[發(fā)明專利]對(duì)象特征的聚類方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010546289.2
• 申請(qǐng)日: 2020-06-16
• 公開（公告）號(hào): CN111709473B
• 公開（公告）日: 2023-09-19
• 發(fā)明（設(shè)計(jì)）人: 韋躍明;蔣楠
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06V10/762
• 分類號(hào): G06V10/762;G06V10/74;G06V10/764
• 代理公司: 北京派特恩知識(shí)產(chǎn)權(quán)代理有限公司 11270
• 代理人: 崔曉嵐;張穎玲

本申請(qǐng)?zhí)峁┝艘环N對(duì)象特征的聚類方法及裝置；方法包括：從至少兩張包含有至少一個(gè)對(duì)象的幀圖像中，提取得到至少兩個(gè)待聚類的對(duì)象特征；基于所述幀圖像的采集時(shí)間，對(duì)所述至少兩個(gè)待聚類的對(duì)象特征進(jìn)行劃分，得到至少兩個(gè)對(duì)象特征集合；分別對(duì)各對(duì)象特征集合中的對(duì)象特征進(jìn)行聚類處理，得到對(duì)應(yīng)各所述對(duì)象特征集合的至少兩個(gè)特征簇，所述特征簇包含至少一個(gè)對(duì)象特征；獲取所述至少兩個(gè)特征簇中特征簇之間的相似度；基于所述相似度，對(duì)所述相似度滿足相似度條件的特征簇進(jìn)行合并，得到對(duì)應(yīng)各個(gè)所述對(duì)象的特征簇。通過本申請(qǐng)，能夠降低聚類時(shí)間復(fù)雜度，大幅度提高聚類速度。

技術(shù)領(lǐng)域

本申請(qǐng)涉及人工智能技術(shù)領(lǐng)域及云技術(shù)領(lǐng)域，尤其涉及一種對(duì)象特征的聚類方法及裝置。

背景技術(shù)

人工智能(Artificial?Intelligence,AI)是利用數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器模擬、延伸和擴(kuò)展人的智能，感知環(huán)境、獲取知識(shí)并使用知識(shí)獲得最佳結(jié)果的理論、方法、技術(shù)及應(yīng)用系統(tǒng)。人工智能軟件技術(shù)主要包括計(jì)算機(jī)視覺技術(shù)、語音處理技術(shù)、自然語言處理技術(shù)以及機(jī)器學(xué)習(xí)/深度學(xué)習(xí)等幾大方向。

聚類技術(shù)通常又被稱為無監(jiān)督學(xué)習(xí)，其是機(jī)器學(xué)習(xí)中的重要技術(shù)，主要是按照某個(gè)特定標(biāo)準(zhǔn)，將一個(gè)數(shù)據(jù)集分割成不同的類或簇，使得同一個(gè)簇內(nèi)的數(shù)據(jù)對(duì)象的相似性盡可能大，同時(shí)不在同一個(gè)簇中的數(shù)據(jù)對(duì)象的差異性也盡可能大，即聚類后同一類的數(shù)據(jù)盡可能聚集到一起，不同的數(shù)據(jù)盡量分離。

但相關(guān)技術(shù)中的聚類算法通常具有較高的時(shí)間復(fù)雜度，例如，K均值(K-Means)聚類算法的時(shí)間復(fù)雜度是O(NKT)，譜聚類(SC，Spectral?Clustering)算法的時(shí)間復(fù)雜度是O(N^3)，凝聚層級(jí)聚類(HAC，Hierarchical?Aglomerative?Clustering)算法的時(shí)間復(fù)雜度是O(N^2)，聚類算法的時(shí)間復(fù)雜度高會(huì)導(dǎo)致聚類速度慢、聚類效率低。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供一種對(duì)象特征的聚類方法及裝置，能夠降低聚類時(shí)間復(fù)雜度，大幅度提高聚類速度。

本申請(qǐng)實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的：

本申請(qǐng)實(shí)施例提供一種對(duì)象特征的聚類方法，包括：

從至少兩張包含有至少一個(gè)對(duì)象的幀圖像中，提取得到至少兩個(gè)待聚類的對(duì)象特征；

基于所述幀圖像的采集時(shí)間，對(duì)所述至少兩個(gè)待聚類的對(duì)象特征進(jìn)行劃分，得到至少兩個(gè)對(duì)象特征集合；

分別對(duì)各對(duì)象特征集合中的對(duì)象特征進(jìn)行聚類處理，得到對(duì)應(yīng)各所述對(duì)象特征集合的至少兩個(gè)特征簇，所述特征簇包含至少一個(gè)對(duì)象特征；

獲取所述至少兩個(gè)特征簇中特征簇之間的相似度；

基于所述相似度，對(duì)所述相似度滿足相似度條件的特征簇進(jìn)行合并，得到對(duì)應(yīng)各個(gè)所述對(duì)象的特征簇。

本申請(qǐng)實(shí)施例提供一種對(duì)象特征的聚類裝置，包括：

提取模塊，用于從至少兩張包含有至少一個(gè)對(duì)象的幀圖像中，提取得到至少兩個(gè)待聚類的對(duì)象特征；

劃分模塊，用于基于所述幀圖像的采集時(shí)間，對(duì)所述至少兩個(gè)待聚類的對(duì)象特征進(jìn)行劃分，得到至少兩個(gè)對(duì)象特征集合；

第一聚類模塊，用于分別對(duì)各對(duì)象特征集合中的對(duì)象特征進(jìn)行聚類處理，得到對(duì)應(yīng)各所述對(duì)象特征集合的至少兩個(gè)特征簇，所述特征簇包含至少一個(gè)對(duì)象特征；

獲取模塊，用于獲取所述至少兩個(gè)特征簇中特征簇之間的相似度；

第二聚類模塊，用于基于所述相似度，對(duì)所述相似度滿足相似度條件的特征簇進(jìn)行合并，得到對(duì)應(yīng)各個(gè)所述對(duì)象的特征簇。

上述方案中，所述劃分模塊，還用于基于所述幀圖像的采集時(shí)間，對(duì)所述至少兩個(gè)待聚類的對(duì)象特征進(jìn)行排序，得到排序結(jié)果；