CN111932755A - 人员通行验证方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种人员通行验证方法、装置、计算机设备和存储介质。所述方法包括：获取待通行人员对应的待验证图像；当所述待验证图像为所述待通行人员的人脸图像时，对所述人脸图像进行人脸检测，得到包含人脸目标的图像；对所述包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像；对所述待识别人脸目标图像进行小样本特征提取，得到所述待识别人脸目标图像对应的局部特征信息；将所述局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度；当所述人脸匹配度大于预设阈值时，生成通行验证已通过的提示信息。采用本方法能够提高人员通行验证效率。

Description

人员通行验证方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种人员通行验证方法、装置、计算机设备和存储介质。

背景技术

来访人员安全管理与内部人员管理是众多场合安全管理的重点之一。随着企业规模的不断扩大，往来人员数量逐渐增多，例如，写字楼、居民楼等高密度人群社区，为了实现安全管理，需要对往来人员进行通行验证。传统方式中，是通过往来人员的身份证或其他实体证件来验证人员的通行权限。当往来人员忘带证件或者遗失证件时，会导致往来人员通行受阻，同时无法及时对往来人员进行通行权限验证，导致人员通行验证效率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高人员通行验证效率的人员通行验证方法、装置、计算机设备和存储介质。

一种人员通行验证方法，所述方法包括：

获取待通行人员对应的待验证图像；

当所述待验证图像为所述待通行人员的人脸图像时，对所述人脸图像进行人脸检测，得到包含人脸目标的图像；

对所述包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像；

对所述待识别人脸目标图像进行小样本特征提取，得到所述待识别人脸目标图像对应的局部特征信息；

将所述局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度；

当所述人脸匹配度大于预设阈值时，生成通行验证已通过的提示信息。

在其中一个实施例中，所述对所述待识别人脸目标图像进行小样本特征提取，得到所述待识别人脸目标图像对应的局部特征信息包括：

在所述待识别人脸图像的多个人脸关键点中选取目标关键点；

提取所述目标关键点的特征信息，得到所述待识别人脸目标图像对应的局部特征信息。

在其中一个实施例中，所述将所述局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度包括：

在人员信息库中获取预设存储的人脸特征信息；

在预先存储的人脸特征信息中确定与所述局部特征信息相对应的待比对特征信息；

将所述局部特征信息与所述待比对特征信息进行小样本特征比对，得到人脸匹配度。

在其中一个实施例中，所述对所述包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像包括：

调用识别模型，通过所述识别模型对所述包含人脸目标的图像进行人脸定位，得到对应的人脸目标定位框的坐标信息；

根据所述人脸目标定位框的坐标信息对定位后的人脸目标图像进行切割，生成对应的人脸标识矩形框；

利用所述人脸标识矩形框，生成对应的多个待识别人脸目标图像。

在其中一个实施例中，所述方法还包括：

当所述待验证图像为所述待通行人员对应的二维码图像时，对所述二维码图像进行预处理，得到预处理后的二维码图像；

对所述预处理后的二维码图像进行定位，确定包含二维码信息的图像；

对所述包含二维码信息的图像进行透视变换，得到标准二维码图像；

对所述标准二维码图像进行译码，得到所述标准二维码中的二维码信息；

将所述二维码信息与预先存储的人员信息进行比对，当比对一致时，生成通行验证已通过的提示信息。

在其中一个实施例中，在所述对所述待识别人脸目标图像进行小样本特征提取之前，所述方法还包括：

获取所述待通行人员的人脸动作图像；

对所述人脸动作图像进行特征提取，将提取的所述人脸动作图像的特征信息与预先存储的人脸特征信息进行匹配；

当特征匹配度大于特征阈值时，对所述待通行人员完成人脸验证，则对所述人脸目标图像进行小样本特征提取。

一种人员通行验证装置，所述装置包括：

通信模块，用于获取待通行人员对应的待验证图像；

人脸检测模块，用于当所述待验证图像为所述待通行人员的人脸图像时，对所述人脸图像进行人脸检测，得到包含人脸目标的图像；

人脸关键点检测模块，用于对所述包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像；

提取模块，用于对所述待识别人脸目标图像进行小样本特征提取，得到所述待识别人脸目标图像对应的局部特征信息；

比对模块，用于将所述局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度；

生成模块，用于当所述人脸匹配度大于预设阈值时，生成通行验证已通过的提示信息。

在其中一个实施例中，所述人脸关键点检测模块还用于在所述待识别人脸图像的多个人脸关键点中选取目标关键点；提取所述目标关键点的特征信息，得到所述待识别人脸目标图像对应的局部特征信息。

一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。

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上述各个方法实施例中的步骤。

上述人员通行验证方法、装置、计算机设备和存储介质，获取待通行人员对应的待验证图像，当待验证图像为待通行人员的人脸图像时，对人脸图像进行人脸检测，得到包含人脸目标的图像。之后，对包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像。无需对待通行人员进行实体证件验证，能够及时对往来人员进行通行权限验证。能够对包含人脸目标的图像进行精确的人脸关键点定位。对待识别人脸目标图像进行小样本特征提取，得到待识别人脸目标图像对应的局部特征信息。随后，将局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度。当人脸匹配度大于预设阈值时，生成通行验证已通过的提示信息。由于只需要在关键点检测后得到的待识别人脸目标图像中提取局部特征信息，并非待识别人脸目标图像中的全部关键点的定位信息，能够减少通行验证时间，有效提高了通信验证效率。同时，通过人脸识别进行通行验证，减少了人与人之间的接触，有效避免了疾病以及病毒的传播。

附图说明

图1为一个实施例中人员通行验证方法的应用环境图；

图2为一个实施例中人员通行验证方法的流程示意图；

图3为一个实施例中对待识别人脸目标图像进行小样本特征提取，得到待识别人脸目标图像对应的局部特征信息步骤的流程示意图；

图4为一个实施例中人员通行验证装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的人员通行验证方法，可以应用于如图1所示的应用环境中。其中，人员终端102与服务器104通过网络进行通信，管理终端106与服务器104通过网络进行通信。人员终端102以及管理终端106中均安装有通行验证应用程序。当往来人员需要通行时，管理终端106启动通行验证应用程序，调用通行验证应用程序中的摄像头获取待通行人员对应的待验证图像。待验证图像可以是二维码图像或者人脸图像。二维码图像可以是管理终端106利用通行验证应用程序中的摄像头，对人员终端102显示的通行验证应用程序中的二维码图像进行扫描得到的，人脸图像可以是管理终端106利用通行验证应用程序中的摄像头扫描待通行人员的人脸得到的。管理终端106将待验证图像发送至服务器104，当待验证图像为待通行人员的人脸图像时，服务器104对人脸图像进行人脸检测，得到包含人脸标的图像。之后，服务器104对包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像。随后，服务器104对待识别人脸目标图像进行小样本特征提取，得到待识别人脸目标图像对应的局部特征信息。服务器104进而将局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度。当人脸匹配度大于预设阈值时，服务器104生成通行验证已通过的提示信息。其中，人员终端102和管理终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种人员通行验证方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤202，获取待通行人员对应的待验证图像。

在写字楼、居民楼等高密度人群社区中，为了实现安全管理，需要对往来人员进行通行权限验证。待验证图像是用于对待通行人员进行通行权限验证的图像。待验证图像可以是人脸图像，也可以是二维码图像。管理终端中预先安装有通行验证应用程序。管理终端通过登录通行验证应用程序，调用通行验证应用程序中的摄像头，通过摄像头扫描待通行人员的人脸，采集待通行人员的人脸图像。人员终端中也预先安装有通行验证应用程序，待通行人员通过人员终端登录通行验证应用程序，通过人员终端显示通行验证应用程序中的二维码图像。从而管理终端利用通行验证应用程序中的摄像头扫描人员终端显示的二维码图像。服务器进而获取到管理终端发送的二维码图像或者待通行人员的人脸图像。

其中，二维码图像可以是服务器根据人员终端上传的人员信息生成的。具体的，人员终端预先在通行验证应用程序中进行注册，注册成功后登录通行验证应用程序。来往人员将人员信息上传至通行验证应用程序，从而服务器获取到通行验证应用程序中的人员信息。人员信息可以包括人员名称、身份证信息、第一人脸图像等。第一人脸图像可以是来往人员进行信息录入时上传的人脸图像。服务器对第一人脸图像进行人脸检测，得到人脸检测后的人脸图像。之后，对人脸检测后的人脸图像进行人脸关键点检测，生成人脸关键点检测后的人脸图像。随后，对人脸关键点检测后的人脸图像进行小样本特征提取，得到关键特征信息，服务器将关键特征信息以及人员信息进行存储。管理人员可以通过管理终端登录通行验证应用程序，对人员信息进行审核，当审核通过后，服务器根据人员信息生成相应的二维码图像，将二维码图像返回至人员终端。

在一个实施例中，服务器可以对二维码图像进行加密，加密方式可以是两段式加密。一段是通过固定字节进行加密，用于授权管理终端的扫码权限。授权外的任何设备扫描二维码图像均不会显示任何信息。另一段是通过随机密码进行加密。加密字节更短，管理终端的扫码识别速度更快。当管理终端利用通行验证应用程序中的摄像头扫描人员终端显示的二维码图像时，通过相应的解密方式对二维码图像进行解密，以获取二维码信息对待通行人员的通行权限进行验证。

步骤204，当待验证图像为待通行人员的人脸图像时，对人脸图像进行人脸检测，得到包含人脸目标的图像。

当待验证图像为待通行人员的人脸图像时，服务器调用预先训练的分类器对人脸图像进行人脸检测。人脸检测是指检测给定的图像中是否存在人脸目标。当检测到人脸图像中存在人脸目标时，服务器可以对人脸图像的空间重合度进行检测，并将空间重合度与重合度阈值进行比较，当空间重合度达到重合度阈值时，则确定该人脸图像存在人脸目标，从而得到包含人脸目标的图像。

步骤206，对包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像。

服务器中预先存储有识别模型，识别模型是通过大量样本信息训练后得到的。服务器在得到包含人脸目标的图像后，调用预先训练的识别模型对包含人脸目标的图像进行人脸关键点检测。例如，识别模型可以是多任务级联卷积神经网络模型。具体的，服务器将包含人脸目标的图像输入至识别模型中，通过第一级卷积神经网络对包含人脸目标的图像进行预测运算，输出人脸目标图像对应的人脸定位候选窗口和边界框回归向量。通过第一级卷积神经网络利用边界框回归向量对人脸定位候选窗口进行校准，得到相应的第一级人脸目标定位框的坐标信息以及人脸分类概率。从而服务器将经过第一级定位后的人脸图像输入至下一级卷积神经网络进行人脸定位，得到对应的第二级目标定位框的坐标信息以及人脸分类概率。进而通过识别模型对经过第二级定位后的人脸图像进行人脸关键点检测和校准，得到第二级定位后的人脸图像对应的人脸关键点的定位信息、人脸目标定位框的坐标信息以及人脸分类概率。其中，人脸关键点的定位信息可以包括人脸区域的关键点定位信息，关键点定位信息可以包括眉毛、左眼、右眼、鼻子、左嘴角、右嘴角、脸部轮廓等定位信息。服务器可以根据人脸关键点的定位信息以及人脸目标定位框的坐标信息对包含人脸目标的图像进行切割，生成待识别人脸目标图像。

步骤208，对待识别人脸目标图像进行小样本特征提取，得到待识别人脸目标图像对应的局部特征信息。

步骤210，将局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度。

步骤212，当人脸匹配度大于预设阈值时，生成通行验证已通过的提示信息。

待识别人脸目标图像中包括人脸区域的关键特征点定位信息。小样本特征提取是指提取关键特征点定位信息中的部分信息。

服务器在关键特征点定位信息选取部分关键点的定位信息，进行小样本特征提取，得到待识别人脸目标图像对应的局部特征信息。服务器只是对关键点的定位信息中的部分信息进行提取，并非全部关键点的定位信息。

服务器进而将提取的局部特征信息与数据库中相应的人脸特征信息进行小样本特征比对，得到特征相似度，将特征相似度作为人脸匹配度。服务器将人脸匹配度与预设阈值进行比较，当人脸匹配度大于预设阈值时，表明待通行人员具有通行权限。此时，服务器生成通行验证已通过的提示信息，将通行验证已通过的提示信息返回至管理终端进行显示，当管理人员查看到管理终端中显示的通行验证已通过的提示信息，即可以允许待通行人员通行。

在本实施例中，获取待通行人员对应的待验证图像，当待验证图像为待通行人员的人脸图像时，对人脸图像进行人脸检测，得到包含人脸目标的图像。之后，对包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像。无需对待通行人员进行实体证件验证，能够及时对往来人员进行通行权限验证。能够对包含人脸目标的图像进行精确的人脸关键点定位。对待识别人脸目标图像进行小样本特征提取，得到待识别人脸目标图像对应的局部特征信息。随后，将局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度。当人脸匹配度大于预设阈值时，生成通行验证已通过的提示信息。由于只需要在关键点检测后得到的待识别人脸目标图像中提取局部特征信息，并非待识别人脸目标图像中的全部关键点的定位信息，能够减少通行验证时间，有效提高了通信验证效率。同时，通过人脸识别进行通行验证，减少了人与人之间的接触，有效避免了疾病以及病毒的传播。

在一个实施例中，如图3所示，对待识别人脸目标图像进行小样本特征提取，得到待识别人脸目标图像对应的局部特征信息的步骤包括：

步骤302，在待识别人脸图像的多个人脸关键点中选取目标关键点。

步骤304，提取目标关键点的特征信息，得到待识别人脸目标图像对应的局部特征信息。

待识别人脸图像中包括多个人脸关键点以及人脸关键点的定位信息。服务器可以在多个人脸关键点中选取目标关键点。目标关键点是针对待通行人员来说区分度超过特征阈值的关键点。例如，目标关键点可以是待通行人员的左眼、右眼、左嘴角以及右嘴角。进而服务器可以根据目标关键点的定位信息对目标关键点进行特征提取，得到目标关键点的特征信息，即待识别人脸目标图像对应的局部特征信息。

在本实施例中，通过在待识别人脸图像的多个人脸关键点中选取目标关键点，从而提取目标关键点的特征信息，得到待识别人脸目标图像对应的局部特征信息。由于只需要在多个人脸关键点中选取部分关键点进行特征提取，因而减少了特征提取时间，从而进一步提高了通行验证效率。

在一个实施例中，将局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度包括：在人员信息库中获取预设存储的人脸特征信息；在预先存储的人脸特征信息中确定与局部特征信息相对应的待比对特征信息；将局部特征信息与待比对特征信息进行小样本特征比对，得到人脸匹配度。

当服务器获取到待识别人脸目标图像对应的局部特征信息后，服务器在人员信息库中提取预设存储的人脸特征信息，由于局部特征信息只是待识别人脸目标图像中的部分关键点的特征信息，因此，服务器只需要在预先存储的人脸特征信息确定与该部分关键点相对应的人脸特征信息，将确定的人脸特征信息作为待比对特征信息。服务器将局部特征信息与待比对特征信息进行小样本特征比对，进而得到人脸匹配度。当人脸匹配度大于预设阈值时，服务器生成通行验证已通过的提示信息，并将该提示信息发送只管理终端，以使管理人员根据提示信息允许待通行人员顺利通行。

在本实施例中，只需要将局部特征信息与相对应的待比对特征信息进行小样本特征比对，比对的信息较少，由此提高了特征对比效率，进而有效提高了通行验证效率。

在一个实施例中，对包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像包括：调用识别模型，通过识别模型对包含人脸目标的图像进行人脸定位，得到对应的人脸目标定位框的坐标信息；根据人脸目标定位框的坐标信息对定位后的人脸目标图像进行切割，生成对应的人脸标识矩形框；利用人脸标识矩形框，生成对应的多个待识别人脸目标图像。

识别模型可以是多任务级联卷积神经网络模型。多任务级联卷积神经网络可以包括三级网络。第一级子网络为Proposal Network(P-Net)，第二级网络为Refine Network(R-Net)以及第三级网络Output Network(O-Net)。服务器将得到的包含人脸目标的图像输入至第一级网络中，得到对应的多个人脸目标图像的人脸定位候选窗口和边界框回归向量。服务器利用边界框回归向量对多个人脸定位候选窗口进行校准，同时利用非极大值抑制(NMS)算法将高度重叠的候选窗口进行合并，最终输出尺度调整后的多个人脸目标图像，以及得到初步筛选后的多个第一级人脸目标定位框的坐标信息和人脸分类概率。服务器从而将尺度调整后的多个人脸目标图像输入至至第二级网络中进行人脸定位识别，服务器在第二级网络中添加全连接层，对上述得到的第一级定位后的人脸目标图像进行过滤，利用边框回归向量和面部关键点检测器对人脸目标图像进行人脸区域的边框回归和关键点检测，输出第二级网络过滤后的人脸目标图像，以及对应的多个第二级人脸目标定位框的坐标信息和人脸分类概率。服务器将第二级网络过滤后的人脸目标图像发送到第三级网络中，进行人脸关键点检测，得到对应的人脸关键点的定位信息、人脸目标定位框的坐标信息以及人脸分类概率。进而服务器根据人脸关键点的定位信息以及人脸目标定位框的坐标信息，对人脸目标图像进行切割，生成对应的人脸标识矩形框。服务器利用人脸标识矩形框，生成对应的多个待识别人脸目标图像。其中，人脸关键点的定位信息可以包括人脸区域的多个关键点的定位信息，可以包括眉毛、左眼、右眼、鼻子、左嘴角、右嘴角和脸部轮廓的定位信息。由此能够对多个包含人脸目标的图像进行精准的人脸定位以及人脸关键点检测，避免了因背景环境因素的干扰而不能进行准确识别的问题，有效提高了人脸识别的可靠性。

在一个实施例中，上述方法还包括：当待验证图像为待通行人员对应的二维码图像时，对二维码图像进行预处理，得到预处理后的二维码图像；对预处理后的二维码图像进行定位，确定包含二维码信息的图像；对包含二维码信息的图像进行透视变换，得到标准二维码图像；对标准二维码图像进行译码，得到标准二维码中的二维码信息；将二维码信息与预先存储的人员信息进行比对，当比对一致时，生成通行验证已通过的提示信息。

当待通行人员通过人员终端登录通行验证应用程序，通过人员终端显示通行验证应用程序中的二维码图像时，管理终端可以利用通行验证应用程序中的摄像头扫描人员终端显示的二维码图像。管理终端将二维码图像发送至服务器，服务器二维码图像进行预处理。预处理的方式可以有多种，例如，预处理可以是包括但不限于是灰度化处理、去噪处理以及二值化处理。服务器可以对二维码图像进行灰度化处理，将二维码图像转换为灰度图，从而减少样本图像的计算量。灰度化处理的方式可以包括但不限于是最大值法、平均值法、加权求和法。服务器可以对灰度化处理后的二维码图像进行去噪处理，进而对去噪处理后的二维码图像进行二值化处理，得到预处理后的二维码图像。

服务器对预处理后的二维码图像进行定位。具体的，服务器可以先定位预处理后的二维码图像对应的位置探测图形，根据位置探测图形生成二维码标识框。位置探测图形可以包括左上角，右上角和左下角三个位置探测图形。之后，当二维码图像无法识别时，需要根据位置探测图形预测预处理后的二维码图像对应的校正图形，从而根据校正图形得到可识别二维码信息的图像。校正图形可以是右下角校正符。进而服务器对包含二维码信息的图像进行透视变换，得到标准二维码图像。透视变换可以是将包含二维码信息的图像投影到一个新的平面上的一种非线性变换，实现对图像进行矫正。随后，服务器对标准二维码图像进行译码，即对标准二维码图像进行解析，得到二维码的版本信息以及格式信息等，对二维码的版本信息以及格式信息进行翻译，转换为二进制信息。服务器可以将二进制信息与人员信息库中预先存储的人员信息进行比对，当信息完全匹配时，服务器则生成通行验证已通过的提示信息。

在本实施例中，通过对二维码图像进行预处理，能够提高二维码验证的准确性。对预处理后的二维码图像进行定位、透视变换以及译码，得到标准二维码中的二维码信息。能够获取更为完整、准确的二维码信息。将二维码信息与预先存储的人员信息进行比对，当比对一致时，生成通行验证已通过的提示信息。由于二维码信息是完整、准确的，因而可以提高通行验证的准确性。

在一个实施例中，在对待识别人脸目标图像进行小样本特征提取之前，上述方法还包括：获取待通行人员的人脸动作图像；对人脸动作图像进行特征提取，将提取的人脸动作图像的特征信息与预先存储的人脸特征信息进行匹配；当特征匹配度大于特征阈值时，对待通行人员完成人脸验证，则对人脸目标图像进行小样本特征提取。

服务器在对包含人脸目标的图像进行人脸关键点检测之后，对待识别人脸目标图像进行小样本特征提取之前，还可以对待通行人员进行人脸验证，识别获取到的人脸图像是静态人脸照片还是真实活体的待通行人员的本人操作。具体的，服务器可以下达人脸验证指令至管理终端。管理终端根据人脸验证指令生成人脸动作提示信息，并利用通行验证应用程序中的摄像头采集待通行人员根据人脸动作提示信息所做出的人脸动作图像。例如，人脸动作图像可以是眨眼、点头、摇头、张嘴等人脸动作。摄像头将采集到的人脸动作图像发送至服务器，服务器对人脸动作图像进行特征提取，得到人脸动作图像的特征信息。将人脸动作图像的特征信息与预先存储的人脸特征信息进行匹配。当特征匹配度大于特征阈值时，表明待通行人员通过人脸验证。随后，服务器可以对人脸目标图像进行小样本特征提取。

在本实施例中，获取待通行人员的人脸动作图像，对人脸动作图像进行特征提取，只有当提取的人脸动作图像的特征信息与预先存储的人脸特征信息的特征匹配度大于特征阈值时，才对人脸目标图像进行小样本特征提取。能够有效避免人脸伪造，提高人脸识别进行通信验证的安全性。

应该理解的是，虽然图2至3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2至3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图4所示，提供了一种人员通行验证装置，包括：通信模块402、人脸检测模块404、人脸关键点检测模块406、提取模块408、比对模块410和生成模块412，其中：

通信模块402，用于获取待通行人员对应的待验证图像。

人脸检测模块404，用于当待验证图像为待通行人员的人脸图像时，对人脸图像进行人脸检测，得到包含人脸目标的图像。

人脸关键点检测模块406，用于对包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像。

提取模块408，用于对待识别人脸目标图像进行小样本特征提取，得到待识别人脸目标图像对应的局部特征信息。

比对模块410，用于将局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度。

生成模块412，用于当人脸匹配度大于预设阈值时，生成通行验证已通过的提示信息。

在一个实施例中，提取模块408，还用于在待识别人脸图像的多个人脸关键点中选取目标关键点；提取目标关键点的特征信息，得到待识别人脸目标图像对应的局部特征信息。

在一个实施例中，比对模块410，还用于在人员信息库中获取预设存储的人脸特征信息；在预先存储的人脸特征信息中确定与局部特征信息相对应的待比对特征信息；将局部特征信息与待比对特征信息进行小样本特征比对，得到人脸匹配度。

在一个实施例中，人脸关键点检测模块406，还用于调用识别模型，通过识别模型对包含人脸目标的图像进行人脸定位，得到对应的人脸目标定位框的坐标信息；根据人脸目标定位框的坐标信息对定位后的人脸目标图像进行切割，生成对应的人脸标识矩形框；利用人脸标识矩形框，生成对应的多个待识别人脸目标图像。

在一个实施例中，上述装置还包括：二维码验证模块，用于当待验证图像为待通行人员对应的二维码图像时，对二维码图像进行预处理，得到预处理后的二维码图像；对预处理后的二维码图像进行定位，确定包含二维码信息的图像；对包含二维码信息的图像进行透视变换，得到标准二维码图像；对标准二维码图像进行译码，得到标准二维码中的二维码信息；将二维码信息与预先存储的人员信息进行比对，当比对一致时，生成通行验证已通过的提示信息。

在一个实施例中，上述装置还包括：人脸验证模块，用于获取待通行人员的人脸动作图像；对人脸动作图像进行特征提取，将提取的人脸动作图像的特征信息与预先存储的人脸特征信息进行匹配；当特征匹配度大于特征阈值时，对待通行人员完成人脸验证，则对人脸目标图像进行小样本特征提取。

关于人员通行验证装置的具体限定可以参见上文中对于人员通行验证方法的限定，在此不再赘述。上述人员通行验证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和人员信息库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和人员信息库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的人员信息库用于存储人脸特征信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人员通行验证方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述各个实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各个实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、人员信息库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双信息率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种人员通行验证方法，其特征在于，所述方法包括：

获取待通行人员对应的待验证图像；

当所述待验证图像为所述待通行人员的人脸图像时，对所述人脸图像进行人脸检测，得到包含人脸目标的图像；

对所述包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像；

对所述待识别人脸目标图像进行小样本特征提取，得到所述待识别人脸目标图像对应的局部特征信息；

将所述局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度；

当所述人脸匹配度大于预设阈值时，生成通行验证已通过的提示信息。

2.根据权利要求1所述的方法，其特征在于，所述对所述待识别人脸目标图像进行小样本特征提取，得到所述待识别人脸目标图像对应的局部特征信息包括：

在所述待识别人脸图像的多个人脸关键点中选取目标关键点；

提取所述目标关键点的特征信息，得到所述待识别人脸目标图像对应的局部特征信息。

3.根据权利要求1所述的方法，其特征在于，所述将所述局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度包括：

在人员信息库中获取预设存储的人脸特征信息；

在预先存储的人脸特征信息中确定与所述局部特征信息相对应的待比对特征信息；

将所述局部特征信息与所述待比对特征信息进行小样本特征比对，得到人脸匹配度。

4.根据权利要求1所述的方法，其特征在于，所述对所述包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像包括：

调用识别模型，通过所述识别模型对所述包含人脸目标的图像进行人脸定位，得到对应的人脸目标定位框的坐标信息；

根据所述人脸目标定位框的坐标信息对定位后的人脸目标图像进行切割，生成对应的人脸标识矩形框；

利用所述人脸标识矩形框，生成对应的多个待识别人脸目标图像。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述待验证图像为所述待通行人员对应的二维码图像时，对所述二维码图像进行预处理，得到预处理后的二维码图像；

对所述预处理后的二维码图像进行定位，确定包含二维码信息的图像；

对所述包含二维码信息的图像进行透视变换，得到标准二维码图像；

对所述标准二维码图像进行译码，得到所述标准二维码中的二维码信息；

将所述二维码信息与预先存储的人员信息进行比对，当比对一致时，生成通行验证已通过的提示信息。

6.根据权利要求1至5任意一项所述的方法，其特征在于，在所述对所述待识别人脸目标图像进行小样本特征提取之前，所述方法还包括：

获取所述待通行人员的人脸动作图像；

对所述人脸动作图像进行特征提取，将提取的所述人脸动作图像的特征信息与预先存储的人脸特征信息进行匹配；

当特征匹配度大于特征阈值时，对所述待通行人员完成人脸验证，则对所述人脸目标图像进行小样本特征提取。

7.一种人员通行验证装置，其特征在于，所述装置包括：

通信模块，用于获取待通行人员对应的待验证图像；

人脸检测模块，用于当所述待验证图像为所述待通行人员的人脸图像时，对所述人脸图像进行人脸检测，得到包含人脸目标的图像；

人脸关键点检测模块，用于对所述包含人脸目标的图像进行人脸关键点检测，生成待识别人脸目标图像；

提取模块，用于对所述待识别人脸目标图像进行小样本特征提取，得到所述待识别人脸目标图像对应的局部特征信息；

比对模块，用于将所述局部特征信息与预先存储的人脸特征信息进行小样本特征比对，得到人脸匹配度；

生成模块，用于当所述人脸匹配度大于预设阈值时，生成通行验证已通过的提示信息。

8.根据权利要求7所述的装置，其特征在于，所述人脸关键点检测模块还用于在所述待识别人脸图像的多个人脸关键点中选取目标关键点；提取所述目标关键点的特征信息，得到所述待识别人脸目标图像对应的局部特征信息。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

10.一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6中任一项所述的方法的步骤。

Images