[发明专利]基于时空信息的行人重识别聚类方法及装置

权利要求书

1.一种基于时空信息的行人重识别聚类方法，其特征在于，所述行人重识别聚类方法包括以下步骤：

基于待识别的行人图片集，应用神经网络模型进行特征提取，确定每个行人图片的特征表达；基于所述每个行人图片的特征表达，应用欧几里得距离计算进行相似度匹配，以确定第一特征聚类；

基于所述第一特征聚类中的特征表达，应用基于密度的时空聚类算法，确定符合所述时空聚类算法的核心点以及核心点之间的连接边；

基于所述核心点和所述连接边，应用图注意力网络，更新所述第一特征聚类的特征表达；

基于更新后的所述第一特征聚类的特征表达和预设的特征阈值，进行相似度判断，确定第二特征聚类，所述第二特征聚类表示同一行人的特征。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型的损失函数包括交叉熵损失函数和三元组损失函数。

3.根据权利要求1所述的方法，其特征在于，所述基于所述每个行人图片的特征表达，应用欧几里得距离计算进行相似度匹配，以确定第一特征聚类，包括：

基于所述每个行人图片的特征表达，应用欧几里得距离计算公式，确定每两个特征表达之间的相似度；

当所述相似度大于第一相似度阈值时，确定所述相似度对应的两个特征表达归属为所述第一特征聚类的一类。

4.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征聚类中的特征表达，应用基于密度的时空聚类算法，确定符合所述时空聚类算法的核心点以及核心点之间的连接边，包括：

基于所述第一特征聚类中的特征表达，应用所述基于密度的时空聚类算法，确定所述特征表达对应的时间距离矩阵和空间距离矩阵；

遍历所述时间距离矩阵中的每个数据点和所述空间距离矩阵中的每个数据点；

当第一数据点在预设的时间距离阈值范围内、第二数据点在预设的空间距离阈值范围内，且所述第一数据点和所述第二数据点对应同一特征表达时，记录所述同一特征表达，且计数；

当所述计数的结果大于预设的节点阈值时，将所述计数对应的所述同一特征表达确定为符合所述时空聚类算法的核心点；连接每两个核心点形成所述核心点之间的连接边。

5.根据权利要求1所述的方法，其特征在于，所述基于所述核心点和所述连接边，应用图注意力网络，更新所述第一特征聚类的特征表达，包括：

基于所述核心点和所述连接边，构建成聚类图；

基于所述聚类图，应用图注意力网络的注意力系数的表达式，确定所述核心点对应的注意力系数；

基于所述注意力系数，进行带泄露的线性修正单元的非线性激活和指数归一化处理，确定所述连接边对应的注意力权重；

将所述连接边对应的注意力权重，与图注意力网络的权重相乘，再对所述连接边进行指数归一化，更新所述核心点对应的特征表达；

基于所述核心点对应的特征表达，更新所述第一特征聚类的特征表达。