本发明专利技术提供了一种人像聚类处理方法及装置，该方法包括：解析目标抓拍图像，得到目标图像数据；将该目标图像数据输入预先训练好的图像评价模型中，得到训练好的该图像评价模型输出的该目标图像数据对应的目标图像分类结果；若该目标图像分类结果为待聚档图像，将该目标图像数据输出到聚档消息队列中；基于该聚档消息队列进行人像聚类处理，可以解决相关技术中根据部分指标的固定阈值筛选出抓拍图像进行人像聚类，部分低质量图像参与人像聚类，导致人像聚类效果不佳的问题，通过训练好的图像评价模型提高图像分类结果的准确度，可以更加精准的将高质量图像筛选出来参与聚类，降低低质量图像对聚类结果的影响。量图像对聚类结果的影响。量图像对聚类结果的影响。
【技术实现步骤摘要】
一种人像聚类处理方法及装置
[0001]本专利技术涉及图像处理领域，具体而言，涉及一种人像聚类处理方法及装置。
技术介绍
[0002]由于现实环境的复杂性和点位抓拍的随机性，对人员图像的采集往往会出现一些低质量图像(即图像模糊、非正常曝光、噪声等情况)。比如，抓拍点位前有人员高速移动，则往往会出现抓拍图像模糊不清；正午时分某些角度下，抓拍的人员图像往往会过度曝光，导致图像可识别度下降；当光线不足时，抓拍图像会产生严重的图像噪声。
[0003]目前大部分的解决方案是选取几个有效评价指标，赋予它们固定阈值，当抓拍图像不符合某个指标的阈值时，直接丢弃，不参与后续聚档任务。这样的方案在一定程度上解决了计算资源的开销，但同时也丢失了人员抓拍信息，影响人员档案后续使用。
[0004]针对相关技术中根据部分指标的固定阈值筛选出抓拍图像进行人像聚类，部分低质量图像参与人像聚类，导致人像聚类效果不佳的问题，尚未提出解决方案。
技术实现思路
[0005]本专利技术实施例提供了一种人像聚类处理方法及装置，以至少解决相关技术中根据部分指标的固定阈值筛选出抓拍图像进行人像聚类，部分低质量图像参与人像聚类，导致人像聚类效果不佳的问题。
[0006]根据本专利技术的一个实施例，提供了一种人像聚类处理方法，包括：
[0007]解析目标抓拍图像，得到目标图像数据；
[0008]将所述目标图像数据输入预先训练好的图像评价模型中，得到训练好的所述图像评价模型输出的所述目标图像数据对应的目标图像分类结果；
[0009]若所述目标图像分类结果为待聚档图像，将所述目标图像数据输出到聚档消息队列中；
[0010]基于所述聚档消息队列进行人像聚类处理。
[0011]可选地，所述方法还包括：
[0012]若所述目标图像分类结果为非聚档图像，将所述目标图像数据输出到废片消息队列中。
[0013]可选地，解析目标抓拍图像，得到所述目标图像数据包括：
[0014]对所述抓拍图像进行解析，得到关联的人脸数据与人体数据，其中，所述目标图像数据包括所述人脸数据与所述人体数据。
[0015]可选地，基于所述聚档消息队列进行图像聚类处理包括：
[0016]从所述聚档消息队列中获取人脸数据，并根据聚类算法将所述人脸数据聚合为人脸档案；
[0017]从所述聚档消息队列中获取人体数据，并根据聚类算法将所述人体数据聚合为人体档案；
[0018]根据所述人脸数据与所述人体数据的关联关系将所述人脸档案与所述人体档案进行关联。
[0019]可选地，所述方法还包括：
[0020]获取预定数量的抓拍图像的图像数据以及所述预定数量的图像数据实际对应的图像分类结果，组成数据集；
[0021]从所述数据集中筛选第一预定比例的图像数据形成训练集，筛选第二预定比例的图像数据形成测试集，筛选第三预定比例的图像数据形成验证集，其中，所述第一预设比例大于所述第二预设比例，所述第二预设比例大于所述第三预设比例；
[0022]根据所述训练集对所述图像评价模型进行训练，在训练过程中，每预设轮数训练之后，根据所述验证集进行分类预测，通过对所述验证集的分类，调整所述图像评价模型的参数设置，并根据所述测试集对所述图像评价模型进行测试，直至完成训练，得到训练好的所述图像评价模型。
[0023]可选地，根据所述训练集对所述图像评价模型进行训练包括：
[0024]使用所述预定数量的图像数据以及所述预定数量的图像数据对应的图像分类结果对所述图像评价模型进行训练，得到训练好的所述图像评价模型，其中，所述预定数量的图像数据为所述图像评价模型的输入，训练好的所述图像评价模型输出的所述图像数据对应的图像分类结果与所述图像数据实际对应的图像分类结果满足预设函数。
[0025]可选地，在根据所述训练集对所述图像评价模型进行训练之前，所述方法还包括：
[0026]构建所述图像评价模型，其中，所述图像评价模型包括依次连接的卷积层、池化层、Inception模块、两个全连接层、Softmax层、输出层，其中，所述卷积层用于提取低阶特征值，所述Inception模块用于提取高阶特征。
[0027]可选地，在构建所述图像评价模型之后，所述方法还包括：
[0028]对所述卷积层和所述池化层进行随机失活处理。
[0029]可选地，在获取预定数量的抓拍图像的图像数据以及所述预定数量的图像数据实际对应的图像分类结果，组成数据集之后，所述方法还包括：
[0030]将所述数据集中的图像数据调整为预设像素大小。
[0031]根据本专利技术的另一个实施例，还提供了一种人像聚类处理装置，包括：
[0032]解析模块，用于解析目标抓拍图像，得到目标图像数据；
[0033]输入模块，用于将所述目标图像数据输入预先训练好的图像评价模型中，得到训练好的所述图像评价模型输出的所述目标图像数据对应的目标图像分类结果；
[0034]输出模块，用于若所述目标图像分类结果为待聚档图像，将所述目标图像数据输出到聚档消息队列中；
[0035]聚类模块，用于基于所述聚档消息队列进行人像聚类处理。
[0036]可选地，所述输出模块，还用于若所述目标图像分类结果为非聚档图像，将所述目标图像数据输出到废片消息队列中。
[0037]可选地，所述解析模块，还用于对所述抓拍图像进行解析，得到关联的人脸数据与人体数据，其中，所述目标图像数据包括所述人脸数据与所述人体数据。
[0038]可选地，所述聚类模块，还用于从所述聚档消息队列中获取人脸数据，并根据聚类算法将所述人脸数据聚合为人脸档案；从所述聚档消息队列中获取人体数据，并根据聚类
算法将所述人体数据聚合为人体档案；根据所述人脸数据与所述人体数据的关联关系将所述人脸档案与所述人体档案进行关联。
[0039]可选地，所述装置还包括：
[0040]获取模块，用于获取预定数量的抓拍图像的图像数据以及所述预定数量的图像数据实际对应的图像分类结果，组成数据集；
[0041]筛选模块，用于从所述数据集中筛选第一预定比例的图像数据形成训练集，筛选第二预定比例的图像数据形成测试集，筛选第三预定比例的图像数据形成验证集，其中，所述第一预设比例大于所述第二预设比例，所述第二预设比例大于所述第三预设比例；
[0042]训练模块，用于根据所述训练集对所述图像评价模型进行训练，在训练过程中，每预设轮数训练之后，根据所述验证集进行分类预测，通过对所述验证集的分类，调整所述图像评价模型的参数设置，并根据所述测试集对所述图像评价模型进行测试，直至完成训练，得到训练好的所述图像评价模型。
[0043]可选地，所述训练模块，还用于使用所述预定数量的图像数据以及所述预定数量的图像数据对应的图像分类结果对所述图像评价模型进行训练，得到训练好的所述图像评价模型，其中，所述预定数量的图像数据为所述图像评价模型的输本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人像聚类处理方法，其特征在于，包括：解析目标抓拍图像，得到目标图像数据；将所述目标图像数据输入预先训练好的图像评价模型中，得到训练好的所述图像评价模型输出的所述目标图像数据对应的目标图像分类结果；若所述目标图像分类结果为待聚档图像，将所述目标图像数据输出到聚档消息队列中；基于所述聚档消息队列进行人像聚类处理。2.根据权利要求1所述的人像聚类处理方法，其特征在于，所述方法还包括：若所述目标图像分类结果为非聚档图像，将所述目标图像数据输出到废片消息队列中。3.根据权利要求1所述的人像聚类处理方法，其特征在于，解析目标抓拍图像，得到所述目标图像数据包括：对所述抓拍图像进行解析，得到关联的人脸数据与人体数据，其中，所述目标图像数据包括所述人脸数据与所述人体数据。4.根据权利要求3所述的人像聚类处理方法，其特征在于，基于所述聚档消息队列进行图像聚类处理包括：从所述聚档消息队列中获取人脸数据，并根据聚类算法将所述人脸数据聚合为人脸档案；从所述聚档消息队列中获取人体数据，并根据聚类算法将所述人体数据聚合为人体档案；根据所述人脸数据与所述人体数据的关联关系将所述人脸档案与所述人体档案进行关联。5.根据权利要求1所述的人像聚类处理方法，其特征在于，所述方法还包括：获取预定数量的抓拍图像的图像数据以及所述预定数量的图像数据实际对应的图像分类结果，组成数据集；从所述数据集中筛选第一预定比例的图像数据形成训练集，筛选第二预定比例的图像数据形成测试集，筛选第三预定比例的图像数据形成验证集，其中，所述第一预设比例大于所述第二预设比例，所述第二预设比例大于所述第三预设比例；根据所述训练集对所述图像评价模型进行训练，在训练过程中，每预设轮数训练之后，根据所述验证集进行分类预测，通过对所述验证集的分类，调整所述图像评价模型的参数设置，并根据所述测试集对所述图像评价模型进行测试，直至完成训练，得到训练好的所述图像评价模型。6.根据权利要求5所述的人像聚类处理方法，其特征在于，根据所述训练集对所述图像评价模型进...
【专利技术属性】
技术研发人员：邱莹，袁虎标，李辉，董素素，
申请(专利权)人：浙江大华技术股份有限公司，
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。