[发明专利]人脸五官聚类方法、装置、计算机设备及存储介质

权利要求书

1.一种人脸五官聚类方法，其特征在于，包括：

获取用于进行人脸识别的至少两个神经网络模型中的低层特征，所述低层特征包括由人脸基本要素构成的人脸五官特征；

将各所述神经网络模型中的低层特征进行聚类，得到各聚类结果，所述进行聚类是指将相似的所述人脸五官特征聚集在一起，所述聚类结果是指聚集在一起的相似的所述人脸五官特征所对应的五官属性值；

根据各所述聚类结果生成与各所述神经网络模型中的每个人脸图像对应的人脸面相；

根据预设面相知识库中的面相特征类型，对各所述人脸图像的人脸面相进行识别，以获取与各所述人脸图像的人脸面相所对应的面相特征类型；

在各所述人脸图像的人脸面相上标注与该人脸图像的人脸面相对应的面相特征类型。

2.根据权利要求1所述的人脸五官聚类方法，其特征在于，所述获取用于进行人脸识别的至少两个神经网络模型中的低层特征具体包括：

获取已训练的至少两个用于进行人脸识别的所述神经网络模型；

提取从各所述神经网络模型的隐藏层的最后一层中输出的所有低层特征向量。

3.根据权利要求1所述的人脸五官聚类方法，其特征在于，所述将各所述神经网络模型中的低层特征进行聚类，得到聚类结果具体包括：

将各五官对应的所述低层特征向量进行降维，获取与各所述低层特征向量对应的降维之后的降维特征向量，其中，所述降维特征向量的维度小于低层特征向量的维度，所述低层特征向量以及与所述低层特征向量降维后对应的所述降维特征向量均与所述神经网络模型中的低层特征所属的人脸五官特征关联；

在所述降维特征向量所属的向量空间中随机选取预设数量的第一聚类簇中心点，一个所述第一聚类簇中心点关联一种五官属性值的聚类结果；

遍历所有所述降维特征向量，根据各所述降维特征向量与预设数量的所述第一聚类簇中心点之间的距离，确定各所述降维特征向量与各所述第一聚类簇中心点的关联关系；

获取与各所述第一聚类簇中心点存在关联关系的所有所述降维特征向量，并根据所有该降维特征向量对所述第一聚类簇中心点进行迭代，以获取与最终聚类结果对应的第二聚类簇中心点，所述最终聚类结果是指与所述第一聚类簇中心点存在关联关系的所有降维特征向量各自关联的所有所述人脸五官特征均对应的五官属性值。

4.根据权利要求3所述的人脸五官聚类方法，其特征在于，所述遍历所有所述降维特征向量，根据各所述降维特征向量与预设数量的所述第一聚类簇中心点之间的距离，确定各所述降维特征向量与各所述第一聚类簇中心点的关联关系具体包括：

计算各所述降维特征向量到预设数量的所述第一聚类簇中心点之间的距离，所述降维特征向量到所述第一聚类簇中心点之间的距离对应于与所述降维特征向量关联的人脸五官特征和所述第一聚类簇中心点所关联的五官属性值之间的相似程度；

选取距离所述降维特征向量最近的各所述第一聚类簇的中心点，作为与该降维特征向量对应的所述第一聚类簇中心点；

记录各所述第一聚类簇中心点以及与其对应的所述降维特征向量之间的关联关系。

5.根据权利要求3所述的人脸五官聚类方法，其特征在于，所述根据所有该降维特征向量对所述第一聚类簇中心点进行迭代，以获取第二聚类簇中心点具体包括：

根据与所述第一聚类簇中心点存在关联关系的所有所述降维特征向量进行坐标平均值计算，以获取与该坐标平均值对应的下一个聚类簇的中心点；

判断所述下一个聚类簇的中心点与所述第一聚类簇的中心点之间的距离是否小于或者等于预设阈值；

若小于或等于预设阈值，则确认所述下一个聚类簇的中心点为与最终聚类结果对应的第二聚类簇中心点；

若大于预设阈值，则根据各所述降维特征向量与各所述下一个聚类簇中心点之间的距离，确定各所述降维特征向量与各所述下一个聚类簇中心点的关联关系，并根据与所述下一个聚类簇中心点存在关联关系的所有所述降维特征向量对所述下一个聚类簇中心点进行迭代，以获取与最终聚类结果对应的第二聚类簇中心点。