[发明专利]一种基于本体的人脸图像数据收集方法和装置

权利要求书

1.一种基于本体的人脸图像数据收集方法，其特征在于，储备有人脸图像本体，其中，人脸图像本体包括人脸图片属性、人脸身份属性和人脸拓扑关系属性，所述数据搜集方法包括：

获取待收集的人脸图像数据的目标主题关键词；

根据所述目标主题关键词，进行被爬取网站的综合优先度分析；其中，所述综合优先度分析，包括网站与所述目标主题关键词的相关度，以及图片质量权重；

根据所述综合优先度的排序和待收集的人脸图像数据的相关要求，结合已储备的人脸图像本体完成待收集的人脸图像数据的收集；

将当前网页中已分析的图片数量、图片质量用于评估子链接l相关度；链接l所在网页的网页图像质量F(P_u)计算方式如下：

其中，σ和τ加权系数满足σ+τ＝1；T_e表示符合人脸图像质量分阈值的图像数量，T_f表示包含人脸图像的图像数量，T_z表示当前网页的图像总数，E_i表示归一化处理之后的人脸图像质量分。

2.根据权利要求1所述的基于本体的人脸图像数据收集方法，其特征在于，所述网站与所述目标主题关键词的相关度包括网页文本主题相关度，则所述根据所述目标主题关键词，进行被爬取网站的综合优先度分析，具体包括：

综合优先度Priority(l)＝γ×R(P_l)+θ×F(P_u)，其中，γ和θ加权系数满足γ+θ＝1；其中，P_l表示网页文本；所述R(P_l)表示网页文本主题相关度；P_u表示链接l所在网页；F(P_u)表示当前所在网页图像质量；

其中，综合优先度越高，相应的抓取顺序越靠前。

3.根据权利要求1所述的基于本体的人脸图像数据收集方法，其特征在于，所述网站与所述目标主题关键词的相关度包括锚文本主题相关度、周围文字主题相关度和网页文本主题相关度，则所述根据所述目标主题关键词，进行被爬取网站的综合优先度分析，具体包括：

综合优先度Priority(l)＝α×R(A_l)+β×R(S_l)+γ×R(P_l)+θ×F(P_u)，其中，α、β、γ和θ加权系数满足α+β+γ+θ＝1；其中，A_l、S_l、P_l表示超链接l的锚文本、锚文本周围的文字和网页文本；所述R(A_l)、R(S_l)、R(P_l)表示锚文本主题相关度、周围文字主题相关度和网页文本主题相关度；P_u表示链接l所在网页；F(P_u)表示当前所在网页图像质量；

其中，综合优先度越高，相应的抓取顺序越靠前。

4.根据权利要求1所述的基于本体的人脸图像数据收集方法，其特征在于，所述网站与所述目标主题关键词的相关度包括锚文本主题相关度、周围文字主题相关度、网页的重要程度和网页文本主题相关度，则所述根据所述目标主题关键词，进行被爬取网站的综合优先度分析，具体包括：

综合优先度Priority(l)＝α×R(A_l)+β×R(S_l)+γ×R(P_l)+η×PR(P_l)+θ×F(P_u)，其中，α、β、γ、η和θ加权系数满足α+β+γ+η+θ＝1；其中，A_l、S_l、P_l表示超链接l的锚文本、锚文本周围的文字和网页文本；所述R(A_l)、R(S_l)、R(P_l)表示锚文本主题相关度、周围文字主题相关度和网页文本主题相关度；PR(P_l)表示超链接l指向网页的重要程度；P_u表示链接l所在网页；F(P_u)表示当前所在网页图像质量；

其中，综合优先度越高，相应的抓取顺序越靠前。