CN110134812A - 一种人脸搜索方法及其装置 - Google Patents

Abstract

本申请提供一种人脸搜索方法及其装置，该方法包括：接收人脸搜索请求；当所述人脸搜索请求中还携带有过滤属性时，根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型；将所述待匹配的特征模型与所述候选特征模型进行比对，以得到满足相似度阈值的比对结果；根据所述比对结果进行搜索结果输出。该方法可以提高人脸搜索效率。

Description

一种人脸搜索方法及其装置

技术领域

本申请涉及图像处理技术，尤其涉及一种人脸搜索方法及其装置。

背景技术

人脸以脸搜脸是基于携带人脸特征信息的人脸模型数据进行复杂运算得出两者之间相似度的原理的一种应用方式。

通过输入一张人脸图片进行建模得到特征模型，然后提交到后台，与数据库中已经提取过特征模型的人脸信息一一进行模型比对，得到相似度，按从高到低排序后输出指定数量的人脸库结果，并在页面进行结果呈现，用户按页进行查看。

由于数据库中特征模型数据的数据量通常都非常大，因此，如何提高人脸搜索的效率成为一个亟待解决的问题。

发明内容

有鉴于此，本申请提供一种人脸搜索方法及其装置。

具体地，本申请是通过如下技术方案实现的：

根据本申请实施例的第一方面，提供一种人脸搜索方法，包括：

接收人脸搜索请求；其中，所述人脸搜索请求中携带有待匹配的特征模型；

当所述人脸搜索请求中还携带有过滤属性时，根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型；

将所述待匹配的特征模型与所述候选特征模型进行比对，以得到满足相似度阈值的比对结果；

根据所述比对结果进行搜索结果输出。

可选的，所述接收人脸搜索请求之前，还包括：

接收人脸信息存储请求；其中，所述人脸信息存储请求中携带有特征模型以及对应的人脸属性和人员属性；

生成所述特征模型的模型标识ID，并保存所述特征模型；其中，所述模型ID与特征模型一一对应；

保存所述特征模型的地址信息、所述特征模型的模型ID以及所述特征模型对应的人脸属性和人员属性的对应关系。

可选的，所述过滤属性包括特征模型对应的人脸属性或/和人员属性中的一个或多个属性属性字段的值；

所述根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型，包括：

根据所述过滤属性查询自身保存的特征模型的地址信息、特征模型的模型ID以及特征模型对应的人脸属性和人员属性的对应关系；

将与所述过滤属性匹配的对应关系中包括的地址信息确定候选特征模型的地址信息；

根据所述候选特征模型的地址信息获取所述候选特征模型。

可选的，所述保存所述特征模型，包括：

将所述特征模型保存到文本文件中；

其中，所述特征模型的地址信息包括所述特征模型所在文件的文件名，以及所述特征模型在该文件中的偏移量。

可选的，所述根据所述候选特征模型的地址信息获取所述候选特征模型，包括：

对于任一保存有候选特征模型的文本文件，当该文本文件中候选特征模型的占比小于第一预设阈值时，根据候选特征模型的地址信息分别从该文本文件中读取各候选特征模型；

当该文本文件中候选特征模型的占比大于等于所述第一预设阈值时，按照批量读取的方式从该文本文件中读取候选特征模型。

可选的，所述根据所述候选特征模型的地址信息获取所述候选特征模型，包括：

对于任一保存有候选特征模型的文本文件，当该文本文件的任一预设长度的连续地址段内候选特征模型的数量小于第二预设阈值时，根据候选特征模型的地址信息分别从该文本文件中的该地址段内读取各候选特征模型；

当该连续地址段内候选特征模型的数量大于等于所述第二预设阈值时，按照批量读取的方式从该文本文件中读取候选特征模型。

可选的，所述保存所述特征模型的地址信息、特征模型的模型ID以及所述特征模型对应的人脸属性和人员属性的对应关系之后，还包括：

根据特征模型对应的人脸图片的获取时间对所述对应关系进行分区；其中，不同的分区对应不同的时间范围。

可选的，所述人脸搜索请求中还携带有搜索时间段；

所述根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型，包括：

确定与所述搜索时间段匹配的目标分区；

根据所述过滤属性查询所述目标分区中的所述对应关系；

将所述目标分区中与所述过滤属性匹配的对应关系中包括的地址信息确定为候选特征模型的地址信息；

根据所述候选特征模型的地址信息获取所述候选特征模型。

可选的，所述人脸信息存储请求中还包括特征模型对应的人脸图片的地址信息；

所述生成所述特征模型的模型标识ID之后，还包括：

保存所述模型ID与对应的人脸图片的地址信息的对应关系；

所述人脸搜索请求中还携带有需输出人脸图片的数量，所述根据所述比对结果进行搜索结果输出，包括：

按照与待匹配的特征模型的相似度从高到低的顺序，从满足所述相似度阈值的特征模型中选择与所述需要输出的人脸图片的数量等量的特征模型作为目标特征模型；

输出所述目标特征模型对应的人脸属性、人员属性以及人脸图片的地址信息。

根据本申请实施例的第二方面，提供一种人脸搜索装置，包括：

接收单元，用于接收人脸搜索请求；其中，所述人脸搜索请求中携带有待匹配的特征模型；

过滤单元，用于当所述人脸搜索请求中还携带有过滤属性时，根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型；

