CN110866443B - 人像存储方法、人脸识别方法、设备及存储介质 - Google Patents

人像存储方法、人脸识别方法、设备及存储介质 Download PDF

Info

Publication number
CN110866443B
CN110866443B CN201910965254.XA CN201910965254A CN110866443B CN 110866443 B CN110866443 B CN 110866443B CN 201910965254 A CN201910965254 A CN 201910965254A CN 110866443 B CN110866443 B CN 110866443B
Authority
CN
China
Prior art keywords
face
human
face characteristic
image
server
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
CN201910965254.XA
Other languages
English (en)
Other versions
CN110866443A (zh
Inventor
陈颖
黄佑君
施冠杰
洪笑梅
钟亚平
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.)
Xiamen Id Check Network Technology Co ltd
Original Assignee
Xiamen Id Check Network 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 Xiamen Id Check Network Technology Co ltd filed Critical Xiamen Id Check Network Technology Co ltd
Priority to CN201910965254.XA priority Critical patent/CN110866443B/zh
Publication of CN110866443A publication Critical patent/CN110866443A/zh
Application granted granted Critical
Publication of CN110866443B publication Critical patent/CN110866443B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

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

Abstract

本发明公开了一种人像存储方法，该方法包括：获取待入库人像数据；根据所述待入库人像数据获取所述待入库人像的至少一种人脸特征值；将所述待入库人像的至少一种人脸特征值存储于人像数据库中与所述待入库人像对应的人脸特征集中，其中在所述人像数据库中每个人像对应一人脸特征集，每个人像对应的人脸特征集中存储有由利用不同的人像提取模型算法对每个人像提取得到的不同人脸特征值。本发明还提出一种识别终端设备、服务器以及一种计算机可读存储介质。本发明消除了人脸图像在互联网端的存储和传输造成的人脸丢失以及安全隐患等问题，同时减轻人脸识别比对终端性能消耗。

Description

人像存储方法、人脸识别方法、设备及存储介质
技术领域
本发明涉及机器视觉技术领域，尤其涉及一种人像存储方法、人脸识别方法、设备及存储介质。
背景技术
人脸比对是将采集人脸图或视频输入的人脸通过算法模型提取特征值，与本地注册的人脸特征值相比较，获得匹配的人脸和相似度，确认是否与本地注册人脸信息为同一人。由于不同人脸识别比对终端的算法模型版本不一样，导致不同类型终端的人脸特征值无法进行人脸匹配。人脸识别系统注册的人脸信息大多直接将人脸图像下发到终端，由终端通过本地算法模型提取人脸特征值，并且将人脸图像存储在本地人脸库。在大量人脸图像下发或更新的情况下，经常会出现网络堵塞或人脸遗漏，不能满足万级以上人脸库的布控需求场景。且人脸特征值提取算法十分消耗内存资源，可能导致在注册人脸预处理的过程中无法正常进行人脸识别和人脸检测，造成终端人脸识别率低。
发明内容
本发明提供一种人像存储方法、人脸识别方法、识别终端设备、服务器及计算机可读存储介质，其主要目的在于实现了消除了人脸图像在互联网端的存储和传输造成的人脸丢失以及安全隐患等问题，同时减轻人脸识别比对终端性能消耗。
为实现上述目的，本发明还提供一种人像存储方法，应用于服务器，所述方法包括：
获取待入库人像数据；
根据所述待入库人像数据获取所述待入库人像的至少一种人脸特征值；
将所述待入库人像的至少一种人脸特征值存储于人像数据库中与所述待入库人像对应的人脸特征集中，其中在所述人像数据库中每个人像对应一人脸特征集，每个人像对应的人脸特征集中存储有由利用不同的人像提取模型算法对每个人像提取得到的不同人脸特征值。
可选地，所述根据所述待入库人像数据获取所述待入库人像的至少一种人脸特征值包括以下一种或者多种的组合：
在所述待入库人像数据为图片数据时，对所述图片数据中进行人脸检测并提取人脸数据；对所述人脸数据预处理；并利用至少一种人像提取模型算法从预处理后的人脸数据中提取所述待入库人像数据的至少一种人脸特征值；
接收与所述服务器相通信的多个不同类型的识别终端设备发送的所述待入库人像对应的特征数据，从接收的特征数据中获取所述待入库人像的至少一种人脸特征值。
可选地，所述人像数据库包括多个类型组别，一个类型组别与所述服务器相通信的一种类型的识别终端设备相对应，一个类型组别包括利用同一种人像提取模型算法提取的多个人脸特征值。
可选地，所述服务器包括内网服务器及外网服务器，其中内网服务器存储重点对象的人脸图像，外网服务器存储各个人像的人脸特征集。
可选地，所述方法还包括：
接收与所述服务器相通信的目标识别终端设备发送的识别数据请求；
根据所述目标识别终端的类型，确定目标人像提取模型算法；
从所述人像数据库中获取利用所述目标人像提取模型算法提取的人脸特征值；
将所述目标人像提取模型算法提取的人脸特征值发送至所述目标识别终端设备以供所述目标识别终端识别人脸。
为实现上述目的，本发明还提供一种人脸识别方法，应用于识别终端设备，所述方法包括：
采集目标人脸图像；
从所述目标人脸图像中提取目标人脸特征值；
向与所述识别终端设备相通信的服务器发送识别数据请求以使所述服务器发送与所述识别终端设备的类型匹配的人脸特征值，其中一种识别终端设备的类型对应一种人像提取模型算法；
接收所述服务器发送的根据所述识别终端设备的类型匹配的人脸特征值；
将所述目标人脸特征值与所述接收的人脸特征值进行比对，确定识别结果。
可选地，所述方法还包括：
将所述接收的人脸特征值存储于所述识别终端设备的存储器中。
为实现上述目的，本发明还提供一种服务器，所述服务器包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的人像存储程序，所述人像存储程序被所述处理器执行时实现如下步骤：
获取待入库人像数据；
根据所述待入库人像数据获取所述待入库人像的至少一种人脸特征值；
将所述待入库人像的至少一种人脸特征值存储于人像数据库中与所述待入库人像对应的人脸特征集中，其中在所述人像数据库中每个人像对应一人脸特征集，每个人像对应的人脸特征集中存储有由利用不同的人像提取模型算法对每个人像提取得到的不同人脸特征值。
为实现上述目的，一种识别终端设备，所述识别终端设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的人脸识别程序，所述人脸识别程序被所述处理器执行时实现如下步骤：
采集目标人脸图像；
从所述目标人脸图像中提取目标人脸特征值；
向与所述识别终端设备相通信的服务器发送识别数据请求以使所述服务器发送与所述识别终端设备的类型匹配的人脸特征值，其中一种识别终端设备的类型对应一种人像提取模型算法；
接收所述服务器发送的根据所述识别终端设备的类型匹配的人脸特征值；
将所述目标人脸特征值与所述接收的人脸特征值进行比对，确定识别结果。
此外，为实现上述目的，本发明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上存储有人像存储程序，所述人像存储程序可被一个或者多个处理器执行，以实现如上所述的人像存储方法的步骤，及/或所述计算机可读存储介质上存储有人脸识别程序，所述人脸识别程序可被一个或者多个处理器执行，以实现如上所述的人脸识别方法的步骤。
本发明通过服务器中存储有多个人像对应的人脸特征集。每个人像对应的人脸特征集中存储有由利用不同的人像提取模型算法对每个人像提取得到的不同人脸特征值。不同识别终端设备类型对应不同的人像提取模型算法。在识别终端设采集到目标人脸时，获取目标人脸的目标人脸特征值，并向服务器请求与识别终端设备的类型相匹配的人脸特征值与目标人脸特征值进行匹配，从而得到识别结果。本申请在服务器上只存储人脸特征值。服务器在进行人脸信息下发时，通过在网络上只传输对应识别终端设备类型的人脸特征值，对互联网端的人像管理有较高的安全性，人脸特征值信息无需加密特殊处理也无法被逆操作（即通过特征值无法还原出人脸图片）。服务器1对不同识别终端设备类型的人脸特征值进行归并，得到人脸特征值集，并可灵活布控，实现前端多种人脸识别终端的快速接入，扩展性强。
附图说明
图1为本发明一实施例提供的实施例的应用环境示意图；
图2为本发明一实施例提供的人像存储方法的流程示意图；
图3为本发明一实施例提供的人脸识别方法的流程示意图；
图4为本发明一实施例提供的服务器的内部结构示意图；
图5为本发明一实施例提供的人像存储程序的模块示意图；
图6为本发明一实施例提供的识别终端设备的内部结构示意图；
图7为本发明一实施例提供的人脸识别程序的模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1为本发明一实施例提供应用环境示意图。应用环境示意图包括服务器1及与服务器1相通信的多个识别终端设备2。服务器1中存储有多个人像对应的人脸特征集。每个人像对应的人脸特征集中存储有由利用不同的人像提取模型算法对每个人像提取得到的不同人脸特征值。不同识别终端设备类型对应不同的人像提取模型算法。在识别终端设备2采集到目标人脸时，获取目标人脸的目标人脸特征值，并向服务器1请求与识别终端设备2的类型相匹配的人脸特征值与目标人脸特征值进行匹配，从而得到识别结果。本申请在服务器1上只存储人脸特征值。服务器1在进行人脸信息下发时，通过在网络上只传输对应识别终端设备类型的人脸特征值，对互联网端的人像管理有较高的安全性，人脸特征值信息无需加密特殊处理也无法被逆操作（即通过特征值无法还原出人脸图片）。服务器1对不同识别终端设备类型的人脸特征值进行归并，得到人脸特征值集，并可灵活布控，实现前端多种人脸识别终端的快速接入，扩展性强。
以下结合实施例详细阐述本发明的内容。
本发明提供一种人像存储方法。参照图2所示，为本发明一实施例提供的人像存储方法的流程示意图，流程示意图应用于服务器。该方法可以由一个服务器执行，该服务器可以由软件和/或硬件实现。
在本实施例中，人像存储方法包括：
S10、获取待入库人像数据。
在本实施例中，待入库人像数据包括，但不限于：图片数据，识别终端设备发送的特征数据。
例如，在人像数据库创建待入库人像的人脸特征集时，服务器可以接收多个识别终端设备上传的各个人像的图片数据，也可以接收各个识别终端设备提取后的人脸特征值。
在本实施例中，在所述人像数据库中每个人像对应一人脸特征集，每个人像对应的人脸特征集中存储有由利用不同的人像提取模型算法对每个人像提取得到的不同人脸特征值。所述人像提取模型算法包括，但不限于：基于Sobel算子的特征方法，基于Gabor特征的提取方法、基于卷积神经网络的提取方法等等。本申请在服务器1上只存储人脸特征值。服务器1在进行人脸信息下发时，通过在网络上只传输对应识别终端设备类型的人脸特征值，对互联网端的人像管理有较高的安全性，人脸特征值信息无需加密特殊处理也无法被逆操作（即通过特征值无法还原出人脸图片）。
S11、根据所述待入库人像数据获取所述待入库人像的至少一种人脸特征值。
在一实施例中，在所述待入库人像数据为图片数据时，对所述图片数据中进行人脸检测并提取人脸数据；对所述人脸数据预处理；并利用至少一种人像提取模型算法从预处理后的人脸数据中提取所述待入库人像数据的至少一种人脸特征值。在创建人像数据库时，可以事先设置人像数据库的特征值类型配置项，针对不同特征值类型集成不同算法模型。从而可以使服务器能与多个不同类型的识别终端设备相接入，提高识别终端设备识别效率和安全性。当有人脸图像入库时，服务器对待入库人像数据预处理，调用不同算法模型提取待入库人像数据的特征值并保存。
在一实例中，服务器接收多个不同类型的识别终端设备发送的所述待入库人像对应的特征数据，从接收的特征数据中获取所述待入库人像的至少一种人脸特征值。人像数据库同时支持不同类型的识别终端设备发送的人脸特征值数据入库并保存，无需人脸图像也可入库。
S12、将所述待入库人像的至少一种人脸特征值存储于人像数据库中与所述待入库人像对应的人脸特征集中。
本实施例中，融合多种算法模型，为人像数据库提供人像提取模型算法配置项，在注册人像入库时，根据人像提取模型算法的配置项，调用对应的算法模型进行特征值提取。可配置多个不同类型的人脸特征值，对不同类型的人脸特征值进行归并，得到每个人像的人脸特征值集。
在一实施例中，所述人像数据库包括多个类型组别，一个类型组别与所述服务器相通信的一种类型的识别终端设备相对应，一个类型组别包括利用同一种人像提取模型算法提取的多个人脸特征值。对不同算法模型的识别终端设备进行分类管理，对不同识别终端设备类型的人脸特征值布控。布控流程灵活易扩展，提供标准API接口，方便新的识别终端设备的接入。
在一实施例中，所述服务器包括内网服务器及外网服务器，其中内网服务器存储重点对象的人脸图像，外网服务器存储各个人像的人脸特征集。根据人脸图像的安全性要求级别，可实现人脸图像与人脸特征值数据内外网存储分离。如重点对象包含高危人员、重点关注人员的人脸图像存储在内网服务器，人脸特征值数据库负责结构化的人脸特征值数据存储，数据库外置提高系统耦合度，解决服务器与外部服务器之间的对接导致的系统风险。
在一实施例中，在识别终端设备有识别需求时，还与服务器相通信。接收与所述服务器相通信的目标识别终端设备发送的识别数据请求；根据所述目标识别终端的类型，确定目标人像提取模型算法；从所述人像数据库中获取利用所述目标人像提取模型算法提取的人脸特征值；将所述目标人像提取模型算法提取的人脸特征值发送至所述目标识别终端设备以供所述目标识别终端识别人脸。对不同终端类型的结构化人脸特征值进行分类布控，确保下发到终端的人脸特征值数据是同一算法模型提取出来的批量的特征值数据，而且服务器1在进行人脸信息下发时，通过在网络上只传输对应识别终端设备类型的人脸特征值，对互联网端的人像管理有较高的安全性。
本发明对获取待入库人像数据；根据所述待入库人像数据获取所述待入库人像的至少一种人脸特征值；将所述待入库人像的至少一种人脸特征值存储于人像数据库中与所述待入库人像对应的人脸特征集中，其中在所述人像数据库中每个人像对应一人脸特征集，每个人像对应的人脸特征集中存储有由利用不同的人像提取模型算法对每个人像提取得到的不同人脸特征值。在服务器1上只存储人脸特征值。服务器1在进行人脸信息下发时，通过在网络上只传输对应识别终端设备类型的人脸特征值，对互联网端的人像管理有较高的安全性，人脸特征值信息无需加密特殊处理也无法被逆操作（即通过特征值无法还原出人脸图片）。
本发明提供一种人脸识别方法的流程示意图，流程示意图应用于识别终端设备中。参照图3所示，为本发明一实施例提供的人脸识别方法的流程示意图。
S20、采集目标人脸图像。
S21、从所述目标人脸图像中提取目标人脸特征值。
在本实例例中，一种识别终端设备类型对应一种人像其中一种识别终端设备的类型对应一种人像提取模型算法。例如，识别终端设备使用卷积神经网络提取人脸特征。
S22、向与所述识别终端设备相通信的服务器发送识别数据请求以使所述服务器发送与所述识别终端设备的类型匹配的人脸特征值。
例如，若识别终端设备使用卷积神经网络提取人脸特征，则该识别终端设备向服务器请求使用卷积神经网络提取的人脸特征。所述服务器就从人脸特征库中匹配出批量使用使用卷积神经网络提取的人脸特征值，并发送给识别终端设备以供终端设备识别使用。
S23、接收所述服务器发送的根据所述识别终端设备的类型匹配的人脸特征值。
在一实施例中，将所述接收的人脸特征值存储于所述识别终端设备的存储器中。识别终端设备直接接收人脸特征值信息，无需再进行人脸预处理，即可保存在本地特征值模板库中。
S24、将所述目标人脸特征值与所述接收的人脸特征值进行比对，确定识别结果。
在一实施例中，若所述目标人脸特征值与所述接收的人脸特征值中的一个人脸特征值的相似度高于或等于预设相似度时，确定识别成功；，若所述目标人脸特征值与所述接收的人脸特征值中的所有人脸特征值的相似度低于预设相似度时，确定识别失败。
本发明消除了人脸图像在互联网端的存储和传输造成的人脸丢失以及安全隐患等问题，同时减轻识别终端设备的性能消耗。在对同一算法模型的识别终端设备进行布控时，确保只需提取一次人脸特征值，即可用于所有布控的终端上，使得人脸识别系统识别扩展性更广，兼容性更强，人脸比对过程更简单，人脸识别效果更高。
图4为本发明一实施例提供的服务器的内部结构示意图；在本实施例中，服务器1至少包括存储器11、处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是服务器1的内部存储单元，例如该服务器1的硬盘。存储器11在另一些实施例中也可以是外部存储设备，例如服务器1上配备的插接式硬盘，智能存储卡（SmartMedia Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，存储器11还可以既包括服务器1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于服务器1的应用软件及各类数据，例如人像存储程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器（Central Processing Unit,CPU）、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行人像存储程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口（如WI-FI接口），通常用于在该装置1与其他电子设备之间建立通信连接。
可选地，该服务器1还可以包括用户接口，用户接口可以包括显示器（Display）、输入单元比如键盘（Keyboard），可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示处理的信息以及用于显示可视化的用户界面。
图4仅示出了具有组件11-14以及人像存储程序01的服务器1，本领域技术人员可以理解的是，图4示出的结构并不构成对服务器1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
在图4所示的服务器1实施例中，存储器11中存储有人像存储程序01；处理器12执行存储器11中存储的人像存储程序01时实现如下步骤：
获取待入库人像数据；
根据所述待入库人像数据获取所述待入库人像的至少一种人脸特征值；
将所述待入库人像的至少一种人脸特征值存储于人像数据库中与所述待入库人像对应的人脸特征集中，其中在所述人像数据库中每个人像对应一人脸特征集，每个人像对应的人脸特征集中存储有由利用不同的人像提取模型算法对每个人像提取得到的不同人脸特征值。
上述步骤被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
可选地，在其他实施例中，人像存储程序还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器（本实施例为处理器12）所执行以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，用于描述人像存储程序在人像存储装置中的执行过程。
例如，参照图5所示，为本发明服务器一实施例中的人像存储程序的程序模块示意图，该实施例中，人像存储程序可以被分割为获取模块10、存储模块20，示例性地：
获取模块10获取待入库人像数据；
所述获取模块10根据所述待入库人像数据获取所述待入库人像的至少一种人脸特征值；
存储模块20将所述待入库人像的至少一种人脸特征值存储于人像数据库中与所述待入库人像对应的人脸特征集中，其中在所述人像数据库中每个人像对应一人脸特征集，每个人像对应的人脸特征集中存储有由利用不同的人像提取模型算法对每个人像提取得到的不同人脸特征值。
上述获取模块10、存储模块20等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有人像存储程序，所述人像存储程序可被一个或多个处理器执行，所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
本发明还提供一种识别终端设备。参照图6所示，为本发明一实施例提供的识别终端设备的内部结构示意图。
在本实施例中，识别终端设备2可以是PC（Personal Computer，个人电脑），也可以是智能手机、平板电脑、便携计算机等终端设备。该识别终端设备2至少包括存储器71、处理器72，通信总线73，以及网络接口74。
其中，存储器71至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器71在一些实施例中可以是识别终端设备2的内部存储单元，例如该识别终端设备2的硬盘。存储器71在另一些实施例中也可以是识别终端设备2的外部存储设备，例如识别终端设备2上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital,SD）卡，闪存卡（Flash Card）等。进一步地，存储器71还可以既包括识别终端设备2的内部存储单元也包括外部存储设备。存储器71不仅可以用于存储安装于识别终端设备2的应用软件及各类数据，例如人脸识别程序02的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器72在一些实施例中可以是一中央处理器（Central Processing Unit,CPU）、控制器、微控制器、微处理器或其他数据处理数据处理芯片，用于运行存储器71中存储的程序代码或处理数据，例如执行人脸识别程序02等。
通信总线73用于实现这些组件之间的连接通信。
网络接口74可选的可以包括标准的有线接口、无线接口（如WI-FI接口），通常用于在该识别终端设备2与其他电子设备之间建立通信连接。
可选地，该识别终端设备2还可以包括用户接口，用户接口可以包括显示器（Display）、输入单元比如键盘（Keyboard），可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在人脸识别装置中处理的信息以及用于显示可视化的用户界面。
图6仅示出了具有组件71-74以及人脸识别程序01的识别终端设备2，本领域技术人员可以理解的是，图6示出的结构并不构成对识别终端设备2的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
在图6所示的识别终端设备2实施例中，存储器71中存储有人脸识别程序01；处理器72执行存储器71中存储的人脸识别程序01时实现如下步骤：
采集目标人脸图像；
从所述目标人脸图像中提取目标人脸特征值；
向与所述识别终端设备相通信的服务器发送识别数据请求以使所述服务器发送与所述识别终端设备的类型匹配的人脸特征值，其中一种识别终端设备的类型对应一种人像提取模型算法；
接收所述服务器发送的根据所述识别终端设备的类型匹配的人脸特征值；
将所述目标人脸特征值与所述接收的人脸特征值进行比对，确定识别结果。
上述步骤被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
可选地，在其他实施例中，人脸识别程序还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器71中，并由一个或多个处理器（本实施例为处理器72）所执行以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，用于描述人脸识别程序在人脸识别装置中的执行过程。
例如，参照图7所示，为本发明服务器一实施例中的人脸识别程序的程序模块示意图，该实施例中，人脸识别程序可以被分割为数据采集模块80、提取模块81、发送模块82、接收模块83及识别模块84，示例性地：
采集模块80、采集目标人脸图像；
提取模块81、从所述目标人脸图像中提取目标人脸特征值；
发送模块82、向与所述识别终端设备相通信的服务器发送识别数据请求以使所述服务器发送与所述识别终端设备的类型匹配的人脸特征值，其中一种识别终端设备的类型对应一种人像提取模型算法；
接收模块83、接收所述服务器发送的根据所述识别终端设备的类型匹配的人脸特征值；
识别模块84、将所述目标人脸特征值与所述接收的人脸特征值进行比对，确定识别结果。
上述采集模块80、提取模块81、发送模块82、接收模块83及识别模块84等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有人脸识别程序，所述人脸识别程序可被一个或多个处理器执行，所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
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上述实施例方法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，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种人像存储方法，应用于服务器，其特征在于，所述方法包括：
获取待入库人像数据，服务器与多个识别终端设备相通信，不同识别终端设备类型对应不同的人像提取模型算法；
根据所述待入库人像数据获取所述待入库人像的至少一种人脸特征值；
将所述待入库人像的至少一种人脸特征值存储于人像数据库中与所述待入库人像对应的人脸特征集中，其中在所述人像数据库中每个人像对应一人脸特征集，每个人像对应的人脸特征集中存储有由利用不同的人像提取模型算法对每个人像提取得到的不同人脸特征值；
所述人像数据库设有不同的人像提取模型算法配置项，在所述待入库人像入库时，根据所述人像提取模型算法配置项，调用对应的人像提取模型算法进行人脸特征值的提取，同时，可通过所述不同的人像提取模型算法配置项配置多个不同类型的人脸特征值，对不同类型的人脸特征值进行归并，得到每个人像对应的所述人脸特征值集；
所述人像数据库包括多个类型组别，一个类型组别与所述服务器相通信的一种类型的识别终端设备相对应，一个类型组别包括利用同一种人像提取模型算法提取的多个人脸特征值。
2.如权利要求1所述的人像存储方法，其特征在于，所述根据所述待入库人像数据获取所述待入库人像的至少一种人脸特征值包括以下一种或者多种的组合：
在所述待入库人像数据为图片数据时，对所述图片数据中进行人脸检测并提取人脸数据；对所述人脸数据预处理；并利用至少一种人像提取模型算法从预处理后的人脸数据中提取所述待入库人像数据的至少一种人脸特征值；
接收与所述服务器相通信的多个不同类型的识别终端设备发送的所述待入库人像对应的特征数据，从接收的特征数据中获取所述待入库人像的至少一种人脸特征值。
3.如权利要求1所述的人像存储方法，其特征在于，所述服务器包括内网服务器及外网服务器，其中内网服务器存储重点对象的人脸图像，外网服务器存储各个人像的人脸特征集。
4.如权利要求1至3任一项所述的人像存储方法，其特征在于，所述方法还包括：
接收与所述服务器相通信的目标识别终端设备发送的识别数据请求；
根据所述目标识别终端的类型，确定目标人像提取模型算法；
从所述人像数据库中获取利用所述目标人像提取模型算法提取的人脸特征值；
将所述目标人像提取模型算法提取的人脸特征值发送至所述目标识别终端设备以供所述目标识别终端识别人脸。
5.一种应用于识别终端设备的人脸识别方法，其特征在于，应用权利要求1至4任一项所述的人像存储方法，所述人脸识别方法包括：
采集目标人脸图像；
从所述目标人脸图像中提取目标人脸特征值；
向与所述识别终端设备相通信的服务器发送识别数据请求以使所述服务器发送与所述识别终端设备的类型匹配的人脸特征值，其中一种识别终端设备的类型对应一种人像提取模型算法；
接收所述服务器发送的根据所述识别终端设备的类型匹配的人脸特征值；
将所述目标人脸特征值与所述接收的人脸特征值进行比对，确定识别结果。
6.如权利要求5所述的人脸识别方法，其特征在于，所述方法还包括：
将所述接收的人脸特征值存储于所述识别终端设备的存储器中。
7.一种服务器，其特征在于，所述服务器包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的人像存储程序，所述人像存储程序被所述处理器执行时实现如下步骤：
获取待入库人像数据，服务器与多个识别终端设备相通信，不同识别终端设备类型对应不同的人像提取模型算法；
根据所述待入库人像数据获取所述待入库人像的至少一种人脸特征值；
将所述待入库人像的至少一种人脸特征值存储于人像数据库中与所述待入库人像对应的人脸特征集中，其中在所述人像数据库中每个人像对应一人脸特征集，每个人像对应的人脸特征集中存储有由利用不同的人像提取模型算法对每个人像提取得到的不同人脸特征值；
所述人像数据库设有不同的人像提取模型算法配置项，在所述待入库人像入库时，根据所述人像提取模型算法配置项，调用对应的人像提取模型算法进行人脸特征值的提取，同时，可通过所述不同的人像提取模型算法配置项配置多个不同类型的人脸特征值，对不同类型的人脸特征值进行归并，得到每个人像对应的所述人脸特征值集；
所述人像数据库包括多个类型组别，一个类型组别与所述服务器相通信的一种类型的识别终端设备相对应，一个类型组别包括利用同一种人像提取模型算法提取的多个人脸特征值。
8.一种识别终端设备，其特征在于，应用权利要求5至6任一项所述人脸识别方法，所述识别终端设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的人脸识别程序，所述人脸识别程序被所述处理器执行时实现如下步骤：
采集目标人脸图像；
从所述目标人脸图像中提取目标人脸特征值；
向与所述识别终端设备相通信的服务器发送识别数据请求以使所述服务器发送与所述识别终端设备的类型匹配的人脸特征值，其中一种识别终端设备的类型对应一种人像提取模型算法；
接收所述服务器发送的根据所述识别终端设备的类型匹配的人脸特征值；
将所述目标人脸特征值与所述接收的人脸特征值进行比对，确定识别结果。
9.一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上存储有人像存储程序，所述人像存储程序可被一个或者多个处理器执行，以实现如权利要求1至4中任一项所述的人像存储方法，及/或所述计算机可读存储介质上存储有人脸识别程序，所述人脸识别程序可被一个或者多个处理器执行，以实现5至6中任一项所述的人脸识别方法的步骤。
CN201910965254.XA 2019-10-11 2019-10-11 人像存储方法、人脸识别方法、设备及存储介质 Active CN110866443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910965254.XA CN110866443B (zh) 2019-10-11 2019-10-11 人像存储方法、人脸识别方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910965254.XA CN110866443B (zh) 2019-10-11 2019-10-11 人像存储方法、人脸识别方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110866443A CN110866443A (zh) 2020-03-06
CN110866443B true CN110866443B (zh) 2023-06-16

Family

ID=69652251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910965254.XA Active CN110866443B (zh) 2019-10-11 2019-10-11 人像存储方法、人脸识别方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110866443B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539281B (zh) * 2020-04-15 2024-04-05 上海明略人工智能(集团)有限公司 分布式人脸识别方法及系统
CN111614638A (zh) * 2020-05-08 2020-09-01 快猪侠信息技术(杭州)有限公司 一种基于大数据平台的人脸识别数据分发系统和分发方法
CN112069331B (zh) * 2020-08-31 2024-06-11 深圳市商汤科技有限公司 一种数据处理、检索方法、装置、设备及存储介质
CN112487997B (zh) * 2020-12-01 2024-04-09 航天信息股份有限公司 一种人像特征提取方法及装置
CN112800866B (zh) * 2021-01-13 2022-05-06 深圳市小兵智能科技有限公司 一种人脸识别装置、应用系统、方法、计算机设备及存储介质
CN113628095B (zh) * 2021-08-04 2022-11-01 展讯通信（上海）有限公司 人像区域网格点信息存储方法及相关产品
CN114187630A (zh) * 2021-11-29 2022-03-15 华人运通(上海)云计算科技有限公司 一种人脸特征的比对方法及系统
CN115080775A (zh) * 2022-08-24 2022-09-20 深圳市亲邻科技有限公司 门禁设备人脸数据的存储方法、装置、服务器及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017181769A1 (zh) * 2016-04-21 2017-10-26 腾讯科技（深圳）有限公司 一种人脸识别方法、装置和系统、设备、存储介质
CN107679559A (zh) * 2017-09-15 2018-02-09 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和移动终端
CN108416323A (zh) * 2018-03-27 2018-08-17 百度在线网络技术（北京）有限公司 用于识别人脸的方法和装置
CN110163111A (zh) * 2019-04-24 2019-08-23 平安科技（深圳）有限公司 基于人脸识别的叫号方法、装置、电子设备及存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101587543B (zh) * 2009-06-19 2012-12-05 电子科技大学 一种人脸识别方法
TW201220216A (en) * 2010-11-15 2012-05-16 Hon Hai Prec Ind Co Ltd System and method for detecting human emotion and appeasing human emotion
CN105868695B (zh) * 2016-03-24 2019-04-02 北京握奇数据系统有限公司 一种人脸识别方法及系统
CN107292150B (zh) * 2016-04-13 2020-03-06 平安科技（深圳）有限公司 保全信息处理中用户身份确认方法和装置
US10635893B2 (en) * 2017-10-31 2020-04-28 Baidu Usa Llc Identity authentication method, terminal device, and computer-readable storage medium
CN108189804B (zh) * 2017-12-29 2020-08-07 威马智慧出行科技（上海）有限公司 一种用于车辆的人脸识别系统及人脸识别方法
CN108197318A (zh) * 2018-02-01 2018-06-22 广州市君望机器人自动化有限公司 人脸识别方法、装置、机器人及存储介质
CN109598260A (zh) * 2019-01-15 2019-04-09 安徽杰锐达智能科技有限公司 人脸比对后端识别算法管控系统
CN109903474A (zh) * 2019-01-17 2019-06-18 平安科技（深圳）有限公司 一种基于人脸识别的智能开柜方法及装置
CN109919003A (zh) * 2019-01-23 2019-06-21 平安科技（深圳）有限公司 人脸识别方法、终端设备及计算机可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017181769A1 (zh) * 2016-04-21 2017-10-26 腾讯科技（深圳）有限公司 一种人脸识别方法、装置和系统、设备、存储介质
CN107679559A (zh) * 2017-09-15 2018-02-09 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和移动终端
CN108416323A (zh) * 2018-03-27 2018-08-17 百度在线网络技术（北京）有限公司 用于识别人脸的方法和装置
CN110163111A (zh) * 2019-04-24 2019-08-23 平安科技（深圳）有限公司 基于人脸识别的叫号方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN110866443A (zh) 2020-03-06

Similar Documents

Publication Publication Date Title
CN110866443B (zh) 人像存储方法、人脸识别方法、设备及存储介质
CN112052781B (zh) 特征提取模型训练方法、人脸识别方法、装置、设备及介质
CN107680294B (zh) 房产信息查询方法、系统、终端设备及存储介质
CN108229297B (zh) 人脸识别方法和装置、电子设备、计算机存储介质
WO2019134246A1 (zh) 基于人脸识别的安全监控方法、装置及存储介质
CN110543815A (zh) 人脸识别模型的训练方法、人脸识别方法、装置、设备及存储介质
JP6853379B2 (ja) 対象人物の検索方法および装置、機器、プログラム製品ならびに媒体
WO2020056980A1 (zh) 基于人脸识别的业务引导方法、装置及存储介质
US8958647B2 (en) Registration determination device, control method and control program therefor, and electronic apparatus
WO2019033571A1 (zh) 面部特征点检测方法、装置及存储介质
WO2019056793A1 (zh) 简历识别装置、方法及计算机可读存储介质
CN108491866B (zh) 色情图片鉴定方法、电子装置及可读存储介质
CN105117624A (zh) 一种基于人脸识别的用户体系识别系统及方法
CN111414812A (zh) 人体属性识别方法、系统、计算机设备及存储介质
CN108171138B (zh) 一种生物特征信息获取方法和装置
KR102104397B1 (ko) 유해물 관리 방법, 이를 실행하는 컴퓨팅 장치 및 컴퓨터 프로그램
CN111191523A (zh) 信息的显示方法和装置、存储介质及电子装置
WO2019033567A1 (zh) 眼球动作捕捉方法、装置及存储介质
CN112330331A (zh) 基于人脸识别的身份验证方法、装置、设备及存储介质
CN110889045B (zh) 标签分析方法、装置及计算机可读存储介质
CN111191207A (zh) 电子文件的控制方法、装置、计算机设备及存储介质
CN111709404B (zh) 一种机房遗留物识别方法、系统以及设备
CN104572654A (zh) 一种用户搜索方法及装置
CN114187561A (zh) 异常行为的识别方法、装置、终端设备及存储介质
CN112307994A (zh) 基于扫地机的障碍物识别方法、电子装置及存储介质

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