CN111695495A - 人脸识别方法、电子设备及存储介质 - Google Patents
人脸识别方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111695495A CN111695495A CN202010524941.0A CN202010524941A CN111695495A CN 111695495 A CN111695495 A CN 111695495A CN 202010524941 A CN202010524941 A CN 202010524941A CN 111695495 A CN111695495 A CN 111695495A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- face
- face image
- shielding
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000010586 diagram Methods 0.000 claims abstract description 147
- 230000004044 response Effects 0.000 claims description 35
- 239000013598 vector Substances 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 214
- 230000006870 function Effects 0.000 description 11
- 210000000887 face Anatomy 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种人脸识别方法、电子设备及存储介质,属于图像处理技术领域。所述方法包括:获取待识别的第一人脸图像对应的热力图,热力图包括像素点的热度值,且像素点的热度值用于表示像素点在进行人脸识别时的重要程度;根据热力图确定第一人脸图像中的多个第一像素点的第一遮挡标识,任一第一像素点的第一遮挡标识用于表示第一像素点是否为遮挡物对应的像素点;根据热力图和第一遮挡标识,确定第一人脸图像的先验概率,先验概率用于表示人脸关键部位被遮挡的程度;根据先验概率和第一人脸图像的人脸识别相似度,对第一人脸图像进行识别。本申请将遮挡物对应的像素点对人脸识别的影响程度融合到人脸识别中,提高了人脸识别的可靠性。
Description
技术领域
本申请涉及图像处理技术领域,特别涉及一种人脸识别方法、电子设备及存储介质。
背景技术
在人脸识别的过程中,可能会存在各种遮挡物对人脸造成遮挡,例如,遮挡物可能为帽子、头发或者墨镜等。遮挡物会遮挡到待识别的人脸图像中的人脸特征,对人脸识别造成影响。
相关技术中,在待识别的人脸图像中存在遮挡物时,在存在遮挡物的人脸图像中提取出遮挡物图像;将遮挡物图像添加到人脸图像库的参考人脸图像中;在添加了遮挡物图像的参考人脸图像中提取出参考人脸特征;如果参考人脸特征与待识别的人脸图像的人脸特征匹配,将该参考人脸图像确定为匹配参考人脸图像。
相关技术中,将遮挡物图像覆盖在参考人脸图像上进行人脸识别,添加了遮挡物图像的参考人脸图像并不能真实的反映出该参考人脸图像中的人脸特征,从而导致人脸识别的可靠性较低。
发明内容
本申请实施例提供了一种人脸识别方法、电子设备及存储介质,能够提高人脸识别的可靠性。所述技术方案如下:
根据本申请实施例的一方面,提供了一种人脸识别方法,所述方法包括:
获取待识别的第一人脸图像对应的热力图,所述热力图包括像素点的热度值,且所述像素点的热度值用于表示所述像素点在进行人脸识别时的重要程度;
根据所述热力图,确定所述第一人脸图像中的多个第一像素点的第一遮挡标识,其中,任一第一像素点的第一遮挡标识用于表示所述第一像素点是否为遮挡物对应的像素点;
根据所述热力图和每个第一像素点的第一遮挡标识,确定所述第一人脸图像的先验概率,所述先验概率用于表示所述第一人脸图像中的人脸关键部位被遮挡的程度;
根据所述先验概率和所述第一人脸图像的人脸识别相似度,对所述第一人脸图像进行识别,所述人脸识别相似度为所述第一人脸图像与目标人脸图像之间的相似度。
在一种可能的实现方式中,所述根据所述热力图和每个第一像素点的第一遮挡标识,确定所述第一人脸图像的先验概率,包括:
对于每个第一像素点,根据所述第一像素点的第一遮挡标识和所述第一像素点在所述热力图上的热度值,确定所述第一像素点对应的第一数值;
对所述多个第一像素点对应的第一数值进行求和,得到第二数值;
对所述多个第一像素点在所述热力图上的热度值进行求和,得到第三数值;
根据所述第二数值和所述第三数值,确定所述第一人脸图像的先验概率。
在另一种可能的实现方式中,所述根据所述先验概率和所述第一人脸图像的人脸识别相似度,对所述第一人脸图像进行识别,包括:
根据所述先验概率和所述第一人脸图像的人脸识别相似度,确定所述第一人脸图像的人脸识别置信度;
响应于所述人脸识别置信度大于第一阈值,确定所述第一人脸图像为目标对象的人脸图像,所述目标对象为所述目标人脸图像中的对象。
在另一种可能的实现方式中,所述根据所述先验概率和所述第一人脸图像的人脸识别相似度,确定所述第一人脸图像的人脸识别置信度之前,所述方法还包括:
响应于所述先验概率大于第二阈值,执行所述根据所述先验概率和所述第一人脸图像的人脸识别相似度,确定所述第一人脸图像的人脸识别置信度的步骤。
在另一种可能的实现方式中,所述根据所述热力图,确定所述第一人脸图像中的多个第一像素点的第一遮挡标识,包括:
将所述第一人脸图像划分为多个图像块;
对于每个图像块,根据所述热力图,确定所述图像块的第二遮挡标识,所述图像块的第二遮挡标识用于表示所述图像块是否为遮挡物对应的图像块;
将所述图像块的第二遮挡标识确定为所述图像块内的第一像素点的第一遮挡标识。
在另一种可能的实现方式中,所述根据所述热力图,确定所述图像块的第二遮挡标识,包括:
对于所述图像块中的多个第二像素点,根据所述热力图,确定所述多个第二像素点的第三遮挡标识,所述第三遮挡标识用于表示所述第二像素点是否为遮挡物对应的像素点;
根据所述多个第二像素点的第三遮挡标识,确定第三像素点在所述多个第二像素点中所占的像素点比例,所述第三像素点的第四遮挡标识用于表示所述第三像素点为遮挡物对应的像素点;
响应于所述像素点比例大于第三阈值,确定所述图像块的第二遮挡标识用于表示所述图像块为遮挡物对应的图像块。
在另一种可能的实现方式中,所述根据所述热力图,确定所述第一人脸图像中的多个第一像素点的第一遮挡标识,包括:
对于所述多个第一像素点中的每个第一像素点,根据所述第一像素点在所述热力图上的热度值,获取所述热度值对应的标准颜色统计信息;
从所述第一人脸图像中提取所述第一像素点的颜色信息;
根据所述第一像素点的颜色信息和所述标准颜色统计信息,确定所述第一像素点的第一遮挡标识。
在另一种可能的实现方式中,所述根据所述第一像素点的颜色信息和所述标准颜色统计信息,确定所述第一像素点的第一遮挡标识,包括:
获取所述第一像素点的颜色信息中任一颜色通道的数值;
根据所述标准颜色统计信息中所述颜色通道的数值分布,确定所述颜色通道对应的标准数值范围,所述标准数值范围为未被遮挡物遮挡人脸的人脸图像中的像素点对应的数值范围;
响应于所述第一像素点的颜色信息中所述颜色通道的数值在所述标准数值范围之外,确定所述第一像素点的第一遮挡标识用于表示所述第一像素点为遮挡物对应的像素点。
在另一种可能的实现方式中,所述根据所述第一像素点在所述热力图上的热度值,获取所述热度值对应的标准颜色统计信息之前,所述方法还包括:
获取多个第二人脸图像对应的热力图,所述第二人脸图像为未被遮挡物遮挡人脸的图像;
对于所述热力图上的任一热度值,分别从每个第二人脸图像中提取出所述热度值对应的第四像素点的颜色信息;
根据提取出的所述热度值对应的多个第四像素点的颜色信息,生成所述热度值对应的标准颜色统计信息。
在另一种可能的实现方式中,所述获取待识别的第一人脸图像对应的热力图,包括:
将所述第一人脸图像输入到人脸识别模型中,获取所述第一人脸图像对应的目标特征图和用于确定人脸识别相似度的特征向量;
根据所述目标特征图和所述特征向量,生成所述第一人脸图像对应的热力图。
根据本申请实施例的另一方面,提供了一种电子设备,所述电子设备包括:
图像采集模块,用于采集待识别的第一人脸图像;
处理器,用于获取所述第一人脸图像对应的热力图,所述热力图包括像素点的热度值,且所述像素点的热度值用于表示所述像素点在进行人脸识别时的重要程度;根据所述热力图,确定所述第一人脸图像中的多个第一像素点的第一遮挡标识,其中,任一第一像素点的第一遮挡标识用于表示所述第一像素点是否为遮挡物对应的像素点;根据所述热力图和每个第一像素点的第一遮挡标识,确定所述第一人脸图像的先验概率,所述先验概率用于表示所述第一人脸图像中的人脸关键部位被遮挡的程度;根据所述先验概率和所述第一人脸图像的人脸识别相似度,对所述第一人脸图像进行识别,所述人脸识别相似度为所述第一人脸图像与目标人脸图像之间的相似度;
存储器,用于存储所述目标人脸图像。
在一种可能的实现方式中,所述处理器,用于:
对于每个第一像素点,根据所述第一像素点的第一遮挡标识和所述第一像素点在所述热力图上的热度值,确定所述第一像素点对应的第一数值;
对所述多个第一像素点对应的第一数值进行求和,得到第二数值;
对所述多个第一像素点在所述热力图上的热度值进行求和,得到第三数值;
根据所述第二数值和所述第三数值,确定所述第一人脸图像的先验概率。
在另一种可能的实现方式中,所述处理器,用于
根据所述先验概率和所述第一人脸图像的人脸识别相似度,确定所述第一人脸图像的人脸识别置信度;
响应于所述人脸识别置信度大于第一阈值,确定所述第一人脸图像为目标对象的人脸图像,所述目标对象为所述目标人脸图像中的对象。
在另一种可能的实现方式中,所述处理器,用于:
响应于所述先验概率大于第二阈值,执行所述根据所述先验概率和所述第一人脸图像的人脸识别相似度,确定所述第一人脸图像的人脸识别置信度的步骤。
在另一种可能的实现方式中,所述处理器,用于:
将所述第一人脸图像划分为多个图像块;
对于每个图像块,根据所述热力图,确定所述图像块的第二遮挡标识,所述图像块的第二遮挡标识用于表示所述图像块是否为遮挡物对应的图像块;
将所述图像块的第二遮挡标识确定为所述图像块内的第一像素点的第一遮挡标识。
在另一种可能的实现方式中,所述处理器,用于:
对于所述图像块中的多个第二像素点,根据所述热力图,确定所述多个第二像素点的第三遮挡标识,所述第三遮挡标识用于表示所述第二像素点是否为遮挡物对应的像素点;
根据所述多个第二像素点的第三遮挡标识,确定第三像素点在所述多个第二像素点中所占的像素点比例,所述第三像素点的第四遮挡标识用于表示所述第三像素点为遮挡物对应的像素点;
响应于所述像素点比例大于第三阈值,确定所述图像块的第二遮挡标识用于表示所述图像块为遮挡物对应的图像块。
在另一种可能的实现方式中,所述处理器,用于:
对于所述多个第一像素点中的每个第一像素点,根据所述第一像素点在所述热力图上的热度值,获取所述热度值对应的标准颜色统计信息;
从所述第一人脸图像中提取所述第一像素点的颜色信息;
根据所述第一像素点的颜色信息和所述标准颜色统计信息,确定所述第一像素点的第一遮挡标识。
在另一种可能的实现方式中,所述处理器,用于:
获取所述第一像素点的颜色信息中任一颜色通道的数值;
根据所述标准颜色统计信息中所述颜色通道的数值分布,确定所述颜色通道对应的标准数值范围,所述标准数值范围为未被遮挡物遮挡人脸的人脸图像中的像素点对应的数值范围;
响应于所述第一像素点的颜色信息中所述颜色通道的数值在所述标准数值范围之外,确定所述第一像素点的第一遮挡标识用于表示所述第一像素点为遮挡物对应的像素点。
在另一种可能的实现方式中,所述处理器,用于:
获取多个第二人脸图像对应的热力图,所述第二人脸图像为未被遮挡物遮挡人脸的图像;
对于所述热力图上的任一热度值,分别从每个第二人脸图像中提取出所述热度值对应的第四像素点的颜色信息;
根据提取出的所述热度值对应的多个第四像素点的颜色信息,生成所述热度值对应的标准颜色统计信息。
在另一种可能的实现方式中,所述处理器,用于:
将所述第一人脸图像输入到人脸识别模型中,获取所述第一人脸图像对应的目标特征图和用于确定人脸识别相似度的特征向量;
根据所述目标特征图和所述特征向量,生成所述第一人脸图像对应的热力图。
根据本申请实施例的另一方面,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中存储有至少一条指令,所述至少一条指令由处理器加载并执行,以实现上述任一种可能的实现方式中所述的人脸识别方法。
在本申请实施例中,根据待识别的第一人脸图像对应的热力图,确定第一人脸图像的先验概率,该先验概率能够反映出被遮挡的像素点对人脸识别的影响程度,进而结合该先验概率和已确定的人脸识别相似度,来进行最终的人脸识别,能够将被遮挡的像素点对人脸识别的影响程度融合到人脸识别中,提高了人脸识别的可靠性。
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。
图1是本申请实施例提供的一种实施环境的示意图;
图2是本申请实施例提供的一种人脸识别方法的流程图;
图3是本申请实施例提供的一种获取热力图的示意图;
图4是本申请实施例提供的一种第一人脸图像的示意图;
图5是本申请实施例提供的一种图像块划分的示意图;
图6是本申请实施例提供的一种人脸识别方法的流程图;
图7是本申请实施例提供的一种人脸识别方法的流程图;
图8是本申请实施例提供的一种人脸识别方法的流程图;
图9是本申请实施例提供的一种电子设备的框图;
图10是本申请实施例提供的一种人脸识别装置的框图;
图11是本申请实施例提供的一种服务器的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们的任意变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
图1是本申请实施例提供的一种实施环境的示意图。参见图1,该实施环境中包括电子设备101。在一种可能的实现方式中,电子设备101可以为智能摄像机或智能门锁等摄像设备。相应的,电子设备101可以具有图像采集功能和人脸识别功能,也即电子设备101可以通过图像采集模块采集人脸图像,基于该人脸图像进行人脸识别。
在另一种可能的实现方式中,电子设备101可以包括摄像设备和服务器,其中,摄像设备具有图像采集功能,服务器具有人脸识别功能。摄像设备和服务器之间通过无线或者有线网络连接,摄像设备可以将采集到的人脸图像发送给服务器,请求服务器基于该人脸图像进行人脸识别。
服务器为摄像设备提供人脸识别服务。服务器接收摄像设备发送的人脸图像,基于该人脸图像,进行人脸识别,输出人脸识别的结果。服务器提供的人脸识别服务可以应用在各种人脸识别的应用场景中。例如,人脸识别的应用场景可以为基于人脸识别的门禁系统的识别场景、基于人脸识别的支付场景、基于人脸识别的人物搜寻场景或者基于人脸识别的人物分类场景等。
服务器可以将人脸识别的结果返回给发送人脸图像的摄像设备。例如,在基于人脸识别的支付场景中,摄像设备采集支付用户的人脸图像,将该人脸图像发送给服务器;服务器可以对该人脸图像进行人脸识别,得到人脸识别的结果,将该人脸识别的结果返回给摄像设备。
服务器也可以将人脸识别的结果发送给与摄像设备具有绑定关系的其他终端。例如,摄像设备可以为智能门锁,与摄像设备绑定的其他终端可以为与该智能门锁绑定的手机;服务器可以接收摄像设备发送的人脸图像;对该人脸图像进行人脸识别,得到人脸识别的结果;将该人脸识别的结果发送给与该摄像设备具有绑定关系的其他终端。需要说明的是,摄像设备除了可以为智能摄像机或智能门锁等设备外,还可以为手机、电脑、平板电脑或者可穿戴设备等其他具有图像采集功能的设备。
图2是本申请实施例提供的一种人脸识别方法的流程图。在本申请实施例中,以电子设备为智能门锁或智能摄像机等具有图像采集功能和人脸识别功能的摄像设备为例进行说明,参见图2,该实施例包括:
201、电子设备采集第一人脸图像。
电子设备包括图像采集模块,通过图像采集模块进行人脸图像的采集。例如,图像采集模块可以为摄像头。
202、电子设备获取待识别的第一人脸图像对应的热力图。
其中,热力图包括像素点的热度值,且该像素点的热度值用于表示该像素点在进行人脸识别时的重要程度。第一人脸图像对应的热力图是基于该第一人脸图像生成的,第一人脸图像中的任一像素点在该热力图上对应有用于表示该像素点对于人脸识别的重要程度的热度值。通过热力图,突显出电子设备进行人脸识别时所关注的人脸关键部位,该人脸关键部位的特征用于使目标对象和其他对象区分开。
电子设备可以通过人脸识别模型对第一人脸图像进行人脸识别,基于人脸识别模型对第一人脸图像进行特征提取得到的目标特征图和特征向量,生成第一人脸图像对应的热力图。相应的,电子设备获取待识别的第一人脸图像对应的热力图的步骤可以为:电子设备将第一人脸图像输入到人脸识别模型中,获取第一人脸图像对应的多个目标特征图和用于确定人脸识别相似度的特征向量;根据多个目标特征图和特征向量,生成第一人脸图像对应的热力图。
其中,人脸识别模型可以是基于卷积神经网络(Convolutional NeuralNetworks,CNN)训练得到的用于进行人脸识别的模型。参见图3,目标特征图可以是通过人脸识别模型的卷积神经网络中的最后一层卷积层而得到的特征图。特征向量可以是基于目标特征图转化成的一维向量,且该特征向量可以用于通过人脸识别模型的卷积神经网络的全连接层和输出层确定出人脸识别相似度。
继续参见图3,电子设备可以通过与Grad-CAM(Gradient-weighted ClassActivation Mapping,梯度加权分类激活映射)相似的方法,将特征向量反作用于目标特征图,得到第一人脸图像对应的热力图。相应的,电子设备根据多个目标特征图和特征向量,生成第一人脸图像对应的热力图的步骤可以为:电子设备从特征向量中,获取用于指示第一人脸图像为目标对象的人脸图像的目标向量值;对于每个目标特征图,根据该目标向量值和该目标特征图中每个像素点的像素值,确定该目标特征图对应的重要性权重;对于每个像素点,基于每个目标特征图对应的重要性权重,对每个目标特征图中该像素点的像素值进行加权求和,得到该像素点的热度值;根据每个像素点的热度值,生成第一人脸图像对应的热力图。
电子设备可以将目标向量值对于目标特征图中每个像素点的像素值的偏导数作为该目标特征图对应的重要性权重。
电子设备可以将每个像素点的热度值组成第一人脸图像对应的热力图。电子设备也可以将每个像素点的热度值通过线性整流函数(Rectified Linear Unit,ReLU),对每个像素点的热度值进行激活处理;将每个像素点的激活处理后的热度值组成第一人脸图像对应的热力图。
继续参见图3,第一人脸图像对应的热力图中通过不同的热度值,突显出了电子设备进行人脸识别时所关注的人脸关键部位,如鼻子、嘴巴、眉毛和眼睛等,其中,不同的人脸关键部位对应的热度值也存在差异。
需要说明的一点是,电子设备也可以通过反卷积或者导向反向传播的方法,获取第一人脸图像对应的热力图。
在本申请实施例中,获取待识别的第一人脸图像对应的热力图,该热力图上的热度值用于表示第一人脸图像中的像素点在进行人脸识别时的重要程度,通过热力图,能够突显出电子设备进行人脸识别时所关注的人脸关键部位,进而能够将遮挡物对人脸识别的影响程度融合到对第一人脸图像的识别中,提高人脸识别的可靠性。
需要说明的另一点是,待识别的第一人脸图像可以为被遮挡物遮挡人脸的图像。待识别的第一人脸图像也可以为未被遮挡物遮挡人脸的图像。
203、电子设备将第一人脸图像划分为多个图像块。
多个图像块分别用于表示第一人脸图像中的不同区域,每个图像块具有不同的属性。例如,参见图4中的第一人脸图像,电子设备将该第一人脸图像划分为多个图像块,参见图5,第一人脸图像的多个图像块包括属性为头发的图像块、属性为眼睛的图像块、属性为鼻子的图像块和属性为口罩的图像块。
电子设备可以通过边缘检测和闭环检测的方式,对第一人脸图像进行分割,划分为多个图像块。相应的,电子设备将第一人脸图像划分为多个图像块的步骤可以为:电子设备对第一人脸图像进行边缘检测,得到多个边缘特征;基于连接成为闭环的边缘特征,将第一人脸图像划分为多个图像块,其中,每个图像块对应的多个边缘特征连接成为闭环。
需要说明的一点是,步骤202和步骤203没有严格的时间先后顺序,可以先执行步骤202,再执行步骤203;也可以先执行步骤203,再执行步骤202;还可以同时执行步骤202和步骤203,在本申请实施例中,对步骤202和步骤203执行的先后顺序不做限定。
204、对于每个图像块,电子设备根据热力图,确定该图像块的第二遮挡标识。
其中,第二遮挡标识用于表示该图像块是否为遮挡物对应的图像块。第二遮挡标识可以用布尔值来表示。例如,第二遮挡标识可以为0或1,第二遮挡标识为0,表示图像块为遮挡物对应的图像块;第二遮挡标识为1,表示图像块不是遮挡物对应的图像块。
电子设备可以根据该图像块中遮挡物对应的像素点所占的像素点比例,确定该图像块的第二遮挡标识,相应的,参见图6,本步骤可以通过以下步骤2041至2043实现:
2041、对于该图像块中的多个第二像素点,电子设备根据热力图,确定多个第二像素点的第三遮挡标识。
其中,第三遮挡标识用于表示第二像素点是否为遮挡物对应的像素点。第三遮挡标识也可以用布尔值来表示。例如,第三遮挡标识可以为0或1,第三遮挡标识为0,表示第二像素点为遮挡物对应的像素点;第三遮挡标识为1,表示第二像素点不是遮挡物对应的像素点。
电子设备可以根据第二像素点的颜色信息和第二像素点在热力图上的热度值对应的标准颜色统计信息,确定第二像素点的第三遮挡标识。相应的,本步骤可以为:对于多个第二像素点中的每个第二像素点,根据该第二像素点在热力图上的热度值,获取该热度值对应的标准颜色统计信息;从第一人脸图像中提取该第二像素点的颜色信息;根据该第二像素点的颜色信息和标准颜色统计信息,确定该第二像素点的第三遮挡标识。
任一热度值对应的标准颜色统计信息表示在未被遮挡物遮挡人脸的人脸图像中该热度值对应的像素点的数值分布。标准颜色统计信息可以基于该热度值对应的多个第二人脸图像中的像素点的颜色信息进行统计而得到。
电子设备可以存储有热度值与标准颜色统计信息的对应关系,电子设备可以根据第二像素点在热力图上的热度值,从已存储的热度值与标准颜色统计信息的对应关系中,获取第二像素点在热力图上的热度值对应的标准颜色统计信息。
电子设备可以对第二像素点的颜色信息和标准颜色统计信息进行比较,确定第二像素点的第三遮挡标识,相应的,电子设备根据第二像素点的颜色信息和标准颜色统计信息,确定该第二像素点的第三遮挡标识的步骤可以为:电子设备获取第二像素点的颜色信息中任一颜色通道的数值;根据标准颜色统计信息中该颜色通道的数值分布,确定该颜色通道对应的标准数值范围,该标准数值范围为未被遮挡物遮挡人脸的人脸图像中的像素点对应的数值范围;响应于第二像素点的颜色信息中该颜色通道的数值在标准数值范围之外,确定第二像素点的第三遮挡标识用于表示第二像素点为遮挡物对应的像素点;响应于第二像素点的颜色信息中该颜色通道的数值在标准数值范围之内,确定第二像素点的第三遮挡标识用于表示第二像素点不是遮挡物对应的像素点。
标准颜色统计信息中任一颜色通道的数值分布可以为正态分布,电子设备可以根据预设的置信度,基于该正态分布,确定该颜色通道对应的标准数值范围。例如,预设的置信度可以为95%,对于未被遮挡物遮挡人脸的人脸图像中的像素点,该像素点的颜色信息中该颜色通道的数值会有95%的概率在标准数值范围之内。
例如,对于热度值a,热度值a对应的像素点对应于人脸图像中的鼻子部位的像素点。该热度值a在某一颜色通道上对应有标准数值范围,在鼻子部位未被遮挡物遮挡的多个人脸图像中,鼻子部位的像素点在该颜色通道上的数值有95%的概率落在该标准数值范围之内。若第一人脸图像中的第二像素点在热力图上的热度值为热度值a,且该第二像素点在该颜色通道上的数值在热度值a对应的标准数值范围之外,则第二像素点在该颜色通道上的数值与鼻子部位未被遮挡时在该颜色通道上的数值不符,可以确定第二像素点为遮挡物对应的像素点。
像素点的颜色信息可以为像素点在任一颜色空间中的颜色信息。例如,像素点的颜色信息可以为RGB(Red Green Blue,红绿蓝)颜色空间中的RGB信息;像素点的颜色信息还可以为HSV(Hue Saturation Value,色调饱和度明度)颜色空间中的HSV信息;像素点的颜色信息还可以为其他颜色空间中的颜色信息,在本申请实施例中,对像素点的颜色信息的种类并不限定。
在一种可能的实现方式中,像素点的颜色信息可以为RGB信息;并且,电子设备响应于第二像素点的RGB信息中的任一颜色通道的数值在该颜色通道对应的标准数值范围之外,确定第二像素点的第三遮挡标识用于表示第二像素点为遮挡物对应的像素点。例如,像素点的颜色信息为RGB信息,电子设备响应于R通道、G通道或者B通道中的任一颜色通道的数值在该颜色通道对应的标准数值范围之外,确定第二像素点的第三遮挡标识用于表示第二像素点为遮挡物对应的像素点。
其中,电子设备可以先比较像素点的颜色信息中R通道的数值与R通道对应的标准数值范围,响应于像素点的颜色信息中R通道的数值在R通道对应的标准数值范围之外,确定第二像素点的第三遮挡标识用于表示第二像素点为遮挡物对应的像素点;响应于像素点的颜色信息中R通道的数值在R通道对应的标准数值范围之内,比较像素点的颜色信息中G通道的数值与G通道对应的标准数值范围或者比较像素点的颜色信息中B通道的数值与B通道对应的标准数值范围。
假设电子设备响应于像素点的颜色信息中R通道的数值在R通道对应的标准数值范围之内,比较像素点的颜色信息中G通道的数值与G通道对应的标准数值范围;电子设备响应于像素点的颜色信息中G通道的数值在G通道对应的标准数值范围之外,确定第二像素点的第三遮挡标识用于表示第二像素点为遮挡物对应的像素点;响应于像素点的颜色信息中G通道的数值在G通道对应的标准数值范围之内,比较像素点的颜色信息中B通道的数值与B通道对应的标准数值范围。
响应于像素点的颜色信息中B通道的数值在B通道对应的标准数值范围之外,确定第二像素点的第三遮挡标识用于表示第二像素点为遮挡物对应的像素点;响应于像素点的颜色信息中B通道的数值在B通道对应的标准数值范围之内,确定第二像素点的第三遮挡标识用于表示第二像素点不是遮挡物对应的像素点。
在另一种可能的实现方式中,像素点的颜色信息可以为RGB信息;并且,电子设备响应于第二像素点的RGB信息中的每个颜色通道的数值在该颜色通道对应的标准数值范围之外,确定第二像素点的第三遮挡标识用于表示第二像素点为遮挡物对应的像素点。
2042、电子设备根据多个第二像素点的第三遮挡标识,确定第三像素点在多个第二像素点中所占的像素点比例,该第三像素点的第四遮挡标识用于表示第三像素点为遮挡物对应的像素点。
本步骤可以为:电子设备根据多个第二像素点的第三遮挡标识,确定多个第二像素点中第三像素点的第一数量;根据多个第二像素点的第二数量和第一数量,确定第三像素点在多个第二像素点中所占的像素点比例。
例如,多个第二像素点的数量为1000,其中,第三像素点的数量为800,第三像素点在多个第二像素点中所占的像素点比例为0.8。
2043、电子设备响应于该像素点比例大于第三阈值,确定该图像块的第二遮挡标识用于表示该图像块为遮挡物对应的图像块。
例如,第三阈值可以为0.85,若像素点比例为0.9,电子设备响应于该像素点比例大于第三阈值,确定该图像块的第二遮挡标识用于表示该图像块为遮挡物对应的图像块。
需要说明的一点是,第三阈值可以是基于多个被遮挡物遮挡人脸的第三人脸图像统计得到的。电子设备响应于该像素点比例大于第三阈值,确定该图像块的第二遮挡标识用于表示该图像块为遮挡物对应的图像块之前,还确定第三阈值。相应的,电子设备确定第三阈值的步骤可以为:电子设备获取多个被遮挡物遮挡人脸的第三人脸图像;根据每个第三人脸图像对应的热力图,确定第三人脸图像中每个图像块对应的像素点比例;根据每个图像块的真实遮挡标识,获取目标图像块对应的像素点比例,目标图像块的真实遮挡标识用于表示该目标图像块为遮挡物对应的图像块;根据目标图像块对应的像素点比例,确定第三阈值。
其中,每个图像块对应的像素点比例表示该图像块中遮挡物对应的像素点在该图像块中所占的比例。真实遮挡标识用于表示图像块是否为遮挡物对应的图像块,且该真实遮挡标识用于反映图像块是否被遮挡的真实情况。第三阈值可以为多个目标图像块对应的像素点比例的平均值。
需要说明的一点是,电子设备响应于该像素点比例不大于第三阈值,确定该图像块的第二遮挡标识用于表示该图像块不是遮挡物对应的图像块。
205、电子设备将该图像块的第二遮挡标识确定为该图像块内的第一像素点的第一遮挡标识。
任一第一像素点的第一遮挡标识用于表示第一像素点是否为遮挡物对应的像素点。电子设备响应于该图像块的第二遮挡标识用于表示该图像块为遮挡物对应的图像块,确定该图像块内的第一像素点的第一遮挡标识用于表示第一像素点为遮挡物对应的像素点;电子设备响应于该图像块的第二遮挡标识用于表示该图像块不是遮挡物对应的图像块,确定该图像块内的第一像素点的第一遮挡标识用于表示第一像素点不是遮挡物对应的像素点。
例如,该图像块的第二遮挡标识可以为1,电子设备可以将该图像块内的第一像素点的第一遮挡标识确定为1。
在本申请实施例中,电子设备将第一人脸图像划分为多个图像块,分别确定每个图像块是否为遮挡物对应的图像块,由于每个图像块具有不同的属性,能够代表人脸的不同部位,将图像块的第二遮挡标识确定为该图像块内的第一像素点的第一遮挡标识,使第一人脸图像中的多个第一像素点的第一遮挡标识能够表示第一人脸图像中的任一人脸部位整体上被遮挡的情况,增强第一遮挡标识的代表性,提高确定第一遮挡标识的准确性。
206、电子设备根据该热力图和每个第一像素点的第一遮挡标识,确定第一人脸图像的先验概率。
第一人脸图像的先验概率用于表示第一人脸图像中的人脸关键部位被遮挡的程度,且该先验概率能够表示第一人脸图像中遮挡物对应的像素点对人脸识别的影响程度。
电子设备可以根据第一像素点在热力图上的热度值和第一遮挡标识,确定第一人脸图像的先验概率。相应的,本步骤可以为:对于每个第一像素点,电子设备根据第一像素点的第一遮挡标识和第一像素点在热力图上的热度值,确定第一像素点对应的第一数值;对多个第一像素点对应的第一数值进行求和,得到第二数值;对多个第一像素点在热力图上的热度值进行求和,得到第三数值;根据第二数值和第三数值,确定第一人脸图像的先验概率。
第一数值与第一遮挡标识对应的第四数值和第一像素点在热力图上的热度值呈正相关。例如,第一数值可以为第一遮挡标识对应的第四数值与第一像素点在热力图上的热度值的乘积。
例如,若第一遮挡标识用于表示第一像素点为遮挡物对应的像素点,该第一遮挡标识对应的第四数值可以为0;若第一遮挡标识用于表示第一像素点不是遮挡物对应的像素点,该第一遮挡标识对应的第四数值可以为1。
相应的,电子设备可以通过以下公式一确定第一人脸图像的先验概率:
其中,P表示先验概率。i表示第一人脸图像中的多个第一像素点中的任一第一像素点。n表示多个第一像素点的数量。Mi表示第一像素点i的第一遮挡标识,若第一遮挡标识用于表示第一像素点为遮挡物对应的像素点,该第一遮挡标识为0;若第一遮挡标识用于表示第一像素点不是遮挡物对应的像素点,该第一遮挡标识为1。Hi表示第一像素点i在热力图上的热度值。MiHi表示第一像素点i对应的第一数值,该第一数值为Mi与Hi的乘积。表示多个第一像素点对应的第一数值之和。表示第二数值,第二数值为多个第一像素点在热力图上的热度值之和。
207、电子设备根据该先验概率和第一人脸图像的人脸识别相似度,对第一人脸图像进行识别。
其中,第一人脸图像的人脸识别相似度为第一人脸图像与目标人脸图像之间的相似度。电子设备可以通过人脸识别模型对第一人脸图像进行人脸识别,得到第一人脸图像与目标人脸图像之间的相似度,目标人脸图像为人脸识别参考库中的任一人脸图像。
电子设备可以根据先验概率和人脸识别相似度,确定第一人脸图像是否为目标对象的人脸图像。相应的,本步骤可以为:电子设备根据该先验概率和第一人脸图像的人脸识别相似度,确定第一人脸图像的人脸识别置信度;响应于该人脸识别置信度大于第一阈值,确定第一人脸图像为目标对象的人脸图像,目标对象为目标人脸图像中的对象;响应于该人脸识别置信度不大于第一阈值,确定第一人脸图像不是目标对象的人脸图像。
其中,人脸识别置信度用于表示第一人脸图像是目标对象的人脸图像的概率。人脸识别置信度与先验概率和人脸识别相似度呈正相关,例如,人脸识别置信度可以为先验概率和人脸识别相似度的乘积。
在本申请实施例中,电子设备将人脸识别置信度与第一阈值进行比较,响应于人脸识别置信度大于第一阈值,才确定第一人脸图像为目标对象的人脸图像,能够提高人脸识别的准确性和可靠性。
需要说明的一点是,第一阈值可以是基于多个第四人脸图像统计得到的,并且,第四人脸图像真实代表的第一对象是已知的。电子设备响应于该人脸识别置信度大于第一阈值,确定第一人脸图像为目标对象的人脸图像之前,还确定第一阈值。相应的,电子设备确定第一阈值的步骤可以为:对于多个第四人脸图像中的每个第四人脸图像,电子设备获取第四人脸图像的人脸识别相似度和第四人脸图像的先验概率;根据第四人脸图像的先验概率和第四人脸图像的人脸识别相似度,确定第四人脸图像的人脸识别置信度;根据该人脸识别置信度和第一初始阈值,确定第四人脸图像的人脸识别结果;响应于人脸识别结果用于表示第四人脸图像是第五人脸图像中的第二对象对应的人脸图像,且第二对象与第四人脸图像真实代表的第一对象不同,增大第一初始阈值,直至基于调整后的第一初始阈值确定的人脸识别结果用于表示第四人脸图像不是第五人脸图像中的第二对象对应的人脸图像;根据多个第四人脸图像对应的调整后的第一初始阈值,确定第一阈值。
其中,第四人脸图像的人脸识别相似度用于表示第四人脸图像与第五人脸图像之间的相似度,第五人脸图像可以是基于人脸识别模型对第四人脸图像进行人脸识别得到的。第四人脸图像的人脸识别结果用于表示第四人脸图像是否为第五人脸图像中的第二对象的人脸图像。
第一初始阈值为预设的任一数值。电子设备可以将多个第四人脸图像对应的调整后的第一初始阈值的平均值确定为第一阈值。
在本申请实施例中,电子设备根据基于第一初始阈值确定出的人脸识别结果的准确性,对第一初始阈值进行调整,根据调整后的第一初始阈值,得出人脸识别时所应用的第一阈值,在人脸识别过程中,通过该第一阈值与人脸识别置信度的比较,最终确定第一人脸图像是否为目标对象对应的人脸图像,能够提高人脸识别的准确性和可靠性。
需要说明的另一点是,电子设备根据先验概率和第一人脸图像的人脸识别相似度,确定第一人脸图像的人脸识别置信度之前,还可以根据先验概率,判断第一人脸图像是否可以进行下一步的人脸识别,也即电子设备可以根据第一人脸图像中的人脸关键部位被遮挡的程度,判断第一人脸图像是否可以进行下一步的人脸识别。相应的,电子设备根据先验概率和第一人脸图像的人脸识别相似度,确定第一人脸图像的人脸识别置信度之前,还执行以下步骤:电子设备响应于该先验概率大于第二阈值,执行根据先验概率和第一人脸图像的人脸识别相似度,确定第一人脸图像的人脸识别置信度的步骤;响应于该先验概率不大于第二阈值,确定该第一人脸图像无法进行人脸识别。
在本申请实施例中,电子设备响应于先验概率大于第二阈值,才对第一人脸图像进行进一步人脸识别,也即电子设备响应于第一人脸图像中的人脸关键部位被遮挡的程度对人脸识别所造成的负面影响较小时,才对第一人脸图像进行进一步的人脸识别;响应于第一人脸图像中的人脸关键部位被遮挡的程度对人脸识别所造成的负面影响较大时,确定第一人脸图像无法进行人脸识别,能够提高人脸识别的可靠性和准确性。
其中,第二阈值可以是基于多个第六人脸图像统计得到的,第六人脸图像为被遮挡物遮挡人脸的图像,且第六人脸图像真实代表的第三对象是已知的。电子设备响应于该先验概率大于第二阈值,执行根据先验概率和第一人脸图像的人脸识别相似度,确定第一人脸图像的人脸识别置信度的步骤之前,还确定第二阈值。相应的,电子设备确定第二阈值的步骤可以为:电子设备获取多个第六人脸图像的先验概率;对于每个第六人脸图像,根据第六人脸图像的先验概率和第二初始阈值,确定预判结果,该预判结果用于表示是否对该第六人脸图像进行进一步的人脸识别;根据第六人脸图像的先验概率和第六人脸图像的人脸识别相似度,确定第六人脸图像的人脸识别结果,该人脸识别结果用于表示第六人脸图像是否为第七人脸图像对应的第四对象的人脸图像;比较第三对象和第四对象;根据第三对象和第四对象的比较结果,确定基于第二初始阈值进行人脸识别的准确率;根据基于第二初始阈值进行人脸识别的准确率和目标准确率,调整第二初始阈值,直至基于调整后的第二初始阈值进行人脸识别的准确率不小于目标准确率;将调整后的第二初始阈值确定为第二阈值。
其中,第六人脸图像的人脸识别相似度用于表示第六人脸图像与第七人脸图像之间的相似度,第七人脸图像是基于人脸识别模型对第六人脸图像进行人脸识别得到的。目标准确率可以为预先设置的准确率,例如,目标准确率可以为98%。
在本申请实施例中,电子设备根据基于第二初始阈值进行人脸识别的准确率,对第二初始阈值进行调整,直至基于调整后的第二初始阈值进行人脸识别的准确率不小于目标准确率,将第二初始阈值确定为第二阈值,在人脸识别的过程中,通过该第二阈值与第一人脸图像的先验概率的比较,确定第一人脸图像是否能够进行进一步的人脸识别,能够提高人脸识别的可靠性和准确性。
在本申请实施例中,根据待识别的第一人脸图像对应的热力图,确定第一人脸图像的先验概率,该先验概率能够反映出被遮挡的像素点对人脸识别的影响程度,进而结合该先验概率和已确定的人脸识别相似度,来进行最终的人脸识别,能够将被遮挡的像素点对人脸识别的影响程度融合到人脸识别中,提高了人脸识别的可靠性。
图7是本申请实施例提供的一种人脸识别方法的流程图。在本申请实施例中,以电子设备包括摄像设备和服务器,摄像设备将采集到的人脸图像发送至服务器,由服务器进行人脸识别为例进行说明,参见图7,该实施例包括:
701、摄像设备采集第一人脸图像。
步骤701与步骤201同理。
702、摄像设备向服务器发送第一人脸图像。
摄像设备还可以包括通信模块,摄像设备通过通信模块,向服务器发送第一人脸图像,例如,通信模块可以为WiFi(Wireless-Fidelity,一种无线网路通信技术)模块或移动网络通信模块等。
703、服务器获取待识别的第一人脸图像对应的热力图。
步骤703与步骤202同理。
704、服务器将第一人脸图像划分为多个图像块。
步骤704与步骤203同理。
705、对于每个图像块,服务器根据热力图,确定该图像块的第二遮挡标识。
步骤705与步骤204同理。
706、服务器将该图像块的第二遮挡标识确定为该图像块内的第一像素点的第一遮挡标识。
步骤706与步骤205同理。
707、服务器根据该热力图和每个第一像素点的第一遮挡标识,确定第一人脸图像的先验概率。
步骤707与步骤206同理。
708、服务器根据该先验概率和第一人脸图像的人脸识别相似度,对第一人脸图像进行识别。
步骤708与步骤207同理。
709、服务器向摄像设备返回人脸识别的结果。
服务器对第一人脸图像进行识别,得到的人脸识别结果可以用于表示第一人脸图像是否为目标对象的人脸图像。例如,摄像设备为智能门锁,服务器对第一人脸图像进行识别,得到的人脸识别的结果可以用于表示第一人脸图像为该智能门锁对应的目标对象的人脸图像,其中,智能门锁对应的目标对象通过智能门锁预先采集有对应的目标人脸图像。
服务器向摄像设备返回人脸识别的结果,以使摄像设备能够基于服务器返回的结果,执行后续的处理步骤。例如,摄像设备为智能门锁,若智能门锁接收到用于表示第一人脸图像为该智能门锁对应的目标对象的人脸图像的结果,则智能门锁可以根据该人脸识别的结果,自动开启门锁。
在本申请实施例中,根据待识别的第一人脸图像对应的热力图,确定第一人脸图像的先验概率,该先验概率能够反映出被遮挡的像素点对人脸识别的影响程度,进而结合该先验概率和已确定的人脸识别相似度,来进行最终的人脸识别,能够将被遮挡的像素点对人脸识别的影响程度融合到人脸识别中,提高了人脸识别的可靠性。
图8是本申请实施例提供的一种人脸识别方法的流程图。在本申请实施例中,以基于第一像素点的颜色信息确定第一像素点的第一遮挡标识为例进行说明,参见图8,该实施例包括:
801、服务器获取待识别的第一人脸图像对应的热力图。
步骤801与步骤202同理。
802、对于多个第一像素点中的每个第一像素点,服务器根据第一像素点在热力图上的热度值,获取该热度值对应的标准颜色统计信息。
任一热度值对应的标准颜色统计信息表示该热度值对应的像素点在未被遮挡物遮挡人脸的人脸图像的数值分布。标准颜色统计信息可以基于该热度值对应的多个第二人脸图像中的像素点的颜色信息进行统计而得到。
服务器可以存储有热度值与标准颜色统计信息的对应关系,服务器可以根据第一像素点在热力图上的热度值,从已存储的热度值与标准颜色统计信息的对应关系中,获取第一像素点在热力图上的热度值对应的标准颜色统计信息。
需要说明的一点是,服务器获取该热度值对应的标准颜色统计信息之前,还基于多个第二人脸图像中的像素点的颜色信息确定标准颜色统计信息。相应的,服务器基于多个第二人脸图像中的像素点的颜色信息确定标准颜色统计信息的步骤可以为:服务器获取多个第二人脸图像对应的热力图,第二人脸图像为未被遮挡物遮挡人脸的图像;对于热力图上的任一热度值,分别从每个第二人脸图像中提取出该热度值对应的第四像素点的颜色信息;根据提取出的该热度值对应的多个第四像素点的颜色信息,生成该热度值对应的标准颜色统计信息。
第四像素点的颜色信息包括第四像素点分别在多个颜色通道上的数值,服务器可以根据该热度值对应的每个第四像素点的颜色信息,分别对该第四像素点在每个颜色通道上的数值进行统计,得到该热度值对应的多个第四像素点在每个颜色通道的数值分布,由每个颜色通道的数值分布组成该热度值对应的标准颜色统计信息。
803、服务器从第一人脸图像中提取第一像素点的颜色信息。
第一像素点的颜色信息包括第一像素点在多个颜色通道上的数值。例如,颜色信息为RGB信息,该颜色信息包括第一像素点在R通道上的数值、在G通道上的数值和在B通道上的数值。
804、服务器根据第一像素点的颜色信息和标准颜色统计信息,确定第一像素点的第一遮挡标识。
任一第一像素点的第一遮挡标识用于表示第一像素点是否为遮挡物对应的像素点。服务器比较第一像素点的颜色信息和标准颜色统计信息,响应于第一像素点的颜色信息和标准颜色统计信息不匹配,确定第一像素点的第一遮挡标识用于表示第一像素点为遮挡物对应的像素点;响应于第一像素点的颜色信息和标准颜色统计信息匹配,确定第一像素点的第一遮挡标识用于表示第一像素点不是遮挡物对应的像素点。相应的,本步骤可以为:服务器获取第一像素点的颜色信息中任一颜色通道的数值;根据标准颜色统计信息中颜色通道的数值分布,确定颜色通道对应的标准数值范围,该标准数值范围为未被遮挡物遮挡人脸的人脸图像中的像素点对应的数值范围;响应于第一像素点的颜色信息中颜色通道的数值在标准数值范围之外,确定第一像素点的第一遮挡标识用于表示第一像素点为遮挡物对应的像素点;响应于第一像素点的颜色信息中颜色通道的数值在标准数值范围之内,确定第一像素点的第一遮挡标识用于表示第一像素点不是遮挡物对应的像素点。
服务器根据第一像素点的颜色信息和标准颜色统计信息,确定第一像素点的第一遮挡标识与服务器根据第二像素点的颜色信息和标准颜色统计信息,确定该第二像素点的第三遮挡标识的步骤同理。
在本申请实施例中,标准颜色统计信息能够表示任一热度值对应的像素点在未被遮挡物遮挡人脸的人脸图像中的数值分布,若第一像素点的颜色信息中的数值符合标准颜色统计信息中的数值分布,则第一像素点不是遮挡物对应的像素点,若第一像素点的颜色信息中的数值不符合标准颜色统计信息中的数值分布,则第一像素点为遮挡物对应的像素点;通过第一像素点的颜色信息和标准颜色统计信息在颜色维度上的比较,确定第一像素点为遮挡物对应的像素点或者人脸部位对应的像素点,也即确定第一像素点的第一遮挡标识,能够提高确定第一像素点的第一遮挡标识的准确性。
805、服务器根据该热力图和每个第一像素点的第一遮挡标识,确定第一人脸图像的先验概率。
步骤805与步骤206同理。
806、服务器根据该先验概率和第一人脸图像的人脸识别相似度,对第一人脸图像进行识别。
步骤806与步骤207同理。
在本申请实施例中,根据待识别的第一人脸图像对应的热力图,确定第一人脸图像的先验概率,该先验概率能够反映出被遮挡的像素点对人脸识别的影响程度,进而结合该先验概率和已确定的人脸识别相似度,来进行最终的人脸识别,能够将被遮挡的像素点对人脸识别的影响程度融合到人脸识别中,提高了人脸识别的可靠性。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
图9是本申请实施例提供的一种电子设备的框图。参见图9,该电子设备包括:
图像采集模块901,用于采集待识别的第一人脸图像;
处理器902,用于获取第一人脸图像对应的热力图,热力图包括像素点的热度值,且像素点的热度值用于表示像素点在进行人脸识别时的重要程度;根据热力图,确定第一人脸图像中的多个第一像素点的第一遮挡标识,其中,任一第一像素点的第一遮挡标识用于表示第一像素点是否为遮挡物对应的像素点;根据热力图和每个第一像素点的第一遮挡标识,确定第一人脸图像的先验概率,先验概率用于表示第一人脸图像中的人脸关键部位被遮挡的程度;根据先验概率和第一人脸图像的人脸识别相似度,对第一人脸图像进行识别,人脸识别相似度为第一人脸图像与目标人脸图像之间的相似度;
存储器903,用于存储目标人脸图像。
在一种可能的实现方式中,处理器902,用于:
对于每个第一像素点,根据第一像素点的第一遮挡标识和第一像素点在热力图上的热度值,确定第一像素点对应的第一数值;
对多个第一像素点对应的第一数值进行求和,得到第二数值;
对多个第一像素点在热力图上的热度值进行求和,得到第三数值;
根据第二数值和第三数值,确定第一人脸图像的先验概率。
在另一种可能的实现方式中,处理器902,用于
根据先验概率和第一人脸图像的人脸识别相似度,确定第一人脸图像的人脸识别置信度;
响应于人脸识别置信度大于第一阈值,确定第一人脸图像为目标对象的人脸图像,目标对象为目标人脸图像中的对象。
在另一种可能的实现方式中,处理器902,用于:
响应于先验概率大于第二阈值,执行根据先验概率和第一人脸图像的人脸识别相似度,确定第一人脸图像的人脸识别置信度的步骤。
在另一种可能的实现方式中,处理器902,用于:
将第一人脸图像划分为多个图像块;
对于每个图像块,根据热力图,确定图像块的第二遮挡标识,图像块的第二遮挡标识用于表示图像块是否为遮挡物对应的图像块;
将图像块的第二遮挡标识确定为图像块内的第一像素点的第一遮挡标识。
在另一种可能的实现方式中,处理器902,用于:
对于图像块中的多个第二像素点,根据热力图,确定多个第二像素点的第三遮挡标识,第三遮挡标识用于表示第二像素点是否为遮挡物对应的像素点;
根据多个第二像素点的第三遮挡标识,确定第三像素点在多个第二像素点中所占的像素点比例,第三像素点的第四遮挡标识用于表示第三像素点为遮挡物对应的像素点;
响应于像素点比例大于第三阈值,确定图像块的第二遮挡标识用于表示图像块为遮挡物对应的图像块。
在另一种可能的实现方式中,处理器902,用于:
对于多个第一像素点中的每个第一像素点,根据第一像素点在热力图上的热度值,获取热度值对应的标准颜色统计信息;
从第一人脸图像中提取第一像素点的颜色信息;
根据第一像素点的颜色信息和标准颜色统计信息,确定第一像素点的第一遮挡标识。
在另一种可能的实现方式中,处理器902,用于:
获取第一像素点的颜色信息中任一颜色通道的数值;
根据标准颜色统计信息中颜色通道的数值分布,确定颜色通道对应的标准数值范围,标准数值范围为未被遮挡物遮挡人脸的人脸图像中的像素点对应的数值范围;
响应于第一像素点的颜色信息中颜色通道的数值在标准数值范围之外,确定第一像素点的第一遮挡标识用于表示第一像素点为遮挡物对应的像素点。
在另一种可能的实现方式中,处理器902,用于:
获取多个第二人脸图像对应的热力图,第二人脸图像为未被遮挡物遮挡人脸的图像;
对于热力图上的任一热度值,分别从每个第二人脸图像中提取出热度值对应的第四像素点的颜色信息;
根据提取出的热度值对应的多个第四像素点的颜色信息,生成热度值对应的标准颜色统计信息。
在另一种可能的实现方式中,处理器902,用于:
将第一人脸图像输入到人脸识别模型中,获取第一人脸图像对应的目标特征图和用于确定人脸识别相似度的特征向量;
根据目标特征图和特征向量,生成第一人脸图像对应的热力图。
在本申请实施例中,根据待识别的第一人脸图像对应的热力图,确定第一人脸图像的先验概率,该先验概率能够反映出被遮挡的像素点对人脸识别的影响程度,进而结合该先验概率和已确定的人脸识别相似度,来进行最终的人脸识别,能够将被遮挡的像素点对人脸识别的影响程度融合到人脸识别中,提高了人脸识别的可靠性。
图10是本申请实施例提供的一种人脸识别装置的框图。参见图10,该装置包括:
获取模块1001,用于获取待识别的第一人脸图像对应的热力图,热力图包括像素点的热度值,且像素点的热度值用于表示像素点在进行人脸识别时的重要程度;
第一确定模块1002,用于根据热力图,确定第一人脸图像中的多个第一像素点的第一遮挡标识,其中,任一第一像素点的第一遮挡标识用于表示第一像素点是否为遮挡物对应的像素点;
第二确定模块1003,用于根据热力图和每个第一像素点的第一遮挡标识,确定第一人脸图像的先验概率,先验概率用于表示第一人脸图像中的人脸关键部位被遮挡的程度;
识别模块1004,用于根据先验概率和第一人脸图像的人脸识别相似度,对第一人脸图像进行识别,人脸识别相似度为第一人脸图像与目标人脸图像之间的相似度。
在一种可能的实现方式中,第二确定模块1003,用于:
对于每个第一像素点,根据第一像素点的第一遮挡标识和第一像素点在热力图上的热度值,确定第一像素点对应的第一数值;
对多个第一像素点对应的第一数值进行求和,得到第二数值;
对多个第一像素点在热力图上的热度值进行求和,得到第三数值;
根据第二数值和第三数值,确定第一人脸图像的先验概率。
在另一种可能的实现方式中,识别模块1004,包括:
第一确定单元,用于根据先验概率和第一人脸图像的人脸识别相似度,确定第一人脸图像的人脸识别置信度;
第二确定单元,用于响应于人脸识别置信度大于第一阈值,确定第一人脸图像为目标对象的人脸图像,目标对象为目标人脸图像中的对象。
在另一种可能的实现方式中,第一确定单元,用于响应于先验概率大于第二阈值,根据先验概率和第一人脸图像的人脸识别相似度,确定第一人脸图像的人脸识别置信度。
在另一种可能的实现方式中,第一确定模块1002,包括:
划分单元,用于将第一人脸图像划分为多个图像块;
第三确定单元,用于对于每个图像块,根据热力图,确定图像块的第二遮挡标识,图像块的第二遮挡标识用于表示图像块是否为遮挡物对应的图像块;
第四确定单元,用于将图像块的第二遮挡标识确定为图像块内的第一像素点的第一遮挡标识。
在另一种可能的实现方式中,第三确定单元,用于:
对于图像块中的多个第二像素点,根据热力图,确定多个第二像素点的第三遮挡标识,第三遮挡标识用于表示第二像素点是否为遮挡物对应的像素点;
根据多个第二像素点的第三遮挡标识,确定第三像素点在多个第二像素点中所占的像素点比例,第三像素点的第四遮挡标识用于表示第三像素点为遮挡物对应的像素点;
响应于像素点比例大于第三阈值,确定图像块的第二遮挡标识用于表示图像块为遮挡物对应的图像块。
在另一种可能的实现方式中,第一确定模块1002,包括:
获取单元,用于对于多个第一像素点中的每个第一像素点,根据第一像素点在热力图上的热度值,获取热度值对应的标准颜色统计信息;
提取单元,用于从第一人脸图像中提取第一像素点的颜色信息;
第五确定单元,用于根据第一像素点的颜色信息和标准颜色统计信息,确定第一像素点的第一遮挡标识。
在另一种可能的实现方式中,第五确定单元,用于:
获取第一像素点的颜色信息中任一颜色通道的数值;
根据标准颜色统计信息中颜色通道的数值分布,确定颜色通道对应的标准数值范围,标准数值范围为未被遮挡物遮挡人脸的人脸图像中的像素点对应的数值范围;
响应于第一像素点的颜色信息中颜色通道的数值在标准数值范围之外,确定第一像素点的第一遮挡标识用于表示第一像素点为遮挡物对应的像素点。
在另一种可能的实现方式中,装置还包括:
获取模块1001,还用于获取多个第二人脸图像对应的热力图,第二人脸图像为未被遮挡物遮挡人脸的图像;
提取模块,用于对于热力图上的任一热度值,分别从每个第二人脸图像中提取出热度值对应的第四像素点的颜色信息;
生成模块,用于根据提取出的热度值对应的多个第四像素点的颜色信息,生成热度值对应的标准颜色统计信息。
在另一种可能的实现方式中,获取模块1001,用于:
将第一人脸图像输入到人脸识别模型中,获取第一人脸图像对应的目标特征图和用于确定人脸识别相似度的特征向量;
根据目标特征图和特征向量,生成第一人脸图像对应的热力图。
需要说明的是:上述实施例提供的人脸识别装置在进行人脸识别时,仅以上述各功能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模块完成,即将服务器的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的人脸识别装置与人脸识别方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
在本申请实施例中,根据待识别的第一人脸图像对应的热力图,确定第一人脸图像的先验概率,该先验概率能够反映出被遮挡的像素点对人脸识别的影响程度,进而结合该先验概率和已确定的人脸识别相似度,来进行最终的人脸识别,能够将被遮挡的像素点对人脸识别的影响程度融合到人脸识别中,提高了人脸识别的可靠性。
响应于电子设备包括摄像设备和服务器,图11是本申请实施例提供的一种服务器的框图,该服务器1100可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(Central Processing Units,CPU)1101和一个或一个以上的存储器1102,其中,存储器1102中存储有至少一条指令,至少一条指令由处理器1101加载并执行以实现上述各个方法实施例提供的人脸识别方法。当然,该服务器1100还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条指令,上述至少一条指令可由处理器执行以完成上述实施例中的人脸识别方法。例如,计算机可读存储介质可以是ROM(Read-Only Memory,只读存储器)、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,只读光盘)、磁带、软盘和光数据存储设备等。
本申请还提供了一种计算机程序产品,计算机程序产品包括一个或多个计算机程序,计算机程序被处理器执行时,用于实现上述各个方法实施例提供的人脸识别方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种人脸识别方法,其特征在于,所述方法包括:
获取待识别的第一人脸图像对应的热力图,所述热力图包括像素点的热度值,且所述像素点的热度值用于表示所述像素点在进行人脸识别时的重要程度;
根据所述热力图,确定所述第一人脸图像中的多个第一像素点的第一遮挡标识,其中,任一第一像素点的第一遮挡标识用于表示所述第一像素点是否为遮挡物对应的像素点;
根据所述热力图和每个第一像素点的第一遮挡标识,确定所述第一人脸图像的先验概率,所述先验概率用于表示所述第一人脸图像中的人脸关键部位被遮挡的程度;
根据所述先验概率和所述第一人脸图像的人脸识别相似度,对所述第一人脸图像进行识别,所述人脸识别相似度为所述第一人脸图像与目标人脸图像之间的相似度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述热力图和每个第一像素点的第一遮挡标识,确定所述第一人脸图像的先验概率,包括:
对于每个第一像素点,根据所述第一像素点的第一遮挡标识和所述第一像素点在所述热力图上的热度值,确定所述第一像素点对应的第一数值;
对所述多个第一像素点对应的第一数值进行求和,得到第二数值;
对所述多个第一像素点在所述热力图上的热度值进行求和,得到第三数值;
根据所述第二数值和所述第三数值,确定所述第一人脸图像的先验概率。
3.根据权利要求1所述的方法,其特征在于,所述根据所述先验概率和所述第一人脸图像的人脸识别相似度,对所述第一人脸图像进行识别,包括:
根据所述先验概率和所述第一人脸图像的人脸识别相似度,确定所述第一人脸图像的人脸识别置信度;
响应于所述人脸识别置信度大于第一阈值,确定所述第一人脸图像为目标对象的人脸图像,所述目标对象为所述目标人脸图像中的对象。
4.根据权利要求3所述的方法,其特征在于,所述根据所述先验概率和所述第一人脸图像的人脸识别相似度,确定所述第一人脸图像的人脸识别置信度之前,所述方法还包括:
响应于所述先验概率大于第二阈值,执行所述根据所述先验概率和所述第一人脸图像的人脸识别相似度,确定所述第一人脸图像的人脸识别置信度的步骤。
5.根据权利要求1所述的方法,其特征在于,所述根据所述热力图,确定所述第一人脸图像中的多个第一像素点的第一遮挡标识,包括:
将所述第一人脸图像划分为多个图像块;
对于每个图像块,根据所述热力图,确定所述图像块的第二遮挡标识,所述图像块的第二遮挡标识用于表示所述图像块是否为遮挡物对应的图像块;
将所述图像块的第二遮挡标识确定为所述图像块内的第一像素点的第一遮挡标识。
6.根据权利要求5所述的方法,其特征在于,所述根据所述热力图,确定所述图像块的第二遮挡标识,包括:
对于所述图像块中的多个第二像素点,根据所述热力图,确定所述多个第二像素点的第三遮挡标识,所述第三遮挡标识用于表示所述第二像素点是否为遮挡物对应的像素点;
根据所述多个第二像素点的第三遮挡标识,确定第三像素点在所述多个第二像素点中所占的像素点比例,所述第三像素点的第四遮挡标识用于表示所述第三像素点为遮挡物对应的像素点;
响应于所述像素点比例大于第三阈值,确定所述图像块的第二遮挡标识用于表示所述图像块为遮挡物对应的图像块。
7.根据权利要求1所述的方法,其特征在于,所述根据所述热力图,确定所述第一人脸图像中的多个第一像素点的第一遮挡标识,包括:
对于所述多个第一像素点中的每个第一像素点,根据所述第一像素点在所述热力图上的热度值,获取所述热度值对应的标准颜色统计信息;
从所述第一人脸图像中提取所述第一像素点的颜色信息;
根据所述第一像素点的颜色信息和所述标准颜色统计信息,确定所述第一像素点的第一遮挡标识。
8.根据权利要求7所述的方法,其特征在于,所述根据所述第一像素点的颜色信息和所述标准颜色统计信息,确定所述第一像素点的第一遮挡标识,包括:
获取所述第一像素点的颜色信息中任一颜色通道的数值;
根据所述标准颜色统计信息中所述颜色通道的数值分布,确定所述颜色通道对应的标准数值范围,所述标准数值范围为未被遮挡物遮挡人脸的人脸图像中的像素点对应的数值范围;
响应于所述第一像素点的颜色信息中所述颜色通道的数值在所述标准数值范围之外,确定所述第一像素点的第一遮挡标识用于表示所述第一像素点为遮挡物对应的像素点。
9.根据权利要求7所述的方法,其特征在于,所述根据所述第一像素点在所述热力图上的热度值,获取所述热度值对应的标准颜色统计信息之前,所述方法还包括:
获取多个第二人脸图像对应的热力图,所述第二人脸图像为未被遮挡物遮挡人脸的图像;
对于所述热力图上的任一热度值,分别从每个第二人脸图像中提取出所述热度值对应的第四像素点的颜色信息;
根据提取出的所述热度值对应的多个第四像素点的颜色信息,生成所述热度值对应的标准颜色统计信息。
10.根据权利要求1所述的方法,其特征在于,所述获取待识别的第一人脸图像对应的热力图,包括:
将所述第一人脸图像输入到人脸识别模型中,获取所述第一人脸图像对应的目标特征图和用于确定人脸识别相似度的特征向量;
根据所述目标特征图和所述特征向量,生成所述第一人脸图像对应的热力图。
11.一种电子设备,其特征在于,所述电子设备包括:
图像采集模块,用于采集待识别的第一人脸图像;
处理器,用于获取所述第一人脸图像对应的热力图,所述热力图包括像素点的热度值,且所述像素点的热度值用于表示所述像素点在进行人脸识别时的重要程度;根据所述热力图,确定所述第一人脸图像中的多个第一像素点的第一遮挡标识,其中,任一第一像素点的第一遮挡标识用于表示所述第一像素点是否为遮挡物对应的像素点;根据所述热力图和每个第一像素点的第一遮挡标识,确定所述第一人脸图像的先验概率,所述先验概率用于表示所述第一人脸图像中的人脸关键部位被遮挡的程度;根据所述先验概率和所述第一人脸图像的人脸识别相似度,对所述第一人脸图像进行识别,所述人脸识别相似度为所述第一人脸图像与目标人脸图像之间的相似度;
存储器,用于存储所述目标人脸图像。
12.一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中存储有至少一条指令,所述至少一条指令由处理器加载并执行,以实现如权利要求1-10任一项所述的人脸识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010524941.0A CN111695495B (zh) | 2020-06-10 | 2020-06-10 | 人脸识别方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010524941.0A CN111695495B (zh) | 2020-06-10 | 2020-06-10 | 人脸识别方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111695495A true CN111695495A (zh) | 2020-09-22 |
CN111695495B CN111695495B (zh) | 2023-11-14 |
Family
ID=72480246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010524941.0A Active CN111695495B (zh) | 2020-06-10 | 2020-06-10 | 人脸识别方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111695495B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116525A (zh) * | 2020-09-24 | 2020-12-22 | 百度在线网络技术(北京)有限公司 | 换脸识别方法、装置、设备和计算机可读存储介质 |
CN112215113A (zh) * | 2020-09-30 | 2021-01-12 | 张成林 | 人脸识别方法及装置 |
CN112287802A (zh) * | 2020-10-26 | 2021-01-29 | 汇纳科技股份有限公司 | 人脸图像检测方法、系统、存储介质及设备 |
CN112329726A (zh) * | 2020-11-27 | 2021-02-05 | 合肥的卢深视科技有限公司 | 人脸识别方法及装置 |
CN113657197A (zh) * | 2021-07-27 | 2021-11-16 | 浙江大华技术股份有限公司 | 图像识别方法、图像识别模型的训练方法以及相关装置 |
CN113762136A (zh) * | 2021-09-02 | 2021-12-07 | 北京格灵深瞳信息技术股份有限公司 | 人脸图像遮挡判断方法、装置、电子设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650662A (zh) * | 2016-12-21 | 2017-05-10 | 北京旷视科技有限公司 | 目标对象遮挡检测方法及装置 |
CN107679490A (zh) * | 2017-09-29 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 用于检测图像质量的方法和装置 |
CN108875540A (zh) * | 2018-03-12 | 2018-11-23 | 北京旷视科技有限公司 | 图像处理方法、装置和系统及存储介质 |
CN109063695A (zh) * | 2018-09-18 | 2018-12-21 | 图普科技(广州)有限公司 | 一种人脸关键点检测方法、装置及其计算机存储介质 |
US20190080149A1 (en) * | 2017-09-09 | 2019-03-14 | Apple Inc. | Occlusion detection for facial recognition processes |
CN110287760A (zh) * | 2019-03-28 | 2019-09-27 | 电子科技大学 | 一种基于深度学习的人脸五官点遮挡检测方法 |
CN110728330A (zh) * | 2019-10-23 | 2020-01-24 | 腾讯科技(深圳)有限公司 | 基于人工智能的对象识别方法、装置、设备及存储介质 |
CN111027504A (zh) * | 2019-12-18 | 2020-04-17 | 上海眼控科技股份有限公司 | 人脸关键点检测方法、装置、设备及存储介质 |
-
2020
- 2020-06-10 CN CN202010524941.0A patent/CN111695495B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650662A (zh) * | 2016-12-21 | 2017-05-10 | 北京旷视科技有限公司 | 目标对象遮挡检测方法及装置 |
US20190080149A1 (en) * | 2017-09-09 | 2019-03-14 | Apple Inc. | Occlusion detection for facial recognition processes |
CN107679490A (zh) * | 2017-09-29 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 用于检测图像质量的方法和装置 |
CN108875540A (zh) * | 2018-03-12 | 2018-11-23 | 北京旷视科技有限公司 | 图像处理方法、装置和系统及存储介质 |
CN109063695A (zh) * | 2018-09-18 | 2018-12-21 | 图普科技(广州)有限公司 | 一种人脸关键点检测方法、装置及其计算机存储介质 |
CN110287760A (zh) * | 2019-03-28 | 2019-09-27 | 电子科技大学 | 一种基于深度学习的人脸五官点遮挡检测方法 |
CN110728330A (zh) * | 2019-10-23 | 2020-01-24 | 腾讯科技(深圳)有限公司 | 基于人工智能的对象识别方法、装置、设备及存储介质 |
CN111027504A (zh) * | 2019-12-18 | 2020-04-17 | 上海眼控科技股份有限公司 | 人脸关键点检测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
RAMPRASAATH R. SELVARAJU ET AL.: "Grad-CAM: Visual Explanations from Deep Networks via Gradient-Based Localization" * |
UWE MESSER, STEFAN FAUSSER: "Predict Social Perception from Faces: A Deep Learning Approach" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116525A (zh) * | 2020-09-24 | 2020-12-22 | 百度在线网络技术(北京)有限公司 | 换脸识别方法、装置、设备和计算机可读存储介质 |
CN112215113A (zh) * | 2020-09-30 | 2021-01-12 | 张成林 | 人脸识别方法及装置 |
CN112287802A (zh) * | 2020-10-26 | 2021-01-29 | 汇纳科技股份有限公司 | 人脸图像检测方法、系统、存储介质及设备 |
CN112329726A (zh) * | 2020-11-27 | 2021-02-05 | 合肥的卢深视科技有限公司 | 人脸识别方法及装置 |
CN113657197A (zh) * | 2021-07-27 | 2021-11-16 | 浙江大华技术股份有限公司 | 图像识别方法、图像识别模型的训练方法以及相关装置 |
CN113762136A (zh) * | 2021-09-02 | 2021-12-07 | 北京格灵深瞳信息技术股份有限公司 | 人脸图像遮挡判断方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111695495B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111695495B (zh) | 人脸识别方法、电子设备及存储介质 | |
CN109697416B (zh) | 一种视频数据处理方法和相关装置 | |
CN110569731B (zh) | 一种人脸识别方法、装置及电子设备 | |
CN109299658B (zh) | 脸部检测方法、脸部图像渲染方法、装置及存储介质 | |
CN111739027A (zh) | 一种图像处理方法、装置、设备及可读存储介质 | |
CN111275685A (zh) | 身份证件的翻拍图像识别方法、装置、设备及介质 | |
CN110991231B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
CN112364827A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN111191568A (zh) | 翻拍图像识别方法、装置、设备及介质 | |
CN108563651B (zh) | 一种多视频的目标搜索方法、装置及设备 | |
CN110245573A (zh) | 一种基于人脸识别的签到方法、装置及终端设备 | |
CN113642639B (zh) | 活体检测方法、装置、设备和存储介质 | |
CN111339897A (zh) | 活体识别方法、装置、计算机设备和存储介质 | |
CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
CN114299583A (zh) | 一种人脸认证识别方法、装置、设备及存储介质 | |
CN114565955A (zh) | 人脸属性识别模型训练、社区人员监控方法、装置、设备 | |
JP3962517B2 (ja) | 顔面検出方法及びその装置、コンピュータ可読媒体 | |
US9286707B1 (en) | Removing transient objects to synthesize an unobstructed image | |
CN111091089B (zh) | 一种人脸图像处理方法、装置、电子设备及存储介质 | |
CN112689120A (zh) | 一种监控方法及装置 | |
CN116978130A (zh) | 图像处理方法、装置及计算机设备、存储介质、程序产品 | |
CN113255531B (zh) | 活体检测模型的处理方法、装置、计算机设备和存储介质 | |
CN112101479B (zh) | 一种发型识别方法及装置 | |
CN114445916A (zh) | 一种活体检测方法、终端设备及存储介质 | |
CN114463555A (zh) | 步态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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |