CN111209845A - 人脸识别方法、装置、计算机设备及存储介质 - Google Patents

人脸识别方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN111209845A
CN111209845A CN202010005175.7A CN202010005175A CN111209845A CN 111209845 A CN111209845 A CN 111209845A CN 202010005175 A CN202010005175 A CN 202010005175A CN 111209845 A CN111209845 A CN 111209845A
Authority
CN
China
Prior art keywords
face
library
head
target
target 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
CN202010005175.7A
Other languages
English (en)
Inventor
张展望
周超勇
刘玉宇
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 Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202010005175.7A priority Critical patent/CN111209845A/zh
Priority to PCT/CN2020/093346 priority patent/WO2021135064A1/zh
Publication of CN111209845A publication Critical patent/CN111209845A/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
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种人脸识别方法、装置、计算机设备及存储介质，其中，方法部分包括：获取待检测视频流；对待检测视频流中出现的人头进行跟踪，建立人头像库；基于人头像库，获取目标人脸检测库；将目标人脸检测库的人脸与人脸样本库中样本人脸进行对比，获取目标人脸相似值；判断目标人脸相似值是否大于预设阈值；若目标人脸相似值大于预设阈值，则获取人脸识别结果；将人脸识别结果发送至客户端，以使客户端显示人脸识别结果。本发明在人脸检测前添加人头检测及跟踪的方式，由于头部信息更加全面，具有优良的鲁棒性，更容易保留每帧图像出现的人脸，人脸信息更全面，且可以减少从视频中的每帧图像直接检测人脸的方式，提高了人脸识别效率。

Description

人脸识别方法、装置、计算机设备及存储介质
技术领域
本发明涉及人脸识别领域，尤其涉及一种人脸识别、装置、计算机设备及存储介质。
背景技术
在计算机视觉领域，人脸识别一直是一个研究的热点，无论是安全防卫、对身份进行验证、护照识别以及驾照执照，还是自动门卫系统、银行和海关的监控系统等等，它都有着重要的应用。但是，由于人脸识别应用环境的复杂性和人脸本身的多变性、基于视频流动态人脸识别场景更加复杂，比如存在大角度、曝光、昏暗、遮挡及运动模糊等因素，这些因素给人脸识别带来新的挑战。传统的人脸识别通过静态人脸识别处理的方式需要用户配合才能完成人脸识别，另外，在一些视频监控中，往往使用的是高分辨率相机，需对每一帧图像进行人脸检测处理，且不能保证摄像头一直能够捕捉到人脸，在复杂多变的真实场景中，导致人脸检测部分耗时严重，导致人脸识别效率低下。
发明内容
本发明提供一种人脸识别方法、装置、计算机设备及存储介质，以解决人脸识别效率低下的问题。
一种人脸识别方法，包括：
获取待检测视频流；
对所述待检测视频流中出现的人头进行跟踪，建立人头像库；
基于所述人头像库，获取目标人脸检测库；
将所述目标人脸检测库的人脸与人脸样本库中样本人脸进行对比，获取目标人脸相似值；
判断所述目标人脸相似值是否大于预设阈值；
若所述目标人脸相似值大于预设阈值，则获取人脸识别结果；
将所述人脸识别结果发送至客户端，以使所述客户端显示所述人脸识别结果。
一种人脸识别装置，包括：
第一获取模块，获取待检测视频流；
建立模块，对所述待检测视频流中出现的人头进行跟踪，建立人头像库；
第二获取模块，基于所述人头像库，获取目标人脸检测库；
第三获取模块，将所述目标人脸检测库的人脸与人脸样本库中样本人脸进行对比，获取目标人脸相似值；
判断模块，判断所述目标人脸相似值是否大于预设阈值；
第四获取模块，若所述目标人脸相似值大于预设阈值，则获取人脸识别结果；
发送模块，将所述人脸识别结果发送至客户端，以使所述客户端显示所述人脸识别结果。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述人脸识别方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述人脸识别方法的步骤。
上述人脸识别方法、装置、计算机设备及存储介质所实现的其中一个方案中，在人脸检测前对待检测视频流中出现的人头进行跟踪，保证了能够持续捕捉到所述待检测视频流中出现的人头，通过所述待检测视频流中出现的人头从而建立人头像库，通过所述人头像库，获取目标人脸检测库，再通过人脸检测方法对目标人脸检测库的人脸进行检测，获取人脸识别结果，在人脸检测前添加人头检测及跟踪的方式，采用人头检测加跟踪的方式取代直接人脸检测的方式，由于头部信息更加全面，具有优良的鲁棒性，更容易保留每帧图像出现的人脸，人脸信息更全面，且可以减少从视频中的每帧图像直接检测人脸的方式，提升了检测速度，提高了人脸识别效率。
附图说明
为了更清楚地说明本发明的技术方案，下面将对本发明的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中人脸识别方法的一应用环境示意图；
图2是本发明一实施例中人脸识别方法的一流程图；
图3是本发明一实施例中人脸识别方法的另一流程图；
图4是本发明一实施例中人脸识别方法的另一流程图；
图5是本发明一实施例中人脸识别方法的另一流程图；
图6是本发明一实施例中人脸识别方法的另一流程图；
图7是本发明一实施例中人脸识别装置的一原理框图；
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的人脸识别方法，可应用在如图1的应用环境中，其中，服务端通过网络与客户端进行通信。
服务端获取待检测视频流；然后对所述待检测视频流中出现的人头进行跟踪，建立人头像库；接着基于所述人头像库，获取目标人脸检测库；接着将所述目标人脸检测库的人脸与人脸样本库中样本人脸进行对比，获取目标人脸相似值；接着判断所述目标人脸相似值是否大于预设阈值；接着若所述目标人脸相似值大于预设阈值，则获取人脸识别结果；接着将所述人脸识别结果发送至客户端，以使所述客户端显示所述人脸识别结果。其中，该客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，提供一种人脸识别方法，以该方法应用在图1中的服务端为例进行说明，包括如下步骤：
S10：获取待检测视频流。
其中，采用监控设备对某个摄像区域进行拍摄，从而获取待检测视频流，服务端可以从监控设备上实时获取该某个摄像区域的待检测视频流。
S20：对所述待检测视频流中出现的人头进行跟踪，建立人头像库。
对所述待检测视频流中的第一帧图像进行人头检测，也就是从待检测视频流中的第一帧图像确定是否存在人头，若未检测到人头，对下一帧图像进行检测直到检测到人头。示例性的，人头检测可以采用基于mobilenet v2的ssh模型进行检测；若存在人头，则对该人头进行跟踪，并建立人头像库。需要说明的是，上述待检测视频流的每一帧图像出现的人头可以是一个或多个，从而得到对应的一个或多个人头像库。
在本方案中，对于每帧图像首次出现的人头进行跟踪，直至该人头消失，因此，出现该人头的每帧图像中，可以截取到该人头头像，并针对每个人头头像建立人头像库。其中，人头像库是指待检测视频流中被跟踪的人头的人头头像集合。
对于多个人员同时进入摄像区域的情景，若第一帧图像中检测到N个人头，采用多目标跟踪的方式分别跟踪N个不同的人头，直至摄像头中检测不到该N个人头为止，将N个不同的人头对应的人头头像存入N个不同的人头像库中。例如，若第一帧图像中检测到的人头包括A、B、C三个人头，则对A、B、C人头三个人头分别进行跟踪，直至摄像头中检测不到A、B、C三个人头为止，最后将跟踪到A的所有人头头像存储到人头像库“head1”中，将跟踪到B的所有人头头像存储到人头像库“head2”中，将跟踪到C的所有人头头像存储到人头像库“head3”中。
在复杂密集场景中，可能会存在A和B两人非常相似且交叉遮挡后，偶然会出现将A和B两人当做是同一个人的人头的情况，此时将会对A和B两人进行集合跟踪，直至摄像头中检测不到A和B人头为止，最后将跟踪到的A和B的所有人头会被存储到同一人头像库中。
S30：基于所述人头像库，获取目标人脸检测库。
其中，目标人脸检测库是指人头像库中每个人头头像对应的人脸图像的集合。
可将人头像库中的人头头像送入人脸检测系统，建立每个人头像库对应的目标人脸检测库，例如，若有一人头像库为“head0”和人头像库“head1”，则将“head0”中的人头头像送入人脸检测系统，得到人脸检测库“face0”；将“head1”中的人头头像送入人脸检测系统，得到人脸检测库“face1”。
S40：将所述目标人脸检测库的人脸与人脸样本库中样本人脸进行对比，获取目标人脸相似值。
其中，人脸样本库是存有多个不同的样本人脸图像的底库，本方案可采用人脸识别模型对目标人脸检测库中的人脸图像进行特征提取，获取人脸特征向量，人脸特征向量是指目标人脸检测库中的人脸图像对应的特征向量，最后通过目标人脸检测库中的人脸特征向量与人脸样本库中的样本人脸图像的样本特征向量进行对比，获取目标人脸相似值。该目标人脸相似值是指目标人脸检测库中的人脸图像与人脸样本库中的样本人脸图像的相似程度。
示例性的，人脸识别模型包括深度学习网络结构和训练loss训练出来的人脸识别模型，每个模型将输出512维度的特征向量，将2个512特征向量concat成1024维向量；对于“face0”人脸特征向量为Q x 1024，Q表示人脸图像数。
本发明中，将每个目标人脸检测库中的人脸图像对应的人脸特征向量与人脸样本库中的样本人脸图像对应的样本特征向量进行n:N比对，获取目标人脸相似值。示例性的，目标人脸检测库中的人脸特征向量可以为目标人脸检测库中的某张人脸图像的人脸特征向量，也可以为目标人脸检测库中的所有人脸图像对应的人脸特征向量的平均值。
例如，人脸样本库中存有A、B、C三个人的样本人脸图像，第一种：取该目标人脸检测库i中任意一张人脸图像i对应的人脸特征向量进行如下计算：将该选出的任意一张人脸图像i对应的人脸特征向量与人脸样本库中的样本人脸图像A对应的样本特征向量进行对比，得到该人脸图像i与样本人脸图像A的相似值为0.8，以此类推，得到该人脸图像i与样本人脸图像B的相似值为0.7，得到该人脸图像i与样本人脸图像C的相似值为0.6，则可得到该目标人脸检测库i对应的目标人脸相似值包括0.8、0.7和0.6。第二种：对目标人脸检测库i中所有人脸图像的对应的人脸特征向量取平均得到平均人脸特征向量，并进行如下计算：将得到的平均人脸特征向量与人脸样本库中的样本人脸图像A对应的样本特征向量进行对比，得到与样本人脸图像A的相似值为0.8，以此类推，得到与样本人脸图像B和C的相似值，最终也可以得到目标人脸检测库i对应的目标人脸相似值。同理，若存在多个目标人脸检测库，则其他目标人脸检测库对应的目标人脸相似值的计算方式类似，这里不重复描述。
S50：判断所述目标人脸相似值是否大于预设阈值。
其中，预设阈值为一个预设的分值。可选的，预设阈值可以为0.6、0.7、0.8等。判断目标人脸相似值是否大于预设阈值，也即判断目标人脸检测库中的人脸是样本人脸的可能性。
若目标人脸相似值大于预设阈值，则确定该样本人脸可能为目标人脸检测库中的人脸；若标人脸相似值小于预设阈值，则确定该样本人脸不可能为目标人脸检测库中的人脸。
S60：若所述目标人脸相似值大于预设阈值，则获取人脸识别结果。
若目标人脸相似值大于预设阈值，则确定目标人脸相似值对应的样本人脸可能为目标人脸检测库中的人脸的人脸识别结果。例如，目标人脸检测库对应的目标人脸相似值为0.8、0.7和0.6，预设阈值为0.65，则目标人脸相似值为0.8和相似值为0.7对应的样本人脸为目标人脸检测库中的人脸，从而得到人脸识别结果。
S70：将所述人脸识别结果发送至客户端，以使所述客户端显示所述人脸识别结果。
服务端将人脸识别结果发送至客户端，以使所述客户端显示所述人脸识别结果。可选地，可以直接将该名片显示在客户端的界面上，并发出提示信息，让用户进一步确认人脸识别结果。
在图2对应的实施例中，获取待检测视频流，在人脸检测前对所述待检测视频流中出现的人头进行跟踪，保证了能够持续捕捉到所述待检测视频流中出现的人头，所述待检测视频流中出现的人头具有良好的鲁棒性，采用人头检测加跟踪的方式取代直接人脸检测的方式，由于头部信息更加全面，具有优良的鲁棒性，更容易保留每帧图像出现的人脸，人脸信息更全面，且可以减少从视频中的每帧图像直接检测人脸的方式，提升了检测速度，提高了人脸识别效率。
在一实施例中，在步骤S20中，也即对所述待检测视频流中出现的人头进行跟踪，建立人头像库，包括如下步骤：
S21：对所述待检测视频流中出现的N个人头进行跟踪，得到M组人头头像。
其中，人头头像是指所有被跟踪的人头对应的图像。对所述待检测视频流中出现的N个人头进行跟踪，直至摄像头中检测不到该N个人头为止，得到M组人头头像。其中，跟踪的方法：采用DSST目标跟踪算法对N个人头进行跟踪。
例如，若第一帧图像中检测到的人头包括A、B、C三个人头，对A、B、C人头三个人头分别进行跟踪，直至摄像头中检测不到A、B、C三个人头为止，得到A、B、C三组人头头像。复杂密集场景中，可能会存在A和B两人非常相似且交叉遮挡后，偶然会出现将A和B两人当做同一个人的情况，此时将会对A和B两人进行集合跟踪，并作为一组人头头像。
S22：对M组所述人头头像进行归一化处理，获取归一化处理后的M组人头头像。
对M组所述人头头像进行归一化处理，获取归一化处理后的M组人头头像。示例性的，归一化处理包括：对所述人头头像中的每个人头进行灰度化处理、直方图均匀化处理、边界处理等。本发明的归一化处理方式包括但不限于上述处理方式，具体本发明不做限定。
S23：基于归一化处理后的M组人头头像，建立对应的M个人头像库。
基于归一化处理后的M组人头头像，建立对应的M个人头像库
在图3对应的实施例中，可以理解，对待检测视频流中出现的N个人头进行跟踪，并存入M组人头像库中，便于后续从人头像库中提取人脸信息，能够防止每帧图像出现的人脸信息丢失当前情况，从而使得后续的人脸识别更全面，进一步提高人脸识别的准确率。
在一实施例中，如图4所示，在步骤S22中，也即所述对M组所述人头头像进行归一化处理，获取归一化处理后的M组人头头像，包括以下步骤：
S221：对所述M组人头头像的每一组人头头像中的每个人头头像进行归一化处理，得到归一化处理后的每个人头头像；
对所述M组人头头像的每一组人头头像中的每个人头头像进行归一化处理，得到归一化处理后的每个人头头像。归一化处理包括：对所述人头头像中的每个人头进行灰度化处理、直方图均匀化处理、边界处理等。
灰度化处理包括：通过提取边缘、去除边缘很弱的图像区域，可以去除变化平坦的背景区域，提高采取图像的精确度。
直方图均衡化处理包括：直方图均衡使图像中象素值分布均衡化，提高采取图像的精确度。
边界处理包括：对所述人头头像对应的人脸图像的人头边界上下左右进行扩展10％宽度，且不超过图像边界。
S222：判断所述归一化处理后的每个人头头像的头像尺寸是否超过预设头像尺寸阈值。
预设头像尺寸阈值为一个预设的头像尺寸的值。判断所述归一化处理后的每个人头头像的头像尺寸是否超过预设头像尺寸阈值。
S223：若所述处理后的每个人头头像未超过所述预设头像尺寸阈值，则从所述每一组人头头像中剔除未超过所述预设头像尺寸阈值的头像，得到所述M组人头头像。
在图4对应的实施例中，对所述M组人头头像的每一组人头头像中的每个人头头像进行归一化处理，处理能够提高图像处理的精度，并从所述每一组人头头像中剔除未超过所述预设头像尺寸阈值的头像，得到所述M组人头头像，进一步提高人脸识别的准确率。
在一实施例中，如图5所示，在步骤S30中，也即所述基于所述人头像库，获取目标人脸检测库，包括以下步骤：
S31：基于所述人头像库，获取初始人脸检测库。
其中，初始人脸检测库是指记录所有人头像库中对应的所有人脸图像的集合。本方案，对于每个人头像库，对人头像库中的人头头像进行筛选并截取得到人脸图像，从而得到人头像库对应的初始人脸检测库，该初始人脸检测库包括初始人脸图像。
S32：对初始人脸检测库中的初始人脸图像进行标准化处理，得到标准人脸图像。
标准人脸图像是对初始人脸检测库中的初始人脸图像进行处理、筛选后得到的人脸图像。
标准化处理的过程包括：将初始人脸图像对应的人脸图像在边界上下左右进行扩展10％宽度，要求不超过图像边界，并丢弃初始人脸图像中的非人脸的数据，对初始人脸图像对应的人脸图像进行对齐旋正，最后将该人脸图像缩放到112*112像素。本方案，获取到初始人脸检测库之后，对初始人脸检测库中的初始人脸图像进行标准化处理，得到标准人脸图像。
S33：剔除所述初始人脸检测库中不符合预设条件的所述标准人脸图像，得到目标人脸检测库，所述预设条件包括模糊度大于预设模糊度，和/或遮挡范围大于预设遮挡范围，和/或光照亮度大于预设光照亮度。
剔除所述初始人脸检测库中不符合预设条件的所述标准人脸图像，得到目标人脸检测库，所述预设条件包括模糊度大于预设模糊度，和/或遮挡范围大于预设遮挡范围，和/或光照亮度大于预设光照亮度。从而将模糊的、和/或低光照的、和/或遮挡严重的人脸进行过滤去除，以保证留下高质量的目标人脸图像。需要说明的是，为了进一步提高人脸图像质量，还可以将人脸过于小的人脸图像剔除，具体本发明不做限定。
在图5对应的实施例中对初始人脸检测库中的初始人脸图像进行标准化处理，得到标准人脸图像后再对人脸进行检测提升了人脸检测速度，且剔除所述初始人脸检测库中模糊度大于预设模糊度，和/或遮挡范围大于预设遮挡范围，和/或光照亮度大于预设光照亮度的标准人脸图像，提高了后续用于人脸识别的人脸图像的质量，可提高人脸检测速度和质量，进一步提高了人脸识别的精度。
在一实施例中，如图6所示，在步骤S60中，获取人脸识别结果包括以下步骤：
S61：判断所述目标人脸相似值大于预设阈值的数量是否大于1。
判断所述目标人脸相似值大于预设阈值的数量是否大于1，也即判断人脸样本库中是否存在多个与目标人脸检测库中的人脸相似的样本人脸。
若所述目标人脸相似值大于预设阈值的数量大于1，则获取每个目标人脸检测库中对应的每张人脸的人脸相似度。例如，目标人脸相似值为0.8、0.7和0.6，预设阈值为0.65，其中0.8和0.7大于0.65，故目标人脸相似值大于预设阈值的数量为2个，目标人脸相似值大于预设阈值的数量大于1。
若所述目标人脸相似值大于预设阈值的数量等于1，则确定目标人脸相似值对应的人脸样本库的样本人脸为目标人脸检测库中的人脸。例如，目标人脸相似值为0.8、0.7和0.6，预设阈值为0.75，所述目标人脸相似值大于预设阈值的数量等于1，则确定目标人脸相似值为0.8对应的人脸样本库的样本人脸为目标人脸检测库中的人脸。
S62：若所述目标人脸相似值大于预设阈值的数量大于1，则采用如下公式对所述目标人脸检测库中的人脸图像进行计算，得到目标人脸相似值大于预设阈值的样本人脸图像对应的身份识别值；
Figure BDA0002354997750000131
其中，
Figure BDA0002354997750000132
score表示所述目标人脸相似值大于所述预设阈值的样本人脸图像对应的身份识别值，n表示所述目标人脸检测库中的人脸图像张数，k表示大所述目标人脸检测库中第k张人脸图像，wk为所述目标人脸检测库中的每张人脸图像的权重值，sk为目标人脸相似值大于预设阈值对应的样本人脸图像与目标人脸检测库中第k张人脸图像的相似度。
例如，目标人脸相似值为0.8、0.7和0.6，预设阈值为0.65，其中0.8和0.7大于0.65，故目标人脸相似值大于预设阈值的数量为2个，说明目标人脸相似值为0.8或0.7对应的人脸样本库的样本人脸图像可能为目标人脸检测库中的人脸，则获取目标人脸相似值为0.8对应的样本人脸库的样本人脸图像和目标人脸相似值为0.7对应的样本人脸库的样本人脸图像，再计算上述确定的样本人脸图像与该目标人脸检测库中每个人脸图像的人脸相似度，例如，假设目标人脸检测库包括A1、A2和A3，其中，A1与样本人脸图像的人脸相似度为0.9、A2与样本人脸图像的人脸相似度为0.8、A3与样本人脸图像的人脸相似度为0.7；同理得到目标人脸相似值为0.7对应的样本人脸库的样本人脸图像与该目标人脸检测库的人脸图像的人脸相似度。
从预设人脸权重表中获取大于预设阈值的目标人脸相似值对应的目标人脸检测库中的每张人脸对应的权重值。其中，预设的人脸权重表按照人脸大小顺序设定权重值，例如，人脸越大说明其识别的可靠性越高，则权重值越大。从预设人脸权重表中获取对大于所述预设阈值的目标人脸相似值对应的目标人脸检测库中的人脸图像的权重值。例如，目标人脸相似值为0.8对应的目标人脸检测库中有3张A的人脸，其中为A1、A2、A3的人脸，且A1、A2、A3对应的人脸大小依次变小，则根据预设人脸权重表，获取A1、A2、A3对应的权重值为0.9、0.8、0.7。
S63：根据所述目标人脸相似值大于所述预设阈值的样本人脸图像对应的身份识别值，获取人脸识别结果。
例如，经过上述公式的计算得到目标人脸相似值(0.8)大于预设阈值的样本人脸图像对应的身份识别值(score)为0.86，目标人脸相似值为(0.7)大于预设阈值的样本人脸图像对应的身份识别值(score)为0.82，则对比两者的score值，得到score值比较大的(0.8)对应的样本人脸图像为该目标人脸检测库的人脸的识别结果。
在图6对应的实施例中，采用公式对大于所述预设阈值的目标人脸相似值对应的目标人脸检测库中的人脸图像进行计算，对应得到每个大于所述预设阈值的目标人脸相似值对应的目标人脸检测库的身份识别值，再将对应的身份识别值进行对比确定人脸的最终身份，克服了识别的波动性和避免随机性影响，提高了识别的精度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明的实施过程构成任何限定。
在一实施例中，提供一种人脸识别装置，该人脸识别装置与上述实施例中人脸识别方法一一对应。如图7所示，该人脸识别装置包括第一获取模块10、建立模块20、第二获取模块30、第三获取模块40、判断模块50、第四获取模块60、发送模块70。各功能模块详细说明如下：
第一获取模块10，获取待检测视频流；
建立模块20，对所述待检测视频流中出现的人头进行跟踪，建立人头像库；
第二获取模块30，基于所述人头像库，获取目标人脸检测库；
第三获取模块40，将所述目标人脸检测库的人脸与人脸样本库中样本人脸进行对比，获取目标人脸相似值；
判断模块50，判断所述目标人脸相似值是否大于预设阈值；
第四获取模块60，若所述目标人脸相似值大于预设阈值，则获取人脸识别结果；
发送模块70，将所述人脸识别结果发送至客户端，以使所述客户端显示所述人脸识别结果。
所述建立模块20，具体用于：
对所述待检测视频流中出现的N个人头进行跟踪，得到M组人头头像；
对所述M组人头头像进行归一化处理，得到归一化处理后的所述M组人头头像，其中，所述N大于或等于1，M小于或等于N；
基于归一化处理后的M组人头头像，建立对应的M个人头像库。
第二获取模块30，具体用于：
基于所述人头像库，获取初始人脸检测库；
对初始人脸检测库中的初始人脸图像进行标准化处理，得到标准人脸图像；
剔除所述初始人脸检测库中不符合预设条件的所述标准人脸图像，得到目标人脸检测库，所述预设条件包括模糊度大于预设模糊度，和/或遮挡范围大于预设遮挡范围，和/或光照亮度大于预设光照亮度。
关于人脸识别装置的具体限定可以参见上文中对于人脸识别方法的限定，在此不再赘述。上述人脸识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务端，其内部结构图可以如图8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、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待检测视频流、人头像库、目标人脸检测库等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人脸识别方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取待检测视频流；
对所述待检测视频流中出现的人头进行跟踪，建立人头像库；
基于所述人头像库，获取目标人脸检测库；
将所述目标人脸检测库的人脸与人脸样本库中样本人脸进行对比，获取目标人脸相似值；
判断所述目标人脸相似值是否大于预设阈值；
若所述目标人脸相似值大于预设阈值，则获取人脸识别结果；
将所述人脸识别结果发送至客户端，以使所述客户端显示所述人脸识别结果。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待检测视频流；
对所述待检测视频流中出现的人头进行跟踪，建立人头像库；
基于所述人头像库，获取目标人脸检测库；
将所述目标人脸检测库的人脸与人脸样本库中样本人脸进行对比，获取目标人脸相似值；
判断所述目标人脸相似值是否大于预设阈值；
若所述目标人脸相似值大于预设阈值，则获取人脸识别结果；
将所述人脸识别结果发送至客户端，以使所述客户端显示所述人脸识别结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种人脸识别方法，其特征在于，包括：
获取待检测视频流；
对所述待检测视频流中出现的人头进行跟踪，建立人头像库；
基于所述人头像库，获取目标人脸检测库；
将所述目标人脸检测库的人脸与人脸样本库中样本人脸进行对比，获取目标人脸相似值；
判断所述目标人脸相似值是否大于预设阈值；
若所述目标人脸相似值大于预设阈值，则获取人脸识别结果；
将所述人脸识别结果发送至客户端，以使所述客户端显示所述人脸识别结果。
2.如权利要求1所述的人脸识别方法，其特征在于，所述对所述待检测视频流中出现的人头进行跟踪，建立人头像库，包括以下步骤：
对所述待检测视频流中出现的N个人头进行跟踪，得到M组人头头像；
对所述M组人头头像进行归一化处理，得到归一化处理后的所述M组人头头像，其中，所述N大于或等于1，M小于或等于N；
基于归一化处理后的M组人头头像，建立对应的M个人头像库。
3.如权利要求2所述的人脸识别方法，其特征在于，所述对所述M组人头头像进行归一化处理，得到归一化处理后的M组人头头像，包括以下步骤：
对所述M组人头头像的每一组人头头像中的每个人头头像进行归一化处理，得到归一化处理后的每个人头头像；
判断所述归一化处理后的每个人头头像的头像尺寸是否超过预设头像尺寸阈值；
若所述处理后的每个人头头像未超过所述预设头像尺寸阈值，则从所述每一组人头头像中剔除未超过所述预设头像尺寸阈值的头像，得到所述M组人头头像。
4.如权利要求1所述的人脸识别方法，其特征在于，所述基于所述人头像库，获取目标人脸检测库，包括以下步骤：
基于所述人头像库，获取初始人脸检测库；
对初始人脸检测库中的初始人脸图像进行标准化处理，得到标准人脸图像；
剔除所述初始人脸检测库中不符合预设条件的所述标准人脸图像，得到目标人脸检测库，所述预设条件包括模糊度大于预设模糊度，和/或遮挡范围大于预设遮挡范围，和/或光照亮度大于预设光照亮度。
5.如权利要求1-4任一项所述的人脸识别方法，其特征在于，获取人脸识别结果，包括以下步骤：
判断所述目标人脸相似值大于预设阈值的数量是否大于1；
若所述目标人脸相似值大于预设阈值的数量大于1，则采用如下公式对所述目标人脸检测库中的人脸图像进行计算，得到所述目标人脸相似值大于所述预设阈值的样本人脸图像对应的身份识别值：
Figure FDA0002354997740000021
其中，
Figure FDA0002354997740000022
score表示所述目标人脸相似值大于所述预设阈值的样本人脸图像对应的身份识别值，n表示所述目标人脸检测库中的人脸图像张数，k表示大所述目标人脸检测库中第k张人脸图像，wk为所述目标人脸检测库中的每张人脸图像的权重值，sk为目标人脸相似值大于预设阈值对应的样本人脸图像与目标人脸检测库中第k张人脸图像。
根据所述目标人脸相似值大于所述预设阈值的样本人脸图像对应的身份识别值，获取人脸识别结果。
6.一种人脸识别装置，其特征在于，包括：
第一获取模块，获取待检测视频流；
建立模块，对所述待检测视频流中出现的人头进行跟踪，建立人头像库；
第二获取模块，基于所述人头像库，获取目标人脸检测库；
第三获取模块，将所述目标人脸检测库的人脸与人脸样本库中样本人脸进行对比，获取目标人脸相似值；
判断模块，判断所述目标人脸相似值是否大于预设阈值；
第四获取模块，若所述目标人脸相似值大于预设阈值，则获取人脸识别结果；
发送模块，将所述人脸识别结果发送至客户端，以使所述客户端显示所述人脸识别结果。
7.如权利要求6所述的人脸识别装置，其特征在于，所述人头像库建立模块，具体用于：
对所述待检测视频流中出现的N个人头进行跟踪，得到M组人头头像；
对所述M组人头头像进行归一化处理，得到归一化处理后的所述M组人头头像，其中，所述N大于或等于1，M小于或等于N；
基于M组所述人头头像，建立对应的M个人头像库。
8.如权利要求6所述的人脸识别装置，其特征在于，目标人脸检测库获取模块，具体用于：
基于所述人头像库，获取初始人脸检测库；
对初始人脸检测库中的初始人脸图像进行标准化处理，得到标准人脸图像；
剔除所述初始人脸检测库中不符合预设条件的所述标准人脸图像，得到目标人脸检测库，所述预设条件包括模糊度大于预设模糊度，和/或遮挡范围大于预设遮挡范围，和/或光照亮度大于预设光照亮度。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述人脸识别方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述人脸识别方法的步骤。
CN202010005175.7A 2020-01-03 2020-01-03 人脸识别方法、装置、计算机设备及存储介质 Pending CN111209845A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010005175.7A CN111209845A (zh) 2020-01-03 2020-01-03 人脸识别方法、装置、计算机设备及存储介质
PCT/CN2020/093346 WO2021135064A1 (zh) 2020-01-03 2020-05-29 人脸识别方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010005175.7A CN111209845A (zh) 2020-01-03 2020-01-03 人脸识别方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN111209845A true CN111209845A (zh) 2020-05-29

Family

ID=70787922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010005175.7A Pending CN111209845A (zh) 2020-01-03 2020-01-03 人脸识别方法、装置、计算机设备及存储介质

Country Status (2)

Country Link
CN (1) CN111209845A (zh)
WO (1) WO2021135064A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112084903A (zh) * 2020-08-26 2020-12-15 武汉普利商用机器有限公司 一种更新人脸识别底库照片的方法及系统
CN112257491A (zh) * 2020-08-20 2021-01-22 江苏正赫通信息科技有限公司 自适应调度人脸识别和属性分析方法及装置
CN112633200A (zh) * 2020-12-29 2021-04-09 平安普惠企业管理有限公司 基于人工智能的人脸图像比对方法、装置、设备及介质
CN113269124A (zh) * 2021-06-09 2021-08-17 重庆中科云从科技有限公司 一种对象识别方法、系统、设备及计算机可读介质
CN113378738A (zh) * 2021-06-18 2021-09-10 北京市商汤科技开发有限公司 比对方法及装置、设备和存储介质
CN113553990A (zh) * 2021-08-09 2021-10-26 深圳智必选科技有限公司 多人脸跟踪识别的方法、装置、计算机设备及存储介质
CN113705510A (zh) * 2021-09-02 2021-11-26 广州市奥威亚电子科技有限公司 目标识别跟踪的方法、装置、设备及存储介质
CN114093004A (zh) * 2021-11-25 2022-02-25 成都智元汇信息技术股份有限公司 一种基于多摄像头的人脸融合比对方法及装置
CN114140861A (zh) * 2021-12-13 2022-03-04 中电云数智科技有限公司 人脸检测去重的方法与装置
CN116895047A (zh) * 2023-07-24 2023-10-17 北京全景优图科技有限公司 一种快速的人流量监控方法及系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113743212B (zh) * 2021-08-02 2023-11-14 日立楼宇技术（广州）有限公司 扶梯出入口拥堵或有遗留物的检测方法、装置及存储介质
CN114237470A (zh) * 2021-12-21 2022-03-25 游密科技(深圳)有限公司 目标图像的尺寸调整方法、装置、计算机设备和存储介质
CN115116040A (zh) * 2022-01-14 2022-09-27 长城汽车股份有限公司 驾乘人员行为识别方法、装置、车辆及存储介质
CN114937301A (zh) * 2022-05-19 2022-08-23 北京爱奇艺科技有限公司 一种人物识别方法、装置、电子设备及存储介质
CN114863540B (zh) * 2022-07-05 2022-12-16 杭州魔点科技有限公司 基于人脸属性分析的人脸识别在线辅助方法及装置
WO2024145878A1 (zh) * 2023-01-05 2024-07-11 广州视源电子科技股份有限公司 视频处理方法、装置、设备及存储介质
CN116386106B (zh) * 2023-03-16 2024-08-20 宁波星巡智能科技有限公司 伴睡婴幼儿时婴幼儿头部智能识别方法、装置及设备

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030103647A1 (en) * 2001-12-03 2003-06-05 Yong Rui Automatic detection and tracking of multiple individuals using multiple cues
CN101526997A (zh) * 2009-04-22 2009-09-09 无锡名鹰科技发展有限公司 嵌入式红外人脸图像识别方法及识别装置
US20150086108A1 (en) * 2013-02-15 2015-03-26 Microsoft Technology Licensing, Llc Identification using depth-based head-detection data
CN105354543A (zh) * 2015-10-29 2016-02-24 小米科技有限责任公司 视频处理方法及装置
CN105550671A (zh) * 2016-01-28 2016-05-04 北京麦芯科技有限公司 一种人脸识别的方法及装置
CN105701466A (zh) * 2016-01-13 2016-06-22 杭州奇客科技有限公司 快速的全角度人脸跟踪方法
CN105868689A (zh) * 2016-02-16 2016-08-17 杭州景联文科技有限公司 一种基于级联卷积神经网络的人脸遮挡检测方法
CN106815560A (zh) * 2016-12-22 2017-06-09 广州大学 一种应用于自适应驾座的人脸识别方法
CN108898051A (zh) * 2018-05-22 2018-11-27 广州洪森科技有限公司 一种基于视频流的人脸识别方法及系统
CN109002776A (zh) * 2018-06-29 2018-12-14 金蝶软件（中国）有限公司 人脸识别方法、系统、计算机设备和计算机可读存储介质
CN109063628A (zh) * 2018-07-27 2018-12-21 平安科技（深圳）有限公司 人脸识别方法、装置、计算机设备及存储介质
CN109087256A (zh) * 2018-07-19 2018-12-25 北京飞搜科技有限公司 一种基于深度学习的图像去模糊方法及系统
CN110210432A (zh) * 2019-06-06 2019-09-06 湖南大学 一种基于智能安防机器人非受限条件下的人脸识别方法
CN111160169A (zh) * 2019-12-18 2020-05-15 中国平安人寿保险股份有限公司 人脸检测方法、装置、设备及计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598876A (zh) * 2014-12-30 2015-05-06 天津瑞为拓新科技发展有限公司 嵌入式人脸识别系统
CN106469443B (zh) * 2015-08-13 2020-01-21 微软技术许可有限责任公司 机器视觉特征跟踪系统
CN106650671B (zh) * 2016-12-27 2020-04-21 深圳英飞拓科技股份有限公司 人脸识别方法、装置及系统
CN108376246A (zh) * 2018-02-05 2018-08-07 南京蓝泰交通设施有限责任公司 一种多人脸识别及跟踪系统及方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030103647A1 (en) * 2001-12-03 2003-06-05 Yong Rui Automatic detection and tracking of multiple individuals using multiple cues
CN101526997A (zh) * 2009-04-22 2009-09-09 无锡名鹰科技发展有限公司 嵌入式红外人脸图像识别方法及识别装置
US20150086108A1 (en) * 2013-02-15 2015-03-26 Microsoft Technology Licensing, Llc Identification using depth-based head-detection data
CN105354543A (zh) * 2015-10-29 2016-02-24 小米科技有限责任公司 视频处理方法及装置
CN105701466A (zh) * 2016-01-13 2016-06-22 杭州奇客科技有限公司 快速的全角度人脸跟踪方法
CN105550671A (zh) * 2016-01-28 2016-05-04 北京麦芯科技有限公司 一种人脸识别的方法及装置
CN105868689A (zh) * 2016-02-16 2016-08-17 杭州景联文科技有限公司 一种基于级联卷积神经网络的人脸遮挡检测方法
CN106815560A (zh) * 2016-12-22 2017-06-09 广州大学 一种应用于自适应驾座的人脸识别方法
CN108898051A (zh) * 2018-05-22 2018-11-27 广州洪森科技有限公司 一种基于视频流的人脸识别方法及系统
CN109002776A (zh) * 2018-06-29 2018-12-14 金蝶软件（中国）有限公司 人脸识别方法、系统、计算机设备和计算机可读存储介质
CN109087256A (zh) * 2018-07-19 2018-12-25 北京飞搜科技有限公司 一种基于深度学习的图像去模糊方法及系统
CN109063628A (zh) * 2018-07-27 2018-12-21 平安科技（深圳）有限公司 人脸识别方法、装置、计算机设备及存储介质
CN110210432A (zh) * 2019-06-06 2019-09-06 湖南大学 一种基于智能安防机器人非受限条件下的人脸识别方法
CN111160169A (zh) * 2019-12-18 2020-05-15 中国平安人寿保险股份有限公司 人脸检测方法、装置、设备及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汤一平等: "非约束环境下人脸识别技术的研究", 浙江工业大学学报, vol. 38, no. 02, 30 April 2010 (2010-04-30), pages 155 - 161 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257491A (zh) * 2020-08-20 2021-01-22 江苏正赫通信息科技有限公司 自适应调度人脸识别和属性分析方法及装置
CN112257491B (zh) * 2020-08-20 2021-12-24 江苏正赫通信息科技有限公司 自适应调度人脸识别和属性分析方法及装置
CN112084903A (zh) * 2020-08-26 2020-12-15 武汉普利商用机器有限公司 一种更新人脸识别底库照片的方法及系统
CN112633200A (zh) * 2020-12-29 2021-04-09 平安普惠企业管理有限公司 基于人工智能的人脸图像比对方法、装置、设备及介质
CN113269124A (zh) * 2021-06-09 2021-08-17 重庆中科云从科技有限公司 一种对象识别方法、系统、设备及计算机可读介质
CN113269124B (zh) * 2021-06-09 2023-05-09 重庆中科云从科技有限公司 一种对象识别方法、系统、设备及计算机可读介质
CN113378738A (zh) * 2021-06-18 2021-09-10 北京市商汤科技开发有限公司 比对方法及装置、设备和存储介质
CN113553990B (zh) * 2021-08-09 2022-04-15 深圳智必选科技有限公司 多人脸跟踪识别的方法、装置、计算机设备及存储介质
CN113553990A (zh) * 2021-08-09 2021-10-26 深圳智必选科技有限公司 多人脸跟踪识别的方法、装置、计算机设备及存储介质
CN113705510A (zh) * 2021-09-02 2021-11-26 广州市奥威亚电子科技有限公司 目标识别跟踪的方法、装置、设备及存储介质
CN114093004B (zh) * 2021-11-25 2023-05-02 成都智元汇信息技术股份有限公司 一种基于多摄像头的人脸融合比对方法及装置
CN114093004A (zh) * 2021-11-25 2022-02-25 成都智元汇信息技术股份有限公司 一种基于多摄像头的人脸融合比对方法及装置
CN114140861A (zh) * 2021-12-13 2022-03-04 中电云数智科技有限公司 人脸检测去重的方法与装置
CN116895047A (zh) * 2023-07-24 2023-10-17 北京全景优图科技有限公司 一种快速的人流量监控方法及系统
CN116895047B (zh) * 2023-07-24 2024-01-30 北京全景优图科技有限公司 一种快速的人流量监控方法及系统

Also Published As

Publication number Publication date
WO2021135064A1 (zh) 2021-07-08

Similar Documents

Publication Publication Date Title
CN111209845A (zh) 人脸识别方法、装置、计算机设备及存储介质
Mantoro et al. Multi-faces recognition process using Haar cascades and eigenface methods
Atoum et al. Face anti-spoofing using patch and depth-based CNNs
CN111191567B (zh) 身份数据处理方法、装置、计算机设备和存储介质
CN105893920B (zh) 一种人脸活体检测方法和装置
CN111611873B (zh) 人脸替换检测方法及装置、电子设备、计算机存储介质
WO2019033574A1 (zh) 电子装置、动态视频人脸识别的方法、系统及存储介质
CN109492642B (zh) 车牌识别方法、装置、计算机设备及存储介质
CN111582027B (zh) 身份认证方法、装置、计算机设备和存储介质
CN111695462B (zh) 一种人脸识别方法、装置、存储介质和服务器
CN110838119A (zh) 人脸图像质量评估方法、计算机装置及计算机可读存储介质
CN112069887B (zh) 一种人脸识别方法、装置、终端设备及存储介质
CN111191521B (zh) 人脸活体检测方法、装置、计算机设备及存储介质
CN108710837A (zh) 吸烟行为识别方法、装置、计算机设备和存储介质
KR20170104521A (ko) 생동감 평가에 근거하는 비디오 스푸핑 검출을 위한 시스템 및 프로세스
EP3958208A1 (en) Image processing device, image processing method, and image processing program
CN111667504A (zh) 一种人脸追踪方法、装置及设备
CN113837065A (zh) 一种图像处理方法和装置
CN111274965A (zh) 人脸识别方法、装置、计算机设备和存储介质
CN112836682B (zh) 视频中对象的识别方法、装置、计算机设备和存储介质
CN113822927A (zh) 一种适用弱质量图像的人脸检测方法、装置、介质及设备
CN113536849A (zh) 一种基于图像识别的人群聚集识别方法及装置
CN113159037B (zh) 图片矫正方法、装置、计算机设备及存储介质
Van der Haar Face antispoofing using shearlets: an empirical study
KR20040042500A (ko) 얼굴 검출방법 및 그 장치

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