[发明专利]一种无监督的人脸图像二次聚类方法、装置、介质

权利要求书

1.一种无监督的人脸图像二次聚类方法，其特征在于，该方法包括：

初次聚类步骤，对获取的n张人脸图像计算相似度矩阵和图像质量分数，并基于图像质量分数对相似度矩阵进行调整，操作为：使用卷积神经网络获取n张人脸图像的高维人脸归一化特征向量emb，并计算每一人脸图像的表示人脸特征质量的图像质量分数dp_score；计算n张人脸图像的1: n的余弦相似度并排序得到前top_k个相似度矩阵D，其中，D为n×top_k的矩阵；根据每一人脸图像的图像质量分数dp_score调整相似度矩阵D：如果两张人脸图像中任意一张的质量分dp_score小于第一阈值thres_1，则将它们之间的相似度置为0，如果否，则判断两张人脸图像的质量分dp_score是否都小于第二阈值thres_2，如果是，则在thres_1和thres_2之间，根据较低分图片的质量分，线性衰减二者之间的相似度，处理完毕后得到调整后的相似度矩阵D，其中，thres_1thres_2，基于调整后的相似度矩阵对n张人脸图像进行初次聚类得到初次聚类结果，其中n≥2；

划分步骤，在初次聚类得到的初次聚类结果中，选出聚类簇中的最佳代表元rep，并根据每个聚类簇中的图像数量分为离散簇和聚集簇，包括：选出每一个初始聚类簇内质量分数大于阈值thres_2的所有m个人脸图像，如果m=0或m=2，将该每一个初始聚类簇内质量分数最高的图片设为代表元rep，否则，判断m=1且m≠2是否成立，如果是，则计算m个人脸图像的特征的平均作为该初始聚类簇的类中心，随后计算m个样本与类中心的余弦相似度，相似度最高的图片成为代表元rep；再根据每一个初始聚类簇内的人脸图像数量，将初始聚类簇进行划分，如果一个初始聚类簇内的人脸图像数大于1则为聚集簇，如果初始聚类簇内的人脸图像数为1的则为离散簇；

二次聚类步骤，利用并查集算法先将满足条件的离散簇合并至聚集簇，再进行聚集簇之间的合并，得到二次聚类后的人脸图像，所述二次聚类步骤的操作为：使用代表元的特征和质量分代表聚类簇，分别计算离散簇与聚集簇之间的相似度D1, 聚集簇之间的相似度D2，相似度计算和调整方式与初次聚类相同；离散簇与聚集簇间进行二次聚类，对相似度D1 eps2_less的部分，使用并查集方法进行簇间合并；聚集簇间进行二次聚类，对聚集簇进行的簇间合并使用不同的相似度阈值，对样本数量多的簇，适当降低其相似度阈值，聚集簇i与聚集簇j的合并阈值按下式计算：

式中C_ij为簇i和簇j包含人脸图像数量的乘积。

2.根据权利要求1所述的方法，其特征在于，所述基于调整后的相似度矩阵对n张人脸图像进行初次聚类得到初次聚类结果的操作为：设定初次聚类的余弦相似度阈值eps1；根据调整后的相似度矩阵D找到所有人脸图像的邻居neighbors，即与目标人脸图像相似度大于eps_1的即判定为它的邻居；如果一张人脸图像的邻居数量=2，则认为该人脸图像为核心点core_samples；根据neighbors和core_samples对所有人脸图像进行连通计算，得到所述初次聚类结果。