【技术实现步骤摘要】
一种人脸聚类的方法、装置、设备及存储介质
[0001]本公开涉及数据图形处理
，尤其涉及人工智能和人脸识别
技术介绍
[0002]人脸聚类是智能相册产品基础的AI能力，通过增量人脸聚类可以实现将用户相册中不断新增的图像，持续地按照人脸进行智能分组，即将属于同一个人物的照片分到同一个分组内，实现自动创建并持续更新人物相册。
[0003]在上述应用场景中，期望人脸聚类在保证人脸聚类效果可接受的前提下，能够尽可能快速、低成本的处理用户间断性上传的照片，并自动按人脸分组。
技术实现思路
[0004]本公开提供了一种人脸聚类的方法、装置、设备以及存储介质。
[0005]根据本公开的一方面，提供了一种人脸聚类的方法，包括：获取批量图像的代表性人脸特征，形成代表性人脸特征集；使用第一聚类算法对代表性人脸特征集，进行微批量聚类，得到第一人脸分组，第一聚类算法结合了人脸特征在特征空间的邻域结构特性；获取第二人脸分组，第二人脸分组为存量类簇形成的人脸分组；根据第二聚类算法将第一人脸分组合并至第二人...
【技术保护点】
【技术特征摘要】
1.一种人脸聚类的方法，包括：获取批量图像的代表性人脸特征，形成代表性人脸特征集；使用第一聚类算法对所述代表性人脸特征集，进行微批量聚类，得到第一人脸分组，所述第一聚类算法结合了人脸特征在特征空间的邻域结构特性；获取第二人脸分组，所述第二人脸分组为存量类簇形成的人脸分组；根据第二聚类算法将所述第一人脸分组合并至所述第二人脸分组。2.根据权利要求1所述的方法，其中，所述获取批量图像的代表性人脸特征，形成代表性人脸特征集，包括：获取所述批量图像中的一张图像；对所述图像进行人脸特征提取，得到人脸特征；对所述人脸特征进行质量评价，得到质量评价得分；若所述质量评价得分大于质量阈值，则将所述人脸特征确定为代表性人脸特征，将所述代表性人脸特征，加入到所述代表性人脸特征集。3.根据权利要求2所述的方法，还包括：若所述质量评价得分小于等于质量阈值，则舍弃所述人脸特征。4.根据权利要求2所述的方法，还包括：使用第三聚类算法对所述代表性人脸特征进行快速聚类，得到所述代表性人脸特征所属的类簇。5.根据权利要求4所述的方法，其中，所述使用第三聚类算法对所述代表性人脸特征进行快速聚类，得到所述代表性人脸特征所属的第一人脸分组，包括：计算所述代表性人脸特征与各存量类簇之间的距离；根据所述与各存量类簇之间的距离，对所述代表性人脸特征进行聚类，得到所述代表性人脸特征所属的第一人脸分组。6.根据权利要求1所述的方法，其中，所述使用第一聚类算法对所述代表性人脸特征集，进行微批量聚类，得到第一人脸分组，包括：根据所述代表性人脸特征集和第一聚类算法，计算高置信度下的各类簇的代表点和中心表征；根据所述代表性人脸特征集和第一聚类算法，计算低置信度下的各类簇的代表点和中心表征；根据所述低置信度下的各类簇的代表点和中心表征，确定所述代表性人脸特征集中各代表性人脸特征所属的候选类簇；根据所述高置信度下的各类簇的代表点和中心表征，对各代表性人脸特征所属的候选类簇进行筛选，得到各代表性人脸特征所属的第二人脸分组。7.根据权利要求6所述的方法，还包括：保存所述代表点和所述代表点所对应的图像。8.根据权利要求1所述的方法，其中，所述第一聚类算法包括改进后的DBSCAN算法，所述DBSCAN算法增加了预先计算聚类初始点、邻域高置信度半径和邻域低置信度半径的步骤，并在聚类过程中以所述预先计算的聚类初始点作为起始点，进行聚类。9.根据权利要求8所述的方法，其中，邻域高置信度半径和邻域低置信度半径为可调整
的模型参数。10.根据权利要求1所述的方法，其中，所述根据第二聚类算法将所述第一人脸分组合并至所述第二人脸分组，包括：获取第一人脸分组中的一个类簇；计算所述类簇的高置信中心表征与所述第二人脸分组中各存量类簇的第一中心距离；若所述第一中心距离满足第一聚类条件，则将所述类簇合并至相应的存量类簇。11.根据权利要求10所述的方法，还包括：若所述第一中心距离不满足第一聚类条件，则计算所述类簇的低置信中心表征与所述第二人脸分组中各存量类簇...
【专利技术属性】
技术研发人员：陈圣奇，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。