人脸搜索方法、装置及边缘设备制造方法及图纸

本发明专利技术提供一种人脸搜索方法、装置及边缘设备，针对人脸底库中需要根据数据容量进行循环多次计算欧氏距离和比对导致运算耗时长的问题，本发明专利技术将传统的在CPU中执行的循环计算转换成大矩阵内的点乘计算，减少运算时间，较传统CPU运算速度提高2‑4倍，大大提升了人脸搜索速度，使得人脸搜索不再成为应用程序的性能瓶颈。人脸检索还可以采用batch处理的方式，一次可以做到多张人脸照片的同时检索，实现高并发处理，将人脸检索吞吐量提升若干倍。

【技术实现步骤摘要】
人脸搜索方法、装置及边缘设备
本专利技术涉及图像处理
，尤其是人脸搜索，具体而言涉及一种针对海量人脸底库的情况下的人脸搜索方法、装置及边缘设备。
技术介绍
人脸搜索的目的是根据输入的人脸照片(即一个对象)从海量的人脸底库中找到适配的结果，即与照片中的人脸对应的人是同一个人的照片。在现行的搜索方法中，一般通过暴力计算搜索对象与底库中的所有对象的欧氏距离或者余弦距离计算，对于一般场景可以使用欧式距离，即将搜索对象的人脸特征值(浮点数组)与底库中的所有人脸特征值进行欧式距离计算，将所有计算后的欧氏距离排序，选取距离最短所对应的人脸特征值及人脸信息对应作为搜索结果输出。当人脸底库中的数据较多，人流量较大时，对于这样的高并发、低延时的应用场景中，边缘设备往往需要耗费比较多的计算时间和计算资源在特征值的比对上。而边缘设备中的CPU的浮点数运算能力偏弱，单纯使用CPU循环计算特征值与人脸底库中每一人脸特征值的欧式距离耗时很长，以常用的2核A53+2核A73的CPU实测，特征向量维度为512维，底库大小达到2万的规模时，做一次人脸检索大概需要70本文档来自技高网...

【技术保护点】
1.一种人脸搜索方法，其特征在于，包括以下步骤：/n接收输入的人脸搜索请求，所述人脸搜索请求包含从作为待搜索对象的人脸照片中提取获得的人脸特征数据，所述人脸特征数据包含浮点数向量，维度为M，M为正整数；/n将所述人脸搜索请求包含的人脸特征数据构造成1*M的输入特征矩阵X；/n将人脸底库中包含的N个人脸特征数据拼接，构造成N*M的底库矩阵Y，其中N个人脸特征数据中的每个人脸特征数据包含浮点数向量，维度为M；其中N为正整数；/n将底库矩阵Y进行转置，获得转置矩阵Y’；/n将转置矩阵Y’与输入特征矩阵X相乘，得到1*N的矩阵Z，所述矩阵Z中的每个元即为所述人脸搜索请求包含的人脸特征数据与人脸底库中的...

【技术特征摘要】
1.一种人脸搜索方法，其特征在于，包括以下步骤：
接收输入的人脸搜索请求，所述人脸搜索请求包含从作为待搜索对象的人脸照片中提取获得的人脸特征数据，所述人脸特征数据包含浮点数向量，维度为M，M为正整数；
将所述人脸搜索请求包含的人脸特征数据构造成1*M的输入特征矩阵X；
将人脸底库中包含的N个人脸特征数据拼接，构造成N*M的底库矩阵Y，其中N个人脸特征数据中的每个人脸特征数据包含浮点数向量，维度为M；其中N为正整数；
将底库矩阵Y进行转置，获得转置矩阵Y’；
将转置矩阵Y’与输入特征矩阵X相乘，得到1*N的矩阵Z，所述矩阵Z中的每个元即为所述人脸搜索请求包含的人脸特征数据与人脸底库中的每个人脸特征数据的欧氏距离所构成的向量；
取矩阵Z中的所有元的最小值作为距离最短的特征值，输出对应的人脸信息。


2.根据权利要求1所述的人脸搜索方法，其特征在于，所述人脸底库中包含的人脸特征数据的浮点数向量维度以及所述提取获得的人脸特征数据的浮点数向量维度，由人脸特征值提取模型决定。


3.根据权利要求1所述的人脸搜索方法，其特征在于，所述人脸底库中存储的每个人脸特征数据包含人脸标识token以及人脸特征值，所述人脸标识token作为一个人脸信息的唯一标识，所述人脸特征值采用浮点数向量形式存储，维度为M。


4.根据权利要求1-3中任意一项所述的人脸搜索方法，其特征在于，所述将转置矩阵Y’与输入特征矩阵X相乘，得到1*N的矩阵Z的操作，采用矩阵运算加速库进行运算。


5.一种支持高并发的人脸搜索方法，其特征在于，包括以下步骤：
接收输入的人脸搜索请求，所述人脸搜索请求包含从作为待搜索对象的人脸照片中提取获得的人脸特征数据，所述人脸特征数据包含浮点数向量，维度为M，M为正整数；
将人脸搜索请求对应的人脸特征数据插入到待搜索人脸特征数据队列中；
判断在一个预设的发送时间周期T范围内，所述队列中的人脸特征数据数目是否达到预设阈值Q，Q为预设的并发量，且取值为大于2的正整数；
响应于达到预设阈值Q，将队列中的所有人脸特征数据构造成Q*M的输入特征矩阵A；否则，继续接收人脸搜索请求，直到预设时间节点T达到，补齐特征值并构造Q*M的输入特征矩阵A；
将人脸底库中包含的N个人脸特征数据拼接，构造成N*M的底库矩阵B，N为正整数；所述人脸底库中存储的每个人脸特征数据包含人脸标识token以及人脸特征值，其中人脸标识token作为一个人脸信息的唯一标识，其中人脸特征值采用浮点数向量形式存储，维度为M；
将底库矩阵B进行转置，获得转置矩阵B’；
将转置矩阵B’与输入特征矩阵A相乘，得到Q*N的矩阵C；
对所述矩阵C的每一行统计最小值及所在位置；以及
根据每一行统计最小值的所在位置，在人脸底库中找到对应位置的人脸标识token，则获得所有待搜索人脸特征数据的人脸标识token及比对分数，所述比对分数即为对应每一行的最小值。


6.根据权利要求5所述的支持高并发的人脸搜索方法，其特征在于，当在一个发送时间周期T范围内，如果队列中的所有人脸特征数据的数量P小于Q，即未达到预设阈值Q时，则补上(Q-P)个全为0的特征值，与P个人脸特征数据一起构造成Q*N的输入特征矩阵A。


7.根据权利要求5...

【专利技术属性】
技术研发人员：杨帆，奚稳，
申请(专利权)人：南京甄视智能科技有限公司，
类型：发明
国别省市：江苏;32