人脸管理及识别方法及计算机可读存储介质技术

本发明专利技术公开了一种人脸管理及识别方法及计算机可读存储介质，方法包括：获取人脸图像，得到人脸库；得到人脸库中的各人脸图像的人脸特征向量，并生成人脸特征向量库；对人脸特征向量进行聚类分析，得到若干个分组，并确定各分组的标志向量；对待识别图像进行人脸检测和人脸面部特征提取，得到待识别人脸特征向量；分别计算待识别人脸特征向量与各分组的标志向量之间的余弦相似度，并选择最大的余弦相似度对应的分组，作为候选分组；分别计算待识别人脸特征向量与候选分组中各人脸特征向量之间的余弦相似度；若所述余弦相似度中的最大值大于预设的相似度阈值，则获取最大值对应的人脸特征向量的用户标识。本发明专利技术可提高人脸识别的效率。

Face management and recognition method and computer readable storage medium

【技术实现步骤摘要】
人脸管理及识别方法及计算机可读存储介质
本专利技术涉及人脸识别
，尤其涉及一种人脸管理及识别方法及计算机可读存储介质。
技术介绍
人脸识别已经广泛应用于生活的方方面面，如门禁打卡、手机解锁等。当系统内存储的人脸(人脸库)数量较小时，系统可以轻松地比对人脸库里的人脸；但当人脸库数量庞大时(如公司、车站人脸识别场景等)，则会导致比对速度的下降或者计算压力的提升。
技术实现思路
本专利技术所要解决的技术问题是：提供一种人脸管理及识别方法及计算机可读存储介质，可提高人脸识别的效率。为了解决上述技术问题，本专利技术采用的技术方案为：一种人脸管理及识别方法，包括：获取人脸图像，得到人脸库，所述人脸图像标注有用户标识且只包含一个人脸；分别对所述人脸库中的各人脸图像进行人脸检测和人脸面部特征提取，得到各人脸图像对应的人脸特征向量，并根据各人脸特征向量及其对应的用户标识，生成人脸特征向量库；对所述人脸特征向量库中的各人脸特征向量进行聚类分析，得到若干个分组，并确定各分组的标志向量；对待识别图像进行人脸检测；若所述待识别图像中存在人脸，则对所述人脸进行人脸面部特征提取，得到待识别人脸特征向量；分别计算所述待识别人脸特征向量与各分组的标志向量之间的余弦相似度，并选择最大的余弦相似度对应的分组，作为候选分组；分别计算所述待识别人脸特征向量与所述候选分组中各人脸特征向量之间的余弦相似度；若所述余弦相似度中的最大值大于预设的相似度阈值，则获取所述最大值对应的人脸特征向量的用户标识，作为识别结果。本专利技术还提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的步骤本专利技术的有益效果在于：通过对人脸特征向量进行聚类分析，将相似的人脸归为一组，要识别新的人脸时，只需将新的人脸特征向量与各组的标志向量以及候选分组内的人脸特征向量进行比较即可，而不需要比对整个人脸库，从而提高了人脸识别的效率，且可保证识别准确率。附图说明图1为本专利技术的一种人脸管理及识别方法的流程图；图2为本专利技术实施例一的人脸分组的方法流程图；图3为本专利技术实施例一的人脸识别的方法流程图；图4为本专利技术实施例一的新增人脸的方法流程图；图5为本专利技术实施例一的删除人脸的方法流程图。具体实施方式为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图详予说明。本专利技术最关键的构思在于：将向量的夹角作为聚类距离的衡量，对人脸特征向量进行聚类。请参阅图1，一种人脸管理及识别方法，包括：获取人脸图像，得到人脸库，所述人脸图像标注有用户标识且只包含一个人脸；分别对所述人脸库中的各人脸图像进行人脸检测和人脸面部特征提取，得到各人脸图像对应的人脸特征向量，并根据各人脸特征向量及其对应的用户标识，生成人脸特征向量库；对所述人脸特征向量库中的各人脸特征向量进行聚类分析，得到若干个分组，并确定各分组的标志向量；对待识别图像进行人脸检测；若所述待识别图像中存在人脸，则对所述人脸进行人脸面部特征提取，得到待识别人脸特征向量；分别计算所述待识别人脸特征向量与各分组的标志向量之间的余弦相似度，并选择最大的余弦相似度对应的分组，作为候选分组；分别计算所述待识别人脸特征向量与所述候选分组中各人脸特征向量之间的余弦相似度；若所述余弦相似度中的最大值大于预设的相似度阈值，则获取所述最大值对应的人脸特征向量的用户标识，作为识别结果。从上述描述可知，本专利技术的有益效果在于：可提高人脸识别的效率。进一步地，所述对所述人脸特征向量库中的各人脸特征向量进行聚类分析，得到若干个分组，并确定各分组的标志向量具体为：分别计算人脸特征向量库中任意两个人脸特征向量之间的夹角，作为所述任意两个人脸特征向量之间的距离；根据人脸特征向量之间的距离，对所述人脸特征向量库中各人脸特征向量进行聚类，得到若干个分组；分别将各分组的类中心作为各分组的标志向量。由上述描述可知，通过将向量的夹角作为聚类距离的衡量，改善了高维空间中的聚类效果。进一步地，所述对所述人脸特征向量库中的各人脸特征向量进行聚类分析，得到若干个分组，并确定各分组的标志向量之后，进一步包括：获取新增人脸图像；对所述新增人脸图像进行人脸检测和人脸面部特征提取，得到新增人脸特征向量；分别计算所述新增人脸特征向量与各分组的标志向量之间的余弦相似度，并选择最大的余弦相似度对应的分组，作为候选分组；分别计算所述新增人脸特征向量与所述候选分组中各人脸特征向量之间的余弦相似度；若所述新增人脸特征向量与所述候选分组中各人脸特征向量之间的余弦相似度均小于预设的相似度阈值，则将所述新增人脸特征向量加入所述候选分组。由上述描述可知，可实现无冗余的人脸库和人脸特征向量库，从而可进一步提升人脸识别的效率。进一步地，所述对所述人脸特征向量库中的各人脸特征向量进行聚类分析，得到若干个分组，并确定各分组的标志向量之后，进一步包括：获取待删除人脸对应的人脸特征向量，得到待删除人脸特征向量；判断所述待删除人脸特征向量所在的分组的人脸特征向量数量是否为1；若是，则删除所述待删除人脸特征向量所在的分组；若否，则删除所述待删除人脸特征向量。若所述待删除人脸特征向量为其所在分组的标志向量，则更新所述分组的标志向量。进一步地，所述更新所述分组的标志向量具体为：根据密度公式，分别计算所述分组中剩余的各人脸特征向量在预设的距离内的密度，所述密度公式为S为所述分组中剩余的各人脸特征向量的集合，θr,i为所述集合中第i个人脸特征向量和第r个人脸特征向量之间的夹角，t为预设的距离阈值，为函数，当x＜0时，当x≥0时，选择密度最大的人脸特征向量，作为所述分组的标志向量。由上述描述可知，通过选取合适的标志向量，保证后续识别的准确性。本专利技术还提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的步骤。实施例一请参照图2-5，本专利技术的实施例一为：一种人脸管理及识别方法，可应用于门禁打卡、公共场合人脸识别等场景，所述方法主要包括人脸库管理和人脸识别两部分，其中人脸库管理又分为人脸分组、新增人脸和删除人脸三部分。如图2所示，人脸分组包括如下步骤：S101：获取人脸图像，得到人脸库，所述人脸图像标注有用户标识且只包含一个人脸；即获取用户上传的人脸图像并标注用户ID，构成人脸库，需要保证人脸图像中有且仅有一个人脸。S102：分别对所述人脸库中的各人脸图像进行人脸检测和人脸面部特征提取，得到各人脸图像对应的人脸特征向量，并根据各人脸特征向量及其对应的用户标识，生成人脸特征向量库。具体地，利用人脸检测算法检测人脸库里图像的人脸，并利用神本文档来自技高网...

【技术保护点】
1.一种人脸管理及识别方法，其特征在于，包括：/n获取人脸图像，得到人脸库，所述人脸图像标注有用户标识且只包含一个人脸；/n分别对所述人脸库中的各人脸图像进行人脸检测和人脸面部特征提取，得到各人脸图像对应的人脸特征向量，并根据各人脸特征向量及其对应的用户标识，生成人脸特征向量库；/n对所述人脸特征向量库中的各人脸特征向量进行聚类分析，得到若干个分组，并确定各分组的标志向量；/n对待识别图像进行人脸检测；/n若所述待识别图像中存在人脸，则对所述人脸进行人脸面部特征提取，得到待识别人脸特征向量；/n分别计算所述待识别人脸特征向量与各分组的标志向量之间的余弦相似度，并选择最大的余弦相似度对应的分组，作为候选分组；/n分别计算所述待识别人脸特征向量与所述候选分组中各人脸特征向量之间的余弦相似度；/n若所述余弦相似度中的最大值大于预设的相似度阈值，则获取所述最大值对应的人脸特征向量的用户标识，作为识别结果。/n

【技术特征摘要】
1.一种人脸管理及识别方法，其特征在于，包括：
获取人脸图像，得到人脸库，所述人脸图像标注有用户标识且只包含一个人脸；
分别对所述人脸库中的各人脸图像进行人脸检测和人脸面部特征提取，得到各人脸图像对应的人脸特征向量，并根据各人脸特征向量及其对应的用户标识，生成人脸特征向量库；
对所述人脸特征向量库中的各人脸特征向量进行聚类分析，得到若干个分组，并确定各分组的标志向量；
对待识别图像进行人脸检测；
若所述待识别图像中存在人脸，则对所述人脸进行人脸面部特征提取，得到待识别人脸特征向量；
分别计算所述待识别人脸特征向量与各分组的标志向量之间的余弦相似度，并选择最大的余弦相似度对应的分组，作为候选分组；
分别计算所述待识别人脸特征向量与所述候选分组中各人脸特征向量之间的余弦相似度；
若所述余弦相似度中的最大值大于预设的相似度阈值，则获取所述最大值对应的人脸特征向量的用户标识，作为识别结果。


2.根据权利要求1所述的人脸管理及识别方法，其特征在于，所述对所述人脸特征向量库中的各人脸特征向量进行聚类分析，得到若干个分组，并确定各分组的标志向量具体为：
分别计算人脸特征向量库中任意两个人脸特征向量之间的夹角，作为所述任意两个人脸特征向量之间的距离；
根据人脸特征向量之间的距离，对所述人脸特征向量库中各人脸特征向量进行聚类，得到若干个分组；
分别将各分组的类中心作为各分组的标志向量。


3.根据权利要求1所述的人脸管理及识别方法，其特征在于，所述对所述人脸特征向量库中的各人脸特征向量进行聚类分析，得到若干个分组，并确定各分组的标志向量之后，进一步包括：
获取新增人脸图像；
对所述新增人脸图像进行人脸检测和人脸面部特征提取，得到新增人脸特征向量；
分别计算所述新增人脸特征向量与各分组的标志向量之间的余弦相似度，并选择最大的余弦相似度对应的分组，作为候选分组；
分别计算所述新增人脸特征向量与所述候选分组中各人脸特征向量之间的余弦相似度；
若所述新增人脸特征向量与所述候选分组中各人脸特征向量之间的余弦相似度均小于预设的相似度阈值，则将所述新增人脸特征向量加入所述候选分组。


4.根据权利要求1所述的人脸管理及识别方法，其特征在于，所述对所述人脸特征向量库中的各人脸特征向量进行聚类分析，得到若干个分组，并确定各分组的标志向量之后，进一步包括：
获取待删除人脸对应的人脸特征向量，得到待删除人脸特征向量；
判断所述待删除人脸特征向量所在的分组的人脸特征向量数量是否为1；
若是，则删除所述待删除人脸特征向量所在的分组；
若否，则删除所述待删除人脸特征向量；
若所述待删除人脸特征向量为其所在分组的标志向量，则更新所述分组的标志向量。


5.根据权利要求4所述的人脸管理及识别方法，其特征在于，所述更新所述分组的标志向量具体为：
根据密度公式，分别计算所述分组中剩余的各人脸特征向量在预设的距离内的密度，所述密度公式为S为所述分组中剩余的各人脸特征向量的集合，θr,i为所述集合中第i个人脸特征向量和第r个人脸特征向量之间的夹角，t为预设的距离阈值，为函数，当x＜0时，当x≥0时，
选择密度最大的人脸特征向量，作为所述分组的标志向量。


6.一种计算机...

【专利技术属性】
技术研发人员：刘德建，陈春雷，郭玉湖，陈宏，
申请(专利权)人：福建天泉教育科技有限公司，
类型：发明
国别省市：福建;35