CN109145801A - 一种人脸识别方法及人脸识别系统 - Google Patents

一种人脸识别方法及人脸识别系统 Download PDF

Info

Publication number
CN109145801A
CN109145801A CN201810919221.7A CN201810919221A CN109145801A CN 109145801 A CN109145801 A CN 109145801A CN 201810919221 A CN201810919221 A CN 201810919221A CN 109145801 A CN109145801 A CN 109145801A
Authority
CN
China
Prior art keywords
picture
face
number needed
contrast number
collection
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
CN201810919221.7A
Other languages
English (en)
Other versions
CN109145801B (zh
Inventor
汪辉
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.)
Zhejiang Uniview Technologies Co Ltd
Original Assignee
Zhejiang Uniview Technologies 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 Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN201810919221.7A priority Critical patent/CN109145801B/zh
Publication of CN109145801A publication Critical patent/CN109145801A/zh
Priority to PCT/CN2019/081186 priority patent/WO2020034645A1/zh
Priority to EP19849095.5A priority patent/EP3839806A4/en
Priority to US17/268,127 priority patent/US11967176B2/en
Application granted granted Critical
Publication of CN109145801B publication Critical patent/CN109145801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172Classification, e.g. identification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168Feature extraction; Face representation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168Feature extraction; Face representation
    • G06V40/171Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Abstract

本公开提供一种人脸识别方法及人脸识别系统,属于人脸识别技术领域。该方法应用于电子设备,电子设备中存储有多个人员的原始图片及现场采集图片,该方法包括:在识别距离内检测到人脸时,获取人脸图片,提取人脸特征,将提取的人脸特征分别与多个原始图片及现场采集图片进行对比,对人脸进行识别,在两者对比都失败的情况下,则重新提取人脸特征,与电子设备中的多个原始图片再次进行对比,进而对人脸进行再次识别,识别通过,将人脸图片作为新的现场采集图片存储至电子设备中。该人脸识别方法及人脸识别系统有效提高了人脸识别的准确性。

Description

一种人脸识别方法及人脸识别系统
技术领域
本公开涉及人脸识别技术领域,尤其涉及一种人脸识别方法及人脸识别系统。
背景技术
人脸识别,是基于人的脸部特征信息进行身份识别的一种技术,通过提取人脸特征与数据库中已存有特征信息进行比对,获取比对结果,进而进行身份的识别。目前,由于人员年龄变化、妆容姿态变化等原因,导致人脸识别的准确率有待提高。
发明内容
有鉴于此,本公开提供一种人脸识别方法及人脸识别系统。
本公开提供的一种人脸识别方法,应用于电子设备,所述电子设备预存有多个人员的原始图片及现场采集图片,以及基于每个所述现场采集图片对比成功的次数,所述方法包括:
检测是否存在待识别人脸,若存在待识别人脸,采集人脸图片,提取人脸特征,将所述人脸特征与多个所述原始图片分别进行对比,得到第一所需对比数值,将所述人脸特征与多个所述现场采集图片分别进行对比,得到第二所需对比数值。
判断所述第一所需对比数值与所述第二所需对比数值是否大于等于预设的对比阈值。
若所述第一所需对比数值小于所述预设的对比阈值且所述第二所需对比数值也小于所述预设的对比阈值,则重新提取人脸特征,将重新提取的人脸特征与多个所述原始图片分别进行对比,得到第三所需对比数值,判断第三所需对比数值是否大于等于所述预设的对比阈值。
若所述第三所需对比数值大于等于所述预设的对比阈值,将所述人脸图片作为新的现场采集图片保存至所述电子设备中,刷新所述现场采集图片对比成功的次数,并判定识别通过。
进一步的,若所述第三所需对比数值小于所述预设的对比阈值,则对比不成功,识别不通过。
进一步地,所述方法还包括:
若所述第一所需对比数值大于等于预设的对比阈值,判断所述第一所需对比数值对应的原始图片和所述第二所需对比数值对应的现场采集图片是否为同一人员的图片。
如果所述第一所需对比数值大于等于所述预设的对比阈值,且所述第一所需对比数值对应的原始图片及所述第二所需对比数值对应的现场采集图片为同一人员的图片,则本次对比成功,判定识别通过。
进一步的,所述电子设备还预存有近似误匹配数据库,所述近似误匹配数据库存储有相似人员名单,所述方法还包括:
如果所述第一所需对比数值大于等于所述预设的对比阈值,且所述第一所需对比数值对应的原始图片及所述第二所需对比数值对应的现场采集图片非同一人员的图片,则判断所述第二所需对比数值是否大于等于所述预设的对比阈值。
如果所述第二所需对比数值小于所述预设的对比阈值,则对比成功,判定识别通过。
如果所述第二所需对比数值大于等于所述预设的对比阈值,则判断所述第一所需对比数值对应的原始图片所对应的人员是否在所述近似误匹配数据库中。
如果所述第一所需对比数值对应的原始图片所对应的人员处于所述近似误匹配数据库中,则判断基于所述第二所需对比数值对应的现场采集图片对比成功的次数是否为两次以上,如果基于所述第二所需对比数值对应的现场采集图片对比成功的次数为两次以上,则本次比对成功,判定识别通过。
进一步的,所述方法还包括:
若基于所述第二所需对比数值对应的现场采集图片对比成功的次数为一次以下,则重新提取人脸特征,将重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片再次对比。
若重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值大于等于所述预设的对比阈值,则比对成功,刷新基于所述第二所需对比数值对应的现场采集图片对比成功的次数,并判定识别通过。
若重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值小于所述预设的对比阈值,则比对失败,清除基于所述第二所需对比数值对应的现场采集图片对比成功的次数,删除所述第二所需对比数值,并判定识别不通过。
进一步的,所述方法还包括:
如果所述第一所需对比数值对应的原始图片所对应的人员不在所述近似误匹配数据库中,则重新提取人脸特征,将重新提取的人脸特征与多个所述原始图片进行对比,得到第四所需对比数值。
若所述第四所需对比数值小于所述预设的对比阈值,对比不成功,判定识别不通过。
若所述第四所需对比数值大于等于所述预设的对比阈值,对比成功,判定识别通过。
进一步的,如果所述第一所需对比数值小于所述预设的对比阈值,且所述第二所需对比数值大于等于所述预设的对比阈值,则判断基于所述第二所需对比数值对应的现场采集图片对比成功的次数是否为两次以上。
若基于所述第二所需对比数值对应的现场采集图片对比成功的次数为两次以上,则本次比对成功,判定识别通过。
进一步的,所述方法还包括:若基于所述第二所需对比数值对应的现场采集图片对比成功的次数为一次以下,则重新提取人脸特征,将重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片进行对比。
若重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值大于等于所述预设的对比阈值,则比对成功,刷新基于所述第二所需对比数值对应的现场采集图片对比成功的次数,并判定识别通过。
若重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值小于所述预设的对比阈值,则比对失败,清除基于所述第二所需对比数值对应的现场采集图片对比成功的次数,删除所述第二所需对比数值,并判定识别不通过。
本公开提供的一种人脸识别系统,应用于速通门,所述人脸识别系统包括图像获取设备和电子设备,所述图像获取设备与所述电子设备通信连接;
所述图像获取设备,用于获取人脸图片,并将所述人脸图片传递至所述电子设备。
所述电子设备包括存储模块、图像处理模块以及存储在所述存储模块上并可在所述图像处理模块上运行的计算机程序,所述图像处理模块执行所述计算机程序时使得所述人脸识别系统中的所述电子设备实现上述的人脸识别方法。
进一步的,所述存储模块包括人员数据库,所述人员数据库存储有多个人员的原始图片及现场采集图片;
所述图像处理模块用于提取所述人脸图片中的人脸特征,并将提取的所述人脸特征与多个所述原始图片及所述现场采集图片分别进行对比,对其进行识别
本公开提供的一种人脸识别方法及人脸识别系统,在电子设备中存储有多个人员的原始图片及现场采集图片,当在有效识别距离内检测到人脸时,通过获取人脸图片,提取人脸特征,将提取的人脸特征与多个原始图片对比,得到第一所需对比数值,并将提取的人脸特征与多个现场采集图片对比,得到第二所需对比数值,将第一所需对比数值与第二所需对比数值与预设的对比阈值进行比较,若在两者的数值都小于预设的对比阈值,则会重新提取人脸特征,并将重新提取的人脸特征与多个原始图片进行对比,进而对人脸进行识别。所以该人脸识别方法及人脸识别系统有效提高了人脸识别的准确性。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
明本公开的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本公开所提供的人脸识别系统的示意图。
图2为本公开所提供的人脸识别方法的一种流程示意图。
图3为本公开所提供的人脸识别方法的另一种流程示意图。
图4为本公开所提供的人脸识别方法的又一种流程示意图。
图标:10-人脸识别系统;11-图像获取设备;12-电子设备;121-存储模块;122-图像处理模块。
具体实施方式
下面将结合本公开中附图,对本公开中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域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,都属于本公开保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
目前,在很多场景下都需要采用人脸识别进而对人的身份进行核实。通常,随着人的年龄变化及妆容姿态的变化,通过采集人脸图片与数据库中的原始图片进行对比,对人脸进行识别会出现漏匹配或误匹配的情况,其人脸识别准确性不高。
请参阅图1,为本公开提供的一种人脸识别系统10的示意图,该人脸识别系统10可以应用于速通门,所述人脸识别系统10包括图像获取设备11和电子设备12,所述电子设备12包括存储模块121和图像处理模块122,其中图像获取设备11与所述电子设备12通信连接,所述图像获取设备11用于获取人脸图片,并将获取的人脸图片传递至所述电子设备12。
所述存储模块121存储有可在所述图像处理模块122上运行的计算机程序,所述图像处理模块122运行所述计算机程序时使得所述电子设备12执行下面的人脸识别方法。
请结合参阅图2,为本公开所提供的人脸识别方法的流程图,该方法可以应用于图1所示的人脸识别系统10,由人脸识别系统10中的电子设备12执行。
步骤S10:检测有效识别距离内是否存在待识别人脸,若存在待识别人脸,则执行步骤S11至步骤S14。若不存在待识别人脸,则返回执行步骤S10。
步骤S11:采集人脸图片,提取人脸特征。
步骤S12:将所述人脸特征与多个所述原始图片分别进行对比,得到第一所需对比数值;将所述人脸特征与多个所述现场采集图片进行对比,得到第二所需对比数值。
其中,将所述人脸特征与多个所述原始图片对比,得到多个对比数值,其中对比数值最高的则为第一所需对比数值,同理,将所述人脸特征与多个所述现场采集图片对比,得到多个对比数值,其中对比数值最高的为第二所需对比数值。对比数值越高代表采集的人脸图片与原始图片及现场采集图片的相似度越高。
步骤S13:判断所述第一所需对比数值及所述第二所需对比数值是否大于等于预设的对比阈值,若所述第一所需对比数值且所述第二所需对比数值也小于所述预设的对比阈值,则执行步骤S14。
步骤S14:重新提取人脸特征,将重新提取的人脸特征与多个所述原始图片分别进行对比,得到第三所需对比数值,判断第三所需对比数值是否大于等于所述预设的对比阈值,若所述第三所需对比数值大于等于所述预设的对比阈值,则执行步骤S15,若所述第三所需对比数值也小于所述预设的对比阈值,则执行步骤S16。
步骤S15:将所述人脸图片作为新的现场采集图片保存至所述电子设备12中,刷新所述现场采集图片对比成功的次数,并判定识别通过。
其中,在所述第一所需对比数值小于所述预设的对比阈值情况下,且所述第二所需对比数值也小于所述预设的对比阈值,则重新提取人脸特征,再次进行人脸识别,重新提取的人脸特征与之前提取的人脸特征不同,重新提取的人脸特征相对与之前提取的人脸特征更为细化,其准确性更高。
进一步的,将所述采集的人脸图片作为新的现场采集图片保存至所述电子设备12时,所述新的现场采集图片没有完成最终的入库存储,只有在下一次人脸识别中,再一次的经过对比,并且对比成功识别通过的所述新的现场采集图片才会完成最终的入库存储,这样经过多次的核验对比,使所述现场采集图片在人脸识别过程中更加具有适应性。
为了提高人脸识别的准确性,所述采集的人脸图片作为新的现场采集图片保存至所述电子设备12时,还需判断采集的人脸图片是否符合预设条件,其中对比成功,且符合所述预设条件的人脸图片则作为新的现场采集图片保存至所述电子设备12中,若所述电子设备12中存储有现场采集图片,则作代替处理。
所述预设条件包括:判断所述采集的人脸图片质量是否符合预设现场采集图片入库的阈值和/或判断采集的人脸距离是否在预设的距离范围内。采集的人脸距离检测可通过采集人脸大小或者几何空间模型预测人脸距离。
判断是否符合所述预设条件的过程包括:若所述采集的人脸图片质量符合所述现场采集图片入库的阈值和所述采集的人脸距离在预设的距离范围内,则比对成功,将所述采集的人脸图片作为新的现场采集图片保存至所述电子设备12中,刷新基于所述新的现场采集图片对比成功的次数,并判定识别通过;若所述采集的人脸图片质量符合所述现场采集图片入库的阈值,则比对成功,判定识别通过;若所述采集的人脸距离在预设的距离范围内,比对成功,判断识别通过;若所述采集的人脸图片质量不符合所述现场采集图片入库的阈值以及所述采集的人脸距离不在预设的距离范围内,则比对失败,判定识别不通过。
步骤S16:对比不成功,识别不通过。
请结合参阅图3,所述电子设备12可以存储有近似误匹配数据库,所述近似误匹配数据库存储有相似人员名单。若所述第一所需对比数值大于等于预设的对比阈值,则执行步骤S21。
步骤S21:判断所述第一所需对比数值对应的原始图片和所述第二所需对比数值对应的现场采集图片是否为同一人员的图片,如果所述第一所需对比数值大于等于所述预设的对比阈值,且所述第一所需对比数值对应的原始图片及所述第二所需对比数值对应的现场采集图片为同一人员的图片,执行步骤S22;如果所述第一所需对比数值大于等于所述预设的对比阈值,且所述第一所需对比数值对应的原始图片及所述第二所需对比数值对应的现场采集图片非同一人员的图片,执行步骤S23。
步骤S22:则本次对比成功,判定识别通过。
其中,判定识别通过后,将所述第一所需对比数值作为本次判定通过的记录,存储至所述电子设备12中。
步骤S23:判断所述第二所需对比数值是否大于等于所述预设的对比阈值;如果所述第二所需对比数值小于所述预设的对比阈值,执行步骤S24,如果所述第二所需对比数值大于等于所述预设的对比阈值,执行步骤S25。
步骤S24:对比成功,判定识别通过。
其中,判定识别通过后,将所述第一所需对比数值作为本次判定通过的记录,存储至所述电子设备12中。
步骤S25:判断所述第一所需对比数值对应的原始图片所对应的人员是否在所述近似误匹配数据库中,如果所述第一所需对比数值对应的原始图片所对应的人员处于所述近似误匹配数据库中,执行步骤S26,如果所述第一所需对比数值对应的原始图片所对应的人员不处于所述近似误匹配数据库,执行步骤S27-步骤S28。
步骤S26:判断基于所述第二所需对比数值对应的现场采集图片对比成功的次数是否为两次以上,若基于所述第二所需对比数值对应的现场采集图片对比成功的次数为两次以上,执行步骤S261;若基于所述第二所需对比数值对应的现场采集图片对比成功的次数为一次以下,执行步骤S262。
步骤S261:本次比对成功,判定识别通过。
其中,判定识别通过后,将第二所需对比数值作为本次判定通过的记录,存储至电子设备12中。
步骤S262:重新提取人脸特征,将重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片再次对比,判断重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值是否大于等于所述预设的对比阈值,若重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值大于等于所述预设的对比阈值,执行步骤S2621,若重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值小于所述预设的对比阈值,执行步骤S2622。
步骤S2621:比对成功,刷新基于所述第二所需对比数值对应的现场采集图片对比成功的次数,并判定识别通过。
其中,判断识别通过后,将本次对比数值作为本次判定通过的记录,将刷新后基于所述第二所需对比数值对应的现场采集图片对比成功的次数以及判定通过的记录存储至电子设备12中。
步骤S2622:比对失败,清除基于所述第二所需对比数值对应的现场采集图片对比成功的次数,删除所述第二所需对比数值,并判定识别不通过。
进一步的,步骤S27:重新提取人脸特征,将重新提取的人脸特征与多个所述原始图片进行对比,得到第四所需对比数值;
步骤S28:判断第四所需对比数值是否大于等于所述预设的对比阈值;若所述第四所需对比数值小于所述预设的对比阈值,执行步骤S281。若所述第四所需对比数值大于等于所述预设的对比阈值,执行步骤S282。
步骤S281:对比不成功,清除基于所述第二所需对比数值对应的现场采集图片对比成功的次数,删除所述第二所需对比数值,并判定识别不通过。
步骤S282:对比成功,判定识别通过。
其中,若第四所需对比数值大于等于所述预设的对比阈值,对比成功,判定识别通过后,若第四所需对比数值对应的原始图片与第一所需对比数值对应的原始图片为同一人的图片,则将第一所需对比数值作为本次判断识别通过的记录,存储至服务其中,清除基于所述第二所需对比数值对应的现场采集图片对比成功的次数,删除所述第二所需对比数值;若第四所需对比数值对应的原始图片与第二所需对比数值对应的现场采集图片为同一人的图片,将第一所需对比数值对应原始图片所对应的人员名单及第二所需对比数值对应现场采集图片所对应的人员名单存储至所述近似误匹配数据库,将第二所需对比数值作为本次判断识别通过的记录,存储至所述电子设备12中;若第四所需对比数值对应的原始图片与第一所需对比数值对应的原始图片及第二所需对比数值对应的现场采集图片非同一人的图片,将第四所需对比数值作为本次判定识别通过的记录,存储至所述电子设备12中,清除基于所述第二所需对比数值对应的现场采集图片对比成功的次数,删除所述第二所需对比数值。
请结合参阅图4,如果所述第一所需对比数值小于所述预设的对比阈值,且所述第二所需对比数值大于等于所述预设的对比阈值,则执行步骤S31。
步骤S31:判断基于所述第二所需对比数值对应的现场采集图片对比成功的次数是否为两次以上;若基于所述第二所需对比数值对应的现场采集图片对比成功的次数为两次以上,执行步骤S32;若基于所述第二所需对比数值对应的现场采集图片对比成功的次数为一次以下,执行步骤S33。
步骤S32:本次比对成功,判定识别通过。
判定识别通过后,将第二所需对比数值作为本次判定通过的记录,存储至所述电子设备12中。
步骤S33:重新提取人脸特征,将重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片进行对比,判断重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值是否大于等于所述预设的对比阈值,若重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值大于等于所述预设的对比阈值,执行步骤S331,若重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值小于所述预设的对比阈值,执行步骤S332。
步骤S331:比对成功,刷新基于所述第二所需对比数值对应的现场采集图片对比成功的次数,并判定识别通过。
其中,判断识别通过后,将本次对比数值作为本次判定通过的记录,将刷新后基于所述第二所需对比数值对应的现场采集图片对比成功的次数以及判定通过的记录存储至所述电子设备12中。
步骤S332:比对失败,清除基于所述第二所需对比数值对应的现场采集图片对比成功的次数,删除所述第二所需对比数值,并判定识别不通过。
上述过程中,比对成功,刷新基于所述第二所需对比数值对应的现场采集图片对比成功的次数,则在原先对比成功的次数上加上此次对比成功的次数,例如,若原先对比成功的次数为1次,刷新过后,则在1次的基础上加上此次的对比次数,进而,对比成功的次数变为两次。
比对失败,清除基于所述第二所需对比数值对应的现场采集图片对比成功的次数,例如现场采集图片对比成功的次数为1次,对比失败后,则将1次变为零次,即初始化状态,并将提取的人脸与所述现场采集图片对比得到的对比数值第二所需对比数值删除,判定识别不通过。
