[发明专利]一种人脸特征向量的高维索引的构建方法

权利要求书

1.一种人脸特征向量的高维索引的构建方法，其特征在于，包括如下步骤：

S1，选取一个人脸特征数据作为一个对象存放到根结点中，根结点的最大容量为M；

S2，新插入的一个人脸特征数据作为一个新的对象存放到根结点中，如果根结点不满,则直接插入；如果根结点中对象数量已达到最大值M,则对根结点进行一分为三操作，即将根结点分裂为三个子结点，即子结点A、子结点B和子结点C，将根结点中的M个对象和新插入的一个对象相应的分别存放到三个子结点中，且三个子结点中的存放对象数量均不少于m，三个子结点的最大容量均为M；

S3，新插入的一个人脸特征数据作为一个新的对象随机存放到一个子结点中,设定该子节点为A，如果子结点A不满,则直接插入；如果子结点A中的对象数量已达到最大值M，则对子结点A中的M个对象和新插入的一个对象进行重插入操作，使得子结点A中的对象数量少于M；

S4，新插入的一个人脸特征数据作为一个新的对象继续存放到子结点A中，直至子结点中的对象数量再次达到最大值M，此时对子结点中的M个对象和新插入的一个对象进行分裂操作，得到子结点A分裂后的下一层三个子结点；同理，直到子结点B和子结点C均完成分裂操作，即均得到子结点B和子结点C分裂后的下一层三个子结点；

S5，重复步骤S3～S4，进行新插入的人脸特征数据作为对象的存放，所有人脸特征数据均存放结束后即完成了索引的建立。

2.根据权利要求1所述的一种人脸特征向量的高维索引的构建方法，其特征在于，步骤S3中所述的重插入操作包括如下步骤：

S11，利用最小包围圆算法和欧氏距离算法，计算子结点A中的M个对象和新插入的一个对象到子结点A的最小包围圆中心的距离D；

S12，将子结点A中的M个对象和新插入的一个对象按D值从大到小排序，取出前(M+1)/2或M/2个对象作为重插单元，插入到同层其他子结点中。

3.根据权利要求2所述的一种人脸特征向量的高维索引的构建方法，其特征在于,步骤S4中所述的分裂操作包括如下步骤：

S21，从子结点A中的M个对象和新插入的一个对象中任意选择三个对象，分别作为三个初始聚类的中心；

S22，计算每个初始聚类中的对象的均值V，即对每个初始聚类的中心，计算除此中心外的所有对象与此中心的均值，均值V的计算公式如下:

V=Σi=13Σxj∈Si(xj-ui)2]]>

其中，S_i表示所有初始聚类中心的对象的集合，u_i表示第i个聚类的中心，x_j表示子结点A中的M个对象和新插入的一个对象中，除此中心u_i之外的其余所有对象；

S23，根据均值V，通过欧氏距离算法计算每个对象与三个初始聚类中心的距离,将对象与三个初始聚类中心的距离最小的那个初始聚类中心作为此对象的聚类中心，得到重新划分的三个聚类；

S24，重复步骤S22～S23，直至三个初始聚类中心的均值与各自上一个均值之间差值的绝对值小于指定阈值K；

S25，最终得到的三个聚类，作为分裂后的下一层三个子结点。