CN115687249B - 一种图像聚档方法、装置、终端及计算机可读存储介质 - Google Patents
一种图像聚档方法、装置、终端及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115687249B CN115687249B CN202211720439.2A CN202211720439A CN115687249B CN 115687249 B CN115687249 B CN 115687249B CN 202211720439 A CN202211720439 A CN 202211720439A CN 115687249 B CN115687249 B CN 115687249B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- sub
- image sets
- images
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种图像聚档方法、装置、终端及计算机可读存储介质,图像聚档方法包括将目标范围内各区域与各区域的邻近区域对应的第一图像集进行合档处理,得到目标范围在目标时段对应的多个第二图像集;第一图像集包含在目标时段内针对对应的区域采集的图像;将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标时段对应的合档图像集。本申请通过将目标范围内各区域与位置邻近的其他区域对应的第一图像集进行合档处理,再将目标时段对应的图像集与相邻时段的图像集进行合档,不需要将各区域内各时段对应的所有图像集两两进行比对,降低了聚档的计算量,提高聚档服务的运行速度。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种图像聚档方法、装置、终端及计算机可读存储介质。
背景技术
在目前的安防技术领域中,重点关注的目标需要实现自动聚合,即让同一个人的图像聚合在一起,不同的人则分在不同的档案中。该技术可以支持很多下游技术,比如人员轨迹刻画,落脚点分析,人体布控报警等方法。但是通常人像聚档服务运行需要一定的时间,对于近半小时或者几分钟的抓拍图,需要将抓拍图与之前聚类得到的所有档案进行比对,以实现抓拍图的聚类,但后期比对的数据量巨大,无法快速对抓拍图进行聚类,这在一定程度上限制了紧急情况下的使用。
发明内容
本发明主要解决的技术问题是提供一种图像聚档方法、装置、终端及计算机可读存储介质,解决现有技术中档案合档速度慢的问题。
为解决上述技术问题,本发明采用的第一个技术方案是:提供一种图像聚档方法,图像聚档方法包括:
将目标范围内各区域与各区域的邻近区域对应的第一图像集进行合档处理,得到目标范围在目标时段对应的多个第二图像集;第一图像集包含在目标时段内针对对应的区域采集的图像;
将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标时段对应的合档图像集。
其中,目标时段为目标阶段中的时段,图像聚档方法还包括:
分别将目标阶段包含的各时段作为目标时段,将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标阶段中各时段对应的合档图像集;
根据目标阶段中各时段对应的合档图像集,确定目标范围在目标阶段对应的阶段图像集。
其中,图像聚档方法还包括:
对采集的图像进行结构化解析,得到图像分别对应的检测信息,检测信息包括目标特征、目标属性、抓拍信息中的至少一个。
其中,区域包括多个子区域;
目标范围内各区域的第一图像集的获取方法包括:
将区域内各子区域与各子区域的邻近子区域对应的聚类图像集进行合档处理,得到区域在目标时段对应的多个第一图像集,第一图像集包含在目标时段内针对对应的区域采集的图像。
其中,目标时段包括多个连续的子时段;
区域内子区域对应的聚类图像集的获取方法包括:
分别将目标时段包含的各子时段作为目标子时段,将目标子时段对应的多个聚类子图像集和目标子时段的相邻子时段对应的多个聚类子图像集进行合档处理,得到目标时段中各子时段对应的合档聚类子图像集;
根据目标时段中各子时段对应的合档聚类子图像集,确定子区域在目标时段对应的聚类图像集。
其中,目标子时段对应的多个聚类子图像集的获取方式包括:
将在目标子时段针对子区域采集的所有图像进行聚类,得到子区域在目标子时段对应的多个聚类子图像集。
其中,将在目标子时段针对子区域采集的所有图像进行聚类,得到子区域在目标子时段对应的多个聚类子图像集的步骤之前,还包括:
获取子区域在目标子时段内实时采集的待聚类图像;待聚类图像包含目标对象;
响应于目标子时段为非起始子时段,则将待聚类图像和子区域内与目标子时段相邻的前一子时段对应的各历史子图像集分别进行比对,确定待聚类图像是否归属于历史子图像集,历史子图像集包括与目标子时段相邻的前一子时段采集的所有待聚类图像分别所属的图像集。
其中,将待聚类图像和子区域内与目标子时段相邻的前一子时段对应的各历史子图像集分别进行比对,确定待聚类图像是否归属于历史子图像集,包括:
基于历史子图像集中包含的所有图像的目标特征,确定历史子图像集的质心;
计算待聚类图像与各历史子图像集分别对应的质心之间的相似度,得到各历史子图像集分别对应的第一相似度;
响应于一个第一相似度大于第一阈值,则将待聚类图像归属于第一相似度对应的历史子图像集;
响应于至少两个第一相似度均大于第一阈值,则将待聚类图像归属于数值最大的第一相似度对应的历史子图像集;
响应于所有第一相似度均不大于第一阈值,则为待聚类图像建立图像集。
其中,将目标子时段对应的多个聚类子图像集和目标子时段的相邻子时段对应的多个聚类子图像集进行合档处理,得到目标时段中各子时段对应的合档聚类子图像集,包括:
基于聚类子图像集中包含的图像的目标特征,确定聚类子图像集的质心;
分别将目标时段包含的各子时段作为目标子时段,计算目标子时段对应的各聚类子图像集的质心和与目标子时段相邻的后一子时段对应的各聚类子图像集的质心之间的相似度,得到各聚类子图像集之间对应的第二相似度;
响应于第二相似度大于第二阈值,则将第二相似度对应的两个聚类子图像集进行合档;
遍历目标子时段中的所有聚类子图像集,得到目标子时段对应的合档聚类子图像集。
其中,区域内子区域对应的聚类图像集的获取方法还包括:
响应于部分聚类图像集中仅包含单张图像,则基于部分聚类图像集中的图像的检测信息,确定图像对应的聚类图像集之间是否进行合档。
其中,目标属性包括目标出行方式;抓拍信息包括抓拍时间和抓拍位置;
基于部分聚类图像集中的图像的检测信息,确定图像对应的聚类图像集之间是否进行合档,包括:
计算图像的目标特征之间的相似度,得到图像之间的第三相似度;
响应于第三相似度大于第三阈值,则基于第三相似度对应的两个图像分别对应的抓拍时间和抓拍位置确定图像之间对应的第一检测速度;
响应于第一检测速度小于速度阈值,则基于第一检测速度对应的两个图像分别对应的抓拍位置确定图像之间对应的第一检测距离;
响应于第一检测距离小于距离阈值,则将第一检测距离对应的两个图像分别对应的聚类图像集进行合档,其中,速度阈值和距离阈值根据比对的两个图像对应的目标出行方式确定。
其中,将区域内各子区域与各子区域的邻近子区域对应的聚类图像集进行合档处理,得到区域在目标时段对应的多个第一图像集,包括:
基于聚类图像集中包含的图像的目标特征,确定聚类图像集的质心;
计算子区域对应的各聚类图像集的质心和与子区域邻近的预设范围内的各子区域对应的各聚类图像集的质心之间的相似度,得到各聚类图像集之间对应的第四相似度;
响应于第四相似度大于第四阈值,则基于第四相似度对应的两个聚类图像集中一聚类图像集中各图像的检测信息与另一聚类图像集中各图像的检测信息,确定两个聚类图像集是否进行合档;
遍历区域中所有子区域,得到区域在目标时段对应的多个第一图像集。
其中,目标属性包括目标出行方式;抓拍信息包括抓拍时间和抓拍位置;
基于第四相似度对应的两个聚类图像集中一聚类图像集中各图像的检测信息与另一聚类图像集中各图像的检测信息,确定两个聚类图像集是否进行合档,包括:
基于图像对应的抓拍时间和抓拍位置,计算第四相似度对应的两个聚类图像集中一聚类图像集中各图像与另一聚类图像集中各图像之间分别对应的第二检测速度和第二检测距离;
响应于两个聚类图像集对应的所有第二检测速度均小于速度阈值,且两个聚类图像集对应的所有第二检测距离均小于距离阈值,则确定将两个聚类图像集进行合档;其中,速度阈值和距离阈值根据比对的两个图像对应的目标出行方式确定。
其中,将区域内各子区域与各子区域的邻近子区域对应的聚类图像集进行合档处理,得到区域在目标时段对应的多个第一图像集的步骤之后,还包括:
根据第一图像集中包含的图像的目标特征,计算各第一图像集的质心;
计算区域在目标时段对应的多个第一图像集之间的相似度,得到第一图像集之间对应的第五相似度;
响应于第五相似度大于第五阈值,则将第五相似度对应的两个第一图像集组成候选合档组;
基于候选合档组中的一第一图像集中各图像的检测信息与另一第一图像集中各图像的检测信息,确定候选合档组中的两个第一图像集是否进行合档。
其中,目标属性包括目标出行方式;抓拍信息包括抓拍时间和抓拍位置;
基于候选合档组中的一第一图像集中各图像的检测信息与另一第一图像集中各图像的检测信息,确定候选合档组中的两个第一图像集是否进行合档,包括:
计算候选合档组中一第一图像集中各图像与另一第一图像集中各图像之间的相似度得到各图像之间的第六相似度;
响应于数值最大的第六相似度大于第六阈值,则基于数值最大的第六相似度对应的两个图像对应的抓拍时间和抓拍位置确定两个图像对应的第三检测速度;
响应于第三检测速度符合速度阈值,则计算候选合档组中一第一图像集中各图像的抓拍位置与另一第一图像集中各图像的抓拍位置之间的距离得到各图像之间的第三检测距离;
响应于候选合档组对应的所有第三检测距离均小于距离阈值,则将候选合档组中的两个第一图像集进行合档;其中,速度阈值和距离阈值根据比对的两个图像对应的目标出行方式确定。
其中,抓拍信息包括抓拍位置;
将目标范围内各区域与各区域的邻近区域对应的第一图像集进行合档处理,得到目标范围在目标时段对应的多个第二图像集,包括:
基于各第一图像集中的图像的目标特征,确定各第一图像集的质心;
计算区域对应的各第一图像集的质心和与区域邻近的预设范围内的各区域对应的各第一图像集的质心之间的相似度,得到各第一图像集之间对应的第七相似度;
响应于第七相似度大于第七阈值,则基于第七相似度对应的两个第一图像集中一第一图像集中各图像的抓拍位置与另一第一图像集中各图像的抓拍位置之间的距离得到各图像之间的第四检测距离;
响应于数值最大的第四检测距离小于第四距离阈值,则确定将两个第一图像集进行合档;
遍历目标范围内各区域,得到目标范围在目标时段对应的多个第二图像集。
其中,图像包括人脸图像;
将目标范围内各区域与各区域的邻近区域对应的第一图像集进行合档处理,得到目标范围在目标时段对应的多个第二图像集,还包括:
判断第七相似度对应的两个第一图像集中是否均包含人脸图像;
如果第七相似度对应的两个第一图像集中均包含人脸图像,则计算两个第一图像集中分别包含的人脸图像之间的相似度,得到第八相似度;
响应于第八相似度超过第八阈值,则将第七阈值调整为第一更新阈值;第一更新阈值小于第七阈值。
其中,将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标时段对应的合档图像集,包括:
基于第二图像集中包含的图像的目标特征,确定第二图像集的质心;
计算目标时段对应的各第二图像集的质心和与目标时段相邻的后一时段对应的各第二图像集的质心之间的相似度,得到各第二图像集之间对应的第九相似度;
响应于第九相似度大于第九阈值,则确定将两个第二图像集进行合档,得到目标时段对应的合档图像集。
其中,抓拍信息包括抓拍时间;
将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标时段对应的合档图像集,还包括:
基于第九相似度对应的两个第二图像集中一第二图像集中各图像的抓拍时间与另一第二图像集中各图像的抓拍时间之间的间隔得到各图像之间的间隔时间;
响应于数值最小的间隔时间小于时间阈值,则将第九阈值调整为第二更新阈值;第二更新阈值小于第九阈值。
其中,图像包括人脸图像;
将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标时段对应的合档图像集,还包括:
判断第九相似度对应的两个第二图像集中是否均包含人脸图像;
如果第九相似度对应的两个第二图像集中均包含人脸图像,则计算两个第二图像集中分别包含的人脸图像之间的相似度,得到第十相似度;
响应于第十相似度超过第十阈值,则将第九阈值调整为第三更新阈值;第三更新阈值小于第九阈值和第二更新阈值。
其中,各目标出行方式具有对应的速度信息和距离信息;
速度阈值和距离阈值根据比对的两个图像对应的目标出行方式确定,包括:
响应于两个图像分别对应的目标出行方式相同,则将目标出行方式对应的速度信息和距离信息设定为对应速度阈值和距离阈值;
响应于两个图像分别对应的目标出行方式不同,则将两种目标出行方式分别对应的速度信息中数值最大的速度信息作为速度阈值;将两种目标出行方式分别对应的距离信息中数值最大的距离信息作为距离阈值。
为解决上述技术问题,本发明采用的第二个技术方案是:提供一种图像聚档装置,包括:
第一聚档模块,用于将目标范围内各区域与各区域的邻近区域对应的第一图像集进行合档处理,得到目标范围在目标时段对应的多个第二图像集;第一图像集包含在目标时段内针对对应的区域采集的图像;
第二聚档模块,用于将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标时段对应的合档图像集。
为解决上述技术问题,本发明采用的第三个技术方案是:提供一种终端,该终端包括存储器、处理器以及存储于存储器中并在处理器上运行的计算机程序,处理器用于执行程序数据以实现上述图像聚档方法中的步骤。
为解决上述技术问题,本发明采用的第四个技术方案是:提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述图像聚档方法中的步骤。
本发明的有益效果是:区别于现有技术的情况,提供的一种图像聚档方法、装置、终端及计算机可读存储介质,图像聚档方法包括将目标范围内各区域与各区域的邻近区域对应的第一图像集进行合档处理,得到目标范围在目标时段对应的多个第二图像集;第一图像集包含在目标时段内针对对应的区域采集的图像;将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标时段对应的合档图像集。本申请通过将目标范围内各区域与位置邻近的其他区域对应的第一图像集进行合档处理,再将目标时段对应的图像集与相邻时段的图像集进行合档,不需要将各区域内各时段对应的所有图像集两两进行比对,降低了聚档的计算量,提高聚档服务的运行速度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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,下面描述中的附图仅仅是本发明的一些实施例,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它的附图。
图1是本发明提供的图像聚档方法一实施例的流程示意图;
图2是本发明提供的图像聚档方法中获取各区域的第一图像集一具体实施例的流程示意图;
图3是目标范围内各区域的分布示意图;
图4是本发明提供的图像聚档装置一实施例的框架示意图;
图5是本发明提供的终端一实施例的框架示意图;
图6为本发明提供的计算机可读存储介质一实施例的框架示意图。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、接口、技术之类的具体细节,以便透彻理解本申请。
本文中术语“和/或”,仅仅是一种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这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明所提供的一种图像聚档方法做进一步详细描述。
请参阅图1,图1是本发明提供的图像聚档方法一实施例的流程示意图。
本实施例中提供一种图像聚档方法,该图像聚档方法包括如下步骤。
S1:将目标范围内各区域与各区域的邻近区域对应的第一图像集进行合档处理,得到目标范围在目标时段对应的多个第二图像集;第一图像集包含在目标时段内针对对应的区域采集的图像。
S2:将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标时段对应的合档图像集。
本实施例中提供的图像聚档方法,通过将目标范围内各区域与位置邻近的其他区域对应的第一图像集进行合档处理,再将目标时段对应的图像集与相邻时段的图像集进行合档,得到目标时段对应的合档图像集,不需要将各区域内各时段对应的所有图像集两两进行比对,降低了聚档的计算量,提高聚档服务的运行速度。
在进行图像采集之前,先对目标范围内的图像采集设备进行位置定位。
根据追踪目标的出行方式,将目标范围进行细划分得到对应的多个区域,再对各区域对应的空间进行细节划分,得到各区域对应的多个子区域。通过将各子区域采集的图像分别进行聚类得到图像集,再将相邻子区域分别对应的图像集进行合档得到区域对应的更新图像集,最后将目标范围内相邻区域对应的更新图像集进行合档得到目标范围对应的图像档案集。
在一具体实施例中,对目标对象在某一空间范围内的踪迹进行检索。其中,具体的空间范围也可以为根据实际情况进行设定。目标范围也称为汇总空域,记为region3。对汇总空域内的空间进行划分得到多个过渡空域,过渡空域也称为区域,记为region2。对过渡空域内的空间进行细化分得到多个实时空域,实时空域也称为子区域,记为region1。
若待聚类图像中的目标对象为步行行人,则设定各实时空域的范围为1km,过渡空域的范围为7km,汇总空域的范围为一个区县范围。若待聚类图像中的目标对象为骑行行人,则设定各实时空域的范围为4km,过渡空域的范围为25km,汇总空域的范围为两个区县范围。
根据追踪目标的出行方式,将大时间范围进行细划分得到对应的多个时段,再对各时段对应的时间进行细节划分,得到各时段对应的多个子时段。通过将各子时段采集的图像分别进行聚类得到图像集,再将相邻子时段分别对应的图像集进行合档得到时段对应的更新图像集,最后将大时间范围内相邻时段对应的更新图像集进行合档得到目标阶段对应的图像档案集。
在一具体实施例中,对目标对象在目标阶段内的踪迹进行检索。其中,具体的时间阶段可以根据实际情况进行设定。目标阶段也称为汇总阶段,记为time_gap3。对汇总阶段的时间进行划分得到多个过渡阶段,过渡阶段也称为时段,记为time_gap2。对过渡阶段的时间进行划分得到多个实时阶段,实时阶段也称为子时段,记为time_gap1。其中,汇总阶段可以为24小时,过渡阶段为1小时,实时阶段为10分钟。
在一实施例中,对采集的图像进行结构化解析,得到图像分别对应的检测信息,检测信息包括目标特征、目标属性、抓拍信息、同行关联信息中的至少一个。目标特征包括人体特征和/或人脸特征。目标属性包括目标出行方式、目标外貌和目标衣着、等。同行关联信息包括同行关联人。抓拍信息包括抓拍时间和抓拍位置。其中,目标出行方式可以包括步行、自行车、电瓶车等。不同的目标出行方式对应不同的速度信息和距离信息,速度信息记为speed_thres,距离信息记为dist_thres。例如,当聚档图像对应的目标出行方式为步行时,速度信息为speed_thres1,距离信息为dist_thres1;当聚档图像对应的目标出行方式为自行车时,速度信息为speed_thres2,距离信息为dist_thres2;当聚档图像对应的目标出行方式为电瓶车时,速度信息为speed_thres3,距离信息为dist_thres3。其中,speed_thres1<speed_thres2<speed_thres3;dist_thres1<dist_thres2<dist_thres3。
目标特征可以看成是一个一维向量,目标出行方式、目标属性通常也用一个标志位或者标志向量表示。抓拍时间和抓拍位置则用通常的时间和世界坐标信息表示,同行关联信息也用一个标志位表示。
具体两个图像之间对应的速度信息根据两个图像分别对应的抓拍时间和抓拍位置确定,即速度信息=距离差/时间差。
当两个图像分别对应的目标出行方式相同时,则将目标出行方式对应的速度信息和距离信息设定为对应速度阈值和距离阈值。例如,两个图像分别对应的目标出行方式为自行车,则将自行车对应的速度信息speed_thres2确定为速度阈值,将距离信息dist_thres2确定为距离阈值。
当两个图像分别对应的目标出行方式不同时,则将两种目标出行方式分别对应的速度信息中数值最大的速度信息作为速度阈值;将两种目标出行方式分别对应的距离信息中数值最大的距离信息作为距离阈值。例如,两个图像中一个图像对应的目标出行方式为自行车,另一个图像对应的目标出行方式为电瓶车,由于电瓶车对应的速度信息speed_thres3大于自行车对应的速度信息speed_thres2,电瓶车对应的距离信息dist_thres3大于自行车对应的距离信息dist_thres2,则将电瓶车对应的速度信息speed_thres3确定为速度阈值,电瓶车对应的距离信息dist_thres3确定为距离阈值。
在一实施例中,目标范围内各区域的第一图像集通过如下方式获取。
请参阅图2,图2是本发明提供的图像聚档方法中获取各区域的第一图像集一具体实施例的流程示意图。
S11:获取子区域在目标子时段内实时采集的待聚类图像;待聚类图像包含目标对象。
响应于目标子时段为起始子时段,则将目标子时段获取的待聚类图像与目标子时段采集的其他图像进行聚档。
响应于目标子时段为非起始子时段,则将待聚类图像和子区域内与目标子时段相邻的前一子时段对应的各历史子图像集分别进行比对,确定待聚类图像是否归属于历史子图像集,历史子图像集包括与目标子时段相邻的前一子时段采集的所有待聚类图像分别所属的图像集。
具体地,基于历史子图像集中包含的所有图像的目标特征,确定历史子图像集的质心;计算待聚类图像与各历史子图像集分别对应的质心之间的相似度,得到各历史子图像集分别对应的第一相似度;响应于一个第一相似度大于第一阈值,则将待聚类图像归属于第一相似度对应的历史子图像集;响应于至少两个第一相似度均大于第一阈值,则将待聚类图像归属于数值最大的第一相似度对应的历史子图像集;响应于所有第一相似度均不大于第一阈值,则为待聚类图像建立图像集。
当需要对实时采集的待聚类图像的聚类结果进行查询,则可以将待聚类图像所属的图像集作为查询结果进行反馈。
S12:响应于实时采集的待聚类图像为目标子时段采集的最后一张图像,则抽取在目标子时段针对子区域采集的所有图像并进行聚类,得到子区域在目标子时段对应的多个聚类子图像集。
S13:分别将目标时段包含的各子时段作为目标子时段,将目标子时段对应的多个聚类子图像集和目标子时段的相邻子时段对应的多个聚类子图像集进行合档处理,得到目标时段中各子时段对应的合档聚类子图像集。
具体地,基于聚类子图像集中包含的图像的目标特征,确定聚类子图像集的质心;分别将目标时段包含的各子时段作为目标子时段,计算目标子时段对应的各聚类子图像集的质心和与目标子时段相邻的后一子时段对应的各聚类子图像集的质心之间的相似度,得到各聚类子图像集之间对应的第二相似度;响应于第二相似度大于第二阈值,则将第二相似度对应的两个聚类子图像集进行合档;遍历目标子时段中的所有聚类子图像集,得到目标子时段对应的合档聚类子图像集。
S14:根据目标时段中各子时段对应的合档聚类子图像集,确定子区域在目标时段对应的聚类图像集。
具体地,通过目标时段中各子时段对应的合档聚类子图像集组成子区域在目标时段对应的聚类图像集。
S15:响应于部分聚类图像集中仅包含单张图像,则基于部分聚类图像集中的图像的检测信息,确定图像对应的聚类图像集之间是否进行合档。
具体地,计算图像的目标特征之间的相似度,得到图像之间的第三相似度;响应于第三相似度大于第三阈值,则基于第三相似度对应的两个图像分别对应的抓拍时间和抓拍位置确定图像之间对应的第一检测速度;响应于第一检测速度小于速度阈值,则基于第一检测速度对应的两个图像分别对应的抓拍位置确定图像之间对应的第一检测距离;响应于第一检测距离小于距离阈值,则将第一检测距离对应的两个图像分别对应的聚类图像集进行合档,其中,速度阈值和距离阈值根据比对的两个图像对应的目标出行方式确定。
S16:将区域内各子区域与各子区域的邻近子区域对应的聚类图像集进行合档处理,得到区域在目标时段对应的多个第一图像集,第一图像集包含在目标时段内针对对应的区域采集的图像。
具体地,基于聚类图像集中包含的图像的目标特征,确定聚类图像集的质心;计算子区域对应的各聚类图像集的质心和与子区域邻近的预设范围内的各子区域对应的各聚类图像集的质心之间的相似度,得到各聚类图像集之间对应的第四相似度;响应于第四相似度大于第四阈值,则基于第四相似度对应的两个聚类图像集中一聚类图像集中各图像的检测信息与另一聚类图像集中各图像的检测信息,确定两个聚类图像集是否进行合档;遍历区域中所有子区域,得到区域在目标时段对应的多个第一图像集。
在一具体实施例中,基于图像对应的抓拍时间和抓拍位置,计算第四相似度对应的两个聚类图像集中一聚类图像集中各图像与另一聚类图像集中各图像之间分别对应的第二检测速度和第二检测距离;响应于两个聚类图像集对应的所有第二检测速度均小于速度阈值,且两个聚类图像集对应的所有第二检测距离均小于距离阈值,则确定将两个聚类图像集进行合档;其中,速度阈值和距离阈值根据比对的两个图像对应的目标出行方式确定。
由于上述实施方式中是将位置相邻的子区域之间的聚类图像集进行合并,区域在目标时段对应的多个第一图像集中可能存在对应同一目标对象的至少两个第一图像集。为了进一步提高聚档准确率,需要对步骤S16得到的多个第一图像集进行进一步聚类。
根据第一图像集中包含的图像的目标特征,计算各第一图像集的质心;计算区域在目标时段对应的多个第一图像集之间的相似度,得到第一图像集之间对应的第五相似度;响应于第五相似度大于第五阈值,则将第五相似度对应的两个第一图像集组成候选合档组;基于候选合档组中的一第一图像集中各图像的检测信息与另一第一图像集中各图像的检测信息,确定候选合档组中的两个第一图像集是否进行合档。
在一实施例中,计算候选合档组中一第一图像集中各图像与另一第一图像集中各图像之间的相似度得到各图像之间的第六相似度;响应于数值最大的第六相似度大于第六阈值,则基于数值最大的第六相似度对应的两个图像对应的抓拍时间和抓拍位置确定两个图像对应的第三检测速度;响应于第三检测速度符合速度阈值,则计算候选合档组中一第一图像集中各图像的抓拍位置与另一第一图像集中各图像的抓拍位置之间的距离得到各图像之间的第三检测距离;响应于候选合档组对应的所有第三检测距离均小于距离阈值,则将候选合档组中的两个第一图像集进行合档;其中,速度阈值和距离阈值根据比对的两个图像对应的目标出行方式确定。
在本实施例中,步骤S1中得到目标范围在目标时段对应的多个第二图像集具体包括如下实施方式。
在一实施例中,目标范围(region3)包括多个区域(region2),即目标范围被切分成M个区域[region21,region22,…,region2M]。从最边缘位置的区域开始,一个个取出最边缘位置的区域和相邻区域进行合档操作。
请参阅图3,图3是目标范围内各区域的分布示意图。
例如,将目标范围中的区间1对应的多个第一图像集分别与目标范围中的区域2、区域7、区域8三个区域分别对应的多个第一图像集尝试进行合并。如果区域1中的第一图像集A可以与区域2、区域7或区域8中的第一图像集B进行合档,则将区域1中的第一图像集A中的图像合并到第一图像集B中,并基于更新后的第一图像集B中包含的所有图像的目标特征,确定更新后的第一图像集B的质心。区域1中的第一图像集完成聚档后,区域1中剩余的第一图像集则放到暂存区,不再进行后续区域对应的第一图像集的合并。
基于各第一图像集中的图像的目标特征,确定各第一图像集的质心;计算区域对应的各第一图像集的质心和与区域邻近的预设范围内的各区域对应的各第一图像集的质心之间的相似度,得到各第一图像集之间对应的第七相似度;响应于第七相似度大于第七阈值,则基于第七相似度对应的两个第一图像集中一第一图像集中各图像的抓拍位置与另一第一图像集中各图像的抓拍位置之间的距离得到各图像之间的第四检测距离;响应于数值最大的第四检测距离小于第四距离阈值,则确定将两个第一图像集进行合档;遍历目标范围内各区域,得到目标范围在目标时段对应的多个第二图像集。
在一实施例中,图像包括人脸图像。需要先判断第七相似度对应的两个第一图像集中是否均包含人脸图像;如果第七相似度对应的两个第一图像集中均包含人脸图像,则计算两个第一图像集中分别包含的人脸图像之间的相似度,得到第八相似度;响应于第八相似度超过第八阈值,则将第七阈值调整为第一更新阈值;第一更新阈值小于第七阈值。
在本实施例中,步骤S2中得到目标时段对应的合档图像集具体包括如下实施方式。
在一具体实施例中,目标阶段(time_gap3)包括多个时段(time_gap2),即目标阶段被切分成N个时段[time_gap21,time_gap22,…,time_gap2N]。按照时间顺序排列,时间域档案合并从起始时间段开始依次向后合并。比如时段time_gap21合并到时段time_gap22,若时段time_gap21中的第二图像集A可以合并到时段time_gap22的第二图像集B,则把第二图像集A中图像合并到第二图像集B中,更新第二图像集B的质心。该步合档完成后时段time_gap21中剩余第二图像集不参与后面其他时段对应的第二图像集的合档(比如time_gap23合并到time_gap24)的操作。
