[发明专利]一种人脸数据集的构建方法及系统

权利要求书

1.一种人脸数据集的构建方法，其特征在于，包括：

创建能够表明唯一人物身份信息的关键词列表,并确定各人物的标准人脸图像；

依据关键词列表中的关键词爬取人脸图像，并将基于同一关键词爬取的人脸图像存储于同一文件夹中；

对于同一文件夹中的人脸图像分别采用人脸检测算法进行人脸检测并裁剪；

采用训练好的ArcFace人脸识别模型对所裁剪的人脸图像进行特征向量提取；

基于所提取的人脸特征向量，采用DBSCAN聚类算法对所裁剪的人脸图像进行初步聚类，根据初步聚类结果并参照标准人脸图像，剔除非目标人物的人脸图像，保留候选人脸图像；

采用DBSCAN聚类算法对候选人脸图像进行二次聚类，根据二次聚类结果进行人脸图像的去重处理；

对去重处理后保留的人脸图像进行清洗，获取所述人脸数据集。

2.如权利要求1所述的一种人脸数据集的构建方法，其特征在于，所述关键词包括人物姓名，以人物姓名创建关键词列表时，对同一人物的曾用名或艺名或笔名进行姓名合并。

3.如权利要求2所述的一种人脸数据集的构建方法，其特征在于，以公众任务的人物姓名为关键词爬取人脸图像时，由前往后至少爬取五百张人脸图像；同一人物姓名爬取的人脸图像存储于以人物姓名命名的文件夹中。

4.如权利要求1所述的一种人脸数据集的构建方法，其特征在于，所述人脸检测算法包括MTCNN或dlib算法。

5.如权利要求1所述的一种人脸数据集的构建方法，其特征在于，在执行裁剪操作之前，删除分辨率小于设定阈值的人脸图像。

6.如权利要求1所述的一种人脸数据集的构建方法，其特征在于，采用DBSCAN聚类算法对所裁剪的人脸图像进行初步聚类的方法包括：

对于两张人脸图像的特征向量间的欧式距离，对于欧式距离小于设定阈值的人脸图像归结为同一类别；

将人脸图像数目最多的类别作为正样本人脸集所在的类别。

7.如权利要求1所述的一种人脸数据集的构建方法，其特征在于，采用DBSCAN聚类算法对剔除非目标人物后的人脸图像进行二次聚类之前，在scikit-learn的DBSCAN函数中调小聚类的eps参数，并设置聚类的参数min_samples=2，以使聚类数目两个及以上才成为一类。

8.如权利要求1所述的一种人脸数据集的构建方法，其特征在于，对于二次聚类得到的有重复人脸图像的类别，仅保留分辨率最高的一张人脸图像。

9.如权利要求1所述的一种人脸数据集的构建方法，其特征在于，所述清洗包括：删除非目标人物的人脸图像、属于目标人物但人脸不完整的人脸图像、目标人物的卡通图，根据图像质量和业务需求选择性的保留或删除目标人物的素描或油画图像。

10.一种人脸数据集的构建系统，其特征在于，包括：

创建模块：用于创建能够表明唯一人物身份信息的关键词列表,并确定各人物的标准人脸图像；

爬取模块：用于依据关键词列表中的关键词爬取人脸图像，并将基于同一关键词爬取的人脸图像存储于同一文件夹中；

人脸检测及裁剪模块：用于对于同一文件夹中的人脸图像分别采用人脸检测算法进行人脸检测并裁剪；

提取模块：用于采用训练好的ArcFace人脸识别模型对所裁剪的人脸图像进行特征向量提取；

初步聚类模块：用于基于所提取的人脸特征向量，采用DBSCAN聚类算法对所裁剪的人脸图像进行初步聚类，根据初步聚类结果并参照标准人脸图像，剔除非目标人物的人脸图像，保留候选人脸图像；

二次聚类模块：用于采用DBSCAN聚类算法对候选人脸图像进行二次聚类，根据二次聚类结果进行人脸图像的去重处理；

清洗模块：用于对去重处理后保留的人脸图像进行清洗，获取所述人脸数据集。