本申请公开一种选取特征的方法、装置及电子设备，该方法包括在获取由目标图像组成的原始数据集后，提取原始数据集中每张目标图像的目标特征，得到由目标特征组成的特征集合，在未触发终止条件时，提取特征集合中的目标特征，生成包含M个目标特征的子特征集合，并得到根据所述特征集合生成的N个子特征集合，然后计算每个子特征集合的适应度值，得到N个子特征集合的N个适应度值，直到触发终止条件时，在所有适应度值中，选取最大的适应度值对应的子特征集合作为目标特征集合。基于上述方法可以选取特征，有效减少聚类过程所花费的时间或计算存储资源，提高聚类准确性，解决现有技术在聚类过程中比对耗时长、资源需求高、聚类效率低的问题。低的问题。低的问题。
【技术实现步骤摘要】
一种选取特征的方法、装置及电子设备
[0001]本申请涉及图像处理
，尤其涉及一种选取特征的方法、装置及电子设备。
技术介绍
[0002]目前，在获取到多张人脸图像的人脸时，可以通过对图像中的人脸进行聚类，确定这些人脸是否属于同一目标对象，并将属于同一目标对象的人脸图像归入同一档案，以实现针对多张人脸图像中人脸的人像聚档。
[0003]但是，上述聚类过程一般为比对两张图像中的人脸特征的相似性，具体需要对每张人脸图像中的每个人脸特征进行两两相似度的比对。如果提高单张图像中人脸特征的维度(数量)或增加人脸图像聚类的数量，会导致比对耗时变长、资源需求提高、以及聚类效率降低。
技术实现思路
[0004]本申请提供一种选取特征的方法、装置及电子设备，用以实现对目标图像中的目标特征的选择和提取，基于选取的部分目标特征，对原始数据集中的目标图像进行聚类，能够减少聚类过程所花费的时间和计算存储资源，解决现有技术存在聚类过程中比对耗时长、资源需求高、以及聚类效率低的问题。
[0005]第一方面，本申请提供了一种选取特征的方法，所述方法包括：
[0006]获取由目标图像组成的原始数据集；其中，所述目标图像为包含目标对象的图像；
[0007]提取所述原始数据集中每张目标图像的目标特征，得到由所述目标特征组成的特征集合；其中，所述目标特征为所述目标图像中所述目标对象的特征；
[0008]当未触发终止条件时，提取所述特征集合中的目标特征，生成包含M个目标特征的子特征集合，并得到根据所述特征集合生成的N个子特征集合；其中，M、N为大于等于1的正整数；
[0009]计算每个子特征集合的适应度值，得到所述N个子特征集合的N个适应度值；其中，所述适应度值表征根据所述子特征集合中的目标特征进行聚类得到聚类结果的评价指标值；
[0010]直到触发所述终止条件，在所有适应度值中，选取最大的适应度值对应的子特征集合作为目标特征集合。
[0011]通过上述方法，通过对每个子特征集合的适应度值的计算，能够实现目标特征的选择和提取，基于选取后的目标特征，对原始数据集中的目标图像进行聚类，能够减少聚类过程所花费的时间、节约计算存储资源，并有效提高聚类结果的准确性。
[0012]在一种可能的设计中，触发终止条件，包括：获取前一次计算得到的N个适应度值，并计算本次计算得到的N个适应度值与前一次计算得到的N个适应度值之间的N个差值，若该差值小于等于第一预设阈值，则触发终止条件；或确定历史得到的适应度值的总数量，并计算该总数量与N之间的比值，若该比值大于等于第二预设阈值，则触发终止条件。
[0013]通过上述方法，提供两种可能的触发终止条件的情况，能够避免生成子特征集合以及计算适应度值陷入死循环，有效节约选取目标特征所花费的时间，以及计算存储资源。
[0014]在一种可能的设计中，计算每个子特征集合的适应度值，包括：确定子特征集合的第一适应度值和第二适应度值，然后根据第一适应度值和第二适应度值，计算得到子特征集合的适应度值；在这里，第一适应度值、第二适应度值为根据子特征集合进行聚类得到的聚类结果的不同评价指标值。
[0015]通过上述方法，基于两种不同聚类结果的评价指标值的结合，计算每个子特征集合的适应度值，进而基于选取最大适应度值对应的子特征集合作为目标特征集合来选取目标特征，能够有效提升基于选取目标特征的聚类结果的准确性。
[0016]在一种可能的设计中，通过提取特征集合中的目标特征，生成包含M个目标特征的子特征集合，包括：将特征集合分为候选特征集合和子特征集合，并获取特征集合的每个目标特征的第一选择概率值、第二选择概率值和选择频率值，当子特征集合中的目标特征的数量小于M时，根据目标特征的第一选择概率值、第二选择概率值、选择频率值，计算候选特征集合的每个目标特征的选择概率，然后在候选特征集合中，提取满足预设条件的选择概率对应的目标特征，并将该目标特征添加到子特征集合中，直到子特征集合中的目标特征的数量等于M，得到包含M个目标特征的子特征集合；在这里，候选特征集合中的目标特征属于特征集合且不属于子特征集合。
[0017]通过上述方法，用以提取目标特征添加至子特征集合中，结合目标特征的第一选择概率值、第二选择概率值、选择频率值，有利于增强搜索特征集合中每个目标特征的全局搜索能力。
[0018]在一种可能的设计中，获取特征集合的每个目标特征的第一选择概率值，包括：基于候选特征集合的每个目标特征与子特征集合的每个目标特征之间的相关性，计算每两个目标特征之间的相关性值，得到多个相关性值，然后在子特征集合中，提取所有相关性值大于预设相关性阈值的目标特征，生成包含目标特征的第一特征集合，最后根据第一特征集合的数量、第一特征集合的目标特征的相关性值，计算得到特征集合的每个目标特征的第一选择概率值。
