一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找和自助打印方法
【專利摘要】本發(fā)明公開了一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找與自助打印方法。該方法利用人臉圖像聚類分析和人臉識別技術(shù)，自動查找、播放與現(xiàn)場注視者相關(guān)的圖像，并能提供自助打印圖像的功能，主要包括：離線人臉圖像聚類；在線人臉檢索；圖像顯示和自助打印。其中，離線圖像聚類主要為對拍攝的圖像按時間與人臉相似度進行二次聚類；在線人臉檢索采用金字塔多層人臉檢索方案；圖像顯示與自助打印包括現(xiàn)場人員相關(guān)圖像顯示與智能播放，自助付款和打印功能。本發(fā)明解決了人工查找和打印客戶心儀圖像速度慢、成本高、效率低的難題，可以廣泛應(yīng)用于漂流、過山車，劃雪、帆船等游樂場客戶無法拍照場合的人臉圖像檢索與自助打印。
【專利說明】
一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找和自助打 印方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及圖像處理、模式識別以及計算機視覺技術(shù)領(lǐng)域，特別涉及一種基于人 臉圖像聚類和識別技術(shù)的圖像快速查找和自助打印方法。
【背景技術(shù)】
[0002] 隨著人們物質(zhì)生活條件的提高，交通的日益便利，戶外游玩活動越來越多。在享受 了戶外游玩的樂趣之后，人們往往希望把途中的精彩瞬間記錄下來，以作紀(jì)念、發(fā)朋友圈和 回憶。但是在漂流、激流勇進、礦山車、海盜船、太空飛梭漂流、過山車、纜車索道等項目途 中，游玩者自身無法使用照相設(shè)備進行拍攝，所以現(xiàn)在的娛樂場所需要提供一項服務(wù)，即在 不同景點都會有攝像師對游玩的游客進行抓拍，把他們在游玩過程中的各種狀態(tài)記錄下 來，然后匯總到電腦，游客到達目的地后，可以在電腦上去選取自己所需的照片。這是一個 很好的提議和商機，但是實現(xiàn)起來比較困難。因為被攝對象的不固定以及照片數(shù)量的巨大， 導(dǎo)致人工選取照片的難度很大，效率也很低。所以需要一個對海量照片進行智能分選、顯示 和打印的軟件系統(tǒng)去取代人工選取、顯示和打印以提高效率和節(jié)省人力。
[0003] 為了實現(xiàn)海量游玩圖像的智能檢索與自助打印，本發(fā)明以人臉為關(guān)注對象，提出 一種基于人臉圖像聚類和人臉識別的海量圖像快速查找和自助打印方法。本發(fā)明不但可以 應(yīng)用于景區(qū)的游樂項目中，還可以應(yīng)用于其它（如網(wǎng)絡(luò)相冊)人臉圖像的自動組織、管理和 檢索。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于解決娛樂場所拍攝的海量游玩圖像檢索、智能顯示和自助打印 問題，以便釋放人工勞動力，體現(xiàn)智能化、人性化和高效化理念。
[0005] 本發(fā)明的目的通過下述技術(shù)方案實現(xiàn)：
[0006] -種基于聚類分析與人臉識別技術(shù)的圖像快速查找與自助打印方法，包括下列步 驟：
[0007] S1、離線人臉圖像聚類步驟。首先，對攝影師或電子拍攝儀拍攝的大量圖像進行尺 度與光照歸一化處理;其次，采用人臉檢測技術(shù)檢測圖像中人臉;然后，根據(jù)拍攝時間與人 臉相似度進行圖像的二次聚類分析建立人臉聚類庫;最后，建立人臉圖像、類聚圖像和原始 圖像之間的索引關(guān)系表。
[0008] 優(yōu)選的，在進行聚類分析之前，對檢測到的人臉進行人臉圖像質(zhì)量評判，挑選出姿 態(tài)正面、光照均勻、分辨率較高的無遮擋人臉。在聚類之后，采用類內(nèi)相似度最小原則選出 最能代表本類的X幅人臉圖像存入聚類人臉庫。
[0009] S2、在線人臉檢索步驟。首先，對現(xiàn)場注視者進行人臉檢測和特征提取操作提取現(xiàn) 場人臉描述特征;然后，采用金字塔多層人臉檢索方案對現(xiàn)場人臉進行檢索，從聚類人臉庫 中找出最相似的前幾名聚類類別。
[0010]優(yōu)選的，人臉特征提取算法采用目前主流的深度學(xué)習(xí)方法或是Gabor特征或是局 部二元模式特征(LBP)，每種特征都有其各自的特點，具體采用哪種根據(jù)實際的速度與精度 要求而定。
[0011]優(yōu)選的，人臉檢索過程中，根據(jù)游樂場所圖像檢索的特點設(shè)計金字塔多層人臉檢 索方案。由于K近鄰聚類方法具有操作簡單、速度快等優(yōu)點和精度不高的缺點。因此，第一層 檢索采用經(jīng)典的距離相似度+K近鄰的聚類方法快速找出最相似的一半聚類類別。由于基于 稀疏表示的分類方法(SRC)具有很強的分類鑒別能力，同時對人臉部分遮擋和噪聲具有很 好的魯棒性。因此，第二層檢索在第一層檢索的基礎(chǔ)上采用SRC進一步檢索找出最相似的前 4個聚類類別。由于在游樂場所現(xiàn)場觀賞其游玩圖像時，一般是一家人或是多人一起同時觀 看。因此，第三層檢索采用融合多現(xiàn)場人臉檢索的方式進一步提高檢索準(zhǔn)度。
[0012] S3、圖像顯示與自助打印步驟。首先，將根據(jù)注視者人臉查找出的前4類游玩圖像 在電子看板上分組分屏循環(huán)播放。如果看到其感興趣的分組圖像，則點擊便可自助切換成 全屏放大播放;如果4個分組里都沒有其感興趣的游玩圖像，則點擊"都不是"按鈕，屏幕自 動循環(huán)播放下4組最相似的圖像，重復(fù)以上過程直至找到游客所需的圖像組為止。然后，在 全屏觀賞時，用戶可以選取自己滿意的游玩圖像進行自助付費和打印。如果需要對選取的 圖像進行PS美化，還可以轉(zhuǎn)入后臺進行人工編輯。最后，在用戶選取完自己滿意的漂流圖像 后，系統(tǒng)自動刪除服務(wù)器中相應(yīng)的原始圖像，以減少存儲空間與后來用戶的檢索量。
[0013] 優(yōu)選的，其中自助付費有多種方式可選擇，包括在線支付、微信支付、提前支付和 預(yù)約支付等。自助打印同樣也有多種方式可選擇，包括現(xiàn)場打印、U盤拷貝、電子郵寄和存入 云端等。
[0014] 本發(fā)明具有如下的優(yōu)點及效果：
[0015] 1)本發(fā)明利用人臉圖像聚類和人臉識別等先進技術(shù)成功地解決了人工查找海量 游玩圖像速度慢、成本高和效率低下等缺點，充分體現(xiàn)了現(xiàn)代科技所帶來的智能化、人性化 和高效化的特點。
[0016] 2)本發(fā)明提出的分組和全屏顯示方案不但方便游客觀賞游玩圖像還具有友好交 互能力。通過交互，即使人臉檢索失敗(最相似的前幾類不是游客自己的）游客也能在最短 時間里找到自己所需的游玩圖像，保障了系統(tǒng)可行性和可靠性。
[0017] 3)本發(fā)明提出的游玩圖像展示方案可以作為景區(qū)的一道具有特色的亮麗風(fēng)景線。 經(jīng)歷驚心動魄的戶外游玩體驗后，在大廳慢慢地通過電子板欣賞自己和朋友、家人刺激冒 險的體驗過程，其樂融融。歡樂之余打印幾張滿意游玩圖像作為紀(jì)念，方便了游客也增加了 景區(qū)的收入，所謂一舉兩得。
【附圖說明】
[0018] 為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例或者現(xiàn)有技術(shù)描 述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一 些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些 附圖獲得其他的附圖。
[0019] 圖1是本發(fā)明中公開的一種基于人臉聚類與人臉識別技術(shù)的海量圖像快速查找與 自助打印應(yīng)用舉例圖；
[0020] 圖2是本發(fā)明中公開的戶外體驗圖像智能顯示與自助打印服務(wù)流程圖。
【具體實施方式】
[0021] 為使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚、明確，以下參照附圖并舉實施例對 本發(fā)明進一步詳細說明。示例性的，【具體實施方式】以漂流圖像查找為例進行說明。應(yīng)當(dāng)理 解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0022] 本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語"第一"、"第二"、"第三"和"第 四"等是用于區(qū)別不同對象，而不是用于描述特定順序。此外，術(shù)語"包括"和"具有"以及它 們?nèi)魏巫冃?，意圖在于覆蓋不排他的包含。例如包含了一系列步驟或單元的過程、方法、系 統(tǒng)、產(chǎn)品或設(shè)備沒有限定于已列出的步驟或單元，而是可選地還包括沒有列出的步驟或單 元，或可選地還包括對于這些過程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。
[0023] 以下根據(jù)實施例分別進行詳細說明。
[0024] 實施例
[0025]本發(fā)明實施例公開的基于聚類分析和人臉識別技術(shù)的圖像快速查找與自助打印 方法，主要包括以下幾個步驟：
[0026] S1、離線的圖像預(yù)處理;S2、在線的人臉圖像檢索；S3、人臉圖像顯示和自助打印， 如圖1所示。其中，離線的圖像預(yù)處理階段，包括人臉編碼和人臉圖像聚類。在線的人臉圖像 檢索階段，利用人臉識別技術(shù)度量現(xiàn)場人臉與人臉聚類庫中每類的相似度，找出最相似的 前幾個聚類。人臉圖像顯示和自助打印階段，首先，對檢索結(jié)果進行分組顯示;如果游客點 擊了感興趣的組就全屏顯示用戶點擊的組圖像;在全屏顯示中，如果用戶勾選了自己心儀 的圖像，則提示出現(xiàn)付費打印按鈕。下面逐一對各步驟進行詳細說明：
[0027]步驟S1、離線的圖像預(yù)處理 [0028] S11、人臉編碼
[0029] 首先，采用人臉檢測算法檢測出原始圖像中所有人臉圖像。對檢測出的人臉圖像 進行光照均勻化和尺度歸一化處理。為了提高人臉圖像聚類的準(zhǔn)確度和提高人臉檢索率， 利用人臉圖像質(zhì)量評判技術(shù)過濾掉一些具有大尺度姿態(tài)變化和模糊不清的人臉圖像。
[0030] 然后，采用Gabor濾波或LBP方法對人臉圖像進行編碼處理提取人臉特征。由于 Gabor變換具有多尺度多方向性符合人類視覺機制，具有很強的魯棒性，因此是一種較好的 人臉圖像編碼方法?；蛘?，采用目前熱門的深度學(xué)習(xí)方法提取人臉特征。
[0031] 最后，建立原始圖像、人臉圖像和人臉編碼之間的索引關(guān)系表。
[0032] S12、人臉圖像聚類
[0033] 人臉圖像聚類采用兩次聚類的方法。
[0034] 第一次聚類:在同一拍攝點，攝影師或電子拍攝儀會對同一對象進行連續(xù)多次拍 攝。導(dǎo)致所拍攝的人臉具有時間連續(xù)性。因此，第一次聚類利用人臉特征和時間相似度對不 同拍攝點分別進行聚類，具體過程如下：
[0035] (1)初始化：隨機指定k個聚類中心clusteri，cluster〗，…，clusterk〇
[0036] (2)分配:首先，距離計算:計算每一人臉圖像樣本到聚類中心的距離，并從小到大 進行排序。然后，時間判斷：如果此人臉圖像樣本與最近聚類中心的拍攝時間差A(yù)t在規(guī)定 的連續(xù)時間段內(nèi)，則將該樣本分配到最近聚類中。否則，計算該樣本與次最近聚類中心的時 間差A(yù)t，如果在規(guī)定的連續(xù)時間段內(nèi)，則將該樣本分配到次最近聚類中。否則，繼續(xù)看第三 最近聚類是否符合時間。重復(fù)以上過程只至其找到其所屬聚類為止，如果直到最后還沒有 找到符合要求的，則將該樣本作為新的k+Ι聚類。
[0039] (5)收斂性判斷:若J值收斂則返回clusteri，cluster2,…，clusterk，算法結(jié)束，否 則繼續(xù)迭代過程返回步驟(2)。
[0040] 二次聚類：由于同一個人可能會在不同的拍攝地點都有出現(xiàn)。因此，需要對第一次 各拍攝地點的聚類結(jié)果整合二次聚類。二次聚類時本發(fā)明采用約束條件下的歸一化分割聚 類算法（Constrained NCuts algorithm for clustering) 〇
[0041] 步驟S2、在線人臉圖像檢索
[0042] 首先，利用現(xiàn)場攝像頭采集注視者人臉圖像;利用人臉檢測技術(shù)提取背景干凈的 人臉圖像;利用人臉圖像質(zhì)量評判技術(shù)從大量人臉圖像中挑選出一張合格的人臉圖像作為 待檢索人臉。然后，利用人臉識別技術(shù)進行人臉檢索，查找出最相似的前幾個聚類。
[0043]優(yōu)選的，本發(fā)明提出金字塔層次人臉圖像檢索方案。
[0044] S21、第一層檢索
[0045] 首先，計算待檢索人臉與各聚類中心的距離;然后，利用K-最近鄰法找到K個最近 的聚類作為候選聚類，k取聚類總數(shù)的一半。
[0046] S22、第二層檢索
[0047]第二層檢索采用字典學(xué)習(xí)與稀疏表示的方法。
[0048] (1)字典學(xué)習(xí)
[0049] 將第一層檢索出的k聚類人臉樣本組建成訓(xùn)練樣本，對每類訓(xùn)練樣本采用K-SVD方 法進行優(yōu)化得出子字典Di，將各類字典Di組成完備字典D = [Di，D2，…，Dk]。
[0050] (2)稀疏表示與檢索
[0051 ]將待檢索人臉y看成由完備字典D線性組合表示>> =βχ elT，其中m為人臉編碼后 的特征維數(shù)。由此可以建立如下的稀疏表示模型：
[0053] 其中，X為需要求解稀疏表示系數(shù)，λ為平衡因子，起到平衡重建誤差與稀疏性的作 用。上述稀疏表示模型可以通過Lasso算法進行快速求解出稀疏表示系數(shù)X。重寫稀疏表示 系數(shù)X = [X1; X2;…;xk]，其中，系數(shù)向量對應(yīng)于子字典D1。
[0054] 然后，根據(jù)X1定義每類的殘差:e,. =|.v-
[0055] 對&進行排序，選最小的取ei所對應(yīng)的聚類類別作為最終檢索的結(jié)果。本發(fā)明選取 前4個最小的&所對的聚類作為最終檢索結(jié)果。
[0056] (3)第三層檢索
[0057]在實際應(yīng)用中，大廳電子看板前有可能站有多人，比如一家人，親戚和朋友等。因 此，在第三層檢索中，本發(fā)明采用多個不同的人臉圖像作為待檢索人臉輸入。然后，對每個 待檢索人臉按照第一層和第二層檢索方式檢索出最相似的前4類別。又由于一家人或親戚 朋友一般都是一起游玩的。因此，通過不同的檢索人臉查找出的原始游玩圖像一定存在重 疊，重疊部分即為需要查找的圖像。因此，融合多人檢索的結(jié)果可以進一步縮小范圍減小不 相關(guān)圖像。
[0058]步驟S3、人臉圖像顯示與自助打印
[0059] 人臉圖像顯示與自助打印主要包括分組顯示、全屏顯示和自助打印，如圖2所示。 [0060] S31、分組顯示
[0061] 對通過步驟S2檢索出的前幾類圖像在電子看板上分組循環(huán)播放。以4類為例，將電 子看板劃分為4個窗口，每個窗口播放一類，供用戶觀看與選擇。
[0062] S32、全屏顯示
[0063] 用戶在分組觀看時，如果用戶看到與其相關(guān)的類圖像，則點擊相應(yīng)的窗口，電子看 板自助轉(zhuǎn)換成全屏播放用戶點擊的類圖像。如果用戶覺得所有分組窗口里沒有其感興趣 的，則可以點擊"都不是"按鈕，電子看板自動播放下一組最相似的類圖像，直到用戶找到滿 意的為止。通過這種方式可以彌補由于人臉識別技術(shù)不穩(wěn)定導(dǎo)致人臉檢索不準(zhǔn)確，用戶找 不到其感興趣的圖像的問題。
[0064] S33、自助打印
[0065] 用戶在全屏觀賞時，可以點擊"選取"和"付費打印"按鈕。如果用戶看到自己心儀 的圖像，想打印留念，只需點擊"選取"按鈕，則屏幕自助切換成用戶滾動瀏覽方式，方便用 戶勾選自己心儀的圖像。用戶選完后，只需按"付費打印"，則屏幕切換到支付方式和打印方 式選擇頁面。其中，支付方式有網(wǎng)上在線支付、微信支付、提前支付和預(yù)約支付可供選擇;打 印方式有現(xiàn)場打印、U盤拷貝、電子郵寄和存入云端可供選擇。在付費打印完后，系統(tǒng)會自動 刪除用戶所選的類圖像以釋放存儲空間。
[0066] 綜上所述，本發(fā)明提出的一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找和自 助打印方法，具有以下幾方面突出的實質(zhì)性特點和顯著的技術(shù)效果：
[0067] 1)在人臉圖像聚類方面，本發(fā)明根據(jù)游樂場所游玩圖像的特點，創(chuàng)新性地提出兩 次的聚類的方法提高聚類的精度與效率。
[0068] 2)在人臉檢索方面，創(chuàng)新性地提出三層金字塔人臉檢索方案提高人臉檢索的精度 與效率。利用此檢索方案，即使第一次檢索失敗此方案也能在最短時間內(nèi)找到正確的檢索 圖像。
[0069] 3)獨創(chuàng)性地提出戶外游玩圖像分組、全屏播放和自助打印系統(tǒng)，通過交互的方式 此系統(tǒng)不但能彌補人臉識別和檢索技術(shù)不穩(wěn)定的缺陷，同時還體現(xiàn)出了人性化與智能化。 [0070]上述實施例為本發(fā)明較佳的實施方式，但本發(fā)明的實施方式并不受上述實施例的 限制，其他的任何未背離本發(fā)明的精神實質(zhì)與原理下所作的改變、修飾、替代、組合、簡化， 均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找與自助打印方法，其特征在于， 包括下列步驟： 離線人臉圖像聚類步驟，該步驟用于對原始圖像進行采集編碼以及通過人臉聚類算法 建立聚類人臉庫； 在線人臉檢索步驟，該步驟用于對現(xiàn)場注視者進行人臉檢測和特征提取操作提取現(xiàn)場 人臉描述特征;然后，采用金字塔多層人臉檢索方案對現(xiàn)場注視者的人臉圖像進行檢索，從 所述聚類人臉庫中找出最相似的前若干名聚類類別； 圖像顯示與自助打印步驟，該步驟用于對檢索到的與現(xiàn)場注視者相關(guān)的聚類圖像進行 分組播放、全屏播放和/或自助打印。2. 根據(jù)權(quán)利要求1所述的一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找與自助打 印方法，其特征在于，所述離線人臉圖像聚類步驟包括： 對攝影師或電子拍攝儀拍攝的原始圖像進行尺度與光照歸一化處理； 采用人臉檢測算法從尺度與光照歸一化后的原始圖像中剪切出干凈人臉，并進行人臉 圖像編碼。 根據(jù)拍攝時間與人臉相似度，通過人臉聚類算法進行圖像聚類分析，建立所述人臉聚 類庫； 建立所述人臉圖像、類聚圖像和原始圖像之間的索引關(guān)系表。3. 根據(jù)權(quán)利要求1所述的一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找與自助打 印方法，其特征在于，所述在線人臉檢索步驟包括： 采用人臉檢測和編碼算法對現(xiàn)場注視者進行人臉檢測和特征提取操作提取現(xiàn)場人臉 描述特征，其中，所述人臉特征提取算法為深度學(xué)習(xí)方法、Gabor特征提取法或是局部二元 模式特征提取法； 采用金字塔多層人臉檢索方案對現(xiàn)場注視者的人臉圖像進行檢索，從所述聚類人臉庫 中找出最相似的前若干名聚類類別。4. 根據(jù)權(quán)利要求1所述的一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找與自助打 印方法，其特征在于， 所述金字塔多層人臉檢索方案包括三層檢索方案，其中三層檢索方案分別為基于距離 相似度+K近鄰的聚類方法、基于稀疏表示的分類方法和融合多現(xiàn)場人臉檢索方法。5. 根據(jù)權(quán)利要求4所述的一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找與自助打 印方法，其特征在于，所述基于距離相似度+K近鄰的聚類方法為第一層檢索方案，用于快速 找出最相似的聚類類別，具體為:首先計算待檢索人臉與各聚類中心的距離;然后，利用K-最近鄰法找到K個最近的聚類作為候選聚類。6. 根據(jù)權(quán)利要求4所述的一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找與自助打 印方法，其特征在于，所述基于稀疏表示的分類方法為第二層檢索方案，用于找出最相似的 前若干個聚類類別，包括字典學(xué)習(xí)子步驟以及稀疏表示與檢索子步驟，其中， 所述字典學(xué)習(xí)子步驟具體為： 將第一層檢索出的k聚類人臉樣本組建成訓(xùn)練樣本，對每類訓(xùn)練樣本采用K-SVD方法進 行優(yōu)化得出子字典Di，將各類字典Di組成完備字典D = [Di，D2，…，Dk]; 所述稀疏表示與檢索子步驟具體為： 將待檢索人臉y看成由完備字典D線性組合表示_y = &e9T，其中m為人臉編碼后的特 征維數(shù)，由此建立如下的稀疏表示模型：其中，X為需要求解稀疏表示系數(shù)，λ為平衡因子.上述稀疏表示模型可通過Lasso算法 進行快速求解出稀疏表示系數(shù)X，重寫稀疏表示系數(shù)χ= [X1; X2 ;…；Xk]，其中，系數(shù)向量X1對 應(yīng)于子字典dS 然后，根據(jù)X1定義每類的殘差， 對&進行排序，選最小的取el所對應(yīng)的聚類類別作為最終檢索的結(jié)果。7. 根據(jù)權(quán)利要求4所述的一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找與自助打 印方法，其特征在于，所述融合多現(xiàn)場人臉檢索方法為第三層檢索方案，該方案采用多個不 同的人臉圖像作為待檢索人臉輸入。8. 根據(jù)權(quán)利要求6所述的一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找與自助打 印方法，其特征在于， 所述k取聚類總數(shù)的一半，同時，選取前4個最小的&所對的聚類作為最終檢索結(jié)果。9. 根據(jù)權(quán)利要求2所述的一種基于人臉圖像聚類和識別技術(shù)的圖像快速查找與自助打 印方法，其特征在于， 所述人臉聚類算法為二次聚類的方法， 其中，第一次聚類利用人臉特征和時間相似度對不同拍攝點分別進行聚類，具體過程 如下： 初始化子步驟，隨機指定k個聚類中心clusteri，cluster，…，clusterk; 分配子步驟，首先計算每一人臉圖像樣本到聚類中心的距離，并從小到大進行排序，然 后時間判斷，如果此人臉圖像樣本與最近聚類中心的拍攝時間差A(yù)t在規(guī)定的連續(xù)時間段 內(nèi)，則將該樣本分配到最近聚類中，否則，計算該樣本與次最近聚類中心的時間差A(yù)t，如果 在規(guī)定的連續(xù)時間段內(nèi)，則將該樣本分配到次最近聚類中，否則，繼續(xù)看第三最近聚類是否 符合時間，重復(fù)以上過程只至其找到其所屬聚類為止，如果直到最后還沒有找到符合要求 的，則將該樣本作為新的k+Ι聚類； 修正聚類中心值子步驟計算偏差值子步驟收斂性判斷子步驟:若1值收斂則返回clusteri，cluster，…，clusterk，算法結(jié)束，否 則繼續(xù)迭代過程返回所述分配子步驟； 其中，第二次聚類是對第一次各拍攝地點的聚類結(jié)果整合聚類，采用約束條件下的歸 一化分割聚類算法。
【文檔編號】G06F3/12GK105868309SQ201610179302
【公開日】2016年8月17日
【申請日】2016年3月24日
【發(fā)明人】陳友斌, 廖海斌
【申請人】廣東微模式軟件股份有限公司