受限空间内自适应人脸聚类的方法、计算机装置及计算机可读存储介质制造方法及图纸

本发明专利技术提供一种受限空间内自适应人脸聚类的方法、计算机装置及计算机可读存储介质，该方法包括对原始图像进行人脸检测，获取人脸图像，并计算每一人脸图像的特征向量；计算任意两张人脸图像的特征向量的相似度，根据任意两张人脸图像的特征向量的相似度以及相似度阈值构建无向图，每一人脸图像作为无向图中的一个节点，赋予每一节点一个类别；根据每一节点的邻居节点的类别来确认当前节点的类别，获得一次聚类计算的结果，判断当前聚类计算的结果是否满足预设的要求，如不满足，则调节相似度阈值再次构建无向图，再次进行聚类计算。本发明专利技术还提供实现上述方法的计算机装置及计算机可读存储介质。本发明专利技术可以提高聚类计算的效率与准确性。

【技术实现步骤摘要】
受限空间内自适应人脸聚类的方法、计算机装置及计算机可读存储介质
本专利技术涉及图像识别的
，具体地，是一种在受限空间内自适应人脸聚类的方法以及实现这种方法的计算机装置、计算机可读存储介质。
技术介绍
随着智能技术的发展，通过图像识别的方式来对人员进行识别已经广泛应用在多个领域，例如，在数字图像中对人脸进行检测，并且对检测到的多个人脸进行聚类是一种广泛的需求，除了应用于一般性的数字媒体管理和手机相册管理之外，还可应用于多种现实场景，比如车载视频监控系统，对车内司机和乘客进行脸部抓拍、聚类和识别分析等。现有技术中，进行人脸检测并且对人脸图像聚类的方法通常是先获取多张原始图像，对各原始图像进行人脸检测，确定每一张原始图像中的人脸区域，然后对定位出的人脸区域进行关键点定位和特征提取，并利用提取到的人脸特征向量实现聚类。具体的方法通常包括以下两种：第一种方法通常使用经典的聚类算法，如K-means，mean-shift等实现人脸图像的聚类，从而将属于同一个人的图像聚类在一起。但是，这种聚类算法往往需要预定义类别数量，而且对初始聚类中心和异常值敏感，造成结果的准确性不高。此外，这种聚类算法往往假设同一个人的照片在距离其中心点更近，由于人脸姿态的多样性，比如受光照、肤色、遮挡、人脸姿态等因素影响，这种假设往往不满足实际应用的需求。第二种方法是在提取人脸图像的特征向量后，根据所提取的特征向量构建相似度矩阵，在相似度矩阵中寻找连通图，将每个连通图对应的人脸归为一类。但是，这种方法需要遍历整个由人脸节点构成的图，计算复杂度高，耗时较大，通常难以在短时间内输出人脸图像聚类的结果。
技术实现思路
本专利技术的主要目的是提供一种计算量小且计算准确率高的受限空间内自适应人脸聚类的方法。本专利技术的另一目的是提供一种实现上述受限空间内自适应人脸聚类的方法的计算机装置。本专利技术的再一目的是提供一种实现上述受限空间内自适应人脸聚类的方法的计算机可读存储介质。为实现本专利技术的主要目的，本专利技术提供的受限空间内自适应人脸聚类的方法包括获取至少一张原始图像，对原始图像进行人脸检测，获取原始图像中的人脸图像，并计算每一人脸图像的特征向量；并且，计算任意两张人脸图像的特征向量的相似度，根据任意两张人脸图像的特征向量的相似度以及相似度阈值构建无向图，每一人脸图像作为无向图中的一个节点，赋予每一节点一个类别；根据每一节点的邻居节点的类别来确认当前节点的类别，经过预设次数的迭代计算后获得一次聚类计算的结果，判断当前聚类计算的结果是否满足预设的要求，如不满足，则调节相似度阈值再次构建无向图，再次进行聚类计算。由上述方案可见，通过构建无向图并且通过多次迭代计算来确定每一个节点的类别，通过多次迭代计算后，无向图中节点的类别数量将减少，从而将多张人脸图像划分为有限数量的多类。由于本专利技术的方法通过多次迭代计算进行聚类，每一次迭代计算的计算量并不复杂，聚类计算的计算量较少，能够提高聚类计算的效率。另一方面，由于本专利技术是通过多次聚类计算来确定最终的聚类计算结果，并且在多次聚类计算时，通过使用上一次聚类计算的结果自适应的调节相似度阈值，例如上一次聚类计算输出的结果是类别数量过多，则通过提高相似度阈值来减少聚类计算后的类别数量，能够很好的满足在受限空间内的聚类计算要求。一个优选的方案是，根据每一节点的邻居节点的类别来确认当前节点的类别包括：初次迭代计算时，将当前节点的任一邻居节点的类别赋予当前节点。由此可见，在初次迭代计算时，由于所有节点的类别都是不相同的，因此通过将任意一个邻居节点的类别赋予当前节点，能够最快的启动迭代计算，使得迭代计算的计算量最小化，也使得聚类计算具有可操作性。进一步的方案是，根据每一节点的邻居节点的类别来确认当前节点的类别包括：后续迭代计算时，根据当前节点的所有邻居节点的类别计算当前节点的类别。可见，在后续的迭代计算过程中，需要使用所有的邻居节点作为计算当前节点类别的参考，这样可以确保充分考虑当前节点所有邻居节点的情况，提高当前节点的类别识别准确性。更进一步的方案是，根据当前节点的所有邻居节点的类别计算当前节点的类别包括：确定当前节点与每一邻居节点之间连接线的权重值，根据当前节点与邻居节点之间连接线的权重值、该邻居节点的类别来计算当前节点的类别。可见，使用当前节点与邻居节点之间连接线的权重值、该邻居节点的类别来计算当前节点的类别，可以确保权重值较高的邻居节点的类别对当前节点的类别确定有较大的影响，从而提高当前节点类别计算的准确性。一个优选的方案是，确定当前节点与邻居节点之间连接线的权重值包括：判断当前节点与该邻居节点的特征向量的相似度是否大于或等于相似度阈值，如是，确定与该邻居节点之间连接线的权重值为第一权重值，否则，确定与该邻居节点之间连接线的权重值为第二权重值；其中，第一权重值大于第二权重值。由此可见，对于相似度较高的邻居节点，该邻居节点的类别具有较大的权重，对于相似度较低的邻居节点，该邻居节点的类别具有较小的权重，这样能够确保当前节点的类别与最相似的邻居节点保持一致，提高节点类别计算的准确性。更进一步的方案是，确定当前节点与邻居节点之间连接线的权重值包括：以当前节点与该邻居节点的特征向量的相似度作为权重值。可见，直接使用两个节点的特征向量的相似度作为权重值，简化权重值计算的计算量，有利于减少节点类别计算的时间，从而提高人脸图像聚类计算的效率。更进一步的方案是，判断当前聚类计算的结果是否满足预设的要求包括：判断当前聚类计算的结果中，所有节点的类别数量是否在预设的范围内，如是，确认满足预设的要求。由于在受限空间内，节点的类别数量范围可预先设定，因此只需要判断当前聚类计算的结果中，节点类别数量是否在预设范围内即可以确定当前的聚类结果是否满足要求，可以快速的进行后续的计算。更进一步的方案是，获取一段视频，对视频的每一帧图像进行人脸检测，计算该段视频中出现在各帧图像中的最多人脸数量；确认当前聚类计算的结果是否满足预设的要求包括：所有节点的类别数量不少于视频中出现在各帧图像中的最多人脸数量。更进一步的方案是，当本专利技术应用在受限空间内，该受限空间所能容纳的人数存在上限，例如当本专利技术应用于车载视频监控系统时，由于车厢内人员的数量上限是确定的，因此聚类获得的类别数量上限也是确定的，如果聚类获得的类别数目大于该上限值，表示聚类计算将同一名人员的人脸聚类为至少两类，此时需要进一步调整相似度阈值，重新进行聚类计算，这样可以确保聚类计算结果的准确性。为实现上述的另一目的，本专利技术提供的计算机装置包括处理器以及存储器，存储器存储有计算机程序，计算机程序被处理器执行时实现上述受限空间内自适应人脸聚类的方法的各个步骤。为实现上述的再一目的，本专利技术提供计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述受限空间内自适应人脸聚类的方法的各个步骤。附图说明图1是本专利技术受限空本文档来自技高网...

【技术保护点】
1.受限空间内自适应人脸聚类的方法，包括：/n获取至少一张原始图像，对所述原始图像进行人脸检测，获取所述原始图像中的人脸图像，并计算每一所述人脸图像的特征向量；/n其特征在于：/n计算任意两张所述人脸图像的特征向量的相似度，根据任意两张所述人脸图像的特征向量的相似度以及相似度阈值构建无向图，每一所述人脸图像作为所述无向图中的一个节点，赋予每一所述节点一个类别；/n根据每一所述节点的邻居节点的类别来确认当前节点的类别，经过预设次数的迭代计算后获得一次聚类计算的结果，判断当前聚类计算的结果是否满足预设的要求，如不满足，则调节所述相似度阈值再次构建无向图，再次进行聚类计算。/n

【技术特征摘要】
1.受限空间内自适应人脸聚类的方法，包括：
获取至少一张原始图像，对所述原始图像进行人脸检测，获取所述原始图像中的人脸图像，并计算每一所述人脸图像的特征向量；
其特征在于：
计算任意两张所述人脸图像的特征向量的相似度，根据任意两张所述人脸图像的特征向量的相似度以及相似度阈值构建无向图，每一所述人脸图像作为所述无向图中的一个节点，赋予每一所述节点一个类别；
根据每一所述节点的邻居节点的类别来确认当前节点的类别，经过预设次数的迭代计算后获得一次聚类计算的结果，判断当前聚类计算的结果是否满足预设的要求，如不满足，则调节所述相似度阈值再次构建无向图，再次进行聚类计算。


2.根据权利要求1所述的受限空间内自适应人脸聚类的方法，其特征在于：
根据每一所述节点的邻居节点的类别来确认当前节点的类别包括：初次迭代计算时，将当前节点的任一邻居节点的类别赋予当前节点。


3.根据权利要求2所述的受限空间内自适应人脸聚类的方法，其特征在于：
根据每一所述节点的邻居节点的类别来确认当前节点的类别包括：后续迭代计算时，根据当前节点的所有邻居节点的类别计算当前节点的类别。


4.根据权利要求3所述的受限空间内自适应人脸聚类的方法，其特征在于：
根据当前节点的所有邻居节点的类别计算当前节点的类别包括：确定当前节点与每一邻居节点之间连接线的权重值，根据当前节点与邻居节点之间连接线的权重值、该邻居节点的类别来计算当前节点的类别。


5.根据权利要求4所述的受限空间内自适应人脸聚类的方法，其特征在于：
确定当前节点与邻...

【专利技术属性】
技术研发人员：叶丽萍，丁然，南楠，李晓会，
申请(专利权)人：珠海全志科技股份有限公司，
类型：发明
国别省市：广东;44