(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210855360.4 (22)申请日 2022.07.20 (65)同一申请的已公布的文献号 申请公布号 CN 114937165 A (43)申请公布日 2022.08.23 (73)专利权人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 华逸伦　余文杰　彭京　朱树磊　 殷俊　李建　邓彦杰　李海安　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 严翠霞 (51)Int.Cl. G06V 10/762(2022.01)G06V 40/16(2022.01) (56)对比文件 JP 20161 19508 A,2016.0 6.30 US 2020019815 A1,2020.01.16 刘峰.基于QuickBundles算法的轨 迹聚类方 法. 《计算机时代》 .202 2,第43-46页. Qiaoqiao Zeng 等.Improvi ng Destination Predicti on via Ensemble of Trajectory Movement Separati on and Adaptive Clusteri ng. 《IEEE Access ( Volume: 8)》 .2020,第28142-28154页. 审查员 张杨 (54)发明名称 一种类簇合并方法、 装置、 终端及计算机可 读存储介质 (57)摘要 本发明提供一种类簇合并方法、 装置、 终端 及计算机可读存储介质， 类簇合并方法包括： 获 取当前类簇， 并确定当前类簇的类簇信息， 其中， 当前类簇包括多张包含同一目标对象的多张图 像； 基于当前类簇的类簇信息， 从历史类簇集中 筛选出与当前类簇相关的多个历史类簇， 作为候 选合档类簇； 将当前类簇与每个候选合档类簇进 行类簇相似度比较， 以确定当前类簇对应的真实 合档类簇， 其中， 真实合档类簇的目标对象与当 前类簇的目标对象相同； 将当前类簇与真实合档 类簇进行合并。 本申请不需要将当前类簇中的所 有图像与历史类簇集中的所有历史类簇中的各 图像进行相似度计算， 即减少了不必要的计算， 节约了类簇合并过程中的耗时， 同时又保证了召 回率。 权利要求书3页 说明书11页 附图4页 CN 114937165 B 2022.10.28 CN 114937165 B 1.一种类簇合并方法， 其特 征在于， 包括： 获取当前类簇， 并确定所述当前类簇的类簇信 息， 其中， 所述当前类簇包括多张包含同 一目标对象的多张图像； 基于所述当前类簇的类簇信 息， 从历史类簇集中筛选出与所述当前类簇相关的多个历 史类簇， 作为 候选合档类簇； 对所述当前类簇 中包含的所述图像进行检测， 得到所述图像中包含的所述目标对象的 检测信息； 所述检测信息包括目标对象质量分； 基于各所述图像对应的所述目标对象质量分， 确定所述当前类簇对应的组别； 其中， 各 所述组别分别对应不同的评分范围； 基于所述当前类簇的组别和所述候选合档类簇的组别， 确定所述当前类簇与 各所述候 选合档类簇之间的配对组； 其中， 所述配对组中的所述当前类簇的组别对应的评分范围与 所述候选合档类簇的组别对应的评分范围最近； 基于各所述配对组的相似度， 计算所述当前类簇与所述候选合档类簇的相似度， 以确 定所述当前类簇对应的真实合档类簇； 其中， 所述真实合档类簇的目标对 象与所述当前类 簇的目标对象相同； 将所述当前类簇与所述真实合档类簇进行合并。 2.根据权利要求1所述的类簇合并方法， 其特征在于， 所述类簇信息包括属性信息、 时 空轨迹信息和第一特 征信息； 所述基于所述当前类簇的类簇信 息， 从历史类簇集中筛选出与 所述当前类簇相关的多 个历史类簇， 作为 候选合档类簇， 包括： 从所述历史类簇集中提取与 所述当前类簇的属性差异符合第 一预设条件的历史类簇， 形成第一 候选集； 从所述第一候选集中提取与 所述当前类簇的时空轨迹有交集的历史类簇， 形成第 二候 选集； 从所述第二候选集中提取与所述当前类簇的第一特征差异符合第二预设条件的历史 类簇， 所述历史类簇作为所述当前类簇的候选合档类簇 。 3.根据权利要求2所述的类簇合并方法， 其特征在于， 所述属性信 息包括所述目标对象 的性别信息和年龄信息； 所述从所述历史类簇集中提取与所述当前类簇的属性差异符合第一预设条件的历史 类簇， 形成第一 候选集， 包括： 从所述历史类簇集中提取与所述当前类簇的所述目标对象的性别相同的所述历史类 簇， 形成初始候选集； 从所述初始候选集中提取与所述当前类簇的所述目标对象的年龄差值小于预设差值 的所述历史类簇， 形成所述第一 候选集。 4.根据权利要求2所述的类簇合并方法， 其特 征在于， 所述从所述第 一候选集中提取与 所述当前类簇的时空轨迹有交集的历史类簇， 形成第 二候选集， 包括： 响应于所述第一候选集中的历史类簇的时空轨迹信息中的任一时空坐标点与所述当 前类簇的时空轨迹信息中的任一时空坐标点相同或者差值在预设范围内， 确定所述历史类权　利　要　求　书 1/3 页 2 CN 114937165 B 2簇与所述当前类簇的时空轨 迹有交集； 基于确定的所述当前类簇的时空轨 迹有交集的所述历史类簇， 形成所述第二 候选集。 5.根据权利要求2所述的类簇合并方法， 其特征在于， 所述第 一特征信 息包括所述当前 类簇的平均质心； 所述从所述第二候选集中提取与所述当前类簇的第一特征差异符合第二预设条件的 历史类簇， 所述历史类簇作为所述当前类簇的候选合档类簇， 包括： 计算所述第二 候选集中的历史类簇的平均质心与所述当前类簇的平均质心的相似度； 响应于所述第二候选集中的历史类簇的平均质心与所述当前类簇的平均质心之间的 相似度大于预设阈值， 所述历史类簇作为所述当前类簇的候选合档类簇 。 6.根据权利要求1所述的类簇合并方法， 其特征在于， 所述类簇信 息还包括组别和所述 组别的第二特 征信息； 所述基于各所述配对组的相似度， 计算所述当前类簇与所述候选合档类簇的相似度， 以确定所述当前类簇对应的真实合档类簇， 包括： 计算每一所述配对组中所述当前类簇的组别与所述候选合档类簇的组别之间的相似 度， 以作为所述配对组的相似度； 基于每一所述配对组的相似度， 计算所述当前类簇与所述候选合档类簇的相似度， 以 确定所述当前类簇对应的真实合档类簇 。 7.根据权利要求6所述的类簇合并方法， 其特征在于， 所述第 二特征信 息包括每个所述 组别的实体质心； 所述基于所述当前类簇的组别和所述候选合档类簇的组别， 确定所述当前类簇与 各所 述候选合档类簇之间的配对组， 包括： 基于所述当前类簇的组别的实体质心与所述候选合档类簇的组别的实体质心进行组 别配对， 得到配对组； 其中， 所述配对组的个数为所述当前类簇的组别数和所述候选合档类 簇的组别数中的较小者。 8.根据权利要求6所述的类簇合并方法， 其特 征在于， 所述计算每一所述配对组中所述当前类簇的组别与所述候选合档类簇的组别之间的 相似度， 以作为所述配对组的相似度， 包括： 选择所述配对组中所述当前类簇的组别与所述候选合档类簇的组别中属性距离最接 近的两张图像进行相似度计算， 以作为所述配对组的相似度。 9.一种类簇合并装置， 其特 征在于， 包括： 获取模块， 用于获取当前类簇， 并确定所述当前类簇的类簇信息， 其中， 所述当前类簇 包括多张包 含同一目标对象的多张图像； 初筛模块， 用于基于所述当前类簇的类簇信息， 从历史类簇集中筛选出与所述当前类 簇相关的多个历史类簇， 作为 候选合档类簇； 二筛模块， 用于对所述当前类簇中包含的所述图像进行检测， 得到所述图像中包含的 所述目标对象的检测信息； 所述检测信息包括 目标对象质量分； 基于各所述图像对应的所 述目标对象质量分， 确定所述当前类簇对应的组别； 其中， 各所述组别分别对应不同的评分 范围； 基于所述当前类簇的组别和所述候选合档类簇的组别， 确定所述当前类簇与各所述 候选合档类簇之间的配对组； 其中， 所述配对组中的所述当前类簇的组别对应的评分范围权　利　要　求　书 2/3 页 3 CN 114937165 B 3