CN107292300A - 一种人脸识别设备及方法 - Google Patents

Abstract

本申请公开了一种人脸识别设备，包括多路摄像头和处理器，所述多路摄像头用于拍摄图像，并将所述图像发送给处理器；其中，多路所述摄像头安装在不同的高度位置；所述处理器用于接收多路所述摄像头拍摄的图像，并判断所述图像中是否拍摄到人脸；若是，则对拍摄到人脸的图像进行人脸识别。本申请中利用多路在不同的高度位置安装的摄像头进行人脸图像拍摄，以便在拍摄到人脸时进行人脸识别，可以有效扩大人脸识别设备的可识别高度范围，进而方便不同身高的用户使用，提高用户的使用体验。本申请还公开了一种人脸识别方法，同样具有上述有益效果。

Description

一种人脸识别设备及方法

技术领域

本申请涉及图像处理技术领域，特别涉及一种人脸识别设备及方法。

背景技术

随着图像处理技术的发展与进步，人脸识别技术作为一种高端、可靠的身份检测手段，在现代生产生活的应用中，极大地提高了用户的使用体验，因而可以广泛使用在出入管理、监控管理、电脑安全防范、照片搜索、ATM机智能视频报警、铁路安检识别等应用中。

现有技术中，在进行人脸识别时，一般均使用单路双目摄像头对待识别的人脸进行图像的拍摄，然后经过一系列的图像预处理和图像识别处理，对拍摄图像中的人脸进行识别，得到待识别人脸的身份识别结果。

一般地，摄像头都会存在可视角度范围，在视觉盲区内的待检测人脸是无法被拍摄到图像的。并且，用于人脸识别的拍摄图像中，待检测人脸的图像比例必须保持在一定比例以上才可得到识别结果。因此，在进行人脸识别时，存在着一个可识别高度范围，即，只有在该可识别高度范围内的人脸，才有可能被识别成功。

然而，现有技术中采用的是单路的双目摄像头，其应用场景图如图1所示。从图1可以看出，单路摄像头的可视范围有限，可识别高度范围因此也很有限。目前，市场上的人脸识别设备的可识别距离一般为50cm～80cm，其在最大可识别距离处的可识别高度范围的跨度一般在35cm左右。以摄像头中心的安装高度为158cm为例，其在最大可识别距离处的可识别高度范围大致为140cm～175cm。由于不同的人身高差异很大，尤其是不同年龄段、不同地域的人，所以，使用现有技术很可能给不同身高的用户带来不同程度的不便。例如，对于身高较高的人，其往往需要弯腰以进入可识别高度范围内，而对于身高较低的人，其往往需要通过借助外物或者其他方式，才可进入可识别高度范围内，这些均降低了用户体验。

发明内容

本申请的目的在于提供一种人脸识别设备及方法，以便有效地扩展人脸识别的可识别高度范围，方便不同身高的用户的使用。

为解决上述技术问题，本申请提供一种人脸识别设备，包括多路摄像头和处理器；

多路所述摄像头：用于拍摄图像，并将所述图像发送给处理器；其中，多路所述摄像头安装在不同的高度位置；

所述处理器：用于接收多路所述摄像头拍摄的图像，并判断所述图像中是否拍摄到人脸；若是，则对拍摄到人脸的图像进行人脸识别。

可选地，多路所述摄像头在竖直方向上下可移动安装。

可选地，所述处理器具体用于：

接收单路所述摄像头拍摄的图像；

判断所述图像是否拍摄到人脸；

若是，则在对拍摄到人脸的图像进行人脸识别之后，切换接收另一个摄像头拍摄的图像；再次用于判断所述图像是否拍摄到人脸；

若否，则判断是否到达预设时间；若到达预设时间，则切换接收另一个摄像头拍摄的图像；再次用于判断所述图像是否拍摄到人脸。

可选地，多路所述摄像头具体用于：

在红外灯和红外滤光片被启用之后拍摄图像，并将所述图像发送给所述处理器。

可选地，所述处理器具体用于：

在对拍摄到人脸的图像进行人脸识别时，对拍摄到人脸的图像进行归一化处理，获取归一化图像；

从所述归一化图像中提取人脸特征数据；

将所述人脸特征数据与数据库中存储的人脸特征模型进行比对，若两者的相似度超过预设阈值，则输出显示与所述人脸特征数据相匹配的人脸特征模型。

可选地，所述处理器还用于：

在所述输出显示与所述人脸特征数据相匹配的人脸特征模型之后，计算所述人脸特征数据与所述人脸特征模型的差异值，根据所述差异值对所述人脸特征模型进行更新修正。

可选地，所述处理器具体用于：

通过深度学习算法，根据所述差异值对所述人脸特征模型进行更新修正。

本申请还提供了一种人脸识别方法，包括：

接收多路摄像头拍摄的图像，并判断所述图像中是否拍摄到人脸；其中，多路所述摄像头安装在不同的高度位置；

若是，则对拍摄到人脸的图像进行人脸识别。

可选地，所述接收多路摄像头拍摄的图像，并判断所述图像中是否拍摄到人脸；若是，则对拍摄到人脸的图像进行人脸识别包括：

接收单路所述摄像头拍摄的图像；

判断所述图像是否拍摄到人脸；

若是，则在对拍摄到人脸的图像进行人脸识别之后，切换接收另一个摄像头拍摄的图像；再次执行所述判断所述图像是否拍摄到人脸的步骤。

可选地，在所述接收单路所述摄像头拍摄的图像；判断所述图像是否拍摄到人脸之后还包括：

若否，则判断是否到达预设时间；

若到达预设时间，则切换接收另一个摄像头拍摄的图像；再次执行所述判断所述图像是否拍摄到人脸的步骤。

本申请所提供的人脸识别设备包括多路摄像头和处理器；多路所述摄像头用于拍摄图像，并将所述图像发送给处理器；其中，多路所述摄像头安装在不同的高度位置；所述处理器用于接收多路所述摄像头拍摄的图像，并判断所述图像中是否拍摄到人脸；若是，则对拍摄到人脸的图像进行人脸识别。

可见，相比于现有技术，本申请所提供的人脸识别设备，由于采用了在不同高度位置安装的多路摄像头用于人脸图像的拍摄，而若在拍摄的图像中检测到了人脸，处理器就可以用于对拍摄到人脸的图像进行人脸识别。由此可见，本申请所提供的人脸识别设备，通过引入多路不同安装高度的摄像头而可以有效扩展人脸识别的可识别高度范围，进而方便不同身高用户的使用。本申请所提供的人脸识别方法可以应用于上述人脸识别设备，同样具有上述有益效果。

附图说明

为了更清楚地说明现有技术和本申请实施例中的技术方案，下面将对现有技术和本申请实施例描述中需要使用的附图作简要的介绍。当然，下面有关本申请实施例的附图描述的仅仅是本申请中的一部分实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图，所获得的其他附图也属于本申请的保护范围。

图1为现有技术中所提供的人脸识别方法的应用场景图；

图2为本申请实施例所提供的一种人脸识别设备的应用场景图；

图3为本申请实施例所提供的一种人脸识别设备的结构框图；

图4为本申请实施例所提供的一种人脸识别方法的流程图；

图5为本申请实施例所提供的又一种人脸识别方法的流程图。

具体实施方式

为了对本申请实施例中的技术方案进行更加清楚、完整地描述，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行介绍。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参考图2，图2为本申请实施例所提供的一种人脸识别设备的应用场景图。

图2中所示的人脸识别设备中，具体使用了两路摄像头进行人脸图像的拍摄，并且，两者在竖直方向上下安装，由此扩大了对待识别对象在高度上的可识别范围。与图1相比较而言，图2中人脸识别设备的可识别高度范围明显大于图1中的人脸设备。

请参阅图3，图3为本申请所提供的一种人脸识别设备的结构框图；包括多路摄像头301和处理器302。

多路摄像头301主要用于拍摄图像，并将所述图像发送给处理器302；其中，多路摄像头301在不同的高度位置安装；并且，为了进一步扩大设备的可识别高度范围，这里所说的摄像头301还可以是在竖直方向上的可移动安装，甚至是可旋转安装；具体可以通过例如滑轨等与固定装置配合实现。

此外，由于采用普通的可见光成像时，识别结果容易受到环境光线变化的影响，增大了人脸识别的难度，降低了准确率。因此，本申请所提供的多路摄像头301还可以具体用于在启用红外灯和红外滤光片之后拍摄图像，并将所述图像发送给处理器302。

处理器302主要用于接收多路摄像头301拍摄的图像，并判断图像中是否拍摄到人脸；若是，则对拍摄到人脸的图像进行人脸识别。具体地，如果图像中出现了人脸的局部特征，例如鼻子、眉毛、眼镜、嘴巴、下巴等，则即可认定该图像拍摄到人脸。

其中，处理器302在对人脸图像进行人脸识别时，可以具体用于从摄像头301拍摄的人脸图像中提取人脸特征数据；并将人脸特征数据与数据库中存储的人脸特征模型进行比对，若两者的相似度超过预设阈值，则输出显示与人脸特征数据相匹配的人脸特征模型。

为了保障人脸识别的准确度和成功率，在对人脸图像进行人脸识别之前，处理器302还可以用于摄像头301发送的人脸图像进行归一化处理，获取归一化图像，以便从所述归一化图像中提取人脸特征数据。

为了进一步提高人脸识别设备对识别对象的局部特征变化的识别能力，处理器302在输出显示与人脸特征数据相匹配的人脸特征模型之后，还可以用于计算人脸特征数据与人脸特征模型的差异值，根据差异值对人脸特征模型进行更新修正，并且具体可以采用深度学习算法进行修正。

此外，处理器302可以具体用于轮流切换接收多路摄像头301拍摄的图像并判断是否拍摄到人脸。即，处理器302具体可以用于在接收到单路摄像头301的拍摄图像后进行人脸检测，若没有检测到人脸，则用于判断是否到达预设时间，若到达预设时间，则切换接收另一个摄像头301的拍摄图像；若检测到人脸，则对人脸图像进行人脸识别，并在人脸识别结束之后，切换接收另一个摄像头301的拍摄图像，以便再次用于判断接收的图像中是否拍摄到人脸。

其中，处理器302对多个摄像头301拍摄图像的切换接收，具体还可以通过增设一个控制器来实现。即，当处理器302需要切换图像发送源时，其可以用于向控制器发送切换指令，以便控制器将图像的发送源切换至另一个摄像头301。

需要说明的是，之所以将多路摄像头301在不同的高度位置安装，是为了将其可识别高度范围尽量错开，达到扩大整个设备的可识别高度范围的目的。并且，每个摄像头本身还可以以可旋转、竖直方向上可移动等方式进行安装。至于具体的安装距离、角度、实现方式等，可由本领域技术人员根据实际使用情况自行选择并设定。考虑到一般摄像头的可视角度范围，以图2中两个在竖直方向上下安装的摄像头为例，作为一种优选实施例，可以将两个摄像头上下距离20mm安装，并且，还可以将两个摄像头倾斜一定的角度：例如，将图2上方的摄像头的镜面设置在竖直面沿顺时针方向转动15°的角度，而将下方的摄像头的镜面设置在竖直面沿逆时针方向转动15°的角度，以尽量避免视觉盲区。在本申请所提供的优选实施例中，经测量，可以得到在最大可识别距离处的可识别高度范围跨度为65cm左右。

可见，本申请实施例所提供的人脸识别设备采用了多路摄像头进行人脸图像的拍摄，由于不同的摄像头安装在不同的高度位置，因此有效扩大了整个人脸识别设备的可识别高度范围，方便了不同身高的用户的使用，极大提高了用户体验。

请参考图4，图4为本申请实施例所提供的一种人脸识别方法的流程图；主要包括以下步骤：

步骤401：接收多路摄像头拍摄的图像。

步骤402：判断图像中是否拍摄到人脸；若是，进入步骤403。

人脸识别是一个相对复杂的过程，在进行人脸识别之前，首先可以判断是否检测到人脸。在接收到多路摄像头拍摄的视频流之后，可以从视频流中获取每一帧的拍摄图像，然后对这些图像进行检测，判断是否拍摄到人脸。

步骤403：对拍摄到人脸的图像进行人脸识别。

若经过步骤402判断所接收的图像中存在拍摄到人脸的图像，则即可对拍摄到人脸的图像进行人脸识别，即，从拍摄到人脸的图像中提取人脸特征数据；将所述人脸特征数据与数据库中存储的人脸特征模型进行比对，如果存在一个人脸特征模型使得两者的相似度超过预设阈值，说明该待识别对象与该人脸特征模型相匹配，则可以将该匹配的人脸特征模型输出显示。

一般地，在对人脸图像进行识别的过程中，会对原始的人脸图像进行预处理，即进行归一化处理获取归一化图像，以便从所述归一化图像中提取人脸特征数据，以保证人脸识别的成功率和准确率。归一化图像为去除了发型、妆容、眼镜、有害光源等影响之后的源图，其中准确包含了光源在人脸上所反射出的人脸特征的细节坐标信息及特征。因源图去除了上述影响因素，因此可以作为提取人脸特征的依据。经过归一化处理可以去除大部分干扰因素和干扰源头，让人脸特征的提取源变得更加有效和统一，从而有利于提高人脸识别的准确度和成功率。

值得一提的是，由于采用普通的可见光成像时，容易受到环境光线变化的影响，增大了人脸识别的难度，降低了准确率。因此，本申请还可以采用近红外人脸识别，以解决人脸识别中的光照问题。即，可以通过使用强度高于环境光线的主动近红外光源成像，配合相应波段的光学滤片，来得到与环境光线无关的近红外人脸图像，以便对该近红外人脸图像进行人脸识别。

请参考图5，在图4所示人脸识别方法的基础上，图5为本申请实施例所提供的又一种人脸识别方法的流程图；主要包括以下步骤。相同或者相似部分请参考图4所示内容，这里就不再赘述。

步骤501：接收单路摄像头在启用红外灯和红外滤光片后拍摄的图像。

如前所述，通过启用红外灯和红外滤光片，可以过滤掉除近红外光以外的其他光源，实现近红外成像，以便进行近红外人脸识别，提高识别的准确度。

步骤502：判断图像中是否拍摄到人脸；若是，进入步骤503；若否，进入步骤505。

由于在进行人脸识别时，一次只能将一个待识别人脸图像的特征数据与数据库中的人脸特征模型进行比对，因此，在接收多路摄像头的拍摄图像时也可以轮流切换接收，即同一时刻只接收其中一个摄像头拍摄的图像并进行人脸检测，若没有检测到人脸特征，则在到达预设时间之后，就切换接收另一个摄像头的拍摄图像进行人脸检测；而若当前图像中已经拍摄到人脸，则可以暂时停止对多路所述摄像头拍摄的图像的轮流切换接收，并持续接收当前拍摄到人脸的摄像头拍摄的图像，以便对该摄像头的拍摄图像进行人脸识别，并可以在人脸识别结束之后恢复对多路所述摄像头拍摄的图像的轮流切换接收。

在上述过程中，当处理器接收到其中一个摄像头发送的图像后，可以对该图像进行人脸检测，若拍摄到人脸，则进入步骤503；若没有拍摄到人脸，则进入步骤505。

步骤503：对拍摄的人脸图像进行人脸识别；进入步骤504。

在对拍摄的人脸图像进行人脸识别时，可以首先对图像进行归一化处理，获取归一化图像；然后从归一化图像中提取人脸特征数据；并将所述人脸特征数据与数据库中存储的人脸特征模型进行比对，若存在一个人脸特征模型使得两者的相似度超过预设阈值，说明该待识别对象与该人脸特征模型相匹配，则可以将该匹配的人脸特征模型输出显示。

步骤504：对人脸特征模型进行更新修正；进入步骤506。

当得到识别结果之后，还可以计算人脸特征数据与人脸特征模型的差异值，并根据差异值，对人脸特征模型进行更新修正，以提高对同一用户人脸的局部特征变化的识别判断能力，进而提高识别速度和效果，避免出现同一用户在间隔一段时间后无法正确辨识的现象。具体地，可以通过深度学习算法，根据差异值对人脸特征模型进行更新修正。

步骤505：判断是否到达预设时间；若是，则进入步骤506。

所说的预设时间，是指若当前所接收的图像中没有拍摄到人脸，则每隔一段时间就切换接收另一个摄像头的拍摄图像，即进入步骤506。

步骤506：切换接收另一个摄像头拍摄的图像，并进入步骤502。

当经步骤504进行完人脸识别后，或者经步骤505判断到达切换摄像头的预设时间之后，处理器就切换接收另外一个摄像头的拍摄图像，并由此进入步骤502，再次开始新一轮的检测与识别。

此外，需要说明的是，具体还可以通过控制器来控制处理器对多路摄像头数据的切换接收。即，当处理器需要切换图像的接收源时，可以通过串口向控制器发送切换信号，由控制器来执行切换命令。

由此可见，本申请实施例所提供的人脸识别方法，在图4所示方法的基础上，还可以进一步对用于人脸识别的人脸特征模型进行修正，以提高对用户人脸局部特征变化的识别能力，进一步提高用户体验。

本申请中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的设备而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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申请的范围。

以上对本申请所提供的技术方案进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

Claims (10)

1.一种人脸识别设备，其特征在于，包括：

多路摄像头：用于拍摄图像，并将所述图像发送给处理器；其中，多路所述摄像头安装在不同的高度位置；

所述处理器：用于接收多路所述摄像头拍摄的图像，并判断所述图像中是否拍摄到人脸；若是，则对拍摄到人脸的图像进行人脸识别。

2.根据权利要求1所述人脸识别设备，其特征在于，多路所述摄像头在竖直方向上下可移动安装。

3.根据权利要求1所述人脸识别设备，其特征在于，所述处理器具体用于：

接收单路所述摄像头拍摄的图像；

判断所述图像是否拍摄到人脸；

若是，则在对拍摄到人脸的图像进行人脸识别之后，切换接收另一个摄像头拍摄的图像；再次用于判断所述图像是否拍摄到人脸；

若否，则判断是否到达预设时间；若到达预设时间，则切换接收另一个摄像头拍摄的图像；再次用于判断所述图像是否拍摄到人脸。

4.根据权利要求1至3任一项所述人脸识别设备，其特征在于，多路所述摄像头具体用于：

在红外灯和红外滤光片被启用之后拍摄图像，并将所述图像发送给所述处理器。

5.根据权利要求4所述人脸识别设备，其特征在于，所述处理器具体用于：

在对拍摄到人脸的图像进行人脸识别时，对拍摄到人脸的图像进行归一化处理，获取归一化图像；

从所述归一化图像中提取人脸特征数据；

将所述人脸特征数据与数据库中存储的人脸特征模型进行比对，若两者的相似度超过预设阈值，则输出显示与所述人脸特征数据相匹配的人脸特征模型。

6.根据权利要求5所述人脸识别设备，其特征在于，所述处理器还用于：

在所述输出显示与所述人脸特征数据相匹配的人脸特征模型之后，计算所述人脸特征数据与所述人脸特征模型的差异值，根据所述差异值对所述人脸特征模型进行更新修正。

7.根据权利要求6所述人脸识别设备，其特征在于，所述处理器具体用于：

通过深度学习算法，根据所述差异值对所述人脸特征模型进行更新修正。

8.一种人脸识别方法，其特征在于，包括：

接收多路摄像头拍摄的图像，并判断所述图像中是否拍摄到人脸；其中，多路所述摄像头安装在不同的高度位置；

若是，则对拍摄到人脸的图像进行人脸识别。

9.根据权利要求8所述人脸识别方法，其特征在于，所述接收多路摄像头拍摄的图像，并判断所述图像中是否拍摄到人脸；若是，则对拍摄到人脸的图像进行人脸识别包括：

接收单路所述摄像头拍摄的图像；

判断所述图像是否拍摄到人脸；

若是，则在对拍摄到人脸的图像进行人脸识别之后，切换接收另一个摄像头拍摄的图像；再次执行所述判断所述图像是否拍摄到人脸的步骤。

10.根据权利要求9所述人脸识别方法，其特征在于，在所述接收单路所述摄像头拍摄的图像；判断所述图像是否拍摄到人脸之后还包括：

若否，则判断是否到达预设时间；

若到达预设时间，则切换接收另一个摄像头拍摄的图像；再次执行所述判断所述图像是否拍摄到人脸的步骤。