[发明专利]人物图像聚类方法和装置

说明书

本申请实施例公开了人物图像聚类方法和装置。该方法的一具体实施方式包括：获取多张人物图像；对于每一张人物图像，将该张人物图像输入到人体特征识别网络得到该张人物图像所包括的人物对象的人体特征图；对于每一张人物图像，基于人体特征图生成该张人物图像所包括的人物对象的人体特征向量；基于所得到的人体特征向量对多张人物图像进行聚类，得到至少一个类，其中一个类与一个人物对象一一对应；该实施方式提高了对人物图像聚类的准确度。

技术领域

本申请实施例涉及计算机技术领域，具体涉及图像处理技术领域，尤其涉及用于人物图像聚类方法和装置。

背景技术

在日常生活中，或者在一些重大场合，人们可以通过手机、平板电脑、相机等终端来拍摄多张人物图像。

当人物图像较多时，可以根据人物图像中所包括的不同人物对象来对多张人物图像进行分类。从而将多张人物图像分为对应不同人物对象的多个类。每一个类中包括一个人物对象的多张人物图像。

通常我们可以根据人物图像中的面部图像来提取不同人物对象的面部特征，并根据各个人物对象的面部特征将多张人物图像进行分类。

发明内容

本申请实施例提出了一种人物图像聚类方法和装置。

第一方面，本申请实施例提供了一种人物图像聚类方法，该方法包括：获取多张人物图像；对于每一张人物图像，将该张人物图像输入到预先训练的人体特征识别网络得到该张人物图像所包括的人物对象的人体特征图，人体特征识别网络用于确定输入到其中的人物图像所包括的人物对象的人体特征图；对于每一张人物图像，基于人体特征图生成该张人物图像所包括的人物对象的人体特征向量；基于所生成的人体特征向量对多张人物图像进行聚类，得到至少一个类，其中一个类与一个人物对象一一对应；其中，人体特征识别网络基于如下的训练步骤训练得到：获取训练样本集合，训练样本集合中的各训练样本包括训练人物图像和用于指示训练人物图像所包含的人物身份的标注信息；将训练样本输入到预先建立的初始人体特征识别网络中，对初始人体特征识别网络进行训练，得到训练后的人体特征识别网络。

在一些实施例中，在对于每一张人物图像，基于人体特征图生成该张人物图像所包括的人物对象的人体特征向量之前，该方法还包括：对于每一张人物图像，将该张人物图像输入到预先训练的人脸特征识别模型得到该张人物图像所包括的人物对象的面部特征图，人脸特征识别模型用于确定输入到其中的人物图像所包括的人物对象的面部特征图；以及对于每一张人物图像，基于人体特征图生成该张人物图像所包括的人物对象的人体特征向量，包括：基于与该人物图像对应的面部特征图以及与该人物图像对应的人体特征图生成该人物图像所包括的人物对象的人体特征向量。

在一些实施例中，人体特征识别网络包括多个级联的残差网络单元；将添加了身份标识的多张训练人物图像输入到初始人体特征识别网络中对初始人体特征识别网络进行训练，包括：通过将添加了身份标识的多张训练人物图像输入到初始人体特征识别网络中训练各级残差网络单元以确定各级残差网络单元的参数。

在一些实施例中，训练样本集合包括多个训练样本对，训练样本对中包括人物身份相同的两张训练人物图像，或者，训练样本对中包括人物身份不相同的两张训练人物图像；以及将训练样本输入到预先建立的初始人体特征识别网络中，对初始人体特征识别网络进行训练，得到训练后的人体特征识别网络，包括：将各训练样本对输入到初始人体特征识别网络进行训练使得训练后的人体特征识别网络的输出具有如下特征：若训练样本对中的两张训练人物图像对应的人物身份相同，则基于训练后的人体特征识别网络所输出的与该训练样本对中两张训练人物图像分别对应的特征图之间的相似度大于第一预设相似度阈值；若训练样本对中的两张训练人物图像对应的人物身份不相同，则基于由训练后的人体特征识别网络所输出的与该训练样本对中两张训练人物图像分别对应的特征图之间的相似度小于第二预设相似度阈值；其中，第二预设相似度阈值小于第一相似度阈值。