对照片进行聚类的方法及装置的制造方法
【技术领域】
[0001]本公开涉及图像识别技术领域，尤其涉及一种对照片进行聚类的方法及装置。
【背景技术】
[0002]在以人脸为单位对用户相册进行分类的过程中，首先需要获取用户手机上传的全部照片，对全部照片进行人脸检测提取出人脸特征，将提取的人脸特征依次与已分类的人脸进行相似性度量，将具有相似性特征的照片划分到同一个人脸相册中。由于用户相册中的照片数量有限，因此人脸特征会因为光照、表情等因素产生一定的差异，进而导致采用人脸特征识别的方式不能将照片正确聚类到同一个人脸的相册中，从而影响相册的召回率。
【发明内容】
[0003]为克服相关技术中存在的问题，本公开实施例提供一种对照片进行分类存储的方法及装置，用以提高人脸相册的召回率。
[0004]根据本公开实施例的第一方面，提供一种对照片进行分类存储的方法，包括:
[0005]从第一云相册中的至少一个第一人脸子相册中确定照片数量低于预设阈值的至少一个第二人脸子相册以及所述至少一个第二人脸子相册各自对应的第一人脸特征，所述第一云相册对应第一用户标识；
[0006]确定与所述第一用户标识相关联的第二用户标识在所述云服务器上存储第二云相册中的至少一个第三人脸子相册以及所述至少一个第三人脸子相册各自对应的第二人脸特征；
[0007]确定所述至少一个第二人脸子相册各自对应的第一人脸特征与所述至少一个第三人脸子相册各自对应的人脸特征的相似度值，得到多个相似度值；
[0008]根据所述多个相似度值从所述至少一个第三人脸子相册中确定与所述至少一个第二人脸子相册各自对应的人脸特征相同的人脸照片。
[0009]在一实施例中，所述方法还可包括:
[0010]确定与所述第一用户标识相关联的通信名单；
[0011]查找所述通信名单中在所述云服务器上具有云相册的用户标识，将所述通信名单中具有云相册的用户标识确定为与所述第一用户标识相关联的所述第二用户标识。
[0012]在一实施例中，所述方法还可包括:
[0013]通过已训练的卷积神经网络对第一云相册中的全部照片进行特征提取，得到至少一个第三人脸特征；
[0014]将所述至少一个第三人脸特征对应的照片以人脸特征为单位聚类为所述至少一个第一人脸子相册。
[0015]在一实施例中，所述方法还可包括:
[0016]通过已训练的卷积神经网络对所述第二云相册中的全部照片进行特征提取，得到至少一个第四人脸特征；
[0017]将所述至少一个第四人脸特征对应的照片以人脸特征为单位聚类为所述至少一个第三人脸子相册。
[0018]在一实施例中，所述方法还可包括:
[0019]将设定数量的有标签人脸样本输入至卷积神经网络，对所述卷积神经网络的至少一个卷积层和至少一个全连接层进行训练；
[0020]在确定所述卷积神经网络中各节点之间的连接的最佳权重参数时，停止训练所述卷积神经网络，得到已训练的卷积神经网络。
[0021 ]在一实施例中，所述方法还可包括:
[0022]确定所述第一云相册中的每一照片中关于人脸的特征点；
[0023]根据所述人脸的特征点从所述每一照片上确定所述人脸的区域；
[0024]将所述人脸的区域中的图像内容根据预设参考特征点进行仿射变换得到人脸图像，所述人脸图像的分辨率与所述已训练的卷积神经网络的输入层的维数相同；
[0025]通过所述已训练的卷积神经网络提取所述人脸图像中的人脸特征，得到所述至少一个第一人脸子相册各自对应的第一人脸特征。
[0026]在一实施例中，所述方法还可包括:
[0027]确定所述第二云相册中的每一照片中关于人脸的特征点；
[0028]根据所述人脸的特征点从所述每一照片上确定所述人脸的区域；
[0029]将所述人脸的区域中的图像内容根据预设参考特征点进行仿射变换得到人脸图像，所述人脸图像的分辨率与所述已训练的卷积神经网络的输入层的维数相同；
[0030]通过所述已训练的卷积神经网络提取所述人脸图像中的人脸特征，得到所述至少一个第三人脸子相册各自对应的第二人脸特征。
[0031]根据本公开实施例的第二方面，提供一种对照片进行聚类的装置，包括:
[0032]第一确定模块，被配置为从第一云相册中的至少一个第一人脸子相册中确定照片数量低于预设阈值的至少一个第二人脸子相册以及所述至少一个第二人脸子相册各自对应的第一人脸特征，所述第一云相册对应第一用户标识；
[0033]第二确定模块，被配置为确定与所述第一用户标识相关联的第二用户标识在所述云服务器上存储第二云相册中的至少一个第三人脸子相册以及所述至少一个第三人脸子相册各自对应的第二人脸特征；
[0034]第三确定模块，被配置为确定所述第一确定模块确定的所述至少一个第二人脸子相册各自对应的第一人脸特征与所述第二确定模块确定的所述至少一个第三人脸子相册各自对应的人脸特征的相似度值，得到多个相似度值；
[0035]第四确定模块，被配置为根据所述第三确定模块确定的所述多个相似度值从所述至少一个第三人脸子相册中确定与所述至少一个第二人脸子相册各自对应的人脸特征相同的人脸照片。
[0036]在一实施例中，所述装置还可包括:
[0037]第五确定模块，被配置为确定与所述第一用户标识相关联的通信名单；
[0038]查找模块，被配置为查找所述第五确定模块确定的所述通信名单中在所述云服务器上具有云相册的用户标识，将所述通信名单中具有云相册的用户标识确定为与所述第一用户标识相关联的所述第二用户标识。
[0039]在一实施例中，所述装置还可包括:
[0040]第一提取模块，被配置为通过已训练的卷积神经网络对第一云相册中的全部照片进行特征提取，得到至少一个第三人脸特征；
[0041]第一聚类模块，被配置为将所述第一提取模块提取到的所述至少一个第三人脸特征对应的照片以人脸特征为单位聚类为所述至少一个第一人脸子相册。
[0042]在一实施例中，所述装置还可包括:
[0043]第二提取模块，被配置为通过已训练的卷积神经网络对所述第二云相册中的全部照片进行特征提取，得到至少一个第四人脸特征；
[0044]第二聚类模块，被配置为将所述第二提取模块提取到的所述至少一个第四人脸特征对应的照片以人脸特征为单位聚类为所述至少一个第三人脸子相册。
[0045]在一实施例中，所述装置还可包括:
[0046]第一训练模块，被配置为将设定数量的有标签人脸样本输入至卷积神经网络，对所述卷积神经网络的至少一个卷积层和至少一个全连接层进行训练；
[0047]第一控制模块，被配置为在确定所述卷积神经网络中各节点之间的连接的最佳权重参数时，控制所述第一训练模块停止训练所述卷积神经网络，得到已训练的卷积神经网络。
[0048]在一实施例中，所述装置还可包括:
[0049]第六确定模块，被配置为确定所述第一云相册中的每一照片中关于人脸的特征占.V，
[0050]第七确定模块，被配置为根据所述第六确定模块确定的所述人脸的特征点从所述每一照片上确定所述人脸的区域；
[0051]第一变换模块，被配置为将所述第七确定模块确定的所述人脸的区域中的图像内容根据预设参考特征点进行仿射变换得到人脸图像，所述人脸图像的分辨率与所述已训练的卷积神经网络的输入层的维数相同；
[0052]第三提取模块，被配置为通过所述第一训练模块训练得到的卷积神经网络提取所述人脸图像中的人脸特征，得到所述至少一个第一人脸子相册各自对应的第一人脸特征。
[0053]在一实施例中，所述装置还可包括:
[0054]第八确定模块，被配置为确定所述第二云相册中的每一照片中关于人脸的特征占.V，
[0055]第九确定模块，被配置为根据所述第八确定模块确定的所述人脸的特征点从所述每一照片上确定所述人脸的区域；
[0056]第二变换模块，被配置为将所述第九确定模块确定的所述人脸的区域中的图像内容根据预设参考特征点进行仿射变换得到人脸图像，所述人脸图像的分辨率与所述已训练的卷积神经网络的输入层的维数相同；
[0057]第四提取模块，被配置为通过所述第一训练模块训练得到的的卷积神经网络提取所述人脸图像中的人脸特征，得到所述至少一个第三人脸子相册各自对应的第二人脸特征。
[0058]根据本公开实施例的第三方面，提供一种对照片进行聚类的装置，包括:
[0059]处理器；
[0060]用于存储处理器可执行指令的存储器；
[0061 ]其中，所述处理器被配置为:
[0062]从第一云相册中的至少一个第一人脸子相册中确定照片数量低于预设阈值的至少一个第二人脸子相册以及所述至少一