TW202029055A - 一種行人識別方法、裝置、電子設備及非臨時性電腦可讀儲存介質 - Google Patents

一種行人識別方法、裝置、電子設備及非臨時性電腦可讀儲存介質 Download PDF

Info

Publication number
TW202029055A
TW202029055A TW108148004A TW108148004A TW202029055A TW 202029055 A TW202029055 A TW 202029055A TW 108148004 A TW108148004 A TW 108148004A TW 108148004 A TW108148004 A TW 108148004A TW 202029055 A TW202029055 A TW 202029055A
Authority
TW
Taiwan
Prior art keywords
feature
pedestrian
node
image
human body
Prior art date
Application number
TW108148004A
Other languages
English (en)
Inventor
朱鋮愷
張壽奎
武偉
閆俊傑
黃瀟瑩
Original Assignee
大陸商深圳市商湯科技有限公司
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 大陸商深圳市商湯科技有限公司 filed Critical 大陸商深圳市商湯科技有限公司
Publication of TW202029055A publication Critical patent/TW202029055A/zh

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition
    • G06V40/23Recognition of whole body movements, e.g. for sport training
    • G06V40/25Recognition of walking or running movements, e.g. gait recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168Feature extraction; Face representation
    • G06V40/171Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70Multimodal biometrics, e.g. combining information from different biometric modalities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30168Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本發明是關於一種行人識別方法、裝置、電子設備及非臨時性電腦可讀儲存介質。所述方法包括:獲取目標行人圖像的圖像特徵,所述圖像特徵包括人臉特徵和人體特徵;從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像;其中,所述特徵資料庫中包括多個行人特徵節點,所述行人特徵節點中包括行人圖像對應的人臉特徵、人體特徵以及與其他行人特徵節點之間的關係特徵。利用本發明提供的各個實施例,可以大大降低行人搜索的計算量,提高搜索效率。

Description

一種行人識別方法、裝置、電子設備及非臨時性電腦可讀儲存介質
本發明要求在2018年12月29日提交中國專利局、申請號爲201811637119.4、申請名稱爲“一種行人識別方法及裝置”的中國專利申請的優先權,其全部內容通過引用結合在本發明中。
本發明涉及電腦視覺技術領域,尤其涉及一種行人識別方法、裝置、電子設備及非臨時性電腦可讀儲存介質。
行人識別技術在智慧城市、警察等安防監控領域具有重要的作用,同時也是電腦視覺領域的重要課題。行人識別是具有挑戰性的技術,相關技術中的行人識別技術往往基於行人的衣著、人物屬性等人體特徵,典型的技術例如可以包括行人重識別(Person ReID)。但是,由於很多環境因素和外在因素的影響,人體特徵往往唯一性不高,如行人更換衣著等等。
爲克服相關技術中存在的問題,本發明提供一種行人識別方法、裝置、電子設備及非臨時性電腦可讀儲存介質。
根據本發明實施例的第一方面,提供一種行人識別方法,包括:
獲取目標行人圖像的圖像特徵,所述圖像特徵包括人臉特徵和人體特徵;
從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像;
其中,所述特徵資料庫中包括多個行人特徵節點,所述行人特徵節點中包括行人圖像對應的人臉特徵、人體特徵以及與其他行人特徵節點之間的關係特徵。
本發明的實施例提供的技術方案可以包括以下有益效果:本發明實施例提供的行人識別方法,可以基於人臉特徵和人體特徵聯合檢索的方式從特徵資料庫中搜索出目標行人的圖像。一方面,基於人臉特徵和人體特徵聯合檢索的方式,可以即利用了人臉特徵的唯一性優勢,也利用了在人臉被遮擋、人臉模糊等特殊情况下人體特徵的識別優勢。另一方面,所述特徵資料庫可以包括所述行人特徵節點與其他行人特徵節點之間的關係特徵,這樣,可以通過其中一個行人特徵節點搜索到與之有關聯關係的行人特徵節點。基於此,可以大大降低行人搜索的計算量,提高搜索效率。
可選的,在本發明的一個實施例中,所述關係特徵被設置爲根據下述參數確定:人臉圖像質量值、人體圖像質量值、人臉特徵、人體特徵。
本發明的實施例提供的技術方案可以包括以下有益效果:將所述人臉圖像質量值和所述人體圖像質量值作爲計算所述關聯特徵的參數,可以提升所述關係特徵計算結果的準確性。
可選的,在本發明的一個實施例中,所述關係特徵包括相似節點關聯關係,所述相似節點關聯關係被設置爲按照下述方式確定:
在兩個行人特徵節點中較小的人臉圖像質量值大於等於預設人臉圖像質量閾值的情况下,確定所述兩個行人特徵節點的人臉特徵之間的相似度;
在所述人臉特徵之間的相似度大於等於預設人臉相似度閾值的情况下,確定所述兩個行人特徵節點爲相似節點關聯關係;
在所述兩個行人特徵節點中較小的人臉圖像質量值小於預設人臉圖像質量閾值,且所述兩個行人特徵節點中較小的人體圖像質量值大於等於人體圖像質量閾值的情况下,確定所述兩個行人特徵節點的人體特徵之間的相似度;
在所述人體特徵之間的相似度大於等於預設人體相似度閾值的情况下,確定所述兩個行人特徵節點爲相似節點關聯關係。
本發明的實施例提供的技術方案可以包括以下有益效果:基於人臉圖像質量值、人體圖像質量值、人臉特徵、人體特徵確定相似節點關聯關係,根據人臉特徵和人體特徵之間的屬性差異,設置人臉特徵的優先級高於人體特徵的優先級,準確地確定相似節點的關聯關係。
可選的,在本發明的一個實施例中,所述從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像,包括:
將所述圖像特徵作爲目標特徵節點,確定所述目標特徵節點到達所述行人特徵節點的至少一條搜索路徑,所述搜索路徑由具有所述相似節點關聯關係的多個行人特徵節點連接而成;
確定所述搜索路徑中相鄰兩個行人特徵節點之間的相似度中的最小值,並將所述最小值作爲所述搜索路徑的路徑分值;
確定所述至少一條搜索路徑的路徑分值中的最大值,並將所述最大值作爲所述目標特徵節點與所述行人特徵節點的相似度;
將與所述目標特徵節點的相似度大於等於所述預設人臉相似度閾值或者所述預設人體相似度閾值的至少一個行人特徵節點作爲所述目標特徵節點的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像。
本發明的實施例提供的技術方案可以包括以下有益效果:基於多條搜索路徑的方式確定所述目標特徵節點與所述行人特徵節點之間的相似度,可以最佳化相似度的確定方式。
可選的,在本發明的一個實施例中,所述從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像,包括:
基於所述多個行人特徵節點的關係特徵,從所述特徵資料庫中搜索出所述圖像特徵的至少一個相似節點;
從所述至少一個相似節點中選擇出至少一個目標節點;
將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像。
本發明的實施例提供的技術方案可以包括以下有益效果:提供後處理的方式從所述至少一個相似節點中清除一些節點。
可選的,在本發明的一個實施例中,所述從所述至少一個相似節點中選擇出至少一個目標節點,包括:
確定所述至少一個相似節點中人臉特徵的人臉聚類中心值;
從所述至少一個相似節點中篩選出至少一個人臉人體特徵節點,所述人臉人體特徵節點中的人臉特徵和人體特徵爲非零值;
分別確定所述至少一個人臉人體特徵節點中人臉特徵與所述人臉聚類中心值之間的人臉相似度,將所述人臉相似度大於等於預設相似度閾值的節點劃分至第一相似節點集合,將所述人臉相似度小於所述預設相似度閾值的節點劃分至第二相似節點集合;
從所述至少一個相似節點中清除所述第二相似節點集合,並將清除後的所述至少一個相似節點分別對應的行人圖像作爲所述目標行人的圖像。
本發明的實施例提供的技術方案可以包括以下有益效果:基於聚類中心值從所述至少一個相似節點中過濾掉一些人臉特徵過於偏離人臉聚類中心值的相似節點,並將剩餘的相似節點作爲目標節點。
可選的,在本發明的一個實施例中,在所述從所述至少一個相似節點中清除所述第二相似節點集合之前,所述方法還包括:
確定所述第一相似節點集合中人體特徵的第一人體聚類中心值、所述第二相似節點集合中人體特徵的第二人體聚類中心值;
從所述至少一個相似節點中篩選出至少一個人體特徵節點,所述人體特徵節點中的人臉特徵爲零值、人體特徵爲非零值;
分別確定所述至少一個人體特徵節點中人體特徵與所述第一人體聚類中心值之間的第一人體相似度、與所述第二人體聚類中心值之間的第二人體相似度;
將所述第二人體相似度大於所述第一人體相似度時所對應的人體特徵節點添加至所述第二相似節點集合中。
本發明的實施例提供的技術方案可以包括以下有益效果:基於聚類中心值從所述至少一個相似節點中進一步過濾掉人臉特徵爲零值、人體特徵爲非零值的相似節點中的人體特徵偏離人體聚類中心值的節點。
可選的,在本發明的一個實施例中,所述方法還包括:
基於所述目標行人的圖像,獲取所述目標行人的行動軌跡,所述行動軌跡包括時間訊息和/或位置訊息。
本發明的實施例提供的技術方案可以包括以下有益效果:基於行人的行動軌跡,可以獲取所述目標行人的日常活動,對於警察、心理分析領域具有重要的價值
可選的,在本發明的一個實施例中,所述方法還包括:
在獲取到新行人圖像的情况下,提取所述新行人圖像的圖像特徵;
將所述新行人圖像的圖像特徵作爲新的行人特徵節點,更新至所述特徵資料庫中。
本發明的實施例提供的技術方案可以包括以下有益效果:可以不斷地更新所述特徵資料庫,使得所述特徵資料庫保持最新的訊息。
根據本發明實施例的第二方面,提供一種行人識別裝置,包括:
圖像特徵獲取模組,用於獲取目標行人圖像的圖像特徵,所述圖像特徵包括人臉特徵和人體特徵;
目標節點獲取模組,用於從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像;
其中,所述特徵資料庫中包括多個行人特徵節點,所述行人特徵節點中包括行人圖像對應的人臉特徵、人體特徵以及與其他行人特徵節點之間的關係特徵。
可選的,在本發明的一個實施例中,所述關係特徵被設置爲根據下述參數確定:人臉圖像質量值、人體圖像質量值、人臉特徵、人體特徵。
可選的,在本發明的一個實施例中,所述關係特徵包括相似節點關聯關係,所述相似節點關聯關係被設置爲按照下述方式確定:
在兩個行人特徵節點中較小的人臉圖像質量值大於等於預設人臉圖像質量閾值的情况下,確定所述兩個行人特徵節點的人臉特徵之間的相似度;
在所述人臉特徵之間的相似度大於等於預設人臉相似度閾值的情况下,確定所述兩個行人特徵節點爲相似節點關聯關係;
在所述兩個行人特徵節點中較小的人臉圖像質量值小於預設人臉圖像質量閾值,且所述兩個行人特徵節點中較小的人體圖像質量值大於等於人體圖像質量閾值的情况下,確定所述兩個行人特徵節點的人體特徵之間的相似度;
在所述人體特徵之間的相似度大於等於預設人體相似度閾值的情况下,確定所述兩個行人特徵節點爲相似節點關聯關係。
