確定人臉圖像中人臉的身份標識的方法、裝置和終端的制作方法
【技術領域】
[0001] 本發(fā)明涉及通信領域，并且更為具體地，涉及一種確定人臉圖像中人臉的身份標 識的方法、裝置和終端。
【背景技術】
[0002] 人臉識別是近年來的一項熱門計算機技術，它屬于生物特征識別技術的一種。生 物識別技術還包括：指紋識別、虹膜識別等，這些識別技術可以達到很高的識別率。但是這 些生物特征識別技術的運用需要被識別人很好的配合，也就是說這些識別技術對人和環(huán)境 的具有比較嚴苛的要求，使得這些技術在諸如公共場所，人流量大的地方以及非強制性民 用領域的應用受到很大的限制。而人臉識別則可以突破以上限制，有更為廣泛的應用。
[0003] 人臉識別技術經(jīng)過幾十年的發(fā)展，產(chǎn)生了很多方法，例如模板匹配、示例學習、神 經(jīng)網(wǎng)絡等等?；诼?lián)合貝葉斯概率模型的人臉識別方法是一種常用的人臉識別方法，利用 聯(lián)合貝葉斯概率模型驗證兩幅人臉圖像是不是同一人的人臉圖像具有很高的準確性，下面 簡單介紹基于聯(lián)合貝葉斯概率模型的人臉識別方法。
[0004] 首先，通過訓練生成聯(lián)合貝葉斯概率矩陣P，然后，分別提取待驗證的人臉n和人 臉f2的特征vl和v2,接著，將vl和v2拼接為一個向量[vl，v2]，最后利用如下公式⑴：
[0005] s = [vl，v2]*P*[vl，v2] T (1)
[0006] 計算vl和v2之間的距離，當該距離小于預設閾值時，就認為fl和f2是同一個人； 當該距離大于預設閾值時，就認為fl和f2不是同一人。聯(lián)合貝葉斯概率矩陣P可以通過 離線學習得到，在學習聯(lián)合貝葉斯概率矩陣P時，可以直接學習整個矩陣P，也可以將P矩陣 進行分解，利用如下公式（2):
【主權項】
1. 一種確定人臉圖像中人臉的身份標識的方法，其特征在于，包括： 獲取人臉圖像的原始特征向量； 根據(jù)所述原始特征向量，從人臉圖像數(shù)據(jù)庫中選擇k個候選向量，其中，所述人臉圖像 數(shù)據(jù)庫中的向量/包含分量[V?A，V?B?VT]，V和所述原始特征向量的特征提取方式相 同，A表示聯(lián)合貝葉斯概率矩陣中的互相關子矩陣，B表示所述聯(lián)合貝葉斯概率矩陣中的自 相關子矩陣，k為正整數(shù)； 從所述k個候選向量中選取所述原始特征向量的匹配向量，其中，所述原始特征向量 的匹配向量為所述k個候選向量中與向量[vl, 1]余弦距離最短的候選向量，vl表示所述 原始特征向量； 根據(jù)所述原始特征向量的匹配向量，將所述人臉圖像數(shù)據(jù)庫中記錄的所述匹配向量的 身份標識確定為所述人臉圖像中的人臉的身份標識。
2. 如權利要求1所述的方法，其特征在于，所述獲取人臉圖像的原始特征向量包括： 跟蹤所述人臉在不同視頻圖像中的位置，得到連續(xù)的N幀人臉圖像； 從所述N幀人臉圖像中的第t幀人臉圖像獲取所述原始特征向量，其中1 <t<N; 所述方法還包括： 將所述原始特征向量的匹配向量，以及所述人臉圖像數(shù)據(jù)庫中記錄的所述匹配向量的 身份標識存入緩存數(shù)據(jù)庫； 獲取所述N幀人臉圖像中的第t+1幀人臉圖像的原始特征向量，所述第t+1幀人臉圖 像為所述第t幀人臉圖像的后一幀人臉圖像； 根據(jù)所述第t+1幀人臉圖像的原始特征向量，從所述緩存數(shù)據(jù)庫中選擇目標向量，其 中，所述緩存數(shù)據(jù)庫包含所述第t幀人臉圖像的原始特征向量的匹配向量； 當所述第t+1幀人臉圖像的原始特征向量與所述目標向量之間的目標距離小于預設 閾值時，將所述緩存數(shù)據(jù)庫中記錄的所述目標向量的身份標識確定為所述第t+1幀人臉圖 像中的人臉的身份標識。
3. 如權利要求2所述的方法，其特征在于，所述根據(jù)所述第t+1幀人臉圖像的原始特征 向量，從所述緩存數(shù)據(jù)庫中選擇目標向量，包括： 根據(jù)公式
，從所述緩存數(shù)據(jù)庫中選取所述目標向量，其中，v2 表示所述第t+1幀人臉圖像的原始特征向量，\，表示所述緩存數(shù)據(jù)庫中的向量，s表示v2 和< 的目標距離。
4. 如權利要求1-3中任一項所述的方法，其特征在于，所述根據(jù)所述原始特征向量，從 人臉圖像數(shù)據(jù)庫中選擇k個候選向量，包括： 根據(jù)公式s#= | | [vl，0]-v# | 12，利用kd-tree算法，從所述人臉圖像數(shù)據(jù)庫中選取所述k個候選向量，其中，表示[vl，0]和之間的歐式距離。
5. 如權利要求1-4中任一項所述的方法，其特征在于，所述從所述k個候選向量中選取 所述原始特征向量的匹配向量，包括： 根據(jù)公式
，從所述k個候選向量中選取所 述原始特征向量的匹配向量，其中，<.表示所述k個候選向量中的第i候選向量，s#表示[vl，1]與< 的余弦距離，
，s丨表示[vl，0]與 < 的歐式距離，1彡i彡k，c為 常數(shù)。
6. 如權利要求1-5中任一項所述的方法，其特征在于，所述方法由服務器執(zhí)行， 所述獲取人臉圖像的原始特征向量，包括： 所述服務器從終端獲取向量V'，其中，v'=[vl, vl?B?vlT]; 所述服務器從所述向量v'中提取所述原始特征向量。
7. -種確定人臉圖像中人臉的身份標識的方法，其特征在于，包括： 獲取人臉圖像的原始特征向量； 根據(jù)公式
，從人臉圖像數(shù)據(jù)庫中選取目標向量，其中，^表 示所述原始特征向量，V〗表示所述人臉圖像數(shù)據(jù)庫中的向量，v〔包含分量[V-A,V"1]，v和所述原始特征向量的特征提取方式相同，A表示聯(lián)合貝葉斯概率矩陣中的互相關子矩 陣，B表示所述聯(lián)合貝葉斯概率矩陣中的自相關子矩陣，s表示v2與< 之間的目標距離，所 述目標向量為所述人臉圖像數(shù)據(jù)庫中與v2目標距離最小的向量； 當所述原始特征向量與所述目標向量之間的目標距離小于預設閾值時，將所述人臉圖 像數(shù)據(jù)庫中記錄的所述目標向量的身份標識確定為所述人臉圖像中的人臉的身份標識。
8. -種確定人臉圖像中人臉的身份標識的裝置，其特征在于，包括： 第一獲取單元，用于獲取人臉圖像的原始特征向量； 第一選取單元，用于根據(jù)所述原始特征向量，從人臉圖像數(shù)據(jù)庫中選擇k個候選向量， 其中，所述人臉圖像數(shù)據(jù)庫中的向量/包含分量[v?A，v?B?vT]，v和所述原始特征向量 的特征提取方式相同，A表示聯(lián)合貝葉斯概率矩陣中的互相關子矩陣，B表示所述聯(lián)合貝葉 斯概率矩陣中的自相關子矩陣，k為正整數(shù)； 第二選取單元，用于從所述k個候選向量中選取所述原始特征向量的匹配向量，其中， 所述原始特征向量的匹配向量為所述k個候選向量中與向量[vl, 1]余弦距離最短的候選 向量，vl表示所述原始特征向量； 第一確定單元，用于根據(jù)所述原始特征向量的匹配向量，將所述人臉圖像數(shù)據(jù)庫中記 錄的所述匹配向量的身份標識確定為所述人臉圖像中的人臉的身份標識。
9. 如權利要求8所述的裝置，其特征在于，所述第一獲取單元具體用于跟蹤所述人臉 在不同視頻圖像中的位置，得到連續(xù)的N幀人臉圖像；從所述N幀人臉圖像中的第t幀人臉 圖像獲取所述原始特征向量，其中1<t<N ; 所述裝置還包括： 存取單元，用于將所述原始特征向量的匹配向量，以及所述人臉圖像數(shù)據(jù)庫中記錄的 所述匹配向量的身份標識存入緩存數(shù)據(jù)庫； 第二獲取單元，用于獲取所述N幀人臉圖像中的第t+1幀人臉圖像的原始特征向量，所 述第t+1幀人臉圖像為所述第t幀人臉圖像的后一幀人臉圖像； 第三選取單元，用于根據(jù)所述第t+1幀人臉圖像的原始特征向量，從所述緩存數(shù)據(jù)庫 中選擇目標向量，其中，所述緩存數(shù)據(jù)庫包含所述第t幀人臉圖像的原始特征向量的匹配 向量； 第二確定單元，用于當所述第t+1幀人臉圖像的原始特征向量與所述目標向量之間的 目標距離小于預設閾值時，將所述緩存數(shù)據(jù)庫中記錄的所述目標向量的身份標識確定為所 述第t+1幀人臉圖像中的人臉的身份標識。
10. 如權利要求9所述的裝置，其特征在于，所述第三選取單元具體用于根據(jù)公式
，從所述緩存數(shù)據(jù)庫中選取所述目標向量，其中，v2表示所述第 t+1幀人臉圖像的原始特征向量，< 表示所述緩存數(shù)據(jù)庫中的向量，s表示V2和< 的目標 距離。
11. 如權利要求8-10中任一項所述的裝置，其特征在于，所述第一選取單元具體用于 根據(jù)公式s#= | | [vl，0]-v# | 12，利用kd-tree算法，從所述人臉圖像數(shù)據(jù)庫中選取所述k個 候選向量，其中，s#表示[vl，0]和￥#之間的歐式距離。
12. 如權利要求8-11中任一項所述的裝置，其特征在于，所述第二選取單元具體用于 根據(jù)公式
，從所述k個候選向量中選取所述原始 特征向量的匹配向量，其中，v丨表示所述k個候選向量中的第i候選向量，s#表示[vl, 1]
與^的余弦距離： ，s*表示[vl，0]與<的歐式距離，1彡i彡k，c為常數(shù)。 1 1 1
13. 如權利要求8-12中任一項所述的裝置，其特征在于，所述裝置為服務器， 所述第一獲取單元具體用于從終端獲取向量v'，其中，v' = [vl，vl*B*vlT];從所述 向量V'中提取所述原始特征向量。
14. 一種確定人臉圖像中人臉的身份標識的裝置，其特征在于，包括： 獲取單元，用于獲取人臉圖像的原始特征向量； 選取單元，用于根據(jù)公式
從人臉圖像數(shù)據(jù)庫中選取目標向 量，其中，v2表示所述原始特征向量，<表示所述人臉圖像數(shù)據(jù)庫中的向量，< 包含分量[v?A，v?B?vT]，v和所述原始特征向量的特征提取方式相同，A表示聯(lián)合貝葉斯概率矩 陣中的互相關子矩陣，B表示所述聯(lián)合貝葉斯概率矩陣中的自相關子矩陣，s表示￥2與< 之間的目標距離，所述目標向量為所述人臉圖像數(shù)據(jù)庫中與v2目標距離最小的向量； 確定單元，用于當所述原始特征向量與所述目標向量之間的目標距離小于預設閾值 時，將所述人臉圖像數(shù)據(jù)庫中記錄的所述目標向量的身份標識確定為所述人臉圖像中的人 臉的身份標識。
15. -種終端，其特征在于，包括： 攝像頭，用于采集人臉圖像； 處理器，用于獲取所述人臉圖像的原始特征向量vl，根據(jù)所述原始特征向量vl，生成 向量V'，其中，v' = [vl,vl?B?vlT]，B表示聯(lián)合貝葉斯概率矩陣中的自相關子矩陣； 發(fā)射器，用于向服務器發(fā)送所述向量V'，所述向量V'用于服務器識別所述人臉圖像中 的人臉的身份標識。
【專利摘要】本發(fā)明提供一種確定人臉圖像中人臉的身份標識的方法、裝置和終端，該方法包括：獲取人臉圖像的原始特征向量；根據(jù)原始特征向量，從人臉圖像數(shù)據(jù)庫中選擇k個候選向量；從k個候選向量中選取原始特征向量的匹配向量；根據(jù)原始特征向量的匹配向量，將人臉圖像數(shù)據(jù)庫中記錄的匹配向量的身份標識確定為人臉圖像中的人臉的身份標識。本發(fā)明實施例中，人臉圖像數(shù)據(jù)庫中存儲的是低級的人臉特征向量與聯(lián)合貝葉斯概率矩陣中的自相關和互相關子矩陣相互作用而形成的中級特征向量，該中級特征向量包含人臉的特征向量與聯(lián)合貝葉斯概率矩陣中的自相關、互相關子矩陣相互作用的信息，能夠提高人臉識別的效率和準確率。
【IPC分類】G06K9-00
【公開號】CN104573652
【申請?zhí)枴緾N201510003813
【發(fā)明人】鞠汶奇, 黎偉, 許春景
【申請人】華為技術有限公司
【公開日】2015年4月29日
【申請日】2015年1月4日