通分支20的特征点27之间建立连线，在单连通分支23的特征点28和单连通分支20的特征点29之间建立连线，得到一个合并连通分支44，如图5B所示。
[0182]在步骤503中，对于每个所述合并连通分支，将所述合并连通分支中的所述特征点所对应的所述人脸照片确定为一个所述照片子类。
[0183]由于同一个合并连通分支中的特征点能够代表同一个人脸，因此，同一个单连通分支中的特征点所对应的人脸照片属于同一个照片子类，有多少个合并连通分支，就有多少个照片子类。
[0184]以图5B为例，特征点25对应的人脸照片、特征点26对应的人脸照片、特征点27对应的人脸照片、特征点28对应的人脸照片、特征点29对应的人脸照片属于同一个照片子类。
[0185]此外，本公开实施例所提供的人脸聚类方法，还通过将第一照片类中的人脸照片确定为特征点，利用求单连通分支和双联通分支的并集的方法，确定出第一照片类中的正确人脸子类，在将第一照片类中对应于不同人脸的照片区别开的同时，避免遗漏原本对应于同一个人脸的其他人脸照片，有利于聚类的准确度的提高。
[0186]在基于图3A所示实施例的可选实施例中，还可以用求单连通分支的并集来代替求单连通分支，也即步骤302至步骤303被替代实现为步骤601至步骤602，如图6所示；
[0187]在步骤601中，将第一照片类中的每张人脸照片确定为一个特征点，根据任意两个特征点之间的距离计算出至少两个单连通分支，计算单连通分支的并集，得到至少一个合并连通分支。
[0188]该步骤可以由如下步骤实现:
[0189]—、将第一照片类中的每张人脸照片确定为一个特征点，根据任意两个特征点之间的距离是否小于第一预定值，计算出至少两个单连通分支。
[0190]如何根据两个特征点之间的距离与第一预定值的关系计算出单连通分支，已经在如图3A所示的实施例中详细阐述，这里不再赘述。
[0191]二、对于单连通分支中任意确定的第一单连通分支和第二单连通分支，计算属于第一单连通分支中的特征点与属于第二单连通分支中的特征点之间的距离是否小于第二预定值。
[0192]可选的，第一预定值和第二预定值是经验值，或者是根据实际需要预先设定值的值，第一预定值小于第二预定值。
[0193]可选的，对于同一个无向图，计算出所有的单连通分支，对于计算出的所有单连通分支中的任意确定的第一单连通分支和第二单连通分支，计算属于第一单连通分支中的特征点与第二单连通分支中的特征点之间的距离，比较计算出的距离是否小于第二预定值。
[0194]第三、若存在至少两个距离小于第二预定值，则将第一单连通分支和第二单连通分支合并，得到合并连通分支。
[0195]可选的，至少两个小于第二预定值的距离中的特征点，在第一单连通分支和第二单连通分支中数量分布情况有三种:属于第一单连通分支中的特征点的数量大于第二单连通分支中的特征点的数量;或者，属于第一单连通分支中的特征点的数量等于第二单连通分支中的特征点的数量;或者，属于第一单连通分支中的特征点的数量小于第二单连通分支中的特征点的数量。
[0196]可选的，以选定的两个单连通分支为例，若存在至少有两对特征点，每对特征点中的两个特征点分别属于不同的单连通分支，每对特征点之间的距离小于第二预定值，则在每对特征点之间建立连线，也即是将特征点分别所属的两个单连通分支合并，得到一个合并连通分支。
[0197]如图3C所示，计算出单连通分支20、单连通分支23、单连通分支24，在任意两个单连通分支之间计算特征点与特征点之间的距离，得到单连通20中的特征点27与单连通分支23中的特征点25之间的距离小于第二预定值，单连通20中的特征点29与单连通分支23中的特征点28之间的距离小于第二预定值，则在特征点25与特征点27之间建立连线，在特征点28与特征点27之间建立连线，得到合并连通分支44，如图5B所示。
[0198]在步骤602中，对于每个合并连通分支，将合并连通分支中的特征点所对应的人脸照片确定为一个照片子类。
[0199]该步骤已在如图5A所示的实施例中详细阐述，这里不再赘述。
[0200]此外，本公开实施例所提供的人脸聚类方法，与如图5A所示的实施例相比，在求出单连通分支后，直接比较单连通分支间是否存在至少两对特征点之间的距离小于第二预定值，来将单连通分支合并为合并连通分支，省略了求取双连通分支的步骤，简化了求取合并连通分支的步骤，使得计算更加简便，提高了人脸聚类的效率。
[0201 ]需要说明的是，上述人脸聚类方法可重复执行，也即在每完成一次人脸聚类，照片类中包含的人脸照片出现变动时，就可执行上述人脸聚类方法，确定出正确人脸子类，利用正确人脸子类参与后续人脸聚类，最终得到聚类结果是分别属于不同人脸的若干个照片类。
[0202]在一个示例性的例子中，采用全量聚类的方法对η张人脸照片进行初始化，得到η个照片类，计算η个照片类中任意两个照片类之间的距离，对该η个照片类进行再次聚类后得到m个照片类，某些照片类中包含至少两张人脸照片;获取第一照片类和第二照片类，第一照片类中包含至少两张人脸照片，采用计算单连通分支，或者双连通分支，或者合并连通分支的方法对第一照片类中的人脸照片进行处理，得到三个照片子类，将包含人脸照片数量最大的照片子类作为正确人脸子类A，将得到的正确人脸子类A与第二照片类之间距离与阈值比较，小于阈值，将第一照片类与第二照片类聚类至同一个照片类，当m个照片类都完成本次聚类后，得到k个照片类，在次取出第一照片类和第二照片类，确定出第一照片类中的正确人脸子类，并使用正确人脸子类完成聚类;如此迭代计算直到η张人脸照片被聚类成若干个照片类，每个照片类都不能与任意一个照片类聚类至同一个照片类。形成的若干个照片类即为分别对应不同人脸的若干个相册。
[0203]下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
[0204]请参考图7，其示出了本发明一个实施例提供的人脸聚类装置的结构方框图。该人脸聚类装置可以通过软件、硬件或者两者的结合实现成为上述可提供人脸聚类方法的电子设备的全部或者一部分。如图7所示，该装置包括:
[0205]类获取模块710，被被配置为获取第一照片类和第二照片类，第一照片类包括聚类得到的至少两张人脸照片；
[0206]第一聚类模块720，被配置为对第一照片类中的人脸照片进行聚类，得到至少一个照片子类；
[0207]确定模块730，被配置为将至少一个照片子类中的一个照片子类确定为正确人脸子类；
[0208]距离计算模块740，被配置为计算正确人脸子类与第二照片类之间的距离；
[0209]第二聚类模块750，被配置为若距离小于阈值，则将第一照片类和第二照片类聚类至同一个照片类。
[0210]综上所述，本公开实施例所提供的人脸聚类装置，通过获取第一照片类和第二照片类，对第一照片类中人脸照片进行聚类，得到至少一个照片子类，将至少一个照片子类中的一个照片子类确定为正确人脸子类，计算正确人脸子类与第二照片类之间的距离，若距离小于阈值，则将第一照片类和第二照片类聚类至同一个照片类;解决了在人脸聚类时，若第二照片类中存在与第一照片类中错误人脸相对应的其他人脸照片，则有可能错误地将第一照片类与第二照片类聚类至同一个照片类的问题;达到了在聚类时避免出现一个照片类因为存在少数错误人脸照片时，引入更多错误人脸照片的聚类错误，提高人脸聚类的准确度的效果。
[0211]请参考图8，其示出了本发明一个实施例提供的人脸聚类装置的结构方框图。该人脸聚类装置可以通过软件、硬件或者两者的结合实现成为上述可提供人脸聚类方法的电子设备的全部或者一部分。如图8所示，该装置包括:
[0212]类获取模块810，被被配置为获取第一照片类和第二照片类，第一照片类包括聚类得到的至少两张人脸照片。
[0213]第一聚类模块820，被配置为对第一照片类中的人脸照片进行聚类，得到至少一个照片子类。
[0214]确定模块830，被配置为将至少一个照片子类中的一个照片子类确定为正确人脸子类。
[0215]距离计算模块840，被配置为计算正确人脸子类与第二照片类之间的距离。
[0216]第二聚类模块850，被配置为当距离小于阈值时，将第一照片类和第二照片类聚类至同一个照片类。
[0217]可选的，所述第一聚类模块820，包括:
[0218]单连通计算子模块821，被配置为将第一照片类中的每张人脸照片确定为一个特征点，根据任意两个特征点之间的距离计算出至少一个单连通分支;每个单连通分支中的任意两个特征点之间存在至少一条路径。
[0219]第一子类确定子模块822，被配置为对于每个所述单连通分支，将所述单连通分支中的所述特征点所对应的所述人脸照片确定为一个所述照片子类。
[0220]可选的，确定模块830，包括:
[0221]数量计算子模块831，被配置为计算每个照片子类中的人脸照片的数量。
[0222]确定子模块832，被配置为将数量最大的照片子类确定为正确人脸子类。
[0223]综上所述，本公开实施例所提供的人脸聚类装置，通过获取第一照片类和第二照片类，对第一照片类中人脸照片进行聚类，得到至少一个照片子类，将至少一个照片子类中的一个照片子类确定为正确人脸子类，计算正确人脸子类与第二照片类之间的距离，若距离小于阈值，则将第一照片类和第二照片类聚类至同一个照片类;解决了在人脸聚类时，若第二照片类中存在与第一照片类中错误人脸相对应的其他人脸照片，则有可能错误地将第一照片类与第二照片类聚类至同一个照片类的问题;达到了在聚类时避免出现一个照片类因为存在少数错误人脸照片时，引入更多错误人脸照片的聚类错误，提高人脸聚类的准确度的效果。
[0224]此外，本公开实施例所提供的人脸聚类装置，还通过将第一照片类中的人脸照片确定为特征点，利用求单连通分支的方法，确定出第一照片类中的正确人脸子类，将第一照片类中对应于不同人脸的照片区别开，有利于聚类的准确度的提高。
[0225]请参考图9，其示出了本发明一个实施例提供的人脸聚类装置的结构方框图。该人脸聚类装置可以通过软件、硬件或者两者的结合实现成为上述可提供人脸聚类方法的电子设备的全部或者一部分。如图9所示，该装置包括:
[0226]类获取模块910，被被配置为获取第一照片类和第二照片类，第一照片类包括聚类得到的至少两张人脸照片。
[0227]第一聚类模块920，被配置为对第一照片类中的人脸照片进行聚类，得到至少一个照片子类；。
[0228]确定模块930，被配置为将至少一个照片子类中的一个照片子类确定为正确人脸子类。
[0229]距离计算模块940，被配置为计算正确人脸子类与第二照片类之间的距离。
[0230]第二聚类模块950，被配置为当距离小于阈值时，将第一照片类和第二照片类聚类至同一个照片类。
[0231]可选的，第一聚类模块920，包括:
[0232]双连通计算子模块921，被配置为将第一照片类中的每张人脸照片确定为一个特征点，根据任意两个特征点之间的距离计算出至少一个双连通分支;每个双连通分支中的任意两个