CN104850828B - 人物识别方法及装置 - Google Patents
人物识别方法及装置 Download PDFInfo
- Publication number
- CN104850828B CN104850828B CN201510211784.7A CN201510211784A CN104850828B CN 104850828 B CN104850828 B CN 104850828B CN 201510211784 A CN201510211784 A CN 201510211784A CN 104850828 B CN104850828 B CN 104850828B
- Authority
- CN
- China
- Prior art keywords
- recognition
- recognition confidence
- target person
- confidence
- threshold
- 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.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本公开是关于一种人物识别方法及装置,属于人物检测识别技术领域。所述方法包括:通过人脸数据库中的样本人脸特征对目标人物的人脸特征进行识别,若判断获知人脸匹配度最高的第一识别置信度小于预设的第一阈值时,根据服饰数据库中的样本人物服饰特征获取对目标人物的服饰特征进行识别,获取服饰匹配度最高的第二识别置信度,进而同时根据第一识别置信度和第二识别置信度对目标人物进行识别。本公开通过在根据人脸特征难以准确识别人物身份时,需要同时兼顾人脸特征和服饰特征识别人物身份,提高了人物识别的准确性,同时满足了人物识别对象样本的多样性,使得人物识别的处理能力更加灵活。
Description
技术领域
本公开涉及人物检测识别技术领域,特别涉及一种人物识别方法及装置。
背景技术
科技推动多媒体数据剧增,对于图片视频的理解也愈发重要,其中人物识别尤为关键,因此,大量的人脸检测识别算法应运而生。
相关技术中,人脸识别指系统是通过人脸进行人物身份确认或者身份查找,人脸识别技术是基于人的脸部特征,对输入的人脸图象或者视频流,首先判断其是否存在人脸,如果存在人脸,则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息,并依据这些信息,进一步提取每个人脸中所蕴涵的身份特征,并将其与已知的人脸进行对比,从而识别每个人脸的身份。
综上所述,人脸是人物的最显著特征,但是人物识别系统输入的图片中并不总能够捕获人脸,很可能会有人物的侧面、背影等。
发明内容
本公开实施例提供了一种人物识别方法及装置。所述技术方案如下:
根据本公开实施例的第一方面,提供一种人物识别方法,该方法包括:
获取输入图片中目标人物的人脸特征;
根据人脸数据库中的样本人脸特征获取与所述人脸特征匹配的第一识别置信度,其中,所述第一识别置信度是与所述人脸特征匹配的、所有识别置信度中的最大值;
判断所述第一识别置信度是否小于预设的第一阈值,若判断获知所述第一识别置信度小于所述第一阈值,则获取所述目标人物的服饰特征;
根据服饰数据库中的样本人物服饰特征获取与所述服饰特征匹配的第二识别置信度,其中,所述第二识别置信度是与所述服饰特征匹配的、所有识别置信度中的最大值;
根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别。
根据本公开实施例的第二方面,提供一种人物识别装置,该装置包括:
第一获取模块,被配置为获取输入图片中目标人物的人脸特征;
第一匹配模块,被配置为根据人脸数据库中的样本人脸特征获取与所述人脸特征匹配的第一识别置信度,其中,所述第一识别置信度是与所述人脸特征匹配的、所有识别置信度中的最大值;
第一判断模块,被配置为判断所述第一识别置信度是否小于预设的第一阈值;
第二获取模块,被配置为在判断获知所述第一识别置信度小于所述第一阈值时,获取所述目标人物的服饰特征;
第二匹配模块,被配置为根据服饰数据库中的样本人物服饰特征获取与所述服饰特征匹配的第二识别置信度,其中,所述第二识别置信度是与所述服饰特征匹配的、所有识别置信度中的最大值;
第一识别模块,被配置为根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别。
根据本公开实施例的第三方面,提供了一种人物识别装置,该装置包括:
处理器;
用于存储所述处理器的可执行指令的存储器;
其中,所述处理器被配置为:
获取输入图片中目标人物的人脸特征;
根据人脸数据库中的样本人脸特征获取与所述人脸特征匹配的第一识别置信度,其中,所述第一识别置信度是与所述人脸特征匹配的、所有识别置信度中的最大值;
判断所述第一识别置信度是否小于预设的第一阈值;
若判断获知所述第一识别置信度小于所述第一阈值,则获取所述目标人物的服饰特征;
根据服饰数据库中的样本人物服饰特征获取与所述服饰特征匹配的第二识别置信度,其中,所述第二识别置信度是与所述服饰特征匹配的、所有识别置信度中的最大值;
根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别。
本公开实施例提供的技术方案可以包括以下有益效果:
通过人脸数据库中的样本人脸特征对目标人物的人脸特征进行识别,若判断获知人脸匹配度最高的第一识别置信度小于预设的第一阈值时,根据服饰数据库中的样本人物服饰特征获取对目标人物的服饰特征进行识别,获取服饰匹配度最高的第二识别置信度,进而同时根据第一识别置信度和第二识别置信度对目标人物进行识别。实现了在根据人脸特征难以准确识别人物身份时,需要同时兼顾人脸特征和服饰特征识别人物身份,提高了人物识别的准确性,同时满足了人物识别对象样本的多样性,使得人物识别的处理能力更加灵活。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起被配置为解释本公开的原理。
图1是根据一示例性实施例示出的一种人物识别方法的流程图;
图2是根据另一示例性实施例示出的一种人物识别方法的流程图;
图3是根据另一示例性实施例示出的一种人物识别方法的流程图;
图4是根据另一示例性实施例示出的一种人物识别方法的流程图;
图5是根据一示例性实施例示出的一种人物识别装置的框图;
图6是根据另一示例性实施例示出的一种人物识别装置的框图;
图7是根据另一示例性实施例示出的一种人物识别装置的框图;
图8是根据另一示例性实施例示出的一种人物识别装置的框图;
图9是根据另一示例性实施例示出的一种人物识别装置的框图
图10是根据另一示例性实施例示出的一种人物识别装置的框图;
图11是根据另一示例性实施例示出的一种人物识别装置的框图;
图12是根据另一示例性实施例示出的一种人物识别装置的框图;
图13是根据另一示例性实施例示出的一种人物识别装置的框图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种人物识别方法的流程图,本实施例以该人物识别方法应被配置为人物识别装置中来举例说明。该人物识别方法可以包括如下几个步骤:
在步骤101中,获取输入图片中目标人物的人脸特征。
人物识别装置采用人脸分析方获取输入图片中目标人物的人脸特征,具体地,人物识别装置对目标人物的人脸轮廓、眉毛、眼睛、鼻子、嘴唇等部位进行人脸特征提取,需要说明的是,人脸特征可以包括:Hear特征、或者FisherFace特征、或者LBPH特征,本领域技术人员可以根据应用需要进行选择。
作为一种示例,获取输入图片中目标人物的人脸特征,包括:
通过分类器中预先训练获取的人脸特征检测所述目标人物的人脸区域;
从所述人脸区域中提取所述人脸特征。
在步骤102中,根据人脸数据库中的样本人脸特征获取与所述人脸特征匹配的第一识别置信度,其中,所述第一识别置信度是与所述人脸特征匹配的、所有识别置信度中的最大值。
人物识别装置将获取的目标人物的人脸特征,与预先建立的人脸数据库中的样本人脸特征进行一一匹配,获取目标人物的人脸特征与每个样本人脸特征匹配的识别置信度,进而从所得到的所有识别置信度中获取最大值即第一识别置信度,换句话说,就是人脸数据库中的样本人脸特征与目标人物的人脸特征匹配度最高的样本人脸。
举例来说,将目标人物的人脸特征与样本人脸特征进行一一匹配后获取的所有识别置信度为:目标人物的人脸特征与样本人脸A匹配的识别置信度为60%,与样本人脸B匹配的识别置信度为90%,与样本人脸C匹配的识别置信度为20%,其余均为0,那么与目标人物的人脸特征匹配的第一识别置信度为90%。
需要说明的是,人脸数据库可以是人物识别装置预先已经固化的、或者产品制造商在具有存储器的设备上已经固化的人脸数据库。较为灵活的是,人脸数据库除了包括之前已经固化的样本人脸特征,还可以包括实时更新的样本人脸特征。
举例来说,人物识别装置通过带有图像采集功能的设备对人脸进行采样,并通过人物识别装置上的人脸特征分析模型对新捕获的样本人脸进行样本人脸特征提取,再通过人物识别装置的APP应用软件或者相关的应用,设置与新提取的样本人脸特征对应的用户名,从而将新的样本人脸特征以及对应的用户名添加到人脸数据库中,带有图像采集功能可以包括:相机、摄像机等。
在步骤103中,判断所述第一识别置信度是否小于预设的第一阈值,若判断获知所述第一识别置信度小于所述第一阈值,则获取所述目标人物的服饰特征。
需要说明的是,第一阈值为预先设置的人脸特征识别置信度的高端阈值,也就是说,当将目标人物的人脸特征与样本人脸特征进行匹配后、获取的识别置信度大于等于该第一阈值时,说明仅仅根据人脸特征对目标人物进行识别的可信度是很高的,是可以根据已获取的人脸特征对该目标人物进行识别的。
举例来说,若将第一阈值设置为90%,当获取的目标人物的人脸特征与样本人脸匹配的识别置信度为60%时,低于第一阈值90%,说明仅根据该目标人物的人脸特征对目标人物进行识别的可信度不是很高;当获取的目标人物的人脸特征与样本人脸匹配的识别置信度为95%时,高于第一阈值90%,说明根据该目标人物的人脸特征对目标人物进行识别的可信度很高,可以只根据已获取的人脸特征对该目标人物进行识别。
人物识别装置将与目标人物的人脸特征匹配的第一识别置信度与预设的第一阈值进行比较,判断第一识别置信度是否小于预设的第一阈值。也就是说,判断是仅根据该目标人物的人脸特征对目标人物进行识别的可信度是否很高。
人物识别装置若判断获知该第一识别置信度小于该第一阈值,就说明仅根据该目标人物的人脸特征对目标人物进行识别的可信度不是很高,需要进一步地获取目标人物的服饰特征。
人物识别装置采用服饰分析方获取输入图片中目标人物的服饰特征,具体地,服饰特征包括:空间颜色直方图等,本领域技术人员可以根据应用需要进行选择。
作为一种示例,获取目标人物的服饰特征,包括:
通过分类器中预先训练获取的人体特征检测目标人物的人体区域;
按照预设的比例度收缩人体区域确定目标人物的服饰区域;
从服饰区域中提取服饰特征。
在步骤104中,根据服饰数据库中的样本人物服饰特征获取与所述服饰特征匹配的第二识别置信度,其中,所述第二识别置信度是与所述服饰特征匹配的、所有识别置信度中的最大值。
人物识别装置将获取的目标人物的服饰特征,与预先建立的服饰数据库中的样本人物服饰特征进行一一匹配,获取目标人物的服饰特征与每个样本人物服饰特征匹配的识别置信度,进而从所得到的所有识别置信度中获取最大值即第二识别置信度,换句话说,就是服饰数据库中的样本人物服饰特征与目标人物的服饰特征匹配度最高的样本人物服饰。
举例来说,将目标人物的服饰特征与样本人物服饰特征进行一一匹配后获取的所有识别置信度为:目标人物的服饰特征与样本人物A服饰匹配的识别置信度为60%,与样本人物B服饰匹配的识别置信度为80%,与样本人物C服饰匹配的识别置信度为20%,其余均为0,那么与目标人物的服饰特征匹配的第二识别置信度为80%。
需要说明的是,服饰数据库可以是人物识别装置预先已经固化的、或者产品制造商在具有存储器的设备上已经固化的服饰数据库。较为灵活的是,服饰数据库除了包括之前已经固化的样本人物服饰特征,还可以包括实时更新的样本人物服饰特征。
举例来说,人物识别装置通过带有图像采集功能的设备对人物服饰进行采样,并通过人物识别装置上的人物服饰特征分析模型对新捕获的样本人物服饰进行样本人物服饰特征提取,再通过人物识别装置的APP应用软件或者相关的应用,设置与新提取的样本人物服饰特征对应的用户名,从而将新的样本人物服饰特征以及对应的用户名添加到服饰数据库中,带有图像采集功能可以包括:相机、摄像机等。
在步骤105中,根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别。
人物识别装置在仅根据目标人物的人脸特征对目标人物进行识别的可信度不是很高的情况下,需要同时结合目标人物的服饰特征对目标人物进行识别,换句话说,就是根据与目标人物匹配最高的人脸识别置信度即第一识别置信度,以及服饰识别置信度即第二识别置信度对目标人物进行识别,从而能够更加准确的对人物进行识别。
综上所述,本实施例提供的人物识别方法,通过人脸数据库中的样本人脸特征对目标人物的人脸特征进行识别,若判断获知人脸匹配度最高的第一识别置信度小于预设的第一阈值时,根据服饰数据库中的样本人物服饰特征获取对目标人物的服饰特征进行识别,获取服饰匹配度最高的第二识别置信度,进而同时根据第一识别置信度和第二识别置信度对目标人物进行识别。实现了在根据人脸特征难以准确识别人物身份时,需要同时兼顾人脸特征和服饰特征识别人物身份,提高了人物识别的准确性,同时满足了人物识别对象样本的多样性,使得人物识别的处理能力更加灵活。
上述图1所示实施例是针对仅根据该目标人物的人脸特征对目标人物进行识别的可信度不高时,即第一识别置信度小于第一阈值的情况,需要进一步结合目标人物的服饰特征进行识别。然而,第一识别置信度小于第一阈值的情况可以包括多种情况,因此,针对不同的情况、结合目标人物的服饰特征可以有相应的识别方式。
作为一种示例,若第二阈值为预先设置的人脸特征识别置信度的低端阈值,第二阈值小于第一阈值,则,第一识别置信度小于第一阈值的情况可以包括:
方式一:第一识别置信度小于第二阈值的情况,也就是说,当将目标人物的人脸特征与样本人脸特征进行匹配后、获取的识别置信度小于该第二阈值时,说明根据人脸特征对目标人物进行识别的可信度很低。
方式二:第一识别置信度小于第一阈值,且大于等于第二阈值的情况,也就是说,当将目标人物的人脸特征与样本人脸特征进行匹配后、获取的识别置信度小于第一阈值,且大于等于该第二阈值时,说明根据人脸特征对目标人物进行识别的可信度一般。
举例来说,若将第一阈值设置为90%,第二阈值设置为50%,当获取的目标人物的人脸特征与样本人脸匹配的识别置信度为60%时,低于第一阈值90%且大于第二阈值设置50%,说明根据该目标人物的人脸特征对目标人物进行识别的可信度一般;当获取的目标人物的人脸特征与样本人脸匹配的识别置信度为30%时,小于第二阈值50%,说明根据该目标人物的人脸特征对目标人物进行识别的可信度很低。
综上所述,当根据该目标人物的人脸特征对目标人物进行识别的可信度不高时,如何结合目标人物的服饰特征对目标人物进行识别,针对上述方式一和方式二的情况,结合图2和图3说明如下:
图2是根据另一示例性实施例示出的一种人物识别方法的流程图,本实施例以该人物识别方法应被配置为人物识别装置中来举例说明。本实施例是针对方式一,当第一识别置信度小于第二阈值的情况,也就是根据人脸特征对目标人物进行识别的可信度很低时,该人物识别方法可以包括如下几个步骤:
在步骤201中,判断所述第一识别置信度是否小于预设的第二阈值,其中所述第二阈值小于所述第一阈值,若判断获知所述第一识别置信度小于所述第二阈值,则执行步骤202。
在步骤202中,判断所述第二识别置信度是否大于等于预设的第三阈值,若判断获知所述第二识别置信度大于等于所述第三阈值,则执行步骤203,若判断获知所述第二识别置信度小于所述第三阈值,则执行步骤204。
在步骤203中,根据与所述第二识别置信度对应的人物样本识别所述目标人物的身份。
在步骤204中,发送所述目标人物的识别失败消息。
需要说明的是,第三阈值为预先设置的人物服饰特征识别置信度的高端阈值,也就是说,针对方式一,在根据人脸特征对目标人物进行识别的可信度很低时,将与目标人物的服饰特征匹配的第二识别置信度与第三阈值比较,包括:
当该第二识别置信度大于等于该第三阈值时,说明在根据人脸特征对目标人物进行识别的可信度很低时,根据已获取的人物服饰特征对该目标人物进行识别的可信度是很高的,直接根据与第二识别置信度对应的人物样本识别目标人物的身份。
当该第二识别置信度小于该第三阈值时,说明在根据人脸特征对目标人物进行识别的可信度很低时,根据已获取的人物服饰特征对该目标人物进行识别的可信度也是很低的,也就是说,结合服饰特征也无法对目标人物进行识别。
举例来说,若将第三阈值设置为90%,当目标人物的服饰特征与服饰数据库中样本人物服饰特征匹配的第二识别置信度为95%时,第二识别置信度高于第三阈值90%,说明在根据人脸特征对目标人物进行识别的可信度很低时,根据已获取的人物服饰特征对该目标人物进行识别的可信度是很高的,可以不考虑人脸特征,而直接根据与第二识别置信度对应的人物样本识别目标人物。
当目标人物的服饰特征与服饰数据库中样本人物服饰特征匹配的第二识别置信度为70%时,第二识别置信度低于第三阈值90%,说明在根据人脸特征对目标人物进行识别的可信度很低时,根据已获取的人物服饰特征对该目标人物进行识别的可信度也很低,也就是说,结合服饰特征也无法对目标人物进行识别。
综上所述,在根据人脸特征对目标人物进行识别的可信度很低时,将与目标人物的服饰特征匹配的第二识别置信度与第三阈值进行比较,判断第二识别置信度是否大于等于预设的第三阈值。也就是说,在根据人脸特征对目标人物进行识别的可信度很低时,判断是否可以根据该目标人物的服饰特征对目标人物进行识别,若判断获知第二识别置信度大于等于该第三阈值时,可以不考虑人脸特征,而直接根据服饰特征识别目标人物;若判断获知第二识别置信度小于该第三阈值时,结合服饰特征也无法对目标人物进行识别,发送所述目标人物的识别失败消息。
综上所述,本实施例提供的人物识别方法,当第一识别置信度小于第二阈值的情况,根据人脸特征对目标人物进行识别的可信度很低时,若判断获知第二识别置信度大于等于第三阈值时,即根据服饰特征对目标人物进行识别的可信度很高,则直接根据服饰特征识别人物,若判断获知第二识别置信度小于第三阈值时,即根据服饰特征对目标人物进行识别的可信度不高时,则无法识别人物。实现了在根据人脸特征对目标人物进行识别的可信度一般时,需要同时兼顾服饰特征进一步地准确的识别人物身份,提高了人物识别的准确性。
需要补充的是,在步骤204之后,所述方法还包括:
根据所述人脸特征在所述人脸数据库中添加与所述目标人物对应的样本人脸特征;
根据所述服饰特征在所述服饰数据库中添加与所述目标人物对应的样本人物服饰特征。
综上所述,本实施例提供的人物识别方法可以动态更新人脸数据库和服饰数据库,随着使用时间的积累,提高人物识别的准确率和识别范围。
图3是根据另一示例性实施例示出的一种人物识别方法的流程图,本实施例以该人物识别方法应被配置为人物识别装置中来举例说明。本实施例是针对方式二,当第一识别置信度小于第一阈值,且大于等于第二阈值的情况,该人物识别方法可以包括如下几个步骤:
在步骤301中,判断所述第一识别置信度是否小于预设的第二阈值,其中所述第二阈值小于所述第一阈值,若判断获知所述第一识别置信度大于等于所述第二阈值,则执行步骤302。
在步骤302中,判断所述第二识别置信度是否大于等于预设的第四阈值,其中,所述第四阈值小于所述第三阈值,若判断获知所述第二识别置信度小于所述第四阈值,则执行步骤303,若判断获知所述第二识别置信度大于等于所述第四阈值,则执行步骤304。
在步骤303中,根据与所述第一识别置信度对应的人物样本识别所述目标人物的身份。
在步骤304中,根据预设的与所述第一识别置信度对应的第一权重因子获取与所述第一识别置信度对应的第一匹配度,以及根据预设的与所述第二识别置信度对应的第二权重因子获取与所述第二识别置信度对应的第二匹配度。
在步骤305中,根据所述第一匹配度和所述第二匹配度识别所述目标人物。
需要说明的是,第四阈值为预先设置的人物服饰特征识别置信度的低端阈值,第四阈值小于第三阈值。也就是说,针对方式二,在根据人脸特征对目标人物进行识别的可信度一般时,将与目标人物的服饰特征匹配的第二识别置信度与第四阈值比较,包括:
当该第二识别置信度小于该第四阈值时,说明在根据人脸特征对目标人物进行识别的可信度一般时,根据已获取的人物服饰特征对该目标人物进行识别的可信度是很低的。可以不再考虑服饰特征,而直接根据第一识别置信度对应的人物样本识别目标人物的身份。
当该第二识别置信度大于等于该第四阈值时,说明在根据人脸特征对目标人物进行识别的可信度一般时,根据已获取的人物服饰特征对该目标人物进行识别的可信度也是一般的,也就是说,需要同时结合人脸特征和服饰特征对目标人物进行识别。
举例来说,若将第四阈值设置为50%,当第二识别置信度为40%时,第二识别置信度小于第四阈值50%,说明在根据人脸特征对目标人物进行识别的可信度一般时,根据已获取的人物服饰特征对该目标人物进行识别的可信度是很低的。可以不再考虑服饰特征,而直接根据第一识别置信度对应的人物样本识别目标人物的身份。
当第二识别置信度为70%时,第二识别置信度大于第四阈值50%,说明在根据人脸特征对目标人物进行识别的可信度一般时,根据已获取的人物服饰特征对该目标人物进行识别的可信度也是一般的,也就是说,需要同时结合人脸特征和服饰特征对目标人物进行识别。
针对当该第二识别置信度大于等于该第四阈值时,说明在根据人脸特征和服饰特征对目标人物进行识别的可信度都一般时,需要同时结合人脸特征和服饰特征对目标人物进行识别,可以包括多种方式。
作为一种示例,
根据预设的与所述第一识别置信度对应的第一权重因子获取与所述第一识别置信度对应的第一匹配度,以及根据预设的与所述第二识别置信度对应的第二权重因子获取与所述第二识别置信度对应的第二匹配度,从而根据第一匹配度和第二匹配度识别目标人物的身份。
综上所述,在根据人脸特征对目标人物进行识别的可信度一般时,将与目标人物的服饰特征匹配的第二识别置信度与第四阈值进行比较,判断第二识别置信度是否大于等于预设的第四阈值。也就是说,在根据人脸特征对目标人物进行识别的可信度一般时,若判断获知第二识别置信度小于该第四阈值时,可以不考虑服饰特征,而直接根据与第一识别置信度对应的人物样本识别目标人物;若判断获知第二识别置信度大于等于该第四阈值时,需要同时结合人脸特征和服饰特征对目标人物进行识别。
针对步骤305,比较第一匹配度和第二匹配度的大小,有多种比较结果,因此,对应了多种实现方式,可以包括:
第一种实现方式:
若判断获知所述第一匹配度大于所述第二匹配度,则根据与所述第一识别置信度对应的人物样本识别所述目标人物的身份;
当第一匹配度大于第二匹配度时,说明根据人脸特征进行目标人物识别的可靠性高于根据服饰特征进行目标人物识别的可靠性,因此,根据与第一识别置信度对应的人物样本识别目标人物。
或,
第二种实现方式:
若判断获知所述第二匹配度大于所述第一匹配度,则根据与所述第二识别置信度对应的人物样本识别所述目标人物的身份;
当第二匹配度大于第一匹配度时,说明根据人脸特征进行目标人物识别的可靠性小于根据服饰特征进行目标人物识别的可靠性,因此,根据与第二识别置信度对应的人物样本识别目标人物。
或,
第三种实现方式:
若判断获知所述第二匹配度等于所述第一匹配度,则根据与所述第一识别置信度和第二识别置信度分别对应的人物样本识别所述目标人物的身份。
当第二匹配度等于第一匹配度时,说明根据人脸特征进行目标人物识别的可靠性等于根据服饰特征进行目标人物识别的可靠性,因此,分别根据与第一识别置信度和第二识别置信度对应的人物样本识别目标人物。
综上所述,本实施例提供的人物识别方法,当第一识别置信度大于等于第二阈值的情况,根据人脸特征对目标人物进行识别的可信度一般时,若判断获知第二识别置信度大于等于第四阈值时,即根据服饰特征对目标人物进行识别的可信度也一般时,需要结合服饰特征和人脸特征识别目标人物的身份,若判断获知第二识别置信度小于第四阈值时,即根据服饰特征对目标人物进行识别的可信度很低时,则直接根据人脸特征识别人物。实现了在根据人脸特征对目标人物进行识别的可信度一般时,需要同时兼顾服饰特征进一步地准确的识别人物身份,提高了人物识别的准确性。
需要补充的是,在步骤101之前,所述方法还包括:
接收多个人物样本图片;
检测每个人物样本图片中的人脸区域和服饰区域;
从所述人脸区域提取样本人脸特征,并将所有的样本人脸特征与人物样本的对应关系存储在所述人脸数据库中;
从所述服饰区域提取服饰特征,并将所有的样本人物服饰特征与人物样本的对应关系存储在所述服饰数据库中。
图4是根据另一示例性实施例示出的一种人物识别方法的流程图,图4是针对上述图1-图3所示的完整流程图,其具体的实施方式和技术效果参见上述图1-图3所示的实施过程,此处不再赘述。
下述为本公开装置实施例,可以被配置为执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图5是根据一示例性实施例示出的一种人物识别装置的框图,该人物识别装置可以通过软件、硬件或者两者的结合实现,该人物识别装置可以包括:
第一获取模块11,被配置为获取输入图片中目标人物的人脸特征;
第一匹配模块12,被配置为根据人脸数据库中的样本人脸特征获取与所述人脸特征匹配的第一识别置信度,其中,所述第一识别置信度是与所述人脸特征匹配的、所有识别置信度中的最大值;
第一判断模块13,被配置为判断所述第一识别置信度是否小于预设的第一阈值;
第二获取模块14,被配置为在判断获知所述第一识别置信度小于所述第一阈值时,获取所述目标人物的服饰特征;
第二匹配模块15,被配置为根据服饰数据库中的样本人物服饰特征获取与所述服饰特征匹配的第二识别置信度,其中,所述第二识别置信度是与所述服饰特征匹配的、所有识别置信度中的最大值;
第一识别模块16,被配置为根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别。
综上所述,本实施例提供的人物识别装置,通过人脸数据库中的样本人脸特征对目标人物的人脸特征进行识别,若判断获知人脸匹配度最高的第一识别置信度小于预设的第一阈值时,根据服饰数据库中的样本人物服饰特征获取对目标人物的服饰特征进行识别,获取服饰匹配度最高的第二识别置信度,进而同时根据第一识别置信度和第二识别置信度对目标人物进行识别。实现了在根据人脸特征难以准确识别人物身份时,需要同时兼顾人脸特征和服饰特征识别人物身份,提高了人物识别的准确性,同时满足了人物识别对象样本的多样性,使得人物识别的处理能力更加灵活。
图6是根据另一示例性实施例示出的一种人物识别装置的框图,该人物识别装置可以通过软件、硬件或者两者的结合实现,基于图5所示,第一识别模块16包括:
第一判断单元161,被配置为判断所述第一识别置信度是否小于预设的第二阈值,其中所述第二阈值小于所述第一阈值;
第二判断单元162,被配置为在判断获知所述第一识别置信度小于所述第二阈值时,判断所述第二识别置信度是否大于等于预设的第三阈值;
第一识别单元163,被配置为在判断获知所述第二识别置信度大于等于所述第三阈值时,根据与所述第二识别置信度对应的人物样本识别所述目标人物的身份。
第二识别单元164,被配置为在判断获知所述第二识别置信度小于所述第三阈值时,发送所述目标人物的识别失败消息。
综上所述,本实施例提供的人物识别装置,当第一识别置信度小于第二阈值的情况,根据人脸特征对目标人物进行识别的可信度很低时,若判断获知第二识别置信度大于等于第三阈值时,即根据服饰特征对目标人物进行识别的可信度很高,则直接根据服饰特征识别人物,若判断获知第二识别置信度小于第三阈值时,即根据服饰特征对目标人物进行识别的可信度不高时,则无法识别人物。实现了在根据人脸特征对目标人物进行识别的可信度一般时,需要同时兼顾服饰特征进一步地准确的识别人物身份,提高了人物识别的准确性。
图7是根据另一示例性实施例示出的一种人物识别装置的框图,该人物识别装置可以通过软件、硬件或者两者的结合实现,基于图6所示,该人物识别装置还可以包括:
第一更新模块17,被配置为在所述发送所述目标人物的识别失败消息之后,根据所述人脸特征在所述人脸数据库中添加与所述目标人物对应的样本人脸特征;
第二更新模块18,被配置为在所述发送所述目标人物的识别失败消息之后,根据所述服饰特征在所述服饰数据库中添加与所述目标人物对应的样本人物服饰特征。
综上所述,本实施例提供的人物识别装置,可以动态更新人脸数据库和服饰数据库,随着使用时间的积累,提高人物识别的准确率和识别范围。
图8是根据另一示例性实施例示出的一种人物识别装置的框图,该人物识别装置可以通过软件、硬件或者两者的结合实现,该人物识别装置可以包括:基于图7所示,
所述第一识别模块16还包括:
第三判断单元165,被配置为在判断获知所述第一识别置信度大于等于所述第二阈值时,判断所述第二识别置信度是否大于等于预设的第四阈值,其中,所述第四阈值小于所述第三阈值;
第二识别单元166,被配置为在判断获知所述第二识别置信度小于所述第四阈值时,则根据与所述第一识别置信度对应的人物样本识别所述目标人物的身份。
处理单元167,被配置为若判断获知所述第二识别置信度大于等于所述第四阈值,则根据预设的与所述第一识别置信度对应的第一权重因子获取与所述第一识别置信度对应的第一匹配度,以及根据预设的与所述第二识别置信度对应的第二权重因子获取与所述第二识别置信度对应的第二匹配度;
第三识别单元168,被配置为根据所述第一匹配度和所述第二匹配度识别所述目标人物的身份。
图9是根据另一示例性实施例示出的一种人物识别装置的框图,该人物识别装置可以通过软件、硬件或者两者的结合实现,该人物识别装置可以包括:基于图8所示,
所述第三识别单元168包括:
比较子单元1681,被配置为比较所述第一匹配度和所述第二匹配度的大小;
第一识别子单元1682,被配置为在判断获知所述第一匹配度大于所述第二匹配度时,根据与所述第一识别置信度对应的人物样本识别所述目标人物的身份;
或,
第二识别子单元1683,被配置为在判断获知所述第二匹配度大于所述第一匹配度时,根据与所述第二识别置信度对应的人物样本识别所述目标人物的身份;
或,
第三识别子单元1684,被配置为在判断获知所述第二匹配度等于所述第一匹配度时,根据与所述第一识别置信度和第二识别置信度分别对应的人物样本识别所述目标人物的身份。
综上所述,本实施例提供的人物识别装置,当第一识别置信度大于等于第二阈值的情况,根据人脸特征对目标人物进行识别的可信度一般时,若判断获知第二识别置信度大于等于第四阈值时,即根据服饰特征对目标人物进行识别的可信度也一般时,需要结合服饰特征和人脸特征识别目标人物的身份,若判断获知第二识别置信度小于第四阈值时,即根据服饰特征对目标人物进行识别的可信度很低时,则直接根据人脸特征识别人物。实现了在根据人脸特征对目标人物进行识别的可信度一般时,需要同时兼顾服饰特征进一步地准确的识别人物身份,提高了人物识别的准确性。
图10是根据另一示例性实施例示出的一种人物识别装置的框图,该人物识别装置可以通过软件、硬件或者两者的结合实现,该人物识别装置可以包括:基于图9所示,所述装置还包括:
第二识别模块19,被配置为在判断获知所述第一识别置信度大于等于所述第一阈值时,根据与所述第一识别置信度对应的人物样本识别所述目标人物的身份。
所述装置还包括:
接收模块20,被配置为接收多个人物样本图片;
检测模块21,被配置为检测每个人物样本图片中的人脸区域和服饰区域;
预处理模块22,被配置为从所述人脸区域提取样本人脸特征,并将所有的样本人脸特征与人物样本的对应关系存储在所述人脸数据库中;从所述服饰区域提取服饰特征,并将所有的样本人物服饰特征与人物样本的对应关系存储在所述服饰数据库中。
综上所述,本实施例提供的人物识别装置,可以动态更新人脸数据库和服饰数据库,随着使用时间的积累,提高人物识别的准确率和识别范围。
图11是根据另一示例性实施例示出的一种人物识别装置的框图,该人物识别装置可以通过软件、硬件或者两者的结合实现,该人物识别装置可以包括:基于图10所示,
所述第一获取模块11包括:
第一检测单元111,被配置为通过分类器中预先训练获取的人脸特征检测所述目标人物的人脸区域;
第一处理单元112,被配置为从所述人脸区域中提取所述人脸特征。
综上所述,本实施例提供的人物识别装置,可以更加高效准确的获取人脸特征,提高人物识别的准确率和识别范围。
图12是根据另一示例性实施例示出的一种人物识别装置的框图,该人物识别装置可以通过软件、硬件或者两者的结合实现,基于图11所示,
所述第二获取模块14包括:
第二检测单元141,被配置为通过分类器中预先训练获取的人体特征检测所述目标人物的人体区域;
第二处理单元142,被配置为按照预设的比例度收缩所述人体区域确定所述目标人物的服饰区域;
第三处理单元143,被配置为从所述服饰区域中提取所述服饰特征。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
综上所述,本实施例提供的人物识别装置,可以更加高效准确的获取人物服饰特征,提高人物识别的准确率和识别范围。
图13是根据一示例性实施例示出的一种触控显示屏上的文档显示装置1300的框图。例如,装置1300可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图13,装置1300可以包括以下一个或多个组件:处理组件1302,存储器1304,电源组件1306,多媒体组件1308,音频组件1310,输入/输出(I/O)的接口1312,传感器组件1314,以及通信组件1316。
处理组件1302通常控制装置1300的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件1302可以包括一个或多个处理器1320来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件1302可以包括一个或多个模块,便于处理组件1302和其他组件之间的交互。例如,处理组件1302可以包括多媒体模块,以方便多媒体组件1308和处理组件1302之间的交互。
存储器1304被配置为存储各种类型的数据以支持在装置1300的操作。这些数据的示例包括被配置为在装置1300上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器1304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件1306为装置1300的各种组件提供电力。电源组件1306可以包括电源管理系统,一个或多个电源,及其他与为装置1300生成、管理和分配电力相关联的组件。
多媒体组件1308包括在所述装置1300和用户之间的提供一个输出接口的触控显示屏。在一些实施例中,触控显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件1308包括一个前置摄像头和/或后置摄像头。当装置1300处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1310被配置为输出和/或输入音频信号。例如,音频组件1310包括一个麦克风(MIC),当装置1300处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1304或经由通信组件1316发送。在一些实施例中,音频组件1310还包括一个扬声器,被配置为输出音频信号。
I/O接口1312为处理组件1302和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1314包括一个或多个传感器,被配置为为装置1300提供各个方面的状态评估。例如,传感器组件1314可以检测到装置1300的打开/关闭状态,组件的相对定位,例如所述组件为装置1300的显示器和小键盘,传感器组件1314还可以检测装置1300或装置1300一个组件的位置改变,用户与装置1300接触的存在或不存在,装置1300方位或加速/减速和装置1300的温度变化。传感器组件1314可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1314还可以包括光传感器,如CMOS或CCD图像传感器,被配置为在成像应用中使用。在一些实施例中,该传感器组件1314还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件1316被配置为便于装置1300和其他设备之间有线或无线方式的通信。装置1300可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件1316经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件1316还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置1300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,被配置为执行上述文档显示方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器1304,上述指令可由装置1300的处理器1320执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由装置1300的处理器执行时,使得装置1300能够执行一种文档显示方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (25)
1.一种人物识别方法,其特征在于,所述方法包括:
获取输入图片中目标人物的人脸特征;
根据人脸数据库中的样本人脸特征获取与所述人脸特征匹配的第一识别置信度,其中,所述第一识别置信度是与所述人脸特征匹配的、所有识别置信度中的最大值;
判断所述第一识别置信度是否小于预设的第一阈值,若判断获知所述第一识别置信度小于所述第一阈值,则获取所述目标人物的服饰特征;
根据服饰数据库中的样本人物服饰特征获取与所述服饰特征匹配的第二识别置信度,其中,所述第二识别置信度是与所述服饰特征匹配的、所有识别置信度中的最大值;
根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别;
所述根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别,包括:
判断所述第一识别置信度是否小于预设的第二阈值,其中所述第二阈值小于所述第一阈值;
若判断获知所述第一识别置信度小于所述第二阈值,则判断所述第二识别置信度是否大于等于预设的第三阈值;
若判断获知所述第二识别置信度大于等于所述第三阈值,则根据与所述第二识别置信度对应的人物样本识别所述目标人物的身份。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别,还包括:
若判断获知所述第二识别置信度小于所述第三阈值,则发送所述目标人物的识别失败消息。
3.根据权利要求2所述的方法,其特征在于,在所述发送所述目标人物的识别失败消息之后,所述方法还包括:
根据所述人脸特征在所述人脸数据库中添加与所述目标人物对应的样本人脸特征;
根据所述服饰特征在所述服饰数据库中添加与所述目标人物对应的样本人物服饰特征。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别,还包括:
若判断获知所述第一识别置信度大于等于所述第二阈值,则判断所述第二识别置信度是否大于等于预设的第四阈值,其中,所述第四阈值小于所述第三阈值;
若判断获知所述第二识别置信度小于所述第四阈值,则根据与所述第一识别置信度对应的人物样本识别所述目标人物。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别,还包括:
若判断获知所述第二识别置信度大于等于所述第四阈值,则根据预设的与所述第一识别置信度对应的第一权重因子获取与所述第一识别置信度对应的第一匹配度,以及根据预设的与所述第二识别置信度对应的第二权重因子获取与所述第二识别置信度对应的第二匹配度;
根据所述第一匹配度和所述第二匹配度识别所述目标人物的身份。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一匹配度和所述第二匹配度识别所述目标人物的身份,包括:
比较所述第一匹配度和所述第二匹配度的大小;
若判断获知所述第一匹配度大于所述第二匹配度,则根据与所述第一识别置信度对应的人物样本识别所述目标人物的身份;
或,
若判断获知所述第二匹配度大于所述第一匹配度,则根据与所述第二识别置信度对应的人物样本识别所述目标人物的身份;
或,
若判断获知所述第二匹配度等于所述第一匹配度,则根据与所述第一识别置信度和所述第二识别置信度分别对应的人物样本识别所述目标人物的身份。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若判断获知所述第一识别置信度大于等于所述第一阈值,则根据与所述第一识别置信度对应的人物样本识别所述目标人物。
8.根据权利要求1-7任一所述的方法,其特征在于,在所述获取输入图片中目标人物的人脸特征之前,所述方法还包括:
接收多个人物样本图片;
检测每个人物样本图片中的人脸区域和服饰区域;
从所述人脸区域提取样本人脸特征,并将所有的样本人脸特征与人物样本的对应关系存储在所述人脸数据库中;
从所述服饰区域提取服饰特征,并将所有的样本人物服饰特征与人物样本的对应关系存储在所述服饰数据库中。
9.根据权利要求1-7任一所述的方法,其特征在于,所述获取输入图片中目标人物的人脸特征,包括:
通过分类器中预先训练获取的人脸特征检测所述目标人物的人脸区域;
从所述人脸区域中提取所述人脸特征。
10.根据权利要求1-7任一所述的方法,其特征在于,所述获取所述目标人物的服饰特征,包括:
通过分类器中预先训练获取的人体特征检测所述目标人物的人体区域;
按照预设的比例度收缩所述人体区域确定所述目标人物的服饰区域;
从所述服饰区域中提取所述服饰特征。
11.根据权利要求1-7任一所述的方法,其特征在于,所述人脸特征包括:
Hear特征、或者FisherFace特征、或者LBPH特征。
12.根据权利要求1-7任一所述的方法,其特征在于,所述服饰特征包括:
空间颜色直方图、或者梯度方向直方图。
13.一种人物识别装置,其特征在于,所述装置包括:
第一获取模块,被配置为获取输入图片中目标人物的人脸特征;
第一匹配模块,被配置为根据人脸数据库中的样本人脸特征获取与所述人脸特征匹配的第一识别置信度,其中,所述第一识别置信度是与所述人脸特征匹配的、所有识别置信度中的最大值;
第一判断模块,被配置为判断所述第一识别置信度是否小于预设的第一阈值;
第二获取模块,被配置为在判断获知所述第一识别置信度小于所述第一阈值时,获取所述目标人物的服饰特征;
第二匹配模块,被配置为根据服饰数据库中的样本人物服饰特征获取与所述服饰特征匹配的第二识别置信度,其中,所述第二识别置信度是与所述服饰特征匹配的、所有识别置信度中的最大值;
第一识别模块,被配置为根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别;
所述第一识别模块包括:
第一判断单元,被配置为判断所述第一识别置信度是否小于预设的第二阈值,其中所述第二阈值小于所述第一阈值;
第二判断单元,被配置为在判断获知所述第一识别置信度小于所述第二阈值时,判断所述第二识别置信度是否大于等于预设的第三阈值;
第一识别单元,被配置为在判断获知所述第二识别置信度大于等于所述第三阈值时,根据与所述第二识别置信度对应的人物样本识别所述目标人物的身份。
14.根据权利要求13所述的装置,其特征在于,所述第一识别模块还包括:
第二识别单元,被配置为在判断获知所述第二识别置信度小于所述第三阈值时,发送所述目标人物的识别失败消息。
15.根据权利要求14所述的装置,其特征在于,所述装置还包括:
第一更新模块,被配置为在所述发送所述目标人物的识别失败消息之后,根据所述人脸特征在所述人脸数据库中添加与所述目标人物对应的样本人脸特征;
第二更新模块,被配置为在所述发送所述目标人物的识别失败消息之后,根据所述服饰特征在所述服饰数据库中添加与所述目标人物对应的样本人物服饰特征。
16.根据权利要求13所述的装置,其特征在于,所述第一识别模块还包括:
第三判断单元,被配置为在判断获知所述第一识别置信度大于等于所述第二阈值时,判断所述第二识别置信度是否大于等于预设的第四阈值,其中,所述第四阈值小于所述第三阈值;
第二识别单元,被配置为在判断获知所述第二识别置信度小于所述第四阈值时,则根据与所述第一识别置信度对应的人物样本识别所述目标人物的身份。
17.根据权利要求16所述的装置,其特征在于,所述第一识别模块还包括:
处理单元,被配置为若判断获知所述第二识别置信度大于等于所述第四阈值,则根据预设的与所述第一识别置信度对应的第一权重因子获取与所述第一识别置信度对应的第一匹配度,以及根据预设的与所述第二识别置信度对应的第二权重因子获取与所述第二识别置信度对应的第二匹配度;
第三识别单元,被配置为根据所述第一匹配度和所述第二匹配度识别所述目标人物的身份。
18.根据权利要求17所述的装置,其特征在于,所述第三识别单元包括:
比较子单元,被配置为比较所述第一匹配度和所述第二匹配度的大小;
第一识别子单元,被配置为在判断获知所述第一匹配度大于所述第二匹配度时,根据与所述第一识别置信度对应的人物样本识别所述目标人物的身份;
或,
第二识别子单元,被配置为在判断获知所述第二匹配度大于所述第一匹配度时,根据与所述第二识别置信度对应的人物样本识别所述目标人物的身份;
或,
第三识别子单元,被配置为在判断获知所述第二匹配度等于所述第一匹配度时,根据与所述第一识别置信度和所述第二识别置信度分别对应的人物样本识别所述目标人物的身份。
19.根据权利要求13所述的装置,其特征在于,所述装置还包括:
第二识别模块,被配置为在判断获知所述第一识别置信度大于等于所述第一阈值时,根据与所述第一识别置信度对应的人物样本识别所述目标人物的身份。
20.根据权利要求13-19任一所述的装置,其特征在于,所述装置还包括:
接收模块,被配置为接收多个人物样本图片;
检测模块,被配置为检测每个人物样本图片中的人脸区域和服饰区域;
第一预处理模块,被配置为从所述人脸区域提取样本人脸特征,并将所有的样本人脸特征与人物样本的对应关系存储在所述人脸数据库中;
第二预处理模块,被配置为从所述服饰区域提取服饰特征,并将所有的样本人物服饰特征与人物样本的对应关系存储在所述服饰数据库中。
21.根据权利要求13-19任一所述的装置,其特征在于,所述第一获取模块包括:
第一检测单元,被配置为通过分类器中预先训练获取的人脸特征检测所述目标人物的人脸区域;
第一处理单元,被配置为从所述人脸区域中提取所述人脸特征。
22.根据权利要求13-19任一所述的装置,其特征在于,所述第二获取模块包括:
第二检测单元,被配置为通过分类器中预先训练获取的人体特征检测所述目标人物的人体区域;
第二处理单元,被配置为按照预设的比例度收缩所述人体区域确定所述目标人物的服饰区域;
第三处理单元,被配置为从所述服饰区域中提取所述服饰特征。
23.根据权利要求13-19任一所述的装置,其特征在于,所述人脸特征包括:
Hear特征、或者FisherFace特征、或者LBPH特征。
24.根据权利要求13-19任一所述的装置,其特征在于,所述服饰特征包括:
空间颜色直方图、或者梯度方向直方图。
25.一种人物识别装置,其特征在于,所述装置包括:
处理器;
用于存储所述处理器的可执行指令的存储器;
其中,所述处理器被配置为:
获取输入图片中目标人物的人脸特征;
根据人脸数据库中的样本人脸特征获取与所述人脸特征匹配的第一识别置信度,其中,所述第一识别置信度是与所述人脸特征匹配的、所有识别置信度中的最大值;
判断所述第一识别置信度是否小于预设的第一阈值;
若判断获知所述第一识别置信度小于所述第一阈值,则获取所述目标人物的服饰特征;
根据服饰数据库中的样本人物服饰特征获取与所述服饰特征匹配的第二识别置信度,其中,所述第二识别置信度是与所述服饰特征匹配的、所有识别置信度中的最大值;
根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别;
所述根据所述第一识别置信度和所述第二识别置信度对所述目标人物进行识别,包括:
判断所述第一识别置信度是否小于预设的第二阈值,其中所述第二阈值小于所述第一阈值;
若判断获知所述第一识别置信度小于所述第二阈值,则判断所述第二识别置信度是否大于等于预设的第三阈值;
若判断获知所述第二识别置信度大于等于所述第三阈值,则根据与所述第二识别置信度对应的人物样本识别所述目标人物的身份。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510211784.7A CN104850828B (zh) | 2015-04-29 | 2015-04-29 | 人物识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510211784.7A CN104850828B (zh) | 2015-04-29 | 2015-04-29 | 人物识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104850828A CN104850828A (zh) | 2015-08-19 |
CN104850828B true CN104850828B (zh) | 2018-06-12 |
Family
ID=53850463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510211784.7A Active CN104850828B (zh) | 2015-04-29 | 2015-04-29 | 人物识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104850828B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512535A (zh) * | 2016-01-08 | 2016-04-20 | 广东德生科技股份有限公司 | 一种用户认证的方法及装置 |
WO2017173640A1 (zh) * | 2016-04-08 | 2017-10-12 | 厦门中控智慧信息技术有限公司 | 一种基于多模式生物识别信息的个人识别方法和装置 |
CN106096009A (zh) * | 2016-06-23 | 2016-11-09 | 北京小米移动软件有限公司 | 消息生成方法及装置 |
CN106529413A (zh) * | 2016-10-13 | 2017-03-22 | 北京小米移动软件有限公司 | 信息获取方法及装置 |
CN106503691B (zh) * | 2016-11-10 | 2019-12-20 | 广州视源电子科技股份有限公司 | 一种人脸图片的身份标注方法和装置 |
CN106778585B (zh) * | 2016-12-08 | 2019-04-16 | 腾讯科技(上海)有限公司 | 一种人脸关键点跟踪方法和装置 |
CN107392138A (zh) * | 2017-07-18 | 2017-11-24 | 上海与德科技有限公司 | 一种显示方法及装置 |
CN107444341A (zh) * | 2017-07-25 | 2017-12-08 | 北京新能源汽车股份有限公司 | 一种汽车控制方法、装置及汽车 |
CN109426785B (zh) | 2017-08-31 | 2021-09-10 | 杭州海康威视数字技术股份有限公司 | 一种人体目标身份识别方法及装置 |
CN107730810A (zh) * | 2017-11-14 | 2018-02-23 | 郝思宇 | 一种基于图像的家庭室内监控方法、系统 |
CN108154099B (zh) * | 2017-12-20 | 2021-04-30 | 北京奇艺世纪科技有限公司 | 一种人物识别方法、装置及电子设备 |
CN108549848B (zh) * | 2018-03-27 | 2022-02-25 | 百度在线网络技术(北京)有限公司 | 用于输出信息的方法和装置 |
CN108596070A (zh) * | 2018-04-18 | 2018-09-28 | 北京市商汤科技开发有限公司 | 人物识别方法、装置、存储介质、程序产品和电子设备 |
CN108805046B (zh) | 2018-05-25 | 2022-11-04 | 京东方科技集团股份有限公司 | 用于面部匹配的方法、设备、装置和存储介质 |
CN109522782A (zh) * | 2018-09-04 | 2019-03-26 | 上海交通大学 | 家居成员识别系统 |
CN109859085A (zh) * | 2018-12-25 | 2019-06-07 | 深圳市天彦通信股份有限公司 | 安全预警方法及相关产品 |
CN110826430A (zh) * | 2019-10-22 | 2020-02-21 | 苏州浩哥文化传播有限公司 | 一种基于影像分析的配色修正系统及其工作方法 |
CN111079670B (zh) * | 2019-12-20 | 2023-11-03 | 北京百度网讯科技有限公司 | 人脸识别方法、装置、终端和介质 |
CN111212226A (zh) * | 2020-01-10 | 2020-05-29 | Oppo广东移动通信有限公司 | 对焦拍摄方法和装置 |
CN111611944A (zh) * | 2020-05-22 | 2020-09-01 | 创新奇智(北京)科技有限公司 | 身份识别方法及装置、电子设备、存储介质 |
CN113485374A (zh) * | 2021-08-13 | 2021-10-08 | 南京科技职业学院 | 一种自助导游机器人 |
CN113449714B (zh) * | 2021-09-02 | 2021-12-28 | 深圳奥雅设计股份有限公司 | 一种用于儿童游乐场地的识别方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063607A (zh) * | 2009-11-16 | 2011-05-18 | 日电(中国)有限公司 | 一种用于采集人脸图像的方法和系统 |
CN102332093A (zh) * | 2011-09-19 | 2012-01-25 | 汉王科技股份有限公司 | 一种掌纹和人脸融合识别的身份认证方法及装置 |
CN103714181A (zh) * | 2014-01-08 | 2014-04-09 | 天津大学 | 一种层级化的特定人物检索方法 |
CN104408404A (zh) * | 2014-10-31 | 2015-03-11 | 小米科技有限责任公司 | 人脸识别方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070098303A1 (en) * | 2005-10-31 | 2007-05-03 | Eastman Kodak Company | Determining a particular person from a collection |
-
2015
- 2015-04-29 CN CN201510211784.7A patent/CN104850828B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063607A (zh) * | 2009-11-16 | 2011-05-18 | 日电(中国)有限公司 | 一种用于采集人脸图像的方法和系统 |
CN102332093A (zh) * | 2011-09-19 | 2012-01-25 | 汉王科技股份有限公司 | 一种掌纹和人脸融合识别的身份认证方法及装置 |
CN103714181A (zh) * | 2014-01-08 | 2014-04-09 | 天津大学 | 一种层级化的特定人物检索方法 |
CN104408404A (zh) * | 2014-10-31 | 2015-03-11 | 小米科技有限责任公司 | 人脸识别方法及装置 |
Non-Patent Citations (1)
Title |
---|
"基于视频的社会群体人物关系发现及人物搜索";冯新杰;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140315(第3期);正文第13-16页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104850828A (zh) | 2015-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104850828B (zh) | 人物识别方法及装置 | |
CN104408402B (zh) | 人脸识别方法及装置 | |
CN106295511B (zh) | 人脸跟踪方法及装置 | |
CN105631403B (zh) | 人脸识别方法及装置 | |
CN106572299A (zh) | 摄像头开启方法及装置 | |
CN106503617A (zh) | 模型训练方法及装置 | |
CN105357425B (zh) | 图像拍摄方法及装置 | |
CN104408404B (zh) | 人脸识别方法及装置 | |
CN105069426B (zh) | 相似图片判断方法以及装置 | |
CN107832741A (zh) | 人脸特征点定位的方法、装置及计算机可读存储介质 | |
CN109360197A (zh) | 图像的处理方法、装置、电子设备及存储介质 | |
CN108363982B (zh) | 确定对象数量的方法及装置 | |
CN106980840A (zh) | 脸型匹配方法、装置及存储介质 | |
CN110933468A (zh) | 播放方法、装置、电子设备及介质 | |
CN107958223B (zh) | 人脸识别方法及装置、移动设备、计算机可读存储介质 | |
CN110827195B (zh) | 虚拟物品添加方法、装置、电子设备及存储介质 | |
CN107463903A (zh) | 人脸关键点定位方法及装置 | |
CN104867112B (zh) | 照片处理方法及装置 | |
CN103886284A (zh) | 人物属性信息识别方法、装置及电子设备 | |
US10769743B2 (en) | Method, device and non-transitory storage medium for processing clothes information | |
CN108280434A (zh) | 显示信息的方法和装置 | |
CN111582383A (zh) | 属性识别方法及装置、电子设备和存储介质 | |
CN109086752A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN107808142A (zh) | 眼镜检测方法及装置 | |
CN103914151A (zh) | 信息显示方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |