[发明专利]一种更新数据库中人脸特征向量的方法

说明书

本发明公开了一种更新数据库中人脸特征向量的方法，通过多次获取图像，并提取其中的人脸特征向量，将该人脸特征向量与数据库中对应人脸样品中的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。本发明采用自适应算法对数据库中存储的人脸特征向量进行更新，并且每次获取的图像存在年龄、姿势、光照以及场景的差异，通过多次提取人脸特征向量，可以减少年龄、室内阶段性光照切换造成的不必要偏差；同时通过多次测量可以减少姿势、表情、模糊等随机因素引起的误差；此外本发明定期清理临时特征库，还能有效减少数据库的存储容量。

技术领域

本发明涉及人脸识别领域，具体涉及一种更新数据库中人脸特征向量的方法。

背景技术

由于视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。人脸识别技术无疑是最佳的选择，采用快速人脸检测技术可以从监控视频图象中实时查找人脸，并与人脸数据库进行实时比对，从而实现快速身份识别。

人脸识别需要一个用于存储各种人脸样品数据库，在实际使用过程中，通过采用深度学习算法将待识别的人脸与数据库中存储的各个人脸样品进行比对，从而确定待识别的人脸是否与数据库中人脸样品匹配，进而识别出其具体身份。在深度学习算法中，人脸数据被神经网络保存为一组人脸特征向量，运行过程中使用相同的算法将人脸重新解析为一组人脸特征向量。通过计算该人脸特征向量是否在原人脸特征向量的邻域空间内，判定是否为同一人。

然而人脸识别过程会受到光照、人脸姿势、人脸年龄以及人脸所在场景等因素的影响，尤其当数据库中人脸样品较多时，待识别人脸需要逐一与多个人脸样品进行比对，上述因素对于识别准确性影响较大。鉴于图像获取时的光照、人脸姿势、人脸年龄以及人脸所在场景均可能与数据库中存储信息不同，因此，需要多次对不同光照、姿势、年龄和场景的人脸进行多次特征提取，进而不断对数据库中人脸特征向量进行更新。如何对数据库中人脸特征进行更新是目前亟待解决的问题。

发明内容

本发明的目的是提供一种更新数据库中人脸特征向量的方法，采用自适应算法对年龄、姿势、光照和场景进行不断修正，减少人脸识别时外界因素引起的误差。

为了实现上述目的，本发明采用如下技术方案：一种更新数据库中人脸特征向量的方法，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：遍历所述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。

进一步地，所述步骤S01中数据库的形成过程为：