[发明专利]一种基于特征编码的高效人脸聚类方法有效

专利信息
申请号: 202010299063.7 申请日: 2020-04-16
公开(公告)号: CN111539285B 公开(公告)日: 2023-06-06
发明(设计)人: 汪东华 申请(专利权)人: 艾特城信息科技有限公司
主分类号: G06V40/16 分类号: G06V40/16;G06V10/762
代理公司: 上海领洋专利代理事务所(普通合伙) 31292 代理人: 李皓
地址: 200051 上海市长*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 特征 编码 高效 人脸聚类 方法
【说明书】:

发明提供了一种基于特征编码的高效人脸聚类方法,至少包括:提取人脸原始特征,并进行特征编码,建立编码表,创建特征编码的索引引擎库;以创建的索引引擎库为基础,根据获取人脸特征与编码后的人脸特征值匹配,进行初步分组;计算初步分组中每一组的人脸平均特征,进行分组间的特征值比对,通过合并形成新的分组,得到最终结果。其有益效果为:本发明技术方案借助于高度抽象的特征值,快速的搜索算法,计算机可以在短时间内计算海量数据,快速简便,减少搜索计算量;本发明技术方案利用图结构的天生近邻优势和编码后的空间优势,目标将数百万级的特征向量空间构建成相互联通的图结构,在保证高检出准确率和效率的同时,降低内存占用。

技术领域

本发明涉及计算机应用技术领域,尤其涉及一种基于特征编码的高效人脸聚类方法。

背景技术

人脸识别技术是基于人的脸部特征,对输入的人脸图像或者视频流,首先判断其是否存在人脸,如果存在人脸,则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息,并依据这些信息,进一步提取每个人脸中所蕴涵的身份特征,并将其与已知的人脸进行对比,从而识别每个人脸的身份。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。

当前人脸识别已经在各行各业得到广泛应用,如主动式场景的人脸打卡、支付宝人脸验证等,非主动场景下的车站内的黄牛识别、地铁站内的可疑人员预警等。由于人脸识别为可见可得的实时算法,一段时间内,会对同一个行人进行识别并报警多次,并生成多个报警后台数据,这对工作人员过滤重要信息带来很大的工作量。而人脸聚类正是人脸识别技术的扩展和补充,有着重要的现实意义。

所谓人脸聚类是一种无标签式相似人脸归类技术:在众多人脸图片中自动定位到相似人脸,按照相似度排序、归类的技术。采用人脸聚类的方法进行人脸识别需要运用索引技术,当前使用的索引技术例如基于树的方法和基于哈希的检索方法,要保证高精度的同时,只能增大搜索空间,以牺牲空间和搜索时间为代价;经典的K-Means聚类方法在面对大数据量级的响应时间呈指数增长,且聚类的人脸数量无法自适应获取。

因此,基于上述技术,本领域技术人员致力于提供一种基于特征编码的高效人脸聚类方法,以解决前述问题。

发明内容

本发明所要解决的技术问题是提供一种基于特征编码的高效人脸聚类方法,借助于高度抽象的特征值,快速的搜索算法,在短时间内实现人脸聚类,且内存占用率低、精度高,以解决背景技术中的问题。

为了解决上述问题,本发明提供了一种基于特征编码的高效人脸聚类方法,至少包括:

(1)提取人脸原始特征,并进行特征编码,建立编码表,创建特征编码的索引引擎库;

(2)以创建的索引引擎库为基础,根据获取人脸特征与编码后的人脸特征值匹配,进行初步分组;

(3)计算初步分组中每一组的人脸平均特征,进行分组间的特征值比对,通过合并形成新的分组,得到最终结果。

进一步的,实现(1)的步骤至少包括如下操作:

(10)采用人脸检测算法对场景内人脸进行检测,并对检测得到的人脸采用卷积神经网络进行特征提取,得到原始人脸特征的图像库。

(11)通过聚类的方式定时对图像库中的特征进行特征编码,并对编码后的特征进行相似性距离计算;

(12)创建分层索引结构,根据指数衰减的概率分布规则,设计“低-中-高”的图层状索引结构,以加速检索效率;

(13)将原始特征编码与分层索引结构结合,形成索引引擎库。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于艾特城信息科技有限公司,未经艾特城信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010299063.7/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top