CN110956149A - 宠物身份核验方法、装置、设备及计算机可读存储介质 - Google Patents

宠物身份核验方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN110956149A
CN110956149A CN201911244443.4A CN201911244443A CN110956149A CN 110956149 A CN110956149 A CN 110956149A CN 201911244443 A CN201911244443 A CN 201911244443A CN 110956149 A CN110956149 A CN 110956149A
Authority
CN
China
Prior art keywords
pet
verified
face image
picture
pet face
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911244443.4A
Other languages
English (en)
Inventor
陈伟璇
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 Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China 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 Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN201911244443.4A priority Critical patent/CN110956149A/zh
Publication of CN110956149A publication Critical patent/CN110956149A/zh
Pending legal-status Critical Current

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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • Finance (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Hardware Design (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请提供一种宠物身份核验方法、装置、设备及计算机可读存储介质，该方法包括：获取待验证宠物图片，并对所述待验证宠物图片进行有效性校验；当所述待验证宠物图片通过有效性校验后，根据预设的宠物脸识别模型从所述待验证宠物图片中提取出目标宠物脸图像；根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验。本申请涉及生物识别，可以提高宠物身份核验的准确性。

Description

宠物身份核验方法、装置、设备及计算机可读存储介质
技术领域
本申请涉及生物识别的技术领域，尤其涉及一种宠物身份核验方法、装置、设备及计算机可读存储介质。
背景技术
目前，用户可以给自家的宠物投保宠物险，当自家的宠物生病或出现意外时，可以向保险公司申请理赔，可以保障宠物的安全和减少自己的经济损失。当需要理赔时，需要用户上传已承保宠物的照片，由理赔人员将上传的宠物照片与之前投保时上传的宠物照片进行比对，确定理赔的宠物是否为之前投保的宠物，在确定理赔的宠物为之前投保的宠物后，才能进行理赔。然而，通过理赔人员人工比对上传的宠物照片与之前投保时上传的宠物照片时，比对的工作量大，且理赔人员无法准确的识别伪造的宠物照片，无法准确核验宠物身份的唯一性。因此，如何对宠物进行面部识别，并提高宠物身份的核验准确性是目前亟待解决的问题。
发明内容
本申请的主要目的在于提供一种宠物身份核验方法、装置、设备及计算机可读存储介质，旨在对宠物进行面部识别，并提高宠物身份的核验准确性。
第一方面，本申请提供一种宠物身份核验方法，所述宠物身份核验方法包括以下步骤：
获取待验证宠物图片，并对所述待验证宠物图片进行有效性校验；
当所述待验证宠物图片通过有效性校验后，根据预设的宠物脸识别模型从所述待验证宠物图片中提取出目标宠物脸图像；
根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验。
第二方面，本申请还提供一种宠物身份核验装置，所述宠物身份核验装置包括：
校验模块，用于获取待验证宠物图片，并对所述待验证宠物图片进行有效性校验；
宠物脸识别模块，用于当所述待验证宠物图片通过有效性校验后，根据预设的宠物脸识别模型从所述待验证宠物图片中提取出目标宠物脸图像；
身份核验模块，用于根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验。
第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的宠物身份核验方法的步骤。
第四方面，本申请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计算机程序，其中所述计算机程序被处理器执行时，实现如上述的宠物身份核验方法的步骤。
本申请提供一种宠物身份核验方法、装置、设备及计算机可读存储介质，本申请通过对待验证宠物图片进行有效性校验，并在待验证宠物图片通过有效性校验后，通过宠物脸识别模型从该待验证宠物图片中准确的提取出目标宠物脸图像，再将该目标宠物图像与投保时的宠物脸图像进行比较，可以得到准确的宠物身份核验结果，有效的提高宠物身份核验的准确性。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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为本申请实施例提供的一种宠物身份核验方法的流程示意图；
图2为本申请实施例中宠物脸部的宠物关键点的一示意图；
图3为实施本实施例提供的宠物身份核验方法的一场景示意图；
图4为本申请实施例提供的另一种宠物身份核验方法的流程示意图；
图5为本申请实施例提供的一种宠物身份核验装置的示意性框图；
图6为本申请实施例提供的另一种宠物身份核验装置的示意性框图；
图7为本申请一实施例涉及的计算机设备的结构示意框图。
本申请目的的实现、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
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供一种宠物身份核验方法、装置、计算机设备及计算机可读存储介质。其中，该宠物身份核验方法可应用于服务器，该服务器可以为单台的服务器，也可以为由多台服务器组成的服务器集群。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，图1为本申请的实施例提供的一种宠物身份核验方法的流程示意图。
如图1所示，该宠物身份核验方法包括步骤S101至步骤S103。
步骤S101、获取待验证宠物图片，并对所述待验证宠物图片进行有效性校验。
用户在理赔时，需要通过终端设备将待验证宠物图片上传至服务器，具体地，当监测到图片上传指令时，终端设备显示图片上传页面，将拍摄得到的待验证宠物图片或从本地获取到的待验证宠物图片导入该图片上传页面，当用户确认上传时，生成携带有该待验证宠物图片的宠物险理赔请求，并将该宠物险理赔请求发送至服务器。
服务器获取待验证宠物图片，并对该待验证宠物图片进行有效性校验，即服务器接收到终端设备发送的宠物险理赔请求时，可以实时的从该宠物险理赔请求中获取待验证宠物图片，并对该待验证宠物图片进行有效性校验，或者服务器接收到终端设备发送的宠物险理赔请求时，将该宠物险理赔请求写入身份核验队列中，服务器可以定时从身份核验队列中获取未处理的宠物险理赔请求，并从该宠物险理赔请求中获取待验证宠物图片，并对该待验证宠物图片进行有效性校验。
在一实施例中，对待验证宠物图片进行有效性校验的方式具体为：服务器确定该待验证宠物图片的图像清晰度是否大于或等于预设的清晰度阈值；如果该待验证宠物图片的图像清晰度大于或等于预设的清晰度阈值，则进一步地确定该待验证宠物图片中是否存在宠物脸区域，如果该待验证宠物图片中存在宠物脸区域，则确定该待验证宠物图片通过有效性校验，如果该待验证宠物图片中不存在宠物脸区域，则确定该待验证宠物图片未通过有效性校验；如果该待验证宠物图片的图像清晰度小于预设的清晰度阈值，则也可以确定该待验证宠物图片未通过有效性校验。其中，图像清晰度用于表征图像的清晰程度。
其中，服务器可以通过运行预存的清晰度检测程序确定该待验证宠物图片的图像清晰度，需要说明的是，清晰度检测程序可基于Brenner梯度函数、Tenengrad梯度函数、Laplacian梯度函数、SMD(灰度方差)函数和能量梯度函数等实现，清晰度阈值可基于实际情况进行设置，本申请不作具体限定。
在一实施例中，宠物脸区域的确定方式具体为：服务器通过预设的宠物脸检测模型，确定该待验证宠物图片中是否存在宠物脸区域，即将该待验证宠物图片输入至该宠物脸检测模型即可确定待验证宠物图片中是否存在宠物脸区域。其中，该宠物脸检测模型通过训练得到，即先收集包含宠物脸区域的宠物图片和不包含宠物脸区域的宠物图片作为样本数据集，并在包含宠物脸区域的宠物图片中标注宠物脸关键点，然后基于神经网络设计宠物脸检测模型，并基于该样本数据集对宠物脸检测模型进行训练，直到模型收敛，从而得到可以检测宠物脸的宠物脸检测模型。
可选地，该神经网络为MTCNN(Multi-task convolutional neural network，多任务卷积神经网络)，获取样本数据集，该样本数据集为标注有宠物脸关键点的宠物图片集和不包含宠物脸区域的宠物图片集；基于该样本数据集对MTCNN网络进行训练，直到MTCNN收敛，即可得到宠物脸检测模型。
步骤S102、当所述待验证宠物图片通过有效性校验后，根据预设的宠物脸识别模型从所述待验证宠物图片中提取出目标宠物脸图像。
当该待验证宠物图片通过有效性校验后，服务器根据预设的宠物脸识别模型从该待验证宠物图片中提取出目标宠物脸图像，而当待验证宠物图片未通过有效性校验后，可以向对应的终端设备发送提醒信息，提醒用户重新上传待验证宠物图片。
其中，该宠物脸识别模型基于MTCNN(Multi-task convolutional neuralnetwork，多任务卷积神经网络)实现，具体为：通过收集大量的标注有宠物脸关键点、宠物脸类别的宠物图片集和不包含宠物脸区域的宠物图片集作为样本数据集；基于该MTCNN设计待训练的宠物脸识别模型，并通过收集到的样本数据集对待训练的宠物脸识别模型进行迭代训练，直到待训练的宠物脸识别模型收敛，即可得到宠物脸识别模型。
需要说明的是，基于MTCNN网络实现的待训练的宠物脸识别模型包括第一卷积神经网络层(Convolutional Neural Networks,CNN)、第二CNN层和第三CNN层，且每个CNN层均包括输入层、两个卷积层、批量归一化网络(BatchNormalization，BN)层、宠物脸分类任务、边框回归任务和宠物脸关键点定位任务，其中，BN层用于连接两个卷积层，且一个卷积层连接宠物脸分类任务、边框回归任务和宠物脸关键点定位任务，通过边框回归任务可以准确的确定用于框选宠物脸部的矩形框。
可选地，宠物关键点的数量为九个，其中，嘴部的宠物关键点为两个，眼睛的宠物关键点为六个，分别是左眼三个宠物关键点和右眼宠物关键点，鼻子的宠物关键点为一个。通过加入BN层可以实现网络快速收敛，而关键点的数量由五个上升到九个，可以提取到更加丰富的宠物脸部特征，提高模型效果。请参阅图2，图2为本申请实施例中宠物脸部的宠物关键点的一示意图，如图2所示，该宠物脸部图像标记有9个宠物关键点，其中，宠物的左眼标记有宠物关键点1、宠物关键点2和宠物关键点3，宠物的右眼标记有宠物关键点4、宠物关键点5和宠物关键点6，宠物的鼻子标记有宠物关键点7，宠物的嘴部标记有宠物关键点8和宠物关键点9。
步骤S103、根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验。
在提取到目标宠物脸图像之后，服务器根据该目标宠物脸图像和预存的宠物脸图像，对待验证宠物图片中的宠物进行身份核验。其中，该预存的宠物脸图像为用户投保宠物险时，录入服务器的宠物脸图像，具体地，用户通过终端设备投保宠物险时，上传待验证宠物图片至服务器，服务器基于宠物脸识别模型从该待验证宠物图片中提取出宠物脸图像，并与保险单号进行关联存储，当用户理赔时，可以通过终端设备发送宠物险理赔请求至服务器，服务器可以通过宠物险理赔请求中的保险单号获取关联的预存的宠物脸图像。
在一实施例中，宠物身份核验的方式具体为：计算目标宠物脸图像与预存的宠物脸图像之间的相似度；确定目标宠物脸图像与预存的宠物脸图像之间的相似度是否大于或等于预设的相似度阈值；若目标宠物脸图像与预存的宠物脸图像之间的相似度大于或等于预设的相似度阈值，则确定待验证宠物图片中的宠物通过身份校验；若目标宠物脸图像与预存的宠物脸图像之间的相似度小于预设的相似度阈值，则确定待验证宠物图片中的宠物未通过身份校验。
需要说明的是，上述相似度阈值可基于实际情况进行设置，本申请对此不作具体限定。其中，相似度的计算方式为：
Figure BDA0002307135450000061
其中，r(X,Y)为宠物脸图像与目标宠物脸图像的相似度，(x，y)为宠物脸图像与目标宠物脸图像中的任一点，n为点的数量，r(X,Y)值越大，则宠物脸图像与目标宠物脸图像越相似。
请参照图3，图3为实施本实施例提供的宠物身份核验方法的一场景示意图，如图3所示，用户通过终端设备该宠物险理赔请求发送至服务器，该宠物险理赔请求携带有待验证宠物图片，服务器可以实时基于该宠物险理赔请求中的待验证宠物图片进行宠物身份核验和理赔，也可以先存储该宠物险理赔请求中的待验证宠物图片，后续定时基于该待验证宠物图片进行宠物身份核验和理赔。
上述实施例提供的宠物身份核验方法，通过对待验证宠物图片进行有效性校验，并在待验证宠物图片通过有效性校验后，通过宠物脸识别模型从该待验证宠物图片中准确的提取出目标宠物脸图像，再将该目标宠物图像与投保时的宠物脸图像进行比较，可以得到准确的宠物身份核验结果，有效的提高宠物身份核验的准确性。
请参照图4，图4为本申请实施例提供的另一种宠物身份核验方法的流程示意图。
如图4所示，该宠物身份核验方法包括步骤S201至205。
步骤S201、获取待验证宠物图片，并对所述待验证宠物图片进行有效性校验。
服务器获取待验证宠物图片，并对该待验证宠物图片进行有效性校验，即服务器接收到终端设备发送的宠物险理赔请求时，可以实时的从该宠物险理赔请求中获取待验证宠物图片，并对该待验证宠物图片进行有效性校验，或者服务器接收到终端设备发送的宠物险理赔请求时，将该宠物险理赔请求写入身份核验队列中，服务器可以定时从身份核验队列中获取未处理的宠物险理赔请求，并从该宠物险理赔请求中获取待验证宠物图片，并对该待验证宠物图片进行有效性校验。
步骤S202、当所述待验证宠物图片通过有效性校验后，通过预设的宠物脸识别模型从所述待验证宠物图片中提取出预设数量的候选宠物脸图像。
当待验证宠物图片通过有效性校验后，服务器通过预设的宠物脸识别模型从待验证宠物图片中提取出预设数量的候选宠物脸图像，即通过对待验证宠物图片进行多次框选，且每次框选提取得到的一个候选宠物脸图像，经过多次框选可以提取得到多个候选宠物脸图像。需要说明的是，上述预设数量可基于实际情况进行设置，本申请对此不作具体限定。
具体地，通过宠物脸识别模型确定预设数量的框选点坐标组，其中，每一框选点坐标组包括四个框选点坐标，该框选点坐标为框选点在待验证宠物图片中的坐标；基于预设数量的框选点坐标组，从待验证宠物图片中提取出预设数量的候选宠物脸图像，即每次从待验证宠物图片中提取出一个框选点坐标组对应的候选宠物脸图像，经过对待验证宠物图片的预设数量的提取，可以得到预设数量的候选宠物脸图像。其中，一个框选点坐标组对应一个候选宠物脸图像。
步骤S203、通过所述宠物脸识别模型，确定每个所述候选宠物脸图像各自对应的输出概率值。
在提取出预设数量的候选宠物脸图像之后，再通过宠物脸识别模型，确定每个候选宠物脸图像各自对应的输出概率值。需要说明的是，该输出概率值为该宠物脸识别模型输出的宠物脸图像为候选宠物脸图像时的概率值，概率值越大的候选宠物脸图像，输出的概率越大。
步骤S204、根据每个所述候选宠物脸图像各自对应的输出概率值，从预设数量的候选宠物脸图像中确定目标宠物脸图像。
在得到每个候选宠物脸图像各自对应的输出概率值之后，服务器根据每个候选宠物脸图像各自对应的输出概率值，从预设数量的候选宠物脸图像中确定目标宠物脸图像。在一实施例中，将输出概率值最大对应的候选宠物脸图像作为目标宠物脸图像。
在一实施例中，目标宠物脸图像的确定方式具体为：根据每个候选宠物脸图像各自对应的输出概率值，从预设数量的候选宠物脸图像中确定待校正的宠物脸图像，即将输出概率值最大对应的候选宠物脸图像作为待校正的宠物脸图像；获取待校正的宠物脸图像的宠物脸关键点，并根据待校正的宠物脸图像的宠物脸关键点，对待校正的宠物脸图像进行校正，得到目标宠物脸图像。其中，通过预设的宠物脸识别模型从待验证宠物图片中提取出预设数量的候选宠物脸图像的同时，还通过宠物脸识别模型获取每个候选宠物脸图像的宠物脸关键点。通过对倾斜的宠物脸图像进行校正，可以保证宠物脸图像的统一性，便于后续进行身份核验。
在一实施例中，对待校正的宠物脸图像进行校正的方式具体为：根据待校正的宠物脸图像的宠物脸关键点和预存的标准宠物脸图像，确定仿射变换矩阵，即根据待校正的宠物脸图像的宠物脸关键点和该标准宠物脸图像中的宠物脸关键点，计算旋转角度和坐标偏移量；根据旋转角度和坐标偏移量，确定仿射变换矩阵；根据仿射变换矩阵，对待校正的宠物脸图像进行校正，得到目标宠物脸图像，即根据该仿射变换矩阵计算该目标宠物脸图像中每个像素点经过仿射变换后的仿射变换坐标，且基于每个像素点的仿射变换坐标，对该目标宠物脸图像进行对齐校正，得到目标宠物脸图像。
其中，预存的标准宠物脸图像中的宠物脸标记有九个宠物脸关键点，且宠物脸正向，没有发生倾斜，仿射变换的公式具体为：
Figure BDA0002307135450000081
其中，θx和θy为旋转角度，tx和ty为坐标偏移量，(Xsp,Ysp)为该目标宠物脸图像中的像素点的坐标，(x′,y′)为(Xsp,Ysp)经仿射变换后的坐标，通过该公式即可得到该目标宠物脸图像中每个像素点经过仿射变换后的仿射变换坐标。
步骤S205、根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验。
在提取到目标宠物脸图像之后，服务器根据该目标宠物脸图像和预存的宠物脸图像，对待验证宠物图片中的宠物进行身份核验。其中，该预存的宠物脸图像为用户投保宠物险时，录入服务器的宠物脸图像，具体地，用户通过终端设备投保宠物险时，上传待验证宠物图片至服务器，服务器基于宠物脸识别模型从该待验证宠物图片中提取出宠物脸图像，并与保险单号进行关联存储，当用户理赔时，可以通过终端设备发送宠物险理赔请求至服务器，服务器可以通过宠物险理赔请求中的保险单号获取关联的预存的宠物脸图像。
上述实施例提供的宠物身份核验方法，通过对待验证宠物图片进行有效性校验，并在待验证宠物图片通过有效性校验后，通过宠物脸识别模型从该待验证宠物图片中提取出多个候选物脸图像，并从多个候选宠物脸图像中获取目标宠物脸图像，可以提高宠物脸图像的提取准确度，便于后续准确核验宠物身份，进一步提高了宠物身份核验的准确性。
请参照图5，图5为本申请实施例提供的一种宠物身份核验装置的示意性框图。
如图5所示，该宠物身份核验装置300，包括：校验模块301、宠物脸识别模块302和身份核验模块303。
校验模块301，用于获取待验证宠物图片，并对所述待验证宠物图片进行有效性校验。
宠物脸识别模块302，用于当所述待验证宠物图片通过有效性校验后，根据预设的宠物脸识别模型从所述待验证宠物图片中提取出目标宠物脸图像。
身份核验模块303，用于根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验。
在一个实施例中，所述校验模块301，还用于确定所述待验证宠物图片的图像清晰度是否大于或等于预设的清晰度阈值；若所述待验证宠物图片的图像清晰度大于或等于预设的清晰度阈值，则确定所述待验证宠物图片中是否存在宠物脸区域；若所述待验证宠物图片中存在宠物脸区域，则确定所述待验证宠物图片通过有效性校验，若所述待验证宠物图片中不存在宠物脸区域，则确定所述待验证宠物图片未通过有效性校验。
在一个实施例中，所述校验模块301，还用于通过预设的宠物脸检测模型，确定所述待验证宠物图片中是否存在宠物脸区域。
在一个实施例中，所述身份核验模块303，还用于计算所述目标宠物脸图像与预存的宠物脸图像之间的相似度；确定所述目标宠物脸图像与预存的宠物脸图像之间的相似度是否大于或等于预设的相似度阈值；若所述目标宠物脸图像与预存的宠物脸图像之间的相似度大于或等于预设的相似度阈值，则确定所述待验证宠物图片中的宠物通过身份校验；若所述目标宠物脸图像与预存的宠物脸图像之间的相似度小于预设的相似度阈值，则确定所述待验证宠物图片中的宠物未通过身份校验。
请参照图6，图6为本申请实施例提供的另一种宠物身份核验装置的示意性框图。
如图6所示，该宠物身份核验装置400，包括：校验模块401、宠物脸识别模块402、概率值确定模块403、图像确定模块404和身份核验模块405。
校验模块401，用于获取待验证宠物图片，并对所述待验证宠物图片进行有效性校验。
宠物脸识别模块402，用于当所述待验证宠物图片通过有效性校验后，通过预设的宠物脸识别模型从所述待验证宠物图片中提取出预设数量的候选宠物脸图像。
概率值确定模块403，用于通过所述宠物脸识别模型，确定每个所述候选宠物脸图像各自对应的输出概率值。
图像确定模块404，用于根据每个所述候选宠物脸图像各自对应的输出概率值，从预设数量的候选宠物脸图像中确定目标宠物脸图像。
身份核验模块405，用于根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验。
在一实施例中，所述图像确定模块404，还用于根据每个所述候选宠物脸图像各自对应的输出概率值，从预设数量的候选宠物脸图像中确定待校正的宠物脸图像；获取待校正的宠物脸图像的宠物脸关键点，并根据待校正的宠物脸图像的宠物脸关键点，对待校正的宠物脸图像进行校正，得到目标宠物脸图像。
在一实施例中，所述图像确定模块404，还用于根据待校正的宠物脸图像的宠物脸关键点和预存的标准宠物脸图像，确定仿射变换矩阵；根据所述仿射变换矩阵，对待校正的宠物脸图像进行校正，得到目标宠物脸图像。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块及单元的具体工作过程，可以参考前述宠物身份核验方法实施例中的对应过程，在此不再赘述。
上述实施例提供的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图7所示的计算机设备上运行。
请参阅图7，图7为本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为服务器。
如图7所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种宠物身份核验方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种宠物身份核验方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
获取待验证宠物图片，并对所述待验证宠物图片进行有效性校验；
当所述待验证宠物图片通过有效性校验后，根据预设的宠物脸识别模型从所述待验证宠物图片中提取出目标宠物脸图像；
根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验。
在一个实施例中，所述处理器在实现根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验时，用于实现：
计算所述目标宠物脸图像与预存的宠物脸图像之间的相似度；
确定所述目标宠物脸图像与预存的宠物脸图像之间的相似度是否大于或等于预设的相似度阈值；
若所述目标宠物脸图像与预存的宠物脸图像之间的相似度大于或等于预设的相似度阈值，则确定所述待验证宠物图片中的宠物通过身份校验；
若所述目标宠物脸图像与预存的宠物脸图像之间的相似度小于预设的相似度阈值，则确定所述待验证宠物图片中的宠物未通过身份校验。
在一个实施例中，所述处理器在实现对所述待验证宠物图片进行有效性校验后，用于实现：
确定所述待验证宠物图片的图像清晰度是否大于或等于预设的清晰度阈值，若所述待验证宠物图片的图像清晰度大于或等于预设的清晰度阈值，则确定所述待验证宠物图片中是否存在宠物脸区域；
若所述待验证宠物图片中存在宠物脸区域，则确定所述待验证宠物图片通过有效性校验，若所述待验证宠物图片中不存在宠物脸区域，则确定所述待验证宠物图片未通过有效性校验。
在一个实施例中，所述处理器在实现确定所述待验证宠物图片中是否存在宠物脸区域时，用于实现：
通过预设的宠物脸检测模型，确定所述待验证宠物图片中是否存在宠物脸区域。
其中，在另一实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
获取待验证宠物图片，并对所述待验证宠物图片进行有效性校验；
当所述待验证宠物图片通过有效性校验后，通过预设的宠物脸识别模型从所述待验证宠物图片中提取出预设数量的候选宠物脸图像；
通过所述宠物脸识别模型，确定每个所述候选宠物脸图像各自对应的输出概率值；
根据每个所述候选宠物脸图像各自对应的输出概率值，从预设数量的候选宠物脸图像中确定目标宠物脸图像；
根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验。
在一个实施例中，所述处理器在实现根据每个所述候选宠物脸图像各自对应的输出概率值，从预设数量的候选宠物脸图像中确定目标宠物脸图像时，用于实现：
根据每个所述候选宠物脸图像各自对应的输出概率值，从预设数量的候选宠物脸图像中确定待校正的宠物脸图像；
获取待校正的宠物脸图像的宠物脸关键点，并根据待校正的宠物脸图像的宠物脸关键点，对待校正的宠物脸图像进行校正，得到目标宠物脸图像。
在一个实施例中，所述处理器在实现根据待校正的宠物脸图像的宠物脸关键点，对待校正的宠物脸图像进行校正，得到目标宠物脸图像时，用于实现：
根据待校正的宠物脸图像的宠物脸关键点和预存的标准宠物脸图像，确定仿射变换矩阵；
根据所述仿射变换矩阵，对待校正的宠物脸图像进行校正，得到目标宠物脸图像。
本申请实施例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计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本申请宠物身份核验方法的各个实施例。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备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。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，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、方法、物品或者系统不仅包括那些要素，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、方法、物品或者系统所固有的要素。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、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种宠物身份核验方法，其特征在于，包括：
获取待验证宠物图片，并对所述待验证宠物图片进行有效性校验；
当所述待验证宠物图片通过有效性校验后，根据预设的宠物脸识别模型从所述待验证宠物图片中提取出目标宠物脸图像；
根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验。
2.根据权利要求1所述的宠物身份核验方法，其特征在于，所述当所述待验证宠物图片通过有效性校验后，根据预设的宠物脸识别模型从所述待验证宠物图片中提取出目标宠物脸图像，包括：
当所述待验证宠物图片通过有效性校验后，通过预设的宠物脸识别模型从所述待验证宠物图片中提取出预设数量的候选宠物脸图像；
通过所述宠物脸识别模型，确定每个所述候选宠物脸图像各自对应的输出概率值；
根据每个所述候选宠物脸图像各自对应的输出概率值，从预设数量的候选宠物脸图像中确定目标宠物脸图像。
3.根据权利要求2所述的宠物身份核验方法，其特征在于，所述根据每个所述候选宠物脸图像各自对应的输出概率值，从预设数量的候选宠物脸图像中确定目标宠物脸图像，包括：
根据每个所述候选宠物脸图像各自对应的输出概率值，从预设数量的候选宠物脸图像中确定待校正的宠物脸图像；
获取待校正的宠物脸图像的宠物脸关键点，并根据待校正的宠物脸图像的宠物脸关键点，对待校正的宠物脸图像进行校正，得到目标宠物脸图像。
4.根据权利要求3所述的宠物身份核验方法，其特征在于，所述根据待校正的宠物脸图像的宠物脸关键点，对待校正的宠物脸图像进行校正，得到目标宠物脸图像，包括：
根据待校正的宠物脸图像的宠物脸关键点和预存的标准宠物脸图像，确定仿射变换矩阵；
根据所述仿射变换矩阵，对待校正的宠物脸图像进行校正，得到目标宠物脸图像。
5.根据权利要求1至4中任一项所述的宠物身份核验方法，其特征在于，所述根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验，包括：
计算所述目标宠物脸图像与预存的宠物脸图像之间的相似度；
确定所述目标宠物脸图像与预存的宠物脸图像之间的相似度是否大于或等于预设的相似度阈值；
若所述目标宠物脸图像与预存的宠物脸图像之间的相似度大于或等于预设的相似度阈值，则确定所述待验证宠物图片中的宠物通过身份校验；
若所述目标宠物脸图像与预存的宠物脸图像之间的相似度小于预设的相似度阈值，则确定所述待验证宠物图片中的宠物未通过身份校验。
6.根据权利要求1至4中任一项所述的宠物身份核验方法，其特征在于，所述对所述待验证宠物图片进行有效性校验，包括：
确定所述待验证宠物图片的图像清晰度是否大于或等于预设的清晰度阈值，若所述待验证宠物图片的图像清晰度大于或等于预设的清晰度阈值，则确定所述待验证宠物图片中是否存在宠物脸区域；
若所述待验证宠物图片中存在宠物脸区域，则确定所述待验证宠物图片通过有效性校验，若所述待验证宠物图片中不存在宠物脸区域，则确定所述待验证宠物图片未通过有效性校验。
7.根据权利要求6所述的宠物身份核验方法，其特征在于，所述确定所述待验证宠物图片中是否存在宠物脸区域，包括：
通过预设的宠物脸检测模型，确定所述待验证宠物图片中是否存在宠物脸区域。
8.一种宠物身份核验装置，其特征在于，所述宠物身份核验装置包括：
校验模块，用于获取待验证宠物图片，并对所述待验证宠物图片进行有效性校验；
宠物脸识别模块，用于当所述待验证宠物图片通过有效性校验后，根据预设的宠物脸识别模型从所述待验证宠物图片中提取出目标宠物脸图像；
身份核验模块，用于根据所述目标宠物脸图像和预存的宠物脸图像，对所述待验证宠物图片中的宠物进行身份核验。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的宠物身份核验方法的步骤。
10.一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计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的宠物身份核验方法的步骤。
CN201911244443.4A 2019-12-06 2019-12-06 宠物身份核验方法、装置、设备及计算机可读存储介质 Pending CN110956149A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911244443.4A CN110956149A (zh) 2019-12-06 2019-12-06 宠物身份核验方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911244443.4A CN110956149A (zh) 2019-12-06 2019-12-06 宠物身份核验方法、装置、设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN110956149A true CN110956149A (zh) 2020-04-03

Family

ID=69980104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911244443.4A Pending CN110956149A (zh) 2019-12-06 2019-12-06 宠物身份核验方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110956149A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112926479A (zh) * 2021-03-08 2021-06-08 新疆爱华盈通信息技术有限公司 猫脸识别方法、系统、电子装置及存储介质
GR1010102B (el) * 2021-03-26 2021-10-15 Breed Ike, Συστημα αναγνωρισης προσωπου ζωων
CN113673422A (zh) * 2021-08-19 2021-11-19 苏州中科先进技术研究院有限公司 一种宠物种类识别方法及识别系统
TWI785744B (zh) * 2021-08-18 2022-12-01 中國信託產物保險股份有限公司 線上寵物投保理賠系統及方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303150A (zh) * 2014-06-26 2016-02-03 腾讯科技（深圳）有限公司 实现图像处理的方法和系统
CN105405054A (zh) * 2015-12-11 2016-03-16 平安科技（深圳）有限公司 基于理赔照片深度学习实现保险理赔反欺诈的方法及服务器
CN107766807A (zh) * 2017-09-30 2018-03-06 平安科技（深圳）有限公司 电子装置、投保牲畜识别方法和计算机可读存储介质
CN108038456A (zh) * 2017-12-19 2018-05-15 中科视拓（北京）科技有限公司 一种人脸识别系统中的防欺骗方法
CN108108711A (zh) * 2017-12-29 2018-06-01 深圳云天励飞技术有限公司 人脸布控方法、电子设备及存储介质
CN108921026A (zh) * 2018-06-01 2018-11-30 平安科技（深圳）有限公司 动物身份的识别方法、装置、计算机设备和存储介质
CN109190477A (zh) * 2018-08-02 2019-01-11 平安科技（深圳）有限公司 基于牛脸识别的保险理赔方法、装置、计算机设备及存储介质
CN109285079A (zh) * 2018-08-31 2019-01-29 阿里巴巴集团控股有限公司 终端屏幕保险的数据处理方法、装置、客户端及服务器
CN110262925A (zh) * 2019-05-08 2019-09-20 平安科技（深圳）有限公司 图片的远程备份方法、装置、终端设备及介质
CN110334593A (zh) * 2019-05-28 2019-10-15 浙江泽曦科技有限公司 宠物脸部识别方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303150A (zh) * 2014-06-26 2016-02-03 腾讯科技（深圳）有限公司 实现图像处理的方法和系统
CN105405054A (zh) * 2015-12-11 2016-03-16 平安科技（深圳）有限公司 基于理赔照片深度学习实现保险理赔反欺诈的方法及服务器
CN107766807A (zh) * 2017-09-30 2018-03-06 平安科技（深圳）有限公司 电子装置、投保牲畜识别方法和计算机可读存储介质
CN108038456A (zh) * 2017-12-19 2018-05-15 中科视拓（北京）科技有限公司 一种人脸识别系统中的防欺骗方法
CN108108711A (zh) * 2017-12-29 2018-06-01 深圳云天励飞技术有限公司 人脸布控方法、电子设备及存储介质
CN108921026A (zh) * 2018-06-01 2018-11-30 平安科技（深圳）有限公司 动物身份的识别方法、装置、计算机设备和存储介质
CN109190477A (zh) * 2018-08-02 2019-01-11 平安科技（深圳）有限公司 基于牛脸识别的保险理赔方法、装置、计算机设备及存储介质
CN109285079A (zh) * 2018-08-31 2019-01-29 阿里巴巴集团控股有限公司 终端屏幕保险的数据处理方法、装置、客户端及服务器
CN110262925A (zh) * 2019-05-08 2019-09-20 平安科技（深圳）有限公司 图片的远程备份方法、装置、终端设备及介质
CN110334593A (zh) * 2019-05-28 2019-10-15 浙江泽曦科技有限公司 宠物脸部识别方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112926479A (zh) * 2021-03-08 2021-06-08 新疆爱华盈通信息技术有限公司 猫脸识别方法、系统、电子装置及存储介质
GR1010102B (el) * 2021-03-26 2021-10-15 Breed Ike, Συστημα αναγνωρισης προσωπου ζωων
TWI785744B (zh) * 2021-08-18 2022-12-01 中國信託產物保險股份有限公司 線上寵物投保理賠系統及方法
CN113673422A (zh) * 2021-08-19 2021-11-19 苏州中科先进技术研究院有限公司 一种宠物种类识别方法及识别系统

Similar Documents

Publication Publication Date Title
CN110956149A (zh) 宠物身份核验方法、装置、设备及计算机可读存储介质
CN111191539B (zh) 证件真伪验证方法、装置、计算机设备和存储介质
WO2019174130A1 (zh) 票据识别方法、服务器及计算机可读存储介质
WO2018166116A1 (zh) 车损识别方法、电子装置及计算机可读存储介质
CN108830138B (zh) 牲畜识别方法、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
US11126827B2 (en) Method and system for image identification
CN113239910B (zh) 证件识别方法、装置、设备及存储介质
CN113673439A (zh) 基于人工智能的宠物狗识别方法、装置、设备及存储介质
CN111178147A (zh) 屏幕破碎分级方法、装置、设备及计算机可读存储介质
US11741691B2 (en) Distributed learning method, server and application using identification card recognition model, and identification card recognition method using the same
CN112668575B (zh) 关键信息提取方法、装置、电子设备及存储介质
CN113111880B (zh) 证件图像校正方法、装置、电子设备及存储介质
CN114663871A (zh) 图像识别方法、训练方法、装置、系统及存储介质
CN110874570A (zh) 面部识别方法、装置、设备及计算机可读存储介质
CN109558773B (zh) 信息识别方法、装置及电子设备
CN112633281B (zh) 一种基于Hash算法车辆身份认证方法及系统
CN112818312A (zh) 基于人脸识别技术mes系统登录认证方法及mes系统
CN117237757A (zh) 一种人脸识别模型训练方法、装置、电子设备及介质
CN108364024B (zh) 图像匹配方法、装置、计算机设备和存储介质
CN113705666B (zh) 分割网络训练方法、使用方法、装置、设备及存储介质
CN115359575A (zh) 身份识别方法、装置和计算机设备
CN115424001A (zh) 场景相似度估计方法、装置、计算机设备和存储介质
CN111401348B (zh) 一种目标对象的活体检测方法及系统
CN113989901A (zh) 人脸识别方法、装置、客户端及存储介质

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