[发明专利]一种更新数据库中人脸特征向量的方法

权利要求书

1.一种更新数据库中人脸特征向量的方法，其特征在于，包括如下步骤：

S01：选取数据库，所述数据库中包括M个人脸样品，所述人脸样品中包括人脸特征向量和时间戳；M为大于0的整数；

S02：感知器获取一张图像，并对所述图像进行人脸检测，当图像中不存在人脸时，进入步骤S06，当图像中存在人脸时，将该图像打上时间戳，进入步骤S03；

S03：提取所述图像中人脸特征向量；

S04：判断提取的人脸特征向量与数据库中人脸特征向量是否属于同一人；若数据库中仅存在一个人脸样品A与上述图像中人脸匹配，则进入步骤S05；若数据库中没有人脸样品与上述图像中人脸匹配或者数据库中存在一个以上的人脸样品与上述图像中人脸匹配时，返回步骤S02；

S05：将提取的人脸特征向量和时间戳放入临时特征库对应的队列a中；返回步骤S02；其中，所述临时特征库中包括N个队列，每个队列对应数据库中一个人脸样品；N为整数，且0≤N≤M；

S06：遍历临时特征库中所有队列的队首时间戳，当所有队首时间戳与当前时间的时间间隔小于阈值或临时特征库为空时，返回步骤S02；否则进入步骤S07；

S07：对临时特征库中每个队列中的人脸特征向量分别进行聚类，将聚类中心与数据库中对应人脸样品中人脸特征向量进行加权，得到更新后的人脸特征向量；将更新后的人脸特征向量和最新的时间戳存储在对应的人脸样品中，并清除临时特征库中所有记录，返回步骤S02。

2.根据权利要求1所述的一种更新数据库中人脸特征向量的方法，其特征在于，所述步骤S01中数据库的形成过程为：

S011：采用训练集对神经网络进行训练，得出训练之后的神经网络；

S012：采用训练后的神经网路对人脸进行处理，得出M个人脸样品。

3.根据权利要求2所述的一种更新数据库中人脸特征向量的方法，其特征在于，所述训练之后的神经网络在验证集上满足类内最大距离方差小于方差阈值，类间最小距离减去类内最大距离大于距离阈值的概率大于概率阈值。

4.根据权利要求2所述的一种更新数据库中人脸特征向量的方法，其特征在于，所述步骤S03中采用训练后的神经网络提取所述图像中人脸特征向量。

5.根据权利要求1所述的一种更新数据库中人脸特征向量的方法，其特征在于，所述步骤S04中采用欧氏距离或者皮尔逊常数或者夹角余弦判断提取的人脸特征向量与数据库中人脸特征向量是否属于同一人。

6.根据权利要求1所述的一种更新数据库中人脸特征向量的方法，其特征在于，所述步骤S04中采用累进式欧氏距离结合支撑向量机方法判断提取的人脸特征向量与数据库中人脸特征向量是否属于与同一人，具体包括：

S041：选择其中一个人脸样品，计算其与提取人脸特征向量的累进式欧式距离G，

S042：将累进式欧式距离G输入支撑向量机中，判断提取的人脸特征向量与该人脸样品中人脸特征向量是否属于同一人；

S043：重复步骤S041-S042(M-1)次，分别判断提取的人脸特征向量与数据库中其他人脸特征向量是否属于同一人。

7.根据权利要求6所述的一种更新数据库中人脸特征向量的方法，其特征在于，所述累进式欧式距离G＝[∑i∈[1,1](x_i-y_i)²,∑i∈[1,2](x_i-y_i)²,…，∑i∈[1,n](x_i-y_i)²]；其中，x_i表示图像中提取的人脸特征向量，y_i表示人脸样品中的人脸特征向量，且图像中提取的人脸特征向量和人脸样品中的人脸特征向量均为n个，n为大于0的整数。