档案生成方法、装置及存储介质制造方法及图纸

本申请实施例公开了一种档案生成方法、装置及存储介质，属于数据处理技术领域。所述方法包括：获取多张图像中每张图像的目标标识特征和目标属性特征，每张图像的目标标识特征用于标识相应图像中的拍摄目标，每张图像的目标属性特征用于描述相应图像中的拍摄目标的属性。基于多张图像中每张图像的目标标识特征和目标属性特征，确定多张图像中各张图像之间的关联置信度，任意两张图像之间的关联置信度指示任意两张图像中拍摄目标属于同一拍摄目标的概率。基于多张图像中各张图像之间的关联置信度，对多张图像进行聚类，得到一个或多个档案，一个或多个档案中每个档案包括多张图像中的部分或全部图像。本申请实施例解决了档案准确率不高的问题。确率不高的问题。确率不高的问题。

【技术实现步骤摘要】
档案生成方法、装置及存储介质


[0001]本申请实施例涉及数据处理
，特别涉及一种档案生成方法、装置及存储介质。

技术介绍

[0002]在面对大量图像时，为使找寻图像能更方便快捷，往往需要一种方法将这些图像进行划分。比如，可以按照它们的特征将这些图像划分为多个类别，每一类别的图像即为一个档案。例如人员档案，是以每个人员唯一的身份标识为依据，对大量人员图像进行聚类归档后的结果。
[0003]对于人员档案，相关技术提出了一种人员档案生成的方法，该方法首先获取人脸图像数据库，提取该数据库中的人脸特征，对人脸特征进行聚类，根据聚类结果生成档案。
[0004]然而，上述人员档案生成的方法，对人员档案的预测精度较低，最终生成的人员档案准确率不高的问题。

技术实现思路

[0005]本申请实施例提供了一种档案方法、装置及存储介质，可以解决相关技术的档案准确率不高的问题。所述技术方案如下：
[0006]一方面，提供了一种档案生成方法，所述方法包括：
[0007]获取多张图像中每张图像的目标标识特征和目标属性特征，每张图像的目标标识特征用于标识相应图像中的拍摄目标，每张图像的目标属性特征用于描述相应图像中的拍摄目标的属性；
[0008]基于所述多张图像中每张图像的目标标识特征和目标属性特征，确定所述多张图像中各张图像之间的关联置信度，任意两张图像之间的关联置信度指示所述任意两张图像中的拍摄目标属于同一拍摄目标的概率；
[0009]基于所述多张图像中各张图像之间的关联置信度，对所述多张图像进行聚类，得到一个或多个档案，所述一个或多个档案中每个档案包括所述多张图像中的部分或全部图像。
[0010]可选地，所述基于所述多张图像中每张图像的目标标识特征和目标属性特征，确定所述多张图像中各张图像之间的关联置信度，包括：
[0011]将所述多张图像中每张图像依次作为一个中心节点，除中心节点外其他图像作为边缘节点，对每个中心节点执行下述操作：
[0012]基于所述多个边缘节点中每个边缘节点的目标标识特征和目标属性特征、以及所述中心节点的目标标识特征和目标属性特征，确定所述多个边缘节点中每个边缘节点和所述中心节点之间的关系权重，所述关系权重指示相应两张图像的关联性；
[0013]基于所述多个边缘节点中每个边缘节点和所述中心节点之间的关系权重，对所述多个边缘节点进行卷积处理，得到每个边缘节点的相对嵌入特征，每个边缘节点的相对嵌
入特征指示所述相应边缘节点和所述中心节点之间的差异；
[0014]基于所述多个边缘节点中每个边缘节点的相对嵌入特征，确定每个边缘节点和所述中心节点之间的关联置信度。
[0015]可选地，所述基于所述多个边缘节点中每个边缘节点和所述中心节点之间的关系权重，对所述多个边缘节点进行卷积处理，得到每个边缘节点的相对嵌入特征，包括：
[0016]将所述多个边缘节点中每个边缘节点的目标标识特征以及所述中心节点的目标标识特征输入至图神经网络，所述图神经网络基于所述多个边缘节点中每个边缘节点和所述中心节点之间的关系权重输出每个边缘节点的相对嵌入特征；
[0017]其中，所述图神经网络包括至少两个图聚合层，所述至少两个图聚合层中第一层的输入为所述多个边缘节点中每个边缘节点的目标标识特征，所述至少两个图聚合层中除第一层之外的其他每个层的输入为上一层输出的每个边缘节点的特征减去所述中心节点的目标标识特征。
[0018]可选地，所述基于所述多个边缘节点中每个边缘节点的目标标识特征和目标属性特征、以及所述中心节点的目标标识特征和目标属性特征，确定所述多个边缘节点中每个边缘节点和所述中心节点之间的关系权重，包括：
[0019]对于所述多个边缘节点中任一边缘节点，确定所述任一边缘节点和所述中心节点的目标标识特征之间的相似度、以及所述任一边缘节点和所述中心节点的目标属性特征之间的相似度；
[0020]基于所述任一边缘节点和所述中心节点的目标标识特征之间的相似度、以及所述任一边缘节点和所述中心节点的目标属性特征之间的相似度，确定所述任一边缘节点和所述中心节点之间的关系权重。
[0021]可选地，所述基于所述多个边缘节点中每个边缘节点的目标标识特征和目标属性特征、以及所述中心节点的目标标识特征和目标属性特征，确定所述多个边缘节点中每个边缘节点和所述中心节点之间的关系权重，包括：
[0022]对于所述多个边缘节点中任一边缘节点，基于所述任一边缘节点的目标标识特征和目标属性特征、以及所述中心节点的目标标识特征和目标属性特征，通过自适应学习网络，确定所述任一边缘节点和所述中心节点之间的关系权重。
[0023]可选地，所述基于所述多个边缘节点中每个边缘节点的相对嵌入特征，确定每个边缘节点和所述中心节点之间的关联置信度，包括：
[0024]将所述多个边缘节点中每个边缘节点的相对嵌入特征、以及所述中心节点的目标标识特征输入至二分类器，所述二分类器输出所述多个边缘节点中每个边缘节点和所述中心节点之间的关联置信度；
[0025]其中，所述二分类器用于识别所述多个边缘节点中哪个边缘节点中的拍摄目标和所述中心节点中的拍摄目标属于同一拍摄目标，并在确定一个边缘节点中的拍摄目标和所述中心节点中的拍摄目标属于同一拍摄目标的情况下，输出所述一个边缘节点和所述中心节点之间的关联置信度。
[0026]可选地，所述方法还包括：
[0027]对于所述一个或多个档案中第一档案，从所述第一档案中选取一张或多张图像作为封面图像，所述封面图像的图像质量高于所述第一档案中其他图像的图像质量，所述第
一档案为所述一个或多个档案中任一档案；
[0028]基于所述第一档案中其他每张图像和所述封面图像之间的关联置信度，删除所述第一当前中其他图像中的部分图像，以对所述第一档案中的图像进行提纯。
[0029]可选地，所述方法还包括：
[0030]确定所述一个或多个档案中每个档案的代表节点，每个档案的代表节点的特征为相应档案包括的各张图像中的拍摄目标的平均特征，所述平均特征包括平均目标标识特征和/或平均目标属性特征；
[0031]对于所述一个或多个档案中第二档案，基于所述第二档案的代表节点的特征和待聚档图像的目标标识特征和/或目标属性特征，确定所述待聚档图像和所述第二档案的代表节点之间的关联置信度；
[0032]基于所述待聚档图像和所述第二档案的代表节点之间的关联置信度，确定是否将所述待聚档图像加入所述第二档案。
[0033]另一方面，提供了一种档案生成装置，所述装置包括：
[0034]获取模块，用于获取多张图像中每张图像的目标标识特征和目标属性特征，每张图像的目标标识特征用于标识相应图像中的拍摄目标，每张图像的目标属性特征用于描述相应图像中的拍摄目标的属性；
[0035]第一确定模块，用于基于所述多张图像中每张图像的目标标识特征和目标属性特征，确定所述多张图像中各张本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种档案生成方法，其特征在于，所述方法包括：获取多张图像中每张图像的目标标识特征和目标属性特征，每张图像的目标标识特征用于标识相应图像中的拍摄目标，每张图像的目标属性特征用于描述相应图像中的拍摄目标的属性；基于所述多张图像中每张图像的目标标识特征和目标属性特征，确定所述多张图像中各张图像之间的关联置信度，任意两张图像之间的关联置信度指示所述任意两张图像中的拍摄目标属于同一拍摄目标的概率；基于所述多张图像中各张图像之间的关联置信度，对所述多张图像进行聚类，得到一个或多个档案，所述一个或多个档案中每个档案包括所述多张图像中的部分或全部图像。2.如权利要求1所述的方法，其特征在于，所述基于所述多张图像中每张图像的目标标识特征和目标属性特征，确定所述多张图像中各张图像之间的关联置信度，包括：将所述多张图像中每张图像依次作为一个中心节点，除中心节点外其他图像作为边缘节点，对每个中心节点执行下述操作：基于所述多个边缘节点中每个边缘节点的目标标识特征和目标属性特征、以及所述中心节点的目标标识特征和目标属性特征，确定所述多个边缘节点中每个边缘节点和所述中心节点之间的关系权重，所述关系权重指示相应两张图像的关联性；基于所述多个边缘节点中每个边缘节点和所述中心节点之间的关系权重，对所述多个边缘节点进行卷积处理，得到每个边缘节点的相对嵌入特征，每个边缘节点的相对嵌入特征指示所述相应边缘节点和所述中心节点之间的差异；基于所述多个边缘节点中每个边缘节点的相对嵌入特征，确定每个边缘节点和所述中心节点之间的关联置信度。3.如权利要求2所述的方法，其特征在于，所述基于所述多个边缘节点中每个边缘节点和所述中心节点之间的关系权重，对所述多个边缘节点进行卷积处理，得到每个边缘节点的相对嵌入特征，包括：将所述多个边缘节点中每个边缘节点的目标标识特征以及所述中心节点的目标标识特征输入至图神经网络，所述图神经网络基于所述多个边缘节点中每个边缘节点和所述中心节点之间的关系权重输出每个边缘节点的相对嵌入特征；其中，所述图神经网络包括至少两个图聚合层，所述至少两个图聚合层中第一层的输入为所述多个边缘节点中每个边缘节点的目标标识特征，所述至少两个图聚合层中除第一层之外的其他每个层的输入为上一层输出的每个边缘节点的特征减去所述中心节点的目标标识特征。4.如权利要求2所述的方法，其特征在于，所述基于所述多个边缘节点中每个边缘节点的目标标识特征和目标属性特征、以及所述中心节点的目标标识特征和目标属性特征，确定所述多个边缘节点中每个边缘节点和所述中心节点之间的关系权重，包括：对于所述多个边缘节点中任一边缘节点，确定所述任一边缘节点和所述中心节点的目标标识特征之间的相似度、以及所述任一边缘节点和所述中心节点的目标属性特征之间的相似度；基于所述任一边缘节点和所述中心节点的目标标识特征之间的相似度、以及所述任一边缘节点和所述中心节点的目标属性特征之间的相似度，确定所述任一边缘节点和所述中
心节点之间的关系权重。5.如权利要求2所述的方法，其特征在于，所述基于所述多个边缘节点中每个边缘节点的目标标识特征和目标属性特征、以及所述中心节点的目标标识特征和目标属性特征，确定所述多个边缘节点中每个边缘节点和所述中心节点之间的关系权重，包括：对于所述多个边缘节点中任一边缘节点，基于所述任一边缘节点的目标标识特征和目标属性特征、以及所述中心节点的目标标识特...

【专利技术属性】
技术研发人员：潘之玮，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：