图像检测方法及装置和系统、电子设备和存储介质与流程

本公开涉及计算机视觉技术领域，尤其涉及一种图像检测方法及装置和系统、电子设备和存储介质。

背景技术：

近年来，在一些商场、企业、交通枢纽或者机场等公共场所，需要执行人流量统计，但是由于存在的人数众多，且由于行人的活动特性，很难采集完整的人脸和人体图像，进而很难精确的识别出人物对象。

技术实现要素：

本公开提出了一种图像处理的技术方案。

根据本公开的一方面，提供了一种图像检测方法，其包括：接收至少两个采集设备发送的待检测图像，所述至少两个采集设备的图像采集范围不同；对至少两个所述待检测图像执行检测处理，得到至少两个所述待检测图像分别对应的检测结果，所述检测结果包括所述待检测图像中的检测对象的检测框，以及所述待检测图像中所述检测框对应的图像特征；基于至少两个所述待检测图像对应的所述检测结果，识别至少两个所述待检测图像中是否包括同一检测对象。基于上述配置，可以实现多范围的图像采集，获取更全面的待检测图像，以及通过检测处理的检测结果可以得到更精确的检测对象的识别。

在一些可能的实施方式中，所述基于至少两个所述待检测图像对应的所述检测结果，识别至少两个所述待检测图像中是否包括同一检测对象，包括：基于所述检测结果中所述检测对象的检测框的位置，确定所述待检测图像中匹配的人脸和人体；基于所述待检测图像中匹配的人脸和人体，确定所述待检测图像中包括的检测对象；基于至少两个所述待检测图像中分别包括的检测对象的图像特征，识别至少两个所述待检测图像中是否包括同一检测对象。基于上述配置，可以根据待检测图像中人体和人脸检测框的位置，确定匹配的人体和人脸，从而精确地识别出待检测图像中的各个检测对象。

在一些可能的实施方式中，所述基于所述检测结果中所述检测对象的检测框的位置，确定所述待检测图像中匹配的人脸和人体，包括：基于所述检测结果中人脸检测框的位置和人体检测框的位置，确定所述人脸检测框和人体检测框之间的面积交并比；将所述面积交并比大于面积阈值的人脸检测框和人体检测框分别对应的人脸和人体确定为匹配的人脸和人体。基于上述配置，可以根据人脸检测框和人体检测框之间的面积交并比，进一步准确的确定匹配的人体和人脸，具有简单方便的特点，且能够提高检测对象的确定精度。

在一些可能的实施方式，所述基于至少两个所述待检测图像中分别包括的检测对象的图像特征，识别至少两个所述待检测图像中是否包括同一检测对象，包括：确定各所述待检测图像中分别包括的检测对象中的人脸图像特征之间的第一相似度；在各所述待检测图像中的人脸图像特征之间的第一相似度大于第一阈值的情况下，确定各所述待检测图像中包括同一检测对象。基于上述配置，通过人脸图像特征的比对，将第一相似度大于第一阈值的两个人脸图像特征对应的检测对象确定为同一检测对象，可以提高相同检测对象的检测精度。

在一些可能的实施方式中，所述方法还包括：在各所述待检测图像中的人脸图像特征之间的第一相似度小于或者等于所述第一阈值的情况下，确定各所述待检测图像中包括不同检测对象。通过该配置，可以方便的根据人脸图像特征之间的第一相似度小于第一阈值对的情况，准确的确定不同检测对象。

在一些可能的实施方式，所述方法还包括：在各所述待检测图像中的人脸图像特征之间的第一相似度小于或者等于所述第一阈值的情况下，获得各所述待检测图像中与所述人脸匹配的人体图像特征之间的第二相似度；在各所述待检测图像中与所述人脸匹配的人体图像特征之间的第二相似度大于第二阈值的情况下，确定各所述待检测图像中包括同一检测对象。基于上述配置，由于检测对象的移动特性或者图像质量的影响，人脸图像特征可能不能完全的展现出检测对象的特征，因此，在人脸图像特征之间的第一相似度小于第一阈值的情况下，可以进一步根据人体图像特征之间的第二相似度确定检测对象的相同或者不同，进一步提高检测识别的精度。

在一些可能的实施中，所述方法还包括：获取采集各待检测图像的时间；基于采集各待检测图像的时间，确定各待检测图像中包括的检测对象的停留时间。基于该配置，可以方便对各检测对象的停留时间或者出行时间等信息进行统计和分析。

在一些可能的实施方式中，在识别至少两个所述待检测图像中是否包括同一检测对象之后，所述方法还包括：基于各待检测图像中包括的相同的检测对象以及不同的检测对象，确定各检测对象的流量数据。通过上述配置，可以方便且精确的识别出检测对象的数量，以方便对检测对象的流量进行统计。

在一些可能的实施方式中，所述基于各待检测图像中包括的相同的检测对象以及不同的检测对象，确定各检测对象的流量数据，包括：为相同的检测对象分配相同的标识，为不同的检测对象分配不同的标识；基于预设时间范围内采集的各待检测图像中包括的检测对象的标识，执行检测对象的去重处理，得到所述预设时间范围内的各检测对象的流量数据。基于上述配置，通过设置标识区分相同对象和不同对象，可以方便检测对象的管理，同时利用标识的数量也可以方便统计检测对象的数量；另外，还可以根据设定的时间确定设定时间内的流量数据，具有更好的适用性。

在一些可能的实施方式中，所述方法还包括：基于各所述待检测图像中包括的检测对象的图像特征，识别所述检测对象的属性特征；所述属性特征包括年龄、性别、肤色、服饰中的至少一种。通过上述配置，可以更加全面的获知关于检测对象的特征，方便对于不同特征的检测对象进行统计。

在一些可能的实施方式中，所述方法还包括：基于统计的检测对象的数量以及检测对象的属性特征中的至少一种形成基于属性特征的统计报表。基于上述配置，可以直观的显示和了解检测对象的数量统计以及不同属性特征的检测对象数据统计。

在一些可能的实施方式中，所述至少两个采集设备包括：用于拍摄设定区域的入口处的第一图像的第一采集设备；用于拍摄所述设定区域的过道处的第二图像的所述第二采集设备。通过该方式，可以方便的采集不同范围的图像，同时由于入口处的正脸采集概率高，可方便的用于实现检测对象的检测。

在一些可能的实施方式中，所述第一采集设备安装在第一显示设备的一端；所述第二采集设备安装在第二显示设备的一端。基于该配置，可以方便的实现显示设备所在区域的检测对象的流量，可以应用各种商业场景。

根据本公开的第二方面，提供了一种图像检测系统，其包括：至少两个采集设备和处理设备，其中，所述至少两个采集设备的图像采集范围不同；所述至少两个采集设备，用于采集待检测图像并发送给所述处理设备；处理设备，用于对各采集设备采集的待检测图像执行如第一方面中任意一项所述的图像检测方法。基于上述配置，可以实现多范围的图像采集，获取更全面的待检测图像，以及通过检测处理的检测结果可以得到更精确的检测对象的识别。

根据本公开的第三方面，提供了一种图像检测装置，其包括：接收模块，用于接收至少两个采集设备发送的待检测图像，所述至少两个采集设备的图像采集范围不同；检测模块，用于对至少两个所述待检测图像执行检测处理，得到至少两个所述待检测图像分别对应的检测结果，所述检测结果包括所述待检测图像中的检测对象的检测框，以及所述待检测图像中所述检测框对应的图像特征；识别模块，用于基于至少两个所述待检测图像对应的所述检测结果，识别至少两个所述待检测图像中是否包括同一检测对象。基于上述配置，可以实现多范围的图像采集，获取更全面的待检测图像，以及通过检测处理的检测结果可以得到更精确的检测对象的识别。

在一些可能的实施方式中，所述识别模块包括：第一确定单元，用于基于所述检测结果中所述检测对象的检测框的位置，确定所述待检测图像中匹配的人脸和人体；第二确定单元，基于所述待检测图像中匹配的人脸和人体，确定所述待检测图像中包括的检测对象；识别单元，基于至少两个所述待检测图像中分别包括的检测对象的图像特征，识别至少两个所述待检测图像中是否包括同一检测对象。基于上述配置，可以根据待检测图像中人体和人脸检测框的位置，确定匹配的人体和人脸，从而精确地识别出待检测图像中的各个检测对象。

在一些可能的实施方式中，所述第一确定单元还用于基于所述检测结果中人脸检测框的位置和人体检测框的位置，确定所述人脸检测框和人体检测框之间的面积交并比；将所述面积交并比大于面积阈值的人脸检测框和人体检测框分别对应的人脸和人体确定为匹配的人脸和人体。基于上述配置，可以根据人脸检测框和人体检测框之间的面积交并比，进一步准确的确定匹配的人体和人脸，具有简单方便的特点，且能够提高检测对象的确定精度。

在一些可能的实施方式中，所述识别单元还用于确定各所述待检测图像中分别包括的检测对象中的人脸图像特征之间的第一相似度；在各所述待检测图像中的人脸图像特征之间的第一相似度大于第一阈值的情况下，确定各所述待检测图像中包括同一检测对象。基于上述配置，通过人脸图像特征的比对，将第一相似度大于第一阈值的两个人脸图像特征对应的检测对象确定为同一检测对象，可以提高相同检测对象的检测精度。

在一些可能的实施方式中，所述识别单元还用于在各所述待检测图像中的人脸图像特征之间的第一相似度小于或者等于所述第一阈值的情况下，确定各所述待检测图像中包括不同检测对象。通过该配置，可以方便的根据人脸图像特征之间的第一相似度小于第一阈值对的情况，准确的确定不同检测对象。

在一些可能的实施方式中，所述识别单元还用于在各所述待检测图像中的人脸图像特征之间的第一相似度小于或者等于所述第一阈值的情况下，获得各所述待检测图像中与所述人脸匹配的人体图像特征之间的第二相似度；在各所述待检测图像中与所述人脸匹配的人体图像特征之间的第二相似度大于第二阈值的情况下，确定各所述待检测图像中包括同一检测对象。基于上述配置，由于检测对象的移动特性或者图像质量的影响，人脸图像特征可能不能完全的展现出检测对象的特征，因此，在人脸图像特征之间的第一相似度小于第一阈值的情况下，可以进一步根据人体图像特征之间的第二相似度确定检测对象的相同或者不同，进一步提高检测识别的精度。

在一些可能的实施凡是中，所述识别模块还用于获取采集各待检测图像的时间，并基于采集各待检测图像的时间，确定各待检测图像中包括的检测对象的停留时间。基于该配置，可以方便对各检测对象的停留时间或者出行时间等信息进行统计和分析。

在一些可能的实施方式中，所述装置还包括流量统计模块，用于基于各待检测图像中包括的相同的检测对象以及不同的检测对象，确定各检测对象的流量数据。通过上述配置，可以方便且精确的识别出检测对象的数量，以方便对检测对象的流量进行统计。

在一些可能对的实施方式中，所述流量统计模块还用于为相同的检测对象分配相同的标识，为不同的检测对象分配不同的标识；基于预设时间范围内采集的各待检测图像中包括的检测对象的标识，执行检测对象的去重处理，得到所述预设时间范围内的各检测对象的流量数据。基于上述配置，通过设置标识区分相同对象和不同对象，可以方便检测对象的管理，同时利用标识的数量也可以方便统计检测对象的数量；另外，还可以根据设定的时间确定设定时间内的流量数据，具有更好的适用性。

在一些可能的实施方式中，所述检测模块还用于基于各所述待检测图像中包括的检测对象的图像特征，识别所述检测对象的属性特征；所述属性特征包括年龄、性别、肤色、服饰中的至少一种。通过上述配置，可以更加全面的获知关于检测对象的特征，方便对于不同特征的检测对象进行统计。

在一些可能的实施方式中，所述装置还包括生成模块，用基于统计的检测对象的数量以及检测对象的属性特征中的至少一种形成基于属性特征的统计报表。基于上述配置，可以直观的显示和了解检测对象的数量统计以及不同属性特征的检测对象数据统计。

在一些可能的实施方式中，所述至少两个采集设备包括：用于拍摄设定区域的入口处的第一图像的第一采集设备；用于拍摄所述设定区域的过道处的第二图像的所述第二采集设备。通过该方式，可以方便的采集不同范围的图像，同时由于入口处的正脸采集概率高，可方便的用于实现检测对象的检测。

在一些可能的实施方式中，所述第一采集设备安装在第一显示设备的一端；所述第二采集设备安装在第二显示设备的一端。基于该配置，可以方便的实现显示设备所在区域的检测对象的流量，可以应用各种商业场景。

根据本公开的第四方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行第一方面中任意一项所述的方法。

根据本公开的第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现第一方面中任意一项所述的方法。

在本公开实施例中，可以利用至少两个采集设备，用于采集不同采集范围内的图像，实现跨境头图像采集，通过对采集的至少两个图像执行目标检测处理，得到各图像中的检测对象的检测框以及图像中对应检测框的图像特征，基于得到的各检测框的图像特征可识别采集到的图像中是否包括相同的检测对象。通过上述配置，可以实现应用场所内不同采集范围内图像的全面采集，即使在人流众多或者行人移动速度较快的情况下，也能够全面的采集行人图像，而且通过对图像执行检测处理，可以得到每个图像中检测对象的检测框以及对应的特征，以此确定图像是否包括相同的检测对象，具有检测方便且准确的特点。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的一种图像检测方法的流程图；

图2示出根据本公开实施例执行图像质量检测的流程图；

图3示出根据本公开实施例执行目标检测处理的检测结果示意图；

图4示出根据本公开实施例的一种图像检测方法中步骤s20的流程图；

图5示出根据本公开实施例的一种图像检测方法中步骤s20的另一流程图；

图6示出根据本公开实施例的一种图像检测方法中步骤s30的流程图；

图7示出根据本公开实施例的一种图像检测方法中步骤s31的流程图；

图8示出根据本公开实施例的一种图像检测方法中步骤s33的流程图；

图9示出根据本公开实施例的图像检测方法中执行流量数据统计的流程图；

图10示出根据本公开实施例的一种图像检测方法的应用示意图；

图11示出根据本公开实施例的一种图像检测系统的框图；

图12示出根据本公开实施了的一种图像检测装置的框图；

图13示出根据本公开实施例的一种电子设备的框图；

图14示出根据本公开实施例的另一种电子设备的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种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。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

