人脸人体的关联方法、设备、电子装置和存储介质与流程

1.本技术涉及图像处理技术领域，特别是涉及人脸人体的关联方法、设备、电子装置和存储介质。


背景技术：

2.在安防场景下，如果前端人脸相机性能有限，则在智能分析后只会输出人脸小图和对应全景大图，无法进行目标跟踪并同步输出人体信息。随着用户对系统的要求越来越高，人体相关算法性能也得到了提升，但是由于点位安装架设不合理或光照等环境因素引起的人脸抓拍模糊或角度大等质量低问题，通过单张无法确定目标身份，也无法进行人脸以图搜图找到其他相似人脸信息。
3.在相关技术中，基于图像中人脸目标与人体目标的重合度、空间相关性以及时间相关性得到人体目标和人脸目标之间的总体关联度，然后基于总体关联度对人体目标和人脸目标进行关联。然而，该方法依赖于重合度，所以在人员高密度聚集的情况下，由于多个目标重叠，所以关联错误率较高。
4.目前针对相关技术中基于人脸目标与人体目标的重合度进行关联，在高密度多个目标重叠的情况下，关联错误率较高的问题，尚未提出有效的解决方案。


技术实现要素：

5.本技术实施例提供了一种人脸人体的关联方法、设备、电子装置和存储介质，以至少解决相关技术中基于人脸目标与人体目标的重合度进行关联，在高密度多个目标重叠的情况下，关联错误率较高的问题。
6.第一方面，本技术实施例提供了一种人脸人体的关联方法，包括：
7.获取监控图像，在所述监控图像中分别识别人脸标识和人体标识；
8.根据所述监控图像中，所述人脸标识的第一位置以及所述人体标识的第二位置，获取所述人脸标识和人体标识之间的几何参数，其中，所述几何参数包括相对位置和关联角度中的至少一个；
9.根据所述人脸标识与人体标识之间的几何参数，将所述监控图像中的人脸和人体进行关联。
10.在其中一些实施例中，所述根据所述人脸标识与人体标识之间的几何参数，将所述监控图像中的人脸和人体进行关联包括：
11.在所述监控图像中获取多个人体标识，根据所述人脸标识和多个人体标识确定多个关联角度，将多个关联角度进行排序；
12.在多个人体标识中确定目标人体标识，以及所述目标人体标识的目标相对位置和目标关联角度；
13.若所述目标相对位置以及所述目标关联角度均在预设范围内，将所述目标人体标识与所述人脸标识进行关联。
14.在其中一些实施例中，所述获取监控图像，在所述监控图像中分别识别人脸标识和人体标识包括：
15.从所述监控图像中识别人脸框，根据所述人脸框的几何中心确定所述人脸标识；
16.从所述监控图像中识别人体框，根据所述人体框的几何中心确定所述人体标识。
17.在其中一些实施例中，所述根据所述监控图像中，所述人脸标识的第一位置以及所述人体标识的第二位置，获取所述人脸标识和人体标识之间的几何参数包括：
18.在所述监控图像中分别获取所述第一位置的坐标和所述第二位置的坐标；
19.根据所述第一位置的坐标和所述第二位置的坐标，确定所述人脸标识和所述人体标识之间的相对距离。
20.在其中一些实施例中，所述根据所述人脸标识与人体标识之间的几何参数，将所述监控图像中的人脸和人体进行关联包括：
21.根据所述人体框的边界，确定预设范围；
22.若所述相对距离在所述预设范围内，将所述监控图像中的人脸和人体进行关联。
23.在其中一些实施例中，所述根据所述人脸标识与人体标识之间的几何参数，将所述监控图像中的人脸和人体进行关联包括：
24.根据所述第一位置的纵坐标与所述第二位置的纵坐标在第一预设方向上的相对位置关系，将所述人脸和人体进行关联。
25.在其中一些实施例中，所述根据所述人脸标识与人体标识之间的几何参数，将所述监控图像中的人脸和人体进行关联包括：
26.根据所述人脸标识和所述人体标识之间的连线，以及所述监控图像中的第二预设方向，确定关联角度；
27.根据所述关联角度将所述监控图像中的人脸和人体进行关联。
28.第二方面，本技术实施例提供了一种人脸人体的关联设备，包括图像采集装置和处理器：
29.所述图像采集装置，用于获取监控图像；
30.所述处理器用于获取所述监控图像，在所述监控图像中分别识别人脸标识和人体标识；
31.所述处理器根据所述监控图像中，所述人脸标识的第一位置以及所述人体标识的第二位置，获取所述人脸标识和人体标识之间的几何参数，其中，所述几何参数包括相对位置和关联角度中的至少一个；
32.所述处理器根据所述人脸标识与人体标识之间的几何参数，将所述监控图像中的人脸和人体进行关联。
33.第三方面，本技术实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述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第一方面所述的人脸人体的关联。
34.第四方面，本技术实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的人脸人体的关联。
35.相比于相关技术，本技术实施例提供的人脸人体的关联方法，通过获取监控图像，在监控图像中分别识别人脸标识和人体标识，根据监控图像中，人脸标识的第一位置以及
人体标识的第二位置，获取人脸标识和人体标识之间的几何参数，其中，几何参数包括相对位置和关联角度中的至少一个，根据人脸标识与人体标识之间的几何参数，将监控图像中的人脸和人体进行关联，解决了相关技术中基于人脸目标与人体目标的重合度进行关联，在高密度多个目标重叠的情况下，关联错误率较高的问题，提高了高密度场景下，人脸和人体的关联准确率。
36.本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。
附图说明
37.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
38.图1是根据本技术实施例的人脸人体的关联方法的应用环境示意图；
39.图2是根据本技术实施例的人脸人体的关联方法的流程图；
40.图3是根据本技术实施例的监控图像的示意图；
41.图4是根据本技术实施例的另一种人脸人体的关联方法的流程图；
42.图5是根据本技术实施例中的关联角度的示意图；
43.图6是根据本技术实施例的另一种关联角度的示意图；
44.图7是根据本技术优选实施例的人脸人体的关联方法的流程图；
45.图8为本技术实施例的人脸人体的关联方法的终端的硬件结构框图；
46.图9是根据本技术实施例的人脸人体的关联设备的结构框图。
具体实施方式
47.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。基于本技术提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本技术公开的内容相关的本领域的普通技术人员而言，在本技术揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本技术公开的内容不充分。
48.在本技术中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本技术所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
49.除非另作定义，本技术所涉及的技术术语或者科学术语应当为本技术所属技术领域内具有一般技能的人士所理解的通常意义。本技术所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本技术所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有
列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本技术所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本技术所涉及的“多个”是指大于或者等于两个。“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。本技术所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
50.在前端相机的图片流场景下，用户需要实现人体目标分析，用来解决以下疑难问题：由于点位安装架设不合理或光照等环境因素引起的人脸抓拍模糊或角度大等质量低问题，通过单张无法确定目标身份，也无法进行人脸以图搜图找到其他相似人脸信息的问题。
51.本技术提供的人脸人体的关联方法，可以应用于如图1所示的应用环境中，图1是根据本技术实施例的人脸人体的关联方法的应用环境示意图，如图1所示。在行人高密度场景下，例如车站、商场等，监控摄像机10对行人进行监控，从而获取监控图像。监控摄像机10的处理器在监控图像中对行人进行识别，得到人脸标识和人体标识，然后根据监控图像中，人脸标识的第一位置以及人体标识的第二位置，获取人脸标识和人体标识之间的几何参数，例如，人脸标识与人体标识之间的相对位置，或者人脸标识与人体标识的连线与竖直方向形成的关联角度中。最后，监控摄像机10的处理器根据人脸标识与人体标识之间的几何参数，将监控图像中的人脸和人体进行关联。其中，监控摄像机10可以为任何具有图像采集功能的电子设备，例如照相机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等等，监控摄像机10的处理器可以为集成于自身的芯片，也可以是专门的服务器。
52.本实施例提供了一种人脸人体的关联方法。图2是根据本技术实施例的人脸人体的关联方法的流程图，如图2所示，该方法包括如下步骤：
53.步骤s210，获取监控图像，在监控图像中分别识别人脸标识和人体标识。
54.其中，监控图像可以由各类具有图像采集功能的电子设备得到，监控图像中的场景也可以为超市、商场、车站、机场、楼宇入口等任何人流较为密集的地方。本实施例中，用于处理监控图像的可以为监控图像自带的集成芯片，也可以为专门的处理器或者服务器。
55.人脸标识为用于表明人脸位置的标记，类似的，人体标识为用于表明人体位置的标记。获取人脸标识的方法可以为，通过人脸识别，将人脸图像中的眉心或者鼻尖等位置作为人脸标记，类似的，获取人体标识的方法可以为，通过图像识别，将人体腰部中间点或者胸部中间点作为人体标识。
56.具体地，图3是根据本技术实施例的监控图像的示意图，如图3所示，在监控图像中，可以将人脸图像缩小后显示在整个监控图像的左上角，在监控图像中可以识别到多个人体图像，在进行人脸和人体的关联时，先选取一个人脸图像，然后在识别到的多个人体中寻找该与人脸图像的关联人体图像，在关联成功后，更换人脸图像，直到监控图像中所有的人脸与人体关联完成。
57.步骤s220，根据监控图像中，人脸标识的第一位置以及人体标识的第二位置，获取人脸标识和人体标识之间的几何参数，其中，几何参数包括相对位置和关联角度中的至少一个。
58.本实施例中根据人脸标识的第一位置和人体标识的第二位置进行关联，其中，第一位置为人脸标识在监控图像中的位置，第二位置为人体标识在监控图像中的位置。具体
地，第一位置和第二位置之间的相对位置可以通过在监控图像中建立坐标系得到，具体地，相对位置用于表征人脸标识和人体标识之间的距离和位置关系，包括在预设方向上的距离，或者在预设方向上坐标值的大小，关联角度用于表征人脸标识和人体标识是否位于同一直线上，可以通过第一位置和第二位置在监控图像的坐标得到，也可以通过图像识别算法基于深度学习获取。
59.步骤s230，根据人脸标识与人体标识之间的几何参数，将监控图像中的人脸和人体进行关联。
60.本实施例中，可以设置预设范围对几何参数进行限制，在几何参数位于预设单位内的情况下，将监控图像中的人脸和人体进行关联。
61.通过上述步骤s210至步骤s230，本实施例通过人脸标识和人体标识之间的几何参数对高密度聚集场景下的监控图像进行识别，通过对几何参数的分析，实现人脸和人体的关联。由于行人的人脸和人体之间的几何参数较为固定，因此在不依赖重合度的前提下，通过几何参数进行人脸和人体的关联，解决了相关技术中基于人脸目标与人体目标的重合度进行关联，在高密度多个目标重叠的情况下，关联错误率较高的问题，提高了高密度场景下，人脸和人体的关联准确率。
62.进一步地，由于获取监控图像的前端相机性能有限，且迫于带宽压力，难以像后端一样对整个视频流进行分析，所以本实施例中提供的人脸人体的关联方法由于适用于图片流，能够根据单张图片对人脸和人体进行关联，可以降低人脸人体在关联过程中的计算成本和时间成本，提高关联效率。
63.在其中一些实施例中，图4是根据本技术实施例的另一种人脸人体的关联方法的流程图，如图4所示，该方法包括如下步骤：
64.步骤s410，在监控图像中获取多个人体标识，根据人脸标识和多个人体标识确定多个关联角度，将多个关联角度进行排序。
65.通常情况下，在一个监控图像中存在多个行人，所以在关联时可以同时获取多个人体，对于每个人体，都可以根据人体标识、人脸标识以及一个预设方向得到一个关联角度，则对于多个人体，可以获取多个关联角度。然后将多个关联角度按照一定的顺序进行排列，例如，可以按照角度的大小排列，也可以按照人体标识和人体标识之间的距离远近，对关联角度进行排序，以便后续根据关联角度进行人体的选择。
66.步骤s420，在多个人体标识中确定目标人体标识，以及目标人体标识的目标相对位置和目标关联角度。
67.在对人体和人脸进行关联时，需要将已经获取到的人脸依次与各个人体进行匹配，所以需要先确定目标人体标识，然后将该目标人体标识与人脸标识之间的相对位置作为目标相对位置，将根据该目标人体标识与人脸标识得到的关联角度作为目标关联角度。其中，本实施例中可以根据实际需求在多个人体标识中确定目标人体标识，也可以随机选取目标人体标识。
68.步骤s430，若目标相对位置以及目标关联角度均在预设范围内，将目标人体标识与人脸标识进行关联。
69.本实施例中，可以分别设置相对位置和关联角度的预设范围。例如，与相对位置对应的预设范围为限制相对位置在某个距离内，和/或，人体标识在人脸标识的预设方向上，
另一方面，与关联角度对应的预设范围为关联角度小于或者等于某一预设值，优选地，还可以在多个关联角度中选择最小的一个关联角度，将与最小的关联角度对应的人体作为与人脸进行关联的人体，实现人脸与人体的最终关联。
70.进一步地，还可以根据排序后的多个关联角度，根据关联角度从小到大的顺序选取一个或者多个人体标识进行匹配。
71.通过上述步骤s410至步骤s430，本实施例同时对相对位置和关联角度进行限制，可以进一步有效地提高监控图像中人体和人脸关联的准确率。
72.在其中一些实施例中，在监控图像中识别人脸标识和人体标识的方法为：从监控图像中识别人脸框，根据人脸框的几何中心确定人脸标识，同时，从监控图像中识别人体框，根据人体框的几何中心确定人体标识。其中，识别人脸框和人体框可以基于深度学习算法，通过训练得到。具体地，人脸框和人体框的大小和形状均可以根据需求进行设置，例如，人脸框设置为椭圆形或者矩形，大小与监控图像中的人脸匹配，类似的，人体框优选为矩形，大小需要设置为包括整个行人。本实施例中，将人脸框的几何中心设置为人脸标识，将人体框的中心设置为人体标识，例如，圆形的几何中心为圆心，椭圆的几何中心为椭圆长轴和短轴的交点，矩形的几何中心为其对角线的交点。本实施例中基于人脸框和人体框的几何中心，分别确定人脸标识和人体标识的位置，基于此可以得到更加有效地第一位置和第二位置，提高人脸和人体的关联准确率。
73.进一步地，基于人脸框和人体框可以获取人脸标识和人体标识之间的相对位置，包括：在监控图像中分别获取第一位置的坐标和第二位置的坐标；根据第一位置的坐标和第二位置的坐标，确定人脸标识和人体标识之间的相对距离。具体为，在监控图片中分别获取第一位置的横坐标、纵坐标，以及第二位置的横坐标、纵坐标，根据第一位置的横坐标和第二位置的横坐标，确定人脸标识和人体标识之间的横向相对距离，根据第一位置的纵坐标和第二位置的纵坐标，确定人脸标识和人体标识之间的纵向相对距离。本实施例中，通过在监控图像中建立坐标系，基于第一位置的坐标和第二位置的坐标来计算相对距离，提高相对距离计算的准确率。
74.更进一步地，可以根据人体框的边界，确定预设范围，若相对距离在预设范围内，将监控图像中的人脸和人体进行关联。具体地，预设范围可以为限制人脸标识在人体框内，并根据人体框的宽度、高度和第二位置的坐标共同确定，例如，以(x1,y1)表示人脸标识的第一位置的坐标，以(x2,y2)表示人体标识的第二位置的坐标，以w2表示人体框的宽度，以h2表示人体框的宽度，那么可以通过如下公式1和公式2获得对人脸标识进行限制的预设范围：
[0075][0076][0077]
本实施例中，通过对限制人脸标识在人体框内，实现人脸和人体的重合计算，提高人脸和人体的关联准确度。
[0078]
在其中一些实施例中，在高密度场景下，极易出现行人的人体重叠，此时，人脸可能会与多个重叠的人体进行关联，所以，基于行人的头部通常位于整个人体的上方，还可以根据第一位置的纵坐标与第二位置的纵坐标在第一预设方向上的相对位置关系，将人脸和
人体进行关联，具体为，对人脸标识和人体标识的高低关系进行限制，例如，在以监控图像的左下角为原点的情况下，第一预设方向可以为y轴的方向，要求y1>y2，即保证人脸标识在人体标识的上方，以此来提高人脸和人体关联的准确率。
[0079]
进一步地，在要求y1>y2的情况下，可以将公式2改写为如下公式3，以对人脸标识点的第一位置进行限制：
[0080][0081]
根据公式3对第一位置的纵坐标进行限制，可以更有效地提高人脸人体的关联准确率。
[0082]
在其中一些实施例中，通过关联角度实现人脸和人体关联的方法具体如下：根据人脸标识和人体标识之间的连线，以及监控图像中的第二预设方向，确定关联角度，根据关联角度将监控图像中的人脸和人体进行关联，具体地，由于行人大多处于直立状态，对关联角度的计算是为了限制人脸标识和人体标识尽可能地在一条直线上。基于此，第二预设方向可以为y轴的方向，此时，图5是根据本技术实施例中的关联角度的示意图，如图5所示，若以监控图像的左上角为原点，关联角度α的一条边平行于y轴，另一条边从人脸标识出发，指向人体标识，进一步地，可以通过如下公式4计算关联角度：
[0083][0084]
在公式4中，(x1,y1)表示与人脸标识对应的第一位置的坐标，(x2,y2)表示与人体标识对应的第二位置的坐标。根据公式4计算得到的关联角度，关联角度越接近于0度，说明对应的人脸和人体之间的关联度越高。
[0085]
在其他实施例中，图6是根据本技术实施例的另一种关联角度的示意图，如图6所示，第二预设方向也可以为负x轴的方向，此时，计算出来的关联角度越接近于90度，则说明书对应的人体和人脸之间的关联度越高。
[0086]
本实施例中，通过对关联角度的计算，可以进一步提高监控图像中人脸和人体之间关联的准确度。
[0087]
下面通过优选实施例对本技术实施例进行描述和说明。
[0088]
图7是根据本技术优选实施例的人脸人体的关联方法的流程图，如图7所示，该方法包括：
[0089]
步骤s710，通过网络摄像机(internet protocol camera，简称为ipc)获取监控图像；
[0090]
步骤s720，获取监控图像中的一个人脸框和多个人体框，计算所述人脸框中的人脸标识点和多个人体框中的人体标识点，以及多个人体框的宽和高；
[0091]
步骤s730，判断人脸标识点是否在人体框内，若是，进行下一步判断，若否，则人脸和与人体框对应的人体关联失败；
[0092]
步骤s740，判断人脸标识点和人体标识点是否符合预设的行人在直立状态下的位置关系，若是，进行下一步判断，若否，关联失败。具体地，在监控图像的坐标系下，可以通过判断第一位置的纵坐标是否大于第二位置的纵坐标来实现人脸标识点和人体标识点位置关系的判断；
[0093]
步骤s750，判断人脸标识点和人体标识点是否在一条直线上，若是，则将对应的人
脸和人体进行关联，若否，则关联失败。具体地，在以监控图像左上角为原点的情况下，以y轴为第二预设方向，可以根据关联角度的大小进行判断。在对多个人体进行判断的过程中，选择关联角度最接近于90度的人体与人脸进行关联。
[0094]
通过上述步骤s710至步骤s750，本实施例根据监控图像中人脸标识和人体标识之间的几何参数，例如相对位置和关联角度对人脸和人体进行关联，可以有效提高监控图像中人脸和人体的关联准确度。
[0095]
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0096]
本技术提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。以运行在终端上为例，图8为本技术实施例的人脸人体的关联方法的终端的硬件结构框图。如图8所示，终端80可以包括一个或多个(图8中仅示出一个)处理器802(处理器802可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)和用于存储数据的存储器804，可选地，上述终端还可以包括用于通信功能的传输设备806以及输入输出设备808。本领域普通技术人员可以理解，图8所示的结构仅为示意，其并不对上述终端的结构造成限定。例如，终端80还可包括比图8中所示更多或者更少的组件，或者具有与图8所示不同的配置。
[0097]
存储器804可用于存储控制程序，例如，应用软件的软件程序以及模块，如本技术实施例中的人脸人体的关联方法对应的控制程序，处理器802通过运行存储在存储器804内的控制程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器804可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器804可进一步包括相对于处理器802远程设置的存储器，这些远程存储器可以通过网络连接至终端80。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0098]
传输设备806用于经由一个网络接收或者发送数据。上述的网络具体实例可包括终端80的通信供应商提供的无线网络。在一个实例中，传输设备806包括一个网络适配器(network interface controller，简称为nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备806可以为射频(radio frequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。
[0099]
本实施例还提供了一种人脸人体的关联设备，该设备用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“装置”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0100]
图9是根据本技术实施例的人脸人体的关联设备的结构框图，如图9所示，包括图像采集装置91和处理器92：图像采集装置91，用于获取监控图像；处理器92用于获取监控图像，在监控图像中分别识别人脸标识和人体标识；处理器92根据监控图像中，人脸标识的第一位置以及人体标识的第二位置，获取人脸标识和人体标识之间的几何参数，其中，几何参数包括相对位置和关联角度中的至少一个；处理器92根据人脸标识与人体标识之间的几何参数，将监控图像中的人脸和人体进行关联。
[0101]
本实施例基于人脸标识和人体标识之间的几何参数，对高密度聚集场景下的监控
图像进行识别，通过对几何参数的分析，实现人脸和人体的关联。由于行人的人脸和人体之间的几何参数较为固定，因此在不依赖重合度的前提下，通过几何参数进行人脸和人体的关联，解决了相关技术中基于人脸目标与人体目标的重合度进行关联，在高密度多个目标重叠的情况下，关联错误率较高的问题，提高了高密度场景下，人脸和人体的关联准确率。
[0102]
需要说明的是，上述装置可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
[0103]
本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
[0104]
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
[0105]
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
[0106]
s1，获取监控图像，在监控图像中分别识别人脸标识和人体标识；
[0107]
s2，根据监控图像中，人脸标识的第一位置以及人体标识的第二位置，获取人脸标识和人体标识之间的几何参数，其中，几何参数包括相对位置和关联角度中的至少一个；
[0108]
s3，根据人脸标识与人体标识之间的几何参数，将监控图像中的人脸和人体进行关联。
[0109]
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
[0110]
另外，结合上述实施例中的人脸人体的关联方法，本技术实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种人脸人体的关联方法。
[0111]
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0112]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。