[发明专利]一种用于案件串并的现勘视觉信息关联图层生成方法

权利要求书

1.一种用于案件串并的现勘视觉信息关联图层生成方法，包括如下步骤：

1.1)构建现勘视觉信息小目标库，输入案件现勘视觉信息库，对其中的现勘图像和监控视频按照案件编号分类，i表示案件的索引号，案件x表示当前待检索案件，提取每个案件中的样本的小目标块，构建以往案件i的小目标库以及案件x小目标库其中M_i和M_x为分别由案件i和案件x生成的小目标的个数；

1.2)生成现勘元素矩阵，设计现勘视觉信息树，任意小目标库包括图像信息层和衍生信息层，衍生信息层包括时空信息层、目标信息层、运动关系层、属性信息层以及细节信息层，依据现勘视觉信息树生成现勘元素矩阵，任意案件i和案件x的现勘元素矩阵分别表示为和

所述的现勘元素矩阵的生成方法，按如下步骤进行：

1.2a)对于案件库中的任意案件i的图像块，构成案件i的小目标库其中i表示案件的索引号，将现勘视觉信息树实现为多层分类器模型，采用的卷积神经网络的结构分为三部分，第一部分，卷积层采用64个3×3的滤波器，激活层采用Relu函数，以及2×2的最大池化下采样，第二部分和第三部分在卷积层分别采用128个3×3的滤波器和256个3×3的滤波器，激活层和池化层均与第一部分一样，方便起见，记这一卷积神经网络结构为CB_CNN，将案件库中的小目标块和不同层的标签输入到CB_CNN中，依次训练以下分类器：

目标信息层分类器Model_O，将小目标库分为l_O类；

运动关系层分类器Model_R，将小目标库分为l_R类；

属性信息层的三个分类器：颜色分类器Model_C，将小目标库分为l_C类；形状分类器IModel_H，将小目标库分为l_H类；形状分类器IIModel_S，将小目标库分为l_S类；

细节信息层的两个分类器：数字分类器Model_N，将小目标库分为l_N类；残损分类器Model_D，将小目标库分为l_D类；

1.2b)构建任意案件x现勘元素矩阵衍生层，建立一个大小为5×L的全零矩阵B，B将构成现勘元素矩阵的衍生层，其中L为训练多层分类器时各层人工标签个数的最大值；

提取当前的案件i的拍摄时间属性，按照月、日、年、星期、时、分、秒按行排列，提取案件x的拍摄地点属性，区域内标“1”，区域外标“0”，将地点标签续在时间属性之后，赋值给矩阵B第一行的前8个元素，即构成时空信息层；

将中的样本输入上述训练好的分类器Model_O中，得到的小目标块属于各类的概率向量，赋值给矩阵B第二行的前l_o个元素，即构成目标信息层；

将中的样本输入上述训练好的分类器Model_R中，得到的小目标块存在各种运动关系的概率向量，赋值给矩阵B第三行的前l_R个元素，即构成运动关系层；

将中的样本分别输入上述训练好的分类器Model_C，IModel_H和IIModel_S中，得到的小目标块属于各种颜色的概率向量，为形状属性I概率向量，和为形状属性II概率向量，将三个向量级联，赋值给矩阵B第四行的前l_C+l_H+l_S个元素，即构成属性信息层；

将中的样本分别输入上述训练好的分类器Model_N和Model_D中，得到的小目标块存在0-9数字或其它的概率向量，以及存在残损的概率，将两个向量级联，赋值给矩阵B第五行的前l_N+l_D，即构成细节信息层；

1.2c)案件x现勘元素矩阵的第n小目标块的现勘元素矩阵由小目标的图像信息和衍生信息层构成，因为现勘元素矩阵的两层大小不一样，cell(*)表示将矩阵元素打包作为一个元素存储在现勘元素矩阵中；同理，以往案件库中的任意案件在录入时，按照上述方法生成现勘元素矩阵，在案件库建立初期可以调用现成的分类器模型生成衍生信息层；

1.3)计算现勘元素矩阵和的相似度，量化来自两个不同案件的小目标块和的关联程度；

1.4)生成案件x与以往案件库中的案件i的相关图层Map_xi；案件x表示为现勘元素矩阵的集合同理，案件库中的任意案件i案件也表示为将和按照步骤1.3)的方法，得到两个现勘元素矩阵的相似度，用Score表示，将Score赋值给案件x与案件i的相关图层的Map_xi(n,m)，最终得到的Map_xi的大小为M_x×M_i；

1.5)利用关联图层实现案件的串并；

1.5a)在关联图层Map_xi上，采用阈值平面的方法确定第i个案件是否与案件x关联，其中i表示案件的索引号，即：

通过调整Threshold的大小控制筛选点[i^*]的个数，可以限制串并案件的数量和范围；

1.5b)如果确定案件i与案件x关联，计算案件i与已有案件库中的案件j的相关图层Map_ij，查看是否存在阈值平面以上的点，如果存在，保存当前案件j；

1.5c)以此方式扩展，即可以生成由案件x中的单一线索关联到多个案件的多条线索，以当前案件x为出发点，首先生成案件x与已有案件库中的案件i的相关图层Map_xi，然后生成案件i与已有案件库中的案件j的相关图层Map_ij，依次生成案件j与已有案件库中的案件k的相关图层Map_jk，最终获得案件x的关联图层{Map_xi,Map_ij,Map_jk,…}。