System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,特别涉及一种计算图像相似度的方法、装置、设备及可读存储介质。
技术介绍
1、随着摄像头的广泛应用,安防监控系统每日会收集到海量视频数据,若操作人员依次查看每个视频数据则需要耗费大量时间,并不能及时获取到有效信息;所以在现有技术中通常先对原始视频数据进行人员聚档以提炼出人员轨迹信息,再由操作人员进行人工排查,从而提高监控效率。其中,人员聚档是指将同一个人在不同摄像头下的图像聚合到一个人员档案中,且人员聚档是提高监控效率和准确率的关键环节。然而,现有的人员聚档都是通过单一算法来计算两个人员图像的相似度,再基于计算出的相似度进行图像聚档操作。然而单一算法由于自身算法能力限制,会在特定场景下存在相似度计算准确性不高的问题。
技术实现思路
1、本专利技术的目的在于提供一种计算图像相似度的方法、装置、设备及可读存储介质,能够更加准确的计算两个图像的相似度。
2、根据本专利技术的一个方面,提供了一种计算图像相似度的方法,所述方法包括:
3、利用主算法计算两个图像的第一相似度,并利用辅助算法计算所述两个图像的第二相似度;
4、将所述第二相似度转换为拟合相似度;其中,所述拟合相似度的取值范围与利用所述主算法计算出的相似度的取值范围一致;
5、根据所述第一相似度和所述拟合相似度计算所述两个图像的最终相似度。
6、可选的,在所述利用主算法计算两个图像的第一相似度,并利用辅助算法计算所述两个图像的第二相似度之前,所述方法还
7、从预设的样本图像库中形成m个样本组;其中,每个样本组均包含两个不重复的样本图像;
8、利用所述主算法,分别计算每个样本组中两个样本图像的主样本相似度;
9、利用所述辅助算法,分别计算每个样本组中两个样本图像的辅助样本相似度;
10、将每个样本组的辅助样本相似度作为横坐标、主样本相似度作为纵坐标,在预设的直角坐标系中分别绘制出每个样本组的坐标点;
11、利用最小二乘法将所述直角坐标系中的m个坐标点拟合为一条曲线,并形成用于描述所述曲线的拟合函数。
12、可选的,所述从预设的样本图像库中形成m个样本组,具体包括:
13、获取所述样本图像库;其中,所述样本图像库包含多个对象档案,且一个对象档案包含属于同一对象的多个样本图像;
14、从所述样本图像库中形成n个相似样本组,并从所述样本图像库中形成(m-n)个差异样本组;其中,所述相似样本组中的两个样本图像属于同一对象档案,且所述差异样本组中的两个样本图像属于两个对象档案。
15、可选的,所述从所述样本图像库中形成n个相似样本组,并从所述样本图像库中形成(m-n)个差异样本组,具体包括:
16、从所述样本图像库中选取p个目标对象档案;
17、依次遍历各个目标对象档案,并从当前遍历到的目标对象档案中提取q个目标样本图像以形成与当前遍历到的目标对象档案对应的目标对象组,直至遍历完所有目标对象档案;其中,p*q=m;
18、依次遍历各个目标对象组,根据当前遍历到的目标对象组中的2n/p个目标样本图像形成n/p个相似样本组、并根据当前遍历到的目标对象组中的(m-n)/p个目标样本图像和其他目标对象组中的(m-n)/p个目标样本图像形成(m-n)/p个差异样本组,直至遍历完所有目标对象组。
19、可选的,所述利用最小二乘法将所述直角坐标系中的m个坐标点拟合为一条曲线,并形成用于描述所述曲线的拟合函数,具体包括:
20、将初始的拟合函数设置为;其中,、、为未知系数;
21、将设置为a、将设置为t,并将设置为k;其中,、…、是各个坐标点的横坐标,、…、是各个坐标点的纵坐标;
22、通过求解矩阵方程:,得到、、的值,从而得到所述拟合函数。
23、可选的,在所述利用主算法计算两个图像的第一相似度,并利用辅助算法计算所述两个图像的第二相似度之前,所述方法还包括:
24、获取预设的包含多个主样本数据的主样本数据集;其中,所述主样本数据是利用所述主算法计算出的两个样本图像的相似度;
25、获取预设的包含多个辅助样本数据的辅助样本数据集;其中,所述辅助样本数据是利用所述辅助算法计算出的两个样本图像的相似度;
26、统计出所有主样本数据的第一均值和第一标准差,并统计出所有辅助样本数据的第二均值和第二标准差;
27、按照以下公式形成拟合函数:
28、。
29、可选的,所述将所述第二相似度转换为拟合相似度,具体包括:
30、将所述第二相似度作为所述拟合函数的输入x,并将所述拟合函数的输出y设置为所述拟合相似度。
31、为了实现上述目的,本专利技术还提供一种计算图像相似度的装置,所述装置包括:
32、计算模块,用于利用主算法计算两个图像的第一相似度,并利用辅助算法计算所述两个图像的第二相似度;
33、转换模块,用于将所述第二相似度转换为拟合相似度;其中,所述拟合相似度的取值范围与利用所述主算法计算出的相似度的取值范围一致;
34、处理模块,用于根据所述第一相似度和所述拟合相似度计算所述两个图像的最终相似度。
35、为了实现上述目的,本专利技术还提供一种计算机设备,该计算机设备具体包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述介绍的计算图像相似度的方法的步骤。
36、为了实现上述目的,本专利技术还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述介绍的计算图像相似度的方法的步骤。
37、本专利技术提供的计算图像相似度的方法、装置、设备及可读存储介质,选用综合性能最好的算法作为主算法,并同时利用一种或多种针对不同使用场景的辅助算法;与传统的仅使用一种算法相比,在本专利技术中使用了多种算法以从不同维度计算出两个图像的多个相似程度。此外,由于在本专利技术中采用了多种算法,且每种算法计算出的相似度值的取值范围均不一致,故需要将利用不同算法计算出的相似度值进行对齐处理,以使计算出的所有相似度值均在一个取值范围内。因此,在本专利技术中,以主算法计算出的相似度的取值范围作为标准取值范围,将利用各个辅助算法计算出的取值范围均转换到该标准取值范围内。最后将多个维度的、取值范围统一的相似程度进行融合以得到两个图像的更加精准的综合相似度。
本文档来自技高网...【技术保护点】
1.一种计算图像相似度的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的计算图像相似度的方法,其特征在于,在所述利用主算法计算两个图像的第一相似度,并利用辅助算法计算所述两个图像的第二相似度之前,所述方法还包括:
3.根据权利要求2所述的计算图像相似度的方法,其特征在于,所述从预设的样本图像库中形成M个样本组,具体包括:
4.根据权利要求3所述的计算图像相似度的方法,其特征在于,所述从所述样本图像库中形成N个相似样本组,并从所述样本图像库中形成(M-N)个差异样本组,具体包括:
5.根据权利要求2所述的计算图像相似度的方法,其特征在于,所述利用最小二乘法将所述直角坐标系中的M个坐标点拟合为一条曲线,并形成用于描述所述曲线的拟合函数,具体包括:
6.根据权利要求1所述的计算图像相似度的方法,其特征在于,在所述利用主算法计算两个图像的第一相似度,并利用辅助算法计算所述两个图像的第二相似度之前,所述方法还包括:
7.根据权利要求2至6中任一项所述的计算图像相似度的方法,其特征在于,所述将所述第二相似度转换
8.一种计算图像相似度的装置,其特征在于,所述装置包括:
9.一种计算机设备,所述计算机设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种计算图像相似度的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的计算图像相似度的方法,其特征在于,在所述利用主算法计算两个图像的第一相似度,并利用辅助算法计算所述两个图像的第二相似度之前,所述方法还包括:
3.根据权利要求2所述的计算图像相似度的方法,其特征在于,所述从预设的样本图像库中形成m个样本组,具体包括:
4.根据权利要求3所述的计算图像相似度的方法,其特征在于,所述从所述样本图像库中形成n个相似样本组,并从所述样本图像库中形成(m-n)个差异样本组,具体包括:
5.根据权利要求2所述的计算图像相似度的方法,其特征在于,所述利用最小二乘法将所述直角坐标系中的m个坐标点拟合为一条曲线,并形成用于描述所述曲线的拟合函数,具体包括:
6...
【专利技术属性】
技术研发人员:请求不公布姓名,请求不公布姓名,请求不公布姓名,
申请(专利权)人:北京瑞莱智慧科技有限公司,
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。