CN111695445A - 一种人脸识别的方法、装置、设备及计算机可读存储介质 - Google Patents
一种人脸识别的方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111695445A CN111695445A CN202010448459.3A CN202010448459A CN111695445A CN 111695445 A CN111695445 A CN 111695445A CN 202010448459 A CN202010448459 A CN 202010448459A CN 111695445 A CN111695445 A CN 111695445A
- Authority
- CN
- China
- Prior art keywords
- face recognition
- recognized
- image data
- camera
- identified
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 21
- 238000003062 neural network model Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 11
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请适用于人脸识别技术领域，提供了一种人脸识别的方法，包括：获取人脸识别请求，根据所述人脸识别请求调用至少两路摄像头执行图像采集操作，得到各所述摄像头采集到的待识别图片数据；对各所述待识别图片数据并行进行人脸识别；若任一所述待识别图片数据识别成功，则输出识别成功的待识别图片数据的人脸识别结果，停止对各所述待识别图片数据并行进行人脸识别。上述方案，在识别过程中，设备会采集多个待识别图像，对各待识别图片数据并行进行人脸识别，只要任一待识别图像识别成功，就可以获取人脸识别结果。当任一待识别图像无法进行人脸识别时，也不会影响本次人脸识别的效率，本方案提升了人脸识别的效率，可以快速的获取识别结果。
Description
技术领域
本申请属于人脸识别技术领域，尤其涉及一种人脸识别的方法、装置、设备及计算机可读存储介质。
背景技术
在进行人脸识别时，现有的人脸识别方法是由一个摄像头采集待识别对象的人脸图像进行识别。但是，在识别过程中，可能会由于图像采集不清楚，或者识别过程出错等原因，导致人脸识别失败。当人脸识别失败时，需要重新调用摄像头采集人脸图像，对人脸图像进行识别。这样一旦人脸识别出错，就需要浪费更多的时间重新获取识别结果，人脸识别的效率低，无法快速的获取识别结果。
发明内容
本申请实施例提供了一种人脸识别的方法、装置、设备及计算机可读存储介质，可以解决人脸识别的效率低，无法快速的获取识别结果的问题。
第一方面，本申请实施例提供了一种人脸识别的方法，包括：
获取人脸识别请求，根据所述人脸识别请求调用至少两路摄像头执行图像采集操作，得到各所述摄像头采集到的待识别图片数据；
对各所述待识别图片数据并行进行人脸识别；
若任一所述待识别图片数据识别成功，则输出识别成功的待识别图片数据的人脸识别结果，停止对各所述待识别图片数据并行进行人脸识别。
进一步地，在所述对各所述待识别图片数据并行进行人脸识别之后，还包括：
若任一所述待识别图片数据人脸识别失败，则调用识别失败的待识别图片数据对应的摄像头执行图像采集操作，得到新的待识别图片数据；
对所述新的待识别图片数据进行人脸识别。
进一步地，在所述调用至少两路摄像头执行图像采集操作之后，还包括：
若存在调用失败的摄像头，则重启所述调用失败的摄像头；
调用重启后的摄像头执行图像采集操作，得到所述重启后的摄像头采集到的待识别图片数据。
进一步地，在所述获取人脸识别请求之后，还包括：
对识别时长进行计时；
若所述识别时长大于预设时长，且不存在识别成功的待识别图片数据，则执行异常提示操作。
进一步地，所述摄像头为网络摄像头或者本地摄像头。
进一步地，所述对各所述待识别图片数据并行进行人脸识别，包括：
将各所述待识别图片数据并行输入对应的预先训练的人脸识别神经网络模型中进行人脸识别。
第二方面，本申请实施例提供了一种人脸识别的装置，包括：
第一处理单元，用于获取人脸识别请求，根据所述人脸识别请求调用至少两路摄像头执行图像采集操作，得到各所述摄像头采集到的待识别图片数据；
第一识别单元，用于对各所述待识别图片数据并行进行人脸识别；
第二处理单元，用于若任一所述待识别图片数据识别成功，则输出识别成功的待识别图片数据的人脸识别结果，停止对各所述待识别图片数据并行进行人脸识别。
进一步地，所述人脸识别的装置，还包括：
