[发明专利]一种基于时空和群体信息改进人脸聚类结果的方法

权利要求书

1.一种基于时空和群体信息改进人脸聚类结果的方法，其特征在于，包括以下步骤：

步骤S1、输入一个待聚类的人脸特征；

步骤S2、预设检索阈值和相似度阈值，在预存的人脸特征库中输入人脸特征并进行检索，判断是否有超过检索阈值的特征群体，如果是，将所述人脸特征加入特征群体中，如果否，返回步骤S1；

步骤S3、计算所述特征群体内任意两个人脸特征的相似度，并生成相似度矩阵，即两两特征的相似度矩阵；

步骤S4、获取所述特征群体内两两特征的时间跨度信息和经纬度信息，根据所述对应的时间跨度信息和经纬度信息计算所述两两特征对应的图片之间的时间跨度信息和经纬度信息；

步骤S5、对不同的时间跨度信息和经纬度信息匹配对应的不同的相似度阈值w，并将所述相似度阈值加权到所述两两特征的相似度上，更新两两特征的相似度矩阵；

步骤S6、通过计算Jaccard距离来修正两两特征的相似度；

步骤S7、预设群体相似阈值r，根据群体相似阈值r判断两两特征与特征群体中其他人脸特征的对比情况，获取Jaccard距离中的交集部分，并根据交集部分对群体相似阈值r进行设置；

步骤S8、预设聚类阈值e，并对聚类阈值e进行设置；

步骤S9、根据所述两两特征的相似度矩阵和聚类算法对所述特征群体做聚类运算，获取类簇，根据类簇获取离群点，并从类簇中将离群点删除。

2.根据权利要求1所述的一种基于时空和群体信息改进人脸聚类结果的方法，其特征在于，所述步骤S1包括：

通过向量检索、区域或时间划分的方式获得待聚类群体。

3.根据权利要求1所述的一种基于时空和群体信息改进人脸聚类结果的方法，其特征在于，所述步骤S6包括：

通过所述两两特征与群体特征相似与否计算Jaccard距离。

4.根据权利要求1所述的一种基于时空和群体信息改进人脸聚类结果的方法，其特征在于，所述步骤S6还包括：

当两两特征的相似度小于或等于相似度阈值w时，将相似度阈值w置为0，当当两两特征的相似度大于相似度阈值w时，则保留两两特征的相似度，并进入步骤S7。

5.根据权利要求1所述的一种基于时空和群体信息改进人脸聚类结果的方法，其特征在于，所述步骤S7包括：

将交集部分占全人脸特征集合的比例与群体相似阈值r进行比较，判断是否大于群体相似阈值r，如果是，则保留所述两两特征的相似度，如果否，则将群体相似阈值r置为0。

6.根据权利要求1所述的一种基于时空和群体信息改进人脸聚类结果的方法，其特征在于，所述步骤S8包括：

判断所述两两特征的相似度是否大于矩阵与聚类阈值e，如果是，则将聚类阈值e置为1，如果否，则将聚类阈值e置为0。

7.根据权利要求1所述的一种基于时空和群体信息改进人脸聚类结果的方法，其特征在于，所述步骤S9包括：

以类簇为单位计算空间分布的方式获取离群。

8.根据权利要求1所述的一种基于时空和群体信息改进人脸聚类结果的方法，其特征在于，所述步骤S9还包括：

选择所述类簇中所有特征空间距离之和中数值最小的值为中心特征值，当所述中心特征值超过根据经纬度计算出的空间距离值时，判断所述人脸特征为离群点，并将离群点从类簇中删除。

9.根据权利要求1所述的一种基于时空和群体信息改进人脸聚类结果的方法，其特征在于，所述步骤S9中的聚类算法包括DBSCAN算法、K-Means算法，GMMs算法、层次聚类算法和谱聚类算法。