CN109902561A - 一种应用于机器人的人脸识别方法和装置、机器人 - Google Patents
一种应用于机器人的人脸识别方法和装置、机器人 Download PDFInfo
- Publication number
- CN109902561A CN109902561A CN201910039129.6A CN201910039129A CN109902561A CN 109902561 A CN109902561 A CN 109902561A CN 201910039129 A CN201910039129 A CN 201910039129A CN 109902561 A CN109902561 A CN 109902561A
- Authority
- CN
- China
- Prior art keywords
- image
- feature vector
- default
- vector
- similarity
- 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 39
- 239000013598 vector Substances 0.000 claims abstract description 240
- 230000001815 facial effect Effects 0.000 claims abstract description 115
- 238000012545 processing Methods 0.000 claims description 58
- 239000011159 matrix material Substances 0.000 claims description 57
- 238000001914 filtration Methods 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 8
- 239000011148 porous material Substances 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 230000017105 transposition Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 210000001508 eye Anatomy 0.000 description 10
- 230000000694 effects Effects 0.000 description 4
- 230000002996 emotional effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 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
- 235000002673 Dioscorea communis Nutrition 0.000 description 2
- 241000544230 Dioscorea communis Species 0.000 description 2
- 208000035753 Periorbital contusion Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010013786 Dry skin Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000037336 dry skin Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 210000001747 pupil Anatomy 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种应用于机器人的人脸识别方法和装置、机器人,本发明涉及人工智能领域,该方法包括: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;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;计算第二图像的特征向量与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机器人无法做到基于用户人脸识别用户身份的问题。
Description
【技术领域】
本发明涉及人工智能领域,尤其涉及一种应用于机器人的人脸识别方法和装置、机器人。
【背景技术】
当前市面上的智能机器人功能较为单一,只具有语音识别、联网功能,无法做到基于用户人脸识别用户身份。
【发明内容】
有鉴于此,本发明实施例提供了一种应用于机器人的人脸识别方法和装置、机器人,用以解决现有技术中机器人无法做到基于用户人脸识别用户身份的问题。
一方面,本发明实施例提供了一种应用于机器人的人脸识别方法,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;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,则输出第一语音信息,所述第一语音信息包含预设问候信息;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;输出第二语音信息,所述第二语音信息包含与所述候选用户相关的预设问候信息。
进一步地,在所述输出第二语音信息之后,所述方法还包括:根据所述第二图像确定所述目标用户至少一个生物特征的特征信息,所述生物特征包括以下至少一种特征:眼部特征、面部皮肤特征、面部纹路深度特征、毛孔特征;根据所述至少一个生物特征的特征信息确定所述目标用户的脸部状态的状态值;根据所述目标用户的脸部状态的状态值生成第三语音提示信息;输出所述第三语音提示信息。
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,所述从所述第一图像中提取人脸区域,得到第二图像之后,所述方法还包括:对所述第一预设区域进行同态滤波处理,所述第一预设区域为所述第二图像中的眼部区域;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。
一方面,本发明实施例提供了一种应用于机器人的人脸识别装置,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;第一计算单元,用于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;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,则输出第一语音信息,所述第一语音信息包含预设问候信息;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;第一确定单元,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,用于输出第二语音信息,所述第二语音信息包含与所述候选用户相关的预设问候信息。
进一步地,所述装置还包括:第二确定单元,用于在所述第二输出单元输出第二语音信息之后,根据所述第二图像确定所述目标用户至少一个生物特征的特征信息,所述生物特征包括以下至少一种特征:眼部特征、面部皮肤特征、面部纹路深度特征、毛孔特征;第三确定单元,用于根据所述至少一个生物特征的特征信息确定所述目标用户的脸部状态的状态值;生成单元,用于根据所述目标用户的脸部状态的状态值生成第三语音提示信息;第三输出单元,用于输出所述第三语音提示信息。
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;第一计算子单元,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,用于所述提取单元从所述第一图像中提取人脸区域,得到第二图像之后,对所述第一预设区域进行同态滤波处理,所述第一预设区域为所述第二图像中的眼部区域;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:第二计算子单元,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,所述第二计算单元包括:第三计算子单元,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;第四计算子单元,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;第五计算子单元,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。
一方面,本发明实施例提供了一种机器人,所述机器人包括上述的应用于机器人的人脸识别装置。
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应用于机器人的人脸识别方法。
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应用于机器人的人脸识别方法的步骤。
在本发明实施例中,机器人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,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,根据计算出的相似度确定目标用户的身份,解决了现有技术中机器人无法做到基于用户人脸识别用户身份的问题,达到了机器人基于用户人脸识别用户身份的效果。
【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应用于机器人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应用于机器人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应用于机器人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,计算第二图像对应的特征向量。
步骤S108,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S110,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S112,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S114,如果计算出的所有相似度均小于预设相似度阈值,则输出第一语音信息,第一语音信息包含预设问候信息。
步骤S116,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S118,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S120,输出第二语音信息,第二语音信息包含与候选用户相关的预设问候信息。
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。
机器人设置有摄像头,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,计算第二图像对应的特征向量,机器人中的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,该目标用户为陌生人,这种情况下,输出第一语音信息,第一语音信息包含预设问候信息,预设问候信息可以为:“初次见面,很高兴认识你!”并且,机器人显示刚采集的目标用户的照片并提示机器人的管理人员编辑目标用户的信息以进行存储。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,这种情况下,输出第二语音信息,第二语音信息包含与候选用户相关的预设问候信息,例如,与候选用户相关的预设问候信息可以为:“AAA,你好,欢迎你来做客!”或者,为:“AAA,你好,好久不见了!非常想念你,要多过来玩哦!”等等。其中,AAA为候选用户的名字。
在本发明实施例中,机器人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,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,根据计算出的相似度确定目标用户的身份,解决了现有技术中机器人无法做到基于用户人脸识别用户身份的问题,达到了机器人基于用户人脸识别用户身份的效果。
可选地,在输出第二语音信息之后,方法还包括:根据第二图像确定目标用户至少一个生物特征的特征信息,生物特征包括以下至少一种特征:眼部特征、面部皮肤特征、面部纹路深度特征、毛孔特征;根据至少一个生物特征的特征信息确定目标用户的脸部状态的状态值;根据目标用户的脸部状态的状态值生成第三语音提示信息;输出第三语音提示信息。
眼部特征可以包括:瞳孔特征、虹膜特征、眼球特征、眼袋、黑眼圈、脂肪粒等。
脸部状态包括至少如下之一:皮肤状态、精神状态和情绪状态。
状态值可以为清洁度、润滑度、疲劳度等。
上述皮肤状态可以为预先设定的皮肤状态库中的一种状态,皮肤状态库可以包括干性皮肤、中性皮肤、油性皮肤、敏感性皮肤、混合性皮肤等;上述精神状态可以为预先设定的精神状态库中的一种状态,精神状态库可以包括状态非常好、状态良好、状态不佳等不同的等级:上述情绪状态可以为预先设定的情绪状态库中的一种状态,情绪状态库可以包括愉悦、难过等不同的情绪。
当用户心情不好的时候,机器人会识别出用户悲伤或沮丧的表情,说一些安慰的话,并推送相关歌曲给用户疗伤;当机器人识别出用户有黑眼圈,会提示用户注意休息,如果用户眼圈黄或者红,机器人会提示一些饮食注意事项。
当机器人检测到用户的脸部器官有异常,可以语音提示,提示用户伸出舌头,机器人观察舌头,输出观察后得到的信息,从而使用户及时预防一些疾病。
机器人还可以利用摄像头识别动作表情与用户互动,通过识别手势可以和用户玩石头剪子布,通过识别图像可以和用户玩骰子,出牌比大小等。
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,从第一图像中提取人脸区域,得到第二图像之后,方法还包括:对第一预设区域进行同态滤波处理,第一预设区域为第二图像中的眼部区域;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,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。
本发明实施例提供了一种应用于机器人的人脸识别装置,该装置用于执行上述应用于机器人的人脸识别方法,如图2所示,该装置包括:采集单元12、提取单元14、第一计算单元16、获取单元18、第二计算单元20、判断单元22、第一输出单元24、筛选单元26、第一确定单元28、第二输出单元30。
采集单元12,用于采集目标用户的图像,得到第一图像。
提取单元14,用于从第一图像中提取人脸区域,得到第二图像。
第一计算单元16,用于计算第二图像对应的特征向量。
获取单元18,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20,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。
判断单元22,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24,用于如果计算出的所有相似度均小于预设相似度阈值,则输出第一语音信息,第一语音信息包含预设问候信息。
筛选单元26,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。
第一确定单元28,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30,用于输出第二语音信息,第二语音信息包含与候选用户相关的预设问候信息。
在本发明实施例中,机器人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,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,根据计算出的相似度确定目标用户的身份,解决了现有技术中机器人无法做到基于用户人脸识别用户身份的问题,达到了机器人基于用户人脸识别用户身份的效果。
可选地,装置还包括:第二确定单元、第三确定单元、生成单元、第三输出单元。第二确定单元,用于在第二输出单元30输出第二语音信息之后,根据第二图像确定目标用户至少一个生物特征的特征信息,生物特征包括以下至少一种特征:眼部特征、面部皮肤特征、面部纹路深度特征、毛孔特征。第三确定单元,用于根据至少一个生物特征的特征信息确定目标用户的脸部状态的状态值。生成单元,用于根据目标用户的脸部状态的状态值生成第三语音提示信息。第三输出单元,用于输出第三语音提示信息。
可选地,第一计算单元16包括:第一处理子单元、第二处理子单元、第一计算子单元。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。第一计算子单元,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,用于提取单元14从第一图像中提取人脸区域,得到第二图像之后,对第一预设区域进行同态滤波处理,第一预设区域为第二图像中的眼部区域。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16包括:第二计算子单元。第二计算子单元,用于计算处理后的第二图像对应的特征向量。
可选地,第二计算单元20包括:第三计算子单元、第四计算子单元、排列子单元、第五计算子单元。第三计算子单元,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。第四计算子单元,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。第五计算子单元,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。
本发明实施例提供了一种机器人,机器人包括上述应用于机器人的人脸识别装置。
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;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,则输出第一语音信息,第一语音信息包含预设问候信息;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;输出第二语音信息,第二语音信息包含与候选用户相关的预设问候信息。
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:在输出第二语音信息之后,根据第二图像确定目标用户至少一个生物特征的特征信息,生物特征包括以下至少一种特征:眼部特征、面部皮肤特征、面部纹路深度特征、毛孔特征;根据至少一个生物特征的特征信息确定目标用户的脸部状态的状态值;根据目标用户的脸部状态的状态值生成第三语音提示信息;输出第三语音提示信息。
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:从第一图像中提取人脸区域,得到第二图像之后,对第一预设区域进行同态滤波处理,第一预设区域为第二图像中的眼部区域;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: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。
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;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,则输出第一语音信息,第一语音信息包含预设问候信息;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;输出第二语音信息,第二语音信息包含与候选用户相关的预设问候信息。
可选地,程序指令被处理器加载并执行时还实现以下步骤:在输出第二语音信息之后,根据第二图像确定目标用户至少一个生物特征的特征信息,生物特征包括以下至少一种特征:眼部特征、面部皮肤特征、面部纹路深度特征、毛孔特征;根据至少一个生物特征的特征信息确定目标用户的脸部状态的状态值;根据目标用户的脸部状态的状态值生成第三语音提示信息;输出第三语音提示信息。
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:从第一图像中提取人脸区域,得到第二图像之后,对第一预设区域进行同态滤波处理,第一预设区域为第二图像中的眼部区域;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: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。
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应用于机器人的人脸识别方法,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应用于机器人的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)
1.一种应用于机器人的人脸识别方法,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;
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,则输出第一语音信息,所述第一语音信息包含预设问候信息;
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;
输出第二语音信息,所述第二语音信息包含与所述候选用户相关的预设问候信息。
2.根据权利要求1所述的方法,其特征在于,在所述输出第二语音信息之后,所述方法还包括:
根据所述第二图像确定所述目标用户至少一个生物特征的特征信息,所述生物特征包括以下至少一种特征:眼部特征、面部皮肤特征、面部纹路深度特征、毛孔特征;
根据所述至少一个生物特征的特征信息确定所述目标用户的脸部状态的状态值;
根据所述目标用户的脸部状态的状态值生成第三语音提示信息;
输出所述第三语音提示信息。
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,所述从所述第一图像中提取人脸区域,得到第二图像之后,所述方法还包括:
对所述第一预设区域进行同态滤波处理,所述第一预设区域为所述第二图像中的眼部区域;
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。
6.一种应用于机器人的人脸识别装置,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;
第一计算单元,用于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;
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,则输出第一语音信息,所述第一语音信息包含预设问候信息;
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;
第一确定单元,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,用于输出第二语音信息,所述第二语音信息包含与所述候选用户相关的预设问候信息。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二确定单元,用于在所述第二输出单元输出第二语音信息之后,根据所述第二图像确定所述目标用户至少一个生物特征的特征信息,所述生物特征包括以下至少一种特征:眼部特征、面部皮肤特征、面部纹路深度特征、毛孔特征;
第三确定单元,用于根据所述至少一个生物特征的特征信息确定所述目标用户的脸部状态的状态值;
生成单元,用于根据所述目标用户的脸部状态的状态值生成第三语音提示信息;
第三输出单元,用于输出所述第三语音提示信息。
8.一种机器人,其特征在于,所述机器人包括权利要求6或7所述的应用于机器人的人脸识别装置。
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中任意一项所述的应用于机器人的人脸识别方法。
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任意一项所述的应用于机器人的人脸识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910039129.6A CN109902561A (zh) | 2019-01-16 | 2019-01-16 | 一种应用于机器人的人脸识别方法和装置、机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910039129.6A CN109902561A (zh) | 2019-01-16 | 2019-01-16 | 一种应用于机器人的人脸识别方法和装置、机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109902561A true CN109902561A (zh) | 2019-06-18 |
Family
ID=66943704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910039129.6A Pending CN109902561A (zh) | 2019-01-16 | 2019-01-16 | 一种应用于机器人的人脸识别方法和装置、机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109902561A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111265842A (zh) * | 2020-03-09 | 2020-06-12 | 北京奥康达体育产业股份有限公司 | 一种多功能健身管理终端 |
CN111291698A (zh) * | 2020-02-19 | 2020-06-16 | 深圳英飞拓科技股份有限公司 | 密集人群场景人脸图像的高速识别方法及装置 |
CN111444770A (zh) * | 2020-02-26 | 2020-07-24 | 北京大米未来科技有限公司 | 图像处理方法、装置、电子设备及介质 |
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 |
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 |
CN113580166A (zh) * | 2021-08-20 | 2021-11-02 | 安徽淘云科技股份有限公司 | 一种拟人化机器人的交互方法、装置、设备及存储介质 |
CN113705537A (zh) * | 2021-09-18 | 2021-11-26 | 中国银行股份有限公司 | 用户身份认证方法及装置 |
CN113792714A (zh) * | 2021-11-16 | 2021-12-14 | 中国南方电网有限责任公司超高压输电公司广州局 | 换流站进出站人员识别方法、装置、系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102500113A (zh) * | 2011-11-11 | 2012-06-20 | 山东科技大学 | 基于智能手机交互的综合型迎宾机器人 |
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 |
CN104700094A (zh) * | 2015-03-31 | 2015-06-10 | 江苏久祥汽车电器集团有限公司 | 一种用于智能机器人的人脸识别方法及系统 |
CN107730483A (zh) * | 2016-08-10 | 2018-02-23 | 阿里巴巴集团控股有限公司 | 移动设备、处理脸部生物特征的方法、装置和系统 |
CN208141466U (zh) * | 2018-05-17 | 2018-11-23 | 塔米智能科技(北京)有限公司 | 一种基于机器人的签到装置及系统 |
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 |
-
2019
- 2019-01-16 CN CN201910039129.6A patent/CN109902561A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102500113A (zh) * | 2011-11-11 | 2012-06-20 | 山东科技大学 | 基于智能手机交互的综合型迎宾机器人 |
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 |
CN104700094A (zh) * | 2015-03-31 | 2015-06-10 | 江苏久祥汽车电器集团有限公司 | 一种用于智能机器人的人脸识别方法及系统 |
CN107730483A (zh) * | 2016-08-10 | 2018-02-23 | 阿里巴巴集团控股有限公司 | 移动设备、处理脸部生物特征的方法、装置和系统 |
CN208141466U (zh) * | 2018-05-17 | 2018-11-23 | 塔米智能科技(北京)有限公司 | 一种基于机器人的签到装置及系统 |
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 |
Non-Patent Citations (1)
Title |
---|
类红乐 等: "人脸识别机器人的设计与实现", 《电脑知识与技术》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111291698A (zh) * | 2020-02-19 | 2020-06-16 | 深圳英飞拓科技股份有限公司 | 密集人群场景人脸图像的高速识别方法及装置 |
CN111291698B (zh) * | 2020-02-19 | 2024-02-27 | 深圳英飞拓仁用信息有限公司 | 密集人群场景人脸图像的高速识别方法及装置 |
CN111444770A (zh) * | 2020-02-26 | 2020-07-24 | 北京大米未来科技有限公司 | 图像处理方法、装置、电子设备及介质 |
CN111265842A (zh) * | 2020-03-09 | 2020-06-12 | 北京奥康达体育产业股份有限公司 | 一种多功能健身管理终端 |
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 |
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 |
CN112183480B (zh) * | 2020-10-29 | 2024-06-04 | 奥比中光科技集团股份有限公司 | 一种人脸识别方法、装置、终端设备及存储介质 |
CN113580166A (zh) * | 2021-08-20 | 2021-11-02 | 安徽淘云科技股份有限公司 | 一种拟人化机器人的交互方法、装置、设备及存储介质 |
CN113580166B (zh) * | 2021-08-20 | 2023-11-28 | 安徽淘云科技股份有限公司 | 一种拟人化机器人的交互方法、装置、设备及存储介质 |
CN113705537A (zh) * | 2021-09-18 | 2021-11-26 | 中国银行股份有限公司 | 用户身份认证方法及装置 |
CN113792714A (zh) * | 2021-11-16 | 2021-12-14 | 中国南方电网有限责任公司超高压输电公司广州局 | 换流站进出站人员识别方法、装置、系统 |
CN113792714B (zh) * | 2021-11-16 | 2022-05-17 | 中国南方电网有限责任公司超高压输电公司广州局 | 换流站进出站人员识别方法、装置、系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902561A (zh) | 一种应用于机器人的人脸识别方法和装置、机器人 | |
CN108319953B (zh) | 目标对象的遮挡检测方法及装置、电子设备及存储介质 | |
CN105138993B (zh) | 建立人脸识别模型的方法及装置 | |
Guo et al. | Automatic threshold selection based on histogram modes and a discriminant criterion | |
CN105917353B (zh) | 用于生物认证的特征提取及匹配以及模板更新 | |
CN109657652A (zh) | 一种人脸识别方法和装置 | |
CN107423690A (zh) | 一种人脸识别方法及装置 | |
CN110363183A (zh) | 基于生成式对抗网络的服务机器人视觉图片隐私保护方法 | |
CN111814574A (zh) | 应用双分支三维卷积模型的人脸活体检测系统、终端及存储介质 | |
CN107545536A (zh) | 一种智能终端的图像处理方法及图像处理系统 | |
CN109858384A (zh) | 人脸图像的捕捉方法、计算机可读存储介质及终端设备 | |
CN109583364A (zh) | 图像识别方法及设备 | |
CN110929836B (zh) | 神经网络训练及图像处理方法和装置、电子设备、介质 | |
Aoki et al. | Automatic construction of tree-structural image transformations using genetic programming | |
CN110232318A (zh) | 穴位识别方法、装置、电子设备及存储介质 | |
CN110287918A (zh) | 活体识别方法及相关产品 | |
CN107067022B (zh) | 图像分类模型的建立方法、建立装置和设备 | |
CN110021019A (zh) | 一种aga临床图像的ai辅助毛发的粗细分布分析方法 | |
CN114596608B (zh) | 一种基于多线索的双流视频人脸伪造检测方法及系统 | |
Gurrala et al. | A new segmentation method for plant disease diagnosis | |
Sivakumar et al. | A brief study of image segmentation using thresholding technique on a noisy image | |
Chin et al. | Facial skin image classification system using Convolutional Neural Networks deep learning algorithm | |
Karamizadeh et al. | Race classification using gaussian-based weight K-nn algorithm for face recognition | |
CN111931544B (zh) | 活体检测的方法、装置、计算设备及计算机存储介质 | |
Ahmed et al. | Retina based biometric authentication using phase congruency |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |