[發(fā)明專利]快速大規(guī)模人臉識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202111344502.2
• 申請(qǐng)日: 2021-11-15
• 公開（公告）號(hào): CN113792709B
• 公開（公告）日: 2022-01-11
• 發(fā)明（設(shè)計(jì)）人: 夏東
• 申請(qǐng)（專利權(quán)）人: 湖南視覺偉業(yè)智能科技有限公司
• 主分類號(hào): G06V40/16
• 分類號(hào): G06V40/16;G06V40/50;G06V10/94;G06F12/123
• 代理公司: 長(zhǎng)沙朕揚(yáng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43213
• 代理人: 鄧宇

1.一種快速大規(guī)模人臉識(shí)別方法，其特征在于，包括以下步驟：

采集待識(shí)別的人臉圖像，并從所述人臉圖像中提取人臉特征；

在人臉特征緩存中查找與所述人臉特征相匹配的樣本特征：若在人臉特征緩存中查找到與所述人臉特征相匹配的樣本特征，輸出匹配成功的樣本特征的身份信息；若在人臉特征緩存中未查找到與所述人臉特征相匹配的樣本特征，則在人臉特征度量空間索引庫中查找與所述人臉特征相匹配的樣本特征：

若在所述人臉特征度量空間索引庫中查找到與所述人臉特征相匹配的樣本特征，則輸出所述匹配成功的樣本特征的身份信息，并記錄所述人臉特征的查找時(shí)間，判斷所述查找時(shí)間是否大于預(yù)設(shè)的查找時(shí)間閾值，若大于所述查找時(shí)間閾值，則將所述匹配成功的樣本特征加入人臉特征緩存，并采用數(shù)據(jù)存活時(shí)間受限的LRU算法更新所述人臉特征緩存中的樣本特征；

其中，在人臉特征度量空間索引庫中查找與所述人臉特征相匹配的樣本特征，具體包括以下步驟：

S1、設(shè)所述人臉特征為查詢請(qǐng)求數(shù)據(jù)q，確定查詢請(qǐng)求數(shù)據(jù)q在人臉特征度量空間索引庫的歸屬葉子節(jié)點(diǎn)；

S2、確定當(dāng)前的查詢半徑r，選取所述查詢請(qǐng)求數(shù)據(jù)q的歸屬葉子節(jié)點(diǎn)的父節(jié)點(diǎn)作為當(dāng)前節(jié)點(diǎn)current_node，并找到當(dāng)前節(jié)點(diǎn)current_node下的葉子節(jié)點(diǎn)l中與查詢請(qǐng)求數(shù)據(jù)q距離最近的數(shù)據(jù)m，判斷數(shù)據(jù)m與查詢請(qǐng)求數(shù)據(jù)q之間距離是否小于當(dāng)前的查詢半徑r，若小于當(dāng)前的查詢半徑r，則更新當(dāng)前的查詢半徑r為數(shù)據(jù)m與查詢請(qǐng)求數(shù)據(jù)q之間距離；

S3、根據(jù)當(dāng)前的查詢半徑r構(gòu)建當(dāng)前的剪枝條件，并根據(jù)當(dāng)前的剪枝條件對(duì)當(dāng)前節(jié)點(diǎn)current_node的子節(jié)點(diǎn)由上向下進(jìn)行剪枝，直到葉子節(jié)點(diǎn)；對(duì)所述葉子節(jié)點(diǎn)下的數(shù)據(jù)進(jìn)行遍歷，并逐一計(jì)算所述葉子節(jié)點(diǎn)下各個(gè)數(shù)據(jù)與查詢請(qǐng)求數(shù)據(jù)q之間的距離，找到葉子節(jié)點(diǎn)中與查詢請(qǐng)求數(shù)據(jù)q距離最近的數(shù)據(jù)d；判斷數(shù)據(jù)d與查詢請(qǐng)求數(shù)據(jù)q的距離是否小于當(dāng)前的查詢半徑r，如果小于當(dāng)前的查詢半徑r，則將當(dāng)前的查詢半徑更新為數(shù)據(jù)d與查詢請(qǐng)求數(shù)據(jù)q的距離，判斷所述當(dāng)前的查詢半徑是否滿足預(yù)設(shè)條件，若滿足預(yù)設(shè)條件，則將數(shù)據(jù)d作為與所述人臉特征相匹配的樣本特征輸出。

2.根據(jù)權(quán)利要求1所述的快速大規(guī)模人臉識(shí)別方法，其特征在于，采用數(shù)據(jù)存活時(shí)間受限的LRU算法更新所述人臉特征緩存中的樣本特征，包括以下步驟：

統(tǒng)計(jì)所述人臉特征緩存中的各個(gè)樣本特征的存活時(shí)長(zhǎng)，判斷所述人臉特征緩存中的是否存在任一樣本特征A：所述樣本特征A存活時(shí)長(zhǎng)大于存活時(shí)長(zhǎng)閾值，若所述樣本特征A存活時(shí)長(zhǎng)大于存活時(shí)長(zhǎng)閾值，則將所述樣本特征A從所述人臉特征緩存中淘汰。

3.根據(jù)權(quán)利要求1所述的快速大規(guī)模人臉識(shí)別方法，其特征在于，采用數(shù)據(jù)存活時(shí)間受限的LRU算法更新所述人臉特征緩存中的樣本特征，包括以下步驟：

統(tǒng)計(jì)所述人臉特征緩存中的樣本特征數(shù)據(jù)總量，判斷所述樣本特征數(shù)據(jù)總量是否超過設(shè)定的規(guī)模限制，若所述樣本特征數(shù)據(jù)總量超過設(shè)定的規(guī)模限制，則淘汰所述人臉特征緩存中最長(zhǎng)時(shí)間未被訪問的樣本特征。

4.根據(jù)權(quán)利要求3所述的快速大規(guī)模人臉識(shí)別方法，其特征在于，所述人臉特征度量空間索引庫采用基于支撐點(diǎn)的度量空間進(jìn)行索引，基于B+Tree實(shí)現(xiàn)索引的存儲(chǔ)。

5.根據(jù)權(quán)利要求4所述的快速大規(guī)模人臉識(shí)別方法，其特征在于，判斷所述當(dāng)前的查詢半徑是否滿足預(yù)設(shè)條件，包括以下步驟：

基于當(dāng)前節(jié)點(diǎn)current_node向上查找所屬父節(jié)點(diǎn)p，根據(jù)當(dāng)前的查詢半徑構(gòu)建剪枝條件，判斷其父節(jié)點(diǎn)p的子節(jié)點(diǎn)中是否存在除當(dāng)前節(jié)點(diǎn)current_node之外的其他子節(jié)點(diǎn)符合當(dāng)前的剪枝條件，若存在，對(duì)其父節(jié)點(diǎn)p依次執(zhí)行步驟S3；若不存在，則將數(shù)據(jù)d作為與所述人臉特征相匹配的樣本特征輸出。

6.根據(jù)權(quán)利要求5所述的快速大規(guī)模人臉識(shí)別方法，其特征在于，確定查詢請(qǐng)求數(shù)據(jù)q在人臉特征索引庫中歸屬的葉子節(jié)點(diǎn)，包括以下步驟：

分別計(jì)算所述人臉特征度量空間索引庫中各個(gè)支撐點(diǎn)與所述查詢請(qǐng)求數(shù)據(jù)q之間的距離，將支撐點(diǎn)按距離q的大小進(jìn)行排序，得到一組支撐點(diǎn)序列，該支撐點(diǎn)序列即為q所屬葉子節(jié)點(diǎn)在B+Tree中的訪問路徑，通過支撐點(diǎn)序列即可快速找到B+Tree中請(qǐng)求數(shù)據(jù)q所屬的葉子節(jié)點(diǎn)。