本公开实施例提供了一种图像检测方法，该方法可以用于执行采集图像中相同检测对象的识别，该方法的执行主体可以是任意的图像处理装置，例如，可以由终端设备或服务器或其它处理设备执行，其中，终端设备可以为用户设备(userequipment，ue)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(personaldigitalassistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等。服务器可以为云端服务器或者本地服务器。在一些可能的实现方式中，该图像检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。

图1示出根据本公开实施例的一种图像检测方法的流程图，如图1所示，图像检测方法包括：

s10：接收至少两个采集设备发送的待检测图像，至少两个采集设备的图像采集范围不同；

本公开实施例中，可以在应用场所内设置多个采集设备，用以采集不同采集范围的图像。例如，本公开实施例可以应用在公共场所内，例如可以应用在商场、企业、学校、车站、机场等公共场所，上述仅为示例性说明，不作为本公开的具体限定。在应用场景内可以装设至少两个采集设备，该至少两个采集设备可以设置在相同的位置，或者也可以设置在不同位置，或者部分采集设备设置在相同位置，部分采集设备设置在不同的位置，本公开实施例对此不作具体限定。另外，本公开实施例的采集设备的图像采集范围不同，从而实现跨境头的全面图像采集。其中可以通过调整采集设备的方向、位置来调节采集范围。或者也可以根据采集设备的类型调节采集范围。例如，长焦摄像头可以采集较远距离范围的图像，中短焦距的摄像头可以采集近距离范围的图像。对于采集范围的选择和设定，本领域技术人员可以根据需求进行选择。另外，采集设备可以包括照相机、摄像头或者其他任意具有图像采集功能的图像采集设备。

在一个示例中，采集设备可以设置在广告位的显示屏上或者周围，用以采集对应的采集范围的图像。其中，广告位可以为展示广告宣传内容的位置区域，该广告位中可以布置显示屏，用以显示所需展示的广告宣传内容，或者也可有设置静态宣传画面，本公开对此不做具体限定。

其中，在广告位周围或者广告位上设置的显示屏中，可以设置至少两个采集设备，通过设置的采集设备采集不同区域范围的图像。例如，可以在显示屏周围或者显示屏上设置至少两个摄像头，如第一摄像头和第二摄像头，其中第一摄像头可以采集与广告位之间的距离为第一距离范围内的位置区域的第一图像，第二摄像头可以采集与广告位之间的距离为第二距离范围内的位置区域的第二图像。其中，第一距离范围的距离值大于第二距离范围的距离值。例如，本公开实施例中的第一摄像头可以为长焦摄像头，对应的第一距离范围可以为12m-20m，第二摄像头可以为中短焦摄像头，对应的第二距离范围可以为0-12m。上述距离范围仅为示例性说明，在其他实施例中也可以为其他的距离范围。

或者在其他实施例中，也可以将至少两个采集设备分别设置在不同的广告位上，如两个广告位可以相邻或者相对设置，其中每个广告位的显示屏或者周围都可以设置至少一个采集设备，用以采集不同采集范围的图像。在一个实例中，采集设备可以包括用于拍摄设定区域的入口处的第一图像的第一采集设备；以及用于拍摄设定区域的过道处的第二图像的第二采集设备。

示例性的，在机场中，可以在安检通道的两侧设有广告位，乘客在进行安检时首先要过一个入口，入口处有安检人员逐个乘客检查机票和证件，乘客等待检查完毕过逐个经过入口。乘客经过入口后，即走入安检通道。在安检通道距离入口15m距离处，有左边、右边两块广告位，可以用于设置商用led电子屏，两块led电子屏(第一显示设备以及第二显示设备)之间的距离为14m。对应的，在每个led电子屏中或者周围可以设置至少一个采集设备，如在第一个显示设备上设有第一采集设备，在第二显示设备上设有第二采集设备。该两个采集设备可以分别采集不同范围的图像。例如其中一个采集设备，如左边显示屏上设置的第一摄像头可以采集入口处的乘客图像，右边显示屏上设置的第二摄像头可以采集通道内的乘客图像，从而可以获得两个位置区域内的图像。

在一些可能的实施方式中，采集设备采集到相应的图像的情况下，可以将采集的图像作为待检测图像发送给执行本公开实施例的图像检测方法的电子设备，或者也可以预先存储采集的图像，根据收到的图像发送指令将与图像发送指令对应的待检测图像传输给电子设备。图像发送指令可以包括时间信息，用于从存储的图像中选择出与时间信息对应的图像，即为待检测图像，并将待检测图像发送给电子设备。

在一些可能的实施方式中，还可以对采集图像进行筛选，将满足质量要求的图像作为待检测图像发送给电子设备，从而可以提高图像检测的精度，在用于执行流量统计时也能提高统计精度。

s20：对至少两个待检测图像执行检测处理，得到至少两个待检测图像分别对应的检测结果，检测结果包括待检测图像中的检测对象的检测框，以及待检测图像中检测框对应的图像特征；

在一些可能的实施方式中，在得到采集设备采集的图像的情况下，可以分别对待检测图像执行检测处理，得到待检测图像的检测结果，检测结果可以包括待检测图像中检测对象的检测框，以及与检测框对应的图像特征。

在一些可能的实施方式中，可以利用目标检测神经网络分别对待检测图像执行目标检测处理，得到待检测图像的检测结果，如上述实施例所述，待检测对象的检测结果包括待检测图像中检测对象的检测框，以及待检测图像中与检测框对应的图像特征。其中，检测对象可以包括人，在执行检测处理的过程中，可以检测人脸和人体。也就是说，通过本公开实施例的图像检测方法，可以得到待检测图像中的人脸检测框(简称为人脸检测框)、人体检测框(简称为人体检测框)以及人脸检测框对应的图像特征(人脸图像特征)和人体检测框对应的图像特征(人体图像特征)。

其中，本公开实施例可以通过神经网络执行上述目标检测处理，例如可以通过一个神经网络同时执行待检测图像中人脸和人体的检测，该神经网络可以为经过训练能够同时检测出输入图像内的人脸以及人体的位置，得到人脸和人体分别对应的检测框，上述位置可以为相应的检测框的位置。或者在其他实施例中，也可以通过两个神经网络分别执行人脸的检测，以及人体的检测。例如可以利用执行人脸检测的神经网络检测待检测图像中的人脸的位置，得到人脸检测框，可以利用执行人体检测的神经网络检测待检测图像中的人体的位置，得到人体检测框，同样地上述位置可以为相应的检测对象的检测框的位置。

在一些可能的实施方式中，采集设备除了包括摄像头，还可以包括用于执行目标检测的电子器件以及执行数据通信的通信器件，在检测出待检测图像中人脸和人体检测框的情况下，可以将各待检测图像中人脸和人体检测框的位置发送给服务器或者其他处理设备，继续后续处理。或者，在其他实施方式中，也可以直接将摄像头采集的图像传输至其他图像处理设备或者服务器，执行目标检测处理以及后续的人流量分析。通过上述配置可以解决广告位内的显示屏无摄像头成像以及有摄像头但是具有摄像头的终端计算能力低和占用率高的问题，同时通过跨摄像头执行图像采集，可以降低了本地设备的宽带压力，非常灵活轻便。

在一些可能的实施方式中，在检测到待检测图像中的检测对象的检测框情况下，例如在检测到人脸检测框以及人体检测框的情况下，还可以得到检测框对应的图像区域的图像特征。即可以得到待检测图像中的人脸图像特征和人体图像特征。

本公开实施例可以首先得到待检测图像的图像特征，进而根据待检测图像中的人体检测框和人脸检测框的位置，对应的从待检测图像的图像特征中确定出人体检测框对应的图像特征(即人体图像特征)以及人脸检测框对应的图像特征(即人脸图像特征)。或者，也可以对待检测图像中与人脸检测框对应的图像区域，以及与人体检测框分别对应的图像区域，执行特征提取处理，进而得到待检测图像中的人体检测框对应的图像特征(即人体图像特征)以及人脸检测框对应的的图像特征(即人脸图像特征)。上述仅为示例性说明，也可以通过其他方式确定第待检测图像中检测对象的检测框对应的图像特征。

s30：基于至少两个待检测图像对应的检测结果，识别至少两个待检测图像中是否包括同一检测对象。基于至少两个待检测图像对应的检测结果，识别至少两个待检测图像中是否包括同一检测对象

在一些可能的实施方式中，在得到待检测图像中各检测对象的图像特征的情况下，可以根据待检测图像中检测对象的图像特征确定出匹配的人体和人脸。例如可以利用人脸图像特征以及人体图像特征确定匹配的人脸和人体，并将匹配的人脸和人体确定为一个人检测对象。进而通过各待检测图像中确定出的检测对象的图像特征之间的相似度，确定各检测对象中是否存在重复出现的检测对象，进而可以方便的实现待检测图像中检测对象的去重处理。

基于上述配置，在本公开实施例中，可以利用至少两个采集设备用于采集不同采集范围内的图像，实现跨境头图像采集，通过对采集的至少两个图像执行目标检测处理，得到各图像中的检测对象的检测框以及图像中对应检测框的图像特征，基于得到的各检测框的图像特征可识别采集到的图像中是否包括相同的检测对象。通过上述配置，可以实现应用场所内不同采集范围内图像的全面采集，即使在人流众多或者行人移动速度较快的情况下，也能够全面的采集行人图像，而且通过对图像执行检测处理，可以得到每个图像中检测对象的检测框以及对应的特征，以此确定图像是否包括相同的检测对象，具有检测方便且准确的特点。

下面结合附图对本公开实施例进行详细说明。

如上述实施例所述，本公开实施例可以在需要执行人流量分析或者目标检测和识别的场景中，设置至少两个采集设备。例如可以在广告位的显示屏上设置采集设备，或者可以在广告位周围设置采集设备，用以采集不同位置范围的图像。其中，在一些可能的实施方式中，两个或者多个广告位可以共用该至少两个采集设备。例如，相邻设置的广告位或者设置在通道中相对设置的两个广告位可以共用该至少两个采集设备。例如，一个摄像头可以设置在一个广告位的显示屏中或者周围，另一个摄像头可以设置在相邻或者相对设置的广告位的显示屏中或者周围，从而可以在保证全面采集图像的前提下还能够降低成本。

另外，如上述实施例所述，本公开实施例可以根据采集的图像的图像质量对采集的图像进行筛选，确定待检测图像，从而减少不必要的图像处理过程。图2示出根据本公开实施例执行图像质量检测的流程图。其中，在分别对第一图像和第二图像执行目标检测处理之前，方法还包括：

s11：对采集设备采集的图像执行质量评价处理，分别得到采集的图像的质量参数；

s12：在图像的质量参数低于质量阈值的情况下，删除该图像，将保留的图像确定为待检测图像。

在一些可能的实施方式中，在得到通过图像采集设备采集的图像的情况下，可以对采集的图像执行质量评价处理，即执行图像质量评估处理，得到各采集图像对应的图像质量。其中针对不同的图像质量评价方法，得到的图像质量的数据类型也可以不同。

在一个示例中，可以利用采集的图像的均值和方差来作为图像质量的质量参数，其中可以根据采集的图像中各像素点的像素值得到图像均值，以及基于该图像均值可以得到图像对应的方差。其中，均值和方差的表达式可以为下式：

其中，μ表示均值，n表示采集的图像中的像素点的数量，xi表示第i个像素点的像素值，σ表示方差。

通过上述方式可以得到采集的图像对应的均值和方差，并可以将均值和方差中的至少一个参数作为评价图像质量的质量参数。例如，在将均值作为质量参数的情况下，将每个图像的均值与均值阈值进行比较，如果图的均值小于均值阈值，则说明该图像的图像质量较差，此时可以删除该图像，而在图像的均值大于均值阈值的情况下，该图像可以作为待检测图像执行后续处理。或者在将方差作为质量参数的情况下，将每个图像的方差与方差阈值进行比较，如果图像的方差小于方差阈值，则说明该图像的图像质量较差，此时可以删除该图像，而在图像的方差大于方差阈值的情况下，该图像可以作为待检测图像执行后续处理。或者也可以同时将均值和方差作为质量参数，并且只有在采集的图像的均值大于均值阈值以及方差大于方差阈值的情况下，此时才可以将该图像作为待检测图像做后续处理，否则，在均值小于均值阈值或者方差小于方差阈值的情况下，可以删除该图像。

或者，在其他实施例中，也可以通过将采集的图像输入至能够执行图像质量评价的神经网络中，通过神经网络输出对应图像的图像质量分数，在得到的图像质量分数小于分数阈值的情况下，表明对应图像的图像质量较差，此时可以删除该图像，不对图像执行后续处理，相反，大于分数阈值的图像可以作为待检测图像执行后续处理。

上述方差阈值、均值阈值以及分数阈值均可以根据需求设定，本公开对此不作具体限定。另外，上述仅为图像质量评价方法的示例性说明，还可以通过其他方式评价图像质量，本公开对此不作具体限定。

下述以对采集的图像执行后续处理为例进行说明，对于经过图像质量评价后，得到的图像质量较好的图像执行后续处理的过程不作重复说明。

在得到待检测图像的情况下，可以对待检测图像执行目标检测处理，如上述实施例所述，可以通过神经网络执行该目标检测处理，得到采集的图像中检测对象的检测框位置，如人脸检测框的位置和人体检测框的位置。图3示出根据本公开实施例执行目标检测处理的检测结果示意图。其中，在对待检测图像执行目标检测处理的情况下，得到检测结果中可以包括：待检测图像中是否包括人脸、所包括的人脸的位置(如检测框的位置)，以及检测到的人脸的置信度，还可以包括是否包括人体、人体的位置(如检测框的位置)、以及检测到的人体的置信度。如图3所示，可以得首先到人脸对应的检测框a(实线表示)以及人体对应的检测框b(虚线表示)。例如在一个示例中检测结果可以表示为(lable1，(x1，x2，y1，y2)，score1)和(lable2，(x3，x4，y3，y4)，score2)。其中，lable1表示采集的图像中是否包括人脸对象的标识，如该值为1时，表示包括人脸对象，该值为0时，表示不包括人脸对象。(x1，y1)和(x2，y2)分别表示人脸对应的检测框对应的两个顶点的位置坐标。score1表示人脸对象的置信度，即检测到的该对象为人脸的概率值。对应的，lable2表示采集的图像中是否包括人体的标识，如该值为01时，表示包括人体对象，该值为00时，表示不包括人体对象。其中，lable1和lable2分别采用不同的标识表示，可以用以区分人脸对象和人体对象。(x3，y3)和(x4，y5)分别表示人体对应的检测框对应的两个顶点的位置坐标。score1表示人体的置信度，即检测到的该对象为人体的概率值。在采集的图像中检测到多个人脸或者多个人体的情况下，可以针对每个人脸或人体生成上述检测结果。

在对待检测图像执行目标检测处理，得到对应的检测对象的检测框的情况下，可以进一步获得检测到的检测对象的图像特征。图4示出根据本公开实施例的一种图像检测方法中步骤s20的流程图。其中，获得待检测图像中检测框对应的图像特征，包括：

s21：基于待检测图像中检测对象的检测框所在的位置，确定待检测图像中检测对象对应的图像区域；

s22：对检测对象对应的图像区域执行特征提取处理，得到待检测图像中检测对象的图像特征。

在一些可能的实施方式中，由于在执行目标检测处理的过程中，可以确定待检测图像中检测对象的位置，即人脸检测框的位置，以及人体检测框的位置。基于该位置信息，可以确定待检测图像中人脸对应的图像区域，以及人体对应的图像区域。例如可以将检测对象的检测框对应的图像区域作为检测对象的图像区域。而后对检测对象的图像区域执行特征提取处理，得到检测对象的图像特征。

在得到待检测图像中各检测对象的图像区域的情况下，可以对各图像区域执行特征提取处理，得到相应的检测对象的图像特征。即可以对人体检测框对应的图像区域执行特征提取处理，得到人体图像特征，以及对人脸检测框对应的图像区域执行特征提取处理，得到人脸图像特征。其中，执行特征提取处理可以利用特征提取神经网络来执行，例如可以通过金字塔特征提取网络、残差网络等来执行特征提取处理。其中，可以将待检测图像以及待检测图像中检测对象的检测框的位置信息输入至特征提取神经网络，或者也可以直接将待检测图像中各检测对象的图像区域输入至特征提取网络，得到待检测图像中检测对象的图像特征。通过神经网络执行特征提取处理可以提高特征提取精度。

或者，在另一些实施方式中，也可以基于待检测图像的图像特征，得到待检测图像中检测对象的图像特征。图5示出根据本公开实施例的一种图像检测方法中步骤s20的另一流程图。获得待检测图像中检测框对应的图像特征，可以包括：

s201：对待检测图像执行特征提取处理，得到待检测图像的图像特征；

s202：基于待检测图像的图像特征中与待检测图像中检测对象的检测框的位置，确定待检测图像中检测对象的图像特征。

在一些可能的实施方式中，可以首先对待检测图像执行特征提取处理，得到待检测图像对应的图像特征。而后，可以根据得到的待检测图像中检测对象检测框的位置信息，确定待检测图像的图像特征中与该位置信息对应的图像特征，即为检测对象的图像特征。其中可以根据待检测图像的图像特征中与人脸检测框的位置对应的特征，确定人脸图像特征，以及根据待检测图像的图像特征中与人体检测框的位置对应的特征，确定人体图像特征。。

同样的，本公开实施例执行特征提取处理的方式可以利用特征提取神经网络实现，本公开不对神经网络的结构进行具体限定。

基于上述配置，可以分别得到待检测图像中检测对象的检测框对应的图像特征，如人脸图像特征以及人体图像特征，一方面，通过神经网络执行上述特征提取处理可以提高特征提取精度，另一方面，可以为后续精确的匹配检测对象奠定了基础。

在得到待检测图像中检测对象的图像特征的情况下，可以基于各检测对象的图像特征(人脸图像特征和人体图像特征)确定待检测图像中包括的各检测对象。图6示出根据本公开实施例的一种图像检测方法中步骤s30的流程图。其中，基于至少两个待检测图像对应的检测结果，识别至少两个待检测图像中是否包括同一检测对象，包括：

s31：基于检测结果中检测对象的检测框的位置，确定待检测图像中匹配的人脸和人体；

s32：基于待检测图像中匹配的人脸和人体，确定待检测图像中包括的检测对象；

s33：基于至少两个待检测图像中分别包括的检测对象的图像特征，识别至少两个待检测图像中是否包括同一检测对象。

在一些可能的实施方式中，待检测图像中可以包括多个检测对象，如多个人。本公开实施例可以根据待检测图像中检测到的各人脸检测框的位置以及各人体检测框的位置，确定待检测图像中的各检测对象。其中，本公开实施例可以根据待检测图像中人体检测框和人脸检测框的位置，确定匹配的人脸和人体，并将匹配的人脸和人体对象为一个检测对象，从而可以得到每个待检测图像中的检测对象，例如至少一人物对象。在得到每个待检测图像中的检测对象的情况下，可以进一步根据每个检测对象的图像特征确定不同的待检测图像中是否存在相同的检测对象，实现检测对象的去重。

图7示出根据本公开实施例的一种图像检测方法中步骤s31的流程图。其中，基于检测结果中检测对象的检测框的位置，确定待检测图像中匹配的人脸和人体，包括：

s311：基于检测结果中人脸检测框的位置和人体检测框的位置，确定人脸检测框和人体检测框之间的面积交并比；

s312：将面积交并比大于面积阈值的人脸检测框和人体检测框分别对应的人脸和人体确定为匹配的人脸和人体。

在一些可能的实施方式中，可以根据待检测图像中人脸检测框和人体检测框所在的位置，确定待检测图像中每个人脸的图像区域，以及每个人体的图像区域之间的交集区域的第一面积，以及每个人体的图像区域之间的并集区域的第二面积。例如，人脸检测框对应的图像区域称为第一区域，人体检测框对应的图像区域称为第二区域，可以根据每个第一区域和每个第二区域之间的区域交集得到第一面积，以及每个第一区域和第二区域之间的区域并集，得到第二面积。而后，再根据每个第一区域和第二区域对应的第一面积和第二面积之间的比值确定对应的人脸检测框的位置区域和人体检测框的位置区域之间的面积交并比(intersection-over-union，iou)。

在得到各图像中人脸检测框的图像区域以及人体检测框的图像区域之间的面积交并比的情况下，可以通过该面积交并比确定匹配的人脸和人体。

具体的，可以基于待检测图像中人脸检测框的位置和人体检测框的位置，确定待检测图像中人脸所在图像区域和人体所在区域之间的面积交并比，如果任一人脸的图像区域和任一人体的像区域之间的面积交并比大于面积阈值，此时可以确定该任一人脸和任一人体为匹配的。否则，如果存在人脸的图像区域和人体的图像区域之间的面积交并比小于或者等于面积阈值，此时可以确定该人脸和人体不匹配。

通过上述方式可以得到每个待检测图像中匹配的人脸和人体，继而可以将匹配的人脸和人体确定一个检测对象。在一个实例中，可以将从待检测图像中确定的匹配的人脸和人体，作为同一人物对象的人脸和人体。即可以根据匹配的人脸和人体确定对应的人物对象。

在确定出待检测图像中的检测对象的情况下，可以进一步确定不同待检测图像之间相同的检测对象以及不同的检测对象。

图8示出根据本公开实施例的一种图像检测方法中步骤s33的流程图。其中，基于至少两个待检测图像中分别包括的检测对象的图像特征，识别至少两个待检测图像中是否包括同一检测对象，包括：

s331：确定各待检测图像中分别包括的检测对象中的人脸图像特征之间的第一相似度；

s332：在各待检测图像中的人脸图像特征之间的第一相似度大于第一阈值的情况下，确定各待检测图像中包括同一检测对象。

在一些可能的实施方式中，在每个待检测图像中分别可以得到至少一个检测对象。而后可以确定每个待检测图像中的检测对象的人脸图像特征之间的第一相似度。如果位于两个待检测图像中的目标对象的人脸图像特征之间的相似度大于第一阈值，表示这两个检测对象为相同的检测对象。例如，在确定出第一待检测图像中的第一人物对象以及以及第二待检测图像中的第二人物对象的情况下，可以得到第一人物对象对应的人脸图像特征和人体图像特征(第一人脸图像特征和第一人体图像特征)，同时还可以得到第二人物对象对应的人脸图像特征和人体图像特征(第二人脸图像特征和第二人体图像特征)。

进一步地，可以计算每个第一人物对象的第一人脸图像特征与每个第二人物对象的第二人脸图像特征之间的第一相似度，该第一相似度可以为余弦相似度。进而可以基于第一人物对象和第二人物对象的人脸图像特征之间的第一相似度确定第一待检测图像和第二待检测图像中是否包括相同的人物对象。

其中，在一些可能的实施方式中，如果第一人物对象的第一人脸图像特征与第二人物对象的第二人脸图像特征之间的第一相似度大于第一阈值，此时表明二者人脸图像特征相似度较高，可以直接确定该第一人物对象和第二人物对象为相同的人物对象。作为相同的人物对象的第一人物对象和第二人物对象可以被分配相同的标识。

另外，在一些实施方式中，如果位于两个待检测图像中的检测对象的人脸图像特征之间的第一相似度小于第一阈值，此时可以直接确定该两个检测对象为不同的检测对象。例如如果第一人物对象的第一人脸图像特征与第二人物对象的第二人脸图像特征之间的第一相似度小于或者等于第一阈值，此时可以表示第一人物对象和第二人物对象之间的人脸图像特征相似度不高，此时可以直接确定第一人物对象和第二人物对象为不同的人物对象，该不同的人物对象可以被分配不同的标识，用以区分不同的人物对象。

在一些可能的实施方式中，考虑到采集的图像中可能存在侧脸、遮挡等问题，也可以在位于两个待检测图像中的检测对象的人脸图像特征之间的第一相似度小于第一阈值的情况下，进一步根据该两个检测对象的人体图像特征之间的第二相似度确定两个检测对象是否为同一检测对象。例如可以在第一人物对象的第一人脸图像特征与第二人物对象的第二人脸图像特征之间的第一相似度小于或者等于第一阈值时，进一步结合人体图像特征之间的第二相似度，确定第一人物对象和第二人物对象是否为相同人物对象。其中，第二相似度也可以为余弦相似度，但不足为本公开的具体限定。

其中，本公开实施例可以在各待检测图像中的人脸图像特征之间的第一相似度小于或者等于第一阈值的情况下，获得各待检测图像中与人脸匹配的人体图像特征之间的第二相似度；并在各待检测图像中与人脸匹配的人体图像特征之间的第二相似度大于第二阈值的情况下，确定各待检测图像中包括同一检测对象。

也就是说，可以如果位于两个待检测图像中的检测对象的人脸图像特征之间的第一相似度小于第一阈值，可以进一步计算该两个检测对象的人体图像特征之间的第二相似度，如果第二相似度大于第二阈值，可以确定该两个检测对象为同一检测对象，相反，如果第二相似度小于或者等于第二阈值，可以确定该两个检测对象为不同检测对象。

例如，在第一人物对象的第一人脸图像特征和第二人物对象的第二人脸图像特征之间的第一相似度小于或者等于第一阈值的情况下，可以进一步获得第一人物对象的第一人体图像特征和第二人物对象的第二人体图像特征之间的第二相似度。进一步可以根据该第二相似度确定第一人物对象和第二人物对象是否为相同人物对象。其中，在第一人物对象的第一人体图像特征和第二人物对象的第二人体图像特征之间的第二相似度大于第二阈值的情况下，表示第一人物对象和第二人物对象的人体图像特征之间的相似度较高，此时可以将第一人物对象和第二人物对象确定为相同人物对象，以及在第一人物对象的第一人体图像特征和第二人物对象的第二人体图像特征之间的第二相似度小于或者等于第二阈值的情况下，说明该第一人物对象和第二人物对象不仅人脸图像特征不相近，人体图像特征也不相近，此时可以将第一人物对象和第二人物对象确定为不同人物对象。同样的，对于相同人物对象可以分配相同标识，对于不同人物对象可以分配不同的标识。

另外，对于第一阈值和第二阈值的设定，本公开实施例可以根据需求进行选择设定，例如第一阈值可以为80％，第二阈值可以为90％，不作为本公开的具体限定。

通过上述实施方式，可以得到各待检测图像中的相同检测对象以及不同检测对象。在得到各相同检测对象以及不同检测对象的情况下，可以进一步得到检测对象的流量数据。其中，流量数据中至少可以包括检测对象的数量。图9示出根据本公开实施例的图像检测方法中执行流量数据统计的流程图。在确定待检测图像中相同的检测对象以及不同的检测对象的情况下，图像驾检测方法还可以包括：

s51：为相同的检测对象分配相同的标识，为不同的检测对象分配不同的标识；

s52：基于预设时间范围内采集的各待检测图像中包括的检测对象的标识，执行检测对象的去重处理，得到预设时间范围内的各检测对象的流量数据。

在一些可能的实施方式中，本公开实施例可以基于预设时间范围内采集的待检测图像，执行检测对象的去重处理，得到预设时间范围内的检测对象的流量数据。也就是说，本公开实施例得到的检测对象的流量数据可以为预设时间范围内的检测对象流量统计数据，例如该预设时间范围可以为1天，一周，或者一个月，对于该预设时间范围的选择可以根据需求确定。另外，对应的，在想要得到预设时间范围内流量数据的情况下，获得的待检测图像可以为该预设时间范围内采集的图像。通过对该预设时间范围内采集的图像进行目标检测、特征提取以及相同检测对象和不同检测对象的确定过程，得到相应的预设时间范围内的检测对象流量总数。

其中，本公开实施例可以为相同的检测对象分配相同的标识，以及不同的检测对象分配不同的标识，从而可以区分各不同的检测对象，通过为各检测对象分配标识可以方便后续对检测对象的识别以及信息的管理。为了方便统计各检测对象的数量，本公开实施例中为各不同检测对象中分配的标识可以为按照数字顺序分配的，从而可以方便的确定所有待检测图像中的检测对象的总数，但不足为本公开的具体限定。

在一些可能的实施方式中，在采集到待检测图像同时，还可以存储采集待检测图像的时间，并将待检测图像和采集时间关联存储。在执行流量数据统计的过程中，可以获取采集各待检测图像的时间，基于采集各待检测图像的时间，确定各待检测图像中包括的检测对象的停留时间。其中，根据在待检测图像中检测出的检测对象的情况下，确定该检测对象出现的时间，通过不同待检测图像中相同检测对象出现的时间，可以确定该检测对象停留时间。通过得到每个检测对象的停留时间，可以丰富分析数据的种类，方便对检测对象的出行时间、出行习惯进行分析和统计。

在一些可能的实施方式中，本公开实施例在得到各待检测图像中检测对象的图像特征的情况下，即得到人脸图像特征以及人体图像特征的情况下，还可以得到人脸图像特征和/或人体图像特征对应的属性特征。属性特征可以包括年龄、性别、肤色、种族、佩戴眼镜、头发类型(卷发、直发、发色等)、身高、服饰类型(长衣、长裤、短袖、短裤)、运动鞋、高跟鞋等，例如可以根据人脸图像特征得到人脸图像特征对应的肤色、年龄、性别、种族、是否佩戴眼镜以及头发类型等信息，根据人体图像特征可以得到人体图像特征对应的服饰类型、身高、服饰类型运动鞋、高跟鞋等信息。另外，本公开实施例可以通过将人脸图像特征和人体图像特征输入至分类网络实现上述属性特征的检测识别。其中可以通过一个分类网络实现上述全部属性特征的检测识别，也可以通过多个分类网络分别识别各属性特征，每个分类网络可以执行至少一个属性特征的识别。

基于上述配置，本公开实施例在得到待检测图像中的相同检测对象的情况下，可以针对相同检测对象进行属性特征的融合，即将相同检测对象对应的属性特征进行统一存储，实现全面的属性特征的标识。还可以根据每个检测对象的属性特征执行基于属性特征的统计，例如可以基于统计的检测对象的数量以及检测对象的属性特征中的至少一种形成基于属性特征的统计报表。

示例性的，可以按照每类属性特征，执行对应属性特征的人物对象的流量统计。例如，可以确定黄色肤色的人物对象的数量、停留时间、出现时间等信息，也可以确定20-35岁年龄段的人物对象的数量、停留时间、出现时间等信息，基于上述得到的信息可以生成相应的统计报表，方便管理人员进行查看和统计分析。

为了清楚的体现本公开实施例的处理过程，下面举例说明。图10示出根据本公开实施例的一种图像检测方法的应用示意图。

在机场安检时，乘客首先要过一个入口，入口处有安检人员逐个检查乘客检查机票和证件，乘客等待检查完毕过逐个经过入口。乘客经过入口后，即走入安检通道。本公开实施例可以在安检通道的距离入口的15m距离处设置左边、右边两块商用发光二极管(lightemittingdiode，led)电子屏作为广告位，两块led屏之间的距离为14m。针对这两块显示屏，可以外置采集设备，实现基于人工智能技术的跨摄像头人流量分析。其中，两个(前端设备)采集设备可以分别安装在左右两块led屏上。左边的采集设备可以检测入口处的乘客，右边的采集设备可以检测通道内的乘客。其中每个采集设备可以独立供电，并与路由器通过以太网连接，实现数据通信。采集设备还可以将采集到的图像进行目标检测处理，得到人脸位置、人体位置等数据，并可以将检测到数据发送给云端服务器(私有云)。服务器接收采集设备上传的图像以及对应的人脸位置、人体位置，并运行人脸属性、人脸图像特征识别、人物对象的识别模型。由于本公开实施例中，机场安全入口处乘客会有2-3秒停留，乘客可能单人通过，是唯一可能出现正脸且遮挡较少的地方，为解决遮挡等问题，此时会标定矩形区域即第一距离范围，走入区域的人计入统计，通道入口处同样会标定统计区域。

服务器在检测到人脸图像特征以及人体图像特征的情况下，可以对人脸和人体关联，同一帧图片中，计算人脸和人体重合面积的比例，重合比例最高者关联为同一人物对象。另外，还可以做跨镜头识别，先通过不同图像的人脸进行比对，人脸比对不成功情况下再进行人体图像特征值比对，最终确定是否为同一人物对象。基于确定的人物对象，服务器可以统计出客流人数，并可以执行预设时间范围内的去重，如可以当天去重，跨天不去重，uniquepax跨周期范围去重等。另外，服务器还可以统计性别、年龄、种族等比例分布等，提供客户可视化报表。

综上，在本公开实施例中，可以分别采集与广告位之间为第一距离范围和第二距离范围内的第一图像和第二图像，实现跨境头图像采集，通过对采集的第一图像和第二图像执行目标检测处理，得到第一图像和第二图像中的人脸对象和人体对象的位置，进一步得到人脸图像特征和人体图像特征，基于人脸图像特征和人体图像特征实现人物对象的去重处理，得到人流量统计数据。本公开实施例可以同时结合不同位置区域的图像，还可以结合人脸图像特征以及人体图像特征执行去重处理，提高人流量统计的精度。

另外，在本公开实施例中，可以利用至少两个采集设备，用于采集不同采集范围内的图像，实现跨境头图像采集，通过对采集的至少两个图像执行目标检测处理，得到各图像中的检测对象的检测框以及图像中对应检测框的图像特征，基于得到的各检测框的图像特征可识别采集到的图像中是否包括相同的检测对象。通过上述配置，可以实现应用场所内不同采集范围内图像的全面采集，即使在人流众多或者行人移动速度较快的情况下，也能够全面的采集行人图像，而且通过对图像执行检测处理，可以得到每个图像中检测对象的检测框以及对应的特征，以此确定图像是否包括相同的检测对象，具有检测方便且准确的特点。

另外，本公开实施例可以针对终端显示屏本身没有摄像头，或者有摄像头但是终端本身计算能力不够的情况，可以直接外置采集设备(摄像头+芯片)，终端实现人脸、人体检测跟踪功能，将数据传给服务器，由服务器做人脸比对和人体比对。这样既解决了终端设备无摄像头成像或或者有摄像头但终端cpu计算能力低和占用率高的问题，又降低了终端的宽带压力，非常灵活轻便。两个采集设备采用互补方式部属，一个模组检测入口，主要抓取人脸信息，一个模组检测通道，主要抓取人体信息，互为补充。同时终端标注矩形区域和人流移动方向，仅分析进入区域中的人流，同一个摄像头时人脸和人体通过面积重合比例做关联，跨摄像头时通过人脸和人体比对，归一为同一个人，做单天去重和跨时间范围去重。既解决了检测区域人流量密集，人体互为遮挡的问题，又降低了单一摄像头采集数据，人流漏检的概率，提升了统计准确率。本公开实施例提供了采集设备以及服务器部属的一体化解决方案，终端可直流供电，灵活部属，服务端可运行人脸/人体等大模型，提供可视化的人流分析数据。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。

此外，本公开还提供了图像检测系统、图像检测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像检测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

图11示出根据本公开实施例的一种图像检测系统的框图，如图11所示，图像采集系统包括：

至少两个采集设备和处理设备10，其中，至少两个采集设备的图像采集范围不同；

至少两个采集设备，用于采集待检测图像并发送给处理设备；

处理设备20，用于对各采集设备采集的待检测图像执行如上述实施例的图像检测方法。

其中，处理设备20可以构造为单独的电子器件，或者也可以通过不同功能的电子器件共同组成。

图12示出根据本公开实施了的一种图像检测装置的框图；如图2所示，图像检测装置，包括：

接收模块100，用于接收至少两个采集设备发送的待检测图像，至少两个采集设备的图像采集范围不同；

检测模块200，用于对至少两个待检测图像执行检测处理，得到至少两个待检测图像分别对应的检测结果，检测结果包括待检测图像中的检测对象的检测框，以及待检测图像中检测框对应的图像特征；

识别模块300，用于基于至少两个待检测图像对应的检测结果，识别至少两个待检测图像中是否包括同一检测对象。基于上述配置，可以实现多范围的图像采集，获取更全面的待检测图像，以及通过检测处理的检测结果可以得到更精确的检测对象的识别。

在一些可能的实施方式中，识别模块包括：第一确定单元，用于基于检测结果中检测对象的检测框的位置，确定待检测图像中匹配的人脸和人体；第二确定单元，基于待检测图像中匹配的人脸和人体，确定待检测图像中包括的检测对象；识别单元，基于至少两个待检测图像中分别包括的检测对象的图像特征，识别至少两个待检测图像中是否包括同一检测对象。基于上述配置，可以根据待检测图像中人体和人脸检测框的位置，确定匹配的人体和人脸，从而精确地识别出待检测图像中的各个检测对象。

在一些可能的实施方式中，第一确定单元还用于基于检测结果中人脸检测框的位置和人体检测框的位置，确定人脸检测框和人体检测框之间的面积交并比；将面积交并比大于面积阈值的人脸检测框和人体检测框分别对应的人脸和人体确定为匹配的人脸和人体。基于上述配置，可以根据人脸检测框和人体检测框之间的面积交并比，进一步准确的确定匹配的人体和人脸，具有简单方便的特点，且能够提高检测对象的确定精度。

在一些可能的实施方式中，识别单元还用于确定各待检测图像中分别包括的检测对象中的人脸图像特征之间的第一相似度；在各待检测图像中的人脸图像特征之间的第一相似度大于第一阈值的情况下，确定各待检测图像中包括同一检测对象。基于上述配置，通过人脸图像特征的比对，将第一相似度大于第一阈值的两个人脸图像特征对应的检测对象确定为同一检测对象，可以提高相同检测对象的检测精度。

在一些可能的实施方式中，识别单元还用于在各待检测图像中的人脸图像特征之间的第一相似度小于或者等于第一阈值的情况下，确定各待检测图像中包括不同检测对象。通过该配置，可以方便的根据人脸图像特征之间的第一相似度小于第一阈值对的情况，准确的确定不同检测对象。

在一些可能的实施方式中，识别单元还用于在各待检测图像中的人脸图像特征之间的第一相似度小于或者等于第一阈值的情况下，获得各待检测图像中与人脸匹配的人体图像特征之间的第二相似度；在各待检测图像中与人脸匹配的人体图像特征之间的第二相似度大于第二阈值的情况下，确定各待检测图像中包括同一检测对象。基于上述配置，由于检测对象的移动特性或者图像质量的影响，人脸图像特征可能不能完全的展现出检测对象的特征，因此，在人脸图像特征之间的第一相似度小于第一阈值的情况下，可以进一步根据人体图像特征之间的第二相似度确定检测对象的相同或者不同，进一步提高检测识别的精度。

在一些可能的实施凡是中，识别模块还用于获取采集各待检测图像的时间，并基于采集各待检测图像的时间，确定各待检测图像中包括的检测对象的停留时间。基于该配置，可以方便对各检测对象的停留时间或者出行时间等信息进行统计和分析。

在一些可能的实施方式中，装置还包括流量统计模块，用于基于各待检测图像中包括的相同的检测对象以及不同的检测对象，确定各检测对象的流量数据。通过上述配置，可以方便且精确的识别出检测对象的数量，以方便对检测对象的流量进行统计。

在一些可能对的实施方式中，流量统计模块还用于为相同的检测对象分配相同的标识，为不同的检测对象分配不同的标识；基于预设时间范围内采集的各待检测图像中包括的检测对象的标识，执行检测对象的去重处理，得到预设时间范围内的各检测对象的流量数据。基于上述配置，通过设置标识区分相同对象和不同对象，可以方便检测对象的管理，同时利用标识的数量也可以方便统计检测对象的数量；另外，还可以根据设定的时间确定设定时间内的流量数据，具有更好的适用性。

在一些可能的实施方式中，检测模块还用于基于各待检测图像中包括的检测对象的图像特征，识别检测对象的属性特征；属性特征包括年龄、性别、肤色、服饰中的至少一种。通过上述配置，可以更加全面的获知关于检测对象的特征，方便对于不同特征的检测对象进行统计。

在一些可能的实施方式中，装置还包括生成模块，用基于统计的检测对象的数量以及检测对象的属性特征中的至少一种形成基于属性特征的统计报表。基于上述配置，可以直观的显示和了解检测对象的数量统计以及不同属性特征的检测对象数据统计。

在一些可能的实施方式中，至少两个采集设备包括：用于拍摄设定区域的入口处的第一图像的第一采集设备；用于拍摄设定区域的过道处的第二图像的第二采集设备。通过该方式，可以方便的采集不同范围的图像，同时由于入口处的正脸采集概率高，可方便的用于实现检测对象的检测。

在一些可能的实施方式中，第一采集设备安装在第一显示设备的一端；第二采集设备安装在第二显示设备的一端。基于该配置，可以方便的实现显示设备所在区域的检测对象的流量，可以应用各种商业场景。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

图13示出根据本公开实施例的一种电子设备的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。

参照图13，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图14示出根据本公开实施例的另一种电子设备的框图。例如，电子设备1900可以被提供为一服务器。参照图14，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如windowsservertm，macosxtm，unixtm,linuxtm，freebsdtm或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。