[发明专利]一种人脸数据库快速检索技术

说明书

本发明涉及人工智能领域，具体提供了一种人脸数据库快速检索技术。与现有技术相比，本发明的在人脸识别模型输出的人脸特征向量为多维向量，其中，每一维均为浮点数值标量，人脸特征向量组成的空间认为是Rⁿ空间。其特征在于，包括如下步骤：步骤1、对人脸数据库建立有序分割，保证划分的每个子区间有序；步骤2、基于划分的子区间，在人脸识别时对人脸特征向量进行对比，根据特征向量与中心向量的距离判断分区。根据距离远近对数据库中的人脸记录事先进行分区存储的方法，适当建立索引，在识别人脸时能够大大减小需要查找的候选记录，增加对比速度。

技术领域

本发明涉及人工智能领域，具体提供一种人脸数据库快速检索技术。

背景技术

随着人工智能和深度学习技术的发展,深度神经网路模型在人脸识别任务中得到广泛应用,并大幅度提高了人脸识别的准确率。被训练好的人脸识别模型计算得到所有人员的人脸特征向量，并存储在数据库中，当进行识别某个员工时，在模型计算中计算待识别人脸的特征向量，然后，计算该向量与数据库中所有特征向量的距离，如果其中距离最小值小于预先设定的阈值δ，则判断为同一个人；反之，判定该人员不在数据库中。

在这种方法下，许多人脸识别场景需要实时的识别性能，但是当人脸数据库中的人员过多时，查找最小距离的过程会消耗过长的时间，从而导致应用的实时性下降，甚至不可接受。

发明内容

本发明是针对上述现有技术的不足，提供一种实用性强的人脸数据库快速检索技术。

本发明解决其技术问题所采用的技术方案是：

一种人脸数据库快速检索技术，在人脸识别模型输出的人脸特征向量为多维向量，其中，每一维均为浮点数值标量，人脸特征向量组成的空间认为是Rⁿ空间。其特征在于，包括如下步骤：

步骤1、对人脸数据库建立有序分割，保证划分的每个子区间有序；

步骤2、基于划分的子区间，在人脸识别时对人脸特征向量进行对比，根据特征向量与中心向量的距离判断分区。

进一步的,步骤1-1、得到中心向量；

步骤1-2、划分到不同的子集合；

步骤1-3、构建一级分区；

步骤1-4、构建二级分区。

进一步的,在步骤1-1中由人脸识别模型和人脸图像得到所有人员的人脸特征向量，计算每一个维度的平均值，得到中心向量，中心向量用O表示，将中心向量O作为中心点。

进一步的,在步骤1-2中以两倍的阈值为增量建立有序数列，阈值用δ来表示，任意相邻的两个有序数对组成一个子区间的划分，将特征向量按照所述划分分配到不同的子集合中。

进一步的,在步骤1-3中，若一个特征向量与中心点的距离在某个有序数对的区间内，则这个特征向量被分配到对应的有序数对分割的子集合中，这样的子集合构成一级分区。

进一步的,在步骤1-4中，对每个子集合继续划分为两个子集合，同样按照特征向量与中心点的距离远近划分，分割点为一级分区两个边界的中点，对每个一级分区划分为两个二级分区。

进一步的,在步骤2中，对于一张待识别的人脸图像，输入到人脸识别模型中，得到所述人脸图像的特征向量。然后，进行如下步骤：

步骤2-1、计算人脸图像的特征向量与中心点的距离，进行分区；

步骤2-2、判断待识别人脸图像是否在数据库中。

进一步的,在步骤2-1中，计算所述人脸图像的特征向量与所述中心点的距离，根据距离远近得到对应的一级分区，如果该距离与一级分区的上边界差值超过阈值δ，则返回该一级分区和下一个一级分区的前二级分区；