[發明專利]對象特征的聚類方法及裝置

有效

• 申請號: 202010546289.2
• 申請日: 2020-06-16
• 公開（公告）號: CN111709473B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 韋躍明;蔣楠
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06V10/74;G06V10/764
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 崔曉嵐;張穎玲

1.一種對象特征的聚類方法，其特征在于，所述方法包括：

從至少兩張包含有至少一個對象的幀圖像中，提取得到至少兩個待聚類的對象特征；

基于所述幀圖像的采集時間，對所述至少兩個待聚類的對象特征進行劃分，得到至少兩個對象特征集合；

獲取每個所述對象特征集合中對象特征之間的相似度、及各所述對象的位置信息；

通過概率預測模型，輸入所述對象特征之間的相似度、及各所述對象的位置信息，輸出兩個對象特征歸屬于同一對象的概率；

根據所述概率，對所述對象特征集合中的對象特征進行聚類處理，得到對應所述對象特征集合的至少兩個特征簇，所述特征簇包含至少一個對象特征；

獲取所述至少兩個特征簇中特征簇之間的相似度；

基于所述相似度，對所述相似度滿足相似度條件的特征簇進行合并，得到對應各個所述對象的特征簇。

2.如權利要求1所述的方法，其特征在于，所述基于所述幀圖像的采集時間，對所述至少兩個待聚類的對象特征進行劃分，得到至少兩個對象特征集合，包括：

基于所述幀圖像的采集時間，對所述至少兩個待聚類的對象特征進行排序，得到排序結果；

基于所述排序結果，將所述至少兩個待聚類的對象特征順序劃分為至少兩個對象特征集合。

3.如權利要求1所述的方法，其特征在于，所述獲取所述至少兩個特征簇中特征簇之間的相似度，包括：

針對所述至少兩個特征簇中任意兩個特征簇，分別執行以下操作：

分別獲取第一特征簇中各對象特征、與第二特征簇中至少一個對象特征之間的相似度；

確定獲取的相似度的總數量、及達到第一相似度閾值的相似度的數量；

將達到第一相似度閾值的相似度的數量、與獲取的相似度的總數量的比值，作為第一特征簇與第二特征簇之間的相似度。

4.如權利要求1所述的方法，其特征在于，所述獲取所述至少兩個特征簇中特征簇之間的相似度，包括：

針對所述至少兩個特征簇中任意兩個特征簇，分別執行以下操作：

分別獲取第一特征簇中各對象特征、與第二特征簇中的至少一個對象特征之間的相似度；

通過概率預測模型，輸入所述相似度、及各所述對象的位置信息，輸出兩個對象特征歸屬于同一對象的概率；

確定獲取的概率的總數量、及達到概率閾值的概率的數量；

將達到概率閾值的概率的數量、與獲取的概率的總數量的比值，作為第一特征簇與第二特征簇之間的相似度。

5.如權利要求1所述的方法，其特征在于，所述基于所述相似度，對所述相似度滿足相似度條件的特征簇進行合并，包括：

當所述至少兩個特征簇中第一特征簇與第二特征簇之間的相似度達到第二相似度閾值時，將所述第一特征簇與所述第二特征簇合并為第一合并特征簇；

確定所述至少兩個特征簇中第三特征簇與所述第一合并特征簇之間的相似度達到第二相似度閾值時，將所述第三特征簇與所述第一合并特征簇合并為第二合并特征簇。

6.如權利要求5所述的方法，其特征在于，所述方法還包括：

當第一特征簇與第三特征簇之間的相似度、及第二特征簇與第三特征簇之間的相似度均達到第二相似度閾值時，確定所述第三特征簇與第一合并特征簇之間的相似度達到第二相似度閾值。

7.如權利要求5所述的方法，其特征在于，所述方法還包括：

基于以下公式確定第三特征簇與第一合并特征簇之間的相似度：

，

其中，sim為第三特征簇與第一合并特征簇之間的相似度；為第一相似度的總數量，為達到相似度閾值的第一相似度的數量，第一相似度為第一特征簇中對象特征與第三特征簇中對象特征之間的相似度，為第二相似度的總數量，為達到相似度閾值的第二相似度的數量，第二相似度為第二特征簇中對象特征與第三特征簇中對象特征之間的相似度。

8.如權利要求1所述的方法，其特征在于，所述獲取各個特征簇之間的相似度，包括：

通過圖形處理器，獲取各個特征簇之間的相似度。