[发明专利]人脸识别方法和系统

说明书

技术领域

本发明涉及信息技术领域，具体而言，涉及一种人脸识别方法和系统。

背景技术

目前，对大规模人脸进行检索，需要进行的工作是首先对人脸数据进行特征提取和量化，经过这些工作后，每张人脸可以得到对应的多维特征数据；并通过比较两张人脸图像的特征数据来判定两张人脸图像是否相似。而在大规模的人脸数据中，寻找相似人脸需要对每张图像进行计算，找到最近的人脸数据，需要极大的计算量。

现有方案为直接对本地库中海量人脸图片进行聚类，将目标人脸图片依次和每个聚类进行比较以找到其所属聚类，再在所属聚类中与每张人脸图片比较以找到相似人脸图片。这种方案一定程度加速了人脸搜索过程，但在大规模人脸搜索中，此方案仍然需要进行极大的计算量：若聚类设置较少，则每个聚类中数据规模会比较大，在聚类中进行搜索将耗费大量运算时间；若划分聚类过多，则找到所属聚类就需要较大计算量，都无法满足搜索引擎的实时性要求。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的人脸识别方法和系统。

依据本发明的一个方面，提供了一种人脸识别方法，其包括：将已收集的人脸图片进行聚类得到多个第1层分类，并通过迭代方式继续对至少一个第i层分类中的人脸图片进行聚类得到多个第i+1层分类，i从1向后进行整数取值；识别出目标人脸图片所属的第1层分类，并通过迭代方式继续在所述目标人脸图片所属的第j层分类中识别出所述目标人脸图片所属的第j+1层分类，j从1向后依序进行整数取值；通过所述迭代方式直至在所述目标人脸图片所属的第j层分类中不存在第j+1层分类时，从所述目标人脸图片所属的第j层分类中，识别出所述目标人脸图片的相似人脸图片。

可选地，前述的人脸识别方法，其中，所述将已收集的人脸图片进行聚类得到多个第1层分类的步骤包括：根据所述已收集的人脸图片的特征，生成所述已收集的人脸图片的特征向量；设置多个初始中心点，并根据所述已收集的人脸图片的特征向量与每个所述初始中心点的距离远近，将所述已收集的人脸图片分为多个第1层分类，并根据每个第1层分类的人脸图片的特征向量，计算所述每个第1层分类的向量中心点。

可选地，前述的人脸识别方法，其中，所述将已收集的人脸图片进行聚类得到多个第1层分类的步骤还包括：计算所述每个第1层分类的初始中心点与向量中心点之间的方差；如所述方差的大小超过预设阈值，则重新设置初始中心点，并重新将所述已收集的人脸图片分为多个第1层分类，并重新计算所述每个第1层分类的向量中心点。

可选地，前述的人脸识别方法，其中，所述识别出目标人脸图片所属的第1层分类的步骤包括：根据所述目标人脸图片的特征，生成所述目标人脸图片的特征向量；选择向量中心点与所述目标人脸图片的特征向量之间距离最小的第1层分类，作为所述目标人脸图片所属的第1层分类。

可选地，前述的人脸识别方法，其中，所述识别出所述目标人脸图片的相似人脸图片的步骤包括：从所述第j层分类的人脸图片中，选择特征向量与所述目标人脸图片的特征向量之间距离最小的至少一张人脸图片，作为所述目标人脸图片的所述相似人脸图片。

依据本发明的另一方面，还提供了一种人脸识别系统，其包括：分类模块，用于将已收集的人脸图片进行聚类得到多个第1层分类，并通过迭代方式继续对至少一个第i层分类中的人脸图片进行聚类得到多个第i+1层分类，i从1向后依序进行整数取值；分类迭代识别模块，用于识别出目标人脸图片所属的第1层分类，并通过迭代方式继续在所述目标人脸图片所属的第j层分类中识别出所述目标人脸图片所属的第j+1层分类，j从1向后进行整数取值；相似人脸图片识别模块，用于在所述目标人脸图片所属的第j层分类中不存在第j+1层分类时，从所述目标人脸图片所属的第j层分类中，识别出所述目标人脸图片的相似人脸图片。

可选地，前述的人脸识别系统，其中，还包括：第一特征向量生成模块，用于根据所述已收集的人脸图片的特征，生成所述已收集的人脸图片的特征向量；所述分类模块设置多个初始中心点，并根据所述已收集的人脸图片的特征向量与每个所述初始中心点的距离远近，将所述已收集的人脸图片分为多个第1层分类，并根据每个第1层分类的人脸图片的特征向量，计算所述每个第1层分类的向量中心点。

可选地，前述的人脸识别系统，其中，还包括：方差计算模块，计算所述每个第1层分类的初始中心点与向量中心点之间的方差；如所述方差的大小超过预设阈值，则所述分类模块重新设置初始中心点，并重新将所述已收集的人脸图片分为多个第1层分类，并重新计算所述每个第1层分类的向量中心点。