一种图像处理方法及装置与流程

1.本发明涉及图像处理技术领域，特别涉及一种图像处理方法及装置。


背景技术：

2.随着国家安全防控不断升级，智能抓拍设备覆盖的场景越来越多。由于抓拍场景的不可控性，经常会抓拍到一些低质量图片。比如，天气因素会导致拍摄出图片的亮度不同，甚至出现参数欠曝光或者过曝光的情况；夜晚由于光照严重不足，会产生严重的图像噪声；当人物处于移动状态，拍摄到的人物会存在严重的模糊。
3.在人像聚类的方案中，通常对低质量图片会直接丢弃，以减少存储数据量，降低计算资源开销。但是一个档案如果缺少了这部分低质量图片的有关数据，该档案不完整，可能会影响后续应用。例如，丢弃交通抓拍设备拍摄的低质量图片，可能会使车辆轨迹不完整。
4.基于此，如何合理利用低质量图片，使档案更加完整是需要解决的技术问题。


技术实现要素：

5.本发明提供一种图像处理方法及装置，用以合理利用低质量图片，使档案更加完整。
6.为达到上述目的，本发明实施例公开了一种图像处理方法，所述方法包括：
7.获取多张图像；
8.将所述多张图像分为第一质量图像和第二质量图像，所述第二质量优于第一质量；
9.基于身份信息对所述第二质量图像进行聚类，得到每个身份信息对应的第二质量子档案；
10.基于车辆标识对所述第一质量图像进行聚类，得到每个车辆标识对应的第一质量子档案；为所述车辆标识对应的第一质量子档案标记身份信息；
11.将具有相同身份信息的所述第一质量子档案和所述第二质量子档案进行合并，得到所述身份信息对应的档案。
12.一种示例中，还包括：获取图像的相关信息，其中，图像的相关信息包括以下的一项或多项：卡口标识、时间信息、经纬度信息、场景信息、坐标信息、质量分、清晰度、俯仰角、宽度、置信度。
13.一种示例中，将所述多张图像分为第一质量图像和第二质量图像，包括：基于图像的部分相关信息及部分相关信息对应的阈值，将所述多张图像分为第一质量图像和第二质量图像；所述部分相关信息包括以下的一项或多项：质量分、清晰度、俯仰角、宽度、置信度。
14.一种示例，在为所述车辆标识对应的第一质量子档案标记身份信息之前，还包括：针对任一车辆标识，根据所述车辆标识对应的第一质量子档案，确定所述车辆标识对应的第一质量轨迹；将所述车辆标识对应的第一质量轨迹与所述车辆标识对应的准确轨迹进行对比，确定相似度大于或等于设定阈值。一种示例中，基于身份信息对所述第二质量图像进
行聚类，得到每个身份信息对应的第二质量子档案，包括：基于人脸信息对所述第二质量图像进行聚类，得到每个人脸信息对应的第二质量人脸子档案；基于人体信息对所述第二质量图像进行聚类，得到每个人体信息对应的第二质量人体子档案；并采用人脸信息标识所述第二质量人体子档案；将具有相同人脸信息的所述第二质量人脸子档案和所述第二质量人体子档案进行合并，得到所述人脸信息对应的第二质量子档案；查找与所述人脸信息关联的身份信息，将所述身份信息关联到所述人脸信息对应的第二质量子档案上，得到每个身份信息对应的第二质量子档案。
15.一种示例中，在根据所述车辆标识对应的第一质量子档案，确定所述车辆标识对应的第一质量轨迹之前，还包括：确定第一质量子档案和第二质量图像共同对应的重叠车辆标识，在所述第一质量子档案中滤除所述重叠车辆标识对应的第一质量子档案。
16.一种示例中，为所述车辆标识对应的第一质量子档案标记身份信息，包括：查询与所述车辆标识关联的身份信息；如果查询到一个身份信息，则为所述车辆标识对应的第一质量子档案标记查询到的一个身份信息；如果查询到多个身份信息，则将所述车辆标识对应的第一质量轨迹分别与所述多个身份信息分别对应的第二质量轨迹进行比对，确定轨迹相似度最高时对应的目标身份信息，为所述车辆标识对应的第一质量子档案标记所述目标身份信息，第二质量轨迹根据第二质量档案确定。
17.本技术提供了一种图像处理装置，所述装置包括：
18.获取模块，用于获取多张图像；
19.处理模块，用于将所述多张图像分为第一质量图像和第二质量图像，所述第二质量优于第一质量；基于身份信息对所述第二质量图像进行聚类，得到每个身份信息对应的第二质量子档案；基于车辆标识对所述第一质量图像进行聚类，得到每个车辆标识对应的第一质量子档案；为所述车辆标识对应的第一质量子档案标记身份信息；
20.合并模块，用于将具有相同身份信息的所述第一质量子档案和所述第二质量子档案进行合并，得到所述身份信息对应的档案。
21.一种示例中，所述获取模块，还用于获取图像的相关信息，其中，图像的相关信息包括以下的一项或多项：卡口标识、时间信息、经纬度信息、场景信息、坐标信息、清晰度、俯仰角、宽度、置信度。
