[發明專利]人臉聚類方法、裝置、設備和存儲介質

有效

• 申請號: 201910737332.0
• 申請日: 2019-08-12
• 公開（公告）號: CN110232373B
• 公開（公告）日: 2020-01-03
• 發明（設計）人: 楊東泉;丁保劍;秦偉;劉偉;李德紘;張少文
• 申請（專利權）人: 佳都新太科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 11638 北京權智天下知識產權代理事務所(普通合伙)
• 代理人: 王新愛

本發明實施例公開了一種人臉聚類方法、裝置、設備和存儲介質，該方法包括通過人臉數據集進行訓練得到訓練后的殘差網絡；對所述殘差網絡進行處理得到人臉特征提取器，將待分類的人臉圖片輸入所述人臉特征提取器得到每張人臉圖片對應的人臉特征向量；計算每個人臉特征向量和其它人臉特征向量的向量距離，依據所述向量距離確定每張人臉圖片的鄰居人臉集合；將每張人臉圖片的鄰居人臉集合分別確定為一個簇，將滿足預設條件的簇進行合并。本方案提高了人臉聚類的效率以及準確度。

技術領域

本申請實施例涉及人臉識別技術領域，尤其涉及一種人臉聚類方法、裝置、設備和存儲介質。

背景技術

本部分旨在為權利要求書中陳述的本申請的實施方式提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。

人臉聚類指將人臉根據身份進行分組，通常人臉聚類通過將集合內所有的人臉兩兩之間做人臉比對，再根據比對得到的相似度值將屬于同一個身份的人劃分到一個分組中實現聚類。

人臉聚類計算通常包括兩個步驟，人臉特征提取以及對提取的特征利用聚類算法進行聚類。關于人臉特征提取，傳統的特征提取方法通常是人為定義一些人臉的關鍵點，然后從圖片中提取出這些關鍵點的值作為人臉的特征，關于聚類算法，常見的有K-means和DBSCAN或者其它聚類算法。其中，人為定義人臉特征點的方式工作量大且引入了大量人的先驗經驗，通用的聚類算法在做一般數值型的聚類任務時往往會取得比較好的效果，但在人臉聚類這個特定的業務場景下效果較差，適用度較低。

發明內容

本發明實施例提供了一種人臉聚類方法、裝置、設備和存儲介質，提高了人臉聚類的效率以及準確度。

第一方面，本發明實施例提供了一種人臉聚類方法，該方法包括：

通過人臉數據集進行訓練得到訓練后的殘差網絡；

對所述殘差網絡進行處理得到人臉特征提取器，將待分類的人臉圖片輸入所述人臉特征提取器得到每張人臉圖片對應的人臉特征向量；

根據公式

計算每個人臉特征向量和其它人臉特征向量的向量距離，其中，和分別代表兩張不同的人臉圖片，和分別為每張圖片對應的人臉特征向量，根據公式

對所述向量距離進行歸一化處理，將處理結果中小于第一預設閾值的人臉圖片確定為鄰居人臉集合，其中N代表樣本數量，為大于1的正整數；

將每張人臉圖片的鄰居人臉集合分別確定為一個簇，將滿足預設條件的簇進行合并。

第二方面，本發明實施例還提供了一種人臉聚類裝置，該裝置包括：

殘差網絡訓練模塊，用于通過人臉數據集進行訓練得到訓練后的殘差網絡；

特征提取模塊，用于對所述殘差網絡進行處理得到人臉特征提取器；

特征向量確定模塊，用于將待分類的人臉圖片輸入所述人臉特征提取器得到每張人臉圖片對應的人臉特征向量；

向量距離計算模塊，用于根據公式

計算每個人臉特征向量和其它人臉特征向量的向量距離，其中，和分別代表兩張不同的人臉圖片，和分別為每張圖片對應的人臉特征向量，根據公式

對所述向量距離進行歸一化處理，將處理結果中小于第一預設閾值的人臉圖片確定為鄰居人臉集合，其中N代表樣本數量，為大于1的正整數；

合并模塊，用于將每張人臉圖片的鄰居人臉集合分別確定為一個簇，將滿足預設條件的簇進行合并。