CN111814551A - 基于小程序的人脸识别方法、装置、设备及存储介质 - Google Patents
基于小程序的人脸识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111814551A CN111814551A CN202010508883.2A CN202010508883A CN111814551A CN 111814551 A CN111814551 A CN 111814551A CN 202010508883 A CN202010508883 A CN 202010508883A CN 111814551 A CN111814551 A CN 111814551A
- Authority
- CN
- China
- Prior art keywords
- photo
- face
- preset
- applet
- copied
- 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 54
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 13
- 238000012706 support-vector machine Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000004397 blinking Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer 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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种基于小程序的人脸识别方法、装置、电子设备及存储介质，涉及人脸识别技术领域。本发明通过在小程序的前端抓拍用户的照片，并采用翻拍照片模型识别照片的人脸区域，判断该照片是不是翻拍照片，如果确定不是翻拍照片，则将该照片进一步发送到服务端进行安全认证，从而使得可以无网络进行人脸识别，有效拦截翻拍照片，减少了小程序平台的人脸识别接口调用率，提高了人脸识别的准确度，提升了用户体验感。
Description
技术领域
本发明涉及人脸识别技术领域，具体而言，涉及一种基于小程序的人脸识别方法、装置、设备及存储介质。
背景技术
小程序是一种不需要下载安装即可以使用的应用，对于开发者而言在小程序开发平台基础上开发小程序简单便捷，对于用户而言无需安装卸载小程序，随时可用，因此，小程序越来越受应用市场和用户的欢迎。
目前，小程序开发平台通常是把人脸图片传送到云平台进行人脸识别，然后，再把结果通过的应用程序编程接口(Application Programming Interface，简称API)回传到应用端，云平台API接口调用虽然接入应用相对比较简单，但在使用上会受制于网络稳定性，用户体验会有一定的影响。
发明内容
本发明提供一种基于小程序的人脸识别方法、装置、电子设备及存储介质，可以无网络进行人脸识别，有效拦截翻拍照片，减少了小程序平台的人脸识别接口调用率，提高了人脸识别的准确度，提升了用户体验感。
第一方面，本发明实施例提供一种基于小程序的人脸识别方法，应用于客户端，该方法包括：
调用小程序抓拍用户的照片，获取照片符合预设要求的人脸区域；
根据预设的基于色彩纹理分析翻拍照片的模型，对人脸区域进行识别；
若确定照片不是翻拍照片，则将该照片发送给服务端进行安全认证。
可选地，在一个实施方式中，获取照片符合预设要求的人脸区域，包括：
获取照片的人脸特征信息和质量信息，确定照片是否包含人脸；
若照片包含人脸，则根据用户的环境安全信息，以及按照多个预设动作的随机组合确定人脸是否符合预设要求；
若符合预设要求，则获取照片中符合第一像素大小的人脸区域。
可选地，在一个实施方式中，根据预设的基于色彩纹理分析翻拍照片的模型，对照片的人脸区域进行识别之前，基于小程序的人脸识别方法还包括：
获取第一像素大小的翻拍照片样本，将翻拍照片样本按照第二像素大小划分为多个单位区域；
获取每一个单位区域的直方图，并对所述直方图进行归一化处理，得到所述第一像素大小的翻拍照片样本的色彩纹理特征向量；
根据第一像素大小的翻拍照片样本的色彩纹理特征向量以及预设的SVM算法，得到预设的基于色彩纹理分析翻拍照片的模型。
可选地，在一个实施方式中，基于小程序的人脸识别方法还包括：
获取照片失败时，采集客户端对应的异常信息发送给服务端；
或者，人脸认证失败时，发送对应的提示信息。
第二方面，本发明实施例提供一种基于小程序的人脸识别装置，应用于客户端，该装置包括：
获取模块，用于调用小程序抓拍用户的照片，获取照片符合预设要求的人脸区域；
识别模块，用于根据预设的基于色彩纹理分析翻拍照片的模型，对照片的人脸区域进行识别；
