[发明专利]人脸检索方法及人脸检索装置

说明书

本申请实施例提供的人脸检索方法及人脸检索装置，涉及数字图像处理技术领域。该方法包括：从分布式文件系统的文件夹中获取与该文件夹对应监控终端拍摄的帧图像；从帧图像中提取出人脸面部特征，其中，人脸面部特征由人脸局部特征和人脸全局特征进行加权融合得到；将提取的人脸面部特征作为检索条件，在注册库中进行人脸检索，查看帧图像中的人脸是否与注册库中的目标人脸匹配。上述方法采用Storm计算系统的并行计算能力，使得人脸检索相对于现有基于单点架构的方式具有更良好的实时性和扩展性，同时，通过脸局部特征和人脸全局特征的加权融合得到人脸面部特征，可以提高人脸网络识别率，在非约束条件下也具有较好的鲁棒性。

技术领域

本申请涉及数字图像处理技术领域，具体而言，涉及一种人脸检索方法及人脸检索装置。

背景技术

监控终端设备实时将视频数据推送到后台服务器，由后台服务器实现对记录的视频数据进行分析、识别、比对及查询等功能，在类似公共安全等领域，所要监控目标对象的人脸图片急速增长，使得系统对现有人脸图像解析技术对处理海量视频格式化图像数据的实时性以及准确性要求会更高。

如何在海量视频中检索到目标对象，传统的基于单节点架构的人脸图像存储和检索系统已经不能满足人们对于检索性能的要求，如何实时以及准确的从海量视频中检索到目标对象，对于本领域技术人员而言是急需要解决的技术问题。

发明内容

本申请的实施例提供一种人脸检索方法及人脸检索装置，用于解决上述技术缺陷。

本申请实施例提供一种人脸检索方法，应用于Storm计算系统，所述方法包括：

从分布式文件系统的文件夹中获取与该文件夹对应监控终端拍摄的帧图像；

对所述帧图像进行人脸检测，在检测到人脸时从所述帧图像中提取出人脸面部特征，其中，所述人脸面部特征由人脸局部特征和人脸全局特征进行加权融合得到；

将提取的所述人脸面部特征作为检索条件，在注册库中进行人脸检索，查看所述帧图像中的人脸是否与所述注册库中的目标人脸匹配，其中，所述人脸面部特征由人脸局部特征和人脸全局特征进行加权融合得到。

上述方法将人脸识别与视频监控结合在一起，采用Storm计算系统的并行计算能力，使得人脸检索相对于现有基于单点架构的方式具有良好的实时性和扩展性，同时，通过脸局部特征和人脸全局特征的加权融合得到人脸面部特征，可以提高人脸网络识别率，在非约束条件下也具有较好的鲁棒性。

可选地，在本申请的一种可选实施方式中，所述方法还包括向所述注册库导入目标人脸的人脸面部特征的步骤，该步骤包括：

将包括目标人脸的帧图像输入训练好的人脸面部特征提取模型中，得到目标人脸的人脸面部特征，并将目标人脸的人脸面部特征导入所述注册库中。

可选地，在本申请的一种可选实施方式中，所述方法还包括对人脸面部特征提取模型进行训练的步骤，该步骤包括：

采用高维LBP特征提取网络提取样本图像中的人脸局部特征，采用密集连接卷积神经网络提取样本图像中的人脸全局特征；

将所述样本图像的人脸局部特征进行降维处理；

将所述人脸全局特征和降维处理后的人脸局部特征输入到全连接层进行训练得到第一损失函数值，将所述全连接层的输出结果输入Softmax层训练得到第二损失函数值；

基于所述第一损失函数值和所述第二损失函数值计算该样本图像的多损失函数值；

在所述多损失函数值小于预设损失函数阈值时，判定所述人脸面部特征提取模型训练完成，在所述多损失函数值不小于预设损失函数阈值，调整所述高维LBP特征提取网络及密集连接卷积神经网络的参数，重复执行上述步骤，直到所述人脸面部特征提取模型训练完成。