人脸聚类子类合并方法、装置及设备制造方法及图纸

一种人脸聚类子类合并方法、装置及设备，通过获取目标时间段内、目标区域范围内的多个待聚类人脸图像，并得到各待聚类人脸图像的子类编号；提取各待聚类人脸图像的时空单元；将各待聚类人脸图像的子类编号和时空单元进行关联，得到各待聚类人脸图像的时空轨迹特征；根据各待聚类人脸图像的时空轨迹特征，计算各子类编号的时空轨迹特征概率分布；通过预设相似度公式计算两个子类编号之间的概率分布相似度；若概率分布相似度大于第一预设阈值，则合并两个子类编号。通过人员时空轨迹特征可以补充数据的维度，并且通过一定周期的时空轨迹特征的统计规律，可以保证每个子类中的各个人脸特征是高内聚的，从而提高了人脸聚类的准确度。度。度。

【技术实现步骤摘要】
人脸聚类子类合并方法、装置及设备


[0001]本专利技术涉及人脸识别
，具体涉及一种人脸聚类子类合并方法、装 置及设备。

技术介绍

[0002]现有技术中，使用比较多的人脸聚类技术有基于融合特征的聚类方法和图 挖掘聚类方法，但是这两种聚类方法在执行时都会出现同一个人脸被分割到不 同子类中的情况，从而导致人脸聚类的准确度较低。

技术实现思路

[0003]本专利技术实施例提供一种人脸聚类子类合并方法、装置及设备，用以提高人 脸聚类的准确度。
[0004]根据第一方面，一种实施例中提供一种人脸聚类子类合并方法，所述方法 包括：
[0005]获取目标时间段内、目标区域范围内的多个待聚类人脸图像，并通过预设 人脸聚类算法得到各所述待聚类人脸图像的子类编号；
[0006]提取各所述待聚类人脸图像的时空单元，所述时空单元包括各所述待聚类 人脸图像对应的摄像头编号和拍摄时间戳；
[0007]将各所述待聚类人脸图像的子类编号和各所述待聚类人脸图像的时空单元 进行关联，得到各所述待聚类人脸图像的时空轨迹特征，其中，所述时空轨迹 特征用于描述所述待聚类人脸图像对应人员的时空轨迹；
[0008]根据各所述待聚类人脸图像的时空轨迹特征，计算各所述子类编号的时空 轨迹特征概率分布；
[0009]根据所述时空轨迹特征概率分布，通过预设相似度公式，计算两个所述子 类编号之间的概率分布相似度；
[0010]若所述概率分布相似度大于第一预设阈值，则合并两个所述子类编号。/>[0011]可选的，所述合并两个所述子类编号，包括：
[0012]将两个所述子类编号合并为相同的子类编号。
[0013]可选的，所述根据各所述待聚类人脸图像的时空轨迹特征，计算各所述子 类编号的时空轨迹特征概率分布，包括：
[0014]统计各所述子类编号对应人员在每个所述时空单元中出现的第一次数，并 统计各所述子类编号对应人员在所有所述时空单元中出现的第二次数；
[0015]将所述第一次数与所述第二次数的比值作为各所述子类编号对应人员在每 个所述时空单元中出现的概率；
[0016]将各所述子类编号对应人员在每个所述时空单元中出现的概率，作为各所 述子类编号的时空轨迹特征概率分布。
[0017]可选的，所述方法还包括：
[0018]计算两个所述子类编号所对应的多个所述时空单元的重合度；
[0019]若所述重合度大于第二预设阈值，则计算两个所述子类编号的轨迹特征相 似度。
[0020]可选的，所述预设相似度公式为JS散度公式。
[0021]可选的，所述拍摄时间戳以拍摄星期和拍摄小时进行度量。
[0022]根据第二方面，一种实施例中提供一种人脸聚类子类合并装置，所述装置 包括：
[0023]获取模块，用于获取目标时间段内、目标区域范围内的多个待聚类人脸图 像，并通过预设人脸聚类算法得到各所述待聚类人脸图像的子类编号；
[0024]提取模块，用于提取各所述待聚类人脸图像的时空单元，所述时空单元包 括各所述待聚类人脸图像对应的摄像头编号和拍摄时间戳；
[0025]关联模块，用于将各所述待聚类人脸图像的子类编号和各所述待聚类人脸 图像的时空单元进行关联，得到各所述待聚类人脸图像的时空轨迹特征，其中， 所述时空轨迹特征用于描述所述待聚类人脸图像对应人员的时空轨迹；
[0026]第一计算模块，用于根据各所述待聚类人脸图像的时空轨迹特征，计算各 所述子类编号的时空轨迹特征概率分布；
[0027]第二计算模块，用于根据所述时空轨迹特征概率分布，通过预设相似度公 式，计算两个所述子类编号之间的概率分布相似度；
[0028]合并模块，用于若所述概率分布相似度大于第一预设阈值，则合并两个所 述子类编号。
[0029]可选的，所述合并模块，具体用于将两个所述子类编号合并为相同的子类 编号。
[0030]可选的，所述第一计算模块，具体用于统计各所述子类编号对应人员在每 个所述时空单元中出现的第一次数，并统计各所述子类编号对应人员在所有所 述时空单元中出现的第二次数；将所述第一次数与所述第二次数的比值作为各 所述子类编号对应人员在每个所述时空单元中出现的概率；将各所述子类编号 对应人员在每个所述时空单元中出现的概率，作为各所述子类编号的时空轨迹 特征概率分布。
[0031]可选的，所述装置还包括第三计算模块，用于计算两个所述子类编号所对 应的多个所述时空单元的重合度；若所述重合度大于第二预设阈值，则计算两 个所述子类编号的轨迹特征相似度。
[0032]可选的，所述预设相似度公式为JS散度公式。
[0033]可选的，所述拍摄时间戳以拍摄星期和拍摄小时进行度量。
[0034]根据第三方面，一种实施例中提供一种电子设备，包括：存储器，用于存 储程序；处理器，用于通过执行所述存储器存储的程序以实现上述第一方面中 任一项所述的人脸聚类子类合并方法。
[0035]根据第四方面，一种实施例中提供一种计算机可读存储介质，所述介质上 存储有程序，所述程序能够被处理器执行以实现上述第一方面中任一项所述的 人脸聚类子类合并方法。
[0036]本专利技术实施例提供一种人脸聚类子类合并方法、装置及设备，通过获取目 标时间段内、目标区域范围内的多个待聚类人脸图像，并通过预设人脸聚类算 法得到各待聚类人脸图像的子类编号；提取各待聚类人脸图像的时空单元，时 空单元包括各待聚类人脸图像对应的摄像头编号和拍摄时间戳；将各待聚类人 脸图像的子类编号和各待聚类人脸图像
的时空单元进行关联，得到各待聚类人 脸图像的时空轨迹特征，其中，时空轨迹特征用于描述待聚类人脸图像对应人 员的时空轨迹；根据各待聚类人脸图像的时空轨迹特征，计算各子类编号的时 空轨迹特征概率分布；通过预设相似度公式，根据时空轨迹特征概率分布，计 算两个子类编号之间的概率分布相似度；若概率分布相似度大于第一预设阈值， 则合并两个子类编号。通过人员时空轨迹特征可以补充数据的维度，并且通过 一定周期的时空轨迹特征的统计规律，可以保证每个子类中的各个人脸特征是 高内聚的，从而提高了人脸聚类的准确度。
附图说明
[0037]图1为本专利技术实施例提供的一种人脸聚类子类合并方法的实施例一的流程 示意图；
[0038]图2为本专利技术实施例提供的一种人脸聚类子类合并方法的实施例二的流程 示意图；
[0039]图3为本专利技术实施例提供的一种人脸聚类子类合并方法的实施例三的流程 示意图；
[0040]图4为本专利技术实施例提供的一种人脸聚类子类合并方法的实施例四的流程 示意图；
[0041]图5为本专利技术实施例提供的一种人脸聚类子类合并装置的结构示意图。
具体实施方式
[0042]下面通过具体实施方式结合附图对本专利技术作进一步详细说明。其中不同实 施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很 多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸聚类子类合并方法，其特征在于，所述方法包括：获取目标时间段内、目标区域范围内的多个待聚类人脸图像，并通过预设人脸聚类算法得到各所述待聚类人脸图像的子类编号；提取各所述待聚类人脸图像的时空单元，所述时空单元包括各所述待聚类人脸图像对应的摄像头编号和拍摄时间戳；将各所述待聚类人脸图像的子类编号和各所述待聚类人脸图像的时空单元进行关联，得到各所述待聚类人脸图像的时空轨迹特征，其中，所述时空轨迹特征用于描述所述待聚类人脸图像对应人员的时空轨迹；根据各所述待聚类人脸图像的时空轨迹特征，计算各所述子类编号的时空轨迹特征概率分布；根据所述时空轨迹特征概率分布，通过预设相似度公式，计算两个所述子类编号之间的概率分布相似度；若所述概率分布相似度大于第一预设阈值，则合并两个所述子类编号。2.如权利要求1所述的方法，其特征在于，所述合并两个所述子类编号，包括：将两个所述子类编号合并为相同的子类编号。3.如权利要求1所述的方法，其特征在于，所述根据各所述待聚类人脸图像的时空轨迹特征，计算各所述子类编号的时空轨迹特征概率分布，包括：统计各所述子类编号对应人员在每个所述时空单元中出现的第一次数，并统计各所述子类编号对应人员在所有所述时空单元中出现的第二次数；将所述第一次数与所述第二次数的比值作为各所述子类编号对应人员在每个所述时空单元中出现的概率；将各所述子类编号对应人员在每个所述时空单元中出现的概率，作为各所述子类编号的时空轨迹特征概率分布。4.如权利要求1所述的方法，其特征在于，所述方法还包括：计算两个所述子类编号所对应的多个所述时空单元的重合度；若所述重合度大于第二预设阈值，则计算两个所述子类编号...

【专利技术属性】
技术研发人员：陈晓东，马帅，陈华庚，刘峰，邹凯，赵梅玲，莫小君，戴世超，熊凡，裴卫斌，徐明，
申请(专利权)人：深圳力维智联技术有限公司，
类型：发明
国别省市：