CN111985438A - 一种静态人脸处理方法、装置及设备 - Google Patents
一种静态人脸处理方法、装置及设备 Download PDFInfo
- Publication number
- CN111985438A CN111985438A CN202010897062.2A CN202010897062A CN111985438A CN 111985438 A CN111985438 A CN 111985438A CN 202010897062 A CN202010897062 A CN 202010897062A CN 111985438 A CN111985438 A CN 111985438A
- Authority
- CN
- China
- Prior art keywords
- face
- time point
- static
- target
- preset
- 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
- 230000003068 static effect Effects 0.000 title claims abstract description 239
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 230000008859 change Effects 0.000 claims abstract description 86
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 37
- 210000000887 face Anatomy 0.000 description 19
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 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
- 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
Abstract
本说明书实施例提供一种静态人脸处理方法、装置及设备。方法包括:在人脸识别装置对识别区域的人脸进行识别之前,先进行静态人脸判定,包括:持续采集人脸识别装置的识别区域对应的图像;依次将在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸的坐标进行对比,得到各人脸的坐标变化数据;若人脸的坐标变化数据满足预设静态条件且持续时长达到预设静态时长阈值,则判定为静态人脸,然后,忽略所述静态人脸,仅对动态人脸(非静态人脸)进行识别处理。由此,避免静态人脸对人脸识别造成干扰。
Description
技术领域
本文件涉及计算机技术领域,尤其涉及一种静态人脸处理方法、装置及设备。
背景技术
人脸识别是指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,包括用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术。
随着人脸识别技术的发展,人脸识别的应用场景越来越广,如带人脸识别功能的门禁产品、带人脸识别功能的身份辨识(在国际民航组织已确定,从2010年4月1日起,其118个成员国家和地区,必须使用机读护照,人脸识别技术是首推识别模式,该规定已经成为国际标准)等。但在实际应用中,部署在现场的人脸识别设备的可识别区域内可能存在静态的人脸目标,如墙面广告、假人等,此时人脸识别设备往往会重复上报未识别的人脸或者假人等认证消息事件,而且由于人脸识别设备一直处于识别状态,因此,无法进入休眠或者低功耗的模式,进而导致设备本地或者远程服务器记录着大量的无效数据,而且由于设备无法进入低功耗模式,长期处于运行状态,因此将降低设备的使用寿命。
因此,需要更加有效的静态人脸处理方案。
发明内容
本说明书实施例提供一种静态人脸处理方法,用以避免静态人脸对人脸识别造成干扰。
本说明书实施例还提供一种静态人脸处理方法,包括:
持续采集人脸识别装置的识别区域对应的图像;
依次将在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸的坐标进行对比,得到各人脸的坐标变化数据;
若人脸的坐标变化数据满足预设静态条件且持续时长达到预设静态时长阈值,则判定为静态人脸,所述静态人脸不参与人脸识别。
本说明书实施例还提供一种静态人脸处理装置,包括:
采集模块,用于持续采集人脸识别装置的识别区域对应的图像;
第一处理模块,用于依次将在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸的坐标进行对比,得到各人脸的坐标变化数据;
第二处理模块,用于若人脸的坐标变化数据满足预设静态条件且持续时长达到预设静态时长阈值,则判定为静态人脸,所述静态人脸不参与人脸识别。
