CN109711298B - 基于faiss的高效人脸特征值检索的方法和*** - Google Patents
基于faiss的高效人脸特征值检索的方法和*** Download PDFInfo
- Publication number
- CN109711298B CN109711298B CN201811539799.6A CN201811539799A CN109711298B CN 109711298 B CN109711298 B CN 109711298B CN 201811539799 A CN201811539799 A CN 201811539799A CN 109711298 B CN109711298 B CN 109711298B
- Authority
- CN
- China
- Prior art keywords
- face
- characteristic value
- face characteristic
- library
- retrieval
- 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.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种基于faiss的高效人脸特征值检索的方法和***,基于faiss‑facebook开源的AI相似性搜索工具,开发出人脸检索模块,从人脸特征值存储模块中检索出与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值,再执行检索结果判断,以加快人脸特征值的检索速度;同时,在检索过程中,不断优化人脸特征值库,减少其中重复度较高的人脸图像,挑选出最具有典型性的人脸图像。
Description
技术领域
本发明涉及人脸识别技术领域,具体而言涉及一种基于faiss的高效人脸特征值检索的方法和***。
背景技术
人脸识别是指对人脸图像进行特征值提取,并与其他人脸特征值做比对,取最高的比对分数,若最高的比对分数超过设置的阈值,则认为两张人脸是同一个人。人脸识别实现的流程如图1,具体的:
第一步,创建人脸库,并设置人脸库的容量和阈值。
第二步,往人脸库添加底库人脸照片,对底库人脸照片进行特征值提取,并存储人脸特征值到人脸库。
第三步,提交待识别的人脸照片,并对待识别的人脸照片进行人脸特征值提取。
第四步,待识别的人脸照片特征值与底库中的人脸特征值做比对,完成人脸识别。
当人脸库中的数据较多时,需要消耗较多的时间和资源在人脸特征值的比对上。
发明内容
本发明目的在于提供一种基于faiss的高效人脸特征值检索的方法和***,基于faiss-facebook开源的AI相似性搜索工具,开发出人脸检索模块,从人脸特征值存储模块中检索出与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值,再执行检索结果判断,以加快人脸特征值的检索速度;同时,在检索过程中,不断优化人脸特征值库,减少其中重复度较高的人脸图像,挑选出最具有典型性的人脸图像。
为达成上述目的,结合图2、图3,本发明提出一种基于faiss的高效人脸特征值检索的方法,所述方法包括以下步骤:
S1:创建人脸特征值库,人脸特征值库存储有任意一个人员的若干张脸部图像;
所述人脸特征值库包括人脸特征值存储模块,人脸特征值存储模块用于存储所述若干张脸部图像的图像信息,所述图像信息包括脸部图像的唯一标识和提取出的人脸特征值;
所述人脸特征值库设置有人脸库ID、比对阈值和容量;
S2:基于faiss-facebook开源的AI相似性搜索工具以创建一人脸检索模块;
S3:接收用户客户端发送的比对请求,所述比对请求中至少包括待比对脸部图像和请求检索的人脸库ID;
从待比对脸部图像中提取待比对人脸特征值,同时根据接收到的请求检索的人脸库ID以查询对应人脸库中存储的所有脸部图像的唯一标识;
S4:调取人脸检索模块,从人脸特征值存储模块中检索出与步骤S3中查询到的所有脸部图像的唯一标识对应的人脸特征值,将之与待比对人脸特征值相比较,获取与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值:
如果比对分值大于等于所述人脸特征值库设置的比对阈值,判断本次检索成功,否则,判断本次检索失败;
S5:将检索结果返回至用户客户端,其中,如果检索成功,返回相似度比对分值最高的脸部图像、以及对应的比对分值,否则,返回为空。
进一步的实施例中,所述方法还包括:
调取人脸检索模块,连续N次从人脸特征值存储模块中检索出与步骤S3中查询到的所有脸部图像的唯一标识对应的人脸特征值,将之与待比对人脸特征值相比较,获取与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值,每次获取到的脸部图像的唯一标识记为Fi,i=1,2,…,N;
将获取次数最多的一组唯一标识Fj作为与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识,其中,j∈i,取该组唯一标识对应的比对分值的均值作为最终的比对分值。
进一步的实施例中,所述方法还包括:
统计唯一标识为Fm的所有脸部图像与待比对人脸特征值的比对分值,其中,m∈i,m≠j,将其中比对分值大于一设定相似阈值的脸部图像及其唯一标识从对应的人脸特征值库中删除。
进一步的实施例中,所述设定相似阈值大于比对阈值。
进一步的实施例中,所述方法还包括:
统计所有脸部图像的相似度比对成功次数,将成功次数超过一设定次数阈值的脸部图像的唯一标识、以及对应的人脸特征值存储至一优化比对数据库中。
进一步的实施例中,步骤S1中,所述创建人脸特征值库的方法包括:
根据用户请求创建初始人脸特征值库,设置人脸库ID、比对阈值和容量,初始人脸特征值库包括包括人脸特征值存储模块;
接受用户发送的若干张脸部图像,存储至初始人脸特征值库中,为每张脸部图像设置唯一标识;
从每张脸部图像中提取人脸特征值,将提取出的人脸特征值和对应的唯一标识存储至人脸特征值存储模块。
进一步的实施例中,所述方法还包括:
将所述脸部图像存储至一文件服务器中,接收并存储文件服务器返回的脸部图像的存储地址。
基于前述方法,本发明还提及一种基于faiss的高效人脸特征值检索的***,所述***包括人脸特征值库管理模块,人脸基础服务模块,人脸检索模块,文件服务器;
所述文件服务器用于存储脸部图像;
所述人脸特征值库管理模块用于根据用户请求创建人脸特征值库,所述人脸特征值库设置有人脸库ID、比对阈值和容量;
所述人脸特征值库包括人脸特征值存储模块,人脸特征值存储模块用于存储所述人脸特征值库对应人员的若干张脸部图像的图像信息,所述图像信息包括脸部图像的唯一标识和提取出的人脸特征值;
所述人脸检索模块为基于faiss-facebook开源的AI相似性搜索工具;
所述人脸基础服务模块响应于接收到用户客户端发送的比对请求,所述比对请求中至少包括待比对脸部图像和请求检索的人脸库ID,从待比对脸部图像中提取待比对人脸特征值,同时将请求检索的人脸库ID发送至人脸特征值库管理模块以查询对应人脸库中存储的所有脸部图像的唯一标识的模块;
所述人脸基础服务模块将待比对人脸特征值和请求检索的人脸库ID中存储的所有脸部图像的唯一标识发送至人脸检索模块;
所述人脸检索模块从人脸特征值存储模块中检索出与查询到的所有脸部图像的唯一标识对应的人脸特征值,将之与待比对人脸特征值相比较,获取与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值的模块,将相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值返回至人脸基础服务模块;
所述人脸基础服务模块查询人脸库对应的比对阈值,判断此次检索的最高分值是否大于人脸库的比对阈值,如果比对分值大于等于所述人脸特征值库设置的比对阈值,判断本次检索成功,否则,判断本次检索失败;
所述人脸基础服务模块将检索结果返回至用户客户端的模块,其中,如果检索成功,返回相似度比对分值最高的脸部图像、以及对应的比对分值,否则,返回为空
进一步的实施例中,所述人脸特征值库管理模块响应于接收到用户客户端发送的若干张脸部图像,为每张脸部图像生成唯一标识后将之发送至文件服务器中存储,随后接收并存储文件服务器返回的脸部图像在文件服务器中的存储地址,再将所述若干张脸部图像发送至人脸基础服务模块;
所述人脸基础服务模块接收人脸特征值管理模块发送的脸部图像,提取脸部图像中的人脸特征值,再将提取的人脸特征值返回至人脸特征库管理模块;
所述人脸特征值库管理模块接收人脸基础服务模块发送的提取的人脸特征值,将之存储至人脸特征值存储模块。
以上本发明的技术方案,与现有相比,其显著的有益效果在于,基于faiss-facebook开源的AI相似性搜索工具,开发出人脸检索模块,从人脸特征值存储模块中检索出与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值,再执行检索结果判断,以加快人脸特征值的检索速度;同时,在检索过程中,不断优化人脸特征值库,减少其中重复度较高的人脸图像,挑选出最具有典型性的人脸图像。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是本发明的现有技术中的人脸识别的方法的流程图。
图2是本发明的基于faiss的高效人脸特征值检索的方法流程图。
图3是本发明的创建人脸库的方法流程图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
结合图2、图3,本发明提出一种基于faiss的高效人脸特征值检索的方法,所述方法包括以下步骤:
S1:创建人脸特征值库,人脸特征值库存储有任意一个人员的若干张脸部图像。
所述人脸特征值库包括人脸特征值存储模块,人脸特征值存储模块用于存储所述若干张脸部图像的图像信息,所述图像信息包括脸部图像的唯一标识和提取出的人脸特征值。
所述人脸特征值库设置有人脸库ID、比对阈值和容量。
S2:基于faiss-facebook开源的AI相似性搜索工具以创建一人脸检索模块。
S3:接收用户客户端发送的比对请求,所述比对请求中至少包括待比对脸部图像和请求检索的人脸库ID。
从待比对脸部图像中提取待比对人脸特征值,同时根据接收到的请求检索的人脸库ID以查询对应人脸库中存储的所有脸部图像的唯一标识。
S4:调取人脸检索模块,从人脸特征值存储模块中检索出与步骤S3中查询到的所有脸部图像的唯一标识对应的人脸特征值,将之与待比对人脸特征值相比较,获取与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值:
如果比对分值大于等于所述人脸特征值库设置的比对阈值,判断本次检索成功,否则,判断本次检索失败。
S5:将检索结果返回至用户客户端,其中,如果检索成功,返回相似度比对分值最高的脸部图像、以及对应的比对分值,否则,返回为空。
进一步的实施例中,步骤S1中,所述创建人脸特征值库的方法包括:
根据用户请求创建初始人脸特征值库,设置人脸库ID、比对阈值和容量,初始人脸特征值库包括人脸特征值存储模块。
接受用户发送的若干张脸部图像,存储至初始人脸特征值库中,为每张脸部图像设置唯一标识。
从每张脸部图像中提取人脸特征值,将提取出的人脸特征值和对应的唯一标识存储至人脸特征值存储模块。
进一步的实施例中,所述方法还包括:
将所述脸部图像存储至一文件服务器中,接收并存储文件服务器返回的脸部图像的存储地址。
基于本发明的上述方案,我们分析,当人脸检索的地库有100万人脸时,基于本地内存存储,即将100万人脸特征值存储于本地内存,传统手段难以实现,因为本地存储无法存储如此大量的人脸特征值库。如果将人脸特征值存储于第三方存储,例如Redis,人脸检索速度超过1s/张,无法满足业务对人脸检索的速度要求。基于faiss的高效人脸特征值检索可以实现基于100万人脸特征值底库时,人脸检索速度可达到ms级。
基于前述方法,本发明还提及一种基于faiss的高效人脸特征值检索的***,所述***包括人脸特征值库管理模块,人脸基础服务模块,人脸检索模块,文件服务器。
所述文件服务器用于存储脸部图像。
所述人脸特征值库管理模块用于根据用户请求创建人脸特征值库,所述人脸特征值库设置有人脸库ID、比对阈值和容量。
所述人脸特征值库包括人脸特征值存储模块,人脸特征值存储模块用于存储所述人脸特征值库对应人员的若干张脸部图像的图像信息,所述图像信息包括脸部图像的唯一标识和提取出的人脸特征值。
所述人脸检索模块为基于faiss-facebook开源的AI相似性搜索工具。
所述人脸基础服务模块响应于接收到用户客户端发送的比对请求,所述比对请求中至少包括待比对脸部图像和请求检索的人脸库ID,从待比对脸部图像中提取待比对人脸特征值,同时将请求检索的人脸库ID发送至人脸特征值库管理模块以查询对应人脸库中存储的所有脸部图像的唯一标识的模块。
所述人脸基础服务模块将待比对人脸特征值和请求检索的人脸库ID中存储的所有脸部图像的唯一标识发送至人脸检索模块。
所述人脸检索模块从人脸特征值存储模块中检索出与查询到的所有脸部图像的唯一标识对应的人脸特征值,将之与待比对人脸特征值相比较,获取与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值的模块,将相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值返回至人脸基础服务模块。
所述人脸基础服务模块查询人脸库对应的比对阈值,判断此次检索的最高分值是否大于人脸库的比对阈值,如果比对分值大于等于所述人脸特征值库设置的比对阈值,判断本次检索成功,否则,判断本次检索失败。
所述人脸基础服务模块将检索结果返回至用户客户端的模块,其中,如果检索成功,返回相似度比对分值最高的脸部图像、以及对应的比对分值,否则,返回为空。
进一步的实施例中,所述人脸特征值库管理模块响应于接收到用户客户端发送的若干张脸部图像,为每张脸部图像生成唯一标识后将之发送至文件服务器中存储,随后接收并存储文件服务器返回的脸部图像在文件服务器中的存储地址,再将所述若干张脸部图像发送至人脸基础服务模块。
所述人脸基础服务模块接收人脸特征值管理模块发送的脸部图像,提取脸部图像中的人脸特征值,再将提取的人脸特征值返回至人脸特征库管理模块。
所述人脸特征值库管理模块接收人脸基础服务模块发送的提取的人脸特征值,将之存储至人脸特征值存储模块。
本发明提出的基于faiss(提供高效相似度搜索和聚类的框架)实现的高效人脸特征值检索的方法分为两个流程,第一个流程是人脸库创建流程图,第二个流程是人脸检索流程。
一、人脸库创建流程
人脸库创建流程涉及到的模块有人脸特征值库管理模块,人脸基础服务模块,人脸特征值存储模块,文件服务器。流程如下:
第一步,用户提交请求创建人脸特征值库(简称人脸库)并设置人脸库的阈值和容量,由人脸特征值库管理模块创建人脸库,并生成人脸库id。
第二步,用户添加人脸照片(单张或者批量),并指定添加到某个人脸库中,人脸特征值库管理模块为每张照片生成唯一id,即face_token。
第三步,人脸特征值库管理模块将人脸照片发送到文件服务器进行存储,文件服务器返回照片存储的地址。
第四步,人脸特征值库管理模块将face_token,人脸照片发送到人脸基础服务模块,由人脸基础服务模块提取人脸特征值,并返回给人脸特征值库管理模块face_token和人脸特征值。
第五步,将人脸照片的唯一标识face_token,以及人脸特征值存储到人脸特征值存储模块;人脸特征值存储模块进行人脸唯一标识face_token以及人脸特征值的存储。
创建人脸库流程结束。
二、人脸检索流程
人脸检索流程涉及到的模块有人脸特征值库管理模块,人脸基础服务模块,人脸特征值存储模块,人脸检索模块(基于faiss,提供高效相似度搜索和聚类的框架)。流程如下:
第一步,用户发送一张人脸照片和要检索的人脸库id到人脸基础服务模块,由人脸基础服务模块对待检索的人脸照片提取人脸特征值。
第二步,人脸基础服务模块发送人脸库id到人脸特征值库管理模块查询对应人脸库下的所有人脸的face_token。
第三步,将待检索的人脸照片的人脸特征值和待检索的人脸库中的所有人脸的face_token发送到人脸检索模块,人脸检索模块基于faiss——Facebook开源的AI相似性搜索工具到人脸特征值存储模块中搜索人脸特征值相似度比对分值最高的face_token,以及比对分值,并将人脸检索比对分值最高的人脸的face_token,以及比对分值返回到人脸基础服务模块。
第四步,人脸基础服务模块查询人脸库对应的阈值,判断此次检索的最高分值是否大于人脸库的阈值,如果大于等于,认为检索成功,返回比对分值,检索成功。如果小于,认为检索失败。
第五步,人脸基础服务模块向用户返回本次检索结果。检索成功,返回检索到的人脸照片以及比对分值。检索失败,返回为空。
本发明还提及一种方法,通过多次检索,将选择次数最多的一组脸部图像作为最终的比对图像,此种方法能够有效排除***运行时的异常差错,以及增加检索的精确性。
具体的,所述方法还包括:
调取人脸检索模块,连续N次从人脸特征值存储模块中检索出与步骤S3中查询到的所有脸部图像的唯一标识对应的人脸特征值,将之与待比对人脸特征值相比较,获取与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值,每次获取到的脸部图像的唯一标识记为Fi,i=1,2,…,N。
将获取次数最多的一组唯一标识Fj作为与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识,其中,j∈i,取该组唯一标识对应的比对分值的均值作为最终的比对分值。
N的取值越大,检索精确度越高,运算量也越大,检索速度越慢,实际应用中,可以根据实际需求调整N的取值。
采用该方法还可以实现人脸库数据的优化,具体的方法如下:
统计唯一标识为Fm的所有脸部图像与待比对人脸特征值的比对分值,其中,m∈i,m≠j,将其中比对分值大于一设定相似阈值的脸部图像及其唯一标识从对应的人脸特征值库中删除。
优选的,所述设定相似阈值大于比对阈值。
例如,N的取值为6,其中脸部图像A被选择的次数为3次,脸部图像B和脸部图像C被选择的次数分别为2次和1次,脸部图像A的平均比对分值为99%,脸部图像B和脸部图像C的比对分值分别为95%和80%,比对阈值为85%。
根据前述方法,我们将脸部图像A选为最终比对成功的脸部图像,但由于脸部图像B和和待检索脸部图像的比对分值达到了95%,说明脸部图像B和脸部图像A的相似度也较高,我们将脸部图像B从人脸库中删除,仅保留脸部图像A,这一方法能够有效减少人脸库中的相似图像,增加人脸库中脸部图像的典型性,在检索过程中不断自动优化人脸库,加快检索速度。
更甚者,所述方法还包括:
统计所有脸部图像的相似度比对成功次数,将成功次数超过一设定次数阈值的脸部图像的唯一标识、以及对应的人脸特征值存储至一优化比对数据库中。
成功次数较多的脸部图像表明其具有较高的典型性,可以另行创建一优化比对数据库,具有更广泛的通用性。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (7)
1.一种基于faiss的高效人脸特征值检索的方法,其特征在于,所述方法包括以下步骤:
S1:创建人脸特征值库,人脸特征值库存储有任意一个人员的若干张脸部图像;
所述人脸特征值库包括人脸特征值存储模块,人脸特征值存储模块用于存储所述若干张脸部图像的图像信息,所述图像信息包括脸部图像的唯一标识和提取出的人脸特征值;
所述人脸特征值库设置有人脸库ID、比对阈值和容量;
S2:基于faiss-facebook开源的AI相似性搜索工具以创建一人脸检索模块;
S3:接收用户客户端发送的比对请求,所述比对请求中至少包括待比对脸部图像和请求检索的人脸库ID;
从待比对脸部图像中提取待比对人脸特征值,同时根据接收到的请求检索的人脸库ID以查询对应人脸库中存储的所有脸部图像的唯一标识;
S4:调取人脸检索模块,从人脸特征值存储模块中检索出与步骤S3中查询到的所有脸部图像的唯一标识对应的人脸特征值,将之与待比对人脸特征值相比较,获取与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值:
如果比对分值大于等于所述人脸特征值库设置的比对阈值,判断本次检索成功,否则,判断本次检索失败;
S5:将检索结果返回至用户客户端,其中,如果检索成功,返回相似度比对分值最高的脸部图像、以及对应的比对分值,否则,返回为空;
所述方法还包括:调取人脸检索模块,连续N次从人脸特征值存储模块中检索出与步骤S3中查询到的所有脸部图像的唯一标识对应的人脸特征值,将之与待比对人脸特征值相比较,获取与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值,每次获取到的脸部图像的唯一标识记为Fi,i=1,2,...,N;
将获取次数最多的一组唯一标识Fj作为与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识,其中,j∈i,取该组唯一标识对应的比对分值的均值作为最终的比对分值;
统计唯一标识为Fm的所有脸部图像与待比对人脸特征值的比对分值,其中,m∈i,m≠j,将其中比对分值大于一设定相似阈值的脸部图像及其唯一标识从对应的人脸特征值库中删除。
2.根据权利要求1所述的基于faiss的高效人脸特征值检索的方法,其特征在于,所述设定相似阈值大于比对阈值。
3.根据权利要求1所述的基于faiss的高效人脸特征值检索的方法,其特征在于,所述方法还包括:
统计所有脸部图像的相似度比对成功次数,将成功次数超过一设定次数阈值的脸部图像的唯一标识、以及对应的人脸特征值存储至一优化比对数据库中。
4.根据权利要求1至3任意一项中所述的基于faiss的高效人脸特征值检索的方法,其特征在于,步骤S1中,所述创建人脸特征值库的方法包括:
根据用户请求创建初始人脸特征值库,设置人脸库ID、比对阈值和容量,初始人脸特征值库包括人脸特征值存储模块;
接受用户发送的若干张脸部图像,存储至初始人脸特征值库中,为每张脸部图像设置唯一标识;
从每张脸部图像中提取人脸特征值,将提取出的人脸特征值和对应的唯一标识存储至人脸特征值存储模块。
5.根据权利要求4所述的基于faiss的高效人脸特征值检索的方法,其特征在于,所述方法还包括:
将所述脸部图像存储至一文件服务器中,接收并存储文件服务器返回的脸部图像的存储地址。
6.一种基于faiss的高效人脸特征值检索的***,其特征在于,所述***包括人脸特征值库管理模块,人脸基础服务模块,人脸检索模块,文件服务器;
所述文件服务器用于存储脸部图像;
所述人脸特征值库管理模块用于根据用户请求创建人脸特征值库,所述人脸特征值库设置有人脸库ID、比对阈值和容量;
所述人脸特征值库包括人脸特征值存储模块,人脸特征值存储模块用于存储所述人脸特征值库对应人员的若干张脸部图像的图像信息,所述图像信息包括脸部图像的唯一标识和提取出的人脸特征值;
所述人脸检索模块为基于faiss-facebook开源的AI相似性搜索工具;
所述人脸基础服务模块响应于接收到用户客户端发送的比对请求,所述比对请求中至少包括待比对脸部图像和请求检索的人脸库ID,从待比对脸部图像中提取待比对人脸特征值,同时将请求检索的人脸库ID发送至人脸特征值库管理模块以查询对应人脸库中存储的所有脸部图像的唯一标识的模块;
所述人脸基础服务模块将待比对人脸特征值和请求检索的人脸库ID中存储的所有脸部图像的唯一标识发送至人脸检索模块;
所述人脸检索模块从人脸特征值存储模块中检索出与查询到的所有脸部图像的唯一标识对应的人脸特征值,将之与待比对人脸特征值相比较,获取与待比对人脸特征值相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值的模块,将相似度比对分值最高的脸部图像的唯一标识、以及对应的比对分值返回至人脸基础服务模块;
所述人脸基础服务模块查询人脸库对应的比对阈值,判断此次检索的最高分值是否大于人脸库的比对阈值,如果比对分值大于等于所述人脸特征值库设置的比对阈值,判断本次检索成功,否则,判断本次检索失败;
所述人脸基础服务模块将检索结果返回至用户客户端的模块,其中,如果检索成功,返回相似度比对分值最高的脸部图像、以及对应的比对分值,否则,返回为空。
7.根据权利要求6所述的基于faiss的高效人脸特征值检索的***,其特征在于,所述人脸特征值库管理模块响应于接收到用户客户端发送的若干张脸部图像,为每张脸部图像生成唯一标识后将之发送至文件服务器中存储,随后接收并存储文件服务器返回的脸部图像在文件服务器中的存储地址,再将所述若干张脸部图像发送至人脸基础服务模块;
所述人脸基础服务模块接收人脸特征值管理模块发送的脸部图像,提取脸部图像中的人脸特征值,再将提取的人脸特征值返回至人脸特征库管理模块;
所述人脸特征值库管理模块接收人脸基础服务模块发送的提取的人脸特征值,将之存储至人脸特征值存储模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811539799.6A CN109711298B (zh) | 2018-12-14 | 2018-12-14 | 基于faiss的高效人脸特征值检索的方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811539799.6A CN109711298B (zh) | 2018-12-14 | 2018-12-14 | 基于faiss的高效人脸特征值检索的方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109711298A CN109711298A (zh) | 2019-05-03 |
CN109711298B true CN109711298B (zh) | 2021-02-12 |
Family
ID=66256653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811539799.6A Active CN109711298B (zh) | 2018-12-14 | 2018-12-14 | 基于faiss的高效人脸特征值检索的方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711298B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110929068B (zh) * | 2019-11-15 | 2022-06-21 | 南威软件股份有限公司 | 一种基于终端设备的人脸搜索方法 |
CN110941730B (zh) * | 2019-11-29 | 2020-12-08 | 南京甄视智能科技有限公司 | 基于人脸特征数据偏移的检索方法与装置 |
CN111026892B (zh) * | 2019-12-09 | 2022-08-16 | 南京甄视智能科技有限公司 | 人脸搜索能力管理*** |
CN111078914B (zh) * | 2019-12-18 | 2023-04-18 | 书行科技(北京)有限公司 | 重复图片检测方法与装置 |
CN111277982B (zh) * | 2020-01-08 | 2021-06-15 | 南京甄视智能科技有限公司 | 降低iot平台服务器消耗的人脸检索方法与*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526997A (zh) * | 2009-04-22 | 2009-09-09 | 无锡名鹰科技发展有限公司 | 嵌入式红外人脸图像识别方法及识别装置 |
CN108960111A (zh) * | 2018-06-26 | 2018-12-07 | 深圳市买买提信息科技有限公司 | 人脸识别方法、***及终端设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110122B (zh) * | 2009-12-24 | 2013-04-03 | 阿里巴巴集团控股有限公司 | 一种建立样本图片索引表和图片过滤、搜索方法及装置 |
US20140169663A1 (en) * | 2012-12-19 | 2014-06-19 | Futurewei Technologies, Inc. | System and Method for Video Detection and Tracking |
CN105243060B (zh) * | 2014-05-30 | 2019-11-08 | 小米科技有限责任公司 | 一种检索图片的方法及装置 |
CN105975948B (zh) * | 2016-05-23 | 2019-03-29 | 南京甄视智能科技有限公司 | 用于人脸识别的云服务平台架构 |
CN106055704B (zh) * | 2016-06-22 | 2020-02-04 | 重庆中科云丛科技有限公司 | 一种图像检索与匹配方法及*** |
CN108170732A (zh) * | 2017-12-14 | 2018-06-15 | 厦门市美亚柏科信息股份有限公司 | 人脸图片检索方法及计算机可读存储介质 |
CN108597065A (zh) * | 2018-03-12 | 2018-09-28 | 南京甄视智能科技有限公司 | 基于人脸识别的客流统计方法 |
-
2018
- 2018-12-14 CN CN201811539799.6A patent/CN109711298B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526997A (zh) * | 2009-04-22 | 2009-09-09 | 无锡名鹰科技发展有限公司 | 嵌入式红外人脸图像识别方法及识别装置 |
CN108960111A (zh) * | 2018-06-26 | 2018-12-07 | 深圳市买买提信息科技有限公司 | 人脸识别方法、***及终端设备 |
Non-Patent Citations (2)
Title |
---|
Face description with local binary patterns: application to face recognition;Timo,Ahonen等;《IEEE transactions on pattern analysis and machine intelligence》;20061030;第2037-2041页 * |
人脸表情识别中阈值自适应调整机制;李俊华等;《数据采集与处理》;20091226;第531-535页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109711298A (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711298B (zh) | 基于faiss的高效人脸特征值检索的方法和*** | |
US11048966B2 (en) | Method and device for comparing similarities of high dimensional features of images | |
AU2007325117B2 (en) | Identifying images using face recognition | |
CN103136228A (zh) | 一种图片搜索方法以及图片搜索装置 | |
US8498455B2 (en) | Scalable face image retrieval | |
CN110929125B (zh) | 搜索召回方法、装置、设备及其存储介质 | |
CN108009135B (zh) | 生成文档摘要的方法和装置 | |
CN109582813B (zh) | 一种文物展品的检索方法、装置、设备和存储介质 | |
US20180004815A1 (en) | Stop word identification method and apparatus | |
CN110597630B (zh) | 一种分布式***中内容资源的处理方法及*** | |
US11531839B2 (en) | Label assigning device, label assigning method, and computer program product | |
CN110765760B (zh) | 一种法律案件分配方法、装置、存储介质和服务器 | |
US10417042B2 (en) | Data persistence method and system thereof in stream computing | |
US20180276244A1 (en) | Method and system for searching for similar images that is nearly independent of the scale of the collection of images | |
CN109885651B (zh) | 一种问题推送方法和装置 | |
CN112418656A (zh) | 智能坐席分派方法、装置、计算机设备和存储介质 | |
CN109783678B (zh) | 一种图像搜索的方法及装置 | |
CN111444362A (zh) | 恶意图片拦截方法、装置、设备和存储介质 | |
CN104462347A (zh) | 关键词的分类方法及装置 | |
CN116719956B (zh) | 一种基于大数据的档案分类管理***和方法 | |
CN113779364A (zh) | 一种基于标签提取的搜索方法及其相关设备 | |
CN115578765A (zh) | 目标识别方法、装置、***及计算机可读存储介质 | |
Paredes et al. | A probabilistic model for user relevance feedback on image retrieval | |
CN111597368A (zh) | 一种数据处理方法及装置 | |
CN111460088A (zh) | 相似文本的检索方法、装置和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 210000 Longmian Avenue 568, High-tech Park, Jiangning District, Nanjing City, Jiangsu Province Patentee after: Xiaoshi Technology (Jiangsu) Co.,Ltd. Address before: 210000 Longmian Avenue 568, High-tech Park, Jiangning District, Nanjing City, Jiangsu Province Patentee before: NANJING ZHENSHI INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |