CN109472227A - 一种跨终端人脸识别验证方法及系统 - Google Patents

Abstract

本发明提供一种跨终端人脸识别验证方法，所述跨终端人脸识别验证方法包括以下步骤：生成二维码，所述二维码包含定期动态更新的UID码；对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口；获取图片并进行人脸检测；上传通过人脸检测的所述图片；对上传的通过人脸检测的所述图片进行人脸识别验证。本发明所述的一种跨终端人脸识别验证方法，用户在使用人脸识别验证时，可以突破设备上无摄像头、摄像头不具备人脸检测功能等限制，通过设备授权手机、平板等带摄像头的终端来采集图像，然后终端将图像上传给设备并在设备上最终完成人脸识别验证，然后设备将验证结果回传给终端。

Description

一种跨终端人脸识别验证方法及系统

技术领域

本发明涉及人脸识别技术领域，特别是涉及一种跨终端人脸识别验证方法及系统。

背景技术

随着人工智能的发展，人脸识别验证技术也逐渐从实验室走出并融入我们的日常生活。人脸识别验证具有便捷性、快速性的优点，给用户带来良好的体验，并且在特定的应用场景中也具备很高的准确性。正因为如此，人脸识别验证在楼宇门禁、社区管理、驾驶员身份认证等场景中也得到了广泛应用，甚至近两年在高考考生认证、疑犯追踪领域也呈现出星火燎原之势。

然而，目前的人脸识别验证技术还具有以下局限性：

1.设备局限性

人脸识别验证技术依赖于摄像头来采集图像或视频流，并进而从中检测出人脸图片，因而设备需要具备采集图片或视频流、人脸检测、人脸特征值提取的功能。

针对此，目前的IPC厂商提供的方案一般为人脸抓拍摄像机、普通IPC+人脸处理服务器两种。其中，人脸抓拍摄像机是一种人脸识别验证领域特有的智能相机，该相机能直接完成图片采集、人脸检测、人脸特征值提取的全部功能，并且直接输出人脸ROI图片；而“普通IPC+人脸处理服务器”的方案，则是利用普通IPC完成视频流采集，再利用人脸处理服务器完成人脸检测和人脸特征值提取的功能，并且也输出人脸ROI图片。但是这两种方案的价格都较高，并且安装、应用和维护都不太方便，不适合普通用户使用；

2.抓拍效果局限性

人脸识别验证技术需要首先保证人脸的抓拍质量，任何一个影响抓拍质量的因素都可能导致人脸识别失败或人脸识别准确度下降等情况，这其中主要包括了光照、抓拍角度、摄像机分辨率、聚焦清晰度、镜头畸变、摄像机噪声等因素。然而，人脸识别验证技术的使用场景千差万别，在现有的IPC中普通用户难以采集到高质量的人脸图片。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种跨终端人脸识别验证方法系统，用以解决现有技术中抓拍效果局限性和设备局限性。

为实现上述目的及其他相关目的，本发明提供一种跨终端人脸识别验证方法，所述跨终端人脸识别验证方法包括以下步骤：

生成二维码，所述二维码包含定期动态更新的UID码；

对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口；

获取图片并进行人脸检测；

上传通过人脸检测的所述图片；

对上传的通过人脸检测的所述图片进行人脸识别验证。

可选地，在对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口后进行授权操作。

可选地，所述的对上传的通过人脸检测的所述图片进行人脸识别验证，具体为：

计算上传的通过人脸检测的所述图片与人脸库中的人脸库图片的相似度，若所述相似度在一定阈值范围内，则人脸识别验证通过，反之，则人脸识别验证不通过。

可选地，所述跨终端人脸识别验证方法还包括：

若人脸识别验证通过，则输出与上传的所述图片相似度最大的人脸库图片以及对应的人脸身份信息。

可选地，所述人脸检测具体包括：

对获取的图片进行预处理；

通过人脸检测算法对经过所述预处理的图片进行检测，以判断图片中是否含有人脸；

计算人脸质量分；

根据所述人脸质量分判断与所述人脸质量分所对应的照片是否合格。

为实现上述目的及其他相关目的，本发明还提供一种跨终端人脸识别验证系统，所述跨终端人脸识别验证系统包括服务器端和客户端；所述服务器端包括人脸库、扫码模块、二维码生成模块和1：N人脸检索模块，所述客户端包括拍照模块、扫码模块和人脸检测模块；

所述二维码生成模块用于生成二维码，所述二维码包含定期动态更新的UID码；

所述扫码模块用于对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口；

所述人脸库用于存储人脸库图片以及对应的人脸身份信息；

所述人脸检测模块用于根据所述拍照模块获取的图片进行人脸检测，并上传通过人脸检测的所述图片；

所述1：N人脸检索模块用于对上传的通过人脸检测的所述图片进行人脸识别验证。

可选地，所述客户端还包括授权验证模块，用于在对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口后进行授权操作。

可选地，所述的对上传的通过人脸检测的所述图片进行人脸识别验证，具体为：

计算上传的通过人脸检测的所述图片与人脸库中的人脸库图片的相似度，若所述相似度在一定阈值范围内，则人脸识别验证通过，反之，则人脸识别验证不通过。

可选地，所述服务器端还包括输出模块，用于输出与上传的所述图片相似度最大的人脸库图片以及对应的人脸身份信息。

可选地，所述人脸检测模块具体包括：

预处理单元，用于对获取的图片进行预处理；

人脸检测单元，用于通过人脸检测算法对经过所述预处理的图片进行检测，以判断图片中是否含有人脸；

计算单元，用于计算人脸质量分；

判断单元，用于根据所述人脸质量分判断与所述人脸质量分所对应的照片是否合格。

如上所述，本发明的一种跨终端人脸识别验证方法及系统，具有以下有益效果：

本发明所述的一种跨终端人脸识别验证方法以及系统，通过终端扫码的方式来调用终端摄像头完成人脸图片的采集，并在终端完成人脸检测后，在设备上进行1:N人脸识别，最终实现了跨终端的人脸识别验证。本发明突破了现在人脸识别的众多潜在应用场景中缺少摄像机、带人脸识别的摄像机价格高、摄像机型号不兼容、拍摄光照和角度不可控的难题，充分利用了人手普及并且拍摄效果不断提高的智能手机、智能平板电脑等终端，具有比传统人脸识别验证系统更高的识别准确度和安全性，同时节省了设备拥有方的改造成本和维护成本，适合不同场合的推广应用。

附图说明

图1为一种跨终端人脸识别验证方法的流程图；

图2为人脸检测的流程图；

图3为一种跨终端人脸识别验证方法的流程图；

图4为一种跨终端人脸识另验证系统的原理框图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

如图1所示，本发明提供一种种跨终端人脸识别验证方法，所述跨终端人脸识别验证方法包括以下步骤：

S1.生成二维码，所述二维码包含定期动态更新的UID码。所述二维码可以被打印或者用显示器显示出来，以供用户扫码。

S2.对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口；

于本实施例中，可以利用带摄像头的终端进行扫码，从而打开人脸识别验证入口。可选地，人脸识别验证入口包括但不限于微信小程序和支付宝小程序。

S3.获取图片并进行人脸检测。

在所述的人脸识别验证入口，微信小程序或者支付宝小程序，默认会启用终端的摄像头，首先会尝试启用终端的前置摄像对，当终端无前置摄像头时会使用其他摄像头。这里所说的终端可以为带有摄像头的智能手机、相机或摄像机。

等用户自己调整后拍照方位、角度，以及摄像头的聚焦、光圈、补光灯等参数后进行拍照。为了便于用户操作，所述的人脸识别验证小程序已将参数预先设置为自动聚焦、自动光圈。

具体地，如图2所示，所述人脸检测具体包括：

S31.对获取的图片进行预处理。

于本实施例中，所述预处理具体包括去燥、人脸关键特征提取、人脸仿射变换、边缘增强等。

S32.通过人脸检测算法对经过所述预处理的图片进行检测，以判断图片中是否含有人脸。

所述的人脸检测算法包括但不限于深度神经网络算法、模板匹配算法。

S33.计算人脸质量分。

S34.根据所述人脸质量分判断与所述人脸质量分所对应的照片是否合格。

于本实施例中，所述的人脸质量分在[0，1]的取值空间内，取值越大代表人脸质量越好，一般在0.8以上算优，所述的阈值包括但不限于提前设定的固定阈值和结合历史质量分计算出的动态阈值。当计算出的人脸质量分在[0.8，1]以内，则相应的照片为合格图片。

终端根据拍摄的照片计算质量分、人脸的图像坐标以及人脸尺寸，若人脸识别验证失败，则终端显示失败原因，失败原因包含检测不到人脸、人脸模糊、人脸角度太大、人脸有遮挡、存在多个人脸等情况。

S4.上传通过人脸检测的所述图片。

通过人脸检测的图片为人脸图片，人脸图片通过网络通道上传给设备，网络通道包括但不限于WIFI、蓝牙和互联网。

S5.对上传的通过人脸检测的所述图片进行人脸识别验证。

具体地，所述的对上传的通过人脸检测的所述图片进行人脸识别验证，具体为：

计算上传的通过人脸检测的所述图片与人脸库中的人脸库图片的相似度，若所述相似度在一定阈值范围内，则人脸识别验证通过，反之，则人脸识别验证不通过。

S6.若人脸识别验证通过，则输出与上传的所述图片相似度最大的人脸库图片以及对应的人脸身份信息。

于本实施例中，在对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口后进行授权操作。

在进入到人脸识别验证入口页面，该页面包含了授权的确认和取消选项。通过一定授权协议的授权，设备能获取到用户的帐号名、联系方式等信息，并能收到终端上传的图片、当该页面载入时，终端已经下载了人脸检测验证小程序的图标，以便加快小程序的使用。

终端对设备的授权协议包括但不限于OpenIDt OAuth2协议。

如图3所示，本发明还提供一种跨终端人脸识别验证方法，下面对跨终端人脸识别验证方法进行描述。该人脸识别验证方法包括以下步骤：

步骤S101，客户端扫码；

服务端会定期动态更新二维码，二维码当中包含了UID信息，然后用户可以利用带摄像头的客户端进行扫码，从而打开人脸识别验证的入口。带摄像头的客户端具体可以为智能手机。

人脸识别验证的入口包括但不限于微信小程序和支付宝小程序。

步骤S102，客户端授权；

经过步骤S101，客户端进入人脸识别验证入口页面，该页面包含了授权的确认和取消选项。通过一定授权协议的授权，建立客户端与服务端的图片传输、消息传输的通道。服务端能获取到相应客户端用户的账号名、联系方式等信息，并能收到客户端上传的图片。当该页面载入时，客户端已经下载了人脸识别验证小程序的图标，以便加快小程序的使用。

客户端对服务端的授权协议包括但不限于OpenID和OAuth2协议。

步骤S103，客户端拍照；

经过步骤S102，客户端进入拍照页面，该页面包含了拍照常用的调焦、调光圈、开/关闪光灯、切换摄像头、延时拍照等功能。本系统默认优先使用前置摄像头，并且默认将自动焦距、自动光圈等相机功能开启，以便提升用户的体验。在没有前置摄像头时，会启用其他摄像头。

步骤S104，人脸检测；

将步骤S103中拍摄到的照片首先经过了去燥、人脸关键特征提取、人脸仿射变换、边缘增强等图片预处理，然后通过一定的人脸检测算法进行人脸检测，以判断照片中是否含有人脸，并计算出人脸质量分，以及判断是否有无遮挡或拍摄角度过大等异常。

人脸检测算法包括但不限于深度神经网络算法、模板匹配算法。

步骤S105，人脸质量合格判断；

将步骤S104中得到的人脸质量分结合阈值来进行分析，判断人脸质量是否合格。

人脸质量分在[0，1]的取值空间内，取值越大代表人脸质量越好，一般在0.8以上算优。若人脸质量分在[0.8,1]内时，可以判断为合格，则相应的照片为合格照片。

阈值包括但不限于提前设定的固定阈值和结合历史质量分计算出的动态阈值。

步骤S106，人脸上传；

客户端将步骤105中质量分合格的人脸图片通过网络通道上传给服务端。

上传图片的网络通道包括但不限于WIFI、蓝牙和互联网。

步骤S107，1:N人脸检索；

服务端将步骤106传送来的人脸图片进行处理，通过和人脸库中每张人脸库图片进行比对，来计算出每次人脸比对的相似度，并最终以最高相似度对应的人脸库图片作为检索结果。

图片比对算法包括但不限于聚类算法、欧氏距离。

步骤S108，检索结果分析；

服务端将步骤S107中得到的人脸最高相似度结合阈值来进行分析，判断检索结果是可信。相似度在[0，1]的取值空间内，取值越大代表检索结果越可信，一般在0.8以上算优。

阈值包括但不限于提前设定的固定阈值和结合历史数据计算出的动态阈值。

步骤S109，验证结果回传；

服务端将对应的人脸库图片、相似度回传给客户端，并且还将根据步骤S105中得到的人脸质量分析结果来提示用户检索结果是否可信。

本发明还提供了一种跨终端人脸识别验证系统，如图4所示，

该系统分为服务端1和客户端2。服务端包括人脸库11、二维码生成模块13、1：N人脸检索模块12；客户端包括拍照模块21、人脸检测模块22、授权验证模块23和扫码模块24。

所述人脸库用于存储人脸库图片以及对应的人脸身份信息；

具体地，所人脸库包括人脸图片库、人脸特征值库和人脸身份信息库。人脸图片库存储用户的注册照；人脸特征值库存储人脸识别算法中提取的特征值，一张人脸图片可用一组特征值来表示；人脸身份信息库存储用户的注册信息，例如姓名和联系方式。

所述二维码生成模块用于生成二维码，所述二维码包含定期动态更新的UID码；

所述1：N人脸检索模块用于对上传的通过人脸检测的所述图片进行人脸识别验证，通过人检测的图片为人脸图片。

1：N人脸检索模块使用1张人脸图片在人脸图片库中进行一一比对，每次比对都会计算出人脸比对相似度，最后输出最高的相似度。

若所述相似度在一定阈值范围内，则人脸识别验证通过，反之，则人脸识别验证不通过。

所述拍照模块运行在客户端上，利用自带的摄像头(包括可能的闪光灯硬件)来拍照。

所述人脸检测模块用于根据所述拍照模块获取的图片进行人脸检测，并上传通过人脸检测的所述图片。

人脸检测模块用于在客户端检出是否含有人脸、人脸质量是否良好等情况，只有人脸质量良好的人脸图片才能上传给设备，实现了过滤无效图片从而节省流量的目的。该模块还能准确地标出人脸位置，对不同角度、光照、表情、遮挡、年龄的人脸都有较好的适应性。

所述人脸检测模块具体包括：

预处理单元，用于对获取的图片进行预处理；

人脸检测单元，用于通过人脸检测算法对经过所述预处理的图片进行检测，以判断图片中是否含有人脸；

计算单元，用于计算人脸质量分；

判断单元，用于根据所述人脸质量分判断与所述人脸质量分所对应的照片是否合格。

于本实施例中，所述的人脸质量分在[0，1]的取值空间内，取值越大代表人脸质量越好，一般在0.8以上算优，所述的阈值包括但不限于提前设定的固定阈值和结合历史质量分计算出的动态阈值。当计算出的人脸质量分在[0.8，1]以内，则相应的照片为合格图片。

所述授权验证模块，用于在对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口后进行授权操作。授权验证模块允许服务端从客户端的小程序所在的平台软件中获取用户信息，并建立图片传输、消息传输的通道。

所述扫码模块用于对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口。

于本实施例中，所述服务器端还包括输出模块，用于输出与上传的所述图片相似度最大的人脸库图片以及对应的人脸身份信息。

于本实施例中，所述的服务端，不仅仅包括服务器、个人PC等硬件设备，还包括所有例如ATM机、智能门闸等带有网络通信模块的智能设备。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种跨终端人脸识别验证方法，其特征在于，所述跨终端人脸识别验证方法包括以下步骤：

生成二维码，所述二维码包含定期动态更新的UID码；

对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口；

获取图片并进行人脸检测；

上传通过人脸检测的所述图片；

对上传的通过人脸检测的所述图片进行人脸识别验证。

2.根据权利要求1所述的一种跨终端人脸识别验证方法，其特征在于，在对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口后进行授权操作。

3.根据权利要求1所述的一种跨终端人脸识别验证方法，其特征在于，所述的对上传的通过人脸检测的所述图片进行人脸识别验证，具体为：

计算上传的通过人脸检测的所述图片与人脸库中的人脸库图片的相似度，若所述相似度在一定阈值范围内，则人脸识别验证通过，反之，则人脸识别验证不通过。

4.根据权利要求2所述的一种跨终端人脸识别验证方法，其特征在于，所述跨终端人脸识别验证方法还包括：

若人脸识别验证通过，则输出与上传的所述图片相似度最大的人脸库图片以及对应的人脸身份信息。

5.根据权利要求1所述的一种跨终端人脸识别验证方法，其特征在于，所述人脸检测具体包括：

对获取的图片进行预处理；

通过人脸检测算法对经过所述预处理的图片进行检测，以判断图片中是否含有人脸；

计算人脸质量分；

根据所述人脸质量分判断与所述人脸质量分所对应的照片是否合格。

6.一种跨终端人脸识别验证系统，其特征在于，所述跨终端人脸识别验证系统包括服务器端和客户端；所述服务器端包括人脸库、扫码模块、二维码生成模块和1：N人脸检索模块，所述客户端包括拍照模块、扫码模块和人脸检测模块；

所述二维码生成模块用于生成二维码，所述二维码包含定期动态更新的UID码；

所述扫码模块用于对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口；

所述人脸库用于存储人脸库图片以及对应的人脸身份信息；

所述人脸检测模块用于根据所述拍照模块获取的图片进行人脸检测，并上传通过人脸检测的所述图片；

所述1：N人脸检索模块用于对上传的通过人脸检测的所述图片进行人脸识别验证。

7.根据权利要求6所述的一种跨终端人脸识别验证系统，其特征在于，所述客户端还包括授权验证模块，用于在对所述二维码进行扫码获得所述二维码对应的人脸识别验证入口后进行授权操作。

8.根据权利要求6所述的一种跨终端人脸识别验证系统，其特征在于，所述的对上传的通过人脸检测的所述图片进行人脸识别验证，具体为：

计算上传的通过人脸检测的所述图片与人脸库中的人脸库图片的相似度，若所述相似度在一定阈值范围内，则人脸识别验证通过，反之，则人脸识别验证不通过。

9.根据权利要求8所述的一种跨终端人脸识别验证系统，其特征在于，所述服务器端还包括输出模块，用于输出与上传的所述图片相似度最大的人脸库图片以及对应的人脸身份信息。

10.根据权利要求6所述的一种跨终端人脸识别验证系统，其特征在于，所述人脸检测模块具体包括：

预处理单元，用于对获取的图片进行预处理；

人脸检测单元，用于通过人脸检测算法对经过所述预处理的图片进行检测，以判断图片中是否含有人脸；

计算单元，用于计算人脸质量分；

判断单元，用于根据所述人脸质量分判断与所述人脸质量分所对应的照片是否合格。