全文摘要
本发明实施例公开了一种人脸聚类方法、装置、设备和存储介质，该方法包括通过人脸数据集进行训练得到训练后的残差网络；对所述残差网络进行处理得到人脸特征提取器，将待分类的人脸图片输入所述人脸特征提取器得到每张人脸图片对应的人脸特征向量；计算每个人脸特征向量和其它人脸特征向量的向量距离，依据所述向量距离确定每张人脸图片的邻居人脸集合；将每张人脸图片的邻居人脸集合分别确定为一个簇，将满足预设条件的簇进行合并。本方案提高了人脸聚类的效率以及准确度。
主设计要求
1.人脸聚类方法，其特征在于，包括：通过人脸数据集进行训练得到训练后的残差网络；将该残差网络的归一化层进行去除得到人脸特征提取器，将待分类的人脸图片输入所述人脸特征提取器得到每张人脸图片对应的人脸特征向量；根据公式计算每个人脸特征向量和其它人脸特征向量的向量距离，其中，和分别代表两张不同的人脸图片，和分别为人脸图片和对应人脸特征向量的第i个元素，根据公式对所述向量距离进行归一化处理，将处理结果中小于第一预设阈值的人脸图片确定为邻居人脸集合，其中N代表样本数量，为大于1的正整数；将每张人脸图片的邻居人脸集合分别确定为一个簇，确定当前比对的两个簇是否为子集关系，如果是，则进行簇的合并，如果否，则确定当前比对的两个簇中的元素数量是否满足预设比值，计算确定出的不满足所述预设比值的簇之间的簇间相似度，将满足预设条件的簇进行合并，其中包括：根据公式：计算得到不同簇之间的簇间相似度，将簇间相似度大于第二预设阈值的两个簇进行合并，所述第二预设阈值包括0.7，其中，A和B分别表示两个不同的簇对应的集合，表示A集合中元素的个数，表示B集合中元素的个数，表示集合A和集合B的交集的元素个数；确定合并后的簇中出现的重复人脸图片；将出现在非最大簇中的重复人脸图片进行删除。
设计方案
1.人脸聚类方法，其特征在于，包括：
通过人脸数据集进行训练得到训练后的残差网络；
将该残差网络的归一化层进行去除得到人脸特征提取器，将待分类的人脸图片输入所述人脸特征提取器得到每张人脸图片对应的人脸特征向量；
根据公式
设计说明书
技术领域
本申请实施例涉及人脸识别技术领域，尤其涉及一种人脸聚类方法、装置、设备和存储介质。
背景技术
本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
人脸聚类指将人脸根据身份进行分组，通常人脸聚类通过将集合内所有的人脸两两之间做人脸比对，再根据比对得到的相似度值将属于同一个身份的人划分到一个分组中实现聚类。
人脸聚类计算通常包括两个步骤，人脸特征提取以及对提取的特征利用聚类算法进行聚类。关于人脸特征提取，传统的特征提取方法通常是人为定义一些人脸的关键点，然后从图片中提取出这些关键点的值作为人脸的特征，关于聚类算法，常见的有K-means和DBSCAN或者其它聚类算法。其中，人为定义人脸特征点的方式工作量大且引入了大量人的先验经验，通用的聚类算法在做一般数值型的聚类任务时往往会取得比较好的效果，但在人脸聚类这个特定的业务场景下效果较差，适用度较低。
发明内容
本发明实施例提供了一种人脸聚类方法、装置、设备和存储介质，提高了人脸聚类的效率以及准确度。
第一方面，本发明实施例提供了一种人脸聚类方法，该方法包括：
通过人脸数据集进行训练得到训练后的残差网络；
对所述残差网络进行处理得到人脸特征提取器，将待分类的人脸图片输入所述人脸特征提取器得到每张人脸图片对应的人脸特征向量；
根据公式
计算每个人脸特征向量和其它人脸特征向量的向量距离，其中，设计图
相关信息详情
申请码:申请号:CN201910737332.0
申请日:2019-08-12
公开号:CN110232373A
公开日:2019-09-13
国家:CN
国家/省市:81(广州)
授权编号:CN110232373B
授权时间:20200103
主分类号:G06K 9/00
专利分类号:G06K9/00;G06K9/62
范畴分类:40B;
申请人:佳都新太科技股份有限公司
第一申请人:佳都新太科技股份有限公司
申请人地址:511400 广东省广州市番禺区东环街迎宾路832号番禺节能科技园内番山创业中心1号楼2区306房
发明人:杨东泉;丁保剑;秦伟;刘伟;李德紘;张少文
第一发明人:杨东泉
当前权利人:佳都新太科技股份有限公司
代理人:王新爱
代理机构:11638
代理机构编号:北京权智天下知识产权代理事务所(普通合伙)
优先权:关键词:当前状态:审核中
类型名称:外观设计