CN103294986A - 一种生物特征的识别方法和装置 - Google Patents
一种生物特征的识别方法和装置 Download PDFInfo
- Publication number
- CN103294986A CN103294986A CN2012100530564A CN201210053056A CN103294986A CN 103294986 A CN103294986 A CN 103294986A CN 2012100530564 A CN2012100530564 A CN 2012100530564A CN 201210053056 A CN201210053056 A CN 201210053056A CN 103294986 A CN103294986 A CN 103294986A
- Authority
- CN
- China
- Prior art keywords
- biological
- user
- identified
- biological information
- attribute data
- 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.)
- Granted
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种生物特征的识别方法及装置,可实现自动录入。该方法包括以下步骤:接收识别生物特征指令,对采集到的视频流中的待识别用户的生物特征进行提取,得到所述待识别用户的生物特征数据;分别计算所述生物特征数据与预先建立的生物特征信息库中的每条生物特征信息的相似度得分,当最高相似度得分大于设定阈值时,确定该待识别用户的生物特征识别成功;获得与所述待识别用户相似度得分最高的生物特征数据的用户标识,并在判断生物特征信息库中具有所述用户标识的生物特征数据数目少于预定组数时,将所述待识别用户的生物特征数据的属性设置为所述用户标识,并将所述待识别用户的生物特征数据存入生物特征信息库。
Description
技术领域
本发明涉及生物识别领域,特别涉及一种生物特征的识别方法和装置。
背景技术
目前,生物特征识别技术得到了越来越广泛的应用。例如,在智能锁、考勤管理等很多场合都可以通过指纹、人脸、虹膜等生物特征进行身份识别。其中,人脸识别由于采集方便等优势应用范围更加广泛,还可以应用在视频监控等领域。
在现有的人脸识别方法中,主要包括人脸录入和人脸识别两大步骤,首先,需要通过人脸录入步骤录入并存储用户的人脸特征信息,然后,在人脸识别步骤中,将当前的人脸特征信息与存储的人脸特征信息进行比对,当相似度超过设定阈值时则表示识别成功。
其中,在人脸录入步骤中需要手动输入用户信息,如姓名、性别、年龄、身份证号等,从而在识别到匹配的人脸特征信息时将对应的用户信息显示出来。因此,在录入时,通常一次只能录入一个用户,即按下录入按键,并录入一个用户的人脸图像,然后,手动输入该用户的用户信息,点击保存,则该用户信息录入完毕,然后,再按下录入按键,录入下一个用户的人脸图像,然后,手动输入下一用户的用户信息,点击保存......直到所有用户都录入完毕。
由此可见,采用这种方式,一次一般只能录入一个用户,无法连续录入多个用户,而且,当用户数量较多时,逐一手动输入用户信息无疑会导致操作繁琐、耗费时间等缺陷。
发明内容
本发明提供了一种生物特征的识别方法和装置,用以解决现有技术中需要手动输入每个用户的信息,当用户数量较多时,会导致操作繁琐、耗费时间的问题。
一种生物特征的识别方法,包括以下步骤:
接收识别生物特征指令,对采集到的视频流中的待识别用户的生物特征进行提取,得到所述待识别用户的生物特征数据;
分别计算所述生物特征数据与预先建立的生物特征信息库中的每条生物特征信息的相似度得分,当最高相似度得分大于设定阈值时,确定该待识别用户的生物特征识别成功;其中,生物特征信息库中预先存储的每条生物特征信息的属性包括用户标识和至少一组生物特征数据;
获得与所述待识别用户相似度得分最高的生物特征数据的用户标识,并在判断生物特征信息库中具有所述用户标识的生物特征数据数目少于预定组数时,将所述待识别用户的生物特征数据的属性设置为所述用户标识,并将所述待识别用户的生物特征数据存入生物特征信息库。
一种生物特征的识别装置,包括:
提取单元,用于接收识别生物特征指令,对采集到的视频流中的待识别用户的生物特征进行提取,得到所述待识别用户的生物特征数据;
识别单元,用于分别计算所述生物特征数据与预先建立的生物特征信息库中的每条生物特征信息的相似度得分,当最高相似度得分大于设定阈值时,确定该待识别用户的生物特征识别成功;其中,生物特征信息库中预先存储的每条生物特征信息的属性包括用户标识和至少一组生物特征数据;
判断单元,用于获得与所述待识别用户相似度得分最高的生物特征数据的用户标识,并在判断生物特征信息库中具有所述用户标识的生物特征数据数目少于预定组数时,将所述待识别用户的生物特征数据的属性设置为所述用户标识,并将所述待识别用户的生物特征数据存入生物特征信息库。
采用本实施例中的生物特征识别方法及装置,在接收到识别生物特征指令后,对视频流中的每个用户的生物特征进行识别,而且,本实施例中存储的每条生物特征信息在存储时无需手工输入用户的相关信息,只需由系统自动生成一个用户ID即可,从而简化了操作过程,节约了存储时间,另外,本实施例中当生物特征识别成功后,还进一步判断生物特征信息库中具有该用户标识的生物特征数据的数目是否达到预定组数,当没有达到预定组数时,则将该用户的生物特征数据存入生物特征信息库,以提高后续识别时的准确度。
附图说明
图1为本发明实施例中的生物特征的识别方法流程图;
图2为本发明实施例一中的人脸录入步骤的方法流程图;
图3为本发明实施例一中的人脸识别步骤的方法流程图;
图4为本发明实施例一中显示识别结果的示意图;
图5为本发明实施例二中的人脸识别步骤的方法流程图;
图6为本发明实施例中的生物特征的识别装置结构图。
具体实施方式
本发明实施例提供了一种生物特征的识别方法和装置,可以解决现有技术中需要手动输入每个用户的信息,当用户数量较多时,会导致操作繁琐、耗费时间的问题。
本发明实施例提供的一种生物特征的识别方法,如图1所示,包括以下步骤:
S101:接收识别生物特征指令,对采集到的视频流中的待识别用户的生物特征进行提取,得到所述待识别用户的生物特征数据;
S102:分别计算所述生物特征数据与预先建立的生物特征信息库中的每条生物特征信息的相似度得分,其中,生物特征信息库中预先存储的每条生物特征信息的属性包括用户标识和至少一组生物特征数据;
S103:当最高相似度得分大于设定阈值时,确定该待识别用户的生物特征识别成功,获得与所述待识别用户相似度得分最高的生物特征数据的用户标识,并在判断生物特征信息库中具有所述用户标识的生物特征数据数目少于预定组数时,将所述待识别用户的生物特征数据的属性设置为所述用户标识,并将所述待识别用户的生物特征数据存入生物特征信息库。
S104:当最高相似度得分小于设定阈值时,确定该待识别用户的生物特征识别失败,将所述待识别用户的生物特征数据存入生物特征信息库。
采用本实施例中的生物特征识别方法,在接收到识别生物特征指令后,对视频流中的每个用户的生物特征进行识别,而且,本实施例中存储的每条生物特征信息在存储时无需手工输入用户的相关信息,只需由系统自动生成一个用户ID即可,从而简化了操作过程,节约了存储时间,另外,本实施例中当生物特征识别成功后,还进一步判断生物特征信息库中具有该用户标识的生物特征数据的数目是否达到预定组数,当没有达到预定组数时,则将该用户的生物特征数据存入生物特征信息库,以提高后续识别时的准确度。
其中,预先建立生物特征信息库时可以采用如下两种方式:
在第一种方式中,分为以下两个步骤:
采集步骤:对采集到的视频流中的待识别用户的生物特征进行提取,得到所述待识别用户的生物特征数据;
识别存储步骤:分别计算所述生物特征数据与生物特征信息库中的每条生物特征信息的相似度得分,当最高相似度得分小于设定阈值时,根据该待识别用户的生物特征数据创建一条生物特征信息存入生物特征信息库中,并将创建该条生物特征信息的当前系统时间做为该待识别用户的生物特征数据的用户标识。其中,识别存储步骤还包括:分别计算所述生物特征数据与生物特征信息库中的每条生物特征信息的相似度得分时,当最高相似度得分大于或等于设定阈值时,确定该待识别用户的生物特征识别成功,获得与所述待识别用户相似度得分最高的生物特征数据的用户标识,并在判断生物特征信息库中具有所述用户标识的生物特征数据数目少于预定组数时,将所述待识别用户的生物特征数据的属性设置为所述用户标识,并将所述待识别用户的生物特征数据存入生物特征信息库。优选地,在采集步骤之前,还可以进一步包括初始化步骤:设置录入模式,初始化生物特征信息库为空。
在第二种方式中,分为以下两个步骤:
采集步骤:对采集到的视频流中的待识别用户的生物特征进行提取,得到所述待识别用户的生物特征数据;
存储步骤:根据得到的该待识别用户的生物特征数据创建一条生物特征信息存入生物特征信息库中,并将创建该条生物特征信息的当前系统时间做为该待识别用户的生物特征数据的用户标识。
本实施例中的生物特征可以包括:人脸或虹膜。当所述生物特征为人脸时,生物特征信息库中存储的每条生物特征信息还包括:用户的人脸图像,则确定生物特征识别成功时,进一步包括:显示该待识别用户对应的生物特征信息中的人脸图像,从而实现直观显示的效果。
下面通过两个具体实施例详细描述一下本发明提供的生物特征识别方法。在这两个实施例中,都是以生物特征为人脸为例进行说明的,当生物特征为虹膜等特征时,处理方式类似,此处不再详细赘述。
实施例一、
本实施例中的人脸识别方法主要包括两个步骤,第一个步骤为人脸录入步骤,在该步骤中将所有授权用户的人脸特征信息录入到生物特征信息库中;第二个步骤为人脸识别步骤,在该步骤中将识别到的人脸特征信息与第一个步骤中存储在生物特征信息库中的人脸特征信息进行比较,以判断该用户是否是授权用户。
图2示出了人脸录入步骤的主要过程,如下所述:
S201:接收用户发出的人脸录入指令,开始采集视频流。
其中,人脸录入指令可以通过多种方式发送。例如,可以通过设置在用户显示界面上的一个显示按键,或者,设置在设备外部的一个实体按键来触发。
当接收到该人脸录入指令后,则启动摄像设备采集视频流。这时,需要录入人脸特征信息的用户,也就是授权用户,则会出现在摄像区域内。该方案无需手动输入用户信息,一次可以录入多个授权用户的人脸特征信息,实现自动录入,无需人工干预。因此,在采集视频流的过程中,可以让多个授权用户依次出现在摄像区域内,则采集到的视频流是一段依次包含多个授权用户的人脸特征信息的视频流。
S202:从视频流中截取一段包含某一授权用户的连续的视频帧,从这些视频帧中提取该授权用户的人脸特征数据。
具体地,先取一帧数据进行人脸定位,如果定位成功,则说明该帧数据中存在人脸,否则,丢弃该帧数据,取下一帧数据进行人脸定位。
定位成功后,对人脸部位的数据进行特征提取,如果该帧数据的视频质量较差,无法成功提取人脸特征,则丢弃该帧数据,继续取下一帧数据执行上述操作。如果该帧数据的视频质量较好,成功提取到了人脸特征,则将提取到的人脸特征作为一个人脸特征数据缓存起来,直至将该段视频帧全部处理完毕。当该段视频帧中有多个质量较好的视频帧时,则会提取到多个人脸特征数据,为了减少处理时间,可以在每提取到一个人脸特征数据后,判断该授权用户的人脸特征数据是否达到预设个数,如果达到了预设个数,则提前结束本步骤的处理。
S203:根据步骤S202中提取的人脸特征数据生成该授权用户的人脸特征信息,并将生成的人脸特征信息存储到生物特征信息库中。
一个授权用户对应一条人脸特征信息。每条人脸特征信息包括用户ID和人脸特征数据。其中,用户ID是由系统自动生成的,优选地,可以采用生成该条人脸特征信息时的系统时间作为用户ID,或者,也可以采用该条人脸特征信息生成时的次序作为用户ID。当采用系统时间作为用户ID时,为了提高精确度,且避免不同用户的用户ID出现重复,可以精确到毫秒级,例如,假设一条人脸特征信息的生成时间为2011年12月31日10点58分23秒564毫秒,则用户ID为1231105823564。每条人脸特征信息中的人脸特征数据的个数最多不超过预设个数(如3个),如果由于视频帧的质量原因无法获取到3个人脸特征数据时其个数会少于3个,但每条人脸特征信息中至少会包含一个人脸特征数据。优选地,可以将用户ID作为数据包头,将这些人脸特征数据顺序存储在数据包头的后面。
另外,为了便于直观地显示识别结果,在人脸特征信息中的人脸特征数据后面还可以进一步存储:人脸图片数据。具体地,该人脸图片数据可以是提取到人脸特征数据的视频帧中所包含的人脸图片数据。例如,可以从提取到人脸特征数据的三个视频帧中任意选取一帧数据实现。由于人脸图片数据中包含更加丰富的信息,如色彩等,因此,通过人脸图片数据可以直观地显示出人脸的图片。
本实施例中的人脸录入步骤只需通过按键触发,然后即可根据程序设置自动完成录入过程。其中,步骤S202至步骤S203是循环执行的,由于一段视频流中会依次包含多个授权用户的人脸特征数据,每个用户都会持续出现在一段连续的视频帧里,因此,从视频流中循环选取若干段连续的视频帧执行步骤S202至步骤S203,即可按照各个授权用户出现在视频流中的顺序依次完成录入过程。因此,在步骤S203之后,其实还需要进一步判断该视频流中是否还有未处理的视频帧,如果有,则返回步骤S202继续执行,直到将该视频流中所有的视频帧都处理完毕。
图3示出了人脸识别步骤的主要过程,如下所述:
S301:接收用户发出的人脸识别指令,开始采集视频流。
其中,人脸识别指令也可以通过多种方式发送。例如,可以通过设置在用户显示界面上的一个显示按键,或者,设置在设备外部的一个实体按键来触发。另外,根据该识别方法的具体应用场景,还可以灵活采取其他方式来发送该人脸识别指令。例如,可以将该人脸识别方法应用在终端设备上,对终端设备上安装的各种应用程序进行权限设置,只有通过人脸识别的用户才能使用该应用程序,这样,可以在接收到用户发出的打开该应用程序的指令后,由终端设备自动启动该人脸识别步骤,以判断用户权限。
当接收到该人脸识别指令后,则启动摄像设备采集视频流,该视频流中包含待识别用户的人脸特征信息。在采集视频流的过程中,一次可以采集多个待识别用户的人脸特征信息,实现自动采集,无需人工干预。因此,在采集视频流的过程中,可以让多个待识别用户依次出现在摄像区域内,则采集到的视频流是一段依次包含多个待识别用户的人脸特征信息的视频流。
S302:从视频流中截取包含某一待识别用户的一段连续的视频帧,从这些视频帧中提取该待识别用户的人脸特征数据。
本步骤中提取人脸特征数据的方式与步骤S202中提取人脸特征数据的方式相同。即:先对该帧数据进行人脸定位,如果定位成功,则说明该帧数据中存在人脸,否则,丢弃该帧数据,继续截取下一帧数据执行本步骤的操作。
定位成功后,对人脸部位的数据进行特征提取,如果该帧数据的视频质量较差,无法成功提取人脸特征,则丢弃该帧数据,继续取下一帧数据执行本步骤的操作。如果该帧数据的视频质量较好,则从中提取待识别用户的人脸特征数据。
S303:将提取到的待识别用户的人脸特征数据分别与人脸录入步骤中录入到生物特征信息库中的各个授权用户的生物特征信息中的每个生物特征数据进行比较。
针对每个待识别用户而言,需要将该待识别用户的人脸特征数据逐一与生物特征信息库中存储的每个授权用户的人脸特征信息进行比较,具体地,由于每个授权用户的人脸特征信息中可能包含多个人脸特征数据,因此,将一个待识别用户的人脸特征数据与生物特征信息库中存储的一个授权用户的人脸特征信息进行比较时,需要将该待识别用户的人脸特征数据分别与该条人脸特征信息中的每个生物特征数据进行比较。在比较时,将该待识别用户的人脸特征数据分别与人脸特征信息中的每个人脸特征数据进行相似度计算。
S304:根据比较结果判断是否识别成功,若识别成功,则转入步骤S305。若识别不成功,则转入步骤S308。
具体地,当待识别用户的人脸特征数据与某一人脸特征信息中的任一人脸特征数据计算结果大于设定阈值时,则表示该待识别用户与该人脸特征信息相似度较高,可以确认该待识别用户的人脸特征识别成功,因此该待识别用户为授权用户。另外,还可以将该条人脸特征信息的用户ID记录下来,在后续显示识别结果时,根据该用户ID查找到该人脸特征信息,并将该人脸特征信息中存储的人脸图片数据以图片的形式直观的显示出来。
S305:判断该待识别用户对应的人脸特征信息中的人脸特征数据的个数是否达到预设个数,如果达到,则转入步骤S307,如果未达到,则转入步骤S306。
S306:将提取到的该待识别用户的人脸特征数据增加到对应的人脸特征信息中。
S307:显示识别结果。
具体地,为了给用户直观的视觉感受,如果待识别用户的人脸特征识别成功,则从当前帧中进一步提取该待识别用户的人脸图片数据,从而将待识别用户的脸部图像直观地显示在屏幕的右上角,如图4所示。
另外,还可以进一步通过与该待识别用户相应的人脸特征信息的用户ID查找该人脸特征信息中的人脸图片数据,将该人脸图片数据还原为脸部图像显示在屏幕的左上角,如图4所示。
这样,在屏幕的右上角显示的是待识别用户的脸部图像,左上角显示的是识别到的与该待识别用户相似度较高的授权用户的脸部图像,这样,是否是同一个人则可以一目了然的看出来。
S308:当识别不成功时,则说明该待识别用户的脸部图像与生物特征信息库中存储的任何一个授权用户的脸部图像都不相似,这时,左上角则显示空白,说明识别失败,该待识别用户为非授权用户。
本实施例中的人脸识别步骤只需通过按键触发,然后即可根据程序设置自动完成识别过程。其中,步骤S302至步骤S308是循环执行的,由于一段视频流中会依次包含多个待识别用户的人脸特征数据,每个待识别用户都会连续出现在多个视频帧里,因此,从视频流中循环选取视频帧执行步骤S302至步骤S308,即可按照各个待识别用户出现在视频流中的顺序依次完成识别过程。因此,在步骤S308之后,其实还需要进一步判断该视频流中是否还有未处理的视频帧,如果有,则返回步骤S302继续执行,直到将该视频流中所有的视频帧都处理完毕。
实施例二、
本实施例中的人脸识别方法的主要特点在于,将实施例一中的人脸录入步骤和人脸识别步骤融合在一起进行,在识别失败时则将待识别用户的生物特征信息记录到生物特征信息库中。在这种方式中,默认所有的待识别用户都是授权用户,因此,如果生物特征信息库中没有该待识别用户的信息,则直接将其记录到生物特征信息库中即可。
图5示出了该人脸识别方法的主要过程,如下所述:
S501:接收用户发出的人脸识别指令,开始采集视频流。
其中,人脸识别指令可以通过多种方式发送。例如,可以通过设置在用户显示界面上的一个显示按键,或者,设置在设备外部的一个实体按键来触发。
当接收到该人脸识别指令后,则启动摄像设备采集视频流,该视频流中包含待识别用户的人脸信息。在采集视频流的过程中,一次可以采集多个待识别用户的人脸信息,实现自动采集,无需人工干预。因此,在采集视频流的过程中,可以让多个待识别用户依次出现在摄像区域内,则采集到的视频流是一段依次包含多个待识别用户的人脸信息的视频流。
S502:从视频流中截取包含某一待识别用户的一段连续的视频帧,从这些视频帧中提取该待识别用户的人脸特征数据。
本步骤中提取人脸特征数据的方式与步骤S202中提取人脸特征数据的方式相同。即:先对该帧数据进行人脸定位,如果定位成功,则说明该帧数据中存在人脸,否则,丢弃该帧数据,继续取下一帧数据执行本步骤的操作。
定位成功后,对人脸部位的数据进行特征提取,如果该帧数据的视频质量较差,无法成功提取人脸特征,则丢弃该帧数据,继续取下一帧数据执行本步骤的操作。如果该帧数据的视频质量较好,则从中提取待识别用户的人脸特征数据。
S503:将提取到的待识别用户的人脸特征数据分别与生物特征信息库中存储的各个授权用户的生物特征信息中的每个生物特征数据进行比较。
针对每个待识别用户而言,需要将该待识别用户的人脸特征数据逐一与生物特征信息库中存储的每个授权用户的人脸特征信息进行比较,具体的比较方式与实施例一中的步骤S303相同,可参见步骤S303,此处不再赘述。
S504:根据比较结果确定待识别用户是否识别成功,如果识别成功,则执行步骤S505,如果没有识别成功,则执行步骤S508。
S505:识别成功则说明生物特征信息库中已经存储了该待识别用户的人脸特征信息,这时,进一步判断该条人脸特征信息中人脸特征数据的个数是否达到预设个数(如3个),如果达到了预设个数,则直接执行步骤S507;如果没有达到预设个数,则先执行步骤S506。
S506:将在步骤S502中提取到的该待识别用户的人脸特征数据增加到该条人脸特征信息中。
S507:显示识别结果。
具体地,在显示识别结果时,可以参照实施例一的步骤S307中的显示方式,如图4所示,进行显示。
S508:从视频流中提取人脸特征数据生成该用户的人脸特征信息,并将该条人脸特征信息存储在生物特征信息库中。
具体地,人脸特征信息的生成方式可以参照实施例一中的步骤S202和步骤S203,此处不再赘述。
另外,为了便于直观地显示识别结果,在人脸特征信息中也可以参照实施例一的步骤S203的方式进一步存储人脸图片数据。
在本实施例开始之前,还可以进一步包括初始化过程,即设置录入模式,初始化生物特征信息库为空。
通过本实施例中的方式,在识别过程中融合录入过程,这样,当默认出现在视频流里的用户都为授权用户,且数量较多时,可以大大节省识别时间。而且,只需通过一个按键触发该识别过程,之后即可自动通过摄像设备采集各个用户的人脸特征信息,并自动根据程序设置来完成各个用户的识别过程。其中,步骤S505至步骤S508是循环执行的,由于视频流中往往会依次包含多个用户的人脸特征信息,每个用户都会连续出现在多个视频帧里,因此,从视频流中循环选取视频帧执行步骤S505至步骤S508,即可按照各个用户出现在视频流中的顺序依次进行识别。因此,在步骤S507之后,其实还需要进一步判断该视频流中是否还有未处理的视频帧,如果有,则返回步骤S502继续执行,直到将该视频流中所有的视频帧都处理完毕。
本发明实施例还提供了一种生物特征的识别装置,如图6所示,包括:
提取单元61,用于接收识别生物特征指令,对采集到的视频流中的待识别用户的生物特征进行提取,得到所述待识别用户的生物特征数据;
识别单元62,用于分别计算所述生物特征数据与预先建立的生物特征信息库中的每条生物特征信息的相似度得分,当最高相似度得分大于设定阈值时,确定该待识别用户的生物特征识别成功;其中,生物特征信息库中预先存储的每条生物特征信息的属性包括用户标识和至少一组生物特征数据;
判断单元63,用于获得与所述待识别用户相似度得分最高的生物特征数据的用户标识,并在判断生物特征信息库中具有所述用户标识的生物特征数据数目少于预定组数时,将所述待识别用户的生物特征数据的属性设置为所述用户标识,并将所述待识别用户的生物特征数据存入生物特征信息库。
较佳的,所述生物特征包括:人脸或虹膜。
当所述生物特征为人脸时,生物特征信息库中存储的每条生物特征信息还可以包括:用户的人脸图像,则所述识别单元确定生物特征识别成功时,进一步用于:显示该用户的生物特征识别结果对应的生物特征信息中的人脸图像。
采用本实施例中的生物特征识别装置,在接收到识别生物特征指令后,对视频流中的每个用户的生物特征进行识别,而且,本实施例中存储的每条生物特征信息在存储时无需手工输入用户的相关信息,只需由系统自动生成一个用户ID即可,从而简化了操作过程,节约了存储时间,另外,本实施例中当生物特征识别成功后,还进一步判断生物特征信息库中具有该用户标识的生物特征数据的数目是否达到预定组数,当没有达到预定组数时,则将该用户的生物特征数据存入生物特征信息库,以提高后续识别时的准确度。
本领域技术人员可以理解,虽然上述说明中,为便于理解,对方法的步骤采用了顺序性描述,但是应当指出,对于上述步骤的顺序并不作严格限制。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读取存储介质中,如:ROM/RAM、磁碟、光盘等。
还可以理解的是,附图或实施例中所示的装置结构仅仅是示意性的,表示逻辑结构。其中作为分离部件显示的模块可能是或者可能不是物理上分开的,作为模块显示的部件可能是或者可能不是物理模块。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种生物特征的识别方法,其特征在于,包括以下步骤:
接收识别生物特征指令,对采集到的视频流中的待识别用户的生物特征进行提取,得到所述待识别用户的生物特征数据;
分别计算所述生物特征数据与预先建立的生物特征信息库中的每条生物特征信息的相似度得分,当最高相似度得分大于设定阈值时,确定该待识别用户的生物特征识别成功;其中,生物特征信息库中预先存储的每条生物特征信息的属性包括用户标识和至少一组生物特征数据;
获得与所述待识别用户相似度得分最高的生物特征数据的用户标识,并在判断生物特征信息库中具有所述用户标识的生物特征数据数目少于预定组数时,将所述待识别用户的生物特征数据的属性设置为所述用户标识,并将所述待识别用户的生物特征数据存入生物特征信息库。
2.如权利要求1所述的方法,其特征在于,预先建立生物特征信息库的步骤为:
采集步骤:对采集到的视频流中的待识别用户的生物特征进行提取,得到所述待识别用户的生物特征数据;
识别存储步骤:分别计算所述生物特征数据与生物特征信息库中的每条生物特征信息的相似度得分,当最高相似度得分小于设定阈值时,根据该待识别用户的生物特征数据创建一条生物特征信息存入生物特征信息库中,并将创建该条生物特征信息的当前系统时间做为该待识别用户的生物特征数据的用户标识。
3.如权利要求2所述的方法,其特征在于,所述识别存储步骤还包括:分别计算所述生物特征数据与生物特征信息库中的每条生物特征信息的相似度得分时,当最高相似度得分大于或等于设定阈值时,确定该待识别用户的生物特征识别成功,获得与所述待识别用户相似度得分最高的生物特征数据的用户标识,并在判断生物特征信息库中具有所述用户标识的生物特征数据数目少于预定组数时,将所述待识别用户的生物特征数据的属性设置为所述用户标识,并将所述待识别用户的生物特征数据存入生物特征信息库。
4.如权利要求1所述的方法,其特征在于,预先建立生物特征信息库的步骤为:
采集步骤:对采集到的视频流中的待识别用户的生物特征进行提取,得到所述待识别用户的生物特征数据;
存储步骤:根据得到的该待识别用户的生物特征数据创建一条生物特征信息存入生物特征信息库中,并将创建该条生物特征信息的当前系统时间做为该待识别用户的生物特征数据的用户标识。
5.如权利要求2或3所述的方法,其特征在于,在采集步骤之前,还包括初始化步骤:设置录入模式,初始化生物特征信息库为空。
6.如权利要求1所述的方法,其特征在于,所述生物特征包括:人脸或虹膜。
7.如权利要求6所述的方法,其特征在于,当所述生物特征为人脸时,生物特征信息库中存储的每条生物特征信息还包括:用户的人脸图像,则确定生物特征识别成功时,进一步包括:显示该待识别用户对应的生物特征信息中的人脸图像。
8.一种生物特征的识别装置,其特征在于,包括:
提取单元,用于接收识别生物特征指令,对采集到的视频流中的待识别用户的生物特征进行提取,得到所述待识别用户的生物特征数据;
识别单元,用于分别计算所述生物特征数据与预先建立的生物特征信息库中的每条生物特征信息的相似度得分,当最高相似度得分大于设定阈值时,确定该待识别用户的生物特征识别成功;其中,生物特征信息库中预先存储的每条生物特征信息的属性包括用户标识和至少一组生物特征数据;
判断单元,用于获得与所述待识别用户相似度得分最高的生物特征数据的用户标识,并在判断生物特征信息库中具有所述用户标识的生物特征数据数目少于预定组数时,将所述待识别用户的生物特征数据的属性设置为所述用户标识,并将所述待识别用户的生物特征数据存入生物特征信息库。
9.如权利要求8所述的装置,其特征在于,所述生物特征包括:人脸或虹膜。
10.如权利要求8所述的装置,其特征在于,当所述生物特征为人脸时,生物特征信息库中存储的每条生物特征信息还包括:用户的人脸图像,则所述识别单元确定生物特征识别成功时,进一步用于:显示该用户的生物特征识别结果对应的生物特征信息中的人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210053056.4A CN103294986B (zh) | 2012-03-02 | 2012-03-02 | 一种生物特征的识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210053056.4A CN103294986B (zh) | 2012-03-02 | 2012-03-02 | 一种生物特征的识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103294986A true CN103294986A (zh) | 2013-09-11 |
CN103294986B CN103294986B (zh) | 2019-04-09 |
Family
ID=49095825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210053056.4A Active CN103294986B (zh) | 2012-03-02 | 2012-03-02 | 一种生物特征的识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103294986B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331409A (zh) * | 2014-09-09 | 2015-02-04 | 吴震 | 一种手持电子设备展示产品信息方法及系统 |
CN105227307A (zh) * | 2014-06-03 | 2016-01-06 | 阿里巴巴集团控股有限公司 | 身份验证方法与系统以及服务器数据处理方法和服务器 |
CN106650632A (zh) * | 2016-11-28 | 2017-05-10 | 深圳超多维科技有限公司 | 身份识别方法、装置及电子设备 |
CN107004124A (zh) * | 2014-12-02 | 2017-08-01 | 三星电子株式会社 | 使用生物信号识别用户的方法和设备 |
CN108632283A (zh) * | 2018-05-10 | 2018-10-09 | Oppo广东移动通信有限公司 | 一种数据处理方法及装置、计算机可读存储介质 |
CN109858354A (zh) * | 2018-12-27 | 2019-06-07 | 厦门市美亚柏科信息股份有限公司 | 一种人脸身份库、轨迹表建立和人脸轨迹查询方法和系统 |
WO2019134548A1 (zh) * | 2018-01-03 | 2019-07-11 | 阿里巴巴集团控股有限公司 | 身份识别的方法、装置及系统 |
CN111178339A (zh) * | 2020-04-10 | 2020-05-19 | 支付宝(杭州)信息技术有限公司 | 用户身份识别方法、装置、设备及介质 |
CN111611572A (zh) * | 2020-06-28 | 2020-09-01 | 支付宝(杭州)信息技术有限公司 | 一种基于人脸认证的实名认证方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587485A (zh) * | 2009-06-15 | 2009-11-25 | 无锡骏聿科技有限公司 | 一种基于人脸识别技术的人脸信息自动登录方法 |
US7706576B1 (en) * | 2004-12-28 | 2010-04-27 | Avaya Inc. | Dynamic video equalization of images using face-tracking |
CN102360421A (zh) * | 2011-10-19 | 2012-02-22 | 苏州大学 | 一种基于视频流的人脸识别方法及系统 |
-
2012
- 2012-03-02 CN CN201210053056.4A patent/CN103294986B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7706576B1 (en) * | 2004-12-28 | 2010-04-27 | Avaya Inc. | Dynamic video equalization of images using face-tracking |
CN101587485A (zh) * | 2009-06-15 | 2009-11-25 | 无锡骏聿科技有限公司 | 一种基于人脸识别技术的人脸信息自动登录方法 |
CN102360421A (zh) * | 2011-10-19 | 2012-02-22 | 苏州大学 | 一种基于视频流的人脸识别方法及系统 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105227307A (zh) * | 2014-06-03 | 2016-01-06 | 阿里巴巴集团控股有限公司 | 身份验证方法与系统以及服务器数据处理方法和服务器 |
CN104331409A (zh) * | 2014-09-09 | 2015-02-04 | 吴震 | 一种手持电子设备展示产品信息方法及系统 |
CN107004124A (zh) * | 2014-12-02 | 2017-08-01 | 三星电子株式会社 | 使用生物信号识别用户的方法和设备 |
CN107004124B (zh) * | 2014-12-02 | 2021-03-05 | 三星电子株式会社 | 使用生物信号识别用户的方法和设备 |
US10497197B2 (en) | 2014-12-02 | 2019-12-03 | Samsung Electronics Co., Ltd. | Method and device for identifying user using bio-signal |
CN106650632A (zh) * | 2016-11-28 | 2017-05-10 | 深圳超多维科技有限公司 | 身份识别方法、装置及电子设备 |
WO2019134548A1 (zh) * | 2018-01-03 | 2019-07-11 | 阿里巴巴集团控股有限公司 | 身份识别的方法、装置及系统 |
TWI728285B (zh) * | 2018-01-03 | 2021-05-21 | 開曼群島商創新先進技術有限公司 | 身分識別的方法、裝置、系統、伺服器及電腦可讀儲存媒體 |
CN108632283A (zh) * | 2018-05-10 | 2018-10-09 | Oppo广东移动通信有限公司 | 一种数据处理方法及装置、计算机可读存储介质 |
CN109858354A (zh) * | 2018-12-27 | 2019-06-07 | 厦门市美亚柏科信息股份有限公司 | 一种人脸身份库、轨迹表建立和人脸轨迹查询方法和系统 |
CN109858354B (zh) * | 2018-12-27 | 2022-01-25 | 厦门市美亚柏科信息股份有限公司 | 一种人脸身份库、轨迹表建立和人脸轨迹查询方法和系统 |
CN111178339A (zh) * | 2020-04-10 | 2020-05-19 | 支付宝(杭州)信息技术有限公司 | 用户身份识别方法、装置、设备及介质 |
CN111611572A (zh) * | 2020-06-28 | 2020-09-01 | 支付宝(杭州)信息技术有限公司 | 一种基于人脸认证的实名认证方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103294986B (zh) | 2019-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103294986A (zh) | 一种生物特征的识别方法和装置 | |
CN109976506B (zh) | 一种电子设备的唤醒方法、存储介质及机器人 | |
CN109359548B (zh) | 多人脸识别监控方法及装置、电子设备及存储介质 | |
US9576121B2 (en) | Electronic device and authentication system therein and method | |
CN110175514B (zh) | 一种刷脸支付提示方法、装置及设备 | |
US20210015240A1 (en) | Techniques for identifying skin color in images having uncontrolled lighting conditions | |
CN104050449B (zh) | 一种人脸识别方法及装置 | |
CN102868934B (zh) | 基于智能电视的视频对象信息检索方法及装置 | |
CN108269333A (zh) | 人脸识别方法、应用服务器及计算机可读存储介质 | |
CN105005777A (zh) | 一种基于人脸的音视频推荐方法及系统 | |
KR20160075872A (ko) | 뷰어 반응 추정 및 시각적 큐 검출을 이용한 비디오 인덱싱 | |
WO2012139269A1 (en) | Tracking and recognition of faces using selected region classification | |
CN102857693A (zh) | 图像处理设备及其控制方法和存储介质 | |
CN112364827A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
KR20140114832A (ko) | 사용자 인식 방법 및 장치 | |
US20150104082A1 (en) | Image processing apparatus and control method thereof | |
CN111223549A (zh) | 一种基于姿态矫正的疾病预防的移动端系统及方法 | |
CN110807363A (zh) | 食材管理的方法及装置、冷藏设备 | |
CN114051116A (zh) | 一种驾考车辆的视频监控方法、装置以及系统 | |
CN103984415A (zh) | 一种信息处理方法及电子设备 | |
US20200387695A1 (en) | Interactive method and apparatus based on user action information, and electronic device | |
KR102534270B1 (ko) | 메타 데이터 제공 장치 및 방법 | |
CN103870801A (zh) | 用于识别手势的方法和系统 | |
JP2021026744A (ja) | 情報処理装置、画像認識方法及び学習モデル生成方法 | |
EP4113371A1 (en) | Image data processing method and apparatus, device, storage medium, and product |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |