人脸特征的处理方法、装置和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特征的处理方法、装置和存储介质。其中，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。本发明专利技术解决了相关技术中对人脸特征进行处理的成本大的技术问题。

Facial feature processing methods, devices and storage media

【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，得到第一特征向量；转换单元，用于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；第一获取单元，用于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；第一确定单元，用于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。在本专利技术实施例中，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，对归一化处理后的第一数据类型的原始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，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，进而比对第二特征向量与预先存储的目标人脸对象的目标特征向量，在待识别人脸对象与目标人脸对象之间的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，也就是说，将第一数据类型的原始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，达到了对人脸特征数据进行压缩的目的，降低了对人脸特征进行存储的压力，进而在待识别人脸对象与目标人脸对象之间的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，避免了在对人脸特征进行处理时，由于特征维度的切换需要重新训练模型导致的成本大的问题，实现了降低对人脸特征进行处理的成本的技术效果，进而解决了相关技术中对人脸特征进行处理的成本大的技术问题。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的人脸特征的处理方法的硬件环境的示意图；图2是根据本专利技术实施例的一种人脸特征的处理方法的流程图；图3是根据本专利技术实施例的一种基于量化的人脸特征压缩方法的流程图；图4是根据本专利技术实施例的一种从人脸图像中抽取Float32特征数据的方法的流程图；图5是根据本专利技术实施例一种对人脸特征数据进行量化处理的方法的流程图；图6是根据本专利技术实施例的一种人脸特征数据比对的方法的流程图；图7是根据本专利技术实施例一种基于量化的人脸特征压缩的示意图；图8是根据本专利技术实施例的一种人脸核身的场景示意图；图9是根据本专利技术实施例的一种人脸检索的场景示意图；图10是根据本专利技术实施例的一种人脸特征的处理装置的示意图；以及图11是根据本专利技术实施例的一种电子装置的结构框图。具体实施方式为了使本
的人员更好地理解本专利技术方案，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，所描述的实施例仅仅是本专利技术一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。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。可选地，作为一种可选的实施方式，上述人脸特征的处理方法可以但不限于应用于如图1所示的环境中。其中，图1是根据本专利技术实施例的图像检测方法的硬件环境的示意图。如图1所示，用户102可以与用户设备104之间可以进行数据交互，用户设备104中可以但不限于包括存储器106和处理器108。在该实施例中，用户设备104可以输入目标图像，可以通过处理器108执行步骤S102，通过网络110将上述目标图像的数据发送给服务器112。服务器112中包含有数据库114和处理器116。服务器112在获取到上述目标图像的数据之后，处理器116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，处理器116从数据库114中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，进而执行步骤S104，通过网络110将待识别人脸对象为目标人脸对象的结果返回给用户设备104。用户设备104可以通过存储器106中存储待识别人脸对象为目标人脸对象的结果。在相关技术中，在对人脸特征进行处理时，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。而本专利技术实施例将第一数据类型的原始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，达到了对人脸特征数据进行压缩的目的，降低了对人脸特征进行存储的压力，进而在待识别人脸对象与目标人脸对象之间的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，避免了在对人脸特征进行处理时，由于特征维度的切换需要重新训练模型导致本文档来自技高网...

【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