[發(fā)明專利]用于聚類圖像的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810060006.6
• 申請(qǐng)日: 2018-01-22
• 公開（公告）號(hào): CN108280477B
• 公開（公告）日: 2021-12-10
• 發(fā)明（設(shè)計(jì)）人: 車麗美;翁仁亮
• 申請(qǐng)（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/00
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

1.一種用于聚類圖像的方法，包括：

獲取多個(gè)用戶圖像中，每個(gè)用戶圖像的用于指示人臉特征的特征向量；

根據(jù)所獲取的特征向量，對(duì)所述多個(gè)用戶圖像進(jìn)行聚類；

基于預(yù)先訓(xùn)練的聚類結(jié)果評(píng)價(jià)模型確定聚類結(jié)果中各類的評(píng)價(jià)指標(biāo)數(shù)據(jù)，所述聚類結(jié)果評(píng)價(jià)模型用于表征聚類結(jié)果中，各個(gè)類與評(píng)價(jià)指標(biāo)數(shù)據(jù)的對(duì)應(yīng)關(guān)系，所述評(píng)價(jià)指標(biāo)數(shù)據(jù)用于指示聚類結(jié)果的準(zhǔn)確率，所述聚類結(jié)果評(píng)價(jià)模型是基于預(yù)先構(gòu)造的具有不同準(zhǔn)確率的類進(jìn)行訓(xùn)練得到的；

響應(yīng)于確定出的評(píng)價(jià)指標(biāo)數(shù)據(jù)的值超出預(yù)設(shè)范圍，更新聚類參數(shù)以基于更新后的聚類參數(shù)對(duì)用戶圖像進(jìn)行聚類。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述基于預(yù)先訓(xùn)練的聚類結(jié)果評(píng)價(jià)模型確定聚類結(jié)果中各類的評(píng)價(jià)指標(biāo)數(shù)據(jù)，包括：

獲取類的中心點(diǎn)特征向量和預(yù)設(shè)數(shù)目個(gè)類的輪廓點(diǎn)特征向量，所述中心點(diǎn)特征向量用于表征類中心，所述輪廓點(diǎn)特征向量用于表征聚類邊界；

根據(jù)中心點(diǎn)特征向量和輪廓點(diǎn)特征向量建立協(xié)方差矩陣；

確定所述協(xié)方差矩陣的特征向量；

將所述協(xié)方差矩陣的特征向量輸入預(yù)先訓(xùn)練的聚類結(jié)果評(píng)價(jià)模型得到類的評(píng)價(jià)指標(biāo)數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的方法，其中，類的中心點(diǎn)特征向量的坐標(biāo)為屬于該類的圖像的特征向量的坐標(biāo)的平均值。

4.根據(jù)權(quán)利要求2所述的方法，其中，每個(gè)類的輪廓點(diǎn)特征向量經(jīng)由以下步驟確定：

將該類中的特征向量確定為備選特征向量；

將所確定的備選特征向量中與類的中心點(diǎn)特征向量距離最遠(yuǎn)的備選特征向量確定為輪廓點(diǎn)特征向量，并加入輪廓點(diǎn)特征向量集合；

重復(fù)執(zhí)行以下步驟，直到所述輪廓點(diǎn)特征向量集合中輪廓點(diǎn)特征向量的數(shù)目達(dá)到預(yù)設(shè)數(shù)目：將與類的中心點(diǎn)特征向量的距離和與所述輪廓點(diǎn)特征向量集合中的各輪廓點(diǎn)特征向量的距離之和最大的備選特征向量確定為輪廓點(diǎn)特征向量，并加入所述輪廓點(diǎn)特征向量集合。

5.一種用于聚類圖像的裝置，包括：

獲取單元，用于獲取多個(gè)用戶圖像中，每個(gè)用戶圖像的用于指示人臉特征的特征向量；

第一聚類單元，用于根據(jù)所獲取的特征向量，對(duì)所述多個(gè)用戶圖像進(jìn)行聚類；

第一確定單元，用于基于預(yù)先訓(xùn)練的聚類結(jié)果評(píng)價(jià)模型確定聚類結(jié)果中各類的評(píng)價(jià)指標(biāo)數(shù)據(jù)，所述聚類結(jié)果評(píng)價(jià)模型用于表征聚類結(jié)果中，各個(gè)類與評(píng)價(jià)指標(biāo)數(shù)據(jù)的對(duì)應(yīng)關(guān)系，所述評(píng)價(jià)指標(biāo)數(shù)據(jù)用于指示聚類結(jié)果的準(zhǔn)確率，所述聚類結(jié)果評(píng)價(jià)模型是基于預(yù)先構(gòu)造的具有不同準(zhǔn)確率的類進(jìn)行訓(xùn)練得到的；

第二聚類單元，用于響應(yīng)于確定出的評(píng)價(jià)指標(biāo)數(shù)據(jù)的值超出預(yù)設(shè)范圍，更新聚類參數(shù)以基于更新后的聚類參數(shù)對(duì)用戶圖像進(jìn)行聚類。

6.根據(jù)權(quán)利要求5所述的裝置，其中，所述第一確定單元，包括：

獲取子單元，用于獲取類的中心點(diǎn)特征向量和預(yù)設(shè)數(shù)目個(gè)類的輪廓點(diǎn)特征向量，所述中心點(diǎn)特征向量用于表征類中心，所述輪廓點(diǎn)特征向量用于表征聚類邊界；

建立子單元，用于根據(jù)中心點(diǎn)特征向量和輪廓點(diǎn)特征向量建立協(xié)方差矩陣；

確定子單元，用于確定所述協(xié)方差矩陣的特征向量；

輸入子單元，用于將所述協(xié)方差矩陣的特征向量輸入預(yù)先訓(xùn)練的聚類結(jié)果評(píng)價(jià)模型得到類的評(píng)價(jià)指標(biāo)數(shù)據(jù)。

7.根據(jù)權(quán)利要求6所述的裝置，其中，類的中心點(diǎn)特征向量的坐標(biāo)為屬于該類的圖像的特征向量的坐標(biāo)的平均值。

8.根據(jù)權(quán)利要求6所述的裝置，其中，所述裝置還包括第二確定單元，所述第二確定單元，用于：

將該類中的特征向量確定為備選特征向量；

將所確定的備選特征向量中與類的中心點(diǎn)特征向量距離最遠(yuǎn)的備選特征向量確定為輪廓點(diǎn)特征向量，并加入輪廓點(diǎn)特征向量集合；

重復(fù)執(zhí)行以下步驟，直到所述輪廓點(diǎn)特征向量集合中輪廓點(diǎn)特征向量的數(shù)目達(dá)到預(yù)設(shè)數(shù)目：將與類的中心點(diǎn)特征向量的距離和與所述輪廓點(diǎn)特征向量集合中的各輪廓點(diǎn)特征向量的距離之和最大的備選特征向量確定為輪廓點(diǎn)特征向量，并加入所述輪廓點(diǎn)特征向量集合。