CN111832535A - 人脸识别方法及装置 - Google Patents
人脸识别方法及装置 Download PDFInfo
- Publication number
- CN111832535A CN111832535A CN202010729662.8A CN202010729662A CN111832535A CN 111832535 A CN111832535 A CN 111832535A CN 202010729662 A CN202010729662 A CN 202010729662A CN 111832535 A CN111832535 A CN 111832535A
- Authority
- CN
- China
- Prior art keywords
- face
- depth image
- rgb image
- target
- image
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本说明书实施例提供一种人脸识别方法及装置,该方法包括:获取用于人脸识别的RGB图像和对应的深度图像;从RGB图像中选择目标人脸;根据目标人脸和深度图像判断RGB图像中是否存在干扰人脸;若不存在,则基于目标人脸进行人脸识别。本说明书实施例中,在对包含多个人脸的RGB图像进行人脸识别时,可以结合对应的深度图像来确定RGB图像中用于人脸识别的人脸。由于深度图像中包含的信息比较丰富、且深度图像可以反映该深度图像中的各人脸到图像采集设备的距离、且人脸到图像采集设备的距离可以从一定程度上反映用户的人脸识别意愿,因此本说明书实施例可以避免RGB图像中人脸的漏检以及准确地确定出RGB图像中用于人脸识别的人脸。
Description
本发明专利申请是申请日为2018年8月24日、申请号为201810972167.2、名称为“人脸识别方法及装置”的中国发明专利申请的分案申请。
技术领域
本申请涉及计算机技术领域,尤其涉及一种人脸识别方法及装置。
背景技术
近年来,随着人脸识别技术的发展,“刷脸”可以应用的场景越来越多,例如刷脸支付、刷脸打卡签到、刷脸解锁门禁、刷脸认证办事等,具有操作方便、快捷等特点。但是,当用于刷脸的RGB图像中存在多个人脸时,难以确定对该RGB图像中的哪个人脸进行识别,进而导致识别失败或识别错误给用户带来损失,因此,需要提出一种人脸识别方法。
发明内容
本说明书实施例的目的是提供一种人脸识别方法及装置,本说明书实施例是这样实现的:
第一方面,提供了一种人脸识别方法,所述方法包括:
获取用于人脸识别的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;
从所述RGB图像中选择目标人脸;
根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到人脸图像采集设备的距离与所述目标人脸到所述人脸图像采集设备的距离的差值小于预设阈值;
如果所述RGB图像中不存在所述干扰人脸,则基于所述目标人脸进行人脸识别。
第二方面,提供了一种人脸识别装置,所述装置包括:
获取模块,用于获取用于人脸识别的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;
选择模块,用于从所述RGB图像中选择目标人脸;
判断模块,用于根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到人脸图像采集设备的距离与所述目标人脸到所述人脸图像采集设备的距离的差值小于预设阈值;
识别模块,用于在所述RGB图像中不存在所述干扰人脸的情况下,基于所述目标人脸进行人脸识别。
第三方面,提供了一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
获取用于人脸识别的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;
从所述RGB图像中选择目标人脸;
根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到人脸图像采集设备的距离与所述目标人脸到所述人脸图像采集设备的距离的差值小于预设阈值;
如果所述RGB图像中不存在所述干扰人脸,则基于所述目标人脸进行人脸识别。
第四方面,提供了一种计算机存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
获取用于人脸识别的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;
从所述RGB图像中选择目标人脸;
根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到人脸图像采集设备的距离与所述目标人脸到所述人脸图像采集设备的距离的差值小于预设阈值;
如果所述RGB图像中不存在所述干扰人脸,则基于所述目标人脸进行人脸识别。
由以上本说明书实施例提供的技术方案可见,本说明书实施例中,在对包含多个人脸的RGB图像进行人脸识别时,可以结合该RGB图像对应的深度图像,来确定该RGB图像中用于人脸识别的人脸。相对于仅仅依据RGB图像进行人脸识别,本说明书实施例中,由于深度图像中包含的信息比较丰富、且深度图像可以反映该深度图像中的各人脸到图像采集设备的距离、且人脸到图像采集设备的距离可以从一定程度上反映了用户的人脸识别意愿,因此本说明书实施例可以避免RGB图像中人脸的漏检,以及可以比较准确地确定出RGB图像中用于人脸识别的人脸。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本说明书的一个实施例的人脸识别方法的流程图;
图2是本说明书的另一个实施例的人脸识别方法的流程图;
图3是本说明书的一个实施例的人脸识别装置的结构示意图;
图4是本说明书的一个实施例的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
本说明书实施例提供了一种人脸识别方法及装置。
下面首先对本说明书实施例提供的一种人脸识别方法进行介绍。
需要说明的是,本说明书实施例提供的人脸识别方法适用于电子设备,在实际应用中,该电子设备可以为服务器,或者,该电子设备也可以为手机、平板电脑、个人数字助理等终端设备,或者,该电子设备也可以为笔记本电脑、台式电脑、桌面机等计算机设备,本说明书实施例对此不作限定。
图1是本说明书的一个实施例的人脸识别方法的流程图,如图1所示,该方法可以包括以下步骤:步骤102、步骤104、步骤106和步骤108,其中,
在步骤102中,获取用于人脸识别的RGB图像和对应的深度图像,其中,RGB图像中包含至少一个人脸。
本说明书实施例中,用于人脸识别的RGB图像(彩色图)和对应的深度图像为针对同一场景拍摄的图像。深度图像中每个像素点的灰度值可用于表征拍摄场景中某一点到深度图像采集设备的距离。用于采集深度图像的设备称为深度图像采集设备,用于采集RGB彩色图像的设备称为RGB图像采集设备。
在步骤104中,从RGB图像中选择目标人脸。
本说明书实施例中,目标人脸像为RGB图中最有可能用于人脸识别的人脸。
本说明书实施例中,可以对RGB图像进行人脸检测,检测其中包含的人脸,并从中选择一个人脸,作为目标人脸。具体的,可以将RGB图像中预设区域的人脸,选择为目标人脸。
考虑到具有人脸识别意图的用户通常会正对图像采集设备的拍摄焦点或处于人群的正中位置,基于这种情况,本说明书实施例中,预设区域可以包括:RGB图像的中心区域、或者RGB图像拍摄时的焦点区域。相应的,可以将RGB图像中心区域内的人脸,选择为目标人脸;或者,可以将RGB图像拍摄时的焦点区域内的人脸,选择为目标人脸。
在步骤106中,根据目标人脸和深度图像,判断RGB图像中是否存在干扰人脸;若否,则执行步骤108;其中,干扰人脸到人脸图像采集设备的距离与目标人脸到人脸图像采集设备的距离的差值小于预设阈值。
本说明书实施例中,人脸图像采集设备指的是深度图像采集设备。干扰人脸与目标人脸到深度图像采集设备的距离相当或相差不多。
考虑到具有人脸识别意图的用户通常比较靠近图像采集设备、并且在多人场景下具有人脸识别意图的用户通常只有一个,基于这种情况,本说明书实施例中,通过判断RGB图像中是否有干扰人脸,来确定目标人脸是否为多人场景下最具人脸识别意图的人脸;具体的,如果RGB图像中存在干扰人脸,则表明目标人脸不是多人场景下最具人脸识别意图的人脸;如果RGB图像中不存在干扰人脸,则表明目标人脸时多人场景下最具人脸识别意图的人脸。
考虑到对RGB图像进行人脸检测,有时会造成人脸的漏检,例如RGB图像的角落里的人脸或RGB图像中出现的半张人脸无法检测出来,基于这种情况,本说明书实施例中,采用对RGB图像和该RGB图像对应的深度图像,可以避免上述漏检的问题。
在步骤108中,基于目标人脸进行人脸识别。
本说明书实施例中,如果RGB图像中不存在干扰人脸,则基于RGB图像中的目标人脸进行人脸识别;如果RGB图像中存在干扰人脸,则输出提示消息,该提示消息用于提示RGB图像中存在干扰人脸。
为了便于理解,以“刷脸支付”场景为例对本说明书实施例的技术方案进行举例说明。
“刷脸支付”是基于人脸识别的支付方式,已成为线下消费场景的主要支付手段之一,具有操作便捷、体验好等特点。随着人脸识别技术的发展,“刷脸支付”已无需用户输入其他身份信息(如手机号、账号)便可完成支付行为,即仅需用户刷一下脸就可以直接完成支付行为。对于以上的刷脸流程而言,其具有一个风险问题:当用于刷脸的画面中存在多个人脸时,难以确认该画面中的哪个用户有意愿进行支付行为,此时,可能会出现误扣钱的情况,如果发生该情况,会发生资损,对“刷脸支付”的完全性造成较大的影响。
考虑到随着摄像头硬件的逐步发展,线下支付场景中通常都配备了深度图像采集设备,而深度图像采集设备所采集到的深度图像可以表示每个物体到相机的距离,基于这种情况,本说明书实施例中,可以获取用于“刷脸支付”的RGB图像和对应的深度图像,检测RGB图像中的人脸,选定可能的支付用户人脸(即目标人脸);之后,根据选定的人脸和深度图像,判断RGB图像中是否存在干扰人脸,如果RGB图像中存在干扰人脸,则认为本次支付交易存在多人脸无法确认的风险,并提示用户该风险,让用户再次输入相关账户信息进行确认;如果RGB图像中不存在干扰人脸,则认为本次支付交易较为安全,基于选定的人脸进行识别,识别通过后进行支付。
由上述实施例可见,该实施例中,在对包含多个人脸的RGB图像进行人脸识别时,可以结合该RGB图像对应的深度图像,来确定该RGB图像中用于人脸识别的人脸。相对于仅仅依据RGB图像进行人脸识别,本说明书实施例中,由于深度图像中包含的信息比较丰富、且深度图像可以反映该深度图像中的各人脸到图像采集设备的距离、且人脸到图像采集设备的距离可以从一定程度上反映了用户的人脸识别意愿,因此本说明书实施例可以避免RGB图像中人脸的漏检,以及可以比较准确地确定出RGB图像中用于人脸识别的人脸。
图2是本说明书的另一个实施例的人脸识别方法的流程图,本说明书实施例中,可以首先计算目标人脸到图像采集设备的距离,根据计算得到的距离和深度图像,来判断RGB图像中是否存在干扰人脸,此时,如图2所示,该方法可以包括以下步骤:
在步骤202中,获取用于人脸识别的RGB图像和对应的深度图像,其中,RGB图像中包含至少一个人脸。
本说明书实施例中,用于人脸识别的RGB图像(彩色图)和对应的深度图像为针对同一场景拍摄的图像。深度图像中每个像素点的灰度值可用于表征拍摄场景中某一点到深度图像采集设备的距离。用于采集深度图像的设备称为深度图像采集设备,用于采集RGB彩色图像的设备称为RGB图像采集设备。
在步骤204中,从RGB图像中选择目标人脸。
本说明书实施例中,目标人脸像为RGB图中最有可能用于人脸识别的人脸。
本说明书实施例中,可以对RGB图像进行人脸检测,检测其中包含的人脸,并从中选择一个人脸,作为目标人脸。具体的,可以将RGB图像中预设区域的人脸,选择为目标人脸。
考虑到具有人脸识别意图的用户通常会正对图像采集设备的拍摄焦点或处于人群的正中位置,基于这种情况,本说明书实施例中,预设区域可以包括:RGB图像的中心区域、或者RGB图像拍摄时的焦点区域。相应的,可以将RGB图像中心区域内的人脸,选择为目标人脸;或者,可以将RGB图像拍摄时的焦点区域内的人脸,选择为目标人脸。
在步骤206中,确定目标人脸在深度图像中对应的目标区域。
考虑到RGB图像采集设备的摄像头和深度图像采集设备的摄像头是预先标定好的,即两者具有明确的空间坐标变换关系,基于这种情况,本说明书实施例中,可以根据RGB图像和其对应的深度图像的空间坐标变换关系,确定目标人脸在深度图像上的坐标(即目标区域)。
在步骤208中,根据目标区域内像素点的信息,计算目标人脸到人脸图像采集设备的距离D1。
由于深度图像中每个像素都表示距离,因此本说明书实施例中,可以根据目标区域内像素点的信息,计算目标人脸到人脸图像采集设备的距离D1;具体的,可以计算目标区域内各像素点到人脸图像采集设备的距离,将各像素点到人脸图像采集设备的距离的平均值,确定为目标人脸到人脸图像采集设备的距离D1。
在步骤210中,判断深度图像中是否存在距离人脸图像采集设备为D2的人脸;若否,则执行步骤212;其中,D1与D2的差值小于预设阈值。
本说明书实施例中,如果深度图像中存在距离人脸图像采集设备为D2的人脸,则RGB图像中存在干扰人脸;如果深度图像中不存在距离人脸图像采集设备为D2的人脸,则确定RGB图像中不存在干扰人脸。
本说明书实施例中,人脸图像采集设备指的是深度图像采集设备。干扰人脸与目标人脸到深度图像采集设备的距离相当或相差不多。
本说明书实施例中,深度图像中距离人脸图像采集设备为D2的人脸包括:轮廓完整清晰的人脸、或者轮廓不完整不清晰的人脸。
考虑到具有人脸识别意图的用户通常比较靠近图像采集设备、并且在多人场景下具有人脸识别意图的用户通常只有一个,本说明书实施例中,通过判断RGB图像中是否有干扰人脸,来确定目标人脸是否为多人场景下最具人脸识别意图的人脸;具体的,如果RGB图像中存在干扰人脸,则表明目标人脸不是多人场景下最具人脸识别意图的人脸;如果RGB图像中不存在干扰人脸,则表明目标人脸时多人场景下最具人脸识别意图的人脸。
考虑到对RGB图像进行人脸检测,有时会造成人脸的漏检,例如RGB图像的角落里的人脸或RGB图像中出现的半张人脸无法检测出来,本说明书实施例中,采用对RGB图像和该RGB图像对应的深度图像,可以避免上述漏检的问题。
在步骤212中,基于目标人脸进行人脸识别。
本说明书实施例中,如果RGB图像中不存在干扰人脸,则基于RGB图像中的目标人脸进行人脸识别;如果RGB图像中存在干扰人脸,则输出提示消息,该提示消息用于提示RGB图像中存在干扰人脸。
由上述实施例可见,该实施例中,在对包含多个人脸的RGB图像进行人脸识别时,可以结合该RGB图像对应的深度图像,来确定该RGB图像中用于人脸识别的人脸。相对于仅仅依据RGB图像进行人脸识别,本说明书实施例中,由于深度图像中包含的信息比较丰富、且深度图像可以反映该深度图像中的各人脸到图像采集设备的距离、且人脸到图像采集设备的距离可以从一定程度上反映了用户的人脸识别意愿,因此本说明书实施例可以避免RGB图像中人脸的漏检,以及可以比较准确地确定出RGB图像中用于人脸识别的人脸。
图3是本说明书的一个实施例的人脸识别装置的结构示意图,如图3所示,在一种软件实施方式中,人脸识别装置300,可以包括:获取模块301、选择模块302、判断模块303和识别模块304,其中,
获取模块301,用于获取用于人脸识别的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;
选择模块302,用于从所述RGB图像中选择目标人脸;
判断模块303,用于根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到人脸图像采集设备的距离与所述目标人脸到所述人脸图像采集设备的距离的差值小于预设阈值;
识别模块304,用于在所述RGB图像中不存在所述干扰人脸的情况下,基于所述目标人脸进行人脸识别。
由上述实施例可见,该实施例中,在对包含多个人脸的RGB图像进行人脸识别时,可以结合该RGB图像对应的深度图像,来确定该RGB图像中用于人脸识别的人脸。相对于仅仅依据RGB图像进行人脸识别,本说明书实施例中,由于深度图像中包含的信息比较丰富、且深度图像可以反映该深度图像中的各人脸到图像采集设备的距离、且人脸到图像采集设备的距离可以从一定程度上反映了用户的人脸识别意愿,因此本说明书实施例可以避免RGB图像中人脸的漏检,以及可以比较准确地确定出RGB图像中用于人脸识别的人脸。
可选地,作为一个实施例,所述选择模块302,可以包括:
人脸选择子模块,用于将所述RGB图像中预设区域的人脸,选择为目标人脸。
可选地,作为一个实施例,所述预设区域包括:
所述RGB图像的中心区域、或者所述RGB图像拍摄时的焦点区域。
可选地,作为一个实施例,所述判断模块303,可以包括:
目标区域确定子模块,用于确定所述目标人脸在所述深度图像中对应的目标区域;
距离计算子模块,用于根据所述目标区域内像素点的信息,计算所述目标人脸到人脸图像采集设备的距离D1;
判断子模块,用于判断所述深度图像中是否存在距离所述人脸图像采集设备为D2的人脸,所述D1与D2的差值小于所述预设阈值;其中,
如果所述深度图像中存在距离所述人脸图像采集设备为D2的人脸,则所述RGB图像中存在干扰人脸;如果所述深度图像中不存在距离所述人脸图像采集设备为D2的人脸,则确定所述RGB图像中不存在干扰人脸。
可选地,作为一个实施例,所述距离计算子模块,可以包括:
距离计算单元,用于计算所述目标区域内各像素点到人脸图像采集设备的距离;
距离确定单元,用于将所述各像素点到人脸图像采集设备的距离的平均值,确定为所述目标人脸到人脸图像采集设备的距离D1。
可选地,作为一个实施例,所述人脸识别装置300,还可以包括:
输出模块,用于在所述RGB图像中存在所述干扰人脸的情况下,输出提示消息,所述提示消息用于提示所述RGB图像中存在干扰人脸。
图4是本说明书的一个实施例电子设备的结构示意图,如图4所示,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成人脸识别装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取用于人脸识别的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;
从所述RGB图像中选择目标人脸;
根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到人脸图像采集设备的距离与所述目标人脸到所述人脸图像采集设备的距离的差值小于预设阈值;
如果所述RGB图像中不存在所述干扰人脸,则基于所述目标人脸进行人脸识别。
本说明书实施例中,在对包含多个人脸的RGB图像进行人脸识别时,可以结合该RGB图像对应的深度图像,来确定该RGB图像中用于人脸识别的人脸。相对于仅仅依据RGB图像进行人脸识别,本说明书实施例中,由于深度图像中包含的信息比较丰富、且深度图像可以反映该深度图像中的各人脸到图像采集设备的距离、且人脸到图像采集设备的距离可以从一定程度上反映了用户的人脸识别意愿,因此本说明书实施例可以避免RGB图像中人脸的漏检,以及可以比较准确地确定出RGB图像中用于人脸识别的人脸。
可选地,作为一个实施例,所述从所述RGB图像中选择目标人脸,包括:
将所述RGB图像中预设区域的人脸,选择为目标人脸。
可选地,作为一个实施例,所述预设区域包括:
所述RGB图像的中心区域、或者所述RGB图像拍摄时的焦点区域。
可选地,作为一个实施例,所述根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,包括:
确定所述目标人脸在所述深度图像中对应的目标区域;
根据所述目标区域内像素点的信息,计算所述目标人脸到人脸图像采集设备的距离D1;
判断所述深度图像中是否存在距离所述人脸图像采集设备为D2的人脸,所述D1与D2的差值小于所述预设阈值;
如果所述深度图像中存在距离所述人脸图像采集设备为D2的人脸,则所述RGB图像中存在干扰人脸;如果所述深度图像中不存在距离所述人脸图像采集设备为D2的人脸,则确定所述RGB图像中不存在干扰人脸。
可选地,作为一个实施例,所述根据所述目标区域内像素点的信息,计算所述目标人脸到人脸图像采集设备的距离D1,包括:
计算所述目标区域内各像素点到人脸图像采集设备的距离;
将所述各像素点到人脸图像采集设备的距离的平均值,确定为所述目标人脸到人脸图像采集设备的距离D1。
可选地,作为一个实施例,所述方法还包括:
如果所述RGB图像中存在所述干扰人脸,则输出提示消息,所述提示消息用于提示所述RGB图像中存在干扰人脸。
上述如本说明书图4所示实施例揭示的人脸识别装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1的方法,并实现人脸识别装置在图1所示实施例的功能,本说明书实施例在此不再赘述。
本说明书实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图1所示实施例的方法,并具体用于执行以下方法:
获取用于人脸识别的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;
从所述RGB图像中选择目标人脸;
根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到人脸图像采集设备的距离与所述目标人脸到所述人脸图像采集设备的距离的差值小于预设阈值;
如果所述RGB图像中不存在所述干扰人脸,则基于所述目标人脸进行人脸识别。
总之,以上所述仅为本说明书的较佳实施例而已,并非用于限定本说明书的保护范围。凡在本说明书的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书的保护范围之内。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者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、商品或者设备所固有的要素。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、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,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。
Claims (18)
1.一种人脸识别方法,所述方法包括:
获取用于人脸识别的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;所述深度图像通过深度图像采集设备采集得到;
从所述RGB图像中选择目标人脸;
根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到深度图像采集设备的距离与所述目标人脸到所述深度图像采集设备的距离小于预设阈值;
如果所述RGB图像中不存在所述干扰人脸,则基于所述目标人脸进行人脸识别。
2.根据权利要求1所述的方法,所述从所述RGB图像中选择目标人脸,包括:
将所述RGB图像中预设区域的人脸,选择为目标人脸。
3.根据权利要求2所述的方法,所述预设区域包括:
所述RGB图像的中心区域、或者所述RGB图像拍摄时的焦点区域。
4.根据权利要求1所述的方法,所述根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,包括:
确定所述目标人脸在所述深度图像中对应的目标区域;
根据所述目标区域内像素点的信息,计算所述目标人脸到深度图像采集设备的距离D1;
判断所述深度图像中是否存在距离所述深度图像采集设备为D2的人脸,所述D1与D2的差值小于所述预设阈值;
如果所述深度图像中存在距离所述深度图像采集设备为D2的人脸,则所述RGB图像中存在干扰人脸;如果所述深度图像中不存在距离所述深度图像采集设备为D2的人脸,则确定所述RGB图像中不存在干扰人脸。
5.根据权利要求4所述的方法,所述根据所述目标区域内像素点的信息,计算所述目标人脸到深度图像采集设备的距离D1,包括:
计算所述目标区域内各像素点到深度图像采集设备的距离;
将所述各像素点到深度图像采集设备的距离的平均值,确定为所述目标人脸到深度图像采集设备的距离D1。
6.根据权利要求4所述的方法,其特征在于,所述确定所述目标人脸在所述深度图像中对应的目标区域,包括:
根据所述RGB图像和对应的深度图像的空间坐标变换关系,确定所述目标人脸在所述深度图像中对应的目标区域。
7.根据权利要求1所述的方法,所述方法还包括:
如果所述RGB图像中存在所述干扰人脸,则输出提示消息,所述提示消息用于提示所述RGB图像中存在干扰人脸。
8.一种人脸支付方法,所述方法包括:
获取用于人脸支付的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;所述深度图像通过深度图像采集设备采集得到;
从所述RGB图像中选择目标人脸;
根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到深度图像采集设备的距离与所述目标人脸到所述深度图像采集设备的距离小于预设阈值;
如果所述RGB图像中不存在所述干扰人脸,则基于所述目标人脸进行人脸识别;
若所述人脸识别通过,则进行支付操作。
9.根据权利要求8所述的方法,所述从所述RGB图像中选择目标人脸,包括:
将所述RGB图像中预设区域的人脸,选择为目标人脸。
10.根据权利要求8所述的方法,所述根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,包括:
确定所述目标人脸在所述深度图像中对应的目标区域;
根据所述目标区域内像素点的信息,计算所述目标人脸到深度图像采集设备的距离D1;
判断所述深度图像中是否存在距离所述深度图像采集设备为D2的人脸,所述D1与D2的差值小于所述预设阈值;
如果所述深度图像中存在距离所述深度图像采集设备为D2的人脸,则所述RGB图像中存在干扰人脸;如果所述深度图像中不存在距离所述深度图像采集设备为D2的人脸,则确定所述RGB图像中不存在干扰人脸。
11.根据权利要求8所述的方法,所述方法还包括:
如果所述RGB图像中存在所述干扰人脸,则输出提示消息,所述提示消息用于提示支付交易存在风险。
12.一种人脸识别方法,所述方法包括:
获取用于人脸识别的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;所述深度图像通过深度图像采集设备采集得到;
从所述RGB图像中选择目标人脸;
根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到深度图像采集设备的距离与所述目标人脸到所述深度图像采集设备的距离小于预设阈值。
13.根据权利要求12所述的方法,所述从所述RGB图像中选择目标人脸,包括:
将所述RGB图像中预设区域的人脸,选择为目标人脸。
14.根据权利要求12所述的方法,所述根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,包括:
确定所述目标人脸在所述深度图像中对应的目标区域;
根据所述目标区域内像素点的信息,计算所述目标人脸到深度图像采集设备的距离D1;
判断所述深度图像中是否存在距离所述深度图像采集设备为D2的人脸,所述D1与D2的差值小于所述预设阈值;
如果所述深度图像中存在距离所述深度图像采集设备为D2的人脸,则所述RGB图像中存在干扰人脸;如果所述深度图像中不存在距离所述深度图像采集设备为D2的人脸,则确定所述RGB图像中不存在干扰人脸。
15.一种人脸识别装置,所述装置包括:
获取模块,用于获取用于人脸识别的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;所述深度图像通过深度图像采集设备采集得到;
选择模块,用于从所述RGB图像中选择目标人脸;
判断模块,用于根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到深度图像采集设备的距离与所述目标人脸到所述深度图像采集设备的距离小于预设阈值;
识别模块,用于在所述RGB图像中不存在所述干扰人脸的情况下,基于所述目标人脸进行人脸识别。
16.根据权利要求15所述的装置,所述选择模块,包括:
人脸选择子模块,用于将所述RGB图像中预设区域的人脸,选择为目标人脸。
17.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
获取用于人脸识别的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;所述深度图像通过深度图像采集设备采集得到;
从所述RGB图像中选择目标人脸;
根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到深度图像采集设备的距离与所述目标人脸到所述深度图像采集设备的距离小于预设阈值;
如果所述RGB图像中不存在所述干扰人脸,则基于所述目标人脸进行人脸识别。
18.一种计算机存储介质,所述计算机存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
获取用于人脸识别的RGB图像和对应的深度图像,所述RGB图像中包含至少一个人脸;所述深度图像通过深度图像采集设备采集得到;
从所述RGB图像中选择目标人脸;
根据所述目标人脸和所述深度图像,判断所述RGB图像中是否存在干扰人脸,所述干扰人脸到深度图像采集设备的距离与所述目标人脸到所述深度图像采集设备的距离小于预设阈值;
如果所述RGB图像中不存在所述干扰人脸,则基于所述目标人脸进行人脸识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010729662.8A CN111832535A (zh) | 2018-08-24 | 2018-08-24 | 人脸识别方法及装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010729662.8A CN111832535A (zh) | 2018-08-24 | 2018-08-24 | 人脸识别方法及装置 |
CN201810972167.2A CN109190539B (zh) | 2018-08-24 | 2018-08-24 | 人脸识别方法及装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810972167.2A Division CN109190539B (zh) | 2018-08-24 | 2018-08-24 | 人脸识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111832535A true CN111832535A (zh) | 2020-10-27 |
Family
ID=64919537
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010729662.8A Pending CN111832535A (zh) | 2018-08-24 | 2018-08-24 | 人脸识别方法及装置 |
CN201810972167.2A Active CN109190539B (zh) | 2018-08-24 | 2018-08-24 | 人脸识别方法及装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810972167.2A Active CN109190539B (zh) | 2018-08-24 | 2018-08-24 | 人脸识别方法及装置 |
Country Status (3)
Country | Link |
---|---|
CN (2) | CN111832535A (zh) |
TW (1) | TWI716008B (zh) |
WO (1) | WO2020038140A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832535A (zh) * | 2018-08-24 | 2020-10-27 | 创新先进技术有限公司 | 人脸识别方法及装置 |
CN109905596A (zh) * | 2019-02-13 | 2019-06-18 | 深圳市云之梦科技有限公司 | 拍照方法、装置、计算机设备和存储介质 |
CN111860069A (zh) * | 2019-04-30 | 2020-10-30 | 百度时代网络技术(北京)有限公司 | 图像处理方法和系统 |
CN110533426A (zh) * | 2019-08-02 | 2019-12-03 | 深圳蚂里奥技术有限公司 | 一种支付方法及系统 |
CN110991239A (zh) * | 2019-10-30 | 2020-04-10 | 珠海格力电器股份有限公司 | 一种身份验证方法、装置、设备和计算机可读存储介质 |
CN111414858B (zh) * | 2020-03-19 | 2023-12-19 | 北京迈格威科技有限公司 | 人脸识别方法、目标图像的确定方法、装置和电子系统 |
CN111462227A (zh) * | 2020-03-27 | 2020-07-28 | 海信集团有限公司 | 室内人员定位装置及方法 |
CN111583333A (zh) * | 2020-05-19 | 2020-08-25 | 常州节卡智能装备有限公司 | 基于视觉引导的测温方法、装置、电子设备及存储介质 |
CN112150448B (zh) * | 2020-09-28 | 2023-09-26 | 杭州海康威视数字技术股份有限公司 | 图像处理方法、装置及设备、存储介质 |
CN112580553A (zh) * | 2020-12-25 | 2021-03-30 | 深圳市商汤科技有限公司 | 开关控制方法、装置、计算机设备及存储介质 |
CN112733650B (zh) * | 2020-12-29 | 2024-05-07 | 深圳云天励飞技术股份有限公司 | 目标人脸检测方法、装置、终端设备及存储介质 |
CN112818874A (zh) * | 2021-02-03 | 2021-05-18 | 东莞埃科思科技有限公司 | 一种图像处理方法、装置、设备及存储介质 |
CN113409056B (zh) * | 2021-06-30 | 2022-11-08 | 深圳市商汤科技有限公司 | 支付方法、装置、本地识别设备、人脸支付系统及设备 |
CN113850165A (zh) * | 2021-09-13 | 2021-12-28 | 支付宝(杭州)信息技术有限公司 | 人脸识别方法和装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101211484A (zh) * | 2006-12-25 | 2008-07-02 | 成都三泰电子实业股份有限公司 | 防止在atm取款时密码被偷窥的方法及装置 |
US20130188089A1 (en) * | 2012-01-20 | 2013-07-25 | Htc Corporation | Camera system and auto focus method |
US20150085179A1 (en) * | 2012-04-17 | 2015-03-26 | E-Vision Smart Optics, Inc. | Systems, Devices, and Methods for Managing Camera Focus |
CN105260732A (zh) * | 2015-11-26 | 2016-01-20 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN105791685A (zh) * | 2016-02-29 | 2016-07-20 | 广东欧珀移动通信有限公司 | 控制方法、控制装置及电子装置 |
US20160337588A1 (en) * | 2014-01-29 | 2016-11-17 | Huawei Technologies Co., Ltd. | Method For Selection Between Front-Facing Camera and Rear-Facing Camera of Mobile Terminal and Mobile Terminal |
CN106339673A (zh) * | 2016-08-19 | 2017-01-18 | 中山大学 | 一种基于人脸识别的atm机身份验证方法 |
CN107493435A (zh) * | 2015-03-05 | 2017-12-19 | 广东欧珀移动通信有限公司 | 一种拍摄方法及终端和相关介质产品 |
CN107703962A (zh) * | 2017-08-26 | 2018-02-16 | 上海瞬动科技有限公司合肥分公司 | 一种无人机集体照拍摄方法 |
CN107844744A (zh) * | 2017-10-09 | 2018-03-27 | 平安科技(深圳)有限公司 | 结合深度信息的人脸识别方法、装置及存储介质 |
CN107918726A (zh) * | 2017-10-18 | 2018-04-17 | 深圳市汉普电子技术开发有限公司 | 距离感应方法、设备及存储介质 |
CN107977650A (zh) * | 2017-12-21 | 2018-05-01 | 北京华捷艾米科技有限公司 | 人脸检测方法及装置 |
CN108230465A (zh) * | 2018-01-26 | 2018-06-29 | 深圳卡通新技术有限公司 | 基于移动终端的闸机快速通行控制方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040042643A1 (en) * | 2002-08-28 | 2004-03-04 | Symtron Technology, Inc. | Instant face recognition system |
CN101303724A (zh) * | 2007-05-10 | 2008-11-12 | 中国银联股份有限公司 | 一种认证授权方法及系统 |
CN101661557B (zh) * | 2009-09-22 | 2012-05-02 | 中国科学院上海应用物理研究所 | 一种基于智能卡的人脸识别系统及其方法 |
CN102610035B (zh) * | 2012-04-05 | 2014-02-12 | 广州广电运通金融电子股份有限公司 | 金融自助设备及其防偷窥系统和方法 |
KR20140046341A (ko) * | 2012-10-10 | 2014-04-18 | 노틸러스효성 주식회사 | 얼굴인식기능을 활용한 금융자동화기기 보안 시스템 및 보안 방법 |
CN103353935B (zh) * | 2013-07-19 | 2016-06-08 | 电子科技大学 | 一种用于智能家居系统的3d动态手势识别方法 |
TW201727537A (zh) * | 2016-01-22 | 2017-08-01 | 鴻海精密工業股份有限公司 | 人臉識別系統及人臉識別方法 |
TWI604332B (zh) * | 2017-03-24 | 2017-11-01 | 緯創資通股份有限公司 | 遠距離的身份辨識方法及其系統與電腦可讀取記錄媒體 |
CN107657219B (zh) * | 2017-09-12 | 2021-06-15 | Oppo广东移动通信有限公司 | 人脸检测方法及相关产品 |
CN107862274A (zh) * | 2017-10-31 | 2018-03-30 | 广东欧珀移动通信有限公司 | 美颜方法、装置、电子设备和计算机可读存储介质 |
CN111832535A (zh) * | 2018-08-24 | 2020-10-27 | 创新先进技术有限公司 | 人脸识别方法及装置 |
-
2018
- 2018-08-24 CN CN202010729662.8A patent/CN111832535A/zh active Pending
- 2018-08-24 CN CN201810972167.2A patent/CN109190539B/zh active Active
-
2019
- 2019-06-21 TW TW108121633A patent/TWI716008B/zh active
- 2019-07-10 WO PCT/CN2019/095338 patent/WO2020038140A1/zh active Application Filing
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101211484A (zh) * | 2006-12-25 | 2008-07-02 | 成都三泰电子实业股份有限公司 | 防止在atm取款时密码被偷窥的方法及装置 |
US20130188089A1 (en) * | 2012-01-20 | 2013-07-25 | Htc Corporation | Camera system and auto focus method |
US20150085179A1 (en) * | 2012-04-17 | 2015-03-26 | E-Vision Smart Optics, Inc. | Systems, Devices, and Methods for Managing Camera Focus |
US20160337588A1 (en) * | 2014-01-29 | 2016-11-17 | Huawei Technologies Co., Ltd. | Method For Selection Between Front-Facing Camera and Rear-Facing Camera of Mobile Terminal and Mobile Terminal |
CN107493435A (zh) * | 2015-03-05 | 2017-12-19 | 广东欧珀移动通信有限公司 | 一种拍摄方法及终端和相关介质产品 |
CN105260732A (zh) * | 2015-11-26 | 2016-01-20 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN105791685A (zh) * | 2016-02-29 | 2016-07-20 | 广东欧珀移动通信有限公司 | 控制方法、控制装置及电子装置 |
CN106339673A (zh) * | 2016-08-19 | 2017-01-18 | 中山大学 | 一种基于人脸识别的atm机身份验证方法 |
CN107703962A (zh) * | 2017-08-26 | 2018-02-16 | 上海瞬动科技有限公司合肥分公司 | 一种无人机集体照拍摄方法 |
CN107844744A (zh) * | 2017-10-09 | 2018-03-27 | 平安科技(深圳)有限公司 | 结合深度信息的人脸识别方法、装置及存储介质 |
CN107918726A (zh) * | 2017-10-18 | 2018-04-17 | 深圳市汉普电子技术开发有限公司 | 距离感应方法、设备及存储介质 |
CN107977650A (zh) * | 2017-12-21 | 2018-05-01 | 北京华捷艾米科技有限公司 | 人脸检测方法及装置 |
CN108230465A (zh) * | 2018-01-26 | 2018-06-29 | 深圳卡通新技术有限公司 | 基于移动终端的闸机快速通行控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109190539B (zh) | 2020-07-07 |
CN109190539A (zh) | 2019-01-11 |
TWI716008B (zh) | 2021-01-11 |
WO2020038140A1 (zh) | 2020-02-27 |
TW202009785A (zh) | 2020-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190539B (zh) | 人脸识别方法及装置 | |
US11210541B2 (en) | Liveness detection method, apparatus and computer-readable storage medium | |
CN110032880B (zh) | 基于区块链的录屏取证方法、系统和电子设备 | |
US9672523B2 (en) | Generating barcode and authenticating based on barcode | |
CN109040594B (zh) | 拍照方法及装置 | |
CN109086734B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
CN110020581B (zh) | 一种基于多帧脸部图像的比对方法、装置和电子设备 | |
CN112333356B (zh) | 一种证件图像采集方法、装置和设备 | |
CN109298926B (zh) | 资源转移方入驻资源转移平台的方法、装置及电子设备 | |
CN110705532B (zh) | 一种识别翻拍图像的方法、装置及设备 | |
CN110990795A (zh) | 基于对抗样本的隐私信息保护方法、装置及电子设备 | |
CN110765958A (zh) | 基于人脸识别的渠道风险控制方法方法、装置及系统 | |
CN109146493B (zh) | 消费数据处理方法及装置 | |
CN113850211A (zh) | 注入视频攻击检测方法和装置 | |
CN111400690B (zh) | 生物校验方法及装置 | |
CN109740336B (zh) | 一种图片中的验证信息的识别方法、装置及电子设备 | |
CN111539742B (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN115243202A (zh) | 一种资源分享方法、装置及电子设备 | |
CN109376585B (zh) | 一种人脸识别的辅助方法、人脸识别方法及终端设备 | |
CN109344732B (zh) | 一种鉴权以及确定鉴权方式的方法、装置及电子设备 | |
CN112183270A (zh) | 身份验证的拍摄参数的优化方法、装置及电子设备 | |
CN113378953A (zh) | 火灾检测模型的训练样本制作方法、装置、设备及介质 | |
CN108170821B (zh) | 确定一码多址的方法、装置及电子设备 | |
CN111339894A (zh) | 一种数据处理、风险识别方法、装置、设备及介质 | |
CN111860285B (zh) | 用户注册方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |