CN106649538A - 人脸搜索的方法及装置 - Google Patents

Abstract

本发明实施例提供了一种人脸搜索的方法，包括：获取目标人脸图像和搜索条件；从人脸底库中获取与所述目标人脸图像匹配的至少一个人脸数据；判断所述至少一个人脸数据是否满足所述搜索条件；以及根据所述判断的结果确定输出。可见，本发明实施例中，定义了人脸数据的属性信息，从而能够根据目标人脸图像和搜索条件进行人脸搜索，由于搜索的维度增加，这样不仅能够提高搜索的精度，而且能够保证搜索结果的可靠性。

Description

人脸搜索的方法及装置

技术领域

本发明涉及人脸识别领域，更具体地涉及一种人脸搜索的方法及装置。

背景技术

现有搜索引擎技术基本是基于倒排索引的，即对数据先进行预处理并建立索引，再通过匹配索引的方式来获取搜索结果。在这种搜索方式中，可以直接判定搜索的关键词与索引是否相等。

现阶段的人脸识别技术中，搜索的基本原理都是利用特征向量进行比对，通过神经网络或者模式识别，将人脸抽象成一个高维向量，两个向量间的距离越小代表人脸的相似度越高。首先数据没有办法直接判定是否相等，其次搜索人脸底库的过程需要将底库中的所有人脸特征向量都加载到内存里参与运算，传统的数据索引方式无法使用，因此现有人脸识别系统大都只能根据人脸相似度维度进行搜索，导致搜索的结果可靠性较低。

发明内容

考虑到上述问题而提出了本发明。本发明提供了一种人脸搜索的方法，能够基于多个维度进行人脸搜索，提高了搜索结果的可靠性。

根据本发明的第一方面，提供了一种人脸搜索的方法，包括：

获取目标人脸图像和搜索条件；

从人脸底库中获取与所述目标人脸图像匹配的至少一个人脸数据；

判断所述至少一个人脸数据是否满足所述搜索条件；以及

根据所述判断的结果确定输出。

示例性地，所述根据所述判断的结果确定输出，包括：若所述至少一个人脸数据中存在满足所述搜索条件的人脸数据，则确定所述输出包括所述满足所述搜索条件的人脸数据；以及若所述至少一个人脸数据均不满足所述搜索条件，则确定所述输出为空。

示例性地，在所述方法之前，还包括：建立所述人脸底库，其中，所述人脸底库包括多个人脸数据，且每个人脸数据均具有属性信息。

示例性地，所述判断所述至少一个人脸数据是否满足所述搜索条件，包括：判断所述至少一个人脸数据的属性信息是否满足所述搜索条件。

示例性地，所述属性信息表示为二进制数据格式，且所述属性信息包括以下至少一项：库名、性别、出生年份、地区和民族。

示例性地，所述人脸数据包括人脸特征向量。

根据本发明的第二方面，提供了一种人脸搜索的装置，包括：

获取模块，用于获取目标人脸图像和搜索条件；

匹配模块，用于从人脸底库中获取与所述目标人脸图像匹配的至少一个人脸数据；

判断模块，用于判断所述至少一个人脸数据是否满足所述搜索条件；以及

确定模块，用于根据所述判断的结果确定输出。

该装置能够用于实现前述第一方面所述的人脸搜索的方法。

根据本发明的第三方面，提供了一种计算机芯片，该计算机芯片包括处理器，当该处理器执行代码时，能够实现前述第一方面所述的人脸搜索的方法。

由此可见，本发明实施例中，定义了人脸数据的属性信息，从而能够根据目标人脸图像和搜索条件进行人脸搜索，由于搜索的维度增加，这样不仅能够提高搜索的精度，而且能够保证搜索结果的可靠性。

附图说明

通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是本发明实施例的电子设备的一个示意性框图；

图2是本发明实施例的人脸搜索的方法的一个示意性流程图；

图3是本发明实施例的人脸搜索的方法的另一个示意性流程图；

图4是本发明实施例的建立人脸底库的方法的一个示意性流程图；

图5是本发明实施例的人脸搜索的装置的一个示意性框图；

图6是本发明实施例的人脸搜索的装置的另一个示意性框图。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。

人脸识别技术是安防行业的一项重要技术，而进行准确快速的人脸搜索是人脸识别技术的基础。本发明实施例所提出的人脸搜索的方法，既考虑人脸的相似度维度，同时又结合人脸的其他属性信息，从而能够更加准确快速地实现人脸搜索。

图1所示为本发明实施例的电子设备的一个示意性框图。图1所示的电子设备10包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108、图像传感器110以及一个或多个非图像传感器114，这些组件通过总线系统112和/或其它形式互连。应当注意，图1所示的电子设备10的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构。

所述处理器102可以包括CPU 1021和GPU 1022或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制所述电子设备10中的其它组件以执行期望的功能。

所述存储装置104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器1041和/或非易失性存储器1042。所述易失性存储器1041例如可以包括随机存取存储器(Random Access Memory，RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器1042例如可以包括只读存储器(Read-Only Memory，ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所述程序指令，以实现各种期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。

所述输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。

所述输出装置108可以向外部(例如用户)输出各种信息(例如图像或声音)，并且可以包括显示器、扬声器等中的一个或多个。

所述图像传感器110可以拍摄用户期望的图像(例如照片、视频等)，并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。

示例性地，该电子设备10可以被实现为诸如智能手机、平板电脑、门禁系统的图像采集端等。

本发明实施例中，定义了人脸的属性信息。可选地，人脸的属性信息也可以称为人脸自定义属性或人脸附加属性等，这里不作限定。该属性信息可以包括以下至少一项：库名、性别、出生年份、地区和民族。另外，属性信息还可以包括其他的一个或多个与人脸相关的属性，这里不再一一罗列。

可选地，属性信息可以具有自定义的属性格式，举例来说，可以表示为二进制数据格式，例如，可以用8-32字节的二进制数据表示，这样可以在追求性能的前提下，节省存储的空间。

下述实施例中，假设属性信息包括库名、性别、出生年份、地区和民族，且可以将库名表示为R，用于表示在底库中的分库名，举例来说，R＝1表示常住人口库，R＝2表示暂住人口库等等。可以将性别表示为X，举例来说，X＝0表示未知性别，X＝1表示男性，X＝2表示女性。可以将出生年份表示为N，举例来说，N＝1980。可以将地区表示为S，举例来说，S＝1表示北京，S＝2表示天津，…，S＝200表示河北等等。可以将民族表示为M，举例来说，M＝1表示汉族，M＝2表示满族，M＝3表示回族等等。

属性信息可以表示为包括8字节的二进制数据，其中，库名占用一个字节，性别占用一个字节，出生年份占用2个字节，地区占用2个字节，民族占用一个字节。举例来说，属性信息可以存储为8字节长度的属性字段“RXMSSNN0”，其中最后一个字节表示为0，为预留字节。可理解，属性信息也可以表示为16字节或其他数量字节的二进制数据，其包括9个字节或其他数量字节的预留，从而便于对属性信息进行扩展定义。关于属性信息的描述可以参见如下的表一所示。

表一

本发明实施例的人脸搜索的方法是以上述所定义的属性信息为基础的。如图2所示，是本发明实施例的人脸搜索的方法的一个示意性流程图，图2所示的方法包括：

S101，获取目标人脸图像和搜索条件。

具体地，可以通过图1中的电子设备的输入装置106输入该目标人脸图像和搜索条件，也就是说，S101可以从输入装置106获取目标人脸图像和搜索条件。

可选地，目标人脸图像也可以称为待搜索人脸图像或者待匹配人脸图像等，本发明对此不限定。

可选地，搜索条件也可以称为属性搜索范围等。可以用于表示目标人脸图像的属性信息的范围。

举例来说，搜索条件为：R＝1,2&X＝0,1&N＝1970-1990&S＝200&M＝1,2。表示该方法的搜索结果需同时满足：(1)位于分库1或2中；(2)性别为未知或男性；(3)出生年份在1970至1990之间(包括1970和1990)；(4)地区为河北；(5)民族为汉族或满族。

可见，其中，R、X、S和M可以通过枚举的形式列出，N可以通过范围的形式表示。其中，枚举查询可以用英文逗号分隔，范围查询可以用英文横线分隔开始值与结束值(或称为范围的最小值与最大值)。然而，应当理解，本发明实施例中的搜索条件也可以通过其他的形式进行表示，这里不再一一列举。

应注意，尽管上述的例子示出了搜索条件包括库名、性别、出生年份、地区和民族中的全部，可理解，搜索条件也可以包括库名、性别、出生年份、地区和民族中的部分，此时可以认为搜索条件对未包括的属性信息不限定。例如，搜索条件表示为X＝0,1&N＝1970-1990，即只包括性别和出生年份的范围，而对R、S和M的范围没有要求。

S102，从人脸底库中获取与所述目标人脸图像匹配的至少一个人脸数据。

其中，人脸底库包括多个人脸数据，人脸数据包括人脸特征向量。具体地，可以搜索该人脸底库，进行人脸相似度比对，从而从多个人脸数据中找到至少一个人脸数据，且该至少一个人脸数据与目标人脸图像匹配。

可选地，作为一种实现方式，S102包括：计算目标人脸图像的特征向量；基于该特征向量与所述人脸底库中的多个人脸数据的人脸特征进行相似度比对；将相似度不小于(大于或等于)预设的阈值的人脸数据确定为与目标人脸图像匹配的人脸数据。

即S102的匹配结果为至少一个人脸数据，若某人脸数据与目标人脸图像的相似度不小于预设的阈值，则将该人脸数据作为匹配结果；若某人脸数据与目标人脸图像的相似度小于预设的阈值，则将该人脸数据丢弃。应理解，这里的丢弃是指不将该人脸数据作为匹配结果，而并不表示将该人脸数据从底库删除。

可选地，作为另一种实现方式，S102包括：计算目标人脸图像的特征向量；计算所述人脸底库中的多个人脸数据的特征向量与目标人脸图像的特征向量之间的距离，并将该距离小于预设的距离阈值的人脸数据确定为与目标人脸图像匹配的人脸数据。以人脸底库中的人脸数据A为例，如果人脸数据A的特征向量与目标人脸图像的特征向量之间的距离(两者做差再求模)小于预设的距离阈值，则该人脸数据A为S102所确定的至少一个人脸数据之一。

在S102中，可以将人脸底库中的多个人脸数据逐一地与目标人脸图像进行比对。

应理解，若S102中找到的目标人脸图像匹配的人脸数据为空，则该搜索过程结束，无需再执行下面的S103。如图3所示，在S1021中，判断是否能够找到与目标人脸图像匹配的至少一个人脸数据，如果是，则执行S103；如果否，则结束。“结束”可以不呈现输出，或输出“搜索失败”、“不存在对应的人脸数据”等。这里的输出为空是指输出不包括任何人脸数据。

S103，判断所述至少一个人脸数据是否满足所述搜索条件。

其中，人脸底库包括多个人脸数据，且每个人脸数据均具有各自的属性信息。

具体地，判断至少一个人脸数据的属性信息是否满足所述搜索条件。

例如，可以从属性字段中获取人脸数据的属性信息，并利用属性判断函数判断至少一个人脸数据的属性信息是否属于搜索条件所限定的范围。属性判断函数本质上是一个c函数，可以通过解析至少一个人脸数据的具有二进制数据格式的属性信息，以判断该属性信息是否在搜索条件所限定的搜索范围之内。例如，通过解析，获取人脸数据的属性信息中的各个字段，并将各个字段与搜索条件中的对应的字段进行比对，从而确定该属性信息是否在搜索条件所限定的搜索范围之内，以判断所述人脸数据是否满足所述搜索条件。

在S103中，可以将至少一个人脸数据逐一地与搜索条件进行判断。

S104，根据所述判断的结果确定输出。

具体地，若所述至少一个人脸数据中存在满足所述搜索条件的人脸数据，则所述输出包括所述满足所述搜索条件的人脸数据；以及若所述至少一个人脸数据均不满足所述搜索条件，则所述输出为空。例如，输出为空可以指输出不包括任何人脸数据。

也就是说，将S103中满足搜索条件的人脸数据作为结果，通过输出设备进行输出。例如，呈现在液晶显示屏上或通过打印机输出等。如果不存在满足搜索条件的人脸数据，则结束搜索的过程。如图3所示，若S103的判断结果为是，则执行输出；若判断结果为否，则结束。“结束”可以不呈现输出，或输出“搜索失败”、“不存在对应的人脸数据”等。这里的输出为空是指输出不包括任何人脸数据。

以人脸底库中的人脸数据A为例，根据上述所述定义的属性信息的二进制数据格式“RXMSSNN0”，从相应的属性字段中获取人脸数据A的属性信息为：01000200C807C400，其中，该属性信息可以按照十六进制表示，且每两位代表一个字节。

那么，可以根据01000200C807C400确定人脸数据A的属性信息如下：

库名R＝01(十六进制)＝1(十进制)，

性别X＝00(十六进制)＝0(十进制)，

民族M＝02(十六进制)＝2(十进制)，

地区S＝00C8(十六进制)＝200(十进制)，

出生年份N＝07C4(十六进制)＝1988(十进制)。

若搜索条件为S101中的R＝1,2&X＝0,1&N＝1970-1990&S＝200&M＝1,2。将人脸数据A的属性信息中的各个字段(库名R、性别X、民族M、地区S以及出生年份N)与搜索条件中的对应的字段进行比对，由于人脸数据A的属性信息R＝1满足搜索条件中的R＝1,2；人脸数据A的属性信息X＝0满足搜索条件中的X＝0,1；人脸数据A的属性信息N＝1988满足搜索条件中的N＝1970-1990；人脸数据A的属性信息S＝200满足搜索条件中的S＝200；人脸数据A的属性信息M＝2满足搜索条件中的M＝1,2。因此，可以确定人脸数据A满足搜索条件，从而该人脸数据A可以作为输出之一。

这样，便可以基于S103的判断，从至少一个人脸数据中筛选出全部或部分人脸数据满足搜索条件，假设为p个人脸数据。进一步地，在S104中，可以输出该p个人脸数据。一般地，p要小于至少一个人脸数据的数量，可见，执行基于搜索条件的判断之后能够减少输出，便于基于该输出的后续的进一步处理。因此，本发明实施例的人脸搜索的方法也可以称为带属性过滤的人脸搜索方法。

本发明实施例中，在考虑特征向量维度的基础上，增加了属性信息维度，进行人脸搜索，能够提高搜索精度。

可选地，可以按照相似度的大小，对该p个人脸数据进行排序，例如，按照相似度的值，从大到小的顺序输出该p个人脸数据。

可选地，可以按照相似度的大小，最多输出p1个人脸数据。假设p≤p1，则可以按照相似度的值，从大到小的顺序输出该p个人脸数据。假设p>p1，则可以按照相似度的值，从大到小的顺序输出该p个人脸数据中的前面p1个人脸数据。

这样，与目标人脸图像具有更大相似度的人脸数据优先显示，能够方便执行基于该搜索的后续处理。

由此可见，本发明实施例中，定义了人脸数据的属性信息，从而能够根据目标人脸图像和搜索条件进行人脸搜索，由于搜索的维度增加，这样不仅能够提高搜索的精度，而且能够保证搜索结果的可靠性。

另外，图2所示的方法是在人脸底库中进行搜索的，可见在图2所示的方法之前，还可以包括：建立所述人脸底库，其中，所述人脸底库包括多个人脸数据，并且所述多个人脸数据中的每个人脸数据均具有各自的属性信息。

可理解，人脸底库包括多个人脸数据，且每个人脸数据不仅包括特征向量，还具有属性信息。

本发明实施例中，如图4所示，建立人脸底库可以包括：

S201，获取人脸图片；

S202，通过算法确定该人脸图片的特征向量；

S203，通过属性采集确定该人脸图片的属性信息；

S204，基于S202的特征向量与S203的属性信息生成人脸数据；

S205，将人脸数据存储在人脸底库中。

其中，S202和S203可以并行地执行，这能够提高处理的效率。其中，属性信息可以以前述的属性字段的形式进行存储。

其中，在S204中，可以将特征向量与属性信息进行打包，进而在S205中作为人脸数据的一部分进行存储。

可选地，可以批量地获取多个人脸图片，并针对每一个人脸图片均执行S202-S204的方法，从而能够并行地得到多个人脸数据。

可选地，可以针对多个人脸图片，逐一地执行S201-S204的方法，从而依次得到多个人脸数据。

可选地，针对多个人脸图片，可以部分并行部分串行地执行S201-S204的方法，从而依次得到多个人脸数据。

图5是本发明实施例的人脸搜索的装置的一个示意性框图。图5所示的装置30包括：获取模块301、匹配模块302、判断模块303和确定模块304。所述各个模块可分别执行上文中结合图2-4描述的人脸搜索的方法的各个步骤/功能。以下仅对该人脸搜索的装置30的各部件的主要功能进行描述，而省略以上已经描述过的细节内容。

获取模块301，用于获取目标人脸图像和搜索条件。匹配模块302，用于从人脸底库中获取与获取模块301所获取的所述目标人脸图像匹配的至少一个人脸数据。判断模块303，用于判断匹配模块302得到的所述至少一个人脸数据是否满足所述搜索条件。确定模块304，用于根据判断模块303的判断的结果确定输出。

示意性地，确定模块304，具体用于：若所述至少一个人脸数据中存在满足所述搜索条件的人脸数据，则确定所述输出包括所述满足所述搜索条件的人脸数据；以及若所述至少一个人脸数据均不满足所述搜索条件，则确定所述输出为空。

可选地，作为一例，如图6所示，还包括建立模块305，用于：建立所述人脸底库，其中，所述人脸底库包括多个人脸数据，并且每个人脸数据均具有属性信息。

示例性地，判断模块303，具体用于：判断所述至少一个人脸数据的属性信息是否满足所述搜索条件。

可选地，所述属性信息表示为二进制数据格式，且所述属性信息包括以下至少一项：库名、性别、出生年份、地区和民族。

可选地，所述人脸数据包括人脸特征向量。

图5或图6所示的装置30能够用于实现前述图2至图4所示的方法。

另外，本发明实施例还提供了一种电子设备，该电子设备包括装置30。

可选地，该装置30可以包括处理器和存储器，其中，存储器用于存储指令，处理器执行该指令时，可以实现前述图2至图4所示的方法。

可见，本发明实施例中，定义了人脸数据的属性信息，从而能够根据目标人脸图像和搜索条件进行人脸搜索，由于搜索的维度增加，这样不仅能够提高搜索的精度，而且能够保证搜索结果的可靠性。

尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。

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，为了精简本发明并帮助理解各个发明方面中的一个或多个，在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，并不应将该本发明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，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。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。

本领域的技术人员可以理解，除了特征之间相互排斥之外，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物品分析设备中的一些模块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。

以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。

Claims (12)

1.一种人脸搜索的方法，其特征在于，包括：

获取目标人脸图像和搜索条件；

从人脸底库中获取与所述目标人脸图像匹配的至少一个人脸数据；

判断所述至少一个人脸数据是否满足所述搜索条件；以及

根据所述判断的结果确定输出。

2.如权利要求1所述的方法，其特征在于，所述根据所述判断的结果确定输出，包括：

若所述至少一个人脸数据中存在满足所述搜索条件的人脸数据，则确定所述输出包括所述满足所述搜索条件的人脸数据；以及

若所述至少一个人脸数据均不满足所述搜索条件，则确定所述输出为空。

3.如权利要求1所述的方法，其特征在于，在所述方法之前，还包括：

建立所述人脸底库，其中，所述人脸底库包括多个人脸数据，且每个人脸数据均具有属性信息。

4.如权利要求3所述的方法，其特征在于，所述判断所述至少一个人脸数据是否满足所述搜索条件，包括：

判断所述至少一个人脸数据的属性信息是否满足所述搜索条件。

5.如权利要求3所述的方法，其特征在于，所述属性信息表示为二进制数据格式，且所述属性信息包括以下至少一项：库名、性别、出生年份、地区和民族。

6.如权利要求1至5任一项所述的方法，所述人脸数据包括人脸特征向量。

7.一种人脸搜索的装置，其特征在于，包括：

获取模块，用于获取目标人脸图像和搜索条件；

匹配模块，用于从人脸底库中获取与所述目标人脸图像匹配的至少一个人脸数据；

判断模块，用于判断所述至少一个人脸数据是否满足所述搜索条件；以及确定模块，用于根据所述判断的结果确定输出。

8.如权利要求1所述的装置，其特征在于，所述确定模块，具体用于：

若所述至少一个人脸数据中存在满足所述搜索条件的人脸数据，则确定所述输出包括所述满足所述搜索条件的人脸数据；以及

若所述至少一个人脸数据均不满足所述搜索条件，则确定所述输出为空。

9.如权利要求7所述的装置，其特征在于，还包括建立模块，用于：

建立所述人脸底库，其中，所述人脸底库包括多个人脸数据，且每个人脸数据均具有属性信息。

10.如权利要求9所述的装置，其特征在于，所述判断模块，具体用于：

判断所述至少一个人脸数据的属性信息是否满足所述搜索条件。

11.如权利要求9所述的装置，其特征在于，所述属性信息表示为二进制数据格式，且所述属性信息包括以下至少一项：库名、性别、出生年份、地区和民族。

12.如权利要求7至11任一项所述的装置，所述人脸数据包括人脸特征向量。