圖像處理的方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本公開(kāi)涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像處理的方法和裝置。
【背景技術(shù)】
[0002]人臉識(shí)別是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。利用人臉識(shí)別技術(shù)，能夠識(shí)別照片中的人物身份，并根據(jù)照片中的人物身份將屬于同一個(gè)人的照片歸類(lèi)到一個(gè)簇中。
[0003]在人臉識(shí)別的過(guò)程中，可以采用層次聚類(lèi)算法判斷兩個(gè)人臉是否屬于同一個(gè)人:計(jì)算兩個(gè)人臉圖像對(duì)應(yīng)的人臉特征向量之間的距離；比較計(jì)算出的距離與距離閾值的大小;若計(jì)算出的閾值不大于距離閾值，則判定兩個(gè)人臉圖像屬于同一個(gè)人;若計(jì)算出的閾值大于距離閾值，則判定兩個(gè)人臉圖像不屬于同一個(gè)人。
[0004]然而，由于聚類(lèi)算法自身準(zhǔn)確度的限制，判定屬于同一個(gè)人的兩個(gè)人臉圖像實(shí)際上可能屬于不同的人，聚類(lèi)結(jié)果的準(zhǔn)確性有限，用戶體驗(yàn)差。

【發(fā)明內(nèi)容】

[0005]為克服相關(guān)技術(shù)中存在聚類(lèi)結(jié)果的準(zhǔn)確性有限的問(wèn)題，本公開(kāi)提供一種圖像處理的方法和裝置。
[0006]根據(jù)本公開(kāi)實(shí)施例的第一方面，提供一種圖像處理的方法，包括:
[0007]獲取一個(gè)聚類(lèi)集合，所述聚類(lèi)集合包括至少兩幅人臉圖像；
[0008]采用人臉識(shí)別算法獲取所述至少兩幅人臉圖像的第一特征值；
[0009]按照所述至少兩幅人臉圖像的第一特征值，對(duì)所述聚類(lèi)集合進(jìn)行拆分。
[0010]通過(guò)采用人臉識(shí)別算法獲取一個(gè)聚類(lèi)集合中的至少兩幅人臉圖像的第一特征值，并按照至少兩幅人臉圖像的第一特征值，對(duì)該聚類(lèi)集合進(jìn)行拆分，利用第一特征值對(duì)包括屬于不同人的人臉圖像的聚類(lèi)集合進(jìn)行糾正，克服聚類(lèi)算法自身準(zhǔn)確度的限制，提高聚類(lèi)結(jié)果的準(zhǔn)確度，用戶體驗(yàn)好。
[0011]在第一方面一種可能的實(shí)現(xiàn)方式中，所述第一特征值的類(lèi)型包括人臉圖像所屬人物的性別、年齡、種族中的至少一種。
[0012]性別、年齡、種族是人臉特有的特征，一個(gè)人的這些特征固定不變，利用這些特有的特征，可以糾正將屬于不同人的人臉圖像聚合在一個(gè)簇中的錯(cuò)誤，克服聚類(lèi)算法自身準(zhǔn)確度的限制，提高聚類(lèi)結(jié)果的準(zhǔn)確度，用戶體驗(yàn)好。
[0013]可選地，所述采用人臉識(shí)別算法獲取所述至少兩幅人臉圖像的第一特征值，包括:
[0014]分別對(duì)各幅人臉圖像采用線性判別式分析LDA算法確定所述各幅人臉圖像各自所屬人物的性別。
[0015]采用LDA算法實(shí)現(xiàn)人臉圖像所屬人物性別的確定，算法成熟、準(zhǔn)確率高、成本低。
[0016]可選地，所述采用人臉識(shí)別算法獲取所述至少兩幅人臉圖像的第一特征值，包括:
[0017]分別對(duì)各幅人臉圖像采用主成分分析PCA方法提取所述各幅人臉圖像各自的圖像特征值；
[0018]根據(jù)所述各幅人臉圖像各自的所述圖像特征值，使用最小二乘回歸算法計(jì)算所述各幅人臉圖像各自所屬人物的年齡。
[0019]米用PCA和最小二乘回歸算法實(shí)現(xiàn)人臉圖像所屬人物年齡的確定，算法成熟、準(zhǔn)確率高、成本低。
[0020]可選地，所述采用人臉識(shí)別算法獲取所述至少兩幅人臉圖像的第一特征值，包括:[0021 ]分別提取各幅人臉圖像的膚色特征值；
[0022]根據(jù)所述各幅人臉圖像的膚色特征值，采用支持向量機(jī)SVM確定所述各幅人臉圖像各自所屬人物的種族。
[0023]采用SVM實(shí)現(xiàn)人臉圖像所屬人物種族的確定，算法成熟、準(zhǔn)確率高、成本低。
[0024]在第一方面另一種可能的實(shí)現(xiàn)方式中，所述按照所述至少兩幅人臉圖像的第一特征值，對(duì)所述聚類(lèi)集合進(jìn)行拆分，包括:
[0025]當(dāng)所述至少兩幅人臉圖像同一類(lèi)型的第一特征值不同或者差值超過(guò)設(shè)定范圍時(shí)，將所述聚類(lèi)集合拆分為至少兩個(gè)聚類(lèi)集合，拆分后的各個(gè)聚類(lèi)集合中的各幅人臉圖像同一類(lèi)型的第一特征值相同或者差值在設(shè)定范圍內(nèi)。
[0026]考慮到人臉識(shí)別過(guò)程中特征值的確定存在一定的誤差，因此將特征值不同或差值超過(guò)設(shè)定范圍的人臉圖像拆分為至少兩個(gè)聚類(lèi)集合，以糾正將屬于不同人的人臉圖像歸類(lèi)到一個(gè)聚類(lèi)集合中的錯(cuò)誤，克服聚類(lèi)算法自身準(zhǔn)確度的限制，提高聚類(lèi)結(jié)果的準(zhǔn)確度，用戶體驗(yàn)好。
[0027]在第一方面又一種可能的實(shí)現(xiàn)方式中，所述方法還包括:
[0028]獲取若干張照片；
[0029]采用人臉檢測(cè)算法，從各張照片中獲取人臉圖像；
[0030]采用層次聚類(lèi)算法，對(duì)獲取的人臉圖像進(jìn)行聚類(lèi)，得到至少一個(gè)聚類(lèi)集合。
[0031]通過(guò)對(duì)照片進(jìn)行人臉檢測(cè)和聚類(lèi)，得到所需的聚類(lèi)集合。
[0032]根據(jù)本公開(kāi)實(shí)施例的第二方面，提供一種圖像處理的裝置，包括:
[0033]第一獲取模塊，用于獲取一個(gè)聚類(lèi)集合，所述聚類(lèi)集合包括至少兩幅人臉圖像；
[0034]第二獲取模塊，用于采用人臉識(shí)別算法獲取所述至少兩幅人臉圖像的第一特征值；
[0035]拆分模塊，用于按照所述至少兩幅人臉圖像的第一特征值，對(duì)所述聚類(lèi)集合進(jìn)行拆分。
[0036]在第二方面一種可能的實(shí)現(xiàn)方式中，所述第一特征值的類(lèi)型包括人臉圖像所屬人物的性別、年齡、種族中的至少一種。
[0037]可選地，所述第二獲取模塊用于，
[0038]分別對(duì)各幅人臉圖像采用線性判別式分析LDA算法確定所述各幅人臉圖像各自所屬人物的性別。
[0039]可選地，所述第二獲取模塊用于，
[0040]分別對(duì)各幅人臉圖像采用主成分分析PCA方法提取所述各幅人臉圖像各自的圖像特征值；
[0041]根據(jù)所述各幅人臉圖像各自的所述圖像特征值，使用最小二乘回歸算法計(jì)算所述各幅人臉圖像各自所屬人物的年齡。
[0042]可選地，所述第二獲取模塊用于，
[0043]分別提取各幅人臉圖像的膚色特征值；
[0044]根據(jù)所述各幅人臉圖像的膚色特征值，采用支持向量機(jī)SVM確定所述各幅人臉圖像各自所屬人物的種族。
[0045]在第二方面另一種可能的實(shí)現(xiàn)方式中，所述拆分模塊用于，
[0046]當(dāng)所述至少兩幅人臉圖像同一類(lèi)型的第一特征值不同或者差值超過(guò)設(shè)定范圍時(shí)，將所述聚類(lèi)集合拆分為至少兩個(gè)聚類(lèi)集合，拆分后的各個(gè)聚類(lèi)集合中的各幅人臉圖像同一類(lèi)型的第一特征值相同或者差值在設(shè)定范圍內(nèi)。
[0047]在第二方面又一種可能的實(shí)現(xiàn)方式中，所述裝置還包括:
[0048]第三獲取模塊，用于獲取若干張照片；
[0049]第四獲取模塊，用于采用人臉檢測(cè)算法，從各張照片中獲取人臉圖像；
[0050]聚類(lèi)模塊，用于采用層次聚類(lèi)算法，對(duì)獲取的人臉圖像進(jìn)行聚類(lèi)，得到至少一個(gè)聚類(lèi)集合。
[0051]根據(jù)本公開(kāi)實(shí)施例的第三方面，提供一種圖像處理的裝置，包括:
[0052]處理器；
[0053]用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；
[0054]其中，所述處理器被配置為:
[0055]獲取一個(gè)聚類(lèi)集合，所述聚類(lèi)集合包括至少兩幅人臉圖像；
[0056]采用人臉識(shí)別算法獲取所述至少兩幅人臉圖像的第一特征值；
[0057]按照所述至少兩幅人臉圖像的第一特征值，對(duì)所述聚類(lèi)集合進(jìn)行拆分。
[0058]本公開(kāi)的實(shí)施例提供的技術(shù)方案可以包括以下有益效果:通過(guò)采用人臉識(shí)別算法獲取一個(gè)聚類(lèi)集合中的至少兩幅人臉圖像的第一特征值，并按照至少兩幅人臉圖像的第一特征值，對(duì)該聚類(lèi)集合進(jìn)行拆分，利用第一特征值對(duì)包括屬于不同人的人臉圖像的聚類(lèi)集合進(jìn)行糾正，克服聚類(lèi)算法自身準(zhǔn)確度的限制，提高聚類(lèi)結(jié)果的準(zhǔn)確度，用戶體驗(yàn)好。
[0059]應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開(kāi)。
【附圖說(shuō)明】
[0060]此處的附圖被并入說(shuō)明書(shū)中并構(gòu)成本說(shuō)明書(shū)的一部分，示出了符合本發(fā)明的實(shí)施例，并與說(shuō)明書(shū)一起用于解釋本發(fā)明的原理。
[0061]圖1a-圖1d是根據(jù)一示例性實(shí)施例示出的一種圖像處理的方法的應(yīng)用場(chǎng)景圖；
[0062]圖2是根據(jù)一示例性實(shí)施例示出的一種圖像處理的方法的流程圖；
[0063]圖3是根據(jù)