人脸识别方法和系统技术方案

本发明专利技术关于一种人脸识别方法和系统，涉及信息技术领域，主要目的在于相比于现有技术，通过较少的运算量即可完成人脸识别。方法包括：将已收集的人脸图片进行聚类得到多个第1层分类，并通过迭代方式继续对至少一个第i层分类中的人脸图片进行聚类得到多个第i+1层分类；识别出目标人脸图片所属的第1层分类，并通过迭代方式继续在目标人脸图片所属的第j层分类中识别出目标人脸图片所属的第j+1层分类；通过迭代方式直至在目标人脸图片所属的第j层分类中不存在第j+1层分类时，从目标人脸图片所属的第j层分类中，识别出目标人脸图片的相似人脸图片。相对于现有的技术方案，本发明专利技术的技术方案中的计算量非常小，大大提高了人脸识别效率。

【技术实现步骤摘要】
人脸识别方法和系统
本专利技术涉及信息
，具体而言，涉及一种人脸识别方法和系统。
技术介绍
目前，对大规模人脸进行检索，需要进行的工作是首先对人脸数据进行特征提取和量化，经过这些工作后，每张人脸可以得到对应的多维特征数据；并通过比较两张人脸图像的特征数据来判定两张人脸图像是否相似。而在大规模的人脸数据中，寻找相似人脸需要对每张图像进行计算，找到最近的人脸数据，需要极大的计算量。现有方案为直接对本地库中海量人脸图片进行聚类，将目标人脸图片依次和每个聚类进行比较以找到其所属聚类，再在所属聚类中与每张人脸图片比较以找到相似人脸图片。这种方案一定程度加速了人脸搜索过程，但在大规模人脸搜索中，此方案仍然需要进行极大的计算量：若聚类设置较少，则每个聚类中数据规模会比较大，在聚类中进行搜索将耗费大量运算时间；若划分聚类过多，则找到所属聚类就需要较大计算量，都无法满足搜索引擎的实时性要求。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的人脸识别方法和系统。依据本专利技术的一个方面，提供了一种人脸识别方法，其包括：将已收集的人脸图片进行聚类得到多个第1层分类，并通过迭代方式继续对至少一个第i层分类中的人脸图片进行聚类得到多个第i+1层分类，i从1向后进行整数取值；识别出目标人脸图片所属的第1层分类，并通过迭代方式继续在所述目标人脸图片所属的第j层分类中识别出所述目标人脸图片所属的第j+1层分类，j从1向后依序进行整数取值；通过所述迭代方式直至在所述目标人脸图片所属的第j层分类中不存在第j+1层分类时，从所述目标人脸图片所属的第j层分类中，识别出所述目标人脸图片的相似人脸图片。可选地，前述的人脸识别方法，其中，所述将已收集的人脸图片进行聚类得到多个第1层分类的步骤包括：根据所述已收集的人脸图片的特征，生成所述已收集的人脸图片的特征向量；设置多个初始中心点，并根据所述已收集的人脸图片的特征向量与每个所述初始中心点的距离远近，将所述已收集的人脸图片分为多个第1层分类，并根据每个第1层分类的人脸图片的特征向量，计算所述每个第1层分类的向量中心点。可选地，前述的人脸识别方法，其中，所述将已收集的人脸图片进行聚类得到多个第1层分类的步骤还包括：计算所述每个第1层分类的初始中心点与向量中心点之间的方差；如所述方差的大小超过预设阈值，则重新设置初始中心点，并重新将所述已收集的人脸图片分为多个第1层分类，并重新计算所述每个第1层分类的向量中心点。可选地，前述的人脸识别方法，其中，所述识别出目标人脸图片所属的第1层分类的步骤包括：根据所述目标人脸图片的特征，生成所述目标人脸图片的特征向量；选择向量中心点与所述目标人脸图片的特征向量之间距离最小的第1层分类，作为所述目标人脸图片所属的第1层分类。可选地，前述的人脸识别方法，其中，所述识别出所述目标人脸图片的相似人脸图片的步骤包括：从所述第j层分类的人脸图片中，选择特征向量与所述目标人脸图片的特征向量之间距离最小的至少一张人脸图片，作为所述目标人脸图片的所述相似人脸图片。依据本专利技术的另一方面，还提供了一种人脸识别系统，其包括：分类模块，用于将已收集的人脸图片进行聚类得到多个第1层分类，并通过迭代方式继续对至少一个第i层分类中的人脸图片进行聚类得到多个第i+1层分类，i从1向后依序进行整数取值；分类迭代识别模块，用于识别出目标人脸图片所属的第1层分类，并通过迭代方式继续在所述目标人脸图片所属的第j层分类中识别出所述目标人脸图片所属的第j+1层分类，j从1向后进行整数取值；相似人脸图片识别模块，用于在所述目标人脸图片所属的第j层分类中不存在第j+1层分类时，从所述目标人脸图片所属的第j层分类中，识别出所述目标人脸图片的相似人脸图片。可选地，前述的人脸识别系统，其中，还包括：第一特征向量生成模块，用于根据所述已收集的人脸图片的特征，生成所述已收集的人脸图片的特征向量；所述分类模块设置多个初始中心点，并根据所述已收集的人脸图片的特征向量与每个所述初始中心点的距离远近，将所述已收集的人脸图片分为多个第1层分类，并根据每个第1层分类的人脸图片的特征向量，计算所述每个第1层分类的向量中心点。可选地，前述的人脸识别系统，其中，还包括：方差计算模块，计算所述每个第1层分类的初始中心点与向量中心点之间的方差；如所述方差的大小超过预设阈值，则所述分类模块重新设置初始中心点，并重新将所述已收集的人脸图片分为多个第1层分类，并重新计算所述每个第1层分类的向量中心点。可选地，前述的人脸识别系统，其中，还包括：第二特征向量生成模块，用于根据所述目标人脸图片的特征，生成所述目标人脸图片的特征向量；所述分类模块选择向量中心点与所述目标人脸图片的特征向量之间距离最小的第1层分类，作为所述目标人脸图片所属的第1层分类。可选地，前述的人脸识别系统，其中，所述相似人脸图片识别模块从所述第j层分类的人脸图片中，选择特征向量与所述目标人脸图片的特征向量之间距离最小的至少一张人脸图片，作为所述目标人脸图片的所述相似人脸图片。根据本专利技术的人脸识别方法和系统，通过对聚类上一层聚类结果进行再次划分聚类，通过迭代方式将已收集的人脸图片聚类为多层结构，以及通过迭代方式逐层寻找目标人脸图片的所属分类，直至最终找到目标人脸图片的相似人脸图片；相对于现有的技术方案，本专利技术的技术方案中的计算量非常小，大大提高了人脸识别效率。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了根据本专利技术的一个实施例的人脸识别方法的流程图；图2示出了根据本专利技术的一个实施例的人脸识别方法的工作示意图；图3示出了根据本专利技术的一个实施例的人脸识别方法的流程图；图4示出了根据本专利技术的一个实施例的人脸识别方法的流程图；图5示出了根据本专利技术的一个实施例的人脸识别方法的流程图；图6示出了根据本专利技术的一个实施例的人脸识别系统的框图；图7示出了根据本专利技术的一个实施例的人脸识别方法的框图；图8示出了根据本专利技术的一个实施例的人脸识别方法的框图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。如图所示，本专利技术的一个实施例提供了一种人脸识别方法，其包括：步骤110，将已收集的人脸图片进行聚类得到多个第1层分类，并通过迭代方式继续对至少一个第i层分类中的人脸图片进行聚类得到多个第i+1层分类，i从1向后进行整数取值。本实施例中，形成的多层分类结构如图2所示，例如，其中C1分类包括C11……C1m等多个分类，C11分类中又包括CN1、CN2等分类。步骤120，识别出目标人本文档来自技高网...

【技术保护点】
一种人脸识别方法，其包括：将已收集的人脸图片进行聚类得到多个第1层分类，并通过迭代方式继续对至少一个第i层分类中的人脸图片进行聚类得到多个第i+1层分类，i从1向后进行整数取值；识别出目标人脸图片所属的第1层分类，并通过迭代方式继续在所述目标人脸图片所属的第j层分类中识别出所述目标人脸图片所属的第j+1层分类，j从1向后依序进行整数取值；通过所述迭代方式直至在所述目标人脸图片所属的第j层分类中不存在第j+1层分类时，从所述目标人脸图片所属的第j层分类中，识别出所述目标人脸图片的相似人脸图片。

【技术特征摘要】
1.一种人脸识别方法，其包括：将已收集的人脸图片进行聚类得到多个第1层分类，并通过迭代方式继续对至少一个第i层分类中的人脸图片进行聚类得到多个第i+1层分类，i从1向后进行整数取值，其中，至少一个分类中包含n个对应的下层分类，n>2；识别出目标人脸图片所属的第1层分类，并通过迭代方式继续在所述目标人脸图片所属的第j层分类中识别出所述目标人脸图片所属的第j+1层分类，j从1向后依序进行整数取值；通过所述迭代方式直至在所述目标人脸图片所属的第j层分类中不存在第j+1层分类时，从所述目标人脸图片所属的第j层分类中，识别出所述目标人脸图片的相似人脸图片；所述将已收集的人脸图片进行聚类得到多个第1层分类的步骤包括：根据所述已收集的人脸图片的特征，生成所述已收集的人脸图片的特征向量；设置多个初始中心点，并根据所述已收集的人脸图片的特征向量与每个所述初始中心点的距离远近，将所述已收集的人脸图片分为多个第1层分类，并根据每个第1层分类的人脸图片的特征向量，计算所述每个第1层分类的向量中心点；其中，所述将已收集的人脸图片进行聚类得到多个第1层分类的步骤还包括：计算所述每个第1层分类的初始中心点与向量中心点之间的方差；如所述方差的大小超过预设阈值，则重新设置初始中心点，并重新将所述已收集的人脸图片分为多个第1层分类，并重新计算所述每个第1层分类的向量中心点。2.根据权利要求1所述的人脸识别方法，其中，所述识别出目标人脸图片所属的第1层分类的步骤包括：根据所述目标人脸图片的特征，生成所述目标人脸图片的特征向量；选择向量中心点与所述目标人脸图片的特征向量之间距离最小的第1层分类，作为所述目标人脸图片所属的第1层分类。3.根据权利要求1-2任一项所述的人脸识别方法，其中，所述识别出所述目标人脸图片的相似人脸图片的步骤包括：从所述第j层分类的人脸图片中，选择特征向量与所述目标人脸图片的特征向量之间距离最小的至少一张人脸图片，作为所述目标人脸...

【专利技术属性】
技术研发人员：朱茂清，李璋，韩玉刚，
申请(专利权)人：北京奇虎科技有限公司，奇智软件北京有限公司，
类型：发明
国别省市：北京;11