发送模块，用于若确定照片不是翻拍照片，则将照片发送给服务端进行人脸认证。
可选地，在一个实施方式中，所述获取模块包括：
第一判断模块，用于根据照片的人脸特征信息和人脸质量信息，确定所述照片是否包含人脸；
第二判断模块，用于若照片包含人脸，则根据用户的环境安全信息，以及按照多个预设动作的随机组合确定所述照片是否符合预设要求；
人脸获取模块，用于若符合预设要求，则获取照片中符合第一像素大小的人脸区域。
可选地，在一个实施方式中，所述基于小程序的人脸识别装置还包括：模型建立模块；
模型建立模块用于在根据预设的基于色彩纹理分析翻拍照片的模型，对所述人脸区域进行识别之前，获取第一像素大小的翻拍照片样本，将翻拍照片样本按照第二像素大小划分为多个单位区域；
获取每一个单位区域的直方图，并对直方图进行归一化处理，得到第一像素大小的翻拍照片样本的色彩纹理特征向量；
根据第一像素大小的翻拍照片样本的色彩纹理特征向量以及预设的SVM算法，得到预设的基于色彩纹理分析翻拍照片的模型。
可选地，在一个实施方式中，所述基于小程序的人脸识别装置还包括：异常模块；
异常模块用于获取照片失败时，采集客户端对应的异常信息发送给服务端；或者，人脸认证失败时，发送对应的提示信息。
第三方面，本发明实施例提供一种电子设备，包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行机器可读指令，以执行如第一方面所述的基于小程序的人脸识别方法。
第四方面，本发明实施例还提供一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器运行时执行如第一方面所述的基于小程序的人脸识别方法。
本发明的有益效果是：
本实施例通过在小程序的前端抓拍用户的照片，并采用翻拍照片模型识别照片的人脸区域，判断该照片是不是翻拍照片，如果确定不是翻拍照片，则将该照片进一步发送到服务端进行安全认证，从而使得可以无网络进行人脸识别，有效拦截翻拍照片，减少了小程序平台的人脸识别接口调用率，提高了人脸识别的准确度，提升了用户体验感。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本发明实施例提供的基于小程序的人脸识别方法的流程示意图；
图2示出了本发明实施例提供的基于小程序的人脸识别方法的流程示意图二；
图3示出了本发明实施例提供的基于小程序的人脸识别方法的流程示意图三；
图4示出了本发明实施例提供的基于小程序的人脸识别方法的流程示意图四；
图5示出了本发明实施例提供的基于小程序的人脸识别装置的结构示意图一；
图6示出了本发明实施例提供的基于小程序的人脸识别装置的结构示意图二；
图7示出了本发明实施例提供的基于小程序的人脸识别装置的结构示意图三；
图8示出了本发明实施例提供的基于小程序的人脸识别装置的结构示意图四；
图9示出了本发明实施例提供的基于小程序的人脸识别设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
本发明实施例提供一种基于小程序的人脸识别方法，可以应用于客户端，通过基于色彩纹理分析翻拍照片模型识别小程序抓拍的用户照片，从而可以实现在客户端对用户进行人脸识别，并能够判断出该用户照片是否为翻拍照片，使得可以无网络进行人脸识别来保护基于小程序的应用的使用安全。该方法的执行主体客户端可以是设置有或者安装有摄像头的智能手机、智能手表、手持机、笔记本等终端或者计算机，或者也可以是终端或计算机种的某个或者多个处理器。服务端可以是计算机或者服务器，或者多个服务器构成的服务器集群、云服务器等，本发明对此不作限制。
图1示出了本发明实施例提供的基于小程序的人脸识别方法的流程示意图。
如图1所示，该基于小程序的人脸识别方法可以包括：
S101、调用小程序抓拍用户的照片，获取照片符合预设要求的人脸区域。
具体的，当用户进入客户端小程序的人脸识别页面，可以通过调用小程序的拍照功能可以每秒自动抓拍一张用户照片。例如，可以通过百度小程序提供的swan.ai.faceDetect接口来获取0-1的人脸置信度，人脸完整度，人脸模糊度先基本判断是否是人脸。
S102、根据预设的基于色彩纹理分析翻拍照片的模型，对人脸区域进行识别。
具体的，将符合人脸区域的照片，可以通过canvas来截取人脸区域照片中100*100像素的人脸部分，可以通过支持向量机(Support Vector Machine,SVM)来进一步的分析是否是翻拍照片。其中，可以引入nodeJs训练得到的模型文件，然后对截取的100*100的照片进行YCrCb通道计算得到局部二值模式值(Local Binary Pattern，LBP)，，根据svm.predict来得到识别的结果分数。
S103、若确定照片不是翻拍照片，则将该照片发送给服务端进行安全认证。
