(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211035586.6 (22)申请日 2022.08.26 (71)申请人 北京云从科技有限公司 地址 102300 北京市门头沟区石龙 经济开 发区永安路20号3号楼一层102室 (72)发明人 周超　田国栋　刘盛中　 (74)专利代理 机构 北京瀚仁知识产权代理事务 所(普通合伙) 11482 专利代理师 屠晓旭 (51)Int.Cl. G06V 10/762(2022.01) G06V 10/74(2022.01) G06F 16/55(2019.01) (54)发明名称 图像聚类方法、 图像增量聚类方法、 计算机 设备及介质 (57)摘要 本发明涉及图像聚类技术领域， 具体涉及一 种图像聚类方法、 图像增量聚类方法、 计算机设 备及介质， 旨在解决提高图像聚类准确性的问 题。 为此目的， 本发明提供的图像聚类方法包括 采用最近邻算法在图像底库中分别对每个待聚 类图像进行最近邻检索， 以确定每个待聚类图像 的最近邻矩阵； 根据待聚类图像与底库图像的 图 像属性， 判断待聚类图像与底库图像是否冲突， 根据判断的结果选择性地对图像相似度进行修 正； 根据修正后图像相似度对待聚类图像与底库 图像进行聚类； 本发明提供的图像增量聚类方法 可以利用上述图像聚类方法实现图像增量聚类。 通过上述方式， 可以避免存在冲突的底库图像对 聚类结果的准确性产生较大的影 响， 从而提高图 像聚类准确性。 权利要求书3页 说明书13页 附图4页 CN 115512143 A 2022.12.23 CN 115512143 A 1.一种图像聚类方法， 其特 征在于， 所述方法包括： 将待聚类图像作为底库图像而形成图像底库； 采用最近邻算法在所述图像底库中分别对每个所述待聚类图像进行最近邻 检索， 以确 定每个所述待聚类图像的最近邻矩阵， 其中， 所述最近邻矩阵中每个元素 的值分别表示所 述待聚类图像与每 个所述底库图像之间的图像相似度； 根据所述待聚类图像与所述底库图像的图像属性， 判断所述待聚类图像与 所述底库图 像是否冲突； 根据判断的结果选择性 地对所述图像相似度进行修 正， 以获取最终的图像相似度； 根据所述最终的图像相似度， 对所述待聚类图像与所述底库图像进行聚类， 形成至少 一个图像聚类簇 。 2.根据权利要求1所述的图像聚类方法， 其特征在于， 所述图像属性至少包括图像采集 时间和图像采集位置， “根据所述待聚类图像与所述底库图像的图像属性， 判断所述待聚类 图像与所述底库图像是否冲突 ”的步骤具体包括： 根据所述待聚类图像与所述底库图像的图像采集 时间之间的时间差， 确定第 一对象移 动时长d1(t1q,t1i)， 其中， t1q表示所述待聚类图像的图像采集时间， t1i表示第i个所述底 库图像的图像采集时间； 根据所述待聚类图像与所述底库图像的图像采集位置之间的距离， 确定第 一对象移动 距离L1(p1q,p1i)， 其中， p1q表示所述待聚类图像的图像采集位置， p1i表示第i个所述底库 图像的图像采集 位置； 若d1(t1q,t1i)<t_th1且L1(p1q,p1i)≥v1×t_th1， 则判定所述待聚类图像与所述底库 图像冲突， 其中， t_th1表示预设的第一时间阈值， v1表示预设的第一对象移动速度； 否则， 判定所述待聚类图像与所述底库图像不冲突。 3.根据权利要求2所述的图像聚类方法， 其特征在于， 所述待聚类图像与每个所述底库 图像中的图像对象是人脸， 在 “判定所述待聚类图像与所述底库图像不冲突 ”的步骤之后， 所述方法还 包括： 根据所述待聚类图像与所述底库图像中人脸的人脸属性， 判断所述待聚类图像与 所述 底库图像是否冲突； 若所述人脸属性存在冲突， 则判定所述待聚类图像与所述底库图像冲突； 否则， 判定所 述待聚类图像与所述底库图像不冲突。 4.根据权利要求1所述的图像聚类方法， 其特征在于， “根据判断的结果选择性地对所 述图像相似度进行修 正， 以获取最终的图像相似度 ”的步骤具体包括： 若所述待聚类图像与 所述底库图像冲突， 则将所述图像相似度与预设修正量的差值作 为所述最终的图像相似度， 其中， 所述预设修 正量大于零； 若所述待聚类图像与 所述底库图像不冲突， 则直接将所述图像相似度作为所述最终的 图像相似度。 5.一种图像增量聚类方法， 其特 征在于， 所述方法包括： 采用权利要求1至4中任一项所述的图像聚类方法， 对待聚类的增量图像进行图像聚 类， 形成至少一个增量图像聚类簇； 分别对每个所述增量图像聚类簇进行数据归约处理， 以确定每个所述增量图像聚类簇权　利　要　求　书 1/3 页 2 CN 115512143 A 2各自对应的增量图像归约簇； 采用最近邻算法在历史图像归约簇中分别对每个所述增量图像归约簇进行最近邻检 索， 以确定每个所述增量图像归约簇的最近邻矩阵， 其中， 所述历史图像归约簇是对预设的 图像数据库中已有的图像聚类簇进行数据归约处理得到的图像簇， 所述最近邻矩阵中每个 元素的值分别表示所述增量图像归约簇与每 个所述历史图像归约簇之间的簇相似度； 根据所述增量图像归约簇与 所述历史图像归约簇中图像的图像属性， 判断所述增量图 像归约簇与所述历史图像归约簇中的图像是否冲突； 根据判断的结果选择性 地对所述簇相似度进行修 正， 以获取最终的簇相似度； 根据所述最终的簇相似度， 对所述增量图像归约簇与所述历史图像归约簇进行聚类， 根据聚类的结果确定与所述增量图像归约簇匹配的所述历史图像归约簇； 将所述增量图像归约簇对应的增量图像聚类簇 中的图像， 增加至与 所述匹配的历史图 像归约簇对应的所述已有的图像聚类簇中。 6.根据权利要求5所述的图像增量聚类方法， 其特征在于， 所述图像属性至少包括图像 采集时间和图像采集位置， “根据所述增量图像归约簇与所述历史图像归约簇中图像的图 像属性， 判断所述增 量图像归约簇与所述历史图像归约簇中的图像是否冲突 ”的步骤具体 包括： 根据所述增量图像归约簇与所述历史图像归约簇中图像的图像采集时间之间的时间 差， 确定第二对象移动时长d2(t2Q,t2j)， 其中， t2Q表示所述增量图像归约簇中图像的图像 采集时间， t 2j表示第j个所述历史图像归约簇中图像的图像采集时间； 根据所述增量图像归约簇与 所述历史图像归约簇中图像的图像采集位置之间的距离， 确定第二对象移动距离L2(p2Q,p2j)， 其中， p2Q表示所述增量图像归约簇中图像的图像采集 位置， p2j表示第j个所述历史图像归约簇中图像的图像采集 位置； 若d2(t2Q,t2j)<t_th2且L2(p2Q,p2j)≥v2×t_th2， 则判定所述增量图像归约簇与所述 历史图像归约簇中的图像冲突， 其中， t_th2表示预设 的第二时间阈值， v2表示预设 的第二 对象移动速度； 否则， 判定所述增量图像归约簇与所述历史图像归约簇中的图像不冲突； 和/或， 在“将所述增量图像归约簇对应的增量图像聚类簇中的图像， 增加至与所述匹配的历 史图像归约簇对应的所述已有的图像聚类簇中 ”的步骤之后， 所述方法还 包括： 对增加了所述增量图像聚类簇中的图像的所述已有的图像聚类簇重新进行数据归约 处理， 以得到新的历史图像归约簇 。 7.根据权利要求6所述的图像增量聚类方法， 其特征在于， 所述增量图像归约簇与 所述 历史图像归约簇中图像的图像对 象是人脸， 在 “判定所述增量图像归约簇与所述历史图像 归约簇中的图像不冲突 ”的步骤之后， 所述方法还 包括： 根据所述人脸的人脸属性， 判断所述增量图像归约簇与 所述历史图像归约簇中的图像 是否冲突； 若所述人脸属性存在冲突， 则判定所述增量图像归约簇与所述历史图像归约簇 中的图 像冲突； 否则， 判定所述增量图像归约簇与所述历史图像归约簇中的图像不冲突。 8.根据权利要求7所述的图像增量聚类方法， 其特征在于， “根据判断的结果选择性地 对所述簇相似度进行修 正， 以获取最终的簇相似度 ”的步骤具体包括：权　利　要　求　书 2/3 页 3 CN 115512143 A 3