人脸图像比对方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种人脸图像比对方法、装置、终端设备及存储介质，所述方法包括：获取待比对人脸图像，并进行进行特征向量提取，得到待比对特征向量；对该待比对特征向量进行归一化处理，得到比对归一化向量；获取底库矩阵，基于比对归一化向量和底库矩阵，采用并行计算的方式计算待比对特征向量与底库的N个标准特征向量的余弦相似度，得到N个余弦相似度值；在N个余弦相似度值中检索出数值最大的余弦相似度值，并根据数值最大的余弦相似度值和预设相似度阈值得到比对结果。所述人脸图像比对方法通过利用矩阵运算库采用并行计算方式计算人脸图像的相似度，加快了计算机的运行速度，提高了人脸图像比对的效率。

Face Image Comparing Method, Device, Computer Equipment and Storage Media

The invention discloses a face image comparison method, device, terminal device and storage medium. The method includes: acquiring face image to be compared, extracting feature vectors, obtaining feature vectors to be compared, normalizing the feature vectors to be compared, obtaining normalized vector to be compared, and obtaining base database matrix based on normalized vector and base library moment. Matrix, the cosine similarity between the feature vector to be compared and the N standard feature vectors of the base database is calculated by parallel computing, and N cosine similarity values are obtained. The cosine similarity values of the largest values are retrieved from the N cosine similarity values, and the comparison results are obtained according to the cosine similarity values of the largest values and the preset similarity thresholds. The method of face image comparison uses matrix operation library to calculate the similarity of face image by parallel computing, which speeds up the operation of computer and improves the efficiency of face image comparison.

【技术实现步骤摘要】
人脸图像比对方法、装置、计算机设备及存储介质
本专利技术涉及图像处理领域，尤其涉及一种人脸图像比对方法、装置、计算机设备及存储介质。
技术介绍
人脸图像比对是指通过提取人脸图像的特征，与数据库中的人脸图像的特征进行比对，用于判断该人脸图像的身份，包括1：1人脸图像比对和1：N人脸图像比对。其中，1：N人脸图像比对是指将输入的人脸图像的特征向量与数据库系统中的N个特征向量进行比对，其在需要使用较大N库的1:N人脸识别应用中都可以起到作用，比如银行、机场的VIP人员识别系统等。由于数据库系统中的特征向量较多，比对的过程非常耗时，从而影响了人脸图像比对的速度。
技术实现思路
基于此，有必要针对上述技术问题，提供一种可以提高人脸图像比对效率的方法、装置、计算机设备及存储介质。一种人脸图像比对方法，包括：获取待比对人脸图像，对所述待比对人脸图像进行特征向量提取，得到待比对特征向量；对所述待比对特征向量进行归一化处理，得到比对归一化向量；获取底库矩阵，其中，所述底库矩阵是通过对底库中的N个标准人脸图像的标准特征向量进行预先归一化处理后得到的N个标准归一化向量进行合并得到的，N是大于或等于2的正整数；基于所述比对归一化向量和所述底库矩阵，采用并行计算的方式计算所述待比对特征向量与所述底库的N个标准特征向量的余弦相似度，得到N个余弦相似度值；在所述N个余弦相似度值中检索出数值最大的余弦相似度值，并根据所述数值最大的余弦相似度值和预设相似度阈值得到比对结果。一种人脸图像比对装置，包括：待比对特征向量获取模块，用于获取待比对人脸图像，对所述待比对人脸图像进行特征向量提取，得到待比对特征向量；比对归一化向量获取模块，用于对所述待比对特征向量进行归一化处理，得到比对归一化向量；底库矩阵获取模块，用于获取底库矩阵，其中，所述底库矩阵是通过对底库中的N个标准人脸图像的标准特征向量进行预先归一化处理后得到的N个标准归一化向量进行合并得到的，N是大于或等于2的正整数；相似度计算模块，用于基于所述比对归一化向量和所述底库矩阵，采用并行计算的方式计算所述待比对特征向量与所述底库的N个标准特征向量的余弦相似度，得到N个余弦相似度值；比对模块，用于在所述N个余弦相似度值中检索出数值最大的余弦相似度值，并根据所述数值最大的余弦相似度值和预设相似度阈值得到比对结果。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述人脸图像比对方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述人脸图像比对方法的步骤。上述人脸图像比对方法、装置、计算机设备及存储介质中，首先提取待比对人脸图像的待比对特征向量和底库中的N个标准人脸图像的标准特征向量，然后对各个人脸图像特征向量进行归一化处理，并将N个标准归一化特征向量合并成底库矩阵，以便简化后续特征向量的数据计算过程，同时充分利用矩阵运算库进行高效加速，提高计算机的运行速度。接下来采用并行计算方式计算比对归一化的特征向量与底库矩阵的余弦相似度，更好地反映了两个人脸图像特征向量之间的相似度，并且计算简单方便，同时通过并行计算的方式进行人脸比对，极大地提高了计算机的计算速度，有利于提高人脸图像比对的效率。最后根据余弦相似度值和预设相似度阈值得到比对结果，通过预设相似度阈值提高了人脸比对结果的准确度。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的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中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性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的人脸图像比对方法的应用环境示意图；图2是本专利技术实施例提供的人脸图像比对方法的实现流程图；图3是本专利技术实施例提供的人脸图像比对方法中步骤S41的实现流程图；图4是本专利技术实施例提供的人脸图像比对方法中步骤10的实现流程图；图5是本专利技术实施例提供的人脸图像比对方法中步骤50的实现流程图；图6是本专利技术实施例提供的人脸图像比对装置的示意图；图7是本专利技术实施例提供的计算机设备的示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本申请提供的人脸图像比对方法，可应用在如图1的应用环境中，其中，客户端通过网络与服务端进行通信，服务端接收客户端发送的待比对人脸图像，然后提取各个待比对人脸图像的待比对特征向量以及预先存储在服务端的底库矩阵，对待比对特征向量进行归一化处理得到比对归一化向量，进而根据比对归一化向量和底库矩阵进行人脸图像比对，将比对结果发送至客户端。其中，客户端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，以该方法应用于图1中的服务端为例进行说明，包括如下步骤：S10：获取待比对人脸图像，对待比对人脸图像进行特征向量提取，得到待比对特征向量。其中，待比对人脸图像是指需要通过比对以确定该人脸图像身份的人脸图像。待比对特征向量是指待比对人脸图像的特征向量，用于表征待比对人脸图像的图像信息特征的向量，例如：基于投影的特征向量(如PCA(PrincipalComponentAnalysis，主成分分析)特征向量)、基于方向的特征向量(如HOGHOG(HistogramofOrientedGradient，梯度方向直方图)特征向量)和基于深度学习的特征向量(如卷积神经网络特征向量)等。特征向量能够以简单的数据表征图像信息，通过提取人脸图像的特征向量可以简化后续的比对过程。在一个实施例中，可以提取待比对人脸图像的基于深度学习的特征向量。采用深度卷积神经网络进行特征提取，由于深度学习能够自动从人脸图像的数据中学习，因此能够适用多种环境，并且省去了复杂的预处理操作，而基于投影、方向和重心的特征向量往往只能提取一种特征如颜色特征或形状特征等，这些特征很难应用到现实复杂环境。因此，提取待比对人脸图像的基于深度学习的特征向量能够提高后续人脸比对的准确率。可选地，该待比对人脸图像可以是客户端采集之后发送到服务端，或者是服务端直接从内部存储器获取的常用人脸库中的人脸图像。S20：对待比对特征向量进行归一化处理，得到比对归一化向量。其中，归一化处理就是要把需要处理的数据通过某种算法限制在的一定范围内的处理过程。比对归一化向量是指待比对特征向量进行归一化处理后得到归一化向量。在一具体实施方式中，归一化处理是指把待比对人脸图像的特征向量里的各个元素都除以同个数值，以使得该特征向量的长度为单位长度的处理。在一具体实施方式中，对待比对特征向量采用如下公式进行计算，得到比对归一化向量：式中，A为待比对特征向量，|A|为待比对特征向量的模，A'为比对归一化向量。其中，对特征向量进行归一化是指将待比对人脸图像的特征向本文档来自技高网...

【技术保护点】
1.一种人脸图像比对方法，其特征在于，所述人脸图像比对方法包括：获取待比对人脸图像，对所述待比对人脸图像进行特征向量提取，得到待比对特征向量；对所述待比对特征向量进行归一化处理，得到比对归一化向量；获取底库矩阵，其中，所述底库矩阵是通过对底库中的N个标准人脸图像的标准特征向量进行预先归一化处理后得到的N个标准归一化向量进行合并得到的，N是大于或等于2的正整数；基于所述比对归一化向量和所述底库矩阵，采用并行计算的方式计算所述待比对特征向量与所述底库中的N个标准特征向量的余弦相似度，得到N个余弦相似度值；在所述N个余弦相似度值中检索出数值最大的余弦相似度值，并根据所述数值最大的余弦相似度值和预设相似度阈值得到比对结果。

【技术特征摘要】
1.一种人脸图像比对方法，其特征在于，所述人脸图像比对方法包括：获取待比对人脸图像，对所述待比对人脸图像进行特征向量提取，得到待比对特征向量；对所述待比对特征向量进行归一化处理，得到比对归一化向量；获取底库矩阵，其中，所述底库矩阵是通过对底库中的N个标准人脸图像的标准特征向量进行预先归一化处理后得到的N个标准归一化向量进行合并得到的，N是大于或等于2的正整数；基于所述比对归一化向量和所述底库矩阵，采用并行计算的方式计算所述待比对特征向量与所述底库中的N个标准特征向量的余弦相似度，得到N个余弦相似度值；在所述N个余弦相似度值中检索出数值最大的余弦相似度值，并根据所述数值最大的余弦相似度值和预设相似度阈值得到比对结果。2.如权利要求1所述的人脸图像比对方法，其特征在于，所述采用并行计算的方式计算所述待比对特征向量与所述底库中的N个标准特征向量的余弦相似度，得到N个余弦相似度值，包括：采用并行计算的方式将所述比对归一化向量与所述底库矩阵进行内积运算，得到所述待比对特征向量与所述底库的N个标准特征向量的N个余弦相似度值。3.如权利要求2所述的人脸图像比对方法，其特征在于，所述采用并行计算的方式将所述比对归一化向量与所述底库矩阵进行内积运算，得到所述待比对特征向量与所述底库的N个标准特征向量的N个余弦相似度值，包括：采用SIMD指令集或者GPU的流处理器对所述比对归一化向量与所述标准归一化向量执行乘法的指令，得到N个乘法结果，其中，所述乘法结果是指与所述比对归一化特征向量维数相同的向量；分别将所述N个乘法结果中的每一乘法结果的所有元素采用SIMD指令或者GPU的流处理器执行加法指令，得到所述N个余弦相似度值。4.如权利要求1所述的人脸图像比对方法，其特征在于，所述对所述待比对人脸图像进行特征向量提取，得到待比对特征向量，包括：采用人脸检测算法对所述待比对人脸图像进行人脸定位，得到定位人脸图像；通过人脸特征点提取算法提取出所述定位人脸图像的关键点坐标；基于所述关键点坐标对所述定位人脸图像进行人脸对齐，得到对齐后的人脸图像；将所述对齐后的人脸图像输入预先训练好的深度人工神经元网络进行计算，得到所述待比对特征向量。5.如权利要求1所述的人脸图像比对方法，其特征在于，所述在所述N个余弦相似度值中检索出最大的余弦相似度值，并根据所述最大的余弦相似度值和预设相似度阈值得到比对结果，包括：对所述N个余弦相似度值按照由大到小的顺序进行排...

【专利技术属性】
技术研发人员：戴磊，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44