人脸检索方法、装置、电子设备及存储介质与流程

1.本发明涉及人脸识别技术领域，特别是涉及一种人脸检索方法、装置、电子设备及存储介质。


背景技术：

2.人脸识别方法是通过一个深度神经网络模型对人脸图片进行编码，根据编码后的特征之间的相似度来度量两张图片是否是同一个人。在人脸检索场景中，算法需要给出一张待检索人脸图片中的人脸是否存在在底库(base)中，以及是底库中哪一张图片。目前的算法分两步来计算：1)计算待检索人脸图片对应的特征与底库中每张人脸图片对应特征的的相似度，并找到底库中与待检索人脸图片的特征相似度最大的人脸特征；2)判断最大的这个相似度是否大于某个阈值，如果大于该阈值则认为待检索人脸图片的人脸在底库中存在，输出对应的底库人脸图片，如果小于该阈值则认为待检索人脸图片的人脸不存在底库中，输出无匹配图片。
3.现有技术采用一个固定的相似度阈值来判定两幅人脸图像是否是同一个人，无法解决因为待检索人脸图片自身特征导致的相似度分布偏移。比如一个清晰的待检索人脸图片，按现有技术方法可以搜索到其在底库中的图片，但如果待检索人脸图片变模糊，导致其与底库中所有图片相似度均变小，尽管底库中匹配到相似度最大的仍然是同一个人的图片，但是由于相似度整体的偏移变小，导致该相似度无法过阈值，从而无法输出其正确的底库图片，使得算法整体的召回率变低。


技术实现要素：

4.鉴于上述问题，提出了本发明实施例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检索方法、装置、电子设备及存储介质。
5.依据本发明实施例的第一方面，提供了一种人脸检索方法，包括：
6.对待检索人脸图片进行特征提取，得到待检索人脸图片的特征向量，作为待检索特征向量；
7.分别确定所述待检索特征向量与底库中底库图片的特征向量之间的相似度；
8.根据各相似度中最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度，对原始相似度阈值进行调整，得到调整后的相似度阈值；
9.根据所述最大相似度与所述调整后的相似度阈值，确定检索结果。
10.依据本发明实施例的第二方面，提供了一种人脸检索装置，包括：
11.特征提取模块，用于对待检索人脸图片进行特征提取，得到待检索人脸图片的特征向量，作为待检索特征向量；
12.相似度确定模块，用于分别确定所述待检索特征向量与底库中底库图片的特征向量之间的相似度；
13.阈值调整模块，用于根据各相似度中最大的前n个相似度之间的分布信息和/或各
相似度中的最大相似度，对原始相似度阈值进行调整，得到调整后的相似度阈值；
14.检索结果确定模块，用于根据所述最大相似度与所述调整后的相似度阈值，确定检索结果。
15.依据本发明实施例的第三方面，提供了一种电子设备，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面中所述的人脸检索方法。
16.依据本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的人脸检索方法。
17.本发明实施例提供的人脸检索方法、装置、电子设备及存储介质，通过对待检索人脸图片进行特征提取，得到待检索人脸图片的特征向量，作为待检索特征向量，分别确定待检索特征向量与底库中底库图片的特征向量之间的相似度，根据各相似度中最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度，对原始相似度阈值进行调整，得到调整后的相似度阈值，根据最大相似度与调整后的相似度阈值确定检索结果，由于根据最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度来对原始相似度阈值进行调整，充分考虑了不同的图像质量导致的差异，从而可以减小在不同图像质量下的检索精度差别，提高不同图像质量下的检索精度，从而可以提高人脸检索的召回率。
18.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
19.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。
20.图1是本发明实施例提供的一种人脸检索方法的步骤流程图；
21.图2是本发明实施例提供的一种人脸检索测装置的结构框图。
具体实施方式
22.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明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发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
23.图1是本发明实施例提供的一种人脸检索方法的步骤流程图，如图1所示，该方法可以包括：
24.步骤101，对待检索人脸图片进行特征提取，得到待检索人脸图片的特征向量，作为待检索特征向量。
25.通过神经网络模型对待检索人脸图片进行特征提取，得到待检索人脸图片的特征向量，将待检索人脸图片的特征向量作为待检索特征向量。
26.步骤102，分别确定所述待检索特征向量与底库中底库图片的特征向量之间的相似度。
27.通过神经网络模型分别对待检索人脸图片进行特征提取，得到底库中底库图片的特征向量。分别确定待检索特征向量与底库中底库图片的特征向量之间的相似度。其中，所述相似度可以是余弦相似度，或者还可以是以距离表示的相似度，相似度与距离成反比关系，二个向量之间距离越小相似度越大，距离越大相似度越小，从而最大相似度对应着最小距离。所述距离可以是l2距离等。
28.可以预先通过神经网络模型分别对底库中每一张底库图片进行特征提取，得到底库中底库图片的特征向量，并保存每一张底库图片的特征向量，从而在获取到待检索人脸图片时，可以直接计算待检索人脸图片对应的待检索特征向量分别与保存的每一张底库图片的特征向量之间的相似度，提高人脸检索速度，节省人脸检索时间。
29.步骤103，根据各相似度中最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度，对原始相似度阈值进行调整，得到调整后的相似度阈值。
30.在确定待检索特征向量分别与底库中底库图片的特征向量之间的相似度后，比较这些相似度，确定最大的前n个相似度，并确定前n个相似度的分布信息，比如最大相似度远远大于第2-n个相似度，或者最大相似度略大于第2-n个相似度，或者最大相似度与第2-n个相似度均比较接近等，之后基于最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度，对相似度进行调整，得到调整后原始相似度阈值。其中，n是预先设置的数量，例如可以为10。一例中，可预先设定远远大于、略大于还是比较接近的判断标准。例如，最大相似度比第2个相似度大10％以上，可以认为最大相似度远远大于第2-n个相似度；最大相似度与第2个相似度之差小于10％、大于3％，可以认为最大相似度略大于第2-n个相似度，否则认为最大相似度与第2-n个相似度均比较接近。可以认为最大相似度略大于第2-n个相似度，或者最大相似度与第2-n个相似度均比较接近时，最大相似度不远大于第2-n个相似度。也可认为最大相似度与第2-n个相似度均比较接近时，最大相似度不远大于第2-n个相似度。
31.在本发明的一个实施例中，从各相似度中确定最大的前n个相似度，可选包括：按照相似度从大到小的顺序，对所述各相似度进行排序；从排序后的相似度中确定排在前面n个的相似度，并确定排在第一位的相似度为最大相似度。
32.在确定待检索特征向量与底库中底库图片的特征向量的相似度后，将得到的所有相似度按照从大到小的顺序进行排序，排序后从第一位开始选取n个相似度，排在第一位的相似度为最大相似度。其中，所述n大于或等于2。
33.在本发明的另一个实施例中，从各相似度中确定最大的前n个相似度，可选包括：按照相似度从小到大的顺序，对所述各相似度进行排序；从排序后的相似度中确定排在后面n个的相似度，并确定排在最后一位的相似度为最大相似度。
34.在确定待检索特征向量与底库中底库图片的特征向量的相似度后，将得到的所有相似度按照从小到大的顺序进行排序，排序后从最后一位开始选取n个相似度，排在最后一位的相似度为最大相似度。其中，所述n大于或等于2。
35.在本发明的一个实施例中，根据各相似度中最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度，对原始相似度阈值进行调整，得到调整后的相似度阈值，
包括：
36.如果所述最大相似度远大于第2-第n个相似度，则对原始相似度阈值进行调整，使调整后的相似度阈值小于原始相似度阈值。
37.其中，远大于是指分布信息大于分布阈值。
38.如果最大相似度远远大于第2-n个相似度，说明最大相似度对应的底库图片很可能是待检索图片对应的底库图片，这时为了避免无法召回底库图片的情况，可以稍微调小原始相似度阈值。
39.例如，若原始相似度阈值为70％，最大相似度为70.2％，按照从大到小的顺序排序后排在第2位的相似度为48％，排在第3位的相似度为47％，从而确定相似度的分布信息为最大相似度远远大于待检索图片与其他底库图片的相似度，则可以适当降低原始相似度阈值，确定待检索图片比中最大相似度对应的底库图像。
40.在本发明的另一个实施例中，根据各相似度中最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度，对原始相似度阈值进行调整，得到调整后的相似度阈值，包括：
41.如果所述最大相似度远大于第2-第n个相似度且所述最大相似度小于所述原始相似度阈值，则对原始相似度阈值进行调整，使调整后的相似度阈值小于原始相似度阈值。
42.如果最大相似度远远大于第2-第n个相似度，而且最大相似度小于原始相似度阈值，说明可能是由图像质量引起的最大相似度无法超过原始相似度阈值，这时为了避免这种问题，可以对原始相似度阈值进行调整，使调整后的相似度阈值小于原始相似度阈值。
43.例如，若原始相似度阈值为70％，最大相似度为69％，按照从大到小的顺序排序后排在第2位的相似度为40％，排在第3位的相似度为38％，从而确定相似度的分布信息为最大相似度远远大于待检索图片与其他底库图片的相似度，则说明待检索图片比中最大相似度对应的底库图片的可能性增加，这时可以适当降低原始相似度阈值。
44.在本发明的一个实施例中，根据各相似度中最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度，对原始相似度阈值进行调整，得到调整后的相似度阈值，包括：
45.如果所述最大相似度不远大于第2-第n个相似度，则对原始相似度阈值进行调整，使调整后的相似度阈值大于原始相似度阈值。
46.如果最大相似度不远大于第2-第n个相似度，即分布信息小于分布阈值，也就是每个相似度都较为接近，可以适当调大原始相似度阈值，即使得调整后的相似度阈值大于原始相似度阈值。
47.在本发明的另一个实施例中，根据各相似度中最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度，对原始相似度阈值进行调整，得到调整后的相似度阈值，包括：
48.如果所述最大相似度不远大于第2-第n个相似度且所述最大相似度大于所述原始相似度阈值，则对原始相似度阈值进行调整，使调整后的相似度阈值大于原始相似度阈值。
49.如果最大相似度不远大于第2-第n个相似度，即分布信息小于分布阈值，也即每个相似度都较为接近，此时如果最大相似度大于原始相似度阈值，有可能会召回错误的底库图片，为了避免这种问题，可以适当调大原始相似度阈值，即使得调整后的相似度阈值大于
原始相似度阈值。
50.例如，若原始相似度阈值为70％，最大相似度为70.2％，按照从大到小的顺序排序后排在第2位的相似度为68％，排在第3位的相似度为67％，从而确定相似度的分布信息为各相似度均比较接近，则最大相似度虽然高于原始相似度阈值，但是也有一定概率是误识(比如待检索图片对应的人不在底库中)，此时可适当增加原始相似度阈值。
51.在本发明的一个实施例中，所述分布信息通过如下步骤确定：根据各相似度中最大的前n个相似度，确定参考相似度；根据所述最大相似度和所述参考相似度，确定所述分布信息。
52.在所述n为2时，可以将第2个相似度作为参考相似度，在n》2时，可以根据最大相似度分别与第2-n个相似度确定参考相似度。在确定参考相似度后，可以基于最大相似度和参考相似度得到分布信息。之后可以根据分别信息按照预设方式对原始相似度阈值进行调整，得到调整后的的相似度阈值。通过确定参考相似度，以及分布信息，并基于分布信息对原始相似度阈值进行调整，可以充分利用待检索图片自身特征导致的特征相似度的分布变化，从而使得原始相似度阈值调整的较为合适，以提高人脸检索的召回率。
53.在一种可选的实施方式中，所述根据各相似度中最大的前n个相似度，确定参考相似度，包括：
54.将第2个相似度确定为所述参考相似度；或者
55.将第2-n个相似度作为所述参考相似度；或者
56.将第2-n个相似度的平均值作为所述参考相似度。
57.可以将第2个相似度作为参考相似度，或者，还可以将2-n个相似度作为参考相似度，或者，还可以将第2-n个相似度的平均值作为参考相似度，这样可以清楚的反映出第2-n个相似度的分布情况。
58.在一种可选的实施方式中，根据所述最大相似度和所述参考相似度，确定所述分布信息，包括：根据所述最大相似度与所述参考相似度的差值，确定所述分布信息；或者，根据所述最大相似度与所述参考相似度的比值，确定所述分布信息。
59.将最大相似度与参考相似度的差值作为分布信息，可以明确的计算出最大相似度相比至少一个相似度多出的值，从而可以根据该值对原始相似度阈值进行调整。例如，分布信息越大，可以将原始相似度阈值适当降低；分布信息越小，说明最大相似度和其他相似度均比较接近，这时可以适当增加原始相似度阈值。
60.一例中，根据所述最大相似度与所述参考相似度的差值，确定所述分布信息，此时分布信息与最大相似度和参考相似度的关系表示如下：
61.distgap＝s0.–
f(s)
62.其中，distgap为分布信息，s[0]为最大相似度，f(s)为参考相似度，参考相似度可以使用下述两种方式中的一种进行表示：
[0063]
f(s)＝s[1]
[0064][0065]
其中，f(s)为参考相似度函数，s[1]为第2个相似度，s[i]为第i 1个相似度，n为n-1。
[0066]
除了上述方式可以表示相似度的分布信息外，还可以将最大相似度与参考相似度的比值确定为分布信息，可以明确的计算出最大相似度相对第2-n个相似度的倍数，从而可以根据该值对原始相似度阈值进行调整。例如，相似度分布比值越大，可以将原始相似度阈值适当降低；相似度分布比值越小，说明最大相似度和第2-n个相似度均比较接近，这时可以适当增加原始相似度阈值。
[0067]
在一种可选的实施方式中，根据各相似度中最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度，对原始相似度阈值进行调整，得到调整后的相似度阈值，包括：根据所述分布信息与分布调整系数的积和/或所述最大相似度与所述最大相似度调整系数的积，对所述原始相似度阈值进行调整，得到调整后的相似度阈值。
[0068]
其中，所述分布调整系数和/或所述最大相似度调整系数是通过在校正数据集上进行验证得到的。
[0069]
可以预先在校正数据集上对人脸检索方法进行验证，并拟合出在召回率、误识率等指标上表现最好的分布调整系数或最大相似度调整系数。得到分布调整系数后，便可以应用于对原始相似度阈值的调整。可以按照如下公式对原始相似度阈值进行调整：
[0070]
th
new
＝th k*distgap
[0071]
其中，th
new
为调整后的相似度阈值，th为所述原始相似度阈值，k为分布调整系数，distgap为分布信息。即在对原始相似度阈值进行调整时，将分布信息与分布调整系数的乘积作为原始相似度阈值的调整值，之后将原始相似度阈值与调整值相加得到调整后相似度阈值。
[0072]
在对原始相似度阈值进行调整时，还可以将最大相似度与最大相似度调整系数的乘积作为原始相似度阈值的调整值，之后将原始相似度阈值与该调整值相加得到调整后相似度阈值。
[0073]
在对原始相似度阈值进行调整时，还可以将分布信息与分布调整系数的乘积作为原始相似度阈值的第一调整值，将最大相似度与最大相似度调整系数的乘积作为原始相似度阈值的第二调整值，之后将原始相似度阈值与第一调整值和第二调整值相加得到调整后相似度阈值。
[0074]
通过分布调整系数和最大相似度调整系数，实现了对原始相似度阈值的动态调整。
[0075]
步骤104，根据所述最大相似度与所述调整后的相似度阈值，确定检索结果。
[0076]
将最大相似度与调整后原始相似度阈值进行比较，根据比较结果，确定检索结果。
[0077]
在本发明的一个实施例中，根据所述最大相似度与所述调整后的相似度阈值，确定检索结果，包括：若所述最大相似度大于或等于所述调整后的相似度阈值，则将所述最大相似度对应的底库图片作为所述检索结果。
[0078]
在对原始相似度阈值进行调整后，如果最大相似度大于或等于调整后的相似度阈值，则将最大相似度对应的底库图片作为检索结果，如果最大相似度小于调整后的相似度阈值，则确定检索结果为底库中没有匹配图片。
[0079]
本实施例提供的人脸检索方法，通过对待检索人脸图片进行特征提取，得到待检索人脸图片的特征向量，作为待检索特征向量，分别确定待检索特征向量与底库中底库图片的特征向量之间的相似度，根据各相似度中最大的前n个相似度之间的分布信息和/或各
相似度中的最大相似度，对原始相似度阈值进行调整，得到调整后的相似度阈值，根据最大相似度与调整后的相似度阈值确定检索结果，由于根据最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度来对原始相似度阈值进行调整，充分考虑了不同的图像质量导致的差异，从而可以减小在不同图像质量下的检索精度差别，提高不同图像质量下的检索精度，从而可以提高人脸检索的召回率。
[0080]
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
[0081]
图2是本发明实施例提供的一种人脸检索装置的结构框图，如图2所示，该人脸检索装置可以包括：
[0082]
特征提取模块201，用于对待检索人脸图片进行特征提取，得到待检索人脸图片的特征向量，作为待检索特征向量；
[0083]
相似度确定模块202，用于分别确定所述待检索特征向量与底库中底库图片的特征向量之间的相似度；
[0084]
阈值调整模块203，用于根据各相似度中最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度，对原始相似度阈值进行调整，得到调整后的相似度阈值；
[0085]
检索结果确定模块204，用于根据所述最大相似度与所述调整后的相似度阈值，确定检索结果。
[0086]
可选的，所述阈值调整模块包括：
[0087]
第一调整单元，用于如果所述最大相似度远大于第2-第n个相似度，则对原始相似度阈值进行调整，使调整后的相似度阈值小于原始相似度阈值。
[0088]
可选的，所述阈值调整模块包括：
[0089]
第二调整单元，用于如果所述最大相似度远大于第2-第n个相似度且所述最大相似度小于所述原始相似度阈值，则对原始相似度阈值进行调整，使调整后的相似度阈值小于原始相似度阈值。
[0090]
可选的，所述阈值调整模块包括：
[0091]
第三调整单元，如果所述最大相似度不远大于第2-第n个相似度，则对原始相似度阈值进行调整，使调整后的相似度阈值大于原始相似度阈值。
[0092]
可选的，所述阈值调整模块包括：
[0093]
第四调整单元，如果所述最大相似度不远大于第2-第n个相似度且所述最大相似度大于所述原始相似度阈值，则对原始相似度阈值进行调整，使调整后的相似度阈值大于原始相似度阈值。
[0094]
可选的，所述装置还包括：
[0095]
参考相似度确定模块，用于根据各相似度中最大的前n个相似度，确定参考相似度；
[0096]
分布信息确定模块，用于根据所述最大相似度和所述参考相似度，确定所述分布信息。
[0097]
可选的，所述参考相似度确定模块具体用于：
[0098]
将第2个相似度确定为所述参考相似度；或者
[0099]
将第2-n个相似度作为所述参考相似度；或者，
[0100]
将第2-n个相似度的平均值作为所述参考相似度。
[0101]
可选的，所述分布信息确定模块具体用于：
[0102]
根据所述最大相似度与所述参考相似度的差值，确定所述分布信息；或者，
[0103]
根据所述最大相似度与所述参考相似度的比值，确定所述分布信息。
[0104]
可选的，所述阈值调整模块具体用于：
[0105]
根据所述分布信息与分布调整系数的积和/或所述最大相似度与所述最大相似度调整系数的积，对所述原始相似度阈值进行调整，得到调整后的相似度阈值。
[0106]
其中，所述分布调整系数和/或所述最大相似度调整系数是通过在校正数据集上进行验证得到的。
[0107]
可选的，所述检索结果确定模块具体用于：
[0108]
若所述最大相似度大于或等于所述调整后的相似度阈值，则将所述最大相似度对应的底库图片作为所述检索结果。
[0109]
本实施例提供的人脸检索装置，通过特征提取模块对待检索人脸图片进行特征提取，得到待检索人脸图片的特征向量，作为待检索特征向量，相似度确定模块分别确定待检索特征向量与底库中底库图片的特征向量之间的相似度，阈值调整模块根据各相似度中最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度，对原始相似度阈值进行调整，得到调整后的相似度阈值，检索结果确定模块根据最大相似度与调整后的相似度阈值确定检索结果，由于根据最大的前n个相似度之间的分布信息和/或各相似度中的最大相似度来对原始相似度阈值进行调整，充分考虑了不同的图像质量导致的差异，从而可以减小在不同图像质量下的检索精度差别，提高不同图像质量下的检索精度，从而可以提高人脸检索的召回率。
[0110]
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0111]
进一步地，根据本发明的一个实施例，提供了一种电子设备，所述电子设备可以为计算机等终端设备、或者也可以为服务器等，所述电子设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现前述实施例的人脸检索方法。
[0112]
根据本发明的一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括但不限于磁盘存储器、cd-rom、光学存储器等，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现前述实施例的人脸检索方法。
[0113]
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
[0114]
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上
实施的计算机程序产品的形式。
[0115]
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0116]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0117]
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0118]
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
[0119]
最后，还需要说明的是，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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
[0120]
以上对本发明所提供的一种人脸检索方法、装置、电子设备及存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。