CN108875534A - 人脸识别的方法、装置、系统及计算机存储介质 - Google Patents
人脸识别的方法、装置、系统及计算机存储介质 Download PDFInfo
- Publication number
- CN108875534A CN108875534A CN201810111602.2A CN201810111602A CN108875534A CN 108875534 A CN108875534 A CN 108875534A CN 201810111602 A CN201810111602 A CN 201810111602A CN 108875534 A CN108875534 A CN 108875534A
- Authority
- CN
- China
- Prior art keywords
- face
- identified
- facial image
- scale
- feature vector
- 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.)
- Granted
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
- G06V40/168—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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种人脸识别的方法、装置、系统及计算机存储介质，该方法包括：确定待识别人脸图像中的人脸区域，将所述待识别人脸图像中除去所述人脸区域之外的其他区域填充预定颜色，并提取所述填充后的待识别人脸图像的特征向量；获取底库人脸的特征向量；根据所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量，计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。由此可见，本发明实施例中，通过将待识别人脸图像中人脸区域之外填充颜色，能够减小在提取特征向量时的噪声影响，因而能够更加准确地对其进行人脸识别，提高了人脸识别的准确率。
Description
技术领域
本发明涉及图像处理领域，更具体地涉及一种人脸识别的方法、装置、系统及计算机存储介质。
背景技术
在人脸识别领域，通常需判断两个人脸是否属于同一人。具体地，通过从人脸提取特征并进行比对来进行判断。然而，由于可能存在人脸遮挡等情形，会导致所提取的特征噪声过大，进一步使得识别的准确率不高。
发明内容
本发明提供了一种人脸识别的方法、装置、系统及计算机存储介质，对具有遮挡的人脸的识别也具有较高的准确率。
根据本发明的第一方面，提供了一种人脸识别的方法，所述方法包括：
确定待识别人脸图像中的人脸区域，将所述待识别人脸图像中除去所述人脸区域之外的其他区域填充预定颜色，并提取所述填充后的待识别人脸图像的特征向量；
获取底库人脸的特征向量；
根据所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量，计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。
在本发明的一个实施例中，所述根据所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量，计算所述人脸区域表示的人脸与所述底库人脸之间的相似度，包括：
计算所述人脸区域的比例大小；
若所述比例大小小于预设比例，则确定无法判断所述待识别人脸图像中的人脸与所述底库人脸是否属于同一人；
若所述比例大小大于或等于所述预设比例，则计算所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量的距离，并根据所述距离计算所述相似度。
在本发明的一个实施例中，所述计算所述人脸区域的比例大小，包括：
计算所述待识别人脸图像中完整人脸的面积；
计算所述人脸区域的面积；
计算所述人脸区域的面积与所述完整人脸的面积之比，作为所述比例大小。
在本发明的一个实施例中，所述计算所述待识别人脸图像中完整人脸的面积，包括：
通过人脸关键点标记出所述完整人脸的人脸轮廓；
根据所述人脸轮廓，计算所述完整人脸的面积。
在本发明的一个实施例中，所述待识别人脸图像为预先调整至规定尺寸的人脸图像，所述计算所述人脸区域的比例大小，包括：
计算所述人脸区域的面积与所述规定尺寸的待识别人脸图像的面积之比，作为所述比例大小。
根据本发明的第二方面，提供了一种人脸识别的方法，包括：
获取待识别人脸图像；
计算所述待识别人脸图像中的人脸区域的比例大小；
若所述比例大小小于预设比例，则确定无法判断所述待识别人脸图像中的人脸与底库人脸是否属于同一人；
若所述比例大小大于或等于所述预设比例，则计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。
在本发明的一个实施例中，所述计算所述待识别人脸图像中的人脸区域的比例大小，包括：
计算所述待识别人脸图像中完整人脸的面积；
计算所述人脸区域的面积；
计算所述人脸区域的面积与所述完整人脸的面积之比，作为所述比例大小。
在本发明的一个实施例中，所述计算所述待识别人脸图像中完整人脸的面积，包括：
通过人脸关键点标记出所述完整人脸的人脸轮廓；
根据所述人脸轮廓，计算所述完整人脸的面积。
在本发明的一个实施例中，所述待识别人脸图像为预先调整至规定尺寸的人脸图像，所述计算所述待识别人脸图像中的人脸区域的比例大小，包括：
计算所述人脸区域的面积与所述规定尺寸的待识别人脸图像的面积之比，作为所述比例大小。
根据本发明的另一方面，提供了一种人脸识别的装置，所述装置用于实现前述第一方面或任一实施例所述方法的步骤，所述装置包括：
确定模块，用于确定待识别人脸图像中的人脸区域，将所述待识别人脸图像中除去所述人脸区域之外的其他区域填充预定颜色，并提取所述填充后的待识别人脸图像的特征向量；
获取模块，用于获取底库人脸的特征向量；
计算模块，用于根据所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量，计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。
根据本发明的另一方面，提供了一种人脸识别的装置，所述装置用于实现前述第二方面或任一实施例所述方法的步骤，所述装置包括：
获取模块，用于获取待识别人脸图像；
计算模块，用于计算所述待识别人脸图像中的人脸区域的比例大小；
确定模块，用于若所述计算模块所计算的所述比例大小小于预设比例，则确定无法判断所述待识别人脸图像中的人脸与底库人脸是否属于同一人；
若所述计算模块所计算的所述比例大小大于或等于所述预设比例，则所述计算模块还用于计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。
根据本发明的又一方面，提供了一种人脸识别的系统，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述任一方面及各个示例所述的人脸识别的方法的步骤。
根据本发明的再一方面，提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述任一方面及各个示例所述的人脸识别的方法的步骤。
由此可见，本发明实施例中，通过将待识别人脸图像中人脸区域之外填充颜色，能够减小在提取特征向量时的噪声影响，因而能够更加准确地对其进行人脸识别，提高了人脸识别的准确率。
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是本发明实施例的电子设备的一个示意性框图；
图2是本发明实施例的人脸识别的方法的一个示意性流程图；
图3是本发明实施例的人脸识别的方法的另一个示意性流程图；
图4是本发明实施例的人脸识别的装置的一个示意性框图；
图5是本发明实施例的人脸识别的装置的另一个示意性框图。
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。
本发明实施例可以应用于电子设备，图1所示为本发明实施例的电子设备的一个示意性框图。图1所示的电子设备10包括一个或更多个处理器102、一个或更多个存储装置104、输入装置106、输出装置108、图像传感器110以及一个或更多个非图像传感器114，这些组件通过总线系统112和/或其它形式互连。应当注意，图1所示的电子设备10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可以包括中央处理单元(Central Processing Unit，CPU)1021和图形处理单元(Graphics Processing Unit，GPU)1022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，例如现场可编程门阵列(Field－Programmable GateArray，FPGA)或进阶精简指令集机器(Advanced RISC(Reduced Instruction SetComputer)Machine，ARM)等，并且处理器102可以控制所述电子设备10中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或更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1041和/或非易失性存储器1042。所述易失性存储器1041例如可以包括随机存取存储器(Random Access Memory，RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器1042例如可以包括只读存储器(Read-Only Memory，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更多个计算机程序指令，处理器102可以运行所述程序指令，以实现各种期望的功能。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更多个。
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更多个。
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。
当注意，图1所示的电子设备10的组件和结构只是示例性的，尽管图1示出的电子设备10包括多个不同的装置，但是根据需要，其中的一些装置可以不是必须的，其中的一些装置的数量可以更多等等，本发明对此不限定。
图2是本发明实施例的人脸识别的方法的一个示意性流程图。图2所示的方法可以由图1所示的电子设备10执行，具体地由处理器102执行。图2所示的方法可以包括：
S110，确定待识别人脸图像中的人脸区域，将所述待识别人脸图像中除去所述人脸区域之外的其他区域填充预定颜色，并提取所述填充后的待识别人脸图像的特征向量；
S120，获取底库人脸的特征向量；
S130，根据所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量，计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。
示例性地，本发明实施例对S110和S120的执行顺序不作限定，例如可以并行执行。
示例性地，在S110之前，图2所示的方法还可以包括获取待识别人脸图像。例如，使用图像采集设备拍摄待识别人脸图像，或者从存储器中获取待识别人脸图像。待识别人脸图像可以是由图像采集设备拍摄的包括人脸的原始图像，也可以是经由图像预处理(如去噪、归一化等)之后的人脸图像。作为一例，可以对图像采集装置所拍摄的原始图像进行人脸检测，将检测到的人脸边界框内的人脸图像剪裁下来，进行图像预处理后得到该待识别的人脸图像。
示例性地，在S110中，可以采用人脸分割算法从待识别人脸图像中分割出人脸区域，然后将该待识别人脸图像中除去人脸区域之外的其他区域填充预定颜色。
示例性地，还可以通过训练好的神经网络执行S110。具体地，可以将待识别人脸图像输入至训练好的神经网络，该神经网络的输出图像中包括人脸区域，且该输出图像中的其他区域填充预定颜色。其中，预定颜色可以为与标识人脸区域的颜色不同的另一颜色，例如标识人脸区域的颜色为红色，预定颜色为黑色。可选地，该待识别人脸图像为有遮挡人脸图像，即该待识别人脸图像中的人脸有部分区域被遮挡。
可理解，在S110之前，还包括：通过训练得到该神经网络。具体地，可以构建人脸样本图像数据集，其中该数据集中的每个样本图像均具有标注信息，该标注信息包括人脸区域以及填充为预定颜色的其他区域。可选地，对每一张样本图像可以先通过人脸分割算法确定其中的人脸区域，然后再将其他部分填充为预定颜色，从而得到对应的标注信息。
将具有标注信息的样本图像输入至待训练的神经网络，并优化该神经网络的输出信息与标注信息之间的误差，以训练该神经网络。其中，可以基于梯度下降方法优化误差。
其中，数据集中的样本图像可以具有各种各样的人脸遮挡状态，例如由于帽子、眼镜、口罩、面具、手或其他物体等对人脸的部分遮挡。
本发明实施例对所使用的神经网络的网络结构不作限定，例如可以是ResNet、DenseNet、MobileNet、ShuffleNet、Inception等中的任一种网络结构。
这样，在S110中，可以将待识别人脸图像输入至训练好的神经网络，得到填充后的待识别人脸图像；随后可以基于该填充后的待识别人脸图像得到特征向量。具体地，可以将该填充后的待识别人脸图像输入至特征提取网络，从而得到该人脸区域的特征向量。
示例性地，该特征提取网络可以是目前已有的或将来出现的用于进行特征提取的卷积神经网络，这里不再赘述。
作为一例，S120中的底库人脸的特征向量可以是预先存储的。例如，在构建底库时，在存储介质(如图1所示的存储装置104)中存储底库人脸的特征向量。
作为另一例，S120中可以通过特征提取网络获取底库人脸的特征向量。
若底库人脸为无遮挡人脸，则可以将库底人脸图像输入至特征提取网络以得到该底库人脸的特征向量。若底库人脸为有遮挡人脸，则可以采用与S110类似的方法得到该底库人脸的特征向量。也就是说，可以先得到底部人脸的特征向量并存储在存储介质中。或者，可以在对待识别人脸图像进行人脸识别时再提取底库图像的特征向量。本发明对此不限定。
示例性地，S130中，可以计算填充后的待识别人脸图像的特征向量与底库人脸的特征向量两者之间的距离，然后在根据该距离计算待识别人脸与底库人脸之间的相似度。
具体地，S130可以包括：计算所述人脸区域的比例大小；若所述比例大小小于预设比例，则确定无法判断所述待识别人脸图像中的人脸与所述底库人脸是否属于同一人；若所述比例大小大于或等于所述预设比例，则计算所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量的距离，并根据所述距离计算所述相似度。
作为一个实施例，人脸区域的比例大小可以表示人脸区域在完整人脸中所占的比例。相应地，计算所述人脸区域的比例大小，可以包括：计算所述待识别人脸图像中完整人脸的面积；计算所述人脸区域的面积；计算所述人脸区域的面积与所述完整人脸的面积之比，作为所述比例大小。
其中，计算所述待识别人脸图像中完整人脸的面积，可以包括：通过人脸关键点标记出所述完整人脸的人脸轮廓；根据所述人脸轮廓，计算所述完整人脸的面积。
具体地，可以通过人脸关键点检测确定人脸轮廓，该过程需要消耗一定的时长。例如，首先通过人脸关键点检测得到人脸轮廓关键点，然后根据人脸轮廓关键点计算出人脸轮廓。本公开中对人脸关键点检测所使用的方法不作限定，例如，可以是基于主动形状模型(Active Shape Model，ASM)和主动外观模型(Active Appearance Model，AAM)的传统人脸关键点检测方法，还可以是基于级联形状回归的人脸关键点检测方法，还可以是基于深度学习的人脸检测方法。
作为另一个实施例，若待识别人脸图像为预先调整至规定尺寸的人脸图像，人脸区域的比例大小可以表示人脸区域在待识别人脸图像中所占的比例。相应地，计算所述人脸区域的比例大小，可以包括：计算所述人脸区域的面积与所述规定尺寸的待识别人脸图像的面积之比，作为所述比例大小。
具体地，针对经过对齐且大小归一化的待识别人脸图像，计算人脸区域的面积与图像面积之间的比值。其中，经过对齐且大小归一化的待识别人脸图像具有规定尺寸(也称为统一尺寸)，这样能够标准化地计算比例大小，而且该实施例比上述相对于完整人脸的比例的实施例来说消耗的时长要小。然而，由于不同的人的人脸大小并不是一致的，存在大小差别，因为采用该实施例会对结果有一定的影响。
可以根据实际的场景需求选择上述两个实施例之一来计算比例大小，例如，若对精度的要求高于对计算速度的要求，则可以采用第一种相对于完整人脸的比例的实施例；若对计算速度的要求高于对精度的要求，则可以采用第二种相对于归一化图像的比例的实施例。
进一步地，可以将所计算的比例大小与预设比例进行比较，如果比例大小小于预设比例，则说明该待识别人脸图像中的人脸被遮挡的面积过大，从而不再将其与底库人脸图像进行识别，也就是说此时即使计算待检测图像中人脸与底库人脸之间的相似度，该相似度也是不可靠的，其不能被用于判断两个人脸是否属于同一人。如果比例大小大于或等于预设比例，则进一步计算填充后的待识别人脸图像的特征向量与底库人脸的特征向量之间的距离。可选地，预设比例可以是一个经验值，其可以在实际应用中根据实际情况进行设定，作为一例，预设比例等于0.5。
本发明实施例中，计算的距离可以为欧式距离、余弦距离、马氏距离等中的任一种，本发明实施例对此不限定。
在计算距离之后，可以根据该距离计算相似度。作为一例，可以将所述计算得到的距离直接作为相似度。作为另一例，可以在得到距离的基础上再计算得到相似度，如可以采用下式计算相似度：其中，S表示所述相似度，D表示所述距离，A和B为预设参数。其中，A和B可以是根据经验得到的固定参数，本发明对此不限定。
这样，可以在S130之后确定待识别人脸图像中的人脸与底库人脸是否属于同一人。具体地，若S130所得到的相似度大于或等于相似度阈值，则可以确定待识别人脸图像中的人脸与底库人脸属于同一人，否则不属于同一人。其中，相似度阈值可以在实际应用中根据实际情况进行设定，本发明对此不限定。
由此可见，本发明实施例中，通过将待识别人脸图像中人脸区域之外填充颜色，能够减小在提取特征向量时的噪声影响，因而能够更加准确地对其进行人脸识别，提高了人脸识别的准确率。
图3是本发明实施例的人脸识别的方法的另一个示意性流程图。图3所示的方法可以由图1所示的电子设备10执行，具体地由处理器102执行。图3所示的方法可以包括：
S210，获取待识别人脸图像；
S220，计算所述待识别人脸图像中的人脸区域的比例大小；
S230，若所述比例大小小于预设比例，则确定无法判断所述待识别人脸图像中的人脸与底库人脸是否属于同一人；
S240，若所述比例大小大于或等于所述预设比例，则计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。
示例性地，如参照图2的实施例所描述的，S210中可以从图像采集装置获取待识别人脸图像，或者可以从存储器中获取待识别人脸图像。待识别人脸图像可以是原始图像，或者可以是经归一化后预先调整至规定尺寸的人脸图像。本发明对此不限定。
可选地，作为一种实现方式，S220中的人脸区域的比例大小可以表示人脸区域在完整人脸中所占的比例。相应地，S220可以包括：计算所述待识别人脸图像中完整人脸的面积；计算所述人脸区域的面积；计算所述人脸区域的面积与所述完整人脸的面积之比，作为所述比例大小。
其中，计算所述待识别人脸图像中完整人脸的面积，可以包括：通过人脸关键点标记出所述完整人脸的人脸轮廓；根据所述人脸轮廓，计算所述完整人脸的面积。
可选地，作为另一种实现方式，若待识别人脸图像为预先调整至规定尺寸的人脸图像，人脸区域的比例大小可以表示人脸区域在待识别人脸图像中所占的比例。相应地，S220可以包括：计算所述人脸区域的面积与所述规定尺寸的待识别人脸图像的面积之比，作为所述比例大小。
进一步地，可以将所计算的比例大小与预设比例进行比较，如果比例大小小于预设比例，则说明该待识别人脸图像中的人脸被遮挡的面积过大，从而可以确定无法判断该待识别人脸图像中的人脸与底库人脸是否属于同一人。如果比例大小大于或等于预设比例，则可以进一步计算待识别人脸图像的人脸与底库人脸之间的相似度。可选地，预设比例可以是一个经验值，其可以在实际应用中根据实际情况进行设定，作为一例，预设比例等于0.5。
具体地，若该比例大小大于或等于预设比例，则S240中可以包括：计算待识别人脸图像的特征向量与底库人脸的特征向量之间的距离，并进一步根据该距离计算相似度。
作为一个实施例，可以通过特征提取网络，得到待识别人脸图像的特征向量。
作为另一个实施例，可以确定待识别人脸图像中的人脸区域，将所述待识别人脸图像中除去所述人脸区域之外的其他区域填充预定颜色，最后再提取所述填充后的待识别人脸图像的特征向量。这样，能够减小提取特征向量时的噪声影响，具体地，该实施例可以参见前述图2的实施例中S110的相关描述，为避免重复，这里不再赘述。
由此可见，本发明实施例中考虑由于人脸遮挡造成的未遮挡人脸部分的比例大小，只有在比例大小达到比例阈值时才计算与底库人脸的相似度，这样能够保证结果的准确性，防止由于遮挡过大导致的不可信的相似度结果。
图4是本发明实施例的人脸识别的装置的一个示意性框图。图4所示的装置40包括：确定模块410、获取模块420和计算模块430。
确定模块410，用于确定待识别人脸图像中的人脸区域，将所述待识别人脸图像中除去所述人脸区域之外的其他区域填充预定颜色，并提取所述填充后的待识别人脸图像的特征向量；
获取模块420，用于获取底库人脸的特征向量。
计算模块430，用于根据所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量，计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。
示例性地，计算模块430可以包括计算子模块和确定子模块。计算子模块可以用于计算所述人脸区域的比例大小。若计算子模块计算的所述比例大小小于预设比例，则确定子模块用于确定无法判断所述待识别人脸图像中的人脸与所述底库人脸是否属于同一人。若计算子模块所计算的所述比例大小大于或等于所述预设比例，则由计算子模块进一步计算所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量的距离，并根据所述距离计算所述相似度。
示例性地，计算子模块可以具体用于：计算所述待识别人脸图像中完整人脸的面积；计算所述人脸区域的面积；计算所述人脸区域的面积与所述完整人脸的面积之比，作为所述比例大小。其中，计算子模块可以具体用于：通过人脸关键点标记出所述完整人脸的人脸轮廓；根据所述人脸轮廓，计算所述完整人脸的面积。
示例性地，若所述待识别人脸图像为预先调整至规定尺寸的人脸图像，计算子模块可以具体用于：计算所述人脸区域的面积与所述规定尺寸的待识别人脸图像的面积之比，作为所述比例大小。
示例性地，计算模块430计算的距离可以为欧式距离、余弦距离、马氏距离等中的任一种，本发明实施例对此不限定。
示例性地，确定模块410可以具体用于：将待识别人脸图像输入至训练好的神经网络，该神经网络的输出图像中包括人脸区域，且将其他区域填充预定颜色。其中，预定颜色可以为与标识人脸区域的颜色不同的另一颜色，例如标识人脸区域的颜色为红色，预定颜色为黑色。可选地，该待识别人脸图像为有遮挡人脸图像，即该待识别人脸图像中的人脸有部分区域被遮挡。
示例性地，确定模块410可以进一步将上述神经网络的输出图像输入至特征提取网络，以得到填充后的待识别人脸图像的特征向量。
示例性地，该装置40还可以包括训练模块，以基于训练数据集，通过训练得到上述训练好的神经网络。
图4所示的装置40能够实现前述图2所示的人脸识别的方法，为避免重复，这里不再赘述。
图5是本发明实施例的人脸识别的装置的另一个示意性框图。图5所示的装置50可以包括获取模块510、计算模块520和确定模块530。
获取模块510，用于获取待识别人脸图像；
计算模块520，用于计算所述待识别人脸图像中的人脸区域的比例大小；
确定模块530，用于若所述计算模块所计算的所述比例大小小于预设比例，则确定无法判断所述待识别人脸图像中的人脸与底库人脸是否属于同一人；
若所述计算模块520所计算的所述比例大小大于或等于所述预设比例，则所述计算模块520还用于计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。
示例性地，计算模块520可以具体用于：计算所述待识别人脸图像中完整人脸的面积；计算所述人脸区域的面积；计算所述人脸区域的面积与所述完整人脸的面积之比，作为所述比例大小。其中，计算子模块可以具体用于：通过人脸关键点标记出所述完整人脸的人脸轮廓；根据所述人脸轮廓，计算所述完整人脸的面积。
示例性地，若所述待识别人脸图像为预先调整至规定尺寸的人脸图像，计算模块520可以具体用于：计算所述人脸区域的面积与所述规定尺寸的待识别人脸图像的面积之比，作为所述比例大小。
示例性地，计算模块520还可以具体用于：计算所述待识别人脸图像的特征向量与底库人脸的特征向量之间的距离，并进一步根据该距离计算所述待识别人脸图像中的人脸与所述底库人脸之间的相似度。进而可以根据该相似度确定所述待识别人脸图像中的人脸与所述底库人脸是否属于同一人。
图5所示的装置50能够实现前述图3所示的人脸识别的方法，为避免重复，这里不再赘述。
另外，本发明实施例还提供了另一种人脸识别的系统，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，处理器执行所述程序时实现前述图2或图3所示的人脸识别的方法的步骤。
另外，本发明实施例还提供了一种电子设备，该电子设备可以包括图4所示的装置40。该电子设备可以实现前述图2所示的人脸识别的方法。或者，该电子设备可以包括图5所示的装置50。该电子设备可以实现前述图3所示的人脸识别的方法。
另外，本发明实施例还提供了一种计算机存储介质，其上存储有计算机程序。当所述计算机程序由处理器执行时，可以实现前述图2或图3所示的人脸识别的方法的步骤。例如，该计算机存储介质为计算机可读存储介质。
本发明实施例提供了一种人脸识别的方法、装置、系统、电子设备和计算机存储介质，可以通过将待识别人脸图像中人脸区域之外填充颜色，能够减小在提取特征向量时的噪声影响，因而能够更加准确地对其进行人脸识别，提高了人脸识别的准确率。另外，可以将底库人脸的特征向量预先存储，这样能够减少在人脸识别过程中的计算量，提高了识别的效率。
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(Digital Signal Processing，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 (10)
1.一种人脸识别的方法，其特征在于，所述方法包括：
确定待识别人脸图像中的人脸区域，将所述待识别人脸图像中除去所述人脸区域之外的其他区域填充预定颜色，并提取所述填充后的待识别人脸图像的特征向量；
获取底库人脸的特征向量；
根据所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量，计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。
2.根据权利要求1所述的方法，其特征在于，所述根据所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量，计算所述人脸区域表示的人脸与所述底库人脸之间的相似度，包括：
计算所述人脸区域的比例大小；
若所述比例大小小于预设比例，则确定无法判断所述待识别人脸图像中的人脸与所述底库人脸是否属于同一人；
若所述比例大小大于或等于所述预设比例，则计算所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量的距离，并根据所述距离计算所述相似度。
3.根据权利要求2所述的方法，其特征在于，所述计算所述人脸区域的比例大小，包括：
计算所述待识别人脸图像中完整人脸的面积；
计算所述人脸区域的面积；
计算所述人脸区域的面积与所述完整人脸的面积之比，作为所述比例大小。
4.根据权利要求3所述的方法，其特征在于，所述计算所述待识别人脸图像中完整人脸的面积，包括：
通过人脸关键点标记出所述完整人脸的人脸轮廓；
根据所述人脸轮廓，计算所述完整人脸的面积。
5.根据权利要求2所述的方法，其特征在于，所述待识别人脸图像为预先调整至规定尺寸的人脸图像，所述计算所述人脸区域的比例大小，包括：
计算所述人脸区域的面积与所述规定尺寸的待识别人脸图像的面积之比，作为所述比例大小。
6.一种人脸识别的方法，其特征在于，所述方法包括：
获取待识别人脸图像；
计算所述待识别人脸图像中的人脸区域的比例大小；
若所述比例大小小于预设比例，则确定无法判断所述待识别人脸图像中的人脸与底库人脸是否属于同一人；
若所述比例大小大于或等于所述预设比例，则计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。
7.一种人脸识别的装置，其特征在于，所述装置用于实现权利要求1至5中任一项所述方法的步骤，所述装置包括：
确定模块，用于确定待识别人脸图像中的人脸区域，将所述待识别人脸图像中除去所述人脸区域之外的其他区域填充预定颜色，并提取所述填充后的待识别人脸图像的特征向量；
获取模块，用于获取底库人脸的特征向量；
计算模块，用于根据所述填充后的待识别人脸图像的特征向量与所述底库人脸的特征向量，计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。
8.一种人脸识别的装置，其特征在于，所述装置用于实现权利要求6所述方法的步骤，所述装置包括：
获取模块，用于获取待识别人脸图像；
计算模块，用于计算所述待识别人脸图像中的人脸区域的比例大小；
确定模块，用于若所述计算模块所计算的所述比例大小小于预设比例，则确定无法判断所述待识别人脸图像中的人脸与底库人脸是否属于同一人；
若所述计算模块所计算的所述比例大小大于或等于所述预设比例，则所述计算模块还用于计算所述人脸区域表示的人脸与所述底库人脸之间的相似度。
9.一种人脸识别的系统，包括存储器、处理器及存储在所述存储器上且在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810111602.2A CN108875534B (zh) | 2018-02-05 | 2018-02-05 | 人脸识别的方法、装置、系统及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810111602.2A CN108875534B (zh) | 2018-02-05 | 2018-02-05 | 人脸识别的方法、装置、系统及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108875534A true CN108875534A (zh) | 2018-11-23 |
| CN108875534B CN108875534B (zh) | 2023-02-28 |
Family
ID=64325990
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810111602.2A Active CN108875534B (zh) | 2018-02-05 | 2018-02-05 | 人脸识别的方法、装置、系统及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108875534B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109635686A (zh) * | 2018-11-29 | 2019-04-16 | 上海交通大学 | 结合人脸与外观的两阶段行人搜索方法 |
| CN109800704A (zh) * | 2019-01-17 | 2019-05-24 | 深圳英飞拓智能技术有限公司 | 抓拍视频人脸检测的方法及装置 |
| CN110263695A (zh) * | 2019-06-14 | 2019-09-20 | 北京达佳互联信息技术有限公司 | 人脸部位的位置获取方法、装置、电子设备及存储介质 |
| CN110674805A (zh) * | 2019-10-11 | 2020-01-10 | 杭州睿琪软件有限公司 | 昆虫识别方法及系统 |
| CN111339832A (zh) * | 2020-02-03 | 2020-06-26 | 中国人民解放军国防科技大学 | 人脸合成图像的检测方法及装置 |
| CN111814570A (zh) * | 2020-06-12 | 2020-10-23 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、系统及存储介质 |
| CN111984815A (zh) * | 2019-05-23 | 2020-11-24 | 北京地平线机器人技术研发有限公司 | 用于人脸识别的底库更新方法、装置、介质和设备 |
| CN112131915A (zh) * | 2019-06-25 | 2020-12-25 | 杭州海康威视数字技术股份有限公司 | 人脸考勤系统以及摄像机和码流设备 |
| WO2021253783A1 (zh) * | 2020-06-19 | 2021-12-23 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备和存储介质 |
| US20220327864A1 (en) * | 2020-10-12 | 2022-10-13 | Hong Fu Jin Precision Industry (Wuhan) Co., Ltd. | Face recognition method, device employing method, and readable storage medium |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104091163A (zh) * | 2014-07-19 | 2014-10-08 | 福州大学 | 一种消除遮挡影响的lbp人脸识别方法 |
| CN105374055A (zh) * | 2014-08-20 | 2016-03-02 | 腾讯科技（深圳）有限公司 | 图像处理方法及装置 |
| CN105512599A (zh) * | 2014-09-26 | 2016-04-20 | 数伦计算机技术（上海）有限公司 | 人脸识别方法及人脸识别系统 |
| CN106295468A (zh) * | 2015-05-19 | 2017-01-04 | 小米科技有限责任公司 | 人脸识别方法及装置 |
| US20170213071A1 (en) * | 2016-01-21 | 2017-07-27 | Samsung Electronics Co., Ltd. | Face detection method and apparatus |
-
2018
- 2018-02-05 CN CN201810111602.2A patent/CN108875534B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104091163A (zh) * | 2014-07-19 | 2014-10-08 | 福州大学 | 一种消除遮挡影响的lbp人脸识别方法 |
| CN105374055A (zh) * | 2014-08-20 | 2016-03-02 | 腾讯科技（深圳）有限公司 | 图像处理方法及装置 |
| CN105512599A (zh) * | 2014-09-26 | 2016-04-20 | 数伦计算机技术（上海）有限公司 | 人脸识别方法及人脸识别系统 |
| CN106295468A (zh) * | 2015-05-19 | 2017-01-04 | 小米科技有限责任公司 | 人脸识别方法及装置 |
| US20170213071A1 (en) * | 2016-01-21 | 2017-07-27 | Samsung Electronics Co., Ltd. | Face detection method and apparatus |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109635686B (zh) * | 2018-11-29 | 2021-04-23 | 上海交通大学 | 结合人脸与外观的两阶段行人搜索方法 |
| CN109635686A (zh) * | 2018-11-29 | 2019-04-16 | 上海交通大学 | 结合人脸与外观的两阶段行人搜索方法 |
| CN109800704A (zh) * | 2019-01-17 | 2019-05-24 | 深圳英飞拓智能技术有限公司 | 抓拍视频人脸检测的方法及装置 |
| CN109800704B (zh) * | 2019-01-17 | 2021-05-14 | 深圳英飞拓智能技术有限公司 | 抓拍视频人脸检测的方法及装置 |
| CN111984815B (zh) * | 2019-05-23 | 2024-05-28 | 北京地平线机器人技术研发有限公司 | 用于人脸识别的底库更新方法、装置、介质和设备 |
| CN111984815A (zh) * | 2019-05-23 | 2020-11-24 | 北京地平线机器人技术研发有限公司 | 用于人脸识别的底库更新方法、装置、介质和设备 |
| CN110263695A (zh) * | 2019-06-14 | 2019-09-20 | 北京达佳互联信息技术有限公司 | 人脸部位的位置获取方法、装置、电子设备及存储介质 |
| CN110263695B (zh) * | 2019-06-14 | 2021-07-16 | 北京达佳互联信息技术有限公司 | 人脸部位的位置获取方法、装置、电子设备及存储介质 |
| CN112131915B (zh) * | 2019-06-25 | 2023-03-24 | 杭州海康威视数字技术股份有限公司 | 人脸考勤系统以及摄像机和码流设备 |
| CN112131915A (zh) * | 2019-06-25 | 2020-12-25 | 杭州海康威视数字技术股份有限公司 | 人脸考勤系统以及摄像机和码流设备 |
| WO2021068744A1 (zh) * | 2019-10-11 | 2021-04-15 | 杭州睿琪软件有限公司 | 昆虫识别方法及系统 |
| CN110674805B (zh) * | 2019-10-11 | 2022-04-15 | 杭州睿琪软件有限公司 | 昆虫识别方法及系统 |
| US11663802B2 (en) | 2019-10-11 | 2023-05-30 | Hangzhou Glority Software Limited | Insect identification method and system |
| CN110674805A (zh) * | 2019-10-11 | 2020-01-10 | 杭州睿琪软件有限公司 | 昆虫识别方法及系统 |
| CN111339832A (zh) * | 2020-02-03 | 2020-06-26 | 中国人民解放军国防科技大学 | 人脸合成图像的检测方法及装置 |
| CN111814570A (zh) * | 2020-06-12 | 2020-10-23 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、系统及存储介质 |
| CN111814570B (zh) * | 2020-06-12 | 2024-04-30 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、系统及存储介质 |
| WO2021253783A1 (zh) * | 2020-06-19 | 2021-12-23 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备和存储介质 |
| US20220327864A1 (en) * | 2020-10-12 | 2022-10-13 | Hong Fu Jin Precision Industry (Wuhan) Co., Ltd. | Face recognition method, device employing method, and readable storage medium |
| US11922724B2 (en) * | 2020-10-12 | 2024-03-05 | Hong Fu Jin Precision Industry (Wuhan) Co., Ltd. | Face recognition method utilizing a face recognition model and a face sample library to detect mask images |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108875534B (zh) | 2023-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108875534A (zh) | 人脸识别的方法、装置、系统及计算机存储介质 | |
| CN108875511B (zh) | 图像生成的方法、装置、系统及计算机存储介质 | |
| EP3614303A1 (en) | Method and apparatus for facial recognition | |
| KR102357340B1 (ko) | 얼굴 인식 방법 및 장치 | |
| CN108875533A (zh) | 人脸识别的方法、装置、系统及计算机存储介质 | |
| EP3699817A2 (en) | Liveness testing methods and apparatuses and image processing methods and apparatuses | |
| CN108351961A (zh) | 图像及特征质量、用于眼部血管及面部识别的图像增强及特征提取及针对生物识别系统融合眼部血管与面部及/或子面部信息 | |
| CN108932456A (zh) | 人脸识别方法、装置和系统及存储介质 | |
| CN106778453B (zh) | 人脸图像中检测眼镜佩戴的方法及装置 | |
| CN108875493A (zh) | 人脸识别中相似度阈值的确定方法以及确定装置 | |
| EP3734503A1 (en) | Method and apparatus with liveness detection | |
| CN108416902A (zh) | 基于差异识别的实时物体识别方法和装置 | |
| KR102476022B1 (ko) | 얼굴검출 방법 및 그 장치 | |
| KR102257897B1 (ko) | 라이브니스 검사 방법과 장치，및 영상 처리 방법과 장치 | |
| KR102399025B1 (ko) | 개선된 데이터 비교 방법 | |
| CN108875474A (zh) | 评估人脸识别算法的方法、装置及计算机存储介质 | |
| US9129152B2 (en) | Exemplar-based feature weighting | |
| US10671831B2 (en) | High speed reference point independent database filtering for fingerprint identification | |
| CN111598038A (zh) | 脸部特征点检测方法、装置、设备及存储介质 | |
| CN110738236A (zh) | 图像匹配方法、装置、计算机设备及存储介质 | |
| CN108875509A (zh) | 活体检测方法、装置和系统及存储介质 | |
| CN109948521A (zh) | 图像纠偏方法和装置、设备及存储介质 | |
| CN108875556A (zh) | 用于人证核验的方法、装置、系统及计算机存储介质 | |
| CN113986561A (zh) | 人工智能任务处理方法、装置、电子设备及可读存储介质 | |
| US9940718B2 (en) | Apparatus and method for extracting peak image from continuously photographed images |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230410 Address after: No. 1268, 1f, building 12, neijian Middle Road, Xisanqi building materials City, Haidian District, Beijing 100096 Patentee after: BEIJING KUANGSHI TECHNOLOGY Co.,Ltd. Patentee after: Hangzhou kuangyun Jinzhi Technology Co.,Ltd. Address before: 100190 A block 2, South Road, Haidian District Academy of Sciences, Beijing 313 Patentee before: BEIJING KUANGSHI TECHNOLOGY Co.,Ltd. |