【技术实现步骤摘要】
本专利技术涉及图像处理与人脸识别，具体涉及一种加快人脸识别特征比对的方法及计算设备。
技术介绍
1、随着人工智能技术的发展以及监控设备的日益普及，图片数据资源正在突飞猛进地增长。图像作为信息传播的核心，蕴含着丰富的信息，随着近年来机器学习和深度学习技术的发展，图像处理已经成为了一个热门的研究领域。图像处理技术被广泛应用于多个领域，充分应用计算机视觉相关技术，可以大大提高工作效率。
2、
技术实现思路
1、本专利技术旨在提供一种加快人脸识别特征比对的方法及计算设备，解决在大量图像对比中，人脸识别特征对比时间长的问题，减少比对时间，提高工作效率。
2、根据本专利技术的一方面，提供一种加快人脸识别特征比对的方法，其特征在于，包括：
3、获取目标人脸图像；
4、将所述目标人脸图像通过人脸识别特征提取模型进行特征提取，得到第一维度目标特征矩阵；
5、对所述第一维度目标特征矩阵进行降维处理，得到第二维度目标特征矩阵；
6、根据所述第二维度目标特征矩阵和所述第一维度目标特征矩阵在人脸图像底库中确定与所述目标人脸图像对应的目标对象，所述人脸图像底库包括海量人脸图像的第一维度特征矩阵和第二维度特征矩阵。
7、根据一些实施例，根据所述第二维度目标特征矩阵和所述第一维度目标特征矩阵在人脸图像底库中确定与所述目标人脸图像对应的目标对象，包括：
8、将所述第二维度目标特征矩阵与人脸图像底库的第二维度特征矩阵进行第
9、根据所述第一人脸识别相似度计算的结果，按相似度由高到低的顺序，选择排名靠前的n个相似度对应的对象；
10、根据所述n个相似度对应的对象，从所述第一维度特征矩阵获取相应的列，得到第三特征矩阵；
11、将所述第一维度目标特征矩阵与所述第三特征矩阵进行第二人脸识别相似度计算；
12、根据所述第二人脸识别相似度计算的最大相似度结果，确定与所述目标人脸图像对应的目标对象。
13、根据一些实施例，所述方法还包括预先建立所述人脸图像底库：
14、获取海量人脸图像，所述海量人脸图像已经过人脸检测模型的人脸图像处理；
15、将所述海量人脸图像通过人脸识别特征提取模型进行特征提取，得到第一维度特征矩阵；
16、将所述第一维度特征矩阵进行降维处理得到第二维度特征矩阵。
17、根据一些实施例，将所述第一维度特征矩阵进行降维处理得到第二维度特征矩阵，包括：
18、将所述第一维度特征矩阵通过主成分分析法得到所述第二维度特征矩阵。
19、根据一些实施例，将所述第一维度特征矩阵通过主成分分析法得到所述第二维度特征矩阵，包括：
20、将所述第一维度特征矩阵进行数据处理；
21、计算出所述第一维度特征矩阵的协方差矩阵的特征值及对应的特征向量；
22、根据所述特征向量按对应特征值大小排列成的矩阵，取前预定行数据，得到降维映射矩阵；
23、将所述第一维度特征矩阵与所述降维映射矩阵相乘得到所述第二维度特征矩阵。
24、所述第二维度特征矩阵表达如下：
25、b＝a*qk，
26、其中，a为第一维度特征矩阵，b为第二维度特征矩阵，qk为a的协方差矩阵前k个最大的特征值所对应的特征向量构成的矩阵。
27、根据一些实施例，对所述第一维度目标特征矩阵进行降维处理，包括：
28、将所述第一维度目标特征矩阵与所述降维映射矩阵相乘得到所述第二维度目标特征矩阵。
29、根据一些实施例，预先建立所述人脸图像底库，还包括：
30、对所述海量人脸图像建立第一索引；
31、为所述第一维度特征矩阵和所述第二维度特征矩阵对应地添加所述第一索引。
32、根据一些实施例，所述第一索引包括：人脸图像对应的姓名、或编号。
33、根据一些实施例，所述获取目标人脸图像，包括：
34、将人脸图像通过人脸检测模型获取预定像素大小的所述目标人脸图像。
35、根据一些实施例，所述第一维度目标特征矩阵与所述第一维度特征矩阵对应，所述第二维度目标特征矩阵与所述二维度特征矩阵对应，所述第二维度特征矩阵通过对所述第一维度特征矩阵进行降维而得到。
36、根据本专利技术的另一方面，提供一种计算设备，包括处理器，以及存储器，存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行如上任一项所述的方法。
37、根据本专利技术的另一方面，提供一种非瞬时性计算机可读存储介质，其上存储有计算机可读指令，当所述指令被处理器执行时，使得所述处理器执行如上任一项所述的方法。
38、根据本专利技术实施例的加快人脸识别特征比对的方法，通过降维的处理方法使人脸图像底库中的高维度特征矩阵图像数据转换为低维度特征矩阵图像数据。在进行特征比对时，通过两个维度的特征矩阵来确定目标对象，在保证比对准确性的同时，可极大缩短特征比对所需的时间。
39、根据本专利技术的实施例，提出加快人脸识别特征比对的方法，对人脸识别速度有要求的应用场景，同时拥有海量人脸识别图像底库的情况下，先进行海量图像的低维度相似度计算，再进行小范围的高维度相似度计算，可以在减少比对所需时间的基础上，保证人脸识别特征比对的准确性。
40、应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本专利技术。
本文档来自技高网...【技术保护点】
1.一种加快人脸识别特征比对的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述第二维度目标特征矩阵和所述第一维度目标特征矩阵在人脸图像底库中确定与所述目标人脸图像对应的目标对象，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括预先建立所述人脸图像底库：
4.根据权利要求3所述的方法，其特征在于，将所述第一维度特征矩阵进行降维处理得到第二维度特征矩阵，包括：
5.根据权利要求4所述的方法，其特征在于，将所述第一维度特征矩阵通过主成分分析法得到所述第二维度特征矩阵，包括：
6.根据权利要求5所述的方法，其特征在于，对所述第一维度目标特征矩阵进行降维处理，包括：
7.根据权利要求3所述的方法，其特征在于，预先建立所述人脸图像底库，还包括：
8.根据权利要求1所述的方法，其特征在于，所述获取目标人脸图像，包括：
9.根据权利要求1所述的方法，其特征在于，所述第一维度目标特征矩阵与所述第一维度特征矩阵对应，所述第二维度目标特征矩阵与所述二维度特征矩阵对
10.一种计算设备，其特征在于，包括：
...【技术特征摘要】
1.一种加快人脸识别特征比对的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述第二维度目标特征矩阵和所述第一维度目标特征矩阵在人脸图像底库中确定与所述目标人脸图像对应的目标对象，包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括预先建立所述人脸图像底库：
4.根据权利要求3所述的方法，其特征在于，将所述第一维度特征矩阵进行降维处理得到第二维度特征矩阵，包括：
5.根据权利要求4所述的方法，其特征在于，将所述第一维度特征矩阵通过主成分分析法得到所述第二维度特征矩阵...
【专利技术属性】
技术研发人员：王志元，熊超，牛昕宇，
申请(专利权)人：深圳鲲云信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。