[发明专利]相似人脸检索方法、装置及存储介质

权利要求书

1.一种相似人脸检索方法，其特征在于，所述方法包括：

获取待检索人脸图像；

基于特征提取模型对所述待检索人脸图像进行特征提取，将所述特征提取模型的倒数第三层的输出结果作为所述待检索人脸图像的第一相似人脸特征，所述特征提取模型是基于三元组损失函数对训练好的初始模型进行优化处理后得到的；

对于人脸数据库中每个人脸图像，获取所述第一相似人脸特征与所述每个人脸图像的第二相似人脸特征在特征空间上的距离，所述第二相似人脸特征是基于所述特征提取模型对所述每个人脸图像进行特征提取后得到的；

根据获取到的距离信息，在所述人脸数据库中检索与所述待检索人脸图像相似度最高的目标人脸图像。

2.根据权利要求1所述的相似人脸检索方法，其特征在于，所述特征提取模型的训练过程，包括：

获取已标注好分类信息的第一训练样本图像，对所述第一训练样本图像进行预处理；

根据经过预处理后的第一训练样本图像进行模型训练，直至模型收敛，得到初始模型；

采用随机梯度下降算法对所述初始模型进行优化处理，得到所述训练好的初始模型；

基于所述三元组损失函数对所述训练好的初始模型进行优化处理，得到所述特征提取模型。

3.根据权利要求2所述的相似人脸检索方法，其特征在于，所述基于所述三元组损失函数对所述训练好的初始模型进行优化处理，包括：

获取第二训练样本图像；

对于所述第二训练样本图像中的锚人脸图像，基于所述训练好的初始模型，在第三训练样本图像中进行相似人脸检索，得到相似度排在前两位的两张人脸图像，所述锚人脸图像为所述第二训练样本图像中的任意一个人脸图像；

在所述两张人脸图像中确定正例样本和负例样本，所述正例样本与所述锚人脸图像的相似度高于所述负例样本；

基于所述训练好的初始模型，获取全部样本三元组的相似人脸特征，每个所述样本三元组中均包括一个锚人脸图像、所述锚人脸图像的正例样本以及负例样本；

根据获取到的样本三元组的相似人脸特征，构建所述三元组损失函数，采用随机梯度下降算法优化所述三元组损失函数直至收敛。

4.根据权利要求3所述的相似人脸检索方法，其特征在于，所述三元组损失函数的收敛条件为：第一距离小于第二距离；

其中，第一距离指代同一个样本三元组中锚人脸图像的相似人脸特征与正例样本的相似人脸特征在特征空间上的距离，第二距离指代所述锚人脸图像的相似人脸特征与负例样本的相似人脸特征在特征空间上的距离。

5.根据权利要求3所述的相似人脸检索方法，其特征在于，所述三元组损失函数的表达式为：

其中，loss指代所述三元组损失函数，指代同一个样本三元组中锚人脸图像的相似人脸特征与正例样本的相似人脸特征的欧式距离，代同一个样本三元组中锚人脸图像的相似人脸特征与负例样本的相似人脸特征的欧式距离，margin指代固定最小间隔，i的取值为正整数。

6.根据权利要求2所述的相似人脸检索方法，其特征在于，所述根据经过预处理后的第一训练样本图像进行模型训练，直至模型收敛，得到初始模型，包括：

将经过预处理后的第一训练样本图像输入构建有交叉熵损失函数的卷积神经网络，获取所述卷积神经网络输出的对所述第一训练样本图像的预测分类结果；

基于所述交叉熵损失函数，确定所述第一训练样本图像的标注分类结果与预测分类结果是否一致；

当所述标注分类结果与所述预测分类结果不一致时，反复循环的迭代更新所述卷积神经网络中的权重值，直至所述标注分类结果与所述预测分类结果一致。

7.根据权利要求1所述的相似人脸检索方法，其特征在于，所述基于特征提取模型对所述待检索人脸图像进行特征提取，包括：

对所述待检索人脸图像进行预处理，其中，预处理至少包括剪裁处理和对齐处理；

基于所述特征提取模型对经过预处理后的待检索人脸图像进行特征提取。