CN108388878A - 用于识别人脸的方法和装置 - Google Patents
用于识别人脸的方法和装置 Download PDFInfo
- Publication number
- CN108388878A CN108388878A CN201810214258.XA CN201810214258A CN108388878A CN 108388878 A CN108388878 A CN 108388878A CN 201810214258 A CN201810214258 A CN 201810214258A CN 108388878 A CN108388878 A CN 108388878A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- facial image
- facial
- user
- 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.)
- Pending
Links
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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Security & Cryptography (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了用于识别人脸的方法和装置。该方法的一具体实施方式包括:获取通过红外摄像头拍摄的用户的第一人脸图像;获取通过可见光摄像头拍摄的用户的第二人脸图像;响应于检测出第二人脸图像的质量不符合预设的条件,将第一人脸图像与预设的人脸图像集合进行匹配,其中,人脸图像集合中的人脸图像与身份信息相对应;响应于确定出人脸图像集合中存在与第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将第一目标图像对应的身份信息确定为用户的身份信息。该实施方式提高了人脸识别的准确性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于识别人脸的方法和装置。
背景技术
人脸识别是生物特征识别领域中最常用的一种模态,近年来在公共安全领域得到了广泛的应用。各类人脸识别方法的关键都在于,提取人脸数据中与身份相关的本质特征,同时消除其中受非身份因素影响的部分,非身份因素一般包括:环境光照、姿态、表情、饰物等。其中光照问题在实际应用中最为重要,用户普遍要求人脸识别系统能适应不同的光照环境。一般的人脸识别系统都采用普通的可见光人脸图像进行识别,这类系统容易受到环境光线变化的影响,在识别之前往往需要采用一些预处理算法对光照进行处理。虽然光照预处理算法能在一定程度上消除光照的影响,但同时也会使图像损失一部分有用的信息。
发明内容
本申请实施例提出了用于识别人脸的方法和装置。
第一方面,本申请实施例提供了一种用于识别人脸的方法,包括:获取通过红外摄像头拍摄的用户的第一人脸图像;获取通过可见光摄像头拍摄的用户的第二人脸图像;响应于检测出第二人脸图像的质量不符合预设的条件,将第一人脸图像与预设的人脸图像集合进行匹配,其中,人脸图像集合中的人脸图像与身份信息相对应;响应于确定出人脸图像集合中存在与第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将第一目标图像对应的身份信息确定为用户的身份信息。
在一些实施例中,上述方法还包括:响应于检测出第二人脸图像的质量符合预设的条件,将第二人脸图像与人脸图像集合进行匹配;响应于确定出人脸图像集合中存在与第二人脸图像之间的匹配度大于预设第二阈值的第二目标图像,将第二目标图像对应的身份信息确定为用户的身份信息。
在一些实施例中,获取通过红外摄像头拍摄的第一人脸图像,包括:通过红外摄像头测量人脸上的至少一个点与红外摄像头之间的距离;将至少一个点与红外摄像头之间的距离转换成灰度值以生成第一人脸图像。
在一些实施例中,上述方法还包括:响应于确定出人脸图像集合中不存在与第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将第二人脸图像和第一人脸图像合成第三人脸图像;将第三人脸图像与人脸图像集合进行匹配;响应于确定出人脸图像集合中存在与第三人脸图像之间的匹配度大于预设第三阈值的第三目标图像,将第三目标图像对应的身份信息确定为用户的身份信息。
在一些实施例中,预设的条件包括:图像熵大于预设的图像熵阈值。
在一些实施例中,获取通过可见光摄像头拍摄的用户的第二人脸图像,包括:获取通过可见光摄像头拍摄的用户的头像图片;根据第一人脸图像确定头像图片中人脸的位置;根据人脸的位置从头像图片中裁剪出第二人脸图像。
第二方面,本申请实施例提供了一种用于识别人脸的装置,包括:第一获取单元,配置用于获取通过红外摄像头拍摄的用户的第一人脸图像;第二获取单元,配置用于获取通过可见光摄像头拍摄的用户的第二人脸图像;匹配单元,配置用于响应于检测出第二人脸图像的质量不符合预设的条件,将第一人脸图像与预设的人脸图像集合进行匹配,其中,人脸图像集合中的人脸图像与身份信息相对应;确定单元,配置用于响应于确定出人脸图像集合中存在与第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将第一目标图像对应的身份信息确定为用户的身份信息。
在一些实施例中,匹配单元进一步配置用于:响应于检测出第二人脸图像的质量符合预设的条件,将第二人脸图像与人脸图像集合进行匹配;以及确定单元进一步配置用于:响应于确定出人脸图像集合中存在与第二人脸图像之间的匹配度大于预设第二阈值的第二目标图像,将第二目标图像对应的身份信息确定为用户的身份信息。
在一些实施例中,第一获取单元进一步配置用于:通过红外摄像头测量人脸上的至少一个点与红外摄像头之间的距离;将至少一个点与红外摄像头之间的距离转换成灰度值以生成第一人脸图像。
在一些实施例中,上述装置还包括合成单元,配置用于:响应于确定出人脸图像集合中不存在与第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将第二人脸图像和第一人脸图像合成第三人脸图像;将第三人脸图像与人脸图像集合进行匹配;响应于确定出人脸图像集合中存在与第三人脸图像之间的匹配度大于预设第三阈值的第三目标图像,将第三目标图像对应的身份信息确定为用户的身份信息。
在一些实施例中,预设的条件包括:图像熵大于预设的图像熵阈值。
在一些实施例中,第二获取单元进一步配置用于:获取通过可见光摄像头拍摄的用户的头像图片;根据第一人脸图像确定头像图片中人脸的位置;根据人脸的位置从头像图片中裁剪出第二人脸图像。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一的方法。
本申请实施例提供的用于识别人脸的方法和装置,通过红外摄像头和可见光摄像头获取两种人脸图像,如果可见光摄像头拍摄的人脸图像的质量不符合预设的条件,则可使用红外摄像头拍摄的人脸图像进行人脸识别,从而提高了人脸识别的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于识别人脸的方法的一个实施例的流程图;
图3是根据本申请的用于识别人脸的方法的一个应用场景的示意图;
图4是根据本申请的用于识别人脸的方法的又一个实施例的流程图;
图5是根据本申请的用于识别人脸的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
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相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于识别人脸的方法或用于识别人脸的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有红外摄像头和可见光摄像头并支持双摄像头拍照的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts GroupAudio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture ExpertsGroup Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的人脸身份提供支持的后台人脸识别服务器。后台人脸识别服务器可以对接收到的人脸图像等数据进行分析等处理,并将处理结果(例如身份信息)反馈给终端设备。
需要说明的是,本申请实施例所提供的用于识别人脸的方法可由服务器105执行,相应地,用于识别人脸的装置可设置于服务器105中。本申请实施例所提供的用于识别人脸的方法还可由终端设备执行,相应地,用于识别人脸的装置可设置于终端设备中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。可以只包括终端设备,而无需服务器也可实现本申请实施例所提供的用于识别人脸的方法。
继续参考图2,示出了根据本申请的用于识别人脸的方法的一个实施例的流程200。该用于识别人脸的方法,包括以下步骤:
步骤201,获取通过红外摄像头拍摄的用户的第一人脸图像。
在本实施例中,用于识别人脸的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其拍摄人脸的终端接收用户的第一人脸图像,其中,上述第一人脸图像是通过终端的红外摄像头拍摄的黑白图像。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。如果终端设备上存储有用户的身份信息,则用于识别人脸的方法的执行主体可以是终端设备,此时终端设备直接通过自身安装的红外摄像头和可见光摄像头拍摄人脸图像。
红外摄像头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,可以得到环境无关的人脸图像,人脸图像只会随着人与摄像头的距离变化而单调变化。在此图像上采用一些特定的特征提取方式,如:LBP(Local Binary Pattern,局部二元模式)特征,可以进一步消除图像的单调变化,得到完全光照无关的特征表达。
在本实施例的一些可选的实现方式中,获取通过红外摄像头拍摄的第一人脸图像,包括:通过红外摄像头测量人脸上的至少一个点与红外摄像头之间的距离;将至少一个点与红外摄像头之间的距离转换成灰度值以生成第一人脸图像。使用红外摄像头可对人脸图像进行3D建模。使用3D人脸立体建模方法,可最大程度保留有效资讯。同时,红外摄像头还可进行热传感识别。热传感识别技术使用一个三层的BP(back-propagation)前馈神经网做为分类器,在使用热感资讯的同时使用不会被发型、呼吸等环境因素影响的关键脸部几何资讯,如鼻梁角度、脸颊面积等影响,以增强识别精准度。
步骤202,获取通过可见光摄像头拍摄的用户的第二人脸图像。
在本实施例中,可见光摄像头是常规的依赖可见光才能进行拍摄的摄像头。对同一用户的人脸进行拍照得到第二人脸图像,第二人脸图像是彩色图像。步骤201和202可同时进行,也可分别进行,不限定它们执行的顺序,可以先执行步骤201再执行步骤202,也可以先执行步骤202再执行步骤201。
在本实施例的一些可选的实现方式中,获取通过可见光摄像头拍摄的用户的第二人脸图像,包括:获取通过可见光摄像头拍摄的用户的头像图片;根据第一人脸图像确定头像图片中人脸的位置;根据人脸的位置从头像图片中裁剪出第二人脸图像。红外摄像头拍摄时可根据人脸的温度确定人脸的具体位置,可以很好的区分出头发和面部。可根据第一人脸图像确定出人脸的大致轮廓和位置,从而可以从可见光拍摄的图像中裁剪出第二人脸图像,降低人脸识别的时间和复杂度。
步骤203,响应于检测出第二人脸图像的质量不符合预设的条件,将第一人脸图像与预设的人脸图像集合进行匹配。
在本实施例中,人脸图像集合中的人脸图像与身份信息相对应。如果检测到可见光摄像头拍摄的第二人脸图像的质量不符合预设的条件,则使用红外摄像头拍摄的人脸图像进行身份识别。对于质量高的彩色的第二人脸图像来说,其识别准确性要高于黑白的第一人脸图像。但如果第二人脸图像的质量不符合预设的条件,则很难用其进行人脸识别,因此需要用第一人脸图像进行人脸识别。预设的条件包括:图像亮度在预定亮度范围内、均匀度在预定均匀度范围内、对比度在预定对比度范围内、曝光度小于预定曝光度阈值等。例如,在夜晚,可见光摄像头拍摄的第二图像的亮度不够,此时可使用红外摄像头拍摄的第一人脸图像进行人脸识别。
人脸图像匹配过程如下所示:首先,提取人脸图像的特征数据,包括视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。然后,将提取的人脸图像的特征数据与人脸图像集合中存储的特征模板进行搜索匹配。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。可选的,由于获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,因此需要在匹配前对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
在本实施例的一些可选的实现方式中,预设的条件包括:图像熵大于预设的图像熵阈值。图像熵表示为图像灰度级集合的比特平均数,单位比特/像素,也描述了图像信源的平均信息量。图像熵的定义为:
其中H是图像熵,pi是图像中灰度为i的像素的概率。获取图像熵大于预设的图像熵阈值的人脸图像,可以筛选掉全黑的人脸图像,进一步降低算法的复杂度。例如,在黑暗环境下可见光摄像头拍出的第二人脸图像是全黑的,此时可直接通过图像熵判断出该图像无效,不再采用。
步骤204,响应于确定出人脸图像集合中存在与第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将第一目标图像对应的身份信息确定为用户的身份信息。
在本实施例中,通过步骤203的一对多或一对一进行图像匹配过程,可得到第一人脸图像与人脸图像集合中图像的匹配度。通过设定第一阈值,当人脸图像集合中某个图像与第一人脸图像的匹配度超过第一阈值,则认为该图像是第一目标图像,并将第一目标图像对应的身份信息确定为用户的身份信息。
在本实施例的一些可选的实现方式中,上述方法还包括:响应于检测出第二人脸图像的质量符合预设的条件,将第二人脸图像与人脸图像集合进行匹配;响应于确定出人脸图像集合中存在与第二人脸图像之间的匹配度大于预设第二阈值的第二目标图像,将第二目标图像对应的身份信息确定为用户的身份信息。如果可见光摄像头采集的第二人脸图像的质量符合要求,则直接使用第二人脸图像进行人脸识别,具体识别步骤已经在步骤203、204中说明,因此不再赘述。
继续参见图3,图3是根据本实施例的用于识别人脸的方法的应用场景的一个示意图。在图3的应用场景中,用户需要通过身份验证才能使用终端300。终端300通过红外摄像头301拍摄的用户的第一人脸图像303。终端300通过可见光摄像头302拍摄的用户的第二人脸图像304。然后终端检测到第二人脸图像304不符合预设的条件时,使用第一人脸图像303进行人脸识别。确定出第一人脸图像303与终端预先存储的使用者图像匹配度大于预设第一阈,则可确定该用户的身份是使用者,可为其解除锁定。
本申请的上述实施例提供的方法通过将红外摄像头拍摄的图像作为可见光摄像头拍摄的图像的补充,提高了人脸识别的准确性。
进一步参考图4,其示出了用于识别人脸的方法的又一个实施例的流程400。该用于识别人脸的方法的流程400,包括以下步骤:
步骤401,获取通过红外摄像头拍摄的用户的第一人脸图像。
步骤402,获取通过可见光摄像头拍摄的用户的第二人脸图像。
步骤403,响应于检测出第二人脸图像的质量不符合预设的条件,将第一人脸图像与预设的人脸图像集合进行匹配。
步骤401-步骤403与步骤201-203基本相同,因此不再赘述。
步骤404,响应于确定出人脸图像集合中不存在与第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将第二人脸图像和第一人脸图像合成第三人脸图像。
在本实施例中,通过步骤203的一对多进行图像匹配过程,可得到第一人脸图像与人脸图像集合中图像的匹配度。通过设定第一阈值,当人脸图像集合中没有图像与第一人脸图像的匹配度超过第一阈值,则将第二人脸图像和第一人脸图像合成第三人脸图像。第三人脸图像将第二人脸图像中的特征和第一人脸图像中的特征结合起来。例如,红线摄像头拍摄戴眼镜的用户时,由于眼镜反光造成眼部特征缺失,可从可见光摄像头摄像的第二人脸图像中提取出眼部特征。
步骤405,将第三人脸图像与人脸图像集合进行匹配。
在本实施例中,将步骤404生成的第三人脸图像与预先存储的包括人脸特征的人脸图像集合进行匹配。首先,提取人脸图像的特征数据,包括视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。然后,将提取的人脸图像的特征数据与人脸图像集合中存储的特征模板进行搜索匹配。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。可选的,由于获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,因此需要在匹配前对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
步骤406,响应于确定出人脸图像集合中存在与第三人脸图像之间的匹配度大于预设第三阈值的第三目标图像,将第三目标图像对应的身份信息确定为用户的身份信息。
在本实施例中,通过步骤405的一对多或一对一进行图像匹配过程,可得到第三人脸图像与人脸图像集合中图像的匹配度。通过设定第三阈值,当人脸图像集合中某个图像与第三人脸图像的匹配度超过第三阈值,则认为该图像是第三目标图像,并将第三目标图像对应的身份信息确定为用户的身份信息。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于识别人脸的方法的流程400突出了将红外摄像头拍摄的图像与可见光摄像头拍摄的图像相结合进行人脸识别的步骤。由此,本实施例描述的方案可以引入更多的人脸特征,从而实现更全面的特征提取和更有效的人脸识别。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于识别人脸的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于识别人脸的装置500包括:第一获取单元501、第二获取单元502、匹配单元503和确定单元504。其中,第一获取单元501配置用于获取通过红外摄像头拍摄的用户的第一人脸图像;第二获取单元502配置用于获取通过可见光摄像头拍摄的用户的第二人脸图像;匹配单元503配置用于响应于检测出第二人脸图像的质量不符合预设的条件,将第一人脸图像与预设的人脸图像集合进行匹配,其中,人脸图像集合中的人脸图像与身份信息相对应;确定单元504配置用于响应于确定出人脸图像集合中存在与第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将第一目标图像对应的身份信息确定为用户的身份信息。
在本实施例中,用于识别人脸的装置500的第一获取单元501、第二获取单元502、匹配单元503和确定单元504的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204。
在本实施例的一些可选的实现方式中,匹配单元503进一步配置用于:响应于检测出第二人脸图像的质量符合预设的条件,将第二人脸图像与人脸图像集合进行匹配;以及确定单元504进一步配置用于:响应于确定出人脸图像集合中存在与第二人脸图像之间的匹配度大于预设第二阈值的第二目标图像,将第二目标图像对应的身份信息确定为用户的身份信息。
在本实施例的一些可选的实现方式中,第一获取单元501进一步配置用于:通过红外摄像头测量人脸上的至少一个点与红外摄像头之间的距离;将至少一个点与红外摄像头之间的距离转换成灰度值以生成第一人脸图像。
在本实施例的一些可选的实现方式中,装置500还包括合成单元(未示出),配置用于:响应于确定出人脸图像集合中不存在与第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将第二人脸图像和第一人脸图像合成第三人脸图像;将第三人脸图像与人脸图像集合进行匹配;响应于确定出人脸图像集合中存在与第三人脸图像之间的匹配度大于预设第三阈值的第三目标图像,将第三目标图像对应的身份信息确定为用户的身份信息。
在本实施例的一些可选的实现方式中,预设的条件包括:图像熵大于预设的图像熵阈值。
在本实施例的一些可选的实现方式中,第二获取单元502进一步配置用于:获取通过可见光摄像头拍摄的用户的头像图片;根据第一人脸图像确定头像图片中人脸的位置;根据人脸的位置从头像图片中裁剪出第二人脸图像。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本申请中,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。而在本申请中,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的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、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)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一获取单元、第二获取单元、匹配单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取通过红外摄像头拍摄的用户的第一人脸图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取通过红外摄像头拍摄的用户的第一人脸图像;获取通过可见光摄像头拍摄的用户的第二人脸图像;响应于检测出第二人脸图像的质量不符合预设的条件,将第一人脸图像与预设的人脸图像集合进行匹配,其中,人脸图像集合中的人脸图像与身份信息相对应;响应于确定出人脸图像集合中存在与第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将第一目标图像对应的身份信息确定为用户的身份信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于识别人脸的方法,包括:
获取通过红外摄像头拍摄的用户的第一人脸图像;
获取通过可见光摄像头拍摄的所述用户的第二人脸图像;
响应于检测出所述第二人脸图像的质量不符合预设的条件,将所述第一人脸图像与预设的人脸图像集合进行匹配,其中,所述人脸图像集合中的人脸图像与身份信息相对应;
响应于确定出所述人脸图像集合中存在与所述第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将所述第一目标图像对应的身份信息确定为所述用户的身份信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
响应于检测出所述第二人脸图像的质量符合预设的条件,将所述第二人脸图像与所述人脸图像集合进行匹配;
响应于确定出所述人脸图像集合中存在与所述第二人脸图像之间的匹配度大于预设第二阈值的第二目标图像,将所述第二目标图像对应的身份信息确定为所述用户的身份信息。
3.根据权利要求1所述的方法,其中,所述获取通过红外摄像头拍摄的第一人脸图像,包括:
通过红外摄像头测量人脸上的至少一个点与所述红外摄像头之间的距离;
将所述至少一个点与所述红外摄像头之间的距离转换成灰度值以生成第一人脸图像。
4.根据权利要求1所述的方法,其中,所述方法还包括:
响应于确定出所述人脸图像集合中不存在与所述第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将所述第二人脸图像和所述第一人脸图像合成第三人脸图像;
将所述第三人脸图像与所述人脸图像集合进行匹配;
响应于确定出所述人脸图像集合中存在与所述第三人脸图像之间的匹配度大于预设第三阈值的第三目标图像,将所述第三目标图像对应的身份信息确定为所述用户的身份信息。
5.根据权利要求1所述的方法,其中,所述预设的条件包括:图像熵大于预设的图像熵阈值。
6.根据权利要求1所述的方法,其中,所述获取通过可见光摄像头拍摄的所述用户的第二人脸图像,包括:
获取通过可见光摄像头拍摄的所述用户的头像图片;
根据所述第一人脸图像确定所述头像图片中人脸的位置;
根据所述人脸的位置从所述头像图片中裁剪出第二人脸图像。
7.一种用于识别人脸的装置,包括:
第一获取单元,配置用于获取通过红外摄像头拍摄的用户的第一人脸图像;
第二获取单元,配置用于获取通过可见光摄像头拍摄的所述用户的第二人脸图像;
