[发明专利]兴趣点的分类方法、装置、设备、存储介质及程序产品

权利要求书

1.一种兴趣点的分类方法，包括：

获取待处理兴趣点，并确定所述待处理兴趣点的候选类别；

获取所述候选类别对应的多个簇，所述多个簇中包括第一簇和第二簇，所述第一簇中包括的第一兴趣点的图像信息的数量大于预设值，所述第二簇中包括有第二兴趣点的图像信息，所述第一兴趣点的真实类别为所述候选类别，所述第二兴趣点的真实类别为所述候选类别之外的其他类别；

根据所述待处理兴趣点的图像信息和所述多个簇，对所述待处理兴趣点的候选类别的真实性进行验证；

所述根据所述待处理兴趣点的图像信息和所述多个簇，对所述待处理兴趣点的候选类别的真实性进行验证，包括：

根据所述待处理兴趣点的图像信息，确定所述多个簇中与所述待处理兴趣点距离最近的目标簇；

若所述目标簇为第一簇，且所述待处理兴趣点与所述目标簇的距离小于或等于所述目标簇的簇半径，则确定所述待处理兴趣点的真实类别为所述候选类别，所述簇半径为簇中的特征向量与簇的聚类中心的最远距离；

所述图像信息为图像的特征向量，所述根据所述待处理兴趣点的图像信息，确定所述多个簇中与所述待处理兴趣点距离最近的目标簇，包括：

确定所述多个簇中每个簇的聚类中心；

分别计算所述待处理兴趣点的图像的特征向量与每个簇的聚类中心的距离，确定所述多个簇中与所述待处理兴趣点距离最近的目标簇；

所述确定所述待处理兴趣点的候选类别，包括：

根据所述待处理兴趣点的文本信息确定所述待处理兴趣点的候选类别。

2.根据权利要求1所述的方法，所述确定所述多个簇中每个簇的聚类中心，包括：

根据每个簇包括的兴趣点的图像的特征向量的平均值，确定每个所述簇的聚类中心。

3.根据权利要求1-2中任一项所述的方法，还包括：

获取所述候选类别对应的多个兴趣点的图像，并提取每个图像的特征向量，所述多个兴趣点包括第一兴趣点和第二兴趣点；

采用聚类算法对所述多个兴趣点的图像的特征向量进行聚类，生成所述候选类别对应的多个簇。

4.根据权利要求3所述的方法，生成所述候选类别对应的多个簇之后，还包括：

根据每个簇中包括的第一兴趣点和第二兴趣点的数量，确定每个簇的类型，所述类型为第一簇或第二簇。

5.根据权利要求1-2中任一项所述的方法，还包括：

若所述目标簇为第二簇，或者，若所述目标簇为第一簇且所述待处理兴趣点与所述目标簇的距离大于所述目标簇的簇半径，则确定所述待处理兴趣点的真实类别为所述候选类别之外的其他类别。

6.一种兴趣点的分类装置，包括：

第一获取模块，用于获取待处理兴趣点，并确定所述待处理兴趣点的候选类别；

第二获取模块，用于获取所述候选类别对应的多个簇，所述多个簇中包括第一簇和第二簇，所述第一簇中包括的第一兴趣点的图像信息的数量大于预设值，所述第二簇中包括有第二兴趣点的图像信息，所述第一兴趣点的真实类别为所述候选类别，所述第二兴趣点的真实类别为所述候选类别之外的其他类别；

验证模块，用于根据所述待处理兴趣点的图像信息和所述多个簇，对所述待处理兴趣点的候选类别的真实性进行验证；

所述验证模块包括：

第一确定单元，用于根据所述待处理兴趣点的图像信息，确定所述多个簇中与所述待处理兴趣点距离最近的目标簇；

第二确定单元，用于在所述目标簇为第一簇，且所述待处理兴趣点与所述目标簇的距离小于或等于所述目标簇的簇半径时，确定所述待处理兴趣点的真实类别为所述候选类别，所述簇半径为簇中的特征向量与簇的聚类中心的最远距离；

所述图像信息为图像的特征向量，所述第一确定单元包括：

第一确定子单元，用于确定所述多个簇中每个簇的聚类中心；

第二确定子单元，用于分别计算所述待处理兴趣点的图像的特征向量与每个簇的聚类中心的距离，确定所述多个簇中与所述待处理兴趣点距离最近的目标簇；

所述第一获取模块，具体用于根据所述待处理兴趣点的文本信息确定所述待处理兴趣点的候选类别。