CN105809415B - 基于人脸识别的签到系统、方法和装置 - Google Patents
基于人脸识别的签到系统、方法和装置 Download PDFInfo
- Publication number
- CN105809415B CN105809415B CN201610124812.6A CN201610124812A CN105809415B CN 105809415 B CN105809415 B CN 105809415B CN 201610124812 A CN201610124812 A CN 201610124812A CN 105809415 B CN105809415 B CN 105809415B
- Authority
- CN
- China
- Prior art keywords
- user
- face
- check
- registered
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005286 illumination Methods 0.000 claims description 64
- 230000001815 facial effect Effects 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 2
- 230000036544 posture Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Security & Cryptography (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于人脸识别的签到系统、方法和装置,属于电子签到技术领域。该系统包括:签到终端和后台服务器;签到终端用于采集签到用户的人脸图像,将签到用户的人脸图像发送给后台服务器;后台服务器用于根据签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户,当注册集中存在目标注册用户时,确认目标注册用户签到成功,注册集中包括若干个注册用户的人脸图像。本发明解决了现有技术提供的电子签到方式,仅凭借可识别物无法对实际进行签到的用户进行身份确认,存在他人冒充签到的可能的问题;基于人脸识别进行刷脸签到,从而对实际进行签到的用户进行身份确认和验证,排除他人冒充签到的可能。
Description
技术领域
本发明实施例涉及电子签到技术领域,特别涉及一种基于人脸识别的签到系统、方法和装置。
背景技术
随着各类电子化产品的应用和普及,电子签到在会议签到、员工上班签到、学生上课签到等领域得到了广泛应用。
常见的电子签到方式包括:通道式签到、刷卡签到和图形码签到。上述电子签到方式的原理基本相同,预先为用户制备用于标识用户身份的可识别物,在签到过程中基于该可识别物对用户的身份进行验证,从而完成签到。
然而,上述现有技术至少存在如下技术问题:仅凭借可识别物无法对实际进行签到的用户进行身份确认,存在他人冒充签到的可能。
发明内容
为了解决现有技术提供的电子签到方式,仅凭借可识别物无法对实际进行签到的用户进行身份确认,存在他人冒充签到的可能的问题,本发明实施例提供了一种基于人脸识别的签到系统、方法和装置。所述技术方案如下:
第一方面,提供了一种基于人脸识别的签到系统,所述系统包括:签到终端和后台服务器;
所述签到终端,用于采集签到用户的人脸图像;将所述签到用户的人脸图像发送给所述后台服务器;
所述后台服务器,用于从所述签到终端接收所述签到用户的人脸图像;根据所述签到用户的人脸图像检测预先存储的注册集中是否存在与所述签到用户相匹配的目标注册用户,所述注册集中包括若干个注册用户的人脸图像,以及每一个所述注册用户的身份标识和所述注册用户的人脸图像的图像特征的对应关系;若所述注册集中存在所述目标注册用户,则确认所述目标注册用户签到成功;
其中,所述注册集中包括的所述注册用户的人脸图像符合注册条件,所述注册条件包括:所述注册用户的人脸图像的光照条件符合第一预定条件;所述光照条件符合第一预定条件是指从所述注册用户的人脸图像中提取的人脸区域所对应的光照分值大于预设分值;所述光照分值包括以下计算参数中的至少两项:所述人脸区域中左半部分人脸区域的直方图与右半部分人脸区域的直方图的差值、所述人脸区域中左半部分人脸区域的亮度均值与右半部分人脸区域的亮度均值的差值、整个所述人脸区域的亮度均值与标准亮度值的差值、所述人脸区域中各个不同分区内亮度值的方差;所述光照分值是通过将各个所述计算参数加权求和计算得到的。
第二方面,提供了一种基于人脸识别的签到方法,所述方法包括:
从签到终端接收签到用户的人脸图像;
根据所述签到用户的人脸图像检测预先存储的注册集中是否存在与所述签到用户相匹配的目标注册用户,所述注册集中包括若干个注册用户的人脸图像,以及每一个所述注册用户的身份标识和所述注册用户的人脸图像的图像特征的对应关系;其中,所述注册集中包括的所述注册用户的人脸图像符合注册条件,所述注册条件包括:所述注册用户的人脸图像的光照条件符合第一预定条件;所述光照条件符合第一预定条件是指从所述注册用户的人脸图像中提取的人脸区域所对应的光照分值大于预设分值;所述光照分值包括以下计算参数中的至少两项:所述人脸区域中左半部分人脸区域的直方图与右半部分人脸区域的直方图的差值、所述人脸区域中左半部分人脸区域的亮度均值与右半部分人脸区域的亮度均值的差值、整个所述人脸区域的亮度均值与标准亮度值的差值、所述人脸区域中各个不同分区内亮度值的方差;所述光照分值是通过将各个所述计算参数加权求和计算得到的;
若所述注册集中存在所述目标注册用户,则确认所述目标注册用户签到成功。
第三方面,提供了一种基于人脸识别的签到装置,所述装置包括:
第一接收模块,用于从签到终端接收签到用户的人脸图像;
检测模块,用于根据所述签到用户的人脸图像检测预先存储的注册集中是否存在与所述签到用户相匹配的目标注册用户,所述注册集中包括若干个注册用户的人脸图像,以及每一个所述注册用户的身份标识和所述注册用户的人脸图像的图像特征的对应关系;其中,所述注册集中包括的所述注册用户的人脸图像符合注册条件,所述注册条件包括:所述注册用户的人脸图像的光照条件符合第一预定条件;所述光照条件符合第一预定条件是指从所述注册用户的人脸图像中提取的人脸区域所对应的光照分值大于预设分值;所述光照分值包括以下计算参数中的至少两项:所述人脸区域中左半部分人脸区域的直方图与右半部分人脸区域的直方图的差值、所述人脸区域中左半部分人脸区域的亮度均值与右半部分人脸区域的亮度均值的差值、整个所述人脸区域的亮度均值与标准亮度值的差值、所述人脸区域中各个不同分区内亮度值的方差;所述光照分值是通过将各个所述计算参数加权求和计算得到的;
确认模块,用于当所述注册集中存在所述目标注册用户时,确认所述目标注册用户签到成功。
第四方面,提供了一种计算机可读存储介质,其上存储有程序,所述程序用于实现如第二方面所述方法的步骤。
本发明实施例提供的技术方案带来的有益效果包括:
通过后台服务器从签到终端获取签到用户的人脸图像,根据签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户,并在检测结果为存在的情况下确认目标注册用户签到成功;解决了现有技术提供的电子签到方式,仅凭借可识别物无法对实际进行签到的用户进行身份确认,存在他人冒充签到的可能的问题;基于人脸识别进行刷脸签到,从而对实际进行签到的用户进行身份确认和验证,排除他人冒充签到的可能。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的实施环境的示意图;
图2A是本发明一个实施例提供的基于人脸识别的签到系统的框图;
图2B是图2A所示实施例涉及的注册流程的界面示意图;
图3是本发明一个实施例提供的基于人脸识别的签到方法的流程图;
图4是本发明另一实施例提供的基于人脸识别的签到方法的流程图;
图5是本发明一个实施例提供的基于人脸识别的签到装置的框图;
图6是本发明另一实施例提供的基于人脸识别的签到装置的框图;
