[发明专利]一种基于聚类的BGP人脸快速检索方法

说明书

本发明公开一种基于聚类的BGP人脸快速检索方法，步骤包括：S1.将人脸数据库中所有人脸图片分别进行BGP编码，得到BGP编码数据库，并对BGP编码数据库中编码进行聚类，得到多个类别以及对应各类别的聚类中心；S2.对待检图片进行BGP编码，得到待检图片的BGP编码输入至BGP编码数据库进行匹配，将匹配到的聚类中心作为相似人脸图片结果列表，将待检图片的BGP编码与相似人脸图片结果列表中各人脸图片进行比较，得到最终人脸检索结果。本发明具有实现方法简单、能够结合聚类与BGP实现人脸快速检索，且检索性能好等优点。

技术领域

本发明涉及人脸识别技术领域，尤其涉及一种基于聚类的BGP人脸快速检索方法。

背景技术

近年来人脸识别始终是图像处理、计算机视觉、模式识别、认知科学等领域研究的热点 问题，广泛应用在安全验证、快捷支付、视频调查、个人鉴定等场合，其中一种广泛应用的 人脸识别场景即是给定一张待检索图片，快速从数据库中检索到相似图片，这类问题即为基 于人脸的快速检索。

目前实现快速检索方法主要包含以下几类：1)基于词袋模型的检索方法；2)基于KD树 的检索方法；3)基于向量聚类和量化的检索方法；4)基于哈希的检索方法。上述几类快速检 索方法通常实现复杂，且快速检索的对象通常是CIFAR-10、INRIA Holidays等以场景为主的 数据库图片，通常不适用于实现人脸图像的快速检索，而由于人脸具有易变性质，对人脸的 特征提取和描述易受表情、光照等影响，尤其是大型人脸数据库中人脸姿态、表情变化较剧 烈，很难提取稳定的描述子进行快速检索，直接适用当前的快速检索方法来进行人脸快速检 索并不能实现精确的检索。

目前的人脸识别算法可以分为以下几类：1)基于人脸局部特征的识别方法，如局部二值 模式(Local Binary Pattern,简称LBP)、弹性图匹配、二进制梯度模式(BinaryGradient Pattern, 简称BGP)等方法；2)基于人脸全局特征的识别方法，如线性判别分析(Linear Discriminant Analysis，简称LDA)、主成分分析(Principle ComponentAnalysis，简称PCA)、独立成分分 析(Independent Component Analysis，简称ICA)等方法；3)基于全局特征和局部特征结合 的方法，如基于特征脸和五官特征结合的方法；4)基于深度学习的方法，如facenet的提出 和应用。人脸识别的精度、效率取决于所采用的识别算法，而通常识别精度高的算法所需的 时间也相应的较长，即识别速率较慢，直接使用上述几类人脸识别算法均难以兼顾识别精度 以及识别效率。因此如何能够保证人脸检索精度的同时，提高人脸检索效率是亟待解决的问 题。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现 方法简单、能够结合聚类与BGP实现人脸快速检索，且检索性能好的基于聚类的BGP人脸 快速检索方法。

为解决上述技术问题，本发明提出的技术方案为：

一种基于聚类的BGP人脸快速检索方法，步骤包括：

S1.特征库聚类：将人脸数据库中人脸图片分别进行BGP编码，得到BGP编码数据库， 并对所述BGP编码数据库中编码进行聚类，得到多个类别以及对应各类别的聚类中心；

S3.人脸检索：对待检图片进行BGP编码，得到待检图片的BGP编码输入至所述BGP编码数据库进行匹配，将匹配到的聚类中心作为相似人脸图片结果列表，将所述待检图片的 BGP编码与所述相似人脸图片结果列表中各人脸图片进行比较，得到最终人脸检索结果。

作为本发明的进一步改进：所述进行BGP编码为使用BGP算法对输入图片进行编码， 得到BGP编码值，每个BGP编码值包含有像素的强度信息以及邻域像素关系的信息。

作为本发明的进一步改进，所述进行BGP编码的步骤包括：