具体的，为了能确保业务的安全性，对于前端识别结果确定不是翻拍照片的，则可以将该照片发送给服务端进一步完成安全认证，从而使得可以无网络进行人脸识别，有效拦截翻拍照片，减少了小程序平台的人脸识别接口调用率，提高了人脸识别的准确度，提升了用户体验感。
可选地，若确定是翻拍照片，则前端可以给出提示信息，例如：“人脸识别不通过，请稍后重试”。
本实施例通过在小程序的前端抓拍用户的照片，并采用翻拍照片模型识别照片的人脸区域，判断该照片是不是翻拍照片，如果确定不是翻拍照片，则将该照片进一步发送到服务端进行安全认证，从而使得可以无网络进行人脸识别，有效拦截翻拍照片，减少了小程序平台的人脸识别接口调用率，提高了人脸识别的准确度，提升了用户体验感。
图2示出了本发明实施例提供的基于小程序的人脸识别方法的流程示意图二。
可选地，如图2所示，在另一种实施方式中，获取照片符合预设要求的人脸区域，包括：
S201、获取照片的人脸特征信息和质量信息，确定照片是否包含人脸。
具体的，检测照片的人脸特征信息，包括核心关键点、属性信息以及位置信息。其中，核心关键点为构成人脸的轮廓上的核心关键点，例如：头顶点、下巴点、眼睛的顶点和鼻子高点等。属性信息包括表征人脸对应的特征，例如：年龄、性别等。位置信息包括检测出核心关键点在照片种所处的位置信息。人脸质量信息可以包括照片的遮挡、光照、模糊、完整度以及置信度等信息的情况。例如，可以通过小程序平台的接口来获取0-1的人脸置信度，人脸完整度，人脸模糊度先基本判断照片是否包含人脸。
S202、若照片包含人脸，则根据用户的环境安全信息，以及按照多个预设动作的随机组合确定人脸是否符合预设要求。
具体的，如果确定照片包含人脸，则根据用户环境安全信息，例如：用户的IP地址、小程序平台的版本信息，客户端操作系统的版本，陀螺仪数据等环境信息，出现不同等级的人脸验证要求。例如：微笑，眨眼，点头，摇头等动作的随机组合，判断该人脸是否符合人脸认证要求。
S203、若符合预设要求，则获取照片中符合第一像素大小的人脸区域。
具体的，如果符合微笑，眨眼，点头，摇头等的随机组合的人脸认证要求。例如：人脸认证要求是微笑和摇头的随机组合，则该照片的人脸需要符合微笑的特征，以及符合摇头角度的所在的范围，来初步防止照片和视频欺诈。
通过对照片进一步的确定照片是否包含人脸，并根据用户的环境安全信息以及多个预设动作随机组合对该人脸进行认证，从而可以避免黑产攻击。
图3示出了本发明实施例提供的基于小程序的人脸识别方法的流程示意图三。
可选地，如图3所示，在另一种实施方式中，根据预设的基于色彩纹理分析翻拍照片的模型，对照片的人脸区域进行识别之前，基于小程序的人脸识别方法还包括：
S301、获取第一像素大小的翻拍照片样本，将翻拍照片样本按照第二像素大小划分为多个单位区域。
具体的，可以通过nodeJS进行SVM模型训练得到基于色彩纹理分析翻拍照片的模型文件。首先，可以按照第一像素大小如300*300获取翻拍照片样本，然后，将翻拍照片样本按照第二像素大小100*100的像素大小将训练样本划分为16*16的小区域cell。对于第一像素大小和第二像素大小可以根据实际情况设置，在本实施例中不作限定。
S302、获取每一个单位区域的直方图，并对所述直方图进行归一化处理，得到所述第一像素大小的翻拍照片样本的色彩纹理特征向量；
具体的，对于每个小区域cell中的一个像素，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0。这样，3*3邻域内的8个点经比较可产生8位二进制数，即得到9个点组合得到的窗口的中心像素点的局部二值模式值(Local Binary Pattern，LBP)，用来描述图像局部纹理特征的算子，具有旋转不变性和灰度级不变性等显著的优点。然后计算每个cell的直方图，即每个数字(假定是十进制数LBP值)出现的频率。然后，对该直方图进行归一化处理。最后将得到的每个小区域cell的统计直方图进行连接成为一个特征向量，也就是整幅图的LBP纹理特征向量，即第一像素大小的翻拍照片样本的色彩纹理特征向量。
S303、根据第一像素大小的翻拍照片样本的色彩纹理特征向量以及预设的SVM算法，得到预设的基于色彩纹理分析翻拍照片的模型。
具体的，然后便可将LBP特征向量代入线性SVM算法中进行真假人脸的分类，利用现有业务大量人脸识别数据及后台对应的识别结果来对模型进行正负样本训练和测试，从而得到预设的基于色彩纹理分析翻拍照片的模型。
通过采用SVM的二元分类方法，由于实现其算法的代码量不多，能够满足小程序前端的代码包大小的要求，简单高效，便于在小程序的前端引入预设的基于色彩纹理分析翻拍照片的模型对照片的人脸进行识别。
可选地，在另一种实施方式中，确定照片不是翻拍照片，则将该照片发送给服务端进行安全认证，包括：
如果预设的基于色彩纹理分析翻拍照片的模型对照片的人脸进行识别后，确定该照片不是翻拍照片，则向服务端请求网络资源，将该照片发送给服务端，由服务端向第三方人脸认证平台进行安全认证。例如：公安部或者央行等第三方人脸认证平台进行安全认证。
