图像选择方法、计算机设备及存储装置制造方法及图纸

本申请公开了一种图像选择方法、计算机设备及存储装置。该方法包括：获取目标的目标图像序列；依据目标图像序列的每张目标图像的特征信息，对每张目标图像进行分类，得到目标的至少一个分类图像集，每个分类图像集包含一种分类的目标图像；对目标的至少一个分类图像集进行聚类处理，得到特征聚类数据；基于目标对应的特征聚类数据，选出目标对应的优选目标图像。上述方案，能够提高目标图像选择的多样性。能够提高目标图像选择的多样性。能够提高目标图像选择的多样性。

【技术实现步骤摘要】
图像选择方法、计算机设备及存储装置


[0001]本申请涉及图像处理
，特别是涉及一种图像选择方法、计算机设备及存储装置。

技术介绍

[0002]近年来，随着信息技术的不断发展，在各种各样的应用场景会获取到大量的图像，如视频监控系统拍摄的视频或图像帧、智能终端拍照的图像、各领域中采集的文字图像等等，由于图像的数据量大，对图像的存储压力大。
[0003]目前，通常在目标的多个图像中，根据图像的图像质量，选出一张或多张图像进行存储，虽然降低了对图像的存储量，但由于受图像选取方式的限制，会导致选出的图像过于单一，从而，后续对图像的实际使用效果不好。

技术实现思路

[0004]本申请主要解决的技术问题是提供一种图像选择方法、计算机设备及存储装置，能够提高目标图像选择的多样性。
[0005]为了解决上述问题，本申请第一方面提供了一种图像选择方法，该方法包括：获取目标的目标图像序列；依据目标图像序列的每张目标图像的特征信息，对每张目标图像进行分类，得到目标的至少一个分类图像集，每个分类图像集包含一种分类的目标图像；对目标的至少一个分类图像集进行聚类处理，得到特征聚类数据；基于目标对应的特征聚类数据，选出目标对应的优选目标图像。
[0006]为了解决上述问题，本申请第二方面提供了一种计算机设备，该计算机设备包括相互耦接的存储器和处理器，存储器中存储有程序数据，处理器用于执行程序数据以实现上述图像选择方法的任一步骤。
[0007]为了解决上述问题，本申请第三方面提供了一种存储装置，该存储装置存储有能够被处理器运行的程序数据，程序数据用于实现上述图像选择方法的任一步骤。
[0008]上述方案，通过获取目标的目标图像序列；依据目标图像序列的每张目标图像的特征信息，对每张目标图像进行分类，得到目标的至少一个分类图像集，每个分类图像集包含一种分类的目标图像；对目标的至少一个分类图像集进行聚类处理，得到特征聚类数据；通过针对同一目标的至少一个分类图像集进行聚类处理进行优选，能够得到表达目标的多种分类的图像，提高目标图像选择的多样性；另外，基于目标对应的特征聚类数据，选出目标对应的优选目标图像，能够提高目标图像优选的精度。
附图说明
[0009]为了更清楚地说明本申请中的技术方案，下面将对实施例描述中所需要的附图作简单的介绍，显而易见地，下面描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来说，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。其中：
[0010]图1是本申请图像选择方法第一实施例的流程示意图；
[0011]图2是本申请图1中步骤S12一实施例的流程示意图；
[0012]图3是本申请目标的分类图像集一实施例的存储结构示意图；
[0013]图4是本申请图1中步骤S13一实施例的流程示意图；
[0014]图5是本申请目标的特征聚类数据一实施例的图例示意图；
[0015]图6是本申请图1中步骤S14一实施例的流程示意图；
[0016]图7是本申请目标的特征聚类数据另一实施例的图例示意图；
[0017]图8是本申请图像选择方法第二实施例的流程示意图；
[0018]图9是本申请图像选择装置第一实施例的结构示意图；
[0019]图10是本申请图像选择装置第二实施例的结构示意图；
[0020]图11是本申请计算机设备一实施例的结构示意图；
[0021]图12是本申请存储装置一实施例的结构示意图。
具体实施方式
[0022]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0023]本申请中的术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0024]在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0025]经过本申请的专利技术人长期研究发现，以在视频监控应用场景为例，可以对目标(例如行人、车辆)进行抓拍得到多个抓拍图像，由于抓拍过程易受到目标的着装、遮挡、环境等因素影响，可能存在抓拍图像质量低等情况，通常是根据抓拍图像的图像质量，从多个抓拍图像中选择一张或多张图像质量高的抓拍图像进行存储。
[0026]上述图像选择方式，会导致选出目标的抓拍图像过于单一，在抓拍图像的实际应用中，对于后续目标的结构化分析、检索等都受影响，会降低对目标的检索的成功率。
[0027]为了解决上述技术问题，本申请提供以下实施例，下面对各实施例进行具体说明。
[0028]请参阅图1，图1是本申请图像选择方法第一实施例的流程示意图。该方法可以包括以下步骤：
[0029]S11：获取目标的目标图像序列。
[0030]目标可以是人员、动物、物体等，本申请该实施例下述以目标为人员为例进行说明，本申请不限于此。
[0031]需要说明的是，目标即为我们感兴趣的目标，如需要跟踪并进行目标图像优选的目标，在实际应用过程中，需要根据实际需求确定该目标的具体指代实物，比如，在银行、商场等场景，目标可以指目标行人的头部、脸部、头肩部、人体部等；在马路、桥梁等场景，目标可以指车辆、行人；在森林、草原等场景，目标可以指动物，本申请对此不做限制。
[0032]目标的目标图像序列可以是包含目标的多张目标图像，例如，是对目标拍摄得到的目标视频，将目标视频中多个视频帧(目标图像)作为目标图像序列；或者，是对目标进行拍照，得到的多个目标图像，组成目标图像序列，等等。
[0033]在一些实施方式中，在视频监控场景，可以利用对目标视频中实体目标进行跟踪，从目标视频的多个视频帧也即多个目标图像中检测出目标(行人、车辆、机动车等)以及每个目标的坐标检测框，以目标为行人为例进行说明，可以将每个检测得到目标作为跟踪目标，并赋予不同的ID(Identity document，身份标识号)值，该ID值可以从0或1开始计数。
[0034]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像选择方法，其特征在于，所述方法包括：获取目标的目标图像序列；依据所述目标图像序列的每张目标图像的特征信息，对每张所述目标图像进行分类，得到所述目标的至少一个分类图像集，每个所述分类图像集包含一种分类的所述目标图像；对所述目标的至少一个分类图像集进行聚类处理，得到特征聚类数据；基于所述目标对应的所述特征聚类数据，选出所述目标对应的优选目标图像。2.根据权利要求1所述的方法，其特征在于，所述依据所述目标图像序列的每张目标图像的特征信息，对每张所述目标图像进行分类，得到所述目标的至少一个分类图像集，包括：对所述目标图像序列的每张目标图像进行特征提取，得到所述每张目标图像的特征信息；依据所述目标图像的特征信息，按照预设分类策略对每张所述目标图像进行分类，得到所述目标的至少一个分类图像集。3.根据权利要求2所述的方法，其特征在于，所述依据所述目标图像的特征信息，按照预设分类策略对每张所述目标图像进行分类，得到所述目标的至少一个分类图像集，包括：依据所述目标图像的特征信息，对每个所述目标图像按照预设特征进行分类，得到所述目标的每种预设特征分别对应的所述分类图像集；其中，所述预设特征包括目标在多个不同视角下的姿态特征；或者，所述预设特征包括正面姿态特征、背面姿态特征、侧面姿态特征中的至少一种。4.根据权利要求1所述的方法，其特征在于，所述对所述目标的至少一个分类图像集进行聚类处理，得到特征聚类数据，包括：将所述目标的各个所述分类图像集分别作为聚类目标数据；分别对所述目标的每个所述聚类目标数据进行聚类处理，得到每个分类对应的特征聚类数据。5.根据权利要求1所述的方法，其特征在于，所述目标对应的所述特征聚类数据包括所述目标的每个分类对应的特征聚类数据，所述分类对应的特征聚类数据包括对所述分类对应的分类图像集聚类得到的至少一个图像类簇；所述基于所述目标对应的所述特征聚类数据，选出所述目标对应的优选目标图像，包括：对于所述目标的每个分类，利用所述分类的所述至少一个图像类簇，选出所述分类对应的聚类表征图像；将所述目标的不同分类的所述聚类表征图像，作为所述目标对应...

【专利技术属性】
技术研发人员：李伟，陈涛，马东星，周道利，
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：