本发明专利技术涉及计算机视觉技术领域，提供一种合影图像人物分析方法、装置、计算机设备和存储介质，包括获取待分析人物人脸图像的第一高维度特征向量和合影人脸图像的第二高维度特征向量集合；以第一高维度特征向量为首个聚类中心加入聚类中心集合；以聚类中心集合对第二高维度特征向量集合聚类确定各聚类中心的相似第二高维度特征向量和相似度；利用相似第二高维特征向量更新各聚类中心并根据相似度筛选新聚类中心加入聚类中心集合；返回聚类直至聚类中心集合不变动，移除与第一高维度特征向量最相似聚类中心得到最终聚类中心集合；将最终聚类中心集合对应人脸图像作为目标人物确定人物档案和待分析人物的关系。采用本方法能够准确挖掘人物关联关系。够准确挖掘人物关联关系。够准确挖掘人物关联关系。
【技术实现步骤摘要】
合影图像人物分析方法、装置、计算机设备和存储介质
[0001]本专利技术属于计算机视觉
，尤其涉及一种合影图像人物分析方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着互联网技术的快速发展，社交网络、各类网站平台等互联网公开数据也日益增多，通过对该些大数据进行深入挖掘和应用，能够发现和关联推理出大量有价值的信息。其中，互联网公开数据中的合影图像往往蕴含着重要的人物关系信息，通过对海量图像进行分析挖掘合影中人物之间的关系是构建社交网络知识图谱和人物关系图谱的重要途径。
[0003]目前学术界和工业界的重点研究在于人脸检测技术和人脸识别技术，然而，针对大数据的合影分析挖掘人物更加侧重于海量数据下的信息融合，其与人脸检测和人物识别技术不同，因此仍需一种能够准确针对海量合影图像数据挖掘人物关联关系的方式。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够准确针对海量合影图像数据挖掘人物关联关系的合影图像人物分析方法、装置、计算机设备和存储介质。
[0005]本专利技术提供一种合影图像人物分析方法，包括：
[0006]获取待分析人物人脸图像的第一高维度特征向量以及与所述待分析人物合影人脸图像的第二高维度特征向量集合；
[0007]将所述第一高维度特征向量作为首个聚类中心加入到聚类中心集合；
[0008]以所述聚类中心集合对所述第二高维度特征向量集合进行聚类，确定各聚类中心的相似第二高维度特征向量以及相似度；
[0009]利用所述相似第二高维特征向量分别更新各所述聚类中心，以及根据所述相似度筛选所述第二高维度特征向量作为聚类中心加入到所述聚类中心集合；
[0010]返回以所述聚类中心集合对所述第二高维度特征向量集合进行聚类的步骤，直至所述聚类中心集合不变动，移除与所述第一高维度特征向量相似度最高的聚类中心，得到最终聚类中心集合；
[0011]将所述最终聚类中心集合中各聚类中心对应的人脸图像作为目标人物，确定所述目标人物的人物档案以及与所述待分析人物的关系紧密度。
[0012]在其中一个实施例中，所述获取待分析人物人脸图像的第一高维度特征向量以及与所述待分析人物合影人脸图像的第二高维度特征向量集合，包括：
[0013]获取待分析人物的人脸图像，对所述人脸图像进行人脸特征编码提取所述人脸图像的第一高维度特征向量；
[0014]筛选合影图像，获取所述合影图像中各人脸的第二高维度特征向量；
[0015]基于所述第一高维度特征向量和所述第二高维度特征向量的相似度，从所述合影图像中检索并提取出合影人脸集合；
[0016]将所述合影人脸集合中各合影人脸的第二高维度特征向量组合作为第二高维度特征向量集合。
[0017]在其中一个实施例中，所述基于所述第一高维度特征向量和所述第二高维度特征向量的相似度，从所述合影图像中检索并提取出与所述待分析人物合影的合影人脸集合，包括：
[0018]利用向量余弦相似度确定所述第一高维度特征向量和所述第二高维度特征向量的空间距离；
[0019]基于所述空间距离利用近似最近邻搜索算法从所述第二高维度特征向量中检索出与所述第一高维度特征向量相似的候选第二高维度特征向量；
[0020]在所述合影图像中，筛选包括所述候选第二高维度特征向量的合影图像并提取人脸图像组成合影人脸集合。
[0021]在其中一个实施例中，所述利用所述相似第二高维特征向量分别更新各所述聚类中心，包括：
[0022]分别计算各所述聚类中心对应所述相似第二高维度特征向量的特征向量均值；
[0023]将各所述特征向量均值分别赋值给对应的所述聚类中心。
[0024]在其中一个实施例中，所述根据所述相似度筛选所述第二高维度特征向量作为聚类中心加入到所述聚类中心集合，包括：
[0025]获取预设聚类超参数以及从所述相似度中筛选最小相似度；
[0026]在所述最小相似度不大于所述聚类超参数时，将所述最小相似度对应的第二高维度特征向量作为聚类中心加入到所述聚类中心集合。
[0027]在其中一个实施例中，所述目标人物与所述待分析人物的关系紧密度确定方式，包括：
[0028]根据所述第二高维度特征向量的数量、所述目标人物对应聚类中心的所述相似第二高维度特征向量的数量以及所述相似第二高维特征向量的方差计算关系紧密度。
[0029]在其中一个实施例中，所述目标人物的人物档案确定方式，包括：
[0030]分别计算所述目标人物人脸图像与人物档案库各人脸头像的余弦相似度；
[0031]确定所述余弦相似度最高的所述人脸头像对应的人物档案为所述目标人物的人物档案。
[0032]一种合影图像人物分析装置，包括：
[0033]获取模块，用于获取待分析人物人脸图像的第一高维度特征向量以及与所述待分析人物合影人脸图像的第二高维度特征向量集合；
[0034]聚类模块，用于将所述第一高维度特征向量作为首个聚类中心加入到聚类中心集合；以所述聚类中心集合对所述第二高维度特征向量集合进行聚类，确定各聚类中心的相似第二高维度特征向量以及相似度；
[0035]更新模块，用于利用所述相似第二高维特征向量更新各所述聚类中心，以及根据所述相似度筛选所述第二高维度特征向量作为聚类中心加入到所述聚类中心集合；
[0036]移除模块，用于返回以所述聚类中心集合对所述第二高维度特征向量集合进行聚类的步骤，直至所述聚类中心集合不变动，移除与所述第一高维度特征向量相似度最高的聚类中心得到最终聚类中心集合；
[0037]确定模块，用于将所述最终聚类中心集合中各聚类中心对应的人脸图像作为目标人物，确定所述目标人物的人物档案以及与所述待分析人物的关系紧密度。
[0038]本专利技术还提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器存储由计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的合影图像人物分析方法的步骤。
[0039]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的合影图像人物分析方法的步骤。
[0040]上述合影图像人物分析方法、装置、计算机设备和存储介质，获取待分析人物人脸图像的第一高维度特征向量和合影人脸图像的第二高维度特征向量集合后，以第一高维度特征向量为首个聚类中心加入聚类中心集合；然后以聚类中心集合对第二高维度特征向量集合进行聚类来确定各聚类中心的相似第二高维度特征向量以及相似度；再利用相似第二高维特征向量更新各聚类中心并根据相似度筛选第二高维特征向量作为新的聚类中心加入聚类中心集合；返回聚类直至聚类中心集合不变动后移除与第一高维度特征向量最相似聚类中心得到最终聚类中心集合；将最终聚类中心集合对应人脸图像作为目标人物确定人物档案，并确定与待分析人物的关系紧密度，从而实现了从海量合影图像数据中挖掘人物之间的关联关系，提升了本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种合影图像人物分析方法，其特征在于，包括：获取待分析人物人脸图像的第一高维度特征向量以及与所述待分析人物合影人脸图像的第二高维度特征向量集合；将所述第一高维度特征向量作为首个聚类中心加入到聚类中心集合；以所述聚类中心集合对所述第二高维度特征向量集合进行聚类，确定各聚类中心的相似第二高维度特征向量以及相似度；利用所述相似第二高维特征向量分别更新各所述聚类中心，以及根据所述相似度筛选所述第二高维度特征向量作为聚类中心加入到所述聚类中心集合；返回以所述聚类中心集合对所述第二高维度特征向量集合进行聚类的步骤，直至所述聚类中心集合不变动，移除与所述第一高维度特征向量相似度最高的聚类中心，得到最终聚类中心集合；将所述最终聚类中心集合中各聚类中心对应的人脸图像作为目标人物，确定所述目标人物的人物档案以及与所述待分析人物的关系紧密度。2.根据权利要求1所述的方法，其特征在于，所述获取待分析人物人脸图像的第一高维度特征向量以及与所述待分析人物合影人脸图像的第二高维度特征向量集合，包括：获取待分析人物的人脸图像，对所述人脸图像进行人脸特征编码提取所述人脸图像的第一高维度特征向量；筛选合影图像，获取所述合影图像中各人脸的第二高维度特征向量；基于所述第一高维度特征向量和所述第二高维度特征向量的相似度，从所述合影图像中检索并提取出合影人脸集合；将所述合影人脸集合中各合影人脸的第二高维度特征向量组合作为第二高维度特征向量集合。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一高维度特征向量和所述第二高维度特征向量的相似度，从所述合影图像中检索并提取出与所述待分析人物合影的合影人脸集合，包括：利用向量余弦相似度确定所述第一高维度特征向量和所述第二高维度特征向量的空间距离；基于所述空间距离利用近似最近邻搜索算法从所述第二高维度特征向量中检索出与所述第一高维度特征向量相似的候选第二高维度特征向量；在所述合影图像中，筛选包括所述候选第二高维度特征向量的合影图像并提取人脸图像组成合影人脸集合。4.根据权利要求1所述的方法，其特征在于，所述利用所述相似第二高维特征向量分别更新各所述聚类中心，包括：分别计算各所述聚类中心对应所述相似第二高维度特征向量的特征向量均值；将各所述特征向量均值分别赋值给对应的所述聚类中心。5.根据权利要求1...
【专利技术属性】
技术研发人员：郭建京，周忠诚，黄九鸣，张圣栋，何洋，
申请(专利权)人：湖南四方天箭信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。