可选地，在另一种实施方式中，基于小程序的人脸识别方法还包括：
获取照片失败时，采集客户端对应的异常信息发送给服务端；
或者，人脸认证失败时，发送对应的提示信息。
具体的，在基于小程序的人脸识别过程中，会产生一些异常状况，如：抓拍失败，摄像头调用失败，人脸验证报错等异常状况。确定发生异常状况时，采集对应的异常信息发送给服务端，例如：当自动识别超过8秒，未完成拍照业务，即抓拍照片失败；或者未名原因调用摄像头失败等，都属于获取照片失败，可以采集客户端的品牌、型号、小程序平台版本号、操作系统版本号、网络状态等信息发送给服务器。或者人脸认证失败，可以发送并显示用户认证失败的提示信息。
通过监控基于小程序的人脸识别过程中的异常状况，并及时将对应的异常信息发送给服务端，或者将提示信息发送给客户端，从而能够提升用户的体验度。
图4示出了本发明实施例提供的基于小程序的人脸识别方法的流程示意图四。
可选地，如图4所示，在本实施方式中，基于小程序的人脸识别方法包括：
S401、基于预设时间间隔抓拍人脸照片。
S402、获取人脸照片符合预设要求的人脸区域。
S403、基于预设的色彩纹理分析翻拍照片的模型对人脸区域进行识别，判断人脸照片是不是翻拍照片，如果不是，则执行S404，如果是，则执行S405。
S404、发送人脸照片给服务端进行人脸认证。
S405、发送人脸识别没有通过的提示信息。
S406、在S401之后，获取照片失败时，采集客户端对应的异常信息发送给服务端。
S407、在S404之后，若服务端人脸认证失败时，发送人脸认证失败的提示信息。
本实施方式中，描述的基于小程序的人脸识别方法具有与前述实施例中所述的基于小程序的人脸识别方法相同的有益效果，在此不再赘述。基于前述方法实施例中所述的基于小程序的人脸识别方法，本发明实施例还对应提供一种基于小程序的人脸识别装置，图5示出了本发明实施例提供的基于小程序的人脸识别装置的结构示意图。
如图5所示，该基于小程序的人脸识别装置，应用于客户端，可以包括：获取模块10，用于调用小程序抓拍用户的照片，获取照片符合预设要求的人脸区域；
识别模块20，用于根据预设的基于色彩纹理分析翻拍照片的模型，对照片的人脸区域进行识别；
发送模块30，用于若确定照片不是翻拍照片，则将照片发送给服务端进行人脸认证。
图6示出了本发明实施例提供的基于小程序的人脸识别装置的结构示意图二。
可选地，如图6所示，所述获取模块10包括：
第一判断模块11，用于根据照片的人脸特征信息和人脸质量信息，确定所述照片是否包含人脸；
第二判断模块12，用于若照片包含人脸，则根据用户的环境安全信息，以及按照多个预设动作的随机组合确定所述照片是否符合预设要求；
人脸获取模块13，用于若符合预设要求，则获取照片中符合第一像素大小的人脸区域。
图7示出了本发明实施例提供的基于小程序的人脸识别装置的结构示意图三。
可选地，如图7所示，所述基于小程序的人脸识别装置还包括：模型建立模块40；
模型建立模块40用于在根据预设的基于色彩纹理分析翻拍照片的模型，对所述人脸区域进行识别之前，获取第一像素大小的翻拍照片样本，将翻拍照片样本按照第二像素大小划分为多个单位区域；
获取每一个单位区域的直方图，并对直方图进行归一化处理，得到第一像素大小的翻拍照片样本的色彩纹理特征向量；
根据第一像素大小的翻拍照片样本的色彩纹理特征向量以及预设的SVM算法，得到预设的基于色彩纹理分析翻拍照片的模型。
图8示出了本发明实施例提供的基于小程序的人脸识别装置的结构示意图四。
可选地，如图8所示，所述基于小程序的人脸识别装置还包括：异常模块50；
异常模块50用于获取照片失败时，采集客户端对应的异常信息发送给服务端；或者，人脸认证失败时，发送对应的提示信息。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中方法的对应过程，本发明中不再赘述。
本发明实施例提供的基于小程序的人脸识别装置对应于前述方法实施例中所述的基于小程序的人脸识别方法，因此，装置实施例中所述的基于小程序的人脸识别装置，具有前述实施例中所述的基于小程序的人脸识别方法具备的全部有益效果，在此亦不再赘述。
本发明实施例还提供一种电子设备，该电子设备可以是基于小程序的人脸识别装置的客户端设备，图9示出了本发明实施例提供的基于小程序的人脸识别设备的结构示意图。
如图9所示，该基于小程序的人脸识别设备可以包括：处理器100、存储介质200和总线(图中未标出)，存储介质200存储有处理器100可执行的机器可读指令，当所述基于小程序的人脸识别设备运行时，处理器100与存储介质200之间通过总线通信，处理器100执行机器可读指令，以执行如前述方法实施例中所述的基于小程序的人脸识别方法。具体实现方式和技术效果类似，在此不再赘述。
为了便于说明，在上述电子设备中仅描述了一个处理器。然而，应当注意，本发明中的电子设备还可以包括多个处理器，因此本发明中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如，电子设备的处理器执行步骤A和步骤B，则应该理解，步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如，第一处理器执行步骤A，第二处理器执行步骤B，或者第一处理器和第二处理器共同执行步骤A和B等。
在一些实施例中，处理器可以包括一个或多个处理核(例如，单核处理器(S)或多核处理器(S))。仅作为举例，处理器可以包括中央处理单元(Central Processing Unit，CPU)、专用集成电路(Application Specific Integrated Circuit，ASIC)、专用指令集处理器(Application Specific Instruction-set Processor，ASIP)、图形处理单元(Graphics Processing Unit，GPU)、物理处理单元(Physics Processing Unit，PPU)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field ProgrammableGate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单元、简化指令集计算机(Reduced Instruction Set Computing，RISC)、或微处理器等，或其任意组合。
本发明实施例还提供一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器运行时执行如前述方法实施例中所述的基于小程序的人脸识别方法。具体实现方式和技术效果类似，在此同样不再赘述。
可选地，该存储介质可以是U盘、移动硬盘、ROM、RAM、磁碟或者光盘等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于小程序的人脸识别方法，其特征在于，应用于客户端，所述方法包括：
调用小程序抓拍用户的照片，获取所述照片符合预设要求的人脸区域；
根据预设的基于色彩纹理分析翻拍照片的模型，对所述照片的人脸区域进行识别；
确定所述照片不是翻拍照片，则将所述照片发送给服务端进行人脸认证。
2.根据权利要求1所述的方法，其特征在于，所述获取所述照片符合预设要求的人脸区域，包括：
获取所述照片的人脸特征信息和人脸质量信息，确定所述照片是否包含人脸；
若所述照片包含人脸，则根据用户的环境安全信息，以及按照多个预设动作的随机组合确定所述人脸是否符合预设要求；
若符合预设要求，则获取所述照片中符合第一像素大小的人脸区域。
3.根据权利要求2所述的方法，其特征在于，根据预设的基于色彩纹理分析翻拍照片的模型，对所述照片的人脸区域进行识别之前，所述方法还包括：
获取所述第一像素大小的翻拍照片样本，将所述翻拍照片样本按照第二像素大小划分为多个单位区域；
获取每一个单位区域的直方图，并对所述直方图进行归一化处理，得到所述第一像素大小的翻拍照片样本的色彩纹理特征向量；
根据所述第一像素大小的翻拍照片样本的色彩纹理特征向量以及预设的SVM算法，得到预设的基于色彩纹理分析翻拍照片的模型。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述照片失败时，采集所述客户端对应的异常信息发送给服务端；
或者，所述人脸认证失败时，发送对应的提示信息。
5.一种基于小程序的人脸识别装置，其特征在于，应用于客户端，所述装置包括：
获取模块，用于调用小程序抓拍用户的照片，获取所述照片符合预设要求的人脸区域；
识别模块，用于根据预设的基于色彩纹理分析翻拍照片的模型，对所述照片的人脸区域进行识别；
发送模块，用于若确定所述照片不是翻拍照片，则将所述照片发送给服务端进行人脸认证。
6.根据权利要求5所述的装置，其特征在于，所述获取模块包括：
第一判断模块，用于根据所述照片的人脸特征信息和人脸质量信息，确定所述照片是否包含人脸；
第二判断模块，用于若所述照片包含人脸，则根据用户的环境安全信息，以及按照多个预设动作的随机组合确定所述照片是否符合预设要求；
人脸获取模块，用于所述照片符合预设要求，则获取所述照片中符合第一像素大小的人脸区域。
7.根据权利要求5所述的装置，其特征在于，所述装置还包括：模型建立模块；
所述模型建立模块用于在根据预设的基于色彩纹理分析翻拍照片的模型，对所述人脸区域进行识别之前，获取所述第一像素大小的翻拍照片样本，将所述翻拍照片样本按照第二像素大小划分为多个单位区域；
获取每一个单位区域的直方图，并对所述直方图进行归一化处理，得到所述第一像素大小的翻拍照片样本的色彩纹理特征向量；
根据所述第一像素大小的翻拍照片样本的色彩纹理特征向量以及预设的SVM算法，得到预设的基于色彩纹理分析翻拍照片的模型。
8.根据权利要求5所述的装置，其特征在于，所述装置还包括：异常模块，所述异常模块用于获取所述照片失败时，采集所述客户端对应的异常信息发送给服务端；或者，所述人脸认证失败时，发送对应的提示信息。
9.一种基于小程序的人脸识别设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当所述基于小程序的人脸识别设备运行时，所述处理器与所述存储介质之间通过所述总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1-4任一项所述的基于小程序的人脸识别方法。
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1-4任一项所述的基于小程序的人脸识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010508883.2A CN111814551A (zh) | 2020-06-06 | 2020-06-06 | 基于小程序的人脸识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010508883.2A CN111814551A (zh) | 2020-06-06 | 2020-06-06 | 基于小程序的人脸识别方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111814551A true CN111814551A (zh) | 2020-10-23 |
Family
ID=72844774
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010508883.2A Pending CN111814551A (zh) | 2020-06-06 | 2020-06-06 | 基于小程序的人脸识别方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111814551A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113052145A (zh) * | 2021-04-30 | 2021-06-29 | 中国银行股份有限公司 | 一种人脸识别结果的差异化判断方法和装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8560625B1 (en) * | 2012-09-01 | 2013-10-15 | Google Inc. | Facilitating photo sharing |
| CN109299709A (zh) * | 2018-12-04 | 2019-02-01 | 中山大学 | 基于人脸识别的数据推荐方法、装置、服务器端及客户端 |
| CN109472227A (zh) * | 2018-10-29 | 2019-03-15 | 广州云从信息科技有限公司 | 一种跨终端人脸识别验证方法及系统 |
| CN109558794A (zh) * | 2018-10-17 | 2019-04-02 | 平安科技（深圳）有限公司 | 基于摩尔纹的图像识别方法、装置、设备和存储介质 |
| WO2019085403A1 (zh) * | 2017-10-31 | 2019-05-09 | 平安科技（深圳）有限公司 | 一种人脸识别智能比对方法、电子装置及计算机可读存储介质 |
| CN110175589A (zh) * | 2019-05-31 | 2019-08-27 | 陕西蜂狐智能家居科技有限公司 | 一种基于人脸比对摄像机的家居零售业信息共享平台 |
| WO2020093634A1 (zh) * | 2018-11-06 | 2020-05-14 | 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 |
-
2020
- 2020-06-06 CN CN202010508883.2A patent/CN111814551A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8560625B1 (en) * | 2012-09-01 | 2013-10-15 | Google Inc. | Facilitating photo sharing |
| WO2019085403A1 (zh) * | 2017-10-31 | 2019-05-09 | 平安科技（深圳）有限公司 | 一种人脸识别智能比对方法、电子装置及计算机可读存储介质 |
| CN109558794A (zh) * | 2018-10-17 | 2019-04-02 | 平安科技（深圳）有限公司 | 基于摩尔纹的图像识别方法、装置、设备和存储介质 |
| CN109472227A (zh) * | 2018-10-29 | 2019-03-15 | 广州云从信息科技有限公司 | 一种跨终端人脸识别验证方法及系统 |
| WO2020093634A1 (zh) * | 2018-11-06 | 2020-05-14 | 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 |
| CN109299709A (zh) * | 2018-12-04 | 2019-02-01 | 中山大学 | 基于人脸识别的数据推荐方法、装置、服务器端及客户端 |
| CN110175589A (zh) * | 2019-05-31 | 2019-08-27 | 陕西蜂狐智能家居科技有限公司 | 一种基于人脸比对摄像机的家居零售业信息共享平台 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113052145A (zh) * | 2021-04-30 | 2021-06-29 | 中国银行股份有限公司 | 一种人脸识别结果的差异化判断方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10635890B2 (en) | Facial recognition method and apparatus, electronic device, and storage medium | |
| CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
| US20200410074A1 (en) | Identity authentication method and apparatus, electronic device, and storage medium | |
| JP6629513B2 (ja) | ライブネス検査方法と装置、及び映像処理方法と装置 | |
| US8842889B1 (en) | System and method for automatic face recognition | |
| US11367310B2 (en) | Method and apparatus for identity verification, electronic device, computer program, and storage medium | |
| CN111191568A (zh) | 翻拍图像识别方法、装置、设备及介质 | |
| CN111491106B (zh) | 拍摄图像的处理方法、装置、移动终端及存储介质 | |
| CN110532746B (zh) | 人脸校验方法、装置、服务器及可读存储介质 | |
| CN108509994B (zh) | 人物图像聚类方法和装置 | |
| CN110991231B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
| CN112306829A (zh) | 性能信息的确定方法及装置、存储介质、终端 | |
| CN111428740A (zh) | 网络翻拍照片的检测方法、装置、计算机设备及存储介质 | |
| CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
| CN108268778B (zh) | 数据处理方法、装置及存储介质 | |
| CN111814551A (zh) | 基于小程序的人脸识别方法、装置、设备及存储介质 | |
| CN109063442B (zh) | 业务实现、相机实现的方法和装置 | |
| CN111050027A (zh) | 镜头畸变补偿方法、装置、设备和存储介质 | |
| CN110992155A (zh) | 竞标入围处理方法及相关产品 | |
| CN111062272A (zh) | 基于色彩恢复的图像处理、行人识别方法、装置与可读存储介质 | |
| CN115658525A (zh) | 用户界面的校验方法、装置、存储介质及计算机设备 | |
| CN112001285B (zh) | 一种美颜图像的处理方法、装置、终端和介质 | |
| CN114663418A (zh) | 图像处理的方法及装置、存储介质及电子设备 | |
| CN111160093A (zh) | 识别证件中证件照伪装的方法、装置、设备及存储介质 | |
| CN110807403A (zh) | 一种用户身份识别方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |