目标图像去重方法及装置与流程

本发明涉及图像处理，尤其涉及一种目标图像去重方法及装置。

背景技术：

1、随着人工智能（artificial intelligence，ai）技术在安防行业的广泛应用，基于ai的目标分析技术已成为行业主流。

2、相关技术中，摄像设备通常将拍摄的场景图进行目标检测，得到每个目标的原始数据，将每个目标的原始数据发送至后端设备，为了防止摄像设备的检测遗漏或者原始数据传输的丢失，后端设备需要将每个原始数据中包括的场景图全量的进行目标分析，再将全量分析得到的所有目标图像和摄像设备发送的所有原始数据中的目标图像一一匹配进行去重。

3、但上述相关技术中，在去重过程中，后端设备需要对全量分析得到的所有目标图像和摄像设备发送的所有目标图像全部进行一一匹配，导致整个去重过程消耗的算力资源较大。

技术实现思路

1、本发明提供一种目标图像去重方法及装置，用以解决现有技术中导致整个去重过程消耗的算力资源较大的缺陷。

2、本发明提供一种目标图像去重方法，包括如下步骤。

3、遍历摄像设备在目标抓拍时刻的上一抓拍时刻的初次去重集合中各目标对应的数据，基于所述目标抓拍时刻和所述目标对应的数据中包括的各抓拍时刻，确定时间间隔；

4、基于各所述时间间隔，对所述上一抓拍时刻的初次去重集合进行拆分，得到各所述时间间隔对应的子集合；

5、按照各所述时间间隔从小到大的顺序，对所有所述子集合进行排序，得到排序后的子集合；

6、遍历所述排序后的子集合中的各子集合，将所述目标抓拍时刻的目标全量集合中的目标小图像与当前遍历的子集合中的目标小图像进行匹配，得到匹配结果，所述目标全量集合包括在所述目标抓拍时刻拍摄的所有目标各自对应的目标小图像；

7、基于所述匹配结果，进行目标小图像去重。

8、根据本发明提供的一种目标图像去重方法，所述方法还包括：

9、获取所述摄像设备发送的至少一个原始数据，所述原始数据包括摄像设备拍摄的场景图像、第一目标小图像和所述第一目标小图像对应的第一抓拍信息；

10、基于各所述场景图像进行目标检测，得到至少一个检测数据，所述检测数据包括第二目标小图像和所述第二目标小图像对应的第二抓拍信息；

11、基于各所述第一抓拍信息和各所述第二抓拍信息，对所有所述第一目标小图像和所有所述第二目标小图像进行去重，得到所述目标抓拍时刻的目标全量集合。

12、根据本发明提供的一种目标图像去重方法，所述基于所述匹配结果，进行目标小图像去重，包括：

13、在所述匹配结果表征匹配成功的情况下，将匹配成功的目标小图像预测为同一目标的目标小图像；

14、基于各预测为同一目标的目标小图像进行去重，得到所述目标抓拍时刻的初次去重集合；

15、对所述目标抓拍时刻的初次去重集合进行去重。

16、根据本发明提供的一种目标图像去重方法，所述目标全量集合包括关键目标标识和新增目标标识，所述关键目标标识用于表征对应图像为所述原始数据中的图像，所述新增目标标识用于表征对应图像为所述检测数据中的图像；

17、所述基于各预测为同一目标的目标小图像进行去重，得到所述目标抓拍时刻的初次去重集合，包括：

18、遍历预测为同一目标的各目标，在当前遍历的目标对应的两个目标小图像中第一图像的标识为关键目标标识，第二图像的标识为新增目标标识的情况下，删除所述第二图像；

19、在所述第一图像的标识和所述第二图像的标识均为新增目标标识、所述第一图像为所述目标全量集合中的图像、且所述第二图像为目标子集合中的图像的情况下，基于所述第一图像的属性信息和所述第二图像的属性信息，确定待删除图像，并删除所述待删除图像，所述目标子集合为所述排序后的子集合中的第一个子集合；

20、在所述第一图像的标识和所述第二图像的标识均为新增目标标识、所述第一图像为所述目标全量集合中的图像、且所述第二图像为非目标子集合中的图像的情况下，删除所述第一图像和所述第二图像中抓拍时刻最小的图像，所述非目标子集合为所述排序后的子集合中除第一个子集合之外的子集合；

21、将最终遍历得到的目标全量集合和最终遍历得到的上一抓拍时刻的初次去重集合进行合并，得到所述目标抓拍时刻的初次去重集合。

22、根据本发明提供的一种目标图像去重方法，所述对所述目标抓拍时刻的初次去重集合进行去重，包括：

23、在所述目标抓拍时刻的初次去重集合中确定满足目标条件的至少一个第三目标小图像，基于各所述第三目标小图像，确定图像集合；

24、对所述图像集合中的各目标小图像进行特征提取，得到各图像特征；

25、基于各所述图像特征对所述图像集合进行去重；

26、所述目标条件包括以下之一：

27、在所述目标抓拍时刻之前的预设数量个历史抓拍时刻均不存在与所述第三目标小图像匹配的图像；

28、在所述目标抓拍时刻不存在与所述第三目标小图像匹配的图像、且当前时刻与所述第三目标小图像的接入时刻的差值大于第一预设时长；

29、所述当前时刻与所述第三目标小图像的接入时刻的差值大于第二预设时长，所述第二预设时长大于所述第一预设时长。

30、根据本发明提供的一种目标图像去重方法，所述基于各所述第三目标小图像，确定图像集合，包括：

31、针对各所述第三目标小图像，在所述第三目标小图像存在关联标识的情况下，将所述第三目标小图像和所述第三目标小图像的关联标识关联的疑似目标集合添加至所述图像集合中，所述疑似目标集合包括在所述第一图像的标识和所述第二图像的标识均为新增目标标识、所述第一图像为所述目标全量集合中的图像、且所述第二图像为非目标子集合中的图像的情况下，所述第一图像和所述第二图像中抓拍时刻最大的图像。

32、根据本发明提供的一种目标图像去重方法，所述基于所述目标抓拍时刻和所述目标对应的数据中包括的各抓拍时刻，确定时间间隔，包括：

33、确定所述目标抓拍时刻和所述目标对应的数据中包括的各抓拍时刻的差值，将最小差值确定为所述时间间隔。

34、根据本发明提供的一种目标图像去重方法，所述将所述目标抓拍时刻的目标全量集合中的目标小图像与当前遍历的子集合中的目标小图像进行匹配，得到匹配结果，包括：

35、基于所述目标全量集合中目标小图像的图像信息和所述当前遍历的子集合中目标小图像的图像信息，确定相似距离，所述图像信息包括对应目标小图像中目标的轮廓信息、目标的颜色信息和目标的纹理信息中的至少一项；

36、基于所述相似距离确定所述匹配结果。

37、根据本发明提供的一种目标图像去重方法，所述第一抓拍信息包括第一目标类型，所述第二抓拍信息包括第二目标类型；

38、所述基于各所述第一抓拍信息和各所述第二抓拍信息对所有所述第一目标小图像和所有所述第二目标小图像进行去重，得到所述目标抓拍时刻的目标全量集合，包括：

39、针对各所述目标抓拍时刻，确定所述目标抓拍时刻的各第一目标小图像和所述目标抓拍时刻的各第二目标小图像在场景图像中的重叠度；

40、基于所述重叠度、所述第一目标类型和所述第二目标类型，对所述目标抓拍时刻的所有所述第一目标小图像和所有所述第二目标小图像进行去重，得到所述目标全量集合。

41、本发明还提供一种目标图像去重装置，包括：

42、确定单元，用于遍历摄像设备在目标抓拍时刻的上一抓拍时刻的初次去重集合中各目标对应的数据，基于所述目标抓拍时刻和所述目标对应的数据中包括的各抓拍时刻，确定时间间隔；

43、拆分单元，用于基于各所述时间间隔，对所述上一抓拍时刻的初次去重集合进行拆分，得到各所述时间间隔对应的子集合；

44、排序单元，用于按照各所述时间间隔从小到大的顺序，对所有所述子集合进行排序，得到排序后的子集合；

45、匹配单元，用于遍历所述排序后的子集合中的各子集合，将所述目标抓拍时刻的目标全量集合中的目标小图像与当前遍历的子集合中的目标小图像进行匹配，得到匹配结果，所述目标全量集合包括在所述目标抓拍时刻拍摄的所有目标各自对应的目标小图像；

46、第一去重单元，用于基于所述匹配结果，进行目标小图像去重。

47、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在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上述任一种所述目标图像去重方法。

48、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述目标图像去重方法。

49、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述目标图像去重方法。

50、本发明提供的目标图像去重方法及装置，遍历摄像设备在目标抓拍时刻的上一抓拍时刻的初次去重集合中各目标对应的数据，基于目标抓拍时刻和目标对应的数据中包括的各抓拍时刻，确定时间间隔；基于各时间间隔，对上一抓拍时刻的初次去重集合进行拆分，得到各时间间隔对应的子集合，按照各时间间隔从小到大的顺序，对所有子集合进行排序，得到排序后的子集合，遍历排序后的子集合中的各子集合，将目标抓拍时刻的目标全量集合中的目标小图像与当前遍历的子集合中的目标小图像进行匹配，得到匹配结果，基于匹配结果，进行目标小图像去重。可知，本发明按照各时间间隔从小到大的顺序，将拆分得到的各子集合进行排序，通过各时间间隔的大小，体现了抓拍时刻的相近程度，由近及远的将排序后的子集合中的各子集合与目标全量集合进行逐步匹配去重，从而降低了整个去重过程中算力资源的消耗。