CN111353361A - 一种人脸识别方法及装置、电子设备 - Google Patents
一种人脸识别方法及装置、电子设备 Download PDFInfo
- Publication number
- CN111353361A CN111353361A CN201910765156.1A CN201910765156A CN111353361A CN 111353361 A CN111353361 A CN 111353361A CN 201910765156 A CN201910765156 A CN 201910765156A CN 111353361 A CN111353361 A CN 111353361A
- Authority
- CN
- China
- Prior art keywords
- image information
- recognition result
- face
- face recognition
- panoramic image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种人脸识别方法及装置、电子设备,包括:获取完整区域范围内的全景图像信息;对所述全景图像信息进行人脸识别处理,得到第一识别结果;获取所有子区域范围内的分景图像信息;其中,所述完整区域包括若干所述子区域;对所述分景图像信息进行人脸识别处理,得到第二识别结果;对所述第一识别结果和所述第二识别结果进行处理,得到人脸识别结果。本发明能够提高人脸识别准确率。
Description
技术领域
本发明涉及人脸识别技术领域,特别是指一种人脸识别方法及装置、电子设备。
背景技术
已有的人脸识别系统,可利用摄像头采集包括人脸的图像信息,对图像信息进行处理,得到人脸特征,再利用人脸特征匹配人脸样本库,将匹配结果作为人脸识别结果。然而,在多个人体对象的场景下,例如教室里有几十名学生,难以准确识别出所有学生的人脸特征,尤其是距离摄像头较远位置或是教室边侧位置的学生,受拍摄范围、拍摄角度、拍摄精度等条件的影响,人脸识别准确率不高。
发明内容
有鉴于此,本发明的目的在于提出一种人脸识别方法及装置、电子设备,能够提高人脸识别准确率。
基于上述目的,本发明提供了一种人脸识别方法,包括:
获取完整区域范围内的全景图像信息;
对所述全景图像信息进行人脸识别处理,得到第一识别结果;
获取所有子区域范围内的分景图像信息;其中,所述完整区域包括若干所述子区域;
对所述分景图像信息进行人脸识别处理,得到第二识别结果;
对所述第一识别结果和所述第二识别结果进行处理,得到人脸识别结果。
可选的,所述方法还包括:所述人脸识别结果包括识别出的人体对象的人脸位置,将所述人脸位置与预设的所有预置位置进行比对,判读是否存在未识别出的人脸对象,若存在,则获取所述未识别出的人脸对象所在位置区域范围内的近景图像信息,对所述近景图像信息进行处理,得到第三识别结果,对所述人脸识别结果和所述第三识别结果进行处理,得到最终的识别结果。
可选的,所述第一、第二识别结果包括识别出的人体对象的基本信息及对应的相似度。
可选的,所述完整区域安装有一台用于采集所述全景图像信息和分景图像信息的云台摄像机。
可选的,所述所有子区域分别安装一台云台摄像机,各云台摄像机用于采集所述全景图像信息,以及采集本子区域的所述分景图像信息。
本发明实施例还提供一种人脸识别装置,包括:
图像获取模块,用于获取完整区域范围内的全景图像信息;以及用于获取所有子区域范围内的分景图像信息;其中,所述完整区域包括若干所述子区域;
图像识别模块,用于对所述全景图像信息进行人脸识别处理,得到第一识别结果;以及用于对所述分景图像信息进行人脸识别处理,得到第二识别结果;
结果处理模块,用于对所述第一识别结果和所述第二识别结果进行处理,得到人脸识别结果。
可选的,所述装置还包括:
比对模块,用于将所述人脸识别结果中识别出的人脸位置,与预设的所有预置位置进行比对,判读是否存在未识别出的人脸对象;
所述图像获取模块,用于当存在所述未识别出的人脸对象时,获取所述未识别出的人脸对象所在位置区域范围内的近景图像信息;
所述图像识别模块,用于对所述近景图像信息进行处理,得到第三识别结果;
所述结果处理模块,用于对所述人脸识别结果和所述第三识别结果进行处理,得到最终的识别结果。
可选的,所述第一、第二识别结果包括识别出的人体对象的基本信息及对应的相似度。
可选的,所述完整区域安装有一台用于采集所述全景图像信息和分景图像信息的云台摄像机。
可选的,所述所有子区域分别安装一台云台摄像机,各云台摄像机用于采集所述全景图像信息,以及采集本子区域的所述分景图像信息。
本发明实施例还提供一种电子设备,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,所述处理器执行所述程序时实现所述人脸识别方法。
从上面所述可以看出,本发明提供的人脸识别方法及装置、电子设备,通过获取完整区域范围内的全景图像信息,对全景图像信息进行人脸识别处理,得到第一识别结果,获取所有子区域范围内的分景图像信息,对分景图像信息进行人脸识别处理,得到第二识别结果,之后,对第一识别结果和第二识别结果进行处理,得到人脸识别结果。本发明能够提高人脸识别准确率。
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为本发明实施例的方法流程示意图;
图2为本发明实施例的完整区域与子区域的划分示意图;
图3为本发明实施例的第一识别结果示意图;
图4为本发明实施例的装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例对此不再一一说明。
图1为本发明实施例的方法流程示意图。如图所示,本发明实施例提供的人脸识别方法,包括:
S10:获取完整区域范围内的全景图像信息;
于一些实施例中,利用图像采集设备采集完整区域范围内的视频信息,所有人体对象位于完整区域范围之内,按照预定时间从视频信息中提取视频帧图像作为全景图像信息进行后续识别处理。例如,每隔1.5秒从视频信息中提取一幅全景图像信息。其中,图像采集设备采用云台摄像机,具有上下、左右位置调整功能,能够实现多角度拍摄,拍摄范围大,具有变焦及对焦功能,能够提高拍摄清晰度。
对于学校的应用场景,于教室内安装云台摄像机,利用云台摄像机采集整个教室区域范围内的视频信息,将采集的整个教室区域范围内的视频信息传输至服务器,服务器接收视频信息,按照预定时间从视频信息中提取视频帧图像作为全景图像信息进行后续人脸识别处理。
S11:对全景图像信息进行人脸识别处理,得到第一识别结果;
于一些实施例中,利用人脸识别模型对全景图像信息进行人脸识别处理,包括对全景图像信息进行预处理、提取特征及特征匹配。其中,提取出的特征包括眼部、鼻部、嘴部、眉毛及面部轮廓等面部关键特征,根据提取出的特征与人脸样本库进行匹配,得到匹配相似度最高的作为人脸匹配结果,将全景图像信息中识别出的所有人体对象的人脸匹配结果作为第一识别结果。
对于学校的应用场景,整个教室区域范围内的全景图像信息中包括了所有人体对象,利用人脸识别模型对全景图像信息进行人脸识别处理,识别出全景图像信息中所有能够识别出的人体对象对应的人脸匹配结果,作为第一识别结果。其中,第一识别结果包括识别出的各人体对象的基本信息及对应的相似度,基本信息包括姓名、性别、班级等信息。
S12:获取所有子区域范围内的分景图像信息;
将完整区域划分为多个子区域,利用图像采集设备分别采集各个子区域范围内的视频信息,将各子区域范围内的视频信息传输至服务器,服务器接收各个子区域范围内的视频信息,按照预定时间从视频信息中提取视频帧图像作为各个子区域范围内的分景图像信息,对分景图像信息进行后续人脸识别处理。
图2为本发明实施例的完整区域与子区域的划分示意图。如图所示,本实施例中,将完整区域划分为九个子区域,云台摄像机首先采集完整区域范围内的视频信息,然后按照预设控制程序自动调整位置和焦距,依次采集九个子区域范围内的视频信息。如图3所示,受拍摄距离、拍摄角度、拍摄焦距等条件的影响,根据采集的全景图像信息,可能存在未识别出的人脸识别结果(如图3的黑色圆点),人脸识别结果不够准确完整,本实施例通过将完整区域划分为多个子区域,分别采集各个子区域的分景图像信息,对分景图像信息进行人脸识别处理,能够提高人脸识别准确率。
可选的,可在完整区域内安装一台云台摄像机,利用该云台摄像机采集全景图像信息,通过调整距离和调焦采集每个子区域的分景图像信息;也可以在每个子区域分别安装一台云台摄像机,利用每台云台摄像机分别采集全景图像信息,然后采集所在子区域的分景图像信息,以提高人脸识别准确率。
S13:对各子区域范围内的分景图像信息进行人脸识别处理,得到第二识别结果;
利用人脸识别模型对每个子区域范围内的分景图像信息进行人脸识别处理,得到每个子区域的人脸匹配结果,将所有子区域的人脸匹配结果综合作为第二识别结果。
本实施例中,每个子区域包括部分人体对象,利用人脸识别模型对每个子区域范围内的分景图像信息进行人脸识别处理,识别出各分景图像信息中部分人体对象对应的人脸匹配结果,将各分景图像信息的人脸匹配结果综合作为第二识别结果。其中,第二识别结果包括识别出的各人体对象的基本信息及对应的相似度。
S14:对第一识别结果和第二识别结果进行处理,得到人脸识别结果。
对第一识别结果和第二识别结果进行处理,去掉重复的识别结果数据,得到人脸识别结果。
于一些实施例中,所述人脸识别方法还包括:
在完整区域中设置多个预置位置,每个预置位置具有一个人脸对象。所述第一、第二识别结果还包括识别出的人体对象的人脸位置,对第一、第二识别结果进行处理,得到人脸识别结果,人脸识别结果包括所识别出的各人体对象的人脸位置。根据人脸识别结果中识别出的人脸位置,与所有预置位置进行比对,判断是否存在未识别出的人脸对象,若所有预置位置的人脸对象均已识别出来,则将人脸识别结果作为最终的识别结果,若所有预置位置中存在未识别出的人脸对象,则确定未识别出的人脸对象所在位置区域,获取该位置区域范围内的近景图像信息,对近景图像信息进行人脸识别处理,得到第三识别结果,该第三识别结果包括该位置区域范围内所识别出的人脸匹配结果,对人脸识别结果和第三识别结果进行处理,去掉重复的识别结果数据,得到最终的识别结果。
本实施例中,确定未识别出的人脸对象所在位置区域之后,向云台摄像机发送控制指令,使得云台摄像机能够根据控制指令调整位置及焦距,调整之后云台摄像机能够采集该位置区域的视频信息,将采集的视频信息发送给服务器,服务器从视频信息中提取近景图像信息,对近景图像信息进行人脸识别处理。
图4为本发明实施例的装置结构示意图。如图所示,本发明实施例提供的人脸识别装置,包括:
图像获取模块,用于获取完整区域范围内的全景图像信息;以及用于获取所有子区域范围内的分景图像信息;
图像识别模块,用于对全景图像信息进行人脸识别处理,得到第一识别结果;以及用于对各子区域范围内的分景图像信息进行人脸识别处理,得到第二识别结果;
结果处理模块,用于对第一识别结果和第二识别结果进行处理,得到人脸识别结果。
于一些实施例中,利用图像采集设备采集完整区域范围内的视频信息,所有人体对象位于完整区域范围之内,按照预定时间从视频信息中提取视频帧图像作为全景图像信息进行后续识别处理。例如,每隔1.5秒从视频信息中提取一幅全景图像信息。其中,图像采集设备采用云台摄像机,具有上下、左右位置调整功能,能够实现多角度拍摄,拍摄范围大,具有变焦及对焦功能,能够提高拍摄清晰度。
对于学校的应用场景,于教室内安装云台摄像机,利用云台摄像机采集整个教室区域范围内的视频信息,将采集的整个教室区域范围内的视频信息传输至服务器,服务器接收视频信息,由图像获取模块按照预定时间从视频信息中提取视频帧图像作为全景图像信息进行后续人脸识别处理。
于一些实施例中,图像识别模块对全景图像信息进行人脸识别处理,包括对全景图像信息进行预处理、提取特征及特征匹配。其中,提取出的特征包括眼部、鼻部、嘴部、眉毛及面部轮廓等面部关键特征,根据提取出的特征与人脸样本库进行匹配,得到匹配相似度最高的作为人脸匹配结果,将全景图像信息中识别出的所有人体对象的人脸匹配结果作为第一识别结果。
对于学校的应用场景,整个教室区域范围内的全景图像信息中包括了所有人体对象,图像识别模块对全景图像信息进行人脸识别处理,识别出全景图像信息中所有能够识别出的人体对象对应的人脸匹配结果,作为第一识别结果。其中,第一识别结果包括识别出的各人体对象的基本信息及对应的相似度,基本信息包括姓名、性别、班级等信息。
于一些实施例中,将完整区域划分为多个子区域,利用图像采集设备分别采集各个子区域范围内的视频信息,将各子区域范围内的视频信息传输至服务器,服务器接收各个子区域范围内的视频信息,图像获取模块按照预定时间从视频信息中提取视频帧图像作为各个子区域范围内的分景图像信息,图像识别模块对分景图像信息进行人脸识别处理。
如图2所示,本实施例中,将完整区域划分为九个子区域,云台摄像机首先采集完整区域范围内的视频信息,然后按照预设控制程序自动调整位置和焦距,依次采集九个子区域范围内的视频信息。如图3所示,受拍摄距离、拍摄角度、拍摄焦距等条件的影响,根据采集的全景图像信息,可能存在未识别出的人脸识别结果(如图3的黑色圆点),人脸识别结果不够准确完整,本实施例通过将完整区域划分为多个子区域,分别采集各个子区域的分景图像信息,对分景图像信息进行人脸识别处理,能够提高人脸识别准确率。
可选的,可在完整区域内安装一台云台摄像机,利用该云台摄像机采集全景图像信息,通过调整距离和调焦采集每个子区域的分景图像信息;也可以在每个子区域分别安装一台云台摄像机,利用每台云台摄像机分别采集全景图像信息,然后采集所在子区域的分景图像信息,以提高人脸识别准确率。
图像识别模块对每个子区域范围内的分景图像信息进行人脸识别处理,得到每个子区域的人脸匹配结果,将所有子区域的人脸匹配结果综合作为第二识别结果。
本实施例中,每个子区域包括部分人体对象,图像识别模块对每个子区域范围内的分景图像信息进行人脸识别处理,识别出各分景图像信息中部分人体对象对应的人脸匹配结果,将各分景图像信息的人脸匹配结果综合作为第二识别结果。其中,第二识别结果包括识别出的各人体对象的基本信息及对应的相似度。
结果处理模块对第一识别结果和第二识别结果进行处理,去掉重复的识别结果数据,得到人脸识别结果。
于一些实施例中,所述人脸识别装置还包括:
比对模块,用于将人脸识别结果中识别出的人脸位置,与所有预置位置进行比对,判读是否存在未识别出的人脸对象;
图像获取模块,用于在存在未识别出的人脸对象的情况下,获取未识别出的人脸对象所在位置区域范围内的近景图像信息;
图像识别模块,用于对近景图像信息进行处理,得到第三识别结果;
结果处理模块,用于对人脸识别结果和第三识别结果进行处理,得到最终的识别结果。
在完整区域中设置多个预置位置,每个预置位置具有一个人脸对象。所述第一、第二识别结果还包括识别出的人体对象的人脸位置,对第一、第二识别结果进行处理,得到人脸识别结果,人脸识别结果包括所识别出的各人体对象的人脸位置。比对模块根据人脸识别结果中识别出的人脸位置,与所有预置位置进行比对,判断是否存在未识别出的人脸对象,若所有预置位置的人脸对象均已识别出来,则将人脸识别结果作为最终的识别结果,若所有预置位置中存在未识别出的人脸对象,则确定未识别出的人脸对象所在位置区域,图像获取模块获取该位置区域范围内的近景图像信息,图像识别模块对近景图像信息进行人脸识别处理,得到第三识别结果,该第三识别结果包括该位置区域范围内所识别出的人脸匹配结果,结果处理模块对人脸识别结果和第三识别结果进行处理,去掉重复的识别结果数据,得到最终的识别结果。
本实施例中,人脸识别装置还包括数据发送模块,当确定未识别出的人脸对象所在位置区域之后,利用数据发送模块向云台摄像机发送控制指令,使得云台摄像机能够根据控制指令调整位置及焦距,调整之后云台摄像机能够采集该位置区域的视频信息,将采集的视频信息发送给服务器,由图像获取模块从视频信息中提取近景图像信息,图像识别模块对近景图像信息进行人脸识别处理。
基于上述目的,本发明实施例还提出了一种执行所述人脸识别方法的装置的一个实施例。所述装置包括:
一个或多个处理器以及存储器。
所述执行所述人脸识别方法的装置还可以包括:输入装置和输出装置。
处理器、存储器、输入装置和输出装置可以通过总线或者其他方式连接。
存储器作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的人脸识别方法对应的程序指令/模块。处理器通过运行存储在存储器中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的人脸识别方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据执行所述人脸识别方法的装置的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至会员用户行为监控装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置可接收输入的数字或字符信息,以及产生与执行人脸识别方法的装置的用户设置以及功能控制有关的键信号输入。输出装置可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器中,当被所述一个或者多个处理器执行时,执行上述任意方法实施例中的人脸识别方法。所述执行所述人脸识别方法的装置的实施例,其技术效果与前述任意方法实施例相同或者类似。
本发明实施例还提供了一种非暂态计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的列表项操作的处理方法。所述非暂态计算机存储介质的实施例,其技术效果与前述任意方法实施例相同或者类似。
最后需要说明的是,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硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。所述计算机程序的实施例,其技术效果与前述任意方法实施例相同或者类似。
此外,典型地,本公开所述的装置、设备等可为各种电子终端设备,例如手机、个人数字助理(PDA)、平板电脑(PAD)、智能电视等,也可以是大型终端设备,如服务器等,因此本公开的保护范围不应限定为某种特定类型的装置、设备。本公开所述的客户端可以是以电子硬件、计算机软件或两者的组合形式应用于上述任意一种电子终端设备中。
此外,根据本公开的方法还可以被实现为由CPU执行的计算机程序,该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU执行时,执行本公开的方法中限定的上述功能。
此外,上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
此外,应该明白的是,本文所述的计算机可读存储介质(例如,存储器)可以是易失性存储器或非易失性存储器,或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的,非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM),该RAM可以充当外部高速缓存存储器。作为例子而非限制性的,RAM可以以多种形式获得,比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)以及直接RambusRAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
上述实施例的装置用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本发明难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本发明难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本发明的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种人脸识别方法,其特征在于,包括:
获取完整区域范围内的全景图像信息;
对所述全景图像信息进行人脸识别处理,得到第一识别结果;
获取所有子区域范围内的分景图像信息;其中,所述完整区域包括若干所述子区域;
对所述分景图像信息进行人脸识别处理,得到第二识别结果;
对所述第一识别结果和所述第二识别结果进行处理,得到人脸识别结果。
2.根据权利要求1所述的方法,其特征在于,还包括:所述人脸识别结果包括识别出的人体对象的人脸位置,将所述人脸位置与预设的所有预置位置进行比对,判读是否存在未识别出的人脸对象,若存在,则获取所述未识别出的人脸对象所在位置区域范围内的近景图像信息,对所述近景图像信息进行处理,得到第三识别结果,对所述人脸识别结果和所述第三识别结果进行处理,得到最终的识别结果。
3.根据权利要求1所述的方法,其特征在于,所述第一、第二识别结果包括识别出的人体对象的基本信息及对应的相似度。
4.根据权利要求1所述的方法,其特征在于,所述完整区域安装有一台用于采集所述全景图像信息和分景图像信息的云台摄像机。
5.根据权利要求1所述的方法,其特征在于,所述所有子区域分别安装一台云台摄像机,各云台摄像机用于采集所述全景图像信息,以及采集本子区域的所述分景图像信息。
6.一种人脸识别装置,其特征在于,包括:
图像获取模块,用于获取完整区域范围内的全景图像信息;以及用于获取所有子区域范围内的分景图像信息;其中,所述完整区域包括若干所述子区域;
图像识别模块,用于对所述全景图像信息进行人脸识别处理,得到第一识别结果;以及用于对所述分景图像信息进行人脸识别处理,得到第二识别结果;
结果处理模块,用于对所述第一识别结果和所述第二识别结果进行处理,得到人脸识别结果。
7.根据权利要求6所述的装置,其特征在于,还包括:
比对模块,用于将所述人脸识别结果中识别出的人脸位置,与预设的所有预置位置进行比对,判读是否存在未识别出的人脸对象;
所述图像获取模块,用于当存在所述未识别出的人脸对象时,获取所述未识别出的人脸对象所在位置区域范围内的近景图像信息;
所述图像识别模块,用于对所述近景图像信息进行处理,得到第三识别结果;
所述结果处理模块,用于对所述人脸识别结果和所述第三识别结果进行处理,得到最终的识别结果。
8.根据权利要求6所述的装置,其特征在于,所述第一、第二识别结果包括识别出的人体对象的基本信息及对应的相似度。
9.根据权利要求6所述的装置,其特征在于,所述完整区域安装有一台用于采集所述全景图像信息和分景图像信息的云台摄像机。
10.根据权利要求6所述的装置,其特征在于,所述所有子区域分别安装一台云台摄像机,各云台摄像机用于采集所述全景图像信息,以及采集本子区域的所述分景图像信息。
11.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910765156.1A CN111353361A (zh) | 2019-08-19 | 2019-08-19 | 一种人脸识别方法及装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910765156.1A CN111353361A (zh) | 2019-08-19 | 2019-08-19 | 一种人脸识别方法及装置、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111353361A true CN111353361A (zh) | 2020-06-30 |
Family
ID=71193941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910765156.1A Pending CN111353361A (zh) | 2019-08-19 | 2019-08-19 | 一种人脸识别方法及装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353361A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114419698A (zh) * | 2021-12-27 | 2022-04-29 | 天津天地伟业信息系统集成有限公司 | 一种人脸识别摄像机的控制方法及计算机可读存储介质 |
WO2022105027A1 (zh) * | 2020-11-19 | 2022-05-27 | 安徽鸿程光电有限公司 | 图像识别方法、系统、电子设备及存储介质 |
-
2019
- 2019-08-19 CN CN201910765156.1A patent/CN111353361A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022105027A1 (zh) * | 2020-11-19 | 2022-05-27 | 安徽鸿程光电有限公司 | 图像识别方法、系统、电子设备及存储介质 |
CN114419698A (zh) * | 2021-12-27 | 2022-04-29 | 天津天地伟业信息系统集成有限公司 | 一种人脸识别摄像机的控制方法及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10949952B2 (en) | Performing detail enhancement on a target in a denoised image | |
US20210264133A1 (en) | Face location tracking method, apparatus, and electronic device | |
CN108764208B (zh) | 图像处理方法和装置、存储介质、电子设备 | |
CN108777815B (zh) | 视频处理方法和装置、电子设备、计算机可读存储介质 | |
US20150362700A1 (en) | Iris imaging apparatus and methods for configuring an iris imaging apparatus | |
TWI766201B (zh) | 活體檢測方法、裝置以及儲存介質 | |
CN105518712B (zh) | 基于字符识别的关键词通知方法及设备 | |
US20170064184A1 (en) | Focusing system and method | |
US20190205618A1 (en) | Method and apparatus for generating facial feature | |
CN110650291B (zh) | 目标追焦方法和装置、电子设备、计算机可读存储介质 | |
CN109657576B (zh) | 图像采集控制方法、装置、存储介质及系统 | |
CN109492642B (zh) | 车牌识别方法、装置、计算机设备及存储介质 | |
CN110266946B (zh) | 一种拍照效果自动优化方法、装置、存储介质及终端设备 | |
CN111353364A (zh) | 一种人脸动态识别方法及装置、电子设备 | |
CN111353368A (zh) | 云台摄像机、人脸特征处理方法及装置、电子设备 | |
CN111160202A (zh) | 基于ar设备的身份核验方法、装置、设备及存储介质 | |
CN112487848A (zh) | 文字识别方法和终端设备 | |
KR20200069911A (ko) | 영상들 간에 객체와 객체 위치의 동일성을 식별하기 위한 방법 및 장치 | |
CN111353361A (zh) | 一种人脸识别方法及装置、电子设备 | |
CN110365897B (zh) | 图像修正方法和装置、电子设备、计算机可读存储介质 | |
CN114698399A (zh) | 人脸识别方法、装置及可读存储介质 | |
CN107992816B (zh) | 一种拍照搜索方法、装置、电子设备及计算机可读存储介质 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN113014876A (zh) | 视频监控方法、装置、电子设备及可读存储介质 | |
CN113283319A (zh) | 人脸模糊度的评价方法及装置、介质和电子设备 |
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 |