本说明书实施例还提供一种电子设备,其特征在于,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如上述的方法的步骤。
本说明书实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行如上述的方法的步骤。
本说明书一个实施例实现了,在人脸识别装置对识别区域内的人脸进行识别之前,持续采集其识别区域的图像,通过持续进行人脸坐标对比,筛选出图像中的静态人脸,并滤除静态人脸,由人脸识别装置仅对非静态人脸进行人脸识别,从而可避免静态人脸对人脸识别造成的干扰,提高人脸识别的有效性和人脸识别装置的使用寿命。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书一实施例提供的一种静态人脸处理方法的流程示意图;
图2为本说明书一实施例提供的步骤104的第一种实现方式的流程示意图;
图3为本说明书一实施例提供的步骤104的第二种实现方式的流程示意图;
图4为本说明书一实施例提供的人脸识别装置的工作原理示意图;
图5为本说明书一实施例提供的解除静态人脸的流程示意图;
图6为本说明书一实施例提供的静态人脸处理装置的流程示意图;
图7为本说明书一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本文件保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书一实施例提供的一种静态人脸处理方法的流程示意图,参见图1,所述方法具体可以包括如下步骤:
步骤102、持续采集人脸识别装置的识别区域对应的图像;
其中,人脸识别装置的识别区域一般是固定的。
具体地,人脸识别装置通过内置摄像头或者关联的外部摄像头,按照预设的采集时间间隔(如2s),持续采集识别区域对应的图像。若采用的是外部摄像头,则在执行步骤102之前,还需要考虑外部摄像头的视场范围和人脸识别装置的识别区域,合理设置外部摄像头的安装位置,使得外部摄像头的图像采集区域与人脸识别装置的识别区域相对应,至少可覆盖识别区域。
步骤104、依次将在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸的坐标进行对比,得到各人脸的坐标变化数据;
其中,所述在先时间点和所述在后时间点均是采集图像的时间点,且在时间维度上,所述在后时间点是指位于所述在先时间点后面的时间点,若预设的采集时间间隔为2s,则在后时间点t1=在先时间点t2+2s。
为确保人脸坐标的对比是针对同一对象的,本实施例在执行步骤104之前,还提供了对象匹配的步骤,具体地:
将所述在后时间点采集的图像中的第一人脸分别与所述在先时间点采集的图像中的人脸进行特征匹配,从所述在先时间点采集的图像中匹配出与所述第一人脸属于同一对象的第二人脸。
其中,特征匹配是指采用预设人脸识别算法对通过人脸特征点提取算法提取的可作为人脸标识的人脸特征点之间的匹配,如瞳孔、眼角、鼻子、嘴角、眼间距等,下面以眼间距为例进行示例性为:
首先,通过人脸特征点提取算法从所述在后时间点采集的图像中提取出任一人脸(记为第一人脸),通过人脸检测获取第一人脸的眼间距特征;然后,按照预设匹配顺序,依次提取出在先时间点采集的图像中的人脸的眼间距特征,并将其与第一人脸的眼间距进行对比;若两个人脸的眼间距不同(如眼间距差值大于5%),则判定两个人脸属于不同对象;若两个人脸的眼间距相同或相似(如眼间距差值小于或等于5%),则判定两个人脸属于同一对象,并建立两个人脸之间的关联关系。同理,可提取所述在后时间点采集的图像中每个人脸的眼间距特征,并将其分别与在先时间点采集的图像中的人脸的眼间距特征进行匹配,从而可匹配出在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸。
基于此,本实施例通过对比前后时间点采集的两幅图像中的人脸的特征,即可查找出属于同一对象的人脸,该查找过程所需处理的数据量非常小,因此,可提高查找效率,以及提高人脸识别效率。本实施例在此示出了对象匹配的步骤的具体实现方式。当然,应理解,对象匹配的步骤也可以采用其它的方式实现,本实施例对此不作限制。
下面以图像中的任一人脸(目标人脸)为例,对步骤104的实现方式进行详细说明:
参见图2,在步骤104的第一种实现方式中,所述在先时间点为所述在后时间点相邻的上一个采集图像的时间点,第M在先时间点为第M在后时间点相邻的上一个采集图像的时间点,则本实现方式可以为:
步骤202、将第一在后时间点采集的图像与第一在先时间点采集的图像中属于同一对象的目标人脸的人脸坐标进行对比;
步骤204、判断所述目标人脸的坐标变化数据是否满足所述预设静态条件;
若是,则执行步骤206;若否,则判定所述目标人脸为动态人脸;
步骤206、若所述目标人脸的坐标变化数据满足所述预设静态条件,则将所述第一在后时间点和所述第一在先时间点之间的时长累计入所述目标人脸的静态时长;
步骤208、将所述第一在后时间点作为第二在先时间点,并将所述第二在先时间点采集的图像与第二在后时间点采集的图像中的所述目标人脸的人脸坐标进行对比;
不难理解的是,若目标人脸在第二在先时间点和第二在后时间点之间的坐标变化数据还是满足所述预设静态条件,则继续将第二在先时间点和第二在后时间点之间的时长累计入所述目标人脸的静态时长。
步骤210、以此类推,直至判定所述目标人脸为静态人脸。本实现方式中,静态人脸的判定条件包括人脸的静态时长需达到预设静态时长阈值。
基于此,本实施例采用依次将后一帧图像与前一帧图像进行对比的方式,可对比出很短时间(一个采集时间间隔长度)内的前后两帧图像之间的人脸坐标变化情况,从而精确判断人脸是否发生动态变化,提高静态人脸的判断精度。
进一步地,为确保静态人脸的判断精确度,本实施例在上述静态时长累计规则的基础上,还提供的时长清零规则,具体地:
在依次将在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸的坐标进行对比的过程中,若人脸的坐标变化数据满足预设静态条件则累计人脸的坐标变化数据满足预设静态条件的时长(静态时长);而若人脸的坐标变化数据不满足预设静态条件,则将人脸的坐标变化数据满足预设静态条件的时长清零,从而确保静态时长的持续性,避免间断性的静态时长达到预设静态时长阈值导致的静态人脸判断不准的问题。
参见图3,在步骤104的第二种实现方式中,所述在后时间点为在所述在先时间点之后且在所述在先时间点的预设时长范围内的任一时间点,所述预设时长范围等于所述预设静态时长阈值,则本实现方式可以为:
步骤302、将第一在后时间点采集的图像与所述在先时间点采集的图像中属于同一对象的目标人脸的人脸坐标进行对比,所述第一在后时间点为所述在先时间点相邻的下一个采集图像的时间点;
步骤304、判断所述目标人脸的坐标变化数据是否满足预设静态条件;
若是,则执行步骤306;若否,则判定所述目标人脸为动态人脸;
步骤306、若所述目标人脸的坐标变化数据满足预设静态条件,则将第二在后时间点采集的图像与所述在先时间点采集的图像中的所述目标人脸的人脸坐标进行对比,所述第二在后时间点为所述第一在后时间点相邻的下一个采集图像的时间点;
以此类推,将直至判定所述目标人脸为静态人脸,本实现方式中静态人脸判定条件包括所述在先时间点之后的预设时长范围内的时间点采集的图像中的目标人脸的人脸坐标与所述在先时间点采集的图像中的目标人脸的人脸坐标之间的坐标变化数据均满足预设静态条件。
基于此,本实施例通过将在先时间点之后的预设时间范围内的在后时间点采集的图像分别于该在先时间点采集的图像分别一一进行对比,并当每个在后时间点采集的图像中的目标人脸的人脸坐标与所述在先时间点采集的图像中的目标人脸的人脸坐标之间的坐标变化数据均满足预设静态条件时,判定目标人脸为静态人脸,由于已预先限定预设时间范围内的条件,因此,可无需额外累计目标人脸的静态时长,进而可提高静态人脸的对比效率。
进一步地,针对本实现方式,本实施例还提供的在先时间点重置规则,具体地:
若第N在后时间点和所述在先时间点之间的所述目标人脸的坐标变化数据不满足所述预设静态条件,则将所述第N在后时间点作为新的在先时间点,并执行上述步骤104的第二种实现方式,依次将所述第N在后时间点之后的预设时长范围内的在后时间点采集的图像与所述第N在后时间点采集的图像中属于同一对象的人脸的坐标进行对比。其中,所述第N在后时间点为所述在先时间点的预设时长范围内的任一时间点。
结合图3,若步骤304中判定的是所述目标人脸的坐标变化数据不满足预设静态条件,则判定所述目标人脸为动态人脸,再使用原来的在先时间点采集的图像作为对比基准已然是不合适的,因此,可将第一在后时间点作为新的在先时间点,重新执行图3中的步骤302至步骤380,由此,本实施例基于在先时间点重置规则,在静态人脸对比过程中,不断更新在先时间点,并进行最新的在先时间点之后的预设时间范围内的人脸坐标的对比,从而可确保人脸坐标对比的持续性,避免动态人脸的干扰,提高静态人脸的判断精确性。
本实施例在此示出了步骤104的具体实现方式。当然,应理解,步骤104也可以采用其它的方式实现,本实施例对此不作限制。
对于上述两种实现方式中的步骤202-204和步骤302-304,下面对两幅图像之间的人脸坐标变化数据是否满足静态条件进行详细说明:
其中,所述坐标变化数据包括:人脸的坐标变化值,或者,人脸的大小变化值。
相应的,预设静态条件至少包括如下条件的一种:
人脸的坐标变化值小于或等于人脸的眼间距的预设比例;
人脸的大小变化值小于或等于预设变化阈值。
其中,人脸的坐标可以是指人脸中心位置的坐标,相应地,人脸的坐标变化值可以是指人脸中心位置的坐标的变化值;人脸的大小可由检测的人脸边界位置的坐标计算。
下面以预设静态条件包括上述两个条件为例,对步骤202-204进行示例性说明:
首先,通过检测获取第一在后时间点采集的图像与第一在先时间点采集的图像中目标人脸的坐标、边界位置的坐标、眼间距等;然后,对比目标人脸在两幅图像中的坐标,得到人脸的坐标变化值;通过目标人脸的边界位置,计算目标人脸在两幅图像中的人脸大小,从而计算人脸的大小变化值;然后,将人脸的坐标变化值与眼间距进行对比,若人脸的坐标变化值小于或等于目标人脸的眼间距的预设比例(如0.5个眼间距)且人脸的大小变化值小于预设变化阈值(如大小变化值小于10%),则判定坐标变化数据满足静态条件,否则判定坐标变化数据不满足静态条件。
基于此,本实施例一方面引入人脸中的眼间距等类似不可变的细粒度的特征作为静态条件,从而可确保静态人脸的判断精确度;而且,本实施例还从人脸整体角度,对比人脸大小的变化情况,从而实现细粒度和粗粒度结合进行静态人脸判断的目的,达到进一步地确保静态人脸的判断精确度。
步骤106、若人脸的坐标变化数据满足预设静态条件且持续时长达到预设静态时长阈值,则判定为静态人脸,所述静态人脸不参与人脸识别。对于非静态人脸,则可通过人脸识别装置进行识别处理。
基于步骤104的第一种实现方式,步骤106具体可以为:
检测步骤104累计的目标人脸的静态时长,若检测到目标人脸的静态时长达到预设静态时长阈值,则判定所述目标人脸为静态人脸;若否,则继续检测目标人脸的静态时长。
同理,对于图像中的其他人脸,也可采用步骤104示出的对比方案,从而检测步骤104累计的每个对象的人脸的静态时长;当存在静态时长达到预设静态时长阈值的人脸时,则判定该人脸为静态人脸。
基于步骤104的第二种实现方式,步骤106具体可以为:
若所述在先时间点之后的预设时长范围(预设时长范围的时长等于或大于预设静态时长阈值)内的时间点采集的图像中的目标人脸的人脸坐标与所述在先时间点采集的图像中的目标人脸的人脸坐标之间的坐标变化数据均满足预设静态条件,则说明目标人脸满足预设静态条件的持续时长达到预设静态时长阈值,进而可判定为静态人脸。
进一步地,在判定存在静态人脸时,可将人脸存入静态人脸列表中。由此,在人脸识别装置对采集的图像中的人脸进行识别之前,先执行静态人脸过滤步骤,再进行人脸识别处理。下面参见图4,对人脸识别装置的工作流程进行详细说明:
步骤402、从采集的图像中提取人脸;
其中,所述采集的图像一般是指图像采集装置最新采集的一帧图像,即在进行人脸图像的采集的同时,同步进行步骤404对应的静态人脸的判定;所述人脸特征至少包括人脸坐标、眼间距、人脸边界的坐标。
步骤404、是否属于静态人脸;
若是,则执行步骤406;若否,则执行步骤408;
下面以图像中的目标人脸,以眼间距特征作为人脸识别算法的特征输入为例,对步骤404进行示例性描述:
首先,通过将目标人脸的眼间距与静态人脸列表中的静态人脸的眼间距进行对比,判断静态人脸列表中是否存在与目标人脸属于同一对象(人)的静态人脸(记为目标静态人脸);若否,则对比下一人脸;若是,则进一步对比目标人脸和目标静态人脸的人脸坐标和人脸边界坐标,得到人脸坐标变化值和人脸大小变化值,再结合预设静态条件判断目标人脸是否为静态人脸,如,若人脸坐标变化值小于0.5个眼间距,人脸大小变化值小于10%,则判定目标人脸为静态人脸。
步骤406、是否满足解除条件;
若是,则执行步骤408;若否,则执行步骤410;
基于步骤406,本实施例还提供了静态人脸列表维护规则,下面对静态人脸列表维护规则的实现方式进行详细说明:
参见图5,静态人脸列表维护规则的一种实现方式可以为:
步骤502、将采集到的图像中的人脸与静态人脸列表中的人脸进行特征匹配,所述静态人脸列表用于保存静态人脸;
步骤504、若所述静态人脸列表中存在与所述采集到的图像中的目标人脸属于同一对象的目标静态人脸,则对比所述目标人脸的人脸坐标和所述目标静态人脸的人脸坐标,得到坐标变化数据;
步骤506、若所述坐标变化数据不满足所述预设静态条件,则将所述目标静态人脸从所述静态人脸列表中剔除。
对于上述步骤502-506,由于已在前文中进行详细描述,故,此处不再展开说明。
静态人脸列表维护规则的另一种实现方式可以为:
将采集到的图像中的人脸与静态人脸列表中的人脸进行特征匹配,所述静态人脸列表用于保存静态人脸;若所述静态人脸列表中存在与所述采集到的图像中的人脸不属于同一对象的目标静态人脸,则将所述目标静态人脸从所述静态人脸列表中剔除。
如,原静态人脸列表中存在对象1的人脸,但新采集到的图像中并没有对象1的人脸,则认为对象1的人脸是动态的,则将静态人脸列表中的对象1的人脸剔除。
基于静态人脸列表维护规则的上述两个实现方式,可知本实施例仅在最新采集到的目标人脸存在于静态人脸列表,且同时满足坐标静态变化条件时,保留该人脸。其余情况下的人脸都被从静态人脸中剔除出去。由此,可确保静态人脸列表中的静态人脸的实时准确地更新,进而提高静态人脸的识别精度。
另外,在图5对应的实现方式的基础上,在静态人脸列表维护规则上述实现方式中,本实施例还引入了‘是否属于同一人’的人脸的概念,具体地:
S1、将采集到的图像中的人脸与静态人脸列表中的人脸进行特征匹配,所述静态人脸列表用于保存静态人脸;
S2、判断所述静态人脸列表中是否存在与所述采集到的图像中的目标人脸属于同一对象的目标静态人脸;
若是,则执行S3;若否,则说明静态人脸列表中的静态人脸所对应的对象(人),已发生动态移动且移出人脸识别装置的识别区域,执行S6;
S3、对比所述目标人脸的人脸坐标和所述目标静态人脸的人脸坐标,得到坐标变化数据;
S4、判断所述坐标变化数据是否满足所述预设静态条件;
若是,则执行S5;若否,则说明该目标静态人脸对应的对象已发生动态变化,由静态人脸变化为动态人脸,执行S6;
S5、确定目标静态人脸不满足解除条件;
S6、将所述目标静态人脸从所述静态人脸列表中剔除。
基于此,本实施例通过对比‘是否有同一人’的人脸以及对比同一人脸的坐标变化是否满足预设静态条件,来确定静态人脸列表中的静态人脸是否发生动态变化,从而自动剔除静态人脸列表中的静态人脸,避免无效静态人脸干扰静态人脸的识别。
步骤408、执行正常识别流程;
具体地,由人脸识别装置对非静态人脸进行人脸识别处理。
步骤410、丢弃数据。
即,丢失图像中的静态人脸,不进行人脸识别处理。
基于此,本实施例中,人脸识别装置在进行人脸识别之前,预先进行静态人脸过滤,使得静态人脸不产生任何识别动作,由此,可避免对无效人脸进行的识别作业,进而人脸识别装置可正常进入低功耗模式,提高人脸识别装置的使用寿命。
图6为本说明书一实施例提供的静态人脸处理装置的流程示意图,参见图6,所述装置具体可以包括:采集模块601、第一处理模块602和第二处理模块603,其中:
采集模块601,用于持续采集人脸识别装置的识别区域对应的图像;
第一处理模块602,用于依次将在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸的坐标进行对比,得到各人脸的坐标变化数据;
第二处理模块603,用于若人脸的坐标变化数据满足预设静态条件且持续时长达到预设静态时长阈值,则判定为静态人脸,所述静态人脸不参与人脸识别。
可选的,装置还包括:
第三处理模块,用于将所述在后时间点采集的图像中的第一人脸分别与所述在先时间点采集的图像中的人脸进行特征匹配,从所述在先时间点采集的图像中匹配出与所述第一人脸属于同一对象的第二人脸。
可选的,所述在先时间点为所述在后时间点相邻的上一个采集图像的时间点;
其中,所述第一处理模块602,具体用于:
将第一在后时间点采集的图像与第一在先时间点采集的图像中属于同一对象的目标人脸的人脸坐标进行对比;若所述目标人脸的坐标变化数据满足所述预设静态条件,则将所述第一在后时间点和所述第一在先时间点之间的时长累计入所述目标人脸的静态时长;将所述第一在后时间点作为第二在先时间点,并将所述第二在先时间点采集的图像与第二在后时间点采集的图像中的所述目标人脸的人脸坐标进行对比;以此类推,直至判定所述目标人脸为静态人脸。
可选的,所述在后时间点为在所述在先时间点之后且在所述在先时间点的预设时长范围内的任一时间点,所述预设时长范围等于所述预设静态时长阈值;
其中,所述第一处理模块602,具体用于:将第一在后时间点采集的图像与所述在先时间点采集的图像中属于同一对象的目标人脸的人脸坐标进行对比,所述第一在后时间点为所述在先时间点相邻的下一个采集图像的时间点;若所述目标人脸的坐标变化数据满足预设静态条件,则将第二在后时间点采集的图像与所述在先时间点采集的图像中的所述目标人脸的人脸坐标进行对比,所述第二在后时间点为所述第一在后时间点相邻的下一个采集图像的时间点;以此类推,直至判定所述目标人脸为静态人脸。
可选的,所述第一处理模块602,还用于若第N在后时间点和所述在先时间点之间的所述目标人脸的坐标变化数据不满足所述预设静态条件,则将所述第N在后时间点作为新的在先时间点;
其中,所述第N在后时间点为所述在先时间点的预设时长范围内的任一时间点。
可选的,所述第一处理模块602,还用于若人脸的坐标变化数据不满足预设静态条件,则将人脸的坐标变化数据满足预设静态条件的时长清零。
可选的,装置还包括:
静态解除模块,用于将采集到的图像中的人脸与静态人脸列表中的人脸进行特征匹配,所述静态人脸列表用于保存静态人脸;若所述静态人脸列表中存在与所述采集到的图像中的目标人脸属于同一对象的目标静态人脸,则对比所述目标人脸的人脸坐标和所述目标静态人脸的人脸坐标,得到坐标变化数据;若所述坐标变化数据不满足所述预设静态条件,则将所述目标静态人脸从所述静态人脸列表中剔除;
或者,
若所述静态人脸列表中存在与所述采集到的图像中的人脸不属于同一对象的目标静态人脸,则将所述目标静态人脸从所述静态人脸列表中剔除。
可选的,所述预设静态条件包括:
人脸的坐标变化值小于或等于人脸的眼间距的预设比例;或者,
人脸的大小变化值小于或等于预设变化阈值。
基于此,本实施例在人脸识别装置对识别区域内的人脸进行识别之前,持续采集其识别区域的图像,通过持续进行人脸坐标对比,筛选出图像中的静态人脸,并滤除静态人脸,由人脸识别装置仅对非静态人脸进行人脸识别,从而可避免静态人脸对人脸识别造成的干扰,提高人脸识别的有效性和人脸识别装置的使用寿命。
另外,对于上述装置实施方式而言,由于其与方法实施方式基本相似,所以描述的比较简单,相关之处参见方法实施方式的部分说明即可。而且,应当注意的是,在本说明书的装置的各个部件中,根据其要实现的功能而对其中的部件进行了逻辑划分,但是,本说明书不受限于此,可以根据需要对各个部件进行重新划分或者组合。
图7为本说明书一实施例提供的一种电子设备的结构示意图,参见图7,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成静态人脸处理装置。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
网络接口、处理器和存储器可以通过总线系统相互连接。总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述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7中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器可能包含高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器。
处理器,用于执行所述存储器存放的程序,并具体执行:
持续采集人脸识别装置的识别区域对应的图像;
依次将在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸的坐标进行对比,得到各人脸的坐标变化数据;
若人脸的坐标变化数据满足预设静态条件且持续时长达到预设静态时长阈值,则判定为静态人脸,所述静态人脸不参与人脸识别。
上述如本说明书图6所示实施例揭示的静态人脸处理装置或管理者(Master)节点执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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。可以实现或者执行本说明书实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
静态人脸处理装置还可执行图1-5示出的方法,并实现管理者节点执行的方法。
基于相同的发明创造,本说明书实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行图1-5对应的实施例提供的静态人脸处理方法。
基于相同的发明创造,本说明书实施例还提供了一种人脸识别装置,所述人脸识别装置包括如图6示出的静态人脸处理装置。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种静态人脸处理方法,其特征在于,包括:
持续采集人脸识别装置的识别区域对应的图像;
依次将在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸的坐标进行对比,得到各人脸的坐标变化数据;
若人脸的坐标变化数据满足预设静态条件且持续时长达到预设静态时长阈值,则判定为静态人脸,所述静态人脸不参与人脸识别。
2.根据权利要求1所述的方法,其特征在于,在所述依次将在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸的坐标进行对比之前,方法还包括:
将所述在后时间点采集的图像中的第一人脸分别与所述在先时间点采集的图像中的人脸进行特征匹配,从所述在先时间点采集的图像中匹配出与所述第一人脸属于同一对象的第二人脸。
3.根据权利要求2所述的方法,其特征在于,所述在先时间点为所述在后时间点相邻的上一个采集图像的时间点;
其中,所述依次将在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸的坐标进行对比,包括:
将第一在后时间点采集的图像与第一在先时间点采集的图像中属于同一对象的目标人脸的人脸坐标进行对比;
若所述目标人脸的坐标变化数据满足所述预设静态条件,则将所述第一在后时间点和所述第一在先时间点之间的时长累计入所述目标人脸的静态时长;
将所述第一在后时间点作为第二在先时间点,并将所述第二在先时间点采集的图像与第二在后时间点采集的图像中的所述目标人脸的人脸坐标进行对比;
以此类推,直至判定所述目标人脸为静态人脸。
4.根据权利要求2所述的方法,其特征在于,所述在后时间点为在所述在先时间点之后且在所述在先时间点的预设时长范围内的任一时间点,所述预设时长范围等于所述预设静态时长阈值;
其中,所述依次将在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸的坐标进行对比,包括:
将第一在后时间点采集的图像与所述在先时间点采集的图像中属于同一对象的目标人脸的人脸坐标进行对比,所述第一在后时间点为所述在先时间点相邻的下一个采集图像的时间点;
若所述目标人脸的坐标变化数据满足预设静态条件,则将第二在后时间点采集的图像与所述在先时间点采集的图像中的所述目标人脸的人脸坐标进行对比,所述第二在后时间点为所述第一在后时间点相邻的下一个采集图像的时间点;
以此类推,直至判定所述目标人脸为静态人脸。
5.根据权利要求4所述的方法,其特征在于,
若第N在后时间点和所述在先时间点之间的所述目标人脸的坐标变化数据不满足所述预设静态条件,则将所述第N在后时间点作为新的在先时间点;
其中,所述第N在后时间点为所述在先时间点的预设时长范围内的任一时间点。
6.根据权利要求1所述的方法,其特征在于,
若人脸的坐标变化数据不满足预设静态条件,则将人脸的坐标变化数据满足预设静态条件的时长清零。
7.根据权利要求1所述的方法,其特征在于,还包括:
将采集到的图像中的人脸与静态人脸列表中的人脸进行特征匹配,所述静态人脸列表用于保存静态人脸;
若所述静态人脸列表中存在与所述采集到的图像中的目标人脸属于同一对象的目标静态人脸,则对比所述目标人脸的人脸坐标和所述目标静态人脸的人脸坐标,得到坐标变化数据;
若所述坐标变化数据不满足所述预设静态条件,则将所述目标静态人脸从所述静态人脸列表中剔除;
或者,
若所述静态人脸列表中存在与所述采集到的图像中的人脸不属于同一对象的目标静态人脸,则将所述目标静态人脸从所述静态人脸列表中剔除。
8.根据权利要求1所述的方法,其特征在于,
所述坐标变化数据包括:人脸的坐标变化值,或者,人脸的大小变化值;
所述预设静态条件包括:人脸的坐标变化值小于或等于人脸的眼间距的预设比例;或者,人脸的大小变化值小于或等于预设变化阈值。
9.一种静态人脸处理装置,其特征在于,包括:
采集模块,用于持续采集人脸识别装置的识别区域对应的图像;
第一处理模块,用于依次将在后时间点采集的图像与在先时间点采集的图像中属于同一对象的人脸的坐标进行对比,得到各人脸的坐标变化数据;
第二处理模块,用于若人脸的坐标变化数据满足预设静态条件且持续时长达到预设静态时长阈值,则判定为静态人脸,所述静态人脸不参与人脸识别。
10.一种电子设备,其特征在于,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010897062.2A CN111985438A (zh) | 2020-08-31 | 2020-08-31 | 一种静态人脸处理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010897062.2A CN111985438A (zh) | 2020-08-31 | 2020-08-31 | 一种静态人脸处理方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111985438A true CN111985438A (zh) | 2020-11-24 |
Family
ID=73439765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010897062.2A Pending CN111985438A (zh) | 2020-08-31 | 2020-08-31 | 一种静态人脸处理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111985438A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022142649A1 (zh) * | 2020-12-29 | 2022-07-07 | 中兴通讯股份有限公司 | 行车预警方法、电子设备和计算机可读存储介质 |
CN117542106A (zh) * | 2024-01-10 | 2024-02-09 | 成都同步新创科技股份有限公司 | 一种静态人脸检测和数据排除方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996033A (zh) * | 2014-05-29 | 2014-08-20 | 厦门瑞为信息技术有限公司 | 一种基于人脸五官坐标跟踪的真人识别方法 |
WO2016197298A1 (zh) * | 2015-06-08 | 2016-12-15 | 北京旷视科技有限公司 | 活体检测方法、活体检测系统以及计算机程序产品 |
CN109684993A (zh) * | 2018-12-21 | 2019-04-26 | 普联技术有限公司 | 一种基于鼻孔信息的人脸识别方法、系统和设备 |
CN109871773A (zh) * | 2019-01-21 | 2019-06-11 | 深圳市云眸科技有限公司 | 活体检测方法、装置及门禁机 |
CN110929705A (zh) * | 2020-02-17 | 2020-03-27 | 京东数字科技控股有限公司 | 活体检测方法和装置、身份认证方法和系统、存储介质 |
-
2020
- 2020-08-31 CN CN202010897062.2A patent/CN111985438A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996033A (zh) * | 2014-05-29 | 2014-08-20 | 厦门瑞为信息技术有限公司 | 一种基于人脸五官坐标跟踪的真人识别方法 |
WO2016197298A1 (zh) * | 2015-06-08 | 2016-12-15 | 北京旷视科技有限公司 | 活体检测方法、活体检测系统以及计算机程序产品 |
CN109684993A (zh) * | 2018-12-21 | 2019-04-26 | 普联技术有限公司 | 一种基于鼻孔信息的人脸识别方法、系统和设备 |
CN109871773A (zh) * | 2019-01-21 | 2019-06-11 | 深圳市云眸科技有限公司 | 活体检测方法、装置及门禁机 |
CN110929705A (zh) * | 2020-02-17 | 2020-03-27 | 京东数字科技控股有限公司 | 活体检测方法和装置、身份认证方法和系统、存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022142649A1 (zh) * | 2020-12-29 | 2022-07-07 | 中兴通讯股份有限公司 | 行车预警方法、电子设备和计算机可读存储介质 |
CN117542106A (zh) * | 2024-01-10 | 2024-02-09 | 成都同步新创科技股份有限公司 | 一种静态人脸检测和数据排除方法、装置及存储介质 |
CN117542106B (zh) * | 2024-01-10 | 2024-04-05 | 成都同步新创科技股份有限公司 | 一种静态人脸检测和数据排除方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106650662B (zh) | 目标对象遮挡检测方法及装置 | |
CN109086734B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
US8374454B2 (en) | Detection of objects using range information | |
EP3855343A1 (en) | Customer visit analysis method and apparatus, and storage medium | |
CN110826418B (zh) | 脸部特征提取方法及装置 | |
CN109509166B (zh) | 印刷电路板图像检测方法和装置 | |
CN108875476B (zh) | 自动近红外人脸注册与识别方法、装置和系统及存储介质 | |
CN109102026B (zh) | 一种车辆图像检测方法、装置及系统 | |
CN111985438A (zh) | 一种静态人脸处理方法、装置及设备 | |
CN109325548B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN108875519B (zh) | 对象检测方法、装置和系统及存储介质 | |
EP3812956A1 (en) | Comparison method based on multiple facial images, apparatus and electronic device | |
CN111291641A (zh) | 图像识别方法及其装置、计算机可读介质和系统 | |
US20190116310A1 (en) | Method of processing object in image and apparatus for same | |
CN111753658A (zh) | 一种睡岗告警方法、装置和计算机设备 | |
CN109117882B (zh) | 获取用户轨迹的方法、装置、系统和存储介质 | |
CN113256683B (zh) | 目标跟踪方法及相关设备 | |
WO2018058573A1 (zh) | 对象检测方法、对象检测装置以及电子设备 | |
CN113205079B (zh) | 一种人脸检测方法、装置、电子设备及存储介质 | |
CN112380938B (zh) | 一种人脸识别及测温方法、装置、设备及介质 | |
CN110647858B (zh) | 一种视频遮挡判断方法、装置和计算机存储介质 | |
CN110414495B (zh) | 一种手势识别方法、装置、电子设备及可读存储介质 | |
CN110874935B (zh) | 识别车辆车牌的方法、系统及装置 | |
JP2014191763A (ja) | 車両認識装置、システム、プログラム及び方法 | |
CN112560765A (zh) | 基于行人重识别的人流统计方法、系统、设备及存储介质 |
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 |