本实施例公开了一种档案处理方法、装置、设备、系统和计算机存储介质，该方法包括：获取目标对象的图像特征集合；确定所述图像特征集合中每个图像特征与所述图像特征集合中其它图像特征之间的相似度集合；根据所述相似度集合，确定所述图像特征集合的代表性特征；将所述代表性特征对应的图像确定为所述目标对象对应的人员图像档案的封面图像。对应的人员图像档案的封面图像。对应的人员图像档案的封面图像。
【技术实现步骤摘要】
档案处理方法、装置、电子设备及计算机存储介质
[0001]本公开涉及计算机视觉技术，涉及但不限于一种档案处理方法、装置、电子设备及计算机存储介质。
技术介绍
[0002]目前，在智慧城市的建设过程中，可以通过目标检测、特征提取、属性检测以及人脸聚类等一系列计算机视觉技术，很好地对摄像机抓拍数据进行分类、标注等处理，基于这些数据，可以定义人员图像档案，即定义各人员的轨迹。
[0003]在相关技术中，如何在人员图像档案中选取出具有代表性的人员图像，是亟待解决的技术问题。
技术实现思路
[0004]本公开实施例提供了档案处理方法、装置、电子设备及计算机存储介质。
[0005]本公开实施例提供了一种档案处理方法，所述方法包括：
[0006]获取目标对象的图像特征集合；确定所述图像特征集合中每个图像特征与所述图像特征集合中其它图像特征之间的相似度集合；根据所述相似度集合，确定所述图像特征集合的代表性特征；将所述代表性特征对应的图像确定为所述目标对象对应的档案的封面图像。
[0007]在本公开的一些实施例中，所述根据所述相似度集合，确定所述图像特征集合的代表性特征，包括：根据所述相似度集合，确定所述每个图像特征的局部密度；根据所述相似度集合和所述每个图像特征的局部密度，确定每个图像特征的密度点间隔；根据所述每个图像特征的所述局部密度和所述密度点间隔，确定所述图像特征集合的代表性特征。
[0008]可以看出，每个图像特征的局部密度和密度点间隔，可以客观准确地反映图像特征在特征空间的分布，从而，代表性特征对应的图像是客观准确地选取出的代表性图像，即，本公开实施例可以准确地选取出具有代表性的封面图像。
[0009]在本公开的一些实施例中，所述根据所述相似度集合，确定所述每个图像特征的局部密度，包括：在所述图像特征集合中，确定与所述每个图像特征的相似度大于阈值的至少一个图像特征；将所述至少一个图像特征与所述每个图像特征的相似度之和，作为所述每个图像特征的局部密度。
[0010]可以理解地，在得到图像特征集合后，图像特征集合的特征在特征空间中存在一定的特征分布，在某些区域，特征分布会比较集中，即特征的局部密度较高，说明该特征区域具有代表性，找到该密度区域的中心点作为该区域的代表特征；因此，在本公开实施例中，通过计算每个图像特征的局部密度，有利于确定出图像特征集合的代表性特征。
[0011]在本公开的一些实施例中，所述根据所述相似度集合和所述每个图像特征的局部密度，确定每个图像特征的密度点间隔，包括：在所述图像特征集合中的第一图像特征不是所述图像特征集合中局部密度最大的图像特征的情况下，在所述图像特征集合中选取局部
密度大于所述第一图像特征的局部密度的图像特征，将选取的所述图像特征与所述第一图像特征的相似度的最小值作为所述第一图像特征的密度点间隔；所述第一图像特征为所述图像特征集合中的任意一个图像特征；
[0012]在得出所述图像特征集合中除所述局部密度最大的图像特征外的各个图像特征的密度点间隔的情况下，在所述图像特征集合中除所述局部密度最大的图像特征外的各个图像特征的密度点间隔中，将密度点间隔的最小值作为所述图像特征集合中所述局部密度最大的图像特征的密度点间隔。
[0013]可以理解地，局部密度较高的图像特征可能不止一个，为了降低不同的局部密度较高的图像特征之间的相互影响，需要在特征空间中确定具有高局部密度且与其他高局部密度的图像特征具有足够相似度距离的图像特征作为代表性特征；这里，两个图像特征点之间的相似度距离与两个图像特征之间的相似度成负相关；本公开实施例中，可以通过密度点间隔表征具有高局部密度的图像特征与其它高局部密度的图像特征的相似度；通过确定图像特征的密度点间隔，有利于准确地在特征空间中确定具有高局部密度且与其他高局部密度的图像特征具有足够相似度距离的图像特征，即有利于准确地确定代表性特征。
[0014]在本公开的一些实施例中，所述根据所述每个图像特征的所述局部密度和所述密度点间隔，确定所述图像特征集合的代表性特征，包括：根据所述每个图像特征的所述局部密度和所述密度点间隔，得出所述每个图像特征的代表性分数，所述每个图像特征的代表性分数与所述局部密度成正相关，与所述密度点间隔成负相关；在所述图像特征集合中，选取代表性分数大于或等于代表性分数阈值的至少一个特征作为所述代表性特征。
[0015]可以看出，在某个图像特征的局部密度较高或者密度点间隔较低的情况下，该图像特征的代表性分数会越高，该图像特征会更有可能成为代表性特征；即，有利于将具有高局部密度且与其他高局部密度特征具有较小相似度的特征作为代表性特征，从而，本公开实施例可以在图像特征集合中较为准确地确定出代表性特征。
[0016]在本公开的一些实施例中，所述根据所述每个图像特征的所述局部密度和所述密度点间隔，得出所述每个图像特征的代表性分数，包括：将所述每个图像特征的局部密度与所述密度点间隔的比值，作为所述每个图像特征的代表性分数。可以看出，本公开实施例通过计算每个图像特征的局部密度与所述密度点间隔的比值，较为容易地得出每个图像特征的代表性分数。
[0017]在本公开的一些实施例中，在首次确定所述档案的封面图像后，所述方法还包括：响应于所述封面图像的更新事件，通过执行以下步骤，实现对所述档案的封面图像的更新：获取所述目标对象的图像特征集合、确定所述图像特征集合的代表性特征、以及确定所述档案的封面图像；其中：
[0018]所述封面图像的更新事件包括以下至少之一：在更新所述档案的情况下；在获取到所述封面图像的更新指令的情况下；在周期性更新所述封面图像的情况下。
[0019]可以看出，本公开实施例可以在确定更新档案，或者在确定需要更新封面图像的情况下，通过重复执行本公开实施例的档案处理方法，可以实现封面图像的刷新；在周期性更新封面图像的情况下，通过重复执行本公开实施例的档案处理方法，可以实现封面图像的持续更新，由于无需对封面图像进行人工修正，从而可以降低运维成本；进一步地，在更新档案的情况下，档案中图像为近期获取的图像，即，本公开实施例可以基于近期获取的图
像进行封面图像的选取，从而选取出的封面图像能够反映目标对象的近期状态，从而便于后续针对目标对象进行特征检索。
[0020]在本公开的一些实施例中，所述获取目标对象的图像特征集合，包括：确定所述目标对象对应的档案中每个图像的采集时刻与当前时刻的时长；在所述档案中，将所述时长超过图像的存活周期的图像滤除，得到更新后的档案；对所述更新后的像档案进行特征提取，得到所述目标对象的图像特征集合。
[0021]在本公开实施例中，将档案中采集时刻与当前时刻的时长超过图像的存活周期的图像进行滤除，可以提高选取封面图像的过程的可靠性；进一步地，本公开实施例可以基于最近采集的图像选取代表性图像，从而，选取出的代表性图像能够反映目标对象的最近状态。
[0022]在本公开的一些实施例中，在对所述封面图像进行更本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种档案处理方法，其特征在于，所述方法包括：获取目标对象的图像特征集合；确定所述图像特征集合中每个图像特征与所述图像特征集合中其它图像特征之间的相似度集合；根据所述相似度集合，确定所述图像特征集合的代表性特征；将所述代表性特征对应的图像确定为所述目标对象对应的档案的封面图像。2.根据权利要求1所述的方法，其特征在于，所述根据所述相似度集合，确定所述图像特征集合的代表性特征，包括：根据所述相似度集合，确定所述每个图像特征的局部密度；根据所述相似度集合和所述每个图像特征的局部密度，确定每个图像特征的密度点间隔；根据所述每个图像特征的所述局部密度和所述密度点间隔，确定所述图像特征集合的代表性特征。3.根据权利要求2所述的方法，其特征在于，所述根据所述相似度集合，确定所述每个图像特征的局部密度，包括：在所述图像特征集合中，确定与所述每个图像特征的相似度大于阈值的至少一个图像特征；将所述至少一个图像特征与所述每个图像特征的相似度之和，作为所述每个图像特征的局部密度。4.根据权利要求2或3所述的方法，其特征在于，所述根据所述相似度集合和所述每个图像特征的局部密度，确定每个图像特征的密度点间隔，包括：在所述图像特征集合中的第一图像特征不是所述图像特征集合中局部密度最大的图像特征的情况下，在所述图像特征集合中选取局部密度大于所述第一图像特征的局部密度的图像特征，将选取的所述图像特征与所述第一图像特征的相似度的最小值作为所述第一图像特征的密度点间隔；所述第一图像特征为所述图像特征集合中的任意一个图像特征；在得出所述图像特征集合中除所述局部密度最大的图像特征外的各个图像特征的密度点间隔的情况下，在所述图像特征集合中除所述局部密度最大的图像特征外的各个图像特征的密度点间隔中，将密度点间隔的最小值作为所述图像特征集合中所述局部密度最大的图像特征的密度点间隔。5.根据权利要求2至4任一项所述的方法，其特征在于，所述根据所述每个图像特征的所述局部密度和所述密度点间隔，确定所述图像特征集合的代表性特征，包括：根据所述每个图像特征的所述局部密度和所述密度点间隔，得出所述每个图像特征的代表性分数，所述每个图像特征的代表性分数与所述局部密度成正相关，与所述密度点间隔成负相关；在所述图像特征集合中，选取代表性分数大于或等于代表性分数阈值的至少一个特征作为所述代表性特征。6.根据权利要求...
【专利技术属性】
技术研发人员：贺文峰，王康，何俊峰，霍明明，郭如意，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。