[发明专利]一种基于时空约束的目标聚类方法及系统

说明书

本发明实施例提供一种基于时空约束的目标聚类方法及系统。该方法包括构建待聚类样本池，选取人脸样本集和行人样本集，对人脸样本集和行人样本集分别进行图卷积，得到人脸相似度和行人相似度，再进行融合卷积得到融合视觉相似度，进一步得到样本聚类结果，获取摄像机转移概率矩阵，得到更新的摄像机转移概率矩阵，对单个个体的路径合理性进行评估，得到合理性评估结果，对样本聚类结果进行优化，得到聚类优化结果，迭代将聚类优化结果存入已聚类样本池。本发明实施例通过对人员图像信息进行，采用加权图模型卷积对人脸和行人图像进行融合，并对人员在不同摄像机之间转移的概率进行分析，通过对整体概率进行全局优化，有效提升人员聚类的准确率。

技术领域

本发明涉及信息技术领域，尤其涉及一种基于时空约束的目标聚类方法及系统。

背景技术

随着社会的快速发展，对于人员信息获取的要求越来越高，而人员聚类技术实现不同时间和位置采集的人员图像按身份进行归类，在新零售、社会治安防控等领域有着广泛的应用需求。例如，通过人员聚类让商场掌握每个顾客的行动轨迹、逗留区域、商品偏好等信息，实现精准用户画像，帮助商家优化产品陈列及人员配置，引导和触发用户隐性需求，实现精准营销。

现有人员聚类研究的主要关注点在人脸或行人图像的特征提取和相似度量，而融合人脸与行人特征、利用摄像机网络时空约束进行聚类的技术很少，且存在下列不足之处：(1)人脸和人形特征未能有效融合，现有人员聚类技术主要基于人脸图像，然而实际应用中非人脸识别专用摄像机采集的人脸图像由于清晰度不足、角度较大、遮挡等原因，往往不足以实现准确的人员聚类。摄像机网络采集的人员全身的视觉信息，例如衣服款式、颜色、附属物等，可作为鉴别人员身份的重要依据；(2)未能将人员的时空约束信息有效应用于摄像机网络中人员聚类。现有跨摄像机跟踪技术通常只是将同一人出现在两个摄像头之间的可能时间作为约束条件，而没有考虑人员的姿态、移动方式对摄像机转移概率的影响，也很少分析一个人及人员群体在一定时间内连续轨迹的整体概率。

针对上述问题，需要提出一种基于时空约束的目标聚类方法，能提升摄像机网络中人员聚类识别的准确率。

发明内容

本发明实施例提供一种基于时空约束的目标聚类方法及系统，用以解决现有技术中针对人脸和行人图像的识别准确率低，无法将时空约束信息有效应用于人员聚类中的缺陷。

第一方面，本发明实施例提供一种基于时空约束的目标聚类方法，包括：

S1，获取人脸图像集和行人图像集，基于所述人脸图像集和所述行人图像集构建待聚类样本池；

S2，根据若干预设人脸质量阈值从所述待聚类样本池中选取人脸样本集，根据若干预设行人质量阈值从所述待聚类样本池中选取行人样本集；

S3，对所述人脸样本集进行图卷积，得到人脸相似度；

S4，对所述行人样本集进行图卷积，得到行人相似度；

S5，对所述人脸相似度和所述行人相似度进行融合卷积，得到融合视觉相似度；

S6，基于所述融合视觉相似度，对所述人脸样本集和所述行人样本集进行聚类，得到样本聚类结果；

S7，获取摄像机转移概率矩阵，基于所述样本聚类结果对所述摄像机转移概率矩阵进行更新，得到更新的摄像机转移概率矩阵；

S8，基于所述样本聚类结果和所述更新的摄像机转移概率矩阵，对单个个体在预设时间内的路径合理性进行评估，得到合理性评估结果；

S9，基于所述合理性评估结果对所述样本聚类结果进行优化，得到聚类优化结果；

S10，对步骤S6至S9进行迭代，直至所述聚类优化结果收敛，将所述聚类优化结果存入已聚类样本池。

第二方面，本发明实施例提供一种基于时空约束的目标聚类系统，包括：