CN109886239A - 人像聚类方法、装置及系统 - Google Patents
人像聚类方法、装置及系统 Download PDFInfo
- Publication number
- CN109886239A CN109886239A CN201910155307.1A CN201910155307A CN109886239A CN 109886239 A CN109886239 A CN 109886239A CN 201910155307 A CN201910155307 A CN 201910155307A CN 109886239 A CN109886239 A CN 109886239A
- Authority
- CN
- China
- Prior art keywords
- image
- facial image
- original
- facial
- original image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种人像聚类方法、装置及系统,涉及图像处理技术领域,该方法包括:获取多个待聚类原始图像的人脸图像;统计任意两个属于不同身份的人脸图像出现在一个原始图像中的次数;基于统计的次数确定亲密人脸组合;根据亲密人脸组合进行待聚类原始图像的人像聚类。本发明得到的聚类结果能够体现出不同人的亲密关系。
Description
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种人像聚类方法、装置及系统。
背景技术
人像聚类技术是应用于诸如相册管理、身份认证和安防等实际场景中的一项重要技术。目前的人像聚类技术是以图像中的人脸是否属于同一个人作为聚类依据,对包含有人的多张图像进行聚类,将属于同一个人的人脸所在的图像合并为一个组。但是这样的聚类结果只是简单的针对每个人生成一个单独的类别,不同人之间彼此孤立。
发明内容
有鉴于此,本发明的目的在于提供一种人像聚类方法、装置及系统,聚类结果能够体现出不同人的亲密关系。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种人像聚类方法,所述方法包括:获取多个待聚类原始图像的人脸图像;统计任意两个属于不同身份的人脸图像出现在一个所述原始图像中的次数;基于统计的次数确定亲密人脸组合;根据所述亲密人脸组合进行所述待聚类原始图像的人像聚类。
进一步,所述统计任意两个属于不同身份的人脸出现在一个所述原始图像中的次数的步骤,包括:提取每个所述人脸图像的人脸特征值;基于所述人脸特征值确定属于同一身份的人脸图像;统计任意两个属于不同身份的人脸图像出现在一个所述原始图像中的次数。
进一步,所述基于所述人脸特征值确定属于同一身份的人脸的步骤,包括:计算任意两个人脸特征值之间的欧式距离;将欧式距离低于预设值的两个人脸特征值对应的人脸图像确定为多个所述原始图像中属于同一身份的人脸图像。
进一步,所述基于统计的次数确定亲密人脸图像组合的步骤,包括:根据预设的聚类算法和统计的次数确定与目标人脸图像之间的聚类距离相差在预设距离阈值内的多个人脸图像;将所述目标人脸图像和确定的多个人脸图像确定为亲密人脸组合。
进一步,所述根据预设的聚类算法和统计的次数确定与目标人脸图像之间的聚类距离相差在预设距离阈值内的多个人脸图像的步骤,包括:选取目标人脸图像;基于统计的次数,提取出其它人脸图像与所述目标人脸图像出现在一个所述原始图像中的次数;根据其它人脸图像与所述目标人脸图像出现在一个所述原始图像中的次数,确定其它人脸图像与所述目标人脸图像之间的聚类距离;确定其它人脸图像中的与所述目标人脸图像之间的聚类距离相差在预设距离阈值内的多个人脸图像。
进一步,所述聚类算法包括以下中的一种或多种:图团体检测算法、基于密度的聚类算法和凝聚层次聚类算法。
进一步,所述根据所述亲密人脸组合进行所述待聚类原始图像的人像聚类的步骤,包括:将所述亲密人脸组合所属的原始图像聚为一类,得到第一聚类结果;和/或,将所述亲密人脸组合中的人脸图像聚为一类,得到第二聚类结果;其中,所述人脸图像为从所述原始图像上截取的。
进一步,所述将所述亲密人脸组合所属的原始图像聚为一类,得到第一聚类结果的步骤,包括:在所述亲密人脸组合中确定目标人脸图像;以所述目标人脸图像为聚类中心,将所述亲密人脸组合中每个人脸图像所属的原始图像聚为一类,得到第一聚类结果;或者,以所述目标人脸图像为聚类中心,将所述亲密人脸组合中所述目标人脸图像和各关系人脸图像共同所属的原始图像聚为一类,得到第一聚类结果;其中,所述关系人脸图像为与所述目标人脸图像出现在一个所述原始图像中的次数相差在预设次数阈值内的其它人脸图像。
第二方面,本发明实施例还提供一种人像聚类装置,所述装置包括:图像获取模块,用于获取多个待聚类原始图像的人脸图像;次数统计模块,用于统计任意两个属于不同身份的人脸图像出现在一个所述原始图像中的次数;组合确定模块,用于基于统计的次数确定亲密人脸组合;人像聚类模块,用于根据所述亲密人脸组合进行所述待聚类原始图像的人像聚类。
第三方面,本发明实施例提供了一种人像聚类系统,所述系统包括:图像采集装置、处理器和存储装置;所述图像采集装置,用于采集多个原始图像;所述存储装置上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如第一方面任一项所述的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述第一方面任一项所述的方法的步骤。
本发明实施例提供了一种人像聚类方法、装置及系统,能够首先统计任意两个属于不同身份的人脸图像出现在一个原始图像中的次数;然后基于统计的次数确定亲密人脸组合;最后根据亲密人脸组合进行待聚类原始图像的人像聚类。与现有技术中对每个人生成单独的类别相比,本实施例提供的上述方式能够将两个人脸图像出现在一个原始图像中的次数作为不同人之间亲密关系的依据,将亲密人脸组合聚集到同一个分类中,这样的聚类结果能够体现出不同人的亲密关系。
本发明的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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他的附图。
图1示出了本发明实施例所提供的一种电子设备的结构示意图;
图2示出了本发明实施例所提供的一种人像聚类方法流程图;
图3示出了本发明实施例所提供的一种次数与聚类距离的转换示意图;
图4示出了本发明实施例所提供的一种人像聚类装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
考虑到现有的人像聚类技术只能针对每个人生成一个单独的类别,不同人之间彼此孤立,为改善此问题,本发明实施例提供了一种人像聚类方法、装置及系统,该技术可应用于任何需要对图像进行聚类的场景,诸如应用于摄像设备、手机、相机等电子设备,通过对图像进行聚类实现建立家庭相册和好友分组等功能,还可以应用于公安系统、身份认证等场景,为便于理解,以下对本发明实施例进行详细介绍。
实施例一:
首先,参照图1来描述用于实现本发明实施例的人像聚类方法、装置及系统的示例电子设备100。
如图1所示的一种电子设备的结构示意图,电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的一种人像聚类方法、装置及系统的示例电子设备可以被实现为诸如智能手机、平板电脑、计算机和相机等智能终端上。
实施例二:
参照图2所示的一种人像聚类方法的流程图,该方法可由前述实施例中的电子设备执行,该方法具体包括如下步骤:
步骤S202,获取多个待聚类原始图像的人脸图像。具体实施时,本实施例给出了如下几种原始图像的示例性方式:(1)电子设备通过摄像头等图像采集设备采集原始图像,(2)电子设备通过网络通信方式从服务器下载原始图像,(3)电子设备直接从本地存储区调取原始图像,(4)电子设备通过指定端口接收人工上传的原始图像。每个原始图像可以包括至少一个人脸。
步骤S204,统计任意两个属于不同身份的人脸图像出现在一个原始图像中的次数。
在一实施方式中,可以首先逐个对原始图像进行人脸检测,对检测到的人脸图像提取人脸特征值,并比较不同原始图像中各人脸图像之间人脸特征值;然后根据人脸特征值的比较结果确定各原始图像中属于不同身份的人脸图像;最后将各原始图像中每两个属于不同身份的人脸图像确定为一组人脸对,统计任意一组人脸对出现在一个原始图像中的次数。
需要说明的是,由于同一个原始图像中通常不会出现两个属于同一身份的人脸图像,因此,本实施例中的人脸特征值的比较只需在不同的原始图像之间进行即可。
步骤S206,基于统计的次数确定亲密人脸组合。
在本实施例中,可以利用对多个原始图像进行统计得到的两个人脸图像出现在一个原始图像中的次数表征亲密程度,从而可确定具有亲密关系的人脸图像,将具有亲密关系的人脸图像确定为亲密人脸组合。
