图像归档方法技术

本申请涉及图像处理技术领域，尤其涉及一种图像归档方法

【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
、
装置
、
计算机设备及计算机可读存储介质，以解决合理配置分片次数，避免使用固定数据量分片，以提高内存的合理利用率的问题
。
[0004]第一方面，本申请实施例提供一种图像归档方法，所述图像归档方法包括：
[0005]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；
[0006]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；
[0007]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；
[0008]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
。
[0009]第二方面，本申请实施例提供一种图像归档装置，所述图像归档装置包括：
[0010]连接网络构建模块，用于基于
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；
[0011]内存确定模块，用于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；
[0012]分片处理模块，用于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；
[0013]分片归档模块，用于基于所述
M
个分片集合，得到所述
N
张待归档图像的归档结果
。
[0014]第三方面，本申请实施例提供一种计算机设备，所述计算机设备包括处理器
、
存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的图像归档方法
。
[0015]第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的图像归档方法
。
[0016]本申请实施例与现有技术相比存在的有益效果是：
[0017]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，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，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
。
其中，以待归档图像为节点，通过节点的关联性
、
边等来表述需要处理的
N
张待归档图像的数据集的复杂程度，从而以此来确定所需的内存的大小，同时根据剩余的内存来指导对
N
张待归档图像的分片，以实现不同批次的一次聚类
、
融合归档等操作，进而得到归档结果，分批次数是与数据集的复杂程度相关，可以应用于任何情况下的数据集，具备较好地适用性，相较于固定分批次数而言，能够有效地提高内存的合理利用率
。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中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讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图
。
[0019]图1是本申请实施例一提供的一种图像归档方法的一应用环境示意图；
[0020]图2是本申请实施例一提供的一种图像归档方法的流程示意图；
[0021]图3是本申请实施例二提供的一种图像归档方法的流程示意图；
[0022]图4是本申请实施例三提供的一种图像归档装置的结构示意图；
[0023]图5是本申请实施例四提供的一种计算机设备的结构示意图
。
具体实施方式
[0024]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构
、
技术之类的具体细节，以便透彻理解本申请实施例
。
然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请
。
在其它情况中，省略对众所周知的系统
、
装置
、
电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述
。
[0025]应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征
、
整体
、
步骤
、
操作
、
元素和<本文档来自技高网...

【技术保护点】

【技术特征摘要】
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

【专利技术属性】
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：