人脸聚类方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种人脸聚类方法、装置、计算机设备及存储介质，该人脸聚类方法包括：获取聚类人脸图像，采用特征提取模型对所述聚类人脸图像进行特征提取，获取人脸特征向量；对所述人脸特征向量进行中心分裂聚类，实现均匀划分人脸特征向量，获取原始聚类类簇；对所述原始聚类类簇进行类间连通聚类，获取连通聚类类簇；对所述连通聚类类簇进行类内修剪，获取目标聚类类簇，以提高人脸聚类的精确度。

Face clustering method, device, computer equipment and storage medium

【技术实现步骤摘要】
人脸聚类方法、装置、计算机设备及存储介质
本专利技术涉及聚类领域，尤其涉及一种人脸聚类方法、装置、计算机设备及存储介质。
技术介绍
传统人脸聚类算法包括包括但不限于kmeans-聚类算法、基于共享邻居的rankorder聚类方法和DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise，即基于密度的聚类算法)，但是这些传统人脸聚类算法对于大规模人脸图像进行聚类时，存在聚类结果不精确。例如，基于共享邻居的rankorder聚类方法，容易将同一人的人脸特征向量划分成为多个类簇，聚类结果不准确；DBSCAN聚类算法的聚类时间复杂度过高，不能支持千万级人脸特征向量聚类；K-means聚类算法难以对人脸特征向量进行精准聚类，对大规模人脸特征向量难以均匀划分，影响聚类结果的精确度。
技术实现思路
本专利技术实施例提供一种人脸聚类方法、装置、计算机设备及存储介质，以解决人脸聚类不精确的问题。一种人脸聚类方法，包括：获取聚类人脸图像，采用特征提取模型对所述聚类人本文档来自技高网...

【技术保护点】
1.一种人脸聚类方法，其特征在于，包括：/n获取聚类人脸图像，采用特征提取模型对所述聚类人脸图像进行特征提取，获取人脸特征向量；/n对所述人脸特征向量进行中心分裂聚类，获取原始聚类类簇；/n对所述原始聚类类簇进行类间连通聚类，获取连通聚类类簇；/n对所述连通聚类类簇进行类内修剪，获取目标聚类类簇。/n

【技术特征摘要】
1.一种人脸聚类方法，其特征在于，包括：
获取聚类人脸图像，采用特征提取模型对所述聚类人脸图像进行特征提取，获取人脸特征向量；
对所述人脸特征向量进行中心分裂聚类，获取原始聚类类簇；
对所述原始聚类类簇进行类间连通聚类，获取连通聚类类簇；
对所述连通聚类类簇进行类内修剪，获取目标聚类类簇。


2.如权利要求1所述的人脸聚类方法，其特征在于，在所述对所述人脸特征向量进行中心分裂聚类，获取原始聚类类簇之后，所述人脸聚类方法还包括：
若所述原始聚类类簇中所述人脸特征向量的数量大于第一数量阈值，则采用程序接口将所述原始聚类类簇中的所述人脸特征向量分配到至少两个GPU进行处理。


3.如权利要求1所述的人脸聚类方法，其特征在于，所述对所述人脸特征向量进行中心分裂聚类，获取原始聚类类簇，包括：
基于所述人脸特征向量生成初始人脸矩阵，计算所述初始人脸矩阵对应的初始特征平均向量；
基于所述初始特征平均向量对所述初始人脸矩阵进行聚类，获取第一聚类类簇；
若所述第一聚类类簇中人脸特征向量的数量小于第二数量阈值，将所述第一聚类类簇确定为原始聚类类簇。


4.如权利要求3所述的人脸聚类方法，其特征在于，所述基于所述初始特征平均向量对所述初始人脸矩阵进行聚类，获取第一聚类类簇，包括：
计算所述初始人脸矩阵中每一人脸特征向量与所述初始特征平均向量的初始相似度，对所述初始相似度进行排序，获取排序结果；
从所述排序结果间隔抽取z个初始相似度，从所述初始人脸矩阵中抽取与z个初始相似度相对应的z个聚类中心；
依据所述z个聚类中心对所述初始人脸矩阵中的所有人脸特征向量进行聚类，生成第一聚类类簇。


5.如权利要求1所述的人脸聚类方法，其特征在于，所述对所述原始聚类类簇进行类间连通聚类，获取连通聚类类簇，包括：
计算每一所述原始聚类类簇对应的第一特征平均向量，采用相似度算法对所述第一特征平均向量和所述原始聚类类簇中任意一个所述人脸特征向量进行计算，确定所述第一特征...

【专利技术属性】
技术研发人员：蔡中印，陆进，陈斌，宋晨，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44