CN110334688B - 基于人脸照片库的图像识别方法、装置和计算机可读存储介质 - Google Patents
基于人脸照片库的图像识别方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN110334688B CN110334688B CN201910638902.0A CN201910638902A CN110334688B CN 110334688 B CN110334688 B CN 110334688B CN 201910638902 A CN201910638902 A CN 201910638902A CN 110334688 B CN110334688 B CN 110334688B
- Authority
- CN
- China
- Prior art keywords
- similarity
- image
- identified
- comparison
- library
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种基于人脸照片库的图像识别方法、装置和计算机可读存储介质,涉及人脸识别领域。该图像识别方法包括:获取待识别图像与静态图像库中预存的初始照片的第一相似度,及待识别图像与动态图像库中与初始照片对应的至少一张比对照片的第二相似度;判断第一相似度是否大于或等于第一相似度阈值;当第一相似度小于第一相似度阈值时,则判断任一第二相似度是否大于或等于第二相似度阈值;当第一相似度大于或等于第一相似度阈值,或任一第二相似度大于或等于第二相似度阈值时,则确认待识别图像比对成功。待识别图像与静态图像库和动态图像库中任一张照片的相似度符合比对成功的标准,即可确认待识别图像比对成功,提高了人脸识别的通过率。
Description
技术领域
本申请涉及人脸识别领域,具体而言,涉及基于人脸照片库的图像识别方法、装置和计算机可读存储介质。
背景技术
在基于人脸识别技术的考勤或进出口管理系统中,应用平台通过智能人脸抓拍摄像机获取的实时人脸与系统人脸库做相似度比对,当相似度超过设定的阈值时,便判定当前实时人脸为系统中已有人员,否则便判定为非法闯入人员。
人脸库存储的一般为系统管理员事先导入的所有人员登记照。但在实际应用中,由于人员年龄的增长、季节的变化等外部因素导致人员呈现给人脸抓拍摄像机的实时人脸与系统人脸库中的照片有较大的差异,从而导致整个人脸识别过程中人员识别率逐渐降低。
为了解决上述问题,需要一种可以提高人脸识别通过率的方法。
发明内容
为了至少克服现有技术中的上述不足,本申请的目的之一在于提供一种基于人脸照片库的图像识别方法、装置和计算机可读存储介质。
第一方面,本发明实施例提供一种基于人脸照片库的图像识别方法,所述方法包括:获取待识别图像与静态图像库中预存的初始照片的第一相似度,及所述待识别图像与动态图像库中与所述初始照片对应的至少一张比对照片的第二相似度。判断所述第一相似度是否大于或等于第一相似度阈值。当所述第一相似度小于所述第一相似度阈值时,则判断任一所述第二相似度是否大于或等于第二相似度阈值。当所述第一相似度大于或等于所述第一相似度阈值,或任一所述第二相似度大于或等于所述第二相似度阈值时,则确认所述待识别图像比对成功。
在可选的实施方式中,当所述待识别图像比对成功时,所述方法还包括:获取所述待识别图像的偏离值;其中,所述偏离值表征所述第一相似度和所有所述第二相似度偏离于预期相似度的离散程度。在预设时间内,将最小偏离值对应的所述待识别图像替换所述动态图像库中的一张所述比对照片,所述最小偏离值为至少一张所述待识别图像的偏离值中最小的偏离值。
在可选的实施方式中,在所述获取所述待识别图像的偏离值之前,所述方法还包括:判断所述第一相似度或任一所述第二相似度是否小于第三相似度阈值;所述第三相似度阈值小于所述预期相似度。若否,则执行所述获取所述待识别图像的偏离值的步骤。
在可选的实施方式中,所述比对照片按照存储时间进行排序;所述将最小偏离值对应的所述待识别图像替换所述动态图像库中的一张所述比对照片,包括:获取最小偏离值对应的所述待识别图像;将所述待识别图像替换所述存储时间距离当前时间最长的比对照片。
在可选的实施方式中,所述获取所述待识别图像的偏离值,包括:获取所述第一相似度和任一所述第二相似度与所述预期相似度的差值的平方值。依据所述平方值和所述第一相似度、所述第二相似度的个数,获取所述第一相似度和所述第二相似度的方差和/或标准差。将所述方差或所述标准差作为所述偏离值。
第二方面,本发明实施例提供一种基于人脸照片库的图像识别装置,包括:获取模块、判断模块和处理模块;所述获取模块用于获取待识别图像与静态图像库中预存的初始照片的第一相似度,及所述待识别图像与动态图像库中与所述初始照片对应的至少一张比对照片的第二相似度。所述判断模块用于判断所述第一相似度是否大于或等于第一相似度阈值。当所述第一相似度小于所述第一相似度阈值时,所述判断模块还用于判断任一所述第二相似度是否大于或等于第二相似度阈值。所述处理模块,用于当所述第一相似度大于或等于所述第一相似度阈值,或任一所述第二相似度大于或等于所述第二相似度阈值时,确认所述待识别图像比对成功。
在可选的实施方式中,当所述待识别图像比对成功时,所述获取模块还用于获取所述待识别图像的偏离值;其中,所述偏离值表征所述第一相似度和所有所述第二相似度偏离于预期相似度的离散程度。所述处理模块还用于在预设时间内,将最小偏离值对应的所述待识别图像替换所述动态图像库中的一张所述比对照片,所述最小偏离值为至少一张所述待识别图像的偏离值中最小的偏离值。
在可选的实施方式中,所述判断模块还用于判断所述第一相似度或任一所述第二相似度是否小于第三相似度阈值;所述第三相似度阈值小于所述预期相似度。
在可选的实施方式中,所述比对照片按照存储时间进行排序,所述获取模块还用于获取最小偏离值对应的所述待识别图像;所述处理模块还用于将所述待识别图像替换所述存储时间距离当前时间最长的比对照片。
第三方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如前述实施方式中任一项所述的方法。
相对于现有技术而言,本申请具有以下有益效果:
在静态图像库的基础上,设置一个动态图像库,待识别图像在识别过程中,当与静态图像库比对失败时,与动态图像库中的照片进行比对,只要待识别图像与静态图像库和动态图像库中任一张照片的相似度符合比对成功的标准,即可确认待识别图像比对成功,提高了人脸识别的通过率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种基于人脸照片库的图像识别装置的结构示意图;
图2为本申请实施例提供的一种图像识别方法流程示意图;
图3为本申请实施例提供的另一种图像识别方法流程示意图;
图4为本申请实施例提供的另一种图像识别方法流程示意图;
图5为本申请实施例提供的另一种图像识别方法流程示意图;
图6为本申请实施例提供的另一种图像识别方法流程示意图;
图7为本申请实施例提供的另一种图像识别方法流程示意图;
图8为本申请实施例提供的另一种图像识别方法流程示意图;
图9为本申请实施例提供的一种图像识别系统的结构示意图。
图标:10-图像识别装置,11-获取模块,12-判断模块,13-处理模块,30-图像识别系统,31-摄像机,32-底层服务,321-视频管理系统,322-视图库,323-存储模块,324-解析模块,33-应用平台。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
在人脸识别的实际应用中,一般在图像库中预存图像,通过将人脸抓拍照与预存图像进行比对,来判定当前人脸抓拍照是否与预存图像一致。但是在实际使用的过程中,预存图像的登记时间与当前人脸抓拍照的时间距离较长,由于人员的年龄增长、季节的天气变化或者是其它影响因素,造成人脸抓拍照与预存图像有较大差异,不能比对成功,人脸识别的准确率较低。
基于上述的问题,为了提高人脸识别的准确率,本申请实施例提供一种基于人脸照片库的图像识别装置,如图1,图1为本申请实施例提供的一种基于人脸照片库的图像识别装置的结构示意图。该图像识别装置10包括:获取模块11、判断模块12和处理模块13。
获取模块11用于获取待识别图像与静态图像库中预存的初始照片的第一相似度,及待识别图像与动态图像库中与初始照片对应的至少一张比对照片的第二相似度。
判断模块12用于判断第一相似度是否大于或等于第一相似度阈值。当第一相似度小于第一相似度阈值时,判断模块12还用于判断任一第二相似度是否大于或等于第二相似度阈值。
处理模块13用于当第一相似度大于或等于第一相似度阈值,或任一第二相似度大于或等于第二相似度阈值时,确认待识别图像比对成功。
图像识别装置10通过设置两个图像比对库,将待识别图像与两个图像比对库中的照片进行比对,只要与其中的一张照片比对成功,则认为该待识别图像比对成功,提高了人脸识别的通过率。
基于图1的图像识别装置10,为了实现基于人脸照片库的图像识别,本申请实施例提供一种基于人脸照片库的图像识别方法,如图2,图2为本申请实施例提供的一种图像识别方法流程示意图。该方法包括:
步骤101、获取待识别图像与静态图像库中预存的初始照片的第一相似度,及待识别图像与动态图像库中与初始照片对应的至少一张比对照片的第二相似度。
需要注意的是,当动态图像库中具有与初始照片对应的多张比对照片时,也存在多个与比对照片分别对应的第二相似度。
步骤102、判断第一相似度是否大于或等于第一相似度阈值。
当第一相似度小于第一相似度阈值时,则执行步骤103。
步骤103、判断任一第二相似度是否大于或等于第二相似度阈值。
需要注意的是,上述的第一相似度阈值和第二相似度阈值可以相同,也可以不同,具体根据实际情况进行设置,本申请不对其进行限定。
当所有的第二相似度小于第二相似度阈值时,则执行步骤104。
步骤104、确认待识别图像比对失败。
当第一相似度大于或等于第一相似度阈值,或任一第二相似度大于或等于第二相似度阈值时,则执行步骤105。
步骤105、确认待识别图像比对成功。
通过设置两个图像比对库,在静态图像库的基础上,设置一个动态图像库,待识别图像在识别过程中,当与静态图像库比对失败时,与动态图像库中的照片进行比对,只要待识别图像与静态图像库和动态图像库中任一张照片的相似度符合比对成功的标准,即可确认待识别图像比对成功,提高了人脸识别的通过率。
可选地,为了保证人脸识别的通过率的基础上,提高人脸识别的准确率,在图2的基础上,给出一种可能的实现方式,如图3,图3为本申请实施例提供的另一种图像识别方法流程示意图。当待识别图像比对成功时,该方法还包括:
步骤108、获取待识别图像的偏离值。
其中,上述偏离值表征第一相似度和所有第二相似度偏离于预期相似度的离散程度。
步骤109、在预设时间内,将最小偏离值对应的待识别图像替换动态图像库中的一张比对照片。
上述最小偏离值为至少一张待识别图像的偏离值中最小的偏离值。例如,在预设时间内,只存在一个偏离值时,则确认该偏离值为最小偏离值;当存在两个偏离值时,则取较小的偏离值为最小偏离值。
获取待识别图像的同时,对动态图像库中的比对照片进行更新,可以提高待识别图像与静态图像库中的初始照片比对失败后,与动态图像库中的比对照片比对成功的几率。可以预见的是,因为动态图像库在一个预设时间内会更新一张比对照片,当时间足够的情况下,动态图像库中的内容是会逐步进行更新的,动态图像库始终维护一个与当前时间、当前待识别图像最接近的比对库内容。
需要说明的是,上述的预期相似度可以根据实际识别的需求进行设置。例如,当多次计算偏离值后,发现偏离值结果与预期的偏离值变化范围过大,则可以根据实际情况将预期相似度进行增加或减小,以便获得偏离值变化范围较小的偏离值集合,从而提高动态图像库与待识别图像的识别成功率。
可选地,为了提高动态图像库与当前待识别图像的识别成功率,在图3的基础上,给出一种可能的实现方式,如图4,图4为本申请实施例提供的另一种图像识别方法流程示意图。在步骤108之前,该方法还包括:
步骤106、判断第一相似度或任一第二相似度是否小于第三相似度阈值。
第三相似度阈值小于预期相似度。该第三相似度阈值主要用于在第一相似度阈值和第二相似度阈值之后,为了更新动态图像库的内容而设置的一个动态图像库更新的前提条件,获得一个与更新前的动态图像库的相似度较高的、且与后续的待识别图像相似度较高的比对照片,减少系统算法失误产生的影响,进而将更新后的动态图像库与待识别图像之间的相似度提高。
当第一相似度或任一第二相似度小于第三相似度阈值时,则执行步骤107。
步骤107、确认待识别图像无效。
即,当第一相似度或任一第二相似度小于第三相似度阈值时,不将该待识别图像进行偏离值计算,以便减少设备的计算量。
当第一相似度和所有的第二相似度均大于或等于第三相似度阈值时,则执行步骤108。
通过对待识别图像的第一相似度和第二相似度进行与第三相似度阈值进行比较,防止因系统算法失误,造成后面动态图像库的更新效果降低,保证动态图像库与待识别图像的识别效果,提高待识别图像的比对成功率。
为了使动态图像库更新后,能具有一个较好的待识别图像比对成功率,在图3的基础上,给出一种可能的实现方式,以比对照片按照存储时间进行排序为例,如图5,图5为本申请实施例提供的另一种图像识别方法流程示意图。上述的步骤109,包括:
步骤1091、获取最小偏离值对应的待识别图像。
步骤1092、将待识别图像替换存储时间距离当前时间最长的比对照片。
将动态图像库中的比对照片按照时间进行排序,每个预设时间内,使用最小偏离值对应的待识别图像替换存储时间距离当前时间最长的比对照片,可以使动态图像库中的比对照片始终与待识别图像保持一个相对较优的相似度,有利于图像识别过程中,提高待识别图像的比对成功率。
针对上述的步骤108,在图2的基础上,给出一种可能的实现方式,如图6,图6为本申请实施例提供的另一种图像识别方法流程示意图。上述的步骤108,包括:
步骤1081、获取第一相似度和任一第二相似度与预期相似度的差值的平方值。
步骤1082、依据平方值和第一相似度、第二相似度的个数,获取第一相似度和第二相似度的方差和/或标准差。
步骤1083、将方差或标准差作为偏离值。
例如,将待识别图像与静态图像库中初始照片的第一相似度设置为x1,动态图像库中具有与初始照片对应的M张比对照片,将待识别图像与动态图像库中比对照片的第二相似度分别设置为x2、x3、x4…xM+1,将预期相似度设置为x0,将使用标准差计算的偏离值设置为P,则上述计算偏离值的过程为:
在预设时间内,当具有N张待识别图像比对成功时,则对该N张待识别图像均计算P值,具体为:
针对上述的P值,该P值表示为当前待识别图像相对于静态图像库和动态图像库中所有照片的相似度偏离于预期相似度的离散程度,P值越小,说明当前待识别图像与预期相似度越接近,越可信。
在一个时间T内,计算出N个P值之后,取最小P值对应的待识别图像替换上一次更新后的动态图像库中M张比对照片中的一张。每隔一个时间T,替换上一次更新后的动态图像库中M张比对照片中存储时间距离当前时间最长的一张比对照片,当M个时间T后,完成对动态图像库中M张比对照片的全部替换,再按照上述的过程对动态图像库进行持续更新,保持动态图像库在整个人脸识别过程中的准确度。
优选地,在图2的基础上,针对上述的步骤101,给出一种可能的实现方式,如图7,图7为本申请实施例提供的另一种图像识别方法流程示意图。上述的步骤101,包括:
步骤1011、获取单个人员的待识别图像。
步骤1012、根据待识别图像与静态图像库中单个人员对应预存的初始照片,获取第一相似度。
步骤1013、根据待识别图像与动态图像库中初始照片对应的至少一张比对照片,获取第二相似度。
其中,第二相似度的个数与动态图像库中初始照片对应动态图像库中的比对照片数量相同。
为了获得初始的动态图像库,在图7的基础上,以系统还未获取待识别图像为例,给出一种可能的实现方式,如图8,图8为本申请实施例提供的另一种图像识别方法流程示意图。该方法还包括:
步骤100、将静态图像库中预存的初始照片作为动态图像库中初始照片对应的比对照片。
即,将初始动态图像库中的比对照片设置为静态图像库中初始照片的多个副本,以便进行后续的动态图像库更新,保证了人脸识别过程中实现与动态图像库的比对过程。
本申请在静态图像库的基础上,设置一个动态图像库,待识别图像在识别过程中,当与静态图像库比对失败时,与动态图像库中的照片进行比对,只要待识别图像与静态图像库和动态图像库中任一张照片的相似度符合比对成功的标准,即可确认待识别图像比对成功,提高了人脸识别的通过率。同时,动态图像库可以在实际的使用过程中进行自学习,进一步的保证了人脸识别的通过率。
基于图1的图像识别装置,该图像识别装置10用以执行上述的各个步骤。可以预见的是,当待识别图像比对成功时,获取模块11还用于获取待识别图像的偏离值;其中,偏离值表征第一相似度和所有第二相似度偏离于预期相似度的离散程度。处理模块13还用于在预设时间内,将最小偏离值对应的待识别图像替换动态图像库中的一张比对照片,最小偏离值为至少一张待识别图像的偏离值中最小的偏离值。
可选地,判断模块12还用于判断第一相似度或任一第二相似度是否小于第三相似度阈值;第三相似度阈值小于预期相似度,且大于第二相似度阈值。
可选地,当比对照片按照存储时间进行排序时,获取模块11还用于获取最小偏离值对应的待识别图像;处理模块13还用于将待识别图像替换存储时间距离当前时间最长的比对照片。
针对上述的图像识别方法及装置,本申请实施例还给出一种可能的实现方式,如图9,图9为本申请实施例提供的一种图像识别系统的结构示意图。该图像识别系统30包括摄像机31、底层服务32和应用平台33。底层服务32与摄像机31、应用平台33分别连接。
底层服务32包括视频管理系统321、视图库322、存储模块323和解析模块324。上述的应用平台33包括两个部分:第一部分为可视设备,例如手机、平板电脑、笔记本电脑等;第二部分为应用平台33给用户提供的服务,此服务分为前端和后端,均部署在服务器上,用户可以通过可视设备以网页或应用程序等方式来访问应用平台33的所有功能。
摄像机31用于获取待识别图像,视频管理系统321对待识别图像进行预处理。存储模块323划分第一存储区,该第一存储区中存储有摄像机31抓拍的所有待识别图像,存储模块323还划分有第二存储区,第二存储区存储有所有人员的静态图像库的初始照片,以及与初始照片对应的动态图像库的所有比对照片。视图库322中存有所有待识别图像在第一存储区的第一存储地址,以及上述初始照片和比对照片在第二存储区的第二存储地址。解析模块324用于根据视图库322中的第一存储地址、第二存储地址,调取第一存储区和第二存储区中的图像,获取图像的特征值并将其推送至视图库322。应用平台33根据视图库322中存储的第一存储地址和第二存储地址,调用视图库322的人脸检索功能,视图库322检索成功后将相似度值推送至应用平台33,获取最小偏离值对应的待识别图像,并将该待识别图像用于更新动态图像库及相关的其它信息。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一实施例的方法。
该计算机可读存储介质可以是但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。
综上所述,本申请提供一种基于人脸照片库的图像识别方法、装置和计算机可读存储介质,涉及人脸识别领域。该图像识别方法包括:获取待识别图像与静态图像库中预存的初始照片的第一相似度,及待识别图像与动态图像库中与初始照片对应的至少一张比对照片的第二相似度;判断第一相似度是否大于或等于第一相似度阈值;当第一相似度小于第一相似度阈值时,则判断任一第二相似度是否大于或等于第二相似度阈值;当第一相似度大于或等于第一相似度阈值,或任一第二相似度大于或等于第二相似度阈值时,则确认待识别图像比对成功。待识别图像与静态图像库和动态图像库中任一张照片的相似度符合比对成功的标准,即可确认待识别图像比对成功,提高了人脸识别的通过率。
以上所述,仅为本申请的各种实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种基于人脸照片库的图像识别方法,其特征在于,所述方法包括:
获取待识别图像与静态图像库中预存的初始照片的第一相似度,及所述待识别图像与动态图像库中与所述初始照片对应的至少一张比对照片的第二相似度;
判断所述第一相似度是否大于或等于第一相似度阈值;
当所述第一相似度小于所述第一相似度阈值时,则判断任一所述第二相似度是否大于或等于第二相似度阈值;
当所述第一相似度大于或等于所述第一相似度阈值,或任一所述第二相似度大于或等于所述第二相似度阈值时,则确认所述待识别图像比对成功;
当所述待识别图像比对成功时,获取所述待识别图像的偏离值;其中,所述偏离值表征所述第一相似度和所有所述第二相似度偏离于预期相似度的离散程度;
在预设时间内,将最小偏离值对应的所述待识别图像替换所述动态图像库中的一张所述比对照片,所述最小偏离值为至少一张所述待识别图像的偏离值中最小的偏离值。
2.根据权利要求1所述的方法,其特征在于,在所述获取所述待识别图像的偏离值之前,所述方法还包括:
判断所述第一相似度或任一所述第二相似度是否小于第三相似度阈值;所述第三相似度阈值小于所述预期相似度;
若否,则执行所述获取所述待识别图像的偏离值的步骤。
3.根据权利要求1或2所述的方法,其特征在于,所述比对照片按照存储时间进行排序;
所述将最小偏离值对应的所述待识别图像替换所述动态图像库中的一张所述比对照片,包括:
获取最小偏离值对应的所述待识别图像;
将所述待识别图像替换所述存储时间距离当前时间最长的比对照片。
4.根据权利要求1或2所述的方法,其特征在于,所述获取所述待识别图像的偏离值,包括:
获取所述第一相似度和任一所述第二相似度与所述预期相似度的差值的平方值;
依据所述平方值和所述第一相似度、所述第二相似度的个数,获取所述第一相似度和所述第二相似度的方差和/或标准差;
将所述方差或所述标准差作为所述偏离值。
5.一种基于人脸照片库的图像识别装置,其特征在于,包括:获取模块、判断模块和处理模块;
所述获取模块,用于获取待识别图像与静态图像库中预存的初始照片的第一相似度,及所述待识别图像与动态图像库中与所述初始照片对应的至少一张比对照片的第二相似度;
所述判断模块,用于判断所述第一相似度是否大于或等于第一相似度阈值;
当所述第一相似度小于所述第一相似度阈值时,所述判断模块还用于判断任一所述第二相似度是否大于或等于第二相似度阈值;
所述处理模块,用于当所述第一相似度大于或等于所述第一相似度阈值,或任一所述第二相似度大于或等于所述第二相似度阈值时,确认所述待识别图像比对成功;
当所述待识别图像比对成功时,所述获取模块还用于获取所述待识别图像的偏离值;其中,所述偏离值表征所述第一相似度和所有所述第二相似度偏离于预期相似度的离散程度;
所述处理模块还用于在预设时间内,将最小偏离值对应的所述待识别图像替换所述动态图像库中的一张所述比对照片,所述最小偏离值为至少一张所述待识别图像的偏离值中最小的偏离值。
6.根据权利要求5所述的装置,其特征在于,所述判断模块还用于判断所述第一相似度或任一所述第二相似度是否小于第三相似度阈值;所述第三相似度阈值小于所述预期相似度。
7.根据权利要求5或6所述的装置,其特征在于,所述比对照片按照存储时间进行排序,所述获取模块还用于获取最小偏离值对应的所述待识别图像;
所述处理模块还用于将所述待识别图像替换所述存储时间距离当前时间最长的比对照片。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910638902.0A CN110334688B (zh) | 2019-07-16 | 2019-07-16 | 基于人脸照片库的图像识别方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910638902.0A CN110334688B (zh) | 2019-07-16 | 2019-07-16 | 基于人脸照片库的图像识别方法、装置和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110334688A CN110334688A (zh) | 2019-10-15 |
CN110334688B true CN110334688B (zh) | 2021-09-07 |
Family
ID=68145125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910638902.0A Active CN110334688B (zh) | 2019-07-16 | 2019-07-16 | 基于人脸照片库的图像识别方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110334688B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858371B (zh) * | 2018-12-29 | 2021-03-05 | 深圳云天励飞技术有限公司 | 人脸识别的方法及装置 |
CN110909750B (zh) * | 2019-11-14 | 2022-08-19 | 展讯通信(上海)有限公司 | 图像差异检测方法及装置、存储介质、终端 |
CN111241928B (zh) * | 2019-12-30 | 2024-02-06 | 新大陆数字技术股份有限公司 | 人脸识别底库优化方法、系统、设备、可读存储介质 |
CN111488919B (zh) * | 2020-03-24 | 2023-12-22 | 北京迈格威科技有限公司 | 目标识别方法及装置,电子设备以及计算机可读存储介质 |
CN111447501A (zh) * | 2020-04-13 | 2020-07-24 | 深圳创维-Rgb电子有限公司 | 一种照片管理方法、装置、电子设备及存储介质 |
CN111723678A (zh) * | 2020-05-27 | 2020-09-29 | 上海瀛之杰汽车信息技术有限公司 | 适用于多人场景的人脸客流识别方法、装置、设备和介质 |
CN111626213A (zh) * | 2020-05-27 | 2020-09-04 | 北京嘀嘀无限科技发展有限公司 | 一种身份验证方法、装置、电子设备及可读存储介质 |
CN112199998B (zh) * | 2020-09-09 | 2023-06-20 | 浙江大华技术股份有限公司 | 一种人脸识别方法、装置、设备及介质 |
CN112101254B (zh) * | 2020-09-21 | 2024-06-14 | 深圳喜为智慧科技有限公司 | 一种提升图像识别精度和速度的方法和系统 |
CN112418006A (zh) * | 2020-11-05 | 2021-02-26 | 北京迈格威科技有限公司 | 目标识别方法、装置和电子系统 |
CN114116849A (zh) * | 2021-12-01 | 2022-03-01 | 南威软件股份有限公司 | 一种针对人像预警信息的二次研判方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104075718A (zh) * | 2014-06-10 | 2014-10-01 | 厦门大学 | 固定线路的行人行走路线定位方法 |
CN106372609A (zh) * | 2016-09-05 | 2017-02-01 | 广东欧珀移动通信有限公司 | 指纹模板更新方法、装置及终端设备 |
CN107506753A (zh) * | 2017-09-19 | 2017-12-22 | 北京工业大学 | 一种面向动态视频监控的多车辆跟踪方法 |
CN107992807A (zh) * | 2017-11-22 | 2018-05-04 | 浙江大华技术股份有限公司 | 一种基于cnn模型的人脸识别方法及装置 |
CN108090420A (zh) * | 2017-11-30 | 2018-05-29 | 睿视智觉(深圳)算法技术有限公司 | 一种人脸识别方法 |
CN108304758A (zh) * | 2017-06-21 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 人脸特征点跟踪方法及装置 |
CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于更新人脸注册库的方法和装置 |
CN109919035A (zh) * | 2019-01-31 | 2019-06-21 | 平安科技(深圳)有限公司 | 提高考勤识别通过的方法、装置、计算机设备和存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5503921B2 (ja) * | 2009-08-21 | 2014-05-28 | ソニーモバイルコミュニケーションズ, エービー | 情報端末、情報端末の情報制御方法及び情報制御プログラム |
CN109684899A (zh) * | 2017-10-18 | 2019-04-26 | 大猩猩科技股份有限公司 | 一种基于在线学习的人脸辨识方法与系统 |
CN108037533B (zh) * | 2018-01-16 | 2019-05-31 | 吉林大学 | 一种基于块重组期望对数似然的地震勘探噪声压制方法 |
CN108364320B (zh) * | 2018-03-29 | 2021-12-21 | 深圳市自行科技有限公司 | 摄像头标定方法、终端设备及计算机可读存储介质 |
-
2019
- 2019-07-16 CN CN201910638902.0A patent/CN110334688B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104075718A (zh) * | 2014-06-10 | 2014-10-01 | 厦门大学 | 固定线路的行人行走路线定位方法 |
CN106372609A (zh) * | 2016-09-05 | 2017-02-01 | 广东欧珀移动通信有限公司 | 指纹模板更新方法、装置及终端设备 |
CN108304758A (zh) * | 2017-06-21 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 人脸特征点跟踪方法及装置 |
CN107506753A (zh) * | 2017-09-19 | 2017-12-22 | 北京工业大学 | 一种面向动态视频监控的多车辆跟踪方法 |
CN107992807A (zh) * | 2017-11-22 | 2018-05-04 | 浙江大华技术股份有限公司 | 一种基于cnn模型的人脸识别方法及装置 |
CN108090420A (zh) * | 2017-11-30 | 2018-05-29 | 睿视智觉(深圳)算法技术有限公司 | 一种人脸识别方法 |
CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于更新人脸注册库的方法和装置 |
CN109919035A (zh) * | 2019-01-31 | 2019-06-21 | 平安科技(深圳)有限公司 | 提高考勤识别通过的方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110334688A (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110334688B (zh) | 基于人脸照片库的图像识别方法、装置和计算机可读存储介质 | |
US9147127B2 (en) | Verification of user photo IDs | |
EP2618290A2 (en) | Method and apparatus to incorporate automatic face recognition in digital image collections | |
CN111339979B (zh) | 基于特征提取的图像识别方法及图像识别装置 | |
US20110142299A1 (en) | Recognition of faces using prior behavior | |
US20120185431A1 (en) | Methods, Systems, and Products for Data Backup | |
CN111191568A (zh) | 翻拍图像识别方法、装置、设备及介质 | |
EP3644232B1 (en) | Method and device for classifying samples to be assessed | |
KR101252843B1 (ko) | 이동 통신 단말기에서 이미지 관리 방법 | |
CN112418009A (zh) | 一种图像质量检测方法、终端设备及存储介质 | |
CN112199530B (zh) | 多维度脸库图片自动更新方法、系统、设备及介质 | |
CN115240262A (zh) | 基于端侧协同人脸识别方法、系统、计算机设备及介质 | |
US20120093374A1 (en) | Electronic device and method for identifying use by unauthorized users | |
CN109241316B (zh) | 图像检索方法、装置、电子设备及存储介质 | |
CN109886239B (zh) | 人像聚类方法、装置及系统 | |
CN111274965A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN111860590A (zh) | 车牌投票方法、装置、计算机设备和存储介质 | |
CN109543628B (zh) | 一种人脸解锁、底库录入方法、装置和电子设备 | |
CN113568934A (zh) | 一种数据查询方法、装置、电子设备和存储介质 | |
CN116738016B (zh) | 用于档案长久保存的档案数字化存储管理系统及方法 | |
CN113128278B (zh) | 一种图像识别方法及装置 | |
WO2019170038A1 (zh) | 一种目标屏幕确定方法、装置及存储介质 | |
CN105678121B (zh) | 基于地图失效数据的防伪方法和装置 | |
US20170193206A1 (en) | Apparatus and Method for Camera-Based User Authentication for Content Acess | |
US20140033300A1 (en) | System and method for verification of user identification based on multimedia content elements |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |