CN110610127B - 人脸识别方法、装置、存储介质及电子设备 - Google Patents

人脸识别方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN110610127B
CN110610127B CN201910709169.7A CN201910709169A CN110610127B CN 110610127 B CN110610127 B CN 110610127B CN 201910709169 A CN201910709169 A CN 201910709169A CN 110610127 B CN110610127 B CN 110610127B
Authority
CN
China
Prior art keywords
key points
face
target
detectable
preset
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
CN201910709169.7A
Other languages
English (en)
Other versions
CN110610127A (zh
Inventor
赵莫言
王红伟
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910709169.7A priority Critical patent/CN110610127B/zh
Priority to SG11202103132XA priority patent/SG11202103132XA/en
Priority to US17/266,587 priority patent/US11734954B2/en
Priority to JP2021504210A priority patent/JP7106742B2/ja
Priority to PCT/CN2019/117656 priority patent/WO2021017286A1/zh
Publication of CN110610127A publication Critical patent/CN110610127A/zh
Application granted granted Critical
Publication of CN110610127B publication Critical patent/CN110610127B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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

Abstract

本公开是关于一种人脸识别方法、装置、存储介质及电子设备，属于人脸识别技术领域，该方法包括：当接收到第一人脸图像，进行关键点检测；获取每个可检测关键点的识别分数及缺失关键点的编号；获取部分人脸特征被遮挡区域对识别人脸的影响分数；当影响分数高于预定分数阈值时，获取多个可检测关键点中与缺失关键点具有预定人脸特征关联关系的多个目标关键点；获取与多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板；将所述目标人脸特征模板与所述第一人脸图像缝合，得到第二人脸图像，以根据第二人脸图像检测所有关键点后进行人脸识别。本公开在人脸特征缺失时，进行特征准确补充，进而可以高效、准确地进行人脸识别。

Description

人脸识别方法、装置、存储介质及电子设备
技术领域
本公开涉及人脸识别技术领域，具体而言，涉及一种人脸识别方法、装置、存储介质及电子设备。
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。
目前人脸识别识别率在人脸完整的正常测评环境下通常足够高，但是那是在正常环境下的测评，在一些故意装饰人脸图像不完整的场景下，识别率会大大降低，即利用采集到的不完整人脸图像通常匹配不到数据库中的预设人脸，从而完成人脸识别。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种人脸识别方案，进而至少在一定程度上通过在人脸特征缺失时，进行特征准确补充，进而高效、准确地进行人脸识别。
根据本公开的一个方面，提供一种人脸识别方法，包括：
当接收到存在部分人脸特征被遮挡的第一人脸图像，从所述第一人脸图像上进行所有关键点检测，得到多个可检测关键点及每个所述可检测关键点的坐标；
基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号；
根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡区域对识别人脸的影响分数；
当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点；
根据所述多个目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板；
将所述目标人脸特征模板与所述第一人脸图像上的所述多个目标关键点缝合，得到第二人脸图像，以根据所述第二人脸图像检测所有关键点后进行人脸识别。
在本公开的一种示例性实施例中，所述基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号，包括：
从预设关键点信息数据库中，依次查找每个所述可检测关键点，以获取每个所述可检测关键点关联存储的识别分数；
将所述预设关键点信息数据库中，除所述可检测关键点之外的其它关键点作为所述缺失关键点。
在本公开的一种示例性实施例中，所述根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡的区域对识别人脸的影响分数，包括：
将所有所述可检测关键点的识别分数的求和，得到识别分数总和；
用所述识别分数总和减去预定识别分数阈值，得到所述识别分数总和与所述预定识别分数阈值的差值，作为所述部分人脸特征被遮挡区域对识别人脸的影响分数。
在本公开的一种示例性实施例中，所述当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点，包括：
当所述影响分数高于预定分数阈值时，将来源于同一人脸特征的所述缺失关键点分为一组；
从预设关键点信息数据库中查找与每组所述缺失关键点的编号来源于同一人脸特征的所有同组关键点的编号；
将所述所有同组关键点的编号中除去每组所述缺失关键点的编号的其它关键点，作为每组缺失关键点对应的所述目标关键点。
在本公开的一种示例性实施例中，所述当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点，包括：
当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，从预设关键点信息数据库中查找与每个所述缺失关键点的编号来源于同一人脸特征的所有关键点的编号；
根据与每个所述缺失关键点的编号来源于同一人脸特征的所有关键点的编号，从所述多个可检测关键点中获取与每个所述缺失关键点具有预定人脸特征关联关系的多个目标关键点。
在本公开的一种示例性实施例中，所述根据所述与每个所述缺失关键点的编号来源于同一人脸特征的所有关键点的编号，从所述多个可检测关键点中获取与每个所述缺失关键点具有预定人脸特征关联关系的多个目标关键点，包括：
从所述多个可检测关键点中，查找与每个所述缺失关键点的编号来源于同一人脸特征的所有关键点的编号，得到查找到的可检测关键点的编号；
将所述查找到的可检测关键点的编号对应的可检测关键点，作为与每个所述缺失关键点具有预定人脸特征关联关系的多个目标关键点。
在本公开的一种示例性实施例中，所述根据每个所述目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板，包括：
根据每个所述目标关键点的坐标，获取来源于目标人脸特征的多个目标关键点的坐标；
根据所述来源于目标人脸特征的多个目标关键点的坐标，计算所述多个目标关键点中每两个关键点之间的第一距离；
从预定人脸特征模板库中，获取与所述目标人脸特征对应的预定人脸特征模板集中，与所述多个目标关键点相同编号的多个预设关键点中每两个关键点之间的第二距离；
根据所述第一距离和所述第二距离，计算所述多个目标关键点与所述预定人脸特征模板集中每个模板的位置结合度；
将所述预定人脸特征模板集中，与所述多个目标关键点的位置结合度大于预定结合度阈值的模板，作为所述目标人脸特征模板。
根据本公开的一个方面，提供一种人脸识别装置，其特征在于，包括：
检测模块，用于当接收到存在部分人脸特征被遮挡的第一人脸图像，从所述第一人脸图像上进行所有关键点检测，得到多个可检测关键点及每个所述可检测关键点的坐标；
第一获取模块，用于基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号；
第二获取模块，用于根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡区域对识别人脸的影响分数；
第三获取模块，用于当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点；
第四获取模块，用于根据所述多个目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板；
缝合模块，用于将所述目标人脸特征模板与所述第一人脸图像上的所述多个目标关键点缝合，得到第二人脸图像，以根据所述第二人脸图像检测所有关键点后进行人脸识别。
根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有人脸识别程序，其特征在于，所述人脸识别程序被处理器执行时实现上述任一项所述的方法。
根据本公开的一个方面，提供一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的人脸识别程序；其中，所述处理器配置为经由执行所述人脸识别程序来执行上述任一项所述的方法。
本公开一种人脸方法及装置，首先，当接收到存在部分人脸特征被遮挡的第一人脸图像，从所述第一人脸图像上进行所有关键点检测，得到多个可检测关键点及每个所述可检测关键点的坐标；这样可以检测出存在部分人脸特征被遮挡区域的第一人脸图像中没有被遮挡的可检测关键点。然后，基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号；这样可以获得每个可检测关键点的对人脸识别的影响力的识别分数，进而可以用于准确评估被遮挡的人脸的可识别性，同时获取第一人脸图像上的缺失关键点的编号可以用于高效获取缺失关键点的位置。进而，根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡区域对识别人脸的影响分数；当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点；这样可以在缺失关键点对第一人图像的识别影响超过限值时获取与缺失关键点关联的同一人脸特征上的目标关键点。进而可以根据所述多个目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板；这样可以通过与多个目标关键点的位置结合度准确地获取到适配被遮挡区域的目标人脸特征模板。进而，可以将所述目标人脸特征模板与所述第一人脸图像上的所述多个目标关键点缝合，得到第二人脸图像，已根据所述第二人脸图像检测所有关键点后进行人脸识别，这样可以在人脸图像被遮挡时，通过进行特征准确补充，进而高效、准确地进行人脸识别。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示意性示出一种人脸识别方法的流程图。
图2示意性示出一种人脸识别方法的应用场景示例图。
图3示意性示出一种预定人脸特征关联关系的多个目标关键点获取方法流程图。
图4示意性示出一种人脸识别装置的方框图。
图5示意性示出一种用于实现上述人脸识别方法的电子设备示例框图。
图6示意性示出一种用于实现上述人脸识别方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了人脸识别方法，该人脸识别方法可以运行于服务器，也可以运行于服务器集群或云服务器等，当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该人脸识别方法可以包括以下步骤：
步骤S110，当接收到存在部分人脸特征被遮挡的第一人脸图像，从所述第一人脸图像上进行所有关键点检测，得到多个可检测关键点及每个所述可检测关键点的坐标；
步骤S120，基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号；
步骤S130，根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡的区域对识别人脸的影响分数；
步骤S140，当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点；
步骤S150，根据所述多个目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板；
步骤S160，将所述目标人脸特征模板与所述第一人脸图像上的所述多个目标关键点缝合，得到第二人脸图像，已根据所述第二人脸图像检测所有关键点后进行人脸识别。
上述人脸识别方法中，首先，当接收到存在部分人脸特征被遮挡的第一人脸图像，从所述第一人脸图像上进行所有关键点检测，得到多个可检测关键点及每个所述可检测关键点的坐标；这样可以检测出存在部分人脸特征被遮挡区域的第一人脸图像中没有被遮挡的可检测关键点。然后，基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号；这样可以获得每个可检测关键点的对人脸识别的影响力的识别分数，进而可以用于准确评估被遮挡的人脸的可识别性，同时获取第一人脸图像上的缺失关键点的编号可以用于高效获取缺失关键点的位置。进而，根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡区域对识别人脸的影响分数；当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点；这样可以在缺失关键点对第一人图像的识别影响超过限值时获取与缺失关键点关联的同一人脸特征上的目标关键点。进而可以根据所述多个目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板；这样可以通过与多个目标关键点的位置结合度准确地获取到适配被遮挡区域的目标人脸特征模板。进而，可以将所述目标人脸特征模板与所述第一人脸图像上的所述多个目标关键点缝合，得到第二人脸图像，已根据所述第二人脸图像检测所有关键点后进行人脸识别，这样可以在人脸图像被遮挡时，通过进行特征准确补充，进而高效、准确地进行人脸识别。
下面，将结合附图对本示例实施方式中上述人脸识别方法中的各步骤进行详细的解释以及说明。
在步骤S110中，当接收到存在部分人脸特征被遮挡的第一人脸图像，从所述第一人脸图像上进行所有关键点检测，得到多个可检测关键点及每个所述可检测关键点的坐标。
本示例的实施方式中，参考图2所示，当服务器201接收到服务器202发送的存在部分人脸特征被遮挡的第一人脸图像，服务器201从所述第一人脸图像上进行所有关键点检测，得到多个可检测关键点及每个所述可检测关键点的坐标。这样可以在后续步骤中，由服务器201基于多个可检测关键点及每个所述可检测关键点的坐标分析第一人脸图像中人脸特征被遮挡区域的影响及采取相应的识别补充措施。可以理解，在后续步骤中，在条件允许的情况下，也可以由服务器202直接从所述第一人脸图像上进行所有关键点检测，得到多个可检测关键点及每个所述可检测关键点的坐标，然后进行后续步骤。其中，服务器201可以是任何具有处理能力的设备，例如，电脑、微处理器等，在此不做特殊限定，服务器202可以是任何具有指令发送、数据存储能力的设备，例如手机、电脑等，在此不做特殊限定。
存在部分人脸特征被遮挡区域的第一人脸图像就是例如人脸的部分眼睛部位被遮挡的人脸图像。该第一人脸图像是从包括人脸图像的图片上，经过基于人脸检测的坐标框，将人脸区域抠取出来，缩放到固定尺寸后得到的。这样可以得到统一大小的第一人脸图像，进而，可以准确地获取人脸图像上关键点的例如坐标等位置信息。
从第一人脸图像上进行所有关键点检测，就是利用现有的人脸关键点检测技术，定位第一人脸图像上的预定数目个眼、口、鼻轮廓等人脸上例如眼角、眼角轮廓上的点等预定的多个关键点，同时获得每个关键点的坐标。
多个可检测关键点就是存在部分人脸特征被遮挡区域的第一人脸图像上可以检测到的关键点。在检测所有关键点时，可以检测到没有被遮挡的多个可检测关键点，同时得到每个可检测关键点的坐标。这样可以在后续步骤中，准确地获取缺失的关键点的信息。
在步骤S120中，基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号。
本示例的实施方式中，预设关键点信息数据库存储有所有人脸关键点的如每个关键点的编号及每个关键点在人脸识别时对人脸识别的贡献程度的识别分数。
关键点的识别分数越高说明该关键点在人脸识别时越重要，例如，某个识别规则中眼睛上的特征关注度高，则眼睛上的关键点的识别分数高；或者眼睛上某几个关键点比较重要，则对应识别分数越高。缺失关键点就是人脸上所有预定检测的关键点中除去可检测关键点之外的关键点，也就是人脸图像上被遮挡区域的存在的关键点。
通过从预设关键点信息数据库中，查找每个可检测关键点，然后就可以准确地得到每个可检测关键点的识别分数及缺失关键点的编号。进而可以在后续步骤中准确地判断部分人脸特征被遮挡区域对识别人脸的影响程度。
本示例的一种实施方式中，基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号，包括：
从预设关键点信息数据库中，依次查找每个所述可检测关键点，以获取每个所述可检测关键点关联存储的识别分数；
将所述预设关键点信息数据库中，除所述可检测关键点之外的其它关键点作为所述缺失关键点。
预设关键点信息数据库中存储有对应于一副人脸图像的所有关键点信息，通过依次查找每个所述可检测关键点，可以准确地获取每个可检测关键点关联存储的识别分数；同时，可以准确、高效地得到一副人脸图像中除可检测关键点之外的其它关键点作为所述缺失关键点。
在步骤S130中，根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡的区域对识别人脸的影响分数。
本示例的实施方式中，部分人脸特征被遮挡区域对识别人脸的影响分数，就是就是在进行人脸识别时，部分人脸特征被遮挡区域对人脸识别带来的困难程度的分数。该影响分数越高，人脸识别越困难。
影响分数的获取方法可以是例如通过每个可检测关键点的识别分数求和，得到识别分数总和，然后，求该识别分数总和的倒数作为影响分数。通过获取该影响分数，可以准确判断第一人脸图像是否可以被识别。
本示例的一种实施方式中，根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡的区域对识别人脸的影响分数，包括：
将每个所述可检测关键点的识别分数的求和，得到识别分数总和；
用所述识别分数总和减去预定识别分数阈值，得到所述识别分数总和与所述预定识别分数阈值的差值，作为所述部分人脸特征被遮挡区域对识别人脸的影响分数。
用所述识别分数总和减去用于表征人脸可识别的预定识别分数阈值，可以得到识别分数总和与所述预定识别分数阈值的差值，该差值为负值说明不可被识别，且负值越小，说明越难被识别。这样基于该差值可以准确地表征部分人脸特征被遮挡区域对识别人脸的影响分数。
在步骤S140中，当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点。
本示例的实施方式中，预定人脸特征关联关系就是是否是来自于人脸上同一个特征，如果两个关键点来在于同一个人脸特征说明这两个关键点具有预定人脸特征关联关系，例如，来源于眉毛上的多个关键点具有预定人脸特征关联关系。
每个人脸关键点按照顺序事先编号，通过缺失关键点的编号可以准确地获取到与其相连接的几个编号的关键点。进而，根据预设关键点信息数据库，通过同一人脸特征上的编号记录，可以准确地查找到多个可检测关键点中与缺失关键点具有预定人脸特征关联关系的多个目标关键点。
当影响分数高于预定分数阈值时，说明部分人脸特征被遮挡区域导致第一人脸图像无法进行人脸识别。通过获取与缺失关键点具有预定人脸特征关联关系的多个目标关键点，可以根据目标关键点的位置判断缺失关键点的位置，进而在后续步骤中进行缺失关键点的分析计算，得到缺失特征的补充特征。
本示例的一种实施方式中，参考图3所示，当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点，包括：
步骤310，当所述影响分数高于预定分数阈值时，将来源于同一人脸特征的所述缺失关键点分为一组；
步骤320，从预设关键点信息数据库中查找与每组所述缺失关键点的编号来源于同一人脸特征的所有同组关键点的编号；
步骤330，将所述所有同组关键点的编号中除去每组所述缺失关键点的编号的其它关键点，作为每组缺失关键点对应的所述目标关键点。
当所述影响分数高于预定分数阈值时，即当缺失关键点对人脸识别的影响过大时，将来源于同一人脸特征的缺失关键点分为一组，进而，可以从基于分组，高效地从预设关键点信息数据库中查找与每组缺失关键点的编号来源于同一人脸特征的所有同组关键点的编号；然后，可以准确地将所有同组关键点的编号中除去每组缺失关键点的编号的其它关键点，作为每组缺失关键点对应的目标关键点。这样可以通过首先对缺失关键点进行分组，获取到每组的目标关键点，便于目标关键点的查找，同时，便于目标关键点的管理，保证后续步骤中，基于缺失关键点进行分析的准确性和效率。
本示例的一种实施方式中，当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点，包括：
当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，从预设关键点信息数据库中查找与每个所述缺失关键点的编号来源于同一人脸特征的所有关键点的编号；
根据与每个所述缺失关键点的编号来源于同一人脸特征的所有关键点的编号，从所述多个可检测关键点中获取与每个所述缺失关键点具有预定人脸特征关联关系的多个目标关键点。
这样可以通过从预设关键点信息数据库中，依次查找与每个缺失关键点的编号来源于同一人脸特征的所有关键点的编号，准确获取到每个关键点对应的来源于同一人脸特征的所有关键点的编号。进而，从与每个缺失关键点的编号来源于同一人脸特征的所有关键点的编号中，通过查找可检测关键点，可以准确地获取到与每个缺失关键点具有预定人脸特征关联关系的多个目标关键点。
本示例的一种实施方式中，根据所述与每个所述缺失关键点的编号来源于同一人脸特征的所有关键点的编号，从所述多个可检测关键点中获取与每个所述缺失关键点具有预定人脸特征关联关系的多个目标关键点，包括：
从所述多个可检测关键点的编号中，查找与每个所述缺失关键点的编号来源于同一人脸特征的所有关键点的编号，得到查找到的可检测关键点的编号；
将所述查找到的可检测关键点的编号对应的可检测关键点，作为与每个所述缺失关键点具有预定人脸特征关联关系的多个目标关键点。
这样可以基于已经检测到的所有可检测关键点的编号，通过利用每个缺失关键点的编号来源于同一人脸特征的所有关键点的编号进行对比，查找到与每个缺失关键点对应的可检测关键点的编号。进而，获取到查找到的可检测关键点的编号对应的可检测关键点，作为与每个缺失关键点具有预定人脸特征关联关系的多个目标关键点。
在步骤S150中，根据所述多个目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板。
本示例的实施方式中，预定人脸特征模板库中存储了不同大小的例如人的眼睛、眉毛的人脸特征模板。根据每个目标关键点的坐标，可以给出来源于同一人脸特征的几个目标关键点的坐标，例如，可以给出到来源于人的眉毛的几个目标关键点的坐标。由于目标关键点是人脸特征中部分被遮挡后剩余部分的关键点，通过来源于同一人脸特征的几个目标关键点的坐标，可以计算这几个目标关键点相互之间的距离，然后，可以与预定人脸特征模板库中存储的不同大小的人脸特征模板上标定的关键点之间的相互距离，进行相似度计算。相似度超过预定阈值的模板可以与几个目标关键点来源的人脸特征具有很高的匹配度，也就是与多个目标关键点的位置结合度大于预定结合度阈值。这样可以获取到与多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板。在后续步骤中利用获取到的目标人脸特征模板进行人脸识别，有效保证存在被遮挡区域的人脸图像的可识别性。
本示例的一种实施方式中，根据所述多个目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板，包括：
根据每个所述目标关键点的坐标，获取来源于目标人脸特征的多个目标关键点的坐标；
根据所述来源于目标人脸特征的多个目标关键点的坐标，计算所述多个目标关键点中每两个关键点之间的第一距离；
从预定人脸特征模板库中，获取与所述目标人脸特征对应的预定人脸特征模板集中，与所述多个目标关键点相同编号的多个预设关键点中每两个关键点之间的第二距离；
根据所述第一距离和所述第二距离，计算所述多个目标关键点与所述预定人脸特征模板集中每个模板的位置结合度；
将所述预定人脸特征模板集中，与所述多个目标关键点的位置结合度大于预定结合度阈值的模板，作为所述目标人脸特征模板。
目标人脸特征就是例如准备进行分析处理的眼睛、嘴巴等人脸特征。通过获取每个目标关键点中来源于同一目标人脸特征的几个目标关键点的坐标，可以获取到来源于目标人脸特征的多个目标关键点的坐标。进而，通过计算多个目标关键点中每两个关键点之间的第一距离；同时从预定人脸特征模板库中，获取与目标人脸特征对应的预定人脸特征模板集中，与多个目标关键点相同编号的多个预设关键点中每两个关键点之间的第二距离；通过第一距离和第二距离的差值的对比，可以准确地计算目标人脸特征中的多个目标关键点与预定人脸特征模板集中每个模板的对应编号的关键点的位置结合度。然后，就可以将预定人脸特征模板集中，与目标人脸特征上的多个目标关键点的位置结合度大于预定结合度阈值的模板，作为目标人脸特征模板，用于在后续步骤中进行人脸识别。
其中，预定结合度阈值为预设的表征人脸特征模板的人脸图像可结合度的阈值，位置结合度大于该阈值说明不可结合或者结合情况不佳，位置结合度小于该阈值数目可以良好的结合。
根据所述第一距离和所述第二距离，计算所述多个目标关键点与所述预定人脸特征模板集中每个模板的位置结合度的方法可以是将第一距离和第二距离来源的关键点编号相同的第一距离与第二距离求差，得到所有的第一距离与第二距离的差值的和，作为所述位置结合度。或者，将第一距离和第二距离来源的关键点编号相同的第一距离与第二距离求差，得到所有的第一距离与第二距离的差值的和与预定相似度阈值的差值，作为所述位置结合度。
在步骤S160中，将所述目标人脸特征模板与所述第一人脸图像上的所述多个目标关键点缝合，得到第二人脸图像，已根据所述第二人脸图像检测所有关键点后进行人脸识别。
本示例的实施方式中，通过将目标人脸特征模板上的预设关键点移动到与第一人脸图像上的多个相同编号的目标关键点的位置上，可以实现将目标人脸特征模板与第一人脸图像上的多个目标关键点缝合，得到第二人脸图像。进而可以对第二人脸图像进行关键点检测，然后提取人脸面部具有代表性的部位(例如眉毛、眼睛、鼻子、嘴巴等)的相对位置和相对大小作为特征，再辅以人脸轮廓的形状信息作为特征，进行人脸识别。这样通过在人脸图像存在部分特征缺失时，高效、准确地进行人脸识别，获得用户身份。
本公开还提供了一种人脸识别装置。参考图4所示，该人脸识别装置可以包括检测模块410、第一获取模块420、第二获取模块430、第三获取模块440、第四获取模块450及缝合模块460。其中：
检测模块410可以用于当接收到存在部分人脸特征被遮挡的第一人脸图像，从所述第一人脸图像上进行所有关键点检测，得到多个可检测关键点及每个所述可检测关键点的坐标；
第一获取模块420可以用于基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号；
第二获取模块430可以用于根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡的区域对识别人脸的影响分数；
第三获取模块440可以用于当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点；
第四获取模块450可以用于根据所述多个目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板；
缝合模块460可以用于将所述目标人脸特征模板与所述第一人脸图像上的所述多个目标关键点缝合，得到第二人脸图像，已根据所述第二人脸图像检测所有关键点后进行人脸识别。
上述人脸识别装置中各模块的具体细节已经在对应的人脸识别方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1中所示的步骤S110：当接收到存在部分人脸特征被遮挡的第一人脸图像，从所述第一人脸图像上进行所有关键点检测，得到多个可检测关键点及每个所述可检测关键点的坐标；S120：基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号；步骤S130：根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡的区域对识别人脸的影响分数；步骤S140：当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点；步骤S150：根据所述多个目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板；步骤S160：将所述目标人脸特征模板与所述第一人脸图像上的所述多个目标关键点缝合，得到第二人脸图像，已根据所述第二人脸图像检测所有关键点后进行人脸识别。
存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得客户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器560通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品600，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
计算机可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。
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、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在客户计算设备上执行、部分地在客户设备上执行、作为一个独立的软件包执行、部分在客户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到客户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (10)

1.一种人脸识别方法，其特征在于，包括：
当接收到存在部分人脸特征被遮挡的第一人脸图像，从所述第一人脸图像上进行所有关键点检测，得到多个可检测关键点及每个所述可检测关键点的坐标；
基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号；
根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡的区域对识别人脸的影响分数；
当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点；
根据所述多个目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板；
将所述目标人脸特征模板与所述第一人脸图像上的所述多个目标关键点缝合，得到第二人脸图像，以根据所述第二人脸图像检测所有关键点后进行人脸识别。
2.根据权利要求1所述的方法，其特征在于，所述基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号，包括：
从预设关键点信息数据库中，依次查找每个所述可检测关键点，以获取每个所述可检测关键点关联存储的识别分数；
将所述预设关键点信息数据库中，除所述可检测关键点之外的其它关键点作为所述缺失关键点。
3.根据权利要求1所述的方法，其特征在于，所述根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡的区域对识别人脸的影响分数，包括：
将所有所述可检测关键点的识别分数的求和，得到识别分数总和；
用所述识别分数总和减去预定识别分数阈值，得到所述识别分数总和与所述预定识别分数阈值的差值，作为所述部分人脸特征被遮挡区域对识别人脸的影响分数。
4.根据权利要求1所述的方法，其特征在于，所述当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点，包括：
当所述影响分数高于预定分数阈值时，将来源于同一人脸特征的所述缺失关键点分为一组；
从预设关键点信息数据库中查找与每组所述缺失关键点的编号来源于同一人脸特征的所有同组关键点的编号；
将所述所有同组关键点的编号中除去每组所述缺失关键点的编号的其它关键点，作为每组缺失关键点对应的所述目标关键点。
5.根据权利要求1所述的方法，其特征在于，所述当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点，包括：
当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，从预设关键点信息数据库中查找与每个所述缺失关键点的编号来源于同一人脸特征的所有关键点的编号；
根据与每个所述缺失关键点的编号来源于同一人脸特征的所有关键点的编号，从所述多个可检测关键点中获取与每个所述缺失关键点具有预定人脸特征关联关系的多个目标关键点。
6.根据权利要求5所述的方法，其特征在于，所述根据所述与每个所述缺失关键点的编号来源于同一人脸特征的所有关键点的编号，从所述多个可检测关键点中获取与每个所述缺失关键点具有预定人脸特征关联关系的多个目标关键点，包括：
从所述多个可检测关键点中，查找与每个所述缺失关键点的编号来源于同一人脸特征的所有关键点的编号，得到查找到的可检测关键点的编号；
将所述查找到的可检测关键点的编号对应的可检测关键点，作为与每个所述缺失关键点具有预定人脸特征关联关系的多个目标关键点。
7.根据权利要求1所述的方法，其特征在于，所述根据每个所述目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板，包括：
根据每个所述目标关键点的坐标，获取来源于目标人脸特征的多个目标关键点的坐标；
根据所述来源于目标人脸特征的多个目标关键点的坐标，计算所述多个目标关键点中每两个关键点之间的第一距离；
从预定人脸特征模板库中，获取与所述目标人脸特征对应的预定人脸特征模板集中，与所述多个目标关键点相同编号的多个预设关键点中每两个关键点之间的第二距离；
根据所述第一距离和所述第二距离，计算所述多个目标关键点与所述预定人脸特征模板集中每个模板的位置结合度；
将所述预定人脸特征模板集中，与所述多个目标关键点的位置结合度大于预定结合度阈值的模板，作为所述目标人脸特征模板。
8.一种人脸识别装置，其特征在于，包括：
检测模块，用于当接收到存在部分人脸特征被遮挡的第一人脸图像，从所述第一人脸图像上进行所有关键点检测，得到多个可检测关键点及每个所述可检测关键点的坐标；
第一获取模块，用于基于每个所述可检测关键点，从预设关键点信息数据库中，获取每个所述可检测关键点的识别分数及缺失关键点的编号；
第二获取模块，用于根据每个所述可检测关键点的识别分数，获取所述部分人脸特征被遮挡区域对识别人脸的影响分数；
第三获取模块，用于当所述影响分数高于预定分数阈值时，基于所述缺失关键点的编号，获取所述多个可检测关键点中与所述缺失关键点具有预定人脸特征关联关系的多个目标关键点；
第四获取模块，用于根据所述多个目标关键点的坐标，从预定人脸特征模板库中，获取与所述多个目标关键点的位置结合度大于预定结合度阈值的目标人脸特征模板；
缝合模块，用于将所述目标人脸特征模板与所述第一人脸图像上的所述多个目标关键点缝合，得到第二人脸图像，以根据所述第二人脸图像检测所有关键点后进行人脸识别。
9.一种计算机可读存储介质，其上存储有人脸识别程序，其特征在于，所述人脸识别程序被处理器执行时实现权利要求1-7任一项所述的方法。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的人脸识别程序；其中，所述处理器配置为经由执行所述人脸识别程序来执行权利要求1-7任一项所述的方法。
CN201910709169.7A 2019-08-01 2019-08-01 人脸识别方法、装置、存储介质及电子设备 Active CN110610127B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201910709169.7A CN110610127B (zh) 2019-08-01 2019-08-01 人脸识别方法、装置、存储介质及电子设备
SG11202103132XA SG11202103132XA (en) 2019-08-01 2019-11-12 Face recognition method, device and electronic equipment, and computer non-volatile readable storage medium
US17/266,587 US11734954B2 (en) 2019-08-01 2019-11-12 Face recognition method, device and electronic equipment, and computer non-volatile readable storage medium
JP2021504210A JP7106742B2 (ja) 2019-08-01 2019-11-12 顔認識方法、装置、電子機器及びコンピュータ不揮発性読み取り可能な記憶媒体
PCT/CN2019/117656 WO2021017286A1 (zh) 2019-08-01 2019-11-12 人脸识别方法、装置、电子设备及计算机非易失性可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910709169.7A CN110610127B (zh) 2019-08-01 2019-08-01 人脸识别方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN110610127A CN110610127A (zh) 2019-12-24
CN110610127B true CN110610127B (zh) 2023-10-27

Family

ID=68889857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910709169.7A Active CN110610127B (zh) 2019-08-01 2019-08-01 人脸识别方法、装置、存储介质及电子设备

Country Status (5)

Country Link
US (1) US11734954B2 (zh)
JP (1) JP7106742B2 (zh)
CN (1) CN110610127B (zh)
SG (1) SG11202103132XA (zh)
WO (1) WO2021017286A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020154990A1 (zh) * 2019-01-30 2020-08-06 深圳市大疆创新科技有限公司 目标物体运动状态检测方法、设备及存储介质
CN111160221B (zh) * 2019-12-26 2023-09-01 深圳云天励飞技术有限公司 一种人脸采集方法及相关装置
CN111768478B (zh) * 2020-07-13 2023-05-30 腾讯科技（深圳）有限公司 一种图像合成方法、装置、存储介质和电子设备
WO2023272725A1 (zh) * 2021-07-02 2023-01-05 华为技术有限公司 人脸图像处理方法、装置和车辆
CN113689457A (zh) * 2021-10-26 2021-11-23 阿里巴巴达摩院(杭州)科技有限公司 数据处理方法、装置、计算机设备及计算机可读存储介质
CN114519866A (zh) * 2022-01-29 2022-05-20 阿里巴巴（中国）有限公司 人体测量数据的获取方法、处理方法及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013196294A (ja) * 2012-03-19 2013-09-30 Toshiba Corp 人物画像処理装置、及び人物画像処理方法
WO2018103416A1 (zh) * 2016-12-06 2018-06-14 广州视源电子科技股份有限公司 用于人脸图像的检测方法和装置
CN108985212A (zh) * 2018-07-06 2018-12-11 深圳市科脉技术股份有限公司 人脸识别方法及装置
CN109063695A (zh) * 2018-09-18 2018-12-21 图普科技（广州）有限公司 一种人脸关键点检测方法、装置及其计算机存储介质
CN109117797A (zh) * 2018-08-17 2019-01-01 浙江捷尚视觉科技股份有限公司 一种基于人脸质量评价的人脸抓拍识别方法
CN110070017A (zh) * 2019-04-12 2019-07-30 北京迈格威科技有限公司 一种人脸假眼图像生成方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3970573B2 (ja) 2001-10-19 2007-09-05 アルパイン株式会社 顔画像認識装置および方法
JP4999731B2 (ja) 2008-02-29 2012-08-15 セコム株式会社 顔画像処理装置
JP5480532B2 (ja) 2009-04-30 2014-04-23 グローリー株式会社 画像処理装置、画像処理方法、及び同方法をコンピュータに実行させるプログラム
US8379940B2 (en) * 2009-06-02 2013-02-19 George Mason Intellectual Properties, Inc. Robust human authentication using holistic anthropometric and appearance-based features and boosting
JP6528764B2 (ja) * 2014-03-28 2019-06-12 日本電気株式会社 顔照合装置、方法、及び、記録媒体
CN107679450A (zh) * 2017-08-25 2018-02-09 珠海多智科技有限公司 基于深度学习的遮挡条件下人脸识别方法
CN109299658B (zh) * 2018-08-21 2022-07-08 腾讯科技（深圳）有限公司 脸部检测方法、脸部图像渲染方法、装置及存储介质
US11163981B2 (en) * 2018-09-11 2021-11-02 Apple Inc. Periocular facial recognition switching

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013196294A (ja) * 2012-03-19 2013-09-30 Toshiba Corp 人物画像処理装置、及び人物画像処理方法
WO2018103416A1 (zh) * 2016-12-06 2018-06-14 广州视源电子科技股份有限公司 用于人脸图像的检测方法和装置
CN108985212A (zh) * 2018-07-06 2018-12-11 深圳市科脉技术股份有限公司 人脸识别方法及装置
CN109117797A (zh) * 2018-08-17 2019-01-01 浙江捷尚视觉科技股份有限公司 一种基于人脸质量评价的人脸抓拍识别方法
CN109063695A (zh) * 2018-09-18 2018-12-21 图普科技（广州）有限公司 一种人脸关键点检测方法、装置及其计算机存储介质
CN110070017A (zh) * 2019-04-12 2019-07-30 北京迈格威科技有限公司 一种人脸假眼图像生成方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Detecting Masked Faces in the Wild with LLE-CNNs";GE, SHIMING等;《 30TH IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR 2017)》;第426 - 434页 *

Also Published As

Publication number Publication date
US20210312163A1 (en) 2021-10-07
JP7106742B2 (ja) 2022-07-26
US11734954B2 (en) 2023-08-22
JP2021534480A (ja) 2021-12-09
SG11202103132XA (en) 2021-04-29
CN110610127A (zh) 2019-12-24
WO2021017286A1 (zh) 2021-02-04

Similar Documents

Publication Publication Date Title
CN110610127B (zh) 人脸识别方法、装置、存储介质及电子设备
CN110135246B (zh) 一种人体动作的识别方法及设备
CN110705405B (zh) 目标标注的方法及装置
US9489567B2 (en) Tracking and recognition of faces using selected region classification
CN111145214A (zh) 目标跟踪方法、装置、终端设备及介质
CN110163096B (zh) 人物识别方法、装置、电子设备和计算机可读介质
CN112380981A (zh) 人脸关键点的检测方法、装置、存储介质及电子设备
CN110941978B (zh) 一种未识别身份人员的人脸聚类方法、装置及存储介质
AU2021203821B2 (en) Methods, devices, apparatuses and storage media of detecting correlated objects involved in images
US20190147613A1 (en) Estimation of human orientation in images using depth information
EP3200092A1 (en) Method and terminal for implementing image sequencing
CN113557546B (zh) 图像中关联对象的检测方法、装置、设备和存储介质
CN113378764B (zh) 基于聚类算法的视频人脸采集方法、装置、设备及介质
US20220392192A1 (en) Target re-recognition method, device and electronic device
CN112308055B (zh) 人脸检索系统的评价方法、装置、电子设备和存储介质
US11749021B2 (en) Retrieval device, control method, and non-transitory storage medium
CN109814712B (zh) 一种基于虚拟交互装置的手势识别系统
CN113449542B (zh) 一种换脸识别方法、装置、设备和介质
CN110717406B (zh) 一种人脸检测的方法、装置及终端设备
CN116433939B (zh) 样本图像生成方法、训练方法、识别方法以及装置
CN115798024A (zh) 虹膜识别装置方法、装置、介质及设备
WO2022144605A1 (en) Methods, devices, apparatuses and storage media of detecting correlated objects in images
CN114332580A (zh) 多采集设备间的重复部分去除方法、系统、设备和存储介质
CN113947635A (zh) 图像定位方法、装置、电子设备以及存储介质
CN112800878A (zh) 目标检测方法、装置、电子设备及可读存储介质

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