[發明專利]一種基于高維特征算法的人臉識別方法

有效

• 申請號: 202011192256.9
• 申請日: 2020-10-30
• 公開（公告）號: CN112329589B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 羅想;楊壘;劉栓
• 申請（專利權）人: 四川天翼網絡股份有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06F16/51;G06F16/532;G06F16/583
• 代理公司: 成都金英專利代理事務所(普通合伙) 51218
• 代理人: 袁英

本發明公開了一種基于高維特征算法的人臉識別方法，包括如下步驟：S1：采集人臉圖像信息，構建人像數據庫；S2：數據庫人臉圖像信息預處理；S3：計算待搜索數據集與主軸特征的向量夾角集合，同時計算該集合中元素方差，并按照升序排列，完成快速搜索圖構建；S4：導入待識別人臉圖像信息并進行人臉特征提取；S5：將待識別人臉特征通過搜索圖進行搜索；S6：導出最相似特征，識別對應的人臉圖像。本發明的有益效果：動態增刪新數據；輕量級處理流程，構建速度快；與普通搜索相比搜索速度提升20?50倍；準確性高，滿足100%準確率。

技術領域

本發明涉及高維空間中特征的快速最近鄰查找技術，具體的，涉及一種基于高維特征算法的人臉識別方法。

背景技術

一種用于高維空間中的快速最近鄰查找技術，目前常用的技術手段大多是近似最近鄰查找，比如Faiss，nsg，kgraph，kd-tree，這些方法的實現流程大都是先構建查詢樹或圖，基于構建好的樹或圖進行近似搜索，這種實現構建過程往往比較復雜而且時間耗時較長，對于構建好的樹或圖很難進行動態插入一組數據，目前的解決方法大都是對新的動態數據結合之前的所有數據集進行重新構建，這樣每次增加數據都不能達到實時的效果，同時使用最近鄰匹配后的精度多少會有些損失。

發明內容

本發明的目的在于，針對上述問題，提出一種基于高維特征算法的人臉識別方法。

一種基于高維特征算法的人臉識別方法，包括如下步驟：

S1：采集人臉圖像信息，構建人像數據庫；

S2：數據庫人臉圖像信息預處理；

S3：計算待搜索數據集與主軸特征的向量夾角集合，同時計算該集合中元素方差，并按照升序排列，完成快速搜索圖構建；

S4：導入待識別人臉圖像信息并進行人臉特征提取；

S5：將待識別人臉特征通過搜索圖進行搜索；

S6：導出最相似特征，識別對應的人臉圖像。

所述S2包括如下子步驟：

S21：將采集的人臉圖像信息進行有效篩選，淘汰不符合要求的人臉圖像數據；

S22：將采集的人臉圖像信息進行歸一化處理，提取人臉特征，構建特征集合。

所述步驟S5包括如下子步驟：

S51：計算待識別人臉特征與主軸特征的向量夾角集合；

S52：利用中值查詢法，查詢集合與快速搜索圖中元素差值大于最大類內夾角的元素集合，作為淘汰數據；

S53：執行淘汰操作，整理淘汰元素后的集合；

S54：重復步驟S51-S52；

S55：淘汰更多元素，完成最終的高維特征集合。

所述步驟S6包括如下子步驟：

S61：利用角度公式計算步驟S55中得到的高維特征集合中角度最小的元素；

S62：判斷該元素與最大類內夾角的大小；

S63：若該元素小于最大類內夾角，則快速搜索圖中有滿足要求的元素，輸出滿足該元素的人臉特征圖像；

S64：若該元素大于最大類內夾角，則快速搜索圖中沒有滿足要求的元素；執行步驟S65；

S65：添加或刪除特征元素執行步驟S3，直至找出符合要求的人臉特征圖像。