[发明专利]一种人脸聚类样本数量的选择方法及系统

权利要求书

1.一种人脸聚类样本数量的选择方法，其特征在于，所述方法包括步骤：

S1、构建一人脸测试集，以及构建多个人脸训练集，每一个人脸训练集的人脸图像数量不同；

S2、对所述多个人脸训练集进行聚类，获取对应的多个聚类中心；

S3、计算每一个聚类中心与所述人脸测试集中的每一张人脸图像的特征向量的余弦距离，获取每一个聚类中心对应的余弦距离的均值和均方根值；

S4、根据所述每一个聚类中心对应的余弦距离均值和均方根值，获取人脸聚类样本的数量范围；

其中，所述步骤S1包括：

构建一具有多个人的人脸图像的原始人脸图像集，对所述原始人脸图像集中的所有人脸图像进行人脸检测和裁剪；

从所述原始人脸图像集中选择一预设数量的同一个人的人脸图像，所述选择的人脸图像构成所述人脸测试集；

构建第一人脸训练集，所述第一人脸训练集的人脸图像数量为N1张；

构建第二人脸训练集，所述第二人脸训练集的人脸图像数量为N2张；

构建第三人脸训练集，所述第三人脸训练集的人脸图像数量为N3张；

构建第四人脸训练集，所述第四人脸训练集的人脸图像数量为N4张；

其中，N1N2N3N4，N110，N2≤10，N4≥3；

所述步骤S2包括：

根据卷积神经网络模型，对所述第一人脸训练集中的每一张人脸图像进行卷积和特征提取，生成所述第一人脸训练集对应的第一特征向量组，并对所述第一特征向量组进行K均值聚类，得到所述第一人脸训练集对应的第一聚类中心；

根据卷积神经网络模型，对所述第二人脸训练集中的每一张人脸图像进行卷积和特征提取，生成所述第二人脸训练集对应的第二特征向量组，并对所述第二特征向量组进行K均值聚类，得到所述第二人脸训练集对应的第二聚类中心；

根据卷积神经网络模型，对所述第三人脸训练集中的每一张人脸图像进行卷积和特征提取，生成所述第三人脸训练集对应的第三特征向量组，并对所述第三特征向量组进行K均值聚类，得到所述第三人脸训练集对应的第三聚类中心；

根据卷积神经网络模型，对所述第四人脸训练集中的每一张人脸图像进行卷积和特征提取，生成所述第四人脸训练集对应的第四特征向量组，并对所述第四特征向量组进行K均值聚类，得到所述第四人脸训练集对应的第四聚类中心。

2.如权利要求1所述的人脸聚类样本数量的选择方法，其特征在于，所述步骤S3包括：

所述余弦距离的均值的计算公式为式1：

其中，mean为余弦距离的均值，n为所述人脸测试集中的人脸图像数量，d_i为聚类中心与所述人脸测试集中的第i张人脸图像的特征向量的余弦距离。

3.如权利要求2所述的人脸聚类样本数量的选择方法，其特征在于，所述步骤S3还包括：

所述余弦距离的均方根值的计算公式为式2：

其中，var为余弦距离的均方根值，n为所述人脸测试集中的人脸图像数量，d_i为聚类中心与所述人脸测试集中的第i张人脸图像的特征向量的余弦距离。

4.如权利要求3所述的人脸聚类样本数量的选择方法，其特征在于，所述步骤S3还包括：

计算所述第一聚类中心与所述人脸测试集中的每一张人脸图像的特征向量的余弦距离，并根据所述式1和式2，获取所述第一聚类中心对应的余弦距离的均值和均方根值；

计算所述第二聚类中心与所述人脸测试集中的每一张人脸图像的特征向量的余弦距离，并根据所述式1和式2，获取所述第二聚类中心对应的余弦距离的均值和均方根值；

计算所述第三聚类中心与所述人脸测试集中的每一张人脸图像的特征向量的余弦距离，并根据所述式1和式2，获取所述第三聚类中心对应的余弦距离的均值和均方根值；

计算所述第四聚类中心与所述人脸测试集中的每一张人脸图像的特征向量的余弦距离，并根据所述式1和式2，获取所述第四聚类中心对应的余弦距离的均值和均方根值。