第三处理单元，用于若任一所述待识别图片数据人脸识别失败，则调用识别失败的待识别图片数据对应的摄像头执行图像采集操作，得到新的待识别图片数据；
第二识别单元，用于对所述新的待识别图片数据进行人脸识别。
进一步地，所述人脸识别的装置，还包括：
第四处理单元，用于若存在调用失败的摄像头，则重启所述调用失败的摄像头；
第五处理单元，用于调用重启后的摄像头执行图像采集操作，得到所述重启后的摄像头采集到的待识别图片数据。
进一步地，所述人脸识别的装置，还包括：
计时单元，用于对识别时长进行计时；
第六处理单元，用于若所述识别时长大于预设时长，且不存在识别成功的待识别图片数据，则执行异常提示操作。
进一步地，所述摄像头为网络摄像头或者本地摄像头。
进一步地，所述第一识别单元，具体用于：
将各所述待识别图片数据并行输入对应的预先训练的人脸识别神经网络模型中进行人脸识别。
第三方面，本申请实施例提供了一种人脸识别的设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的人脸识别的方法。
第四方面，本申请实施例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存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的人脸识别的方法。
本申请实施例中，获取人脸识别请求，根据所述人脸识别请求调用至少两路摄像头执行图像采集操作，得到各所述摄像头采集到的待识别图片数据；对各所述待识别图片数据并行进行人脸识别；若任一所述待识别图片数据识别成功，则输出识别成功的待识别图片数据的人脸识别结果，停止对各所述待识别图片数据并行进行人脸识别。上述方案，在识别过程中，设备会采集多个待识别图像，对各待识别图片数据并行进行人脸识别，只要任一待识别图像识别成功，就可以获取人脸识别结果。当任一待识别图像无法进行人脸识别时，也不会影响本次人脸识别的效率，本方案提升了人脸识别的效率，可以快速的获取识别结果。
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性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请第一实施例提供的一种人脸识别的方法的示意流程图；
图2是本申请第二实施例提供的另一种人脸识别的方法的示意流程图；
图3是本申请第三实施例提供的另一种人脸识别的方法的示意流程图；
图4是本申请第四实施例提供的另一种人脸识别的方法的示意流程图；
图5是本申请第五实施例提供的人脸识别的装置的示意图；
图6是本申请第六实施例提供的人脸识别的设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
请参见图1，图1是本申请第一实施例提供的一种人脸识别的方法的示意流程图。本实施例中一种人脸识别的方法的执行主体为具有人脸识别功能的设备。如图1所示的人脸识别的方法可包括：
S101：获取人脸识别请求，根据所述人脸识别请求调用至少两路摄像头执行图像采集操作，得到各所述摄像头采集到的待识别图片数据。
获取人脸识别请求，人脸识别请求可以通过用户在设备上触发生成，例如，用户设备的虚拟按钮以触发人脸识别请求；或者，当设备通过红外传感器等传感器检测到摄像头前存在物体或人体时，设备自动生成人脸识别请求；或者，人脸识别请求还可以通过其他设备发送至本端设备，此处不做限制。
本实施例中，待识别图片数据可以为图片的形式，也可以为视频流的形式，此处不做限定。
在本实施例中，可以采用至少两路摄像头来进行人脸识别方案的图像采集。其中，摄像头可以为网络摄像头或者本地摄像头。网络摄像头是一种结合传统摄像机与网络技术所产生的新一代摄像机，只要标准的网络浏览器(如Microsoft IE或Netscape)，即可监视其影像；本地摄像头是采用USB、MIPI等接口的安防摄像机，即插即用，无需采集卡，无需电源，免拆机箱、支持笔记本电脑。与传统的监控摄像机相比成本更低，而且可以远程网络观看。
设备获取人脸识别请求，根据人脸识别请求调用至少两路摄像头执行图像采集操作，得到各摄像头采集到的待识别图片数据。
S102：对各所述待识别图片数据并行进行人脸识别。
设备对各待识别图片数据并行进行人脸识别，即设备同时对待识别图片数据进行人脸识别。以根据预存的身份信息和待识别图片数据，来识别待测人员的身份，得到识别结果。应用前，人脸识别系统要对相关人员预先进行人脸样本采集，采集的样品录入智能分析的人脸数据库；也可通过广域网调取特定服务器内已存有的身份信息照片实时比对。
进一步地，为了更准确的对待识别图片数据进行人脸识别，S102可以包括：将各所述待识别图片数据并行输入对应的预先训练的人脸识别神经网络模型中进行人脸识别。
