图像聚类处理方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种图像聚类处理方法、装置、电子设备及存储介质，本申请具体用于准备待聚类图像集中所有图像及其身份特征和质量系数；然后根据质量系数的大小对待聚类图像集进行排序，将质量系数最高的图像选出作为基本图像，计算所述基本图像与其他图像之间的距离，从中选出距离高于预设特征阈值的图像，并与基本图像构成一个图像聚类，将待聚类图像集中去除图像聚类中所有的图像，构成新的待聚类图像集，并再次执行排序、选基本图像、计算距离并进行聚类处理的操作。通过上述操作可以将高质量图像作为聚类中心进行聚类，有效地避免了不同的人脸质量图像对聚类结果带来的干扰，进而避免了聚类的大面积错误。

【技术实现步骤摘要】
图像聚类处理方法、装置、电子设备及存储介质
本公开涉及图像处理
，尤其涉及一种图像聚类处理方法、装置、电子设备及存储介质。
技术介绍
图像聚类就是将同包含同一个人脸的图像聚成一类，从而将不同人的图像分开，比如移动设备的相册，通过将同一个人的照片聚集在一起，方便用户的相册管理。人脸聚类依赖于人脸特征，同一个人的人脸特征之间的距离小，更相似，不同人的人脸特征距离大，更不相似。目前，最常用的聚类算法是层次化的聚类算法，不需要提供聚类的类别数，可以根据先验知识确定类别间的最大距离完成聚类过程，简单高效。层次化聚类首先计算所有个体之间的距离，然后选择距离最近的两个个体聚成一类，然后重复进行这种选择，直到最近的两个个体距离超过我们规定的最小距离为止。然而，层次化聚类通过迭代完成不同类别之间的合并，在针对人脸图像进行聚类时特别容易造成错误的传导，比如要在很大的图像集中完成聚类，往往有很多侧脸的人脸图像或者质量不好的人脸图像，这些人脸图像很容易聚成一类，并传导给同一个人的正常人脸图像，造成聚类的大面积错误。
技术实现思路
为克服相关技术中存在的问题，本公开提供一种图像聚类处理方法、装置、电子设备及存储介质。第一方面，提供了一种图像聚类处理方法，包括：准备待聚类图像集；根据所述每个待聚类的图像的质量系数的大小顺序，将所述待聚类图像集中所有所述图像进行排序；从所述待聚类图像集中选出质量系数最高的所述图像作为基本图像，并将所述基本图像的身份特征作为基本特征；计算所述基本特征与所述待聚类图像集中其他所述图像的身份特征之间的距离；选出所述待聚类图像集中所述距离高于预设特征阈值的图像，并与所述基本图像构成一个图像聚类，所述基本特征为所述图像聚类的代表特征；将所述待聚类图像集中去除所述图像聚类中所有的图像，构成新的待聚类图像集，并返回到所述根据每个所述待聚类的图像的质量系数的大小顺序，将所述待聚类图像集中所有所述图像进行排序步骤。可选的，所述准备待聚类图像集，包括：获取待聚类的多个图像；对每个所述图像进行特征提取，得到每个所述图像的身份特征；计算每个所述图像的质量系数；将所述多个图像及其所述身份特征和所述质量系数构造为所述待聚类图像集。可选的，所述对所述待聚类图像集中每个所述图像进行特征提取，得到所述图像的身份特征，包括：对所述图像采用vgg-face模型进行特征提取，得到所述身份特征。可选的，所述计算每个所述图像的质量系数，包括：对所述图像的人脸角度和清晰度进行加权处理，得到所述图像的质量系数。可选的，还包括：当所述基本图像的质量系数低于预设质量阈值时，停止聚类处理，并将剩余的所有图像做丢弃处理。第二方面，提供了一种图像聚类处理装置，包括：图像集准备模块，配置为准备待聚类图像集；图像排序模块，被配置为根据每个待聚类的图像的质量系数的大小顺序，将所述待聚类图像集中的所有所述图像进行排序；图像选定模块，被配置为从所述待聚类图像集中选出质量系数最高的所述图像作为基本图像，并将所述基本图像的身份特征作为基本特征；距离计算模块，被配置为计算所述基本特征与所述待聚类图像集中其他所述图像的身份特征之间的距离；聚类执行模块，被配置为选出所述待聚类图像集中所述距离高于预设特征阈值的图像，并与所述基本图像构成一个图像聚类，所述基本特征为所述图像聚类的代表特征；图像筛除模块，被配置为将所述待聚类图像集中去除所述图像聚类中所有的图像，构成新的待聚类图像集，并控制所述图像排序模块再次执行根据所述每个所述图像的质量系数的大小顺序，将所述待聚类图像集中所有所述图像进行排序操作。可选的，所述图像集准备模块包括：图像获取单元，被配置为获取待聚类的多个图像；特征提取单元，被配置为对每个所述图像进行特征提取，得到每个所述图像的身份特征；系数计算单元，被配置为计算每个所述图像的质量系数；图像集构造单元，被配置为将所述多个图像及其所述身份特征和所述质量系数构造为所述待聚类图像集。可选的，所述特征提取单元被配置为对所述图像采用vgg-face模型进行特征提取，得到所述身份特征。可选的，所述系数计算单元被配置为对所述图像的人脸角度和清晰度进行加权处理，得到所述图像的质量系数。可选的，还包括：丢弃处理模块，被配置为当所述基本图像的质量系数低于预设质量阈值时，停止聚类处理，并将剩余的所有图像做丢弃处理。第三方面，提供了一种电子设备，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行如第一方面所述的图像聚类处理方法。第四方面，提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行如第一方面所述的图像聚类处理方法。第五方面，提供了一种计算机程序，该计算机程序用于执行如第一方面所述的图像聚类处理方法。本公开的实施例提供的技术方案可以包括以下有益效果：通过准备待聚类图像集中所有图像及其身份特征和质量系数；然后根据质量系数的大小对待聚类图像集进行排序，将质量系数最高的图像选出作为基本图像，计算所述基本图像与其他图像之间的距离，从中选出距离高于预设特征阈值的图像，并与基本图像构成一个图像聚类，将待聚类图像集中去除图像聚类中所有的图像，构成新的待聚类图像集，并再次执行排序、选基本图像、计算距离并进行聚类处理的操作。通过上述操作可以将高质量图像作为聚类中心进行聚类，有效地避免了不同的人脸质量图像对聚类结果带来的干扰，进而避免了聚类的大面积错误。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是根据一示例性实施例示出的一种图像聚类处理方法的流程图；图2是根据一示例性实施例示出的另一种图像聚类处理方法的流程图；图3是根据一示例性实施例示出的一种图像聚类处理装置的框图；图4是根据一示例性实施例示出的另一种图像聚类处理装置的框图；图5是根据一示例性实施例示出的一种电子设备的框图；图6是根据一示例性实施例示出的另一种电子设备的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。图1是根据一示例性实施例示出的一种图像聚类处理方法的流程图。如图1所示，本实施例提供的图像聚类处理方法应用于服务器、移动终端等电子设备中，用于对待处理的多个图像进行聚类处理，该方法包括以下步骤。S11、准备待聚类图像集。这里的待聚类图像集包括多个图像，且包括对应于每个图像的身份特征和质量系数。具体的，通过如下方法准备该待聚类图像集。首先，获取待聚类的多个图像。然后，提取待聚类的每个图像的身份特征，并计算每个图像的质量系数。最后，将所有图像及其身份特征和质量系数构造为该待聚类图像集。这里，是通过vgg-face模型提取每个图像的身份特征；在计算质量系数时，对于人脸图像来说，是对其中人脸角度和清晰度进行加权计算得到，例如对本文档来自技高网...

【技术保护点】
1.一种图像聚类处理方法，其特征在于，包括：准备待聚类图像集；根据所述每个待聚类的图像的质量系数的大小顺序，将所述待聚类图像集中所有所述图像进行排序；从所述待聚类图像集中选出质量系数最高的所述图像作为基本图像，并将所述基本图像的身份特征作为基本特征；计算所述基本特征与所述待聚类图像集中其他所述图像的身份特征之间的距离；选出所述待聚类图像集中所述距离高于预设特征阈值的图像，并与所述基本图像构成一个图像聚类，所述基本特征为所述图像聚类的代表特征；将所述待聚类图像集中去除所述图像聚类中所有的图像，构成新的待聚类图像集，并返回到所述根据每个所述待聚类的图像的质量系数的大小顺序，将所述待聚类图像集中所有所述图像进行排序步骤。

【技术特征摘要】
1.一种图像聚类处理方法，其特征在于，包括：准备待聚类图像集；根据所述每个待聚类的图像的质量系数的大小顺序，将所述待聚类图像集中所有所述图像进行排序；从所述待聚类图像集中选出质量系数最高的所述图像作为基本图像，并将所述基本图像的身份特征作为基本特征；计算所述基本特征与所述待聚类图像集中其他所述图像的身份特征之间的距离；选出所述待聚类图像集中所述距离高于预设特征阈值的图像，并与所述基本图像构成一个图像聚类，所述基本特征为所述图像聚类的代表特征；将所述待聚类图像集中去除所述图像聚类中所有的图像，构成新的待聚类图像集，并返回到所述根据每个所述待聚类的图像的质量系数的大小顺序，将所述待聚类图像集中所有所述图像进行排序步骤。2.如权利要求1所述的图像聚类处理方法，其特征在于，所述准备待聚类图像集，包括：获取待聚类的多个图像；对每个所述图像进行特征提取，得到每个所述图像的身份特征；计算每个所述图像的质量系数；将所述多个图像及其所述身份特征和所述质量系数构造为所述待聚类图像集。3.如权利要求2所述的图像聚类处理方法，其特征在于，所述对所述待聚类图像集中每个所述图像进行特征提取，得到所述图像的身份特征，包括：对所述图像采用vgg-face模型进行特征提取，得到所述身份特征。4.如权利要求2所述的图像聚类处理方法，其特征在于，所述计算每个所述图像的质量系数，包括：对所述图像的人脸角度和清晰度进行加权处理，得到所述图像的质量系数。5.如权利要求1至4任一项所述的图像聚类处理方法，其特征在于，还包括：当所述基本图像的质量系数低于预设质量阈值时，停止聚类处理，并将剩余的所有图像做丢弃处理。6.一种图像聚类处理装置，其特征在于，包括：图像集准备模块，被配置为准备待聚类图像...

【专利技术属性】
技术研发人员：杨帆，刘岸，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京,11