用于处理人脸特征数据的方法和装置制造方法及图纸

本发明专利技术实施例提供用于处理人脸特征数据的方法和装置，该方法包括：对人脸特征进行提取，确定目标特征并获取对应于该目标特征的第一特征向量，其中该第一特征向量包括N个特征值，该第一特征向量中的每个特征值为大于0且小于1的数，N为大于或等于1的正整数；确定对应于该第一特征向量的第二特征向量，该第二特征向量包括M个特征值；从该第二特征向量中选择K个特征值组成确定第三特征向量，K为小于M的正整数。上述技术方案可以减少保存该目标特征的特征值所占用的空间并且提高进行特征检索时的速度。

【技术实现步骤摘要】
用于处理人脸特征数据的方法和装置
本专利技术实施例涉及信息
，并且更具体地，涉及用于处理人脸特征数据的方法和装置。
技术介绍
为了实现人脸认证与人脸检测，可以对人脸特征进行编码。现有技术中，为了保证特征编码的精度，人脸的特征往往使用64位双精度浮点数进行编码并存储。随着用于表示人脸特征的特征向量趋向于高维，且图片数据增多，采用64位双精度浮点数进行编码并存储的方式会造成存储空间过大。同时，使用浮点数对特征属性进行运算时的计算量也会很大，这就使得进行特征检索时的速度较慢。
技术实现思路
本专利技术实施例提供用于处理人脸特征数据的方法和装置，可以减少保存该目标特征的特征值所占用的空间并且提高进行特征检索时的速度。第一方面，本专利技术实施例提供一种处理人脸特征数据的方法，该方法包括：对人脸特征进行提取，获取对应于目标特征的第一特征向量，其中该第一特征向量包括N个特征值，该第一特征向量中的每个特征值为大于0且小于1的数，N为大于或等于1的正整数；确定对应于该第一特征向量的第二特征向量，该第二特征向量包括M个特征值，M等于N，该第二特征向量中的M个特征值与该第一特征向量的N个特征值一一对应，该第二特征向量中的每个特征值为二进制数；确定第三特征向量，该第三特征向量包括K个特征值，K为小于M的正整数，该第三特征向量为对应于该目标特征的特征值集合。结合第一方面，在第一方面的第一种可能的实现方式中，如权利要求1该的方法，该确定对应于该第一特征向量的第二特征向量，包括：将第Ni个特征值进行二进制转换，确定二进制化的第Ni个特征值，其中该二进制化的第Ni个特征值由P位数组成，该第Ni个特征值是该N个特征值中的第i个特征值；从该P位数中选择Q位数组成第Mi个特征值，其中该第Mi个特征值是该第二特征向量中的第i个特征值，P和Q均为正整数且Q小于P。结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，从该P位数中选择Q位数组成第Mi个特征值，包括：根据压缩模板，确定该P位数中的Q个位置；确定使用该Q个位置的数值组成该第Mi个特征值。结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，该压缩模板是根据以下方式获取的：获取对应于该目标特征的训练特征向量集合，该训练特征向量集合包括S个训练特征向量；将该S个训练特征向量中的每个训练特征向量进行二进制转换，确定二进制化的该每个训练特征向量的每个特征值，其中该二进制化的该每个训练特征向量的该每个特征值由P位数组成；确定P个二进制位统计值，该P个二进制位统计值中的第p个二进制位统计值表示该二进制化的所有训练特征向量的所有特征值在该P位数中的第p位数的和；确定该P个二进制位统计值中最大的Q个二进制位统计值所对应的数的位置为该压缩模板。结合第一方面或第一方面的上述任一种可能的实现方式，在第一方面的第四种可能的实现方式中，该确定第三特征向量，包括：根据降维模板，从该第二特征向量中选择K个特征值组成该第三特征向量。结合第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，该降维模板是通过以下方式确定的：获取对应于该目标特征的训练特征向量集合，该训练特征向量集合包括S个训练特征向量；根据该训练特征向量集合中的舍弃特征值的维度，确定该降维模板，其中，该训练特征向量集合与第一集合的均方误差最小，其中该第一集合由该S个特征训练特征向量的特征值中除该舍弃特征值以外的特征值组成。结合第一方面或第一方面的上述任一种可能的实现方式，在第一方面的第六种可能的实现方式中，该方法还包括：根据该第三特征向量和特征值数据库，确定该第三特征值对应的目标特征的类型。第二方面，本专利技术实施例提供一种用于处理人脸特征数据的装置，该装置包括：特征提取单元，用于对人脸特征进行提取获取对应于目标特征的第一特征向量，其中该第一特征向量包括N个特征值，该第一特征向量中的每个特征值为大于0且小于1的数，N为大于或等于1的正整数；第一确定单元，用于确定对应于该第一特征向量的第二特征向量，该第二特征向量包括M个特征值，M等于N，该第二特征向量中的M个特征值与该第一特征向量的N个特征值一一对应，该第二特征向量中的每个特征值为二进制数；第二确定单元，用于确定第三特征向量，该第三特征向量包括K个特征值，K为小于M的正整数；第三确定单元，用于确定该第三特征向量为对应于该目标特征的特征值集合。结合第二方面，在第二方面的第一种可能的实现方式中，该第一确定单元，具体用于将第Ni个特征值进行二进制转换，确定二进制化的第Ni个特征值，其中该二进制化的第Ni个特征值由P位数组成，该第Ni个特征值是该N个特征值中的第i个特征值，其中P为小于256的正整数；从该P位数中选择Q位数组成第Mi个特征值，其中该第Mi个特征值是该第二特征向量中的第i个特征值，Q为小于P的正整数。结合第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，该第一确定单元，具体用于根据压缩模板，确定该P位数中的Q个位置；确定使用该Q个位置的数值组成该第Mi个特征值。结合第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式中，该第一确定单元，还用于获取对应于该目标特征的训练特征向量集合，该训练特征向量集合包括S个训练特征向量；将该S个训练特征向量中的每个训练特征向量进行二进制转换，确定二进制化的该每个训练特征向量的每个特征值，其中该二进制化的该每个训练特征向量的该每个特征值由P位数组成；确定P个二进制位统计值，该P个二进制位统计值中的第p个二进制位统计值表示该二进制化的所有训练特征向量的所有特征值在该P位数中的第p位数的和；确定该P个二进制位统计值中最大的Q个二进制位统计值所对应的数的位置为该压缩模板。结合第二方面或第二方面的上述任一种可能的实现方式，在第二方面的第四种可能的实现方式中，该第二确定单元，具体用于根据降维模板，从该第二特征向量中选择K个特征值组成该第三特征向量。结合第二方面的第四种可能的实现方式，在第二方面的第五种可能的实现方式中，该第二确定单元，还用于获取对应于该目标特征的训练特征向量集合，该训练特征向量集合包括S个训练特征向量；根据该训练特征向量集合中的舍弃特征值的维度，确定该降维模板，，其中，该训练特征向量集合与第一集合的均方误差最小，其中该第一集合由该S个特征训练特征向量的特征值中除该舍弃特征值以外的特征值组成。结合第二方面或第二方面的上述任一种可能的实现方式，在第二方面的第六种可能的实现方式中，该装置还包括：第三确定单元，用于根据该第三特征向量和特征值数据库，确定该第三特征值对应的目标特征的类型。上述技术方案中，对应于目标特征的特征向量集合从浮点数被转换为二进制数，且对应于该目标特征的特征向量的维度也降低了。这样，可以减少保存该目标特征的特征值所占用的空间。此外，由于特征向量的维度降低了，在进行检索时需要使用的特征值也就减少了。因此，可以提高进行特征检索时的速度。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附本文档来自技高网...

【技术保护点】
一种处理人脸特征数据的方法，其特征在于，所述方法，包括：对人脸特征进行提取，确定目标特征并获取对应于所述目标特征的第一特征向量，其中所述第一特征向量包括N个特征值，所述第一特征向量中的每个特征值为大于0且小于1的数，N为大于或等于1的正整数；确定对应于所述第一特征向量的第二特征向量，所述第二特征向量包括M个特征值，M等于N，所述第二特征向量中的M个特征值与所述第一特征向量的N个特征值一一对应，所述第二特征向量中的每个特征值为二进制数；从所述第二特征向量中选择K个特征值组成第三特征向量，K为小于M的正整数。

【技术特征摘要】
1.一种处理人脸特征数据的方法，其特征在于，所述方法，包括：对人脸特征进行提取，确定目标特征并获取对应于所述目标特征的第一特征向量，其中所述第一特征向量包括N个特征值，所述第一特征向量中的每个特征值为大于0且小于1的数，N为大于或等于1的正整数；确定对应于所述第一特征向量的第二特征向量，所述第二特征向量包括M个特征值，M等于N，所述第二特征向量中的M个特征值与所述第一特征向量的N个特征值一一对应，所述第二特征向量中的每个特征值为二进制数；根据降维模块，从所述第二特征向量中选择K个特征值组成第三特征向量，K为小于M的正整数；其中，所述降维模板是通过以下方式确定的：获取对应于所述目标特征的训练特征向量集合，所述训练特征向量集合包括S个训练特征向量，每个训练特征向量的每个维度对应一个权重系数；根据所述训练特征向量集合中的舍弃特征值的维度，确定所述降维模板，其中，所述训练特征向量集合与第一集合的均方误差最小，其中所述第一集合由所述S个训练特征向量的特征值中除所述舍弃特征值以外的特征值组成。2.如权利要求1所述的方法，其特征在于，所述确定对应于所述第一特征向量的第二特征向量，包括：将第Ni个特征值进行二进制转换，获得二进制化的第Ni个特征值，其中所述二进制化的第Ni个特征值由P位数组成，所述第Ni个特征值是所述N个特征值中的第i个特征值；从所述P位数中选择Q位数组成第Mi个特征值，其中所述第Mi个特征值是所述第二特征向量中的第i个特征值，P和Q均为正整数且Q小于P，i＝1,2,…,N。3.如权利要求2所述的方法，其特征在于，从所述P位数中选择Q位数组成第Mi个特征值，包括：根据压缩模板，确定所述P位数中的Q个位置；确定使用所述Q个位置的数值组成所述第Mi个特征值。4.如权利要求3所述的方法，其特征在于，所述压缩模板是根据以下方式获取的：获取对应于所述目标特征的训练特征向量集合，所述训练特征向量集合包括S个训练特征向量；将所述S个训练特征向量中的每个训练特征向量进行二进制转换，确定二进制化的所述每个训练特征向量的每个特征值，其中所述二进制化的所述每个训练特征向量的所述每个特征值由P位数组成；确定P个二进制位统计值，所述P个二进制位统计值中的第p个二进制位统计值表示所述二进制化的所述S个训练特征向量中的所有特征值在所述P位数中的第p位数的和；确定所述P个二进制位统计值中最大的Q个二进制位统计值所对应的数的位置为所述压缩模板。5.如权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：根据所述第三特征向量和特征值数据库，确定所述第三特征值对应的目标特征的类型，其中所述特征值数据库包括特征向量与特征的类型的对应关系。6.一种用于处理人...

【专利技术属性】
技术研发人员：陈世峰，张维，许春景，
申请(专利权)人：杭州华为数字技术有限公司，
类型：发明
国别省市：浙江;33