[发明专利]一种图片的人脸聚类方法、装置及存储介质有效
申请号: | 201711117174.6 | 申请日: | 2017-11-13 |
公开(公告)号: | CN107909104B | 公开(公告)日: | 2023-07-18 |
发明(设计)人: | 汪铖杰;李季檩;丁守鸿;李绍欣;史淼晶;王亚彪;赵艳丹;葛彦昊;倪辉;吴永坚;黄飞跃;程盼;梁小龙;黄小明 | 申请(专利权)人: | 腾讯数码(天津)有限公司 |
主分类号: | G06V40/16 | 分类号: | G06V40/16;G06V10/762 |
代理公司: | 深圳翼盛智成知识产权事务所(普通合伙) 44300 | 代理人: | 黄威 |
地址: | 300000 天津市经济技术开发区*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 图片 人脸聚类 方法 装置 存储 介质 | ||
本发明实施例公开了图片的人脸聚类方法、装置及存储介质,应用于信息处理技术领域。在本实施例的方法中,图片的人脸聚类装置在对多个待处理图片进行基于人脸的聚类时,可以不用先指定这些待处理图片的类,而是直接根据计算的待处理图片之间的人脸特征的相似度及预置的第一策略对多个待处理图片进行聚类,然后再根据第三策略进行聚类的合并。这样,可以通过多个策略中的多个阈值,即第一阈值和第三阈值对多个待处理图片进行聚类后,可以较为准确地将包含同一身份的人脸图像的待处理图片聚到同一类中。
技术领域
本发明涉及信息处理技术领域,特别涉及一种图片的人脸聚类方法、装置及存储介质。
背景技术
现在很多客户端(比如云客户端或用户空间等客户端)都可以提供上传图片的接口,这样用户可以通过该接口将图片上传到对应的服务器,而在服务器端可以对这些图片进行聚类,并将图片按照聚类结果发送给客户端进行显示。
其中,在通常情况下,服务器对图片进行聚类时,主要是对图片中人脸进行聚类,具体地,对图片中的人脸进行特征提取,并针对人脸的特征采用K均值(K-Means)聚类方法进行聚类。但是使用K-Means方法进行聚类时,需要提前指定类的数目,另外K-means方法进行聚类时会有较多的聚类错误。
发明内容
本发明实施例提供一种图片的人脸聚类方法、装置及存储介质,实现了在根据预置的第一策略对多个待处理图片进行聚类后,根据预置的第三策略进行聚类的合并。
本发明实施例第一方面提供一种图片的人脸聚类方法,包括:
分别提取多个待处理图片中人脸图像的特征信息;
根据所述多个待处理图片中人脸的特征信息,计算每个待处理图片分别与其它待处理图片之间的人脸特征的相似度;
根据所述计算的人脸特征的相似度及预置的第一策略对所述多个待处理图片进行聚类得到m个聚类的图片,所述预置的第一策略包括:如果两个待处理图片之间的人脸特征的相似度大于第一阈值,则所述两个待处理图片属于同一聚类;
根据所述计算的人脸特征的相似度及预置的第三策略对将所述m个聚类的图片合并为n个聚类的图片,所述n小于m,所述预置的第三策略包括:一个聚类的图片与另一聚类的图片之间的人脸特征的所有相似度中,如果大于第三阈值的人脸特征的相似度的个数与所述所有相似度个数的比值超出第一预置范围,则合并所述一个聚类的图片与另一聚类的图片。
本发明实施例第二方面提供一种图片的人脸聚类装置,包括:
特征提取单元,用于分别提取多个待处理图片中人脸图像的特征信息;
相似度计算单元,用于根据所述多个待处理图片中人脸的特征信息,计算每个待处理图片分别与其它待处理图片之间的人脸特征的相似度;
聚类单元,用于根据所述计算的人脸特征的相似度及预置的第一策略对所述多个待处理图片进行聚类得到m个聚类的图片,所述预置的第一策略包括:如果两个待处理图片之间的人脸特征的相似度大于第一阈值,则所述两个待处理图片属于同一聚类;
第一合并单元,用于根据所述计算的人脸特征的相似度及预置的第三策略对将所述m个聚类的图片合并为n个聚类的图片,所述n小于m,所述预置的第三策略包括:一个聚类的图片与另一聚类的图片之间的人脸特征的所有相似度中,如果大于第三阈值的人脸特征的相似度的个数与所述所有相似度个数的比值超出第一预置范围,则合并所述一个聚类的图片与另一聚类的图片。
本发明实施例第三方面提供一种存储介质,所述存储介质储存多条指令,所述指令适于由处理器加载并执行如本发明实施例第一方面所述的图片的人脸聚类方法。
本发明实施例第四方面提供一种终端设备,包括处理器和存储介质,所述处理器,用于实现各个指令;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯数码(天津)有限公司,未经腾讯数码(天津)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711117174.6/2.html,转载请声明来源钻瓜专利网。