CN111723678A - 适用于多人场景的人脸客流识别方法、装置、设备和介质 - Google Patents
适用于多人场景的人脸客流识别方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111723678A CN111723678A CN202010463245.3A CN202010463245A CN111723678A CN 111723678 A CN111723678 A CN 111723678A CN 202010463245 A CN202010463245 A CN 202010463245A CN 111723678 A CN111723678 A CN 111723678A
- Authority
- CN
- China
- Prior art keywords
- person
- human face
- image
- passenger flow
- new
- 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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- 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
- 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
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请提供适用于多人场景的人脸客流识别方法、装置、设备和介质,包括获取人员的当前图像并提取身份特征;根据所提取的身份特征判断该名人员是否是新来人员;若是新来人员,则将新来人员的当前图像存入预设图库中并创建新来人员的人脸数据;若不是新来人员,则将该名人员的当前图像和预设图库中预存的该名人员的图像做比较,以选取图像质量较高的一者存入所述预设图库中,并作为下一次人脸识别的对比对象。本发明在多人场景下使用的人脸识别技术来统计客流时增加了人脸的归类分组并不断积累高质量的对比照片,还为相近时间内出现的相似照片调低了阈值,增加衣着特征的判断,提高了人脸对比的精准度,使人脸客流统计的准确性和适用性都大为增加。
Description
技术领域
本申请涉及客流分析技术领域,特别是涉及适用于多人场景的人脸客流识别方法、装置、设备和介质。
背景技术
随着人脸识别技术的广泛应用,越来越多场合使用这一技术来统计客流。4S店展厅也在使用这项技术来对到店客户进行识别和客流统计。通常的做法是在展厅入店处设置一个人脸摄像头,对到店的客户进行抓拍,抓拍到的照片调用第三方成熟的人脸识别服务接口进行比对,此类接口会返回其人脸库中是否存在有该人脸照片相似的照片,通常是设定一个相似度阀值,接口返回人脸库中高于阀值的照片编号,通过这种方式理论上可以将抓拍到的多张照片识别后得出哪些照片为同一个人的多张照片,从而认定为1人次客流。并且如果此人曾经(非当天)到过展厅,还标记该客户为再回展厅的客户,以便销售人员及时跟进。
但是,上述做法对于第三方接口的识别准确度要求较高,对于阀值的选值要求也较高,如果阀值设定的偏高,则容易出现同一个人的照片被识别为不同的两个人,造成客流统计时偏高;相反,如果阀值设定偏低,则容易出现不同的人的照片被识别为同一个人,造成客流统计偏低。而实际应用时,我们发现无法很好的同时避免两种情况的产生。
申请内容
鉴于以上所述现有技术的缺点,本申请的目的在于提供适用于多人场景的人脸客流识别方法、装置、设备和介质,用于解决现有技术中客流统计不精准的技术问题。
为实现上述目的及其他相关目的,本申请的第一方面提供一种适用于多人场景的人脸客流识别方法,包括:获取人员的当前图像并提取身份特征;根据所提取的身份特征判断该名人员是否是新来人员;若是新来人员,则将新来人员的当前图像存入预设图库中并创建新来人员的人脸数据;若不是新来人员,则将该名人员的当前图像和预设图库中预存的该名人员的图像做比较,以选取图像质量较高的一者存入所述预设图库中,并作为下一次人脸识别的对比对象。
于本申请的第一方面的一些实施例中,判断该名人员是否是新来人员的方式包括:根据该名人员的人脸特征从预设图库中提取超过相似度低阈值的相似图像集合;若未提取到相似图像,则确定该名人员是新来人员。
于本申请的第一方面的一些实施例中,判断该名人员是否是新来人员的方式还包括:若提取到相似图像且相似度低于相似度高阈值,则判断对比图像是否是相近时间内的两张图像;若不是相近时间内的两张图像,则判断是否是当天内的相似图像且衣着特征一致;若是当天内的相似图像但衣着不一致,则确定该名人员是新来人员;否则,确定该名人员和相似图像中的人员为同一人。
于本申请的第一方面的一些实施例中,所述身份特征包括人脸特征和衣着特征;其中,所述衣着特征包括衣着的种类特征、颜色特征、花纹种类特征中的任意一种或多种的组合。
于本申请的第一方面的一些实施例中,所述预设图库中预存有多名人员的图像信息,每名人员对应预存有多个图像。
于本申请的第一方面的一些实施例中,每名人员对应预存的多个图像按照图像质量进行分级,包括高质量图像、中质量图像、低质量图像。
于本申请的第一方面的一些实施例中,所述图像质量的分级因素包括:图像曝光是否充足、人脸角度是否偏离较大、五官是否被遮挡中的任意一种或多种的组合。
为实现上述目的及其他相关目的,本申请的第二方面提供一种适用于多人场景的人脸客流识别装置,包括:特征提取模块,用于获取人员的当前图像并提取身份特征;人员判断模块,用于根据所提取的身份特征判断该名人员是否是新来人员;人员管理模块,用于在判断是新来人员时将新来人员的当前图像存入预设图库中并创建新来人员的人脸数据,并在判断不是新来人员时将该名人员的当前图像和预设图库中预存的该名人员的图像做比较,以选取图像质量较高的一者存入所述预设图库中,并作为下一次人脸识别的对比对象。
为实现上述目的及其他相关目的,本申请的第三方面提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述适用于多人场景的人脸客流识别方法。
为实现上述目的及其他相关目的,本申请的第四方面提供一种电子终端,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行所述适用于多人场景的人脸客流识别方法。
如上所述,本申请的适用于多人场景的人脸客流识别方法、装置、设备和介质,具有以下有益效果:本发明在多人场景下使用的人脸识别技术来统计客流时增加了人脸的归类分组并不断积累高质量的对比照片,还为相近时间内出现的相似照片调低了阈值,并额外增加了衣着特征的判断,从而大大提高了人脸对比判断的精准度,使人脸客流统计的准确性和适用性都大为增加。
附图说明
图1显示为本申请一实施例中适用于多人场景的人脸客流识别方法的流程示意图。
图2显示为本申请一实施例中预设图库的结构示意图。
图3显示为本申请一实施例中适用于多人场景的人脸客流识别方法的流程示意图。
图4显示为本申请一实施例中适用于多人场景的人脸客流识别装置的结构示意图。
图5显示为本申请一实施例中计算机设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,在下述描述中,参考附图,附图描述了本申请的若干实施例。应当理解,还可使用其他实施例,并且可以在不背离本申请的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的,并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例,而并非旨在限制本申请。空间相关的术语,例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等,可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
在本申请中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”、“固持”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。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申请中的具体含义。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
由于现有的人脸识别技术中,第三方接口的识别准确度要求较高,对阈值的选值要求也较高,阈值设定偏高或偏低都会对客流统计结果造成困扰。本发明在现有技术的基础上得出结论如下,第三方人脸识别服务是建立在照片比对的基础上的,若比对的照片本身质量不高(例如拍摄角度或光线明暗等因素的限制),调用接口比较时的标准阈值很难得到较为准确的划分。
有鉴于此,本发明提供了一种全新的技术解决方案,旨在多人场景下使用人脸识别技术来统计客流时增加了人脸的归类分组并不断积累高质量的对比照片,还增加了衣着特征来辅助判断,从而大大提高了人脸对比判断的精准度,进而使人脸客流系统的准确性和适用性都大为增加。
为了使本发明的目的、技术方案及优点更加清楚明白,通过下述实施例并结合附图,对本发明实施例中的技术方案的进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定发明。
实施例一:
如图1所示,展示了本发明一实施例中的适用于多人场景的人脸客流识别方法的流程示意图,主要包括子步骤S11~S14。需说明的是,本发明中涉及的多人场景主要是指有多名人员流动的经营场所,包括但不限于如4S店、卖场、超市、便利店、要点或者菜场等场所。
应理解的是,本实施中的方法可应用于计算机设备,包括但不限于如台式电脑、笔记本电脑、平板电脑、智能手机、智能电视、个人数字助理(Personal Digital Assistant,简称PDA)等个人电脑。在另一些实施方式中,所述方法也可应用于服务器,所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上,也可以由分布的或集中的服务器集群构成,本实施例不作限定。
步骤S11,获取人员的当前图像并提取身份特征。
在本实施例可选的实现方式中,身份特征包括但不限于人脸特征和衣着特征。具体可利用局部特征提取算法或全局特征提取算法来进行特征提取,局部特征提取算法例如可采用Gabor滤波算法或LBP编码算法,全局特征提取算法可采用PCA算法或LDA算法,由于这些算法本身已是现有,故不再赘述。
步骤S12,根据所提取的身份特征判断该名人员是否是新来人员。判断是否是新来人员的原理和过程会与下文中予以说明。
步骤S13,若是新来人员,则将新来人员的当前图像存入预设图库中并创建新来人员的人脸数据。换言之,若系统比对其他照片发现没有与之相符的人脸照片,则会认为当前这名人员是一位新客户,所以会将当前图像存入预设图库中并创建新来人员的人脸数据。
本实施例中的预设图库与通常意义上的图库存在较大的区别,通常意义上的图库会预存人脸,人和照片是一对第一的关系,而本实施例中的预设图库针对识别出来的顾客的照片进行了归类并建立索引,并形成了人和照片的一对多的对应关系。预设图库中人与照片一对多的关系可参照图2,预设图库中预存有顾客1、顾客2、……顾客n,顾客1对应有照片1、照片2、……照片n,顾客2也对应有照片1、照片2、……照片n,以此类推。但需说明的是,每个顾客对应的照片数量虽然都用n表示,但本实施例并不要求每个顾客对应的照片数量须相同。
其中,预设图库中的图像按照图像质量进行分级,具体可分为高质量图像、中质量图像、低质量图像。图像质量的分级因素包括但不限于如图像曝光是否充足、人脸角度是否偏离较大、五官(如口、鼻、眼等部位)是否被遮挡等等。举例来说,可将同时满足图像曝光充足、人脸角度偏离较小、以及五官未被遮挡这三个条件的图像归为高质量图像,将不满足其中一个条件的图像归为中质量图像,将不满足其中任意两个甚至三个条件的图像归为低质量图像。出于说明性目的而提供以上示例,并且以上示例不应被理解成是限制性的。
步骤S14,若不是新来人员,则将该名人员的当前图像和预设图库中预存的该名人员的图像做比较,以选取图像质量较高的一者存入所述预设图库中,并作为下一次人脸识别的对比对象。
具体来说,当一位新的客户第一次被抓拍时(即在比对其他照片后没有发现与之相符的人脸照片)会为这张照片创建人脸数据;而当再次抓拍到这位客户时(即在比对其他照片后发现有相似度超过阈值的人脸照片)会对是否追加这张照片到这位客户做一个判断:若当前这张照片的图像质量低于之前预存的照片则不予追加,若图像质量高于之前预存的照片则予以追加。本实施例采用追加照片的目的在于不断提升预设图库中照片的图像质量,下次再有照片进行比对时会优先比对质量高的照片,这样调用第三方人脸识别服务接口时,由于使用的照片是经过筛选的高质量照片,人脸识别结果会更加精准,客流统计结果相应更加可信。
上文,对分别如何处理新来人员和非新来人员的图像做了详细的解释说明;下文,将对如何判断当前人员是否是新来人员做进一步的说明。
在判断当前人员是否是新来人员的过程中,可采用如下方式进行判断:根据该名人员的人脸特征从预设图库中提取超过相似度低阈值的相似图像集合;若未提取到相似图像,则确定该名人员是新来人员。
进一步的,还可采用如下方式进行判断:若提取到相似图像且相似度低于相似度高阈值,则判断对比图像是否是相近时间内的两张图像;若提取到相似图像且相似度低于相似度高阈值,则判断对比图像是否是相近时间内的两张图像;若是当天内的相似图像但衣着不一致,则确定该名人员是新来人员;否则,确定该名人员和相似图像中的人员为同一人。
为便于本领域技术人员理解,现以4S店内的客流统计为例来进行说明,具体如图3所示,主要包括步骤S300~S316。
步骤S300:开始。
步骤S301:获取顾客的当前图像;即对顾客的人脸进行抓拍获得照片。
步骤S302:调用第三方人脸识别服务接口获取顾客的身份特征;所述身份特征包括人脸特征和衣着特征,所述衣着特征包括衣着的种类特征、颜色特征、花纹种类特征中的任意一种或多种的组合。
步骤S303:调用第三方人脸识别服务接口返回超过相似度低阈值的人脸集合。
步骤S304:判断是否有相似照片。
步骤S305:若没有相似照片,却可确定这名顾客是新到店顾客。
步骤S306:若有相似照片,则判断相似度计算值是否高于相似度高阈值。
步骤S307:若似度计算值高于相似度高阈值,则确定抓拍的照片和返回的相似照片是同一人。相似度高阈值代表了较高的判断要求,相似度低阈值代表了较低的判断要求;若相似度计算值高于相似度高阈值,则可直接判断抓拍照片和相似照片是同一人;而若相似度计算值高于相似度低阈值但低于相似度高阈值,则需要继续做下面的判断。
步骤S308:若相似度计算值不高于相似度高阈值,则判断对比图像是否是相近时间内的两张图像。
具体来说,对于人脸摄像头抓拍的照片,通常在顾客进店时拍下多张照片,这些照片之间进行比较经常会出现相似度计算值低于阈值的情况,从而被识别成不同的两个人。为此,本实施例在相近时间内的两张照片比较时会适当调低阈值,因为在现实生活中长相很相似的两个人在相近时间内(例如10秒内、1分钟内或者十几分钟内等等)陆续到店的可能性较小,所以在调低阈值后,更倾向于被识别成是同一人,这样就不会出现重复统计客流人次的情况,大大提升了客流统计的精准度。
步骤S309:若对比图像是相近时间内的两张图像,则确定抓拍的照片和返回的相似照片是同一人。
步骤S310:若对比图像不是相近时间内的两张图像,则判断是否是当天内的相似图像且衣着特征一致。
在本实施例中,对于前述内容中提及的相近时间内到店长相高度相似的顾客,又做了进一步的优化,引入了衣着特征,具体分析如下:由于入店顾客(例如本实施例中的4S店)主要是成年人,成年人当中即便是双胞胎同时到店,其衣着特征也不会相同;未成年的双胞胎穿着完全一致是较为常见的,但成年双胞胎往往会因个性差异而选择不同的衣着,反而是情侣之间衣着一致的概率更大一些。因此基于上述分析,本实施例引入了衣着特征的识别,用于更完善地进行人脸识别。人脸摄像机抓拍的照片是半身照片,衣着的识别同样调用第三方接口返回衣着的种类、颜色、花纹种类等特征,将这些特征辅助人脸对比的结果会得出更加接近真实的结论。
步骤S311:若是当天内的相似图像但衣着不一致,则确定这名顾客是新到店顾客。
步骤S312:若是当天内的相似图像而且衣着一致,却确定抓拍的照片和返回的相似照片是同一人。
步骤S313:为新到店顾客创建人脸数据。
步骤S314:判断抓拍照片的图像质量是否低于相似照片。
步骤S315:若拍照片的图像质量高于相似照片,则将抓拍照片追加至此顾客的照片集中。
步骤S316:若拍照片的图像质量不高于相似照片,则结束。
由上述内容可知,本实施例在多人场景下使用的人脸识别技术来统计客流时增加了人脸的归类分组并不断积累高质量的对比照片,还为相近时间内出现的相似照片调低了阈值,并额外增加了衣着特征的判断,从而大大提高了人脸对比判断的精准度,使人脸客流统计的准确性和适用性都大为增加。
实施例二:
如图4所示,展示了本发明一实施例中的适用于多人场景的人脸客流识别装置的结构示意图。本实施例的人脸客流识别装置包括特征提取模块41、人员判断模块42、人员管理模块43。
特征提取模块41用于获取人员的当前图像并提取身份特征;人员判断模块42用于根据所提取的身份特征判断该名人员是否是新来人员;人员管理模块43用于在判断是新来人员时将新来人员的当前图像存入预设图库中并创建新来人员的人脸数据,并在判断不是新来人员时将该名人员的当前图像和预设图库中预存的该名人员的图像做比较,以选取图像质量较高的一者存入所述预设图库中,并作为下一次人脸识别的对比对象。
需要说明的是,本实施例提供的模块与上文中提供的方法,实施方式类似,故不再赘述。另外需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,人员管理模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上人员管理模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital signal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
实施例三:
如图5所示,展示了本发明一实施例中的计算机设备的结构示意图。本实施例提供的计算机设备包括:处理器51、存储器52、通信器53;存储器52通过系统总线与处理器51和通信器53连接并完成相互间的通信,存储器52用于存储计算机程序,通信器53用于和其他设备进行通信,处理器51用于运行计算机程序,使电子终端执行如上适用于多人场景的人脸客流识别方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称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。
实施例四:
本实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述适用于多人场景的人脸客流识别方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本申请提供适用于多人场景的人脸客流识别方法、装置、设备和介质,在多人场景下使用的人脸识别技术来统计客流时增加了人脸的归类分组并不断积累高质量的对比照片,还为相近时间内出现的相似照片调低了阈值,并额外增加了衣着特征的判断,从而大大提高了人脸对比判断的精准度,使人脸客流统计的准确性和适用性都大为增加。所以,本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (10)
1.一种适用于多人场景的人脸客流识别方法,其特征在于,包括:
获取人员的当前图像并提取身份特征;
根据所提取的身份特征判断该名人员是否是新来人员;
若是新来人员,则将新来人员的当前图像存入预设图库中并创建新来人员的人脸数据;
若不是新来人员,则将该名人员的当前图像和预设图库中预存的该名人员的图像做比较,以选取图像质量较高的一者存入所述预设图库中,并作为下一次人脸识别的对比对象。
2.根据权利要求1所述的人脸客流识别方法,其特征在于,判断该名人员是否是新来人员的方式包括:
根据该名人员的人脸特征从预设图库中提取超过相似度低阈值的相似图像集合;
若未提取到相似图像,则确定该名人员是新来人员。
3.根据权利要求2所述的人脸客流识别方法,其特征在于,判断该名人员是否是新来人员的方式还包括:
若提取到相似图像且相似度低于相似度高阈值,则判断对比图像是否是相近时间内的两张图像;
若不是相近时间内的两张图像,则判断是否是当天内的相似图像且衣着特征一致;
若是当天内的相似图像但衣着不一致,则确定该名人员是新来人员;
否则,确定该名人员和相似图像中的人员为同一人。
4.根据权利要求3所述的方法,其特征在于,所述身份特征包括人脸特征和衣着特征;其中,所述衣着特征包括衣着的种类特征、颜色特征、花纹种类特征中的任意一种或多种的组合。
5.根据权利要求1所述的方法,其特征在于,所述预设图库中预存有多名人员的图像信息,每名人员对应预存有多个图像。
6.根据权利要求5所述的方法,其特征在于,每名人员对应预存的多个图像按照图像质量进行分级,包括高质量图像、中质量图像、低质量图像。
7.根据权利要求6所述的方法,其特征在于,所述图像质量的分级因素包括:图像曝光是否充足、人脸角度是否偏离较大、五官是否被遮挡中的任意一种或多种的组合。
8.一种适用于多人场景的人脸客流识别装置,其特征在于,包括:
特征提取模块,用于获取人员的当前图像并提取身份特征;
人员判断模块,用于根据所提取的身份特征判断该名人员是否是新来人员;
人员管理模块,用于在判断是新来人员时将新来人员的当前图像存入预设图库中并创建新来人员的人脸数据,并在判断不是新来人员时将该名人员的当前图像和预设图库中预存的该名人员的图像做比较,以选取图像质量较高的一者存入所述预设图库中,并作为下一次人脸识别的对比对象。
9.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述适用于多人场景的人脸客流识别方法。
10.一种计算机设备,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如权利要求1至7中任一项所述适用于多人场景的人脸客流识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010463245.3A CN111723678A (zh) | 2020-05-27 | 2020-05-27 | 适用于多人场景的人脸客流识别方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010463245.3A CN111723678A (zh) | 2020-05-27 | 2020-05-27 | 适用于多人场景的人脸客流识别方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111723678A true CN111723678A (zh) | 2020-09-29 |
Family
ID=72565335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010463245.3A Pending CN111723678A (zh) | 2020-05-27 | 2020-05-27 | 适用于多人场景的人脸客流识别方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111723678A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112434661A (zh) * | 2020-12-11 | 2021-03-02 | 四川长虹电器股份有限公司 | 一种人脸识别与分类注册方法、计算机设备及存储介质 |
CN112712041A (zh) * | 2020-12-31 | 2021-04-27 | 北京华安信联通信技术有限公司 | 一种照片分类方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409962A (zh) * | 2018-11-08 | 2019-03-01 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备、计算机可读存储介质 |
CN109598203A (zh) * | 2018-11-06 | 2019-04-09 | 平安科技(深圳)有限公司 | 基于人脸识别的照片添加方法、装置、终端及存储介质 |
CN109871767A (zh) * | 2019-01-17 | 2019-06-11 | 平安科技(深圳)有限公司 | 人脸识别方法、装置、电子设备及计算机可读存储介质 |
CN110334688A (zh) * | 2019-07-16 | 2019-10-15 | 重庆紫光华山智安科技有限公司 | 基于人脸照片库的图像识别方法、装置和计算机可读存储介质 |
CN110766474A (zh) * | 2019-10-30 | 2020-02-07 | 浙江易时科技股份有限公司 | 基于人脸识别技术的销售展厅客流批次统计 |
CN111126119A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 基于人脸识别的到店用户行为统计方法和装置 |
-
2020
- 2020-05-27 CN CN202010463245.3A patent/CN111723678A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126119A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 基于人脸识别的到店用户行为统计方法和装置 |
CN109598203A (zh) * | 2018-11-06 | 2019-04-09 | 平安科技(深圳)有限公司 | 基于人脸识别的照片添加方法、装置、终端及存储介质 |
CN109409962A (zh) * | 2018-11-08 | 2019-03-01 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备、计算机可读存储介质 |
CN109871767A (zh) * | 2019-01-17 | 2019-06-11 | 平安科技(深圳)有限公司 | 人脸识别方法、装置、电子设备及计算机可读存储介质 |
CN110334688A (zh) * | 2019-07-16 | 2019-10-15 | 重庆紫光华山智安科技有限公司 | 基于人脸照片库的图像识别方法、装置和计算机可读存储介质 |
CN110766474A (zh) * | 2019-10-30 | 2020-02-07 | 浙江易时科技股份有限公司 | 基于人脸识别技术的销售展厅客流批次统计 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112434661A (zh) * | 2020-12-11 | 2021-03-02 | 四川长虹电器股份有限公司 | 一种人脸识别与分类注册方法、计算机设备及存储介质 |
CN112712041A (zh) * | 2020-12-31 | 2021-04-27 | 北京华安信联通信技术有限公司 | 一种照片分类方法 |
CN112712041B (zh) * | 2020-12-31 | 2023-12-01 | 北京华安信联通信技术有限公司 | 一种照片分类方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9934450B2 (en) | System and method for creating a collection of images | |
KR101759453B1 (ko) | 자동 이미지 크로핑 및 공유 | |
WO2017000716A2 (zh) | 图片的管理方法、装置及终端设备 | |
CN103617432A (zh) | 一种场景识别方法及装置 | |
US10679041B2 (en) | Hybrid deep learning method for recognizing facial expressions | |
CN109409377B (zh) | 图像中文字的检测方法及装置 | |
JP2004361987A (ja) | 画像検索システム、画像分類システム、画像検索プログラム及び画像分類プログラム、並びに画像検索方法及び画像分類方法 | |
CN111723678A (zh) | 适用于多人场景的人脸客流识别方法、装置、设备和介质 | |
US11783192B2 (en) | Hybrid deep learning method for recognizing facial expressions | |
CN111695495A (zh) | 人脸识别方法、电子设备及存储介质 | |
CN112966758B (zh) | 一种农作物病虫草害识别方法、装置、系统及存储介质 | |
CN110929063A (zh) | 相册生成方法、终端设备及计算机可读存储介质 | |
CN111738120B (zh) | 人物识别方法、装置、电子设备及存储介质 | |
Narzillo et al. | Peculiarities of face detection and recognition | |
CN111340569A (zh) | 基于跨境追踪的门店人流分析方法、装置、系统、终端和介质 | |
CN111382627A (zh) | 同行判定方法及相关产品 | |
CN111708906B (zh) | 基于人脸识别的来访检索方法、装置、设备及存储介质 | |
CN113792662A (zh) | 图像检测方法、装置、电子设备以及存储介质 | |
CN113435333A (zh) | 一种数据处理方法、装置、计算机设备和存储介质 | |
CN109190495B (zh) | 性别识别方法、装置及电子设备 | |
CN111339884A (zh) | 图像识别方法以及相关设备、装置 | |
CN112100427A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN112488973A (zh) | 图像智能合成方法、装置、计算机设备及存储介质 | |
CN113111934B (zh) | 一种图像分组方法、装置、电子设备及存储介质 | |
CN115600620B (zh) | 扫码方法、装置、电子设备和存储介质 |
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 |