[發明專利]目標圖像的聚類方法、裝置、電子設備和計算機可讀介質

在審

• 申請號: 202110064499.2
• 申請日: 2021-01-18
• 公開（公告）號: CN112749668A
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 蘇安煬;唐大閏;趙晨旭
• 申請（專利權）人: 上海明略人工智能（集團）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 李曼

本申請提供了一種目標圖像的聚類方法、裝置、電子設備和計算機可讀介質方法，屬于圖像技術領域。方法包括：將獲取到的目標圖像輸入特征提取模型，得到特征提取模型輸出的目標圖像的特征矩陣；通過第一聚類方案對特征矩陣進行處理，得到特征矩陣中的孤立向量；在孤立向量的數量與區塊的數量的比值不位于預設數值區間中的情況下，調整所述第一聚類方案中的轉移概率值，直至所述孤立向量的數量與區塊的數量的比值位于所述預設數值區間中，其中，所述轉移概率值應用在所述特征矩陣的處理過程中。本申請提高聚類的準確性。

技術領域

本申請涉及圖像技術領域，尤其涉及一種目標圖像的聚類方法、裝置、電子設備和計算機可讀介質。

背景技術

人臉聚類是一種面向未知(未注冊)批量人臉數據，為每個個體分配ID的技術手段。在有用戶頻繁到訪的場所中，比如汽車4S店、餐廳、酒店等公共場所，可以使用監控視頻采集到訪用戶的臉部信息，并處理成特征向量保存成特征矩陣，然后從該特征矩陣中查找出頻繁到訪用戶的特征并賦予其獨立的ID，等該ID等待用戶再次到訪時，可以快速感知并預先準備提供該用戶需要的服務。

目前一般采用聚類算法對人臉進行分類，聚類分析又稱群分析，它是研究(樣品或指標)分類問題的一種統計分析方法，同時也是數據挖掘的一個重要算法。聚類算法以同一個用戶的臉部圖片的相似性為基礎，對人臉進行分類，同一個聚類中的人臉特征比不在同一聚類中的人臉特征之間具有更多的相似性。但由于聚類算法屬于一種無監督學習，其聚類結果不可知，無法判斷最終聚類效果，因此也無法提高聚類準確度。

發明內容

本申請實施例的目的在于提供一種目標圖像的聚類方法、裝置、電子設備和計算機可讀介質，以解決聚類準確度低的問題。具體技術方案如下：

第一方面，提供了一種目標圖像的聚類方法，所述方法包括：

將獲取到的目標圖像輸入特征提取模型，得到所述特征提取模型輸出的所述目標圖像的特征矩陣，其中，所述特征矩陣中包含每個所述目標圖像的特征向量；

通過第一聚類方案對所述特征矩陣進行處理，得到所述特征矩陣中的孤立向量，其中，所述處理后的特征矩陣中包含多個區塊，每個區塊中包括至少一個特征向量，每個所述區塊表示目標圖像的一種類型，每個所述特征向量表示一個目標圖像，所述孤立向量表示所述區塊中有且僅有一個向量；

在所述孤立向量的數量與區塊的數量的比值不位于預設數值區間中的情況下，調整所述第一聚類方案中的轉移概率值，直至所述孤立向量的數量與區塊的數量的比值位于所述預設數值區間中，其中，所述轉移概率值應用在所述特征矩陣的處理過程中。

可選地，所述通過所述第一聚類方案對所述特征矩陣進行處理，得到所述特征矩陣中的孤立向量包括：

通過第二聚類方案確定所述特征矩陣中每個特征向量的多個最近鄰近點；

根據所述多個最近鄰近點將所述特征矩陣劃分為不同區塊，得到最近鄰矩陣；

通過所述第一聚類方案對所述最近鄰矩陣進行處理，得到所述最近鄰矩陣中的孤立向量。

可選地，在調整所述第一聚類方案中的轉移概率值，直至所述孤立向量的數量與區塊的數量的比值位于所述預設數值區間中之后，所述方法還包括：

根據調整后的孤立向量和區塊生成目標矩陣，其中，所述目標矩陣包括多個區塊，每個所述區塊對應至少一個特征向量；

將所述區塊和所述區塊對應的特征向量存入特征索引庫中。

可選地，將所述區塊和所述區塊對應的特征向量存入特征索引庫中之后，所述方法還包括：

確定所述目標矩陣中的孤立向量和所述孤立向量對應的第一圖像；

對所述第一圖像進行數據增強得到第二圖像，并通過深度學習方案提取所述第二圖像中的圖像向量；