CN112052706B - 电子装置及人脸识别方法 - Google Patents
电子装置及人脸识别方法 Download PDFInfo
- Publication number
- CN112052706B CN112052706B CN201910492821.4A CN201910492821A CN112052706B CN 112052706 B CN112052706 B CN 112052706B CN 201910492821 A CN201910492821 A CN 201910492821A CN 112052706 B CN112052706 B CN 112052706B
- Authority
- CN
- China
- Prior art keywords
- user image
- user
- face
- server
- rectangular frame
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Studio Devices (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种电子装置及人脸识别方法,所述方法包括拍摄电子装置前用户的图像;将拍摄到的第一用户图像上传至服务器;接收回传的包含人脸矩形框及用户信息的第一用户图像;侦测电子装置前用户的第二用户图像中的人脸矩形框;判断两个图像中的人脸数量是否相同;当两个图像中的人脸数量相同时,将第二用户图像上传至服务器以识别第二用户图像中的人脸矩形框;确定第二用户图像中电子装置侦测到的人脸矩形框与服务器识别到的人脸矩形框的差异是否小于或等于预设值;及当差异小于或等于预设值时,确定第二用户图像中的用户信息与第一用户图像的用户信息相同。本发明简化了使用云端资源进行人脸识别的流程。
Description
技术领域
本发明涉及图像识别领域,尤其涉及一种电子装置及人脸识别方法。
背景技术
随着科学技术的发展,图像识别的应用越来越广泛,例如人脸图像识别应用于门禁系统、考勤系统、点名系统及会议室系统等。在现有技术中,为了提高人脸识别的准确度,有些用户选择付费使用云端的识别系统,如微软云端认知服务。在通常情况下,云端识别系统每次回传数据给用户终端都需要收费,如此,在实时的人脸识别场景如视频会议中,使用云端识别系统进行人脸识别的流程较为复杂,还容易产生高额的费用,从而给用户造成不便。
发明内容
有鉴于此,有必要提供一种电子装置及人脸识别方法,以解决上述技术问题。
一种电子装置,至少包括处理器及摄像单元,所述电子装置与服务器通信连接,所述处理器包括:
摄像模块,用于控制所述摄像单元每隔预设时间拍摄所述电子装置前用户的图像;
上传模块,用于将所述摄像单元拍摄到的第一用户图像上传至所述服务器;
接收模块,用于接收所述服务器识别并回传的包含人脸矩形框及用户信息的第一用户图像;
侦测模块,用于侦测所述摄像单元拍摄的所述电子装置前用户的第二用户图像中的人脸矩形框;
判断模块,用于判断所述第二用户图像中的人脸数量是否与所述第一用户图像中的人脸数量相同;
所述上传模块还当所述判断模块判定所述第二用户图像中的人脸数量与所述第一用户图像中的人脸数量相同时,将所述第二用户图像上传至所述服务器以识别所述第二用户图像中的人脸矩形框;
确定模块,用于确定所述第二用户图像中所述侦测模块侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异是否小于或等于一预设值;及
所述确定模块还当确定所述第二用户图像中所述侦测模块侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异小于或等于所述预设值时,确定所述第二用户图像中的用户信息与所述第一用户图像中的用户信息相同。
一种人脸识别方法,应用于一电子装置,所述电子装置至少包括摄像单元,所述电子装置还与服务器通信连接,所述方法包括以下步骤:
控制所述摄像单元每隔预设时间拍摄所述电子装置前用户的图像;
将所述摄像单元拍摄到的第一用户图像上传至所述服务器;
接收所述服务器识别并回传的包含人脸矩形框及用户信息的第一用户图像;
侦测所述摄像单元拍摄的所述电子装置前用户的第二用户图像中的人脸矩形框;
判断所述第二用户图像中的人脸数量是否与所述第一用户图像中的人脸数量相同;
当判定所述第二用户图像中的人脸数量与所述第一用户图像中的人脸数量相同时,将所述第二用户图像上传至所述服务器以识别所述第二用户图像中的人脸矩形框;
确定所述第二用户图像中所述电子装置侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异是否小于或等于一预设值;及
当确定所述第二用户图像中所述电子装置侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异小于或等于所述预设值时,确定所述第二用户图像中的用户信息与所述第一用户图像的用户信息相同。
上述电子装置及人脸识别方法在前后拍摄到的图像中人脸数量不变且不同人脸矩形框之间差异较小的情况下,可以无需再次对图像进行识别,简化了人脸识别流程,也可以减少云端资源的付费,从而给用户提供了很大的方便,有效提升用户体验。
附图说明
图1是本发明较佳实施方式中电子装置的应用结构示意图。
图2是本发明较佳实施方式中采用级联卷积神经网络算法对第二用户图像中的用户人脸进行侦测的示意图。
图3为本发明较佳实施方式中第二用户图像的人脸矩形框示意图。
图4是本发明较佳实施方式中人脸识别方法的流程示意图。
主要元件符号说明
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
请参考图1,为本发明较佳实施方式所提供的电子装置1的应用结构示意图。在本实施方式中,所述电子装置1与服务器2通信连接,所述电子装置1用于拍摄当前用户的图像,并根据拍摄的图像及所述服务器2提供的图像识别服务识别图像中的用户信息。在本实施方式中,所述电子装置1为智能手机或个人电脑,所述服务器2为单一的服务器、云端服务器或服务器集群,用于提供图像识别服务。
所述电子装置1包括,但不仅限于,处理器10、存储器20、摄像单元30及显示单元40。在本实施方式中,所述处理器10优选为微处理器。所述存储器20优选为只读存储器或随机存取存储器。所述摄像单元30为所述电子装置1内置的摄像头。在其他实施方式中,所述摄像单元30也可以是通过USB数据线外接或通过无线通信连接的相机或摄影机。所述显示单元40为液晶显示屏(Liquid Crystal Display,LCD)或有机发光二极管(Organic Light-Emitting Diode,OLED)显示屏。
所述服务器2至少包括人脸图像数据库201及图像识别程序编程接口(Application Programming Interface,API)202。在本实施方式中,所述电子装置1通过互联网或WI-FI与所述服务器2无线通信连接。
所述电子装置1至少包括摄像模块101、上传模块102、接收模块103、侦测模块104、判断模块105、确定模块106及显示模块107。在本实施方式中,上述模块101-107为存储于所述存储器20中且可被所述处理器10调用执行的可程序化软件指令。可以理解的是,在其他实施方式中,上述模块也可为固化于所述处理器10中的程序指令或固件(firmware)。
所述摄像模块101用于控制所述摄像单元30每隔预设时间拍摄所述电子装置1前的用户图像。
在本实施方式中,所述电子装置1应用于需要持续侦测识别用户信息以验证用户身份的应用场景中,例如视频会议,可以防止未授权人员获得会议内容。
在本实施方式中,所述摄像单元30装设于所述显示单元40的上方,以便于拍摄到当前用户的脸部图像。其中,所述预设时间为五分钟。在其他实施方式中,所述预设时间也可以根据需求设置为其他时间。
所述上传模块102用于将所述摄像单元30拍摄到的第一用户图像上传至所述服务器2。需要说明的是,所述第一用户图像为所述用户进入所述应用场景后,所述摄像单元30拍摄到的第一个用户图像。
在本实施方式中,所述电子装置1安装有人脸识别软件,具有图像上传功能。用户可以在所述电子装置1上通过所述人脸识别软件将所述摄像单元30拍摄的第一用户图像手动上传至所述服务器2。在其他实施方式中,所述电子装置1也可以在所述摄像单元30拍摄到包含用户的图像时,自动将所述第一用户图像上传至所述服务器2。
所述接收模块103用于接收所述服务器2识别并回传的包含人脸矩形框及用户信息的第一用户图像。
在本实施方式中,所述服务器2的人脸图像数据库201中存储记录有所述应用场景内所需的多个用户人脸图像,由应用场景管理人员预先上传,所述多个用户人脸图像包含了用户的身份信息,作为身份识别及验证的依据。
具体的,服务器2在接收到所述上传模块102上传的第一用户图像时,通过所述图像识别程序编程接口202采用机器学习的方式识别所述第一用户图像中用户的脸部,并且以矩形框的形式选定所述脸部。进一步地,所述服务器2通过所述图像识别程序编程接口202分析所述第一用户图像中用户的脸部特征,并将图像中用户的脸部特征与人脸图像数据库201中每一人脸图像的脸部特征进行比对。当一人脸图像的脸部特征与所述第一用户图像中用户的脸部特征的相似度大于或等于一预设百分比时,所述服务器2确定所述人脸图像对应的用户身份信息为所述第一用户图像中的用户信息。其中,所述用户信息至少包括姓名、性别及年龄。在本实施方式中,所述预设百分比为90%。
