图像分类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，尤其涉及一种图像分类方法及装置。
【背景技术】
[0002]随着科技的不断发展，以智能手机为代表的智能终端可以实现越来越多的功能。以智能手机为例，根据需要用户可以利用智能手机进行自拍或给其他人拍照，也可以将自己或他人空间中的照片下载到本地进行存储。
[0003]然而，随着智能手机的存储空间的增大，用户在智能手机存储的照片也越来越多，对这些照片的管理也变得十分繁琐，很多情况下用户希望可以将同一个人的照片聚集在一起进行显示，以方便用户浏览。
【发明内容】
[0004]为克服相关技术中存在的问题，本公开提供一种图像分类方法及装置。
[0005]根据本公开实施例的第一方面，提供一种图像分类方法，包括:
[0006]当获取到都包含人脸特征信息的两个待分类图像时，根据预先建立的人脸姿态分类器模型，分别确定所述两个待分类图像中的人脸姿态信息；
[0007]根据所述两个待分类图像中的人脸姿态信息，确定所述两个待分类图像之间的目标聚类合并阈值；
[0008]利用确定得到的所述目标聚类合并阈值对所述两个待分类图像进行分类。
[0009]在对两个待分类图像进行分类时，根据预先建立的任亮姿态分类器模型，分别确定出这两个待分类图像中的人脸姿态信息，进而确定出这两个待分类图像之间的目标聚类合并阈值，然后根据该目标聚类合并阈值对这两个待分类图像进行分类。通过确定将人脸姿态信息，可以更准确地确定两个待分类图像是否属于同一类图像，进而提高图像分类效率。
[0010]可选地，还包括:
[0011 ]计算所述两个待分类图像之间的相似度；
[0012]判断所述相似度是否大于预设阈值；
[0013]当所述相似度大于预设阈值时，执行所述分别确定所述两个待分类图像中的人脸姿态信息的步骤。
[0014]针对两个具有一定相似度的图像进行分类，即在无法单单通过相似度区分二者是否为同一类图像时，借助本公开提供的实施例可以进一步提高两个待分类图像的准确度。如果两个待分类图像小于某相似度，即在从确定两个待分类已经明显不属于同一类图像时，也就无需采用本公开提供的方法。因此，待分类的两个图像之间至少要满足具有一定的相似度才可以。
[0015]可选地，所述确定所述两个待分类图像之间的目标聚类合并阈值，包括:
[0016]获取预设聚类合并阈值；
[0017]判断所述两个待分类图像中的人脸姿态信息是否都是大角度姿态信息；
[0018]当所述两个待分类图像中的人脸姿态信息都是大角度姿态信息时，按预设方式增大所述预设聚类合并阈值，将所述增大后的所述预设聚类合并阈值作为目标聚类合并阈值。
[0019]如果两个待分类图像中的人脸姿态信息都是大角度姿态信息，说明这两个待分类图像中人脸特征含量丰富，需要调高二者之间的聚类合并阈值，以提高分类的准确度。
[0020]可选地，所述确定所述两个待分类图像之间的目标聚类合并阈值，包括:
[0021]获取预设聚类合并阈值；
[0022]判断所述两个待分类图像中的人脸姿态信息是否分别为不同角度姿态信息；
[0023]当所述两个待分类图像中的人脸姿态信息分别为不同角度姿态信息，按照预设方式减小所述预设聚类合并阈值，将减小后的所述预设聚类合并阈值作为目标聚类合并阈值。
[0024]如果两个待分类图像中的人脸姿态信息都是不同角度姿态信息，说明这两个待分类图像中人脸特征含量不太丰富，需要调低二者之间的聚类合并阈值，以提高分类的准确度。
[0025]可选地，所述确定所述两个待分类图像之间的目标聚类合并阈值，包括:
[0026]获取预设聚类合并阈值；
[0027]判断所述两个待分类图像中的人脸姿态信息是否都为正面姿态信息；
[0028]当所述两个待分类图像中的人脸姿态信息都为正面姿态信息时，将所述预设聚类合并阈值作为目标聚类合并阈值。
[0029]如果两个待分类图像中的人脸姿态信息都是正面姿态信息，说明这两个待分类图像中包含全部人脸特征，这是可以直接将预设聚类合并阈值作为目标聚类合并阈值。
[0030]可选地，所述利用确定得到的所述目标聚类合并阈值对所述两个待分类图像进行分类，包括:
[0031]计算所述两个待分类图像的聚类合并值；
[0032]判断所述聚类合并值是否大于所述目标聚类合并阈值；
[0033]当所述聚类合并值大于所述目标聚类合并阈值时，将所述两个待分类图像作为同一类图像；
[0034]当所述聚类合并值不大于所述目标聚类合并阈值时，将所述两个待分类图像作为不同类图像。
[0035]通过将两个待分类图像的聚类合并值与目标聚类合并阈值进行比较，可以很方便准确的判断出这两个待分类图像是否属于同一类图像。
[0036]根据本公开实施例的第二方面，提供一种图像分类装置，包括:
[0037]人脸姿态信息确定模块，用于在获取到都包含人脸特征信息的两个待分类图像时，根据预先建立的人脸姿态分类器模型，分别确定所述两个待分类图像中的人脸姿态信息;
[0038]目标聚类合并阈值确定模块，用于根据所述两个待分类图像中的人脸姿态信息，确定所述两个待分类图像之间的目标聚类合并阈值；
[0039]图像分类模块，用于利用确定得到的所述目标聚类合并阈值对所述两个待分类图像进行分类。
[0040]可选地，还包括:
[0041]相似度计算模块，用于计算所述两个待分类图像之间的相似度；
[0042]阈值判断模块，用于判断所述相似度是否大于预设阈值。
[0043]可选地，所述目标聚类合并阈值确定模块，包括:
[0044]第一聚类合并阈值获取子模块，用于获取预设聚类合并阈值；
[0045]大角度姿态信息判断子模块，用于判断所述两个待分类图像中的人脸姿态信息是否都是大角度姿态ig息；
[0046]第一目标聚类合并阈值子模块，用于当所述两个待分类图像中的人脸姿态信息都是大角度姿态信息时，按预设方式增大所述预设聚类合并阈值，将所述增大后的所述预设聚类合并阈值作为目标聚类合并阈值。
[0047]可选地，所述目标聚类合并阈值确定模块，包括:
[0048]第二聚类合并阈值获取子模块，用于获取预设聚类合并阈值；
[0049]不同角度姿态信息判断子模块，用于判断所述两个待分类图像中的人脸姿态信息是否分别为不同角度姿态信息；
[0050]第二目标聚类合并阈值子模块，用于在所述两个待分类图像中的人脸姿态信息分别为不同角度姿态信息，按照预设方式减小所述预设聚类合并阈值，将减小后的所述预设聚类合并阈值作为目标聚类合并阈值。
[0051 ]可选地，所述目标聚类合并阈值确定模块，包括:
[0052]第三聚类合并阈值获取子模块，用于获取预设聚类合并阈值；
[0053]正面姿态信息判断子模块，用于判断所述两个待分类图像中的人脸姿态信息是否都为正面姿态信息；
[0054]第三目标聚类合并阈值子模块，用于在所述两个待分类图像中的人脸姿态信息都为正面姿态信息时，将所述预设聚类合并阈值作为目标聚类合并阈值。
[0055]可选地，所述图像分类模块，包括:
[0056]聚类合并值计算子模块，用于计算所述两个待分类图像的聚类合并值；
[0057]聚类合并值判断子模块，用于判断所述聚类合并值是否大于所述目标聚类合并阈值；
[0058]同一类图像确定子模块，用于在所述聚类合并值大于所述目标聚类合并阈值时，将所述两个待分类图像作为同一类图像；
[0059]不同类图像确定子模块，用于在所述聚类合并值不大于所述目标聚类合并阈值时，将所述两个待分类图像作为不同类图像。
[0060]根据本公开实施例的第三方面，提供一种终端，包括:
[0061]处理器；
[0062]用于存储处理器可执行指令的存储器；
[0063]其中，所述处理器被配置为:
[0064]当获取到都包含人脸特征信息的两个待分