一種基于深度特征的大規(guī)模人臉檢索方法和設(shè)備技術(shù)

本發(fā)明專利技術(shù)實(shí)施例提供一種基于深度特征的大規(guī)模人臉檢索方法和設(shè)備，通過深度特征提取，緩沖消息隊(duì)列構(gòu)建，二進(jìn)制特征壓縮，建立多維度信息索引，并進(jìn)行磁盤數(shù)據(jù)備份以及高速緩存；通過多維度特征索引以及基于內(nèi)存的高速緩存進(jìn)行精準(zhǔn)過濾，使得大規(guī)模人臉圖像數(shù)據(jù)集檢索耗時(shí)大幅度降低，并且能夠快速準(zhǔn)確的得到匹配結(jié)果，實(shí)時(shí)性強(qiáng)，準(zhǔn)確性高。

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于深度特征的大規(guī)模人臉檢索方法和設(shè)備
本專利技術(shù)實(shí)施例涉及圖像檢索
，更具體地，涉及一種基于深度特征的大規(guī)模人臉檢索方法和設(shè)備。
技術(shù)介紹
人臉檢索是一項(xiàng)融合了計(jì)算機(jī)圖像處理知識以及生物統(tǒng)計(jì)學(xué)知識的新興生物識別技術(shù)，目前具有廣闊的應(yīng)用前景，例如時(shí)下人臉檢索技術(shù)在諸如公園、工廠、廣場、會(huì)議中心、體育場館、學(xué)校、醫(yī)院、商業(yè)街、酒店、餐飲娛樂場所、辦公樓、電梯等場所均有應(yīng)用。人臉檢索融合了計(jì)算機(jī)圖像處理以及人物識別技術(shù)，在公共安全領(lǐng)域有著廣闊的應(yīng)用前景。快速增加的監(jiān)控?cái)z像頭漸漸覆蓋了城市的每個(gè)角落，網(wǎng)絡(luò)上的視頻數(shù)據(jù)也日益增加。這些網(wǎng)站和設(shè)備提供了安全和便利的同時(shí)，也帶來了海量的視頻數(shù)據(jù)，快速準(zhǔn)確地從如此規(guī)模視頻數(shù)據(jù)中快速識別人物身份，追蹤其蹤跡，是一件非常有挑戰(zhàn)的任務(wù)也是檢索領(lǐng)域的熱門研究主題。人臉的圖像檢索本質(zhì)上是基于特征的檢索，兩張人臉圖像的比較需要經(jīng)過特征提取，特征向量相似度計(jì)算等步驟。傳統(tǒng)的人臉檢索算法是在大規(guī)模數(shù)據(jù)集上，直接遍歷整個(gè)數(shù)據(jù)庫的所有特征值進(jìn)行計(jì)算，其計(jì)算任務(wù)會(huì)變得更加繁重，直接導(dǎo)致檢索速度和準(zhǔn)確性的急驟下降。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)實(shí)施例提供一種克服上述問題或者至少部分地解決上述問題的一種基于深度特征的大規(guī)模人臉檢索方法和設(shè)備。第一方面，本專利技術(shù)實(shí)施例提供了一種基于深度特征的大規(guī)模人臉檢索方法，包括：獲取每張待檢索人臉圖像的高緯度特征及查詢條件；基于查詢條件對已建立的多維度哈希特征數(shù)據(jù)庫進(jìn)行第一次篩選，基于所述高緯度特征對已建立的多維度哈希特征數(shù)據(jù)庫進(jìn)行第二次篩選，得到檢索結(jié)果。作為優(yōu)選的，獲取每張待檢索人臉圖像的高緯度特征及查詢條件前，還包括：獲取人臉數(shù)據(jù)集中每個(gè)人臉圖像的高緯度特征，將所述高緯度特征進(jìn)行文本化輸入到消息隊(duì)列中，并基于二進(jìn)制數(shù)據(jù)壓縮方法進(jìn)行壓縮；獲取每張人臉圖像的高緯度特征的哈希值，并基于人臉圖像ID、所述哈希值、壓縮后的特征值及當(dāng)前時(shí)間戳建立多維度哈希索引文件；將所述多維度哈希索引文件批量刷寫到磁盤，并對已經(jīng)刷寫到磁盤上行的多維度哈希索引文件實(shí)時(shí)建立高速緩存。作為優(yōu)選的，獲取人臉數(shù)據(jù)集中每個(gè)人臉圖像的高緯度特征，具體包括：人臉圖像以及對應(yīng)的水平旋轉(zhuǎn)鏡像圖像輸入到深度網(wǎng)絡(luò)模型中，得到第一高維度特征向量和第二高維度特征向量，所述第一高維度特征向量和第二高維度特征向量的維度相同；將所述第一高維度特征向量、第二高維度特征向量融合，得到人臉圖像的高緯度特征。作為優(yōu)選的，并基于二進(jìn)制數(shù)據(jù)壓縮方法對所述消息隊(duì)列進(jìn)行壓縮，具體包括：對消息隊(duì)列中的每一條消息，基于二進(jìn)制串F將其中的高緯度特征轉(zhuǎn)化為二進(jìn)制字節(jié)組；其中，所述二進(jìn)制串F的子串為：Fi,j(1≤i,j≤N)，N為二進(jìn)制串F的長度，對于前綴二進(jìn)制子串F1,j，記為首字節(jié)Fi的子串和首字節(jié)為Fj+1的子串最大匹配長度，即：式中，Si為最長匹配的i值；用(s,h,c)表示二進(jìn)制串的最長匹配結(jié)果，其中，s表示最長匹配時(shí)，字典中字節(jié)開始的位置；h為最長匹配字符串的長度，c表示最長匹配結(jié)束時(shí)的下一個(gè)字節(jié)。作為優(yōu)選的，獲取每張待檢索人臉圖像的高緯度特征及查詢條件，具體包括：基于檢索請求，獲取待檢索人臉圖像及查詢條件，對單張待檢索人臉圖像，通過深度網(wǎng)絡(luò)模型獲取待檢測人臉圖像的高緯度特征。作為優(yōu)選的，基于所述高緯度特征對已建立的多維度哈希特征數(shù)據(jù)庫特征數(shù)據(jù)庫進(jìn)行第二次篩選，具體包括：對高速緩存和刷寫到磁盤中的高緯度特征進(jìn)行解壓縮，分批與待檢索人臉圖像的高緯度特征進(jìn)行對比，并基于快速排序算法歸并各批次的對比結(jié)果，并進(jìn)行排序，將排序結(jié)果以文本方式返回。作為優(yōu)選的，并基于快速排序算法歸并各批次的對比結(jié)果，并進(jìn)行排序，具體包括：基于當(dāng)前數(shù)據(jù)規(guī)模M和期望檢索結(jié)果數(shù)量K，為每個(gè)用于計(jì)算的線程平均分配任務(wù)量；每個(gè)線程獨(dú)立處理數(shù)據(jù)，并以大小為K的最小堆進(jìn)行排序；將各線程計(jì)算得到的結(jié)果進(jìn)行歸并，得到當(dāng)前數(shù)據(jù)規(guī)模為M的情況下，TopK的結(jié)果。第二方面，本專利技術(shù)實(shí)施例提供了一種基于深度特征的大規(guī)模人臉檢索設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如本專利技術(shù)實(shí)施例第一方面所述基于深度特征的大規(guī)模人臉檢索方法的步驟。本專利技術(shù)實(shí)施例提出一種基于深度特征的大規(guī)模人臉檢索方法和設(shè)備，通過深度特征提取，緩沖消息隊(duì)列構(gòu)建，二進(jìn)制特征壓縮，建立多維度信息索引，并進(jìn)行磁盤數(shù)據(jù)備份以及高速緩存；通過多維度特征索引以及基于內(nèi)存的高速緩存進(jìn)行精準(zhǔn)過濾，使得大規(guī)模人臉圖像數(shù)據(jù)集檢索耗時(shí)大幅度降低，并且能夠快速準(zhǔn)確的得到匹配結(jié)果，實(shí)時(shí)性強(qiáng)，準(zhǔn)確性高。附圖說明為了更清楚地說明本專利技術(shù)實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本專利技術(shù)的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為根據(jù)本專利技術(shù)實(shí)施例的基于深度特征的大規(guī)模人臉檢索方法示意圖；圖2為根據(jù)本專利技術(shù)實(shí)施例的多維度信息索引建立示意圖；圖3為根據(jù)本專利技術(shù)實(shí)施例的多維度哈希索引文件存儲(chǔ)結(jié)構(gòu)示意圖；圖4為根據(jù)本專利技術(shù)實(shí)施例的檢索過程示意圖；圖5為根據(jù)本專利技術(shù)實(shí)施例的實(shí)時(shí)建立索引和檢索流程示意圖；圖6為根據(jù)本專利技術(shù)實(shí)施例的高速緩存在內(nèi)存中的存儲(chǔ)結(jié)構(gòu)示意圖；圖7為根據(jù)本專利技術(shù)實(shí)施例的排序和歸并過程示意圖。具體實(shí)施方式為使本專利技術(shù)實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本專利技術(shù)實(shí)施例中的附圖，對本專利技術(shù)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本專利技術(shù)一部分實(shí)施例，而不是全部的實(shí)施例。基于本專利技術(shù)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本專利技術(shù)保護(hù)的范圍。人臉識別技術(shù)經(jīng)歷了可見光圖像人臉識別、三維圖像人臉識別/熱成像人臉識別、基于主動(dòng)近紅外圖像的多光源人臉識別三層進(jìn)化過程，再到如今的基于深度模型的人臉識別技術(shù)，算法不斷精準(zhǔn)演化，準(zhǔn)確率能夠達(dá)到99.7％，人臉識別技術(shù)逐漸進(jìn)入越來越多新的應(yīng)用領(lǐng)域。在公共安全領(lǐng)域，可以用于追蹤通緝罪犯；在日常生活領(lǐng)域，人們可以刷臉支付，刷臉簽到，刷臉門禁，刷臉取票等。因此，在大規(guī)模人臉數(shù)據(jù)，準(zhǔn)確快速的人物識別具有極高的現(xiàn)實(shí)意義。傳統(tǒng)的人臉檢索算法是在大規(guī)模數(shù)據(jù)集上，直接遍歷整個(gè)數(shù)據(jù)庫的所有特征值進(jìn)行計(jì)算，其計(jì)算任務(wù)會(huì)變得更加繁重，直接導(dǎo)致檢索速度和準(zhǔn)確性的急驟下降。針對現(xiàn)有技術(shù)中的上述缺陷，本專利技術(shù)是實(shí)施例通過多維度特征索引以及基于內(nèi)存的高速緩存進(jìn)行精準(zhǔn)過濾，使得大規(guī)模人臉圖像數(shù)據(jù)集檢索耗時(shí)大幅度降低，并且能夠快速準(zhǔn)確的得到匹配結(jié)果。以下將通過多個(gè)實(shí)施例進(jìn)行展開說明和介紹。本專利技術(shù)實(shí)施例提供了一種基于深度特征的大規(guī)模人臉檢索方法，如圖1所示，包括：步驟10、獲取每張待檢索人臉圖像的高緯度特征及查詢條件；步驟20、基于查詢條件對已建立的多維度哈希特征數(shù)據(jù)庫進(jìn)行第一次篩選，基于所述高緯度特征對已建立的多維度哈希特征數(shù)據(jù)庫進(jìn)行第二次篩選，得到檢索結(jié)果。通過預(yù)先建立多維度哈希特征數(shù)據(jù)庫，即多維度哈希索引文件的集合，獲取人臉數(shù)據(jù)集中每個(gè)人臉圖像的高緯度特征，將所述高緯度特征進(jìn)行文本化輸入到消息隊(duì)列中，并基于二進(jìn)制數(shù)據(jù)壓縮方法進(jìn)行壓縮；獲取每張人臉圖像的高緯度特征的哈希值，并基于人臉圖像I本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
1.一種基于深度特征的大規(guī)模人臉檢索方法，其特征在于，包括：獲取每張待檢索人臉圖像的高緯度特征及查詢條件；基于查詢條件對已建立的多維度哈希特征數(shù)據(jù)庫進(jìn)行第一次篩選，基于所述高緯度特征對已建立的多維度哈希特征數(shù)據(jù)庫進(jìn)行第二次篩選，得到檢索結(jié)果。

【技術(shù)特征摘要】
1.一種基于深度特征的大規(guī)模人臉檢索方法，其特征在于，包括：獲取每張待檢索人臉圖像的高緯度特征及查詢條件；基于查詢條件對已建立的多維度哈希特征數(shù)據(jù)庫進(jìn)行第一次篩選，基于所述高緯度特征對已建立的多維度哈希特征數(shù)據(jù)庫進(jìn)行第二次篩選，得到檢索結(jié)果。2.根據(jù)權(quán)利要求1所述的基于深度特征的大規(guī)模人臉檢索方法，其特征在于，獲取每張待檢索人臉圖像的高緯度特征及查詢條件前，還包括：獲取人臉數(shù)據(jù)集中每個(gè)人臉圖像的高緯度特征，將所述高緯度特征進(jìn)行文本化輸入到消息隊(duì)列中，并基于二進(jìn)制數(shù)據(jù)壓縮方法進(jìn)行壓縮；獲取每張人臉圖像的高緯度特征的哈希值，并基于人臉圖像ID、所述哈希值、壓縮后的特征值及當(dāng)前時(shí)間戳建立多維度哈希索引文件；將所述多維度哈希索引文件批量刷寫到磁盤，并對已經(jīng)刷寫到磁盤上行的多維度哈希索引文件實(shí)時(shí)建立高速緩存。3.根據(jù)權(quán)利要求2所述的基于深度特征的大規(guī)模人臉檢索方法，其特征在于，獲取人臉數(shù)據(jù)集中每個(gè)人臉圖像的高緯度特征，具體包括：人臉圖像以及對應(yīng)的水平旋轉(zhuǎn)鏡像圖像輸入到深度網(wǎng)絡(luò)模型中，得到第一高維度特征向量和第二高維度特征向量，所述第一高維度特征向量和第二高維度特征向量的維度相同；將所述第一高維度特征向量、第二高維度特征向量融合，得到人臉圖像的高緯度特征。4.根據(jù)權(quán)利要求3所述的基于深度特征的大規(guī)模人臉檢索方法，其特征在于，并基于二進(jìn)制數(shù)據(jù)壓縮方法對所述消息隊(duì)列進(jìn)行壓縮，具體包括：對消息隊(duì)列中的每一條消息，基于二進(jìn)制串F將其中的高緯度特征轉(zhuǎn)化為二進(jìn)制字節(jié)組；其中，二進(jìn)制串F的子串為Fi,j(1≤i,j≤N)，N為二進(jìn)制串F的長度，對于前綴二進(jìn)制子串F...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李開，鄒復(fù)好，王汝鵬，劉鵬坤，孫斌，
申請(專利權(quán))人：武漢魅瞳科技有限公司，
類型：發(fā)明
國別省市：湖北,42