[发明专利]人脸图像聚类方法和装置

说明书

本公开实施例公开了人脸图像聚类方法和装置。该方法的一具体实施方式包括：获取待聚类人脸图像，以及确定待聚类人脸图像的特征向量；确定目标存储区中是否存在至少一个聚类人脸图像集合；响应于确定存在，获取至少一个聚类人脸图像集合分别对应的聚类中心向量；对于至少一个聚类人脸图像集合中的每个聚类人脸图像集合，确定该聚类人脸图像集合对应的聚类中心向量与特征向量的相似度；响应于确定所得到的相似度大于等于预设的相似度阈值，将待聚类人脸图像添加入该聚类人脸图像集合，得到更新后聚类人脸图像集合。该实施方式提高了将待聚类人脸图像与聚类人脸图像集合进行相似性比较的效率，可以提高对待聚类人脸图像进行聚类的准确性。

技术领域

本公开实施例涉及计算机技术领域，具体涉及人脸图像聚类方法和装置。

背景技术

随着人工智能的发展，数据是人工智能快速发展的核心动力之一。数据作用于人工智能的第一步是数据预处理，在人脸识别领域，人脸数据预处理非常重要的一步是人脸图像聚类，即同一个人的不同照片归到同一个类别或者标签。随着互联网的发展、监控摄像头的普及，能够获取的人脸数据越来越多，海量的人脸数据聚类需要大量的人力和物力。

目前人脸聚类的方法有以下三种：

1.通过人工观察人脸，进行聚类。该方法需要耗费大量的人力成本。

2.通过计算机自动人脸聚类，具体方法是：通过深度学习模型，把人脸图片转为特征向量，两张人脸图片的相似度转化为两个人脸特征向量的相似度，设定一个相似度阈值，两张人脸相似度超过设定阀值，认定是同一个人。聚类的时候，取一张待聚类图片，跟已经聚类的所有图片一一进行比较，找到跟已分类的哪一类图片像，将该图片归到那一类。该方法需要耗费大量的计算时间和存储量，效率较低。

3.方法2的改进方案，将每一已聚类的人脸图片中随机选择一张图片代表该类别，图片聚类时，待聚类图片只需要跟已聚类的类别(每个类别一张图片)进行比较，这样大大减少计算量，同时内存也不用存储所有已聚类图片的特征向量。该方法所选择出的图片可能不具有代表性，导致聚类准确性降低。

发明内容

本公开实施例的目的在于提出了一种改进的人脸图像聚类方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本公开实施例提供了一种人脸图像聚类方法，该方法包括：获取待聚类人脸图像，以及确定待聚类人脸图像的特征向量；确定目标存储区中是否存在至少一个聚类人脸图像集合；响应于确定存在，获取至少一个聚类人脸图像集合分别对应的聚类中心向量；对于至少一个聚类人脸图像集合中的每个聚类人脸图像集合，确定该聚类人脸图像集合对应的聚类中心向量与特征向量的相似度；响应于确定所得到的相似度大于等于预设的相似度阈值，将待聚类人脸图像添加入该聚类人脸图像集合，得到更新后聚类人脸图像集合。

在一些实施例中，将待聚类人脸图像添加入该聚类人脸图像集合，得到更新后聚类人脸图像集合，包括：基于更新后聚类人脸图像集合包括的图像的特征向量，更新更新后聚类人脸图像集合的聚类中心向量。

在一些实施例中，在确定该聚类人脸图像集合对应的聚类中心向量与特征向量的相似度之后，该方法还包括：响应于确定所得到的相似度小于相似度阈值，基于待聚类人脸图像建立新的聚类人脸图像集合，以及将特征向量确定为新的聚类人脸图像集合的聚类中心向量。

在一些实施例中，在确定目标存储区中是否存在至少一个聚类人脸图像集合之后，该方法还包括：响应于确定目标存储区中不存在至少一个聚类人脸图像集合，基于待聚类人脸图像建立新的聚类人脸图像集合，以及将特征向量确定为新的聚类人脸图像集合的聚类中心向量。

在一些实施例中，确定待聚类人脸图像的特征向量，包括：将待聚类人脸图像输入预先训练的深度学习模型，得到待聚类人脸图像的特征向量。