CN105938552B - 底图自动更新的人脸识别方法及装置 - Google Patents

Abstract

本发明提供了一种底图自动更新的人脸识别方法及装置，所述人脸识别方法包括：对输入的人脸图像进行人脸识别；基于所述人脸识别的结果确定所述人脸图像中的人脸所对应的目标人员；以及基于预定更新策略，采用所述人脸图像对所述人脸识别所基于的底库中所述目标人员的底图进行更新，以用于下次人脸识别。根据本发明实施例的底图自动更新的人脸识别方法及装置按照预定的更新策略采用每次输入的用于人脸识别的新的人脸图像对底库中已有底图进行更新，可以改变底图单一或固定的情况，从而能够大幅提高人脸识别的准确率。

Description

底图自动更新的人脸识别方法及装置

技术领域

本发明涉及人脸识别技术领域，更具体地涉及一种底图自动更新的人脸识别方法及装置。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别通常包括人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。其中，人脸图像匹配与识别的过程是提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。

然而，在绝大多数情况下，人脸识别所基于的数据库底库中所存储的目标人员的底图都只是来自身份证照片或者护照照片，而身份证和护照的照片基本非近照，姿态比较固定和真实场景有差异，且分辨率较低，因而导致人脸识别的准确率往往比较低。

发明内容

考虑到上述问题而提出了本发明。本发明提供了一种底图自动更新的人脸识别方法及装置，其按照预定的更新策略采用每次输入的用于人脸识别的新的人脸图像对底库中已有底图进行更新，可以大幅提高人脸识别的准确率。

根据本发明一方面，提供了一种底图自动更新的人脸识别方法，所述人脸识别方法包括：对输入的人脸图像进行人脸识别；基于所述人脸识别的结果确定所述人脸图像中的人脸所对应的目标人员；以及基于预定更新策略，采用所述人脸图像对所述人脸识别所基于的底库中所述目标人员的底图进行更新，以用于下次人脸识别。

在本发明的一个实施例中，所述预定更新策略包括：当所述底库中所述目标人员的底图的数目小于预定阈值时，将所述人脸图像添加到所述底库中补充所述目标人员的底图；以及当所述底库中所述目标人员的底图的数目已达到所述预定阈值时，基于预定替换策略，采用所述人脸图像替换所述底库中所述目标人员的一个底图。

在本发明的一个实施例中，所述预定替换策略包括：当所述人脸图像的质量达到预定标准且超过所述底库中所述目标人员的底图中至少一个的质量时，采用所述人脸图像替换所述底库中所述目标人员的底图中质量最差的一个。

在本发明的一个实施例中，所述人脸图像的质量的计算基于以下因素中的至少一个：人脸分辨率、高斯模糊、运动模糊、曝光效果和人脸倾斜度。

在本发明的一个实施例中，所述人脸图像的质量的计算基于以下因素中的至少两个：人脸分辨率、高斯模糊、运动模糊、曝光效果和人脸倾斜度，并且所述人脸图像的质量Q为：

其中，S_i为所述人脸图像的质量的计算所基于的各个因素的质量实际值通过线性变换标准化到[0,1]区间的值，S_i包括S₁到S_n；w_i为所述人脸图像的质量的计算所基于的各个因素各自所占的权重，w_i包括w₁到w_n，其取值范围为：

0＜w_i＜1(1≤i≤n)

且满足

其中n为计算人脸图像的质量所基于的因素的数目，n大于等于2。

在本发明的一个实施例中，所述预定替换策略包括：当所述人脸图像的质量达到预定标准时，采用所述人脸图像替换所述底库中所述目标人员的底图中入库时间最早的一个。

根据本发明另一方面，提供了一种底图自动更新的人脸识别装置，所述人脸识别装置包括：人脸识别模块，用于对输入的人脸图像进行人脸识别；目标确定模块，用于基于所述人脸识别的结果确定所述人脸图像中的人脸所对应的目标人员；以及底图更新模块，用于基于预定更新策略，采用所述人脸图像对所述人脸识别所基于的底库中所述目标人员的底图进行更新，以用于下次人脸识别。

在本发明的一个实施例中，所述预定更新策略包括：当所述底库中所述目标人员的底图的数目小于预定阈值时，将所述人脸图像添加到所述底库中补充所述目标人员的底图；以及当所述底库中所述目标人员的底图的数目已达到所述预定阈值时，基于预定替换策略，采用所述人脸图像替换所述底库中所述目标人员的一个底图。

在本发明的一个实施例中，所述预定替换策略包括：当所述人脸图像的质量达到预定标准且超过所述底库中所述目标人员的底图中至少一个的质量时，采用所述人脸图像替换所述底库中所述目标人员的底图中质量最差的一个。

在本发明的一个实施例中，所述人脸图像的质量的计算基于以下因素中的至少一个：人脸分辨率、高斯模糊、运动模糊、曝光效果和人脸倾斜度。

在本发明的一个实施例中，所述人脸图像的质量的计算基于以下因素中的至少两个：人脸分辨率、高斯模糊、运动模糊、曝光效果和人脸倾斜度，并且所述人脸图像的质量Q为：

其中，S_i为所述人脸图像的质量的计算所基于的各个因素的质量实际值通过线性变换标准化到[0,1]区间的值，S_i包括S₁到S_n；w_i为所述人脸图像的质量的计算所基于的各个因素各自所占的权重，w_i包括w₁到w_n，其取值范围为：

0＜w_i＜1(1≤i≤n)

且满足

其中n为计算人脸图像的质量所基于的因素的数目，n大于等于2。

在本发明的一个实施例中，所述预定替换策略包括：当所述人脸图像的质量达到预定标准时，采用所述人脸图像替换所述底库中所述目标人员的底图中入库时间最早的一个。

根据本发明实施例的底图自动更新的人脸识别方法及装置按照预定的更新策略采用每次输入的用于人脸识别的新的人脸图像对底库中已有底图进行更新，可以改变底图单一或固定的情况，从而能够大幅提高人脸识别的准确率。

附图说明

通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是用于实现根据本发明实施例的底图自动更新的人脸识别方法和装置的示例电子设备的示意性框图；

图2是根据本发明实施例的底图自动更新的人脸识别方法的示意性流程图；

图3是根据本发明实施例的底图自动更新的人脸识别方法的一个示例性底图更新过程的流程图；

图4是根据本发明实施例的底图自动更新的人脸识别方法的一个示例性底图替换过程的流程图；

图5是根据本发明实施例的底图自动更新的人脸识别方法的另一个示例性底图替换过程的流程图；

图6是根据本发明实施例的底图自动更新的人脸识别装置的示意性框图；以及

图7是根据本发明实施例的底图自动更新的人脸识别系统的示意性框图。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。

首先，参照图1来描述用于实现本发明实施例的底图自动更新的人脸识别方法和装置的示例电子设备100。

如图1所示，电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像传感器110，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构。

所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制所述电子设备100中的其它组件以执行期望的功能。

所述存储装置104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所述程序指令，以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。

所述输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。

所述输出装置108可以向外部(例如用户)输出各种信息(例如图像或声音)，并且可以包括显示器、扬声器等中的一个或多个。

所述图像传感器110可以拍摄用户期望的图像(例如照片、视频等)，并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。

示例性地，用于实现根据本发明实施例的底图自动更新的人脸识别方法和装置的示例电子设备可以被实现为诸如智能手机、平板电脑等。

下面，将参考图2描述根据本发明实施例的底图自动更新的人脸识别方法200。

在步骤S210，对输入的人脸图像进行人脸识别。

在一个实施例中，输入的人脸图像可以是图像采集装置所采集的人脸图像，也可以来自其他源的人脸图像。人脸图像可以是人脸图片，也可以是人脸视频等。

在一个实施例中，对输入的人脸图像的人脸识别可以包括如下步骤：首先检测出人脸区域，再对人脸区域建模形成特征向量，通过与底库里所有目标向量做数学运算获得相似度，最后对相似度排序取出分数最高的前k张作为人脸识别结果。

应该理解，本发明不受具体采用的人脸识别方法的限制，无论是现有的人脸识别方法还是将来开发的人脸识别方法，都可以应用于根据本发明实施例的底图自动更新的人脸识别方法中，并且也应包括在本发明的保护范围内。

在步骤S220，基于所述人脸识别的结果确定所述人脸图像中的人脸所对应的目标人员。

在一个实施例中，可以根据步骤S210中所得到的人脸识别结果(例如，如上所述的相似度排序分数最高的前k张图)的图片信息反查出图片归属的目标人员，例如可以得到m个目标人员，其中m≤k。在一个示例中，可以选择相似度最高分目标人员作为最终所确定的所述人脸图像中的人脸所对应的目标人员。

