匹配关系的验证方法、装置、设备及机器可读存储介质制造方法及图纸

本申请提供一种匹配关系的验证方法、装置、设备及机器可读存储介质，该方法包括：针对多个样本匹配对中每个样本匹配对，获取样本匹配对的碰撞特征，确定碰撞特征对应的适应度值，基于适应度值确定样本匹配对的综合置信度；基于多个样本匹配对中每个样本匹配对的综合置信度，将多个样本匹配对划分到至少一个置信度区间；针对每个置信度区间，从置信度区间对应的样本匹配对中选取部分样本匹配对，将选取的样本匹配对确定为目标样本匹配对；基于目标样本匹配对的标定信息对初始网络模型进行训练，得到目标网络模型，目标网络模型用于验证待测试对象标识和待测试设备标识的匹配关系。通过本申请的技术方案，能够减轻标定工作量和人工核验的数据量。量和人工核验的数据量。量和人工核验的数据量。

【技术实现步骤摘要】
匹配关系的验证方法、装置、设备及机器可读存储介质


[0001]本申请涉及智能管理
，尤其是涉及一种匹配关系的验证方法、装置、设备及机器可读存储介质。

技术介绍

[0002]目标场景可以部署摄像机，通过摄像机采集目标场景的图像，从图像中识别出对象(如车辆等)。通过采集对象的大量图像，可以确定该对象的移动轨迹。但是，由于摄像机的角度固定、覆盖范围小、覆盖能力有限，导致无法采集对象在目标场景的所有区域的图像，无法得到该对象的完整轨迹。
[0003]通常对象会携带终端设备，且终端设备具有唯一设备标识(如MAC(Media Access Control，介质访问控制)地址、IMSI(International Mobile Subscriber Identity，国际移动用户识别码)等)，因此，目标场景可以部署采集器，通过采集器采集目标场景的设备标识。通过采集终端设备的大量设备标识，可以确定该终端设备的移动轨迹，该移动轨迹也就是携带该终端设备的对象的移动轨迹。
[0004]综上所述，为了得到对象的完整轨迹，需要获取该对象的对象标识与该对象持有的终端设备的设备标识的匹配关系，结合该对象标识与该设备标识的匹配关系、该对象标识对应的对象的移动轨迹、以及该设备标识对应的终端设备的移动轨迹，就能够得到该对象的完整轨迹。但是，由于目标场景会出现大量对象，且出现大量终端设备，因此，如何准确的得到对象的对象标识与终端设备的设备标识的匹配关系，目前并没有有效的实现方式。

技术实现思路

[0005]本申请提供一种匹配关系的验证方法，所述方法包括：
[0006]针对多个样本匹配对中每个样本匹配对，获取所述样本匹配对的碰撞特征，确定所述碰撞特征对应的适应度值，并基于所述适应度值确定所述样本匹配对的综合置信度；其中，所述样本匹配对包括样本对象标识和样本设备标识，所述碰撞特征表示所述样本对象标识与所述样本设备标识之间的匹配程度的特征，所述适应度值表示所述匹配程度的特征对应的匹配程度值；
[0007]基于所述多个样本匹配对中每个样本匹配对的综合置信度，将所述多个样本匹配对划分到至少一个置信度区间；其中，针对被划分到置信度区间的样本匹配对，该样本匹配对的综合置信度处于该置信度区间；
[0008]针对每个置信度区间，从该置信度区间对应的所有样本匹配对中选取部分样本匹配对，将选取的样本匹配对确定为目标样本匹配对；
[0009]基于目标样本匹配对的标定信息对初始网络模型进行训练，得到目标网络模型，该目标网络模型用于验证待测试对象标识和待测试设备标识的匹配关系。
[0010]在一种可能的实施方式中，所述碰撞特征包括以下至少一种：初始置信度，所述初始置信度用于验证所述样本对象标识和所述样本设备标识的匹配关系；碰撞周期数，所述
碰撞周期数表示所述样本对象标识和所述样本设备标识发生碰撞的单位周期数；碰撞平均数，所述碰撞平均数表示所述样本对象标识和所述样本设备标识在单位周期内发生碰撞的次数的平均值；
[0011]所述确定所述碰撞特征对应的适应度值，包括：
[0012]若所述碰撞特征包括初始置信度，且所述初始置信度与关联置信度的差值的绝对值大于置信度阈值，则确定所述初始置信度对应的适应度值为第一取值；若所述初始置信度与关联置信度的差值的绝对值不大于置信度阈值，则确定所述初始置信度对应的适应度值为第二取值；其中，所述关联置信度用于验证所述样本对象标识和所述样本设备标识之外的另一个样本设备标识的匹配关系；
[0013]若所述碰撞特征包括碰撞周期数，且所述碰撞周期数大于周期数阈值，则确定所述碰撞周期数对应的适应度值为第一取值；若所述碰撞周期数不大于周期数阈值，则确定所述碰撞周期数对应的适应度值小于第一取值；
[0014]若所述碰撞特征包括碰撞平均数，且所述碰撞平均数大于平均数阈值，则确定所述碰撞平均数对应的适应度值为第一取值；若所述碰撞平均数不大于平均数阈值，则确定所述碰撞平均数对应的适应度值小于第一取值。
[0015]在一种可能的实施方式中，所述从该置信度区间对应的所有样本匹配对中选取部分样本匹配对，包括：确定该置信度区间对应的抽取样例数；
[0016]对该置信度区间对应的样本匹配对进行排序，得到排序后的样本匹配对；
[0017]基于该抽取样例数和该置信度区间对应的样本匹配对总数量确定分段间隔；
[0018]基于该分段间隔从排序后的样本匹配对中选取该抽取样例数个样本匹配对。
[0019]示例性的，所述确定该置信度区间对应的抽取样例数，包括：基于已配置的抽取样例总数量、所有置信度区间对应的样本匹配对总数量、以及该置信度区间对应的样本匹配对总数量，确定该置信度区间对应的抽取样例数。
[0020]在一种可能的实施方式中，所述基于该分段间隔从排序后的样本匹配对中选取该抽取样例数个样本匹配对，包括：从排序后的样本匹配对中选取第L个样本匹配对，并基于所述第L个样本匹配对和该分段间隔从排序后的样本匹配对中选取(K
‑
1)个样本匹配对；其中，所述L小于或者等于该分段间隔，所述K为该抽取样例数，且选取的相邻两个样本匹配对之间的间隔为该分段间隔。
[0021]在一种可能的实施方式中，所述基于目标样本匹配对的标定信息对初始网络模型进行训练，得到目标网络模型，包括：
[0022]获取所述目标样本匹配对的标定信息，所述标定信息包括所述目标样本匹配对的初始置信度，所述目标样本匹配对的碰撞特征对应的适应度值，所述目标样本匹配对的标签值；其中，所述初始置信度用于验证所述目标样本匹配对中的样本对象标识和样本设备标识的匹配关系；所述标签值用于表示所述目标样本匹配对中的样本对象标识和样本设备标识的匹配关系为真或者为假；
[0023]将所述目标样本匹配对的标定信息输入给初始网络模型，通过所述目标样本匹配对的标定信息对所述初始网络模型进行训练，得到目标网络模型。
[0024]在一种可能的实施方式中，所述基于目标样本匹配对的标定信息对初始网络模型进行训练，得到目标网络模型之后，还包括：
[0025]获取待测试匹配对和所述待测试匹配对的碰撞特征，并确定所述待测试匹配对的碰撞特征对应的适应度值；其中，所述待测试匹配对包括待测试对象标识和待测试设备标识，所述碰撞特征至少包括初始置信度，且所述初始置信度用于验证所述待测试对象标识和所述待测试设备标识的匹配关系；
[0026]将所述待测试匹配对的初始置信度和所述待测试匹配对的碰撞特征对应的适应度值输入给所述目标网络模型，由所述目标网络模型输出所述待测试匹配对的标签值和所述待测试匹配对的目标置信度；
[0027]若所述待测试匹配对的标签值用于表示所述待测试对象标识和所述待测试设备标识的匹配关系为真，且所述待测试匹配对的目标置信度大于预设阈值，则确定所述待测试对象标识和所述待测试设备标识的匹配关系为准确。
[0028]本申请提供一种匹配关系的验证装置，所述装置包括：确定模块，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种匹配关系的验证方法，其特征在于，所述方法包括：针对多个样本匹配对中每个样本匹配对，获取所述样本匹配对的碰撞特征，确定所述碰撞特征对应的适应度值，并基于所述适应度值确定所述样本匹配对的综合置信度；其中，所述样本匹配对包括样本对象标识和样本设备标识，所述碰撞特征表示所述样本对象标识与所述样本设备标识之间的匹配程度的特征，所述适应度值表示所述匹配程度的特征对应的匹配程度值；基于所述多个样本匹配对中每个样本匹配对的综合置信度，将所述多个样本匹配对划分到至少一个置信度区间；其中，针对被划分到置信度区间的样本匹配对，该样本匹配对的综合置信度处于该置信度区间；针对每个置信度区间，从该置信度区间对应的所有样本匹配对中选取部分样本匹配对，将选取的样本匹配对确定为目标样本匹配对；基于目标样本匹配对的标定信息对初始网络模型进行训练，得到目标网络模型，该目标网络模型用于验证待测试对象标识和待测试设备标识的匹配关系。2.根据权利要求1所述的方法，其特征在于，所述碰撞特征包括以下至少一种：初始置信度，所述初始置信度用于验证所述样本对象标识和所述样本设备标识的匹配关系；碰撞周期数，所述碰撞周期数表示所述样本对象标识和所述样本设备标识发生碰撞的单位周期数；碰撞平均数，所述碰撞平均数表示所述样本对象标识和所述样本设备标识在单位周期内发生碰撞的次数的平均值；所述确定所述碰撞特征对应的适应度值，包括：若所述碰撞特征包括初始置信度，且所述初始置信度与关联置信度的差值的绝对值大于置信度阈值，则确定所述初始置信度对应的适应度值为第一取值；若所述初始置信度与关联置信度的差值的绝对值不大于置信度阈值，则确定所述初始置信度对应的适应度值为第二取值；其中，所述关联置信度用于验证所述样本对象标识和所述样本设备标识之外的另一个样本设备标识的匹配关系；若所述碰撞特征包括碰撞周期数，且所述碰撞周期数大于周期数阈值，则确定所述碰撞周期数对应的适应度值为第一取值；若所述碰撞周期数不大于周期数阈值，则确定所述碰撞周期数对应的适应度值小于第一取值；若所述碰撞特征包括碰撞平均数，且所述碰撞平均数大于平均数阈值，则确定所述碰撞平均数对应的适应度值为第一取值；若所述碰撞平均数不大于平均数阈值，则确定所述碰撞平均数对应的适应度值小于第一取值。3.根据权利要求1所述的方法，其特征在于，所述从该置信度区间对应的所有样本匹配对中选取部分样本匹配对，包括：确定该置信度区间对应的抽取样例数；对该置信度区间对应的样本匹配对进行排序，得到排序后的样本匹配对；基于该抽取样例数和该置信度区间对应的样本匹配对总数量确定分段间隔；基于该分段间隔从排序后的样本匹配对中选取该抽取样例数个样本匹配对。4.根据权利要求3所述的方法，其特征在于，所述确定该置信度区间对应的抽取样例数，包括：基于已配置的抽取样例总数量、所有置信度区间对应的样本匹配对总数量、以及该置信度区间对应的样本匹配对总数量，确定
该置信度区间对应的抽取样例数。5.根据权利要求3所述的方法，其特征在于，所述基于该分段间隔从排序后的样本匹配对中选取该抽取样例数个样本匹配对，包括：从排序后的样本匹配对中选取第L个样本匹配对，并基于所述第L个样本匹配对和该分段间隔从排序后的样本匹配对中选取(K
‑
1)个样本匹配对；其中，所述L小于或者等于该分段间隔，所述K为该抽取样例数，且选取的相邻两个样本匹配对之间的间隔为该分段间隔。6.根据权利要求1所述的方法，其特征在于，所述基于目标样本匹配对的标定信息对初始网络模型进行训练，得到目标网络模型，包括：获取所述目标样本匹配对的标定信息，所述标定信息包括所述目标样本匹配对的初始置信度，所述目标样本匹配对的碰撞特征对应的适应度值...

【专利技术属性】
技术研发人员：戴娣，顾佳辉，杨一帆，胡通海，
申请(专利权)人：杭州海康威视系统技术有限公司，
类型：发明
国别省市：