CN109241942A - 图像处理方法、装置、人脸识别设备及存储介质 - Google Patents
图像处理方法、装置、人脸识别设备及存储介质 Download PDFInfo
- Publication number
- CN109241942A CN109241942A CN201811144940.2A CN201811144940A CN109241942A CN 109241942 A CN109241942 A CN 109241942A CN 201811144940 A CN201811144940 A CN 201811144940A CN 109241942 A CN109241942 A CN 109241942A
- Authority
- CN
- China
- Prior art keywords
- image
- facial image
- picture
- facial
- face
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
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)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种图像处理方法、装置、人脸识别设备及存储介质，该方法包括获取预设时间间隔内采集的原始图像数据，所述原始图像数据包括至少两幅原始图像画面；对所述原始图像数据进行识别，如果识别到所述原始图像数据中至少两幅原始图像画面包含相同的人脸图像，则选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面；将所述人脸图像画面和对应的标识信息进行关联保存，所述标识信息包括所述原始图像数据的采集时间和/或采集位置，本方案显著降低了图像存储空间。
Description
技术领域
本申请实施例涉及计算机技术，尤其涉及一种图像处理方法、装置、人脸识别设备及存储介质。
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生物识别技术。通常，使用摄像机或摄像头采集含有人脸的图像或视频流，并在图像中检测和跟踪人脸。
现有技术中，通过在各个站点布置的图像采集装置进行图像采集并保存在存储设备中用以后续进行相应的查询，存储的图像数据占用较大的存储空间，且在后续查询比对过程中数据运算量较大，该种方式存在缺陷，需要改进。
发明内容
本申请提供了一种图像处理方法、装置、人脸识别设备及存储介质，显著降低了图像存储空间。
第一方面，本申请实施例提供了一种图像处理方法，包括：
获取预设时间间隔内采集的原始图像数据，所述原始图像数据包括至少两幅原始图像画面；
对所述原始图像数据进行识别，如果识别到所述原始图像数据中至少两幅原始图像画面包含相同的人脸图像，则选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面；
将所述人脸图像画面和对应的标识信息进行关联保存，所述标识信息包括所述原始图像数据的采集时间和/或采集位置。
第二方面，本申请实施例还提供了一种图像处理装置，包括：
图像获取模块，用于获取预设时间间隔内采集的原始图像数据，所述原始图像数据包括至少两幅原始图像画面；
图像识别模块，对所述原始图像数据进行识别，如果识别到所述原始图像数据中至少两幅原始图像画面包含相同的人脸图像，则选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面；
图像存储模块，用于将所述人脸图像画面和对应的标识信息进行关联保存，所述标识信息包括所述原始图像数据的采集时间和/或采集位置。
第三方面，本申请实施例还提供了一种人脸识别设备，包括：处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的图像处理方法。
第四方面，本申请实施例还提供了一种包含人脸识别设备可执行指令的存储介质，所述人脸识别设备可执行指令在由人脸识别设备处理器执行时用于执行本申请实施例所述的图像处理方法。
本方案中，获取预设时间间隔内采集的原始图像数据，所述原始图像数据包括至少两幅原始图像画面；对所述原始图像数据进行识别，如果识别到所述原始图像数据中至少两幅原始图像画面包含相同的人脸图像，则选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面；将所述人脸图像画面和对应的标识信息进行关联保存，所述标识信息包括所述原始图像数据的采集时间和/或采集位置，本方案显著降低了图像存储空间。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请实施例提供的一种图像处理方法的流程图；
图2是本申请实施例提供的另一种图像处理方法的流程图；
图3是本申请实施例提供的另一种图像处理方法的流程图；
图4是本申请实施例提供的另一种图像处理方法的流程图；
图5是本申请实施例提供的一种图像处理装置的结构框图；
图6是本申请实施例提供的一种人脸识别设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
图1是本申请实施例提供的一种图像处理方法的流程图，可适用于人脸识别领域，该方法可以由本申请实施例提供的人脸识别设备或服务器来执行，该人脸识别设备的图像处理装置可采用软件和/或硬件的方式实现，如图1所示，本实施例提供的具体方案如下：
步骤S101、获取预设时间间隔内采集的原始图像数据，所述原始图像数据包括至少两幅原始图像画面。
其中，原始图像数据可以是摄像装置(如布置在各个小区、路口的摄像机)采集的图像数据，该原始图像数据可暂存在缓冲存储器中，待对该原始图像数据进行后续相应处理后再将其保存至硬盘等非易失性存储介质上。其中，该预设时间间隔可以是3秒或5秒等，原始图像数据可以是摄像装置连续抓拍的多幅图像，在该设置的时间间隔内以保证获取到至少两幅原始图像数据中的原始图像画面。
步骤S102、对所述原始图像数据进行识别，如果识别到所述原始图像数据中至少两幅原始图像画面包含相同的人脸图像，则选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面。
其中，在获取到原始图像数据后，相应的对该原始图像数据进行识别，如进行原始图像数据是否包含有人脸的识别，具体的，识别方式包括：将获取到的原始图像数据和预设人脸模板进行比对，计算图像匹配度，如果匹配程度大于预设阈值(如80％)则确定该原始图像数据包含有人脸图像，除此之外，还可采用模式识别中的人工神经网络算法，即通过对包含人脸样品集和不包含人脸样品集的学习产生分类器，对原始图像数据进行识别以确定其是否属于包含人脸图像的分类。在识别到原始图像数据包含人脸图像后，相应的进行人脸特征比对以确定识别到的原始图像数据中是否存在至少两幅原始图像画面包含相同的人脸图像，其中可将检测到的人脸图像转换为单通道的图像并通过直方图比较单通道的人脸图像得出相似度，如果相似度较高(如大于80％)则确定其包含相同的人脸图像。
在识别到获取的预设时间间隔的原始图像数据中包含相同的人脸图像画面，则选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面。可选的，在一个实施例中可以是对所述人脸图像进行表情识别，将满足预设表情特征的原始图像画面进行人脸图像截取得到人脸图像画面；还可以是对所述人脸图像进行人脸清晰度识别，选择人脸清晰度最高的原始图像画面进行人脸图像截取得到人脸图像画面。在另一个实施例中，可以是对所述人脸图像进行人脸角度识别，将满足预设角度阈值的原始图像画面进行人脸图像截取得到人脸图像画面。
其中，人脸图像的截取可采用边缘检测识别的方式确定包含的人脸图像的边缘，根据该边缘进行人脸图像的截取，或者在识别到人脸图像后，选取人脸图像的4个基准点(如人脸面部的上、下、左、右四个基准点)确定包含此4个基准点的矩形区域进行截取。
步骤S103、将所述人脸图像画面和对应的标识信息进行关联保存，所述标识信息包括所述原始图像数据的采集时间和/或采集位置。
其中，标识信息用于表征该截取的人脸图像画面在采集时的采集时间以及采集位置，其中采集时间可以是摄像装置拍摄该图像数据时记录的系统时间，采集位置可以是摄像装置布置的区域位置，在一个实施例中，摄像装置内部集成有系统时钟，在安装布置过程中相应的标记有安装的具体位置，该位置可以是地球经纬度坐标，也可以是地图数据中标注的具体安装的路口(如xxx路和xxx交叉路口)，还可以是具体的公交站站牌地铁站入口等位置。
在一个实施例中，将步骤S102截取的人脸图像画面和对应的标识信息进行关联保存，如在数据库中进行关联备注记录，记录人脸图像画面对应的采集时间和/或采集位置，还可以是将采集时间和/或采集位置以编码形式嵌入在人脸图像画面中，如将采集时间和采集位置标注在人脸图像画面的右下角。
由上述内容可知，将识别到包含相同人脸图像的原始图像数据进行人脸图像截取，仅保存其中一幅满足条件的人脸图像画面，同时和拍摄时的采集时间以及采集地点关联保存，大幅降低了图像存储空间，同时便于后续人脸识别时以直接确定采集的地点和采集时间，提高了图像处理效率。
在上述技术方案的基础上，在将所述人脸图像画面和对应的标识信息进行关联保存之后，还包括：获取目标人脸图像，将所述目标人脸图像和保存的人脸图像画面进行比对处理，输出比对一致的人脸图像画面及关联的标识信息。其中，目标人脸图像为需要查找的目标人物的人脸图像，在上述方案保存完毕人脸图像画面后，后续进行目标人物的人脸识别时，将目标人脸图像和保存的人脸图像画面进行比对，如果存在比对一致的人脸图像画面，则相应的输出关联的采集时间和/或采集地点以反馈至搜索端。由于仅需对人脸画面图像和目标人脸图像进行比对，节省了比对时间，提高了比对过程的计算效率。
图2是本申请实施例提供的另一种图像处理方法的流程图，可选的，所述选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面包括：对所述人脸图像进行表情识别，将满足预设表情特征的原始图像画面进行人脸图像截取得到人脸图像画面。如图2所示，技术方案具体如下：
步骤S201、获取预设时间间隔内采集的原始图像数据，所述原始图像数据包括至少两幅原始图像画面。
步骤S202、对所述原始图像数据进行识别，如果识别到所述原始图像数据中至少两幅原始图像画面包含相同的人脸图像，则对所述人脸图像进行表情识别，将满足预设表情特征的原始图像画面进行人脸图像截取得到人脸图像画面。
其中，该预设表情特征可以是人脸处于平静状态下(中立状态)下的表情，通常人脸的基本表情类别分为8种，即愤怒、藐视、厌恶、恐惧、开心、中立、悲伤和惊讶。不同的表情对应不同的预设表情特征。通过预设训练模型对所述人脸图像进行表情识别，在一个实施例中，表情识别的方式如下：构建并训练基于卷积神经网络的表情识别模型；将待识别的人脸图像输入表情识别模型，以输出人脸图像的表情类别；获取与表情类别对应的表情识别模型；将人脸图像输入所述表情识别模型，以得到表情特征，将满足预设表情特征(即中立状态下的表情特征)的原始图像画面进行人脸图像截取得到人脸图像画面。
步骤S203、将所述人脸图像画面和对应的标识信息进行关联保存，所述标识信息包括所述原始图像数据的采集时间和/或采集位置。
由上述可知，在识别到同一时间段存在多张包含相同人脸图像的图像数据时，选取其中一幅表情中立的图像画面进行人脸图像截取，在减少存储空间的前提下便于后续人脸图像的识别比对，提高了比对效率。
图3是本申请实施例提供的另一种图像处理方法的流程图，可选的，所述选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面包括：对所述人脸图像进行人脸清晰度识别，选择人脸清晰度最高的原始图像画面进行人脸图像截取得到人脸图像画面。如图3所示，技术方案具体如下：
步骤S301、获取预设时间间隔内采集的原始图像数据，所述原始图像数据包括至少两幅原始图像画面。
步骤S302、对所述原始图像数据进行识别，如果识别到所述原始图像数据中至少两幅原始图像画面包含相同的人脸图像，则对所述人脸图像进行人脸清晰度识别，选择人脸清晰度最高的原始图像画面进行人脸图像截取得到人脸图像画面。
在一个实施例中，选取图像清晰度较高的图像进行人脸图像截取得到人脸图像画面进行后续的保存和识别等操作。具体的，采用图像边缘灰度变化率作为衡量图像清晰度的指标，在图像处理过程中，以每一行灰度值连续下降间隔像素点最多的边缘灰度变化率代表这一行的灰度变化率，由此通过确定包含相同人脸图像画面的图像边缘灰度变化率，将图像边缘灰度变化率变化最小的图像(即最清晰的图像)确定为满足预设条件的图像并进行人脸图像截取和保存。
步骤S303、将所述人脸图像画面和对应的标识信息进行关联保存，所述标识信息包括所述原始图像数据的采集时间和/或采集位置。
由上述可知，在识别到同一时间段存在多张包含相同人脸图像的图像数据时，选取其中一幅清晰度最高的图像画面进行人脸图像截取，在减少存储空间的前提下便于后续人脸图像的识别比对，提高了比对效率。
图4是本申请实施例提供的另一种图像处理方法的流程图，可选的，所述选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面包括：对所述人脸图像进行人脸角度识别，将满足预设角度阈值的原始图像画面进行人脸图像截取得到人脸图像画面。如图4所示，技术方案具体如下：
步骤S401、获取预设时间间隔内采集的原始图像数据，所述原始图像数据包括至少两幅原始图像画面。
步骤S402、对所述原始图像数据进行识别，如果识别到所述原始图像数据中至少两幅原始图像画面包含相同的人脸图像，则对所述人脸图像进行人脸角度识别，将满足预设角度阈值的原始图像画面进行人脸图像截取得到人脸图像画面。
在一个实施例中，在进行人脸角度识别时，通过确定的特征点采用和标准模板进行比对的方式以确定人脸的偏转角度，具体的，人脸图像处于标准姿态时，任意两特征点间的连线具有固定的方向性，例如鼻尖与人中的连线应该是竖直的。特征点连线与水平或竖直方向的夹角处于一个固定的范围内，比如鼻尖与人中的连线与水平方向的夹角大致为90°。因此，利用统计学原理根据人脸五官的分布位置求出它们在标准姿态下的平均角度。已知人脸图像上两个特征点的坐标，即可确定这两个特征点的连线，从而求出人脸图像中的两个特征点的连线与水平或竖直方向的夹角，与平均角度进行比较即可得出人脸偏转角度。计算人脸偏转角度，至少需要两个人脸特征点的位置坐标，也可采用两个以上的人脸特征点的位置坐标进行计算，例如，若采用三个人脸特征点的位置坐标，则将三个人脸特征点连线为一个三角形，利用统计学原理得到这三个特征点标准姿态时的标准三角形，计算两个三角形的夹角，即可算出人脸偏转角度。可设置人脸偏转角度小于20°为满足预设条件，即进行人脸图像截取得到人脸图像画面。
在另一个实施例中，如果不存在满足预设角度阈值的原始图像画面，则选择其中一幅原始图像画面进行人脸图像截取，对截取的人脸图像进行图像矫正得到符合预设角度阈值的人脸图像画面。具体的，可通过前述方式确定人脸偏转角度后，相应的进行人脸反向旋转处理，旋转角度与人脸偏转角度相等，从而得到旋转之后的人脸图像，进行保存。
步骤S403、将所述人脸图像画面和对应的标识信息进行关联保存，所述标识信息包括所述原始图像数据的采集时间和/或采集位置。
由上述可知，在识别到同一时间段存在多张包含相同人脸图像的图像数据时，选取其中一幅拍摄角度为正面的图像进行保存，如果不存在，则进行人脸图像矫正，在减少存储空间的前提下便于后续人脸图像的识别比对，提高了比对效率。
图5是本申请实施例提供的一种图像处理装置的结构框图，该装置用于执行上述实施例提供的图像处理方法，具备执行方法相应的功能模块和有益效果。如图5所示，该装置具体包括：图像获取模块101、图像识别模块102和图像存储模块103，其中，
图像获取模块101，用于获取预设时间间隔内采集的原始图像数据，所述原始图像数据包括至少两幅原始图像画面。
其中，原始图像数据可以是摄像装置(如布置在各个小区、路口的摄像机)采集的图像数据，该原始图像数据可暂存在缓冲存储器中，待对该原始图像数据进行后续相应处理后再将其保存至硬盘等非易失性存储介质上。其中，该预设时间间隔可以是3秒或5秒等，原始图像数据可以是摄像装置连续抓拍的多幅图像，在该设置的时间间隔内以保证获取到至少两幅原始图像数据中的原始图像画面。
图像识别模块102，对所述原始图像数据进行识别，如果识别到所述原始图像数据中至少两幅原始图像画面包含相同的人脸图像，则选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面。
其中，在获取到原始图像数据后，相应的对该原始图像数据进行识别，如进行原始图像数据是否包含有人脸的识别，具体的，识别方式包括：将获取到的原始图像数据和预设人脸模板进行比对，计算图像匹配度，如果匹配程度大于预设阈值(如80％)则确定该原始图像数据包含有人脸图像，除此之外，还可采用模式识别中的人工神经网络算法，即通过对包含人脸样品集和不包含人脸样品集的学习产生分类器，对原始图像数据进行识别以确定其是否属于包含人脸图像的分类。在识别到原始图像数据包含人脸图像后，相应的进行人脸特征比对以确定识别到的原始图像数据中是否存在至少两幅原始图像画面包含相同的人脸图像，其中可将检测到的人脸图像转换为单通道的图像并通过直方图比较单通道的人脸图像得出相似度，如果相似度较高(如大于80％)则确定其包含相同的人脸图像。
在识别到获取的预设时间间隔的原始图像数据中包含相同的人脸图像画面，则选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面。可选的，在一个实施例中可以是对所述人脸图像进行表情识别，将满足预设表情特征的原始图像画面进行人脸图像截取得到人脸图像画面；还可以是对所述人脸图像进行人脸清晰度识别，选择人脸清晰度最高的原始图像画面进行人脸图像截取得到人脸图像画面。在另一个实施例中，可以是对所述人脸图像进行人脸角度识别，将满足预设角度阈值的原始图像画面进行人脸图像截取得到人脸图像画面。
其中，人脸图像的截取可采用边缘检测识别的方式确定包含的人脸图像的边缘，根据该边缘进行人脸图像的截取，或者在识别到人脸图像后，选取人脸图像的4个基准点(如人脸面部的上、下、左、右四个基准点)确定包含此4个基准点的矩形区域进行截取。
图像存储模块103，用于将所述人脸图像画面和对应的标识信息进行关联保存，所述标识信息包括所述原始图像数据的采集时间和/或采集位置。
其中，标识信息用于表征该截取的人脸图像画面在采集时的采集时间以及采集位置，其中采集时间可以是摄像装置拍摄该图像数据时记录的系统时间，采集位置可以是摄像装置布置的区域位置，在一个实施例中，摄像装置内部集成有系统时钟，在安装布置过程中相应的标记有安装的具体位置，该位置可以是地球经纬度坐标，也可以是地图数据中标注的具体安装的路口(如xxx路和xxx交叉路口)，还可以是具体的公交站站牌地铁站入口等位置。
在一个实施例中，将截取的人脸图像画面和对应的标识信息进行关联保存，如在数据库中进行关联备注记录，记录人脸图像画面对应的采集时间和/或采集位置，还可以是将采集时间和/或采集位置以编码形式嵌入在人脸图像画面中，如将采集时间和采集位置标注在人脸图像画面的右下角。
由上述内容可知，将识别到包含相同人脸图像的原始图像数据进行人脸图像截取，仅保存其中一幅满足条件的人脸图像画面，同时和拍摄时的采集时间以及采集地点关联保存，大幅降低了图像存储空间，同时便于后续人脸识别时以直接确定采集的地点和采集时间，提高了图像处理效率。
在一个可能的实施例中，所述图像识别模块102具体用于：
对所述人脸图像进行表情识别，将满足预设表情特征的原始图像画面进行人脸图像截取得到人脸图像画面。
在一个可能的实施例中，所述图像识别模块102具体用于：
通过预设训练模型对所述人脸图像进行表情识别，所述预设训练模型包括基于卷积神经网络的训练模型。
在一个可能的实施例中，所述图像识别模块102具体用于：
对所述人脸图像进行人脸清晰度识别，选择人脸清晰度最高的原始图像画面进行人脸图像截取得到人脸图像画面。
在一个可能的实施例中，所述图像识别模块102具体用于：
对所述人脸图像进行人脸角度识别，将满足预设角度阈值的原始图像画面进行人脸图像截取得到人脸图像画面。
在一个可能的实施例中，所述图像识别模块102具体用于：如果不存在满足预设角度阈值的原始图像画面，则选择其中一幅原始图像画面进行人脸图像截取，对截取的人脸图像进行图像矫正得到符合预设角度阈值的人脸图像画面。
在一个可能的实施例中，所述图像识别模块102还用于：
在将所述人脸图像画面和对应的标识信息进行关联保存之后，获取目标人脸图像，将所述目标人脸图像和保存的人脸图像画面进行比对处理，输出比对一致的人脸图像画面及关联的标识信息。
本实施例在上述各实施例的基础上提供了一种人脸识别设备，图6是本申请实施例提供的一种人脸识别设备的结构示意图，如图6所示，该人脸识别设备包括：存储器201、处理器(Central Processing Unit，CPU)202、外设接口203、摄像头205、电源管理芯片208、输入/输出(I/O)子系统209、触摸屏212、Wifi模块213、其他输入/控制设备210以及外部端口204，这些部件通过一个或多个通信总线或信号线207来通信。
应该理解的是，图示人脸识别设备仅仅是人脸识别设备的一个范例，并且人脸识别设备可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
下面就本实施例提供的用于图像处理的人脸识别设备进行详细的描述。
存储器201，所述存储器201可以被CPU202、外设接口203等访问，所述存储器201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，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
外设接口203，所述外设接口203可以将设备的输入和输出外设连接到CPU202和存储器201。
I/O子系统209，所述I/O子系统209可以将设备上的输入输出外设，例如触摸屏212和其他输入/控制设备210，连接到外设接口203。I/O子系统209可以包括显示控制器2091和用于控制其他输入/控制设备210的一个或多个输入控制器2092。其中，一个或多个输入控制器2092从其他输入/控制设备210接收电信号或者向其他输入/控制设备210发送电信号，其他输入/控制设备210可以包括物理按钮(按压按钮、摇臂按钮等)、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器2092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。
触摸屏212，所述触摸屏212是用户终端与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。
I/O子系统209中的显示控制器2091从触摸屏212接收电信号或者向触摸屏212发送电信号。触摸屏212检测触摸屏上的接触，显示控制器2091将检测到的接触转换为与显示在触摸屏212上的用户界面对象的交互，即实现人机交互，显示在触摸屏212上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。
电源管理芯片208，用于为CPU202、I/O子系统及外设接口所连接的硬件进行供电及电源管理。
上述实施例中提供的人脸识别设备的图像处理装置及人脸识别设备可执行本申请任意实施例所提供的人脸识别设备的图像处理方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的人脸识别设备的图像处理方法。
本申请实施例还提供一种包含人脸识别设备可执行指令的存储介质，所述人脸识别设备可执行指令在由人脸识别设备处理器执行时用于执行一种图像处理方法，该方法包括：
获取预设时间间隔内采集的原始图像数据，所述原始图像数据包括至少两幅原始图像画面；
对所述原始图像数据进行识别，如果识别到所述原始图像数据中至少两幅原始图像画面包含相同的人脸图像，则选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面；
将所述人脸图像画面和对应的标识信息进行关联保存，所述标识信息包括所述原始图像数据的采集时间和/或采集位置。
在一个可能的实施例中，所述选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面包括：
对所述人脸图像进行表情识别，将满足预设表情特征的原始图像画面进行人脸图像截取得到人脸图像画面。
在一个可能的实施例中，所述对所述人脸图像进行表情识别包括：
通过预设训练模型对所述人脸图像进行表情识别，所述预设训练模型包括基于卷积神经网络的训练模型。
在一个可能的实施例中，所述选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面包括：
对所述人脸图像进行人脸清晰度识别，选择人脸清晰度最高的原始图像画面进行人脸图像截取得到人脸图像画面。
在一个可能的实施例中，所述选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面包括：
对所述人脸图像进行人脸角度识别，将满足预设角度阈值的原始图像画面进行人脸图像截取得到人脸图像画面。
在一个可能的实施例中，如果不存在满足预设角度阈值的原始图像画面，则选择其中一幅原始图像画面进行人脸图像截取，对截取的人脸图像进行图像矫正得到符合预设角度阈值的人脸图像画面。
在一个可能的实施例中，在将所述人脸图像画面和对应的标识信息进行关联保存之后，还包括：
获取目标人脸图像，将所述目标人脸图像和保存的人脸图像画面进行比对处理，输出比对一致的人脸图像画面及关联的标识信息。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的图像处理方法操作，还可以执行本申请任意实施例所提供的图像处理方法中的相关操作。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.图像处理方法，其特征在于，包括：
获取预设时间间隔内采集的原始图像数据，所述原始图像数据包括至少两幅原始图像画面；
对所述原始图像数据进行识别，如果识别到所述原始图像数据中至少两幅原始图像画面包含相同的人脸图像，则选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面；
将所述人脸图像画面和对应的标识信息进行关联保存，所述标识信息包括所述原始图像数据的采集时间和/或采集位置。
2.根据权利要求1所述的方法，其特征在于，所述选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面包括：
对所述人脸图像进行表情识别，将满足预设表情特征的原始图像画面进行人脸图像截取得到人脸图像画面。
3.根据权利要求2所述的方法，其特征在于，所述对所述人脸图像进行表情识别包括：
通过预设训练模型对所述人脸图像进行表情识别，所述预设训练模型包括基于卷积神经网络的训练模型。
4.根据权利要求1所述的方法，其特征在于，所述选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面包括：
对所述人脸图像进行人脸清晰度识别，选择人脸清晰度最高的原始图像画面进行人脸图像截取得到人脸图像画面。
5.根据权利要求1所述的方法，其特征在于，所述选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面包括：
对所述人脸图像进行人脸角度识别，将满足预设角度阈值的原始图像画面进行人脸图像截取得到人脸图像画面。
6.根据权利要求5所述的方法，其特征在于，如果不存在满足预设角度阈值的原始图像画面，则选择其中一幅原始图像画面进行人脸图像截取，对截取的人脸图像进行图像矫正得到符合预设角度阈值的人脸图像画面。
7.根据权利要求1-6中任一项所述的方法，其特征在于，在将所述人脸图像画面和对应的标识信息进行关联保存之后，还包括：
获取目标人脸图像，将所述目标人脸图像和保存的人脸图像画面进行比对处理，输出比对一致的人脸图像画面及关联的标识信息。
8.图像处理装置，其特征在于，包括：
图像获取模块，用于获取预设时间间隔内采集的原始图像数据，所述原始图像数据包括至少两幅原始图像画面；
图像识别模块，对所述原始图像数据进行识别，如果识别到所述原始图像数据中至少两幅原始图像画面包含相同的人脸图像，则选择其中一幅满足预设条件的原始图像画面进行人脸图像截取得到人脸图像画面；
图像存储模块，用于将所述人脸图像画面和对应的标识信息进行关联保存，所述标识信息包括所述原始图像数据的采集时间和/或采集位置。
9.一种人脸识别设备，包括：处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的图像处理方法。
10.一种包含人脸识别设备可执行指令的存储介质，其特征在于，所述人脸识别设备可执行指令在由人脸识别设备处理器执行时用于执行如权利要求1-7中任一项所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811144940.2A CN109241942B (zh) | 2018-09-29 | 2018-09-29 | 图像处理方法、装置、人脸识别设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811144940.2A CN109241942B (zh) | 2018-09-29 | 2018-09-29 | 图像处理方法、装置、人脸识别设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109241942A true CN109241942A (zh) | 2019-01-18 |
| CN109241942B CN109241942B (zh) | 2022-05-03 |
Family
ID=65054337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811144940.2A Active CN109241942B (zh) | 2018-09-29 | 2018-09-29 | 图像处理方法、装置、人脸识别设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109241942B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111523350A (zh) * | 2019-02-02 | 2020-08-11 | 上海齐感电子信息科技有限公司 | 图像识别方法及装置、存储介质、终端、图像识别系统 |
| CN113095198A (zh) * | 2021-04-06 | 2021-07-09 | 上海网梯数码科技有限公司 | 一种基于学习者行为的ai考核方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101557487A (zh) * | 2009-05-08 | 2009-10-14 | 上海银晨智能识别科技有限公司 | 具有人脸图像抓取功能的硬盘录像机及人脸图像抓取方法 |
| CN201854371U (zh) * | 2010-09-13 | 2011-06-01 | 北京海鑫智圣技术有限公司 | 人脸抓拍视频服务器 |
| CN105139438A (zh) * | 2014-09-19 | 2015-12-09 | 电子科技大学 | 视频人脸卡通动画生成方法 |
| CN105976444A (zh) * | 2016-04-28 | 2016-09-28 | 信阳师范学院 | 一种视频图像处理方法及装置 |
| CN106161916A (zh) * | 2015-04-08 | 2016-11-23 | 联想(北京)有限公司 | 一种图像采集方法及电子设备 |
| US9552467B2 (en) * | 2013-11-01 | 2017-01-24 | Sony Corporation | Information processing device and information processing method |
| CN106372622A (zh) * | 2016-09-30 | 2017-02-01 | 北京奇虎科技有限公司 | 一种人脸表情分类方法及装置 |
| CN106557730A (zh) * | 2015-09-30 | 2017-04-05 | 北京奇虎科技有限公司 | 视频通话过程中的人脸纠正方法及装置 |
| CN107346387A (zh) * | 2017-06-23 | 2017-11-14 | 深圳传音通讯有限公司 | 解锁方法及装置 |
| CN108229321A (zh) * | 2017-11-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸识别模型及其训练方法和装置、设备、程序和介质 |
| CN108268765A (zh) * | 2018-01-31 | 2018-07-10 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
| CN108563999A (zh) * | 2018-03-19 | 2018-09-21 | 特斯联（北京）科技有限公司 | 一种面向低质量视频图像的人物身份识别方法与装置 |
-
2018
- 2018-09-29 CN CN201811144940.2A patent/CN109241942B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101557487A (zh) * | 2009-05-08 | 2009-10-14 | 上海银晨智能识别科技有限公司 | 具有人脸图像抓取功能的硬盘录像机及人脸图像抓取方法 |
| CN201854371U (zh) * | 2010-09-13 | 2011-06-01 | 北京海鑫智圣技术有限公司 | 人脸抓拍视频服务器 |
| US9552467B2 (en) * | 2013-11-01 | 2017-01-24 | Sony Corporation | Information processing device and information processing method |
| CN105139438A (zh) * | 2014-09-19 | 2015-12-09 | 电子科技大学 | 视频人脸卡通动画生成方法 |
| CN106161916A (zh) * | 2015-04-08 | 2016-11-23 | 联想(北京)有限公司 | 一种图像采集方法及电子设备 |
| CN106557730A (zh) * | 2015-09-30 | 2017-04-05 | 北京奇虎科技有限公司 | 视频通话过程中的人脸纠正方法及装置 |
| CN105976444A (zh) * | 2016-04-28 | 2016-09-28 | 信阳师范学院 | 一种视频图像处理方法及装置 |
| CN106372622A (zh) * | 2016-09-30 | 2017-02-01 | 北京奇虎科技有限公司 | 一种人脸表情分类方法及装置 |
| CN107346387A (zh) * | 2017-06-23 | 2017-11-14 | 深圳传音通讯有限公司 | 解锁方法及装置 |
| CN108229321A (zh) * | 2017-11-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸识别模型及其训练方法和装置、设备、程序和介质 |
| CN108268765A (zh) * | 2018-01-31 | 2018-07-10 | 广东欧珀移动通信有限公司 | 解锁控制方法及相关产品 |
| CN108563999A (zh) * | 2018-03-19 | 2018-09-21 | 特斯联（北京）科技有限公司 | 一种面向低质量视频图像的人物身份识别方法与装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111523350A (zh) * | 2019-02-02 | 2020-08-11 | 上海齐感电子信息科技有限公司 | 图像识别方法及装置、存储介质、终端、图像识别系统 |
| CN111523350B (zh) * | 2019-02-02 | 2023-06-02 | 上海齐感电子信息科技有限公司 | 图像识别方法及装置、存储介质、终端、图像识别系统 |
| CN113095198A (zh) * | 2021-04-06 | 2021-07-09 | 上海网梯数码科技有限公司 | 一种基于学习者行为的ai考核方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109241942B (zh) | 2022-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108960163B (zh) | 手势识别方法、装置、设备和存储介质 | |
| US10043308B2 (en) | Image processing method and apparatus for three-dimensional reconstruction | |
| WO2022027912A1 (zh) | 一种人脸姿态检测方法、装置、终端设备及存储介质 | |
| CN105825524B (zh) | 目标跟踪方法和装置 | |
| WO2021082635A1 (zh) | 一种关注区域检测方法、装置、可读存储介质及终端设备 | |
| CN109325456A (zh) | 目标识别方法、装置、目标识别设备及存储介质 | |
| CN102081503B (zh) | 基于视线追踪自动翻页的电子阅读器及其方法 | |
| WO2020078119A1 (zh) | 模拟用户穿戴服装饰品的方法、装置和系统 | |
| CN105205462A (zh) | 一种拍照提示方法及装置 | |
| WO2022166243A1 (zh) | 捏合手势检测识别方法、装置及系统 | |
| CN103164022B (zh) | 多指触摸方法和装置、便携式终端设备 | |
| CN108304829A (zh) | 人脸识别方法、装置及系统 | |
| US9443325B2 (en) | Image processing apparatus, image processing method, and computer program | |
| CN102831439A (zh) | 手势跟踪方法及系统 | |
| CN109063678B (zh) | 脸部图像识别的方法、装置及存储介质 | |
| CN110874583A (zh) | 一种客流统计的方法、装置、存储介质及电子设备 | |
| CN104616002A (zh) | 用于年龄段判断的面部识别设备 | |
| CN112507918B (zh) | 一种手势识别方法 | |
| JP7429307B2 (ja) | コンピュータビジョンに基づく文字列認識方法、装置、機器及び媒体 | |
| Kerdvibulvech | A methodology for hand and finger motion analysis using adaptive probabilistic models | |
| CN109377518A (zh) | 目标追踪方法、装置、目标追踪设备及存储介质 | |
| CN109241942A (zh) | 图像处理方法、装置、人脸识别设备及存储介质 | |
| CN109284722A (zh) | 图像处理方法、装置、人脸识别设备及存储介质 | |
| CN109858464A (zh) | 底库数据处理方法、人脸识别方法、装置和电子设备 | |
| CN115421591B (zh) | 手势控制装置和摄像设备 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Room 306, zone 2, building 1, Fanshan entrepreneurship center, Panyu energy saving technology park, No. 832 Yingbin Road, Donghuan street, Panyu District, Guangzhou City, Guangdong Province Applicant after: Jiadu Technology Group Co.,Ltd. Address before: Room 306, zone 2, building 1, Fanshan entrepreneurship center, Panyu energy saving technology park, No. 832 Yingbin Road, Donghuan street, Panyu District, Guangzhou City, Guangdong Province Applicant before: PCI-SUNTEKTECH Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |