图像聚类方法、图像增量聚类方法、计算机设备及介质技术

本发明专利技术涉及图像聚类技术领域，具体涉及一种图像聚类方法、图像增量聚类方法、计算机设备及介质，旨在解决提高图像聚类准确性的问题。为此目的，本发明专利技术提供的图像聚类方法包括采用最近邻算法在图像底库中分别对每个待聚类图像进行最近邻检索，以确定每个待聚类图像的最近邻矩阵；根据待聚类图像与底库图像的图像属性，判断待聚类图像与底库图像是否冲突，根据判断的结果选择性地对图像相似度进行修正；根据修正后图像相似度对待聚类图像与底库图像进行聚类；本发明专利技术提供的图像增量聚类方法可以利用上述图像聚类方法实现图像增量聚类。通过上述方式，可以避免存在冲突的底库图像对聚类结果的准确性产生较大的影响，从而提高图像聚类准确性。像聚类准确性。像聚类准确性。

【技术实现步骤摘要】
图像聚类方法、图像增量聚类方法、计算机设备及介质


[0001]本专利技术涉及图像聚类
，具体涉及一种图像聚类方法、图像增量聚类方法、计算机设备及介质。

技术介绍

[0002]为了提高图像增量聚类的效率，目前常规的图像增量聚类方法主要是先对增量图像进行聚类压缩，再对聚类压缩后的增量图像与历史图像进行聚类，最后根据增量图像与历史图像的聚类结果将增量图像更新到历史图像中。在对增量图像进行聚类压缩时需要先以所有增量图像为图像底库，使用最近邻算法(K
‑
Nearest Neighbor)对每个增量图像进行最近邻搜索，确定每个增量图像的最近邻矩阵，根据这些最近邻矩阵对增量图像进行聚类。在对聚类压缩后的增量图像与历史图像进行聚类时需要以历史图像为图像底库，使用最近邻算法对每个增量图像进行最近邻搜索，确定每个增量图像的最近邻矩阵，根据这些最近邻矩阵对增量图像与历史图像进行聚类。
[0003]由于上述方法主要是依赖于增量图像的最近邻矩阵进行聚类，因而最近邻矩阵的准确性会极大地影响增量图像的聚类准确性。然而，在实际应用中，往往会存在一些虽然相似度比较高，但是却存在矛盾或冲突的图像，如果将这些图像与增量图像聚类成一簇，必然会降低图像聚类的准确性。
[0004]相应地，本领域需要一种新的技术方案来解决上述问题。

