CN111241868A - 一种人脸识别系统、方法及装置 - Google Patents
一种人脸识别系统、方法及装置 Download PDFInfo
- Publication number
- CN111241868A CN111241868A CN201811431915.2A CN201811431915A CN111241868A CN 111241868 A CN111241868 A CN 111241868A CN 201811431915 A CN201811431915 A CN 201811431915A CN 111241868 A CN111241868 A CN 111241868A
- Authority
- CN
- China
- Prior art keywords
- image
- image acquisition
- face
- acquisition equipment
- storage device
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000000605 extraction Methods 0.000 claims abstract description 34
- 230000004044 response Effects 0.000 claims description 29
- 238000013441 quality evaluation Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 230000004807 localization Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 30
- 238000010586 diagram Methods 0.000 description 12
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000009827 uniform distribution 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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Computational Biology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明实施例提供了一种人脸识别系统，所述系统包括：图像采集设备和存储设备，其中，所述图像采集设备，用于获取人脸图像，对所述人脸图像进行特征提取，得到第一特征信息；将所述第一特征信息发送至存储设备；所述存储设备，用于接收所述第一特征信息，对所述第一特征信息进行分析，得到人脸分析结果。应用本方案，人脸识别过程中的特征提取过程由图像采集设备执行，而人脸识别过程中的特征分析过程由存储设备执行，从而将计算资源均匀分配至图像采集设备和存储设备，从而可以均衡前后端的计算开销，减少图像采集设备的计算压力。
Description
技术领域
本发明涉及智能安防领域，特别是涉及一种人脸识别系统、方法及装置。
背景技术
一些场景中，比如，考勤系统、门禁系统等系统中，通常需要通过人脸识别确定人员身份。人脸识别方案一般包括：相机采集人脸图像，与人脸图像库中存储的人脸图像进行对比，确定人脸图像对应的人脸的身份，然后，将对比结果发送至后端服务器。
但是这种方案中，相机的计算量较大，相机与后端服务器的计算资源分配不均匀。
发明内容
本发明实施例的目的在于提供一种人脸识别系统、方法及装置，以实现对计算资源的均匀分配，均衡前后端的计算开销。具体技术方案如下：
本发明实施例提供了一种人脸识别系统，所述系统包括：图像采集设备和存储设备，其中，
所述图像采集设备，用于获取人脸图像，对所述人脸图像进行特征提取，得到第一特征信息；将所述第一特征信息发送至存储设备；
所述存储设备，用于接收所述第一特征信息，对所述第一特征信息进行分析，得到人脸分析结果。
可选的，所述图像采集设备，还用于将所述人脸图像发送至所述存储设备；
所述存储设备，还用于对所述人脸图像进行第二次特征提取，得到第二特征信息；对所述特征信息及所述第二特征信息进行分析，得到人脸分析结果。
可选的，所述图像采集设备，还用于将提取到的第一特征信息与所述图像采集设备中存储的第一特征信息库进行比对，得到第一人脸识别结果；向响应设备发送所述第一人脸识别结果对应的响应指令。
可选的，所述存储设备，还用于获取样本人脸图像；获取所述样本人脸图像对应的样本人脸特征；根据所述样本人脸图像及所述样本人脸特征，生成第二特征信息库；将所述第一特征信息与所述第二特征信息库进行匹配，得到第二人脸识别结果，将所述第二人脸识别结果返回至所述图像采集设备；
所述图像采集设备，还用于基于所述第二人脸识别结果，执行所述第二人脸识别结果对应的响应操作。
可选的，所述系统还包括：
客户端，用于获取样本图像；对所述样本图像进行检测，从所述样本图像中截取所述样本人脸图像；将所述样本人脸图像发送至所述存储设备。
可选的，所述存储设备，还用于获取样本图像，对所述样本图像进行检测，从所述样本图像中截取所述样本人脸图像。
可选的，所述图像采集设备，还用于获取第三特征信息库；将提取到的第一特征信息与所述图像采集设备中存储的第三特征信息库进行匹配，将匹配结果发送至所述存储设备；若匹配成功，则对所述匹配结果进行响应；
所述存储设备，还用于在接收到匹配失败信息后，将所述第一特征信息与存储在所述存储设备中的第四特征信息库进行匹配，将匹配结果返回所述图像采集设备；其中，所述第四特征信息库中的特征信息数量多于所述第三特征信息库中的特征信息数量；
所述图像采集设备，还用于在接收到匹配成功信息后，执行所述对所述匹配结果进行响应的步骤。
可选的，所述存储设备，还用于配置升级包，向所述图像采集设备发送升级信息；
所述图像采集设备，还用于在接收到所述升级信息之后，获取所述图像采集设备对应的升级包，利用所获取的升级包，对所述图像采集设备进行升级。
可选的，所述图像采集设备，还用于在升级失败的情况下，返回执行对所述图像采集设备进行升级的步骤；或者，停用所述图像采集设备，并向所述存储设备返回报警信息。
可选的，所述图像采集设备，还用于从所述存储设备获取所述系统的当前版本号；判断所述系统的当前版本号与所述图像采集设备的版本号是否匹配；若不匹配，则获取所述图像采集设备对应的升级包，利用所述升级包对所述图像采集设备进行升级。
可选的，所述图像采集设备，还用于在执行所述对所述图像采集设备进行升级的步骤时，暂停获取人脸图像，对所述人脸图像进行特征提取，得到第一特征信息的步骤。
