设备聚类方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及数据处理技术领域，尤其涉及一种设备聚类方法、装置、计算机设备及存储介质。其方法包括：获取拍摄数向量集合；对拍摄数向量集合中任意两个拍摄数向量分别进行相似度计算，生成相似度矩阵；基于相似度矩阵对摄像设备进行聚类处理，得到摄像设备对应的设备聚类结果。本发明专利技术实现了基于摄像设备在预设时间段内的图像拍摄数特征对摄像设备进行聚类得到设备聚类结果，可以有效区分出摄像设备的应用场景，提高了对摄像设备进行应用场景分类的效率和准确度。效率和准确度。效率和准确度。

【技术实现步骤摘要】
设备聚类方法、装置、计算机设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种设备聚类方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着互联网络的迅速发展，摄像设备的应用越来越广泛。摄像设备安装于停车场、图书馆、商场等各种应用场景中，是维护社会治安的一种监督手段。在侦查案件、排查嫌疑人时，通常需要集中排查某一类应用场景的监控影像。那么，就需要对摄像设备的应用场景进行有效分类，进而实现将同一应用场景的摄像设备聚成一类。目前，通过人工对摄像设备的应用场景进行标注，需要耗费大量的人力，效率很低。如何根据摄像设备所属的应用场景对摄像设备进行快速聚类成为亟待解决的问题。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种设备聚类方法、装置、计算机设备及存储介质，以解决无法根据摄像设备所属的应用场景对摄像设备进行快速聚类的问题。
[0004]一种设备聚类方法，包括：
[0005]获取拍摄数向量集合，所述拍摄数向量集合包括待聚类的各摄像设备对应的拍摄数向量，所述拍摄数向量是基于所述摄像设备在预设时间段内的拍摄数据生成的；
[0006]对所述拍摄数向量集合中任意两个拍摄数向量分别进行相似度计算，生成相似度矩阵；
[0007]基于所述相似度矩阵对所述摄像设备进行聚类处理，得到所述摄像设备对应的设备聚类结果。
[0008]一种设备聚类装置，包括：
[0009]拍摄数向量集合模块，用于获取拍摄数向量集合，所述拍摄数向量集合包括待聚类的各摄像设备对应的拍摄数向量，所述拍摄数向量是基于所述摄像设备在预设时间段内的拍摄数据生成的；
[0010]相似度矩阵模块，用于对所述拍摄数向量集合中任意两个拍摄数向量分别进行相似度计算，生成相似度矩阵；
[0011]设备聚类结果模块，用于基于所述相似度矩阵对所述摄像设备进行聚类处理，得到所述摄像设备对应的设备聚类结果。
[0012]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述设备聚类方法。
[0013]一个或多个存储有计算机可读指令的可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如上述设备聚类方法。
[0014]上述设备聚类方法、装置、计算机设备及存储介质，拍摄数向量集合包括待聚类的
各摄像设备对应的拍摄数向量，而拍摄数向量是基于摄像设备在预设时间段内的拍摄数据生成的，由于拍摄数向量反映摄像设备在预设时间段内的图像拍摄数特征的一种特征信息，该特征信息与摄像设备所属的应用场景是存在关联的；对拍摄数向量集合中任意两个拍摄数向量分别进行相似度计算，生成相似度矩阵；通过基于相似度矩阵对摄像设备进行聚类处理，得到摄像设备对应的设备聚类结果，设备聚类结果包括两个或两个以上的设备聚类簇，每个设备聚类簇中的设备属于同一应用场景，由此实现了基于摄像设备在预设时间段内的图像拍摄数特征对摄像设备进行聚类得到设备聚类结果，可以有效区分出摄像设备的应用场景，提高了对摄像设备进行应用场景分类的效率和准确度。
附图说明
[0015]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的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性的前提下，还可以根据这些附图获得其他的附图。
[0016]图1是本专利技术一实施例中设备聚类方法的一流程示意图；
[0017]图2是本专利技术一实施例中设备聚类方法的一流程示意图；
[0018]图3是本专利技术一实施例中设备聚类方法的一流程示意图；
[0019]图4是本专利技术一实施例中设备聚类方法的一流程示意图；
[0020]图5是本专利技术一实施例中设备聚类方法的一流程示意图；
[0021]图6是本专利技术一实施例中设备聚类方法的一流程示意图；
[0022]图7是本专利技术一实施例中设备聚类方法的一流程示意图；
[0023]图8是本专利技术一实施例中设备聚类装置的一结构示意图；
[0024]图9是本专利技术一实施例中计算机设备的一示意图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]在一实施例中，如图1所示，提供一种设备聚类方法，该方法可以应用于客户端或服务端，其中，客户端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现，以该方法应用在服务端为例进行说明，包括如下步骤：
[0027]S10、获取拍摄数向量集合；拍摄数向量集合包括待聚类的各摄像设备对应的拍摄数向量，拍摄数向量是基于摄像设备在预设时间段内的拍摄数据生成的。
[0028]在一个实施例中，拍摄数向量集合是由多个拍摄数向量构成的向量集合。一个拍摄数向量对应一个摄像设备，即每个拍摄数向量是基于单个摄像设备在预设时间段内的拍摄数据生成的。
[0029]在一个实施例中，摄像设备可以是用在安防方面的准专业摄像机，也可以是非安
防方面的其它摄像设备，在此不作限定。
[0030]在一个实施例中，拍摄数向量是反映摄像设备在预设时间段内的拍摄数特征的一种特征信息，该特征信息与摄像设备所属的应用场景是存在关联的。
[0031]例如，摄像设备广泛应用于学校、公司、银行、交通、平安城市等多个应用场景。摄像设备会24小时不间断地检测是否有路人经过。当有路人进入摄像设备所监控的范围时，摄像设备会对其进行拍摄，得到拍摄图像。经过摄像设备所监控的范围的人越多，摄像设备所执行的拍摄次数就越多，图像拍摄数越大。由于在不同的应用场景，人流量存在差异，因此，同一个时间段经过该应用场景的人流量是不同，所以在同一时间段内，摄像设备在不同的应用场景的图像拍摄数也随之不同。
[0032]在一个实施例中，可以通过获取摄像设备在预设时间段内的拍摄数据，以生成该摄像设备对应的拍摄数向量，预设时间段内可根据需求设定，例如，预设时间段可设置为24小时。拍摄数据包括摄像设备进行拍摄的每一张图像以及每一张图像的属性信息，可以理解的是，上述属性信息可以包括拍摄时间，当然，该属性信息还可以包括摄像设备的标识信息等，在此不作限定。
[0033]具体的，在基于摄像设备在预设时间段内的拍摄数据生成该摄像设备对应的拍摄数向量时，可以是从待聚类的各摄像设备获取其在预设时间段内的拍摄数据，并按预设间隔时间从预设时间段内划分出多个时间片段。根据拍摄数据获取各个时间片段内的图像拍摄数，确定同一个摄像机在各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备聚类方法，其特征在于，包括：获取拍摄数向量集合，所述拍摄数向量集合包括待聚类的各摄像设备对应的拍摄数向量，所述拍摄数向量是基于所述摄像设备在预设时间段内的拍摄数据生成的；对所述拍摄数向量集合中任意两个拍摄数向量分别进行相似度计算，生成相似度矩阵；基于所述相似度矩阵对所述摄像设备进行聚类处理，得到所述摄像设备对应的设备聚类结果。2.如权利要求1所述的设备聚类方法，其特征在于，所述获取拍摄数向量集合，包括：获取待聚类的各摄像设备在预设时间段内的拍摄数据；按照预设间隔时间将所述预设时间段划分为多个时间片段；根据所述拍摄数据，确定所述摄像设备在多个所述时间片段内的图像拍摄数；将所述摄像设备在多个所述时间片段内的图像拍摄数按照时间从前往后的顺序进行排序，生成所述摄像设备对应的拍摄数向量。3.如权利要求1所述的设备聚类方法，其特征在于，所述对所述拍摄数向量集合中任意两个拍摄数向量分别进行相似度计算，生成相似度矩阵，包括：对所述拍摄数向量集合中任意两个拍摄数向量分别进行相似度计算，得到任意两个拍摄数向量之间的相似度；基于所述相似度，生成所述相似度矩阵。4.如权利要求1所述的设备聚类方法，其特征在于，所述基于所述相似度矩阵对所述摄像设备进行聚类处理，得到所述摄像设备对应的设备聚类结果，包括：根据所述相似度矩阵构建聚类矩阵；计算所述聚类矩阵的特征向量，根据所述特征向量生成特征向量矩阵；基于所述特征向量矩阵对所述摄像设备进行聚类处理，得到所述摄像设备对应的设备聚类结果。5.如权利要求4所述的设备聚类方法，其特征在于，所述根据所述相似度矩阵构建聚类矩阵，包括：根据所述相似度矩阵，构建与所述相似度矩阵对应的邻接矩阵和度矩阵；根据所述邻接矩阵和所述度矩阵构建拉普拉斯矩阵；对所述拉普拉斯矩阵进行标准化处理，生成聚...

【专利技术属性】
技术研发人员：吴文胜，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：