[發明專利]圖像聚類方法及裝置、電子設備和存儲介質

有效

• 申請號: 201910204426.1
• 申請日: 2019-03-18
• 公開（公告）號: CN109800744B
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 徐靜;趙瑞
• 申請（專利權）人: 深圳市商湯科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

1.一種圖像聚類方法，其特征在于，包括：

獲取圖像集中每個圖像對應的人臉特征以及屬性特征；

利用各圖像的人臉特征的相似度對所述圖像集執行針對相同對象的聚類處理，得到至少一個第一類組，每個所述第一類組包括的圖像為預測出的包括相同對象的圖像；

利用每個所述第一類組內各圖像的人臉特征和屬性特征，確定針對每個第一類組的相似度矩陣，所述相似度矩陣內的元素表示相應的第一類組內各圖像之間的相似度；

基于每個第一類組對應的相似度矩陣以及每個第一類組內的各圖像的人臉特征，對每個第一類組內的各圖像進行重新聚類，得到至少一個第二類組，所述第二類組內的圖像為優化預測的具有相同對象的圖像；

所述基于每個第一類組對應的相似度矩陣以及每個第一類組內的各圖像的人臉特征，對每個第一類組內的各圖像進行重新聚類，得到至少一個第二類組，包括：

對每個第一類組對應的相似度矩陣進行預處理，得到預處理后的相似度矩陣；

對每個第一類組對應的預處理后相似度矩陣和第一類組內的各圖像的人臉特征執行至少一層圖卷積處理，獲得針對每個第一類組的置信度矩陣，所述置信度矩陣中的元素表示第一類組內的各圖像被分配在該第一類組的置信度；

根據第一類組內各圖像對應的置信度對第一類組執行重新聚類，獲得重新聚類后的第二類組。

2.根據權利要求1所述的方法，其特征在于，所述利用各圖像的人臉特征的相似度對所述圖像集執行聚類處理，得到至少一個第一類組，包括：

確定所述圖像集中各圖像對應的人臉特征之間的相似度；

基于各人臉特征之間的相似度，確定與每個圖像的人臉特征相似度最高的K個圖像，K為大于或者等于1的整數；

從與每個圖像的人臉特征的相似度最高的K個圖像中選擇出人臉特征的相似度超過第一閾值的第一圖像；

根據每個圖像及其對應的第一圖像形成第一類組。

3.根據權利要求2所述的方法，其特征在于，包括多個第一閾值，所述利用各圖像的人臉特征的相似度對所述圖像集執行聚類處理，得到至少一個第一類組，還包括：

針對不同的第一閾值，形成與每個所述第一閾值對應的第一類組。

4.根據權利要求1-3中任意一項所述的方法，其特征在于，所述利用每個所述第一類組內各圖像的人臉特征和屬性特征，確定針對每個第一類組的相似度矩陣，包括：

基于每個第一類組內各圖像的人臉特征之間的相似度確定針對相應第一類組的人臉特征相似度矩陣，以及基于每個第一類組內各圖像的屬性特征確定針對相應第一類組的屬性特征相似度矩陣，所述人臉特征相似度矩陣中的元素表示第一類組內各圖像的人臉特征之間的相似度，所述屬性特征相似度矩陣中的元素表示第一類組內各圖像的屬性特征之間的相似度；

根據每個第一類組的人臉特征相似度矩陣和屬性特征相似度矩陣，得到對應于每個第一類組的所述相似度矩陣。

5.根據權利要求4所述的方法，其特征在于，所述基于每個第一類組內各圖像的屬性特征確定針對相應第一類組的屬性特征相似度矩陣，包括：

確定第一類組內每個圖像的屬性特征與該第一類組內的全部圖像的屬性特征之間的屬性特征相似度；

基于第一類組內各圖像的屬性特征之間的相似度，確定針對所述第一類組的屬性特征相似度矩陣。

6.根據權利要求4所述的方法，其特征在于，所述人臉特征相似度矩陣的第i行元素表示第一類組內第i個圖像的人臉特征與該第一類組內的各圖像的人臉特征之間的相似度；

所述屬性特征相似度矩陣的第i行元素表示第一類組內第i個圖像的屬性特征與該第一類組內的各圖像的屬性特征之間的相似度；

i為大于或者等于1且小于或者等于N整數，N表示第一類組內圖像的個數。

7.根據權利要求4所述的方法，其特征在于，所述人臉特征之間的相似度和/或所述屬性特征之間的相似度為余弦相似度。