CN109635760A - 一种人脸识别方法及相关设备 - Google Patents
一种人脸识别方法及相关设备 Download PDFInfo
- Publication number
- CN109635760A CN109635760A CN201811550820.2A CN201811550820A CN109635760A CN 109635760 A CN109635760 A CN 109635760A CN 201811550820 A CN201811550820 A CN 201811550820A CN 109635760 A CN109635760 A CN 109635760A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- obtains
- target
- target pattern
- 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 48
- 238000012545 processing Methods 0.000 claims abstract description 46
- 230000007613 environmental effect Effects 0.000 claims abstract description 42
- 230000006698 induction Effects 0.000 claims abstract description 34
- 238000002156 mixing Methods 0.000 claims description 27
- 230000004927 fusion Effects 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 16
- 238000005286 illumination Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 5
- 230000001939 inductive effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 10
- 239000000284 extract Substances 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002902 bimodal effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001931 thermography 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
Abstract
本申请实施例公开了一种人脸识别方法及相关设备，用于提高人脸识别系统的性能。本申请实施例方法包括：本实施例中，获取环境光照条件；根据所述环境光照条件确定出图像获取的目标模式，所述目标模式包括可见光模式和/或红外感应模式；在所述目标模式下采集图像信息；对所述图像信息进行人脸识别处理，得到目标人脸特征信息；在数据库中匹配与所述目标人脸特征信息对应的用户。其中，目标模式包括可见光模式和/或红外感应模式，因此，与现有技术中单一的图像识别技术相比，可以灵活地使用可见光模式和/或红外感应模式得到图像信息，更有利于图像识别及人脸特征提取，可以提高人脸识别系统的性能。
Description
技术领域
本申请涉及计算机视觉处理领域，尤其涉及一种人脸识别方法及相关设备。
背景技术
人脸识别技术，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。各类人脸识别方法的关键都在于，提取人脸数据中与身份相关的本质特征，同时消除其中受非身份因素影响的部分，非身份因素一般包括：环境光照、姿态、表情、饰物等。其中光照问题在实际应用中最为重要，用户普遍要求人脸识别系统能适应不同的光照环境。
传统的人脸识别技术主要是基于可见光图像的人脸识别。这类系统容易受到环境光线变化的影响，在识别之前往往需要采用一些预处理算法对光照进行处理。虽然光照预处理算法能在一定程度上消除光照的影响，但同时也会使图像损失一部分有用的信息。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。
迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。虽然近红外人脸识别对比传统可见光人脸识别有着明显的优势，但是主动光源的使用也存在一些问题点：主动光源不适合白天工作在室外强光照环境；主动光源会在眼睛上产生明显的反光，降低眼睛定位的精度；不能利用已有的大量可见光照片(如：二代证照片，逃犯照片库等)，用户需要重新构建近红外照片库，费时费力。
发明内容
本申请实施例提供了一种人脸识别方法及相关设备，用于提高人脸识别系统的性能
本申请实施例第一方面提供了一种人脸识别方法，包括：
获取环境光照条件；
根据所述环境光照条件确定出图像获取的目标模式，所述目标模式包括可见光模式和/或红外感应模式；
在所述目标模式下采集图像信息；
对所述图像信息进行人脸识别处理，得到目标人脸特征信息；
在数据库中匹配与所述目标人脸特征信息对应的用户。
可选地，所述根据所述环境光照条件确定出图像获取的目标模式包括：
获取预设对应关系，所述预设对应关系用于指示光照条件与图像获取模式的对应关系；
根据所述预设对应关系和所述环境光照条件确定出图像获取的目标模式。
可选地，所述目标模式包括可见光模式和红外感应模式，在所述目标模式下采集图像信息之后，所述方法还包括
对所述图像信息进行融合处理，得到融合图像；
所述对所述图像信息进行人脸识别处理，得到目标人脸特征信息包括：
对所述融合图像进行人脸识别处理，得到目标人脸特征信息。
可选地，所述图像信息包括可见光图像和红外图像，所述对所述图像信息进行融合处理，得到融合图像具体包括：
对所述可见光图像和所述红外图像进行IHS变换和小波变换得到融合图像。
可选地，所述对所述图像信息进行人脸识别处理，得到目标人脸特征信息具体包括：
对所述图像信息进行人脸确认和/或遮挡分析和/或关键点检测和/或人脸姿态过滤处理后，得到目标人脸特征信息。
本申请实施例第二方面提供了一种人脸识别系统，包括：
获取单元，用于获取环境光照条件；
确定单元，用于根据所述环境光照条件确定出图像获取的目标模式，所述目标模式包括可见光模式和/或红外感应模式；
采集单元，用于在所述目标模式下采集图像信息；
处理单元，用于对所述图像信息进行人脸识别处理，得到目标人脸特征信息；
匹配单元，用于在数据库中匹配与所述目标人脸特征信息对应的用户。
可选地，所述确定单元具体用于：
获取预设对应关系，所述预设对应关系用于指示光照条件与图像获取模式的对应关系；
根据所述预设对应关系和所述环境光照条件确定出图像获取的目标模式。
可选地，所述系统还包括：
融合处理单元，用于对所述图像信息进行融合处理，得到融合图像；
所述处理单元具体用于：
对所述融合图像进行人脸识别处理，得到目标人脸特征信息。
可选地，所述图像信息包括可见光图像和红外图像，所述融合处理单元具体用于：
对所述可见光图像和所述红外图像进行IHS变换和小波变换得到融合图像。
可选地，所述处理单元具体用于：
对所述图像信息进行人脸确认和/或遮挡分析和/或关键点检测和/或人脸姿态过滤处理后，得到目标人脸特征信息。
本申请实施例第三方面提供了一种计算机装置，包括：
处理器、存储器、输入输出设备以及总线；
所述处理器、存储器、输入输出设备分别与所述总线相连；
所述处理器用于执行如前述实施例中任一项所述的方法。
本申请实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如前述实施例中任一项所述方法的步骤。
从以上技术方案可以看出，本申请实施例具有以下优点：本实施例中，获取环境光照条件；根据所述环境光照条件确定出图像获取的目标模式，所述目标模式包括可见光模式和/或红外感应模式；在所述目标模式下采集图像信息；对所述图像信息进行人脸识别处理，得到目标人脸特征信息；在数据库中匹配与所述目标人脸特征信息对应的用户。其中，在目标模式下采集图像信息并进一步地提取人脸特征信息之后，在数据库中匹配与所述目标人脸特征信息对应的用户，所述目标模式包括可见光模式和/或红外感应模式，因此，与现有技术中单一的图像识别技术相比，可以灵活地使用可见光模式和/或红外感应模式得到图像信息，更有利于图像识别及人脸特征提取，可以提高人脸识别系统的性能。
附图说明
图1为本申请实施例中一种人脸识别方法实施例的一个示意图；
图2为本申请实施例中一种人脸识别方法实施例的另一个示意图；
图3为本申请实施例中一种人脸识别方法实施例的另一个示意图；
图4为本申请实施例中一种人脸识别方法实施例的另一个示意图；
图5为本申请实施例中一种人脸识别方法实施例的另一个示意图；
图6为本申请实施例中一种人脸识别系统实施例的一个示意图；
图7为本申请实施例中一种计算机装置的一个示意图。
具体实施方式
本申请实施例提供了一种人脸识别方法及相关设备，用于提高人脸识别系统的性能
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于理解，下面对本申请实施例中的具体流程进行描述，请参阅图1，本申请实施例中一种人脸识别方法的一个实施例包括：
101、获取环境光照条件；
本实施例中，人脸识别装置获取环境光照条件，具体来说，可以在该装置中装配光感应模块，该光感应模块负责检测环境光照条件，即光线的强弱。
示例性地，本实施例中可以通过获取环境中的可见光感应模块以及红外光感应模块来实现环境光照条件的获取，其中，可见光感应模块和红外光感应模块可以为各自独立的两个模块，也可以集成在同一个光照条件采集的装置上，例如双层有机光电导膜(OPF，organic photoconductive film)设计制备得到的有机传感器，在该有机传感器中上层负责感应可见光，下层则是对近红外光更加敏感，解从而可以解决在不损失解析力的情况下可同时捕捉近红外光和可见光。其中，电压在OPF之间不均匀地分布，因此顶部的可见光层接收到的电量总是比下面的NIR层大。在低等电压下，两个层都是无效，而在中等电压下，只有可见层有效。在高等电压下，两个层都有效。这款传感器非常适用于人脸识别监控设备，白天工作在可见光环境下，夜间则可以切换到可见光+近红外光模式。
102、根据所述环境光照条件确定出图像获取的目标模式；
本实施例中，该装置根据所述环境光照条件确定出图像获取的目标模式，所述目标模式包括可见光模式和/或红外感应模式。
具体来说，当确定环境光照条件为在白天或光线较强的光环境下时，可以设置图像获取的目标模式为可见光模式和/或红外感应模式，此时，由于环境光照较强，可设置装置中的光源关闭，使用可见光和/或红外图像识别模式；当确定环境光照条件在光线较暗或夜晚，光感应模块会根据检测到的光效值，将开启感应灯处于待命状态，同时人体红外热感应模块也启动，使用可见光和/或红外图像识别模式。
在实际应用的具体表现来说，白天或光线较强时，LED灯为不亮；晚上或光线较暗时，光源待命；在待命状态下，当人体进入感应的范围内(人体感应灵敏度可设：依据环境光照度，设定参考等级范围)，人体感应灯及可见光LED灯开启；人如果在其范围内活动，灯常亮(补光照度可调：人体红外热感应模块通过可变电阻控制光源的输出功率)；当人离开后，人体感应灯及可见光LED灯将在30秒(延迟时间可设)内自动关闭。
103、在所述目标模式下采集图像信息；
本实施例中，在步骤102中确定出来的目标模式下采集图像信息，即使用可见光和/或红外图像识别模式获取得到可见光图像和/或红外图像。
具体地，在本实施例中，在目标模式下采集图像信息可以根据步骤101中获取得到的环境光照条件进行补光操作，当环境光照条件较差时，可以是可见光补光，也可以是红外图像采集补光，具体此处不做限定。
104、对所述图像信息进行人脸识别处理，得到目标人脸特征信息；
本实施例中，对在步骤103采集得到的图像信息进行人脸识别处理，得到目标人脸特征信息。
具体地，该图像信息可以包括可见光图像和/或红外图像，因此，该目标人脸特征信息可以为可见光图像人脸特征信息和/或红外图像人脸特征信息，此外，对该图像信息输入深度卷积网络提取人脸特征，得到该图像信息中人脸的特征向量。
105、在数据库中匹配与所述目标人脸特征信息对应的用户。
本实施例中，该装置在数据库中进行片匹配，匹配出与目标人脸特征信息对应的用户。
具体地，该数据库可以为该装置自身维护的一个数据库，也可以是第三方终端维护的一个数据库，该数据库可以包括通过可见光图像和/或红外图像记录的人脸特征信息数据库，从而使得该装置在数据库中确认出与目标人脸特征信息对应的用户，即在数据库中与目标人脸特征信息的匹配程度最高的用户，在此之后，可以输出该用户的ID或者是其它的识别码，用以实现人脸识别的匹配过程。
本实施例中，获取环境光照条件；根据所述环境光照条件确定出图像获取的目标模式，所述目标模式包括可见光模式和/或红外感应模式；在所述目标模式下采集图像信息；对所述图像信息进行人脸识别处理，得到目标人脸特征信息；在数据库中匹配与所述目标人脸特征信息对应的用户。其中，在目标模式下采集图像信息并进一步地提取人脸特征信息之后，在数据库中匹配与所述目标人脸特征信息对应的用户，所述目标模式包括可见光模式和/或红外感应模式，因此，与现有技术中单一的图像识别技术相比，可以灵活地使用可见光模式和/或红外感应模式得到图像信息，更有利于图像识别及人脸特征提取，可以提高人脸识别系统的性能。
本申请实施例中，具体在步骤102中根据所述环境光照条件确定出图像获取的目标模式的过程中，可以通过预设的对应关系与环境光照条件作为确定出目标模式的依据，例如，通过有机传感器中双层感应膜的设置来实现对环境光照条件的采集，然后通过调整有机传感器的灵敏度来设置该预设对应关系。下面请参阅图2，本申请实施例中，基于图1所述实施例，本申请实施例一种人脸识别方法的另一个实施例中在步骤102中可以包括：
201、获取预设对应关系；
本实施例中，该装置获取预设对应关系，其中，该预设对应关系用于指示光照条件与图像获取模式的对应关系。
具体地，预设对应关系用于指示光照条件与图像获取模式的对应关系，即该预设对应关系相当于一个映射关系图，为不同的光照条件产生的感应信号映射出其对应的图像获取模式。示例性地，以设计制备得到的有机传感器为例，通过控制OPF的电压(0^10V)，可实现自由的在可见光或可见光+近红外(NIR)灵敏度之间进行切换，在这种方案中，该映射关系指的是通过有机传感器采集环境光照条件产生的感应电压映射对应的图像获取模式。
202、根据所述预设对应关系和所述环境光照条件确定出图像获取的目标模式。
本实施例中，根据步骤201获取得到的预设对应关系和步骤101获取得到的环境光照条件确定出图像获取的目标模式。
具体地，可以在该预设对应关系即映射关系中确定出与步骤101获取得到的环境光照条件对应的目标模式，具体来说，该目标模式可以是可见光模式和/或红外感应模式。
本申请实施例中，具体来说，目标模式包括可见光模式和红外感应模式，即可以同时采集可见光图像和红外感应图像。下面请参阅图3和图4，基于图1或图2所述实施例，本申请实施例一种人脸识别方法的另一个实施例中，在步骤103在目标模式下采集图像信息之后，该方法还可以包括：
301、对所述图像信息进行融合处理，得到融合图像；
本实施例中，该装置对所述图像信息中的可见光图像和红外感应图像进行融合处理，得到融合图像。
具体地，可以采用有机传感技术，通过控制有机传感器来实现对可见光图像和红外感应图像的采集。其中，可以调节有机传感器中有机光导薄膜(organicphotoconductive film,OPF)的电压，在夜间或光线较暗时，则可以切换到可见光+近红外光图像识别模式来采集可见光图像和红外感应图像。在此之后，执行融合动作，即对可见光图像和红外感应图像进行融合处理，从而得到融合图像。
在此基础上，步骤104对所述图像信息进行人脸识别处理，得到目标人脸特征信息包括：
对所述融合图像进行人脸识别处理，得到目标人脸特征信息。
具体地，在步骤104中，该装置对步骤301中融合处理得到的融合吐血进行人脸识别处理，从而得到目标人脸特征信息，该目标人脸特征信息为可见光图像人脸特征信息和红外图像人脸特征信息。用于实现后续与数据库中所存储的人脸数据信息进行匹配操作。
本申请实施例中，所述图像信息包括可见光图像和红外图像，所述步骤301中对所述图像信息进行融合处理，得到融合图像具体包括：
401、对所述可见光图像和所述红外图像进行IHS变换和小波变换得到融合图像。
本实施例中，该装置对可见光图像和所述红外图像进行IHS变换和小波变换得到融合图像。具体地，图像融合处理的过程中，通过对双模态sensor输出的可见光和红外光图像按照一定的融合规则进行综合和处理。图像预处理算法可结合IHS变换和小波变换的优缺点，先对彩色可见光图像进行IHS变换，对红外图像进行增强，然后将变换后得到的I分量与已增强的红外图像进行2层小波分解，将获得的低频子带和高频子带，使用基于窗口的融合规则，而后对分量进行小波重构和IHS逆变换，最后得到融合结果。融合后的图像既保持了可见光图像中的大量彩色信息又保留了红外图像的重要目标信息。该图像整合了单一图像各自的优点，更有利于人脸特征提取及识别。
本申请实施例中，在步骤104对所述图像信息进行人脸识别处理，得到目标人脸特征信息的过程可以存在检测过滤的过程，例如关键点检测、人脸姿态过滤处理等，可以进一步地增加后续与数据库中的人脸数据匹配的匹配率。下面请参阅图4，基于图1、图2或图3所述实施例，本申请实施例一种人脸识别方法的另一个实施例中，在步骤104对所述图像信息进行人脸识别处理，得到目标人脸特征信息具体包括：
501、对所述图像信息进行人脸确认和/或遮挡分析和/或关键点检测和/或人脸姿态过滤处理后，得到目标人脸特征信息。
本实施例中，具体可以对图像信息进行相关识别过滤的操作之后，再进一步提取得到目标人脸特征信息。
具体地，人脸确认检测中，负责对输入的图像进行搜索检测人脸，可以检测一个人或多个人，检测不到人脸，重新开始新一轮检测(检测人脸的个数可配置，人脸大小可配置)；遮挡分析中，对检测到的人脸进行遮挡分析，是否戴墨镜，口罩，刘海，饰物等遮挡物，如果检测到遮挡，则返回，因为遮挡对识别的影响较大；否则继续下一步；人脸关键点检测中，对检测到的人脸进行关键点检测，如68点检测，为人脸对齐做准备。如果检测不到关键点，则返回；人脸姿态过滤中，通过检测到关键点判断人脸姿态，设定阈值，把姿态较大的脸过滤掉。姿态较大的人脸对识别不利。姿态合适的人脸通过特征点进行对齐；把对齐的人脸尺寸进行归一化到同一个尺度大小用来提取特征；在相关的过滤检测处理之后，对归一化的图像输入深度卷积网络提取人脸特征，得到这张人脸的特征向量。
上面对本申请实施例中的方法部分进行了介绍，下面从虚拟装置的角度对本申请进行描述，请参阅图5，本申请实施例中一种人脸识别系统的一个实施例包括：
获取单元601，用于获取环境光照条件；
确定单元602，用于根据所述环境光照条件确定出图像获取的目标模式，所述目标模式包括可见光模式和/或红外感应模式；
采集单元603，用于在所述目标模式下采集图像信息；
处理单元604，用于对所述图像信息进行人脸识别处理，得到目标人脸特征信息；
匹配单元605，用于在数据库中匹配与所述目标人脸特征信息对应的用户。
本实施例中，获取单元601，用于获取环境光照条件；确定单元602，用于根据所述环境光照条件确定出图像获取的目标模式，所述目标模式包括可见光模式和/或红外感应模式；采集单元603，用于在所述目标模式下采集图像信息；处理单元604，用于对所述图像信息进行人脸识别处理，得到目标人脸特征信息；匹配单元605，用于在数据库中匹配与所述目标人脸特征信息对应的用户。其中，在目标模式下采集图像信息并进一步地提取人脸特征信息之后，在数据库中匹配与所述目标人脸特征信息对应的用户，所述目标模式包括可见光模式和/或红外感应模式，因此，与现有技术中单一的图像识别技术相比，可以灵活地使用可见光模式和/或红外感应模式得到图像信息，更有利于图像识别及人脸特征提取，可以提高人脸识别系统的性能。
作为一个优选方案，所述系统还包括：
融合处理单元606，用于对所述图像信息进行融合处理，得到融合图像；
所述处理单元604具体用于：
对所述融合图像进行人脸识别处理，得到目标人脸特征信息。
作为一个优选方案，所述图像信息包括可见光图像和红外图像，所述融合处理单元606具体用于：
对所述可见光图像和所述红外图像进行IHS变换和小波变换得到融合图像。
作为一个优选方案，所述处理单元604具体用于：
对所述图像信息进行人脸确认和/或遮挡分析和/或关键点检测和/或人脸姿态过滤处理后，得到目标人脸特征信息。
上面从模块化的装置对本申请实施例进行了描述，下面从硬件装置的角度对本申请实施例中的计算机装置进行描述，请参阅图6，本申请实施例中计算机装置的一个具体实施例包括：
该装置700可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)701(例如，一个或一个以上处理器)和存储器705，该存储器705中存储有一个或一个以上的应用程序或数据。
其中，存储器705可以是易失性存储或持久存储。存储在存储器705的程序可以包括一个或一个以上模块，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器701可以设置为与存储器705通信，在智能终端700上执行存储器705中的一系列指令操作。
该装置700还可以包括一个或一个以上电源702，一个或一个以上有线或无线网络接口703，一个或一个以上输入输出接口704，和/或，一个或一个以上操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
所述处理器701具体用于执行以下步骤：
获取环境光照条件；
根据所述环境光照条件确定出图像获取的目标模式，所述目标模式包括可见光模式和/或红外感应模式；
在所述目标模式下采集图像信息；
对所述图像信息进行人脸识别处理，得到目标人脸特征信息；
在数据库中匹配与所述目标人脸特征信息对应的用户。
作为一个优选方案，所述根据所述环境光照条件确定出图像获取的目标模式包括：
获取预设对应关系，所述预设对应关系用于指示光照条件与图像获取模式的对应关系；
根据所述预设对应关系和所述环境光照条件确定出图像获取的目标模式。
作为一个优选方案，所述目标模式包括可见光模式和红外感应模式，在所述目标模式下采集图像信息之后，所述方法还包括：
对所述图像信息进行融合处理，得到融合图像；
所述对所述图像信息进行人脸识别处理，得到目标人脸特征信息包括：
对所述融合图像进行人脸识别处理，得到目标人脸特征信息。
作为一个优选方案，所述图像信息包括可见光图像和红外图像，所述对所述图像信息进行融合处理，得到融合图像具体包括：
对所述可见光图像和所述红外图像进行IHS变换和小波变换得到融合图像。
作为一个优选方案，所述对所述图像信息进行人脸识别处理，得到目标人脸特征信息具体包括：
对所述图像信息进行人脸确认和/或遮挡分析和/或关键点检测和/或人脸姿态过滤处理后，得到目标人脸特征信息。
可以理解的是，在本申请的各种实施例中，上述各步骤的序号的大小并不意味着执行顺序的先后，各步骤的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
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，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种人脸识别方法，其特征在于，包括：
获取环境光照条件；
根据所述环境光照条件确定出图像获取的目标模式，所述目标模式包括可见光模式和/或红外感应模式；
在所述目标模式下采集图像信息；
对所述图像信息进行人脸识别处理，得到目标人脸特征信息；
在数据库中匹配与所述目标人脸特征信息对应的用户。
2.根据权利要求1所述的方法，其特征在于，所述根据所述环境光照条件确定出图像获取的目标模式包括：
获取预设对应关系，所述预设对应关系用于指示光照条件与图像获取模式的对应关系；
根据所述预设对应关系和所述环境光照条件确定出图像获取的目标模式。
3.根据权利要求1或2所述的方法，其特征在于，所述目标模式包括可见光模式和红外感应模式，在所述目标模式下采集图像信息之后，所述方法还包括
对所述图像信息进行融合处理，得到融合图像；
所述对所述图像信息进行人脸识别处理，得到目标人脸特征信息包括：
对所述融合图像进行人脸识别处理，得到目标人脸特征信息。
4.根据权利要求3所述的方法，其特征在于，所述图像信息包括可见光图像和红外图像，所述对所述图像信息进行融合处理，得到融合图像具体包括：
对所述可见光图像和所述红外图像进行IHS变换和小波变换得到融合图像。
5.根据权利要求1或2任一项所述的方法，其特征在于，所述对所述图像信息进行人脸识别处理，得到目标人脸特征信息具体包括：
对所述图像信息进行人脸确认和/或遮挡分析和/或关键点检测和/或人脸姿态过滤处理后，得到目标人脸特征信息。
6.一种人脸识别系统，其特征在于，包括：
获取单元，用于获取环境光照条件；
确定单元，用于根据所述环境光照条件确定出图像获取的目标模式，所述目标模式包括可见光模式和/或红外感应模式；
采集单元，用于在所述目标模式下采集图像信息；
处理单元，用于对所述图像信息进行人脸识别处理，得到目标人脸特征信息；
匹配单元，用于在数据库中匹配与所述目标人脸特征信息对应的用户。
7.根据权利要求6所述的系统，其特征在于，所述确定单元具体用于：
获取预设对应关系，所述预设对应关系用于指示光照条件与图像获取模式的对应关系；
根据所述预设对应关系和所述环境光照条件确定出图像获取的目标模式。
8.根据权利要求5或6所述的系统，其特征在于，所述系统还包括：
融合处理单元，用于对所述图像信息进行融合处理，得到融合图像；
所述处理单元具体用于：
对所述融合图像进行人脸识别处理，得到目标人脸特征信息。
9.一种计算机装置，其特征在于，包括：
处理器、存储器、输入输出设备以及总线；
所述处理器、存储器、输入输出设备分别与所述总线相连；
所述处理器用于执行如权利要求1至4任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811550820.2A CN109635760A (zh) | 2018-12-18 | 2018-12-18 | 一种人脸识别方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811550820.2A CN109635760A (zh) | 2018-12-18 | 2018-12-18 | 一种人脸识别方法及相关设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109635760A true CN109635760A (zh) | 2019-04-16 |
Family
ID=66075141
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811550820.2A Pending CN109635760A (zh) | 2018-12-18 | 2018-12-18 | 一种人脸识别方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109635760A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110332995A (zh) * | 2019-06-13 | 2019-10-15 | 深圳市中科鸿智科技有限公司 | 非接触式人体测温方法、装置、系统及存储介质 |
| CN110414445A (zh) * | 2019-07-31 | 2019-11-05 | 联想(北京)有限公司 | 用于人脸识别的光源调节方法、装置及电子设备 |
| CN110490041A (zh) * | 2019-05-31 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 人脸图像采集装置及方法 |
| CN110490042A (zh) * | 2019-05-31 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 人脸识别装置和门禁设备 |
| CN111126229A (zh) * | 2019-12-17 | 2020-05-08 | 中国建设银行股份有限公司 | 数据处理方法和装置 |
| CN111358443A (zh) * | 2020-03-06 | 2020-07-03 | 深圳市爱深盈通信息技术有限公司 | 体温监测方法及装置 |
| CN111598047A (zh) * | 2020-05-28 | 2020-08-28 | 重庆康普达科技有限公司 | 一种人脸识别方法 |
| CN111856061A (zh) * | 2020-06-24 | 2020-10-30 | 沈阳上博智像科技有限公司 | 具有多信息融合和光流测速功能的超小型双光成像系统 |
| CN111896145A (zh) * | 2020-07-07 | 2020-11-06 | 胡飞青 | 应用发体识别的测温控制系统 |
| CN112101234A (zh) * | 2020-09-16 | 2020-12-18 | 上海寰创通信科技股份有限公司 | 一种侦码匹配处理方法和图码联侦系统 |
| CN112132011A (zh) * | 2020-09-22 | 2020-12-25 | 深圳市捷顺科技实业股份有限公司 | 一种面部识别方法、装置、设备及存储介质 |
| CN112183327A (zh) * | 2020-09-27 | 2021-01-05 | 烟台艾睿光电科技有限公司 | 一种人脸识别方法、装置及系统 |
| CN112650379A (zh) * | 2020-12-29 | 2021-04-13 | 深圳市商汤科技有限公司 | 激活方法及装置、电子设备及计算机可读存储介质 |
| WO2021077480A1 (zh) * | 2019-10-22 | 2021-04-29 | 苏州雷泰智能科技有限公司 | 放射治疗病人身份验证方法、装置及放射治疗设备 |
| CN112132011B (zh) * | 2020-09-22 | 2024-04-26 | 深圳市捷顺科技实业股份有限公司 | 一种面部识别方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102510480A (zh) * | 2011-11-04 | 2012-06-20 | 大连海事大学 | 驾驶员视线自动校准和跟踪系统 |
| CN108090477A (zh) * | 2018-01-23 | 2018-05-29 | 北京易智能科技有限公司 | 一种基于多光谱融合的人脸识别方法与装置 |
| CN108364003A (zh) * | 2018-04-28 | 2018-08-03 | 国网河南省电力公司郑州供电公司 | 基于无人机可见光及红外图像融合的电力巡检方法及装置 |
-
2018
- 2018-12-18 CN CN201811550820.2A patent/CN109635760A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102510480A (zh) * | 2011-11-04 | 2012-06-20 | 大连海事大学 | 驾驶员视线自动校准和跟踪系统 |
| CN108090477A (zh) * | 2018-01-23 | 2018-05-29 | 北京易智能科技有限公司 | 一种基于多光谱融合的人脸识别方法与装置 |
| CN108364003A (zh) * | 2018-04-28 | 2018-08-03 | 国网河南省电力公司郑州供电公司 | 基于无人机可见光及红外图像融合的电力巡检方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 工业和信息化部电子第一研究所: "《军用电子元器件领域科技发展报告》", 国防工业出版社, pages: 29 - 30 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110490041A (zh) * | 2019-05-31 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 人脸图像采集装置及方法 |
| CN110490042A (zh) * | 2019-05-31 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 人脸识别装置和门禁设备 |
| CN110490041B (zh) * | 2019-05-31 | 2022-03-15 | 杭州海康威视数字技术股份有限公司 | 人脸图像采集装置及方法 |
| CN110490042B (zh) * | 2019-05-31 | 2022-02-11 | 杭州海康威视数字技术股份有限公司 | 人脸识别装置和门禁设备 |
| CN110332995A (zh) * | 2019-06-13 | 2019-10-15 | 深圳市中科鸿智科技有限公司 | 非接触式人体测温方法、装置、系统及存储介质 |
| CN110414445A (zh) * | 2019-07-31 | 2019-11-05 | 联想(北京)有限公司 | 用于人脸识别的光源调节方法、装置及电子设备 |
| CN110414445B (zh) * | 2019-07-31 | 2022-03-25 | 联想(北京)有限公司 | 用于人脸识别的光源调节方法、装置及电子设备 |
| WO2021077480A1 (zh) * | 2019-10-22 | 2021-04-29 | 苏州雷泰智能科技有限公司 | 放射治疗病人身份验证方法、装置及放射治疗设备 |
| CN111126229A (zh) * | 2019-12-17 | 2020-05-08 | 中国建设银行股份有限公司 | 数据处理方法和装置 |
| CN111358443A (zh) * | 2020-03-06 | 2020-07-03 | 深圳市爱深盈通信息技术有限公司 | 体温监测方法及装置 |
| CN111598047A (zh) * | 2020-05-28 | 2020-08-28 | 重庆康普达科技有限公司 | 一种人脸识别方法 |
| CN111598047B (zh) * | 2020-05-28 | 2023-06-27 | 重庆康普达科技有限公司 | 一种人脸识别方法 |
| CN111856061A (zh) * | 2020-06-24 | 2020-10-30 | 沈阳上博智像科技有限公司 | 具有多信息融合和光流测速功能的超小型双光成像系统 |
| CN111896145A (zh) * | 2020-07-07 | 2020-11-06 | 胡飞青 | 应用发体识别的测温控制系统 |
| CN112101234A (zh) * | 2020-09-16 | 2020-12-18 | 上海寰创通信科技股份有限公司 | 一种侦码匹配处理方法和图码联侦系统 |
| CN112101234B (zh) * | 2020-09-16 | 2022-11-22 | 上海寰创通信科技股份有限公司 | 一种侦码匹配处理方法和图码联侦系统 |
| CN112132011A (zh) * | 2020-09-22 | 2020-12-25 | 深圳市捷顺科技实业股份有限公司 | 一种面部识别方法、装置、设备及存储介质 |
| CN112132011B (zh) * | 2020-09-22 | 2024-04-26 | 深圳市捷顺科技实业股份有限公司 | 一种面部识别方法、装置、设备及存储介质 |
| CN112183327A (zh) * | 2020-09-27 | 2021-01-05 | 烟台艾睿光电科技有限公司 | 一种人脸识别方法、装置及系统 |
| CN112650379A (zh) * | 2020-12-29 | 2021-04-13 | 深圳市商汤科技有限公司 | 激活方法及装置、电子设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109635760A (zh) | 一种人脸识别方法及相关设备 | |
| US10685215B2 (en) | Method and apparatus for recognizing face | |
| CN105868689B (zh) | 一种基于级联卷积神经网络的人脸遮挡检测方法 | |
| KR100939856B1 (ko) | 개인인증방법 및 개인인증장치 | |
| Vatsa et al. | Comparison of iris recognition algorithms | |
| CN108038466B (zh) | 基于卷积神经网络的多通道人眼闭合识别方法 | |
| Zheng et al. | Shape-based adult image detection | |
| CN106372576A (zh) | 一种基于深度学习的智能室内入侵检测方法及系统 | |
| CN110462633A (zh) | 一种人脸识别的方法、装置和电子设备 | |
| CN103116749A (zh) | 一种基于自建图像库的近红外人脸识别方法 | |
| CN109086754A (zh) | 一种基于深度学习的人体姿态识别方法 | |
| CN104933344A (zh) | 基于多生物特征模态的移动终端用户身份认证装置及方法 | |
| EP1425708A1 (en) | Near-infrared method and system for use in face detection | |
| KR100983346B1 (ko) | Ｉｒ조명을 이용한 얼굴인식 시스템 및 방법 | |
| CN102844766A (zh) | 基于人眼图像的多特征融合身份识别方法 | |
| CN106960147A (zh) | 一种隐私信息保护方法及装置、用户设备 | |
| CN104881632A (zh) | 高光谱人脸识别方法 | |
| CN103123690B (zh) | 信息采集装置和方法以及身份识别系统和方法 | |
| CN205354143U (zh) | 一种智能门禁控制系统 | |
| CN204791017U (zh) | 基于多生物特征模态的移动终端用户身份认证装置 | |
| CN110287918A (zh) | 活体识别方法及相关产品 | |
| CN108375095A (zh) | 一种吸油烟机的控制方法及吸油烟机 | |
| CN105574509A (zh) | 一种基于光照的人脸识别系统回放攻击检测方法及应用 | |
| CN104200205A (zh) | 一种基于fpga的开放式手掌静脉采集装置及方法 | |
| CN104881633B (zh) | 一种色盲模式启动方法及智能眼镜 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |