员图像为所述第三人员档案中与所述候选关键帧图像特征类型相同的人员图像；
根据各所述候选关键帧的所述相似度之和，从所述候选关键帧中选取相似度之和最大的所述目标数量的候选关键帧作为对应图像特征类型的所述第三关键帧。
6.根据权利要求1所述的方法，其特征在于，所述将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案之后，所述方法还包括：
根据所述第三人员档案中各人员图像的时空信息生成所述第三人员档案对应的人员轨迹。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述至少一种图像特征类型包括完整人脸图像类型、戴口罩人脸图像类型以及人体图像类型中的至少一种。
8.一种人员聚档装置，其特征在于，包括：
收发模块，用于获取第一人员档案以及第二人员档案，所述第一人员档案包括第一关键帧集合，所述第一关键帧集合包括至少一种图像特征类型的第一关键帧，所述第二人员档案包括第二关键帧集合，所述第二关键帧集合包括至少一种图像特征类型的第二关键帧；
处理模块，用于根据所述第一关键帧的图像特征类型以及所述第二关键帧的图像特征类型对所述第一关键帧集合以及所述第二关键帧集合进行档案相似度计算，得到目标相似度值；若所述目标相似度值大于或等于预设阈值，则将所述第一人员档案以及所述第二人员档案进行聚档处理，得到第三人员档案。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如权利要求1-7中任一项所述的方法。
CN202211200033.1A 2022-09-29 2022-09-29 人员聚档方法、装置、计算机设备及存储介质 Pending CN115546516A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211200033.1A CN115546516A (zh) 2022-09-29 2022-09-29 人员聚档方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211200033.1A CN115546516A (zh) 2022-09-29 2022-09-29 人员聚档方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN115546516A true CN115546516A (zh) 2022-12-30

Family

ID=84731733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211200033.1A Pending CN115546516A (zh) 2022-09-29 2022-09-29 人员聚档方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN115546516A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116561372A (zh) * 2023-07-03 2023-08-08 北京瑞莱智慧科技有限公司 基于多算法引擎的人员聚档方法、装置及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110765134A (zh) * 2019-10-25 2020-02-07 四川东方网力科技有限公司 档案建立方法、设备及存储介质
CN113962326A (zh) * 2021-11-10 2022-01-21 浙江商汤科技开发有限公司 聚类方法、装置、设备及计算机存储介质
CN114155578A (zh) * 2021-11-24 2022-03-08 浙江大华技术股份有限公司 人像聚类方法、装置、电子设备和存储介质
CN114357216A (zh) * 2021-12-10 2022-04-15 浙江大华技术股份有限公司 一种人像聚档方法、装置、电子设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110765134A (zh) * 2019-10-25 2020-02-07 四川东方网力科技有限公司 档案建立方法、设备及存储介质
CN113962326A (zh) * 2021-11-10 2022-01-21 浙江商汤科技开发有限公司 聚类方法、装置、设备及计算机存储介质
CN114155578A (zh) * 2021-11-24 2022-03-08 浙江大华技术股份有限公司 人像聚类方法、装置、电子设备和存储介质
CN114357216A (zh) * 2021-12-10 2022-04-15 浙江大华技术股份有限公司 一种人像聚档方法、装置、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116561372A (zh) * 2023-07-03 2023-08-08 北京瑞莱智慧科技有限公司 基于多算法引擎的人员聚档方法、装置及可读存储介质
CN116561372B (zh) * 2023-07-03 2023-09-29 北京瑞莱智慧科技有限公司 基于多算法引擎的人员聚档方法、装置及可读存储介质

Similar Documents

Publication Publication Date Title
CN114694226B (zh) 一种人脸识别方法、***及存储介质
CN110674112A (zh) 一种数据查询的方法、装置及电子设备
CN114973351B (zh) 人脸识别方法、装置、设备及存储介质
CN114595124A (zh) 时序异常检测模型评估方法、相关装置及存储介质
CN115658348A (zh) 微服务调用方法、相关装置及存储介质
CN108846051A (zh) 数据处理方法、装置及计算机可读存储介质
CN115546516A (zh) 人员聚档方法、装置、计算机设备及存储介质
WO2021073434A1 (zh) 对象行为的识别方法、装置及终端设备
CN115984643A (zh) 模型训练方法、相关设备及存储介质
CN115376192B (zh) 用户异常行为确定方法、装置、计算机设备及存储介质
CN116910254A (zh) 研究报告的生成方法、装置、计算机设备及存储介质
CN114821751B (zh) 图像识别方法、装置、***及存储介质
CN116071614A (zh) 样本数据处理方法、相关设备及存储介质
CN114973352A (zh) 人脸识别方法、装置、设备及存储介质
CN115062197A (zh) 考勤数据检测方法、装置及存储介质
CN114817419A (zh) 基于Kafka的媒资数据存储方法、装置、电子设备及存储介质
CN115565215B (zh) 一种人脸识别算法切换方法、装置及存储介质
CN115909186B (zh) 图像信息识别方法、装置、计算机设备及存储介质
CN115525554B (zh) 模型的自动化测试方法、***及存储介质
CN115050079B (zh) 人脸识别方法、装置及存储介质
CN115048463B (zh) 数据迁移方法、***及存储介质
CN115412726A (zh) 视频真伪检测方法、装置及存储介质
CN115019373A (zh) 对特定人物进行跟踪检测的方法、装置及存储介质
CN114722970B (zh) 一种多媒体检测方法、装置及存储介质
CN117252983A (zh) 一种对象重建方法、装置、计算机设备及存储介质

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