[发明专利]一种基于多特征融合的人脸图像聚类方法及装置

说明书

本发明公开了一种基于多特征融合的人脸图像聚类方法，包括：获取待聚类人脸图像集中每一张人脸图像的人脸特征集，其中，所述人脸特征集包括各个特征提取器对其提取的特征向量；依据各个人脸特征集，计算所述待聚类人脸图像集中每一个人脸图像对的相似度向量；依据各个相似度向量，确定每一张人脸图像的初始聚类；将各个初始聚类中存在联通关系的初始聚类进行合并，得到目标聚类。上述的聚类方法中，采用针对每一张人脸图像人脸特征集计算待聚类人脸图像集中各个图像对的相似度向量，并依据相似度向量进行聚类，并对聚类结果进行合并得到目标聚类，采用了多个特征向量进行计算，相较于单一人脸特征进行聚类，提高了聚类精度。

技术领域

本发明涉及人脸技术领域，尤其涉及一种基于多特征融合的人脸图像聚类方法及装置。

背景技术

在人脸识别过程中，需要对人脸图像按照其对应的身份信息(ID)进行聚类建档，使得来自同一个人的多张人脸图像具有相同的ID。

但是目前人脸图像聚类方法多是仅利用一种人脸特征进行聚类，由于单一人脸特征描述能力有限，导致聚类结果中有较多一人多档和多人一档的问题出现，聚类精度低。

发明内容

有鉴于此，本发明提供了一种基于多特征融合的人脸图像聚类方法及装置，用以解决现有的人脸图像聚类方法多是仅利用一种人脸特征进行聚类，由于单一人脸特征描述能力有限，导致聚类结果中有较多一人多档和多人一档的问题出现，聚类精度低的问题。具体方案如下：

一种基于多特征融合的人脸图像聚类方法，其特征在于，包括：

获取待聚类人脸图像集中每一张人脸图像的人脸特征集，其中，所述人脸特征集包括各个特征提取器对其提取的特征向量；

依据各个人脸特征集，计算所述待聚类人脸图像集中每一个人脸图像对的相似度向量；

依据各个相似度向量，确定每一张人脸图像的初始聚类；

将各个初始聚类中存在联通关系的初始聚类进行合并，得到目标聚类。

上述的方法，可选的，依据各个相似度向量，确定每一张人脸图像的初始聚类，包括：

依据所述各个相似度向量，确定所述待聚类人脸图像集中各个图像对的距离；

将所述距离小于等于预设的距离阈值的人脸图像对划归为同一聚类，得到各个初始聚类。

上述的方法，可选的，依据所述各个相似度向量，确定所述待聚类人脸图像集中各个图像对的距离，包括：

将每一个相似度向量传递给预设的神经网络模型进行计算，得到第一概率和第二概率；

依据各个第一概率和各个第二概率，计算各个人脸图像对的目标相似度；

依据各个目标相似度，确定所述各个图像对的距离。

上述的方法，可选的，将各个初始聚类中存在联通关系的初始聚类进行合并，得到目标聚类，包括：

将各个初始聚类中存在交集的初始聚类进行合并，得到各个已合并聚类；

将所述各个已合并聚类中存在交集的已合并向量继续合并，直至各个合并聚类均不存在交集，得到目标聚类。

上述的方法，可选的，所述各个特征提取器包括：人脸特征提取器和身体特征提取器。

一种基于多特征融合的人脸图像聚类装置，包括：

获取模块，用于获取待聚类人脸图像集中每一张人脸图像的人脸特征集，其中，所述人脸特征集包括各个特征提取器对其提取的特征向量；

计算模块，用于依据各个人脸特征集，计算所述待聚类人脸图像集中每一个人脸图像对的相似度向量；