[发明专利]一种基于KM算法的图码匹配方法及系统在审

专利信息
申请号: 202310143093.2 申请日: 2023-02-21
公开(公告)号: CN116137081A 公开(公告)日: 2023-05-19
发明(设计)人: 陈杰鑫;孔明明;冯雷;冯乐;唐雨淋;王磊;任丹 申请(专利权)人: 西华大学
主分类号: G06V40/16 分类号: G06V40/16;G06V10/75
代理公司: 成都正象知识产权代理有限公司 51252 代理人: 高小敏
地址: 610000 四川*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 km 算法 匹配 方法 系统
【权利要求书】:

1.一种基于KM算法的图码匹配方法,其特征在于:包括以下具体步骤:

步骤1,进行行人人脸和与之随行的设备特征码的数据采集;

步骤2,根据采集数据的时间,为人脸图像和设备特征码建立匹配关系,计算图码匹配次数;

步骤3,通过KM算法得到人脸图像与设备特征码的最佳匹配集合;

步骤4,对最佳匹配集合进行匹配关系分级计算,得到精确匹配数据集合。

2.根据权利要求1所述的基于KM算法的图码匹配方法,其特征在于:所述步骤2中图码匹配的图是指人脸图像,码是指与人随行的设备相关的一个特征码,包括但不局限于移动通信设备的IMSI码,MAC地址码等数据。

3.根据权利要求1所述的基于KM算法的图码匹配方法,其特征在于:所述步骤2包括:

步骤21,对步骤1采集到的人脸图像数据进行人脸聚类和人脸比对,将属于同一个人的图像进行归类,得到人脸图像集合X;

步骤22,通过步骤1得到的人脸图像采集时间,从设备特征码数据库中提取在每个人脸采集时间点前后预设时间差和前一段预设时间差的设备特征码数据,判断在人脸采集时间段的设备特征码数据是否存在于前一段预设时间差采集的设备特征码数据中,若不存在,则在新增的设备特征码集合中加入该条数据,最终在新增设备特征码集合中去除重复的设备特征码数据,得到在该人脸采集时间段的新增设备特征码集合Y;

步骤23,将在步骤21中得到的人脸图像数据与采集人脸图像对应时间段的每个新增的设备特征码建立图码匹配关系,得到图码匹配数据集,计算图码匹配数据集中同一人和同一设备特征码的匹配关系出现的次数。

4.根据权利要求1所述的一种基于KM算法的图码匹配方法,其特征在于:所述步骤22中预设时间差是指行人离开布控范围的时间与进入布控范围的时间的时间差,需根据采集人脸和设备特征码的设备覆盖范围以及行人通过布控范围的速度确定。

5.根据权利要求1所述的一种基于KM算法的图码匹配方法,其特征在于:所述步骤3中的KM算法是一种基于二分图理论,求完备匹配下的最大权匹配算法。将在步骤21中得到的人脸图像集合X和在步骤22中得到的新增设备特征码集合Y作为二分图的两部分顶点集,将在步骤23中得到的人脸图像与设备特征码的匹配关系次数作为二分图中该人脸图像与该设备特征码的边上的权值,通过KM算法运算得到人脸图像与设备特征码的最佳匹配集合。

6.如权利要求1所述的基于KM算法的图码匹配方法,其特征在于,所述步骤4中匹配关系分级计算是指:遍历如权利要求5所述的最佳匹配集合,若对于任意的x∈X,y∈Y,最佳匹配集合中的匹配关系xi-yj满足下列公式,则将匹配关系xi-yj放入精确匹配数据集合中。

其中,xi-yj表示人脸图像xi与设备特征码yj建立的匹配关系,N(xi-yj)表示匹配关系xi-yj的匹配次数,max(N(xi-y))表示在人脸图像xi分别与新增设备特征码集合Y中所有的设备特征码所构成的匹配关系集中最大的匹配次数,max(N(x-yj))表示在人脸图像集合X中所有的人脸图像分别与设备特征码yj所构成的匹配关系集中最大的匹配次数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西华大学,未经西华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310143093.2/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top