[發明專利]對象分類方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010839712.8
• 申請日: 2020-08-19
• 公開（公告）號: CN112132178B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 余曉填
• 申請（專利權）人: 深圳云天勵飛技術股份有限公司
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06F18/22;G06F18/25
• 代理公司: 深圳驛航知識產權代理事務所(普通合伙) 44605
• 代理人: 楊倫

本發明實施例提供一種對象分類方法、裝置、電子設備及存儲介質，所述方法包括：獲取全局對象的統計數據，所述全局對象包括待分類對象以及已分類對象，其中，待分類對象數量大于已分類對象數量；根據所述動態信息以及靜態信息，計算得到所述全局對象對應的相似度融合矩陣；獲取已分類對象的樣本標簽數據，并根據所述樣本標簽數據獲取初始化樣本標簽矩陣；基于所述相似度融合矩陣與所述初始化樣本標簽矩陣對所述待分類對象進行標簽傳播，并迭代得到最終的標簽分布矩陣；根據所述最終的標簽分布矩陣對所述待分類對象進行分類。本發明可以提高對象分類的效果。

技術領域

本發明涉及人工智能領域，尤其涉及一種對象分類方法、裝置、電子設備及存儲介質。

背景技術

隨著人工智能研究的不斷深入，圖像識別產品越來越豐富，人們可以通過圖像識別來提取圖像中所隱含的特征信息，從而預測出該對象的屬性，并根據該對象的屬性對該對象進行分類或分析。圖結構是一種根據不同對象之間的特征信息來表征不同對象之間的關系的一種分類方式，然而，由于圖結構所應用的場景以及目的不同，因此從圖像中提取的特征信息也各有不同，比如，對于人員對象分類，特征信息可以是提取人員的職業、年齡、學歷等屬性所對應的靜態特征信息，也可以是人員對象的活動規律、健康狀態等屬性所對應的動態特征信息；對于場所對象分類，特征信息可以是場所的面積、有無停車位、外觀等屬性所對應的靜態特征信息，也可以是場所的人員流動數、空氣質量等屬性所對應的動態特征信息。然而，由于靜態特征信息與動態特征信息的特征表達形式的不同，使得現有對象圖結構針對不同特征信息而言，具有異構性，這導致了對象圖結構所表征的對象分類維度較為單一，比如以職業屬性為特征信息構成的對象圖結構，則只能表征職業屬性的維度上將對象分類，無法進行復雜維度的對象分類，對象分類的效果不好。

發明內容

本發明實施例提供一種對象分類方法，能夠在復雜維度上對象分類，提高對象分類的效果。

第一方面，本發明實施例提供一種對象分類方法，所述方法用于人員對象或場所對象的分類，所述方法包括以下步驟：

獲取全局對象的統計數據，所述全局對象包括待分類對象以及已分類對象，其中，待分類對象數量大于已分類對象數量，所述全局對象的類型為人員對象或場所對象，所述統計數據包括基于時間變化屬性的動態信息以及基于固定屬性的靜態信息；

根據所述動態信息以及靜態信息，計算得到所述全局對象對應的相似度融合矩陣；

獲取所述已分類對象的樣本標簽數據，并根據所述樣本標簽數據獲取初始化樣本標簽矩陣，所述樣本標簽數據為預先對所述已分類對象進行標注得到，所述樣本標簽數據包括基于人員對象的類別標簽或基于場所對象的類別標簽或基于物體對象的類別標簽；

基于所述相似度融合矩陣與所述初始化樣本標簽矩陣對所述待分類對象進行標簽傳播，并迭代得到最終的標簽分布矩陣；

根據所述最終的標簽分布矩陣對所述待分類對象進行分類。

可選的，所述根據所述動態信息以及靜態信息，計算得到所述全局對象對應的相似度融合矩陣，包括：

根據所述動態信息以及靜態信息，分別提取各個全局對象對應的動態特征以及靜態特征；

根據所述動態特征與所述靜態特征計算所述全局對象對應的相似度融合矩陣。

可選的，所述相似度融合矩陣為第一相似度融合矩陣，所述根據所述動態特征與所述靜態特征計算所述全局對象對應的相似度融合矩陣，包括：

遍歷計算各個全局對象之間的動態特征相似度，得到動態相似度矩陣；以及

遍歷計算各個全局對象之間的靜態特征相似度，得到靜態相似度矩陣；

將所述動態相似度矩陣以及所述靜態相似度矩陣進行融合，得到第一相似度融合矩陣。