CN109165546B - 人脸识别方法及装置 - Google Patents
人脸识别方法及装置 Download PDFInfo
- Publication number
- CN109165546B CN109165546B CN201810736663.8A CN201810736663A CN109165546B CN 109165546 B CN109165546 B CN 109165546B CN 201810736663 A CN201810736663 A CN 201810736663A CN 109165546 B CN109165546 B CN 109165546B
- Authority
- CN
- China
- Prior art keywords
- target
- face
- determining
- face image
- preset
- 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.)
- Active
Links
Images
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
- 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)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种人脸识别方法及装置,所述方法包括:获取第一人脸图像;确定所述第一人脸图像的目标化妆程度参数;确定与所述目标化妆程度参数对应的目标还原参数,并依据所述目标还原参数对所述第一人脸图像进行图像处理,得到第二人脸图像;将所述第二人脸图像与预设人脸模板进行匹配;在所述第二人脸图像与所述预设人脸模板匹配成功时,确认所述第一人脸图像被识别成功。通过本发明实施例可以对化妆的人脸图像进行还原处理,提升了人脸识别率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种人脸识别方法及装置。
背景技术
随着电子技术快速发展,电子设备(如手机、平板电脑等)越来越渗透到用户生活,给用户带来了生活以及工作上的便利,尤其是人脸识别技术,人脸识别越来越受到企业关注,例如,人脸解锁,人脸支付,俨然,人脸识别已成为用户生活中的一部分,但是,在人脸识别过程中,倘若人脸进行了化妆,则会降低人脸识别效率,因此,如何针对化妆情况下,提升人脸识别率的问题亟待解决。
发明内容
本发明实施例提供了一种人脸识别方法及装置,可以在人脸化妆的情况下,提升人脸识别率。
第一方面,本发明实施例提供了一种人脸识别方法,包括:
获取第一人脸图像;
确定所述第一人脸图像的目标化妆程度参数;
确定与所述目标化妆程度参数对应的目标还原参数,并依据所述目标还原参数对所述第一人脸图像进行图像处理,得到第二人脸图像;
将所述第二人脸图像与预设人脸模板进行匹配;
在所述第二人脸图像与所述预设人脸模板匹配成功时,确认所述第一人脸图像被识别成功。
第二方面,本申请实施例提供了一种人脸识别装置,包括:
获取单元,用于获取第一人脸图像;
确定单元,用于确定所述第一人脸图像的目标化妆程度参数;以及确定与所述目标化妆程度参数对应的目标还原参数,并依据所述目标还原参数对所述第一人脸图像进行图像处理,得到第二人脸图像;
匹配单元,用于将所述第二人脸图像与预设人脸模板进行匹配;
所述确定单元,还具体用于在所述第二人脸图像与所述预设人脸模板匹配成功时,确认所述第一人脸图像被识别成功。
第三方面,本申请实施例提供一种人脸识别装置,包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行本申请实施例第一方面中的步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本发明实施例,具有如下有益效果:
通过本发明实施例所描述的人脸识别方法及装置,获取第一人脸图像,确定第一人脸图像的目标化妆程度参数,确定与目标化妆程度参数对应的目标还原参数,并依据目标还原参数对第一人脸图像进行图像处理,得到第二人脸图像,将第二人脸图像与预设人脸模板进行匹配,在第二人脸图像与预设人脸模板匹配成功时,确认第一人脸图像被识别成功,从而,可以对化妆的人脸图像进行还原处理,提升了人脸识别率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种人脸识别方法的实施例流程示意图;
图2是本发明实施例提供的一种人脸识别方法的实施例流程示意图;
图3是本发明实施例提供的一种人脸识别装置的实施例结构示意图;
图4是本发明实施例提供的一种人脸识别装置的实施例结构示意图;
图5是本发明实施例提供的一种人脸识别装置的实施例结构示意图。
具体实施方式
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作出创造性劳动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。
本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明实施例所描述的人脸识别装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备(MID,Mobile Internet Devices)或穿戴式设备(例如,蓝牙耳机、VR设备或者IR设备)等,上述仅是举例,而非穷举,包含但不限于上述人脸识别装置。
请参阅图1,为本发明实施例提供的一种人脸识别方法的实施例流程示意图。本实施例中所描述的人脸识别方法,包括以下步骤:
101、获取第一人脸图像。
其中,人脸识别装置可以通过摄像头获取第一人脸图像,第一人脸图像为用户的脸部图像。
可选地,上述步骤101,获取第一人脸图像,可以包括如下步骤:
11、获取目标环境参数;
12、确定与所述目标环境参数对应的目标拍摄参数;
13、依据所述目标拍摄参数进行拍照,得到所述第一人脸图像。
其中,环境参数可以为以下至少一种:环境光亮度、环境色温、环境温度、环境湿度、环境电磁干扰强度等等,在此不做限定。拍摄参数可以包括以下至少一种:焦距、曝光时长、感光度、光圈大小等等,在此不作限定。人脸识别装置可以通过传感器获取目标环境参数,传感器可以为以下至少一种:环境光传感器、温度传感器、湿度传感器、电磁干扰检测传感器等等,在此不作限定,人脸识别装置中可以预先存储环境参数与拍摄参数之间的映射关系,进而,可以依据该映射关系确定目标环境参数对应的目标拍摄参数,并依据目标拍摄参数进行拍照,得到第一人脸图像。
102、确定所述第一人脸图像的目标化妆程度参数。
其中,化妆程度参数可以定义为0~1之间,0代表没有化妆,1代表浓妆,0~1之间变化,则说明化妆越来越浓。通过对第一人脸图像进行识别,可以确定第一人脸图像的目标化妆程度参数。具体实现中,化妆越浓,则与本人差异越大,则会降低人脸识别率。
可选地,上述步骤102,确定所述第一人脸图像的化妆程度参数,可包括如下步骤:
21、对所述第一人脸图像进行多尺度分解,得到高频分量图像;
22、对所述高频分量图像进行特征提取,得到多个特征点;
23、确定所述多个特征点的总数目,以及依据所述总数目、所述第一人脸图像的尺寸大小确定目标特征点分布密度;
24、按照预设的特征点分布密度与化妆程度参数之间的映射关系,确定所述目标特征点分布密度对应的所述目标化妆程度参数。
其中,人脸识别装置可以通过多尺度分解算法对第一人脸图像进行多尺度分解,其中,多尺度分解算法可以为以下至少一种:金字塔变换算法、小波变换算法、轮廓波变换算法、非下采样轮廓波变换算法、脊波变换算法等等,在此不做限定,当对第一人脸图像进行多尺度分解之后,可以得到高频分量图像和低频分量图像,高频分量图像则包括图像的主要细节特征,低频分量图像则包括图像的主要能量,因此,在用户进行化妆之后,则会失去较多细节特征,因此,对其进行多尺度分解,可以深度挖掘图像的深层次细节特征。人脸识别装置对高频分量图像进行特征提取,特征提取的方式可以为以下至少一种:Harris角点检测算法、尺度不变特征提取算法(scale invariant feature transform,SIFT)等等,在此不做限定,在特征提取之后,得到多个特征点,进而,可以确定该多个特征点的总数目,依据总数目与第一人脸图像的尺寸大小之间的比值,得到目标特征点分布密度,人脸识别装置中可以预先设置分布密度与化妆程度参数之间的映射关系,进而,可以依据该映射关系确定目标特征点分布密度对应的目标化妆程度参数。
103、确定与所述目标化妆程度参数对应的目标还原参数,并依据所述目标还原参数对所述第一人脸图像进行图像处理,得到第二人脸图像。
其中,针对图像还原的话,可以包括多种还原算法,还原算法可以为以下至少一种:去模糊化算法、图像复原算法等等,在此不做限定,每一种还原算法,则可以对应相应的还原参数,不同的还原参数对图像还原的程度也不一样。具体实现中,人脸识别装置可以确定目标化妆程度参数对应的目标还原参数,并依据目标还原参数对第一人脸图像进行图像处理,得到第二人脸图像,第二人脸图像为还原后的人脸图像。
可选地,上述步骤103确定与所述目标化妆程度参数对应的目标还原参数,可包括如下步骤:
31、确定所述目标化妆程度参数对应的目标化妆等级;
32、按照预设的化妆等级与还原算法之间的映射关系,确定所述目标化妆等级对应的目标还原算法;
33、获取所述目标还原算法对应的还原参数;
34、按照预设的化妆程度参数与还原参数之间的映射关系,确定所述目标化妆程度参数对应的所述目标还原参数;
在所述依据所述目标还原参数对所述第一人脸图像进行图像处理方面,可按照如下方式实施:
依据所述目标还原参数、所述目标还原算法对所述第一人脸图像进行图像处理。
其中,不同的化妆程度参数可以对应不同的化妆等级,具体可以参照下表:
化妆程度参数 | 化妆等级 |
0~0.3 | A |
0.3~0.6 | B |
0.6~0.8 | C |
0.8~1.0 | D |
通过设置化妆程度参数与化妆等级之间的对应关系,例如,化妆程度参数为0.65,则化妆等级为C。
其中,人脸识别装置中预先存储化妆等级与还原算法之间的映射关系,进而,依据该映射关系确定目标化妆等级对应的目标还原算法,还可以获取目标还原算法对应的还原参数,人脸识别装置中还可以预先存储预设的化妆参数与还原参数之间的映射关系,依据该映射关系确定目标化妆程度参数对应的目标还原参数,并依据目标还原参数以及目标还原算法对第一人脸图像进行图像处理,得到第二人脸图像,如此,可以针对人脸化妆程度不同,采用不同的还原算法以及还原参数进行图像,以达到最佳的还原效果。
104、将所述第二人脸图像与预设人脸模板进行匹配。
其中,人脸识别装置中可以预先存储预设人脸模板,进而,可以将第二人脸图像与预设人脸模板进行匹配,在第二人脸图像与预设人脸模板匹配成功时,确认第一人脸图像被识别成功,在第二人脸图像与预设人脸模板匹配失败时,确认第一人脸图像被识别失败。
可选地,上述步骤104,将所述第二人脸图像与预设人脸模板进行匹配,可包括如下步骤:
41、确定所述第二人脸图像的第一特征点分布密度;
42、确定所述预设人脸模板的第二特征点分布密度;
43、确定所述第一特征点分布密度与所述第二特征点分布密度之前的比值;
44、依据所述比值调整预设人脸解锁阈值,得到目标人脸解锁阈值;
45、依据所述目标人脸解锁阈值,将所述第二人脸图像与所述预设人脸模板进行匹配。
其中,本申请实施例中,预设人脸解锁阈值可以由用户正常设置或者系统默认,其可以为用户未化妆情况下的人脸识别阈值。人脸识别装置可以对第二人脸图像进行特征提取,得到第二特征点集,统计第二特征点集的特征点个数,确定特征点个数与第二人脸图像的尺寸大小之间的比值,得到第一特征点分布密度,同理,可以对第一人脸图像进行特征提取,得到第一特征点集,统计第一特征点集的特征点个数,确定特征点个数与第一人脸图像的尺寸大小之间的比值,得到第二特征点分布密度,进而,确定第一特征点分布密度与第二特征点分布密度之间的比值,依据该比值调整预设人脸解锁阈值,得到目标人脸解锁阈值,具体地,目标人脸解锁阈值=比值*预设人脸解锁阈值,依据该目标人脸解锁阈值,将第二人脸图像与预设人脸模板进行匹配,即在第二人脸图像与预设人脸模板之间的匹配值大于目标人脸解锁阈值,则确认第一人脸图像被识别成功,否则,第一人脸图像被识别失败。
105、在所述第二人脸图像与所述预设人脸模板匹配成功时,确认所述第一人脸图像被识别成功。
其中,在第二人脸图像与预设人脸模板匹配匹配成功时,则确认第一人脸图像被识别成功,否则,则确认第一人脸图像被识别失败。
可选地,上述步骤101与步骤102之间还可以包括如下步骤:
A1、对所述第一人脸图像进行轮廓提取,得到目标外围轮廓;
A2、将所述目标外围轮廓与所述预设人脸模板的预设外围轮廓进行匹配;
A3、在所述目标外围轮廓与所述预设外围轮廓匹配成功时,执行所述确定与所述目标化妆程度参数对应的目标还原参数的步骤。
其中,人脸识别装置可以对第一人脸图像进行轮廓提取,轮廓提取算法可以为以下至少一种:霍夫变换、神经网络算法、遗传算法、canny算子等等,在此不做限定,对第一人脸图像进行轮廓提取,可以得到目标外围轮廓,目标外围轮廓决定了用户的脸型,将目标外围轮廓与预设人脸模板的预设外围轮廓进行匹配,若目标外围轮廓与预设外围轮廓匹配成功,则执行步骤103,否则,则确认第一人脸图像被识别失败。
可选地,在上述步骤101与步骤102之间,还可以包括如下步骤:
对所述第一人脸图像进行图像增强处理;
那么,步骤102,对所述目标图像进行目标提取,可按照如下方式实施:
确定图像增强处理后的所述第一人脸图像的目标化妆程度参数。
其中,图像增强处理的方式可以为以下至少一种:直方图均衡化、灰度拉伸、图像复原、小波去燥等等,在此不做限定,在图像增强处理之后,可以提升图像质量,使得图像更加清晰,包含更多的特征,例如,让原本不明显的特征显现出来。
通过本发明实施例所描述的人脸识别方法,获取第一人脸图像,确定第一人脸图像的目标化妆程度参数,确定与目标化妆程度参数对应的目标还原参数,并依据目标还原参数对第一人脸图像进行图像处理,得到第二人脸图像,将第二人脸图像与预设人脸模板进行匹配,在第二人脸图像与预设人脸模板匹配成功时,确认第一人脸图像被识别成功,从而,可以对化妆的人脸图像进行还原处理,提升了人脸识别率。
与上述一致地,请参阅图2,为本发明实施例提供的一种人脸识别方法的第二实施例流程示意图。本实施例中所描述的人脸识别方法,包括以下步骤:
201、获取第一人脸图像。
202、对所述第一人脸图像进行轮廓提取,得到目标外围轮廓。
203、将所述目标外围轮廓与所述预设人脸模板的预设外围轮廓进行匹配。
204、在所述目标外围轮廓与所述预设外围轮廓匹配成功时,确定所述第一人脸图像的目标化妆程度参数。
205、确定与所述目标化妆程度参数对应的目标还原参数,并依据所述目标还原参数对所述第一人脸图像进行图像处理,得到第二人脸图像。
206、将所述第二人脸图像与预设人脸模板进行匹配。
207、在所述第二人脸图像与所述预设人脸模板匹配成功时,确认所述第一人脸图像被识别成功。
其中,上述步骤201-207的具体描述可以参照图1所描述的人脸识别方法的相应描述,在此不再赘述。
通过本发明实施例所描述的人脸识别方法,获取第一人脸图像,对第一人脸图像进行轮廓提取,得到目标外围轮廓,将目标外围轮廓与预设人脸模板的预设外围轮廓进行匹配,在目标外围轮廓与预设外围轮廓匹配成功时,确定第一人脸图像的目标化妆程度参数,确定与目标化妆程度参数对应的目标还原参数,并依据目标还原参数对第一人脸图像进行图像处理,得到第二人脸图像,将第二人脸图像与预设人脸模板进行匹配,在第二人脸图像与预设人脸模板匹配成功时,确认第一人脸图像被识别成功,从而,可以对化妆的人脸图像进行还原处理,提升了人脸识别率。
与上述一致地,以下为实施上述人脸识别方法的装置,具体如下:
请参阅图3,为本发明实施例提供的一种人脸识别装置的实施例结构示意图。本实施例中所描述的人脸识别装置,包括:获取单元301、确定单元302和匹配单元303,具体如下:
获取单元301,用于获取第一人脸图像;
确定单元302,用于确定所述第一人脸图像的目标化妆程度参数;以及确定与所述目标化妆程度参数对应的目标还原参数,并依据所述目标还原参数对所述第一人脸图像进行图像处理,得到第二人脸图像;
匹配单元303,用于将所述第二人脸图像与预设人脸模板进行匹配;
所述确定单元302,还具体用于在所述第二人脸图像与所述预设人脸模板匹配成功时,确认所述第一人脸图像被识别成功。
通过本发明实施例所描述的人脸识别装置,获取第一人脸图像,确定第一人脸图像的目标化妆程度参数,确定与目标化妆程度参数对应的目标还原参数,并依据目标还原参数对第一人脸图像进行图像处理,得到第二人脸图像,将第二人脸图像与预设人脸模板进行匹配,在第二人脸图像与预设人脸模板匹配成功时,确认第一人脸图像被识别成功,从而,可以对化妆的人脸图像进行还原处理,提升了人脸识别率。
可选地,在所述确定所述第一人脸图像的化妆程度参数方面,所述确定单元302具体用于:
对所述第一人脸图像进行多尺度分解,得到高频分量图像;
对所述高频分量图像进行特征提取,得到多个特征点;
确定所述多个特征点的总数目,以及依据所述总数目、所述第一人脸图像的尺寸大小确定目标特征点分布密度;
按照预设的特征点分布密度与化妆程度参数之间的映射关系,确定所述目标特征点分布密度对应的所述目标化妆程度参数。
可选地,在所述确定与所述目标化妆程度参数对应的目标还原参数方面,所述确定单元302具体用于:
确定所述目标化妆程度参数对应的目标化妆等级;
按照预设的化妆等级与还原算法之间的映射关系,确定所述目标化妆等级对应的目标还原算法;
获取所述目标还原算法对应的还原参数;
按照预设的化妆程度参数与还原参数之间的映射关系,确定所述目标化妆程度参数对应的所述目标还原参数;
所述依据所述目标还原参数对所述第一人脸图像进行图像处理,包括:
依据所述目标还原参数、所述目标还原算法对所述第一人脸图像进行图像处理。
可选地,在所述将所述第二人脸图像与预设人脸模板进行匹配方面,所述匹配单元303具体用于:
确定所述第二人脸图像的第一特征点分布密度;
确定所述预设人脸模板的第二特征点分布密度;
确定所述第一特征点分布密度与所述第二特征点分布密度之前的比值;
依据所述比值调整预设人脸解锁阈值,得到目标人脸解锁阈值;
依据所述目标人脸解锁阈值,将所述第二人脸图像与所述预设人脸模板进行匹配。
可选地,所述匹配单元303还具体用于:
对所述第一人脸图像进行轮廓提取,得到目标外围轮廓;以及将所述目标外围轮廓与所述预设人脸模板的预设外围轮廓进行匹配;在所述目标外围轮廓与所述预设外围轮廓匹配成功时,由所述确定单元执行所述确定与所述目标化妆程度参数对应的目标还原参数的步骤。
与上述一致地,请参阅图4,为本发明实施例提供的一种人脸识别装置的实施例结构示意图。本实施例中所描述的人脸识别装置,包括:至少一个输入设备1000;至少一个输出设备2000;至少一个处理器3000,例如CPU;和存储器4000,上述输入设备1000、输出设备2000、处理器3000和存储器4000通过总线5000连接。
其中,上述输入设备1000具体可为触控面板、物理按键或者鼠标。
上述输出设备2000具体可为显示屏。
上述存储器4000可以是高速RAM存储器,也可为非易失存储器(non-volatilememory),例如磁盘存储器。上述存储器4000用于存储一组程序代码,上述输入设备1000、输出设备2000和处理器3000用于调用存储器4000中存储的程序代码,执行如下操作:
上述处理器3000,用于:
获取第一人脸图像;
确定所述第一人脸图像的目标化妆程度参数;
确定与所述目标化妆程度参数对应的目标还原参数,并依据所述目标还原参数对所述第一人脸图像进行图像处理,得到第二人脸图像;
将所述第二人脸图像与预设人脸模板进行匹配;
在所述第二人脸图像与所述预设人脸模板匹配成功时,确认所述第一人脸图像被识别成功。
通过本发明实施例所描述的人脸识别装置,获取第一人脸图像,确定第一人脸图像的目标化妆程度参数,确定与目标化妆程度参数对应的目标还原参数,并依据目标还原参数对第一人脸图像进行图像处理,得到第二人脸图像,将第二人脸图像与预设人脸模板进行匹配,在第二人脸图像与预设人脸模板匹配成功时,确认第一人脸图像被识别成功,从而,可以对化妆的人脸图像进行还原处理,提升了人脸识别率。
可选地,在所述确定所述第一人脸图像的化妆程度参数方面,上述处理器3000具体用于:
对所述第一人脸图像进行多尺度分解,得到高频分量图像;
对所述高频分量图像进行特征提取,得到多个特征点;
确定所述多个特征点的总数目,以及依据所述总数目、所述第一人脸图像的尺寸大小确定目标特征点分布密度;
按照预设的特征点分布密度与化妆程度参数之间的映射关系,确定所述目标特征点分布密度对应的所述目标化妆程度参数。
可选地,在所述确定与所述目标化妆程度参数对应的目标还原参数方面,上述处理器3000具体用于:
确定所述目标化妆程度参数对应的目标化妆等级;
按照预设的化妆等级与还原算法之间的映射关系,确定所述目标化妆等级对应的目标还原算法;
获取所述目标还原算法对应的还原参数;
按照预设的化妆程度参数与还原参数之间的映射关系,确定所述目标化妆程度参数对应的所述目标还原参数;
所述依据所述目标还原参数对所述第一人脸图像进行图像处理,包括:
依据所述目标还原参数、所述目标还原算法对所述第一人脸图像进行图像处理。
可选地,在所述将所述第二人脸图像与预设人脸模板进行匹配方面,上述处理器3000具体用于:
确定所述第二人脸图像的第一特征点分布密度;
确定所述预设人脸模板的第二特征点分布密度;
确定所述第一特征点分布密度与所述第二特征点分布密度之前的比值;
依据所述比值调整预设人脸解锁阈值,得到目标人脸解锁阈值;
依据所述目标人脸解锁阈值,将所述第二人脸图像与所述预设人脸模板进行匹配。
可选地,上述处理器3000还具体用于:
对所述第一人脸图像进行轮廓提取,得到目标外围轮廓;
将所述目标外围轮廓与所述预设人脸模板的预设外围轮廓进行匹配;
在所述目标外围轮廓与所述预设外围轮廓匹配成功时,执行所述确定与所述目标化妆程度参数对应的目标还原参数的步骤。
本申请实施例还提供了另一种人脸识别装置,如图5所示,为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,请参照本申请实施例方法部分。该人脸识别装置可以为包括手机、平板电脑、PDA(personal digital assistant,个人数字助理)、POS(point of sales,销售终端)、车载电脑等任意终端设备,以人脸识别装置为手机为例:
图5示出的是与本申请实施例提供的人脸识别装置相关的手机的部分结构的框图。参考图5,手机包括:射频(radio frequency,RF)电路910、存储器920、输入单元930、传感器950、音频电路960、无线保真(wireless fidelity,WiFi)模块970、应用处理器AP980、以及电源990等部件。本领域技术人员可以理解,图5中示出的手机结构并不构成对手机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图5对手机的各个构成部件进行具体的介绍:
输入单元930可用于接收输入的数字或字符信息,以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地,输入单元930可包括触控显示屏933、人脸识别装置931以及其他输入设备932。人脸识别装置931可以为摄像头,例如,红外摄像头,可见光摄像头或者双摄像头等等。输入单元930还可以包括其他输入设备932。具体地,其他输入设备932可以包括但不限于物理按键、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
其中,所述AP980,用于执行如下步骤:
获取第一人脸图像;
确定所述第一人脸图像的目标化妆程度参数;
确定与所述目标化妆程度参数对应的目标还原参数,并依据所述目标还原参数对所述第一人脸图像进行图像处理,得到第二人脸图像;
将所述第二人脸图像与预设人脸模板进行匹配;
在所述第二人脸图像与所述预设人脸模板匹配成功时,确认所述第一人脸图像被识别成功。
AP980是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器920内的软件程序和/或模块,以及调用存储在存储器920内的数据,执行手机的各种功能和处理数据,从而对手机进行整体监控。可选的,AP980可包括一个或多个处理单元;优选的,AP980可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到AP980中。
此外,存储器920可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
RF电路910可用于信息的接收和发送。通常,RF电路910包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(low noise amplifier,LNA)、双工器等。此外,RF电路910还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(global system of mobilecommunication,GSM)、通用分组无线服务(general packet radio service,GPRS)、码分多址(code division multiple access,CDMA)、宽带码分多址(wideband code divisionmultiple access,WCDMA)、长期演进(long term evolution,LTE)、电子邮件、短消息服务(short messaging service,SMS)等。
手机还可包括至少一种传感器950,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节触控显示屏的亮度,接近传感器可在手机移动到耳边时,关闭触控显示屏和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路960、扬声器961,传声器962可提供用户与手机之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号,传输到扬声器961,由扬声器961转换为声音信号播放;另一方面,传声器962将收集的声音信号转换为电信号,由音频电路960接收后转换为音频数据,再将音频数据播放AP980处理后,经RF电路910以发送给比如另一手机,或者将音频数据播放至存储器920以便进一步处理。
WiFi属于短距离无线传输技术,手机通过WiFi模块970可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图5示出了WiFi模块970,但是可以理解的是,其并不属于手机的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
手机还包括给各个部件供电的电源990(比如电池),优选的,电源可以通过电源管理系统与AP980逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出,手机还可以包括摄像头、蓝牙模块等,在此不再赘述。
前述图1、图2所示的实施例中,各步骤方法流程可以基于该手机的结构实现。
前述图3、图4所示的实施例中,各单元功能可以基于该手机的结构实现。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
尽管在此结合各实施例对本发明进行了描述,然而,在实施所要求保护的本发明过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
本领域技术人员应明白,本发明的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中,与其它硬件一起提供或作为硬件的一部分,也可以采用其他分布形式,如通过Internet或其它有线或无线电信系统。
本发明是参照本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本发明进行了描述,显而易见的,在不脱离本发明的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明,且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种人脸识别方法,其特征在于,包括:
获取第一人脸图像;
确定所述第一人脸图像的目标化妆程度参数;
确定与所述目标化妆程度参数对应的目标还原参数,并依据所述目标还原参数对所述第一人脸图像进行图像处理,得到第二人脸图像;
将所述第二人脸图像与预设人脸模板进行匹配;
在所述第二人脸图像与所述预设人脸模板匹配成功时,确认所述第一人脸图像被识别成功;
其中,所述确定所述第一人脸图像的化妆程度参数,包括:
对所述第一人脸图像进行多尺度分解,得到高频分量图像;
对所述高频分量图像进行特征提取,得到多个特征点;
确定所述多个特征点的总数目,以及依据所述总数目、所述第一人脸图像的尺寸大小确定目标特征点分布密度;
按照预设的特征点分布密度与化妆程度参数之间的映射关系,确定所述目标特征点分布密度对应的所述目标化妆程度参数;
其中,所述确定与所述目标化妆程度参数对应的目标还原参数,包括:
确定所述目标化妆程度参数对应的目标化妆等级;
按照预设的化妆等级与还原算法之间的映射关系,确定所述目标化妆等级对应的目标还原算法;
获取所述目标还原算法对应的还原参数;
按照预设的化妆程度参数与还原参数之间的映射关系,确定所述目标化妆程度参数对应的所述目标还原参数;
所述依据所述目标还原参数对所述第一人脸图像进行图像处理,包括:
依据所述目标还原参数、所述目标还原算法对所述第一人脸图像进行图像处理。
2.根据权利要求1所述的方法,其特征在于,所述将所述第二人脸图像与预设人脸模板进行匹配,包括:
确定所述第二人脸图像的第一特征点分布密度;
确定所述预设人脸模板的第二特征点分布密度;
确定所述第一特征点分布密度与所述第二特征点分布密度之前的比值;
依据所述比值调整预设人脸解锁阈值,得到目标人脸解锁阈值;
依据所述目标人脸解锁阈值,将所述第二人脸图像与所述预设人脸模板进行匹配。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
对所述第一人脸图像进行轮廓提取,得到目标外围轮廓;
将所述目标外围轮廓与所述预设人脸模板的预设外围轮廓进行匹配;
在所述目标外围轮廓与所述预设外围轮廓匹配成功时,执行所述确定与所述目标化妆程度参数对应的目标还原参数的步骤。
4.一种人脸识别装置,其特征在于,包括:
获取单元,用于获取第一人脸图像;
确定单元,用于确定所述第一人脸图像的目标化妆程度参数;以及确定与所述目标化妆程度参数对应的目标还原参数,并依据所述目标还原参数对所述第一人脸图像进行图像处理,得到第二人脸图像;
匹配单元,用于将所述第二人脸图像与预设人脸模板进行匹配;
所述确定单元,还具体用于在所述第二人脸图像与所述预设人脸模板匹配成功时,确认所述第一人脸图像被识别成功;
其中,在所述确定所述第一人脸图像的化妆程度参数方面,所述确定单元具体用于:
对所述第一人脸图像进行多尺度分解,得到高频分量图像;
对所述高频分量图像进行特征提取,得到多个特征点;
确定所述多个特征点的总数目,以及依据所述总数目、所述第一人脸图像的尺寸大小确定目标特征点分布密度;
按照预设的特征点分布密度与化妆程度参数之间的映射关系,确定所述目标特征点分布密度对应的所述目标化妆程度参数;
其中,在所述确定与所述目标化妆程度参数对应的目标还原参数方面,所述确定单元具体用于:
确定所述目标化妆程度参数对应的目标化妆等级;
按照预设的化妆等级与还原算法之间的映射关系,确定所述目标化妆等级对应的目标还原算法;
获取所述目标还原算法对应的还原参数;
按照预设的化妆程度参数与还原参数之间的映射关系,确定所述目标化妆程度参数对应的所述目标还原参数;
所述依据所述目标还原参数对所述第一人脸图像进行图像处理,包括:
依据所述目标还原参数、所述目标还原算法对所述第一人脸图像进行图像处理。
5.根据权利要求4所述的装置,其特征在于,在所述将所述第二人脸图像与预设人脸模板进行匹配方面,所述匹配单元具体用于:
确定所述第二人脸图像的第一特征点分布密度;
确定所述预设人脸模板的第二特征点分布密度;
确定所述第一特征点分布密度与所述第二特征点分布密度之前的比值;
依据所述比值调整预设人脸解锁阈值,得到目标人脸解锁阈值;
依据所述目标人脸解锁阈值,将所述第二人脸图像与所述预设人脸模板进行匹配。
6.根据权利要求4或5所述的装置,其特征在于,所述匹配单元还具体用于:
对所述第一人脸图像进行轮廓提取,得到目标外围轮廓;以及将所述目标外围轮廓与所述预设人脸模板的预设外围轮廓进行匹配;在所述目标外围轮廓与所述预设外围轮廓匹配成功时,由所述确定单元执行所述确定与所述目标化妆程度参数对应的目标还原参数的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810736663.8A CN109165546B (zh) | 2018-07-06 | 2018-07-06 | 人脸识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810736663.8A CN109165546B (zh) | 2018-07-06 | 2018-07-06 | 人脸识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109165546A CN109165546A (zh) | 2019-01-08 |
CN109165546B true CN109165546B (zh) | 2021-04-02 |
Family
ID=64897433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810736663.8A Active CN109165546B (zh) | 2018-07-06 | 2018-07-06 | 人脸识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109165546B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507143B (zh) | 2019-01-31 | 2023-06-02 | 北京字节跳动网络技术有限公司 | 表情图像效果生成方法、装置和电子设备 |
CN110837416B (zh) * | 2019-09-24 | 2021-04-30 | 深圳市火乐科技发展有限公司 | 内存管理方法、智能投影仪及相关产品 |
CN112800819B (zh) * | 2019-11-14 | 2024-06-11 | 深圳云天励飞技术有限公司 | 一种人脸识别方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024145A (zh) * | 2010-12-01 | 2011-04-20 | 五邑大学 | 一种伪装人脸分层识别方法及系统 |
CN105427238A (zh) * | 2015-11-30 | 2016-03-23 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN106886744A (zh) * | 2016-12-12 | 2017-06-23 | 首都师范大学 | 人脸验证方法及系统 |
CN108090465A (zh) * | 2017-12-29 | 2018-05-29 | 国信优易数据有限公司 | 一种妆容效果处理模型训练方法及妆容效果处理方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100142755A1 (en) * | 2008-11-26 | 2010-06-10 | Perfect Shape Cosmetics, Inc. | Method, System, and Computer Program Product for Providing Cosmetic Application Instructions Using Arc Lines |
KR102214918B1 (ko) * | 2014-10-21 | 2021-02-10 | 삼성전자주식회사 | 얼굴 인식 방법 및 장치 |
-
2018
- 2018-07-06 CN CN201810736663.8A patent/CN109165546B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024145A (zh) * | 2010-12-01 | 2011-04-20 | 五邑大学 | 一种伪装人脸分层识别方法及系统 |
CN105427238A (zh) * | 2015-11-30 | 2016-03-23 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN106886744A (zh) * | 2016-12-12 | 2017-06-23 | 首都师范大学 | 人脸验证方法及系统 |
CN108090465A (zh) * | 2017-12-29 | 2018-05-29 | 国信优易数据有限公司 | 一种妆容效果处理模型训练方法及妆容效果处理方法 |
Non-Patent Citations (1)
Title |
---|
An ensemble of patch-based subspaces for makeup-robust face recognition;Cunjian Chen et al.;《Information Fusion》;20151110;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109165546A (zh) | 2019-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985212B (zh) | 人脸识别方法及装置 | |
CN107480496B (zh) | 解锁控制方法及相关产品 | |
CN107609514B (zh) | 人脸识别方法及相关产品 | |
CN107657218B (zh) | 人脸识别方法及相关产品 | |
CN107590461B (zh) | 人脸识别方法及相关产品 | |
CN107679482B (zh) | 解锁控制方法及相关产品 | |
CN107292285B (zh) | 虹膜活体检测方法及相关产品 | |
CN107862265B (zh) | 图像处理方法及相关产品 | |
CN107451446B (zh) | 解锁控制方法及相关产品 | |
CN107403147B (zh) | 虹膜活体检测方法及相关产品 | |
CN107197146B (zh) | 图像处理方法和装置、移动终端、计算机可读存储介质 | |
CN106127481B (zh) | 一种指纹支付方法及终端 | |
CN107480488B (zh) | 解锁控制方法及相关产品 | |
CN107679481B (zh) | 解锁控制方法及相关产品 | |
CN107451454B (zh) | 解锁控制方法及相关产品 | |
CN107463818B (zh) | 解锁控制方法及相关产品 | |
CN107784271B (zh) | 指纹识别方法及相关产品 | |
CN107480489B (zh) | 解锁控制方法及相关产品 | |
CN110209245B (zh) | 人脸识别方法及相关产品 | |
CN107506708B (zh) | 解锁控制方法及相关产品 | |
CN109165546B (zh) | 人脸识别方法及装置 | |
CN107613550B (zh) | 解锁控制方法及相关产品 | |
CN107506697B (zh) | 防伪处理方法及相关产品 | |
WO2019001254A1 (zh) | 虹膜活体检测方法及相关产品 | |
CN107451444A (zh) | 解锁控制方法及相关产品 |
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 |