图像所属档案的确定方法、装置、存储介质及电子装置与流程

1.本发明涉及通信领域，具体而言，涉及一种图像所属档案的确定方法、装置、存储介质及电子装置。


背景技术：

2.在相关技术中，人员档案建立时，通常都只是选定档案的主档人像，识别的人像与主档人像特征比对，达到相关阈值则认为是同一个人，反之则新建档案。有些档案建立的方案会涉及更新主档人像，例如，通过照片一种或多种质量参数设置权重更新主档人像(主档人像表示该档案内代表性的人像，最新抓拍照片特征会与主档人像比对判断是否为应归属到该档案内)。然而，当a、b、c三张图片都为同一个人时，a与b达到阈值，b与c达到阈值，a与c达不到阈值。若a作为主档人像，则c不能归入a所在档案内。
3.由此可知，相关技术中存在确定图像所属档案不准确的问题。
4.针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明实施例提供了一种图像所属档案的确定方法、装置、存储介质及电子装置，以至少解决相关技术中存在的确定图像所属档案不准确的问题。
6.根据本发明的一个实施例，提供了一种图像所属档案的确定方法，包括：获取待归档的多个图像，其中，每个所述图像中包括有目标对象；确定每个所述图像与预先确定的档案的第一相似度；确定多个所述图像中两两图像之间的第二相似度；基于所述第一相似度和所述第二相似度确定每个所述图像与所述档案中包括的每个档案的目标相似度；基于所述目标相似度确定每个所述图像所属的目标档案。
7.根据本发明的另一个实施例，提供了一种图像所属档案的确定装置，包括：获取模块，用于获取待归档的多个图像，其中，每个所述图像中包括有目标对象；第一确定模块，用于确定每个所述图像与预先确定的档案的第一相似度；第二确定模块，用于确定多个所述图像中两两图像之间的第二相似度；第三确定模块，用于基于所述第一相似度和所述第二相似度确定每个所述图像与所述档案中包括的每个档案的目标相似度；第四确定模块，用于基于所述目标相似度确定每个所述图像所属的目标档案。
8.根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
9.根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
10.通过本发明，获取待归档的多个图像，确定每个图像与预先确定的档案的第一相似度，确定多个图像中两两图像之间的第二相似度，根据第一相似度和第二相似度确定每
个图像与档案中包括的每个档案的目标相似度，根据目标相似度确定每个图像所属的目标档案。由于可以根据图像与图像之间的相似度以及图像与档案之间的相似度确定图像与每个档案的目标相似度，提高了图像与档案之间的相似度的准确率，因此，可以解决相关技术中存在的确定图像所属档案不准确的问题，达到提高确定图像所属档案的准确率的效果。
附图说明
11.图1是本发明实施例的一种图像所属档案的确定方法的移动终端的硬件结构框图；
12.图2是根据本发明实施例的图像所属档案的确定方法的流程图；
13.图3是根据本发明具体实施例的图像所属档案的确定方法的运行装置示意图；
14.图4是根据本发明具体实施例的图像所属档案的确定方法流程图；
15.图5是根据本发明实施例的图像所属档案的确定装置的结构框图。
具体实施方式
16.下文中将参考附图并结合实施例来详细说明本发明的实施例。
17.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
18.本技术实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种图像所属档案的确定方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
19.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的图像所属档案的确定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
20.传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(network interface controller，简称为nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(radio frequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。
