CN109002776A - 人脸识别方法、系统、计算机设备和计算机可读存储介质 - Google Patents

人脸识别方法、系统、计算机设备和计算机可读存储介质 Download PDF

Info

Publication number
CN109002776A
CN109002776A CN201810694581.1A CN201810694581A CN109002776A CN 109002776 A CN109002776 A CN 109002776A CN 201810694581 A CN201810694581 A CN 201810694581A CN 109002776 A CN109002776 A CN 109002776A
Authority
CN
China
Prior art keywords
face
frame image
location
current frame
information set
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
Application number
CN201810694581.1A
Other languages
English (en)
Other versions
CN109002776B (zh
Inventor
曾俊杰
陈桓
张良杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kingdee Software China Co Ltd
Original Assignee
Kingdee Software China Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kingdee Software China Co Ltd filed Critical Kingdee Software China Co Ltd
Priority to CN201810694581.1A priority Critical patent/CN109002776B/zh
Publication of CN109002776A publication Critical patent/CN109002776A/zh
Application granted granted Critical
Publication of CN109002776B publication Critical patent/CN109002776B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种人脸识别方法、系统、计算机设备和计算机可读存储介质。所述方法包括：获取当前帧图像中所有人脸的人脸位置，剔除当前帧图像中与前置帧信息集合中重合的人脸位置，前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置，获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，人脸用于指示服务器识别人脸对应的身份信息。采用本方法能够降低人脸识别过程中网络开销。

Description

人脸识别方法、系统、计算机设备和计算机可读存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种人脸识别方法、系统、计算机设备和存储介质。
背景技术
随着计算机技术和人工智能技术的快速发展，人脸识别技术越来越成熟，目前，人脸识别可以通过云端识别来实现。即通过设备获取人脸图像或视频等，通过网络上传到云端，由云端对图像或视频进行人脸识别。
然而，传统技术中，存在网络开销大的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够降低网络开销的人脸识别方法、系统、计算机设备和计算机可读存储介质。
一种人脸识别方法，所述方法包括：
获取当前帧图像中所有人脸的人脸位置；
剔除所述当前帧图像与前置帧信息集合中重合的人脸位置，所述前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
获取所述当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，所述人脸用于指示所述服务器识别所述人脸对应的身份信息。
一种人脸识别方法，包括：
接收当前帧图像中剔除人脸位置后剩余的人脸位置对应的人脸，所述人脸是将所述当前帧图像中所有人脸的人脸位置通过剔除所述当前帧图像与前置帧信息集合中重合的人脸位置后得到的；所述前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
获取所述人脸对应的人脸特征信息；
根据所述人脸特征信息在数据库中搜索所述人脸对应的人脸相似集；
根据所述人脸相似集获取所述人脸对应的相似人脸，调取所述相似人脸对应的身份信息。
一种人脸识别方法，所述方法包括：
获取当前帧图像中所有人脸；
剔除所述当前帧图像与前置帧信息集合中重合的人脸，所述前置帧信息集合用于保存上一帧图像中所有人脸；
获取所述当前帧图像中剔除重合人脸后剩余的人脸并发送给服务器，所述人脸用于指示所述服务器识别所述人脸对应的身份信息。
一种人脸识别系统，包括：
人脸位置获取模块，用于获取当前帧图像中所有人脸的人脸位置；
重合位置剔除模块，用于剔除所述当前帧图像与前置帧信息集合中重合的人脸位置，所述前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
剩余人脸发送模块，用于获取所述当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，所述人脸用于指示所述服务器识别所述人脸对应的身份信息。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取当前帧图像中所有人脸的人脸位置；
剔除所述当前帧图像与前置帧信息集合中重合的人脸位置，所述前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
获取所述当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，所述人脸用于指示所述服务器识别所述人脸对应的身份信息。
一种计算机可读存储介质，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以下步骤：
获取当前帧图像中所有人脸的人脸位置；
剔除所述当前帧图像与前置帧信息集合中重合的人脸位置，所述前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
获取所述当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，所述人脸用于指示所述服务器识别所述人脸对应的身份信息。
上述人脸识别方法、系统、计算机设备和计算机可读存储介质，通过获取当前帧图像中所有人脸的人脸位置，剔除当前帧图像中与前置帧信息集合中重合的人脸位置，前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置，获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，服务器识别人脸对应的身份信息。由于可以剔除当前帧图像中与上一帧图像中重合的人脸位置，将剩余的人脸位置对应的人脸发送给服务器进行识别，可以降低网络开销。
附图说明
图1为一个实施例中人脸识别方法的应用环境图；
图2为一个实施例中人脸识别方法的流程图；
图3为另一个实施例中人脸识别方法的流程图；
图4为一个实施例中保存背景人脸信息集合的流程图；
图5为一个实施例中剔除与重复脸检测集合重合的人脸位置的流程图；
图6为一个实施例中人脸识别方法的流程图；
图7为另一个实施例中人脸识别方法的流程图；
图8为一个实施例中人脸识别方法应用的流程图；
图9为一个实施例中人脸识别系统的结构框图；
图10为另一个实施例中人脸识别系统的结构框图；
图11为又一个实施例中人脸识别系统的结构框图；
图12为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的人脸识别方法，可以应用于如图1所示的应用环境中。其中，电子设备102通过网络与服务器10进行通信。电子设备102获取当前帧图像中所有人脸的人脸位置，剔除当前帧图像与前置帧信息集合中重合的人脸位置，前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置，获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器104，服务器104用于识别人脸对应的身份信息。其中，电子设备102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等具备图像或视频采集功能的设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种人脸识别方法，以该方法应用于图1中的电子设备为例进行说明，包括以下步骤：
步骤202，获取当前帧图像中所有人脸的人脸位置。
当前帧图像是指电子设备通过成像设备实时捕捉当前场景的画面生成的图像。具体地，电子设备可以每隔预设时间采集一帧当前帧图像，预设时间可以是1s、2s、3s等不限于此。电子设备可以对当前帧图像进行人脸检测，确定当前帧图像中是否包含人脸，并获取当前帧图像中所有人脸对应的人脸位置。当前帧图像是由多个像素点组成的图像。当前帧图像中所有人脸的人脸可以采用以像素为单位来表示。例如，在一张1028*700像素的当前帧图像中，人脸位置可以表示为距离图像左下角向右50像素，向上100像素，大小为30*30像素的区域。电子设备也可以采用坐标的形式来表示。例如，电子设备可以以当前帧图像的左下角作为原点，横向为横坐标轴x，纵向为纵坐标轴y建立坐标系，则当前帧图像中人脸的人脸位置可以表示为S＝[(x1，y1)，(x2，y2)]，其中，(x1，y1)和(x2，y2)分别为人脸位置所形成的区域中左下角和右上角两个点的坐标，则上述人脸位置可以表示为S＝[(50，100)，(80，130)]，即人脸位置为横向距离当前帧图像左下角为50像素，纵向距离为100像素，宽度和高度均为30像素的区域。电子设备还可以以尺寸大小等方式表示人脸位置，在此不做限定。
电子设备可以根据CNN(Convolutional Neural Network，卷积神经网络)、DNN(Deep Neural Network，深度神经网络)、RNN(Recurrent Neural Network，循环神经网络)等深度学习算法训练人脸检测模型。人脸检测模型一般包括输入层、隐层和输出层；输入层用于接收当前帧图像的输入；隐层用于对接收到的当前帧图像进行处理；输出层用于输出对当前帧图像处理的最终结果。
电子设备可以获取当前帧图像，将当前帧图像输入到训练的人脸检测模型中进行人脸检测，获取人脸检测模型输出的当前帧图像中所有人脸的人脸位置。
步骤204，剔除当前帧图像与前置帧信息集合中重合的人脸位置，前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置。
上一帧图像是指电子设备上一次进行人脸检测的图像。电子设备可以对采集的每一帧当前帧图像进行人脸检测，也可以对采集的当前帧图像每隔预设帧进行人脸检测。预设帧可以根据实际需求进行设定，例如可以是1帧、2帧、3帧等不限于此。前置帧信息集合是用于保存上一帧图像中所有人脸的人脸位置的集合。
电子设备可以根据当前帧图像中所有人脸的人脸位置与前置帧信息集合中的人脸位置确定当前帧图像中与前置帧信息集合重合的人脸位置，将当前帧图像中与前置帧信息集合中重合的人脸位置剔除。
步骤206，获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，人脸用于指示服务器识别人脸对应的身份信息。
当前帧图像剔除重合人脸位置后剩余的人脸位置对应的人脸可以是一个或多个。电子设备可以获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应人脸并发送给服务器。具体地，电子设备可以根据剩余的人脸位置对当前帧图像进行裁剪，获取剩余的人脸位置对应的人脸，再将该人脸发送给服务器。电子设备还可以将当前帧图像中剩余的人脸位置扩大后再进行裁剪，将裁剪后的人脸发送给服务器。例如，若当前帧图像距离图像左上角向右50像素、向下100像素的位置中存在大小为40*40像素的人脸位置，则电子设备可以根据预设倍数例如1.5倍将该人脸位置进行扩大为60*60像素后，对该人脸位置进行裁剪，将裁剪后的人脸发送给服务器，预设倍数可以根据实际需求进行设定，例如可以是1.2倍、1.3倍、1.4倍、1.5倍等不限于此。人脸对应的身份信息是指该人脸对应的姓名、性别、年龄等信息。根据不同的应用场景人脸对应的身份信息不同，在此不做限定。例如，在人脸识别应用于门店会员管理时，人脸对应的身份信息还可以是人脸对应的会员的来访记录、消费记录等信息。
电子设备可以获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸，并将该人脸发送给服务器，由服务器对接收的当前帧图像的人脸进行人脸识别，根据人脸识别结果获取与人脸对应的身份信息。
上述人脸识别方法中，通过获取当前帧图像中所有人脸的人脸位置，剔除当前帧图像与前置帧信息集合中重合的人脸位置，前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置，获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，人脸用于指示服务器识别人脸对应的身份信息。由于可以剔除当前帧图像中与上一帧图像中重合的人脸位置，将剩余的人脸位置对应的人脸发送给服务器，可以大幅度的降低网络开销，服务器对剩余的人脸位置对应的人脸进行人脸识别，可以提高人脸识别的效率。
在一个实施例中，提供的人脸识别方法中剔除当前帧图像与前置帧信息集合中重合的人脸位置，前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置之后，还包括：清空前置帧信息集合，将当前帧图像中所有人脸的人脸位置保存至前置帧信息集合。
电子设备根据前置帧信息集合中的人脸位置将当前帧图像中与前置帧信息集合中重合的人脸位置剔除之后，对前置帧信息集合进行清空，并将当前帧图像中所有人脸的人脸位置保存至前置帧信息集合。
在一个实施例中，提供的人脸识别方法中剔除当前帧图像与前置帧信息集合中重合的人脸位置的过程，包括：将当前帧图像中的人脸位置与前置帧信息集合中的人脸位置进行比对，剔除当前帧图像中与前置帧信息集合中对应人脸位置的重合率超过第一预设值的人脸位置。
电子设备可以通过检测当前帧图像中人脸位置与前置帧信息帧集合的人脸位置的重合率，根据重合率确定是否剔除当前帧图像中的人脸位置。具体地，电子设备可以检测当前帧图像中的每一个人脸位置与前置帧信息集合中的所有人脸位置的重合率；电子设备也可以在检测当前帧图像的人脸位置与前置帧信息集合中的人脸位置的重合率超过第一预设值时，停止对当前帧图像中该人脸位置的检测，直接将当前帧图像中该人脸位置剔除；电子设备还可以根据当前帧图像中人脸的位置与前置帧信息集合中的人脸位置确定是否需要检测其重合率。例如，若当前帧图像中的人脸位置为S1＝[(30，30)(60，60)]，当前置帧信息集合中的人脸位置的坐标均不在该人脸位置范围时，可以不对当前帧图像中该人脸位置进行重合率计算，并保留该人脸位置；当前置帧信息集合中存在人脸位置为S2＝[(40，30)，(60，60)]，则前置帧信息集合中该人脸位置的坐标在当前帧图像中的人脸位置的坐标范围内，可以判定该人脸位置S2与S1存在重合，则对S1和S2进行重合率计算。重合率可以是两个人脸位置重合区域的面积与两个人脸位置并集区域的面积之比。即重合率可以表示为r＝(SA∩SB)/(SA∪SB)，SA与SB分别为表示进行对比的两个人脸位置，(SA∩SB)表示两个人脸位置重合的面积，(SA∪SB)表示两个人脸位置的并集即两个人脸位置的面积之和减去重合的面积。第一预设值可以根据实际需求进行设定。例如第一预设值可以是80％、85％、90％、95％等不限于此。
电子设备可以在检测到当前帧图像的人脸位置与前置帧信息集合中的任一人脸位置的重合率超过第一预设值时，将当前帧图像中该人脸位置从当前帧图像中剔除。
如图3所示，在一个实施例中，提供的人脸识别方法包括步骤302至步骤308。其中：
步骤302，获取当前帧图像中所有人脸的人脸位置。
步骤304，剔除当前帧图像与前置帧信息集合中重合的人脸位置，前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置。
步骤306，剔除当前帧图像中与背景人脸信息集合中重合的人脸位置，背景人脸信息集合用于存储图像中的背景人脸。
背景人脸是指当前场景中画面的背景存在的人脸。例如，背景人脸可以是海报、广告板等背景存在的人脸。背景人脸信息集合是用于存储图像中的背景人脸的集合。电子设备可以采集当前场景画面中的背景人脸，并将背景人脸存储至背景人脸信息集合中。电子设备可以根据当前帧图像中所有人脸的人脸位置与背景人脸信息集合中的人脸位置确定当前帧图像中与背景人脸信息集合重合的人脸位置，将当前帧图像中与背景人脸信息集合中重合的人脸位置剔除。
步骤308，获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，人脸用于指示服务器用于识别人脸对应的身份信息。
电子设备通过获取当前帧图像中所有人脸的人脸位置，剔除当前帧图像中与前置帧信息集合或背景人脸信息集合重合的人脸位置，将当前帧图像中剔除重合的人脸位置后剩余的人脸位置对应的人脸发送给服务器，由服务器识别人脸对应的身份信息，可以减少传输过程中的网络开销，并且服务器只需要对有效的人脸进行识别，可以提高人脸识别的效率。
在一个实施例中，提供的人脸识别方法中剔除当前帧图像中与背景人脸信息集合中重合的人脸位置的过程，包括：
将当前帧图像中剔除与前置帧信息集合重合的人脸位置后剩余的人脸位置与背景人脸信息集合中的人脸位置进行比对，剔除剩余的人脸位置中与背景人脸信息集合中对应人脸位置的重合率超过第二预设值的人脸位置。
第二预设值可以根据实际需求进行设定。例如第二预设值可以是80％、85％、90％、95％等不限于此。电子设备可以通过检测当前帧图像中剔除与前置帧信息集合重合的人脸位置后剩余的人脸位置与背景人脸信息帧集合的人脸位置的重合率，根据重合率确定是否剔除当前帧图像中剩余的人脸位置。具体地，电子设备可以检测当前帧图像中剔除与前置帧信息集合重合的人脸位置后剩余的每一个人脸位置与背景人脸信息集合中的所有人脸位置的重合率；电子设备也可以在检测当前帧图像的人脸位置与背景人脸信息集合中的人脸位置的重合率超过第二预设值时，停止对当前帧图像中该人脸位置的检测，直接将当前帧图像中该人脸位置剔除；电子设备还可以根据当前帧图像中剩余的人脸的位置与背景人脸信息集合中的人脸位置确定是否需要检测其重合率。
电子设备可以在检测到当前帧图像剔除与前置帧信息集合重合的人脸位置后剩余的人脸位置与背景人脸信息集合中的任一人脸位置的重合率超过第二预设值时，将当前帧图像中该人脸位置剔除。
如图4所示，在一个实施例中，提供的人脸识别方法还包括步骤402至步骤406。其中：
步骤402，获取连续若干帧图像中的人脸位置。
电子设备连续获取图像的帧数可以根据实际应用的需求来确定。例如获取的图像帧数可以是10帧、15帧、20帧等，不限于此。电子设备可以在启动电源后获取连续若干帧图像中的人脸位置；也可以在检测到电子设备启动成像设备后获取连续若干帧图像中的人脸位置；还可以在检测到电子设备位置变化时，在位置变化停止后获取连续若干帧图像中的人脸位置。
步骤404，获取连续若干帧图像中对应人脸位置的重叠率超过第三预设值的人脸位置。
重叠率可以是两个人脸位置重合区域的面积与两个人脸位置并集区域的面积之比。第三预设值可以根据实际应用需求进行设定。例如第三预设值可以是80％、85％、90％、95％等不限于此。电子设备可以检测任一帧图像中人脸位置与其他任一帧图像中的人脸位置的重合率，当重合率低于第三预设值时不继续对该人脸位置进行检测，当重合率超过第三预设值时，将该人脸位置与其他所有帧图像中的人脸位置进行检测并获得该人脸位置与其他帧图像中的人脸位置的重合率，当该人脸位置与其他帧图像的人脸位置均存在重合率超过第三预设值的人脸位置，获取该人脸位置。
步骤406，将获取的重叠率超过第三预设值的人脸位置存入背景人脸信息集合中。
电子设备可以将获取的重叠率超过第三预设值的人脸位置存入背景人脸信息集合中。当电子设备获取的当前帧图像中的人脸位置与背景人脸信息集合中的人脸位置重合时，剔除当前帧图像中该人脸位置。电子设备可以定期对背景人脸信息集合进行更新。
电子设备通过获取连续若干帧图像中的人脸位置，将连续若干帧图像中对应人脸位置的重叠率超过第三预设值的人脸位置存入背景人脸信息集合中，当电子设备获取的当前帧图像中的人脸位置与背景人脸信息集合中的人脸位置重合时，剔除当前帧图像中该重合的人脸位置，将剩余的人脸位置发送给服务器，降低了人脸识别过程中的网络开销，并且避免了背景存在脸部图像而对人脸识别造成干扰，提高了人脸识别的效率。
如图5所示，在一个实施例中，提供的人脸识别方法中获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，人脸用于指示服务器识别人脸对应的身份信息之前，还包括步骤502至步骤504。其中：
步骤502，将当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸转换为对应的多维数组。
多维数组是指根据图像中各个像素点的像素值经过神经网络变换后组成的数组。电子设备可以获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸输入至神经网络中，获取神经网络输出与该人脸对应的特征图，将特征图的数值转化为多维数组。
步骤504，将多维数组与重复脸检测集合中的多维数组比对，剔除剩余的人脸位置中相似多维数组对应的人脸位置；重复脸检测集合用于存储当前帧图像之前连续若干帧图像中发送给服务器的人脸对应转换后的多维数组。
当前帧图像之前若干帧图像可以是10帧图像、15帧图像、20帧图像、25帧图像等不限于此。电子设备可以存储获取当前帧图像中所有人脸转化为对应的多维数组，将多维数组与重复脸检测集合中的多维数组进行比对，若当前帧图像中人脸对应的多维数组与重复脸检测集合中的多维数组相同或相似度到预设条件，则可以将当前帧图像中该多维数组对应人脸的人脸位置剔除。
电子设备可以获取当前帧图像中人脸对应的多维数组，将当前帧图像中人脸对应的多维数组保存至重复脸检测集合中，对重复脸检测集合进行更新。
电子设备通过将当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸转换为对应的多维数组，将多维数组与重复脸检测集合中的多维数组比对，剔除剩余的人脸位置中相似多维数组对应的人脸位置，可以提高重复脸检测的准确性。
在一个实施例中，如图6所示，提供了一种人脸识别方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤602，接收当前帧图像中剔除人脸位置后剩余的人脸位置对应的人脸，人脸是将当前帧图像中所有人脸的人脸位置通过剔除当前帧图像与前置帧信息集合中重合的人脸位置后得到的；前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置。
服务器可以接收电子设备通过网络上传的人脸。
步骤604，获取人脸对应的人脸特征信息。
服务器对人脸进行人脸识别，获取人脸对应的人脸特征信息。人脸特征信息包括人脸特征向量和其他人脸特征信息。人脸特征向量是通过对人脸的各个区域进行特征提取聚合而成的向量。具体地，对人脸图像中人脸的五官等进行特征提取，然后聚合成向量，相当于将一张脸上的鼻子、眼睛、额头、下巴等特征分开存储到数据库中。
步骤606，根据人脸特征信息在数据库中搜索人脸对应的人脸相似集。
人脸相似集是指和人脸的人脸特征信息相似的人脸集合。服务器可以根据人脸对应的人脸特征信息搜索与该人脸对应的人脸相似集。
步骤608，根据人脸相似集获取人脸对应的相似人脸，并调取相似人脸对应的身份信息。
相似人脸是指人脸相似集中与人脸特征信息最匹配的人脸。服务器可以将人脸特征信息与人脸相似集中的人脸进行一一匹配，获取匹配度最高的人脸即为作为进行人脸识别的人脸的相似人脸。服务器确定相似人脸后，可以获取该相似人脸对应的身份信息。例如，当识别出人脸的身份信息为门店会员时，则将识别出的会员身份信息传送到显示器；在该会员结账时，调用该会员的身份信息，并进行数据的整合和处理，生成会员的各维度数据，如账号、优惠券等信息，最终实现付账操作。
服务器接收当前帧图像中剔除人脸位置后剩余的人脸位置对应的人脸，人脸是将当前帧图像中所有人脸的人脸位置通过剔除当前帧图像与前置帧信息集合中重合的人脸位置后得到的；前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置，获取人脸对应的人脸特征信息，根据人脸特征信息在数据库中搜索人脸对应的人脸相似集，根据人脸相似集获取人脸对应的相似人脸，并调取相似人脸对应的身份信息，可以减少人脸识别过程中的网络开销，并提高人脸识别的效率。
在一个实施例中，如图7所示，提供了一种人脸识别方法，以该方法应用于图1中的电子设备为例进行说明，包括以下步骤：
步骤702，获取当前帧图像中所有人脸。
电子设备对当前帧图像进行人脸识别，根据人脸识别结果获取当前帧图像中的所有人脸。
步骤704，剔除当前帧图像与前置帧信息集合中重合的人脸，前置帧信息集合用于保存上一帧图像中所有人脸。
电子设备可以在前置帧信息集合中存在于当前帧图像相同的人脸时，将该人脸从当前帧图像中剔除。电子设备还可以剔除当前帧图像中与背景人脸信息集合中重合的人脸，背景人脸信息集合用于存储图像中背景人脸。在一个实施例中，电子设备可以采用神经网络模型如CNN、DNN、RNN等对当前帧图像进行检测，获取神经网络输出的当前帧图像中所有人脸对应的多维数组。前置帧信息集合可用于保存上一帧图像中所有人脸对应的多维数组，电子设备将当前帧图像中的多维数组与前置帧信息集合中的多维数组进行比对，将相同或相似度高于预设条件的多维数组对应的人脸从当前帧图像中剔除。
步骤706，获取当前帧图像中剔除重合人脸后剩余的人脸并发送给服务器，人脸用于指示服务器识别人脸对应的身份信息。
当前帧图像剔除重合人脸后剩余的人脸可以是一个或多个。电子设备可以获取当前帧图像中剔除重合人脸后剩余的人脸并发送给服务器，由服务器对接收的当前帧图像的人脸进行人脸识别，根据人脸识别结果获取与人脸对应的身份信息。
上述人脸识别方法中，通过获取当前帧图像中所有人脸，剔除当前帧图像与前置帧信息集合中重合的人脸，前置帧信息集合用于保存上一帧图像中所有人脸，获取当前帧图像中剔除重合人脸后剩余的人脸并发送给服务器，人脸用于指示服务器识别人脸对应的身份信息。由于可以剔除当前帧图像中与上一帧图像中重合的人脸，将剩余的人脸发送给服务器，可以大幅度的降低网络开销，服务器对剩余的人脸进行人脸识别，可以提高人脸识别的效率。
如图8所示，为一个实施例中人脸识别方法的流程图，以该人脸识别方法中存储的背景人脸信息集合为10帧图像中人脸位置，以及重复脸检测集合中存储的为当前帧图像之前15帧图像中人脸对应的多维数组进行说明，但不作为对背景人脸信息集合与重复脸检测集合中采集的帧数的限定。如图8所示，电子设备在启动设备采集第一帧图像，获取第一帧图像中所有人脸位置后，将人脸位置存入背景人脸信息集合。
可选地，电子设备获取第二帧图像中所有人脸位置，检测第二帧图像的人脸位置与背景人脸信息集合中的重合率，采用重合率大于第三预设值的人脸位置对背景人脸信息集合进行更新，并清空背景人脸信息集合中保存的第一帧图像的人脸位置。
可选地，电子设备继续采集多帧图像对背景人脸信息集合进行更新，在本实施例中，电子设备连续采集10帧图像对背景人脸进行更新后，不再对背景人脸进行更改。
可选地，电子设备采集第11帧图像，获取第11帧图像中所有人脸位置并保存到前置帧信息集合后，剔除第11帧图像中与背景人脸信息集合中重合度超过第二预设值的人脸位置，将剩余的人脸位置对应的人脸转化为多维数组保存至重复脸检测集合，并将剩余的人脸位置对应的人脸上传至服务器进行人脸识别。
可选地，电子设备采集第12帧图像，剔除第12帧图像中与前置帧信息集合重合度超过第一预设值的人脸位置，并清空前置帧信息集合，将第12帧的所有人脸位置保存至前置帧信息集合后，剔除第12帧图像剔除与前置帧信息集合重合超过第一预设值的人脸位置后剩余的人脸位置中与背景人脸信息集合中重合度超过第二预设值的人脸位置，将剩余的人脸位置对应的人脸转化为多维数组保存至重复脸检测集合，并将该剩余的人脸上传至服务器进行人脸识别。
可选地，电子设备连续采集图像并重复执行第12帧图像的操作，直至采集第26帧图像，当将第26帧图像剔除与前置帧信息集合和背景人脸信息集合重合度分别超过第一预设值和第二预设值的人脸位置后，将剩余的人脸位置对应的人脸转化为多维数组，与重复脸检测集合中的多维数组进行检测，剔除与重复脸检测集合重复的多维数组对应人脸的人脸位置，并将剩余的人脸位置对应的人脸多维数组保存至重复脸检测集合，同时删除重复脸检测集合中保存的第11帧图像人脸对应的多维数组，并将剩余的人脸上传至服务器进行人脸识别。
可选地，电子设备获取到当前帧图像后执行与第26帧图像相同的步骤，对当前帧图像进行剔除与前置帧信息集合、背景人脸信息集合、重复脸检测集合重合的人脸位置，将剩余的人脸上传至服务器，并对前置帧信息集合和重复脸检测集合进行更新。电子设备剔除与各个集合重合的人脸位置的顺序并不是必然按上述顺序依次执行，可以根据实际需要对检测的步骤进行调整。
应该理解的是，虽然图2-8的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-8中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
传统技术中，通过本地计算机进行人脸识别，在识别量较大时，需要较高的硬件成本并且硬件的接线问题导致安装复杂；而通过云端进行人脸识别，需要将图像获取视频流发送至云端，网络开销成本大，特别是采集的图像为高清图像等多媒体文件时网络开销极大。
本申请提供的人脸识别方法，通过获取当前帧图像中所有人脸的人脸位置，剔除当前帧图像与前置帧信息集合和背景人脸信息集合中重合的人脸位置，将当前帧图像中剔除人脸位置后剩余的人脸位置对应的人脸发送给服务器，由服务器识别该人脸对应的身份信息，避免了有人脸长久处于镜头前而导致的识别开销，以及环境背景中存在脸部图像而造成的识别干扰，相比于传统技术，本申请可以在减低本地设备成本和便于安装的同时，降低服务器识别的网络开销及成本，且只需要对剔除了重合人脸后剩余的人脸进行人脸识别，提高了人脸识别的响应速度和效率。
在一个实施例中，如图9所示，提供了一种人脸识别系统，包括：人脸位置获取模块920、重合位置剔除模块940和剩余人脸发送模块960，其中：
人脸位置获取模块920，用于获取当前帧图像中所有人脸的人脸位置。
重合位置剔除模块940，用于剔除当前帧图像与前置帧信息集合中重合的人脸位置，前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置。
剩余人脸发送模块960，用于获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，人脸用于指示服务器识别人脸对应的身份信息。
在一个实施例中，提供的一种人脸识别系统还包括集合保存模块980，集合保存模块980用于清空前置帧信息集合，将当前帧图像中所有人脸的人脸位置保存至前置帧信息集合。
在一个实施例中，重合位置剔除模块940还可以用于将当前帧图像中的人脸位置与前置帧信息集合中的人脸位置进行比对，剔除当前帧图像中与前置帧信息集合中对应人脸位置的重合率超过第一预设值的人脸位置。
在一个实施例中，重合位置剔除模块940还可以用于剔除当前帧图像中与背景人脸信息集合中重合的人脸位置，背景人脸信息集合用于存储图像中的背景人脸。
在一个实施例中，重合位置剔除模块940还可以用于将当前帧图像中剔除与前置帧信息集合重合的人脸位置后剩余的人脸位置与背景人脸信息集合中的人脸位置进行比对，剔除剩余的人脸位置中与背景人脸信息集合中对应人脸位置的重合率超过第二预设值的人脸位置。
在一个实施例中，集合保存模块980还可以用于获取连续若干帧图像中的人脸位置；获取连续若干帧图像中对应人脸位置的重叠率超过第三预设值的人脸位置；将获取的重叠率超过第三预设值的人脸位置存入背景人脸信息集合中。
在一个实施例中，重合位置剔除模块940还可以用于将当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸转换为对应的多维数组；将多维数组与重复脸检测集合中的多维数组比对，剔除剩余的人脸位置中相似多维数组对应的人脸位置；重复脸检测集合用于存储当前帧图像之前连续若干帧图像中发送给服务器的人脸对应转换后的多维数组。
在一个实施例中，如图10所示，提供了一种人脸识别系统，包括：人脸接收模块1020、特征信息获取模块1040、人脸相似集搜索模块1060和身份信息获取模块1080，其中：
人脸接收模块1020，用于接收当前帧图像中剔除人脸位置后剩余的人脸位置对应的人脸，人脸是将当前帧图像中所有人脸的人脸位置通过剔除当前帧图像与前置帧信息集合中重合的人脸位置后得到的；前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置。
特征信息获取模块1040，用于获取人脸对应的人脸特征信息。
人脸相似集搜索模块1060，用于根据人脸特征信息在数据库中搜索人脸对应的人脸相似集。
身份信息获取模块1080，用于根据人脸相似集获取人脸对应的相似人脸，并调取相似人脸对应的身份信息。
在一个实施例中，如图11所示，提供了一种人脸识别系统，包括：人脸获取模块1120、重合人脸剔除模块1140和人脸发送模块1160，其中：
人脸获取模块1120，用于获取当前帧图像中所有人脸。
重合人脸剔除模块1140，用于剔除当前帧图像与前置帧信息集合中重合的人脸，前置帧信息集合用于保存上一帧图像中所有人脸。
人脸发送模块1160，用于获取当前帧图像中剔除重合人脸后剩余的人脸并发送给服务器，人脸用于指示服务器识别人脸对应的身份信息。
关于系统的具体限定可以参见上文中对于人脸识别方法的限定，在此不再赘述。上述人脸识别系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是电子设备，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的电子设备通过网络连接通信。该计算机设备通过摄像头采集图像或视频。该计算机程序被处理器执行时以实现一种人脸识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图12中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取当前帧图像中所有人脸的人脸位置；
剔除当前帧图像与前置帧信息集合中重合的人脸位置，前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
用于获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，人脸用于指示服务器识别人脸对应的身份信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
清空前置帧信息集合，将当前帧图像中所有人脸的人脸位置保存至前置帧信息集合。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将当前帧图像中的人脸位置与前置帧信息集合中的人脸位置进行比对，剔除当前帧图像中与前置帧信息集合中对应人脸位置的重合率超过第一预设值的人脸位置。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