匹配单元,配置用于响应于检测出所述第二人脸图像的质量不符合预设的条件,将所述第一人脸图像与预设的人脸图像集合进行匹配,其中,所述人脸图像集合中的人脸图像与身份信息相对应;
确定单元,配置用于响应于确定出所述人脸图像集合中存在与所述第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将所述第一目标图像对应的身份信息确定为所述用户的身份信息。
8.根据权利要求7所述的装置,其中,所述匹配单元进一步配置用于:响应于检测出所述第二人脸图像的质量符合预设的条件,将所述第二人脸图像与所述人脸图像集合进行匹配;以及
所述确定单元进一步配置用于:响应于确定出所述人脸图像集合中存在与所述第二人脸图像之间的匹配度大于预设第二阈值的第二目标图像,将所述第二目标图像对应的身份信息确定为所述用户的身份信息。
9.根据权利要求7所述的装置,其中,所述第一获取单元进一步配置用于:
通过红外摄像头测量人脸上的至少一个点与所述红外摄像头之间的距离;
将所述至少一个点与所述红外摄像头之间的距离转换成灰度值以生成第一人脸图像。
10.根据权利要求7所述的装置,其中,所述装置还包括合成单元,配置用于:
响应于确定出所述人脸图像集合中不存在与所述第一人脸图像之间的匹配度大于预设第一阈值的第一目标图像,将所述第二人脸图像和所述第一人脸图像合成第三人脸图像;
将所述第三人脸图像与所述人脸图像集合进行匹配;
响应于确定出所述人脸图像集合中存在与所述第三人脸图像之间的匹配度大于预设第三阈值的第三目标图像,将所述第三目标图像对应的身份信息确定为所述用户的身份信息。
11.根据权利要求7所述的装置,其中,所述预设的条件包括:图像熵大于预设的图像熵阈值。
12.根据权利要求7所述的装置,其中,所述第二获取单元进一步配置用于:
获取通过可见光摄像头拍摄的所述用户的头像图片;
根据所述第一人脸图像确定所述头像图片中人脸的位置;
根据所述人脸的位置从所述头像图片中裁剪出第二人脸图像。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810214258.XA CN108388878A (zh) | 2018-03-15 | 2018-03-15 | 用于识别人脸的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810214258.XA CN108388878A (zh) | 2018-03-15 | 2018-03-15 | 用于识别人脸的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108388878A true CN108388878A (zh) | 2018-08-10 |
Family
ID=63067792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810214258.XA Pending CN108388878A (zh) | 2018-03-15 | 2018-03-15 | 用于识别人脸的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108388878A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008802A (zh) * | 2018-12-04 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 从多个脸部中选择目标脸部及脸部识别比对方法、装置 |
CN110191292A (zh) * | 2019-06-28 | 2019-08-30 | 联想(北京)有限公司 | 信息处理方法及其系统、介质和电子设备 |
CN110414332A (zh) * | 2019-06-20 | 2019-11-05 | 平安科技(深圳)有限公司 | 一种掌纹识别的方法及装置 |
CN110532991A (zh) * | 2019-09-04 | 2019-12-03 | 深圳市捷顺科技实业股份有限公司 | 一种人脸识别方法、装置及设备 |
CN110807403A (zh) * | 2019-10-29 | 2020-02-18 | 中新智擎科技有限公司 | 一种用户身份识别方法、装置及电子设备 |
CN111080927A (zh) * | 2019-12-17 | 2020-04-28 | 中国建设银行股份有限公司 | 一种用于封闭式自助金融设备的软件架构方法及装置 |
CN111126229A (zh) * | 2019-12-17 | 2020-05-08 | 中国建设银行股份有限公司 | 数据处理方法和装置 |
CN111274940A (zh) * | 2020-01-19 | 2020-06-12 | 厦门中控智慧信息技术有限公司 | 一种人脸识别方法、装置、设备和储存介质 |
CN111401331A (zh) * | 2020-04-27 | 2020-07-10 | 支付宝(杭州)信息技术有限公司 | 人脸识别方法及装置 |
CN111415166A (zh) * | 2019-01-07 | 2020-07-14 | 百度在线网络技术(北京)有限公司 | 用户数据的获取方法、装置和存储介质 |
CN111723651A (zh) * | 2020-05-09 | 2020-09-29 | 熵基科技股份有限公司 | 一种人脸识别方法、人脸识别装置及终端设备 |
CN111783677A (zh) * | 2020-07-03 | 2020-10-16 | 北京字节跳动网络技术有限公司 | 人脸识别方法、装置、服务器和计算机可读介质 |
CN111882737A (zh) * | 2020-06-22 | 2020-11-03 | 浙江大华技术股份有限公司 | 门禁检测方法、装置、系统、计算机设备和存储介质 |
CN112258363A (zh) * | 2020-10-16 | 2021-01-22 | 浙江大华技术股份有限公司 | 身份信息的确认方法、装置、存储介质及电子装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425137A (zh) * | 2008-11-10 | 2009-05-06 | 北方工业大学 | 基于拉普拉斯金字塔的人脸图像融合方法 |
CN101639891A (zh) * | 2008-07-28 | 2010-02-03 | 汉王科技股份有限公司 | 一种双摄像头人脸识别装置和方法 |
CN106897716A (zh) * | 2017-04-27 | 2017-06-27 | 广东工业大学 | 一种宿舍安全监控系统及方法 |
CN107506752A (zh) * | 2017-09-18 | 2017-12-22 | 艾普柯微电子(上海)有限公司 | 人脸识别装置及方法 |
CN107679481A (zh) * | 2017-09-27 | 2018-02-09 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
-
2018
- 2018-03-15 CN CN201810214258.XA patent/CN108388878A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639891A (zh) * | 2008-07-28 | 2010-02-03 | 汉王科技股份有限公司 | 一种双摄像头人脸识别装置和方法 |
CN101425137A (zh) * | 2008-11-10 | 2009-05-06 | 北方工业大学 | 基于拉普拉斯金字塔的人脸图像融合方法 |
CN106897716A (zh) * | 2017-04-27 | 2017-06-27 | 广东工业大学 | 一种宿舍安全监控系统及方法 |
CN107506752A (zh) * | 2017-09-18 | 2017-12-22 | 艾普柯微电子(上海)有限公司 | 人脸识别装置及方法 |
CN107679481A (zh) * | 2017-09-27 | 2018-02-09 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008802A (zh) * | 2018-12-04 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 从多个脸部中选择目标脸部及脸部识别比对方法、装置 |
CN110008802B (zh) * | 2018-12-04 | 2023-08-29 | 创新先进技术有限公司 | 从多个脸部中选择目标脸部及脸部识别比对方法、装置 |
CN111415166A (zh) * | 2019-01-07 | 2020-07-14 | 百度在线网络技术(北京)有限公司 | 用户数据的获取方法、装置和存储介质 |
CN110414332A (zh) * | 2019-06-20 | 2019-11-05 | 平安科技(深圳)有限公司 | 一种掌纹识别的方法及装置 |
CN110191292A (zh) * | 2019-06-28 | 2019-08-30 | 联想(北京)有限公司 | 信息处理方法及其系统、介质和电子设备 |
CN110191292B (zh) * | 2019-06-28 | 2020-09-25 | 联想(北京)有限公司 | 信息处理方法及其系统、介质和电子设备 |
CN110532991A (zh) * | 2019-09-04 | 2019-12-03 | 深圳市捷顺科技实业股份有限公司 | 一种人脸识别方法、装置及设备 |
CN110807403B (zh) * | 2019-10-29 | 2022-12-02 | 中新智擎科技有限公司 | 一种用户身份识别方法、装置及电子设备 |
CN110807403A (zh) * | 2019-10-29 | 2020-02-18 | 中新智擎科技有限公司 | 一种用户身份识别方法、装置及电子设备 |
CN111080927A (zh) * | 2019-12-17 | 2020-04-28 | 中国建设银行股份有限公司 | 一种用于封闭式自助金融设备的软件架构方法及装置 |
CN111126229A (zh) * | 2019-12-17 | 2020-05-08 | 中国建设银行股份有限公司 | 数据处理方法和装置 |
CN111274940A (zh) * | 2020-01-19 | 2020-06-12 | 厦门中控智慧信息技术有限公司 | 一种人脸识别方法、装置、设备和储存介质 |
CN111401331A (zh) * | 2020-04-27 | 2020-07-10 | 支付宝(杭州)信息技术有限公司 | 人脸识别方法及装置 |
CN111723651A (zh) * | 2020-05-09 | 2020-09-29 | 熵基科技股份有限公司 | 一种人脸识别方法、人脸识别装置及终端设备 |
CN111723651B (zh) * | 2020-05-09 | 2023-10-10 | 熵基科技股份有限公司 | 一种人脸识别方法、人脸识别装置及终端设备 |
CN111882737A (zh) * | 2020-06-22 | 2020-11-03 | 浙江大华技术股份有限公司 | 门禁检测方法、装置、系统、计算机设备和存储介质 |
CN111783677A (zh) * | 2020-07-03 | 2020-10-16 | 北京字节跳动网络技术有限公司 | 人脸识别方法、装置、服务器和计算机可读介质 |
CN111783677B (zh) * | 2020-07-03 | 2023-12-01 | 北京字节跳动网络技术有限公司 | 人脸识别方法、装置、服务器和计算机可读介质 |
CN112258363A (zh) * | 2020-10-16 | 2021-01-22 | 浙江大华技术股份有限公司 | 身份信息的确认方法、装置、存储介质及电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388878A (zh) | 用于识别人脸的方法和装置 | |
US10902245B2 (en) | Method and apparatus for facial recognition | |
US11893828B2 (en) | System and method for image de-identification | |
CN108491805B (zh) | 身份认证方法和装置 | |
CN109902659B (zh) | 用于处理人体图像的方法和装置 | |
CA2934514C (en) | System and method for identifying faces in unconstrained media | |
CN106682632B (zh) | 用于处理人脸图像的方法和装置 | |
US10482325B2 (en) | User authentication method and electronic device supporting the same | |
CN108446387A (zh) | 用于更新人脸注册库的方法和装置 | |
CN108229419A (zh) | 用于聚类图像的方法和装置 | |
CN108509892B (zh) | 用于生成近红外图像的方法和装置 | |
CN108898185A (zh) | 用于生成图像识别模型的方法和装置 | |
CN108446390A (zh) | 用于推送信息的方法和装置 | |
CN108491809A (zh) | 用于生成近红外图像生成模型的方法和装置 | |
CN109086719A (zh) | 用于输出数据的方法和装置 | |
CN109344752A (zh) | 用于处理嘴部图像的方法和装置 | |
CN108171211A (zh) | 活体检测方法和装置 | |
CN108388889B (zh) | 用于分析人脸图像的方法和装置 | |
CN110348419A (zh) | 用于拍照的方法和装置 | |
CN108446658A (zh) | 用于识别人脸图像的方法和装置 | |
US20230036338A1 (en) | Method and apparatus for generating image restoration model, medium and program product | |
CN110110666A (zh) | 目标检测方法和装置 | |
CN110570383A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN108364029A (zh) | 用于生成模型的方法和装置 | |
CN109492601A (zh) | 人脸比对方法及装置、计算机可读介质和电子设备 |
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 |