可选的，所述存储设备，还用于获取所述存储设备对应的升级包，根据所获取的升级包，创建新的特征信息库；向所述图像采集设备发送升级信息；
所述图像采集设备，还用于在接收到所述升级信息之后，获取所述图像采集设备对应的升级包，根据所获取的升级包，创建新的特征信息库；删除旧的特征信息库，并向所述存储设备反馈升级状态；
所述存储设备，还用于在接收到所有所述图像采集设备发送的升级状态之后，删除旧的特征信息库。
本发明实施例还提供了一种人脸识别方法，应用于图像采集设备，所述方法包括：
获取人脸图像；
对所述人脸图像进行特征提取，将提取到的特征信息发送至存储设备，以使所述存储设备对所述特征信息进行分析。
可选的，所述方法还包括：
将提取到的特征信息与所述图像采集设备中存储的第三特征信息库进行匹配，将匹配结果发送至所述存储设备；
若匹配成功，则执行所述匹配结果对应的响应操作；
若匹配失败，则在接收到所述存储设备发送的匹配成功信息后，执行所述匹配成功信息对应的响应操作。
可选的，所述方法还包括：
接收所述存储设备发送的升级信息；
获取对应的升级包，对所述图像采集设备进行升级；
若升级成功，则向所述存储设备反馈升级状态。
可选的，所述方法还包括：
从所述存储设备获取当前系统版本号；
判断所述当前系统版本号与所述图像采集设备的版本号是否匹配；
若不匹配，则获取对应的升级包，对所述图像采集设备进行升级。
本发明实施例还提供了一种人脸识别方法，应用于存储设备，所述方法包括：
接收图像采集设备发送的特征信息，所述特征信息为对人脸图像进行特征提取得到的；
对所述特征信息进行分析，得到人脸分析结果。
可选的，所述方法还包括：
接收所述图像采集设备发送的匹配失败信息；
将所述特征信息与存储在所述存储设备中的第四特征信息库进行匹配；
将匹配结果返回所述图像采集设备。
可选的，所述方法还包括：
从所述样本图像中确定出包含人脸的候选人脸图像；
对所述候选人脸图像进行特征点定位；
从特征点定位后的候选人脸图像中截取所述样本人脸图像；
确定所述样本人脸图像对应的样本人脸特征；
根据所述样本人脸图像及所述样本人脸特征，生成特征信息库，将所述特征信息库发送至所述图像采集设备。
可选的，在所述从特征点定位后的候选人脸图像中截取所述样本人脸图像之前，所述方法还包括：
对所述候选人脸图像进行质量评价；或，
对所述特征点定位后的候选人脸图像进行质量评价，判断所述特征点定位后的候选人脸图像的质量评价结果是否满足预设条件；
若满足，则执行所述从特征点定位后的候选人脸图像中截取所述样本人脸图像的步骤。
可选的，所述从特征点定位后的候选人脸图像中截取所述样本人脸图像，包括：
对所述特征点定位后的候选人脸图像进行校正；
从所述校正后的候选人脸图像中截取所述样本人脸图像。
可选的，所述方法还包括：
配置升级包，向所述图像采集设备发送升级信息；
接收所述图像采集设备反馈的升级状态。
可选的，所述方法还包括：
获取所述存储设备对应的升级包，对所述存储设备进行升级。
可选的，所述对所述存储设备进行升级，包括：
创建新的特征信息库；
向所述图像采集设备发送升级信息，以使所述图像采集设备进行升级；
在接收到所有所述图像采集设备发送的升级状态之后，删除旧的特征信息库。
本发明实施例还提供了一种人脸识别装置，应用于图像采集设备，所述装置包括：
获取模块，应用获取人脸图像；
特征提取模块，用于对所述人脸图像进行特征提取，将提取到的特征信息发送至存储设备，以使所述存储设备对所述特征信息进行分析。
本发明实施例还提供了一种人脸识别装置，应用于存储设备，所述装置包括：
接收模块，用于接收图像采集设备发送的特征信息，所述特征信息为对人脸图像进行特征提取得到的；
分析模块，用于对所述特征信息进行分析，得到人脸分析结果。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的人脸识别方法。
本发明实施例提供的人脸识别系统，通过图像采集设备获取人脸图像，对所获取的人脸图像进行特征提取，将提取到的特征信息发送至存储设备，然后通过存储设备接收特征信息，对特征信息进行分析，得到人脸分析结果。这样，人脸识别过程中的特征提取过程由图像采集设备执行，而人脸识别过程中的特征分析过程由存储设备执行，从而将计算资源均匀分配至图像采集设备和存储设备，从而可以均衡前后端的计算开销，减少图像采集设备的计算压力。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据这些附图获得其他的附图。
图1为为本发明实施例提供的人脸识别系统的系统结构示意图；
图2为本发明实施例提供的人脸识别系统进行人脸识别时的一种时序图；
图3为本发明实施例提供的人脸识别系统中，存储设备生成第二特征信息库的一种时序示意图；
图4为本发明实施例提供的人脸识别系统进行统一升级时的一种时序示意图；
图5为本发明实施例提供的人脸识别系统进行升级时，对图像采集设备进行灰度升级时序示意图；
图6为本发明实施例提供的一种应用于图像采集设备的人脸识别方法的流程示意图；
图7为本发明实施例提供的一种应用于图像采集设备的人脸识别装置的结构示意图；
图8为本发明实施例提供的一种应用于存储设备的人脸识别方法的流程示意图；
图9为本发明实施例提供的一种应用于存储设备的人脸识别装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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，都属于本发明保护的范围。
一些场景中，比如，考勤系统、门禁系统等系统中，通常需要通过人脸识别确定人员身份。
如果采用如果采用前端设备(如图像采集设备)进行人脸识别，那么，需要由图像采集设备进行人脸图像采集，并与人脸图像库中存储的人脸图像进行对比，确定人脸图像对应的人脸的身份，然后，将对比结果发送至存储设备。
如果存储设备进行人脸识别，那么，需要图像采集设备将采集到的图像码流数据直接发送至存储设备，然后，存储设备对图像码流数据进行分析，获取图像码流数据中的人脸图像，与人脸图像库中存储的人脸图像进行对比，确定人脸图像对应的人脸的身份。
但是，上述两种方案都存在对计算资源的分配不均匀的问题，如果采用上述两种方案进行人脸识别，采集设备与存储设备的计算开销不够均衡，从而导致采集设备或存储设备的的计算压力较大。
本发明实施例提供了一种人脸识别系统，至少可以解决上述技术问题，下面从总体上对本发明实施例提供的人脸识别系统进行说明。
一种实现方式中，上述人脸识别系统包括：图像采集设备和存储设备，其中，
所述图像采集设备，用于获取人脸图像，对所述人脸图像进行特征提取，得到第一特征信息；将所述第一特征信息发送至存储设备；
所述存储设备，用于接收所述第一特征信息，对所述第一特征信息进行分析，得到人脸分析结果。
由以上可见，本发明实施例提供的人脸识别系统，通过图像采集设备获取人脸图像，对所获取的人脸图像进行特征提取，将提取到的特征信息发送至存储设备，然后通过存储设备接收特征信息，对特征信息进行分析，得到人脸分析结果。这样，人脸识别过程中的特征提取过程由图像采集设备执行，而人脸识别过程中的特征分析过程由存储设备执行，从而将计算资源均匀分配至图像采集设备和存储设备，从而可以均衡前后端的计算开销，减少图像采集设备的计算压力。
下面将通过具体的实施例，对本发明实施例提供的人脸识别系统进行详细描述。
如图1所示，为本发明实施例提供的人脸识别系统的系统结构示意图，该系统包括图像采集设备101和存储设备102，其中，图像采集设备101与存储设备102之间通过网络进行连接，图像采集设备101为具有图像采集功能的电子设备，如网络摄像机、球机、监控摄像机等，存储设备可以包括NVR(Network Video Recorder，网络硬盘录像机)或DVR(DigitalVideo Recorder，硬盘录像机)等等，而存储设备102也可以包括计算能力将强的电子设备，如服务器、计算机等等。
如图2所示，为本发明实施例提供的人脸识别系统进行人脸识别时的一种时序图，该人脸识别系统进行人脸识别时，采用如下步骤：
S201：图像采集设备获取人脸图像，对人脸图像进行特征提取，得到第一特征信息。
举例而言，图像采集设备可以是具有图像采集功能的电子设备，如网络摄像机、球机、监控摄像机等等，人脸图像可以是图像采集设备采集的图像。
S202：图像采集设备将第一特征信息发送至存储设备。
其中，图像采集设备还可以将所获取的人脸图像也发送至存储设备，这样，存储设备可以基于人脸图像，进行进一步的检测，比如，存储设备可以将人脸图像展示给用户，以使用户可以快速从存储设备获取人脸图像，对人脸图像进行观察，从而对系统的识别结果进行检测。
S203：存储设备接收所述第一特征信息，对第一特征信息进行分析，得到人脸分析结果。
举例而言，对第一特征信息的分析，包括人脸比对、人脸检索、人脸轨迹分析等等。可以理解，这些分析过程需要较大的计算量，而相比于图像采集设备，存储设备通常具有更强的计算能力，因此，在存储设备中对第一特征信息进行分析，可以提高人脸分析过程的速度和准确度。
举例而言，存储设备在进行人脸比对时，可以将接收到的第一特征信息与自身存储的第二特征信息库进行匹配，从而得到第二人脸识别结果。
其中，第二特征信息库可以是存储设备从网络中下载得到的；也可以是在存储设备中生成的。举例而言，存储设备可以获取样本人脸图像及样本人脸图像对应的样本人脸特征，然后，根据样本人脸图像及样本人脸特征，生成第二特征信息库。
其中，存储设备可以在获取样本图像后，对所获取的样本图像进行检测，从样本图像中截取出样本人脸图像；也可以直接从其他设备中获取样本人脸图像对应的样本人脸特征，比如，在人脸识别系统中还可以包括客户端，客户端可以获取样本图像，并对样本图像进行检测，从样本图像中截取出样本人脸图像，这样，存储设备就可以从客户端中直接获取样本人脸图像。
可以理解，相比于存储设备先获取样本图像后，再对所获取的样本图像进行检测，从样本图像中截取样本人脸图像，由客户端对样本图像进行检测，直接将截取出的样本人脸图像发送至存储设备，可以利用客户端的计算资源，同时避免数据量较大的样本图像上传至存储设备，占用带宽和存储空间，从而减少了传输延迟。
一种情况下，存储设备还接收到了图像采集设备发送的人脸图像，在这种情况下，存储设备还可以对人脸图像进行第二次特征提取，得到第二特征信息，然后，对接收到的特征信息及提取到的第二特征信息进行分析，得到人脸分析结果。
可以理解，存储设备相比于图像采集设备，通常具有更强的运算能力，基于此，在存储设备中对人脸图像进行第二次特征提取时所使用的特征提取方法更加精确，得到的第二特征信息以及基于第二特征信息得到的人脸分析结果具有更高的准确性，可以应对更复杂的情况。
由以上可见，本发明实施例提供的人脸识别系统，通过图像采集设备获取人脸图像，对所获取的人脸图像进行特征提取，将提取到的特征信息发送至存储设备，然后通过存储设备接收特征信息，对特征信息进行分析，得到人脸分析结果。这样，人脸识别过程中的特征提取过程由图像采集设备执行，而人脸识别过程中的特征分析过程由存储设备执行，从而将计算资源均匀分配至图像采集设备和存储设备，从而可以均衡前后端的计算开销，减少图像采集设备的计算压力。
在人脸识别系统中包括客户端的情况下，如图3所示，为在上述人脸识别系统中，存储设备生成第二特征信息库的一种时序示意图，其中：
S301，客户端获取样本图像，对样本图像进行检测，从中截取样本人脸图像。
举例而言，客户端可以为计算机客户端或移动客户端等等，在客户端提取样本人脸图像时，可以充分利用客户端的计算资源。具体的，可以采用如下步骤：
首先，对样本图像进行人脸检测，从样本图像中确定出包含人脸的候选人脸图像，然后，对候选人脸图像进行特征点定位，从特征点定位后的候选人脸图像中截取样本人脸图像，进而，对样本人脸图像进行特征提取，得到样本人脸图像对应的样本人脸特征。
其中，在从特征点定位后的候选人脸图像中截取样本人脸图像之前，还可以对候选人脸图像进行质量评价，或对特征点定位后的候选人脸图像进行质量评价，筛选出质量评价结果满足预设条件的，即清晰度较高的候选人脸图像，从而提高特征信息库中的样本人脸图像质量，提高后续的人脸对比的准确度。这样，当样本图像不符合质量要求时，客户端可以生成提示信息，使得用户可以第一时间获得反馈，从而提高用户体验。
另外，一种情况下，还可以对特征点定位后的候选人脸图像进行校正，从校正后的候选人脸图像中截取样本人脸图像。这样，可以把候选人脸图像中人脸的眼睛对齐到固定位置，得到类似证件照的效果，从而便于后续的处理分析。
S302，客户端将样本人脸图像发送至存储设备。
可以理解，在客户端提取出样本人脸图像后，存储设备可以直接获取样本人脸图像，而不需要获取数据量较大的样本图像，从而节约了带宽和降低传输延迟。
S303，存储设备将样本人脸图像分发至图像采集设备中。
可以理解，在人脸识别系统中存在多个图像采集设备的情况下，可以利用存储设备对特征提取任务进行调度，将样本人脸图像分发至各个图像采集设备中进行特征提取，从而使得各图像采集设备的计算能力得到充分利用。
一种情况下，人脸识别系统规模非常小，比如，在人脸识别系统中只有1-2个图像采集设备的情况下，客户端也可以直接将样本人脸图像发送至图像采集设备进行特征提取，而不需要经过存储设备对样本人脸图像进行分发，进一步节省带宽和降低传输延迟。
S304，图像采集设备对样本人脸图像进行特征提取，得到样本人脸图像对应的样本人脸特征。
S305，图像采集设备将样本人脸特征返回至存储设备。
S306，存储设备根据样本人脸图像及样本人脸特征，生成第二特征信息库。
生成第二特征信息库后，存储设备还可以将第二特征信息库中的数据下发至每一台图像采集设备，这样，每个图像采集设备都具有完整的第二特征信息库，以适应于更复杂的应用。
可以理解，人脸识别系统中的第二特征信息库需要不断更新，以适应更复杂的情况，在这种情况下，客户端会获取新的增量数据，也就是新的样本图像，然后提取出增量样本人脸图像，并将增量样本人脸图像发送至存储设备，然后，存储设备可以对增量样本人脸图像进行分发，由特定的图像采集设备对增量样本人脸图像进行特征提取，并返回增量样本人脸特征，进而，存储设备可以根据增量样本人脸特征及原始的第二特征信息库，生成新的第二特征信息库。
一种情况下，图像采集设备与需要对人脸识别结果进行对应的响应操作的响应设备相连接，其中，响应设备可以为联动闸机、门禁设备等。
在这种情况下，可以预先在图像采集设备中存储第一特征信息库，其中，第一特征信息库中包括特定人员的人脸特征信息，图像采集设备可以将提取到的第一特征信息直接与所存储的第一特征信息库进行比对，得到第一人脸识别结果，进而，可以根据第一人脸识别结果，向响应设备发送对应的响应指令，以使响应设备执行对应的响应操作。这样，图像采集设备和响应设备不需要等待存储设备的反馈，就可以直接执行响应操作，可以获得更佳的延迟响应。
其中，第一特征信息库是存储设备分发至图像采集设备中的，第一特征信息库中的数据可以与第二特征信息库中的数据相同，或者，第一特征信息库中的数据也可以是第二特征信息库中的一部分数据，具体不做限定。
或者，也可以由存储设备将其对第一特征信息与所述第二特征信息库进行匹配后，得到的第二人脸识别结果返回至图像采集设备，图像采集设备根据接收到的第二人脸识别结果，向响应设备发送对应的响应指令。
另一种情况下，图像采集设备可以获取第三特征信息库，将提取到的第一特征信息与第三特征信息库进行匹配，将匹配结果发送至存储设备，同时，若匹配成功，则直接向响应设备发送对应的响应指令。而存储设备如果接收到匹配失败信息，则将第一特征信息与所存储的第四特征信息库进行匹配，将匹配结果返回所述图像采集设备，以使图像采集设备基于匹配结果发送响应指令。
可以理解，存储设备相比于图像采集设备，具有更强的运算能力，基于此，第四特征信息库中的特征信息数量多于第三特征信息库中的特征信息数量。
举例而言，图像采集设备可以按照位置等附加信息分组，存储设备端加载最大可能出现的1万人并进行实时比对，同时将特征信息上传到存储设备进行全量库的实时比对，前端比对命中则优先响应，否则等待后端比对结果进行响应，从而获得系统整体上的低延迟优势。
在一种实现方式中，本发明实施例提供的人脸识别系统可以采取统一升级的方式，使得图像采集设备与存储设备的算法的版本统一，其中，人脸抠图的算法与特征提取的算法是不相关的，其算法升级的过程可以互相独立。
如图4所示，为人脸识别系统进行统一升级的时序示意图，其中：
S401，存储设备配置升级包。
举例而言，存储设备可以通过从网络或其他设备中下载升级包的方式，实现对升级包的配置，或者，也可以通过接受用户的指令，在存储设备中直接生成升级包，具体不做限定。
S402，存储设备向图像采集设备发送升级信息。
S403，图像采集设备在接收到升级信息之后，获取该图像采集设备对应的升级包，利用所获取的升级包进行升级。
在图像采集设备升级完成后，可以向存储设备返回升级状态信息，根据升级状态信息，存储设备可以判断图像采集设备是否成功升级。如果图像采集设备升级失败，那么，可以返回执行对图像采集设备进行升级的步骤，或者，也可以自动停用该图像采集设备，并向存储设备返回报警信息。
一种情况下，前述图像采集设备中的第一特征数据库、第三特征数据库，以及存储设备中的第二特征数据库、第四特征数据库，均为图像采集设备或存储设备根据人脸识别系统中的特征提取算法对样本人脸图像进行特征提取后得到的。在这种情况下，在人脸识别系统中的算法升级后，需要对这些特征信息库也进行升级，这样，在进行人脸对比时，特征信息与特征信息库均为同一算法提取得到的结果，从而可以提高人脸识别系统在应用时的匹配度。
具体方式可以为：存储设备根据图像采集设备反馈的升级状态信息，判断图像采集设备是否升级成功，若图像采集设备升级成功，则将样本人脸图像重新分发至升级成功的图像采集设备中，图像采集设备利用升级后的特征提取算法，对样本人脸图像进行特征提取，并将得到的新的样本人脸特征返回至存储设备，进而，存储设备可以根据新的样本人脸特征，生成新的特征信息库。
可以理解，在系统中算法的版本统一的情况下，图像采集设备与存储设备的配合使用更完善，可以减少数据交换过程中的识别错误等情况的发生。
一种实现方式中，图像采集设备在启用之前，可以从存储设备获取系统的当前版本号，判断系统的当前版本号与图像采集设备的版本号是否匹配，若不匹配，则获取图像采集设备对应的升级包，利用升级包对图像采集设备进行升级。这样，可以避免系统统一升级时该图像采集设备不在线导致的未升级的问题，进一步减少数据交换过程中的识别错误等情况的发生。
本发明实施例中，在对人脸识别系统进行升级时，对于每一个图像采集设备而言，当该图像采集设备正在进行升级时，可以暂停获取人脸图像，对人脸图像进行特征提取，得到第一特征信息等等的步骤，减少对图像采集设备计算资源的占用，从而提高人脸识别系统升级的成功率。
或者，如图5所示，在对人脸识别系统进行升级时，也可以采用如下方式，对图像采集设备进行灰度升级：
S501，存储设备获取对应的升级包，根据所获取的升级包，创建新的特征信息库。
S502，存储设备向图像采集设备发送升级信息。
S503，图像采集设备在接收到升级信息之后，获取该图像采集设备对应的升级包，根据所获取的升级包，创建新的特征信息库，在新的特征信息库创建成功后，删除旧的特征信息库。
S504，图像采集设备向存储设备反馈升级状态。
S505，存储设备在接收到所有图像采集设备发送的升级状态之后，删除旧的特征信息库。
这样，在图像采集设备进行升级时，新的特征信息库生成之前，仍然保留就得信息库，图像采集设备可以利用旧的特征信息库执行其他步骤，从而不影响其他功能的应用。
如图6所示，为本发明实施例提供的一种应用于图像采集设备的人脸识别方法的流程示意图，包括如下步骤：
S601：获取人脸图像；
S602：对所述人脸图像进行特征提取，将提取到的特征信息发送至存储设备，以使所述存储设备对所述特征信息进行分析。
一种实现方式中，所述方法还包括(图中未示出)：
将提取到的特征信息与所述图像采集设备中存储的第三特征信息库进行匹配，将匹配结果发送至所述存储设备；
若匹配成功，则执行所述匹配结果对应的响应操作；
若匹配失败，则在接收到所述存储设备发送的匹配成功信息后，执行所述匹配成功信息对应的响应操作。
一种实现方式中，所述方法还包括(图中未示出)：
接收所述存储设备发送的升级信息；
获取对应的升级包，对所述图像采集设备进行升级；
若升级成功，则向所述存储设备反馈升级状态。
一种实现方式中，所述方法还包括(图中未示出)：
从所述存储设备获取当前系统版本号；
判断所述当前系统版本号与所述图像采集设备的版本号是否匹配；
若不匹配，则获取对应的升级包，对所述图像采集设备进行升级。
与上述人脸识别方法相对应的，本发明实施例还提供了一种应用于图像采集设备的人脸识别装置，如图7所示，为上述应用于图像采集设备的人脸识别装置的结构示意图，该装置包括：
获取模块701，应用获取人脸图像；
特征提取模块702，用于对所述人脸图像进行特征提取，将提取到的特征信息发送至存储设备，以使所述存储设备对所述特征信息进行分析。
由以上可见，本发明实施例提供的应用于图像采集设备的人脸识别方法和装置，人脸识别过程中的特征提取过程由图像采集设备执行，而人脸识别过程中的特征分析过程由存储设备执行，从而将计算资源均匀分配至图像采集设备和存储设备，从而可以均衡前后端的计算开销，减少图像采集设备的计算压力。
如图8所示，为本发明实施例提供的一种应用于存储设备的人脸识别方法的流程示意图，包括如下步骤：
S801：接收图像采集设备发送的特征信息，所述特征信息为对人脸图像进行特征提取得到的；
S802：对所述特征信息进行分析，得到人脸分析结果。
一种实现方式中，所述方法还包括(图中未示出)：
接收所述图像采集设备发送的匹配失败信息；
将所述特征信息与存储在所述存储设备中的第四特征信息库进行匹配；
将匹配结果返回所述图像采集设备。
一种实现方式中，所述方法还包括(图中未示出)：
从所述样本图像中确定出包含人脸的候选人脸图像；
对所述候选人脸图像进行特征点定位；
从特征点定位后的候选人脸图像中截取所述样本人脸图像；
确定所述样本人脸图像对应的样本人脸特征；
根据所述样本人脸图像及所述样本人脸特征，生成特征信息库，将所述特征信息库发送至所述图像采集设备。
一种实现方式中，在所述从特征点定位后的候选人脸图像中截取所述样本人脸图像之前，所述方法还包括(图中未示出)：
对所述候选人脸图像进行质量评价；或，
对所述特征点定位后的候选人脸图像进行质量评价，判断所述特征点定位后的候选人脸图像的质量评价结果是否满足预设条件；
若满足，则执行所述从特征点定位后的候选人脸图像中截取所述样本人脸图像的步骤。
一种实现方式中，所述从特征点定位后的候选人脸图像中截取所述样本人脸图像，包括(图中未示出)：
对所述特征点定位后的候选人脸图像进行校正；
从所述校正后的候选人脸图像中截取所述样本人脸图像。
一种实现方式中，所述方法还包括(图中未示出)：
配置升级包，向所述图像采集设备发送升级信息；
接收所述图像采集设备反馈的升级状态。
一种实现方式中，所述方法还包括(图中未示出)：
获取所述存储设备对应的升级包，对所述存储设备进行升级。
一种实现方式中，所述对所述存储设备进行升级，包括：
创建新的特征信息库；
向所述图像采集设备发送升级信息，以使所述图像采集设备进行升级；
在接收到所有所述图像采集设备发送的升级状态之后，删除旧的特征信息库。
与上述人脸识别方法相对应的，本发明实施例还提供了一种应用于存储设备的人脸识别装置，如图9所示，为上述应用于存储设备的人脸识别装置的结构示意图，该装置包括：
接收模块901，用于接收图像采集设备发送的特征信息，所述特征信息为对人脸图像进行特征提取得到的；
分析模块902，用于对所述特征信息进行分析，得到人脸分析结果。
由以上可见，本发明实施例提供的应用于存储设备的人脸识别方法和装置，人脸识别过程中的特征提取过程由图像采集设备执行，而人脸识别过程中的特征分析过程由存储设备执行，从而将计算资源均匀分配至图像采集设备和存储设备，从而可以均衡前后端的计算开销，减少图像采集设备的计算压力。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的人脸识别方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的人脸识别方法。
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。当使用软件实现时，可以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。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请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Solid State Disk(SSD))等。
由以上可见，本发明实施例提供的应用于存储设备的人脸识别方法和图像采集设备的人脸识别方法，人脸识别过程中的特征提取过程由图像采集设备执行，而人脸识别过程中的特征分析过程由存储设备执行，从而将计算资源均匀分配至图像采集设备和存储设备，从而可以均衡前后端的计算开销，减少图像采集设备的计算压力。
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“包括一个……”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。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于方法实施例和装置实施例而言，由于其基本相似于系统实施例，所以描述的比较简单，相关之处参见系统实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (27)
1.一种人脸识别系统，其特征在于，所述系统包括：图像采集设备和存储设备，其中，
所述图像采集设备，用于获取人脸图像，对所述人脸图像进行特征提取，得到第一特征信息；将所述第一特征信息发送至存储设备；
所述存储设备，用于接收所述第一特征信息，对所述第一特征信息进行分析，得到人脸分析结果。
2.根据权利要求1所述的系统，其特征在于，
所述图像采集设备，还用于将所述人脸图像发送至所述存储设备；
所述存储设备，还用于对所述人脸图像进行第二次特征提取，得到第二特征信息；对所述特征信息及所述第二特征信息进行分析，得到人脸分析结果。
3.根据权利要求1所述的系统，其特征在于，
所述图像采集设备，还用于将提取到的第一特征信息与所述图像采集设备中存储的第一特征信息库进行比对，得到第一人脸识别结果；向响应设备发送所述第一人脸识别结果对应的响应指令。
4.根据权利要求1所述的系统，其特征在于，
所述存储设备，还用于获取样本人脸图像；获取所述样本人脸图像对应的样本人脸特征；根据所述样本人脸图像及所述样本人脸特征，生成第二特征信息库；将所述第一特征信息与所述第二特征信息库进行匹配，得到第二人脸识别结果，将所述第二人脸识别结果返回至所述图像采集设备；
所述图像采集设备，还用于基于所述第二人脸识别结果，执行所述第二人脸识别结果对应的响应操作。
5.根据权利要求4所述的系统，其特征在于，所述系统还包括：
客户端，用于获取样本图像；对所述样本图像进行检测，从所述样本图像中截取所述样本人脸图像；将所述样本人脸图像发送至所述存储设备。
6.根据权利要求4所述的系统，其特征在于，
所述存储设备，还用于获取样本图像，对所述样本图像进行检测，从所述样本图像中截取所述样本人脸图像。
7.根据权利要求1所述的系统，其特征在于，
所述图像采集设备，还用于获取第三特征信息库；将提取到的第一特征信息与所述图像采集设备中存储的第三特征信息库进行匹配，将匹配结果发送至所述存储设备；若匹配成功，则对所述匹配结果进行响应；
所述存储设备，还用于在接收到匹配失败信息后，将所述第一特征信息与存储在所述存储设备中的第四特征信息库进行匹配，将匹配结果返回所述图像采集设备；其中，所述第四特征信息库中的特征信息数量多于所述第三特征信息库中的特征信息数量；
所述图像采集设备，还用于在接收到匹配成功信息后，执行所述对所述匹配结果进行响应的步骤。
8.根据权利要求1所述的系统，其特征在于，
所述存储设备，还用于配置升级包，向所述图像采集设备发送升级信息；
所述图像采集设备，还用于在接收到所述升级信息之后，获取所述图像采集设备对应的升级包，利用所获取的升级包，对所述图像采集设备进行升级。
9.根据权利要求8所述的系统，其特征在于，
所述图像采集设备，还用于在升级失败的情况下，返回执行对所述图像采集设备进行升级的步骤；或者，停用所述图像采集设备，并向所述存储设备返回报警信息。
10.根据权利要求1所述的系统，其特征在于，
所述图像采集设备，还用于从所述存储设备获取所述系统的当前版本号；判断所述系统的当前版本号与所述图像采集设备的版本号是否匹配；若不匹配，则获取所述图像采集设备对应的升级包，利用所述升级包对所述图像采集设备进行升级。
11.根据权利要求8-10任一项所述的系统，其特征在于，
所述图像采集设备，还用于在执行所述对所述图像采集设备进行升级的步骤时，暂停获取人脸图像，对所述人脸图像进行特征提取，得到第一特征信息的步骤。
12.根据权利要求1所述的系统，其特征在于，
所述存储设备，还用于获取所述存储设备对应的升级包，根据所获取的升级包，创建新的特征信息库；向所述图像采集设备发送升级信息；
所述图像采集设备，还用于在接收到所述升级信息之后，获取所述图像采集设备对应的升级包，根据所获取的升级包，创建新的特征信息库；删除旧的特征信息库，并向所述存储设备反馈升级状态；
所述存储设备，还用于在接收到所有所述图像采集设备发送的升级状态之后，删除旧的特征信息库。
13.一种人脸识别方法，其特征在于，应用于图像采集设备，所述方法包括：
获取人脸图像；
对所述人脸图像进行特征提取，将提取到的特征信息发送至存储设备，以使所述存储设备对所述特征信息进行分析。
14.根据权利要求13所述的方法，其特征在于，所述方法还包括：
将提取到的特征信息与所述图像采集设备中存储的第三特征信息库进行匹配，将匹配结果发送至所述存储设备；
若匹配成功，则执行所述匹配结果对应的响应操作；
若匹配失败，则在接收到所述存储设备发送的匹配成功信息后，执行所述匹配成功信息对应的响应操作。
15.根据权利要求13所述的方法，其特征在于，所述方法还包括：
接收所述存储设备发送的升级信息；
获取对应的升级包，对所述图像采集设备进行升级；
若升级成功，则向所述存储设备反馈升级状态。
16.根据权利要求13所述的方法，其特征在于，所述方法还包括：
从所述存储设备获取当前系统版本号；
判断所述当前系统版本号与所述图像采集设备的版本号是否匹配；
若不匹配，则获取对应的升级包，对所述图像采集设备进行升级。
17.一种人脸识别方法，其特征在于，应用于存储设备，所述方法包括：
接收图像采集设备发送的特征信息，所述特征信息为对人脸图像进行特征提取得到的；
对所述特征信息进行分析，得到人脸分析结果。
18.根据权利要求17所述的方法，其特征在于，所述方法还包括：
接收所述图像采集设备发送的匹配失败信息；
将所述特征信息与存储在所述存储设备中的第四特征信息库进行匹配；
将匹配结果返回所述图像采集设备。
19.根据权利要求17所述的方法，其特征在于，所述方法还包括：
从所述样本图像中确定出包含人脸的候选人脸图像；
对所述候选人脸图像进行特征点定位；
从特征点定位后的候选人脸图像中截取所述样本人脸图像；
确定所述样本人脸图像对应的样本人脸特征；
根据所述样本人脸图像及所述样本人脸特征，生成特征信息库，将所述特征信息库发送至所述图像采集设备。
20.根据权利要求19所述的方法，其特征在于，在所述从特征点定位后的候选人脸图像中截取所述样本人脸图像之前，所述方法还包括：
对所述候选人脸图像进行质量评价；或，
对所述特征点定位后的候选人脸图像进行质量评价，判断所述特征点定位后的候选人脸图像的质量评价结果是否满足预设条件；
若满足，则执行所述从特征点定位后的候选人脸图像中截取所述样本人脸图像的步骤。
21.根据权利要求19所述的方法，其特征在于，所述从特征点定位后的候选人脸图像中截取所述样本人脸图像，包括：
对所述特征点定位后的候选人脸图像进行校正；
从所述校正后的候选人脸图像中截取所述样本人脸图像。
22.根据权利要求17所述的方法，其特征在于，所述方法还包括：
配置升级包，向所述图像采集设备发送升级信息；
接收所述图像采集设备反馈的升级状态。
23.根据权利要求22所述的方法，其特征在于，所述方法还包括：
获取所述存储设备对应的升级包，对所述存储设备进行升级。
24.根据权利要求23所述的方法，其特征在于，所述对所述存储设备进行升级，包括：
创建新的特征信息库；
向所述图像采集设备发送升级信息，以使所述图像采集设备进行升级；
在接收到所有所述图像采集设备发送的升级状态之后，删除旧的特征信息库。
25.一种人脸识别装置，其特征在于，应用于图像采集设备，所述装置包括：
获取模块，应用获取人脸图像；
特征提取模块，用于对所述人脸图像进行特征提取，将提取到的特征信息发送至存储设备，以使所述存储设备对所述特征信息进行分析。
26.一种人脸识别装置，其特征在于，应用于存储设备，所述装置包括：
接收模块，用于接收图像采集设备发送的特征信息，所述特征信息为对人脸图像进行特征提取得到的；
分析模块，用于对所述特征信息进行分析，得到人脸分析结果。
27.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求13-16或17-24任一所述的方法步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811431915.2A CN111241868B (zh) | 2018-11-28 | 2018-11-28 | 一种人脸识别系统、方法及装置 |
| PCT/CN2019/116285 WO2020108268A1 (zh) | 2018-11-28 | 2019-11-07 | 一种人脸识别系统、方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811431915.2A CN111241868B (zh) | 2018-11-28 | 2018-11-28 | 一种人脸识别系统、方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111241868A true CN111241868A (zh) | 2020-06-05 |
| CN111241868B CN111241868B (zh) | 2024-03-08 |
Family
ID=70852693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811431915.2A Active CN111241868B (zh) | 2018-11-28 | 2018-11-28 | 一种人脸识别系统、方法及装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111241868B (zh) |
| WO (1) | WO2020108268A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112989096A (zh) * | 2021-03-05 | 2021-06-18 | 浙江大华技术股份有限公司 | 脸部特征迁移方法、电子设备及存储介质 |
| CN113190707A (zh) * | 2021-05-24 | 2021-07-30 | 浙江大华技术股份有限公司 | 一种人脸库管理系统、方法、装置、存储设备及存储介质 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111914746B (zh) * | 2020-07-31 | 2024-05-03 | 安徽华速达电子科技有限公司 | 一种缓解人脸识别设备负荷的方法及系统 |
| CN112016466B (zh) * | 2020-08-28 | 2024-05-28 | 中移（杭州）信息技术有限公司 | 人脸识别方法、系统、电子设备和计算机存储介质 |
| CN112667840B (zh) * | 2020-12-22 | 2024-05-28 | 中国银联股份有限公司 | 特征样本库构建方法、通行识别方法、装置及存储介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102916986A (zh) * | 2011-08-01 | 2013-02-06 | 环达电脑(上海)有限公司 | 人脸辨识的搜寻系统及其方法 |
| WO2014140537A1 (en) * | 2013-03-14 | 2014-09-18 | Google Inc. | Methods and apparatus for characterising an image |
| CN104112116A (zh) * | 2011-06-30 | 2014-10-22 | 深圳市君盛惠创科技有限公司 | 一种云服务器 |
| CN104463117A (zh) * | 2014-12-02 | 2015-03-25 | 苏州科达科技股份有限公司 | 一种基于视频方式的人脸识别样本采集方法及系统 |
| CN105469455A (zh) * | 2014-09-12 | 2016-04-06 | 航天信息股份有限公司 | 基于移动终端的人脸识别考勤管理方法和系统 |
| CN106254539A (zh) * | 2016-09-23 | 2016-12-21 | 捷开通讯(深圳)有限公司 | 移动设备及其基于生物特征识别的用时监控系统、方法 |
| CN106886789A (zh) * | 2015-12-16 | 2017-06-23 | 芋头科技（杭州）有限公司 | 一种图像识别分类装置及方法 |
| CN107358238A (zh) * | 2017-03-01 | 2017-11-17 | 郑州云海信息技术有限公司 | 一种提取图像特征信息的方法及系统 |
| CN107578024A (zh) * | 2017-09-15 | 2018-01-12 | 赵立峰 | 一种人脸识别系统 |
| CN107944381A (zh) * | 2017-11-20 | 2018-04-20 | 深圳云天励飞技术有限公司 | 人脸跟踪方法、装置、终端及存储介质 |
| CN108171138A (zh) * | 2017-12-22 | 2018-06-15 | 银河水滴科技（北京）有限公司 | 一种生物特征信息获取方法和装置 |
| CN108171137A (zh) * | 2017-12-22 | 2018-06-15 | 深圳市泛海三江科技发展有限公司 | 一种人脸识别方法及系统 |
| CN108189804A (zh) * | 2017-12-29 | 2018-06-22 | 威马智慧出行科技（上海）有限公司 | 一种用于车辆的人脸识别系统及人脸识别方法 |
| CN108647621A (zh) * | 2017-11-16 | 2018-10-12 | 福建师范大学福清分校 | 一种基于人脸识别的视频分析处理系统及方法 |
-
2018
- 2018-11-28 CN CN201811431915.2A patent/CN111241868B/zh active Active
-
2019
- 2019-11-07 WO PCT/CN2019/116285 patent/WO2020108268A1/zh active Application Filing
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104112116A (zh) * | 2011-06-30 | 2014-10-22 | 深圳市君盛惠创科技有限公司 | 一种云服务器 |
| CN102916986A (zh) * | 2011-08-01 | 2013-02-06 | 环达电脑(上海)有限公司 | 人脸辨识的搜寻系统及其方法 |
| WO2014140537A1 (en) * | 2013-03-14 | 2014-09-18 | Google Inc. | Methods and apparatus for characterising an image |
| CN105469455A (zh) * | 2014-09-12 | 2016-04-06 | 航天信息股份有限公司 | 基于移动终端的人脸识别考勤管理方法和系统 |
| CN104463117A (zh) * | 2014-12-02 | 2015-03-25 | 苏州科达科技股份有限公司 | 一种基于视频方式的人脸识别样本采集方法及系统 |
| CN106886789A (zh) * | 2015-12-16 | 2017-06-23 | 芋头科技（杭州）有限公司 | 一种图像识别分类装置及方法 |
| CN106254539A (zh) * | 2016-09-23 | 2016-12-21 | 捷开通讯(深圳)有限公司 | 移动设备及其基于生物特征识别的用时监控系统、方法 |
| CN107358238A (zh) * | 2017-03-01 | 2017-11-17 | 郑州云海信息技术有限公司 | 一种提取图像特征信息的方法及系统 |
| CN107578024A (zh) * | 2017-09-15 | 2018-01-12 | 赵立峰 | 一种人脸识别系统 |
| CN108647621A (zh) * | 2017-11-16 | 2018-10-12 | 福建师范大学福清分校 | 一种基于人脸识别的视频分析处理系统及方法 |
| CN107944381A (zh) * | 2017-11-20 | 2018-04-20 | 深圳云天励飞技术有限公司 | 人脸跟踪方法、装置、终端及存储介质 |
| CN108171138A (zh) * | 2017-12-22 | 2018-06-15 | 银河水滴科技（北京）有限公司 | 一种生物特征信息获取方法和装置 |
| CN108171137A (zh) * | 2017-12-22 | 2018-06-15 | 深圳市泛海三江科技发展有限公司 | 一种人脸识别方法及系统 |
| CN108189804A (zh) * | 2017-12-29 | 2018-06-22 | 威马智慧出行科技（上海）有限公司 | 一种用于车辆的人脸识别系统及人脸识别方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112989096A (zh) * | 2021-03-05 | 2021-06-18 | 浙江大华技术股份有限公司 | 脸部特征迁移方法、电子设备及存储介质 |
| CN112989096B (zh) * | 2021-03-05 | 2023-03-14 | 浙江大华技术股份有限公司 | 脸部特征迁移方法、电子设备及存储介质 |
| CN113190707A (zh) * | 2021-05-24 | 2021-07-30 | 浙江大华技术股份有限公司 | 一种人脸库管理系统、方法、装置、存储设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111241868B (zh) | 2024-03-08 |
| WO2020108268A1 (zh) | 2020-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111241868B (zh) | 一种人脸识别系统、方法及装置 | |
| CN110825765B (zh) | 一种人脸识别的方法和装置 | |
| CN109492536B (zh) | 一种基于5g架构的人脸识别方法及系统 | |
| CN112417439A (zh) | 账号检测方法、装置、服务器及存储介质 | |
| CN108229260B (zh) | 一种身份信息核验方法及系统 | |
| EP2769304B1 (en) | Telemetry file hash and conflict detection | |
| CN110008821B (zh) | 一种预测人像底图更新的方法和设备 | |
| US20160210499A1 (en) | Method and apparatus for processing handwriting data | |
| US11086919B2 (en) | Service regression detection using real-time anomaly detection of log data | |
| WO2015106710A1 (en) | Contact information processing method, apparatus, and system | |
| EP3890312B1 (en) | Distributed image analysis method and system, and storage medium | |
| JP6900853B2 (ja) | デバイス連携サーバおよびデバイス連携プログラム | |
| WO2017054307A1 (zh) | 用户信息的识别方法及装置 | |
| CN110569765B (zh) | 图片识别方法、图片比对方法及装置 | |
| CN109214855A (zh) | 素材接收方法、装置及系统 | |
| US11636679B2 (en) | Apparatus and method for detecting suspicious content | |
| CN110505438B (zh) | 一种排队数据的获取方法和摄像机 | |
| KR102131029B1 (ko) | 사물인터넷 디바이스 식별 방법 및 시스템 | |
| CN113196265A (zh) | 安全检测分析 | |
| CN111368128A (zh) | 目标图片的识别方法、装置和计算机可读存储介质 | |
| CN111061916A (zh) | 一种基于多目标库图像识别的视频共享系统 | |
| CN113783862A (zh) | 一种边云协同过程中进行数据校验的方法及装置 | |
| KR20190021848A (ko) | 서버 모니터링 방법과 이를 수행하기 위한 장치 및 시스템 | |
| KR101553923B1 (ko) | 시스템 사용량 분석 장치 및 방법 | |
| CN110163043B (zh) | 面部检测方法、装置、存储介质及电子装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |