【技术实现步骤摘要】
【国外来华专利技术】一种特征处理方法及装置、存储介质及程序产品
本申请涉及数据处理领域，例如涉及一种特征处理方法及装置、存储介质及程序产品。
技术介绍
随着人脸识别技术的发展，人脸验证或人脸检索越来越多的应用于人们的日常生活。人脸特征对人来识别技术的准确率有较大的影响。现有技术中一般采用深度学习实现人脸特征的提取，并且，考虑到不同的神经网络模型会提取到不同的人脸特征，因此，现有技术中经常采用多种神经网络模型进行人脸特征的提取，得到多个人脸特征向量。但是，现有的人脸特征提取方式会导致人脸特征向量的维度随着神经网络模型的个数线性增长，导致人脸识别的计算量大大增加，其识别速度和识别准确率均会受到不良影响。
技术实现思路
本公开实施例提供了一种特征处理方法及装置、存储介质及程序产品，用以降低特征的维度，提高数据处理速度与精度。本公开实施例提供了一种特征处理方法，包括：利用多个特征提取模型分别对目标图像进行特征提取，得到所述目标图像的多个特征向量；将所述多个特征向量进行拼接，得到所述目标图像的拼接特征向量；
【技术保护点】
一种特征处理方法，其特征在于，包括：/n利用多个特征提取模型分别对目标图像进行特征提取，得到所述目标图像的多个特征向量；/n将所述多个特征向量进行拼接，得到所述目标图像的拼接特征向量；/n对所述拼接特征向量进行降维处理，得到目标特征向量。/n
【技术特征摘要】
【国外来华专利技术】一种特征处理方法，其特征在于，包括：
利用多个特征提取模型分别对目标图像进行特征提取，得到所述目标图像的多个特征向量；
将所述多个特征向量进行拼接，得到所述目标图像的拼接特征向量；
对所述拼接特征向量进行降维处理，得到目标特征向量。
根据权利要求1所述的方法，其特征在于，将所述多个特征向量进行拼接，包括：
对每个所述特征向量分别进行归一化处理，得到多个归一化特征向量；
将所述多个归一化特征向量进行拼接，得到所述拼接特征向量。
根据权利要求2所述的方法，其特征在于，所述对每个所述特征向量分别进行归一化处理，包括：
获取每个所述特征向量中多个特征值的归一化系数；
获取每个所述特征值与所述归一化系数之间的比值，得到所述特征向量的所述归一化特征向量。
根据权利要求1所述的方法，其特征在于，所述对所述拼接特征向量进行降维处理，得到目标特征向量，包括：
利用主成分分析PCA处理所述拼接特征向量，得到所述目标特征向量。
根据权利要求4所述的方法，其特征在于，所述利用主成分分析PCA处理所述拼接特征向量，包括：
获取所述拼接特征向量中各特征值的平均值；
获取所述拼接特征向量中每个特征值与所述平均值之差，得到去均值向量；
获取所述去均值向量的协方差矩阵；
求解所述协方差矩阵，得到所述协方差矩阵的协方差特征值与协方差特征向量；
按照所述协方差特征值由大至小的顺序，获取所述协方差特征值靠前的部分特征向量；
按照所述部分特征向量，构建新的特征空间，得到所述目标特征向量。
根据权利要求1所述的方法，其特征在于，所述特征提取模型为深度神经网络模型DNN。
根据权利要求1所述的方法，其特征在于，所述方法还包括：
存储所述目标特征向量至特征数据库。
根据权利要求7所述的方法，其特征在于，所述方法还包括：
获取待识别图像；
在所述特征数据库中，对所述待识别图像进行匹配，得到所述待识别图像对应的目标图像。
根据权利要求8所述的方法，其特征在于，所述在所述特征数据库中，对所述待识别图像进行匹配，包括：
获取所述待识别图像的待识别特征向量；
获取所述待识别特征向量与所述特征数据库中的每个所述目标特征向量之间的距离；
针对任一所述目标特征向量，若所述距离小于预设距离阈值，确定该目标特征向量对应的目标图像为所述待识别图像对应的目标图像。
根据权利要求8所述的方法，其特征在于，所述目标图像为人脸图像；所述待识别图像为人脸图像。
一种特征处理装置，其特征在于，包括：
提取模块，用于利用多个特征提取模型分别对目标图像进行特征提取，得到所述目标图像的多个特征向量；
拼接模块，用于将所述多个特征向量进行拼接，得到所述目标图像的拼接特征向量；
降维模块，用于对所述拼接特征向量进行降维处理，得到目标特征向量。
根据权利要求11所述的装置，其特征在于，所述拼接模...
【专利技术属性】
技术研发人员：马熠东，
申请(专利权)人：北京比特大陆科技有限公司，
类型：发明
国别省市：北京;11
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。