【技术实现步骤摘要】
人脸相似度识别方法和系统
本专利技术涉及计算机技术
,具体而言,涉及一种人脸相似度识别方法和系统。
技术介绍
现有技术中的人脸相似度计算,是通过将不同的人脸图片裁剪并转化为单通道图像,获取单通道图像的直方图,以及通过比较不同人脸图片的直方图之间的差异,来计算不同人脸之间的相似度。上述方案的缺陷在于:同一人脸上出现表情、化妆、脸角度等方面发生变化之后,会造成同一人脸的不同图片之间的直方图出现非常大的差异,则基于直方图进行人脸相似度的计算,可能得到同一人脸的不同图片之间的相似度较小的结果,可见计算结果相当不准确。
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相似度识别方法和系统。依据本专利技术的一个方面,提供了一种人脸相似度识别方法,其包括:根据目标人脸图片的特征,生成所述目标人脸图片的特征向量;根据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;从所述已收集的人脸图片中,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相似人脸图片。可选地,前述的人脸相似度识别方法,其中,所述从所述已收集的人脸图片中,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图片作为所述目标人脸图片的相似人脸图片的步骤包括:将所述已收集的人脸图片聚合为多个分类;根据所述每个分类中的人脸图片的特征向量,计算所述每个分类中的人脸图片的向量中心点;将与所述目标人脸图片的特征向量之间距离最小的向量中心点对应分类中的人脸图片,作为所述目标人脸图片的相似人 ...
【技术保护点】
一种人脸相似度识别方法,其包括:根据目标人脸图片的特征,生成所述目标人脸图片的特征向量;根据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;从所述已收集的人脸图片中,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相似人脸图片。
【技术特征摘要】
1.一种人脸相似度识别方法,其包括: 根据目标人脸图片的特征,生成所述目标人脸图片的特征向量; 根据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; 从所述已收集的人脸图片中,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相似人脸图片。2.根据权利要求1所述的人脸相似度识别方法,其中,所述从所述已收集的人脸图片中,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图片作为所述目标人脸图片的相似人脸图片的步骤包括: 将所述已收集的人脸图片聚合为多个分类; 根据所述每个分类中的人脸图片的特征向量,计算所述每个分类中的人脸图片的向量中心点; 将与所述目标人脸图片的特征向量之间距离最小的向量中心点对应分类中的人脸图片,作为所述目标人脸图片的相似人脸图片。3.根据权利要求1-2任一项所述的人脸相似度识别方法,其中,还包括: 将所述相似人脸图片的特征向量与所述目标人脸图片的特征向量之间的距离,转换为所述相似人脸图片与所 述目标人脸图片之间的相似度得分。4.根据权利要求1-3任一项所述的人脸相似度识别方法,其中,所述将所述相似人脸图片的特征向量与所述目标人脸图片的特征向量之间的距离,转换为所述相似人脸图片与所述目标人脸图片之间的相似度得分的步骤包括: 在Dx〈 = Dmin时,取S = Smax7Dx为所述目标人脸图片的特征向量与所述相似人脸图片之间的特征向量之间的距离,Dmin为预设最小距离,S为所述相似人脸图片与所述目标人脸图片的相似度得分,Smax为预设最大相似度得分;和/或在 Di〈Dx〈 = D (i+1)时,取 S = Si+K (Dx-Di),其中 K = (S (i+1) -Si) / (D (i+1) -Di)),Dx为所述目标人脸图片的特征向量与所述相似人脸图片之间的特征向量之间的距离,Di为预设第一人脸图片的特征向量与所述目标人脸图片的特征向量之间的距离,Di+Ι为预设第二人脸图片的特征向量与所述目标人脸图片的特征向量之间的距离,Si为所述预设第一人脸图片与所述目标人脸图片的相似度得分,S(i+1)为所述预设第二人脸图片与所述目标人脸图片的相似度得分;和/或 在Dx>Dmax时,取S = Smin, Dx为所述目标人脸图片的特征向量与所述相似人脸图片之间的特征向量之间的距离,Dmax为预设最大距离,S为所述相似人脸图片与所述目标人脸图片的相似度得分,Smin为预设最小相似度得分。5.根据权利要求1至4中任一项所述的人脸相似度计算方法,其中,还包括: 在所述相似人脸图片为多张时,根据与所述目标人脸图片的相似度高低,对多张所述相...
【专利技术属性】
技术研发人员:朱茂清,唐雨,薛红霞,胡金辉,
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
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。