在另一个示例中，可以设定一个阈值t，如果相似度最高分没有超过该阈值t，则认为识别失败，即该人脸图像在数据库中没有对应的目标人员。在这种情况下，可以将该人脸图像添加到数据库中，创建新的目标人员，并将该人脸图像作为该新创建目标人员的底图。其中，阈值t的值的设定可以基于人脸识别所应用的场合。

在步骤S230，基于预定更新策略，采用所述人脸图像对所述人脸识别所基于的底库中所述目标人员的底图进行更新，以用于下次人脸识别。

在目标人员确定后，可基于预定更新策略对目标人员的底图进行更新。在一个示例中，可将本次进行人脸识别的人脸图像添加到底库中，作为对目标人员的底图的补充，这样使得底库中目标人员的底图数目增多，为日后的人脸识别提供了更丰富的基础，有利于提高人脸识别的准确率。

在另一个示例中，可采用本次进行人脸识别的人脸图像来替换底库中目标人员的底图中质量较差的、分辨率较低的、或入库时间过早的底图等，这样使得底库中目标人员的底图不再固定不变、而是质量更好、更接近目标人员当今的样貌等，为日后的人脸识别提供了更精确的基础，有利于提高人脸识别的准确率。

基于上面的描述，根据本发明实施例的底图自动更新的人脸识别方法按照预定的更新策略采用每次输入的用于人脸识别的新的人脸图像对底库中已有底图进行更新，可以改变底图单一或固定的情况，从而能够大幅提高人脸识别的准确率。

示例性地，根据本发明实施例的底图自动更新的人脸识别方法可以在具有存储器和处理器的设备、装置或者系统中实现。

根据本发明实施例的底图自动更新的人脸识别方法可以部署在个人终端处，诸如智能电话、平板电脑、个人计算机等。替代地，根据本发明实施例的底图自动更新的人脸识别方法还可以部署在服务器端(或云端)。替代地，根据本发明实施例的底图自动更新的人脸识别方法还可以分布地部署在服务器端(或云端)和个人终端处。

根据本发明实施例，步骤S230所基于的预定更新策略可以包括：当底库中所确定的目标人员的底图的数目小于预定阈值时，将所述人脸图像添加到底库中补充该目标人员的底图；以及当底库中该目标人员的底图的数目已达到预定阈值时，基于预定替换策略，采用所述人脸图像替换底库中该目标人员的一个底图。下面结合图3具体描述该预定更新策略。

图3示出了根据本发明实施例的底图自动更新的人脸识别方法的一个示例性底图更新过程300的流程图。如图3所示，底图更新过程300可以包括如下步骤：

在步骤S310，确定底库中所确定的目标人员的底图的数目是否达到预定阈值N(其中预定阈值的值N≥1，N的具体值可以根据实际需要而设定)。如果达到预定阈值N，则行进到步骤S330；如果未达到预定阈值，则行进到步骤S320。

在步骤S320，将本次进行人脸识别的人脸图像添加到底库中补充该目标人员的底图。如上所述，将人脸图像添加到底库作为对目标人员的底图的补充，使得底库中目标人员的底图数目增多，为日后的人脸识别提供了更丰富的基础，有利于提高人脸识别的准确率。

在步骤S330，基于预定替换策略，采用本次进行人脸识别的人脸图像替换底库中该目标人员的一个底图。如上所述，可采用本次进行人脸识别的人脸图像来替换底库中目标人员的底图中质量较差的、分辨率较低的、或入库时间过早的底图等，这样使得底库中目标人员的底图不再固定不变、而是质量更好、更接近目标人员当今的样貌等，为日后的人脸识别提供了更精确的基础，有利于提高人脸识别的准确率。

基于底图更新过程300所体现的底图更新策略，底库中目标人员的底图数目增多、质量变好，为日后的人脸识别提供了更丰富的基础，有利于提高人脸识别的准确率。

根据本发明实施例，步骤S330所基于的预定替换策略可以包括：当人脸图像的质量达到预定标准且超过底库中该目标人员的底图中至少一个的质量时，采用该人脸图像替换底库中该目标人员的底图中质量最差的一个。下面结合图4具体描述该预定替换策略。

图4示出了根据本发明实施例的底图自动更新的人脸识别方法的一个示例性底图替换过程400的流程图。如图4所示，底图替换过程400可以包括如下步骤：

在步骤S410，计算当前人脸图像的质量。

在一个实施例中，人脸图像的质量的计算可以基于以下因素(或称为参数)中的至少一个：人脸分辨率、高斯模糊、运动模糊、曝光效果和人脸倾斜度。

其中，高斯模糊、运动模糊、曝光效果各自的取值范围可以为0到1；人脸分辨率(包括两个参数：图像的高和宽)的取值范围可以为0到正无穷大；人脸倾斜度可以包括人脸在三个方向x轴、y轴、z轴上的倾斜度，例如计算俯仰角(pitch)、偏转角(yaw)和平面内旋转角(roll)，其取值范围可以为-π/2～π/2。

在一个具体示例中，人脸图像的质量的计算基于人脸分辨率、高斯模糊、运动模糊、曝光效果和人脸倾斜度等五个因素中的至少两个实现。例如，将上述各个因素的实际值设为S_i，各个因素各自所占的权重设为w_i，则人脸图像的质量Q可以表示为：

其中S₁到S_n为上述因素的实际影响值，通过线性变换将其取值范围标准化到[0,1]区间；w₁到w_n为根据需要所设定的权重，其取值范围一般为：

0＜w_i＜1(1≤i≤n)

且满足

其中n为计算人脸图像的质量所基于的因素的数目，n大于等于2。

关于每个因素所占的权重，可以有默认的配置，也可以根据实际情况以及需求侧重点对其进行动态调整。例如用户比较关心人脸分辨率，那么可以将人脸图像的高和宽等权重适当调高，其他参数等比例降低。

最终Q为所计算出的人脸图像的质量，取值范围在0～1之间，其可用于下一步底图替换判断的基准。通过综合多个因素计算人脸图像的质量，有利于保证图像质量整体上更符合具体场景的实际需求，从而使得底图替换更加科学。优选的，在本示例中，n等于5，以保证人脸图像的质量计算可以综合考虑上述5个因素的影响。

在步骤S420，确定当前人脸图像的质量是否达到预定标准。如果达到预定标准，则行进到步骤S430；如果未达到预定标准，则行进到步骤S450。

基于在步骤S410所计算出的当前人脸图像的质量值，可确定该质量值与预设阈值之间的关系，以确定其是否达到预定标准。例如，当该质量值大于或等于预设阈值，则确定其达到预定标准，反之则未达到预定标准。此处，该预设阈值的具体值可以根据实际情况或应用场景而设置。

在步骤S430，确定当前人脸图像的质量值是否超过底库中目标人员的底图中至少一个的质量，如果超过，则行进到步骤S440，反之则行进到步骤S450。

在步骤S440，采用当前人脸图像替换底库中目标人员的底图中质量最差的一个。

在步骤S450，丢弃当前人脸图像。

基于上述底图替换过程400所体现的底图替换策略，用于人脸识别的底库中底图的质量会越来越好，因此可以大幅提高日后的人脸识别的效率和准确率。

本领域普通技术人员可以理解，虽然上述底图替换过程400中在计算当前人脸图像的质量时基于上述五个因素，但其仅是示例性的，在计算人脸图像的质量时还可以基于其他的因素。此外，也可以根据用户所关心的情况或实际应用情况仅基于其中一个因素，例如人脸分辨率，来计算人脸图像的质量，则将该因素的权重设为1，其他因素权重设为0即可，这样，在后续的操作中，可以采用当前人脸图像替换底库中分辨率最低的一张图。

下面描述根据本发明另一实施例的步骤S330所基于的预定替换策略，该预定替换策略为：当人脸图像的质量达到预定标准时，采用该人脸图像替换底库中目标人员的底图中入库时间最早的一个。下面结合图5具体描述该预定替换策略。

图5示出了根据本发明实施例的底图自动更新的人脸识别方法的另一个示例性底图替换过程500的流程图。如图5所示，底图替换过程500可以包括如下步骤：

在步骤S510，计算当前人脸图像的质量。

在步骤S520，确定当前人脸图像的质量是否达到预定标准。如果达到预定标准，则行进到步骤S530；如果未达到预定标准，则行进到步骤S540。

这里，步骤S510和S520分别与图4中所描述的底图替换过程400的步骤S410和S420类似，为了简洁，此处不再赘述。

在步骤S530：采用当前人脸图像替换底库中目标人员的底图中入库时间最早的一个。

在步骤S540：丢弃当前人脸图像。

基于上述底图替换过程500所体现的底图替换策略，用于人脸识别的底库中底图在保证质量的同时会越来越接近目标人员当前的样貌，因此可以大幅提高日后的人脸识别的效率和准确率。

以上示例性地示出了根据本发明实施例的底图自动更新的人脸识别方法的底图更新策略和底图替换策略，还可以采用其他的适当的策略。值得注意的是，在本发明实施例中，不提倡根据相似度做出替换策略。这是因为，在上述计算人脸图像质量的过程中，侧脸(包括左右侧脸和低头等等)是具有较低图片质量的，但是侧脸和侧脸的相似度又比较高，因此假设采集的摄像头有一定采集角度，采集的都是侧脸的话，那么使用相似度替换的底库会随着时间推移都被替换成侧脸图片，这种设计反而不利于日后的人脸识别。

下面结合图6描述本发明另一方面提供的底图自动更新的人脸识别装置。图6示出了根据本发明实施例的底图自动更新的人脸识别装置600的示意性框图。

如图6所示，根据本发明实施例的底图自动更新的人脸识别装置600包括人脸识别模块610、目标确定模块620和底图更新模块630。

人脸识别模块610用于对输入的人脸图像进行人脸识别。目标确定模块620用于基于所述人脸识别的结果确定所述人脸图像中的人脸所对应的目标人员。底图更新模块630用于基于预定更新策略，采用所述人脸图像对所述人脸识别所基于的底库中所述目标人员的底图进行更新，以用于下次人脸识别。其中，底库(未在图6中示出)可以包括在底图更新模块630中。人脸识别模块610、目标确定模块620和底图更新模块630均可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。

根据本发明实施例，输入的人脸图像可以是图像采集装置所采集的人脸图像，也可以来自其他源的人脸图像。人脸图像可以是人脸图片，也可以是人脸视频等。

根据本发明实施例，人脸识别模块610对输入的人脸图像的人脸识别可以包括如下步骤：首先检测出人脸区域，再对人脸区域建模形成特征向量，通过与底库里所有目标向量做数学运算获得相似度，最后对相似度排序取出分数最高的前k张作为人脸识别结果。

根据本发明实施例，目标确定模块620可以根据人脸识别模块所输出的人脸识别结果(例如如上所述的相似度排序分数最高的前k张图)的图片信息反查出图片归属的目标人员，例如可以得到m个目标人员，其中m≤k。在一个示例中，目标确定模块620可以选择最高分目标人员作为最终所确定的所述人脸图像中的人脸所对应的目标人员。

在另一个示例中，可以设定一个阈值t，如果相似度最高分没有超过该阈值t，则目标确定模块620认为识别失败，即该人脸图像在数据库中没有对应的目标人员。在这种情况下，底图更新模块630可以将该人脸图像添加到数据库中，创建新的目标人员，并将该人脸图像作为该新创建目标人员的底图。其中，阈值t的值的设定可以基于人脸识别所应用的场合。

根据本发明实施例，底图更新模块630基于预定更新策略对目标人员的底图进行更新。在一个示例中，底图更新模块630可将本次进行人脸识别的人脸图像添加到底库中，作为对目标人员的底图的补充，这样使得底库中目标人员的底图数目增多，为日后的人脸识别提供了更丰富的基础，有利于提高人脸识别的准确率。

在另一个示例中，底图更新模块630可采用本次进行人脸识别的人脸图像来替换底库中目标人员的底图中质量较差的、分辨率较低的、或入库时间过早的底图等，这样使得底库中目标人员的底图不再固定不变、而是质量更好、更接近目标人员当今的样貌等，为日后的人脸识别提供了更精确的基础，有利于提高人脸识别的准确率。

根据本发明实施例，底图更新模块630所基于的预定更新策略可以包括：当底库中所确定的目标人员的底图的数目小于预定阈值时，将所述人脸图像添加到底库中补充该目标人员的底图；以及当底库中该目标人员的底图的数目已达到预定阈值时，基于预定替换策略，采用所述人脸图像替换底库中该目标人员的一个底图。基于该预定更新策略，底库中目标人员的底图数目增多或质量变好，为日后的人脸识别提供了更丰富的基础，有利于提高人脸识别的准确率。可以结合图3所示的底图更新过程300具体理解该预定更新策略。为了简洁，此处不再赘述。

根据本发明实施例，底图更新模块630进行底图替换时所基于的预定替换策略可以包括：当人脸图像的质量达到预定标准且超过底库中该目标人员的底图中至少一个的质量时，采用该人脸图像替换底库中该目标人员的底图中质量最差的一个。其中，人脸图像的质量的计算可以基于以下因素(或称为参数)中的至少一个：人脸分辨率、高斯模糊、运动模糊、曝光效果及人脸倾斜度。基于该底图替换策略，用于人脸识别的底库中底图的质量会越来越好，因此可以大幅提高日后的人脸识别的效率和准确率。可以结合图4所示的底图替换过程400具体理解该预定替换策略。为了简洁，此处不再赘述。

根据本发明另一实施例，底图更新模块630所基于的预定替换策略可以为：当人脸图像的质量达到预定标准时，采用该人脸图像替换底库中目标人员的底图中入库时间最早的一个。基于该底图替换策略，用于人脸识别的底库中底图在保证质量的同时会越来越接近目标人员当前的样貌，因此可以大幅提高日后的人脸识别的效率和准确率。可以结合图5所示的底图更新过程500具体理解该预定替换策略。为了简洁，此处不再赘述。

基于上面的描述，根据本发明实施例的底图自动更新的人脸识别装置按照预定的更新策略，采用每次输入的用于人脸识别的新的人脸图像对底库中已有底图进行更新，可以改变底图单一或固定的情况，从而能够大幅提高人脸识别的准确率。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

图7示出了根据本发明实施例的底图自动更新的人脸识别系统700的示意性框图。底图自动更新的人脸识别系统700包括存储装置710以及处理器720。

其中，存储装置710存储用于实现根据本发明实施例的底图自动更新的人脸识别方法中的相应步骤的程序代码。处理器720用于运行存储装置710中存储的程序代码，以执行根据本发明实施例的底图自动更新的人脸识别方法的相应步骤，并且用于实现根据本发明实施例的底图自动更新的人脸识别装置中的相应模块。此外，底图自动更新的人脸识别系统700还可以包括图像采集装置(未在图7中示出)，其可以用于采集人脸图像。当然，图像采集装置不是必需的，可直接接收来自其他源的人脸图像的输入。

在一个实施例中，在所述程序代码被处理器720运行时使得底图自动更新的人脸识别系统700执行以下步骤：对输入的人脸图像进行人脸识别；基于所述人脸识别的结果确定所述人脸图像中的人脸所对应的目标人员；以及基于预定更新策略，采用所述人脸图像对所述人脸识别所基于的底库中所述目标人员的底图进行更新，以用于下次人脸识别。

在一个实施例中，所述预定更新策略包括：当所述底库中所述目标人员的底图的数目小于预定阈值时，将所述人脸图像添加到所述底库中补充所述目标人员的底图；以及当所述底库中所述目标人员的底图的数目已达到所述预定阈值时，基于预定替换策略，采用所述人脸图像替换所述底库中所述目标人员的一个底图。

在一个实施例中，所述预定替换策略包括：当所述人脸图像的质量达到预定标准且超过所述底库中所述目标人员的底图中至少一个的质量时，采用所述人脸图像替换所述底库中所述目标人员的底图中质量最差的一个。

在一个实施例中，所述人脸图像的质量的计算基于以下因素中的至少一个：人脸分辨率、高斯模糊、运动模糊、曝光效果及人脸倾斜度。

在一个实施例中，所述人脸图像的质量的计算基于以下因素中的至少两个：人脸分辨率、高斯模糊、运动模糊、曝光效果和人脸倾斜度，并且所述人脸图像的质量Q为：

其中，S_i为所述人脸图像的质量的计算所基于的各个因素的质量实际值通过线性变换标准化到[0,1]区间的值，S_i包括S₁到S_n；w_i为所述人脸图像的质量的计算所基于的各个因素各自所占的权重，w_i包括w₁到w_n，其取值范围为：

0＜w_i＜1(1≤i≤n)

且满足

其中n为计算人脸图像的质量所基于的因素的数目，n大于等于2。

在一个实施例中，所述预定替换策略包括：当所述人脸图像的质量达到预定标准时，采用所述人脸图像替换所述底库中所述目标人员的底图中入库时间最早的一个。

此外，根据本发明实施例，还提供了一种存储介质，在所述存储介质上存储了程序指令，在所述程序指令被计算机或处理器运行时用于执行本发明实施例的底图自动更新的人脸识别方法的相应步骤，并且用于实现根据本发明实施例的底图自动更新的人脸识别装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合，例如一个计算机可读存储介质包含对输入的人脸图像进行人脸识别的计算机可读的程序代码，另一个计算机可读存储介质包含基于所述人脸识别的结果确定所述人脸图像中的人脸所对应的目标人员的计算机可读的程序代码，又一个计算机可读存储介质包含基于预定更新策略，采用所述人脸图像对所述人脸识别所基于的底库中所述目标人员的底图进行更新以用于下次人脸识别的计算机可读的程序代码。

在一个实施例中，所述计算机程序指令在被计算机运行时可以实现根据本发明实施例的底图自动更新的人脸识别装置的各个功能模块，并且/或者可以执行根据本发明实施例的底图自动更新的人脸识别方法。

在一个实施例中，所述计算机程序指令在被计算机或处理器运行时使计算机或处理器执行以下步骤：对输入的人脸图像进行人脸识别；基于所述人脸识别的结果确定所述人脸图像中的人脸所对应的目标人员；以及基于预定更新策略，采用所述人脸图像对所述人脸识别所基于的底库中所述目标人员的底图进行更新，以用于下次人脸识别。

在一个实施例中，所述预定更新策略包括：当所述底库中所述目标人员的底图的数目小于预定阈值时，将所述人脸图像添加到所述底库中补充所述目标人员的底图；以及当所述底库中所述目标人员的底图的数目已达到所述预定阈值时，基于预定替换策略，采用所述人脸图像替换所述底库中所述目标人员的一个底图。

在一个实施例中，所述预定替换策略包括：当所述人脸图像的质量达到预定标准且超过所述底库中所述目标人员的底图中至少一个的质量时，采用所述人脸图像替换所述底库中所述目标人员的底图中质量最差的一个。

在一个实施例中，所述人脸图像的质量的计算基于以下因素中的至少一个：人脸分辨率、高斯模糊、运动模糊、曝光效果及人脸倾斜度。

在一个实施例中，所述人脸图像的质量的计算基于以下因素中的至少两个：人脸分辨率、高斯模糊、运动模糊、曝光效果和人脸倾斜度，并且所述人脸图像的质量Q为：

其中，S_i为所述人脸图像的质量的计算所基于的各个因素的质量实际值通过线性变换标准化到[0,1]区间的值，S_i包括S₁到S_n；w_i为所述人脸图像的质量的计算所基于的各个因素各自所占的权重，w_i包括w₁到w_n，其取值范围为：

0＜w_i＜1(1≤i≤n)

且满足

其中n为计算人脸图像的质量所基于的因素的数目，n大于等于2。

在一个实施例中，所述预定替换策略包括：当所述人脸图像的质量达到预定标准时，采用所述人脸图像替换所述底库中所述目标人员的底图中入库时间最早的一个。

根据本发明实施例的底图自动更新的人脸识别装置中的各模块可以通过根据本发明实施例的底图自动更新的人脸识别电子设备的处理器运行在存储器中存储的计算机程序指令来实现，或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。

根据本发明实施例的底图自动更新的人脸识别方法、装置、系统以及存储介质按照预定的更新策略采用每次输入的用于人脸识别的新的人脸图像对底库中已有底图进行更新，可以改变底图单一或固定的情况，从而能够大幅提高人脸识别的准确率。

尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的物品分析设备中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。

Claims (4)

1.一种底图自动更新的人脸识别方法，其特征在于，所述人脸识别方法包括：

对输入的人脸图像进行人脸识别，包括检测出人脸区域，再对人脸区域建模形成特征向量，通过与底库里所有目标向量做数学运算获得相似度，最后对相似度排序取出分数最高的前k张图片作为人脸识别的结果；

基于所述人脸识别的结果确定所述人脸图像中的人脸所对应的目标人员，包括根据所述人脸识别的结果反查出图片归属的目标人员，得到m个目标人员，选择相似度最高分目标人员作为最终所确定的所述人脸图像中的人脸所对应的目标人员，其中m≤k；

当所述人脸图像在数据库中没有对应的目标人员时，将所述人脸图像添加到数据库中，创建新的目标人员，并将所述人脸图像作为所述新创建目标人员的底图；以及

基于预定更新策略，采用所述人脸图像对所述人脸识别所基于的底库中所述目标人员的底图进行更新，以用于下次人脸识别；

所述预定更新策略包括：

当所述底库中所述目标人员的底图的数目小于预定阈值时，将所述人脸图像添加到所述底库中补充所述目标人员的底图；以及

当所述底库中所述目标人员的底图的数目已达到所述预定阈值时，基于预定替换策略，采用所述人脸图像替换所述底库中所述目标人员的一个底图；

所述预定替换策略包括：

当所述人脸图像的质量达到预定标准且超过所述底库中所述目标人员的底图中至少一个的质量时，采用所述人脸图像替换所述底库中所述目标人员的底图中质量最差的一个；其中，所述人脸图像的质量的计算基于以下因素中的至少一个：人脸分辨率、高斯模糊、运动模糊、曝光效果和人脸倾斜度。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述人脸图像的质量的计算基于以下因素中的至少两个：人脸分辨率、高斯模糊、运动模糊、曝光效果和人脸倾斜度，并且所述人脸图像的质量Q为：

其中，S_i为所述人脸图像的质量的计算所基于的各个因素的质量实际值通过线性变换标准化到[0,1]区间的值，S_i包括S₁到S_n；w_i为所述人脸图像的质量的计算所基于的各个因素各自所占的权重，w_i包括w₁到w_n，其取值范围为：

0＜w_i＜1(1≤i≤n)

且满足

其中n为计算人脸图像的质量所基于的因素的数目，n大于等于2。

3.一种底图自动更新的人脸识别装置，其特征在于，所述人脸识别装置包括：

人脸识别模块，用于对输入的人脸图像进行人脸识别，包括检测出人脸区域，再对人脸区域建模形成特征向量，通过与底库里所有目标向量做数学运算获得相似度，最后对相似度排序取出分数最高的前k张图片作为人脸识别的结果；

目标确定模块，用于基于所述人脸识别的结果确定所述人脸图像中的人脸所对应的目标人员，包括所述人脸识别的结果反查出图片归属的目标人员，得到m个目标人员，选择相似度最高分目标人员作为最终所确定的所述人脸图像中的人脸所对应的目标人员，其中m≤k；当所述人脸图像在数据库中没有对应的目标人员时，将所述人脸图像添加到数据库中，创建新的目标人员，并将所述人脸图像作为所述新创建目标人员的底图；以及

底图更新模块，用于基于预定更新策略，采用所述人脸图像对所述人脸识别所基于的底库中所述目标人员的底图进行更新，以用于下次人脸识别；

所述预定更新策略包括：

当所述底库中所述目标人员的底图的数目小于预定阈值时，将所述人脸图像添加到所述底库中补充所述目标人员的底图；以及

当所述底库中所述目标人员的底图的数目已达到所述预定阈值时，基于预定替换策略，采用所述人脸图像替换所述底库中所述目标人员的一个底图；

所述预定替换策略包括：

当所述人脸图像的质量达到预定标准且超过所述底库中所述目标人员的底图中至少一个的质量时，采用所述人脸图像替换所述底库中所述目标人员的底图中质量最差的一个；其中，所述人脸图像的质量的计算基于以下因素中的至少一个：人脸分辨率、高斯模糊、运动模糊、曝光效果和人脸倾斜度。

4.根据权利要求3所述的人脸识别装置，其特征在于，所述人脸图像的质量的计算基于以下因素中的至少两个：人脸分辨率、高斯模糊、运动模糊、曝光效果和人脸倾斜度，并且所述人脸图像的质量Q为：

其中，S_i为所述人脸图像的质量的计算所基于的各个因素的质量实际值通过线性变换标准化到[0,1]区间的值，S_i包括S₁到S_n；w_i为所述人脸图像的质量的计算所基于的各个因素各自所占的权重，w_i包括w₁到w_n，其取值范围为：

0＜w_i＜1(1≤i≤n)

且满足

其中n为计算人脸图像的质量所基于的因素的数目，n大于等于2。

Images