CN111401152B - 人脸识别方法及装置 - Google Patents
人脸识别方法及装置 Download PDFInfo
- Publication number
- CN111401152B CN111401152B CN202010129014.9A CN202010129014A CN111401152B CN 111401152 B CN111401152 B CN 111401152B CN 202010129014 A CN202010129014 A CN 202010129014A CN 111401152 B CN111401152 B CN 111401152B
- Authority
- CN
- China
- Prior art keywords
- face
- client
- client image
- image
- faces
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 7
- 239000000872 buffer Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种人脸识别方法及装置,方法包括:通过采集进入业务网点的客户图像;对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;对所述客户图像中的新增人脸进行人脸识别,能够根据人脸位置来确定新增人脸的客户实现过滤已存在人脸客户,对新增人脸的客户进行人脸识别,避免进行重复的人脸搜索或识别的过程,从而减少人脸搜索的调用次数,提高人脸识别的准确率和效率。
Description
技术领域
本发明涉及人脸识别技术领域,具体涉及一种人脸识别方法及装置。
背景技术
随着生物识别技术的发展,越来越多的场景使用人脸识别功能提升服务能力。在银行的网点要客识别场景中,需要对摄相头采集的人脸进行识别,再在后台搜索进门的客户是否重要客户。
现有的视频采集的图片每秒有24张以上,且同一张图像中人脸的个数可能有多个。对每张视频采集的图片进行人脸识别,需要频繁调用人脸搜索,会导致后台服务器处理压力大,降低人脸识别的准确率和效率。
发明内容
针对现有技术中的问题,本发明提供一种人脸识别方法及装置,能够提高人脸识别的准确率和效率。
为解决上述技术问题,本发明提供以下技术方案:
第一方面,本发明提供一种人脸识别方法,包括:
采集进入业务网点的客户图像;
对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;
对所述客户图像中的新增人脸进行人脸识别。
进一步的,在所述对所述客户图像中的新增人脸进行人脸识别之后,还包括:
根据所述人脸识别的结果确定进入业务网点的客户的类别。
其中,所述对所述客户图像进行人脸位置检测,包括:
采用基于OpenCV的人脸检测对所述客户图像中的人脸个数和各个人脸位置进行检测。
其中,所述基于所述人脸位置检测的结果判断客户图像中是否有新增人脸,包括:
根据当前的客户图像中人脸个数和各个人脸位置以及上一张的客户图像中人脸个数和各个人脸位置来判断当前的客户图像中各个人脸位置的移动距离;
根据所述当前的客户图像中各个人脸位置的移动距离判断当前的客户图像中是否有新增人脸;
其中,所述人脸检测的结果包括:人脸个数和各个人脸位置。
其中,所述根据所述当前的客户图像中各个人脸位置的移动距离判断当前的客户图像中是否有新增人脸,包括:
判断当前的客户图像中各个人脸位置的移动距离是否大于预设的人脸像素宽度的比例值,确定大于预设的人脸像素宽度的比例值的人脸为新增人脸。
其中,所述根据所述人脸识别的结果确定进入业务网点的客户的类别,包括:
根据人脸识别的结果在预设的客户类别清单中确定该人脸对应的类别;
其中,所述类别包括:会员客户、普通客户和非客户。
第二方面,本发明提供一种人脸识别装置,包括:
采集单元,用于采集进入业务网点的客户图像;
新增单元,用于对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;
识别单元,用于对所述客户图像中的新增人脸进行人脸识别。
进一步的,还包括:
分类单元,用于根据所述人脸识别的结果确定进入业务网点的客户的类别。
其中,所述新增单元,包括:
位置检测子单元,用于采用基于OpenCV的人脸检测对所述客户图像中的人脸个数和各个人脸位置进行检测。
其中,所述新增单元,包括:
第一判断子单元,用于根据当前的客户图像中人脸个数和各个人脸位置以及上一张的客户图像中人脸个数和各个人脸位置来判断当前的客户图像中各个人脸位置的移动距离;
第二判断子单元,用于根据所述当前的客户图像中各个人脸位置的移动距离判断当前的客户图像中是否有新增人脸;
其中,所述人脸检测的结果包括:人脸个数和各个人脸位置。
其中,所述第二判断子单元,包括:
比例模块,用于判断当前的客户图像中各个人脸位置的移动距离是否大于预设的人脸像素宽度的比例值,确定大于预设的人脸像素宽度的比例值的人脸为新增人脸。
其中,所述分类单元,包括:
分类子单元,用于根据人脸识别的结果在预设的客户类别清单中确定该人脸对应的类别;
其中,所述类别包括:会员客户、普通客户和非客户。
第三方面,本发明提供一种电子设备,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的人脸识别方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的人脸识别方法的步骤。
由上述技术方案可知,本发明提供的一种人脸识别方法及装置,通过采集进入业务网点的客户图像;对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;对所述客户图像中的新增人脸进行人脸识别,能够根据人脸位置来确定新增人脸的客户实现过滤已存在人脸客户,对新增人脸的客户进行人脸识别,避免进行重复的人脸搜索或识别的过程,从而减少人脸搜索的调用次数,提高人脸识别的准确率和效率。
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为本发明实施例中的人脸识别方法的第一流程示意图。
图2为本发明实施例中的人脸识别方法的第二流程示意图。
图3为本发明实施例中的人脸识别装置的第一结构示意图。
图4为本发明实施例中的人脸识别装置的第二结构示意图。
图5为本发明实施例中的电子设备的结构示意图。
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、完整的描述,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。
本发明提供一种人脸识别方法的实施例,参见图1,所述人脸识别方法具体包含有如下内容:
S101:采集进入业务网点的客户图像;
在本步骤中,通过视频采集设备或高速图像采集设备采集进入业务网点的客户的视频或图像,若通过视频设备采集,则需要将视频转换为图像。
S102:对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;
在本步骤中,对客户图像中的人脸位置进行检测,确定人脸在客户图像中的位置,根据人脸在客户图像中的位置变化来确定客户图像中新增人脸,该新增人脸即为新进入业务网点的客户。
需要说明的是,人脸的位置是相对于客户图像上的任意一个基准点,以确定的基准点为坐标系的零点,则可以确定人脸在客户图像中的位置。
进一步的,在本实施例中,对客户图像进行人脸位置检测是基于OpenCV的人脸检测对客户图像中的人脸个数和各个人脸位置进行检测,基于OpenCV的人脸检测能够确定客户图像中的各个人脸以及各个人脸在客户图像中的位置。
基于人脸位置检测的结果(各个人脸和各个人脸位置)判断客户图像中是否有新增人脸,具体是根据当前的客户图像中人脸个数和各个人脸位置以及上一张的客户图像中人脸个数和各个人脸位置来判断当前的客户图像中各个人脸位置的移动距离;根据所述当前的客户图像中各个人脸位置的移动距离判断当前的客户图像中是否有新增人脸。
需要说明的是,根据人脸位置变化确定新增人脸,能够过滤己识别的客户
具体在判断当前的客户图像中是否有新增人脸时,判断当前的客户图像中各个人脸位置的移动距离是否大于预设的人脸像素宽度的比例值,确定大于预设的人脸像素宽度的比例值的人脸为新增人脸。
在本实施例中,预设的人脸像素宽度的比例值,判断小于该比例值得的作为同一个人,具体实施时预设的人脸像素宽度的比例值调为50%。
S103:对所述客户图像中的新增人脸进行人脸识别。
在本步骤中,人脸图像中有新增人脸,表明有新客户进入业务网点。确定有新客户进入业务网点后,对人脸图像进行人脸识别,能够降低人脸识别的频率,提升人脸识别的效率,在降低人脸识别的频率和提高人脸识别效率的前提下,能够节省更多调用资源进行人脸识别,进而提到人脸识别的准确率。
从上述描述可知,本发明实施例提供的人脸识别方法,通过采集进入业务网点的客户图像;对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;对所述客户图像中的新增人脸进行人脸识别,能够根据人脸位置来确定新增人脸的客户实现过滤已存在人脸客户,对新增人脸的客户进行人脸识别,避免进行重复的人脸搜索或识别的过程,从而减少人脸搜索的调用次数,提高人脸识别的准确率和效率。
在本发明的一实施例中,参见图2,所述人脸识别方法的步骤S103之后还包含有步骤S104,具体包含有如下内容:
S104:根据所述人脸识别的结果确定进入业务网点的客户的类别。
在本步骤中,根据人脸识别的结果在预设的客户类别清单中确定该人脸对应的类别;其中,类别包括:会员客户、普通客户和非客户。
需要说明的是预设的客户类别清单中预先留存客户的人脸图像和对应的类别,在确定人脸识别的结果,根据该结果在客户类别清单中确定该客户的等级或类别。
本发明实施例提供一种能够实现所述人脸识别方法中全部内容的人脸识别装置的具体实施方式,参见图3,所述人脸识别装置具体包括如下内容:
采集单元10,用于采集进入业务网点的客户图像;
新增单元20,用于对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;
识别单元30,用于对所述客户图像中的新增人脸进行人脸识别。
其中,所述新增单元20,包括:
位置检测子单元,用于采用基于OpenCV的人脸检测对所述客户图像中的人脸个数和各个人脸位置进行检测。
其中,所述新增单元20,包括:
第一判断子单元,用于根据当前的客户图像中人脸个数和各个人脸位置以及上一张的客户图像中人脸个数和各个人脸位置来判断当前的客户图像中各个人脸位置的移动距离;
第二判断子单元,用于根据所述当前的客户图像中各个人脸位置的移动距离判断当前的客户图像中是否有新增人脸;
其中,所述人脸检测的结果包括:人脸个数和各个人脸位置。
其中,所述第二判断子单元,包括:
比例模块,用于判断当前的客户图像中各个人脸位置的移动距离是否大于预设的人脸像素宽度的比例值,确定大于预设的人脸像素宽度的比例值的人脸为新增人脸。
参见图4,在上述实施例的基础上,还包括:
分类单元40,用于根据所述人脸识别的结果确定进入业务网点的客户的类别。
其中,所述分类单元40,包括:
分类子单元,用于根据人脸识别的结果在预设的客户类别清单中确定该人脸对应的类别;
其中,所述类别包括:会员客户、普通客户和非客户。
本发明提供的人脸识别装置的实施例具体可以用于执行上述实施例中的人脸识别方法的实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
从上述描述可知,本发明实施例提供的人脸识别装置,通过采集进入业务网点的客户图像;对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;对所述客户图像中的新增人脸进行人脸识别,能够根据人脸位置来确定新增人脸的客户实现过滤已存在人脸客户,对新增人脸的客户进行人脸识别,避免进行重复的人脸搜索或识别的过程,从而减少人脸搜索的调用次数,提高人脸识别的准确率和效率。
本申请提供一种用于实现所述人脸识别方法中的全部或部分内容的电子设备的实施例所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现相关设备之间的信息传输;该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照实施例用于实现所述人脸识别方法的实施例及用于实现所述人脸识别装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图5为本申请实施例的电子设备9600的系统构成的示意框图。如图5所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图5是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
在一实施例中,人脸识别功能可以被集成到中央处理器9100中。其中,中央处理器9100可以被配置为进行如下控制:
采集进入业务网点的客户图像;
对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;
对所述客户图像中的新增人脸进行人脸识别。
从上述描述可知,本申请的实施例提供的电子设备,通过采集进入业务网点的客户图像;对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;对所述客户图像中的新增人脸进行人脸识别,能够根据人脸位置来确定新增人脸的客户实现过滤已存在人脸客户,对新增人脸的客户进行人脸识别,避免进行重复的人脸搜索或识别的过程,从而减少人脸搜索的调用次数,提高人脸识别的准确率和效率。
在另一个实施方式中,人脸识别装置可以与中央处理器9100分开配置,例如可以将人脸识别配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现人脸识别功能。
如图5所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图5中所示的所有部件;此外,电子设备9600还可以包括图5中没有示出的部件,可以参考现有技术。
如图5所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本发明的实施例还提供能够实现上述实施例中的人脸识别方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的人脸识别方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
采集进入业务网点的客户图像;
对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;
对所述客户图像中的新增人脸进行人脸识别。
从上述描述可知,本发明实施例提供的计算机可读存储介质,通过采集进入业务网点的客户图像;对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;对所述客户图像中的新增人脸进行人脸识别,能够根据人脸位置来确定新增人脸的客户实现过滤已存在人脸客户,对新增人脸的客户进行人脸识别,避免进行重复的人脸搜索或识别的过程,从而减少人脸搜索的调用次数,提高人脸识别的准确率和效率。
虽然本发明提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
本领域技术人员应明白,本说明书的实施例可提供为方法、装置(系统)或计算机程序产品。因此,本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本说明书中的各个实施例均采用递进的方式描述,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,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。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。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面,也不局限于任何单一的实施例,也不局限于这些方面和/或实施例的任意组合和/或置换。而且,可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
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,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (4)
1.一种人脸识别方法,其特征在于,包括:
采集进入业务网点的客户图像;
采用基于OpenCV的人脸检测对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;
仅对所述客户图像中的新增人脸进行人脸识别,以避免进行重复的人脸搜索或识别的过程,减少人脸搜索的调用次数,提高人脸识别的准确率和效率;
根据所述人脸识别的结果确定进入业务网点的客户的类别;
所述根据所述人脸识别的结果确定进入业务网点的客户的类别,包括:
根据人脸识别的结果在预设的客户类别清单中确定该人脸对应的类别;其中,所述类别包括:会员客户、普通客户和非客户,所述预设的客户类别清单包括:客户对应的人脸图像和类别;
所述基于所述人脸位置检测的结果判断客户图像中是否有新增人脸,包括:
根据当前的客户图像中人脸个数和各个人脸位置以及上一张的客户图像中人脸个数和各个人脸位置来判断当前的客户图像中各个人脸位置的移动距离;
根据所述当前的客户图像中各个人脸位置的移动距离判断当前的客户图像中是否有新增人脸;
其中,所述人脸检测的结果包括:人脸个数和各个人脸位置;
所述根据所述当前的客户图像中各个人脸位置的移动距离判断当前的客户图像中是否有新增人脸,包括:
判断当前的客户图像中各个人脸位置的移动距离是否大于预设的人脸像素宽度的比例值,确定大于预设的人脸像素宽度的比例值的人脸为新增人脸。
2.一种人脸识别装置,其特征在于,包括:
采集单元,用于采集进入业务网点的客户图像;
新增单元,用于采用基于OpenCV的人脸检测对所述客户图像进行人脸位置检测并基于所述人脸位置检测的结果判断客户图像中是否有新增人脸;
识别单元,用于仅对所述客户图像中的新增人脸进行人脸识别,以避免进行重复的人脸搜索或识别的过程,减少人脸搜索的调用次数,提高人脸识别的准确率和效率;
分类单元,用于根据所述人脸识别的结果确定进入业务网点的客户的类别;
所述分类单元,包括:
分类子单元,用于根据人脸识别的结果在预设的客户类别清单中确定该人脸对应的类别;其中,所述类别包括:会员客户、普通客户和非客户,所述预设的客户类别清单包括:客户对应的人脸图像和类别;
所述新增单元,包括:
位置检测子单元,用于采用基于OpenCV的人脸检测对所述客户图像中的人脸个数和各个人脸位置进行检测;
所述新增单元,包括:
第一判断子单元,用于根据当前的客户图像中人脸个数和各个人脸位置以及上一张的客户图像中人脸个数和各个人脸位置来判断当前的客户图像中各个人脸位置的移动距离;
第二判断子单元,用于根据所述当前的客户图像中各个人脸位置的移动距离判断当前的客户图像中是否有新增人脸;
其中,所述人脸检测的结果包括:人脸个数和各个人脸位置;
所述第二判断子单元,包括:
比例模块,用于判断当前的客户图像中各个人脸位置的移动距离是否大于预设的人脸像素宽度的比例值,确定大于预设的人脸像素宽度的比例值的人脸为新增人脸。
3.一种电子设备,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权利要求1所述的人脸识别方法的步骤。
4.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1所述的人脸识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010129014.9A CN111401152B (zh) | 2020-02-28 | 2020-02-28 | 人脸识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010129014.9A CN111401152B (zh) | 2020-02-28 | 2020-02-28 | 人脸识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111401152A CN111401152A (zh) | 2020-07-10 |
CN111401152B true CN111401152B (zh) | 2024-04-12 |
Family
ID=71435934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010129014.9A Active CN111401152B (zh) | 2020-02-28 | 2020-02-28 | 人脸识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111401152B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778482A (zh) * | 2016-11-15 | 2017-05-31 | 东软集团股份有限公司 | 人脸追踪方法及装置 |
WO2018001092A1 (zh) * | 2016-06-29 | 2018-01-04 | 中兴通讯股份有限公司 | 一种人脸识别方法及装置 |
CN109359625A (zh) * | 2018-11-16 | 2019-02-19 | 南京甄视智能科技有限公司 | 基于头肩检测和人脸识别技术判断顾客身份的方法和系统 |
-
2020
- 2020-02-28 CN CN202010129014.9A patent/CN111401152B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018001092A1 (zh) * | 2016-06-29 | 2018-01-04 | 中兴通讯股份有限公司 | 一种人脸识别方法及装置 |
CN106778482A (zh) * | 2016-11-15 | 2017-05-31 | 东软集团股份有限公司 | 人脸追踪方法及装置 |
CN109359625A (zh) * | 2018-11-16 | 2019-02-19 | 南京甄视智能科技有限公司 | 基于头肩检测和人脸识别技术判断顾客身份的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111401152A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104021350A (zh) | 隐私信息隐藏方法及装置 | |
CN111312283B (zh) | 跨信道声纹处理方法及装置 | |
CN105069786A (zh) | 直线检测方法及装置 | |
CN109190648B (zh) | 模拟环境生成方法、装置、移动终端及计算机可读取存储介质 | |
US9100632B2 (en) | Method for providing video call analysis service and an electronic device thereof | |
CN105141496A (zh) | 一种即时通信消息播放方法及装置 | |
US9514540B2 (en) | Method and apparatus for processing a video frame in a video file | |
CN104239879B (zh) | 分割字符的方法及装置 | |
CN104933170A (zh) | 信息展示方法及装置 | |
WO2019105457A1 (zh) | 图像处理方法、计算机设备和计算机可读存储介质 | |
CN106535291A (zh) | Sim卡选择方法及装置 | |
CN105354560A (zh) | 指纹识别方法及装置 | |
CN104809157A (zh) | 号码识别方法及装置 | |
CN104991910A (zh) | 相册创建方法及装置 | |
CN110930984A (zh) | 一种语音处理方法、装置和电子设备 | |
CN106485246B (zh) | 字符识别方法及装置 | |
CN112530205A (zh) | 机场停机坪飞机状态检测方法及装置 | |
CN112509586A (zh) | 电话信道声纹识别方法及装置 | |
CN105631450A (zh) | 字符识别方法及装置 | |
CN105205153A (zh) | 文件存储方法和装置 | |
CN111401152B (zh) | 人脸识别方法及装置 | |
CN104112130A (zh) | 光学字符识别方法及装置 | |
CN116310875A (zh) | 卫星遥感影像的目标检测方法及装置 | |
CN110362699B (zh) | 图片查找方法、装置、移动终端及计算机可读介质 | |
CN113286262B (zh) | 服务提供方法及装置、计算机可读存储介质和电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |