[發明專利]電子裝置、人臉圖像聚類搜索方法和計算機可讀存儲介質

在審

• 申請號: 201710993380.7
• 申請日: 2017-10-23
• 公開（公告）號: CN107766822A
• 公開（公告）日: 2018-03-06
• 發明（設計）人: 戴磊
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/30;G06K9/62
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙)44347
• 代理人: 高杰,于志光

技術領域

本發明涉及圖像技術領域，特別涉及一種電子裝置、人臉圖像聚類搜索方法和計算機可讀存儲介質。

背景技術

目前，在人臉識別的應用中，通常的做法是，對于每個識別目標人臉都會計算出一個特征向量，與樣本庫中每個人臉的特征向量進行比較，距離最小的作為識別結果。當樣本庫很大時，逐個樣本的比較花費時間較多，會使人臉識別的實時性降低。

發明內容

本發明的主要目的是提供一種電子裝置、人臉圖像聚類搜索方法和計算機可讀存儲介質，旨在減少人臉識別過程中樣本比對花費的時間，提升人臉識別的實時性。

為實現上述目的，本發明提出的電子裝置，包括存儲器、處理器，所述存儲器上存儲有可在所述處理器上運行的人臉圖像聚類搜索系統，所述人臉圖像聚類搜索系統被所述處理器執行時實現如下步驟：

A1、對實時圖像進行人臉檢測以確定出實時人臉圖像，計算出該實時人臉圖像的特征向量；

A2、計算所述實時人臉圖像的特征向量分別與預先確定的各個圖像類別的中心點特征向量的距離，篩選距離小于第一閾值的中心點特征向量，將篩選出的中心點特征向量所對應的圖像類別作為候選類別；

A3、在所述候選類別中找出特征向量與所述實時人臉圖像的特征向量的距離最近且小于第二閾值的樣本圖像。

優選地，于所述步驟A3之后，所述處理器還用于執行所述人臉圖像聚類搜索系統，以實現步驟：

根據預先確定的樣本圖像與人臉ID的映射關系，確定所述找出的樣本圖像對應的人臉ID，將該確定的人臉ID作為識別結果。

優選地，所述預先確定的各個圖像類別的中心點特征向量通過以下步驟確定：

對樣本庫中的每張樣本圖像進行人臉檢測，從樣本圖像中確定人臉圖像，并計算出確定的人臉圖像的特征向量；

計算各個特征向量之間的距離，根據特征向量之間的距離對所有的特征向量進行聚類；

對聚類后得到的各個圖像類別分別采用計算公式進行計算，以得到各個圖像類別各自的中心點特征向量，所述計算公式中，n表示類別中特征向量的個數，F⁽ⁱ⁾表示第i個特征向量，X_k表示特征向量中第k個元素的值。

優選地，所述計算各個特征向量之間的距離，根據特征向量之間的距離對所有的特征向量進行聚類的步驟包括：

計算每個特征向量與其它特征向量之間的距離；

將距離落入預設的數值范圍的特征向量歸為相同圖像類別；

在聚類過程中，若有特征向量未歸入任意一個已有圖像類別，則將該特征向量作為一個新的圖像類別追加到已有圖像類別，直到將所有的特征向量完成分類。

優選地，所述計算各個特征向量之間的距離，根據特征向量之間的距離對所有的特征向量進行聚類的步驟替換為：

a、隨機在得到的特征向量中取m個特征向量作為種子點；

b、計算所有余下的特征向量分別到這m個種子點的距離，將所有余下的特征向量分別劃分到其距離最近的種子點的點群；

c、計算每個點群的中心，將各個種子點移動到其所在點群的中心；

d、重復步驟b和c，直到種子點不再移動，則得到的點群為分類結果。

本發明還提出一種人臉圖像聚類搜索方法，該方法包括步驟：

B1、對實時圖像進行人臉檢測以確定出實時人臉圖像，計算出該實時人臉圖像的特征向量；

B2、計算所述實時人臉圖像的特征向量分別與預先確定的各個圖像類別的中心點特征向量的距離，篩選距離小于第一閾值的中心點特征向量，將篩選出的中心點特征向量所對應的圖像類別作為候選類別；

B3、在所述候選類別中找出特征向量與所述實時人臉圖像的特征向量的距離最近且小于第二閾值的樣本圖像。

優選地，于所述步驟B3之后，所述方法還包括步驟：

根據預先確定的樣本圖像與人臉ID的映射關系，確定所述搜索到的樣本圖像對應的人臉ID，將該確定的人臉ID作為識別結果。

優選地，所述預先確定的各個圖像類別的中心點特征向量通過以下步驟確定：

對樣本庫中的每張樣本圖像進行人臉檢測，從樣本圖像中確定人臉圖像，并計算出確定的人臉圖像的特征向量；

計算各個特征向量之間的距離，根據特征向量之間的距離對所有的特征向量進行聚類；