CN114419476A - 抓拍方法、抓拍装置及计算机可读存储介质 - Google Patents

Abstract

本申请公开了一种抓拍方法、抓拍装置及计算机可读存储介质，该抓拍方法包括：接收视频流，对视频流进行目标跟踪；获取视频流中当前待处理图像中的目标对象的对象标识；确定对象标识对应的目标图像，目标图像为目标对象的检测框内的图像；在数据库中确定与目标图像匹配的匹配图像；响应于不存在与匹配图像对应的缓存图像，将目标图像作为缓存图像进行缓存；响应于存在与匹配图像对应的缓存图像，将缓存图像、目标图像中的最优图像作为缓存图像进行缓存；响应于缓存图像未更新的时间达到时间阈值，将缓存图像作为抓拍图像对目标对象进行抓拍。本申请所提供的抓拍方法能够提高抓拍的准确率，以及节约资源。

Description

抓拍方法、抓拍装置及计算机可读存储介质

技术领域

本申请涉及图像处理技术领域，特别是涉及一种抓拍方法、抓拍装置及计算机可读存储介质。

背景技术

为了确保安全，在例如学校、机场等场所，需要对人脸进行抓拍、识别。现有技术在利用跟踪算法跟踪人脸时，由于人脸被遮挡等因素会出现跟踪断裂的情况，此时会出现一个人脸对应多个ID的现象，从而会多次抓拍上报，既会出现误识别，也会浪费资源。

发明内容

本申请提供一种抓拍方法、抓拍装置及计算机可读存储介质，能够提高抓拍的准确率，以及节约资源。

本申请实施例第一方面提供一种抓拍方法，所述方法包括：接收视频流，对所述视频流进行目标跟踪；获取所述视频流中当前待处理图像中的目标对象的对象标识；确定所述对象标识对应的目标图像，所述目标图像为所述目标对象的检测框内的图像；在数据库中确定与所述目标图像匹配的匹配图像；响应于不存在与所述匹配图像对应的缓存图像，将所述目标图像作为所述缓存图像进行缓存；响应于存在与所述匹配图像对应的缓存图像，将所述缓存图像、所述目标图像中的最优图像作为所述缓存图像进行缓存；响应于所述缓存图像未更新的时间达到时间阈值，将所述缓存图像作为抓拍图像对所述目标对象进行抓拍。

本申请实施例第二方面提供一种抓拍装置，所述抓拍装置包括处理器、存储器以及通信电路，所述处理器分别耦接所述存储器、所述通信电路，所述存储器中存储有程序数据，所述处理器通过执行所述存储器内的所述程序数据以实现上述方法中的步骤。

本申请实施例第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序能够被处理器执行以实现上述方法中的步骤。

有益效果是：本申请对同一目标对象进行两次抓拍的时间间隔至少为时间阈值，可以避免目标对象的对象标识发生改变后就立即对目标对象进行抓拍的缺陷，也就是说，可以避免在短时间内对同一目标对象进行重复抓拍的现象，既可以节约资源，也可以提高抓拍的准确率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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。其中：

图1是本申请抓拍方法一实施方式的流程示意图；

图2是图1中步骤S130的流程示意图；

图3是图1中步骤S160的流程示意图；

图4是本申请抓拍装置一实施方式的结构示意图；

图5是本申请抓拍装置另一实施方式的结构示意图；

图6是本申请计算机可读存储介质一实施方式的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在介绍本申请的方案之前，先介绍本申请的背景：在利用跟踪算法跟踪目标时，识别画面中的目标，并为每个目标都分配一个标识，不同目标对应的标识不同，即目标与标识之间的关系为一一对应关系。

现有技术中，当目标受到遮挡时，跟踪算法可能会出现跟踪断裂的情况，从而改变目标的标识，而只要目标的标识不同，就会对其进行抓拍，因此当目标受到遮挡时，会出现多次对同一目标进行抓拍的现象，这会造成资源的浪费，也容易造成后续识别不准确的现象。而本申请所要解决的技术问题就是如何避免上述现象。

其中，本申请的方法可以应用于对人脸进行抓拍，也可以应用于对车辆、动物等进行抓拍，但是为了便于说明，以下均以对人脸抓拍进行说明，也就是说，以目标对象为人脸对本申请的方案进行说明。

参阅图1，图1是本申请抓拍方法一实施方式的流程示意图，该方法包括：

S110：接收视频流，对视频流进行目标跟踪。

采用跟踪算法对接收的视频流进行跟踪，在跟踪过程中，识别各个目标对象，具体生成各个目标对象的检测框、各个目标对象的对象标识(例如对象ID)，以及各个目标对象对应的置信度。

其中，目标对象、对象标识以及置信度之间的关系为一一对应关系。

S120：获取视频流中当前待处理图像中的目标对象的对象标识。

其中，当前待处理图像为视频流中当前待处理的视频帧。

其中，当前待处理图像中目标对象的数量为多个时，分别对应各个目标对象执行后续步骤。

S130：确定对象标识对应的目标图像，目标图像为目标对象的检测框内的图像。

其中，目标图像是目标对象的检测框内的图像，其包括目标对象，但是其尺寸小于当前待处理图像。

在本实施方式中，为了避免重复抓拍，在确定对象标识对应的目标图像之前，判断在此之前是否对目标对象进行抓拍；若在此之前未对目标对象进行抓拍，则执行确定对象标识对应的目标图像，否则不执行后续步骤，而是将下一待处理图像确定为当前待处理图像，然后返回执行步骤S120。

也就是说，本实施方式对应同一个对象标识，只会抓拍一次。

但是在其他实施方式中，确定对象标识对应的目标图像之前，也可以不判断是否在此之前已经对目标对象进行抓拍，此时可能会对同一对象标识进行多次抓拍。但是即使对同一对象标识进行多次抓拍，在本申请的方案中，相邻抓拍之间也存在预设的时间间隔，可以满足某些场景下的需求，具体可参见下文。

其中，本实施方式在对目标对象进行抓拍时，会记录该目标对象对应的对象标识，因此在步骤S130之前，如果判定对象标识在此之前被记录过，则表明在此之前已经对目标对象进行抓拍，则不再执行后续步骤，如果没有记录过，则执行步骤S130。

在本实施方式中，为了减少计算量，在执行步骤S130之前，判断当前待处理图像是否是当前所处周期内的最后一帧图像；若判断结果为是，则执行步骤S130；若判断结果为否，则将视频流中下一待处理图像确定为当前待处理图像，然后返回执行步骤S120。

其中，当需要对视频流中的每一帧图像都进行处理时，下一待处理图像与当前待处理图像时序相邻，在视频流中，下一待处理图像与当前待处理图像之间不存在任何图像，而当为了减少计算量，只对视频流中的部分图像进行处理，而忽略其他图像时，在视频流中，下一待处理图像与当前待处理图像之间可以存在不需要处理的图像。

其中，当需要对视频流中的每一帧图像都进行处理时，在对视频流进行目标跟踪的过程中，也是对每一帧图像都进行识别，当只对视频流中的部分图像进行处理，而忽略其他图像时，在对视频流进行目标跟踪的过程中，也是对需要处理的部分图像进行目标识别，而忽略其他图像。

其中为了便于说明，以下均以对视频流中的每一帧图像都进行处理进行说明。

其中，如果当前待处理图像不是当前所处周期内的最后一帧图像，则不对该当前待处理图像进行处理，只有在当前待处理图像是当前所处周期内的最后一帧图像时，才继续执行后续步骤。其中，每个周期均包括视频流中预设数量的目标视频帧，目标视频帧为视频流中包括目标对象的视频帧。

具体地，在对视频流进行目标跟踪的过程中，在侦测到目标对象出现后，按照生成从前到后的顺序，将视频流中包括目标对象的每N(N大于或者等于2)帧目标视频帧确定为一个周期，例如，在目标对象出现后，对目标视频帧按照生成时间从前到后的顺序，依次从一进行标号，则如果每5帧目标视频帧作为一个周期的话，第一目标视频帧至第五目标视频帧为一个周期，第六目标视频帧至第十目标视频帧为一个周期，以此类推。

参阅图2，步骤S130确定对象标识对应的目标图像的步骤，包括：

S131：在目标优选队列中，确定与当前所处周期对应的图像。

S132：将与当前所处周期对应的图像，作为目标图像。

其中，在对视频流进行目标跟踪时，在对每个周期中的目标视频帧识别结束后，在预设数量的目标视频帧中，确定目标对象的检测框内的最优图像，并将最优图像保存到目标优选队列中。

具体地，在对视频流进行目标跟踪时，在对每个周期识别结束后，在该周期所包括的N帧目标视频帧中，确定目标对象的检测框内的最优图像，最后将该最优图像保存在目标优选队列中。可以理解的是，在N帧目标视频帧中，目标对象的检测框内的图像的个数为N个。

可以理解的是，目标优选队列与目标对象为一一对应关系。不同的目标对象对应的目标优选队列不同。

其中，当目标对象从视频流中消失的帧数达到预设帧数时，判断目标对象消失，停止更新目标优选队列。具体地，当目标对象从视频流中消失的帧数达到预设帧数时，即使后续目标对象又回到画面中，其对应的对象标识也会不同，后续会将其视为新的目标对象进行重新识别，所以停止更新目标优选队列。

或者，当不需要对同一目标进行重复抓拍时，若确定即将对目标对象进行抓拍，或者在确定已经对目标对象抓拍后，停止更新目标优选队列。

其中，将目标优选队列形成的过程定义为优选进程。其中，优选进程为实时进程，其具体含义指的是，对视频流进行目标跟踪与优选进程几乎同步进行。其中优选进程区别于下面为非实时进程的抓拍进程，具体可参见下文。

其中，在预设数量的目标视频帧中，确定目标对象的检测框内的最优图像的步骤，包括：

(a)获取各个目标视频帧中目标对象的检测框内的图像的质量分数，得到各个检测框内的图像的质量分数。

(b)将质量分数最高的检测框内的图像，确定为最优图像。

其中，在采用跟踪算法对视频流进行检测时，在识别出目标对象后，采用FQ算法(图像质量检测算法)对每个目标视频帧中目标对象的检测框内的图像的质量进行打分，得到各个检测框内的图像的质量分数，然后将每个周期中质量分数最高的检测框内图像，确定为该周期对应的最优图像。

在其他实施方式中，还可以获取各个目标视频帧中目标对象的检测框的置信度，然后将置信度最高的检测框内的图像，确定为最优图像。或者，获取各个目标视频帧中目标对象的检测框内的图像的关键点分数(关键点分数的获取方法可参见下文)，然后将关键点分数最高的检测框内的图像，确定为最优图像。总而言之，本申请对确定最优图像的标准不做限制。

在本实施方式中，为了保证目标图像的质量，在将最优图像作为目标图像之前，还会判断最优图像是否满足第一要求，如果满足第一要求的话，才将最优图像确定为目标图像，否则将视频流中下一待处理图像确定为当前待处理图像，然后返回执行步骤S120。

在一应用场景中，第一要求包括最优图像的质量分数达到第一分数阈值，且对应的置信度超过置信度阈值。其中，第一分数阈值、置信度阈值可根据实际需求进行设置，例如第一分数阈值为0.9，置信度阈值为0.15。

在其他应用场景中，第一要求可以只包括最优图像的质量分数达到第一分数阈值、对应的置信度超过置信度阈值中的一个。

在其他实施方式中，也可以不判断与当前所处周期对应的图像是否满足第一要求，此时直接将当前所处周期对应的图像，确定为目标图像。

S140：在数据库中确定与目标图像匹配的匹配图像。

数据库中预先保存有多个样本图像，每个样本图像存在对应的身份信息。

步骤S130在得到目标图像后，将目标图像与数据库中的样本图像进行匹配，将其中一个样本图像作为与目标图像匹配的匹配图像。

在本实施方式中，步骤S140具体包括：确定数据库中的样本图像与目标图像的相似度；响应于最高相似度超过相似度阈值，将最高相似度对应的样本图像，确定为匹配图像；响应于最高相似度未超过相似度阈值，将视频流中下一待处理图像确定为当前待处理图像，然后返回执行步骤S120。

具体地，分别计算数据库中的样本图像与目标图像的相似度，然后判断最高相似度是否超过相似度阈值，如果超过，则将最高相似度对应的样本图像确定为匹配图像，如果不超过，则视频流中下一待处理图像确定为当前待处理图像，然后返回执行获取当前待处理图像中目标对象的对象标识的步骤。

在其他实施方式中，在计算数据库中的样本图像与目标图像的相似度后，可以直接将最高相似度对应的样本图像确定为匹配图像，而不需要判断最高相似度是否超过相似度阈值。

其中，计算样本图像与目标图像的相似度的过程包括：分别提取样本图像与目标图像的特征值，然后计算两个特征值的相似度，最终得到的特征值的相似度即为样本图像与目标图像的相似度。

其中，在确定与目标对象匹配的匹配图像后，可以确定即将对目标对象进行抓拍，此时可以停止该目标对象的目标优选队列的更新。

S150：判断是否存在与匹配图像对应的缓存图像。

若判断结果为是，则执行步骤S160，否则执行步骤S170。

S160：将缓存图像、目标图像中的最优图像作为缓存图像进行缓存。

S170：将目标图像作为缓存图像进行缓存。

可以理解的是，与匹配图像对应的图像对应着同一目标对象，因此在存在与匹配图像对应的缓存图像时，将缓存图像更新为缓存图像、目标图像中的最优图像，如果不存在与匹配图像对应的缓存图像，则将目标图像作为匹配图像的缓存图像。

S180：响应于缓存图像未更新的时间达到时间阈值，将缓存图像作为抓拍图像对目标对象进行抓拍。

具体地，如果缓存图像未更新的时间达到时间阈值，则确定对应该目标对象的缓存图像达到最佳，则将缓存图像作为抓拍图像对目标对象进行抓拍。

在一应用场景中，时间阈值为200帧。

其中，将缓存图像作为抓拍图像对目标对象进行抓拍后，可以将缓存图像传递给上层应用，以进行后续的处理。

从上面内容可以看出，对同一目标对象进行两次抓拍的时间间隔至少为时间阈值，因此可以避免目标对象的对象标识发生改变后就立即对目标对象进行抓拍的缺陷，也就是说，可以避免在短时间内对同一目标对象进行重复抓拍的现象，既可以节约资源，也可以提高抓拍的准确率。

参阅图3，在本实施方式中，步骤S160具体包括：

S161：判断目标图像是否满足第二要求。

如果满足，则执行步骤S162，如果不满足，则执行步骤S163。

S162：将目标图像确定为缓存图像、目标图像中的最优图像。

S163：将缓存图像确定为缓存图像、目标图像中的最优图像。

具体地，如果目标图像满足第二要求，则用目标图像更新缓存图像，否则不更新。

在一应用场景中，第二要求包括目标图像的质量分数大于缓存图像的质量分数、目标图像的关键点分数达到第二分数阈值、目标图像中目标对象的角度满足角度要求中的至少一个。

其中，可以采用关键点算法对目标图像进行分析，得到对应的关键点分数。同时第二分数阈值可以根据实际需求设置，本申请并不做具体限制。

其中目标对象的角度包括偏航角(Yaw)、俯仰角(Pitch)、翻滚角(Roll)中的至少一个，在一应用场景中，当目标对象的角度同时包括偏航角(Yaw)、俯仰角(Pitch)、翻滚角(Roll)时，角度要求包括：偏航角(Yaw)的绝对值小于55°，俯仰角(Pitch)向上角度小于45°，向下角度小于30°，翻滚角(Roll)绝对值小于75°。

其中，第二要求可以根据实际需求设定，在此不做限制。

其中，将步骤S120至步骤S180这一过程定义为抓拍进程，在本实施方式中抓拍进程为非实时进程，其具体含义指的是，抓拍进程延后于对视频流进行目标跟踪。

其中，抓拍进程与优选进程为两个独立的进程，两者独立运行，为异步关系，可以提高整体效率。

从上述内容可以看出，本实施方式在确定目标图像时，采用了分段优选的策略，可以极大地减少计算量，提高整个方法的运行效率。需要说明的是，在其他实施方式中，在不考虑计算量的前提下，步骤S130在确定对象标识对应的目标图像时，也可以直接将当前待处理图像中目标对象的检测框内的图像作为目标图像。

参阅图4，图4是本申请抓拍装置一实施方式的结构示意图。该抓拍装置200包括处理器210、存储器220以及通信电路230，处理器210分别耦接存储器220、通信电路230，存储器220中存储有程序数据，处理器210通过执行存储器220内的程序数据以实现上述任一项实施方式中的步骤，其中详细的步骤可参见上述实施方式，在此不再赘述。

参阅图5，图5是本申请抓拍装置另一实施方式的结构示意图。该抓拍装置300包括接收模块310、标识模块320、第一确定模块330、第二确定模块340、缓存模块350以及抓拍模块360。

接收模块310用于接收视频流，对视频流进行目标跟踪。

标识模块320与接收模块310连接，用于获取视频流中当前待处理图像中的目标对象的对象标识。

第一确定模块330与标识模块320连接，用于确定对象标识对应的目标图像，目标图像为目标对象的检测框内的图像。

第二确定模块340与第一确定模块330连接，用于在数据库中确定与目标图像匹配的匹配图像。

缓存模块350与第二确定模块340连接，用于响应于不存在与匹配图像对应的缓存图像，将目标图像作为缓存图像进行缓存；以及响应于存在与匹配图像对应的缓存图像，将缓存图像、目标图像中的最优图像作为缓存图像进行缓存。

抓拍模块360与缓存模块350连接，用于响应于缓存图像未更新的时间达到时间阈值，将缓存图像作为抓拍图像对目标对象进行抓拍。

在一实施方式中，第一确定模块330在确定对象标识对应的目标图像之前，还用于：判断当前待处理图像是否是当前所处周期内的最后一帧图像；若判断结果为是，则第一确定模块330执行确定对象标识对应的目标图像的步骤；若判断结果为否，则标识模块320将视频流中下一待处理图像确定为当前待处理图像，然后继续执行获取当前待处理图像中目标对象的对象标识的步骤。其中，每个周期均包括视频流中预设数量的目标视频帧，目标视频帧包括目标对象。

在一实施方式中，第一确定模块330具体用于在目标优选队列中，确定与当前所处周期对应的图像；将与当前所处周期对应的图像，作为目标图像；其中，接收模块310在对视频流进行目标跟踪时，在每个周期中的预设数量的目标视频帧中，确定目标对象的检测框内的最优图像，并将最优图像保存到目标优选队列中。

在一实施方式中，接收模块310具体用于获取各个目标视频帧中目标对象的检测框内的图像的质量分数，得到各个检测框内的图像的质量分数；将质量分数最高的检测框内的图像，确定为最优图像。

在一实施方式中，第一确定模块330在将与当前所处周期对应的图像，作为目标图像之前，还用于判断与当前所处周期对应的图像是否满足第一要求；若满足，则第一确定模块330执行将与当前所处周期对应的图像，作为目标图像的步骤；若不满足，则标识模块320将视频流中下一待处理图像确定为当前待处理图像，然后返回执行获取当前待处理图像中目标对象的对象标识的步骤。

在一实施方式中，第一要求包括与当前所处周期对应的图像的质量分数达到第一分数阈值，且对应的置信度超过置信度阈值。

在一实施方式中，缓存模块350具体用于响应于目标图像满足第二要求，将目标图像确定为缓存图像、目标图像中的最优图像；响应于目标图像不满足第二要求，将缓存图像确定为缓存图像、目标图像中的最优图像。

在一实施方式中，第二要求包括目标图像的质量分数大于缓存图像的质量分数、目标图像的关键点分数达到第二分数阈值、目标图像中目标对象的角度满足角度要求中的至少一个。

在一实施方式中，第二确定模块340具体用于确定数据库中的样本图像与目标图像的相似度；响应于最高相似度超过相似度阈值，第二确定模块340将最高相似度对应的样本图像，确定为匹配图像；响应于最高相似度未超过相似度阈值，标识模块320将视频流中下一待处理图像确定为当前待处理图像，然后继续执行获取当前待处理图像中目标对象的对象标识的步骤。

在一实施方式中，第一确定模块330在确定对象标识对应的目标图像之前，还用于判断在此之前是否对目标对象进行抓拍；若在此之前未对目标对象进行抓拍，则第一确定模块330执行确定对象标识对应的目标图像的步骤。

其中，本实施方式中的抓拍装置300在工作时执行上述任一项实施方式中抓拍方法中的步骤，具体步骤可参见上述内容，在此不再赘述。

参阅图6，图6是本申请计算机可读存储介质一实施方式的结构示意图。该计算机可读存储介质400存储有计算机程序410，计算机程序410能够被处理器执行以实现上述任一项方法中的步骤。

其中，计算机可读存储介质400具体可以为U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等可以存储计算机程序410的装置，或者也可以为存储有该计算机程序410的服务器，该服务器可将存储的计算机程序410发送给其他设备运行，或者也可以自运行该存储的计算机程序410。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (12)

1.一种抓拍方法，其特征在于，所述方法包括：

接收视频流，对所述视频流进行目标跟踪；

获取所述视频流中当前待处理图像中的目标对象的对象标识；

确定所述对象标识对应的目标图像，所述目标图像为所述目标对象的检测框内的图像；

在数据库中确定与所述目标图像匹配的匹配图像；

响应于不存在与所述匹配图像对应的缓存图像，将所述目标图像作为所述缓存图像进行缓存；

响应于存在与所述匹配图像对应的缓存图像，将所述缓存图像、所述目标图像中的最优图像作为所述缓存图像进行缓存；

响应于所述缓存图像未更新的时间达到时间阈值，将所述缓存图像作为抓拍图像对所述目标对象进行抓拍。

2.根据权利要求1所述的方法，其特征在于，在所述确定所述对象标识对应的目标图像之前，还包括：

判断所述当前待处理图像是否是当前所处周期内的最后一帧图像；

若判断结果为是，则执行所述确定所述对象标识对应的目标图像的步骤；

若判断结果为否，则将所述视频流中下一待处理图像确定为所述当前待处理图像，然后返回执行所述获取当前待处理图像中目标对象的对象标识的步骤；

其中，每个所述周期均包括所述视频流中预设数量的目标视频帧，所述目标视频帧包括所述目标对象。

3.根据权利要求2所述的方法，其特征在于，所述确定所述对象标识对应的目标图像的步骤，包括：

在目标优选队列中，确定与所述当前所处周期对应的图像；

将与所述当前所处周期对应的图像，作为所述目标图像；

其中，在对所述视频流进行目标跟踪时，在每个所述周期中的所述预设数量的所述目标视频帧中，确定所述目标对象的检测框内的最优图像，并将所述最优图像保存到所述目标优选队列中。

4.根据权利要求3所述的方法，其特征在于，所述在所述预设数量的所述目标视频帧中，确定所述目标对象的检测框内的最优图像的步骤，包括：

获取各个所述目标视频帧中所述目标对象的检测框内的图像的质量分数，得到各个所述检测框内的图像的质量分数；

将质量分数最高的所述检测框内的图像，确定为所述最优图像。

5.根据权利要求3所述的方法，其特征在于，在所述将与所述当前所处周期对应的图像，作为所述目标图像之前，还包括：

判断与所述当前所处周期对应的图像是否满足第一要求；

若满足，则执行所述将与所述当前所处周期对应的图像，作为所述目标图像的步骤；

若不满足，则将所述视频流中下一待处理图像确定为所述当前待处理图像，然后返回执行所述获取当前待处理图像中目标对象的对象标识的步骤。

6.根据权利要求5所述的方法，其特征在于，所述第一要求包括与所述当前所处周期对应的图像的质量分数达到第一分数阈值，且对应的置信度超过置信度阈值。

7.根据权利要求1所述的方法，其特征在于，所述将所述缓存图像、所述目标图像中的最优图像作为所述缓存图像进行缓存的步骤，包括：

响应于所述目标图像满足第二要求，将所述目标图像确定为所述缓存图像、所述目标图像中的最优图像；

响应于所述目标图像不满足所述第二要求，将所述缓存图像确定为所述缓存图像、所述目标图像中的最优图像。

8.根据权利要求7所述的方法，其特征在于，所述第二要求包括所述目标图像的质量分数大于所述缓存图像的质量分数、所述目标图像的关键点分数达到第二分数阈值、所述目标图像中所述目标对象的角度满足角度要求中的至少一个。

9.根据权利要求1所述的方法，其特征在于，所述在数据库中确定与所述目标图像匹配的匹配图像的步骤，包括：

确定所述数据库中的样本图像与所述目标图像的相似度；

响应于最高相似度超过相似度阈值，将所述最高相似度对应的所述样本图像，确定为所述匹配图像；

响应于所述最高相似度未超过所述相似度阈值，将视频流中下一待处理图像确定为所述当前待处理图像，然后返回执行所述获取当前待处理图像中目标对象的对象标识的步骤。

10.根据权利要求1所述的方法，其特征在于，在所述确定所述对象标识对应的目标图像之前，还包括：

判断在此之前是否对所述目标对象进行抓拍；

若在此之前未对所述目标对象进行抓拍，则执行所述确定所述对象标识对应的目标图像的步骤。

11.一种抓拍装置，其特征在于，所述抓拍装置包括处理器、存储器以及通信电路，所述处理器分别耦接所述存储器、所述通信电路，所述存储器中存储有程序数据，所述处理器通过执行所述存储器内的所述程序数据以实现如权利要求1-10任一项所述方法中的步骤。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序能够被处理器执行以实现如权利要求1-10任一项所述方法中的步骤。

Images