(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210467209.3 (22)申请日 2022.04.29 (71)申请人 南京信息职业 技术学院 地址 210023 江苏省南京市栖霞区仙林大 学城文澜路99号 (72)发明人 褚哲　张泽　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 范青青 (51)Int.Cl. G06V 40/16(2022.01) G06F 16/583(2019.01) G06V 10/762(2022.01) (54)发明名称 一种人脸数据集的构建方法及系统 (57)摘要 本发明公开了一种人脸数据集的构建方法 及系统， 所述构建方法包括： 创建能够表明唯一 人物身份信息的关键词列表,并确定各人物的标 准人脸图像； 依据关键词爬取人脸图像； 采用人 脸检测算法进行人脸检测并裁剪； 采用训练好的 ArcFace人脸识别模型提取所裁剪的人脸图像的 特征向量； 基于所提取的人脸特征向量， 采用 DBSCAN聚类算 法对所裁剪的人脸图像初步聚类， 参照标准人脸图像， 剔除非目标人物的人脸图 像， 保留候选人脸 图像； 采用DBSCAN聚类算法进 行二次聚类， 实现人脸图像的去重处理； 对去重 处理后的人脸图像进行清洗， 获取人脸数据集。 该构建方法可以创建大规模的的人脸数据集， 基 于此数据集可以开发各类人种不同的人脸识别 模型。 权利要求书2页 说明书6页 附图1页 CN 114863525 A 2022.08.05 CN 114863525 A 1.一种人脸数据集的构建方法， 其特 征在于， 包括： 创建能够表明唯一人物身份信息的关键词列表,并确定各 人物的标准人脸图像； 依据关键词列表中的关键词爬取人脸图像， 并将基于同一关键词爬取的人脸图像存储 于同一文件夹中； 对于同一文件夹中的人脸图像分别采用人脸检测算法进行 人脸检测并裁 剪； 采用训练好的A rcFace人脸识别模型对所裁 剪的人脸图像进行 特征向量提取； 基于所提取的人脸特征向量， 采用DBSCAN聚类算法对所裁剪的人脸图像进行初步聚 类， 根据初步聚类结果并参照标准人脸图像， 剔除非目标人物的人脸图像， 保留候选人脸图 像； 采用DBSCAN聚类算法对候选人脸图像进行二次聚类， 根据二次聚类结果进行人脸图像 的去重处 理； 对去重处 理后保留的人脸图像进行清洗， 获取 所述人脸数据集。 2.如权利要求1所述的一种人脸数据集的构建方法， 其特征在于， 所述关键词包括人物 姓名， 以人物姓名创建 关键词列表时， 对同一人物的 曾用名或艺名或笔名进行姓名合并。 3.如权利要求2所述的一种人脸数据集的构建方法， 其特征在于， 以公众任务的人物姓 名为关键词爬取人脸图像时， 由前往后至少 爬取五百张人脸图像； 同一人物姓名爬取 的人 脸图像存 储于以人物姓名命名的文件夹中。 4.如权利要求1所述的一种人脸数据集的构建方法， 其特征在于， 所述人脸检测算法包 括MTCNN或dlib算法。 5.如权利要求1所述的一种人脸数据集的构建方法， 其特征在于， 在执行裁剪操作之 前， 删除分辨 率小于设定阈值的人脸图像。 6.如权利 要求1所述的一种人脸数据集的构建方法， 其特征在于， 采用DBSCAN聚类算法 对所裁剪的人脸图像进行初步聚类的方法包括： 对于两张人脸图像的特征向量间的欧式距离， 对于欧式距离小于设定 阈值的人脸图像 归结为同一类别； 将人脸图像数目最多的类别作为 正样本人脸 集所在的类别。 7.如权利 要求1所述的一种人脸数据集的构建方法， 其特征在于， 采用DBSCAN聚类算法 对剔除非目标人物后的人脸图像进行二次聚类 之前， 在scikit ‑learn的DBSCAN函数中调小 聚类的eps参数， 并设置聚类的参数mi n_samples=2， 以使聚类数目两个及以上才成为 一类。 8.如权利要求1所述的一种人脸数据集的构建方法， 其特征在于， 对于二 次聚类得到的 有重复人脸图像的类别， 仅保留分辨 率最高的一张人脸图像。 9.如权利要求1所述的一种人脸数据集的构建方法， 其特征在于， 所述清洗包括： 删除 非目标人物的人脸图像、 属于目标人物但人脸不完整的人脸图像、 目标人物的卡通图， 根据 图像质量和业 务需求选择性的保留或删除目标 人物的素描或油画图像。 10.一种人脸数据集的构建系统， 其特 征在于， 包括： 创建模块： 用于创建能够表明唯一人物身份信息的关键词列表,并确定各人物的标准 人脸图像； 爬取模块： 用于依据关键词列表中的关键词爬取人脸图像， 并将基于同一关键词爬取 的人脸图像存 储于同一文件夹中；权　利　要　求　书 1/2 页 2 CN 114863525 A 2人脸检测及裁剪模块： 用于对于同一文件夹 中的人脸图像分别采用人脸检测算法进行 人脸检测并裁 剪； 提取模块： 用于采用训练好的ArcFace人脸识别模型对所裁剪的人脸 图像进行特征向 量提取； 初步聚类模块： 用于基于所提取的人脸特征向量， 采用DBSCAN聚类算法对所裁剪的人 脸图像进行初步聚类， 根据初步聚类结果并参照标准人脸图像， 剔除非目标人物的人脸图 像， 保留候选人脸图像； 二次聚类模块： 用于采用DBSCAN聚类算法对候选人脸 图像进行二次聚类， 根据二次聚 类结果进行 人脸图像的去重处 理； 清洗模块： 用于对去重处 理后保留的人脸图像进行清洗， 获取 所述人脸数据集。权　利　要　求　书 2/2 页 3 CN 114863525 A 3