人脸图像标注方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术实施例涉及计算机机器学习领域，公开了一种人脸图像标注方法、装置及计算机可读存储介质，人脸图像标注方法包括：获取人物原始图像的多个人脸区域图像；对多个人脸区域图像进行特征提取，得到用于表征人物身份的多个人脸特征向量，其中，一个人脸区域图像对应一个人脸特征向量；对多个人脸特征向量进行特征聚类，得到多个人脸特征向量中每个人脸特征向量所属的类别，其中，类别包括正类和负类；标注属于正类的人脸特征向量对应的人脸区域图像。本发明专利技术提供的人脸图像标注方法、装置及计算机可读存储介质能够在提高图像的标注效率、确保标注准确性的同时，减少图像标注的人力成本。

【技术实现步骤摘要】
人脸图像标注方法、装置及计算机可读存储介质
本专利技术实施例涉及计算机机器学习领域，特别涉及一种人脸图像标注方法、装置及计算机可读存储介质。
技术介绍
在大规模人脸识别应用中，要保证较高的识别准确率，准确识别同一人物在各年龄段、各种角度、光照、对比度下的人脸图像，在应用开发阶段需要进行大量的数据清洗、标注工作，一个人物需要准备数百张标准人脸图像(大小如112*112)。对于标准人脸数据的收集，现有的解决方案主要是通过爬虫工具从互联网上爬取大量的公开图片，然后使用人脸检测算法批量裁剪出所有检测到的人脸图像，然后由专业的数据标注团队或数据标注众包平台完成图像筛选工作。以一个人爬取200张图像为例，每张图像上假设存在5个人物，则在检测阶段可以裁剪出1000张大小为112*112的人脸图像。其中，在这1000张图像中，至少有800张图像是无效的，需要通过人工标注手动删除。专利技术人发现现有技术中至少存在如下问题：通过人工注手动删除，人工成本高、标注效率低、且标注质量不能得到有效保障，不足以支撑大规模人脸识别应用的快速部署。<br>专利技本文档来自技高网...

【技术保护点】
1.一种人脸图像标注方法，其特征在于，包括：/n获取人物原始图像的多个人脸区域图像；/n对多个所述人脸区域图像进行特征提取，得到用于表征人物身份的多个人脸特征向量，其中，一个人脸区域图像对应一个人脸特征向量；/n对多个所述人脸特征向量进行特征聚类，得到多个所述人脸特征向量中每个人脸特征向量所属的类别，其中，所述类别包括用于表征人脸特征向量对应的人物身份为目标人物的正类、人脸特征向量对应的人物身份为非目标人物的负类；/n标注属于所述正类的人脸特征向量对应的人脸区域图像。/n

【技术特征摘要】
1.一种人脸图像标注方法，其特征在于，包括：
获取人物原始图像的多个人脸区域图像；
对多个所述人脸区域图像进行特征提取，得到用于表征人物身份的多个人脸特征向量，其中，一个人脸区域图像对应一个人脸特征向量；
对多个所述人脸特征向量进行特征聚类，得到多个所述人脸特征向量中每个人脸特征向量所属的类别，其中，所述类别包括用于表征人脸特征向量对应的人物身份为目标人物的正类、人脸特征向量对应的人物身份为非目标人物的负类；
标注属于所述正类的人脸特征向量对应的人脸区域图像。


2.根据权利要求1所述的人脸图像标注方法，其特征在于，在所述标注属于所述正类的人脸特征向量对应的人脸区域图像之前，还包括：
删除属于所述负类的人脸特征向量，对属于所述正类的人脸特征向量再次进行所述特征聚类，判断再次进行所述特征聚类的人脸特征向量中是否存在属于所述负类的人脸特征向量；
若存在，重复上述步骤直至再次进行所述特征聚类的人脸特征向量不存在属于所述负类的人脸特征向量。


3.根据权利要求1或2所述的人脸图像标注方法，其特征在于，所述对多个所述人脸特征向量进行特征聚类，具体包括：
分别将N个所述人脸特征向量中的每个人脸特征向量作为聚类中心，并在将第i个人脸特征向量作为所述聚类中心时，计算N个所述人脸特征向量中其他的N-1个人脸特征向量到所述聚类中心的度量距离，其中，N为大于1的整数，i为小于或等于N的整数；
判断所述度量距离中是否存在小于预设阈值的度量距离；
若不存在，则判定所述第i个人脸特征向量属于所述负类；
若存在，则判断小于预设阈值的度量距离的数量是否大于或等于预设数量，若是，则判定所述第i个人脸特征向量属于所述正类；若不是，则判定所述第i个人脸特征向量属于所述负类。


4.根据权利要求3所述的人脸图像标注方法，其特征在于，在所述分别将N个所述人脸特征向量中的每个人脸特征向量作为聚类中心之前，还包括：
设置滑动窗口大小和滑动步长；
所述分别将N个所述人脸特征向量中的每个人脸特征向量作为聚类中心，具体包括：
根据所述滑动窗口大小、...

【专利技术属性】
技术研发人员：程星星，
申请(专利权)人：咪咕文化科技有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：北京;11