[发明专利]人脸图像标注方法和系统

说明书

技术领域

本发明涉及图像处理技术领域，特别是涉及一种人脸图像标注方法和系统。

背景技术

有标注人物信息的人脸图像也越来越重要，有了大量的有标注的人脸图像，不但可以用来训练模型提高人脸识别的效果，而且可以用来做很多产品，例如移动互联网社交产品等。

目前，最常见的人脸图像标注方法仍然是人工标注，通过人的识别能力，人工将每一张人脸标注为一个人物标签。

人工标注每一张图片，速度非常慢，当标注的人物比较多的时候，人工识别的速度会越来越慢，标注一张图片花费的时间也越来越长。当图片数量和人脸数量都很大的时候，人工标注几乎无法完成。而且，标注的人物数量变多的时候，标注每一张图片都变得很困难，很容易让人疲惫，无形中增加了标注错误的概率。对于陌生人，人的记忆能力有限，标注的人物越多，越容易记不住，越容易标注错误。

在工业化应用场合，人脸图像的数据一般都是海量的，如果标注出海量数据，科研价值和商业价值都非常大，人脸图像的数据是随着新数据的不断加入而成倍增加的，对于这些不断增加的海量的人脸图像数据，要标注人脸图像就变得更加困难。

随着人脸识别技术在计算机视觉、模式识别领域广泛应用，为了提高在人脸图像标注的效率，在人脸图像标注技术领域，也开始引入了聚类技术，将所有的图片通过聚类算法聚成若干类，每一类中的人脸图片为同一个人，然后人工给每一类批量标注，在一定程度上节省了标注的时间。

但对于海量的人脸图像的数据来说，利用上述技术来进行人脸图像的标注，由于人脸照片达到海量数据后，聚类得到的类别也是海量的，这就导致了聚类的性能会明显下降，从而使得包括人脸图像标注的速度和准确率都随着下降。因此，基于上述的人脸图像标记技术，会随着人脸图像数据的不断增多，速度和准确性会不断降低，对于每一类照片标注的难度增大，仍然会容易出现标注错误的情况，对海量人脸图像数据的标注效率低，难以普遍应用于目前不断增长的海量人脸图像数据的标注。

发明内容

基于此，有必要针对上述现有技术对海量人脸图像数据的标注效率低的问题，提供一种人脸图像标注方法和系统。

一种人脸图像标注方法，包括如下步骤：

对需要标注的人脸图像进行人脸聚类；

根据预存的分类器模型计算各个类别的人脸图像属于各个标注人物的概率，并根据所述概率对所述人脸图像进行标注；

根据所述已标注的人脸图像训练出新的分类器更新所述分类器模型。

一种人脸图像标注系统，包括：

识别和聚类模块，用于对需要标注的人脸图像进行人脸聚类；

人物标注模块，用于根据预存的分类器模型计算各个类别的人脸图像属于各个标注人物的概率，并根据所述概率对所述人脸图像进行标注；

分类器模型更新模块，用于根据所述已标注的人脸图像训练出新的分类器更新所述分类器模型。

上述人脸图像标注方法和系统，首先对需要标注的人脸图像进行识别和聚类，然后根据分类器模型计算各类别的人脸图像属于各个标注人物的概率，以该概率作为参考对人脸图像进行标注，可以实现对人脸图像的快速准确的人物标注，提升了标注速度和准确率，而且，随着分类器模型的不断更新，聚类性能越高，特别是用于在对海量的人脸图像进行标注时，标注快速和准确性高的效果更加明显，可以极大提高了海量人脸图像标注的效率。

附图说明

图1为人脸图像标注方法实施例一的流程图；

图2为人脸图像标注方法实施例二的流程图；

图3为一个实施例的人脸图像标注系统结构示意图。

具体实施方式

下面结合附图对本发明的人脸图像标注方法的具体实施方式作详细描述。

实施例一

参见图1所示，图1为人脸图像标注方法实施例一的流程图，包括如下步骤：

步骤S101，对需要标注的人脸图像进行人脸聚类。

步骤S102，根据预存的分类器模型计算各个类别的人脸图像属于各个标注人物的概率，并根据所述概率对所述人脸图像进行标注。

步骤S103，根据所述已标注的人脸图像训练出新的分类器更新所述分类器模型。