设备中预先存储有预先训练的人脸识别神经网络模型，人脸识别神经网络模型是使用机器学习算法对样本训练集中的若干个训练样本进行训练得到，每个训练样本包括一个样本图片及其对应的身份标签。
人脸识别神经网络模型的输入为训练样本中的样本图片及其对应的身份标签，人脸识别神经网络模型的输出为样本图片及其对应的识别结果。
可以理解的是，人脸识别神经网络模型可以由设备预先训练好，也可以由其他设备预先训练好后将人脸识别神经网络模型对应的文件移植至设备中。具体地，其他设备在训练好深度学习网络时，冻结深度学习网络的模型参数，将冻结后的深度学习网络对应的人脸识别神经网络模型文件移植到设备中。
设备将待识别图片数据输入人脸识别神经网络模型进行处理，得到待识别图片数据对应的识别结果。
S103：若任一所述待识别图片数据识别成功，则输出识别成功的待识别图片数据的人脸识别结果，停止对各所述待识别图片数据并行进行人脸识别。
设备对各待识别图片数据并行识别，若检测到任一待识别图片数据识别成功，则输出识别成功的待识别图片数据的人脸识别结果。任一待识别图片数据识别成功，可以是某一待识别图片数据第一次识别直接识别成功，得到人脸识别结果；也可以是某一待识别图片数据第一次识别后识别失败，设备获取到了另一待识别图片数据的人脸识别结果。
已经获取到了人脸识别结果，其他正在进行的人脸识别进程可以停止，所以若任一待识别图片数据识别成功，则输出识别成功的待识别图片数据的人脸识别结果，停止对各待识别图片数据并行进行人脸识别，本次识别结束。
以下结合具体的应用场景对上述方法进行说明。
假设人脸识别设备上包括一网络摄像头和一本地摄像头。在第0秒时，人脸识别设备获取到人脸识别请求，调用网络摄像头和本地摄像头采集待识别图片数据，然后调用两线程并行对网络摄像头采集的待识别图片数据和本地摄像头采集的待识别图片数据进行人脸识别。
在第300毫秒时，网络摄像头采集的待识别图片数据识别失败；在第305毫秒时，本地摄像头采集的待识别图片数据识别成功，输出本地摄像头采集的待识别图片数据的人脸识别结果。
以往的人脸识别方案在待识别图片数据识别失败时，需要重新采集待识别图片数据进行人脸识别，耗费大量的时间，在识别失败的情况下，可能需要再等200毫秒、300毫秒才能完成一次人脸识别，识别效率低下。
而通过本应用场景可知，由于各摄像头采集的待识别图片数据并行处理，因此，即使部分摄像头采集的待识别图片数据识别失败，也不会影响其他摄像头采集的待识别图片数据的识别过程。只要有一摄像头的待识别图片数据识别成功，就可以得到人脸识别结果。
此外，假设摄像头采集的待识别图片数据中的人脸质量不佳，识别成功的概率为70％，则可以得出以往人脸识别方案的人脸识别的失败率为30％。但是，在本应用场景中，若根据每个摄像头采集的待识别图像可以成功得到人脸识别结果的概率为70％，以两个摄像头为例，本应用场景中人脸识别的失败率为30％×30％＝9％。可以看出，本实施例相对于以往的人脸识别方案，大大降低了人脸识别失败的可能，提高了人脸识别的可靠性。
此外，本实施例中两个摄像头可以分别为网络摄像头和本地摄像头，网络摄像头和本地摄像头的工作模式不同。采用两个不同工作模式的摄像头，两者采集、输出图像的方式不一样，也会提高识别效率和人脸识别的成功率。
本申请实施例中，获取人脸识别请求，根据所述人脸识别请求调用至少两路摄像头执行图像采集操作，得到各所述摄像头采集到的待识别图片数据；对各所述待识别图片数据并行进行人脸识别；若任一所述待识别图片数据识别成功，则输出识别成功的待识别图片数据的人脸识别结果，停止对各所述待识别图片数据并行进行人脸识别。上述方案，在识别过程中，设备会采集多个待识别图像，对各待识别图片数据并行进行人脸识别，只要任一待识别图像识别成功，就可以获取人脸识别结果。当任一待识别图像无法进行人脸识别时，也不会影响本次人脸识别的效率，本方案提升了人脸识别的效率，可以快速的获取识别结果。
请参见图2，图2是本申请第二实施例提供的另一种人脸识别的方法的示意流程图。本实施例中一种人脸识别的方法的执行主体为具有人脸识别功能的设备。本实施例中，S201～S202与第一实施例中的S101～S102相同，S205与第一实施例中的S103相同，S203～S204在S202之后执行即可。如图2所示，S203～S204具体如下：
S203：若任一所述待识别图片数据人脸识别失败，则调用识别失败的待识别图片数据对应的摄像头执行图像采集操作，得到新的待识别图片数据。
设备对待识别图片数据进行识别，若任一待识别图片数据人脸识别失败，则调用识别失败的待识别图片数据对应的摄像头执行图像采集操作，得到新的待识别图片数据。新的待识别图片数据用于再次识别。
S204：对所述新的待识别图片数据进行人脸识别。
设备对新的待识别图片数据进行人脸识别，具体识别细节可以参阅S103，此处不再赘述。
请参见图3，图3是本申请第三实施例提供的另一种人脸识别的方法的示意流程图。本实施例中一种人脸识别的方法的执行主体为具有人脸识别功能的设备。本实施例中，S301与第一实施例中的S101相同，S304～S305与第一实施例中的S102～S103相同，S302～S303在S301之后执行即可。如图3所示，S302～S303具体如下：
S302：若存在调用失败的摄像头，则重启所述调用失败的摄像头。
设备根据人脸识别请求调用摄像头采集待识别图片数据，设备若检测到存在调用失败的摄像头，则重启该调用失败的摄像头。设备检测是否存在调用失败的摄像头可以通过检测是否获取到该摄像头采集到的待识别图片数据，若未获取到该摄像头采集到的待识别图片数据，则该摄像头调用失败。
S303：调用重启后的摄像头执行图像采集操作，得到所述重启后的摄像头采集到的待识别图片数据。
设备调用重启后的摄像头执行图像采集操作，得到重启后的摄像头采集到的待识别图片数据。
请参见图4，图4是本申请第四实施例提供的另一种人脸识别的方法的示意流程图。本实施例中一种人脸识别的方法的执行主体为具有人脸识别功能的设备。本实施例中，S401与第一实施例中的S101相同，S404～S405与第一实施例中的S102～S103相同，S402～S403在S401之后执行即可。如图4所示，S402～S403具体如下：
S402：对识别时长进行计时。
设备对识别时长进行计时，识别时长为设备开始对待识别图片数据进行识别一直到得到任一待识别图片数据的人脸识别结果所耗费的时间。
S403：若所述识别时长大于预设时长，且不存在识别成功的待识别图片数据，则执行异常提示操作。
若识别时长大于预设时长，且不存在识别成功的待识别图片数据，即在预设时长内，设备没有得到任一待识别图片数据的人脸识别结果，可能是待识别的对象出错，例如，不是活体人脸、待识别的对象位置不正确导致采集的待识别图像不清晰等情况。设备执行异常提示操作，根据不同的情况可以进行不同的异常提示操作。
例如，假设人脸识别设备上包括一网络摄像头和一本地摄像头。在第0秒时，人脸识别设备获取到人脸识别请求，调用网络摄像头和本地摄像头采集待识别图片数据，然后调用两线程并行对网络摄像头采集的待识别图片数据和本地摄像头采集的待识别图片数据进行人脸识别，设备开始对识别时长进行计时。设备中预先设置预设时长为800毫秒，在第800毫秒时，设备没有获取到任一待识别图片数据的人脸识别结果，设备进行异常提示操作。可以提示用户识别系统出错，或者提示识别系统摄像头出现异常等等。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
请参见图5，图5是本申请第五实施例提供的人脸识别的装置的示意图。包括的各单元用于执行图1～图4对应的实施例中的各步骤，具体请参阅图1～图4各自对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图5，人脸识别的装置5包括：
第一处理单元510，用于获取人脸识别请求，根据所述人脸识别请求调用至少两路摄像头执行图像采集操作，得到各所述摄像头采集到的待识别图片数据；
第一识别单元520，用于对各所述待识别图片数据并行进行人脸识别；
第二处理单元530，用于若任一所述待识别图片数据识别成功，则输出识别成功的待识别图片数据的人脸识别结果，停止对各所述待识别图片数据并行进行人脸识别。
进一步地，人脸识别的装置5，还包括：
第三处理单元，用于若任一所述待识别图片数据人脸识别失败，则调用识别失败的待识别图片数据对应的摄像头执行图像采集操作，得到新的待识别图片数据；
第二识别单元，用于对所述新的待识别图片数据进行人脸识别。
进一步地，人脸识别的装置5，还包括：
第四处理单元，用于若存在调用失败的摄像头，则重启所述调用失败的摄像头；
第五处理单元，用于调用重启后的摄像头执行图像采集操作，得到所述重启后的摄像头采集到的待识别图片数据。
进一步地，人脸识别的装置5，还包括：
计时单元，用于对识别时长进行计时；
第六处理单元，用于若所述识别时长大于预设时长，且不存在识别成功的待识别图片数据，则执行异常提示操作。
进一步地，所述摄像头为网络摄像头或者本地摄像头。
进一步地，第一识别单元520，具体用于：
将各所述待识别图片数据并行输入对应的预先训练的人脸识别神经网络模型中进行人脸识别。
图6是本申请第六实施例提供的人脸识别的设备的示意图。如图6所示，该实施例的人脸识别的设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如人脸识别的程序。所述处理器60执行所述计算机程序62时实现上述各个人脸识别的方法实施例中的步骤，例如图1所示的步骤101至103。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块510至530的功能。
