[发明专利]图像聚类方法及装置、电子设备和存储介质

权利要求书

1.一种图像聚类方法，其特征在于，包括：

获取图像集中每个图像对应的人脸特征以及属性特征；

利用各图像的人脸特征的相似度对所述图像集执行针对相同对象的聚类处理，得到至少一个第一类组，每个所述第一类组包括的图像为预测出的包括相同对象的图像；

利用每个所述第一类组内各图像的人脸特征和属性特征，确定针对每个第一类组的相似度矩阵，所述相似度矩阵内的元素表示相应的第一类组内各图像之间的相似度；

基于每个第一类组对应的相似度矩阵以及每个第一类组内的各图像的人脸特征，对每个第一类组内的各图像进行重新聚类，得到至少一个第二类组，所述第二类组内的图像为优化预测的具有相同对象的图像；

所述基于每个第一类组对应的相似度矩阵以及每个第一类组内的各图像的人脸特征，对每个第一类组内的各图像进行重新聚类，得到至少一个第二类组，包括：

对每个第一类组对应的相似度矩阵进行预处理，得到预处理后的相似度矩阵；

对每个第一类组对应的预处理后相似度矩阵和第一类组内的各图像的人脸特征执行至少一层图卷积处理，获得针对每个第一类组的置信度矩阵，所述置信度矩阵中的元素表示第一类组内的各图像被分配在该第一类组的置信度；

根据第一类组内各图像对应的置信度对第一类组执行重新聚类，获得重新聚类后的第二类组。

2.根据权利要求1所述的方法，其特征在于，所述利用各图像的人脸特征的相似度对所述图像集执行聚类处理，得到至少一个第一类组，包括：

确定所述图像集中各图像对应的人脸特征之间的相似度；

基于各人脸特征之间的相似度，确定与每个图像的人脸特征相似度最高的K个图像，K为大于或者等于1的整数；

从与每个图像的人脸特征的相似度最高的K个图像中选择出人脸特征的相似度超过第一阈值的第一图像；

根据每个图像及其对应的第一图像形成第一类组。

3.根据权利要求2所述的方法，其特征在于，包括多个第一阈值，所述利用各图像的人脸特征的相似度对所述图像集执行聚类处理，得到至少一个第一类组，还包括：

针对不同的第一阈值，形成与每个所述第一阈值对应的第一类组。

4.根据权利要求1-3中任意一项所述的方法，其特征在于，所述利用每个所述第一类组内各图像的人脸特征和属性特征，确定针对每个第一类组的相似度矩阵，包括：

基于每个第一类组内各图像的人脸特征之间的相似度确定针对相应第一类组的人脸特征相似度矩阵，以及基于每个第一类组内各图像的属性特征确定针对相应第一类组的属性特征相似度矩阵，所述人脸特征相似度矩阵中的元素表示第一类组内各图像的人脸特征之间的相似度，所述属性特征相似度矩阵中的元素表示第一类组内各图像的属性特征之间的相似度；

根据每个第一类组的人脸特征相似度矩阵和属性特征相似度矩阵，得到对应于每个第一类组的所述相似度矩阵。

5.根据权利要求4所述的方法，其特征在于，所述基于每个第一类组内各图像的属性特征确定针对相应第一类组的属性特征相似度矩阵，包括：

确定第一类组内每个图像的属性特征与该第一类组内的全部图像的属性特征之间的属性特征相似度；

基于第一类组内各图像的属性特征之间的相似度，确定针对所述第一类组的属性特征相似度矩阵。

6.根据权利要求4所述的方法，其特征在于，所述人脸特征相似度矩阵的第i行元素表示第一类组内第i个图像的人脸特征与该第一类组内的各图像的人脸特征之间的相似度；

所述属性特征相似度矩阵的第i行元素表示第一类组内第i个图像的属性特征与该第一类组内的各图像的属性特征之间的相似度；

i为大于或者等于1且小于或者等于N整数，N表示第一类组内图像的个数。

7.根据权利要求4所述的方法，其特征在于，所述人脸特征之间的相似度和/或所述属性特征之间的相似度为余弦相似度。