[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

说明书

本发明公开了一种基于向量数据库的大规模快速人脸图像相似度检索方法，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。本发明对人脸图像信息数据的最小化和向量化存储，大大节约存储资源；更加节省网络带宽；提高系统的响应时间；增加系统的伸缩性和扩展性；增强图像与业务的联系，保持图像与业务耦合性；保障数据的安全。

技术领域

本发明涉及支付领域，特别涉及一种在支付领域下的大数据条件下如何快速检索相似人脸图像数据的方法。

背景技术

运营商支付账户体系下拥有数十亿级别的客户账号，客户账户注册，解绑，解冻等过程中都需要用户授权并上传带有人脸信息的图像。系统通过通过用户上传的人脸信息图像与库中的其他人脸图像来比较，找出库中和上传的人脸信息图像相似的人脸图像，然后对其用户基本信息进行校验。但是传统图像检索方法面临如下问题：(1)系统需要海量存储空间：假如按照一个账户只上传一张2M带人脸信息的图像，如果按现在传统的存储技术，至少需要2000T的外部存储空间(不含备份)；(2)系统需要大量的网络带宽：当系统并发比较高时候，大量的图像数据通过网络传输会消耗网络带宽甚至会阻塞网络，导致系统不可用；(3)系统响应时间变慢：随着用户上传的图像增加，导致库中的图像增多，单个图像与库中所有图像进行比对的时间变长，从而导致系统响应时间变慢；(4)系统的伸缩性和扩展性不足：随着用户上传的图像增多，传统方法只能通过增加硬件资源的方法来解决问题；(5)系统图像与业务耦合性不强：与图像相关的业务信息还需要存储在其他数据库中，关联起来会比较麻烦；(6)数据安全存在泄露隐患：存储完整的图像信息，无论明文或者加密存储，都无法避免人脸信息被泄露的风险。针对以上问题，本发明提出了一种基于向量数据库的大规模快速人脸图像相似度检索方法，能有效解决上述问题。

发明内容

本发明要解决的技术问题是克服现有技术的缺陷，提供基于向量数据库的大规模快速人脸图像相似度检索方法。

本发明提供了如下的技术方案：

本发明提供一种基于向量数据库的大规模快速人脸图像相似度检索方法，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。

作为本发明的一种优选技术方案，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；