为了保证人脸识别的准确性,所述电子设备12中所存储的现场采集图片会不断更新,其中更新方式可以为在人脸识别过程中,将比对成功,且符合预设条件的人脸采集图片作为新的现场采集图片以代替已有现场采集图片存储至电子设备12中,也可以为定期在人脸识别过程中,采集符合预设条件的人脸图片,将人脸图片作为新的现场采集图片存储至电子设备12中,以更新电子设备12中的现场采集图片。而所述电子设备12中所存储的原始图片则可通过定期录入新的图片,以更新所述电子设备12中的原始图片。
本公开提供一种人脸识别系统10,应用于速通门,所述人脸识别系统10包括图像获取设备11和电子设备12,所述图像获取设备11与所述电子设备12通信连接。
所述图像获取设备11,用于获取人脸图片,并将所述人脸图片传递至所述电子设备12。
所述电子设备12包括存储模块121、图像处理模块122以及存储在所述存储模块121上并可在所述图像处理模块122上运行的计算机程序,所述图像处理模块122执行所述计算机程序时使得所述人脸识别系统10中的所述电子设备12实现上述的人脸识别方法。
进一步的,所述存储模块121包括人员数据库,所述人员数据库存储有多个人员的原始图片及现场采集图片。
所述图像处理模块122用于提取所述人脸图片中的人脸特征,并将提取的所述人脸特征与多个所述原始图片及所述现场采集图片分别进行对比,对其进行识别。
例如,当本公开提供的所述人脸识别系统10应用于所述速通门时,所述电子设备12可以为终端设备,所述终端设备设置于所述速通门上,实时对经过的人进行检测,对要经过速通门的行人,采集人脸图片,提取人脸特征,进行人脸识别。当人脸识别成功时,终端设备则控制闸机开门,行人则可通过闸机,当行人通过后,闸机延时一段时间自动关门,继续对下一个行人进行检测。当所述人脸识别系统10应用于速通门时,行人若距离闸机过远时开门,会存在安全风险,比如其他行人抢先进入闸机等,因此所述终端设备还需要对人脸的距离进行检测,仅在人脸在合适距离范围内时,才执行开闸放行,可选的,本公开将距离范围设置为0.3-1.5m。进一步的,当所述人脸识别系统10应用于速通门时,所述终端设备会定义两个距离模式,包括快速模式和安全模式,其中快速模式距离阈值大于安全模式距离阈值,当启用快速模式时,检测到人脸距离小于等于快速模式距离阀值,启动人脸识别比对核验处理;当启用安全模式时,当检测到人脸距离小于等于安全模式距离阀值,启动人脸识别比对核验处理。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的人脸识别系统10的具体工作过程,可以参考前述方法中的对应过程,在此不再过多赘述。
综上所述,本公开所提供的一种人脸识别方法及人脸识别系统,在电子设备中存储有多个人员的原始图片及现场采集图片,通过采集人脸图片,提取人脸特征,将提取的人脸特征分别与多个原始图片及现场采集图片进行对比,进而对人脸进行识别,在两者对比都失败的情况下,则重新提取更为细化的人脸特征,与电子设备中的多个原始图片再次进行对比,进而对人脸进行再次识别,确保了人脸识别过程无漏匹配或错匹配的情况,有效保证人脸的准确性。同时,本公开在将人脸图片作为新的现场采集图片重新入库存储时,需要对新的现场采集图片进行多次对比核验,保证新的现场采集图片具有强适应性,进一步提高人脸识别的准确性。
在本公开所提供的实施例中,应该理解到,所揭露的系统和方法,也可以通过其它的方式实现。以上所描述的系统和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本公开的实施例的系统、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,所述模块、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方式中,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,两个连续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动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。
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、物品或的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素,此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述仅为本公开的可选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。

Claims (10)

1.一种人脸识别方法,应用于电子设备,其特征在于,所述电子设备预存有多个人员的原始图片及现场采集图片,以及基于每个所述现场采集图片对比成功的次数,所述方法包括:
检测是否存在待识别人脸,若存在待识别人脸,采集人脸图片,提取人脸特征,将所述人脸特征与多个所述原始图片分别进行对比,得到第一所需对比数值,将所述人脸特征与多个所述现场采集图片分别进行对比,得到第二所需对比数值;
判断所述第一所需对比数值与所述第二所需对比数值是否大于等于预设的对比阈值;
若所述第一所需对比数值小于所述预设的对比阈值且所述第二所需对比数值也小于所述预设的对比阈值,则重新提取人脸特征,将重新提取的人脸特征与多个所述原始图片分别进行对比,得到第三所需对比数值,判断第三所需对比数值是否大于等于所述预设的对比阈值;
若所述第三所需对比数值大于等于所述预设的对比阈值,将所述人脸图片作为新的现场采集图片保存至所述电子设备中,刷新所述现场采集图片对比成功的次数,并判定识别通过。
2.根据权利要求1所述的人脸识别方法,其特征在于,若所述第三所需对比数值小于所述预设的对比阈值,则对比不成功,识别不通过。
3.根据权利要求1所述的人脸识别方法,其特征在于,所述方法还包括:
若所述第一所需对比数值大于等于预设的对比阈值,判断所述第一所需对比数值对应的原始图片和所述第二所需对比数值对应的现场采集图片是否为同一人员的图片;
如果所述第一所需对比数值大于等于所述预设的对比阈值,且所述第一所需对比数值对应的原始图片及所述第二所需对比数值对应的现场采集图片为同一人员的图片,则本次对比成功,判定识别通过。
4.根据权利要求1所述的人脸识别方法,其特征在于,所述电子设备还预存有近似误匹配数据库,所述近似误匹配数据库存储有相似人员名单,所述方法还包括:
如果所述第一所需对比数值大于等于所述预设的对比阈值,且所述第一所需对比数值对应的原始图片及所述第二所需对比数值对应的现场采集图片非同一人员的图片,则判断所述第二所需对比数值是否大于等于所述预设的对比阈值;
如果所述第二所需对比数值小于所述预设的对比阈值,则对比成功,判定识别通过;
如果所述第二所需对比数值大于等于所述预设的对比阈值,则判断所述第一所需对比数值对应的原始图片所对应的人员是否在所述近似误匹配数据库中;
如果所述第一所需对比数值对应的原始图片所对应的人员处于所述近似误匹配数据库中,则判断基于所述第二所需对比数值对应的现场采集图片对比成功的次数是否为两次以上,如果基于所述第二所需对比数值对应的现场采集图片对比成功的次数为两次以上,则本次比对成功,判定识别通过。
5.根据权利要求4所述人脸识别方法,其特征在于,所述方法还包括:
若基于所述第二所需对比数值对应的现场采集图片对比成功的次数为一次以下,则重新提取人脸特征,将重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片再次对比;
若重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值大于等于所述预设的对比阈值,则比对成功,刷新基于所述第二所需对比数值对应的现场采集图片对比成功的次数,并判定识别通过;
若重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值小于所述预设的对比阈值,则比对失败,清除基于所述第二所需对比数值对应的现场采集图片对比成功的次数,删除所述第二所需对比数值,并判定识别不通过。
6.根据权利要求4所述的人脸识别方法,其特征在于,所述方法还包括:
如果所述第一所需对比数值对应的原始图片所对应的人员不在所述近似误匹配数据库中,则重新提取人脸特征,将重新提取的人脸特征与多个所述原始图片进行对比,得到第四所需对比数值;
若所述第四所需对比数值小于所述预设的对比阈值,对比不成功,判定识别不通过;
若所述第四所需对比数值大于等于所述预设的对比阈值,对比成功,判定识别通过。
7.根据权利要求1所述的人脸识别方法,其特征在于,如果所述第一所需对比数值小于所述预设的对比阈值,且所述第二所需对比数值大于等于所述预设的对比阈值,则判断基于所述第二所需对比数值对应的现场采集图片对比成功的次数是否为两次以上;
若基于所述第二所需对比数值对应的现场采集图片对比成功的次数为两次以上,则本次比对成功,判定识别通过。
8.根据权利要求7所述的人脸识别方法,其特征在于,所述方法还包括:若基于所述第二所需对比数值对应的现场采集图片对比成功的次数为一次以下,则重新提取人脸特征,将重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片进行对比;
若重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值大于等于所述预设的对比阈值,则比对成功,刷新基于所述第二所需对比数值对应的现场采集图片对比成功的次数,并判定识别通过;
若重新提取的人脸特征与所述第二所需对比数值对应的现场采集图片对比得到的对比数值小于所述预设的对比阈值,则比对失败,清除基于所述第二所需对比数值对应的现场采集图片对比成功的次数,删除所述第二所需对比数值,并判定识别不通过。
9.一种人脸识别系统,应用于速通门,其特征在于,所述人脸识别系统包括图像获取设备和电子设备,所述图像获取设备与所述电子设备通信连接;
所述图像获取设备,用于获取人脸图片,并将所述人脸图片传递至所述电子设备;
所述电子设备包括存储模块、图像处理模块以及存储在所述存储模块上并可在所述图像处理模块上运行的计算机程序,所述图像处理模块执行所述计算机程序时使得所述人脸识别系统中的所述电子设备实现权利要求1-8任一项所述的人脸识别方法。
10.根据权利要求9所述的人脸识别系统,其特征在于,
所述存储模块包括人员数据库,所述人员数据库存储有多个人员的原始图片及现场采集图片;
所述图像处理模块用于提取所述人脸图片中的人脸特征,并将提取的所述人脸特征与多个所述原始图片及所述现场采集图片分别进行对比,对其进行识别。
CN201810919221.7A 2018-08-13 2018-08-13 一种人脸识别方法及人脸识别系统 Active CN109145801B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201810919221.7A CN109145801B (zh) 2018-08-13 2018-08-13 一种人脸识别方法及人脸识别系统
PCT/CN2019/081186 WO2020034645A1 (zh) 2018-08-13 2019-04-03 人脸识别方法、人脸识别系统、及电子设备
EP19849095.5A EP3839806A4 (en) 2018-08-13 2019-04-03 FACE RECOGNITION METHOD, FACE RECOGNITION SYSTEM AND ELECTRONIC DEVICE
US17/268,127 US11967176B2 (en) 2018-08-13 2019-04-03 Facial recognition method, facial recognition system, and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810919221.7A CN109145801B (zh) 2018-08-13 2018-08-13 一种人脸识别方法及人脸识别系统

Publications (2)

Publication Number Publication Date
CN109145801A true CN109145801A (zh) 2019-01-04
CN109145801B CN109145801B (zh) 2021-02-02

Family

ID=64793063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810919221.7A Active CN109145801B (zh) 2018-08-13 2018-08-13 一种人脸识别方法及人脸识别系统

Country Status (4)

Country Link
US (1) US11967176B2 (zh)
EP (1) EP3839806A4 (zh)
CN (1) CN109145801B (zh)
WO (1) WO2020034645A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020034645A1 (zh) * 2018-08-13 2020-02-20 浙江宇视科技有限公司 人脸识别方法、人脸识别系统、及电子设备
CN111260838A (zh) * 2020-02-27 2020-06-09 广州羊城通有限公司 一种基于本地识别的刷脸通行方法及闸机设备
CN112818784A (zh) * 2021-01-22 2021-05-18 浙江大华技术股份有限公司 一种门禁设备的控制方法、装置及存储介质
EP3852076A1 (en) * 2020-01-15 2021-07-21 Climax Technology Co., Ltd. Smart home security system and method of disarming a security setting
TWI734246B (zh) * 2019-09-18 2021-07-21 威盛電子股份有限公司 人臉辨識的方法及裝置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400108A (zh) * 2013-07-10 2013-11-20 北京小米科技有限责任公司 人脸识别方法、装置和移动终端
WO2015053438A9 (ko) * 2013-10-07 2015-06-25 이화여자대학교 산학협력단 생체정보 기반 신뢰구간집합을 이용한 패스워드 생성 방법 및 장치
US20160086047A1 (en) * 2014-09-24 2016-03-24 Northeastern University Apparatus and method for extracting feature of image including object
CN106446816A (zh) * 2016-09-14 2017-02-22 北京旷视科技有限公司 人脸识别方法及装置
CN107437048A (zh) * 2016-05-27 2017-12-05 鸿富锦精密工业(深圳)有限公司 人脸识别系统及人脸识别方法
CN107818308A (zh) * 2017-10-31 2018-03-20 平安科技(深圳)有限公司 一种人脸识别智能比对方法、电子装置及计算机可读存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7599527B2 (en) * 2005-09-28 2009-10-06 Facedouble, Inc. Digital image search system and method
US20140067679A1 (en) 2012-08-28 2014-03-06 Solink Corporation Transaction Verification System
CN204155293U (zh) * 2014-09-01 2015-02-11 上海智达商投资管理合伙企业(有限合伙) 一种基于人脸识别的验证装置及验证系统
CN105574500B (zh) * 2015-12-15 2019-09-27 北京眼神智能科技有限公司 提高人脸识别通过率的方法和装置
CN105550671A (zh) * 2016-01-28 2016-05-04 北京麦芯科技有限公司 一种人脸识别的方法及装置
CN111052131B (zh) * 2017-09-28 2024-04-09 松下知识产权经营株式会社 认证装置、认证系统、认证方法以及存储介质
CN109145801B (zh) * 2018-08-13 2021-02-02 浙江宇视科技有限公司 一种人脸识别方法及人脸识别系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400108A (zh) * 2013-07-10 2013-11-20 北京小米科技有限责任公司 人脸识别方法、装置和移动终端
WO2015053438A9 (ko) * 2013-10-07 2015-06-25 이화여자대학교 산학협력단 생체정보 기반 신뢰구간집합을 이용한 패스워드 생성 방법 및 장치
US20160086047A1 (en) * 2014-09-24 2016-03-24 Northeastern University Apparatus and method for extracting feature of image including object
CN107437048A (zh) * 2016-05-27 2017-12-05 鸿富锦精密工业(深圳)有限公司 人脸识别系统及人脸识别方法
CN106446816A (zh) * 2016-09-14 2017-02-22 北京旷视科技有限公司 人脸识别方法及装置
CN107818308A (zh) * 2017-10-31 2018-03-20 平安科技(深圳)有限公司 一种人脸识别智能比对方法、电子装置及计算机可读存储介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020034645A1 (zh) * 2018-08-13 2020-02-20 浙江宇视科技有限公司 人脸识别方法、人脸识别系统、及电子设备
US11967176B2 (en) 2018-08-13 2024-04-23 Zhejiang Unview Technologies Co., Ltd. Facial recognition method, facial recognition system, and electronic device
TWI734246B (zh) * 2019-09-18 2021-07-21 威盛電子股份有限公司 人臉辨識的方法及裝置
US11216648B2 (en) 2019-09-18 2022-01-04 Via Technologies, Inc. Method and device for facial image recognition
EP3852076A1 (en) * 2020-01-15 2021-07-21 Climax Technology Co., Ltd. Smart home security system and method of disarming a security setting
CN111260838A (zh) * 2020-02-27 2020-06-09 广州羊城通有限公司 一种基于本地识别的刷脸通行方法及闸机设备
CN112818784A (zh) * 2021-01-22 2021-05-18 浙江大华技术股份有限公司 一种门禁设备的控制方法、装置及存储介质
CN112818784B (zh) * 2021-01-22 2024-02-06 浙江大华技术股份有限公司 一种门禁设备的控制方法、装置及存储介质

Also Published As

Publication number Publication date
US20210326622A1 (en) 2021-10-21
EP3839806A1 (en) 2021-06-23
WO2020034645A1 (zh) 2020-02-20
CN109145801B (zh) 2021-02-02
EP3839806A4 (en) 2022-06-08
US11967176B2 (en) 2024-04-23

Similar Documents

Publication Publication Date Title
CN109145801A (zh) 一种人脸识别方法及人脸识别系统
US11188783B2 (en) Reverse neural network for object re-identification
CN109344787B (zh) 一种基于人脸识别与行人重识别的特定目标跟踪方法
CN108229314B (zh) 目标人物的搜索方法、装置和电子设备
US20220101644A1 (en) Pedestrian re-identification method, device, electronic device and computer-readable storage medium
CN108269333A (zh) 人脸识别方法、应用服务器及计算机可读存储介质
US20060093185A1 (en) Moving object recognition apparatus
CN108241836A (zh) 用于安检的方法及装置
US20100318566A1 (en) Behavior history retrieval apparatus and behavior history retrieval method
CN110414376B (zh) 更新人脸识别模型的方法、人脸识别相机及服务器
CN107491728A (zh) 一种基于边缘计算模型的人脸侦测方法及装置
CN111813997A (zh) 入侵分析方法、装置、设备及存储介质
CN111178136A (zh) 一种基于大数据的智慧校园身份识别方法及系统
CN113792680A (zh) 基于图像融合的行为识别方法、装置、电子设备及介质
Singh et al. Face recognition using open source computer vision library (OpenCV) with python
CN111126112B (zh) 候选区域确定方法和装置
CN114821647A (zh) 一种睡岗识别方法、装置、设备及介质
CN109461220A (zh) 签到方法、装置及系统
CN113837006A (zh) 一种人脸识别方法、装置、存储介质及电子设备
Azhaguraj et al. Smart attendance marking system using face recognition
Sharmila et al. Automatic Attendance System based on FaceRecognition using Machine Learning
CN117435999A (zh) 一种风险评估方法、装置、设备以及介质
CN108334602B (zh) 数据标注方法和装置、电子设备、计算机存储介质
Oloyede et al. Evaluating the effect of occlusion in face recognition systems
KR100434907B1 (ko) 얼굴 인식 기능을 포함한 영상 감시 시스템 및 이를이용하는 방법

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