CN110348274B - 一种人脸识别方法、装置及设备 - Google Patents

一种人脸识别方法、装置及设备 Download PDF

Info

Publication number
CN110348274B
CN110348274B CN201810307696.0A CN201810307696A CN110348274B CN 110348274 B CN110348274 B CN 110348274B CN 201810307696 A CN201810307696 A CN 201810307696A CN 110348274 B CN110348274 B CN 110348274B
Authority
CN
China
Prior art keywords
face
record
records
acquisition
face record
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
Application number
CN201810307696.0A
Other languages
English (en)
Other versions
CN110348274A (zh
Inventor
俞颖晔
王辉
浦世亮
姜伟浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201810307696.0A priority Critical patent/CN110348274B/zh
Publication of CN110348274A publication Critical patent/CN110348274A/zh
Application granted granted Critical
Publication of CN110348274B publication Critical patent/CN110348274B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • 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)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了一种人脸识别方法、装置及设备，方法包括：获取多条人脸记录，每条人脸记录中包括一份人脸图像的特征数据、以及该人脸图像对应的采集时刻以及采集设备信息，先基于特征数据进行聚类，再基于采集时刻以及采集设备信息进行分区，在人脸记录区中再基于特征数据的相似度，识别属于同一人员的人脸记录；本方案相比于将所获取的图像全部进行两两对比的方案，提高了识别出属于同一人员人脸图像的特征数据的效率。

Description

一种人脸识别方法、装置及设备
技术领域
本发明涉及图像处理技术领域，特别是涉及一种人脸识别方法、装置及设备。
背景技术
在人员轨迹追踪、或者人员身份识别等方案中，通常需要在不同采集设备采集的图像中识别出同一人员。现有方案中，一般针对采集设备采集到的每张人脸图像进行特征提取，得到多份特征数据，将全部特征数据进行两两对比，根据对比结果确定特征数据之间的相似度，进而判断特征数据是否属于同一人员。但是，如果数据量较大，需要对比的特征数据较多，则识别出属于同一人员人脸图像的特征数据效率较低。
发明内容
本发明实施例的目的在于提供一种人脸识别方法、装置及设备，以提高识别出属于同一人员人脸图像的特征数据的效率。
为达到上述目的，本发明实施例提供一种人脸识别方法，包括：
获取多条人脸记录，每条人脸记录中包括一份人脸图像的特征数据、以及所述人脸图像对应的采集时刻以及采集设备信息；
对所述特征数据进行聚类，根据聚类结果，将所述多条人脸记录划分为一个或多个人脸记录集合；
针对每个人脸记录集合，根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区；
针对每个人脸记录区，基于该人脸记录区中包括的特征数据的相似度，识别属于同一人员的人脸记录。
可选的，所述根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区，可以包括：
针对该人脸记录集合中的每两条人脸记录，计算该两条人脸记录的采集时刻之差；
根据该两条人脸记录的采集设备信息，确定该两条人脸记录对应的采集设备之间的通行时间；
将所述采集时刻之差与所述通行时间进行匹配，如果匹配成功，则将该两条人脸记录划分至同一人脸记录区。
可选的，所述根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区，可以包括：
针对该人脸记录集合中的每两条人脸记录，判断该两条人脸记录的采集设备信息是否相同；
如果相同，则判断该两条人脸记录的采集时刻之差是否小于第一预设阈值；如果小于，则将该两条人脸记录划分至同一人脸记录区。
可选的，在判定该两条人脸记录的采集设备信息不同的情况下，所述方法还可以包括：
根据该两条人脸记录的采集设备信息，确定该两条人脸记录对应的采集设备之间的通行时间；
将该两条人脸记录的采集时刻之差与所述通行时间进行匹配，如果匹配成功，则将该两条人脸记录划分至同一人脸记录区。
可选的，在所述将所述多条人脸记录划分为一个或多个人脸记录集合之后，还可以包括：
针对每个人脸记录集合，确定该人脸记录集合中的人脸记录数量；
判断所述人脸记录数量是否大于第二预设阈值；
如果大于，执行所述根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区的步骤；
如果不大于，基于该人脸记录集合中包括的特征数据的相似度，识别属于同一人员的人脸记录。
可选的，所述基于该人脸记录区中包括的特征数据的相似度，识别属于同一人员的人脸记录，可以包括：
根据该人脸记录区中包括的特征数据的相似度，将该人脸记录区中包括的人脸记录划分为一个或多个人脸记录组，其中，一个人脸记录组包括属于同一人员的人脸记录；
判断是否存在未分组的人脸记录；
如果存在一条未分组的人脸记录，将所述一条未分组的人脸记录与所述一个或多个人脸记录组进行匹配，如果匹配成功，将所述一条未分组的人脸记录添加至匹配成功的人脸记录组；
如果存在多条未分组的人脸记录，将所述多条未分组的人脸记录进行匹配，将匹配成功的未分组的人脸记录组合成人脸记录组；针对未匹配成功的每条未分组的人脸记录，将该条未分组的人脸记录与所述一个或多个人脸记录组进行匹配：如果该条未分组的人脸记录与人脸记录组匹配成功，将该条未分组的人脸记录添加至匹配成功的人脸记录组。
可选的，将一条未分组的人脸记录与所述一个或多个人脸记录组进行匹配，可以包括：
在每个人脸记录组中，针对该人脸记录组中的每条人脸记录，计算该人脸记录的第一采集时刻与一条未分组的人脸记录的第二采集时刻的差值，作为第一时间间隔，并根据该人脸记录中的第一采集设备信息与所述一条未分组的人脸记录的第二采集设备信息，计算所述第一设备与所述第二设备之间的第一通行时间，判断所述第一时间间隔与所述第一通行时间是否匹配成功，如果匹配成功，表示所述一条未分组的人脸记录与该人脸记录组匹配成功；
将多条未分组的人脸记录进行匹配，可以包括：
针对每两条未分组的人脸记录，计算其中一条人脸记录的第三采集时刻与其中另一条未分组的人脸记录的第四采集时刻的差值，作为第二时间间隔，并根据所述其中一条人脸记录的第三采集设备信息与所述其中另一条人脸记录的第四采集设备信息，计算所述第三设备与所述第四设备之间的第二通行时间，判断所述第二时间间隔与所述第二通行时间是否匹配成功，如果匹配成功，表示所述其中一条人脸记录与所述其中另一条人脸记录匹配成功。
可选的，在判定所述第一时间间隔与所述第一通行时间匹配成功的情况下，还可以包括：
计算该人脸记录的特征数据与所述一条未分组的人脸记录的特征数据的相似度，判断所述相似度是否大于第三预设阈值，如果大于，表示所述一条未分组的人脸记录与该人脸记录组匹配成功；
在判定所述第二时间间隔与所述第二通行时间匹配成功的情况下，还包括：
计算所述其中一条人脸记录的特征数据与所述其中另一条人脸记录的特征数据的相似度，判断所述相似度是否大于第三预设阈值，如果大于，表示所述其中一条人脸记录与所述其中另一条人脸记录匹配成功。
可选的，所述基于该人脸记录区中包括的特征数据的相似度，识别属于同一人员的人脸记录，可以包括：
根据该人脸记录区中包括的特征数据的相似度，将该人脸记录区中包括的人脸记录划分为一个或多个人脸记录组，其中，一个人脸记录组包括属于同一人员的人脸记录；
针对每个人脸记录组，将该组包括的特征数据进行两两对比，根据对比结果，选择一份满足相似度条件的目标特征数据；
将所选择的每份目标特征数据进行两两对比，若两份目标特征数据的相似度大于第四预设阈值，将所述两份目标特征数据所属的人脸记录组合并为一个人脸记录组。
为达到上述目的，本发明实施例还提供一种人脸识别装置，包括：
获取模块，获取多条人脸记录，每条人脸记录中包括一份人脸图像的特征数据、以及所述人脸图像对应的采集时刻以及采集设备信息；
聚类模块，对所述特征数据进行聚类，根据聚类结果，将所述多条人脸记录划分为一个或多个人脸记录集合；
分区模块，用于针对每个人脸记录集合，根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区；
第一识别模块，用于针对每个人脸记录区，基于该人脸记录区中包括的特征数据的相似度，识别属于同一人员的人脸记录。
可选的，所述分区模块，具体可以用于：
针对该人脸记录集合中的每两条人脸记录，计算该两条人脸记录的采集时刻之差；
根据该两条人脸记录的采集设备信息，确定该两条人脸记录对应的采集设备之间的通行时间；
将所述采集时刻之差与所述通行时间进行匹配，如果匹配成功，则将该两条人脸记录划分至同一人脸记录区。
可选的，所述分区模块，具体可以用于：
针对该人脸记录集合中的每两条人脸记录，判断该两条人脸记录的采集设备信息是否相同；
如果相同，则判断该两条人脸记录的采集时刻之差是否小于第一预设阈值；如果小于，则将该两条人脸记录划分至同一人脸记录区。
可选的，所述装置还可以包括：
第一确定模块，用于在判定该两条人脸记录的采集设备信息不同的情况下，根据该两条人脸记录的采集设备信息，确定该两条人脸记录对应的采集设备之间的通行时间；
匹配模块，用于将该两条人脸记录的采集时刻之差与所述通行时间进行匹配，如果匹配成功，则将该两条人脸记录划分至同一人脸记录区。
可选的，所述装置还可以包括：
第二确定模块，用于在将所述多条人脸记录划分为一个或多个人脸记录集合之后，针对每个人脸记录集合，确定该人脸记录集合中的人脸记录数量；
判断模块，用于判断所述人脸记录数量是否大于第二预设阈值；如果大于，触发所述分区模块；如果不大于，触发第二识别模块；
第二识别模块，用于基于该人脸记录集合中包括的特征数据的相似度，识别属于同一人员的人脸记录。
可选的，所述第一识别模块，可以包括：
分组子模块，用于根据该人脸记录区中包括的特征数据的相似度，将该人脸记录区中包括的人脸记录划分为一个或多个人脸记录组，其中，一个人脸记录组包括属于同一人员的人脸记录；
判断子模块，用于判断是否存在未分组的人脸记录；如果存在一条未分组的人脸记录，触发第一匹配子模块；如果存在多条未分组的人脸记录，触发第二匹配子模块；
第一匹配子模块，用于将所述一条未分组的人脸记录与所述一个或多个人脸记录组进行匹配，如果匹配成功，将所述一条未分组的人脸记录添加至匹配成功的人脸记录组；
第二匹配子模块，用于将所述多条未分组的人脸记录进行匹配，将匹配成功的未分组的人脸记录组合成人脸记录组；针对未匹配成功的每条未分组的人脸记录，将该条未分组的人脸记录与所述一个或多个人脸记录组进行匹配：如果该条未分组的人脸记录与人脸记录组匹配成功，将该条未分组的人脸记录添加至匹配成功的人脸记录组。
可选的，所述第一匹配子模块，具体可以用于：
在每个人脸记录组中，针对该人脸记录组中的每条人脸记录，计算该人脸记录的第一采集时刻与一条未分组的人脸记录的第二采集时刻的差值，作为第一时间间隔，并根据该人脸记录中的第一采集设备信息与所述一条未分组的人脸记录的第二采集设备信息，计算所述第一设备与所述第二设备之间的第一通行时间，判断所述第一时间间隔与所述第一通行时间是否匹配成功，如果匹配成功，表示所述一条未分组的人脸记录与该人脸记录组匹配成功；
所述第二匹配子模块，具体用于：
针对每两条未分组的人脸记录，计算其中一条人脸记录的第三采集时刻与其中另一条未分组的人脸记录的第四采集时刻的差值，作为第二时间间隔，并根据所述其中一条人脸记录的第三采集设备信息与所述其中另一条人脸记录的第四采集设备信息，计算所述第三设备与所述第四设备之间的第二通行时间，判断所述第二时间间隔与所述第二通行时间是否匹配成功，如果匹配成功，表示所述其中一条人脸记录与所述其中另一条人脸记录匹配成功。
可选的，所述第一匹配子模块，还用于：在判定所述第一时间间隔与所述第一通行时间匹配成功的情况下，计算该人脸记录的特征数据与所述一条未分组的人脸记录的特征数据的相似度，判断所述相似度是否大于第三预设阈值，如果大于，表示所述一条未分组的人脸记录与该人脸记录组匹配成功；
所述第二匹配子模块，还用于：在判定所述第二时间间隔与所述第二通行时间匹配成功的情况下，计算所述其中一条人脸记录的特征数据与所述其中另一条人脸记录的特征数据的相似度，判断所述相似度是否大于第三预设阈值，如果大于，表示所述其中一条人脸记录与所述其中另一条人脸记录匹配成功。
可选的，所述第一识别模块，具体可以用于：
根据该人脸记录区中包括的特征数据的相似度，将该人脸记录区中包括的人脸记录划分为一个或多个人脸记录组，其中，一个人脸记录组包括属于同一人员的人脸记录；
针对每个人脸记录组，将该组包括的特征数据进行两两对比，根据对比结果，选择一份满足相似度条件的目标特征数据；
将所选择的每份目标特征数据进行两两对比，若两份目标特征数据的相似度大于第四预设阈值，将所述两份目标特征数据所属的人脸记录组合并为一个人脸记录组。
为达到上述目的，本发明实施例还提供一种电子设备，包括处理器和存储器；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一种人脸识别方法。
为达到上述目的，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种人脸识别方法。
应用本发明实施例，获取多条人脸记录，每条人脸记录中包括一份人脸图像的特征数据、以及该人脸图像对应的采集时刻以及采集设备信息，先基于特征数据进行聚类，再基于采集时刻以及采集设备信息进行分区，在人脸记录区中再基于特征数据的相似度，识别属于同一人员的人脸记录；本方案相比于将所获取的图像全部进行两两对比的方案，提高了识别出属于同一人员人脸图像的特征数据的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的人脸识别方法的第一种流程示意图；
图2为本发明实施例提供的人脸识别方法的第二种流程示意图；
图3为本发明实施例提供的一种人脸识别装置的结构示意图；
图4为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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。
为了解决上述技术问题，本发明实施例提供了一种人脸识别方法、装置及设备。该方法及装置可以应用于手机、电脑等各种电子设备，具体不做限定。
下面首先对本发明实施例提供的一种人脸识别方法进行详细说明。
图1为本发明实施例提供的人脸识别方法的第一种流程示意图，包括：
S101：获取多条人脸记录，每条人脸记录中包括一份人脸图像的特征数据以及该人脸图像对应的采集时刻以及采集设备信息。
该特征数据可以为对人脸图像进行特征提取得到的，或者，该特征数据也可以为人脸图像的二进制数据。人脸图像对应的采集时刻为：采集该人脸图像的时刻；人脸图像对应的采集设备信息为：采集该人脸图像的设备的信息，可以包括设备的标识、或者设备的位置信息等等，具体不做限定。
举例来说，执行本方案的电子设备(以下简称本设备)可以获取采集设备采集的人脸图像、采集该人脸图像的时刻及该采集设备信息，本设备对该人脸图像进行特征提取，得到特征数据，这样，本设备便获取到人脸记录。
或者，采集设备采集到人脸图像后，对该人脸图像进行特征提取，得到特征数据，采集设备将该特征数据、采集该人脸图像的时刻及该采集设备信息发送至本设备，这样，本设备便获取到人脸记录。
或者，采集设备采集到人脸图像后，将该人脸图像、采集该人脸图像的时刻及该采集设备信息发送至第三方设备，该第三方设备对该人脸图像进行特征提取，得到特征数据，该第三方设备将该特征数据、采集该人脸图像的时刻及该采集设备信息发送至本设备，这样，本设备便获取到人脸记录。
本设备获取到人脸记录的方式有很多，具体不做限定。一张人脸图像中可以包含一个或多个人脸区域，针对每个人脸区域进行特征提取，一个人脸区域对应一份特征数据。
S102：对该特征数据进行聚类，根据聚类结果，将该多条人脸记录划分为一个或多个人脸记录集合。
具体的，可以利用聚类算法，对S101中获取的特征数据进行处理，聚类算法有多种，比如k-means聚类算法、层次聚类算法、SOM聚类算法、FCM聚类算法等等，不再一一列举。将属于同一类别的特征数据所属的人脸记录划分至同一个人脸记录集合。
S103：针对每个人脸记录集合，根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区。
S102中得到一个或多个人脸记录集合，如果得到多个人脸记录集合，则可以并行处理这些人脸记录集合，提高处理效率。由于对每个人脸记录集合的处理方式类似，下面以一个人脸记录集合为例进行说明。
作为一种实施方式，S103可以包括：针对该人脸记录集合中的每两条人脸记录，计算该两条人脸记录的采集时刻之差；根据该两条人脸记录的采集设备信息，确定该两条人脸记录对应的采集设备之间的通行时间；将所述采集时刻之差与所述通行时间进行匹配，如果匹配成功，则将该两条人脸记录划分至同一人脸记录区。
举例来说，假设一个人脸记录集合中包括六条人脸记录，如表1所示：
表1
Figure BDA0001621463250000101
或者，表1中的采集设备信息也可以仅包括采集设备的标识，采集设备的标识与位置信息一一对应，这样，便可以根据采集设备的标识确定该采集设备的位置信息，这也是合理的。
可以将这六条人脸记录进行两两匹配，以ID为1和ID为2的人脸记录为例对匹配过程进行说明：
ID为1的人脸记录中包含采集设备A1的位置信息，ID为2的人脸记录中包含采集设备B1的位置信息，假设这两处位置信息的距离为1km，假设人员移动速度为1km/min，则人员从采集设备A1移动到采集设备B1的时间，或者说采集设备A1到采集设备B1之间的通行时间为1分钟。ID为1的人脸记录中包含的采集时刻为10：00，ID为2的人脸记录中包含的采集时刻为10：05，这两个采集时刻之差为5分钟。将通行时间与采集时刻之差进行匹配，匹配成功的条件可以为：采集时刻之差大于等于通行时间，或者采集时刻之差与通行时间的的差值小于设定阈值，等等，具体不做限定。如果通行时间与采集时刻之差匹配成功，则将ID为1的人脸记录和ID为2的人脸记录划分至同一个人脸记录区。
上述人员移动速度可以为步行速度、行驶速度等等，具体可以根据实际情况进行设定。
作为另一种实施方式，S103可以包括：针对该人脸记录集合中的每两条人脸记录，判断该两条人脸记录的采集设备信息是否相同；如果相同，则判断该两条人脸记录的采集时刻之差是否小于第一预设阈值；如果小于，则将该两条人脸记录划分至同一人脸记录区。
举例来说，假设一个人脸记录集合中包括六条人脸记录，如表2所示：
表2
Figure BDA0001621463250000111
可以将这六条人脸记录进行两两匹配，以ID为1和ID为2的人脸记录为例对匹配过程进行说明：
ID为1的人脸记录中，采集设备的标识为A1、采集时刻为10：00，ID为2的人脸记录中，采集设备的标识为A1、采集时刻为10：01，这两条人脸记录的采集设备信息相同，假设第一预设阈值为2分钟，则这两条人脸记录包含的采集时间之差小于2分钟，将这两条人脸记录划分至同一人脸记录区。
如果两条人脸记录的采集时刻之差不小于第一预设阈值，则不将这两条人脸记录划分至同一人脸记录区。
上述表1-2仅为举例说明，并不对人脸记录集合构成限定。
一种情况下，如果上述判定该两条人脸记录的采集设备信息不同，则可以根据该两条人脸记录的采集设备信息，确定该两条人脸记录对应的采集设备之间的通行时间；将该两条人脸记录的采集时刻之差与所述通行时间进行匹配，如果匹配成功，则将该两条人脸记录划分至同一人脸记录区。
将采集时刻之差与所述通行时间进行匹配的方案前面内容已经介绍过，这里不再赘述。
也就是说，本实施方式中，可以基于两条人脸记录的采集设备信息相同与否，采用两种不同的方案进行分区：若相同，则采用将采集时刻之差与第一预设阈值进行对比的方案进行分区，若不同，则采用将采集时刻之差与通行时间进行匹配的方案进行分区。这里所说的“分区”即为划分人脸记录区。
或者，在另一些实施方式中，可以统计人脸记录集合中包括的所有采集设备信息的数量，作为第一数量；并且统计该人脸记录集合中相同的采集设备信息数量，作为第二数量；计算第一数量与第二数量的比值：如果该比值大于预设比例阈值，则采用上述将采集时刻之差与第一预设阈值进行对比的方案进行分区；如果该比值不大于预设比例阈值，则采用上述将采集时刻之差与通行时间进行匹配的方案进行分区。
或者，也可以设定两个比例阈值，假设第一比例阈值小于第二比例阈值：如果第一数量与第二数量的比值大于等于第二比例阈值，则采用上述将采集时刻之差与第一预设阈值进行对比的方案进行分区；如果该比值小于等于第一比例阈值，则采用上述将采集时刻之差与通行时间进行匹配的方案进行分区；如果该比值小于第二比例阈值且大于第一比例阈值，则可以采用这两种方案，也就是基于每两条人脸记录的采集设备信息相同与否，采用两种不同的方案进行分区。
下面对统计得到第二数量进行举例说明，假设人脸记录集合中包含100条人脸记录，其中，20条人脸记录的采集设备信息为X，16条人脸记录的采集设备信息为Y，其他人脸记录的设备信息均不同，则该人脸记录集合中相同的采集设备信息数量可以为36。
作为一种实施方式，在S102之后可以先针对每个人脸记录集合，确定该人脸记录集合中的人脸记录数量；判断所述人脸记录数量是否大于第二预设阈值；如果大于，再执行S103，如果不大于，则基于该人脸记录集合中包括的特征数据的相似度，识别属于同一人员的人脸记录。
本实施方式中，如果人脸记录集合中人脸记录数量较多，则将该人脸记录集合进行分区，在人脸记录区中计算特征数据的相似度；如果人脸记录集合中人脸记录数量较少，则不进行分区，直接在该人脸记录集合中计算特征数据的相似度。这样，对于人脸记录数量较多的人脸记录集合来说，先分区再进行相似度的计算，可以减少计算量，提高识别效率，而对于人脸记录数量较少的人脸记录集合来说，计算量并不大，不需要分区，减少了操作步骤。
S104：针对每个人脸记录区，基于该人脸记录区中包括的特征数据的相似度，识别属于同一人员的人脸记录。
S103中得到一个或多个人脸记录区，如果得到多个人脸记录区，则可以并行处理这些人脸记录区，提高处理效率。由于对每个人脸记录区的处理方式类似，下面以一个人脸记录区为例进行说明。
举例来说，可以将人脸记录区中包含的特征数据进行两两对比，也就是计算每两份特征数据之间的相似度，如果相似度大于阈值，则这两份特征数据所属的人脸记录属于同一人员。
作为一种实施方式，S104可以包括：
根据该人脸记录区中包括的特征数据的相似度，将该人脸记录区中包括的人脸记录划分为一个或多个人脸记录组，其中，一个人脸记录组包括属于同一人员的人脸记录；
判断是否存在未分组的人脸记录；
如果存在一条未分组的人脸记录，将所述一条未分组的人脸记录与所述一个或多个人脸记录组进行匹配，如果匹配成功，将所述一条未分组的人脸记录添加至匹配成功的人脸记录组；
如果存在多条未分组的人脸记录，将所述多条未分组的人脸记录进行匹配，将匹配成功的未分组的人脸记录组合成人脸记录组；针对未匹配成功的每条未分组的人脸记录，将该条未分组的人脸记录与所述一个或多个人脸记录组进行匹配：如果该条未分组的人脸记录与人脸记录组匹配成功，将该条未分组的人脸记录添加至匹配成功的人脸记录组。
假设一个人脸记录区中包括六条人脸记录，这六条人脸记录的ID为11-16。假设根据这六条人脸记录的特征数据的相似度，将ID为11、12的两条人脸记录划分到同一个人脸记录组，将该人脸记录组记为组1；将ID为14、15的两条人脸记录划分到同一个人脸记录组，将该人脸记录组记为组2。这样，存在两条未分组的人脸记录，也就是ID为13和16的人脸记录。
将ID为13的人脸记录与ID为16的人脸记录进行匹配，匹配方案有多种。比如，计算ID为13的人脸记录的第三采集时刻与ID为16的人脸记录的第四采集时刻的差值，作为第二时间间隔，并根据ID为13的人脸记录的第三采集设备信息与ID为16的人脸记录的第四采集设备信息，计算所述第三设备与所述第四设备之间的第二通行时间，判断所述第二时间间隔与所述第二通行时间是否匹配成功，如果匹配成功，表示ID为13的人脸记录与ID为16的人脸记录匹配成功。
具体的，假设ID为13的人脸记录中包含采集设备A13的位置信息，ID为16的人脸记录中包含采集设备B13的位置信息，假设这两处位置信息的距离为1km，假设人员移动速度为1km/min，则人员从采集设备A13移动到采集设备B13的时间，或者说采集设备A13到采集设备B13之间的通行时间为1分钟。假设ID为13的人脸记录中包含的采集时刻为10：00，ID为16的人脸记录中包含的采集时刻为10：03，这两个采集时刻之差为3分钟。将通行时间与采集时刻之差进行匹配，匹配成功的条件可以为：采集时刻之差大于等于通行时间，或者采集时刻之差与通行时间的的差值小于设定阈值，等等，具体不做限定。如果通行时间与采集时刻之差匹配成功，则表示ID为13的人脸记录与ID为16的人脸记录匹配成功，这种情况下，将ID为13的人脸记录和ID为16的人脸记录组合成一个人脸记录组。
或者，人脸记录的采集设备信息也可以仅包括采集设备的标识，采集设备的标识与位置信息一一对应，这样，便可以根据采集设备的标识确定该采集设备的位置信息，这也是合理的。
如果ID为13的人脸记录与ID为16的人脸记录未匹配成功，则将ID为13的人脸记录与组1-2进行匹配，将ID为16的人脸记录和与组1-2进行匹配。以ID为13的人脸记录与组1-2进行匹配为例进行说明：
在每个人脸记录组中，针对该人脸记录组中的每条人脸记录，计算该人脸记录的第一采集时刻与ID为13的人脸记录的第二采集时刻的差值，作为第一时间间隔，并根据该人脸记录的第一采集设备信息与ID为13的人脸记录的第二采集设备信息，计算所述第一设备与所述第二设备之间的第一通行时间，判断所述第一时间间隔与所述第一通行时间是否匹配成功，如果匹配成功，表示ID为13的人脸记录与该人脸记录组匹配成功。
如果ID为13的人脸记录与一个人脸记录组匹配成功，则将ID为13的人脸记录添加至该匹配成功的人脸记录组。如果ID为13的人脸记录与人脸记录组都未匹配成功，则ID为13的人脸记录单独作为一个人脸记录组。
匹配方案还可以为其他，比如，在上述判定第一时间间隔与第一通行时间匹配成功的情况下，还可以继续计算该人脸记录组中的特征数据与ID为13的人脸记录的特征数据的相似度，判断所述相似度是否大于第三预设阈值，如果大于，表示ID为13的人脸记录与该人脸记录组匹配成功；
在上述判定第二时间间隔与所述第二通行时间匹配成功的情况下，还可以继续计算ID为13的人脸记录的特征数据与ID为16的人脸记录的特征数据的相似度，判断所述相似度是否大于第三预设阈值，如果大于，表示ID为13的人脸记录与ID为16的人脸记录匹配成功。
匹配方案还可以为其他，比如，将一条未分组的人脸记录与所述一个或多个人脸记录组进行匹配时，可以将该一条未分组的人脸记录的特征数据与人脸记录组中包括的特征数据进行相似度的计算，如果计算结果满足相似度条件，则表示匹配成功。相似度条件可以为：计算得到的相似度的平均值大于相似度阈值，或者，计算得到的相似度大于相似度阈值的次数大于次数阈值，等等，具体不做限定。
再比如，将多条未分组的人脸记录进行匹配时，可以将这多条未分组的人脸记录的特征数据进行两两对比，两两对比也就是计算两份特征数据之间的相似度，如果计算得到的相似度大于设定阈值，则表示这两份特征数据所属的人脸记录匹配成功。匹配方案有多种，不再一一列举。
作为一种实施方式，在将人脸记录区中包括的人脸记录划分为一个或多个人脸记录组之后，还可以包括：
针对每一人员的人脸记录组，将该组包括的特征数据进行两两对比，根据对比结果，选择一份满足相似度条件的目标特征数据；其中，一个人脸记录组包括属于同一人员的人脸记录；
将所选择的每份目标特征数据进行两两对比，若两份目标特征数据的相似度大于第四预设阈值，将所述两份目标特征数据所属的人脸记录组合并为一个人脸记录组。
如上所述，将人脸记录进行分组，一个人脸记录组包括属于同一人员的人脸记录，也就是识别出了属于同一人员的人脸记录。在此基础上，可以分别在每个人脸记录组中，选择一份目标特征数据，作为该组的代表特征。
本实施方式中，将一个人脸记录组中包括的特征数据进行两两对比，根据对比结果，选择一份满足相似度条件的目标特征数据。相似度条件可以为：与其他特征数据的相似度均大于一阈值，或者，与其他特征数据的相似度大于阈值的次数最多，或者，也其他特征数据的相似度的平均值最大，等等，具体不做限定。
针对每个人脸记录组，都选择出一份目标特征数据后，可以将所选择的每份目标特征数据进行两两对比，若两份目标特征数据的相似度大于第四预设阈值，将该两份目标特征数据所属的人脸记录组合并为一个人脸记录组。
一些情况中，由于人脸图像的采集角度或者清晰度等因素的影响，使得本属于同一人员的人脸记录分成了不同的人脸记录组，应用本实施方式，针对这种情况，可以将属于同一人员的人脸记录组进行合并，提高了识别属于同一人员人脸图像的特征数据的准确度。
应用本发明图1所示实施例，获取多条人脸记录，每条人脸记录中包括一份人脸图像的特征数据、以及该人脸图像对应的采集时刻以及采集设备信息，先基于特征数据进行聚类，再基于采集时刻以及采集设备信息进行分区，在人脸记录区中再基于特征数据的相似度，识别属于同一人员的人脸记录；本方案相比于将所获取的图像全部进行两两对比的方案，提高了识别出属于同一人员人脸图像的特征数据的效率。
图2为本发明实施例提供的人脸识别方法的第二种流程示意图，包括：
S201：获取多条人脸记录，每条人脸记录中包括一份人脸图像的特征数据、以及该人脸图像对应的采集时刻以及采集设备信息。
S202：对该特征数据进行聚类，根据聚类结果，将该多条人脸记录划分为一个或多个人脸记录集合。
S203：针对每个人脸记录集合，确定该人脸记录集合中的人脸记录数量。
S204：判断该人脸记录数量是否大于第二预设阈值；如果不大于，执行S205，如果大于，执行S206。
S205：基于该人脸记录集合中包括的特征数据的相似度，识别属于同一人员的人脸记录。
S206：根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区。
S207：针对每个人脸记录区，根据该人脸记录区中包括的特征数据的相似度，将该人脸记录区中包括的人脸记录划分为一个或多个人脸记录组，其中，一个人脸记录组包括属于同一人员的人脸记录。
S208：针对每个人脸记录组，将该组包括的特征数据进行两两对比，根据对比结果，选择一份满足相似度条件的目标特征数据。
如上所述，将人脸记录进行分组，一个人脸记录组包括属于同一人员的人脸记录，也就是识别出了属于同一人员的人脸记录。在此基础上，可以分别在每个人脸记录组中，选择一份目标特征数据，作为该组的代表特征。
S208中提到的相似度条件可以为：与其他特征数据的相似度均大于一阈值，或者，与其他特征数据的相似度大于阈值的次数最多，或者，也其他特征数据的相似度的平均值最大，等等，具体不做限定。
S209：将所选择的每份目标特征数据进行两两对比，若两份目标特征数据的相似度大于第四预设阈值，将该两份目标特征数据所属的人脸记录组合并为一个人脸记录组。
作为一种实施方式，S205中可以将属于同一人员的人脸记录划分至同一个人脸记录组。类似的，S205中得到多个人脸记录组之后，也可以基于人脸记录组之间的相似度，将人脸记录组进行合并。
比如，可以在S205得到的每个人脸记录组中分别挑选一份特征数据，将所挑选的特征数据进行两两对比，对比结果也就是计算得到的相似度，如果该相似度大于阈值，则将对比结果对应的两个人脸记录组进行合并。具体的，可以在人脸记录组中任意挑选一份特征数据，或者，也可以选择一份满足相似度条件的目标特征数据，具体挑选方式不做限定。人脸记录组之间的合并方式可以有多种，不再一一列举。
应用本发明图2所示实施例，第一方面，相比于将所获取的图像全部进行两两对比的方案，提高了识别出属于同一人员人脸图像的特征数据的效率；第二方面，对于人脸记录数量较多的人脸记录集合来说，先分区再进行相似度的计算，可以减少计算量，提高识别效率，而对于人脸记录数量较少的人脸记录集合来说，计算量并不大，不需要分区，减少了操作步骤；第三方面，一些情况中，由于人脸图像的采集角度或者清晰度等因素的影响，使得本属于同一人员的人脸记录分成了不同的人脸记录组，本实施例中针对这种情况，可以将属于同一人员的人脸记录组进行合并，提高了识别属于同一人员的特征数据的准确度。
与上述方法实施例相对应，本发明实施例还提供一种人脸识别装置，如图3所示，包括：
获取模块301，获取多条人脸记录，每条人脸记录中包括一份人脸图像的特征数据、以及所述人脸图像对应的采集时刻以及采集设备信息；
聚类模块302，对所述特征数据进行聚类，根据聚类结果，将所述多条人脸记录划分为一个或多个人脸记录集合；
分区模块303，用于针对每个人脸记录集合，根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区；
第一识别模块304，用于针对每个人脸记录区，基于该人脸记录区中包括的特征数据的相似度，识别属于同一人员的人脸记录。
作为一种实施方式，分区模块303，具体可以用于：
针对该人脸记录集合中的每两条人脸记录，计算该两条人脸记录的采集时刻之差；
根据该两条人脸记录的采集设备信息，确定该两条人脸记录对应的采集设备之间的通行时间；
将所述采集时刻之差与所述通行时间进行匹配，如果匹配成功，则将该两条人脸记录划分至同一人脸记录区。
作为一种实施方式，分区模块303，具体可以用于：
针对该人脸记录集合中的每两条人脸记录，判断该两条人脸记录的采集设备信息是否相同；
如果相同，则判断该两条人脸记录的采集时刻之差是否小于第一预设阈值；如果小于，则将该两条人脸记录划分至同一人脸记录区。
作为一种实施方式，所述装置还可以包括：第一确定模块和匹配模块(图中未示出)，其中，
第一确定模块，用于在判定该两条人脸记录的采集设备信息不同的情况下，根据该两条人脸记录的采集设备信息，确定该两条人脸记录对应的采集设备之间的通行时间；
匹配模块，用于将该两条人脸记录的采集时刻之差与所述通行时间进行匹配，如果匹配成功，则将该两条人脸记录划分至同一人脸记录区。
作为一种实施方式，所述装置还可以包括：第二确定模块、判断模块和第二识别模块(图中未示出)，其中，
第二确定模块，用于在将所述多条人脸记录划分为一个或多个人脸记录集合之后，针对每个人脸记录集合，确定该人脸记录集合中的人脸记录数量；
判断模块，用于判断所述人脸记录数量是否大于第二预设阈值；如果大于，触发所述分区模块；如果不大于，触发第二识别模块；
第二识别模块，用于基于该人脸记录集合中包括的特征数据的相似度，识别属于同一人员的人脸记录。
作为一种实施方式，第一识别模块304，可以包括：分组子模块、判断子模块、第一匹配子模块和第二匹配子模块(图中未示出)，其中，
分组子模块，用于根据该人脸记录区中包括的特征数据的相似度，将该人脸记录区中包括的人脸记录划分为一个或多个人脸记录组，其中，一个人脸记录组包括属于同一人员的人脸记录；
判断子模块，用于判断是否存在未分组的人脸记录；如果存在一条未分组的人脸记录，触发第一匹配子模块；如果存在多条未分组的人脸记录，触发第二匹配子模块；
第一匹配子模块，用于将所述一条未分组的人脸记录与所述一个或多个人脸记录组进行匹配，如果匹配成功，将所述一条未分组的人脸记录添加至匹配成功的人脸记录组；
第二匹配子模块，用于将所述多条未分组的人脸记录进行匹配，将匹配成功的未分组的人脸记录组合成人脸记录组；针对未匹配成功的每条未分组的人脸记录，将该条未分组的人脸记录与所述一个或多个人脸记录组进行匹配：如果该条未分组的人脸记录与人脸记录组匹配成功，将该条未分组的人脸记录添加至匹配成功的人脸记录组。
作为一种实施方式，所述第一匹配子模块，具体可以用于：
在每个人脸记录组中，针对该人脸记录组中的每条人脸记录，计算该人脸记录的第一采集时刻与一条未分组的人脸记录的第二采集时刻的差值，作为第一时间间隔，并根据该人脸记录中的第一采集设备信息与所述一条未分组的人脸记录的第二采集设备信息，计算所述第一设备与所述第二设备之间的第一通行时间，判断所述第一时间间隔与所述第一通行时间是否匹配成功，如果匹配成功，表示所述一条未分组的人脸记录与该人脸记录组匹配成功；
所述第二匹配子模块，具体可以用于：
针对每两条未分组的人脸记录，计算其中一条人脸记录的第三采集时刻与其中另一条未分组的人脸记录的第四采集时刻的差值，作为第二时间间隔，并根据所述其中一条人脸记录的第三采集设备信息与所述其中另一条人脸记录的第四采集设备信息，计算所述第三设备与所述第四设备之间的第二通行时间，判断所述第二时间间隔与所述第二通行时间是否匹配成功，如果匹配成功，表示所述其中一条人脸记录与所述其中另一条人脸记录匹配成功。
作为一种实施方式，所述第一匹配子模块，还用于：在判定所述第一时间间隔与所述第一通行时间匹配成功的情况下，计算该人脸记录的特征数据与所述一条未分组的人脸记录的特征数据的相似度，判断所述相似度是否大于第三预设阈值，如果大于，表示所述一条未分组的人脸记录与该人脸记录组匹配成功；
所述第二匹配子模块，还用于：在判定所述第二时间间隔与所述第二通行时间匹配成功的情况下，计算所述其中一条人脸记录的特征数据与所述其中另一条人脸记录的特征数据的相似度，判断所述相似度是否大于第三预设阈值，如果大于，表示所述其中一条人脸记录与所述其中另一条人脸记录匹配成功。
作为一种实施方式，第一识别模块304，具体可以用于：
根据该人脸记录区中包括的特征数据的相似度，将该人脸记录区中包括的人脸记录划分为一个或多个人脸记录组，其中，一个人脸记录组包括属于同一人员的人脸记录；
针对每个人脸记录组，将该组包括的特征数据进行两两对比，根据对比结果，选择一份满足相似度条件的目标特征数据；
将所选择的每份目标特征数据进行两两对比，若两份目标特征数据的相似度大于第四预设阈值，将所述两份目标特征数据所属的人脸记录组合并为一个人脸记录组。
应用本发明图3所示实施例，第一方面，相比于将所获取的图像全部进行两两对比的方案，提高了识别出属于同一人员人脸图像的特征数据的效率；第二方面，对于人脸记录数量较多的人脸记录集合来说，先分区再进行相似度的计算，可以减少计算量，提高识别效率，而对于人脸记录数量较少的人脸记录集合来说，计算量并不大，不需要分区，减少了操作步骤；第三方面，一些情况中，由于人脸图像的采集角度或者清晰度等因素的影响，使得本属于同一人员的人脸记录分成了不同的人脸记录组，本实施例中针对这种情况，可以将属于同一人员的人脸记录组进行合并，提高了识别属于同一人员的特征数据的准确度。
本发明实施例还提供了一种电子设备，包括处理器和存储器；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一种人脸识别方法。
该电子设备可以如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，
存储器403，用于存放计算机程序；
处理器401，用于执行存储器403上所存放的程序时，实现上述任一种人脸识别方法。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，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。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种人脸识别方法。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于图3所示的人脸识别装置实施例、图4所示的电子设备实施例、以及上述计算机可读存储介质实施例而言，由于其基本相似于图1-2所示的人脸识别方法实施例，所以描述的比较简单，相关之处参见图1-2所示的人脸识别方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (20)

1.一种人脸识别方法，其特征在于，包括：
获取多条人脸记录，每条人脸记录中包括一份人脸图像的特征数据、以及所述人脸图像对应的采集时刻以及采集设备信息；
对所述特征数据进行聚类，根据聚类结果，将所述多条人脸记录划分为一个或多个人脸记录集合；
针对每个人脸记录集合，根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区；其中，针对该人脸记录集合中的每两条人脸记录，是基于该两条人脸记录的采集时刻之差与该两条人脸记录分别对应的不同采集设备之间的预设的通行时间是否匹配，确定是否将该两条人脸记录划分至同一人脸记录区的；
针对每个人脸记录区，基于该人脸记录区中包括的特征数据的相似度，识别属于同一人员的人脸记录。
2.根据权利要求1所述的方法，其特征在于，所述根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区，包括：
针对该人脸记录集合中的每两条人脸记录，计算该两条人脸记录的采集时刻之差；
根据该两条人脸记录的采集设备信息，确定该两条人脸记录对应的采集设备之间的通行时间；
将所述采集时刻之差与所述通行时间进行匹配，如果匹配成功，则将该两条人脸记录划分至同一人脸记录区。
3.根据权利要求1所述的方法，其特征在于，所述根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区，包括：
针对该人脸记录集合中的每两条人脸记录，判断该两条人脸记录的采集设备信息是否相同；
如果相同，则判断该两条人脸记录的采集时刻之差是否小于第一预设阈值；如果小于，则将该两条人脸记录划分至同一人脸记录区。
4.根据权利要求3所述的方法，其特征在于，在判定该两条人脸记录的采集设备信息不同的情况下，所述方法还包括：
根据该两条人脸记录的采集设备信息，确定该两条人脸记录对应的采集设备之间的通行时间；
将该两条人脸记录的采集时刻之差与所述通行时间进行匹配，如果匹配成功，则将该两条人脸记录划分至同一人脸记录区。
5.根据权利要求1所述的方法，其特征在于，在所述将所述多条人脸记录划分为一个或多个人脸记录集合之后，还包括：
针对每个人脸记录集合，确定该人脸记录集合中的人脸记录数量；
判断所述人脸记录数量是否大于第二预设阈值；
如果大于，执行所述根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区的步骤；
如果不大于，基于该人脸记录集合中包括的特征数据的相似度，识别属于同一人员的人脸记录。
6.根据权利要求1所述的方法，其特征在于，所述基于该人脸记录区中包括的特征数据的相似度，识别属于同一人员的人脸记录，包括：
根据该人脸记录区中包括的特征数据的相似度，将该人脸记录区中包括的人脸记录划分为一个或多个人脸记录组，其中，一个人脸记录组包括属于同一人员的人脸记录；
判断是否存在未分组的人脸记录；
如果存在一条未分组的人脸记录，将所述一条未分组的人脸记录与所述一个或多个人脸记录组进行匹配，如果匹配成功，将所述一条未分组的人脸记录添加至匹配成功的人脸记录组；
如果存在多条未分组的人脸记录，将所述多条未分组的人脸记录进行匹配，将匹配成功的未分组的人脸记录组合成人脸记录组；针对未匹配成功的每条未分组的人脸记录，将该条未分组的人脸记录与所述一个或多个人脸记录组进行匹配：如果该条未分组的人脸记录与人脸记录组匹配成功，将该条未分组的人脸记录添加至匹配成功的人脸记录组。
7.根据权利要求6所述的方法，其特征在于，将一条未分组的人脸记录与所述一个或多个人脸记录组进行匹配，包括：
在每个人脸记录组中，针对该人脸记录组中的每条人脸记录，计算该人脸记录的第一采集时刻与一条未分组的人脸记录的第二采集时刻的差值，作为第一时间间隔，并根据该人脸记录中的第一采集设备信息与所述一条未分组的人脸记录的第二采集设备信息，计算所述第一采集设备与所述第二采集设备之间的第一通行时间，判断所述第一时间间隔与所述第一通行时间是否匹配成功，如果匹配成功，表示所述一条未分组的人脸记录与该人脸记录组匹配成功；
将多条未分组的人脸记录进行匹配，包括：
针对每两条未分组的人脸记录，计算其中一条人脸记录的第三采集时刻与其中另一条未分组的人脸记录的第四采集时刻的差值，作为第二时间间隔，并根据所述其中一条人脸记录的第三采集设备信息与所述其中另一条人脸记录的第四采集设备信息，计算所述第三采集设备与所述第四采集设备之间的第二通行时间，判断所述第二时间间隔与所述第二通行时间是否匹配成功，如果匹配成功，表示所述其中一条人脸记录与所述其中另一条人脸记录匹配成功。
8.根据权利要求7所述的方法，其特征在于，在判定所述第一时间间隔与所述第一通行时间匹配成功的情况下，还包括：
计算该人脸记录的特征数据与所述一条未分组的人脸记录的特征数据的相似度，判断所述相似度是否大于第三预设阈值，如果大于，表示所述一条未分组的人脸记录与该人脸记录组匹配成功；
在判定所述第二时间间隔与所述第二通行时间匹配成功的情况下，还包括：
计算所述其中一条人脸记录的特征数据与所述其中另一条人脸记录的特征数据的相似度，判断所述相似度是否大于第三预设阈值，如果大于，表示所述其中一条人脸记录与所述其中另一条人脸记录匹配成功。
9.根据权利要求1所述的方法，其特征在于，所述基于该人脸记录区中包括的特征数据的相似度，识别属于同一人员的人脸记录，包括：
根据该人脸记录区中包括的特征数据的相似度，将该人脸记录区中包括的人脸记录划分为一个或多个人脸记录组，其中，一个人脸记录组包括属于同一人员的人脸记录；
针对每个人脸记录组，将该组包括的特征数据进行两两对比，根据对比结果，选择一份满足相似度条件的目标特征数据；
将所选择的每份目标特征数据进行两两对比，若两份目标特征数据的相似度大于第四预设阈值，将所述两份目标特征数据所属的人脸记录组合并为一个人脸记录组。
10.一种人脸识别装置，其特征在于，包括：
获取模块，获取多条人脸记录，每条人脸记录中包括一份人脸图像的特征数据、以及所述人脸图像对应的采集时刻以及采集设备信息；
聚类模块，对所述特征数据进行聚类，根据聚类结果，将所述多条人脸记录划分为一个或多个人脸记录集合；
分区模块，用于针对每个人脸记录集合，根据该人脸记录集合包括的采集时刻以及采集设备信息，将该人脸记录集合中包括的人脸记录划分为一个或多个人脸记录区；其中，针对该人脸记录集合中的每两条人脸记录，是基于该两条人脸记录的采集时刻之差与该两条人脸记录分别对应的不同采集设备之间的预设的通行时间是否匹配，确定是否将该两条人脸记录划分至同一人脸记录区的；
第一识别模块，用于针对每个人脸记录区，基于该人脸记录区中包括的特征数据的相似度，识别属于同一人员的人脸记录。
11.根据权利要求10所述的装置，其特征在于，所述分区模块，具体用于：
针对该人脸记录集合中的每两条人脸记录，计算该两条人脸记录的采集时刻之差；
根据该两条人脸记录的采集设备信息，确定该两条人脸记录对应的采集设备之间的通行时间；
将所述采集时刻之差与所述通行时间进行匹配，如果匹配成功，则将该两条人脸记录划分至同一人脸记录区。
12.根据权利要求10所述的装置，其特征在于，所述分区模块，具体用于：
针对该人脸记录集合中的每两条人脸记录，判断该两条人脸记录的采集设备信息是否相同；
如果相同，则判断该两条人脸记录的采集时刻之差是否小于第一预设阈值；如果小于，则将该两条人脸记录划分至同一人脸记录区。
13.根据权利要求12所述的装置，其特征在于，所述装置还包括：
第一确定模块，用于在判定该两条人脸记录的采集设备信息不同的情况下，根据该两条人脸记录的采集设备信息，确定该两条人脸记录对应的采集设备之间的通行时间；
匹配模块，用于将该两条人脸记录的采集时刻之差与所述通行时间进行匹配，如果匹配成功，则将该两条人脸记录划分至同一人脸记录区。
14.根据权利要求10所述的装置，其特征在于，所述装置还包括：
第二确定模块，用于在将所述多条人脸记录划分为一个或多个人脸记录集合之后，针对每个人脸记录集合，确定该人脸记录集合中的人脸记录数量；
判断模块，用于判断所述人脸记录数量是否大于第二预设阈值；如果大于，触发所述分区模块；如果不大于，触发第二识别模块；
第二识别模块，用于基于该人脸记录集合中包括的特征数据的相似度，识别属于同一人员的人脸记录。
15.根据权利要求10所述的装置，其特征在于，所述第一识别模块，包括：
分组子模块，用于根据该人脸记录区中包括的特征数据的相似度，将该人脸记录区中包括的人脸记录划分为一个或多个人脸记录组，其中，一个人脸记录组包括属于同一人员的人脸记录；
判断子模块，用于判断是否存在未分组的人脸记录；如果存在一条未分组的人脸记录，触发第一匹配子模块；如果存在多条未分组的人脸记录，触发第二匹配子模块；
第一匹配子模块，用于将所述一条未分组的人脸记录与所述一个或多个人脸记录组进行匹配，如果匹配成功，将所述一条未分组的人脸记录添加至匹配成功的人脸记录组；
第二匹配子模块，用于将所述多条未分组的人脸记录进行匹配，将匹配成功的未分组的人脸记录组合成人脸记录组；针对未匹配成功的每条未分组的人脸记录，将该条未分组的人脸记录与所述一个或多个人脸记录组进行匹配：如果该条未分组的人脸记录与人脸记录组匹配成功，将该条未分组的人脸记录添加至匹配成功的人脸记录组。
16.根据权利要求15所述的装置，其特征在于，所述第一匹配子模块，具体用于：
在每个人脸记录组中，针对该人脸记录组中的每条人脸记录，计算该人脸记录的第一采集时刻与一条未分组的人脸记录的第二采集时刻的差值，作为第一时间间隔，并根据该人脸记录中的第一采集设备信息与所述一条未分组的人脸记录的第二采集设备信息，计算所述第一采集设备与所述第二采集设备之间的第一通行时间，判断所述第一时间间隔与所述第一通行时间是否匹配成功，如果匹配成功，表示所述一条未分组的人脸记录与该人脸记录组匹配成功；
所述第二匹配子模块，具体用于：
针对每两条未分组的人脸记录，计算其中一条人脸记录的第三采集时刻与其中另一条未分组的人脸记录的第四采集时刻的差值，作为第二时间间隔，并根据所述其中一条人脸记录的第三采集设备信息与所述其中另一条人脸记录的第四采集设备信息，计算所述第三采集设备与所述第四采集设备之间的第二通行时间，判断所述第二时间间隔与所述第二通行时间是否匹配成功，如果匹配成功，表示所述其中一条人脸记录与所述其中另一条人脸记录匹配成功。
17.根据权利要求16所述的装置，其特征在于，所述第一匹配子模块，还用于：在判定所述第一时间间隔与所述第一通行时间匹配成功的情况下，计算该人脸记录的特征数据与所述一条未分组的人脸记录的特征数据的相似度，判断所述相似度是否大于第三预设阈值，如果大于，表示所述一条未分组的人脸记录与该人脸记录组匹配成功；
所述第二匹配子模块，还用于：在判定所述第二时间间隔与所述第二通行时间匹配成功的情况下，计算所述其中一条人脸记录的特征数据与所述其中另一条人脸记录的特征数据的相似度，判断所述相似度是否大于第三预设阈值，如果大于，表示所述其中一条人脸记录与所述其中另一条人脸记录匹配成功。
18.根据权利要求10所述的装置，其特征在于，所述第一识别模块，具体用于：
根据该人脸记录区中包括的特征数据的相似度，将该人脸记录区中包括的人脸记录划分为一个或多个人脸记录组，其中，一个人脸记录组包括属于同一人员的人脸记录；
针对每个人脸记录组，将该组包括的特征数据进行两两对比，根据对比结果，选择一份满足相似度条件的目标特征数据；
将所选择的每份目标特征数据进行两两对比，若两份目标特征数据的相似度大于第四预设阈值，将所述两份目标特征数据所属的人脸记录组合并为一个人脸记录组。
19.一种电子设备，其特征在于，包括处理器和存储器；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-9任一所述的方法步骤。
20.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-9任一所述的方法步骤。
CN201810307696.0A 2018-04-08 2018-04-08 一种人脸识别方法、装置及设备 Active CN110348274B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810307696.0A CN110348274B (zh) 2018-04-08 2018-04-08 一种人脸识别方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810307696.0A CN110348274B (zh) 2018-04-08 2018-04-08 一种人脸识别方法、装置及设备

Publications (2)

Publication Number Publication Date
CN110348274A CN110348274A (zh) 2019-10-18
CN110348274B true CN110348274B (zh) 2022-03-04

Family

ID=68173275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810307696.0A Active CN110348274B (zh) 2018-04-08 2018-04-08 一种人脸识别方法、装置及设备

Country Status (1)

Country Link
CN (1) CN110348274B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112835947B (zh) * 2019-11-22 2024-04-02 杭州海康威视系统技术有限公司 目标识别方法及装置、电子设备、存储介质
CN111027515A (zh) * 2019-12-24 2020-04-17 神思电子技术股份有限公司 一种人脸库照片更新方法
CN111339983A (zh) * 2020-03-05 2020-06-26 四川长虹电器股份有限公司 一种微调人脸识别模型的方法
KR20230147752A (ko) 2020-06-25 2023-10-23 구글 엘엘씨 인물 그룹 및 이미지 기반 창작물의 자동 생성
CN114792451B (zh) * 2022-06-22 2022-11-25 深圳市海清视讯科技有限公司 信息处理方法、设备、及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1952954A (zh) * 2005-10-09 2007-04-25 欧姆龙株式会社 特定被摄体检测装置及方法
CN104036261A (zh) * 2014-06-30 2014-09-10 北京奇虎科技有限公司 人脸识别方法和系统
CN104866500A (zh) * 2014-02-25 2015-08-26 腾讯科技（深圳）有限公司 图片分类展示方法和装置
CN105868309A (zh) * 2016-03-24 2016-08-17 广东微模式软件股份有限公司 一种基于人脸图像聚类和识别技术的图像快速查找和自助打印方法
CN106250821A (zh) * 2016-07-20 2016-12-21 南京邮电大学 一种聚类再分类的人脸识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1952954A (zh) * 2005-10-09 2007-04-25 欧姆龙株式会社 特定被摄体检测装置及方法
CN104866500A (zh) * 2014-02-25 2015-08-26 腾讯科技（深圳）有限公司 图片分类展示方法和装置
CN104036261A (zh) * 2014-06-30 2014-09-10 北京奇虎科技有限公司 人脸识别方法和系统
CN105868309A (zh) * 2016-03-24 2016-08-17 广东微模式软件股份有限公司 一种基于人脸图像聚类和识别技术的图像快速查找和自助打印方法
CN106250821A (zh) * 2016-07-20 2016-12-21 南京邮电大学 一种聚类再分类的人脸识别方法

Also Published As

Publication number Publication date
CN110348274A (zh) 2019-10-18

Similar Documents

Publication Publication Date Title
CN110348274B (zh) 一种人脸识别方法、装置及设备
CN106446816B (zh) 人脸识别方法及装置
CN108154171B (zh) 一种人物识别方法、装置及电子设备
US11244199B2 (en) User identity determining method, apparatus, and device
CN109426785B (zh) 一种人体目标身份识别方法及装置
CN111414949B (zh) 图片聚类方法、装置、电子设备及存储介质
WO2019042196A1 (zh) 一种人体目标轨迹确定方法及装置
CN109726737B (zh) 基于轨迹的异常行为检测方法及装置
CN108764297B (zh) 一种可移动设备位置的确定方法、装置及电子设备
CN115062186A (zh) 一种视频内容检索方法、装置、设备以及存储介质
CN114780606A (zh) 一种大数据挖掘方法及系统
CN113987243A (zh) 一种图像聚档方法、图像聚档装置和计算机可读存储介质
CN111367956A (zh) 数据统计方法及装置
CN113378902B (zh) 一种基于优化视频特征的视频抄袭检测方法
CN115170851A (zh) 一种图像聚类的方法及装置
CN113657378B (zh) 车辆跟踪方法、车辆跟踪系统和计算设备
WO2018096052A1 (en) A quick match algorithm for biometric data
CN113705625A (zh) 异常生活保障申请家庭的识别方法、装置及电子设备
CN114048344A (zh) 一种相似人脸搜索方法、装置、设备和可读存储介质
CN111368616A (zh) 从车的识别方法、装置及设备
CN113111934B (zh) 一种图像分组方法、装置、电子设备及存储介质
CN117349688B (zh) 一种基于峰值轨迹的轨迹聚类方法、装置、设备及介质
CN109543736B (zh) 一种特征对比方法及装置
CN111367897B (zh) 一种数据处理方法、装置、设备及存储介质
CN115658990B (zh) 一种用于目标空间分群的数据处理方法及装置

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
GR01 Patent grant
GR01 Patent grant