【技术实现步骤摘要】
一种用于人脸图像相似性的评价方法和装置
本申请涉及图像处理，尤其涉及一种用于人脸图像相似性的评价方法和装置。
技术介绍
随着深度学习与大数据技术的发展，人脸识别技术的应用也不断地扩大与深入，每天所产生的人脸图像数据的规模都在不断扩大。人脸图像聚类算法旨在依据人脸图像特征的相似性评价标准，将相似的图像数据聚类成一个簇类，其理想状态是把同一个人所有图像聚为一类。这一技术除了可以节省存储空间、加快人脸比对检索速度外，在人脸图像特征融合、目标布控、行人时空轨迹分析、疑犯告警、追踪等领域有着重要的作用。聚类算法追求簇内距离尽量小而簇间距离尽量大，所谓距离即为相似性度量。对高维人脸特征进行人脸聚类即为多变量求最优的过程，易产生“维度灾难”问题，一些在低维可用的相似性度量方法不再可用。如欧氏距离就会因为“空空间”现象而导致各样本点到中心点的距离随着维度的增加而增大，最小与最大距离的差异不断变小最终导致欧氏距离作为相似性度量的失效，影响了准确性。此外使用常规聚类中的欧氏距离或余弦距离都意味着要对高维特征(500维以上)进行点乘操作，...
【技术保护点】
1.一种用于人脸图像相似性的评价方法，其特征在于，包括：/n采集人脸图像信息，获取人脸多维特征向量，对所述人脸多维特征向量进行Int量化；/n对量化后的所述人脸多维特征向量进行降维，并取贡献度高的d维特征值；/n训练人脸图像数据，统计所述d维特征值中每一维度特征值分布并进行分段，使每一维度特征的值域分成宽度不等的k段；/n对于两个待识别相似性的人脸图像特征向量，分别根据每一维度特征值所处的分段，获得每一维度的相似性，再根据每一维度的相似性得到人脸图像相似性的评价值。/n
【技术特征摘要】
1.一种用于人脸图像相似性的评价方法，其特征在于，包括：
采集人脸图像信息，获取人脸多维特征向量，对所述人脸多维特征向量进行Int量化；
对量化后的所述人脸多维特征向量进行降维，并取贡献度高的d维特征值；
训练人脸图像数据，统计所述d维特征值中每一维度特征值分布并进行分段，使每一维度特征的值域分成宽度不等的k段；
对于两个待识别相似性的人脸图像特征向量，分别根据每一维度特征值所处的分段，获得每一维度的相似性，再根据每一维度的相似性得到人脸图像相似性的评价值。
2.如权利要求1所述的方法，其特征在于，所述采集人脸图像信息，获取人脸多维特征向量，对所述人脸多维特征向量进行Int量化，包括：
采集人脸图像信息，通过人脸识别算法计算获得人脸512维特征值；
将每一维度的特征值乘以256后的值舍去小数部分取整；
若结果大于127或小于-127则取对应的边界值，得到值域为-127至127的Int型特征值。
3.如权利要求2所述的方法，其特征在于，所述对量化后的所述人脸多维特征向量进行降维，包括：
计算特征矩阵的协方差矩阵∑i,j；
其中，1≤i≤512，1≤j≤n，n为所述人脸图像的数据量；
求得协方差矩阵∑i,j的前d个最大特征值λi，所述前d个最大特征值λi的正交化单位特征向量即为降维后的特征向量；
所述取贡献度高的d维特征向量之前，还包括：
通过以下计算公式计算每个维度的贡献度：
4.如权利要求3所述的方法，其特征在于，所述对于两个待识别相似性的人脸图像特征向量，分别根据每一维度特征值所处的分段，获得每一维度的相似性，包括：
对于两个待识别相似性的人脸图像特征向量，分别找出每一维度特征值所处的分段，若二者同一维度的特征值处于同一分段，则通过以下公式计算单一维度相似性si：
其中，1≤i≤512，xi,yi分别为两特征向量在该维度上的特征值，vi,m表示值域端点分布矩阵的对应项元素，即第i维特征的第m个值域端点；γi为二值函数，若两特征值属于同一分段置为1，否则为0；
对于所述两个待识别相似性的人脸图像特征向量，若二者同一维度的特征值不处于同一分段，则该维度相似性为0。
5.如权利要求4所述的方法，其特征在于，所述人脸图像特征向量相似性的评价值,通过以下公式计算获得：
其中，S为所述人脸图像相似性的评价值。
6.一种用于人脸...
【专利技术属性】
技术研发人员：何俊豪，朱金华，陈婷，王强，
申请(专利权)人：深圳力维智联技术有限公司，南京中兴力维软件有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。