[发明专利]一种人体图像的归类方法、装置及设备

权利要求书

1.一种人体图像的归类方法，其特征在于，所述方法包括：

从目标对象的多帧人体图像中选取最优人体图像，基于所述最优人体图像与每帧人体图像之间的初始相似度，从多帧人体图像中选取候选人体图像；

基于所述最优人体图像对应的最优人体特征和所述候选人体图像对应的候选人体特征，确定所述目标对象的多帧人体图像对应的融合特征；

基于已创建的每个人体档案对应的人体封面图像，确定所述融合特征与该人体封面图像对应的封面特征之间的目标相似度；

基于所述目标相似度从所有人体档案中选取目标人体档案，并将所述目标对象的最优人体图像归类为所述目标人体档案对应的人体图像。

2.根据权利要求1所述的方法，其特征在于，

所述从目标对象的多帧人体图像中选取最优人体图像，包括：

针对所述目标对象的每帧人体图像，从所述人体图像中确定所述目标对象所在的目标框，基于所述目标框对应的至少一种特征信息和每种特征信息对应的权重值，确定所述人体图像对应的分数值；其中，所述特征信息包括以下至少一种：清晰度、光照、亮度、完整度、俯仰角、姿态、面积、靠近边缘；

基于每帧人体图像对应的分数值从所述多帧人体图像中选取最优人体图像。

3.根据权利要求1所述的方法，其特征在于，

所述基于所述最优人体图像与每帧人体图像之间的初始相似度，从多帧人体图像中选取候选人体图像，包括：

针对所述多帧人体图像中除所述最优人体图像之外的每帧人体图像，确定所述最优人体图像与该人体图像之间的初始相似度；若所述初始相似度大于第一相似度阈值，则将该人体图像选取为候选人体图像，若所述初始相似度不大于第一相似度阈值，则禁止将该人体图像选取为候选人体图像。

4.根据权利要求1所述的方法，其特征在于，

所述基于所述最优人体图像对应的最优人体特征和所述候选人体图像对应的候选人体特征，确定所述目标对象的多帧人体图像对应的融合特征，包括：

基于所述最优人体特征和所述候选人体特征，建立以所述最优人体特征为中心的第一近邻矩阵，建立以所述候选人体特征为中心的第二近邻矩阵；

将所述第一近邻矩阵输入给已训练的目标网络模型，得到第一子特征，将所述第二近邻矩阵输入给所述目标网络模型，得到第二子特征；

基于所述第一子特征和第一加权系数、所述第二子特征和第二加权系数，确定所述融合特征；其中，所述第一加权系数大于所述第二加权系数。

5.根据权利要求4所述的方法，其特征在于，候选人体图像的总数量为M个，M为大于1的正整数，M个候选人体图像对应M个候选人体特征；所述基于所述最优人体特征和所述候选人体特征，建立以所述最优人体特征为中心的第一近邻矩阵，建立以所述候选人体特征为中心的第二近邻矩阵，包括：

基于所述最优人体特征与每个候选人体特征的相似度，对M个候选人体特征进行排序；基于排序结果选取相似度大的K个候选人体特征；基于所述最优人体特征和所述K个候选人体特征建立所述第一近邻矩阵；

针对每个候选人体特征，基于该候选人体特征与每个参考人体特征的相似度，对所有参考人体特征进行排序，其中，所有参考人体特征包括所述最优人体特征和M个候选人体特征中除该候选人体特征之外的剩余候选人体特征；基于排序结果选取相似度大的K个参考人体特征；基于该候选人体特征和所述K个参考人体特征建立与该候选人体特征对应的第二近邻矩阵。

6.根据权利要求1所述的方法，其特征在于，若人体档案对应N个人体封面图像，且N为正整数，则该人体档案对应N个目标相似度；

所述基于所述目标相似度从所有人体档案中选取目标人体档案，包括：

针对每个人体档案，基于该人体档案对应的N个目标相似度，统计目标相似度大于第二相似度阈值的第一数量、目标相似度大于第三相似度阈值的第二数量；基于所述第一数量和第一数量的权重值、所述第二数量和第二数量的权重值，确定该人体档案对应的目标数量；其中，若第三相似度阈值大于第二相似度阈值，则所述第二数量的权重值大于所述第一数量的权重值；

基于每个人体档案对应的目标数量从所有人体档案中选取目标人体档案。