[发明专利]图片人脸分裂识别方法及其识别系统在审
申请号: | 202010812231.8 | 申请日: | 2020-08-13 |
公开(公告)号: | CN112115785A | 公开(公告)日: | 2020-12-22 |
发明(设计)人: | 左宏 | 申请(专利权)人: | 力引万物(深圳)科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06F16/53 |
代理公司: | 上海浦一知识产权代理有限公司 31211 | 代理人: | 焦天雷 |
地址: | 518027 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 图片 分裂 识别 方法 及其 系统 | ||
1.一种图片人脸分裂识别方法,其特征在于,包括以下步骤:
S1,对图片进行人脸识别获得图片人脸数据;
S2,在人脸数据库中查找图片人脸数据的相似人脸,对每张图片查找请求产生的相似人脸形成相应的相似人脸FaceID列表及相似度得分;
S2,滤除人脸FaceID列表中相似度得分小于第一阈值的人脸FaceID;
S3,将剩余人脸FaceID按相似度得分由高至低排序,提取前N名的人脸FaceID及该人脸FaceID的相似度得分,2≤N;
S4,将排序第一的人脸FaceID与剩余N-1个人脸FaceID两两组合形成匹配对,滤除两个人脸FaceID相似度得分差值大于第二阈值的匹配对;
S5,对每张图片产生的匹配对进行记录和累计计数;
S6,若在预设时段内匹配对累计数量大于第三阈值,则标记该图片为人脸分裂图片。
2.如权利要求1所述的图片人脸分裂识别方法,其特征在于,还包括以下步骤:
S7,对标记的图片进行人工验证和合并。
3.如权利要求1所述的图片人脸分裂识别方法,其特征在于:
实施步骤S2时,通过图片人脸数据与人脸数据库中存储的人脸数据进行搜索匹配,利用余弦相似度或欧式距离算法进行比较获得相似度得分。
4.如权利要求1所述的图片人脸分裂识别方法,其特征在于:2≤N≤100。
5.如权利要求1所述的图片人脸分裂识别方法,其特征在于:第一阈值范围是相似度得分为70-90分,第二阈值范围是匹配对的相似度得分差值大于5%-15%,预设时段范围是25天-35天,第三阈值范围是大于25次-35次。
6.如权利要求5所述的图片人脸分裂识别方法,其特征在于:第一阈值范围是相似度得分为80分,第二阈值范围是匹配对的相似度得分差值大于10%,预设时段范围是30天,第三阈值范围是大于30次。
7.一种图片人脸分裂识别系统,其特征在于,包括:
人脸数据库,其用于存储人脸数据;
人脸识别模块,其用于对图片进行人脸识别获得图片人脸数据;
查找模块,其用于在人脸数据库中查找图片人脸数据的相似人脸,对每张图片查找请求产生的相似人脸形成相应的相似人脸FaceID列表及相似度得分;
第一滤除模块,其用于滤除人脸FaceID列表中相似度得分小于第一阈值的人脸FaceID;
提权模块,其用于将剩余人脸FaceID按相似度得分由高至低排序,提取前N名的人脸FaceID及该人脸FaceID的相似度得分,2≤N;
匹配模块,其用于将排序第一的人脸FaceID与剩余N-1个人脸FaceID两两组合形成匹配对;
第二滤除模块,其用于滤除两个人脸FaceID相似度得分大于第二阈值的匹配对;
计数模块,其用于对每张图片产生的匹配对进行记录和累计计数;
判断模块,其用于若在预设时段内匹配对累计数量大于第三阈值,则标记该图片为人脸分裂图片。
8.如权利要求7所述的图片人脸分裂识别系统,其特征在于,还包括:
修正模块,其用于对标记的图片进行人工验证和合并。
9.如权利要求7所述的图片人脸分裂识别系统,其特征在于:
查找模块通过图片人脸数据与人脸数据库中存储的人脸数据进行搜索匹配,利用余弦相似度或欧式距离算法进行比较获得相似度得分。
10.如权利要求7所述的图片人脸分裂识别系统,其特征在于:2≤N≤100。
11.如权利要求7所述的图片人脸分裂识别系统,其特征在于:第一阈值范围是相似度得分为70-90分,第二阈值范围是匹配对的相似度得分差值大于5%-15%,预设时段范围是25天-35天,第三阈值范围是大于25次-35次。
12.如权利要求7所述的图片人脸分裂识别系统,其特征在于:预设时段范围是
第一阈值范围是相似度得分为80分,第二阈值范围是匹配对的相似度得分差值大于10%,预设时段范围是30天,第三阈值范围是大于30次。
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力引万物(深圳)科技有限公司,未经力引万物(深圳)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/202010812231.8/1.html,转载请声明来源钻瓜专利网。