CN111708907A

CN111708907A - 一种目标人员的查询方法、装置、设备及存储介质

Info

Publication number: CN111708907A
Application number: CN202010529142.2A
Authority: CN
Inventors: 张洁; 舒展; 邢磊; 聂砂; 王静逸; 贺潇铮; 杨美红; 王洋; 盛耀聪; 王竹萌; 杨夏浛
Original assignee: China Construction Bank Corp; CCB Finetech Co Ltd
Current assignee: China Construction Bank Corp
Priority date: 2020-06-11
Filing date: 2020-06-11
Publication date: 2020-09-25
Anticipated expiration: 2040-06-11
Also published as: CN111708907B

Abstract

本发明实施例公开了一种目标人员的查询方法、装置、设备及存储介质。其中，该方法包括：获取目标人员图像，确定所述目标人员图像中的目标人员区域；确定所述目标人员区域的像素点在RGB空间中的取值，根据所述RGB空间中的取值对所述目标人员区域进行聚类处理，得到至少两个取值分布族；根据所述至少两个取值分布族确定目标人员区域的取值占比；将所述取值占比存储至数据库中，以便于根据数据库中的数据对目标人员进行查询。本发明实施例通过获取目标人员区域，确定目标人员在色彩空间的颜色组成，根据颜色组成进行目标人员查询。解决了现有技术中通过人脸或单一颜色进行存储所造成的查询精度低的问题，提高目标人员的查询效率和精度。

Description

一种目标人员的查询方法、装置、设备及存储介质

技术领域

本发明实施例涉及计算机技术，尤其涉及一种目标人员的查询方法、装置、设备及存储介质。

背景技术

随着人们户外活动的增加，在机场、火车站和银行营业厅等公共场所，找人是经常遇到的需求，提高目标查询精度能有效节约人们的时间，提升用户满意度。

现有技术中，大多是通过摄像头等设备进行目标查询，由于摄像头的布设位置和角度等问题，使摄像头难以获得满足人脸识别需求的清晰正脸照片，因此，目标人员查找的效率和精度较低。

发明内容

本发明实施例提供一种目标人员的查询方法、装置、设备及存储介质，以提高目标人员查询的精度和效率。

第一方面，本发明实施例提供了一种目标人员的查询方法，该方法包括：

获取目标人员图像，确定所述目标人员图像中的目标人员区域；

确定所述目标人员区域的像素点在RGB空间中的取值，根据所述RGB空间中的取值对所述目标人员区域进行聚类处理，得到至少两个取值分布族；

根据所述至少两个取值分布族确定目标人员区域的取值占比；

将所述取值占比存储至数据库中，以便于根据数据库中的数据对目标人员进行查询。

第二方面，本发明实施例还提供了一种目标人员的查询装置，该装置包括：

目标区域确定模块，用于获取目标人员图像，确定所述目标人员图像中的目标人员区域；

取值分布族获得模块，用于确定所述目标人员区域的像素点在RGB空间中的取值，根据所述RGB空间中的取值对所述目标人员区域进行聚类处理，得到至少两个取值分布族；

占比确定模块，用于根据所述至少两个取值分布族确定目标人员区域的取值占比；

目标查询模块，将所述取值占比存储至数据库中，以便于根据数据库中的数据对目标人员进行查询。

第三方面，本发明实施例还提供了一种计算机设备，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程序时实现如本申请任意实施例所述的目标人员的查询方法。

第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本申请任意实施例所述的目标人员的查询方法。

本发明实施例通过从目标人员图像中获取目标人员区域，对目标人员区域进行聚类，得到多个取值分布族，根据取值分布族在色彩空间的像素值，确定目标人员的色彩取值占比，根据色彩取值占比对目标人员进行查询。解决了现有技术中通过人脸或单一色彩进行人员数据存储，所造成的目标人员查询精度低的问题，通过确认色彩组成，提高了目标人员查询的效率和精度。

附图说明

图1是本发明实施例一中的一种目标人员的查询方法的流程示意图；

图2是本发明实施例一中的行人框示意图；

图3是本发明实施例二中的一种目标人员的查询方法的流程示意图；

图4是本发明实施例三中的一种目标人员的查询装置的结构框图；

图5是本发明实施例四中的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种目标人员的查询方法的流程示意图，本实施例可适用于对目标人员进行查询的情况，该方法可以由一种目标人员的查询装置来执行。如图1所示，该方法具体包括如下步骤：

S110、获取目标人员图像，确定目标人员图像中的目标人员区域。

其中，目标人员图像是包含目标人员的图像，可以直接从多张图像中获取，也可以从视频中进行抽取。在获取到目标人员图像后，确定目标人员图像中，目标人员所在的区域，可以将目标人员区域进行框选。

本实施例中，可选的，获取目标人员图像，包括：按照预设周期对录入目标人员的视频数据进行抽帧，得到目标人员图像。

具体的，对目标人员所在场景进行视频录入，视频中可以包括目标人员的行动过程。在得到录入的视频后，可以按照预设周期对视频进行抽帧，例如，预设周期为每五秒抽取一帧，将抽取出来的图像作为目标人员图像。这样设置的有益效果在于，实现对目标人员图像的自动获取，减少人为操作过程，节约查询时间，提高目标人员查询的效率。

本实施例中，可选的，确定目标人员图像中的目标人员区域，包括：从目标人员图像中确定目标人员行人框最大、目标人员行人框没有遮挡和/或随机的目标人员行人框的目标人员区域；其中，行人框是包括至少一个行人的图像区域。

具体的，目标人员在不同目标人员图像中的目标人员区域可能不同，且目标人员在行动过程中存在被其他人员遮挡的情况。可以将目标人员以行人框的形式进行框选，行人框可以是方形框，至少包括一个行人，例如，行人框可以只框选目标人员。图2为行人框示意图，图2中虚线框为行人框。当目标人员在行动时，目标人员与摄像头的距离会发生变化，行人框的大小随之改变。选取至少一张目标人员图像，从目标人员图像中获取目标人员区域。例如，可以选取三个时刻的目标人员图像，分别为目标人员行人框最大时刻、目标人员行人框最没有遮挡时刻和随机时刻。在确定目标人员区域时，可以选取目标人员行人框最大、目标人员行人框没有遮挡和/或随机一张目标人员图像的目标人员行人框，其中，目标人员行人框最大时刻是在目标人员与摄像头距离最近的时刻。这样设置的有效果在于，针对同一目标人员获取不同的目标人员区域，可以从多角度全面了解目标人员，避免遗漏目标人员的图像信息，提高目标人员的查询精度。

在本实施例中，可选的，在获取目标人员图像之后，还包括：基于faster RCNN网络和FPN网络结构，得到目标人员检测网络，以便于对目标人员进行检测和追踪；其中，fasterRCNN网络用于对目标人员进行检测，FPN网络用于实现对小目标的目标人员进行检测。

具体的，可以直接获取多张目标人员图像，从目标人员图像中确定目标人员区域。也可以在获取到目标人员图像后，对图像中的目标人员进行检测和追踪，确定目标人员的行为轨迹，再从目标人员行为轨迹的图像中抽取多张目标人员图像，来确定目标人员区域。可以采用faster RCNN(faster Region Convolutional Neural Network，一种卷积神经网络)网络和FPN(Feature Pyramid Networks，特征金字塔网络)网络结构，得到所述目标人员检测网络，对目标人员进行检测和追踪。faster RCNN网络和FPN网络可以用于对目标人员进行检测，其中，FPN网络大幅度提升了小目标检测的性能。例如，可以采用每秒采集5帧的策略，从视频中抽取图像，使用预先训练好的网络结构，从图像中检测到目标人员。采用SORT(跟踪)算法对目标人员进行追踪，记录目标人员的行为轨迹，从目标人员的行为轨迹中，抽取目标人员行人框最大、目标人员行人框没有遮挡和/或随机的目标人员行人框的目标人员区域。这样设置的有益效果在于，通过采用目标跟踪的方法减少检测时间，以达到实时要求，避免从海量目标人员图像中查找符合行人框要求的目标人员图像，节约人力和时间，提高目标人员的查询效率。

S120、确定目标人员区域的像素点在RGB空间中的取值，根据RGB空间中的取值对目标人员区域进行聚类处理，得到至少两个取值分布族。

其中，在得到目标人员区域后，确定目标人员区域中的像素点在色彩空间中的取值，可以采用RGB(Red Green Blue，红绿蓝)色彩空间。在得到像素值后，采用聚类算法对同种颜色的像素点进行聚类，得到至少两个取值分布族，例如，抽取三个时刻目标人员图像上的目标人员区域，可以采用EM(Expectation Maximization，期望值和极大值)聚类算法，对这三个时刻的目标人员区域的像素进行聚类，每个时刻的目标人员区域都可以生成多个取值分布族。通过RGB色彩空间可以初步得到目标人员的颜色组成，使一个取值分布族中的颜色保持一致。

S130、根据至少两个取值分布族确定目标人员区域的取值占比。

其中，在得到取值分布族后，可能存在相近颜色的取值分布族，可以对取值分布族进行进一步调整，将相近颜色的取值分布族合并为一个分布族，确定调整后分布族的种类，以及分布族颜色占目标人员整体颜色的比例，确定目标人员的颜色取值占比。

本实施例中，可选的，在根据至少两个取值分布族确定目标人员区域的取值占比之前，该方法还包括：基于LAB空间对至少两个取值分布族进行色差分析，得到取值分布族的调整结果；相应的，根据至少两个取值分布族确定目标人员区域的取值占比，包括：根据取值分布族的调整结果确定目标人员区域的取值占比。

具体的，所得到的取值分布族是基于RGB色彩空间得到，再采用LAB(亮度、洋红色至绿色的范围、黄色至蓝色的范围)色彩空间，得到多个取值分布族的像素在LAB色彩空间的取值，计算每个取值分布族的均值，将不同的取值分布族进行两两对比，进行色差分析。若对比后的差值小于预设阈值，则认为这两个取值分布族为同一种颜色或相近颜色，将这两个取值分布族进行合并；若差值大于或等于预设阈值，则不做操作，并认为这两个取值分布族为色彩不相关的两个族。经过调整后，得到新的分布族，根据新的分布族确定目标人员的颜色组成以及各颜色的取值占比。例如，在得到每个分布族在L、A和B域的像素值后，统计每个分布族的像素数在L、A和B域上所占的比例，即得到各颜色的取值占比。这样设置的有益效果在于，通过采用LAB色彩空间，可以提取目标人员的多种颜色成分，不仅能处理单一颜色的衣服，且通过确定目标人员的颜色取值占比，有效提高目标人员的查询精度。

S140、将取值占比存储至数据库中，以便于根据数据库中的数据对目标人员进行查询。

其中，待查询图像为预先上传的与目标人员当前穿着一致的照片。目标人员在进行到摄像头拍摄领域时，预先上传目标人员的相关信息，例如，可以包括目标人员当前穿着的照片、姓名和身份证等信息。在得到目标人员的取值占比后，将目标人员取值占比的数据存储至数据库中与该目标人员对应的位置上，完善该目标人员的数据。当需要查询目标人员时，可以输入目标人员的颜色数据，从数据库中查找与该颜色数据一致的人员信息。例如，数据库中存储了穿着黄色、穿着红色、穿着50％绿色和50％蓝色以及穿着30％绿色和70％蓝色的人员，现在需要查找穿着绿色和蓝色的目标人员，则输入绿色和蓝色，得到穿着50％绿色和50％蓝色以及穿着30％绿色和70％蓝色的人员，从穿着50％绿色和50％蓝色以及穿着30％绿色和70％蓝色的人员中查找目标人员，解决了现有技术中，只能通过输入单一颜色查找目标人员的问题，提高目标人员的查询效率。

本实施例的技术方案，通过从目标人员图像中获取目标人员区域，对目标人员区域进行聚类，得到多个取值分布族，根据取值分布族在色彩空间的像素值，确定目标人员的色彩取值占比，根据取值占比对目标人员进行查询。解决了现有技术中通过人脸或单一色彩进行人员数据的存储与查询，所造成的目标人员查询精度低的问题，通过确认色彩组成，提高了目标人员查询的效率和精度。

实施例二

图3为本发明实施例二所提供的一种目标人员的查询方法的流程示意图，本实施例以上述实施例为基础进行进一步的优化，该方法可以由一种目标人员的查询装置来执行。如图3所示，该方法具体包括如下步骤：

S310、获取目标人员图像，确定目标人员图像中的目标人员区域。

S320、确定目标人员区域的像素点在RGB空间中的取值，根据RGB空间中的取值对目标人员区域进行聚类处理，得到至少两个取值分布族。

S330、基于LAB空间对至少两个取值分布族进行色差分析，得到取值分布族的调整结果。

其中，确定每个取值分布族的像素在LAB色彩空间中的取值，计算每个取值分布族的像素均值，根据像素均值进行色差分析，针对色差分析结果，对取值分布族进行调整。若抽取三个时刻的目标人员图像，则对三个时刻的目标人员均进行色差分析，结合三个时刻的色差分析结果，来提高取值分布族的调整精度。

本实施例中，可选的，基于LAB空间对至少两个取值分布族进行色差分析，得到取值分布族的调整结果，包括：根据至少两个取值分布族在LAB空间中的像素均值，以及图片模糊程度，确定至少两个取值分布族的颜色差值；将颜色差值小于预设阈值的两个取值分布族，调整为同种颜色的分布族。

具体的，确定至少两个取值分布族像素点在LAB色彩空间中的取值，计算取值分布族的像素均值，根据像素均值和图片模糊程度进行色差分析，确定取值分布族之间的颜色差值。若颜色差值大于或等于预设阈值，则认为该两个取值分布族为色彩不相关的两个族；若颜色差值小于预设阈值，则将这两个取值分布族合并为一个分布族，分布族的数量小于或等于取值分布族的数量。这样设置的有益效果在于，不同模糊程度的图片，对像素取值会产生不同的影响，通过考虑图片模糊程度，使不同质量的图像有不同的权重影响因子来影响颜色差值的计算，提高色差分析的精确度，进而提高目标人员的查询精度。

本实施例中，可选的，根据至少两个取值分布族在LAB空间中的像素均值，以及图片模糊程度，确定至少两个取值分布族的颜色差值，包括：根据至少两个取值分布族的像素均值，确定任意两个取值分布族在LAB空间的L、A和B域上的像素差值；根据像素差值和图片模糊程度，确定任意两个取值分布族的颜色差值；通过如下公式计算颜色差值：

其中，Y是两个取值分布族之间的颜色差值，Δl是两个取值分布族在L域的像素差值，Δa是两个取值分布族在A域的像素差值，Δb是两个取值分布族在B域的像素差值，*l、*a和*b为预设参数，α是图片模糊程度。

具体的，在确定某一个时刻的至少两个取值分布族的像素均值后，分别确定两个取值分布族在L、A和B域上像素值的差值。根据两个取值分布族在三个域上的像素差值以及图片模糊程度，计算这两个取值分布族的颜色差值。

颜色差值的计算公式可以如下表示：

其中，Y是两个取值分布族之间的颜色差值，Δl是两个取值分布族在L域的像素差值，Δa是两个取值分布族在A域的像素差值，Δb是两个取值分布族在B域的像素差值，*l、*a和*b为预设参数，α是图片模糊程度。例如，*l可以设为1，*a可以设为1+0.045Δa，*b可以设为1+0.015Δb。这样设置的有益效果在于，可以根据不同颜色自动设置预设参数，使预设参数对于不同颜色有着不同的取值，提高目标人员的查询精度。

S340、根据取值分布族的调整结果确定目标人员区域的取值占比。

S350、将取值占比存储至数据库中，以便于根据数据库中的数据对目标人员进行查询。

本发明实施例通过从目标人员图像中获取目标人员区域，对目标人员区域进行聚类，得到多个取值分布族，根据取值分布族在LAB色彩空间的像素值，计算不同取值分布族之间的颜色差值，将同种颜色的取值分布族进行合并，得到目标人员颜色分布的分布族，从而确定目标人员的色彩取值占比，根据取值占比对目标人员进行查询。解决了现有技术中通过人脸或单一色彩进行人员查询，所造成的目标人员查询精度低的问题，通过确认色彩组成，提高了目标人员查询的效率和精度。

实施例三

图4为本发明实施例三所提供的一种目标人员的查询装置的结构框图，可执行本发明任意实施例所提供的目标人员的查询方法，具备执行方法相应的功能模块和有益效果。如图4所示，该装置具体包括：

目标区域确定模块401，用于获取目标人员图像，确定所述目标人员图像中的目标人员区域；

取值分布族获得模块402，用于确定所述目标人员区域的像素点在RGB空间中的取值，根据所述RGB空间中的取值对所述目标人员区域进行聚类处理，得到至少两个取值分布族；

占比确定模块403，用于根据所述至少两个取值分布族确定目标人员区域的取值占比；

目标查询模块404，用于将取值占比存储至数据库中，以便于根据数据库中的数据对目标人员进行查询。

可选的，该装置还包括：

色差分析模块，用于基于LAB空间对至少两个取值分布族进行色差分析，得到取值分布族的调整结果；

相应的，占比确定模块403，具体用于：

根据取值分布族的调整结果确定目标人员区域的取值占比。

可选的，目标区域确定模块401，包括：

图像获得单元，用于按照预设周期对录入目标人员的视频数据进行抽帧，得到目标人员图像。

可选的，目标区域确定模块401，还包括：

行人框确定单元，用于从目标人员图像中确定目标人员行人框最大、目标人员行人框没有遮挡和/或随机的目标人员行人框的目标人员区域；其中，行人框是包括至少一个行人的图像区域。

可选的，色差分析模块，包括：

颜色差值确定单元，用于根据至少两个取值分布族在LAB空间中的像素均值，以及图片模糊程度，确定至少两个取值分布族的颜色差值；

分布族调整单元，用于将颜色差值小于预设阈值的两个取值分布族，调整为同种颜色的分布族。

可选的，颜色差值确定单元，具体用于：

根据至少两个取值分布族的像素均值，确定任意两个取值分布族在LAB空间的L、A和B域上的像素差值；

根据像素差值和图片模糊程度，确定任意两个取值分布族的颜色差值；

通过如下公式计算颜色差值：

可选的，该装置还包括：

目标检测模块，用于基于faster RCNN网络和FPN网络结构，得到目标人员检测网络，以便于对目标人员进行检测和追踪；其中，faster RCNN网络用于对目标人员进行检测，FPN网络用于实现对小目标的目标人员进行检测。

本发明实施例通过从目标人员图像中获取目标人员区域，对目标人员区域进行聚类，得到多个取值分布族，根据取值分布族在色彩空间的像素值，确定目标人员的色彩取值占比，根据取值占比对目标人员进行查询。解决了现有技术中通过人脸或单一色彩进行人员查询，所造成的目标人员查询精度低的问题，通过确认色彩组成，提高了目标人员查询的效率和精度。

实施例四

图5是本发明实施例四提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备500的框图。图5显示的计算机设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机设备500以通用计算设备的形式表现。计算机设备500的组件可以包括但不限于：一个或者多个处理器或者处理单元501，系统存储器502，连接不同系统组件(包括系统存储器502和处理单元501)的总线503。

总线503表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机设备500典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备500访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器502可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)504和/或高速缓存存储器505。计算机设备500可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统506可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线503相连。存储器502可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块507的程序/实用工具508，可以存储在例如存储器502中，这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备500也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信，还可与一个或者多个使得用户能与该计算机设备500交互的设备通信，和/或与使得该计算机设备500能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口511进行。并且，计算机设备500还可以通过网络适配器512与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器512通过总线503与计算机设备500的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元501通过运行存储在系统存储器502中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种目标人员的查询方法，包括：

获取目标人员图像，确定目标人员图像中的目标人员区域；

确定目标人员区域的像素点在RGB空间中的取值，根据RGB空间中的取值对目标人员区域进行聚类处理，得到至少两个取值分布族；

根据至少两个取值分布族确定目标人员区域的取值占比；

将取值占比存储至数据库中，以便于根据数据库中的数据对目标人员进行查询。

实施例五

本发明实施例五还提供一种包含计算机可执行指令的存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的一种目标人员的查询方法，包括：

获取目标人员图像，确定目标人员图像中的目标人员区域；

根据至少两个取值分布族确定目标人员区域的取值占比；

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims

1.一种目标人员的查询方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，在根据所述至少两个取值分布族确定目标人员区域的取值占比之前，所述方法还包括：

基于LAB空间对所述至少两个取值分布族进行色差分析，得到取值分布族的调整结果；

相应的，根据所述至少两个取值分布族确定目标人员区域的取值占比，包括：

根据所述取值分布族的调整结果确定目标人员区域的取值占比。

3.根据权利要求1所述的方法，其特征在于，获取目标人员图像，包括：

按照预设周期对录入目标人员的视频数据进行抽帧，得到所述目标人员图像。

4.根据权利要求1所述的方法，其特征在于，确定所述目标人员图像中的目标人员区域，包括：

从所述目标人员图像中确定所述目标人员行人框最大、所述目标人员行人框没有遮挡和/或随机的目标人员行人框的所述目标人员区域；其中，所述行人框是包括至少一个行人的图像区域。

5.根据权利要求2所述的方法，其特征在于，基于LAB空间对所述至少两个取值分布族进行色差分析，得到取值分布族的调整结果，包括：

根据所述至少两个取值分布族在LAB空间中的像素均值，以及图片模糊程度，确定所述至少两个取值分布族的颜色差值；

将所述颜色差值小于预设阈值的两个取值分布族，调整为同种颜色的分布族。

6.根据权利要求5所述的方法，其特征在于，根据所述至少两个取值分布族在LAB空间中的像素均值，以及图片模糊程度，确定所述至少两个取值分布族的颜色差值，包括：

根据所述至少两个取值分布族的像素均值，确定任意两个取值分布族在LAB空间的L、A和B域上的像素差值；

根据所述像素差值和图片模糊程度，确定任意两个取值分布族的颜色差值；

通过如下公式计算所述颜色差值：

7.根据权利要求1所述的方法，其特征在于，在获取目标人员图像之后，还包括：

基于faster RCNN网络和FPN网络结构，得到所述目标人员检测网络，以便于对所述目标人员进行检测和追踪；其中，所述faster RCNN网络用于对所述目标人员进行检测，FPN网络用于实现对小目标的目标人员进行检测。

8.一种目标人员的查询装置，其特征在于，包括：

目标查询模块，用于将所述取值占比存储至数据库中，以便于根据数据库中的数据对目标人员进行查询。

9.一种计算机设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的目标人员的查询方法。

10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的目标人员的查询方法。