图7是本发明一个实施例提供的服务器的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
请参考图1,其示出了本发明一个实施例提供的实施环境的示意图,该实施环境包括:签到终端120和后台服务器140。
签到终端120是具备计算、存储和图像采集功能的电子设备。签到终端120中可安装运行签到客户端,签到客户端用于实现下述各个实施例中签到终端的各项功能。
签到终端120与后台服务器140之间可以通过无线网络或者有线网络相连。
后台服务器140可以是一台服务器,也可以是由若干台服务器组成的服务器集群,或者是一个云计算服务中心。
可选地,如图1所示,该实施环境还包括:用户终端160。
用户终端160可以是诸如手机、平板电脑、PC(Personal Computer,个人计算机)之类的电子设备。用户终端160与后台服务器140之间可以通过无线网络或者有线网络相连。
请参考图2A,其示出了本发明一个实施例提供的基于人脸识别的签到系统的框图,该签到系统包括:签到终端220、后台服务器240和用户终端260。
签到终端220,用于采集签到用户的人脸图像;将签到用户的人脸图像发送给后台服务器240。
签到终端220配备有摄像头,通过摄像头采集签到用户的人脸图像。签到用户在进行现场签到时,将人脸面对签到终端220的摄像头,供签到终端220采集其人脸图像即可。签到用户是指签到现场实际进行签到的用户。
后台服务器240,用于从签到终端220接收签到用户的人脸图像;根据签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户;若注册集中存在目标注册用户,则确认目标注册用户签到成功。
后台服务器240预先存储的注册集中包括若干个注册用户的人脸图像。注册用户是指预先注册的需要进行签到的用户。后台服务器240可通过如下两种方式获取注册用户的人脸图像。
在第一种可能的实施方式中,后台服务器240用于显示注册用户录入界面,获取录入至注册用户录入界面的注册用户的人脸图像。以会议签到为例,管理员可在后台服务器240创建会议,并设置会议的名称、时间和地点等会议信息。会议创建完成后,管理员可在后台服务器240提供的注册用户录入界面中录入各个注册用户(即参会者)的人脸图像。后台服务器240将每一个注册用户的身份标识和人脸图像对应存储至注册集中。此外,在实际应用中,考虑到管理员可能无法预先获得全部或部分注册用户的人脸图像,因此本实施例还提供了下述第二种可能的实施方式。
在第二种可能的实施方式中,后台服务器240用于从用户终端260接收注册用户的人脸图像,并将注册用户的人脸图像存储至注册集中。管理员可预先给注册用户所对应的用户终端260发送携带有注册链接的注册提示信息,该注册提示信息用于引导用户登录至注册链接所对应的注册页面,并向注册页面提交其人脸图像,以完成注册。相应地,用户终端260用于获取注册页面所对应的注册链接,根据注册链接打开注册页面,获取提交至注册页面的注册用户的人脸图像,并向后台服务器240发送注册用户的人脸图像。例如,管理员可通过后台服务器240向注册用户所对应的用户终端260发送短消息,该短消息中包含注册链接。当注册用户打开上述注册链接之后,可通过手机号码验证并登录至注册页面,之后注册用户可拍摄人脸图像或者从相册选取人脸图像提交至注册页面。结合参考图2B,其示出了注册流程的界面示意图。注册用户拍摄其人脸图像21之后,由用户终端260将该人脸图像21发送给后台服务器240,后台服务器240完成验证之后向用户终端260反馈注册成功的提示信息22,用户终端260将该注册成功的提示信息22进行显示。
此外,后台服务器240具体用于:采用人脸识别算法提取注册用户的人脸图像的图像特征,并将每一个注册用户的身份标识和人脸图像的图像特征对应存储至注册集中。其中,人脸识别算法的具体算法流程参见下文介绍和说明。
可选地,后台服务器240还用于判断注册用户的人脸图像是否符合注册条件;若符合注册条件,则将注册用户的人脸图像存储至注册集中;若不符合注册条件,则发出注册失败提示或者向用户终端260发送注册失败响应。
对应于上述第一种可能的实施方式,当后台服务器240判断出注册用户的人脸图像不符合注册条件时,后台服务器240发出注册失败提示。注册失败提示用于提示管理员之前录入的注册用户的人脸图像无效。管理员根据注册失败提示,重新选取注册用户的人脸图像,并重新录入至注册用户录入界面提交给后台服务器240。
对应于上述第二种可能的实施方式,当后台服务器240判断出注册用户的人脸图像不符合注册条件时,后台服务器240向用户终端260发送注册失败响应。相应地,用户终端260还用于在接收到注册失败响应之后,发出提示信息,该提示信息用于提示注册用户的人脸图像无效。注册用户根据提示信息,重新拍摄或选取注册用户的人脸图像,并重新提交至注册页面。
注册条件包括注册用户的人脸图像的光照条件符合第一预定条件和/或人脸姿态符合第二预定条件。
当注册条件包括注册用户的人脸图像的光照条件符合第一预定条件时,后台服务器240具体用于:从注册用户的人脸图像中提取人脸区域;计算人脸区域所对应的光照分值;判断光照分值是否大于预设分值;若光照分值大于预设分值,则确定注册用户的人脸图像的光照条件符合第一预定条件;否则,若光照分值小于预设分值,则确定注册用户的人脸图像的光照条件不符合第一预定条件。光照分值包括下列计算参数中的至少一项:1、人脸区域中左半部分人脸区域的直方图与右半部分人脸区域的直方图的差值S1;2、人脸区域中左半部分人脸区域的亮度均值与右半部分人脸区域的亮度均值的差值S1;3、整个人脸区域的亮度均值与标准亮度值的差值S3,标准亮度值为根据实际需求预先设定的经验值,如0.55;4、人脸区域中各个不同分区内亮度值的方差S4。后台服务器240在计算人脸区域所对应的光照分值时,将各个计算参数归一化至区间[0,1]中,并采用加权求和公式计算出光照分值。例如,以同时包含上述4项计算参数为例,人脸区域所对应的光照分值s=w1×s1+w2×s2+w3×s3+w4×s4。其中,s1、s2、s3和s4分别表示S1、S2、S3和S4归一化后的结果,各个权重的取值可以根据实际需求预先设定,如{w1,w2,w3,w4}={0.15,0.1,0.3,0.45}。
当注册条件包括注册用户的人脸图像的人脸姿态符合第二预定条件时,后台服务器240具体用于:从注册用户的人脸图像中提取人脸区域;计算人脸区域的倾斜角度;判断人脸区域的倾斜角度是否属于预定取值区间;若倾斜角度属于预定取值区间,则确定注册用户的人脸图像的人脸姿态符合第二预定条件;否则,若倾斜角度不属于预定取值区间,则确定注册用户的人脸图像的人脸姿态不符合第二预定条件。人脸区域的倾斜角度可采用相关现有算法进行计算得到,本实施例对此不作限定。
此外,后台服务器240在匹配目标注册用户时,具体用于:采用识别准确度大于第一阈值的人脸识别算法提取签到用户的人脸图像的图像特征;根据签到用户的人脸图像的图像特征和各个注册用户的人脸图像的图像特征,分别计算签到用户的人脸图像与每一个注册用户的人脸图像之间的相似度;检测最大相似度是否大于第二阈值;若最大相似度大于第二阈值,则确认最大相似度所对应的注册用户为与签到用户相匹配的目标注册用户;若最大相似度小于第二阈值,则确认签到用户签到失败。其中,相似度算法可采用联合贝叶斯算法。在本发明实施例中,通过采用识别准确度高的人脸识别算法提取人脸图像的图像特征,以保证签到用户与注册用户之间的准确匹配,从而在确认注册集中存在与签到用户相匹配的目标注册用户的情况下,便可直接确认目标注册用户签到成功,无需用户进一步手动确认匹配出的目标注册用户是否为其本人,从而减少用户操作、简化签到流程、提高签到效率。
后台服务器240,具体用于:对签到用户的人脸图像进行特征点定位;根据特征点定位结果将签到用户的人脸图像分割成若干个人脸区域;对于每一个人脸区域,采用该人脸区域对应的深度网络对该人脸区域进行特征提取;将从各个人脸区域提取的特征进行重组,得到签到用户的人脸图像的图像特征。人脸图像中的特征点是指人脸中诸如双眼的中心、鼻尖、两侧嘴角之类的特征点。特征点定位结果可采用特征点向量进行表示,特征点向量中包括各个特征点的坐标。对于各个不同的人脸区域,预先分别训练相应的深度网络。深度网络用于从人脸区域中提取图像特征,深度网络可采用深度卷积神经网络(Convolutional Neural Networks,CNNs)。在本发明实施例中,采用基于深度学习的人脸识别算法获取人脸图像的图像特征,相较于其它人脸识别算法,识别准确度更高。另外,针对不同的人脸区域(如眼部区域、鼻子区域、嘴部区域等),分别训练各自对应的深度网络,并采用各自对应的深度网络进行特征提取,充分确保特征提取的准确度。
在确认目标注册用户签到成功之后,后台服务器240还可用于将目标注册用户标记为已签到。进一步地,后台服务器240还用于对被标记为已签到的注册用户和/或未签到的注册用户进行统计,并将统计结果进行展示。例如,后台服务器240可将所有已签到的注册用户、所有未签到的注册用户、已签到的注册用户的人数或占比等统计结果进行展示。
需要补充说明的一点是,与判断注册用户的人脸图像是否符合注册条件相类似,后台服务器240还用于在从签到终端220接收签到用户的人脸图像之后,判断签到用户的人脸图像是否符合签到条件;若符合签到条件,则根据签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户;若不符合签到条件,则向签到终端220发送图像重传指令。签到终端220,还用于在从后台服务器240接收到图像重传指令之后,发出调整提示信息,并重新采集和发送签到用户的人脸图像。其中,调整提示信息用于提示用户调整光照条件和/或人脸姿态。签到条件包括签到用户的人脸图像的光照条件符合第一预定条件和/或人脸姿态符合第二预定条件。判断是否符合签到条件的具体方式与判断是否符合注册条件相同或类似,具体参见上文介绍和说明,此处不再赘述。
综上所述,本实施例提供的系统,通过后台服务器从签到终端获取签到用户的人脸图像,根据签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户,并在检测结果为存在的情况下确认目标注册用户签到成功;解决了现有技术提供的电子签到方式,仅凭借可识别物无法对实际进行签到的用户进行身份确认,存在他人冒充签到的可能的问题;基于人脸识别进行刷脸签到,从而对实际进行签到的用户进行身份确认和验证,排除他人冒充签到的可能。
另外,本实施例提供的系统,还通过采用识别准确度高的人脸识别算法提取人脸图像的图像特征,以保证签到用户与注册用户之间的准确匹配,从而在确认注册集中存在与签到用户相匹配的目标注册用户的情况下,便可直接确认目标注册用户签到成功,无需用户进一步手动确认匹配出的目标注册用户是否为其本人,从而减少用户操作、简化签到流程、提高签到效率。
另外,本实施例提供的系统,还通过判断注册用户的人脸图像是否符合注册条件和/或判断签到用户的人脸图像是否符合签到条件,以确保获取光照条件较优、人脸姿态较正的图像,克服光照、姿态等因素对人脸识别结果的影响,提高人脸识别和匹配的准确度。例如,通过本发明实施例提供的技术方案,能够实现获取室内光照条件、人脸姿态在左右、俯仰30度以内的人脸图像,以确保获得良好的人脸识别和匹配结果。
另外,本实施例提供的系统,还通过后台服务器向用户终端提供远程注册页面,实现由注册用户自行注册并提交其人脸图像,避免出现因管理员无法提前搜集注册用户的人脸图像而导致无法完成注册的问题发生。
此外,本发明实施例提供的技术方案,适用于诸如会议签到、员工上班签到、学生上课签到等任意签到场景。由于本发明实施例提供的刷脸签到方案,无需用户进一步手动确认匹配出的目标注册用户是否为其本人,签到效率显著提升,为支持人数庞大的签到场景(如大型会议)提供可靠的技术保证。
请参考图3,其示出了本发明一个实施例提供的基于人脸识别的签到方法的流程图,该方法可应用于后台服务器中。该方法可以包括如下几个步骤。
步骤302,从签到终端接收签到用户的人脸图像。
步骤304,根据签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户,注册集中包括若干个注册用户的人脸图像。
步骤306,若注册集中存在目标注册用户,则确认目标注册用户签到成功。
综上所述,本实施例提供的方法,通过后台服务器从签到终端获取签到用户的人脸图像,根据签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户,并在检测结果为存在的情况下确认目标注册用户签到成功;解决了现有技术提供的电子签到方式,仅凭借可识别物无法对实际进行签到的用户进行身份确认,存在他人冒充签到的可能的问题;基于人脸识别进行刷脸签到,从而对实际进行签到的用户进行身份确认和验证,排除他人冒充签到的可能。
请参考图4,其示出了本发明另一实施例提供的基于人脸识别的签到方法的流程图,该方法可以包括如下几个步骤。
步骤401,后台服务器获取注册用户的人脸图像。
注册用户是指预先注册的需要进行签到的用户。后台服务器可通过如下两种方式获取注册用户的人脸图像。
在第一种可能的实施方式中,后台服务器显示注册用户录入界面,获取录入至注册用户录入界面的注册用户的人脸图像。以会议签到为例,管理员可在后台服务器创建会议,并设置会议的名称、时间和地点等会议信息。会议创建完成后,管理员可在后台服务器提供的注册用户录入界面中录入各个注册用户(即参会者)的人脸图像。此外,在实际应用中,考虑到管理员可能无法预先获得全部或部分注册用户的人脸图像,因此本实施例还提供了下述第二种可能的实施方式。
在第二种可能的实施方式中,后台服务器从用户终端接收注册用户的人脸图像。管理员可预先给注册用户所对应的用户终端发送携带有注册链接的注册提示信息,该注册提示信息用于引导用户登录至注册链接所对应的注册页面,并向注册页面提交其人脸图像,以完成注册。相应地,用户终端获取注册页面所对应的注册链接,根据注册链接打开注册页面,获取提交至注册页面的注册用户的人脸图像,并向后台服务器发送注册用户的人脸图像。例如,管理员可通过后台服务器向注册用户所对应的用户终端发送短消息,该短消息中包含注册链接。当注册用户打开上述注册链接之后,可通过手机号码验证并登录至注册页面,之后注册用户可拍摄人脸图像或者从相册选取人脸图像提交至注册页面。
步骤402,后台服务器判断注册用户的人脸图像是否符合注册条件。
注册条件包括注册用户的人脸图像的光照条件符合第一预定条件和/或人脸姿态符合第二预定条件。
当注册条件包括注册用户的人脸图像的光照条件符合第一预定条件时,本步骤包括如下几个子步骤:
1、从注册用户的人脸图像中提取人脸区域;
2、计算人脸区域所对应的光照分值;
3、判断光照分值是否大于预设分值;
4、若光照分值大于预设分值,则确定注册用户的人脸图像的光照条件符合第一预定条件;
5、若光照分值小于预设分值,则确定注册用户的人脸图像的光照条件不符合第一预定条件。
光照分值包括下列计算参数中的至少一项:1、人脸区域中左半部分人脸区域的直方图与右半部分人脸区域的直方图的差值S1;2、人脸区域中左半部分人脸区域的亮度均值与右半部分人脸区域的亮度均值的差值S1;3、整个人脸区域的亮度均值与标准亮度值的差值S3,标准亮度值为根据实际需求预先设定的经验值,如0.55;4、人脸区域中各个不同分区内亮度值的方差S4。后台服务器240在计算人脸区域所对应的光照分值时,将各个计算参数归一化至区间[0,1]中,并采用加权求和公式计算出光照分值。例如,以同时包含上述4项计算参数为例,人脸区域所对应的光照分值s=w1×s1+w2×s2+w3×s3+w4×s4。其中,s1、s2、s3和s4分别表示S1、S2、S3和S4归一化后的结果,各个权重的取值可以根据实际需求预先设定,如{w1,w2,w3,w4}={0.15,0.1,0.3,0.45}。
当注册条件包括注册用户的人脸图像的人脸姿态符合第二预定条件时,本步骤包括如下几个子步骤:
1、从注册用户的人脸图像中提取人脸区域;
2、计算人脸区域的倾斜角度;
3、判断人脸区域的倾斜角度是否属于预定取值区间;
4、若倾斜角度属于预定取值区间,则确定注册用户的人脸图像的人脸姿态符合第二预定条件;
5、若倾斜角度不属于预定取值区间,则确定注册用户的人脸图像的人脸姿态不符合第二预定条件。
人脸区域的倾斜角度可采用相关现有算法进行计算得到,本实施例对此不作限定。
步骤403,若符合注册条件,则后台服务器将注册用户的人脸图像存储至注册集中。
注册集用于存储各个注册用户的人脸图像。后台服务器将每一个注册用户的身份标识和人脸图像对应存储至注册集中。可选地,后台服务器采用人脸识别算法提取注册用户的人脸图像的图像特征,并将每一个注册用户的身份标识和人脸图像的图像特征对应存储至注册集中。其中,人脸识别算法的具体算法流程参见下文介绍和说明。
步骤404,若不符合注册条件,则后台服务器发出注册失败提示或者向用户终端发送注册失败响应。
对应于步骤401中的第一种可能的实施方式,当后台服务器判断出注册用户的人脸图像不符合注册条件时,后台服务器发出注册失败提示。注册失败提示用于提示管理员之前录入的注册用户的人脸图像无效。管理员根据注册失败提示,重新选取注册用户的人脸图像,并重新录入至注册用户录入界面提交给后台服务器。
对应于步骤402中的第二种可能的实施方式,当后台服务器判断出注册用户的人脸图像不符合注册条件时,后台服务器向用户终端发送注册失败响应。相应地,用户终端在接收到注册失败响应之后,发出提示信息,该提示信息用于提示注册用户的人脸图像无效。注册用户根据提示信息,重新拍摄或选取注册用户的人脸图像,并重新提交至注册页面。
步骤405,签到终端采集签到用户的人脸图像。
签到终端配备有摄像头,通过摄像头采集签到用户的人脸图像。签到用户在进行现场签到时,将人脸面对签到终端的摄像头,供签到终端采集其人脸图像即可。签到用户是指签到现场实际进行签到的用户。
步骤406,签到终端将签到用户的人脸图像发送给后台服务器。
相应地,后台服务器从签到终端接收签到用户的人脸图像。
步骤407,后台服务器判断签到用户的人脸图像是否符合签到条件。
签到条件包括签到用户的人脸图像的光照条件符合第一预定条件和/或人脸姿态符合第二预定条件。判断是否符合签到条件的具体方式与判断是否符合注册条件相同或类似,具体参见上文介绍和说明,此处不再赘述。
步骤408,若不符合签到条件,则后台服务器向签到终端发送图像重传指令。
相应地,签到终端从后台服务器接收图像重传指令。
步骤409,签到终端根据图像重传指令,发出调整提示信息,并再次执行步骤405和步骤406。
调整提示信息用于提示用户调整光照条件和/或人脸姿态。
步骤410,若符合签到条件,则后台服务器根据签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户。
具体来讲,步骤410包括如下几个子步骤:
1、采用识别准确度大于第一阈值的人脸识别算法提取签到用户的人脸图像的图像特征;
2、根据签到用户的人脸图像的图像特征和各个注册用户的人脸图像的图像特征,分别计算签到用户的人脸图像与每一个注册用户的人脸图像之间的相似度;
3、检测最大相似度是否大于第二阈值;
4、若最大相似度大于第二阈值,则确认最大相似度所对应的注册用户为与签到用户相匹配的目标注册用户。
另外,若最大相似度小于第二阈值,则确认签到用户签到失败。在本发明实施例中,通过采用识别准确度高的人脸识别算法提取人脸图像的图像特征,以保证签到用户与注册用户之间的准确匹配,从而在确认注册集中存在与签到用户相匹配的目标注册用户的情况下,便可直接确认目标注册用户签到成功,无需用户进一步手动确认匹配出的目标注册用户是否为其本人,从而减少用户操作、简化签到流程、提高签到效率。
可选地,上述第1个子步骤包括:对签到用户的人脸图像进行特征点定位;根据特征点定位结果将签到用户的人脸图像分割成若干个人脸区域;对于每一个人脸区域,采用该人脸区域对应的深度网络对该人脸区域进行特征提取;将从各个人脸区域提取的特征进行重组,得到签到用户的人脸图像的图像特征。人脸图像中的特征点是指人脸中诸如双眼的中心、鼻尖和两侧嘴角之类的特征点。特征点定位结果可采用特征点向量进行表示,特征点向量中包括各个特征点的坐标。对于各个不同的人脸区域,预先分别训练相应的深度网络。深度网络用于从人脸区域中提取图像特征,深度网络可采用深度卷积神经网络。在本发明实施例中,采用基于深度学习的人脸识别算法获取人脸图像的图像特征,相较于其它人脸识别算法,识别准确度更高。另外,针对不同的人脸区域(如眼部区域、鼻子区域、嘴部区域等),分别训练各自对应的深度网络,并采用各自对应的深度网络进行特征提取,充分确保特征提取的准确度。
步骤411,若注册集中存在目标注册用户,则后台服务器确认目标注册用户签到成功。
可选地,在确认目标注册用户签到成功之后,后台服务器还可将目标注册用户标记为已签到。进一步地,后台服务器还可对被标记为已签到的注册用户和/或未签到的注册用户进行统计,并将统计结果进行展示。例如,后台服务器可将所有已签到的注册用户、所有未签到的注册用户、已签到的注册用户的人数或占比等统计结果进行展示。
综上所述,本实施例提供的方法,通过后台服务器从签到终端获取签到用户的人脸图像,根据签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户,并在检测结果为存在的情况下确认目标注册用户签到成功;解决了现有技术提供的电子签到方式,仅凭借可识别物无法对实际进行签到的用户进行身份确认,存在他人冒充签到的可能的问题;基于人脸识别进行刷脸签到,从而对实际进行签到的用户进行身份确认和验证,排除他人冒充签到的可能。
另外,本实施例提供的方法,还通过采用识别准确度高的人脸识别算法提取人脸图像的图像特征,以保证签到用户与注册用户之间的准确匹配,从而在确认注册集中存在与签到用户相匹配的目标注册用户的情况下,便可直接确认目标注册用户签到成功,无需用户进一步手动确认匹配出的目标注册用户是否为其本人,从而减少用户操作、简化签到流程、提高签到效率。
另外,本实施例提供的方法,还通过判断注册用户的人脸图像是否符合注册条件和/或判断签到用户的人脸图像是否符合签到条件,以确保获取光照条件较优、人脸姿态较正的图像,克服光照、姿态等因素对人脸识别结果的影响,提高人脸识别和匹配的准确度。例如,通过本发明实施例提供的技术方案,能够实现获取室内光照条件、人脸姿态在左右、俯仰30度以内的人脸图像,以确保获得良好的人脸识别和匹配结果。
另外,本实施例提供的方法,还通过后台服务器向用户终端提供远程注册页面,实现由注册用户自行注册并提交其人脸图像,避免出现因管理员无法提前搜集注册用户的人脸图像而导致无法完成注册的问题发生。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
请参考图5,其示出了本发明一个实施例提供的基于人脸识别的签到装置的框图。该签到装置可应用于后台服务器中。该签到装置包括:第一接收模块510、检测模块520和确认模块530。
第一接收模块510,用于从签到终端接收签到用户的人脸图像。
检测模块520,用于根据第一接收模块510接收的签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户。注册集中包括若干个注册用户的人脸图像。
确认模块530,用于当检测模块520检测出注册集中存在目标注册用户时,确认目标注册用户签到成功。
综上所述,本实施例提供的装置,通过后台服务器从签到终端获取签到用户的人脸图像,根据签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户,并在检测结果为存在的情况下确认目标注册用户签到成功;解决了现有技术提供的电子签到方式,仅凭借可识别物无法对实际进行签到的用户进行身份确认,存在他人冒充签到的可能的问题;基于人脸识别进行刷脸签到,从而对实际进行签到的用户进行身份确认和验证,排除他人冒充签到的可能。
请参考图6,其示出了本发明另一实施例提供的基于人脸识别的签到装置的框图。该签到装置可应用于后台服务器中。该签到装置包括:第一接收模块510、检测模块520和确认模块530。
第一接收模块510,用于从签到终端接收签到用户的人脸图像。
检测模块520,用于根据第一接收模块510接收的签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户。注册集中包括若干个注册用户的人脸图像。
确认模块530,用于当检测模块520检测出注册集中存在目标注册用户时,确认目标注册用户签到成功。
可选地,检测模块520,包括:提取单元520a、计算单元520b、检测单元520c和确认单元520d。
提取单元520a,用于采用识别准确度大于第一阈值的人脸识别算法提取第一接收模块510接收的签到用户的人脸图像的图像特征。
计算单元520b,用于根据提取单元520a提取的签到用户的人脸图像的图像特征和各个注册用户的人脸图像的图像特征,分别计算签到用户的人脸图像与每一个注册用户的人脸图像之间的相似度。
检测单元520c,用于根据计算单元520b的计算结果,检测最大相似度是否大于第二阈值。
确认单元520d,用于当检测单元520c检测出最大相似度大于第二阈值时,确认最大相似度所对应的注册用户为与签到用户相匹配的目标注册用户。
可选地,提取单元520a,具体用于:对接收模块510接收的签到用户的人脸图像进行特征点定位;根据特征点定位结果将签到用户的人脸图像分割成若干个人脸区域;对于每一个人脸区域,采用该人脸区域对应的深度网络对该人脸区域进行特征提取;将从各个人脸区域提取的特征进行重组,得到签到用户的人脸图像的图像特征。
可选地,本实施例提供的装置还包括:第二接收模块540和存储模块550。
第二接收模块540,用于从用户终端接收注册用户的人脸图像,注册用户的人脸图像由注册用户提交至用户终端显示的注册页面中;
存储模块550,用于将第二接收模块540接收的注册用户的人脸图像存储至注册集中。
可选地,本实施例提供的装置还包括:判断模块560和发送模块570。
判断模块560,用于判断第二接收模块540接收的注册用户的人脸图像是否符合注册条件。其中,注册条件包括注册用户的人脸图像的光照条件符合第一预定条件和/或人脸姿态符合第二预定条件。
存储模块550,还用于当判断模块560判断出注册用户的人脸图像符合注册条件时,将第二接收模块540接收的注册用户的人脸图像存储至注册集中。
发送模块570,用于当判断模块560判断出注册用户的人脸图像不符合注册条件时,向用户终端发送注册失败响应。注册失败响应用于触发用户终端发出用于提示注册用户的人脸图像无效的提示信息。
综上所述,本实施例提供的装置,通过后台服务器从签到终端获取签到用户的人脸图像,根据签到用户的人脸图像检测预先存储的注册集中是否存在与签到用户相匹配的目标注册用户,并在检测结果为存在的情况下确认目标注册用户签到成功;解决了现有技术提供的电子签到方式,仅凭借可识别物无法对实际进行签到的用户进行身份确认,存在他人冒充签到的可能的问题;基于人脸识别进行刷脸签到,从而对实际进行签到的用户进行身份确认和验证,排除他人冒充签到的可能。
另外,本实施例提供的装置,还通过采用识别准确度高的人脸识别算法提取人脸图像的图像特征,以保证签到用户与注册用户之间的准确匹配,从而在确认注册集中存在与签到用户相匹配的目标注册用户的情况下,便可直接确认目标注册用户签到成功,无需用户进一步手动确认匹配出的目标注册用户是否为其本人,从而减少用户操作、简化签到流程、提高签到效率。
另外,本实施例提供的装置,还通过判断注册用户的人脸图像是否符合注册条件和/或判断签到用户的人脸图像是否符合签到条件,以确保获取光照条件较优、人脸姿态较正的图像,克服光照、姿态等因素对人脸识别结果的影响,提高人脸识别和匹配的准确度。例如,通过本发明实施例提供的技术方案,能够实现获取室内光照条件、人脸姿态在左右、俯仰30度以内的人脸图像,以确保获得良好的人脸识别和匹配结果。
另外,本实施例提供的装置,还通过后台服务器向用户终端提供远程注册页面,实现由注册用户自行注册并提交其人脸图像,避免出现因管理员无法提前搜集注册用户的人脸图像而导致无法完成注册的问题发生。
需要说明的是:上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
请参考图7,其示出了本发明一个实施例提供的服务器的结构示意图。该服务器用于实施上述实施例中提供的后台服务器侧的签到方法。具体来讲:
服务器700包括中央处理单元(CPU)701、包括随机存取存储器(RAM)702和只读存储器(ROM)703的系统存储器704,以及连接系统存储器704和中央处理单元701的系统总线705。服务器700还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)706,和用于存储操作系统713、应用程序714和其他程序模块715的大容量存储设备707。
基本输入/输出系统706包括有用于显示信息的显示器708和用于用户输入信息的诸如鼠标、键盘之类的输入设备709。其中显示器708和输入设备709都通过连接到系统总线705的输入输出控制器710连接到中央处理单元701。基本输入/输出系统706还可以包括输入输出控制器710以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器710还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备707通过连接到系统总线705的大容量存储控制器(未示出)连接到中央处理单元701。大容量存储设备707及其相关联的计算机可读介质为服务器700提供非易失性存储。也就是说,大容量存储设备707可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器704和大容量存储设备707可以统称为存储器。
根据本发明的各种实施例,服务器700还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器700可以通过连接在系统总线705上的网络接口单元711连接到网络712,或者说,也可以使用网络接口单元711来连接到其他类型的网络或远程计算机系统(未示出)。
存储器704还包括一个或者一个以上的程序,上述一个或者一个以上程序存储于存储器704中,且经配置以由一个或者一个以上处理器执行。上述一个或者一个以上程序包含用于进行上述实施例中提供的后台服务器侧的签到方法的指令。
应当理解的是,在本文中提及的“若干个”是指一个或多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种基于人脸识别的签到系统,其特征在于,所述系统包括:签到终端和后台服务器;
所述签到终端,用于采集签到用户的人脸图像;将所述签到用户的人脸图像发送给所述后台服务器;
所述后台服务器,用于从所述签到终端接收所述签到用户的人脸图像;根据所述签到用户的人脸图像检测预先存储的注册集中是否存在与所述签到用户相匹配的目标注册用户,所述注册集中包括若干个注册用户的人脸图像,以及每一个所述注册用户的身份标识和所述注册用户的人脸图像的图像特征的对应关系;若所述注册集中存在所述目标注册用户,则确认所述目标注册用户签到成功;
其中,所述注册集中包括的所述注册用户的人脸图像符合注册条件,所述注册条件包括:所述注册用户的人脸图像的光照条件符合第一预定条件;所述光照条件符合第一预定条件是指从所述注册用户的人脸图像中提取的人脸区域所对应的光照分值大于预设分值;所述光照分值包括以下计算参数中的至少两项:所述人脸区域中左半部分人脸区域的直方图与右半部分人脸区域的直方图的差值、所述人脸区域中左半部分人脸区域的亮度均值与右半部分人脸区域的亮度均值的差值、整个所述人脸区域的亮度均值与标准亮度值的差值、所述人脸区域中各个不同分区内亮度值的方差;所述光照分值是通过将各个所述计算参数加权求和计算得到的。
2.根据权利要求1所述的系统,其特征在于,所述后台服务器,具体用于:
采用识别准确度大于第一阈值的人脸识别算法提取所述签到用户的人脸图像的图像特征;
根据所述签到用户的人脸图像的图像特征和各个所述注册用户的人脸图像的图像特征,分别计算所述签到用户的人脸图像与每一个注册用户的人脸图像之间的相似度;
检测最大相似度是否大于第二阈值;
若所述最大相似度大于所述第二阈值,则确认所述最大相似度所对应的注册用户为与所述签到用户相匹配的目标注册用户。
3.根据权利要求2所述的系统,其特征在于,所述后台服务器,具体用于:
对所述签到用户的人脸图像进行特征点定位;
根据特征点定位结果将所述签到用户的人脸图像分割成若干个人脸区域;
对于每一个人脸区域,采用所述人脸区域对应的深度网络对所述人脸区域进行特征提取;
将从各个所述人脸区域提取的特征进行重组,得到所述签到用户的人脸图像的图像特征。
4.根据权利要求1至3任一项所述的系统,其特征在于,所述系统还包括:用户终端;
所述用户终端,用于获取注册页面所对应的注册链接;根据所述注册链接打开所述注册页面;获取提交至所述注册页面的所述注册用户的人脸图像;向所述后台服务器发送所述注册用户的人脸图像;
所述后台服务器,还用于从所述用户终端接收所述注册用户的人脸图像;将所述注册用户的人脸图像存储至所述注册集中。
5.根据权利要求4所述的系统,其特征在于,所述注册条件还包括所述注册用户的人脸图像的人脸姿态符合第二预定条件;
所述后台服务器,还用于判断所述注册用户的人脸图像是否符合所述注册条件;若符合所述注册条件,则将所述注册用户的人脸图像存储至所述注册集中;若不符合所述注册条件,则向所述用户终端发送注册失败响应;
所述用户终端,还用于在接收到所述注册失败响应之后,发出提示信息,所述提示信息用于提示所述注册用户的人脸图像无效。
6.一种基于人脸识别的签到方法,其特征在于,所述方法包括:
从签到终端接收签到用户的人脸图像;
根据所述签到用户的人脸图像检测预先存储的注册集中是否存在与所述签到用户相匹配的目标注册用户,所述注册集中包括若干个注册用户的人脸图像,以及每一个所述注册用户的身份标识和所述注册用户的人脸图像的图像特征的对应关系;其中,所述注册集中包括的所述注册用户的人脸图像符合注册条件,所述注册条件包括:所述注册用户的人脸图像的光照条件符合第一预定条件;所述光照条件符合第一预定条件是指从所述注册用户的人脸图像中提取的人脸区域所对应的光照分值大于预设分值;所述光照分值包括以下计算参数中的至少两项:所述人脸区域中左半部分人脸区域的直方图与右半部分人脸区域的直方图的差值、所述人脸区域中左半部分人脸区域的亮度均值与右半部分人脸区域的亮度均值的差值、整个所述人脸区域的亮度均值与标准亮度值的差值、所述人脸区域中各个不同分区内亮度值的方差;所述光照分值是通过将各个所述计算参数加权求和计算得到的;
若所述注册集中存在所述目标注册用户,则确认所述目标注册用户签到成功。
7.根据权利要求6所述的方法,其特征在于,所述根据所述签到用户的人脸图像检测预先存储的注册集中是否存在与所述签到用户相匹配的目标注册用户,包括:
采用识别准确度大于第一阈值的人脸识别算法提取所述签到用户的人脸图像的图像特征;
根据所述签到用户的人脸图像的图像特征和各个所述注册用户的人脸图像的图像特征,分别计算所述签到用户的人脸图像与每一个注册用户的人脸图像之间的相似度;
检测最大相似度是否大于第二阈值;
若所述最大相似度大于所述第二阈值,则确认所述最大相似度所对应的注册用户为与所述签到用户相匹配的目标注册用户。
8.根据权利要求7所述的方法,其特征在于,所述采用识别准确度大于第一阈值的人脸识别算法提取所述签到用户的人脸图像的图像特征,包括:
对所述签到用户的人脸图像进行特征点定位;
根据特征点定位结果将所述签到用户的人脸图像分割成若干个人脸区域;
对于每一个人脸区域,采用所述人脸区域对应的深度网络对所述人脸区域进行特征提取;
将从各个所述人脸区域提取的特征进行重组,得到所述签到用户的人脸图像的图像特征。
9.根据权利要求6至8任一项所述的方法,其特征在于,所述方法还包括:
从用户终端接收所述注册用户的人脸图像,所述注册用户的人脸图像由所述注册用户提交至所述用户终端显示的注册页面中;
将所述注册用户的人脸图像存储至所述注册集中。
10.根据权利要求9所述的方法,其特征在于,所述注册条件还包括所述注册用户的人脸图像的人脸姿态符合第二预定条件;
所述将所述注册用户的人脸图像存储至所述注册集中之前,还包括:
判断所述注册用户的人脸图像是否符合注册条件;若符合所述注册条件,则执行所述将所述注册用户的人脸图像存储至所述注册集中的步骤;
若不符合所述注册条件,则向所述用户终端发送注册失败响应,所述注册失败响应用于触发所述用户终端发出用于提示所述注册用户的人脸图像无效的提示信息。
11.一种基于人脸识别的签到装置,其特征在于,所述装置包括:
第一接收模块,用于从签到终端接收签到用户的人脸图像;
检测模块,用于根据所述签到用户的人脸图像检测预先存储的注册集中是否存在与所述签到用户相匹配的目标注册用户,所述注册集中包括若干个注册用户的人脸图像,以及每一个所述注册用户的身份标识和所述注册用户的人脸图像的图像特征的对应关系;其中,所述注册集中包括的所述注册用户的人脸图像符合注册条件,所述注册条件包括:所述注册用户的人脸图像的光照条件符合第一预定条件;所述光照条件符合第一预定条件是指从所述注册用户的人脸图像中提取的人脸区域所对应的光照分值大于预设分值;所述光照分值包括以下计算参数中的至少两项:所述人脸区域中左半部分人脸区域的直方图与右半部分人脸区域的直方图的差值、所述人脸区域中左半部分人脸区域的亮度均值与右半部分人脸区域的亮度均值的差值、整个所述人脸区域的亮度均值与标准亮度值的差值、所述人脸区域中各个不同分区内亮度值的方差;所述光照分值是通过将各个所述计算参数加权求和计算得到的;
确认模块,用于当所述注册集中存在所述目标注册用户时,确认所述目标注册用户签到成功。
12.根据权利要求11所述的装置,其特征在于,所述检测模块,包括:提取单元、计算单元、检测单元和确认单元;
所述提取单元,用于采用识别准确度大于第一阈值的人脸识别算法提取所述签到用户的人脸图像的图像特征;
所述计算单元,用于根据所述签到用户的人脸图像的图像特征和各个所述注册用户的人脸图像的图像特征,分别计算所述签到用户的人脸图像与每一个注册用户的人脸图像之间的相似度;
所述检测单元,用于检测最大相似度是否大于第二阈值;
所述确认单元,用于当所述最大相似度大于所述第二阈值时,确认所述最大相似度所对应的注册用户为与所述签到用户相匹配的目标注册用户。
13.根据权利要求12所述的装置,其特征在于,所述提取单元,具体用于:
对所述签到用户的人脸图像进行特征点定位;
根据特征点定位结果将所述签到用户的人脸图像分割成若干个人脸区域;
对于每一个人脸区域,采用所述人脸区域对应的深度网络对所述人脸区域进行特征提取;
将从各个所述人脸区域提取的特征进行重组,得到所述签到用户的人脸图像的图像特征。
14.根据权利要求11至13任一项所述的装置,其特征在于,所述装置还包括:
第二接收模块,用于从用户终端接收所述注册用户的人脸图像,所述注册用户的人脸图像由所述注册用户提交至所述用户终端显示的注册页面中;
存储模块,用于将所述注册用户的人脸图像存储至所述注册集中。
15.根据权利要求14所述的装置,其特征在于,所述注册条件还包括所述注册用户的人脸图像的人脸姿态符合第二预定条件;
所述装置还包括:
判断模块,用于判断所述注册用户的人脸图像是否符合注册条件;
所述存储模块,用于当所述注册用户的人脸图像符合所述注册条件时,将所述注册用户的人脸图像存储至所述注册集中;
发送模块,用于当所述注册用户的人脸图像不符合所述注册条件时,向所述用户终端发送注册失败响应,所述注册失败响应用于触发所述用户终端发出用于提示所述注册用户的人脸图像无效的提示信息。
16.一种计算机可读存储介质,其上存储有程序,其特征在于,所述程序用于实现如权利要求6至10任一项所述方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610124812.6A CN105809415B (zh) | 2016-03-04 | 2016-03-04 | 基于人脸识别的签到系统、方法和装置 |
PCT/CN2017/074143 WO2017148291A1 (zh) | 2016-03-04 | 2017-02-20 | 基于人脸识别的签到系统、方法、装置和服务器 |
US16/100,630 US10664580B2 (en) | 2016-03-04 | 2018-08-10 | Sign-in system, method, apparatus and server based on facial recognition |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610124812.6A CN105809415B (zh) | 2016-03-04 | 2016-03-04 | 基于人脸识别的签到系统、方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105809415A CN105809415A (zh) | 2016-07-27 |
CN105809415B true CN105809415B (zh) | 2020-04-21 |
Family
ID=56467670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610124812.6A Active CN105809415B (zh) | 2016-03-04 | 2016-03-04 | 基于人脸识别的签到系统、方法和装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10664580B2 (zh) |
CN (1) | CN105809415B (zh) |
WO (1) | WO2017148291A1 (zh) |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809415B (zh) | 2016-03-04 | 2020-04-21 | 腾讯科技(深圳)有限公司 | 基于人脸识别的签到系统、方法和装置 |
CN106940905B (zh) * | 2017-03-15 | 2019-02-19 | 江苏笑眯眯教育科技有限公司 | 基于wifi和智能手机的课堂自动点名系统 |
CN106951857A (zh) * | 2017-03-17 | 2017-07-14 | 山东浪潮商用系统有限公司 | 一种身份提醒方法、装置及系统 |
CN107194833A (zh) * | 2017-04-11 | 2017-09-22 | 深圳市元征科技股份有限公司 | 基于人脸识别的酒店管理方法、系统及存储介质 |
CN107357799B (zh) * | 2017-05-17 | 2020-04-24 | 广州视源电子科技股份有限公司 | 评估人脸识别系统注册上限的方法及装置 |
CN107479703A (zh) * | 2017-08-07 | 2017-12-15 | 深圳天珑无线科技有限公司 | 自动语音报时方法、设备及计算机可读存储介质 |
CN107682164B (zh) * | 2017-09-05 | 2021-03-19 | 深圳市盛路物联通讯技术有限公司 | 数据处理方法及相关设备 |
CN107784724A (zh) * | 2017-10-26 | 2018-03-09 | 广州云从信息科技有限公司 | 一种基于人脸识别的安全管理方法 |
CN108182736A (zh) * | 2017-12-29 | 2018-06-19 | 安徽科创智慧知识产权服务有限公司 | 一种会议考勤监测方法 |
CN108053512A (zh) * | 2017-12-29 | 2018-05-18 | 安徽科创智慧知识产权服务有限公司 | 具有考勤管理功能的会议机 |
CN111868762A (zh) * | 2018-03-19 | 2020-10-30 | 福特汽车公司 | 基于接近度的共享交通工具预约 |
CN110473545A (zh) * | 2018-05-11 | 2019-11-19 | 视联动力信息技术股份有限公司 | 一种基于会议室的会议处理方法和装置 |
CN109720945B (zh) * | 2018-05-22 | 2022-05-17 | 中国平安人寿保险股份有限公司 | 电梯分配方法、装置、设备及计算机可读存储介质 |
CN110544324A (zh) * | 2018-05-28 | 2019-12-06 | 陈健邦 | 登记签到方法、组件、终端设备和存储介质 |
CN109344588A (zh) * | 2018-09-03 | 2019-02-15 | 平安科技(深圳)有限公司 | 安全认证方法及终端设备 |
CN109389723B (zh) * | 2018-10-11 | 2023-01-03 | 平安科技(深圳)有限公司 | 利用人脸识别的访客管理方法、装置、计算机设备 |
CN109583348A (zh) * | 2018-11-22 | 2019-04-05 | 阿里巴巴集团控股有限公司 | 一种人脸识别方法、装置、设备及系统 |
CN109684930A (zh) * | 2018-11-23 | 2019-04-26 | 深圳市沃特沃德股份有限公司 | 会议签到方法、装置及签到设备 |
CN109584396A (zh) * | 2018-11-27 | 2019-04-05 | 湛江开发区四洲网络科技有限公司 | 室内定位考勤管理方法和装置及室内定位考勤方法和装置 |
CN111310510B (zh) * | 2018-12-11 | 2023-08-29 | 杭州海康威视数字技术股份有限公司 | 一种人脸识别结果的显示方法、装置及存储介质 |
CN109669924A (zh) * | 2018-12-24 | 2019-04-23 | 天津字节跳动科技有限公司 | 在线文档的共享方法、装置、电子设备和存储介质 |
CN111301343B (zh) * | 2019-01-31 | 2021-06-15 | 数源科技股份有限公司 | 基于人脸识别的智能车载系统的控制方法 |
CN109886282B (zh) * | 2019-02-26 | 2021-05-28 | 腾讯科技(深圳)有限公司 | 对象检测方法、装置、计算机可读存储介质和计算机设备 |
CN109979578A (zh) * | 2019-03-07 | 2019-07-05 | 上海建工四建集团有限公司 | 挂号签到系统及方法 |
WO2020215250A1 (zh) * | 2019-04-24 | 2020-10-29 | 深圳市汇顶科技股份有限公司 | 人脸注册方法、人脸识别装置、识别设备和可存储介质 |
CN111049802A (zh) * | 2019-11-18 | 2020-04-21 | 上海擎感智能科技有限公司 | 无感登录方法、系统、存储介质及车机端 |
CN110889672B (zh) * | 2019-11-19 | 2022-04-12 | 哈尔滨理工大学 | 一种基于深度学习的学生打卡及上课状态的检测系统 |
CN111179454A (zh) * | 2019-12-10 | 2020-05-19 | 深圳技术大学 | 签到和生理参数检测系统及其控制方法 |
CN111597532B (zh) * | 2020-04-10 | 2023-11-17 | 云知声智能科技股份有限公司 | 基于人脸识别实现儿童机器人童锁系统的方法和系统 |
CN112819981A (zh) * | 2020-06-18 | 2021-05-18 | 腾讯科技(深圳)有限公司 | 业务处理方法、装置、设备及可读存储介质 |
KR102437039B1 (ko) * | 2020-07-02 | 2022-08-26 | 주식회사 딥브레인에이아이 | 영상 생성을 위한 학습 장치 및 방법 |
CN111899136A (zh) * | 2020-07-04 | 2020-11-06 | 深圳市联想空间艺术工程有限公司 | 以人脸识别为基础的智能化伴学系统的移动终端的使用方法 |
CN112561469A (zh) * | 2020-12-07 | 2021-03-26 | 深圳市思为软件技术有限公司 | 电子签到方法及相关设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914676A (zh) * | 2012-12-30 | 2014-07-09 | 杭州朗和科技有限公司 | 一种在人脸识别中使用的方法和装置 |
CN104091176A (zh) * | 2014-07-18 | 2014-10-08 | 吴建忠 | 人像比对在视频中的应用技术 |
CN105139470A (zh) * | 2015-09-30 | 2015-12-09 | 杭州海康威视数字技术股份有限公司 | 基于人脸识别的考勤方法、装置及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6985070B1 (en) * | 2002-12-09 | 2006-01-10 | Sprint Communications Company L.P. | Biometric authentication of hospitality-site customers |
JP5047005B2 (ja) * | 2008-02-29 | 2012-10-10 | キヤノン株式会社 | 画像処理方法、パターン検出方法、パターン認識方法及び画像処理装置 |
CN101901351B (zh) * | 2010-07-28 | 2012-09-05 | 中国科学院自动化研究所 | 基于层次结构的人脸和虹膜图像融合识别方法 |
CN102419819B (zh) * | 2010-10-25 | 2014-10-08 | 深圳市中控生物识别技术有限公司 | 人脸图像识别方法和系统 |
US8261090B1 (en) * | 2011-09-28 | 2012-09-04 | Google Inc. | Login to a computing device based on facial recognition |
US9075975B2 (en) * | 2012-02-21 | 2015-07-07 | Andrew Bud | Online pseudonym verification and identity validation |
CN103020599A (zh) * | 2012-12-12 | 2013-04-03 | 山东神思电子技术股份有限公司 | 基于人脸的身份认证方法 |
CN103530659B (zh) * | 2013-10-18 | 2017-08-22 | 哈尔滨工业大学深圳研究生院 | 结合原始和对称脸人脸图像的人脸识别方法及考勤系统 |
CN104183029A (zh) * | 2014-09-02 | 2014-12-03 | 济南大学 | 一种便携式快速人群考勤方法 |
CN105469455A (zh) * | 2014-09-12 | 2016-04-06 | 航天信息股份有限公司 | 基于移动终端的人脸识别考勤管理方法和系统 |
CN104463172B (zh) * | 2014-12-09 | 2017-12-22 | 重庆中科云丛科技有限公司 | 基于人脸特征点形状驱动深度模型的人脸特征提取方法 |
CN105809415B (zh) * | 2016-03-04 | 2020-04-21 | 腾讯科技(深圳)有限公司 | 基于人脸识别的签到系统、方法和装置 |
-
2016
- 2016-03-04 CN CN201610124812.6A patent/CN105809415B/zh active Active
-
2017
- 2017-02-20 WO PCT/CN2017/074143 patent/WO2017148291A1/zh active Application Filing
-
2018
- 2018-08-10 US US16/100,630 patent/US10664580B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914676A (zh) * | 2012-12-30 | 2014-07-09 | 杭州朗和科技有限公司 | 一种在人脸识别中使用的方法和装置 |
CN104091176A (zh) * | 2014-07-18 | 2014-10-08 | 吴建忠 | 人像比对在视频中的应用技术 |
CN105139470A (zh) * | 2015-09-30 | 2015-12-09 | 杭州海康威视数字技术股份有限公司 | 基于人脸识别的考勤方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2017148291A1 (zh) | 2017-09-08 |
CN105809415A (zh) | 2016-07-27 |
US20180349590A1 (en) | 2018-12-06 |
US10664580B2 (en) | 2020-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809415B (zh) | 基于人脸识别的签到系统、方法和装置 | |
CN107220590B (zh) | 一种基于活体检测的防作弊网络调研方法、装置及系统 | |
CN107066983B (zh) | 一种身份验证方法及装置 | |
WO2019085403A1 (zh) | 一种人脸识别智能比对方法、电子装置及计算机可读存储介质 | |
CN110443110B (zh) | 基于多路摄像的人脸识别方法、装置、终端及存储介质 | |
WO2019062080A1 (zh) | 身份识别方法、电子装置及计算机可读存储介质 | |
US10664693B2 (en) | Method, device, and system for adding contacts in social network | |
WO2018028546A1 (zh) | 一种关键点的定位方法及终端、计算机存储介质 | |
CN105989263A (zh) | 身份认证方法、开户方法、装置及系统 | |
CN108108711B (zh) | 人脸布控方法、电子设备及存储介质 | |
WO2021179706A1 (zh) | 会议签到方法、系统、计算机设备及计算机可读存储介质 | |
WO2020082801A1 (zh) | 基于生物识别的查房考核方法、装置、服务器及介质 | |
CN110287862B (zh) | 基于深度学习的防偷拍检测方法 | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN110288755A (zh) | 基于文本识别的发票检验方法、服务器及存储介质 | |
WO2019062347A1 (zh) | 人脸识别方法及相关产品 | |
CN109635625B (zh) | 智能身份核验方法、设备、存储介质及装置 | |
KR102615709B1 (ko) | 녹음 녹화 프로그램이 구비된 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정 행위를 방지하는 안면윤곽선 인식 인공 지능을 사용한 온라인 시험 시스템 및 그 방법 | |
JP2007249587A (ja) | 認証装置、認証方法、認証プログラム、これを記録したコンピュータ読み取り可能な記録媒体 | |
CN109145786B (zh) | 一种图片识别方法、装置、设备、介质和产品 | |
KR20230017454A (ko) | 비대면 평가에서의 부정행위 방지 방법, 장치 및 프로그램 | |
KR102581415B1 (ko) | 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 ubt 시스템 및 그 방법 | |
CN108596127B (zh) | 一种指纹识别方法、身份验证方法及装置和身份核验机 | |
KR102335534B1 (ko) | 인공지능에 기반한 온라인 교육 지원을 위한 출석관리 및 집중도 분석 방법 및 장치 | |
CN112052706B (zh) | 电子装置及人脸识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |