CN109918976A - 一种人像比对算法融合方法及其装置 - Google Patents

Abstract

本发明实施例提供了一种人像比对算法融合方法及其装置，所述方法，包括：针对统一的测评数据对各人像比对算法进行算法测评，并根据测评指标公式计算测评结果；根据所述测评结果进行分析与计算，获得融合处理后的所述各人像比对算法的融合参数；利用所述融合参数对所述各人像比对算法的比对结果进行融合处理，获得部署下发的疑似线索。本发明实施例综合利用各人像比对算法来实现比对速度、比对匹配率的提高，改善比对引擎的性能及精准度。

Description

一种人像比对算法融合方法及其装置

技术领域

本发明涉及人像比对领域，特别是涉及一种人像比对算法融合方法及其 装置。

背景技术

面对身份证核查中庞大的比对图像，比对周期、比对速度、比对匹配率 等都要符合实际，切实可行。比对速度要符合预期，不可陷入无限期的漫长 比对中，比对匹配率要高于预定标准，在户籍民警资源可行的情况下进行查 重清理，同时部级人像比对系统为相关警种和基层公安机关提供人像查重比 对功能，为其他人口信息管理系统提供比对接口，由此对人像比对引擎的性 能及精准度的要求会很高，低误识高识别将成为指标的关键参数。

但是现有的人像比对算法种类很多，无法综合利用各人像比对算法来实 现比对速度、比对匹配率的提高，也无法对比对引擎的性能及精准度进行改 进。

发明内容

本发明实施例提供了一种人像比对算法融合方法及其装置，其综合利用 各人像比对算法来实现比对速度、比对匹配率的提高，改善比对引擎的性能 及精准度。

根据本发明实施例的一个方面，提供一种人像比对算法融合方法，包括：

针对统一的测评数据对各人像比对算法进行算法测评，并根据测评指标 公式计算测评结果；

根据所述测评结果进行分析与计算，获得融合处理后的所述各人像比对 算法的融合参数；

利用所述融合参数对所述各人像比对算法的比对结果进行融合处理，获 得部署下发的疑似线索。

在本发明进一步的实施例中，所述根据所述测评结果进行分析与计算， 获得融合处理后的所述各人像比对算法的融合参数包括：

计算并绘制经过评测的所述各人像比对算法的测评结果的识别参数关系 图；

将所述各人像比对算法的测评结果按照交集和/或并集融合方法进行融合， 计算融合关系数据；

针对所述融合关系数据进行相似度归一化处理，将获得的标准阈值作为 融合参数。

在本发明进一步的实施例中，所述将所述各人像比对算法的测评结果按 照交集和/或并集融合方法进行融合，计算融合关系数据具体为：

将所述各人像比对算法的测评结果分别按照交集和并集融合方法进行融 合，计算相似度、误识率、识别率关系数据。

在本发明进一步的实施例中，所述相似度归一化处理包括下述至少之一：

取交集或并集融合关系数据下不同人像比对算法之间最大相似度值作为 标准阈值；

计算交集或并集融合关系数据下不同人像比对算法之间相似度平均值作 为标准阈值；

对交集或并集融合关系数据下不同人像比对算法之间相似度进行线性调 整，计算出相似度的相对阈值作为标准阈值。

在本发明进一步的实施例中，所述利用所述融合参数对所述各人像比对 算法的比对结果进行融合处理，获得部署下发的疑似线索具体为：

提取所述标准阈值下的结果数据形成疑似线索，所述标准阈值对应的识 别率及误识率作为管理参数指导实际业务中线索核实排查。

根据本发明实施例的另一个方面，一种人像比对算法融合装置，包括：

测评处理模块，用于针对统一的测评数据对各人像比对算法进行算法测 评，并根据测评指标公式计算测评结果；

参数融合模块，用于根据所述测评结果进行分析与计算，获得融合处理 后的所述各人像比对算法的融合参数；

线索获得模块，用于利用所述融合参数对所述各人像比对算法的比对结 果进行融合处理，获得部署下发的疑似线索。

在本发明进一步的实施例中，所述参数融合模块包括：

计算单元，用于计算并绘制经过评测的所述各人像比对算法的测评结果 的识别参数关系图；

融合单元，用于将所述各人像比对算法的测评结果按照交集和/或并集融 合装置进行融合，计算融合关系数据；

归一单元，用于针对所述融合关系数据进行相似度归一化处理，将获得 的标准阈值作为融合参数。

在本发明进一步的实施例中，所述融合单元具体用于：

将所述各人像比对算法的测评结果分别按照交集和并集融合装置进行融 合，计算相似度、误识率、识别率关系数据。

在本发明进一步的实施例中，所述相似度归一化处理包括下述至少之一：

取交集或并集融合关系数据下不同人像比对算法之间最大相似度值作为 标准阈值；

计算交集或并集融合关系数据下不同人像比对算法之间相似度平均值作 为标准阈值；

对交集或并集融合关系数据下不同人像比对算法之间相似度进行线性调 整，计算出相似度的相对阈值作为标准阈值。

在本发明进一步的实施例中，所述线索获得模块具体用于：

提取所述标准阈值下的结果数据形成疑似线索，所述标准阈值对应的识 别率及误识率作为管理参数指导实际业务中线索核实排查。

根据本发明实施例提供的技术方案，本发明实施例针对统一的测评数据 对各人像比对算法进行算法测评，并根据测评指标的测评结果进行分析与计 算，获得融合处理后的所述各人像比对算法的融合参数。本发明实施例解决 了单一人像比对算法引擎阈值拉伸问题，突破因高识别要求而带来的高误报 瓶颈。本发明采用算法融合技术以多人像比对算法引擎的评测结果获得的融 合参数对所述各人像比对算法的比对结果进行融合处理，在误识率不变的情 况下，提升了准确率，同时兼顾了比对性能，响应快、准确度高、错误数少。 因此，本发明实施例综合利用各人像比对算法来实现比对速度、比对匹配率 的提高，改善比对引擎的性能及精准度。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体 实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技 术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1是根据本发明一个实施例的一种人像比对算法融合方法的流程图；

图2是根据本发明一个实施例的一种人像比对算法融合方法中步骤S102 的流程图；

图3是根据本发明一个实施例的一种人像比对算法融合方法中识别参数 关系图；

图4是根据本发明一个实施例的一种人像比对算法融合装置的结构图；

图5是根据本发明一个实施例的一种人像比对算法融合装置的参数融合 模块的结构图。

具体实施方式

下面结合附图(若干附图中相同的标号表示相同的元素)和实施例， 对本申请实施例的具体实施方式作进一步详细说明。以下实施例用于说 明本申请，但不用来限制本申请的范围。

本领域技术人员可以理解，本申请实施例中的“第一”、“第二”等术 语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义， 也不表示它们之间的必然逻辑顺序。

实施例一

参照图1，示出了根据本申请实施例一的一种人像比对算法融合方 法的步骤流程图。

值得说明的是，本申请所述步骤S101至S103并不代表其执行的先 后顺序。

本实施例的方法包括以下步骤：

步骤S101：针对统一的测评数据对各人像比对算法进行算法测评， 并根据测评指标公式计算测评结果。

具体地，需要各人像比对算法对统一的评测数据进行算法测评，根 据评测指标公式计算评测结果。

评测数据要符合人口业务特点，按照年龄、性别、民族分比例抽取， 分为探测库和测试库，探测库从部级人口库中抽取，其中所抽取的每条 人口数据包含间隔设定时间的两张人像照片，容量为20万张人像照片。 测试库从部级人口库中抽取，并从测试库中删除存在的探测库中的照片， 将探测库中的照片及非人像照片分区存入测试库，容量为1亿张人像照 片。评测指标涵盖建模和比对，分别对性能及准确度进行测试，符合实 际业务需求。

本发明实施例所述人像比对算法的评测数据符合人口业务特点，评 测指标的设计能够反映算法引擎的优劣势，指标权重的分配合理，评分 计算方法符合实际业务需求，指标的评分公式经过实际测试，结合标准， 经过专家评审得出。

步骤S102：根据所述测评结果进行分析与计算，获得融合处理后的 所述各人像比对算法的融合参数。

在本申请一具体实现中，参见图2，所述步骤S102包括：

步骤S1021：计算并绘制经过评测的所述各人像比对算法的测评结 果的识别参数关系图。

所述识别参数包括：相似度、误识率、识别率。

所述识别参数关系图如图3所示。

步骤S1022：将所述各人像比对算法的测评结果按照交集和/或并集 融合方法进行融合，计算融合关系数据。

具体地，所述步骤S1022具体为：

将所述各人像比对算法的测评结果分别按照交集和并集融合方法进 行融合，计算相似度、误识率、识别率关系数据。

步骤S1023：针对所述融合关系数据进行相似度归一化处理，将获 得的标准阈值作为融合参数。

本发明实施例按照归一化相似度计算对应的误识率、识别率，得出 标准阈值，将所述标准阈值作为融合参数。

具体地，所述相似度归一化处理包括下述至少之一：

取交集或并集融合关系数据下不同人像比对算法之间最大相似度值 作为标准阈值；

计算交集或并集融合关系数据下不同人像比对算法之间相似度平均 值作为标准阈值；

对交集或并集融合关系数据下不同人像比对算法之间相似度进行线 性调整，计算出相似度的相对阈值作为标准阈值。

本发明实施例各人像比对算法的融合方法主要包括交集融合和并集 融合，按照相似度最大值、相似度平均值、相似度线性调整相对值进行 相似度归一化处理，得出标准阈值，对应识别率和误识率，得出融合参 数指导线索融合。

步骤S103：利用所述融合参数对所述各人像比对算法的比对结果进 行融合处理，获得部署下发的疑似线索。

在本申请一具体实现中，为了有效提升算法引擎的实际应用成效， 提高疑似线索的准确率和管理效率，所述步骤S103具体为：

提取所述标准阈值下的结果数据形成疑似线索，所述标准阈值对应 的识别率及误识率作为管理参数指导实际业务中线索核实排查。

本发明实施例线索融合主要通过算法融合参数抽取实际比对结果数 据，形成高有效性线索，提升实际应用成效，降低误识带来的资源消耗， 有效解决实际应用中的线索排查难点。

本发明实施例为人像比对算法引擎提供融合技术，有效解决多人像 比对算法在实际应用中的阈值拉伸问题，在误识率不变的情况下提升识 别率。

实施例二

参照图4，示出了根据本申请实施例二的一种人像比对算法融合装 置的结构图。

本实施例的装置包括：

测评处理模块401，用于针对统一的测评数据对各人像比对算法进 行算法测评，并根据测评指标公式计算测评结果。

参数融合模块402，用于根据所述测评结果进行分析与计算，获得 融合处理后的所述各人像比对算法的融合参数。

线索获得模块403，用于利用所述融合参数对所述各人像比对算法 的比对结果进行融合处理，获得部署下发的疑似线索。

具体地，需要各人像比对算法对统一的评测数据进行算法测评，根 据评测指标公式计算评测结果。

评测数据要符合人口业务特点，按照年龄、性别、民族分比例抽取， 分为探测库和测试库，探测库从部级人口库中抽取，其中所抽取的每条 人口数据包含间隔设定时间的两张人像照片，容量为20万张人像照片。 测试库从部级人口库中抽取，并从测试库中删除存在的探测库中的照片， 将探测库中的照片及非人像照片分区存入测试库，容量为1亿张人像照 片。评测指标涵盖建模和比对，分别对性能及准确度进行测试，符合实 际业务需求。

本发明实施例所述人像比对算法的评测数据符合人口业务特点，评 测指标的设计能够反映算法引擎的优劣势，指标权重的分配合理，评分 计算方法符合实际业务需求，指标的评分公式经过实际测试，结合标准， 经过专家评审得出。

在本申请一具体实现中，参见图5，所述参数融合模块402包括：

计算单元4021，用于计算并绘制经过评测的所述各人像比对算法的 测评结果的识别参数关系图。

融合单元4022，用于将所述各人像比对算法的测评结果按照交集和 /或并集融合装置进行融合，计算融合关系数据。

归一单元4023，用于针对所述融合关系数据进行相似度归一化处理， 将获得的标准阈值作为融合参数。

所述识别参数包括：相似度、误识率、识别率。

所述识别参数关系图如图3所示。

具体地，所述融合单元4022具体用于：

将所述各人像比对算法的测评结果分别按照交集和并集融合方法进 行融合，计算相似度、误识率、识别率关系数据。

本发明实施例按照归一化相似度计算对应的误识率、识别率，得出 标准阈值，将所述标准阈值作为融合参数。

具体地，所述相似度归一化处理包括下述至少之一：

取交集或并集融合关系数据下不同人像比对算法之间最大相似度值 作为标准阈值；

计算交集或并集融合关系数据下不同人像比对算法之间相似度平均 值作为标准阈值；

对交集或并集融合关系数据下不同人像比对算法之间相似度进行线 性调整，计算出相似度的相对阈值作为标准阈值。

本发明实施例各人像比对算法的融合方法主要包括交集融合和并集 融合，按照相似度最大值、相似度平均值、相似度线性调整相对值进行 相似度归一化处理，得出标准阈值，对应识别率和误识率，得出融合参 数指导线索融合。

在本申请一具体实现中，为了有效提升算法引擎的实际应用成效， 提高疑似线索的准确率和管理效率，所述线索获得模块403具体用于：

提取所述标准阈值下的结果数据形成疑似线索，所述标准阈值对应 的识别率及误识率作为管理参数指导实际业务中线索核实排查。

本发明实施例线索融合主要通过算法融合参数抽取实际比对结果数 据，形成高有效性线索，提升实际应用成效，降低误识带来的资源消耗， 有效解决实际应用中的线索排查难点。

本发明实施例为人像比对算法引擎提供融合技术，有效解决多人像 比对算法在实际应用中的阈值拉伸问题，在误识率不变的情况下提升识 别率。

需要指出，根据实施的需要，可将本申请实施例中描述的各个部件/ 步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤 的部分操作组合成新的部件/步骤，以实现本申请实施例的目的。

上述根据本申请实施例的方法可在硬件、固件中实现，或者被实现 为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中 的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录 介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代 码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处 理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可 存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)， 当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现 在此描述的交互式动画的实现方法。此外，当通用计算机访问用于实现 在此示出的交互式动画的实现方法的代码时，代码的执行将通用计算机 转换为用于执行在此示出的交互式动画的实现方法的专用计算机。

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 的各示例的单元及方法步骤，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 本申请实施例的范围。

以上实施方式仅用于说明本申请实施例，而并非对本申请实施例的 限制，有关技术领域的普通技术人员，在不脱离本申请实施例的精神和 范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案 也属于本申请实施例的范畴，本申请实施例的专利保护范围应由权利要 求限定。

Claims (10)

1.一种人像比对算法融合方法，其特征在于，包括：

针对统一的测评数据对各人像比对算法进行算法测评，并根据测评指标公式计算测评结果；

根据所述测评结果进行分析与计算，获得融合处理后的所述各人像比对算法的融合参数；

利用所述融合参数对所述各人像比对算法的比对结果进行融合处理，获得部署下发的疑似线索。

2.根据权利要求1所述的方法，其特征在于，所述根据所述测评结果进行分析与计算，获得融合处理后的所述各人像比对算法的融合参数包括：

计算并绘制经过评测的所述各人像比对算法的测评结果的识别参数关系图；

将所述各人像比对算法的测评结果按照交集和/或并集融合方法进行融合，计算融合关系数据；

针对所述融合关系数据进行相似度归一化处理，将获得的标准阈值作为融合参数。

3.根据权利要求2所述的方法，其特征在于，所述将所述各人像比对算法的测评结果按照交集和/或并集融合方法进行融合，计算融合关系数据具体为：

将所述各人像比对算法的测评结果分别按照交集和并集融合方法进行融合，计算相似度、误识率、识别率关系数据。

4.根据权利要求3所述的方法，其特征在于，所述相似度归一化处理包括下述至少之一：

取交集或并集融合关系数据下不同人像比对算法之间最大相似度值作为标准阈值；

计算交集或并集融合关系数据下不同人像比对算法之间相似度平均值作为标准阈值；

对交集或并集融合关系数据下不同人像比对算法之间相似度进行线性调整，计算出相似度的相对阈值作为标准阈值。

5.根据权利要求4所述的方法，其特征在于，所述利用所述融合参数对所述各人像比对算法的比对结果进行融合处理，获得部署下发的疑似线索具体为：

提取所述标准阈值下的结果数据形成疑似线索，所述标准阈值对应的识别率及误识率作为管理参数指导实际业务中线索核实排查。

6.一种人像比对算法融合装置，其特征在于，包括：

测评处理模块，用于针对统一的测评数据对各人像比对算法进行算法测评，并根据测评指标公式计算测评结果；

参数融合模块，用于根据所述测评结果进行分析与计算，获得融合处理后的所述各人像比对算法的融合参数；

线索获得模块，用于利用所述融合参数对所述各人像比对算法的比对结果进行融合处理，获得部署下发的疑似线索。

7.根据权利要求6所述的装置，其特征在于，所述参数融合模块包括：

计算单元，用于计算并绘制经过评测的所述各人像比对算法的测评结果的识别参数关系图；

融合单元，用于将所述各人像比对算法的测评结果按照交集和/或并集融合装置进行融合，计算融合关系数据；

归一单元，用于针对所述融合关系数据进行相似度归一化处理，将获得的标准阈值作为融合参数。

8.根据权利要求7所述的装置，其特征在于，所述融合单元具体用于：

将所述各人像比对算法的测评结果分别按照交集和并集融合装置进行融合，计算相似度、误识率、识别率关系数据。

9.根据权利要求8所述的装置，其特征在于，所述相似度归一化处理包括下述至少之一：

取交集或并集融合关系数据下不同人像比对算法之间最大相似度值作为标准阈值；

计算交集或并集融合关系数据下不同人像比对算法之间相似度平均值作为标准阈值；

对交集或并集融合关系数据下不同人像比对算法之间相似度进行线性调整，计算出相似度的相对阈值作为标准阈值。

10.根据权利要求9所述的装置，其特征在于，所述线索获得模块具体用于：

提取所述标准阈值下的结果数据形成疑似线索，所述标准阈值对应的识别率及误识率作为管理参数指导实际业务中线索核实排查。