[发明专利]基于图卷积的人脸聚类方法、装置及电子设备

权利要求书

1.一种基于图卷积的人脸聚类方法，其特征在于，包括：

获取多个待聚类人脸数据，提取所述多个待聚类人脸数据的人脸特征；

基于所述待聚类人脸数据的人脸特征构建第一K近邻图，其中，所述第一K近邻图包括多个节点，多个所述节点之间存在连接强度；

将所述第一K近邻图输入到训练好的图卷积网络中，得到所述第一K近邻图中每个所述节点的密度预测值；

将所述密度预测值低的所述节点与所述密度预测值高且所述连接强度最大的所述节点做有向连接，构建多个独立的人脸簇。

2.根据权利要求1所述的基于图卷积的人脸聚类方法，其特征在于，将所述密度预测值低的所述节点与所述密度预测值高且所述连接强度最大的所述节点做有向连接，构建多个独立的人脸簇的步骤之后，还包括：

对多个独立的所述人脸簇进行精修，过滤多个独立的所述人脸簇中异常的节点；

计算所述异常的节点与其他所述人脸簇中心的距离，选择距离最近的人脸簇进行合并，得到优化后的人脸簇。

3.根据权利要求1所述的基于图卷积的人脸聚类方法，其特征在于，在获取多个待聚类人脸数据，提取所述多个待聚类人脸数据的人脸特征的步骤之前，还包括：

确定人脸聚类数据集，提取所述人脸聚类数据集中每个人脸样本的人脸特征；

基于人脸样本的人脸特征构建第二K近邻图；

基于所述第二K近邻图、所述人脸聚类数据集以及预设损失函数对初始的图卷积网络进行训练得到训练好的图卷积网络。

4.根据权利要求3所述的基于图卷积的人脸聚类方法，其特征在于，所述预设损失函数L基于如下公式确定：

其中，N表示输入到图卷积网络的节点数量，y_i和y′_i分别表示图卷积网络预测的第i个节点的密度值和该节点的标签值。

5.根据权利要求1所述的基于图卷积的人脸聚类方法，其特征在于，基于节点之间的余弦相似度确定连接强度；其中，两个节点的余弦相似度similarity基于如下公知确定：

其中，θ表示向量夹角，A、B表示两个节点。

6.根据权利要求1所述的基于图卷积的人脸聚类方法，其特征在于，所述训练好的图卷积网络基于节x_i点与其直接连接节点的余弦相似度的总和，直接连接的节点与其间接相连节点的连接强度总和，以及该节点x_i与其他簇节点的连接强度总和，融合得到节点x_i的密度值，所述节点x_i为所述第一K近邻图中的任意一节点。

7.根据权利要求1所述的基于图卷积的人脸聚类方法，其特征在于，通过如下公式计算所述节点的所述密度预测值ρ_i′：

其中，l_d表示节点与直接相连节点的连接强度；l_i表示直接相连节点与间接相邻节点的连接强度；l_e表示节点x_i与其他节点的连接强度；N、M和Z分别表示节点x_i在K近邻图中直接连接节点的数量、间接连接节点的数量以及节点x_i连接到其他节点的节点数量；k为调节因子。

8.一种基于图卷积的人脸聚类装置，其特征在于，包括：

获取模块，用于获取多个待聚类人脸数据；

特征提取模块，用于提取所述多个待聚类人脸数据的人脸特征；

第一构建模块，用于基于所述人脸特征构建第一K近邻图，所述第一K近邻图包括多个节点，多个所述节点之间存在连接强度；

预测模块，将所述第一K近邻图输入到训练好的图卷积网络中，得到所述第一K近邻图中每个所述节点的密度预测值；

第二构建模块，用于将所述密度预测值低的所述节点与所述密度预测值高且所述连接强度最大的所述节点做有向连接，构建多个独立的人脸簇。