一种图像聚类方法和装置制造方法及图纸

本申请涉及计算机模型技术领域，提供了一种图像聚类方法和装置。该方法通过充分挖掘异质图信息将多个不同质的特征向量融合，提升了图像数据中特征的分辨能力，基于融合特征构建拓扑图，并基于拓扑图确定图像聚类结果，通过提升图像数据中特征的分辨能力，提升了图像聚类的准确度，同时提升了图像聚类的精度和鲁棒性，避免了相关技术中，由于图像数据质量差，对图像数据进行特征提取得到的特征不准确，导致难以将不同时刻、不同空间的图像聚类起来，图像聚类效果差的问题。像聚类效果差的问题。像聚类效果差的问题。

【技术实现步骤摘要】
一种图像聚类方法和装置


[0001]本申请涉及图像处理
，尤其涉及一种图像聚类方法和装置。

技术介绍

[0002]基于视觉的身份识别方法具有非接触、非强制、无意识、速度快、精度高等优点，在安防监控、智慧零售、考勤打卡等领域都有应用需求。深度学习的发展以及算力的提升使得此项技术的实用性极大提升，目前已经得到了广泛的应用，在一些相对受控的环境，目前的技术已基本能满足需求。目前，基于视觉的身份识别提出一种人员聚合方法，具体地，在视频监控场景下，对场景内到访人员进行人员聚合，区别不同人在空间内的游逛情况。
[0003]然而，现有技术中，由于视频监控抓拍的图像经常呈现模糊、大姿态、遮挡等特点，难以将不同时刻、不同空间的图像聚类起来，图像聚类效果差。

技术实现思路

[0004]有鉴于此，本申请实施例提供了一种图像聚类方法和装置，以解决现有技术中，由于图像质量差，导致难以将不同时刻、不同空间的图像聚类起来，图像聚类效果差的问题。
[0005]本申请实施例的第一方面，提供了一种图像聚类方法，该方法包括：获取源数据集，源数据集中包括N条图像数据，每条图像数据中包含至少两种类型的特征信息；对每条图像数据的特征信息进行特征提取，得到每条图像数据对应的特征向量集，特征向量集中包含至少两种类型的特征向量；根据每条图像数据对应的特征向量集构建源数据集对应的异质图网络，并基于异质图网络对特征向量集中包含的特征向量进行特征融合，得到每条图像数据对应的融合特征；根据融合特征构建源数据集对应的拓扑图，并对拓扑图的目标节点进行聚类得到源数据集的图像聚类结果。
[0006]本申请实施例的第二方面，提供了一种图像聚类装置，该装置包括：获取模块，用于获取源数据集，源数据集中包括N条图像数据，每条图像数据中包含至少两种类型的特征信息；提取模块，用于对每条图像数据的特征信息进行特征提取，得到每条图像数据对应的特征向量集，特征向量集中包含至少两种类型的特征向量；构建模块，用于根据每条图像数据对应的特征向量集构建源数据集对应的异质图网络，并基于异质图网络对特征向量集中包含的特征向量进行特征融合，得到每条图像数据对应的融合特征；聚类模块，用于根据融合特征构建源数据集对应的拓扑图，并对拓扑图的目标节点进行聚类得到源数据集的图像聚类结果。
[0007]本申请实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
[0008]本申请实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0009]本申请实施例与现有技术相比存在的有益效果是：本申请实施例中通过获取源数
据集，对每条图像数据的特征信息进行特征提取，得到每条图像数据对应的特征向量集，根据每条图像数据对应的特征向量集构建源数据集对应的异质图网络，并基于异质图网络对特征向量集中包含的特征向量进行特征融合，得到每条图像数据对应的融合特征，根据融合特征构建源数据集对应的拓扑图，并对拓扑图中的目标节点进行聚类得到源数据集的图像聚类结果，通过异质图网络对图像数据的多个特征向量进行融合得到融合特征，通过充分挖掘异质图信息将多个不同质的特征向量融合，提升了图像数据中特征的分辨能力，基于融合特征构建拓扑图，并基于拓扑图确定图像聚类结果，通过提升图像数据中特征的分辨能力，提升了图像聚类的准确度，同时提升了图像聚类的精度和鲁棒性，避免了相关技术中，由于图像数据质量差，对图像数据进行特征提取得到的特征不准确，导致难以将不同时刻、不同空间的图像聚类起来，图像聚类效果差的问题。
附图说明
[0010]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0011]图1是本申请实施例的应用场景的场景示意图；图2是申请实施例提供的一种图像聚类方法的流程示意图；图3是本申请实施例提供的还一种图像聚类方法的流程示意图；图4是申请实施例提供的一种为图像数据设置虚拟节点的基本示意图；图5是本申请实施例提供的另一种图像聚类方法的流程示意图；图6是本申请实施例提供的再一种图像聚类方法的流程示意图；图7是本申请实施例提供的又一种图像聚类方法的流程示意图；图8是本申请实施例提供的还一种可选的图像聚类方法的流程示意图；图9是本申请实施例提供的一种基于异质图网络进行特征融合的基本流程图；图10是本申请实施例提供的另一种可选的图像聚类方法的流程示意图；图11是本申请实施例提供的一种图像聚类装置的结构示意图；图12是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0012]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0013]下面将结合附图详细说明根据本申请实施例的一种图像聚类方法和装置。
[0014]图1是本申请实施例的应用场景的场景示意图。该应用场景可以包括终端设备1、2和3、服务器4以及网络5。
[0015]终端设备1、2和3可以是硬件，也可以是软件。当终端设备1、2和3为硬件时，其可以是具有显示屏且支持与服务器4通信的各种电子设备，包括但不限于智能手机、平板电脑、
膝上型便携计算机和台式计算机等；当终端设备1、2和3为软件时，其可以安装在如上的电子设备中。终端设备1、2和3可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本申请实施例对此不作限制。进一步地，终端设备1、2和3上可以安装有各种应用，例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
[0016]服务器4可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器4可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本申请实施例对此不作限制。
[0017]需要说明的是，服务器4可以是硬件，也可以是软件。当服务器4为硬件时，其可以是为终端设备1、2和3提供各种服务的各种电子设备。当服务器4为软件时，其可以是为终端设备1、2和3提供各种服务的多个软件或软件模块，也可以是为终端设备1、2和3提供各种服务的单个软件或软件模块，本申请实施例对此不作限制。
[0018]网络5可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无本文档来自技高网...

【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：获取源数据集，所述源数据集中包括N条图像数据，每条所述图像数据中包含至少两种类型的特征信息；对每条所述图像数据的所述特征信息进行特征提取，得到每条所述图像数据对应的特征向量集，所述特征向量集中包含至少两种类型的特征向量；根据每条所述图像数据对应的所述特征向量集构建所述源数据集对应的异质图网络，并基于所述异质图网络对所述特征向量集中包含的特征向量进行特征融合，得到每条所述图像数据对应的融合特征；根据所述融合特征构建所述源数据集对应的拓扑图，并对所述拓扑图的目标节点进行聚类得到所述源数据集的图像聚类结果。2.根据权利要求1所述的方法，其特征在于，根据每条所述图像数据对应的所述特征向量集构建所述源数据集对应的异质图网络，包括：为所述图像数据构建对应的虚拟节点，并将所述图像数据对应的所述特征向量与对应的所述虚拟节点连接；从所述图像数据对应的所述特征向量中确定所述图像数据对应的目标特征向量；基于每条所述图像数据对应的所述目标特征向量，确定所述虚拟节点之间的连接关系，并根据所述虚拟节点之间的连接关系构建所述异质图网络。3.根据权利要求2所述的方法，其特征在于，基于每条所述图像数据对应的所述目标特征向量，确定所述虚拟节点之间的连接关系，包括：确定当前所述图像数据对应的所述目标特征向量与其他所述图像数据对应的所述目标特征向量的相似度；若当前所述图像数据对应的所述目标特征向量与其他所述图像数据对应的所述目标特征向量的相似度高于预设阈值，则确定所述当前所述图像数据对应的所述虚拟节点与其他所述图像数据对应的所述虚拟节点相连。4.根据权利要求3所述的方法，其特征在于，基于所述异质图网络对所述特征向量集中包含的特征向量进行特征融合，得到每条所述图像数据对应的融合特征，包括：根据所述异质图网络中的所述虚拟节点的连接关系，为所述图像数据生成每个特征信息分别对应的目标数据集，每个所述目标数据集中仅包含相同类型的所述特征向量，且所述目标数据集中包含当前所述图像数据的所述特征向量和相邻节点的所述图像数据中的所述特征向量；基于所述目标数据集确定每个所述特征信息对应的语义特征；将所述图像数据对应的多个所述语义特征进行特征融合，得到所述图像数据对应的融合特征。5.根据权利要求4所述的方法，其特征在于，基于所述目标数据集确定每个所述特...

【专利技术属性】
技术研发人员：张星宇，
申请(专利权)人：深圳须弥云图空间科技有限公司，
类型：发明
国别省市：