CN111783677A - 人脸识别方法、装置、服务器和计算机可读介质 - Google Patents
人脸识别方法、装置、服务器和计算机可读介质 Download PDFInfo
- Publication number
- CN111783677A CN111783677A CN202010630945.7A CN202010630945A CN111783677A CN 111783677 A CN111783677 A CN 111783677A CN 202010630945 A CN202010630945 A CN 202010630945A CN 111783677 A CN111783677 A CN 111783677A
- Authority
- CN
- China
- Prior art keywords
- face
- recognition
- target object
- feature information
- action
- 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 102
- 230000009471 action Effects 0.000 claims abstract description 120
- 230000004044 response Effects 0.000 claims abstract description 60
- 230000008569 process Effects 0.000 claims abstract description 54
- 238000000605 extraction Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 9
- 230000001815 facial effect Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 210000004709 eyebrow Anatomy 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000013598 vector Substances 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
-
- 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
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了人脸识别方法、装置、服务器和计算机可读介质。该方法的一具体实施方式包括:响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像,其中,该人脸图像集合是从与该每个识别动作对应的识别过程中获取的;提取所抽取的人脸图像的特征信息作为第一特征信息;基于该第一特征信息和第二特征信息,确定是否为该目标对象在执行该每个识别动作,其中,该第二特征信息是从预先获取到的目标对象的人脸图像中提取到的。该实施方式在完成识别动作的过程中,实现了对目标对象有效的监控,提高了人脸识别的安全性。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及人脸识别方法、装置、服务器和计算机可读介质。
背景技术
人脸识别(Face Recognition)是基于人的脸部特征信息进行身份识别的一种生物识别技术。
人脸识别可以利用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像或视频流中检测和跟踪人脸,进而对检测到的人脸图像进行一系列的相关应用操作。人脸识别在技术上可以包括图像采集、特征定位、身份的确认和查找等。目前,常用的人脸识别技术需要通过目标对象实现一些动作来加强人脸识别的安全性。但是,对于上述目标对象实现上述一些动作的过程中,是否能够保证是同一个人一直在执行上述一些动作,则缺少有效的监控。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了人脸识别方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种人脸识别方法,该方法包括:响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像,其中,上述人脸图像集合是从与上述每个识别动作对应的识别过程中获取的;提取所抽取的人脸图像的特征信息作为第一特征信息;基于上述第一特征信息和第二特征信息,确定是否为上述目标对象在执行上述每个识别动作,其中,上述第二特征信息是从预先获取到的目标对象的人脸图像中提取到的。
第二方面,本公开的一些实施例提供了一种人脸识别装置,装置包括:抽取单元,被配置成响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像,其中,上述人脸图像集合是从与上述每个识别动作对应的识别过程中获取的;提取单元,被配置成提取所抽取的人脸图像的特征信息作为第一特征信息;确定单元,被配置成基于上述第一特征信息和第二特征信息,确定是否为上述目标对象在执行上述每个识别动作,其中,上述第二特征信息是从预先获取到的目标对象的人脸图像中提取到的。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果:首先,响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像,在这里,抽取得人脸图像可以作为是否是上述目标对象一直在执行上述每个识别动作的确定标准。其中,上述人脸图像集合是从与上述每个识别动作对应的识别过程中获取的。然后,提取所抽取的人脸图像的特征信息作为第一特征信息。最后,将上述第一特征信息与第二特征信息进行对比,得到是否为上述目标对象在执行上述每个识别动作的结果,其中,上述第二特征信息是从预先获取到的目标对象的人脸图像中提取到的。从而在完成识别动作的过程中,实现了对目标对象有效的监控,提高了人脸识别的安全性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的人脸识别方法的一个应用场景的示意图;
图2是根据本公开的人脸识别方法的一些实施例的流程图;
图3是根据本公开的人脸识别方法的另一些实施例的流程图;
图4是根据本公开的人脸识别装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的人脸识别方法的一个应用场景的示意图100。
如图1所示,响应于检测到目标对象104完成“微笑”识别动作103,服务器101从人脸图像集合105中抽取一张人脸图像106。其中,上述人脸图像集合105是与在终端设备102显示的“微笑”识别动作103对应的识别过程中获取的。上述人脸图像集合105可以包括:第一人脸图像,第二人脸图像,第三人脸图像,第四人脸图像,第五人脸图像等。人脸图像106可以是上述第一人脸图像。
然后,提取第一人脸图像的特征信息作为第一特征信息107。作为示例,上述第一特征信息可以是下属矩阵,上述二维矩阵为[[152,100,100,20],[100,66,100,63],[70,100,10,100],[66,60,33,90]]。
最后,通过上述第一特征信息107和第二特征信息108,确定是否为上述目标对象在执行上述每个识别动作。其中,上述第二特征信息108可以是从预先获取到的目标对象104的人脸图像中提取到的。可选的,首先可以求出上述第一特征信息107和上述第二特征信息108的相似度。其中,上述第二特征信息可以是下属矩阵,上述下属矩阵为[[112,100,100,20],[170,65,100,63],[70,19,10,90],[69,60,33,90]]。求出的上述相似度为0.76。然后,响应于相似度大于0.5,可以认为识别对象为上述目标对象。
需要说明的是,人脸识别方法可以是由服务器101来执行。上述服务器101可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当服务器101体现为软件时,可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的服务器。
继续参考图2,示出了根据本公开的人脸识别方法的一些实施例的流程200。该人脸识别方法,包括以下步骤:
步骤201,响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像。
在一些实施例中,响应于检测到目标对象完成至少一个识别动作中的每个识别动作,人脸识别方法的执行主体(例如图1所示的服务器101)可以从人脸图像集合中抽取预定数目张人脸图像。其中,上述人脸图像集合是从与上述每个识别动作对应的识别过程中获取的。上述目标对象可以是待识别的人。上述至少一个识别动作可以包括但不限于以下至少一项:微笑,眨眼睛,摇头。需要说明的是,上述识别过程可以是指上述目标对象在完成每个识别动作的过程,可以认为每个识别动作对应着一个识别过程。作为示例,响应于检测到目标对象完成至少一个识别动作中的每个识别动作,上述执行主体可以从人脸图像集合中按照预定时长抽取10张人脸图像。
在一些实施例的一些可选的实现方式中,上述至少一个识别动作中的识别动作的顺序可以是预先设定的。作为示例,上述至少一个识别动作中的识别顺序可以是先微笑,再摇头,最后眨眼睛。
步骤202,提取所抽取的人脸图像的特征信息作为第一特征信息。
在一些实施例中,基于步骤201中抽取的人脸图像,上述执行主体可以提取所抽取的人脸图像的特征信息作为第一特征信息。其中,上述特征信息的提取方法可以包括但不限于以下至少一项:卷积神经网络,HOG(Histogram of Oriented Gradient,方向梯度直方图),SURF(Speeded Up Robust Features,加速稳健特征,),SIFT(Scale-invariantfeatures transform,尺度不变特征变换)。上述第一特征信息可以是表征人脸特征的矩阵。
作为示例,可以借鉴了计算机视觉研究领域的广义对称变换理论,然后联合模板匹配的方法定位出人眼两瞳孔位置,然后根据人脸图像的偏转角度进行校准,转换为人脸的正面图象。接着依据人脸两瞳孔间距离的相对不变性,对图像进行裁剪和缩放,使不同缩放比例的图像进行处理达到统一的大小。对图像中主要特征的定位和提取采用了边缘检测算法,检测出人脸的眼睛、眉毛、鼻子、嘴巴以及脸部轮廓的边缘。接着对图像进行局部区域二值化,定位出各特征的位置。经过特定的判断,得出眼睛、眉毛、鼻子、嘴巴等器官的几何形状和位置关系,把这一组特征矢量存入数据库代表唯一的人脸。在人脸的特征提取方面,共选取了人眼、眉毛、鼻子、嘴等器官的大小和位置以及人面部这些特征处的脸宽度等36个特征值作为第一特征信息。
步骤203,基于上述第一特征信息和第二特征信息,确定是否为上述目标对象在执行上述每个识别动作。
在一些实施例中,人脸识别方法的执行主体可以基于上述第一特征信息和第二特征信息,确定是否为上述目标对象在执行上述每个识别动作。其中,上述第二特征信息是从预先获取到的目标对象的人脸图像中提取到的。作为示例,上述执行主体可以通过确定第一特征信息和第二特征信息之间的对应坐标位置数字的加权平均值,得到的矩阵。然后,求取所得到的矩阵与预先设定的标准矩阵之间的相似度。响应于相似度大于或等于预先设定的阈值,则认为是上述目标对象在执行上述每个识别动作。其中,上述第一特征信息和上述第二特征信息指的是表征人脸特征的矩阵。
在一些实施例的一些可选的实现方式中,上述基于上述第一特征信息和第二特征信息,确定是否为上述目标对象在执行上述每个识别动作可以包括以下步骤:
第一步,确定上述第一特征信息和上述第二特征信息之间的相似度。作为示例,可以首先求解上述第一特征信息和上述第二特征信息之间的余弦值作为上述相似度。
第二步,响应于上述相似度小于第二预定阈值,确定不是上述目标对象在执行上述每个识别动作以及重新执行人脸识别过程。其中,上述人脸识别过程可以是与各个识别动作对应的识别过程的集合。
第三步,响应于上述相似度大于或等于上述第二预定阈值以及上述目标对象未完成至少一个识别动作中的各个识别动作,确定是上述目标对象在执行上述每个识别动作,指示上述目标对象执行下一个动作。
在一些实施例的一些可选的实现方式中,上述方法还包括:响应于检测到上述目标对象完成上述至少一个识别动作中各个识别动作,提示上述目标对象完成人脸识别过程以及执行下一个动作。
在一些实施例的一些可选的实现方式中,上述预先获取到的目标对象的人脸图像是满足预先设定条件的图像。其中,上述预先设定条件可以包括但不限于以下至少一项:人脸图像的亮度值满足预设阈值,人脸图像的分辨率满足预设值。
本公开的一些实施例提供的方法,首先,响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像。在这里,抽取得人脸图像作为是否是上述目标对象一直在执行上述每个识别动作的确定标准。其中,上述人脸图像集合是从与上述每个识别动作对应的识别过程中获取的。然后,提取所抽取的人脸图像的特征信息作为第一特征信息。最后,将上述第一特征信息与第二特征信息进行对比,得到是否为上述目标对象在执行上述每个识别动作的结果,其中,上述第二特征信息是从预先获取到的目标对象的人脸图像中提取到的。从而在完成识别动作的过程中,实现了对目标对象有效的监控,提高了人脸识别的安全性。
进一步参考图3,其示出了人脸识别方法的另一些实施例的流程300。该人脸识别方法的流程300,包括以下步骤:
步骤301,响应于识别过程中未检测人脸时,基于人脸丢失时间和人脸再次检测到的时间,确定消耗时间。
在一些实施例中,响应于上述识别过程中检测不到人脸时,人脸识别方法的执行主体(例如图1所示的服务器101)可以统计人脸丢失时间到人脸再次检测到的时间之间的时长作为消耗时间。
步骤302,响应于上述消耗时间不大于第一预定阈值,提取人脸再次检测得到的人脸图像的特征信息作为第三特征信息。
在一些实施例中,响应于上述消耗时间不大于第一预定阈值,上述执行主体可以提取人脸再次检测得到的人脸图像的特征信息作为第三特征信息。上述特征信息的提取方法可以包括但不限于以下至少一项:卷积神经网络,HOG(Histogram of OrientedGradient,方向梯度直方图),SURF(Speeded Up Robust Features,加速稳健特征),SIFT(Scale-invariant features transform,尺度不变特征变换)。上述第三特征信息可以是表征人脸特征的矩阵。
步骤303,基于上述第二特征信息和上述第三特征信息,确定再次检测到的人脸是否为目标对象的人脸。