基于第二图像集中包含的图像的目标特征,确定第二图像集的质心;计算目标时段对应的各第二图像集的质心和与目标时段相邻的后一时段对应的各第二图像集的质心之间的相似度,得到各第二图像集之间对应的第九相似度;响应于第九相似度大于第九阈值,则确定将两个第二图像集进行合档,得到目标时段对应的合档图像集。
在一实施例中,基于第九相似度对应的两个第二图像集中一第二图像集中各图像的抓拍时间与另一第二图像集中各图像的抓拍时间之间的间隔得到各图像之间的间隔时间;响应于数值最小的间隔时间小于时间阈值,则将第九阈值调整为第二更新阈值;第二更新阈值小于第九阈值。
在一实施例中,图像包括人脸图像。判断第九相似度对应的两个第二图像集中是否均包含人脸图像;如果第九相似度对应的两个第二图像集中均包含人脸图像,则计算两个第二图像集中分别包含的人脸图像之间的相似度,得到第十相似度;响应于第十相似度超过第十阈值,则将第九阈值调整为第三更新阈值;第三更新阈值小于第九阈值和第二更新阈值。
在一实施例中,目标时段为目标阶段中的时段。分别将目标阶段包含的各时段作为目标时段,将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标阶段中各时段对应的合档图像集;根据目标阶段中各时段对应的合档图像集,确定目标范围在目标阶段对应的阶段图像集。
在一具体实施例中,当获取到目标阶段中的相邻的第一时段和第二时段分别对应的多个第二图像集,可以先将第一时段和第二时段分别对应的多个第二图像集进行合档。待获取到第三时段对应的多个第二图像集,则将第二时段对应的更新后的第二图像集与第三时段对应的多个第二图像集进行合档。
在另一具体实施例中,待获取到目标阶段中所有时段对应的多个第二图像集,从目标阶段中时间最早的时段开始依次将各时段作为目标时段,以将目标时段对应的多个第二图像集与后一相邻时段对应的多个第二图像集进行合档处理。
在其他实施例中,图像聚档方法中各区域在各时段分别对应的第一图像集、各子区域在各子时段分别对应的聚类子图像集在时域和空域上的合档不限于本申请实施例,也可以先在时域上进行合档,后在空域上进行合档。具体根据实际情况进行组合。
本申请提供的图像聚档方法用于改善聚档服务运行速度受限而无法做到实时聚档和查询的问题。通过时空划分、多级聚档和合档,实现待聚类图像实时抓拍后即可进行聚档,并可以查询到聚档结果。并利用多级的聚档策略、动态调整档案,提升档案的召回率和准确率。对目标对象的落脚点进行分析,可实现对目标对象的实时聚档和布控。
本实施例提供的图像聚档方法包括将目标范围内各区域与各区域的邻近区域对应的第一图像集进行合档处理,得到目标范围在目标时段对应的多个第二图像集;第一图像集包含在目标时段内针对对应的区域采集的图像;将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标时段对应的合档图像集。本申请通过将目标范围内各区域与位置邻近的其他区域对应的第一图像集进行合档处理,再将目标时段对应的图像集与相邻时段的图像集进行合档,不需要将各区域内各时段对应的所有图像集两两进行比对,降低了聚档的计算量,提高聚档服务的运行速度。
请参阅图4,图4是本发明提供的图像聚档装置一实施例的框架示意图。本实施例提供一种图像聚档装置60,图像聚档装置60包括第一聚档模块61和第二聚档模块62。
第一聚档模块61用于将目标范围内各区域与各区域的邻近区域对应的第一图像集进行合档处理,得到目标范围在目标时段对应的多个第二图像集;第一图像集包含在目标时段内针对对应的区域采集的图像。
第二聚档模块62用于将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标时段对应的合档图像集。
在一实施例中,目标时段为目标阶段中的时段。第二聚档模块62还用于分别将目标阶段包含的各时段作为目标时段,将目标时段对应的多个第二图像集和目标时段的相邻时段对应的多个第二图像集进行合档处理,得到目标阶段中各时段对应的合档图像集;根据目标阶段中各时段对应的合档图像集,确定目标范围在目标阶段对应的阶段图像集。
本实施例提供的图像聚档装置,本申请通过将目标范围内各区域与位置邻近的其他区域对应的第一图像集进行合档处理,再将目标时段对应的图像集与相邻时段的图像集进行合档,不需要将各区域内各时段对应的所有图像集两两进行比对,降低了聚档的计算量,提高聚档服务的运行速度。
请参阅图5,图5是本发明提供的终端一实施例的框架示意图。终端80包括相互耦接的存储器81和处理器82,处理器82用于执行存储器81中存储的程序指令,以实现上述任一图像聚档方法实施例的步骤。在一个具体的实施场景中,终端80可以包括但不限于:微型计算机、服务器,此外,终端80还可以包括笔记本电脑、平板电脑等移动设备,在此不做限定。
具体而言,处理器82用于控制其自身以及存储器81以实现上述任一图像聚档方法实施例的步骤。处理器82还可以称为CPU(Central Processing Unit,中央处理单元)。处理器82可能是一种集成电路芯片,具有信号的处理能力。处理器82还可以是通用处理器、数字信号处理器(Digital Signal Processor, DSP)、专用集成电路(Application SpecificIntegrated Circuit, ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外,处理器82可以由集成电路芯片共同实现。
请参阅图6,图6为本发明提供的计算机可读存储介质一实施例的框架示意图。计算机可读存储介质90存储有能够被处理器运行的程序指令901,程序指令901用于实现上述任一图像聚档方法实施例的步骤。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如单元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,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元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。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的实施方式,并非因此限制本发明的专利保护范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (23)
1.一种图像聚档方法,其特征在于,包括:
将目标范围内各区域与各所述区域的邻近区域对应的第一图像集进行合档处理,得到所述目标范围在目标时段对应的多个第二图像集;所述第一图像集包含在所述目标时段内针对对应的区域采集的图像;
将所述目标时段对应的多个第二图像集和所述目标时段的相邻时段对应的多个第二图像集进行合档处理,得到所述目标时段对应的合档图像集;
其中,所述目标时段为目标阶段中的时段,还包括:
分别将所述目标阶段包含的各时段作为所述目标时段,将所述目标时段对应的多个所述第二图像集和所述目标时段的相邻时段对应的多个所述第二图像集进行合档处理,得到所述目标阶段中各时段对应的合档图像集;
根据所述目标阶段中各时段对应的所述合档图像集,确定所述目标范围在所述目标阶段对应的阶段图像集。
2.根据权利要求1所述的图像聚档方法,其特征在于,还包括:
对采集的所述图像进行结构化解析,得到所述图像分别对应的检测信息,所述检测信息包括目标特征、目标属性、抓拍信息中的至少一个。
3.根据权利要求2所述的图像聚档方法,其特征在于,所述区域包括多个子区域;
所述目标范围内各所述区域的所述第一图像集的获取方法包括:
将所述区域内各所述子区域与各所述子区域的邻近子区域对应的聚类图像集进行合档处理,得到所述区域在所述目标时段对应的多个所述第一图像集,所述第一图像集包含在所述目标时段内针对对应的所述区域采集的图像。
4.根据权利要求3所述的图像聚档方法,其特征在于,所述目标时段包括多个连续的子时段;
所述区域内所述子区域对应的所述聚类图像集的获取方法包括:
分别将所述目标时段包含的各所述子时段作为目标子时段,将所述目标子时段对应的多个聚类子图像集和所述目标子时段的相邻子时段对应的多个所述聚类子图像集进行合档处理,得到所述目标时段中各所述子时段对应的合档聚类子图像集;
根据所述目标时段中各子时段对应的所述合档聚类子图像集,确定所述子区域在所述目标时段对应的所述聚类图像集。
5.根据权利要求4所述的图像聚档方法,其特征在于,
所述目标子时段对应的多个聚类子图像集的获取方式包括:
将在所述目标子时段针对所述子区域采集的所有所述图像进行聚类,得到所述子区域在所述目标子时段对应的多个所述聚类子图像集。
6.根据权利要求5所述的图像聚档方法,其特征在于,
所述将在所述目标子时段针对所述子区域采集的所有所述图像进行聚类,得到所述子区域在所述目标子时段对应的多个所述聚类子图像集的步骤之前,还包括:
获取所述子区域在所述目标子时段内实时采集的待聚类图像;所述待聚类图像包含目标对象;
响应于所述目标子时段为非起始子时段,则将所述待聚类图像和所述子区域内与所述目标子时段相邻的前一子时段对应的各历史子图像集分别进行比对,确定所述待聚类图像是否归属于所述历史子图像集,所述历史子图像集包括与所述目标子时段相邻的所述前一子时段采集的所有所述待聚类图像分别所属的图像集。
7.根据权利要求6所述的图像聚档方法,其特征在于,
所述将所述待聚类图像和所述子区域内与所述目标子时段相邻的前一子时段对应的各历史子图像集分别进行比对,确定所述待聚类图像是否归属于所述历史子图像集,包括:
基于所述历史子图像集中包含的所有所述图像的目标特征,确定所述历史子图像集的质心;
计算所述待聚类图像与各所述历史子图像集分别对应的所述质心之间的相似度,得到各所述历史子图像集分别对应的第一相似度;
响应于一个所述第一相似度大于第一阈值,则将所述待聚类图像归属于所述第一相似度对应的所述历史子图像集;
响应于至少两个所述第一相似度均大于所述第一阈值,则将所述待聚类图像归属于数值最大的所述第一相似度对应的所述历史子图像集;
响应于所有所述第一相似度均不大于所述第一阈值,则为所述待聚类图像建立图像集。
8.根据权利要求4所述的图像聚档方法,其特征在于,
所述将所述目标子时段对应的多个聚类子图像集和所述目标子时段的相邻子时段对应的多个所述聚类子图像集进行合档处理,得到所述目标时段中各所述子时段对应的合档聚类子图像集,包括:
基于所述聚类子图像集中包含的所述图像的目标特征,确定所述聚类子图像集的质心;
分别将所述目标时段包含的各子时段作为所述目标子时段,计算所述目标子时段对应的各所述聚类子图像集的质心和与所述目标子时段相邻的后一子时段对应的各所述聚类子图像集的质心之间的相似度,得到各所述聚类子图像集之间对应的第二相似度;
响应于所述第二相似度大于第二阈值,则将所述第二相似度对应的两个所述聚类子图像集进行合档;
遍历所述目标子时段中的所有所述聚类子图像集,得到所述目标子时段对应的合档聚类子图像集。
9.根据权利要求4所述的图像聚档方法,其特征在于,
所述区域内所述子区域对应的所述聚类图像集的获取方法还包括:
响应于部分所述聚类图像集中仅包含单张所述图像,则基于所述部分所述聚类图像集中的所述图像的检测信息,确定所述图像对应的所述聚类图像集之间是否进行合档。
10.根据权利要求9所述的图像聚档方法,其特征在于,所述目标属性包括目标出行方式;所述抓拍信息包括抓拍时间和抓拍位置;
所述基于所述部分所述聚类图像集中的所述图像的检测信息,确定所述图像对应的所述聚类图像集之间是否进行合档,包括:
计算所述图像的目标特征之间的相似度,得到所述图像之间的第三相似度;
响应于所述第三相似度大于第三阈值,则基于所述第三相似度对应的两个所述图像分别对应的所述抓拍时间和所述抓拍位置确定所述图像之间对应的第一检测速度;
响应于所述第一检测速度小于速度阈值,则基于所述第一检测速度对应的两个所述图像分别对应的所述抓拍位置确定所述图像之间对应的第一检测距离;
响应于所述第一检测距离小于距离阈值,则将所述第一检测距离对应的两个所述图像分别对应的所述聚类图像集进行合档,其中,所述速度阈值和所述距离阈值根据比对的两个所述图像对应的所述目标出行方式确定。
11.根据权利要求3所述的图像聚档方法,其特征在于,
所述将所述区域内各所述子区域与各所述子区域的邻近子区域对应的聚类图像集进行合档处理,得到所述区域在所述目标时段对应的多个所述第一图像集,包括:
基于所述聚类图像集中包含的所述图像的目标特征,确定所述聚类图像集的质心;
计算所述子区域对应的各所述聚类图像集的质心和与所述子区域邻近的预设范围内的各所述子区域对应的各所述聚类图像集的质心之间的相似度,得到各所述聚类图像集之间对应的第四相似度;
响应于所述第四相似度大于第四阈值,则基于所述第四相似度对应的两个所述聚类图像集中一所述聚类图像集中各所述图像的检测信息与另一所述聚类图像集中各所述图像的检测信息,确定两个所述聚类图像集是否进行合档;
遍历所述区域中所有所述子区域,得到所述区域在所述目标时段对应的多个所述第一图像集。
12.根据权利要求11所述的图像聚档方法,其特征在于,所述目标属性包括目标出行方式;所述抓拍信息包括抓拍时间和抓拍位置;
所述基于所述第四相似度对应的两个所述聚类图像集中一所述聚类图像集中各所述图像的检测信息与另一所述聚类图像集中各所述图像的检测信息,确定两个所述聚类图像集是否进行合档,包括:
基于所述图像对应的所述抓拍时间和所述抓拍位置,计算所述第四相似度对应的两个所述聚类图像集中一所述聚类图像集中各所述图像与另一所述聚类图像集中各所述图像之间分别对应的第二检测速度和第二检测距离;
响应于两个所述聚类图像集对应的所有所述第二检测速度均小于速度阈值,且两个所述聚类图像集对应的所有所述第二检测距离均小于距离阈值,则确定将两个所述聚类图像集进行合档;其中,所述速度阈值和所述距离阈值根据比对的两个所述图像对应的所述目标出行方式确定。
13.根据权利要求3所述的图像聚档方法,其特征在于,
所述将所述区域内各所述子区域与各所述子区域的邻近子区域对应的聚类图像集进行合档处理,得到所述区域在所述目标时段对应的多个所述第一图像集的步骤之后,还包括:
根据所述第一图像集中包含的所述图像的目标特征,计算各所述第一图像集的质心;
计算所述区域在所述目标时段对应的多个所述第一图像集之间的相似度,得到所述第一图像集之间对应的第五相似度;
响应于所述第五相似度大于第五阈值,则将所述第五相似度对应的两个所述第一图像集组成候选合档组;
基于所述候选合档组中的一所述第一图像集中各所述图像的检测信息与另一所述第一图像集中各所述图像的检测信息,确定所述候选合档组中的两个所述第一图像集是否进行合档。
14.根据权利要求13所述的图像聚档方法,其特征在于,所述目标属性包括目标出行方式;所述抓拍信息包括抓拍时间和抓拍位置;
所述基于所述候选合档组中的一所述第一图像集中各所述图像的检测信息与另一所述第一图像集中各所述图像的检测信息,确定所述候选合档组中的两个所述第一图像集是否进行合档,包括:
计算所述候选合档组中一所述第一图像集中各所述图像与另一所述第一图像集中各所述图像之间的相似度得到各所述图像之间的第六相似度;
响应于数值最大的所述第六相似度大于第六阈值,则基于数值最大的所述第六相似度对应的两个所述图像对应的所述抓拍时间和所述抓拍位置确定两个所述图像对应的第三检测速度;
响应于所述第三检测速度符合速度阈值,则计算所述候选合档组中一所述第一图像集中各所述图像的抓拍位置与另一所述第一图像集中各所述图像的抓拍位置之间的距离得到各所述图像之间的第三检测距离;
响应于所述候选合档组对应的所有所述第三检测距离均小于距离阈值,则将所述候选合档组中的两个所述第一图像集进行合档;其中,所述速度阈值和所述距离阈值根据比对的两个所述图像对应的所述目标出行方式确定。
15.根据权利要求2所述的图像聚档方法,其特征在于,所述抓拍信息包括抓拍位置;
所述将目标范围内各区域与各所述区域的邻近区域对应的第一图像集进行合档处理,得到所述目标范围在目标时段对应的多个第二图像集,包括:
基于各所述第一图像集中的所述图像的目标特征,确定各所述第一图像集的质心;
计算所述区域对应的各所述第一图像集的质心和与所述区域邻近的预设范围内的各所述区域对应的各所述第一图像集的质心之间的相似度,得到各所述第一图像集之间对应的第七相似度;
响应于所述第七相似度大于第七阈值,则基于所述第七相似度对应的两个所述第一图像集中一所述第一图像集中各所述图像的抓拍位置与另一所述第一图像集中各所述图像的抓拍位置之间的距离得到各所述图像之间的第四检测距离;
响应于数值最大的所述第四检测距离小于第四距离阈值,则确定将两个所述第一图像集进行合档;
遍历所述目标范围内各所述区域,得到所述目标范围在目标时段对应的多个所述第二图像集。
16.根据权利要求15所述的图像聚档方法,其特征在于,所述图像包括人脸图像;
所述将目标范围内各区域与各所述区域的邻近区域对应的第一图像集进行合档处理,得到所述目标范围在目标时段对应的多个第二图像集,还包括:
判断所述第七相似度对应的两个所述第一图像集中是否均包含所述人脸图像;
如果所述第七相似度对应的两个所述第一图像集中均包含所述人脸图像,则计算两个所述第一图像集中分别包含的所述人脸图像之间的相似度,得到第八相似度;
响应于所述第八相似度超过第八阈值,则将所述第七阈值调整为第一更新阈值;所述第一更新阈值小于所述第七阈值。
17.根据权利要求2所述的图像聚档方法,其特征在于,
所述将所述目标时段对应的多个第二图像集和所述目标时段的相邻时段对应的多个第二图像集进行合档处理,得到所述目标时段对应的合档图像集,包括:
基于所述第二图像集中包含的所述图像的目标特征,确定所述第二图像集的质心;
计算所述目标时段对应的各所述第二图像集的质心和与所述目标时段相邻的后一所述时段对应的各所述第二图像集的质心之间的相似度,得到各所述第二图像集之间对应的第九相似度;
响应于所述第九相似度大于第九阈值,则确定将两个所述第二图像集进行合档,得到所述目标时段对应的所述合档图像集。
18.根据权利要求17所述的图像聚档方法,其特征在于,所述抓拍信息包括抓拍时间;
所述将所述目标时段对应的多个第二图像集和所述目标时段的相邻时段对应的多个第二图像集进行合档处理,得到所述目标时段对应的合档图像集,还包括:
基于所述第九相似度对应的两个所述第二图像集中一所述第二图像集中各所述图像的抓拍时间与另一所述第二图像集中各所述图像的抓拍时间之间的间隔得到各所述图像之间的间隔时间;
响应于数值最小的所述间隔时间小于时间阈值,则将所述第九阈值调整为第二更新阈值;所述第二更新阈值小于所述第九阈值。
19.根据权利要求18所述的图像聚档方法,其特征在于,所述图像包括人脸图像;
所述将所述目标时段对应的多个第二图像集和所述目标时段的相邻时段对应的多个第二图像集进行合档处理,得到所述目标时段对应的合档图像集,还包括:
判断所述第九相似度对应的两个所述第二图像集中是否均包含所述人脸图像;
如果所述第九相似度对应的两个所述第二图像集中均包含所述人脸图像,则计算两个所述第二图像集中分别包含的所述人脸图像之间的相似度,得到第十相似度;
响应于所述第十相似度超过第十阈值,则将所述第九阈值调整为第三更新阈值;所述第三更新阈值小于所述第九阈值和所述第二更新阈值。
20.根据权利要求10、12和14中任一项所述的图像聚档方法,其特征在于,各所述目标出行方式具有对应的速度信息和距离信息;
所述速度阈值和所述距离阈值根据比对的两个所述图像对应的所述目标出行方式确定,包括:
响应于两个所述图像分别对应的所述目标出行方式相同,则将所述目标出行方式对应的所述速度信息和所述距离信息设定为对应所述速度阈值和所述距离阈值;
响应于两个所述图像分别对应的所述目标出行方式不同,则将两种所述目标出行方式分别对应的所述速度信息中数值最大的所述速度信息作为所述速度阈值;将两种所述目标出行方式分别对应的所述距离信息中数值最大的所述距离信息作为所述距离阈值。
21.一种图像聚档装置,其特征在于,所述图像聚档装置包括:
第一聚档模块,用于将目标范围内各区域与各所述区域的邻近区域对应的第一图像集进行合档处理,得到所述目标范围在目标时段对应的多个第二图像集;所述第一图像集包含在所述目标时段内针对对应的区域采集的图像;
第二聚档模块,用于将所述目标时段对应的多个第二图像集和所述目标时段的相邻时段对应的多个第二图像集进行合档处理,得到所述目标时段对应的合档图像集;其中,所述目标时段为目标阶段中的时段,所述第二聚档模块还用于分别将所述目标阶段包含的各时段作为所述目标时段,将所述目标时段对应的多个所述第二图像集和所述目标时段的相邻时段对应的多个所述第二图像集进行合档处理,得到所述目标阶段中各时段对应的合档图像集;根据所述目标阶段中各时段对应的所述合档图像集,确定所述目标范围在所述目标阶段对应的阶段图像集。
22.一种终端,其特征在于,所述终端包括存储器、处理器以及存储于所述存储器中并在所述处理器上运行的计算机程序,所述处理器用于执行程序数据以实现如权利要求1~20任一项所述的图像聚档方法中的步骤。
23.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1~20任一项所述的图像聚档方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211720439.2A CN115687249B (zh) | 2022-12-30 | 2022-12-30 | 一种图像聚档方法、装置、终端及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211720439.2A CN115687249B (zh) | 2022-12-30 | 2022-12-30 | 一种图像聚档方法、装置、终端及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115687249A CN115687249A (zh) | 2023-02-03 |
