[发明专利]用于云联邦的人脸图片存储检索方法及装置

说明书

本发明提供了一种用于云联邦的人脸图片存储检索方法及装置，该方法包括以下步骤：并行化特征提取人脸图片，将获得的最优人脸区域图片、人脸sift特征向量和人脸结构化信息存储在HBase中；根据人脸sift特征向量和人脸结构化中的关键信息建立二级索引并存储在Elasticsearch中；进行检索时，获取待检索人脸sift特征向量；构造检索条件，并根据检索条件从Elasticsearch中检索目标人脸sift特征向量和rowKey；对待检索人脸和目标人脸的sift特征向量进行相似度匹配并排序，获得匹配度排序结果；根据匹配度排序结果和rowKey从HBase集群中获取对应的人脸图片检索结果集。本发明通过HBase结合Elasticsearch协同作用，在Elasticsearch中建立二级索引，同时基于sift特征进行特征匹配，提高了匹配效率，实现海量图片数据的秒回查询。

技术领域

本发明涉及图像处理领域，具体涉及一种用于云联邦的人脸图片存储检索方法及装置。

背景技术

互联网上和安防行业人脸图像的数据日益庞大，用户对行业软件图像检索的要求日益提高，要求在秒级内从亿级别的图像库中检索到匹配度较高的人脸图片。传统的图像检索系统通过图像建立索引信息，通过为图像增加注释或者标注建立图像索引库，再进行图像内容的检索。由于图像数据复杂度高不同的人对相同的图像有不同的理解，因此图像检索比文本检索和结构化数据检索复杂，对算法复杂度和硬件资源要求高。

常用的基于图像检索的方法有基于图像外部信息的检索和基于图像内容的特征描述检索。基于外部信息的检索方式是根据图像的文件名或目录名、路径名以及图像周围的文本信息等外部信息进行检索。在找出图像文件后，图像搜索引擎通过查看文件名或路径名确定文件内容，但这取决于文件名或路径名的描述程度。文件名和路径名描述准确度低检索出的人脸图片匹配度低。基于图像内容特征描述是一种语义层次的匹配。需要人工或者结合人工智能技术获取图像的内容(如纹理、颜色、形状等)进行描述和分类通过关键特征进行匹配。此种方法能获得较好的准确率，但是基于图像内容特征的匹配对资源消耗高只适合从少量图片索引库中检索。

可以看出上述两种检索方法存在较多的局限性，因此，传统的图像检索方法检索范围有限、匹配率较低且检索效率较低是亟待解决的技术问题。

发明内容

本发明提出了一种用于云联邦的人脸图片存储检索方法及装置，旨在解决传统的图像检索方法检索范围有限、匹配率较低且检索效率较低的技术问题。

本发明针对互联网和安防行业海量的人脸图片，使用HBase集群存储图像的特征信息和图片二进制数据。HBase结合Elasticsearch协同作用，将图片检索关键字存储Elasticsearch集群中建立二级索引，实现海量图片数据的秒回查询。

为了实现上述目的，本发明提出了一种用于云联邦的人脸图片存储检索方法，所述用于云联邦的人脸图片存储检索方法包括以下步骤：

并行化读取待存储人脸图片，并对待存储人脸图片进行特征提取，获得最优人脸区域图片、人脸sift特征向量和人脸结构化信息；

将所述最优人脸区域图片、所述人脸sift特征向量和所述人脸结构化信息以二进制格式存储在HBase集群中；

对所述人脸结构化信息进行关键信息提取，获得人脸结构化关键信息；

根据所述人脸sift特征向量和所述人脸结构化关键信息建立二级索引，将所述二级索引存储在Elasticsearch集群中；

在接收到待检索人脸图片时，调用opencv算法库对待检索人脸图片进行sift特征提取，获得待检索人脸sift特征向量；

根据所述待检索人脸sift特征向量构造检索条件，并根据所述检索条件从所述Elasticsearch集群中检索目标人脸sift特征向量和rowKey；