基于多数据融合分析实现人像聚类的方法技术

本发明专利技术公开基于多数据融合分析实现人像聚类的方法，包括通过接入数据模块，接入所需视频流数据、人脸和人体抓拍图片数据；分别将视频流数据和人体抓拍图片数据调用人脸视频结构化和图片结构化计算引擎进行人脸和人体结构化；调用人脸聚类分析算法，通过地点、时间、结构化特征值和结构化属性的融合分析，将相同的人脸进行聚合关联，完成一次人像聚类分析；通过视频身份ID管理模块来完成视频身份ID的创建和赋予；调用人体关联分析算法，完成疑似人体数据的关联分析。本发明专利技术在人脸特征值数据比对分析的基础上，通过融合设备基础信息、结构化属性数据，进行时空关系分析，从而极大的提升数据聚类的精度，降低聚合散度。降低聚合散度。降低聚合散度。

【技术实现步骤摘要】
基于多数据融合分析实现人像聚类的方法


[0001]本专利技术涉及计算机
，尤其涉及基于多数据融合分析实现人像聚类的方法。

技术介绍

[0002]现有技术中人脸聚类技术方案主要有如下两种实现方式：
[0003]1.基于一个已建好的静态人脸库特征库，对接入的人脸抓拍数据进行实时特征值比对，对满足设定阈值的抓拍图片，将直接挂在相关人员下面。此方案的不足之处在于：一是对既有静态人脸库过于依赖，当无法提供静态数据支撑时，聚类效果极其一般；二是没有考虑其他数据的融合分析。
[0004]2.针对人脸抓拍数据的聚类分析算法，但只是针对人脸结构化特征值进行相似度比对，对相似度达标的抓拍图片进行聚类合并。此方案的不足之处在于：随着接入数据量和归档聚类基数的快速增长，归档聚类误差会被放大，聚类精度降低以及散度增加。
[0005]以上两种技术方案存在的共性问题还有：一是没有考虑引入更多辅助分析数据，以提升聚类精度；二是没有将人脸相关人体抓拍数据进行关联聚合；三是在大范围、海量数据环境下，归档聚类准确性较差。

技术实现思路

[0006]本专利技术的目的克服现有技术中的不足而提供一种基于多数据融合分析实现人像聚类的方法，该方法在人脸特征值数据比对分析的基础上，通过融合设备基础信息、结构化属性数据来进行时空关系分析，可以极大的提升数据聚类精度，降低聚合散度。
[0007]本专利技术的技术方案如下：
[0008]基于多数据融合分析实现人像聚类的方法，步骤如下：
[0009]通过接入数据模块，接入所需视频流数据、人脸和人体抓拍图片数据；
[0010]分别将视频流数据和人体抓拍图片数据调用人脸视频结构化和图片结构化计算引擎进行人脸和人体结构化，以输出获取相应的人脸和人体结构化数据；
[0011]对接所有人脸抓拍设备的基础信息数据；
[0012]调用人脸聚类分析算法，通过地点、时间、结构化特征值和结构化属性的融合分析，将相同的人脸进行聚合关联，输出人脸聚类数据，完成一次人像聚类分析；
[0013]通过视频身份ID管理模块来完成视频身份ID的创建和赋予；
[0014]调用人体关联分析算法，完成疑似人体数据的关联分析；
[0015]将人像聚类分析结构数据存储写入数据库。
[0016]上述人脸聚类分析算法步骤如下：
[0017]接入已处理好的人脸和人体结构化数据，包括特征值和结构化属性数据；
[0018]加载已接入的人脸抓拍设备的基础信息数据；
[0019]加载已有的全量聚类人脸数据；
[0020]进行人脸特征值对比，基于抓拍时间的人脸结构化属性关联分析；
[0021]基于关联设备的抓拍时间、地点进行时空关系分析，从初步聚类数据中去除干扰数据；
[0022]完成目标聚类数据更新。
[0023]上述人体关联分析算法步骤如下：
[0024]接入待关联分析的人体结构化数据，包括特征值和结构化属性数据；
[0025]加载已接入的人脸抓拍设备的基础信息数据；
[0026]基于已聚类人脸数据，通过人脸找强相关人体数据；
[0027]分析人体抓拍图像数据，通过人体找关联人脸数据；
[0028]基于关联设备的抓拍时间、地点进行时空关系分析，去除干扰人体数据；
[0029]完成目标聚类疑似人体数据的关联更新。
[0030]进一步的，可根据图片质量或最近抓拍自动优化更新每一个人像目标聚类档案的封面照片。
[0031]本专利技术的有益效果：
[0032]1.与现有技术相比，本专利技术不需要依赖各类人脸静态库；
[0033]2.在人脸特征值数据比对分析的基础上，通过融合设备基础信息、结构化属性数据，进行时空关系分析，从而极大的提升数据聚类的精度，降低聚合散度；
[0034]3.本专利技术可以将大区域大系统拆解为小区域小系统，从而减少因图像识别技术精度问题带来归档聚类误差；
[0035]4.本专利技术增加疑似人体抓拍数据的聚类关系，从而有效提升嫌疑目标的检索分析效率，降低GPU计算资源消耗。
附图说明
[0036]图1为基于多数据融合分析实现人像聚类的方法流程图；
[0037]图2为人脸聚类分析模块流程图；
[0038]图3为人体关联分析模块流程图。
具体实施方式
[0039]为了更好的说明本专利技术，现结合实施例及附图作进一步的说明。
[0040]基于多数据融合分析实现人像聚类的方法，步骤如下：
[0041]S01：通过接入数据模块，接入所需视频流数据、人脸和人体抓拍图片数据；
[0042]S02：分别将视频流数据和人体抓拍图片数据调用人脸视频结构化和图片结构化计算引擎进行人脸和人体结构化，以输出获取相应的人脸和人体结构化数据；
[0043]S03：对接所有人脸抓拍设备的基础信息数据；
[0044]S04：调用人脸聚类分析算法，通过地点、时间、结构化特征值和结构化属性的融合分析，将相同的人脸进行聚合关联，输出人脸聚类数据，完成一次人像聚类分析；
[0045]S05：通过视频身份ID管理模块来完成视频身份ID的创建和赋予；
[0046]S06：调用人体关联分析算法，完成疑似人体数据的关联分析；
[0047]S07：将人像聚类分析结构数据存储写入数据库。
[0048]具体的，步骤S04中人脸聚类分析算法步骤如下：
[0049]S11：接入已处理好的人脸和人体结构化数据，包括特征值和结构化属性数据；
[0050]S12：加载已接入的人脸抓拍设备的基础信息数据；
[0051]S13：加载已有的全量聚类人脸数据；
[0052]S14：进行人脸特征值对比，基于抓拍时间的人脸结构化属性关联分析；
[0053]S15：基于关联设备的抓拍时间、地点进行时空关系分析，从初步聚类数据中去除干扰数据；
[0054]S16：完成目标聚类数据更新。
[0055]具体的，步骤S06中人体关联分析算法步骤如下：
[0056]S21：接入待关联分析的人体结构化数据，包括特征值和结构化属性数据；
[0057]S22：加载已接入的人脸抓拍设备的基础信息数据；
[0058]S23：基于已聚类人脸数据，通过人脸找强相关人体数据；
[0059]S24：分析人体抓拍图像数据，通过人体找关联人脸数据；
[0060]S25：基于关联设备的抓拍时间、地点进行时空关系分析，去除干扰人体数据；
[0061]S26：完成目标聚类疑似人体数据的关联更新。
[0062]优先的，步骤S06后步骤S06
’
可根据图片质量或最近抓拍自动优化更新每一个人像目标聚类档案的封面照片。
[0063]以上所述仅为本专利技术的较佳实施例，并不用以限制本专利技术，凡在本专利技术的精神和原则之内所作的任何修改、等同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多数据融合分析实现人像聚类的方法，步骤如下：通过接入数据模块，接入所需视频流数据、人脸和人体抓拍图片数据；分别将视频流数据和人体抓拍图片数据调用人脸视频结构化和图片结构化计算引擎进行人脸和人体结构化，以输出获取相应的人脸和人体结构化数据；对接所有人脸抓拍设备的基础信息数据；调用人脸聚类分析算法，通过地点、时间、结构化特征值和结构化属性的融合分析，将相同的人脸进行聚合关联，输出人脸聚类数据，完成一次人像聚类分析；通过视频身份ID管理模块来完成视频身份ID的创建和赋予；调用人体关联分析算法，完成疑似人体数据的关联分析；将人像聚类分析结构数据存储写入数据库。2.根据权利要求1所述基于多数据融合分析实现人像聚类的方法，其特征在于：人脸聚类分析算法步骤如下：接入已处理好的人脸和人体结构化数据，包括特征值和结构化属性数据；加载已接入的人脸抓拍...

【专利技术属性】
技术研发人员：孙靖宇，高希，赵伟伟，
申请(专利权)人：南京启数智能系统有限公司，
类型：发明
国别省市：