本申请提供了一种图像的聚类方法、装置及电子设备，其中，该方法包括：获取图像集中每个图像对应的人脸特征以及所述每个图像的属性特征，其中，所述属性特征包括创建时间和地理位置信息，所述地理位置信息是拍摄图像时的地点的相关信息；以所述创建时间为特征对所述图像集中的各个图像进行第一次聚类处理，得到多个第一图像分堆；以所述地理位置为特征对所述多个第一图像分堆进行合并处理，得到多个第二图像分堆；基于所述人脸特征，对每个第二图像分堆中的各个图像进行第二次聚类处理，得到第三图像分堆。本申请解决了现有技术中由于存储或展示给用户的图像数量巨大导致当用户想要浏览相关的图像时需要耗费很多的时间的技术问题。问题。问题。
【技术实现步骤摘要】
图像的聚类方法、装置及电子设备
[0001]本申请涉及图像分类
，具体而言，涉及一种图像的聚类方法、装置及电子设备。
技术介绍
[0002]近年来，随着计算机网络的持续发展，网络上的图片数据呈现爆发式增长，用户在查找图片时不可避免地面临与日俱增的相关图片数量。同时，各类智能终端的性能和功能也经历了显著的提升，使得这些设备能够存储和呈现给用户更多的图片。然而，这样的增长趋势也带来了新的挑战，尤其是当用户希望浏览相关的图片时。
[0003]随着相关图片数量的不断增多，用户需要在大量图片中逐一寻找目标图像，导致浏览过程耗费了大量时间和精力，严重影响用户体验。用户可能会感到疲惫和不满，甚至因为耗时浏览而放弃寻找所需的图片，从而无法满足他们的需求。
[0004]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本申请实施例提供了一种图像的聚类方法、装置及电子设备，以至少解决现有技术中由于存储或展示给用户的图像数量巨大导致当用户想要浏览相关的图像时需要耗费很多的时间的技术问题。
[0006]根据本申请实施例的一个方面，提供了一种图像的聚类方法，包括：获取图像集中每个图像对应的人脸特征以及所述每个图像的属性特征，其中，所述属性特征包括创建时间和地理位置信息，所述地理位置信息是拍摄图像时的地点的相关信息；以所述创建时间为特征对所述图像集中的各个图像进行第一次聚类处理，得到多个第一图像分堆；以所述地理位置为特征对所述多个第一图像分堆进行合并处理，得到多个第二图像分堆；基于所述人脸特征，对每个第二图像分堆中的各个图像进行第二次聚类处理，得到第三图像分堆。
[0007]根据本申请实施例的另一方面，还提供了一种图像的聚类装置，包括：获取模块，被配置为获取图像集中每个图像对应的人脸特征以及所述每个图像的属性特征，其中，所述属性特征包括创建时间和地理位置信息，所述地理位置信息是拍摄图像时的地点的相关信息；时间聚类模块，被配置为以所述创建时间为特征对所述图像集中的各个图像进行第一次聚类处理，得到多个第一图像分堆；位置合并模块，被配置为以所述地理位置为特征对所述多个第一图像分堆进行合并处理，得到多个第二图像分堆；特征聚类模块，被配置为基于所述人脸特征，对每个第二图像分堆中的各个图像进行第二次聚类处理，得到第三图像分堆。
[0008]在本申请实施例中，获取图像集中每个图像对应的人脸特征以及所述每个图像的属性特征，其中，所述属性特征包括创建时间和地理位置信息，所述地理位置信息是拍摄图像时的地点的相关信息；以所述创建时间为特征对所述图像集中的各个图像进行第一次聚类处理，得到多个第一图像分堆；以所述地理位置为特征对所述多个第一图像分堆进行合
并处理，得到多个第二图像分堆；基于所述人脸特征，对每个第二图像分堆中的各个图像进行第二次聚类处理，得到第三图像分堆，从而解决了现有技术中由于存储或展示给用户的图像数量巨大导致当用户想要浏览相关的图像时需要耗费很多的时间的技术问题。
附图说明
[0009]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请实施例的一种图像的聚类方法的流程图；图2是根据本申请实施例的另一种图像的聚类方法的流程图；图3是根据本申请实施例的一种特征向量的获取方法的流程图；图4是根据本申请实施例的一种相似度的判断方法的流程图；图5是根据本申请实施例的又一种图像的聚类方法的流程图；图6是根据本申请实施例的一种图像的聚类装置的结构示意图；图7示出了适于用来实现本公开实施例的电子设备的结构示意图。
[0010]其中，上述附图包括以下附图标记：1001、CPU；1002、ROM；1003、RAM；1004、总线；1005、I/O接口；1006、输入部分；1007、输出部分；1008、存储部分；1009、通信部分；1010、驱动器；1011、可拆卸介质；52、获取模块；54、时间聚类模块；56、位置合并模块；58、特征聚类模块。
具体实施方式
[0011]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0012]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0013]除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到 ：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
[0014]实施例1本申请实施例提供了一种图像的聚类方法，如图1所示，该方法包括：步骤S102，获取图像集中每个图像对应的人脸特征以及所述每个图像的属性特征。
[0015]首先，提取人脸特征。针对图像集中的每个图像，使用人脸识别技术或相关的深度学习算法来提取对应的人脸特征。这些人脸特征可以是高维度的向量表示，其中每个维度
表示图像中的特定人脸属性。
[0016]接下来，提取属性特征。所述属性特征包括创建时间和地理位置信息，所述地理位置信息是拍摄图像时的地点的相关信息。具体地，从每个图像的元数据中提取创建时间信息。图像文件通常包含时间戳信息，可以直接获取图像的创建时间，也可以通过其他方式关联到图像创建时间的数据（如数据库记录等）进行获取。此外，许多现代相机和智能手机会在图像的EXIF元数据中记录GPS信息，包括经度和纬度，可以直接提取这些信息。或者，还可以利用第三方地理信息数据库，根据图像的拍摄时间和可能的地点进行位置信息匹配，以获取拍摄地点相关的信息。
[0017]步骤S104，以所述创建时间为特征对所述图像集中的各个图像进行第一次聚类处理，得到多个第一图像分堆。
[0018]首先。计算所述图像集中的当前图像与前一张图像的创建时间之间的时间间隔。通过计算图像之间的时间间隔，可以得到图像在时间上的连续性信息。这有助于确定图像之间的时间关联性，从而更好地理解图像的时间序列特征。
[0019]接下来，在所述时间间隔小于等于预设的时间阈值的情况下，计算所述当前图像与所述当前图像之前连续未被聚类且与所述当前图像具有相同创建时间范围的图像的创建时间的平均绝对偏差。通过计算平均绝对偏差，有效地考虑了图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像的聚类方法，其特征在于，包括：获取图像集中每个图像对应的人脸特征以及所述每个图像的属性特征，其中，所述属性特征包括创建时间和地理位置信息，所述地理位置信息是拍摄图像时的地点的相关信息；以所述创建时间为特征对所述图像集中的各个图像进行第一次聚类处理，得到多个第一图像分堆；以所述地理位置为特征对所述多个第一图像分堆进行合并处理，得到多个第二图像分堆；基于所述人脸特征，对每个第二图像分堆中的各个图像进行第二次聚类处理，得到第三图像分堆。2.根据权利要求1所述的方法，其特征在于，以所述创建时间为特征对所述图像集中的各个图像进行第一次聚类处理，得到多个第一图像分堆，包括：计算所述图像集中的当前图像与前一张图像的创建时间之间的时间间隔；在所述时间间隔小于等于预设的时间阈值的情况下，计算所述当前图像与所述当前图像之前连续未被聚类且与所述当前图像具有相同创建时间范围的图像的创建时间的平均绝对偏差；在所述平均绝对偏差小于等于预设的时间相似性阈值的情况下，将所述当前图像和所述前一张图像聚类在一个图像分堆中，其中，所述时间相似性阈值是用来衡量图像时间特征相似性的阈值。3.根据权利要求2所述的方法，其特征在于，计算所述当前图像与所述当前图像之前连续未被聚类且与所述当前图像具有相同创建时间范围的图像的创建时间的平均绝对偏差，包括：从所述当前图像开始，向前遍历所述图像集中的各个图像直到遍历到所述图像集的第一个图像为止，找到未被聚类且与所述当前图像具有相同创建时间范围的图像；计算每个所述未被聚类且与所述当前图像具有相同创建时间范围的图像的创建时间与所述当前图像的创建时间的偏差，并将所述偏差添加到时间偏差列表中；计算所述时间偏差列表中的所有偏差的平均值，得到所述平均绝对偏差。4.根据权利要求1所述的方法，其特征在于，以所述地理位置为特征对所述多个第一图像分堆进行合并处理，包括：针对所述多个第一图像分堆中相邻的两个第一图像分堆，计算所述两个第一图像分堆中前一个第一图像分堆的最后一张图像与后一个第一图像分堆的第一张图像的地理相似度；在所述地理相似度小于等于预设的地理距离阈值的情况下，计算所述前一个第一图像分堆的最后一张图像与所述后一个第一图像分堆中所有图像的地理位置的离均差平方和；在所述离均差平方和小于等于预设的地理相似性阈值的情况下，将所述两个第一图像分堆合并为一个分堆，其中，所述地理相似性阈值是用来衡量图像的地理拍摄位置的相似性的阈值。5...
【专利技术属性】
技术研发人员：王英，安佳宇，
申请(专利权)人：世优北京科技有限公司，
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。