[发明专利]图像处理的方法和装置

说明书

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图像处理的方法和装置。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。利 用人脸识别技术，能够识别照片中的人物身份，并根据照片中的人物身份将属 于同一个人的照片归类到一个簇中。

在人脸识别的过程中，可以采用层次聚类算法判断两个人脸是否属于同一 个人：计算两个人脸图像对应的人脸特征向量之间的距离；比较计算出的距离 与距离阈值的大小；若计算出的阈值不大于距离阈值，则判定两个人脸图像属 于同一个人；若计算出的阈值大于距离阈值，则判定两个人脸图像不属于同一 个人。

然而，由于聚类算法自身准确度的限制，判定属于同一个人的两个人脸图 像实际上可能属于不同的人，聚类结果的准确性有限，用户体验差。

发明内容

为克服相关技术中存在聚类结果的准确性有限的问题，本公开提供一种图 像处理的方法和装置。

根据本公开实施例的第一方面，提供一种图像处理的方法，包括：

获取一个聚类集合，所述聚类集合包括至少两幅人脸图像；

采用人脸识别算法获取所述至少两幅人脸图像的第一特征值；

按照所述至少两幅人脸图像的第一特征值，对所述聚类集合进行拆分。

通过采用人脸识别算法获取一个聚类集合中的至少两幅人脸图像的第一特 征值，并按照至少两幅人脸图像的第一特征值，对该聚类集合进行拆分，利用 第一特征值对包括属于不同人的人脸图像的聚类集合进行纠正，克服聚类算法 自身准确度的限制，提高聚类结果的准确度，用户体验好。

在第一方面一种可能的实现方式中，所述第一特征值的类型包括人脸图像 所属人物的性别、年龄、种族中的至少一种。

性别、年龄、种族是人脸特有的特征，一个人的这些特征固定不变，利用 这些特有的特征，可以纠正将属于不同人的人脸图像聚合在一个簇中的错误， 克服聚类算法自身准确度的限制，提高聚类结果的准确度，用户体验好。

可选地，所述采用人脸识别算法获取所述至少两幅人脸图像的第一特征值， 包括：

分别对各幅人脸图像采用线性判别式分析LDA算法确定所述各幅人脸图像 各自所属人物的性别。

采用LDA算法实现人脸图像所属人物性别的确定，算法成熟、准确率高、 成本低。

可选地，所述采用人脸识别算法获取所述至少两幅人脸图像的第一特征值， 包括：

分别对各幅人脸图像采用主成分分析PCA方法提取所述各幅人脸图像各自 的图像特征值；

根据所述各幅人脸图像各自的所述图像特征值，使用最小二乘回归算法计 算所述各幅人脸图像各自所属人物的年龄。

采用PCA和最小二乘回归算法实现人脸图像所属人物年龄的确定，算法成 熟、准确率高、成本低。

可选地，所述采用人脸识别算法获取所述至少两幅人脸图像的第一特征值， 包括：

分别提取各幅人脸图像的肤色特征值；

根据所述各幅人脸图像的肤色特征值，采用支持向量机SVM确定所述各幅 人脸图像各自所属人物的种族。

采用SVM实现人脸图像所属人物种族的确定，算法成熟、准确率高、成本 低。

在第一方面另一种可能的实现方式中，所述按照所述至少两幅人脸图像的 第一特征值，对所述聚类集合进行拆分，包括：

当所述至少两幅人脸图像同一类型的第一特征值不同或者差值超过设定范 围时，将所述聚类集合拆分为至少两个聚类集合，拆分后的各个聚类集合中的 各幅人脸图像同一类型的第一特征值相同或者差值在设定范围内。

考虑到人脸识别过程中特征值的确定存在一定的误差，因此将特征值不同 或差值超过设定范围的人脸图像拆分为至少两个聚类集合，以纠正将属于不同 人的人脸图像归类到一个聚类集合中的错误，克服聚类算法自身准确度的限制， 提高聚类结果的准确度，用户体验好。

在第一方面又一种可能的实现方式中，所述方法还包括：

获取若干张照片；

采用人脸检测算法，从各张照片中获取人脸图像；

采用层次聚类算法，对获取的人脸图像进行聚类，得到至少一个聚类集合。

通过对照片进行人脸检测和聚类，得到所需的聚类集合。