人脸检索方法、装置及存储介质制造方法及图纸

本申请公开了一种人脸检索方法、装置及存储介质。其中，该方法包括：获取包含目标对象的人脸的待检索图像；利用特征提取模型，生成与待检索图像中的人脸对应的第一特征向量；根据第一特征向量，从预设的特征数据库中的多个第二特征向量中确定目标特征向量，其中多个第二特征向量分别为预设的人脸数据库中的多个人脸图像的特征向量；以及根据目标特征向量，在人脸数据库中进行检索，得到与待检索图像对应的检索结果，其中特征数据库中的多个第二特征向量分别为根据Faiss检索算法建立的多个人脸图像在人脸数据库中的索引。图像在人脸数据库中的索引。图像在人脸数据库中的索引。

【技术实现步骤摘要】
人脸检索方法、装置及存储介质


[0001]本申请涉及人脸检索
，特别是涉及一种人脸检索方法、装置及存储介质。

技术介绍

[0002]AI的兴起加速了人脸识别的发展，人脸识别的应用给人们带来了越来越多的便利，比如刷脸支付、刷脸门禁等等，人脸识别在安防、金融等领域也随处可见。人脸识别在发展的同时，也积累了大量的人脸数据，这些海量的人脸数据对于人脸识别也带来了新的挑战，对于一张给定的人脸，如何快速准确的从上亿级的人脸库中找到与其相似度最高的前N张图片，已经成为一个亟待解决的课题，这便是人脸检索发展的由来。
[0003]人脸检索大致可分为两个阶段：第一个阶段提取人脸图像的特征，之后第二阶段是对这些人脸特征建立特征索引。在第一阶段现有的方法有基于传统的人脸提特征的方法，比如采用局部二值模式(LBP)算子对经过小波变换后的人脸图像提取特征；也有基于深度学习的方式进行人脸特征提取。在第二阶段大都是采用将第一阶段提取到的人脸特征进行降维或进行哈希编码后，再保存到特征库中最为最终的索引。但是传统的提取特征的方式并不能得到较好的人脸特征，所以最终的准确率也并不好，而深度学习的方式可以得到较为高维的丰富的人脸特征，但在第二阶段为了提高检索速率需要对人脸特征进行降维处理或哈希编码往往会导致信息维度缺失，也会导致最终的准确率不好。
[0004]针对上述的现有技术中存在的传统的提取特征的方式并不能得到较好的人脸特征，而深度学习的方式虽然可以得到较为高维的丰富的人脸特征，但在对人脸特征建立特征索引的过程中，为了提高检索速率需要对人脸特征进行降维处理或哈希编码，造成了信息维度缺失，导致准确性不高的技术问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本公开的实施例提供了一种人脸检索方法、装置及存储介质，以至少解决现有技术中存在的传统的提取特征的方式并不能得到较好的人脸特征，而深度学习的方式虽然可以得到较为高维的丰富的人脸特征，但在对人脸特征建立特征索引的过程中，为了提高检索速率需要对人脸特征进行降维处理或哈希编码，造成了信息维度缺失，导致准确性不高的技术问题。
[0006]根据本公开实施例的一个方面，提供了一种人脸检索方法，包括：获取包含目标对象的人脸的待检索图像；利用特征提取模型，生成与待检索图像中的人脸对应的第一特征向量；根据第一特征向量，从预设的特征数据库中的多个第二特征向量中确定目标特征向量，其中多个第二特征向量分别为预设的人脸数据库中的多个人脸图像的特征向量；以及根据目标特征向量，在人脸数据库中进行检索，得到与待检索图像对应的检索结果，其中特征数据库中的多个第二特征向量分别为根据Faiss检索算法建立的多个人脸图像在人脸数据库中的索引。
[0007]根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的
程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。
[0008]根据本公开实施例的另一个方面，还提供了一种人脸检索装置，包括：获取模块，用于获取包含目标对象的人脸的待检索图像；特征提取模块，用于利用特征提取模型，生成与待检索图像中的人脸对应的第一特征向量；确定模块，用于根据第一特征向量，从预设的特征数据库中的多个第二特征向量中确定目标特征向量，其中多个第二特征向量分别为预设的人脸数据库中的多个人脸图像的特征向量；以及检索模块，用于根据目标特征向量，在人脸数据库中进行检索，得到与待检索图像对应的检索结果，其中特征数据库中的多个第二特征向量分别为根据Faiss检索算法建立的多个人脸图像在人脸数据库中的索引。
[0009]根据本公开实施例的另一个方面，还提供了一种人脸检索装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：获取包含目标对象的人脸的待检索图像；利用特征提取模型，生成与待检索图像中的人脸对应的第一特征向量；根据第一特征向量，从预设的特征数据库中的多个第二特征向量中确定目标特征向量，其中多个第二特征向量分别为预设的人脸数据库中的多个人脸图像的特征向量；以及根据目标特征向量，在人脸数据库中进行检索，得到与待检索图像对应的检索结果，其中特征数据库中的多个第二特征向量分别为根据Faiss检索算法建立的多个人脸图像在人脸数据库中的索引。
[0010]在本公开实施例中，在人脸检索的特征提取阶段，采用的是基于深度学习的特征提取模型，对待检索图像进行人脸特征的提取，得到特征信息丰富的第一特征向量，使得检索结果的准确性较高。在人脸检索阶段，根据第一特征向量，从预设的特征数据库中的多个第二特征向量中确定目标特征向量。由于在前期的建立索引阶段，本实施例不再对第二特征向量进行降维或哈希编码，而是采用检索速度非常快的Faiss检索算法直接将第二特征向量确定为人脸图像在人脸数据库中的索引。因此可以根据目标特征向量，在人脸数据库中进行检索，得到与待检索图像对应的检索结果。由于，采用Faiss检索算法直接将第二特征向量确定为人脸图像在人脸数据库中的索引，不仅保证了检索速度快，还不会造成信息维度的缺失，大大提高了检索的准确率。达到了人脸检索的检索速度快以及准确性高的技术效果。进而解决了现有技术中存在的传统的提取特征的方式并不能得到较好的人脸特征，而深度学习的方式虽然可以得到较为高维的丰富的人脸特征，但在对人脸特征建立特征索引的过程中，为了提高检索速率需要对人脸特征进行降维处理或哈希编码，造成了信息维度缺失，导致准确性不高的技术问题。
附图说明
[0011]此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
[0012]图1是用于实现根据本公开实施例1所述的方法的计算设备的硬件结构框图；
[0013]图2是根据本公开实施例1的第一个方面所述的人脸检索方法的流程示意图；
[0014]图3是根据本公开实施例1的第一个方面所述的人脸检索方法的整体流程示意图；
[0015]图4是根据本公开实施例1的第一个方面所述的特征提取模型的网络结构示意图；
[0016]图5是根据本公开实施例1的第一个方面所述的bottleneck单元的结构示意图；
[0017]图6是根据本公开实施例2所述的人脸检索装置的示意图；以及
[0018]图7是根据本公开实施例3所述的人脸检索装置的示意图。
具体实施方式
[0019]为了使本
的人员更好地理解本公开的技术方案，下面将结合本公开实施例中的附图，对本公开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公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。
[0020]需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸检索方法，其特征在于，包括：获取包含目标对象的人脸的待检索图像；利用特征提取模型，生成与所述待检索图像中的人脸对应的第一特征向量；根据所述第一特征向量，从预设的特征数据库中的多个第二特征向量中确定目标特征向量，其中所述多个第二特征向量分别为预设的人脸数据库中的多个人脸图像的特征向量；以及根据所述目标特征向量，在所述人脸数据库中进行检索，得到与所述待检索图像对应的检索结果，其中所述特征数据库中的所述多个第二特征向量分别为根据Faiss检索算法建立的所述多个人脸图像在所述人脸数据库中的索引。2.根据权利要求1所述的方法，其特征在于，还包括通过以下方式建立所述多个人脸图像在所述人脸数据库中的索引：利用所述特征提取模型，生成分别与所述多个人脸图像中的人脸对应的所述多个第二特征向量；以及根据所述Faiss检索算法，将所述多个第二特征向量分别确定为所述多个人脸图像在所述人脸数据库中的索引。3.根据权利要求2所述的方法，其特征在于，还包括：根据所述Faiss检索算法，将所述第一特征向量确定为所述待检索图像在所述人脸数据库中的索引；以及将所述第一特征向量和所述待检索图像分别存储至所述特征数据库和所述人脸数据库。4.根据权利要求1所述的方法，其特征在于，根据所述第一特征向量，从预设的特征数据库中的多个第二特征向量中确定目标特征向量的操作，包括：将所述第一特征向量分别与所述多个第二特征向量进行比对；以及根据所述比对的结果，从所述多个第二特征向量中确定所述目标特征向量。5.根据权利要求4所述的方法，其特征在于，将所述第一特征向量分别与所述多个第二特征向量进行比对的操作，包括：分别计算所述第一特征向量与所述多个第二特征向量之间的余弦相似度；以及根据所述比对的结果，从所述多个第二特征向量中确定所述目标特征向量的操作，包括：将所述多个第二特征向量中的与所述第一特征向量之间的余弦相似度最高的特征向量确定为所述目标特征向量。6.根据权利要求1所述的方法，其特征在于，利用特征提取模型，生成与所述待检索图像中的人脸对应的第一特征向量的操作之前，...

【专利技术属性】
技术研发人员：唐东凯，曾定衡，赵立军，
申请(专利权)人：北京有限元科技有限公司，
类型：发明
国别省市：