示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述人脸识别的设备6中的执行过程。例如，所述计算机程序62可以被分割成第一处理单元、第一识别单元、第二处理单元，各单元具体功能如下：
第一处理单元，用于获取人脸识别请求，根据所述人脸识别请求调用至少两路摄像头执行图像采集操作，得到各所述摄像头采集到的待识别图片数据；
第一识别单元，用于对各所述待识别图片数据并行进行人脸识别；
第二处理单元，用于若任一所述待识别图片数据识别成功，则输出识别成功的待识别图片数据的人脸识别结果，停止对各所述待识别图片数据并行进行人脸识别。
所述人脸识别的设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是人脸识别的设备6的示例，并不构成对人脸识别的设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述人脸识别的设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所述存储器61可以是所述人脸识别的设备6的内部存储单元，例如人脸识别的设备6的硬盘或内存。所述存储器61也可以是所述人脸识别的设备6的外部存储设备，例如所述人脸识别的设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述人脸识别的设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述人脸识别的设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种人脸识别的方法，其特征在于，包括：
获取人脸识别请求，根据所述人脸识别请求调用至少两路摄像头执行图像采集操作，得到各所述摄像头采集到的待识别图片数据；
对各所述待识别图片数据并行进行人脸识别；
若任一所述待识别图片数据识别成功，则输出识别成功的待识别图片数据的人脸识别结果，停止对各所述待识别图片数据并行进行人脸识别。
2.如权利要求1所述的人脸识别的方法，其特征在于，在所述对各所述待识别图片数据并行进行人脸识别之后，还包括：
若任一所述待识别图片数据人脸识别失败，则调用识别失败的待识别图片数据对应的摄像头执行图像采集操作，得到新的待识别图片数据；
对所述新的待识别图片数据进行人脸识别。
3.如权利要求1所述的人脸识别的方法，其特征在于，在所述调用至少两路摄像头执行图像采集操作之后，还包括：
若存在调用失败的摄像头，则重启所述调用失败的摄像头；
调用重启后的摄像头执行图像采集操作，得到所述重启后的摄像头采集到的待识别图片数据。
4.如权利要求1所述的人脸识别的方法，其特征在于，在所述获取人脸识别请求之后，还包括：
对识别时长进行计时；
若所述识别时长大于预设时长，且不存在识别成功的待识别图片数据，则执行异常提示操作。
5.如权利要求1所述的人脸识别的方法，其特征在于，所述摄像头为网络摄像头或者外置摄像头。
6.如权利要求1-5任一项所述的人脸识别的方法，其特征在于，所述对各所述待识别图片数据并行进行人脸识别，包括：
将各所述待识别图片数据并行输入对应的预先训练的人脸识别神经网络模型中进行人脸识别。
7.一种人脸识别的装置，其特征在于，包括：
第一处理单元，用于获取人脸识别请求，根据所述人脸识别请求调用至少两路摄像头执行图像采集操作，得到各所述摄像头采集到的待识别图片数据；
第一识别单元，用于对各所述待识别图片数据并行进行人脸识别；
第二处理单元，用于若任一所述待识别图片数据识别成功，则输出识别成功的待识别图片数据的人脸识别结果，停止对各所述待识别图片数据并行进行人脸识别。
8.如权利要求1所述的人脸识别的装置，其特征在于，所述人脸识别的装置，还包括：
第三处理单元，用于若任一所述待识别图片数据人脸识别失败，则调用识别失败的待识别图片数据对应的摄像头执行图像采集操作，得到新的待识别图片数据；
第二识别单元，用于对所述新的待识别图片数据进行人脸识别。
9.一种人脸识别的设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至6任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010448459.3A CN111695445A (zh) | 2020-05-25 | 2020-05-25 | 一种人脸识别的方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010448459.3A CN111695445A (zh) | 2020-05-25 | 2020-05-25 | 一种人脸识别的方法、装置、设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111695445A true CN111695445A (zh) | 2020-09-22 |
Family
ID=72478121
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010448459.3A Pending CN111695445A (zh) | 2020-05-25 | 2020-05-25 | 一种人脸识别的方法、装置、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111695445A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112532937A (zh) * | 2020-11-26 | 2021-03-19 | 杭州安恒信息技术股份有限公司 | 一种便携式的目标识别设备 |
| CN113408404A (zh) * | 2021-06-16 | 2021-09-17 | 云茂互联智能科技(厦门)有限公司 | 一种人脸和二维码自动混合识别的方法、装置及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103067529A (zh) * | 2013-02-06 | 2013-04-24 | 厦门神州鹰软件科技有限公司 | 一种远程监控系统 |
| CN103778360A (zh) * | 2012-10-26 | 2014-05-07 | 华为技术有限公司 | 一种基于动作分析的人脸解锁的方法和装置 |
| CN205068549U (zh) * | 2015-10-30 | 2016-03-02 | 北京旷视科技有限公司 | 用于管理公共场所进入人员的设备及系统 |
| CN106022275A (zh) * | 2016-05-26 | 2016-10-12 | 青岛海信移动通信技术股份有限公司 | 虹膜识别方法、装置及移动终端 |
| US20170255822A1 (en) * | 2014-09-11 | 2017-09-07 | Samsung Electronics Co., Ltd. | Method and apparatus for recognizing iris |
| CN108205640A (zh) * | 2016-12-16 | 2018-06-26 | 北京迪科达科技有限公司 | 一种人员性别年龄分析系统 |
| CN108269333A (zh) * | 2018-01-08 | 2018-07-10 | 平安科技（深圳）有限公司 | 人脸识别方法、应用服务器及计算机可读存储介质 |
| CN110046597A (zh) * | 2019-04-19 | 2019-07-23 | 努比亚技术有限公司 | 人脸识别方法、移动终端及计算机可读存储介质 |
| CN110334559A (zh) * | 2019-05-31 | 2019-10-15 | 努比亚技术有限公司 | 一种扫码识别方法、终端及计算机可读存储介质 |
| CN110991659A (zh) * | 2019-12-09 | 2020-04-10 | 北京奇艺世纪科技有限公司 | 异常节点识别方法、装置、电子设备及存储介质 |
-
2020
- 2020-05-25 CN CN202010448459.3A patent/CN111695445A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103778360A (zh) * | 2012-10-26 | 2014-05-07 | 华为技术有限公司 | 一种基于动作分析的人脸解锁的方法和装置 |
| CN103067529A (zh) * | 2013-02-06 | 2013-04-24 | 厦门神州鹰软件科技有限公司 | 一种远程监控系统 |
| US20170255822A1 (en) * | 2014-09-11 | 2017-09-07 | Samsung Electronics Co., Ltd. | Method and apparatus for recognizing iris |
| CN205068549U (zh) * | 2015-10-30 | 2016-03-02 | 北京旷视科技有限公司 | 用于管理公共场所进入人员的设备及系统 |
| CN106022275A (zh) * | 2016-05-26 | 2016-10-12 | 青岛海信移动通信技术股份有限公司 | 虹膜识别方法、装置及移动终端 |
| CN108205640A (zh) * | 2016-12-16 | 2018-06-26 | 北京迪科达科技有限公司 | 一种人员性别年龄分析系统 |
| CN108269333A (zh) * | 2018-01-08 | 2018-07-10 | 平安科技（深圳）有限公司 | 人脸识别方法、应用服务器及计算机可读存储介质 |
| CN110046597A (zh) * | 2019-04-19 | 2019-07-23 | 努比亚技术有限公司 | 人脸识别方法、移动终端及计算机可读存储介质 |
| CN110334559A (zh) * | 2019-05-31 | 2019-10-15 | 努比亚技术有限公司 | 一种扫码识别方法、终端及计算机可读存储介质 |
| CN110991659A (zh) * | 2019-12-09 | 2020-04-10 | 北京奇艺世纪科技有限公司 | 异常节点识别方法、装置、电子设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112532937A (zh) * | 2020-11-26 | 2021-03-19 | 杭州安恒信息技术股份有限公司 | 一种便携式的目标识别设备 |
| CN113408404A (zh) * | 2021-06-16 | 2021-09-17 | 云茂互联智能科技(厦门)有限公司 | 一种人脸和二维码自动混合识别的方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108875837B (zh) | 用于测试目标识别设备的装置及方法 | |
| CN110659397B (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
| CN108269333A (zh) | 人脸识别方法、应用服务器及计算机可读存储介质 | |
| CN111814775B (zh) | 目标对象异常行为识别方法、装置、终端及存储介质 | |
| CN110031697B (zh) | 目标识别设备的测试方法、装置、系统和计算机可读介质 | |
| CN109656800B (zh) | 图像识别应用的测试方法、装置、终端及存储介质 | |
| CN112507314B (zh) | 客户身份核实方法、装置、电子设备及存储介质 | |
| CN111695445A (zh) | 一种人脸识别的方法、装置、设备及计算机可读存储介质 | |
| CN111368619A (zh) | 可疑人员的检测方法、装置及设备 | |
| CN108449571A (zh) | 一种车内监控方法及设备 | |
| CN112087603B (zh) | 智慧考场监管方法 | |
| CN112788330A (zh) | 诊断视频生成方法、装置、终端设备及存储介质 | |
| CN112822440A (zh) | 生物样本制备监控方法、应用服务器、系统及存储介质 | |
| CN111583732B (zh) | 基于头戴式显示设备的测评状态监测方法、装置和设备 | |
| CN110175522A (zh) | 考勤方法、系统及相关产品 | |
| CN117095456A (zh) | 考试行为的检测方法、装置、电子设备和存储介质 | |
| CN110414322B (zh) | 提取图片的方法、装置、设备及存储介质 | |
| CN114821845B (zh) | 打卡方法及装置 | |
| CN110248181A (zh) | 外接设备自复位方法、装置、系统和计算机可读介质 | |
| CN114429642B (zh) | 远程评标视频会议过程中评标专家的异常行为认定方法 | |
| CN114973135A (zh) | 一种基于头肩的时序视频睡岗识别方法、系统及电子设备 | |
| CN114584740A (zh) | 美术远程考试实时监测系统、方法、存储介质及电子设备 | |
| CN113627335A (zh) | 考生行为的监控方法、装置、存储介质和电子装置 | |
| CN113705428A (zh) | 活体检测方法及装置、电子设备及计算机可读存储介质 | |
| CN112487997A (zh) | 一种人像特征提取方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200922 |
|
| RJ01 | Rejection of invention patent application after publication |