[发明专利]一种利用多个人脸引擎进行人脸查询的方法及装置

说明书

本发明公开了一种利用多个人脸引擎进行人脸查询的方法及装置，人脸查询方法包括如下步骤：S1：分别使用m个人脸查询某张人脸，获得m组最像的k张人脸；S2：利用归一化函数对每个人脸引擎的最像的k张人脸的相似度进行第一次归一化处理以得到m个相似度的集合；S3：将获得的m组最像的k张人脸进行合并，对每个排行位置配置不同的排行权重，分别计算t张人脸中的每张人脸的排行总权重和最大相似度。S4：根据其排行总权重对其最大相似度进行第二次归一化处理，得到t个综合相似度的集合。S5：对综合相似度的集合进行重新降序排序，截取前k张人脸以作为最终的查询结果。利用本发明能够实现利用多个人脸引擎进行人脸查询。

技术领域

本发明涉及人脸引擎领域，具体涉及一种利用多个人脸引擎进行人脸查询的方法及装置。

背景技术

随着人工智能的发展，人脸图像对比已经越来越准确，识别率越来越高，但是由于各个人脸引擎的模型算法差异或者训练数据的差异，使得各个模型的人脸引擎查询结果有一定差异。不同引擎对不同角度的人脸，不同质量图片的人脸，有各自的优劣，查询准确度也不尽相同。

目前判断人脸引擎识别结果准确度的办法一般是采用以下方式：首先在人脸引擎上传一张人脸图片，查询得到底库中n张人脸中最像的k张人脸以及k张人脸的相似度。然后对于多个人脸引擎得出的查询结果做一个集合，该集合中有t张人脸，t符合k≤t≤m*k，根据预先配置评价该人脸引擎的权重系数以及得出的相似度得出最后的综合相似度。对t张人脸都用如下公式进行计算综合相似度

其中s_i是用第i个引擎返回该张人脸对应的相似度。

a_i是预先配置评价这个人脸引擎的权重系数，并且有

结果s_t就作为该张人脸的综合相似度，最后得到对t个综合相似度，重新降序排序截取前k张人脸，得到多个人脸引擎综合查询结果中最像的k张人脸。

对同个人不同人脸的对比相似度尽可能高于不同人的人脸对比相似度，我们把这种能力称为引擎的切分能力。每个人脸引擎的切分能力是不一样的，如果每个人脸引擎按照固定的权重聚合，就会造成切分能力不足的引擎影响切分能力好的引擎。而且每个人脸引擎的识别权重系数a_i是通过测试或者观察模型能力得出来的，模型能力在有限的测试数据中很难得到充分表现，因此最终得出的多种人脸引擎的查询结果综合相似度结果差别也很大。由此可见，提出一种用于评价多种人脸引擎查询结果准确度的评价标准及方法是亟待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种利用多个人脸引擎进行人脸查询的方法，包括如下步骤：

S1：分别使用m个人脸查询引擎在人脸库中查询某张人脸，分别返回最像的k张人脸，从而获得m组最像的k张人脸；

S2：利用归一化函数对每个人脸引擎的最像的k张人脸的相似度进行第一次归一化处理以得到m个相似度的集合；进行归一化处理可以消除在不同人脸引擎中的切分能力不同，影响到数据分析的结果。

S3：将获得的m组最像的k张人脸进行合并，以获得t张人脸，t满足k≤t≤m*k，记录t张人脸分别在各个人脸引擎中的排行和相似度，对每个排行位置配置不同的排行权重，并且分别计算t张人脸中的每张人脸的排行总权重和最大相似度；对每张人脸的排行权重和相似度做进一步处理。

S4：针对t张人脸中的每张人脸，根据其排行总权重对其最大相似度进行第二次归一化处理，得到t个综合相似度的集合；再一次进行归一化处理，可以消除每个人脸在人脸引擎的排行权重不同对综合相似度的影响。

S5：根据所获得的t个综合相似度的集合对所述t张人脸进行重新降序排序，截取所述t张人脸中的前k张人脸以作为最终的查询结果。

在进一步的实施例中，第一次归一化函数采用如下函数：