CN111104825A - 人脸注册库更新方法、装置、设备及介质 - Google Patents
人脸注册库更新方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111104825A CN111104825A CN201811257693.7A CN201811257693A CN111104825A CN 111104825 A CN111104825 A CN 111104825A CN 201811257693 A CN201811257693 A CN 201811257693A CN 111104825 A CN111104825 A CN 111104825A
- Authority
- CN
- China
- Prior art keywords
- face
- registered
- quality
- image
- recognized
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000001815 facial effect Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013441 quality evaluation Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001303 quality assessment method Methods 0.000 description 4
- 230000000717 retained effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- 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
- 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
- G06F21/45—Structures or tools for the administration of authentication
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸注册库更新方法、装置、设备及介质,通过对待识别的人脸图像和人脸注册库中的注册人脸图像进行质量评估,并根据待识别的人脸图像和人脸注册库中的注册人脸图像的质量分数,进而更新人脸注册库中的人脸图像。本发明实现了人脸注册库的更新,提高了人脸识别的准确率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种人脸注册库更新方法、装置、设备及介质。
背景技术
自动识别人脸的技术或设备,在公共安全、智能监控、数字身份认证、电子商务、多媒体和数字娱乐等多领域都具有巨大的应用价值和广泛的应用市场。经过长时间的研究,人脸识别已经取得了长足的发展与进步,以“人脸”为对象的计算机视觉研究已经成为一个及其重要、研究方向众多并有着广泛应用前景的学术和科技领域。
现有的人脸识别系统,用户在使用时首先需要注册,录入注册人脸。在识别时,使用当时采集到的图像与注册数据库中的人脸图像进行匹配。但是,人脸识别受很多因素的影响,例如环境光照、被识别人与摄像头的角度、年龄、装扮变化等等。在注册环节通常不能够获取到足够多样的用户脸部图像,而在人脸识别系统使用的过程中,用户是否化妆、是否戴眼镜、年龄的增长、胖瘦程度的变化等因素都有可能使得用户的脸部特征发生变化,这种变化可能会导致人脸识别的准确率下降。
发明内容
本发明实施例提供了一种人脸注册库的更新方法、装置、设备及介质,能够实现人脸注册库的更新,提高人脸识别的准确率。
第一方面,本发明实施例提供了一种人脸注册库的更新方法,方法包括:
获取待识别的人脸图像;
将所述待识别的人脸图像与人脸注册库中的人脸图像进行匹配,确定出与所述待识别的人脸图像对应的目标已注册对象及所述待识别的人脸图像与所述目标已注册对象的注册人脸图像的匹配分数;
确定所述待识别的人脸图像和所述目标已注册对象的注册人脸图像的各个质量参数的质量分数,并根据所述各个质量参数的质量分数确定所述待识别的人脸图像的第一质量分数和所述目标已注册对象的注册人脸图像的第二质量分数;
将所述匹配分数满足预设阈值区间且所述第一质量分数大于第一质量阈值的待识别的人脸图像放入所述目标已注册对象的候选区;
利用所述候选区的人脸图像更新所述第二质量分数小于第二质量阈值的所述目标已注册对象的注册人脸图像。
根据本发明实施例提供的人脸注册库的更新方法,所述方法还包括:
确定所述人脸注册库中的所有注册对象的注册人脸图像的各个质量参数的质量分数,并根据所述人脸注册库中的所有注册对象的注册人脸图像的各个质量参数的质量分数确定所述人脸注册库中的所有注册对象的注册人脸图像的质量分数;
若所述人脸注册库中同一注册对象的注册人脸图像的数量大于第一数量阈值,则删除所述注册对象的质量分数小于第三质量阈值的已注册人脸图像。
根据本发明实施例提供的人脸注册库的更新方法,所述方法还包括:
根据所述所有注册对象的注册人脸图像的质量分数,确定所述所有注册对象的注册人脸图像的更新优先级,其中,所述优先级包括,所述质量分数越低,则所述更新优先级越高。
根据本发明实施例提供的人脸注册库的更新方法,所述方法还包括:
根据已注册对象的被识别次数,确定所述已注册对象的注册人脸图像的更新优先级,其中,所述优先级包括,所述被识别次数越多,则所述更新优先级越高。
根据本发明实施例提供的人脸注册库的更新方法,所述质量参数包括以下中的一项或多项:
人脸图像的亮度、对比度、光斑、模糊度、欧拉角。
根据本发明实施例提供的人脸注册库的更新方法,所述方法还包括:
根据注册时的人脸原始图像的质量分数和人脸角度,保留预定数量的人脸原始图像,所述人脸原始图像包括获取的原始尺寸的人脸图像和根据人脸位置放大预定倍数的人脸图像。
根据本发明实施例提供的人脸注册库的更新方法,所述利用所述候选区的人脸图像更新所述第二质量分数小于第二质量阈值的目标已注册对象的注册人脸图像,包括:
若所述目标已注册对象的注册人脸图像的数量小于数量阈值,则将所述候选区的人脸图像添加到所述目标已注册对象的注册人脸图像集合中;
若所述目标已注册对象的注册人脸图像的数量大于或等于所述数量阈值,则利用所述候选区的人脸图像替换所述第二质量分数小于第二质量阈值的所述目标已注册对象的注册人脸图像。
第二方面,本发明实施例提供了一种人脸注册库的更新装置,装置包括:
图像获取模块,用于获取待识别的人脸图像;
图像匹配模块,用于将所述待识别的人脸图像与人脸注册库中的人脸图像进行匹配,确定出与所述待识别的人脸图像对应的目标已注册对象及所述待识别的人脸图像与所述目标已注册对象的注册人脸图像的匹配分数;
质量评估模块,用于确定所述待识别的人脸图像和所述目标已注册对象的注册人脸图像的各个质量参数的质量分数,并根据所述各个质量参数的质量分数确定所述待识别的人脸图像的第一质量分数和所述目标已注册对象的注册人脸图像的第二质量分数;
候选确定模块,用于将所述匹配分数满足预设阈值区间且所述第一质量分数大于第一质量阈值的待识别的人脸图像放入所述目标已注册对象的候选区;
图像更新模块,用于利用所述候选区的人脸图像更新所述第二质量分数小于第二质量阈值的所述目标已注册对象的注册人脸图像。
本发明实施例提供了一种人脸注册库的更新设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
本发明实施例提供的人脸注册库更新方法、装置、设备及介质,通过获取待识别的人脸图像;将待识别的人脸图像与人脸注册库中的人脸图像进行匹配,确定出与待识别的人脸图像对应的目标已注册对象及待识别的人脸图像与目标已注册对象的注册人脸图像的匹配分数;确定待识别的人脸图像和目标已注册对象的注册人脸图像的各个质量参数的质量分数,并根据各个质量参数的质量分数确定待识别的人脸图像的第一质量分数和目标已注册对象的注册人脸图像的第二质量分数;将匹配分数满足预设阈值区间且第一质量分数大于第一质量阈值的待识别的人脸图像放入目标已注册对象的候选区;利用候选区的人脸图像更新第二质量分数小于第二质量阈值的目标已注册对象的注册人脸图像。实现了人脸注册库的更新,提高了人脸识别的准确率;并且能够根据实际需求,动态评估人脸图像的质量分数,使人脸注册中的图像质量越来越高,进而使人脸识别的准确率越来越高。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例的人脸注册库更新方法的流程示意图;
图2示出了本发明实施例的人脸注册库更新装置的结构图;
图3示出了本发明实施例的人脸注册库更新设备的硬件结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合图1-3对本发明实施例的人脸注册库更新方法、装置、设备及介质进行详细说明。应注意,这些实施例并不是用来限制本发明保护的范围。
图1示出了本发明实施例的人脸注册库更新方法的流程示意图。所述人脸注册库更新方法包括以下步骤:
S10,获取待识别的人脸图像;
S20,将待识别的人脸图像与人脸注册库中的人脸图像进行匹配,确定出与待识别的人脸图像对应的目标已注册对象及待识别的人脸图像与目标已注册对象的注册人脸图像的匹配分数;
S30,确定待识别的人脸图像和目标已注册对象的注册人脸图像的各个质量参数的质量分数,并根据各个质量参数的质量分数确定待识别的人脸图像的第一质量分数和目标已注册对象的注册人脸图像的第二质量分数;
S40,将匹配分数满足预设阈值区间且第一质量分数大于第一质量阈值的待识别的人脸图像放入目标已注册对象的候选区;
