一种基于共享特征库的追踪方法技术

本发明专利技术提供了一种基于共享特征库的追踪方法，具体步骤为，搜集原始的特征的图像，原始的特征的图像经由各自对应图像业务系统分析学习，从中得出数据特征集并标记图像关键点，再从中得出数据特征集，构建基础共享特征库，此共享特征库直接关联到人身上，作为匹配模型的数据支撑；在特征值更改时，对应图像业务系统基于本系统实现既定功能目标。本发明专利技术从现有的系统建设中进行优化，针对于物体本身建立共享特征库，并将多个图像业务系统所得出来的模型数据都存入共享特征库，所有后续的分析对比动作都以共享特征库为基础进行。在统一享特征库的前提下，能进行数据关联，使得追踪变为可联动的、实时的、精准的。精准的。精准的。

【技术实现步骤摘要】
一种基于共享特征库的追踪方法


[0001]本专利技术涉及一种图像分析
，具体涉及一种基于共享特征库的追踪方法。

技术介绍

[0002]随着社会的发展和科技的进步，日常生活中越来越多的场景都会应用到图像分析算法。目前图像分析技术带来的便利性以及其应用性俨然已经成为社会中不可或缺的一环。它作为一项生物识别手段，便是能够高效且准确的得出被识别物体的相关特征以及定位到相关自然属性上去。
[0003]图像分析因其针对于系统的特定性(即以不同的图像算法开发出不同的业务系统，多个系统之间协作困难或则是毫无关联的)以追踪为例。在以图像分析为基础前提下，我们可能会针对于目标的特征(脸部，衣物，车辆等)进行图像匹配，并以当前特征为主去进行追踪开展。但是目标在追踪过程中必然是防范意识极其强烈的，他们会不停地去变动自己的生物特征(男扮女装，更换衣服，整形整容等)，也可能会出现生物特征不清晰(黑夜看不清楚脸，驾车逃跑看不清楚车型、车牌等，只有残缺的目标信息)，来混淆蒙蔽追踪人的视线，阻碍追踪工作的开展。而由于图像分析业务系统单一性，每一次图像分析的样本改变，都是对于系统的巨大开销，需要付出巨大的时间成本，并且降低系统辨别匹配效率。甚至还会出现人脸分析系统与车辆追踪系统二者所匹配的数据并不是同一个人这种情况。虽然在追踪进行中可以人为的对系统进行干预修正，但是仍需要付出巨大的人力成本和时间成本。因此需要一个基于图像分析且业务集成度高的系统来解决这一问题，一个系统多种图像分析系统协同工作，人脸识别负责识别目标人脸数据，身形特征识别负责识别嫌犯身形数据，车辆识别负责识别目标驾车追踪等等多个图像分析系统之间协同合作，提高图像识别对于目标的匹配度，降低每一次目标生物特征改变所额外花费的人力成本和时间成本，提高追踪目标的成功率。目前，针对于上诉场景问题，有以下几类解决方案：
[0004]第一种就是通过人为的去干预校准每一次目标的生物特征改变。目标每一次改变特征的过程，被检测出来后，需要人为在不同的图像业务系统中去校准。
[0005]第二种就是加强算法分析能力。提高算法的分析图像能力，以确保业务图像分析系统在嫌犯特征值改变后，能够迅速构建新模型，建立新的特征库，去重新匹配。在公开号为CN113963410A的专利中写到，通过网络公开的人脸数据来构建人脸样本数据集，并对人脸样本数据集中的训练数据集与测试数据集进行预处理。利用基于改进的遗传算法来对卷积神经网络模型的超参数进行全局调优，通过对卷积层滤波器和全连接层的连接权重的不断优化，确定最优的卷积神经网络模型的超参数，并得到训练好的卷积神经网络模型。在进行种群初始化后，通过评估神经网络性能并分配选择概率，进行交叉产生分享双亲网络属性的交叉子代，然后选取父代网络变异生成变异子代，将交叉子代和变异子代加入下一代种群进行替换优化，实现迭代训练。特征库是机器学习领域的数据仓库。数据科学家把自己的特征加工逻辑上传进去，数据仓库对外提供查询特征的API，实现特征的共享。特征库实现了特征的统一管理，避免了重复设计特征，节省了数据科学家的时间，也有利于合规性。
[0006]图像分析又称景物分析或图像理解，一般利用数学模型并结合图像处理的技术来分析底层特征和上层结构，从而提取具有一定智能性的信息。
[0007]第三种就是确定主图像业务系统，由于每个系统有自己不同的标准，而各个图像业务系统之间数据共享困难，即确定某一系统为主要分析系统，主要以当前系统图像匹配结果为主，其余系统匹配结果为参考，去开展追踪活动。
[0008]在公开号为CN114170771A的专利中写到优选的，所述交通监控终端包括有道路监控、收费站监控、服务区监控隧道监控，所述公共监控终端包括有商场监控、各类车站监控和广场等开放式场合监控。优选的，所述故障申报通讯连接监控维护商家隐藏号码，且监控维护商家根据定位就近分配。优选的，所述流动追踪模块采用特定的第三方地图平台，且流动信息配合第三方地图平台提供的位置信息生成流动数据。
[0009]现阶段任何系统的正常运行都是需要人力成本，但是系统的开发初衷应该是减少人力成本的开销，提高资源回报率。虽然每个图像业务系统其单一运行效率和结果随着科技进步是能够做到提高匹配度的，但是对于整个追踪活动的开展，客观因素的变化可能会对不同的图像业务系统中产生不同的影响，虽然可以从后期的人为干预校准中或者系统的机器学习过程中去消除误差，但是对于追踪这一工作开展，还是加重了资源投入。
[0010]在现有系统的系统中，通常的做法是先进行目标特征识别，再将得出来的人脸模型存入各自的系统特征库。如果客观条件改变(如增加汽车识别)，便会通过汽车识别系统，将汽车识别模型存入汽车模型特征库。如果一开始追踪目标图像不清晰，还需要用到图像修复系统进行图像修复，再重复最开始人脸识别过程。在后期的多系统协同的情况下，如果出现多个图像系统之间的模型目标不一致的情况，还需要人为的进行干预校准。多个系统之间相互独立，通信困难，无法做到数据共享。让本就要求精确，实时的追踪过多的占用了计算资源，无形的加大系统开销。无论各个图像分析系统有多么复杂，有多少数量，其本质是对于某一固定物体的追踪，这一物体在物质世界中是不会改变的，其余的图像系统的启用也只是针对于这一物体其余特质的分析，系统的分析对象始终是目标物体。
[0011]现有技术中每个子图像业务系统中相对独立，数据标准不统一，没有统一的处理系统，相互之间协作困难。要么增加了系统开销，要么增加了人力开销。

技术实现思路

[0012]本专利技术的目的在于提供一种基于共享特征库的追踪方法，本专利技术使用共享特征库，各个系统特征集数据都归入一个库，从根本上提高了数据的流通性与实时性，节约了时间成本和系统开销。
[0013]为解决上述技术问题，本专利技术所采用的技术方案是：
[0014]一种基于共享特征库的追踪方法，包括如下步骤：
[0015]步骤1：搜集原始的特征的图像，原始的特征的图像经由各自对应图像业务系统分析学习，从中得出数据特征集并标记图像关键点，再从中得出数据特征集，构建基础共享特征库，此共享特征库直接关联到人身上，作为匹配模型的数据支撑；
[0016]步骤2:在特征值更改时，对应图像业务系统基于本系统实现既定功能目标，即：根据系统业务功能流程而到达业务处理目的，如人脸系统分析人脸得出人脸特征值数据、车辆分析车辆得出特征值数据，从而得到匹配模型，继续目标学习对比，而数据(各图像业务
系统分析学习得出的匹配模型数据)直接映射到共享特征库中对应的图像业务系统中去；
[0017]步骤3：完成步骤2后，由一个核心控制系统去统一调度分析共享特征库里的各自图像业务系统的业务数据，并进行综合分析与业务处理；
[0018]核心控制系统会将各图像业务系统所匹配得出的匹配模型再次进行处理分析,并将数据特征及关联到目标上去，并基于目标构建“目标”的共享特征库，所有特征集数据都应该围绕这个共享特征库开展。在将各图像业务系统的匹配模型分析得出后，匹本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于共享特征库的追踪方法，其特征在于，包括如下步骤：步骤1：搜集原始的特征的图像，原始的特征的图像经由各自对应图像业务系统分析学习，从中得出数据特征集并标记图像关键点，再从中得出数据特征集，构建基础共享特征库，此共享特征库直接关联到人身上，作为匹配模型的数据支撑；步骤2：在特征值更改时，对应图像业务系统基于本系统实现既定功能目标，继续目标学习对比，而数据直接映射到共享特征库中对应的图像业务系统中去；步骤3：完成步骤2后，由一个核心控制系统去统一调度分析共享特征库里的各自图像业务系统的业务数据，并进行综合分析与业务处理；核心控制系统会将各图像业务系统所匹配得出的匹配模型再次进行处理分析,并将数据特征及关联到目标上去，并基于目标构建“目标”的共享特征库，所有特征集数据都应该围绕这个共享特征库开展。在将各图像业务系统的匹配模型分析得出后，匹配模型变转型成了基于多系统的精炼匹配模型，系统此时就有了初步的目标综合分析能力,需要不停地对这些匹配模型再次进行模型图片匹配；步骤4：将由核心控制系统所处理得出来的匹配模型输出到一个综合图像对比系统中，由于步骤3得出了的精炼匹配模型，此时由图像输入源输入图像到综合图像对比系统中，在综合...

【专利技术属性】
技术研发人员：赵凌园，金怀亨，张杰，熊梁何，陆汪，
申请(专利权)人：眉山环天智慧科技有限公司，
类型：发明
国别省市：