(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210963834.7 (22)申请日 2022.08.11 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 彭玉龙　付琰　陈亮辉　范斌　 戴弘扬　周科科　孙珂　 (74)专利代理 机构 北京柏杉松知识产权代理事 务所(普通 合伙) 11413 专利代理师 丁芸　马敬 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/762(2022.01) G06V 10/74(2022.01) G06V 10/44(2022.01) (54)发明名称 基于人工智能的图像处理方法、 装置、 电子 设备及介质 (57)摘要 本公开提供了一种基于人工智能的图像处 理方法、 装置、 电子设备及介质， 涉及人工智能领 域， 具体涉及人脸识别、 图像聚类、 视频分析技 术， 可应用在智慧城市、 城市治理、 应急管理场景 下。 具体实现方案为： 获取待处理时段的图像数 据； 对待处理时段的图像数据进行分类， 得到待 处理时段的多个图像类； 针对每一个图像类， 将 该图像类添加到待处理周期的相应对象的周期 图像集合中， 或在待处理周期中将该图像类添加 为一个新的周期图像集合； 针对每一个周期图像 集合， 将该周期图像集合添加到全量库的相应对 象的全量图像集合中， 或在全量库中将该周期图 像集合添加为一个新的全量图像集合。 可以实现 千万级别图片的准实时聚类 。 权利要求书3页 说明书12页 附图6页 CN 115294395 A 2022.11.04 CN 115294395 A 1.一种基于人工智能的图像处 理方法， 包括： 获取待处 理时段的图像数据； 对所述待处理时段的图像数据进行分类， 得到所述待处理时段的多个图像类， 其中， 同 一图像类对应同一对象， 不同图像 类对应不同对象； 针对每一个图像类， 将该图像类添加到待处理周期的相应对象的周期图像集合中， 或 在所述待处理周期 中将该图像类添加 为一个新的周期图像集合， 其中， 所述待处理周期包 括至少两个时段， 所述至少两个时段包括所述待处 理时段； 针对每一个周期图像集合， 将该周期图像集合添加到全量库的相应对象的全量图像集 合中， 或在所述全量库中将该周期图像集 合添加为 一个新的全量图像集 合。 2.根据权利要求1所述的方法， 其中， 所述获取待处 理时段的图像数据， 包括： 以所述待处理周期上一 时段的结束时刻为待处理时段的起始时刻， 接收各摄像点位采 集的视频流； 对所述视频流进行抽帧及对象检测， 得到包括预设类型对象的图像数据； 当获取到的图像数据的总数量达到预设数量阈值 时， 将此时的时刻作为所述待处理时 段的结束时刻， 得到所述待处 理时段的图像数据。 3.根据权利要求1所述的方法， 其中， 所述对所述待处理时段的图像数据进行分类， 得 到所述待处 理时段的多个图像 类， 包括： 计算所述待处 理时段的图像数据中每两个图像数据之间的相似度； 对相似度大于第一预设相似度阈值的图像数据进行 连通， 得到第一连通图计算结果； 将所述第一连通图计算结果中， 具有连通关系的各图像数据划分到同一图像 类中； 针对所述第 一连通图计算结果中每一个不具有连通关系的独立图像数据， 将该图像数 据单独作为 一个图像 类。 4.