人像聚类方法、装置、电子设备和存储介质制造方法及图纸

本申请公开了一种人像聚类方法、装置、电子设备和存储介质，提高了人像聚类的准确性。本申请实施例中，首先根据卡口的地理位置的名称和/或所属环路来确定卡口的标准搜索半径，并根据卡口的标准搜索半径来划分第一时空域，并根据划分的第一时空域进行聚类分析，进而得到聚类结果。在本申请实施例中，根据卡口的地理位置和所属环路时空域进行划分，充分考虑到了人活动的信息，并对一段时间内的人像进行聚类，融合了人员在一定空间范围内活动的时间跨度，提高了对人像聚类的效果。提高了对人像聚类的效果。提高了对人像聚类的效果。

【技术实现步骤摘要】
人像聚类方法、装置、电子设备和存储介质


[0001]本申请涉及图像聚类
，尤其涉及一种人像聚类方法、装置、电子设备和存储介质。

技术介绍

[0002]在图像识别与聚类技术、实时计算技术以及硬件存储介质等的共同推动下，大规模的人像聚类逐渐成为可能。同时，随着监控摄像机等智能监控终端在人们生活中的大量普及以及监控技术的快速发展，相关设备所产生的图像数据量呈井喷式增长。对于安防领域，如何利用海量图像数据有效地进行人像聚类是一项重难点课题。
[0003]传统的人像聚类技术专注于从图像本身出发进行图像特征值对比，从而实现人像聚类。然而，这类静态方法对图像质量要求较高，对抓拍质量不高、模糊、部分遮挡的图像难以有效识别出人像。此外，因为大样本中存在无关但相似图像的概率较高会导致聚类效果不佳。

技术实现思路

[0004]本申请的目的是提供一种人像聚类方法、装置、电子设备和存储介质，用于提高人像聚类的效果。
[0005]第一方面，本申请实施例提供了一种人像聚类方法，包括：
[0006]对第一时空域内的卡口在第一指定时间段内采集的人像信息进行聚类分析，得到第一聚类结果；其中，所述第一时空域是根据以下方法确定的：
[0007]获取目标区域的卡口集合中任一卡口的地理位置；
[0008]根据所述地理位置对应的预设参数确定所述任一卡口的标准搜索半径；其中所述预设参数包括：所述地理位置的名称和/或所属环路，所述所属环路表示围绕所述目标区域的环路中最小的环路；
[0009]将所述卡口集合在所述任一卡口标准搜索半径内的卡口划分为与所述任一卡口对应的第一时空域。
[0010]在本申请实施例中，根据卡口的地理位置和所属环路对当前城市进行时空域的划分，充分考虑到了人在空间和时间两个维度的活动的信息，并对一段时间内的人像进行聚类，融合了人员在一定空间范围内活动的时间跨度；本申请中在一定时间和一定空间范围内对卡口进行聚类分析，使得聚类结果中融合了人在空间和时间内的活动信息，从而提高了对人像聚类的效果。
[0011]在一些可能的实施例中，所述预设参数包括地理位置的名称；
[0012]所述根据所述地理位置对应的预设参数确定所述任一卡口的标准搜索半径，包括：
[0013]根据所述地理位置的名称确定所述任一卡口对应的关键字段；
[0014]根据所述关键字段对应的第一搜索半径计算公式确定所述任一卡口的标准搜索
半径。
[0015]在本申请实施例中根据卡口对应的地理位置的名称，来确定卡口所处位置的卡口的疏密程度，进而根据卡口的疏密程度来确定搜索半径，提高了对时空域进行划分的合理性。
[0016]在一些可能的实施例中，所述根据所述关键字段对应的第一搜索半径计算公式确定所述任一卡口的标准搜索半径，包括：
[0017]若所述关键字段在第一关键字段集合中，则确定所述任一卡口对应的第一搜索半径计算公式为：r1＝r_base
–
delta_r1，其中：r1为标准搜索半径，r_base为根据目标区域中卡口的稀疏程度确定的经验值，delta_r1为根据目标区域中卡口的稀疏程度确定的经验值；其中，所述第一关键字段集合包含表示卡口密集的关键字段；
[0018]若所述关键字段在所述第二关键字段集合中，则确定所述任一卡口对应的第一搜索半径计算公式为：r1＝r_base+delta_r2，其中：r1为标准搜索半径，r_base为根据目标区域中卡口的稀疏程度确定的经验值，delta_r2为根据目标区域中卡口的稀疏程度确定的经验值；其中，所述第二关键字段集合包含表示卡口稀疏的关键字段；
[0019]若所述关键字段即在所述第一关键字段集合中又在所述第二关键字段集合中，则确定所述任一卡口对应的第一搜索半径公式为：r1＝r_base，其中，r1为标准搜索半径，r_base为根据目标区域中卡口的稀疏程度确定的经验值。
[0020]在本申请实施例中，根据关键字段来确定当前卡口所处的地理位置的卡口的疏密程度，进而确定第一搜索半径，可以准确且合理的确定卡口的第一搜索半径。
[0021]在一些可能的实施例中，所述预设参数包括区域位置；
[0022]所述根据所述地理位置对应的预设参数确定所述任一卡口的标准搜索半径，包括：
[0023]根据所述任一卡口的所属环路确定所述任一卡口对应的第二搜索半径计算公式；
[0024]基于所述标准搜索半径计算公式确定所述任一卡口的标准搜索半径。
[0025]在本申请实施例中，由于不同环路的卡口分布的疏密程度不同，因此根据卡口所属的环路来确定卡口的第二搜索半径，提高了对时空域划分的合理性和准确性。
[0026]在一些可能的实施例中，所述任一卡口的所属环路为第一环路、第二环路、第三环路、第四环路中的任一种，且第一环路小于第二环路，第二环路小于第三环路，第三环路小于第四环路；
[0027]所述根据所述地理位置对应的区域位置，确定所述任一卡口对应的第二搜索半径计算公式，包括：
[0028]若所述任一卡口的所属环路为第一环路，则确定所述任一卡口对应的第二搜索半径计算公式为：r_loop1＝r_base2，其中：r_loop1为标准搜索半径，r_base2为根据目标区域中卡口的稀疏程度确定的经验值；
[0029]若所述任一卡口的所属环路为第二环路，则确定所述任一卡口对应的第二搜索半径计算公式为：r_loop1＝r_base2+Δr1，其中：r_loop1为标准搜索半径，r_base2为根据目标区域卡口的稀疏程度确定的经验值，Δr1为根据目标区域卡口的稀疏程度确定的经验值；
[0030]若所述任一卡口的所属环路为第三环路，则确定所述任一卡口对应的第二搜索半
径计算公式为：r_loop1＝r_base2+Δr2，其中：r_loop1为标准搜索半径，r_base2为根据目标区域中卡口的稀疏程度确定的经验值，Δr2为根据目标区域卡口的稀疏程度确定的经验值；
[0031]若所述任一卡口的所属环路为第四环路，则确定所述任一卡口对应的第二搜索半径计算公式为：r_loop1＝r_base2+Δr3，其中：r_loop1为标准搜索半径，r_base2为根据目标区域中卡口的稀疏程度确定的经验值，Δr3为根据目标区域中卡口的稀疏程度确定的经验值。
[0032]在本申请实施例中，根据环路的不同，将环路分为了四种情况，并根据卡口所属环路的不同来确定第二搜索半径，提高了对时空域划分的合理性和准确性。
[0033]在一些可能的实施例中，所述预设参数包括地理位置的名称和区域位置；
[0034]所述根据所述地理位置和所述地理位置对应的预设参数确定所述任一卡口的标准搜索半径，包括：
[0035]根据所述关键字段对应的第三搜索半径计算公式确定所述任一卡口的第三搜索半径；以及
[0036]根据所述任一卡口的所属环路确定所述任一卡口对应的第四搜索半径计算公式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人像聚类方法，其特征在于，所述方法包括：对第一时空域内的卡口在第一指定时间段内采集的人像信息进行聚类分析，得到第一聚类结果；其中，所述第一时空域是根据以下方法确定的：获取目标区域的卡口集合中任一卡口的地理位置；根据所述地理位置对应的预设参数确定所述任一卡口的标准搜索半径；其中所述预设参数包括：所述地理位置的名称和/或所属环路，所述所属环路表示围绕所述目标区域的环路中最小的环路；将所述卡口集合在所述任一卡口标准搜索半径内的卡口划分为与所述任一卡口对应的第一时空域。2.根据权利要求1所述的方法，其特征在于，所述预设参数包括地理位置的名称；所述根据所述地理位置对应的预设参数确定所述任一卡口的标准搜索半径，包括：根据所述地理位置的名称确定所述任一卡口对应的关键字段；根据所述关键字段对应的第一搜索半径计算公式确定所述任一卡口的标准搜索半径。3.根据权利要求2所述的方法，其特征在于，所述根据所述关键字段对应的第一搜索半径计算公式确定所述任一卡口的标准搜索半径，包括：若所述关键字段在第一关键字段集合中，则确定所述任一卡口对应的第一搜索半径计算公式为：r1＝r_base
–
delta_r1，其中：r1为标准搜索半径，r_base为根据目标区域中卡口的稀疏程度确定的经验值，delta_r1为根据目标区域中卡口的稀疏程度确定的经验值；其中，所述第一关键字段集合包含表示卡口密集的关键字段；若所述关键字段在所述第二关键字段集合中，则确定所述任一卡口对应的第一搜索半径计算公式为：r1＝r_base+delta_r2，其中：r1为标准搜索半径，r_base为根据目标区域中卡口的稀疏程度确定的经验值，delta_r2为根据目标区域中卡口的稀疏程度确定的经验值；其中，所述第二关键字段集合包含表示卡口稀疏的关键字段；若所述关键字段即在所述第一关键字段集合中又在所述第二关键字段集合中，则确定所述任一卡口对应的第一搜索半径公式为：r1＝r_base，其中，r1为标准搜索半径，r_base为根据目标区域中卡口的稀疏程度确定的经验值。4.根据权利要求1所述的方法，其特征在于，所述预设参数包括区域位置；所述根据所述地理位置对应的预设参数确定所述任一卡口的标准搜索半径，包括：根据所述任一卡口的所属环路确定所述任一卡口对应的第二搜索半径计算公式；基于所述标准搜索半径计算公式确定所述任一卡口的标准搜索半径。5.根据权利要求4所述的方法，其特征在于，所述任一卡口的所属环路为第一环路、第二环路、第三环路、第四环路中的任一种，且第一环路小于第二环路，第二环路小于第三环路，第三环路小于第四环路；所述根据所述地理位置对应的区域位置，确定所述任一卡口对应的第二搜索半径计算公式，包括：若所述任一卡口的所属环路为第一环路，则确定所述任一卡口对应的第二搜索半径计算公式为：r_loop1＝r_base2，其中：r_loop1为标准搜索半径，r_base2为根据目标区域中卡口的稀疏程度确定的经验值；若所述任一卡口的所属环路为第二环路，则确定所述任一卡口对应的第二搜索半径计
算公式为：r_loop1＝r_base2+Δr1，其中：r_loop1为标准搜索半径，r_base2为根据目标区域卡口的稀疏程度确定的经验值，Δr1为根据目标区域卡口的稀疏程度确定的经验值；若所述任一卡口的所属环路为第三环路，则确定所述任一卡口对应的第二搜索半径计算公式为：r_loop1＝r_base2+Δr2，其中：r_loop1为标准搜索半径，r_base2为根据目标区域中卡口的稀疏程度确定的经验值，Δr2为根据目标区域卡口的稀疏程度确定的经验值；若所述任一卡口的所属环路为第四环路，则确定所述任一卡口对应的第二搜索半径计算公式为：r_loop1＝r_base2+Δr3，其中：r_loop1为标准搜索半径，r_base2为根据目标区域中卡口的稀疏程度确定的经验值，Δr3为根据目标区域中卡口的稀疏程度确定的经验值。6.根据权利要求1所述的方法，其特征在于，所述预设参数包括地理位置的名称和区域位置；所述根据所述地理位置和所述地理位置对应的预设参数确定所述任一卡口的标准搜索半径，包括：根据所述关键字段对应的第三搜索半径计算公式确定所述任一卡口的第三搜索半径；以及根据所述任一卡口的所属环路确定所述任一卡口对应的第四搜索半径计算公式，并基于所述第四搜索半径计算公式确定所述任一卡口的第四搜索半径；根据所述任一卡口的第三搜索半径和第四搜索半径分别对应的权重、所述第三搜索半径和所述第四搜索半径确定所述任一卡口的标准搜索半径。7.根据权利要求6所述的方法，其特征在于，所述根据所述关键字段对应的第三搜索半径计算公式确定所述任一卡口的第三搜索半径，包括：若所述关键字段在所述第一关键字段集合中，则确定所述任一卡口对应的第三搜索半径计算公式为：r2＝r_base
–
delta_r1，其中：r2为第三搜索半径，r_base为根据目标区域中卡口的稀疏程度确定的经验值，delta_r1为根据目标区域中卡口的稀疏程度确定的经验值；其中，所述第一关键字段集合包含表示卡口密集的关键字段；若所述关键字段在所述第二关键字段集合中，则确定所述任一卡口对应的第三搜索半径计算公式为：r2＝r_base+delta_r2，其中：r2为第三搜索半径，r_bas...

【专利技术属性】
技术研发人员：张阳，陈立力，周明伟，
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：