[发明专利]人脸聚类方法、装置、设备和存储介质在审

专利信息
申请号: 201910686533.2 申请日: 2019-07-29
公开(公告)号: CN110414429A 公开(公告)日: 2019-11-05
发明(设计)人: 杨东泉;丁保剑;秦伟;张少文 申请(专利权)人: 佳都新太科技股份有限公司;广州佳都科技软件开发有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 北京权智天下知识产权代理事务所(普通合伙) 11638 代理人: 王新爱
地址: 511400 广东省广州市番禺区东环街迎宾*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人脸 聚类 传递 相似度矩阵 存储介质 成对 簇间 相似度确定 关系生成 结果确定 预设条件 准确度 相似度 合并 分组
【权利要求书】:

1.人脸聚类方法,其特征在于,包括:

获取人脸相似度矩阵,依据所述人脸相似度矩阵确定成对相似人脸;

依据所述成对相似人脸之间的传递关系生成传递相似人脸;

确定所述传递相似人脸之间的簇间相似度,依据所述簇间相似度确定每个传递相似人脸的相似簇,将满足预设条件的相似簇进行合并;

根据合并结果确定人脸聚类分组。

2.根据权利要求1所述的方法,其特征在于,在获取人脸相似度矩阵之前,还包括:

计算待聚类人脸中每两张人脸的相似度,生成人脸相似度矩阵A[i,j],其中,i和j为大于1的正整数,所述人脸相似度矩阵中元素的取值范围包括[0,1];

所述依据所述人脸相似度矩阵确定成对相似人脸包括:

将所述人脸相似度矩阵的对角线元素数值设为0;

将所述相似度矩阵的第i行和对应的最大值所在的第j列确定为成对相似人脸。

3.根据权利要求2所述的方法,其特征在于,所述依据所述人脸相似度矩阵确定成对相似人脸具体包括:

依据所述人脸相似度矩阵确定待确定相似人脸;

将满足第一相似条件的待确定相似人脸确定为成对相似人脸。

4.根据权利要求1所述的方法,其特征在于,所述依据所述成对相似人脸之间的传递关系生成传递相似人脸包括:

将所述成对相似人脸中具备连通关系的成对相似人脸进行组合得到待筛选传递相似人脸;

确定所述待筛选传递相似人脸中不具备连通关系的人脸之间的人脸相似度;

判断所述人脸相似度是否满足第二相似条件;

将满足所述第二相似条件的待筛选传递相似人脸确定为传递相似人脸。

5.根据权利要求4所述的方法,其特征在于,将不满足所述第二相似条件的待筛选传递相似人脸拆解为多个传递相似人脸。

6.根据权利要求1-5中任一项所述的方法,其特征在于,所述确定所述传递相似人脸之间的簇间相似度,依据所述簇间相似度确定每个传递相似人脸的相似簇,将满足预设条件的相似簇进行合并包括:

依据公式

计算所述传递相似人脸之间的簇间相似度,其中,ci表示第i个簇,|ci|表示ci内的元素个数,cj表示第j个簇,|cj|表示cj内的元素个数;

将矩阵A_next的对角线元素数值设为0;

依据所述矩阵A_next确定每个传递相似人脸的相似簇;

确定所述矩阵A_next中元素最大值,如果所述元素最大值大于预设最大值,则进行相似簇的合并,并重新确定成对相似人脸,如果所述元素最大值不大于所述预设最大值,则结束合并流程。

7.根据权利要求1-5中任一项所述的方法,其特征在于,所述根据合并结果确定人脸聚类分组包括:

根据合并结果反向解析得到合并分组中的每个人脸编号;

将对应人脸编号的人脸确定为人脸聚类分组。

8.人脸聚类装置,其特征在于,包括:

第一确定模块,用于获取人脸相似度矩阵,依据所述人脸相似度矩阵确定成对相似人脸;

第二确定模块,用于依据所述成对相似人脸之间的传递关系生成传递相似人脸;

簇合并模块,用于确定所述传递相似人脸之间的簇间相似度,依据所述簇间相似度确定每个传递相似人脸的相似簇,将满足预设条件的相似簇进行合并;

分组确定模块,用于根据合并结果确定人脸聚类分组。

9.一种设备,所述设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的人脸聚类方法。

10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一项所述的人脸聚类方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佳都新太科技股份有限公司;广州佳都科技软件开发有限公司,未经佳都新太科技股份有限公司;广州佳都科技软件开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910686533.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top