[发明专利]一种目标对象聚类方法及装置

说明书

本申请涉及图像处理技术领域，尤其涉及一种目标对象聚类方法及装置，所述方法包括：获取监控视频，从所述监控视频的图像中截取包括目标对象信息的子图像并记录每个子图像的帧号；然后，提取每个子图像的特征向量，并基于提取出的每个子图像的特征向量，将包括相同目标对象信息的子图像划分在同一类别集合中；最后，基于划分的各类别集合中包括的子图像的帧号，确定待调整的类别集合，并调整所述待调整的类别集合中包括的子图像。通过这种方法，可以提升目标对象聚类的准确率。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种目标对象聚类方法及装置。

背景技术

在视频监控、安防、无人驾驶等应用领域中，一般会涉及到对监控视频中的目标对象进行检测，目标对象例如为监控视频中出现的行人、或车辆等。具体的，在一些特定应用场景下，例如，确定目标对象在监控视频所监控的区域内的活动情况时，需要从监控视频中筛选出所有出现有目标对象的图像，这就涉及到对监控视频中出现有目标对象的图像进行聚类。

现有技术中，常用的聚类算法主要为K-means和KD-tree等，但是这类聚类算法往往首先要确定出一个类别阈值，以便确定出需要将目标对象需要聚为几类，但是在对监控视频中的目标对象进行聚类时，往往很难确定出需要将目标对象聚为多少类，因此，这种类别阈值的选取可能会出现较大误差，进而导致聚类准确率较低。

发明内容

有鉴于此，本申请实施例提供一种目标对象聚类方法及装置，以提升目标对象检测过程中的聚类的准确率。

主要包括以下几个方面：

第一方面，本申请实施例提供了一种目标对象聚类方法，包括：

获取监控视频，从所述监控视频的图像中截取包括目标对象信息的子图像并记录每个子图像的帧号；

提取每个子图像的特征向量，并基于提取出的每个子图像的特征向量，将包括相同目标对象信息的子图像划分在同一类别集合中；

基于划分的各类别集合中包括的子图像的帧号，确定待调整的类别集合，并调整所述待调整的类别集合中包括的子图像。

一种可能的实施方式中，所述基于提取出的每个子图像的特征向量，将包括相同目标对象信息的子图像划分在同一类别集合中，包括：

针对待聚类的第i个子图像，将所述第i个子图像划分至第k个类别集合中；i，k为正整数；

从除所述第i个子图像之外的待聚类的子图像中，选择符合所述第k个类别集合的聚类条件的子图像并划分至所述第k个类别集合中。

一种可能的实施方式中，所述从除所述第i个子图像之外的待聚类的子图像中，选择符合所述第k个类别集合的聚类条件的子图像并划分至所述第k个类别集合中，包括：

从除所述第i个子图像之外的待聚类的子图像中依次选取子图像，执行第一聚类过程，直至遍历完待聚类的全部子图像；其中，所述第一聚类过程包括：

计算选取的子图像的特征向量与所述第i个子图像的特征向量之间的第一特征相似度；

当确定选取的第j个子图像对应的第一特征相似度大于第一设定阈值时，将所述第j个子图像划分至所述第k个类别集合中；

将在第j个子图像之后选取的子图像作为剩余子图像，计算每个剩余子图像的特征向量与所述第k个类别集合中任一个子图像的特征向量之间的第二特征相似度；

基于每个剩余子图像对应的第二特征相似度，将对应的第二特征相似度大于所述第一设定阈值的剩余子图像划分至所述第k个类别集合。

一种可能的实施方式中，所述基于提取出的每个子图像的特征向量，将包括相同目标对象信息的子图像划分在同一类别集合中，包括：