[發明專利]人臉搜索方法、裝置及邊緣設備

在審

• 申請號: 202110508273.7
• 申請日: 2021-05-11
• 公開（公告）號: CN112989091A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 楊帆;奚穩
• 申請（專利權）人: 南京甄視智能科技有限公司
• 主分類號: G06F16/58
• 分類號: G06F16/58;G06K9/00
• 代理公司: 南京行高知識產權代理有限公司 32404
• 代理人: 王培松

本發明提供一種人臉搜索方法、裝置及邊緣設備，針對人臉底庫中需要根據數據容量進行循環多次計算歐氏距離和比對導致運算耗時長的問題，本發明將傳統的在CPU中執行的循環計算轉換成大矩陣內的點乘計算，減少運算時間，較傳統CPU運算速度提高2?4倍，大大提升了人臉搜索速度，使得人臉搜索不再成為應用程序的性能瓶頸。人臉檢索還可以采用batch處理的方式，一次可以做到多張人臉照片的同時檢索，實現高并發處理，將人臉檢索吞吐量提升若干倍。

技術領域

本發明涉及圖像處理技術領域，尤其是人臉搜索，具體而言涉及一種針對海量人臉底庫的情況下的人臉搜索方法、裝置及邊緣設備。

背景技術

人臉搜索的目的是根據輸入的人臉照片(即一個對象)從海量的人臉底庫中找到適配的結果，即與照片中的人臉對應的人是同一個人的照片。在現行的搜索方法中，一般通過暴力計算搜索對象與底庫中的所有對象的歐氏距離或者余弦距離計算，對于一般場景可以使用歐式距離，即將搜索對象的人臉特征值(浮點數組)與底庫中的所有人臉特征值進行歐式距離計算，將所有計算后的歐氏距離排序，選取距離最短所對應的人臉特征值及人臉信息對應作為搜索結果輸出。當人臉底庫中的數據較多，人流量較大時，對于這樣的高并發、低延時的應用場景中，邊緣設備往往需要耗費比較多的計算時間和計算資源在特征值的比對上。

而邊緣設備中的CPU的浮點數運算能力偏弱，單純使用CPU循環計算特征值與人臉底庫中每一人臉特征值的歐式距離耗時很長，以常用的 2核A53+2核A73 的CPU實測，特征向量維度為512維，底庫大小達到2萬的規模時，做一次人臉檢索大概需要70ms左右，而在例如醫院、學校、大的社區等人流量較大且底庫較多的應用場景下，人臉底庫的數據容量（即存儲的人臉信息）會達到幾萬以上，因此，傳統的CPU計算方式耗時長，計算緩慢，已經不能滿足需求。

發明內容

本發明的目的在于針對原先針對人臉底庫中需要根據數據容量進行循環多次計算歐氏距離和比對導致的運算量大、耗時長的問題，提出一種高效的人臉搜索方法與裝置，縮短CPU執行人臉搜索的運算時間，提升運算速度。

本發明的第一方面提出一種人臉搜索方法，尤其是適用于海量數據的人臉底庫和/或高并發低延時要求的人臉搜索場景應用，所述的人臉搜索方法包括以下步驟：

接收輸入的人臉搜索請求，所述人臉搜索請求包含從作為待搜索對象的人臉照片中提取獲得的人臉特征數據，所述人臉特征數據包含浮點數向量，維度為M，M為正整數；

將所述人臉搜索請求包含的人臉特征數據構造成1*M的輸入特征矩陣X；

將人臉底庫中包含的N個人臉特征數據拼接，構造成N*M的底庫矩陣Y，其中N個人臉特征數據中的每個人臉特征數據包含浮點數向量，維度為M；其中N為正整數；

將底庫矩陣Y進行轉置，獲得轉置矩陣Y’；

將轉置矩陣Y’與輸入特征矩陣X相乘，得到1*N的矩陣Z，所述矩陣Z中的每個元即為所述人臉搜索請求包含的人臉特征數據與人臉底庫中的每個人臉特征數據的歐氏距離所構成的向量；

取矩陣Z中的所有元的最小值作為距離最短的特征值，輸出對應的人臉信息。

優選地，所述將轉置矩陣Y’與輸入特征矩陣X相乘，得到1*N的矩陣Z的操作，采用矩陣運算加速庫進行運算。

本發明的第二方面提出一種人臉搜索裝置，包括：

用于接收輸入的人臉搜索請求的數據接收模塊，所述人臉搜索請求包含從作為待搜索對象的人臉照片中提取獲得的人臉特征數據，所述人臉特征數據包含浮點數向量，維度為M，M為正整數；

用于將所述人臉搜索請求包含的人臉特征數據構造成1*M的輸入特征矩陣X的輸入特征矩陣構造模塊；

用于將人臉底庫中包含的N個人臉特征數據拼接，構造成N*M的底庫矩陣Y的底庫矩陣構造模塊，其中N個人臉特征數據中的每個人臉特征數據包含浮點數向量，維度為M；其中N為正整數；

用于將底庫矩陣Y進行轉置，獲得轉置矩陣Y’的矩陣轉置模塊；