在一些实施例中,上述执行主体可以基于上述第二特征信息和上述第三特征信息,确定再次检测到的人脸是否为目标对象的人脸。作为示例,上述执行主体可以通过求取第二特征信息和第三特征信息之间的对应位置数字进行相加求平均值,得到的矩阵与预先设定的标准矩阵进行求解相似度,响应于相似度大于或等于预先设定的阈值,则认为是上述目标对象在执行上述每个识别动作。其中,上述第二特征信息和上述第三特征信息指的是表征人脸特征的矩阵。
在一些实施例的一些可选的实现方式中,上述基于上述第二特征信息和上述第三特征信息,确定再次检测到的人脸是否为目标对象的人脸可以包括以下步骤:
第一步,确定上述第二特征信息和上述第三特征信息之间的相似度。作为示例,可以首先求解上述第二特征信息和上述第三特征信息之间的余弦值作为上述相似度。
第二步,响应于上述相似度小于第三预定阈值,确定再次检测到的人脸不是目标对象的人脸以及重新执行上述识别过程。
第三步,响应于上述相似度大于或等于上述第三预定阈值,确定上述再次检测到的人脸是上述目标对象的人脸以及指示上述目标对象继续执行上述识别动作。
在一些实施例的一些可选的实现方式中,上述方法还包括:响应于上述消耗时间大于上述第一预定阈值,重新执行人脸识别过程。
步骤304,响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像。
步骤305,提取所抽取的人脸图像的特征信息作为第一特征信息。
步骤306,基于上述第一特征信息和第二特征信息,确定是否为上述目标对象在执行上述每个识别动作。
在一些实施例中,步骤304-306的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-203,在此不再赘述。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的人脸识别方法的流程300体现了识别过程中确定上述目标对象离开预定时长,再次识别时是否为上述目标对象的步骤。由此,这些实施例描述的方案允许上述目标对象离开预定时长,实现了对目标对象进一步有效的监控,进一步提高了人脸识别的安全性。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种人脸识别装置的一些实施例,这些装置实施例与图4所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的人脸识别装置400可以包括:抽取单元401、提取单元402和确定单元403。其中,抽取单元401,被配置成响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像,其中,上述人脸图像集合是从与上述每个识别动作对应的识别过程中获取的,上述识别过程为上述目标对象完成一个识别动作的过程;提取单元402,被配置成提取所抽取的人脸图像的特征信息作为第一特征信息;确定单元403,被配置成基于上述第一特征信息和第二特征信息,确定是否为上述目标对象在执行上述每个识别动作,其中,上述第二特征信息是从预先获取到的目标对象的人脸图像中提取到的。
在一些实施例的一些可选的实现方式中,装置400还可以包括:第一确定单元(图中未示出)、提取单元(图中未示出)和第二确定单元(图中未示出)。其中,第一确定单元可以被配置成:响应于上述识别过程中检测不到人脸时,基于人脸丢失时间和人脸再次检测到的时间,确定消耗时间。提取单元可以被配置成:响应于上述消耗时间不大于第一预定阈值,提取人脸再次检测得到的人脸图像的特征信息作为第三特征信息;第二确定单元可以被配置成:基于上述第二特征信息和上述第三特征信息,确定再次检测到的人脸是否为目标对象的人脸。
在一些实施例的一些可选的实现方式中,人脸识别装置400的确定单元403进一步被配置成:确定所述第一特征信息和所述第二特征信息之间的相似度;响应于所述相似度小于第二预定阈值,确定不是所述目标对象在执行所述每个识别动作以及重新执行人脸识别过程;响应于所述相似度大于或等于所述第二预定阈值以及所述目标对象未完成至少一个识别动作中的各个识别动作,确定是所述目标对象在执行所述每个识别动作以及指示所述目标对象执行下一个识别动作。
在一些实施例的一些可选的实现方式中,人脸识别装置400的第二确定单元进一步被配置成:确定所述第二特征信息和所述第三特征信息之间的相似度;响应于所述相似度小于第三预定阈值,确定再次检测到的人脸不是目标对象的人脸以及指示所述目标对象重新执行所述识别过程;响应于所述相似度大于或等于所述第三预定阈值,确定所述再次检测到的人脸是所述目标对象的人脸以及指示所述目标对象继续执行所述识别动作。
在一些实施例的一些可选的实现方式中,装置400还可以包括:指示单元(图中未示出)。其中,指示单元可以被配置成:响应于上述消耗时间大于上述第一预定阈值,重新执行人脸识别过程。
在一些实施例的一些可选的实现方式中,上述预先获取到的目标对象的人脸图像是满足预先设定条件的图像。
在一些实施例的一些可选的实现方式中,装置400还可以包括:提示单元(图中未示出)。其中,提示单元可以被配置成:响应于检测到上述目标对象完成上述至少一个识别动作中各个识别动作,提示上述目标对象完成人脸识别过程以及执行下一个动作。
在一些实施例的一些可选的实现方式中,上述至少一个识别动作中的识别动作的顺序是预先设定的。
可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器)500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像,其中,上述人脸图像集合是从与上述每个识别动作对应的识别过程中获取的;提取所抽取的人脸图像的特征信息作为第一特征信息;基于上述第一特征信息和第二特征信息,确定是否为上述目标对象在执行上述每个识别动作,其中,上述第二特征信息是从预先获取到的目标对象的人脸图像中提取到的。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括抽取单元、提取单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,提取单元还可以被描述为“提取所抽取的人脸图像的特征信息作为第一特征信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
根据本公开的一个或多个实施例,提供了一种人脸识别方法,包括:响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像,其中,上述人脸图像集合是从与上述每个识别动作对应的识别过程中获取的;提取所抽取的人脸图像的特征信息作为第一特征信息;基于上述第一特征信息和第二特征信息,确定是否为上述目标对象在执行上述每个识别动作,其中,上述第二特征信息是从预先获取到的目标对象的人脸图像中提取到的。
根据本公开的一个或多个实施例,上述响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像之前,还包括:响应于上述识别过程中检测不到人脸时,基于人脸丢失时间和人脸再次检测到的时间,确定消耗时间;响应于上述消耗时间不大于第一预定阈值,提取人脸再次检测得到的人脸图像的特征信息作为第三特征信息;基于上述第二特征信息和上述第三特征信息,确定再次检测到的人脸是否为目标对象的人脸。
根据本公开的一个或多个实施例,上述基于上述第一特征信息和第二特征信息,确定是否为上述目标对象在执行上述每个识别动作,包括:确定上述第一特征信息和上述第二特征信息之间的相似度;响应于上述相似度小于第二预定阈值,确定不是上述目标对象在执行上述每个识别动作以及重新执行人脸识别过程;响应于上述相似度大于或等于上述第二预定阈值以及上述目标对象未完成至少一个识别动作中的各个识别动作,确定是上述目标对象在执行上述每个识别动作以及指示上述目标对象执行下一个识别动作。
根据本公开的一个或多个实施例,上述基于上述第二特征信息和上述第三特征信息,确定再次检测到的人脸是否为目标对象的人脸,包括:确定上述第二特征信息和上述第三特征信息之间的相似度;响应于上述相似度小于第三预定阈值,确定再次检测到的人脸不是目标对象的人脸以及指示上述目标对象重新执行上述识别过程;响应于上述相似度大于或等于上述第三预定阈值,确定上述再次检测到的人脸是上述目标对象的人脸以及指示上述目标对象继续执行上述识别动作。
根据本公开的一个或多个实施例,上述方法还包括:响应于上述消耗时间大于上述第一预定阈值,重新执行人脸识别过程。
根据本公开的一个或多个实施例,上述预先获取到的目标对象的人脸图像是满足预先设定条件的图像。
根据本公开的一个或多个实施例,上述方法还包括:响应于检测到上述目标对象完成上述至少一个识别动作中各个识别动作,提示上述目标对象完成人脸识别过程以及执行下一个动作。
根据本公开的一个或多个实施例,上述至少一个识别动作中的识别动作的顺序是预先设定的。
根据本公开的一个或多个实施例,提供了一种人脸识别装置,包括:抽取单元,被配置成响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像,其中,上述人脸图像集合是从与上述每个识别动作对应的识别过程中获取的;提取单元,被配置成提取所抽取的人脸图像的特征信息作为第一特征信息;确定单元,被配置成基于上述第一特征信息和第二特征信息,确定是否为上述目标对象在执行上述每个识别动作,其中,上述第二特征信息是从预先获取到的目标对象的人脸图像中提取到的。
根据本公开的一个或多个实施例,装置还可以包括:第一确定单元、提取单元和第二确定单元(图中未示出)。其中,第一确定单元可以被配置成:响应于上述识别过程中检测不到人脸时,基于人脸丢失时间和人脸再次检测到的时间,确定消耗时间。提取单元可以被配置成:响应于上述消耗时间不大于第一预定阈值,提取人脸再次检测得到的人脸图像的特征信息作为第三特征信息;第二确定单元可以被配置成:基于上述第二特征信息和上述第三特征信息,确定再次检测到的人脸是否为目标对象的人脸。
根据本公开的一个或多个实施例,人脸识别装置的确定单元进一步被配置成:确定上述第一特征信息和上述第二特征信息之间的相似度;响应于上述相似度小于第二预定阈值,确定不是上述目标对象在执行上述每个识别动作以及重新执行人脸识别过程;响应于上述相似度大于或等于上述第二预定阈值以及上述目标对象未完成至少一个识别动作中的各个识别动作,确定是上述目标对象在执行上述每个识别动作以及指示上述目标对象执行下一个识别动作。
根据本公开的一个或多个实施例,人脸识别装置的第二确定单元进一步被配置成:确定上述第二特征信息和上述第三特征信息之间的相似度;响应于上述相似度小于第三预定阈值,确定再次检测到的人脸不是目标对象的人脸以及指示上述目标对象重新执行上述识别过程;响应于上述相似度大于或等于上述第三预定阈值,确定上述再次检测到的人脸是上述目标对象的人脸以及指示上述目标对象继续执行上述识别动作。
根据本公开的一个或多个实施例,装置还可以包括:指示单元(图中未示出)。其中,指示单元可以被配置成:响应于上述消耗时间大于上述第一预定阈值,重新执行人脸识别过程。
根据本公开的一个或多个实施例,上述预先获取到的目标对象的人脸图像是满足预先设定条件的图像。
根据本公开的一个或多个实施例,装置还可以包括:提示单元(图中未示出)。其中,提示单元可以被配置成:响应于检测到上述目标对象完成上述至少一个识别动作中各个识别动作,提示上述目标对象完成人脸识别过程以及执行下一个动作。
根据本公开的一个或多个实施例,在一些实施例的一些可选的实现方式中,上述至少一个识别动作中的识别动作的顺序是预先设定的。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (11)
1.一种人脸识别方法,包括:
响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像,其中,所述人脸图像集合是从与所述每个识别动作对应的识别过程中获取的;
提取所抽取的人脸图像的特征信息作为第一特征信息;
基于所述第一特征信息和第二特征信息,确定是否为所述目标对象在执行所述每个识别动作,其中,所述第二特征信息是从预先获取到的目标对象的人脸图像中提取到的。
2.根据权利要求1所述的方法,其中,所述响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像之前,还包括:
响应于所述识别过程中检测不到人脸,基于人脸丢失时间和人脸再次检测到的时间,确定消耗时间;
响应于所述消耗时间不大于第一预定阈值,提取人脸再次检测得到的人脸图像的特征信息作为第三特征信息;
基于所述第二特征信息和所述第三特征信息,确定再次检测到的人脸是否为所述目标对象的人脸。
3.根据权利要求1所述的方法,其中,所述基于所述第一特征信息和第二特征信息,确定是否为所述目标对象在执行所述每个识别动作,包括:
确定所述第一特征信息和所述第二特征信息之间的相似度;
响应于所述相似度小于第二预定阈值,确定不是所述目标对象在执行所述每个识别动作以及重新执行人脸识别过程;
响应于所述相似度大于或等于所述第二预定阈值以及所述目标对象未完成至少一个识别动作中的各个识别动作,确定是所述目标对象在执行所述每个识别动作以及指示所述目标对象执行下一个识别动作。
4.根据权利要求2所述的方法,其中,所述基于所述第二特征信息和所述第三特征信息,确定再次检测到的人脸是否为目标对象的人脸,包括:
确定所述第二特征信息和所述第三特征信息之间的相似度;
响应于所述相似度小于第三预定阈值,确定再次检测到的人脸不是目标对象的人脸以及指示所述目标对象重新执行所述识别过程;
响应于所述相似度大于或等于所述第三预定阈值,确定所述再次检测到的人脸是所述目标对象的人脸以及指示所述目标对象继续执行所述识别动作。
5.根据权利要求2所述的方法,其中,所述方法还包括:
响应于所述消耗时间大于所述第一预定阈值,重新执行人脸识别过程。
6.根据权利要求1所述的方法,其中,所述预先获取到的目标对象的人脸图像是满足预先设定条件的图像。
7.根据权利要求1所述的方法,其中,所述方法还包括:
响应于检测到所述目标对象完成所述至少一个识别动作中各个识别动作,提示所述目标对象完成人脸识别过程以及执行下一个动作。
8.根据权利要求1所述的方法,其中,所述至少一个识别动作中的识别动作的顺序是预先设定的。
9.一种人脸识别装置,包括:
抽取单元,被配置成响应于检测到目标对象完成至少一个识别动作中的每个识别动作,从人脸图像集合中抽取预定数目张人脸图像,其中,所述人脸图像集合是从与所述每个识别动作对应的识别过程中获取的;
提取单元,被配置成提取所抽取的人脸图像的特征信息作为第一特征信息;
确定单元,被配置成基于所述第一特征信息和第二特征信息,确定是否为所述目标对象在执行所述每个识别动作,其中,所述第二特征信息是从预先获取到的目标对象的人脸图像中提取到的。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-8任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010630945.7A CN111783677B (zh) | 2020-07-03 | 2020-07-03 | 人脸识别方法、装置、服务器和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010630945.7A CN111783677B (zh) | 2020-07-03 | 2020-07-03 | 人脸识别方法、装置、服务器和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111783677A true CN111783677A (zh) | 2020-10-16 |
CN111783677B CN111783677B (zh) | 2023-12-01 |
Family
ID=72758263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010630945.7A Active CN111783677B (zh) | 2020-07-03 | 2020-07-03 | 人脸识别方法、装置、服务器和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111783677B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537028A (zh) * | 2021-07-09 | 2021-10-22 | 中星电子股份有限公司 | 用于人脸识别系统的控制方法、装置、设备和介质 |
CN116028499A (zh) * | 2023-02-01 | 2023-04-28 | 四川智慧高速科技有限公司 | 检测信息生成方法、电子设备和计算机可读介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375970A (zh) * | 2010-08-13 | 2012-03-14 | 北京中星微电子有限公司 | 一种基于人脸的身份认证方法和认证装置 |
CN104636734A (zh) * | 2015-02-28 | 2015-05-20 | 深圳市中兴移动通信有限公司 | 终端人脸识别方法和装置 |
CN108140123A (zh) * | 2017-12-29 | 2018-06-08 | 深圳前海达闼云端智能科技有限公司 | 人脸活体检测方法、电子设备和计算机程序产品 |
CN108171207A (zh) * | 2018-01-17 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 基于视频序列的人脸识别方法和装置 |
CN108388878A (zh) * | 2018-03-15 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 用于识别人脸的方法和装置 |
CN108830062A (zh) * | 2018-05-29 | 2018-11-16 | 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 |
CN110008793A (zh) * | 2018-01-05 | 2019-07-12 | 中国移动通信有限公司研究院 | 人脸识别方法、装置及设备 |
US20190228211A1 (en) * | 2017-08-17 | 2019-07-25 | Ping An Technology (Shenzhen) Co., Ltd. | Au feature recognition method and device, and storage medium |
CN110443134A (zh) * | 2019-07-03 | 2019-11-12 | 安徽四创电子股份有限公司 | 一种基于视频流的人脸识别跟踪的系统及工作方法 |
-
2020
- 2020-07-03 CN CN202010630945.7A patent/CN111783677B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375970A (zh) * | 2010-08-13 | 2012-03-14 | 北京中星微电子有限公司 | 一种基于人脸的身份认证方法和认证装置 |
CN104636734A (zh) * | 2015-02-28 | 2015-05-20 | 深圳市中兴移动通信有限公司 | 终端人脸识别方法和装置 |
US20190228211A1 (en) * | 2017-08-17 | 2019-07-25 | Ping An Technology (Shenzhen) Co., Ltd. | Au feature recognition method and device, and storage medium |
CN108140123A (zh) * | 2017-12-29 | 2018-06-08 | 深圳前海达闼云端智能科技有限公司 | 人脸活体检测方法、电子设备和计算机程序产品 |
CN110008793A (zh) * | 2018-01-05 | 2019-07-12 | 中国移动通信有限公司研究院 | 人脸识别方法、装置及设备 |
CN108171207A (zh) * | 2018-01-17 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 基于视频序列的人脸识别方法和装置 |
CN108388878A (zh) * | 2018-03-15 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 用于识别人脸的方法和装置 |
CN108830062A (zh) * | 2018-05-29 | 2018-11-16 | 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 |
CN110443134A (zh) * | 2019-07-03 | 2019-11-12 | 安徽四创电子股份有限公司 | 一种基于视频流的人脸识别跟踪的系统及工作方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537028A (zh) * | 2021-07-09 | 2021-10-22 | 中星电子股份有限公司 | 用于人脸识别系统的控制方法、装置、设备和介质 |
CN116028499A (zh) * | 2023-02-01 | 2023-04-28 | 四川智慧高速科技有限公司 | 检测信息生成方法、电子设备和计算机可读介质 |
CN116028499B (zh) * | 2023-02-01 | 2023-06-16 | 四川智慧高速科技有限公司 | 检测信息生成方法、电子设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111783677B (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11238272B2 (en) | Method and apparatus for detecting face image | |
CN111696176B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN110163096B (zh) | 人物识别方法、装置、电子设备和计算机可读介质 | |
CN108108711B (zh) | 人脸布控方法、电子设备及存储介质 | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN108388889B (zh) | 用于分析人脸图像的方法和装置 | |
CN108509994B (zh) | 人物图像聚类方法和装置 | |
CN108229375B (zh) | 用于检测人脸图像的方法和装置 | |
CN111325107B (zh) | 检测模型训练方法、装置、电子设备和可读存储介质 | |
CN114092678A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111783677B (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN108399401B (zh) | 用于检测人脸图像的方法和装置 | |
CN114612987A (zh) | 一种表情识别方法及装置 | |
CN111091106A (zh) | 图像聚类方法及装置、存储介质、电子装置 | |
CN111126159A (zh) | 用于实时跟踪行人的方法、装置、电子设备和介质 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN114140880A (zh) | 步态识别方法和装置 | |
CN114882576B (zh) | 人脸识别方法、电子设备、计算机可读介质和程序产品 | |
CN110765304A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN111898529B (zh) | 脸部检测方法、装置、电子设备和计算机可读介质 | |
CN114067394A (zh) | 人脸活体检测方法、装置、电子设备及存储介质 | |
CN113936329A (zh) | 虹膜识别方法、装置、电子设备和计算机可读介质 | |
CN113869198A (zh) | 虹膜图像处理方法、装置、电子设备和计算机可读介质 | |
CN112085035A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN112070022A (zh) | 人脸图像识别方法、装置、电子设备和计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |