[发明专利]一种人脸快速检索方法、系统

说明书

本发明公开了一种人脸快速检索方法、系统，方法包括：获得图像的特征向量，将所述特征向量输入一自编码网络，根据所述自编码网络训练并更新得到全连接层权重和对应的偏置项，并作为将特征向量进行二值化哈希的网络参数，通过所述的网络参数建立图像的哈希索引库并获取待查询图像的哈希值，搜索出人脸结果。在本发明中通过利用深度卷积神经网络用作人脸特征提取，可以获取高效的人脸特征表达。同时，使用自编码网络获取哈希码，基于人脸特征得到更加紧凑的二值化表达。此外，本发明采用哈希码的汉明距离计算图像相似度，计算量小能够加快检索速度。

技术领域

本发明涉及深度学习领域、人脸图像识别领域，特别涉及一种人脸快速检 索方法、系统，主要基于卷积神经网络以及自编码网络二值化哈希。

背景技术

现有技术中的人脸图像库包括了很多类型，比如，FERET人脸数据库、 CMU-PIE人脸数据库、YALE人脸数据库、MIT人脸数据库、ORL人脸数据库等 等。而采用人脸图像库的目的在于：在人脸图像库中检索相似的人脸图像在监 控、安防等人脸识别方向具有广泛的应用前景。

已知的，对于原始图像进行哈希编码，可以有效提高图像检索的速度。

比如现有技术中，中国专利申请号:CN 201310087561.5一种基于局部敏 感哈希的相似人脸快速检索方法，公开了一种基于局部敏感哈希的人脸图像检 索方法。该方法通过人脸区域检测、眼睛和嘴巴特征检测和特征提取、肤色检 测、人脸肤色分布特征提取等步骤将图像表示为人脸特征向量，然后利用局部 敏感哈希方法对人脸特征向量构建索引，从而提高查询时的速度。

分析可知，该方法存在的不足是:眼睛、嘴巴和肤色特征并不能很好的表 达整张人脸的特征，而局部敏感哈希方法是一种数据无关的哈希方法，随机性 强；为了保证较好的检索精度，需要的编码位数很长，检索效率比较低。

又比如现有技术中，中国专利申请号CN201410441091基于半监督哈希的 图像检索方法，公开了一种基于半监督哈希的图像检索方法。该方法首先提取 图像的局部空间约束的全局频率特征，结合已标注数据和未标注数据训练支持 向量机，得到数据的编码。

分析可知，该方案的缺点在于：训练图像的数据较少，且全局频率特征并 不适合人脸识别任务。

综上，如何提高人脸图像检索的速度和准确率，是本领域技术人员有待解 决的技术问题。

发明内容

本发明要解决的技术问题是，提供一种人脸快速检索方法，通过使用深度 卷积神经网络获得人脸图像的特征，从而使得特征表达更加高效和准确。另外， 还使用自编码网络结合人脸图像特征获得图像的二值化哈希值，减少了存储空 间的占用，提高了人脸图像检索的速度和准确率。

解决上述技术问题，本发明提供了一种人脸快速检索方法，包括如下步骤：

获得图像的特征向量，将所述特征向量输入一自编码网络，

根据所述自编码网络训练并更新得到全连接层权重和对应的偏置项，并作 为将特征向量进行二值化哈希的网络参数，

通过所述的网络参数建立图像的哈希索引库并获取待查询图像的哈希值， 搜索出人脸结果。

在获得图像的特征向量时利用深度卷积神经网络用作人脸特征提取,获 得人脸特征的高效表达。在上述自编码网络中基于人脸特征使用自编码网络得 到特征的二值化哈希值，结合了自编码网络的学习能力，可以获得更紧凑的二 值化表达。此外，在索引库搜索出人脸结果的检索过程采用哈希码的汉明距离 计算图像的相似度，计算量小提高检索速度。

更进一步，所述自编码网络中，

首先通过利用损失函数以及多维特征来训练自编码网络，

然后使用随机梯度下降法更新对应的模型参数，