根据权利要求1所述的方法， 其中， 所述针对每一个图像类， 将该图像类添加到待处 理周期的相应对象的周期图像集合中， 或在所述待处理周期中将该图像类添加为一个新的 周期图像集 合， 包括： 针对每一个图像 类， 根据该图像 类中的各图像数据， 计算该图像 类的类特 征向量； 建立各所述类特 征向量的向量索引； 当所述待处理时段为所述待处理周期的第 一个时段时， 在所述待处理周期中将各所述 图像类各自添加为相应对象的周期图像集 合； 当所述待处理时段不为所述待处理周期的第一个时段时， 针对每一个图像类， 查询向 量索引， 分别计算该图像类的类特征向量与每一所述周期 图像集合的类特征向量的相似 度； 在不存在大于第 二预设相似度阈值的相似度时， 在所述待处理周期中将该图像类添加 为一个新的周期图像集 合； 在存在大于第二预设相似度阈值的相似度时， 选取最大相似度对应的周期图像集合， 得到目标周期图像集 合； 将该图像类添加到所述目标周期图像集合中， 并更新所述目标周期图像集合的类特征 向量及类特 征向量的向量索引。 5.根据权利要求1所述的方法， 其中， 所述针对每一个周期图像集合， 将该周期图像集权　利　要　求　书 1/3 页 2 CN 115294395 A 2合添加到全量库的相应对象的全量图像集合中， 或在所述全量库中将该周期图像集合添加 为一个新的全量图像集 合， 包括： 当所述待处理周期为所述全量库中的第 一个周期时， 在所述全量库中将各所述周期图 像集合各自添加为相应对象的全量图像集 合； 当所述待处理周期不为所述全量库中的第一个周期时， 针对每一个周期图像集合， 查 询向量索引， 分别计算该周期图像集合的类特征向量与每一所述全量图像集合的类特征向 量的相似度； 在不存在大于第 三预设相似度阈值的相似度时， 在所述全量库中将该周期图像集合添 加为一个新的全量图像集 合； 在存在大于第三预设相似度阈值的相似度时， 选取最大相似度对应的全量图像集合， 得到目标全量图像集 合； 将该周期图像集合添加到所述目标全量图像集合中， 并更新所述目标全量图像集合的 类特征向量及类特 征向量的向量索引。 6.根据权利要求1所述的方法， 其中， 所述全量库中的各全量图像集合对应有相应的倒 排索引； 所述方法还 包括： 响应于获取到针对待查询对象的查询指令， 查询所述倒排索引， 得到所述待查询对象 的全量图像集 合； 根据所述待查询对象的全量图像集合中各图像数据的属性信 息， 生成所述待查询对象 的时空轨迹， 其中， 所述图像数据的属 性信息包括所述图像数据中对 象的位置信息及所述 图像数据的采集时间。 7.一种基于人工智能的图像处 理装置， 包括： 获取模块， 用于获取待处 理时段的图像数据； 分类模块， 用于对所述待处理时段的图像数据进行分类， 得到所述待处理时段的多个 图像类， 其中， 同一图像 类对应同一对象， 不同图像 类对应不同对象； 第一添加模块， 用于针对每一个图像类， 将该图像类添加到待处理周期的相应对象的 周期图像集合中， 或在所述待处理周期中将该图像类添加为一个新的周期图像集合， 其中， 所述待处 理周期包括至少两个时段， 所述至少两个时段包括所述待处 理时段； 第二添加模块， 用于针对每一个周期图像集合， 将该周期图像集合添加到全量库的相 应对象的全量图像集合中， 或在所述全量库中将该周期图像集合添加为一个新的全量图像 集合。 8.根据权利要求7所述的装置， 其中， 所述获取模块， 具体用于以所述待处理周期上一 时段的结束时刻为待处理时段的起始 时刻， 接收各摄像点位采集的视频流； 对所述视频流 进行抽帧及对 象检测， 得到包括预设类型对 象的图像数据； 当获取到的图像数据的总 数量 达到预设数量阈值时， 将此时的时刻作为所述待处理时段 的结束时刻， 得到所述待处理时 段的图像数据。 9.根据权利要求7所述的装置， 其中， 所述分类模块， 具体用于计算所述待处理时段的 图像数据中每两个图像数据之 间的相似度； 对相似度大于第一预设相似度阈值的图像数据 进行连通， 得到第一连通图计算结果； 将所述第一连通图计算结果中， 具有连通关系的各图权　利　要　求　书 2/3 页 3 CN 115294395 A 3