[发明专利]一种人脸识别方法

说明书

本发明公开了一种人脸识别方法，基于哈夫曼树和欧式距离，建立以根节点人脸图片出发所建立的哈夫曼树结构的人脸特征群，当需要人脸识别时，获取需要识别的人脸图片pic1后，将pic1的特征值feature1与哈夫曼树各个节点的欧式距离进行计算，选取与pic1欧式距离最近的节点进行匹配，直接将相同人脸的信息精确快速搜出，在新的人脸图片加入时，只需要与根节点人脸进行匹对，加入到最接近的人脸群内，一旦加入则重新创建该哈夫曼树和选择根节点人脸。从而提高人脸识别的效率和精确度，可用性更强。本发明的一种人脸识别方法具有人脸识别的效率和精确度高，可用性强的优点。

技术领域

本发明涉及一种人脸识别方法，尤其涉及一种精度高、时效性好的人脸识别方法。

背景技术

随着人工智能技术在智慧社区业务领域的不断深入，越来越多的人工智能技术落地在具体的智慧社区的具体应用中。其中应用最为广泛的是图像处理技术，通过图像处理特别是人脸识别的技术，在社区时间告警和权限认证等具体业务领域，应用最为切合，且发展迅速。然而人脸识别技术虽然识别度越来越高，但是对应的算法复杂度也越来越大，对机器的性能要求也越来越高，特别是一些实时性要求比较高的应用场景，不仅要求精度以达到可使用，而且还需要速度以满足时效性。但是性能相关的计算量和时效性往往总是此消彼长。特别是在以图搜图和以图搜视频等功能实现时，如果从几万张人脸中搜寻出某一张人脸相同的一切人脸图片和在视频中出现过的对应视频文件，往往时间至少需要四五秒，对于产品的可用性要求是致命的。

目前大部分的处理方法采用图片预处理，提前计算人脸特征，然后进行人脸特征的数字比对，这样对该问题能够解决一部分效率问题，但是精确度人就很难提升，还有一些采用聚类算法进行预处理，但是效果不是很好。

因此，有必要提出一种改进，以克服现有技术缺陷。

发明内容

本发明的目的是解决现有技术中的问题，提出一种基于哈夫曼树和欧式距离的快速人脸识别方法，将计算量均衡的分布在后台系统的每天的每个时间点，同时可以结合人为的剔除识别错误的处理，进一步重新择群，从而使得整个人脸识别系统的精确度越来越高。将所有人脸信息进行了高精度的聚类预处理，当有以图搜图和以图搜视频的时候，应用本发明人脸识别方法的人脸识别系统就可以立刻将提前预聚类的人脸群结果直接展示出来，不仅精度高而且时效性也很好。

本发明的技术方案是：

一种人脸识别方法，包括以下步骤：S1、获取人脸图片pic，计算人脸图片pic的特征值feature；S2、计算多个人脸图片pic的特征值feature之间的欧氏距离，根据欧氏距离创建多个哈夫曼树，所述哈夫曼树包括根节点及叶子节点；S3、计算需要人脸识别的图片pic1的特征值feature1，计算特征值feature1与多个哈夫曼树之间的欧式距离，若能在所有哈夫曼树中找到欧氏距离小于阈值threshold_dis_min的节点则选择与需要人脸识别的图片pic1欧氏距离最近的哈夫曼树T，显示该哈夫曼树T的根节点及所有子节点，输出该哈夫曼树T的根节点图片为与需要人脸识别的图片pic1匹配的图片；否则，进行步骤S4；S4、判定该需要人脸识别的图片pic1为新图片，以该图片为根节点初始化创建哈夫曼树。

作为一种优选的技术方案，步骤S1及S4中创建哈夫曼树的方法为：a、设置根节点；b、创建与根节点对应的后续加入节点的欧氏距离记录表leaf_list；c、创建该哈夫曼树内所有叶子节点和根节点分别为根节点时所创建的哈夫曼树的带权路径长度列表WPL_list；d、所述带权路径长度列表中数值位置与节点进入哈夫曼树的顺序一致，节点离开则需要删除列表WPL_list中对应位置数据；初始化创建根节点root＝0，最短带权路径长度WPL_min为根节点的带权路径长度。