[发明专利]一种人像聚类的方法、装置及电子设备

说明书

本申请公开一种人像聚类的方法、装置及电子设备，该方法包括获取多个卡口各自的卡口特征，当未触发第一终止条件时，基于卡口聚类参数集合，对多个卡口的卡口特征进行卡口聚类，得到N个卡口聚类参数集合对应的N个卡口聚类结果，然后基于计算N个卡口聚类结果的N个卡口聚类评价值，更新N个卡口聚类参数集合；当触发第一终止条件时，在所有卡口聚类评价值中，基于最大卡口聚类评价值对应的卡口聚类结果，确定多个卡口各自所属类别，对属于同一类别的卡口在预设时间段内对应的人物图像进行人像聚类，得到最终的人像聚类结果。基于上述方法可以提高人像聚类的准确率，解决当前在对海量人像数据进行人像聚类中，存在聚类结果准确率低的问题。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种人像聚类的方法、装置及电子设备。

背景技术

人像聚类是将人像图像分类到不同的类别(或簇)的过程，由于同一个类别中的人像图像有很大的相似性，而不同类别间的人像图像有很大的相异性，现有技术一般通过比对两张人像图像的特征相似度来实现人像聚类的过程。

但是，在采用现有技术对海量人像数据进行人像聚类时，由于海量人像数据中存在许多无关且相似的人像图像，将导致人像图像A中的对象A与人像图像B中的对象B被分到同一类别情况的发生，进而引发聚类结果准确率低的问题。

发明内容

本申请提供一种人像聚类的方法、装置及电子设备，用以对海量人像数据进行人像聚类。

第一方面，本申请提供了一种人像聚类的方法，所述方法包括：

获取多个卡口各自的卡口特征；其中，一个卡口的卡口特征用于表征所述一个卡口的多种空间属性；

当未触发第一终止条件时，基于卡口聚类参数集合，对所述多个卡口的卡口特征进行卡口聚类，得到N个卡口聚类参数集合对应的N个卡口聚类结果；其中，所述卡口聚类参数集合为包含至少一个卡口聚类参数的集合；

基于计算所述N个卡口聚类结果的N个卡口聚类评价值，更新所述N个卡口聚类参数集合；

当触发所述第一终止条件时，在所有卡口聚类评价值中，基于最大卡口聚类评价值对应的卡口聚类结果，确定所述多个卡口各自所属类别；

对属于同一类别的卡口在预设时间段内对应的人像图像进行人像聚类，得到最终的人像聚类结果。

通过上述方法，一方面结合卡口的多种空间属性确定卡口特征，基于该卡口特征有助于提高最终人像聚类的准确性，另一方面更新卡口聚类采用的卡口聚类参数，采用更新的卡口聚类参数进行卡口聚类，然后选取出一个卡口聚类结果，基于该卡口聚类结果，得到最终的人像聚类结果，通过提升卡口聚类的聚类结果准确率，有助于提高最终的人像聚类结果的准确性，解决现有技术应用在对海量人像数据进行人像聚类中，存在聚类结果准确率低的问题。

在一种可能的设计中，所述基于卡口聚类参数集合，对所述多个卡口的卡口特征进行卡口聚类，包括：确定采用卡口聚类参数集合来进行卡口聚类的自组织映射网络；基于所述多个卡口各自的卡口特征，确定所述多个卡口各自在所述自组织映射网络中对应的优胜神经元；其中，所述优胜神经元为在所述自组织映射网络包含的多个神经元中与单个卡口特征之间的相似度最大的神经元；基于所述多个卡口各自对应的优胜神经元，确定所述多个卡口各自所属类别，得到所述卡口聚类参数集合对应的卡口聚类结果。

通过上述方法，在确定卡口聚类参数集合后，分别确定各个卡口在自组织映射网络中对应的优胜神经元，进而得到该卡口聚类参数集合的卡口聚类结果，能够有效提高卡口聚类结果的准确性。

在一种可能的设计中，所述基于所述多个卡口各自的卡口特征，确定所述多个卡口各自在所述自组织映射网络中对应的优胜神经元，包括：

对所述多个卡口中的单个卡口，分别执行至少一次如下迭代操作：