CN107729928B - 信息获取方法和装置 - Google Patents

Abstract

本申请公开了信息获取方法和装置。该方法的一具体实施方式包括：通过分别获取多个用户的图像中的每一个用户的图像中的人脸对象的特征，以及基于人脸对象的特征，对多个用户的图像进行聚类，得到多个聚类结果；确定每一个聚类结果所属的用户，以及将对每一个聚类结果进行标注后得到的聚类结果的标注信息作为聚类结果中的用户的图像的标注信息。实现了通过对聚类结果进行标注即可完成对聚类结果中的所有用户的图像的标注，节省了标注过程的开销。

Description

信息获取方法和装置

技术领域

本申请涉及计算机领域，具体涉及人脸识别领域，尤其涉及信息获取方法和装置。

背景技术

对人脸识别系统的识别准确率的测试是人脸识别系统运行之前的关键环节。在对人脸识别系统的识别效果进行测试时，需要对海量的用户的图像进行标注。目前，通常采用的方式为：以人工方式对海量的用户的图像逐一进行标注，标注过程的开销大。

发明信息

本申请提供了一种信息获取方法和装置，用于解决上述背景技术部分存在的技术问题。

第一方面，本申请提供了信息获取方法，该方法包括：分别获取多个用户的图像中的每一个用户的图像中的人脸对象的特征，以及基于人脸对象的特征，对多个用户的图像进行聚类，得到多个聚类结果；确定每一个聚类结果所属的用户，以及将对每一个聚类结果进行标注后得到的聚类结果的标注信息作为聚类结果中的用户的图像的标注信息。

第二方面，本申请提供了信息获取装置，该装置包括：处理单元，配置用于分别获取多个用户的图像中的每一个用户的图像中的人脸对象的特征，以及基于人脸对象的特征，对多个用户的图像进行聚类，得到多个聚类结果；标注单元，配置用于确定每一个聚类结果所属的用户，以及将对每一个聚类结果进行标注后得到的聚类结果的标注信息作为聚类结果中的用户的图像的标注信息。

本申请提供的信息获取方法和装置，通过分别获取多个用户的图像中的每一个用户的图像中的人脸对象的特征，以及基于人脸对象的特征，对多个用户的图像进行聚类，得到多个聚类结果；确定每一个聚类结果所属的用户，以及将对每一个聚类结果进行标注后得到的聚类结果的标注信息作为聚类结果中的用户的图像的标注信息。实现了通过对聚类结果进行标注即可完成对聚类结果中的所有用户的图像的标注，节省了标注过程的开销。

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，本申请的其它特征、目的和优点将会变得更明显：

图1示出了可以应用本申请的信息获取方法的示例性系统架构；

图2示出了根据本申请的信息获取方法的一个实施例的流程图；

图3示出了根据本申请的信息获取装置的一个实施例的结构示意图；

图4示出了适于用来实现本申请实施例的终端的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

请参考图1，其示出了可以应用本申请的信息获取方法的示例性系统架构。

如图1所示，系统架构可以包括服务器101、网络102、终端103。网络102可以为有线网络。服务器101可以获取多个用户的图像，获取到的多个用户的图像中每一个用户的图像中可以仅包含一个用户的脸部对应的人脸对象。例如服务器101获取到的多个用户的图像为用户上传的用户的图像例如自拍照、证件照等。服务器101可以将多个用户的图像发送至终端103，终端103对多个用户的图像进行标注，得到多个用户的图像的标注信息。多个用户的图像和用户的图像的标注信息可以用于对人脸识别系统的识别准确率进行测试。

请参考图2，其示出了根据本申请的信息获取方法的一个实施例的流程。需要说明的是，本申请实施例所提供的信息获取方法可以由终端(例如图1中的终端103执行)。该方法包括以下步骤：

步骤201，分别基于每一个用户的图像中的人脸对象的特征，对多个用户的图像进行聚类。

在本实施例中，任何可能被人脸识别系统进行身份验证的人均可以称之为用户。在图像中的一个用户的脸部可以称之为用户的脸部对应的人脸对象。多个用户的图像中的每一个用户的图像可以仅包含一个用户的脸部对应的人脸对象。例如，多个用户的图像为多个用户的证件照。每一个用户的证件照中包含该用户的脸部对应的人脸对象。

在本实施例中，就图像中的人脸对象而言，当一个图像中仅包含一个用户的脸部对应的人脸对象时，则该图像可以称之为用户的图像，相应地，用户的图像可以属于一个用户。

在本实施例中，可以首先获取多个用户的图像，获取到的多个用户的图像可以为属于不同的用户。为了测试人脸识别系统的识别效果，需要对多个用户的图像进行标注，生成多个用户的图像的标注信息，利用多个用户的图像和各自的标注信息，测试人脸识别系统的识别效果。用户的图像的标注信息包括用户的图像所属的用户的标识，用户的标识可以为用户的图像所属的用户的用户名。

在本实施例中，为了对获取到的多个用户的图像进行标注，生成多个用户的图像的标注信息，可以首先获取多个用户的图像中的每一个用户的图像中的人脸对象的特征，然后，可以基于多个用户的图像中的每一个用户的图像中的人脸对象的特征，对多个用户的图像进行聚类，得到属于多个聚类结果。一个聚类结果中的每一个用户的图像均为属于同一个用户的图像。

在本的一些可选的实现方式中，可以通过卷积神经网络获取多个用户的图像中的每一个用户的图像中的人脸对象的特征。可以预先通过海量的包含人脸对象的用户的图像对卷积神经网络网络进行训练，使得训练后的卷积神经网络可以确定出具有区分度的多个人脸对象的特征。在通过卷积神经网络获取多个用户的图像中的每一个用户的图像中的人脸对象的特征时，可以将多个用户的图像分别输入到卷积神经网络，得到卷积神经网络的全连接层输出的表示用户的图像中的人脸对象的特征的特征向量，从而，得到多个用户的图像中的人脸对象的特征。

在本实施例的一些可选的实现方式中，在基于多个用户的图像中的每一个用户的图像中的人脸对象的特征，对多个用户的图像进行聚类时，可以首先采用预设聚类算法根据图像中的人脸对象的特征，对图像进行聚类，得到聚类子结果。预设聚类算法可以为DBSCAN(Den sity-Based Spatial Clustering of Applications with Noise)算法。每一个聚类子结果中的用户的图像均为属于同一个用户的图像，多个聚类子结果可以属于同一个聚类结果。

换言之，属于同一个聚类结果的多个聚类子结果中的用户的图像可以均为属于同一个用户的图像。可以根据各个聚类子结果中的用户的图像中的人脸对象之间的相似度，确定出属于同一个聚类结果的聚类子结果，即确定包含的用户的图像均属于同一个用户的图像的聚类子结果。

例如，可以计算两两聚类子结果中的用户的图像中的人脸对象之间的相似度，当分别属于两个聚类子结果中的用户的图像中的人脸对象之间的相似度大于相似度阈值时，则可以确定出两个聚类子结果中的用户的图像均为同一个用户的图像，两个聚类子结果属于同一个聚类结果。

步骤202，确定每一个聚类结果所属的用户，以及对聚类结果中的用户的图像进行标注。

在本实施例中，在根据用户的图像中的人脸对象的特征，对图像进行聚类之后，得到多个聚类结果之后，可以确定每一个聚类结果所属的用户。确定一个聚类结果所属的用户相当于确定聚类结果中的用户的图像属于均属于哪一个用户。

在本实施例的一些可选的实现方式中，在确定每一个聚类结果所属的用户时，可以从多个聚类结果中查找出具有包含与注册图像中的人脸对象的相似度大于相似度阈值的人脸对象的用户的图像的聚类结果；将包含的人脸对象与查找出的聚类结果中的用户的图像的相似度大于相似度阈值的注册图像所属的用户作为查找出的聚类结果所属的用户。

在本实施例中，注册图像可以是指预先在人脸识别系统中注册过的用户的图像。一个用户的图像在人脸识别系统中进行注册可以相当于人脸识别系统保存该用户的图像和该用户的图像所属的用户的对应关系。

在本实施例中，注册图像所属的用户可以为通过步骤201获取到的用户的图像所属的用户。

例如，在通过步骤201对获取的多个用户的图像进行聚类之前，可以由该多个用户的终端分别将用户的图像例如用户的证件照发送至服务器，再由服务器将该用户的图像发送至闸机。运行在闸机上的人脸识别系统可以接收到不同的用户的终端发送的用户的证件照，人脸识别系统可以保存接收到的每一个用户的证件照和各自所属的用户的对应关系。

在本实施例中，在确定每一个聚类结果所属的用户，从多个聚类结果中查找出具有包含与注册图像中的人脸对象的相似度大于相似度阈值的人脸对象的用户的图像的聚类结果时，可以分别计算所有预先在人脸识别系统中注册过的用户的图像即所有注册图像中的每一个注册图像与每一个聚类结果中的用户的图像的相似度。当一个注册图像与一个聚类结果中的任意一个用户的图像的相似度大于相似度阈值时，则该聚类结果作为具有包含与注册图像中的人脸对象的相似度大于相似度阈值的人脸对象的用户的图像的聚类结果，可以确定出该聚类结果中的用户的图像所属的用户为该注册图像所属的用户。

由于聚类结果中的用户的图像的数量远大于注册图像的数量，所以当确定一个注册图像与一个聚类结果中的任意一个用户的图像中的人脸对象的相似度大于相似度阈值时，即可命中聚类结果，即确定该聚类结果所属的用户为包含的人脸对象与该聚类结果中的一个用户的图像中的人脸对象的相似度大于相似度阈值的注册图像所属的用户。从而，可以增加命中聚类结果的概率，减少了命中聚类结果的时间，即减少了确定一个聚类结果所属的用户的时间。

在本实施例的一些可选的实现方式中，在确定聚类结果所属的用户之后，可以对聚类结果进行标注，得到聚类结果的标注信息。聚类结果的标注信息包括：聚类结果所属的用户的标识。聚类结果所属的用户的标识可以为聚类结果所属的用户的用户名。然后，可以将聚类结果的标注信息作为聚类结果中的用户的图像的标注信息，从而，完成对聚类结果中的每一个用户的图像的标注，生成聚类结果中的每一个用户的图像的标注信息，即完成对聚类结果中的属于同一个用户的所有用户的图像的标注，得到聚类结果中的属于同一个用户的所有用户的图像的标注信息。

在本实施例中，在通过对多个聚类结果进行标注，得到多个用户的图像的标注信息之后，多个用户的图像和多个用户的图像的标注信息可以用来验证人脸识别系统的识别准确率。可以将每一个用户的图像分别输入到人脸识别系统，分别判断人脸识别系统识别出的输入的用户的图像所属的用户与输入的用户的图像的标注信息即输入的用户的图像所属的用户是否一致，统计出一致的次数和不一致的次数，确定人脸识别系统的识别准确率。

请参考图3，作为对上述各图所示方法的实现，本申请提供了一种信息获取装置的一个实施例，该装置实施例与图2所示的方法实施例相对应。

如图3所示，信息获取装置包括：处理单元301，标注单元302。其中，处理单元301配置用于分别获取多个用户的图像中的每一个用户的图像中的人脸对象的特征，以及基于用户的图像中的人脸对象的特征，对多个用户的图像进行聚类，得到多个聚类结果；标注单元302配置用于确定每一个聚类结果所属的用户，以及将对每一个聚类结果进行标注后得到的聚类结果的标注信息作为聚类结果中的用户的图像的标注信息。

在本实施例的一些可选的实现方式中，处理单元301包括：特征获取子单元，配置用于通过卷积神经网络获取多个用户的图像中的每一个用户的图像中的人脸对象的特征。

在本实施例的一些可选的实现方式中，处理单元301包括：聚类子单元，配置用于采用预设聚类算法对多个用户的图像进行聚类，得到聚类子结果；基于聚类子结果中的用户的图像中的人脸对象的相似度，确定属于同一个聚类结果的聚类子结果；聚合属于同一个聚类结果的聚类子结果，得到每一个聚类结果。

在本实施例的一些可选的实现方式中，标注单元302包括：确定子单元，配置用于从多个聚类结果中查找出具有包含与注册图像中的人脸对象的相似度大于相似度阈值的人脸对象的用户的图像的聚类结果；将包含的人脸对象与查找出的聚类结果中的用户的图像的相似度大于相似度阈值的注册图像所属的用户作为查找出的聚类结果所属的用户。

在本实施例的一些可选的实现方式中，标注单元302包括：图像标注子单元，配置用于生成聚类结果的标注信息，聚类结果的标注信息包括：聚类结果所属的用户的标识；将聚类结果的标注信息作为聚类结果中的用户的图像的标注信息。

图4示出了适于用来实现本申请实施例的终端的计算机系统的结构示意图。

如图4所示，计算机系统包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中，还存储有计算机系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

以下部件连接至I/O接口405：输入部分406；输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。

特别地，本申请的实施例中描述的过程可以被实现为计算机程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包括用于执行流程图所示的方法的指令。该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的方法中限定的上述功能。

本申请还提供了一种终端，该终端可以包括图3所描述的信息获取装置。该终端可以配置有一个或多个处理器；存储器，用于存储一个或多个程序，一个或多个程序中可以包含用以执行上述步骤201-202中描述的操作的指令。当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行上述步骤201-202中描述的操作。

本申请还提供了一种计算机可读介质，该计算机可读介质可以是终端中所包括的；也可以是单独存在，未装配入终端中。上述计算机可读介质承载有一个或者多个程序，当一个或者多个程序被终端执行时，使得终端：分别获取多个用户的图像中的每一个用户的图像中的人脸对象的特征，以及基于用户的图像中的人脸对象的特征，对多个用户的图像进行聚类，得到多个聚类结果；确定每一个聚类结果所属的用户，以及将对每一个聚类结果进行标注后得到的聚类结果的标注信息作为聚类结果中的用户的图像的标注信息。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括处理单元，标注单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，处理单元还可以被描述为“用于分别获取多个用户的图像中的每一个用户的图像中的人脸对象的特征，以及基于人脸对象的特征，对多个用户的图像进行聚类，得到多个聚类结果的单元”。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种信息获取方法，其特征在于，所述方法包括：

分别获取多个用户的图像中的每一个用户的图像中的人脸对象的特征，以及基于所述人脸对象的特征，对多个用户的图像进行聚类，得到多个聚类结果；

确定每一个聚类结果所属的用户，以及将对每一个聚类结果进行标注后得到的聚类结果的标注信息作为所述聚类结果中的用户的图像的标注信息；

通过多个用户的图像和多个用户的图像的标注信息，确定人脸识别系统的识别准确率，所述人脸识别系统保存接收到的每一个用户的图像和各个图像所属的用户的对应关系；

所述通过多个用户的图像和多个用户的图像的标注信息，确定人脸识别系统的识别准确率包括：将每一个用户的图像分别输入到人脸识别系统，分别判断人脸识别系统识别出的输入的用户的图像所属的用户与输入的用户的图像的标注信息是否一致，统计出一致的次数和不一致的次数，确定人脸识别系统的识别准确率。

2.根据权利要求1所述的方法，其特征在于，分别获取多个用户的图像中的每一个用户的图像中的人脸对象的特征包括：

通过卷积神经网络获取多个用户的图像中的每一个用户的图像中的人脸对象的特征。

3.根据权利要求2所述的方法，其特征在于，基于所述人脸对象的特征，对多个用户的图像进行聚类，得到多个聚类结果包括：

采用预设聚类算法对多个用户的图像进行聚类，得到聚类子结果；

基于聚类子结果中的用户的图像中的人脸对象的相似度，确定属于同一个聚类结果的聚类子结果；

聚合属于同一个聚类结果的聚类子结果，得到每一个聚类结果。

4.根据权利要求3所述的方法，其特征在于，确定每一个聚类结果所属的用户包括:

从多个聚类结果中查找出具有包含与注册图像中的人脸对象的相似度大于相似度阈值的人脸对象的用户的图像的聚类结果；

将所述注册图像所属的用户作为查找出的聚类结果所属的用户。

5.根据权利要求4所述的方法，其特征在于，将对每一个聚类结果进行标注后得到的聚类结果的标注信息作为所述聚类结果中的用户的图像的标注信息包括：

生成聚类结果的标注信息，所述标注信息包括：聚类结果所属的用户的标识；

将所述聚类结果的标注信息作为所述聚类结果中的用户的图像的标注信息。

6.一种信息获取装置，其特征在于，所述装置包括：

处理单元，配置用于分别获取多个用户的图像中的每一个用户的图像中的人脸对象的特征，以及基于所述人脸对象的特征，对多个用户的图像进行聚类，得到多个聚类结果；

标注单元，配置用于确定每一个聚类结果所属的用户，以及将对每一个聚类结果进行标注后得到的聚类结果的标注信息作为所述聚类结果中的用户的图像的标注信息；

验证单元，配置用于通过多个用户的图像和多个用户的图像的标注信息，确定人脸识别系统的识别准确率，所述人脸识别系统保存接收到的每一个用户的图像和各个图像所属的用户的对应关系；

所述验证单元进一步，被配置用于将每一个用户的图像分别输入到人脸识别系统，分别判断人脸识别系统识别出的输入的用户的图像所属的用户与输入的用户的图像的标注信息是否一致，统计出一致的次数和不一致的次数，确定人脸识别系统的识别准确率。

7.根据权利要求6所述的装置，其特征在于，处理单元包括：

特征获取子单元，配置用于通过卷积神经网络获取多个用户的图像中的每一个用户的图像中的人脸对象的特征。

8.根据权利要求7所述的装置，其特征在于，处理单元包括：

聚类子单元，配置用于采用预设聚类算法对多个用户的图像进行聚类，得到聚类子结果；基于聚类子结果中的用户的图像中的人脸对象的相似度，确定属于同一个聚类结果的聚类子结果；聚合属于同一个聚类结果的聚类子结果，得到每一个聚类结果。

9.根据权利要求8所述的装置，其特征在于，标注单元包括：

确定子单元，配置用于从多个聚类结果中查找出具有包含与注册图像中的人脸对象的相似度大于相似度阈值的人脸对象的用户的图像的聚类结果；将所述注册图像所属的用户作为查找出的聚类结果所属的用户。

10.根据权利要求9所述的装置，其特征在于，标注单元包括：

图像标注子单元，配置用于生成聚类结果的标注信息，所述标注信息包括：聚类结果所属的用户的标识；将所述聚类结果的标注信息作为所述聚类结果中的用户的图像的标注信息。

11.一种终端，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images