[发明专利]一种基于约束条件下的多图片多人脸的聚类方法

权利要求书

1.一种基于约束条件下的多图片多人脸的聚类方法，其特征在于，包括如下步骤：

步骤1：选取人脸数据库，并对数据库中的人脸图像预处理后进行特征提取，得到特征向量，根据特征向量计算人脸图像集中任意两张人脸图像的相似度，得到相似度矩阵；

步骤2：设置约束条件；所述约束条件包括人脸固有属性约束条件，同一张照片上多人脸属于不同人约束条件，视频同一通道的单人脸属于同一人约束条件，视频同一通道多人脸属于不同人约束条件，所述相似度大于预设阈值A的人脸图像属于同一人约束条件，所述相似度小于预设阈值B的人脸图像属于不同人约束条件；根据所述约束条 件得到：

其中，Y_ij表示人脸图像X_i,X_j是否属于同一个人，f_k(C_k(X_i,X_j))表示对于人脸图像X_i,X_j在任意约束条件下的关系，若为1则表示属于同一个人，若为-1则表示属于不同人；

步骤3：计算条件概率p(Y_ij|X_i,X_j)，求解p(Y|X)后验概率最大化问题，X表示样本，Y表示簇类；其中，采用条件随机场模型最大化所述后验概率，所述条件随机场模型表示为：

其中，Z表示规范化因子，为所述相似度矩阵，表示人脸图像X_i,X_j,X_k之间相似度的约束性；

定义三角关系W为：在聚类的过程中，如果任意两张人脸图像被分到一个簇，则表示这两张人脸图像属于同一个人，并且同一簇内表示每张人脸图像的节点之间互相连接，与其他簇内的节点不相连；

若不同变量Y_ij,Y_ik,Y_jk之间的三角关系不存在或是不连续，则W＝1；对于所述相似度矩阵中其他节点之间的三角关系，W则为：

W(Y_ij,Y_ik,Y_jk)＝(1-Y_ij)Y_ikY_jk+Y_ij(1-Y_ik)Y_jk+Y_ijY_ik(1-Y_jk)

其中，θ为超参数；

对所述条件随机场模型取负对数，将最大值问题转化为最小值问题，则所述条件随机场模型的优化目标为：

E(Y,X)＝∑M(Y_ij)+∑θW(Y_ij,Y_ik,Y_jk)

其中，一元势函数利用E(Y,X)对输入的人脸图像进行聚类。

2.根据权利要求1所述的基于约束条件下的多图片多人脸的聚类方法，其特征在于，使用循环置信度传播算法对取负对数后的条件随机场模型进行迭代和计算，迭代过程如下：

首先定义变量Y_ij初始化时的信息由一元势函数产生：

每一次迭代的过程中迭代信息表示为：

其中，t表示迭代次数，t取1,2,…T，T表示最大的迭代次数；k∈N^t-1(i,j)表示跟结点i或者j相连的结点，N^t-1(i,j)表示跟结点i或者j相连的结点的集合；每次迭代过程中计算要加入的节点和当前节点之间的信息，选择信息值最小的k更新节点i和j，直到三角关系W＝0的节点不存在时为止：