人脸检索方法、装置、及存储装置制造方法及图纸

本发明专利技术公开了一种人脸检索方法、装置、及存储装置。其中方法包括获取人脸库中每张人脸的第一人脸特征；基于该第一人脸特征对该人脸库中的人脸进行层次聚类以获得层次聚类树；将待检索人脸的第二人脸特征输入至该层次聚类树中进行检索。通过上述方式，大大减少了需要比对的人脸样本量，从而提高了人脸检索速度；且相比较于k均值聚类方法，其通用性强。

Face retrieval method, device and storage device

【技术实现步骤摘要】
人脸检索方法、装置、及存储装置
本申请涉及机器学习及图像识别
，特别是涉及一种人脸检索方法、装置、及存储装置。
技术介绍
在人脸检索的过程中，需要在人脸库中找到与待检索人脸最相似的一张或多张人脸。当人脸库规模很大时，检索需要耗费大量的时间。现有技术中，人脸检索的方法有：(1)遍历法：将检索人脸与人脸库中的每一张人脸进行一一比对，根据相似度大小排序，输出相似度最高的一张或多张人脸，该方法需要耗费大量的时间。(2)聚类法：对人脸库中的人脸进行聚类，获得多个聚类中心；找到与待检索人脸最近的聚类中心；最后在该聚类中心所在的聚类簇中继续寻找输出距离最短的一张或多张人脸。例如专利CN109685044A提供的基于k均值聚类算法的人脸识别检索方法，其设计要点是建立人物库，每个人物通过k均值聚类方法计算出人物对应的中心向量。从待查询图像中提取特征向量，并与人物库中的各中心向量作浮点数精确比对，通过比较结果，确定返回的检索结果。然而该方法需要在人脸库聚类时需指定类别数k，k的选择直接影响聚类的效果，且各个人脸库的最优类别数k均不相同。(3)编码法：将人脸库中的每一张人脸进行编码，对待检索人脸同样进行编码操作，计算汉明距离，输出距离最短的一张或多张人脸。例如专利CN105808709A提供的人脸识别快速检索方法及装置，其设计要点是：建立样本数据库，将样本数据进行二值化转换并Hash映射至多个Hash表中；对待查询样本的特征数据同样进行二值化转换并利用建立样本数据库采用的Hash函数投影得到二值码序列，计算与各个Hash表之间的汉明距离，距离最短的结果作为检索结果返回。然而该方法在对人脸特征进行二值化转换后进行Hash编码映射时，会造成较多的特征信息损失，影响检索精度。
技术实现思路
本申请提供一种人脸检索方法、装置、及存储装置，以解决现有的人脸检索方法检索速度慢或者检索精度低的问题。为解决上述技术问题，本申请采用的一个技术方案是：提供一种人脸检索方法，包括：获取人脸库中每张人脸的第一人脸特征；基于所述第一人脸特征对所述人脸库中的人脸进行层次聚类以获得层次聚类树；将待检索人脸的第二人脸特征输入至所述层次聚类树中进行检索。为解决上述技术问题，本申请采用的另一个技术方案是：提供一种人脸检索装置，所述装置包括处理器、与所述处理器耦接的存储器，其中，所述存储器存储有用于实现上述的人脸检索方法的程序指令；所述处理器用于执行所述存储器存储的所述程序指令以实现人脸检索。为解决上述技术问题，本申请采用的再一个技术方案是：提供一种存储装置，存储有能够实现上述的人脸检索方法的程序文件。本申请的有益效果是：本专利技术的人脸检索方法、装置、及存储装置通过获取人脸库中每张人脸的第一人脸特征；基于该第一人脸特征对该人脸库中的人脸进行层次聚类以获得层次聚类树；将待检索人脸的第二人脸特征输入至该层次聚类树中进行检索。通过上述方式，大大减少了需要比对的人脸样本量，从而提高了人脸检索速度；且相比较于k均值聚类方法，其通用性强。附图说明图1是本专利技术第一实施例的人脸检索方法的流程示意图；图2是本专利技术第一实施例中基于第一人脸特征对人脸库中的人脸进行层次聚类以获得层次聚类树的子流程示意图；图3是本专利技术第一实施例中将第二人脸特征输入至层次聚类树中进行检索的子流程示意图；图4是本专利技术第二实施例的人脸检索方法的流程示意图；图5是本专利技术实施例的人脸检索装置的第一结构示意图；图6是本专利技术实施例的人脸检索装置的第二结构示意图；图7是本专利技术实施例的存储装置的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。图1是本专利技术第一实施例的人脸检索方法的流程示意图。需注意的是，若有实质上相同的结果，本专利技术的方法并不以图1所示的流程顺序为限。如图1所示，该方法包括步骤：步骤S101：获取人脸库中每张人脸的第一人脸特征、以及待检索人脸的第二人脸特征。可选地，在步骤S101中，先基于人脸检测算法获取人脸位置；然后对获取到的人脸位置上的人脸进行对齐和裁剪；再使用特征提取网络从裁剪后的人脸中提取人脸特征。可选地，该人脸特征为256维浮点型数据，且在后序步骤中无需进行二值化转换和编码，即人脸特征信息不会受损，因此人脸检索精度高。步骤S102：基于该第一人脸特征对人脸库中的人脸进行层次聚类以获得层次聚类树。请参阅图2所示，在本实施例中，步骤S102包括如下子步骤：步骤S1021：将该人脸库中每张人脸的第一人脸特征所包含的数据作为一个聚类簇。现举例说明，假设人脸库中有n个人脸(Q1,Q2,……Qn)，则将每个人脸的人脸特征所包含的数据作为一个聚类簇C1,C2,……Cn，形成最底端的聚类层，此时聚类簇的总个数q＝n。步骤S1022：计算每两个聚类簇之间的簇间距离。可选地，该簇间距离为平均余弦距离，承前举例说明，聚类簇Ci和Cj之间的平均余弦距离d(Ci,Cj)的计算公式见下式(1)：其中，i＝1,2,……q，j＝i+1,i+2,……q。步骤S1023：合并该簇间距离中距离最小的两个聚类簇以形成一个新聚类簇，并统计当前聚类簇的个数，该当前聚类簇为当前未合并的聚类簇或当前合并后形成的新聚类簇。可选地，合并该簇间距离中距离最小的两个聚类簇以形成一个新聚类簇之后还包括计算该新聚类簇的聚类中心并保存。承前举例说本文档来自技高网...

【技术保护点】
1.一种人脸检索方法，其特征在于，包括：/n获取人脸库中每张人脸的第一人脸特征；/n基于所述第一人脸特征对所述人脸库中的人脸进行层次聚类以获得层次聚类树；/n将待检索人脸的第二人脸特征输入至所述层次聚类树中进行检索。/n

【技术特征摘要】
1.一种人脸检索方法，其特征在于，包括：
获取人脸库中每张人脸的第一人脸特征；
基于所述第一人脸特征对所述人脸库中的人脸进行层次聚类以获得层次聚类树；
将待检索人脸的第二人脸特征输入至所述层次聚类树中进行检索。


2.根据权利要求1所述的方法，其特征在于，所述基于所述第一人脸特征对所述人脸库中的人脸进行层次聚类以获得层次聚类树步骤包括：
将所述人脸库中每张人脸的第一人脸特征所包含的数据作为一个聚类簇；
计算每两个聚类簇之间的簇间距离；
合并所述簇间距离中距离最小的两个聚类簇以形成一个新聚类簇，并统计当前聚类簇的个数，所述当前聚类簇为当前未合并的聚类簇或当前合并后形成的新聚类簇；
判断所述当前聚类簇的个数是否为1；若是，将获得的树状层次结构作为所述层次聚类树输出；否则，针对所述当前聚类簇，返回所述计算每两个聚类簇之间的簇间距离步骤。


3.根据权利要求2所述的方法，其特征在于，所述合并所述簇间距离中距离最小的两个聚类簇以形成一个新聚类簇步骤之后还包括计算所述新聚类簇的聚类中心。


4.根据权利要求3所述的方法，其特征在于，所述层次聚类树为m层树状层次结构，m为大于1的整数，第一层的聚类簇个数为1；
所述将待检索人脸的第二人脸特征输入至所述层次聚类树中进行检索步骤包括：
进入所述第一层的聚类簇的两个子聚类簇所在的层；
计算所述第二人脸特征与所述两个子聚类簇的聚类中心之间的余弦距离；
判断第一子聚类簇所在的层是否为第m层，所述第一子聚类簇为计算所得的余弦距离中较小的余弦距离所对应的子聚类簇；若是，将所述第一子聚类簇所对应的人脸作...

【专利技术属性】
技术研发人员：华逸伦，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33