S50,利用候选区的人脸图像更新第二质量分数小于第二质量阈值的目标已注册对象的注册人脸图像。
利用本发明实施例,能够实现人脸注册库的更新,提高人脸识别的准确率;并且能够根据实际需求,动态评估人脸图像的质量分数,使人脸注册中的图像质量越来越高,进而使人脸识别的准确率越来越高。
在S10中,首先获取待识别的人脸图像,这里,待识别的人脸图像可以是对目标对象的人脸区域现场拍摄得到的人脸图像。或者,待识别的人脸图像还可以是预先存储的包含目标对象的人脸区域的人脸图像。待识别的人脸图像包括人脸关键点的位置等信息。
在S20中,预先建立人脸注册库,该人脸注册库中可以包括多个注册人脸图像集合,并且,每个注册人脸图像集合可以包括至少一张注册人脸图像。基于S10获取到的待识别的人脸图像,可以将该待识别的人脸图像和人脸注册库中的已注册对象的注册人脸图像集合进行匹配,获取该待识别对象与目标已注册对象的注册人脸图像的匹配分数。
可以理解的是,待识别的人脸图像与已注册对象的注册人脸图像的匹配分数越高,则可以表示待识别的人脸图像中的人脸对象与该已注册对象为同一用户的概率越大。例如,待识别的人脸图像与已注册对象的注册人脸图像的匹配分数在[-1,1]之间,越接近于1越说明是同一用户,一般情况下,若匹配分数超过一定阈值,则认为是同一用户。
需要说明的是,该方法的执行主体会根据用户在注册时的人脸原始图像的质量分数和人脸角度,保留一定数量的人脸原始图像,人脸原始图像包括获取的原始尺寸的人脸图像和根据人脸位置放大预定倍数的人脸图像。
例如,用户在使用手机的情况下利用人脸注册账户时,在用户注册和使用的过程中,均通过手机摄像头获取用户的人脸图像;在注册过程中,通过提示用户进而获取用户不同角度的人脸图像,从而建立人脸注册库;并且,同时保留用户的人脸原始图像。保留方法可以是保留正脸、上仰一定角度、下俯一定角度、左扭一定角度及右扭一定角度的各一张人脸图像。
这里,人脸图像可以根据图像的质量评分进行动态保留,例如,正脸图像可以进行多张保留,质量评分高的仅保留2张正脸图像,质量评分低于预定阈值保留5张正脸图像。
此外,人脸原始图像可以是获取的原始尺寸的图像,也可以是根据人脸位置放大一定倍数的图像,例如,根据人脸位置放大2倍的图像。
在本发明实施例中,保留人脸原始图像能够保证在人脸注册库的更新过程中,具有与获取新的注册人脸图像的可对比匹配的人脸图像,能够避免用户重复注册,并且能够提高人脸识别的准确率,提升用户感知。
在S30中,确定待识别的人脸图像和目标已注册对象的注册人脸图像的各个质量参数的质量分数,并根据各个质量参数的质量分数确定待识别的人脸图像的第一质量分数和目标已注册对象的注册人脸图像的第二质量分数。质量参数包括人脸图像的亮度、对比度、光斑、模糊度、欧拉角等。其中,对确定待识别的人脸图像的第一质量分数可以是将获取的待识别的人脸图像进行转正,并截取转正后的人脸部分,进而确定转正后的人脸部分的图像的第一质量分数。
在本发明的一个具体实施方式中,对人脸图像(包括待识别的人脸图像及人脸注册库中的所有注册人脸图像)进行质量评分时,可以将质量分数划分为预设数量的分数区间,通过评估各个分数区间的质量参数,例如人脸图像的亮度、对比度、光斑、模糊度、欧拉角等,根据实际经验统计出各个分数区间对应的合理阈值,可以是归一化为0到100之间的分数,各个质量参数乘以各自对应的质量系数,得出各个质量参数对应的质量分数,根据各个质量参数对应的质量分数,进而得到各个分数区间的分数,各个分数区间的分数相加得到待评估的人脸图像的质量分数。
另外,对于有遮挡的人脸图像、大角度的人脸图像,其质量分数会被直接评估为0分,能够在用户注册或使用过程中,直接将0分的低质量人脸图像过滤掉,不会留存在人脸注册库中,进而提升人脸识别的准确率和识别速度。
在本发明的另一个具体实施方式中,可以根据深度学习模型确定人脸图像(包括待识别的人脸图像及人脸注册库中的所有注册人脸图像)的质量分数,具体为,深度学习模型通过学习标准清晰人脸图像和待识别人脸图像之间的匹配度,训练得到各个质量参数对应的质量分数,各个质量参数对应的质量分数都被归一化为1到100之间的一个数值,将得到的数值相加得到待评估的人脸图像的质量分数。
另外,会根据需求,在预设时段内对已经注册到人脸注册库中的人脸图像根据各个质量参数重新进行质量评估,若人脸注册库中同一注册对象的已注册人脸图像的数量大于第一数量阈值,则删除注册对象的质量分数小于预设的质量阈值的已注册人脸图像,保证人脸注册库中的注册对象至少有一张对应的人脸图像。也可以是给质量分数低的人脸图像做标注,推荐质量分数较低的人脸图像进行更新。
进一步,根据所有注册对象的人脸图像的质量分数,确定所有注册对象的人脸图像的更新优先级,质量分数越低,则更新优先级越高。也可以根据已注册对象的被识别次数,确定已注册对象的人脸图像的更新优先级,被识别次数越多,则更新优先级越高。
在本发明实施例中,人脸图像的质量评估是一个动态的评估过程,即可以根据实际需求随时重新进行质量评估,且每次进行质量评估时,依据的质量参数可以是不一样的,同一质量参数的质量分数也可以是不一样的,具体可以根据实际需要确定,该过程能够保证人脸注册库中的人脸图像在不同场景下、不同状态时,质量越来越好,以提高人脸识别的准确率。
在S40中,匹配分数的预设阈值区间的低阈值比系统判断为同一个人时的阈值要低,预设阈值区间的高阈值比系统判断为同一个人时的阈值要高,例如,将匹配分数满足预设阈值区间为[0.35,0.8],第一质量分数大于0.7的待识别的人脸图像放入目标已注册对象的候选区,如此,能够增加更多的候选人脸图像,避免同一个人在不同装扮等因素下识别错误,从而放入候选区很多错误的人脸图像,导致错误不断增加的情况出现。
在S50中,若目标已注册对象的注册人脸图像的数量小于数量阈值,则将候选区的人脸图像添加到目标已注册对象的注册人脸图像集合中;若目标已注册对象的注册人脸图像的数量大于或等于数量阈值,则利用候选区的人脸图像替换第二质量分数小于第二质量阈值的目标已注册对象的注册人脸图像。
需要说明的是,可以是运营人员判断候选区的待识别人脸图像与目标已注册对象的人脸图像是否为同一用户,如果是同一用户,则进行利用候选区的人脸图像更新第二质量分数小于第二质量阈值的目标已注册对象的注册人脸图像。运营人员查看候选区的待识别人脸图像,进一步判断待识别的人脸图像与人脸注册库的目标已注册对象是否为同一用户。通过算法加人工的方式,能够采用更低的匹配分数获取更多的候选人脸图像,能够避免完全靠算法而引入不是同一用户的人脸图像的问题。
图2示出了本发明实施例的人脸注册库更新装置的结构图。如图2所示,人脸注册库更新装置包括:
图像获取模块201,用于获取待识别的人脸图像;
图像匹配模块202,用于将待识别的人脸图像与人脸注册库中的人脸图像进行匹配,确定出与待识别的人脸图像对应的目标已注册对象及待识别的人脸图像与目标已注册对象的注册人脸图像的匹配分数;
质量评估模块203,确定待识别的人脸图像和目标已注册对象的注册人脸图像的各个质量参数的质量分数,并根据各个质量参数的质量分数确定待识别的人脸图像的第一质量分数和目标已注册对象的注册人脸图像的第二质量分数;
候选确定模块204,用于将匹配分数满足预设阈值区间且第一质量分数大于第一质量阈值的待识别的人脸图像放入目标已注册对象的候选区;
图像更新模块205,用于利用候选区的人脸图像更新第二质量分数小于第二质量阈值的目标已注册对象的注册人脸图像。
在一个实施方式中,质量评估模块203具体用于:确定人脸注册库中的所有注册对象的人脸图像的各个质量参数的质量分数,并根据人脸注册库中的所有注册对象的人脸图像的各个质量参数的质量分数确定人脸注册库中的所有注册对象的人脸图像的质量分数;
若人脸注册库中同一注册对象的已注册人脸图像的数量大于第一数量阈值,则删除注册对象的质量分数小于第三质量阈值的已注册人脸图像。
在一个实施方式中,质量评估模块203具体用于:根据所有注册对象的人脸图像的质量分数,确定所有注册对象的人脸图像的更新优先级,其中,优先级包括,质量分数越低,则更新优先级越高。
在一个实施方式中,图像更新模块205具体用于:根据已注册对象的被识别次数,确定已注册对象的人脸图像的更新优先级,其中,优先级包括,被识别次数越多,则更新优先级越高。
在一个实施方式中,质量评估模块203具体用于:质量参数包括以下中的一项或多项:
人脸图像的亮度、对比度、光斑、模糊度、欧拉角。
在一个实施方式中,质量评估模块203具体用于:根据注册时的人脸原始图像的质量分数和人脸角度,保留预定数量的人脸原始图像,人脸原始图像包括获取的原始尺寸的人脸图像和根据人脸位置放大预定倍数的人脸图像。
在一个实施方式中,图像更新模块205具体用于:若目标已注册对象的注册人脸图像的数量小于数量阈值,则将候选区的人脸图像添加到目标已注册对象的注册人脸图像集合中;
若目标已注册对象的注册人脸图像的数量大于或等于数量阈值,则利用候选区的人脸图像替换第二质量分数小于第二质量阈值的目标已注册对象的注册人脸图像。
根据本发明实施例提供的人脸注册库更新的装置,实现了人脸注册库的更新,提高了人脸识别的准确率;并且能够根据实际需求,动态评估人脸图像的质量分数,使人脸注册中的图像质量越来越高,进而使人脸识别的准确率越来越高。
另外,结合图1述的本发明实施例的人脸注册库更新方法可以由人脸注册库更新设备来实现。图3示出了本发明实施例提供的人脸注册库更新设备的硬件结构示意图。
计算设备1000包括输入设备1001、输入接口1002、处理器1003、存储器1004、输出接口1005、以及输出设备1006。
其中,输入接口1002、处理器1003、存储器1004、以及输出接口1005通过总线1010相互连接,输入设备1001和输出设备1006分别通过输入接口1002和输出接口1005与总线1010连接,进而与计算设备1000的其他组件连接。
具体地,输入设备1001接收来自外部的输入信息,并通过输入接口1002将输入信息传送到处理器1003;处理器1003基于存储器1004中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器1004中,然后通过输出接口1005将输出信息传送到输出设备1006;输出设备1006将输出信息输出到计算设备1000的外部供用户使用。
计算设备1000可以执行本申请上述的人脸注册库的更新方法中的各步骤。
处理器1003可以是一个或多个中央处理器(英文:Central Processing Unit,CPU)。在处理器601或处理器701是一个CPU的情况下,该CPU可以是单核CPU,也可以是多核CPU。
存储器1004可以是但不限于随机存储存储器(RAM)、只读存储器(ROM),可擦除可编程只读存储器(EPROM)、光盘只读存储器(CD-ROM)、硬盘等中的一种或多种。存储器1004用于存储程序代码。
可以理解的是,在本申请实施例中,图2提供的各个处理模块中任一模块或全部模块的功能可以用图3所示的中央处理器1003实现。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序指令,当所述计算器程序指令被处理器执行时实现本发明实施例所述的人脸注册库的更新方法中的各步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
本说明书的各个部分均采用递进的方式进行描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点介绍的都是与其他实施例不同之处。尤其,对于装置和系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例部分的说明即可。
Claims (10)
1.一种人脸注册库更新方法,其特征在于,所述方法包括:
获取待识别的人脸图像;
将所述待识别的人脸图像与人脸注册库中的人脸图像进行匹配,确定出与所述待识别的人脸图像对应的目标已注册对象及所述待识别的人脸图像与所述目标已注册对象的注册人脸图像的匹配分数;
确定所述待识别的人脸图像和所述目标已注册对象的注册人脸图像的各个质量参数的质量分数,并根据所述各个质量参数的质量分数确定所述待识别的人脸图像的第一质量分数和所述目标已注册对象的注册人脸图像的第二质量分数;
将所述匹配分数满足预设阈值区间且所述第一质量分数大于第一质量阈值的待识别的人脸图像放入所述目标已注册对象的候选区;
利用所述候选区的人脸图像更新所述第二质量分数小于第二质量阈值的所述目标已注册对象的注册人脸图像。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述人脸注册库中的所有注册对象的注册人脸图像的各个质量参数的质量分数,并根据所述人脸注册库中的所有注册对象的注册人脸图像的各个质量参数的质量分数确定所述人脸注册库中的所有注册对象的注册人脸图像的质量分数;
若所述人脸注册库中同一注册对象的注册人脸图像的数量大于第一数量阈值,则删除所述注册对象的质量分数小于第三质量阈值的注册人脸图像。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述所有注册对象的注册人脸图像的质量分数,确定所述所有注册对象的注册人脸图像的更新优先级,其中,所述优先级包括,所述质量分数越低,则所述更新优先级越高。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据已注册对象的被识别次数,确定所述已注册对象的注册人脸图像的更新优先级,其中,所述优先级包括,所述被识别次数越多,则所述更新优先级越高。
5.根据权利要求1所述的方法,其特征在于,所述质量参数包括以下中的一项或多项:
人脸图像的亮度、对比度、光斑、模糊度、欧拉角。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据注册时的人脸原始图像的质量分数和人脸角度,保留预定数量的人脸原始图像,所述人脸原始图像包括获取的原始尺寸的人脸图像和根据人脸位置放大预定倍数的人脸图像。
7.根据权利要求1所述的方法,其特征在于,所述利用所述候选区的人脸图像更新所述第二质量分数小于第二质量阈值的目标已注册对象的注册人脸图像,包括:
若所述目标已注册对象的注册人脸图像的数量小于数量阈值,则将所述候选区的人脸图像添加到所述目标已注册对象的注册人脸图像集合中;
若所述目标已注册对象的注册人脸图像的数量大于或等于所述数量阈值,则利用所述候选区的人脸图像替换所述第二质量分数小于第二质量阈值的所述目标已注册对象的注册人脸图像。
8.一种人脸注册库更新装置,其特征在于,所述装置包括:
图像获取模块,用于获取待识别的人脸图像;
图像匹配模块,用于将所述待识别的人脸图像与人脸注册库中的人脸图像进行匹配,确定出与所述待识别的人脸图像对应的目标已注册对象及所述待识别的人脸图像与所述目标已注册对象的注册人脸图像的匹配分数;
质量评估模块,用于确定所述待识别的人脸图像和所述目标已注册对象的注册人脸图像的各个质量参数的质量分数,并根据所述各个质量参数的质量分数确定所述待识别的人脸图像的第一质量分数和所述目标已注册对象的注册人脸图像的第二质量分数;
候选确定模块,用于将所述匹配分数满足预设阈值区间且所述第一质量分数大于第一质量阈值的待识别的人脸图像放入所述目标已注册对象的候选区;
图像更新模块,用于利用所述候选区的人脸图像更新所述第二质量分数小于第二质量阈值的所述目标已注册对象的注册人脸图像。
9.一种人脸注册库更新设备,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-7任一项所述的方法。
10.一种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,当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811257693.7A CN111104825A (zh) | 2018-10-26 | 2018-10-26 | 人脸注册库更新方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811257693.7A CN111104825A (zh) | 2018-10-26 | 2018-10-26 | 人脸注册库更新方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111104825A true CN111104825A (zh) | 2020-05-05 |
Family
ID=70417799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811257693.7A Pending CN111104825A (zh) | 2018-10-26 | 2018-10-26 | 人脸注册库更新方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111104825A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814570A (zh) * | 2020-06-12 | 2020-10-23 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、系统及存储介质 |
CN112101296A (zh) * | 2020-10-14 | 2020-12-18 | 杭州海康威视数字技术股份有限公司 | 人脸注册方法、人脸验证方法、装置及系统 |
CN112183490A (zh) * | 2020-11-04 | 2021-01-05 | 北京澎思科技有限公司 | 一种人脸抓拍图片归档方法及装置 |
CN112434661A (zh) * | 2020-12-11 | 2021-03-02 | 四川长虹电器股份有限公司 | 一种人脸识别与分类注册方法、计算机设备及存储介质 |
CN112541446A (zh) * | 2020-12-17 | 2021-03-23 | 杭州海康威视数字技术股份有限公司 | 一种生物特征库更新方法、装置及电子设备 |
CN112669509A (zh) * | 2020-12-11 | 2021-04-16 | 深圳市航天华拓科技有限公司 | 门禁管理方法、系统、电子设备及存储介质 |
CN112818909A (zh) * | 2021-02-22 | 2021-05-18 | Oppo广东移动通信有限公司 | 图像更新方法、装置、电子设备及计算机可读介质 |
CN113344132A (zh) * | 2021-06-30 | 2021-09-03 | 成都商汤科技有限公司 | 身份识别方法、系统、装置、计算机设备及存储介质 |
CN114529961A (zh) * | 2020-11-23 | 2022-05-24 | 比亚迪股份有限公司 | 人脸图像的更新方法、存储介质、电子设备以及车辆 |
CN114882550A (zh) * | 2022-04-14 | 2022-08-09 | 支付宝(杭州)信息技术有限公司 | 一种人脸注册留底方法、装置以及设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184384A (zh) * | 2011-04-18 | 2011-09-14 | 苏州市慧视通讯科技有限公司 | 一种基于多尺度局部相位量化特征的人脸识别方法 |
CN103514442A (zh) * | 2013-09-26 | 2014-01-15 | 华南理工大学 | 一种基于aam模型的视频序列人脸识别方法 |
CN103745240A (zh) * | 2013-12-20 | 2014-04-23 | 许雪梅 | 一种基于Haar分类器和ORB特征的人脸检索方法及系统 |
CN105426723A (zh) * | 2015-11-20 | 2016-03-23 | 北京得意音通技术有限责任公司 | 基于声纹识别、人脸识别以及同步活体检测的身份认证方法及系统 |
CN105938552A (zh) * | 2016-06-29 | 2016-09-14 | 北京旷视科技有限公司 | 底图自动更新的人脸识别方法及装置 |
CN108009465A (zh) * | 2016-10-31 | 2018-05-08 | 杭州海康威视数字技术股份有限公司 | 一种人脸识别方法及装置 |
CN108229321A (zh) * | 2017-11-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸识别模型及其训练方法和装置、设备、程序和介质 |
CN108319837A (zh) * | 2018-02-13 | 2018-07-24 | 广东欧珀移动通信有限公司 | 电子设备、人脸模板录入方法及相关产品 |
CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于更新人脸注册库的方法和装置 |
-
2018
- 2018-10-26 CN CN201811257693.7A patent/CN111104825A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184384A (zh) * | 2011-04-18 | 2011-09-14 | 苏州市慧视通讯科技有限公司 | 一种基于多尺度局部相位量化特征的人脸识别方法 |
CN103514442A (zh) * | 2013-09-26 | 2014-01-15 | 华南理工大学 | 一种基于aam模型的视频序列人脸识别方法 |
CN103745240A (zh) * | 2013-12-20 | 2014-04-23 | 许雪梅 | 一种基于Haar分类器和ORB特征的人脸检索方法及系统 |
CN105426723A (zh) * | 2015-11-20 | 2016-03-23 | 北京得意音通技术有限责任公司 | 基于声纹识别、人脸识别以及同步活体检测的身份认证方法及系统 |
CN105938552A (zh) * | 2016-06-29 | 2016-09-14 | 北京旷视科技有限公司 | 底图自动更新的人脸识别方法及装置 |
CN108009465A (zh) * | 2016-10-31 | 2018-05-08 | 杭州海康威视数字技术股份有限公司 | 一种人脸识别方法及装置 |
CN108229321A (zh) * | 2017-11-30 | 2018-06-29 | 北京市商汤科技开发有限公司 | 人脸识别模型及其训练方法和装置、设备、程序和介质 |
CN108319837A (zh) * | 2018-02-13 | 2018-07-24 | 广东欧珀移动通信有限公司 | 电子设备、人脸模板录入方法及相关产品 |
CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于更新人脸注册库的方法和装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814570A (zh) * | 2020-06-12 | 2020-10-23 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、系统及存储介质 |
CN111814570B (zh) * | 2020-06-12 | 2024-04-30 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、系统及存储介质 |
CN112101296A (zh) * | 2020-10-14 | 2020-12-18 | 杭州海康威视数字技术股份有限公司 | 人脸注册方法、人脸验证方法、装置及系统 |
CN112101296B (zh) * | 2020-10-14 | 2024-03-08 | 杭州海康威视数字技术股份有限公司 | 人脸注册方法、人脸验证方法、装置及系统 |
CN112183490A (zh) * | 2020-11-04 | 2021-01-05 | 北京澎思科技有限公司 | 一种人脸抓拍图片归档方法及装置 |
CN114529961A (zh) * | 2020-11-23 | 2022-05-24 | 比亚迪股份有限公司 | 人脸图像的更新方法、存储介质、电子设备以及车辆 |
CN112434661A (zh) * | 2020-12-11 | 2021-03-02 | 四川长虹电器股份有限公司 | 一种人脸识别与分类注册方法、计算机设备及存储介质 |
CN112669509A (zh) * | 2020-12-11 | 2021-04-16 | 深圳市航天华拓科技有限公司 | 门禁管理方法、系统、电子设备及存储介质 |
CN112541446B (zh) * | 2020-12-17 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 一种生物特征库更新方法、装置及电子设备 |
CN112541446A (zh) * | 2020-12-17 | 2021-03-23 | 杭州海康威视数字技术股份有限公司 | 一种生物特征库更新方法、装置及电子设备 |
CN112818909A (zh) * | 2021-02-22 | 2021-05-18 | Oppo广东移动通信有限公司 | 图像更新方法、装置、电子设备及计算机可读介质 |
CN113344132A (zh) * | 2021-06-30 | 2021-09-03 | 成都商汤科技有限公司 | 身份识别方法、系统、装置、计算机设备及存储介质 |
CN114882550A (zh) * | 2022-04-14 | 2022-08-09 | 支付宝(杭州)信息技术有限公司 | 一种人脸注册留底方法、装置以及设备 |
CN114882550B (zh) * | 2022-04-14 | 2024-05-14 | 支付宝(杭州)信息技术有限公司 | 一种人脸注册留底方法、装置以及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111104825A (zh) | 人脸注册库更新方法、装置、设备及介质 | |
CN108280477B (zh) | 用于聚类图像的方法和装置 | |
CN108229419B (zh) | 用于聚类图像的方法和装置 | |
CN108805091B (zh) | 用于生成模型的方法和装置 | |
US11310559B2 (en) | Method and apparatus for recommending video | |
CN107729935B (zh) | 相似图片的识别方法和装置、服务器、存储介质 | |
CN110147722A (zh) | 一种视频处理方法、视频处理装置及终端设备 | |
CN107729928B (zh) | 信息获取方法和装置 | |
CN110020093A (zh) | 视频检索方法、边缘设备、视频检索装置及存储介质 | |
CN109614238A (zh) | 一种目标对象识别方法、装置、系统及可读存储介质 | |
CN109565452A (zh) | 用于确定最优策略的系统和方法 | |
CN112149570B (zh) | 多人活体检测方法、装置、电子设备及存储介质 | |
CN110543756B (zh) | 设备识别方法、装置、存储介质及电子设备 | |
CN113343069B (zh) | 用户信息的处理方法、装置、介质及电子设备 | |
CN109241930B (zh) | 用于处理眉部图像的方法和装置 | |
CN112912889A (zh) | 图像模板的更新方法、设备及存储介质 | |
CN108875704B (zh) | 用于处理图像的方法和装置 | |
WO2019242156A1 (zh) | 终端中的应用控制方法和装置及计算机可读存储介质 | |
CN114372580A (zh) | 模型训练方法、存储介质、电子设备和计算机程序产品 | |
CN107071553B (zh) | 一种修改视频语音的方法、装置和计算机可读存储介质 | |
CN111414528B (zh) | 确定设备标识的方法、装置、存储介质及电子设备 | |
CN113378790A (zh) | 视点定位方法、装置、电子设备和计算机可读存储介质 | |
CN111402154A (zh) | 图像美颜方法、装置、电子设备及计算机可读存储介质 | |
CN114937267B (zh) | 文本识别模型的训练方法、装置和电子设备 | |
CN112949526B (zh) | 人脸检测方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200505 |