CN109684951A - 人脸识别方法、底库录入方法、装置及电子设备 - Google Patents
人脸识别方法、底库录入方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109684951A CN109684951A CN201811522057.2A CN201811522057A CN109684951A CN 109684951 A CN109684951 A CN 109684951A CN 201811522057 A CN201811522057 A CN 201811522057A CN 109684951 A CN109684951 A CN 109684951A
- Authority
- CN
- China
- Prior art keywords
- face
- facial image
- image
- angle
- user
- 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
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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种人脸识别方法、底库录入方法、装置和电子设备,涉及图像处理技术领域。本发明实施例提供的人脸识别方法、装置和电子设备,获取待识别用户的第一人脸图像;基于第一人脸图像和预存的底库数据,确定人脸识别结果。其中,底库数据中包括至少两个个角度的第二人脸图像或至少两个角度的第二人脸图像对应的特征向量;所述角度为图像中人脸的偏转角度。与现有技术中只采集一张正面人脸图像作为底库数据相比,缓解了当待识别用户的头部存在偏转角度时不能识别的问题,有助于提高人脸识别的成功率,提高用户体验。
Description
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种人脸识别方法、底库录入方法、装置及电子设备。
背景技术
人脸识别技术在近几年迅速发展,在人们的日常生活中应用日益广泛。例如,在人脸解锁、刷脸付款等多种场景中,均会使用人脸识别技术。人脸识别技术主要用于对待识别用户进行身份验证。目前,电子设备可以采集待识别用户的人脸图像,利用人脸识别技术将采集的人脸图像与底库图像进行比对,进而进行身份验证。
由于现有的底库图像往往只包括一张正面人脸的图像,在进行人脸识别操作时,如果待识别用户的人脸角度不正,比如存在抬头、侧头或低头等情况时,电子设备采集的待识别用户的人脸图像与底库图像不完全一致,常常导致比对失败,需要再次采集待识别用户的人脸图像重新进行比对,延长了操作时长,降低了用户体验。
发明内容
有鉴于此,本发明的目的在于提供一种人脸识别方法、底库录入方法、装置及电子设备,有助于提高人脸识别的成功率。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种人脸识别方法,所述方法包括:
获取待识别用户的第一人脸图像;
基于所述第一人脸图像和预存的底库数据,确定人脸识别结果;所述底库数据包括至少两个角度的第二人脸图像和/或至少两个角度的第二人脸图像对应的特征向量;所述角度为图像中人脸的偏转角度。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述至少两个角度包括以下角度中的至少两个:正脸、抬头、低头、左侧脸、右侧脸、左斜抬头、右斜抬头、左斜低头、右斜低头。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,所述第二人脸图像的获取方法包括:
在所述的至少两个角度对应的每个角度区域内,分别获取所述待识别用户的一张人脸图像,作为每个角度对应的所述第二人脸图像。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述的至少两个角度对应的每个角度区域内,分别获取用户的一张人脸图像,作为每个角度对应的所述第二人脸图像的步骤,包括:
提示所述待识别用户连续转动头部;
获取所述待识别用户头部转动过程中的多个图像帧;
从每个所述角度区域内的图像帧中,选择一个图像帧作为每个角度对应的所述第二人脸图像。
结合第一方面的第三种可能的实施方式,本发明实施例提供了第一方面的第四种可能的实施方式,其中,
从每个所述角度区域内的图像帧中,选择一个图像帧作为每个角度对应的所述第二人脸图像的步骤,包括:
确定获取的当前图像帧中人脸的偏转角度及对应的第一角度区域;
判断所述第一角度区域是否已经存在对应的第二人脸图像;
如果否,并且所述当前图像帧的质量符合要求,将当前图像帧作为所述第一角度区域对应的所述第二人脸图像;如果所述当前图像帧至少满足以下条件之一,判定所述当前图像帧的质量符合要求;所述条件包括:所述图像帧的清晰度达到设定的清晰度阈值,所述图像帧的亮度达到设定的亮度阈值。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,
如果所述底库数据包括至少两个角度的第二人脸图像;基于所述第一人脸图像和预存的底库数据,确定人脸识别结果的步骤,包括:
提取所述第一人脸图像和至少两个角度的所述第二人脸图像的特征向量;
分别计算所述第一人脸图像的特征向量与每个所述第二人脸图像的特征向量的相似度,得到至少两个相似度值;
基于所述至少两个相似度值,确定人脸识别结果。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,如果所述底库数据包括至少两个角度的第二人脸图像对应的特征向量;基于所述第一人脸图像和预存的底库数据,确定人脸识别结果的步骤,包括:
提取所述第一人脸图像的特征向量;
分别计算所述第一人脸图像的特征向量与每个所述第二人脸图像对应的特征向量的相似度,得到至少两个相似度值;
基于至少两个所述相似度值,确定人脸识别结果。
结合第一方面的第五种或第六种可能的实施方式,本发明实施例提供了第一方面的第七种可能的实施方式,其中,基于至少两个所述相似度值,确定人脸识别结果的步骤,包括:
根据至少两个所述相似度值确定融合相似度值;
比较所述融合相似度值与设定阈值的大小,得到人脸识别结果。
结合第一方面的第七种可能的实施方式,本发明实施例提供了第一方面的第八种可能的实施方式,其中,根据至少两个所述相似度值确定融合相似度值的步骤,包括:
将每个相似度值与对应的融合因子的乘积相加,得到融合相似度值;其中,所有融合因子之和为一。
结合第一方面的第五种或第六种可能的实施方式,本发明实施例提供了第一方面的第九种可能的实施方式,其中,基于所述至少两个相似度值,确定人脸识别结果的步骤,包括:
将每个相似度值与设定阈值进行比较;
根据大于或等于设定阈值的相似度值的个数是否达到预设数量,确定人脸识别结果。
结合第一方面,本发明实施例提供了第一方面的第十种可能的实施方式,其中,所述获取待识别用户的第一人脸图像的步骤之后,所述方法还包括:
基于所述第一人脸图像进行活体检测;
结合活体检测结果和所述人脸识别结果,确定最终认证结果。
第二方面,本发明实施例提供了一种底库录入方法,所述方法包括:
获取用户的至少两个角度的人脸图像;所述角度为图像中人脸的偏转角度;
将获取的人脸图像和/或人脸图像对应的特征向量保存至底库数据中。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,获取用户的至少两个角度的人脸图像的步骤,包括:
提示所述用户连续转动头部;
获取所述用户头部转动过程中的多个图像帧;
从所述的至少两个角度对应的每个角度区域内的图像帧中,选择一个图像帧作为每个角度对应的人脸图像。
第三方面,本发明实施例提供了一种人脸识别装置,所述装置包括:
图像获取模块,用于获取待识别用户的第一人脸图像;
人脸识别模块,用于基于所述第一人脸图像和预存的底库数据,确定人脸识别结果;所述底库数据包括至少两个角度的第二人脸图像和/或至少两个角度的第二人脸图像对应的特征向量;所述角度为图像中人脸的偏转角度。
第四方面,本发明实施例提供了一种底库录入装置,所述装置包括:
获取模块,用于获取用户的至少两个角度的人脸图像;所述角度为图像中人脸的偏转角度;
录入模块,用于将获取的人脸图像和/或人脸图像对应的特征向量保存至底库中。
第五方面,本发明实施例提供了一种电子设备,包括:处理器和存储装置;所述存储装置上存储有计算机程序,所述计算机程序在被所述处理器运行时执行第一方面中任一项或第二方面中任一项所述的方法。
第六方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述第一方面中任一项或第二方面中任一项所述的方法的步骤。
本发明实施例提供的人脸识别方法、底库录入方法、装置和电子设备,获取待识别用户的第一人脸图像;基于第一人脸图像和预存的底库数据,确定人脸识别结果。其中,底库数据中包括至少两个角度的第二人脸图像或多个角度的第二人脸图像对应的特征向量。与现有技术中只采集一张正面人脸图像作为底库数据相比,缓解了当待识别用户的头部存在偏转角度时不能识别的问题,有助于提高人脸识别的成功率,提高用户体验。
本发明的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种电子设备的结构示意图;
图2示出了本发明实施例所提供的一种人脸识别方法的流程图;
图3示出了本发明实施例所提供的一种底库数据中的人脸图像的人脸偏转角度的示意图;
图4示出了本发明实施例所提供的另一种人脸识别方法的流程图;
图5示出了本发明实施例所提供的一种底库录入方法的流程图;
图6示出了本发明实施例所提供的一种角度区域划分方式的示意图;
图7示出了本发明实施例所提供的一种人脸识别装置的结构框图;
图8示出了本发明实施例所提供的一种底库录入装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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,都属于本发明保护的范围。
下文中所用的词语“示例性”的意思为“用作例子、实施例或说明性”。作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本发明,在下文的具体实施方式中给出了很多具体细节。本领域技术人员应当理解,没有某些具体细节,本发明同样可以实施。为了更加凸显本发明的主旨,在一些实施例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述。
由于现有的底库图像往往只包括一张正面人脸的图像,在进行人脸识别操作时,如果待识别用户的人脸角度不正,比如存在抬头、侧头或低头等情况时,电子设备采集的待识别用户的人脸图像与底库图像不完全一致,常常导致比对失败,降低了用户体验。基于此,本发明实施例提供的一种人脸识别方法、底库录入方法、装置及电子设备,有助于提高人脸识别的成功率。
实施例一:
首先,参照图1来描述用于实现本发明实施例的人脸识别方法、底库录入方法和装置的示例电子设备100。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(CPU)、图形处理单元(Graphics ProcessingUnit,GPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。例如,图像采集装置110可以用于拍摄待识别用户的人脸图像等,可选地,图像采集装置110可以是红外相机或RGB(彩色)相机,红外相机包括红外光发射器和图像采集器。红外光发射器可以发射红外光,图像采集器红外光照射下的待识别用户的红外图像。
示例性地,用于实现根据本发明实施例的人脸识别方法和装置的示例电子设备100可以被实现在电子相机或身份验证设备(如打卡机、人证一体机等)上,也可以被实现在诸如智能手机、平板电脑等移动终端上,还可以被实现在自助服务机、挂号机等固定设施上。
实施例二:
以下结合附图和具体实施方式详细介绍本发明实施例提供的人脸识别方法。需要说明的是,附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图2示出了本发明实施例所提供的一种人脸识别方法的流程图,如图2所示,该方法包括如下步骤:
步骤S202,获取待识别用户的第一人脸图像。
其中,待识别用户的第一人脸图像可以是图片格式的图像,也可以是视频中的图像帧,本发明实施例不作限制。电子设备可以通过图像采集装置获取待识别用户的第一人脸图像。例如,电子设备在执行某些操作时,需要通过图像采集装置拍摄待识别用户的第一人脸图像,上述操作包括但不限于人脸解锁操作、刷脸付款操作等。
步骤S204,基于第一人脸图像和预存的底库数据,确定人脸识别结果。
其中,在一种可选的实施例中,底库数据可以包括至少两个角度的第二人脸图像,或者包括至少两个角度的第二人脸图像对应的特征向量;在另一种可选的实施例中,底库数据可以包括至少两个角度的第二人脸图像和至少两个角度的第二人脸图像对应的特征向量。其中,角度指图像中人脸的偏转角度。人脸的偏转角度也可以理解为人的头部的姿态角度,包括头部归一化球坐标系中的人脸的俯仰角度和左右转动角度,其中,俯仰角度表示竖直方向上人脸低头或抬头的角度,左右转动角度表示水平方向上人脸左侧脸或右侧脸的角度。人脸的偏转角度还可以包括人脸的倾斜角度,即人歪头时人脸的角度。当俯仰角度、左右转动角度和歪头角度均趋向于0时,可以认为人脸处于正脸状态。
例如,可以采用头部绕x轴、y轴和z轴转动的不同角度,来描述人脸的偏转角度。例如,设用户正脸面对图像采集装置时,相对于x轴、y轴和z轴的转动角度均为0。当用户低头30°时,可以视为绕x轴转动了30°,当用户抬头30°时,可以视为绕x轴转动了-30°;当用户头部向右侧转动30°时,可以视为绕y轴转动了30°,当用户头部向左侧转动30°时,可以视为绕y轴转动了-30°;当用户头部向右侧倾斜30°时,可以视为绕z轴转动了30°,当用户头部向左侧倾斜30°时,可以视为绕z轴转动了-30°。
例如,在刷脸付款应用场景中,电子设备可以在用户注册阶段采集用户的第二人脸图像录入底库数据。在人脸解锁应用场景中,电子设备可以在初始化阶段采集用户的第二人脸图像录入底库数据。在录入底库数据时,可以在用户转动头部的过程中,采集用户的多个不同角度的第二人脸图像,将多个角度的第二人脸图像录入底库数据;或者分别提取多个角度的第二人脸图像的特征向量,例如,可以通过卷积神经网络分别提取多个不同角度的第二人脸图像的特征向量,将多个角度的第二人脸图像对应的特征向量录入底库数据。
在人脸识别过程中,将待识别用户的第一人脸图像分别与底库数据中的每张第二人脸图像进行比对,得到多个相似度值。结合多个相似度值,确定人脸识别结果。
与现有技术中只采集一张正面人脸图像作为底库数据相比,本发明实施例提供的人脸识别方法,缓解了当待识别用户的头部存在偏转角度时不能识别的问题,有助于提高人脸识别的成功率,提高用户体验。
在一种可选的实施例中,为了使预存的底库数据中的第二人脸图像,可以较全面的覆盖用户的头部处于不同位姿时的状态。可以对应于图3所示的“米”字型八个角度中的每个角度均预存第二人脸图像,即在底库数据中,预存九张第二人脸图像,每张人脸图像对应的角度分别为:正脸、抬头、低头、左侧脸、右侧脸、左斜抬头、右斜抬头、左斜低头、右斜低头。可以理解的是,在部分实施例中,也可以预存多于或少于九张第二人脸图像,例如,可以预存上述九个角度中至少两个角度的人脸图像。
获取待识别用户的第二人脸图像时,可以在所述的至少两个角度对应的每个角度区域内,分别获取待识别用户的一张人脸图像,作为每个角度对应的第二人脸图像。具体包括如下步骤:
(1)提示待识别用户连续转动头部。
在提示待识别用户连续转动头部之前或之后,电子设备可以提示待识别用户正视电子设备的图像采集装置,通过图像采集装置拍摄用户的一张正脸图像,判断该正脸图像的质量是否符合要求。如果该正脸图像的质量符合要求,则将该正脸图像录入底库数据,否则,再次通过图像采集装置拍摄用户的正脸图像,直至拍摄的正脸图像的质量符合要求为止。
示例性地,可以采用如下条件中的至少一个条件,判断该正脸图像的质量是否符合要求。所述条件包括:该正脸图像的清晰度是否达到设定的清晰度阈值,该正脸图像的亮度是否达到设定的亮度阈值。
例如,可以采用图像清晰度算法(如Brenner梯度函数)确定正脸图像的清晰度,如果正脸图像的清晰度大于或等于设定的清晰度阈值,则该正脸图像的质量符合要求。可以根据正脸图像中每个像素点的亮度值,确定该正脸图像的亮度,如果该正脸图像的亮度大于或等于设定的亮度阈值,则该正脸图像的质量符合要求。
在一种具体实施例中,当正脸图像同时满足以下所有条件时,认为该正脸图像的质量符合要求。所述条件包括:该正脸图像的清晰度达到设定的清晰度阈值,该正脸图像的亮度达到设定的亮度阈值。
(2)获取所述待识别用户头部转动过程中的多个图像帧。
(3)从每个角度区域内的图像帧中,选择一个图像帧作为每个角度对应的第二人脸图像。
根据用户头部相对于三个坐标轴的转动角度,可以将用户头部可处的位姿(即人脸的偏转角度)划分为多个角度区域。示例性地,在一种可选的实施例中,可以根据用户头部相对于x轴和y轴的转动角度,即用户头部的俯仰角度或左右转动角度,将用户头部可处的位姿平均划分为八个角度区域,如图6所示。其中,角度区域1为用户头部的俯仰角度在16°~32°之间,左右转动角度在-8°~8°之间的一个扇形区域;角度区域2为用户头部的俯仰角度在4°~20°之间,左右转动角度在4°~20°之间的一个扇形区域;角度区域3为用户头部的俯仰角度在-8°~8°之间,左右转动角度在16°~32°之间的一个扇形区域;角度区域4为用户头部的俯仰角度在-20°~-4°之间,左右转动角度在4°~20°之间的一个扇形区域;角度区域5为用户头部的俯仰角度在-32°~-16°之间,左右转动角度在-8°~8°之间的一个扇形区域;角度区域6为用户头部的俯仰角度在-20°~-4°之间,左右转动角度在-20°~-4°之间的一个扇形区域;角度区域7为用户头部的俯仰角度在-8°~8°之间,左右转动角度在-32°~-16°之间的一个扇形区域;角度区域8为用户头部的俯仰角度在4°~20°之间,左右转动角度在-20°~-4°之间的一个扇形区域。可以理解的是,图6仅是示例性地给出了八个角度区域的一种划分方式,在不同的实施例中,八个角度区域可以采用不同于图6的其它方式进行划分。
在另外一些实施例中,也可以根据用户头部相对于x轴和y轴的转动角度,将用户头部可处的位姿平均划分为四个角度区域或六个角度区域。
在录入底库数据时,电子设备可以提示用户连续转动头部,通过图像采集装置获取用户头部转动过程中的多个图像帧,确定获取的当前图像帧中人脸的偏转角度及对应的第一角度区域。确定图像帧中的人脸角度后,即可以确定其对应的角度区域。例如,如果一个图像帧中的人脸角度为俯仰角度为16°,左右转动角度为0°,即用户抬头16°,无左右转动。则按照图6中设定的八个角度区域,可以确定该图像帧中的人脸角度对应于角度区域1,将角度区域1作为当前图像帧对应的第一角度区域。
判断第一角度区域是否已经存在对应的第二人脸图像;如果是,丢弃该图像帧,继续采集下一图像帧;如果否,判断当前图像帧的质量是否符合要求。如果符合要求,将当前图像帧作为第一角度区域对应的第二人脸图像;如果不符合要求,丢弃该图像帧,继续采集下一图像帧。如果第一角度区域已经存在对应的第二人脸图像,则无需对当前图像帧进行质量检测,因此可以节约程序。
为了保证底库数据中的每张人脸图像均可以用于进行人脸识别,在录入底库数据时,可以判断每个图像帧的质量是否符合要求。具体地,可以采用如下条件中的至少一个条件,判断图像帧的质量是否符合要求。所述条件包括:图像帧的清晰度是否达到设定的清晰度阈值,图像帧的亮度是否达到设定的亮度阈值。在一种可选的实施例中,当图像帧满足以下所有条件时,认为所述图像帧的质量符合要求。所述条件包括:图像帧的清晰度达到设定的清晰度阈值,以及图像帧的亮度达到设定的亮度阈值。
判断每个角度区域是否均存在对应的第二人脸图像,如果是,结束;如果否,继续获取下一图像帧,从而保证在每个角度区域中均有一张人脸图像。如果存在没有采集人脸图像的角度区域,则可以再次通过图像采集装置获取用户头部转动过程中的多个图像帧,从中选择该角度区域的人脸图像。
可以理解的是,用于进行人脸识别的底库数据的人脸图像中人脸的偏转角度不能过大,过大的偏转角度可能无法表达人脸部的主要特征,因此,上述设定的角度范围为不影响人脸识别的最大可允许偏转角度范围。示例性地,该角度范围可以是人脸角度的俯仰角度在-32°~32°之间,且左右转动角度为-32°~32°之间。
在一个具体实施例中,如果设置了八个角度区域,则可以选择九张人脸图像录入底库数据,其中包括一张正脸图像和八个角度区域分别对应的八张人脸图像。
在进行人脸识别时,可选地,如果底库数据包括多个角度的第二人脸图像,可以提取第一人脸图像和多个第二人脸图像的特征向量,分别计算第一人脸图像的特征向量与每个第二人脸图像的特征向量的相似度,得到多个相似度值。如果底库数据包括多个角度的第二人脸图像对应的特征向量,可以提取第一人脸图像的特征向量,分别计算第一人脸图像的特征向量与每个第二人脸图像对应的特征向量的相似度,得到多个相似度值。
例如,可以通过卷积神经网络分别提取第一人脸图像或多个第二人脸图像的特征向量,采用距离度量函数计算第一人脸图像的特征向量与每个第二人脸图像的特征向量之间的相似度值。距离度量函数可以采用欧式距离函数(如L2距离函数)、曼哈顿距离函数、夹角余弦函数、切比雪夫距离函数、汉明距离函数或马氏距离函数中的一种。
基于上述得到的多个相似度值,确定人脸识别结果。在一种可选的实施例中,可以根据多个相似度值确定融合相似度值。例如,可以将每个相似度值与对应的融合因子的乘积相加,得到融合相似度值;其中,所有融合因子之和为一。比较融合相似度值与设定阈值的大小,得到人脸识别结果。如果融合相似度值大于或等于设定阈值,则人脸识别结果为通过。如果融合相似度值小于设定阈值,则人脸识别结果为未通过。
在另一种可选的实施例中,可以将每个相似度值与设定阈值进行比较,根据大于或等于设定阈值的相似度值的个数是否达到预设数量,确定人脸识别结果。例如,如果底库数据中包括九张第二人脸图像,计算第一人脸图像的特征向量与每个第二人脸图像对应的特征向量的相似度,得到九个相似度值。依次将每个相似度值与设定阈值进行比较,统计大于或等于设定阈值的相似度值的个数,如果统计的个数达到预设数量,则人脸识别结果为通过。如果统计的个数未达到预设数量,则人脸识别结果为未通过。示例性地,假设预设数量为6,大于或等于设定阈值的相似度值的个数为7,大于预设数量,则人脸识别结果为通过。
可选地,为了防止他人采用用户的照片、屏幕翻拍或佩戴3D面具等攻击形式通过人脸识别,在获取待识别用户的第一人脸图像之后,可以基于第一人脸图像进行活体检测,结合活体检测结果和上述人脸识别结果,确定最终认证结果。
如果最终认证为通过,电子设备可以进行后续的解锁或付款等操作。
实施例三:
在上述实施例二的基础上,本实施例提供了一种人脸识别方法的具体实现方案。图4示出了本实施例所提供的一种人脸识别方法的流程图,如图4所示,该方法包括如下步骤:
步骤S402,通过图像采集装置获取待识别图像。
例如,在人脸解锁场景中,启动人脸解锁程序后,电子设备获取处于图像采集装置视野范围内的待识别图像。该图像采集装置可以是红外相机,也可以是彩色相机。如果图像采集装置为红外相机,则获取的待识别图像为红外图像;如果图像采集装置为彩色相机,则获取的待识别图像为彩色图像。无论拍摄的图像是红外图像还是彩色图像,均可以采用下述方法进行人脸识别。
步骤S404,判断待识别图像中是否包含人脸;如果是,执行步骤S406,如果否,返回执行步骤S402。
如果待识别图像中不包含人脸,则返回步骤S402重新获取待识别图像。
步骤S406,判断人脸的质量是否符合要求;如果是,执行步骤S408,如果否,返回执行步骤S402。
当待识别图像中的人脸至少满足以下条件之一时,可以认为人脸的质量符合要求。所述条件包括但不限于:人脸的大小位于设定大小范围内、人脸无遮挡、人脸的角度位于设定角度范围内或人脸的清晰度达到设定的清晰度阈值。具体地,可以采用现有的或将来的人脸检测方法确定人脸有无遮挡、人脸的大小和人脸的角度。示例性地,人脸的设定大小范围可以是人脸在拍摄的图像中的面积占比在15%至75%之间,计算人脸所占的区域与整幅图像的面积的比值,如果位于设定大小范围内,则人脸的质量符合要求。可以采用图像清晰度算法确定人脸的清晰度,如果人脸的清晰度大于或等于设定的清晰度阈值,则人脸的质量符合要求。
例如,在一种具体实施例中,当待识别图像中的人脸满足以下所有条件时,认为所述人脸的质量符合要求。所述条件包括:人脸的大小位于设定大小范围内、人脸无遮挡、人脸的角度位于设定角度范围内,以及人脸的清晰度达到设定的清晰度阈值。
步骤S408,基于待识别图像进行活体检测。
如果待识别图像中人脸的质量符合要求,将待识别图像作为待识别用户的第一人脸图像,基于所述第一人脸图像进行活体检测。在一种可选的实施例中,可以根据第一人脸图像中的光线的明暗变化进行活体检测。一般来说,活体图像中人脸不同部位的光线的明暗变化与照片图像或3D面具等虚假人脸形成的图像的光线明暗变化不同。具体地说,3D面具等虚假人脸与真实人脸的亚表面散射程度不同,例如,由一般的纸或塑料等材质制成的面具的亚表面散射程度远弱于真实人脸,而由一般的硅胶等材质制成的面具的亚表面散射程度远强于真实人脸,因此,3D面具等虚假人脸形成的图像的光线明暗变化与真实人脸不同。所以,可以根据第一人脸图像中的光线的明暗变化进行活体检测。
在另一种可选的实施例中,电子设备可以先发出活体动作指令,所述活体动作指令用于指示待识别用户执行对应的活体动作,如眨眼、张嘴或鼓腮等。获取实时采集的待识别用户的第一人脸图像,判断第一人脸图像中的人脸是否执行了活体动作指令所指示的活体动作,以获得活体检测结果。如果待识别用户执行了活体动作指令所指示的活体动作且动作合格,则活体检测通过。如果待识别用户没有执行活体动作指令所指示的活体动作,或者执行的活体动作不合格,则活体检测未通过。
步骤S410,提取待识别图像的特征向量。
如果待识别图像中人脸的质量符合要求,将待识别图像作为待识别用户的第一人脸图像,提取所述第一人脸图像的特征向量。
步骤S412,分别计算待识别图像的特征向量与预存的每个第二人脸图像的特征向量的相似度,得到多个相似度值。
如果底库数据包括多个角度的第二人脸图像,可以先通过卷积神经网络分别提取第一人脸图像和多个第二人脸图像的特征向量;如果底库数据包括多个角度的第二人脸图像对应的特征向量,可以通过卷积神经网络提取第一人脸图像的特征向量,然后分别计算第一人脸图像的特征向量与每个第二人脸图像对应的特征向量的相似度,得到多个相似度值。
步骤S414,根据多个相似度值确定融合相似度值,基于融合相似度值确定人脸识别结果。
在一个具体实施例中,可以将每个相似度值与对应的融合因子的乘积相加,得到融合相似度值,所有融合因子之和为一。可以通过如下融合函数表示:
其中,
式中,S为融合相似度值,scorei为第i个相似度值,ai为第i个相似度值对应的融合因子,融合因子ai为预先设定的值,不同的角度区域可以对应不同的ai值,例如,可以预先通过试验选定较优的ai值,将选定的ai值与角度区域对应保存;通常正脸角度对应的ai值可以大于其它角度区域对应的ai值;n为设定的角度区域的个数。
如果融合相似度值S大于或等于设定阈值,则人脸识别结果为通过。如果融合相似度值S小于设定阈值,则人脸识别结果为未通过。
步骤S416,基于人脸识别结果和活体检测结果,确定最终认证结果。
结合人脸识别结果和活体检测结果,确定最终的身份认证结果。如果人脸识别通过并且活体检测通过,则最终认证结果为通过;如果人脸识别未通过或活体检测未通过,则最终认证结果为未通过。
在人脸解锁场景中,如果最终认证结果为通过,电子设备可以执行解锁操作。在刷脸付款场景中,如果最终认证结果为通过,电子设备可以执行付款操作。
在一些实施例中,步骤S408可以在步骤S414之后执行。在另一些实施例中,为了节约程序消耗,可以不执行上述步骤S408,即不进行活体检测,直接基于步骤S414得到的融合相似度值确定人脸识别结果。
需要说明的是,上述各方法实施例采用递进的方式描述,每个实施例重点说明的是与其他实施例的不同之处,各个实施例之间相同相似的部分未重复描述,可以互相参见。
实施例四:
与上述方法实施例提供的人脸识别方法相对应地,本实施例提供了一种底库录入方法。图5示出了本发明实施例所提供的一种底库录入方法的流程图,如图5所示,该方法包括如下步骤:
步骤S502,获取用户的至少两个角度的人脸图像。
其中,所述角度为图像中人脸的偏转角度。人脸的偏转角度也可以理解为人的头部的姿态角度,包括头部归一化球坐标系中的人脸的俯仰角度和左右转动角度,其中,俯仰角度表示竖直方向上人脸低头或抬头的角度,左右转动角度表示水平方向上人脸左侧脸或右侧脸的角度。人脸的偏转角度还可以包括人脸的倾斜角度,即人歪头时人脸的角度。当俯仰角度、左右转动角度和歪头角度均趋向于0时,可以认为人脸处于正脸状态。
在一种具体的实施例中,所述至少两个角度包括以下角度中的至少两个:正脸、抬头、低头、左侧脸、右侧脸、左斜抬头、右斜抬头、左斜低头、右斜低头。
可以在至少两个角度对应的每个角度区域内,分别获取用户的一张人脸图像,作为每个角度对应的人脸图像。例如,电子设备可以提示待识别用户正视电子设备的图像采集装置,通过图像采集装置拍摄用户的一张正脸图像,判断该正脸图像的质量是否符合要求。如果该正脸图像的质量符合要求,则将该正脸图像录入底库数据,否则,再次通过图像采集装置拍摄用户的正脸图像,直至拍摄的正脸图像的质量符合要求为止。然后,电子设备提示用户连续转动头部,获取用户头部转动过程中的多个图像帧,从每个角度区域内的图像帧中,选择一个图像帧作为每个角度对应的人脸图像。
譬如,在一种可选的实施例中,可以按照图6所示的方式划分出八个角度区域。在用户头部转动的过程中,通过图像采集装置获取当前图像帧。确定获取的当前图像帧中人脸的偏转角度及对应的第一角度区域。例如,可以对当前图像帧进行人脸检测,获取图像中的人脸检测框和由人脸检测框确定的人脸的关键点坐标,根据人脸的关键点坐标确定人脸的偏转角度,进而确定人脸的偏转角度对应的角度区域。判断第一角度区域是否已经存在对应的人脸图像;如果是,丢弃该图像帧,继续采集下一图像帧;如果否,判断当前图像帧的质量是否符合要求。如果符合要求,将当前图像帧作为第一角度区域对应的人脸图像;如果不符合要求,丢弃该图像帧,继续采集下一图像帧。判断当前图像帧的质量是否符合要求的具体方法可以参见实施例三,在此不再赘述。
判断每个角度区域是否均存在对应的人脸图像,如果是,结束;如果否,继续获取下一图像帧,从而保证在每个角度区域中均有一张人脸图像。可以理解的是,用于进行人脸识别的底库数据的人脸图像中人脸的偏转角度不能过大,过大的偏转角度可能无法表达人脸部的主要特征,因此,上述设定的角度范围为不影响人脸识别的最大可允许偏转角度范围。
步骤S504,将获取的人脸图像和/或人脸图像对应的特征向量保存至底库数据中。
在一种可选的实施例中,可以将获取的多张人脸图像保存至底库数据中。在另一种可选的实施例中,可以通过卷积神经网络提取人脸图像的特征向量,将多张人脸图像对应的特征向量保存至底库数据中。
实施例五:
与上述实施例二或实施例三提供的人脸识别方法相对应地,本实施例提供了一种人脸识别装置,参见图7所示的一种人脸识别装置的结构示意图,该装置包括:
图像获取模块71,用于获取待识别用户的第一人脸图像;
人脸识别模块72,用于基于所述第一人脸图像和预存的底库数据,确定人脸识别结果;所述底库数据包括至少两个角度的第二人脸图像和/或至少两个角度的第二人脸图像对应的特征向量;所述角度为图像中人脸的偏转角度。其中,所述至少两个角度包括以下角度中的至少两个:正脸、抬头、低头、左侧脸、右侧脸、左斜抬头、右斜抬头、左斜低头、右斜低头。
在一种可选的实施例中,本发明实施例提供的人脸识别装置还可以包括底库录入模块。底库录入模块与图像获取模块51连接,用于在所述的至少两个角度对应的每个角度区域内,分别获取所述待识别用户的一张人脸图像,作为每个角度对应的所述第二人脸图像。
可选地,底库录入模块还可以用于:提示所述待识别用户连续转动头部;获取所述待识别用户头部转动过程中的多个图像帧;从每个所述角度区域内的图像帧中,选择一个图像帧作为每个角度对应的所述第二人脸图像。
底库录入模块还可以用于:确定获取的当前图像帧中人脸的偏转角度及对应的第一角度区域;判断所述第一角度区域是否已经存在对应的第二人脸图像;如果否,并且所述当前图像帧的质量符合要求,将当前图像帧作为所述第一角度区域对应的所述第二人脸图像;如果所述当前图像帧至少满足以下条件之一,判定所述当前图像帧的质量符合要求;所述条件包括:所述图像帧的清晰度达到设定的清晰度阈值,所述图像帧的亮度达到设定的亮度阈值;判断每个角度区域是否均存在对应的第二人脸图像;如果否,继续获取图像帧。
如果所述底库数据包括多个角度的第二人脸图像;人脸识别模块72还可以用于:提取所述第一人脸图像和至少两个所述第二人脸图像的特征向量;分别计算所述第一人脸图像的特征向量与每个所述第二人脸图像的特征向量的相似度,得到至少两个相似度值;基于所述至少两个相似度值,确定人脸识别结果。
如果所述底库数据包括至少两个角度的第二人脸图像对应的特征向量;人脸识别模块72还可以用于:提取所述第一人脸图像的特征向量;分别计算所述第一人脸图像的特征向量与每个所述第二人脸图像对应的特征向量的相似度,得到至少两个相似度值;基于至少两个所述相似度值,确定人脸识别结果。
在一种可选的实施例中,人脸识别模块72还可以用于:根据至少两个所述相似度值确定融合相似度值;比较所述融合相似度值与设定阈值的大小,得到人脸识别结果;以及用于:将每个相似度值与对应的融合因子的乘积相加,得到融合相似度值;其中,所有融合因子之和为一。
在另一种可选的实施例中,人脸识别模块72还可以用于:将每个相似度值与设定阈值进行比较;根据大于或等于设定阈值的相似度值的个数是否达到预设数量,确定人脸识别结果。
可选地,本发明实施例提供的人脸识别装置还可以包括活体检测模块。所述活体检测模块与人脸识别模块72连接,用于基于所述第一人脸图像进行活体检测。所述人脸识别模块72还可以用于:结合活体检测结果和所述人脸识别结果,确定最终认证结果。
本发明实施例提供的人脸识别装置,获取待识别用户的第一人脸图像;基于第一人脸图像和预存的底库数据,确定人脸识别结果。其中,底库数据中包括多个角度的第二人脸图像或多个角度的第二人脸图像对应的特征向量。与现有技术中只采集一张正面人脸图像作为底库数据相比,缓解了当待识别用户的头部存在偏转角度时不能识别的问题,有助于提高人脸识别的成功率,提高用户体验。
本实施例所提供的人脸识别装置,其实现原理及产生的技术效果和前述实施例二或实施例三的人脸识别方法相同,为简要描述,装置实施例部分未提及之处,可参考前述实施例二或实施例三中的相应内容。
实施例六
与上述实施例四提供的底库录入方法相对应地,本实施例提供了一种底库录入装置,参见图8所示的一种底库录入装置的结构示意图,该装置包括:
获取模块81,用于获取用户的至少两个角度的人脸图像;所述角度为图像中人脸的偏转角度;
录入模块82,用于将获取的人脸图像和/或人脸图像对应的特征向量保存至底库中。
其中,获取模块81还可以用于:提示所述用户连续转动头部;获取所述用户头部转动过程中的多个图像帧;从所述的至少两个角度对应的每个角度区域内的图像帧中,选择一个图像帧作为每个角度对应的人脸图像。
此外,本发明实施例提供了一种电子设备,包括处理器和存储装置;所述存储装置上存储有计算机程序,所述处理器执行存储装置上的一种计算机程序时,可以实现前述实施例二或实施例三提供的方法的步骤,获取待识别用户的第一人脸图像;基于所述第一人脸图像和预存的底库数据,确定人脸识别结果;所述底库数据包括多个角度的第二人脸图像和/或多个角度的第二人脸图像对应的特征向量。由于底库数据中包括多个角度的第二人脸图像或多个角度的第二人脸图像对应的特征向量。与现有技术中只采集一张正面人脸图像作为底库数据相比,缓解了当待识别用户的头部存在偏转角度时不能识别的问题,有助于提高人脸识别的成功率,提高用户体验。
进一步,本实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述前述实施例二或实施例三所提供的方法的步骤。
本发明实施例所提供的人脸识别方法及装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面实施例二或实施例三中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所述功能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,本发明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)执行本发明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-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (17)
1.一种人脸识别方法,其特征在于,所述方法包括:
获取待识别用户的第一人脸图像;
基于所述第一人脸图像和预存的底库数据,确定人脸识别结果;所述底库数据包括至少两个角度的第二人脸图像和/或至少两个角度的第二人脸图像对应的特征向量;所述角度为图像中人脸的偏转角度。
2.根据权利要求1所述的方法,其特征在于,所述至少两个角度包括以下角度中的至少两个:正脸、抬头、低头、左侧脸、右侧脸、左斜抬头、右斜抬头、左斜低头、右斜低头。
3.根据权利要求1所述的方法,其特征在于,所述第二人脸图像的获取方法包括:
在所述的至少两个角度对应的每个角度区域内,分别获取所述待识别用户的一张人脸图像,作为每个角度对应的所述第二人脸图像。
4.根据权利要求3所述的方法,其特征在于,在所述的至少两个角度对应的每个角度区域内,分别获取用户的一张人脸图像,作为每个角度对应的所述第二人脸图像的步骤,包括:
提示所述待识别用户连续转动头部;
获取所述待识别用户头部转动过程中的多个图像帧;
从每个所述角度区域内的图像帧中,选择一个图像帧作为每个角度对应的所述第二人脸图像。
5.根据权利要求4所述的方法,其特征在于,从每个所述角度区域内的图像帧中,选择一个图像帧作为每个角度对应的所述第二人脸图像的步骤,包括:
确定获取的当前图像帧中人脸的偏转角度及对应的第一角度区域;
判断所述第一角度区域是否已经存在对应的第二人脸图像;
如果否,并且所述当前图像帧的质量符合要求,将当前图像帧作为所述第一角度区域对应的所述第二人脸图像;如果所述当前图像帧至少满足以下条件之一,判定所述当前图像帧的质量符合要求;所述条件包括:所述图像帧的清晰度达到设定的清晰度阈值,所述图像帧的亮度达到设定的亮度阈值。
6.根据权利要求1所述的方法,其特征在于,如果所述底库数据包括至少两个角度的第二人脸图像;基于所述第一人脸图像和预存的底库数据,确定人脸识别结果的步骤,包括:
提取所述第一人脸图像和至少两个角度的所述第二人脸图像的特征向量;
分别计算所述第一人脸图像的特征向量与每个所述第二人脸图像的特征向量的相似度,得到至少两个相似度值;
基于所述至少两个相似度值,确定人脸识别结果。
7.根据权利要求1所述的方法,其特征在于,如果所述底库数据包括至少两个角度的第二人脸图像对应的特征向量;基于所述第一人脸图像和预存的底库数据,确定人脸识别结果的步骤,包括:
提取所述第一人脸图像的特征向量;
分别计算所述第一人脸图像的特征向量与每个所述第二人脸图像对应的特征向量的相似度,得到至少两个相似度值;
基于至少两个所述相似度值,确定人脸识别结果。
8.根据权利要求6或7所述的方法,其特征在于,基于至少两个所述相似度值,确定人脸识别结果的步骤,包括:
根据至少两个所述相似度值确定融合相似度值;
比较所述融合相似度值与设定阈值的大小,得到人脸识别结果。
9.根据权利要求8所述的方法,其特征在于,根据至少两个所述相似度值确定融合相似度值的步骤,包括:
将每个相似度值与对应的融合因子的乘积相加,得到融合相似度值;其中,所有融合因子之和为一。
10.根据权利要求6或7所述的方法,其特征在于,基于所述多个相似度值,确定人脸识别结果的步骤,包括:
将每个相似度值与设定阈值进行比较;
根据大于或等于设定阈值的相似度值的个数是否达到预设数量,确定人脸识别结果。
11.根据权利要求1所述的方法,其特征在于,所述获取待识别用户的第一人脸图像的步骤之后,所述方法还包括:
基于所述第一人脸图像进行活体检测;
结合活体检测结果和所述人脸识别结果,确定最终认证结果。
12.一种底库录入方法,其特征在于,所述方法包括:
获取用户的至少两个角度的人脸图像;所述角度为图像中人脸的偏转角度;
将获取的人脸图像和/或人脸图像对应的特征向量保存至底库数据中。
13.根据权利要求12所述的方法,其特征在于,获取用户的至少两个角度的人脸图像的步骤,包括:
提示所述用户连续转动头部;
获取所述用户头部转动过程中的多个图像帧;
从所述的至少两个角度对应的每个角度区域内的图像帧中,选择一个图像帧作为每个角度对应的人脸图像。
14.一种人脸识别装置,其特征在于,所述装置包括:
图像获取模块,用于获取待识别用户的第一人脸图像;
人脸识别模块,用于基于所述第一人脸图像和预存的底库数据,确定人脸识别结果;所述底库数据包括至少两个角度的第二人脸图像和/或至少两个角度的第二人脸图像对应的特征向量;所述角度为图像中人脸的偏转角度。
15.一种底库录入装置,其特征在于,所述装置包括:
获取模块,用于获取用户的至少两个角度的人脸图像;所述角度为图像中人脸的偏转角度;
录入模块,用于将获取的人脸图像和/或人脸图像对应的特征向量保存至底库中。
16.一种电子设备,其特征在于,包括:处理器和存储装置;所述存储装置上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1至11中任一项或权利要求12至13中任一项所述的方法。
17.一种计算机可读存储介质,所述计算机可读存储介质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运行时执行上述权利要求1至11中任一项或权利要求12至13中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811522057.2A CN109684951A (zh) | 2018-12-12 | 2018-12-12 | 人脸识别方法、底库录入方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811522057.2A CN109684951A (zh) | 2018-12-12 | 2018-12-12 | 人脸识别方法、底库录入方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109684951A true CN109684951A (zh) | 2019-04-26 |
Family
ID=66186722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811522057.2A Pending CN109684951A (zh) | 2018-12-12 | 2018-12-12 | 人脸识别方法、底库录入方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109684951A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175572A (zh) * | 2019-05-28 | 2019-08-27 | 深圳市商汤科技有限公司 | 人脸图像处理方法及装置、电子设备及存储介质 |
CN110414347A (zh) * | 2019-06-26 | 2019-11-05 | 北京迈格威科技有限公司 | 人脸验证方法、装置、设备和存储介质 |
CN110443213A (zh) * | 2019-08-12 | 2019-11-12 | 北京比特大陆科技有限公司 | 面部检测方法、目标检测方法和装置 |
CN110569794A (zh) * | 2019-09-06 | 2019-12-13 | 深圳市梵高控股有限公司 | 物品的信息存储方法、装置和计算机可读存储介质 |
CN110610146A (zh) * | 2019-08-29 | 2019-12-24 | 维沃移动通信(杭州)有限公司 | 一种人脸识别方法及电子设备 |
CN110728204A (zh) * | 2019-09-23 | 2020-01-24 | 维沃移动通信(杭州)有限公司 | 一种人脸识别方法及终端设备 |
CN111582118A (zh) * | 2020-04-29 | 2020-08-25 | 福州瑞芯微电子股份有限公司 | 一种人脸识别方法及装置 |
CN111680639A (zh) * | 2020-06-11 | 2020-09-18 | 支付宝(杭州)信息技术有限公司 | 一种人脸识别验证方法、装置和电子设备 |
CN111832402A (zh) * | 2020-06-04 | 2020-10-27 | 桂林电子科技大学 | 一种人脸识别方法及装置 |
CN111984815A (zh) * | 2019-05-23 | 2020-11-24 | 北京地平线机器人技术研发有限公司 | 用于人脸识别的底库更新方法、装置、介质和设备 |
CN112016508A (zh) * | 2020-09-07 | 2020-12-01 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法、装置、系统、计算设备及存储介质 |
CN112395965A (zh) * | 2020-11-06 | 2021-02-23 | 山东鲁能软件技术有限公司 | 一种基于电力内网的移动终端人脸识别系统及方法 |
CN113162918A (zh) * | 2021-03-25 | 2021-07-23 | 重庆扬成大数据科技有限公司 | 快速挖掘四网合一状态下异常数据提取方法 |
CN113705393A (zh) * | 2021-08-16 | 2021-11-26 | 武汉大学 | 一种基于3d人脸模型的俯角人脸识别方法及系统 |
CN114241590A (zh) * | 2022-02-28 | 2022-03-25 | 深圳前海清正科技有限公司 | 一种自学习式人脸识别终端 |
CN117041670A (zh) * | 2023-10-08 | 2023-11-10 | 荣耀终端有限公司 | 图像处理方法及相关设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010019620A1 (en) * | 2000-03-02 | 2001-09-06 | Honda Giken Kogyo Kabushiki Kaisha | Face recognition apparatus |
CN102426646A (zh) * | 2011-10-24 | 2012-04-25 | 西安电子科技大学 | 多角度人脸检测装置与方法 |
CN103473529A (zh) * | 2013-08-26 | 2013-12-25 | 昆明学院 | 一种多视角取像人脸识别的方法及装置 |
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 |
US20140301613A1 (en) * | 2008-12-12 | 2014-10-09 | At&T Intellectual Property I. L.P. | System and method for matching faces |
CN105956518A (zh) * | 2016-04-21 | 2016-09-21 | 腾讯科技(深圳)有限公司 | 一种人脸识别方法、装置和系统 |
CN107506702A (zh) * | 2017-08-08 | 2017-12-22 | 江西高创保安服务技术有限公司 | 基于多角度的人脸识别模型训练及测试系统及方法 |
CN108229330A (zh) * | 2017-12-07 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸融合识别方法及装置、电子设备和存储介质 |
CN108319837A (zh) * | 2018-02-13 | 2018-07-24 | 广东欧珀移动通信有限公司 | 电子设备、人脸模板录入方法及相关产品 |
CN108875485A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 一种底图录入方法、装置及系统 |
-
2018
- 2018-12-12 CN CN201811522057.2A patent/CN109684951A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010019620A1 (en) * | 2000-03-02 | 2001-09-06 | Honda Giken Kogyo Kabushiki Kaisha | Face recognition apparatus |
US20140301613A1 (en) * | 2008-12-12 | 2014-10-09 | At&T Intellectual Property I. L.P. | System and method for matching faces |
CN102426646A (zh) * | 2011-10-24 | 2012-04-25 | 西安电子科技大学 | 多角度人脸检测装置与方法 |
CN103473529A (zh) * | 2013-08-26 | 2013-12-25 | 昆明学院 | 一种多视角取像人脸识别的方法及装置 |
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 |
CN105956518A (zh) * | 2016-04-21 | 2016-09-21 | 腾讯科技(深圳)有限公司 | 一种人脸识别方法、装置和系统 |
CN107506702A (zh) * | 2017-08-08 | 2017-12-22 | 江西高创保安服务技术有限公司 | 基于多角度的人脸识别模型训练及测试系统及方法 |
CN108875485A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 一种底图录入方法、装置及系统 |
CN108229330A (zh) * | 2017-12-07 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸融合识别方法及装置、电子设备和存储介质 |
CN108319837A (zh) * | 2018-02-13 | 2018-07-24 | 广东欧珀移动通信有限公司 | 电子设备、人脸模板录入方法及相关产品 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111984815A (zh) * | 2019-05-23 | 2020-11-24 | 北京地平线机器人技术研发有限公司 | 用于人脸识别的底库更新方法、装置、介质和设备 |
CN111984815B (zh) * | 2019-05-23 | 2024-05-28 | 北京地平线机器人技术研发有限公司 | 用于人脸识别的底库更新方法、装置、介质和设备 |
CN110175572A (zh) * | 2019-05-28 | 2019-08-27 | 深圳市商汤科技有限公司 | 人脸图像处理方法及装置、电子设备及存储介质 |
CN110414347A (zh) * | 2019-06-26 | 2019-11-05 | 北京迈格威科技有限公司 | 人脸验证方法、装置、设备和存储介质 |
CN110443213A (zh) * | 2019-08-12 | 2019-11-12 | 北京比特大陆科技有限公司 | 面部检测方法、目标检测方法和装置 |
CN110610146A (zh) * | 2019-08-29 | 2019-12-24 | 维沃移动通信(杭州)有限公司 | 一种人脸识别方法及电子设备 |
CN110610146B (zh) * | 2019-08-29 | 2023-07-11 | 维沃移动通信(杭州)有限公司 | 一种人脸识别方法及电子设备 |
CN110569794A (zh) * | 2019-09-06 | 2019-12-13 | 深圳市梵高控股有限公司 | 物品的信息存储方法、装置和计算机可读存储介质 |
CN110569794B (zh) * | 2019-09-06 | 2022-07-19 | 深圳市恒天伟焱科技股份有限公司 | 物品的信息存储方法、装置和计算机可读存储介质 |
CN110728204A (zh) * | 2019-09-23 | 2020-01-24 | 维沃移动通信(杭州)有限公司 | 一种人脸识别方法及终端设备 |
CN110728204B (zh) * | 2019-09-23 | 2024-01-02 | 维沃移动通信(杭州)有限公司 | 一种人脸识别方法及终端设备 |
CN111582118A (zh) * | 2020-04-29 | 2020-08-25 | 福州瑞芯微电子股份有限公司 | 一种人脸识别方法及装置 |
CN111832402A (zh) * | 2020-06-04 | 2020-10-27 | 桂林电子科技大学 | 一种人脸识别方法及装置 |
CN111680639A (zh) * | 2020-06-11 | 2020-09-18 | 支付宝(杭州)信息技术有限公司 | 一种人脸识别验证方法、装置和电子设备 |
CN112016508A (zh) * | 2020-09-07 | 2020-12-01 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法、装置、系统、计算设备及存储介质 |
CN112016508B (zh) * | 2020-09-07 | 2023-08-29 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法、装置、系统、计算设备及存储介质 |
CN112395965A (zh) * | 2020-11-06 | 2021-02-23 | 山东鲁能软件技术有限公司 | 一种基于电力内网的移动终端人脸识别系统及方法 |
CN113162918A (zh) * | 2021-03-25 | 2021-07-23 | 重庆扬成大数据科技有限公司 | 快速挖掘四网合一状态下异常数据提取方法 |
CN113705393A (zh) * | 2021-08-16 | 2021-11-26 | 武汉大学 | 一种基于3d人脸模型的俯角人脸识别方法及系统 |
CN114241590B (zh) * | 2022-02-28 | 2022-07-22 | 深圳前海清正科技有限公司 | 一种自学习式人脸识别终端 |
CN114241590A (zh) * | 2022-02-28 | 2022-03-25 | 深圳前海清正科技有限公司 | 一种自学习式人脸识别终端 |
CN117041670A (zh) * | 2023-10-08 | 2023-11-10 | 荣耀终端有限公司 | 图像处理方法及相关设备 |
CN117041670B (zh) * | 2023-10-08 | 2024-04-02 | 荣耀终端有限公司 | 图像处理方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684951A (zh) | 人脸识别方法、底库录入方法、装置及电子设备 | |
JP7040952B2 (ja) | 顔認証方法及び装置 | |
US9652663B2 (en) | Using facial data for device authentication or subject identification | |
USRE42205E1 (en) | Method and system for real-time facial image enhancement | |
Tang et al. | Face flashing: a secure liveness detection protocol based on light reflections | |
CN106056064B (zh) | 一种人脸识别方法及人脸识别装置 | |
US20120219180A1 (en) | Automatic Detection of Vertical Gaze Using an Embedded Imaging Device | |
KR20170008638A (ko) | 3차원 컨텐츠 생성 장치 및 그 3차원 컨텐츠 생성 방법 | |
WO2019192216A1 (zh) | 图像处理、身份验证方法、装置、电子设备和存储介质 | |
US8903139B2 (en) | Method of reconstructing three-dimensional facial shape | |
Arcoverde Neto et al. | Enhanced real-time head pose estimation system for mobile device | |
WO2011156143A2 (en) | Distinguishing live faces from flat surfaces | |
US10922399B2 (en) | Authentication verification using soft biometric traits | |
JP5015126B2 (ja) | 画像生成方法、画像認証方法、画像生成装置、画像認証装置、プログラム、および記録媒体 | |
CN109937434B (zh) | 图像处理方法、装置、终端和存储介质 | |
CN111274928A (zh) | 一种活体检测方法、装置、电子设备和存储介质 | |
CN106161916B (zh) | 一种图像采集方法及电子设备 | |
JP2003178306A (ja) | 個人認証装置および個人認証方法 | |
WO2016107638A1 (en) | An image face processing method and apparatus | |
CN111414858B (zh) | 人脸识别方法、目标图像的确定方法、装置和电子系统 | |
US11373449B1 (en) | Systems and methods for passive-subject liveness verification in digital media | |
TWM566860U (zh) | 臉部辨識系統 | |
CN111860394A (zh) | 一种基于姿态估计和动作检测的动作活体识别方法 | |
US10599934B1 (en) | Spoof detection using optokinetic response | |
CN111832464A (zh) | 一种基于近红外摄像头的活体检测方法及装置 |
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: 20190426 |
|
RJ01 | Rejection of invention patent application after publication |