CN111046810A - 一种数据处理方法及处理装置 - Google Patents
一种数据处理方法及处理装置 Download PDFInfo
- Publication number
- CN111046810A CN111046810A CN201911299887.8A CN201911299887A CN111046810A CN 111046810 A CN111046810 A CN 111046810A CN 201911299887 A CN201911299887 A CN 201911299887A CN 111046810 A CN111046810 A CN 111046810A
- Authority
- CN
- China
- Prior art keywords
- face
- recognized
- distance
- identified
- identification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种处理方法及处理装置,所述方法包括:在获得待识别对象的人脸图像的情况下,至少基于所述人脸图像获得待识别对象的标识信息;至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,其中,所述识别距离至少为所述待识别对象与图像采集装置之间的距离。本申请实施例的处理方法能够在不依赖深度摄像头或距离传感器等元件的情况下快速有效地计算出识别距离,有效减少识别误差,降低设备成本。
Description
技术领域
本申请实施例涉及智能设备领域,特别涉及一种数据处理方法及处理装置。
背景技术
近年人脸识别技术的成熟,各类门禁和考勤系统应用越来越广泛。在现有的系统中,一般基于两种方法触发人脸识别:
1,基于人脸大小,根据人脸在摄像头图像中的大小设置阈值,当人脸超过一定阈值时进行人脸识别。这种方案的优势是普通2D摄像头即可满足需要,硬件成本低。劣势是用户的不同人脸大小影响人脸识别时机,导致小脸的用户触发时机晚,导致在闸机等待,影响用户体验。
2,基于距离触发人脸识别。利用3D摄像头或2D摄像头+距离传感器,实现在特定距离下触发人脸识别。这种方案的优势是不同年龄用户人脸识别时机一致,用户体验一致。劣势是需要定制设备增加3D摄像头或增加距离传感器,成本较高。
申请内容
一方面,本申请实施例提供了一种处理方法,包括:
在获得待识别对象的人脸图像的情况下,至少基于所述人脸图像获得待识别对象的标识信息;
至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,其中,所述识别距离至少为所述待识别对象与图像采集装置之间的距离。
作为优选,所述获得待识别对象的人脸图像,包括:
获得确定的待识别对象的第一验证信息,在所述第一验证信息验证成功的情况下,通过所述图像采集装置获得所述待识别对象的人脸图像。
作为优选,所述获得确定的待识别对象的第一验证信息,包括:
检测到至少两个可识别对象进入第一区域,根据所述可识别对象的行为参数从所述至少两个可识别对象中将符合行为条件的可识别对象确定为所述待识别对象,并根据所述待识别对象的行为参数获得所述第一验证信息;或,
检测到至少两个可识别对象进入第二区域,根据所述可识别对象之间的相对位置关系确定符合位置条件的一可识别对象为所述待识别对象,并根据所述待识别对象的位置参数获得所述第一验证信息;或,
检测到一可识别对象进入第三区域,确定该可识别对象为所述待识别对象,并根据所述待识别对象的行为参数和/或位置参数获得所述第一验证信息。
作为优选,所述至少基于所述人脸图像获得待识别对象的标识信息,包括:
利用卷积神经网络模型提取所述人脸图像中的人脸特征向量,根据所述人脸特征向量及人脸特征数据库中人脸样本与表征该人脸样本身份信息的标识信息的对应关系获得所述待识别对象的标识信息;
其中,所述标识信息至少包括人种、性别及年龄信息。
作为优选,所述至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,包括:
基于所述标识信息对应的人脸样本确定待识别对象的第一人脸参数;
至少基于所述第一人脸参数及所述人脸图像中的第二人脸参数之间的比例关系确定所述待识别对象的识别距离。
作为优选,所述至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,包括:
获得标准图像样本中识别距离与识别对象的高度及其在所述标准图像样本中的像素数之间的标准对应关系;
基于所述标准对应关系、所述人脸图像中的人脸像素数及基于所述人脸样本确定的人脸高度,计算所述待识别对象的识别距离。
作为优选,还包括:
在所述识别距离满足第一条件的情况下,触发人脸识别验证,并基于验证结果执行对应操作;
在所述识别距离满足第二条件的情况下,输出提示信息,以提示所述待处理对象靠近或远离所述图像采集装置。
作为优选,还包括:
获得待识别对象的身高参数,至少基于所述身高参数修正所述识别距离。
作为优选,所述至少基于所述身高参数修正所述识别距离,包括:
基于所述人脸样本中待识别对象的第一身高参数及获得的待识别对象的图像中的第二身高参数之间的比例关系确定第一识别距离,利用所述第一识别距离修正所述待识别对象的识别距离;或,
基于所述人脸样本中待识别对象的第一身高参数与第一人脸参数的第一对应关系、所述第二人脸参数与获得的待识别对象的图像中的第二身高参数的第二对应关系确定第二识别距离,利用所述第二识别距离修正所述待识别对象的识别距离。
另一方面,本申请实施例还提供一种处理装置,包括:
获得模块,其用于在获得待识别对象的人脸图像的情况下,至少基于所述人脸图像获得待识别对象的标识信息;
处理模块,其用于至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,其中,所述识别距离至少为所述待识别对象与图像采集装置之间的距离。
第三方面,本申请实施例还提供一种电子设备,包括:
摄像头,其用于在获得待识别对象的人脸图像的情况下,至少基于所述人脸图像获得待识别对象的标识信息;
处理器,其至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,其中,所述识别距离至少为所述待识别对象与图像采集装置之间的距离。
作为优选,所述摄像头获得待识别对象的人脸图像,包括:
获得确定的待识别对象的第一验证信息,在所述第一验证信息验证成功的情况下,通过所述图像采集装置获得所述待识别对象的人脸图像。
作为优选,所述摄像头获得确定的待识别对象的第一验证信息,包括:
检测到至少两个可识别对象进入第一区域,根据所述可识别对象的行为参数从所述至少两个可识别对象中将符合行为条件的可识别对象确定为所述待识别对象,并根据所述待识别对象的行为参数获得所述第一验证信息;或,
检测到至少两个可识别对象进入第二区域,根据所述可识别对象之间的相对位置关系确定符合位置条件的一可识别对象为所述待识别对象,并根据所述待识别对象的位置参数获得所述第一验证信息;或,
检测到一可识别对象进入第三区域,确定该可识别对象为所述待识别对象,并根据所述待识别对象的行为参数和/或位置参数获得所述第一验证信息。
作为优选,所述处理器至少基于所述人脸图像获得待识别对象的标识信息,包括:
利用卷积神经网络模型提取所述人脸图像中的人脸特征向量,根据所述人脸特征向量及人脸特征数据库中人脸样本与表征该人脸样本身份信息的标识信息的对应关系获得所述待识别对象的标识信息;
其中,所述标识信息至少包括人种、性别及年龄信息。
作为优选,所述处理器至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,包括:
基于所述标识信息对应的人脸样本确定待识别对象的第一人脸参数;
至少基于所述第一人脸参数及所述人脸图像中的第二人脸参数之间的比例关系确定所述待识别对象的识别距离。
作为优选,所述处理器至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,包括:
获得标准图像样本中识别距离与识别对象的高度及其在所述标准图像样本中的像素数之间的标准对应关系;
基于所述标准对应关系、所述人脸图像中的人脸像素数及基于所述人脸样本确定的人脸高度,计算所述待识别对象的识别距离。
作为优选,所述处理器还配置为:
在所述识别距离满足第一条件的情况下,触发人脸识别验证,并基于验证结果执行对应操作;
在所述识别距离满足第二条件的情况下,输出提示信息,以提示所述待处理对象靠近或远离所述图像采集装置。
作为优选,所述处理器还配置为:
获得待识别对象的身高参数,至少基于所述身高参数修正所述识别距离。
作为优选,所述处理器至少基于所述身高参数修正所述识别距离,包括:
基于所述人脸样本中待识别对象的第一身高参数及获得的待识别对象的图像中的第二身高参数之间的比例关系确定第一识别距离,利用所述第一识别距离修正所述待识别对象的识别距离;或,
基于所述人脸样本中待识别对象的第一身高参数与第一人脸参数的第一对应关系、所述第二人脸参数与获得的待识别对象的图像中的第二身高参数的第二对应关系确定第二识别距离,利用所述第二识别距离修正所述待识别对象的识别距离。
第四方面,本申请实施例还提供一种计算机可读存储介质,存储有计算机可执行指令,所述指令被执行时用于实现上文所述的处理方法。
基于上述实施例的公开可以获知,本申请实施例具备的有益效果包括无需设置高配的摄像头,仅采用2D摄像头便可辅助电子设备精准预估出识别距离,整体计算过程偏差较小,且设备成本低廉,提高了用户的使用体验。
附图说明
图1为本申请实施例中的处理方法的流程图。
图2为本申请另一实施例中的处理方法的流程图。
图3为本申请另一实施例中的处理方法的流程图。
图4为本申请另一实施例中的处理方法的流程图。
图5为本申请另一实施例中的处理方法的流程图。
图6为本申请实施例中的电子设备的结构框图。
图7为本申请实施例中的电子设备的结构框图。
具体实施方式
下面,结合附图对本申请的具体实施例进行详细的描述,但不作为本申请的限定。
应理解的是,可以对此处公开的实施例做出各种修改。因此,下述说明书不应该视为限制,而仅是作为实施例的范例。本领域的技术人员将想到在本公开的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本公开的实施例,并且与上面给出的对本公开的大致描述以及下面给出的对实施例的详细描述一起用于解释本公开的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述,本申请的这些和其它特性将会变得显而易见。
还应当理解,尽管已经参照一些具体实例对本申请进行了描述,但本领域技术人员能够确定地实现本申请的很多其它等效形式,它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。
当结合附图时,鉴于以下详细说明,本公开的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本公开的具体实施例;然而,应当理解,所公开的实施例仅仅是本公开的实例,其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本公开模糊不清。因此,本文所公开的具体的结构性和功能性细节并非意在限定,而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本公开。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”,其均可指代根据本公开的相同或不同实施例中的一个或多个。
下面,结合附图详细的说明本申请实施例。
如图1所示,本申请实施例提供一种处理方法,包括:
S100:在获得待识别对象的人脸图像的情况下,至少基于人脸图像获得待识别对象的标识信息;
S200:至少基于标识信息对应的人脸样本和人脸图像中的人脸参数确定待识别对象的识别距离,其中,识别距离至少为待识别对象与图像采集装置之间的距离。
例如,该处理方法可应用于一具有摄像头的电子设备中,如应用于手机、笔记本电脑中等,摄像头为2D摄像头,即,普通摄像头,当然也可为3D摄像头,具体不唯一。当电子设备的摄像头拍摄了待识别对象的人脸图像时,设备则基于该人脸图像获得待识别对象的标识信息,该标识信息例如可为用于表征待识别对象的人体本身所能够涉及的、所具有的标识信息,例如标识信息可为待识别对象的肤色、五官特性、生理特性(如胡子、皱纹等),同时包括由该多个特征所能够决定的待识别对象的其他特性,如根据五官特征、生理特性等可直接确定出待识别对象的性别、年龄等,再如通过待识别对象的肤色、五官特性等可直接确定出待识别对象的种族,如肤色较白皙,五官较立体,眉眼凹凸比例较大,则可确定出待识别对象为欧美白人,反之,若肤色较黄,五官相对扁平,则可确定出待识别对象为亚洲人。再或者,设备可基于拍摄得到的人脸图像确定人脸大小,并基于该人脸大小来辅助确定出待识别对象的年龄、种族等,如脸较小,五官较为稚嫩,则可确定待识别对象为小孩子,反之,则为成年人,而若脸较小,五官立体、皮肤白皙,则可更为确定待识别对象为欧美白人。当确定出待识别对象的标识信息后,设备则确定出与标识信息对应的人脸样本,该人脸样本可为预存储在设备本地的数据表,也可为设备自云端下载的数据表,该数据表可为基于历史大数据而计算得出的。设备通过比对标识信息而确定出数据相匹配的人脸样本,接着基于该人脸样本和之前获得的人脸图像中的人脸参数确定待识别对象的识别距离,其中,人脸参数可由人脸图像直接扫描识别分析得出,具体可包括人脸轮廓数据、五官轮廓、比例等,而识别距离至少为待识别对象与图像采集装置之间的距离,也即待识别对象与设备的摄像头之间的距离。
本实施例中通过该种处理方法,仅采用2D摄像头便可辅助电子设备精准预估出识别距离,偏差较小,成本低廉,而且可以应用于安检、无人店门禁、远程控制电子设备启动、提示用户对电子设备的用眼距离等场景时,不会经常出现识别错误或因为识别距离原因导致无法识别等现象,可实现用户无等待通过安检或门禁,提高了用户的使用体验。
进一步地,本实施例中获得待识别对象的人脸图像,包括:
S101:获得确定的待识别对象的第一验证信息,在第一验证信息验证成功的情况下,通过图像采集装置获得待识别对象的人脸图像。
例如,为了降低设备的处理负荷,避免设备对不必要或者不对的人或物,例如对靠近设备、甚至位于设备前方的人或物进行拍摄,并识别分析拍摄的图像,而该人或物可能并非设备的主人,而只是环境中的其他人,或其他动物,甚至是环境中的人手持的海报、杂质等,为了避免设备对其进行识别,造成不必要的能耗浪费,本实施例中的设备需要获得待识别对象的第一验证信息,仅在第一验证信息验证成功后才会控制摄像头拍摄待识别对象的人脸图像,以减少能耗及设备负荷。该第一验证信息具体不唯一,例如可为待识别用户输入的指纹信息、掌纹信息、特定的动作指令、语音指令等,甚至可为待识别用户随意发声而采集、识别出的待识别用户的声纹、音色信息,具体不唯一。而设备对该第一验证信息的获得方式也是不唯一的,其可直接自行采集,如通过录音器、摄像头等采集待识别用户输出的语音指令、动作指令等,也可是待识别用户通过其他电子设备采集后发送至设备中的,例如电子设备为笔记本电脑,该笔记本电脑通过验证第一验证信息而启动人脸识别功能,以在启动成功后自行开机,满足用户无需触碰笔记本电脑便可远程开机的需求。此时,待识别用户可通过手机等移动设备获得指纹信息、掌纹信息、语音指令,甚至手机自行识别处理得到的声纹、音色信息通过无线通讯端发送至笔记本电脑中,以供其验证。当验证通过后,电子设备会控制其摄像头采集待识别用户的人脸图像。
具体地,本实施例中采用的获得确定的待识别对象的第一验证信息的方式,包括:
S201:检测到至少两个可识别对象进入第一区域,根据可识别对象的行为参数从至少两个可识别对象中将符合行为条件的可识别对象确定为待识别对象,并根据待识别对象的行为参数获得第一验证信息;或,
S202:检测到至少两个可识别对象进入第二区域,根据可识别对象之间的相对位置关系确定符合位置条件的一可识别对象为待识别对象,并根据待识别对象的位置参数获得第一验证信息;或,
S203:检测到一可识别对象进入第三区域,确定该可识别对象为待识别对象,并根据待识别对象的行为参数和/或位置参数获得第一验证信息。
例如,仍以电子设备为笔记本电脑为例,当环境中包括多个人时,例如当处于公司的办公环境中时,经常会有可能多个人一同进入笔记本电脑的识别人脸的可执行区域内,即,第一区域,当电子设备检测到至少同时有两个人进入了第一区域后,电子设备为了从该至少两个人(相当于可识别对象)中确定待识别对象,如笔记本电脑的主人时,笔记本电脑可根据该至少两个人的行为条件而进行判断,最终确定待识别对象,并根据该行为条件确定行为参数,最后基于行为参数获得第一验证信息。该行为条件例如可为刷指纹、刷掌纹、输入语音指令,甚至刷物理件上的磁条等,如刷身份证件等,当电子设备获得可识别对象的行文条件数据后,可基于该数据确定行为参数,例如指纹参数、掌纹参数、语音指令中的声纹参数、音色参数、刷身份证件获得的编码参数等等,最后基于各参数而确定第一验证信息;
再如,在需要安检的场景下,如在火车站、飞机场等验证各个乘客的身份时,当有至少两个可识别对象进入第二区域后,该第二区域可为设置安全门、安检门的区域,在进站时,乘客门排队进入安全门、安检门进行安检,由于乘客排队并不是严格按照直线排列,故,第二区域所在范围内经常会出现至少同时两个人(相当于可识别对象)出现在同一区域的情况,此时电子设备为了自该至少两个可识别对象中确定待识别对象,会对该至少两个可识别对象的位置关系、各可识别对象的位置参数进行识别确定,最后将该位置参数作为第一验证信息,例如基于该位置参数确定哪个可识别对象的位置位于安全门或安检门所在位置的范围内,则确定哪些可识别对象的位置参数为第一验证信息,而仅有可识别对象的位置与安全门或安检门的实际所在位置的差值满足特定条件,由该可识别对象的位置参数形成的第一验证信息会通过验证,此时电子设备会控制摄像头采集该对象的人脸图像;
再如,当一可识别对象进入了第三区域,该第三区域可为第一区域或第二区域,甚至为第一区域与第二区域的全部区域,例如一可识别对象进入了摄像头可识别范围内,同时位于安全门、安检门区域内时,电子设备便暂时确定该可识别对象为待识别对象,并根据获得的该待识别对象的行为参数和/或位置参数而获得第一验证信息。该行为参数以及位置参数可参考上两个实施例中所述内容得到,而第一验证信息则可通过行为参数,或位置参数,或两个参数一同确定。
进一步地,当第一验证信息验证成功后,本实施例中在执行步骤至少基于人脸图像获得待识别对象的标识信息时,包括:
S204:利用卷积神经网络模型提取人脸图像中的人脸特征向量,根据人脸特征向量及人脸特征数据库中人脸样本与表征该人脸样本身份信息的标识信息的对应关系获得待识别对象的标识信息;
其中,标识信息至少包括人种、性别及年龄信息。
例如,电子设备基于摄像头采集到的待识别对象的人脸图像,利用设备中或云端或其他设备的处理模块来计算获得标识信息,如通过将人脸图像发送至云端或其他设备进行处理,并接收处理结果等。具体地,当处理模块处理人脸图像时,优选采用卷积神经网络模块来对人脸图像进行处理,以提取人脸图像中的人脸特征向量,并根据人脸特征向量及存储的人脸特征数据库中的人脸样本于表征人脸样本身份信息的标识信息对应关系来确定待识别对象的标识信息,也即,首先通过人脸特征向量自人脸特征数据库中查找到特征匹配的人脸样本,再基于该人脸样本与该人脸样本的身份信息的标识信息的对应关系来确定对应的标识信息,该标识信息至少包括种族信息、性别信息及年龄信息。也就是,人脸特征数据库中基于以往的历史大数据存储有大量的具有不同人脸特征的人脸样本,同时存储有与该人脸样本对应的标识信息,如种族信息、性别信息、年龄信息等,还可包括人脸的长度、头部整体的长度信息等等。为了方便使用,该对应关系可被制备形成一对应关系表,即该对应关系表包括人脸样本的人脸特征数据及对应的标识信息,设备每次在识别分析后均可基于该关系表而直接快速确定出准确的标识信息。该对应关系表可位于云端服务器,也可位于设备本地,并可实时与云端服务器通信,以实时或定时更新该对应关系表。
进一步地,如图2和图5所示,本实施例中在确定标识信息后,至少基于标识信息对应的人脸样本和人脸图像中的人脸参数确定待识别对象的识别距离时,包括:
S205:基于标识信息对应的人脸样本确定待识别对象的第一人脸参数;
S206至少基于第一人脸参数及人脸图像中的第二人脸参数之间的比例关系确定待识别对象的识别距离。
具体地,例如,电子设备首先基于标识信息对应的人脸样本确定待识别对象的第一人脸参数,该第一人脸参数可为人脸的尺寸,所占人脸图像中的像素数等,即,形成该尺寸的人脸,需要多少像素。接着,电子设备基于第一人脸参数及人脸图像中的第二人脸参数之间的比例关系确定待识别对象的识别距离。其中,第二人脸参数即为获得的人脸图像中的待识别用户的人脸尺寸及涉及到的像素数,电子设备基于该两个人脸参数间的比例关系,以及第一人脸参数对应的识别距离样本,经计算便可确定出当前对应第二人脸参数的实际识别距离,也即,确定出待识别用户距离电子设备的摄像头的实际距离。
具体地,如图3和图5所示,本实施例中在执行至少基于标识信息对应的人脸样本和人脸图像中的人脸参数确定待识别对象的识别距离时,包括:
S207:获得标准图像样本中识别距离与识别对象的高度及其在标准图像样本中的像素数之间的标准对应关系;
S208:基于标准对应关系、人脸图像中的人脸像素数及基于人脸样本确定的人脸高度,计算待识别对象的识别距离。
例如,获得标准图像样本中识别距离与识别对象的高度及其在标准图像样本中的像素数之间的标准对应关系,即,获得人脸样本所在的图像样本中记录的识别距离、人脸样本对应的识别对象的整体高度或仅人脸或头部长度及识别对象整体或脸部或头部在标准图像中呈现出来所需的像素数之间的标准对应关系。之后,电子设备通过该对应关系、人脸图像中的人脸像素数及基于人脸样本确定的人脸高度(即人脸长度),来一同计算待识别对象距离电子设备的实际距离,也就是识别距离。综合而言,即为,本实施例中是通过之前获得标识信息的过程中确定的人脸样本、人脸样本所在图像、人脸样本在该图像中的图像显示数据,如人脸样本对应的识别对象的身体整体或脸部或头部在图像中进行显示时所需的像素数,来确定标准对应关系,接着,基于之前获得的拍摄的人脸图像中的人脸像素数、基于人脸样本确定的人脸高度(人脸长度)以及确定标准对应关系来计算出待识别对象的识别距离。其中,该标准对应关系可同时记录在前文所述的对应关系表中,以为后续辅助确定实际识别距离时提供便利。
实际应用时,该对应关系可为:
如下表所示,
计算时,特定距离下特定用户的头部在人脸图像中的像素数,如:1m 距离远时,长度为100mm的用户头部在图像中对应的像素数为A;然后依据人脸特征数据以及上述对应关系表中的人脸样本数据确定待识别用户的人种,性别和年龄,最后读取相同条件下的人脸样本的人脸大小均值R mm,以及该在该均值下人脸样本在图像中的像素B,最后基于公式识别距离D= [(R/100)*A]/B来计算得出。由该实施例可知,对应数据表中的人脸样本数据可为具有相同或相似人脸特征数据的样本用户的人脸特征数据的均值,具有一定范围的代表性,使得不论何种待识别用户均可基于该对应关系表查找到匹配的人脸样本及其相关特征数据。而同样地,其年龄,身高范围亦可为一范围值,当然,也可为定值,即均值。
进一步地,如图4和图5所示,本申请实施例中的方法还包括:
S300:在识别距离满足第一条件的情况下,触发人脸识别验证,并基于验证结果执行对应操作;
S400:在识别距离满足第二条件的情况下,输出提示信息,以提示待处理对象靠近或远离图像采集装置。
例如,当基于上文所述方法确定出识别距离后,电子设备会确定该识别距离是否满足第一条件,若满足第一条件,则触发人脸识别验证,并基于验证结果执行对应操作,该对应操作包括开启电子设备的操作系统,如启动计算机等,而若用户当前正在使用电子设备阅读文章,或工作时,电子设备可基于该识别距离判断用户是否距离电子设备过近,恐影响用户视力,故可发出提醒,以提示用户注意用眼距离等。进一步地,若电子设备经计算发现识别距离并不满足第一条件,而是满足第二条件,例如,识别距离位于第一条件所示距离外,电子设备的摄像头无法较好地采集人脸图像时,电子设备会发出提示信息,以提示待处理对象靠近或远离采集装置,使识别距离满足第一条件,进而触发并完成人脸图像的采集。
进一步地,本申请实施例中的方法还包括:
S500:获得待识别对象的身高参数,至少基于身高参数修正识别距离。
例如,电子设备获得待识别对象的身高参数,具体可通过对待识别对象拍摄整体图像,基于该整体图像以及确定的识别距离来确定,或预先存储有该待识别对象的身高参数,之后,基于该身高参数来修正识别距离,例如对该待识别对象拍摄整体图像,利于实际身高参数、整体图像中用户的身高参数以及之前确定的识别距离来计算预估用户的实际身高参数,之后基于该预估的身高参数和实际身高参数来辅助修正之前确定的识别距离。
具体地,本实施例中在至少基于身高参数修正识别距离时,包括:
S501:基于人脸样本中待识别对象的第一身高参数及获得的待识别对象的图像中的第二身高参数之间的比例关系确定第一识别距离,利用第一识别距离修正待识别对象的识别距离;或,
S502:基于人脸样本中待识别对象的第一身高参数与第一人脸参数的第一对应关系、第二人脸参数与获得的待识别对象的图像中的第二身高参数的第二对应关系确定第二识别距离,利用第二识别距离修正待识别对象的识别距离。
例如,电子设备基于之前确定的人脸样本中获得待识别对象的第一身高参数,并基于获得的具有待识别对象的整体身长的图像而获得第二身高参数,记着基于该两个参数之间的比例关系,或者同时根据人脸样本中的识别距离及实际计算得到的识别距离的比例关系一同确定第一识别距离,接着利用第一识别距离修正待识别对象的识别距离。或者,基于人脸样本中待识别对象的第一身高参数与第一人脸参数的第一对应关系,即人脸样本中作为样本的用户的身高参数与人脸参数的第一对应关系,以及人脸图像中的第二人脸参数与获得的具有待识别对象整体身长的图像中得到的第二身高参数的第二对应关系一同确定第二识别距离,最后基于该第二识别距离来修正原确定的识别距离。其中,第二身高参数也可基于第二人脸参数,即拍摄的人脸图像中确定的人脸参数,以及人脸样本中的人脸参数和身高参数来一同计算确定出,并不一定需要拍摄待识别对象的全身像。
如图6所示,本申请实施例中同时提供一种电子设备,包括:
获得模块1,其用于在获得待识别对象的人脸图像的情况下,至少基于所述人脸图像获得待识别对象的标识信息;
处理模块2,其用于至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,其中,所述识别距离至少为所述待识别对象与图像采集装置之间的距离。
例如,该处理方法应用于一具有摄像头的电子设备中,如应用于手机、笔记本电脑中等,摄像头为2D摄像头,即,普通摄像头,当然也可为3D 摄像头,具体不唯一。当电子设备的摄像头拍摄了待识别对象的人脸图像时,设备则基于该人脸图像获得待识别对象的标识信息,该标识信息例如可为用于表征待识别对象的人体本身所能够涉及的、所具有的标识信息,例如标识信息可为待识别对象的肤色、五官特性、生理特性(如胡子、皱纹等),同时包括由该多个特征所能够决定的待识别对象的其他特性,如根据五官特征、生理特性等可直接确定出待识别对象的性别、年龄等,再如通过待识别对象的肤色、五官特性等可直接确定出待识别对象的种族,如肤色较白皙,五官较立体,眉眼凹凸比例较大,则可确定出待识别对象为欧美白人,反之,若肤色较黄,五官相对扁平,则可确定出待识别对象为亚洲人。再或者,设备可基于拍摄得到的人脸图像确定人脸大小,并基于该人脸大小来辅助确定出待识别对象的年龄、种族等,如脸较小,五官较为稚嫩,则可确定待识别对象为小孩子,反之,则为成年人,而若脸较小,五官立体、皮肤白皙,则可更为确定待识别对象为欧美白人。当确定出待识别对象的标识信息后,设备则确定出与标识信息对应的人脸样本,该人脸样本可为预存储在设备本地的数据表,也可为设备自云端下载的数据表,该数据表可为基于历史大数据而计算得出的。设备通过比对标识信息而确定出数据相匹配的人脸样本,接着基于该人脸样本和之前获得的人脸图像中的人脸参数确定待识别对象的识别距离,其中,人脸参数可由人脸图像直接扫描识别分析得出,具体可包括人脸轮廓数据、五官轮廓、比例等,而识别距离至少为待识别对象与图像采集装置之间的距离,也即待识别对象与设备的摄像头之间的距离。
本实施例中通过应用该种处理方法的电子设备,使得其仅采用2D摄像头便可辅助电子设备精准预估出识别距离,偏差较小,成本低廉,而且可以应用于安检、无人店门禁、远程控制电子设备启动、提示用户对电子设备的用眼距离等场景时,不会经常出现识别错误或因为识别距离原因导致无法识别等现象,可实现用户无等待通过安检或门禁,提高了用户的使用体验。
进一步地,本实施例中的获得模块1在获得待识别对象的人脸图像时,包括:
获得确定的待识别对象的第一验证信息,在第一验证信息验证成功的情况下,通过图像采集装置获得待识别对象的人脸图像。
例如,为了降低设备的处理负荷,避免设备对不必要或者不对的人或物,例如对靠近设备、甚至位于设备前方的人或物进行拍摄,并识别分析拍摄的图像,而该人或物可能并非设备的主人,而只是环境中的其他人,或其他动物,甚至是环境中的人手持的海报、杂质等,为了避免设备对其进行识别,造成不必要的能耗浪费,本实施例中的设备需要获得待识别对象的第一验证信息,仅在第一验证信息验证成功后才会控制摄像头拍摄待识别对象的人脸图像,以减少能耗及设备负荷。该第一验证信息具体不唯一,例如可为待识别用户输入的指纹信息、掌纹信息、特定的动作指令、语音指令等,甚至可为待识别用户随意发声而采集、识别出的待识别用户的声纹、音色信息,具体不唯一。而设备对该第一验证信息的获得方式也是不唯一的,其可直接自行采集,如通过录音器、摄像头等采集待识别用户输出的语音指令、动作指令等,也可是待识别用户通过其他电子设备采集后发送至设备中的,例如电子设备为笔记本电脑,该笔记本电脑通过验证第一验证信息而启动人脸识别功能,以在启动成功后自行开机,满足用户无需触碰笔记本电脑便可远程开机的需求。此时,待识别用户可通过手机等移动设备获得指纹信息、掌纹信息、语音指令,甚至手机自行识别处理得到的声纹、音色信息通过无线通讯端发送至笔记本电脑中,以供其验证。当验证通过后,电子设备会控制其摄像头采集待识别用户的人脸图像。
具体地,本实施例中的获得模块1采用的获得确定的待识别对象的第一验证信息的方式,包括:
检测到至少两个可识别对象进入第一区域,根据可识别对象的行为参数从至少两个可识别对象中将符合行为条件的可识别对象确定为待识别对象,并根据待识别对象的行为参数获得第一验证信息;或,
检测到至少两个可识别对象进入第二区域,根据可识别对象之间的相对位置关系确定符合位置条件的一可识别对象为待识别对象,并根据待识别对象的位置参数获得第一验证信息;或,
检测到一可识别对象进入第三区域,确定该可识别对象为待识别对象,并根据待识别对象的行为参数和/或位置参数获得第一验证信息。
例如,仍以电子设备为笔记本电脑为例,当环境中包括多个人时,例如当处于公司的办公环境中时,经常会有可能多个人一同进入笔记本电脑的识别人脸的可执行区域内,即,第一区域,当电子设备检测到至少同时有两个人进入了第一区域后,电子设备为了从该至少两个人(相当于可识别对象)中确定待识别对象,如笔记本电脑的主人时,笔记本电脑可根据该至少两个人的行为条件而进行判断,最终确定待识别对象,并根据该行为条件确定行为参数,最后基于行为参数获得第一验证信息。该行为条件例如可为刷指纹、刷掌纹、输入语音指令,甚至刷物理件上的磁条等,如刷身份证件等,当电子设备获得可识别对象的行文条件数据后,可基于该数据确定行为参数,例如指纹参数、掌纹参数、语音指令中的声纹参数、音色参数、刷身份证件获得的编码参数等等,最后基于各参数而确定第一验证信息;
再如,在需要安检的场景下,如在火车站、飞机场等验证各个乘客的身份时,当有至少两个可识别对象进入第二区域后,该第二区域可为设置安全门、安检门的区域,在进站时,乘客门排队进入安全门、安检门进行安检,由于乘客排队并不是严格按照直线排列,故,第二区域所在范围内经常会出现至少同时两个人(相当于可识别对象)出现在同一区域的情况,此时电子设备为了自该至少两个可识别对象中确定待识别对象,会对该至少两个可识别对象的位置关系、各可识别对象的位置参数进行识别确定,最后将该位置参数作为第一验证信息,例如基于该位置参数确定哪个可识别对象的位置位于安全门或安检门所在位置的范围内,则确定哪些可识别对象的位置参数为第一验证信息,而仅有可识别对象的位置与安全门或安检门的实际所在位置的差值满足特定条件,由该可识别对象的位置参数形成的第一验证信息会通过验证,此时电子设备会控制摄像头采集该对象的人脸图像;
再如,当一可识别对象进入了第三区域,该第三区域可为第一区域或第二区域,甚至为第一区域与第二区域的全部区域,例如一可识别对象进入了摄像头可识别范围内,同时位于安全门、安检门区域内时,电子设备便暂时确定该可识别对象为待识别对象,并根据获得的该待识别对象的行为参数和/或位置参数而获得第一验证信息。该行为参数以及位置参数可参考上两个实施例中所述内容得到,而第一验证信息则可通过行为参数,或位置参数,或两个参数一同确定。
进一步地,当第一验证信息验证成功后,本实施例中的获得模块1在执行步骤至少基于人脸图像获得待识别对象的标识信息时,包括:
利用卷积神经网络模型提取人脸图像中的人脸特征向量,根据人脸特征向量及人脸特征数据库中人脸样本与表征该人脸样本身份信息的标识信息的对应关系获得待识别对象的标识信息;
其中,标识信息至少包括人种、性别及年龄信息。
例如,电子设备基于摄像头采集到的待识别对象的人脸图像,利用设备中或云端或其他设备的处理模块来计算获得标识信息,如通过将人脸图像发送至云端或其他设备进行处理,并接收处理结果等。具体地,当处理模块处理人脸图像时,优选采用卷积神经网络模块来对人脸图像进行处理,以提取人脸图像中的人脸特征向量,并根据人脸特征向量及存储的人脸特征数据库中的人脸样本于表征人脸样本身份信息的标识信息对应关系来确定待识别对象的标识信息,也即,首先通过人脸特征向量自人脸特征数据库中查找到特征匹配的人脸样本,再基于该人脸样本与该人脸样本的身份信息的标识信息的对应关系来确定对应的标识信息,该标识信息至少包括种族信息、性别信息及年龄信息。也就是,人脸特征数据库中基于以往的历史大数据存储有大量的具有不同人脸特征的人脸样本,同时存储有与该人脸样本对应的标识信息,如种族信息、性别信息、年龄信息等,还可包括人脸的长度、头部整体的长度信息等等。为了方便使用,该对应关系可被制备形成一对应关系表,即该对应关系表包括人脸样本的人脸特征数据及对应的标识信息,设备每次在识别分析后均可基于该关系表而直接快速确定出准确的标识信息。该对应关系表可位于云端服务器,也可位于设备本地,并可实时与云端服务器通信,以实时或定时更新该对应关系表。
进一步地,本实施例中在确定标识信息后,处理模块2至少基于标识信息对应的人脸样本和人脸图像中的人脸参数确定待识别对象的识别距离时,包括:
基于标识信息对应的人脸样本确定待识别对象的第一人脸参数;
至少基于第一人脸参数及人脸图像中的第二人脸参数之间的比例关系确定待识别对象的识别距离。
具体地,例如,电子设备首先基于标识信息对应的人脸样本确定待识别对象的第一人脸参数,该第一人脸参数可为人脸的尺寸,所占人脸图像中的像素数等,即,形成该尺寸的人脸,需要多少像素。接着,电子设备基于第一人脸参数及人脸图像中的第二人脸参数之间的比例关系确定待识别对象的识别距离。其中,第二人脸参数即为获得的人脸图像中的待识别用户的人脸尺寸及涉及到的像素数,电子设备基于该两个人脸参数间的比例关系,以及第一人脸参数对应的识别距离样本,经计算便可确定出当前对应第二人脸参数的实际识别距离,也即,确定出待识别用户距离电子设备的摄像头的实际距离。
具体地,本实施例中在执行至少基于标识信息对应的人脸样本和人脸图像中的人脸参数确定待识别对象的识别距离时,包括:
获得标准图像样本中识别距离与识别对象的高度及其在标准图像样本中的像素数之间的标准对应关系;
基于标准对应关系、人脸图像中的人脸像素数及基于人脸样本确定的人脸高度,计算待识别对象的识别距离。
例如,获得标准图像样本中识别距离与识别对象的高度及其在标准图像样本中的像素数之间的标准对应关系,即,获得人脸样本所在的图像样本中记录的识别距离、人脸样本对应的识别对象的整体高度或仅人脸或头部长度及识别对象整体或脸部或头部在标准图像中呈现出来所需的像素数之间的标准对应关系。之后,电子设备通过该对应关系、人脸图像中的人脸像素数及基于人脸样本确定的人脸高度(即人脸长度),来一同计算待识别对象距离电子设备的实际距离,也就是识别距离。综合而言,即为,本实施例中是通过之前获得标识信息的过程中确定的人脸样本、人脸样本所在图像、人脸样本在该图像中的图像显示数据,如人脸样本对应的识别对象的身体整体或脸部或头部在图像中进行显示时所需的像素数,来确定标准对应关系,接着,基于之前获得的拍摄的人脸图像中的人脸像素数、基于人脸样本确定的人脸高度(人脸长度)以及确定标准对应关系来计算出待识别对象的识别距离。其中,该标准对应关系可同时记录在前文所述的对应关系表中,以为后续辅助确定实际识别距离时提供便利。
实际应用时,该对应关系可为:
如下表所示,
计算时,特定距离下特定用户的头部在人脸图像中的像素数,如:1m 距离远时,长度为100mm的用户头部在图像中对应的像素数为A;然后依据人脸特征数据以及上述对应关系表中的人脸样本数据确定待识别用户的人种,性别和年龄,最后读取相同条件下的人脸样本的人脸大小均值R mm,以及该在该均值下人脸样本在图像中的像素B,最后基于公式识别距离D= [(R/100)*A]/B来计算得出。由该实施例可知,对应数据表中的人脸样本数据可为具有相同或相似人脸特征数据的样本用户的人脸特征数据的均值,具有一定范围的代表性,使得不论何种待识别用户均可基于该对应关系表查找到匹配的人脸样本及其相关特征数据。而同样地,其年龄,身高范围亦可为一范围值,当然,也可为定值,即均值。
进一步地,本申请实施例中的处理模块2还配置为:
在识别距离满足第一条件的情况下,触发人脸识别验证,并基于验证结果执行对应操作;
在识别距离满足第二条件的情况下,输出提示信息,以提示待处理对象靠近或远离图像采集装置。
例如,当基于上文所述方法确定出识别距离后,电子设备会确定该识别距离是否满足第一条件,若满足第一条件,则触发人脸识别验证,并基于验证结果执行对应操作,该对应操作包括开启电子设备的操作系统,如启动计算机等,而若用户当前正在使用电子设备阅读文章,或工作时,电子设备可基于该识别距离判断用户是否距离电子设备过近,恐影响用户视力,故可发出提醒,以提示用户注意用眼距离等。进一步地,若电子设备经计算发现识别距离并不满足第一条件,而是满足第二条件,例如,识别距离位于第一条件所示距离外,电子设备的摄像头无法较好地采集人脸图像时,电子设备会发出提示信息,以提示待处理对象靠近或远离采集装置,使识别距离满足第一条件,进而触发并完成人脸图像的采集。
进一步地,本申请实施例中的处理模块2还配置为:
获得待识别对象的身高参数,至少基于身高参数修正识别距离。
例如,电子设备获得待识别对象的身高参数,具体可通过对待识别对象拍摄整体图像,基于该整体图像以及确定的识别距离来确定,或预先存储有该待识别对象的身高参数,之后,基于该身高参数来修正识别距离,例如对该待识别对象拍摄整体图像,利于实际身高参数、整体图像中用户的身高参数以及之前确定的识别距离来计算预估用户的实际身高参数,之后基于该预估的身高参数和实际身高参数来辅助修正之前确定的识别距离。
具体地,本实施例中的处理模块2在至少基于身高参数修正识别距离时,包括:
基于人脸样本中待识别对象的第一身高参数及获得的待识别对象的图像中的第二身高参数之间的比例关系确定第一识别距离,利用第一识别距离修正待识别对象的识别距离;或,
基于人脸样本中待识别对象的第一身高参数与第一人脸参数的第一对应关系、第二人脸参数与获得的待识别对象的图像中的第二身高参数的第二对应关系确定第二识别距离,利用第二识别距离修正待识别对象的识别距离。
例如,电子设备基于之前确定的人脸样本中获得待识别对象的第一身高参数,并基于获得的具有待识别对象的整体身长的图像而获得第二身高参数,记着基于该两个参数之间的比例关系,或者同时根据人脸样本中的识别距离及实际计算得到的识别距离的比例关系一同确定第一识别距离,接着利用第一识别距离修正待识别对象的识别距离。或者,基于人脸样本中待识别对象的第一身高参数与第一人脸参数的第一对应关系,即人脸样本中作为样本的用户的身高参数与人脸参数的第一对应关系,以及人脸图像中的第二人脸参数与获得的具有待识别对象整体身长的图像中得到的第二身高参数的第二对应关系一同确定第二识别距离,最后基于该第二识别距离来修正原确定的识别距离。其中,第二身高参数也可基于第二人脸参数,即拍摄的人脸图像中确定的人脸参数,以及人脸样本中的人脸参数和身高参数来一同计算确定出,并不一定需要拍摄待识别对象的全身像。
如图7所示,本申请实施例同时提供一种电子设备,其包括:
摄像头3,其其用于在获得待识别对象的人脸图像的情况下,至少基于所述人脸图像获得待识别对象的标识信息;
处理器4,其用于至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,其中,所述识别距离至少为所述待识别对象与图像采集装置之间的距离。
进一步地,摄像头3在获得待识别对象的人脸图像时,包括:
获得确定的待识别对象的第一验证信息,在第一验证信息验证成功的情况下,通过图像采集装置获得待识别对象的人脸图像。
进一步地,处理器4获得确定的待识别对象的第一验证信息,包括:
检测到至少两个可识别对象进入第一区域,根据可识别对象的行为参数从至少两个可识别对象中将符合行为条件的可识别对象确定为待识别对象,并根据待识别对象的行为参数获得第一验证信息;或,
检测到至少两个可识别对象进入第二区域,根据可识别对象之间的相对位置关系确定符合位置条件的一可识别对象为待识别对象,并根据待识别对象的位置参数获得第一验证信息;或,
检测到一可识别对象进入第三区域,确定该可识别对象为待识别对象,并根据待识别对象的行为参数和/或位置参数获得第一验证信息。
进一步地,摄像头3至少基于人脸图像获得待识别对象的标识信息,包括:
利用卷积神经网络模型提取人脸图像中的人脸特征向量,根据人脸特征向量及人脸特征数据库中人脸样本与表征该人脸样本身份信息的标识信息的对应关系获得待识别对象的标识信息;
其中,标识信息至少包括人种、性别及年龄信息。
进一步地,处理器4至少基于标识信息对应的人脸样本和人脸图像中的人脸参数确定待识别对象的识别距离,包括:
基于标识信息对应的人脸样本确定待识别对象的第一人脸参数;
至少基于第一人脸参数及人脸图像中的第二人脸参数之间的比例关系确定待识别对象的识别距离。
进一步地,处理器4至少基于标识信息对应的人脸样本和人脸图像中的人脸参数确定待识别对象的识别距离,包括:
获得标准图像样本中识别距离与识别对象的高度及其在标准图像样本中的像素数之间的标准对应关系;
基于标准对应关系、人脸图像中的人脸像素数及基于人脸样本确定的人脸高度,计算待识别对象的识别距离。
进一步地,处理器4还配置为:
在识别距离满足第一条件的情况下,触发人脸识别验证,并基于验证结果执行对应操作;
在识别距离满足第二条件的情况下,输出提示信息,以提示待处理对象靠近或远离图像采集装置。
进一步地,处理器4还配置为:
获得待识别对象的身高参数,至少基于身高参数修正识别距离。
处理器至少基于身高参数修正识别距离,包括:
基于人脸样本中待识别对象的第一身高参数及获得的待识别对象的图像中的第二身高参数之间的比例关系确定第一识别距离,利用第一识别距离修正待识别对象的识别距离;或,
基于人脸样本中待识别对象的第一身高参数与第一人脸参数的第一对应关系、第二人脸参数与获得的待识别对象的图像中的第二身高参数的第二对应关系确定第二识别距离,利用第二识别距离修正待识别对象的识别距离。
进一步地,本申请实施例还提供一种计算机可读存储介质,存储有计算机可执行指令,所述指令被执行时用于实现上文所述的处理方法。
具体地,该计算机可读存储介质可以是上述实施例中描述的设备/装置 /系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现本实施例的处理方法。
本实施例计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器 (RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机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。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的数据处理方法所应用于的电子设备,可以参考前述产品实施例中的对应描述,在此不再赘述。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种处理方法,包括:
在获得待识别对象的人脸图像的情况下,至少基于所述人脸图像获得待识别对象的标识信息;
至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,其中,所述识别距离至少为所述待识别对象与图像采集装置之间的距离。
2.根据权利要求1所述的方法,所述获得待识别对象的人脸图像,包括:
获得确定的待识别对象的第一验证信息,在所述第一验证信息验证成功的情况下,通过所述图像采集装置获得所述待识别对象的人脸图像。
3.根据权利要求2所述的方法,所述获得确定的待识别对象的第一验证信息,包括:
检测到至少两个可识别对象进入第一区域,根据所述可识别对象的行为参数从所述至少两个可识别对象中将符合行为条件的可识别对象确定为所述待识别对象,并根据所述待识别对象的行为参数获得所述第一验证信息;或,
检测到至少两个可识别对象进入第二区域,根据所述可识别对象之间的相对位置关系确定符合位置条件的一可识别对象为所述待识别对象,并根据所述待识别对象的位置参数获得所述第一验证信息;或,
检测到一可识别对象进入第三区域,确定该可识别对象为所述待识别对象,并根据所述待识别对象的行为参数和/或位置参数获得所述第一验证信息。
4.根据权利要求1所述的方法,所述至少基于所述人脸图像获得待识别对象的标识信息,包括:
利用卷积神经网络模型提取所述人脸图像中的人脸特征向量,根据所述人脸特征向量及人脸特征数据库中人脸样本与表征该人脸样本身份信息的标识信息的对应关系获得所述待识别对象的标识信息;
其中,所述标识信息至少包括人种、性别及年龄信息。
5.根据权利要求1至4任一项所述的方法,所述至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,包括:
基于所述标识信息对应的人脸样本确定待识别对象的第一人脸参数;
至少基于所述第一人脸参数及所述人脸图像中的第二人脸参数之间的比例关系确定所述待识别对象的识别距离。
6.根据权利要求1至4任一项所述的方法,所述至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,包括:
获得标准图像样本中识别距离与识别对象的高度及其在所述标准图像样本中的像素数之间的标准对应关系;
基于所述标准对应关系、所述人脸图像中的人脸像素数及基于所述人脸样本确定的人脸高度,计算所述待识别对象的识别距离。
7.根据权利要求5所述的方法,还包括:
在所述识别距离满足第一条件的情况下,触发人脸识别验证,并基于验证结果执行对应操作;
在所述识别距离满足第二条件的情况下,输出提示信息,以提示所述待处理对象靠近或远离所述图像采集装置。
8.根据权利要求5所述的方法,还包括:
获得待识别对象的身高参数,至少基于所述身高参数修正所述识别距离。
9.根据权利要求8所述的方法,所述至少基于所述身高参数修正所述识别距离,包括:
基于所述人脸样本中待识别对象的第一身高参数及获得的待识别对象的图像中的第二身高参数之间的比例关系确定第一识别距离,利用所述第一识别距离修正所述待识别对象的识别距离;或,
基于所述人脸样本中待识别对象的第一身高参数与第一人脸参数的第一对应关系、所述第二人脸参数与获得的待识别对象的图像中的第二身高参数的第二对应关系确定第二识别距离,利用所述第二识别距离修正所述待识别对象的识别距离。
10.一种处理装置,包括:
获得模块,其用于在获得待识别对象的人脸图像的情况下,至少基于所述人脸图像获得待识别对象的标识信息;
处理模块,其用于至少基于所述标识信息对应的人脸样本和所述人脸图像中的人脸参数确定所述待识别对象的识别距离,其中,所述识别距离至少为所述待识别对象与图像采集装置之间的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911299887.8A CN111046810A (zh) | 2019-12-17 | 2019-12-17 | 一种数据处理方法及处理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911299887.8A CN111046810A (zh) | 2019-12-17 | 2019-12-17 | 一种数据处理方法及处理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111046810A true CN111046810A (zh) | 2020-04-21 |
Family
ID=70237014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911299887.8A Pending CN111046810A (zh) | 2019-12-17 | 2019-12-17 | 一种数据处理方法及处理装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111046810A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111726531A (zh) * | 2020-06-29 | 2020-09-29 | 北京小米移动软件有限公司 | 图像拍摄方法、处理方法、装置、电子设备及存储介质 |
CN112033351A (zh) * | 2020-08-05 | 2020-12-04 | 青岛聚好联科技有限公司 | 基于单目摄像头的距离测定方法及电子设备 |
CN112307952A (zh) * | 2020-10-29 | 2021-02-02 | 苏州博众机器人有限公司 | 一种机器人安检的方法、装置、设备及存储介质 |
CN113115086A (zh) * | 2021-04-16 | 2021-07-13 | 安乐 | 基于视频视线识别对电梯媒体收视信息进行采集的方法 |
CN113656843A (zh) * | 2021-08-18 | 2021-11-16 | 北京百度网讯科技有限公司 | 信息验证方法、装置、设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101409784A (zh) * | 2007-10-10 | 2009-04-15 | 联想(北京)有限公司 | 摄像装置及信息提示装置 |
CN106997447A (zh) * | 2016-01-22 | 2017-08-01 | 鸿富锦精密工业(深圳)有限公司 | 人脸识别系统及人脸识别方法 |
CN107247947A (zh) * | 2017-07-07 | 2017-10-13 | 北京智慧眼科技股份有限公司 | 人脸属性识别方法及装置 |
CN109376679A (zh) * | 2018-11-05 | 2019-02-22 | 绍兴文理学院 | 一种基于深度学习的人脸识别系统及方法 |
WO2019096008A1 (zh) * | 2017-11-20 | 2019-05-23 | 腾讯科技(深圳)有限公司 | 身份识别方法、计算机设备及存储介质 |
-
2019
- 2019-12-17 CN CN201911299887.8A patent/CN111046810A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101409784A (zh) * | 2007-10-10 | 2009-04-15 | 联想(北京)有限公司 | 摄像装置及信息提示装置 |
CN106997447A (zh) * | 2016-01-22 | 2017-08-01 | 鸿富锦精密工业(深圳)有限公司 | 人脸识别系统及人脸识别方法 |
CN107247947A (zh) * | 2017-07-07 | 2017-10-13 | 北京智慧眼科技股份有限公司 | 人脸属性识别方法及装置 |
WO2019096008A1 (zh) * | 2017-11-20 | 2019-05-23 | 腾讯科技(深圳)有限公司 | 身份识别方法、计算机设备及存储介质 |
CN109376679A (zh) * | 2018-11-05 | 2019-02-22 | 绍兴文理学院 | 一种基于深度学习的人脸识别系统及方法 |
Non-Patent Citations (1)
Title |
---|
成亚玲;谭爱平;张敏;: "混合多距离图像的线性判别分析人脸识别算法" * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111726531A (zh) * | 2020-06-29 | 2020-09-29 | 北京小米移动软件有限公司 | 图像拍摄方法、处理方法、装置、电子设备及存储介质 |
CN111726531B (zh) * | 2020-06-29 | 2022-03-01 | 北京小米移动软件有限公司 | 图像拍摄方法、处理方法、装置、电子设备及存储介质 |
CN112033351A (zh) * | 2020-08-05 | 2020-12-04 | 青岛聚好联科技有限公司 | 基于单目摄像头的距离测定方法及电子设备 |
CN112307952A (zh) * | 2020-10-29 | 2021-02-02 | 苏州博众机器人有限公司 | 一种机器人安检的方法、装置、设备及存储介质 |
WO2022088389A1 (zh) * | 2020-10-29 | 2022-05-05 | 博众精工科技股份有限公司 | 机器人安检的方法、装置、设备及存储介质 |
CN113115086A (zh) * | 2021-04-16 | 2021-07-13 | 安乐 | 基于视频视线识别对电梯媒体收视信息进行采集的方法 |
CN113115086B (zh) * | 2021-04-16 | 2023-09-19 | 浙江闪链科技有限公司 | 基于视频视线识别对电梯媒体收视信息进行采集的方法 |
CN113656843A (zh) * | 2021-08-18 | 2021-11-16 | 北京百度网讯科技有限公司 | 信息验证方法、装置、设备和介质 |
CN113656843B (zh) * | 2021-08-18 | 2022-08-12 | 北京百度网讯科技有限公司 | 信息验证方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111046810A (zh) | 一种数据处理方法及处理装置 | |
KR101714350B1 (ko) | 화상 인식장치 및 화상 인식장치에 대한 데이터 등록방법 | |
CN105612533B (zh) | 活体检测方法、活体检测系统以及计算机程序产品 | |
CN109858375B (zh) | 活体人脸检测方法、终端及计算机可读存储介质 | |
US9672406B2 (en) | Touchless fingerprinting acquisition and processing application for mobile devices | |
CN107680294B (zh) | 房产信息查询方法、系统、终端设备及存储介质 | |
WO2019062080A1 (zh) | 身份识别方法、电子装置及计算机可读存储介质 | |
CN111126366B (zh) | 一种活体人脸的判别方法、装置、设备及存储介质 | |
CN111881726A (zh) | 一种活体检测方法、装置及存储介质 | |
CN109766785A (zh) | 一种人脸的活体检测方法及装置 | |
CN103856614A (zh) | 一种避免移动终端误休眠方法及装置 | |
CN110796101A (zh) | 一种嵌入式平台的人脸识别方法及系统 | |
CN109635625B (zh) | 智能身份核验方法、设备、存储介质及装置 | |
TW201445351A (zh) | 移動終端開機系統及移動終端開機方法 | |
WO2020095350A1 (ja) | 情報処理装置、情報処理方法及び記録媒体 | |
WO2021051602A1 (zh) | 基于唇语密码的人脸识别方法、系统、装置及存储介质 | |
CN111368814A (zh) | 一种身份识别方法及系统 | |
CN113011211A (zh) | 一种吸烟行为的检测方法、装置、电子设备及存储介质 | |
EP3770780B1 (en) | Identification system, method, and program | |
KR102333453B1 (ko) | 지문 및 얼굴 영상을 이용한 스마트폰 기반 신원확인 방법 | |
CN106650363A (zh) | 一种身份识别方法与系统 | |
CN108647600B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
KR20070118806A (ko) | 임베디드 시스템용 안면 검출방법 | |
CN107491759B (zh) | 一种混合模式登记方法及装置 | |
CN113435400B (zh) | 无屏人脸识别校准方法、装置、无屏人脸识别设备及介质 |
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 |