[發明專利]一種用于人臉圖像相似性的評價方法和裝置

在審

• 申請號: 202010611286.2
• 申請日: 2020-06-29
• 公開（公告）號: CN111738194A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 何俊豪;朱金華;陳婷;王強
• 申請（專利權）人: 深圳力維智聯技術有限公司;南京中興力維軟件有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳鼎合誠知識產權代理有限公司 44281
• 代理人: 任葵;郭燕

1.一種用于人臉圖像相似性的評價方法，其特征在于，包括：

采集人臉圖像信息，獲取人臉多維特征向量，對所述人臉多維特征向量進行Int量化；

對量化后的所述人臉多維特征向量進行降維，并取貢獻度高的d維特征值；

訓練人臉圖像數據，統計所述d維特征值中每一維度特征值分布并進行分段，使每一維度特征的值域分成寬度不等的k段；

對于兩個待識別相似性的人臉圖像特征向量，分別根據每一維度特征值所處的分段，獲得每一維度的相似性，再根據每一維度的相似性得到人臉圖像相似性的評價值。

2.如權利要求1所述的方法，其特征在于，所述采集人臉圖像信息，獲取人臉多維特征向量，對所述人臉多維特征向量進行Int量化，包括：

采集人臉圖像信息，通過人臉識別算法計算獲得人臉512維特征值；

將每一維度的特征值乘以256后的值舍去小數部分取整；

若結果大于127或小于-127則取對應的邊界值，得到值域為-127至127的Int型特征值。

3.如權利要求2所述的方法，其特征在于，所述對量化后的所述人臉多維特征向量進行降維，包括：

計算特征矩陣的協方差矩陣∑_i,j；

其中，1≤i≤512，1≤j≤n，n為所述人臉圖像的數據量；

求得協方差矩陣∑_i,j的前d個最大特征值λ_i，所述前d個最大特征值λ_i的正交化單位特征向量即為降維后的特征向量；

所述取貢獻度高的d維特征向量之前，還包括：

通過以下計算公式計算每個維度的貢獻度：

4.如權利要求3所述的方法，其特征在于，所述對于兩個待識別相似性的人臉圖像特征向量，分別根據每一維度特征值所處的分段，獲得每一維度的相似性，包括：

對于兩個待識別相似性的人臉圖像特征向量，分別找出每一維度特征值所處的分段，若二者同一維度的特征值處于同一分段，則通過以下公式計算單一維度相似性s_i：

其中，1≤i≤512，x_i,y_i分別為兩特征向量在該維度上的特征值，v_i,m表示值域端點分布矩陣的對應項元素，即第i維特征的第m個值域端點；γ_i為二值函數，若兩特征值屬于同一分段置為1，否則為0；

對于所述兩個待識別相似性的人臉圖像特征向量，若二者同一維度的特征值不處于同一分段，則該維度相似性為0。

5.如權利要求4所述的方法，其特征在于，所述人臉圖像特征向量相似性的評價值,通過以下公式計算獲得：

其中，S為所述人臉圖像相似性的評價值。

6.一種用于人臉圖像相似性的評價裝置，其特征在于，包括：

量化模塊，用于采集人臉圖像信息，獲取人臉多維特征向量，對所述人臉多維特征向量進行Int量化；

降維模塊，用于對量化后的所述人臉多維特征向量進行降維，并取貢獻度高的d維特征值；

訓練模塊，用于訓練人臉圖像數據，統計所述d維特征向量中每一維度上特征值分布并進行分段，使每一維度特征的值域分成寬度不等的k段；

評價模塊，用于對兩個待識別相似性的人臉圖像特征向量，分別根據每一維度特征值所處的分段，獲得每一維度的相似性，再根據每一維度的相似性得到人臉圖像相似性的評價值。

7.如權利要求6所述的裝置，其特征在于，所述量化模塊，包括：

第一計算單元，用于采集人臉圖像信息，通過人臉識別算法計算獲得人臉512維特征值；

量化單元，用于將每一維度的特征值乘以256后的值舍去小數部分取整，若結果大于127或小于-127則取對應的邊界值，得到值域為-127至127的Int型特征值。