人脸检索方法及相关产品技术

本申请实施例公开了一种人脸检索方法及相关产品，其中方法包括：获取目标人脸图像；采用预设算法将目标人脸图像在预设数据库中进行搜索，得到P个相似度值，预设数据库中包括P个图像；从P个相似度值中选取大于第一预设阈值的Q个相似度值，并获取该Q个相似度值对应的图像，得到Q个第一检索图像；将Q个第一检索图像、目标人脸图像输入到预设神经网络模型中进行运算，得到Q个运算结果，每一运算结果对应一个第一检索图像；从Q个运算结果中选取大于第二预设阈值的运算结果，得到N个目标运算结果，并获取该N个目标运算结果对应的图像，得到N个第二检索图像；输出N个第二检索图像。采用本申请实施例能够提升图像检索精度。

【技术实现步骤摘要】
人脸检索方法及相关产品
本申请涉及人脸识别
，具体涉及一种人脸检索方法及相关产品。
技术介绍
人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体(一般特指人)本身的生物特征来区分生物体个体是指能够识别或验证图像或视频中的主体的身份的技术。首个人脸识别算法诞生于七十年代初。自那以后，它们的准确度已经大幅提升。人脸识别的潜在应用范围更广，因为它也可被部署在用户不期望与系统合作的环境中，比如监控系统中。人脸识别的其它常见应用还包括访问控制、欺诈检测、身份认证和社交媒体。当被部署在无约束条件的环境中时，由于人脸图像在现实世界中的呈现具有高度的可变性(这类人脸图像通常被称为自然人脸)，所以人脸识别也是最有挑战性的生物识别方法之一。由于人脸图像可变的地方包括头部姿势、年龄、遮挡、光照条件和人脸表情，导致了人脸识别的准确率也无法达到很高，因此，如何提升人脸检索精度的问题亟待解决。
技术实现思路
本申请实施例提供了一种人脸检索方法及相关产品，能够提升人脸识别准确率。第一方面，本申请实施例提供一种人脸检索方法，所述方法包括：获取目标人脸图像；采用预设算法将所述目标人脸图像在预设数据库中进行搜索，得到P个相似度值，所述P为大于1的整数，所述预设数据库中包括P个图像；从所述P个相似度值中选取大于第一预设阈值的Q个相似度值，并获取该Q个相似度值对应的图像，得到Q个第一检索图像，所述Q为小于所述P且大于1的整数；将所述Q个第一检索图像、所述目标人脸图像输入到预设神经网络模型中进行运算，得到Q个运算结果，每一运算结果对应一个第一检索图像；从所述Q个运算结果中选取大于第二预设阈值的运算结果，得到N个目标运算结果，并获取该N个目标运算结果对应的图像，得到N个第二检索图像，所述N小于所述Q的正整数；输出所述N个第二检索图像。第二方面，本申请实施例提供了一种人脸检索装置，所述装置包括：获取单元，用于获取目标人脸图像；搜索单元，用于采用预设算法将所述目标人脸图像在预设数据库中进行搜索，得到P个相似度值，所述P为大于1的整数，所述预设数据库中包括P个图像；第一选取单元，用于从所述P个相似度值中选取大于第一预设阈值的Q个相似度值，并获取该Q个相似度值对应的图像，得到Q个第一检索图像，所述Q为小于所述P且大于1的整数；运算单元，用于将所述Q个第一检索图像、所述目标人脸图像输入到预设神经网络模型中进行运算，得到Q个运算结果，每一运算结果对应一个第一检索图像；第二选取单元，用于从所述Q个运算结果中选取大于第二预设阈值的运算结果，得到N个目标运算结果，并获取该N个目标运算结果对应的图像，得到N个第二检索图像，所述N小于所述Q的正整数；输出单元，用于输出所述N个第二检索图像。第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面中的步骤的指令。第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。实施本申请实施例，具备如下有益效果：可以看出，本申请实施例中所描述的人脸检索方法及相关产品，获取目标人脸图像，采用预设算法将目标人脸图像在预设数据库中进行搜索，得到P个相似度值，P为大于1的整数，预设数据库中包括P个图像，从P个相似度值中选取大于第一预设阈值的Q个相似度值，并获取该Q个相似度值对应的图像，得到Q个第一检索图像，Q为小于P且大于1的整数，将Q个第一检索图像、目标人脸图像输入到预设神经网络模型中进行运算，得到Q个运算结果，每一运算结果对应一个第一检索图像，从Q个运算结果中选取大于第二预设阈值的运算结果，得到N个目标运算结果，并获取该N个目标运算结果对应的图像，得到N个第二检索图像，N小于Q的正整数，输出N个第二检索图像，如此，能够通过神经网络模型对第一次检索结果进行优化，有助于提升人脸检索精度。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1A是本申请实施例提供的一种人脸检索方法的流程示意图；图1B是本申请实施例提供的一种循环神经网络RNN的结构示意图；图2是本申请实施例提供的另一种人脸检索方法的流程示意图；图3是本申请实施例提供的一种电子设备的结构示意图；图4是本申请实施例提供的一种人脸检索装置的功能单元组成框图。具体实施方式为了使本
的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分实施例，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作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。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。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他步骤或单元。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。本申请实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备(智能手表、智能手环、无线耳机、增强现实/虚拟现实设备、智能眼镜)、服务器、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(userequipment，UE)，移动台(mobilestation，MS)，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为电子设备。下面对本申请实施例进行详细介绍。请参阅图1A，图1A是本申请实本文档来自技高网...

【技术保护点】
1.一种人脸检索方法，其特征在于，所述方法包括：/n获取目标人脸图像；/n采用预设算法将所述目标人脸图像在预设数据库中进行搜索，得到P个相似度值，所述P为大于1的整数，所述预设数据库中包括P个图像；/n从所述P个相似度值中选取大于第一预设阈值的Q个相似度值，并获取该Q个相似度值对应的图像，得到Q个第一检索图像，所述Q为小于所述P且大于1的整数；/n将所述Q个第一检索图像、所述目标人脸图像输入到预设神经网络模型中进行运算，得到Q个运算结果，每一运算结果对应一个第一检索图像；/n从所述Q个运算结果中选取大于第二预设阈值的运算结果，得到N个目标运算结果，并获取该N个目标运算结果对应的图像，得到N个第二检索图像，所述N小于所述Q的正整数；/n输出所述N个第二检索图像。/n

【技术特征摘要】
1.一种人脸检索方法，其特征在于，所述方法包括：
获取目标人脸图像；
采用预设算法将所述目标人脸图像在预设数据库中进行搜索，得到P个相似度值，所述P为大于1的整数，所述预设数据库中包括P个图像；
从所述P个相似度值中选取大于第一预设阈值的Q个相似度值，并获取该Q个相似度值对应的图像，得到Q个第一检索图像，所述Q为小于所述P且大于1的整数；
将所述Q个第一检索图像、所述目标人脸图像输入到预设神经网络模型中进行运算，得到Q个运算结果，每一运算结果对应一个第一检索图像；
从所述Q个运算结果中选取大于第二预设阈值的运算结果，得到N个目标运算结果，并获取该N个目标运算结果对应的图像，得到N个第二检索图像，所述N小于所述Q的正整数；
输出所述N个第二检索图像。


2.根据权利要求1所述的方法，其特征在于，所述采用预设算法将所述目标人脸图像在预设数据库中进行搜索，得到P个相似度值，包括：
对所述目标人脸图像进行特征提取，得到第一特征集；
对所述预设数据库中每一图像进行图像分割，得到P个人脸区域图像；
对所述P个人脸区域图像中每一人脸区域图像进行特征提取，得到P个第二特征集；
计算所述第一特征集与所述P个第二特征集中每一第二特征集之间的特征距离，得到P个特征距离；
依据所述P个特征距离确定所述P个相似度值。


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Q个第一检索图像、所述目标人脸图像输入到预设神经网络模型中进行运算，得到Q个运算结果，包括：
获取所述Q个第一检索图像中每一第一检索图像的标识信息，得到Q个标识信息；
获取所述Q个第一检索图像中每一检索图像中的特征集，得到Q个特征集；
将所述Q个标识信息和所述Q个特征集构建为Q个合并特征集，每一合并特征集包括唯一一个第一检索图像的标识信息以及特征集；
将所述Q个合并特征集、所述目标人脸图像输入到所述预设神经网络模型中进行运算，得到所述Q个运算结果，每一合并特征集对应一个运算结果。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述获取所述Q个第一检索图像中每一检索图像中的特征集，得到Q个特征集，包括：
获取所述第一检索图像i中的所有特征点，得到M个特征点，所述第一检索图像i为所述Q个第一检索图像中的任一第一检索图像，所述M为大于1的整数；
确定所述M个特征点中每一特征点的模，得到M个模；
确定所述M个特征点中每一特征点与所述目标人脸图像中相应特征点之间的最大比对值，得到M个最大比对值；
将所述M个模和所述M个最大比对值构成M个特征参数组，每一特征点对应一个特征参数组，每一特征参数组包括一个模和一个最大比对值；
从所述M个特征参数组中选取模处于第一预设范围，且最大比对值处于第二预设范围的目标特征参数组，得到K个目标特征参数组，所述K为小于所述M的正整数；
将所述K个目标特征参数组对应的特征点作为所述第一检索图像i的特征集。


5.根据...

【专利技术属性】
技术研发人员：游德创，
申请(专利权)人：深圳云天励飞技术有限公司，
类型：发明
国别省市：广东;44