CN108009521B - 人脸图像匹配方法、装置、终端及存储介质 - Google Patents
人脸图像匹配方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN108009521B CN108009521B CN201711394903.2A CN201711394903A CN108009521B CN 108009521 B CN108009521 B CN 108009521B CN 201711394903 A CN201711394903 A CN 201711394903A CN 108009521 B CN108009521 B CN 108009521B
- Authority
- CN
- China
- Prior art keywords
- image
- face
- target
- face image
- matching
- 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
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- 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
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Abstract
本申请实施例公开了一种人脸图像匹配方法、装置、终端及存储介质。该方法包括:获取目标人脸图像的目标属性特征;在图像库中,确定与所述目标属性特征相对应的人脸图像的属性特征;确定所述目标属性特征相对应的优先级;按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配。本申请实施例通过采用上述技术方案,有效提高了人脸图像匹配的速度。
Description
技术领域
本申请实施例涉及人脸识别技术领域,尤其涉及一种人脸图像匹配方法、装置、终端及存储介质。
背景技术
随着高科技信息技术的快速发展,人脸识别技术逐渐往市场化、产品化的方向发展。
目前,人脸识别的应用越来越广泛,包括企业、住宅安全和管理。如人脸识别门禁考勤系统用于记录员工考勤,以及人脸识别防盗门用于提高安防等。但是,在获取用户的人脸图像后,由于人脸图像库数量巨大,导致将该用户的人脸图像与人脸图像库中的图像进行匹配的耗费时间长,速度慢。
发明内容
本发明提供一种人脸图像匹配方法、装置、终端及存储介质,提高了人脸图像的匹配速度。
第一方面,本申请实施例提供了一种人脸图像匹配方法,该方法包括:
获取目标人脸图像的目标属性特征;
在图像库中,确定与所述目标属性特征相对应的人脸图像的属性特征;
确定所述目标属性特征相对应的优先级;
按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配。
第二方面,本申请实施例还提供了一种人脸图像匹配装置,该装置包括:
特征获取模块,用于获取目标人脸图像的目标属性特征;
特征确定模块,用于在图像库中,确定与所述目标属性特征相对应的人脸图像的属性特征;
优先级确定模块,用于确定所述目标属性特征相对应的优先级;
匹配模块,用于按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配。
第三方面,本申请实施例还提供了一种终端,包括第一存储器、第一处理器及存储在所述第一存储器上并可在所述第一处理器上运行的计算机程序,所述第一处理器执行所述计算机程序时实现本申请实施例所述的人脸图像匹配方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的人脸图像匹配方法。
本申请实施例中提供的人脸图像匹配方案,通过获取目标人脸图像的目标属性特征,先对目标人脸图像的特征进行标记,以在图像库中获取与目标属性特征相对应的属性特征,再按照目标属性特征相对应的优先级的顺序,逐级将目标人脸图像与图像库中的人脸图像进行匹配,避免了目标人脸图像与图像库内存储的所有人脸图像进行匹配的过长时间,有效提高了人脸图像匹配的速度。
附图说明
图1为本申请实施例提供的一种人脸图像匹配方法的流程示意图;
图2是本申请实施例提供的又一种人脸图像匹配方法的流程示意图;
图3是本申请实施例提供的又一种人脸图像匹配方法的流程示意图;
图4是本申请实施例提供的又一种人脸图像匹配方法的流程示意图;
图5是本申请实施例提供的一种人脸图像匹配装置的结构示意图;
图6A是本申请实施例中的一种终端的结构示意图;
图6B是本申请实施例中的又一种终端的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
相关技术中,人脸图像与图像库中图像的匹配过程为:采集用户的人脸图像,将该用户的人脸图像与图像库中预设存储的人脸图像逐个进行匹配。若在图像库中能够找到与该用户的人脸图像相匹配的图像,则表明该用户验证成功,由于将该用户的人脸图像与庞大的数据库中的图像逐个比对,导致匹配时间过长。本申请实施例提供的人脸图像匹配方法,能够有效提高匹配速度,具体如下:
图1为本申请实施例提供的一种人脸图像匹配方法的流程图,本实施例可适用于各种人脸图像匹配的情况,所述方法由人脸图像匹配装置来执行,所述装置由软件和/或硬件来执行,所述装置配置在诸如打卡设备、门禁设备等终端设备中。如图1所示,本实施例提供的技术方案具体如下:
步骤110、获取目标人脸图像的目标属性特征。
本实施例可以利用人脸识别技术对目标人脸图像进行匹配。其中,人脸识别技术属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。示例性的,人脸识别技术可以基于人的脸部特征,对输入的人脸图像,首先判断其是否存在人脸。如果存在人脸,则获取该人脸脸部的位置、大小和各个主要面部器官的位置信息。通过依据上述信息,可以与图像库中已知的人脸进行对比,从而识别该人脸图像的身份。目前,人脸识别技术逐渐应用于人们的各项生活中。例如,为了提高住宅用户的安全性,越来越多的住宅安装人脸识别门禁设备,用于对到访人员进行识别。又例如,为了方便管理公司职工的考勤,越来越多的公司安装人脸识别考勤设备,用于监控职工的考勤情况。
