CN104850600B - 一种用于搜索包含人脸的图片的方法和装置 - Google Patents
一种用于搜索包含人脸的图片的方法和装置 Download PDFInfo
- Publication number
- CN104850600B CN104850600B CN201510213855.7A CN201510213855A CN104850600B CN 104850600 B CN104850600 B CN 104850600B CN 201510213855 A CN201510213855 A CN 201510213855A CN 104850600 B CN104850600 B CN 104850600B
- Authority
- CN
- China
- Prior art keywords
- face
- picture
- sample
- characteristic vectors
- multidimensional characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种用于在计算机设备中搜索包含人脸的图片的方法，其中，该方法包括：获取样本人脸对应的多维特征向量；通过将所述多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与所述样本人脸相匹配的人脸的图片。根据本发明的方案，能够大大提高搜索效率，提高搜索的准确性，且能够针对多个样本人脸，来搜索包含与该多个样本人脸中的每个相匹配的人脸的图片。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种用于在计算机设备中搜索包含人脸的图片的方法和装置。
背景技术
现有技术中，通常仅能简单地通过图像中的人脸直接比对，来进行人脸搜索。然而，这种直接比对人脸的方式，需要消耗大量的计算资源，且比对准确性很低。因此，若采用该种现有技术来进行人脸搜索的方案，则搜索准确性极低，且搜索成本较高，每次搜索需要消耗的网络资源较多。
发明内容
本发明的目的是提供一种用于在计算机设备中搜索包含人脸的图片的方法和装置。
根据本发明的一个方面，提供一种用于在计算机设备中搜索包含人脸的图片的方法，其中，该方法包括：
获取样本人脸对应的多维特征向量；
通过将所述多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与所述样本人脸相匹配的人脸的图片。
根据本发明的另一个方面，还提供了一种用于在计算机设备中搜索包含人脸的图片的装置，其中，该装置包括：
获取装置，用于获取样本人脸对应的多维特征向量；
搜索装置，用于通过将所述多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与所述样本人脸相匹配的人脸的图片。
与现有技术相比，本发明具有以下优点：1)可在用户任意指定的多个图片中来搜索包含与样本人脸相匹配的人脸的图片，从而不需要在网络上共享的所有图片中进行搜索，也无需用户手动在多个图片中进行查找，进而大大提高了搜索效率，且大大减少了网络资源的浪费；2)样本人脸的多维特征向量能够全面且准确地指示样本人脸的大量特征(如数百个特征)，使得多维特征向量之间的匹配结果更为准确，进而使得能够准确地搜索到包含与样本人脸相似度较高的人脸的图片，而无需要求样本人脸的角度或清晰程度；3)可针对多个样本人脸(如用户在样本图片中指定的多个样本人脸)，来搜索包含与该多个样本人脸中的每个相匹配的人脸的图片，从而能够更好的满意用户的需求，而不限于仅能针对单个样本人脸进行搜索；4)能够通过计算样本人脸对应的多维特征向量与多个图片中的人脸对应的多维特征向量之间的距离，来确定该多个图片中的人脸与样本人脸的相似程度，从而确定多个图片中的、包含与样本人脸相匹配的人脸的图片。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明一个实施例的用于在计算机设备中搜索包含人脸的图片的方法的流程示意图；
图2为本发明另一个实施例的用于在计算机设备中搜索包含人脸的图片的方法的流程示意图；
图3为本发明一个实施例的用于在计算机设备中搜索包含人脸的图片的装置的结构示意图；
图4为本发明另一个实施例的用于在计算机设备中搜索包含人脸的图片的装置的结构示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本发明作进一步详细描述。
图1为本发明一个实施例的用于在计算机设备中搜索包含人脸的图片的方法的流程示意图。
其中，本实施例的方法主要通过计算机设备来实现；所述计算机设备包括网络设备和用户设；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机；所述网络设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。所述用户设备包括但不限于PC机、平板电脑、智能手机、PDA、IPTV等。
需要说明的是，所述计算机设备仅为举例，其他现有的或今后可能出现的计算机设备如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
根据本实施例的方法包括步骤S1和步骤S2。
在步骤S1中，计算机设备获取样本人脸对应的多维特征向量。
其中，所述样本人脸用于表示在搜索图片时被作为样本的人脸；优选地，样本人脸为多个，且每个样本人脸均对应一个多维特征向量。
其中，所述多维特征向量用于指示与样本人脸对应的多个特征，所述特征包括任何与样本人脸相关的特征，如样本人脸中的五官的位置特征(如样本人脸的唇所在的像素点位置等)和形状特征(如样本人脸的唇的轮廓、上下唇的厚度、唇开高度和宽度等)等。
优选地，所述多维特征向量的维数表示样本人脸的特征数量，也即，多维特征向量的每个维度用于指示样本人脸的一个特征。例如，样本人脸对应的多维特征向量为(x1，x2，…，x200)，其中，xi(i＝0，…，200)用于表示样本人脸的第i个特征。
具体地，计算机设备获取样本人脸对应的多维特征向量的实现方式包括但不限于：
1)计算机设备直接获取来自用户或其他设备的、样本人脸对应的多维特征向量。
2)步骤S1进一步包括步骤S11和步骤S12。
在步骤S11中，计算机设备从样本图片中提取样本人脸。
其中，所述样本图片为用户指定的、包含样本人脸的图片。
其中，计算机设备可采用多种方式获取样本图片。
例如，计算机设备为网络设备，该网络设备接收用户通过用户设备所上传的样本图片，或者，该网络设备接收用户通过用户设备发送的指示信息，并根据该指示信息从本地获取样本图片。
又例如，计算机设备为用户设备，该用户设备获取用户上传的样本图片，或者，根据用户指示从用户存储在该用户设备的多个图片中获取样本图片。
需要说明的是，优选地，计算机设备获取样本图片之后，先对该样本图片进行检测，来确定该样本图片中是否包含人脸；若样本图片中包含人脸，则提取该样本图片中的样本人脸，若该样本图片中不包含人脸，则停止搜索。
具体地，计算机设备从样本图片中提取样本人脸的实现方式包括但不限于：
1)计算机设备直接提取样本图片中所包含的所有人脸，并将所提取的所有人脸均作为样本人脸。
例如，样本图片中具有一个人脸，计算机设备提取该人脸，并将该人脸作为样本人脸。
例如，样本图片中具有三个人脸，计算机设备提取该三个人脸，并将该三个人脸均作为样本人脸。
2)样本图片中具有多个人脸，计算机设备从该多个人脸中提取用户指定的至少一个人脸。
例如，样本图片中具有三个人脸，计算机设备从用户在该样本图片中标记的位置区域内提取用户指定的一个人脸，并将该提取出的人脸作为样本人脸。
在步骤S12中，计算机设备获取样本人脸对应的多维特征向量。
具体地，计算机设备可采用多种方式获取样本人脸对应的多维特征向量。
例如，计算机设备提取出该样本人脸的多个特征，并根据该多个特征生成相应的多维特征向量。
又例如，当计算机设备中预先存储有该样本人脸对应的多维特征向量时，计算机设备可直接从本地读取该样本人脸对应的多维特征向量。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何获取样本人脸对应的多维特征向量的实现方式，均应包含在本发明的范围内。
在步骤S2中，计算机设备通过将所述多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与所述样本人脸相匹配的人脸的图片。
其中，所述多个图片包括但不限于：计算机设备中本地存储的多个图片、网络中的多个图片等。优选地，所述多个图片为用户在该计算机设备的、用于该用户的存储空间中所存储的多个UGC(User Generated Content，用户生成内容)图片。更优选地，样本人脸为多个图片中的一个人脸。
需要说明的是，优选地，所述计算机设备中预先存储有该多个图片中的人脸对应的多维特征向量。
具体地，计算机设备通过将所述多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与所述样本人脸相匹配的人脸的图片的实现方式包括但不限于：
1)计算机设备通过基于相似性函数法计算样本人脸对应的多维特征向量与多个图片中的人脸对应的多维特征向量之间的相似度，来在该多个图片中搜索包含与样本人脸相匹配的人脸的图片。
其中，所述相似性函数法包括任何与相似系数相关的算法，如夹角余弦法、相关系数法、Jaccard系数法等。
例如，多个图片中的人脸对应的多维特征向量包括：vector1、vector2、vector3、vector4、vector5。在步骤S1中，计算机设备获取样本人脸对应的多维特征向量vector0；在步骤S2中，计算机设备采用相关系数法计算得到vector0与vector1之间的相关系数为0.3，vector0与vector2之间的相关系数为0.6，vector0与vector3之间的相关系数为0.9，vector0与vector4之间的相关系数为1，vector0与vector5之间的相关系数为0.5，则计算机设备将包含vector3对应的人脸的图片、以及包含vector4对应的人脸的图片，作为搜索得到的包含与样本人脸相匹配的人脸的图片，其中，相关系数法中，两个向量之间的相关系数越接近1，表示该两个向量越相似。
2)计算机设备计算样本人脸对应的多维特征向量与多个图片中的人脸对应的多维特征向量之间的距离；并且，计算机设备根据所述距离，在该多个图片中确定包含与所述样本人脸相匹配的人脸的图片。本实现方式将在后续实施例中予以详述，在此不再赘述。
作为步骤S2的一种优选方案，样本人脸为多个，且每个样本人脸均对应一个多维特征向量，所述步骤S2进一步包括：计算机设备通过将所述多个样本人脸中的每个样本人脸的多维特征向量，与所述多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与各个样本人脸分别匹配的多个人脸的图片。
其中，所述包含与各个样本人脸分别匹配的多个人脸的图片用于指示：该多个样本人脸中的每个样本人脸均匹配该图片中的一个人脸，且每个样本人脸所匹配的人脸不同。
具体地，计算机设备通过将所述多个样本人脸中的每个样本人脸的多维特征向量，与所述多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与各个样本人脸分别匹配的多个人脸的图片的实现方式包括：
1)对于多个样本人脸中的每个样本人脸的多维特征向量，计算机设备将该多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在该多个图片中搜索包含与该样本人脸相匹配的人脸的图片；之后，计算机设备将与每个样本人脸对应的、搜索得到的图片，进行交集处理，来获得包含与各个样本人脸分别匹配的多个人脸的图片。
例如，在步骤S1中，计算机设备获取样本人脸sample1对应的多维特征向量vector01、样本人脸sample2对应的多维特征向量vector02、样本人脸sample3对应的多维特征向量vector03。在步骤S2中，计算机设备分别将vector01、vector02、vector03与多个图片中的人脸对应的多维特征向量进行匹配，在多个图片中搜索得到：包含与sample1相匹配的人脸的图片为P1、P2、P3、P6，包含与sample2相匹配的人脸的图片为P3、P4、P5、P6，包含与sample1相匹配的人脸的图片为P1、P3、P6、P7；之后，计算机设备将与每个样本人脸对应的、搜索得到的图片进行交集处理，获得图片P3和P6。
2)对于多个图片中的每个图片，计算机设备将多个样本人脸中的每个样本人脸的多维特征向量，与该图片中的人脸对应的多维特征向量进行匹配，当根据匹配结果确定该图片包含与各个样本人脸分别匹配的多个人脸时，将该图片作为搜索得到的图片。
例如，在步骤S1中，计算机设备获取样本人脸sample1对应的多维特征向量vector01、样本人脸sample2对应的多维特征向量vector02、样本人脸sample3对应的多维特征向量vector03。在步骤S2中，对于多个图片中的每个图片，计算机设备分别将vector01、vector02、vector03与该图片中的人脸对应的多维特征向量进行匹配，仅当该图片中分别存在与sample1、sample2、sample3相匹配的人脸时，计算机设备将该图片作为搜索得到的图片。
需要说明的是，本实现方式中，当多个图片中的一个图片的人脸数量小于多个样本人脸的数量时，计算机设备可直接确定该图片不包含与各个样本人脸分别匹配的多个人脸。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何通过将所述多个样本人脸中的每个样本人脸的多维特征向量，与所述多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与各个样本人脸分别匹配的多个人脸的图片的实现方式，均应包含在本发明的范围内。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何通过将所述多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与所述样本人脸相匹配的人脸的图片的实现方式，均应包含在本发明的范围内。
作为本实施例的一种优选方案，根据本实施例的方法还包括步骤S3。
在步骤S3中，计算机设备向用户反馈搜索得到的图片。
其中，所述用户为基于样本人脸来搜索图片的用户。
例如，在步骤S1中，计算机设备获取从用户指定的样本图片中提取样本人脸，并获得该样本人脸对应的多维特征向量vector0；在步骤S2中，计算机设备通过vector0与500个图片中的人脸对应的多维特征向量进行匹配，在该500个图片中搜索得到包含与样本人脸相匹配的人脸的50个图片；在步骤S3中，计算机设备向用户反馈该50个图片。
具体地，计算机设备可采用多种方式向用户反馈搜索得到的图片。
例如，计算机设备为网络设备，该网络设备将搜索得到的图片提供给用户设备，以在用户设备中向用户呈现该等图片。
又例如，计算机设备为用户设备，该用户设备直接将搜索得到的图片呈现给用户。
优选地，步骤S3进一步包括步骤S31。
在步骤S31中，计算机设备向用户反馈搜索得到的图片以及搜索得到的图片的图片属性信息。
其中，搜索得到的图片的图片属性信息包括任何与搜索得到的图片的属性相关的信息。优选地，所述图片属性信息包括：
1)搜索得到的图片的数量。
2)与所述样本人脸相匹配的人脸在搜索得到的图片中的位置信息。
其中，所述位置信息包括任何与相匹配的人脸在该人脸所在图片中的位置相关的信息。优选地，所述位置信息包括但不限于：用于指示相匹配的人脸在该人脸所在图片中所位于的像素点的信息，用于指示相匹配的人脸在该人脸所在图片中的粗略区域的信息等。
需要说明的是，所述位置信息可用于在该等搜索得到的图片中标记出与样本人脸相匹配的人脸。
3)搜索得到的图片中的相匹配的人脸与所述样本人脸的相似度信息。
其中，所述相似度信息可用于对该等搜索得到的图片进行排序。
4)搜索得到的图片的时间信息。
其中，所述时间信息包括任何与搜索得到的图片相关的时间信息，如图片的拍摄时间、上传时间等。
其中，所述时间信息可用于对该等搜索得到的图片进行排序。
需要说明的是，上述图片属性信息仅为举例，本领域技术人员应能理解，任何与搜索得到的图片的属性相关的信息，均应包含在本发明所述的图片属性信息的范围内。
具体地，计算机设备向用户反馈搜索得到的图片以及搜索得到的图片的图片属性信息的实现方式，与计算机设备向用户反馈搜索得到的图片的实现方式相同或者相似，在此不再赘述。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何向用户反馈搜索得到的图片的实现方式，均应包含在本发明的范围内。
作为本实施例的一种优选方案，本实施例的方案还包括以下步骤：计算机设备获取并存储多个图片中的每个人脸对应的多维特征向量。
具体地，对于该多个图片中的每个人脸，计算机设备提取该人脸的多个特征，来生成相应的多维特征向量，并存储该多维特征向量。
优选地，所述多个图片为用户在该计算机设备的、用于该用户的存储空间中所存储的多个图片。优选地，一旦用户在该存储空间中存储图片，计算机设备便获取并存储所述图片中的每个人脸对应的多维特征向量。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何获取并存储多个图片中的每个人脸对应的多维特征向量的实现方式，均应包含在本发明的范围内。
现有技术中，通常仅能简单地通过图像中的人脸直接比对，来进行人脸搜索。然而，这种直接比对人脸的方式，需要消耗大量的计算资源，且比对准确性很低。因此，若采用该种现有技术来进行人脸搜索的方案，则搜索准确性极低，且搜索成本较高，每次搜索需要消耗的网络资源较多。
本发明发现了现有技术中存在的以下问题：1)现有技术中只能在网络上共享的所有图片中来搜索的方案，然而，用户通常仅希望在特定的多个图片(如其个人存储空间中的多个图片)中来搜索包含与样本人脸相匹配的人脸的图片，若采用现有技术的方案则需要消耗大量的网络资源，且搜索准确率极低；2)现有技术中仅能针对具有单个样本人脸进行搜索；3)现有技术中仅能简单地比对该所有图片中的人脸与样本人脸的相似程度，因此，仅当样本人脸能够正面且清晰地(通常样本人脸在样本图片中所占比例较高)被展示的情况下，才可能搜索到较为相似的图片。
根据本实施例的方案，可在用户任意指定的多个图片中来搜索包含与样本人脸相匹配的人脸的图片，从而不需要在网络上共享的所有图片中进行搜索，也无需用户手动在多个图片中进行查找，进而大大提高了搜索效率，且大大减少了网络资源的浪费；并且，样本人脸的多维特征向量能够全面且准确地指示样本人脸的大量特征(如数百个特征)，使得多维特征向量之间的匹配结果更为准确，进而使得能够准确地搜索到包含与样本人脸相似度较高的人脸的图片，而无需要求样本人脸的角度或清晰程度；此外，可针对多个样本人脸(如用户在样本图片中指定的多个样本人脸)，来搜索包含与该多个样本人脸中的每个相匹配的人脸的图片，从而能够更好的满意用户的需求，而不限于仅能针对单个样本人脸进行搜索。
图2为本发明另一个实施例的用于在计算机设备中搜索包含人脸的图片的方法的流程示意图。其中，本实施例的方法主要由计算机设备来实现，参照图1中对计算机设备所作的任何说明，均已引用的方式包含于此。
根据本实施例的方法包括步骤S1和步骤S2，所述步骤S2进一步包括步骤S21和步骤S22。其中，所述步骤S1已在参照图1中予以详述，在此不再赘述。
在步骤S21中，计算机设备计算样本人脸对应的多维特征向量与多个图片中的人脸对应的多维特征向量之间的距离。
其中，计算机设备可采用多种距离算法来计算样本人脸对应的多维特征向量与多个图片中的人脸对应的多维特征向量之间的距离，如欧式距离算法、曼哈顿距离算法等。
具体地，对于多个图片中的每个人脸对应的多维特征向量，计算机设备计算该多维特征向量与样本人脸对应的多维特征向量之间的距离。
需要说明的是，图片中所包含的人脸对应的多维特征向量与样本人脸对应的多维特征向量之间的距离越小，该所包含的人脸与样本人脸越匹配。
在步骤S22中，计算机设备根据所述距离，在该多个图片中确定包含与所述样本人脸相匹配的人脸的图片。
具体地，计算机设备根据所述距离，在该多个图片中确定包含与所述样本人脸相匹配的人脸的图片的实现方式包括但不限于：
a)计算机设备将所述多个图片中，包含的人脸对应的多维特征向量与样本人脸对应的多维特征向量之间的距离小于预定距离阈值的图片，确定为包含与所述样本人脸相匹配的人脸的图片。
例如，预定距离阈值为4，样本人脸对应的多维特征向量为vector0，多个图片中的人脸对应的多维特征向量包括：vector1、vector2、vector3、vector4、vector5；在步骤S21中，计算机设备采用欧氏距离算法计算得到vector0与vector1之间的欧氏距离为4.8，vector0与vector2之间的欧氏距离为3.5，vector0与vector3之间的欧氏距离为3.1，vector0与vector4之间的欧氏距离为5.0，vector0与vector5之间的欧氏距离为2.6，则计算机设备将包含vector2对应的人脸的图片、包含vector3对应的人脸的图片、以及包含vector5对应的人脸的图片，作为搜索得到的包含与样本人脸相匹配的人脸的图片。
b)计算机设备将所述多个图片中，包含的人脸对应的多维特征向量与所述样本人脸对应的多维特征向量之间的距离较小的至少一个图片，确定为包含与所述样本人脸相匹配的人脸的图片。
其中，计算机设备可采用多种方式确定该至少一个图片的数量；例如，根据用户的设置确定需要该至少一个图片的数量；又例如，根据多个图片的数量，以及该至少一个图片占该多个图片的比例，来确定该至少一个图片的数量。
例如，用户设置要搜索2张包含与样本人脸相匹配的人脸的图片，样本人脸对应的多维特征向量为vector0，多个图片中的人脸对应的多维特征向量包括：vector1、vector2、vector3、vector4、vector5；在步骤S21中，计算机设备采用欧氏距离算法计算得到vector0与vector1之间的欧氏距离为4.8，vector0与vector2之间的欧氏距离为3.5，vector0与vector3之间的欧氏距离为3.1，vector0与vector4之间的欧氏距离为5.0，vector0与vector5之间的欧氏距离为2.6，则计算机设备将包含vector5(vector5与vector0之间的欧式距离最小)对应的人脸的图片、以及包含vector3(除vector5之外，vector3与vector0之间的欧式距离最小)对应的人脸的图片，作为搜索得到的包含与样本人脸相匹配的人脸的图片。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何根据所述距离，在该多个图片中确定包含与所述样本人脸相匹配的人脸的图片的实现方式，均应包含在本发明的范围内。
根据本实施例的方案，能够通过计算样本人脸对应的多维特征向量与多个图片中的人脸对应的多维特征向量之间的距离，来确定该多个图片中的人脸与样本人脸的相似程度，从而确定多个图片中的、包含与样本人脸相匹配的人脸的图片。
图3为本发明一个实施例的用于在计算机设备中搜索包含人脸的图片的装置的结构示意图。根据本实施例的用于搜索包含人脸的图片的装置(以下简称为“人脸搜索装置”)包括获取装置1和搜索装置2。
获取装置1获取样本人脸对应的多维特征向量。
其中，所述样本人脸用于表示在搜索图片时被作为样本的人脸；优选地，样本人脸为多个，且每个样本人脸均对应一个多维特征向量。
其中，所述多维特征向量用于指示与样本人脸对应的多个特征，所述特征包括任何与样本人脸相关的特征，如样本人脸中的五官的位置特征(如样本人脸的唇所在的像素点位置等)和形状特征(如样本人脸的唇的轮廓、上下唇的厚度、唇开高度和宽度等)等。
优选地，所述多维特征向量的维数表示样本人脸的特征数量，也即，多维特征向量的每个维度用于指示样本人脸的一个特征。例如，样本人脸对应的多维特征向量为(x1，x2，…，x200)，其中，xi(i＝0，…，200)用于表示样本人脸的第i个特征。
具体地，获取装置1获取样本人脸对应的多维特征向量的实现方式包括但不限于：
1)获取装置1直接获取来自用户或其他设备的、样本人脸对应的多维特征向量。
2)获取装置1进一步包括提取装置(图未示)和子获取装置(图未示)。
提取装置从样本图片中提取样本人脸。
其中，所述样本图片为用户指定的、包含样本人脸的图片。
其中，提取装置可采用多种方式获取样本图片。
例如，计算机设备为网络设备，该网络设备的提取装置接收用户通过用户设备所上传的样本图片，或者，该网络设备的提取装置接收用户通过用户设备发送的指示信息，并根据该指示信息从本地获取样本图片。
又例如，计算机设备为用户设备，该用户设备的提取装置获取用户上传的样本图片，或者，根据用户指示从用户存储在该用户设备的多个图片中获取样本图片。
需要说明的是，优选地，提取装置获取样本图片之后，先对该样本图片进行检测，来确定该样本图片中是否包含人脸；若样本图片中包含人脸，则提取该样本图片中的样本人脸，若该样本图片中不包含人脸，则停止搜索。
具体地，提取装置从样本图片中提取样本人脸的实现方式包括但不限于：
1)提取装置直接提取样本图片中所包含的所有人脸，并将所提取的所有人脸均作为样本人脸。
例如，样本图片中具有一个人脸，提取装置提取该人脸，并将该人脸作为样本人脸。
例如，样本图片中具有三个人脸，提取装置提取该三个人脸，并将该三个人脸均作为样本人脸。
2)样本图片中具有多个人脸，提取装置从该多个人脸中提取用户指定的至少一个人脸。
例如，样本图片中具有三个人脸，提取装置从用户在该样本图片中标记的位置区域内提取用户指定的一个人脸，并将该提取出的人脸作为样本人脸。
子获取装置获取样本人脸对应的多维特征向量。
具体地，子获取装置可采用多种方式获取样本人脸对应的多维特征向量。
例如，子获取装置提取出该样本人脸的多个特征，并根据该多个特征生成相应的多维特征向量。
又例如，当计算机设备中预先存储有该样本人脸对应的多维特征向量时，计算机设备的子获取装置可直接从本地读取该样本人脸对应的多维特征向量。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何获取样本人脸对应的多维特征向量的实现方式，均应包含在本发明的范围内。
搜索装置2通过将所述多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与所述样本人脸相匹配的人脸的图片。
其中，所述多个图片包括但不限于：计算机设备中本地存储的多个图片、网络中的多个图片等。优选地，所述多个图片为用户在该计算机设备的、用于该用户的存储空间中所存储的多个UGC(User Generated Content，用户生成内容)图片。更优选地，样本人脸为多个图片中的一个人脸。
需要说明的是，优选地，所述计算机设备中预先存储有该多个图片中的人脸对应的多维特征向量。
具体地，搜索装置2通过将所述多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与所述样本人脸相匹配的人脸的图片的实现方式包括但不限于：
1)搜索装置2通过基于相似性函数法计算样本人脸对应的多维特征向量与多个图片中的人脸对应的多维特征向量之间的相似度，来在该多个图片中搜索包含与样本人脸相匹配的人脸的图片。
其中，所述相似性函数法包括任何与相似系数相关的算法，如夹角余弦法、相关系数法、Jaccard系数法等。
例如，多个图片中的人脸对应的多维特征向量包括：vector1、vector2、vector3、vector4、vector5。获取装置1获取样本人脸对应的多维特征向量vector0；搜索装置2采用相关系数法计算得到vector0与vector1之间的相关系数为0.3，vector0与vector2之间的相关系数为0.6，vector0与vector3之间的相关系数为0.9，vector0与vector4之间的相关系数为1，vector0与vector5之间的相关系数为0.5，则搜索装置2将包含vector3对应的人脸的图片、以及包含vector4对应的人脸的图片，作为搜索得到的包含与样本人脸相匹配的人脸的图片，其中，相关系数法中，两个向量之间的相关系数越接近1，表示该两个向量越相似。
2)计算机设备计算样本人脸对应的多维特征向量与多个图片中的人脸对应的多维特征向量之间的距离；并且，计算机设备根据所述距离，在该多个图片中确定包含与所述样本人脸相匹配的人脸的图片。本实现方式将在后续实施例中予以详述，在此不再赘述。
作为搜索装置2的一种优选方案，样本人脸为多个，且每个样本人脸均对应一个多维特征向量，所述搜索装置2进一步包括子搜索装置(图未示)。子搜索装置通过将所述多个样本人脸中的每个样本人脸的多维特征向量，与所述多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与各个样本人脸分别匹配的多个人脸的图片。
其中，所述包含与各个样本人脸分别匹配的多个人脸的图片用于指示：该多个样本人脸中的每个样本人脸均匹配该图片中的一个人脸，且每个样本人脸所匹配的人脸不同。
具体地，子搜索装置通过将所述多个样本人脸中的每个样本人脸的多维特征向量，与所述多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与各个样本人脸分别匹配的多个人脸的图片的实现方式包括：
1)对于多个样本人脸中的每个样本人脸的多维特征向量，子搜索装置将该多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在该多个图片中搜索包含与该样本人脸相匹配的人脸的图片；之后，子搜索装置将与每个样本人脸对应的、搜索得到的图片，进行交集处理，来获得包含与各个样本人脸分别匹配的多个人脸的图片。
例如，获取装置1获取样本人脸sample1对应的多维特征向量vector01、样本人脸sample2对应的多维特征向量vector02、样本人脸sample3对应的多维特征向量vector03。子搜索装置分别将vector01、vector02、vector03与多个图片中的人脸对应的多维特征向量进行匹配，在多个图片中搜索得到：包含与sample1相匹配的人脸的图片为P1、P2、P3、P6，包含与sample2相匹配的人脸的图片为P3、P4、P5、P6，包含与sample1相匹配的人脸的图片为P1、P3、P6、P7；之后，子搜索装置将与每个样本人脸对应的、搜索得到的图片进行交集处理，获得图片P3和P6。
2)对于多个图片中的每个图片，子搜索装置将多个样本人脸中的每个样本人脸的多维特征向量，与该图片中的人脸对应的多维特征向量进行匹配，当根据匹配结果确定该图片包含与各个样本人脸分别匹配的多个人脸时，将该图片作为搜索得到的图片。
例如，获取装置1获取样本人脸sample1对应的多维特征向量vector01、样本人脸sample2对应的多维特征向量vector02、样本人脸sample3对应的多维特征向量vector03。对于多个图片中的每个图片，子搜索装置分别将vector01、vector02、vector03与该图片中的人脸对应的多维特征向量进行匹配，仅当该图片中分别存在与sample1、sample2、sample3相匹配的人脸时，子搜索装置将该图片作为搜索得到的图片。
需要说明的是，本实现方式中，当多个图片中的一个图片的人脸数量小于多个样本人脸的数量时，子搜索装置可直接确定该图片不包含与各个样本人脸分别匹配的多个人脸。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何通过将所述多个样本人脸中的每个样本人脸的多维特征向量，与所述多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与各个样本人脸分别匹配的多个人脸的图片的实现方式，均应包含在本发明的范围内。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何通过将所述多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与所述样本人脸相匹配的人脸的图片的实现方式，均应包含在本发明的范围内。
作为本实施例的一种优选方案，根据本实施例的人脸搜索装置还包括反馈装置(图未示)。
反馈装置向用户反馈搜索得到的图片。
其中，所述用户为基于样本人脸来搜索图片的用户。
例如，获取装置1获取从用户指定的样本图片中提取样本人脸，并获得该样本人脸对应的多维特征向量vector0；搜索装置2通过vector0与500个图片中的人脸对应的多维特征向量进行匹配，在该500个图片中搜索得到包含与样本人脸相匹配的人脸的50个图片；反馈装置向用户反馈该50个图片。
具体地，反馈装置可采用多种方式向用户反馈搜索得到的图片。
例如，计算机设备为网络设备，该网络设备的反馈装置将搜索得到的图片提供给用户设备，以在用户设备中向用户呈现该等图片。
又例如，计算机设备为用户设备，该用户设备的反馈装置直接将搜索得到的图片呈现给用户。
优选地，反馈装置进一步包括子反馈装置(图未示)。
子反馈装置向用户反馈搜索得到的图片以及搜索得到的图片的图片属性信息。
其中，搜索得到的图片的图片属性信息包括任何与搜索得到的图片的属性相关的信息。优选地，所述图片属性信息包括：
1)搜索得到的图片的数量。
2)与所述样本人脸相匹配的人脸在搜索得到的图片中的位置信息。
其中，所述位置信息包括任何与相匹配的人脸在该人脸所在图片中的位置相关的信息。优选地，所述位置信息包括但不限于：用于指示相匹配的人脸在该人脸所在图片中所位于的像素点的信息，用于指示相匹配的人脸在该人脸所在图片中的粗略区域的信息等。
需要说明的是，所述位置信息可用于在该等搜索得到的图片中标记出与样本人脸相匹配的人脸。
3)搜索得到的图片中的相匹配的人脸与所述样本人脸的相似度信息。
其中，所述相似度信息可用于对该等搜索得到的图片进行排序。
4)搜索得到的图片的时间信息。
其中，所述时间信息包括任何与搜索得到的图片相关的时间信息，如图片的拍摄时间、上传时间等。
其中，所述时间信息可用于对该等搜索得到的图片进行排序。
需要说明的是，上述图片属性信息仅为举例，本领域技术人员应能理解，任何与搜索得到的图片的属性相关的信息，均应包含在本发明所述的图片属性信息的范围内。
具体地，子反馈装置向用户反馈搜索得到的图片以及搜索得到的图片的图片属性信息的实现方式，与反馈装置向用户反馈搜索得到的图片的实现方式相同或者相似，在此不再赘述。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何向用户反馈搜索得到的图片的实现方式，均应包含在本发明的范围内。
作为本实施例的一种优选方案，本实施例的人脸搜索装置还包括存储装置(图未示)。存储装置获取并存储多个图片中的每个人脸对应的多维特征向量。
具体地，对于该多个图片中的每个人脸，存储装置提取该人脸的多个特征，来生成相应的多维特征向量，并存储该多维特征向量。
优选地，所述多个图片为用户在该计算机设备的、用于该用户的存储空间中所存储的多个图片。优选地，一旦用户在该存储空间中存储图片，存储装置便获取并存储所述图片中的每个人脸对应的多维特征向量。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何获取并存储多个图片中的每个人脸对应的多维特征向量的实现方式，均应包含在本发明的范围内。
现有技术中，通常仅能简单地通过图像中的人脸直接比对，来进行人脸搜索。然而，这种直接比对人脸的方式，需要消耗大量的计算资源，且比对准确性很低。因此，若采用该种现有技术来进行人脸搜索的方案，则搜索准确性极低，且搜索成本较高，每次搜索需要消耗的网络资源较多。
本发明发现了现有技术中存在的以下问题：1)现有技术中只能在网络上共享的所有图片中来搜索的方案，然而，用户通常仅希望在特定的多个图片(如其个人存储空间中的多个图片)中来搜索包含与样本人脸相匹配的人脸的图片，若采用现有技术的方案则需要消耗大量的网络资源，且搜索准确率极低；2)现有技术中仅能针对具有单个样本人脸进行搜索；3)现有技术中仅能简单地比对该所有图片中的人脸与样本人脸的相似程度，因此，仅当样本人脸能够正面且清晰地(通常样本人脸在样本图片中所占比例较高)被展示的情况下，才可能搜索到较为相似的图片。
根据本实施例的方案，可在用户任意指定的多个图片中来搜索包含与样本人脸相匹配的人脸的图片，从而不需要在网络上共享的所有图片中进行搜索，也无需用户手动在多个图片中进行查找，进而大大提高了搜索效率，且大大减少了网络资源的浪费；并且，样本人脸的多维特征向量能够全面且准确地指示样本人脸的大量特征(如数百个特征)，使得多维特征向量之间的匹配结果更为准确，进而使得能够准确地搜索到包含与样本人脸相似度较高的人脸的图片，而无需要求样本人脸的角度或清晰程度；此外，可针对多个样本人脸(如用户在样本图片中指定的多个样本人脸)，来搜索包含与该多个样本人脸中的每个相匹配的人脸的图片，从而能够更好的满意用户的需求，而不限于仅能针对单个样本人脸进行搜索。
图4为本发明另一个实施例的用于在计算机设备中搜索包含人脸的图片的装置的结构示意图。根据本实施例的人脸搜索装置包括获取装置1和搜索装置2；所述搜索装置2进一步包括计算装置21和确定装置22。其中，所述获取装置1已在参照图3中予以详述，在此不再赘述。
计算装置21计算样本人脸对应的多维特征向量与多个图片中的人脸对应的多维特征向量之间的距离。
其中，计算装置21可采用多种距离算法来计算样本人脸对应的多维特征向量与多个图片中的人脸对应的多维特征向量之间的距离，如欧式距离算法、曼哈顿距离算法等。
具体地，对于多个图片中的每个人脸对应的多维特征向量，计算装置21计算该多维特征向量与样本人脸对应的多维特征向量之间的距离。
需要说明的是，图片中所包含的人脸对应的多维特征向量与样本人脸对应的多维特征向量之间的距离越小，该所包含的人脸与样本人脸越匹配。
确定装置22根据所述距离，在该多个图片中确定包含与所述样本人脸相匹配的人脸的图片。
具体地，确定装置22根据所述距离，在该多个图片中确定包含与所述样本人脸相匹配的人脸的图片的实现方式包括但不限于：
a)确定装置22进一步包括第一子确定装置(图未示)。第一子确定装置将所述多个图片中，包含的人脸对应的多维特征向量与样本人脸对应的多维特征向量之间的距离小于预定距离阈值的图片，确定为包含与所述样本人脸相匹配的人脸的图片。
例如，预定距离阈值为4，样本人脸对应的多维特征向量为vector0，多个图片中的人脸对应的多维特征向量包括：vector1、vector2、vector3、vector4、vector5；计算装置采用欧氏距离算法计算得到vector0与vector1之间的欧氏距离为4.8，vector0与vector2之间的欧氏距离为3.5，vector0与vector3之间的欧氏距离为3.1，vector0与vector4之间的欧氏距离为5.0，vector0与vector5之间的欧氏距离为2.6，则第一子确定装置将包含vector2对应的人脸的图片、包含vector3对应的人脸的图片、以及包含vector5对应的人脸的图片，作为搜索得到的包含与样本人脸相匹配的人脸的图片。
b)确定装置22进一步包括第二子确定装置(图未示)。第二子确定装置将所述多个图片中，包含的人脸对应的多维特征向量与所述样本人脸对应的多维特征向量之间的距离较小的至少一个图片，确定为包含与所述样本人脸相匹配的人脸的图片。
其中，第二子确定装置可采用多种方式确定该至少一个图片的数量；例如，根据用户的设置确定需要该至少一个图片的数量；又例如，根据多个图片的数量，以及该至少一个图片占该多个图片的比例，来确定该至少一个图片的数量。
例如，用户设置要搜索2张包含与样本人脸相匹配的人脸的图片，样本人脸对应的多维特征向量为vector0，多个图片中的人脸对应的多维特征向量包括：vector1、vector2、vector3、vector4、vector5；计算装置采用欧氏距离算法计算得到vector0与vector1之间的欧氏距离为4.8，vector0与vector2之间的欧氏距离为3.5，vector0与vector3之间的欧氏距离为3.1，vector0与vector4之间的欧氏距离为5.0，vector0与vector5之间的欧氏距离为2.6，则第二子确定装置将包含vector5(vector5与vector0之间的欧式距离最小)对应的人脸的图片、以及包含vector3(除vector5之外，vector3与vector0之间的欧式距离最小)对应的人脸的图片，作为搜索得到的包含与样本人脸相匹配的人脸的图片。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何根据所述距离，在该多个图片中确定包含与所述样本人脸相匹配的人脸的图片的实现方式，均应包含在本发明的范围内。
根据本实施例的方案，能够通过计算样本人脸对应的多维特征向量与多个图片中的人脸对应的多维特征向量之间的距离，来确定该多个图片中的人脸与样本人脸的相似程度，从而确定多个图片中的、包含与样本人脸相匹配的人脸的图片。
需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实施，例如，本发明的各个装置可采用专用集成电路(ASIC)或任何其他类似硬件设备来实现。在一个实施例中，本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (16)
1.一种用于在计算机设备中搜索包含人脸的图片的方法，其中，该方法包括：
获取样本人脸对应的多维特征向量，其中，所述多维特征向量包括与所述样本人脸相关的形状特征；
通过将所述多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与所述样本人脸相匹配的人脸的图片；
其中，该方法还包括：
向用户反馈搜索得到的图片以及搜索得到的图片的图片属性信息；其中，所述图片属性信息包括与所述样本人脸相匹配的人脸在搜索得到的图片中的位置信息，和/或，搜索得到的图片中的相匹配的人脸与所述样本人脸的相似度信息。
2.根据权利要求1所述的方法，其中，搜索包含与样本人脸相匹配的人脸的图片的步骤包括：
计算所述多维特征向量与所述多个图片中的人脸对应的多维特征向量之间的距离；
根据所述距离，在所述多个图片中确定包含与所述样本人脸相匹配的人脸的图片。
3.根据权利要求2所述的方法，其中，根据所述距离确定所述对应的图片的步骤包括：
将所述多个图片中，包含的人脸对应的多维特征向量与所述样本人脸对应的多维特征向量之间的距离小于预定距离阈值的图片，确定为包含与所述样本人脸相匹配的人脸的图片。
4.根据权利要求2所述的方法，其中，根据所述距离确定至少一个图片的步骤包括：
将所述多个图片中，包含的人脸对应的多维特征向量与所述样本人脸对应的多维特征向量之间的距离较小的至少一个图片，确定为包含与所述样本人脸相匹配的人脸的图片。
5.根据权利要求1所述的方法，其中，所述样本人脸为多个，且每个样本人脸均对应一个多维特征向量，搜索包含与样本人脸相匹配的人脸的图片的步骤包括：
通过将所述多个样本人脸中的每个样本人脸的多维特征向量，与所述多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与各个样本人脸分别匹配的多个人脸的图片。
6.根据权利要求1至5中任一项所述的方法，其中，获取样本人脸对应的多维特征向量的步骤包括：
从样本图片中提取样本人脸；
获取样本人脸对应的多维特征向量。
7.根据权利要求1所述的方法，其中，所述图片属性信息还包括以下至少一项：
-搜索得到的图片的数量；
-搜索得到的图片的时间信息。
8.根据权利要求1至5中任一项所述的方法，其中，该方法还包括：
获取并存储所述多个图片中的每个人脸对应的多维特征向量。
9.一种用于在计算机设备中搜索包含人脸的图片的装置，其中，该装置包括：
获取装置，用于获取样本人脸对应的多维特征向量，其中，所述多维特征向量包括与所述样本人脸相关的形状特征；
搜索装置，用于通过将所述多维特征向量与多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与所述样本人脸相匹配的人脸的图片；
其中，该装置还包括：
反馈装置，用于向用户反馈搜索得到的图片以及搜索得到的图片的图片属性信息；其中，所述图片属性信息包括与所述样本人脸相匹配的人脸在搜索得到的图片中的位置信息，和/或，搜索得到的图片中的相匹配的人脸与所述样本人脸的相似度信息。
10.根据权利要求9所述的装置，其中，所述搜索装置包括：
计算装置，用于计算所述多维特征向量与所述多个图片中的人脸对应的多维特征向量之间的距离；
确定装置，用于根据所述距离，在所述多个图片中确定包含与所述样本人脸相匹配的人脸的图片。
11.根据权利要求10所述的装置，其中，所述确定装置包括：
第一子确定装置，用于将所述多个图片中，包含的人脸对应的多维特征向量与所述样本人脸对应的多维特征向量之间的距离小于预定距离阈值的图片，确定为包含与所述样本人脸相匹配的人脸的图片。
12.根据权利要求10所述的装置，其中，所述确定装置包括：
第二子确定装置，用于将所述多个图片中，包含的人脸对应的多维特征向量与所述样本人脸对应的多维特征向量之间的距离较小的至少一个图片，确定为包含与所述样本人脸相匹配的人脸的图片。
13.根据权利要求9所述的装置，其中，所述样本人脸为多个，且每个样本人脸均对应一个多维特征向量，所述搜索装置包括：
子搜索装置，用于通过将所述多个样本人脸中的每个样本人脸的多维特征向量，与所述多个图片中的人脸对应的多维特征向量进行匹配，来在所述多个图片中搜索包含与各个样本人脸分别匹配的多个人脸的图片。
14.根据权利要求9至13中任一项所述的装置，其中，所述获取装置包括：
提取装置，用于从样本图片中提取样本人脸；
子获取装置，用于获取样本人脸对应的多维特征向量。
15.根据权利要求9所述的装置，其中，所述图片属性信息还包括以下至少一项：
-搜索得到的图片的数量；
-搜索得到的图片的时间信息。
16.根据权利要求9至13中任一项所述的装置，其中，该装置还包括：
存储装置，用于获取并存储所述多个图片中的每个人脸对应的多维特征向量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510213855.7A CN104850600B (zh) | 2015-04-29 | 2015-04-29 | 一种用于搜索包含人脸的图片的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510213855.7A CN104850600B (zh) | 2015-04-29 | 2015-04-29 | 一种用于搜索包含人脸的图片的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104850600A CN104850600A (zh) | 2015-08-19 |
| CN104850600B true CN104850600B (zh) | 2019-05-28 |
Family
ID=53850245
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510213855.7A Active CN104850600B (zh) | 2015-04-29 | 2015-04-29 | 一种用于搜索包含人脸的图片的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104850600B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106649538A (zh) * | 2016-10-26 | 2017-05-10 | 北京旷视科技有限公司 | 人脸搜索的方法及装置 |
| CN108121943B (zh) | 2016-11-30 | 2022-05-06 | 阿里巴巴集团控股有限公司 | 基于图片的判别方法及装置和计算设备 |
| CN108073724A (zh) * | 2018-01-04 | 2018-05-25 | 百度在线网络技术（北京）有限公司 | 用于生成信息的方法和装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103646120A (zh) * | 2013-12-27 | 2014-03-19 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
| CN103824051A (zh) * | 2014-02-17 | 2014-05-28 | 北京旷视科技有限公司 | 一种基于局部区域匹配的人脸搜索方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100464332C (zh) * | 2007-03-20 | 2009-02-25 | 北京中星微电子有限公司 | 一种图片查询方法及系统 |
| US20110188713A1 (en) * | 2008-07-16 | 2011-08-04 | Imprezzeo Pty Ltd | Facial image recognition and retrieval |
| CN101510257B (zh) * | 2009-03-31 | 2011-08-10 | 华为技术有限公司 | 一种人脸相似度匹配方法及装置 |
| CN102385578A (zh) * | 2010-08-27 | 2012-03-21 | 腾讯科技（深圳）有限公司 | 图片搜索的方法和装置 |
| CN104346370B (zh) * | 2013-07-31 | 2018-10-23 | 阿里巴巴集团控股有限公司 | 图像搜索、获取图像文本信息的方法及装置 |
| CN103514441B (zh) * | 2013-09-21 | 2017-02-15 | 南京信息工程大学 | 基于移动平台的人脸特征点定位跟踪方法 |
| CN103793697B (zh) * | 2014-02-17 | 2018-05-01 | 北京旷视科技有限公司 | 一种人脸图像的身份标注方法及人脸身份识别方法 |
| CN104036261B (zh) * | 2014-06-30 | 2017-03-29 | 北京奇虎科技有限公司 | 人脸识别方法和系统 |
-
2015
- 2015-04-29 CN CN201510213855.7A patent/CN104850600B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103646120A (zh) * | 2013-12-27 | 2014-03-19 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
| CN103824051A (zh) * | 2014-02-17 | 2014-05-28 | 北京旷视科技有限公司 | 一种基于局部区域匹配的人脸搜索方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104850600A (zh) | 2015-08-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108229322B (zh) | 基于视频的人脸识别方法、装置、电子设备及存储介质 | |
| KR101856120B1 (ko) | 이미지로부터 상가 발견 | |
| CN105243060B (zh) | 一种检索图片的方法及装置 | |
| US8775401B2 (en) | Shape based picture search | |
| US11636610B2 (en) | Determining multiple camera positions from multiple videos | |
| CN103608826B (zh) | 利用网络信息挖掘的视频内产品注释 | |
| CN105493078B (zh) | 彩色草图图像搜索 | |
| CN105069424B (zh) | 面部快速识别系统和方法 | |
| CN103988202A (zh) | 基于索引和搜索的图像吸引力 | |
| US9081822B2 (en) | Discriminative distance weighting for content-based retrieval of digital pathology images | |
| CN108228684B (zh) | 聚类模型的训练方法、装置、电子设备和计算机存储介质 | |
| CN109977824B (zh) | 物品取放识别方法、装置及设备 | |
| CN109961472B (zh) | 3d热力图生成的方法、系统、存储介质及电子设备 | |
| CN108229289B (zh) | 目标检索方法、装置和电子设备 | |
| US20190347289A1 (en) | Establishment anchoring with geolocated imagery | |
| JP2017182628A (ja) | 拡張現実ユーザインタフェース適用装置および制御方法 | |
| CN104850600B (zh) | 一种用于搜索包含人脸的图片的方法和装置 | |
| CN105229700B (zh) | 用于从多个连续拍摄图像提取峰图像的设备和方法 | |
| CN104866818B (zh) | 一种用于搜索包含人脸的图片的方法和装置 | |
| WO2021196551A1 (zh) | 图像检索方法、装置、计算机设备和存储介质 | |
| KR20150101846A (ko) | 스케치를 기반으로 하는 영상 분류 서비스 시스템, 사용자 장치, 서비스 제공 장치, 그 서비스 방법 및 컴퓨터 프로그램이 기록된 기록매체 | |
| CN109657143B (zh) | 展品信息的推送方法、装置、设备和存储介质 | |
| CN103886031A (zh) | 浏览图像的方法和设备 | |
| JP6267031B2 (ja) | 表示形態決定装置、表示形態を決定する方法およびプログラム | |
| CN115205555B (zh) | 确定相似图像的方法、训练方法、信息确定方法及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |