CN109657652A - 一种人脸识别方法和装置 - Google Patents
一种人脸识别方法和装置 Download PDFInfo
- Publication number
- CN109657652A CN109657652A CN201910039146.XA CN201910039146A CN109657652A CN 109657652 A CN109657652 A CN 109657652A CN 201910039146 A CN201910039146 A CN 201910039146A CN 109657652 A CN109657652 A CN 109657652A
- Authority
- CN
- China
- Prior art keywords
- image
- feature vector
- vector
- similarity
- default
- 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 38
- 239000013598 vector Substances 0.000 claims abstract description 265
- 230000001815 facial effect Effects 0.000 claims abstract description 114
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 71
- 238000012545 processing Methods 0.000 claims description 66
- 238000001914 filtration Methods 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 17
- 238000005286 illumination Methods 0.000 claims description 9
- 230000017105 transposition Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Landscapes
- Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种人脸识别方法和装置，本发明涉及人工智能技术领域，该方法包括：计算第二图像对应的特征向量；计算归一化处理后的第二图像的特征向量与归一化处理后的多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度；如果计算出的所有相似度均小于预设相似度阈值，则输出第一提示信息，第一提示信息用于提示目标用户验证失败；如果计算出的相似度中有至少一个大于或等于预设相似度阈值，则筛选出最大的相似度对应的预设人脸图像；将最大的相似度对应的预设人脸图像相关联的用户作为候选用户。因此，本发明实施例提供的技术方案能够解决现有技术中相似度计算效率低导致人脸识别的速度较慢的问题。
Description
【技术领域】
本发明涉及人工智能技术领域，尤其涉及一种人脸识别方法和装置。
【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。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别。
人脸识别过程中，需要将现场采集的图像与数据库中预先存储的图像进行相似度计算，在图像数量大的情况下，相似度计算效率低导致人脸识别的速度较慢。
【发明内容】
有鉴于此，本发明实施例提供了一种人脸识别方法和装置，用以解决现有技术中相似度计算效率低导致人脸识别的速度较慢的问题。
一方面，本发明实施例提供了一种人脸识别方法，所述方法包括：采集目标用户的图像，得到第一图像；从所述第一图像中提取人脸区域，得到第二图像；截取所述第二图像中的第一预设区域，所述第一预设区域为眼部区域；统计所述第一预设区域中灰度值小于第一预设阈值的像素点的数量；根据所述第一预设区域中灰度值小于所述第一预设阈值的像素点的数量判断所述目标用户是否佩戴墨镜；如果判断出所述目标用户没有佩戴墨镜，则计算所述第二图像对应的特征向量；获取目标数据库中多个预设人脸图像对应的特征向量；将所述第二图像对应的特征向量进行归一化处理，将所述多个预设人脸图像对应的特征向量分别进行归一化处理，计算归一化处理后的所述第二图像的特征向量与归一化处理后的所述多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度，根据计算得到的余弦相似度确定所述第二图像与所述多个预设人脸图像中每个预设人脸图像的相似度；判断计算出的所有相似度是否均小于预设相似度阈值；如果计算出的所有相似度均小于所述预设相似度阈值，则输出第一提示信息，所述第一提示信息用于提示所述目标用户验证失败；如果计算出的相似度中有至少一个大于或等于所述预设相似度阈值，则筛选出最大的相似度对应的预设人脸图像；将最大的相似度对应的预设人脸图像相关联的用户作为候选用户；输出第二提示信息，所述第二提示信息用于提示所述目标用户验证通过，并开启所述候选用户的用户权限。
进一步地，所述将所述第二图像对应的特征向量进行归一化处理，将所述多个预设人脸图像对应的特征向量分别进行归一化处理，计算归一化处理后的所述第二图像的特征向量与归一化处理后的所述多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度，包括：将所述第二图像对应的特征向量进行归一化处理，再进行转置处理后得到的向量作为第一向量，所述第一向量为1行m列的矩阵，m为所述第二图像对应的特征向量的维度；将n个预设人脸图像对应的特征向量分别进行归一化处理后得到的特征向量作为第二向量，所述第二向量为m行1列的矩阵，第二向量有n个，n为预设人脸图像的数量；将n个所述第二向量排列成第一矩阵，其中，所述第一矩阵为m行n列的矩阵；将所述第一向量与所述第一矩阵作矩阵乘法，得到第二向量，其中，所述第二向量为1行n列的矩阵，所述第二向量的第k个元素为所述第二图像对应的特征向量与第k个预设人脸图像对应的特征向量之间的余弦相似度，1≤k≤n。
进一步地，所述计算所述第二图像对应的特征向量，包括：利用差分高斯算法对所述第二图像进行光照预处理，滤除所述第二图像的低频信息，保留所述第二图像的高频信息，得到高斯图像；对所述高斯图像进行图像直方图均衡化处理，得到灰度值均匀的图像；计算所述灰度值均匀的图像对应的特征向量，将计算得到的特征向量作为所述第二图像对应的特征向量。
进一步地，所述截取所述第二图像中的第一预设区域之后，所述方法还包括：对所述第一预设区域进行同态滤波处理；对经过同态滤波处理后的所述第一预设区域进行平滑滤波处理；对经过平滑滤波处理后的所述第一预设区域进行邻域最小值滤波处理；对经过邻域最小值滤波处理后的所述第一预设区域进行预设比例二值化处理，得到处理后的所述第二图像，所述计算所述第二图像对应的特征向量，包括：计算处理后的所述第二图像对应的特征向量。
进一步地，所述根据所述第一预设区域中灰度值小于所述第一预设阈值的像素点的数量判断所述目标用户是否佩戴墨镜，包括：根据公式L＝t1/t计算第一比例关系，L为所述第一比例关系，t1为所述第一预设区域中灰度值小于所述第一预设阈值的像素点的数量，t为所述第一预设区域中像素点的数量；如果所述第一比例关系L大于等于第二预设阈值，则确定所述目标用户佩戴墨镜；如果所述第一比例关系L小于所述第二预设阈值，则确定所述目标用户没有佩戴墨镜。
一方面，本发明实施例提供了一种人脸识别装置，所述装置包括：采集单元，用于采集目标用户的图像，得到第一图像；提取单元，用于从所述第一图像中提取人脸区域，得到第二图像；截取单元，用于截取所述第二图像中的第一预设区域，所述第一预设区域为眼部区域；统计单元，用于统计所述第一预设区域中灰度值小于第一预设阈值的像素点的数量；第一判断单元，用于根据所述第一预设区域中灰度值小于所述第一预设阈值的像素点的数量判断所述目标用户是否佩戴墨镜；第一计算单元，用于如果判断出所述目标用户没有佩戴墨镜，则计算所述第二图像对应的特征向量；获取单元，用于获取目标数据库中多个预设人脸图像对应的特征向量；第二计算单元，用于将所述第二图像对应的特征向量进行归一化处理，将所述多个预设人脸图像对应的特征向量分别进行归一化处理，计算归一化处理后的所述第二图像的特征向量与归一化处理后的所述多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度，根据计算得到的余弦相似度确定所述第二图像与所述多个预设人脸图像中每个预设人脸图像的相似度；第二判断单元，用于判断计算出的所有相似度是否均小于预设相似度阈值；第一输出单元，用于如果计算出的所有相似度均小于所述预设相似度阈值，则输出第一提示信息，所述第一提示信息用于提示所述目标用户验证失败；筛选单元，用于如果计算出的相似度中有至少一个大于或等于所述预设相似度阈值，则筛选出最大的相似度对应的预设人脸图像；确定单元，用于将最大的相似度对应的预设人脸图像相关联的用户作为候选用户；第二输出单元，用于输出第二提示信息，所述第二提示信息用于提示所述目标用户验证通过，并开启所述候选用户的用户权限。
进一步地，所述第二计算单元包括：第一计算子单元，用于将所述第二图像对应的特征向量进行归一化处理，再进行转置处理后得到的向量作为第一向量，所述第一向量为1行m列的矩阵，m为所述第二图像对应的特征向量的维度；第二计算子单元，用于将n个预设人脸图像对应的特征向量分别进行归一化处理后得到的特征向量作为第二向量，所述第二向量为m行1列的矩阵，第二向量有n个，n为预设人脸图像的数量；排列子单元，用于将n个所述第二向量排列成第一矩阵，其中，所述第一矩阵为m行n列的矩阵；第三计算子单元，用于将所述第一向量与所述第一矩阵作矩阵乘法，得到第二向量，其中，所述第二向量为1行n列的矩阵，所述第二向量的第k个元素为所述第二图像对应的特征向量与第k个预设人脸图像对应的特征向量之间的余弦相似度，1≤k≤n。
进一步地，所述第一计算单元包括：第一处理子单元，用于利用差分高斯算法对所述第二图像进行光照预处理，滤除所述第二图像的低频信息，保留所述第二图像的高频信息，得到高斯图像；第二处理子单元，用于对所述高斯图像进行图像直方图均衡化处理，得到灰度值均匀的图像；第四计算子单元，用于计算所述灰度值均匀的图像对应的特征向量，将计算得到的特征向量作为所述第二图像对应的特征向量。
进一步地，所述装置还包括：第一处理单元，用于所述截取单元截取所述第二图像中的第一预设区域之后，对所述第一预设区域进行同态滤波处理；第二处理单元，用于对经过同态滤波处理后的所述第一预设区域进行平滑滤波处理；第三处理单元，用于对经过平滑滤波处理后的所述第一预设区域进行邻域最小值滤波处理；第四处理单元，用于对经过邻域最小值滤波处理后的所述第一预设区域进行预设比例二值化处理，得到处理后的所述第二图像，所述第一计算单元包括：第五计算子单元，用于计算处理后的所述第二图像对应的特征向量。
进一步地，所述第一判断单元包括：第六计算子单元，用于根据公式L＝t1/t计算第一比例关系，L为所述第一比例关系，t1为所述第一预设区域中灰度值小于所述第一预设阈值的像素点的数量，t为所述第一预设区域中像素点的数量；第一确定子单元，用于如果所述第一比例关系L大于等于第二预设阈值，则确定所述目标用户佩戴墨镜；第二确定子单元，用于如果所述第一比例关系L小于所述第二预设阈值，则确定所述目标用户没有佩戴墨镜。
一方面，本发明实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的人脸识别方法。
一方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述程序指令被处理器加载并执行时实现上述的人脸识别方法的步骤。
在本发明实施例中，将第二图像对应的特征向量进行归一化处理，将多个预设人脸图像对应的特征向量分别进行归一化处理，根据矩阵乘法计算归一化处理后的第二图像的特征向量与归一化处理后的多个预设人脸图像的特征向量之间的余弦相似度，根据计算得到的余弦相似度确定第二图像与多个预设人脸图像的相似度，由于在计算余弦相似度之前先将特征向量进行了归一化处理，在计算余弦相似度的过程中不需要每次都进行除模处理，从而将多次向量乘法运算转换为单次矩阵乘法运算，实现了并行计算，相似度计算效率高，人脸识别的速度较快，解决了现有技术中相似度计算效率低导致人脸识别的速度较慢的问题。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种可选的人脸识别方法的流程图；
图2是本发明实施例提供的一种可选的人脸识别装置的示意图；
图3是本发明实施例提供的一种可选的计算机设备的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1是本发明实施例提供的一种可选的人脸识别方法的流程图，如图1所示，该方法包括：
步骤S102：采集目标用户的图像，得到第一图像。
步骤S104：从第一图像中提取人脸区域，得到第二图像。
步骤S106：截取第二图像中的第一预设区域，第一预设区域为眼部区域。
步骤S108：统计第一预设区域中灰度值小于第一预设阈值的像素点的数量。
步骤S110：根据第一预设区域中灰度值小于第一预设阈值的像素点的数量判断目标用户是否佩戴墨镜。
步骤S112：如果判断出目标用户没有佩戴墨镜，则计算第二图像对应的特征向量。
步骤S114：获取目标数据库中多个预设人脸图像对应的特征向量。
步骤S116：将第二图像对应的特征向量进行归一化处理，将多个预设人脸图像对应的特征向量分别进行归一化处理，计算归一化处理后的第二图像的特征向量与归一化处理后的多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度，根据计算得到的余弦相似度确定第二图像与多个预设人脸图像中每个预设人脸图像的相似度。
步骤S118：判断计算出的所有相似度是否均小于预设相似度阈值。
步骤S120：如果计算出的所有相似度均小于预设相似度阈值，则输出第一提示信息，第一提示信息用于提示目标用户验证失败。
步骤S122：如果计算出的相似度中有至少一个大于或等于预设相似度阈值，则筛选出最大的相似度对应的预设人脸图像。
步骤S124：将最大的相似度对应的预设人脸图像相关联的用户作为候选用户。
步骤S126：输出第二提示信息，第二提示信息用于提示目标用户验证通过，并开启候选用户的用户权限。
摄像头采集目标用户的图像，得到第一图像，从第一图像中提取人脸区域，得到第二图像，统计第二图像的眼部区域中灰度值小于第一预设阈值的像素点的数量，根据眼部区域中灰度值小于第一预设阈值的像素点的数量判断目标用户是否佩戴墨镜，如果判断出目标用户没有佩戴墨镜，则计算第二图像对应的特征向量。目标数据库中存储了多个预设人脸图像。将第二图像对应的特征向量进行归一化处理，将多个预设人脸图像对应的特征向量分别进行归一化处理，计算归一化处理后的第二图像的特征向量与归一化处理后的多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度，根据计算得到的余弦相似度确定第二图像与多个预设人脸图像中每个预设人脸图像的相似度，如果计算出的所有相似度均小于预设相似度阈值，则说明目标数据库没有预存该目标用户的人脸图像，输出第一提示信息，第一提示信息用于提示目标用户验证失败。如果计算出的相似度中有至少一个大于或等于预设相似度阈值，则筛选出最大的相似度对应的预设人脸图像，将最大的相似度对应的预设人脸图像相关联的用户作为候选用户，确定候选用户与目标用户为同一个人，输出第二提示信息，第二提示信息用于提示目标用户验证通过，并开启候选用户的用户权限。
在本发明实施例中，将第二图像对应的特征向量进行归一化处理，将多个预设人脸图像对应的特征向量分别进行归一化处理，根据矩阵乘法计算归一化处理后的第二图像的特征向量与归一化处理后的多个预设人脸图像的特征向量之间的余弦相似度，根据计算得到的余弦相似度确定第二图像与多个预设人脸图像的相似度，由于在计算余弦相似度之前先将特征向量进行了归一化处理，在计算余弦相似度的过程中不需要每次都进行除模处理，从而将多次向量乘法运算转换为单次矩阵乘法运算，实现了并行计算，相似度计算效率高，人脸识别的速度较快，解决了现有技术中相似度计算效率低导致人脸识别的速度较慢的问题。
并且，只有在第二图像不包含墨镜的情况下，才将第二图像与目标数据库中多个预设人脸图像进行比对，增加了比对的准确度，避免了由墨镜带来的干扰。
可选地，将第二图像对应的特征向量进行归一化处理，将多个预设人脸图像对应的特征向量分别进行归一化处理，计算归一化处理后的第二图像的特征向量与归一化处理后的多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度，包括：将第二图像对应的特征向量进行归一化处理，再进行转置处理后得到的向量作为第一向量，第一向量为1行m列的矩阵，m为第二图像对应的特征向量的维度；将n个预设人脸图像对应的特征向量分别进行归一化处理后得到的特征向量作为第二向量，第二向量为m行1列的矩阵，第二向量有n个，n为预设人脸图像的数量；将n个第二向量排列成第一矩阵，其中，第一矩阵为m行n列的矩阵；将第一向量与第一矩阵作矩阵乘法，得到第二向量，其中，第二向量为1行n列的矩阵，第二向量的第k个元素为第二图像对应的特征向量与第k个预设人脸图像对应的特征向量之间的余弦相似度，1≤k≤n。
归一化处理可以采用向量L2范数归一化的方式进行。
向量L2范数归一化就是向量中每个元素除以向量的L2范数。L2范数根据以下公式计算：
||x||2表示向量x的L2范数，n表示向量x包含的元素的数量。
本方案由于在计算余弦相似度之前先将特征向量进行了归一化处理，在计算余弦相似度的过程中不需要每次都进行除模处理，从而将多次向量乘法运算转换为单次矩阵乘法运算，实现了并行计算，相似度计算效率高，人脸识别的速度较快。
可选地，计算第二图像对应的特征向量，包括：利用差分高斯算法对第二图像进行光照预处理，滤除第二图像的低频信息，保留第二图像的高频信息，得到高斯图像；对高斯图像进行图像直方图均衡化处理，得到灰度值均匀的图像；计算灰度值均匀的图像对应的特征向量，将计算得到的特征向量作为第二图像对应的特征向量。
图像直方图均衡化处理是把图像的灰度直方图从在某个灰度区间比较集中的形式，变成在全部灰度范围内的均匀分布的形式，从而增加图像的局部对比度，使图像的局部更加清晰。
可选地，截取第二图像中的第一预设区域之后，方法还包括：对第一预设区域进行同态滤波处理；对经过同态滤波处理后的第一预设区域进行平滑滤波处理；对经过平滑滤波处理后的第一预设区域进行邻域最小值滤波处理；对经过邻域最小值滤波处理后的第一预设区域进行预设比例二值化处理，得到处理后的第二图像，计算第二图像对应的特征向量，包括：计算处理后的第二图像对应的特征向量。
同态滤波是将频率过滤和灰度变换相结合的一种图像处理方法，依靠图像的照度或者反射率模型作为频域处理的基础，利用压缩亮度范围和增强对比度来改善图像的质量。使用该方法可以使图像处理符合人眼对于亮度响应的非线性特性，从而避免直接对图像进行傅里叶变换处理所导致的失真。
可以使用高斯滤波器对经过同态滤波的第一预设区域的图像进行平滑滤波处理。高斯滤波器是根据高斯函数的形状来选择权值的线性平滑滤波器。高斯滤波器对去除服从正态分布的噪声有较好的效果。
邻域最小值滤波是对图像中每个像素进行遍历，遍历到的像素的值被该点某邻域窗口内的所有点中的最小像素值取代。
预设比例二值化，是指从0开始的灰度值占总灰度值的比重，利用直方图统计得到满足预设比重时对应的灰度值，即得到分割图像的阈值。
可选地，根据第一预设区域中灰度值小于第一预设阈值的像素点的数量判断目标用户是否佩戴墨镜，包括：根据公式L＝t1/t计算第一比例关系，L为第一比例关系，t1为第一预设区域中灰度值小于第一预设阈值的像素点的数量，t为第一预设区域中像素点的数量；如果第一比例关系L大于等于第二预设阈值，则确定目标用户佩戴墨镜；如果第一比例关系L小于第二预设阈值，则确定目标用户没有佩戴墨镜。
如果目标用户没有佩戴墨镜，则计算第二图像对应的特征向量并进行后续的操作。如果目标用户佩戴了墨镜，则输出提示信息，提示信息用于提示目标用户摘掉墨镜，之后重新采集目标用户的图像，确保采集到的图像是不包含墨镜的，从而在将采集到的图像与目标数据库中多个预设人脸图像一一比对时，增加比对的准确度，避免由墨镜带来的干扰。
第一预设区域包括左眼所在的区域和右眼所在的区域，截取第二图像中的第一预设区域之前，根据第二图像的大小按照位置关系估计第一预设区域，具体步骤为：假设第二图像为长为M宽为N的矩形，则左眼所在的区域为：行0.12M至0.47M之间、列0.11N至0.38N之间的区域；右眼所在的区域为：行0.12M至0.47M之间、列0.62N至0.89N之间的区域。
本发明实施例提供了一种人脸识别装置，该装置用于执行上述人脸识别方法，如图2所示，该装置包括：采集单元10、提取单元12、截取单元14、统计单元16、第一判断单元18、第一计算单元20、获取单元22、第二计算单元24、第二判断单元26、第一输出单元28、筛选单元30、确定单元32、第二输出单元34。
采集单元10，用于采集目标用户的图像，得到第一图像。
提取单元12，用于从第一图像中提取人脸区域，得到第二图像。
截取单元14，用于截取第二图像中的第一预设区域，第一预设区域为眼部区域。
统计单元16，用于统计第一预设区域中灰度值小于第一预设阈值的像素点的数量。
第一判断单元18，用于根据第一预设区域中灰度值小于第一预设阈值的像素点的数量判断目标用户是否佩戴墨镜。
第一计算单元20，用于如果判断出目标用户没有佩戴墨镜，则计算第二图像对应的特征向量。
获取单元22，用于获取目标数据库中多个预设人脸图像对应的特征向量。
第二计算单元24，用于将第二图像对应的特征向量进行归一化处理，将多个预设人脸图像对应的特征向量分别进行归一化处理，计算归一化处理后的第二图像的特征向量与归一化处理后的多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度，根据计算得到的余弦相似度确定第二图像与多个预设人脸图像中每个预设人脸图像的相似度。
第二判断单元26，用于判断计算出的所有相似度是否均小于预设相似度阈值。
第一输出单元28，用于如果计算出的所有相似度均小于预设相似度阈值，则输出第一提示信息，第一提示信息用于提示目标用户验证失败。
筛选单元30，用于如果计算出的相似度中有至少一个大于或等于预设相似度阈值，则筛选出最大的相似度对应的预设人脸图像。
确定单元32，用于将最大的相似度对应的预设人脸图像相关联的用户作为候选用户。
第二输出单元34，用于输出第二提示信息，第二提示信息用于提示目标用户验证通过，并开启候选用户的用户权限。
在本发明实施例中，将第二图像对应的特征向量进行归一化处理，将多个预设人脸图像对应的特征向量分别进行归一化处理，根据矩阵乘法计算归一化处理后的第二图像的特征向量与归一化处理后的多个预设人脸图像的特征向量之间的余弦相似度，根据计算得到的余弦相似度确定第二图像与多个预设人脸图像的相似度，由于在计算余弦相似度之前先将特征向量进行了归一化处理，在计算余弦相似度的过程中不需要每次都进行除模处理，从而将多次向量乘法运算转换为单次矩阵乘法运算，实现了并行计算，相似度计算效率高，人脸识别的速度较快，解决了现有技术中相似度计算效率低导致人脸识别的速度较慢的问题。
可选地，第二计算单元24包括：第一计算子单元、第二计算子单元、排列子单元、第三计算子单元。第一计算子单元，用于将第二图像对应的特征向量进行归一化处理，再进行转置处理后得到的向量作为第一向量，第一向量为1行m列的矩阵，m为第二图像对应的特征向量的维度。第二计算子单元，用于将n个预设人脸图像对应的特征向量分别进行归一化处理后得到的特征向量作为第二向量，第二向量为m行1列的矩阵，第二向量有n个，n为预设人脸图像的数量。排列子单元，用于将n个第二向量排列成第一矩阵，其中，第一矩阵为m行n列的矩阵。第三计算子单元，用于将第一向量与第一矩阵作矩阵乘法，得到第二向量，其中，第二向量为1行n列的矩阵，第二向量的第k个元素为第二图像对应的特征向量与第k个预设人脸图像对应的特征向量之间的余弦相似度，1≤k≤n。
可选地，第一计算单元20包括：第一处理子单元、第二处理子单元、第四计算子单元。第一处理子单元，用于利用差分高斯算法对第二图像进行光照预处理，滤除第二图像的低频信息，保留第二图像的高频信息，得到高斯图像。第二处理子单元，用于对高斯图像进行图像直方图均衡化处理，得到灰度值均匀的图像。第四计算子单元，用于计算灰度值均匀的图像对应的特征向量，将计算得到的特征向量作为第二图像对应的特征向量。
可选地，装置还包括：第一处理单元、第二处理单元、第三处理单元、第四处理单元。第一处理单元，用于截取单元14截取第二图像中的第一预设区域之后，对第一预设区域进行同态滤波处理。第二处理单元，用于对经过同态滤波处理后的第一预设区域进行平滑滤波处理。第三处理单元，用于对经过平滑滤波处理后的第一预设区域进行邻域最小值滤波处理。第四处理单元，用于对经过邻域最小值滤波处理后的第一预设区域进行预设比例二值化处理，得到处理后的第二图像。第一计算单元包括：第五计算子单元。第五计算子单元，用于计算处理后的第二图像对应的特征向量。
可选地，第一判断单元18包括：第六计算子单元、第一确定子单元、第二确定子单元。第六计算子单元，用于根据公式L＝t1/t计算第一比例关系，L为第一比例关系，t1为第一预设区域中灰度值小于第一预设阈值的像素点的数量，t为第一预设区域中像素点的数量。第一确定子单元，用于如果第一比例关系L大于等于第二预设阈值，则确定目标用户佩戴墨镜。第二确定子单元，用于如果第一比例关系L小于第二预设阈值，则确定目标用户没有佩戴墨镜。
本发明实施例提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行以下步骤：采集目标用户的图像，得到第一图像；从第一图像中提取人脸区域，得到第二图像；截取第二图像中的第一预设区域，第一预设区域为眼部区域；统计第一预设区域中灰度值小于第一预设阈值的像素点的数量；根据第一预设区域中灰度值小于第一预设阈值的像素点的数量判断目标用户是否佩戴墨镜；如果判断出目标用户没有佩戴墨镜，则计算第二图像对应的特征向量；获取目标数据库中多个预设人脸图像对应的特征向量；将第二图像对应的特征向量进行归一化处理，将多个预设人脸图像对应的特征向量分别进行归一化处理，计算归一化处理后的第二图像的特征向量与归一化处理后的多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度，根据计算得到的余弦相似度确定第二图像与多个预设人脸图像中每个预设人脸图像的相似度；判断计算出的所有相似度是否均小于预设相似度阈值；如果计算出的所有相似度均小于预设相似度阈值，则输出第一提示信息，第一提示信息用于提示目标用户验证失败；如果计算出的相似度中有至少一个大于或等于预设相似度阈值，则筛选出最大的相似度对应的预设人脸图像；将最大的相似度对应的预设人脸图像相关联的用户作为候选用户；输出第二提示信息，第二提示信息用于提示目标用户验证通过，并开启候选用户的用户权限。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：将第二图像对应的特征向量进行归一化处理，再进行转置处理后得到的向量作为第一向量，第一向量为1行m列的矩阵，m为第二图像对应的特征向量的维度；将n个预设人脸图像对应的特征向量分别进行归一化处理后得到的特征向量作为第二向量，第二向量为m行1列的矩阵，第二向量有n个，n为预设人脸图像的数量；将n个第二向量排列成第一矩阵，其中，第一矩阵为m行n列的矩阵；将第一向量与第一矩阵作矩阵乘法，得到第二向量，其中，第二向量为1行n列的矩阵，第二向量的第k个元素为第二图像对应的特征向量与第k个预设人脸图像对应的特征向量之间的余弦相似度，1≤k≤n。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：利用差分高斯算法对第二图像进行光照预处理，滤除第二图像的低频信息，保留第二图像的高频信息，得到高斯图像；对高斯图像进行图像直方图均衡化处理，得到灰度值均匀的图像；计算灰度值均匀的图像对应的特征向量，将计算得到的特征向量作为第二图像对应的特征向量。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：截取第二图像中的第一预设区域之后，对第一预设区域进行同态滤波处理；对经过同态滤波处理后的第一预设区域进行平滑滤波处理；对经过平滑滤波处理后的第一预设区域进行邻域最小值滤波处理；对经过邻域最小值滤波处理后的第一预设区域进行预设比例二值化处理，得到处理后的第二图像，计算第二图像对应的特征向量，包括：计算处理后的第二图像对应的特征向量。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：根据公式L＝t1/t计算第一比例关系，L为第一比例关系，t1为第一预设区域中灰度值小于第一预设阈值的像素点的数量，t为第一预设区域中像素点的数量；如果第一比例关系L大于等于第二预设阈值，则确定目标用户佩戴墨镜；如果第一比例关系L小于第二预设阈值，则确定目标用户没有佩戴墨镜。
本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现以下步骤：采集目标用户的图像，得到第一图像；从第一图像中提取人脸区域，得到第二图像；截取第二图像中的第一预设区域，第一预设区域为眼部区域；统计第一预设区域中灰度值小于第一预设阈值的像素点的数量；根据第一预设区域中灰度值小于第一预设阈值的像素点的数量判断目标用户是否佩戴墨镜；如果判断出目标用户没有佩戴墨镜，则计算第二图像对应的特征向量；获取目标数据库中多个预设人脸图像对应的特征向量；将第二图像对应的特征向量进行归一化处理，将多个预设人脸图像对应的特征向量分别进行归一化处理，计算归一化处理后的第二图像的特征向量与归一化处理后的多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度，根据计算得到的余弦相似度确定第二图像与多个预设人脸图像中每个预设人脸图像的相似度；判断计算出的所有相似度是否均小于预设相似度阈值；如果计算出的所有相似度均小于预设相似度阈值，则输出第一提示信息，第一提示信息用于提示目标用户验证失败；如果计算出的相似度中有至少一个大于或等于预设相似度阈值，则筛选出最大的相似度对应的预设人脸图像；将最大的相似度对应的预设人脸图像相关联的用户作为候选用户；输出第二提示信息，第二提示信息用于提示目标用户验证通过，并开启候选用户的用户权限。
可选地，程序指令被处理器加载并执行时还实现以下步骤：将第二图像对应的特征向量进行归一化处理，再进行转置处理后得到的向量作为第一向量，第一向量为1行m列的矩阵，m为第二图像对应的特征向量的维度；将n个预设人脸图像对应的特征向量分别进行归一化处理后得到的特征向量作为第二向量，第二向量为m行1列的矩阵，第二向量有n个，n为预设人脸图像的数量；将n个第二向量排列成第一矩阵，其中，第一矩阵为m行n列的矩阵；将第一向量与第一矩阵作矩阵乘法，得到第二向量，其中，第二向量为1行n列的矩阵，第二向量的第k个元素为第二图像对应的特征向量与第k个预设人脸图像对应的特征向量之间的余弦相似度，1≤k≤n。
可选地，程序指令被处理器加载并执行时还实现以下步骤：利用差分高斯算法对第二图像进行光照预处理，滤除第二图像的低频信息，保留第二图像的高频信息，得到高斯图像；对高斯图像进行图像直方图均衡化处理，得到灰度值均匀的图像；计算灰度值均匀的图像对应的特征向量，将计算得到的特征向量作为第二图像对应的特征向量。
可选地，程序指令被处理器加载并执行时还实现以下步骤：截取第二图像中的第一预设区域之后，对第一预设区域进行同态滤波处理；对经过同态滤波处理后的第一预设区域进行平滑滤波处理；对经过平滑滤波处理后的第一预设区域进行邻域最小值滤波处理；对经过邻域最小值滤波处理后的第一预设区域进行预设比例二值化处理，得到处理后的第二图像，计算第二图像对应的特征向量，包括：计算处理后的第二图像对应的特征向量。
可选地，程序指令被处理器加载并执行时还实现以下步骤：根据公式L＝t1/t计算第一比例关系，L为第一比例关系，t1为第一预设区域中灰度值小于第一预设阈值的像素点的数量，t为第一预设区域中像素点的数量；如果第一比例关系L大于等于第二预设阈值，则确定目标用户佩戴墨镜；如果第一比例关系L小于第二预设阈值，则确定目标用户没有佩戴墨镜。
图3是本发明实施例提供的一种计算机设备的示意图。如图3所示，该实施例的计算机设备50包括：处理器51、存储器52以及存储在存储器52中并可在处理器51上运行的计算机程序53，该计算机程序53被处理器51执行时实现实施例中的人脸识别方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器51执行时实现实施例中人脸识别装置中各模型/单元的功能，为避免重复，此处不一一赘述。
计算机设备50可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，处理器51、存储器52。本领域技术人员可以理解，图3仅仅是计算机设备50的示例，并不构成对计算机设备50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，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器51可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器52可以是计算机设备50的内部存储单元，例如计算机设备50的硬盘或内存。存储器52也可以是计算机设备50的外部存储设备，例如计算机设备50上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器52还可以既包括计算机设备50的内部存储单元也包括外部存储设备。存储器52用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器52还可以用于暂时地存储已经输出或者将要输出的数据。
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。
在本发明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，在本发明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，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (10)
1.一种人脸识别方法，其特征在于，所述方法包括：
采集目标用户的图像，得到第一图像；
从所述第一图像中提取人脸区域，得到第二图像；
截取所述第二图像中的第一预设区域，所述第一预设区域为眼部区域；
统计所述第一预设区域中灰度值小于第一预设阈值的像素点的数量；
根据所述第一预设区域中灰度值小于所述第一预设阈值的像素点的数量判断所述目标用户是否佩戴墨镜；
如果判断出所述目标用户没有佩戴墨镜，则计算所述第二图像对应的特征向量；
获取目标数据库中多个预设人脸图像对应的特征向量；
将所述第二图像对应的特征向量进行归一化处理，将所述多个预设人脸图像对应的特征向量分别进行归一化处理，计算归一化处理后的所述第二图像的特征向量与归一化处理后的所述多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度，根据计算得到的余弦相似度确定所述第二图像与所述多个预设人脸图像中每个预设人脸图像的相似度；
判断计算出的所有相似度是否均小于预设相似度阈值；
如果计算出的所有相似度均小于所述预设相似度阈值，则输出第一提示信息，所述第一提示信息用于提示所述目标用户验证失败；
如果计算出的相似度中有至少一个大于或等于所述预设相似度阈值，则筛选出最大的相似度对应的预设人脸图像；
将最大的相似度对应的预设人脸图像相关联的用户作为候选用户；
输出第二提示信息，所述第二提示信息用于提示所述目标用户验证通过，并开启所述候选用户的用户权限。
2.根据权利要求1所述的方法，其特征在于，所述将所述第二图像对应的特征向量进行归一化处理，将所述多个预设人脸图像对应的特征向量分别进行归一化处理，计算归一化处理后的所述第二图像的特征向量与归一化处理后的所述多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度，包括：
将所述第二图像对应的特征向量进行归一化处理，再进行转置处理后得到的向量作为第一向量，所述第一向量为1行m列的矩阵，m为所述第二图像对应的特征向量的维度；
将n个预设人脸图像对应的特征向量分别进行归一化处理后得到的特征向量作为第二向量，所述第二向量为m行1列的矩阵，第二向量有n个，n为预设人脸图像的数量；
将n个所述第二向量排列成第一矩阵，其中，所述第一矩阵为m行n列的矩阵；
将所述第一向量与所述第一矩阵作矩阵乘法，得到第二向量，其中，所述第二向量为1行n列的矩阵，所述第二向量的第k个元素为所述第二图像对应的特征向量与第k个预设人脸图像对应的特征向量之间的余弦相似度，1≤k≤n。
3.根据权利要求1所述的方法，其特征在于，所述计算所述第二图像对应的特征向量，包括：
利用差分高斯算法对所述第二图像进行光照预处理，滤除所述第二图像的低频信息，保留所述第二图像的高频信息，得到高斯图像；
对所述高斯图像进行图像直方图均衡化处理，得到灰度值均匀的图像；
计算所述灰度值均匀的图像对应的特征向量，将计算得到的特征向量作为所述第二图像对应的特征向量。
4.根据权利要求1所述的方法，其特征在于，所述截取所述第二图像中的第一预设区域之后，所述方法还包括：
对所述第一预设区域进行同态滤波处理；
对经过同态滤波处理后的所述第一预设区域进行平滑滤波处理；
对经过平滑滤波处理后的所述第一预设区域进行邻域最小值滤波处理；
对经过邻域最小值滤波处理后的所述第一预设区域进行预设比例二值化处理，得到处理后的所述第二图像，
所述计算所述第二图像对应的特征向量，包括：计算处理后的所述第二图像对应的特征向量。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述第一预设区域中灰度值小于所述第一预设阈值的像素点的数量判断所述目标用户是否佩戴墨镜，包括：
根据公式L＝t1/t计算第一比例关系，L为所述第一比例关系，t1为所述第一预设区域中灰度值小于所述第一预设阈值的像素点的数量，t为所述第一预设区域中像素点的数量；
如果所述第一比例关系L大于等于第二预设阈值，则确定所述目标用户佩戴墨镜；
如果所述第一比例关系L小于所述第二预设阈值，则确定所述目标用户没有佩戴墨镜。
6.一种人脸识别装置，其特征在于，所述装置包括：
采集单元，用于采集目标用户的图像，得到第一图像；
提取单元，用于从所述第一图像中提取人脸区域，得到第二图像；
截取单元，用于截取所述第二图像中的第一预设区域，所述第一预设区域为眼部区域；
统计单元，用于统计所述第一预设区域中灰度值小于第一预设阈值的像素点的数量；
第一判断单元，用于根据所述第一预设区域中灰度值小于所述第一预设阈值的像素点的数量判断所述目标用户是否佩戴墨镜；
第一计算单元，用于如果判断出所述目标用户没有佩戴墨镜，则计算所述第二图像对应的特征向量；
获取单元，用于获取目标数据库中多个预设人脸图像对应的特征向量；
第二计算单元，用于将所述第二图像对应的特征向量进行归一化处理，将所述多个预设人脸图像对应的特征向量分别进行归一化处理，计算归一化处理后的所述第二图像的特征向量与归一化处理后的所述多个预设人脸图像中每个预设人脸图像的特征向量之间的余弦相似度，根据计算得到的余弦相似度确定所述第二图像与所述多个预设人脸图像中每个预设人脸图像的相似度；
第二判断单元，用于判断计算出的所有相似度是否均小于预设相似度阈值；
第一输出单元，用于如果计算出的所有相似度均小于所述预设相似度阈值，则输出第一提示信息，所述第一提示信息用于提示所述目标用户验证失败；
筛选单元，用于如果计算出的相似度中有至少一个大于或等于所述预设相似度阈值，则筛选出最大的相似度对应的预设人脸图像；
确定单元，用于将最大的相似度对应的预设人脸图像相关联的用户作为候选用户；
第二输出单元，用于输出第二提示信息，所述第二提示信息用于提示所述目标用户验证通过，并开启所述候选用户的用户权限。
7.根据权利要求6所述的装置，其特征在于，所述第二计算单元包括：
第一计算子单元，用于将所述第二图像对应的特征向量进行归一化处理，再进行转置处理后得到的向量作为第一向量，所述第一向量为1行m列的矩阵，m为所述第二图像对应的特征向量的维度；
第二计算子单元，用于将n个预设人脸图像对应的特征向量分别进行归一化处理后得到的特征向量作为第二向量，所述第二向量为m行1列的矩阵，第二向量有n个，n为预设人脸图像的数量；
排列子单元，用于将n个所述第二向量排列成第一矩阵，其中，所述第一矩阵为m行n列的矩阵；
第三计算子单元，用于将所述第一向量与所述第一矩阵作矩阵乘法，得到第二向量，其中，所述第二向量为1行n列的矩阵，所述第二向量的第k个元素为所述第二图像对应的特征向量与第k个预设人脸图像对应的特征向量之间的余弦相似度，1≤k≤n。
8.根据权利要求6所述的装置，其特征在于，所述第一计算单元包括：
第一处理子单元，用于利用差分高斯算法对所述第二图像进行光照预处理，滤除所述第二图像的低频信息，保留所述第二图像的高频信息，得到高斯图像；
第二处理子单元，用于对所述高斯图像进行图像直方图均衡化处理，得到灰度值均匀的图像；
第四计算子单元，用于计算所述灰度值均匀的图像对应的特征向量，将计算得到的特征向量作为所述第二图像对应的特征向量。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的人脸识别方法。
10.一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于：所述程序指令被处理器加载并执行时实现权利要求1至5任意一项所述的人脸识别方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910039146.XA CN109657652A (zh) | 2019-01-16 | 2019-01-16 | 一种人脸识别方法和装置 |
| PCT/CN2019/091099 WO2020147257A1 (zh) | 2019-01-16 | 2019-06-13 | 一种人脸识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910039146.XA CN109657652A (zh) | 2019-01-16 | 2019-01-16 | 一种人脸识别方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109657652A true CN109657652A (zh) | 2019-04-19 |
Family
ID=66120067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910039146.XA Pending CN109657652A (zh) | 2019-01-16 | 2019-01-16 | 一种人脸识别方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109657652A (zh) |
| WO (1) | WO2020147257A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110516656A (zh) * | 2019-09-04 | 2019-11-29 | 上海眼控科技股份有限公司 | 视频监控方法、装置、计算机设备和可读存储介质 |
| CN111179880A (zh) * | 2019-12-26 | 2020-05-19 | 恒大新能源汽车科技(广东)有限公司 | 一种显示屏幕的亮度调节方法、装置、电子设备及系统 |
| CN111310743A (zh) * | 2020-05-11 | 2020-06-19 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、电子设备及可读存储介质 |
| CN111507293A (zh) * | 2020-04-22 | 2020-08-07 | 浙江工业大学 | 基于图卷积模型的信号分类方法 |
| CN116188805A (zh) * | 2023-04-26 | 2023-05-30 | 青岛尘元科技信息有限公司 | 海量图像的图像内容分析方法、装置和图像信息网络 |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112215822B (zh) * | 2020-10-13 | 2023-04-07 | 北京中电兴发科技有限公司 | 一种基于轻量级回归网络的人脸图像质量评估方法 |
| CN112183480A (zh) * | 2020-10-29 | 2021-01-05 | 深圳奥比中光科技有限公司 | 一种人脸识别方法、装置、终端设备及存储介质 |
| CN112434578B (zh) * | 2020-11-13 | 2023-07-25 | 浙江大华技术股份有限公司 | 口罩佩戴规范性检测方法、装置、计算机设备和存储介质 |
| CN113033373A (zh) * | 2021-03-19 | 2021-06-25 | 北京百度网讯科技有限公司 | 用于训练人脸识别模型及识别人脸的方法及相关装置 |
| CN113239218B (zh) * | 2021-05-14 | 2022-08-23 | 南京甄视智能科技有限公司 | 在具有npu的设备上并发执行人脸搜索的方法 |
| CN113505765B (zh) * | 2021-09-09 | 2022-02-08 | 北京轻松筹信息技术有限公司 | 基于用户头像的年龄预测方法、装置及电子设备 |
| CN114817986A (zh) * | 2022-04-24 | 2022-07-29 | 海信集团控股股份有限公司 | 一种保护人脸图像隐私的方法及电子设备 |
| CN115909434B (zh) * | 2022-09-07 | 2023-07-04 | 以萨技术股份有限公司 | 一种获取人脸图像特征的数据处理系统 |
| CN116453173B (zh) * | 2022-12-16 | 2023-09-08 | 南京奥看信息科技有限公司 | 一种基于图片区域分割技术的图片处理方法 |
| CN115880761B (zh) * | 2023-02-09 | 2023-05-05 | 数据空间研究院 | 基于策略优化的人脸识别方法、系统、存储介质及应用 |
| CN117113321B (zh) * | 2023-09-04 | 2024-01-30 | 北京锐融天下科技股份有限公司 | 一种以脸搜脸的图像搜索方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093210A (zh) * | 2013-01-24 | 2013-05-08 | 北京天诚盛业科技有限公司 | 人脸识别中眼镜的鉴别方法及装置 |
| CN103745235A (zh) * | 2013-12-18 | 2014-04-23 | 小米科技有限责任公司 | 人脸识别方法、装置及终端设备 |
| CN109214273A (zh) * | 2018-07-18 | 2019-01-15 | 平安科技（深圳）有限公司 | 人脸图像比对方法、装置、计算机设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105320921B (zh) * | 2014-07-31 | 2019-07-19 | 腾讯科技（深圳）有限公司 | 双眼定位方法及双眼定位装置 |
| JP6630999B2 (ja) * | 2014-10-15 | 2020-01-15 | 日本電気株式会社 | 画像認識装置、画像認識方法、および、画像認識プログラム |
| CN108460319B (zh) * | 2017-02-22 | 2021-04-20 | 浙江宇视科技有限公司 | 异常人脸检测方法及装置 |
| CN107622243B (zh) * | 2017-09-21 | 2021-03-12 | Oppo广东移动通信有限公司 | 解锁控制方法及相关产品 |
| CN108985232A (zh) * | 2018-07-18 | 2018-12-11 | 平安科技（深圳）有限公司 | 人脸图像比对方法、装置、计算机设备及存储介质 |
-
2019
- 2019-01-16 CN CN201910039146.XA patent/CN109657652A/zh active Pending
- 2019-06-13 WO PCT/CN2019/091099 patent/WO2020147257A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093210A (zh) * | 2013-01-24 | 2013-05-08 | 北京天诚盛业科技有限公司 | 人脸识别中眼镜的鉴别方法及装置 |
| CN103745235A (zh) * | 2013-12-18 | 2014-04-23 | 小米科技有限责任公司 | 人脸识别方法、装置及终端设备 |
| CN109214273A (zh) * | 2018-07-18 | 2019-01-15 | 平安科技（深圳）有限公司 | 人脸图像比对方法、装置、计算机设备及存储介质 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110516656A (zh) * | 2019-09-04 | 2019-11-29 | 上海眼控科技股份有限公司 | 视频监控方法、装置、计算机设备和可读存储介质 |
| CN111179880A (zh) * | 2019-12-26 | 2020-05-19 | 恒大新能源汽车科技(广东)有限公司 | 一种显示屏幕的亮度调节方法、装置、电子设备及系统 |
| CN111507293A (zh) * | 2020-04-22 | 2020-08-07 | 浙江工业大学 | 基于图卷积模型的信号分类方法 |
| CN111310743A (zh) * | 2020-05-11 | 2020-06-19 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、电子设备及可读存储介质 |
| CN111310743B (zh) * | 2020-05-11 | 2020-08-25 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、电子设备及可读存储介质 |
| CN116188805A (zh) * | 2023-04-26 | 2023-05-30 | 青岛尘元科技信息有限公司 | 海量图像的图像内容分析方法、装置和图像信息网络 |
| CN116188805B (zh) * | 2023-04-26 | 2023-08-04 | 青岛尘元科技信息有限公司 | 海量图像的图像内容分析方法、装置和图像信息网络 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020147257A1 (zh) | 2020-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109657652A (zh) | 一种人脸识别方法和装置 | |
| CN103093210B (zh) | 人脸识别中眼镜的鉴别方法及装置 | |
| US20180034852A1 (en) | Anti-spoofing system and methods useful in conjunction therewith | |
| CN106845331B (zh) | 一种图像处理方法及终端 | |
| CN108229335A (zh) | 关联人脸识别方法和装置、电子设备、存储介质、程序 | |
| KR20180065889A (ko) | 타겟의 검측 방법 및 장치 | |
| CN111461165A (zh) | 图像识别方法、识别模型的训练方法及相关装置、设备 | |
| CN108229419A (zh) | 用于聚类图像的方法和装置 | |
| CN109902561A (zh) | 一种应用于机器人的人脸识别方法和装置、机器人 | |
| CN110009050A (zh) | 一种细胞的分类方法及装置 | |
| CN105405130B (zh) | 基于聚类的证照图像高光检测方法及装置 | |
| CN106778613A (zh) | 一种基于人脸分割区域匹配的身份验证方法及装置 | |
| CN106056523B (zh) | 数字图像拼接篡改盲检测方法 | |
| Su et al. | A novel forgery detection algorithm for video foreground removal | |
| CN109993221A (zh) | 一种图像分类方法及装置 | |
| CN110489659A (zh) | 数据匹配方法和装置 | |
| CN108805005A (zh) | 身份验证方法和装置、电子设备、计算机程序和存储介质 | |
| CN109919002A (zh) | 黄色禁停线识别方法、装置、计算机设备及存储介质 | |
| CN109871845A (zh) | 证件图像提取方法及终端设备 | |
| CN109583364A (zh) | 图像识别方法及设备 | |
| CN111626163A (zh) | 一种人脸活体检测方法、装置及计算机设备 | |
| Li et al. | Quality assessment for fingerprints collected by smartphone cameras | |
| Thamaraimanalan et al. | Multi biometric authentication using SVM and ANN classifiers | |
| CN109117810A (zh) | 疲劳驾驶行为检测方法、装置、计算机设备及存储介质 | |
| Xiang et al. | ObjectSeeker: Certifiably robust object detection against patch hiding attacks via patch-agnostic masking |
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: 20190419 |
|
| RJ01 | Rejection of invention patent application after publication |