在本实施例中,目标人脸图像可为当前时间需要进行匹配的人脸图像。目标人脸图像可以包括儿童、少年、青年、成年、中年以及老年;目标人脸图像可以不对性别进行限定。目标属性特征可包括目标人脸图像中人脸所具备的特征,具体例如,性别、脸型、鼻形、嘴型、眼形、发型以及是否戴眼镜、是否有痣和是否有皱纹等特征。
在本实施例中,通过图像采集装置获取目标人物的目标人脸图像,再根据采集的目标人脸图像确定所包含的目标属性特征。其中,图像采集装置可以集成于人脸图像匹配设备中,获取目标人脸图像的目标属性特征的执行主体可以是人脸图像匹配设备的系统执行,或者由人脸图像匹配设备中的处理软件执行,获取目标人脸图像的目标属性特征的操作可以在用户的操作指示下由系统或处理软件执行。当用户有需求进行人脸图像匹配时,人脸图像匹配设备通常可以打开处理软件的操作界面,将目标人脸图像添加至该操作界面中进行操作,以获取目标属性特征。
步骤120、在图像库中,确定与所述目标属性特征相对应的人脸图像的属性特征。
其中,图像库可为存储大量人脸图像的数据库,用于为目标人脸图像提供比对的参照图。例如,如果人脸图像匹配设备为小区用于安防的人脸识别门禁设备,那么图像库中的人脸图像存储的是小区内的常住居民图像;如果人脸图像匹配设备为公司用于记录考勤的人人脸识别考勤设备,那么图像库中的人脸图像存储的是该公司内职工的人脸图像。
其中,图像库中的人脸图像的属性特征也可以是根据人脸图像进行标注的图像特征。本实施例对图像库中的人脸图像进行处理,标注每个人脸图像的属性特征。其中,一个人脸图像可以包含至少一个属性特征。具体例如,某人脸图像可以包含瓜子脸、双眼皮大眼睛、长头发、成年以及女性。
在本实施例中,在获取目标人脸图像的目标属性特征之后,可以在图像库中,确定与目标属性相对应的人脸图像的属性特征以确定将要进行匹配的人脸图像。具体例如,若获取的目标人脸图像中的目标属性特征包括眼镜、圆形脸、双眼皮大眼睛、中年以及男性,则在图像库中确定与目标属性特征相对应的具有眼镜、圆形脸、双眼皮大眼睛、中年以及男性各个属性特征的人脸图像。
步骤130、确定所述目标属性特征相对应的优先级。
其中,优先级可指的是人脸图像中的目标属性特征先后进行匹配的排序,也即优先级高的目标属性特征先进行匹配,优先级低的特征后进行匹配。在本实施例中,优先级可以反映目标人脸图像中的目标属性特征的个性化程度,也即个性化程度高的目标属性特征的优先级高,个性化程度低的目标属性特征的优先级低。
在本实施例中,可以预设优先级,再根据预设优先级确定目标人脸图像中所有目标属性特征相对应的优先级。示例性的,根据预设优先级确定目标属性特征相对应的优先级的执行主体可以是人脸图像匹配设备的系统执行,或者由人脸图像匹配设备中的处理软件执行,其中,确定目标属性特征相对应的优先级的操作可以在用户的操作指示下由系统或处理软件执行。
例如,预设优先级的高低顺序可以设定为:个性化标记、眼形、脸型、年龄、发型以及性别等。其中,个性化标记可包含皱纹、眼镜或者痣等。由于个性化标记内包含的特征不属于同一类型,因此,可将个性化标记内包含的特征进行优先级高低的设定,例如可以是痣、皱纹和眼镜。具体例如,若获取的目标人脸图像中的目标属性特征包括:眼镜、圆形脸、双眼皮大眼睛、中年以及男性。那么根据预设优先级,本实施例中各目标属性特征优先级高低排序为:眼镜、双眼皮大眼睛、圆形脸、中年以及男性。
需要说明的是,本实施例中提供的目标属性特征的种类以及预设优先级的排序仅仅是一种示例,本实施例不对目标属性特征的种类以及预设优先级的高低顺序进行限定。
步骤140、按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配。
在本实施例中,在确定了目标人脸图像中的目标属性特征的优先级之后,根据优先级的高低顺序可确定优先级最高的目标属性特征,再在图像库中确定与目标属性特征一致的属性特征,在与属性特征相对应的人脸图像进行匹配。例如,若获取的目标人脸图像中的目标属性特征优先级高低排序为眼镜、双眼皮大眼睛、圆形脸、中年以及男性,那么将目标人脸图像与图像库中属性特征相对应的人脸图像进行匹配的顺序为:将目标人脸图像与图像库中具有眼镜属性特征的人脸图像进行匹配;将目标人脸图像与图像库中具有圆形脸属性特征的人脸图像进行匹配;将目标人脸图像与图像库中具有中年属性特征的人脸图像进行匹配;将目标人脸图像与图像库中具有男性属性特征的人脸图像进行匹配。
可选的,在逐级将目标人脸图像与图像库中属性特征相对应的人脸图像进行匹配的过程中,在图像库中若存在一个属性特征相对应的人脸图像与目标人脸图像匹配成功,则可以结束匹配过程。具体例如,在上述示例中,若将目标人脸图像与图像库中具有眼镜属性特征的人脸图像进行匹配的过程中,在图像库中存在一个人脸图像与目标人脸图像匹配成功,则可以结束匹配过程,也即可以无需对剩余的属性特征(双眼皮大眼睛、圆形脸、中年以及男性)进行匹配。
需要说明的是,由于目标人脸图像中的人物各不相同,每个目标人脸图像的目标属性特征可能也会不相同,因此在确定目标人脸图像的目标属性特征,通过优先级确定先进行匹配的目标属性特征,再根据目标属性特征在图像库中确定与目标属性特征一致的属性特征,最后逐级将目标人脸图像与图像库中属性特征相对应的人脸图像进行匹配,可以直接针对目标人脸图像的属性特征匹配图像库中与其相对应的属性特征的人脸图像。
需要说明的是,由于优先级为根据个性化特征的高低进行排序的,因此优先对个性化特征最突出的属性特征进行匹配,更容易以最快的速度匹配成功,提高匹配速度。
本申请实施例中提供的人脸图像匹配方法,通过获取目标人脸图像的目标属性特征,先对目标人脸图像的特征进行标记,以在图像库中获取与目标属性特征相对应的属性特征,再按照目标属性特征相对应的优先级的顺序,逐级将目标人脸图像与图像库中的人脸图像进行匹配,避免了目标人脸图像与图像库内存储的所有人脸图像进行匹配的过长时间,有效提高了人脸图像匹配的速度。
示例性的,所述属性特征包含年龄特征、性别特征、发型特征、脸型特征、鼻形特征、眼形特征、嘴型特征以及个性化标记特征中的至少一种。
其中,年龄特征可包括幼儿、儿童、少年、青年、成年、中年以及老年等能够区分用户年龄段的特征;性别特征可包括男、女以及中性等;发型特征可以包括:长发直发、长发卷发、中长发直发、中长发卷发、短发直发以及短发卷发以及寸头短发等;脸型特征可包括圆形脸、长形脸、方形脸(国字脸)、三角形脸、椭圆形脸(瓜子脸以及鹅蛋脸)、菱形脸以及心形脸等;鼻形特征可包括超狭鼻、狭鼻、中鼻、阔鼻以及超阔鼻等;眼形特征可包括桃花眼,瑞凤眼,睡凤眼,柳叶眼,杏眼,狐狸眼,铜铃眼,龙眼,丹凤眼以及小鹿眼等;嘴型特征可包括:樱桃口、四字口、仰月口以及弯弓口等;个性化标记特征可包括眼镜、皱纹、伤疤以及痣等。
需要说明的是,本实施例中属性特征的分类仅仅是一种示例,本实施例中的属性特征还可以包含其他特征,本实施例不对其进行限定。本实施例提供的年龄特征、性别特征、发型特征、脸型特征、鼻形特征、嘴型特征、眼形特征以及个性化标记特征内包含的特征也仅仅是一种示例,本实施例中不对其进行限定。
需要说明的是,无论是图像库中人脸图像的属性特征还是目标人脸图像中的目标属性特征,都是根据人脸图像的实际情况而定。通过设定人脸图像的多维度的属性特征,有助于完整性的体现人脸图像的特征,进而根据属性特征减少目标人脸图像与图库中人脸图像进行匹配的次数,提高匹配效率。
图2为本申请实施例提供的另一种人脸图像匹配方法的流程示意图,该方法包括如下步骤:
步骤210、获取目标人脸图像的目标属性特征。
步骤220、将所述图像库输入图像标记模型,以标记所述图像库中的所有人脸图像的属性特征。
其中,所述图像标记模型为根据图像样本集训练的模型。
其中,图像标记模型为用于在图像库后快速标记出图像库中的所有人脸图像的属性特征的学习模型。图像标记模型可以是神经网络模型,其中,该神经网络模型可以是卷积神经网络模型,也可以是非卷积神经网络,且本申请实施例中对该神经网络模型的层数、层、不同卷积核和/或权重等网络参数不作限定。如,本申请实施例中的图像标记模型可以为包含五个卷积层与两个池化层的神经网络模型。
其中,图像样本集为包含了大量包含人物图像的样本集,可存储于人脸图像匹配设备本地,也可存储于对应的服务器中。图像样本集可以包含已标记属性特征的样本图像,也可包含未标记属性特征的样本图像。本申请实施例可以根据图像样本集中样本图像包含的各种人脸特征训练图像标记模型。
在本实施例中,利用图像样本集训练图像标记模型以调整图像标记模型的权重等网络参数,最后能够达到对各种人脸图像标注属性特征的效果。且经大量的迭代训练得到的图像标记模型具有对输入的图像库进行加权计算的能力,从而能够快速对图像数据库中人脸图像的属性特征进行标注。
步骤230、根据所述属性特征将所述图像库中的人脸图像进行分类,并预设各类属性特征的优先级。
其中,预设各类属性特征的优先级即是预设优先级,且根据个性化特征的程度而定,不再赘述。
由于图像数据库包含多张人脸图像,各个人脸图像均标注属性特征。因此,可以根据属性特征将人脸图像进行分类。例如,可以将属于同一属性特征的人脸图像分为一类。由于人脸图像可包含多个属性特征,因此,可以将同一人脸图像存储分类于多个属性特征中。或者例如,由于每个人脸图像中的属性特征具有优先级,因此,也可将人脸图像归类于优先级最高的属性特征一类。
示例性的,所述属性特征包含多个,根据所述属性特征对所述人脸图像进行分类,包括:基于同一属性特征的人脸图像建立子图像库;若存在一人脸图像包含多个属性特征,则将所述一人脸图像存储于多个相对应的子图像库中。
其中,子图像库用于存储同一属性特征的人脸图像,其数量不作限定。同一属性特征,指的是具有相同的属性特征,例如,将具有圆形脸属性特征的人脸图像建立一个子图像库,将具有樱桃口属性特征的人脸图像建立一个子图像库,以及将具有皱纹属性特征的人脸图像建立一个子图像库等。
例如,若个性化特征包含眼镜、痣、皱纹以及伤疤,因此,可根据上述四个特征分别建立子图像库,其中子图像库中的每张人脸图像均含有同一相同的属性特征。由于个人脸图像均含有多个属性特征,因此,为了降低人脸匹配的出错率,可将该人脸图像存储至多个子图像库中。具体例如,若获取的图像库中某人脸图像中的属性特征包括:皱纹、双眼皮大眼睛、方形脸、老年以及男性,则将该人脸图像分别存储至皱纹、双眼皮大眼睛、方形脸、老年以及男性的子图像库中。
本申请实施例通过将包含多个属性特征的人脸图像存储于多个相对应的子图像库中,可以降低人脸匹配的出错率,提高人脸匹配的准确性。
步骤240、确定所述目标属性特征相对应的优先级。
步骤250、按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配。
本申请实施例通过将图像库输入图像标记模型,以标记图像库中的所有人脸图像的属性特征,再根据所述属性特征将所述图像库中的人脸图像进行分类,能够快速标记人脸图像中的属性特征,有助于根据属性特征对人脸图像进行分类。
示例性的,在将图像库输入图像标记模型之前,还包括:确定与所述属性特征相对应的关键字;根据所述关键字,在网络图像库中获取与所述关键字相对应的图像作为样本图像;标记所述属性特征至所述样本图像,并存储至所述图像样本集;根据所述图像样本集,基于设定机器学习算法对所述图像标记模型进行训练。
其中,关键字可以为属性特征中的任意一种类别的名称,或者可以为与属性特征中的任意一种特征相关的关键字。关键字用于在网络图像库中搜索样本图像,由于本申请实施例中图像标记模型为标记属性特征的学习模型,因此用于训练该模型的图像样本集可包含各种属性特征的样本图像。
其中,网络图像库为包含了大量人脸图像的图像库,同时也包含了各种属性特征的图片,因此,可以将网络图像库作为图像样本集的素材库。需要说明的是,网络图像库可以为在可联网移动设备或者可联网固定设施上的任意网络平台上搜索的图像库。样本图像可为通过网络图像库共享的图像库中获取的人脸图像,具体可为与关键字相对应的人脸图像。需要说明的是,本申请实施例不对样本图像的数量进行限定。
其中,机器学习主要研究对象是人工智能,可研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习算法可包括计算机如何实现人工智能或者在经验学习中如何自动改进的一种算法。本申请实施例中的设定的机器学习算法用于训练图像标记模型,可以是神经网络模型。需要说明的是,本申请实施例对机器学习算法的种类不作限定。
具体的,本申请实施例中的图像标记模型的训练可基于网络图像库中的人脸图像进行训练。具体例如,可将标记了相同关键字的人脸图像归为同一属性特征的样本图像,由于图像标记模型的图像样本集可包含多种属性特征,因此,关键字也分为多种属性特征。并且,属于同一属性特征的相对应关键字可包含多个。
具体的,人脸匹配设备可以根据接收到的用户指示,在网络图像库中搜索关键字,并将搜索结果的图片作为样本图像。具体例如,关键字可设定为皱纹,那么,将搜索的图像作为皱纹属性特征的样本图像。在确定样本图像之后,可将所有样本图像标记该类关键字,并存储至图像样本集中作为训练素材。或者,也可将所有样本图像作为一个子样本集整体标记该类关键字,并存储至图像样本集中作为训练素材。
