图像检测方法、装置、设备和存储介质与流程

1.本发明涉及图像处理技术领域，尤其涉及一种图像检测方法、装置、设备和存储介质。


背景技术：

2.目前，在很多场景中都会部署有摄像头，以对周围环境进行视频的采集，从而实现视频监控等目的。
3.比如在城市中的道路两旁会设置有若干摄像头，当需要发现某个目标对象(比如某个人、某辆车)在某段时间内的移动轨迹时，可以借助于这些摄像头采集的图像(对摄像头采集的视频进行图像帧的采样)来发现该目标对象，进一步地基于这些图像确定其移动轨迹。
4.但是，实际应用中，这些摄像头往往设置的位置高度比较高，像素分辨率较低，通过直接从摄像头采集的图像中检测出目标对象的方式，很难获得准确可靠的检测结果，这将影响目标对象真实移动轨迹的确定结果。


技术实现要素：

5.本发明实施例提供一种图像检测方法、装置、设备和存储介质，可以检测出真实包含目标对象的图像。
6.第一方面，本发明实施例提供一种图像检测方法，该方法包括：
7.从多个摄像头采集的图像中，确定视觉特征与目标对象符合相似性要求的多个图像；
8.根据所述多个图像各自对应的时空点，确定时空点序列，其中，任一图像对应的时空点由所述任一图像对应的采集时间以及所述目标对象在所述采集时间对应的用户位置构成，所述时空点序列中的时空点按照采集时间顺序排列；
9.对所述时空点序列进行高斯过程建模，以确定所述时空点序列对应的路径平滑指数；
10.根据所述路径平滑指数过滤所述多个图像中与所述目标对象不匹配的图像。
11.第二方面，本发明实施例提供一种图像检测装置，该装置包括：
12.图像初选模块，用于从多个摄像头采集的图像中，确定视觉特征与目标对象符合相似性要求的多个图像；
13.平滑处理模块，用于根据所述多个图像各自对应的时空点，确定时空点序列，对所述时空点序列进行高斯过程建模，以确定所述多个图像对应的路径平滑指数，其中，任一图像对应的时空点由所述任一图像对应的采集时间以及所述目标对象在所述采集时间对应的用户位置构成，所述时空点序列中的时空点按照采集时间顺序排列；
14.图像过滤模块，用于根据所述路径平滑指数过滤所述多个图像中与所述目标对象不匹配的图像。
15.第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器至少可以实现如第一方面所述的图像检测方法。
16.第四方面，本发明实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第一方面所述的图像检测方法。
17.第五方面，本发明实施例提供了一种图像检测方法，包括：
18.响应于调用目标服务的请求，确定所述目标服务对应的处理资源；
19.利用所述目标服务对应的处理资源执行如下步骤：
20.从多个摄像头采集的图像中，确定视觉特征与目标对象符合相似性要求的多个图像；
21.根据所述多个图像各自对应的时空点，确定时空点序列，其中，任一图像对应的时空点由所述任一图像对应的采集时间以及所述目标对象在所述采集时间对应的用户位置构成，所述时空点序列中的时空点按照采集时间顺序排列；
22.对所述时空点序列进行高斯过程建模，以确定所述多个图像对应的路径平滑指数；
23.根据所述路径平滑指数过滤所述多个图像中与所述目标对象不匹配的图像。
24.本发明实施例提供的方案中，当从多个摄像头采集的图像中确定视觉特征与目标对象符合相似性要求的多个图像后，可以根据多个图像对应的多个时空点，确定时空点序列。其中，任一图像对应的时空点由该任一图像对应的采集时间以及目标对象在该采集时间对应的用户位置构成，时空点序列中的时空点按照采集时间顺序排列。为了确定出这些图像是否都是与目标对象匹配的图像即确定出这些图像中是否存在并不包含目标对象的异常图像，通过对所述时空点序列进行高斯过程建模，以确定时空点序列对应的路径平滑指数，该路径平滑指数反映了时空点序列中多个用户位置的平滑性。可以理解的是，如果上述多个图像中存在与目标对象不匹配的图像，且该图像对应的时空点包含在时空点序列中，那么上述时空点序列对应的路径平滑指数将会比较低，也就是说，该路径平滑指数可以度量出时空点序列中各用户位置出现的合理性，如果某用户位置出现的不合理，那么说明该用户位置对应的图像是与目标对象不匹配的图像。因此，可以根据所述路径平滑指数过滤多个图像中与目标对象不匹配的图像。这样，过滤后剩下的图像都是与目标对象匹配(即包含目标对象)的图像，进一步，基于过滤后剩下的图像可以得知目标对象在相应时间段内的真实移动轨迹。
附图说明
25.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
26.图1为本发明实施例提供的一种图像检测方法的流程图；
27.图2为本发明实施例提供的一种路径平滑指数取值情况的示意图；
28.图3为本发明实施例提供的一种图像检测场景的示意图；
29.图4为本发明实施例提供的一种图像检测方法的流程图；
30.图5为本发明实施例提供的一种图像检测装置的结构示意图；
31.图6为与图5所示实施例提供的图像检测装置对应的电子设备的结构示意图。
具体实施方式
32.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
33.在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。
34.取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
35.另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。
36.本发明实施例提供的图像检测方法可以由一电子设备来执行，该电子设备可以是诸如pc机、笔记本电脑等终端设备，也可以是云端的服务器。该服务器可以是包含一独立主机的物理服务器，或者也可以为虚拟服务器，或者也可以为云服务器。
37.图1为本发明实施例提供的一种图像检测方法的流程图，如图1所示，该方法包括如下步骤：
38.101、从多个摄像头采集的图像中，确定视觉特征与目标对象符合相似性要求的多个图像。
39.102、根据多个图像各自对应的时空点，确定时空点序列，其中，任一图像对应的时空点由所述任一图像对应的采集时间以及目标对象在所述采集时间对应的用户位置构成，时空点序列中的时空点按照采集时间顺序排列。
40.103、对时空点序列进行高斯过程建模，以确定时空点序列对应的路径平滑指数。
41.104、根据所述路径平滑指数过滤多个图像中与目标对象不匹配的图像。
42.本发明实施例中，目标对象可以是特定的人、车的对象。
43.在实际应用中，可能存在这样的需求：需要获知特定的某个人在某段时间内的移动轨迹，此时，基于本发明实施例提供的方案便可以实现这个人的移动轨迹的准确确定。
44.在城市中的道路两旁会设置有若干摄像头，以便可以通过这些摄像头对道路上的行人、车辆进行监控。
45.当需要对目标对象在某时间段内的移动轨迹进行检测时，可以输入目标对象的参考图像，在该参考图像中清晰地呈现出目标对象的视觉特征。比如目标对象为某个人时，该视觉特征可以是这个人的五官轮廓、发型、性别、衣着等体貌特征；当目标对象是某辆车时，该视觉特征可以是车牌号、车型、颜色、车内某处放置的某个特定物品等特征。
46.基于该目标对象的参考图像，从多个摄像头在上述时间段内采集的全部图像中确定出与视觉特征与该目标对象符合相似性要求的多个图像。
47.其中，这多个摄像头可以是城市内部署的全部摄像头，也可以是在大致知道目标对象在上述时间段内的大体移动范围时，在该移动范围内部署的各个摄像头。
48.可以理解的是，摄像头工作的时候，一般是以拍摄视频的方式在工作，因此，以上述多个摄像头中的任一摄像头在上述时间段内采集的视频为例，可以通过对这段视频进行图像帧的采样，以得到该摄像头对应的m1帧图像，假设多个摄像头的数量为m2，那么最终可以得到m1*m2帧图像，m1和m2均为大于1的整数。
49.之后，在这m1*m2帧图像中确定出视觉特征与目标对象符合相似性要求的多个图像。简单来说，针对其中的任一帧图像，进行视觉特征的提取，将提取出的视觉特征与从上述参考图像中提取出的视觉特征进行相似性计算，得到两者之间的相似度，若相似度大于设定阈值，则认为这帧图像作为上述多个图像中的一个。
50.在得到上述多个图像后，可选地，根据所述多个图像各自对应的时空点，确定时空点序列可以实现为：确定由多个图像对应的多个时空点构成的时空点序列。
51.本发明实施例中引入一个概念：时空点。一个时空点由一个时间和一个地点组成，一个时空点对应于上述多个图像中的一个图像，其中，时空点中的时间是指图像对应的采集时间，时空点中的地点设置目标对象在上述采集时间时所对应的用户位置。从而，任一图像对应的时空点由该任一图像对应的采集时间以及目标对象在该采集时间对应的用户位置构成。
52.可以理解的是，当某个图像是通过某个摄像头采集到的时候，这个摄像头会记录采集的时间戳信息，由此可以得知该图像的采集时间。对于用户位置来说，根据定位精度的需求可以有不同的确定方法，比如，如果对定位精度的要求很低，那么可以以采集图像的摄像头的位置作为用户位置；如果对定位精度的要求较高，那么可以结合采集图像的摄像头的相关参数以及目标对象在图像中的像素位置，定位出用户位置。
53.在得到多个图像各自对应的时空点之后，按照采集时间先后顺序对得到的多个时空点进行排序，便可以得到与这多个图像对应的时空点序列。
54.可以理解的是，该时空点序列实际上就是离散时空点轨迹：由离散的多个时空点构成的轨迹。
55.为便于描述，假设上述时空点序列亦即离散时空点轨迹表示为τ:(t1,l1),(t1,l1),(t2,l2),
…
(t
n
,l
n
),t
i
≤t
i 1
。
56.由此可见，这里假设上述多个图像为n个图像，n大于1。(t
k
,l
k
)表示时间(t
k
时，目标对象出现在地点l
k
。
57.其中，l
k
包含经度和纬度,可以表示为(l
kx
,l
ky
)。
58.本发明实施例中，假设多个时空点所对应的多个采集时间和多个用户位置都是符合高斯分布的，通过对所述时空点序列进行高斯过程建模，可以确定多个图像对应的路径平滑指数。概括来说，在进行高斯过程建模的过程中，是以时空点序列中包含的多个采集时间作为自变量，以多个用户位置作为因变量来对时空点序列进行高斯过程建模。
59.本发明实施例中，设计一种路径平滑指数，用于度量离散的时空点轨迹所对应的平滑性。
60.简单来说，实际应用中，当目标对象先后位于两个地点时，如果这两个地点距离的越近，那么先后经过这两个地点对应的时间的时间差将越小。换个角度来说，如果目标对象在8点出现在了a点，而8点1分出现在了距离a点很远的b点，这显然是不合理的，此时，b点对应的图像将会作为被过滤掉的图像，即很有可能该图像并不与目标对象匹配，即该图像中不包含目标对象，仅是包含与目标对象相似的对象。
61.由此可知，该路径平滑指数可以用于反映时空点序列中各用户位置出现的合理性。在路径平滑指数的计算过程中，便结合了时间与距离的上述特点来进行计算，下文中将会说明。
62.概括来说，可选地，对所述时空点序列进行高斯过程建模，包括：
63.对时空点序列中包含的多个用户位置进行量级消除处理；
64.以时空点序列中包含的多个采集时间作为自变量，以多个用户位置的量级消除处理结果作为因变量，对时空点序列进行高斯过程建模。
65.由上述举例可知，一个用户位置由经度和纬度构成，因此，上述用户位置的量级消除处理包括经度的量级消除处理和纬度的量级消除处理，从而，最终，可以以时空点序列中包含的多个采集时间作为自变量，分别以多个用户位置中经度的量级消除处理结果和纬度的量级消除处理结果作为因变量，对时空点序列进行高斯过程建模。
66.换言之，简单来说就是分别针对经度和纬度这两种位置信息建立高斯过程(即进行高斯过程建模)，这样可以得到经度对应的多元高斯分布的边缘概率和纬度对应的多元高斯分布的边缘概率。
67.其中，以时空点序列中包括n个用户位置来说，上述多元的数量即为该用户位置的数量。
68.基于上述的高斯过程的建立结果，最终，定义多个图像对应的路径平滑指数为如下两项之和：经度对应的多元高斯分布的边缘概率的对数，纬度对应的多元高斯分布的边缘概率的对数。
69.上文中提到，对时空点序列中包含的多个用户位置进行量级消除处理，其中，量级消除处理可以理解为是对用户位置进行一定的变换或者说预处理，以便消除量级的影响，最终使得路径平滑指数是量级无关的。
70.其中，可选地，对时空点序列中包含的多个用户位置进行量级消除处理，包括：
71.确定多个用户位置的重心点；
72.确定多个用户位置到重心点的平均距离；
73.对于多个用户位置中的任一用户位置，根据所述任一用户位置、所述平均距离和所述重心点，对所述任一用户位置进行量级消除处理。
74.由于一个用户位置由经度和纬度构成，所以确定多个用户位置的重心点具体可以实现为：以多个用户位置中经度的平均值作为经度重心点，以多个用户位置中纬度的平均值作为纬度重心点，从而，多个用户位置的重心点由该经度重心点和纬度重心点构成。
75.确定多个用户位置到重心点的平均距离是指：分别计算多个用户位置到重心点的距离，以得到多个距离，之后，对这多个距离进行求均值计算，得到上述平均距离。
76.可选地，根据所述任一用户位置、所述平均距离和所述重心点，对该任一用户位置进行量级消除处理，具体可以实现为：
77.确定所述任一用户位置中的经度与经度重心点的第一差值，以及所述任一用户位置中的纬度与纬度重心点的第二差值；
78.确定第一差值与所述平均距离的第一比值，以及第二差值与所述平均距离的第二比值；
79.其中，第一比值为所述任一用户位置中经度的量级消除结果，第二比值为所述任一用户位置中纬度的量级消除结果。
80.为便于理解，下面结合上文中假设的时空点序列：τ:(t1,l1),(t1,l1),(t2,l2),
…
(t
n
,l
n
),t
i
≤t
i 1
来举例说明。
81.假设l
k
为该时空点序列中的任一用户位置，其包含经度和纬度,可以表示为(l
kx
,l
ky
)，其中，l
kx
表示经度，l
ky
表示纬度。
82.重心点表示为：
83.基于上述重心点计算结果，确定n个用户位置到该重心点的平均距离，假设该平均距离表示为μ(l)。该平均距离为欧式距离。
84.以l
k
为例，对其经度进行量级消除处理表示为：对其经度进行量级消除处理表示为：
85.基于上述举例，最终可以定义n个图像对应的路径平滑指数亦即上述时空点序列对应的路径平滑指数为如下公式(1)：
[0086][0087]
其中，l
x
表示由时空点序列中的n个经度构成的经度向量，l
y
表示由时空点序列中的n个纬度构成的纬度向量，l
t
表示由时空点序列中的n个采集时间构成的时间向量。∑l
t
用于求l
t
的协方差，是维度为n
×
n的协方差矩阵，第i行j列的元素为k(t
i
,t
j
)，k()为高斯过程核函数，如果i＝j，则在函数值上额外加上高斯噪音分布的方差。
[0088]
如果将l
k
用以重心点为原点的极坐标表示为：(ρ
k
cosθ
k
,ρ
k
sinθ)，则此时，上述路径平滑指数的计算公式等价于如下公式(2)：
[0089][0090]
其中，a
ij
为∑
lt
逆矩阵的第i行j列元素。
[0091]
基于上述公式(1)或公式(2)便可以确定上述时空点序列亦即多个图像对应的路径平滑指数，该路径平滑指数反映了时空点序列中前后排列的多个用户位置所对应的移动轨迹的平滑性。
[0092]
概括来说，根据所述路径平滑指数过滤多个图像中与目标对象不匹配的图像的理论依据是：如果多个图像中的某个图像是与目标对象不匹配的图像，那么过滤掉这个图像
后，剩余图像所对应的路径平滑指数将会显著提升。根据这个特征，可以进行与目标对象不匹配的图像的过滤。
[0093]
进行上述图像过滤的过程，实际上就是找异常点的过程：在时空点序列中寻找出现不合理的时空点。该不合理比如体现为：当前一个时空点与下一个时空点对应的采集时间的时间差很小，但是下一个用户位置却与上一个用户位置相距很远，这显然是不合理的。
[0094]
可以理解的是，异常点的数量越多，路径平滑指数越小；异常点的数量越少，路径平滑指数越大。
[0095]
为便于理解，结合图2来示例性说明几种不同的异常点数量情况下的路径平滑指数的差异。
[0096]
图2中，横轴为时间，纵轴为经度位置。图中示意的是由11个时间-经度位置构成的时空点的路径平滑指数。根据高斯过程回归对整个时空点轨迹进行拟合预测，得到了图2中示意的几个路径平滑指数。
[0097]
具体来说，在左上图中，假设的是11个时空点中没有异常点的情形，此时，11个时空点的平滑性很好，路径平滑指数最大。
[0098]
在右上图中，假设的是11个时空点中存在一个异常点的情形，这个异常点是对应于t＝2时的位置。
[0099]
在左下图中，假设的是11个时空点中存在两个异常点的情形，这两个异常点分别是对应于t＝2和t＝8时的位置。
[0100]
在右下图中，假设的是11个时空点中存在三个异常点的情形，这三个异常点分别是对应于t＝2、t＝6、t＝8时的位置。
[0101]
由图2中的示例可知，随着异常点数量的增加，路径平滑指数会呈现下降趋势。
[0102]
值得说明的是，图2中示意的是经度位置对应的路径平滑指数，实际上，由上文对时空点序列所对应的路径平滑指数的定义可知，时空点序列对应的路径平滑指数由两部分相加构成：经度位置对应的路径平滑指数和纬度位置对应的路径平滑指数。
[0103]
在得到多个图像对应的路径平滑指数之后，可选地，如果该路径平滑指数大于设定阈值，则可以认为多个图像中不存在与目标对象不匹配的图像，反之，存在与目标对象不匹配的图像，此时，需要进行图像过滤处理，以过滤掉异常图像(与目标对象不匹配的图像)。
[0104]
为了实现异常图像的过滤，在根据多个图像各自对应的时空点，确定时空点序列的过程中，可选地，除了可以确定出由多个图像各自对应的时空点构成的时空点序列外，还可以确定多个图像各自对应的子时空点序列，其中，任一图像对应的子时空点序列由多个图像中其他图像各自对应的时空点按照采集时间顺序排列得到。
[0105]
从而，在路径平滑指数的计算过程中，除了可以对由多个图像各自对应的时空点构成的时空点序列进行高斯过程建模，以确定多个图像对应的路径平滑指数外，还可以分别对多个图像各自对应的子时空点序列进行高斯过程建模，以确定多个图像各自对应的路径平滑指数。
[0106]
最终，当确定多个图像中目标图像对应的路径平滑指数相对多个图像对应的路径平滑指数的提升程度符合设定条件时，确定该目标图像为与目标对象不匹配的图像。
[0107]
为便于理解，举例来说，假设一共有20个图像，在确定出这20个图像各自对应的时
空点后，按照采集时间先后顺序排序这些时空点从而得到包含20个时空点的时空点序列c0。
[0108]
之后，针对这20个图像中的任一图像1来说，从这20个图像中排除图像1后，由剩余的其他19个图像各自对应的时空点构成与图像1对应的子时空点序列c1，可以理解的是，子时空点序列c1中的时空点也是按照采集时间先后顺序进行排序的。
[0109]
同理，针对这20个图像中的另一图像2来说，从这20个图像中排除图像2后，由剩余的其他19个图像各自对应的时空点构成与图像2对应的子时空点序列c2，可以理解的是，子时空点序列c2中的时空点也是按照采集时间先后顺序进行排序的。
[0110]
以此类推，针对这20个图像中的每个图像，都可以获得与之对应的子时空点序列，最终会得到20个子时空点序列，假设表示为c1、c2
…
c20。
[0111]
进而，根据上文介绍的路径平滑指数计算公式，分别计算这20个子时空点序列各自对应的路径平滑指数以及上述时空点序列c0对应的路径平滑指数。
[0112]
之后，可选地，可以逐个比较这20个子时空点序列各自对应的路径平滑指数与时空点序列c0对应的路径平滑指数，如果某个子时空点序列对应的路径平滑指数大于时空点序列c0对应的路径平滑指数，且两者的差值大于设定阈值，则可以认为该子时空点序列对应的图像为与目标对象不匹配的图像。比如，假设图像1对应的子时空点序列c1对应的路径平滑指数符合上述条件，则认为图像1为与目标对象不匹配的图像，可以称为是异常图像。
[0113]
下面结合图3来示例性说明在一种实际应用场景中上述图像检测方法的执行过程。
[0114]
假设在图3中示意的道路场景中，部署有图中示意的三个摄像头。并且假设目标对象为设定的某个人，称为用户a。当前的任务是：从摄像头在某个时间段拍摄的画面中找出包含用户a的图像。
[0115]
此时，以图3中示意的三个摄像头为例，首先，通过视觉特征的匹配，从三个摄像头采集的视频中采样出与用户a相似的多个图像，确定每个图像对应的采集时间和用户位置，以构成一个时空点，这样可以得到多个图像对应的时空点序列。其中，在图3中，假设采样到7个图像，这7个图像对应的采样时间和用户位置分别如图3中所示。
[0116]
之后，对根据上述7个时空点构成的时空点序列进行高斯过程建模，根据高斯过程建模结果确定多个图像对应的路径平滑指数。该路径平滑指数反映出时空点序列中先后排列的这些用户位置的平滑性。
[0117]
可选地，如果该路径平滑指数大于预设阈值，则可以认为这多个图像都是与用户a匹配的图像，即都是包含用户a的图像，反之，则说明其中包含与用户a不匹配的图像，此时，需要对这多个图像进行过滤。
[0118]
在图3中，假设用户a真实的移动轨迹对应于l1、l2、l3、l4、l5、l7这六个位置点，位置l6上对应的用户其实并非是用户a，仅是体貌特征上与用户a相似的某个人。
[0119]
此时，通过逐个在时空点序列中排除时空点的方式，确定每个图像对应的子时空序列的路径平滑指数，最终，发现去除l6这个位置对应的时空点后，时空点序列对应的路径平滑指数显著提升，则确定位置l6上对应的用户并非是用户a，去除相应的图像(即异常图像)。
[0120]
异常图像的过滤方式除了上述方式外，还可以通过其他方式实现异常图像的过
滤，比如可以参考图4所示实施例提供的方案。
[0121]
图4为本发明实施例提供的一种图像检测方法的流程图，如图4所示，该方法包括如下步骤：
[0122]
401、从多个摄像头采集的图像中，确定视觉特征与目标对象符合相似性要求的多个图像。
[0123]
402、确定多个图像各自对应的子时空点序列，其中，任一图像对应的子时空点序列由多个图像中其他图像各自对应的时空点按照采集时间顺序排列得到。
[0124]
403、分别对多个图像各自对应的子时空点序列进行高斯过程建模，以确定多个图像各自对应的路径平滑指数。
[0125]
404、根据多个图像各自对应的路径平滑指数，确定路径平滑指数符合设定条件的图像为与目标对象不匹配的图像。
[0126]
本实施例中，为了从上述多个图像中确定出与目标对象不匹配的图像，在得到多个图像各自对应的时空点之后，可以针对每个图像，确定与其对应的子时空点序列。
[0127]
如上文中的举例，假设一共有20个图像，在确定出这20个图像各自对应的时空点后，针对这20个图像中的任一图像1来说，从这20个图像中排除图像1后，由剩余的其他19个图像各自对应的时空点构成与图像1对应的子时空点序列c1，可以理解的是，子时空点序列c1中的时空点是按照采集时间先后顺序进行排序的。
[0128]
同理，针对这20个图像中的另一图像2来说，从这20个图像中排除图像2后，由剩余的其他19个图像各自对应的时空点构成与图像2对应的子时空点序列c2，可以理解的是，子时空点序列c2中的时空点也是按照采集时间先后顺序进行排序的。
[0129]
以此类推，针对这20个图像中的每个图像，都可以获得与之对应的子时空点序列，最终会得到20个子时空点序列，假设表示为c1、c2
…
c20。
[0130]
进而，根据上文介绍的路径平滑指数计算公式，分别计算这20个子时空点序列各自对应的路径平滑指数，亦即得到这20个图像各自对应的路径平滑指数。这样最终会得到20个路径平滑指数。
[0131]
之后，可选地，可以计算这20个路径平滑指数的均值，根据该均值设定一个取值范围，比如均值
±
3的范围，如果某个路径平滑指数在该取值范围之外，即未落入该取值范围，则认为该路径平滑指数所对应的图像即为与目标对象不匹配的异常图像。
[0132]
也就是说，根据多个图像各自对应的路径平滑指数，确定路径平滑指数符合设定条件的图像为与目标对象不匹配的图像，可以实现为：
[0133]
确定多个图像各自对应的路径平滑指数的均值；
[0134]
根据所述均值确定目标取值范围；
[0135]
根据多个图像各自对应的路径平滑指数与该目标取值范围的归属关系，确定不归属于该目标取值范围的路径平滑指数所对应的图像，为与目标对象不匹配的图像。
[0136]
值得说明的是，仍以上述20个图像的举例来说，假设图像1被确定为是异常图像，那么过滤掉图像1，此时，还剩下19个图像。继续对这19个图像进行上述过滤处理，以进一步排除掉这19个图像中还有可能包含的异常图像，以此类推下去，直到找不到符合上述设定条件的异常图像为止，此时剩余的图像认为是都与目标对象匹配的图像。
[0137]
这样，最终剩余的图像所对应的时空点，便是对应于目标对象真实的移动轨迹的
时空点。
[0138]
综上，基于本发明实施例中针对离散的时空点轨迹所定义的路径平滑指数，可以在初步筛选出与目标对象在视觉特征上相似的多个图像后，基于该路径平滑指数进一步过滤掉其实与目标对象并不匹配的图像，以便最终得到的图像都是与目标对象匹配的图像，不但实现了与目标对象匹配的图像的过滤，还可以基于过滤剩下的图像准确地获知目标对象在相应时间段内的移动轨迹。
[0139]
还需说明的是，本发明实施例提供的这种路径平滑指数满足如下的一些指标要求：
[0140]
第一，合理性，主要体现为具有旋转不变性和量级无关性。其中，旋转不变性简单来说就是多个时空点如果在东西方向上是平滑的，那么在南北方向上也是平滑的，可以通过上述公式(2)证明，即路径平滑指数与时空点相对重心点位置的角度有关。量级无关性，是指可以通过上述平均距离进行量级消除，从而，不管时空点序列是什么量级尺度的，对最终路径平滑指数的确定结果都没有影响
[0141]
第二，一致性，主要体现为单调性。随着时空点的增加，路径平滑指数基本上会呈现递减趋势。但是，随着时空点的增加，并非严格单调。例如增加一个时空点使得前后轨迹衔接(在增加该时空点之前，存在两个独立的时空点轨迹，增加该时空点之后，将两个时空点轨迹衔接在一起)时，此时路径平滑指数应增加，而非减少。
[0142]
第三，敏感性，主要是指异常敏感性。如果在时空点序列中增加噪声，即增加异常点，那么路径平滑指数将显著下降。
[0143]
第四，稳定性，是指实用稳定性。上述路径平滑指数的定义是稳定可用的，且计算复杂度不高。
[0144]
如前文所述，本发明提供的图像检测方法可以在云端来执行，在云端可以部署有若干计算节点，每个计算节点中都具有计算、存储等处理资源。在云端，可以组织由多个计算节点来提供某种服务，当然，一个计算节点也可以提供一种或多种服务。
[0145]
针对本发明提供的方案，云端可以提供有用于完成图像检测的服务，称为目标服务。当用户需要使用该目标服务的时候，调用该目标服务，以向云端触发调用该目标服务的请求，在该请求中可以携带有多个摄像头各自拍得的视频。云端确定响应该请求的计算节点，利用该计算节点中的处理资源(即目标服务对应的处理资源)执行如下步骤：
[0146]
从多个摄像头采集的图像中，确定视觉特征与目标对象符合相似性要求的多个图像；
[0147]
根据所述多个图像各自对应的时空点，确定时空点序列，其中，任一图像对应的时空点由所述任一图像对应的采集时间以及所述目标对象在所述采集时间对应的用户位置构成，所述时空点序列中的时空点按照采集时间顺序排列；
[0148]
对所述时空点序列进行高斯过程建模，以确定所述多个图像对应的路径平滑指数；
[0149]
根据所述路径平滑指数过滤所述多个图像中与所述目标对象不匹配的图像。
[0150]
上述步骤的具体实现方式可以参考前述其他实施例中的相关说明，在此不赘述。
[0151]
以下将详细描述本发明的一个或多个实施例的图像检测装置。本领域技术人员可以理解，这些装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。
[0152]
图5为本发明实施例提供的一种图像检测装置的结构示意图，如图5所示，该装置包括：图像初选模块11、平滑处理模块12、图像过滤模块13。
[0153]
图像初选模块11，用于从多个摄像头采集的图像中，确定视觉特征与目标对象符合相似性要求的多个图像。
[0154]
平滑处理模块12，用于确定由所述多个图像对应的多个时空点构成的时空点序列，对所述时空点序列进行高斯过程建模，以确定所述时空点序列对应的路径平滑指数；其中，任一图像对应的时空点由所述任一图像对应的采集时间以及所述目标对象在所述采集时间对应的用户位置构成，所述多个时空点按照采集时间顺序排列以得到所述时空点序列。
[0155]
图像过滤模块13，用于根据所述路径平滑指数过滤所述多个图像中与所述目标对象不匹配的图像。
[0156]
可选地，平滑处理模块12具体可以用于：对所述时空点序列中包含的多个用户位置进行量级消除处理；以所述时空点序列中包含的多个采集时间作为自变量，以所述多个用户位置的量级消除处理结果作为因变量，对所述时空点序列进行高斯过程建模。
[0157]
可选地，一个用户位置由经度和纬度构成，平滑处理模块12具体可以用于：以所述时空点序列中包含的多个采集时间作为自变量，分别以所述多个用户位置中经度的量级消除处理结果和纬度的量级消除处理结果作为因变量，对所述时空点序列进行高斯过程建模。
[0158]
可选地，平滑处理模块12具体可以用于：确定所述多个图像对应的路径平滑指数为如下两项之和：经度对应的多元高斯分布的边缘概率的对数，纬度对应的多元高斯分布的边缘概率的对数。
[0159]
可选地，在对所述时空点序列中包含的多个用户位置进行量级消除处理的过程中，平滑处理模块12具体可以用于：确定所述多个用户位置的重心点；确定所述多个用户位置到所述重心点的平均距离；对于所述多个用户位置中的任一用户位置，根据所述任一用户位置、所述平均距离和所述重心点，对所述任一用户位置进行量级消除处理。
[0160]
其中，一个用户位置由经度和纬度构成，在确定所述多个用户位置的重心点的过程中，平滑处理模块12具体可以用于：以所述多个用户位置中经度的平均值作为经度重心点；以所述多个用户位置中纬度的平均值作为纬度重心点，所述重心点由所述经度重心点和所述纬度重心点构成。
[0161]
可选地，在对所述任一用户位置进行量级消除处理的过程中，平滑处理模块12具体可以用于：确定所述任一用户位置中的经度与所述经度重心点的第一差值，以及所述任一用户位置中的纬度与所述纬度重心点的第二差值；确定所述第一差值与所述平均距离的第一比值，以及所述第二差值与所述平均距离的第二比值；其中，所述第一比值为所述任一用户位置中经度的量级消除结果，所述第二比值为所述任一用户位置中纬度的量级消除结果。
[0162]
可选地，图像过滤模块13具体可以用于：确定所述多个图像各自对应的子时空点序列，其中，任一图像对应的子时空点序列由所述多个图像中其他图像各自对应的时空点按照采集时间顺序排列得到；分别对所述多个图像各自对应的子时空点序列进行高斯过程建模，以确定所述多个图像各自对应的路径平滑指数；确定所述多个图像中目标图像对应
的路径平滑指数相对所述多个图像对应的路径平滑指数的提升程度符合设定条件，则确定所述目标图像为与所述目标对象不匹配的图像。
[0163]
可选地，平滑处理模块12具体可以用于：确定所述多个图像各自对应的子时空点序列，其中，任一图像对应的子时空点序列由所述多个图像中其他图像各自对应的时空点按照采集时间顺序排列得到；分别对所述多个图像各自对应的子时空点序列进行高斯过程建模，以确定所述多个图像各自对应的路径平滑指数。从而，图像过滤模块13具体可以用于：根据所述多个图像各自对应的路径平滑指数，确定路径平滑指数符合设定条件的图像为与所述目标对象不匹配的图像。
[0164]
图5所示装置可以执行前述图1至图4所示实施例中提供的图像检测方法，详细的执行过程和技术效果参见前述实施例中的描述，在此不再赘述。
[0165]
在一个可能的设计中，上述图5所示图像检测装置的结构可实现为一电子设备，如图6所示，该电子设备可以包括：处理器21、存储器22。其中，存储器22上存储有可执行代码，当所述可执行代码被处理器21执行时，使处理器21至少可以实现如前述图1至图4所示实施例中提供的图像检测方法。
[0166]
可选地，该电子设备中还可以包括通信接口23，用于与其他设备进行通信。
[0167]
另外，本发明实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如前述图1至图4所示实施例中提供的图像检测方法。
[0168]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0169]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0170]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。