[发明专利]人脸图像检索方法、装置、计算机设备及存储介质

说明书

本申请涉及一种人脸图像检索方法、装置、计算机设备及计算机存储介质。所述方法包括：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的索引向量和偏移向量，所述基矢向量矩阵是由基矢向量构成，所述基矢向量与数据库中的人脸特征向量具有区分度；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；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人脸图像检索结果。通过本发明可以迅速得到搜索结果。而且在数据源更新后，无需再进行模型训练，减少了资源损耗，大大提高了识别效率。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种人脸图像检索方法、装置、计算机设备及计算机可读存储介质。

背景技术

随着人工智能技术的发展，人脸识别成为越来越受到关注的领域。获取图片或视频中的人脸图片在人脸识别中是必不可少的步骤。

传统技术中的图像检索方法一般是通过对特征向量进行降维加权，训练出降维模型，最后再将特征向量经过降维模型生成类似比特串的索引，再根据这个索引搜索匹配。这种人脸检索方法训练模型的过程资源消耗非常大，而且加权的权重难以选取，限制了检索的结果。权重取值困难因为：难以确认每个维度对整体相似性的影响到底有多大，而为了达到较好的效果，需要巨量的数据进行不断的模型训练，消耗大量的资源，而最终的效果与训练时的数据源有很大的关系，用来源广泛的数据源训练出来的效果未必符合实际场景下的情况，如训练时的图片来自全世界，但是实际应用面向的对象基本都是中国人，这种情况下为了达到更好的效果就需要训练需要的数据源。而训练模型的时间代价和数据源获取的代价都非常大，造成了很大的成本压力。

发明内容

基于此，有必要针对上述技术问题，提供一种能够解决传统技术中在新的数据源加入后需要不断训练模型保证识别精度造成的资源消耗大、成本高昂的技术问题的人脸图像检索方法、人脸图像检索装置、计算机设备以及计算机可读存储介质。

一种人脸图像检索方法，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；

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。

一种人脸图像检索装置，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；

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。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

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；