WO2016015621A1 - 人脸图片人名识别方法和系统 - Google Patents

人脸图片人名识别方法和系统 Download PDF

Info

Publication number
WO2016015621A1
WO2016015621A1 PCT/CN2015/085285 CN2015085285W WO2016015621A1 WO 2016015621 A1 WO2016015621 A1 WO 2016015621A1 CN 2015085285 W CN2015085285 W CN 2015085285W WO 2016015621 A1 WO2016015621 A1 WO 2016015621A1
Authority
WO
WIPO (PCT)
Prior art keywords
face
name
person
picture
target
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.)
Ceased
Application number
PCT/CN2015/085285
Other languages
English (en)
French (fr)
Inventor
胡金辉
赵瑾
朱茂清
陶哲
郭毓琦
韩玉刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Qihoo Technology Co Ltd
Qizhi Software Beijing Co Ltd
Original Assignee
Beijing Qihoo Technology Co Ltd
Qizhi Software Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Qihoo Technology Co Ltd, Qizhi Software Beijing Co Ltd filed Critical Beijing Qihoo Technology Co Ltd
Publication of WO2016015621A1 publication Critical patent/WO2016015621A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/179—Human faces, e.g. facial parts, sketches or expressions metadata assisted face recognition

Definitions

  • the present invention relates to the field of computer technologies, and in particular, to a method and system for recognizing a human face picture.
  • the conventional scheme for recognizing a person's name corresponding to a face is generally as follows: directly comparing a face image of an unknown person's name with a face image of a known person's name, and if all or most of the two are the same, it can be judged in the two pictures.
  • the human face is the face of the same person, that is, the name of the face image of the unknown person name can be determined according to the name of the face image of the known person name.
  • the main disadvantage of this scheme is that since it is a comparison of two pictures, there are very high requirements on the expression, angle, size, etc. of the faces in the two pictures, which easily makes it difficult to match the faces of the same figure in the two pictures. However, it is impossible to accurately identify, and eventually the name of the person whose unknown face image cannot be judged, the recognition failure rate is very high.
  • the present invention has been made in order to provide a face picture person name recognition method and system that overcomes the above problems or at least partially solves the above problems.
  • a method for recognizing a face picture name including: setting a corresponding person name for a collected face picture; and performing a picture including the target face and the collected face picture Comparing, identifying one or more face pictures similar to the picture containing the target face; determining the name of the target face according to the name of the person corresponding to the similar one or more face pictures.
  • a face picture person name recognition system comprising: a person name setting module, configured to set a corresponding person name for the collected face picture; a similar face picture recognition module, Comparing a picture containing the target face with the collected face picture, identifying one or more face pictures similar to the picture containing the target face; a name determination module for using the similar The name of the person corresponding to the one or more face images respectively determines the name of the person of the target face.
  • a computer program comprising a computer readable generation
  • a code when the computer readable code is run on a computing device, causes the computing device to perform the method described in the preceding paragraph.
  • a computer readable medium storing the computer program described in the preceding paragraph is provided.
  • the face picture person name recognition method and system of the present invention have at least the following advantages:
  • the present invention does not directly perform the comparison between the individual face images, but firstly recognizes a similar face image from the collected face images based on the face recognition technology, and the image containing the target face is usually It is a picture of the same face, so based on the name of a similar face picture, the name of the target face can be determined; based on the face recognition technology to identify similar face pictures, the target face is less demanding in terms of expression and angle. Therefore, it is easier to identify different face images of the same person corresponding to the target face, that is, it is easier to determine the name of the target face.
  • FIG. 1 shows a flow chart of a face picture person name recognition method according to an embodiment of the present invention
  • FIG. 2 is a flow chart showing the working principle of a face picture person name recognition method according to an embodiment of the present invention
  • FIG. 3 illustrates a partial flowchart of a face picture person name recognition method according to an embodiment of the present invention
  • FIG. 4 shows a block diagram of a face picture person name recognition system in accordance with one embodiment of the present invention
  • FIG. 5 is a block diagram showing a face picture person name recognition method according to an embodiment of the present invention.
  • FIG. 6 is a partial block diagram showing a face picture person name recognition method according to an embodiment of the present invention.
  • Figure 7 shows a block diagram of a computing device for performing a method in accordance with the present invention
  • Figure 8 shows a storage unit for holding or carrying program code implementing the method according to the invention.
  • an embodiment of the present invention provides a method for recognizing a human face picture name, including:
  • Step 110 Set a corresponding person name for the collected face image.
  • the manner of setting the name of the person is not limited. Specifically, the corresponding name is recorded when each face image is collected.
  • Step 120 Comparing the picture containing the target face with the collected face picture, and identifying one or more face pictures similar to the picture containing the target face. According to the existing various face recognition technologies, similar face pictures can be better recognized.
  • Step 130 Determine a person name of the target face according to the name of the person corresponding to the similar one or more face images.
  • the manner of determining the name of the target face is not limited. For example, in a case where the names of the plurality of similar face pictures are different, the name of the person who has a higher number of occurrences may be selected as the target face. Name of person.
  • the comparison between the single face images is not directly performed, but the similar face images are firstly recognized from the collected face images based on the face recognition technology.
  • the picture with the target face is usually the same face image, so based on the name of the similar face picture, the person name of the target face can be determined; the similar face image is recognized based on the face recognition technology, and the target face is in the expression
  • the requirements for angles and angles are lower, so it is easier to identify different face images of the same person corresponding to the target face, that is, it is easier to determine the name of the target face.
  • Another embodiment of the present invention further provides a method for recognizing a human face picture name, where the step 110 specifically includes:
  • the person's name is extracted from the related text of the collected face image as the name of the person corresponding to the collected face image.
  • the form of the related text is not limited. For example, if the face picture appears in the news, the related text may be the title or body of the news.
  • Another embodiment of the present invention further provides a method for recognizing a human face picture name, wherein the step 130 specifically includes:
  • the highest degree of similarity indicates that the two face pictures are most likely to be the face pictures of the same person, and therefore should have the same person name.
  • Another embodiment of the present invention further provides a method for recognizing a human face picture name, wherein the step 130 specifically includes:
  • the name of the corresponding face image of the maximum similarity is taken as the name of the target face.
  • the specific size of the first threshold is not limited, for example, it may be 90%. If the maximum similarity is greater than 90%, it is considered that the two faces are very similar and should be the face of the same person, and the target face belongs to the face of the character corresponding to the name, and the name can be output for the user at this time.
  • Another embodiment of the present invention further provides a method for recognizing a human face picture name, wherein the step 130 specifically includes:
  • the plurality of similar face images may be face images of different characters, wherein the face image with the same person name should be the face image of the same person, and the similarity is the largest after the addition. It means that the corresponding person is the most similar to the character corresponding to the current face, and should be the same person, so it should have the same person name.
  • Another embodiment of the present invention further provides a method for recognizing a human face picture name, wherein the step 130 specifically includes:
  • the name of the person whose maximum similarity is added is taken as the name of the person of the target face.
  • the specific size of the second threshold is not limited. For example it can be 200%. If the maximum similarity after the addition is greater than 200%, it is considered that the face image corresponding to the person name is very similar to the target face, and should be the face of the same person, and the target face belongs to the face of the person corresponding to the name. At this time, the name of the person can be output for the user.
  • Another embodiment of the present invention further provides a face picture person name recognition method, further comprising: acquiring, after the added maximum similarity is lower than a predetermined second threshold, the person corresponding to the maximum similarity after the addition Face images are provided to the user.
  • the maximum similarity after the addition when the maximum similarity after the addition is lower than a certain level, it means that the image containing the target face in any similar face image does not correspond to the same person, so the accuracy cannot be accurate at this time.
  • the person name of the target face is determined, and the most similar face image can be provided to the user for the user to judge whether it is the face of the same person.
  • the operation ends. If the face is included, the subsequent operation is continued, and the face is the target face that needs to identify the corresponding person name; Face recognition, identifying a plurality of face images similar to the image containing the target face; taking similarities between similar multiple face images and the image containing the target face, such as where the maximum similarity is greater than the first threshold, then The person whose face image corresponds to the maximum similarity is the name of the person whose face is the target face; if the maximum similarity is lower than the first threshold, the similarities corresponding to the face images of the same person name are added, such as the maximum of the added If the similarity is greater than the second threshold, the person name corresponding to the maximum similarity after the addition is taken as the name of the target face, otherwise the most similar face may be directly output.
  • another embodiment of the present invention further provides a method for recognizing a human face picture name, where the step 120 specifically includes:
  • Step 121 Extract features in the collected face images and store them in a preset face database.
  • the face in the picture is automatically detected for the collected face picture, and then the feature of the face is extracted and quantized into a high-dimensional vector.
  • Using high-dimensional vectors to represent faces can reduce the amount of data and facilitate subsequent similar face comparisons.
  • This will create a collection of people A database of face image features.
  • step 122 the feature of the picture containing the target face is extracted and compared with the feature of the collected face picture taken from the face database.
  • the face is automatically detected first, the feature of the face is extracted, and quantized into a high-dimensional vector; the vector and the library containing the picture of the target face
  • the feature high-dimensional vectors of the inner face images are compared, and the Euclidean distance is calculated, and the first N vectors closest to each other, that is, the first N similar faces are taken.
  • the face database is too large, it takes a long time to compare one by one, you can cluster the face in the library in advance, and then only compare with the face of the cluster, which can greatly shorten the comparison time; the specific comparison is high.
  • the dimensional feature vectors are compared, the Euclidean distance between the vectors is calculated, and the first N vectors closest to each other are taken.
  • the faces represented by these vectors are the faces most similar to the input face.
  • another embodiment of the present invention further provides a face picture name recognition system, including:
  • the person name setting module 410 is configured to set a corresponding person name for the collected face picture.
  • the manner of setting the name of the person is not limited. Specifically, the corresponding name is recorded when each face image is collected.
  • the similar face image recognition module 420 is configured to compare the picture containing the target face with the collected face picture, and identify one or more face pictures similar to the picture containing the target face. According to the existing various face recognition technologies, similar face pictures can be better recognized.
  • the person name determining module 430 is configured to determine the person name of the target face according to the name of the person corresponding to the similar one or more face pictures.
  • the manner of determining the name of the target face is not limited. For example, in a case where the names of the plurality of similar face pictures are different, the name of the person who has a higher number of occurrences may be selected as the target face. Name of person.
  • the comparison between the single face images is not directly performed, but the similar face images are firstly recognized from the collected face images based on the face recognition technology.
  • the picture with the target face is usually the same face image, so based on the name of the similar face picture, the person name of the target face can be determined; the similar face image is recognized based on the face recognition technology, and the target face is in the expression
  • the requirements for angles and angles are lower, so it is easier to identify different face images of the same person corresponding to the target face, that is, it is easier to determine the name of the target face.
  • Another embodiment of the present invention further provides a face picture person name recognition system, wherein the person name setting module 410 extracts a person name from the related text of the collected face picture as the name of the person corresponding to the collected face picture.
  • the form of the related text is not limited. For example, if the face picture appears in the news, the related text may be the title or body of the news.
  • Another embodiment of the present invention further provides a face picture person name recognition system, wherein the person name determination 430 acquires the similarity between the similar one or more face pictures and the picture including the target face, and correspondingly the maximum similarity thereof.
  • the name of the face image is the name of the person who is the target face.
  • the highest degree of similarity indicates that the two face pictures are most likely to be the face pictures of the same person, and therefore should have the same person name.
  • Another embodiment of the present invention further provides a face picture person name recognition system, wherein the person name determination 430 uses the person name of the corresponding face image of the maximum similarity as the target person when the maximum similarity is higher than the predetermined first threshold.
  • the name of the face In this embodiment, the specific size of the first threshold is not limited, for example, it may be 90%. If the maximum similarity is greater than 90%, it is considered that the two faces are very similar and should be the face of the same person, and the target face belongs to the face of the character corresponding to the name, and the name can be output for the user at this time.
  • Another embodiment of the present invention further provides a face picture person name recognition system, wherein the person name determining module 430 acquires the similarity between the similar one or more face pictures and the picture containing the target face, and the person with the same person name The similarities corresponding to the face images are added, and the maximum similarities after the addition are corresponding. The name of the person who is the target face.
  • the plurality of similar face images may be face images of different characters, wherein the face image with the same person name should be the face image of the same person, and the similarity is the largest after the addition. It means that the corresponding person is the most similar to the character corresponding to the current face, and should be the same person, so it should have the same person name.
  • Another embodiment of the present invention further provides a face picture person name recognition system, wherein the person name determining module 430 adds the maximum similarity when the added maximum similarity is higher than a predetermined second threshold.
  • the name of the person who is the target face In this embodiment, the specific size of the second threshold is not limited, for example, it may be 200%. If the maximum similarity after the addition is greater than 200%, it is considered that the face image corresponding to the person name is very similar to the target face, and should be the face of the same person, and the target face belongs to the face of the person corresponding to the name. At this time, the name of the person can be output for the user.
  • another embodiment of the present invention further provides a face picture name recognition system, which further includes:
  • the similar face image providing module 440 is configured to obtain a face image corresponding to the maximum similarity after the addition, when the maximum similarity after the addition is lower than the predetermined second threshold, to be provided to the user.
  • the maximum similarity after the addition when the maximum similarity after the addition is lower than a certain level, it means that the image containing the target face in any similar face image does not correspond to the same person, so the accuracy cannot be accurate at this time.
  • the person name of the target face is determined, and the most similar face image can be provided to the user for the user to judge whether it is the face of the same person.
  • the operation ends. If the face is included, the subsequent operation is continued, and the face is the target face that needs to identify the corresponding person name; Face recognition, identifying a plurality of face images similar to the image containing the target face; taking similarities between similar multiple face images and the image containing the target face, such as where the maximum similarity is greater than the first threshold, then The person whose face image corresponds to the maximum similarity is the name of the person whose target face is; If the maximum similarity is lower than the first threshold, the similarities corresponding to the face images of the same person name are added, and if the maximum similarity after the addition is greater than the second threshold, the maximum similarity corresponding to the addition is taken. The name of the person as the name of the target face, otherwise the most similar face can be directly output.
  • another embodiment of the present invention further provides a face picture name recognition system, wherein the similar face picture recognition module 420 includes:
  • the feature storage module 421 is configured to extract features in the collected face images and store them in a preset face database.
  • the face in the picture is automatically detected for the collected face picture, and then the feature of the face is extracted and quantized into a high-dimensional vector.
  • Using high-dimensional vectors to represent faces can reduce the amount of data and facilitate subsequent similar face comparisons.
  • This will create a database containing the features of the collected face images.
  • For the face images corresponding to each person's name in the library collect as many images as possible of various expressions, angles or sizes, which is helpful for the subsequent recall and accuracy of face recognition: recognized faces There is no requirement for expressions, angles, poses, etc., and it is not necessary to input a picture as a frontal high definition image. Since various expressions, angles, and gestures of a human face are known in the database, various face images input can be recognized.
  • the feature comparison module 422 is configured to extract features of the picture including the target face and compare the features of the collected face pictures taken from the face database.
  • the face is automatically detected first, the feature of the face is extracted, and quantized into a high-dimensional vector; the vector and the library containing the picture of the target face
  • the feature high-dimensional vectors of the inner face images are compared, and the Euclidean distance is calculated, and the first N vectors closest to each other, that is, the first N similar faces are taken.
  • the face database is too large, it takes a long time to compare one by one, you can cluster the face in the library in advance, and then only compare with the face of the cluster, which can greatly shorten the comparison time; the specific comparison is high.
  • the dimensional feature vectors are compared, the Euclidean distance between the vectors is calculated, and the first N vectors closest to each other are taken.
  • the faces represented by these vectors are the faces most similar to the input face.
  • modules in the devices of the embodiments can be adaptively changed and placed in one or more devices different from the embodiment.
  • the modules or units or components of the embodiments may be combined into one module or unit or component, and further they may be divided into a plurality of sub-modules or sub-units or sub-components.
  • any combination of the features disclosed in the specification, including the accompanying claims, the abstract and the drawings, and any methods so disclosed, or All processes or units of the device are combined.
  • Each feature disclosed in this specification (including the accompanying claims, the abstract and the drawings) may be replaced by alternative features that provide the same, equivalent or similar purpose.
  • the various component embodiments of the present invention may be implemented in hardware, or in a software module running on one or more processors, or in a combination thereof.
  • a microprocessor or digital signal processor can be used in practice to implement in accordance with the present invention.
  • the face image of the example identifies some or all of the functionality of some or all of the components in the system.
  • the invention can also be implemented as a device or device program (e.g., a computer program and a computer program product) for performing some or all of the methods described herein.
  • a program implementing the invention may be stored on a computer readable medium or may be in the form of one or more signals.
  • Such signals may be downloaded from an Internet website, provided on a carrier signal, or provided in any other form.
  • Figure 7 illustrates a face picture person identification system, such as a computing device, in accordance with the present invention.
  • the computing device conventionally includes a processor 710 and a computer program product or computer readable medium in the form of a memory 720.
  • Memory 720 can be an electronic memory such as a flash memory, EEPROM (Electrically Erasable Programmable Read Only Memory), EPROM, hard disk, or ROM.
  • Memory 720 has a memory space 730 for program code 731 for performing any of the method steps described above.
  • storage space 730 for program code may include various program code 731 for implementing various steps in the above methods, respectively.
  • the program code can be read from or written to one or more computer program products.
  • Such computer program products include program code carriers such as hard disks, compact disks (CDs), memory cards or floppy disks.
  • Such a computer program product is typically a portable or fixed storage unit as described with reference to FIG.
  • the storage unit may have storage segments, storage spaces, and the like that are similarly arranged to memory 720 in the computing device of FIG.
  • the program code can be compressed, for example, in an appropriate form.
  • the storage unit includes computer readable code 731', ie, code readable by a processor, such as 710, that when executed by a computing device causes the computing device to perform each of the methods described above step.

Landscapes

  • Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

一种人脸图片人名识别方法和系统，涉及计算机技术领域，主要目的在于准确识别出包含目标人脸的图片对应的人名。方法包括：为已收集的人脸图片设置对应的人名（110）；将包含目标人脸的图片与己收集的人脸图片进行比较，识别出与包含目标人脸的图片相似的一个或多个人脸图片（120）；根据相似的一个或多个人脸图片分别对应的人名，确定目标人脸的人名（130）。基于人脸识别技术识别相似的人脸图片，对目标人脸在表情、角度等方面的要求较低，所以更容易识别出与目标人脸对应的同一人物的不同人脸图片，也即更容易确定目标人脸的名字。

Description

人脸图片人名识别方法和系统 技术领域
本发明涉及计算机技术领域，具体而言，涉及一种人脸图片人名识别方法和系统。
背景技术
在互联网上，对图片的浏览占据了用户访问量的很大一部分。对于包含人脸的图片，很大一部分用户的需求是想知道图片中人脸的人名，从而可以搜索更多该人物相关的信息。因此，如何自动识别图片中人脸的人名，变成了一个很迫切的用户需求。
传统的识别人脸对应的人名的方案一般如下：直接将未知人名的人脸图片和已知人名的人脸图片进行比较，如二者的全部或大部分相同，则可判断两张图片中的人脸为同一人物的人脸，也即可以决定可根据已知人名的人脸图片的人名来确定未知人名的人脸图片的人名。该方案的主要缺点在于：由于是两张图片进行比较，则对两张图片中人脸的表情、角度、尺寸等具有非常高的要求，容易导致难以匹配两张图片中具有同一人物的人脸，却无法准确地进行识别，最终导致无法判断出未知人脸图片的人名，识别失败率非常高。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种人脸图片人名识别方法和系统。
依据本发明的一个方面，提供了一种人脸图片人名识别方法，其包括：为已收集的人脸图片设置对应的人名；将包含目标人脸的图片与所述已收集的人脸图片进行比较，识别出与所述包含目标人脸的图片相似的一个或多个人脸图片；根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名。
依据本发明的另一方面，还提供了一种人脸图片人名识别系统，其包括：人名设置模块，用于为已收集的人脸图片设置对应的人名；相似人脸图片识别模块，用于将包含目标人脸的图片与所述已收集的人脸图片进行比较，识别出与所述包含目标人脸的图片相似的一个或多个人脸图片；人名确定模块，用于根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名。
根据本发明的又一个方面，提供了一种计算机程序，其包括计算机可读代 码，当所述计算机可读代码在计算设备上运行时，导致所述计算设备执行前项所述的方法。
根据本发明的再一个方面，提供了一种计算机可读介质，其中存储了前项所述的计算机程序。
根据以上技术方案，可知本发明的人脸图片人名识别方法和系统至少具有以下优点：
本发明并非直接进行单张人脸图片之间的比对，而是首先基于人脸识别技术，从已收集的人脸图片中识别出相似的人脸图片，其与包含目标人脸的图片通常为同一人脸的图片，所以基于相似人脸图片的人名，可以确定目标人脸的人名；基于人脸识别技术识别相似的人脸图片，对目标人脸在表情、角度等方面的要求较低，所以更容易识别出与目标人脸对应的同一人物的不同人脸图片，也即更容易确定目标人脸的名字。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本发明的一个实施例的人脸图片人名识别方法的流程图；
图2示出了根据本发明的一个实施例的人脸图片人名识别方法的工作原理流程图；
图3示出了根据本发明的一个实施例的人脸图片人名识别方法的局部流程图；
图4示出了根据本发明的一个实施例的人脸图片人名识别系统的框图；
图5示出了根据本发明的一个实施例的人脸图片人名识别方法的框图；
图6示出了根据本发明的一个实施例的人脸图片人名识别方法的局部框图；
图7示出了用于执行根据本发明的方法的计算设备的框图；以及
图8示出了用于保持或者携带实现根据本发明的方法的程序代码的存储单元。
具体实施例
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本发明的一个实施例提供了一种人脸图片人名识别方法，其包括：
步骤110，为已收集的人脸图片设置对应的人名。本实施例中对设置人名的方式不进行限定，具体可以是在收集每个人脸图片时记录对应的名字。
步骤120，将包含目标人脸的图片与已收集的人脸图片进行比较，识别出与包含目标人脸的图片相似的一个或多个人脸图片。根据现有的多种人脸识别技术，都可较好地识别出相似的人脸图片。
步骤130，根据相似的一个或多个人脸图片分别对应的人名，确定目标人脸的人名。在本实施例中，对如何确定目标人脸的人名的方式不做限定，例如，在多个相似人脸图片对应的人名不同的情况下，可以选择出现次数较多的人名作为目标人脸的人名。
在本实施例的技术方案中，并没有直接进行单张人脸图片之间的比对，而是首先基于人脸识别技术，从已收集的人脸图片中识别出相似的人脸图片，其与包含目标人脸的图片通常为同一人脸的图片，所以基于相似人脸图片的人名，可以确定目标人脸的人名；基于人脸识别技术识别相似的人脸图片，对目标人脸在表情、角度等方面的要求较低，所以更容易识别出与目标人脸对应的同一人物的不同人脸图片，也即更容易确定目标人脸的名字。
本发明的另一实施例还提供一种人脸图片人名识别方法，其中，步骤110具体包括：
从已收集的人脸图片的相关文本中提取人名，以作为已收集人脸图片对应的人名。在本实施例中，对相关文本的形式不做限制，例如，假如人脸图片出现在新闻中，则相关文本可以是新闻的标题或正文。
在本实施例的技术方案中，从人脸图片的相关文本中提取人名，效率非常高。
本发明的另一实施例还提供一种人脸图片人名识别方法，其中，步骤130具体包括：
获取相似的一个或多个人脸图片与包含目标人脸的图片的相似度，并将其中最大相似度对应人脸图片的人名作为目标人脸的人名。
在本实施例的技术方案中，相似度最高表示两张人脸图片最有可能是同一人物的人脸图片，所以应当具有相同的人名。
本发明的另一实施例还提供一种人脸图片人名识别方法，其中，步骤130具体包括：
在最大相似度高于预定的第一阈值时，将最大相似度的对应人脸图片的人名作为目标人脸的人名。在本实施例中，对第一阈值的具体大小不做限制，例如其可以是90％。则最大相似度大于90％时，则认为这两张人脸非常相似，应当为同一人物的人脸，则目标人脸属于该名字对应的人物的人脸，此时可为用户输出该人名。
本发明的另一实施例还提供一种人脸图片人名识别方法，其中，步骤130具体包括：
获取相似的一个或多个人脸图片与包含目标人脸的图片的相似度，将具有相同人名的人脸图片对应的相似度相加，并将相加后的最大相似度对应的人名作为所目标人脸的人名。
在本实施例的技术方案中，多个相似人脸图片有可能是不同人物的人脸图片，其中具有相同人名的人脸图片应当是同一人物的人脸图片，而相加后相似度最大则说明对应的人物与目前人脸对应的人物最相似，应当是同一人物，所以应当具有相同的人名。
本发明的另一实施例还提供一种人脸图片人名识别方法，其中，步骤130具体包括：
在相加后的最大相似度高于预定的第二阈值时，将相加后的最大相似度的人名作为目标人脸的人名。在本实施例中，对第二阈值的具体大小不做限制， 例如其可以是200％。则相加后的最大相似度大于200％时，则认为该人名对应的人脸图片与目标人脸非常相似，应当为同一人物的人脸，则目标人脸属于该名字对应的人物的人脸，此时可为用户输出该人名。
本发明的另一实施例还提供一种人脸图片人名识别方法，其中，还包括：在相加后的最大相似度低于预定的第二阈值时，获取相加后最大相似度对应的人脸图片，以提供给用户。
在本实施例的技术方案中，在相加后的最大相似度低于一定水平时，则说明任一相似人脸图片中与包含目标人脸的图片都并非对应同一人物，所以此时无法精确确定目标人脸的人名，可将最相似的人脸图片提供给用户，以供用户自行判断是否为同一人物的人脸。
在本实施例的技术方案中，即使不能精确识别人名，也可以提供最相似人脸，因而可以提供更多信息，用于其它应用。
将本实施例与前述的四个实施例结合，可以得到如流程图图2所示的技术方案：
对于输入的图片，首先判断其中是否包含人脸，如其中不包含人脸则结束操作，如其中包含人脸则继续进行后续操作，该人脸即为需要识别出对应人名的目标人脸；通过人脸识别，识别出与包含目标人脸的图片相似的多个人脸图片；取相似的多个人脸图片与包含目标人脸的图片的相似度，如其中最大相似度大于第一阈值，则取最大相似度对应的人脸图片的人名为目标人脸的人名；如最大相似度低于第一阈值，则将相同人名的人脸图片对应的相似度相加，如其中相加后的最大相似度大于第二阈值，则取相加后的最大相似度对应的人名作为目标人脸的人名，否则直接输出最相似的人脸即可。
如图3所示，本发明的另一实施例还提供一种人脸图片人名识别方法，其中，步骤120具体包括：
步骤121，提取已收集的人脸图片中的特征，并存储到预设的人脸数据库中。在本实施例中，首先对于已收集的人脸图片，自动检测图片中的人脸，然后提取人脸的特征，并且量化为一个高维向量。采用高维向量来表征人脸可以减少数据量，并且可以方便后续的相似人脸比较。这样可以建立一个包含已收集人 脸图片特征的数据库。对于库中每个人名对应的人脸图片，尽可能多的收集各种表情、角度或尺寸的图片，这对于后续的人脸识别的召回率和准确率都有很大帮助：识别的人脸对于表情、角度、姿态等没有任何要求，不需要输入图片为正面高清图像。由于已知数据库中包含人脸的各种表情、角度、姿态，因此对于输入的各种人脸图片都可以识别。
步骤122，提取包含目标人脸的图片的特征，与从人脸数据库取出的已收集人脸图片的特征进行比较。在本实施例中，对于一个具有目标人脸的图片来说，首先自动检测其中的人脸，提取人脸的特征，并且量化为一个高维向量；将包含目标人脸的图片的向量和库内人脸图片的特征高维向量进行比较，计算其欧式距离，并取距离最近的前N个向量，即前N个相似人脸。其中，如果人脸数据库过于庞大，逐个比较费时很长，可事先对库内人脸进行聚类，然后只与聚类完成的人脸进行比较，这样可以大大缩短比较时间；具体的比较采用高维特征向量进行比较，计算向量间的欧式距离，并取距离最近的前N个向量。这些向量所表征的人脸就是与该输入人脸最相似的人脸。
在本实施例的技术方案中，在进行人脸比对时，由于采用了聚类的方法，而不是挨个比较，因而大大提高了识别速度，可以适用于互联网上海量数据的大规模人脸识别。
如图4所示，本发明的另一实施例还提供了一种人脸图片人名识别系统，其包括：
人名设置模块410，用于为已收集的人脸图片设置对应的人名。本实施例中对设置人名的方式不进行限定，具体可以是在收集每个人脸图片时记录对应的名字。
相似人脸图片识别模块420，用于将包含目标人脸的图片与已收集的人脸图片进行比较，识别出与包含目标人脸的图片相似的一个或多个人脸图片。根据现有的多种人脸识别技术，都可较好地识别出相似的人脸图片。
人名确定模块430，用于根据相似的一个或多个人脸图片分别对应的人名，确定目标人脸的人名。在本实施例中，对如何确定目标人脸的人名的方式不做限定，例如，在多个相似人脸图片对应的人名不同的情况下，可以选择出现次数较多的人名作为目标人脸的人名。
在本实施例的技术方案中，并没有直接进行单张人脸图片之间的比对，而是首先基于人脸识别技术，从已收集的人脸图片中识别出相似的人脸图片，其与包含目标人脸的图片通常为同一人脸的图片，所以基于相似人脸图片的人名，可以确定目标人脸的人名；基于人脸识别技术识别相似的人脸图片，对目标人脸在表情、角度等方面的要求较低，所以更容易识别出与目标人脸对应的同一人物的不同人脸图片，也即更容易确定目标人脸的名字。
本发明的另一实施例还提供一种人脸图片人名识别系统，其中，人名设置模块410从已收集的人脸图片的相关文本中提取人名，以作为已收集人脸图片对应的人名。在本实施例中，对相关文本的形式不做限制，例如，假如人脸图片出现在新闻中，则相关文本可以是新闻的标题或正文。
在本实施例的技术方案中，从人脸图片的相关文本中提取人名，效率非常高。
本发明的另一实施例还提供一种人脸图片人名识别系统，其中，人名确定430获取相似的一个或多个人脸图片与包含目标人脸的图片的相似度，并将其中最大相似度对应人脸图片的人名作为目标人脸的人名。
在本实施例的技术方案中，相似度最高表示两张人脸图片最有可能是同一人物的人脸图片，所以应当具有相同的人名。
本发明的另一实施例还提供一种人脸图片人名识别系统，其中，人名确定430在最大相似度高于预定的第一阈值时，将最大相似度的对应人脸图片的人名作为目标人脸的人名。在本实施例中，对第一阈值的具体大小不做限制，例如其可以是90％。则最大相似度大于90％时，则认为这两张人脸非常相似，应当为同一人物的人脸，则目标人脸属于该名字对应的人物的人脸，此时可为用户输出该人名。
本发明的另一实施例还提供一种人脸图片人名识别系统，其中，人名确定模块430获取相似的一个或多个人脸图片与包含目标人脸的图片的相似度，将具有相同人名的人脸图片对应的相似度相加，并将相加后的最大相似度对应的 人名作为所目标人脸的人名。
在本实施例的技术方案中，多个相似人脸图片有可能是不同人物的人脸图片，其中具有相同人名的人脸图片应当是同一人物的人脸图片，而相加后相似度最大则说明对应的人物与目前人脸对应的人物最相似，应当是同一人物，所以应当具有相同的人名。
本发明的另一实施例还提供一种人脸图片人名识别系统，其中，人名确定模块430在相加后的最大相似度高于预定的第二阈值时，将相加后的最大相似度的人名作为目标人脸的人名。在本实施例中，对第二阈值的具体大小不做限制，例如其可以是200％。则相加后的最大相似度大于200％时，则认为该人名对应的人脸图片与目标人脸非常相似，应当为同一人物的人脸，则目标人脸属于该名字对应的人物的人脸，此时可为用户输出该人名。
如图5所示，本发明的另一实施例还提供一种人脸图片人名识别系统，其中，还包括：
相似人脸图片提供模块440，用于在相加后的最大相似度低于预定的第二阈值时，获取相加后最大相似度对应的人脸图片，以提供给用户。在本实施例的技术方案中，在相加后的最大相似度低于一定水平时，则说明任一相似人脸图片中与包含目标人脸的图片都并非对应同一人物，所以此时无法精确确定目标人脸的人名，可将最相似的人脸图片提供给用户，以供用户自行判断是否为同一人物的人脸。
在本实施例的技术方案中，即使不能精确识别人名，也可以提供最相似人脸，因而可以提供更多信息，用于其它应用。
将本实施例与前述的四个实施例结合，可以得到如流程图图2所示的技术方案：
对于输入的图片，首先判断其中是否包含人脸，如其中不包含人脸则结束操作，如其中包含人脸则继续进行后续操作，该人脸即为需要识别出对应人名的目标人脸；通过人脸识别，识别出与包含目标人脸的图片相似的多个人脸图片；取相似的多个人脸图片与包含目标人脸的图片的相似度，如其中最大相似度大于第一阈值，则取最大相似度对应的人脸图片的人名为目标人脸的人名； 如最大相似度低于第一阈值，则将相同人名的人脸图片对应的相似度相加，如其中相加后的最大相似度大于第二阈值，则取相加后的最大相似度对应的人名作为目标人脸的人名，否则直接输出最相似的人脸即可。
如图6所示，本发明的另一实施例还提供一种人脸图片人名识别系统，其中，相似人脸图片识别模块420包括：
特征存储模块421，用于提取已收集的人脸图片中的特征，并存储到预设的人脸数据库中。在本实施例中，首先对于已收集的人脸图片，自动检测图片中的人脸，然后提取人脸的特征，并且量化为一个高维向量。采用高维向量来表征人脸可以减少数据量，并且可以方便后续的相似人脸比较。这样可以建立一个包含已收集人脸图片特征的数据库。对于库中每个人名对应的人脸图片，尽可能多的收集各种表情、角度或尺寸的图片，这对于后续的人脸识别的召回率和准确率都有很大帮助：识别的人脸对于表情、角度、姿态等没有任何要求，不需要输入图片为正面高清图像。由于已知数据库中包含人脸的各种表情、角度、姿态，因此对于输入的各种人脸图片都可以识别。
特征比较模块422，用于提取包含目标人脸的图片的特征，与从人脸数据库取出的已收集人脸图片的特征进行比较。在本实施例中，对于一个具有目标人脸的图片来说，首先自动检测其中的人脸，提取人脸的特征，并且量化为一个高维向量；将包含目标人脸的图片的向量和库内人脸图片的特征高维向量进行比较，计算其欧式距离，并取距离最近的前N个向量，即前N个相似人脸。其中，如果人脸数据库过于庞大，逐个比较费时很长，可事先对库内人脸进行聚类，然后只与聚类完成的人脸进行比较，这样可以大大缩短比较时间；具体的比较采用高维特征向量进行比较，计算向量间的欧式距离，并取距离最近的前N个向量。这些向量所表征的人脸就是与该输入人脸最相似的人脸。现有的多种聚类方式，均适用于本实施例的技术方案。
在本实施例的技术方案中，在进行人脸比对时，由于采用了聚类的方法，而不是挨个比较，因而大大提高了识别速度，可以适用于互联网上海量数据的大规模人脸识别。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构 造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
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，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面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，并不应将该公开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，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。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。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，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，在下面的权利要求书中，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 例的人脸图片人名识别系统中的一些或者全部部件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设备或者装置程序(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。
例如，图7示出了可以实现根据本发明的人脸图片人名识别系统，例如计算设备。该计算设备传统上包括处理器710和以存储器720形式的计算机程序产品或者计算机可读介质。存储器720可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器720具有用于执行上述方法中的任何方法步骤的程序代码731的存储空间730。例如，用于程序代码的存储空间730可以包括分别用于实现上面的方法中的各种步骤的各个程序代码731。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为如参考图8所述的便携式或者固定存储单元。该存储单元可以具有与图7的计算设备中的存储器720类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常，存储单元包括计算机可读代码731’，即可以由例如诸如710之类的处理器读取的代码，这些代码当由计算设备运行时，导致该计算设备执行上面所描述的方法中的各个步骤。
本文中所称的“一个实施例”、“实施例”或者“一个或者多个实施例”意味着，结合实施例描述的特定特征、结构或者特性包括在本发明的至少一个实施例中。此外，请注意，这里“在一个实施例中”的词语例子不一定全指同一个实施例。
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被实践。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。
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

Claims (18)

  1. 一种人脸图片人名识别方法，其包括：
    为已收集的人脸图片设置对应的人名；
    将包含目标人脸的图片与所述已收集的人脸图片进行比较，识别出与所述包含目标人脸的图片相似的一个或多个人脸图片；
    根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名。
  2. 根据权利要求1所述的方法，其中，为已收集的人脸图片设置对应的人名具体包括：
    从所述已收集的人脸图片的相关文本中提取人名，以作为所述已收集人脸图片对应的人名。
  3. 根据权利要求1所述的方法，其中，根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名具体包括：
    获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，并将其中最大相似度对应人脸图片的人名作为所述目标人脸的人名。
  4. 根据权利要求3所述的方法，其中，将其中最大相似度对应人脸图片的人名作为所述目标人脸的人名具体包括：
    在所述最大相似度高于预定的第一阈值时，将所述最大相似度的对应人脸图片的人名作为所述目标人脸的人名。
  5. 根据权利要求1所述的方法，其中，根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名具体包括：
    获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，将具有相同人名的人脸图片对应的相似度相加，并将相加后的最大相似度对应的人名作为所目标人脸的人名。
  6. 根据权利要求5所述的方法，其中，将相加后的最大相似度对应的人名作为所目标人脸的人名具体包括：
    在所述相加后的最大相似度高于预定的第二阈值时，将所述相加后的最大相似度的人名作为所述目标人脸的人名。
  7. 根据权利要求6所述的方法，其中，还包括：
    在所述相加后的最大相似度低于预定的第二阈值时，获取所述相加后最大 相似度对应的人脸图片，以提供给用户。
  8. 根据权利要求1至7中任一项所述的方法，其中，将包含目标人脸的图片与所述已收集的人脸图片进行比较具体包括：
    提取所述已收集的人脸图片中的特征，并存储到预设的人脸数据库中；
    提取所述包含目标人脸的图片的特征，与从所述人脸数据库取出的已收集人脸图片的特征进行比较。
  9. 一种人脸图片人名识别系统，其包括：
    人名设置模块，用于为已收集的人脸图片设置对应的人名；
    相似人脸图片识别模块，用于将包含目标人脸的图片与所述已收集的人脸图片进行比较，识别出与所述包含目标人脸的图片相似的一个或多个人脸图片；
    人名确定模块，用于根据所述相似的一个或多个人脸图片分别对应的人名，确定所述目标人脸的人名。
  10. 根据权利要求9所述的系统，其中，
    所述人名设置模块从所述已收集的人脸图片的相关文本中提取人名，以作为所述已收集人脸图片对应的人名。
  11. 根据权利要求9所述的系统，其中，
    所述人名确定模块获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，并将其中最大相似度对应人脸图片的人名作为所述目标人脸的人名。
  12. 根据权利要求11所述的系统，其中，
    所述人名确定模块在所述最大相似度高于预定的第一阈值时，将所述最大相似度的对应人脸图片的人名作为所述目标人脸的人名。
  13. 根据权利要求9所述的系统，其中，
    所述人名确定模块获取所述相似的一个或多个人脸图片与所述包含目标人脸的图片的相似度，将具有相同人名的人脸图片对应的相似度相加，并将相加后的最大相似度对应的人名作为所目标人脸的人名。
  14. 根据权利要求13所述的系统，其中，
    所述人名确定模块在所述相加后的最大相似度高于预定的第二阈值时，将所述相加后的最大相似度的人名作为所述目标人脸的人名。
  15. 根据权利要求14所述的系统，其中，还包括：
    相似人脸图片提供模块，用于在所述相加后的最大相似度低于预定的第二 阈值时，获取所述相加后最大相似度对应的人脸图片，以提供给用户。
  16. 根据权利要求9至15中任一项所述的系统，其中，所述相似人脸图片识别模块包括：
    特征存储模块，用于提取所述已收集的人脸图片中的特征，并存储到预设的人脸数据库中；
    特征比较模块，用于提取所述包含目标人脸的图片的特征，与从所述人脸数据库取出的已收集人脸图片的特征进行比较。
  17. 一种计算机程序，包括计算机可读代码，当所述计算机可读代码在计算设备上运行时，导致所述计算设备执行根据权利要求1至8中的任一所述的方法。
  18. 一种计算机可读介质，其中存储了如权利要求17所述的计算机程序。
PCT/CN2015/085285 2014-07-28 2015-07-28 人脸图片人名识别方法和系统 Ceased WO2016015621A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410364676.9 2014-07-28
CN201410364676.9A CN104091164A (zh) 2014-07-28 2014-07-28 人脸图片人名识别方法和系统

Publications (1)

Publication Number Publication Date
WO2016015621A1 true WO2016015621A1 (zh) 2016-02-04

Family

ID=51638879

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2015/085285 Ceased WO2016015621A1 (zh) 2014-07-28 2015-07-28 人脸图片人名识别方法和系统

Country Status (2)

Country Link
CN (1) CN104091164A (zh)
WO (1) WO2016015621A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018091724A1 (en) 2016-11-21 2018-05-24 Cureab Gmbh Anti-gp73 antibodies and immunoconjugates
CN111353364A (zh) * 2019-08-19 2020-06-30 深圳市鸿合创新信息技术有限责任公司 一种人脸动态识别方法及装置、电子设备

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104091164A (zh) * 2014-07-28 2014-10-08 北京奇虎科技有限公司 人脸图片人名识别方法和系统
CN104281842A (zh) * 2014-10-13 2015-01-14 北京奇虎科技有限公司 人脸图片人名识别方法和装置
CN104463177A (zh) * 2014-12-23 2015-03-25 北京奇虎科技有限公司 相似人脸图片获取方法和装置
WO2016101766A1 (zh) * 2014-12-23 2016-06-30 北京奇虎科技有限公司 相似人脸图片获取和人脸图片信息获取方法和装置
CN105869235B (zh) * 2015-01-20 2019-08-30 阿里巴巴集团控股有限公司 一种安全门禁方法及系统
CN106201560A (zh) * 2015-04-30 2016-12-07 中国电信股份有限公司 一种匹配机顶盒用户界面的系统和方法
CN106326315A (zh) * 2015-07-07 2017-01-11 中兴通讯股份有限公司 图像文件管理方法和装置、以及通信录管理方法和装置
CN106649710A (zh) * 2016-12-20 2017-05-10 北京奇虎科技有限公司 图片推选方法、装置和移动终端
CN111382604B (zh) * 2018-12-27 2024-07-12 深圳光启空间技术有限公司 一种人脸识别方法及系统
WO2023141900A1 (zh) * 2022-01-27 2023-08-03 基建通(三亚)国际科技有限公司 新闻图文类数据知识图谱的建立方法、装置、设备及介质
CN115905602A (zh) * 2022-11-03 2023-04-04 暨南大学 一种新闻人物识别方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102867173A (zh) * 2012-08-28 2013-01-09 华南理工大学 一种人脸识别方法及其系统
CN102880634A (zh) * 2012-07-30 2013-01-16 成都西可科技有限公司 基于云的智能人脸识别检索方法
US20130216107A1 (en) * 2012-02-20 2013-08-22 Chih-Hsung Huang Method of surveillance by face recognition
US20130308836A1 (en) * 2012-05-18 2013-11-21 Primax Electronics Ltd. Photo image managing method and photo image managing system
CN104091164A (zh) * 2014-07-28 2014-10-08 北京奇虎科技有限公司 人脸图片人名识别方法和系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739428B (zh) * 2008-11-10 2012-04-18 中国科学院计算技术研究所 一种对多媒体创建索引的方法
US8670597B2 (en) * 2009-08-07 2014-03-11 Google Inc. Facial recognition with social network aiding
US8644563B2 (en) * 2009-12-14 2014-02-04 Microsoft Corporation Recognition of faces using prior behavior
CN101833569A (zh) * 2010-04-08 2010-09-15 中国科学院自动化研究所 一种对电影人脸图像进行自动标识的方法
CN103218603B (zh) * 2013-04-03 2016-06-01 哈尔滨工业大学深圳研究生院 一种人脸自动标注方法及系统
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130216107A1 (en) * 2012-02-20 2013-08-22 Chih-Hsung Huang Method of surveillance by face recognition
US20130308836A1 (en) * 2012-05-18 2013-11-21 Primax Electronics Ltd. Photo image managing method and photo image managing system
CN102880634A (zh) * 2012-07-30 2013-01-16 成都西可科技有限公司 基于云的智能人脸识别检索方法
CN102867173A (zh) * 2012-08-28 2013-01-09 华南理工大学 一种人脸识别方法及其系统
CN104091164A (zh) * 2014-07-28 2014-10-08 北京奇虎科技有限公司 人脸图片人名识别方法和系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018091724A1 (en) 2016-11-21 2018-05-24 Cureab Gmbh Anti-gp73 antibodies and immunoconjugates
EP4015532A1 (en) 2016-11-21 2022-06-22 cureab GmbH Anti-gp73 antibodies and immunoconjugates
CN111353364A (zh) * 2019-08-19 2020-06-30 深圳市鸿合创新信息技术有限责任公司 一种人脸动态识别方法及装置、电子设备

Also Published As

Publication number Publication date
CN104091164A (zh) 2014-10-08

Similar Documents

Publication Publication Date Title
US8649602B2 (en) Systems and methods for tagging photos
CN106446816B (zh) 人脸识别方法及装置
US10963504B2 (en) Zero-shot event detection using semantic embedding
CN103959330B (zh) 用于匹配可视对象组件的系统和方法
JP5351958B2 (ja) デジタルコンテンツ記録のための意味論的イベント検出
US9020246B2 (en) Systems and methods for visual object matching
US20230376527A1 (en) Generating congruous metadata for multimedia
CN104091164A (zh) 人脸图片人名识别方法和系统
US20170132457A1 (en) Human face similarity recognition method and system
WO2020114100A1 (zh) 一种信息处理方法、装置和计算机存储介质
WO2019080411A1 (zh) 电子装置、人脸图像聚类搜索方法和计算机可读存储介质
JP2004318879A5 (zh)
CN109271542A (zh) 封面确定方法、装置、设备及可读存储介质
WO2015184992A1 (zh) 一种识别重复图片的方法、图片搜索去重方法及其装置
US9977995B2 (en) Image clustering method, image clustering system, and image clustering server
TWI704505B (zh) 人臉辨識系統、建立人臉辨識之資料之方法及其人臉辨識之方法
CN103988228A (zh) 脸部识别方法、设备和用于执行该方法的计算机可读记录介质
CN102201062A (zh) 信息处理设备、方法和程序
CN106156794B (zh) 基于文字风格识别的文字识别方法及装置
WO2016101766A1 (zh) 相似人脸图片获取和人脸图片信息获取方法和装置
US11715302B2 (en) Automatic tagging of images using speech recognition
CN110633647A (zh) 活体检测方法及装置
CN110163061A (zh) 用于提取视频指纹的方法、装置、设备和计算机可读介质
WO2016058520A1 (zh) 人脸图片人名识别方法和装置
US9436891B2 (en) Discriminating synonymous expressions using images

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15828192

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15828192

Country of ref document: EP

Kind code of ref document: A1