技术实现思路

[0005]为了克服上述缺陷，提出了本专利技术，以提供解决或至少部分地解决提高图像聚类准确性的技术问题的图像增量聚类方法、计算机设备及计算机可读存储介质。
>[0006]第一方面，提供一种图像聚类方法，所述方法包括：
[0007]将待聚类图像作为底库图像而形成图像底库；
[0008]采用最近邻算法在所述图像底库中分别对每个所述待聚类图像进行最近邻检索，以确定每个所述待聚类图像的最近邻矩阵，其中，所述最近邻矩阵中每个元素的值分别表示所述待聚类图像与每个所述底库图像之间的图像相似度；
[0009]根据所述待聚类图像与所述底库图像的图像属性，判断所述待聚类图像与所述底库图像是否冲突；
[0010]根据判断的结果选择性地对所述图像相似度进行修正，以获取最终的图像相似度；
[0011]根据所述最终的图像相似度，对所述待聚类图像与所述底库图像进行聚类，形成至少一个图像聚类簇。
[0012]在上述图像聚类方法的一个技术方案中，所述图像属性至少包括图像采集时间和图像采集位置，“根据所述待聚类图像与所述底库图像的图像属性，判断所述待聚类图像与所述底库图像是否冲突”的步骤具体包括：
[0013]根据所述待聚类图像与所述底库图像的图像采集时间之间的时间差，确定第一对象移动时长d1(t1
q
,t1
i
)，其中，t1
q
表示所述待聚类图像的图像采集时间，t1
i
表示第i个所述底库图像的图像采集时间；
[0014]根据所述待聚类图像与所述底库图像的图像采集位置之间的距离，确定第一对象移动距离L1(p1
q
,p1
i
)，其中，p1
q
表示所述待聚类图像的图像采集位置，p1
i
表示第i个所述底库图像的图像采集位置；
[0015]若d1(t1
q
,t1
i
)<t_th1且L1(p1
q
,p1
i
)≥v1
×
t_th1，则判定所述待聚类图像与所述底库图像冲突，其中，t_th1表示预设的第一时间阈值，v1表示预设的第一对象移动速度；
[0016]否则，判定所述待聚类图像与所述底库图像不冲突。
[0017]在上述图像聚类方法的一个技术方案中，所述待聚类图像与每个所述底库图像中的图像对象是人脸，在“判定所述待聚类图像与所述底库图像不冲突”的步骤之后，所述方法还包括：
[0018]根据所述待聚类图像与所述底库图像中人脸的人脸属性，判断所述待聚类图像与所述底库图像是否冲突；
[0019]若所述人脸属性存在冲突，则判定所述待聚类图像与所述底库图像冲突；否则，判定所述待聚类图像与所述底库图像不冲突。
[0020]在上述图像聚类方法的一个技术方案中，“根据判断的结果选择性地对所述图像相似度进行修正，以获取最终的图像相似度”的步骤具体包括：
[0021]若所述待聚类图像与所述底库图像冲突，则将所述图像相似度与预设修正量的差值作为所述最终的图像相似度，其中，所述预设修正量大于零；
[0022]若所述待聚类图像与所述底库图像不冲突，则直接将所述图像相似度作为所述最终的图像相似度。
[0023]第二方面，提供一种图像增量聚类方法，所述方法包括：
[0024]采用上述图像聚类方法技术方案所述的图像聚类方法，对待聚类的增量图像进行图像聚类，形成至少一个增量图像聚类簇；
[0025]分别对每个所述增量图像聚类簇进行数据归约处理，以确定每个所述增量图像聚类簇各自对应的增量图像归约簇；
[0026]采用最近邻算法在历史图像归约簇中分别对每个所述增量图像归约簇进行最近邻检索，以确定每个所述增量图像归约簇的最近邻矩阵，其中，所述历史图像归约簇是对预设的图像数据库中已有的图像聚类簇进行数据归约处理得到的图像簇，所述最近邻矩阵中每个元素的值分别表示所述增量图像归约簇与每个所述历史图像归约簇之间的簇相似度；
[0027]根据所述增量图像归约簇与所述历史图像归约簇中图像的图像属性，判断所述增量图像归约簇与所述历史图像归约簇中的图像是否冲突；
[0028]根据判断的结果选择性地对所述簇相似度进行修正，以获取最终的簇相似度；
[0029]根据所述最终的簇相似度，对所述增量图像归约簇与所述历史图像归约簇进行聚类，根据聚类的结果确定与所述增量图像归约簇匹配的所述历史图像归约簇；
[0030]将所述增量图像归约簇对应的增量图像聚类簇中的图像，增加至与所述匹配的历史图像归约簇对应的所述已有的图像聚类簇中。
[0031]在上述图像增量聚类方法的一个技术方案中，所述图像属性至少包括图像采集时
间和图像采集位置，“根据所述增量图像归约簇与所述历史图像归约簇中图像的图像属性，判断所述增量图像归约簇与所述历史图像归约簇中的图像是否冲突”的步骤具体包括：
[0032]根据所述增量图像归约簇与所述历史图像归约簇中图像的图像采集时间之间的时间差，确定第二对象移动时长d2(t2
Q
,t2
j
)，其中，t2
Q
表示所述增量图像归约簇中图像的图像采集时间，t2
j
表示第j个所述历史图像归约簇中图像的图像采集时间；
[0033]根据所述增量图像归约簇与所述历史图像归约簇中图像的图像采集位置之间的距离，确定第二对象移动距离L2(p2
Q
,p2
j
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像聚类方法，其特征在于，所述方法包括：将待聚类图像作为底库图像而形成图像底库；采用最近邻算法在所述图像底库中分别对每个所述待聚类图像进行最近邻检索，以确定每个所述待聚类图像的最近邻矩阵，其中，所述最近邻矩阵中每个元素的值分别表示所述待聚类图像与每个所述底库图像之间的图像相似度；根据所述待聚类图像与所述底库图像的图像属性，判断所述待聚类图像与所述底库图像是否冲突；根据判断的结果选择性地对所述图像相似度进行修正，以获取最终的图像相似度；根据所述最终的图像相似度，对所述待聚类图像与所述底库图像进行聚类，形成至少一个图像聚类簇。2.根据权利要求1所述的图像聚类方法，其特征在于，所述图像属性至少包括图像采集时间和图像采集位置，“根据所述待聚类图像与所述底库图像的图像属性，判断所述待聚类图像与所述底库图像是否冲突”的步骤具体包括：根据所述待聚类图像与所述底库图像的图像采集时间之间的时间差，确定第一对象移动时长d1(t1
q
,t1
i
)，其中，t1
q
表示所述待聚类图像的图像采集时间，t1
i
表示第i个所述底库图像的图像采集时间；根据所述待聚类图像与所述底库图像的图像采集位置之间的距离，确定第一对象移动距离L1(p1
q
,p1
i
)，其中，p1
q
表示所述待聚类图像的图像采集位置，p1
i
表示第i个所述底库图像的图像采集位置；若d1(t1
q
,t1
i
)<t_th1且L1(p1
q
,p1
i
)≥v1
×
t_th1，则判定所述待聚类图像与所述底库图像冲突，其中，t_th1表示预设的第一时间阈值，v1表示预设的第一对象移动速度；否则，判定所述待聚类图像与所述底库图像不冲突。3.根据权利要求2所述的图像聚类方法，其特征在于，所述待聚类图像与每个所述底库图像中的图像对象是人脸，在“判定所述待聚类图像与所述底库图像不冲突”的步骤之后，所述方法还包括：根据所述待聚类图像与所述底库图像中人脸的人脸属性，判断所述待聚类图像与所述底库图像是否冲突；若所述人脸属性存在冲突，则判定所述待聚类图像与所述底库图像冲突；否则，判定所述待聚类图像与所述底库图像不冲突。4.根据权利要求1所述的图像聚类方法，其特征在于，“根据判断的结果选择性地对所述图像相似度进行修正，以获取最终的图像相似度”的步骤具体包括：若所述待聚类图像与所述底库图像冲突，则将所述图像相似度与预设修正量的差值作为所述最终的图像相似度，其中，所述预设修正量大于零；若所述待聚类图像与所述底库图像不冲突，则直接将所述图像相似度作为所述最终的图像相似度。5.一种图像增量聚类方法，其特征在于，所述方法包括：采用权利要求1至4中任一项所述的图像聚类方法，对待聚类的增量图像进行图像聚类，形成至少一个增量图像聚类簇；分别对每个所述增量图像聚类簇进行数据归约处理，以确定每个所述增量图像聚类簇
各自对应的增量图像归约簇；采用最近邻算法在历史图像归约簇中分别对每个所述增量图像归约簇进行最近邻检索，以确定每个所述增量图像归约簇的最近邻矩阵，其中，所述历史图像归约簇是对预设的图像数据库中已有的图像聚类簇进行数据归约处理得到的图像簇，所述最近邻矩阵中每个元素的值分别表示所述增量图像归约簇与每个所述历史图像归约簇之间的簇相似度；根据所述增量图像归约簇与所述历史图像归约簇中图像的图像属性，判断所述增量图像归约簇与所述历史图像归约簇中的图像是否冲突；根据判断的结果选择性地对所述簇相似度进行修正，以获取最终的簇相似度；根据所述最终的簇相似度，对所述增量图像归约簇与所述历史图像归约簇进行聚类，根据聚类的结果确定与所述增量图像归约簇匹配的所述历史图像归约簇；将所述增量图像归约簇对应的增量图像聚类簇中的图像，增加至与所述匹配的历史图像归约簇对应的所述已有的图像聚类簇中。6.根据权利要求5所述的图像增量聚类方法，其特征在于，所述图像属性至少包括图像采集时间和图像采集位置，“根据所述增量图像归约簇与所述历史图像归约簇中图像的图像属性，判断所述增量图像归约簇与所述历史图像归约簇中的图像是否冲突”的步骤具体包括：根据所述增量图像归约簇与所述历史图像归约簇中图像的图像采集时间之间的时间差，确定第二对象移动时长d2(t2
Q
,t2
j
...

【专利技术属性】
技术研发人员：周超，田国栋，刘盛中，
申请(专利权)人：北京云从科技有限公司，
类型：发明
国别省市：