[发明专利]人脸检索方法、装置及存储介质

说明书

本申请公开了一种人脸检索方法、装置及存储介质。其中，该方法包括：获取包含目标对象的人脸的待检索图像；利用特征提取模型，生成与待检索图像中的人脸对应的第一特征向量；根据第一特征向量，从预设的特征数据库中的多个第二特征向量中确定目标特征向量，其中多个第二特征向量分别为预设的人脸数据库中的多个人脸图像的特征向量；以及根据目标特征向量，在人脸数据库中进行检索，得到与待检索图像对应的检索结果，其中特征数据库中的多个第二特征向量分别为根据Faiss检索算法建立的多个人脸图像在人脸数据库中的索引。

技术领域

本申请涉及人脸检索技术领域，特别是涉及一种人脸检索方法、装置及存储介质。

背景技术

AI的兴起加速了人脸识别的发展，人脸识别的应用给人们带来了越来越多的便利，比如刷脸支付、刷脸门禁等等，人脸识别在安防、金融等领域也随处可见。人脸识别在发展的同时，也积累了大量的人脸数据，这些海量的人脸数据对于人脸识别也带来了新的挑战，对于一张给定的人脸，如何快速准确的从上亿级的人脸库中找到与其相似度最高的前N张图片，已经成为一个亟待解决的课题，这便是人脸检索发展的由来。

人脸检索大致可分为两个阶段：第一个阶段提取人脸图像的特征，之后第二阶段是对这些人脸特征建立特征索引。在第一阶段现有的方法有基于传统的人脸提特征的方法，比如采用局部二值模式(LBP)算子对经过小波变换后的人脸图像提取特征；也有基于深度学习的方式进行人脸特征提取。在第二阶段大都是采用将第一阶段提取到的人脸特征进行降维或进行哈希编码后，再保存到特征库中最为最终的索引。但是传统的提取特征的方式并不能得到较好的人脸特征，所以最终的准确率也并不好，而深度学习的方式可以得到较为高维的丰富的人脸特征，但在第二阶段为了提高检索速率需要对人脸特征进行降维处理或哈希编码往往会导致信息维度缺失，也会导致最终的准确率不好。

针对上述的现有技术中存在的传统的提取特征的方式并不能得到较好的人脸特征，而深度学习的方式虽然可以得到较为高维的丰富的人脸特征，但在对人脸特征建立特征索引的过程中，为了提高检索速率需要对人脸特征进行降维处理或哈希编码，造成了信息维度缺失，导致准确性不高的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种人脸检索方法、装置及存储介质，以至少解决现有技术中存在的传统的提取特征的方式并不能得到较好的人脸特征，而深度学习的方式虽然可以得到较为高维的丰富的人脸特征，但在对人脸特征建立特征索引的过程中，为了提高检索速率需要对人脸特征进行降维处理或哈希编码，造成了信息维度缺失，导致准确性不高的技术问题。

根据本公开实施例的一个方面，提供了一种人脸检索方法，包括：获取包含目标对象的人脸的待检索图像；利用特征提取模型，生成与待检索图像中的人脸对应的第一特征向量；根据第一特征向量，从预设的特征数据库中的多个第二特征向量中确定目标特征向量，其中多个第二特征向量分别为预设的人脸数据库中的多个人脸图像的特征向量；以及根据目标特征向量，在人脸数据库中进行检索，得到与待检索图像对应的检索结果，其中特征数据库中的多个第二特征向量分别为根据Faiss检索算法建立的多个人脸图像在人脸数据库中的索引。

根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。

根据本公开实施例的另一个方面，还提供了一种人脸检索装置，包括：获取模块，用于获取包含目标对象的人脸的待检索图像；特征提取模块，用于利用特征提取模型，生成与待检索图像中的人脸对应的第一特征向量；确定模块，用于根据第一特征向量，从预设的特征数据库中的多个第二特征向量中确定目标特征向量，其中多个第二特征向量分别为预设的人脸数据库中的多个人脸图像的特征向量；以及检索模块，用于根据目标特征向量，在人脸数据库中进行检索，得到与待检索图像对应的检索结果，其中特征数据库中的多个第二特征向量分别为根据Faiss检索算法建立的多个人脸图像在人脸数据库中的索引。