比对单元，用于将所述待匹配的特征模型与所述候选特征模型进行比对，以得到满足相似度阈值的比对结果；

输出单元，用于根据所述比对结果进行搜索结果输出。

可选的，所述接收单元，还用于接收人脸信息存储请求；其中，所述人脸信息存储请求中携带有特征模型以及对应的人脸属性和人员属性

所述装置还包括：

生成单元，用于生成所述特征模型的模型标识ID；其中，所述模型ID与特征模型一一对应；

保存单元，用于保存所述特征模型；

所述保存单元，还用于保存所述特征模型的地址信息、所述特征模型的模型ID以及所述特征模型对应的人脸属性和人员属性的对应关系。

可选的，所述过滤属性包括特征模型对应的人脸属性或/和人员属性中的一个或多个属性属性字段的值；

所述过滤单元，具体用于根据所述过滤属性查询自身保存的特征模型的地址信息、特征模型的模型ID以及特征模型对应的人脸属性和人员属性的对应关系；将与所述过滤属性匹配的对应关系中包括的地址信息确定候选特征模型的地址信息；根据所述候选特征模型的地址信息获取所述候选特征模型。

可选的，所述保存单元，具体用于将所述特征模型保存到文本文件中；

其中，所述特征模型的地址信息包括所述特征模型所在文件的文件名，以及所述特征模型在该文件中的偏移量。

可选的，所述过滤单元，具体用于对于任一保存有候选特征模型的文本文件，当该文本文件中候选特征模型的占比小于第一预设阈值时，根据候选特征模型的地址信息分别从该文本文件中读取各候选特征模型；

当该文本文件中候选特征模型的占比大于等于所述第一预设阈值时，按照批量读取的方式从该文本文件中读取候选特征模型。

可选的，所述过滤单元，具体用于对于任一保存有候选特征模型的文本文件，当该文本文件的任一预设长度的连续地址段内候选特征模型的数量小于第二预设阈值时，根据候选特征模型的地址信息分别从该文本文件中的该地址段内读取各候选特征模型；

当该连续地址段内候选特征模型的数量大于等于所述第二预设阈值时，按照批量读取的方式从该文本文件中读取候选特征模型。

可选的，所述保存单元，还用于根据特征模型对应的人脸图片的获取时间对所述对应关系进行分区；其中，不同的分区对应不同的时间范围。

可选的，所述人脸搜索请求中还携带有搜索时间段；

所述过滤单元，具体用于确定与所述搜索时间段匹配的目标分区；根据所述过滤属性查询所述目标分区中的所述对应关系；将所述目标分区中与所述过滤属性匹配的对应关系中包括的地址信息确定为候选特征模型的地址信息；根据所述候选特征模型的地址信息获取所述候选特征模型。

可选的，所述人脸信息存储请求中还包括特征模型对应的人脸图片的地址信息；

所述保存单元，还用于保存所述模型ID与对应的人脸图片的地址信息的对应关系；

所述输出单元，还用于按照与待匹配的特征模型的相似度从高到低的顺序，从满足所述相似度阈值的特征模型中选择与所述需要输出的人脸图片的数量等量的特征模型作为目标特征模型；输出所述目标特征模型对应的人脸属性、人员属性以及人脸图片的地址信息。

根据本申请实施例的第三方面，提供一种人脸搜索装置，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器被所述机器可执行指令促使：

接收人脸搜索请求；其中，所述人脸搜索请求中携带有待匹配的特征模型；

当所述人脸搜索请求中还携带有过滤属性时，根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型；

将所述待匹配的特征模型与所述候选特征模型进行比对，以得到满足相似度阈值的比对结果；

根据所述比对结果进行搜索结果输出。

根据本申请实施例的第四方面，提供一种机器可读存储介质，存储有机器可执行指令，在被处理器调用和执行时，所述机器可执行指令促使所述处理器：

接收人脸搜索请求；其中，所述人脸搜索请求中携带有待匹配的特征模型；

当所述人脸搜索请求中还携带有过滤属性时，根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型；

将所述待匹配的特征模型与所述候选特征模型进行比对，以得到满足相似度阈值的比对结果；

根据所述比对结果进行搜索结果输出。

本申请实施例的人脸搜索方法，通过人脸搜索请求中携带有过滤属性时，先根据该过滤属性对预先保存的特征模型进行过滤，以得到满足过滤属性的候选特征模型，进而，将待匹配的特征模型与候选特征模型进行比对，以得到满足相似度阈值的比对结果，并根据比对结果进行搜索结果输出，提高了人脸搜索的效率。

附图说明

图1是本申请一示例性实施例示出的一种人脸搜索方法的流程图；

图2是本申请又一示例性实施例示出的一种人脸搜索方法的流程图；

图3是本申请一示例性实施例示出的一种人脸搜索装置的结构示意图；

图4是本申请又一示例性实施例示出的一种人脸搜索装置的结构示意图；

图5是本申请一示例性实施例示出的一种人脸搜索装置的硬件结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。

请参见图1，为本申请实施例提供的一种人脸搜索方法的流程示意图，其中，该人脸搜索处理方法可以应用于信息检索服务器，如人脸大数据服务器，如图1所示，该人脸搜索方法可以包括以下步骤：

步骤S100、接收人脸搜索请求；其中，该人脸搜索请求中携带有待匹配的特征模型。

本申请实施例中，可以通过前端设备向信息检索服务器发送人脸搜索请求；其中，该人脸搜索请求中可以携带有待匹配的人脸图片的特征模型(本文中简称为待匹配的特征模型)。

其中，特征模型是指对人脸图片进行建模时，根据深度学习算法提取出的人脸图片中人脸的特征信息组合成的模型数据；该特征信息包括但不限于嘴角、鼻子、眼睛、眉毛、额头、头发等特征。

举例来说，用户可以通过前端设备访问指定界面，并提交用于人脸搜索的人脸图片；前端设备接收到该人脸图片时，可以对该人脸图片进行建模，以得到对应的特征模型，并向信息检索服务器发送携带该特征模型的人脸搜索请求。

其中，上述指定界面中还可以包括相似度阈值输入框或/和选择项，用户可以在该指定界面中输入或选择用于进行搜索结果筛选的相似度阈值，前端设备向信息检索服务器发送的人脸搜索请求中还可以携带有该相似度阈值。

需要说明的是，当用户未输入或选择相似度阈值时，进行特征模型比对时的相似度阈值可以为默认值(可以根据实际场景预先设定，如90％)。

步骤S110、当人脸搜索请求中还携带有过滤属性，根据该过滤属性进行特征模型过滤，以得到满足该过滤属性的候选特征模型。

本申请实施例中，前端设备发送给信息检索服务器的人脸搜索请求中还可以携带过滤属性。

其中，该过滤属性可以包括特征模型对应的人脸属性或/和人员属性中的一个或多个属性字段的值。

其中，特征模型对应的人脸属性可以包括但不限于性别、年龄段、少数民族(是否为少数民族)、是否微笑、是否戴眼镜等；人员属性可以包括但不限于省份、城市、性别、年龄、民族等。

仍以步骤S100所举示例为例，上述指定界面中还可以包括过滤属性输入框或/和选择项，用户可以在该指定界面中输入或选择用于进行特征模型筛选的过滤属性，例如，过滤属性可以为“微笑”、“男”、“汉族”等；前端设备可以将用户所输入或所选择的过滤属性携带在人脸搜索请求中发送给信息检索服务器。

相应地，在本申请实施例中，当信息检索服务器接收到人脸搜索请求时，可以确定该人脸搜索请求中是否携带有过滤属性，并当人脸搜索请求中携带有过滤属性时，信息检索服务器可以根据该人脸搜索请求中携带的过滤属性对预先保存的特征模型进行过滤，以得到满足该过滤属性的特征模型(本文中称为候选特征模型)。

需要说明的是，在本申请实施例中，当人脸搜索请求中未携带过滤属性时，人脸搜索请求可以直接将预先保存的所有特征模型均确定为候选特征模型。

步骤S120、将待匹配的特征模型与候选特征模型进行比对，以得到满足相似度阈值的比对结果。

本申请实施例中，信息检索服务器确定了候选特征模型之后，可以将人脸搜索请求中携带的待匹配的特征信息与所确定的候选特征模型进行比对，分别确定各候选特征模型与待匹配的特征模型的对比，从而得出满足相似度阈值的比对结果，即得出与待匹配的特征模型的相似度大于等于相似度阈值的特征模型。

步骤S130、根据比对结果进行搜索结果输出。

本申请实施例中，信息检索服务器得出满足相似度阈值的比对结果之后，可以根据该比对结果进行搜索结果输出。

例如，信息检索服务器可以输出所有满足相似度阈值的比对结果，或者，信息检索服务器可以根据相似度对比对结果中各特征模型进行排序，并按照相似度从高到低的顺序，输出与人脸搜索请求中携带的需要输出的人脸图片的数量等量的比对结果。

可见，在图1所示方法流程中，当人脸搜索请求中携带有过滤属性时，先根据该过滤属性对预先保存的特征模型进行过滤，以得到满足过滤属性的候选特征模型，进而，将待匹配的特征模型与候选特征模型进行比对，以得到满足相似度阈值的比对结果，并根据比对结果进行搜索结果输出，提高了人脸搜索的效率。

请参见图2，在本申请其中一个实施例中，上述接收人脸搜索请求之前，还可以包括以下步骤：

步骤S110a、接收人脸信息存储请求；其中，该人脸信息存储请求中携带有特征模型以及对应的人脸属性和人员属性。

在该实施例中，可以通过前端设备向信息检索服务器发送人脸信息存储请求；其中，该人脸信息存储请求中可以携带有待存储的人脸图片的特征模型以及对应的人脸属性和人员属性。

例如，用户可以通过前端设备访问指定界面，并提交用于存储的人脸图片；前端设备接收到该人脸图片时，一方面，可以保存该人脸图片，另一方面，可以对该人脸图片进行建模，以得到对应的特征模型，并向信息检索服务器发送携带该特征模型以及对应的人脸属性和人员属性的人脸信息存储请求。

其中，特征模型对应的人脸属性(即人脸图片对应的人脸属性)可以通过对需要存储的人脸图片进行识别确定；特征模型对应的人员属性(即人脸图片对应的人员属性)可以由用户根据已知信息在上述指定界面中输入。

步骤S100b、生成特征模型的模型ID，并保存特征模型；其中，模型ID与特征模型一一对应。

在该实施例中，信息检索服务器接收到人脸信息存储请求时，可以获取其中携带的特征模型，并为该特征模型生成用于唯一标识该特征模型的模型ID；其中，特征模型与模型ID一一对应。

信息检索服务器生成了特征模型的模型ID之后，可以保存该特征模型。

步骤S100c、保存特征模型的地址信息、特征模型的模型ID以及特征模型对应的人脸属性和人员属性的对应关系。

在该实施例中，信息检索服务器保存特征模型之后，还可以保存特征模型的地址信息、特征模型的模型ID以及特征模型对应的人脸属性和人员属性的对应关系(下文中简称为对应关系)。

其中，为了提高信息检索效率，信息检索服务器保存上述对应关系之后，还可以对所保存的对应关系建立索引。

在该实施例其中一个实施方式中，上述根据过滤属性进行特征模型过滤，以得到满足过滤属性的候选特征模型，可以包括：

根据过滤属性查询自身保存的特征模型的地址信息、特征模型的模型ID以及特征模型对应的人脸属性和人员属性的对应关系；

将与过滤属性匹配的对应关系中包括的地址信息确定候选特征模型的地址信息；

根据候选特征模型的地址信息获取候选特征模型。

在该实施方式中，当信息检索服务器接收到人脸搜索请求，且该人脸搜索请求中携带有过滤属性时，信息检索服务器可以获取该人脸搜索请求中携带的过滤属性，并根据该过滤属性查询自身保存的上述对应关系，以确定与该过滤属性匹配的对应关系中包括的地址信息，并将其确定为候选特征模型的地址信息。

举例来说，假设人脸搜索请求中携带的过滤属性为“男”、“汉族”，则信息检索服务器可以根据该过滤属性查询自身保存的上述对应关系，并将包括的人脸属性或人员属性中包括“男”和“汉族”的对应关系确定为与该过滤属性匹配的对应关系(即该对应关系中的人脸属性或人员属性中包括“男”和“汉族”这两个属性字段值)，从而可以直接将不匹配的对应关系筛除。

在该实施方式中，信息检索服务器确定了候选特征模型的地址信息之后，可以根据候选特征模型的地址信息获取候选特征模型。

在该实施例其中一个实施方式中，上述保存特征模型可以包括：

将特征模型保存到文本文件中；

其中，该特征模型的地址信息包括特征模型所在文件的文件名以及特征模型在该文件中的偏移量。

在该实施方式中，信息检索模型接收到人脸信息存储请求时，可以将其中携带的特征模型保存到文本文件中，并将特征模型所在文件的文件名(filename)以及特征模型在文件中的偏移量(offset)作为该特征模型的地址信息。

相应地，信息检索服务器确定了候选特征模型的地址信息，即确定了候选特征模型所在的文件的文件名以及在该文件中的偏移量之后，可以从相应文件的相应位置中获取候选特征模型。

在该实施方式中，为了提高信息获取效率，信息检索服务器可以预先将指定数量的用于存储特征模型的文件的文件名和文件内容读取到内存中，以便信息检索服务器需要获取特征模型时，可以从内存中高效地获取所需特征模型。

相应地，在该实施方式中，信息检索服务器确定了候选特征模型所在文件的文件名之后，还可以判断内存中是否存储有该文件的文件内容，若存储有，则信息检索服务器可以直接根据候选特征模型在文件中的偏移量从内存中获取候选特征模型；若未存储有，则信息检索服务器可以根据候选特征模型在文件中的偏移量从保存在磁盘中的文件中获取候选特征模型。

在该实施方式中，当信息检索服务器确定需要从保存在磁盘中的文件中获取候选特征模型时，信息检索服务器可以根据单个文件中候选特征模型的多少或集中分散确定是通过批量读取的方式还是随机读取的方式读取候选特征模型。

相应地，在该实施方式的一种情况中，上述根据候选特征模型的地址信息获取候选特征模型，可以包括：

对于任一保存有候选特征模型的文本文件，当该文本文件中候选特征模型的占比小于第一预设阈值时，根据候选特征模型的地址分别从该文本文件中读取各候选特征模型；

当该文本文件中候选特征模型的占比大于等于第一预设阈值时，按照批量读取的方式从该文本文件中读取候选特征模型。

在该情况中，信息检索服务器确定了保存有候选特征模型的文本文件之后，对于任一文本文件，信息检索服务器可以统计该文本文件中候选特征模型的占比，即候选特征模型的数量占该文本文件中特征模型的总数的比例，并判断该比例是否小于第一预设阈值(可以根据实际场景设定，如50％、60％等)。

当该文本文件中候选特征模型的占比小于第一预设阈值时，信息检索服务器可以按照随机读取的方式读取候选特征模型，即根据候选特征模型的地址信息分别从该文本文件中读取各候选特征模型。

当该文本文件中候选特征模型的占比大于等于第一预设阈值时，信息检索服务器可以按照批读取的方式读取候选特征模型，即直接读取整个文件的内容，然后从中获取候选特征模型。

在该实施方式的另一种情况中，上述根据候选特征模型的地址信息获取候选特征模型，可以包括：

对于任一保存有候选特征模型的文本文件，当该文本文件的任一预设长度的连续地址段内候选特征模型的数量小于第二预设阈值时，根据候选特征模型的地址信息分别从该文本文件中的该地址段内读取各候选特征模型；

当该连续地址段内候选特征模型的数量大于等于第二预设阈值时，按照批量读取的方式从该文本文件中读取候选特征模型。

在该情况中，信息检索服务器确定了保存有候选特征模型的文本文件之后，对于任一文本文件，信息检索服务器可以判断该文本文件中是否存在预设长度(可以根据实际场景设定)的连续地址段内候选特征模型的数量大于等于第二预设阈值(可以根据实际场景设定)。

对于候选特征模型的数量大于等于第二预设阈值的预设长度连续地址段，信息检索模型可以按照批量读取的方式从该文本文件中读取候选特征模型，即信息检索模型可以直接读取该文本文件中该预设长度的连续地址段的文件内容，然后从中获取候选特征模型。

对于候选特征模型的数量小于第二预设阈值的预设长度连续地址段，信息检索模型可以按照随机读取的方式读取候选特征模型，即根据候选特征模型的地址信息从该地址段内读取候选特征模型。

举例来说，对于任一存在候选特征模型的文本文件，可以将其等分为预设长度的若干段，并分别统计各段中候选特征模型的数量，以判断该数量是否超过第二预设阈值，并根据判断结果按照上述方式进行候选特征模型读取。

进一步地，在该实施例的其中一种实施方式中，上述保存特征模型的地址信息、特征模型的模型ID以及特征模型对应的人脸属性和人员属性的对应关系之后，还可以包括：

根据特征模型对应的人脸图片的获取时间对该对应关系进行分区；其中，不同分区对应不同的时间范围。

在该实施方式中，为了提高信息检索效率，信息检索服务器保存特征模型的地址信息、特征信息的模型ID以及特征模型对应的人脸属性和人员属性的对应关系之后，信息检索服务器还可以根据特征模型对应的人脸图片的获取时间对该对应关系进行分区。

例如，信息检索服务器可以将时间范围t1～t2(t2＞t1)内获取到的人脸图片对应的特征模型的对应关系存储在分区表1中；将时间范围t2～t3内获取到的人脸图片对应的特征模型的对应关系存储在分区表2中。

相应地，在该实施方式中，当人脸搜索请求中还携带有搜索时间段时，上述根据过滤属性进行特征模型过滤，以得到满足过滤属性的候选特征模型，可以包括：

确定与搜索时间段匹配的目标分区；

根据过滤属性查询该目标分区中的对应关系；

将目标分区中与该过滤属性匹配的对应关系中包括的地址信息确定为候选特征模型的地址信息；

根据候选特征模型的地址信息获取候选特征模型。

在该实施方式中，用户通过前端设备向信息检索服务器发送人脸搜索请求时，还可以指定搜索时间段，以指示信息检索服务器从该搜素时间段对应的时间范围内的特征模型搜索满足条件的特征模型。

相应地，信息检索服务器接收到人脸搜索请求，且确定该人脸搜索请求中携带有过滤属性和搜索时间段时，信息检索服务器可以先确定与该搜索时间段匹配的分区(本文中称为目标分区)。

其中，与搜索时间段匹配的分区包括对应的时间范围与搜索时间段存在重叠的分区。

仍以上一示例为例，假设搜索时间段为t5～t6，其中，t1＜t5＜t2，t2＜t6＜t3，则目标分区包括分区表1和分区表2。

在该实施方式中，信息检索服务器确定了目标分区之后，可以根据过滤属性查询目标分区中的对应关系，并将目标分区中与过滤属性匹配的对应关系中包括的地址信息确定为候选特征模型的地址信息，进而，信息检索服务器可以根据该候选特征模型的地址信息获取候选特征模型。

进一步地，在该实施例其中一种实施方式中，上述人脸信息存储请求中还可以包括特征模型对应的人脸图片的地址信息；

相应地，上述生成特征模型的模型ID之后，还可以包括：

保存模型ID与对应的人脸图片的地址信息的对应关系。

在该实施方式中，信息检索服务器生成特征模型的模型ID之后，可以保存所生成的模型ID与对应的人脸图片的地址信息(如URL(Uniform Resoure Locator，统一资源定位符))的对应关系。

例如，假设人脸图片1对应的特征模型为特征模型1，特征模型的模型ID为ID1，人脸图片1的URL为URL1，则信息检索服务器可以保存ID1与URL1的对应关系。

在该实施方式中，当信息检索服务器确定了候选特征模型中满足相似度阈值的特征模型之后，可以根据该特征模型的模型ID查询对应的人脸图片的地址信息，并将该人脸图片的地址信息作为搜索结果进行输出；其中，信息检索结果输出的搜索结果还可以包括预先存储的该特征模型对应的人脸属性和人员属性。

在该实施方式的一种情况中，上述人脸搜索请求中还可以携带需要输出的人脸图片的数量；

在该情况下，上述根据比对结果进行搜索结果输出，可以包括：

按照与待匹配的特征模型的相似度从高到低的顺序，从满足相似度阈值的特征模型中选择与所需要输出的人脸图片的数量等量的特征模型作为目标特征模型；

输出目标特征模型对应的人脸属性、人员属性以及人脸图片的地址信息。

具体地，在该情况中，用户通过前端设备向信息检索服务器发送人脸搜索请求时，还可以指定需要输出的人脸图片的数量(可以称为TOP N，N为正整数，如50、100等)，即需要输出与待匹配的特征模型的相似度最高的N个特征模型对应的人脸图片。

相应地，当信息检索服务器接收到人脸搜索请求，并按照上述方式确定了满足相似度阈值的特征模型之后，信息检索服务器可以将满足相似度阈值的特征按照从高到低的顺序进行排序，并按照排序结果将第1个～第N个特征模型确定为目标特征模型。

进而，信息检索服务器可以根据目标特征模型的模型ID确定目标特征模型对应的人脸图片的地址信息，以及目标特征模型对应的人脸属性和人员属性，并将目标特征模型对应的人脸属性、人员属性以及人脸图片的地址信息作为搜索结果进行输出。

需要说明的是，在本申请实施例中，信息检索服务器确定了目标特征模型对应的人脸图片的地址信息之后，在进行搜索结果输出时，也可以先根据该地址信息获取到对应的人脸图片，并直接将人脸图片以及人脸图片对应的人脸属性、人员属性作为搜索结果输出。

此外，当人脸搜索请求中携带的需要输出的人脸图片的数量，但满足相似度阈值的特征模型的数量小于该数量时，信息检索服务器可以将满足相似度阈值的特征模型均确定为目标特征模型。

本申请实施例中，通过在人脸搜索请求中携带有过滤属性时，先根据该过滤属性对预先保存的特征模型进行过滤，以得到满足过滤属性的候选特征模型，进而，将待匹配的特征模型与候选特征模型进行比对，以得到满足相似度阈值的比对结果，并根据比对结果进行搜索结果输出，由于特征模型比对的时间开销远大于属性过滤的时间开销，因此，与现有方案中先匹配后过滤的实现方案相比，本申请实施例提供的方案可以提高人脸搜索的效率。

以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述：

请参见图3，为本申请实施例提供的一种人脸搜索装置的结构示意图，如图3所示，该人脸搜索装置可以包括：

接收单元310，用于接收人脸搜索请求；其中，所述人脸搜索请求中携带有待匹配的特征模型；

过滤单元320，用于当所述人脸搜索请求中还携带有过滤属性时，根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型；

比对单元330，用于将所述待匹配的特征模型与所述候选特征模型进行比对，以得到满足相似度阈值的比对结果；

输出单元340，用于根据所述比对结果进行搜索结果输出。

在一种可选的实施方式中，所述接收单元310，还用于接收人脸信息存储请求；其中，所述人脸信息存储请求中携带有特征模型以及对应的人脸属性和人员属性

如图4所示，所述装置还包括：

生成单元350，用于生成所述特征模型的模型标识ID；其中，所述模型ID与特征模型一一对应；

保存单元360，用于保存所述特征模型；

所述保存单元360，还用于保存所述特征模型的地址信息、所述特征模型的模型ID以及所述特征模型对应的人脸属性和人员属性的对应关系。

在一种可选的实施方式中，所述过滤属性包括特征模型对应的人脸属性或/和人员属性中的一个或多个属性属性字段的值；

所述过滤单元320，具体用于根据所述过滤属性查询自身保存的特征模型的地址信息、特征模型的模型ID以及特征模型对应的人脸属性和人员属性的对应关系；将与所述过滤属性匹配的对应关系中包括的地址信息确定候选特征模型的地址信息；根据所述候选特征模型的地址信息获取所述候选特征模型。

在一种可选的实施方式中，所述保存单元360，具体用于将所述特征模型保存到文本文件中；

其中，所述特征模型的地址信息包括所述特征模型所在文件的文件名，以及所述特征模型在该文件中的偏移量。

在一种可选的实施方式中，所述过滤单元320，具体用于对于任一保存有候选特征模型的文本文件，当该文本文件中候选特征模型的占比小于第一预设阈值时，根据候选特征模型的地址信息分别从该文本文件中读取各候选特征模型；

当该文本文件中候选特征模型的占比大于等于所述第一预设阈值时，按照批量读取的方式从该文本文件中读取候选特征模型。

在一种可选的实施方式中，所述过滤单元320，具体用于对于任一保存有候选特征模型的文本文件，当该文本文件的任一预设长度的连续地址段内候选特征模型的数量小于第二预设阈值时，根据候选特征模型的地址信息分别从该文本文件中的该地址段内读取各候选特征模型；

当该连续地址段内候选特征模型的数量大于等于所述第二预设阈值时，按照批量读取的方式从该文本文件中读取候选特征模型。

在一种可选的实施方式中，所述保存单元360，还用于根据特征模型对应的人脸图片的获取时间对所述对应关系进行分区；其中，不同的分区对应不同的时间范围。

在一种可选的实施方式中，所述人脸搜索请求中还携带有搜索时间段；

所述过滤单元320，具体用于确定与所述搜索时间段匹配的目标分区；根据所述过滤属性查询所述目标分区中的所述对应关系；将所述目标分区中与所述过滤属性匹配的对应关系中包括的地址信息确定为候选特征模型的地址信息；根据所述候选特征模型的地址信息获取所述候选特征模型。

在一种可选的实施方式中，所述人脸信息存储请求中还包括特征模型对应的人脸图片的地址信息；

所述保存单元360，还用于保存所述模型ID与对应的人脸图片的地址信息的对应关系；

所述输出单元340，还用于按照与待匹配的特征模型的相似度从高到低的顺序，从满足所述相似度阈值的特征模型中选择与所述需要输出的人脸图片的数量等量的特征模型作为目标特征模型；输出所述目标特征模型对应的人脸属性、人员属性以及人脸图片的地址信息。

请参见图5，为本申请实施例提供的一种人脸搜索装置的硬件结构示意图。该人脸搜索装置可以包括处理器501、存储有机器可执行指令的机器可读存储介质502。处理器501与机器可读存储介质502可经由系统总线503通信。并且，通过读取并执行机器可读存储介质502中与人脸搜索逻辑对应的机器可执行指令，处理器501可执行上文描述的人脸搜索方法。

本文中提到的机器可读存储介质502可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。

本申请实施例还提供了一种包括机器可执行指令的机器可读存储介质，例如图5中的机器可读存储介质502，所述机器可执行指令可由人脸搜索装置中的处理器501执行以实现以上描述的人脸搜索方法。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (20)

1.一种人脸搜索方法，其特征在于，包括：

接收人脸搜索请求；其中，所述人脸搜索请求中携带有待匹配的特征模型；

当所述人脸搜索请求中还携带有过滤属性时，根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型；

将所述待匹配的特征模型与所述候选特征模型进行比对，以得到满足相似度阈值的比对结果；

根据所述比对结果进行搜索结果输出。

2.根据权利要求1所述的方法，其特征在于，所述接收人脸搜索请求之前，还包括：

接收人脸信息存储请求；其中，所述人脸信息存储请求中携带有特征模型以及对应的人脸属性和人员属性；

生成所述特征模型的模型标识ID，并保存所述特征模型；其中，所述模型ID与特征模型一一对应；

保存所述特征模型的地址信息、所述特征模型的模型ID以及所述特征模型对应的人脸属性和人员属性的对应关系。

3.根据权利要求2所述的方法，其特征在于，所述过滤属性包括特征模型对应的人脸属性或/和人员属性中的一个或多个属性属性字段的值；

所述根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型，包括：

根据所述过滤属性查询自身保存的特征模型的地址信息、特征模型的模型ID以及特征模型对应的人脸属性和人员属性的对应关系；

将与所述过滤属性匹配的对应关系中包括的地址信息确定候选特征模型的地址信息；

根据所述候选特征模型的地址信息获取所述候选特征模型。

4.根据权利要求2或3所述的方法，其特征在于，所述保存所述特征模型，包括：

将所述特征模型保存到文本文件中；

其中，所述特征模型的地址信息包括所述特征模型所在文件的文件名，以及所述特征模型在该文件中的偏移量。

5.根据权利要求4所述的方法，其特征在于，所述根据所述候选特征模型的地址信息获取所述候选特征模型，包括：

对于任一保存有候选特征模型的文本文件，当该文本文件中候选特征模型的占比小于第一预设阈值时，根据候选特征模型的地址信息分别从该文本文件中读取各候选特征模型；

当该文本文件中候选特征模型的占比大于等于所述第一预设阈值时，按照批量读取的方式从该文本文件中读取候选特征模型。

6.根据权利要求4所述的方法，其特征在于，所述根据所述候选特征模型的地址信息获取所述候选特征模型，包括：

对于任一保存有候选特征模型的文本文件，当该文本文件的任一预设长度的连续地址段内候选特征模型的数量小于第二预设阈值时，根据候选特征模型的地址信息分别从该文本文件中的该地址段内读取各候选特征模型；

当该连续地址段内候选特征模型的数量大于等于所述第二预设阈值时，按照批量读取的方式从该文本文件中读取候选特征模型。

7.根据权利要求2所述的方法，其特征在于，所述保存所述特征模型的地址信息、特征模型的模型ID以及所述特征模型对应的人脸属性和人员属性的对应关系之后，还包括：

根据特征模型对应的人脸图片的获取时间对所述对应关系进行分区；其中，不同的分区对应不同的时间范围。

8.根据权利要求7所述的方法，其特征在于，所述人脸搜索请求中还携带有搜索时间段；

所述根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型，包括：

确定与所述搜索时间段匹配的目标分区；

根据所述过滤属性查询所述目标分区中的所述对应关系；

将所述目标分区中与所述过滤属性匹配的对应关系中包括的地址信息确定为候选特征模型的地址信息；

根据所述候选特征模型的地址信息获取所述候选特征模型。

9.根据权利要求2所述的方法，其特征在于，所述人脸信息存储请求中还包括特征模型对应的人脸图片的地址信息；

所述生成所述特征模型的模型标识ID之后，还包括：

保存所述模型ID与对应的人脸图片的地址信息的对应关系；

所述人脸搜索请求中还携带有需输出人脸图片的数量，所述根据所述比对结果进行搜索结果输出，包括：

按照与待匹配的特征模型的相似度从高到低的顺序，从满足所述相似度阈值的特征模型中选择与所述需要输出的人脸图片的数量等量的特征模型作为目标特征模型；

输出所述目标特征模型对应的人脸属性、人员属性以及人脸图片的地址信息。

10.一种人脸搜索装置，其特征在于，包括：

接收单元，用于接收人脸搜索请求；其中，所述人脸搜索请求中携带有待匹配的特征模型；

过滤单元，用于当所述人脸搜索请求中还携带有过滤属性时，根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型；

比对单元，用于将所述待匹配的特征模型与所述候选特征模型进行比对，以得到满足相似度阈值的比对结果；

输出单元，用于根据所述比对结果进行搜索结果输出。

11.根据权利要求10所述的装置，其特征在于，

所述接收单元，还用于接收人脸信息存储请求；其中，所述人脸信息存储请求中携带有特征模型以及对应的人脸属性和人员属性

所述装置还包括：

生成单元，用于生成所述特征模型的模型标识ID；其中，所述模型ID与特征模型一一对应；

保存单元，用于保存所述特征模型；

所述保存单元，还用于保存所述特征模型的地址信息、所述特征模型的模型ID以及所述特征模型对应的人脸属性和人员属性的对应关系。

12.根据权利要求11所述的装置，其特征在于，所述过滤属性包括特征模型对应的人脸属性或/和人员属性中的一个或多个属性属性字段的值；

所述过滤单元，具体用于根据所述过滤属性查询自身保存的特征模型的地址信息、特征模型的模型ID以及特征模型对应的人脸属性和人员属性的对应关系；将与所述过滤属性匹配的对应关系中包括的地址信息确定候选特征模型的地址信息；根据所述候选特征模型的地址信息获取所述候选特征模型。

13.根据权利要求11或12所述的装置，其特征在于，

所述保存单元，具体用于将所述特征模型保存到文本文件中；

其中，所述特征模型的地址信息包括所述特征模型所在文件的文件名，以及所述特征模型在该文件中的偏移量。

14.根据权利要求13所述的装置，其特征在于，

所述过滤单元，具体用于对于任一保存有候选特征模型的文本文件，当该文本文件中候选特征模型的占比小于第一预设阈值时，根据候选特征模型的地址信息分别从该文本文件中读取各候选特征模型；

当该文本文件中候选特征模型的占比大于等于所述第一预设阈值时，按照批量读取的方式从该文本文件中读取候选特征模型。

15.根据权利要求13所述的装置，其特征在于，

所述过滤单元，具体用于对于任一保存有候选特征模型的文本文件，当该文本文件的任一预设长度的连续地址段内候选特征模型的数量小于第二预设阈值时，根据候选特征模型的地址信息分别从该文本文件中的该地址段内读取各候选特征模型；

当该连续地址段内候选特征模型的数量大于等于所述第二预设阈值时，按照批量读取的方式从该文本文件中读取候选特征模型。

16.根据权利要求11所述的装置，其特征在于，

所述保存单元，还用于根据特征模型对应的人脸图片的获取时间对所述对应关系进行分区；其中，不同的分区对应不同的时间范围。

17.根据权利要求16所述的装置，其特征在于，所述人脸搜索请求中还携带有搜索时间段；

所述过滤单元，具体用于确定与所述搜索时间段匹配的目标分区；根据所述过滤属性查询所述目标分区中的所述对应关系；将所述目标分区中与所述过滤属性匹配的对应关系中包括的地址信息确定为候选特征模型的地址信息；根据所述候选特征模型的地址信息获取所述候选特征模型。

18.根据权利要求11所述的装置，其特征在于，所述人脸信息存储请求中还包括特征模型对应的人脸图片的地址信息；

所述保存单元，还用于保存所述模型ID与对应的人脸图片的地址信息的对应关系；

所述输出单元，还用于按照与待匹配的特征模型的相似度从高到低的顺序，从满足所述相似度阈值的特征模型中选择与所述需要输出的人脸图片的数量等量的特征模型作为目标特征模型；输出所述目标特征模型对应的人脸属性、人员属性以及人脸图片的地址信息。

19.一种人脸搜索装置，其特征在于，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器被所述机器可执行指令促使：

接收人脸搜索请求；其中，所述人脸搜索请求中携带有待匹配的特征模型；

当所述人脸搜索请求中还携带有过滤属性时，根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型；

将所述待匹配的特征模型与所述候选特征模型进行比对，以得到满足相似度阈值的比对结果；

根据所述比对结果进行搜索结果输出。

20.一种机器可读存储介质，其特征在于，存储有机器可执行指令，在被处理器调用和执行时，所述机器可执行指令促使所述处理器：

接收人脸搜索请求；其中，所述人脸搜索请求中携带有待匹配的特征模型；

当所述人脸搜索请求中还携带有过滤属性时，根据所述过滤属性进行特征模型过滤，以得到满足所述过滤属性的候选特征模型；

将所述待匹配的特征模型与所述候选特征模型进行比对，以得到满足相似度阈值的比对结果；

根据所述比对结果进行搜索结果输出。