[發明專利]一種基于深度學習和哈希編碼的快速人臉檢索方法

有效

• 申請號: 202011008141.X
• 申請日: 2020-09-23
• 公開（公告）號: CN112101267B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 劉遠超;吳宗林;周豪杰;黃俊俊;吳志坐
• 申請（專利權）人: 浙江浩騰電子科技股份有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/762;G06V10/80;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 周紅芳

本發明公開了一種基于深度學習和哈希編碼的快速人臉檢索方法，包括人臉特征提取和人臉檢索兩個階段。人臉特征提取階段，通過特征融合和量化損失函數，使得特征提取網絡提取到的人臉哈希特征更加具有判別力；人臉檢索階段，利用提取到的人臉哈希特征和聚類算法，實現對人臉的快速檢索。

技術領域

本發明涉及圖像檢索技術領域，具體為一種基于深度學習和哈希編碼的快速人臉檢索方法。

背景技術

隨著大規模圖像檢索需求的日益增加，為了降低圖像檢索的空間復雜度與時間復雜度，研究者們在過去十幾年提出了很多高效的檢索技術，最成功的方法包括基于樹結構的圖像檢索方法、基于哈希的圖像檢索方法，其中，經典的哈希方法是局部敏感哈希方法和基于向量量化的圖像檢索方法。相比基于樹結構的圖像檢索方法和基于向量量化的圖像檢索方法，哈希技術將圖像的高維特征保持相似性的映射為緊致的二進制哈希碼。由于二進制哈希碼在漢明距離計算上的高效性和存儲空間上的優勢，哈希碼在大規模相似圖像檢索中非常高效。

大規模人臉庫的快速檢索在人員管理、視頻監控等系統中有重要的實用價值，如人員身份驗證、嫌疑人軌跡搜索等。人臉庫中的人臉圖像可能來源于靜態的人臉采集，也可能來源于視頻監控系統中的動態人臉檢測與提取，尤其是后者將導致采集的人臉數量指數增長，形成海量人臉庫。對于一張待查詢的人臉，如何在海量人臉數據庫中迅速的進行檢索，并準確的提供與帶查詢人臉相似度最高的若干人臉結果，是人員管理、視頻監控等系統中一個亟待解決的問題。

目前，針對快速人臉檢索問題廣大學者提出了很多不同的方法，例如：發明專利(申請號：201710703271.7，名稱：一種基于深度學習細粒度人臉圖像快速檢索方法。)提供了一種基于深度學習細粒度人臉圖像快速檢索方法，通過卷積神經網絡提取輸入人臉圖像的哈希碼，通過計算不同哈希碼的漢明距離實現快速人臉檢索。發明專利(申請號：201810987143.4，名稱：一種基于深度學習的快速人臉檢索方法。)公開了一種基于深度學習的快速人臉檢索方法，利用深度神經網絡提取人臉二值特征并結合局部敏感哈希最近鄰檢索算法，實現了快速高效的人臉檢索算法。發明專利(申請號：201811057447.7，名稱：一種基于深度特征的大規模人臉檢索方法。)公開了一種基于深度特征的大規模人臉檢索方法，通過深度特征提取，緩沖消息隊列構建，二進制特征壓縮，建立多維度信息索引，并進行磁盤數據備份以及高速緩存，通過多維度特征索引以及基于內存的高速緩存進行精準過濾，使得大規模人臉圖像數據集檢索耗時大幅度降低。發明專利(申請號：201910119779.1，名稱：基于k均值聚類算法的人臉識別檢索方法。)公開了基于一種k均值聚類算法的人臉識別檢索方法使用卷積神經網絡從圖像庫中提取人臉圖像的特征向量，建立人物庫，每個人物都通過k均值聚類方法計算出該人物對應的中心向量，使用卷積神經網絡從待查詢圖像中提取特征向量，并與人物庫中的各中心向量作浮點數精確比對，通過比較結果，確定返回的檢索結果。發明專利(申請號：201910270855.9，名稱：一種基于深度學習和哈希編碼的人臉圖像檢索方法和裝置。)提供一種基于深度學習和哈希編碼的人臉圖像檢索方法和裝置，考慮人臉圖像的特殊性，減少圖像的背景信息對人臉特征的干擾，增強對有區分力的人臉特征的表達，為每一張人臉圖像生成具有強區分力的二值哈希碼，提高檢索速度，降低存儲開銷，提高檢索準確度。

上述提到的基于深度學習和哈希編碼的人臉檢索方法存在兩個問題：1)特征提取階段的到的特征尺度比較單一，不能很好的表示人臉；2)哈希編碼階段基本上都用了放松策略，不要求在訓練階段就嚴格生成二值碼{-1,+1}，放松為可以取-1到+1之間的連續值(相應生成函數處處可導)，從而使得網絡可以完成訓練，然后在最后測試階段再量化上述連續值特征，得到真正的二值碼，這樣會引入量化誤差，從而導致所生成的圖像二值編碼及編碼網絡是次優的。

發明內容

針對上述方法存在的問題，本發明提出了一種基于深度學習和哈希編碼的快速人臉檢索方法。

一種基于深度學習和哈希編碼的快速人臉檢索方法，其特征在于，包括如下步驟：