【技术实现步骤摘要】
图像归档方法、装置、计算机设备及计算机可读存储介质
[0001]本申请涉及图像处理
,尤其涉及一种图像归档方法
、
装置
、
计算机设备及计算机可读存储介质
。
技术介绍
[0002]目前,基于图像流或视频流的目标跟踪技术能够自动完成目标跟踪,从而减少人工的消耗,且具备较高准确率和较快效率,在应用到跟踪技术的场景中,能够在一定程度上取得较好的跟踪效果
。
然而,随着高清摄像头的普及,以及大量历史数据的集中处理的需求,这就导致处理过程中需要占用较多的处理器内存
。
例如,在人脸跟踪或者人体跟踪的场景中,使用
infoMap
算法进行社群检测得到聚类结果,对人脸和人体聚类结果集进行关联得到最终档案集合,由于
infoMap
算法需构图进行聚类归档,随数据量增长内存使用也随之增加,因此,在内存不能够满足较大数据量的情况下,需要对数据进行分片,当前,按固定量级进行分片,随后再依次进行分批聚类归档,可以一定情况下解决上述问题
。
但是,当前分片算法为固定数据量分片,针对不同类型的数据集,采用相同量级分片,在实际处理过程中所需要使用的内存量存在差异,可能存在有些内存利用率低
。
因此,如何合理配置分片次数,避免使用固定数据量分片,以提高内存的合理利用率成为亟待解决的问题
。
技术实现思路
[0003]有鉴于此,本申请实施例提供了一种图像归档方法
、
...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种图像归档方法,其特征在于,所述图像归档方法包括:基于
N
张待归档图像构建图像连接网络,所述图像连接网络的节点为所述待归档图像,所述图像连接网络的边用于表征所述边的两个节点之间的关联性满足预设条件,其中,
N
为大于一的整数;基于所述图像连接网络中的节点数量,以及所述图像连接网络中的边的边数量,确定待占用内存;根据当前剩余内存和所述待占用内存,将所述
N
张待归档图像划分为
M
个分片集合,每个所述分片集合包括至少一张所述待归档图像,
M
为正整数;基于所述
M
个分片集合,得到所述
N
张待归档图像的归档结果
。2.
根据权利要求1所述的图像归档方法,其特征在于,所述基于所述图像连接网络中的节点数量,以及所述图像连接网络中的边的边数量,确定待占用内存,包括:获取调节所述节点数量与所述边数量处于同一量级的第一正参数和第二正参数,以及获取调节所述节点数量和所述边数量与内存数量处于同一量级的第三正参数;基于所述第一正参数
、
所述第二正参数
、
所述节点数量和所述边数量,得到待计算数量;基于所述第三正参数和所述待计算数量,得到待占用内存
。3.
根据权利要求1所述的图像归档方法,其特征在于,所述根据当前剩余内存和所述待占用内存,将所述
N
张待归档图像划分为
M
个分片集合,包括:根据所述当前剩余内存和所述待占用内存,确定分批处理所述
N
张待归档图像所需的最小分批次数;根据所述最小分批次数对所述
N
张待归档图像进行分片,得到
M
个分片集合
。4.
根据权利要求1至3任一项所述的图像归档方法,其特征在于,所述基于
N
张待归档图像构建图像连接网络,包括:将每张所述待归档图像作为图像连接网络中一节点,对每张所述待归档图像进行检测,若检测到每张所述待归档图像中包含目标对象,则将所述目标对象的图像信息作为每个所述待归档图像对应的节点的节点信息,所述目标对象包括第一对象和
/
或第二对象;针对任两个节点,若所述任两个节点均包括所述第一对象,则将所述第一对象对应的图像信息进行关联性计算,得到所述第一对象的关联性;若所述任两个节点均包括所述第二对象,则将所述第二对象对应的图像信息进行关联性计算,得到所述第二对象的关联性;若所述第一对象的关联性满足所述预设条件,和
/
或所述第二对象的关联性满足所述预设条件,则在所述任两个节点之间构建边
。5.
根据权利要求1所述的图像归档方法,其特征在于,所述基于所述
M
个分片集合,得到所述
N
张待归档图像的归档结果,包括:对所述
M
个分片集合分别进行聚类,得到
M
个聚类结果,每个所述分片集合对应一个所述聚类结果;对所述
M
技术研发人员:许曼琦,
申请(专利权)人:深圳云天励飞技术股份有限公司,
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。