[0019]通过上述方法，用以更新目标特征的第一选择概率值，并获取该第一选择概率值，具体通过引入预设相关性阈值，有效减少相关性较低的目标特征的影响，提高识别冗余特征的准确率。
[0020]在一种可能的设计中，获取特征集合的每个目标特征的第二选择概率值，包括：判断是否存在历史获取的第二选择概率值：若否，则将第一预设参数作为本次所述特征集合的每个特征的第二选择概率值；若是，则获取前一次每个特征的第二选择概率值，并获取前一次的最大适应度值，然后根据前一次的第二选择概率值和前一次的最大适应度值，计算得到本次每个特征的第二选择概率值；在这里，上述最大适应度值表征前一次的N个子特征集合的N个适应度值的最大值。
[0021]通过上述方法，用以更新每个目标特征的第二选择概率值，并获取该第二选择概率值，基于第二选择概率值，在生成子特征集合的过程中，有利于增强搜索特征集合中每个目标特征的搜索能力。
[0022]在一种可能的设计中，获取特征集合的每个目标特征的选择频率值，包括：判断是
否存在历史获取的选择频率值；若否，则将第二预设参数作为本次特征集合的每个特征的选择频率值；若是，则获取前一次每个特征的选择频率值，并根据前一次的选择频率值，计算得到本次每个特征的选择频率值。
[0023]通过上述方法，用以更新每个目标特征的频率概率值，并获取该频率概率值，基于频率概率值，在生成子特征集合的过程中，有利于增强搜索特征集合中每个目标特征的全局搜索能力。
[0024]在一种可能的设计中，根据第一选择概率值、第二选择概率值、选择频率值，计算候选特征集合的每个目标特征的选择概率，包括：获取随机数，判断该随机数是否大于预设阈值；若是，则在候选特征集合中，计算每个目标特征的第一选择概率值、第二选择概率值和选择频率值的预设幂次方之积，得到每个目标特征的选择概率；若否，则针对每个目标特征，计算选择概率与所有选择概率之和的比值，并将比值作为每个目标特征的选择概率。
[0025]通过上述方法，基于随机数与预设阈值的比较来计算目标特征的选择概率，基于该选择概率，能够提高本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种选取特征的方法，其特征在于，所述方法包括：获取由目标图像组成的原始数据集；其中，所述目标图像为包含目标对象的图像；提取所述原始数据集中每张目标图像的目标特征，得到由所述目标特征组成的特征集合；其中，所述目标特征为所述目标图像中所述目标对象的特征；当未触发终止条件时，提取所述特征集合中的目标特征，生成包含M个目标特征的子特征集合，并得到根据所述特征集合生成的N个子特征集合；其中，M、N为大于等于1的正整数；计算每个子特征集合的适应度值，得到所述N个子特征集合的N个适应度值；其中，所述适应度值表征根据所述子特征集合中的目标特征进行聚类得到聚类结果的评价指标值；直到触发所述终止条件，在所有适应度值中，选取最大的适应度值对应的子特征集合作为目标特征集合。2.如权利要求1所述的方法，其特征在于，所述触发终止条件，包括：获取前一次计算得到的N个适应度值，并计算本次计算得到的N个适应度值与前一次计算得到的N个适应度值之间的N个差值，若所述差值小于等于第一预设阈值，则触发终止条件；或确定历史得到的适应度值的总数量，并计算所述总数量与N之间的比值，若所述比值大于等于第二预设阈值，则触发终止条件。3.如权利要求1所述的方法，其特征在于，所述计算每个子特征集合的适应度值，包括：确定子特征集合的第一适应度值和第二适应度值；其中，所述第一适应度值、所述第二适应度值为根据所述子特征集合进行聚类得到的聚类结果的不同评价指标值；根据所述第一适应度值和所述第二适应度值，计算得到所述子特征集合的适应度值。4.如权利要求1
‑
3任一项所述的方法，其特征在于，所述提取所述特征集合中的目标特征，生成包含M个目标特征的子特征集合，包括：将所述特征集合分为候选特征集合和子特征集合；其中，所述候选特征集合中的目标特征属于所述特征集合且不属于所述子特征集合；获取所述特征集合的每个目标特征的第一选择概率值、第二选择概率值和选择频率值；当所述子特征集合中的目标特征的数量小于M时，根据所述第一选择概率值、所述第二选择概率值、所述选择频率值，计算所述候选特征集合的每个目标特征的选择概率；在所述候选特征集合中，提取满足预设条件的选择概率对应的目标特征，并将所述目标特征添加到所述子特征集合中；直到所述子特征集合中的目标特征的数量等于M，得到包含M个目标特征的子特征集合。5.如权利要求4所述的方法，其特征在于，所述获取所述特征集合的每个目标特征的第一选择概率值，包括：基于所述候选特征集合的每个目标特征与所述子特征集合的每个目标特征之间的相关性，计算每两个目标特征之间的相关性值，得到多个相关性值；在所述子特征集合中，提取所有所述相关性值大于预设相关性阈值的目标特征，生成包含所述目标特征的第一特征集合；根据所述第一特征集合的数量、所述第一特征集合的目标特征的相关性值，计算得到
所述特征集合的每个目标特征的第一选择概率值。6.如权利要求4所述的方...
【专利技术属性】
技术研发人员：周晓波，朱树磊，殷俊，
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：
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。