[发明专利]人脸标注方法、装置、电子设备和存储介质在审

专利信息
申请号: 202110606805.0 申请日: 2021-05-27
公开(公告)号: CN113361366A 公开(公告)日: 2021-09-07
发明(设计)人: 张婉平 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/32;G06K9/62
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 王萌
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 标注 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种人脸标注方法,包括:

获取待处理视频中的多帧图片,并对每帧图片进行人脸识别,获得所述待处理视频中N个人脸轨迹的N个人脸特征;其中,所述N为正整数;

根据所述N个人脸轨迹的N个人脸特征构建最近邻KNN图;

根据所述N个人脸轨迹的N个人脸特征和人脸特征底库构建标签评分矩阵;

根据所述KNN图和所述标签评分矩阵对每个所述人脸轨迹对应的图像进行标注。

2.根据权利要求1所述的人脸标注方法,其中,所述根据所述KNN图和所述标签评分矩阵对每个所述人脸轨迹对应的图像进行标注,包括:

获取所述KNN图中出度最大的M张图像,并对所述M张图像进行标注;

根据标注结果更新所述标签评分矩阵;

响应于每个所述人脸轨迹对应的图像未全部被标注,根据更新后的标签评分矩阵之中相似度大于或等于第二阈值的标签,从所述KNN图之中未标注的图像中重新找出出度最大的M张图像,并将所述重新找出出度最大的M张图像进行标注,返回执行所述根据标注结果更新所述标签评分矩阵的步骤,直至每个所述人脸轨迹对应的图像全部被标注。

3.根据权利要求2所述的人脸标注方法,在所述根据更新后的标签评分矩阵之中相似度大于或等于第二阈值的标签,从所述KNN图之中未标注的图像中重新找出出度最大的M张图像之前,所述方法还包括:

根据标签传播算法和所述KNN图更新所述标签评分矩阵。

4.根据权利要求1所述的人脸标注方法,其中,所述对每帧图片进行人脸识别,获得所述待处理视频中N个人脸轨迹的N个人脸特征,包括:

对每帧图片进行人脸检测,获得所述每帧图片中的人脸检测框;

将相邻帧图片中的人脸检测框进行交并比IoU匹配,得到所述待处理视频的N个人脸轨迹;

获取每个所述人脸轨迹的代表图像,并根据每个所述人脸轨迹的代表图像生成所述N个人脸轨迹的N个人脸特征。

5.根据权利要求4所述的人脸标注方法,其中,所述获取每个所述人脸轨迹的代表图像,包括:

获取每个所述人脸轨迹的所有人脸图像;

针对每个所述人脸轨迹,从所述人脸轨迹的所有人脸图像中获取图像质量满足预设条件的人脸图像;

将所述图像质量满足预设条件的人脸图像确定为所述人脸轨迹的代表图像。

6.根据权利要求1所述的人脸标注方法,其中,所述根据所述N个人脸轨迹的N个人脸特征构建KNN图,包括:

根据所述N个人脸轨迹的N个人脸特征,计算两两人脸特征之间的相似度,得到N*N的相似度矩阵;

根据所述N*N的相似度矩阵,将每个所述人脸轨迹的相似度向量中相似度大于第一阈值的前K个值置为第一数值,并将每个所述人脸轨迹的相似度向量中剩余相似度值置为第二数值,构建KNN图。

7.一种人脸标注装置,包括:

第一获取模块,用于获取待处理视频中的多帧图片;

人脸识别模块,用于对每帧图片进行人脸识别,获得所述待处理视频中N个人脸轨迹的N个人脸特征;其中,所述N为正整数;

第一构建模块,用于根据所述N个人脸轨迹的N个人脸特征构建最近邻KNN图;

第二构建模块,用于根据所述N个人脸轨迹的N个人脸特征和人脸特征底库构建标签评分矩阵;

标注模块,用于根据所述KNN图和所述标签评分矩阵对每个所述人脸轨迹对应的图像进行标注。

8.根据权利要求7所述的人脸标注装置,其中,所述标注模块具体用于:

获取所述KNN图中出度最大的M张图像,并对所述M张图像进行标注;

根据标注结果更新所述标签评分矩阵;

响应于每个所述人脸轨迹对应的图像未全部被标注,根据更新后的标签评分矩阵之中相似度大于或等于第二阈值的标签,从所述KNN图之中未标注的图像中重新找出出度最大的M张图像,并将所述重新找出出度最大的M张图像进行标注,返回执行所述根据标注结果更新所述标签评分矩阵的步骤,直至每个所述人脸轨迹对应的图像全部被标注。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110606805.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top