(19)中华 人民共和国 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 202111220791.5 (22)申请日 2021.10.20 (71)申请人 杭州海康威视数字技 术股份有限公 司 地址 310051 浙江省杭州市滨江区阡 陌路 555号 (72)发明人 陈士辉　李甲甲　罗杰　傅广怀　 陈益新　 (74)专利代理 机构 北京博思佳知识产权代理有 限公司 1 1415 代理人 王剑 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01)G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种图像聚类方法、 装置及设备 (57)摘要 本申请提供一种图像聚类方法、 装置及设 备， 该方法包括： 基于用户的归类图像和参考图 像确定所述用户是否为目标用户； 其中， 若所述 归类图像与所述参考图像之间的人脸相似度大 于第一相似度阈值， 且所述归类图像与所述参考 图像之间的人体相似度小于第二相似度阈值， 则 确定所述用户为目标用户； 统计所有用户中的目 标用户的目标数量； 基于所述目标数量确定是否 需要对所述初始策略参数进行重新确定； 若是， 则利用已获取的训练数据集确定目标策略参数； 其中， 所述目标策略参数用于替换所述初始策略 参数， 以基于所述目标策略参数进行聚类。 通过 本申请的技术方案， 能够对策略参数进行动态调 整， 生成自适应的策略参数， 并提高图像聚类的 准确性。 权利要求书2页 说明书15页 附图3页 CN 113989883 A 2022.01.28 CN 113989883 A 1.一种图像聚类方法， 其特 征在于， 所述方法包括： 基于用户的归类图像和参考图像确定所述用户是否为目标用户； 其中， 若所述归类图 像与所述参考图像之间的人脸相似度大于第一相似度阈值， 且所述归类图像与所述参考图 像之间的人体相似度小于第二相似度阈值， 则确定所述用户为目标用户； 其中， 所述归类图 像是基于初始策略参数聚类为所述用户的图像， 所述参考图像是用于对所述用户的图像进 行聚类的图像； 统计所有用户中的目标用户的目标 数量； 基于所述目标 数量确定是否需要对所述初始策略参数进行重新确定； 若是， 则利用已获取的训练数据集确定目标策略参数； 其中， 所述目标策略参数用于替 换所述初始策略参数， 以基于所述目标 策略参数进行聚类。 2.根据权利要求1所述的方法， 其特征在于， 所述基于用户的归类图像和参考图像确定 所述用户是否为目标用户， 还包括： 若所述归类图像与所述参考图像之间的人脸相似度大 于第一相似度阈值， 且所述归类图像与所述参考图像之 间的人体相似度不小于第二相似度 阈值， 则确定所述用户不 为目标用户。 3.根据权利要求1或者2所述的方法， 其特征在于， 所述基于用户的归类图像和参考图 像确定所述用户是否为目标用户之前， 所述方法还 包括： 从所述归类图像中获取第一人脸特 征模型和第一人体特 征模型； 从所述参考图像中获取第二人脸特 征模型和第二人体特 征模型； 基于所述第 一人脸特征模型与所述第 二人脸特征模型之间的相似度， 确定所述归类图 像与所述 参考图像之间的人脸相似度； 基于所述第 一人体特征模型与所述第 二人体特征模型之间的相似度， 确定所述归类图 像与所述 参考图像之间的人体相似度。 4.根据权利要求1所述的方法， 其特 征在于， 所述训练数据集包括多个用户的训练数据； 针对每个用户的训练数据， 包括该用户的 归类图像、 参考图像和关联图像， 所述关联图像是基于所述初始策略参数未聚类为该用户 且归属于该用户的图像； 其中， 该用户的关联图像的获取 方式包括： 针对数据库中的每个图像， 若确定该图像是属于该用户的图像， 则将该图像确定为该 用户的关联图像； 其中， 所述数据库用于存 储未成功聚类的图像。 5.根据权利要求4所述的方法， 其特征在于， 所述若确定该图像是属于该用户的图像， 则将该图像确定为该用户的关联图像， 包括： 若确定该图像是属于该用户的图像， 且该图像与 该用户的参考图像之间的人脸相似度 是指定相似度， 则将该图像确定为该用户的关联图像； 或者， 若确定该图像是属于该用户的图像， 且该图像与 该用户的归类图像之间的人脸相似度 是指定相似度， 则将该图像确定为该用户的关联图像； 其中， 所述指定相似度小于所述第一相似度阈值。 6.根据权利要求 4或者5所述的方法， 其特 征在于， 所述利用已获取的训练数据集确定目标 策略参数， 包括： 基于所述训练数据集中的训练数据， 通过已训练 的目标机器学习 模型对所述初始策略权　利　要　求　书 1/2 页 2 CN 113989883 A 2参数进行重新训练， 得到与所述训练数据集匹配的目标 策略参数； 其中， 所述目标机器学习模型 是用于输出策略参数的网络模型； 其中， 在所述目标机器学习模型对所述初始策略参数进行重新训练时， 所述训练数据 中的归类图像和参考图像作为重新训练过程的正向样本图像， 且所述训练数据中的关联图 像作为重新训练过程的反向样本图像。 7.根据权利要求1所述的方法， 其特征在于， 所述利用已获取的训练数据集确定目标策 略参数之后， 所述方法还包括： 将所述目标策略参数发送给目标摄像机， 以使 所述目标摄像 机利用所述目标策略参数替换所述初始策略参数， 基于所述目标策略参数对所述目标摄像 机采集到的图像进行聚类。 8.一种图像聚类装置， 其特 征在于， 所述装置包括： 确定模块， 用于基于用户的归类图像和参考图像确定所述用户是否为目标用户； 其中， 若所述归类图像与所述参考图像之 间的人脸相似度大于第一相似度阈值， 且所述归类图像 与所述参考图像之间的人体相似度小于第二相似度阈值， 则确定所述用户为 目标用户； 其 中， 所述归类图像是基于初始策略参数聚类为所述用户的图像， 所述参考图像是用于对所 述用户的图像进行聚类的图像； 统计模块， 用于统计所有用户中的目标用户的目标数量， 并基于所述目标数量确定是 否需要对所述初始策略参数进行重新确定； 生成模块， 用于若需要对所述初始策略参数进行重新确定， 则利用已获取的训练数据 集确定目标策略参数； 其中， 所述目标策略参数用于替换所述初始策略参数， 以基于所述目 标策略参数进行聚类。 9.一种管理设备， 其特征在于， 包括： 处理器和机器可读存储介质， 所述机器可读存储 介质存储有能够被所述处 理器执行的机器可 执行指令； 其中， 所述处理器用于执行所述机器可执行指令， 以实现权利要求1 ‑7任一项所述的方 法步骤。 10.一种机器可读存储介质， 其特征在于， 所述机器可读存储介质存储有能够被处理器 执行的机器可执行指 令； 其中， 所述处理器用于执行所述机器可执行指令， 以实现权利要求 1‑7任一项所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 113989883 A 3