CN104537341A - 人脸图片信息获取方法和装置 - Google Patents

Abstract

本发明公开了一种人脸图片信息获取方法和装置，主要涉及互联网技术领域，主要目的在于获取与人脸图片中涉及人物的相关信息。方法包括：获取用户指定的人脸图片；对人脸图片进行人脸识别，以得到人脸图片中人脸的人名；根据人名，从网络中获取人名对应的网络资源信息；将人名对应的网络资源信息显示给用户。根据本发明，基于人脸识别技术，对人脸图片进行人脸识别，首先得到人脸图片中人脸的人名，然后根据人名搜索网络资源信息；相比于根据人脸图片直接进行搜索，根据人名进行搜索得到的网络资源信息数据量非常大，能够保证用户对人脸图片涉及的人物有充分的了解。

Description

人脸图片信息获取方法和装置

技术领域

本发明涉及互联网技术领域，具体而言，涉及一种人脸图片信息获取方法和装置。

背景技术

在互联网技术领域，图片浏览占据了用户访问量的很大一部分。

目前，传统的互联网图片在展现时，除了图片本身之外，只能展现一些简单的文本或者标题信息，用户除了能看到该简单的文本或者标题信息之外，很难获得和图片相关的其他信息，造成用户获得的信息十分匮乏。即使通过基于图片内容的搜索引擎来搜索，由于现有的图片搜索技术的局限性，也很难获得更多的该图片的精确信息。另外，对于包含人物的图片，用户往往希望知道更多有关该人物的信息，但却不知如何组织搜索词进行查询，使得搜索引擎解决此方面的效率不高，用户体验也较差。

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人脸图片信息获取方法和装置。

依据本发明的一个方面，提供了一种人脸图片信息获取方法，其包括：获取用户指定的人脸图片；对所述人脸图片进行人脸识别，以得到所述人脸图片中人脸的人名；根据所述人名，从网络中获取所述人名对应的网络资源信息；将所述人名对应的网络资源信息显示给所述用户。

可选地，前述的方法，根据所述人名，从网络中获取所述人名对应的网络资源信息，具体包括：从所述网络中的用于记录结构化信息的站点上，获取所述人名对应的结构化信息作为所述人名对应的网络资源信息，其中所述人名对应的结构化信息中包含多种条目对应的信息。

可选地，前述的方法，还包括：按预设的多种条目，从所述人名对应的网络资源信息中筛选出所述多种条目对应的信息；根据所述多种条目，将所述提取的信息处理为结构化信息。

可选地，前述的方法，所述预设的多种条目中包括社交账号条目；按预设的多种条目，从所述人名的网络资源信息中筛选出所述多种条目对应的信息，具体包括；按所述社交账号条目，查找所述人名对应的社交账号的标识信息和/或所述人名对应的社交账号所发布的内容。

可选地，前述的方法，所述预设的多种条目中包括新闻消息条目；按预设的多种条目，从所述人名的网络资源信息中筛选出所述多种条目对应的信息，具体包括：按所述新闻信息条目，从所述网络中获取所述人名对应的新闻信息。

可选地，前述的方法，对所述人脸图片进行人脸识别，以得到所述人脸图片中人脸的人名，具体包括：提取所述人脸图片的特征，以及提取已收集人脸图片的特征；将所述人脸图片的特征与所述已收集人脸图片的特征进行比较；根据比较结果从所述已收集人脸图片中选出所述人脸图片的相似人脸图片；根据所述相似人脸图片中人脸的人名，确定所述人脸图片中人脸的人名。

可选地，前述的方法，在根据所述相似人脸图片中人脸的人名，确定所述人脸图片中人脸的人之前，还包括：从所述相似人脸图片对应的文本中，提取一个或多个人名；根据所述一个或多个人名的属性，为所述一个或多个人名计算权重值；根据所述权重值的高低，从所述一个或多个人名中选择所述相似人脸图片中人脸对应的人名。

可选地，前述的方法，根据所述相似人脸图片中人脸的人名，确定所述人脸图片中人脸的人名，具体包括：根据所述比较结果，计算所述相似人脸图片与所述人脸图片之间的相似度；累加相同人名对应的所有相似人脸图片的相似度；在累加后最大的相似度大于预设阈值时，按所述累加后的最大相似度对应的相似人脸图片中人脸的人名，确定所述人脸图片中人脸的人名。

依据本发明的另一方面，还提供了一种人脸图片信息获取装置，其包括：人脸图片获取模块，用于获取用户指定的人脸图片；人名获取模块，用于对所述人脸图片进行人脸识别，以得到所述人脸图片中人脸的人名；信息获取模块，用于根据所述人名，从网络中获取所述人名对应的网络资源信息；信息显示模块，用于将所述人名对应的网络资源信息显示给所述用户。

可选地，前述的装置，所述信息获取模块从所述网络中的用于记录结构化信息的站点上，获取所述人名对应的结构化信息作为所述人名对应的网络资源信息，其中所述人名对应的结构化信息中包含多种条目对应的信息。

可选地，前述的装置，所述信息获取模块按预设的多种条目，从所述人名对应的网络资源信息中筛选出所述多种条目对应的信息；以及根据所述多种条目，将所述提取的信息处理为结构化信息。

可选地，前述的装置，所述预设的多种条目中包括社交账号条目；所述信息获取模块按所述社交账号条目，查找所述人名对应的社交账号的标识信息和/或所述人名对应的社交账号所发布的内容。

可选地，前述的装置，所述预设的多种条目中包括新闻消息条目；所述信息获取模块按所述新闻信息条目，从所述网络中获取所述人名对应的新闻信息。

可选地，前述的装置，所述人名获取模块具体包括：特征提取模块，用于提取所述人脸图片的特征，以及提取已收集人脸图片的特征；特征比较模块，用于将所述人脸图片的特征与所述已收集人脸图片的特征进行比较；人脸图片选择模块，用于根据比较结果从所述已收集人脸图片中选出所述人脸图片的相似人脸图片；人名确定模块，用于根据所述相似人脸图片中人脸的人名，确定所述人脸图片中人脸的人名。

可选地，前述的装置，所述人名获取模块还包括：人名提取模块，用于从所述相似人脸图片对应的文本中，提取一个或多个人名；权重值计算模块，用于根据所述一个或多个人名的属性，为所述一个或多个人名计算权重值；人名选择模块，根据所述权重值的高低，从所述一个或多个人名中选择所述相似人脸图片中人脸对应的人名。

可选地，前述的装置，所述人名获取模块还包括：相似度计算模块，用于根据所述比较结果，计算所述相似人脸图片与所述人脸图片之间的相似度；相似度累加模块，用于累加相同人名对应的所有相似人脸图片的相似度；所述人名确定模块在累加后最大的相似度大于预设阈值时，按所述累加后的最大相似度对应的相似人脸图片中人脸的人名，确定所述人脸图片中人脸的人名。

根据以上技术方案，可知本发明的人脸图片信息获取方法和装置至少具有以下优点：

基于人脸识别技术，对人脸图片进行人脸识别，首先得到人脸图片中人脸的人名，然后根据人名搜索网络资源信息；相比于根据人脸图片直接进行搜索，根据人名进行搜索得到的网络资源信息数据量非常大，能够保证用户对人脸图片涉及的人物有充分的了解。

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信息获取方法的流程图；

图2示出了根据本发明的一个实施例的人脸图片信息获取方法的流程图；

图3示出了根据本发明的一个实施例的人脸图片信息获取方法的流程图；

图4示出了根据本发明的一个实施例的人脸图片信息获取方法的流程图；

图5示出了根据本发明的一个实施例的人脸图片信息获取方法的流程图；

图6示出了根据本发明的一个实施例的人脸图片信息获取方法的流程图；

图7示出了根据本发明的一个实施例的人脸图片信息获取装置的框图；

图8示出了根据本发明的一个实施例的人脸图片信息获取装置的框图；

图9示出了根据本发明的一个实施例的人脸图片信息获取装置的框图；

图10示出了根据本发明的一个实施例的人脸图片信息获取装置的框图。

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中提供了一种人脸图片信息获取方法，其包括：

步骤110，获取用户指定的人脸图片。

步骤120，对人脸图片进行人脸识别，以得到人脸图片中人脸的人名。在本实施例中，基于现有的人脸识别技术，即可以完成人名的获取。

步骤130，根据人名，从网络中获取人名对应的网络资源信息。

步骤140，将人名对应的网络资源信息显示给用户。根据本实施例的技术方案，通过人脸识别的方法，精确的识别出人脸图片涉及的人名，将图片和该人名的相关信息联系起来，从而给用户提供更多的信息。

根据图1，对于用户输入的明星A的照片，可以自动识别出其人名为A，并按照A作为关键词使用搜索引擎进行搜索，得到明星A的相关报道提供给用户，有助于增加用户对明星A的了解。

如图2所示，本发明的一个实施例中提供了一种人脸图片信息获取方法，其包括：

步骤210，获取用户指定的人脸图片。

步骤220，对人脸图片进行人脸识别，以得到人脸图片中人脸的人名。

步骤230，根据人名，从网络中的用于记录结构化信息的站点上，获取人名对应的结构化信息作为人名对应的网络资源信息，其中人名对应的结构化信息中包含多种条目对应的信息。在本实施例中，记录结构化信息的站点比较典型的是百科网站，由于百科网站中的信息都是结构化的，所以只要找到相应人名，便可直接抓取。

步骤240，将人名对应的网络资源信息显示给用户。根据本实施例的技术方案，由于结构化信息中多种条目分布较为明确，有利于用户对人脸图片中涉及人物进行了解。

根据图2，对于用户在网页上选定的明星A的图片，自动检测到人脸并进行人脸识别，识别出人名为A；然后根据人名，从百科网站获取该人物的相关结构化信息，包括个人简介，经历，身高，体重，主要作品，以及微博最新动态。这样可以方便用户认识该明星A，了解该明星A的更多信息和动态，以及通过微博与该明星A建立一定的联系和互动。

如图3所示，本发明的一个实施例中提供了一种人脸图片信息获取方法，其包括：

步骤310，获取用户指定的人脸图片。

步骤320，对人脸图片进行人脸识别，以得到人脸图片中人脸的人名。在本实施例中，基于现有的人脸识别技术，即可以完成人名的获取。

步骤330，根据人名，按预设的多种条目，从人名对应的网络资源信息中筛选出多种条目对应的信息。在本实施例中，对于条目的类型不进行限制，例如，可以是身高、体重等；进一步地，为了对人物动态进行及时关注，则该条目可以是社交账号条目；为了对人物的相关事件及时了解，则该条目可以是信息消息条目。

步骤340，根据多种条目，将提取的信息处理为结构化信息。在本实施例中，结合前述的内容，可以按社交账号条目，查找人名对应的社交账号的标识信息和/或人名对应的社交账号所发布的内容；也可以按新闻信息条目，从网络中获取人名对应的新闻信息。

步骤350，将人名对应的网络资源信息显示给用户。根据本实施例的技术方案，能够将网络中的信息整理为结构化信息提供给用户；进一步，可以根据人脸图片来获取相关人物的社交网络动态以及最新新闻。

根据图3，对于用户在网页上选定的明星A的图片，自动检测到人脸并进行人脸识别，识别出人名为A；然后根据人名，找到相关人物的微博账号，将该微博账号“starA”以及账号发布的最新动态“很忙”提供给用户；也可以根据人名，找到相关人物的争议事件的最新新闻，并将新闻标题提供给用户。

如图4所示，本发明的一个实施例中提供了一种人脸图片信息获取方法，其包括：

步骤410，获取用户指定的人脸图片。

步骤420，提取人脸图片的特征，以及提取已收集人脸图片的特征。在本实施例中，对用户指定的人脸图片可以提前进行预处理、归一化，以利于特征提取；在本实施例中，可以收集样本人脸图片，并针对肤色、眼睛、鼻子、嘴角等进行检测，检测到的数据可以训练人脸模型，通过该人脸模型可以识别出用户指定图片中人脸的位置，并进行特征提取。

步骤430，将人脸图片的特征与已收集人脸图片的特征进行比较。

步骤440，根据比较结果从已收集人脸图片中选出人脸图片的相似人脸图片。

步骤450，根据相似人脸图片中人脸的人名，确定人脸图片中人脸的人名。

步骤460，根据人名，从网络中获取人名对应的网络资源信息。

步骤470，将人名对应的网络资源信息显示给用户。根据本实施例的技术方案，通过特征比较的方式，有利于准确识别人脸图片对应的人名。

如图5所示，本发明的一个实施例中提供了一种人脸图片信息获取方法，其包括：

步骤510，获取用户指定的人脸图片。

步骤520，提取人脸图片的特征，以及提取已收集人脸图片的特征。

步骤530，将人脸图片的特征与已收集人脸图片的特征进行比较。

步骤540，根据比较结果从已收集人脸图片中选出人脸图片的相似人脸图片。

步骤550，从相似人脸图片对应的文本中，提取一个或多个人名。在本实施例中，对文本类型不进行限制，可以是图片所在新闻的标题、环绕文本等。

步骤560，根据一个或多个人名的属性，为一个或多个人名计算权重值。在本实施例中，对属性不进行限制，其可以是人名出现的频次、位置等，因为不同频次、位置的人名就相似人脸图片对应的人名的可能性有所不同。

步骤570，根据权重值的高低，从一个或多个人名中选择相似人脸图片中人脸对应的人名。

步骤580，根据相似人脸图片中人脸的人名，确定人脸图片中人脸的人名。

步骤590，根据人名，从网络中获取人名对应的网络资源信息。

步骤5100，将人名对应的网络资源信息显示给用户。

根据图5，对于相似人脸图片所在的新闻页面，首先对该图片对应的新闻标题、环绕文本预处理，然后分词；从分词结果中提取出候选人名，并与人名词表比较，去除非人名；根据每个人名出现的频率、位置，以及与其他词语的关系计算一个权重；如果权重大于某个阈值，则选择权重最大的名字作为该图片中人脸的人名，否则认为无法提取可靠的人名。

如图6所示，本发明的一个实施例中提供了一种人脸图片信息获取方法，其包括：

步骤610，获取用户指定的人脸图片。

步骤620，提取人脸图片的特征，以及提取已收集人脸图片的特征。

步骤630，将人脸图片的特征与已收集人脸图片的特征进行比较。

步骤640，根据比较结果从已收集人脸图片中选出人脸图片的相似人脸图片。

步骤650，根据比较结果，计算相似人脸图片与人脸图片之间的相似度。

步骤660，累加相同人名对应的所有相似人脸图片的相似度。

步骤670，在累加后最大的相似度大于预设阈值时，按累加后的最大相似度对应的相似人脸图片中人脸的人名，确定人脸图片中人脸的人名。在本实施例中，基于累加后的相似度可以实现人脸的精确识别。

步骤680，根据人名，从网络中获取人名对应的网络资源信息。

步骤690，将人名对应的网络资源信息显示给用户。

根据图6，判断用户指定的是否属于已经建立好人名的数据库的某张人脸(已收集人脸图片)：首先，通过人脸检测、特征提取和人名提取，建立起一个已知人名的人脸数据库；对于用户指定的新人脸图片，对图片进行人脸检测，如果没有人脸，则直接返回，如果有人脸，则提取人脸特征，并且量化为一个高维向量。将该输入图片的向量和库内所有人脸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。这些向量所表征的人脸就是与该输入人脸最相似的人脸。如果人脸数据库过于庞大，逐个比较费时很长，可以事先对库内人脸进行聚类，然后只与聚好类的人脸进行比较；对于前N个相似人脸，以相似度为权重，计算每个名字的权重，相同名字的权值相加。并求出权重最高的名字。如果该名字大于一定阈值，则认为输入人脸属于该名字对应的人脸，否则认为无法精确识别出该人脸。

如图7所示，本发明的一个实施例中提供了一种人脸图片信息获取装置，其包括：

人脸图片获取模块710，获取用户指定的人脸图片。

人名获取模块720，对人脸图片进行人脸识别，以得到人脸图片中人脸的人名。在本实施例中，基于现有的人脸识别技术，即可以完成人名的获取。

信息获取模块730，根据人名，从网络中获取人名对应的网络资源信息。

信息显示模块740，将人名对应的网络资源信息显示给用户。根据本实施例的技术方案，通过人脸识别的方法，精确的识别出人脸图片涉及的人名，将图片和该人名的相关信息联系起来，从而给用户提供更多的信息。

根据图7，对于用户输入的明星A的照片，可以自动识别出其人名为A，并按照A作为关键词使用搜索引擎进行搜索，得到明星A的相关报道提供给用户，有助于增加用户对明星A的了解。

本发明的一个实施例中提供了一种人脸图片信息获取装置，其包括：

人脸图片获取模块710，获取用户指定的人脸图片。

人名获取模块720，对人脸图片进行人脸识别，以得到人脸图片中人脸的人名。

信息获取模块730，根据人名，从网络中的用于记录结构化信息的站点上，获取人名对应的结构化信息作为人名对应的网络资源信息，其中人名对应的结构化信息中包含多种条目对应的信息。在本实施例中，记录结构化信息的站点比较典型的是百科网站，由于百科网站中的信息都是结构化的，所以只要找到相应人名，便可直接抓取。

信息显示模块740，将人名对应的网络资源信息显示给用户。根据本实施例的技术方案，由于结构化信息中多种条目分布较为明确，有利于用户对人脸图片中涉及人物进行了解。

根据图7，对于用户在网页上选定的明星A的图片，自动检测到人脸并进行人脸识别，识别出人名为A；然后根据人名，从百科网站获取该人物的相关结构化信息，包括个人简介，经历，身高，体重，主要作品，以及微博最新动态。这样可以方便用户认识该明星A，了解该明星A的更多信息和动态，以及通过微博与该明星A建立一定的联系和互动。

本发明的一个实施例中提供了一种人脸图片信息获取装置，其包括：

人脸图片获取模块710，获取用户指定的人脸图片。

人名获取模块720，对人脸图片进行人脸识别，以得到人脸图片中人脸的人名。在本实施例中，基于现有的人脸识别技术，即可以完成人名的获取。

信息获取模块730，根据人名，按预设的多种条目，从人名对应的网络资源信息中筛选出多种条目对应的信息。在本实施例中，对于条目的类型不进行限制，例如，可以是身高、体重等；进一步地，为了对人物动态进行及时关注，则该条目可以是社交账号条目；为了对人物的相关事件及时了解，则该条目可以是信息消息条目。以及根据多种条目，将提取的信息处理为结构化信息。在本实施例中，结合前述的内容，可以按社交账号条目，查找人名对应的社交账号的标识信息和/或人名对应的社交账号所发布的内容；也可以按新闻信息条目，从网络中获取人名对应的新闻信息。

信息显示模块740，将人名对应的网络资源信息显示给用户。根据本实施例的技术方案，能够将网络中的信息整理为结构化信息提供给用户；进一步，可以根据人脸图片来获取相关人物的社交网络动态以及最新新闻。

根据图7，对于用户在网页上选定的明星A的图片，自动检测到人脸并进行人脸识别，识别出人名为A；然后根据人名，找到相关人物的微博账号，将该微博账号“starA”以及账号发布的最新动态“很忙”提供给用户；也可以根据人名，找到相关人物的争议事件的最新新闻，并将新闻标题提供给用户。

如图8所示，本发明的一个实施例中提供了一种人脸图片信息获取装置，其包括：

人脸图片获取模块810，获取用户指定的人脸图片。

人名获取模块，具体包括：

特征提取模块820，提取人脸图片的特征，以及提取已收集人脸图片的特征。在本实施例中，对用户指定的人脸图片可以提前进行预处理、归一化，以利于特征提取；在本实施例中，可以收集样本人脸图片，并针对肤色、眼睛、鼻子、嘴角等进行检测，检测到的数据可以训练人脸模型，通过该人脸模型可以识别出用户指定图片中人脸的位置，并进行特征提取。

特征比较模块830，将人脸图片的特征与已收集人脸图片的特征进行比较。

人脸图片选择模块840，根据比较结果从已收集人脸图片中选出人脸图片的相似人脸图片。

人名确定模块850，根据相似人脸图片中人脸的人名，确定人脸图片中人脸的人名。

信息获取模块860，根据人名，从网络中获取人名对应的网络资源信息。

信息显示模块870，将人名对应的网络资源信息显示给用户。根据本实施例的技术方案，通过特征比较的方式，有利于准确识别人脸图片对应的人名。

如图9所示，本发明的一个实施例中提供了一种人脸图片信息获取装置，其包括：

人脸图片获取模块910，获取用户指定的人脸图片。

人名获取模块，具体包括：

特征提取模块920，提取人脸图片的特征，以及提取已收集人脸图片的特征。

特征比较模块930，将人脸图片的特征与已收集人脸图片的特征进行比较。

人脸图片选择模块940，根据比较结果从已收集人脸图片中选出人脸图片的相似人脸图片。

人名提取模块950，从相似人脸图片对应的文本中，提取一个或多个人名。在本实施例中，对文本类型不进行限制，可以是图片所在新闻的标题、环绕文本等。

权重值计算模块960，根据一个或多个人名的属性，为一个或多个人名计算权重值。在本实施例中，对属性不进行限制，其可以是人名出现的频次、位置等，因为不同频次、位置的人名就相似人脸图片对应的人名的可能性有所不同。

人名选择模块970，根据权重值的高低，从一个或多个人名中选择相似人脸图片中人脸对应的人名。

人名确定模块980，根据相似人脸图片中人脸的人名，确定人脸图片中人脸的人名。

信息获取模块990，根据人名，从网络中获取人名对应的网络资源信息。

信息显示模块9100，将人名对应的网络资源信息显示给用户。

根据图9，对于相似人脸图片所在的新闻页面，首先对该图片对应的新闻标题、环绕文本预处理，然后分词；从分词结果中提取出候选人名，并与人名词表比较，去除非人名；根据每个人名出现的频率、位置，以及与其他词语的关系计算一个权重；如果权重大于某个阈值，则选择权重最大的名字作为该图片中人脸的人名，否则认为无法提取可靠的人名。

如图10所示，本发明的一个实施例中提供了一种人脸图片信息获取装置，其包括：

人脸图片获取模块1010，获取用户指定的人脸图片。

人名获取模块，具体包括：

特征提取模块1020，提取人脸图片的特征，以及提取已收集人脸图片的特征。

特征比较模块1030，将人脸图片的特征与已收集人脸图片的特征进行比较。

人脸图片选择模块1040，根据比较结果从已收集人脸图片中选出人脸图片的相似人脸图片。

相似度计算模块1050，根据比较结果，计算相似人脸图片与人脸图片之间的相似度。

相似度累加模块1060，累加相同人名对应的所有相似人脸图片的相似度。

人名确定模块1070，在累加后最大的相似度大于预设阈值时，按累加后的最大相似度对应的相似人脸图片中人脸的人名，确定人脸图片中人脸的人名。在本实施例中，基于累加后的相似度可以实现人脸的精确识别。

信息获取模块1080，根据人名，从网络中获取人名对应的网络资源信息。

信息显示模块1090，将人名对应的网络资源信息显示给用户。

根据图10，判断用户指定的是否属于已经建立好人名的数据库的某张人脸(已收集人脸图片)：首先，通过人脸检测、特征提取和人名提取，建立起一个已知人名的人脸数据库；对于用户指定的新人脸图片，对图片进行人脸检测，如果没有人脸，则直接返回，如果有人脸，则提取人脸特征，并且量化为一个高维向量。将该输入图片的向量和库内所有人脸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。这些向量所表征的人脸就是与该输入人脸最相似的人脸。如果人脸数据库过于庞大，逐个比较费时很长，可以事先对库内人脸进行聚类，然后只与聚好类的人脸进行比较；对于前N个相似人脸，以相似度为权重，计算每个名字的权重，相同名字的权值相加。并求出权重最高的名字。如果该名字大于一定阈值，则认为输入人脸属于该名字对应的人脸，否则认为无法精确识别出该人脸。

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信息获取装置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。

Claims (10)

1.一种人脸图片信息获取方法，其包括：

获取用户指定的人脸图片；

对所述人脸图片进行人脸识别，以得到所述人脸图片中人脸的人名；

根据所述人名，从网络中获取所述人名对应的网络资源信息；

将所述人名对应的网络资源信息显示给所述用户。

2.根据权利要求1所述的方法，其中，根据所述人名，从网络中获取所述人名对应的网络资源信息，具体包括：

从所述网络中的用于记录结构化信息的站点上，获取所述人名对应的结构化信息作为所述人名对应的网络资源信息，其中所述人名对应的结构化信息中包含多种条目对应的信息。

3.根据权利要求1-2任一项所述的方法，其中，还包括：

按预设的多种条目，从所述人名对应的网络资源信息中筛选出所述多种条目对应的信息；

根据所述多种条目，将所述提取的信息处理为结构化信息。

4.根据权利要求1-3任一项所述的方法，其中，所述预设的多种条目中包括社交账号条目；按预设的多种条目，从所述人名的网络资源信息中筛选出所述多种条目对应的信息，具体包括；

按所述社交账号条目，查找所述人名对应的社交账号的标识信息和/或所述人名对应的社交账号所发布的内容。

5.根据权利要求1-4任一项所述的方法，其中，所述预设的多种条目中包括新闻消息条目；按预设的多种条目，从所述人名的网络资源信息中筛选出所述多种条目对应的信息，具体包括：

按所述新闻信息条目，从所述网络中获取所述人名对应的新闻信息。

6.根据权利要求1-5任一项所述的方法，其中，对所述人脸图片进行人脸识别，以得到所述人脸图片中人脸的人名，具体包括：

提取所述人脸图片的特征，以及提取已收集人脸图片的特征；

将所述人脸图片的特征与所述已收集人脸图片的特征进行比较；

根据比较结果从所述已收集人脸图片中选出所述人脸图片的相似人脸图片；

根据所述相似人脸图片中人脸的人名，确定所述人脸图片中人脸的人名。

7.根据权利要求1-6任一项所述的方法，其中，在根据所述相似人脸图片中人脸的人名，确定所述人脸图片中人脸的人之前，还包括：

从所述相似人脸图片对应的文本中，提取一个或多个人名；

根据所述一个或多个人名的属性，为所述一个或多个人名计算权重值；

根据所述权重值的高低，从所述一个或多个人名中选择所述相似人脸图片中人脸对应的人名。

8.根据权利要求1-7任一项所述的方法，其中，根据所述相似人脸图片中人脸的人名，确定所述人脸图片中人脸的人名，具体包括：

根据所述比较结果，计算所述相似人脸图片与所述人脸图片之间的相似度；

累加相同人名对应的所有相似人脸图片的相似度；

在累加后最大的相似度大于预设阈值时，按所述累加后的最大相似度对应的相似人脸图片中人脸的人名，确定所述人脸图片中人脸的人名。

9.一种人脸图片信息获取装置，其包括：

人脸图片获取模块，用于获取用户指定的人脸图片；

人名获取模块，用于对所述人脸图片进行人脸识别，以得到所述人脸图片中人脸的人名；

信息获取模块，用于根据所述人名，从网络中获取所述人名对应的网络资源信息；

信息显示模块，用于将所述人名对应的网络资源信息显示给所述用户。

10.根据权利要求9所述的装置，其中，

所述信息获取模块从所述网络中的用于记录结构化信息的站点上，获取所述人名对应的结构化信息作为所述人名对应的网络资源信息，其中所述人名对应的结构化信息中包含多种条目对应的信息。