CN112132011A - 一种面部识别方法、装置、设备及存储介质 - Google Patents
一种面部识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112132011A CN112132011A CN202011001147.4A CN202011001147A CN112132011A CN 112132011 A CN112132011 A CN 112132011A CN 202011001147 A CN202011001147 A CN 202011001147A CN 112132011 A CN112132011 A CN 112132011A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- feature
- recognized
- sample
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000004927 fusion Effects 0.000 claims abstract description 53
- 208000006440 Open Bite Diseases 0.000 claims abstract description 46
- 230000001815 facial effect Effects 0.000 claims abstract description 41
- 238000001514 detection method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000000903 blocking effect Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000750 progressive effect Effects 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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
Abstract
本申请公开了一种面部识别方法、装置、设备及存储介质。该方法的步骤包括:获取待识别面部图像;在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域;提取待识别面部图像中与面部无遮挡区域对应的第一子图像,以及与面部遮挡区域对应的第二子图像;通过预设的面部识别模型分别识别第一子图像的第一特征以及第二子图像的第二特征,并对第一特征以及第二特征执行特征融合操作得到特征识别结果。本方法能够相对确保在待识别者面部有遮挡物的情况下,对待识别者进行有效的面部识别操作。此外,本申请还提供一种面部识别装置、设备及存储介质,有益效果同上所述。
Description
技术领域
本申请涉及安防监控领域,特别是涉及一种面部识别方法、装置、设备及存储介质。
背景技术
随着图像处理与模式识别技术的快速进步,及面部识别的便捷性,当前基于视频图像处理的面部识别系统在考勤、出入口控制以及安全监控等应用场景下均已得到了广泛的运用。
当前的面部识别系统往往是基于待识别者完整的面部图像实现对待识别者的面部识别,而在当前存在的一些场景中,待识别者可能因面部戴有口罩等遮挡物而导致其面部图像不能够完整展示其面部特征,在此情况下难以对待识别者进行有效的面部识别操作。
由此可见,提供一种面部识别方法,以相对确保在待识别者面部有遮挡物的情况下,对待识别者进行有效的面部识别操作,是本领域技术人员需要解决的问题。
发明内容
本申请的目的是提供一种面部识别方法、装置、设备及存储介质,以相对确保在待识别者面部有遮挡物的情况下,对待识别者进行有效的面部识别操作。
为解决上述技术问题,本申请提供一种面部识别方法,包括:
获取待识别面部图像;
在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域;
提取待识别面部图像中与面部无遮挡区域对应的第一子图像,以及与面部遮挡区域对应的第二子图像;
通过预设的面部识别模型分别识别第一子图像的第一特征以及第二子图像的第二特征,并对第一特征以及第二特征执行特征融合操作得到特征识别结果。
