CN108197542B - 一种人脸识别的方法及装置 - Google Patents
一种人脸识别的方法及装置 Download PDFInfo
- Publication number
- CN108197542B CN108197542B CN201711401467.7A CN201711401467A CN108197542B CN 108197542 B CN108197542 B CN 108197542B CN 201711401467 A CN201711401467 A CN 201711401467A CN 108197542 B CN108197542 B CN 108197542B
- Authority
- CN
- China
- Prior art keywords
- information
- feature information
- age
- face image
- weight value
- 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
- 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
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种人脸识别的方法及装置,该方法包括:获取人脸图像;提取人脸图像的特征信息;对人脸图像进行年龄评估,生成人脸图像的年龄信息;根据特征信息以及年龄信息对人脸图像进行人脸识别。解决了当被识别用户与人脸库存在年龄跨度的情况下,现有的人脸识别系统识别不精确的技术问题。
Description
技术领域
本公开涉及数据处理领域,尤其涉及一种人脸识别的方法及装置。
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,在目前,人脸识别已经开始应用在了很多领域,比如从门禁、设备登录到机场、公共区域的监控。
需要说明的是,在进行人脸识别时,如果采集的识别库图片是识别者很多年之前的照片时,当对识别者进行再次识别时,现有的人脸识别系统不考虑被识别者的实际年龄,对所有的识别者都进行各个年龄段的处理,不能达到有效的识别效果,即,当被识别用户与人脸库存在年龄跨度的情况下,现有的人脸识别系统识别不精确。
发明内容
本发明了提供一种人脸识别的方法,该方法包括:获取人脸图像;提取人脸图像的特征信息;对人脸图像进行年龄评估,生成人脸图像的年龄信息;根据特征信息以及年龄信息对人脸图像进行人脸识别。
进一步地,提取人脸图像的特征信息的步骤包括:通过至少一个模型对人脸图像进行特征提取,其中,至少一个模型用于提取人脸图像在不同年龄段的特征信息。
进一步地,至少一个模型包括未成年人模型,用于提取人脸图像的第一特征信息;青年人模型,用于提取人脸图像的第二特征信息,老年人模型,用于提取人脸图像的第三特征信息,其中,根据特征信息以及年龄信息对人脸图像进行人脸识别的步骤包括:根据年龄信息对第一特征信息的权重值、第二特征信息的权重值以及第三特征信息的权重值进行调整;根据调整后的第一特征信息的权重值、第二特征信息的权重值以及第三特征信息的权重值对人脸图像进行人脸识别。
进一步地,根据年龄信息对第一特征信息的权重值、第二特征信息的权重值以及第三特征信息的权重值进行调整的步骤包括:在年龄信息为未成年人的情况下,调整第一特征信息、第二特征信息以及第三特征信息的权重值,使得第一特征信息的权重值大于第二特征信息以及第三特征信息的权重值。
进一步地,根据年龄信息对第一特征信息的权重值、第二特征信息的权重值以及第三特征信息的权重值进行调整的步骤包括:在年龄信息为青年人的情况下,调整第一特征信息、第二特征信息以及第三特征信息的权重值,使得第一特征信息的权重值以及第二特征信息的权重值大于第三特征信息的权重值。
进一步地,根据年龄信息对第一特征信息的权重值、第二特征信息的权重值以及第三特征信息的权重值进行调整的步骤包括:在年龄信息为老年人的情况下,调整第一特征信息、第二特征信息以及第三特征信息的权重值,使得第二特征信息的权重值以及第三特征信息的权重值大于第一特征信息的权重值。
根据本发明的另一方面,还提供了一种人脸识别的装置,该装置包括:
获取模块,用于获取人脸图像;提取模块,用于提取人脸图像的特征信息;评估模块,用于对人脸图像进行年龄评估,生成人脸图像的年龄信息;识别模块,用于根据特征信息以及年龄信息对人脸图像进行人脸识别。
进一步地,提取模块包括:子提取模块,用于通过至少一个模型对人脸图像进行特征提取,其中,至少一个模型用于提取人脸图像在不同年龄段的特征信息。
进一步地,至少一个模型包括未成年人模型,用于提取人脸图像的第一特征信息;青年人模型,用于提取人脸图像的第二特征信息,老年人模型,用于提取人脸图像的第三特征信息,其中,识别模块包括:调整模块,用于根据年龄信息对第一特征信息的权重值、第二特征信息的权重值以及第三特征信息的权重值进行调整;人脸识别模块,根据调整后的第一特征信息的权重值、第二特征信息的权重值以及第三特征信息的权重值对人脸图像进行人脸识别。
进一步地,调整模块包括:第一子调整模块,用于在年龄信息为未成年人的情况下,调整第一特征信息、第二特征信息以及第三特征信息的权重值,使得第一特征信息的权重值大于第二特征信息以及第三特征信息的权重值。
进一步地,调整模块还包括:第二子调整模块,用于在年龄信息为青年人的情况下,调整第一特征信息、第二特征信息以及第三特征信息的权重值,使得第一特征信息的权重值以及第二特征信息的权重值大于第三特征信息的权重值。
进一步地,调整模块还包括:第三子调整模块,用于在年龄信息为老年人的情况下,调整第一特征信息、第二特征信息以及第三特征信息的权重值,使得第二特征信息的权重值以及第三特征信息的权重值大于第一特征信息的权重值。
通过上述技术方案,提供一种人脸识别的方法及装置,通过获取人脸图像;提取人脸图像的特征信息;对人脸图像进行年龄评估,生成人脸图像的年龄信息;根据特征信息以及年龄信息对人脸图像进行人脸识别。解决了当被识别用户与人脸库存在年龄跨度的情况下,现有的人脸识别系统识别不精确的技术问题。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,并与说明书一起用于解释本公开的原理。
图1是根据本发明实施例一的人脸识别的方法的流程图;
图2是根据本发明实施例二的人脸识别的装置的结构示意图;以及
图3是根据本发明实施例三的对年龄具有鲁棒性的人脸识别系统的示意图。
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。
实施例一
本发明提供了一种人脸识别的方法,如图1所示,人脸识别的方法可以包括:
步骤S12,获取人脸图像。
步骤S14,提取上述人脸图像的特征信息。
具体的,在本方案中,可以采用识别终端来采集被识别用户的人脸图像或者是接收输入的被识别用户的人脸图像,然后识别终端可以通过预先构建的人脸识别模型来对被识别用户的人脸图像进行特征提取。
步骤S16,对上述人脸图像进行年龄评估,生成上述人脸图像的年龄信息。
具体的,在本方案中,识别终端在提取被识别用户的人脸图像中的特征信息之后,识别终端可以通过预先训练的年龄评估模型再对被识别用户进行年龄评估,以得到被识别用户的年龄,即上述年龄信息。
步骤S18,根据上述特征信息以及上述年龄信息对上述人脸图像进行人脸识别。
具体的,在本方案中,识别终端可以结合被识别用户的人脸特征以及被识别用户的年龄信息对被识别用户的人脸图像进行人脸识别,比如同人脸库预存的多个人脸图像进行匹配等,需要说明的是,在本方案中,识别终端可以综合人脸图像的特征信息以及人脸图像的年龄信息,对人脸图像进行人脸识别,也就是说和现有技术相比,本方案是同时考虑两个因素对人脸图像进行识别,第一因素是人脸图像的特征信息,第二因素是人脸图像的年龄信息,这样,即使被识别用户与人脸库中的特征的年龄有跨度,识别终端可也可以精确达到精确识别的效果。
本方案通过获取人脸图像,提取上述人脸图像的特征信息,对上述人脸图像进行年龄评估,生成上述人脸图像的年龄信息,根据上述特征信息以及上述年龄信息对上述人脸图像进行人脸识别,可以解决当被识别用户与人脸库存在年龄跨度的情况下,现有的人脸识别系统识别不精确的技术问题。
可选地,提取上述人脸图像的特征信息的步骤包括:
步骤S141,通过至少一个模型对上述人脸图像进行特征提取,其中,上述至少一个模型用于提取上述人脸图像在不同年龄段的上述特征信息。
具体的,在本方案中,识别终端可以预先通过训练,得到人脸识别模型,上述人脸模型可以分为多个模型,即上述至少一个模型,上述至少一个模型可以组合起来对人脸图像在不同年龄段的特征信息进行提取。需要说明的是,在本方案中,人脸识别模型的人脸识别特征层与年龄评估模型的年龄评估特征层是分开训练的。
可选地,上述至少一个模型可以包括未成年人模型,用于提取上述人脸图像的第一特征信息;青年人模型,用于提取上述人脸图像的第二特征信息,老年人模型,用于提取上述人脸图像的第三特征信息,其中,步骤S18根据上述特征信息以及上述年龄信息对上述人脸图像进行人脸识别的步骤可以包括:
步骤S181,根据上述年龄信息对上述第一特征信息的权重值、上述第二特征信息的权重值以及上述第三特征信息的权重值进行调整。
步骤S182,根据调整后的上述第一特征信息的权重值、上述第二特征信息的权重值以及上述第三特征信息的权重值对上述人脸图像进行人脸识别。
具体的,识别终端经过年龄评估得到人脸图像的年龄信息后,可以根据上述年龄信息对上述三个人脸识别模型提取到的特征信息进行权重值的调整,然后根据调整后的特征信息的权重值,对人脸图像进行人脸识别。
需要说明的是,在本方案中,在建立模型时建立了多个时间段的模型,并根据识别者的实际年龄来把这些模型组合起来描述人脸特征。
具体的,步骤S182,根据上述年龄信息对上述第一特征信息的权重值、上述第二特征信息的权重值以及上述第三特征信息的权重值进行调整的步骤可以包括:
步骤S1821,在上述年龄信息为未成年人的情况下,调整上述第一特征信息、第二特征信息以及第三特征信息的权重值,使得上述第一特征信息的权重值大于上述第二特征信息以及第三特征信息的权重值。
具体的,在本方案中,当输入的是未成年的人脸图像时,本方案中的年龄评估模块评估出被识别之人的年龄是未成年人,由此识别终端判定被识别的人年龄跨度不会太大,识别终端则对未成年人模型提取到的第一特征信息,青年人模型提取到的第二特征信息以及老年人模型提取到的第三特征信息进行调整,识别终端会对第一特征信息赋予较大的权重值,比如,识别终端可以赋予第一特征信息的权重值为c1,赋予第二特征信息的权重值为c2,赋予第三特征信息的权重值为c3,并且,c1>c2、c1>c3、c2=c3。
可选的,步骤S182,根据上述年龄信息对上述第一特征信息的权重值、上述第二特征信息的权重值以及上述第三特征信息的权重值进行调整的步骤还可以包括:
步骤S1822,在上述年龄信息为青年人的情况下,调整上述第一特征信息、第二特征信息以及第三特征信息的权重值,使得上述第一特征信息的权重值以及上述第二特征信息的权重值大于上述第三特征信息的权重值。
具体的,在本方案中,当输入的是青年人的人脸图像时,本方案中的年龄评估模块评估出被识别之人的年龄是青年人,由此识别终端判定被识别的人在人脸库中对应的特征有可能是被识别用户在其未成年时候采集的,因此识别终端则对未成年人模型提取到的第一特征信息,青年人模型提取到的第二特征信息以及老年人模型提取到的第三特征信息进行调整,识别终端会对第一特征信息以及第二特征信息赋予较大的权重值,比如,识别终端可以赋予第一特征信息的权重值为c1,赋予第二特征信息的权重值为c2,赋予第三特征信息的权重值为c3,并且c1=c2>c3。
可选的,步骤S182,根据上述年龄信息对上述第一特征信息的权重值、上述第二特征信息的权重值以及上述第三特征信息的权重值进行调整的步骤还可以包括:
步骤S1823,在上述年龄信息为老年人的情况下,调整上述第一特征信息、第二特征信息以及第三特征信息的权重值,使得上述第二特征信息的权重值以及上述第三特征信息的权重值大于上述第一特征信息的权重值。
具体的,在本方案中,当输入的是老年人的人脸图像时,本方案中的年龄评估模块评估出被识别之人的年龄是老年人,由此识别终端判定被识别的人在人脸库中对应的特征有可能是被识别用户在其青年时候采集的,因此识别终端则对未成年人模型提取到的第一特征信息,青年人模型提取到的第二特征信息以及老年人模型提取到的第三特征信息进行调整,识别终端会对第二特征信息以及第三特征信息赋予较大的权重值,比如,识别终端可以赋予第一特征信息的权重值为c1,赋予第二特征信息的权重值为c2,赋予第三特征信息的权重值为c3,并且c2=c3>c1。
实施例二
本发明还提供了一种人脸识别的装置,用于实现实施例一种的人脸识别的方法,需要说明的是,人脸识别的装置也可以独立为一个人脸识别终端,也可以为运行在一个终端或者服务器中的装置,如图2所示,上述装置可以包括:
获取模块22,用于获取人脸图像。
提取模块24,用于提取上述人脸图像的特征信息。
具体的,在本方案中,可以采用获取模块22来采集被识别用户的人脸图像或者是接收输入的被识别用户的人脸图像,然后提取模块24可以通过预先构建的人脸识别模型来对被识别用户的人脸图像进行特征提取。
评估模块26,用于对上述人脸图像进行年龄评估,生成上述人脸图像的年龄信息。
具体的,在本方案中,评估模块26在提取被识别用户的人脸图像中的特征信息之后,可以通过预先训练的年龄评估模型再对被识别用户进行年龄评估,以得到被识别用户的年龄,即上述年龄信息。
识别模块28,用于根据上述特征信息以及上述年龄信息对上述人脸图像进行人脸识别。
具体的,在本方案中,识别模块28可以结合被识别用户的人脸特征以及被识别用户的年龄信息对被识别用户的人脸图像进行人脸识别,比如同人脸库预存的多个人脸图像进行匹配等,需要说明的是,在本方案中,识别模块28可以综合人脸图像的特征信息以及人脸图像的年龄信息,对人脸图像进行人脸识别,也就是说和现有技术相比,本方案是同时考虑两个因素对人脸图像进行识别,第一因素是人脸图像的特征信息,第二因素是人脸图像的年龄信息,这样,即使被识别用户与人脸库中的特征的年龄有跨度,识别终端可也可以精确达到精确识别的效果。
本方案提供的装置通过上述多个模块,可以解决当被识别用户与人脸库存在年龄跨度的情况下,现有的人脸识别系统识别不精确的技术问题。
可选地,提取模块24可以包括:
子提取模块241,用于通过至少一个模型对上述人脸图像进行特征提取,其中,上述至少一个模型用于提取上述人脸图像在不同年龄段的上述特征信息。
具体的,在本方案中,可以预先通过训练,得到人脸识别模型,上述人脸模型可以分为多个模型,即上述至少一个模型,上述至少一个模型可以组合起来对人脸图像在不同年龄段的特征信息进行提取。需要说明的是,在本方案中,人脸识别模型的人脸识别特征层与年龄评估模型的年龄评估特征层是分开训练的。
可选地,上述至少一个模型包括未成年人模型,用于提取上述人脸图像的第一特征信息;青年人模型,用于提取上述人脸图像的第二特征信息,老年人模型,用于提取上述人脸图像的第三特征信息,其中,上述识别模块28包括:
调整模块261,用于根据上述年龄信息对上述第一特征信息的权重值、上述第二特征信息的权重值以及上述第三特征信息的权重值进行调整;
人脸识别模块262,根据调整后的上述第一特征信息的权重值、上述第二特征信息的权重值以及上述第三特征信息的权重值对上述人脸图像进行人脸识别。
具体的,本分方案经过年龄评估得到人脸图像的年龄信息后,可以根据上述年龄信息对上述三个人脸识别模型提取到的特征信息进行权重值的调整,然后根据调整后的特征信息的权重值,对人脸图像进行人脸识别。
需要说明的是,在本方案中,在建立模型时建立了多个时间段的模型,并根据识别者的实际年龄来把这些模型组合起来描述人脸特征。
可选地,上述调整模块261可以包括:
第一子调整模块2611,用于在上述年龄信息为未成年人的情况下,调整上述第一特征信息、第二特征信息以及第三特征信息的权重值,使得上述第一特征信息的权重值大于上述第二特征信息以及第三特征信息的权重值。
具体的,在本方案中,当输入的是未成年的人脸图像时,本方案中的年龄评估模块评估出被识别之人的年龄是未成年人,由此本方案判定被识别的人年龄跨度不会太大,识别终端则对未成年人模型提取到的第一特征信息,青年人模型提取到的第二特征信息以及老年人模型提取到的第三特征信息进行调整,第一子调整模块2611会对第一特征信息赋予较大的权重值,比如,识别终端可以赋予第一特征信息的权重值为c1,赋予第二特征信息的权重值为c2,赋予第三特征信息的权重值为c3,并且,c1>c2、c1>c3、c2=c3。
可选地,上述调整模块261还可以包括:
第二子调整模块2612,用于在上述年龄信息为青年人的情况下,调整上述第一特征信息、第二特征信息以及第三特征信息的权重值,使得上述第一特征信息的权重值以及上述第二特征信息的权重值大于上述第三特征信息的权重值。
具体的,在本方案中,当输入的是青年人的人脸图像时,本方案中的年龄评估模块评估出被识别之人的年龄是青年人,由此本方案判定被识别的人在人脸库中对应的特征有可能是被识别用户在其未成年时候采集的,因此本方案则对未成年人模型提取到的第一特征信息,青年人模型提取到的第二特征信息以及老年人模型提取到的第三特征信息进行调整,第二子调整模块2612会对第一特征信息以及第二特征信息赋予较大的权重值,比如,识别终端可以赋予第一特征信息的权重值为c1,赋予第二特征信息的权重值为c2,赋予第三特征信息的权重值为c3,并且c1=c2>c3。
可选地,上述调整模块261还可以包括:
第三子调整模块2613,用于在上述年龄信息为老年人的情况下,调整上述第一特征信息、第二特征信息以及第三特征信息的权重值,使得上述第二特征信息的权重值以及上述第三特征信息的权重值大于上述第一特征信息的权重值。
具体的,在本方案中,当输入的是老年人的人脸图像时,本方案中的年龄评估模块评估出被识别之人的年龄是老年人,由此本方案判定被识别的人在人脸库中对应的特征有可能是被识别用户在其青年时候采集的,因此本方案则对未成年人模型提取到的第一特征信息,青年人模型提取到的第二特征信息以及老年人模型提取到的第三特征信息进行调整,第三子调整模块2613会对第二特征信息以及第三特征信息赋予较大的权重值,比如,识别终端可以赋予第一特征信息的权重值为c1,赋予第二特征信息的权重值为c2,赋予第三特征信息的权重值为c3,并且c2=c3>c1。
综上,本实施例提供的装置可以解决当被识别用户与人脸库存在年龄跨度的情况下,现有的人脸识别系统识别不精确的技术问题。
实施例三
可选地,本申请方案还可以提供一种对年龄具有鲁棒性的人脸识别系统,此系统是基于深度学习模型的人脸识别系统,如图3所示,该人脸识别系统可以包括图像数据输入模块30、隐藏层1、隐藏层2、隐藏层3、隐藏层4、人脸识别特征层34、年龄评估特征层36、年龄评估模块38与人脸识别模块40。其中隐藏层32可以为卷积运算与下采样运算模块。人脸识别特征层34为用于人脸识别的描述人脸的特征。年龄评估特征层36为人脸用于年龄评估的特征描述。年龄评估特征层36的信息共享给人脸识别模块40,年龄评估的结果也反馈给人脸识别模块40,人脸识别模块40综合人脸识别特征层34与年龄评估特征层36的信息来进行人脸识别,这样即使被识别之人与人脸库里的特征年龄跨度,系统也可以进行识别。
具体的,结合图3,本实施例提供的人脸识别系统的实施方案如下:
系统在模型训练阶段,人脸识别模型的人脸识别特征层与年龄评估模型的年龄评估特征层是分开训练的。训练阶段人脸识别模型与年龄评估模型共享输入的数据与隐藏层1,但是年龄评估模型的年龄评估特征层不与人脸识别模块共享,并且年龄评估的结果不反馈给人脸识别模块。人脸识别模型在训练过程中训练三种模型分别是未成年模型(隐藏层2)、青年人模型(隐藏层3)和老年人模型(隐藏层4)。如图3所示,上述阶段在S3之前的状态共享数据,从S3之后分别进行特征提取来进行人脸识别任务的训练。训练完成之后,在模型实际应用中隐藏层2、3和4提取的特征组合起来作为人脸识别特征层。在应用阶段年龄评估的特征层数据分享给人脸识别的特征层,这两层组合起来的特征用来做人脸识别的特征数据。年龄评估的结果反馈给人脸识别模块,来对隐藏层2、3和4的特征数据进行权重值选择。
在应用阶段系统为识别建立人脸库时,从隐藏层2、3、4提取到的人脸特征数据分配同样的权重因子,这样使的人脸库中同一个人的特征具有了各个年龄段的属性。
可选地,当输入的是未成年的图片时,年龄评估模块评估出被识别之人的年龄,系统根据年龄评估出被识别之人是未成年人,由此系统判定被识别的人年龄跨度不会太大,系统会给隐藏层2(未成年人模型)提取到的人脸特征数据赋予更大的权重因子。此时系统分配给隐藏层2、3和4提取到的特征数据权重因子分别为c1、c2和c3,并且满足这样的条件c1>c2、c1>c3、c2=c3。
可选地,在应用中,当输入的是青年人的图片时,年龄评估模块评估出被识别之人的年龄,系统根据年龄评估出被识别之人是青年人,由此系统判定被识别之人在人脸库里对应的特征有可能是其未成年人时采集的,因此系统会给隐藏层2(未成年人模型)和3(青年人模型)提取到的人脸特征数据赋予更大的权重因子。此时系统分配给隐藏层2、3和4提取到的特征数据权重因子分别为c1、c2和c3,并且满足这样的条件c1=c2>c3。
可选地,在应用中,当输入的是老年人的图片时,年龄评估模块评估出被识别之人的年龄,系统根据年龄评估出被识别之人是老年人。由此系统判定被识别之人在人脸库里对应的特征有可能是其青年人时采集的,因此系统会给隐藏层3(青年人模型)和4(老年人模型)提取到的人脸特征数据赋予更大的权重因子。此时系统分配给隐藏层2、3和4提取到的特征数据权重因子分别为c1、c2和c3,并且满足这样的条件c2=c3>c1。
综上,本实施例提供的系统可以解决当被识别用户与人脸库存在年龄跨度的情况下,现有的人脸识别系统识别不精确的技术问题。
本领域技术人员在考虑说明书及实践这里公开的公开后,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 (6)
1.一种人脸识别的方法,其特征在于,所述方法包括:
获取人脸图像;
提取所述人脸图像的特征信息,包括:通过至少一个模型对所述人脸图像进行特征提取,其中,所述至少一个模型用于提取所述人脸图像在不同年龄段的所述特征信息;所述至少一个模型包括未成年人模型,用于提取所述人脸图像的第一特征信息;青年人模型,用于提取所述人脸图像的第二特征信息;老年人模型,用于提取所述人脸图像的第三特征信息;
对所述人脸图像进行年龄评估,生成所述人脸图像的年龄信息;
根据所述特征信息以及所述年龄信息对所述人脸图像进行人脸识别,包括:根据所述年龄信息对所述第一特征信息的权重值、所述第二特征信息的权重值以及所述第三特征信息的权重值进行调整;根据调整后的所述第一特征信息的权重值、所述第二特征信息的权重值以及所述第三特征信息的权重值对所述人脸图像进行人脸识别。
2.根据权利要求1所述的方法,其特征在于,根据所述年龄信息对所述第一特征信息的权重值、所述第二特征信息的权重值以及所述第三特征信息的权重值进行调整的步骤包括:在所述年龄信息为未成年人的情况下,调整所述第一特征信息、第二特征信息以及第三特征信息的权重值,使得所述第一特征信息的权重值大于所述第二特征信息以及第三特征信息的权重值。
3.根据权利要求1所述的方法,其特征在于,根据所述年龄信息对所述第一特征信息的权重值、所述第二特征信息的权重值以及所述第三特征信息的权重值进行调整的步骤包括:在所述年龄信息为青年人的情况下,调整所述第一特征信息、第二特征信息以及第三特征信息的权重值,使得所述第一特征信息的权重值以及所述第二特征信息的权重值大于所述第三特征信息的权重值。
4.根据权利要求1所述的方法,其特征在于,根据所述年龄信息对所述第一特征信息的权重值、所述第二特征信息的权重值以及所述第三特征信息的权重值进行调整的步骤包括:在所述年龄信息为老年人的情况下,调整所述第一特征信息、第二特征信息以及第三特征信息的权重值,使得所述第二特征信息的权重值以及所述第三特征信息的权重值大于所述第一特征信息的权重值。
5.一种人脸识别的装置,其特征在于,所述装置包括:
获取模块,用于获取人脸图像;
提取模块,用于提取所述人脸图像的特征信息;所述提取模块包括:子提取模块,用于通过至少一个模型对所述人脸图像进行特征提取,其中,所述至少一个模型用于提取所述人脸图像在不同年龄段的所述特征信息,所述至少一个模型包括未成年人模型,用于提取所述人脸图像的第一特征信息;青年人模型,用于提取所述人脸图像的第二特征信息;老年人模型,用于提取所述人脸图像的第三特征信息;
评估模块,用于对所述人脸图像进行年龄评估,生成所述人脸图像的年龄信息;
识别模块,用于根据所述特征信息以及所述年龄信息对所述人脸图像进行人脸识别;所述识别模块包括:调整模块,用于根据所述年龄信息对所述第一特征信息的权重值、所述第二特征信息的权重值以及所述第三特征信息的权重值进行调整;人脸识别模块,根据调整后的所述第一特征信息的权重值、所述第二特征信息的权重值以及所述第三特征信息的权重值对所述人脸图像进行人脸识别。
6.根据权利要求5所述的装置,其特征在于,所述调整模块包括:第一子调整模块,用于在所述年龄信息为未成年人的情况下,调整所述第一特征信息、第二特征信息以及第三特征信息的权重值,使得所述第一特征信息的权重值大于所述第二特征信息以及第三特征信息的权重值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711401467.7A CN108197542B (zh) | 2017-12-22 | 2017-12-22 | 一种人脸识别的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711401467.7A CN108197542B (zh) | 2017-12-22 | 2017-12-22 | 一种人脸识别的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108197542A CN108197542A (zh) | 2018-06-22 |
CN108197542B true CN108197542B (zh) | 2022-07-12 |
Family
ID=62583195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711401467.7A Active CN108197542B (zh) | 2017-12-22 | 2017-12-22 | 一种人脸识别的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108197542B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112070011A (zh) * | 2020-09-08 | 2020-12-11 | 安徽兰臣信息科技有限公司 | 一种可用于走失儿童找寻的无感人脸识别摄像抓拍机 |
CN112298191A (zh) * | 2020-11-10 | 2021-02-02 | 珠海格力电器股份有限公司 | 汽车启动方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143079A (zh) * | 2013-05-10 | 2014-11-12 | 腾讯科技(深圳)有限公司 | 人脸属性识别的方法和系统 |
CN106022317A (zh) * | 2016-06-27 | 2016-10-12 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
CN106650650A (zh) * | 2016-12-14 | 2017-05-10 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种跨年龄人脸识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9639743B2 (en) * | 2013-05-02 | 2017-05-02 | Emotient, Inc. | Anonymization of facial images |
-
2017
- 2017-12-22 CN CN201711401467.7A patent/CN108197542B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143079A (zh) * | 2013-05-10 | 2014-11-12 | 腾讯科技(深圳)有限公司 | 人脸属性识别的方法和系统 |
CN106022317A (zh) * | 2016-06-27 | 2016-10-12 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
CN106650650A (zh) * | 2016-12-14 | 2017-05-10 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种跨年龄人脸识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108197542A (zh) | 2018-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751108B (zh) | 人脸图像识别装置和人脸图像识别方法 | |
CN111563422B (zh) | 基于双模态情绪识别网络的服务评价获取方法及其装置 | |
CN108197542B (zh) | 一种人脸识别的方法及装置 | |
CN111881726B (zh) | 一种活体检测方法、装置及存储介质 | |
CN103324918B (zh) | 一种人脸识别与唇形识别相配合的身份认证方法 | |
CN111931758B (zh) | 一种结合面部静脉的人脸识别方法及装置 | |
CN106620990A (zh) | 一种调节情绪的方法及其装置 | |
CN105813548A (zh) | 用于评估至少一个面部临床体征的方法 | |
CN110084149B (zh) | 一种基于难样本四元组动态边界损失函数的人脸验证方法 | |
CN103716702A (zh) | 电视节目推荐装置和方法 | |
KR101700818B1 (ko) | 얼굴 영상을 이용하여 나이 또는 성별을 추정하는 방법 및 장치 | |
CN108898051A (zh) | 一种基于视频流的人脸识别方法及系统 | |
KR20090073294A (ko) | 얼굴인식을 통한 영상에서의 사람 상호관계 추론 방법 | |
CN108171138B (zh) | 一种生物特征信息获取方法和装置 | |
Arora et al. | On iris camera interoperability | |
US20100111375A1 (en) | Method for Determining Atributes of Faces in Images | |
CN111312286A (zh) | 年龄识别方法、装置、设备及计算机可读存储介质 | |
US11295117B2 (en) | Facial modelling and matching systems and methods | |
CN115440196A (zh) | 基于用户面部表情的语音识别方法、装置、介质及设备 | |
CN111724199A (zh) | 基于行人主动感知的智慧社区广告精准投放方法及装置 | |
CN114582003A (zh) | 一种基于云计算服务的睡眠健康管理系统 | |
Jawed et al. | Human gait recognition system | |
CN109376661A (zh) | 用于输出信息的方法和装置 | |
Syambas et al. | Image processing and face detection analysis on face verification based on the age stages | |
CN108615020A (zh) | 一种视频监控区域内的流动人数统计方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |