(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 202111672130.6 (22)申请日 2021.12.31 (71)申请人 以萨技术股份有限公司 地址 266000 山东省青岛市黄岛区灵山 卫 街道办事处灵岩路7 7号 (72)发明人 邱志鹏　盛校粼　李凡平　石柱国　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 代理人 徐丽 (51)Int.Cl. G06V 40/16(2022.01) G06N 3/04(2006.01) G06V 10/762(2022.01) G06V 10/74(2022.01) G06K 9/62(2022.01)G06V 10/82(2022.01) (54)发明名称 基于图卷积的人脸聚类方法、 装置及电子设 备 (57)摘要 本发明提供了一种基于图卷积的人脸聚类 方法、 装置及电子设备， 涉及人脸聚类技术领域， 该方法包括： 获取多个待聚类人脸数据， 提取多 个待聚类人脸数据的人脸特征， 基于提取到的人 脸特征构建第一K近邻图， 将第一K近邻图输入到 训练好的图卷积网络中， 得到第一K近邻图中每 个节点的密度预测值， 将密度预测值低的节点与 密度预测值高且连接强度最大的节点做有向连 接， 构建多个独立的人脸簇。 这种结合了图卷积 神经网络和基于密度预测值的聚类算法的方式， 不需要额外构建子图， 有效提高了聚类算法的运 行效率和准确率。 权利要求书2页 说明书8页 附图2页 CN 114333028 A 2022.04.12 CN 114333028 A 1.一种基于图卷积的人脸聚类方法， 其特 征在于， 包括： 获取多个待聚类人脸数据， 提取 所述多个待聚类人脸数据的人脸特 征； 基于所述待聚类人脸数据的人脸特征构建第一K近邻图， 其中， 所述第一K近邻图包括 多个节点， 多个所述节点之间存在连接强度； 将所述第 一K近邻图输入到训练好的图卷积网络中， 得到所述第一K近邻图中每个所述 节点的密度预测值； 将所述密度预测值低的所述节点与所述密度预测值高且所述连接强度最大的所述节 点做有向连接， 构建多个 独立的人脸簇 。 2.根据权利要求1所述的基于图卷积的人脸 聚类方法， 其特征在于， 将所述密度 预测值 低的所述节点与所述密度预测值高且所述连接强度最大的所述节点做有向连接， 构建多个 独立的人脸簇的步骤之后， 还 包括： 对多个独立的所述人脸簇进行精修， 过 滤多个独立的所述人脸簇中异常的节点； 计算所述异常的节点与其他所述人脸簇中心的距离， 选择距离最近的人脸簇进行合 并， 得到优化后的人脸簇 。 3.根据权利要求1所述的基于图卷积的人脸 聚类方法， 其特征在于， 在获取多个待聚类 人脸数据， 提取 所述多个待聚类人脸数据的人脸特 征的步骤之前， 还 包括： 确定人脸聚类数据集， 提取 所述人脸聚类数据集中每 个人脸样本的人脸特 征； 基于人脸样本的人脸特 征构建第二K近邻图； 基于所述第二K近邻图、 所述人脸聚类数据集以及预设损 失函数对初始 的图卷积网络 进行训练得到训练好的图卷积网络 。 4.根据权利要求3所述的基于图卷积的人脸 聚类方法， 其特征在于， 所述预设损失函数 L基于如下公式确定： 其中， N表示输入到图卷积网络的节点数量， yi和y′i分别表示图卷积网络预测的第i个 节点的密度值和该节点的标签值。 5.根据权利要求1所述的基于图卷积的人脸 聚类方法， 其特征在于， 基于节点之间的余 弦相似度确定连接强度； 其中， 两个节点的余弦相似度simi larity基于如下公知确定： 其中， θ表示向量夹角， A、 B表示两个节点。 6.根据权利要求1所述的基于图卷积的人脸 聚类方法， 其特征在于， 所述训练好的图卷 积网络基于节xi点与其直接连接节点的余弦相似度的总和， 直接连接的节点与其间接相连 节点的连接强度总和， 以及该节点xi与其他簇节点的连接强度总和， 融合 得到节点xi的密度 值， 所述节点xi为所述第一K近邻图中的任意 一节点。 7.根据权利要求1所述的基于图卷积的人脸 聚类方法， 其特征在于， 通过如下公式计算 所述节点的所述密度预测值ρi′：权　利　要　求　书 1/2 页 2 CN 114333028 A 2其中， ld表示节点与直接相连节点的连接 强度； li表示直接相连节点与间接相邻节点的 连接强度； le表示节点xi与其他节点的连接强度； N、 M和Z分别表示节点xi在K近邻图中直接 连接节点的数量、 间接连接节点的数量以及节点xi连接到其他节点的节点数量； k为调节因 子。 8.一种基于图卷积的人脸聚类装置， 其特 征在于， 包括： 获取模块， 用于获取多个待聚类人脸数据； 特征提取模块， 用于提取 所述多个待聚类人脸数据的人脸特 征； 第一构建模块， 用于基于所述人脸特征构建第一K近邻图， 所述第一K近邻图包括多个 节点， 多个所述节点之间存在连接强度； 预测模块， 将所述第一K近邻图输入到训练好的图卷积网络中， 得到所述第一K近邻图 中每个所述节点的密度预测值； 第二构建模块， 用于将所述密度预测值低的所述节点与 所述密度 预测值高且所述连接 强度最大的所述节点做有向连接， 构建多个 独立的人脸簇 。 9.一种电子设备， 包括存储器、 处理器， 所述存储器中存储有可在所述处理器上运行的 计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求 1‑7中任一项 所 述的方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质上存储有计算机程序， 其特征 在于， 所述计算机程序被处 理器运行时执 行权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114333028 A 3