[发明专利]一种基于图像搜索的在线人脸聚类方法

权利要求书

1.一种基于图像搜索的在线人脸聚类方法，其特征在于，包括以下步骤：

S1、获取已经聚类分组为多个类别的已归档人像图片和新的人像图片；

S2、利用已训练好的卷积神经网络模型针对已归档人像图片和新的人像图片提取人脸特征，然后将提取的人脸特征输入到数据库中；

S3、在数据库中对人脸特征向量进行类中心特征检索；

S4、基于类中心特征检索的结果判定人脸图像所属的类别并归档到数据库中。

2.根据权利要求1所述的基于图像搜索的在线人脸聚类方法，其特征在于，所述S2中利用已训练好的卷积神经网络模型提取已归档人像图片和新的人像图片的人脸特征向量具体包括：

S21、截取已归档人像图片和新的人像图片中的人脸图像；

S22、对人脸图像进行人脸关键点检测，并进行人脸矫正；

S23、将矫正后的人脸图像输入到已训练好的卷积神经网络模型，输出多维的人脸特征向量。

3.根据权利要求2所述的基于图像搜索的在线人脸聚类方法，其特征在于，所述S3具体包括：

S31、采用特征加权方式计算类中心特征：设每个类别中的人脸特征集合为Fⁿ＝{f₁，f₂，…f_n}，则相应类别的类中心特征计算方法如式(1)所示：

其中：f_i表示一个类别中的第i个人脸特征；w_i表示第i个人脸特征的权重；

S32、采用量化特征类中心计算上述类中心特征：

设每个人脸特征的权重为w＝{w₁，w₂，...，w_n}，该类别的人脸特征集合为f＝{f₁，f₂，...，f_n}，将特征值量化为：1→1，0→-1；然后计算权重，第i维中心特征为：

f_cen(i)＝w₁·f₁(i)+w₂·f₂(i)+…+w_n·f_n(i)＝w₁-w₂+…+w_n (2)；

最终，获得量化的特征类中心特征为

S33、计算每个类别中的人脸特征的两两相似度，以其相似度得分构建相似度矩阵，得到相似得分矩阵后，计算新的人脸图像的人脸特征与该类别下其他人脸特征的平均相似度，计算公式如式(3)：

其中，S_i，j表示第i和第j个特征的相似度；

S34、将计算结果按相似度进行排序，选取相似度最高的类别作为候选类别。

4.根据权利要求3所述的基于图像搜索的在线人脸聚类方法，其特征在于，所述S4具体包括：

S41、基于检索相似度对新的人脸图像归档，若与候选类别相似度高于预设阈值，则将该新的人脸图像归入该候选类别分组；若与候选类别相似度低于预设阈值，则新建一个类别分组，并将新的人脸图像归入该类别，则将该新的人脸图像的人脸特征作为该类的中心特征，其特征权重置为1.0；

S42、若新的人脸图像归入已有类别，则更新所属类别的特征权重、特征中心等信息。