剔除当前帧图像中与背景人脸信息集合中重合的人脸位置，背景人脸信息集合用于存储图像中的背景人脸。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将当前帧图像中剔除与前置帧信息集合重合的人脸位置后剩余的人脸位置与背景人脸信息集合中的人脸位置进行比对，剔除剩余的人脸位置中与背景人脸信息集合中对应人脸位置的重合率超过第二预设值的人脸位置。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取连续若干帧图像中的人脸位置；
获取连续若干帧图像中对应人脸位置的重叠率超过第三预设值的人脸位置；
将获取的重叠率超过第三预设值的人脸位置存入背景人脸信息集合中。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸转换为对应的多维数组；
将多维数组与重复脸检测集合中的多维数组比对，剔除剩余的人脸位置中相似多维数组对应的人脸位置；
重复脸检测集合用于存储当前帧图像之前连续若干帧图像中发送给服务器的人脸对应转换后的多维数组。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
接收当前帧图像中剔除人脸位置后剩余的人脸位置对应的人脸，人脸是将当前帧图像中所有人脸的人脸位置通过剔除当前帧图像与前置帧信息集合中重合的人脸位置后得到的；前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
获取人脸对应的人脸特征信息；
根据人脸特征信息在数据库中搜索人脸对应的人脸相似集；
根据人脸相似集获取人脸对应的相似人脸，并调取相似人脸对应的身份信息。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取当前帧图像中所有人脸；
剔除当前帧图像与前置帧信息集合中重合的人脸，前置帧信息集合用于保存上一帧图像中所有人脸；
获取当前帧图像中剔除重合人脸后剩余的人脸并发送给服务器，人脸用于指示服务器识别人脸对应的身份信息。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取当前帧图像中所有人脸的人脸位置；
剔除当前帧图像与前置帧信息集合中重合的人脸位置，前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
用于获取当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，人脸用于指示服务器识别人脸对应的身份信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
清空前置帧信息集合，将当前帧图像中所有人脸的人脸位置保存至前置帧信息集合。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将当前帧图像中的人脸位置与前置帧信息集合中的人脸位置进行比对，剔除当前帧图像中与前置帧信息集合中对应人脸位置的重合率超过第一预设值的人脸位置。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
剔除当前帧图像中与背景人脸信息集合中重合的人脸位置，背景人脸信息集合用于存储图像中的背景人脸。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将当前帧图像中剔除与前置帧信息集合重合的人脸位置后剩余的人脸位置与背景人脸信息集合中的人脸位置进行比对，剔除剩余的人脸位置中与背景人脸信息集合中对应人脸位置的重合率超过第二预设值的人脸位置。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取连续若干帧图像中的人脸位置；
获取连续若干帧图像中对应人脸位置的重叠率超过第三预设值的人脸位置；
将获取的重叠率超过第三预设值的人脸位置存入背景人脸信息集合中。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸转换为对应的多维数组；
将多维数组与重复脸检测集合中的多维数组比对，剔除剩余的人脸位置中相似多维数组对应的人脸位置；
重复脸检测集合用于存储当前帧图像之前连续若干帧图像中发送给服务器的人脸对应转换后的多维数组。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
接收当前帧图像中剔除人脸位置后剩余的人脸位置对应的人脸，人脸是将当前帧图像中所有人脸的人脸位置通过剔除当前帧图像与前置帧信息集合中重合的人脸位置后得到的；前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
获取人脸对应的人脸特征信息；
根据人脸特征信息在数据库中搜索人脸对应的人脸相似集；
根据人脸相似集获取人脸对应的相似人脸，并调取相似人脸对应的身份信息。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取当前帧图像中所有人脸；
剔除当前帧图像与前置帧信息集合中重合的人脸，前置帧信息集合用于保存上一帧图像中所有人脸；
获取当前帧图像中剔除重合人脸后剩余的人脸并发送给服务器，人脸用于指示服务器识别人脸对应的身份信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (14)

1.一种人脸识别方法，其特征在于，所述方法包括：
获取当前帧图像中所有人脸的人脸位置；
剔除所述当前帧图像与前置帧信息集合中重合的人脸位置，所述前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
获取所述当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，所述人脸用于指示所述服务器识别所述人脸对应的身份信息。
2.根据权利要求1所述方法，其特征在于，所述剔除所述当前帧图像与前置帧信息集合中重合的人脸位置，所述前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置之后，还包括：
清空所述前置帧信息集合，将所述当前帧图像中所有人脸的人脸位置保存至所述前置帧信息集合。
3.根据权利要求1所述方法，其特征在于，所述剔除所述当前帧图像与前置帧信息集合中重合的人脸位置，包括：
将所述当前帧图像中的人脸位置与前置帧信息集合中的人脸位置进行比对，剔除所述当前帧图像中与前置帧信息集合中对应人脸位置的重合率超过第一预设值的人脸位置。
4.根据权利要求1所述方法，其特征在于，所述剔除所述当前帧图像与前置帧信息集合中重合的人脸位置，所述前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置之后，还包括：
剔除所述当前帧图像中与背景人脸信息集合中重合的人脸位置,所述背景人脸信息集合用于存储图像中的背景人脸。
5.根据权利要求4所述方法，其特征在于，所述剔除所述当前帧图像中与背景人脸信息集合中重合的人脸位置，包括：
将所述当前帧图像中剔除与前置帧信息集合重合的人脸位置后剩余的人脸位置与背景人脸信息集合中的人脸位置进行比对，剔除所述剩余的人脸位置中与背景人脸信息集合中对应人脸位置的重合率超过第二预设值的人脸位置。
6.根据权利要求4所述方法，其特征在于，所述方法还包括：
获取连续若干帧图像中的人脸位置；
获取所述连续若干帧图像中对应人脸位置的重叠率超过第三预设值的人脸位置；
将获取的所述重叠率超过第三预设值的人脸位置存入背景人脸信息集合中。
7.根据权利要求1或4所述方法，其特征在于，所述获取所述当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，所述人脸用于指示所述服务器识别所述人脸对应的身份信息之前，还包括：
将所述当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸转换为对应的多维数组；
将所述多维数组与重复脸检测集合中的多维数组比对，剔除所述剩余的人脸位置中相似多维数组对应的人脸位置；所述重复脸检测集合用于存储所述当前帧图像之前连续若干帧图像中发送给服务器的人脸对应转换后的多维数组。
8.一种人脸识别方法，其特征在于，包括：
接收当前帧图像中剔除人脸位置后剩余的人脸位置对应的人脸，所述人脸是将所述当前帧图像中所有人脸的人脸位置通过剔除所述当前帧图像与前置帧信息集合中重合的人脸位置后得到的；所述前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
获取所述人脸对应的人脸特征信息；
根据所述人脸特征信息在数据库中搜索所述人脸对应的人脸相似集；
根据所述人脸相似集获取所述人脸对应的相似人脸，调取所述相似人脸对应的身份信息。
9.一种人脸识别方法，其特征在于，所述方法包括：
获取当前帧图像中所有人脸；
剔除所述当前帧图像与前置帧信息集合中重合的人脸，所述前置帧信息集合用于保存上一帧图像中所有人脸；
获取所述当前帧图像中剔除重合人脸后剩余的人脸并发送给服务器，所述人脸用于指示所述服务器识别所述人脸对应的身份信息。
10.一种人脸识别系统，其特征在于，包括：
人脸位置获取模块，用于获取当前帧图像中所有人脸的人脸位置；
重合位置剔除模块，用于剔除所述当前帧图像与前置帧信息集合中重合的人脸位置，所述前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
剩余人脸发送模块，用于获取所述当前帧图像中剔除重合人脸位置后剩余的人脸位置对应的人脸并发送给服务器，所述人脸用于指示所述服务器识别所述人脸对应的身份信息。
11.一种人脸识别系统，其特征在于，包括：
人脸接收模块，用于接收当前帧图像中剔除人脸位置后剩余的人脸位置对应的人脸，所述人脸是将所述当前帧图像中所有人脸的人脸位置通过剔除所述当前帧图像与前置帧信息集合中重合的人脸位置后得到的；所述前置帧信息集合用于保存上一帧图像中所有人脸的人脸位置；
特征信息获取模块，用于获取所述人脸对应的人脸特征信息；
人脸相似集搜索模块，用于根据所述人脸特征信息在数据库中搜索所述人脸对应的人脸相似集；
身份信息获取模块，用于根据所述人脸相似集获取所述人脸对应的相似人脸，调取所述相似人脸对应的身份信息。
12.一种人脸识别系统，其特征在于，包括：
人脸获取模块，用于获取当前帧图像中所有人脸；
重合人脸剔除模块，用于剔除所述当前帧图像与前置帧信息集合中重合的人脸，所述前置帧信息集合用于保存上一帧图像中所有人脸；
人脸发送模块，获取所述当前帧图像中剔除重合人脸后剩余的人脸并发送给服务器，所述人脸用于指示所述服务器识别所述人脸对应的身份信息。
13.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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9中任一项所述方法的步骤。
14.一种计算机可读存储介质，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9中任一项所述的方法的步骤。
CN201810694581.1A 2018-06-29 2018-06-29 人脸识别方法、系统、计算机设备和计算机可读存储介质 Active CN109002776B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810694581.1A CN109002776B (zh) 2018-06-29 2018-06-29 人脸识别方法、系统、计算机设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810694581.1A CN109002776B (zh) 2018-06-29 2018-06-29 人脸识别方法、系统、计算机设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN109002776A true CN109002776A (zh) 2018-12-14
CN109002776B CN109002776B (zh) 2021-06-15

Family

ID=64602050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810694581.1A Active CN109002776B (zh) 2018-06-29 2018-06-29 人脸识别方法、系统、计算机设备和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN109002776B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110609920A (zh) * 2019-08-05 2019-12-24 华中科技大学 一种视频监控场景下的行人混合搜索方法及系统
CN110909703A (zh) * 2019-11-29 2020-03-24 中电福富信息科技有限公司 一种基于人工智能的明厨亮灶场景下厨师帽的检测方法
CN111209845A (zh) * 2020-01-03 2020-05-29 平安科技（深圳）有限公司 人脸识别方法、装置、计算机设备及存储介质
CN111582047A (zh) * 2020-04-15 2020-08-25 浙江大华技术股份有限公司 人脸识别验证通行方法及其相关装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090116705A1 (en) * 2007-11-01 2009-05-07 Sony Corporation Image processing apparatus, image processing method, image processing program, image capturing apparatus, and controlling method thereof
CN103310181A (zh) * 2012-03-07 2013-09-18 华晶科技股份有限公司 人脸辨识系统及其人脸辨识方法
CN103824064A (zh) * 2014-03-11 2014-05-28 深圳市中安视科技有限公司 一种海量人脸发现与识别方法
CN104794462A (zh) * 2015-05-11 2015-07-22 北京锤子数码科技有限公司 一种人物图像处理方法及装置
CN105046661A (zh) * 2015-07-02 2015-11-11 广东欧珀移动通信有限公司 一种提升视频美颜效率的方法、装置及智能终端
CN105979363A (zh) * 2015-11-09 2016-09-28 乐视致新电子科技（天津）有限公司 一种身份识别法和装置
CN106228112A (zh) * 2016-07-08 2016-12-14 深圳市优必选科技有限公司 人脸检测跟踪方法及机器人头部转动控制方法和机器人
CN107862242A (zh) * 2017-09-19 2018-03-30 汉柏科技有限公司 一种基于Map‑Reduce的海量人脸特征比对方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090116705A1 (en) * 2007-11-01 2009-05-07 Sony Corporation Image processing apparatus, image processing method, image processing program, image capturing apparatus, and controlling method thereof
CN103310181A (zh) * 2012-03-07 2013-09-18 华晶科技股份有限公司 人脸辨识系统及其人脸辨识方法
CN103824064A (zh) * 2014-03-11 2014-05-28 深圳市中安视科技有限公司 一种海量人脸发现与识别方法
CN104794462A (zh) * 2015-05-11 2015-07-22 北京锤子数码科技有限公司 一种人物图像处理方法及装置
CN105046661A (zh) * 2015-07-02 2015-11-11 广东欧珀移动通信有限公司 一种提升视频美颜效率的方法、装置及智能终端
CN105979363A (zh) * 2015-11-09 2016-09-28 乐视致新电子科技（天津）有限公司 一种身份识别法和装置
CN106228112A (zh) * 2016-07-08 2016-12-14 深圳市优必选科技有限公司 人脸检测跟踪方法及机器人头部转动控制方法和机器人
CN107862242A (zh) * 2017-09-19 2018-03-30 汉柏科技有限公司 一种基于Map‑Reduce的海量人脸特征比对方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110609920A (zh) * 2019-08-05 2019-12-24 华中科技大学 一种视频监控场景下的行人混合搜索方法及系统
CN110609920B (zh) * 2019-08-05 2022-03-18 华中科技大学 一种视频监控场景下的行人混合搜索方法及系统
CN110909703A (zh) * 2019-11-29 2020-03-24 中电福富信息科技有限公司 一种基于人工智能的明厨亮灶场景下厨师帽的检测方法
CN111209845A (zh) * 2020-01-03 2020-05-29 平安科技（深圳）有限公司 人脸识别方法、装置、计算机设备及存储介质
CN111582047A (zh) * 2020-04-15 2020-08-25 浙江大华技术股份有限公司 人脸识别验证通行方法及其相关装置

Also Published As

Publication number Publication date
CN109002776B (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
WO2021078157A1 (zh) 图像处理方法、装置、电子设备及存储介质
WO2021196873A1 (zh) 车牌字符识别方法、装置、电子设备和存储介质
WO2019154262A1 (zh) 一种图像分类方法及服务器、用户终端、存储介质
US9100630B2 (en) Object detection metadata
CN109002776A (zh) 人脸识别方法、系统、计算机设备和计算机可读存储介质
EP3852003A1 (en) Feature point locating method, storage medium and computer device
CN112232293A (zh) 图像处理模型训练、图像处理方法及相关设备
WO2021137946A1 (en) Forgery detection of face image
Fu et al. Let there be light: Improved traffic surveillance via detail preserving night-to-day transfer
CN110633698A (zh) 基于循环生成对抗网络的红外图片识别方法、设备及介质
CN111680675A (zh) 人脸活体检测方法、系统、装置、计算机设备和存储介质
WO2020151148A1 (zh) 基于神经网络的黑白照片色彩恢复方法、装置及存储介质
CN112580572B (zh) 多任务识别模型的训练方法及使用方法、设备及存储介质
CN111178129B (zh) 一种基于人脸和姿态的多模态人员识别方法
CN111104917A (zh) 基于人脸的活体检测方法、装置、电子设备及介质
CN114550051A (zh) 一种车损检测方法、装置、计算机设备及存储介质
Mo et al. PVDet: Towards pedestrian and vehicle detection on gigapixel-level images
Zheng et al. Guided cyclegan via semi-dual optimal transport for photo-realistic face super-resolution
US10991085B2 (en) Classifying panoramic images
CN111460416B (zh) 一种基于微信小程序平台的人脸特征与动态属性的认证方法
Guo et al. UDTIRI: An online open-source intelligent road inspection benchmark suite
CN116597267A (zh) 图像识别方法、装置、计算机设备和存储介质
CN109241942B (zh) 图像处理方法、装置、人脸识别设备及存储介质
CN115953744A (zh) 一种基于深度学习的车辆识别追踪方法
CN116091596A (zh) 一种自下而上的多人2d人体姿态估计方法及装置

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