【技术实现步骤摘要】
本专利技术属于数据挖掘，具体涉及一种多模式归档结合的图像归档方法及其系统。
技术介绍
1、随着ai技术的高速发展，前端采集设备每天产生了大量的人像轨迹数据，通过对抓拍照片进行轨迹治理形成人像档案，可以有效提升抓拍图片的利用率，是基于人像聚档的技战法应用的基础。目前现有的人像归档方法有最早期的直接特征比对归档，也有不断成熟的聚类归档，但是这两种模式都存在各自的不足。
2、直接特征比对归档最明显的问题就是固定阈值导致某些图片因为天气、光照、角度、遮挡等原因未达到阈值出现漏归档的情况，或者因为模糊问题却高于阈值导致误归档。
3、聚类归档虽然能结合图片两两之间的特性减少误判和漏判，但是其存在需等待图片更多时才能产生较好的效果，这导致实时性有所降低。以及类的代表性特征不具有真正代表性时，会出现类中多张照片是满足归档置信的，但是利用代表性特征却无法归档置信，从而导致置信比率降低。
4、不管采用哪种模式都存在较明显的一个对象多档案的情况，这些不足会不同程度影响基于人像聚档的各类技战法的分析可靠性、准确性、实时性、全面性。
5、有鉴于此，提出一种多模式归档结合的图像归档方法及其系统是非常具有意义的。
技术实现思路
1、为了解决现有的人像归档方法存在模式单一、直接归档存在容易漏归档，误归档、聚类归档存在归档实时性差以及置信不及时、都存在一个对象多个档案等问题，本专利技术提供一种多模式归档结合的图像归档方法及其系统，解决直接归档大量漏归档、误归档问题，以
2、第一方面，本专利技术提出了一种多模式归档结合的图像归档方法，该方法包括如下步骤：
3、响应于接收图片集，对来源图进行模型推理自编码形成各自特征；
4、根据配置选择不同归档模式，归档模式包括直接比对归档、聚类归档和复核归档；
5、根据模型选择情况，实时分发给对比引擎和聚类引擎的消费队列；
6、调用比对引擎，将来源图与目标库里的图片比对，将比对是高度相似或者分类模型预测是高概率的图片进行归档，输出归档信息；
7、调用聚类引擎，对来源图进行时空聚类，将不同相似度发布图片用最低连线阈值汇聚成类，输出所有类信息；
8、采用复核归档模块，根据比对的归档信息对聚类结果进行复核校验、补足归档信息；
9、将图片根据校验结果进行归档。
10、优选的，采用复核归档模块，根据比对的归档信息对聚类结果进行复核校验、补足归档信息，包括：
11、接收到所有类信息后遍历所有类；
12、取该类代表性特征与目标库进行比对；
13、判断类的比对分是否满足最高阈值，若满足则归档到目标对象；
14、若不满足则进一步判断类的比对分是否满足最低阈值，若不满足则生成新的目标对象；
15、若满足则进行复核步骤。
16、进一步优选的，复核步骤包括：
17、s61、获取类内所有图片在比对逻辑确认到的所属对象信息；
18、s62、判断类的比对分是否满足标准阈值，若满足则执行s63；
19、s63、判断是否满足第一归属条件，若不满足则执行s631，满足则执行s632；
20、s631、将该类归档到最高比对分的目标对象；
21、s632、判断是否满足第二归属条件，若满足则执行s6321，不满足则执行s6322；
22、s6321、说明存在聚错，使用聚类最高连线阈值进行严格重聚；
23、s6323、再对新的聚类结果进行复核归档；
24、s6324、判断是否满足第二归属条件，满足则执行s6325，不满足则执行s6322；
25、s6325、结果推送回聚类逻辑消息队列，待和新的数据继续聚类；
26、s6322、判断是否满足第三归属条件，满足则执行s6326，不满足则执行s6327；
27、s6326、将该类归档到该目标对象；
28、s6327、将该类归档到比对分较高的目标对象。
29、进一步优选的，复核步骤还包括：
30、s62、判断类的比对分是否满足标准阈值，若不满足则执行s64；
31、s64、判断是否满足第一归属条件，若不满足则执行s641，满足则执行s642；
32、s641、生成新的目标对象；
33、s642、判断是否满足第二归属条件，若不满足则执行s643，满足则执行s644；
34、s643、将该类归档到该目标对象；
35、s644、说明存在聚错，使用聚类最高连线阈值进行严格重聚；
36、s645、再对新的聚类结果进行复核归档；
37、s646、判断是否满足第二归属条件，若满足则执行s647，不满足则执行s643；
38、s647、结果推送回聚类逻辑消费队列，待和新的数据继续聚类。
39、进一步优选的，复核步骤还包括：
40、第一归属条件指所有图片中存在有归属的对象；
41、第二归属条件指所有图片的确认到的目标对象的个数大于1；
42、第三归属条件指图片比对到的和类比对到的目标对象一致；
43、严格重聚指利用高阈值参数组合进行聚类。
44、优选的，还包括：
45、直接比对归档模式指调用比对引擎将每张图片自编码后的特征直接与目标库进行比对，将比对分达到比分阈值的或者分类模型预测值满足概率阈值的目标进行归档；
46、其中，分类模型指由来源图属性、目标图属性以及二者间比分值为特征，对象是否同一类为标签的样本集所训练出的二分类模型。
47、优选的，还包括：
48、聚类归档模式指调用聚类引擎对来源图进行时空聚类，将不同相似度分布图片根据是否满足最低连线的相似度阈值汇聚成类，最后输出一批图片的聚类结果，取每个类的代表性特征与目标库进行比对，将比对分达到比分阈值的或者分类模型预测值满足概率阈值的目标进行归档；
49、其中，类的代表性特征可为其中一张或多张质量最佳的图片的特征，也可为所有类内图片归一化求平均后的特征。
50、第二方面，本专利技术实施例还提供一种多模式归档结合的图像归档系统，包括：
51、自编码模块，配置用于接收图片集，对来源图进行模型推理自编码形成各自特征；
52、选择模块，配置用于根据配置选择不同归档模式，归档模式包括直接比对归档、聚类归档和复核归档，根据模型选择情况，实时分发给对比引擎和聚类引擎的消费队列；
53、比对引擎模块，配置用于调用比对引擎，将来源图与目标库里的图片比对，将比对是高度相似或者分类模型预测是高概率的图片进行归档，输出归档信息；
54、聚类引擎模块，配置用于调用聚类引擎，对来源本文档来自技高网...
【技术保护点】
1.一种多模式归档结合的图像归档方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的多模式归档结合的图像归档方法，其特征在于，采用复核归档模块，根据比对的归档信息对聚类结果进行复核校验、补足归档信息，包括：
3.根据权利要求2所述的多模式归档结合的图像归档方法，其特征在于，复核步骤包括：
4.根据权利要求3所述的多模式归档结合的图像归档方法，其特征在于，复核步骤还包括：
5.根据权利要求4所述的多模式归档结合的图像归档方法，其特征在于，复核步骤还包括：
6.根据权利要求1所述的多模式归档结合的图像归档方法，其特征在于，还包括：
7.根据权利要求1所述的多模式归档结合的图像归档方法，其特征在于，还包括：
8.一种多模式归档结合的图像归档系统，其特征在于，包括：
9.一种电子设备，包括：
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，该程序被处理器执行时实现如权利要求1至7中任一所述的方法。
【技术特征摘要】
1.一种多模式归档结合的图像归档方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的多模式归档结合的图像归档方法，其特征在于，采用复核归档模块，根据比对的归档信息对聚类结果进行复核校验、补足归档信息，包括：
3.根据权利要求2所述的多模式归档结合的图像归档方法，其特征在于，复核步骤包括：
4.根据权利要求3所述的多模式归档结合的图像归档方法，其特征在于，复核步骤还包括：
5.根据权利要求4所述的多模式归档...
【专利技术属性】
技术研发人员：施翔飞，黄仝宇，毕永辉，伍仕杰，
申请(专利权)人：厦门市美亚柏科信息安全研究所有限公司，
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。