[发明专利]一种提高数据特征比对效率的方法、装置

权利要求书

1.一种提高数据特征比对效率的方法，其特征在于，该方法包括，

获取当前待识别目标特征数据、以及该数据所关联的时间信息；

根据该数据所关联的时间信息，确定所述时间信息对应的子模板库，

将所述当前待识别目标特征数据与所述子模板库中样本进行比对，

其中，所述子模板库包括，至少根据样本所关联的时间信息获得的基于时间序列分割聚类的样本集合。

2.如权利要求1所述的方法，其特征在于，所述子模板库基于包括N个样本集合的模板库，通过基于时间序列分割聚类的无监督深度学习算法，获得该子模板库包括的样本集合，其中，N为自然数，且随着时间的推移而增加。

3.如权利要求2所述的方法，其特征在于，所述基于包括N个样本集合的模板库，通过基于时间序列分割聚类的无监督深度学习算法，获得该子模板库包括的样本集合包括：

确定子模板库的数量，

获取当前待识别目标特征数据，将其作为样本增加至所述模板库中，

对于所述模板库中任一样本，

构建当前样本的第一特征向量，该第一特征向量至少包括当前样本的特征信息向量、以及当前样本关联的时间信息向量；

至少提取第一特征向量中的时间向量，

通过基于时间序列分割聚类的无监督深度学习算法，根据时间信息向量，对所述第一特征向量进行聚类，得到当前聚类结果，对当前聚类结果进行训练，直至当前聚类结果收敛，得到当前样本所归属的子模板库；

对于模板库中的下一样本，返回执行所述构建当前样本的第一特征向量的步骤，直至模板库中所有样本处理完毕，得到各个以时间信息为聚类中心的子模板库。

4.如权利要求2所述的方法，其特征在于，所述将所述当前待识别目标特征数据与所述子模板库中样本进行比对，包括，

将所述当前待识别目标特征数据与所述时间信息对应的子模板库中的各个样本分别进行比对，获得与每个样本的相似度计算结果；

判断获得的每个样本相似度计算结果中是否存在相似度计算结果大于设定的相似度阈值，如果是，则输出比对结果；否则，将当前待识别目标特征数据与所述时间信息相邻时间对应的子模板库中各个的样本进行相似度计算。

5.如权利要求4所述的方法，其特征在于，所述确定子模板库的数量包括，根据待识别目标特征数据、和/或样本集中样本的时间特性，确定子模板库的数量K，其中K大于等于1，

所述直至模板库中所有样本处理完毕，得到各个以时间信息为聚类中心的子模板库之后，还包括，将所述各个子模板库按照时间顺序进行排序，并按大小数值分配序号，得到各个子模板库对应的序号。

6.如权利要求5所述的方法，其特征在于，所述将当前待识别目标特征数据与所述时间信息相邻时间对应的子模板库中各个的样本进行相似度计算包括，

根据当前待识别目标特征数据对应的子模板库序号，按照时间顺序，分别得到小于该子模板库序号的第一相邻序号、和大于该子模板库序号的第二相邻序号，

判断所述相邻序号中的任一序号是否存在，如果存在，则将当前待识别目标特征数据与所述相邻序号对应的子模板库中的各个样本分别进行比对，获得与每个样本的相似度计算结果。

7.如权利要求6所述的方法，其特征在于，所述当前聚类结果不收敛时，则将当前样本设置归属于临时子模板库；

所述相邻序号中的任一序号都不存在时，则将当前待识别目标特征数据与所述临时子模板库中的各个样本进行比对。

8.如权利要求7所述的方法，其特征在于，所述待识别目标特征数据包括具有生物特征信息的图像数据的特征向量，所述数据所关联的时间信息包括数据被获取的当前时间，所述样本所关联的时间信息包括样本的历史时间信息；

所述临时子模板库中的样本在该样本累计的历史时间信息到达设定的阈值时触发和/或者定期触发执行所述构建当前样本的第一特征向量的步骤。