[发明专利]基于向量数据库的大规模快速人脸图像相似度检索方法

权利要求书

1.基于向量数据库的大规模快速人脸图像相似度检索方法，其特征在于，包括以下步骤：

S1：使用人脸检测和分割模型识别人脸：客户端程序对用户上传的图像进行人脸检测和分割，获取仅仅包含人脸区域的图像，简称为人脸图像；

S2：使用深度神经对抗模型获取人脸特征向量：使用步骤S1获取的分割图像，利用深度神经对抗模型，经运算之后获取人脸的特征向量；

S3：特征向量序列化和传输：使用步骤S2获取的人脸特征向量进行序列化，客户端通过网络将序列化的特征向量传输到服务器，服务器接收到序列化的特征向量后对其进行反序列化得到原始人脸特征向量；

S4：特征向量降维和标准化：将步骤S3得到的原始人脸特征向量先进行降维处理，对降维的向量进行标准化处理得到标准化人脸特征向量，简称标准向量；

S5：标准向量的检索与插入：使用步骤S4获取标准向量，向量数据库运用相似度匹配算法检索与标准向量相似的其他图像的id，获得与该图像相似图像的业务信息；将该图像的标准向量和id一起插入到向量数据库中。

2.根据权利要求1所述的基于向量数据库的大规模快速人脸图像相似度检索方法，其特征在于，步骤S1中包含：

S1.1：使用人脸检测模型对需要检测的图像进行人脸检测，得到图像中人脸的图像坐标信息；

S1.2：根据步骤S1.1中得到的人脸坐标信息，得到人脸中心的坐标。以该坐标为中心，截取包含人脸及小范围背景区域的矩形图像，简称为人脸矩形图像；

S1.3：根据步骤S1.1和步骤S1.2中人脸图像坐标信息和人脸矩形图像，将人脸矩形图像中除人脸以外的区域像素设置为黑色，人脸部分像素不变，得到的图像简称人脸图像。

3.根据权利要求2所述的基于向量数据库的大规模快速人脸图像相似度检索方法，其特征在于，步骤S2中包含：

S2.1：利用步骤S1.2和步骤S1.3中的人脸数据，使用对抗深度神经网络训练一个生成器G；

S2.2：将步骤S1.3中得到的人脸图像，送入S2.1中的生成器G，得到生成图像，生成图像经过运算得出人脸特征向量。

4.根据权利要求3所述的基于向量数据库的大规模快速人脸图像相似度检索方法，其特征在于，步骤S3中包含：

S3.1：将步骤S2.2中得到的人脸的特征向量进行序列化，得到一串可以通过网络传输的字符串；

S3.2将步骤S3.1中得到的字符串，客户端通过网络将字符串发送到服务器端；

S3.3服务器端接收到步骤S3.2中得到的字符串后，通过反序列化，将字符串还原为人脸的特征向量。

5.根据权利要求4所述的基于向量数据库的大规模快速人脸图像相似度检索方法，其特征在于，步骤S4中包含：

S4.1：将步骤S3.3中得人脸的特征向量，通过PCA的方法将人脸特征向量进行降维处理得到降维之后的人脸特征向量；

S4.2将步骤S4.1中得到降维之后的人脸特征向量，进行标准化处理，得到标准化之后的人脸特征向量简称标准向量。

6.根据权利要求5所述的基于向量数据库的大规模快速人脸图像相似度检索方法，其特征在于，步骤S5中包含：

S5.1：将步骤S4.2中得到的标准向量，调用向量数据库的查询API，检索与向量数据库中与该标准向量最相似的向量，并返回该向量对应的Id(业务信息)

S5.2完成步骤S5.1后，调用向量数据库的插入API，将S4.2中得到的标准向量和其对应的Id(业务信息)一起插入到向量数据库中。