CN110929546B - 人脸比对方法及装置 - Google Patents

人脸比对方法及装置 Download PDF

Info

Publication number
CN110929546B
CN110929546B CN201811093453.8A CN201811093453A CN110929546B CN 110929546 B CN110929546 B CN 110929546B CN 201811093453 A CN201811093453 A CN 201811093453A CN 110929546 B CN110929546 B CN 110929546B
Authority
CN
China
Prior art keywords
face
image
images
feature
region
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
CN201811093453.8A
Other languages
English (en)
Other versions
CN110929546A (zh
Inventor
狄杰
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.)
Beijing Youku Technology Co Ltd
Original Assignee
Beijing Youku 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 Beijing Youku Technology Co Ltd filed Critical Beijing Youku Technology Co Ltd
Priority to CN201811093453.8A priority Critical patent/CN110929546B/zh
Publication of CN110929546A publication Critical patent/CN110929546A/zh
Application granted granted Critical
Publication of CN110929546B publication Critical patent/CN110929546B/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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及人脸比对方法及装置。该方法包括：对待处理图像进行人脸检测，确定所述待处理图像中的人脸区域；提取所述人脸区域的特征点；对所述人脸区域的特征点进行特征描述，得到所述人脸区域的特征向量；根据所述人脸区域的特征向量，将所述人脸区域与人脸特征库中的人脸图像进行比对，得到所述人脸区域对应的比对结果，其中，所述人脸特征库中目标人物与特征向量一一对应，且目标人物与人脸图像一一对应。本公开通过将待处理图像中人脸区域的特征向量与简化的人脸特征库中的人脸图像进行比对，由此能够避免将待处理图像中的人脸区域的特征向量与大量冗余的人脸图像进行比对，从而能够提高人脸比对的效率。

Description

人脸比对方法及装置
技术领域
本公开涉及图像技术领域，尤其涉及一种人脸比对方法及装置。
背景技术
相关技术中，由于人脸图像的数据量庞大，在进行人脸比对时，需要将待处理图像与数据库中的人脸图像一一进行比对，因此比对效率较低。
发明内容
有鉴于此，本公开提出了一种人脸比对方法及装置。
根据本公开的一方面，提供了一种人脸比对方法，包括：
对待处理图像进行人脸检测，确定所述待处理图像中的人脸区域；
提取所述人脸区域的特征点；
对所述人脸区域的特征点进行特征描述，得到所述人脸区域的特征向量；
根据所述人脸区域的特征向量，将所述人脸区域与人脸特征库中的人脸图像进行比对，得到所述人脸区域对应的比对结果，其中，所述人脸特征库中目标人物与特征向量一一对应，且目标人物与人脸图像一一对应。
在一种可能的实现方式中，提取所述人脸区域的特征点，包括：
在所述人脸区域满足第一条件的情况下，提取所述人脸区域的特征点。
在一种可能的实现方式中，所述第一条件包括以下一项或多项：
所述待处理图像中的人脸区域的数量为1；
所述人脸区域的分辨率大于第一阈值；
所述人脸区域中的人脸角度属于第一区间；
所述人脸区域在所述待处理图像中的位置属于第二区间。
在一种可能的实现方式中，根据所述人脸区域的特征向量，将所述人脸区域与人脸特征库中的人脸图像进行比对，得到所述人脸区域对应的比对结果，包括：
采用乘积量化方法，在所述人脸特征库中检索与所述人脸区域的特征向量匹配的人脸图像，得到所述人脸区域对应的比对结果。
在一种可能的实现方式中，在将所述人脸区域与人脸特征库中的人脸图像进行比对之前，所述方法还包括：
获取多个目标人物的人脸图像；
获取所述人脸图像的特征向量；
采用乘积量化方法，基于所述多个目标人物的人脸图像以及所述人脸图像的特征向量建立所述人脸特征库。
在一种可能的实现方式中，获取多个目标人物的人脸图像，包括：
对于任一目标人物，获取所述目标人物对应的多个候选图像；
分别提取所述多个候选图像中的人脸区域的特征向量；
确定所述多个候选图像中的不同候选图像中人脸区域的特征向量之间的相似度；
从相似度最高的两个特征向量对应的候选图像中确定第一人脸图像；
从所述第一人脸图像中截取人脸区域，得到所述目标人物的人脸图像。
在一种可能的实现方式中，获取所述目标人物对应的多个候选图像，包括：
获取所述目标人物对应的多个待整理图像；
将所述多个待整理图像中满足第二条件的待整理图像确定为所述目标人物对应的候选图像。
在一种可能的实现方式中，所述第二条件包括：所述待整理图像中的人脸区域的数量为1。
在一种可能的实现方式中，所述第二条件还包括以下一项或多项：
所述待整理图像中的人脸区域的分辨率大于第二阈值；
所述待整理图像中的人脸角度属于第三区间；
所述待整理图像中的人脸区域的位置属于第四区间。
在一种可能的实现方式中，从相似度最高的两个特征向量对应的候选图像中确定第一人脸图像，包括：
从相似度最高的两个特征向量对应的候选图像中随机选择一个作为第一人脸图像。
在一种可能的实现方式中，从相似度最高的两个特征向量对应的候选图像中确定第一人脸图像，包括：
确定备选图像的人脸质量分数，其中，所述备选图像表示相似度最高的两个特征向量对应的候选图像；
将人脸质量分数更高的备选图像确定为第一人脸图像。
在一种可能的实现方式中，确定备选图像的人脸质量分数，包括：
根据所述备选图像中人脸区域的分辨率、所述备选图像中的人脸角度和人脸区域在所述备选图像中的位置中的一项或多项，确定所述备选图像的人脸质量分数。
根据本公开的另一方面，提供了一种人脸比对装置，包括：
人脸检测模块，用于对待处理图像进行人脸检测，确定所述待处理图像中的人脸区域；
提取模块，用于提取所述人脸区域的特征点；
特征描述模块，用于对所述人脸区域的特征点进行特征描述，得到所述人脸区域的特征向量；
比对模块，用于根据所述人脸区域的特征向量，将所述人脸区域与人脸特征库中的人脸图像进行比对，得到所述人脸区域对应的比对结果，其中，所述人脸特征库中目标人物与特征向量一一对应，且目标人物与人脸图像一一对应。
在一种可能的实现方式中，所述提取模块用于：
在所述人脸区域满足第一条件的情况下，提取所述人脸区域的特征点。
在一种可能的实现方式中，所述第一条件包括以下一项或多项：
所述待处理图像中的人脸区域的数量为1；
所述人脸区域的分辨率大于第一阈值；
所述人脸区域中的人脸角度属于第一区间；
所述人脸区域在所述待处理图像中的位置属于第二区间。
在一种可能的实现方式中，所述比对模块用于：
采用乘积量化方法，在所述人脸特征库中检索与所述人脸区域的特征向量匹配的人脸图像，得到所述人脸区域对应的比对结果。
在一种可能的实现方式中，所述装置还包括：
第一获取模块，用于获取多个目标人物的人脸图像；
第二获取模块，用于获取所述人脸图像的特征向量；
建立模块，用于采用乘积量化方法，基于所述多个目标人物的人脸图像以及所述人脸图像的特征向量建立所述人脸特征库。
在一种可能的实现方式中，所述第一获取模块包括：
获取子模块，用于对于任一目标人物，获取所述目标人物对应的多个候选图像；
提取子模块，用于分别提取所述多个候选图像中的人脸区域的特征向量；
第一确定子模块，用于确定所述多个候选图像中的不同候选图像中人脸区域的特征向量之间的相似度；
第二确定子模块，用于从相似度最高的两个特征向量对应的候选图像中确定第一人脸图像；
截取子模块，用于从所述第一人脸图像中截取人脸区域，得到所述目标人物的人脸图像。
在一种可能的实现方式中，所述获取子模块包括：
获取单元，用于获取所述目标人物对应的多个待整理图像；
第一确定单元，用于将所述多个待整理图像中满足第二条件的待整理图像确定为所述目标人物对应的候选图像。
在一种可能的实现方式中，所述第二条件包括：所述待整理图像中的人脸区域的数量为1。
在一种可能的实现方式中，所述第二条件还包括以下一项或多项：
所述待整理图像中的人脸区域的分辨率大于第二阈值；
所述待整理图像中的人脸角度属于第三区间；
所述待整理图像中的人脸区域的位置属于第四区间。
在一种可能的实现方式中，所述第二确定子模块用于：
从相似度最高的两个特征向量对应的候选图像中随机选择一个作为第一人脸图像。
在一种可能的实现方式中，所述第二确定子模块包括：
第二确定单元，用于确定备选图像的人脸质量分数，其中，所述备选图像表示相似度最高的两个特征向量对应的候选图像；
第三确定单元，用于将人脸质量分数更高的备选图像确定为第一人脸图像。
在一种可能的实现方式中，所述第二确定单元用于：
根据所述备选图像中人脸区域的分辨率、所述备选图像中的人脸角度和人脸区域在所述备选图像中的位置中的一项或多项，确定所述备选图像的人脸质量分数。
根据本公开的另一方面，提供了一种人脸比对装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中，通过将待处理图像中人脸区域的特征向量与简化的人脸特征库中的人脸图像进行比对，由此能够避免将待处理图像中的人脸区域的特征向量与大量冗余的人脸图像进行比对，从而能够提高人脸比对的效率。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开一实施例的人脸比对方法的流程图。
图2示出根据本公开一实施例的人脸比对方法的一示例性的流程图。
图3示出根据本公开一实施例的人脸比对方法步骤S21的一示例性的流程图。
图4示出根据本公开一实施例的人脸比对方法步骤S211中获取目标人物对应的多个候选图像的一示例性的流程图。
图5示出根据本公开一实施例的人脸比对方法步骤S214的一示例性的流程图。
图6示出根据本公开一实施例的人脸比对装置的框图。
图7示出根据本公开一实施例的人脸比对装置的一示例性的框图。
图8是根据一示例性实施例示出的一种用于人脸比对的装置800的框图。
图9是根据一示例性实施例示出的一种用于人脸比对的装置1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开一实施例的人脸比对方法的流程图。该人脸比对方法的执行主体可以是人脸比对装置。例如，该人脸比对方法可以由终端设备或服务器或其它处理设备执行。其中，终端设备可以是用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中，该人脸比对方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，该方法可以包括步骤S11至步骤S14。
在步骤S11中，对待处理图像进行人脸检测，确定待处理图像中的人脸区域。
其中，待处理图像表示需要进行人脸比对的图像。
在一种可能的实现方式中，可以采用Dlib库对待处理图像进行人脸检测，确定待处理图像中的人脸区域。
在步骤S12中，提取人脸区域的特征点。
例如，所提取的特征点的个数可以为128个。该例子通过提取人脸区域中的128个特征点，能够提高后续人脸比对的精度。
在一种可能的实现方式中，提取人脸区域的特征点，包括：在人脸区域满足第一条件的情况下，提取人脸区域的特征点。
作为该实现方式的一个示例，第一条件包括以下一项或多项：待处理图像中的人脸区域的数量为1；人脸区域的分辨率大于第一阈值；人脸区域中的人脸角度属于第一区间；人脸区域在待处理图像中的位置属于第二区间。
例如，第一条件包括：待处理图像中的人脸区域的数量为1。在该实现方式中，若待处理图像中的人脸区域的数量不为1，则可以在很大程度上表明该待处理图像是至少两个人物的合照。通过设置第一条件包括待处理图像中的人脸区域的数量为1，能够避免包含待处理图像中的其他人脸对人脸比对造成干扰。其中，待处理图像中的其他人脸可以表示待处理图像中不需要进行比对的人脸。
例如，第一条件包括：人脸区域的分辨率大于第一阈值。该例子通过对人脸区域的分辨率进行限定，能够提高后续进行人脸比对的准确性。
例如，第一条件包括：人脸区域中的人脸角度属于第一区间。例如，第一区间为[-20°，20°]。其中，待处理图像中的人脸角度为0°，表示待处理图像中的人脸角度为正脸；待处理图像中的人脸角度为负值，可以表示待处理图像中的人脸向左偏转；待处理图像中的人脸角度为正值，可以表示待处理图像中的人脸向右偏转。
例如，第一条件包括：人脸区域在待处理图像中的位置属于第二区间。其中，人脸区域在待处理图像中的位置可以指人脸区域的几何中心在待处理图像中的坐标，第二区间可以为一个指定的坐标范围。
在步骤S13中，对人脸区域的特征点进行特征描述，得到人脸区域的特征向量。
在一种可能的实现方式中，可以采用SIFT(Scale-Invariant FeatureTransform，尺度不变特征变换)方法，对人脸区域的特征点进行特征描述，得到人脸区域的特征向量。
需要说明的是，尽管以SIFT方法作为示例介绍了对人脸区域的特征点进行特征描述的方式如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活选择对人脸区域的特征点进行特征描述的方法。
在步骤S14中，根据人脸区域的特征向量，将人脸区域与人脸特征库中的人脸图像进行比对，得到人脸区域对应的比对结果，其中，人脸特征库中目标人物与特征向量一一对应，且目标人物与人脸图像一一对应。
在一种可能的实现方式中，根据人脸区域的特征向量，将人脸区域与人脸特征库中的人脸图像进行比对，得到人脸区域对应的比对结果，包括：采用乘积量化方法，在人脸特征库中检索与人脸区域的特征向量匹配的人脸图像，得到人脸区域对应的比对结果。
在该实现方式中，可以在人脸特征库中检索是否存在与人脸区域的特征向量匹配的人脸图像。例如，第二人脸图像为人脸特征库中与该人脸区域的特征向量的相似度最高的人脸图像。若第二人脸图像的特征向量与该人脸区域的特征向量的相似度大于第三阈值，则可以确定该人脸区域对应的比对结果为该人脸区域与第二人脸图像相匹配；若第二人脸图像的特征向量与该人脸区域的特征向量的相似度小于或等于第三阈值，则可以确定该人脸区域对应的比对结果为该人脸区域不与人脸特征库中的任何人脸图像相匹配。
在本公开实施例中，通过将待处理图像中人脸区域的特征向量与简化的人脸特征库中的人脸图像进行比对，由此能够避免将待处理图像中的人脸区域的特征向量与大量冗余的人脸图像进行比对，从而能够提高人脸比对的效率。
图2示出根据本公开一实施例的人脸比对方法的一示例性的流程图。如图2所示，该方法可以包括步骤S21至步骤S27。
在步骤S21中，获取多个目标人物的人脸图像。
在一种可能的实现方式中，获取多个目标人物的人脸图像，包括：获取多个目标人物中的每个目标人物的一个人脸图像。在该实现方式中，目标人物与人脸图像一一对应，即，针对每个目标人物，仅获取一个人脸图像。
在步骤S22中，获取人脸图像的特征向量。
在一种可能的实现方式中，获取人脸图像的特征向量，包括：获取每个人脸图像的一个特征向量。在该实现方式中，人脸图像与特征向量一一对应，且目标人物与人脸图像一一对应，因此，目标人物与特征向量一一对应，即，针对每个目标人物，仅获取一个特征向量。
在步骤S23中，采用乘积量化方法，基于多个目标人物的人脸图像以及人脸图像的特征向量建立人脸特征库。
通过采用乘积量化方法，基于多个目标人物的人脸图像以及人脸图像的特征向量建立人脸特征库，能够提高后续进行人脸比对的速度。
在步骤S24中，对待处理图像进行人脸检测，确定待处理图像中的人脸区域。
其中，对步骤S24参见上文对步骤S11的描述。
在步骤S25中，提取人脸区域的特征点。
其中，对步骤S25参见上文对步骤S12的描述。
在步骤S26中，对人脸区域的特征点进行特征描述，得到人脸区域的特征向量。
其中，对步骤S26参见上文对步骤S13的描述。
在步骤S27中，根据人脸区域的特征向量，将人脸区域与人脸特征库中的人脸图像进行比对，得到人脸区域对应的比对结果，其中，人脸特征库中目标人物与特征向量一一对应，且目标人物与人脸图像一一对应。
其中，对步骤S27参见上文对步骤S14的描述。
图3示出根据本公开一实施例的人脸比对方法步骤S21的一示例性的流程图。如图3所示，步骤S21可以包括步骤S211至步骤S215。
在步骤S211中，对于任一目标人物，获取目标人物对应的多个候选图像。
在本公开实施例中，目标人物表示需要进行人脸图像整理的某一人物。其中，目标人物的数量可以为一个或多个。在本公开实施例中，针对每个目标人物可以分别执行步骤S211至步骤S215。
在本公开实施例中，可以采用目标人物的名称在搜索引擎中进行搜索，并可以基于搜索结果得到目标人物对应的多个候选图像。
例如，对于每个目标人物，可以分别获取该目标人物对应的10个候选图像。
在步骤S212中，分别提取多个候选图像中的人脸区域的特征向量。
在一种可能的实现方式中，分别提取多个候选图像中的人脸区域的特征向量，包括：对于任意一个候选图像中的人脸区域，提取该人脸区域中的特征点，并对该人脸区域中的特征点进行特征描述，得到该人脸区域的特征向量。例如，特征点的个数为128个。该例子通过提取人脸区域中的128个特征点，能够提高人脸比对的精度。
在步骤S213中，确定多个候选图像中的不同候选图像中人脸区域的特征向量之间的相似度。
在本公开实施例中，对于多个候选图像中人脸区域的特征向量，分别计算两两之间的相似度。
在一种可能的实现方式中，可以采用Facenet确定多个候选图像中的不同候选图像中人脸区域的特征向量之间的相似度。
在步骤S214中，从相似度最高的两个特征向量对应的候选图像中确定第一人脸图像。
在本公开实施例中，可以将相似度最高的两个特征向量对应的候选图像分别确定为备选图像，并从两个备选图像中选择一个作为第一人脸图像。
在一种可能的实现方式中，从相似度最高的两个特征向量对应的候选图像中确定第一人脸图像，包括：从相似度最高的两个特征向量对应的候选图像中随机选择一个作为第一人脸图像。
在步骤S215中，从第一人脸图像中截取人脸区域，得到目标人物的人脸图像。
在一种可能的实现方式中，可以根据第一人脸图像中人脸框的尺寸和位置，确定裁剪框的尺寸和位置，并可以基于裁剪框的尺寸和位置，从第一人脸图像中截取人脸区域，得到目标人物的人脸图像。
作为该实现方式的一个示例，根据第一人脸图像中人脸框的尺寸和位置，确定裁剪框的尺寸和位置，包括：将第一人脸图像中人脸框的尺寸确定为裁剪框的尺寸，将第一人脸图像中人脸框的几何中心确定为裁剪框的几何中心。
作为该实现方式的另一个示例，根据第一人脸图像中人脸框的尺寸和位置，确定裁剪框的尺寸和位置，包括：将第一人脸图像中人脸框的尺寸的M倍确定为裁剪框的尺寸，将第一人脸图像中人脸框的几何中心确定为裁剪框的几何中心。其中，M为正数。例如，M为大于1的正数。例如，M等于1.3。
该实现方式能够准确地从第一人脸图像中截取人脸区域。
在一种可能的实现方式中，在得到目标人物的人脸图像之后，该方法还包括：保存人脸图像。该实现方式通过保存人脸图像，能够为后续建立人脸特征库提供方便。
图4示出根据本公开一实施例的人脸比对方法步骤S211中获取目标人物对应的多个候选图像的一示例性的流程图。如图4所示，获取目标人物对应的多个候选图像，可以包括步骤S2111和步骤S2112。
在步骤S2111中，获取目标人物对应的多个待整理图像。
在本公开实施例中，可以采用目标人物的名称在搜索引擎中进行搜索，获取目标人物对应的多个待整理图像。其中，待整理图像可以表示搜索得到的图像。
在步骤S2112中，将多个待整理图像中满足第二条件的待整理图像确定为目标人物对应的候选图像。
在一种可能的实现方式中，可以从满足第二条件的待整理图像中选择多个作为目标人物对应的候选图像。例如，可以从满足第二条件的待整理图像中选择10个作为目标人物对应的候选图像。
在一种可能的实现方式中，第二条件包括：待整理图像中的人脸区域的数量为1。在该实现方式中，若待整理图像中的人脸区域的数量不为1，则可以在很大程度上表明该待整理图像是目标人物与其他人物的合照。为了避免待整理图像中除目标人物以外的其他人物对目标人脸的人脸图像整理造成干扰，在该实现方式中，若待整理图像中的人脸区域的数量不为1，则不将该待整理图像作为目标人物对应的候选图像。
作为该实现方式的一个示例，可以使用Dlib库识别待整理图像中的人脸区域。
在一种可能的实现方式中，第二条件还包括以下一项或多项：待整理图像中的人脸区域的分辨率大于第二阈值；待整理图像中的人脸角度属于第三区间；待整理图像中的人脸区域的位置属于第四区间。
作为该实现方式的一个示例，第二条件包括：待整理图像中的人脸区域的数量为1，且待整理图像中的人脸区域的分辨率大于第二阈值。该示例通过对候选图像中人脸区域的分辨率进行限定，能够保障人脸特征库的人脸图像的分辨率，从而能够提高人脸特征库的人脸图像的质量。
作为该实现方式的另一个示例，第二条件包括：待整理图像中的人脸区域的数量为1，且待整理图像中的人脸角度属于第三区间。例如，第三区间为[-20°，20°]。其中，待整理图像中的人脸角度为0°，表示待整理图像中的人脸角度为正脸；待整理图像中的人脸角度为负值，可以表示待整理图像中的人脸向左偏转；待整理图像中的人脸角度为正值，可以表示待整理图像中的人脸向右偏转。
作为该实现方式的另一个示例，第二条件包括：待整理图像中的人脸区域的数量为1，且待整理图像中的人脸区域的位置属于第四区间。其中，人脸区域的位置可以指人脸区域的几何中心的坐标，第四区间可以为一个指定的坐标范围。
作为该实现方式的另一个示例，第二条件包括：待整理图像中的人脸区域的数量为1，待整理图像中的人脸区域的分辨率大于第二阈值，且待整理图像中的人脸角度属于第三区间。
作为该实现方式的另一个示例，第二条件包括：待整理图像中的人脸区域的数量为1，待整理图像中的人脸区域的分辨率大于第二阈值，且待整理图像中的人脸区域的位置属于第四区间。
作为该实现方式的另一个示例，第二条件包括：待整理图像中的人脸区域的数量为1，待整理图像中的人脸角度属于第三区间，且待整理图像中的人脸区域的位置属于第四区间。
作为该实现方式的另一个示例，第二条件包括：待整理图像中的人脸区域的数量为1，待整理图像中的人脸区域的分辨率大于第二阈值，待整理图像中的人脸角度属于第三区间，且待整理图像中的人脸区域的位置属于第四区间。
图5示出根据本公开一实施例的人脸比对方法步骤S214的一示例性的流程图。如图5所示，步骤S214可以包括步骤S2141和步骤S2142。
在步骤S2141中，确定备选图像的人脸质量分数，其中，备选图像表示相似度最高的两个特征向量对应的候选图像。
在一种可能的实现方式中，确定备选图像的人脸质量分数，包括：根据备选图像中人脸区域的分辨率、备选图像中的人脸角度和人脸区域在备选图像中的位置中的一项或多项，确定备选图像的人脸质量分数。
在一种可能的实现方式中，确定备选图像的人脸质量分数，包括：根据备选图像中人脸区域的分辨率、备选图像中的人脸角度和人脸区域在备选图像中的位置中的一项或多项，确定备选图像的人脸质量分数。
作为该实现方式的一个示例，备选图像的人脸质量分数与备选图像中人脸区域的分辨率正相关。
作为该实现方式的一个示例，备选图像的人脸质量分数与备选图像中的人脸角度的绝对值负相关。
作为该实现方式的一个示例，备选图像的人脸质量分数与第一距离负相关。其中，第一距离等于人脸区域的几何中心与备选图像的几何中心之间的距离。
需要说明的是，尽管以根据备选图像中人脸区域的分辨率、备选图像中的人脸角度和人脸区域在备选图像中的位置中的一项或多项确定备选图像的人脸质量分数作为示例介绍了确定备选图像的人脸质量分数的方式如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活设置确定备选图像的人脸质量分数的实现方式。
在步骤S2142中，将人脸质量分数更高的备选图像确定为第一人脸图像。
图6示出根据本公开一实施例的人脸比对装置的框图。如图6所示，该装置包括：人脸检测模块61，用于对待处理图像进行人脸检测，确定待处理图像中的人脸区域；提取模块62，用于提取人脸区域的特征点；特征描述模块63，用于对人脸区域的特征点进行特征描述，得到人脸区域的特征向量；比对模块64，用于根据人脸区域的特征向量，将人脸区域与人脸特征库中的人脸图像进行比对，得到人脸区域对应的比对结果，其中，人脸特征库中目标人物与特征向量一一对应，且目标人物与人脸图像一一对应。
在一种可能的实现方式中，提取模块62用于：在人脸区域满足第一条件的情况下，提取人脸区域的特征点。
在一种可能的实现方式中，第一条件包括以下一项或多项：待处理图像中的人脸区域的数量为1；人脸区域的分辨率大于第一阈值；人脸区域中的人脸角度属于第一区间；人脸区域在待处理图像中的位置属于第二区间。
在一种可能的实现方式中，比对模块64用于：采用乘积量化方法，在人脸特征库中检索与人脸区域的特征向量匹配的人脸图像，得到人脸区域对应的比对结果。
图7示出根据本公开一实施例的人脸比对装置的一示例性的框图。如图7所示：
在一种可能的实现方式中，该装置还包括：第一获取模块65，用于获取多个目标人物的人脸图像；第二获取模块66，用于获取人脸图像的特征向量；建立模块67，用于采用乘积量化方法，基于多个目标人物的人脸图像以及人脸图像的特征向量建立人脸特征库。
在一种可能的实现方式中，第一获取模块65包括：获取子模块651，用于对于任一目标人物，获取目标人物对应的多个候选图像；提取子模块652，用于分别提取多个候选图像中的人脸区域的特征向量；第一确定子模块653，用于确定多个候选图像中的不同候选图像中人脸区域的特征向量之间的相似度；第二确定子模块654，用于从相似度最高的两个特征向量对应的候选图像中确定第一人脸图像；截取子模块655，用于从第一人脸图像中截取人脸区域，得到目标人物的人脸图像。
在一种可能的实现方式中，获取子模块651包括：获取单元，用于获取目标人物对应的多个待整理图像；第一确定单元，用于将多个待整理图像中满足第二条件的待整理图像确定为目标人物对应的候选图像。
在一种可能的实现方式中，第二条件包括：待整理图像中的人脸区域的数量为1。
在一种可能的实现方式中，第二条件还包括以下一项或多项：待整理图像中的人脸区域的分辨率大于第二阈值；待整理图像中的人脸角度属于第三区间；待整理图像中的人脸区域的位置属于第四区间。
在一种可能的实现方式中，第二确定子模块654用于：从相似度最高的两个特征向量对应的候选图像中随机选择一个作为第一人脸图像。
在一种可能的实现方式中，第二确定子模块654包括：第二确定单元，用于确定备选图像的人脸质量分数，其中，备选图像表示相似度最高的两个特征向量对应的候选图像；第三确定单元，用于将人脸质量分数更高的备选图像确定为第一人脸图像。
在一种可能的实现方式中，第二确定单元用于：根据备选图像中人脸区域的分辨率、备选图像中的人脸角度和人脸区域在备选图像中的位置中的一项或多项，确定备选图像的人脸质量分数。
在本公开实施例中，通过将待处理图像中人脸区域的特征向量与简化的人脸特征库中的人脸图像进行比对，由此能够避免将待处理图像中的人脸区域的特征向量与大量冗余的人脸图像进行比对，从而能够提高人脸比对的效率。
图8是根据一示例性实施例示出的一种用于人脸比对的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图8，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
图9是根据一示例性实施例示出的一种用于人脸比对的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图9，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (22)

1.一种人脸比对方法，其特征在于，包括：
对待处理图像进行人脸检测，确定所述待处理图像中的人脸区域；
提取所述人脸区域的特征点；
对所述人脸区域的特征点进行特征描述，得到所述人脸区域的特征向量；
根据所述人脸区域的特征向量，将所述人脸区域与人脸特征库中的人脸图像进行比对，得到所述人脸区域对应的比对结果，其中，所述人脸特征库中目标人物仅与一个特征向量对应，且目标人物仅与一个人脸图像对应；
其中，所述人脸特征库通过下述步骤获得，获取多个目标人物的人脸图像，获取所述人脸图像的特征向量，采用乘积量化方法，基于所述多个目标人物的人脸图像以及所述人脸图像的特征向量建立所述人脸特征库；
所述获取多个目标人物的人脸图像包括，对于任一目标人物，获取所述目标人物对应的多个候选图像，分别提取所述多个候选图像中的人脸区域的特征向量，确定所述多个候选图像中的不同候选图像中人脸区域的特征向量之间的相似度，从相似度最高的两个特征向量对应的候选图像中确定第一人脸图像，从所述第一人脸图像中截取人脸区域，得到所述目标人物的人脸图像。
2.根据权利要求1所述的方法，其特征在于，提取所述人脸区域的特征点，包括：
在所述人脸区域满足第一条件的情况下，提取所述人脸区域的特征点。
3.根据权利要求2所述的方法，其特征在于，所述第一条件包括以下一项或多项：
所述待处理图像中的人脸区域的数量为1；
所述人脸区域的分辨率大于第一阈值；
所述人脸区域中的人脸角度属于第一区间；
所述人脸区域在所述待处理图像中的位置属于第二区间。
4.根据权利要求1所述的方法，其特征在于，根据所述人脸区域的特征向量，将所述人脸区域与人脸特征库中的人脸图像进行比对，得到所述人脸区域对应的比对结果，包括：
采用乘积量化方法，在所述人脸特征库中检索与所述人脸区域的特征向量匹配的人脸图像，得到所述人脸区域对应的比对结果。
5.根据权利要求1所述的方法，其特征在于，获取所述目标人物对应的多个候选图像，包括：
获取所述目标人物对应的多个待整理图像；
将所述多个待整理图像中满足第二条件的待整理图像确定为所述目标人物对应的候选图像。
6.根据权利要求5所述的方法，其特征在于，所述第二条件包括：所述待整理图像中的人脸区域的数量为1。
7.根据权利要求6所述的方法，其特征在于，所述第二条件还包括以下一项或多项：
所述待整理图像中的人脸区域的分辨率大于第二阈值；
所述待整理图像中的人脸角度属于第三区间；
所述待整理图像中的人脸区域的位置属于第四区间。
8.根据权利要求1所述的方法，其特征在于，从相似度最高的两个特征向量对应的候选图像中确定第一人脸图像，包括：
从相似度最高的两个特征向量对应的候选图像中随机选择一个作为第一人脸图像。
9.根据权利要求1所述的方法，其特征在于，从相似度最高的两个特征向量对应的候选图像中确定第一人脸图像，包括：
确定备选图像的人脸质量分数，其中，所述备选图像表示相似度最高的两个特征向量对应的候选图像；
将人脸质量分数更高的备选图像确定为第一人脸图像。
10.根据权利要求9所述的方法，其特征在于，确定备选图像的人脸质量分数，包括：
根据所述备选图像中人脸区域的分辨率、所述备选图像中的人脸角度和人脸区域在所述备选图像中的位置中的一项或多项，确定所述备选图像的人脸质量分数。
11.一种人脸比对装置，其特征在于，包括：
人脸检测模块，用于对待处理图像进行人脸检测，确定所述待处理图像中的人脸区域；
提取模块，用于提取所述人脸区域的特征点；
特征描述模块，用于对所述人脸区域的特征点进行特征描述，得到所述人脸区域的特征向量；
比对模块，用于根据所述人脸区域的特征向量，将所述人脸区域与人脸特征库中的人脸图像进行比对，得到所述人脸区域对应的比对结果，其中，所述人脸特征库中目标人物仅与一个特征向量对应，且目标人物仅与一个人脸图像对应；
其中，所述装置还包括，第一获取模块，用于获取多个目标人物的人脸图像，第二获取模块，用于获取所述人脸图像的特征向量，建立模块，用于采用乘积量化方法，基于所述多个目标人物的人脸图像以及所述人脸图像的特征向量建立所述人脸特征库；
所述第一获取模块包括，获取子模块，用于对于任一目标人物，获取所述目标人物对应的多个候选图像，提取子模块，用于分别提取所述多个候选图像中的人脸区域的特征向量，第一确定子模块，用于确定所述多个候选图像中的不同候选图像中人脸区域的特征向量之间的相似度，第二确定子模块，用于从相似度最高的两个特征向量对应的候选图像中确定第一人脸图像，截取子模块，用于从所述第一人脸图像中截取人脸区域，得到所述目标人物的人脸图像。
12.根据权利要求11所述的装置，其特征在于，所述提取模块用于：
在所述人脸区域满足第一条件的情况下，提取所述人脸区域的特征点。
13.根据权利要求12所述的装置，其特征在于，所述第一条件包括以下一项或多项：
所述待处理图像中的人脸区域的数量为1；
所述人脸区域的分辨率大于第一阈值；
所述人脸区域中的人脸角度属于第一区间；
所述人脸区域在所述待处理图像中的位置属于第二区间。
14.根据权利要求11所述的装置，其特征在于，所述比对模块用于：
采用乘积量化方法，在所述人脸特征库中检索与所述人脸区域的特征向量匹配的人脸图像，得到所述人脸区域对应的比对结果。
15.根据权利要求11所述的装置，其特征在于，所述获取子模块包括：
获取单元，用于获取所述目标人物对应的多个待整理图像；
第一确定单元，用于将所述多个待整理图像中满足第二条件的待整理图像确定为所述目标人物对应的候选图像。
16.根据权利要求15所述的装置，其特征在于，所述第二条件包括：所述待整理图像中的人脸区域的数量为1。
17.根据权利要求16所述的装置，其特征在于，所述第二条件还包括以下一项或多项：
所述待整理图像中的人脸区域的分辨率大于第二阈值；
所述待整理图像中的人脸角度属于第三区间；
所述待整理图像中的人脸区域的位置属于第四区间。
18.根据权利要求11所述的装置，其特征在于，所述第二确定子模块用于：
从相似度最高的两个特征向量对应的候选图像中随机选择一个作为第一人脸图像。
19.根据权利要求11所述的装置，其特征在于，所述第二确定子模块包括：
第二确定单元，用于确定备选图像的人脸质量分数，其中，所述备选图像表示相似度最高的两个特征向量对应的候选图像；
第三确定单元，用于将人脸质量分数更高的备选图像确定为第一人脸图像。
20.根据权利要求19所述的装置，其特征在于，所述第二确定单元用于：
根据所述备选图像中人脸区域的分辨率、所述备选图像中的人脸角度和人脸区域在所述备选图像中的位置中的一项或多项，确定所述备选图像的人脸质量分数。
21.一种人脸比对装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1至10中任意一项所述的方法。
22.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至10中任意一项所述的方法。
CN201811093453.8A 2018-09-19 2018-09-19 人脸比对方法及装置 Active CN110929546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811093453.8A CN110929546B (zh) 2018-09-19 2018-09-19 人脸比对方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811093453.8A CN110929546B (zh) 2018-09-19 2018-09-19 人脸比对方法及装置

Publications (2)

Publication Number Publication Date
CN110929546A CN110929546A (zh) 2020-03-27
CN110929546B true CN110929546B (zh) 2022-11-08

Family

ID=69855139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811093453.8A Active CN110929546B (zh) 2018-09-19 2018-09-19 人脸比对方法及装置

Country Status (1)

Country Link
CN (1) CN110929546B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004005014A (ja) * 2002-05-30 2004-01-08 Symtron Technology Inc 顔認識システム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070071288A1 (en) * 2005-09-29 2007-03-29 Quen-Zong Wu Facial features based human face recognition method
CN102799877A (zh) * 2012-09-11 2012-11-28 上海中原电子技术工程有限公司 人脸图像筛选方法及系统
CN104573681A (zh) * 2015-02-11 2015-04-29 成都果豆数字娱乐有限公司 一种人脸识别方法
CN106446779B (zh) * 2016-08-29 2017-07-04 深圳市软数科技有限公司 身份识别方法和装置
CN108229289B (zh) * 2017-06-27 2021-02-05 北京市商汤科技开发有限公司 目标检索方法、装置和电子设备
CN107679504A (zh) * 2017-10-13 2018-02-09 北京奇虎科技有限公司 基于摄像头场景的人脸识别方法、装置、设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004005014A (ja) * 2002-05-30 2004-01-08 Symtron Technology Inc 顔認識システム

Also Published As

Publication number Publication date
CN110929546A (zh) 2020-03-27

Similar Documents

Publication Publication Date Title
US20210089799A1 (en) Pedestrian Recognition Method and Apparatus and Storage Medium
JP7061191B2 (ja) 画像処理方法及び装置、電子機器並びに記憶媒体
CN110472091B (zh) 图像处理方法及装置、电子设备和存储介质
CN110569777B (zh) 图像处理方法及装置、电子设备和存储介质
CN109934275B (zh) 图像处理方法及装置、电子设备和存储介质
CN108985176B (zh) 图像生成方法及装置
CN110928627B (zh) 界面展示方法及装置、电子设备和存储介质
CN110933488A (zh) 视频剪辑方法及装置
CN111523346B (zh) 图像识别方法及装置、电子设备和存储介质
CN111652107B (zh) 对象计数方法及装置、电子设备和存储介质
CN110781813A (zh) 图像识别方法及装置、电子设备和存储介质
CN109101542B (zh) 图像识别结果输出方法及装置、电子设备和存储介质
CN112270288A (zh) 活体识别、门禁设备控制方法和装置、电子设备
CN109344703B (zh) 对象检测方法及装置、电子设备和存储介质
CN111242303A (zh) 网络训练方法及装置、图像处理方法及装置
CN114332503A (zh) 对象重识别方法及装置、电子设备和存储介质
CN113261011B (zh) 图像处理方法及装置、电子设备和存储介质
CN113538310A (zh) 图像处理方法及装置、电子设备和存储介质
CN111311588B (zh) 重定位方法及装置、电子设备和存储介质
CN110633715B (zh) 图像处理方法、网络训练方法及装置、和电子设备
CN110929545A (zh) 人脸图像的整理方法及装置
CN110781842A (zh) 图像处理方法及装置、电子设备和存储介质
CN114445753A (zh) 人脸跟踪识别方法及装置、电子设备和存储介质
CN110955800A (zh) 视频检索方法及装置
CN111275055B (zh) 网络训练方法及装置、图像处理方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200430

Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Alibaba (China) Co.,Ltd.

Address before: 200241, room 2, floor 02, building 555, Dongchuan Road, Minhang District, Shanghai

Applicant before: CHUANXIAN NETWORK TECHNOLOGY (SHANGHAI) Co.,Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 554, 5 / F, building 3, 969 Wenyi West Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province

Applicant after: Alibaba (China) Co.,Ltd.

Address before: 310052 room 508, 5th floor, building 4, No. 699 Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province

Applicant before: Alibaba (China) Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220927

Address after: Room 2601, floor 26, building 9, Wangjing Dongyuan Fourth District, Chaoyang District, Beijing 100102

Applicant after: BEIJING YOUKU TECHNOLOGY Co.,Ltd.

Address before: Room 554, 5 / F, building 3, 969 Wenyi West Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province

Applicant before: Alibaba (China) Co.,Ltd.

GR01 Patent grant
GR01 Patent grant