[發明專利]一種提高數據特征比對效率的方法、裝置

在審

• 申請號: 201910630043.0
• 申請日: 2019-07-12
• 公開（公告）號: CN112215250A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 鄭濤;王梁;夏秋桃
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 謝安昆;宋志強

1.一種提高數據特征比對效率的方法，其特征在于，該方法包括，

獲取當前待識別目標特征數據、以及該數據所關聯的時間信息；

根據該數據所關聯的時間信息，確定所述時間信息對應的子模板庫，

將所述當前待識別目標特征數據與所述子模板庫中樣本進行比對，

其中，所述子模板庫包括，至少根據樣本所關聯的時間信息獲得的基于時間序列分割聚類的樣本集合。

2.如權利要求1所述的方法，其特征在于，所述子模板庫基于包括N個樣本集合的模板庫，通過基于時間序列分割聚類的無監督深度學習算法，獲得該子模板庫包括的樣本集合，其中，N為自然數，且隨著時間的推移而增加。

3.如權利要求2所述的方法，其特征在于，所述基于包括N個樣本集合的模板庫，通過基于時間序列分割聚類的無監督深度學習算法，獲得該子模板庫包括的樣本集合包括：

確定子模板庫的數量，

獲取當前待識別目標特征數據，將其作為樣本增加至所述模板庫中，

對于所述模板庫中任一樣本，

構建當前樣本的第一特征向量，該第一特征向量至少包括當前樣本的特征信息向量、以及當前樣本關聯的時間信息向量；

至少提取第一特征向量中的時間向量，

通過基于時間序列分割聚類的無監督深度學習算法，根據時間信息向量，對所述第一特征向量進行聚類，得到當前聚類結果，對當前聚類結果進行訓練，直至當前聚類結果收斂，得到當前樣本所歸屬的子模板庫；

對于模板庫中的下一樣本，返回執行所述構建當前樣本的第一特征向量的步驟，直至模板庫中所有樣本處理完畢，得到各個以時間信息為聚類中心的子模板庫。

4.如權利要求2所述的方法，其特征在于，所述將所述當前待識別目標特征數據與所述子模板庫中樣本進行比對，包括，

將所述當前待識別目標特征數據與所述時間信息對應的子模板庫中的各個樣本分別進行比對，獲得與每個樣本的相似度計算結果；

判斷獲得的每個樣本相似度計算結果中是否存在相似度計算結果大于設定的相似度閾值，如果是，則輸出比對結果；否則，將當前待識別目標特征數據與所述時間信息相鄰時間對應的子模板庫中各個的樣本進行相似度計算。

5.如權利要求4所述的方法，其特征在于，所述確定子模板庫的數量包括，根據待識別目標特征數據、和/或樣本集中樣本的時間特性，確定子模板庫的數量K，其中K大于等于1，

所述直至模板庫中所有樣本處理完畢，得到各個以時間信息為聚類中心的子模板庫之后，還包括，將所述各個子模板庫按照時間順序進行排序，并按大小數值分配序號，得到各個子模板庫對應的序號。

6.如權利要求5所述的方法，其特征在于，所述將當前待識別目標特征數據與所述時間信息相鄰時間對應的子模板庫中各個的樣本進行相似度計算包括，

根據當前待識別目標特征數據對應的子模板庫序號，按照時間順序，分別得到小于該子模板庫序號的第一相鄰序號、和大于該子模板庫序號的第二相鄰序號，

判斷所述相鄰序號中的任一序號是否存在，如果存在，則將當前待識別目標特征數據與所述相鄰序號對應的子模板庫中的各個樣本分別進行比對，獲得與每個樣本的相似度計算結果。

7.如權利要求6所述的方法，其特征在于，所述當前聚類結果不收斂時，則將當前樣本設置歸屬于臨時子模板庫；

所述相鄰序號中的任一序號都不存在時，則將當前待識別目標特征數據與所述臨時子模板庫中的各個樣本進行比對。

8.如權利要求7所述的方法，其特征在于，所述待識別目標特征數據包括具有生物特征信息的圖像數據的特征向量，所述數據所關聯的時間信息包括數據被獲取的當前時間，所述樣本所關聯的時間信息包括樣本的歷史時間信息；

所述臨時子模板庫中的樣本在該樣本累計的歷史時間信息到達設定的閾值時觸發和/或者定期觸發執行所述構建當前樣本的第一特征向量的步驟。