CN111898505A - 一种判定多人间关系的方法、智能终端及存储介质 - Google Patents

一种判定多人间关系的方法、智能终端及存储介质 Download PDF

Info

Publication number
CN111898505A
CN111898505A CN202010704262.1A CN202010704262A CN111898505A CN 111898505 A CN111898505 A CN 111898505A CN 202010704262 A CN202010704262 A CN 202010704262A CN 111898505 A CN111898505 A CN 111898505A
Authority
CN
China
Prior art keywords
face
face images
images
relationship
people
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
Application number
CN202010704262.1A
Other languages
English (en)
Inventor
李雅文
谢丰隆
崔勇
张翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Konka Electronic Technology Co Ltd
Original Assignee
Shenzhen Konka Electronic Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Konka Electronic Technology Co Ltd filed Critical Shenzhen Konka Electronic Technology Co Ltd
Priority to CN202010704262.1A priority Critical patent/CN111898505A/zh
Publication of CN111898505A publication Critical patent/CN111898505A/zh
Pending legal-status Critical Current

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
    • G06V40/161—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
    • G06V40/10—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
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明所提供的一种判定多人间关系的方法、智能终端及存储介质，其中，本发明所述的方法包括：获取多个人物的人脸图像，按照预设方式对所获取的多个人物的人脸图像进行处理，得到表示人脸特征的特征向量；按照预设比对算法对多个不同特征向量进行处理，得到多个不同特征向量之间的相似度指数；根据所得到的相似度指数判定多个人物之间的关系。实现了同时检测多个人脸图像，并能够分析出各个人脸图像之间关系，提高了人脸识别的灵活性，利于加强人物间的互动。

Description

一种判定多人间关系的方法、智能终端及存储介质
技术领域
本发明涉及人脸识别技术领域，尤其涉及的是一种判定多人间关系的方法、智能终端及存储介质。
背景技术
目前人脸识别技术得到广泛应用，给人们的生活带来了诸多便利，比如刷脸过闸、刷脸支付等。
但是，在诸多场景中，人脸识别机在对人脸进行识别时，必须对人脸进行逐个分析，以逐个识别人物的身份；当人脸识别机检测到多个人脸时，并不能对多个人脸同时进行识别，进而不能判定出多个人脸的身份，以及多个人物间关系。
因而，现有的人脸识别方式并不能广泛应用于多人互动场景中，不利于提高人脸识别的灵活性，也不利于加强人物间的互动。
因此，现有技术存在缺陷，有待改进与发展。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种判定多人间关系的方法、智能终端及存储介质，旨在解决现有技术中的人脸识别方法不能同时判定出多个人物的身份，不利于提高人脸识别的灵活性的问题。
本发明解决技术问题所采用的技术方案如下：
一种判定多人间关系的方法，其中，包括：
获取多个人物的人脸图像，按照预设方式对所获取的多个人物的人脸图像进行处理，得到表示人脸特征的特征向量；
按照预设比对算法对多个不同特征向量进行处理，得到多个不同特征向量之间的相似度指数；
根据所得到的相似度指数判定多个人物之间的关系。
通过检测到多个人脸，能够对人脸图像进行处理并分析，得到人脸图像对应的人物之间的关系，提高了人脸识别的灵活性，也增强了人物之间的互动；再者，通过同时对多个人脸图像进行检测，能够提高人脸识别的效率。
进一步地，所述按照预设方式对所获取的多个人物的人脸图像进行处理，得到表示人脸特征的特征向量，具体包括：
将所获取到的人脸图像输入到人脸识别模型中，通过人脸识别模型将人脸图像映射到多维空间，得到表示人脸特征的特征向量。
使得人脸图像数值化显示，便于对数据进行分析。
进一步地，所述获取多个人物的人脸图像之前包括：
启动多人脸检测模型，检测预设区域内的人脸图像；
当检测到人脸图像，判断所检测到的人脸图像是否不少于两个；
若不少于两个，则将所检测到的人脸图像输入到人脸识别模型中。
通过对所检测的人脸图像的数量进行判断，能够在人脸图像小于两个时提醒用户，方便执行后续的多人脸关系判定操作。
进一步地，所述将所检测到的人脸图像输入到人脸识别模型中，之前包括：
分别定位出不同人脸图像的人脸框坐标及人脸关键点坐标，根据所定位的人脸框坐标和人脸关键点坐标提取出人脸图像。
通过对人脸图像进行处理，能够有效提取出人脸图像的特征向量，便于对人脸进行分析与处理。
进一步地，所述按照预设方式对所获取的多个人物的人脸图像进行处理，得到表示人脸特征的特征向量，之前包括：
对所提取出的人脸图像分别进行仿射变换处理，生成与多个人脸图像分别对应的正脸图像。
通过得到人物的正脸图像，能够提高对人脸图像分析的准确性，进一步提高多人物之间关系判定的准确性。
进一步地，所述当检测到人脸图像，判断所检测到的人脸图像是否不少于两个，之后还包括：
若所检测到的人脸图像最多为一个，则发出是否重新检测人脸图像的提示；
若接收到重新检测人脸图像的提示，则重新检测人脸图像。
通过智能判断人脸图像的数量并进行提示，方便用户操作。
进一步地，所述当检测到人脸图像，判断所检测到的人脸图像是否不少于两个，之后还包括：
进一步地，所述按照预设比对算法对多个不同特征向量进行处理，得到多个不同特征向量之间的相似度指数，具体包括：
按照相似度计算函数计算不同特征向量之间的距离；
根据所计算的距离，以及预设的特征向量间距离与人脸相似度的函数关系，得到不同人脸之间的相似度指数并提示。
能够准确判定多人物间关系，并进行提示，以提高用户之间的互动性。
进一步地，所述根据所得到的相似度指数判定多个人物之间的关系，之后包括：
当退出系统时，清除所获取的人脸图像、所得到的特征向量、以及相似度指数。
保证人脸信息不泄露，保证了用户的权益，提高了通过人脸识别方式判定多人间关系的安全性。
本发明还公开一种智能终端，其中，包括处理器，以及与所述处理器连接的存储器，所述存储器存储有判定多人间关系的方法的配置程序，所述判定多人间关系的方法的配置程序被所述处理器执行时实现如上所述的判定多人间关系的方法。
本发明还公开一种存储介质，其中，所述存储介质存储有计算机程序，所述计算机程序能够被执行以用于实现如上所述的判定多人间关系的方法。
本发明所提供的一种判定多人间关系的方法、智能终端及存储介质，其中，本发明所述的方法包括：获取多个人物的人脸图像，按照预设方式对所获取的多个人物的人脸图像进行处理，得到表示人脸特征的特征向量；按照预设比对算法对多个不同特征向量进行处理，得到多个不同特征向量之间的相似度指数；根据所得到的相似度指数判定多个人物之间的关系。实现了同时检测多个人脸图像，并能够分析出各个人脸图像之间关系，提高了人脸识别的灵活性，利于加强人物间的互动。
附图说明
图1是本发明中判定多人间关系的方法的较佳实施例的流程图。
图2是本发明中对图1实施例进一步解释的较佳实施例的流程图。
图3是图2实施例中当检测到多张人脸时人脸检测模型对人脸图像进行处理的具体实施例的流程图。
图4是图2实施例中增加仿射变换处理的较佳实施例的流程图。
图5是图2实施例之前增加判断人脸数量的较佳实施例的流程图。
图6是图5实施例中不再对人脸图像进行重新检测的较佳实施例的流程图。
图7是本发明中智能终端的较佳实施例的功能原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
常见的人脸识别方式是通过人脸识别终端对人脸一一进行识别，但人脸识别终端并不能够同时对多个人脸进行识别，使得常见的人脸识别方式并不灵活，不能实现多人间的互动。
本发明为解决上述问题，通过获取多个人物的人脸图像，将所获取的人脸图像分别处理成表示人脸特征的特征向量，通过对多个特征向量进行相互之间的相似度计算，能够得到不同人物之间的关系，进而实现对多个人脸的识别以及身份验证，使得人脸验证的方式更加灵活。
请参见图1，图1是本发明中一种判定多人间关系的方法的流程图。如图1所示，本发明实施例所述的一种判定多人间关系的方法包括以下步骤：
S100、获取多个人物的人脸图像，按照预设方式对所获取的多个人物的人脸图像进行处理，得到表示人脸特征的特征向量。
具体地，获取人脸图像的方式有多种，可通过终端设备自身所携带的摄像头等结构获取，也可利用外部设备获取到人脸图像之后，将人脸图像传输到终端设备中，可以理解地，凡是能够获取到人脸图像的方式均可用于本实施例中，均属于本发明所要求的保护范围。且多个人脸图像可以是同时的获取到的，也可是不同时刻获取到的，只要能够实现同时对多个人脸图像进行处理即可，此处并不做过多限定。
通过将所获取的多个人脸图像处理成表示人脸特征的特征向量，实现了人脸图像的数值化处理，方便对人脸比对结果进行分析，提高人脸比对的处理效率。
在一具体实施例中，仅使用本发明所涵盖的部分内容对本实施例进一步解释说明，其中，以使用终端设备自身结构获取人脸图像，以及同时获取到多个人脸图像为例进行解释说明，可以理解地，本实施例仅用于说明，并不用于限制本发明。
具体地，如图2所示，所述步骤S100包括以下步骤：
S110、拍摄人脸图像，将所拍摄的人脸图像输入到人脸检测模型中。
具体地，通过AI摄像头拍摄特定区域的图像，摄像头搭载了计算机视觉原理，能够捕捉到人脸，当捕捉到人脸后拍摄图像，并将所拍摄的图像输入到多人脸检测模型中检测人脸图像。可以理解地，此处并不对所使用摄像头的数量做过多限定，可设置多个摄像头同时拍摄多个特定区域的图像。
S120、启动多人脸检测模型，检测预设区域内的人脸图像。
当多人脸检测模型中输入有人脸图像之后，多人脸检测模型自动对人脸进行检测，判断所拍摄区域范围内的图像中存在多少个人脸图像。
S130、当检测到人脸图像，判断所检测到的人脸图像是否不少于两个。
而本发明中是对多个人物的人脸进行检测，当检测的人物图像为一个时，则不能够用于判定多个人物间的相关性，因而，需要先判断所检测的人脸图像的数量，只有当人脸图像的数量不少于两个时，才能够用于判定多个人物间的相关性。
S140、若是，则将所检测到的人脸图像输入到人脸识别模型中。
通过人脸识别模型能够提取出每个人脸中所蕴含的身份特征，方便识别人物的身份。
在所述步骤S140之后包括：
S150、通过人脸识别模型将人脸图像映射到多维空间，得到表示人脸特征的特征向量。
具体地，人脸识别模型采用基于深度神经网络的图像映射方法和基于triplets(三联子)的loss函数训练神经网络，将人脸图像直接输出为128维度的向量空间，其中，由于深度神经网络和triplets(三联子)的loss函数训练神经网络为现有技术，此处不再进行赘述，可以理解地，凡是能够实现对人脸图像向量化的神经网络方法或对其进行的改进，均可用于本实施例中。
在一具体实施中，当在多人脸检测模型中检测到至少两张人脸时，如图3所示，还包括以下步骤：
S131、分别定位出不同人脸图像的人脸框坐标及人脸关键点坐标，根据所定位的人脸框坐标和人脸关键点坐标提取出人脸图像。
具体地，使用人脸检测模型对所识别出的人脸图像进行处理，通过检测并定位图片中的人脸，返回高精度的人脸框坐标和人脸关键点坐标，通过人脸框坐标和人脸关键点坐标可抠取出人脸图像。
通过此种方式能够提高人脸特征提取的精度，同时消除外界光照强度所带来的噪声影响，提高人脸识别的准确性。
在所述步骤S131之后，将所提取出的人脸图像输入到人脸识别模型中进行处理，即继续执行步骤S140和S150。
在一实施例中，如图4所示，在所述步骤S131之后还包括：
S132、对所提取出的人脸图像分别进行仿射变换处理，生成与多个人脸图像分别对应的正脸图像。
其中，仿射变换是一种二维坐标到二维坐标之间的线性变换，保持二维图形的“平直性”(即变换后直线还是直线不会打弯)和“平行性”(指二维图形间的相对位置关系不变)。通过对抠取出的人脸图像进行仿射变换处理，能够实现对原本侧面获取的人脸图像进行校正，使其能够形成正脸图像。当形成正脸图像之后，能够使用人脸识别模型获取到更优的人脸特征向量，进而能够提高人脸识别的准确度。
在所述步骤S132之后继续执行步骤S140和S150。
在一具体实施例中，如图5所示，则在所述步骤S130之后还包括：
S161、若所检测到的人脸图像最多为一个，则发出是否重新检测人脸图像的提示。
S162、若接收到重新检测人脸图像的提示，则重新检测人脸图像。
当所检测到的人脸图像不是多个时，会自动发出提示，以提示用户并未检测到多个人脸图像，且发出是否重新检测人脸的提示，当接收到用于重新检测人脸的指令时，则系统会重新对人脸进行检测并判断是否存在至少两个人脸图像，以此循环，直至检测到多个人脸时，则执行后续的步骤S131及之后的步骤。
本实施例中，通过对人脸图像进行检测，当检测到的人脸图像至少为两个时，才能够进行多人间人脸相关性判定，则执行上述步骤S161-S162，以及之前的步骤S131-150等，此种方式解决了现有技术中仅能够对单个人脸进行一一识别的问题，扩宽了人脸识别的应用范围，提高了用户之间的互动性，使得人脸识别方式更为灵活，也能够满足多场景下人脸识别的需要，提高了终端设备中人脸识别系统的应用率，且方便用户使用。
在另一实施例中，如图6所示，所述步骤S162之后还包括：
S163、若接收到不重新检测人脸图像的指令，则清除所得到的特征向量。
具体地，当不再对多个人脸检测时，通过清除历史数据，能够保护用户的隐私，提高用户进行人脸识别的安全性。
S200、按照预设比对算法对多个不同特征向量进行处理，得到多个不同特征向量之间的相似度指数。
在一具体实施例中，所述步骤S200具体包括：
S210、按照相似度计算函数计算不同特征向量之间的距离。
具体地，通过比较不同特征向量之间的欧式距离，可以根据两者的距离大小判定人脸的相似程度。
S220、根据所计算的距离，以及预设的特征向量间距离与人脸相似度的函数关系，得到不同人脸之间的相似度指数并提示。
具体地，可预先设置特征向量间距离与人脸相似度的对应关系，比如距离小于0.8时，则判定为同一个人；而距离在0.9-1.5之间时，则判定两个人为亲属关系，即两个人具有亲子相；而在距离为1.6-2.5之间时，则判定两个人为远亲关系；若距离大于2.5时，则判定两个人无关系。可以理解地，此处所采用的距离表述仅是用作说明，并不用于限定本发明中距离的数值，而特征向量间距离与人脸相似度的函数可根据具体需求自定义设置，此处并不做过多限定，凡是能够实现通过判断不同特征向量之间距离，进而得到对应的人物之间关系的方式均属于本实施例的变形，均为本发明所要求的保护范围。
当然地，通过人脸识别模型也可判定出人物的性别以及年龄，当判定出每个人物的性别及年龄之后则可更加准确地判断出两个人物之间的关系，比如亲子关系、母女关系、表兄妹关系等等，可以理解地，只要将能够表述人物年龄及性别的人脸图像识别出来，再进一步运用到本发明所述的判定多人间关系的方法中，则可实现更加精确的人物关系判定，使得人脸识别技术得到更加广泛的应用。
而现有技术中的人脸识别方法仅能够根据系统中预存的人脸图像数据判定所识别的人物身份，只要两者能够匹配成功，才能够说明人物身份验证通过。本发明通过判定多人之间的关系，能够实现仅通过对其中一个人进行身份验证，则可确定同行的其他人的身份。比如，在启用家庭门禁时，同行的人有多人，其中，通过多人人脸识别判定多人为亲属关系之后，只要其中一个人的身份验证通过，则同行的其他具有“亲属”身份的人则不必再分别进行身份验证以开启门禁，进而节省了开启门禁的时间，提高同行效率，也保证开启门禁的安全性。当然地，此处仅是用于举例说明本发明的一个具体实施例的应用，可以理解地，本发明所述的方法可通过对上述步骤S130-135和步骤S171-173进行结合，以实现在某些特定情境中同时完成对多个人物的身份进行验证，提高人脸识别的效率。
S300、根据所得到的相似度指数判定多个人物之间的关系。
而具体的相似度指数则指的是特征向量间的具体数值，通过分别判定两个人物之间的关系，则可推论出所有人物之间的关联性，进而提高多人间的互动性。
在进一步实施例中，当判定出多个人物之间关系之后，可对多个人物的关系进行语音播放或者在显示屏上显示相应的文字。当然地，也可将所识别出的人物图像分别显示在显示屏上，然后对显示屏上所显示的人物图像分别进行身份标注。
可见，本发明的方法更加适用于家庭环境中，方便家庭成员之间的互动，以及家庭安保设施的开启。
在所述步骤S300之后包括：
S400、当退出系统时，清除所获取的人脸图像、所得到的特征向量、以及相似度指数。
现有技术中必须在数据库中预先收录人物的人脸图像信息，才能进行后续的人脸验证，但是，由于网络科技的快速发展，将人脸信息存储在数据库中存在被非法盗用的风险，造成人脸图像信息被泄露。
本发明中采用实时获取多个人脸图像，并对多个人脸图像进行处理与分析，则可得到对应的特征向量，通过计算特征向量间的距离可以得到所实时获取的人脸图像之间的关联，并不需要事先将多个人物的人脸图像存储在数据库中，且当完成多个人脸之间相关性对比之后，则随时清除所有的数据，能够保证人脸图像数据的安全，提高了系统进行人脸检测与识别的安全性。
本发明还公开一种智能终端，其中，如图7所示，包括处理器10，以及与所述处理器10连接的存储器20，所述存储器20存储有判定多人间关系的方法的配置程序，所述判定多人间关系的方法的配置程序被所述处理器10执行时实现如上所述的判定多人间关系的方法；具体如上所述。
可以理解地，本发明所述的智能终端可以为常见的智能手机、智能电视、平板、摄像机等设备，凡是能够实现人脸检测与识别智能设备即可，此处并不做过多举例与限定，但是，本发明的智能终端更倾向于家庭共用设备，能够提高家庭成员之间的互动性，因而，本发明所述的智能终端可设置为智能电视。
本发明还公开一种存储介质，其中，所述存储介质存储有计算机程序，所述计算机程序能够被执行以用于实现如上所述的判定多人间关系的方法；具体如上所述。
综上所述，本发明公开的一种判定多人间关系的方法、智能终端及存储介质，其中，本发明所述的方法包括：获取多个人物的人脸图像，按照预设方式对所获取的多个人物的人脸图像进行处理，得到表示人脸特征的特征向量；按照预设比对算法对多个不同特征向量进行处理，得到多个不同特征向量之间的相似度指数；根据所得到的相似度指数判定多个人物之间的关系。实现了同时检测多个人脸图像，并能够分析出各个人脸图像之间关系，提高了人脸识别的灵活性，利于加强人物间的互动。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种判定多人间关系的方法，其特征在于，包括：
获取多个人物的人脸图像，按照预设方式对所获取的多个人物的人脸图像进行处理，得到表示人脸特征的特征向量；
按照预设比对算法对多个不同特征向量进行处理，得到多个不同特征向量之间的相似度指数；
根据所得到的相似度指数判定多个人物之间的关系。
2.根据权利要求1所述的判定多人间关系的方法，其特征在于，所述按照预设方式对所获取的多个人物的人脸图像进行处理，得到表示人脸特征的特征向量，具体包括：
将所获取到的人脸图像输入到人脸识别模型中，通过人脸识别模型将人脸图像映射到多维空间，得到表示人脸特征的特征向量。
3.根据权利要求2所述的判定多人间关系的方法，其特征在于，所述获取多个人物的人脸图像之前包括：
启动多人脸检测模型，检测预设区域内的人脸图像；
当检测到人脸图像，判断所检测到的人脸图像是否不少于两个；
若不少于两个，则将所检测到的人脸图像输入到人脸识别模型中。
4.根据权利要求3所述的判定多人间关系的方法，其特征在于，所述将所检测到的人脸图像输入到人脸识别模型中，之前包括：
分别定位出不同人脸图像的人脸框坐标及人脸关键点坐标，根据所定位的人脸框坐标和人脸关键点坐标提取出人脸图像。
5.根据权利要求4所述的判定多人间关系的方法，其特征在于，所述按照预设方式对所获取的多个人物的人脸图像进行处理，得到表示人脸特征的特征向量，之前包括：
对所提取出的人脸图像分别进行仿射变换处理，生成与多个人脸图像分别对应的正脸图像。
6.根据权利要求3所述的判定多人间关系的方法，其特征在于，所述当检测到人脸图像，判断所检测到的人脸图像是否不少于两个，之后还包括：
若所检测到的人脸图像最多为一个，则发出是否重新检测人脸图像的提示；
若接收到重新检测人脸图像的提示，则重新检测人脸图像。
7.根据权利要求1所述的判定多人间关系的方法，其特征在于，所述按照预设比对算法对多个不同特征向量进行处理，得到多个不同特征向量之间的相似度指数，具体包括：
按照相似度计算函数计算不同特征向量之间的距离；
根据所计算的距离，以及预设的特征向量间距离与人脸相似度的函数关系，得到不同人脸之间的相似度指数并提示。
8.根据权利要求1所述的判定多人间关系的方法，其特征在于，所述根据所得到的相似度指数判定多个人物之间的关系，之后包括：
当退出系统时，清除所获取的人脸图像、所得到的特征向量、以及相似度指数。
9.一种智能终端，其特征在于，包括处理器，以及与所述处理器连接的存储器，所述存储器存储有判定多人间关系的方法的配置程序，所述判定多人间关系的方法的配置程序被所述处理器执行时实现如权利要求1-8任一项所述的判定多人间关系的方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序能够被执行以用于实现如权利要求1-8任一项所述的判定多人间关系的方法。
CN202010704262.1A 2020-07-21 2020-07-21 一种判定多人间关系的方法、智能终端及存储介质 Pending CN111898505A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010704262.1A CN111898505A (zh) 2020-07-21 2020-07-21 一种判定多人间关系的方法、智能终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010704262.1A CN111898505A (zh) 2020-07-21 2020-07-21 一种判定多人间关系的方法、智能终端及存储介质

Publications (1)

Publication Number Publication Date
CN111898505A true CN111898505A (zh) 2020-11-06

Family

ID=73189643

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010704262.1A Pending CN111898505A (zh) 2020-07-21 2020-07-21 一种判定多人间关系的方法、智能终端及存储介质

Country Status (1)

Country Link
CN (1) CN111898505A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112927411A (zh) * 2021-01-21 2021-06-08 深圳摩萨迪智能科技有限公司 一种基于图像处理技术的门禁管理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107392102A (zh) * 2017-06-19 2017-11-24 东南大学 基于局部图像特征和多示例学习的家庭合照与非家庭合照分类方法
CN110705451A (zh) * 2019-09-27 2020-01-17 支付宝(杭州)信息技术有限公司 人脸识别方法、装置、终端及服务器
CN110826370A (zh) * 2018-08-09 2020-02-21 广州汽车集团股份有限公司 车内人员的身份识别方法、装置、车辆及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107392102A (zh) * 2017-06-19 2017-11-24 东南大学 基于局部图像特征和多示例学习的家庭合照与非家庭合照分类方法
CN110826370A (zh) * 2018-08-09 2020-02-21 广州汽车集团股份有限公司 车内人员的身份识别方法、装置、车辆及存储介质
CN110705451A (zh) * 2019-09-27 2020-01-17 支付宝(杭州)信息技术有限公司 人脸识别方法、装置、终端及服务器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
袁琴: "基于图像的人物亲属关系分析与研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112927411A (zh) * 2021-01-21 2021-06-08 深圳摩萨迪智能科技有限公司 一种基于图像处理技术的门禁管理方法

Similar Documents

Publication Publication Date Title
Chan et al. Face liveness detection using a flash against 2D spoofing attack
CN108197586B (zh) 脸部识别方法和装置
CN105893920B (zh) 一种人脸活体检测方法和装置
US8515124B2 (en) Method and apparatus for determining fake image
US11941918B2 (en) Extracting information from images
US8675926B2 (en) Distinguishing live faces from flat surfaces
CN110569731B (zh) 一种人脸识别方法、装置及电子设备
WO2021139324A1 (zh) 图像识别方法、装置、计算机可读存储介质及电子设备
Kukharev et al. Visitor identification-elaborating real time face recognition system
CN102197412B (zh) 伪装检测系统和伪装检测方法
US20070122005A1 (en) Image authentication apparatus
CN111144366A (zh) 一种基于联合人脸质量评估的陌生人脸聚类方法
CN108446687B (zh) 一种基于移动端和后台互联的自适应人脸视觉认证方法
CN111666835A (zh) 一种人脸活体检测方法和装置
Rahouma et al. Design and implementation of a face recognition system based on API mobile vision and normalized features of still images
CN114387548A (zh) 视频及活体检测方法、系统、设备、存储介质及程序产品
CN111898505A (zh) 一种判定多人间关系的方法、智能终端及存储介质
CN110688878B (zh) 活体识别检测方法、装置、介质及电子设备
CN115019364A (zh) 基于人脸识别的身份认证方法、装置、电子设备及介质
Yow et al. Scale and Orientation Invariance in Human Face Detection.
KR101887756B1 (ko) 안구에 투영된 도형 이미지를 이용한 사람 검출 시스템.
KR100711223B1 (ko) 저니키(Ｚｅｒｎｉｋｅ)/선형 판별 분석(ＬＤＡ)을 이용한얼굴 인식 방법 및 그 방법을 기록한 기록매체
RU2798179C1 (ru) Способ, терминал и система для биометрической идентификации
RU2815689C1 (ru) Способ, терминал и система для биометрической идентификации
KR20000032853A (ko) 3차원 마스킹법에 의한 형상인식시스템 및 그 방법

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