21.在本实施例中提供了一种图像所属档案的确定方法，图2是根据本发明实施例的图像所属档案的确定方法的流程图，如图2所示，该流程包括如下步骤：
22.步骤s202，获取待归档的多个图像，其中，每个所述图像中包括有目标对象；
23.步骤s204，确定每个所述图像与预先确定的档案的第一相似度；
24.步骤s206，确定多个所述图像中两两图像之间的第二相似度；
25.步骤s208，基于所述第一相似度和所述第二相似度确定每个所述图像与所述档案中包括的每个档案的目标相似度；
26.步骤s210，基于所述目标相似度确定每个所述图像所属的目标档案。
27.在上述实施例中，可以获取前端设备抓拍到的图像，对抓拍到的图像进行过滤处理，过滤掉不符合要求的图片。例如，过滤掉清晰度小于预定阈值的图像、过滤掉不包含目标对象的图像等。将过滤后的图像确定为待归档的图像。其中，目标对象可以为人、车辆等。
28.在上述实施例中，可以预先确定多个档案，每个档案中均保存有同一对象的图像。在获取到多个待归档的图像后，可以分别确定每个图像与预先确定的档案的第一相似度，确定多个图像中两两图像之间的第二相似度。根据第一相似度和第二相似度确定每个图像与每个档案的目标相似度，根据目标相似度确定每个图像所属的目标档案。其中，在确定相似度时，可以提出图像的特征，根据特征的相似度确定图像的相似度。
29.在上述实施例中，可以按照预定的时间周期批量获取待归档的多个图像，其中，待归档的多个图像中包括归档失败的图像，其中，归档失败的图像的归档次数小于预定数量，当归档失败的图像的归档次数大于或等于预定数量时，可以为每个归档失败的图像分别创建新的档案。
30.可选地，上述步骤的执行主体可以是后台处理器，或者其他的具备类似处理能力的设备，还可以是至少集成有图像获取设备以及数据处理设备的机器，其中，图像获取设备可以包括摄像头等图形采集模块，数据处理设备可以包括计算机、手机等终端，但不限于此。
31.通过本发明，获取待归档的多个图像，确定每个图像与预先确定的档案的第一相似度，确定多个图像中两两图像之间的第二相似度，根据第一相似度和第二相似度确定每个图像与档案中包括的每个档案的目标相似度，根据目标相似度确定每个图像所属的目标档案。由于可以根据图像与图像之间的相似度以及图像与档案之间的相似度确定图像与每个档案的目标相似度，提高了图像与档案之间的相似度的准确率，因此，可以解决相关技术中存在的确定图像所属档案不准确的问题，达到提高确定图像所属档案的准确率的效果。
32.在一个示例性实施例中，基于所述第一相似度和所述第二相似度确定每个所述图像与所述档案中包括的每个档案的目标相似度包括：基于所述第一相似度以及所述第二相似度确定目标顺序；按照所述目标顺序基于所述第一相似度以及所述第二相似度，依次确定每个所述图像与所述档案中包括的每个档案的所述目标相似度。在本实施例中，在确定出第一相似度和第二相似度后，可以根据第一相似度和第二相似度确定目标顺序。其中，目标顺序用于表示确认图像目标相似度的先后顺序。在确定出目标顺序后，可以按照目标顺序根据第一相似度和第二相似度依次确定每个图像与每个档案的目标相似度。
33.在一个示例性实施例中，基于所述第一相似度以及所述第二相似度确定目标顺序包括：从所述第一相似度和所述第二相似度中确定出与每个所述图像对应的最大相似度，以得到多个最大相似度；基于多个所述最大相似度对每个所述图像按照预定规则进行排序，以得到目标顺序。在本实施例中，可以从第一相似度和第二相似度中确定出与每个图像
对应的最大相似度，以得到多个最大相似度，并根据多个最大相似度按照预定规则对图像进行排序，得到目标顺序。其中，预定规则可以为相似度从大到小的顺序。在得到目标顺序后，可以按照目标顺序、第一相似度和第二相似度依次确定每个图像的目标相似度。
34.在一个示例性实施例中，按照所述目标顺序基于所述第一相似度以及所述第二相似度，依次确定每个所述图像与所述档案中包括的每个档案的所述目标相似度包括：按照所述目标顺序依次通过如下公式确定每个所述图像与所述档案中包括的每个档案的所述目标相似度：
35.其中，s
ik
表示图像i和档案k的目标相似度，s
ij
表示图像i与图像j的相似度，s
jk
表示图像j与档案k的相似度，flag
j
表示图像j的分配标签值；基于所述目标相似度更新所述第一相似度中包括的已经确认了所述目标相似度的相似度；基于更新之后的第一相似度、所述第二相似度以及所述目标顺序确定所述目标相似度，至到所有图像的目标相似度均确定完成。在本实施例中，在确定目标相似度时，可以根据目标顺序依次确定每个图像的与每个档案的目标相似度。即，首先确定最大相似度排序在第一位的图像与每个档案的目标相似度，在确定第二位的图像与每个档案得到目标相似度
……
36.在上述实施例中，可以根据确定图像i与档案k的目标相似度，其中，flag
j
表示图像j的分配标签值。当图像j为未确定目标相似度的图像时，图像j的标签值为0，当图像j为已经确定目标相似度的图像或正在确定目标相似度的图像时，图像j的标签值为1。
37.在上述实施例中，可以按照间隔时间周期性地确定获取到的图像与图像间的第二相似度和图像与档案间的第一相似度，并将按相似度smax
i
大小降序(即欧式距离升序)排序。初始时，第一相似度和第二相似度可以表示为其中，初始s由s
ij
组成，由于数据特征之间的相似度是相互的，所以s
ij
＝s
ji
；smax
i
表示第i列与主档(含已建立档案的主档和初始化聚类分析得到的主档)的最大值，不包含特征数据自身的相似度(自身相似度为100％)；flag
i
表示第i列为0表示未处理；class
i
表示数据i归
属类，即k表示聚类分析数据的特征序号，为已建立的主档或初始聚类分析新增的主档。
38.在上述实施例中，可以根据smax
i
的排序(即从最大概率能被归档的数据开始处理)，依次选取第i列数据，对选取的第i列数据进行处理，确定第i列图像与档案k的目标相似度的方式为例如，当存在图像a、b、c三个图像、x、y两个档案时，确定的第一相似度和第二相似度可参见表1。
39.表1
[0040][0041][0042]
确定每个图像的最大相似度，可以得到表2。
[0043]
表2
[0044]
数据abc列最大相似度95％92％86％
[0045]
则可以按照a、b、c的顺序依次确定a、b、c与x、y的相似度。根据上述公式，确定出的a与x、y的相似度可参见表3。
[0046]
表3
[0047]
数据ax95％+0％＝95％y80％+0％＝80％
[0048]
利用确定出的相似度更新第一相似度。再根据第一相似度、第二相似度以及目标顺序下一个图像(即图b)的目标相似度。确定出的b与x、y的相似度可参见表4。
[0049]
表4
[0050]
数据abx95％(84％+92％*95％)/2＝85.7％y80％(80％+92％*80％)/2＝76.8％
[0051]
再利用确定出的相似度更新第一相似度，再根据第一相似度、第二相似度以及目标顺序下一个图像(即图c)的目标相似度。确定出的c与x、y的相似度可参见表5。
[0052]
表5
[0053]
数据abcx95％85.7％(80％+95％*75％+85.7％*80％)/3＝73.27％y80％76.8％(86％+80％*75％+76.8％*80％)/3＝69.14％
[0054]
在上述实施例中，可以通过如下公式确定图像所属的目标档案：
其中，若数据j已经被处理，且明确归属于class
j
，则计算数据i与class
j
之间的相似度。数据j是否已经被处理用flag
j
控制，flag
j
＝0则表示未处理；k的范围z，z为表示之前已建立的档案主档特征序号或在聚类分析模块中新生成的主档特征序号集合。在计算过程中若多个数据都是归属于同一类别k，则依次累加s
ik
求和；当i＝j时，flag
j
为1，表示不管数据i有没有被处理，自身数据初始归属应被计算进去；最终，在多个归属类别中以最大s
iv
确定数据i归属于类别v。修改flag
i
＝1。继续遍历列数据，直至所有列数据被遍历处理，得到由此，可以利用无向图中近邻数据信息，得到优化聚类归属结果。
[0055]
在一个示例性实施例中，在确定每个所述图像与所述档案中包括的每个档案的所述目标相似度之前，所述方法还包括：确定每个所述图像的处理状态；基于所述处理状态为所述每个所述图像分配标签值。在本实施例中，在确定目标相似度之前，可以首先确定每个图像的处理状态，根据处理状态确定为每个图像的分配标签值。其中，当处理状态未处理状态时，即未确定该图像的目标相似度时，该图像的标签值为0，当处理状态为已处理状态时，即已经确定该图像的目标相似度时，该图像的标签值为1。
[0056]
在一个示例性实施例中，基于所述目标相似度从所述档案中确定每个所述图像所属的目标档案包括：基于所述目标相似度确定所述档案中是否存在满足第一预定条件的第一档案；在存在所述第一档案的情况下，将所述第一档案确定为所述目标档案；在不存在所述第一档案的情况下，创建第二档案，将所述第二档案确定为所述目标档案。在本实施例中，在确定出每个图像与每个档案的目标相似度后，可以根据目标相似度确定档案中是否存在满足第一预定条件的第一档案，在存在的情况下，将第一档案确定为目标档案。其中，第一预定条件可以为与图像的相似度大于预定阈值。在不存在第一档案的情况下，可以创建第二档案，将第二档案确定为图像的档案。
[0057]
在上述实施例中，创建第二档案包括：在预先确定的档案中不存在与图像中包括的第一图像满足第一预定条件的档案时，可以将第一图像确定为待归档的图像，并为第一图像分配再次归档的次数，第一图像可以与下一周期获取到的图像一起进行确定目标相似度的操作。若在下一个归档中的预先确定的档案中存在与第一图像满足第一预定条件的档案时，将该档案确定为目标档案。若仍不存在，则再进行下一次归档。在归档次数超过再次归档次数时，则创建第二档案，将第二档案确定为目标档案。其中，再次归档的次数可根据用户精度要求设置或服务器性能配置。
[0058]
在一个示例性实施例中，所述方法还包括：依次确定所述档案中包括的两两档案的第三相似度；基于所述第一相似度以及所述第三相似度确定每个所述档案与其他档案的目标档案相似度；基于所述目标档案相似度确定出满足第二预定条件的第三档案和第四档案；合并所述第三档案和所述第四档案。在本实施例中，还可以确定档案与档案之间的第三相似度，根据第一相似度和第三相似度确定每个档案与其他档案的目标档案相似度。其中，
其他档案为所述档案中包括的除当前档案之外的档案，即所述档案中包括多个档案，每次确定一个档案与其他档案的相似度，再确定下一个档案与其他档案的相似度，每次确定相似度的档案为当前档案，除当前档案之外的档案为其他档案。根据目标档案相似度确定出满足第二预定条件的第三档案和第四档案。将第三档案和第四档案合并为一个档案。即，根据二次处理模块中得到的s
‘
，由相似度排序得到各个数据的归属类别；若两个主档经过处理为归属于同一类别，则直接合并两个档案。其中，第二预定条件为两个档案之间的相似度大于预定阈值。若没有设置多次执行二次处理标志，则直接将数据入库归档；若有将数据继续返回至二次处理模块处理，即再次进行确定目标档案相似度的操作。其中，确定目标档案相似度的方法和确定目标相似度的方法相同。
[0059]
在一个示例性实施例中，确定每个所述图像与预先确定的档案的第一相似度包括：对所述图像中包括的每个图像与所述档案中包括的图像进行第一聚类处理，以得到第一聚类结果，基于所述第一聚类结果确定所述第一相似度；确定多个所述图像中两两图像之间的第二相似度包括：对所述图像中包括的两两图像进行第二聚类处理，以得到第二聚类结果，基于所述第二聚类结果确定所述第二相似度。在本实施例中，在确定相似度时，可以通过聚类图像特征的方式确定。其中，聚类处理可以包括划分聚类、层次聚类、密度聚类、k均值聚类等。即，第一聚类处理和第二聚类处理可以为划分聚类、层次聚类、密度聚类、k均值聚类等。需要说明的是，聚类处理可以使用默认参数过滤，也可依据客户要求修改。
[0060]
下面结合具体实施方式对图像所属档案的确定方法进行说明：
[0061]
图3是根据本发明具体实施例的图像所属档案的确定方法的运行装置，该装置包括：抓拍处理模块，聚类分析模块，二次处理模块以及归档模块。
[0062]
抓拍处理模块，用于获取前端抓拍，过滤不符合聚类分析要求的图片，并将符合要求的图片进行特征提取。
[0063]
聚类分析模块，用于获取抓拍处理模块得到的特征，间隔时间t周期性地进行聚类分析，并将按相似度smax
i
大小降序(即欧式距离升序)排序。其中，聚类分析方法包括但不限于划分聚类、层次聚类、密度聚类等，此处以k均值聚类方法为例，得到以下数据：
[0064]
并由各数据点作为顶点集，s作为边集，将聚类分析结果构造成一个无向图。
[0065]
其中，初始s由s
ij
组成，由于数据特征之间的相似度是相互的，所以s
ij
＝sji；smax
i
表示第i列与主档(含已建立档案的主档和初始化聚类分析得到的主档)的最大值，不包含特征数据自身的相似度(自身相似度为100％)；flag
i
表示第i列为0表示未处理；class
i
表示数据i归属类，即k表示聚类分析数据的特征序号，为已建立的主档或初始聚类分析新增的主档。
[0066]
二次处理模块，用于根据smax
i
的排序(即从最大概率能被归档的数据开始处理)，依次选取第i列数据；对选取的第i列数据进行处理，计算数据i的类别归属处理计算方式为：
[0067][0068]
修改flag
i
＝1，继续遍历列数据，直至所有列数据被遍历处理，得到：
[0069][0070]
由此，利用无向图中近邻数据信息，得到优化聚类归属结果。
[0071]
归档模块，用于根据二次处理模块中得到的s
‘
，由相似度排序得到各个数据的归属类别；若两个主档经过处理为归属于同一类别，则直接合并两个档案。若没有设置多次执行二次处理标志，则直接将数据入库归档；若有将数据继续返回至二次处理模块处理。
[0072]
图4是根据本发明具体实施例的图像所属档案的确定方法流程图，如图4所示，该流程包括：
[0073]
步骤s402，获取前端抓拍图片；
[0074]
步骤s404，将抓拍图片提取特征；
[0075]
步骤s406，将特征与已有主档案特征进行聚类分析；
[0076]
步骤s408，对初步聚类结果进行按相似度降序排列；
[0077]
步骤s410，根据排序结果依次遍历，重新计算各个数据点；
[0078]
步骤s412，根据重新计算的结果，形成待归档档案；
[0079]
步骤s414，遍历每个待归档档案类，进行归档处理。
[0080]
下面结合具体事例进行举例说明：
[0081]
现有抓拍人像a,b,c，已有主档x,y。假设a—c数据为同一周期内数据。相似度85％为设定的同一人阈值。
[0082]
执行步骤如下：
[0083]
1、周期性获取抓拍数据，得到a—c；
[0084]
2、获取各抓拍和主档相互的相似度如表6，此轮聚类分析无新增主档：
[0085]
表6
[0086]
数据abcxya100％92％75％95％80％b92％100％80％84％80％
c75％80％100％80％86％x95％84％80％100％80％y80％80％86％80％100％
[0087]
3、计算每列最大相似度，如表7。
[0088]
表7
[0089][0090]
4、根据列最大相似度依次计算每个图像的目标相似度。
[0091]
其中，a的目标相似度计算方式如表7所示。
[0092]
表7
[0093]
数据ax95％+0％＝95％y80％+0％＝80％
[0094]
b的目标相似度计算方式如表8所示。
[0095]
表8
[0096]
数据abx95％(84％+92％*95％)/2＝85.7％y80％(80％+92％*80％)/2＝76.8％
[0097]
c的目标相似度计算方式如表9所示。
[0098]
表9
[0099]
数据abcx95％85.7％(80％+95％*75％+85.7％*80％)/3＝73.27％y80％76.8％(86％+80％*75％+76.8％*80％)/3＝69.14％
[0100]
同理，依次计算各数据跟已有主档和新增主档的相似度：
[0101]
数据abcxyx95％85.7％73.27％100％68.25％y80％76.8％69.14％68.25％100％
[0102]
此处不多次执行二次处理模块，由新表结果得到归档结果：a、b归属于x；c未找到合适主档，成为新档案；将归档结果入库，进行下一轮操作。
[0103]
在前述实施例中，可以基于图论近邻信息，将同一个人人像信息优化，利用抓拍间聚合性，合并至同一个档案内。有效规避了同一人多个档案问题，简化数据管理难度，有效建立同一个人的档案。
[0104]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有
技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0105]
在本实施例中还提供了一种图像所属档案的确定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0106]
图5是根据本发明实施例的图像所属档案的确定装置的结构框图，如图5所示，该装置包括：
[0107]
获取模块502，用于获取待归档的多个图像，其中，每个所述图像中包括有目标对象；
[0108]
第一确定模块504，用于确定每个所述图像与预先确定的档案的第一相似度；
[0109]
第二确定模块506，用于确定多个所述图像中两两图像之间的第二相似度；
[0110]
第三确定模块508，用于基于所述第一相似度和所述第二相似度确定每个所述图像与所述档案中包括的每个档案的目标相似度；
[0111]
第四确定模块510，用于基于所述目标相似度确定每个所述图像所属的目标档案。
[0112]
其中，获取模块502对应于上述抓拍处理模块，第一确定模块504、第二确定模块506对应于上述聚类分析模块，第三确定模块508对应于上述二次处理模块，第四确定模块510对应于上述归档模块。
[0113]
在一个示例性实施例中，第三确定模块508可以通过如下方式实现基于所述第一相似度和所述第二相似度确定每个所述图像与所述档案中包括的每个档案的目标相似度：基于所述第一相似度以及所述第二相似度对每个所述图像进行排序，得到目标顺序；按照所述目标顺序基于所述第一相似度以及所述第二相似度，依次确定每个所述图像与所述档案中包括的每个档案的所述目标相似度。
[0114]
在一个示例性实施例中，第三确定模块508可以通过如下方式实现基于所述第一相似度以及所述第二相似度确定目标顺序：从所述第一相似度和所述第二相似度中确定出与每个所述图像对应的最大相似度，以得到多个最大相似度；基于多个所述最大相似度对每个所述图像按照预定规则进行排序，以得到目标顺序。
[0115]
在一个示例性实施例中，第三确定模块508可以通过如下方式实现按照所述目标顺序基于所述第一相似度以及所述第二相似度，依次确定每个所述图像与所述档案中包括的每个档案的所述目标相似度：按照所述目标顺序依次通过如下公式确定每个所述图像与所述档案中包括的每个档案的所述目标相似度：其中，s
ik
表示图像i和档案k的目标相似度，s
ij
表示图像i与图像j的相似度，s
jk
表示图像j与档案k的相似度，flag
j
表示图像j的分配标签值；基于所述目标相似度更新所述第一相似度中包括的已经确认了所述目标相似度的相似度；基于更新之后的第一相似度、所述第二相似度以及所述目标顺序确定所述目标相似度，至到所有图像的目标相似度均确定完成。
[0116]
在一个示例性实施例中，所述装置可以用于在确定每个所述图像与所述档案中包
括的每个档案的所述目标相似度之前，确定每个所述图像的处理状态；基于所述处理状态为所述每个所述图像分配标签值。
[0117]
在一个示例性实施例中，第四确定模块510可以通过如下方式实现基于所述目标相似度从所述档案中确定每个所述图像所属的目标档案：基于所述目标相似度确定所述档案中是否存在满足第一预定条件的第一档案；在存在所述第一档案的情况下，将所述第一档案确定为所述目标档案；在不存在所述第一档案的情况下，创建第二档案，将所述第二档案确定为所述目标档案。
[0118]
在一个示例性实施例中，所述装置还用于依次确定所述档案中包括的两两档案的第三相似度；基于所述第一相似度以及所述第三相似度确定每个所述档案与所述其他档案的目标档案相似度；基于所述目标档案相似度确定出满足第二预定条件的第三档案和第四档案；合并所述第三档案和所述第四档案。
[0119]
在一个示例性实施例中，第一确定模块504可以通过如下方式实现确定每个所述图像与预先确定的档案的第一相似度：对所述图像中包括的每个图像与所述档案中包括的图像进行第一聚类处理，以得到第一聚类结果，基于所述第一聚类结果确定所述第一相似度；第二确定模块506可以通过如下方式实现确定多个所述图像中两两图像之间的第二相似度：对所述图像中包括的两两图像进行第二聚类处理，以得到第二聚类结果，基于所述第二聚类结果确定所述第二相似度。
[0120]
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
[0121]
本发明的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
[0122]
在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：u盘、只读存储器(read
‑
only memory，简称为rom)、随机存取存储器(random access memory，简称为ram)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
[0123]
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
[0124]
在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
[0125]
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。
[0126]
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
[0127]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。