CN115687249B true CN115687249B (zh) | 2023-03-28 |
Family
ID=85057036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211720439.2A Active CN115687249B (zh) | 2022-12-30 | 2022-12-30 | 一种图像聚档方法、装置、终端及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115687249B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117056551B (zh) * | 2023-07-07 | 2024-04-02 | 北京瑞莱智慧科技有限公司 | 行驶路径的档案聚集方法、装置、计算机设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443297A (zh) * | 2019-07-30 | 2019-11-12 | 浙江大华技术股份有限公司 | 图像的聚类方法、装置及计算机存储介质 |
CN111091106A (zh) * | 2019-12-23 | 2020-05-01 | 浙江大华技术股份有限公司 | 图像聚类方法及装置、存储介质、电子装置 |
CN112232178A (zh) * | 2020-10-13 | 2021-01-15 | 重庆紫光华山智安科技有限公司 | 基于人像聚档的区域落脚点判定方法、***、设备及介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210319226A1 (en) * | 2020-04-14 | 2021-10-14 | Nec Laboratories America, Inc. | Face clustering in video streams |
CN113610865B (zh) * | 2021-07-27 | 2024-03-29 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN113869372A (zh) * | 2021-09-03 | 2021-12-31 | 浙江大华技术股份有限公司 | 图像聚类方法、电子设备及存储介质 |
CN114004987A (zh) * | 2021-09-26 | 2022-02-01 | 浙江大华技术股份有限公司 | 人脸聚类方法、电子设备及存储介质 |
CN114241224A (zh) * | 2021-11-08 | 2022-03-25 | 浙江大华技术股份有限公司 | 一种图像聚档方法、图像聚档装置和计算机可读存储介质 |
CN114972781A (zh) * | 2022-04-19 | 2022-08-30 | 浙江大华技术股份有限公司 | 聚档优化方法、电子设备及计算机可读存储介质 |
CN114972764B (zh) * | 2022-08-01 | 2022-11-18 | 浙江省肿瘤医院 | 一种基于特征聚类的多图谱分割方法 |
-
2022
- 2022-12-30 CN CN202211720439.2A patent/CN115687249B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443297A (zh) * | 2019-07-30 | 2019-11-12 | 浙江大华技术股份有限公司 | 图像的聚类方法、装置及计算机存储介质 |
CN111091106A (zh) * | 2019-12-23 | 2020-05-01 | 浙江大华技术股份有限公司 | 图像聚类方法及装置、存储介质、电子装置 |
CN112232178A (zh) * | 2020-10-13 | 2021-01-15 | 重庆紫光华山智安科技有限公司 | 基于人像聚档的区域落脚点判定方法、***、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115687249A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3242236B1 (en) | Transaction risk detection method and device | |
WO2020199480A1 (zh) | 一种人体动作的识别方法及设备 | |
CN109740004B (zh) | 一种归档方法及装置 | |
CN110874362A (zh) | 一种数据关联分析方法及装置 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN110348143B (zh) | 一种轨迹合并方法、装置及存储介质 | |
CN111126208B (zh) | 行人归档方法、装置、计算机设备及存储介质 | |
CN115687249B (zh) | 一种图像聚档方法、装置、终端及计算机可读存储介质 | |
CN106323301A (zh) | 一种道路情报的获取方法及装置 | |
CN110826594A (zh) | 一种轨迹聚类的方法、设备及存储介质 | |
EP3151160B1 (en) | Visual attention detector and visual attention detection method | |
WO2021135138A1 (zh) | 一种目标运动轨迹构建方法、设备以及计算机存储介质 | |
CN112419120A (zh) | 群体性聚集事件预警方法、装置、***和电子设备 | |
CN105160871A (zh) | 一种高速公路客车临时上下人识别的方法 | |
WO2023197232A1 (zh) | 目标跟踪方法及装置、电子设备、计算机可读介质 | |
CN111767432B (zh) | 共现对象的查找方法和装置 | |
CN112330715A (zh) | 一种跟踪方法、跟踪装置、终端设备及可读存储介质 | |
CN113869137A (zh) | 事件检测方法、装置、终端设备及存储介质 | |
CN112651321A (zh) | 档案处理方法、装置及服务器 | |
CN115187932A (zh) | 一种基于人工智能的道路拥堵分析*** | |
CN114519879A (zh) | 人体数据归档方法、装置、设备及存储介质 | |
CN103578121A (zh) | 干扰运动环境下基于共享高斯模型的运动检测方法 | |
CN113918510A (zh) | 图片归档方法、装置、终端设备及计算机可读存储介质 | |
CN112732682B (zh) | 时空轨迹数据的处理方法、装置及计算机存储介质 | |
CN117237867A (zh) | 基于特征融合的自适应场面监视视频目标检测方法和*** |
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 |