CN111382681B - 一种人脸注册方法、装置及存储介质 - Google Patents

Abstract

本申请公开了一种人脸注册方法、装置及存储介质。该方法包括：获取待注册图像集，待注册图像集包括多张待注册图像；将待注册图像集输入人脸评价系统，得到每张待注册图像的人脸评价信息；若待注册图像的人脸评价信息满足人脸识别需求条件，则接受待注册图像的注册，否则拒绝待注册图像的注册。通过上述方式，能够提高注册图像的质量。

Description

一种人脸注册方法、装置及存储介质

技术领域

本申请涉及图像处理领域，特别是涉及一种人脸注册方法、装置及存储介质。

背景技术

随着互联网技术的发展，人脸识别技术应用到了越来越多的领域。例如，用户可以通过人脸识别的方式来解锁终端设备或者登陆应用账号等。人脸识别的成功率很大程度上取决于在人脸注册过程中所获取到的用户所输入的注册图像。如果获取到的用户所输入的注册图像不够准确，会导致人脸识别的成功率降低。

发明内容

本申请主要解决的技术问题是现有技术中用户所输入的注册图像不够准确导致人脸识别的成功率降低的问题。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种人脸注册方法，该方法包括：获取待注册图像集，待注册图像集包括多张待注册图像；将待注册图像集输入人脸评价系统，得到每张待注册图像的人脸评价信息；若待注册图像的人脸评价信息满足人脸识别需求条件，则接受待注册图像的注册，否则拒绝待注册图像的注册。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种人脸注册装置，该人脸注册装置包括处理器、与处理器耦接的存储器，其中，存储器存储有执行存储器存储的所述程序指令以实现上述方法。

为解决上述技术问题，本申请采用的再一个技术方案是：提供一种存储介质，存储有程序指令，程序指令被执行时能够实现上述方法。

本申请的有益效果是：通过上述方案的实施，本申请能够将待注册图像输入人脸评价系统以得到待注册图像中每张待注册图像的人脸评价信息，并且在得到的待注册图像信息的人脸评价信息满足人脸识别需求条件的情况下，也即该待注册图像为满足人脸识别需求的人脸图像时，才接受该待注册图像的注册，从而能够提高最终能够注册的人脸图像质量，进而提高后续用户进行人脸识别的成功率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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。其中：

图1是本申请人脸注册方法一实施例的流程示意图；

图2是本申请人脸评价系统一实施例的结构示意图；

图3是本申请人脸评价系统另一实施例的结构示意图；

图4是本申请人脸评价系统参数调整方法一实施例的流程示意图；

图5是本申请人脸注册装置一实施例的结构示意图；

图6是本申请存储介质一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1是本申请人脸注册方法第一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图1所示的流程顺序为限。如图1所示，本实施例包括：

S110：获取待注册图像集。

待注册图像集可以包括多张待注册图像，其可以通过从待注册图像库中抽取得到。其中，多张待注册图像中可能包括脸图像(真实人脸图像，非真实人脸图像)、非脸图像。

S120：将待注册图像集输入人脸评价系统，得到每张待注册图像的人脸评价信息。

如图2所示，在一具体实施方式中，可以包括人脸筛选模块、人脸完整度计算模块、人脸可识别性计算模块。

人脸筛选模块可以用于从判断每张待注册图像是否为人脸图像，以从待评价图像集中筛选出人脸图像，并将人脸图像送入人脸完整度计算模块。

人脸筛选模块可以包括人脸初筛单元和人脸再筛单元。人脸初筛单元用于从待注册图像集中筛选出存在脸的待注册图像，人脸再筛单元用于从存在脸的待注册图像中筛选出人脸图像。

具体而言，人脸初筛单元可以对待注册图像进行人脸检测，以判断待注册图像中是否存在脸，以得到存在脸的待注册图像。而存在脸的待注册图像中包含的脸并不一定为存在真实人脸，也可能为动物脸、假脸(比如衣服上的人脸图案、照片中的人脸)等。为排除存在脸的待注册图像中包含非真实人脸的情况，可利用人脸再筛单元对从存在脸的待注册图像中进一步筛选出存在的脸为真实人脸的待注册图像，即人脸图像，并将筛选出的人脸图像送入人脸完整度计算模块进行计算。其中，人脸再筛单元可利用异常检测、分类等方式筛选出人脸图像。

人脸完整度计算模块可以用于计算每张人脸图像中人脸的完整度，并将完整度大于第一预设阈值的人脸图像送入人脸可识别性计算模块。

其中，人脸完整度计算模块可以包括人脸越界计算单元、人脸姿态计算单元、人脸遮挡计算单元和人脸完整度综合单元。

人脸越界计算单元用于获取人脸图像中人脸的多个特征点，并分区域计算多个特征点的置信度，得到置信度向量。具体而言，人脸越界计算单元可通过人脸特征点定位算法获取人脸图像中人脸的多个特征点，根据不同的特征点将人脸分为多个区域，并计算每个特征点的置信度，以将每个区域包含特征点的置信度均值作为该区域的置信度。其中，特征点的数量可以为四个，分别可以为双眼、鼻子、嘴巴。所谓置信度，即为获取到的特征点位置正确的概率。

人脸姿态计算单元可以用于分区域计算人脸的角度，并利用角度得到角度评估向量。

人脸姿态计算单元具体可以用于根据角度得到人脸的二维投影，并计算人脸的二维投影与预设人脸的二维投影之间的偏差向量，并根据偏差向量计算得到角度评估向量。

人脸姿态计算单元可以分别计算不同特征点形成的多个区域中人脸的角度，其中，计算出来的人脸的角度可以包括俯仰角(Pitch)、偏航角(Yaw)和翻滚角(Roll)，从而能够根据三个角度形成一个三维角度向量(俯仰角，偏航角，翻滚角)。预设人脸可以为平均3D人脸完全正脸，人脸姿态计算单元可以根据三维角度向量得到人脸的二维投影，并分别计算该人脸的二维投影与平均3D人脸完全正脸的二维投影之间的点偏差向量，其中，该点偏差向量中的元素可以为人脸的二维投影与平均3D人脸完全正脸的二维投影之间的各个点偏差。而人脸的二维投影与平均3D人脸完全正脸的二维投影之间的点偏差可以为人脸的二维投影与平均3D人脸完全正脸的二维投影之间的对应点的欧式距离。

人脸姿态计算单元还可以计算根据多个特征点形成的各区域中的每个点偏差的均值，并将该均值作为对应区域的偏差，以得到由各区域偏差组成的偏差向量。得到偏差向量后，还可以对偏差向量进行归一化处理，再逐次用1减去归一化后的偏差向量中每个元素得到角度评估向量。比如，经归一化处理后的偏差向量为(0.35,0.1,0.3.0.25)，则角度评估向量为(0.65,0.9,0.7,0.75)。

人脸遮挡计算单元可以用于分区域评估人脸的遮挡状态，得到人脸遮挡向量。具体而言，人脸图像中人脸的遮挡可能会由发型、发饰、人群等非人脸自身的因素造成，人脸遮挡计算单元可通过人脸遮挡评估算法来评估人脸各区域的特征点的遮挡状态，以得到各个区域对应的人脸遮挡向量。其中，若特征点处于遮挡状态，其在遮挡向量中表现为0，若特征点处于非遮挡状态，其在遮挡向量中表现为1。

人脸完整度综合单元可以用于综合人脸越界计算单元、人脸姿态计算单元、人脸遮挡计算单元的计算结果，计算得到完整度。

其中，人脸完整度综合单元具体可以用于按照不同区域的指定权重分别对每张人脸图像的置信度向量中的多个元素、角度评估向量的多个元素和人脸遮挡向量的多个元素加权求和，以得到完整的人脸图像的特征点置信度分数、角度评估分数和人脸遮挡分数作为完整度。其中，当特征点数量为4时，不同区域的指定权重可以为0.4：0.4：0.1：0.1。人脸完整度计算模块可以通过人脸完整度综合单元将完整度大于第一预设阈值的人脸图像送入人脸可识别性计算模块。具体而言，若按照不同区域的指定权重计算出来的人脸图像的三个完整度中每个完整度均大于第一预设阈值，也即置信度分数、角度评估分数和人脸遮挡分数均大于第一预设阈值，则将人脸图像送入人脸可识别性计算模块进行计算。

人脸可识别性计算模块用于计算每张完整度大于第一预设阈值的人脸图像中人脸的可识别性评估分数。

其中，人脸可识别性模块具体可以用于计算每张完整度大于第一预设阈值的人脸图像中人脸与预设人脸之间的相似度，并将相似度作为可识别性评估分数。

如图3所示，在另一具体实施方式中，人脸评价系统除了可以包括上述人脸筛选模块、人脸完整度计算模块、人脸可识别性计算模块外，还可以包括信息汇总模块。

其中，人脸筛选模块、人脸完整度计算模块、人脸可识别性计算模块请参见上述实施例的描述，在此不再重复。

信息汇总模块可以用于对人脸筛选模块、人脸完整度计算模块和人脸可识别性计算模块的输出结果汇总以得到每张待评价图像的人脸评价信息。

具体而言，信息汇总模块可接收人脸筛选模块反馈的筛选结果、人脸完整度计算模块反馈的人脸图像的三个完整度，也即置信度分数、角度评估分数和人脸遮挡分数反馈给信息汇总模块，以及人脸可识别性模块反馈的人脸图像的可识别性评估分数，并将接收到的各模块发来的每张待评价图像信息进行汇总形成人脸评价信息。

S130：判断待注册图像的人脸评价信息是否满足人脸识别需求条件。

其中，人脸识别需求条件可以包括可识别性评估分数大于第二预设阈值。结合上述人脸评价系统的待评价图像过程，满足人脸需求条件的待注册图像不仅属于人脸图像，并且还属于人脸完整度大于第一预设阈值的人脸图像，进一步属于可识别性评估分数大于第二预设阈值的人脸图像。

若满足，执行S140，若不满足，执行S150。

S140：接受待注册图像的注册。

若人脸评价信息中记录的可识别性评估分数大于第二预设阈值，则接收待注册图像的注册。

S150：拒绝待注册图像的注册。

若人脸评价信息中记录的可识别性评估分数小于或者等于第二预设阈值，则拒绝待注册图像的注册。

此外，在得到待注册图像集中所有待注册图像的人脸评价信息后，还按照待注册图像的人脸评价信息为待注册图像集生成分析报告，以对待注册图像集进行整体评价，并给出后续评价待注册图像的建议。

S120之前还可包括：对人脸评价系统的参数进行调整。

如图4所示，对人脸评价系统的参数进行调整可以包括以下子步骤：

S210：从待注册图像集中抽取样本图像集。

可以从待注册图像集中抽取一定数量或比例的待注册图像组成样本图像集。

S220：将样本图像集输入人脸评价系统，得到样本图像集中每张待注册图像的人脸评价信息。

本步骤的详细描述请参考S120，在此不赘述。

S230：将样本图像集中每张待注册图像的人脸评价信息与人工校验结果进行匹配，并根据匹配结果调整人脸评价系统的参数。

在得到待注册图像集中所有待注册图像的人脸评价信息判断结果后，可基于待注册图像的人脸评价信息判断结果，利用人工对待注册图像进行校验，并根据人工校验结果与待注册图像的人脸评价信息判断结果之间的匹配程度调整人脸评价系统的参数(如第一阈值、第二阈值等)，以优化人脸评价系统。

通过本实施例的实施，本申请能够将待注册图像输入人脸评价系统以得到待注册图像中每张待注册图像的人脸评价信息，并且在待注册图像的人脸评价信息满足人脸识别需求条件的情况下，也即该待注册图像为满足要求的人脸图像时，才接受该待注册图像的注册，从而提高注册图像的质量，进而提高后续用户进行人脸识别的成功率。

请参阅图5，图5为本申请人脸注册装置一实施例的结构示意图。如图5所示，该人脸注册装置500包括处理器510、与所述处理器耦接的存储器520。

其中，存储器520存储有用于实现上述任一实施例的方法的程序指令；处理器510用于执行存储器520存储的程序指令以实现上述方法实施例的步骤。其中，处理器510还可以称为CPU(Central Processing Unit，中央处理单元)。处理器510可能是一种集成电路芯片，具有信号的处理能力。处理器510还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

请参阅图6，图6是本申请存储介质一实施例的结构示意图。本申请实施例的存储介质600存储有程序指令，该程序指令被执行时实现本申请人脸注册方法。其中，该指令可以形成程序文件以软件产品的形式存储在上述存储介质中，以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (12)

1.一种人脸注册方法，其特征在于，包括：

获取待注册图像集，所述待注册图像集包括多张待注册图像；

将所述待注册图像集输入人脸评价系统，得到每张所述待注册图像的人脸评价信息；

若所述待注册图像的人脸评价信息满足人脸识别需求条件，则接受所述待注册图像的注册，否则拒绝所述待注册图像的注册；

其中，所述人脸评价系统包括人脸筛选模块、人脸完整度计算模块和人脸可识别性计算模块；

所述人脸筛选模块用于判断每张所述待注册图像是否为人脸图像以从待评价图像集中筛选出所述人脸图像，并将所述人脸图像送入所述人脸完整度计算模块；

所述人脸完整度计算模块用于计算每张所述人脸图像中人脸的完整度，并将所述完整度大于第一预设阈值的人脸图像送入所述人脸可识别性计算模块；

所述人脸可识别性计算模块用于计算每张所述完整度大于所述第一预设阈值的人脸图像中所述人脸的可识别性评估分数；

其中，所述人脸完整度计算模块包括人脸越界计算单元、人脸姿态计算单元、人脸遮挡计算单元和人脸完整度综合单元；所述人脸越界计算单元用于获取所述人脸图像中所述人脸的多个特征点，根据不同的所述特征点将人脸分为多个区域，并计算每个所述特征点的置信度，以将每个区域包含特征点的置信度均值作为该区域的置信度，得到置信度向量，所述置信度为获取到的特征点位置正确的概率；所述人脸姿态计算单元用于分区域计算所述人脸的三维角度向量，根据所述三维角度向量得到人脸的二维投影，计算所述人脸的二维投影上的特征点相对于预设人脸的二维投影上对应点的点偏差，并计算各区域中多个特征点的点偏差的均值作为对应区域的偏差，进而得到各区域的偏差向量，根据所述偏差向量计算得到角度评估向量；所述人脸遮挡计算单元用于分区域评估所述人脸的遮挡状态，得到人脸遮挡向量；所述人脸完整度综合单元用于综合所述人脸越界计算单元、所述人脸姿态计算单元、所述人脸遮挡计算单元的计算结果，计算得到所述完整度。

2.根据权利要求1所述的方法，其特征在于，在所述将所述待注册图像集输入人脸评价系统之前，进一步包括：

对所述人脸评价系统的参数进行调整。

3.根据权利要求2所述的方法，其特征在于，所述对所述人脸评价系统的参数进行调整包括：

从所述待注册图像集中抽取样本图像集；

将所述样本图像集输入所述人脸评价系统，得到所述样本图像集中每张所述待注册图像的人脸评价信息；

将所述样本图像集中每张所述待注册图像的人脸评价信息与人工校验结果进行匹配，并根据匹配结果调整所述人脸评价系统的参数。

4.根据权利要求1所述的方法，其特征在于，

所述人脸识别需求条件包括所述可识别性评估分数大于第二预设阈值。

5.根据权利要求1所述的方法，其特征在于，

所述人脸筛选模块包括人脸初筛单元和人脸再筛单元，所述人脸初筛单元用于从所述待注册图像集中筛选出存在脸的待注册图像，所述人脸再筛单元用于从所述存在脸的待注册图像中筛选出所述人脸图像。

6.根据权利要求1所述的方法，其特征在于，

所述人脸完整度综合单元用于按照不同所述区域的指定权重分别对每张人脸图像的置信度向量中的多个元素、角度评估向量的多个元素和人脸遮挡向量的多个元素加权求和，以得到完整的所述人脸图像的特征点置信度分数、角度评估分数和人脸遮挡分数作为所述完整度。

7.根据权利要求6所述的方法，其特征在于，

所述完整度大于第一预设阈值包括：所述置信度分数、所述角度评估分数和所述人脸遮挡分数均大于所述第一预设阈值。

8.根据权利要求1所述的方法，其特征在于，所述人脸可识别性模块用于计算每张所述完整度大于第一预设阈值的人脸图像中人脸与预设人脸之间的相似度，并将所述相似度作为所述可识别性评估分数。

9.根据权利要求1所述的方法，其特征在于，

所述人脸评价系统进一步包括信息汇总模块，所述信息汇总模块用于对所述人脸筛选模块、所述人脸完整度计算模块和所述人脸可识别性计算模块的输出结果汇总以得到每张所述待评价图像的人脸评价信息。

10.根据权利要求1所述的方法，其特征在于，进一步包括：

得到所述待注册图像集中所有所述待注册图像的人脸评价信息后，按照所述待注册图像的人脸评价信息为所述待注册图像集生成分析报告。

11.一种人脸注册装置，其特征在于，所述人脸注册装置包括处理器、与所述处理器耦接的存储器，其中，

所述存储器存储有用于实现权利要求1-10中任一项所述的方法的程序指令；

所述处理器用于执行所述存储器存储的所述程序指令以实现权利要求1-10中任一项所述的方法。

12.一种存储介质，其特征在于，所述存储介质存储有程序指令，所述程序指令被执行时实现权利要求1-10中任一项所述方法的步骤。