用于处理人脸特征数据的方法和装置的制造方法
【技术领域】
[0001] 本发明实施例涉及信息技术领域，并且更具体地，涉及用于处理人脸特征数据的 方法和装置。
【背景技术】
[0002] 为了实现人脸认证与人脸检测，可以对人脸特征进行编码。现有技术中，为了保证 特征编码的精度，人脸的特征往往使用64位双精度浮点数进行编码并存储。随着用于表示 人脸特征的特征向量趋向于高维，且图片数据增多，采用64位双精度浮点数进行编码并存 储的方式会造成存储空间过大。同时，使用浮点数对特征属性进行运算时的计算量也会很 大，这就使得进行特征检索时的速度较慢。
【发明内容】
[0003] 本发明实施例提供用于处理人脸特征数据的方法和装置，可以减少保存该目标特 征的特征值所占用的空间并且提高进行特征检索时的速度。
[0004] 第一方面，本发明实施例提供一种处理人脸特征数据的方法，该方法包括：对人脸 特征进行提取，获取对应于目标特征的第一特征向量，其中该第一特征向量包括N个特征 值，该第一特征向量中的每个特征值为大于〇且小于1的数，N为大于或等于1的正整数； 确定对应于该第一特征向量的第二特征向量，该第二特征向量包括M个特征值，M等于N，该 第二特征向量中的M个特征值与该第一特征向量的N个特征值一一对应，该第二特征向量 中的每个特征值为二进制数；确定第三特征向量，该第三特征向量包括K个特征值，K为小 于M的正整数，该第三特征向量为对应于该目标特征的特征值集合。
[0005] 结合第一方面，在第一方面的第一种可能的实现方式中，如权利要求1该的方法， 该确定对应于该第一特征向量的第二特征向量，包括：将第队个特征值进行二进制转换，确 定二进制化的第队个特征值，其中该二进制化的第N ,个特征值由P位数组成，该第N ,个特 征值是该N个特征值中的第i个特征值；从该P位数中选择Q位数组成第^个特征值，其 中该第％个特征值是该第二特征向量中的第i个特征值，P和Q均为正整数且Q小于P。
[0006] 结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式 中，从该P位数中选择Q位数组成第％个特征值，包括：根据压缩模板，确定该P位数中的 Q个位置；确定使用该Q个位置的数值组成该第％个特征值。
[0007] 结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式 中，该压缩模板是根据以下方式获取的：获取对应于该目标特征的训练特征向量集合，该训 练特征向量集合包括S个训练特征向量；将该S个训练特征向量中的每个训练特征向量进 行二进制转换，确定二进制化的该每个训练特征向量的每个特征值，其中该二进制化的该 每个训练特征向量的该每个特征值由P位数组成；确定P个二进制位统计值，该P个二进制 位统计值中的第P个二进制位统计值表示该二进制化的所有训练特征向量的所有特征值 在该P位数中的第P位数的和；确定该P个二进制位统计值中最大的Q个二进制位统计值 所对应的数的位置为该压缩模板。
[0008] 结合第一方面或第一方面的上述任一种可能的实现方式，在第一方面的第四种可 能的实现方式中，该确定第三特征向量，包括：根据降维模板，从该第二特征向量中选择K 个特征值组成该第三特征向量。
[0009] 结合第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式 中，该降维模板是通过以下方式确定的：获取对应于该目标特征的训练特征向量集合，该训 练特征向量集合包括S个训练特征向量；根据该训练特征向量集合中的舍弃特征值的维 度，确定该降维模板，其中，该训练特征向量集合与第一集合的均方误差最小，其中该第一 集合由该S个特征训练特征向量的特征值中除该舍弃特征值以外的特征值组成。
[0010] 结合第一方面或第一方面的上述任一种可能的实现方式，在第一方面的第六种可 能的实现方式中，该方法还包括：根据该第三特征向量和特征值数据库，确定该第三特征值 对应的目标特征的类型。
[0011] 第二方面，本发明实施例提供一种用于处理人脸特征数据的装置，该装置包括：特 征提取单元，用于对人脸特征进行提取获取对应于目标特征的第一特征向量，其中该第一 特征向量包括N个特征值，该第一特征向量中的每个特征值为大于0且小于1的数，N为大 于或等于1的正整数；第一确定单元，用于确定对应于该第一特征向量的第二特征向量，该 第二特征向量包括M个特征值，M等于N，该第二特征向量中的M个特征值与该第一特征向 量的N个特征值一一对应，该第二特征向量中的每个特征值为二进制数；第二确定单元，用 于确定第三特征向量，该第三特征向量包括K个特征值，K为小于M的正整数；第三确定单 元，用于确定该第三特征向量为对应于该目标特征的特征值集合。
[0012] 结合第二方面，在第二方面的第一种可能的实现方式中，该第一确定单元，具体用 于将第队个特征值进行二进制转换，确定二进制化的第N ,个特征值，其中该二进制化的第 队个特征值由P位数组成，该第N ,个特征值是该N个特征值中的第i个特征值，其中P为 小于256的正整数；从该P位数中选择Q位数组成第乂个特征值，其中该第M i个特征值是 该第二特征向量中的第i个特征值，Q为小于P的正整数。
[0013] 结合第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式 中，该第一确定单元，具体用于根据压缩模板，确定该P位数中的Q个位置；确定使用该Q个 位置的数值组成该第％个特征值。
[0014] 结合第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式 中，该第一确定单元，还用于获取对应于该目标特征的训练特征向量集合，该训练特征向量 集合包括S个训练特征向量；将该S个训练特征向量中的每个训练特征向量进行二进制转 换，确定二进制化的该每个训练特征向量的每个特征值，其中该二进制化的该每个训练特 征向量的该每个特征值由P位数组成；确定P个二进制位统计值，该P个二进制位统计值中 的第P个二进制位统计值表示该二进制化的所有训练特征向量的所有特征值在该P位数中 的第P位数的和；确定该P个二进制位统计值中最大的Q个二进制位统计值所对应的数的 位置为该压缩模板。
[0015] 结合第二方面或第二方面的上述任一种可能的实现方式，在第二方面的第四种可 能的实现方式中，该第二确定单元，具体用于根据降维模板，从该第二特征向量中选择K个 特征值组成该第三特征向量。
[0016] 结合第二方面的第四种可能的实现方式，在第二方面的第五种可能的实现方式 中，该第二确定单元，还用于获取对应于该目标特征的训练特征向量集合，该训练特征向量 集合包括S个训练特征向量；根据该训练特征向量集合中的舍弃特征值的维度，确定该降 维模板，，其中，该训练特征向量集合与第一集合的均方误差最小，其中该第一集合由该S 个特征训练特征向量的特征值中除该舍弃特征值以外的特征值组成。
[0017] 结合第二方面或第二方面的上述任一种可能的实现方式，在第二方面的第六种可 能的实现方式中，该装置还包括：第三确定单元，用于根据该第三特征向量和特征值数据 库，确定该第三特征值对应的目标特征的类型。
[0018] 上述技术方案中，对应于目标特征的特征向量集合从浮点数被转换为二进制数， 且对应于该目标特征的特征向量的维度也降低了。这样，可以减少保存该目标特征的特征 值所占用的空间。此外，由于特征向量的维度降低了，在进行检索时需要使用的特征值也就 减少了。因此，可以提高进行特征检索时的速度。
【附图说明】
[0019] 为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使 用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 的附图。
[0020] 图1是根据本发明实施例提供的处理人脸特征数据的方法的示意性流程图。
[0021] 图2是根据本发明实施例提供的用于处理人脸特征数据的装置的结构框图。
[0022] 图3是根据本发明实施例提供的用于处理人脸特征数据的装置的结构框图。
【具体实施方式】
[0023] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明 中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施 例，都应属于本发明保护的范围。
[0024] 图1是根据本发明实施例提供的处理人脸特征数据的方法的示意性流程图。
[0025] 101，对人脸特征进行提取，确定目标特征并获取对应于该目标特征的第一特征向 量，其中该第一特征向量包括N个特征值，该第一特征向量中的每个特征值为大于0且小于 1的数，N为大于或等于1的正整数。
[0026] 102,确定对应于该第一特征向量的第二特征向量，该第二特征向量包括M个特征 值，M等于N，该第二特征向量中的M个特征值与该第一特征向量中的N个特征值--对应， 该第二特征向量中的每个特征值为二进制数。
[0027] 103,从该第二特征向量中选择K个特征值组成确定第三特征向量，K为小于M的 正整数。
[0028] 根据图1所示的方法，对应于目标特征的特征向量集合从浮点数被转换为二进制 数，且对应于该目标特征的特征向量的维度也降