一种人脸图像的识别方法和装置制造方法及图纸

本申请实施例公开了一种人脸图像的识别方法和装置。所述方法包括：在接收到需检索的人脸图像后，利用预先设置的人脸特征的提取模型，确定所述需检索的人脸图像的基准特征向量；将所述基准特征向量与预先设置的数据库中的各人脸图像的特征向量进行对比，得到所述人脸图像对应的候选目标人脸图像；从所述候选目标人脸图像与所述人脸图像选择一个人脸图像作为目标人脸图像，作为所述需检索的人脸图像的识别结果。

【技术实现步骤摘要】
一种人脸图像的识别方法和装置
本申请实施例涉及信息处理领域，尤指一种人脸图像的识别方法和装置。
技术介绍
随着信息化技术的不断发展，生物特征信息识别技术在不用行业，不同场景有了更广泛的应用，每个人都有自身独特的生物特征，因此生物特征识别技术成为一种更准确，更安全，更方便的身份认证方式。而人脸识别技术已成为重要的信息识别方式之一。人脸识别属于图像识别的一个应用领域。传统的图像识别技术主要基于图像自身的边缘、形状、纹理、颜色或特征点匹配等浅层信息，例如HOG(HistogramofGradient，方向梯度直方图)、SIFT(Scale-invariantfeaturetransform，尺度不变特征变换)等方法，这些方法只是提取了图像的浅层特征，在图像角度、清晰度、光照以及旋转等条件变化明显时，这些识别准确率将大大降低。在公安领域进行特定人物的查找检索时，相关技术中使用文本进行检索，导致从不同来源收集来的大量图像数据利用率低，图像数据价值无法被充分挖掘与利用。
技术实现思路
为了解决上述任一技术问题，本申请实施例提供了一种人脸图像的识别方法和装置。为了达到本申请实施例目的，本申请实施例提供了一种人脸图像的识别方法，包括：在接收到需检索的人脸图像后，利用预先设置的人脸特征的提取模型，确定所述需检索的人脸图像的基准特征向量；将所述基准特征向量与预先设置的数据库中的各人脸图像的特征向量进行对比，得到所述人脸图像对应的候选目标人脸图像；从所述候选目标人脸图像与所述人脸图像选择一个人脸图像作为目标人脸图像，作为所述需检索的人脸图像的识别结果。一种人脸图像的识别装置，包括：确定模块，设置为在接收到需检索的人脸图像后，利用预先设置的人脸特征的提取模型，确定所述需检索的人脸图像的基准特征向量；对比模块，设置为将所述基准特征向量与预先设置的数据库中的各人脸图像的特征向量进行对比，得到所述人脸图像对应的候选目标人脸图像；选择模块，设置为从所述候选目标人脸图像与所述人脸图像选择一个人脸图像作为目标人脸图像，作为所述需检索的人脸图像的识别结果。一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上文所述的方法。一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上文所述的方法。上述技术方案中的一个技术方案具有如下优点或有益效果：在接收到需检索的人脸图像后，利用预先设置的人脸特征的提取模型，确定所述需检索的人脸图像的基准特征向量，将所述基准特征向量与预先设置的数据库中的各人脸图像的特征向量进行对比，得到所述人脸图像对应的候选目标人脸图像，从所述候选目标人脸图像与所述人脸图像选择一个人脸图像作为目标人脸图像，作为所述需检索的人脸图像的识别结果，通过利用人脸图像的特征向量进行内容的对比，提高人脸特征的比对准确性。本申请实施例的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例而了解。本申请实施例的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。附图说明附图用来提供对本申请实施例技术方案的进一步理解，并且构成说明书的一部分，与本申请实施例的实施例一起用于解释本申请实施例的技术方案，并不构成对本申请实施例技术方案的限制。图1为本申请实施例提供的人脸图像的识别方法的流程图；图2为本申请实施例提供的基于深度学习技术的人脸识别检索系统的结构图；图3为本申请实施例提供的人脸图像的识别装置的结构图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请实施例的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请实施例中的实施例及实施例中的特征可以相互任意组合。图1为本申请实施例提供的人脸图像的识别方法的流程图。如图1所示，图1所示方法包括：步骤101、在接收到需检索的人脸图像后，利用预先设置的人脸特征的提取模型，确定所述需检索的人脸图像的基准特征向量；在一个示例性实施例中，进行特征向量的抽取可以采用基于深度学习的(ConvolutionalNeuralNetworks,卷积神经网络)模型，其中在设计具体网络结构时，可参考CNN模型或加以改进，例如AlexNet，VGG，GoogLeNet，ResNet等模型，特征向量维度可为1024维、512维、256维等，具体维度可以数据量的大小和检索的准确性来确定。步骤102、将所述基准特征向量与预先设置的数据库中的各人脸图像的特征向量进行对比，得到所述人脸图像对应的候选目标人脸图像；在一个示例性实施例中，将基准特征向量和与其对应被要查询的数据库中图片的特征向量进行对比，查询出N个的最相似图片，其中N为大于等于2的整数。步骤103、从所述候选目标人脸图像与所述人脸图像选择一个人脸图像作为目标人脸图像，作为所述需检索的人脸图像的识别结果。本申请实施例提供的方法，在接收到需检索的人脸图像后，利用预先设置的人脸特征的提取模型，确定所述需检索的人脸图像的基准特征向量，将所述基准特征向量与预先设置的数据库中的各人脸图像的特征向量进行对比，得到所述人脸图像对应的候选目标人脸图像，从所述候选目标人脸图像与所述人脸图像选择一个人脸图像作为目标人脸图像，作为所述需检索的人脸图像的识别结果，通过利用人脸图像的特征向量进行内容的对比，提高人脸特征的比对准确性。下面对本申请实施例提供的方法进行说明：在一个示例性实施例中，所述利用预先设置的人脸特征的提取模型，确定所述人脸图像的特征向量之前，所述方法还包括：确定所述人脸图像中人脸的位置信息；去除所述人脸图像中除所述位置信息之外的其他区域，得到人脸数据，将所述人脸数据作为特征提取模型的处理对象。位置信息可以图像中的坐标信息来标记；将用户端侧上传的图像中人脸部分的区域坐标检测出来，按区域坐标进行裁剪，去除图片中与人脸无关的部分，只保留图像中人脸部分的区域，去除图像中其它像素的因素，提高人脸特征抽取操作的准确性，从而进一步提高检索的准确性，其中人脸区域检测的模型可以采用MTCNN，YOLO，SSD等深度学习的目标检测模型；另外，还可以包括对检测出的人脸图像进行置信度阈值过滤，放弃置信度低于所述置信度阈值的人脸图像，不作为需检索的对象，将置信度大于或等于所述置信度阈值的人脸图像作为需检索的对象。在一个示例性实施例中，所述将所述基准特征向量与预先设置的数据库中的各人脸图像的特征向量进行对比之前，所述方法还包括：为所述数据库中的特征向量构建索引，得到特征向量的索引表；所述将所述特征向量与预先设置的数据库中的各人脸图像的特征向量进行对比，得到所述人脸图像对应的候选目标人脸图像，包括：确定所述基准本文档来自技高网...

【技术保护点】
1.一种人脸图像的识别方法，包括：/n在接收到需检索的人脸图像后，利用预先设置的人脸特征的提取模型，确定所述需检索的人脸图像的基准特征向量；/n将所述基准特征向量与预先设置的数据库中的各人脸图像的特征向量进行对比，得到所述人脸图像对应的候选目标人脸图像；/n从所述候选目标人脸图像与所述人脸图像选择一个人脸图像作为目标人脸图像，作为所述需检索的人脸图像的识别结果。/n

【技术特征摘要】
1.一种人脸图像的识别方法，包括：
在接收到需检索的人脸图像后，利用预先设置的人脸特征的提取模型，确定所述需检索的人脸图像的基准特征向量；
将所述基准特征向量与预先设置的数据库中的各人脸图像的特征向量进行对比，得到所述人脸图像对应的候选目标人脸图像；
从所述候选目标人脸图像与所述人脸图像选择一个人脸图像作为目标人脸图像，作为所述需检索的人脸图像的识别结果。


2.根据权利要求1所述的方法，其特征在于，所述利用预先设置的人脸特征的提取模型，确定所述人脸图像的特征向量之前，所述方法还包括：
确定所述人脸图像中人脸的位置信息；
去除所述人脸图像中除所述位置信息之外的其他区域，得到人脸数据，将所述人脸数据作为特征提取模型的处理对象。


3.根据权利要求1或2所述的方法，其特征在于：
所述将所述基准特征向量与预先设置的数据库中的各人脸图像的特征向量进行对比之前，所述方法还包括：
为所述数据库中的特征向量构建索引，得到特征向量的索引表；
所述将所述特征向量与预先设置的数据库中的各人脸图像的特征向量进行对比，得到所述人脸图像对应的候选目标人脸图像，包括：
确定所述基准特征向量在所述特征向量的索引表中的基准索引；
利用所述基准索引，在所述数据库中的各人脸图像的特征向量的索引进行对比，得到所述人脸图像对应的候选目标人脸图像。


4.根据权利要求1所述的方法，其特征在于，所述从所述候选目标人脸图像与所述人脸图像选择一个人脸图像作为目标人脸图像，作为所述需检索的人脸图像的识别结果，包括:
计算每个候选目标人脸图像的图片相似度；
根据每个候选目标人脸图像的图片相似度，选择图像相似度大于预先设置的相似度阈值的候选目标人脸图像作为待选人脸图像；
从所述待选人脸图像中选择至少一个人脸图像作为目标人脸图像。


5.根据权利要求4所述的方法，其特征在于，所述从待选人脸图像中选择至少一个人脸图像作为目标人脸图像，包括：
获取每个待选人脸图像中人物的身份的描述信息；
输出所述每个待选人脸图像中人物的身份的描述...

【专利技术属性】
技术研发人员：王三刚，孟嘉，喻守益，
申请(专利权)人：北京明略软件系统有限公司，
类型：发明
国别省市：北京;11