CN104091164A - 人脸图片人名识别方法和系统 - Google Patents

Abstract

本发明公开了一种人脸图片人名识别方法和系统，涉及计算机技术领域，主要目的在于准确识别出包含目标人脸的图片对应的人名。方法包括：为已收集的人脸图片设置对应的人名；将包含目标人脸的图片与已收集的人脸图片进行比较，识别出与包含目标人脸的图片相似的一个或多个人脸图片；根据相似的一个或多个人脸图片分别对应的人名，确定目标人脸的人名。根据本发明，基于人脸识别技术识别相似的人脸图片，对目标人脸在表情、角度等方面的要求较低，所以更容易识别出与目标人脸对应的同一人物的不同人脸图片，也即更容易确定目标人脸的名字。

Description

人脸图片人名识别方法和系统

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种人脸图片人名识别方法和系统。

背景技术

在互联网上，对图片的浏览占据了用户访问量的很大一部分。对于包含人脸的图片，很大一部分用户的需求是想知道图片中人脸的人名，从而可以搜索更多该人物相关的信息。因此，如何自动识别图片中人脸的人名，变成了一个很迫切的用户需求。

传统的识别人脸对应的人名的方案一般如下：直接将未知人名的人脸图片和已知人名的人脸图片进行比较，如二者的全部或大部分相同，则可判断两张图片中的人脸为同一人物的人脸，也即可以决定可根据已知人名的人脸图片的人名来确定未知人名的人脸图片的人名。该方案的主要缺点在于：由于是两张图片进行比较，则对两张图片中人脸的表情、角度、尺寸等具有非常高的要求，容易导致难以匹配两张图片中具有同一人物的人脸，却无法准确地进行识别，最终导致无法判断出未知人脸图片的人名，识别失败率非常高。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种人脸图片人名识别方法和系统。

依据本发明的一个方面，提供了一种人脸图片人名识别方法，其包括：为已收集的人脸图片设置对应的人名；将包含目标人脸的图片与所述已收集的人脸图片进行比较，识别出与所述包含目标人脸的图片相似的一个或多个人脸图片；根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名。

可选地，前述的方法，其中，为已收集的人脸图片设置对应的人名具体包括：从所述已收集的人脸图片的相关文本中提取人名，以作为所述已收集人脸图片对应的人名。

可选地，前述的方法，其中，根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名具体包括：获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，并将其中最大相似度对应人脸图片的人名作为所述目标人脸的人名。

可选地，前述的方法，其中，将其中最大相似度对应人脸图片的人名作为所述目标人脸的人名具体包括：在所述最大相似度高于预定的第一阈值时，将所述最大相似度的对应人脸图片的人名作为所述目标人脸的人名。

可选地，前述的方法，其中，根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名具体包括：获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，将具有相同人名的人脸图片对应的相似度相加，并将相加后的最大相似度对应的人名作为所目标人脸的人名。

可选地，前述的方法，其中，将相加后的最大相似度对应的人名作为所目标人脸的人名具体包括：在所述相加后的最大相似度高于预定的第二阈值时，将所述相加后的最大相似度的人名作为所述目标人脸的人名。

可选地，前述的方法，其中，还包括：在所述相加后的最大相似度低于预定的第二阈值时，获取所述相加后最大相似度对应的人脸图片，以提供给用户。

可选地，前述的方法，其中，将包含目标人脸的图片与所述已收集的人脸图片进行比较具体包括：提取所述已收集的人脸图片中的特征，并存储到预设的人脸数据库中；提取所述包含目标人脸的图片的特征，与从所述人脸数据库取出的已收集人脸图片的特征进行比较。

依据本发明的另一方面，还提供了一种人脸图片人名识别系统，其包括：人名设置模块，用于为已收集的人脸图片设置对应的人名；相似人脸图片识别模块，用于将包含目标人脸的图片与所述已收集的人脸图片进行比较，识别出与所述包含目标人脸的图片相似的一个或多个人脸图片；人名确定模块，用于根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名。

可选地，前述的系统，其中，所述人名设置模块从所述已收集的人脸图片的相关文本中提取人名，以作为所述已收集人脸图片对应的人名。

可选地，前述的系统，其中，所述人名确定模块获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，并将其中最大相似度对应人脸图片的人名作为所述目标人脸的人名。

可选地，前述的系统，其中，所述人名确定模块在所述最大相似度高于预定的第一阈值时，将所述最大相似度的对应人脸图片的人名作为所述目标人脸的人名。

可选地，前述的系统，其中，所述人名确定模块获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，将具有相同人名的人脸图片对应的相似度相加，并将相加后的最大相似度对应的人名作为所目标人脸的人名。

可选地，前述的系统，其中，所述人名确定模块在所述相加后的最大相似度高于预定的第二阈值时，将所述相加后的最大相似度的人名作为所述目标人脸的人名。

可选地，前述的系统，其中，还包括：相似人脸图片提供模块，用于在所述相加后的最大相似度低于预定的第二阈值时，获取所述相加后最大相似度对应的人脸图片，以提供给用户。

可选地，前述的系统，其中，所述相似人脸图片识别模块包括：特征存储模块，用于提取所述已收集的人脸图片中的特征，并存储到预设的人脸数据库中；特征比较模块，用于提取所述包含目标人脸的图片的特征，与从所述人脸数据库取出的已收集人脸图片的特征进行比较。

根据以上技术方案，可知本发明的人脸图片人名识别方法和系统至少具有以下优点：

本发明并非直接进行单张人脸图片之间的比对，而是首先基于人脸识别技术，从已收集的人脸图片中识别出相似的人脸图片，其与包含目标人脸的图片通常为同一人脸的图片，所以基于相似人脸图片的人名，可以确定目标人脸的人名；基于人脸识别技术识别相似的人脸图片，对目标人脸在表情、角度等方面的要求较低，所以更容易识别出与目标人脸对应的同一人物的不同人脸图片，也即更容易确定目标人脸的名字。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明的一个实施例的人脸图片人名识别方法的流程图；

图2示出了根据本发明的一个实施例的人脸图片人名识别方法的工作原理流程图；

图3示出了根据本发明的一个实施例的人脸图片人名识别方法的局部流程图；

图4示出了根据本发明的一个实施例的人脸图片人名识别系统的框图；

图5示出了根据本发明的一个实施例的人脸图片人名识别方法的框图；

图6示出了根据本发明的一个实施例的人脸图片人名识别方法的局部框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

如图1所示，本发明的一个实施例提供了一种人脸图片人名识别方法，其包括：

步骤110，为已收集的人脸图片设置对应的人名。本实施例中对设置人名的方式不进行限定，具体可以是在收集每个人脸图片时记录对应的名字。

步骤120，将包含目标人脸的图片与已收集的人脸图片进行比较，识别出与包含目标人脸的图片相似的一个或多个人脸图片。根据现有的多种人脸识别技术，都可较好地识别出相似的人脸图片。

步骤130，根据相似的一个或多个人脸图片分别对应的人名，确定目标人脸的人名。在本实施例中，对如何确定目标人脸的人名的方式不做限定，例如，在多个相似人脸图片对应的人名不同的情况下，可以选择出现次数较多的人名作为目标人脸的人名。

在本实施例的技术方案中，并没有直接进行单张人脸图片之间的比对，而是首先基于人脸识别技术，从已收集的人脸图片中识别出相似的人脸图片，其与包含目标人脸的图片通常为同一人脸的图片，所以基于相似人脸图片的人名，可以确定目标人脸的人名；基于人脸识别技术识别相似的人脸图片，对目标人脸在表情、角度等方面的要求较低，所以更容易识别出与目标人脸对应的同一人物的不同人脸图片，也即更容易确定目标人脸的名字。

本发明的另一实施例还提供一种人脸图片人名识别方法，其中，步骤110具体包括：

从已收集的人脸图片的相关文本中提取人名，以作为已收集人脸图片对应的人名。在本实施例中，对相关文本的形式不做限制，例如，假如人脸图片出现在新闻中，则相关文本可以是新闻的标题或正文。

在本实施例的技术方案中，从人脸图片的相关文本中提取人名，效率非常高。

本发明的另一实施例还提供一种人脸图片人名识别方法，其中，步骤130具体包括：

获取相似的一个或多个人脸图片与包含目标人脸的图片的相似度，并将其中最大相似度对应人脸图片的人名作为目标人脸的人名。

在本实施例的技术方案中，相似度最高表示两张人脸图片最有可能是同一人物的人脸图片，所以应当具有相同的人名。

本发明的另一实施例还提供一种人脸图片人名识别方法，其中，步骤130具体包括：

在最大相似度高于预定的第一阈值时，将最大相似度的对应人脸图片的人名作为目标人脸的人名。在本实施例中，对第一阈值的具体大小不做限制，例如其可以是90％。则最大相似度大于90％时，则认为这两张人脸非常相似，应当为同一人物的人脸，则目标人脸属于该名字对应的人物的人脸，此时可为用户输出该人名。

