[发明专利]快速大规模人脸识别方法及系统

说明书

本发明公开了快速大规模人脸识别方法及系统，通过在人脸特征缓存中查找与人脸特征相匹配的样本特征，若在人脸特征缓存中未查找到与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人脸特征相匹配的样本特征：若在人脸特征度量空间索引库中查找到与人脸特征相匹配的样本特征，则输出匹配成功的样本特征的身份信息，并记录人脸特征的查找时间，判断查找时间是否大于预设的查找时间阈值，若大于查找时间阈值，则将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算法更新人脸特征缓存中的样本特征。本发明能够提升人脸特征匹配的效率。

技术领域

本发明涉及人脸识别领域，尤其涉及快速大规模人脸识别方法及系统。

背景技术

人脸识别技术作为一种重要的身份鉴别技术，近年来获得了快速发展，并且在社会生活中得到了大规模的推广应用，重要的应用领域包括交通、金融、电信、安防、教育等。虽然人脸识别技术进步显著，但是依然面临诸多挑战，特别是大规模人脸识别对于识别的精度要求极高，随着规模的增大识别的比对也是极其耗时的工作。如何在有限的时间内快速的实现大规模人脸识别是一个相当具有挑战的任务。

发明内容

本发明提供了快速大规模人脸识别方法及系统，用于解决现有的大规模人脸识别方法识别速度慢、查询性能不稳定的技术问题。

为解决上述技术问题，本发明提出的技术方案为：

一种快速大规模人脸识别方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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；