CN110443181A - 人脸识别方法及装置 - Google Patents
人脸识别方法及装置 Download PDFInfo
- Publication number
- CN110443181A CN110443181A CN201910693903.5A CN201910693903A CN110443181A CN 110443181 A CN110443181 A CN 110443181A CN 201910693903 A CN201910693903 A CN 201910693903A CN 110443181 A CN110443181 A CN 110443181A
- Authority
- CN
- China
- Prior art keywords
- user
- facial image
- feature templates
- identification code
- eic equipment
- 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
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
- 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)
- Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种人脸识别方法及装置,所述方法包括:获取预设范围内的若干个用户移动设备的设备识别码;根据所述若干个设备识别码,利用预设数据库确定候选人脸特征模板集,所述预设数据库中存储有设备识别码与人脸图像特征模板的一一对应关系;根据所述候选人脸特征模板集识别待识别用户的人脸图像。本发明实施例提供的人脸识别方法及装置,通过获取用户移动设备的设备识别码,构建一个候选人脸特征模板集,优先根据候选人脸特征模板集识别待识别用户的人脸图像,把需要搜索匹配人脸特征模板从海量降低到少量,可以大大降低比对数量,减少运算量,加快识别速度,提高识别效率,降低识别成本。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种人脸识别方法及装置。
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。
现有技术中,人脸识别系统主要包括四个组成部分,分别为:人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
一、人脸图像采集及检测。
人脸图像采集:不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测:人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。主流的人脸检测方法基于以上特征采用Adaboost学习算法,Adaboost算法是一种用来分类的方法,它把一些比较弱的分类方法合在一起,组合出新的很强的分类方法。人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器),按照加权投票的方式将弱分类器构造为一个强分类器,再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器,有效地提高分类器的检测速度。
二、人脸图像预处理。
人脸图像预处理:对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
三、人脸图像特征提取。
人脸图像特征提取:人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学习的表征方法。
基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述,可作为识别人脸的重要特征,这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
四、人脸图像匹配与识别。
人脸图像匹配与识别:提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程。
但是,实际应用中,数据库中存储的特征模板的数量是海量的,需要从海量的数据中找到与提取的人脸图像的特征数据最为相似的一个,这个计算量无疑是非常巨大的,这也导致了人脸识别的速度和效率都很低。
发明内容
本发明实施例提供一种人脸识别方法及装置,用于解决现有技术中人脸识别速度慢和效率低的技术问题。
为了解决上述技术问题,一方面,本发明实施例提供一种人脸识别方法,包括:
获取预设范围内的若干个用户移动设备的设备识别码;
根据所述若干个设备识别码,利用预设数据库确定候选人脸特征模板集,所述预设数据库中存储有设备识别码与人脸图像特征模板的一一对应关系;
根据所述候选人脸特征模板集识别待识别用户的人脸图像。
进一步地,所述根据所述若干个用户移动设备的识别码确定候选人脸特征模板集,具体包括:
从所述预设数据库中筛选出每一设备识别码对应的人脸特征模板,所述预设数据库中存储有每个用户注册时登记的人脸图像特征模板和用户移动设备的设备识别码,每个用户的人脸图像特征模板和用户移动设备的设备识别码一一对应地存储在所述预设数据库中;
根据所有设备识别码对应的人脸特征模板,构建所述候选人脸特征模板集。
进一步地,所述根据所述候选人脸特征模板集识别待识别用户的人脸图像之前,还包括:
获取所述人脸图像。
进一步地,所述根据所述候选人脸特征模板集识别待识别用户的人脸图像,具体包括:
提取所述人脸图像的特征数据;
将所述人脸图像的特征数据与所述候选人脸特征模板集中的人脸图像特征模板进行搜索匹配,输出相似度超过预设阈值的匹配结果。
进一步地,所述根据所述候选人脸特征模板集识别待识别用户的人脸图像之后,还包括:
若判断获知所述候选人脸特征模板集中不存在期望结果,则根据所述预设数据库识别所述人脸图像;所述期望结果为与所述人脸图像的特征数据相似度超过预设阈值的匹配结果;所述预设数据库中存储有每个用户注册时登记的人脸图像特征模板和用户移动设备的设备识别码,每个用户的人脸图像特征模板和用户移动设备的设备识别码一一对应地存储在所述预设数据库中。
进一步地,所述用户移动设备为智能手机、便携式电脑或智能可穿戴设备。
进一步地,所述设备识别码为用户移动设备的MAC地址。
进一步地,当所述用户移动设备为智能手机时,所述设备识别码为国际移动设备识别码或国际移动用户识别码。
另一方面,本发明实施例提供一种人脸识别装置,包括:
设备识别码获取模块,用于获取预设范围内的若干个用户移动设备的设备识别码;
候选人脸特征模板集构建模块,用于根据所述若干个设备识别码,利用预设数据库确定候选人脸特征模板集,所述预设数据库中存储有设备识别码与人脸图像特征模板的一一对应关系;
识别模块,用于根据所述候选人脸特征模板集识别待识别用户的人脸图像。
再一方面,本发明实施例提供一种电子设备,包括:存储器、处理器,以及存储在所述存储器上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,实现上述方法的步骤。
本发明实施例提供的人脸识别方法及装置,通过获取用户移动设备的设备识别码,构建一个候选人脸特征模板集,优先根据候选人脸特征模板集识别待识别用户的人脸图像,把需要搜索匹配人脸特征模板从海量降低到少量,可以大大降低比对数量,减少运算量,加快识别速度,提高识别效率,降低识别成本。
附图说明
图1为本发明实施例提供的人脸识别方法示意图;
图2为本发明实施例提供的人脸识别装置示意图;
图3为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为了使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,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。
图1为本发明实施例提供的人脸识别方法示意图,如图1所示,本发明实施例提供一种人脸识别方法,其执行主体为人脸识别装置,该方法包括:
步骤S101、获取预设范围内的若干个用户移动设备的设备识别码。
具体来说,现实生活中,人们对智能手机、智能手表等用户移动设备的依赖程度越来越高,通常情况下,用户在进行人脸识别时,很大概率会携带这些用户移动设备。
本实施例中的人脸识别装置包括设备识别码获取模块,通过设备识别码获取模块获取预设范围内的若干个用户移动设备的设备识别码。这个预设范围就是指设备识别码获取模块的覆盖范围。
例如,设备识别码获取模块可以为一个微型模拟基站,可以模拟真实基站发射基站信号,引导手机等用户移动设备进行注册,但是拒绝其真实接入。通过注册流程获取到手机等用户移动设备的设备识别码。该设备识别码可以为国际移动设备识别码IMEI、国际移动用户识别码IMSI或者MAC地址等能够唯一标识用户移动设备的码。
步骤S102、根据所述若干个设备识别码,利用预设数据库中确定候选人脸特征模板集,所述预设数据库中存储有设备识别码与人脸图像特征模板的一一对应关系。
具体来说,在获取到若干个用户移动设备的设备识别码之后,根据这若干个用户移动设备的设备识别码,从预设数据库中筛选出每一设备识别码对应的人脸特征模板,预设数据库中存储有每个用户注册时登记的人脸图像特征模板和用户移动设备的设备识别码,每个用户的人脸图像特征模板和用户移动设备的设备识别码一一对应地存储在预设数据库中。当然,用户ID也需要存储在数据库中,用户ID可以为用户编号、用户姓名、用户昵称等,可以关系表的形式存储这些数据,例如,可以用表1来表示。
表1设备识别码与人脸图像特征模板对应关系的数据表
设备识别码 | 用户 | 用户的人脸图像特征模板 |
460001234567890 | XXX | 图像1234567890 |
根据筛选出的所有设备识别码对应的人脸特征模板,构建候选人脸特征模板集。预设数据库中有海量的人脸特征模板,预设数据库中的人脸特征模板构成一个全集,候选人脸特征模板集仅是全集的一个子集。
步骤S103、根据所述候选人脸特征模板集识别待识别用户的人脸图像。
具体来说,构建出候选人脸特征模板集之后,优先根据候选人脸特征模板集识别待识别用户的人脸图像,而不是根据预设数据库识别待识别用户的人脸图像,可以大大提高人脸识别的速度和效率。
例如,预设数据库中人脸特征模板的数量为1000万,经过构建的候选人脸特征模板集中人脸特征模板的数量为1000。所需的识别算力仅仅是原来的万分之一,这意味着识别成本为原来的万分之一,识别速度提高了1万倍。
本发明实施例提供的人脸识别方法,通过获取用户移动设备的设备识别码,构建一个候选人脸特征模板集,优先根据候选人脸特征模板集识别待识别用户的人脸图像,把需要搜索匹配人脸特征模板从海量降低到少量,可以大大降低比对数量,减少运算量,加快识别速度,提高识别效率,降低识别成本。
基于上述任一实施例,进一步地,所述根据所述若干个用户移动设备的识别码确定候选人脸特征模板集,具体包括:
从所述预设数据库中筛选出每一设备识别码对应的人脸特征模板,所述预设数据库中存储有每个用户注册时登记的人脸图像特征模板和用户移动设备的设备识别码,每个用户的人脸图像特征模板和用户移动设备的设备识别码一一对应地存储在所述预设数据库中;
根据所有设备识别码对应的人脸特征模板,构建所述候选人脸特征模板集。
具体来说,在获取到若干个用户移动设备的设备识别码之后,根据这若干个用户移动设备的设备识别码确定候选人脸特征模板集,具体步骤如下:
从预设数据库中筛选出每一设备识别码对应的人脸特征模板,预设数据库中存储有每个用户注册时登记的人脸图像特征模板和用户移动设备的设备识别码,每个用户的人脸图像特征模板和用户移动设备的设备识别码一一对应地存储在预设数据库中。
例如,预设数据库中人脸特征模板的数量为1000万,一共获取到1000个用户移动设备的设备识别码,根据每一设备识别码可以筛选出一个人脸图像特征模板,一共可以筛选出1000个人脸图像特征模板。
根据筛选出的所有设备识别码对应的人脸特征模板,构建候选人脸特征模板集。预设数据库中有海量的人脸特征模板,预设数据库中的人脸特征模板构成一个全集,候选人脸特征模板集仅是全集的一个子集。
例如,上例中一共可以筛选出1000个人脸图像特征模板,构成一个有1000个人脸图像特征模板的候选人脸特征模板集,预设数据库中的人脸特征模板构成一个有1000万个人脸图像特征模板的全集,候选人脸特征模板集仅是全集的一个子集。
本发明实施例提供的人脸识别方法,通过获取用户移动设备的设备识别码,构建一个候选人脸特征模板集,优先根据候选人脸特征模板集识别待识别用户的人脸图像,把需要搜索匹配人脸特征模板从海量降低到少量,可以大大降低比对数量,减少运算量,加快识别速度,提高识别效率,降低识别成本。
基于上述任一实施例,进一步地,所述根据所述候选人脸特征模板集识别待识别用户的人脸图像之前,还包括:
获取所述人脸图像。
具体来说,根据候选人脸特征模板集识别待识别用户的人脸图像之前需要获取待识别用户的人脸图像。
采集待识别用户的人脸图像可以使用人脸采集模块,例如,摄像机、摄像头或者红外摄像头等。
一种优选方式,设备识别码获取模块的覆盖范围和人脸采集模块的覆盖范围完全重叠,以保证获取到的设备识别码对应的用户的脸部恰好能够被人脸采集模块采集到,进一步提高人脸识别的效率。
本发明实施例提供的人脸识别方法,通过获取用户移动设备的设备识别码,构建一个候选人脸特征模板集,优先根据候选人脸特征模板集识别待识别用户的人脸图像,把需要搜索匹配人脸特征模板从海量降低到少量,可以大大降低比对数量,减少运算量,加快识别速度,提高识别效率,降低识别成本。
基于上述任一实施例,进一步地,所述根据所述候选人脸特征模板集识别待识别用户的人脸图像,具体包括:
提取所述人脸图像的特征数据;
将所述人脸图像的特征数据与所述候选人脸特征模板集中的人脸图像特征模板进行搜索匹配,输出相似度超过预设阈值的匹配结果。
具体来说,在根据候选人脸特征模板集识别待识别用户的人脸图像的过程中,首先,需要提取人脸图像的特征数据,提取人脸图像的特征数据时还可以先对人脸图像进行预处理,预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
然后,将人脸图像的特征数据与候选人脸特征模板集中的人脸图像特征模板进行搜索匹配,输出相似度超过预设阈值的匹配结果。预设阈值可以根据实际情况来具体设置。
本发明实施例提供的人脸识别方法,通过获取用户移动设备的设备识别码,构建一个候选人脸特征模板集,优先根据候选人脸特征模板集识别待识别用户的人脸图像,把需要搜索匹配人脸特征模板从海量降低到少量,可以大大降低比对数量,减少运算量,加快识别速度,提高识别效率,降低识别成本。
基于上述任一实施例,进一步地,所述根据所述候选人脸特征模板集识别待识别用户的人脸图像之后,还包括:
若判断获知所述候选人脸特征模板集中不存在期望结果,则根据所述预设数据库识别所述人脸图像;所述期望结果为与所述人脸图像的特征数据相似度超过预设阈值的匹配结果;所述预设数据库中存储有每个用户注册时登记的人脸图像特征模板和用户移动设备的设备识别码,每个用户的人脸图像特征模板和用户移动设备的设备识别码一一对应地存储在所述预设数据库中。
具体来说,根据候选人脸特征模板集识别待识别用户的人脸图像,如果候选人脸特征模板集中存在与人脸图像的特征数据相似度超过预设阈值的匹配结果,则人脸识别成功。
如果候选人脸特征模板集中不存在与人脸图像的特征数据相似度超过预设阈值的匹配结果,则根据预设数据库识别人脸图像。预设数据库中存储有每个用户注册时登记的人脸图像特征模板和用户移动设备的设备识别码,每个用户的人脸图像特征模板和用户移动设备的设备识别码一一对应地存储在预设数据库中。
如果候选人脸特征模板集中不存在与人脸图像的特征数据相似度超过预设阈值的匹配结果,但是,预设数据库中存在与人脸图像的特征数据相似度超过预设阈值的匹配结果,则人脸识别同样是成功的。
如果候选人脸特征模板集中不存在与人脸图像的特征数据相似度超过预设阈值的匹配结果,预设数据库中也不存在与人脸图像的特征数据相似度超过预设阈值的匹配结果,则说明待识别用户的人脸图像并没有在该预设数据库中登记过,人脸识别失败。
本发明实施例提供的人脸识别方法,通过获取用户移动设备的设备识别码,构建一个候选人脸特征模板集,优先根据候选人脸特征模板集识别待识别用户的人脸图像,把需要搜索匹配人脸特征模板从海量降低到少量,可以大大降低比对数量,减少运算量,加快识别速度,提高识别效率,降低识别成本。
基于上述任一实施例,进一步地,所述用户移动设备为智能手机、便携式电脑或智能可穿戴设备。
具体来说,用户移动设备可以智能手机、便携式电脑或智能可穿戴设备等,智能可穿戴设备包括智能手表、智能手环、智能眼镜等。
本发明实施例提供的人脸识别方法,通过获取用户移动设备的设备识别码,构建一个候选人脸特征模板集,优先根据候选人脸特征模板集识别待识别用户的人脸图像,把需要搜索匹配人脸特征模板从海量降低到少量,可以大大降低比对数量,减少运算量,加快识别速度,提高识别效率,降低识别成本。
基于上述任一实施例,进一步地,所述设备识别码为用户移动设备的MAC地址。
具体来说,可以使用用户移动设备的MAC地址作为设备识别码,使用MAC地址作为用户移动设备的唯一标识。
本发明实施例提供的人脸识别方法,通过获取用户移动设备的设备识别码,构建一个候选人脸特征模板集,优先根据候选人脸特征模板集识别待识别用户的人脸图像,把需要搜索匹配人脸特征模板从海量降低到少量,可以大大降低比对数量,减少运算量,加快识别速度,提高识别效率,降低识别成本。
基于上述任一实施例,进一步地,当所述用户移动设备为智能手机时,所述设备识别码为国际移动设备识别码或国际移动用户识别码。
具体来说,当用户移动设备为智能手机时,还可以使用国际移动设备识别码IMEI或国际移动用户识别码IMSI作为用户移动设备的唯一标识。
本发明实施例提供的人脸识别方法,通过获取用户移动设备的设备识别码,构建一个候选人脸特征模板集,优先根据候选人脸特征模板集识别待识别用户的人脸图像,把需要搜索匹配人脸特征模板从海量降低到少量,可以大大降低比对数量,减少运算量,加快识别速度,提高识别效率,降低识别成本。
基于上述任一实施例,图2为本发明实施例提供的人脸识别装置示意图,如图2所示,本发明实施例提供一种人脸识别装置,包括设备识别码获取模块201、候选人脸特征模板集构建模块202和识别模块203,其中:
设备识别码获取模块201用于获取预设范围内的若干个用户移动设备的设备识别码;候选人脸特征模板集构建模块202用于根据所述若干个设备识别码,利用预设数据库确定候选人脸特征模板集,所述预设数据库中存储有设备识别码与人脸图像特征模板的一一对应关系;识别模块203用于根据所述候选人脸特征模板集识别待识别用户的人脸图像。
基于上述任一实施例,进一步地,所述候选人脸特征模板集构建模块包括筛选单元和构建单元,其中:
筛选单元,用于从所述预设数据库中筛选出每一设备识别码对应的人脸特征模板,所述预设数据库中存储有每个用户注册时登记的人脸图像特征模板和用户移动设备的设备识别码,每个用户的人脸图像特征模板和用户移动设备的设备识别码一一对应地存储在所述预设数据库中;构建单元,用于根据所有设备识别码对应的人脸特征模板,构建所述候选人脸特征模板集。
基于上述任一实施例,进一步地,还包括人脸采集模块,所述人脸采集模块用于获取所述人脸图像。
基于上述任一实施例,进一步地,所述识别模块包括提取单元和匹配单元,其中:
提取单元,用于提取所述人脸图像的特征数据;匹配单元,用于将所述人脸图像的特征数据与所述候选人脸特征模板集中的人脸图像特征模板进行搜索匹配,输出相似度超过预设阈值的匹配结果。
基于上述任一实施例,进一步地,所述识别模块还用于若判断获知所述候选人脸特征模板集中不存在期望结果,则根据所述预设数据库识别所述人脸图像;所述期望结果为与所述人脸图像的特征数据相似度超过预设阈值的匹配结果;所述预设数据库中存储有每个用户注册时登记的人脸图像特征模板和用户移动设备的设备识别码,每个用户的人脸图像特征模板和用户移动设备的设备识别码一一对应地存储在所述预设数据库中。
基于上述任一实施例,进一步地,所述用户移动设备为智能手机、便携式电脑或智能可穿戴设备。
基于上述任一实施例,进一步地,所述设备识别码为用户移动设备的MAC地址。
基于上述任一实施例,进一步地,当所述用户移动设备为智能手机时,所述设备识别码为国际移动设备识别码或国际移动用户识别码。
本发明实施例提供一种人脸识别装置,用于执行上述任一实施例中所述的方法,通过本实施例提供的装置执行上述某一实施例中所述的方法的具体步骤与上述相应实施例相同,此处不再赘述。
本发明实施例提供的人脸识别装置,通过获取用户移动设备的设备识别码,构建一个候选人脸特征模板集,优先根据候选人脸特征模板集识别待识别用户的人脸图像,把需要搜索匹配人脸特征模板从海量降低到少量,可以大大降低比对数量,减少运算量,加快识别速度,提高识别效率,降低识别成本。
图3为本发明实施例提供的电子设备的结构示意图,如图3所示,所述设备包括:处理器(processor)301、存储器(memory)302、总线303,以及存储在存储器上并可在处理器上运行的计算机程序。
其中,处理器301和存储器302通过总线303完成相互间的通信;
处理器301用于调用并执行存储器302中的计算机程序,以执行上述各方法实施例中的步骤,例如包括:
获取预设范围内的若干个用户移动设备的设备识别码;
根据所述若干个设备识别码,利用预设数据库确定候选人脸特征模板集,所述预设数据库中存储有设备识别码与人脸图像特征模板的一一对应关系;
根据所述候选人脸特征模板集识别待识别用户的人脸图像。
此外,上述的存储器中的逻辑指令可以通过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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例中的步骤,例如包括:
获取预设范围内的若干个用户移动设备的设备识别码;
根据所述若干个设备识别码,利用预设数据库确定候选人脸特征模板集,所述预设数据库中存储有设备识别码与人脸图像特征模板的一一对应关系;
根据所述候选人脸特征模板集识别待识别用户的人脸图像。
本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,当所述计算机程序被处理器执行时,实现上述各方法实施例中的步骤,例如包括:
获取预设范围内的若干个用户移动设备的设备识别码;
根据所述若干个设备识别码,利用预设数据库确定候选人脸特征模板集,所述预设数据库中存储有设备识别码与人脸图像特征模板的一一对应关系;
根据所述候选人脸特征模板集识别待识别用户的人脸图像。
以上所描述的装置及设备等实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上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。
Claims (10)
1.一种人脸识别方法,其特征在于,包括:
获取预设范围内的若干个用户移动设备的设备识别码;
根据所述若干个设备识别码,利用预设数据库确定候选人脸特征模板集,所述预设数据库中存储有设备识别码与人脸图像特征模板的一一对应关系;
根据所述候选人脸特征模板集识别待识别用户的人脸图像。
2.根据权利要求1所述的人脸识别方法,其特征在于,所述根据所述若干个设备识别码,利用预设数据库确定候选人脸特征模板集,具体包括:
从所述预设数据库中筛选出每一设备识别码对应的人脸特征模板,所述预设数据库中存储有每个用户注册时登记的人脸图像特征模板和用户移动设备的设备识别码,每个用户的人脸图像特征模板和用户移动设备的设备识别码一一对应地存储在所述预设数据库中;
根据所有设备识别码对应的人脸特征模板,构建所述候选人脸特征模板集。
3.根据权利要求1所述的人脸识别方法,其特征在于,所述根据所述候选人脸特征模板集识别待识别用户的人脸图像之前,还包括:
获取所述人脸图像。
4.根据权利要求1所述的人脸识别方法,其特征在于,所述根据所述候选人脸特征模板集识别待识别用户的人脸图像,具体包括:
提取所述人脸图像的特征数据;
将所述人脸图像的特征数据与所述候选人脸特征模板集中的人脸图像特征模板进行搜索匹配,输出相似度超过预设阈值的匹配结果。
5.根据权利要求1所述的人脸识别方法,其特征在于,所述根据所述候选人脸特征模板集识别待识别用户的人脸图像之后,还包括:
若判断获知所述候选人脸特征模板集中不存在期望结果,则根据所述预设数据库识别所述人脸图像;所述期望结果为与所述人脸图像的特征数据相似度超过预设阈值的匹配结果;所述预设数据库中存储有每个用户注册时登记的人脸图像特征模板和用户移动设备的设备识别码,每个用户的人脸图像特征模板和用户移动设备的设备识别码一一对应地存储在所述预设数据库中。
6.根据权利要求1所述的人脸识别方法,其特征在于,所述用户移动设备为智能手机、便携式电脑或智能可穿戴设备。
7.根据权利要求1所述的人脸识别方法,其特征在于,所述设备识别码为用户移动设备的MAC地址。
8.根据权利要求1所述的人脸识别方法,其特征在于,当所述用户移动设备为智能手机时,所述设备识别码为国际移动设备识别码或国际移动用户识别码。
9.一种人脸识别装置,其特征在于,包括:
设备识别码获取模块,用于获取预设范围内的若干个用户移动设备的设备识别码;
候选人脸特征模板集构建模块,用于根据所述若干个设备识别码,利用预设数据库确定候选人脸特征模板集,所述预设数据库中存储有设备识别码与人脸图像特征模板的一一对应关系;
识别模块,用于根据所述候选人脸特征模板集识别待识别用户的人脸图像。
10.一种电子设备,包括存储器、处理器,以及存储在所述存储器上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8任一项所述人脸识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910693903.5A CN110443181A (zh) | 2019-07-30 | 2019-07-30 | 人脸识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910693903.5A CN110443181A (zh) | 2019-07-30 | 2019-07-30 | 人脸识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110443181A true CN110443181A (zh) | 2019-11-12 |
Family
ID=68432200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910693903.5A Pending CN110443181A (zh) | 2019-07-30 | 2019-07-30 | 人脸识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443181A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353420A (zh) * | 2020-02-27 | 2020-06-30 | 广州羊城通有限公司 | 一种优先人脸识别数据库的优化方法及装置 |
CN112183282A (zh) * | 2020-09-22 | 2021-01-05 | 北京金山云网络技术有限公司 | 一种人脸图像处理方法、装置、设备及存储介质 |
CN112308001A (zh) * | 2020-11-06 | 2021-02-02 | 江西高创保安服务技术有限公司 | 一种智慧社区的数据分析方法及人员追踪方法、系统 |
CN113674470A (zh) * | 2021-08-13 | 2021-11-19 | 大匠智联(深圳)科技有限公司 | 一种门禁系统面部识别的方法和门禁系统 |
CN113761279A (zh) * | 2020-06-02 | 2021-12-07 | 中国移动通信集团河南有限公司 | 一种用户身份识别方法、装置及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130194455A1 (en) * | 2007-03-05 | 2013-08-01 | DigitalOptics Corporation Europe Limited | Face Recognition Training Method and Apparatus |
CN104735411A (zh) * | 2015-02-13 | 2015-06-24 | 数伦计算机技术(上海)有限公司 | 摄像采集识别系统及其采集识别方法 |
CN106792498A (zh) * | 2016-11-11 | 2017-05-31 | 中国科学院信息工程研究所 | 获取用户设备的位置的方法、系统、管理平台及虚拟基站 |
CN107483416A (zh) * | 2017-07-27 | 2017-12-15 | 湖南浩丰文化传播有限公司 | 身份验证的方法及装置 |
CN108038475A (zh) * | 2017-12-29 | 2018-05-15 | 浪潮金融信息技术有限公司 | 人脸图像识别方法及装置、计算机存储介质、终端 |
CN108197510A (zh) * | 2017-12-26 | 2018-06-22 | 南京熊猫电子股份有限公司 | 快速准确提取近距空间内移动通信终端用户id的读头 |
CN109685514A (zh) * | 2018-12-14 | 2019-04-26 | 北京三快在线科技有限公司 | 用于支付的方法、装置、存储介质及电子设备 |
CN109697404A (zh) * | 2018-09-28 | 2019-04-30 | 中国银联股份有限公司 | 身份识别系统和方法、终端以及计算机存储介质 |
-
2019
- 2019-07-30 CN CN201910693903.5A patent/CN110443181A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130194455A1 (en) * | 2007-03-05 | 2013-08-01 | DigitalOptics Corporation Europe Limited | Face Recognition Training Method and Apparatus |
CN104735411A (zh) * | 2015-02-13 | 2015-06-24 | 数伦计算机技术(上海)有限公司 | 摄像采集识别系统及其采集识别方法 |
CN106792498A (zh) * | 2016-11-11 | 2017-05-31 | 中国科学院信息工程研究所 | 获取用户设备的位置的方法、系统、管理平台及虚拟基站 |
CN107483416A (zh) * | 2017-07-27 | 2017-12-15 | 湖南浩丰文化传播有限公司 | 身份验证的方法及装置 |
CN108197510A (zh) * | 2017-12-26 | 2018-06-22 | 南京熊猫电子股份有限公司 | 快速准确提取近距空间内移动通信终端用户id的读头 |
CN108038475A (zh) * | 2017-12-29 | 2018-05-15 | 浪潮金融信息技术有限公司 | 人脸图像识别方法及装置、计算机存储介质、终端 |
CN109697404A (zh) * | 2018-09-28 | 2019-04-30 | 中国银联股份有限公司 | 身份识别系统和方法、终端以及计算机存储介质 |
CN109685514A (zh) * | 2018-12-14 | 2019-04-26 | 北京三快在线科技有限公司 | 用于支付的方法、装置、存储介质及电子设备 |
Non-Patent Citations (2)
Title |
---|
刘俊芳: "人脸识别系统评测方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
李长云: "《智能感知技术及在电气工程中的应用》", 31 May 2017 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353420A (zh) * | 2020-02-27 | 2020-06-30 | 广州羊城通有限公司 | 一种优先人脸识别数据库的优化方法及装置 |
CN111353420B (zh) * | 2020-02-27 | 2023-08-22 | 广州羊城通有限公司 | 一种优先人脸识别数据库的优化方法及装置 |
CN113761279A (zh) * | 2020-06-02 | 2021-12-07 | 中国移动通信集团河南有限公司 | 一种用户身份识别方法、装置及设备 |
CN112183282A (zh) * | 2020-09-22 | 2021-01-05 | 北京金山云网络技术有限公司 | 一种人脸图像处理方法、装置、设备及存储介质 |
CN112308001A (zh) * | 2020-11-06 | 2021-02-02 | 江西高创保安服务技术有限公司 | 一种智慧社区的数据分析方法及人员追踪方法、系统 |
CN113674470A (zh) * | 2021-08-13 | 2021-11-19 | 大匠智联(深圳)科技有限公司 | 一种门禁系统面部识别的方法和门禁系统 |
CN113674470B (zh) * | 2021-08-13 | 2023-05-05 | 大匠智联(深圳)科技有限公司 | 一种门禁系统面部识别的方法和门禁系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11651229B2 (en) | Methods and systems for face recognition | |
CN110443181A (zh) | 人脸识别方法及装置 | |
CN109117803B (zh) | 人脸图像的聚类方法、装置、服务器及存储介质 | |
CN109815874A (zh) | 一种人员身份识别方法、装置、设备及可读存储介质 | |
CN108171184A (zh) | 基于Siamese网络的用于行人重识别的方法 | |
WO2019033569A1 (zh) | 眼球动作分析方法、装置及存储介质 | |
CN109117897A (zh) | 基于卷积神经网络的图像处理方法、装置及可读存储介质 | |
CN109117857B (zh) | 一种生物属性的识别方法、装置及设备 | |
CN106909870A (zh) | 人脸图像的检索方法及装置 | |
CN109753904A (zh) | 一种人脸识别方法和系统 | |
CN113221655B (zh) | 基于特征空间约束的人脸欺骗检测方法 | |
CN102682309A (zh) | 一种基于模板学习的人脸注册方法及装置 | |
CN105740808B (zh) | 人脸识别方法和装置 | |
CN109522883A (zh) | 一种人脸检测方法、系统、装置及存储介质 | |
CN109815823B (zh) | 数据处理方法及相关产品 | |
CN115761356A (zh) | 图像识别方法、装置、电子设备和存储介质 | |
CN113743251B (zh) | 一种基于弱监督场景的目标搜索方法及装置 | |
Abesinghe et al. | Developing A selective tea plucking mechanism using image processing For A drone-based tea harvesting machine | |
CN113468925A (zh) | 一种遮挡人脸识别方法、智能终端及存储介质 | |
Seal et al. | An approach towards development of automated attendance system using face detection and recognition | |
CN108197593B (zh) | 基于三点定位方法的多尺寸人脸表情识别方法及装置 | |
Minowa et al. | Convolutional neural network applied to tree species identification based on leaf images | |
CN108764289A (zh) | 一种基于卷积神经网络的ui异常图片分类方法及系统 | |
CN110287841B (zh) | 图像传输方法及装置、图像传输系统、存储介质 | |
CN111382628B (zh) | 同行判定方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191112 |
|
RJ01 | Rejection of invention patent application after publication |