CN110443120A - 一种人脸识别方法及设备 - Google Patents

一种人脸识别方法及设备 Download PDF

Info

Publication number
CN110443120A
CN110443120A CN201910555801.7A CN201910555801A CN110443120A CN 110443120 A CN110443120 A CN 110443120A CN 201910555801 A CN201910555801 A CN 201910555801A CN 110443120 A CN110443120 A CN 110443120A
Authority
CN
China
Prior art keywords
face
default
information
target
database
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
Application number
CN201910555801.7A
Other languages
English (en)
Inventor
林嘉华
刘军
周凯
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.)
Shenzhen Infinova Ltd
Original Assignee
Shenzhen Infinova 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 Shenzhen Infinova Ltd filed Critical Shenzhen Infinova Ltd
Priority to CN201910555801.7A priority Critical patent/CN110443120A/zh
Publication of CN110443120A publication Critical patent/CN110443120A/zh
Pending legal-status Critical Current

Links

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
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明适用于计算机技术领域，提供了一种人脸识别方法及设备，包括：获取待识别用户的目标人脸的目标人脸信息；所述目标人脸信息包括目标人脸属性信息和目标人脸特征信息；基于所述目标人脸属性信息、预设人脸数据库以及预设查找策略，确定所述目标人脸对应的人脸子数据库；基于所述目标人脸特征信息遍历所述人脸子数据库，当第一人脸的人脸特征信息与所述目标人脸特征信息之间的相似度值满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。上述方案，基于人脸属性信息将人脸识别数据库进行细分，直接在子库中识别出目标人脸，大大的提高搜索性能，缩小了查询范围，减少了工作量，提升了识别速度。

Description

一种人脸识别方法及设备
技术领域
本发明属于计算机技术领域，尤其涉及一种人脸识别方法及设备。
背景技术
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的一系列相关技术，通常也叫做人像识别、面部识别。当前人脸识别的方法主要是在特征比对库中逐一进行对比，在数据库中对待识别的人脸进行识别。一旦数据库过大，这种方法识别的速度就会很低。
当前，为了提高人脸识别的速度，通常采用聚类的方式将数据库中大量的数据分类，将具有相似人脸特征的人脸分为一类，将待识别的人脸在分类后的数据库中进行对比。但是，这种方式会要求在分类之前进行大量的数据运算，将人脸进行分簇，当人脸分布不均时，有可能使得一个数据库中超过一半的人脸被分配到相同的簇中，导致数据库中的数据分类不够准确。这样依然无法提升人脸识别的速度，而且识别的效果不够准确。
发明内容
有鉴于此，本发明实施例提供了一种人脸识别方法及设备，以解决现有技术中无法提升人脸识别的速度，识别的效果不够准确的问题。
本发明实施例的第一方面提供了一种人脸识别方法，包括：
获取待识别用户的目标人脸的目标人脸信息；所述目标人脸信息包括目标人脸属性信息和目标人脸特征信息；
基于所述目标人脸属性信息、预设人脸数据库以及预设查找策略，确定所述目标人脸对应的人脸子数据库；其中，所述预设人脸数据库包括预设人脸子数据库，预设人脸子数据库是基于预设人脸属性信息划分；
基于所述目标人脸特征信息遍历所述人脸子数据库，当第一人脸的人脸特征信息与所述目标人脸特征信息之间的相似度值满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。
本发明实施例的第二方面提供了一种人脸识别装置，包括：
获取单元，用于获取待识别用户的目标人脸的目标人脸信息；所述目标人脸信息包括目标人脸属性信息和目标人脸特征信息；
确定单元，用于基于所述目标人脸属性信息、预设人脸数据库以及预设查找策略，确定所述目标人脸对应的人脸子数据库；其中，所述预设人脸数据库包括预设人脸子数据库，预设人脸子数据库是基于预设人脸属性信息划分；
识别单元，用于基于所述目标人脸特征信息遍历所述人脸子数据库，当第一人脸的人脸特征信息与所述目标人脸特征信息之间的相似度值满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。
本发明实施例的第三方面提供了一种人脸识别设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的人脸识别方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的人脸识别方法的步骤。
本发明实施例中，获取待识别用户的目标人脸的目标人脸信息；所述目标人脸信息包括目标人脸属性信息和目标人脸特征信息；基于所述目标人脸属性信息、预设人脸数据库以及预设查找策略，确定所述目标人脸对应的人脸子数据库；基于所述目标人脸特征信息遍历所述人脸子数据库，当第一人脸的人脸特征信息与所述目标人脸特征信息之间的相似度值满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。上述方案，基于人脸中固有的属性信息将人脸识别数据库进行细分，将原本大型的数据库划分为大小不一的人脸子数据库，之后直接在子库中识别出目标人脸。能够在具有大型人脸识别特征库下大大的提高搜索性能，而且由于使用的是人脸固有的属性信息进行划分的子集，对待识别人脸在识别库中所对应的目标所在人脸子数据库位置起到非常精准的定位，大大缩小查询范围，提升了识别速度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种人脸识别方法的示意流程图；
图2是本发明实施例提供的一种人脸识别方法中S103细化的示意流程图；
图3是本发明另一实施例提供的另一种人脸识别方法的示意流程图；
图4是本发明再一实施例提供的一种人脸识别方法的示意流程图；
图5是本发明实施例提供的一种人脸识别方法中构建的人脸数据库决策树的示意图；
图6是本发明实施例提供的一种人脸识别方法中S303细化的示意流程图；
图7是本申请本发明实施例提供的一种人脸识别装置的示意图；
图8是本发明一实施例提供的人脸识别设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
请参见图1，图1是本发明实施例提供的一种人脸识别方法的示意流程图。本实施例中人脸识别方法的执行主体为具有人脸识别功能的设备，包括但不限于计算机、服务器、平板电脑或者终端等设备。如图1所示的人脸识别方法可包括：
S101：获取待识别用户的目标人脸的目标人脸信息；所述目标人脸信息包括目标人脸属性信息和目标人脸特征信息。
设备先获取待识别用户的人脸画面，即获取待识别用户的目标人脸。本实施例中可以通过摄像装置采集人脸画面，也可以通过网络接收采集好的人脸画面，其中，人脸画面可以是视频形式的，也可以是图像形式，此处不做限制。
设备获取目标人脸的目标人脸信息，其中，目标人脸信息包括目标人脸属性信息和目标人脸特征信息。人脸属性信息为该人脸对应的用户的属性信息，例如，性别属性、年龄属性、种族属性等等。人脸特征信息为该人脸的脸部特征，可以包括眉眼距离、鼻孔距离、嘴巴长度、瞳孔距离、脸颊宽度等等。提取到的人脸特征信息可以是多维度的特征向量，比较常用的提取方式中，可以提取512维的人脸特征，也可以提取256维的人脸特征，此处不做限定。
其中，目标人脸特征信息可以通过预设的神经网络进行获取。在获取目标人脸属性信息时，可以通过对目标人脸的人脸画面进行识别获取目标人脸属性信息，例如通过获取人脸特征，从而确定该人脸的年龄属性、性别属性等等。
S102：基于所述目标人脸属性信息、预设人脸数据库以及预设查找策略，确定所述目标人脸对应的人脸子数据库；其中，所述预设人脸数据库包括预设人脸子数据库，预设人脸子数据库是基于预设人脸属性信息划分。
设备中预先设置人脸数据库。预设人脸数据库中包括人脸及其对应的人脸特征信息。可以理解的是，预设人脸数据库中包含的人脸数量越多，对于人脸识别的结果越准确。预设人脸数据库包括预设人脸子数据库，预设人脸子数据库是基于预设人脸属性信息划分。例如，预设人脸数据库可以依据预设人脸的年龄属性信息划分成为若干预设人脸子数据库，举例来说可以为大于25岁的人脸子数据库、小于25岁的人脸子数据库。可以理解的是，用于划分人脸子数据库的预设人脸属性信息中包括的属性信息的数量应当大于或者等于目标人脸属性信息中包括的属性信息的数量。
设备中预先设置查找策略，其中，查找策略中包括预设的人脸属性信息，查找策略用于确定目标人脸对应的人脸子数据库。举例来说，目标人脸属性信息为年龄(25-30)、性别(女)、肤色(黄色)，其中，查找策略包括属性信息的查找顺序，例如，先获取性别(女)对应的第一人脸子数据库，再获取肤色(黄色)对应的第二人脸子数据库，最后获取年龄(25-30)对应的第三人脸子数据库，获取第一人脸子数据库、第二人脸子数据库和第三人脸子数据库的交集作为第四数据库，即为目标人脸对应的人脸子数据库。
S103：基于所述目标人脸特征信息遍历所述人脸子数据库，当第一人脸的人脸特征信息与所述目标人脸特征信息之间的相似度值满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。
设备基于目标人脸特征信息遍历人脸子数据库，获取人脸子数据库中的每一个人脸对应的人脸特征信息，并且确定目标人脸特征信息和人脸子数据库中的每一个人脸的人脸特征信息之间的相似度。设备预先设定相似度对应的条件，该预设条件用于筛选出与目标人脸最相似的第一人脸，当相似度值满足预设条件时，该人脸即为第一人脸，获取第一人脸对应的身份信息，将第一人脸对应的身份信息识别为待识别用户的身份信息。其中，我们可以通过本地的数据库读取预存在本地的本地身份信息，或者从广域网调取特定服务器内已存有的云端身份信息，此处不做限定。
进一步地，为了更准确的识别出待识别用户的身份信息，S103可以包括S1031～S1033，如图2所示，S1031～S1033具体如下：
S1031：获取所述人脸子数据库中每一个人脸对应的人脸特征信息；
设备基于目标人脸特征信息遍历人脸子数据库，获取人脸子数据库中的每一个人脸对应的人脸特征信息。
S1032：计算所述目标人脸特征信息和所述人脸子数据库中每一个人脸的人脸特征信息之间的余弦相似度；其中，所述余弦相似度用于标识所述目标人脸和所述人脸子数据库中每一个人脸之间的相似度；
设备计算目标人脸的目标人脸特征信息和人脸子数据库中每一个人脸的人脸特征信息之间的余弦相似度，余弦相似度用于标识目标人脸和人脸子数据库中每一个人脸之间的相似度。余弦相似度，又称为余弦相似性，是通过计算两个向量的夹角余弦值来评估他们的相似度。
其中，余弦相似度的计算公式为：
其中，βi为目标人脸的目标人脸特征信息和人脸子数据库中每一个人脸的人脸特征信息之间的余弦相似度；Λ为目标人脸的目标人脸特征信息；Xi为人脸子数据库中每一个人脸对应的人脸特征信息。
进一步地，也可以对原始的余弦相似度的计算公式进行变形，增加权重，举例来说，具体计算公式可以做如下变形：
其中，βi为目标人脸的目标人脸特征信息和人脸子数据库中每一个人脸的人脸特征信息之间的余弦相似度；Λ为目标人脸的目标人脸特征信息；Xi为人脸子数据库中每一个人脸对应的人脸特征信息。
S1033：当所述余弦相似度满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。
设备预先设定余弦相似度对应的条件，该预设条件用于筛选出与目标人脸最相似的第一人脸，余弦相似度越大表明目标人脸特征信息和人脸子数据库中人脸的人脸特征信息越相似，举例来说，当余弦相似度大于预设阈值时，说明余弦相似度满足预设条件，该人脸与待识别用户的人脸相似度最高，该人脸即为第一人脸，获取第一人脸对应的身份信息，将第一人脸对应的身份信息识别为待识别用户的身份信息。其中，我们可以通过本地的数据库读取预存在本地的本地身份信息，或者从广域网调取特定服务器内已存有的云端身份信息，此处不做限定。
本发明实施例中，获取待识别用户的目标人脸的目标人脸信息；所述目标人脸信息包括目标人脸属性信息和目标人脸特征信息；基于所述目标人脸属性信息、预设人脸数据库以及预设查找策略，确定所述目标人脸对应的人脸子数据库；基于所述目标人脸特征信息遍历所述人脸子数据库，当第一人脸的人脸特征信息与所述目标人脸的所述目标人脸特征信息之间的相似度值满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。上述方案，基于人脸中固有的属性信息将人脸识别数据库进行细分，将原本大型的数据库划分为大小不一的人脸子数据库，之后直接在子库中识别出目标人脸。能够在具有大型人脸识别特征库下大大的提高搜索性能，而且由于使用的是人脸固有的属性信息进行划分的子集，对待识别人脸在识别库中所对应的目标所在人脸子数据库位置起到非常精准的定位，大大缩小查询范围，提升了识别速度。
请参见图3，图3是本发明另一实施例提供的一种人脸识别方法的示意流程图。本实施例中人脸识别方法的执行主体为具有人脸识别功能的设备，包括但不限于计算机、服务器、平板电脑或者终端等设备。为了能够更快速的确定目标人脸对应的人脸子数据库，本实施例中基于决策树进行查找，本实施例与第一实施例之间的区别在于S202，S202是S102的进一步的细化，本实施例中S201与第一实施例中的S101相同，S203与上一实施例中的S103相同，具体请参阅第一实施例。如图3所示，S202具体如下：
S202：基于所述目标人脸属性信息和预设决策树查找策略遍历预设人脸数据库决策树，确定所述目标人脸对应的人脸子数据库；其中，所述预设人脸数据库决策树的决策依据为预设人脸属性信息，所述预设人脸数据库决策树的叶子节点为预设人脸子数据库。
设备基于目标人脸属性信息和预设决策树查找策略遍历预设人脸数据库决策树，确定目标人脸对应的人脸子数据库。其中，设备中预先设置人脸数据库决策树，决策树(Decision Tree)是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶子节点代表一种类别。在本实施例中，预设人脸数据库决策树的决策依据为预设人脸属性信息，预设人脸数据库决策树的叶子节点为预设人脸子数据库。
设备中预先设置决策树查找策略，其中，决策树查找策略中包括预设的人脸属性信息，决策树查找策略用于确定目标人脸对应的人脸子数据库。举例来说，目标人脸属性信息为年龄(0-10)、性别(女)、种族(亚洲人)，决策树查找策略可以为按照“性别-年龄-种族”的顺序进行查找，找对决策树中对应的叶子节点，即目标人脸对应的人脸子数据库。
请参见图4，图4是本发明再一实施例提供的一种人脸识别方法的示意流程图。本实施例中人脸识别方法的执行主体为具有人脸识别功能的设备，包括但不限于计算机、服务器、平板电脑或者终端等设备。为了建立合理的人脸数据库决策树，从而提高人脸识别的速度和准确度，本实施例对建立人脸数据库决策树进行了限定，本实施例与图3对应的第二实施例之间的区别在于S301～S303，本实施例中的S304～S306与第二实施例中的S201～S203相同，具体请参阅第二实施例，其中，S301～S303在S304之前执行即可。如图4所示，S301～S303具体如下：
S301：获取样本人脸的样本人脸信息；所述样本人脸信息包括样本人脸属性信息和样本人脸特征信息。
设备偶去样本人脸的样本人脸信息，其中，样本人脸信息包括样本人脸属性信息和样本人脸特征信息。人脸属性信息为该人脸对应的用户的属性信息，例如，性别属性、年龄属性、种族属性等等。人脸特征信息为该人脸的脸部特征，可以包括眉眼距离、鼻孔距离、嘴巴长度、瞳孔距离、脸颊宽度等等。提取到的人脸特征信息可以是多维度的特征向量，比较常用的提取方式中，可以提取512维的人脸特征，也可以提取256维的人脸特征，此处不做限定。可以理解的是，样本人脸的数量越多，基于人脸数据库决策树对于人脸进行识别，得到的结果越准确。
S302：基于所有所述样本人脸信息建立原始人脸数据库；所述原始人脸数据库包括所述样本人脸对应的所述样本人脸属性信息和所述样本人脸特征信息。
设备将样本人脸及其对应的样本人脸属性信息和样本人脸特征信息进行关联存储，基于所有的样本人脸及其对应的样本人脸属性信息和样本人脸特征信息建立原始人脸数据库。
S303：基于所述预设人脸属性信息和所述原始人脸数据库，构建预设人脸数据库决策树。
设备基于预设人脸属性信息和原始人脸数据库，构建预设人脸数据库决策树，预设人脸数据库决策树的决策依据为预设人脸属性信息，预设人脸数据库决策树的叶子节点为预设人脸子数据库。举例来说，将性别属性信息作为人脸数据库决策树根节点，具体分为男性和女性；将年龄属性信息作为第二个决策根节点，具体为0-10，10-15，15-18，18-25，25-35，35-45，45-55，55-65，大于65等九个子节点；将人种属性信息作为第三个决策根节点，具体分为亚洲人、欧洲人、印度人，最后获取每个分支对应的人脸子数据库，构建出的人脸数据库决策树如图5所示，每一个子集即为一个人脸子数据库。
进一步地，为了建立合理的人脸数据库决策树，从而提高人脸识别的速度和准确度，S303可以包括S3031～S3033，如图6所示，S3031～S3033具体如下：
S3031：基于所述预设人脸属性信息建立第一决策树，基于所述第一决策树确定预设决策树查找规则。
设备基于预设人脸属性信息建立第一决策树，第一决策树的决策依据为预设人脸属性信息，举例来说，将性别属性信息作为人脸数据库决策树根节点，具体分为男性和女性；将年龄属性信息作为第二个决策根节点，具体为0-10，10-15，15-18，18-25，25-35，35-45，45-55，55-65，大于65等九个子节点；将人种属性信息作为第三个决策根节点，具体分为亚洲人、欧洲人、印度人。
设备基于获取到的第一决策树确定预设决策树查找策略，预设决策树查找策略中的属性信息的顺序应当与第一决策树中决策根节点的顺序相同。
S3032：基于所述预设决策树查找规则划分所述原始人脸数据库，得到预设人脸子数据库。
设备基于预设决策树查找规则划分原始人脸数据库，获取第一决策树中每一个分支对应的人脸子数据，得到预设人脸子数据库。
S3033：基于所述第一决策树和所述预设人脸子数据库构建预设人脸数据库决策树。
设备基于第一决策树和预设人脸子数据库构建预设人脸数据库决策树，将预设人脸子数据库作为叶子节点，预设人脸数据库决策树的决策依据为预设人脸属性信息。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
参见图7，图7是本申请本发明实施例提供的一种人脸识别装置的示意图。人脸识别装置7可以为具有人脸识别功能的设备，包括但不限于计算机、服务器、平板电脑或者终端等设备。本包括的各单元用于执行图1～图4、图6对应的实施例中的各步骤，具体请参阅图1～图4、图6各自对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。本实施例的人脸识别装置7包括：
获取单元710，用于获取待识别用户的目标人脸的目标人脸信息；所述目标人脸信息包括目标人脸属性信息和目标人脸特征信息；
确定单元720，用于基于所述目标人脸属性信息、预设人脸数据库以及预设查找策略，确定所述目标人脸对应的人脸子数据库；其中，所述预设人脸数据库包括预设人脸子数据库，预设人脸子数据库是基于预设人脸属性信息划分；
识别单元730，用于基于所述目标人脸特征信息遍历所述人脸子数据库，当第一人脸的人脸特征信息与所述目标人脸特征信息之间的相似度值满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。
进一步地，确定单元720，具体用于：
基于所述目标人脸属性信息和预设决策树查找策略遍历预设人脸数据库决策树，确定所述目标人脸对应的人脸子数据库；其中，所述预设人脸数据库决策树的决策依据为预设人脸属性信息，所述预设人脸数据库决策树的叶子节点为预设人脸子数据库。
进一步地，人脸识别装置7，还包括：
第一获取单元，用于获取样本人脸的样本人脸信息；所述样本人脸信息包括样本人脸属性信息和样本人脸特征信息；
处理单元，用于基于所有所述样本人脸信息建立原始人脸数据库；所述原始人脸数据库包括所述样本人脸对应的所述样本人脸属性信息和所述样本人脸特征信息；
构建单元，用于基于所述预设人脸属性信息和所述原始人脸数据库，构建预设人脸数据库决策树。
进一步地，所述构建单元，具体用于：
基于所述预设人脸属性信息建立第一决策树，基于所述第一决策树确定预设决策树查找规则；
基于所述预设决策树查找规则划分所述原始人脸数据库，得到预设人脸子数据库；
基于所述第一决策树和所述预设人脸子数据库构建预设人脸数据库决策树。
进一步地，识别单元730，具体用于：
获取所述人脸子数据库中每一个人脸对应的人脸特征信息；
计算所述目标人脸特征信息和所述人脸子数据库中每一个人脸的人脸特征信息之间的余弦相似度；其中，所述余弦相似度用于标识所述目标人脸和所述人脸子数据库中每一个人脸之间的相似度；
当所述余弦相似度满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。
图8是本发明一实施例提供的人脸识别设备的示意图。如图8所示，该实施例的人脸识别设备8包括：处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82，例如人脸识别程序。所述处理器80执行所述计算机程序82时实现上述各个人脸识别方法实施例中的步骤，例如图1所示的步骤101至103。或者，所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块/单元的功能，例如图7所示模块710至730的功能。
示例性的，所述计算机程序82可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器81中，并由所述处理器80执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序82在所述人脸识别设备8中的执行过程。例如，所述计算机程序82可以被分割成获取单元、确定单元、识别单元，各单元具体功能如下：
获取单元，用于获取待识别用户的目标人脸的目标人脸信息；所述目标人脸信息包括目标人脸属性信息和目标人脸特征信息；
确定单元，用于基于所述目标人脸属性信息、预设人脸数据库以及预设查找策略，确定所述目标人脸对应的人脸子数据库；其中，所述预设人脸数据库包括预设人脸子数据库，预设人脸子数据库是基于预设人脸属性信息划分；
识别单元，用于基于所述目标人脸特征信息遍历所述人脸子数据库，当第一人脸的人脸特征信息与所述目标人脸特征信息之间的相似度值满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。
所述人脸识别设备8可以是具有人脸识别功能的设备，包括但不限于计算机、服务器、平板电脑或者终端等设备。所述人脸识别设备可包括，但不仅限于，处理器80、存储器81。本领域技术人员可以理解，图8仅仅是人脸识别设备8的示例，并不构成对人脸识别设备8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，例如所述人脸识别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80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)、现成可编程门阵列(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。
所述存储器81可以是所述人脸识别设备8的内部存储单元，例如人脸识别设备8的硬盘或内存。所述存储器81也可以是所述人脸识别设备8的外部存储设备，例如所述人脸识别设备8上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器81还可以既包括所述人脸识别设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述人脸识别设备所需的其他程序和数据。所述存储器81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，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，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，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种人脸识别方法，其特征在于，包括：
获取待识别用户的目标人脸的目标人脸信息；所述目标人脸信息包括目标人脸属性信息和目标人脸特征信息；
基于所述目标人脸属性信息、预设人脸数据库以及预设查找策略，确定所述目标人脸对应的人脸子数据库；其中，所述预设人脸数据库包括预设人脸子数据库，预设人脸子数据库是基于预设人脸属性信息划分；
基于所述目标人脸特征信息遍历所述人脸子数据库，当第一人脸的人脸特征信息与所述目标人脸特征信息之间的相似度值满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。
2.如权利要求1所述的人脸识别方法，其特征在于，所述基于所述目标人脸属性信息、预设人脸数据库以及预设查找策略，确定所述目标人脸对应的人脸子数据库，包括：
基于所述目标人脸属性信息和预设决策树查找策略遍历预设人脸数据库决策树，确定所述目标人脸对应的人脸子数据库；其中，所述预设人脸数据库决策树的决策依据为预设人脸属性信息，所述预设人脸数据库决策树的叶子节点为预设人脸子数据库。
3.如权利要求2所述的人脸识别方法，其特征在于，在所述基于所述目标人脸属性信息和预设决策树查找规则遍历预设人脸数据库决策树，确定所述目标人脸对应的人脸子数据库之前，还包括：
获取样本人脸的样本人脸信息；所述样本人脸信息包括样本人脸属性信息和样本人脸特征信息；
基于所有所述样本人脸信息建立原始人脸数据库；所述原始人脸数据库包括所述样本人脸对应的所述样本人脸属性信息和所述样本人脸特征信息；
基于所述预设人脸属性信息和所述原始人脸数据库，构建预设人脸数据库决策树。
4.如权利要求3所述的人脸识别方法，其特征在于，所述基于所述预设人脸属性信息和所述原始人脸数据库，构建预设人脸数据库决策树，包括：
基于所述预设人脸属性信息建立第一决策树，基于所述第一决策树确定预设决策树查找规则；
基于所述预设决策树查找规则划分所述原始人脸数据库，得到预设人脸子数据库；
基于所述第一决策树和所述预设人脸子数据库构建预设人脸数据库决策树。
5.如权利要求1-4任一项所述的人脸识别方法，其特征在于，所述基于所述目标人脸特征信息遍历所述人脸子数据库，当第一人脸的人脸特征信息与所述目标人脸特征信息之间的相似度值满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息，包括：
获取所述人脸子数据库中每一个人脸对应的人脸特征信息；
计算所述目标人脸特征信息和所述人脸子数据库中每一个人脸的人脸特征信息之间的余弦相似度；其中，所述余弦相似度用于标识所述目标人脸和所述人脸子数据库中每一个人脸之间的相似度；
当所述余弦相似度满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。
6.一种人脸识别装置，其特征在于，包括：
获取单元，用于获取待识别用户的目标人脸的目标人脸信息；所述目标人脸信息包括目标人脸属性信息和目标人脸特征信息；
确定单元，用于基于所述目标人脸属性信息、预设人脸数据库以及预设查找策略，确定所述目标人脸对应的人脸子数据库；其中，所述预设人脸数据库包括预设人脸子数据库，预设人脸子数据库是基于预设人脸属性信息划分；
识别单元，用于基于所述目标人脸特征信息遍历所述人脸子数据库，当第一人脸的人脸特征信息与所述目标人脸特征信息之间的相似度值满足预设条件时，将所述第一人脸对应的身份信息识别为所述待识别用户的身份信息。
7.如权利要求6所述的人脸识别装置，其特征在于，所述确定单元，具体用于：
基于所述目标人脸属性信息和预设决策树查找策略遍历预设人脸数据库决策树，确定所述目标人脸对应的人脸子数据库；其中，所述预设人脸数据库决策树的决策依据为预设人脸属性信息，所述预设人脸数据库决策树的叶子节点为预设人脸子数据库。
8.如权利要求6所述的人脸识别装置，其特征在于，还包括：
第一获取单元，用于获取样本人脸的样本人脸信息；所述样本人脸信息包括样本人脸属性信息和样本人脸特征信息；
处理单元，用于基于所有所述样本人脸信息建立原始人脸数据库；所述原始人脸数据库包括所述样本人脸对应的所述样本人脸属性信息和所述样本人脸特征信息；
构建单元，用于基于所述预设人脸属性信息和所述原始人脸数据库，构建预设人脸数据库决策树。
9.一种人脸识别设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
CN201910555801.7A 2019-06-25 2019-06-25 一种人脸识别方法及设备 Pending CN110443120A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910555801.7A CN110443120A (zh) 2019-06-25 2019-06-25 一种人脸识别方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910555801.7A CN110443120A (zh) 2019-06-25 2019-06-25 一种人脸识别方法及设备

Publications (1)

Publication Number Publication Date
CN110443120A true CN110443120A (zh) 2019-11-12

Family

ID=68428371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910555801.7A Pending CN110443120A (zh) 2019-06-25 2019-06-25 一种人脸识别方法及设备

Country Status (1)

Country Link
CN (1) CN110443120A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110990604A (zh) * 2019-11-28 2020-04-10 浙江大华技术股份有限公司 图像底库生成方法、人脸识别方法和智能门禁系统
CN110991390A (zh) * 2019-12-16 2020-04-10 腾讯云计算（北京）有限责任公司 身份信息检索方法、装置、业务系统及电子设备
CN111160218A (zh) * 2019-12-26 2020-05-15 浙江大华技术股份有限公司 一种特征向量比对方法、装置电子设备及存储介质
CN112036894A (zh) * 2020-09-01 2020-12-04 中国银行股份有限公司 利用虹膜特征及动作特征进行身份确认的方法及系统
CN112084904A (zh) * 2020-08-26 2020-12-15 武汉普利商用机器有限公司 人脸搜索方法、装置及存储介质
CN113792709A (zh) * 2021-11-15 2021-12-14 湖南视觉伟业智能科技有限公司 快速大规模人脸识别方法及系统
CN113822189A (zh) * 2021-09-15 2021-12-21 珠海格力电器股份有限公司 人脸识别方法、装置、计算机可读存储介质与处理器
CN117558057A (zh) * 2024-01-12 2024-02-13 清华大学深圳国际研究生院 一种人脸识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101201894A (zh) * 2007-11-06 2008-06-18 重庆大学 基于网格计算技术的大规模人脸数据库人脸识别方法
CN104239859A (zh) * 2014-09-05 2014-12-24 西安电子科技大学 基于结构化因子分析的人脸识别方法
CN104732200A (zh) * 2015-01-28 2015-06-24 广州远信网络科技发展有限公司 一种皮肤类型和皮肤问题的识别方法
CN107527040A (zh) * 2017-09-07 2017-12-29 维沃移动通信有限公司 一种人脸识别的方法和装置
CN109271917A (zh) * 2018-09-10 2019-01-25 广州杰赛科技股份有限公司 人脸识别方法、装置、计算机设备和可读存储介质
CN109426781A (zh) * 2017-08-29 2019-03-05 阿里巴巴集团控股有限公司 人脸识别数据库的构建方法、人脸识别方法、装置及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101201894A (zh) * 2007-11-06 2008-06-18 重庆大学 基于网格计算技术的大规模人脸数据库人脸识别方法
CN104239859A (zh) * 2014-09-05 2014-12-24 西安电子科技大学 基于结构化因子分析的人脸识别方法
CN104732200A (zh) * 2015-01-28 2015-06-24 广州远信网络科技发展有限公司 一种皮肤类型和皮肤问题的识别方法
CN109426781A (zh) * 2017-08-29 2019-03-05 阿里巴巴集团控股有限公司 人脸识别数据库的构建方法、人脸识别方法、装置及设备
CN107527040A (zh) * 2017-09-07 2017-12-29 维沃移动通信有限公司 一种人脸识别的方法和装置
CN109271917A (zh) * 2018-09-10 2019-01-25 广州杰赛科技股份有限公司 人脸识别方法、装置、计算机设备和可读存储介质

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110990604A (zh) * 2019-11-28 2020-04-10 浙江大华技术股份有限公司 图像底库生成方法、人脸识别方法和智能门禁系统
CN110991390A (zh) * 2019-12-16 2020-04-10 腾讯云计算（北京）有限责任公司 身份信息检索方法、装置、业务系统及电子设备
CN110991390B (zh) * 2019-12-16 2023-04-07 腾讯云计算（北京）有限责任公司 身份信息检索方法、装置、业务系统及电子设备
CN111160218A (zh) * 2019-12-26 2020-05-15 浙江大华技术股份有限公司 一种特征向量比对方法、装置电子设备及存储介质
CN112084904A (zh) * 2020-08-26 2020-12-15 武汉普利商用机器有限公司 人脸搜索方法、装置及存储介质
CN112036894A (zh) * 2020-09-01 2020-12-04 中国银行股份有限公司 利用虹膜特征及动作特征进行身份确认的方法及系统
CN112036894B (zh) * 2020-09-01 2023-08-18 中国银行股份有限公司 利用虹膜特征及动作特征进行身份确认的方法及系统
CN113822189A (zh) * 2021-09-15 2021-12-21 珠海格力电器股份有限公司 人脸识别方法、装置、计算机可读存储介质与处理器
CN113792709A (zh) * 2021-11-15 2021-12-14 湖南视觉伟业智能科技有限公司 快速大规模人脸识别方法及系统
CN113792709B (zh) * 2021-11-15 2022-01-11 湖南视觉伟业智能科技有限公司 快速大规模人脸识别方法及系统
CN117558057A (zh) * 2024-01-12 2024-02-13 清华大学深圳国际研究生院 一种人脸识别方法
CN117558057B (zh) * 2024-01-12 2024-04-16 清华大学深圳国际研究生院 一种人脸识别方法

Similar Documents

Publication Publication Date Title
CN110443120A (zh) 一种人脸识别方法及设备
CN108197532B (zh) 人脸识别的方法、装置及计算机装置
CN109189991A (zh) 重复视频识别方法、装置、终端及计算机可读存储介质
CN106022317A (zh) 人脸识别方法及装置
CN111612038B (zh) 异常用户检测方法及装置、存储介质、电子设备
CN109902644A (zh) 人脸识别方法、装置、设备和计算机可读介质
CN110287813A (zh) 身份识别方法及系统
CN112487886A (zh) 一种有遮挡的人脸识别方法、装置、存储介质及终端
CN109885597A (zh) 基于机器学习的用户分群处理方法、装置及电子终端
CN110689046A (zh) 图像识别方法、装置、计算机装置及存储介质
CN110489659A (zh) 数据匹配方法和装置
CN113515988A (zh) 掌纹识别方法、特征提取模型训练方法、设备及介质
CN111062808A (zh) 信用卡额度评估方法、装置、计算机设备及存储介质
CN110209729A (zh) 数据转移对象识别的方法及装置
CN111460315A (zh) 社群画像构建方法、装置、设备及存储介质
CN112925899B (zh) 排序模型建立方法、案件线索推荐方法、装置及介质
CN114330476A (zh) 用于媒体内容识别的模型训练方法及媒体内容识别方法
CN110210425A (zh) 人脸识别方法、装置、电子设备及存储介质
CN110210884A (zh) 确定用户特征数据的方法、装置、计算机设备及存储介质
KR102240495B1 (ko) 신분 인증 부정 사용자 차등 관리 방법 및 서버
CN113780148A (zh) 交通标志图像识别模型训练方法和交通标志图像识别方法
CN112989869B (zh) 人脸质量检测模型的优化方法、装置、设备及存储介质
CN113743533A (zh) 一种图片聚类方法、装置及存储介质
CN113743838A (zh) 目标用户识别方法、装置、计算机设备和存储介质
CN110163083A (zh) 用户信息的匹配方法、装置及终端设备

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: 20191112