人臉識別方法及裝置製造方法

2023-10-08 22:58:04

人臉識別方法及裝置製造方法
【專利摘要】本公開實施例公開了一種人臉識別方法及裝置，從包含人臉的圖片中獲取第一類特徵，然後，根據第一類特徵獲取兩個人臉之間的距離加權係數。利用人臉之間的距離及對應的距離加權係數，得到兩個人臉之間的加權相似度，最後，根據兩個人臉之間的加權相似度，對圖片進行聚類，得到聚類結果，將屬於同一個人的圖片聚合成一個簇，不同人的圖片歸類到不同的簇中。所述人臉識別方法不僅考慮兩個人臉的五官和臉型之間的相似性，還根據圖片中所包含的第一類特徵對人臉相似性進行衡量，這樣，增加同一個人在不同情況下的人臉的相似度，而且，能夠降低不同人的人臉之間的相似度。因此，該人臉識別方法及裝置能夠提高人臉識別的準確率。
【專利說明】人臉識別方法及裝置

【技術領域】
[0001]本公開涉及計算機【技術領域】，特別是涉及一種人臉識別方法及裝置。

【背景技術】
[0002]通過人臉識別方法，能夠將相冊中屬於同一個人的人臉圖片聚合在一個簇中。但是，在聚合的過程中，經常出現人臉圖片中人臉姿態、表情、光照等不同，導致同一個人的人臉特徵提取的特徵向量之間的相似度降低，進而出現不能將本屬於同一個人的人臉圖片聚合到一個簇中，大大降低人臉識別的準確率。


【發明內容】

[0003]為克服相關技術中存在的問題，本公開提供一種人臉識別方法及裝置，以提高人臉識別的準確率。本公開實施例公開了如下技術方案:
[0004]根據本公開實施例的第一方面，提供一種人臉識別方法，包括:
[0005]從包含人臉的圖片中，獲取第一類特徵；
[0006]根據所述第一類特徵，獲取分別屬於兩個圖片的任意兩個人臉之間的距離加權係數；
[0007]獲取所述兩個人臉之間的距離；
[0008]根據所述兩個人臉之間的距離和相應的距離加權係數，得到所述兩個人臉之間的加權相似度；
[0009]利用所述兩個人臉之間的所述加權相似度，判斷所述兩個人臉是否屬於同一個人；
[0010]其中，所述第一類特徵包括人物的性別、年齡、種族、衣服、眼鏡信息、人臉在圖片中的位置、圖片的拍攝時間和連拍信息中的任意一個或任意多個組合。
[0011]結合第一方面，在第一方面的第一種可能的實現方式中，所述根據所述第一類特徵，獲取分別屬於兩個圖片的任意兩個人臉之間的距離加權係數，包括:
[0012]獲取所述第一類特徵對應的特徵值；
[0013]計算所述兩個人臉的所述第一類特徵的特徵值之間的絕對差值；
[0014]將所述絕對差值歸一化到預設區間內，得到歸一化特徵差值；
[0015]根據所述第一類特徵的歸一化特徵差值及預先獲得的相應的特徵係數，計算所述兩個人臉之間的所述距離加權係數。
[0016]結合第一方面的第一種可能的實現方式，在第一方面的第二種可能的實現方式中，根據所述歸一化特徵差值及預先獲得的相應的特徵係數，計算所述兩個人臉之間的所述距離加權係數，包括:
[0017]計算同一個所述第一類特徵對應的所述歸一化特徵差值與對應的特徵係數之間的乘積；
[0018]當所述第一類特徵包含多個不同的特徵時，根據多個所述特徵對應的所述乘積的累加和得到所述兩個人臉之間的距離加權係數。
[0019]結合第一方面，在第一方面的第三種可能的實現方式中，所述兩個人臉之間的距離加權係數包括第一距離加權係數和第二距離加權係數；其中，所述第一距離加權係數大於等於0，且小於等於第一預設值，所述第一預設值大於I ;所述第二距離加權係數大於等於-1，且小於等於I ;
[0020]所述根據兩個人臉之間的距離和相應的距離加權係數，得到所述兩個人臉之間的加權相似度，包括:
[0021]根據兩個人臉之間的距離及對應的第一距離加權係數的乘積，得到所述兩個人臉之間的加權相似度；
[0022]或者，
[0023]根據兩個人臉之間的距離及對應的第二距離加權係數的和，得到所述兩個人臉之間的加權相似度。
[0024]結合第一方面，在第一方面的第四種可能的實現方式中，當所述第一類特徵包含人臉在圖片中的位置時，所述從包含人臉的圖片中，獲取第一類特徵，包括:
[0025]當判斷出兩個包含人臉的圖片所包含的人臉個數相同，且兩個所述圖片的拍攝時間之間的差值在第一預設範圍內時，獲取兩個所述人臉圖片各自包含的人臉的位置；
[0026]根據分別屬於兩個所述圖片的人臉的位置之間的距離，得到所述人臉在圖片中的位置對應的特徵值。
[0027]根據本公開實施例的第二方面，提供一種人臉識別裝置，包括:
[0028]第一獲取單元，用於從包含人臉的圖片中，獲取第一類特徵；
[0029]第二獲取單元，用於根據所述第一類特徵，獲取分別屬於兩個圖片的任意兩個人臉之間的距離加權係數；
[0030]第三獲取單元，用於獲取所述兩個人臉之間的距離；
[0031]第四獲取單元，用於根據所述兩個人臉之間的距離和相應的距離加權係數，得到所述兩個人臉之間的加權相似度；
[0032]判斷單元，用於利用所述兩個人臉之間的所述加權相似度，判斷所述兩個人臉是否屬於同一個人；
[0033]其中，所述第一類特徵包括人物的性別、年齡、種族、衣服、眼鏡信息、人臉在圖片中的位置、圖片的拍攝時間和連拍信息中的任意一個或任意多個組合。
[0034]結合第二方面，在第二方面的第一種可能的實現方式中，所述第二獲取單元，包括:
[0035]第一獲取子單元，用於獲取所述第一類特徵對應的特徵值；
[0036]第一計算子單元，用於計算所述兩個人臉的所述第一類特徵的特徵值之間的絕對差值;
[0037]歸一化子單元，用於將所述絕對差值歸一化到預設區間內，得到歸一化特徵差值；
[0038]第二計算子單元，用於根據所述第一類特徵的歸一化特徵差值及預先獲得的相應的特徵係數，計算所述兩個人臉之間的所述距離加權係數。
[0039]結合第二方面的第一種可能的實現方式，在第二方面的第二種可能的實現方式中，所述第二計算子單元，包括:
[0040]第三計算子單元，用於計算同一個所述第一類特徵對應的所述歸一化特徵差值與對應的特徵係數之間的乘積；
[0041]第一累加子單元，用於當所述第一類特徵包含多個不同的特徵時，根據多個所述特徵對應的所述乘積的累加和得到所述兩個人臉之間的距離加權係數。
[0042]結合第二方面，在第二方面的第三種可能的實現方式中，所述兩個人臉之間的距離加權係數包括第一距離加權係數和第二距離加權係數；其中，所述第一距離加權係數大於等於0，且小於等於第一預設值，所述第一預設值大於I ;所述第二距離加權係數大於等於-1，且小於等於I ;
[0043]所述第四獲取單元，包括:
[0044]乘法運算子單元，用於根據兩個人臉之間的距離及對應的第一距離加權係數的乘積，得到所述兩個人臉之間的加權相似度；
[0045]或者，
[0046]第二累加子單元，用於根據兩個人臉之間的距離及對應的第二距離加權係數的和，得到所述兩個人臉之間的加權相似度。
[0047]結合第二方面，在第二方面的第四種可能的實現方式中，當所述第一類特徵包含人臉在圖片中的位置時，所述第一獲取單元包括:
[0048]人臉位置獲取子單元，用於當判斷出兩個包含人臉的圖片所包含的人臉個數相同，且兩個所述圖片的拍攝時間之間的差值在第一預設範圍內時，獲取兩個所述圖片各自包含的人臉的位置；
[0049]距離獲取子單元，用於根據分別屬於兩個所述圖片的人臉的位置之間的距離，得到所述人臉在圖片中的位置對應的特徵值。
[0050]根據本公開實施例的第三方面，提供一種終端設備，包括:處理器；用於存儲處理器可執行指令的存儲器；其中，所述處理器被配置為:
[0051]從包含人臉的圖片中，獲取第一類特徵；
[0052]根據所述第一類特徵，獲取分別屬於兩個圖片的任意兩個人臉之間的距離加權係數；
[0053]獲取所述兩個人臉之間的距離；
[0054]根據所述兩個人臉之間的距離和相應的距離加權係數，得到所述兩個人臉之間的加權相似度；
[0055]利用所述兩個人臉之間的所述加權相似度，判斷所述兩個人臉是否屬於同一個人；
[0056]其中，所述第一類特徵包括人物的性別、年齡、種族、衣服、眼鏡信息、人臉在圖片中的位置、圖片的拍攝時間和連拍信息中的任意一個或任意多個組合。
[0057]本公開的實施例提供的技術方案可以包括以下有益效果:本實施例提供的人臉識別方法，從包含人臉的圖片中獲取第一類特徵，然後，根據所述第一類特徵獲取兩個人臉之間的距離加權係數。利用人臉之間的距離及對應的距離加權係數，得到兩個人臉之間的加權相似度，最後，根據兩個人臉之間的加權相似度，對圖片進行聚類，得到聚類結果，將屬於同一個人的圖片聚合成一個簇，不同人的圖片歸類到不同的簇中。所述人臉識別方法在對圖片中的人臉進行識別時，不僅考慮兩個人臉的五官和臉型之間的相似性，還根據圖片中所包含的第一類特徵對人臉相似性進行衡量，這樣，增加同一個人在不同情況下的人臉的相似度，而且，降低了不同人的人臉之間的相似度。從而，提高了人臉識別的準確率。
[0058]應當理解的是，以上的一般描述和後文的細節描述僅是示例性的，並不能限制本公開。

【專利附圖】

【附圖說明】
[0059]此處的附圖被併入說明書中並構成本說明書的一部分，示出了符合本發明的實施例，並與說明書一起用於解釋本發明的原理。
[0060]圖1是根據一示例性實施例示出的一種人臉識別方法的流程圖；
[0061]圖2是根據一示例性實施例示出的一種步驟S120的流程圖；
[0062]圖3是根據一示例性實施例示出的拍攝時間的歸一化函數的曲線示意圖；
[0063]圖4是根據一示例性實施例示出的年齡的歸一化函數的曲線示意圖；
[0064]圖5是根據一示例性實施例示出的一種人臉識別裝置的框圖；
[0065]圖6是根據一示例性實施例示出的一種用於人臉識別的裝置框圖；
[0066]圖7是根據一示例性實施例示出的另一種用於人臉識別的裝置框圖。
[0067]通過上述附圖，已示出本公開明確的實施例，後文中將有更詳細的描述。這些附圖並不是為了通過任何方式限制本公開構思的範圍，而是通過參考特定實施例為本領域技術人員說明本公開的概念。

【具體實施方式】
[0068]這裡將詳細地對示例性實施例進行說明，其示例表示在附圖中。下面的描述涉及附圖時，除非另有表示，不同附圖中的相同數字表示相同或相似的要素。以下示例性實施例中所描述的實施方式並不代表與本公開相一致的所有實施方式。相反，它們僅是與如所附權利要求書中所詳述的、本公開的一些方面相一致的裝置和方法的例子。
[0069]圖1是根據一示例性實施例示出的一種人臉識別方法的流程圖，該方法應用於移動終端(例如，智慧型手機或平板電腦等)或伺服器中，如圖1所示，該方法可以包括以下步驟:
[0070]在步驟SllO中，從包含人臉的圖片中獲取第一類特徵。所述第一類特徵包括性另O、年齡、種族、衣服、眼鏡信息、人臉在圖片中的位置、圖片的拍攝時間和連拍信息中的任意一個或任意多個組合。
[0071]可以採用性別、年齡識別技術提取人臉圖片中人臉的性別年齡和種族等特徵信肩、O
[0072]可以採用眼鏡檢測判斷人臉圖片中人臉上是否佩戴眼鏡，若判斷出人臉上佩戴有眼鏡，繼續採用眼鏡識別技術識別眼鏡的類型，例如，墨鏡、其它類型的眼鏡。
[0073]利用移動終端拍攝圖片時，系統會記錄圖片的拍攝時間，進而根據拍攝時間可以判斷圖片是否是連拍模式下拍攝的。如果是連拍，則連拍得到的多張圖片所包含的人臉相同。
[0074]在獲取人臉在圖片中的位置時，首先判斷兩個圖片的拍攝時間是否在預設時長內，如果在預設時長內，繼續判斷兩個圖片所包含的人物的數量是否一致，如果一致，繼續獲取人物在圖片中的位置信息。
[0075]在步驟S120中，根據所述第一類特徵，獲取分別屬於兩個圖片的任意兩個人臉之間的距離加權係數。
[0076]一張圖片中可能包含多個人臉，計算分別屬於兩張圖片的兩個人臉之間的距離加權係數。
[0077]將性別、年齡、種族、衣服、眼鏡信息、人臉在圖片中的位置、圖片的拍攝時間、人臉在圖片中的位置等信息中的每一種信息作為一個特徵Xi，每一個特徵\都是一個影響距離加權係數wu的因子，Xi表示第i個特徵。根據每個特徵\對應的特徵值，確定距離加權係數 Wij。
[0078]在步驟S130中，獲取所述兩個人臉之間的距離。
[0079]分別提取兩個人臉的紋理特徵，例如gabor特徵或LBP (Local binary patterns,局部二值模式)特徵，計算兩個人臉之間的距離，例如，歐式距離，距離越大，兩個人臉之間的相似性越小，距離越小，兩個人臉之間的相似性越大；或者，人臉之間的距離還可以通過餘弦相似度來表徵，餘弦相似度越大，兩個人臉之間的相似性越大，餘弦相似度越小，兩個人臉之間的相似性越小。
[0080]在步驟S140中，根據兩個人臉之間的距離和相應的距離加權係數，得到所述兩個人臉之間的加權相似度。
[0081]在本公開的一個實施例中，可以根據兩個人臉之間的距離扎和相應的距離加權係數^之間的乘積，得到兩個人臉之間的加權相似度Du，如公式1所示:
[0082]Di；J = ffijdij (公式 1)
[0083]公式1中距離加權係數Wu的取值範圍為[0，L]，其中，L為第一預設值，該第一預設值可以是大於1的數值。可選地，距離加權係數wu可以取1附近的數值，可選地，ffij的取值範圍可以是[l-m，l+m]，其中，1+m不大於L。例如，0.8、1.5、2。若^>1，增大兩個人臉的相似度；若^ < 1，降低兩個人臉的相似度；若^ = 1，表明對人臉的相似度沒有影響。
[0084]在公開的另一個實施例中，還可以根據兩個人臉之間的距離扎與相應的距離加權係數Wu之和，計算得到兩個人臉之間的加權相似度Du，如公式2所示:
[0085]Di；J = ffij+dij(公式 2)
[0086]公式2中的距離加權係數Wu的取值範圍為[_1，1]，若1」取正數，增加兩個人臉之間的相似度；若1^取負數，降低兩個人臉之間的相似度；若胃〃 =0，對人臉的相似度沒有影響。
[0087]在步驟S150中，利用所述兩個人臉之間的所述加權相似度，判斷所述兩個人臉是否屬於同一個人。
[0088]然後，根據人臉識別結果對人臉圖片進行聚類，得到聚類結果。
[0089]計算出兩兩人臉之間的加權相似度，再利用聚類算法對圖片進行聚類，將屬於同一個人的圖片聚集得到一個簇，不同人的圖片歸類到不同的簇中。若圖片中包含多個人臉，則將該圖片聚集到這多個人臉對應的簇中。例如，一張圖片中包含人臉A、人臉B和人臉C，則將該圖片同時歸類到人臉A、人臉B和人臉C對應的簇中。
[0090]本實施例提供的人臉識別方法，提取人臉圖片中的第一類特徵，然後，根據所述第一類特徵獲取兩個人臉之間的距離加權係數。利用人臉之間的距離及對應的距離加權係數，得到兩個人臉之間的加權相似度，最後，根據兩個人臉之間的所述加權相似度，對圖片進行聚類，得到聚類結果，將屬於同一個人的圖片聚合成一個簇，不同人的圖片歸類到不同的簇中。
[0091]所述人臉識別方法在對圖片中的人臉進行識別時，不僅考慮兩個人臉的五官和臉型之間的相似性，還根據圖片中所包含的第一類特徵對人臉相似性進行衡量，這樣，增加同一個人在不同情況下的人臉的相似度，而且，降低了不同人的人臉之間的相似度。從而，提高了人臉識別的準確率。
[0092]圖2是根據一示例性實施例示出的步驟S120的方法流程圖，如圖2所示，步驟S120可以通過以下步驟:
[0093]在步驟S121中，獲取所述第一類特徵對應的特徵值。
[0094]不同的特徵Xi的特徵值不同，例如，性別只有男、女兩類，女性的特徵值為1，男性的特徵值為O ;或者女性的特徵值為0，男性的特徵值為1，這樣，兩個人臉對應的性別特徵值之間的絕對差值為。
[0095]年齡的特徵值的取值範圍可以是[0，100]。衣服的特徵值是衣服的相似度取值範圍是[O, I] ο
[0096]種族一般是黃種人、白種人、黑種人，這三類對應的特徵值可以分別取0、1、2，具體的取值可以根據需要自行設定。
[0097]眼鏡信息可以包括以下兩類方式:一是判斷人臉是否佩戴眼鏡，如果佩戴眼鏡，對應的特徵值是1，沒有佩戴眼鏡對應的特徵值是O ;或者，佩戴眼鏡對應的特徵值是0，沒有佩戴眼鏡對應的特徵值是I。
[0098]另一種是判斷兩個眼鏡的相似度，對應的特徵值的取值範圍是[0，I]。
[0099]人臉在圖片中的位置對應的特徵值是人臉的位置之間的坐標距離。根據分別屬於兩個圖片的人臉的位置之間的距離，得到人臉在圖片中的位置對應的特徵值。例如，圖片A中包含人臉al和人臉a2，圖片B中包含人臉bl和人臉b2，其中，人臉al與人臉bl的位置相對應。則人臉al與人臉bl對應的在圖片中的位置的特徵值為:人臉al在圖片A中的位置與人臉bl在圖片B中的位置之間的距離；同理，人臉a2與人臉b2對應的在圖片中的位置的特徵值為:人臉a2在圖片A中的位置與人臉b2在圖片B中的位置之間的距離。
[0100]拍攝時間是與同一個時間起始值之間的時間差折合成秒之後的數值，例如，起始時間是2014年10月I日O時O分O秒，圖片的拍攝時間是2014年10月I日10時O分O秒，則該圖片的拍攝時間的特徵值是36000s，在具體實現時，拍攝時間的特徵值可以是一個64位的二進位數，起始時間可以根據二進位數的數值範圍設定，當然，為了計算方便，可以確定距離圖片的拍攝時間較近的時刻為起始時間，這樣，圖片對應的拍攝時間的特徵值較小。
[0101]在步驟S122中，計算所述兩個人臉的所述第一類特徵的特徵值之間的絕對差值。
[0102]獲得第一類特徵的特徵值後，計算兩個人臉對應的所述第一類特徵的特徵值之間的絕對差值，例如，人臉A的性別是男性，人臉B也是男性，則人臉A和B的性別特徵值的絕對差值是O ;又如，人臉C是女性，則人臉A和人臉C的性別特徵值的絕對差值是I。
[0103]在步驟S123中，將所述絕對差值歸一化到預設區間內，得到歸一化特徵差值。
[0104]不同的特徵對應的特徵值的取值範圍不同，自然計算得到的該特徵的特徵值絕對差值的取值範圍也不相同，因此，需要將不同的特徵對應的特徵值絕對差值的取值範圍歸一化到同一預設區間中，例如，所述預設區間可以是[-1，I]。
[0105]例如，可以採用sigmoid函數進行歸一化,每個特徵對應的sigmoid函數的參數不同，例如，圖片的拍攝時間與人臉的年齡對應的sigmoid函數的縱坐標與橫坐標的對應關係不同。
[0106]如圖3所示，為拍攝時對應的歸一化函數的曲線示意圖，圖3中縱軸為拍攝時間歸一化後的取值，取值範圍是[-1，1];橫軸表示拍攝時間，單位是S，圖中的數值僅起示意作用，不代表實際的取值範圍。
[0107]如圖4所示，為年齡對應的歸一化函數的曲線示意圖，圖4中縱軸為年齡歸一化後的取值，取值範圍是[-1，1];橫軸表示年齡，單位是歲，圖中的橫軸數值僅起示意作用，不代表實際的取值範圍。
[0108]在步驟S124中，根據所述第一類特徵的歸一化特徵差值及預先獲得的相應的特徵係數，計算所述兩個人臉之間的距離加權係數。
[0109]不同的第一類特徵對距離加權係數Wij的影響程度可能不同，因此，可以確定每個第一類特徵Xi影響距離加權係數Wu的特徵係數QyQi的取值範圍為[0，Ihei的數值越大，表明第一類特徵Xi對距離加權係數Wij的影響越大；Θ i等於O時，該第一類特徵Xi對距離加權係數Wu沒有影響。
[0110]其中，特徵係數θ i的取值可以根據經驗設定可以根據各個第一類特徵的特徵值，以及距離加權係數Wij的取值範圍，確定各個第一類特徵對應的特徵係數Θ i。例如，可以設定全部的Qi之和為1，若只考慮性別和年齡對人臉的距離的影響，若性別對應的特徵係數為0.6，則年齡對應的特徵係數為0.4。
[0111]在本公開的另一個實施例中，特徵係數θ i的取值還可以通過訓練樣本圖片得到，首先，收集多個人的圖片，每個人各有很多張圖片；計算每個第一類特徵的歸一化後的特徵差值；若兩兩人臉是同一個人，則圖片是正樣本，兩兩人臉不是同一個人的圖片是負樣本。然後，採用線性回歸、1gistc分類方法或者svm方法將這些特徵對應的特徵係數訓練出來。
[0112]然後，根據兩個人臉的全部的第一類特徵Xi之間的絕對差值及該特徵對應的特徵係數Qi，計算得到距離加權係數Wu。如公式3所示:
[0113]Wij = θ 0+ Θ JX1+ θ 2Χ2+.....+ Θ JXi+.....+ θ ηχη (公式 3)
[0114]公式3中，Qtl用於調整距離加權係數Wij的大小，數值可以根據試驗得到；公式3中的Xi表示第一類特徵Xi對應的歸一化後的特徵差值。η表示第一類特徵的個數。
[0115]圖5是根據一示例性實施例示出的一種人臉識別裝置的框圖，該裝置應用於移動終端或伺服器中。如圖5所示，該裝置包括:第一獲取單元510、第二獲取單元520、第三獲取單元530、第四獲取單元540和判斷單元550。
[0116]該第一獲取單元510被配置為，從包含人臉的圖片中，獲取第一類特徵。
[0117]其中，所述第一類特徵包括人物的性別、年齡、種族、衣服、眼鏡信息、人臉在圖片中的位置、圖片的拍攝時間和連拍信息中的任意一個或任意多個組合。
[0118]當第一類特徵中包括人臉在圖片中的位置時，該第一獲取單元510可以包括:人臉位置獲取子單元和距離獲取子單元。
[0119]該人臉位置獲取子單元被配置為，當判斷出兩個包含人臉的圖片所包含的人臉個數相同，且兩個所述圖片的拍攝時間之間的差值在第一預設範圍內時，獲取兩個所述圖片各自包含的人臉的位置。
[0120]該距離獲取子單元被配置為，根據分別屬於兩個所述圖片的人臉的位置之間的距離，得到所述人臉在圖片中的位置對應的特徵值。
[0121]該第二獲取單元520被配置為，根據所述第一獲取單元510獲得的第一類特徵，獲取分別屬於兩個圖片的任意兩個人臉之間的距離加權係數。
[0122]在本公開一示例性實施例中，所述第二獲取單元包括:第一獲取子單元、第一計算子單元、歸一化子單元和第二計算子單元。
[0123]該第一獲取子單元被配置為，獲取所述第一類特徵對應的特徵值。
[0124]該第一計算子單元被配置為，計算所述第一獲取子單元獲得的兩個人臉的所述第一類特徵的特徵值之間的絕對差值。
[0125]該歸一化子單元被配置為，將所述第一計算子單元計算得到的絕對差值歸一化到預設區間內，得到歸一化特徵差值。
[0126]該第二計算子單元被配置為，根據所述歸一化子單元得到的歸一化特徵差值及預先獲得的特徵係數，計算所述兩個人臉之間的所述距離加權係數。
[0127]其中，該第二計算子單元包括:第三計算子單元和第一累加子單元。
[0128]該第三計算子單元被配置為，計算同一個所述第一類特徵對應的所述歸一化特徵差值與對應的特徵係數之間的乘積。
[0129]該第一累加子單元被配置為，當所述第一類特徵包含多個不同的特徵時，根據多個所述特徵對應的所述第三計算子單元計算得到的乘積的累加和得到所述兩個人臉之間的距離加權係數。
[0130]該第三獲取單元530被配置為，獲取所述兩個人臉之間的距離。
[0131]該第四獲取單元540被配置為，根據所述第三獲取單元530獲得的兩個人臉之間的距離和所述第二獲取單元520獲得的相應的距離加權係數，得到所述兩個人臉之間的加權相似度。
[0132]在本公開一示例性實施例中，該第四獲取單元540可以包括乘法運算子單元。
[0133]該乘法運算子單元被配置為，根據所述第三獲取單元530獲得的兩個人臉之間的距離及對應的第一距離加權係數的乘積，得到所述兩個人臉之間的加權相似度。
[0134]本實施例中的第一距離加權係數大於等於0，且小於等於第一預設值，所述第一預設值是大於1的數值。可選地，Wij可以取1附近的數值例如，0.8、1.5、2。若Wij>l，增大兩個人臉的相似度；若Wu < 1，降低兩個人臉的相似度；若Wu = 1，表明對人臉的相似度沒有影響。
[0135]在本公開另一示例性實施例中，所述第四獲取單元540可以包括第二累加子單元;
[0136]該第二累加子單元被配置為，根據所述第三獲取單元530獲得的兩個人臉之間的距離及對應的第二距離加權係數的和，得到所述兩個人臉之間的加權相似度。
[0137]該判斷單元550被配置為，利用所述第四獲取單元540得到的兩個人臉之間的加權相似度，判斷所述兩個人臉是否屬於同一個人。
[0138]利用本實施例提供的所述人臉識別裝置在對圖片中的人臉進行識別時，不僅考慮兩個人臉的五官和臉型之間的相似性，還根據圖片中所包含的第一類特徵對人臉相似性進行衡量，這樣，增加同一個人在不同情況下的人臉的相似度，而且，降低了不同人的人臉之間的相似度。從而，提高了人臉識別的準確率。
[0139]關於上述實施例中的裝置，其中各個模塊執行操作的具體方式已經在有關該方法的實施例中進行了詳細描述，此處將不做詳細闡述說明。
[0140]圖6是根據一示例性實施例示出的一種用於人臉識別的裝置800的框圖。例如，裝置800可以是行動電話，計算機，數字廣播終端，消息收發設備，遊戲控制臺，平板設備，醫療設備，健身設備，個人數字助理等。
[0141]如圖6所示，裝置800可以包括以下一個或多個組件:處理組件802，存儲器804，電源組件806，多媒體組件808，音頻組件810，輸入/輸出(I/O)的接口 812，傳感器組件814，以及通信組件816。
[0142]處理組件802通常控制裝置800的整體操作，諸如與顯示，電話呼叫，數據通信，相機操作和記錄操作相關聯的操作。處理組件802可以包括一個或多個處理器820來執行指令，以完成上述的方法的全部或部分步驟。此外，處理組件802可以包括一個或多個模塊，便於處理組件802和其他組件之間的交互。例如，處理組件802可以包括多媒體模塊，以方便多媒體組件808和處理組件802之間的交互。
[0143]存儲器804被配置為存儲各種類型的數據以支持在裝置800的操作。這些數據的示例包括用於在裝置800上操作的任何應用程式或方法的指令，聯繫人數據，電話簿數據，消息，圖片，視頻等。存儲器804可以由任何類型的易失性或非易失性存儲設備或者它們的組合實現，如靜態隨機存取存儲器(SRAM)，電可擦除可編程只讀存儲器(EEPROM)，可擦除可編程只讀存儲器(EPROM)，可編程只讀存儲器(PROM)，只讀存儲器(ROM)，磁存儲器，快閃記憶體，磁碟或光碟。
[0144]電源組件806為裝置800的各種組件提供電力。電源組件806可以包括電源管理系統，一個或多個電源，及其他與為裝置800生成、管理和分配電力相關聯的組件。
[0145]多媒體組件808包括在所述裝置800和用戶之間的提供一個輸出接口的屏幕。在一些實施例中，屏幕可以包括液晶顯示器(LCD)和觸摸面板(TP)。如果屏幕包括觸摸面板，屏幕可以被實現為觸控螢幕，以接收來自用戶的輸入信號。觸摸面板包括一個或多個觸摸傳感器以感測觸摸、滑動和觸摸面板上的手勢。所述觸摸傳感器可以不僅感測觸摸或滑動動作的邊界，而且還檢測與所述觸摸或滑動操作相關的持續時間和壓力。在一些實施例中，多媒體組件808包括一個前置攝像頭和/或後置攝像頭。當裝置800處於操作模式，如拍攝模式或視頻模式時，前置攝像頭和/或後置攝像頭可以接收外部的多媒體數據。每個前置攝像頭和後置攝像頭可以是一個固定的光學透鏡系統或具有焦距和光學變焦能力。
[0146]音頻組件810被配置為輸出和/或輸入音頻信號。例如，音頻組件810包括一個麥克風(MIC)，當裝置800處於操作模式，如呼叫模式、記錄模式和語音識別模式時，麥克風被配置為接收外部音頻信號。所接收的音頻信號可以被進一步存儲在存儲器804或經由通信組件816發送。在一些實施例中，音頻組件810還包括一個揚聲器，用於輸出音頻信號。
[0147]I/O接口 812為處理組件802和外圍接口模塊之間提供接口，上述外圍接口模塊可以是鍵盤，點擊輪，按鈕等。這些按鈕可包括但不限於:主頁按鈕、音量按鈕、啟動按鈕和鎖定按鈕。
[0148]傳感器組件814包括一個或多個傳感器，用於為裝置800提供各個方面的狀態評估。例如，傳感器組件814可以檢測到裝置800的打開/關閉狀態，組件的相對定位，例如所述組件為裝置800的顯示器和小鍵盤，傳感器組件814還可以檢測裝置800或裝置800一個組件的位置改變，用戶與裝置800接觸的存在或不存在，裝置800方位或加速/減速和裝置800的溫度變化。傳感器組件814可以包括接近傳感器，被配置用來在沒有任何的物理接觸時檢測附近物體的存在。傳感器組件814還可以包括光傳感器，如CMOS或(XD圖像傳感器，用於在成像應用中使用。在一些實施例中，該傳感器組件814還可以包括加速度傳感器，陀螺儀傳感器，磁傳感器，壓力傳感器或溫度傳感器。
[0149]通信組件816被配置為便於裝置800和其他設備之間有線或無線方式的通信。裝置800可以接入基於通信標準的無線網絡，如WiFi，2G或3G，或它們的組合。在一個示例性實施例中，通信組件816經由廣播信道接收來自外部廣播管理系統的廣播信號或廣播相關信息。在一個示例性實施例中，所述通信組件816還包括近場通信(NFC)模塊，以促進短程通信。例如，在NFC模塊可基於射頻識別(RFID)技術，紅外數據協會(IrDA)技術，超寬帶(UWB)技術，藍牙(BT)技術和其他技術來實現。
[0150]在示例性實施例中，裝置800可以被一個或多個應用專用集成電路(ASIC)、數位訊號處理器(DSP)、數位訊號處理設備(DSro)、可編程邏輯器件(PLD)、現場可編程門陣列(FPGA)、控制器、微控制器、微處理器或其他電子元件實現，用於執行上述方法。
[0151]在示例性實施例中，還提供了一種包括指令的非臨時性計算機可讀存儲介質，例如包括指令的存儲器804，上述指令可由裝置800的處理器820執行以完成上述方法。例如，所述非臨時性計算機可讀存儲介質可以是ROM、隨機存取存儲器(RAM)、CD-ROM、磁帶、軟盤和光數據存儲設備等。
[0152]一種非臨時性計算機可讀存儲介質，當所述存儲介質中的指令由移動終端的處理器執行時，使得終端設備能夠執行一種人臉識別方法，所述方法包括:
[0153]從包含人臉的圖片中，獲取第一類特徵；
[0154]根據所述第一類特徵，獲取分別屬於兩個圖片的任意兩個人臉之間的距離加權係數；
[0155]獲取所述兩個人臉之間的距離；
[0156]根據所述兩個人臉之間的距離和相應的距離加權係數，得到所述兩個人臉之間的加權相似度；
[0157]利用所述兩個人臉之間的所述加權相似度，判斷所述兩個人臉是否屬於同一個人；
[0158]其中，所述第一類特徵包括人物的性別、年齡、種族、衣服、眼鏡信息、人臉在圖片中的位置、圖片的拍攝時間和連拍信息中的任意一個或任意多個組合。
[0159]圖7是根據一示例性實施例示出的一種用於人臉識別的裝置1900的框圖。例如，裝置1900可以被提供為一伺服器。如圖7所示，裝置1900包括處理組件1922，其進一步包括一個或多個處理器，以及由存儲器1932所代表的存儲器資源，用於存儲可由處理組件1922的執行的指令，例如應用程式。存儲器1932中存儲的應用程式可以包括一個或一個以上的每一個對應於一組指令的模塊。此外，處理組件1922被配置為執行指令，以執行上述圖1?圖2所示的方法實施例。
[0160]裝置1900還可以包括一個電源組件1926被配置為執行裝置1900的電源管理，一個有線或無線網絡接口 1950被配置為將裝置1900連接到網絡，和一個輸入輸出(I/O)接口 1958。裝置1900可以操作基於存儲在存儲器1932的作業系統，例如Windows ServerTM,Mac OS XTM, UnixTM, LinuxTM, FreeBSDTM 或類似。
[0161]本領域技術人員在考慮說明書及實踐這裡公開的發明後，將容易想到本發明的其它實施方案。本申請旨在涵蓋本發明的任何變型、用途或者適應性變化，這些變型、用途或者適應性變化遵循本發明的一般性原理並包括本公開未公開的本【技術領域】中的公知常識或慣用技術手段。說明書和實施例僅被視為示例性的，本發明的真正範圍和精神由下面的權利要求指出。
[0162]應當理解的是，本發明並不局限於上面已經描述並在附圖中示出的精確結構，並且可以在不脫離其範圍進行各種修改和改變。本發明的範圍僅由所附的權利要求來限制。
【權利要求】
1.一種人臉識別方法，其特徵在於，包括: 從包含人臉的圖片中，獲取第一類特徵； 根據所述第一類特徵，獲取分別屬於兩個圖片的任意兩個人臉之間的距離加權係數； 獲取所述兩個人臉之間的距離； 根據所述兩個人臉之間的距離和相應的距離加權係數，得到所述兩個人臉之間的加權相似度； 利用所述兩個人臉之間的所述加權相似度，判斷所述兩個人臉是否屬於同一個人；其中，所述第一類特徵包括人物的性別、年齡、種族、衣服、眼鏡信息、人臉在圖片中的位置、圖片的拍攝時間和連拍信息中的任意一個或任意多個組合。
2.根據權利要求1所述的方法，其特徵在於，所述根據所述第一類特徵，獲取分別屬於兩個圖片的任意兩個人臉之間的距離加權係數，包括: 獲取所述第一類特徵對應的特徵值； 計算所述兩個人臉的所述第一類特徵的特徵值之間的絕對差值； 將所述絕對差值歸一化到預設區間內，得到歸一化特徵差值； 根據所述第一類特徵的歸一化特徵差值及預先獲得的相應的特徵係數，計算所述兩個人臉之間的所述距離加權係數。
3.根據權利要求2所述的方法，其特徵在於，根據所述歸一化特徵差值及預先獲得的相應的特徵係數，計算所述兩個人臉之間的所述距離加權係數，包括: 計算同一個所述第一類特徵對應的所述歸一化特徵差值與對應的特徵係數之間的乘積； 當所述第一類特徵包含多個不同的特徵時，根據多個所述特徵對應的所述乘積的累加和得到所述兩個人臉之間的距離加權係數。
4.根據權利要求1所述的方法，其特徵在於，所述兩個人臉之間的距離加權係數包括第一距離加權係數和第二距離加權係數；其中，所述第一距離加權係數大於等於0，且小於等於第一預設值，所述第一預設值大於1 ；所述第二距離加權係數大於等於-1，且小於等於1 ； 所述根據兩個人臉之間的距離和相應的距離加權係數，得到所述兩個人臉之間的加權相似度，包括: 根據兩個人臉之間的距離及對應的第一距離加權係數的乘積，得到所述兩個人臉之間的加權相似度； 或者， 根據兩個人臉之間的距離及對應的第二距離加權係數的和，得到所述兩個人臉之間的加權相似度。
5.根據權利要求1所述的方法，其特徵在於，當所述第一類特徵包含人臉在圖片中的位置時，所述從包含人臉的圖片中，獲取第一類特徵，包括: 當判斷出兩個包含人臉的圖片所包含的人臉個數相同，且兩個所述圖片的拍攝時間之間的差值在第一預設範圍內時，獲取兩個所述圖片各自包含的人臉的位置； 根據分別屬於兩個所述圖片的人臉的位置之間的距離，得到所述人臉在圖片中的位置對應的特徵值。
6.一種人臉識別裝置，其特徵在於，包括: 第一獲取單元，用於從包含人臉的圖片中，獲取第一類特徵； 第二獲取單元，用於根據所述第一類特徵，獲取分別屬於兩個圖片的任意兩個人臉之間的距離加權係數； 第三獲取單元，用於獲取所述兩個人臉之間的距離； 第四獲取單元，用於根據所述兩個人臉之間的距離和相應的距離加權係數，得到所述兩個人臉之間的加權相似度； 判斷單元，用於利用所述兩個人臉之間的所述加權相似度，判斷所述兩個人臉是否屬於同一個人； 其中，所述第一類特徵包括人物的性別、年齡、種族、衣服、眼鏡信息、人臉在圖片中的位置、圖片的拍攝時間和連拍信息中的任意一個或任意多個組合。
7.根據權利要求6所述的裝置，其特徵在於，所述第二獲取單元，包括: 第一獲取子單元，用於獲取所述第一類特徵對應的特徵值； 第一計算子單元，用於計算所述兩個人臉的所述第一類特徵的特徵值之間的絕對差值； 歸一化子單元，用於將所述絕對差值歸一化到預設區間內，得到歸一化特徵差值； 第二計算子單元，用於根據所述第一類特徵的歸一化特徵差值及預先獲得的相應的特徵係數，計算所述兩個人臉之間的所述距離加權係數。
8.根據權利要求7所述的裝置，其特徵在於，所述第二計算子單元，包括: 第三計算子單元，用於計算同一個所述第一類特徵對應的所述歸一化特徵差值與對應的特徵係數之間的乘積； 第一累加子單元，用於當所述第一類特徵包含多個不同的特徵時，根據多個所述特徵對應的所述乘積的累加和得到所述兩個人臉之間的距離加權係數。
9.根據權利要求6所述的裝置，其特徵在於，所述兩個人臉之間的距離加權係數包括第一距離加權係數和第二距離加權係數；其中，所述第一距離加權係數大於等於O，且小於等於第一預設值，所述第一預設值大於I;所述第二距離加權係數大於等於-1，且小於等於I; 所述第四獲取單元，包括: 乘法運算子單元，用於根據兩個人臉之間的距離及對應的第一距離加權係數的乘積，得到所述兩個人臉之間的加權相似度； 或者， 第二累加子單元，用於根據兩個人臉之間的距離及對應的第二距離加權係數的和，得到所述兩個人臉之間的加權相似度。
10.根據權利要求6所述的裝置，其特徵在於，當所述第一類特徵包含人臉在圖片中的位置時，所述第一獲取單元包括: 人臉位置獲取子單元，用於當判斷出兩個包含人臉的圖片所包含的人臉個數相同，且兩個所述圖片的拍攝時間之間的差值在第一預設範圍內時，獲取兩個所述圖片各自包含的人臉的位置； 距離獲取子單元，用於根據分別屬於兩個所述圖片的人臉的位置之間的距離，得到所述人臉在圖片中的位置對應的特徵值。
11.一種終端設備，其特徵在於，包括: 處理器； 用於存儲處理器可執行指令的存儲器； 其中，所述處理器被配置為: 從包含人臉的圖片中，獲取第一類特徵； 根據所述第一類特徵，獲取分別屬於兩個圖片的任意兩個人臉之間的距離加權係數； 獲取所述兩個人臉之間的距離； 根據所述兩個人臉之間的距離和相應的距離加權係數，得到所述兩個人臉之間的加權相似度； 利用所述兩個人臉之間的所述加權相似度，判斷所述兩個人臉是否屬於同一個人；其中，所述第一類特徵包括人物的性別、年齡、種族、衣服、眼鏡信息、人臉在圖片中的位置、圖片的拍攝時間和連拍信息中的任意一個或任意多個組合。
【文檔編號】G06K9/00GK104408402SQ201410592275
【公開日】2015年3月11日 申請日期:2014年10月29日 優先權日:2014年10月29日
【發明者】陳志軍, 張波, 張濤 申請人:小米科技有限責任公司