可選的,在本發明的一個實施例中,所述目標節點獲取模組包括:
路徑確定子模組,用於將所述圖像特徵作爲目標特徵節點,確定所述目標特徵節點到達所述行人特徵節點的至少一條搜索路徑,所述搜索路徑由具有所述相似節點關聯關係的多個行人特徵節點連接而成;
路徑分值確定子模組,用於確定所述搜索路徑中相鄰兩個行人特徵節點之間的相似度中的最小值,並將所述最小值作爲所述搜索路徑的路徑分值;
節點相似度確定子模組,用於確定所述至少一條搜索路徑的路徑分值中的最大值,並將所述最大值作爲所述目標特徵節點與所述行人特徵節點的相似度;
目標節點確定子模組,用於將與所述目標特徵節點的相似度大於等於所述預設人臉相似度閾值或者所述預設人體相似度閾值的至少一個行人特徵節點作爲所述目標特徵節點的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像。
可選的,在本發明的一個實施例中,所述目標節點獲取模組包括:
相似節點搜索子模組,用於基於所述多個行人特徵節點的關係特徵,從所述特徵資料庫中搜索出所述圖像特徵的至少一個相似節點;
目標節點選取子模組,用於從所述至少一個相似節點中選擇出至少一個目標節點;
行人圖像獲取子模組,用於將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像。
可選的,在本發明的一個實施例中,所述目標節點選取子模組包括:
人臉中心值確定單元,用於確定所述至少一個相似節點中人臉特徵的人臉聚類中心值;
節點篩選單元,用於從所述至少一個相似節點中篩選出至少一個人臉人體特徵節點,所述人臉人體特徵節點中的人臉特徵和人體特徵爲非零值;
節點劃分單元,用於分別確定所述至少一個人臉人體特徵節點中人臉特徵與所述人臉聚類中心值之間的人臉相似度,將所述人臉相似度大於等於預設相似度閾值的節點劃分至第一相似節點集合,將所述人臉相似度小於所述預設相似度閾值的節點劃分至第二相似節點集合;
節點清除單元,用於從所述至少一個相似節點中清除所述第二相似節點集合,並將清除後的所述至少一個相似節點分別對應的行人圖像作爲所述目標行人的圖像。
可選的,在本發明的一個實施例中,所述目標節點選取子模組還包括:
人體中心值確定單元,用於確定所述第一相似節點集合中人體特徵的第一人體聚類中心值、所述第二相似節點集合中人體特徵的第二人體聚類中心值;
人體節點篩選單元,用於從所述至少一個相似節點中篩選出至少一個人體特徵節點,所述人體特徵節點中的人臉特徵爲零值、人體特徵爲非零值;
相似度確定單元,用於分別確定所述至少一個人體特徵節點中人體特徵與所述第一人體聚類中心值之間的第一人體相似度、與所述第二人體聚類中心值之間的第二人體相似度;
節點添加單元,用於將所述第二人體相似度大於所述第一人體相似度時所對應的人體特徵節點添加至所述第二相似節點集合中。
可選的,在本發明的一個實施例中,所述裝置還包括:
行人軌跡獲取模組,用於基於所述目標行人的圖像,獲取所述目標行人的行動軌跡,所述行動軌跡包括時間訊息和/或位置訊息。
可選的,在本發明的一個實施例中,所述裝置還包括:
新資料獲取模組,用於在獲取到新行人圖像的情况下,提取所述新行人圖像的圖像特徵;
資料更新模組,用於將所述新行人圖像的圖像特徵作爲新的行人特徵節點,更新至所述特徵資料庫中。
根據本發明實施例的第三方面,提供一種電子設備,包括:
處理器;
用於儲存處理器可執行指令的記憶體;
其中,所述處理器被配置爲執行上述行人識別方法。
根據本發明實施例的第四方面,提供一種非臨時性電腦可讀儲存介質,當所述儲存介質中的指令由處理器執行時,使得處理器能夠執行上述的行人識別方法。
應當理解的是,以上的一般描述和後文的細節描述僅是示例性和解釋性的,並不能限制本發明。
這裡將詳細地對示例性實施例進行說明,其示例表示在附圖中。下面的描述涉及附圖時,除非另有表示,不同附圖中的相同數字表示相同或相似的要素。以下示例性實施例中所描述的實施方式並不代表與本發明相一致的所有實施方式。相反,它們僅是與如所附申請專利範圍中所詳述的、本發明的一些方面相一致的裝置和方法的例子。
爲了方便本領域技術人員理解本發明實施例提供的技術方案,下面先對技術方案實現的技術環境進行說明。
相關技術的行人識別技術往往基於人臉識別技術或者人體識別技術,利用基於人臉識別技術的行人識別技術往往通過行人的臉部特徵識別出目標行人。但是在實際應用場景中,如街景中,捕捉到的行人面部圖像往往具有遮擋物、側面角度、距離太遠等等,因此,通過臉部特徵識別目標行人的方式往往也具有較低的召回率和準確率。
基於類似於上文所述的實際技術需求,本發明提供的行人識別方法可以基於人臉人體聯合檢索的方式,構建基於人臉特徵和人體特徵的特徵資料庫。基於目標行人的人臉特徵和人體特徵,可以從所述特徵資料庫中搜索出與所述目標行人的人臉特徵和人體特徵相似的人臉特徵和人體特徵,並將所述相似的人臉特徵和人體特徵所對應的行人圖像作爲所述目標行人的圖像。
下面結合附圖1對本發明所述的行人識別方法進行詳細的說明。圖1是本發明提供的行人識別方法的一種實施例的方法流程圖。雖然本發明提供了如下述實施例或附圖所示的方法操作步驟,但基於常規或者無需創造性的勞動在所述方法中可以包括更多或者更少的操作步驟。在邏輯性上不存在必要因果關係的步驟中,這些步驟的執行順序不限於本發明實施例提供的執行順序。
本發明實施例提供了一種行人識別方法,其可以應用在任意的圖像處理裝置中,例如,該方法可以應用在終端設備或伺服器中,或者也可以應用在其它處理設備中,其中,終端設備可以包括用戶設備(User Equipment,UE)、移動設備、用戶終端、終端、行動電話、無線電話、個人數位助理(Personal Digital Assistant,PDA)、手持設備、計算設備、車載設備、可穿戴設備等。在一些可能的實現方式中,該行人識別方法可以通過處理器呼叫記憶體中儲存的電腦可讀指令的方式來實現。
具體的,本發明提供的行人識別方法的一種實施例如圖1所示,所述方法可以包括:
S101:獲取目標行人圖像的圖像特徵,所述圖像特徵包括人臉特徵和人體特徵。
S103:從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像;
其中,所述特徵資料庫中包括多個行人特徵節點,所述行人特徵節點中包括行人圖像對應的人臉特徵、人體特徵以及與其他行人特徵節點之間的關係特徵。
本發明實施例中,可以獲取用於作爲搜索基礎的目標行人圖像,在一個示例中,若目標行人爲張三,則所述目標行人圖像例如可以包括張三的身份證件照片、生活照片、街拍照片、寫真等等。所述目標行人圖像中可以包括人臉圖像,可以包括人體圖像,也可以包括人臉人體圖像。基於此,可以從所述目標行人圖像中獲取圖像特徵,所述圖像特徵可以包括人臉特徵和人體特徵。即,當所述目標行人圖像中只包括人臉圖像時,可以獲取到人臉特徵,即所述圖像特徵中人臉特徵爲非零值,人體特徵爲零值;當所述目標行人圖像中只包括人體圖像時,可以獲取到人體特徵,即所述圖像特徵中人臉特徵爲零值,人體特徵爲非零值;當所述目標行人圖像中包括人臉人體圖像時,可以獲取到人臉特徵和人體特徵,即所述圖像特徵中人臉特徵和人體特徵爲非零值。其中,所述人臉特徵、所述人體特徵可以利用特徵向量表達,例如,人臉特徵向量可以包括人臉關鍵點之間的歐氏距離、曲率、角度等多種分量,所述人體特徵可以包括人體部位的比例、姿態、衣著特徵等多種分量。本發明對於人臉特徵、人體特徵的提取方式不做限制。
本發明實施例中,在獲取到所述目標行人圖像的所述圖像特徵之後,可以基於所述圖像特徵,從預設特徵資料庫中獲取所述圖像特徵的至少一個目標節點。所述特徵資料庫中可以包括多個行人特徵節點,所述行人特徵節點中包括行人圖像對應的人臉特徵、人體特徵以及與其他行人特徵節點之間的關係特徵。在一個實施例中,所述行人特徵節點與行人圖像具有一一對應的關係,例如,若所述特徵資料庫中可以包括100萬個行人特徵節點,則所述100萬個行人特徵節點對應於100萬個行人圖像。那麽,本發明實施例的目的在於從這100萬個行人圖像搜索出所述目標行人的圖像。同樣地,所述行人圖像中可以包括人臉圖像、人體圖像、人臉人體圖像,基於此,可以提取所述行人圖像的人臉特徵和人體特徵,並將所述人臉特徵和人體特徵設置於所述行人圖像所對應的行人特徵節點中。
本發明實施例中,所述與其他行人特徵節點之間的關係特徵可以被設置爲根據人臉特徵、人體特徵確定。所述關係特徵包括相似節點關聯關係,所述相似節點關聯關係包括兩個行人特徵節點之間具有較高的相似度,即所述兩個行人特徵節點爲同一行人的特徵節點的可能性較大。通過所述相似節點關聯關係,可以通過其中一個行人特徵節點搜索到另一個行人特徵節點。在一個實施例中,在兩個行人特徵節點的人臉特徵均爲非零值且所述兩個行人特徵節點的人臉特徵之間的相似度大於等於預設人臉相似度閾值的情况下,確定所述兩個行人特徵節點爲相似節點關聯關係。在另一個實施例中,在兩個行人特徵節點的人體特徵均爲非零值且所述兩個行人特徵節點的人體特徵之間的相似度大於等於預設人體相似度閾值的情况下,確定所述兩個行人特徵節點爲相似節點關聯關係。在本發明的一個實施例中,所述人臉特徵或者所述人體特徵之間的相似度可以利用特徵向量計算得到,例如,所述相似度可以爲兩個特徵向量之間的余弦值,本發明對於兩個特徵之間的相似度的計算方式不做限制。
在實際的應用場景中,圖像質量在人臉識別、人體識別中具有比較重要的影響因素,當圖像質量較高時,人臉識別、人體識別的準確性隨之增高,當圖像質量較低時,人臉識別、人體識別的準確性隨之降低。基於此,在本發明的一個實施例中,所述關係特徵被設置爲根據下述參數確定:人臉圖像質量值、人體圖像質量值、人臉特徵、人體特徵。其中,所述人臉圖像質量值可以根據人臉3維姿態、圖片模糊程度、曝光好壞等參數計算得到,所述人體圖像質量值可以根據遮擋程度、擁擠程度、主體人的完整程度等參數計算得到。在此情况下,所述行人特徵節點中還可以包括人臉圖像質量值、人體圖像質量值。相應地,所述目標行人圖像的圖像特徵還可以包括人臉圖像質量值、人體圖像質量值。
相應地,在確定所述相似節點關聯關係的過程中,可以首先計算兩個行人特徵節點的人臉特徵之間的相似度。這是由於人臉特徵的唯一性和準確性,因此,可以設置人臉特徵的優先級高於人體特徵的優先級。具體地,可以在兩個行人特徵節點中較小的人臉圖像質量值大於等於預設人臉圖像質量閾值的情况下,確定所述兩個行人特徵節點的人臉特徵之間的相似度。也就是說,當兩個行人特徵節點中的人臉特徵均爲非零值,且這兩個行人特徵節點中的人臉圖像質量值均大於等於預設人臉圖像質量閾值時,確定所述兩個行人特徵節點的人臉特徵之間的相似度。若計算得到所述人臉特徵之間的相似度大於等於預設人臉相似度閾值,則確定所述兩個行人特徵節點爲相似節點關聯關係。
在所述兩個行人特徵節點中較小的人臉圖像質量值小於預設人臉圖像質量閾值的情况下,可以確定所述兩個行人特徵節點的人體特徵是否爲非零值。在確定所述兩個行人特徵節點中的人體特徵均爲非零值,且所述兩個行人特徵節點中較小的人體圖像質量值小於預設人體圖像質量閾值的情况下,可以計算所述兩個行人特徵節點的人體特徵之間的相似度。在所述人體特徵之間的相似度大於等於預設人體相似度閾值的情况下,可以確定所述兩個行人特徵節點爲相似節點關聯關係。需要說明的是,對於所述預設人臉圖像質量閾值、所述預設人體圖像質量閾值、所述預設人臉相似度閾值、所述預設人體相似度閾值的設置可以參考經驗值,也可以根據樣本資料統計得到,本發明對此不做限制。
在確定所述多個行人特徵節點中具有相似節點關聯關係的行人特徵節點之後,所述多個行人特徵節點之間可以形成網路式的關係圖。通過其中一個行人特徵節點,可以從所述特徵資料庫中搜索出與之具有相似節點關聯關係的行人特徵節點。所述特徵資料庫的表達方式可以包括異構圖等網路結構。
本發明實施例中,在從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像的過程中,可以將所述圖像特徵作爲目標特徵節點,確定所述目標特徵節點到達所述行人特徵節點的至少一條搜索路徑,所述搜索路徑由具有所述相似節點關聯關係的多個行人特徵節點連接而成。在確定所述至少一條搜索路徑之後,可以確定所述搜索路徑中相鄰兩個行人特徵節點之間的相似度中的最小值,並將所述最小值作爲所述搜索路徑的路徑分值。在確定各個搜索路徑的路徑分值之後,可以確定所述至少一條搜索路徑的路徑分值中的最大值,並將所述最大值作爲所述目標特徵節點與所述行人特徵節點的相似度。最後,將與所述目標特徵節點的相似度大於等於所述預設人臉相似度閾值或者所述預設人體相似度閾值的至少一個行人特徵節點作爲所述目標特徵節點的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像。
下面結合圖2說明上述實施例方法,如圖2所示,設置所述目標特徵節點爲節點A,節點B-H爲所述特徵資料庫中的行人特徵節點。從節點A到節點B共有三條路徑,分別爲路徑1、路徑2、路徑3,其中路徑1中的節點C與節點D、節點D與節點B之間具有相似節點關聯關係,路徑3中節點E與節點F、節點F與節點G、節點G與節點H、節點H與節點B之間具有相似節點關聯關係。根據路徑2中的示意,節點A和節點B之間的直接相似度爲0.5,若設置的預設人臉相似度閾值和預設人體相似度閾值爲0.7,則不會確定節點B爲節點A的相似節點。基於實際的應用場景,節點A和節點B均爲目標行人的特徵,但是節點A可能對應於目標行人穿著黑色衣服的正面圖像,而節點B可能對應於目標行人穿著黃色衣服的側面圖像,那麽,節點A與節點B的直接相似度可能比較低。但是,通過其他關聯節點到達B,可以發現節點A與節點B之間的緊密關聯性。例如在路徑1中,節點C爲目標行人的臉部正面圖像,節點D爲目標行人穿著那件黃色衣服的正面圖像。基於此,可以最佳化節點A與節點B之間的相似度計算方式。在一個實施例中,可以分別計算各個路徑的路徑分值,所述路徑分值可以包括路徑中相鄰兩個行人特徵節點之間的相似度中的最小值。例如,路徑1的路徑分值爲0.6,路徑2的路徑分值爲0.5,路徑3的路徑分值爲0.8,其中三個路徑中最大的路徑分值爲0.8,那麽可以確定節點A與節點B之間的相似度爲0.8,大於0.7,因此,節點A與節點B爲目標特徵節點A的目標節點。
基於此,可以通過與上述實施例方法相同的方式搜索所述特徵資料庫,搜索出與所述目標特徵節點的至少一個目標節點,將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像。
在本發明的一個實施例中,在從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像的過程中,在基於所述多個行人特徵節點的關係特徵,從所述特徵資料庫中搜索出所述圖像特徵的至少一個相似節點之後,從所述至少一個相似節點中過濾掉那些人臉特徵過於偏離人臉聚類中心值的相似節點,並將剩餘的相似節點作爲目標節點。其中,所述相似節點的獲取方式可以參考上述示例中搜索節點A的目標節點B的方式。具體的過濾方式,可以確定所述至少一個相似節點中人臉特徵的人臉聚類中心值。然後,從所述至少一個相似節點中篩選出至少一個人臉人體特徵節點,所述人臉人體特徵節點中的人臉特徵和人體特徵爲非零值。然後,可以從所述至少一個人臉人體特徵節點中過濾掉人臉特徵過於偏離人臉聚類中心值的節點。具體地,可以分別計算所述至少一個人臉人體特徵節點中人臉特徵與所述人臉聚類中心值之間的人臉相似度,將所述人臉相似度大於等於預設相似度閾值的節點劃分至第一相似節點集合,將所述人臉相似度小於所述預設相似度閾值的節點劃分至第二相似節點集合。其中,所述第二相似節點集合中的相似節點具有很大可能性不是所述目標行人對應的節點。因此,可以從所述至少一個相似節點中清除所述第二相似節點集合,並將清除後的所述至少一個相似節點分別對應的行人圖像作爲所述目標行人的圖像。
在本發明的一個實施例中,還可以對所述至少一個相似節點進行進一步過濾,以過濾掉人臉特徵爲零值、人體特徵爲非零值的相似節點中的人體特徵偏離人體聚類中心值的節點。具體地,在一個實施例中,可以計算所述第一相似節點集合中人體特徵的第一人體聚類中心值、所述第二相似節點集合中人體特徵的第二人體聚類中心值。然後,可以從所述至少一個相似節點中篩選出至少一個人體特徵節點,所述人體特徵節點中的人臉特徵爲零值、人體特徵爲非零值。分別計算所述至少一個人體特徵節點中人體特徵與所述第一人體聚類中心值之間的第一人體相似度、與所述第二人體聚類中心值之間的第二人體相似度。由於第二相似節點集合中的人臉特徵遠偏離所述人臉特徵聚類中心值,因此,所述第二相似節點集合爲即將過濾掉的節點集合。若所述第二人體相似度大於所述第一人體相似度,則表示該人體特徵也偏離所述目標行人的人體特徵。因此,可以將所述第二人體相似度大於所述第一人體相似度時所對應的人體特徵節點添加至所述第二相似節點集合中。此後,可以從所述至少一個相似節點中清除所述第二相似節點集合。
需要說明的是,在實際應用場景中,往往利用多個目標行人圖像進行特徵搜索,在此過程中,可以分別對所述多個目標行人圖像進行特徵搜索,並分別得到至少一個目標節點。最後,可以將分別得到的至少一個目標節點進行合併,並將合併之後的至少一個目標節點對應的行人圖像作爲所述目標行人的圖像。
在本發明的一個實施例中,在獲取到所述目標行人的圖像之後,可以基於所述目標行人的圖像,獲取所述目標行人的行動軌跡,所述行動軌跡包括時間訊息和/或位置訊息。在一個示例中,目標行人的所述行動軌跡例如包括:2018年10月1日10:30:蘇州市觀前街→2018年10月1日11:03:蘇州市觀前街→2018年10月1日12:50:蘇州市XX停車場→……→2018年10月1日21:37:蘇州市XX小區。基於以上的行動軌跡,可以獲取所述目標行人的日常活動,對於警察、心理分析領域具有重要的價值。
當然,爲了使得所述特徵資料庫包含盡可能多的資料,可以對所述特徵資料庫進行更新。在一個示例中,當獲取到某個街道的監控視訊之後,可以提取所述監控視訊中的圖像幀。然後,可以對所述圖像幀進行特徵提取,提取出所述圖像幀的圖像特徵,所述圖像特徵包括人臉特徵和人體特徵。再將所述圖像幀中的圖像特徵作爲新的行人特徵節點,更新至所述特徵資料庫中。
本發明各個實施例提供的行人識別方法,可以基於人臉特徵和人體特徵聯合檢索的方式從特徵資料庫中搜索出目標行人的圖像。一方面,基於人臉特徵和人體特徵聯合檢索的方式,可以即利用了人臉特徵的唯一性優勢,也利用了在人臉被遮擋、人臉模糊等特殊情况下人體特徵的識別優勢。另一方面,所述特徵資料庫可以包括所述行人特徵節點與其他行人特徵節點之間的關係特徵,這樣,可以通過其中一個行人特徵節點搜索到與之有關聯關係的行人特徵節點。基於此,可以大大降低行人搜索的計算量,提高搜索效率。
本發明實施例另一方面還提出一種行人識別裝置,圖3示出根據本發明實施例的行人識別裝置的方塊圖,如圖3所示,所述裝置300包括:
圖像特徵獲取模組301,用於獲取目標行人圖像的圖像特徵,所述圖像特徵包括人臉特徵和人體特徵;
目標節點獲取模組303,用於從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像;
其中,所述特徵資料庫中包括多個行人特徵節點,所述行人特徵節點中包括行人圖像對應的人臉特徵、人體特徵以及與其他行人特徵節點之間的關係特徵。
可選的,在本發明的一個實施例中,所述關係特徵被設置爲根據下述參數確定:人臉圖像質量值、人體圖像質量值、人臉特徵、人體特徵。
可選的,在本發明的一個實施例中,所述關係特徵包括相似節點關聯關係,所述相似節點關聯關係被設置爲按照下述方式確定:
在兩個行人特徵節點中較小的人臉圖像質量值大於等於預設人臉圖像質量閾值的情况下,確定所述兩個行人特徵節點的人臉特徵之間的相似度;
在所述人臉特徵之間的相似度大於等於預設人臉相似度閾值的情况下,確定所述兩個行人特徵節點爲相似節點關聯關係;
在所述兩個行人特徵節點中較小的人臉圖像質量值小於預設人臉圖像質量閾值,且所述兩個行人特徵節點中較小的人體圖像質量值大於等於人體圖像質量閾值的情况下,確定所述兩個行人特徵節點的人體特徵之間的相似度;
在所述人體特徵之間的相似度大於等於預設人體相似度閾值的情况下,確定所述兩個行人特徵節點爲相似節點關聯關係。
可選的,在本發明的一個實施例中,所述目標節點獲取模組包括:
路徑確定子模組,用於將所述圖像特徵作爲目標特徵節點,確定所述目標特徵節點到達所述行人特徵節點的至少一條搜索路徑,所述搜索路徑由具有所述相似節點關聯關係的多個行人特徵節點連接而成;
路徑分值確定子模組,用於確定所述搜索路徑中相鄰兩個行人特徵節點之間的相似度中的最小值,並將所述最小值作爲所述搜索路徑的路徑分值;
節點相似度確定子模組,用於確定所述至少一條搜索路徑的路徑分值中的最大值,並將所述最大值作爲所述目標特徵節點與所述行人特徵節點的相似度;
目標節點確定子模組,用於將與所述目標特徵節點的相似度大於等於所述預設人臉相似度閾值或者所述預設人體相似度閾值的至少一個行人特徵節點作爲所述目標特徵節點的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像。
可選的,在本發明的一個實施例中,所述目標節點獲取模組包括:
相似節點搜索子模組,用於基於所述多個行人特徵節點的關係特徵,從所述特徵資料庫中搜索出所述圖像特徵的至少一個相似節點;
目標節點選取子模組,用於從所述至少一個相似節點中選擇出至少一個目標節點;
行人圖像獲取子模組,用於將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像。
可選的,在本發明的一個實施例中,所述目標節點選取子模組包括:
人臉中心值確定單元,用於確定所述至少一個相似節點中人臉特徵的人臉聚類中心值;
節點篩選單元,用於從所述至少一個相似節點中篩選出至少一個人臉人體特徵節點,所述人臉人體特徵節點中的人臉特徵和人體特徵爲非零值;
節點劃分單元,用於分別確定所述至少一個人臉人體特徵節點中人臉特徵與所述人臉聚類中心值之間的人臉相似度,將所述人臉相似度大於等於預設相似度閾值的節點劃分至第一相似節點集合,將所述人臉相似度小於所述預設相似度閾值的節點劃分至第二相似節點集合;
節點清除單元,用於從所述至少一個相似節點中清除所述第二相似節點集合,並將清除後的所述至少一個相似節點分別對應的行人圖像作爲所述目標行人的圖像。
可選的,在本發明的一個實施例中,所述目標節點選取子模組還包括:
人體中心值確定單元,用於確定所述第一相似節點集合中人體特徵的第一人體聚類中心值、所述第二相似節點集合中人體特徵的第二人體聚類中心值;
人體節點篩選單元,用於從所述至少一個相似節點中篩選出至少一個人體特徵節點,所述人體特徵節點中的人臉特徵爲零值、人體特徵爲非零值;
相似度確定單元,用於分別確定所述至少一個人體特徵節點中人體特徵與所述第一人體聚類中心值之間的第一人體相似度、與所述第二人體聚類中心值之間的第二人體相似度;
節點添加單元,用於將所述第二人體相似度大於所述第一人體相似度時所對應的人體特徵節點添加至所述第二相似節點集合中。
可選的,在本發明的一個實施例中,所述裝置還包括:
行人軌跡獲取模組,用於基於所述目標行人的圖像,獲取所述目標行人的行動軌跡,所述行動軌跡包括時間訊息和/或位置訊息。
可選的,在本發明的一個實施例中,所述裝置還包括:
新資料獲取模組,用於在獲取到新行人圖像的情况下,提取所述新行人圖像的圖像特徵;
資料更新模組,用於將所述新行人圖像的圖像特徵作爲新的行人特徵節點,更新至所述特徵資料庫中。
本發明實施例還提出一種電子設備,包括:處理器;用於儲存處理器可執行指令的記憶體;其中,所述處理器被配置爲上述各個實施例所述的方法。
所述電子設備可以被提供爲終端、伺服器或其它形態的設備。
圖4是根據一示例性實施例示出的一種電子設備800的方塊圖。例如,電子設備800可以是移動電話,電腦,數位廣播終端,消息收發設備,遊戲控制台,平板設備,醫療設備,健身設備,個人數位助理等終端。
參照圖4,電子設備800可以包括以下一個或多個組件:處理組件802,記憶體804,電源組件806,多媒體組件808,音頻組件810,輸入/輸出(I/ O)介面812,感測器組件814,以及通信組件816。
處理組件802通常控制電子設備800的整體操作,諸如與顯示,電話呼叫,資料通信,相機操作和記錄操作相關聯的操作。處理組件802可以包括一個或多個處理器820來執行指令,以完成上述的方法的全部或部分步驟。此外,處理組件802可以包括一個或多個模組,便於處理組件802和其他組件之間的交互。例如,處理組件802可以包括多媒體模組,以方便多媒體組件808和處理組件802之間的交互。
記憶體804被配置爲儲存各種類型的資料以支持在電子設備800的操作。這些資料的示例包括用於在電子設備800上操作的任何應用程式或方法的指令,連絡人資料,電話簿資料,消息,圖片,視訊等。記憶體804可以由任何類型的揮發性或非揮發性儲存設備或者它們的組合實現,如靜態隨機存取記憶體(SRAM),電子可抹除可程式化唯讀記憶體(EEPROM),可抹除可程式化唯讀記憶體(EPROM),可程式化唯讀記憶體(PROM),唯讀記憶體(ROM),磁記憶體,快閃記憶體,磁碟或光碟。
電源組件806爲電子設備800的各種組件提供電力。電源組件806可以包括電源管理系統,一個或多個電源,及其他與爲電子設備800生成、管理和分配電力相關聯的組件。
多媒體組件808包括在所述電子設備800和用戶之間的提供一個輸出介面的螢幕。在一些實施例中,螢幕可以包括液晶顯示器(LCD)和觸控式面板(TP)。如果螢幕包括觸控式面板,螢幕可以被實現爲觸控式螢幕,以接收來自用戶的輸入信號。觸控式面板包括一個或多個觸控式感測器以感測觸摸、滑動和觸控式面板上的手勢。所述觸控式感測器可以不僅感測觸摸或滑動動作的邊界,而且還檢測與所述觸摸或滑動操作相關的持續時間和壓力。在一些實施例中,多媒體組件808包括一個前置攝影鏡頭和/或後置攝影鏡頭。當電子設備800處於操作模式,如拍攝模式或視訊模式時,前置攝影鏡頭和/或後置攝影鏡頭可以接收外部的多媒體資料。每個前置攝影鏡頭和後置攝影鏡頭可以是一個固定的光學透鏡系統或具有焦距和光學變焦能力。
音頻組件810被配置爲輸出和/或輸入音訊信號。例如,音頻組件810包括一個麥克風(MIC),當電子設備800處於操作模式,如呼叫模式、記錄模式和語音識別模式時,麥克風被配置爲接收外部音訊信號。所接收的音訊信號可以被進一步儲存在記憶體804或經由通信組件816發送。在一些實施例中,音頻組件810還包括一個揚聲器,用於輸出音訊信號。
輸入/輸出介面812爲處理組件802和外圍介面模組之間提供介面,上述外圍介面模組可以是鍵盤,點擊輪,按鈕等。這些按鈕可包括但不限於:主頁按鈕、音量按鈕、啓動按鈕和鎖定按鈕。
感測器組件814包括一個或多個感測器,用於爲電子設備800提供各個方面的狀態評估。例如,感測器組件814可以檢測到電子設備800的打開/關閉狀態,組件的相對定位,例如所述組件爲電子設備800的顯示器和小鍵盤,感測器組件814還可以檢測電子設備800或電子設備800一個組件的位置改變,用戶與電子設備800接觸的存在或不存在,電子設備800方位或加速/減速和電子設備800的溫度變化。感測器組件814可以包括接近感測器,被配置用來在沒有任何的物理接觸時檢測附近物體的存在。感測器組件814還可以包括光感測器,如CMOS或CCD圖像感測器,用於在成像應用中使用。在一些實施例中,該感測器組件814還可以包括加速度感測器,陀螺儀感測器,磁感測器,壓力感測器或溫度感測器。
通信組件816被配置爲便於電子設備800和其他設備之間有線或無線方式的通信。電子設備800可以接入基於通信標準的無線網路,如WiFi,2G或3G,或它們的組合。在一個示例性實施例中,通信組件816經由廣播頻道接收來自外部廣播管理系統的廣播信號或廣播相關訊息。在一個示例性實施例中,所述通信組件816還包括近場通信(NFC)模組,以促進短程通信。例如,在NFC模組可基於無線射頻辨識(RFID)技術,紅外數據協會(IrDA)技術,超寬頻(UWB)技術,藍牙(BT)技術和其他技術來實現。
在示例性實施例中,電子設備800可以被一個或多個應用專用積體電路(ASIC)、數位訊號處理器(DSP)、數位信號處理設備(DSPD)、可程式邏輯裝置(PLD)、現場可程式化邏輯閘陣列(FPGA)、控制器、微控制器、微處理器或其他電子元件實現,用於執行上述方法。
在示例性實施例中,還提供了一種非揮發性電腦可讀儲存介質,例如包括電腦程式指令的記憶體804,上述電腦程式指令可由電子設備800的處理器820執行以完成上述方法。
圖5是根據一示例性實施例示出的一種電子設備1900的方塊圖。例如,電子設備1900可以被提供爲一伺服器。參照圖5,電子設備1900包括處理組件1922,其進一步包括一個或多個處理器,以及由記憶體1932所代表的記憶體資源,用於儲存可由處理組件1922執行的指令,例如應用程式。記憶體1932中儲存的應用程式可以包括一個或一個以上的每一個對應於一組指令的模組。此外,處理組件1922被配置爲執行指令,以執行上述方法。
電子設備1900還可以包括一個電源組件1926被配置爲執行電子設備1900的電源管理,一個有線或無線的網路介面1950被配置爲將電子設備1900連接到網路,和一個輸入輸出(I/O)介面1958。電子設備1900可以操作基於儲存在記憶體1932的操作系統,例如Windows ServerTM,Mac OS XTM,UnixTM, LinuxTM,FreeBSDTM或類似。
在示例性實施例中,還提供了一種非揮發性電腦可讀儲存介質,例如包括電腦程式指令的記憶體1932,上述電腦程式指令可由電子設備1900的處理組件1922執行以完成上述方法。
本發明可以是系統、方法和/或電腦程式産品。電腦程式産品可以包括電腦可讀儲存介質,其上載有用於使處理器實現本發明的各個方面的電腦可讀程式指令。
電腦可讀儲存介質可以是可以保持和儲存由指令執行設備使用的指令的有形設備。電腦可讀儲存介質例如可以是,但不限於電儲存設備、磁儲存設備、光儲存設備、電磁儲存設備、半導體儲存設備或者上述的任意合適的組合。電腦可讀儲存介質的更具體的例子(非窮舉的列表)包括:便携式電腦盤、硬碟、隨機存取記憶體(RAM)、唯讀記憶體(ROM)、可抹除可程式化唯讀記憶體(EPROM或閃存)、靜態隨機存取記憶體(SRAM)、可擕式壓縮磁碟唯讀記憶體(CD-ROM)、數位多功能影音光碟(DVD)、記憶卡、磁片、機械編碼設備、例如其上儲存有指令的打孔卡或凹槽內凸起結構、以及上述的任意合適的組合。這裡所使用的電腦可讀儲存介質不被解釋爲瞬時信號本身,諸如無線電波或者其他自由傳播的電磁波、通過波導或其他傳輸媒介傳播的電磁波(例如,通過光纖電纜的光脉衝)、或者通過電線傳輸的電信號。
這裡所描述的電腦可讀程式指令可以從電腦可讀儲存介質下載到各個計算/處理設備,或者通過網路、例如網際網路、區域網路、廣域網路和/或無線網下載到外部電腦或外部儲存設備。網路可以包括銅傳輸電纜、光纖傳輸、無線傳輸、路由器、防火牆、交換機、網關電腦和/或邊緣伺服器。每個計算/處理設備中的網路介面卡或者網路介面從網路接收電腦可讀程式指令,並轉發該電腦可讀程式指令,以供儲存在各個計算/處理設備中的電腦可讀儲存介質中。
用於執行本發明操作的電腦程式指令可以是彙編指令、指令集架構(ISA)指令、機器指令、機器相關指令、微代碼、韌體指令、狀態設置資料、或者以一種或多種程式語言的任意組合編寫的原始碼或目標代碼,所述程式語言包括面向物體的程式語言—諸如Smalltalk、C++等,以及常規的過程式程式語言—諸如“C”語言或類似的程式語言。電腦可讀程式指令可以完全地在用戶電腦上執行、部分地在用戶電腦上執行、作爲一個獨立的套裝軟體執行、部分在用戶電腦上部分在遠端電腦上執行、或者完全在遠端電腦或伺服器上執行。在涉及遠端電腦的情形中,遠端電腦可以通過任意種類的網路—包括區域網路(LAN)或廣域網路(WAN)—連接到用戶電腦,或者,可以連接到外部電腦(例如利用網際網路服務供應商來通過網際網路連接)。在一些實施例中,通過利用電腦可讀程式指令的狀態訊息來個性化定制電子電路,例如可程式邏輯電路、現場可程式化邏輯閘陣列(FPGA)或可程式邏輯陣列(PLA),該電子電路可以執行電腦可讀程式指令,從而實現本發明的各個方面。
這裡參照根據本發明實施例的方法、裝置(系統)和電腦程式産品的流程圖和/或方塊圖描述了本發明的各個方面。應當理解,流程圖和/或方塊圖的每個方框以及流程圖和/或方塊圖中各方框的組合,都可以由電腦可讀程式指令實現。
這些電腦可讀程式指令可以提供給通用電腦、專用電腦或其它可程式資料處理裝置的處理器,從而生産出一種機器,使得這些指令在通過電腦或其它可程式資料處理裝置的處理器執行時,産生了實現流程圖和/或方塊圖中的一個或多個方框中規定的功能/動作的裝置。也可以把這些電腦可讀程式指令儲存在電腦可讀儲存介質中,這些指令使得電腦、可程式資料處理裝置和/或其他設備以特定方式工作,從而,儲存有指令的電腦可讀介質則包括一個製造品,其包括實現流程圖和/或方塊圖中的一個或多個方框中規定的功能/動作的各個方面的指令。
也可以把電腦可讀程式指令加載到電腦、其它可程式資料處理裝置、或其它設備上,使得在電腦、其它可程式資料處理裝置或其它設備上執行一系列操作步驟,以産生電腦實現的過程,從而使得在電腦、其它可程式資料處理裝置、或其它設備上執行的指令實現流程圖和/或方塊圖中的一個或多個方框中規定的功能/動作。
附圖中的流程圖和方塊圖顯示了根據本發明的多個實施例的系統、方法和電腦程式産品的可能實現的體系架構、功能和操作。在這點上,流程圖或方塊圖中的每個方框可以代表一個模組、程式段或指令的一部分,所述模組、程式段或指令的一部分包含一個或多個用於實現規定的邏輯功能的可執行指令。在有些作爲替換的實現中,方框中所標注的功能也可以以不同於附圖中所標注的順序發生。例如,兩個連續的方框實際上可以基本並行地執行,它們有時也可以按相反的順序執行,這依所涉及的功能而定。也要注意的是,方塊圖和/或流程圖中的每個方框、以及方塊圖和/或流程圖中的方框的組合,可以用執行規定的功能或動作的專用的基於硬體的系統來實現,或者可以用專用硬體與電腦指令的組合來實現。
以上已經描述了本發明的各實施例,上述說明是示例性的,並非窮盡性的,並且也不限於所披露的各實施例。在不偏離所說明的各實施例的範圍和精神的情况下,對於本技術領域的普通技術人員來說許多修改和變更都是顯而易見的。本文中所用術語的選擇,旨在最好地解釋各實施例的原理、實際應用或對市場中的技術的改進,或者使本技術領域的其它普通技術人員能理解本文披露的各實施例。
300:行人識別裝置 301:圖像特徵獲取模組 303:目標節點獲取模組 800:電子設備 802:處理組件 804:記憶體 806:電源組件 808:多媒體組件 810:音頻組件 812:輸入/輸出介面 814:感測器組件 816:通信組件 820:處理器 1900:電子設備 1922:處理組件 1926:電源組件 1932:記憶體 1950:網路介面 1958:輸入輸出介面 S101~S103:步驟
此處的附圖被並入說明書中並構成本說明書的一部分,示出了符合本發明的實施例,並與說明書一起用於解釋本發明的原理。
圖1是根據一示例性實施例示出的一種行人識別方法的流程圖;
圖2是根據一示例性實施例示出的一種場景圖;
圖3是根據一示例性實施例示出的一種裝置的方塊圖;
圖4是根據一示例性實施例示出的一種裝置的方塊圖;
圖5是根據一示例性實施例示出的一種裝置的方塊圖。
S101~S103:步驟

Claims (12)

  1. 一種行人識別方法,包括: 獲取目標行人圖像的圖像特徵,所述圖像特徵包括人臉特徵和人體特徵; 從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像; 其中,所述特徵資料庫中包括多個行人特徵節點,所述行人特徵節點中包括行人圖像對應的人臉特徵、人體特徵以及與其他行人特徵節點之間的關係特徵。
  2. 根據請求項1所述的行人識別方法,其中,所述關係特徵被設置爲根據下述參數確定:人臉圖像質量值、人體圖像質量值、人臉特徵、人體特徵。
  3. 根據請求項2所述的行人識別方法,其中,所述關係特徵包括相似節點關聯關係,所述相似節點關聯關係被設置爲按照下述方式確定: 在兩個行人特徵節點中較小的人臉圖像質量值大於等於預設人臉圖像質量閾值的情况下,確定所述兩個行人特徵節點的人臉特徵之間的相似度; 在所述人臉特徵之間的相似度大於等於預設人臉相似度閾值的情况下,確定所述兩個行人特徵節點爲相似節點關聯關係; 在所述兩個行人特徵節點中較小的人臉圖像質量值小於預設人臉圖像質量閾值,且所述兩個行人特徵節點中較小的人體圖像質量值大於等於人體圖像質量閾值的情况下,確定所述兩個行人特徵節點的人體特徵之間的相似度; 在所述人體特徵之間的相似度大於等於預設人體相似度閾值的情况下,確定所述兩個行人特徵節點爲相似節點關聯關係。
  4. 根據請求項3所述的行人識別方法,其中,所述從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像,包括: 將所述圖像特徵作爲目標特徵節點,確定所述目標特徵節點到達所述行人特徵節點的至少一條搜索路徑,所述搜索路徑由具有所述相似節點關聯關係的多個行人特徵節點連接而成; 確定所述搜索路徑中相鄰兩個行人特徵節點之間的相似度中的最小值,並將所述最小值作爲所述搜索路徑的路徑分值; 確定所述至少一條搜索路徑的路徑分值中的最大值,並將所述最大值作爲所述目標特徵節點與所述行人特徵節點的相似度; 將與所述目標特徵節點的相似度大於等於所述預設人臉相似度閾值或者所述預設人體相似度閾值的至少一個行人特徵節點作爲所述目標特徵節點的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像。
  5. 根據請求項1-3中任一項所述的行人識別方法,其中,所述從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像,包括: 基於所述多個行人特徵節點的關係特徵,從所述特徵資料庫中搜索出所述圖像特徵的至少一個相似節點; 從所述至少一個相似節點中選擇出至少一個目標節點; 將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像。
  6. 根據請求項5所述的行人識別方法,其中,所述從所述至少一個相似節點中選擇出至少一個目標節點,包括: 確定所述至少一個相似節點中人臉特徵的人臉聚類中心值; 從所述至少一個相似節點中篩選出至少一個人臉人體特徵節點,所述人臉人體特徵節點中的人臉特徵和人體特徵爲非零值; 分別確定所述至少一個人臉人體特徵節點中人臉特徵與所述人臉聚類中心值之間的人臉相似度,將所述人臉相似度大於等於預設相似度閾值的節點劃分至第一相似節點集合,將所述人臉相似度小於所述預設相似度閾值的節點劃分至第二相似節點集合; 從所述至少一個相似節點中清除所述第二相似節點集合,並將清除後的所述至少一個相似節點分別對應的行人圖像作爲所述目標行人的圖像。
  7. 根據請求項6所述的行人識別方法,其中,在所述從所述至少一個相似節點中清除所述第二相似節點集合之前,所述方法還包括: 確定所述第一相似節點集合中人體特徵的第一人體聚類中心值、所述第二相似節點集合中人體特徵的第二人體聚類中心值; 從所述至少一個相似節點中篩選出至少一個人體特徵節點,所述人體特徵節點中的人臉特徵爲零值、人體特徵爲非零值; 分別確定所述至少一個人體特徵節點中人體特徵與所述第一人體聚類中心值之間的第一人體相似度、與所述第二人體聚類中心值之間的第二人體相似度; 將所述第二人體相似度大於所述第一人體相似度時所對應的人體特徵節點添加至所述第二相似節點集合中。
  8. 根據請求項1-4中任一項所述的行人識別方法,其中,所述方法還包括: 基於所述目標行人的圖像,獲取所述目標行人的行動軌跡,所述行動軌跡包括時間訊息和/或位置訊息。
  9. 根據請求項1-4中任一項所述的行人識別方法,其中,所述方法還包括: 在獲取到新行人圖像的情况下,提取所述新行人圖像的圖像特徵; 將所述新行人圖像的圖像特徵作爲新的行人特徵節點,更新至所述特徵資料庫中。
  10. 一種行人識別裝置,包括: 圖像特徵獲取模組,用於獲取目標行人圖像的圖像特徵,所述圖像特徵包括人臉特徵和人體特徵; 目標節點獲取模組,用於從特徵資料庫中獲取所述圖像特徵的至少一個目標節點,並將所述至少一個目標節點分別對應的行人圖像作爲所述目標行人的圖像; 其中,所述特徵資料庫中包括多個行人特徵節點,所述行人特徵節點中包括行人圖像對應的人臉特徵、人體特徵以及與其他行人特徵節點之間的關係特徵。
  11. 一種電子設備,包括: 處理器; 用於儲存處理器可執行指令的記憶體; 其中,所述處理器被配置爲執行請求項1-9任意一項所述的行人識別方法。
  12. 一種非臨時性電腦可讀儲存介質,當所述儲存介質中的指令由處理器執行時,使得處理器能夠執行請求項1-9任意一項所述的行人識別方法。
TW108148004A 2018-12-29 2019-12-27 一種行人識別方法、裝置、電子設備及非臨時性電腦可讀儲存介質 TW202029055A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201811637119.4A CN109753920B (zh) 2018-12-29 2018-12-29 一种行人识别方法及装置
CN201811637119.4 2018-12-29

Publications (1)

Publication Number Publication Date
TW202029055A true TW202029055A (zh) 2020-08-01

Family

ID=66404303

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108148004A TW202029055A (zh) 2018-12-29 2019-12-27 一種行人識別方法、裝置、電子設備及非臨時性電腦可讀儲存介質

Country Status (7)

Country Link
US (1) US20210089799A1 (zh)
JP (1) JP7171884B2 (zh)
KR (1) KR20210047917A (zh)
CN (1) CN109753920B (zh)
SG (1) SG11202011791SA (zh)
TW (1) TW202029055A (zh)
WO (1) WO2020135127A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI767459B (zh) * 2020-10-28 2022-06-11 中國商深圳市商湯科技有限公司 資料分群方法、電子設備和儲存媒體
TWI816072B (zh) * 2020-12-10 2023-09-21 晶睿通訊股份有限公司 物件識別方法及其監控系統

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109753920B (zh) * 2018-12-29 2021-09-17 深圳市商汤科技有限公司 一种行人识别方法及装置
CN112149447A (zh) * 2019-06-26 2020-12-29 杭州海康威视数字技术股份有限公司 一种人员识别方法、装置及电子设备
CN111783507A (zh) * 2019-07-24 2020-10-16 北京京东尚科信息技术有限公司 目标搜索方法、装置及计算机可读存储介质
CN110390300A (zh) * 2019-07-24 2019-10-29 北京洛必德科技有限公司 一种用于机器人的目标跟随方法和装置
CN110502651B (zh) * 2019-08-15 2022-08-02 深圳市商汤科技有限公司 图像处理方法及装置、电子设备和存储介质
CN110503022A (zh) * 2019-08-19 2019-11-26 北京积加科技有限公司 一种身份识别方法、装置及***
CN111753611A (zh) * 2019-08-30 2020-10-09 北京市商汤科技开发有限公司 图像检测方法及装置和***、电子设备和存储介质
CN110826463B (zh) * 2019-10-31 2021-08-24 深圳市商汤科技有限公司 人脸识别方法及装置、电子设备和存储介质
CN112784636A (zh) * 2019-11-07 2021-05-11 佳能株式会社 人脸图像分类方法、人脸图像分类装置和存储介质
CN110942003A (zh) * 2019-11-20 2020-03-31 中国建设银行股份有限公司 人员轨迹搜索方法及***
CN111680638B (zh) * 2020-06-11 2020-12-29 深圳北斗应用技术研究院有限公司 一种乘客路径识别方法和基于该方法的客流清分方法
CN112541384B (zh) * 2020-07-30 2023-04-28 深圳市商汤科技有限公司 可疑对象查找方法及装置、电子设备及存储介质
CN111967356A (zh) * 2020-08-04 2020-11-20 杰创智能科技股份有限公司 图像中行人检测方法、装置、电子设备和存储介质
CN112132103A (zh) * 2020-09-30 2020-12-25 新华智云科技有限公司 一种视频人脸检测识别方法和***
CN112270257A (zh) * 2020-10-27 2021-01-26 深圳英飞拓科技股份有限公司 一种运动轨迹确定方法、装置及计算机可读存储介质
CN112699810B (zh) * 2020-12-31 2024-04-09 中国电子科技集团公司信息科学研究院 一种提升室内监控***人物识别精度的方法及装置
CN113657434A (zh) * 2021-07-02 2021-11-16 浙江大华技术股份有限公司 人脸人体关联方法、***以及计算机可读存储介质
CN114973327B (zh) * 2022-06-06 2024-07-12 清华大学 提取行人身体特征的遮挡行人重识别方法、***及设备

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2618290A3 (en) 2008-04-02 2014-08-06 Google, Inc. Method and apparatus to incorporate automatic face recognition in digital image collections
JP4775515B1 (ja) 2011-03-14 2011-09-21 オムロン株式会社 画像照合装置、画像処理システム、画像照合プログラム、コンピュータ読み取り可能な記録媒体、および画像照合方法
JP6049448B2 (ja) * 2012-12-27 2016-12-21 キヤノン株式会社 被写体領域追跡装置、その制御方法及びプログラム
CN105718882B (zh) * 2016-01-19 2018-12-18 上海交通大学 一种分辨率自适应特征提取与融合的行人重识别方法
CN107292240B (zh) * 2017-05-24 2020-09-18 深圳市深网视界科技有限公司 一种基于人脸与人体识别的找人方法及***
CN108724178B (zh) * 2018-04-13 2022-03-29 顺丰科技有限公司 特定人自主跟随方法及装置、机器人、设备和存储介质
CN108921008B (zh) 2018-05-14 2024-06-11 深圳市商汤科技有限公司 人像识别方法、装置及电子设备
CN109102531A (zh) * 2018-08-21 2018-12-28 北京深瞐科技有限公司 一种目标轨迹追踪方法及装置
CN109753920B (zh) * 2018-12-29 2021-09-17 深圳市商汤科技有限公司 一种行人识别方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI767459B (zh) * 2020-10-28 2022-06-11 中國商深圳市商湯科技有限公司 資料分群方法、電子設備和儲存媒體
TWI816072B (zh) * 2020-12-10 2023-09-21 晶睿通訊股份有限公司 物件識別方法及其監控系統

Also Published As

Publication number Publication date
JP7171884B2 (ja) 2022-11-15
WO2020135127A1 (zh) 2020-07-02
KR20210047917A (ko) 2021-04-30
CN109753920B (zh) 2021-09-17
JP2021530791A (ja) 2021-11-11
SG11202011791SA (en) 2020-12-30
CN109753920A (zh) 2019-05-14
US20210089799A1 (en) 2021-03-25

Similar Documents

Publication Publication Date Title
TW202029055A (zh) 一種行人識別方法、裝置、電子設備及非臨時性電腦可讀儲存介質
TWI775091B (zh) 資料更新方法、電子設備和儲存介質
TWI749423B (zh) 圖像處理方法及裝置、電子設備和電腦可讀儲存介質
TWI740309B (zh) 圖像處理方法及裝置、電子設備和電腦可讀儲存介質
WO2021196401A1 (zh) 图像重建方法及装置、电子设备和存储介质
WO2021093375A1 (zh) 检测同行人的方法及装置、***、电子设备和存储介质
TWI702544B (zh) 圖像處理方法、電子設備和電腦可讀儲存介質
TWI769635B (zh) 網路訓練、行人重識別方法、電子設備及電腦可讀存儲介質
WO2021036382A1 (zh) 图像处理方法及装置、电子设备和存储介质
JP2022526381A (ja) 画像処理方法及び装置、電子機器並びに記憶媒体
CN111523346B (zh) 图像识别方法及装置、电子设备和存储介质
CN109344703B (zh) 对象检测方法及装置、电子设备和存储介质
CN109101542B (zh) 图像识别结果输出方法及装置、电子设备和存储介质
CN108171222B (zh) 一种基于多流神经网络的实时视频分类方法及装置
CN110781842A (zh) 图像处理方法及装置、电子设备和存储介质
CN111062407B (zh) 图像处理方法及装置、电子设备和存储介质
WO2022099988A1 (zh) 目标跟踪方法及装置、电子设备和存储介质
CN110929545A (zh) 人脸图像的整理方法及装置
CN113506324B (zh) 图像处理方法及装置、电子设备和存储介质
CN109325141B (zh) 图像检索方法及装置、电子设备和存储介质
CN112949568A (zh) 人脸和人体匹配的方法及装置、电子设备和存储介质
CN110717425A (zh) 案件关联方法及装置、电子设备和存储介质
CN110929546B (zh) 人脸比对方法及装置
CN114020951A (zh) 一种人脸质量增强模型的训练方法、图片搜索方法及装置