CN108170732A - 人脸图片检索方法及计算机可读存储介质 - Google Patents
人脸图片检索方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108170732A CN108170732A CN201711336836.9A CN201711336836A CN108170732A CN 108170732 A CN108170732 A CN 108170732A CN 201711336836 A CN201711336836 A CN 201711336836A CN 108170732 A CN108170732 A CN 108170732A
- Authority
- CN
- China
- Prior art keywords
- face
- face picture
- picture
- pictures
- new
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Collating Specific Patterns (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸图片检索方法及计算机可读存储介质,方法包括:计算得到新的人脸图片的特征向量;若人脸比对样本数据表中存在各人脸图片的特征向量与新的人脸图片的特征向量的加权相似度大于预设阈值的第一人脸图片集合,则将新的人脸图片加入第一人脸图片集合并与其唯一标识进行关联;否则将新的人脸图片与新的唯一标识进行关联;将新的人脸图片及其对应的唯一标识作为一条抓拍记录存储至人脸抓拍记录表;计算得到待查询人脸图片的特征向量;获取各人脸图片的特征向量与待查询的人脸图片的特征向量的加权相似度大于预设阈值的第二人脸图片集合的唯一标识;返回所获取的唯一标识对应的抓拍记录。本发明可提升人脸图片查询的效率。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种人脸图片检索方法及计算机可读存储介质。
背景技术
人脸识别作为生物身份识别的典型技术,由于不需要被检测个体的主动配合,近年来在人机交互、安防、身份验证等方面得到大量的应用。
在智慧城市、安防和公安等***中,采集到的人脸图片数量可能多达几十亿张甚至更多。通常我们向***提交一张待查询的人脸图片,由***查询并返回待查询人脸图片在哪些摄像头出现过,以及出现的时间和当时的抓拍照片等信息。如果按照传统的方法,将待查询人脸图片特征向量与数据库中所有保存的人脸图片特征向量进行1:1比对,如果数据库中人脸图片达到几十亿张甚至更多,则比对次数要达到几十亿次甚至更多,通常需要几十秒甚至更久才能完成比对并返回结果,并且需要消耗大量的服务器资源。如果有大量的待查询人脸图片需要比对,效率还会更低,用户使用体验非常差。
发明内容
本发明所要解决的技术问题是:提供一种人脸图片检索方法及计算机可读存储介质,将非结构化数据转换为结构化的唯一标识,以改变查询效率低的问题。
为了解决上述技术问题,本发明采用的技术方案为:一种人脸图片检索方法,包括:
创建人脸比对样本数据表,所述人脸比对样本数据表用于存储具有唯一标识的人脸图片集合,每个人脸图片集合至多存储预设数量的人脸图片;
对接收到的新的人脸图片进行特征计算,得到所述新的人脸图片的特征向量;
判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合中的各人脸图片的特征向量与所述新的人脸图片的特征向量的加权相似度大于预设的阈值;
若存在,则将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联;
若不存在,则将所述新的人脸图片与新的唯一标识进行关联,并存入所述人脸比对样本数据表,得到新的人脸图片集合;
将所述新的人脸图片及其对应的唯一标识作为一条抓拍记录,并存储至人脸抓拍记录表;
对待查询人脸图片进行特征计算,得到所述待查询人脸图片的特征向量;
获取第二人脸图片集合的唯一标识,所述第二人脸图片集合中的各人脸图片的特征向量与所述待查询的人脸图片的特征向量的加权相似度大于预设的阈值;
返回所述人脸抓拍记录表中与所获取的唯一标识匹配的抓拍记录。
本发明还涉及一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现以下步骤:
创建人脸比对样本数据表,所述人脸比对样本数据表用于存储具有唯一标识的人脸图片集合,每个人脸图片集合至多存储预设数量的人脸图片;
对接收到的新的人脸图片进行特征计算,得到所述新的人脸图片的特征向量;
判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合中的各人脸图片的特征向量与所述新的人脸图片的特征向量的加权相似度大于预设的阈值;
若存在,则将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联;
若不存在,则将所述新的人脸图片与新的唯一标识进行关联,并存入所述人脸比对样本数据表,得到新的人脸图片集合;
将所述新的人脸图片及其对应的唯一标识作为一条抓拍记录,并存储至人脸抓拍记录表;
对待查询人脸图片进行特征计算,得到所述待查询人脸图片的特征向量;
获取第二人脸图片集合的唯一标识,所述第二人脸图片集合中的各人脸图片的特征向量与所述待查询的人脸图片的特征向量的加权相似度大于预设的阈值;
返回所述人脸抓拍记录表中与所获取的唯一标识匹配的抓拍记录。
本发明的有益效果在于:人脸比对样本数据表中人脸图片集合存储的是同一个人的不同人脸图片,通过限制每个人脸图片集合的图片数量来控制样本数量,从而可提高后续人脸图片查询的效率。当***接收到新的人脸图片并进行特征提取后,用新接收人脸图片特征向量与人脸比对样本数据表中的每个人的所有人脸图片的特征向量进行比对,并计算加权相似度,如果与人脸比对样本数据表中已有人员的加权相似度达到一定阈值,则认为是同一个人,将新接收人脸图片与该人员的唯一标识进行关联,并存入人脸抓拍记录表,否则将新接收人脸图片与新的唯一标识进行关联,并存入人脸抓拍记录表;后续接收到待查询人脸图片时,也根据加权相似度获得其所属的人员,并根据该人员的唯一标识在人脸抓拍记录表获取该人员的抓拍记录。本发明可以大大提升人脸图片查询的效率,提升用户查询响应速度,同时降低对硬件计算资源的需求,降低硬件投资。
附图说明
图1为本发明一种人脸图片检索方法的流程图;
图2为本发明实施例一的方法流程图一;
图3为本发明实施例一的方法流程图二。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图详予说明。
本发明最关键的构思在于:在人脸比对样本数据表中存储不同人的不同样本数据,并为每个人分配唯一标识,进行人脸图片查询时,只需要查询该人脸图片对应的唯一标识,可以快速返回待查询人脸图片的抓拍记录。
请参阅图1,一种人脸图片检索方法,包括:
创建人脸比对样本数据表,所述人脸比对样本数据表用于存储具有唯一标识的人脸图片集合,每个人脸图片集合至多存储预设数量的人脸图片;
对接收到的新的人脸图片进行特征计算,得到所述新的人脸图片的特征向量;
判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合中的各人脸图片的特征向量与所述新的人脸图片的特征向量的加权相似度大于预设的阈值;
若存在,则将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联;
若不存在,则将所述新的人脸图片与新的唯一标识进行关联,并存入所述人脸比对样本数据表,得到新的人脸图片集合;
将所述新的人脸图片及其对应的唯一标识作为一条抓拍记录,并存储至人脸抓拍记录表;
对待查询人脸图片进行特征计算,得到所述待查询人脸图片的特征向量;
获取第二人脸图片集合的唯一标识,所述第二人脸图片集合中的各人脸图片的特征向量与所述待查询的人脸图片的特征向量的加权相似度大于预设的阈值;
返回所述人脸抓拍记录表中与所获取的唯一标识匹配的抓拍记录。
从上述描述可知,本发明的有益效果在于:可以大大提升人脸图片查询的效率,提升用户查询响应速度,同时降低对硬件计算资源的需求,降低硬件投资。
进一步地,所述“判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合中的各人脸图片的特征向量与所述新的人脸图片的特征向量的加权相似度大于预设的阈值”具体为:
分别计算所述新的人脸图片的特征向量与各人脸图片集合中的人脸图片的特征向量的相似度;
分别对各人脸图片集合中的人脸图片对应所述新的人脸图片的相似度进行加权计算,得到各人脸图片集合对应所述新的人脸图片的加权相似度;
判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合对应所述新的人脸图片的加权相似度大于预设的阈值。
由上述描述可知,每张新的人脸图片特征向量,只需要和人脸比对样本数据表进行比对,而不需要再和所有人脸抓拍记录进行比对,因此降低了比对计算量。
进一步地,所述“若存在,则将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联”具体为:
若存在多个所述第一人脸图片集合,则将所述新的人脸图片加入加权相似度最高的第一人脸图片集合,并与所述加权相似度最高的第一人脸图片集合的唯一标识进行关联。
由上述描述可知,将新的人脸图片归到加权相似度最高的人脸图片集合中,保证样本分类的准确性。
进一步地,所述“将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联”之后,进一步包括:
若第一人脸图片集合的人脸图片数量超过所述预设数量,则在所述第一人脸图片集合中选取一人脸图片进行删除。
由上述描述可知,通过控制人脸图片集合中的图片数量来控制整个样本的数量,从而降低比对计算量。
进一步地,所述“在所述第一人脸图片集合中选取一人脸图片进行删除”具体为:
分别计算所述第一人脸图片集合中各人脸图片的特征向量与所述第一人脸图片集合中其他人脸图片的特征向量的加权相似度;
删除加权相似度最低的人脸图片。
由上述描述可知,通过删除加权相似度最低的人脸图片,有效保证样本分类的准确性以及后续查询的准确性。
进一步地,所述“获取第二人脸图片集合的唯一标识”具体为:
若存在多个第二人脸图片集合,则获取加权相似度最高的第二人脸图片集合的唯一标识。
由上述描述可知,保证查询的准确性。
本发明还提出了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现以下步骤:
创建人脸比对样本数据表,所述人脸比对样本数据表用于存储具有唯一标识的人脸图片集合,每个人脸图片集合至多存储预设数量的人脸图片;
对接收到的新的人脸图片进行特征计算,得到所述新的人脸图片的特征向量;
判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合中的各人脸图片的特征向量与所述新的人脸图片的特征向量的加权相似度大于预设的阈值;
若存在,则将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联;
若不存在,则将所述新的人脸图片与新的唯一标识进行关联,并存入所述人脸比对样本数据表,得到新的人脸图片集合;
将所述新的人脸图片及其对应的唯一标识作为一条抓拍记录,并存储至人脸抓拍记录表;
对待查询人脸图片进行特征计算,得到所述待查询人脸图片的特征向量;
获取第二人脸图片集合的唯一标识,所述第二人脸图片集合中的各人脸图片的特征向量与所述待查询的人脸图片的特征向量的加权相似度大于预设的阈值;
返回所述人脸抓拍记录表中与所获取的唯一标识匹配的抓拍记录。
进一步地,所述“判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合中的各人脸图片的特征向量与所述新的人脸图片的特征向量的加权相似度大于预设的阈值”具体为:
分别计算所述新的人脸图片的特征向量与各人脸图片集合中的人脸图片的特征向量的相似度;
分别对各人脸图片集合中的人脸图片对应所述新的人脸图片的相似度进行加权计算,得到各人脸图片集合对应所述新的人脸图片的加权相似度;
判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合对应所述新的人脸图片的加权相似度大于预设的阈值。
进一步地,所述“若存在,则将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联”具体为:
若存在多个所述第一人脸图片集合,则将所述新的人脸图片加入加权相似度最高的第一人脸图片集合,并与所述加权相似度最高的第一人脸图片集合的唯一标识进行关联。
进一步地,所述“将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联”之后,进一步包括:
若第一人脸图片集合的人脸图片数量超过所述预设数量,则在所述第一人脸图片集合中选取一人脸图片进行删除。
进一步地,所述“在所述第一人脸图片集合中选取一人脸图片进行删除”具体为:
分别计算所述第一人脸图片集合中各人脸图片的特征向量与所述第一人脸图片集合中其他人脸图片的特征向量的加权相似度;
删除加权相似度最低的人脸图片。
进一步地,所述“获取第二人脸图片集合的唯一标识”具体为:
若存在多个第二人脸图片集合,则获取加权相似度最高的第二人脸图片集合的唯一标识。
实施例一
请参照图2-3,本发明的实施例一为:一种人脸图片检索方法,可运用于安防和公安等***。本方法主要包括两个部分,一是构建人脸比对样本数据表和人脸抓拍记录表,人脸比对样本数据表存储了多个人的多张人脸图片,并为同一个人的不同人脸图片分配唯一标识,人脸抓拍记录表中存储了所有人脸图片的抓拍记录;二是在人脸比对样本数据表中获取待查询人脸图片对应的唯一标识,并根据唯一标识在人脸抓拍记录表中获取对应的抓拍记录。第一部分可以当作是对新接收的人脸图片的处理流程,第二部分可以当作是对待查询人脸图片的处理流程。
如图2所示,第一部分包括如下步骤:
S101:创建人脸比对样本数据表,所述人脸比对样本数据表用于存储具有唯一标识的人脸图片集合;进一步地,每个人脸图片集合至多存储N张人脸图片,N为预设数量;即每个人脸图片集合存储了同一个人的不同人脸图片,同一个人对应同一个唯一标识,同一个人最多保存N张不同的人脸图片。其中,唯一标识可为唯一编号。
S102:当接收到新的人脸图片时,对新的人脸图片进行特征计算,得到所述新的人脸图片的特征向量。
S103:计算得到每个人脸图片集合的人脸图片的特征向量对应所述新的人脸图片的特征向量的加权相似度。具体地,先分别计算所述新的人脸图片的特征向量与各人脸图片集合中的人脸图片的特征向量的相似度;再分别对各人脸图片集合中的人脸图片对应所述新的人脸图片的相似度进行加权计算,得到各人脸图片集合对应所述新的人脸图片的加权相似度。也就是说,先计算所述人脸比对样本数据表中所有人脸图片的特征向量与所述新的人脸图片的特征向量的相似度,然后将属于同一人脸图片集合中的人脸图片进行加权计算,得到各人脸图片集合对于新的人脸图片的加权相似度。
进一步地,所述加权计算的方式可以为取平均值,即加权系数一致;也可以设定为不同的相似度对应不同的加权系数,例如,当相似度超过80%时,加权系数为1.5,当相似度处于75%-80%之间,加权系数为1.3,当相似度处于70%-75%之间,加权系数为1.0。
S104:判断是否存在对应所述新的人脸图片的加权相似度大于预设的阈值的人脸图片集合,即是否存在第一人脸图片集合,所述第一人脸图片集合对应所述新的人脸图片的加权相似度大于预设的阈值,若是,则认为新的人脸图片与所述第一人脸图片集合是属于同一个人的,执行步骤S105,若否,则表示新的人脸图片不属于人脸比对样本数据表中的已有人员,执行步骤S106。
S105:将新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联;执行步骤S107。
进一步地,若存在多个所述第一人脸图片集合,即若有多个人脸图片集合的加权相似度大于预设的阈值,则将所述新的人脸图片加入加权相似度最高的人脸图片集合,并与所述加权相似度最高的人脸图片集合的唯一标识进行关联。
S106:将所述新的人脸图片与新的唯一标识进行关联,并存入所述人脸比对样本数据表,得到新的人脸图片集合;即分配一个新的唯一标识,并将新的人脸图片与新的唯一标识进行关联,存入人脸比对样本数据表,此时相当于在人脸比对样本数据表中创建了一个新的人脸图片集合;执行步骤S107。
S107:将所述新的人脸图片及其对应的唯一标识作为一条抓拍记录,并存储至人脸抓拍记录表。
进一步地,步骤S105之后,还包括如下步骤:
S108:判断所述第一人脸图片集合的人脸图片数量是否大于N张,若是,则执行步骤S109。
S109:在所述第一人脸图片集合中选取一人脸图片进行删除。可以删除最早保存至该人脸图片集合的那张人脸图片,也可以根据各人脸图片的清晰度、正脸程度和人脸完整度,计算得到各人脸图片的综合分数,然后删除分数最低的那张人脸图片。本实施例中所采用的方法是,先分别计算该人脸图片集合中各人脸图片与该人脸图片集合中的其他人脸图片的加权相似度,然后删除加权相似度最低的人脸图片。
如图3所示,第二部分包括如下步骤:
S201:对待查询人脸图片进行特征计算,得到所述待查询人脸图片的特征向量;
S202:计算得到每个人脸图片集合的人脸图片的特征向量对应所述待查询人脸图片的特征向量的加权相似度。同步骤S103,即先分别计算待查询人脸图片的特征向量与各人脸图片集合中的人脸图片的特征向量的相似度,然后再进行加权计算,得到各人脸图片集合对应待查询人脸图片的加权相似度。
S203:判断是否存在对应待查询人脸图片的加权相似度大于预设的阈值的人脸图片集合,即所述人脸比对样本数据表是否存在第二人脸图片集合,所述第二人脸图片集合对应待查询的人脸图片的加权相似度大于预设的阈值,若是,则执行步骤S204。
S204:获取所述第二人脸图片集合的唯一标识;进一步地,若存在多个第二人脸图片集合,则获取加权相似度最高的第二人脸图片集合的唯一标识。
S205:根据所获取的唯一标识,在所述人脸抓拍记录表进行查询,并返回与所获取的唯一标识匹配的抓拍记录。此时即可得到待查询人员的所有抓拍记录。
进一步地,在接收新的人脸图片时,同时获取相关拍摄信息,如拍摄该人脸图片的摄像头信息(如编号、设置地址等)、拍摄到该人脸图片的时间,在步骤S107中,将该人脸图片及其对应的唯一标识作为一条抓拍记录存储至人脸抓拍记录表时,同时也将该人脸图片的摄像头信息和拍摄时间存储至人脸抓拍记录表,即一条抓拍记录至少存储了人脸图片、唯一标识、摄像头信息、拍摄时间等信息。然后在步骤S205时,即可得到待查询人脸图片在哪些摄像头出现过、以及出现的时间和当时的全景图片等信息。
进一步地,抓拍记录中还可包括人脸图片的特征向量,可用于后续的其他分析。
本实施例中,进行人脸图片查询时,只需要查询该人脸图片对应的唯一标识,而不需要对所有抓拍日志进行特征向量比对,可以快速返回待查询人脸图片的抓拍记录。由于通过唯一标识查询属于结构化信息索引查询,查询性能得到了飞速的提升。
本实施例可以大大提升人脸图片查询的效率,提升用户查询响应速度,同时降低对硬件计算资源的需求,降低硬件投资。
实施例二
本实施例是对应上述实施例的一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现以下步骤:
创建人脸比对样本数据表,所述人脸比对样本数据表用于存储具有唯一标识的人脸图片集合,每个人脸图片集合至多存储预设数量的人脸图片;
对接收到的新的人脸图片进行特征计算,得到所述新的人脸图片的特征向量;
判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合中的各人脸图片的特征向量与所述新的人脸图片的特征向量的加权相似度大于预设的阈值;
若存在,则将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联;
若不存在,则将所述新的人脸图片与新的唯一标识进行关联,并存入所述人脸比对样本数据表,得到新的人脸图片集合;
将所述新的人脸图片及其对应的唯一标识作为一条抓拍记录,并存储至人脸抓拍记录表;
对待查询人脸图片进行特征计算,得到所述待查询人脸图片的特征向量;
获取第二人脸图片集合的唯一标识,所述第二人脸图片集合中的各人脸图片的特征向量与所述待查询的人脸图片的特征向量的加权相似度大于预设的阈值;
返回所述人脸抓拍记录表中与所获取的唯一标识匹配的抓拍记录。
进一步地,所述“判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合中的各人脸图片的特征向量与所述新的人脸图片的特征向量的加权相似度大于预设的阈值”具体为:
分别计算所述新的人脸图片的特征向量与各人脸图片集合中的人脸图片的特征向量的相似度;
分别对各人脸图片集合中的人脸图片对应所述新的人脸图片的相似度进行加权计算,得到各人脸图片集合对应所述新的人脸图片的加权相似度;
判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合对应所述新的人脸图片的加权相似度大于预设的阈值。
进一步地,所述“若存在,则将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联”具体为:
若存在多个所述第一人脸图片集合,则将所述新的人脸图片加入加权相似度最高的第一人脸图片集合,并与所述加权相似度最高的第一人脸图片集合的唯一标识进行关联。
进一步地,所述“将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联”之后,进一步包括:
若第一人脸图片集合的人脸图片数量超过所述预设数量,则在所述第一人脸图片集合中选取一人脸图片进行删除。
进一步地,所述“在所述第一人脸图片集合中选取一人脸图片进行删除”具体为:
分别计算所述第一人脸图片集合中各人脸图片的特征向量与所述第一人脸图片集合中其他人脸图片的特征向量的加权相似度;
删除加权相似度最低的人脸图片。
进一步地,所述“获取第二人脸图片集合的唯一标识”具体为:
若存在多个第二人脸图片集合,则获取加权相似度最高的第二人脸图片集合的唯一标识。
综上所述,本发明提供的一种人脸图片检索方法及计算机可读存储介质,当***接收到新的人脸图片并进行特征提取后,用新接收人脸图片特征向量与人脸比对样本数据表中的每个人的所有人脸图片的特征向量进行比对,并计算加权相似度,如果与人脸比对样本数据表中已有人员的加权相似度达到一定阈值,则认为是同一个人,将新接收人脸图片与该人员的唯一标识进行关联,并存入人脸抓拍记录表,否则将新接收人脸图片与新的唯一标识进行关联,并存入人脸抓拍记录表;后续接收到待查询人脸图片时,也根据加权相似度获得其所属的人员,并根据该人员的唯一标识在人脸抓拍记录表获取该人员的抓拍记录。本发明可以大大提升人脸图片查询的效率,提升用户查询响应速度,同时降低对硬件计算资源的需求,降低硬件投资。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种人脸图片检索方法,其特征在于,包括:
创建人脸比对样本数据表,所述人脸比对样本数据表用于存储具有唯一标识的人脸图片集合,每个人脸图片集合至多存储预设数量的人脸图片;
对接收到的新的人脸图片进行特征计算,得到所述新的人脸图片的特征向量;
判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合中的各人脸图片的特征向量与所述新的人脸图片的特征向量的加权相似度大于预设的阈值;
若存在,则将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联;
若不存在,则将所述新的人脸图片与新的唯一标识进行关联,并存入所述人脸比对样本数据表,得到新的人脸图片集合;
将所述新的人脸图片及其对应的唯一标识作为一条抓拍记录,并存储至人脸抓拍记录表;
对待查询人脸图片进行特征计算,得到所述待查询人脸图片的特征向量;
获取第二人脸图片集合的唯一标识,所述第二人脸图片集合中的各人脸图片的特征向量与所述待查询的人脸图片的特征向量的加权相似度大于预设的阈值;
返回所述人脸抓拍记录表中与所获取的唯一标识匹配的抓拍记录。
2.根据权利要求1所述的人脸图片检索方法,其特征在于,所述“判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合中的各人脸图片的特征向量与所述新的人脸图片的特征向量的加权相似度大于预设的阈值”具体为:
分别计算所述新的人脸图片的特征向量与各人脸图片集合中的人脸图片的特征向量的相似度;
分别对各人脸图片集合中的人脸图片对应所述新的人脸图片的相似度进行加权计算,得到各人脸图片集合对应所述新的人脸图片的加权相似度;
判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合对应所述新的人脸图片的加权相似度大于预设的阈值。
3.根据权利要求1所述的人脸图片检索方法,其特征在于,所述“若存在,则将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联”具体为:
若存在多个所述第一人脸图片集合,则将所述新的人脸图片加入加权相似度最高的第一人脸图片集合,并与所述加权相似度最高的第一人脸图片集合的唯一标识进行关联。
4.根据权利要求1所述的人脸图片检索方法,其特征在于,所述“将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联”之后,进一步包括:
若第一人脸图片集合的人脸图片数量超过所述预设数量,则在所述第一人脸图片集合中选取一人脸图片进行删除。
5.根据权利要求4所述的人脸图片检索方法,其特征在于,所述“在所述第一人脸图片集合中选取一人脸图片进行删除”具体为:
分别计算所述第一人脸图片集合中各人脸图片的特征向量与所述第一人脸图片集合中其他人脸图片的特征向量的加权相似度;
删除加权相似度最低的人脸图片。
6.根据权利要求1所述的人脸图片检索方法,其特征在于,所述“获取第二人脸图片集合的唯一标识”具体为:
若存在多个第二人脸图片集合,则获取加权相似度最高的第二人脸图片集合的唯一标识。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现以下步骤:
创建人脸比对样本数据表,所述人脸比对样本数据表用于存储具有唯一标识的人脸图片集合,每个人脸图片集合至多存储预设数量的人脸图片;
对接收到的新的人脸图片进行特征计算,得到所述新的人脸图片的特征向量;
判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合中的各人脸图片的特征向量与所述新的人脸图片的特征向量的加权相似度大于预设的阈值;
若存在,则将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联;
若不存在,则将所述新的人脸图片与新的唯一标识进行关联,并存入所述人脸比对样本数据表,得到新的人脸图片集合;
将所述新的人脸图片及其对应的唯一标识作为一条抓拍记录,并存储至人脸抓拍记录表;
对待查询人脸图片进行特征计算,得到所述待查询人脸图片的特征向量;
获取第二人脸图片集合的唯一标识,所述第二人脸图片集合中的各人脸图片的特征向量与所述待查询的人脸图片的特征向量的加权相似度大于预设的阈值;
返回所述人脸抓拍记录表中与所获取的唯一标识匹配的抓拍记录。
8.根据权利要求7所述的计算机可读存储介质,其特征在于,所述“判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合中的各人脸图片的特征向量与所述新的人脸图片的特征向量的加权相似度大于预设的阈值”具体为:
分别计算所述新的人脸图片的特征向量与各人脸图片集合中的人脸图片的特征向量的相似度;
分别对各人脸图片集合中的人脸图片对应所述新的人脸图片的相似度进行加权计算,得到各人脸图片集合对应所述新的人脸图片的加权相似度;
判断所述人脸比对样本数据表中是否存在第一人脸图片集合,所述第一人脸图片集合对应所述新的人脸图片的加权相似度大于预设的阈值。
9.根据权利要求7所述的计算机可读存储介质,其特征在于,所述“若存在,则将所述新的人脸图片加入所述第一人脸图片集合,并与所述第一人脸图片集合的唯一标识进行关联”具体为:
若存在多个所述第一人脸图片集合,则将所述新的人脸图片加入加权相似度最高的第一人脸图片集合,并与所述加权相似度最高的第一人脸图片集合的唯一标识进行关联。
10.根据权利要求7所述的计算机可读存储介质,其特征在于,所述“获取第二人脸图片集合的唯一标识”具体为:
若存在多个第二人脸图片集合,则获取加权相似度最高的第二人脸图片集合的唯一标识。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711336836.9A CN108170732A (zh) | 2017-12-14 | 2017-12-14 | 人脸图片检索方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711336836.9A CN108170732A (zh) | 2017-12-14 | 2017-12-14 | 人脸图片检索方法及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108170732A true CN108170732A (zh) | 2018-06-15 |
Family
ID=62525286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711336836.9A Pending CN108170732A (zh) | 2017-12-14 | 2017-12-14 | 人脸图片检索方法及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108170732A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932321A (zh) * | 2018-06-29 | 2018-12-04 | 金蝶软件(中国)有限公司 | 人脸图像检索方法、装置、计算机设备及存储介质 |
CN109165307A (zh) * | 2018-09-19 | 2019-01-08 | 腾讯科技(深圳)有限公司 | 一种特征检索方法、装置和存储介质 |
CN109379531A (zh) * | 2018-09-29 | 2019-02-22 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
CN109523325A (zh) * | 2018-11-29 | 2019-03-26 | 成都睿码科技有限责任公司 | 一种基于人脸识别的针对性的自调节广告投放*** |
CN109635148A (zh) * | 2018-12-14 | 2019-04-16 | 深圳英飞拓科技股份有限公司 | 人脸图片存储方法及装置 |
CN109711298A (zh) * | 2018-12-14 | 2019-05-03 | 南京甄视智能科技有限公司 | 基于faiss的高效人脸特征值检索的方法和*** |
CN109784270A (zh) * | 2019-01-11 | 2019-05-21 | 厦门大学嘉庚学院 | 一种提升人脸图片识别完整性的处理方法 |
CN109948734A (zh) * | 2019-04-02 | 2019-06-28 | 北京旷视科技有限公司 | 图像聚类方法、装置及电子设备 |
CN110263744A (zh) * | 2019-06-26 | 2019-09-20 | 苏州万店掌网络科技有限公司 | 提高无感人脸识别率的方法 |
CN110750670A (zh) * | 2019-09-05 | 2020-02-04 | 北京旷视科技有限公司 | 陌生人监控方法、装置、***和存储介质 |
CN110795584A (zh) * | 2019-09-19 | 2020-02-14 | 深圳云天励飞技术有限公司 | 一种用户标识生成方法、装置及终端设备 |
CN111027515A (zh) * | 2019-12-24 | 2020-04-17 | 神思电子技术股份有限公司 | 一种人脸库照片更新方法 |
CN111104541A (zh) * | 2019-12-31 | 2020-05-05 | 厦门市美亚柏科信息股份有限公司 | 一种高效的人脸图片检索方法及装置 |
CN111522980A (zh) * | 2020-04-26 | 2020-08-11 | 深圳惟远智能技术有限公司 | 一种海量数据下基于档案的快速搜索方法 |
CN111831841A (zh) * | 2019-04-19 | 2020-10-27 | 杭州海康威视数字技术股份有限公司 | 一种信息检索方法、装置、电子设备及存储介质 |
CN112149480A (zh) * | 2019-06-28 | 2020-12-29 | 青岛海信移动通信技术股份有限公司 | 一种终端及其进行图像分类的方法 |
CN112241684A (zh) * | 2020-09-16 | 2021-01-19 | 四川天翼网络服务有限公司 | 一种人脸检索分布式计算方法及*** |
CN112487222A (zh) * | 2020-11-30 | 2021-03-12 | 江苏正赫通信息科技有限公司 | 相似人脸快速搜索及有效存储的方法 |
CN114022934A (zh) * | 2021-11-04 | 2022-02-08 | 南威软件股份有限公司 | 一种基于多数原则的实时人像聚档方法、***和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100290677A1 (en) * | 2009-05-13 | 2010-11-18 | John Kwan | Facial and/or Body Recognition with Improved Accuracy |
CN102170563A (zh) * | 2011-03-24 | 2011-08-31 | 杭州海康威视软件有限公司 | 智能人员卡口***及人员监控管理方法 |
CN106778653A (zh) * | 2016-12-27 | 2017-05-31 | 北京光年无限科技有限公司 | 面向智能机器人的基于人脸识别样本库的交互方法和装置 |
CN106998444A (zh) * | 2017-02-14 | 2017-08-01 | 北京中科天云科技有限公司 | 一种大数据人脸监控***及装置 |
CN107346410A (zh) * | 2016-05-05 | 2017-11-14 | 杭州海康威视数字技术股份有限公司 | 图片处理方法及装置 |
-
2017
- 2017-12-14 CN CN201711336836.9A patent/CN108170732A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100290677A1 (en) * | 2009-05-13 | 2010-11-18 | John Kwan | Facial and/or Body Recognition with Improved Accuracy |
CN102170563A (zh) * | 2011-03-24 | 2011-08-31 | 杭州海康威视软件有限公司 | 智能人员卡口***及人员监控管理方法 |
CN107346410A (zh) * | 2016-05-05 | 2017-11-14 | 杭州海康威视数字技术股份有限公司 | 图片处理方法及装置 |
CN106778653A (zh) * | 2016-12-27 | 2017-05-31 | 北京光年无限科技有限公司 | 面向智能机器人的基于人脸识别样本库的交互方法和装置 |
CN106998444A (zh) * | 2017-02-14 | 2017-08-01 | 北京中科天云科技有限公司 | 一种大数据人脸监控***及装置 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932321A (zh) * | 2018-06-29 | 2018-12-04 | 金蝶软件(中国)有限公司 | 人脸图像检索方法、装置、计算机设备及存储介质 |
CN108932321B (zh) * | 2018-06-29 | 2020-10-23 | 金蝶软件(中国)有限公司 | 人脸图像检索方法、装置、计算机设备及存储介质 |
CN109165307A (zh) * | 2018-09-19 | 2019-01-08 | 腾讯科技(深圳)有限公司 | 一种特征检索方法、装置和存储介质 |
CN109379531A (zh) * | 2018-09-29 | 2019-02-22 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
CN109523325A (zh) * | 2018-11-29 | 2019-03-26 | 成都睿码科技有限责任公司 | 一种基于人脸识别的针对性的自调节广告投放*** |
CN109635148A (zh) * | 2018-12-14 | 2019-04-16 | 深圳英飞拓科技股份有限公司 | 人脸图片存储方法及装置 |
CN109711298A (zh) * | 2018-12-14 | 2019-05-03 | 南京甄视智能科技有限公司 | 基于faiss的高效人脸特征值检索的方法和*** |
CN109635148B (zh) * | 2018-12-14 | 2021-06-15 | 深圳英飞拓科技股份有限公司 | 人脸图片存储方法及装置 |
CN109784270A (zh) * | 2019-01-11 | 2019-05-21 | 厦门大学嘉庚学院 | 一种提升人脸图片识别完整性的处理方法 |
CN109784270B (zh) * | 2019-01-11 | 2023-05-26 | 厦门大学嘉庚学院 | 一种提升人脸图片识别完整性的处理方法 |
CN109948734A (zh) * | 2019-04-02 | 2019-06-28 | 北京旷视科技有限公司 | 图像聚类方法、装置及电子设备 |
CN111831841A (zh) * | 2019-04-19 | 2020-10-27 | 杭州海康威视数字技术股份有限公司 | 一种信息检索方法、装置、电子设备及存储介质 |
CN111831841B (zh) * | 2019-04-19 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 一种信息检索方法、装置、电子设备及存储介质 |
CN110263744B (zh) * | 2019-06-26 | 2021-05-11 | 苏州万店掌网络科技有限公司 | 提高无感人脸识别率的方法 |
CN110263744A (zh) * | 2019-06-26 | 2019-09-20 | 苏州万店掌网络科技有限公司 | 提高无感人脸识别率的方法 |
CN112149480A (zh) * | 2019-06-28 | 2020-12-29 | 青岛海信移动通信技术股份有限公司 | 一种终端及其进行图像分类的方法 |
CN110750670A (zh) * | 2019-09-05 | 2020-02-04 | 北京旷视科技有限公司 | 陌生人监控方法、装置、***和存储介质 |
CN110750670B (zh) * | 2019-09-05 | 2022-04-19 | 北京旷视科技有限公司 | 陌生人监控方法、装置、***和存储介质 |
CN110795584A (zh) * | 2019-09-19 | 2020-02-14 | 深圳云天励飞技术有限公司 | 一种用户标识生成方法、装置及终端设备 |
CN110795584B (zh) * | 2019-09-19 | 2022-03-25 | 深圳云天励飞技术有限公司 | 一种用户标识生成方法、装置及终端设备 |
CN111027515A (zh) * | 2019-12-24 | 2020-04-17 | 神思电子技术股份有限公司 | 一种人脸库照片更新方法 |
CN111104541A (zh) * | 2019-12-31 | 2020-05-05 | 厦门市美亚柏科信息股份有限公司 | 一种高效的人脸图片检索方法及装置 |
CN111522980A (zh) * | 2020-04-26 | 2020-08-11 | 深圳惟远智能技术有限公司 | 一种海量数据下基于档案的快速搜索方法 |
CN112241684A (zh) * | 2020-09-16 | 2021-01-19 | 四川天翼网络服务有限公司 | 一种人脸检索分布式计算方法及*** |
CN112487222A (zh) * | 2020-11-30 | 2021-03-12 | 江苏正赫通信息科技有限公司 | 相似人脸快速搜索及有效存储的方法 |
CN114022934A (zh) * | 2021-11-04 | 2022-02-08 | 南威软件股份有限公司 | 一种基于多数原则的实时人像聚档方法、***和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108170732A (zh) | 人脸图片检索方法及计算机可读存储介质 | |
US8856121B1 (en) | Event based metadata synthesis | |
Kohlwey et al. | Leveraging the cloud for big data biometrics: Meeting the performance requirements of the next generation biometric systems | |
TWI743835B (zh) | 一種資訊處理方法及裝置、儲存介質 | |
WO2019080411A1 (zh) | 电子装置、人脸图像聚类搜索方法和计算机可读存储介质 | |
CN105760533B (zh) | 一种照片管理方法和装置 | |
CN109815829A (zh) | 一种确定路人轨迹的方法及装置 | |
Ganorkar et al. | Iris recognition: an emerging biometric technology | |
Bharadi et al. | Online signature recognition using software as a service (SAAS) model on public cloud | |
WO2016101766A1 (zh) | 相似人脸图片获取和人脸图片信息获取方法和装置 | |
US20130343618A1 (en) | Searching for Events by Attendants | |
Sundara Vadivel et al. | An efficient CBIR system based on color histogram, edge, and texture features | |
Zambanini et al. | Automatic coin classification by image matching | |
CN109784220A (zh) | 一种确定路人轨迹的方法及装置 | |
CN109800664A (zh) | 一种确定路人轨迹的方法及装置 | |
CN109088788A (zh) | 数据处理方法、装置、设备及计算机可读存储介质 | |
CN103309446A (zh) | 以人类双手为载体的虚拟数据获取与传递*** | |
JP7293735B2 (ja) | 文書及びテーブルの周囲の人物の検出に基づく文書及び人物を検索するためのシステム、方法並びにプログラム | |
CN108090982A (zh) | 一种签到方法、***及终端设备 | |
CN108124478A (zh) | 图片查找方法和装置 | |
CN111104541A (zh) | 一种高效的人脸图片检索方法及装置 | |
CN109558861A (zh) | 一种确定路人轨迹的方法及装置 | |
CN202230509U (zh) | 人脸识别的数据管理*** | |
CN106570177A (zh) | 一种生物物种图像管理*** | |
CN108416865A (zh) | 一种基于云计算的人脸识别数据自动修正方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180615 |
|
RJ01 | Rejection of invention patent application after publication |