CN112836077A - 特定人物检索方法、***、设备及存储介质 - Google Patents
特定人物检索方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN112836077A CN112836077A CN202110082869.5A CN202110082869A CN112836077A CN 112836077 A CN112836077 A CN 112836077A CN 202110082869 A CN202110082869 A CN 202110082869A CN 112836077 A CN112836077 A CN 112836077A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- gallery
- feature
- features
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000001514 detection method Methods 0.000 claims abstract description 52
- 238000000605 extraction Methods 0.000 claims description 14
- 230000001815 facial effect Effects 0.000 claims description 14
- 238000003491 array Methods 0.000 claims description 11
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 208000029152 Small face Diseases 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 235000021110 pickles Nutrition 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- 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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种特定人物检索方法、***、设备及存储介质，该方法包括：采集图库图像，对所述图库图像进行人脸检测，得到所述图库图像的人脸区域图像；对所述图库图像的人脸区域图像进行人脸特征提取，得到所述图库图像的人脸特征；基于所述图库图像的人脸特征建立人脸特征库，并建立所述人脸特征库的索引；获取特定人物图像，提取特定人物图像的人脸特征；基于所述人脸特征库的索引，查询与所述特定人物图像的人脸特征相似的图库图像。本发明提高了人脸检索的召回率，避免漏检，同时提高了检索速度。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种特定人物检索方法、***、设备及存储介质。
背景技术
随着互联网技术的不断发展，人脸搜索得到了越来越广泛的应用。现有的人脸搜索主要是针对社交网络，利用爬虫爬取网络上的博客、电子相册里面的图片，然后进行搜索。现有技术的问题在于：现有技术难以平衡人脸搜索的速度和性能，对于特定人物的检索，更加关心性能，性能主要是指召回率recall和查准率precision，其中召回率recall更加重要，可能会忽视了检索效率。同时由于目的不同，导致技术方案会有所偏重。现有技术的使用场景主要是针对用户上传的个人照片，场景相对比较简单，尤其对于人物照片、贴纸、壁画类图像较少，同时小脸也会影响召回率。此外，现有技术中对特定人物的检索一般使用特定人物接口，单独对每张图片进行特定人物识别，缺少直接对整个图像库检测的方法。
发明内容
针对现有技术中的问题，本发明的目的在于提供一种特定人物检索方法、***、设备及存储介质，提高人脸检索的召回率，避免漏检，同时提高检索速度。
本发明实施例提供一种特定人物检索方法，包括如下步骤：
采集图库图像，对所述图库图像进行人脸检测，得到所述图库图像的人脸区域图像；
对所述图库图像的人脸区域图像进行人脸特征提取，得到所述图库图像的人脸特征；
基于所述图库图像的人脸特征建立人脸特征库，并建立所述人脸特征库的索引；
获取特定人物图像，提取特定人物图像的人脸特征；
基于所述人脸特征库的索引，查询与所述特定人物图像的人脸特征相似的图库图像。
在一些实施例中，所述采集图库图像，包括如下步骤：
基于图库图像的url下载图库图像；
判断下载的图库图像是否存在小于预设像素的边；
如果是，则将所述图库图像进行放大，使得该小于预设像素的边缩放至等于所述预设像素。
在一些实施例中，对所述图库图像进行人脸检测，包括采用retinaface检测算法对所述图库图像进行人脸检测，且retinaface检测算法的得分阈值为0.05。
在一些实施例中，所述得到所述图库图像的人脸区域图像之后，还包括如下步骤：
对所述人脸区域图像进行仿射变换，使其对齐，并缩放至指定尺寸。
在一些实施例中，基于所述图库图像的人脸特征建立人脸特征库，包括如下步骤：
将检测到的人脸特征和所对应的图库图像的url分别存储于一特征数组和一url列表中，并保存所述特征数组的人脸特征的序号和url列表的url的序号的对应关系。
在一些实施例中，所述将检测到的人脸特征和所对应的图库图像的url分别存储于一特征数组和一url列表中，包括如下步骤：
在对所述图库图像检测的过程中，将每个检测得到的人脸特征和所对应的图库图像的url存储于一元组中，基于每张图库图像的所有人脸特征存储的数组形成一元组列表；
将每张图库图像中的所有人脸特征存储于一个图像特征文件中，所述图像特征文件以所对应的图库图像的url base64编码命名；
所有图库图像检测完成后，将所有元组列表中的元组的人脸特征和url分别取出，取出的人脸特征拼接为特征数组，取出的url拼接为url数列表，并保存所述特征数组的人脸特征的序号和url列表的url的序号的对应关系。
在一些实施例中，建立所述人脸特征库的索引，包括如下步骤：
将所述特征数组作为faiss的IVFPQ算法的输入，对所述特征数组中的所有人脸特征建立索引并保存。
在一些实施例中，基于所述人脸特征库的索引，查询与所述特定人物图像的人脸特征相似的图库图像，包括如下步骤：
使用faiss的IVFPQ算法的接口，通过所述特定人物图像的人脸特征查询所述人脸特征库的索引，获取与所述特定人物图像的人脸特征的相似度最高的第一数量的人脸特征的序号；
基于获取的人脸特征的序号获取所述url列表中所对应的url，作为输出的人脸检测结果。
在一些实施例中，获取与所述特定人物图像的人脸特征的相似度最高的第一数量的人脸特征的序号之后，还包括采用如下步骤进行扩展查询：
将与所述特定人物图像的人脸特征的相似度最高的第一数量的人脸特征的序号作为第一次检测得到的人脸特征的序号；
获取与所述特定人物图像的人脸特征的相似度最高的第二数量的人脸特征，第二数量小于等于第一数量；
将相似度最高的第二数量的人脸特征作为第二次检测的输入，重新使用faiss的IVFPQ算法的接口，获取与各个第二次检测输入的人脸特征相似度最高的第一数量的人脸特征的序号，得到第二数量*第一数量的人脸特征的序号，作为第二次检测得到的人脸特征的序号；
所述基于获取的人脸特征的序号获取所述url列表中所对应的url，包括基于第一次检测和第二次检测得到的人脸特征的序号，获取所述url列表中所对应的url。
在一些实施例中，所述查询与所述特定人物图像的人脸特征相似的图库图像之后，还包括如下步骤：
使用行人重检索的基于K相交近邻对所述相似的图库图像进行重排序。
在一些实施例中，所述查询与所述特定人物图像的人脸特征相似的图库图像之后，还包括如下步骤：
采用via图像标注工具人工检测所述人脸检测结果中的url所对应的图像是否包括特定人物人脸。
本发明实施例还提供一种特定人物检索***，用于实现所述的特定人物检索方法，其特征在于，所述***包括：
图像采集模块，用于采集图库图像；
图库建立模块，用于对所述图库图像进行人脸检测，得到所述图库图像的人脸区域图像，对所述图库图像的人脸区域图像进行人脸特征提取，得到所述图库图像的人脸特征，以及基于所述图库图像的人脸特征建立人脸特征库，并建立所述人脸特征库的索引；
特征提取模块，用于获取特定人物图像，提取特定人物图像的人脸特征；
人脸检索模块，用于基于所述人脸特征库的索引，查询与所述特定人物图像的人脸特征相似的图库图像。
本发明实施例还提供一种特定人物检索设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述的特定人物检索方法的步骤。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现所述的特定人物检索方法的步骤。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
本发明的特定人物检索方法、***、设备及存储介质具有如下有益效果：
本发明将特定人物检索分为建库和查库两部分。首先采集图库图像并提取人脸区域图像，提取人脸特征后，建立人脸特征库和索引，从而实现了建库的步骤，然后基于特定人物图像的人脸特征进行查库。因此，本发明可以实现基于整个图库的图像进行全面检索，在复杂场景且超大数据集下，提高人脸检索的召回率，避免漏检，同时提高检测速度，保证运营效率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
图1是本发明一实施例的特定人物检索方法的流程图；
图2是本发明一实施例的特定人物检索方法中建库的流程图；
图3是本发明一实施例的特定人物检索方法中查库的流程图；
图4是本发明一实施例的特定人物检索***的结构示意图；
图5是本发明一实施例的特定人物检索设备的结构示意图；
图6是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此，实际执行的顺序有可能根据实际情况改变。
如图1所示，本发明实施例提供一种特定人物检索方法，包括如下步骤：
S100：采集图库图像，对所述图库图像进行人脸检测，得到所述图库图像的人脸区域图像；
S200：对所述图库图像的人脸区域图像进行人脸特征提取，得到所述图库图像的人脸特征；
S300：基于所述图库图像的人脸特征建立人脸特征库，并建立所述人脸特征库的索引；
S400：获取特定人物图像，提取特定人物图像的人脸特征；
S500：基于所述人脸特征库的索引，查询与所述特定人物图像的人脸特征相似的图库图像。
本发明的特定人物检索方法中，将特定人物检索分为建库和查库两部分。首先通过步骤S100采集图库图像并提取人脸区域图像，通过步骤S200提取人脸特征后，通过步骤S300建立人脸特征库和索引，从而实现了建库的步骤，然后通过步骤S400和步骤S500基于特定人物图像的人脸特征进行查库。因此，本发明可以实现基于整个图库的图像进行全面检索，在复杂场景且超大数据集下，提高人脸检索的召回率，避免漏检，同时提高检测速度，保证运营效率。
在该实施例中，所述步骤S100：采集图库图像，包括如下步骤：
基于图库图像的url(Uniform Resource Locator，统一资源***)下载图库图像；
判断下载的图库图像是否存在小于预设像素的边；
如果是，则将所述图库图像进行放大，使得该小于预设像素的边缩放至等于所述预设像素；
如果否，则无需调整下载的图库图像。
例如，对于图库中的每张图像，先使用图像的url下载图像，查看下载的图像的尺度，如果高宽中某个尺度小于1000个像素，则等比例缩放图像使其最小边等于1000。此处，预设像素的值可以根据需要设定和调整，而不以此处举例的为限。该实施例通过在建库时对输入的图库图像进行适当放大，用于提高人脸检测算法对于小脸(例如10*10)的检测准确率。
在该实施例中，对所述图库图像进行人脸检测，包括采用retinaface检测算法对所述图库图像进行人脸检测，且retinaface检测算法的得分阈值为0.05等。本发明通过设定较小的得分阈值，可以尽可能检测较多的人脸。
如图2所示，在该实施例中，所述步骤S100中，得到所述图库图像的人脸区域图像之后，还包括如下步骤：
对所述人脸区域图像进行仿射变换，使其对齐，并缩放至指定尺寸，例如统一缩放112*112尺寸，但本发明不以此为限。
在该实施例中，采用ArcFace算法对对齐缩放后的人脸区域图像进行特征提取，得到每个人脸区域图像的人脸特征。在其他可替代的实施方式中，还可以采用其他的特征提取算法，而不限于arcface算法。
因此，该实施例中，为了提高建库速度，将建库过程分为两部分：人脸检测、人脸对齐与人脸特征提取。这两部分分先后进行处理，同时可以使用batch批推理和多进程提高建库速度。
在该实施例中，所述步骤S300：基于所述图库图像的人脸特征建立人脸特征库，包括如下步骤：
将检测到的人脸特征和所对应的图库图像的url分别存储于一特征数组和一url列表中，并保存所述特征数组的人脸特征的序号和url列表的url的序号的对应关系。
进一步地，所述将检测到的人脸特征和所对应的图库图像的url分别存储于一特征数组和一url列表中，包括如下步骤：
在对所述图库图像检测的过程中，将每个检测得到的人脸特征和所对应的图库图像的url存储于一元组中，基于每张图库图像的所有人脸特征存储的数组形成一元组列表；
将每张图库图像中的所有人脸特征存储于一图像特征文件中，所述图像特征文件以所对应的图库图像的url base64编码命名；
例如，每个人脸特征为长512维的float32类型的列表list，每个人脸保存(url,feature)的tuple数组，其中url为图像的url，feature为人脸特征，一张图像的人脸特征为数组列表list of tuple。然后将一张图像中的所有人脸特征存为在硬盘上的pickle格式文件即图像特征文件，pickle文件名取url经过base64编码后的名字。如果图片中没有人脸，则该图像存为空list的pickle文件。
所有图库图像检测完成后，将所有数组列表中的数组的人脸特征和url分别取出，取出的人脸特征拼接为特征数组，取出的url拼接为url数列表，并保存所述特征数组的人脸特征的序号和url列表的url的序号的对应关系；
例如，将所有图像中所有人脸特征提取提取完毕之后，将所有列表list中tuple数组的url和人脸特征feature分别取出，url通过pickle转化并拼接为url列表list，人脸特征feature拼接为numpy数组即特征数组，大小为(n,512)，n为人脸的数量，此处url和人脸特征feature的一一对应顺序不变，方便后续查询时根据人脸特征的序号获取url。
在该实施例中，所述步骤S300：建立所述人脸特征库的索引，包括如下步骤：
将所述特征数组作为faiss的IVFPQ算法的输入，对所述特征数组中的所有人脸特征建立索引并保存。
例如，通过faiss库的IVFPQ算法使用人脸特征feature的numpy数组作为输入，对所有人脸特征进行训练以建立索引，之后保存索引，用于后续的查询。
在该实施例中，所述步骤S400中获取特定人物图像，可以是获取特定人物的一张图像，也可以是获取同一个特定人物的多张不同角度的图像。所述步骤S400中提取特定人物图像的人脸特征可以采用建库时的人脸特征提取方法，即首先使用retinaface进行人脸检测，得到人脸区域图像，然后使用arcface提取人脸区域图像中的人脸特征，但本发明不限于此。
在该实施例中，所述步骤S500：基于所述人脸特征库的索引，查询与所述特定人物图像的人脸特征相似的图库图像，包括如下步骤：
使用faiss的IVFPQ算法的接口，通过所述特定人物图像的人脸特征查询所述人脸特征库的索引，获取与所述特定人物图像的人脸特征的相似度最高的第一数量的人脸特征的序号；此处可以采用计算欧氏距离的方式来确定相似度，两个特征向量之间的欧式距离越小，两个特征向量之间的相似度越高；
基于获取的人脸特征的序号获取所述url列表中所对应的url，作为输出的人脸检测结果。
如图3所示，对一张输入的特定人物图像，使用与建库类似的流程提取图像中的人脸的特征向量。此处假设输入的特定人物图像中只有一个人脸，在其他实施方式中多个人脸也可采用同样的方法。使用faiss的IVFPQ算法提供的接口，通过人脸特征向量查询索引，找到与查询特征向量欧式距离最近的前m个特征向量的序号及对应的欧式距离，然后将序号转化为对应的url，此处m即对应于第一数量。
在该实施例中，获取与所述特定人物图像的人脸特征的相似度最高的第一数量的人脸特征的序号之后，还包括采用如下步骤进行扩展查询：
将与所述特定人物图像的人脸特征的相似度最高的第一数量的人脸特征的序号作为第一次检测得到的人脸特征的序号；
获取与所述特定人物图像的人脸特征的相似度最高的第二数量的人脸特征，第二数量小于等于第一数量；
将相似度最高的第二数量的人脸特征作为第二次检测的输入，重新使用faiss的IVFPQ算法的接口，获取与各个第二次检测输入的人脸特征相似度最高的第一数量的人脸特征的序号，得到第二数量*第一数量的人脸特征的序号，作为第二次检测得到的人脸特征的序号；
所述基于获取的人脸特征的序号获取所述url列表中所对应的url，包括基于第一次检测和第二次检测得到的人脸特征的序号，获取所述url列表中所对应的url。
实际应用中可以使用同一个人的多张不同的图像同时进行查询，以提高召回率。同样假设输入图像中只有一个人脸。每张输入图像都会返回m个url及其欧式距离dist。将m个近似人脸中欧式距离最小的前3个特征向量重新进行索引，返回3*m个结果。此处3即对应于第二数量，但本发明不限于此。在其他实施方式中，第二数量也可以选择为其他值。重检索后相当于每个人脸特征会返回4*m个结果。假设有p张同一个人的不同照片，则查询会返回p*4*m个结果，对这些结果按欧式距离dist进行排序并只输出对应的url。
本发明为了提高查库速度，可以手动进行分块操作，例如将人脸特征库随机划分为10个块，每个块上再使用IVFPQ建立索引和特征查询，同时调整IVFPQ算法的分桶参数nlist为最大，检索时设置较小的查询桶数nprobe。
在该实施例中，所述查询与所述特定人物图像的人脸特征相似的图库图像之后，还包括如下步骤：
使用行人重检索(ReID)的基于K相交近邻对所述相似的图库图像进行重排序(Re-rank)。
因此，本发明可以在查库时输入特定人物的多张不同的图像，包括年龄、姿态、表情、光照等不同角度的图像，同时可以对每张查询图像的查询结果进行重检索，最后对多张图像的查询结果和重检索结果进行重排序，提高检索的召回率和检索效率。本发明采用欧式距离为例进行说明相似度的计算，在其他可替代的实施方式中，也可以采用其他相似度计算方式，例如余弦相似度等，均属于本发明的保护范围之内。
在该实施例中，所述查询与所述特定人物图像的人脸特征相似的图库图像之后，还包括如下步骤：
采用via图像标注工具人工检测所述人脸检测结果中的url所对应的图像是否包括特定人物人脸。
如图4所示，本发明实施例还提供一种特定人物检索***，用于实现所述的特定人物检索方法，其特征在于，所述***包括：
图像采集模块M100，用于采集图库图像；
图库建立模块M200，用于对所述图库图像进行人脸检测，得到所述图库图像的人脸区域图像，对所述图库图像的人脸区域图像进行人脸特征提取，得到所述图库图像的人脸特征，以及基于所述图库图像的人脸特征建立人脸特征库，并建立所述人脸特征库的索引；
特征提取模块M300，用于获取特定人物图像，提取特定人物图像的人脸特征；
人脸检索模块M400，用于基于所述人脸特征库的索引，查询与所述特定人物图像的人脸特征相似的图库图像。
本发明的特定人物检索***中，将特定人物检索分为建库和查库两部分。首先通过图像采集模块M100采集图库图像并通过图库建立模块M200提取人脸区域图像，通过图库建立模块M200提取人脸特征后，通过图库建立模块M200建立人脸特征库和索引，从而实现了建库的步骤，然后通过特征提取模块M300和人脸检索模块M400基于特定人物图像的人脸特征进行查库。因此，本发明可以实现基于整个图库的图像进行全面检索，在复杂场景且超大数据集下，提高人脸检索的召回率，避免漏检，同时提高检测速度，保证运营效率。
在该实施例中，所述图像采集模块M100采集图库图像包括基于图库图像的url下载图库图像；判断下载的图库图像是否存在小于预设像素的边；如果是，则将该小于预设像素的边缩放至等于所述预设像素；如果否，则无需调整下载的图库图像。
在该实施例中，所述图库建立模块M200还用于得到所述图库图像的人脸区域图像之后，对所述人脸区域图像进行仿射变换，使其对齐，并缩放至指定尺寸，然后采用arcface算法对对齐缩放后的人脸区域图像进行特征提取，得到每个人脸区域图像的人脸特征。
在该实施例中，所述图库建立模块M200基于所述图库图像的人脸特征建立人脸特征库包括：在对所述图库图像检测的过程中，将每个检测得到的人脸特征和所对应的图库图像的url存储于一数组中，基于每张图库图像的所有人脸特征存储的数组形成一数组列表；将每张图库图像中的所有人脸特征存储于一图像特征文件中，所述图像特征文件以所对应的图库图像的url映射值命名；所有图库图像检测完成后，将所有数组列表中的数组的人脸特征和url分别取出，取出的人脸特征拼接为特征数组，取出的url拼接为url数列表，并保存所述特征数组的人脸特征的序号和url列表的url的序号的对应关系。
在该实施例中，所述图库建立模块M200建立所述人脸特征库的索引，包括：将所述特征数组作为faiss的IVFPQ算法的输入，对所述特征数组中的所有人脸特征建立索引并保存。
在该实施例中，所述特征提取模块M300提取特定人物的人脸特征可以采用所述图库建立模块M200提取人脸特征的方法，但本发明不限于此。
在该实施例中，所述人脸检索模块M400查询与所述特定人物图像的人脸特征相似的图库图像，包括：使用faiss的IVFPQ算法的接口，通过所述特定人物图像的人脸特征查询所述人脸特征库的索引，获取与所述特定人物图像的人脸特征的相似度最高的第一数量的人脸特征的序号；此处可以采用计算欧氏距离的方式来确定相似度，两个特征向量之间的欧式距离越小，两个特征向量之间的相似度越高；基于获取的人脸特征的序号获取所述url列表中所对应的url，作为输出的人脸检测结果。
本发明实施例还提供一种特定人物检索设备，包括处理器；存储器，其中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行所述的特定人物检索方法的步骤。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为***、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
下面参照图5来描述根据本发明的这种实施方式的电子设备600。图5显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同***组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述特定人物检索方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
所述特定人物检索设备中，所述存储器中的程序被处理器执行时实现所述的特定人物检索方法的步骤，因此，所述计算机存储介质也可以获得上述特定人物检索方法的技术效果。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现所述的特定人物检索方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上执行时，所述程序代码用于使所述终端设备执行本说明书上述特定人物检索方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上执行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
所述计算机存储介质中的程序被处理器执行时实现所述的特定人物检索方法的步骤，因此，所述计算机存储介质也可以获得上述特定人物检索方法的技术效果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (14)
1.一种特定人物检索方法，其特征在于，包括如下步骤：
采集图库图像，对所述图库图像进行人脸检测，得到所述图库图像的人脸区域图像；
对所述图库图像的人脸区域图像进行人脸特征提取，得到所述图库图像的人脸特征；
基于所述图库图像的人脸特征建立人脸特征库，并建立所述人脸特征库的索引；
获取特定人物图像，提取特定人物图像的人脸特征；
基于所述人脸特征库的索引，查询与所述特定人物图像的人脸特征相似的图库图像。
2.根据权利要求1所述的特定人物检索方法，其特征在于，所述采集图库图像，包括如下步骤：
基于图库图像的url下载图库图像；
判断下载的图库图像是否存在小于预设像素的边；
如果是，则将所述图库图像进行放大，使得该小于预设像素的边缩放至等于所述预设像素。
3.根据权利要求1所述的特定人物检索方法，其特征在于，对所述图库图像进行人脸检测，包括采用retinaface检测算法对所述图库图像进行人脸检测，且retinaface检测算法的得分阈值为0.05。
4.根据权利要求1所述的特定人物检索方法，其特征在于，所述得到所述图库图像的人脸区域图像之后，还包括如下步骤：
对所述人脸区域图像进行仿射变换，使其对齐，并缩放至指定尺寸。
5.根据权利要求1所述的特定人物检索方法，其特征在于，基于所述图库图像的人脸特征建立人脸特征库，包括如下步骤：
将检测到的人脸特征和所对应的图库图像的url分别存储于一特征数组和一url列表中，并保存所述特征数组的人脸特征的序号和url列表的url的序号的对应关系。
6.根据权利要求5所述的特定人物检索方法，其特征在于，所述将检测到的人脸特征和所对应的图库图像的url分别存储于一特征数组和一url列表中，包括如下步骤：
在对所述图库图像检测的过程中，将每个检测得到的人脸特征和所对应的图库图像的url存储于一元组中，基于每张图库图像的所有人脸特征存储的数组形成一元组列表；
将每张图库图像中的所有人脸特征存储于一个图像特征文件中，所述图像特征文件以所对应的图库图像的urlbase64编码命名；
所有图库图像检测完成后，将所有元组列表中的元组的人脸特征和url分别取出，取出的人脸特征拼接为特征数组，取出的url拼接为url数列表，并保存所述特征数组的人脸特征的序号和url列表的url的序号的对应关系。
7.根据权利要求5所述的特定人物检索方法，其特征在于，建立所述人脸特征库的索引，包括如下步骤：
将所述特征数组作为faiss的IVFPQ算法的输入，对所述特征数组中的所有人脸特征建立索引并保存。
8.根据权利要求7所述的特定人物检索方法，其特征在于，基于所述人脸特征库的索引，查询与所述特定人物图像的人脸特征相似的图库图像，包括如下步骤：
使用faiss的IVFPQ算法的接口，通过所述特定人物图像的人脸特征查询所述人脸特征库的索引，获取与所述特定人物图像的人脸特征的相似度最高的第一数量的人脸特征的序号；
基于获取的人脸特征的序号获取所述url列表中所对应的url，作为输出的人脸检测结果。
9.根据权利要求8所述的特定人物检索方法，其特征在于，获取与所述特定人物图像的人脸特征的相似度最高的第一数量的人脸特征的序号之后，还包括采用如下步骤进行扩展查询：
将与所述特定人物图像的人脸特征的相似度最高的第一数量的人脸特征的序号作为第一次检测得到的人脸特征的序号；
获取与所述特定人物图像的人脸特征的相似度最高的第二数量的人脸特征，第二数量小于等于第一数量；
将相似度最高的第二数量的人脸特征作为第二次检测的输入，重新使用faiss的IVFPQ算法的接口，获取与各个第二次检测输入的人脸特征相似度最高的第一数量的人脸特征的序号，得到第二数量*第一数量的人脸特征的序号，作为第二次检测得到的人脸特征的序号；
所述基于获取的人脸特征的序号获取所述url列表中所对应的url，包括基于第一次检测和第二次检测得到的人脸特征的序号，获取所述url列表中所对应的url。
10.根据权利要求8所述的特定人物检索方法，其特征在于，所述查询与所述特定人物图像的人脸特征相似的图库图像之后，还包括如下步骤：
使用行人重检索的基于K相交近邻对所述相似的图库图像进行重排序。
11.根据权利要求8所述的特定人物检索方法，其特征在于，所述查询与所述特定人物图像的人脸特征相似的图库图像之后，还包括如下步骤：
采用via图像标注工具人工检测所述人脸检测结果中的url所对应的图像是否包括特定人物人脸。
12.一种特定人物检索***，用于实现权利要求1至11中任一项所述的特定人物检索方法，其特征在于，所述***包括：
图像采集模块，用于采集图库图像；
图库建立模块，用于对所述图库图像进行人脸检测，得到所述图库图像的人脸区域图像，对所述图库图像的人脸区域图像进行人脸特征提取，得到所述图库图像的人脸特征，以及基于所述图库图像的人脸特征建立人脸特征库，并建立所述人脸特征库的索引；
特征提取模块，用于获取特定人物图像，提取特定人物图像的人脸特征；
人脸检索模块，用于基于所述人脸特征库的索引，查询与所述特定人物图像的人脸特征相似的图库图像。
13.一种特定人物检索设备，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至11中任一项所述的特定人物检索方法的步骤。
14.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现权利要求1至11中任一项所述的特定人物检索方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110082869.5A CN112836077B (zh) | 2021-01-21 | 2021-01-21 | 特定人物检索方法、***、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110082869.5A CN112836077B (zh) | 2021-01-21 | 2021-01-21 | 特定人物检索方法、***、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112836077A true CN112836077A (zh) | 2021-05-25 |
| CN112836077B CN112836077B (zh) | 2024-03-12 |
Family
ID=75929380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110082869.5A Active CN112836077B (zh) | 2021-01-21 | 2021-01-21 | 特定人物检索方法、***、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112836077B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115599791A (zh) * | 2022-11-15 | 2023-01-13 | 以萨技术股份有限公司（Cn） | 一种Milvus数据库参数确定方法、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101211365A (zh) * | 2006-12-28 | 2008-07-02 | 国际商业机器公司 | 用于建立搜索索引的方法和*** |
| US20160132720A1 (en) * | 2014-11-07 | 2016-05-12 | Noblis, Inc. | Vector-based face recognition algorithm and image search system |
| CN109241325A (zh) * | 2018-09-11 | 2019-01-18 | 武汉魅瞳科技有限公司 | 一种基于深度特征的大规模人脸检索方法和设备 |
| CN111709303A (zh) * | 2020-05-21 | 2020-09-25 | 北京明略软件***有限公司 | 一种人脸图像的识别方法和装置 |
| CN111753923A (zh) * | 2020-07-02 | 2020-10-09 | 携程计算机技术（上海）有限公司 | 基于人脸的智能相册聚类方法、***、设备及存储介质 |
-
2021
- 2021-01-21 CN CN202110082869.5A patent/CN112836077B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101211365A (zh) * | 2006-12-28 | 2008-07-02 | 国际商业机器公司 | 用于建立搜索索引的方法和*** |
| US20160132720A1 (en) * | 2014-11-07 | 2016-05-12 | Noblis, Inc. | Vector-based face recognition algorithm and image search system |
| CN109241325A (zh) * | 2018-09-11 | 2019-01-18 | 武汉魅瞳科技有限公司 | 一种基于深度特征的大规模人脸检索方法和设备 |
| CN111709303A (zh) * | 2020-05-21 | 2020-09-25 | 北京明略软件***有限公司 | 一种人脸图像的识别方法和装置 |
| CN111753923A (zh) * | 2020-07-02 | 2020-10-09 | 携程计算机技术（上海）有限公司 | 基于人脸的智能相册聚类方法、***、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 王成济 等: "一种多层特征融合的人脸检测方法", 《智能***学报》, vol. 13, no. 1, pages 138 - 146 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115599791A (zh) * | 2022-11-15 | 2023-01-13 | 以萨技术股份有限公司（Cn） | 一种Milvus数据库参数确定方法、设备及存储介质 |
| CN115599791B (zh) * | 2022-11-15 | 2023-03-10 | 以萨技术股份有限公司 | 一种Milvus数据库参数确定方法、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112836077B (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7860317B2 (en) | Generating search results based on duplicate image detection | |
| CN101587478B (zh) | 图像训练、自动标注、检索方法及装置 | |
| US20150193528A1 (en) | Identifying Textual Terms in Response to a Visual Query | |
| US20120072410A1 (en) | Image Search by Interactive Sketching and Tagging | |
| CN113434716B (zh) | 一种跨模态信息检索方法和装置 | |
| CN114153795A (zh) | 智能调取电子档案的方法、装置、电子设备和存储介质 | |
| JP6615225B2 (ja) | 画像処理装置、画像検索インタフェース表示装置、及び画像検索インタフェースの表示方法 | |
| CN112287144B (zh) | 图片检索方法、设备及存储介质 | |
| CN108062422B (zh) | 一种分页查询的排序方法、智能终端、***及存储介质 | |
| CN116662839A (zh) | 基于多维智能采集的关联大数据聚类分析方法及装置 | |
| CN111126054A (zh) | 确定相似文本的方法、装置、存储介质及电子设备 | |
| CN112836077A (zh) | 特定人物检索方法、***、设备及存储介质 | |
| JP2002007413A (ja) | 画像検索装置 | |
| CN111651625A (zh) | 图像检索方法、装置、电子设备及存储介质 | |
| CN114020948B (zh) | 基于排序聚类序列辨别选择的草图图像检索方法及*** | |
| CN112199531B (zh) | 一种基于哈希算法和邻域图的跨模态检索方法及装置 | |
| CN111444159B (zh) | 精算数据处理方法、装置、电子设备及存储介质 | |
| CN111783786B (zh) | 图片的识别方法、***、电子设备及存储介质 | |
| CN115098534A (zh) | 基于索引权重提升的数据查询方法、装置、设备及介质 | |
| CN113986823A (zh) | 一种通信机房的图片归档方法、装置、介质及设备 | |
| CN113486148A (zh) | Pdf文件的转换方法、装置、电子设备以及计算机可读介质 | |
| CN112328743A (zh) | 代码搜索方法、装置、可读存储介质和电子设备 | |
| JP2000231560A (ja) | 文書自動分類方式 | |
| CN117573916B (zh) | 一种海洋无人机图像文本的检索方法、设备及存储介质 | |
| CN118035478A (zh) | 跨设备采集图像的检索排序方法、装置、设备及介质 |
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 |