本发明的另一实施例还提供一种人脸图片人名识别方法，其中，步骤130具体包括：

获取相似的一个或多个人脸图片与包含目标人脸的图片的相似度，将具有相同人名的人脸图片对应的相似度相加，并将相加后的最大相似度对应的人名作为所目标人脸的人名。

在本实施例的技术方案中，多个相似人脸图片有可能是不同人物的人脸图片，其中具有相同人名的人脸图片应当是同一人物的人脸图片，而相加后相似度最大则说明对应的人物与目前人脸对应的人物最相似，应当是同一人物，所以应当具有相同的人名。

本发明的另一实施例还提供一种人脸图片人名识别方法，其中，步骤130具体包括：

在相加后的最大相似度高于预定的第二阈值时，将相加后的最大相似度的人名作为目标人脸的人名。在本实施例中，对第二阈值的具体大小不做限制，例如其可以是200％。则相加后的最大相似度大于200％时，则认为该人名对应的人脸图片与目标人脸非常相似，应当为同一人物的人脸，则目标人脸属于该名字对应的人物的人脸，此时可为用户输出该人名。

本发明的另一实施例还提供一种人脸图片人名识别方法，其中，还包括：在相加后的最大相似度低于预定的第二阈值时，获取相加后最大相似度对应的人脸图片，以提供给用户。

在本实施例的技术方案中，在相加后的最大相似度低于一定水平时，则说明任一相似人脸图片中与包含目标人脸的图片都并非对应同一人物，所以此时无法精确确定目标人脸的人名，可将最相似的人脸图片提供给用户，以供用户自行判断是否为同一人物的人脸。

在本实施例的技术方案中，即使不能精确识别人名，也可以提供最相似人脸，因而可以提供更多信息，用于其它应用。

将本实施例与前述的四个实施例结合，可以得到如流程图图2所示的技术方案：

对于输入的图片，首先判断其中是否包含人脸，如其中不包含人脸则结束操作，如其中包含人脸则继续进行后续操作，该人脸即为需要识别出对应人名的目标人脸；通过人脸识别，识别出与包含目标人脸的图片相似的多个人脸图片；取相似的多个人脸图片与包含目标人脸的图片的相似度，如其中最大相似度大于第一阈值，则取最大相似度对应的人脸图片的人名为目标人脸的人名；如最大相似度低于第一阈值，则将相同人名的人脸图片对应的相似度相加，如其中相加后的最大相似度大于第二阈值，则取相加后的最大相似度对应的人名作为目标人脸的人名，否则直接输出最相似的人脸即可。

如图3所示，本发明的另一实施例还提供一种人脸图片人名识别方法，其中，步骤120具体包括：

步骤121，提取已收集的人脸图片中的特征，并存储到预设的人脸数据库中。在本实施例中，首先对于已收集的人脸图片，自动检测图片中的人脸，然后提取人脸的特征，并且量化为一个高维向量。采用高维向量来表征人脸可以减少数据量，并且可以方便后续的相似人脸比较。这样可以建立一个包含已收集人脸图片特征的数据库。对于库中每个人名对应的人脸图片，尽可能多的收集各种表情、角度或尺寸的图片，这对于后续的人脸识别的召回率和准确率都有很大帮助：识别的人脸对于表情、角度、姿态等没有任何要求，不需要输入图片为正面高清图像。由于已知数据库中包含人脸的各种表情、角度、姿态，因此对于输入的各种人脸图片都可以识别。

步骤122，提取包含目标人脸的图片的特征，与从人脸数据库取出的已收集人脸图片的特征进行比较。在本实施例中，对于一个具有目标人脸的图片来说，首先自动检测其中的人脸，提取人脸的特征，并且量化为一个高维向量；将包含目标人脸的图片的向量和库内人脸图片的特征高维向量进行比较，计算其欧式距离，并取距离最近的前N个向量，即前N个相似人脸。其中，如果人脸数据库过于庞大，逐个比较费时很长，可事先对库内人脸进行聚类，然后只与聚类完成的人脸进行比较，这样可以大大缩短比较时间；具体的比较采用高维特征向量进行比较，计算向量间的欧式距离，并取距离最近的前N个向量。这些向量所表征的人脸就是与该输入人脸最相似的人脸。

在本实施例的技术方案中，在进行人脸比对时，由于采用了聚类的方法，而不是挨个比较，因而大大提高了识别速度，可以适用于互联网上海量数据的大规模人脸识别。

如图4所示，本发明的另一实施例还提供了一种人脸图片人名识别系统，其包括：

人名设置模块410，用于为已收集的人脸图片设置对应的人名。本实施例中对设置人名的方式不进行限定，具体可以是在收集每个人脸图片时记录对应的名字。

相似人脸图片识别模块420，用于将包含目标人脸的图片与已收集的人脸图片进行比较，识别出与包含目标人脸的图片相似的一个或多个人脸图片。根据现有的多种人脸识别技术，都可较好地识别出相似的人脸图片。

人名确定模块430，用于根据相似的一个或多个人脸图片分别对应的人名，确定目标人脸的人名。在本实施例中，对如何确定目标人脸的人名的方式不做限定，例如，在多个相似人脸图片对应的人名不同的情况下，可以选择出现次数较多的人名作为目标人脸的人名。

在本实施例的技术方案中，并没有直接进行单张人脸图片之间的比对，而是首先基于人脸识别技术，从已收集的人脸图片中识别出相似的人脸图片，其与包含目标人脸的图片通常为同一人脸的图片，所以基于相似人脸图片的人名，可以确定目标人脸的人名；基于人脸识别技术识别相似的人脸图片，对目标人脸在表情、角度等方面的要求较低，所以更容易识别出与目标人脸对应的同一人物的不同人脸图片，也即更容易确定目标人脸的名字。

本发明的另一实施例还提供一种人脸图片人名识别系统，其中，人名设置模块410从已收集的人脸图片的相关文本中提取人名，以作为已收集人脸图片对应的人名。在本实施例中，对相关文本的形式不做限制，例如，假如人脸图片出现在新闻中，则相关文本可以是新闻的标题或正文。

在本实施例的技术方案中，从人脸图片的相关文本中提取人名，效率非常高。

本发明的另一实施例还提供一种人脸图片人名识别系统，其中，人名确定430获取相似的一个或多个人脸图片与包含目标人脸的图片的相似度，并将其中最大相似度对应人脸图片的人名作为目标人脸的人名。

在本实施例的技术方案中，相似度最高表示两张人脸图片最有可能是同一人物的人脸图片，所以应当具有相同的人名。

本发明的另一实施例还提供一种人脸图片人名识别系统，其中，人名确定430在最大相似度高于预定的第一阈值时，将最大相似度的对应人脸图片的人名作为目标人脸的人名。在本实施例中，对第一阈值的具体大小不做限制，例如其可以是90％。则最大相似度大于90％时，则认为这两张人脸非常相似，应当为同一人物的人脸，则目标人脸属于该名字对应的人物的人脸，此时可为用户输出该人名。

本发明的另一实施例还提供一种人脸图片人名识别系统，其中，人名确定模块430获取相似的一个或多个人脸图片与包含目标人脸的图片的相似度，将具有相同人名的人脸图片对应的相似度相加，并将相加后的最大相似度对应的人名作为所目标人脸的人名。

在本实施例的技术方案中，多个相似人脸图片有可能是不同人物的人脸图片，其中具有相同人名的人脸图片应当是同一人物的人脸图片，而相加后相似度最大则说明对应的人物与目前人脸对应的人物最相似，应当是同一人物，所以应当具有相同的人名。

本发明的另一实施例还提供一种人脸图片人名识别系统，其中，人名确定模块430在相加后的最大相似度高于预定的第二阈值时，将相加后的最大相似度的人名作为目标人脸的人名。在本实施例中，对第二阈值的具体大小不做限制，例如其可以是200％。则相加后的最大相似度大于200％时，则认为该人名对应的人脸图片与目标人脸非常相似，应当为同一人物的人脸，则目标人脸属于该名字对应的人物的人脸，此时可为用户输出该人名。

如图5所示，本发明的另一实施例还提供一种人脸图片人名识别系统，其中，还包括：

相似人脸图片提供模块440，用于在相加后的最大相似度低于预定的第二阈值时，获取相加后最大相似度对应的人脸图片，以提供给用户。在本实施例的技术方案中，在相加后的最大相似度低于一定水平时，则说明任一相似人脸图片中与包含目标人脸的图片都并非对应同一人物，所以此时无法精确确定目标人脸的人名，可将最相似的人脸图片提供给用户，以供用户自行判断是否为同一人物的人脸。

在本实施例的技术方案中，即使不能精确识别人名，也可以提供最相似人脸，因而可以提供更多信息，用于其它应用。

将本实施例与前述的四个实施例结合，可以得到如流程图图2所示的技术方案：

对于输入的图片，首先判断其中是否包含人脸，如其中不包含人脸则结束操作，如其中包含人脸则继续进行后续操作，该人脸即为需要识别出对应人名的目标人脸；通过人脸识别，识别出与包含目标人脸的图片相似的多个人脸图片；取相似的多个人脸图片与包含目标人脸的图片的相似度，如其中最大相似度大于第一阈值，则取最大相似度对应的人脸图片的人名为目标人脸的人名；如最大相似度低于第一阈值，则将相同人名的人脸图片对应的相似度相加，如其中相加后的最大相似度大于第二阈值，则取相加后的最大相似度对应的人名作为目标人脸的人名，否则直接输出最相似的人脸即可。

如图6所示，本发明的另一实施例还提供一种人脸图片人名识别系统，其中，相似人脸图片识别模块420包括：

特征存储模块421，用于提取已收集的人脸图片中的特征，并存储到预设的人脸数据库中。在本实施例中，首先对于已收集的人脸图片，自动检测图片中的人脸，然后提取人脸的特征，并且量化为一个高维向量。采用高维向量来表征人脸可以减少数据量，并且可以方便后续的相似人脸比较。这样可以建立一个包含已收集人脸图片特征的数据库。对于库中每个人名对应的人脸图片，尽可能多的收集各种表情、角度或尺寸的图片，这对于后续的人脸识别的召回率和准确率都有很大帮助：识别的人脸对于表情、角度、姿态等没有任何要求，不需要输入图片为正面高清图像。由于已知数据库中包含人脸的各种表情、角度、姿态，因此对于输入的各种人脸图片都可以识别。

特征比较模块422，用于提取包含目标人脸的图片的特征，与从人脸数据库取出的已收集人脸图片的特征进行比较。在本实施例中，对于一个具有目标人脸的图片来说，首先自动检测其中的人脸，提取人脸的特征，并且量化为一个高维向量；将包含目标人脸的图片的向量和库内人脸图片的特征高维向量进行比较，计算其欧式距离，并取距离最近的前N个向量，即前N个相似人脸。其中，如果人脸数据库过于庞大，逐个比较费时很长，可事先对库内人脸进行聚类，然后只与聚类完成的人脸进行比较，这样可以大大缩短比较时间；具体的比较采用高维特征向量进行比较，计算向量间的欧式距离，并取距离最近的前N个向量。这些向量所表征的人脸就是与该输入人脸最相似的人脸。现有的多种聚类方式，均适用于本实施例的技术方案。

在本实施例的技术方案中，在进行人脸比对时，由于采用了聚类的方法，而不是挨个比较，因而大大提高了识别速度，可以适用于互联网上海量数据的大规模人脸识别。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的人脸图片人名识别系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

A1、一种人脸图片人名识别方法，其包括：

为已收集的人脸图片设置对应的人名；

将包含目标人脸的图片与所述已收集的人脸图片进行比较，识别出与所述包含目标人脸的图片相似的一个或多个人脸图片；

根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名。

A2、根据A1所述的方法，其中，为已收集的人脸图片设置对应的人名具体包括：

从所述已收集的人脸图片的相关文本中提取人名，以作为所述已收集人脸图片对应的人名。

A3、根据A1所述的方法，其中，根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名具体包括：

获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，并将其中最大相似度对应人脸图片的人名作为所述目标人脸的人名。

A4、根据A3所述的方法，其中，将其中最大相似度对应人脸图片的人名作为所述目标人脸的人名具体包括：

在所述最大相似度高于预定的第一阈值时，将所述最大相似度的对应人脸图片的人名作为所述目标人脸的人名。

A5、根据A1所述的方法，其中，根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名具体包括：

获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，将具有相同人名的人脸图片对应的相似度相加，并将相加后的最大相似度对应的人名作为所目标人脸的人名。

A6、根据A5所述的方法，其中，将相加后的最大相似度对应的人名作为所目标人脸的人名具体包括：

在所述相加后的最大相似度高于预定的第二阈值时，将所述相加后的最大相似度的人名作为所述目标人脸的人名。

A7、根据A6所述的方法，其中，还包括：

在所述相加后的最大相似度低于预定的第二阈值时，获取所述相加后最大相似度对应的人脸图片，以提供给用户。

A8、根据A1至A7中任一项所述的方法，其中，将包含目标人脸的图片与所述已收集的人脸图片进行比较具体包括：

提取所述已收集的人脸图片中的特征，并存储到预设的人脸数据库中；

提取所述包含目标人脸的图片的特征，与从所述人脸数据库取出的已收集人脸图片的特征进行比较。

A9、一种人脸图片人名识别系统，其包括：

人名设置模块，用于为已收集的人脸图片设置对应的人名；

相似人脸图片识别模块，用于将包含目标人脸的图片与所述已收集的人脸图片进行比较，识别出与所述包含目标人脸的图片相似的一个或多个人脸图片；

人名确定模块，用于根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名。

A10、根据A9所述的系统，其中，

所述人名设置模块从所述已收集的人脸图片的相关文本中提取人名，以作为所述已收集人脸图片对应的人名。

A11、根据A9所述的系统，其中，

所述人名确定模块获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，并将其中最大相似度对应人脸图片的人名作为所述目标人脸的人名。

A12、根据A11所述的系统，其中，

所述人名确定模块在所述最大相似度高于预定的第一阈值时，将所述最大相似度的对应人脸图片的人名作为所述目标人脸的人名。

A13、根据A9所述的系统，其中，

所述人名确定模块获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，将具有相同人名的人脸图片对应的相似度相加，并将相加后的最大相似度对应的人名作为所目标人脸的人名。

A14、根据A13所述的系统，其中，

所述人名确定模块在所述相加后的最大相似度高于预定的第二阈值时，将所述相加后的最大相似度的人名作为所述目标人脸的人名。

A15、根据A14所述的系统，其中，还包括：

相似人脸图片提供模块，用于在所述相加后的最大相似度低于预定的第二阈值时，获取所述相加后最大相似度对应的人脸图片，以提供给用户。

A16、根据A9至15中任一项所述的系统，其中，所述相似人脸图片识别模块包括：

特征存储模块，用于提取所述已收集的人脸图片中的特征，并存储到预设的人脸数据库中；

特征比较模块，用于提取所述包含目标人脸的图片的特征，与从所述人脸数据库取出的已收集人脸图片的特征进行比较。

Claims (10)

1.一种人脸图片人名识别方法，其包括：

为已收集的人脸图片设置对应的人名；

将包含目标人脸的图片与所述已收集的人脸图片进行比较，识别出与所述包含目标人脸的图片相似的一个或多个人脸图片；

根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名。

2.根据权利要求1所述的方法，其中，为已收集的人脸图片设置对应的人名具体包括：

从所述已收集的人脸图片的相关文本中提取人名，以作为所述已收集人脸图片对应的人名。

3.根据权利要求1-2任一项所述的方法，其中，根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名具体包括：

获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，并将其中最大相似度对应人脸图片的人名作为所述目标人脸的人名。

4.根据权利要求1-3任一项所述的方法，其中，将其中最大相似度对应人脸图片的人名作为所述目标人脸的人名具体包括：

在所述最大相似度高于预定的第一阈值时，将所述最大相似度的对应人脸图片的人名作为所述目标人脸的人名。

5.根据权利要求1-4任一项所述的方法，其中，根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名具体包括：

获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，将具有相同人名的人脸图片对应的相似度相加，并将相加后的最大相似度对应的人名作为所目标人脸的人名。

6.根据权利要求1-5任一项所述的方法，其中，将相加后的最大相似度对应的人名作为所目标人脸的人名具体包括：

在所述相加后的最大相似度高于预定的第二阈值时，将所述相加后的最大相似度的人名作为所述目标人脸的人名。

7.根据权利要求1-6任一项所述的方法，其中，还包括：

在所述相加后的最大相似度低于预定的第二阈值时，获取所述相加后最大相似度对应的人脸图片，以提供给用户。

8.一种人脸图片人名识别系统，其包括：

人名设置模块，用于为已收集的人脸图片设置对应的人名；

相似人脸图片识别模块，用于将包含目标人脸的图片与所述已收集的人脸图片进行比较，识别出与所述包含目标人脸的图片相似的一个或多个人脸图片；

人名确定模块，用于根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名。

9.根据权利要求8所述的系统，其中，

所述人名设置模块从所述已收集的人脸图片的相关文本中提取人名，以作为所述已收集人脸图片对应的人名。

10.根据权利要求8-9任一项所述的系统，其中，

所述人名确定模块获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，并将其中最大相似度对应人脸图片的人名作为所述目标人脸的人名。