海量人臉圖像快速檢索方法研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)上海量人臉圖像的出現(xiàn)，快速有效的人臉圖像檢索方法變得越來(lái)越重要。如何有效地對(duì)海量人臉圖像處理與檢索逐漸成為當(dāng)今研究熱點(diǎn)。
　　海量人臉圖像檢索存在的主要問(wèn)題包括:(1)海量高維向量的快速檢索問(wèn)題;(2)海量人臉圖像的快速檢索問(wèn)題。針對(duì)以上問(wèn)題，本文的具體工作和成果如下:
　　1.海量高維向量的快速檢索方法的研究針對(duì)海量高維向量的快速檢索問(wèn)題提出了兩種方法。第一種為基于分布式LSH的高維向量快速檢索方法，以視頻文件的

2、特征為高維向量的來(lái)源，通過(guò)哈希函數(shù)映射特征矢量，以映射后的矢量值所在區(qū)間構(gòu)建索引，根據(jù)返回的相似幀集合計(jì)算庫(kù)中各視頻與查詢視頻的相似度。第二種為基于SimHash的高維向量快速檢索方法，提取視頻文件關(guān)鍵幀的DCT時(shí)空特征，進(jìn)行SimHash之后生成視頻的簽名。計(jì)算查詢視頻的簽名與視頻庫(kù)中所有簽名的漢明距離，通過(guò)漢明距離的檢索完成相似視頻查詢，實(shí)驗(yàn)結(jié)果表明采用該方法在約1萬(wàn)個(gè)視頻的視頻庫(kù)中檢索相似視頻的平均準(zhǔn)確率≥90％，平均召回率≥90

3、％，平均查詢時(shí)間0.11秒。
　　2.支持海量人臉圖像快速檢索的索引結(jié)構(gòu)的研究為了在大規(guī)模的人臉數(shù)據(jù)庫(kù)中提取出特定人臉，提出了一種快速有效的相似人臉檢索方法:首先提取人臉圖像的LBP特征，通過(guò)建立投影矩陣將特征從歐幾里德空間映射到漢明空間實(shí)現(xiàn)降維，再采用改進(jìn)的多比特編碼方法對(duì)降維后的特征進(jìn)行編碼并生成圖像簽名，以曼哈頓距離取代漢明距離衡量簽名之間的相似度，最后根據(jù)圖像簽名集合構(gòu)建倒排索引表，通過(guò)倒排索引表高效地查找相似圖像。實(shí)驗(yàn)表

4、明，在包含20萬(wàn)張人臉圖像的實(shí)驗(yàn)數(shù)據(jù)集下，該方法的平均準(zhǔn)確率為78％，平均檢索時(shí)間小于0.15秒。
　　3.基于人臉檢索的網(wǎng)吧上網(wǎng)人員監(jiān)控系統(tǒng)的實(shí)現(xiàn)針對(duì)實(shí)際需求設(shè)計(jì)了網(wǎng)吧上網(wǎng)人員監(jiān)控系統(tǒng)，系統(tǒng)由前臺(tái)客戶端和后臺(tái)人臉檢索平臺(tái)兩大模塊組成。后臺(tái)人臉檢索模塊選取人臉基準(zhǔn)字典作為人臉庫(kù)圖像的視覺(jué)單詞量化標(biāo)準(zhǔn)，將人臉劃分區(qū)域后提取各個(gè)區(qū)域的特征并按最近鄰原則依照人臉基準(zhǔn)字典對(duì)每個(gè)區(qū)域進(jìn)行身份量化，最終人臉圖像由身份量化值組成的視覺(jué)單詞表示，