[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
【说明书】:

发明实施例公开了一种人脸聚类方法、装置、设备和存储介质,该方法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。本方案提高了人脸聚类的效率以及准确度。

技术领域

本申请实施例涉及人脸识别技术领域,尤其涉及一种人脸聚类方法、装置、设备和存储介质。

背景技术

本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

人脸聚类指将人脸根据身份进行分组,通常人脸聚类通过将集合内所有的人脸两两之间做人脸比对,再根据比对得到的相似度值将属于同一个身份的人划分到一个分组中实现聚类。

人脸聚类计算通常包括两个步骤,人脸特征提取以及对提取的特征利用聚类算法进行聚类。关于人脸特征提取,传统的特征提取方法通常是人为定义一些人脸的关键点,然后从图片中提取出这些关键点的值作为人脸的特征,关于聚类算法,常见的有K-means和DBSCAN或者其它聚类算法。其中,人为定义人脸特征点的方式工作量大且引入了大量人的先验经验,通用的聚类算法在做一般数值型的聚类任务时往往会取得比较好的效果,但在人脸聚类这个特定的业务场景下效果较差,适用度较低。

发明内容

本发明实施例提供了一种人脸聚类方法、装置、设备和存储介质,提高了人脸聚类的效率以及准确度。

第一方面,本发明实施例提供了一种人脸聚类方法,该方法包括:

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。

第二方面,本发明实施例还提供了一种人脸聚类装置,该装置包括:

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。

第三方面,本发明实施例还提供了一种设备,该设备包括:

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本发明实施例所述的人脸聚类方法。

第四方面,本发明实施例还提供了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本发明实施例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/201910686533.2/2.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