22.一种示例中，所述处理模块在用于将所述多张图像分为第一质量图像和第二质量图像时，具体用于：基于图像的部分相关信息及部分相关信息对应的阈值，将所述多张图像分为第一质量图像和第二质量图像；所述部分相关信息包括以下的一项或多项：清晰度、俯仰角、宽度、置信度。
23.一种示例中，所述处理模块，还用于针对任一车辆标识，根据所述车辆标识对应的第一质量子档案，确定所述车辆标识对应的第一质量轨迹；将所述车辆标识对应的第一质量轨迹与所述车辆标识对应的准确轨迹进行对比，确定相似度大于或等于设定阈值。一种示例中，所述处理模块在用于基于身份信息对所述第二质量图像进行聚类，得到每个身份信息对应的第二质量子档案时，具体用于：基于人脸信息对所述第二质量图像进行聚类，得到每个人脸信息对应的第二质量人脸子档案；基于人体信息对所述第二质量图像进行聚类，得到每个人体信息对应的第二质量人体子档案；并采用人脸信息标识所述第二质量人体子档案；将具有相同人脸信息的所述第二质量人脸子档案和所述第二质量人体子档案进
行合并，得到所述人脸信息对应的第二质量子档案；查找与所述人脸信息关联的身份信息，将所述身份信息关联到所述人脸信息对应的第二质量子档案上，得到每个身份信息对应的第二质量子档案。
24.一种示例中，还包括：过滤模块，用于确定第一质量子档案和第二质量图像共同对应的重叠车辆标识，在所述第一质量子档案中滤除所述重叠车辆标识对应的第一质量子档案。
25.一种示例中，所述处理模块在用于为所述车辆标识对应的第一质量子档案标记身份信息时，具体用于：
26.查询与所述车辆标识关联的身份信息；如果查询到一个身份信息，则为所述车辆标识对应的第一质量子档案标记查询到的一个身份信息；如果查询到多个身份信息，则将所述车辆标识对应的第一质量轨迹分别与所述多个身份信息分别对应的第二质量轨迹进行比对，确定轨迹相似度最高时对应的目标身份信息，为所述车辆标识对应的第一质量子档案标记所述目标身份信息，第二质量轨迹根据第二质量档案确定。
27.本技术提供了一种图像处理装置，包括处理器和存储器；
28.所述存储器，用于存储计算机程序或指令；
29.所述处理器，用于执行所述存储器中的部分或者全部计算机程序或指令，当所述部分或者全部计算机程序或指令被执行时，用于实现上述的图像处理方法。
30.本技术提供了一种计算机可读存储介质，用于存储计算机程序，所述计算机程序包括用于实现上述方法的指令。
31.本技术提供了一种计算机程序产品，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行上述方法。
32.本技术中的低质量图像虽然未参与人像聚类(例如，基于身份信息进行聚类)，但是也未被丢弃。而是将低质量图像按车辆标识进行聚类得到低质量档案，为该低质量档案标识身份信息，这样就可以利用身份信息将通过车辆标识聚类得到的低质量档案与通过人像聚类得到的高质量档案进行关联。整个过程使得人像聚类中被丢弃图像(即低质量图像)被合理归档，且未参与人像聚类，不会对档案的质心(档案的参考图像或有代表性的图像)产生影响。
附图说明
33.为了更清楚地说明本发明实施例或现有技术中的技术方案，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。
34.图1为本技术提供的一种图像处理过程示意图；
35.图2为本技术提供的一种图像处理过程示意图；
36.图3为本技术提供的一种图像处理过程示意图；
37.图4为本技术提供的一种图像处理过程示意图；
38.图5为本技术提供的一种图像处理装置结构图；
39.图6为本技术提供的一种图像处理装置结构图。
具体实施方式
40.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，所描述的实施例仅仅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。
41.图1为本技术提供的一种图像过程示意图，该过程的执行设备可以是任一电子设备。该过程包括以下步骤：
42.步骤11：获取多张图像。
43.本技术主要关注人在道路上开车时的图像，获取的图像用于表示人在道路上开车，该图像也可以称为车窗图像。多张图像中包括但不限于以下的一项或多项信息：人脸、人体、车辆标识。车辆标识例如车牌号，车辆颜色、车辆品牌等。本技术可以在各个交通路口、或卡口，或道路上，或学校，或医院等位置部署抓拍设备或录像设备，用来获取多张图像或在视频中选取多帧图像。
44.可选的，还可以获取图像的相关信息，其中，图像的相关信息包括以下的一项或多项：卡口标识、采集时间、经纬度信息、场景信息、坐标信息(例如，人脸/人体/车牌在图像中的坐标)、质量分(例如，对置信度的权重值)、图像清晰度、图像俯仰角、图像宽度、图像置信度、采集图像的设备标识。其中，图像清晰度、图像俯仰角(随着人在移动过程，相对于人的角度是不，人脸的朝向，图片解析出的)、图像宽度、图像坐标等可以称为图像的属性信息。其中，卡口标识、时空信息(例如时间、经纬度等)、场景信息(例如学校、村庄、医院、银行等)等可以用于确定轨迹。随着人或车的移动(例如转弯、回头、侧看等)，人脸或人体或车牌的朝向会发生变化，该俯仰角可以指人脸或人体或车牌的朝向。
45.后续再对步骤11的过程进行详细介绍。
46.步骤12：将所述多张图像分为第一(例如低)质量图像和第二(例如高)质量图像。
47.需要注意的是，本技术提及的第一质量和第二质量用于图像质量的对比，第二质量优于第一质量。“第一”和“第二”也可以替换为其它能够表示图像质量的词语，例如“第一”可以替换为“低”或“中低”，“第二”可以替换为“高”或“中高”。为了方便理解，下文以第一质量为低质量，第二质量为高质量为例进行介绍。
48.在区分不同质量的图像时，可以基于图像的部分相关信息及部分相关信息对应的阈值，将所述多张图像分为低质量图像和高质量图像。部分相关信息包括以下的一项或多项：质量分、清晰度、俯仰角、图片宽度、置信度。
49.步骤13：基于身份信息对所述高质量图像进行聚类，得到每个身份信息对应的高质量子档案。
50.任一身份信息对应的高质量子档案包括所述身份信息对应的高质量图像及所述高质量图像的相关信息。
51.身份信息可以是人脸信息，也可以是身份证信息。
52.高质量图像中可能包括人脸图像、也可能包括人体图像，以下介绍基于身份信息对所述高质量图像进行聚类，得到每个身份信息对应的高质量子档案的过程：
53.基于人脸信息对所述高质量图像进行聚类，得到每个人脸信息对应的高质量人脸子档案；
54.基于人体信息对所述高质量图像进行聚类，得到每个人体信息对应的高质量人体子档案；并采用人脸信息标识所述高质量人体子档案；
55.将具有相同人脸信息的所述高质量人脸子档案和所述高质量人体子档案进行合并，得到所述人脸信息对应的高质量子档案；
56.查找与所述人脸信息关联的身份信息，将所述身份信息关联到所述人脸信息对应的高质量子档案上，得到每个身份信息对应的高质量子档案。
57.另外，需要注意的是，档案中包括图像及图像的相关信息。
58.步骤14：基于车辆标识对所述低质量图像进行聚类，得到每个车辆标识对应的低质量子档案。
59.任一车辆标识对应的低质量子档案包括所述车辆标识对应的低质量图像及所述低质量图像的相关信息。
60.步骤13和步骤14的先后顺序不进行限定。
61.步骤15：为所述车辆标识对应的低质量子档案标记身份信息。
62.例如，对不满足阈值的低质量图片按车辆标识分组，形成低质量档案。还可以统计低质量档案中的出现卡口次数、出现时间段频率、车轨迹等信息，得到该低质量档案(即该车辆标识)对应的低质量轨迹。
63.在为所述车辆标识对应的低质量子档案标记身份信息时，也可以是先查找与所述车辆标识关联的身份信息，并将查到的身份信息标记到该车辆标识对应的低质量子档案上。
64.例如，在车辆标识对应的静态数据中查找与所述车辆标识关联的身份信息。
65.如果查询到一个身份信息，则为所述车辆标识对应的低质量子档案标记查询到的一个身份信息。
66.本技术获取的多张图像是在一段时间内获取的图像，在这段时间内，车辆可能发生过买卖，车辆的所有者发生了变化，则可能查到多个身份信息。
67.一种示例，如果查到多个身份信息，则可以随意挑选一个身份信息作为目标信息，或者挑选时间靠后的身份信息作为目标信息，为所述车辆标识对应的低质量子档案标记所述目标身份信息。
68.另一示例中，如果查到多个身份信息，则将所述车辆标识对应的低质量轨迹分别与所述多个身份信息分别对应的高质量档案对应的高质量轨迹进行比对，确定轨迹相似度最高时对应的目标身份信息，为所述车辆标识对应的低质量子档案标记所述目标身份信息。通过相似度比对来确定身份信息，可以提高确定身份信息的准确性。
69.步骤16：将具有相同身份信息的低质量子档案和高质量子档案进行合并，得到所述身份信息对应的档案。
70.本技术中的低质量图像虽然未参与人像聚类(例如，基于身份信息进行聚类)，但是也未被丢弃。而是将低质量图像按车辆标识进行聚类得到低质量档案，为该低质量档案标识身份信息，这样就可以利用身份信息将通过车辆标识聚类得到的低质量档案与通过人像聚类得到的高质量档案进行关联。整个过程使得人像聚类中被丢弃图像(即低质量图像)被合理归档，且未参与人像聚类，不会对档案的质心(档案的参考图像或有代表性的图像)产生影响。
