[发明专利]一种图片聚类管理方法、系统、设备及介质

权利要求书

1.一种图片聚类管理方法，其特征在于，包括有：

获取与图片对应的特征向量；

将所述特征向量与目标聚类类别中存储的目标信息进行相似度比较，其中，所述目标聚类类别只存储目标信息，所述目标信息包括聚类中心和采样点；所述聚类中心是目标聚类类别中所有特征向量的平均值，所述采样点是在目标聚类类别中随机选择的特征向量；进行相似度比较的过程包括：先将所述特征向量与目标聚类类别中存储的聚类中心进行相似度比较，再根据对应的相似度比较结果确定是否将所述特征向量与目标聚类类别中存储的采样点进行相似度比较；

根据相似度比较结果，对所述目标聚类类别进行管理；

若所述特征向量包括人脸特征向量，则对图片中的人脸特征向量进行降维，并根据已有聚类类别中的聚类中心创建人脸检索索引；

基于所述人脸检索索引检索出与降维后的人脸特征向量最接近的前K个人脸，并根据最接近的前K个人脸所对应的聚类标签从已有聚类类别中定位出至多K个聚类类别，以及将定位出的至多K个聚类类别确定为目标聚类类别。

2.根据权利要求1所述的图片聚类管理方法，其特征在于，若所述相似度大于或等于预设值，则将所述特征向量聚类至所述目标聚类类别中，并依据所述特征向量，更新或替换所述目标聚类类别的目标信息。

3.根据权利要求1所述的聚类管理方法，其特征在于，若所述相似度小于预设值，则创建一个聚类类别，并将所述特征向量聚类至创建的聚类类别。

4.根据权利要求3所述的聚类管理方法，其特征在于，若所述相似度小于预设值，则创建一个聚类类别，并将所述特征向量聚类至创建的聚类类别之后，还包括：

所述特征向量作为所述创建的聚类类别的目标信息。

5.根据权利要求1至4中任一所述的图片聚类管理方法，其特征在于，在比较所述特征向量与所述目标聚类类别中目标信息的相似度前，还包括：

获取所有图片的结构化特征信息；

基于所述结构化特征信息设置过滤规则，并按照所设置的过滤规则对获取的一张或多张图片进行过滤。

6.根据权利要求5所述的图片聚类管理方法，其特征在于，所述特征向量包括以下至少之一：人脸特征向量、人体特征向量。

7.根据权利要求6所述的图片聚类管理方法，其特征在于，若所述特征向量为人脸特征向量，则获取所有图片的图片清晰度、人脸姿态分数；

设置图片清晰度大于清晰度阈值、人脸姿态分数超过姿态分数阈值为过滤规则，并按照设置的过滤规则对获取的一张或多张图片进行过滤。

8.根据权利要求7所述的图片聚类管理方法，其特征在于，在比较所述人脸特征向量与所述目标聚类类别中目标信息的相似度前，还包括：

获取满足过滤规则的一张或多张图片；

对满足过滤规则的每张图片中的人脸特征向量进行降维，将人脸特征向量的维度由第一维度降低为第二维度。

9.根据权利要求8所述的图片聚类管理方法，其特征在于，若所述特征向量为人脸特征向量，则从已有聚类类别中确定所述目标聚类类别的过程包括：

根据已有聚类类别中的聚类中心创建人脸检索索引；

基于所述人脸检索索引检索出与降维后的人脸特征向量最接近的前K个人脸；

根据最接近的前K个人脸所对应的聚类标签从已有聚类类别中定位出至多K个聚类类别；并将所述已有的至多K个聚类类别确定为目标聚类类别。

10.根据权利要求9所述的图片聚类管理方法，其特征在于，计算降维后的人脸特征向量与已有聚类类别中人脸特征向量之间的距离；若所述距离小于预设距离值，则将降维后的人脸特征向量与已有聚类类别中的人脸特征向量确定为同一人脸的人脸特征向量，检索出与降维后的人脸特征向量最接近的人脸。