图像的聚类方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了一种图像的聚类方法、装置、设备和存储介质，该方案中，对于待识别处理的所有图像分别进行人体区域的识别处理，然后将人体区域进行一致性的处理，置为同一个颜色的像素，得到多个背景图像。然后通过深度学习的方式分别对每个背景图像进行学习得到对应的特征矩阵，最后基于特征矩阵确定背景图像之间的相似性，然后进行图像聚类，得到多个图像集合。这些图像集合中的图像的背景高度相似，可确认为基本相同的背景，因此这些图像中的用户需要验证是否是团队操作，避免出现团伙导致的安全隐患，提高安全性。提高安全性。提高安全性。

【技术实现步骤摘要】
图像的聚类方法、装置、设备和存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种图像的聚类方法、装置、设备和存储介质。

技术介绍

[0002]随着技术的发展，在各个行业中都广泛的使用计算机技术，数字技术等，对于银行，证券等金融行业来说，为了保障财务安全，对于用户身份真实性的核验是非常重要的部分。
[0003]目前，在金融级别的身份认证中，主要采用身份证OCR识别，或者活体检测，和人脸对比等方式，对用户的身份进行验证。举例来说，可以通过照片比对的方式对用户进行身份核验，简而言之，对比用户的真实场景下的图片与证件照片，将图像中的人脸信息与身份证中的人脸信息进行比对，自动进行身份鉴别。又或者可以在身份验证之后，通过视频的方式指示用户做出不同的面部表情，确认用户是真实存在等，进一步实现用户的身份验证。
[0004]然而，目前的这种方式只能对每个用户个体进行验证，在金融场景中，存在多个用户组成的团伙对金融安全造成隐患，并不能对于用户是否属于某个团伙进行识别，存在一定的安全隐患。

技术实现思路

[0005]本专利技术的主要目的在于提供一种图像的聚类方法、装置、设备和存储介质，以解决现有技术中对用户身份进行进行验证的方式，无法识别是否存在团伙用户带来的安全隐患的问题。
[0006]为实现上述目的，本专利技术提供一种图像的聚类方法，包括：
[0007]识别待处理的多个图像中的人体区域，并将每个图像中的人体区域置为相同像素，得到多个背景图像；
[0008]通过深度学习方式分别每个背景图像进行特征学习，得到每个背景图像对应的特征矩阵；
[0009]基于每个背景图像对应的特征矩阵对所述多个图像进行聚类，得到多个图像集合，其中，每个图像集合中的图像的背景图像的相似度大于预设阈值。
[0010]在一种具体实施方式中，所述基于每个背景图像对应的特征矩阵对所述多个图像进行聚类，得到多个图片集合，包括：
[0011]对每个背景图像对应的特征矩阵进行归一化处理，得到处理后的特征矩阵；
[0012]根据每个背景图像处理后的特征矩阵，采用DBSCAN算法进行聚类，得到多个背景图像集合，每个背景图像集合中的多个背景图像之间的相似度大于所述预设阈值；
[0013]根据所述多个背景图像集合，获取所述多个图像集合。
[0014]在一种具体实施方式中，所述识别待处理的多个图像中的人体区域之后，所述方法还包括：
[0015]分别提取每个图像中的人体区域，并将提取到的多个人体区域进行存储；
[0016]相应的，所述根据所述多个背景图像集合，获取所述多个图像集合，包括：
[0017]针对每个背景图像集合，根据所述背景图像集合中的每个背景图像对应的人体区域，对所述背景图像进行补充，得到所述背景图像集合对应的图像集合。
[0018]在一种具体实施方式中，所述将每个图像中的人体区域置为相同像素，得到多个背景图像之后，所述方法还包括：
[0019]建立每个背景图像与所属图像之间的映射关系；
[0020]相应的，所述根据所述多个背景图像集合，获取所述多个图像集合，包括：
[0021]针对每个背景图像集合，根据所述背景图像集合中的背景图像以及所述映射关系，获取每个背景图像的所属图像，得到所述背景图像集合对应的图像集合。
[0022]在一种具体实施方式中，所述通过深度学习方式分别每个背景图像进行特征学习，得到每个背景图像对应的特征矩阵，包括：
[0023]根据预训练的resnet50模型对每个背景图像进行特征学习，得到对应的特征矩阵。
[0024]在一种具体实施方式中，所述识别待处理的多个图像中的人体区域，并将每个图像中的人体区域置为相同像素，得到多个背景图像，包括：
[0025]根据语义分割技术对所述多个图像分别进行识别处理，识别出每个图像中的人体区域；
[0026]将每个图像中的人体区域置为黑色，得到所述多个背景图像。
[0027]在一种具体实施方式中，所述将每个图像中的人体区域剔除或者置为黑色，得到所述多个背景图像之前，所述方法还包括：
[0028]对每个图像中的人体区域的轮廓进行平滑处理。
[0029]在一种具体实施方式中，所述识别待处理的多个图像中的人体区域之前，所述方法还包括：
[0030]从用于存储身份核验数据的数据库中获取所述多个图像，所述多个图像为不同用户上传的用于身份核验的照片。
[0031]本专利技术还提供一种图像的聚类装置，包括：
[0032]图像识别模块，用于识别待处理的多个图像中的人体区域，并将每个图像中的人体区域置为相同像素，得到多个背景图像；
[0033]特征提取模块，用于通过深度学习方式分别每个背景图像进行特征学习，得到每个背景图像对应的特征矩阵；
[0034]聚类模块，用于基于每个背景图像对应的特征矩阵对所述多个图像进行聚类，得到多个图像集合，其中，每个图像集合中的图像的背景图像的相似度大于预设阈值。
[0035]本专利技术还提供一种电子设备，所述电子设备包括：
[0036]存储器、处理器以及交互接口；
[0037]所述存储器存储有可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现第一方面任一项提供的图像的聚类方法的步骤。
[0038]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项提供的图像的聚类方法的
步骤。
[0039]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行实现第一方面任一项提供的图像的聚类方法的步骤。
[0040]本专利技术中，对于待识别处理的所有图像分别进行人体区域的识别处理，然后将人体区域进行一致性的处理，置为同一个颜色的像素，得到多个背景图像。然后通过深度学习的方式分别对每个背景图像进行学习得到对应的特征矩阵，最后基于特征矩阵确定背景图像之间的相似性，然后进行图像聚类，得到多个图像集合。这些图像集合中的图像的背景高度相似，可确认为基本相同的背景，因此这些图像中的用户需要验证是否是团队操作，避免出现团伙导致的安全隐患，提高安全性。
附图说明
[0041]图1为本专利技术提供的一种图像的聚类方法的应用场景示意图；
[0042]图2为本专利技术提供的图像的聚类方法实施例一的流程示意图；
[0043]图3为本专利技术提供的图像的聚类方法实施例二的流程示意图；
[0044]图4为本专利技术提供的图像的聚类装置实施例一的结构示意图；
[0045]图5为本专利技术提供的电子设备实施例一的结构示意图。
[0046]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0047]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像的聚类方法，其特征在于，包括：识别待处理的多个图像中的人体区域，并将每个图像中的人体区域置为相同像素，得到多个背景图像；通过深度学习方式分别每个背景图像进行特征学习，得到每个背景图像对应的特征矩阵；基于每个背景图像对应的特征矩阵对所述多个图像进行聚类，得到多个图像集合，其中，每个图像集合中的图像的背景图像的相似度大于预设阈值。2.根据权利要求1所述的方法，其特征在于，所述基于每个背景图像对应的特征矩阵对所述多个图像进行聚类，得到多个图片集合，包括：对每个背景图像对应的特征矩阵进行归一化处理，得到处理后的特征矩阵；根据每个背景图像处理后的特征矩阵，采用基于密度的噪声应用空间聚类DBSCAN算法进行聚类，得到多个背景图像集合，每个背景图像集合中的多个背景图像之间的相似度大于所述预设阈值；根据所述多个背景图像集合，获取所述多个图像集合。3.根据权利要求2所述的方法，其特征在于，所述识别待处理的多个图像中的人体区域之后，所述方法还包括：分别提取每个图像中的人体区域，并将提取到的多个人体区域进行存储；相应的，所述根据所述多个背景图像集合，获取所述多个图像集合，包括：针对每个背景图像集合，根据所述背景图像集合中的每个背景图像对应的人体区域，对所述背景图像进行补充，得到所述背景图像集合对应的图像集合。4.根据权利要求2所述的方法，其特征在于，所述将每个图像中的人体区域置为相同像素，得到多个背景图像之后，所述方法还包括：建立每个背景图像与所属图像之间的映射关系；相应的，所述根据所述多个背景图像集合，获取所述多个图像集合，包括：针对每个背景图像集合，根据所述背景图像集合中的背景图像以及所述映射关系，获取每个背景图像的所属图像，得到所述背景图像集合对应的图像集合。5.根据权利要求1所述的方法，其特征在于，所述通过深度学习方式分别每个背景图像进行特征学习，得到每个背景图像对应的特征矩阵，包括：根据预训练的resnet...

【专利技术属性】
技术研发人员：蔡林，周古月，吴泽衡，徐倩，杨强，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：