【技术实现步骤摘要】
人脸特征的处理方法、装置和存储介质
本专利技术涉及图像处理领域,具体而言,涉及一种人脸特征的处理方法、装置和存储介质。
技术介绍
目前,在对人脸特征进行处理时,需要训练深度网络模型,通过修改深度网络模型的特征输出维度来实现对人脸特征的压缩,比如,将1024维的人脸特征降低为256维的人脸特征。上述方法虽然可以实现对人脸特征的压缩,但是特征维度的切换,需要重新训练深度网络模型,从而大大增加了这种对人脸特征进行处理的成本。针对上述的对人脸特征进行处理的成本大的问题,目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种人脸特征的处理方法、装置和存储介质,以至少解决相关技术中对人脸特征进行处理的成本大的技术问题。根据本专利技术实施例的一个方面,提供了一种人脸特征的处理方法。该方法包括:在目标图像中对待识别人脸对象进行特征提取,得到第一数据类型的原始特征向量;对原始特征向量进行归一化处理,得到第一特征向量;对第一特征向量按照第一类型转换关系进行转换处理,得到第二数据类型的第二特征向量,其中,第二特征向量所占的存储空间小于原始特征向量所占的存储空间;获取预先存储的目标人脸对象的目标特征向量,且比对第二特征向量与目标特征向量,以获取待识别人脸对象与目标人脸对象之间的相似度;在相似度大于第一目标阈值的情况下,确定待识别人脸对象为目标人脸对象。根据本专利技术实施例的另一方面,还提供了一种人脸特征的处理装置。该装置包括:第一提取单元,用于在目标图像中对待识别人脸对象进行特征提取,得到第一数据类型的原始特征向量;第一处理单元,用于对原始特征向量进行归一化处理,得到 ...
【技术保护点】
1.一种人脸特征的处理方法,其特征在于,包括:在目标图像中对待识别人脸对象进行特征提取,得到第一数据类型的原始特征向量;对所述原始特征向量进行归一化处理,得到第一特征向量;对所述第一特征向量按照第一类型转换关系进行转换处理,得到第二数据类型的第二特征向量,其中,所述第二特征向量所占的存储空间小于所述原始特征向量所占的存储空间;获取预先存储的目标人脸对象的目标特征向量,且比对所述第二特征向量与所述目标特征向量,以获取所述待识别人脸对象与所述目标人脸对象之间的相似度;在所述相似度大于第一目标阈值的情况下,确定所述待识别人脸对象为所述目标人脸对象。
【技术特征摘要】
1.一种人脸特征的处理方法,其特征在于,包括:在目标图像中对待识别人脸对象进行特征提取,得到第一数据类型的原始特征向量;对所述原始特征向量进行归一化处理,得到第一特征向量;对所述第一特征向量按照第一类型转换关系进行转换处理,得到第二数据类型的第二特征向量,其中,所述第二特征向量所占的存储空间小于所述原始特征向量所占的存储空间;获取预先存储的目标人脸对象的目标特征向量,且比对所述第二特征向量与所述目标特征向量,以获取所述待识别人脸对象与所述目标人脸对象之间的相似度;在所述相似度大于第一目标阈值的情况下,确定所述待识别人脸对象为所述目标人脸对象。2.根据权利要求1所述的方法,其特征在于,在对所述第一特征向量按照第一类型转换关系进行转换处理,得到第二数据类型的第二特征向量之前,所述方法还包括:分别在多个图像样本中对人脸对象进行特征提取,得到所述第一数据类型的多个特征向量样本;对所述多个特征向量样本进行归一化处理;获取归一化处理后的所述多个特征向量样本的第一数据区间;对所述第一数据区间进行过滤处理,得到关键区间;基于所述关键区间确定所述第一类型转换关系。3.根据权利要求2所述的方法,其特征在于,基于所述关键区间确定所述第一类型转换关系包括:获取所述关键区间的第一上界数据、所述关键区间的第一下界数据、第二数据区间的第二上界数据和所述第二数据区间的第二下界数据,其中,所述第二数据区间与所述第二数据类型相关联;通过所述第一上界数据、所述第一下界数据、所述第二上界数据和所述第二下界数据,确定用于指示所述第一类型转换关系的目标模型。4.根据权利要求3所述的方法,其特征在于,得到所述第二数据类型的第二特征向量的过程包括:通过所述目标模型对所述第一特征向量中的特征数据进行处理,得到输出结果;在所述输出结果大于所述第二上界数据的情况下,将所述第二上界数据确定为所述第二特征向量的特征数据;在所述输出结果小于所述第二下界数据的情况下,将所述第二下界数据,确定为所述第二特征向量的特征数据;在所述输出结果大于等于所述第二下界数据且小于等于所述第二上界数据的情况下,将所述输出结果确定为所述第二特征向量的特征数据;通过所述第二特征向量的特征数据确定所述第二特征向量。5.根据权利要求2所述的方法,其特征在于,获取归一化处理后的所述多个特征向量样本的第一数据区间包括:获取归一化处理后的每个所述特征向量样本在多个维度上的特征数据,得到多个特征数据;确定与所述多个特征数据对应的所述第一数据区间。6.根据权利要求2所述的方法,其特征在于,对所述第一数据区间进行过滤处理,得到所述关键区间包括:从所述第一数据区间中,过滤掉大于第一特征数据且小于第二特征数据的特征数据,得到所述关键区间,其中,所述关键区间中的特征数据占所述第一数据区间中的特征数据的比例,大于第二目标阈值。7.根据权利要求1所述的方法,其特征在于,获取预先存储的目标人脸对象的目标特征向量包括:获取预先存储的多个预定人脸对象的特征向量,其中,每个所述预定人脸对象的特征向量为所述第二数据类型的归一化的特征向量;将遍历到的一个所述预定人脸对象的特征向量,确定为所述目标人脸对象的所述目标特征向量。8.根据权利要求1所述的方法,其特征在于,比对所述第二特征向量与所述目标特征向量,以获取所述待识别人脸对象与所述目标人...
【专利技术属性】
技术研发人员:陈超,吴佳祥,沈鹏程,王文全,李安平,梁亦聪,张睿欣,徐兴坤,李绍欣,汪铖杰,李季檩,黄飞跃,吴永坚,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。