CN111339811A - 图像处理方法、装置、设备及存储介质 - Google Patents

图像处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111339811A
CN111339811A CN201910796696.6A CN201910796696A CN111339811A CN 111339811 A CN111339811 A CN 111339811A CN 201910796696 A CN201910796696 A CN 201910796696A CN 111339811 A CN111339811 A CN 111339811A
Authority
CN
China
Prior art keywords
face
image
feature
face image
face recognition
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
Application number
CN201910796696.6A
Other languages
English (en)
Other versions
CN111339811B (zh
Inventor
彭左
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.)
Hangzhou Hikvision System Technology Co Ltd
Original Assignee
Hangzhou Hikvision System Technology 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 Hangzhou Hikvision System Technology Co Ltd filed Critical Hangzhou Hikvision System Technology Co Ltd
Priority to CN201910796696.6A priority Critical patent/CN111339811B/zh
Publication of CN111339811A publication Critical patent/CN111339811A/zh
Application granted granted Critical
Publication of CN111339811B publication Critical patent/CN111339811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种图像处理方法、装置、设备及存储介质，该方法包括：获取多张人脸图像以及人脸识别设备的类型；根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像；向人脸识别设备下发第一人脸图像，本申请由于根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像，保证了每类人脸识别设备都能得到对应的人脸图像。

Description

图像处理方法、装置、设备及存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、设备及存储介质。
背景技术
现阶段，视频监控行业发展迅猛，广泛应用于教育、金融、交通、建筑等各行业。例如在交通中，通过在车流、人流比较集中的道路交叉口、重点路段布置监控点，并通过图像传输通道将路面交通情况实时上传到道路监控指挥中心，中心值班人员可以据此及时了解各区域路面状况，以便调整各路口车辆流量，确保交通通畅。为了增加视频监控的功能性，目前市场上出现一种可以进行人脸识别的监控设备，便于找寻丢失人员以及抓取犯罪人员等，提高了使用效果。为了通过监控设备实现人脸识别，需要采集人脸图像作为人脸底图，与监控设备拍摄的图片进行比对，以识别人脸。
现有技术中为了保证人、证、脸一致，图像处理设备需要统一集中采集人脸图像，再下发至人脸识别设备，由于并不是所有的人脸图像质量都能满足该人脸识别设备的要求，从而导致人脸图像无法正常下发。
发明内容
本发明提供一种图像处理方法、装置、设备及存储介质，以保证每类人脸识别设备都能得到对应的人脸图像。
第一方面，本申请提供一种图像处理方法，包括：
获取多张人脸图像以及人脸识别设备的类型；根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像；向人脸识别设备下发第一人脸图像。
由于根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的人脸图像，并下发至该人脸识别设备，实现了针对每类人脸识别设备下发对应的人脸图像。
可选的，根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像，包括：
针对多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数；根据人脸识别设备的类型确定每个特征参数对应的第一预设特征参数；根据至少一个特征参数以及每个特征参数对应的第一预设特征参数，确定该人脸图像关于每个特征的第一质量评分；根据该人脸图像关于每个特征的第一质量评分确定该人脸图像针对人脸识别设备的第二质量评分；选择第二质量评分最高的人脸图像作为人脸识别设备对应的第一人脸图像。
本方案中，通过根据人脸图像的特征参数以及人脸识别设备的预设特征参数，确定人脸图像关于每个特征的质量评分，并根据质量评分确定人脸图像针对人脸识别设备的质量评分，有效的确定了人脸图像针对人脸识别设备的质量评分，最后通过选择针对人脸识别设备的质量评分最高的人脸图像下发至人脸识别设备，有效确定了人脸图像。
可选的，针对多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数，包括：
针对多张人脸图像中的每张人脸图像，提取该人脸图像的特征点；根据该人脸图像的特征点建立该人脸图像的人脸模型；获取标准人脸模型；根据该人脸图像的人脸模型和标准人脸模型确定该人脸图像的至少一个特征参数。
本方案中，通过建立人脸图像的人脸模型，并与标准人脸模型进行对比，实现了获取人脸图像的特征参数。
可选的，根据至少一个特征参数以及每个特征参数对应的第一预设特征参数，确定该人脸图像关于每个特征的第一质量评分，包括：
Figure BDA0002181158200000021
其中，dij为该人脸图像j关于特征i的第一质量评分，dfij为至少一个特征参数中该人脸图像j关于特征i的特征参数，dfi为dfij对应的第一预设特征参数，fi为dfi与dfij的最大允许误差。
可选的，根据该人脸图像关于每个特征的第一质量评分确定该人脸图像针对人脸识别设备的第二质量评分，包括：
根据人脸识别设备对每个特征的要求，确定该人脸图像关于每个特征的第一质量评分对应的权重；根据该人脸图像关于每个特征的第一质量评分以及每个特征的第一质量评分对应的权重，确定该人脸图像针对人脸识别设备的第二质量评分。
本方案中，通过根据人脸识别设备对人脸图像每个特征的质量评分对应的权重，以及人脸图像关于每个特征的质量评分，确定人脸图像针对人脸识别设备的质量评分，有效的确定了人脸图像针对人脸识别设备的质量评分。
可选的，向人脸识别设备下发第一人脸图像之后，还包括：
根据人脸识别设备的类型以及人脸识别设备对应的图像采集设备的应用场景，在多张人脸图像中选择人脸识别设备对应的第二人脸图像；向人脸识别设备下发第二人脸图像。
本方案中，通过根据人脸识别设备的类型以及人脸识别设备对应的图像采集设备的应用场景，选择第二人脸图像，并向人脸识别设备下发第二人脸图像，不仅保证了每类人脸识别设备都能得到对应的人脸图像，更加有效的确定了人脸图像。
可选的，根据人脸识别设备的类型以及人脸识别设备对应的图像采集设备的应用场景，在多张人脸图像中选择人脸识别设备对应的第二人脸图像，包括：
针对多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数；根据人脸识别设备的类型和人脸识别设备对应的图像采集设备的应用场景，确定每个特征参数对应的第二预设特征参数；根据至少一个特征参数以及每个特征参数对应的第二预设特征参数，确定该人脸图像关于每个特征的第三质量评分；根据该人脸图像关于每个特征的第三质量评分，确定该人脸图像针对人脸识别设备的第四质量评分；选择第四质量评分最高的人脸图像作为人脸识别设备对应的第二人脸图像。
第二方面，本申请提供一种图像处理装置，包括：
获取模块，用于获取多张人脸图像以及人脸识别设备的类型。
第一选择模块，用于根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像；
第一下发模块，用于向人脸识别设备下发第一人脸图像。
可选的，第一选择模块，包括：
获取子模块，用于针对多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数。
第一确定子模块，用于根据人脸识别设备的类型确定每个特征参数对应的第一预设特征参数。
第二确定子模块，用于根据至少一个特征参数以及每个特征参数对应的第一预设特征参数，确定该人脸图像关于每个特征的第一质量评分。
第三确定子模块，用于根据该人脸图像关于每个特征的第一质量评分确定该人脸图像针对人脸识别设备的第二质量评分。
选择子模块，用于选择第二质量评分最高的人脸图像作为人脸识别设备对应的第一人脸图像。
可选的，获取子模块具体用于：
针对多张人脸图像中的每张人脸图像，提取该人脸图像的特征点；根据该人脸图像的特征点建立该人脸图像的人脸模型；获取标准人脸模型；根据该人脸图像的人脸模型和标准人脸模型确定该人脸图像的至少一个特征参数。
可选的，第二确定子模块具体用于：
Figure BDA0002181158200000041
其中，dij为该人脸图像j关于特征i的第一质量评分，dfij为至少一个特征参数中该人脸图像j关于特征i的特征参数，dfi为dfij对应的第一预设特征参数，fi为dfi与dfij的最大允许误差。
可选的，第三确定子模块具体用于：
根据人脸识别设备对每个特征的要求，确定该人脸图像关于每个特征的第一质量评分对应的权重；根据该人脸图像关于每个特征的第一质量评分以及每个特征的第一质量评分对应的权重，确定该人脸图像针对人脸识别设备的第二质量评分。
可选的，本申请提供的图像处理装置，还包括：
第二选择模块，用于根据人脸识别设备的类型以及人脸识别设备对应的图像采集设备的应用场景，在多张人脸图像中选择人脸识别设备对应的第二人脸图像；
第二下发模块，用于向人脸识别设备下发第二人脸图像。
可选的，第二选择模块具体用于：
针对多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数；根据人脸识别设备的类型和人脸识别设备对应的图像采集设备的应用场景，确定每个特征参数对应的第二预设特征参数；根据至少一个特征参数以及每个特征参数对应的第二预设特征参数，确定该人脸图像关于每个特征的第三质量评分；根据该人脸图像关于每个特征的第三质量评分，确定该人脸图像针对人脸识别设备的第四质量评分；选择第四质量评分最高的人脸图像作为人脸识别设备对应的第二人脸图像。
第三方面，本申请提供一种图像处理设备，包括：
处理器；存储器；以及计算机程序；其中，计算机程序被存储在存储器中，并且被配置为由处理器执行，计算机程序用于执行如第一方面或第一方面可选方式的图像处理方法。
第四方面，本申请提供一种计算机可读存储介质，其特征在于，计算机可读存储介质存储有计算机程序，计算机程序使得服务器执行第一方面及第一方面可选方式的图像处理方法。
第五方面，本发明实施例提供一种计算机程序产品，包括：可执行指令，可执行指令用于实现如第一方面或第一方面可选方式的图像处理方法。
本发明提供的一种图像处理方法、装置、设备及存储介质，该包括：获取多张人脸图像以及人脸识别设备的类型；根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像；向人脸识别设备下发第一人脸图像。由于根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像，并下发至该人脸识别设备，实现了针对每类人脸识别设备下发对应的人脸图像。
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一简单地介绍，显而易见地，下面描述中的附图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为本发明一实施例提供的图像处理方法的流程示意图；
图2为本发明另一实施例提供的图像处理方法的流程示意图；
图3为本发明又一实施例提供的图像处理方法的流程示意图；
图4为本发明再一实施例提供的图像处理方法的流程示意图；
图5为本发明一实施例提供的图像处理装置的结构示意图；
图6为本发明另一实施例提供的图像处理装置的结构示意图；
图7为本发明又一实施例提供的图像处理装置的结构示意图；
图8是本发明实施例提供的图像处理设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了增加视频监控的功能性，目前市场上出现一种可以进行人脸识别的监控设备，便于找寻丢失人员以及抓取犯罪人员等，提高了使用效果。为了通过监控设备实现人脸识别，需要采集人脸图像作为人脸底图，与监控设备拍摄的图片进行比对，以识别人脸。现有技术中，不论人脸识别设备的类型，对于同一张人脸，均为同一张人脸底图，人脸识别设备识别人脸的准确率较低。为了解决上述技术问题，本申请提供一种图像处理方法、装置、设备及存储介质。
以下，对本发明实施例的示例性应用场景进行介绍。
针对不同的应用场景，可能会使用不同类型的人脸识别设备，例如，室内监控、走廊监控、电梯监控或室外监控等，不同的人脸识别设备对人脸图像抓拍的角度、距离等也可能不同。针对不同的人脸识别设备，选择不同的人脸图像作为人脸底图，对该人脸进行识别，可以提高人脸识别的准确率。基于此，本申请提供一种图像处理方法、装置、设备及存储介质。
图1为本发明一实施例提供的图像处理方法的流程示意图，该方法可以由图像处理装置执行，该装置可以通过软件和/或硬件的方式实现，例如：该装置可以是图像处理设备的部分或全部，图像处理设备可以是信息采集设备、个人电脑、智能手机、用户终端、平板电脑、可穿戴设备等，下面以图像处理设备为执行主体对图像处理方法进行说明，如图1所示，本发明实施例中的方法可以包括：
步骤S101：获取多张人脸图像以及人脸识别设备的类型。
获取多张人脸图像，可以是通过单独的采集设备、摄像机、照相机等电子设备采集的多张人脸图像，也可以是通过图像处理设备中的摄像头等具备采集图像功能的部件采集的多张人脸图像，本发明实施例对获取人脸图像的具体设备不做限制。另外，在对多张人脸图像的采集过程中，可以是在被采集者运动的过程中，对人脸进行抓拍，或者是对人脸进行摆拍等，本发明实施例对采集人脸图像的方式不做限制。
另外，在采集人脸图像的过程中，可能会采集不同条件下的多张人脸图像，例如，采集人脸与镜头之间的距离不同的多张人脸图像，示例性的，可以通过提示被采集者在镜头前的预设距离范围之内前后移动，并在被采集者前后移动的过程中，拍摄被采集者的多种人脸图像，本发明实施例对预设距离以及在采集者该预设距离中采集的人脸图像不做限制；再例如，采集不同的人脸俯仰角的多张人脸图像，示例性的，可以通过提示被采集者在预设角度范围之内向上抬头或向下低头，并在被采集者抬头或低头的过程中，采集被采集者的多张人脸图像；又例如，采集不同的水平航向角的多张人脸图像，示例性的，可以通过提示被采集者在预设角度范围之内左右摆头，并在被采集者左右摆头的过程中，并采集被采集者的多张人脸图像；再例如，还可以通过提示采集者变化表情，采集被采集者不同表情的多张人脸图像，本发明实例对被采集者的具体表情及表情变化方式不做限制；又例如，可以通过改变环境，采集被采集者在不同环境状态下的多张人脸图像，比如：不同的环境亮度、不同的天气等，本发明实施例对被采集者处在的不同环境状态不做限制。本方案中，通过获取多张人脸图像，解决单次采集图片质量偶然因素大，不能满足多种人脸识别设备要求的问题。
多张人脸图像可以是通过上述方式中的一种或多种采集的人脸图像，也可以通过其他方式采集的人脸图像，本发明实施例对多张人脸图像的具体类型、数量等不做限制。
人脸识别设备可以包括前端和后端识别设备，其中前端设备是指用于抓拍人脸图像的各种不同型号的摄像头，即图像采集设备，后端识别设备是指可根据前端设备抓拍的人脸图像与人脸底图数据库中人脸图像进行比对，得到前端设备抓拍的人脸图像与人脸底图数据库中人脸图像的相似度的设备，例如，后端识别设备可以为终端设备或服务器，本申请实施例对后端识别设备的类型不做限制。其中，一种后端识别设备可以与一个或多个前端设备对应，本发明实施例对后端识别设备与前端设备的具体连接方式不做限制。根据不同的安装环境以及适用场景，可能会需要不同类型的人脸识别设备，例如，在楼层监控系统中，可能需要一个后端识别设备对应多个前端设备的人脸识别设备；在上班打卡人脸识别系统中的人脸识别设备，可能包括一种后端识别设备与一个前端设备，本发明实施例对此不做限制。另外，根据不同场合对人脸识别设备的不同要求，在不同场合中使用的人脸识别设备的型号、类型等也不同，例如，应用在门禁系统中的人脸识别设备，可能对人脸图像中的瞳距要求比较高，因此需要近距离拍摄人脸的人脸识别设备；应用在室外监控系统中的人脸识别设备，其前端设备安装位置较高，与人脸存在一定俯仰角且一般距离较远，可能需要可以远距离拍摄的人脸识别设备。本发明实施例对人脸识别设备的具体类型不做限制。
步骤S102：根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像。
根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像，可以根据人脸识别设备的后端识别设备的类型，在多张人脸图像中选择人脸识别设备对应的第一人脸图像，也可以是根据人脸识别设备中的后端识别设备的类型以及前端设备的类型或应用场景，在多张人脸图像中选择人脸识别设备对应的第一人脸图像，本发明实施例对此不做限制。
针对不同的类型的人脸识别设备，在多张人脸图像中，可能存在与该人脸识别设备抓拍的人脸图像参数最为接近的人脸图像，并将与该人脸识别设备抓拍的人脸图像参数最为接近的人脸图像作为第一人脸图像，第一人脸图像作为人脸底图，用于人脸识别设备的人脸识别。例如，不同的人脸识别设备的类型，对人脸图像的拍摄角度以及拍摄距离等会有所不同，比如，应用在门禁系统中的人脸识别设备，可能对人脸图像中的瞳距要求比较高，可以选择一定像素值的人脸图像作为人脸底图，应用在室外监控系统中的人脸识别设备，其前端设备安装位置较高，与人脸存在一定俯仰角且一般距离较远，可以选择具备一定俯仰角的人脸图像作为人脸底图等，因此，不同类型的人脸识别设备，对第一人脸图像的需求也可能不同，需要根据不同类型的人脸识别设备，选择不同的第一人脸图像作为人脸底图。
在一种可能的实施方式中，针对一种后端识别设备对应多个前端设备的人脸识别设备，可以根据后端识别设备的类型以及前端设备的类型及应用场景，在多张人脸图像中，分别选取多张人脸图像与多个前端设备一一对应，以提高人脸识别设备识别人脸的准确率，本发明实施例对此不做限制。对于和多个前端设备一一对应的多张人脸图像，可以通过设置相同的标记，例如编码、符号等，表示该多张人脸图像表示同一张人脸，以便于分辨相同的人脸，本发明实施例对此不做限制。
步骤S103：向人脸识别设备下发第一人脸图像。
在根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像之后，图像处理设备可以向多个人脸识别设备分别下发不同的第一人脸图像，作为人脸底图，以使人脸识别设备对人脸进行识别。本发明实施例对向人脸识别设备下发第一人脸图像的方式不做限制。为了使图像处理设备向人脸识别设备成功下发人脸图像，还可以对第一人脸图像进行适应性的处理，本发明实施例对此不做限制。
本方案中，通过根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像，并下发至该人脸识别设备，实现了针对每类人脸识别设备下发对应的第一人脸图像。可选的，图2为本发明另一实施例提供的图像处理方法的流程示意图，该方法可以由图像处理装置执行，该装置可以通过软件和/或硬件的方式实现，例如：该装置可以是图像处理设备的部分或在全部，图像处理设备可以是信息采集设备、个人电脑、智能手机、用户终端、平板电脑、可穿戴设备等，下面以图像处理设备为执行主体对图像处理方法进行说明，如图2所示，上述步骤S102还可以包括：
步骤S201：针对多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数。
可选的，人脸图像的特征参数可以包括以下至少一项；人脸与镜头之间的距离、人脸俯仰角、人脸水平航向角、人脸表情、人脸图像亮度、人脸图像瞳距以及人脸图像的大小等，本发明实施例对人脸图像的特征参数的类型不做具体限制。
在针对多张人脸图像的每张人脸图像，获取该人脸图像的至少一个特征参数之前，可以对多张人脸图像进行预处理，以便于获取给人脸图像的至少一个特征参数，本发明实施例对多张人脸图像的预处理方式不做限制，可以对多张人脸图像进行初步筛选，去除模糊、变形等无法识别人脸的图像等。可选的，针对多张人脸图像中的每张人脸图像，对该人脸图像进行裁剪和/或压缩处理。
针对获取到的多张人脸图像，该多张人脸图像可能过大或过小等，可以针对不同的问题，对该人脸图像进行裁剪或者压缩处理，以便于对该人脸的分析处理，本发明实施例对此不做限制。
本发明实施例对针对多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数的具体实施方式不做限制，可选的，针对多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数，包括：
针对多张人脸图像中的每张人脸图像，提取该人脸图像的特征点；根据该人脸图像的特征点建立该人脸图像的人脸模型；获取标准人脸模型；根据该人脸图像的人脸模型和标准人脸模型确定该人脸图像的至少一个特征参数。
针对多张人脸图像中的每张人脸图像，提取该人脸图像的特征点，本发明实施例对提取人脸图像的特征点的具体算法和方式不做限制；然后根据该人脸图像的特征点建立该人脸图像的人脸模型，本发明实施例对建立人脸图像的人脸模型的具体实施方式不做限制；然后获取标准人脸模型，其中，标准人脸模型可以是根据提取该人脸图像的特征点的算法，以及根据该人脸图像的特征点建立该人脸模型的方式，所获取到的标准人脸模型，本发明实施例对此不做限制；最后根据该人脸图像的人脸模型与标准人脸模型进行比对，以确定人脸图像的至少一个特征参数，例如，检测人脸图像的人脸模型中特征点的位置，比如鼻子两侧、鼻孔下侧、瞳孔、上嘴唇等特征点的位置，然后根据鼻子、眼睛、嘴巴的倾斜位置，与标准人脸模型中正中线角度进行比较，计算人脸图像的人脸俯仰角、航向角等，本发明实施例对此不做限制。其中，第j张人脸图像关于特征i的特征参数可以用符号dfij来表示，j为大于1的整数，i为大于等于1的整数。
步骤S202：根据人脸识别设备的类型确定每个特征参数对应的第一预设特征参数。
由于人脸识别设备的类型不同，其每个特征参数对应的第一预设特征参数也可能不相同，本发明实施例对根据人脸识别设备的类型，确定每个特征参数对应的第一预设特征参数的具体实施方式不做限制，其中，第j张人脸图像关于特征i的特征参数对应的第一预设特征参数可以用符号dfi来表示，即，dfi为dfij对应的第一预设特征参数。
步骤S203：根据至少一个特征参数以及每个特征参数对应的第一预设特征参数，确定该人脸图像关于每个特征的第一质量评分。
本发明实施例对根据至少一个特征参数以及每个特征参数对应的第一预设特征参数，确定该人脸图像关于每个特征的第一质量评分的具体实施方式不做限制。可选的，在确定人脸图像关于每个特征的第一质量评分之前，可以通过设置每个第一预设特征参数的预设阈值，即：至少一个特征参数与每个特征参数对应的第一预设特征参数的最大允许误差，可以使用符号fi来表示，对多张人脸图像进行初步的筛选。在一种可能的实施方式中，若多张人脸图像中的任意人脸图像，若其任意特征参数与该特征参数对应的第一预设特征参数的误差大于该特征参数对应的最大允许误差，则删除该人脸图像。
可选的，根据至少一个特征参数以及每个特征参数对应的第一预设特征参数，确定该人脸图像关于每个特征的第一质量评分，包括：
Figure BDA0002181158200000111
其中，dij为该人脸图像j关于特征i的第一质量评分，dfij为至少一个特征参数中该人脸图像j关于特征i的特征参数，dfi为dfij对应的第一预设特征参数，fi为dfi与dfij的最大允许误差。
根据上述公式对每张人脸图像在各个特征维度上归一化，其中，该人脸图像关于每个特征的第一质量评分的取值范围在0至1之间。
步骤S204：根据该人脸图像关于每个特征的第一质量评分确定该人脸图像针对人脸识别设备的第二质量评分。
可选的，根据该人脸图像关于每个特征的第一质量评分确定该人脸图像针对人脸识别设备的第二质量评分，包括：
根据人脸识别设备对每个特征的要求，确定该人脸图像关于每个特征的第一质量评分对应的权重；根据该人脸图像关于每个特征的第一质量评分以及每个特征的第一质量评分对应的权重，确定该人脸图像针对人脸识别设备的第二质量评分。
人脸识别设备对每个特征的要求有所不同，根据人脸识别设备对每个特征的要求，确定该人脸图像关于每个特征的第一质量评分对应的权重，可选的，可以使用符号wfi表示该人脸识别设备对特征i的第一质量评分对应的权重。然后根据该人脸图像关于每个特征的第一质量评分以及每个特征的第一质量评分对应的权重，确定该人脸图像针对人脸识别设备的第二质量评分。具体的可以通过以下公式进行计算：
Figure BDA0002181158200000121
其中，dj表示人脸图像j针对人脸识别设备的第二质量评分；n表示共有n个特征，dij表示人脸图像j关于特征i的第一质量评分；wfi表示人脸识别设备对特征i的第一质量评分对应的权重。
可选的，在对多张人脸图像计算完成每张人脸图像的第二质量评分之后，通过根据人脸识别设备的类型，设置该人脸识别设备的标准质量评分，比较所有人脸图像的第二质量评分与标准质量评分，若所有人脸图像的第二质量评分均低于标准质量评分，则重新获取多张人脸图像，或者，若低于预设百分比的人脸图像的第二质量评分低于标准质量评分，则重新获取多张人脸图像，或者若低于预设张数的人脸图像的第二质量评分低于预设标准质量评分，则重新获取多张人脸图像。可选的，重新获取多张人脸图像可以通过图像处理设备发出提醒消息，提醒对被采集者重新采集多张人脸图像，提高了人脸图像采集的效率。也可以通过重新获取其他信息采集设备采集的多张人脸图像，本发明实施例对此不做限制。若存在预设百分比的人脸图像或存在预设张数的第二质量评分高于标准质量评分，则，保存第二质量评分高于标准质量评分的人脸图像。
步骤S205：选择第二质量评分最高的人脸图像作为人脸识别设备对应的第一人脸图像。
在第二质量评分高于标准质量评分的人脸图像中，选择第二质量评分最高的人脸图像作为人脸识别设备对应的第一人脸图像，可选的，也可以选择多张第二质量评分高于标准质量评分的人脸图像作为人脸识别设备对应的第一人脸图像，该多张第一人脸图像可以设置相同的标识，表示为同一张人脸。最后将第一人脸图像下发至人脸识别设备的后端识别设备中。
本方案中，通过针对多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数；根据人脸识别设备的类型确定每个特征参数对应的第一预设特征参数；根据至少一个特征参数以及每个特征参数对应的第一预设特征参数，确定该人脸图像关于每个特征的第一质量评分；根据该人脸图像关于每个特征的第一质量评分确定该人脸图像针对人脸识别设备的第二质量评分；选择第二质量评分最高的人脸图像作为人脸识别设备对应的第一人脸图像，有效的确定了人脸图像。可选的，为了进一步考虑人脸识别设备中前端设备的安装环境，图3为本发明又一实施例提供的图像处理方法的流程示意图，该方法可以由图像处理装置执行，该装置可以通过软件和/或硬件的方式实现，例如：该装置可以是图像处理设备的部分或全部，图像处理设备可以是信息采集设备、个人电脑、智能手机、用户终端、平板电脑、可穿戴设备等，下面以图像处理设备为执行主体对图像处理方法进行说明，如图3所示，本发明实施例提供的图像处理装置，还可以包括步骤S301和步骤S302，其中，步骤S301和步骤S302可以在步骤S101之后执行，也可以在步骤S103之后执行。
步骤S301：根据人脸识别设备的类型以及人脸识别设备对应的图像采集设备的应用场景，在多张人脸图像中选择人脸识别设备对应的第二人脸图像。
针对相同类型的人脸识别设备，其人脸识别设备对应的图像采集设备的应用场景有所不同，其中，人脸识别设备的图像采集设备为人脸识别设备的前端设备，例如，相同的人脸识别设备安装在不同的高度或不同的角度以及位置等，其可能抓拍的人脸图像的角度、大小等也有所不同。为了针对人脸识别设备的具体应用场景，提高人脸识别设备的准确率，根据人脸识别设备的类型以及人脸识别设备对应的图像采集设备的应用场景，在多张人脸图像中选择人脸识别设备对应的第二人脸图像。
其中，多张人脸图像可以是步骤S101中获取到的多张人脸图像，也可以是在步骤S204之后，选择人脸图像针对人脸识别设备的第二质量评分高于标准质量评分的多张人脸图像，本发明实施例对此不做限制。
步骤S302：向人脸识别设备下发第二人脸图像。
针对对应一种后端识别设备对应一个图像采集设备的人脸识别设备，图像处理设备向人脸识别设备下发第二人脸图像，以使人脸识别设备根据第二人脸图像建立人脸底图数据库；针对一种后端识别设备对应多个图像采集设备的人脸识别设备，图像处理设备根据不同的图像采集设备，下发多张第二人脸图像，使人脸识别设备建立多个人脸底图数据库，其中，多个人脸底图数据库可以与多个图像采集设备一一对应，也可以是多个图像采集设备对应一个人脸底图数据库，等等，本发明实施例对人脸底图数据库与图像采集设备的具体对应关系不做限制。本发明实施例对图像处理设备向人脸识别设备下发第二人脸图像的具体实施方式不做限制。
本方案中，通过根据人脸识别设备的类型以及人脸识别设备对应的图像采集设备的应用场景，在多张人脸图像中选择人脸识别设备对应的第二人脸图像，提高了第二人脸图像与图像采集设备抓拍的人脸图像的特征相似度，减少了环境因素的影响，提高了人脸识别设备的识别人脸的准确率。
可选的，图4为本发明再一实施例提供的图像处理方法的流程示意图，该方法可以由图像处理装置执行，该装置可以通过软件和/或硬件的方式实现，例如：该装置可以是图像处理设备部分或全部，图像处理设备可以是信息采集设备、个人电脑、智能手机、用户终端、平板电脑、可穿戴设备等，下面以图像处理设备为执行主体对图像处理方法进行说明，如图4所示，上述实施例中的步骤S301还可以包括：
步骤S401：针对多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数。
其中，步骤S401的内容以及具体实施方式可参考步骤S201，此处不再赘述。
步骤S402：根据人脸识别设备的类型和人脸识别设备对应的图像采集设备的应用场景，确定每个特征参数对应的第二预设特征参数。
根据人脸识别设备的类型和人脸识别设备对应的图像采集设备的应用场景，在一种可能的实施方式中，可以是根据第一预设特征参数与人脸识别设备对应的图像采集设备的应用场景，在第一预设特征参数的基础上，调整第一预设参数以确定每个特征参数对应的第二预设特征参数。在另一种可能的实施方式中，在人脸识别设备工作一段时间之后，记录该人脸识别设备抓拍的人脸图像与第一人脸图像匹配成功的抓拍的人脸图像，并计算人脸识别设备对应的图像采集设备抓拍的多张匹配成功的人脸图像中，每张人脸图像的每个特征参数，并根据多张匹配成功的人脸图像中每个特征参数确定每个特征参数对应的第二预设特征参数。本发明实施例对根据每张人脸图像的每个特征参数确定每个特征参数对应的第二预设特征参数的方式不做限制。
可选的，根据多张匹配成功的人脸图像中每个特征参数确定每个特征参数对应的第二预设特征参数，可以通过对多张匹配成功的人脸图像中的每个特征参数进行概率统计，并根据统计结果得到正态分布期望值，以每个特征参数对应的正态分布期望值作为每个特征参数对应的第二预设特征参数。
在一种可能的实施方式中，在确定每个特征参数对应的第二预设特征参数之后，分别比较每个特征参数对应的第二预设特征参数与在步骤S202中确定的每个特征参数对应的第一预设特征参数，可以通过预设每个特征参数阈值范围，若存在一个或多个特征参数对应的第二预设特征参数与该特征参数对应的第一预设特征参数之间的差值，在该特征参数阈值范围之内，则可以选择不再执行步骤S403-S405以及S302。本发明实施例对此不做限制。
步骤S403：根据至少一个特征参数以及每个特征参数对应的第二预设特征参数，确定该人脸图像关于每个特征的第三质量评分。
本发明实施例对根据至少一个特征参数以及每个特征参数对应的第二预设特征参数，确定该人脸图像关于每个特征的第三质量评分的具体实施方式不做限制。可选的，根据至少一个特征参数以及每个特征参数对应的第二预设特征参数，确定该人脸图像关于每个特征的第三质量评分，包括：
Figure BDA0002181158200000161
其中，deij表示该人脸图像j关于特征i的第三质量评分，dfij为至少一个特征参数中该人脸图像j关于特征i的特征参数，dei为dfij对应的第二预设特征参数，ei为dei与dfij的最大允许误差。在一种可能的实施方式中，fi与ei的值相等。
根据上述公式对每张人脸图像在各个特征维度上归一化，其中，该人脸图像关于每个特征的第一质量评分的取值范围在0至1之间。
步骤S404：根据该人脸图像关于每个特征的第三质量评分，确定该人脸图像针对人脸识别设备的第四质量评分。
可选的，根据该人脸图像关于每个特征的第三质量评分确定该人脸图像针对人脸识别设备的第四质量评分，包括：
根据人脸识别设备对每个特征的要求，确定该人脸图像关于每个特征的第三质量评分对应的权重；根据该人脸图像关于每个特征的第三质量评分以及每个特征的第三质量评分对应的权重，确定该人脸图像针对人脸识别设备的第四质量评分。
人脸识别设备对每个特征的要求有所不同，根据人脸识别设备对每个特征的要求，确定该人脸图像关于每个特征的第一质量评分对应的权重，可选的，可以使用符号wei表示该人脸识别设备对特征i的第三质量评分对应的权重。然后根据该人脸图像关于每个特征的第三质量评分以及每个特征的第三质量评分对应的权重，确定该人脸图像针对人脸识别设备的第四质量评分。具体的可以通过以下公式进行计算：
Figure BDA0002181158200000162
其中，dej表示人脸图像j针对人脸识别设备的第四质量评分；n表示共有n个特征，deij表示人脸图像j关于特征i的第三质量评分；wei表示人脸识别设备对特征i的第三质量评分对应的权重。可选的，wei的值与wfi的值相等。
步骤S405：选择第四质量评分最高的人脸图像作为人脸识别设备对应的第二人脸图像。
根据每种人脸识别设备对应的图像采集设备，选择第四质量评分最高的人脸图像，作为人脸识别设备对应的第二人脸图像。例如：一种后端识别设备对应一个图像采集设备的人脸识别设备，图像处理设备向人脸识别设备下发第四质量评分最高的人脸图像作为第二人脸图像；针对一种后端识别设备对应多个图像采集设备的人脸识别设备，图像处理设备根据不同的图像采集设备，分别下发第二人脸图像，可选的，多个人脸底图数据库与多个图像采集设备一一对应。本发明实施例对图像处理设备向人脸识别设备下发第二人脸图像的具体实施方式不做限制。
本方案中，通过根据人脸识别设备的类型以及人脸识别设备对应的图像采集设备的应用场景，在多张人脸图像中选择人脸识别设备对应的第二人脸图像，提高了第二人脸图像与图像采集设备抓拍的人脸图像的特征相似度，减少了环境因素的影响，提高了人脸识别设备的识别人脸的准确率。下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
图5为本发明一实施例提供的图像处理装置的结构示意图，该装置可以通过软件和/或硬件的方式实现，例如：该装置可以是图像处理设备的部分或全部，图像处理设备可以是信息采集设备、个人电脑、智能手机、用户终端、平板电脑、可穿戴设备等，如图5所示，本申请实施例提供的图像处理装置包括：
获取模块51，用于获取多张人脸图像以及人脸识别设备的类型。
第一选择模块52，用于根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像；
第一下发模块53，用于向人脸识别设备下发第一人脸图像。
可选的，图6为本发明另一实施例提供的图像处理装置的结构示意图，该装置可以通过软件和/或硬件的方式实现，例如：该装置可以是图像处理设备的部分或全部，图像处理设备可以是信息采集设备、个人电脑、智能手机、用户终端、平板电脑、可穿戴设备等，如图6所示，第一选择模块52，包括：
获取子模块521，用于针对多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数。
可选的，获取子模块521具体用于：
针对多张人脸图像中的每张人脸图像，提取该人脸图像的特征点；根据该人脸图像的特征点建立该人脸图像的人脸模型；获取标准人脸模型；根据该人脸图像的人脸模型和标准人脸模型确定该人脸图像的至少一个特征参数。
第一确定子模块522，用于根据人脸识别设备的类型确定每个特征参数对应的第一预设特征参数。
第二确定子模块523，用于根据至少一个特征参数以及每个特征参数对应的第一预设特征参数，确定该人脸图像关于每个特征的第一质量评分。
可选的，第二确定子模块523具体用于：
Figure BDA0002181158200000181
其中，dij为该人脸图像j关于特征i的第一质量评分，dfij为至少一个特征参数中该人脸图像j关于特征i的特征参数，dfi为dfij对应的第一预设特征参数，fi为dfi与dfij的最大允许误差。
第三确定子模块524，用于根据该人脸图像关于每个特征的第一质量评分确定该人脸图像针对人脸识别设备的第二质量评分。
可选的，第三确定子模块524具体用于：
根据人脸识别设备对每个特征的要求，确定该人脸图像关于每个特征的第一质量评分对应的权重；根据该人脸图像关于每个特征的第一质量评分以及每个特征的第一质量评分对应的权重，确定该人脸图像针对人脸识别设备的第二质量评分。
选择子模块525，用于选择第二质量评分最高的人脸图像作为人脸识别设备对应的第一人脸图像。
可选的，图7为本发明又一实施例提供的图像处理装置的结构示意图，该装置可以通过软件和/或硬件的方式实现，例如：该装置可以是图像处理设备的部分或全部，图像处理设备可以是信息采集设备、个人电脑、智能手机、用户终端、平板电脑、可穿戴设备等，如图7所示，本申请提供的图像处理装置，还包括：
第二选择模块54，用于根据人脸识别设备的类型以及人脸识别设备对应的图像采集设备的应用场景，在多张人脸图像中选择人脸识别设备对应的第二人脸图像；
第二下发模块55，用于向人脸识别设备下发第二人脸图像。
可选的，第二选择模块54具体用于：
针对多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数；根据人脸识别设备的类型和人脸识别设备对应的图像采集设备的应用场景，确定每个特征参数对应的第二预设特征参数；根据至少一个特征参数以及每个特征参数对应的第二预设特征参数，确定该人脸图像关于每个特征的第三质量评分；根据该人脸图像关于每个特征的第三质量评分，确定该人脸图像针对人脸识别设备的第四质量评分；选择第四质量评分最高的人脸图像作为人脸识别设备对应的第二人脸图像。
图8是本发明实施例提供的图像处理设备的结构示意图，如图8所示，该图像处理设备包括：
处理器61、存储器62、收发器63以及计算机程序；其中，收发器63实现图像处理设备与其他设备之间的数据传输，计算机程序被存储在存储器62中，并且被配置为由处理器61执行，计算机程序包括用于执行上述图像处理方法的指令，其内容及效果请参考方法实施例。
此外，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当用户设备的至少一个处理器执行该计算机执行指令时，用户设备执行上述各种可能的方法。
其中，计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (10)

1.一种图像处理方法，其特征在于，包括：
获取多张人脸图像以及人脸识别设备的类型；
根据所述人脸识别设备的类型在所述多张人脸图像中选择所述人脸识别设备对应的第一人脸图像；
向所述人脸识别设备下发所述第一人脸图像。
2.根据权利要求1所述的方法，其特征在于，根据所述人脸识别设备的类型在所述多张人脸图像中选择所述人脸识别设备对应的第一人脸图像，包括：
针对所述多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数；
根据所述人脸识别设备的类型确定每个特征参数对应的第一预设特征参数；
根据所述至少一个特征参数以及每个特征参数对应的第一预设特征参数，确定该人脸图像关于每个特征的第一质量评分；
根据该人脸图像关于每个特征的第一质量评分确定该人脸图像针对所述人脸识别设备的第二质量评分；
选择所述第二质量评分最高的人脸图像作为所述人脸识别设备对应的第一人脸图像。
3.根据权利要求2所述的方法，其特征在于，针对所述多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数，包括：
针对所述多张人脸图像中的每张人脸图像，提取该人脸图像的特征点；
根据该人脸图像的特征点建立该人脸图像的人脸模型；
获取标准人脸模型；
根据该人脸图像的人脸模型和所述标准人脸模型确定该人脸图像的至少一个特征参数。
4.根据权利要求2或3所述的方法，其特征在于，根据所述至少一个特征参数以及每个特征参数对应的第一预设特征参数，确定该人脸图像关于每个特征的第一质量评分，包括：
Figure FDA0002181158190000021
其中，dij为该人脸图像j关于特征i的第一质量评分，dfij为所述至少一个特征参数中该人脸图像j关于特征i的特征参数，dfi为dfij对应的第一预设特征参数，fi为dfi与dfij的最大允许误差。
5.根据权利要求2或3所述的方法，其特征在于，根据该人脸图像关于每个特征的第一质量评分确定该人脸图像针对所述人脸识别设备的第二质量评分，包括：
根据所述人脸识别设备对每个特征的要求，确定该人脸图像关于每个特征的第一质量评分对应的权重；
根据所述该人脸图像关于每个特征的第一质量评分以及每个特征的第一质量评分对应的权重，确定该人脸图像针对所述人脸识别设备的第二质量评分。
6.根据权利要求1所述的方法，其特征在于，向所述人脸识别设备下发所述第一人脸图像之后，还包括：
根据所述人脸识别设备的类型以及所述人脸识别设备对应的图像采集设备的应用场景，在所述多张人脸图像中选择所述人脸识别设备对应的第二人脸图像；
向所述人脸识别设备下发所述第二人脸图像。
7.根据权利要求6所述的方法，其特征在于，根据所述人脸识别设备的类型以及所述人脸识别设备对应的图像采集设备的应用场景，在所述多张人脸图像中选择所述人脸识别设备对应的第二人脸图像，包括：
针对所述多张人脸图像中的每张人脸图像，获取该人脸图像的至少一个特征参数；
根据所述人脸识别设备的类型和所述人脸识别设备对应的图像采集设备的应用场景，确定每个特征参数对应的第二预设特征参数；
根据所述至少一个特征参数以及每个特征参数对应的第二预设特征参数，确定该人脸图像关于每个特征的第三质量评分；
根据该人脸图像关于每个特征的第三质量评分，确定该人脸图像针对所述人脸识别设备的第四质量评分；
选择所述第四质量评分最高的人脸图像作为所述人脸识别设备对应的第二人脸图像。
8.一种图像处理装置，其特征在于，包括：
获取模块，用于获取多张人脸图像以及人脸识别设备的类型；
第一选择模块，用于根据人脸识别设备的类型在多张人脸图像中选择人脸识别设备对应的第一人脸图像；
第一下发模块，用于向人脸识别设备下发第一人脸图像。
9.一种图像处理设备，其特征在于，包括：
处理器；
存储器；以及
计算机程序；
其中，所述计算机程序被存储在所述存储器中，并且被配置为由所述处理器执行，所述计算机程序包括用于执行如权利要求1-7任一项所述的图像处理方法的指令。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序使得服务器执行权利要求1-7任一项所述的图像处理方法。
CN201910796696.6A 2019-08-27 2019-08-27 图像处理方法、装置、设备及存储介质 Active CN111339811B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910796696.6A CN111339811B (zh) 2019-08-27 2019-08-27 图像处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910796696.6A CN111339811B (zh) 2019-08-27 2019-08-27 图像处理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111339811A true CN111339811A (zh) 2020-06-26
CN111339811B CN111339811B (zh) 2024-02-20

Family

ID=71185063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910796696.6A Active CN111339811B (zh) 2019-08-27 2019-08-27 图像处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111339811B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070025A (zh) * 2020-09-09 2020-12-11 北京字节跳动网络技术有限公司 图像识别方法、装置、电子设备和计算机可读介质
CN112084902A (zh) * 2020-08-26 2020-12-15 武汉普利商用机器有限公司 人脸图像获取方法、装置、电子设备及存储介质
CN113469981A (zh) * 2021-07-09 2021-10-01 数坤(北京)网络科技股份有限公司 图像处理方法、装置及存储介质
CN113535998A (zh) * 2021-06-28 2021-10-22 福建数博讯信息科技有限公司 一种人脸照片数据源适配多型号人脸识别设备的优化方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104599274A (zh) * 2015-01-23 2015-05-06 宇龙计算机通信科技(深圳)有限公司 图像质量的评价方法与装置
WO2015101080A1 (zh) * 2013-12-31 2015-07-09 北京天诚盛业科技有限公司 人脸认证方法和装置
CN105631430A (zh) * 2015-12-30 2016-06-01 浙江宇视科技有限公司 一种人脸图像的匹配方法和装置
CN105825522A (zh) * 2015-01-27 2016-08-03 三星电子株式会社 图像处理方法和支持该方法的电子设备
CN106101618A (zh) * 2016-06-16 2016-11-09 中国铝业股份有限公司 基于图像识别的现场设备视频监控方法
US20170308738A1 (en) * 2014-09-19 2017-10-26 Zte Corporation Face recognition method, device and computer readable storage medium
CN107679504A (zh) * 2017-10-13 2018-02-09 北京奇虎科技有限公司 基于摄像头场景的人脸识别方法、装置、设备及存储介质
CN107844774A (zh) * 2017-11-10 2018-03-27 广州视源电子科技股份有限公司 图像显示的选择方法、装置、智能终端及存储介质
CN108512670A (zh) * 2018-02-07 2018-09-07 平安科技（深圳）有限公司 一种群组创建的方法及其终端
WO2019105237A1 (zh) * 2017-11-29 2019-06-06 Oppo广东移动通信有限公司 图像处理方法、计算机设备和计算机可读存储介质
CN109934078A (zh) * 2017-12-19 2019-06-25 浙江宇视科技有限公司 图像处理方法、装置及电子设备
CN110162462A (zh) * 2019-04-16 2019-08-23 深圳壹账通智能科技有限公司 基于场景的人脸识别系统的测试方法、系统和计算机设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015101080A1 (zh) * 2013-12-31 2015-07-09 北京天诚盛业科技有限公司 人脸认证方法和装置
US20170308738A1 (en) * 2014-09-19 2017-10-26 Zte Corporation Face recognition method, device and computer readable storage medium
CN104599274A (zh) * 2015-01-23 2015-05-06 宇龙计算机通信科技(深圳)有限公司 图像质量的评价方法与装置
CN105825522A (zh) * 2015-01-27 2016-08-03 三星电子株式会社 图像处理方法和支持该方法的电子设备
CN105631430A (zh) * 2015-12-30 2016-06-01 浙江宇视科技有限公司 一种人脸图像的匹配方法和装置
CN106101618A (zh) * 2016-06-16 2016-11-09 中国铝业股份有限公司 基于图像识别的现场设备视频监控方法
CN107679504A (zh) * 2017-10-13 2018-02-09 北京奇虎科技有限公司 基于摄像头场景的人脸识别方法、装置、设备及存储介质
CN107844774A (zh) * 2017-11-10 2018-03-27 广州视源电子科技股份有限公司 图像显示的选择方法、装置、智能终端及存储介质
WO2019105237A1 (zh) * 2017-11-29 2019-06-06 Oppo广东移动通信有限公司 图像处理方法、计算机设备和计算机可读存储介质
CN109934078A (zh) * 2017-12-19 2019-06-25 浙江宇视科技有限公司 图像处理方法、装置及电子设备
CN108512670A (zh) * 2018-02-07 2018-09-07 平安科技（深圳）有限公司 一种群组创建的方法及其终端
CN110162462A (zh) * 2019-04-16 2019-08-23 深圳壹账通智能科技有限公司 基于场景的人脸识别系统的测试方法、系统和计算机设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112084902A (zh) * 2020-08-26 2020-12-15 武汉普利商用机器有限公司 人脸图像获取方法、装置、电子设备及存储介质
CN112084902B (zh) * 2020-08-26 2024-05-14 武汉普利商用机器有限公司 人脸图像获取方法、装置、电子设备及存储介质
CN112070025A (zh) * 2020-09-09 2020-12-11 北京字节跳动网络技术有限公司 图像识别方法、装置、电子设备和计算机可读介质
CN113535998A (zh) * 2021-06-28 2021-10-22 福建数博讯信息科技有限公司 一种人脸照片数据源适配多型号人脸识别设备的优化方法
CN113469981A (zh) * 2021-07-09 2021-10-01 数坤(北京)网络科技股份有限公司 图像处理方法、装置及存储介质

Also Published As

Publication number Publication date
CN111339811B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
CN111339811B (zh) 图像处理方法、装置、设备及存储介质
CN108090458B (zh) 人体跌倒检测方法和装置
CN108062349B (zh) 基于视频结构化数据及深度学习的视频监控方法和系统
CN107977639B (zh) 一种人脸清晰度判断方法
CN111027504A (zh) 人脸关键点检测方法、装置、设备及存储介质
CN108564052A (zh) 基于mtcnn的多摄像头动态人脸识别系统与方法
CN106683073B (zh) 一种车牌的检测方法及摄像机和服务器
CN110163211B (zh) 一种图像识别方法、装置和存储介质
CN113505824B (zh) 一种判断更新方法、装置和人脸打卡系统
EP3282387A1 (en) Fire detection method, fire detection apparatus and electronic equipment
CN110889314B (zh) 图像处理方法、装置、电子设备、服务器及系统
CN111325051A (zh) 一种基于人脸图像roi选取的人脸识别方法及装置
CN111626225B (zh) 一种工位车辆的车牌识别方法、装置、设备及存储介质
CN112800825B (zh) 基于关键点的关联方法、系统及介质
CN112541432A (zh) 一种基于深度学习的视频牲畜身份认证系统及方法
CN110674680A (zh) 活体识别的方法、装置、存储介质
CN113947742A (zh) 一种基于人脸识别的人员轨迹追踪方法与装置
CN110827432A (zh) 一种基于人脸识别的课堂考勤方法及系统
CN112613471A (zh) 人脸活体检测方法、装置及计算机可读存储介质
CN111654668A (zh) 监控设备同步方法、装置及计算机终端
CN108647613B (zh) 一种应用于考场的考生查验方法
CN111222473B (zh) 一种对视频中人脸进行聚类的分析识别方法
CN115250329A (zh) 摄像头的控制方法、装置、计算机设备及存储介质
CN111091056B (zh) 图像中的墨镜识别方法及装置、电子设备、存储介质
CN112149517A (zh) 一种人脸考勤方法、系统、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TG01 Patent term adjustment
TG01 Patent term adjustment