[发明专利]人脸特征压缩方法及装置

说明书

本公开是关于一种人脸特征压缩方法及装置。所述方法包括：获取待识别人脸图像的人脸特征；将所述人脸特征输入至特征压缩网络，经所述特征压缩网络输出所述人脸特征的压缩人脸特征，其中，所述特征压缩网络利用多个历史人脸特征以及所述历史人脸特征的压缩人脸特征之间的对应关系训练得到。利用本申请各个实施例提供的技术方案，可以在计算能力较弱的边缘节点中实现人脸识别的功能，对人脸特征进行压缩处理，不仅可以降低预设人脸集合的存储空间，还可以提高特征匹配的计算效率，提升人脸识别的效率。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种人脸特征压缩方法及装置。

背景技术

由于人脸具有结构化特征较好、识别度高等特点，因此人脸识别技术成为安防监控领域比较成熟的应用技术之一。传统的基于人脸识别技术的安防任务往往建立于大规模分布式服务器或者大型云服务平台上，而大规模的部署往往导致较高的成本。因此，传统的基于人脸识别技术的安防任务在一些小规模、低成本的应用场景下并不适用。

因此，相关技术中亟需一种能够在小规模低成本的场景中实现的人脸识别方法。

发明内容

为克服相关技术中存在的问题，本公开提供一种人脸特征压缩方法及装置。

根据本公开实施例的第一方面，提供一种人脸特征压缩方法，包括：

获取待识别人脸图像的人脸特征；

将所述人脸特征输入至特征压缩网络，经所述特征压缩网络输出所述人脸特征的压缩人脸特征，其中，所述特征压缩网络利用多个历史人脸特征以及所述历史人脸特征的压缩人脸特征之间的对应关系训练得到。

本公开的实施例提供的技术方案可以包括以下有益效果：本公开各个实施例提供的人脸特征压缩方法，可以将待识别人脸图像的人脸特征压缩成压缩人脸特征，再将所述压缩人脸特征与预设人脸集合中的人脸特征进行特征匹配，确认所述预设人脸特征集合中是否存在与所述压缩人脸特征相匹配的人脸特征。通过本公开实施例通过的人脸特征压缩方法，可以在计算能力较弱的边缘节点中实现人脸识别的功能，对人脸特征进行压缩处理，不仅可以降低预设人脸集合的存储空间，还可以提高特征匹配的计算效率，提升人脸识别的效率。

可选的，在本公开的一个实施例中，所述特征压缩网络被设置为按照下述方式训练得到：

获取多个历史人脸特征以及所述历史人脸特征对应的压缩人脸特征；

构建特征压缩网络，所述特征压缩网络中设置有网络参数；

分别将所述多个历史人脸特征输入至所述特征压缩网络中，生成重建结果；

基于所述重建结果与所述历史人脸特征对应的压缩人脸特征之间的差异，对所述网络参数进行迭代调整，直至所述差异满足预设要求。

本公开的实施例提供的技术方案可以包括以下有益效果：利用大量历史数据训练得到特征压缩网络，可以提升特征压缩网络的准确性和可靠性。

可选的，在本公开的一个实施例中，所述特征压缩网络包括稀疏特征自编码器，所述稀疏特征自编码器包括输入层、隐藏层、输出层，所述隐藏层中设置有稀疏约束参数，所述稀疏约束参数用于抑制在同一时刻所述隐藏层中被激活的神经元的数量。

本公开的实施例提供的技术方案可以包括以下有益效果：在稀疏特征自编码器中，可以通过在隐藏层设置稀疏性的限制，以降低同一时刻隐藏层中被激活的神经元的数量，最终实现人脸特征的压缩。

可选的，在本公开的一个实施例中，在所述基于所述重建结果与所述历史人脸特征对应的压缩人脸特征之间的差异，对所述网络参数进行迭代调整，直至所述差异满足预设要求之后，所述方法还包括：

利用三元组损失函数对所述特征压缩网络进行约束调整。