[发明专利]人脸图片特征比对方法、装置、计算机设备及存储介质

说明书

本申请涉及一种人脸图片特征比对方法、装置、计算机设备及存储介质，其中该方法包括：获取视频数据，并将获取到的视频数据进行格式转换；将转换后的数据通过深度学习算法进行人脸检测识别提取特征值，得到人脸图片特征值；将所述人脸图片特征值进行归一化处理，并将归一化后的人脸图片特征值送给特征值比对线程进行特征值比对；将一部分人脸图片特征值通过CPU与人脸库图片特征值进行余弦相似度计算，并将另外一部分人脸图片特征值通过DSP与人脸库图片特征值进行余弦相似度计算；获取计算结果中余弦相似度最大的多个结果，并输出所述余弦相似度最大的多个结果。本发明有效提高了每秒能同时比对的人脸张数，实现了提高人脸识别的速度。

技术领域

本发明涉及信息技术领域，特别是涉及一种人脸图片特征比对方法、装置、计算机设备及存储介质。

背景技术

目前，随着人工智能应用的普及，人脸识别等人工智能技术的应用越来越广泛。人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。对于人脸识别过程中给予用户的体验也逐步受到各大厂商的重视，如何提高人脸识别的速度是各大厂商目前亟待解决的难题。

在传统技术中，摄像头通常都是仅仅单纯依靠CPU进行视频数据处理，然而在密集人群场景中，例如大量人脸底库(10万及以上)这种需要大量实时人脸识别时，仅依靠CPU进行处理显然会导致CPU负荷过高，出现性能不足的问题，最终导致了人脸识别速度的降低。

发明内容

基于此，有必要针对上述技术问题，提供一种可以提高人脸识别速度的人脸图片特征比对方法、装置、计算机设备及存储介质。

一种人脸图片特征比对方法，所述方法包括：

获取视频数据，并将获取到的视频数据进行格式转换；

将转换后的数据通过深度学习算法进行人脸检测识别提取特征值，得到人脸图片特征值；

将所述人脸图片特征值进行归一化处理，并将归一化后的人脸图片特征值送给特征值比对线程进行特征值比对；

将一部分人脸图片特征值通过CPU与人脸库图片特征值进行余弦相似度计算，并将另外一部分人脸图片特征值通过DSP与人脸库图片特征值进行余弦相似度计算；

获取计算结果中余弦相似度最大的多个结果，并输出所述余弦相似度最大的多个结果。

在其中一个实施例中，所述将一部分人脸图片特征值通过CPU与人脸库图片特征值进行余弦相似度计算的步骤还包括：

将归一化后的人脸图片特征值与人脸库里已经归一化好的人脸特征值进行余弦相似度计算；

依次将计算好的余弦相似度放入结果缓冲区，并按照计算结果的大小进行排序；

输出余弦相似度最高的多个计算结果。

在其中一个实施例中，所述将另外一部分人脸图片特征值通过DSP与人脸库图片特征值进行余弦相似度计算的步骤还包括：

将人脸库图片特征值拷贝到人脸库输入数据内存；

将归一化后的人脸图片特征值拷贝到人脸图片输入数据内存；

将DSP参数放入DSP参数传递数据内存；

给DSP发送计算余弦相似度指令，以使DSP计算所述人脸图片特征值与所述人脸库图片特征值的余弦相似度。

在其中一个实施例中，所述DSP计算所述人脸图片特征值与所述人脸库图片特征值的余弦相似度的步骤还包括：