所述服务器2还将包含有人脸矩形框及用户信息的第一用户图像回传至所述电子装置1。需要说明的是,当所述人脸图像数据库201中所有人脸图像的脸部特征与所述第一用户图像中用户的脸部特征的相似度都小于所述预设百分比时,所述服务器2将所述第一用户图像中的用户未通过身份验证的提示信息回传至所述电子装置1。即,所述接收模块103还可以接收所述服务器2回传的所述第一用户图像中的用户未通过身份验证的提示信息。
所述侦测模块104用于侦测所述摄像单元30拍摄的所述电子装置1前用户的第二用户图像的人脸矩形框。需要说明的是,所述第二用户图像可以是所述摄像单元30在拍摄完所述第一用户图像之后拍摄的任一图像。
在本实施方式中,所述侦测模块104采用级联卷积神经网络(Multi-taskCascaded Convolutional Networks,MTCNN)算法对所述第二用户图像中的用户脸部进行侦测。
具体的,请参考图2,首先,所述侦测模块104将所述第二用户图像缩放到不同尺寸,以生成所述第二用户图像的图像金字塔。然后,所述侦测模块104对所述第二用户图像进行三个阶段的处理。其中,第一阶段采用建议网络(Proposal Network,P-Net),在所述第一阶段,所述侦测模块104根据图像金字塔使用全卷积网络生成所述第二用户图像中人脸的候选矩形框及边缘回归向量(Bounding Box Regression Vectors),并使用边缘回归(Bounding Box Regression)算法矫正候选矩形框以及使用非极大值抑制(Non-MaximumSuppression,NMS)算法合并重叠的候选矩形框。
第二阶段为优化网络(Refine Network,R-Net),在所述第二阶段,所述侦测模块104对所述第二用户图像中人脸的候选矩形框进行改善,具体为将第一阶段输出的候选矩形框输入所述优化网络,以删除错误的矩形框,并继续使用边缘回归算法矫正余下的候选矩形框以及使用非极大值抑制算法合并重叠的候选矩形框。
第三阶段为输出网络(Output Network,O-Net),在所述第三阶段,所述侦测模块104输出经过处理后的包含唯一一个人脸矩形框及对应的脸部特征点的第二用户图像。在本实施方式中,所述脸部特征点的数量为五个,分别位于人脸图像的两个眼睛、鼻子及嘴巴的两端对应的位置处。
所述判断模块105用于判断所述第二用户图像中的人脸数量是否与所述第一用户图像中的人脸数量相同。
在本实施方式中,所述判断模块105对比所述第二用户图像中与所述第一用户图像中矩形框的数量。若两个图像中的矩形框数量相同,则所述判断模块105判定所述第二用户图像与所述第一用户图像中的人脸数量相同。若两个图像的矩形框数量不同,则所述判断模块105判定所述第二用户图像与所述第一用户图像中的人脸数量不同。
所述上传模块102还当所述判断模块105判定所述第二用户图像中的人脸数量与所述第一用户图像中的人脸数量相同时,将所述第二用户图像上传至所述服务器2以识别所述第二用户图像中的人脸矩形框。所述接收模块103还接收所述服务器2回传的包含所述侦测模块104侦测到的人脸矩形框及所述服务器2侦测到的人脸矩形框的第二用户图像。
所述确定模块106用于确定所述第二用户图像中所述侦测模块104侦测到的人脸矩形框与所述服务器2识别到的人脸矩形框的差异是否小于或等于一预设值。
在本实施方式中,所述第二用户图像中所述侦测模块104侦测到的人脸矩形框与所述服务器2识别到的人脸矩形框的差异为欧氏距离。即,所述确定模块106确定所述第二用户图像中所述侦测模块104侦测到的人脸矩形框与所述服务器2识别到的人脸矩形框之间的欧氏距离是否小于或等于所述预设值。
具体的,请参考图3,图中浅色线框为所述侦测模块104侦测到的人脸矩形框,深色线框为所述服务器2识别出的人脸矩形框。所述确定模块106首先分别确定每个人脸矩形框的四个端点,然后确定两个人脸矩形框的位置对应的一组端点,例如一组左上角端点、一组左下角端点、一组右上角端点及一组右下角端点,采用欧氏距离算法计算最接近的一组端点之间的距离。例如图3中的右下角端点a与b,以所述第二用户图像中建立的平面直角坐标系X0Y为例进行说明,假设所述侦测模块104侦测到的人脸矩形框的端点a坐标为(X1,Y1),所述服务器2识别出的人脸矩形框的端点b坐标为(X2,Y2),则端点a与端点b之间的欧氏距离d的计算公式为:
所述确定模块106还用于当确定所述第二用户图像中所述侦测模块104侦测到的人脸矩形框与所述服务器2识别到的人脸矩形框的欧氏距离小于或等于所述预设值时,确定所述第二用户图像的用户信息与所述第一用户图像的用户信息相同。
在本发明的技术方案中,当电子装置1前后拍摄的不同用户图像中的人脸数量相同,且人脸矩形框的差异较小时,确定所述不同用户图像中的用户为同一个人,无需所述服务器2再次进行用户的身份识别与验证,简化了用户身份识别的流程,并且在服务器2提供的图像识别需要付费的情况下,也节省了费用。
所述上传模块102还用于当所述判断模块105判定所述第二用户图像中的人脸数量与所述第一用户图像中的人脸数量不相同时,将所述摄像单元30拍摄到的第二用户图像上传至所述服务器2以识别所述第二用户图像中的用户信息。所述接收模块103还接收所述服务器2回传的包含有用户信息的第二用户图像。
所述上传模块102还用于当所述确定模块106确定所述第二用户图像中所述侦测模块104侦测到的人脸矩形框与所述服务器2识别到的人脸矩形框的差异大于所述预设值时,将所述摄像单元30拍摄的第二用户图像上传至所述服务器2以识别所述第二用户图像中的用户信息。所述接收模块103还接收所述服务器2回传的包含有用户信息的第二用户图像。
所述显示模块107用于在所述显示单元40上显示所述摄像单元30拍摄到的用户图像,以及在用户图像上显示人脸矩形框及识别到的用户信息。
在本实施方式中,所述显示模块107通过开源计算机数据库(Open SourceComputer Vision,OpenCV)在所述显示单元40上显示的用户图像上绘制所述侦测模块104及服务器2确定的用户人脸矩形框,以及所述服务器2识别到的用户图像中的用户信息。
在本实施方式中,为便于辨别,所述显示模块107控制用户图像中女性用户对应的用户信息在显示单元40上显示为红色,以及控制用户图像中男性用户对应的用户信息在显示单元40上显示为蓝色。
请参考图4,为本发明较佳实施方式中的人脸识别方法的流程示意图。根据不同的需求,根据不同需求,所述流程示意图中步骤的顺序可以改变,某些步骤可以省略或合并。
步骤S101,控制所述摄像单元30每隔预设时间拍摄所述电子装置1前用户的图像。
步骤S102,将所述摄像单元30拍摄到的第一用户图像上传至所述服务器2。
步骤S103,接收所述服务器2识别并回传的包含人脸矩形框及用户信息的第一用户图像。
步骤S104,侦测所述摄像单元30拍摄的所述电子装置1前用户的第二用户图像的人脸矩形框。
步骤S105,判断所述第二用户图像中的人脸数量是否与所述第一用户图像中的人脸数量相同。当判断结果为是时,所述流程进入步骤S106;当判断结果为否时,所述流程进入步骤S109。
步骤S106,将所述第二用户图像上传至所述服务器2以识别所述第二用户图像中的人脸矩形框。
步骤S107,确定所述第二用户图像中所述电子装置1侦测到的人脸矩形框与所述服务器2识别到的人脸矩形框的差异是否小于或等于一预设值。当确定结果为是时,所述流程进入步骤S108;当判断结果为否时,所述流程进入步骤S109。
步骤S108,确定所述第二用户图像的用户信息与所述第一用户图像的用户信息相同。
步骤S109,将所述摄像单元30拍摄到的第二用户图像上传至所述服务器2以识别所述第二用户图像中的用户信息。
步骤S110,接收所述服务器2回传的包含有用户信息的第二用户图像。
进一步地,所述方法还包括步骤:在所述显示单元40上显示所述摄像单元30拍摄到的用户图像,以及在用户图像上显示人脸矩形框及识别到的用户信息。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术用户应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种电子装置,至少包括处理器及摄像单元,其特征在于,所述电子装置与服务器通信连接,所述处理器包括:
摄像模块,用于控制所述摄像单元每隔预设时间拍摄所述电子装置前用户的图像;
上传模块,用于将所述摄像单元拍摄到的第一用户图像上传至所述服务器;
接收模块,用于接收所述服务器识别并回传的包含人脸矩形框及用户信息的第一用户图像;
侦测模块,用于侦测所述摄像单元拍摄的所述电子装置前用户的第二用户图像中的人脸矩形框;
判断模块,用于判断所述第二用户图像中的人脸数量是否与所述第一用户图像中的人脸数量相同;
所述上传模块还当所述判断模块判定所述第二用户图像中的人脸数量与所述第一用户图像中的人脸数量相同时,将所述第二用户图像上传至所述服务器以识别所述第二用户图像中的人脸矩形框;