步骤S208,根据亲密人脸组合进行待聚类原始图像的人像聚类。
在具体实施时,可以是将亲密人脸组合中的人脸图像所在的原始图像聚为一类,或者将亲密组合中各人脸图像聚为一类。
本发明实施例提供的一种人像聚类方法,能够首先统计任意两个属于不同身份的人脸图像出现在一个原始图像中的次数;然后基于统计的次数确定亲密人脸组合;最后根据亲密人脸组合进行待聚类原始图像的人像聚类。与现有技术中对每个人生成单独的类别相比,本实施例提供的上述方式能够将两个人脸图像出现在一个原始图像中的次数作为不同人之间亲密关系的依据,将亲密人脸组合聚集到同一个分类中,这样的聚类结果能够体现出不同人的亲密关系。
在本实施例中,统计任意两个属于不同身份的人脸出现在一个原始图像中的次数可以参照如下具体步骤(1)至(3):
(1)提取每个人脸图像的人脸特征值。诸如可以采用ResNet或DensNet等可提取特征值的神经网络提取每个人脸图像的人脸特征值,在此不进行限定。
在具体实施时,首先将原始图像输入至训练好的神经网络,通过神经网络对各原始图像进行人脸检测,得到原始图像中包含的至少一个人脸图像;其中,该人脸图像可理解为原始图像中的人脸区域或者在原始图像上截取的人脸图像;然后通过每一层神经网络对应的权值提取各人脸图像对应的人脸特征值。
(2)基于人脸特征值确定属于同一身份的人脸图像。
可以将不同原始图像所包含的各人脸图像对应的人脸特征值进行比较,获得每两个原始图像所包含的各人脸图像的人脸特征值的相似度,将相似度高于预设相似度阈值(如90%)的各人脸特征值所对应的人脸图像确定为属于同一身份的人脸图像。在一可能的实现方式中,可以利用各人脸特征值之间的距离来表征二者的相似度。诸如,可参照公式(1)计算任意两个人脸特征值之间的欧式距离,通过欧式距离表征两个人脸特征值之间的相似度。
其中,x1i为第一个人脸图像的人脸特征值,x2i为第二个人脸图像的人脸特征值,N为原始图像所包含人脸的总数量,d为欧氏距离。
将欧式距离低于预设值的两个人脸特征值对应的人脸确定为多个原始图像中属于同一身份的人脸图像。由于两个人脸特征值之间的欧氏距离通常与两个人脸特征值之间的相似度成反比,因此,欧式距离低于预设值表示两个人脸特征值对应的人脸图像的相似度取值达到预设相似度阈值,从而可以确定两个人脸特征值对应的人脸图像为多个原始图像中属于同一身份的人脸图像。
当然,上述测试距离还可以包括诸如曼哈顿距离、夹角余弦距离和相关距离等,在本实施例中不进行特别限定。
(3)统计任意两个属于不同身份的人脸图像出现在一个原始图像中的次数。
在确定属于同一身份的人脸图像后,为了便于区分属于不同身份的人脸图像,本实施例可以为各原始图像中的人脸图像设置标识号;其中,属于同一身份的人脸图像的标识号相同,属于不同身份的人脸图像的标识号不同。为便于理解,以下以A、B、C、D等字母标识属于不同身份的人脸图像。本实施例可以根据设置的标识号统计任意两个属于不同身份的人脸图像出现在一个原始图像中的次数,诸如AB出现在一个原始图像中的次数为5,AC出现在一个原始图像中的次数为6,BC出现在一个原始图像中的次数为5,DE出现在一个原始图像中的次数为23,DF出现在一个原始图像中的次数为20,EF出现在一个原始图像中的次数为22。
本实施例给出一种确定亲密人脸组合的简单实施方式。为了便于描述,以下将出现在一个原始图像中两个人脸图像称为人脸对。可以理解,人脸对出现在一个原始图像中的次数越多,表示人脸对中两个人脸图像之间的亲密度越高;在一实施方式中,可以将亲密度达到预设亲密度的人脸对确定为亲密人脸组合。此外,如果三个人脸图像之间两两组合成人脸对,各人脸对出现在一个原始图像中的次数均超过预设数值(如3次),各人脸对出现在一个原始图像中的次数较为接近,则可推测三个人之间的亲密程度相近,则可将亲密程度相近的三个人脸图像确定为亲密人脸组合。
此外,基于上述统计的次数,本实施例还给出了另一种确定亲密人脸组合的实施方式,具体说明如下:首先根据预设的聚类算法和统计的次数确定与目标人脸图像之间的聚类距离相差在预设距离阈值内的多个人脸图像。然后将目标人脸图像和确定的多个人脸图像确定为亲密人脸组合。
在一可选实施方式中,上述根据预设的聚类算法和统计的次数确定与目标人脸图像之间的聚类距离相差在预设距离阈值内的多个人脸图像的步骤在具体实施时,可以参照如下具体步骤(1)至(4):
(1)选取目标人脸图像。其中,目标人脸图像为在原始图像所包含的各人脸图像中选取的一个或多个未被聚类的人脸图像,诸如可以是用户指定的人脸图像,也可以是随机选取的人脸图像。
