[发明专利]一种基于本体的人脸图像数据收集方法和装置

说明书

本发明涉及人脸图像数据整理技术领域，提供了一种基于本体的人脸图像数据收集方法和装置。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。本发明构建了人脸图像本体，并通过扩展人脸图像数据，使得人脸图像本体更加丰富，最终形成信息完备人脸图像本体库。同时，采用人脸图像本体、网页图像质量改进爬虫链接综合优先级评估方式使得整个爬虫过程更容易聚焦有效数据上来。

【技术领域】

本发明涉及人脸图像数据整理技术领域，特别是涉及一种基于本体的人脸图像数据收集方法和装置。

【背景技术】

近年来，人像识别技术得到快速发展，许多学者、公共服务业或企业也开始围绕人像识别领域开展相关研究。一些人像识别研发和治综项目开发过程中，对于人脸图像测试数据集的获取亟待提供一个高效良好的采集方案。相比于人工采集方案，网络图片采集可以更好的减少人力消耗，并且合理利用了公共资源。然而，现有的网络图片爬虫采集过程中缺少主题语义分析，存在主题漂移问题，并且已有采集方法仅进行图片数据下载收集，忽略对图片的信息标注。此外，针对人脸图像数据采集缺失对图像数据包含的人物实体信息标注，使得采集的人脸图像数据信息单一。

鉴于此，克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。

【发明内容】

本发明要解决的技术问题是现有的网络图片爬虫采集过程中缺少主题语义分析，存在主题漂移问题，并且已有采集方法仅进行图片数据下载收集，忽略对图片的信息标注。此外，针对人脸图像数据采集缺失对图像数据包含的人物实体信息标注，使得采集的人脸图像数据信息单一。

本发明采用如下技术方案：

第一方面，本发明提供了一种基于本体的人脸图像数据收集方法，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。

优选的，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。

优选的，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：