[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

说明书

本发明公开了一种基于时空和群体信息改进人脸聚类结果的方法，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；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；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；步骤S6、通过计算Jaccard距离来修正两两特征的相似度；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。

技术领域

本发明涉及人脸聚类技术领域，特别是涉及一种基于时空和群体信息改进人脸聚类结果的方法，能够优化聚类算法，降低聚类算法的误聚率。

背景技术

随着大数据和人工智能相关技术在安防行业的广泛运用，衍生出了很多有价值的深度应用，比如虚拟和实口人员档案应用、行为分析、跨境追踪(ReID)等。而将结构化出的人脸特征聚类、对象化是这些深度应用的基础和前提条件。传统的聚类算法有K-Means、DBSCAN等，但各种算法都有不足之处，比如K-Means对噪声影响很敏感，对于类别不确定的场景很难使用；DBSCAN的聚类参数选择很难确定等。怎样去优化聚类算法，降低聚类算法的误聚率变得尤为关键，因此，亟需一种技术方案以解决上述问题。

发明内容

为解决现有技术中存在的问题，本发明提供了一种基于时空和群体信息改进人脸聚类结果的方法，能够优化聚类算法，降低聚类算法的误聚率。

本发明采用的技术方案是：一种基于时空和群体信息改进人脸聚类结果的方法，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。