(2)基于统计的次数,提取出其它人脸图像与目标人脸图像出现在一个原始图像中的次数。假设目标人脸图像为D,基于上述统计的次数提取到的其它人脸图像与目标人脸图像出现在一个原始图像中的次数包括:DA出现在一个原始图像中的次数为14、DB出现在一个原始图像中的次数为4以及DC出现在一个原始图像中的次数为6,DE出现在一个原始图像中的次数为23,DF出现在一个原始图像中的次数为20。
(3)根据其它人脸图像与目标人脸图像出现在一个原始图像中的次数,确定其它人脸图像与目标人脸图像之间的聚类距离。
在本实施例中,可以参照如公式(2)所示的次数与距离转换公式确定其它人脸图像与目标人脸图像之间的聚类距离:
l=L/n (2)
其中,L为预设的标准距离常数,n为其它人脸图像与目标人脸图像出现在一个原始图像中的次数,l为其它人脸图像与目标人脸图像之间的聚类距离。为了用户更直观的感受如公式(2)所确定的聚类距离,可参照如图3所示的次数与聚类距离的转换示意图,人脸图像A、人脸图像B、人脸图像C、人脸图像D、人脸图像E和、人脸图像F之间的连线,表示连线两端的人脸组成人脸对(如AB),连线中的次数为该两个人脸图像出现在一个原始图像中的次数,连线的长度表示其它人脸图像与目标人脸图像之间的聚类距离,可以看出,两个人脸图像出现在一个原始图像中的次数越多,两个人脸图像之间的聚类距离越短。
(4)确定其它人脸图像中的与目标人脸图像之间的聚类距离相差在预设距离阈值内的多个人脸图像。该预距离设阈值可以是从其它人脸图像中的与目标人脸图像之间的聚类距离中选取的数值,诸如将DA之间的聚类距离设置为预设距离阈值。基于此确定的其它人脸图像中的与目标人脸图像之间的聚类距离相差在预设距离阈值内的多个人脸图像分别为人脸图像E和人脸图像F,也即人脸图像A、人脸图像E和人脸图像F与人脸图像D之间的聚类距离较为接近。
从而,将目标人脸图像D和确定的人脸图像A、人脸图像E和人脸图像F确定为亲密人脸组合,并可以表示为{A、D、E、F}。可以理解的是,人脸图像A也可作为目标人脸图像,通过上述确定亲密人脸组合的方式可以将目标人脸图像A以及人脸图像B、人脸图像C确定为另一组亲密人脸组合{A、B、C}。
当然,以上仅为预设的聚类算法的示例性说明,在实际应用中,还可以采用其他聚类算法,诸如图团体检测算法、基于密度的聚类算法和凝聚层次聚类算法,在此不进行限制。
在本实施例中,根据亲密人脸组合进行待聚类原始图像的人像聚类的步骤可以包括以下两种示例:
示例一:将亲密人脸组合所属的原始图像聚为一类,得到第一聚类结果。在一种实现方式中,可以首先在亲密人脸组合中确定目标人脸图像,诸如可以在亲密人脸组合{A、D、E、F}确定人脸图像D为目标人脸图像;然后以目标人脸图像为聚类中心,将亲密人脸组合中每个人脸图像所属的原始图像聚为一类,得到第一聚类结果。诸如,将亲密人脸组合{A、D、E、F}中的目标人脸图像D作为聚类中心,将人脸图像A所属的原始图像、人脸图像D所属的原始图像、人脸图像E所属的原始图像和人脸图像F所属的原始图像聚为以目标人脸图像D为中心的一个类别,形成第一聚类结果。在另一种实现方式中,可以以目标人脸图像为聚类中心,将亲密人脸组合中目标人脸图像和各关系人脸图像共同所属的原始图像聚为一类,得到第一聚类结果;其中,关系人脸图像为与目标人脸图像出现在一个原始图像中的次数相差在预设次数阈值内的其它人脸图像。诸如,将亲密人脸组合{A、D、E、F}中的目标人脸图像D作为聚类中心,假设将与目标人脸图像D出现在一个原始图像中的次数相差在20~25次内的其它人脸图像作为关系人脸图像,那么目标人脸图像D对应的关系人脸图像可以包括人脸图像E和人脸图像F;目标人脸图像和各关系人脸图像也分别组成了人脸对DE和DF,则将人脸对DE所属的原始图像和人脸对DF所属的原始图像聚为一个类别。同样可以理解的是,将亲密人脸组合{A、B、C}中各人脸图像或者各人脸对所属的原始图像聚为以人脸图像A为中心的另一个类别。
实例二:将亲密人脸组合中的人脸图像聚为一类,得到第二聚类结果。其中,人脸图像为从原始图像上截取的,在具体实现时,可以首先通过卷积神经网络对原始图像进行人脸检测,获取人脸区域的位置参数(x,y,w,h),其中,各字母的表征意义可以为:(x,y)为人脸区域的一个关键点坐标(诸如左上顶点坐标),h为人脸区域的长度值,w为人脸区域的宽度值。然后采用诸如CvRect函数位置参数(x,y,w,h)确定的图像截取出来,得到人脸图像。
综上所述,上述实施例提供的人像聚类方法,能够将两个人脸图像出现在一个原始图像中的次数作为不同人之间亲密关系的依据,从而确定亲密人脸组合,将亲密人脸组合聚集到同一个分类中,这样的聚类结果能够较直观的体现出不同人之间的亲密关系。
实施例三:
参见图4所示的一种人像聚类装置的结构框图,该装置包括:
图像获取模块402,用于获取多个待聚类原始图像的人脸图像。
次数统计模块404,用于统计任意两个属于不同身份的人脸图像出现在一个原始图像中的次数。
组合确定模块406,用于基于统计的次数确定亲密人脸组合。
人像聚类模块408,用于根据亲密人脸组合进行待聚类原始图像的人像聚类。
本发明实施例提供的上述人像聚类装置,能够首先统计任意两个属于不同身份的人脸图像出现在一个原始图像中的次数;然后基于统计的次数确定亲密人脸组合;最后根据亲密人脸组合进行待聚类原始图像的人像聚类。与现有技术中对每个人生成单独的类别相比,本实施例提供的上述方式能够将两个人脸图像出现在一个原始图像中的次数作为不同人之间亲密关系的依据,将亲密人脸组合聚集到同一个分类中,这样的聚类结果能够体现出不同人的亲密关系。
在一实施方式中,上述次数统计模块404用于:提取每个人脸图像的人脸特征值;基于人脸特征值确定属于同一身份的人脸图像;统计任意两个属于不同身份的人脸图像出现在一个原始图像中的次数。
在一实施方式中,上述次数统计模块404用于:计算任意两个人脸特征值之间的欧式距离;将欧式距离低于预设值的两个人脸特征值对应的人脸图像确定为多个原始图像中属于同一身份的人脸图像。
在一实施方式中,上述组合确定模块406用于:根据预设的聚类算法和统计的次数确定与目标人脸图像之间的聚类距离相差在预设距离阈值内的多个人脸图像;将目标人脸图像和确定的多个人脸图像确定为亲密人脸组合。
在一实施方式中,上述组合确定模块406用于:选取目标人脸图像;基于统计的次数,提取出其它人脸图像与目标人脸图像出现在一个原始图像中的次数;根据其它人脸图像与目标人脸图像出现在一个原始图像中的次数,确定其它人脸图像与目标人脸图像之间的聚类距离;确定其它人脸图像中的与目标人脸图像之间的聚类距离相差在预设距离阈值内的多个人脸图像。
在一实施方式中,聚类算法包括以下中的一种或多种:图团体检测算法、基于密度的聚类算法和凝聚层次聚类算法。
在一实施方式中,上述人像聚类模块408用于:将亲密人脸组合所属的原始图像聚为一类,得到第一聚类结果;和/或,将亲密人脸组合中的人脸图像聚为一类,得到第二聚类结果;其中,人脸图像为从原始图像上截取的。
在一实施方式中,上述人像聚类模块408用于:在亲密人脸组合中确定目标人脸图像;以目标人脸图像为聚类中心,将亲密人脸组合中每个人脸图像所属的原始图像聚为一类,得到第一聚类结果;或者,以目标人脸图像为聚类中心,将亲密人脸组合中目标人脸图像和各关系人脸图像共同所属的原始图像聚为一类,得到第一聚类结果;其中,关系人脸图像为与目标人脸图像出现在一个原始图像中的次数相差在预设次数阈值内的其它人脸图像。
本实施例所提供的装置,其实现原理及产生的技术效果和前述实施例二相同,为简要描述,本实施例部分未提及之处,可参考前述实施例二中相应内容。
实施例四:
基于前述实施例,本实施例给出了一种人像聚类系统,该系统包括:图像采集设备、处理器和存储设备;其中,图像采集设备用于采集多个原始图像;存储设备上存储有计算机程序,计算机程序在被处理器运行时执行如实施例二所提供的任一项人像聚类方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
进一步,本实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理设备运行时执行上述实施例二提供的任一项方法的步骤。
本发明实施例所提供的一种人像聚类方法、装置及系统的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (11)
1.一种人像聚类方法,其特征在于,所述方法包括:
获取多个待聚类原始图像的人脸图像;
统计任意两个属于不同身份的人脸图像出现在一个所述原始图像中的次数;
基于统计的次数确定亲密人脸组合;
根据所述亲密人脸组合进行所述待聚类原始图像的人像聚类。
2.根据权利要求1所述的方法,其特征在于,所述统计任意两个属于不同身份的人脸图像出现在一个所述原始图像中的次数的步骤,包括:
提取每个所述人脸图像的人脸特征值;
基于所述人脸特征值确定属于同一身份的人脸图像;
统计任意两个属于不同身份的人脸图像出现在一个所述原始图像中的次数。
3.根据权利要求2所述的方法,其特征在于,所述基于所述人脸特征值确定属于同一身份的人脸图像的步骤,包括:
计算任意两个人脸特征值之间的欧式距离;
将欧式距离低于预设值的两个人脸特征值对应的人脸图像确定为多个所述原始图像中属于同一身份的人脸图像。
4.根据权利要求1所述的方法,其特征在于,所述基于统计的次数确定亲密人脸组合的步骤,包括:
根据预设的聚类算法和统计的次数确定与目标人脸图像之间的聚类距离相差在预设距离阈值内的多个人脸图像;
将所述目标人脸图像和确定的多个人脸图像确定为亲密人脸组合。
5.根据权利要求4所述的方法,其特征在于,所述根据预设的聚类算法和统计的次数确定与目标人脸图像之间的聚类距离相差在预设距离阈值内的多个人脸图像的步骤,包括:
选取目标人脸图像;
基于统计的次数,提取出其它人脸图像与所述目标人脸图像出现在一个所述原始图像中的次数;
根据其它人脸图像与所述目标人脸图像出现在一个所述原始图像中的次数,确定其它人脸图像与所述目标人脸图像之间的聚类距离;
确定其它人脸图像中的与所述目标人脸图像之间的聚类距离相差在预设距离阈值内的多个人脸图像。
6.根据权利要求4所述的方法,其特征在于,所述聚类算法包括以下中的一种或多种:图团体检测算法、基于密度的聚类算法和凝聚层次聚类算法。
7.根据权利要求1所述的方法,其特征在于,所述根据所述亲密人脸组合进行所述待聚类原始图像的人像聚类的步骤,包括:
将所述亲密人脸组合所属的原始图像聚为一类,得到第一聚类结果;
和/或,
将所述亲密人脸组合中的人脸图像聚为一类,得到第二聚类结果;其中,所述人脸图像为从所述原始图像上截取的。
8.根据权利要求7所述的方法,其特征在于,所述将所述亲密人脸组合所属的原始图像聚为一类,得到第一聚类结果的步骤,包括:
在所述亲密人脸组合中确定目标人脸图像;
以所述目标人脸图像为聚类中心,将所述亲密人脸组合中每个人脸图像所属的原始图像聚为一类,得到第一聚类结果;
或者,
以所述目标人脸图像为聚类中心,将所述亲密人脸组合中所述目标人脸图像和各关系人脸图像共同所属的原始图像聚为一类,得到第一聚类结果;其中,所述关系人脸图像为与所述目标人脸图像出现在一个所述原始图像中的次数相差在预设次数阈值内的其它人脸图像。
9.一种人像聚类装置,其特征在于,所述装置包括:
图像获取模块,用于获取多个待聚类原始图像的人脸图像;
次数统计模块,用于统计任意两个属于不同身份的人脸图像出现在一个所述原始图像中的次数;
组合确定模块,用于基于统计的次数确定亲密人脸组合;
人像聚类模块,用于根据所述亲密人脸组合进行所述待聚类原始图像的人像聚类。
10.一种人像聚类系统,其特征在于,所述系统包括:图像采集装置、处理器和存储装置;
所述图像采集装置,用于采集多个原始图像;
所述存储装置上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1至8任一项所述的方法。
11.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行上述权利要求1至8任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910155307.1A CN109886239B (zh) | 2019-02-28 | 2019-02-28 | 人像聚类方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910155307.1A CN109886239B (zh) | 2019-02-28 | 2019-02-28 | 人像聚类方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109886239A true CN109886239A (zh) | 2019-06-14 |
CN109886239B CN109886239B (zh) | 2021-05-04 |
Family
ID=66930225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910155307.1A Active CN109886239B (zh) | 2019-02-28 | 2019-02-28 | 人像聚类方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886239B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111627125A (zh) * | 2020-06-02 | 2020-09-04 | 上海商汤智能科技有限公司 | 一种签到方法、装置、计算机设备及存储介质 |
