[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

摘要

本发明公开了一种基于约束条件下的多图片多人脸的聚类方法，对于一张图片中的多张人脸图像，提取出人脸图像中的固有属性和特征，同时根据人脸图像之间的相似度和簇的关系来添加三角约束。使用条件随机场建立模型，结合各种约束条件使用置信度传播算法迭代优化目标，最后使用聚类评价方法评估聚类效果。通过实验我们发现，本专利方法不仅准确率很高，而且聚类的过程很快。

主权项

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。