CN109977741A - 人脸识别方法、装置、系统及介质 - Google Patents
人脸识别方法、装置、系统及介质 Download PDFInfo
- Publication number
- CN109977741A CN109977741A CN201711471179.9A CN201711471179A CN109977741A CN 109977741 A CN109977741 A CN 109977741A CN 201711471179 A CN201711471179 A CN 201711471179A CN 109977741 A CN109977741 A CN 109977741A
- Authority
- CN
- China
- Prior art keywords
- facial image
- grey
- image frame
- face
- lighting environment
- 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 62
- 230000001815 facial effect Effects 0.000 claims abstract description 128
- 238000012545 processing Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006854 communication Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012795 verification 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种人脸识别方法。所述方法包括获取人脸图像,以及根据采集所述人脸图像时所处的光源环境进行人脸识别。根据采集所述人脸图像时所处的光源环境进行人脸识别具体包括:在采集所述人脸图像时所处的光源环境是可见光的情况下,将所述人脸图像与在可见光条件下注册的人脸图进行比对识别;或者,在采集所述人脸图像时所处的光源环境是近红外光的情况下,将所述人脸图像与近红外光条件下注册的人脸图进行比对识别。本公开还提供了一种人脸识别装置、系统及介质。
Description
技术领域
本公开涉及互联网技术领域,更具体地,涉及一种人脸识别方法装置、系统及介质。
背景技术
人脸识别一直是生物特征技术领域的一个热门研究。可见光人脸识别容易受到外界光照条件的影响,会造成人脸识别的不准确。近红外技术虽然不受环境光照影响识别效果较好,但是设备应用受限,而且识别方式与人们日常生活习惯相背。现有技术中存在一些将可见光识别和近红外光识别相结合的识别方式,主要包括基于人脸合成的可见光-近红外光人脸识别方法、基于统一子空间的可见光-近红外人脸识别方法、以及基于不变特征的可见光-近红外人脸识别方法、
在实现本发明构思的过程中,发明人发现现有技术中至少存在如下问题:现有技术中将可见光识别和近红外识别相结合的识别方式普遍是注册时获得一种光源条件下的人脸库。在识别认证时,当采集人脸图像时当采集时的光源环境与注册时不一致,需要将采集的人脸图像处理转换后进行比对,其实质还是不同质光源下的人脸识别。
发明内容
有鉴于此,本公开提供了一种可以实现同质光源下的人脸图像比对的人脸识别方法、装置、系统及介质。
本公开的一个方面提供了一种人脸识别方法。所述方法包括获取人脸图像,以及根据采集所述人脸图像时所处的光源环境进行人脸识别。根据采集所述人脸图像时所处的光源环境进行人脸识别具体包括:在采集所述人脸图像时所处的光源环境是可见光的情况下,将所述人脸图像与在可见光条件下注册的人脸图进行比对识别;或者,在采集所述人脸图像时所处的光源环境是近红外光的情况下,将所述人脸图像与近红外光条件下注册的人脸图进行比对识别。
根据本公开的实施例,所述方法还包括判断采集所述人脸图像时所处的光源环境是可见光还是近红外光。
根据本公开的实施例,获取人脸图像具体包括获取包括人脸和背景环境的完整图像帧,从所述完整图像帧中获取人脸区域,以及从所述人脸区域提取所述人脸图像。判断采集所述人脸图像时所处的光源环境是可见光还是近红外光,包括灰度化所述完整图像帧,得到灰度图像帧,以及根据所述灰度图像帧中灰阶的分布判断采集所述人脸图像时所处的光源环境是可见光还是近红外光。
根据本公开的实施例,根据所述灰度图像帧中灰阶的分布判断采集所述人脸图像时所处的光源环境是可见光还是近红外光包括以下操作过程;计算所述灰度图像帧中灰阶值在起始闭区间内的第一像素数量,其中,所述起始闭区间的一个端点为所述灰度图像帧的灰阶最小值,另一个端点为所述灰阶最小值加上预设值;计算所述灰度图像帧中灰阶值在终止闭区间内的第二像素数量,其中,所述终止闭区间的一个端点为所述灰度图像帧的灰阶最大值减去所述预设值,另一个端点为所述该灰阶最大值;计算所述灰度图像帧中除所述人脸区域以外的区域中的灰阶平均值;当所述第一像素数量大于第二像素数量,并且所述灰阶平均值小于预设灰阶均值时,判断采集所述人脸图像时所处的光源环境是近红外光;否则,判断采集所述人脸图像时所处的光源环境是可见光。
根据本公开的实施例,所述预设值包括15。
根据本公开的实施例,所述预设灰阶均值包括140。
根据本公开的实施例,所述方法还包括同时在可见光条件下和近红外光条件下分别注册人脸图。
本公开的另一方面提供了一种人脸识别装置。所述装置包括获取模块和识别模块。获取模块用于获取人脸图像。识别模块用于根据采集所述人脸图像时所处的光源环境进行人脸识别。识别模块具体用于在采集所述人脸图像时所处的光源环境是可见光的情况下,将所述人脸图像与在可见光条件下注册的人脸图进行比对识别;或者,在采集所述人脸图像时所处的光源环境是近红外光的情况下,将所述人脸图像与近红外光条件下注册的人脸图进行比对识别。
根据本公开的实施例,所述装置还包括光源判断模块。光源判断模块用于判断采集所述人脸图像时所处的光源环境是可见光还是近红外光。
根据本公开的实施例,获取模块,包括完整图像帧获取子模块、人脸区域获取子模块、以及人脸图像提取子模块。其中,完整图像帧获取子模块用于获取包括人脸和背景环境的完整图像帧。人脸区域获取子模块用于从所述完整图像帧中获取人脸区域。人脸图像提取子模块,用于从所述人脸区域提取所述人脸图像。光源判断模块包括灰度化子模块和光源判断子模块。其中,灰度化子模块用于灰度化所述完整图像帧,得到灰度图像帧。光源判断子模块用于根据所述灰度图像帧中灰阶的分布判断采集所述人脸图像时所处的光源环境是可见光还是近红外光。
根据本公开的实施例,根据所述灰度图像帧中灰阶的分布确定采集所述人脸图像时所处的光源环境是可见光还是近红外光,包括:计算所述灰度图像帧中灰阶值在起始闭区间内的第一像素数量,其中,所述起始闭区间的一个端点为所述灰度图像帧的灰阶最小值,另一个端点为所述灰阶最小值加上预设值;计算所述灰度图像帧中灰阶值在终止闭区间内的第二像素数量,其中,所述终止闭区间的一个端点为所述灰度图像帧的灰阶最大值减去所述预设值,另一个端点为所述该灰阶最大值;计算所述灰度图像帧中除所述人脸区域以外的区域中的灰阶平均值;以及当所述第一像素数量大于第二像素数量,并且所述灰阶平均值小于预设灰阶均值时,判断采集所述人脸图像时所处的光源环境是近红外光,否则判断采集所述人脸图像时所处的光源环境是可见光。
根据本公开的实施例,所述预设值包括15。
根据本公开的实施例,所述预设灰阶均值包括140。
根据本公开的实施例,所述装置还包括注册模块。所述注册模块用于同时在可见光条件下和近红外光条件下分别注册人脸图。
本公开的另一方面提供了一种人脸识别的系统,包括一个或多个处理器,以及存储器。存储器用于存储一个或多个程序。其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现以上所述的方法。
本公开的另一方面提供了一种计算机可读介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现如上所述所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例,可以至少部分避免了不同质光源下人脸图像差异过大造成的识别误差,并因此可以实现同质光源下人的人脸识别,从而达到提高人脸识别的准确性的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的人脸识别方法和装置的示例性架构;
图2示意性示出了根据本公开实施例的人脸识别方法的流程图;
图3示意性示出了根据本公开另一实施例的人脸识别方法的流程图;
图4示意性示出了根据本公开再一实施例的人脸识别方法的流程图;
图5A和图5B分别示意性示出了可见光和近红外光环境下采集图像对应的灰度图像帧中的灰阶分布;
图6示意性示出了根据本公开另一实施例的根据灰阶分布判断采集人脸图像时的光源环境的流程图;
图7示意性示出了根据本公开各个实施例的人脸识别方法的应用情景不意;
图8示意性示出了根据本公开实施例的人脸识别装置的框图;以及
图9示意性示出了根据本公开实施例的适于实现机器人的计算机系统的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。本领域技术人员还应理解,实质上任意表示两个或更多可选项目的转折连词和/或短语,无论是在说明书、权利要求书还是附图中,都应被理解为给出了包括这些项目之一、这些项目任一方、或两个项目的可能性。例如,短语“A或B”应当被理解为包括“A”或“B”、或“A和B”的可能性。
本公开的实施例提供了一种人脸识别方法、装置、系统及介质。该方法包括获取人脸图像,以及根据采集该人脸图像时所处的光源环境进行人脸识别。根据采集该人脸图像时所处的光源环境进行人脸识别具体包括:在采集该人脸图像时所处的光源环境是可见光的情况下,将该人脸图像与在可见光条件下注册的人脸图进行比对识别;或者,在采集该人脸图像时所处的光源环境是近红外光的情况下,将该人脸图像与近红外光条件下注册的人脸图进行比对识别。
图1示意性示出了根据本公开实施例的人脸识别方法和装置的示例性架构100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括摄像头101,网络102和服务器103。网络102用以在摄像头101、和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
摄像头101可以采集人脸图像,并经过网络102将获得的人脸图像传输给服务器103。
服务器103可以是提供各种服务的服务器,例如对接收到人脸图像等数据进行分析等处理。
在另一些实施例中,系统架构100中还可以包括终端设备104。终端设备104中可以存储经摄像头101或者其他摄像头采集的人脸图像。并且,终端设备104可以根据用户地操作将存储其中的人脸图像通过网络102发送给服务器105,以请求服务器105进行识别认证。服务器105可以根据用户请求进行处理,并将处理结果反馈给终端设备104。
终端设备104可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
在一些实施例中,终端设备104和摄像头101可以组合为一体,或者摄像头101可以是终端设备104的组成部分。
需要说明的是,本公开实施例所提供的人脸识别方法一般可以由服务器103执行。相应地,本公开实施例所提供的人脸识别装置一般可以设置于服务器103中。本公开实施例所提供的人脸识别方法也可以由不同于服务器103且能够与和/或服务器103通信的服务器或服务器集群执行。相应地,本公开实施例所提供的人脸识别装置也可以设置于不同于服务器103且能够与和/或服务器103通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的人脸识别方法的流程图。
如图2所示,根据本公开实施例,该人脸识别方法包括操作S210和操作S220。
在操作S210,获取人脸图像。
在一些实施例中,可以获取摄像头实时采集的人脸图像。在一些实施例中,可以从网络或其他位置图像存储位置等获取由摄像头采集获得的人脸图像。
在操作S220,根据采集该人脸图像时所处的光源环境进行人脸识别。
具体的,操作S220根据采集该人脸图像时所处的光源环境进行人脸识别包括:在采集该人脸图像时所处的光源环境是可见光的情况下,将该人脸图像与在可见光条件下注册的人脸图进行比对识别;或者,在采集该人脸图像时所处的光源环境是近红外光的情况下,将该人脸图像与近红外光条件下注册的人脸图进行比对识别。
根据本公开的实施例,在进行人脸识别时,可以根据采集该人脸图像时所处的光源环境进行同质光源下的人脸识别,将待识别人脸图像与人脸库中同质光源下的人脸图进行比对,一定程度上避免了不同质光源下人脸图像差异过大造成的识别误差,提高了人脸识别的准确性。
图3示意性示出了根据本公开另一实施例的人脸识别方法的流程图。
如图3所示,根据本公开另一实施例,该人脸识别方法除操作S210和操作S220之外,还包括操作S310。其中操作S310可以位于操作S220之前,或者操作S310可以与操作S220并行执行。
在操作S310,判断采集该人脸图像时所处的光源环境是可见光还是近红外光。
根据本公开的实施例,可以判断采集该人脸图像时所处的光源环境,从而可以将将待识别人脸图像与人脸库中同质光源下的人脸图进行比对,实现同质光源下的人脸识别。
图4示意性示出了根据本公开再一实施例的人脸识别方法的流程图。
如图4所示,根据本公开再一实施例,该人脸识别方法包括操作S210、操作S310和操作S220。其中操作S210包括操作S211~操作S213,操作S310包括操作S311和操作S312。
具体地,操作S210获取人脸图像可以包括操作S211~操作S213。
在操作S211,获取包括人脸和背景环境的完整图像帧。
在一些实施例中,获取摄像头实时采集的包含人脸和人脸周围的背景环境的完整图像帧。例如,通过摄像头实时采集人脸时可以是将专用摄像头固定于距离拍摄人脸水平0.5m-0.8m向上45度方向上采集包含人脸的完整图像帧。在另一些实施例中,可以从网络等其他位置获取由摄像头采集的包含人脸的完整图像帧。
在操作S212,从该完整图像帧中获取人脸区域。
例如,利用Adaboost算法进行人脸检测,得到人脸区域。
在操作S213,从该人脸区域提取该人脸图像。
例如,利用Adaboost算法从人脸区域提取该人脸图像。
具体地,操作S310判断采集该人脸图像时所处的光源环境是可见光还是近红外光,可以包括操作S311和操作S312。
在操作S311,灰度化该完整图像帧,得到灰度图像帧。
在操作S312,根据该灰度图像帧中灰阶的分布判断采集该人脸图像时所的光源环境是可见光还是近红外光。
图5A和图5B分别示意性示出了可见光和近红外光环境下采集图像对应的灰度图像帧中的灰阶分布。图5A示出了根据实验获得的由可见光光源下采集的完整图像帧灰度化处理得到的灰度图像帧中的灰阶分布。图5B示出了根据实验获得的由近红外光光源下采集的完整图像帧灰度化处理得到的灰度图像帧中的灰阶分布。
图中Graybegin指的是灰度图像帧中的灰阶最小值。Grayend指的是灰度图像帧中的灰阶最大值。
图5A和图5B示意出了在灰度图像帧中当灰阶值在的最小值到最大值的范围内,各个灰阶值对应的像素数量。
例如,可以逐行扫描灰度图像帧,统计各灰阶值对应的像素数量,例如标记为N0、N1、…、N255,并标记起始的灰阶最小值为Graybegin、终止的灰阶最大值为Grayend。
对比可以看出,可见光光源下采集的完整图像帧和近红外光光源下采集的完整图像帧对应得到的灰度图像帧中的灰阶分布存在明显的差异。
可见光光源下采集的完整图像帧得到的灰度图像帧的灰阶值在Grayend附近的像素数量较多。而近红外光光源下采集的完整图像帧得到的灰度图像帧的灰阶值在Graybegin附近的像素数量较多。
图6示意性示出了根据本公开另一实施例的操作根据灰阶分布判断采集人脸图像时的光源环境的流程图。
如图6所示,操作S312包括操作S3121~操作S3124。
在操作S3121,计算该灰度图像帧中灰阶值在起始闭区间内的第一像素数量,其中,该起始闭区间的一个端点为该灰度图像帧的灰阶最小值,另一个端点为该灰阶最小值加上预设值。
例如,计算灰阶值在[Graybegin,Graybegin+预设值]区间内的像素个数,记为P0。
在操作S3122,计算该灰度图像帧中灰阶值在终止闭区间内的第二像素数量,其中,该终止闭区间的一个端点为该灰度图像帧的灰阶最大值减去该预设值,另一个端点为该灰阶最大值。
例如,计算灰阶值在[Grayend-预设值,Grayend]区间内的像素个数,记为P1。
在操作S3123,计算该灰度图像帧中除该人脸区域以外的区域中的灰阶平均值,例如标记为GrayAve。
在操作S3124,当该第一像素数量大于第二像素数量,并且该灰阶平均值小于预设灰阶均值时,判断采集该人脸图像时所处的光源环境是近红外光;否则,判断采集该人脸图像时所处的光源环境是可见光。
即,若存在P0>P1且GrayAve<预设灰阶均值,在判断采集该人脸图像是该的光源环境是近红外光。否则,采集该人脸图像时所处的光源环境是可见光。
根据本公开的实施例,该预设值包括15。可以理解,在具体的不同实施例中,该预设值可以有所不同。
根据本公开的实施例,该预设灰阶均值包括140。
根据实验验证,当该预设值为15时,即P0为区间[Graybegin,Graybegin+15]内的像素个数,P1为区间[Grayend-15,Grayend]内的像素个数时,通过判断灰度图像帧中的灰阶分布是否满足P0>P1且GrayAve<140,来确定采集该人脸图像是该的光源环境是近红外光具有较高的准确率。
以下结合图7的一个示例性实施例,对根据本公开各个实施例的方法进行详细说明。
图7示意性示出了根据本公开各个实施例的人脸识别方法的应用情景示意。
具体应用情景可以如图7所示,可以在操作S210中获取人脸图像。
例如可以在操作S211中通过专用摄像头采集得到的包含人脸的完整图像帧,此时采集该人脸图像的光源类型未知。接着在操作S212中对该完整图像帧进行Adaboost人脸检测得到的人脸区域。然后在操作S213中对从该人脸区域中提取出人脸图像。
然后,可以通过操作S310判断采集该人脸图像时所处的光源环境是可见光还是近红外光。
具体地,在操作S311中灰度化该完整图像帧,得到对应的灰度图像帧。然后可以逐行扫描该灰度图像帧中各灰阶值对应的像素量分别例如标记为N0、N1、…、N255,并标记起始的灰阶最小值为Graybegin、终止的灰阶最大值为Grayend(例如,假设Graybegin=10,Grayend=240)。并且,例如,根据本公开的实施例,预设值可以取值15,预设灰阶均值可以取值140。
在操作S312中计算灰阶值在区间[10,25]中的像素数量P0=N10+N11+...+N25。
在操作S313中计算灰阶值在区间[225,240]范围内的像素数量P1=N225+N226+…+N240。
在操作S313中,计算该灰度图像帧中除人脸区域以外的灰度均值GrayAve。
然后在操作S314中判定P0、P1、GrayAve是否满足:P0>P1且GrayAve<140。如果满足,则确定采集该人脸图像时的光源环境为近红外光,否则为可见光。
最后在操作S220中,根据采集该人脸图像时所处的光源环境进行人脸识别。对在操作S210中获得人人脸图像进行特征提取等,并与同质光源类型下的人脸图进行比对,实现了注册时的光源条件与识别认证时的光源环境的一致性。
根据本公开的实施例,该人脸识别方法还包括同时在可见光条件下和近红外光条件下分别注册人脸图。通过同时注册可以保证在可见光和近红外条件下注册获得的人脸图(包括表情、获取的位置高低等)的一致性,减少因为注册图像的差异而给识别过程带来的误差。
图8示意性示出了根据本公开实施例的人脸识别装置的框图。
如图8所示,装置800该装置包括获取模块810和识别模块820。
获取模块810用于获取人脸图像。
识别模块820用于根据采集该人脸图像时所处的光源环境进行人脸识别。识别模块820具体用于在采集该人脸图像时所处的光源环境是可见光的情况下,将该人脸图像与在可见光条件下注册的人脸图进行比对识别;或者,在采集该人脸图像时所处的光源环境是近红外光的情况下,将该人脸图像与近红外光条件下注册的人脸图进行比对识别。
根据本公开的实施例,该装置还包括光源判断模块830。
光源判断模块830用于判断采集该人脸图像时所处的光源环境是可见光还是近红外光。
根据本公开的实施例,获取模块810包括完整图像帧获取子模块811、人脸区域获取子模块812、以及人脸图像提取子模块813。
完整图像帧获取子模块811用于获取包括人脸和背景环境的完整图像帧。
人脸区域获取子模块812用于从该完整图像帧中获取人脸区域。
人脸图像提取子模块813用于从该人脸区域提取该人脸图像。
根据本公开的实施例,光源判断模830包括灰度化子模块和光源判断子模块。
灰度化子模块831用于灰度化该完整图像帧,得到灰度图像帧。
光源判断子模块832用于根据该灰度图像帧中灰阶的分布判断采集该人脸图像时所处的光源环境是可见光还是近红外。
根据本公开的实施例,根据该灰度图像帧中灰阶的分布确定采集该人脸图像时所处的光源环境是可见光还是近红外,包括:计算该灰度图像帧中灰阶值在起始闭区间内的第一像素数量,其中,该起始闭区间的一个端点为该灰度图像帧的灰阶最小值,另一个端点为该灰阶最小值加上预设值;计算该灰度图像帧中灰阶值在终止闭区间内的第二像素数量,其中,该终止闭区间的一个端点为该灰度图像帧的灰阶最大值减去该预设值,另一个端点为该灰阶最大值;计算该灰度图像帧中除该人脸区域以外的区域中的灰阶平均值;以及当该第一像素数量大于第二像素数量,并且该灰阶平均值小于预设灰阶均值时,判断采集该人脸图像时所处的光源环境是近红外光,否则判断采集该人脸图像时所处的光源环境是可见光。
根据本公开的实施例,该预设值包括15。根据本公开的实施例,该预设灰阶均值包括140。
根据本公开的实施例,该装置还包括注册模块840。该注册模块840用于同时在可见光条件下和近红外光条件下分别注册人脸图。
根据本公开的实施例,该装置800可以用于实现参考图2~图7所描述的人脸识别方法。
可以理解的是,获取模块810、识别模块820、光源判断模块830、以及注册模块840可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的实施例,获取模块810、识别模块820、光源判断模块830、以及注册模块840中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式的适当组合来实现。或者,获取模块810、识别模块820、光源判断模块830、以及注册模块840中的至少一个可以至少被部分地实现为计算机程序模块,当该程序被计算机运行时,可以执行相应模块的功能。
图9示意性示出了根据本公开实施例的适于实现机器人的计算机系统的方框图。图9示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示,根据本公开实施例的计算机系统900包括处理器901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行参考图2~图7描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 903中,存储有系统900操作所需的各种程序和数据。处理器901、ROM 902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行以上参考图2~图7描述的人脸识别方法的各种操作。需要注意,该程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在该一个或多个存储器中的程序来执行以上参考图2~图7描述的人脸识别方法的各种操作。
根据本公开的实施例,系统900还可以包括输入/输出(I/O)接口905,输入/输出(I/O)接口905也连接至总线904。系统900还可以包括连接至I/O接口905的以下部件中的一项或多项:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
根据本公开的实施例,上文参考流程图描述的方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。根据本公开的实施例,计算机可读介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备执行根据本公开实施例的人脸识别方法。
该方法包括获取人脸图像,以及根据采集该人脸图像时所处的光源环境进行人脸识别。根据采集该人脸图像时所处的光源环境进行人脸识别具体包括:在采集该人脸图像时所处的光源环境是可见光的情况下,将该人脸图像与在可见光条件下注册的人脸图进行比对识别;或者,在采集该人脸图像时所处的光源环境是近红外光的情况下,将该人脸图像与近红外光条件下注册的人脸图进行比对识别。
根据本公开的实施例,该方法还包括判断采集该人脸图像时所处的光源环境是可见光还是近红外光。
根据本公开的实施例,获取人脸图像具体包括获取包括人脸和背景环境的完整图像帧,从该完整图像帧中获取人脸区域,以及从该人脸区域提取该人脸图像。判断采集该人脸图像时所处的光源环境是可见光还是近红外光,包括灰度化该完整图像帧,得到灰度图像帧,以及根据该灰度图像帧中灰阶的分布判断采集该人脸图像时所处的光源环境是可见光还是近红外光。
根据本公开的实施例,根据该灰度图像帧中灰阶的分布判断采集该人脸图像时所处的光源环境是可见光还是近红外光包括多个操作过程;计算该灰度图像帧中灰阶值在起始闭区间内的第一像素数量,其中,该起始闭区间的一个端点为该灰度图像帧的灰阶最小值,另一个端点为该灰阶最小值加上预设值;计算该灰度图像帧中灰阶值在终止闭区间内的第二像素数量,其中,该终止闭区间的一个端点为该灰度图像帧的灰阶最大值减去该预设值,另一个端点为该灰阶最大值;计算该灰度图像帧中除该人脸区域以外的区域中的灰阶平均值;当该第一像素数量大于第二像素数量,并且该灰阶平均值小于预设灰阶均值时,判断采集该人脸图像时所处的光源环境是近红外光;否则,判断采集该人脸图像时所处的光源环境是可见光。
根据本公开的实施例,该预设值包括15。
根据本公开的实施例,该预设灰阶均值包括140。
根据本公开的实施例,该方法还包括同时在可见光条件下和近红外光条件下分别注册人脸图。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (16)
1.一种人脸识别方法,包括:
获取人脸图像;
根据采集所述人脸图像时所处的光源环境进行人脸识别,包括:
在采集所述人脸图像时所处的光源环境是可见光的情况下,将所述人脸图像与在可见光条件下注册的人脸图进行比对识别;或者
在采集所述人脸图像时所处的光源环境是近红外光的情况下,将所述人脸图像与近红外光条件下注册的人脸图进行比对识别。
2.根据权利要求1所述的方法,其中,还包括:
判断采集所述人脸图像时所处的光源环境是可见光还是近红外光。
3.根据权利要求2所述的方法,其中:
获取人脸图像,包括:
获取包括人脸和背景环境的完整图像帧;
从所述完整图像帧中获取人脸区域;以及
从所述人脸区域提取所述人脸图像;
判断采集所述人脸图像时所处的光源环境是可见光还是近红外光,包括:
灰度化所述完整图像帧,得到灰度图像帧;以及
根据所述灰度图像帧中灰阶的分布判断采集所述人脸图像时所处的光源环境是可见光还是近红外光。
4.根据权利要求3所述的方法,其中,根据所述灰度图像帧中灰阶的分布判断采集所述人脸图像时所处的光源环境是可见光还是近红外光,包括:
计算所述灰度图像帧中灰阶值在起始闭区间内的第一像素数量,其中,所述起始闭区间的一个端点为所述灰度图像帧的灰阶最小值,另一个端点为所述灰阶最小值加上预设值;
计算所述灰度图像帧中灰阶值在终止闭区间内的第二像素数量,其中,所述终止闭区间的一个端点为所述灰度图像帧的灰阶最大值减去所述预设值,另一个端点为所述该灰阶最大值;
计算所述灰度图像帧中除所述人脸区域以外的区域中的灰阶平均值;
当所述第一像素数量大于第二像素数量,并且所述灰阶平均值小于预设灰阶均值时,判断采集所述人脸图像时所处的光源环境是近红外光;否则,判断采集所述人脸图像时所处的光源环境是可见光。
5.根据权利要求4所述的方法,其中,所述预设值包括15。
6.根据权利要求4所述的方法,其中,所述预设灰阶均值包括140。
7.根据权利要求1所述的方法,还包括:
同时在可见光条件下和近红外光条件下分别注册人脸图。
8.一种人脸识别装置,包括:
获取模块,用于获取人脸图像;
识别模块,用于根据采集所述人脸图像时所处的光源环境进行人脸识别,包括:
在采集所述人脸图像时所处的光源环境是可见光的情况下,将所述人脸图像与在可见光条件下注册的人脸图进行比对识别;或者,
在采集所述人脸图像时所处的光源环境是近红外光的情况下,将所述人脸图像与近红外光条件下注册的人脸图进行比对识别。
9.根据权利要求8所述的装置,其中,还包括:
光源判断模块,用于判断采集所述人脸图像时所处的光源环境是可见光还是近红外光。
10.根据权利要求9所述的装置,其中:
获取模块,包括:
完整图像帧获取子模块,用于获取包括人脸和背景环境的完整图像帧;
人脸区域获取子模块,用于从所述完整图像帧中获取人脸区域;以及
人脸图像提取子模块,用于从所述人脸区域提取所述人脸图像;
光源判断模块包括:
灰度化子模块,用于灰度化所述完整图像帧,得到灰度图像帧;以及
光源判断子模块,用于根据所述灰度图像帧中灰阶的分布判断采集所述人脸图像时所处的光源环境是可见光还是近红外光。
11.根据权利要求10所述的装置,其中,根据所述灰度图像帧中灰阶的分布确定采集所述人脸图像时所处的光源环境是可见光还是近红外光,包括:
计算所述灰度图像帧中灰阶值在起始闭区间内的第一像素数量,其中,所述起始闭区间的一个端点为所述灰度图像帧的灰阶最小值,另一个端点为所述灰阶最小值加上预设值;
计算所述灰度图像帧中灰阶值在终止闭区间内的第二像素数量,其中,所述终止闭区间的一个端点为所述灰度图像帧的灰阶最大值减去所述预设值,另一个端点为所述该灰阶最大值;
计算所述灰度图像帧中除所述人脸区域以外的区域中的灰阶平均值;
当所述第一像素数量大于第二像素数量,并且所述灰阶平均值小于预设灰阶均值时,判断采集所述人脸图像时所处的光源环境是近红外光;否则,判断采集所述人脸图像时所处的光源环境是可见光。
12.根据权利要求11所述的装置,其中,所述预设值包括15。
13.根据权利要求11所述的装置,其中,所述预设灰阶均值包括140。
14.根据权利要求8所述的装置,还包括:
注册模块,用于同时在可见光条件下和近红外光条件下分别注册人脸图。
15.一种人脸识别的系统,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现根据权利要求1~7任意一项所述的方法。
16.一种计算机可读介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现根据权利要求1~7任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711471179.9A CN109977741A (zh) | 2017-12-28 | 2017-12-28 | 人脸识别方法、装置、系统及介质 |
PCT/CN2018/108994 WO2019128362A1 (zh) | 2017-12-28 | 2018-09-30 | 人脸识别方法、装置、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711471179.9A CN109977741A (zh) | 2017-12-28 | 2017-12-28 | 人脸识别方法、装置、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109977741A true CN109977741A (zh) | 2019-07-05 |
Family
ID=67065050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711471179.9A Pending CN109977741A (zh) | 2017-12-28 | 2017-12-28 | 人脸识别方法、装置、系统及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109977741A (zh) |
WO (1) | WO2019128362A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532992B (zh) * | 2019-09-04 | 2023-01-10 | 深圳市捷顺科技实业股份有限公司 | 一种基于可见光和近红外的人脸识别方法 |
CN110826535B (zh) * | 2019-12-02 | 2020-12-29 | 北京三快在线科技有限公司 | 一种人脸识别方法、系统及装置 |
CN111325139B (zh) * | 2020-02-18 | 2023-08-04 | 浙江大华技术股份有限公司 | 一种唇语识别方法及装置 |
CN114898429B (zh) * | 2022-05-10 | 2023-05-30 | 电子科技大学 | 一种热红外-可见光跨模态人脸识别的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964056A (zh) * | 2010-10-26 | 2011-02-02 | 徐勇 | 一种具有活体检测功能的双模态人脸认证方法和系统 |
CN102831379A (zh) * | 2011-06-14 | 2012-12-19 | 汉王科技股份有限公司 | 人脸图像识别方法及装置 |
CN103400108A (zh) * | 2013-07-10 | 2013-11-20 | 北京小米科技有限责任公司 | 人脸识别方法、装置和移动终端 |
US20130342702A1 (en) * | 2012-06-26 | 2013-12-26 | Qualcomm Incorporated | Systems and method for facial verification |
CN106372615A (zh) * | 2016-09-19 | 2017-02-01 | 厦门中控生物识别信息技术有限公司 | 一种人脸防伪识别方法以及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006003612A1 (en) * | 2004-07-02 | 2006-01-12 | Koninklijke Philips Electronics N.V. | Face detection and/or recognition |
CN101526991A (zh) * | 2008-03-03 | 2009-09-09 | 联想(北京)有限公司 | 一种笔记本电脑及其人脸识别方法 |
CN202197300U (zh) * | 2010-08-05 | 2012-04-18 | 北京海鑫智圣技术有限公司 | 移动人脸识别系统 |
CN103902962B (zh) * | 2012-12-28 | 2017-10-31 | 汉王科技股份有限公司 | 一种遮挡或光源自适应人脸识别方法和装置 |
-
2017
- 2017-12-28 CN CN201711471179.9A patent/CN109977741A/zh active Pending
-
2018
- 2018-09-30 WO PCT/CN2018/108994 patent/WO2019128362A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964056A (zh) * | 2010-10-26 | 2011-02-02 | 徐勇 | 一种具有活体检测功能的双模态人脸认证方法和系统 |
CN102831379A (zh) * | 2011-06-14 | 2012-12-19 | 汉王科技股份有限公司 | 人脸图像识别方法及装置 |
US20130342702A1 (en) * | 2012-06-26 | 2013-12-26 | Qualcomm Incorporated | Systems and method for facial verification |
CN103400108A (zh) * | 2013-07-10 | 2013-11-20 | 北京小米科技有限责任公司 | 人脸识别方法、装置和移动终端 |
CN106372615A (zh) * | 2016-09-19 | 2017-02-01 | 厦门中控生物识别信息技术有限公司 | 一种人脸防伪识别方法以及装置 |
Non-Patent Citations (1)
Title |
---|
马芳 等: "多通道卫星云图云检测方法的研究", 《大气科学》 * |
Also Published As
Publication number | Publication date |
---|---|
WO2019128362A1 (zh) | 2019-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11244435B2 (en) | Method and apparatus for generating vehicle damage information | |
CN109977741A (zh) | 人脸识别方法、装置、系统及介质 | |
CN109214343A (zh) | 用于生成人脸关键点检测模型的方法和装置 | |
US10691940B2 (en) | Method and apparatus for detecting blink | |
WO2020078119A1 (zh) | 模拟用户穿戴服装饰品的方法、装置和系统 | |
WO2019090769A1 (zh) | 一种人脸脸型识别方法、装置和智能终端 | |
JP6624794B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN108491823B (zh) | 用于生成人眼识别模型的方法和装置 | |
CN109101873A (zh) | 用于提供针对兴趣对象的外部光源的特性信息的电子设备 | |
US11087133B2 (en) | Method and apparatus for determining a target object, and human-computer interaction system | |
CN108388889B (zh) | 用于分析人脸图像的方法和装置 | |
CN107918767B (zh) | 目标检测方法、装置、电子设备及计算机可读介质 | |
CN109241934A (zh) | 用于生成信息的方法和装置 | |
CN109389169A (zh) | 用于处理图像的方法和装置 | |
CN109887077A (zh) | 用于生成三维模型的方法和装置 | |
CN108171208A (zh) | 信息获取方法和装置 | |
US20210264198A1 (en) | Positioning method and apparatus | |
CN108171204A (zh) | 检测方法和装置 | |
CN110110666A (zh) | 目标检测方法和装置 | |
CN108133197A (zh) | 用于生成信息的方法和装置 | |
CN110059624A (zh) | 用于检测活体的方法和装置 | |
CN108399401A (zh) | 用于检测人脸图像的方法和装置 | |
CN109446940A (zh) | 指纹识别方法、电子装置及计算机可读取介质 | |
CN115731341A (zh) | 三维人头重建方法、装置、设备及介质 | |
CN109064464A (zh) | 用于检测电池极片毛刺的方法和装置 |
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: 20190705 |
|
RJ01 | Rejection of invention patent application after publication |