[发明专利]人脸图像检索方法、装置、计算机设备及存储介质有效

专利信息
申请号: 201810693522.2 申请日: 2018-06-29
公开(公告)号: CN108932321B 公开(公告)日: 2020-10-23
发明(设计)人: 朱浩然;李成;何诚越;张良杰;陈桓 申请(专利权)人: 金蝶软件(中国)有限公司
主分类号: G06F16/583 分类号: G06F16/583;G06K9/00;G06K9/62
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 方高明
地址: 518000 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 检索 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种人脸图像检索方法,其特征在于,包括:

获取人脸图像,对所述人脸图像进行特征提取,得到对应的人脸特征向量;

通过基矢向量矩阵生成所述人脸特征向量对应的索引向量和偏移向量,所述基矢向量矩阵由多个基矢向量构成,所述基矢向量与数据库中的人脸特征向量具有区分度,所述数据库存储了大量人脸图像的人脸特征向量;所述索引向量是指向存储在数据库中指定位置的数据值的指针,用于指明所述人脸特征向量在数据库中所有的人脸特征向量在高维空间上对应的区域;所述偏移向量用于决定是否在搜索时还搜索临界位置所对应的空间;

根据所述索引向量和所述偏移向量在数据库中搜索得到所述人脸特征向量对应的人脸相似集;

在所述人脸相似集中获取与所述人脸图像匹配度最大的人脸作为所述人脸图像的检索结果。

2.根据权利要求1所述的方法,其特征在于,所述通过基矢向量矩阵生成所述人脸特征向量对应的索引向量和偏移向量,包括:

将所述人脸特征向量与对应维度的基矢向量矩阵中基矢向量进行对比,得到所述人脸特征向量与对应维度的基矢向量之间的相似度;

根据所述相似度在所述基矢向量上的所属区间确定所述人脸特征向量对应的索引向量和偏移向量。

3.根据权利要求1所述的方法,其特征在于,所述基矢向量矩阵生成的方式包括:

从所述数据库中获取样本数据;

获取预设备选矩阵集,所述备选矩阵集中包括预设的多个向量,并从所述备选矩阵集中选取预设数量的向量作为候选基矢向量;

将所述样本数据代入所述候选基矢向量中,获取所述候选基矢向量在所述样本数据上的第一相似度分布;

根据所述第一相似度分布获取与样本数据具有区分度的候选基矢向量作为基矢向量;

根据多个所述基矢向量生成基矢向量矩阵。

4.根据权利要求3所述的方法,其特征在于,所述根据所述第一相似度分布获取与所述样本数据具有区分布的候选基矢向量,包括:

重新获取样本数据,并将重新获取的样本数据代入候选基矢向量中得到候选基矢向量的第二相似度分布;

获取与所述第一相似度分布的偏差值不超过预设值的第二相似度分布所对应的候选基矢向量作为基矢向量。

5.根据权利要求3所述的方法,其特征在于,所述方法还包括:

当所述数据库中的人脸特征向量的数量变化超过预设值时,生成所述基矢向量矩阵。

6.根据权利要求1所述的方法,其特征在于,所述根据所述索引向量和所述偏移向量在数据库中搜索得到所述人脸特征向量对应的人脸相似集,包括:

通过所述索引向量和偏移向量确定所述人脸特征向量在所述数据库中相对应的最小空间数据集或相邻的最小空间数据集;

根据所述最小空间数据集获取与所述人脸特征向量相对应的人脸相似集。

7.一种人脸图像检索装置,其特征在于,所述装置包括:

人脸特征提取模块,用于对获取的人脸图像进行特征提取,得到对应的人脸特征向量;

特征向量处理模块,用于通过基矢向量矩阵生成所述人脸特征向量对应的索引向量和偏移向量,所述基矢向量矩阵是有基矢向量构成,所述基矢向量与数据库中的样本数据具有区分度,所述数据库存储了大量人脸图像的人脸特征向量;所述索引向量是指向存储在数据库中指定位置的数据值的指针,用于指明所述人脸特征向量在数据库中所有的人脸特征向量在高维空间上对应的区域;所述偏移向量用于决定是否在搜索时还搜索临界位置所对应的空间;

人脸图像搜索模块,用于根据所述索引向量和所述偏移向量在数据库中搜索得到所述人脸特征向量的人脸相似集,并在所述人脸相似集中获取与所述人脸图像匹配度最大的人脸作为所述人脸图像的检索结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于金蝶软件(中国)有限公司,未经金蝶软件(中国)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810693522.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top