一人一档的人脸聚类方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种一人一档的人脸聚类方法、装置、计算机设备及存储介质。该方法包括：实时采集人脸相片和移动终端的IMSI记录，并分别获取每张人脸相片和每条IMSI记录的采集时空参数；对每张人脸相片进行人脸原始特征提取并进行编码，获得第一编码特征；根据采集时空参数确定与每张人脸相片关联的目标IMSI记录并进行编码，获得第二编码特征；将每个第一编码特征与对应的第二编码特征进行融合，并构造特征矩阵；对特征矩阵进行聚类，形成人脸簇作为一人一档数据。基于人脸相片和IMSI记录的异构时空轨迹进行聚类，对千万级甚至亿级的底库量级，不会因两人长得像而聚类为一人，真正做到一人一档，显著提升一人一档聚类效果。效果。效果。

【技术实现步骤摘要】
一人一档的人脸聚类方法、装置、计算机设备及存储介质


[0001]本专利技术实施例涉及公安安防
，尤其涉及一种一人一档的人脸聚类方法、装置、计算机设备及存储介质。

技术介绍

[0002]人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别技术综合了计算机、通信、光学、电子、机械等多学科技术，它使用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术。人脸聚类是对于给定的大量待聚类人脸相片，利用人脸特征抽取组件进行人脸特征抽取，并用抽取的人脸特征对人脸进行聚类归档的算法。
[0003]传统的人脸聚类一般采用LBP（局部二值模式）、HOG（方向梯度直方图）之类的手动设计的特征，而深度学习时代的人脸聚类，一般采用卷积神经网络（CNN）中提取出来的特征。它们都是基于单独的人脸特征进行聚类，这种一人一档人脸的聚类方式，存在两个主要问题：一是一个人的不同人脸相片，会因为年龄跨度大、角度、光线等情况，造成相似度较低，无法聚类成一个簇，比如一个人自己的正脸与侧脸的相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种一人一档的人脸聚类方法，其特征在于，包括：实时采集人脸相片和移动终端的IMSI记录，并分别获取每张所述人脸相片和每条所述IMSI记录的采集时空参数；对每张所述人脸相片进行人脸原始特征提取并进行编码，获得第一编码特征；根据所述采集时空参数确定与每张所述人脸相片关联的目标IMSI记录并进行编码，获得第二编码特征；将每个所述第一编码特征与对应的所述第二编码特征进行融合，并构造特征矩阵；对所述特征矩阵进行聚类，形成人脸簇作为一人一档数据。2.根据权利要求1所述的一人一档的人脸聚类方法，其特征在于，在所述对所述特征矩阵进行聚类，形成人脸簇作为一人一档数据之后，还包括：对所述人脸簇进行合并，并选出所述人脸簇的代表点；使用所述代表点与一人一档库进行比对，并获取与所述人脸簇之间的相似度超过预设相似度阈值的档案集合；统计所述人脸簇的时空特征，形成人脸簇特征画像；根据所述人脸簇的聚合点、特征画像要素以及与所述档案集合的相似度确定所述人脸簇与所述档案集合之间的置信度；根据所述置信度和预设置信度阈值，对所述人脸簇进行归档，并更新一人一档档案画像。3.根据权利要求1所述的一人一档的人脸聚类方法，其特征在于，所述采集时空参数包括采集时间；所述根据所述采集时空参数确定与每张所述人脸相片关联的目标IMSI记录，包括：根据所述采集时空参数确定在所述人脸相片的采集时间的前后预设时长内关联出现的所述目标IMSI记录。4.根据权利要求3所述的一人一档的人脸聚类方法，其特征在于，所述实时采集人脸相片和移动终端的IMSI记录，包括：通过人脸摄像机实时采集所述人脸相片，以及通过多运营商特征采集设备实时采集所述IMSI记录；相应的，在所述根据所述采集时空参数确定在所述人脸相片的采集时间的前后预设时长内关联出现的所述目标IMSI记录之前，还包括：根据所述人脸摄像机与所述多运营商特征采集设备之...

【专利技术属性】
技术研发人员：王东锋，姚相松，杨德武，
申请(专利权)人：深圳前海中电慧安科技有限公司，
类型：发明
国别省市：