CN113553498A (zh) * | 2021-06-18 | 2021-10-26 | 北京旷视科技有限公司 | 团体更新方法、装置、电子设备和计算机可读介质 |
CN114612967A (zh) * | 2022-03-03 | 2022-06-10 | 北京百度网讯科技有限公司 | 一种人脸聚类的方法、装置、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933047A (zh) * | 2014-03-17 | 2015-09-23 | 北京奇虎科技有限公司 | 一种确定搜索词的价值的方法和装置 |
CN105243098A (zh) * | 2015-09-16 | 2016-01-13 | 小米科技有限责任公司 | 人脸图像的聚类方法及装置 |
CN107392222A (zh) * | 2017-06-07 | 2017-11-24 | 深圳市深网视界科技有限公司 | 一种人脸聚类方法、装置以及存储介质 |
CN107609466A (zh) * | 2017-07-26 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 人脸聚类方法、装置、设备及存储介质 |
CN107666515A (zh) * | 2017-09-20 | 2018-02-06 | 广东欧珀移动通信有限公司 | 图像处理方法和装置、计算机设备、计算机可读存储介质 |
CN107679559A (zh) * | 2017-09-15 | 2018-02-09 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和移动终端 |
CN107766403A (zh) * | 2017-08-07 | 2018-03-06 | 努比亚技术有限公司 | 一种相册处理方法、移动终端以及计算机可读存储介质 |
CN107944414A (zh) * | 2017-12-05 | 2018-04-20 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN108229335A (zh) * | 2017-12-12 | 2018-06-29 | 深圳市商汤科技有限公司 | 关联人脸识别方法和装置、电子设备、存储介质、程序 |
CN109117714A (zh) * | 2018-06-27 | 2019-01-01 | 北京旷视科技有限公司 | 一种同行人员识别方法、装置、系统及计算机存储介质 |
-
2019
- 2019-02-28 CN CN201910155307.1A patent/CN109886239B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933047A (zh) * | 2014-03-17 | 2015-09-23 | 北京奇虎科技有限公司 | 一种确定搜索词的价值的方法和装置 |
CN105243098A (zh) * | 2015-09-16 | 2016-01-13 | 小米科技有限责任公司 | 人脸图像的聚类方法及装置 |
CN107392222A (zh) * | 2017-06-07 | 2017-11-24 | 深圳市深网视界科技有限公司 | 一种人脸聚类方法、装置以及存储介质 |
CN107609466A (zh) * | 2017-07-26 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 人脸聚类方法、装置、设备及存储介质 |
CN107766403A (zh) * | 2017-08-07 | 2018-03-06 | 努比亚技术有限公司 | 一种相册处理方法、移动终端以及计算机可读存储介质 |
CN107679559A (zh) * | 2017-09-15 | 2018-02-09 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和移动终端 |
CN107666515A (zh) * | 2017-09-20 | 2018-02-06 | 广东欧珀移动通信有限公司 | 图像处理方法和装置、计算机设备、计算机可读存储介质 |
CN107944414A (zh) * | 2017-12-05 | 2018-04-20 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN108229335A (zh) * | 2017-12-12 | 2018-06-29 | 深圳市商汤科技有限公司 | 关联人脸识别方法和装置、电子设备、存储介质、程序 |
CN109117714A (zh) * | 2018-06-27 | 2019-01-01 | 北京旷视科技有限公司 | 一种同行人员识别方法、装置、系统及计算机存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111627125A (zh) * | 2020-06-02 | 2020-09-04 | 上海商汤智能科技有限公司 | 一种签到方法、装置、计算机设备及存储介质 |
CN111627125B (zh) * | 2020-06-02 | 2022-09-27 | 上海商汤智能科技有限公司 | 一种签到方法、装置、计算机设备及存储介质 |
CN113553498A (zh) * | 2021-06-18 | 2021-10-26 | 北京旷视科技有限公司 | 团体更新方法、装置、电子设备和计算机可读介质 |
CN114612967A (zh) * | 2022-03-03 | 2022-06-10 | 北京百度网讯科技有限公司 | 一种人脸聚类的方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109886239B (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117803B (zh) | 人脸图像的聚类方法、装置、服务器及存储介质 | |
CN108197250B (zh) | 图片检索方法、电子设备及存储介质 | |
CN108875540A (zh) | 图像处理方法、装置和系统及存储介质 | |
CN109376596A (zh) | 人脸匹配方法、装置、设备及存储介质 | |
CN109886239A (zh) | 人像聚类方法、装置及系统 | |
CN105608425B (zh) | 对照片进行分类存储的方法及装置 | |
CN110135246A (zh) | 一种人体动作的识别方法及设备 | |
CN108229555A (zh) | 样本权重分配方法、模型训练方法、电子设备及存储介质 | |
CN106604051A (zh) | 直播频道推荐方法及装置 | |
CN111325271B (zh) | 图像分类方法及装置 | |
CN107886079A (zh) | 对象识别方法、装置及系统 | |
CN111626163B (zh) | 一种人脸活体检测方法、装置及计算机设备 | |
US20150071557A1 (en) | Spatial organization of images based on emotion face clouds | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN109948734A (zh) | 图像聚类方法、装置及电子设备 | |
CN110348519A (zh) | 金融产品欺诈团伙的识别方法和装置 | |
CN108985954A (zh) | 一种建立各标识的关联关系的方法以及相关设备 | |
CN106303599A (zh) | 一种信息处理方法、系统及服务器 | |
CN103617430A (zh) | 一种基于植物叶片图像信息的便携式校园植物种类识别系统 | |
CN109598250A (zh) | 特征提取方法、装置、电子设备和计算机可读介质 | |
CN108985263A (zh) | 一种数据采集方法、装置、电子设备和计算机可读介质 | |
CN109657627A (zh) | 身份验证方法、装置及电子设备 | |
CN109064613A (zh) | 人脸识别方法及装置 | |
CN110175990A (zh) | 人脸图像质量判定方法、装置及计算机设备 | |
CN106940802A (zh) | 用于使用生物测量学信息的认证的方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |