【技术实现步骤摘要】
人员归档方法、装置及电子设备
[0001]本申请涉及人工智能
,尤其涉及的是一种人员归档方法、装置及电子设备。
技术介绍
[0002]在视频监控领域,对特定人员进行跟踪,以及发现区域内的陌生人等功能逐渐成为关键需求。通过对已知身份的人建立一个人员档案,而监控中出现的人,需要对其进行一次档案查询,来确定其是要找的人或者是未在档案中的人(即陌生人)。若是档案中的人员,则归入目标ID(标识)下,若不是,则归入陌生人中。
[0003]在归档时一个重要的判断依据就是查询图与档案封面的相似程度,档案封面直接会影响到归档系统的性能。通过抓拍采集的图片质量参差不齐,会有模糊、不完整等情况出现,若所有的图片都可以参与档案封面的计算,会对查询图片的归档产生不利影响。此外,用聚类中心作为档案封面的方法虽然能够一定程度上避免噪声数据的不利影响,但是同一人员可能由于朝向、姿态等变化较大,单一特征的聚类中心不能够充分代表此人,封面需要更加丰富的数据。
技术实现思路
[0004]有鉴于此,本申请提供一种人员归档方法、装置及电子设备。
[0005]具体地,本申请是通过如下技术方案实现的:
[0006]根据本申请实施例的第一方面,提供一种人员归档方法,包括:
[0007]对于档案数据库中任一标识ID,利用预先训练的评分模型,从多个不同维度对该ID下的采集数据中的图像进行评分,并过滤评分低于预设评分阈值的图像,以得到过滤后的图像;其中,所述多个不同维度用于表征图像中的人员成像质量;
[000 ...
【技术保护点】
【技术特征摘要】
1.一种人员归档方法,其特征在于,包括:对于档案数据库中任一标识ID,利用预先训练的评分模型,从多个不同维度对该ID下的采集数据中的图像进行评分,并过滤评分低于预设评分阈值的图像,以得到过滤后的图像;其中,所述多个不同维度用于表征图像中的人员成像质量;利用预先训练的多个特征提取模型,分别对所述过滤后的图像进行特征提取,以得到多种不同类型的特征;其中,不同特征提取模型用于提取不同类型的特征,所述多种不同类型的特征用于唯一标识一个人员;分别对所述多种不同类型的特征进行聚类,以得到所述多种不同类型的特征对应的多个聚类中心;其中,一种类型的特征对应至少一个聚类中心;依据所述多个聚类中心生成档案封面,并依据所述档案封面进行人员归档。2.根据权利要求1所述的方法,其特征在于,所述分别对所述多种不同类型的特征进行聚类,以得到所述多种不同类型的特征对应的多个聚类中心之前,还包括:利用预先训练的属性提取模型,对所述过滤后的图像进行预设影响因素提取,以得到所述过滤后的图像对应的影响因素信息;所述分别对所述多种不同类型的特征进行聚类,以得到所述多种不同类型的特征对应的多个聚类中心,包括:对于任一待聚类的特征,依据所述影响因素信息对该特征进行分组;分别对各组特征进行聚类,以得到各组的聚类中心。3.根据权利要求1所述的方法,其特征在于,所述评分模型输出评分等级,所述评分模型的训练过程中,训练样本采用评分等级标注方式,所述评分模型采用第一损失函数确定损失;其中,对于任一训练样本,所述评分模型输出的评分等级与该训练样本标注的评分等级相差越大,依据所述第一损失函数确定的损失越大。4.根据权利要求3所述的方法,其特征在于,所述评分模型还输出评分分值;对于不相邻的两个评分等级,当所述评分模型输出的该两个评分中较高评分等级的训练样本的评分与较低评分等级的训练样本的评分的差值不超过预设差值时,采用第二损失函数进行惩罚,并对所述评分模型输出的评分分值进行归一化输出。5.根据权利要求1所述的方法,其特征在于,所述依据所述档案封面进行人员归档,包括:当检测到新输入的目标人员的数据时,获取所述目标人员的所述多种不同类型特征对应的图像;利用预先训练的多个特征提取模型,分别对所述多种不同类型特征对应的图像进行特征提取,以得到所述目标人员的多种不同类型的特征;依据所述目标人员的多种不同类型的特征,查询档案封面,以确定与所述目标人员的多种不同类型的特征相似度最高的目标档案封面;若所述目标人员的多种不同类型的特征与所述目标档案封面的相似度大于预设相似度阈值,则将所述目标人员的数据归入所述目标档案封面对应的ID;否则,将所述目标人员的数据归入陌生人数据库。6.根据权利要求5所述的方法,其特征在于,所述多种不同类型的特征中的目标特征在
生成档案封面时依据指定影响因素进行了分组,并进行了分组聚类;所述档案封面标注有所述指定影响因素的值;所述依据所述目标人员的多种不...
【专利技术属性】
技术研发人员:焦庆磊,邓凡,谢佳形,陈鑫嘉,
申请(专利权)人:杭州海康威视数字技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。