71.一种可选的示例，针对任一车辆标识，根据所述车辆标识对应的低质量子档案，确定所述车辆标识对应的低质量轨迹。将所述车辆标识对应的低质量轨迹与所述车辆标识对应的准确轨迹进行对比，在相似度大于或等于设定阈值的情况下，为所述车辆标识对应的低质量子档案标记身份信息。
72.车辆标识对应的准确轨迹可以是预先存在静态数据中的，例如，部署专用于确定车辆行驶轨迹的抓拍设备或录像设备，专用于确定车辆行驶轨迹的图像是清楚的，基于这些图像确定车辆标识对应的准确轨迹，并存储在该车辆标识对应的静态数据中。专用于确定车辆行驶轨迹的设备与本技术步骤101中的图像的采集设备不同，专用于确定车辆行驶轨迹的图像与本技术步骤101中获取的图像的来源不同。
73.或者，本技术可以基于车辆标识对步骤102中的所述高质量图像进行聚类，得到每个车辆标识对应的高质量子档案；任一车辆标识对应的高质量子档案包括所述车辆标识对应的高质量图像及所述高质量图像的相关信息；然后根据车辆标识对应的高质量子档案，确定所述车辆标识对应的高质量轨迹，将高质量轨迹确定为准确轨迹。
74.将低质量档案对应的低质量轨迹与车辆标识对应的准确轨迹进行相似度对比，在相似度满足条件的情况下保留该低质量档案，为该低质量档案标识身份信息，可以提高低质量档案的准确性。
75.一种可选的示例中，在根据所述车辆标识对应的低质量子档案，确定所述车辆标识对应的低质量轨迹之前，还可以确定低质量子档案和高质量图像共同对应的重叠车辆标识，在所述低质量子档案中滤除所述重叠车辆标识对应的低质量子档案。
76.或者，在将所述车辆标识对应的低质量轨迹与所述车辆标识对应的准确轨迹进行对比之前，还可以确定低质量子档案和高质量图像共同对应的重叠车辆标识，在所述低质量轨迹中滤除所述重叠车辆标识对应的低质量轨迹。
77.例如，本技术聚类出了4个车辆标识分别对应的低质量子档案，例如分别为车辆标识1、车辆标识2、车辆标识3和车辆标识4。在高质量图像中查找出了4个车辆标识，分别为车辆标识3、车辆标识4、车辆标识5和车辆标识6。由于车辆标识3和车辆标识4是同时包含在高质量图像和低质量图像中，该车辆标识3和车辆标识4是重叠车辆标识，则可以将车辆标识3和车辆标识4对应的低质量档案(或低质量轨迹)滤除掉，不再参与后续的轨迹对比过程。
78.另外，确定高质量图像对应的车辆标识时，也可以基于车辆标识对所述高质量图像进行聚类，得到每个车辆标识对应的高质量子档案；从而得到高质量图像对应的车辆标识。
79.如图2所示，对步骤11：获取多张图像的相关过程进行介绍。
80.步骤201，各类抓拍设备采集的数据(例如图片、视频、音频等数据)通过前端感知设备，经过网络传输到前置存储，前置存储用于数据。
81.步骤202，将抓拍设备采集的数据进行分类，例如分为图片、视频、音频等。可以将抓拍设备采集的图片作为本技术要采用的图像，还可以对视频进行解析生成本技术要采用的图像。例如，对视频进行优选，在一段视频选取几帧图片作为本技术要采用的图像。例如，针对只抓拍人脸的设备采集的数据，在其中选取包含人脸的图片；针对结构化抓拍设备采集的数据，可以在其中选取包含人脸的图片和包含人体的图片。在选取的图片中，还有可能包含车牌。
82.可以理解的是，数据中还可以包含时空信息、场景信息等。
83.步骤203，选取的图片通过消息队列传递给解析算子，例如，人脸算子、人体算子等。不同的算子经过解析后，会生成相应的属性信息(例如，清晰度、坐标等)。将这些属性信息补全到图片对应的消息体中。
84.属性信息、时空信息、场景信息等都是图片的相关信息。
85.可选的，步骤204，可以将图片的数据(图片的数据可以理解为图像的特征向量(特征向量用来表示图像，本技术为了方便描述，将图像的特征向量简写为图像)及图像的相关信息)分别发送到不同的消息队列，例如分别发送到人脸流、人体流、过车流等对应的消息队列。也可以不区分人脸流、人体流、过车流，发送到同一消息队列。可以理解的是，人脸流、人体流和过车流中的图片可能有重叠，例如一个图片中既包括人脸也包括人体，则该图片的数据可以发送到人脸流对应的消息队列，也可以发送到人体流对应的消息队列。例如一个图片中既包括人脸也包括车辆标识(例如车牌号)，则该图片的数据可以发送到人脸流对应的消息队列，也可以发送到过车流对应的消息队列。
86.接下来对步骤12：将所述多张图像分为第一(低)质量图像和第二(高)质量图像的相关过程进行介绍。
87.根据不同的相关信息(例如，质量分、清晰度、俯仰角、图片宽度、置信度等)各自对应的阈值，对图像进行判断，以区分低质量图像和高质量图像。可以将低质量图像和高质量图像分别发送到不同的消息队列。
88.可选的，可以针对不同类别的数据流(例如人脸流、人体流、过车流)分别区分高低质量，并针对任一类别，将低质量图像和高质量图像分别发送到不同的消息队列，这样可以得到6个消息队列。也可以不区分数据流类别，这样可以得到2个消息队列。
89.如图3所示，对步骤13：基于身份信息对所述高质量图像进行聚类，得到每个身份信息对应的高质量子档案的相关过程进行介绍。
90.步骤301，获取高质量人脸数据流，按一定时间周期将消费的数据进行人脸聚类，生成高质量人脸子档案。例如，读取消息队列中一定时间周期(按n(n大于或等于0)小时，一般情况下，人脸聚的时间越长，效果越好)的高质量人脸数据流的数据，利用聚类算法，生成高质量人脸子档案。
91.步骤302，获取高质量人体数据流，按一定时间周期将消费的数据进行人体聚类，生成高质量人体子档案。例如，读取消息队列中一定时间周期(按n(n大于或等于0)小时，一般情况下，人体聚的时间越长，效果越好)的高质量人体数据流的数据，利用聚类算法，生成高质量人体子档案数据。如果高质量人体子档案中包含人脸信息，则将高质量人体子档案的唯一标识用人脸标识id来表示。
92.步骤303，利用人脸人体的关系，将高质量人脸子档案和高质量人体子档案进行合并。例如，从视频流到图片流，再到不同的解析算子，这一链路中可以生成有关联的人脸数据和人体数据(例如，同一个场景图中，解析的人体图片可能存在人脸)，通过比对档案的唯一标识，将存在关联关系的人脸档案和人体档案进行合并，得到高质量子档案。还可以查到该人脸对应的身份信息，对该高质量子档案进行实名认证。
93.可选的，还可以对含有车辆标识(例如车牌号)的高质量子档案进行标识，同时生成该高质量子档案的高质量轨迹。
94.如图4所示，对步骤15和步骤16的相关过程进行详细介绍。
95.步骤401，获取含有车牌信息的低质量子档案和高质量子档案。
96.步骤402，通过关联查询，获取低质量子档案中不存在于高质量子档案的数据。例如，通过sql关联查询获取低质量档案中不存在于中高质量的档案数据。即前文介绍的确定低质量子档案和高质量子档案共同对应的重叠车牌号，在所述低质量子档案中滤除所述重叠车牌号对应的低质量子档案。
97.步骤403，利用车的静态数据，通过车牌号关联查询，获取含有静态数据的低质量档案。例如，车的静态数据包括车对应的身份信息、车的轨迹数据等。通过低质量子档案的车牌号与车对应的静态数据关联查询，获取车牌号对应的身份信息。
98.如果只查询到一个身份信息，则比较低质量子档案的低质量轨迹和车的准确轨迹的相似度。如果满足相似度阈值，对低质量子档案打上相应的身份标识；如果不满足，则结束。
99.如果查询到多个身份信息，则比较低质量子档案的低质量轨迹和车的准确轨迹的相似度。如果满足相似度阈值，则分别寻找身份信息对应的高质量子档案对应的高质量轨迹，通过比对低质量轨迹和高质量轨迹的相似度，取多个身份信息中相似度最高的，对低质量子档案打上该相似度最高的身份标识；如果不满足，则结束。
100.步骤404，将已经实名的低质量子档案与已实名的高质量子档案进行合并。例如，将相同身份标识的低质量子档案和高质量子档案进行合并。这里只是将档案的子档数据合并，并不会影响聚类模块算法，避免低质量图像对档案质心的污染，影响后续聚类。
101.利用人脸/人体低质量图像中存在的车牌号，对低质量图片按车牌号进行聚类，再将这部分低质量图片聚成的低质量子档案与车静态数据(例如准确轨迹)进行比对，将该低质量子档案与身份信息关联，再与人像聚类形成的高质量子档案进行合并，将其聚到最优的档案中。同时，确保聚类算法不会使用到低质量图片，避免对档案的质心操作污染。通过该方案，可以有效降低档案轨迹丢失数量，提升聚档率，为后续的智能应用效果提升非常有利。
102.如图5所示，供了一种图像处理装置，所述装置包括：
103.获取模块501，用于获取多张图像；
104.处理模块502，用于将所述多张图像分为第一质量图像和第二质量图像，且所述第二质量优于第一质量；基于身份信息对所述第二质量图像进行聚类，得到每个身份信息对应的第二质量子档案；基于车辆标识对所述第一质量图像进行聚类，得到每个车辆标识对应的第一质量子档案；为所述车辆标识对应的第一质量子档案标记身份信息；
105.合并模块503，用于将具有相同身份信息的所述第一质量子档案和所述第二质量子档案进行合并，得到所述身份信息对应的档案。
106.一种示例中，所述获取模块，还用于获取图像的相关信息，其中，图像的相关信息包括以下的一项或多项：卡口标识、时间信息、经纬度信息、场景信息、坐标信息、清晰度、俯仰角、宽度、置信度。
107.一种示例中，所述处理模块502在用于将所述多张图像分为第一质量图像和第二质量图像时，具体用于：基于图像的部分相关信息及部分相关信息对应的阈值，将所述多张图像分为第一质量图像和第二质量图像；所述部分相关信息包括以下的一项或多项：清晰
度、俯仰角、宽度、置信度。
108.一种示例中，所述处理模块502，还用于针对任一车辆标识，根据所述车辆标识对应的第一质量子档案，确定所述车辆标识对应的第一质量轨迹；将所述车辆标识对应的第一质量轨迹与所述车辆标识对应的准确轨迹进行对比，确定相似度大于或等于设定阈值。一种示例中，所述处理模块502在用于基于身份信息对所述第二质量图像进行聚类，得到每个身份信息对应的第二质量子档案时，具体用于：基于人脸信息对所述第二质量图像进行聚类，得到每个人脸信息对应的第二质量人脸子档案；基于人体信息对所述第二质量图像进行聚类，得到每个人体信息对应的第二质量人体子档案；并采用人脸信息标识所述第二质量人体子档案；将具有相同人脸信息的所述第二质量人脸子档案和所述第二质量人体子档案进行合并，得到所述人脸信息对应的第二质量子档案；查找与所述人脸信息关联的身份信息，将所述身份信息关联到所述人脸信息对应的第二质量子档案上，得到每个身份信息对应的第二质量子档案。
109.一种示例中，还包括：过滤模块504，用于确定第一质量子档案和第二质量图像共同对应的重叠车辆标识，在所述第一质量子档案中滤除所述重叠车辆标识对应的第一质量子档案。
110.一种示例中，所述处理模块502在用于为所述车辆标识对应的第一质量子档案标记身份信息时，具体用于：
111.查询与所述车辆标识关联的身份信息；如果查询到一个身份信息，则为所述车辆标识对应的第一质量子档案标记查询到的一个身份信息；如果查询到多个身份信息，则将所述车辆标识对应的第一质量轨迹分别与所述多个身份信息分别对应的第二质量轨迹进行比对，确定轨迹相似度最高时对应的目标身份信息，为所述车辆标识对应的第一质量子档案标记所述目标身份信息，第二质量轨迹根据第二质量档案确定。
112.如图6所示，本技术提供了一种图像处理装置，包括处理器601和存储器602；
113.所述存储器602，用于存储计算机程序或指令；
114.所述处理器601，用于执行所述存储器中的部分或者全部计算机程序或指令，当所述部分或者全部计算机程序或指令被执行时，用于实现上述介绍的图像处理的方法。
115.本技术实施例还提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被计算机执行时，可以使得所述计算机用于执行上述图像处理的方法。或者说：所述计算机程序包括用于实现上述图像处理的方法的指令。
116.本技术实施例还提供了一种计算机程序产品，包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机可以执行上述提供的图像处理的方法。
117.另外，本技术实施例中提及的处理器可以是中央处理器(central processing unit，cpu)，基带处理器，基带处理器和cpu可以集成在一起，或者分开，还可以是网络处理器(network processor，np)或者cpu和np的组合。处理器还可以进一步包括硬件芯片或其他通用处理器。上述硬件芯片可以是专用集成电路(application-specific integrated circuit，asic)，可编程逻辑器件(programmable logic device，pld)或其组合。上述pld可以是复杂可编程逻辑器件(complex programmable logic device，cpld)，现场可编程逻辑门阵列(field-programmable gate array，fpga)，通用阵列逻辑(generic array logic，gal)及其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等或其任意组合。
通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
118.本技术实施例中提及的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddr sdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synchlink dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，dr ram)。应注意，本技术描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
119.本技术实施例中提及的收发器中可以包括单独的发送器，和/或，单独的接收器，也可以是发送器和接收器集成一体。收发器可以在相应的处理器的指示下工作。可选的，发送器可以对应物理设备中发射机，接收器可以对应物理设备中的接收机。
120.本领域普通技术人员可以意识到，结合本文中所公开的实施例中描述的各方法步骤和单元，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各实施例的步骤及组成。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域普通技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
121.在本技术所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
122.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，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本技术实施例方案的目的。
123.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
124.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机
设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
125.本技术中的“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本技术中所涉及的多个，是指两个或两个以上。另外，需要理解的是，在本技术的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。
126.尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
127.显然，本领域的技术人员可以对本技术实施例进行各种改动和变型而不脱离本技术实施例的精神和范围。这样，倘若本技术实施例的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包括这些改动和变型在内。

技术特征：
1.一种图像处理方法，其特征在于，所述方法包括：获取多张图像；将所述多张图像分为第一质量图像和第二质量图像，且所述第二质量优于第一质量；基于身份信息对所述第二质量图像进行聚类，得到每个身份信息对应的第二质量子档案；基于车辆标识对所述第一质量图像进行聚类，得到每个车辆标识对应的第一质量子档案；为所述车辆标识对应的第一质量子档案标记身份信息；将具有相同身份信息的所述第一质量子档案和所述第二质量子档案进行合并，得到所述身份信息对应的档案。2.如权利要求1所述的方法，其特征在于，将所述多张图像分为第一质量图像和第二质量图像，包括：基于图像的部分相关信息及部分相关信息对应的阈值，将所述多张图像分为第一质量图像和第二质量图像；所述部分相关信息包括以下的一项或多项：清晰度、俯仰角、宽度、置信度。3.如权利要求1所述的方法，其特征在于，在为所述车辆标识对应的第一质量子档案标记身份信息之前，还包括：针对任一车辆标识，根据所述车辆标识对应的第一质量子档案，确定所述车辆标识对应的第一质量轨迹；将所述车辆标识对应的第一质量轨迹与所述车辆标识对应的准确轨迹进行对比，确定相似度大于或等于设定阈值。4.如权利要求1所述的方法，其特征在于，基于身份信息对所述第二质量图像进行聚类，得到每个身份信息对应的第二质量子档案，包括：基于人脸信息对所述第二质量图像进行聚类，得到每个人脸信息对应的第二质量人脸子档案；基于人体信息对所述第二质量图像进行聚类，得到每个人体信息对应的第二质量人体子档案；并采用人脸信息标识所述第二质量人体子档案；将具有相同人脸信息的所述第二质量人脸子档案和所述第二质量人体子档案进行合并，得到所述人脸信息对应的第二质量子档案；查找与所述人脸信息关联的身份信息，将所述身份信息关联到所述人脸信息对应的第二质量子档案上，得到每个身份信息对应的第二质量子档案。5.如权利要求1所述的方法，其特征在于，在根据所述车辆标识对应的第一质量子档案，确定所述车辆标识对应的第一质量轨迹之前，还包括：确定第一质量子档案和第二质量图像共同对应的重叠车辆标识，在所述第一质量子档案中滤除所述重叠车辆标识对应的第一质量子档案。6.如权利要求1所述的方法，其特征在于，为所述车辆标识对应的第一质量子档案标记身份信息，包括：查询与所述车辆标识关联的身份信息；如果查询到一个身份信息，则为所述车辆标识对应的第一质量子档案标记查询到的一个身份信息；如果查询到多个身份信息，则将所述车辆标识对应的第一质量轨迹分别与所述多个身
份信息分别对应的第二质量轨迹进行比对，确定轨迹相似度最高时对应的目标身份信息，为所述车辆标识对应的第一质量子档案标记所述目标身份信息，第二质量轨迹根据第二质量档案确定。7.一种图像处理装置，其特征在于，所述装置包括：获取模块，用于获取多张图像；处理模块，用于将所述多张图像分为第一质量图像和第二质量图像，且所述第二质量优于第一质量；基于身份信息对所述第二质量图像进行聚类，得到每个身份信息对应的第二质量子档案；基于车辆标识对所述第一质量图像进行聚类，得到每个车辆标识对应的第一质量子档案；为所述车辆标识对应的第一质量子档案标记身份信息；合并模块，用于将具有相同身份信息的所述第一质量子档案和所述第二质量子档案进行合并，得到所述身份信息对应的档案。8.如权利要求7所述的装置，其特征在于，所述处理模块在用于将所述多张图像分为第一质量图像和第二质量图像时，具体用于：基于图像的部分相关信息及部分相关信息对应的阈值，将所述多张图像分为第一质量图像和第二质量图像；所述部分相关信息包括以下的一项或多项：质量分、清晰度、俯仰角、宽度、置信度。9.如权利要求7所述的装置，其特征在于，所述处理模块，还用于针对任一车辆标识，根据所述车辆标识对应的第一质量子档案，确定所述车辆标识对应的第一质量轨迹；将所述车辆标识对应的第一质量轨迹与所述车辆标识对应的准确轨迹进行对比，确定相似度大于或等于设定阈值。10.如权利要求7所述的装置，其特征在于，所述处理模块在用于基于身份信息对所述第二质量图像进行聚类，得到每个身份信息对应的第二质量子档案时，具体用于：基于人脸信息对所述第二质量图像进行聚类，得到每个人脸信息对应的第二质量人脸子档案；基于人体信息对所述第二质量图像进行聚类，得到每个人体信息对应的第二质量人体子档案；并采用人脸信息标识所述第二质量人体子档案；将具有相同人脸信息的所述第二质量人脸子档案和所述第二质量人体子档案进行合并，得到所述人脸信息对应的第二质量子档案；查找与所述人脸信息关联的身份信息，将所述身份信息关联到所述人脸信息对应的第二质量子档案上，得到每个身份信息对应的第二质量子档案。11.如权利要求7所述的装置，其特征在于，还包括：过滤模块，用于确定第一质量子档案和第二质量图像共同对应的重叠车辆标识，在所述第一质量子档案中滤除所述重叠车辆标识对应的第一质量子档案。12.如权利要求7所述的装置，其特征在于，所述处理模块在用于为所述车辆标识对应的第一质量子档案标记身份信息时，具体用于：查询与所述车辆标识关联的身份信息；如果查询到一个身份信息，则为所述车辆标识对应的第一质量子档案标记查询到的一个身份信息；如果查询到多个身份信息，则将所述车辆标识对应的第一质量轨迹分别与所述多个身份信息分别对应的第二质量轨迹进行比对，确定轨迹相似度最高时对应的目标身份信息，为所述车辆标识对应的第一质量子档案标记所述目标身份信息，第二质量轨迹根据第二质量档案确定。13.一种图像处理装置，其特征在于，包括处理器和存储器；
所述存储器，用于存储计算机程序或指令；所述处理器，用于执行所述存储器中的部分或者全部计算机程序或指令，当所述部分或者全部计算机程序或指令被执行时，用于实现如权利要求1-6任一项所述的方法。14.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序包括用于实现权利要求1-6任一项所述的方法的指令。15.一种计算机程序产品，其特征在于，所述计算机程序产品包括：计算机程序代码，当所述计算机程序代码在计算机上运行时，使得计算机执行如权利要求1-6任一项所述的方法。

技术总结
本发明实施例公开了一种图像处理方法及装置，用以合理利用低质量图片，使档案更加完整。方法包括：将多张图像分为低质量图像和高质量图像，基于身份信息对高质量图像进行聚类得到每个身份信息对应的高质量子档案；基于车辆标识对低质量图像进行聚类得到每个车辆标识对应的低质量子档案；为车辆标识对应的低质量子档案标记身份信息；将具有相同身份信息的低质量子档案和高质量子档案进行合并，得到身份信息对应的档案。合理利用低质量图片，使档案更加完整。案更加完整。案更加完整。


技术研发人员：张宏 周明伟 陈立力
受保护的技术使用者：浙江大华技术股份有限公司
技术研发日：2021.11.15
技术公布日：2022/3/8