CN109002789A - 一种应用于摄像头的人脸识别方法 - Google Patents
一种应用于摄像头的人脸识别方法 Download PDFInfo
- Publication number
- CN109002789A CN109002789A CN201810751107.8A CN201810751107A CN109002789A CN 109002789 A CN109002789 A CN 109002789A CN 201810751107 A CN201810751107 A CN 201810751107A CN 109002789 A CN109002789 A CN 109002789A
- Authority
- CN
- China
- Prior art keywords
- camera
- facial image
- identified
- face
- picture
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000001815 facial effect Effects 0.000 claims abstract description 134
- 238000004891 communication Methods 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 23
- 238000013139 quantization Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 12
- 238000007667 floating Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 210000004209 hair Anatomy 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Telephonic Communication Services (AREA)
- Studio Devices (AREA)
Abstract
本发明提出的一种应用于摄像头的人脸识别方法,通过智能终端直接向摄像头发送待识别人脸图像,由摄像头自主完成人脸识别,无需将摄像头采集的视频/图片信息传回服务器,提高了人脸识别的实时性;且可以通过移动终端同时控制多台摄像头进行人脸识别,灵活性好,且无需人主动配合,实现远距离、低配合度的识别。
Description
技术领域
本发明实施例涉及摄像头的人脸识别技术领域,具体涉及一种应用于摄像头的人脸识别方法。
背景技术
人脸识别技术是基于人的脸部特征,对输入的人脸图像或者视频流提取每个人脸中所蕴涵的身份特征,并将其与已知的人脸进行对比,从而识别每个人脸的身份。
现在对人脸识别技术的应用包括:单机门禁设备,单机门禁设备采用部署在识别系统终端的传统识别模型对有效距离内的人进行识别,成本较低,但识别精度不高,可识别人数较少,每次通常只能同时识别一个人且需要人的主动配合。
现在对人脸识别技术的应用还包括:基于监控摄像头+后台服务器,将基于深度学习的人脸识别模型部署在后台服务器,具有有效距离远、需要用户的配合度较低和可同时识别多人的优点;但是由于识别模型部署于后台服务器,需要通过高速的网络,将摄像头采集的视频/图像传回后台服务器端进行识别,前端摄像头只作为传感器来使用,有很强的硬件依赖,应用起来实时性差,且只能通过后端服务器对摄像头控制和调整,灵活性差。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本发明实施例提供了一种应用于摄像头的人脸识别方法。
有鉴于此,第一方面,本发明实施例提供一种应用于摄像头的人脸识别方法,所述摄像头具有通信模块及处理器,所述方法包括:
接收移动终端发送的待识别人脸图像;
从所述待识别人脸图像中提取待识别人脸图像特征;
将所述待识别人脸图像特征发送至与所述摄像头属于同一摄像头集群的其他摄像头;
识别所述摄像头监测到的视频或图片,得到与所述待识别人脸图像特征对应的视频或图片,并接收所述其他摄像头识别出的与所述待识别人脸图像特征对应的视频或图片;
将所述摄像头得到的视频或图片和所述其他摄像头得到的视频或图片发送至所述移动终端。
所述方法还包括:
所述摄像头接收与所述摄像头属于同一摄像头集群的其他摄像头发送的待识别人脸图像特征;
识别所述摄像头监测到的视频或图片,得到与所述待识别人脸图像特征对应的视频或图片;
将与所述待识别人脸图像特征对应的视频或图片发送至所述其他摄像头。
所述从所述待识别人脸图像中提取待识别人脸图像特征,包括:
通过预先设置在所述摄像头上的人脸检测模型对所述待识别人脸图像进行处理,检测出所述待识别人脸图像中的人脸图像区域;
通过预先设置在所述摄像头上的人脸识别模型对所述人脸图像区域进行人脸图像特征提取,得到待识别人脸图像特征。
将所述待识别人脸图像特征发送至与所述摄像头属于同一摄像头集群的其他摄像头,之前还包括:
所述摄像头发出无线自组网协议;
获取通过所述无线自组网协议与所述摄像头组成摄像头集群的其他摄像头的IP地址;
将所述待识别人脸图像特征发送至所述IP地址。
所述识别所述摄像头监测到的视频或图片,得到与所述待识别人脸图像特征对应的视频或图片,包括:
通过预先设置在所述摄像头上的人脸检测模型对所述摄像头监测到的视频或图片进行处理,检测出所述视频或图片中的人脸图像区域;
通过预先设置在所述摄像头上的人脸识别模型对所述人脸图像区域进行人脸图像特征提取;
将提取的人脸图像特征与所述待识别人脸图像特征进行对比,得到与所述待识别人脸图像特征对应的视频或图片。
所述摄像头接收与所述摄像头属于同一摄像头集群的其他摄像头发送的待识别人脸图像特征之前,还包括:
所述摄像头根据所述其他摄像头发出的无线自组网协议与所述其他摄像头组成摄像头集群。
所述人脸检测模型设置在所述摄像头上之前,还包括:
根据所述摄像头的参数设定所述人脸检测模型的检测尺寸;
根据所述检测尺寸,基于深度学习构建人脸检测模型;
通过卷积神经网络的参数压缩技术对所述人脸检测模型进行压缩;
将压缩后的所述人脸检测模型的参数从浮点型数值量化成8-bits表示的数值;
用逐层增量量化训练的方式,对参数量化后的所述人脸检测模型重新训练,得到量化的人脸检测模型。
所述人脸识别模型设置在所述摄像头上之前,还包括:
基于mobilenet+resnet结构设计卷积通道分离的resent网络;
基于所述resent网络构建人脸识别模型;
将所述人脸识别模型的参数从浮点型数值量化成8-bits表示的数值;
用逐层增量量化训练的方式,对参数量化后的所述人脸识别模型进行重新训练,得到量化的人脸识别模型。
第二方面,本发明实施例还提供一种摄像头,包括:
终端通讯模块,用于接收移动终端发送的待识别人脸图像;
人脸特征提取模块,用于从所述待识别人脸图像进行处理生成待识别人脸图像特征;
摄像头通讯模块,用于将所述待识别人脸图像特征发送至与所述摄像头属于同一摄像头集群的其他摄像头;
人脸识别模块,用于识别所述摄像头监测到的视频或图片,得到与所述待识别人脸图像特征对应的视频或图片;
所述摄像头通讯模块,还用于接收所述其他摄像头识别出的与所述待识别人脸图像特征对应的视频或图片;
所述终端通讯模块,还用于将所述摄像头得到的视频或图片和所述其他摄像头得到的视频或图片发送至所述移动终端。
所述摄像头通讯模块,还用于接收与所述摄像头属于同一摄像头集群的其他摄像头发送的待识别人脸图像特征;
所述摄像头通讯模块,还用于将所述摄像头识别出的与所述待识别人脸图像特征对应的视频或图片发送至所述其他摄像头。
所述人脸特征提取模块包括:
人脸检测子模块,用于通过预先设置在所述摄像头上的人脸检测模型对所述待识别人脸图像进行处理,检测出所述待识别人脸图像中的人脸图像区域;
人脸识别子模块,用于通过预先设置在所述摄像头上的人脸识别模型对所述人脸图像区域进行人脸图像特征提取,得到待识别人脸图像特征。
所述摄像头还包括:
无线路由模块,用于发出无线自组网协议;
IP地址获取模块,用于获取通过所述无线自组网协议与所述摄像头组成摄像头集群的其他摄像头的IP地址。
所述人脸检测子模块,还用于通过预先设置在所述摄像头上的人脸检测模型对所述摄像头监测到的视频或图片进行处理,检测出所述视频或图片中的人脸图像区域;
所述人脸识别子模块,还用于通过预先设置在所述摄像头上的人脸识别模型对所述人脸图像区域进行人脸图像特征提取;
所述人脸识别模块,包括对比子模块;
所述对比子模块,用于将提取的人脸图像特征与所述待识别人脸图像特征进行对比,得到与所述待识别人脸图像特征对应的视频或图片。
所述摄像头还包括:自组网模块,用于根据所述其他摄像头发出的无线自组网协议与所述其他摄像头组成摄像头集群;
所述摄像头通讯模块,还用于接收所述其他摄像头发送的待识别人脸图像特征。
所述终端通讯模块和摄像头通讯模块包括蓝牙装置和/或WiFi装置。
相比现有技术,本发明实施例提出的一种应用于摄像头的人脸识别方法,通过智能终端直接向摄像头发送待识别人脸图像,由摄像头自主完成人脸识别,无需将摄像头采集的视频/图片信息传回服务器,提高了人脸识别的实时性;且可以通过移动终端同时控制多台摄像头进行人脸识别,灵活性好,且无需人主动配合,实现远距离、低配合度的识别。
本发明提供的一种摄像头,通过设置的终端通讯模块与移动终端通讯,接收移动终端发送的待识别人脸图像,通过设置的人脸特征提取模块和人脸识别模块识别出与所述待识别人脸图像对应的视频或图片,并将识别出的视频或图像发送至移动终端,无需将摄像头采集的视频/图片信息传回服务器,提高了人脸识别的实时性;所述摄像头还设有与其他摄像头通讯的摄像头通讯模块,所述摄像头将所述待识别人脸图像发送至其他摄像头,使多台摄像头同时进行人脸识别,识别范围更广,速度更快。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例提供的一种应用于摄像头的人脸识别方法的流程图;
图2为本发明一个实施例提供的一种摄像头的框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1,图1为本发明实施例提供的一种应用于摄像头的人脸识别方法,所述摄像头具有通信模块及处理器,所述方法包括:
接收移动终端发送的待识别人脸图像;
从所述待识别人脸图像中提取待识别人脸图像特征;
将所述待识别人脸图像特征发送至与所述摄像头属于同一摄像头集群的其他摄像头;
识别所述摄像头监测到的视频或图片,得到与所述待识别人脸图像特征对应的视频或图片,并接收所述其他摄像头识别出的与所述待识别人脸图像特征对应的视频或图片;
将所述摄像头得到的视频或图片和所述其他摄像头得到的视频或图片发送至所述移动终端。
所述从所述待识别人脸图像中提取待识别人脸图像特征,还包括:将所述待识别人脸图像特征作为注册信息存储进所述摄像头的数据库中。
所述方法还包括:
所述摄像头接收与所述摄像头属于同一摄像头集群的其他摄像头发送的待识别人脸图像特征;
识别所述摄像头监测到的视频或图片,得到与所述待识别人脸图像特征对应的视频或图片;
将与所述待识别人脸图像特征对应的视频或图片发送至所述其他摄像头。
所述从所述待识别人脸图像中提取待识别人脸图像特征,包括:
通过预先设置在所述摄像头上的人脸检测模型对所述待识别人脸图像进行处理,检测出所述待识别人脸图像中的人脸图像区域;
通过预先设置在所述摄像头上的人脸识别模型对所述人脸图像区域进行人脸图像特征提取,得到待识别人脸图像特征。
将所述待识别人脸图像特征发送至与所述摄像头属于同一摄像头集群的其他摄像头,之前还包括:
所述摄像头发出无线自组网协议;
获取通过所述无线自组网协议与所述摄像头组成摄像头集群的其他摄像头的IP地址;
将所述待识别人脸图像特征发送至所述IP地址。
所述识别所述摄像头监测到的视频或图片,得到与所述待识别人脸图像特征对应的视频或图片,包括:
通过预先设置在所述摄像头上的人脸检测模型对所述摄像头监测到的视频或图片进行处理,检测出所述视频或图片中的人脸图像区域;
通过预先设置在所述摄像头上的人脸识别模型对所述人脸图像区域进行人脸图像特征提取;
将提取的人脸图像特征与所述待识别人脸图像特征进行对比,得到与所述待识别人脸图像特征对应的视频或图片。
所述摄像头接收与所述摄像头属于同一摄像头集群的其他摄像头发送的待识别人脸图像特征之前,还包括:
所述摄像头根据所述其他摄像头发出的无线自组网协议与所述其他摄像头组成摄像头集群。
所述人脸检测模型设置在所述摄像头上之前,还包括:
首先根据摄像头的参数(采集图像大小,产品设定的有效距离)设计检测模型的检测尺度(采取固定几种尺度)。由于检测尺度被设定了,模型不需要考虑任意尺度的检测问题,深度人脸检测模型的参数量可以大量减少,速度可以得到提升;然后用cnn的参数压缩技术(张量分解),进一步裁剪压缩人脸检测模型的参数,得到速度更快的人脸检测模型;
将人脸检测模型的参数从浮点型表示量化成8-bits表示的数值,然后用逐层增量量化训练的方式,将所述人脸检测模型进行重新训练,得到量化网络。
所述人脸识别模型设置在所述摄像头上之前,还包括:
基于mobilenet+resnet结构设计卷积通道分离的resent网络;
基于所述resent网络构建人脸识别模型;
将所述人脸识别模型的参数从浮点型数值量化成8-bits表示的数值;
将所述人脸识别模型的参数从浮点型表示量化成8-bits表示的数值,然后用逐层增量量化训练的方式,将所述人脸识别模型进行重新训练,得到量化网络。
所述mobilenet模型是基于深度可分解的卷积,它可以将标准卷积分解成一个深度卷积和一个点卷积(1×1卷积核)。深度卷积将每个卷积核应用到每一个通道,而1×1卷积用来组合通道卷积的输出。这种分解可以有效减少计算量,降低模型大小。
所述resnet网络的主要特征是将低层网络输出的feature map和非与所述低层网络直接相连的高层网络输出的feature map做融合。
在网络计算过程中,将数据流实时量化成8-bits,并采用ARM nenon的整型乘加指令实现量化计算,使量化网络的计算比原来浮点型网络计算速度提升2倍。
将基于深度学习的人脸检测、人脸识别模型进行压缩和加速,使之适应于普通智能摄像头(带有4核A53CPU)的计算能力,在智能摄像头上完成计算,在保持较高识别精度的同时,减轻网络数据传输的压力和对后台计算资源的依赖。
通过本发明提供的人脸识别方法可以基于移动设备实现注册、实时视频查看,以及接收识别结果等。
基于相同的发明构思,本发明实施例还提供一种图2所示的摄像头,可以包括:
终端通讯模块,用于接收移动终端发送的待识别人脸图像;
人脸特征提取模块,用于从所述待识别人脸图像进行处理生成待识别人脸图像特征;
摄像头通讯模块,用于将所述待识别人脸图像特征发送至与所述摄像头属于同一摄像头集群的其他摄像头;
人脸识别模块,用于识别所述摄像头监测到的视频或图片,得到与所述待识别人脸图像特征对应的视频或图片;
所述摄像头通讯模块,还用于接收所述其他摄像头识别出的与所述待识别人脸图像特征对应的视频或图片;
所述终端通讯模块,还用于将所述摄像头得到的视频或图片和所述其他摄像头得到的视频或图片发送至所述移动终端。
所述摄像头通讯模块,还用于接收与所述摄像头属于同一摄像头集群的其他摄像头发送的待识别人脸图像特征;
所述摄像头通讯模块,还用于将所述摄像头识别出的与所述待识别人脸图像特征对应的视频或图片发送至所述其他摄像头。
所述人脸特征提取模块包括:
人脸检测子模块,用于通过预先设置在所述摄像头上的人脸检测模型对所述待识别人脸图像进行处理,检测出所述待识别人脸图像中的人脸图像区域;
人脸识别子模块,用于通过预先设置在所述摄像头上的人脸识别模型对所述人脸图像区域进行人脸图像特征提取,得到待识别人脸图像特征。
所述摄像头还包括:
无线路由模块,用于发出无线自组网协议;
IP地址获取模块,用于获取通过所述无线自组网协议与所述摄像头组成摄像头集群的其他摄像头的IP地址。
所述人脸检测子模块,还用于通过预先设置在所述摄像头上的人脸检测模型对所述摄像头监测到的视频或图片进行处理,检测出所述视频或图片中的人脸图像区域;
所述人脸识别子模块,还用于通过预先设置在所述摄像头上的人脸识别模型对所述人脸图像区域进行人脸图像特征提取;
所述人脸识别模块,包括对比子模块;
所述对比子模块,用于将提取的人脸图像特征与所述待识别人脸图像特征进行对比,得到与所述待识别人脸图像特征对应的视频或图片。
所述摄像头还包括:自组网模块,用于根据所述其他摄像头发出的无线自组网协议与所述其他摄像头组成摄像头集群;
所述摄像头通讯模块,还用于接收所述其他摄像头发送的待识别人脸图像特征。
所述终端通讯模块和摄像头通讯模块包括蓝牙装置和/或WiFi装置。
本发明提供的摄像头通过通用的wifi通信协议,开发摄像头与手机等移动设备wifi直连或者通过无线路由转发等的方式与移动终端进行通信。
本发明提供的摄像头开发了摄像头之间通过自身wifi或者无线路由实现相互通信的协议。从而实现在集群内任意一个摄像头wifi信号覆盖的区域内,可通过移动设备操作该摄像头,同时通过该摄像头将指令发送到集群内的任意摄像头甚至是整个摄像头集群。实现灵活快速的实时识别布控。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明各个实施例所述的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法或者实施例的某些部分所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (15)
1.一种应用于摄像头的人脸识别方法,其特征在于,所述摄像头具有通信模块及处理器,所述方法包括:
接收移动终端发送的待识别人脸图像;
从所述待识别人脸图像中提取待识别人脸图像特征;
将所述待识别人脸图像特征发送至与所述摄像头属于同一摄像头集群的其他摄像头;
识别所述摄像头监测到的视频或图片,得到与所述待识别人脸图像特征对应的视频或图片,并接收所述其他摄像头识别出的与所述待识别人脸图像特征对应的视频或图片;
将所述摄像头得到的视频或图片和所述其他摄像头得到的视频或图片发送至所述移动终端。
2.根据权利要求1所述的应用于摄像头的人脸识别方法,其特征在于,所述方法还包括:
所述摄像头接收与所述摄像头属于同一摄像头集群的其他摄像头发送的待识别人脸图像特征;
识别所述摄像头监测到的视频或图片,得到与所述待识别人脸图像特征对应的视频或图片;
将与所述待识别人脸图像特征对应的视频或图片发送至所述其他摄像头。
3.根据权利要求1所述的应用于摄像头的人脸识别方法,其特征在于,所述从所述待识别人脸图像中提取待识别人脸图像特征,包括:
通过预先设置在所述摄像头上的人脸检测模型对所述待识别人脸图像进行处理,检测出所述待识别人脸图像中的人脸图像区域;
通过预先设置在所述摄像头上的人脸识别模型对所述人脸图像区域进行人脸图像特征提取,得到待识别人脸图像特征。
4.根据权利要求1所述的应用于摄像头的人脸识别方法,其特征在于,将所述待识别人脸图像特征发送至与所述摄像头属于同一摄像头集群的其他摄像头,之前还包括:
所述摄像头发出无线自组网协议;
获取通过所述无线自组网协议与所述摄像头组成摄像头集群的其他摄像头的IP地址;
将所述待识别人脸图像特征发送至所述IP地址。
5.根据权利要求1或2所述的应用于摄像头的人脸识别方法,其特征在于,所述识别所述摄像头监测到的视频或图片,得到与所述待识别人脸图像特征对应的视频或图片,包括:
通过预先设置在所述摄像头上的人脸检测模型对所述摄像头监测到的视频或图片进行处理,检测出所述视频或图片中的人脸图像区域;
通过预先设置在所述摄像头上的人脸识别模型对所述人脸图像区域进行人脸图像特征提取;
将提取的人脸图像特征与所述待识别人脸图像特征进行对比,得到与所述待识别人脸图像特征对应的视频或图片。
6.根据权利要求2所述的应用于摄像头的人脸识别方法,其特征在于,所述摄像头接收与所述摄像头属于同一摄像头集群的其他摄像头发送的待识别人脸图像特征之前,还包括:
所述摄像头根据所述其他摄像头发出的无线自组网协议与所述其他摄像头组成摄像头集群。
7.根据权利要求3或5所述的应用于摄像头的人脸识别方法,其特征在于,所述人脸检测模型设置在所述摄像头上之前,还包括:
根据所述摄像头的参数设定所述人脸检测模型的检测尺寸;
根据所述检测尺寸,基于深度学习构建人脸检测模型;
通过卷积神经网络的参数压缩技术对所述人脸检测模型进行压缩;
将压缩后的所述人脸检测模型的参数从浮点型数值量化成8-bits表示的数值;
用逐层增量量化训练的方式,对参数量化后的所述人脸检测模型重新训练,得到量化的人脸检测模型。
8.根据权利要求3或5所述的应用于摄像头的人脸识别方法,其特征在于,所述人脸识别模型设置在所述摄像头上之前,还包括:
基于mobilenet+resnet结构设计卷积通道分离的resent网络;
基于所述resent网络构建人脸识别模型;
将所述人脸识别模型的参数从浮点型数值量化成8-bits表示的数值;
用逐层增量量化训练的方式,对参数量化后的所述人脸识别模型进行重新训练,得到量化的人脸识别模型。
9.一种摄像头,其特征在于,包括:
终端通讯模块,用于接收移动终端发送的待识别人脸图像;
人脸特征提取模块,用于从所述待识别人脸图像进行处理生成待识别人脸图像特征;
摄像头通讯模块,用于将所述待识别人脸图像特征发送至与所述摄像头属于同一摄像头集群的其他摄像头;
人脸识别模块,用于识别所述摄像头监测到的视频或图片,得到与所述待识别人脸图像特征对应的视频或图片;
所述摄像头通讯模块,还用于接收所述其他摄像头识别出的与所述待识别人脸图像特征对应的视频或图片;
所述终端通讯模块,还用于将所述摄像头得到的视频或图片和所述其他摄像头得到的视频或图片发送至所述移动终端。
10.根据权利要求9所述的摄像头,其特征在于,
所述摄像头通讯模块,还用于接收与所述摄像头属于同一摄像头集群的其他摄像头发送的待识别人脸图像特征;
所述摄像头通讯模块,还用于将所述摄像头识别出的与所述待识别人脸图像特征对应的视频或图片发送至所述其他摄像头。
11.根据权利要求9所述的摄像头,其特征在于,所述人脸特征提取模块包括:
人脸检测子模块,用于通过预先设置在所述摄像头上的人脸检测模型对所述待识别人脸图像进行处理,检测出所述待识别人脸图像中的人脸图像区域;
人脸识别子模块,用于通过预先设置在所述摄像头上的人脸识别模型对所述人脸图像区域进行人脸图像特征提取,得到待识别人脸图像特征。
12.根据权利要求9所述的摄像头,其特征在于,所述摄像头还包括:
无线路由模块,用于发出无线自组网协议;
IP地址获取模块,用于获取通过所述无线自组网协议与所述摄像头组成摄像头集群的其他摄像头的IP地址。
13.根据权利要求11所述的摄像头,其特征在于,
所述人脸检测子模块,还用于通过预先设置在所述摄像头上的人脸检测模型对所述摄像头监测到的视频或图片进行处理,检测出所述视频或图片中的人脸图像区域;
所述人脸识别子模块,还用于通过预先设置在所述摄像头上的人脸识别模型对所述人脸图像区域进行人脸图像特征提取;
所述人脸识别模块,包括对比子模块;
所述对比子模块,用于将提取的人脸图像特征与所述待识别人脸图像特征进行对比,得到与所述待识别人脸图像特征对应的视频或图片。
14.根据权利要求9所述的摄像头,其特征在于,所述摄像头还包括:自组网模块,用于根据所述其他摄像头发出的无线自组网协议与所述其他摄像头组成摄像头集群;
所述摄像头通讯模块,还用于接收所述其他摄像头发送的待识别人脸图像特征。
15.根据权利要求9所述的摄像头,其特征在于,所述终端通讯模块和摄像头通讯模块包括蓝牙装置和/或WiFi装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810751107.8A CN109002789B (zh) | 2018-07-10 | 2018-07-10 | 一种应用于摄像头的人脸识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810751107.8A CN109002789B (zh) | 2018-07-10 | 2018-07-10 | 一种应用于摄像头的人脸识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109002789A true CN109002789A (zh) | 2018-12-14 |
CN109002789B CN109002789B (zh) | 2021-06-18 |
Family
ID=64598878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810751107.8A Active CN109002789B (zh) | 2018-07-10 | 2018-07-10 | 一种应用于摄像头的人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109002789B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919003A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技(深圳)有限公司 | 人脸识别方法、终端设备及计算机可读存储介质 |
CN110059733A (zh) * | 2019-04-01 | 2019-07-26 | 苏州科达科技股份有限公司 | 卷积神经网络的优化及快速目标检测方法、装置 |
CN110147759A (zh) * | 2019-05-17 | 2019-08-20 | 北京迈格威科技有限公司 | 目标识别方法、系统、目标识别管理方法及存储介质 |
CN110598648A (zh) * | 2019-09-17 | 2019-12-20 | 江苏慧眼数据科技股份有限公司 | 视频人脸检测的方法、视频人脸检测单元和系统 |
CN111860046A (zh) * | 2019-04-26 | 2020-10-30 | 四川大学 | 一种改进MobileNet模型的人脸表情识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030215114A1 (en) * | 2002-05-15 | 2003-11-20 | Biocom, Llc | Identity verification system |
CN101018324A (zh) * | 2007-02-08 | 2007-08-15 | 华为技术有限公司 | 一种视频监控控制器、视频监控的方法和系统 |
CN102811340A (zh) * | 2011-06-02 | 2012-12-05 | 中兴通讯股份有限公司 | 一种智能视频监控系统及方法 |
CN104766372A (zh) * | 2015-04-29 | 2015-07-08 | 深圳市保千里电子有限公司 | 一种用人脸识别逃票判定系统及其使用方法 |
CN105282490A (zh) * | 2014-06-25 | 2016-01-27 | 北京聚安威视觉信息技术有限公司 | 一种新型空巢老人的智能家庭交互系统及方法 |
CN108108499A (zh) * | 2018-02-07 | 2018-06-01 | 腾讯科技(深圳)有限公司 | 人脸检索方法、装置、存储介质及设备 |
CN108228696A (zh) * | 2017-08-31 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸图像检索方法和系统、拍摄装置、计算机存储介质 |
-
2018
- 2018-07-10 CN CN201810751107.8A patent/CN109002789B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030215114A1 (en) * | 2002-05-15 | 2003-11-20 | Biocom, Llc | Identity verification system |
CN101018324A (zh) * | 2007-02-08 | 2007-08-15 | 华为技术有限公司 | 一种视频监控控制器、视频监控的方法和系统 |
CN102811340A (zh) * | 2011-06-02 | 2012-12-05 | 中兴通讯股份有限公司 | 一种智能视频监控系统及方法 |
CN105282490A (zh) * | 2014-06-25 | 2016-01-27 | 北京聚安威视觉信息技术有限公司 | 一种新型空巢老人的智能家庭交互系统及方法 |
CN104766372A (zh) * | 2015-04-29 | 2015-07-08 | 深圳市保千里电子有限公司 | 一种用人脸识别逃票判定系统及其使用方法 |
CN108228696A (zh) * | 2017-08-31 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸图像检索方法和系统、拍摄装置、计算机存储介质 |
CN108108499A (zh) * | 2018-02-07 | 2018-06-01 | 腾讯科技(深圳)有限公司 | 人脸检索方法、装置、存储介质及设备 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919003A (zh) * | 2019-01-23 | 2019-06-21 | 平安科技(深圳)有限公司 | 人脸识别方法、终端设备及计算机可读存储介质 |
CN110059733A (zh) * | 2019-04-01 | 2019-07-26 | 苏州科达科技股份有限公司 | 卷积神经网络的优化及快速目标检测方法、装置 |
CN111860046A (zh) * | 2019-04-26 | 2020-10-30 | 四川大学 | 一种改进MobileNet模型的人脸表情识别方法 |
CN111860046B (zh) * | 2019-04-26 | 2022-10-11 | 四川大学 | 一种改进MobileNet模型的人脸表情识别方法 |
CN110147759A (zh) * | 2019-05-17 | 2019-08-20 | 北京迈格威科技有限公司 | 目标识别方法、系统、目标识别管理方法及存储介质 |
CN110598648A (zh) * | 2019-09-17 | 2019-12-20 | 江苏慧眼数据科技股份有限公司 | 视频人脸检测的方法、视频人脸检测单元和系统 |
CN110598648B (zh) * | 2019-09-17 | 2023-05-09 | 无锡慧眼人工智能科技有限公司 | 视频人脸检测的方法、视频人脸检测单元和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109002789B (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109002789A (zh) | 一种应用于摄像头的人脸识别方法 | |
TWI773189B (zh) | 基於人工智慧的物體檢測方法、裝置、設備及儲存媒體 | |
CN107481327B (zh) | 关于增强现实场景的处理方法、装置、终端设备及系统 | |
CN109766840B (zh) | 人脸表情识别方法、装置、终端及存储介质 | |
US8463025B2 (en) | Distributed artificial intelligence services on a cell phone | |
CN111582116B (zh) | 一种视频抹除痕迹检测方法、装置、设备和存储介质 | |
WO2012063560A1 (ja) | 画像処理システム、画像処理方法、及び画像処理プログラムを記憶した記憶媒体 | |
CN110321863A (zh) | 年龄识别方法及装置、存储介质 | |
CN106874827A (zh) | 视频识别方法和装置 | |
CN112084959B (zh) | 一种人群图像处理方法及装置 | |
CN111144344B (zh) | 人物年龄的确定方法、装置、设备及存储介质 | |
CN114092678A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114936330A (zh) | 一种车辆行驶场景中信息推送的方法以及相关装置 | |
CN110765924A (zh) | 一种活体检测方法、装置以及计算机可读存储介质 | |
CN108171208A (zh) | 信息获取方法和装置 | |
CN113516113A (zh) | 一种图像内容识别方法、装置、设备及存储介质 | |
CN114722937A (zh) | 一种异常数据检测方法、装置、电子设备和存储介质 | |
CN112492297A (zh) | 一种对视频的处理方法以及相关设备 | |
CN114092920A (zh) | 一种模型训练的方法、图像分类的方法、装置及存储介质 | |
CN113822427A (zh) | 一种模型训练的方法、图像匹配的方法、装置及存储介质 | |
CN115620398A (zh) | 一种目标动作检测方法及装置 | |
CN111126159A (zh) | 用于实时跟踪行人的方法、装置、电子设备和介质 | |
CN110516153B (zh) | 视频的智能推送方法和装置、存储介质及电子装置 | |
CN116959059A (zh) | 一种活体检测的方法、装置以及存储介质 | |
Mukherjee et al. | Energy efficient face recognition in mobile-fog environment |
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 |