[发明专利]基于k均值聚类算法的人脸识别检索方法

权利要求书

1.一种基于k均值聚类的人脸识别检索方法，其特征在于，包括：

使用卷积神经网络从图像库中提取人脸图像的特征向量，建立人物库，每个人物都通过k均值聚类方法计算出该人物对应的中心向量；

使用卷积神经网络从待查询图像中提取特征向量，并与人物库中的各中心向量作浮点数精确比对，通过比较结果，确定返回的检索结果；

从图像库中，使用mtcnn对普通图像检测人脸位置，并对检测出来的人脸做对齐和裁剪操作，得到人脸图像；

利用insightface学习模型提取人脸图像的特征向量；

将人脸图像的特征向量与人物库中的中心向量作浮点数精确比对，判断该人脸属于人物库中的哪个人物，将人脸图像的特征向量存入该人物中，并更新中心向量；

若人脸图像的特征向量与中心向量浮点数精确比对的结果小于预设的阈值，是同一人，反之，则不是同一人；

如果人脸图像的特征向量不属于任何一个人物，则创建新的人物。

2.根据权利要求1所述的基于k均值聚类的人脸识别检索方法，其特征在于，

利用insightface学习模型提取待查询图像的特征向量；

若待查询图像的特征向量与中心向量浮点数精确比对的结果小于预设的阈值，返回与该人物对应的所有人脸；若相反，返回结果查无此人。

3.根据权利要求1所述的基于k均值聚类的人脸识别检索方法，其特征在于，所述的人物库中，当人物中只有一个人脸图像的特征向量时，通过k均值聚类方法计算出来中心向量等于这个人脸图像的特征向量。

4.根据权利要求1所述的基于k均值聚类的人脸识别检索方法，其特征在于，每个人脸图像的特征向量或待查询图像的特征向量都有512维。

5.根据权利要求1所述的基于k均值聚类的人脸识别检索方法，其特征在于，人物库中一个人物的所有人脸图像的特征向量对应维数相加，除以人脸图像的特征向量的个数，即为中心向量。

6.根据权利要求4所述的基于k均值聚类的人脸识别检索方法，其特征在于，人脸图像的特征向量或待查询图像的特征向量中，每一维中的数据都是浮点数。

7.根据权利要求1或2所述的基于k均值聚类的人脸识别检索方法，其特征在于，所述的浮点数精确比对，指：求两个向量的余弦距离；

所述的预设的阈值，指：同一个人的人脸特征向量的最大夹角距离。