本申请实施例通过设定图像样本集与机器学习算法,能够对图像标记模型进行训练以对图像库中包含的人脸图像标记属性特征。
图3为本申请实施例提供的另一种人脸图像匹配方法的流程示意图,该方法包括如下步骤:
步骤310、获取目标人脸图像的目标属性特征。
步骤320、确定所述目标属性特征相对应的各个优先级。
步骤330、确定第一优先级以及确定与所述第一优先级相对应的第一子图像库。
其中,第一优先级可为优先级中等级最高的级别,即个性化特征最凸显的等级。第一子图像库可包括第一优先级对应的目标属性特征在图像库中匹配到的子图像库。
具体的,人脸匹配设备在确定各个目标属性特征的优先级之后,先确定优先级最高的第一优先级,再根据第一优先级对应的目标属性特征在图像库中确定与目标属性特征相同的属性特征,将该属性特征对应的子图像库作为第一子图像库。
步骤340、将目标人脸图像逐一与所述第一子图像库中的人脸图像进行匹配。
具体的,在确定了第一子图像库之后,可以将目标人脸图像逐一与第一子图像库中的人脸图像进行匹配。例如,若某用户的第一优先级所对应的目标属性特征为皱纹,那么在图像库中确定皱纹所对应的子图像库作为第一子图像库。并将目标人脸图像逐一与皱纹的第一子图像库中的人脸图像进行匹配。
步骤350、若在所述目标属性特征相对应的多个子图像库中,未有人脸图像与所述目标人脸图像相匹配,则将所述目标人脸图像与所述图像库中的人脸图像进行匹配。
在本实施例中,人脸图像的目标属性特征可包括多个,与目标属性特征对应的子图像库包括多个。但是相对于图像库而言,与目标属性特征对应的子图像库中包含的人脸图像的数量毕竟是少数。因此,为了避免随着年龄的增加,面部不断发生变化,也为了防止图像标记模型标记属性特征出现失误,因此当目标属性特征相对应的多个子图像库中,未有人脸图像与目标人脸图像相匹配时,则将目标人脸图像与图像库中的人脸图像进行匹配。
需要说明的是,由于人脸图像为静态图片,而随着年龄的增加用户面部可能会发生变化或者是改变造型(具体如改变发型或者微整形等),因此,若目标人脸图像与图像库中的人脸图像匹配成功后,可以将当前用户的目标人脸图像更新至图像库中,以替代原有图像,提高匹配效率。
本申请实施例通过确定第一优先级以及确定与第一优先级相对应的第一子图像库;将目标人脸图像逐一与第一子图像库中的人脸图像进行匹配;若在目标属性特征相对应的多个子图像库中,未有人脸图像与目标人脸图像相匹配,则将目标人脸图像与图像库中的人脸图像进行匹配,有效降低了人脸匹配的出错率。
图4为本申请实施例提供的另一种图片分类方法的流程示意图,该方法包括如下步骤:
步骤410、获取目标人脸图像的目标属性特征。
步骤420、确定所述目标属性特征相对应的优先级。
步骤430、按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配。
步骤440、设定随机人脸动作。
由于人脸匹配设备进行匹配的原理是采集目标人脸图像,将目标人脸图像与图像库中的图像进行匹配,而目标人脸图像为静态图像,因此很容易让不法分子使用含有目标人脸图像的图像蒙混过关。在目标人脸图像与图像库中某一人脸图像匹配成功后,可以检测该目标人脸图像对应的目标人物是否为活体人物。
步骤450、若所述目标人脸图像匹配成功,则显示所述人脸动作的图像。
其中,人脸动作可为面部五官或者五官带动面部肌肉而形成动作或表情,例如,张嘴、微笑、大笑、闭眼睛、脸部朝左、噘嘴以及吐舌头等。
具体的,可以设定人脸动作。为了提高安全性能,人脸匹配设备可以预设多个人脸动作,当目标人脸图像匹配成功后,可随机选取至少一个人脸动作。需要说明的是,人脸图像设备设定人脸动作的个数不作限定。
步骤460、若采集到的所述目标人脸图像的下一图像满足活体检测条件,则确定目标人脸为活体人脸。
其中,目标人脸图像的下一图像可以为一个或多个。活体检测条件可包含目标人物能够做出人脸匹配设备要求的人脸动作,例如可以是采集的目标人脸图像的下一图像中含有所要求的人脸动作。具体的,在人脸匹配设备为用户提供人脸动作后,可采集目标人脸图像的下一图像,采集的触发条件可以为检测到用户确定的触发操作,或者实时获取人物图像,在预设时长内,若检测到下一图像满足检测条件,则确定目标人脸为活体人脸。
本申请实施例通过设定随机人脸动作,确定目标人脸为活体人脸,有效避免了目标人脸图像为静态照片与图像库中人脸图像进行匹配,提高匹配准确性。
示例性的,在显示所述人脸动作之前,还包括:获取目标人物的历史匹配时间段;获取目标人物的当前匹配时刻;若确定所述当前匹配时刻未处于所述历史匹配时间段内,则判断所述目标人脸是否为活体人脸。
在目标人脸图像与图像库中的人脸图像匹配成功后,可以采集目标人物的历史匹配时间段,由此推断目标人物经常匹配的时间段,再获取目标人物当前匹配时刻,判断当前匹配时刻是否处于历史匹配时间段。若当前匹配时刻处于历史匹配时间段内,则不对目标人脸记性活体人脸验证;若当前匹配时刻未处于历史匹配时间段内,则对目标人脸记性活体人脸验证。例如,若目标人物为上班族,进行人脸匹配的历史匹配时间段在5点至7点之间,那么若检测目标人物的当前匹配时刻为11点,则对其进行活体人脸验证。
本申请实施例通过获取目标人物的历史匹配时间段和当前匹配时刻,若确定当前匹配时刻未处于历史匹配时间段内,则判断目标人脸是否为活体人脸,避免了次次对目标人脸进行检测活体人脸验证的繁琐过程。
图5为本申请实施例提供的人脸图像匹配装置的结构框图,本申请实施例可适用于各种人脸图像匹配的情况,该装置可有软件和/或硬件实现,所述装置配置在诸如打卡设备、门禁设备等终端设备中。如图5所示,该装置可以包括:特征获取模块51、特征确定模块52、优先级确定模块53和匹配模块54。
特征获取模块51,用于获取目标人脸图像的目标属性特征;
特征确定模块52,用于在图像库中,确定与所述目标属性特征相对应的人脸图像的属性特征;
优先级确定模块53,用于确定所述目标属性特征相对应的优先级;
匹配模块54,用于按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配。
本申请实施例中提供的人脸图像匹配装置,通过获取目标人脸图像的目标属性特征,先对目标人脸图像的特征进行标记,以在图像库中获取与目标属性特征相对应的属性特征,再按照目标属性特征相对应的优先级的顺序,逐级将目标人脸图像与图像库中的人脸图像进行匹配,避免了目标人脸图像与图像库内存储的所有人脸图像进行匹配的过长时间,有效提高了人脸图像匹配的速度。
可选的,特征确定模块52具体用于:将所述图像库输入图像标记模型,以标记所述图像库中的所有人脸图像的属性特征,其中,所述图像标记模型为根据图像样本集训练的模型;根据所述属性特征将所述图像库中的人脸图像进行分类,并预设各类属性特征的优先级。
可选的,还包括:模型训练模块。
模型训练模块,用于在将图像库输入图像标记模型之前,确定与所述属性特征相对应的关键字;根据所述关键字,在网络图像库中获取与所述关键字相对应的图像作为样本图像;标记所述属性特征至所述样本图像,并存储至所述图像样本集;根据所述图像样本集,基于设定机器学习算法对所述图像标记模型进行训练。
可选的,所述属性特征包含多个,特征确定模块52具体用于:基于同一属性特征的人脸图像建立子图像库;若存在一人脸图像包含多个属性特征,则将所述一人脸图像存储于多个相对应的子图像库中。
可选的,匹配模块54具体用于:确定所述目标属性特征相对应的各个优先级;确定第一优先级以及确定与所述第一优先级相对应的第一子图像库;将目标人脸图像逐一与所述第一子图像库中的人脸图像进行匹配;若在所述目标属性特征相对应的多个子图像库中,未有人脸图像与所述目标人脸图像相匹配,则将所述目标人脸图像与所述图像库中的人脸图像进行匹配。
可选的,还包括活体人脸确定模块。
活体人脸确定模块,用于在按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配之后,设定随机人脸动作;若所述目标人脸图像匹配成功,则显示所述人脸动作的图像;若采集到的所述目标人脸图像的下一图像满足活体检测条件,则确定目标人脸为活体人脸。
可选的,还包括时间确定模块。
时间确定模块,用于在所述显示所述人脸动作之前,获取目标人物的历史匹配时间段;获取目标人物的当前匹配时刻;若确定所述当前匹配时刻未处于所述历史匹配时间段内,则判断所述目标人脸是否为活体人脸。
可选的所述属性特征包含年龄特征、性别特征、发型特征、脸型特征、眼形特征、鼻形特征、嘴型特征以及个性化标记特征中的至少一种。
本申请实施例提供了一种终端,该终端中可集成本申请实施例提供的人脸图像匹配的装置,如图6A所示,终端1000包含存储器1001与处理器1002。其中,存储器1001存储待处理图片,处理器1002用于获取目标人脸图像的目标属性特征;在图像库中,确定与所述目标属性特征相对应的人脸图像的属性特征;确定所述目标属性特征相对应的优先级;按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配。
本申请实施例中提供的终端,通过获取目标人脸图像的目标属性特征,先对目标人脸图像的特征进行标记,以在图像库中获取与目标属性特征相对应的属性特征,再按照目标属性特征相对应的优先级的顺序,逐级将目标人脸图像与图像库中的人脸图像进行匹配,避免了目标人脸图像与图像库内存储的所有人脸图像进行匹配的过长时间,有效提高了人脸图像匹配的速度。
本申请实施例提供了一种终端的结构示意图。如图6B所示,该移动终端可以包括:壳体(图中未示出)、存储器601、中央处理器(Central Processing Unit,CPU)602(又称处理器,以下简称CPU)、电路板(图中未示出)、触控显示屏612和电源电路(图中未示出)。所述触控显示屏612,用于将用户操作转换成电信号输入至所述处理器,并显示可视输出信号;所述触控显示屏包括触摸芯片,所述触摸芯片,用于输出触摸感测控制信号至触控显示屏;所述电路板安置在所述触控显示屏612与所述壳体围成的空间内部;所述CPU602和所述存储器601设置在所述电路板上;所述电源电路,用于为所述移动终端的各个电路或器件供电;所述存储器601,用于存储计算机程序;所述CPU602读取并执行所述存储器601中存储的计算机程序。所述CPU602在执行所述计算机程序时实现以下步骤:获取目标人脸图像的目标属性特征;在图像库中,确定与所述目标属性特征相对应的人脸图像的属性特征;确定所述目标属性特征相对应的优先级;按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配
所述移动终端还包括:外设接口603、RF(Radio Frequency,射频)电路605、音频电路606、扬声器611、电源管理芯片608、输入/输出(I/O)子系统609、其他输入/控制设备610以及外部端口604,这些部件通过一个或多个通信总线或信号线607来通信。
应该理解的是,图示移动终端600仅仅是移动终端的一个范例,并且移动终端600可以具有比图中所示出的更多的或者更少的部件,可以组合两个或更多的部件,或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
下面就本实施例提供的集成有人脸图像匹配装置的终端进行详细的描述,该终端以手机为例。
存储器601,所述存储器601可以被CPU602、外设接口603等访问,所述存储器601可以包括高速随机存取存储器,还可以包括非易失性存储器,例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
外设接口603,所述外设接口603可以将设备的输入和输出外设连接到CPU602和存储器601。
I/O子系统609,所述I/O子系统609可以将设备上的输入输出外设,例如触控显示屏612和其他输入/控制设备610,连接到外设接口603。I/O子系统609可以包括显示控制器6091和用于控制其他输入/控制设备610的一个或多个输入控制器6092。其中,一个或多个输入控制器6092从其他输入/控制设备610接收电信号或者向其他输入/控制设备610发送电信号,其他输入/控制设备610可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是,输入控制器6092可以与以下任一个连接:键盘、红外端口、USB接口以及诸如鼠标的指示设备。
触控显示屏612,所述触控显示屏612是用户终端与用户之间的输入接口和输出接口,将可视输出显示给用户,可视输出可以包括图形、文本、图标、视频等。
I/O子系统609中的显示控制器6091从触控显示屏612接收电信号或者向触控显示屏612发送电信号。触控显示屏612检测触控显示屏上的接触,显示控制器6091将检测到的接触转换为与显示在触控显示屏612上的用户界面对象的交互,即实现人机交互,显示在触控显示屏612上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是,设备还可以包括光鼠,光鼠是不显示可视输出的触摸敏感表面,或者是由触控显示屏形成的触摸敏感表面的延伸。
RF电路605,主要用于建立手机与无线网络(即网络侧)的通信,实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地,RF电路605接收并发送RF信号,RF信号也称为电磁信号,RF电路605将电信号转换为电磁信号或将电磁信号转换为电信号,并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路605可以包括用于执行这些功能的已知电路,其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(COder-DECoder,编译码器)芯片组、用户标识模块(Subscriber Identity Module,SIM)等等。
音频电路606,主要用于从外设接口603接收音频数据,将该音频数据转换为电信号,并且将该电信号发送给扬声器611。
扬声器611,用于将手机通过RF电路605从无线网络接收的语音信号,还原为声音并向用户播放该声音。
电源管理芯片608,用于为CPU602、I/O子系统及外设接口所连接的硬件进行供电及电源管理。
本实施例中提供的终端,通过获取目标人脸图像的目标属性特征,先对目标人脸图像的特征进行标记,以在图像库中获取与目标属性特征相对应的属性特征,再按照目标属性特征相对应的优先级的顺序,逐级将目标人脸图像与图像库中的人脸图像进行匹配,避免了目标人脸图像与图像库内存储的所有人脸图像进行匹配的过长时间,有效提高了人脸图像匹配的速度。
上述装置可执行本申请前述所有实施例所提供的脸图像匹配装置、存储介质及移动终端,具备执行上述脸图像匹配方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请前述所有实施例所提供的脸图像匹配方法。
本申请实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、步骤malltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
上述装置可执行本申请前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请前述所有实施例所提供的方法。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种人脸图像匹配方法,其特征在于,包括:
获取目标人脸图像的目标属性特征;
在图像库中,确定与所述目标属性特征相对应的人脸图像的属性特征;
确定所述目标属性特征相对应的优先级;
按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配;
在所述目标人脸图像匹配成功时,将所述目标人脸图像更新至所述图像库中,以替代所述图像库中与所述目标人脸图像对应的人脸图像;
所述目标属性特征包含多个,按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配,包括:
确定所述目标属性特征相对应的各个优先级;
确定第一优先级以及确定与所述第一优先级相对应的第一子图像库;
将目标人脸图像逐一与所述第一子图像库中的人脸图像进行匹配;
若在所述目标属性特征相对应的多个子图像库中,未有人脸图像与所述目标人脸图像相匹配,则将所述目标人脸图像与所述图像库中的人脸图像进行匹配。
2.根据权利要求1所述的方法,其特征在于,在图像库中,确定与所述目标属性特征相对应的人脸图像的属性特征,包括:
将所述图像库输入图像标记模型,以标记所述图像库中的所有人脸图像的属性特征,其中,所述图像标记模型为根据图像样本集训练的模型;
根据所述属性特征将所述图像库中的人脸图像进行分类,并预设各类属性特征的优先级。
3.根据权利要求2所述的方法,其特征在于,在将图像库输入图像标记模型之前,还包括:
确定与所述属性特征相对应的关键字;
根据所述关键字,在网络图像库中获取与所述关键字相对应的图像作为样本图像;
标记所述属性特征至所述样本图像,并存储至所述图像样本集;
根据所述图像样本集,基于设定机器学习算法对所述图像标记模型进行训练。
4.根据权利要求2所述的方法,其特征在于,所述属性特征包含多个,根据所述属性特征对所述人脸图像进行分类,包括:
基于同一属性特征的人脸图像建立子图像库;
若存在一人脸图像包含多个属性特征,则将所述一人脸图像存储于多个相对应的子图像库中。
5.根据权利要求1-4任一所述的方法,其特征在于,在按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配之后,还包括:
设定随机人脸动作;
若所述目标人脸图像匹配成功,则显示所述人脸动作的图像;
若采集到的所述目标人脸图像的下一图像满足活体检测条件,则确定目标人脸为活体人脸。
6.根据权利要求5所述的方法,其特征在于,所述显示所述人脸动作之前,还包括:
获取目标人物的历史匹配时间段;
获取目标人物的当前匹配时刻;
若确定所述当前匹配时刻未处于所述历史匹配时间段内,则判断所述目标人脸是否为活体人脸。
7.根据权利要求1-4中任一所述的方法,其特征在于,所述属性特征包含年龄特征、性别特征、发型特征、脸型特征、眼形特征、鼻形特征、嘴型特征以及个性化标记特征中的至少一种。
8.一种人脸图像匹配装置,其特征在于,包括:
特征获取模块,用于获取目标人脸图像的目标属性特征;
特征确定模块,用于在图像库中,确定与所述目标属性特征相对应的人脸图像的属性特征;
优先级确定模块,用于确定所述目标属性特征相对应的优先级;
匹配模块,用于按照所述优先级的顺序,逐级将所述目标人脸图像与图像库中相对应的人脸图像进行匹配;
更新模块,用于在所述目标人脸图像匹配成功时,将所述目标人脸图像更新至所述图像库中,以替代所述图像库中与所述目标人脸图像对应的人脸图像;
所述属性特征包括多个,所述特征确定模块具体用于:基于同一属性特征的人脸图像建立子图像库;若存在一人脸图像包含多个属性特征,则将所述一人脸图像存储于多个相对应的子图像库中;
所述匹配模块具体用于:确定所述目标属性特征相对应的各个优先级:确定第一优先级以及确定与所述第一优先级相对应的第一子图像库;将目标人脸图像逐一与所述第一子图像库中的人脸图像进行匹配;若在所述目标属性特征相对应的多个子图像库中,未有人脸图像与所述目标人脸图像相匹配,则将所述目标人脸图像与所述图像库中的人脸图像进行匹配。
9.一种终端,包括第一存储器、第一处理器及存储在所述第一存储器上并可在所述第一处理器上运行的计算机程序,其特征在于,所述第一处理器执行所述计算机程序时实现如权利要求1-7中任一所述的人脸图像匹配方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的人脸图像匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711394903.2A CN108009521B (zh) | 2017-12-21 | 2017-12-21 | 人脸图像匹配方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711394903.2A CN108009521B (zh) | 2017-12-21 | 2017-12-21 | 人脸图像匹配方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108009521A CN108009521A (zh) | 2018-05-08 |
CN108009521B true CN108009521B (zh) | 2021-05-04 |
Family
ID=62060375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711394903.2A Active CN108009521B (zh) | 2017-12-21 | 2017-12-21 | 人脸图像匹配方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108009521B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921034A (zh) * | 2018-06-05 | 2018-11-30 | 北京市商汤科技开发有限公司 | 人脸匹配方法及装置、存储介质 |
CN108446692B (zh) * | 2018-06-08 | 2021-03-09 | 南京擎华信息科技有限公司 | 人脸比对方法、装置和系统 |
CN110807119B (zh) * | 2018-07-19 | 2022-07-19 | 浙江宇视科技有限公司 | 人脸查重方法及装置 |
CN109241852B (zh) * | 2018-08-10 | 2021-01-12 | 广州杰赛科技股份有限公司 | 具有附加特征的人脸识别方法、装置、计算机设备 |
CN109117808B (zh) * | 2018-08-24 | 2020-11-03 | 深圳前海达闼云端智能科技有限公司 | 面部识别方法、装置、电子设备及计算机可读介质 |
CN109102264B (zh) * | 2018-08-29 | 2021-07-16 | Oppo广东移动通信有限公司 | 一种电子红包检测方法、装置及终端设备 |
CN109299594B (zh) * | 2018-09-04 | 2022-11-22 | 创新先进技术有限公司 | 身份验证方法及装置 |
CN109271917B (zh) * | 2018-09-10 | 2021-03-02 | 广州杰赛科技股份有限公司 | 人脸识别方法、装置、计算机设备和可读存储介质 |
CN109376596B (zh) * | 2018-09-14 | 2020-11-13 | 广州杰赛科技股份有限公司 | 人脸匹配方法、装置、设备及存储介质 |
CN111259695B (zh) * | 2018-11-30 | 2023-08-29 | 百度在线网络技术(北京)有限公司 | 用于获取信息的方法及装置 |
CN109829071B (zh) * | 2018-12-14 | 2023-09-05 | 平安科技(深圳)有限公司 | 人脸图像搜索方法、服务器、计算机设备及存储介质 |
CN109783663B (zh) * | 2018-12-28 | 2021-07-02 | 上海依图网络科技有限公司 | 一种归档方法及装置 |
CN110210307B (zh) * | 2019-04-30 | 2023-11-28 | 中国银联股份有限公司 | 人脸样本库部署方法、基于人脸识别业务处理方法及装置 |
CN110238854A (zh) * | 2019-06-19 | 2019-09-17 | 北京猎户星空科技有限公司 | 一种机器人控制方法、装置、电子设备及存储介质 |
CN111027406B (zh) * | 2019-11-18 | 2024-02-09 | 惠州Tcl移动通信有限公司 | 图片识别方法、装置、存储介质及电子设备 |
CN111160200B (zh) * | 2019-12-23 | 2023-06-16 | 浙江大华技术股份有限公司 | 一种路人库的建立方法及装置 |
CN111523776A (zh) * | 2020-04-08 | 2020-08-11 | 辽宁百思特达半导体科技有限公司 | 一种基于非法目标危险评估的智慧城市系统及方法 |
CN112017346B (zh) * | 2020-08-25 | 2023-08-18 | 杭州海康威视数字技术股份有限公司 | 门禁管理方法、门禁终端、门禁系统及存储介质 |
CN112084903A (zh) * | 2020-08-26 | 2020-12-15 | 武汉普利商用机器有限公司 | 一种更新人脸识别底库照片的方法及系统 |
CN112215974A (zh) * | 2020-09-27 | 2021-01-12 | 贵州永光盛安防科技有限公司 | 一种基于人像识别的考勤系统 |
CN115269912B (zh) * | 2022-09-29 | 2023-01-06 | 浙江省公众信息产业有限公司无线运营分公司 | 图像检索方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102036008A (zh) * | 2009-09-25 | 2011-04-27 | 华晶科技股份有限公司 | 特定人物自动对焦系统及方法 |
CN102253935A (zh) * | 2010-05-18 | 2011-11-23 | 鸿富锦精密工业(深圳)有限公司 | 相片分类系统及方法 |
CN106874839A (zh) * | 2016-12-30 | 2017-06-20 | 易瓦特科技股份公司 | 脸部信息识别的方法及装置 |
CN106874876A (zh) * | 2017-02-20 | 2017-06-20 | 深圳市科漫达智能管理科技有限公司 | 一种人脸活体检测方法及装置 |
CN107134022A (zh) * | 2017-05-03 | 2017-09-05 | 张雨岚 | 用于考勤机的身份识别方法 |
CN107169455A (zh) * | 2017-05-16 | 2017-09-15 | 中山大学 | 基于深度局部特征的人脸属性识别方法 |
CN107273796A (zh) * | 2017-05-05 | 2017-10-20 | 珠海数字动力科技股份有限公司 | 一种基于人脸特征的快速人脸识别搜索方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070288452A1 (en) * | 2006-06-12 | 2007-12-13 | D&S Consultants, Inc. | System and Method for Rapidly Searching a Database |
-
2017
- 2017-12-21 CN CN201711394903.2A patent/CN108009521B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102036008A (zh) * | 2009-09-25 | 2011-04-27 | 华晶科技股份有限公司 | 特定人物自动对焦系统及方法 |
CN102253935A (zh) * | 2010-05-18 | 2011-11-23 | 鸿富锦精密工业(深圳)有限公司 | 相片分类系统及方法 |
CN106874839A (zh) * | 2016-12-30 | 2017-06-20 | 易瓦特科技股份公司 | 脸部信息识别的方法及装置 |
CN106874876A (zh) * | 2017-02-20 | 2017-06-20 | 深圳市科漫达智能管理科技有限公司 | 一种人脸活体检测方法及装置 |
CN107134022A (zh) * | 2017-05-03 | 2017-09-05 | 张雨岚 | 用于考勤机的身份识别方法 |
CN107273796A (zh) * | 2017-05-05 | 2017-10-20 | 珠海数字动力科技股份有限公司 | 一种基于人脸特征的快速人脸识别搜索方法 |
CN107169455A (zh) * | 2017-05-16 | 2017-09-15 | 中山大学 | 基于深度局部特征的人脸属性识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108009521A (zh) | 2018-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009521B (zh) | 人脸图像匹配方法、装置、终端及存储介质 | |
US11763599B2 (en) | Model training method and apparatus, face recognition method and apparatus, device, and storage medium | |
CN105426850B (zh) | 一种基于人脸识别的关联信息推送设备及方法 | |
CN103745235B (zh) | 人脸识别方法、装置及终端设备 | |
CN110334344A (zh) | 一种语义意图识别方法、装置、设备及存储介质 | |
CN109063587A (zh) | 数据处理方法、存储介质和电子设备 | |
CN113656582B (zh) | 神经网络模型的训练方法、图像检索方法、设备和介质 | |
WO2022105118A1 (zh) | 基于图像的健康状态识别方法、装置、设备及存储介质 | |
CN105160739A (zh) | 自动识别设备、方法以及门禁系统 | |
CN111009031B (zh) | 一种人脸模型生成的方法、模型生成的方法及装置 | |
CN107832784A (zh) | 一种图像美化的方法和一种移动终端 | |
US20220309088A1 (en) | Method and apparatus for training dialog model, computer device, and storage medium | |
CN107911643A (zh) | 一种视频通信中展现场景特效的方法和装置 | |
CN112749728A (zh) | 学生模型训练方法、装置、计算机设备及存储介质 | |
CN111491123A (zh) | 视频背景处理方法、装置及电子设备 | |
CN108345612A (zh) | 一种问题处理方法和装置、一种用于问题处理的装置 | |
JP2020507159A (ja) | ピクチャプッシュの方法、移動端末および記憶媒体 | |
CN114333774B (zh) | 语音识别方法、装置、计算机设备及存储介质 | |
CN112488157A (zh) | 一种对话状态追踪方法、装置、电子设备及存储介质 | |
CN115171196B (zh) | 人脸图像处理方法、相关装置及存储介质 | |
CN113190646A (zh) | 一种用户名样本的标注方法、装置、电子设备及存储介质 | |
Tahir et al. | Recognizing human-object interaction (HOI) using wrist-mounted inertial sensors | |
CN112232890B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN116259083A (zh) | 一种图像质量识别模型的确定方法和相关装置 | |
CN108009280B (zh) | 图片处理方法、装置、终端及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |