[发明专利]图像聚类方法、系统、设备及机器可读介质

说明书

本发明提供一种图像聚类方法、系统、设备及机器可读介质，包括有：获取待聚类图片的一个或多个特征向量组；对所述待聚类图片进行基于一个或多个特征向量组的聚类，若某一待聚类图片的某一特征向量组与另一聚类图片对应的特征向量组属于同一聚类，将所述某一待聚类图片归入另一聚类图片所属的聚类中。与现有技术中仅针对时间进行的单一聚类相比，本发明通过一个或多个特征向量组进行聚类，能够对庞大复杂的图像数据集进行多维度聚类，可以进行时间戳、地理位置、场景、时间戳+地理位置、时间戳+场景等聚类，可以将图像数据集聚合成多个类别，减少了原始图像数据集的庞大复杂。通过多维度聚类后，能够在图像数据集中便捷地、快速地找到有用信息。

技术领域

本发明涉及分类技术领域，特别是涉及一种图像聚类方法、系统、设备及机器可读介质。

背景技术

随着计算机技术和互联网技术的快速发展，人类积累的图像数据量急剧增多。在庞大的图像数据集中，我们要从中找到有用的信息是非常困难的。为了让海量的图像数据容易被我们观察，并且能够从其中有效挖掘出有价值的信息，我们需要利用合适的聚类算法来处理图像。图像的聚类就是用计算机技术分析处理图像，根据图像的特征将图像划分种类，这样就代替了人类对图像的视觉判别。现有技术中对图像的聚类非常简易，仅仅是简单地将图像按照保存在设备上的物理时间进行聚合。而这种聚类方法存在的问题就是：导致了图像从最初保存的那一刻，随着时间(例如：年、月、日等)而进行排布，直到延续至当前时刻。当时间足够长时，分出的图像类依然是非常大的，导致与聚类前的图像集差别不大。因此，本申请提供一种基于多个维度的图像聚类方法、系统、设备及机器可读介质。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种图像聚类方法、系统、设备及机器可读介质，用于解决现有技术中存在的问题。

为实现上述目的及其他相关目的，本发明提供一种图像聚类方法，包括以下步骤：

获取待聚类图片的一个或多个特征向量组；

对所述待聚类图片进行基于一个或多个特征向量组的聚类，若某一待聚类图片的某一特征向量组与另一聚类图片对应的特征向量组属于同一聚类，将所述某一待聚类图片归入另一聚类图片所属的聚类中。

可选地，若某一待聚类图片的某一特征向量组与另一待聚类图片对应的特征向量组属于同一聚类，将所述某一待聚类图片与另一待聚类图片归入同一聚类中；

若某一待聚类图片的某一特征向量组与其余待聚类图片对应的特征向量组均不属于同一聚类，则增加一个聚类，增加的聚类中包括所述某一待聚类图片及所述某一待聚类图片的某一特征向量组。

可选地，获取待聚类图片的一个或多个特征向量组；

在一个或多个已有聚类中获取每一个已有聚类中已聚类图片的一个或多个特征向量组；

若某一待聚类图片的某一特征向量组与某一已聚类图片对应的特征向量组属于同一聚类，将所述某一待聚类图片归入所述某一已聚类图片所属的聚类中；

若某一待聚类图片的某一特征向量组与某一已聚类图片对应的特征向量组不属于同一聚类，在所述已有聚类中增加一个聚类，增加的聚类中包括所述某一待聚类图片及所述某一待聚类图片的某一特征向量组。

可选地，获取待聚类图片的一个或多个特征向量组，对所述待聚类图片进行基于一个或多个特征向量组的聚类，将当前聚类结果作为一个或多个已有聚类。

可选地，每一个特征向量组至少包括一个或多个普通特征向量，和/或一个或多个特定特征向量；

所述普通特征向量包括以下至少之一：物理时间、时间戳；所述特定特征向量包括以下至少之一：地理位置、场景。