确定模块,用于确定所述第二用户图像中所述侦测模块侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异是否小于或等于一预设值;及
所述确定模块还当确定所述第二用户图像中所述侦测模块侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异小于或等于所述预设值时,确定所述第二用户图像的用户信息与所述第一用户图像的用户信息相同。
2.如权利要求1所述的电子装置,其特征在于:
所述上传模块还当所述判断模块判定所述第二用户图像中的人脸数量与所述第一用户图像中的人脸数量不相同时,将所述摄像单元拍摄到的第二用户图像上传至所述服务器以识别所述第二用户图像中的用户信息;及
所述接收模块还接收所述服务器回传的包含有用户信息的第二用户图像。
3.如权利要求1所述的电子装置,其特征在于:所述第二用户图像中所述侦测模块侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异为欧氏距离,所述确定模块确定所述第二用户图像中所述侦测模块侦测到的人脸矩形框与所述服务器识别到的人脸矩形框之间的欧氏距离是否小于或等于所述预设值。
4.如权利要求1所述的电子装置,其特征在于:所述上传模块还当所述确定模块确定所述第二用户图像中所述侦测模块侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异大于所述预设值时,将所述摄像单元拍摄到的第二用户图像上传至所述服务器以识别所述第二用户图像中的用户信息;及
所述接收模块还接收所述服务器回传的包含有用户信息的第二用户图像。
5.如权利要求1所述的电子装置,其特征在于:所述侦测模块采用级联卷积神经网络算法侦测所述摄像单元拍摄的第二用户图像中用户的脸部及确定人脸矩形框。
6.一种人脸识别方法,应用于一电子装置,所述电子装置至少包括摄像单元,所述电子装置还与服务器通信连接,其特征在于,所述方法包括以下步骤:
控制所述摄像单元每隔预设时间拍摄所述电子装置前用户的图像;
将所述摄像单元拍摄到的第一用户图像上传至所述服务器;
接收所述服务器识别并回传的包含人脸矩形框及用户信息的第一用户图像;
侦测所述摄像单元拍摄的所述电子装置前用户的第二用户图像中的人脸矩形框;
判断所述第二用户图像中的人脸数量是否与所述第一用户图像中的人脸数量相同;
当判定所述第二用户图像中的人脸数量与所述第一用户图像中的人脸数量相同时,将所述第二用户图像上传至所述服务器以识别所述第二用户图像中的人脸矩形框;
确定所述第二用户图像中所述电子装置侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异是否小于或等于一预设值;及
当确定所述第二用户图像中所述电子装置侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异小于或等于所述预设值时,确定所述第二用户图像的用户信息与所述第一用户图像的用户信息相同。
7.如权利要求6所述的人脸识别方法,其特征在于,所述方法还包括以下步骤:
当判定所述第二用户图像中的人脸数量与所述第一用户图像中的人脸数量不相同时,将所述摄像单元拍摄到的第二用户图像上传至所述服务器以识别所述第二用户图像中的用户信息;及
接收所述服务器回传的包含有用户信息的第二用户图像。
8.如权利要求6所述的人脸识别方法,其特征在于,所述第二用户图像中所述电子装置侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异为欧氏距离,步骤“确定所述第二用户图像中所述电子装置侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异是否小于或等于一预设值”具体包括:
确定所述第二用户图像中所述电子装置侦测到的人脸矩形框与所述服务器识别到的人脸矩形框之间的欧氏距离是否小于或等于所述预设值。
9.如权利要求6所述的人脸识别方法,其特征在于,所述方法还包括以下步骤:
当确定所述第二用户图像中所述电子装置侦测到的人脸矩形框与所述服务器识别到的人脸矩形框的差异大于所述预设值时,将所述摄像单元拍摄到的第二用户图像上传至所述服务器以识别所述第二用户图像中的用户信息;及
接收所述服务器回传的包含有用户信息的第二用户图像。
10.如权利要求6所述的人脸识别方法,其特征在于,步骤“侦测摄像单元拍摄的所述电子装置前用户的第二用户图像的人脸矩形框”具体包括:采用级联卷积神经网络算法侦测所述第二用户图像中用户的脸部及确定人脸矩形框。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910492821.4A CN112052706B (zh) | 2019-06-06 | 2019-06-06 | 电子装置及人脸识别方法 |
US16/599,702 US11036971B2 (en) | 2019-06-06 | 2019-10-11 | Face recognition method and electronic device employing the method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910492821.4A CN112052706B (zh) | 2019-06-06 | 2019-06-06 | 电子装置及人脸识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112052706A CN112052706A (zh) | 2020-12-08 |
CN112052706B true CN112052706B (zh) | 2022-07-29 |
Family
ID=73609609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910492821.4A Active CN112052706B (zh) | 2019-06-06 | 2019-06-06 | 电子装置及人脸识别方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11036971B2 (zh) |
CN (1) | CN112052706B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112052706B (zh) * | 2019-06-06 | 2022-07-29 | 鸿富锦精密工业(武汉)有限公司 | 电子装置及人脸识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400108A (zh) * | 2013-07-10 | 2013-11-20 | 北京小米科技有限责任公司 | 人脸识别方法、装置和移动终端 |
CN107122744A (zh) * | 2017-04-28 | 2017-09-01 | 武汉神目信息技术有限公司 | 一种基于人脸识别的活体检测系统及方法 |
CN107679504A (zh) * | 2017-10-13 | 2018-02-09 | 北京奇虎科技有限公司 | 基于摄像头场景的人脸识别方法、装置、设备及存储介质 |
CN107766822A (zh) * | 2017-10-23 | 2018-03-06 | 平安科技(深圳)有限公司 | 电子装置、人脸图像聚类搜索方法和计算机可读存储介质 |
CN108304708A (zh) * | 2018-01-31 | 2018-07-20 | 广东欧珀移动通信有限公司 | 移动终端、人脸解锁方法及相关产品 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663354B (zh) * | 2012-03-26 | 2014-02-19 | 腾讯科技(深圳)有限公司 | 人脸标定方法和系统 |
JP6544900B2 (ja) * | 2014-09-17 | 2019-07-17 | キヤノン株式会社 | オブジェクト識別装置、オブジェクト識別方法及びプログラム |
CN112052706B (zh) * | 2019-06-06 | 2022-07-29 | 鸿富锦精密工业(武汉)有限公司 | 电子装置及人脸识别方法 |
-
2019
- 2019-06-06 CN CN201910492821.4A patent/CN112052706B/zh active Active
- 2019-10-11 US US16/599,702 patent/US11036971B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400108A (zh) * | 2013-07-10 | 2013-11-20 | 北京小米科技有限责任公司 | 人脸识别方法、装置和移动终端 |
CN107122744A (zh) * | 2017-04-28 | 2017-09-01 | 武汉神目信息技术有限公司 | 一种基于人脸识别的活体检测系统及方法 |
CN107679504A (zh) * | 2017-10-13 | 2018-02-09 | 北京奇虎科技有限公司 | 基于摄像头场景的人脸识别方法、装置、设备及存储介质 |
CN107766822A (zh) * | 2017-10-23 | 2018-03-06 | 平安科技(深圳)有限公司 | 电子装置、人脸图像聚类搜索方法和计算机可读存储介质 |
CN108304708A (zh) * | 2018-01-31 | 2018-07-20 | 广东欧珀移动通信有限公司 | 移动终端、人脸解锁方法及相关产品 |
Also Published As
Publication number | Publication date |
---|---|
CN112052706A (zh) | 2020-12-08 |
US11036971B2 (en) | 2021-06-15 |
US20200387694A1 (en) | 2020-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230206685A1 (en) | Decreasing lighting-induced false facial recognition | |
CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
US11321575B2 (en) | Method, apparatus and system for liveness detection, electronic device, and storage medium | |
CN110443016B (zh) | 信息防泄露方法、电子装置及存储介质 | |
TW201911130A (zh) | 一種翻拍影像識別方法及裝置 | |
US20230290178A1 (en) | Detection system, detection method, and computer-readable recording medium | |
CN109002786A (zh) | 人脸检测方法、设备及计算机可读存储介质 | |
US20190286798A1 (en) | User authentication method using face recognition and device therefor | |
TWI731503B (zh) | 活體臉部辨識系統與方法 | |
US20230041573A1 (en) | Image processing method and apparatus, computer device and storage medium | |
CN110612530A (zh) | 用于选择脸部处理中使用的帧的方法 | |
CN112434546A (zh) | 人脸活体检测方法及装置、设备、存储介质 | |
CN112052706B (zh) | 电子装置及人脸识别方法 | |
CN110837901A (zh) | 云试驾预约审核方法及装置、存储介质、云服务器 | |
TWI727337B (zh) | 電子裝置及人臉識別方法 | |
WO2022222957A1 (zh) | 一种目标识别的方法和系统 | |
CN112507798B (zh) | 活体检测方法、电子设备与存储介质 | |
CN112417998A (zh) | 活体人脸图像的获取方法和装置、介质、设备 | |
JP5985327B2 (ja) | 表示装置 | |
RU2798179C1 (ru) | Способ, терминал и система для биометрической идентификации | |
RU2815689C1 (ru) | Способ, терминал и система для биометрической идентификации | |
JP3245447U (ja) | 顔認識システム | |
CN107948522B (zh) | 摄像头选取拍摄人物头像的方法、装置、终端及存储介质 | |
CN115880787A (zh) | 一种人脸活体检测方法、系统、终端设备及存储介质 | |
CN116389882A (zh) | 视频设备配置方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |