图像聚类、目标轨迹追踪方法、电子设备及存储介质技术

本发明专利技术提供一种图像聚类、目标轨迹追踪方法、电子设备以及存储介质，聚类方法包括：根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇；根据图像的拍摄地理位置对每一第一类簇中的图像进行聚类，以得到多个第二类簇。以此提高在大量图像数据中进行目标搜索的效率。

【技术实现步骤摘要】
图像聚类、目标轨迹追踪方法、电子设备及存储介质
本专利技术涉及智能设备
，尤其是涉及一种图像聚类、目标轨迹追踪方法、电子设备及存储介质。
技术介绍
为维护社会稳定，增强对相关重点人员的追踪力度，在机场、车站等城市的各个角落分布着大量的人脸捕获设备，可依据人脸捕获设备捕获到的人脸信息来形成相关处理，例如人员的行动轨迹，但是机场、车站等人流量比较大的地区在一定时间段内会捕获到大量的人脸数据，因此会增加数据处理的难度较大。
技术实现思路
本专利技术提供一种图像聚类、目标轨迹追踪方法、电子设备及存储介质，用以提高在大量图像数据中进行目标搜索的效率。为解决上述技术问题，本专利技术提供的第一个技术方案为：提供一种图像聚类方法，包括：根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇；根据图像的拍摄地理位置对每一第一类簇中的图像进行聚类，以得到多个第二类簇。其中，根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇包括：利用第一聚类算法根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇；其中，第一聚类算法包括k-means、DBSCAN中一种或任意组合。其中，根据图像的拍摄地理位置对每一第一类簇中的图像进行聚类，以得到多个第二类簇包括：利用第二聚类算法根据图像的拍摄地理位置对每一第一类簇中的图像进行聚类，以得到多个第二类簇；其中，第二聚类算法包括Geohash算法。为解决上述技术问题，本专利技术提供的第二个技术方案为：提供一种目标轨迹追踪方法，追踪方法包括：根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇；根据图像的拍摄地理位置对每一第一类簇中的图像进行聚类，以得到多个第二类簇；获取包括追踪目标的待处理图像；计算待处理图像与第一类簇及第二类簇中图像的相似度，进而确定追踪目标的地理位置；根据追踪目标的地理位置得到追踪目标的轨迹。其中，计算待处理图像与第一类簇及第二类簇中图像的相似度，进而确定追踪目标的地理位置包括：计算待处理图像与每一第一类簇的质心的相似度，进而确定待处理图像对应的第一类簇；计算待处理图像与对应的第一类簇中每一第二类簇中图像的相似度，进而确定追踪目标的地理位置。其中，计算待处理图像与每一第一类簇的质心的相似度，进而确定待处理图像对应的第一类簇包括：对待处理图像进行处理，以获取追踪目标对应的特征向量；计算特征向量与每一第一类簇的质心的相似度；将与特征向量的相似度最高的质心对应的第一类簇确定为待处理图像对应的第一类簇。其中，计算待处理图像与对应的第一类簇中每一第二类簇中图像的相似度，进而确定追踪目标的地理位置包括：对待处理图像进行处理，以获取追踪目标对应的特征向量；计算特征向量与对应的第一类簇中每一第二类簇中图像的相似度；若相似度大于预设值，则对应的图像拍摄地理位置为追踪目标的地理位置。其中，根据追踪目标的地理位置得到追踪目标的轨迹包括：根据追踪目标的地理位置以及该地理位置对应的图像的拍摄时间点得到追踪目标的轨迹。为解决上述技术问题，本专利技术提供的第三个技术方案为：提供一种电子设备，包括：存储器和处理器，其中，存储器存储有程序指令，处理器从存储器调取程序指令以执行上述任一项的目标轨迹追踪方法。为解决上述技术问题，本专利技术提供的第四个技术方案为：提供一种计算机可读存储介质，存储有程序文件，程序文件能够被执行以实现上述任一项的目标轨迹追踪方法。本专利技术的有益效果，区别于现有技术，本专利技术提供一种图像聚类方法，其根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇；根据图像的拍摄地理位置对每一第一类簇中的图像进行聚类，以得到多个第二类簇，以此提高在大量图像数据中进行目标搜索的效率。附图说明为了更清楚地说明本专利技术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专利技术的一些实施例，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它的附图，其中：图1为本专利技术图像聚类方法的第一实施例的流程示意图；图2为本专利技术目标轨迹追踪方法的第一实施例的流程示意图；图3为图2中步骤S22的一实施例的流程示意图；图4为图3中步骤S31的一实施例的流程示意图；图5为图3中步骤S32的一实施例的流程示意图；图6为本电子设备的一实施例的结构示意图；图7为本专利技术计算机可读存储介质的一实施例的结构示意图。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，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。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。下面结合附图和实施例对本专利技术进行详细的说明。请参见图1，图1为本专利技术图像聚类方法的一实施例的流程示意图，包括：步骤S11：根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇。具体的，利用第一聚类算法根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇；其中，第一聚类算法包括k-means、DBSCAN中一种或任意组合。具体的，假设某城市分布在机场、火车站和汽车站的人脸抓拍设备在一天内总共抓拍得到100万张人脸图片，该100万张人脸图片存储于数据库中，使用第一聚类算法依据图片中的人脸特征对抓拍得到的100万张人脸图片进行聚类，共得到10个第一类簇。在一实施例中，每一第一类簇至少具有一个质心。步骤S12：根据图像的拍摄地理位置对每一第一类簇中的图像进行聚类，以得到多个第二类簇。具体的，利用第二聚类算法根据图像的拍摄地理位置对每一第一类簇中的图像进行聚类，以得到多个第二类簇；其中，第二聚类算法包括Geohash算法。具体的，使用Geohash算法对该城市进行位置区块划分，火车站、汽车站及机场位于划分后的位置区块中，针对10个第一类簇中的每一第一类簇中的图像，根据抓拍时的拍摄地理位置对其进行聚类，以得到第二类簇。在一具体实施例中，根据火车站、汽车站及机场的拍摄地理位置将每一第一类簇中的图像聚类分为3个第二类簇，即火车站对应的第二类簇、汽车站对应的第二类簇、机场对应的第二类簇。现有的聚类方法中，仅需要使用人脸特征进行聚类，因此得到的每一类簇的数据会包含一个时间段内在所有地点抓拍到的相似的人脸图像，此时如果需要计算某人是否在某个地点出现，则需要对当前类簇中所有人脸数据进行相似度计算，会极大增加时间成本。因此本实施例提供的图像聚类方法，其先根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇，再根据图像的拍摄地理位置对每一第一类簇中的图像进行聚类，以得到多个第二类簇。以此能够将人脸特征聚类与地理特征聚类结合，以提高在大量图像数据中进行目标搜索的效率，即在人脸特征聚类形成的第一类簇中进行搜索后，再在地理位置聚类形成的第二类簇中进行搜索，减少了计算量，提高本文档来自技高网...

【技术保护点】
1.一种图像聚类方法，其特征在于，所述方法包括：/n根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇；/n根据图像的拍摄地理位置对每一所述第一类簇中的图像进行聚类，以得到多个第二类簇。/n

【技术特征摘要】
1.一种图像聚类方法，其特征在于，所述方法包括：
根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇；
根据图像的拍摄地理位置对每一所述第一类簇中的图像进行聚类，以得到多个第二类簇。


2.根据权利要求1所述的聚类方法，其特征在于，所述根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇包括：
利用第一聚类算法根据所述人脸特征对数据库中的图像进行聚类，以得到多个所述第一类簇；
其中，所述第一聚类算法包括k-means、DBSCAN中一种或任意组合。


3.根据权利要求1所述的聚类方法，其特征在于，所述根据图像的拍摄地理位置对每一所述第一类簇中的图像进行聚类，以得到多个第二类簇包括：
利用第二聚类算法根据图像的拍摄地理位置对每一所述第一类簇中的图像进行聚类，以得到多个所述第二类簇；
其中，所述第二聚类算法包括Geohash算法。


4.一种目标轨迹追踪方法，其特征在于，所述追踪方法包括：
根据人脸特征对数据库中的图像进行聚类，以得到多个第一类簇；
根据图像的拍摄地理位置对每一所述第一类簇中的图像进行聚类，以得到多个第二类簇；
获取包括追踪目标的待处理图像；
计算所述待处理图像与所述第一类簇及所述第二类簇中图像的相似度，进而确定所述追踪目标的地理位置；
根据所述追踪目标的地理位置得到所述追踪目标的轨迹。


5.根据权利要求4所述的方法，其特征在于，所述计算所述待处理图像与所述第一类簇及所述第二类簇中图像的相似度，进而确定所述追踪目标的地理位置包括：
计算所述待处理图像与每一所述第一类簇的质心的相似度，进而确定所述待处理图像对应的第一类簇...

【专利技术属性】
技术研发人员：李保敏，刘伟棠，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33