CN109583348A - 一种人脸识别方法、装置、设备及系统 - Google Patents
一种人脸识别方法、装置、设备及系统 Download PDFInfo
- Publication number
- CN109583348A CN109583348A CN201811397008.0A CN201811397008A CN109583348A CN 109583348 A CN109583348 A CN 109583348A CN 201811397008 A CN201811397008 A CN 201811397008A CN 109583348 A CN109583348 A CN 109583348A
- Authority
- CN
- China
- Prior art keywords
- facial image
- human face
- face posture
- value
- registered
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000001815 facial effect Effects 0.000 claims abstract description 363
- 210000001508 eye Anatomy 0.000 claims description 6
- 210000001331 nose Anatomy 0.000 claims description 5
- 210000001061 forehead Anatomy 0.000 claims description 4
- 210000004709 eyebrow Anatomy 0.000 claims description 3
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 230000006872 improvement Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 210000003128 head Anatomy 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 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
- G06V40/168—Feature extraction; Face representation
-
- 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)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本说明书实施例公开了一种人脸识别方法、装置及设备，在采集到用户的人脸图像时，判断人脸图像中的人脸姿态是否达到预设人脸姿态条件，若人脸图像中的人脸姿态达到预设人脸姿态条件，则将人脸图像与已注册人脸图像进行相似度匹配。如果相似度匹配值达到阈值，则可以根据所述已注册人脸图像确定用户标识。
Description
技术领域
本说明书实施例涉及计算机技术领域，尤其涉及一种人脸识别方法、装置、设备及系统。
背景技术
近年来，随着计算机技术的迅速发展，人脸识别技术得到广泛开发与应用。人脸识别的目的是通过采集人脸图像来识别人的身份。在实际应用中，可以将采集的人脸图像与已注册或留存人脸图像进行比对，识别人的身份，进而执行相应业务操作。
发明内容
有鉴于此，本说明书实施例提供了一种用于提升人脸识别精确度和可靠性的人脸识别方法、装置、设备及系统。
本说明书实施例采用下述技术方案：
本说明书实施例提供一种人脸识别方法，包括：
采集用户的人脸图像；
判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件；
若所述人脸图像中的人脸姿态达到预设人脸姿态条件，则将所述人脸图像与已注册人脸图像进行相似度匹配；
若所述人脸图像与已注册人脸图像的相似度匹配值达到阈值，则根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识。。
本说明书实施例还提供一种人脸识别装置，包括：
采集模块，采集用户的人脸图像；
判断模块，判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件；
相似度匹配模块，若所述人脸图像中的人脸姿态达到预设人脸姿态条件，则将所述人脸图像与已注册人脸图像进行相似度匹配；
确定模块，若所述人脸图像与已注册人脸图像的相似度匹配值达到阈值，则根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识。。
本说明书实施例还提供一种人脸识别系统，包括：
客户端，采集用户的人脸图像，判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件，若是，则发送采集的人脸图像；
服务端，从客户端接收所述人脸图像，将所述人脸图像与已注册人脸图像进行相似度匹配，若相似度匹配值达到阈值，则根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识。
本说明书实施例还提供一种电子设备，包括至少一个处理器及存储器，存储器存储有程序，并且被配置成由至少一个处理器执行以下步骤：
采集用户的人脸图像；
判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件；
若所述人脸图像中的人脸姿态达到预设人脸姿态条件，则将所述人脸图像与已注册人脸图像进行相似度匹配；
若所述人脸图像与已注册人脸图像的相似度匹配值达到阈值，则根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识。。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
在采集到用户的人脸图像时，判断人脸图像中的人脸姿态是否达到预设人脸姿态条件，若人脸图像中的人脸姿态达到预设人脸姿态条件，则将人脸图像与已注册人脸图像进行相似度匹配。如果相似度匹配值达到阈值，则可以根据所述已注册人脸图像确定用户标识。本说明书实施例记载的技术方案提出，在人脸识别过程中，加入了人脸姿态判断过程。人脸姿态判断的目的在于确保采集的人脸图像中的人脸姿态与已注册人脸图像中的人脸姿态大致一致，提前预知人脸图像匹配的必要性，提升采集的人脸图像与已注册人脸图像的可比性，保证人脸图像匹配时的可靠性和精确性，实现精确地人脸识别及用户标识确认。
附图说明
此处所说明的附图用来提供对本说明书实施例的进一步理解，构成本说明书实施例的一部分，本说明书的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例提出的一种人脸识别系统的结构示意图；
图2为本说明书实施例提出的一种人脸识别方法的流程示意图；
图3为本说明书实施例提出的一种用于人脸识别方法的终端设备的结构示意图；
图4为本说明书实施例提出的一种用于人脸识别方法的一个应用示例的一组人脸图像示意图；
图5为本说明书实施例提出的一种人脸识别方法的一种应用示例的流程图；
图6为本说明书实施例提出的一种人脸识别装置的结构示意图。
具体实施方式
对现有技术进行分析发现，在一种应用场景中，当摄像头之于人脸位于正前方时，通过摄像头可以采集用户的人脸正面图像，人脸正面图像包含识别人脸所需的全局特征信息。在另一种应用场景中，当摄像头偏离人脸正前方，如大约位于人脸偏上方、偏下方、侧方，由于摄像头之于用户偏离常态位置或距离人脸较远，因此可能会出现摄像头拍摄到的人脸图像不能反映全局的人脸正面图像，人脸图像与已注册的人脸正面图像存在显著差异，此时进行人脸图像识别的必要性不大，所得到的人脸图像识别结果势必是不精确的，不太有利于人脸图像比对和识别。例如，当摄像头的角度略微向下倾斜时，摄像头大概率采集的都是人脸额头部分突出的大头照。
本说明书实施例提出一种人脸识别方法、装置及设备，在采集到用户的人脸图像时，判断人脸图像中的人脸姿态是否达到预设人脸姿态条件，若人脸图像中的人脸姿态达到预设人脸姿态条件，则将人脸图像与已注册人脸图像进行相似度匹配。如果相似度匹配值达到阈值，则可以根据所述已注册人脸图像确定用户标识。
本说明书实施例记载的技术方案提出，在人脸识别过程中，加入了人脸姿态判断过程。人脸姿态判断的目的在于确保采集的人脸图像中的人脸姿态与已注册人脸图像中的人脸姿态大致一致，提前预知人脸图像匹配的必要性，提升采集的人脸图像与已注册人脸图像的可比性，保证人脸图像匹配时的可靠性和精确性，实现精确地人脸识别及用户标识确认。
为使本申请的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提出的一种人脸识别系统的结构示意图。
如图1所示，本说明书实施例记载的人脸识别系统可以包括：
客户端101，采集用户的人脸图像，判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件，若是，则发送采集的人脸图像；
服务端102，从客户端101接收人脸图像，将人脸图像与已注册人脸图像进行相似度匹配，若相似度匹配值达到阈值，则根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识。
在本说明书实施例中，客户端101可以是为用户提供本地服务的程式，具体形式可以是运行应用程序APP(全称：APPlication)的客户端或浏览器端。具体地，客户端101可以设置于手机、个人电脑、平板电脑等终端设备，还可以是自助售卖机、自助结账机、自动取款机等设备，在此不做具体限定。这些硬件设备携带采集终端，如摄像头，客户端101可以通过该摄像头采集用户的人脸图像。
在客户端101执行人脸图像中的人脸姿态判断，确保发送给服务端102的人脸图像具有匹配可靠性。
服务端102与客户端101之间可以通过网络进行交互，服务端102可以是指硬件服务器或云服务器等形式，在此不做具体限定。在服务端102可以存储不同用户下的已注册人脸图像，服务端102可以将接收到的人脸图像与已注册人脸图像进行匹配，继而根据匹配的人脸图像确定用户身份，基于用户身份执行业务操作。
在服务端102一侧执行人脸图像匹配过程，可以降低客户端101的系统冗余。
在本说明书实施例中，也可以由客户端101执行上述人脸图像匹配过程。
利用本说明书实施例记载的人脸识别系统，可以实现人脸姿态判断和人脸图像匹配，提升人脸识别和业务执行的精确度和可靠性。
图2为本说明书实施例提出的一种人脸识别方法的流程示意图。
步骤201：采集用户的人脸图像。
本步骤的执行主体可以是客户端，通过采集设备拍摄人脸图像。
在本说明书实施例中，采集用户的人脸图像之前，检测预设采集范围内的人脸特征信息，这样采集用户的人脸图像可以包括：
检测预设采集范围内的人脸特征信息；
当检测到符合预设条件的人脸特征信息时，采集用户的人脸图像。
因此，本说明书实施例记载的采集用户的人脸图像，可以是指从采集的图像中检测到人脸特征信息，根据检测到的人脸特征信息提取人脸图像。
其中，预设采集范围可以是终端上摄像头的拍摄范围。终端设备可以提供用户界面，实现用户与终端设备之间的人机交互。该用户界面可以显示取景框，取景框用来显示摄像头拍摄的图像。因此，检测预设采集范围内的人脸特征信息，可以包括：检测用户界面取景框内的人脸特征信息。
在本说明书实施例中，若未检测到人脸特征信息，则可以提示用户调整人脸位置，以期采集到人脸图像。
在实际应用中，若用户界面设置取景框，用户可以通过观察取景框调整人脸位置。但是，在一种应用场景中，摄像头距离取景框位置较远，或者摄像头偏离人脸正前方，此时用户在寻找面向摄像头时，可能无法观察到取景框，此时终端可以设置提示功能。例如图3所示一种终端设备，摄像头3a相对于取景框3b位于偏上方，摄像头3a角度略微向下俯视，距离取景框3b位置较远。此时，提示信息可以是声音。
在本说明书实施例中，检测预设采集范围内的人脸特征信息，可以包含：
利用终端采集设备采集预设采集范围内的图像；
对图像进行特征检测，实现判定是否采集到人脸图像。
在一种具体应用实例中，可以使用MTCNN(全称：Multi-task CascadedConvolutional Networks)算法进行人脸检测，识别图像中的人脸。MTCNN的原理是，通过检测人脸关键特征点确定人脸位置和大小。首先，MTCNN人脸检测模型是经过大量人脸数据样本训练得到，人脸数据样本可以包括人脸正样本、非人脸负样本、关键特征点样本等，在此不做一一列举。这样，可以利用训练好的MTCNN人脸检测模型对图像进行处理，确定人脸位置和大小等。
步骤203：判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件。
判断人脸图像中的人脸姿态是否达到预设人脸姿态条件，用意在于确保该人脸图像能够被匹配和识别，降低不必要的人脸图像匹配次数。
在本说明书实施例中，判断人脸图像中的人脸姿态是否达到预设人脸姿态条件，可以包括：
匹配人脸图像中的人脸姿态与预设人脸姿态模型。
这样，可以根据匹配结果确定判断结果。若匹配成功，则可以判定当前人脸图像中的人脸姿态达到预设人脸姿态条件；若匹配失败，则可以判定当前人脸图像中的人脸姿态未达到预设人脸姿态条件。
在这种情况下，可以在本地客户端存储预设人脸姿态模型。在匹配人脸图像中的人脸姿态与预设人脸姿态模型之前，从本地存储区获取预设人脸姿态模型，将人脸图像中的人脸姿态与预设人脸姿态模型进行匹配。
在一种应用示例中，预设人脸姿态模型可以存储在服务端。这样，在匹配人脸图像中的人脸姿态与预设人脸姿态模型之前，向服务端发送预设人脸姿态模型获取请求，继而接收服务端反馈的预设人脸姿态模型，执行人脸姿态匹配。
在本说明书实施例中，人脸姿态可以表征为人脸相对于人脸正面图像上下翻转、左右翻转和在平面内翻转的角度，可以分别表征为(pitch，yaw，roll)，作为人脸朝向值。
结合图4所示，图4为一个应用示例的一组人脸图像示意图。其中，人脸图像4a为人脸正面图像中的人脸姿态，展示预设人脸朝向。人脸图像4b1为用户向上抬头时，人脸沿箭头B1向上翻转得到的人脸图像，人脸图像4b2为用户向下低头时，人脸沿箭头B2向下翻转得到的人脸图像，人脸图像4b1和4b2分别展示人脸朝向向上和向下。人脸图像4c1为用户向左偏转头部时，人脸沿箭头C1向左翻转得到的人脸图像，人脸图像4c2为用户向右偏转头部时，人脸沿箭头C2向右翻转得到的人脸图像，人脸图像4c1和4c2分别展示人脸朝向向左和向右翻转。人脸图像4d1为用户在平面内沿箭头D1逆时针翻转头部时得到的人脸图像，人脸图像4d2为用户在平面内沿箭头D2顺时针翻转头部时得到的人脸图像，人脸图像4d1和4d2分别展示人脸顺时针和逆时针翻转时的人脸朝向。
由图4所展示，当人脸相对于人脸正面图像4a发生翻转时，所采集的人脸图像4b1、4b2、4c1、4c2、4d1和4d2的朝向均发生变化。这可以展示利用人脸朝向值来表征人脸姿态的可行性。
具体地，匹配所述人脸图像中的人脸姿态与预设人脸姿态模型，可以包括：
根据所述人脸图像中至少一个特征元素的特征值生成人脸朝向值；
匹配所述人脸图像中的人脸朝向值与预设人脸姿态模型的人脸朝向值。
首先来说，基于采集的人脸图像，定位出人脸面部的关键特征区域位置，包括眉毛、额头、鼻子、眼睛、下巴、嘴等特征元素。人脸图像中至少一个特征元素的特征值可以是指上述任一特征元素的形状、位置信息，包括特征元素相对于人脸框的位置、或特征元素之间的相对位置，在此不做具体限定。
结合图4所示，对于人脸图像4b1和4b2，相比于人脸正面图像4a，额头占比、下巴占比、眼睛和嘴在人脸中的分布位置均有改变，可以清晰表征人脸朝向值。对于人脸图像4c1和4c2，相比于人脸正面图像4a，眼睛和嘴到人脸轮廓边缘的距离、鼻子形状均发生改变。对于人脸图像4d1和4d2，相比于人脸正面图像4a，人脸图像中各特征元素均发生平面内翻转。
因此，根据人脸图像中至少一个特征元素的特征值生成人脸朝向值，可以包括：
根据所述人脸图像中的眉毛、额头、鼻子、眼睛、下巴、嘴中的至少一个特征对象的特征值生成人脸朝向值。
根据前述内容可知，本说明书实施例记载的匹配所述人脸图像中的人脸姿态与预设人脸姿态模型的原理为，首先对人脸图像中这些特征元素进行定位；接着，基于定位，从人脸图像中提取这些特征元素的位置信息和形状中的至少一种特征值，得到描述人脸姿态的人脸朝向值。
人脸图像中的人脸姿态与预设人脸姿态模型之间的匹配度，可以使用人脸图像中特征元素与预设人脸姿态模型中对应的特征元素之间的位置偏差来表征。在评价偏差时，由于不同人脸图像的实际大小难免会有所差异，为便于在同样的尺度下比较算法性能，可以先对人脸图像按照预设人脸姿态模型的尺寸进行归一化处理，或者对预设人脸姿态模型按照人脸图像的尺寸进行归一化处理，再将人脸图像中的人脸朝向值与预设人脸姿态模型的人脸朝向值进行匹配。
结合前文所述，人脸图像中的人脸姿态相对于预设人脸姿态模型的偏差，可以用人脸图像中特征元素与预设人脸姿态模型中对应的特征元素之间的位置偏差来表征，继而根据该偏差生成重复采集用户的人脸图像的提示信息。
在本说明书实施例中，判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件的结果包括两种判断结果：
人脸姿态达到预设人脸姿态条件；
人脸姿态未达到预设人脸姿态条件。
若当前判断结果为人脸图像中的人脸姿态达到预设人脸姿态条件，则可以执行下述人脸图像匹配步骤。
若当前判断结果为人脸图像中的人脸姿态未达到预设人脸姿态条件，则可以说明当前采集的人脸图像无法用于后续匹配过程。在这种情况下，可以重复所述采集用户的人脸图像；判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件，直至所述人脸图像中的人脸姿态达到预设人脸姿态条件。
在这一示例中，可以重复执行步骤201和203，直至人脸图像中的人脸姿态达到预设人脸姿态条件。
在具体应用中，用户可以随时调整人脸姿态，这有利于实现每次采集到的人脸图像是不同的，这有利于提升人脸图像中的人脸姿态达到预设人脸姿态条件的可行性。
在本说明书实施例中，所述重复采集用户的人脸图像可以包括：
向用户发送重复采集用户的人脸图像的提示信息。
终端与用户之间进行交互，提示信息在于提示用户当前采集的人脸图像中的人脸姿态不可用，并可以引导用户调整人脸姿态，重新采集用户的人脸图像。
所述提示信息的展现形式可以包括文字、声音中的一种或多种。例如，当终端设置有显示屏、触控屏时，可以实时显示文字提示信息，用户体验良好。
在本说明书实施例中，在向用户发送重复采集用户的人脸图像的提示信息之前，还可以包括：
确定人脸图像中的人脸姿态与预设人脸姿态模型之间的偏差；
根据所述偏差生成所述提示信息。
这样，提示信息中可以包含人脸姿态的偏差，用于提醒用户人脸姿态的调整方向、调整参数值等。具体地，该偏差可以使用上文所述人脸图像中特征元素与预设人脸姿态模型中对应的特征元素之间的位置偏差来表征。此时，用户可以根据提示信息精确地调整人脸位置，提升人脸识别的效率，用户体验良好。
步骤205：若所述人脸图像中的人脸姿态达到预设人脸姿态条件，则将所述人脸图像与已注册人脸图像进行相似度匹配。
将所述人脸图像与已注册人脸图像进行相似度匹配，可以得到相似度匹配值，相似度匹配值用于表征人脸图像与已注册人脸图像的相似度。在具体应用中，若相似度匹配值达到阈值，则说明采集的人脸图像与已注册人脸图像基本相同，可判定属于同一人；反之，若相似度匹配值未达到阈值，则说明采集的人脸图像与已注册人脸图像属于不同人。
在本说明书实施例中，将人脸图像与已注册人脸图像进行相似度匹配，可以包括：
将人脸图像与数据库中存储的已注册人脸图像进行相似度匹配。
所述数据库用于存储已注册人脸图像。将人脸图像与数据库中存储的已注册人脸图像进行相似度匹配，可以是将人脸图像依次与数据库中存储的已注册人脸图像进行相似度匹配。
在本说明书实施例中，数据库可以设置于服务端，服务端可以提供充分的存储空间。
在本说明书实施例中，人脸图像相似度匹配可以采用几何特征方法，通过提取人眼、口、鼻等特征元素的位置和几何形状作为特征值，与已注册人脸图像对应的特征值进行比对。
在本说明书实施例中，将人脸图像输入训练好的卷积神经网络模型，利用卷积神经网络将人脸图像进行抽象处理，转换成特征向量。对于同一个人的人脸图像，对应的特征向量的欧几里得距离比较小，小于阈值；对于不同人的人脸图像，对应的特征向量之间的欧几里得距离比较大，大于阈值。这种方案的精确度较高。
步骤207：若所述人脸图像与已注册人脸图像的相似度匹配值达到阈值，则根据所述已注册人脸图像确定用户标识。
用户标识用于表征用户身份，例如应用注册账号、支付账户、身份证等，在不同应用场景下的具体形式可以不同。
在一种应用场景中，利用本说明书实施例记载的人脸识别方案可以获取用户标识，确定用户身份。
在另一种应用场景中，利用本说明书实施例记载的人脸识别方案可以对用户标识进行认证，实现用户标识的身份认证。
在具体应用中，可以获取不同用户的人脸图像，基于不同用户标识对人脸图像进行分类，每个用户可以关联至少一张人脸图像。对卷积神经网络模型，可以利用这些人脸图像数据进行训练，确定分类参数值。在这种情况下，卷积神经网络模型可以对输入的人脸图像进行分类，确定人脸图像对应的用户标识。
在本说明书实施例中，根据所述已注册人脸图像确定用户标识，可以包括：
根据数据库中存储的已注册人脸图像与用户标识之间的关联关系，确定相似度匹配值达到所述阈值的已注册人脸图像所关联的用户标识。
本说明书实施例记载的人脸识别方法还可以包括：
基于所述用户标识执行业务操作。
在一种支付场景中，基于用户标识执行业务操作，可以包括：
基于用户标识执行支付操作。这可以包括从用户账户中扣款和向商户打款。
在另一种应用场景中，可以基于认证的用户标识执行解除门禁操作、设备解锁操作、取款操作等业务，在此不做一一列举。
利用本说明书实施例记载的人脸识别方法，在人脸识别过程中，加入了人脸姿态判断过程。人脸姿态判断的目的在于确保采集的人脸图像中的人脸姿态与已注册人脸图像中的人脸姿态大致一致，提前预知人脸图像匹配的必要性，提升采集的人脸图像与已注册人脸图像的可比性，保证人脸图像匹配时的可靠性和精确性，实现精确地人脸识别及用户标识确认。
图5为本说明书实施例提出的一种人脸识别方法的一种应用示例的流程图。
步骤502：接收用户的支付请求；
步骤504：基于所述支付请求检测预设采集范围内的人脸特征信息；
步骤506：当检测到符合预设条件的人脸特征信息时，采集用户的人脸图像；
步骤508：匹配采集的人脸图像中的人脸姿态与预设人脸姿态模型；
若人脸图像中的人脸姿态与预设人脸姿态模型匹配失败，则返回步骤506；
步骤510：若人脸图像中的人脸姿态与预设人脸姿态模型匹配成功，则将所述人脸图像与已注册人脸图像进行相似度匹配；
步骤512，若人脸图像与已注册人脸图像的相似度匹配值达到阈值，则根据已注册人脸图像获取对应的用户标识；
步骤514，根据所述用户标识执行支付操作，结束。
若所述人脸图像与已注册人脸图像的相似度匹配值未达到阈值，则结束，可以将支付失败结果通知用户。
图6为本说明书实施例提出的一种人脸识别装置的结构示意图。
本说明书实施例记载的人脸识别装置可以包括：
采集模块601，采集用户的人脸图像；
判断模块602，判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件；
相似度匹配模块603，若所述人脸图像中的人脸姿态达到预设人脸姿态条件，则将所述人脸图像与已注册人脸图像进行相似度匹配；
确定模块604，若所述人脸图像与已注册人脸图像的相似度匹配值达到阈值，则根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识。
可选地，若所述人脸图像中的人脸姿态未达到预设人脸姿态条件，则重复所述采集用户的人脸图像；判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件，直至所述人脸图像中的人脸姿态达到预设人脸姿态条件。
可选地，在每次重复所述采集用户的人脸图像之前，向用户发送重复采集用户的人脸图像的提示信息。
可选地，判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件，包括：
匹配所述人脸图像中的人脸姿态与预设人脸姿态模型。
可选地，匹配所述人脸图像中的人脸姿态与预设人脸姿态模型，包括：
根据所述人脸图像中至少一个特征元素的特征值生成人脸朝向值；
匹配所述人脸图像中的人脸朝向值与预设人脸姿态模型的人脸朝向值。
可选地，根据所述人脸图像中至少一个特征元素的特征值生成人脸朝向值，包括：
对所述人脸图像中的至少一个特征元素进行定位；
基于所述定位，从所述人脸图像中提取所述特征元素的位置信息和形状中的至少一种特征值，得到所述人脸朝向值。
可选地，则将所述人脸图像与已注册人脸图像进行相似度匹配，包括：
将所述人脸图像与数据库中存储的已注册人脸图像进行相似度匹配；
根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识，包括：
根据所述数据库中存储的已注册人脸图像与用户标识之间的关联关系，确定相似度匹配值达到所述阈值的已注册人脸图像所关联的用户标识。
利用本说明书实施例记载的人脸识别装置，在人脸识别过程中，加入了人脸姿态判断过程。人脸姿态判断的目的在于确保采集的人脸图像中的人脸姿态与已注册人脸图像中的人脸姿态大致一致，提前预知人脸图像匹配的必要性，提升采集的人脸图像与已注册人脸图像的可比性，保证人脸图像匹配时的可靠性和精确性，实现精确地人脸识别及用户标识确认。
基于同一发明构思，本说明书实施例还提供一种电子设备，包括至少一个处理器及存储器，存储器存储有程序，并且被配置成由至少一个处理器执行以下步骤：
采集用户的人脸图像；
判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件；
若所述人脸图像中的人脸姿态达到预设人脸姿态条件，则将所述人脸图像与已注册人脸图像进行相似度匹配；
若所述人脸图像与已注册人脸图像的相似度匹配值达到阈值，则根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识。
其中，处理器的其他功能还可以参见上述实施例中记载的内容，这里不再一一赘述。
基于同一个发明构思，本说明书实施例还提供一种计算机可读存储介质，包括与电子设备结合使用的程序，程序可被处理器执行以完成以下步骤：
采集用户的人脸图像；
判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件；
若所述人脸图像中的人脸姿态达到预设人脸姿态条件，则将所述人脸图像与已注册人脸图像进行相似度匹配；
若所述人脸图像与已注册人脸图像的相似度匹配值达到阈值，则根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、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。
本发明是参照根据本发明实施例的方法、设备(系统)、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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (20)
1.一种人脸识别方法，包括：
采集用户的人脸图像；
判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件；
若所述人脸图像中的人脸姿态达到预设人脸姿态条件，则将所述人脸图像与已注册人脸图像进行相似度匹配；
若所述人脸图像与已注册人脸图像的相似度匹配值达到阈值，则根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识。
2.如权利要求1所述的人脸识别方法，若所述人脸图像中的人脸姿态未达到预设人脸姿态条件，则重复所述采集用户的人脸图像；判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件，直至所述人脸图像中的人脸姿态达到预设人脸姿态条件。
3.如权利要求2所述的人脸识别方法，在每次重复所述采集用户的人脸图像之前，还包括：
向用户发送重复采集用户的人脸图像的提示信息。
4.如权利要求3所述的人脸识别方法，在向用户发送重复采集用户的人脸图像的提示信息之前，还包括：
确定所述人脸图像中的人脸姿态相对于预设人脸姿态模型的偏差；
根据所述偏差生成所述提示信息。
5.如权利要求1所述的人脸识别方法，判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件，包括：
匹配所述人脸图像中的人脸姿态与预设人脸姿态模型。
6.如权利要求5所述的人脸识别方法，匹配所述人脸图像中的人脸姿态与预设人脸姿态模型，包括：
根据所述人脸图像中至少一个特征元素的特征值生成人脸朝向值；
匹配所述人脸图像中的人脸朝向值与预设人脸姿态模型的人脸朝向值。
7.如权利要求6所述的人脸识别方法，根据所述人脸图像中至少一个特征元素的特征值生成人脸朝向值，包括：
对所述人脸图像中的至少一个特征元素进行定位；
基于所述定位，从所述人脸图像中提取所述特征元素的位置信息和形状中的至少一种特征值，得到所述人脸朝向值。
8.如权利要求6所述的人脸识别方法，根据所述人脸图像中至少一个特征元素的特征值生成人脸朝向值，包括：
根据所述人脸图像中的眉毛、额头、鼻子、眼睛、下巴、嘴中的至少一个特征对象的特征值生成人脸朝向值。
9.如权利要求1所述的人脸识别方法，采集用户的人脸图像，包括：
检测预设采集范围内的人脸特征信息；
当检测到符合预设条件的人脸特征信息时，采集用户的人脸图像。
10.如权利要求1所述的人脸识别方法，还包括：
基于所述用户标识执行支付操作。
11.如权利要求1所述的人脸识别方法，将所述人脸图像与已注册人脸图像进行相似度匹配，包括：
将所述人脸图像与数据库中存储的已注册人脸图像进行相似度匹配；
根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识，包括：
根据所述数据库中存储的已注册人脸图像与用户标识之间的关联关系，确定相似度匹配值达到所述阈值的已注册人脸图像所关联的用户标识。
12.一种人脸识别装置，包括：
采集模块，采集用户的人脸图像；
判断模块，判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件；
相似度匹配模块，若所述人脸图像中的人脸姿态达到预设人脸姿态条件，则将所述人脸图像与已注册人脸图像进行相似度匹配；
确定模块，若所述人脸图像与已注册人脸图像的相似度匹配值达到阈值，则根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识。
13.如权利要求12所述的人脸识别装置，若所述人脸图像中的人脸姿态未达到预设人脸姿态条件，则重复所述采集用户的人脸图像；判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件，直至所述人脸图像中的人脸姿态达到预设人脸姿态条件。
14.如权利要求13所述的人脸识别装置，在每次重复所述采集用户的人脸图像之前，向用户发送重复采集用户的人脸图像的提示信息。
15.如权利要求12所述的人脸识别装置，判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件，包括：
匹配所述人脸图像中的人脸姿态与预设人脸姿态模型。
16.如权利要求15所述的人脸识别装置，匹配所述人脸图像中的人脸姿态与预设人脸姿态模型，包括：
根据所述人脸图像中至少一个特征元素的特征值生成人脸朝向值；
匹配所述人脸图像中的人脸朝向值与预设人脸姿态模型的人脸朝向值。
17.如权利要求16所述的人脸识别装置，根据所述人脸图像中至少一个特征元素的特征值生成人脸朝向值，包括：
对所述人脸图像中的至少一个特征元素进行定位；
基于所述定位，从所述人脸图像中提取所述特征元素的位置信息和形状中的至少一种特征值，得到所述人脸朝向值。
18.如权利要求12所述的人脸识别装置，则将所述人脸图像与已注册人脸图像进行相似度匹配，包括：
将所述人脸图像与数据库中存储的已注册人脸图像进行相似度匹配；
根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识，包括：
根据所述数据库中存储的已注册人脸图像与用户标识之间的关联关系，确定相似度匹配值达到所述阈值的已注册人脸图像所关联的用户标识。
19.一种人脸识别系统，包括：
客户端，采集用户的人脸图像，判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件，若是，则发送采集的人脸图像；
服务端，从客户端接收所述人脸图像，将所述人脸图像与已注册人脸图像进行相似度匹配，若相似度匹配值达到阈值，则根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识。
20.一种电子设备，包括至少一个处理器及存储器，存储器存储有程序，并且被配置成由至少一个处理器执行以下步骤：
采集用户的人脸图像；
判断所述人脸图像中的人脸姿态是否达到预设人脸姿态条件；
若所述人脸图像中的人脸姿态达到预设人脸姿态条件，则将所述人脸图像与已注册人脸图像进行相似度匹配；
若所述人脸图像与已注册人脸图像的相似度匹配值达到阈值，则根据所述相似度匹配值达到阈值的已注册人脸图像确定用户标识。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811397008.0A CN109583348A (zh) | 2018-11-22 | 2018-11-22 | 一种人脸识别方法、装置、设备及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811397008.0A CN109583348A (zh) | 2018-11-22 | 2018-11-22 | 一种人脸识别方法、装置、设备及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109583348A true CN109583348A (zh) | 2019-04-05 |
Family
ID=65923741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811397008.0A Pending CN109583348A (zh) | 2018-11-22 | 2018-11-22 | 一种人脸识别方法、装置、设备及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109583348A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110532991A (zh) * | 2019-09-04 | 2019-12-03 | 深圳市捷顺科技实业股份有限公司 | 一种人脸识别方法、装置及设备 |
| CN110738607A (zh) * | 2019-09-09 | 2020-01-31 | 平安国际智慧城市科技股份有限公司 | 基于人工智能拍摄驾驶证的方法、装置、设备及存储介质 |
| CN111061899A (zh) * | 2019-12-18 | 2020-04-24 | 深圳云天励飞技术有限公司 | 一种档案代表图片生成方法、装置和电子设备 |
| CN111353404A (zh) * | 2020-02-24 | 2020-06-30 | 支付宝实验室(新加坡)有限公司 | 一种人脸识别方法、装置及设备 |
| CN111382681A (zh) * | 2020-02-28 | 2020-07-07 | 浙江大华技术股份有限公司 | 一种人脸注册方法、装置及存储介质 |
| CN112258193A (zh) * | 2019-08-16 | 2021-01-22 | 创新先进技术有限公司 | 一种支付方法及装置 |
| CN112507308A (zh) * | 2020-10-20 | 2021-03-16 | 麒麟软件有限公司 | 一种身份识别及认证方法 |
| CN112766086A (zh) * | 2021-01-04 | 2021-05-07 | 深圳阜时科技有限公司 | 一种识别模板注册方法及存储介质 |
| CN113553989A (zh) * | 2021-08-04 | 2021-10-26 | 河南华辰智控技术有限公司 | 超级计算应用于生物识别特征分析的一种方法 |
| CN114120386A (zh) * | 2020-08-31 | 2022-03-01 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103369214A (zh) * | 2012-03-30 | 2013-10-23 | 华晶科技股份有限公司 | 图像获取方法与图像获取装置 |
| CN105809415A (zh) * | 2016-03-04 | 2016-07-27 | 腾讯科技（深圳）有限公司 | 基于人脸识别的签到系统、方法和装置 |
| CN105869235A (zh) * | 2015-01-20 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 一种安全门禁方法及系统 |
| CN106203333A (zh) * | 2016-07-08 | 2016-12-07 | 乐视控股（北京）有限公司 | 人脸识别方法及系统 |
| CN106899567A (zh) * | 2016-08-24 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 用户核身方法、装置及系统 |
| CN108335099A (zh) * | 2018-03-25 | 2018-07-27 | 湛江正信科技服务有限公司 | 移动支付的方法、装置、移动终端及存储介质 |
-
2018
- 2018-11-22 CN CN201811397008.0A patent/CN109583348A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103369214A (zh) * | 2012-03-30 | 2013-10-23 | 华晶科技股份有限公司 | 图像获取方法与图像获取装置 |
| CN105869235A (zh) * | 2015-01-20 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 一种安全门禁方法及系统 |
| CN105809415A (zh) * | 2016-03-04 | 2016-07-27 | 腾讯科技（深圳）有限公司 | 基于人脸识别的签到系统、方法和装置 |
| CN106203333A (zh) * | 2016-07-08 | 2016-12-07 | 乐视控股（北京）有限公司 | 人脸识别方法及系统 |
| CN106899567A (zh) * | 2016-08-24 | 2017-06-27 | 阿里巴巴集团控股有限公司 | 用户核身方法、装置及系统 |
| CN108335099A (zh) * | 2018-03-25 | 2018-07-27 | 湛江正信科技服务有限公司 | 移动支付的方法、装置、移动终端及存储介质 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112258193A (zh) * | 2019-08-16 | 2021-01-22 | 创新先进技术有限公司 | 一种支付方法及装置 |
| CN112258193B (zh) * | 2019-08-16 | 2024-01-30 | 创新先进技术有限公司 | 一种支付方法及装置 |
| CN110532991A (zh) * | 2019-09-04 | 2019-12-03 | 深圳市捷顺科技实业股份有限公司 | 一种人脸识别方法、装置及设备 |
| CN110738607A (zh) * | 2019-09-09 | 2020-01-31 | 平安国际智慧城市科技股份有限公司 | 基于人工智能拍摄驾驶证的方法、装置、设备及存储介质 |
| CN111061899B (zh) * | 2019-12-18 | 2022-04-26 | 深圳云天励飞技术股份有限公司 | 一种档案代表图片生成方法、装置和电子设备 |
| CN111061899A (zh) * | 2019-12-18 | 2020-04-24 | 深圳云天励飞技术有限公司 | 一种档案代表图片生成方法、装置和电子设备 |
| CN111353404A (zh) * | 2020-02-24 | 2020-06-30 | 支付宝实验室(新加坡)有限公司 | 一种人脸识别方法、装置及设备 |
| CN111353404B (zh) * | 2020-02-24 | 2023-12-01 | 支付宝实验室(新加坡)有限公司 | 一种人脸识别方法、装置及设备 |
| CN111382681A (zh) * | 2020-02-28 | 2020-07-07 | 浙江大华技术股份有限公司 | 一种人脸注册方法、装置及存储介质 |
| CN111382681B (zh) * | 2020-02-28 | 2023-11-14 | 浙江大华技术股份有限公司 | 一种人脸注册方法、装置及存储介质 |
| CN114120386A (zh) * | 2020-08-31 | 2022-03-01 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、设备及存储介质 |
| CN112507308A (zh) * | 2020-10-20 | 2021-03-16 | 麒麟软件有限公司 | 一种身份识别及认证方法 |
| CN112766086A (zh) * | 2021-01-04 | 2021-05-07 | 深圳阜时科技有限公司 | 一种识别模板注册方法及存储介质 |
| CN113553989B (zh) * | 2021-08-04 | 2022-10-28 | 河南华辰智控技术有限公司 | 超级计算应用于生物识别特征分析的一种方法 |
| CN113553989A (zh) * | 2021-08-04 | 2021-10-26 | 河南华辰智控技术有限公司 | 超级计算应用于生物识别特征分析的一种方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109583348A (zh) | 一种人脸识别方法、装置、设备及系统 | |
| US10824849B2 (en) | Method, apparatus, and system for resource transfer | |
| TWI687879B (zh) | 伺服器、客戶端、用戶核身方法及系統 | |
| JP6732317B2 (ja) | 顔活動検出方法および装置、ならびに電子デバイス | |
| CN106295567B (zh) | 一种关键点的定位方法及终端 | |
| WO2017101267A1 (zh) | 人脸活体的鉴别方法、终端、服务器和存储介质 | |
| WO2016127437A1 (zh) | 活体人脸验证方法及系统、计算机程序产品 | |
| EP2546782B1 (en) | Liveness detection | |
| CN105608425B (zh) | 对照片进行分类存储的方法及装置 | |
| US10747990B2 (en) | Payment method, apparatus, and system | |
| CN109325488A (zh) | 用于辅助车辆定损图像拍摄的方法、装置及设备 | |
| CN109740491A (zh) | 一种人眼视线识别方法、装置、系统及存储介质 | |
| US10579783B1 (en) | Identity authentication verification | |
| CN106169075A (zh) | 身份验证方法及装置 | |
| CN107679457A (zh) | 用户身份校验方法及装置 | |
| CN110008664A (zh) | 认证信息采集、开户方法、装置及电子设备 | |
| CN108469772A (zh) | 一种智能设备的控制方法和装置 | |
| CN112333165B (zh) | 身份认证方法、装置、设备及系统 | |
| CN109948318A (zh) | 一种用户认证方法、装置及设备 | |
| CN110502591A (zh) | 一种数据提取方法、装置及设备 | |
| CN106980527A (zh) | 启动指纹识别的方法、装置以及智能终端 | |
| US9667946B2 (en) | Method for authenticating an image capture of a three-dimensional entity | |
| Zhang et al. | NaviGlass: Indoor Localisation Using Smart Glasses. | |
| CN107093191A (zh) | 一种图像匹配算法的验证方法、装置及计算机存储介质 | |
| WO2023124869A1 (zh) | 用于活体检测的方法、装置、设备及存储介质 |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40006528 Country of ref document: HK |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201012 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20201012 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |