一种图像档案的处理方法、装置及电子设备与流程

1.本技术涉及人脸聚类技术领域，尤其涉及一种图像档案的处理方法、装置及电子设备。


背景技术：

2.随着图像识别技术的发展，为了将大量的人脸图像进行归类，引入了人脸图像聚类算法，人脸图像聚类算法能够通过在线模式与离线模式将同一个人的人脸图像归为一个档案，在线模式是将未分类的人脸图像档案放入已经形成的人脸图像档案中，或者将未分类的人脸图像放入已经形成的人脸图像集中，离线模式是将未分类的人脸图像进行聚类形成至少一个新的人脸图像集，每个人脸图像档案中有多个人脸图像集，每个人脸图像集中都有一个质心，质心是计算人脸图像集中所有人脸特征得出。
3.当基于人脸图像聚类算法对人脸图像进行归类时，随着人脸图像档案的不断增加，人脸图像集中出现了其他人的人脸图像，导致产生错误人脸图像档案，在错误人脸图像档案中，将该档案中具有同一人脸且数量最多的人脸图像称为档案主体，将其它人脸图像称为档案噪声，在同一人脸图像档案中可以存在多个档案噪声。
4.目前，为了处理档案噪声，采用的方法是统计出人脸图像档案中每个人脸对应的人脸图像的数量值，若人脸图像档案中的档案噪声对应的人脸图像数量值大于人脸图像档案中的档案主体对应的人脸图像数量值，则将该人脸图像档案中的人脸图像数量最多的档案噪声覆盖档案主体，将导致部分人脸图像丢失，破坏了人脸图像档案中人脸图像的完整性。


技术实现要素：

5.本技术提供了一种图像档案的处理方法、装置及电子设备，通过将档案噪声中的所有人脸图像进行重新分类，将相同目标对象的人脸图像分为第二目标图像集，并将第二目标图像集合并至具有相同目标对象的人脸图像集中，提高了筛选出同一目标对象对应的人脸图像的准确度，进一步确保了人脸图像档案中的人脸图像的完整性。
6.第一方面，本技术提供了一种图像档案的处理方法，所述方法包括：
7.在待处理的人脸图像档案中筛选出第一目标图像集，其中，所述第一目标图像集中包含了至少两个目标对象的人脸图像；
8.将所述第一目标图像集输入第一预设网络模型，得到所述第一目标图像集对应的档案主体以及档案噪声；
9.将所述档案噪声中的所有人脸图像输入第二预设网络模型中进行分类，获得至少一个第二目标图像集，其中，每个第二目标图像集中的目标对象不同；
10.将第二目标图像集与所述人脸图像档案中具有相同目标对象的人脸图像集合并。
11.在一种可能的设计中，在待处理的人脸图像档案中筛选出第一目标图像集，包括：
12.将人脸图像档案中的每个人脸图像集输入特征提取网络模型，获得所述人脸图像
集中每张人脸图像的人脸图像特征；
13.基于所述人脸图像特征计算每个人脸图像集中所有人脸图像特征两两之间的相似度值，根据所述相似度值生成相似度矩阵，获得多个相似度矩阵；
14.按照预设规则从多个相似度矩阵中筛选出至少一个相似度矩阵，并获得所述至少一个相似度矩阵对应的第一目标图像集。
15.在一种可能的设计中，按照预设规则从多个相似度矩阵中筛选出至少一个相似度矩阵，并获得所述至少一个相似度矩阵对应的第一目标图像集，包括：
16.获得每个相似度矩阵的中最低相似度值，并检测所述最低相似度值是否低于第一预设阈值；
17.确定所述最低相似度值低于第一预设阈值时，将所述人脸图像集作为第一目标图像集。
18.在一种可能的设计中，获得每个相似度矩阵的中最低相似度值，包括：
19.遍历每个相似度矩阵中的相似度值，基于相似度值的大小对相似度值进行排序；
20.基于所述相似度值的排序筛选出所述相似度矩阵的最小相似度值。
21.在一种可能的设计中，按照预设规则从多个相似度矩阵中筛选出至少一个相似度矩阵，并获得所述至少一个相似度矩阵对应的第一目标图像集，还包括：
22.获得每个相似度矩阵中每一行的平均相似度值，检测所述平均相似度值是否低于第二预设阈值；
23.确定所述平均相似度值低于第二预设阈值时，将所述人脸图像集作为第一目标图像集。
24.在一种可能的设计中，获得每个相似度矩阵中每一行的平均相似度值，包括：
25.获得每个相似度矩阵中每一行和/或每一列的相似度值的数量；
26.按照从上至下的顺序提取每一行的相似度值，并计算出每一行的相似度值的和；
27.将所述每一行的相似度值的和除以所述相似度值的数量，获得每个相似度矩阵中每一行的平均相似度值。
28.在一种可能的设计中，将所述第一目标图像集输入第一预设网络模型，得到所述第一目标图像集对应的档案主体以及档案噪声，包括：
29.将所述第一目标图像集输入第一预设网络模型中，获得所述第一目标图像集中每张第一目标图像对应的第一概率值与第二概率值；
30.检测所述第一概率值是否大于所述第二概率值；
31.若是，则将所述第一目标图像作为档案主体中的人脸图像；
32.若否，则将所述第一目标图像作为档案噪声中的人脸图像。
33.在一种可能的设计中，将所述档案噪声中的所有人脸图像输入第二预设网络模型中进行分类，获得至少一个第二目标图像集，包括：
34.将所述档案噪声中的所有人脸图像输入第二预设网络模型中，获得所述档案噪声中每张人脸图像的人脸图像特征；
35.基于所述档案噪声中所有人脸图像的人脸图像特征，筛选出所述档案噪声中每个目标对象对应的人脸图像；
36.根据具有相同目标对象对应的人脸图像生成第二目标图像集，获得至少一个第二
目标图像集。
37.在一种可能的设计中，基于所述档案噪声中所有人脸图像的人脸图像特征，筛选出所述档案噪声中每个目标对象对应的人脸图像，包括：
38.计算所述档案噪声中所有人脸图像的人脸图像特征两两之间的相似度值；
39.检测所述相似度值是否超过第三预设阈值；
40.确定所述相似度值超过所述第三预设阈值时，将所述相似度值对应的两个人脸图像特征作为同一目标对象对应的人脸图像特征；
41.根据所述同一目标对象对应的人脸图像特征，获得所述目标对象对应的人脸图像。
42.在一种可能的设计中，将第二目标图像集与所述人脸图像档案中具有相同目标对象的人脸图像集合并，包括：
43.计算每个第二目标图像集与所述人脸图像档案中的人脸图像集的相似度值；
44.基于相似度值对所述人脸图像档案中的人脸图像集进行排序，确定出最大相似度值对应的第二目标图像集以及人脸图像集；
45.将所述第二目标图像集与所述人脸图像集进行合并。
46.第二方面，本技术提供了一种图像档案的处理装置，所述装置包括：
47.筛选模块，用于在待处理的人脸图像档案中筛选出第一目标图像集；
48.输入模块，用于将所述第一目标图像集输入第一预设网络模型，得到所述第一目标图像集对应的档案主体以及档案噪声；
49.分类模块，用于将所述档案噪声中的所有人脸图像输入第二预设网络模型中进行分类，获得至少一个第二目标图像集；
50.合并模块，用于将第二目标图像集与所述人脸图像档案中具有相同目标对象的人脸图像集合并。
51.在一种可能的设计中，所述筛选模块，具体用于将人脸图像档案中的每个人脸图像集输入特征提取网络模型，获得所述人脸图像集中每张人脸图像的人脸图像特征，基于所述人脸图像特征计算每个人脸图像集中所有人脸图像特征两两之间的相似度值，根据所述相似度值生成相似度矩阵，获得多个相似度矩阵，按照预设规则从多个相似度矩阵中筛选出至少一个相似度矩阵，并获得所述至少一个相似度矩阵对应的第一目标图像集。
52.在一种可能的设计中，所述筛选模块，还用于获得每个相似度矩阵的中最低相似度值，并检测所述最低相似度值是否低于第一预设阈值，确定所述最低相似度值低于第一预设阈值时，将所述人脸图像集作为第一目标图像集。
53.在一种可能的设计中，所述筛选模块，还用于遍历每个相似度矩阵中的相似度值，基于相似度值的大小对相似度值进行排序，基于所述相似度值的排序筛选出所述相似度矩阵的最小相似度值。
54.在一种可能的设计中，所述筛选模块，还用于获得每个相似度矩阵中每一行的平均相似度值，检测所述平均相似度值是否低于第二预设阈值，确定所述平均相似度值低于第二预设阈值时，将所述人脸图像集作为第一目标图像集。
55.在一种可能的设计中，所述筛选模块，还用于获得每个相似度矩阵中每一行和/或每一列的相似度值的数量，按照从上至下的顺序提取每一行的相似度值，并计算出每一行
的相似度值的和，将所述每一行的相似度值的和除以所述相似度值的数量，获得每个相似度矩阵中每一行的平均相似度值。
56.在一种可能的设计中，所述输入模块，具体用于将所述第一目标图像集输入第一预设网络模型中，获得所述第一目标图像集中每张第一目标图像对应的第一概率值与第二概率值，检测所述第一概率值是否大于所述第二概率值，若是，则将所述第一目标图像作为档案主体中的人脸图像，若否，则将所述第一目标图像作为档案噪声中的人脸图像。
57.在一种可能的设计中，所述分类模块，具体用于将所述档案噪声中的所有人脸图像输入第二预设网络模型中，获得所述档案噪声中每张人脸图像的人脸图像特征，基于所述档案噪声中所有人脸图像的人脸图像特征，筛选出所述档案噪声中每个目标对象对应的人脸图像，根据具有相同目标对象对应的人脸图像生成第二目标图像集，获得至少一个第二目标图像集。
58.在一种可能的设计中，所述分类模块，还用于计算所述档案噪声中所有人脸图像的人脸图像特征两两之间的相似度值，检测所述相似度值是否超过第三预设阈值，确定所述相似度值超过所述第三预设阈值时，将所述相似度值对应的两个人脸图像特征作为同一目标对象对应的人脸图像特征，根据所述同一目标对象对应的人脸图像特征，获得所述目标对象对应的人脸图像。
59.在一种可能的设计中，所述合并模块，具体用于计算每个第二目标图像集与所述人脸图像档案中的人脸图像集的相似度值，基于相似度值对所述人脸图像档案中的人脸图像集进行排序，确定出最大相似度值对应的第二目标图像集以及人脸图像集，将所述第二目标图像集与所述人脸图像集进行合并。
60.第三方面，本技术提供了一种电子设备，包括：
61.存储器，用于存放计算机程序；
62.处理器，用于执行所述存储器上所存放的计算机程序时，实现上述的一种图像档案的处理方法步骤。
63.第四方面，一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述的一种图像档案的处理方法步骤。
64.上述第一方面至第四方面中的各个方面以及各个方面可能达到的技术效果请参照上述针对第一方面或第一方面中的各种可能方案可以达到的技术效果说明，这里不再重复赘述。
附图说明
65.图1为本技术提供的一种图像档案的处理方法步骤的流程图；
66.图2为本技术提供的一种图像档案的处理装置的结构示意图；
67.图3为本技术提供的一种电子设备的结构示意图。
具体实施方式
68.为了使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术作进一步地详细描述。方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。需要说明的是，在本技术的描述中“多个”理解为“至少两个”。“和/或”，描述关联对象的
关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。a与b连接，可以表示：a与b直接连接和a与b通过c连接这两种情况。另外，在本技术的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。
69.在以往的技术中，处理人脸图像档案中的档案噪声是通过计算人脸图像档案相同目标对象对应的人脸图像数量，筛选出档案噪声中相同目标对象对应的人脸图像数量最多的人脸图像集，当档案噪声中的人脸图像集对应的人脸图像数量超过档案主体中的人脸图像集中的人脸图像数量时，将人脸图像档案中的人脸图像数量最多的档案噪声覆盖档案主体，将导致部分人脸图像丢失，破坏了人脸图像档案中的人脸图像的完整性。
70.为了解决上述的问题，本技术实施例提供了一种图像档案的处理方法，用以实现将图像档案中的档案噪声进行重新分类，并合并至具有相同目标对象的其他人脸图像集中，确保了人脸图像档案中的人脸图像的完整性以及筛选出同一目标对象对应的人脸图像的准确度。其中，本技术实施例所述方法和装置基于同一技术构思，由于方法及装置所解决问题的原理相似，因此装置与方法的实施例可以相互参见，重复之处不再赘述。
71.下面结合附图，对本技术实施例进行详细描述。
72.参照图1，本技术提供了一种图像档案的处理方法，该方法可以确保人脸图像档案中的人脸图像的完整性，该方法的实现流程如下：
73.步骤s1：在待处理的人脸图像档案中筛选出第一目标图像集。
74.在本技术实施例中，人脸图像档案中包含多个人脸图像集，当人脸图像集中包含至少两个目标对象的人脸图像时，就代表该人脸图像集中有档案噪声，此时就需要从多个人脸图像集中筛选出第一目标图像集，第一目标图像集中包含至少两个目标对象对应的人脸图像，具体的筛选方式如下：
75.首先，将人脸图像档案中的每个人脸图像集输入特征提取网络，利用特征提取网络获得每个人脸图像集中每个人脸图像的人脸图像特征，获得每个人脸图像集中每个人脸图像的人脸图像特征之后，为了更好的将包含档案噪声的人脸图像集筛选出来，需要计算每个人脸图像集中所有人脸图像特征两两之间的相似度值，获得每个人脸图像集中所有人脸图像特征两两之间的相似度值之后，基于相似度值组成相似度矩阵，基于相似度值组成相似度矩阵如表1所示：
[0076][0077][0078]
表1
[0079]
在上述表1中，记录的是5个人脸图像特征两两之间的相似度值组成的相似度矩阵，需要进行说明的是一个目标对象至有一个人脸图像特征，人脸图像特征的数量在实际应用中不只5个，其他根据人脸图像特征之间的相似度值生成相似度矩阵的人脸图像特征可参考表1，这里不做过多阐述。
[0080]
进一步需要说明的是，由于人脸图像档案中的人脸图像集至少为一个，因此，根据人脸图像特征生成的相似度矩阵值至少为一个，相似度矩阵的数量与人脸图像档案中的人脸图像集数量相等。
[0081]
获得相似度矩阵之后，为了从人脸图像集中筛选出第一目标图像集，可以采用如下方式进行筛选：
[0082]
方式一：为了从人脸图像集中筛选出第一目标图像集，采用的方式一是提取相似度矩阵中的最低相似度值，检测最低相似度值是否低于第一预设阈值，若最低相似度值低于第一预设阈值，则代表当前相似度矩阵对应的人脸图像集中有其他人脸图像，将该相似度矩阵对应的人脸图像集作为第一目标图像集，若最低相似度值高于第一预设阈值，代表当前相似度矩阵对应的人脸图像集中没有其他目标对象对应的人脸图像，忽略当前相似度矩阵对应的人脸图像集。
[0083]
方式二：为了从人脸图像集中筛选出第一目标图像集，采用的方式二是计算每个相似度矩阵中每一行的平均相似度值，获得平均相似度值之后，检测每一个平均相似度值是否低于第二预设阈值，若相似度矩阵中，有一行平均相似度值超过第二预设阈值，则代表当前相似度矩阵对应的人脸图像集中有其他目标对象对应的人脸图像，将该相似度矩阵对应的人脸图像集作为第一目标图像集，若相似度矩阵中，每一行的平均相似度值都低于第二预设阈值，则代表该相似度矩阵对应的人脸图像集中的没有其他目标对象对应的人脸图
像，忽略当前相似度矩阵对应的人脸图像集。
[0084]
比如：相似度矩阵如表1所示，计算表1中的相似度矩阵对应的每一行的平均相似度值的具体过程如下：
[0085]
在表1中该，相似度矩阵的行与列的数量相等都为5，计算每一行的相似度值的和，第一行相似度值的和为4.31，第一行相似度值对应的平均相似度值为0.862；第二行相似度值的和为4.35，第二行相似度值对应的平均相似度值为0.87；第三行相似度值的和为4.34，第三行相似度值对应的平均相似度值为0.868；第四行相似度值的和为4.43.第四行相似度值对应的平均相似度值为0.886；第五行相似度值的和为4.53，第五行相似度值对应的平均相似度值为0.906。
[0086]
若第二预设阈值为0.899，第五行的平均相似度值为0.906，0.906》0.899，因此该相似度矩阵对应的人脸图像集中至少包含两个目标对象的人脸图像。
[0087]
进一步需要说明的是，从人脸图像集中筛选出第一目标图像集，采用的方式可以为方式一与方式二中的任意一个，也可以是方式一与方式二进行组合，这里不做过多阐述。
[0088]
通过上述的方法，从人脸图像档案中筛选出第一目标图像集，采用方式一和/或方式二能够确保将人脸图像档案中的至少包含两个目标对象的人脸图像集筛选出来，将该人脸图像集作为第一目标图像集，从而可以准确的筛选出第一目标图像集，提高了筛选出第一目标图像集的准确度。
[0089]
步骤s2：将所述第一目标图像集输入第一预设网络模型，得到所述第一目标图像集对应的档案主体以及档案噪声。
[0090]
获得第一目标图像集之后，第一目标图像集中至少包含两个目标对象的人脸图像，为了将第一目标图像集中的人脸图像划分为档案主体与档案噪声，需要将第一目标图像集输入第一预设网络模型中，在本技术实施例中，第一预设网络模型为图卷积分类模型，图卷积分类模型中的图卷积层的数量根据实际情况进行调节，但是，最后一个图卷积层的输出通道数为2，图卷积分类模型会计算出第一目标图像集中每张第一目标图像对应的第一概率值与第二概率值，第一概率值代表第一目标图像为档案主体中的人脸图像的概率值，第二概率值代表第一目标图像为档案噪声中的人脸图像的概率值。
[0091]
将第一目标图像集输入第一预设网络模型中之后，获得每张第一目标图像的第一概率值与第二概率值，确定出每张第一目标图像的第一概率值与第二概率值之后，检测第一概率值是否超过第二概率值，若第一概率值超过第二概率值，代表该第一目标图像为档案主体中的人脸图像的概率较高，则将该第一目标图像作为档案主图中的人脸图像，若第一概率值低于第二概率值，代表该第一目标图像为档案噪声中的人脸图像的概率较高，则将该第一目标图像作为档案噪声中的人脸图像。
[0092]
通过上述的方法，将第一目标图像集中的人脸图像分为档案主体以及档案噪声，确保了档案主体的人脸图像为同一个目标对象对应的人脸图像，将第一目标图像集中的其他人脸图像置入档案噪声中，有利于人脸图像的正确分类。
[0093]
步骤s3：将所述档案噪声中的所有人脸图像输入第二预设网络模型中进行分类，获得至少一个第二目标图像集。
[0094]
获得第一目标图像集中的档案噪声之后，将档案噪声输入第二预设网络模型，在本技术实施例中，第二预设网络模型可以为密度聚类模型、谱聚类模型、层次聚类模型，由
于密度聚类模型、谱聚类模型、层次聚类模型为本领域技术人员公知的技术，因此在这里不做过多阐述。
[0095]
将档案噪声输入第二预设网络模型之后，为了区分每个目标对象对应的人脸图像，第二预设网络模型需要采集每张人脸图像的人脸图像特征，获得档案噪声中的每张人脸图像的人脸图像特征之后，计算人脸图像特征两两之间的相似度值，检测该相似度值是否超过第三预设阈值，若该相似度值超过第三预设阈值，则将该相似度值对应的两个人脸图像特征作为同一个目标对象对应的人脸图像特征，由此确定出同一个目标对象对应的人脸图像，若该相似度值低于第三预设阈值，则将该相似度值对应的两个人脸图像特征不为同一目标对象对应的人脸图像特征，由此确定出该人脸图像特征各自对应一个目标对象。
[0096]
基于上述描述的方法，筛选出每个目标对象对应的人脸图像，根据每个目标对象对应的人脸图像生成第二目标图像集，进一步需要说明的是，由于档案噪声中的人脸图像对应的目标对象至少为一个，因此基于档案噪声对应的第二目标图像集至少也为一个。
[0097]
通过上述的方法，将档案噪声输入第二预设网络模型，通过第二预设网络模型将档案噪声中的人脸图像进行分类，将同一个目标对象对应的人脸图像归类于一个第二目标图像集，有利于将第二目标图像集合并至其他人脸图像中。
[0098]
步骤s4：将第二目标图像集与所述人脸图像档案中具有相同目标对象的人脸图像集合并。
[0099]
在获得至少一个第二目标图像集之后，为了确保人脸图像档案中人脸图像的完整性，不能将筛选出的档案噪声删除，从而需要保留基于档案噪声生成的第二目标图像集，第二目标图像集中的人脸图像为同一个目标对象对应的人脸图像，需要计算第二目标图像集与人脸图像档案中的人脸图像集中的相似度值，再将获得的相似度值按照从大到小的顺序进行排序，筛选出最大相似度值对应的人脸图像集，最后，将第二目标图像与最大相似度值对应的人脸图像集进行合并。
[0100]
比如：人脸图像档案中的人脸图像集有a、b、c、d，第二目标图像集为x，分别计算出x与a、b、c、d的相似度值，x与a、b、c、d的相似度值依次为0.66、0.87、0.97、0.69，将相似度值按照从大到小的顺序进行排序，0.97》0.87》0.69》0.66，将最大相似度值对应的人脸图像集为c，将c与x进行合并。
[0101]
进一步需要说明的是，由于第二目标图像集至少为一个，因此，其他的第二目标图像集与其他人脸图像集合并的过程参考上述的例子，由于第二目标图像集与其他人脸图像集合并的过程一致，因此这里不做过多阐述。
[0102]
将第二目标图像集合并至人脸图像档案中的人脸图像集之后，每个人脸图像集中的人脸图像对应的目标对象只有一个，计算出当前人脸图像集中的质心。
[0103]
本技术实施例只例举了一个人脸图像档案中对于档案噪声的处理方式，当有多个人脸图像档案时，对于多个人脸图像档案对应的档案噪声的处理方式与本技术实施例一致，处理档案噪声的具体过程可参考本技术的实施例，为了避免大量的重复性内容，因此这里不做过多阐述。
[0104]
通过上述描述的方法，将人脸图像档案中的包含至少两个目标对象的人脸图像集筛选出来作为第一目标图像集，再将第一目标图像集中的档案噪声筛选出来并按照同一个目标对象对应的人脸图像进行分类，获得至少一个第二目标图像集，最后根据相似度值将
第二目标图像集合并至人脸图像档案中的人脸图像集中，对人脸图像档案中的人脸图像进行重新分类并合并，确保了人脸图像档案中的人脸图像的完整性以及通过了筛选出同一目标对象对应的人脸图像的准确度。
[0105]
基于同一发明构思，本技术实施例中还提供了一种图像档案的处理装置，该图像档案的处理装置用于实现了一种图像档案的处理方法的功能，参照图2，所述装置包括：
[0106]
筛选模块201，用于在待处理的人脸图像档案中筛选出第一目标图像集；
[0107]
输入模块202，用于将所述第一目标图像集输入第一预设网络模型，得到所述第一目标图像集对应的档案主体以及档案噪声；
[0108]
分类模块203，用于将所述档案噪声中的所有人脸图像输入第二预设网络模型中进行分类，获得至少一个第二目标图像集；
[0109]
合并模块204，用于将第二目标图像集与所述人脸图像档案中具有相同目标对象的人脸图像集合并。
[0110]
在一种可能的设计中，所述筛选模块201，具体用于将人脸图像档案中的每个人脸图像集输入特征提取网络模型，获得所述人脸图像集中每张人脸图像的人脸图像特征，基于所述人脸图像特征计算每个人脸图像集中所有人脸图像特征两两之间的相似度值，根据所述相似度值生成相似度矩阵，获得多个相似度矩阵，按照预设规则从多个相似度矩阵中筛选出至少一个相似度矩阵，并获得所述至少一个相似度矩阵对应的第一目标图像集。
[0111]
在一种可能的设计中，所述筛选模块201，还用于获得每个相似度矩阵的中最低相似度值，并检测所述最低相似度值是否低于第一预设阈值，确定所述最低相似度值低于第一预设阈值时，将所述人脸图像集作为第一目标图像集。
[0112]
在一种可能的设计中，所述筛选模块201，还用于遍历每个相似度矩阵中的相似度值，基于相似度值的大小对相似度值进行排序，基于所述相似度值的排序筛选出所述相似度矩阵的最小相似度值。
[0113]
在一种可能的设计中，所述筛选模块201，还用于获得每个相似度矩阵中每一行的平均相似度值，检测所述平均相似度值是否低于第二预设阈值，确定所述平均相似度值低于第二预设阈值时，将所述人脸图像集作为第一目标图像集。
[0114]
在一种可能的设计中，所述筛选模块201，还用于获得每个相似度矩阵中每一行和/或每一列的相似度值的数量，按照从上至下的顺序提取每一行的相似度值，并计算出每一行的相似度值的和，将所述每一行的相似度值的和除以所述相似度值的数量，获得每个相似度矩阵中每一行的平均相似度值。
[0115]
在一种可能的设计中，所述输入模块202，具体用于将所述第一目标图像集输入第一预设网络模型中，获得所述第一目标图像集中每张第一目标图像对应的第一概率值与第二概率值，检测所述第一概率值是否大于所述第二概率值，若是，则将所述第一目标图像作为档案主体中的人脸图像，若否，则将所述第一目标图像作为档案噪声中的人脸图像。
[0116]
在一种可能的设计中，所述分类模块203，具体用于将所述档案噪声中的所有图像输入第二预设网络模型中，获得所述档案噪声中每张人脸图像的人脸图像特征，基于所述档案噪声中所有人脸图像的人脸图像特征，筛选出所述档案噪声中每个目标对象对应的人脸图像，根据具有相同目标对象对应的人脸图像生成第二目标图像集，获得至少一个第二目标图像集。
[0117]
在一种可能的设计中，所述分类模块203，还用于计算所述档案噪声中所有人脸图像的人脸图像特征两两之间的相似度值，检测所述相似度值是否超过第三预设阈值，确定所述相似度值超过所述第三预设阈值时，将所述相似度值对应的两个人脸图像特征作为同一目标对象对应的人脸图像特征，根据所述同一目标对象对应的人脸图像特征，获得所述目标对象对应的人脸图像。
[0118]
在一种可能的设计中，所述合并模块204，具体用于计算每个第二目标图像集与所述人脸图像档案中的人脸图像集的相似度值，基于相似度值对所述人脸图像档案中的人脸图像集进行排序，确定出最大相似度值对应的第二目标图像集以及人脸图像集，将所述第二目标图像集与所述人脸图像集进行合并。
[0119]
基于同一发明构思，本技术实施例中还提供了一种电子设备，所述电子设备可以实现前述一种图像档案的处理装置的功能，参考图3，所述电子设备包括：
[0120]
至少一个处理器301，以及与至少一个处理器301连接的存储器302，本技术实施例中不限定处理器301与存储器302之间的具体连接介质，图3中是以处理器301和存储器302之间通过总线300连接为例。总线300在图3中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。总线300可以分为地址总线、数据总线、控制总线等，为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。或者，处理器301也可以称为控制器，对于名称不做限制。
[0121]
在本技术实施例中，存储器302存储有可被至少一个处理器301执行的指令，至少一个处理器301通过执行存储器302存储的指令，可以执行前文论述的一种图像档案的处理方法。处理器301可以实现图2所示的装置中各个模块的功能。
[0122]
其中，处理器301是该装置的控制中心，可以利用各种接口和线路连接整个该控制设备的各个部分，通过运行或执行存储在存储器302内的指令以及调用存储在存储器302内的数据，该装置的各种功能和处理数据，从而对该装置进行整体监控。
[0123]
在一种可能的设计中，处理器301可包括一个或多个处理单元，处理器301可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器301中。在一些实施例中，处理器301和存储器302可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
[0124]
处理器301可以是通用处理器，例如中央处理器(cpu)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本技术实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本技术实施例所公开的一种图像档案的处理方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
[0125]
存储器302作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器302可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(random access memory，ram)、静态随机访问存储器(static random access memory，sram)、可编程只读存储器(programmable read only memory，prom)、只读存储器(read only memory，rom)、带
电可擦除可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、磁性存储器、磁盘、光盘等等。存储器302是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本技术实施例中的存储器302还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
[0126]
通过对处理器301进行设计编程，可以将前述实施例中介绍的一种图像档案的处理方法所对应的代码固化到芯片内，从而使芯片在运行时能够执行图1所示的实施例的一种图像档案的处理步骤。如何对处理器301进行设计编程为本领域技术人员所公知的技术，这里不再赘述。
[0127]
基于同一发明构思，本技术实施例还提供一种存储介质，该存储介质存储有计算机指令，当该计算机指令在计算机上运行时，使得计算机执行前文论述的一种图像档案的处理方法。
[0128]
在一些可能的实施方式中，本技术提供一种图像档案的处理方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在装置上运行时，程序代码用于使该控制设备执行本说明书上述描述的根据本技术各种示例性实施方式的一种图像档案的处理方法中的步骤。
[0129]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0130]
本技术是参照根据本技术的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0131]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0132]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0133]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。

技术特征：
1.一种图像档案的处理方法，其特征在于，包括：在待处理的人脸图像档案中筛选出第一目标图像集，其中，所述第一目标图像集中包含了至少两个目标对象的人脸图像；将所述第一目标图像集输入第一预设网络模型，得到所述第一目标图像集对应的档案主体以及档案噪声；将所述档案噪声中的所有人脸图像输入第二预设网络模型中进行分类，获得至少一个第二目标图像集，其中，每个第二目标图像集中的目标对象不同；将第二目标图像集与所述人脸图像档案中具有相同目标对象的人脸图像集合并。2.如权利要求1所述的方法，其特征在于，在待处理的人脸图像档案中筛选出第一目标图像集，包括：将人脸图像档案中的每个人脸图像集输入特征提取网络模型，获得所述人脸图像集中每张人脸图像的人脸图像特征；基于所述人脸图像特征计算每个人脸图像集中所有人脸图像特征两两之间的相似度值，根据所述相似度值生成相似度矩阵，获得多个相似度矩阵；按照预设规则从多个相似度矩阵中筛选出至少一个相似度矩阵，并获得所述至少一个相似度矩阵对应的第一目标图像集。3.如权利要求2所述的方法，其特征在于，按照预设规则从多个相似度矩阵中筛选出至少一个相似度矩阵，并获得所述至少一个相似度矩阵对应的第一目标图像集，包括：获得每个相似度矩阵的中最低相似度值，并检测所述最低相似度值是否低于第一预设阈值；确定所述最低相似度值低于第一预设阈值时，将所述人脸图像集作为第一目标图像集。4.如权利要求3所述的方法，其特征在于，获得每个相似度矩阵的中最低相似度值，包括：遍历每个相似度矩阵中的相似度值，基于相似度值的大小对相似度值进行排序；基于所述相似度值的排序筛选出所述相似度矩阵的最小相似度值。5.如权利要求2所述的方法，其特征在于，按照预设规则从多个相似度矩阵中筛选出至少一个相似度矩阵，并获得所述至少一个相似度矩阵对应的第一目标图像集，还包括：获得每个相似度矩阵中每一行的平均相似度值，检测所述平均相似度值是否低于第二预设阈值；确定所述平均相似度值低于第二预设阈值时，将所述人脸图像集作为第一目标图像集。6.如权利要求5所述的方法，其特征在于，获得每个相似度矩阵中每一行的平均相似度值，包括：获得每个相似度矩阵中每一行和/或每一列的相似度值的数量；按照从上至下的顺序提取每一行的相似度值，并计算出每一行的相似度值的和；将所述每一行的相似度值的和除以所述相似度值的数量，获得每个相似度矩阵中每一行的平均相似度值。7.如权利要求1所述的方法，其特征在于，将所述第一目标图像集输入第一预设网络模
型，得到所述第一目标图像集对应的档案主体以及档案噪声，包括：将所述第一目标图像集输入第一预设网络模型中，获得所述第一目标图像集中每张第一目标图像对应的第一概率值与第二概率值；检测所述第一概率值是否大于所述第二概率值；若是，则将所述第一目标图像作为档案主体中的人脸图像；若否，则将所述第一目标图像作为档案噪声中的人脸图像。8.如权利要求1所述的方法，其特征在于，将所述档案噪声中的所有人脸图像输入第二预设网络模型中进行分类，获得至少一个第二目标图像集，包括：将所述档案噪声中的所有人脸图像输入第二预设网络模型中，获得所述档案噪声中每张人脸图像的人脸图像特征；基于所述档案噪声中所有人脸图像的人脸图像特征，筛选出所述档案噪声中每个目标对象对应的人脸图像；根据具有相同目标对象对应的人脸图像生成第二目标图像集，获得至少一个第二目标图像集。9.如权利要求8所述的方法，其特征在于，基于所述档案噪声中所有人脸图像的人脸图像特征，筛选出所述档案噪声中每个目标对象对应的人脸图像，包括：计算所述档案噪声中所有人脸图像的人脸图像特征两两之间的相似度值；检测所述相似度值是否超过第三预设阈值；确定所述相似度值超过所述第三预设阈值时，将所述相似度值对应的两个人脸图像特征作为同一目标对象对应的人脸图像特征；根据所述同一目标对象对应的人脸图像特征，获得所述目标对象对应的人脸图像。10.如权利要求1所述的方法，其特征在于，将第二目标图像集与所述人脸图像档案中具有相同目标对象的人脸图像集合并，包括：计算每个第二目标图像集与所述人脸图像档案中的人脸图像集的相似度值；基于相似度值对所述人脸图像档案中的人脸图像集进行排序，确定出最大相似度值对应的第二目标图像集以及人脸图像集；将所述第二目标图像集与所述人脸图像集进行合并。11.一种图像档案的处理装置，其特征在于，所述装置包括：筛选模块，用于在待处理的人脸图像档案中筛选出第一目标图像集；输入模块，用于将所述第一目标图像集输入第一预设网络模型，得到所述第一目标图像集对应的档案主体以及档案噪声；分类模块，用于将所述档案噪声中的所有人脸图像输入第二预设网络模型中进行分类，获得至少一个第二目标图像集；合并模块，用于将第二目标图像集与所述人脸图像档案中具有相同目标对象的人脸图像集合并。12.如权利要求11所述的装置，其特征在于，所述筛选模块，具体用于将人脸图像档案中的每个人脸图像集输入特征提取网络模型，获得所述人脸图像集中每张人脸图像的人脸图像特征，基于所述人脸图像特征计算每个人脸图像集中所有人脸图像特征两两之间的相似度值，根据所述相似度值生成相似度矩阵，获得多个相似度矩阵，按照预设规则从多个相
似度矩阵中筛选出至少一个相似度矩阵，并获得所述至少一个相似度矩阵对应的第一目标图像集。13.如权利要求11所述的装置，其特征在于，所述筛选模块，还用于获得每个相似度矩阵的中最低相似度值，并检测所述最低相似度值是否低于第一预设阈值，确定所述最低相似度值低于第一预设阈值时，将所述人脸图像集作为第一目标图像集。14.如权利要求11所述的装置，其特征在于，所述筛选模块，还用于获得每个相似度矩阵中每一行的平均相似度值，检测所述平均相似度值是否低于第二预设阈值，确定所述平均相似度值低于第二预设阈值时，将所述人脸图像集作为第一目标图像集。15.如权利要求11所述的装置，其特征在于，所述输入模块，具体用于将所述第一目标图像集输入第一预设网络模型中，获得所述第一目标图像集中每张第一目标图像对应的第一概率值与第二概率值，检测所述第一概率值是否大于所述第二概率值，若是，则将所述第一目标图像作为档案主体中的人脸图像，若否，则将所述第一目标图像作为档案噪声中的人脸图像。16.如权利要求11所述的装置，其特征在于，所述分类模块，具体用于将所述档案噪声中的所有人脸图像输入第二预设网络模型中，获得所述档案噪声中每张人脸图像的人脸图像特征，基于所述档案噪声中所有人脸图像的人脸图像特征，筛选出所述档案噪声中每个目标对象对应的人脸图像，根据具有相同目标对象对应的人脸图像生成第二目标图像集，获得至少一个第二目标图像集。17.如权利要求11所述的装置，其特征在于，所述合并模块，具体用于计算每个第二目标图像集与所述人脸图像档案中的人脸图像集的相似度值，基于相似度值对所述人脸图像档案中的人脸图像集进行排序，确定出最大相似度值对应的第二目标图像集以及人脸图像集，将所述第二目标图像集与所述人脸图像集进行合并。18.一种电子设备，其特征在于，包括：存储器，用于存放计算机程序；处理器，用于执行所述存储器上所存放的计算机程序时，实现权利要求1-10任一项所述的方法步骤。19.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-10任一项所述的方法步骤。

技术总结
一种图像档案的处理方法、装置及电子设备，该方法包括：在待处理的人脸图像档案中筛选出第一目标图像集，将第一目标图像集输入第一预设网络模型，得到第一目标图像集对应的档案主体以及档案噪声，将档案噪声中的所有人脸图像输入第二预设网络模型中进行分类，获得至少一个第二目标图像集，将第二目标图像集与人脸图像档案中具有相同目标对象的人脸图像集合并。通过上述的方法，从待处理的人脸图像档案中筛选出至少包含两个目标对象的人脸图像的第一目标图像集，将第一目标图像集中的人脸图像重新分类，获得至少一个第二目标图像，将第二目标图像合并至具有相同目标对象的人脸图像集合中，确保了人脸图像档案中的人脸图像的完整性。的完整性。的完整性。


技术研发人员：华逸伦 朱树磊 殷俊
受保护的技术使用者：浙江大华技术股份有限公司
技术研发日：2021.11.26
技术公布日：2022/3/8