[发明专利]快速大规模人脸识别方法及系统

权利要求书

1.一种快速大规模人脸识别方法，其特征在于，包括以下步骤：

采集待识别的人脸图像，并从所述人脸图像中提取人脸特征；

在人脸特征缓存中查找与所述人脸特征相匹配的样本特征：若在人脸特征缓存中查找到与所述人脸特征相匹配的样本特征，输出匹配成功的样本特征的身份信息；若在人脸特征缓存中未查找到与所述人脸特征相匹配的样本特征，则在人脸特征度量空间索引库中查找与所述人脸特征相匹配的样本特征：

若在所述人脸特征度量空间索引库中查找到与所述人脸特征相匹配的样本特征，则输出所述匹配成功的样本特征的身份信息，并记录所述人脸特征的查找时间，判断所述查找时间是否大于预设的查找时间阈值，若大于所述查找时间阈值，则将所述匹配成功的样本特征加入人脸特征缓存，并采用数据存活时间受限的LRU算法更新所述人脸特征缓存中的样本特征；

其中，在人脸特征度量空间索引库中查找与所述人脸特征相匹配的样本特征，具体包括以下步骤：

S1、设所述人脸特征为查询请求数据q，确定查询请求数据q在人脸特征度量空间索引库的归属叶子节点；

S2、确定当前的查询半径r，选取所述查询请求数据q的归属叶子节点的父节点作为当前节点current_node，并找到当前节点current_node下的叶子节点l中与查询请求数据q距离最近的数据m，判断数据m与查询请求数据q之间距离是否小于当前的查询半径r，若小于当前的查询半径r，则更新当前的查询半径r为数据m与查询请求数据q之间距离；

S3、根据当前的查询半径r构建当前的剪枝条件，并根据当前的剪枝条件对当前节点current_node的子节点由上向下进行剪枝，直到叶子节点；对所述叶子节点下的数据进行遍历，并逐一计算所述叶子节点下各个数据与查询请求数据q之间的距离，找到叶子节点中与查询请求数据q距离最近的数据d；判断数据d与查询请求数据q的距离是否小于当前的查询半径r，如果小于当前的查询半径r，则将当前的查询半径更新为数据d与查询请求数据q的距离，判断所述当前的查询半径是否满足预设条件，若满足预设条件，则将数据d作为与所述人脸特征相匹配的样本特征输出。

2.根据权利要求1所述的快速大规模人脸识别方法，其特征在于，采用数据存活时间受限的LRU算法更新所述人脸特征缓存中的样本特征，包括以下步骤：

统计所述人脸特征缓存中的各个样本特征的存活时长，判断所述人脸特征缓存中的是否存在任一样本特征A：所述样本特征A存活时长大于存活时长阈值，若所述样本特征A存活时长大于存活时长阈值，则将所述样本特征A从所述人脸特征缓存中淘汰。

3.根据权利要求1所述的快速大规模人脸识别方法，其特征在于，采用数据存活时间受限的LRU算法更新所述人脸特征缓存中的样本特征，包括以下步骤：

统计所述人脸特征缓存中的样本特征数据总量，判断所述样本特征数据总量是否超过设定的规模限制，若所述样本特征数据总量超过设定的规模限制，则淘汰所述人脸特征缓存中最长时间未被访问的样本特征。

4.根据权利要求3所述的快速大规模人脸识别方法，其特征在于，所述人脸特征度量空间索引库采用基于支撑点的度量空间进行索引，基于B+Tree实现索引的存储。

5.根据权利要求4所述的快速大规模人脸识别方法，其特征在于，判断所述当前的查询半径是否满足预设条件，包括以下步骤：

基于当前节点current_node向上查找所属父节点p，根据当前的查询半径构建剪枝条件，判断其父节点p的子节点中是否存在除当前节点current_node之外的其他子节点符合当前的剪枝条件，若存在，对其父节点p依次执行步骤S3；若不存在，则将数据d作为与所述人脸特征相匹配的样本特征输出。

6.根据权利要求5所述的快速大规模人脸识别方法，其特征在于，确定查询请求数据q在人脸特征索引库中归属的叶子节点，包括以下步骤：

分别计算所述人脸特征度量空间索引库中各个支撑点与所述查询请求数据q之间的距离，将支撑点按距离q的大小进行排序，得到一组支撑点序列，该支撑点序列即为q所属叶子节点在B+Tree中的访问路径，通过支撑点序列即可快速找到B+Tree中请求数据q所属的叶子节点。