【技术实现步骤摘要】
档案合并方法、档案合并装置以及计算机可读存储介质
[0001]本申请涉及机器学习
,特别是涉及一种档案合并方法
、
档案合并装置以及计算机可读存储介质
。
技术介绍
[0002]行人图像聚类时,先根据抓拍图生成
Re
‑
ID
特征和人物属性,然后在经过
DBSCAN
等经典聚类算法后,所有图片构成大小不一的档案,同时存在较多实际是同一个人的多档
。
现在的任务是给定两个档案,综合已知的人体特征
、
时间空间等信息,判定它们是否属于同一个人
。
[0003]现有合并方法基本是基于人工撰写的规则,这类方法一是不能很好的概括所有多档种类,二是随着逻辑条件增多,人工撰写规则难度也在加大
。
技术实现思路
[0004]本申请提供了一种档案合并方法
、
档案合并装置以及计算机可读存储介质
。
[0005]本申请提供了一种档案合并方法,所述档案合并方法包括:
[0006]获取两个档案,其中,每一档案包括若干图像;
[0007]获取所述两个档案的相似度矩阵
、
距离矩阵,和
/
或时间矩阵;
[0008]将所述相似度矩阵
、
所述距离矩阵,和
/
或所述时间矩阵输入预先训练的相似度网络,获取所述相似度网络输入的所述两个档案的相似度值;
[0009]在所述相似 ...
【技术保护点】
【技术特征摘要】
1.
一种档案合并方法,其特征在于,所述档案合并方法包括:获取两个档案,其中,每一档案包括若干图像;获取所述两个档案的相似度矩阵
、
距离矩阵,和
/
或时间矩阵;将所述相似度矩阵
、
所述距离矩阵,和
/
或所述时间矩阵输入预先训练的相似度网络,获取所述相似度网络输入的所述两个档案的相似度值;在所述相似度值满足预设条件时,将所述两个档案合并为一个档案
。2.
根据权利要求1所述的档案合并方法,其特征在于,所述相似度网络为相似度时空密度网络;所述获取所述两个档案的相似度矩阵
、
距离矩阵,和
/
或时间矩阵之后,所述档案合并方法还包括:利用所述相似度矩阵,获取相似度密度;利用所述距离矩阵,获取距离密度;利用所述时间矩阵,获取时间密度;将所述相似度密度
、
所述距离密度,以及所述时间密度输入所述相似度时空密度网络,获取所述两个档案的相似度值
。3.
根据权利要求2所述的档案合并方法,其特征在于,所述利用所述相似度矩阵,获取相似度密度,包括:按照预设区间宽度获取所述相似度矩阵的若干区间;遍历所述相似度矩阵中的所有元素,获取落在每一区间的元素数量;基于所述若干区间的元素数量,获取所述相似度密度
。4.
根据权利要求2或3所述的档案合并方法,其特征在于,所述相似度时空密度网络包括若干子多层感知机,总多层感知机以及激活函数层;其中,每一所述子多层感知机用于提取一种矩阵的矩阵特征,多种矩阵特征提取后通过拼接得到拼接特征,所述总多层感知机用于提取所述拼接特征的档案相似度特征,所述激活函数层用于根据所述档案相似度特征输出所述两个档案的相似度值
。5.
根据权利要求1所述的档案合并方法,其特征在于,所述相似度网络为相似度轨迹网络;所述获取所述两个档案的相似度矩阵
、
距离矩阵,和
/
或时间矩阵,包括:将所述两个档案按照时...
【专利技术属性】
技术研发人员:黄胡晏,
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。