[发明专利]海量人脸数据库的快速交叉识别技术

摘要

本发明属于人脸识别的技术领域，尤其涉及一种基于聚类分析的海量人脸数据库的快速交叉识别技术。海量人脸数据库的快速交叉识别技术采用如下的技术手段：通过基站获取的手机IMEI信息，检索到基站覆盖区域范围内的所有机主的身份证信息，通过基站检索获取的身份证信息，比对本地人脸数据库，将目标人脸识别范围缩小到基站内机主的人脸子集，提高人脸识别速度。通过机主的身份证信息，检索国家人口信息系统，通过检索国家人口信息系统，获取系统中机主的人脸信息，和摄像头获取的人脸信息以及本地人脸数据库的信息进行交叉对比识别，提高识别精度。

主权项

1.海量人脸数据库的快速交叉识别技术，其特征在于海量人脸数据库的快速交叉识别技术通过基站获取的手机IMEI信息，检索到基站覆盖区域范围内的所有机主的身份证信息，通过基站检索获取的身份证信息，比对本地人脸数据库，将目标人脸识别范围缩小到基站内机主的人脸子集，提高人脸识别速度；通过机主的身份证信息，检索国家人口信息系统，通过检索国家人口信息系统，获取系统中机主的人脸信息，和摄像头获取的人脸信息以及本地人脸数据库的信息进行交叉对比识别，提高识别精度；海量人脸数据库的快速交叉识别技术具体包括以下步骤：第一步：根据手机IMEI信息检索机主身份证信息，形成检索目标人群子集。一部手机IMEI信息对应唯一的机主身份证信息，基站覆盖范围内所有IMEI信息对应的所有机主身份证信息形成目标人群子集S1。第二部：根据机主身份证信息，检索本地数据库，和S1进行与运算形成包含M张人脸图像的集合S。每张图像可以转换成一个N维的向量，然后把这M个向量放到一个集合S里。第三步：在获取到人脸向量集合S后，计算得到平均图像Ψ。把集合S里面的向量遍历一遍进行累加，然后取平均值。第四步：计算每张图像和平均图像的差值Φ，就是用S集合里的每个元素减去步骤二中的平均值。第五步：找到M个正交的单位向量U_M，这些单位向量其实是用来描述Φ(步骤三中的差值)分布的。M个向量是相互正交而且是单位长度的，U_k为单位正交向量。如果训练图像的数量小于图像的维数比如(M＜N²)，那么起作用的特征向量只有M‑1个而不是N²个(因为其他的特征向量对应的特征值为0)，所以求解特征向量我们只需要求解一个NxN的矩阵。第六步：识别人脸。上面几步是为了对人脸进行降维找到表征人脸的合适向量的。首先考虑一张新的人脸，我们可以用特征脸对其进行标示：Ω代表要判别的人脸，Ωk代表训练集内的某个人脸，两者都是通过特征脸的权重来表示的。对两者求欧式距离，当距离小于阈值时说明要判别的脸和训练集内的第k个脸是同一个人的。当遍历所有训练集都大于阈值时，根据距离值的大小又可分为是新的人脸或者不是人脸的两种情况。根据训练集的不同，阈值设定并不是固定的。