[發明專利]一種用于案件串并的現勘視覺信息關聯圖層生成方法

有效

• 申請號: 201710760901.4
• 申請日: 2017-08-30
• 公開（公告）號: CN107688830B
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 王倩;劉穎;侯祥瑋;王伊琳
• 申請（專利權）人: 西安郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/08
• 代理公司: 西安西達專利代理有限責任公司 61202
• 代理人: 劉華

1.一種用于案件串并的現勘視覺信息關聯圖層生成方法，包括如下步驟：

1.1)構建現勘視覺信息小目標庫，輸入案件現勘視覺信息庫，對其中的現勘圖像和監控視頻按照案件編號分類，i表示案件的索引號，案件x表示當前待檢索案件，提取每個案件中的樣本的小目標塊，構建以往案件i的小目標庫以及案件x小目標庫其中M_i和M_x為分別由案件i和案件x生成的小目標的個數；

1.2)生成現勘元素矩陣，設計現勘視覺信息樹，任意小目標庫包括圖像信息層和衍生信息層，衍生信息層包括時空信息層、目標信息層、運動關系層、屬性信息層以及細節信息層，依據現勘視覺信息樹生成現勘元素矩陣，任意案件i和案件x的現勘元素矩陣分別表示為和

所述的現勘元素矩陣的生成方法，按如下步驟進行：

1.2a)對于案件庫中的任意案件i的圖像塊，構成案件i的小目標庫其中i表示案件的索引號，將現勘視覺信息樹實現為多層分類器模型，采用的卷積神經網絡的結構分為三部分，第一部分，卷積層采用64個3×3的濾波器，激活層采用Relu函數，以及2×2的最大池化下采樣，第二部分和第三部分在卷積層分別采用128個3×3的濾波器和256個3×3的濾波器，激活層和池化層均與第一部分一樣，方便起見，記這一卷積神經網絡結構為CB_CNN，將案件庫中的小目標塊和不同層的標簽輸入到CB_CNN中，依次訓練以下分類器：

目標信息層分類器Model_O，將小目標庫分為l_O類；

運動關系層分類器Model_R，將小目標庫分為l_R類；

屬性信息層的三個分類器：顏色分類器Model_C，將小目標庫分為l_C類；形狀分類器IModel_H，將小目標庫分為l_H類；形狀分類器IIModel_S，將小目標庫分為l_S類；

細節信息層的兩個分類器：數字分類器Model_N，將小目標庫分為l_N類；殘損分類器Model_D，將小目標庫分為l_D類；

1.2b)構建任意案件x現勘元素矩陣衍生層，建立一個大小為5×L的全零矩陣B，B將構成現勘元素矩陣的衍生層，其中L為訓練多層分類器時各層人工標簽個數的最大值；

提取當前的案件i的拍攝時間屬性，按照月、日、年、星期、時、分、秒按行排列，提取案件x的拍攝地點屬性，區域內標“1”，區域外標“0”，將地點標簽續在時間屬性之后，賦值給矩陣B第一行的前8個元素，即構成時空信息層；

將中的樣本輸入上述訓練好的分類器Model_O中，得到的小目標塊屬于各類的概率向量，賦值給矩陣B第二行的前l_o個元素，即構成目標信息層；

將中的樣本輸入上述訓練好的分類器Model_R中，得到的小目標塊存在各種運動關系的概率向量，賦值給矩陣B第三行的前l_R個元素，即構成運動關系層；

將中的樣本分別輸入上述訓練好的分類器Model_C，IModel_H和IIModel_S中，得到的小目標塊屬于各種顏色的概率向量，為形狀屬性I概率向量，和為形狀屬性II概率向量，將三個向量級聯，賦值給矩陣B第四行的前l_C+l_H+l_S個元素，即構成屬性信息層；

將中的樣本分別輸入上述訓練好的分類器Model_N和Model_D中，得到的小目標塊存在0-9數字或其它的概率向量，以及存在殘損的概率，將兩個向量級聯，賦值給矩陣B第五行的前l_N+l_D，即構成細節信息層；

1.2c)案件x現勘元素矩陣的第n小目標塊的現勘元素矩陣由小目標的圖像信息和衍生信息層構成，因為現勘元素矩陣的兩層大小不一樣，cell(*)表示將矩陣元素打包作為一個元素存儲在現勘元素矩陣中；同理，以往案件庫中的任意案件在錄入時，按照上述方法生成現勘元素矩陣，在案件庫建立初期可以調用現成的分類器模型生成衍生信息層；

1.3)計算現勘元素矩陣和的相似度，量化來自兩個不同案件的小目標塊和的關聯程度；

1.4)生成案件x與以往案件庫中的案件i的相關圖層Map_xi；案件x表示為現勘元素矩陣的集合同理，案件庫中的任意案件i案件也表示為將和按照步驟1.3)的方法，得到兩個現勘元素矩陣的相似度，用Score表示，將Score賦值給案件x與案件i的相關圖層的Map_xi(n,m)，最終得到的Map_xi的大小為M_x×M_i；

1.5)利用關聯圖層實現案件的串并；

1.5a)在關聯圖層Map_xi上，采用閾值平面的方法確定第i個案件是否與案件x關聯，其中i表示案件的索引號，即：

通過調整Threshold的大小控制篩選點[i^*]的個數，可以限制串并案件的數量和范圍；

1.5b)如果確定案件i與案件x關聯，計算案件i與已有案件庫中的案件j的相關圖層Map_ij，查看是否存在閾值平面以上的點，如果存在，保存當前案件j；

1.5c)以此方式擴展，即可以生成由案件x中的單一線索關聯到多個案件的多條線索，以當前案件x為出發點，首先生成案件x與已有案件庫中的案件i的相關圖層Map_xi，然后生成案件i與已有案件庫中的案件j的相關圖層Map_ij，依次生成案件j與已有案件庫中的案件k的相關圖層Map_jk，最終獲得案件x的關聯圖層{Map_xi,Map_ij,Map_jk,…}。