优选地,在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域,包括:
利用面部检测算法在待识别面部图像中获取面部关键点;
根据面部关键点在待识别面部图像中划分面部无遮挡区域;
将待识别面部图像中除面部无遮挡区域以外的图像区域划分为面部遮挡区域。
优选地,当待识别面部图像为待识别者戴口罩后拍摄的面部图像时,利用面部检测算法在待识别面部图像中获取面部关键点,包括:
利用面部检测算法在待识别面部图像中获取眼睛与鼻尖处的面部关键点。
优选地,利用面部检测算法在待识别面部图像中获取面部关键点,包括:
利用SSD网络的面部检测算法在待识别面部图像中获取面部关键点。
优选地,面部识别模型的生成过程包括:
获取面部样本图像;
在面部样本图像中划分面部无遮挡样本区域以及面部遮挡样本区域;
提取面部样本图像中与面部无遮挡样本区域对应的第一子样本图像,以及与面部遮挡样本区域对应的第二子样本图像;
通过卷积神经网络模型提取第一子样本图像的第一样本特征以及第二子样本图像的第二样本特征,并对第一样本特征以及第二样本特征执行特征融合操作,得到面部识别模型。
优选地,在对第一样本特征以及第二样本特征执行特征融合操作得到面部识别模型之前,方法还包括:
获取第一样本特征以及第二样本特征的融合维度总量以及融合权重;
对第一样本特征以及第二样本特征执行特征融合操作,包括:
基于融合权重对第一样本特征以及第二样本特征执行融合维度总量的特征融合操作。
此外,本申请还提供一种面部识别装置,包括:
图影获取模块,用于获取待识别面部图像;
区域划分模块,用于在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域;
图像提取模块,用于提取待识别面部图像中与面部无遮挡区域对应的第一子图像,以及与面部遮挡区域对应的第二子图像;
融合识别模块,用于通过预设的面部识别模型分别识别第一子图像的第一特征以及第二子图像的第二特征,并对第一特征以及第二特征执行特征融合操作得到特征识别结果。
优选地,区域划分模块,包括:
关键点识别模块,用于利用面部检测算法在待识别面部图像中获取面部关键点;
无遮挡区域划分模块,用于根据面部关键点在待识别面部图像中划分面部无遮挡区域;
遮挡区域划分模块,用于将待识别面部图像中除面部无遮挡区域以外的图像区域划分为面部遮挡区域。
此外,本申请还提供一种面部识别设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上述的面部识别方法的步骤。
此外,本申请还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述的面部识别方法的步骤。
本申请所提供的面部识别方法,首先获取待识别面部图像,进而在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域,进而提取待识别面部图像中与面部无遮挡区域对应的第一子图像,以及与面部遮挡区域对应的第二子图像,并通过预设的面部识别模型分别识别第一子图像的第一特征以及第二子图像的第二特征,进而通过对第一特征以及第二特征执行特征融合操作得到相应的特征识别结果,以此实现基于待识别面部图像的面部识别。本方法通过面部识别模型分别对待识别图像中面部无遮挡部分的第一子图像以及面部遮挡部分的第二子图像分别进行特征提取,并对这两方面特征进行融合的方式得到待识别面部图像整体的特征识别结果,能够相对确保在待识别者面部有遮挡物的情况下,对待识别者进行有效的面部识别操作。此外,本申请还提供一种面部识别装置、设备及存储介质,有益效果同上所述。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1为本申请实施例公开的一种面部识别方法的流程图;
图2为本申请实施例公开的一种面部识别方法的流程图;
图3为本申请实施例公开的一种面部识别装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,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,都属于本申请保护范围。
当前的面部识别系统往往是基于待识别者完整的面部图像实现对待识别者的面部识别,而在当前存在的一些场景中,待识别者可能因面部戴有口罩等遮挡物而导致其面部图像不能够完整展示其面部特征,在此情况下难以对待识别者进行有效的面部识别操作。
为此,本申请的核心是提供一种面部识别方法,以相对确保在待识别者面部有遮挡物的情况下,对待识别者进行有效的面部识别操作。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。
请参见图1所示,本申请实施例公开了一种面部识别方法,包括:
步骤S10:获取待识别面部图像。
需要说明的是,本步骤中获取的待识别面部图像指的是待识别者的面部图像,获取待识别面部图像可以具体是通过对待识别者的面部进行拍照得到,也可以是通过在包含有待识别者的视频帧图像中截取待识别者面部的图像得到,应根据实际需求而定,在此不做具体限定。
步骤S11:在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域。
在获取到待识别面部图像之后,本步骤进一步在待识别面部图像中划分面部没有被遮挡的面部无遮挡区域,以及在待识别面部图像中划分面部被物体遮挡的面部遮挡区域,目的是在后续步骤中分别对面部无遮挡区域以及面部遮挡区域进行分别解析。
步骤S12:提取待识别面部图像中与面部无遮挡区域对应的第一子图像,以及与面部遮挡区域对应的第二子图像。
在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域之后,本步骤进一步在待识别面部图像中划分面部无遮挡区域对应的图像,即第一子图像,并在待识别面部图像中划分面部遮挡区域对应的图像,即第二子图像,目的是在后续步骤中分别对第一子图像以及第二子图像进行特征分析。更进一步的,为了确保后续步骤中对第一子图像以及第二子图像进行分析时,运算量的相对可控,进而保证对第一子图像以及第二子图像进行分析的可靠性,本步骤中提取得到的第一子图像与第二子图像之间的像素尺寸可以相同。
步骤S13:通过预设的面部识别模型分别识别第一子图像的第一特征以及第二子图像的第二特征,并对第一特征以及第二特征执行特征融合操作得到特征识别结果。
在提取待识别面部图像中与面部无遮挡区域对应的第一子图像,以及与面部遮挡区域对应的第二子图像之后,本步骤进一步通过预设的面部识别模型分别识别第一子图像的第一特征以及第二子图像的第二特征。其中,第一特征为待识别面部图像中面部无遮挡区域对应的图像特征,第二特征为待识别面部图像中面部遮挡区域对应的图像特征。在获取第一子图像的第一特征以及第二子图像的第二特征后,进一步对第一特征以及第二特征执行特征融合操作得到特征识别结果,目的是将第一特征以及第二特征作为待识别面部图像中的两部分特征组合为一个完整特征,以此作为特征识别结果,能够实现对于待识别面部图像中的面部无遮挡区域以及面部遮挡区域的综合识别,进一步确保了面部识别的准确性。
本申请所提供的面部识别方法,首先获取待识别面部图像,进而在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域,进而提取待识别面部图像中与面部无遮挡区域对应的第一子图像,以及与面部遮挡区域对应的第二子图像,并通过预设的面部识别模型分别识别第一子图像的第一特征以及第二子图像的第二特征,进而通过对第一特征以及第二特征执行特征融合操作得到相应的特征识别结果,以此实现基于待识别面部图像的面部识别。本方法通过面部识别模型分别对待识别图像中面部无遮挡部分的第一子图像以及面部遮挡部分的第二子图像分别进行特征提取,并对这两方面特征进行融合的方式得到待识别面部图像整体的特征识别结果,能够相对确保在待识别者面部有遮挡物的情况下,对待识别者进行有效的面部识别操作。
请参见图2所示,本申请实施例公开了一种面部识别方法,包括:
步骤S20:获取待识别面部图像。
步骤S21:利用面部检测算法在待识别面部图像中获取面部关键点。
步骤S22:根据面部关键点在待识别面部图像中划分面部无遮挡区域。
步骤S23:将待识别面部图像中除面部无遮挡区域以外的图像区域划分为面部遮挡区域。
步骤S24:提取待识别面部图像中与面部无遮挡区域对应的第一子图像,以及与面部遮挡区域对应的第二子图像。
步骤S25:通过预设的面部识别模型分别识别第一子图像的第一特征以及第二子图像的第二特征,并对第一特征以及第二特征执行特征融合操作得到特征识别结果。
需要说明的是,本实施例的重点在于在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域时,具体是利用面部检测算法在待识别面部图像中获取面部关键点,进而根据面部关键点确定待识别面部图像中的面部无遮挡区域,在此基础上,进一步将待识别面部图像中除面部无遮挡区域以外的图像区域作为面部遮挡区域。本实施例通过面部检测算法在待识别面部图像中获取面部关键点,进而将面部关键点作为判定面部无遮挡区域的依据,并将待识别面部图像中面部无遮挡区域以外的图像区域设置为面部遮挡区域,以此能够相对确保在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域时的准确性,进而进一步确保了面部识别的整体准确性。
在上述实施例的基础上,作为一种优选的实施方式,当待识别面部图像为待识别者戴口罩后拍摄的面部图像时,利用面部检测算法在待识别面部图像中获取面部关键点,包括:
利用面部检测算法在待识别面部图像中获取眼睛与鼻尖处的面部关键点。
需要说明的是,由于考虑到在待识别面部图像为待识别者戴口罩后拍摄的面部图像时,待识别面部图像中待识别者的鼻尖以及眼睛往往不会被口罩遮挡,而在待识别面部图像中,待识别者的眼睛与鼻尖处具有相对丰富的特征内容,因此本实施方式中利用面部检测算法在待识别面部图像中获取眼睛与鼻尖处的面部关键点,能够相对确保面部关键点的获取效率以及准确性,进而进一步确保了面部识别的整体准确性。
在上述实施例的基础上,作为一种优选的实施方式,利用面部检测算法在待识别面部图像中获取面部关键点,包括:
利用SSD网络的面部检测算法在待识别面部图像中获取面部关键点。
需要说明的是,SSD(Single Shot MultiBox Detector)网络是一种目标检测算法的网络,其主要思路是均匀地在图像上的不同位置进行密集抽样,抽样时可以采用不同尺度和长宽比,然后利用卷积神经网络提取特征后直接进行分类和回归,具有较快的执行效率,进而本实施方式能够相对确保面部关键点的获取效率,进而确保了面部识别过程的整体效率。
在上述一系列实施例的基础上,作为一种优选的实施方式,面部识别模型的生成过程包括:
获取面部样本图像;
在面部样本图像中划分面部无遮挡样本区域以及面部遮挡样本区域;
提取面部样本图像中与面部无遮挡样本区域对应的第一子样本图像,以及与面部遮挡样本区域对应的第二子样本图像;
通过卷积神经网络模型提取第一子样本图像的第一样本特征以及第二子样本图像的第二样本特征,并对第一样本特征以及第二样本特征执行特征融合操作,得到面部识别模型。
需要说明的是,本实施方式涉及到面部识别模型的生成过程,在生成面部识别模型时,具体是基于一定数量的面部样本图像作为面部识别模型的训练样本,进而在面部样本图像中划分面部无遮挡样本区域以及面部遮挡样本区域,并提取面部样本图像中与面部无遮挡样本区域对应的第一子样本图像,以及与面部遮挡样本区域对应的第二子样本图像,目的是分别基于第一子样本图像以及第二子样本图像进行模型训练,即通过卷积神经网络模型提取第一子样本图像的第一样本特征以及第二子样本图像的第二样本特征,在此基础上,通过对第一样本特征以及第二样本特征执行特征融合操作,得到面部识别模型,以此确保面部识别模型能够分别对待识别面部图像中的分面部无遮挡区域以及面部遮挡区域进行综合识别。本实施方式进一步确保了基于面部识别模型进行面部识别过程的整体可靠性。
更进一步的,作为一种优选的实施方式,在对第一样本特征以及第二样本特征执行特征融合操作得到面部识别模型之前,方法还包括:
获取第一样本特征以及第二样本特征的融合维度总量以及融合权重;
对第一样本特征以及第二样本特征执行特征融合操作,包括:
基于融合权重对第一样本特征以及第二样本特征执行融合维度总量的特征融合操作。
需要说明的是,本实施方式的重点在于,在对第一样本特征以及第二样本特征执行特征融合操作得到面部识别模型之前,预先获取第一样本特征以及第二样本特征的融合维度总量以及融合权重,其中,融合维度总量指的是第一样本特征与第二样本特征整体的特征属性类型的数量总和,融合权重指的是第一样本特征与第二样本特征各自的融合维度数量占融合维度总量的比例。在获取到融合维度总量以及融合权重之后,进一步在对第一样本特征以及第二样本特征执行特征融合操作时,具体基于融合权重对第一样本特征以及第二样本特征执行融合维度总量的特征融合操作,以此能够相对灵活的控制面部识别模型对于待识别面部图像中面部无遮挡区域以及面部遮挡区域的分析权重,进一步确保面部识别过程的整体灵活性以及可控性。
请参见图3所示,本申请实施例提供了一种面部识别装置,包括:
图影获取模块10,用于获取待识别面部图像;
区域划分模块11,用于在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域;
图像提取模块12,用于提取待识别面部图像中与面部无遮挡区域对应的第一子图像,以及与面部遮挡区域对应的第二子图像;
融合识别模块13,用于通过预设的面部识别模型分别识别第一子图像的第一特征以及第二子图像的第二特征,并对第一特征以及第二特征执行特征融合操作得到特征识别结果。
更进一步的,作为一种优选的实施方式,区域划分模块,包括:
关键点识别模块,用于利用面部检测算法在待识别面部图像中获取面部关键点;
无遮挡区域划分模块,用于根据面部关键点在待识别面部图像中划分面部无遮挡区域;
遮挡区域划分模块,用于将待识别面部图像中除面部无遮挡区域以外的图像区域划分为面部遮挡区域。
本申请所提供的面部识别装置,首先获取待识别面部图像,进而在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域,进而提取待识别面部图像中与面部无遮挡区域对应的第一子图像,以及与面部遮挡区域对应的第二子图像,并通过预设的面部识别模型分别识别第一子图像的第一特征以及第二子图像的第二特征,进而通过对第一特征以及第二特征执行特征融合操作得到相应的特征识别结果,以此实现基于待识别面部图像的面部识别。本装置通过面部识别模型分别对待识别图像中面部无遮挡部分的第一子图像以及面部遮挡部分的第二子图像分别进行特征提取,并对这两方面特征进行融合的方式得到待识别面部图像整体的特征识别结果,能够相对确保在待识别者面部有遮挡物的情况下,对待识别者进行有效的面部识别操作。
此外,本申请实施例还提供一种面部识别设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上述的面部识别方法的步骤。
本申请所提供的面部识别设备,首先获取待识别面部图像,进而在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域,进而提取待识别面部图像中与面部无遮挡区域对应的第一子图像,以及与面部遮挡区域对应的第二子图像,并通过预设的面部识别模型分别识别第一子图像的第一特征以及第二子图像的第二特征,进而通过对第一特征以及第二特征执行特征融合操作得到相应的特征识别结果,以此实现基于待识别面部图像的面部识别。本设备通过面部识别模型分别对待识别图像中面部无遮挡部分的第一子图像以及面部遮挡部分的第二子图像分别进行特征提取,并对这两方面特征进行融合的方式得到待识别面部图像整体的特征识别结果,能够相对确保在待识别者面部有遮挡物的情况下,对待识别者进行有效的面部识别操作。
此外,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述的面部识别方法的步骤。
本申请所提供的计算机可读存储介质,首先获取待识别面部图像,进而在待识别面部图像中划分面部无遮挡区域以及面部遮挡区域,进而提取待识别面部图像中与面部无遮挡区域对应的第一子图像,以及与面部遮挡区域对应的第二子图像,并通过预设的面部识别模型分别识别第一子图像的第一特征以及第二子图像的第二特征,进而通过对第一特征以及第二特征执行特征融合操作得到相应的特征识别结果,以此实现基于待识别面部图像的面部识别。本计算机可读存储介质通过面部识别模型分别对待识别图像中面部无遮挡部分的第一子图像以及面部遮挡部分的第二子图像分别进行特征提取,并对这两方面特征进行融合的方式得到待识别面部图像整体的特征识别结果,能够相对确保在待识别者面部有遮挡物的情况下,对待识别者进行有效的面部识别操作。
以上对本申请所提供的一种面部识别方法、装置、设备及存储介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种面部识别方法,其特征在于,包括:
获取待识别面部图像;
在所述待识别面部图像中划分面部无遮挡区域以及面部遮挡区域;
提取所述待识别面部图像中与所述面部无遮挡区域对应的第一子图像,以及与所述面部遮挡区域对应的第二子图像;
通过预设的面部识别模型分别识别所述第一子图像的第一特征以及所述第二子图像的第二特征,并对所述第一特征以及所述第二特征执行特征融合操作得到特征识别结果。
2.根据权利1所述的面部识别方法,其特征在于,所述在所述待识别面部图像中划分面部无遮挡区域以及面部遮挡区域,包括:
利用面部检测算法在所述待识别面部图像中获取面部关键点;
根据所述面部关键点在所述待识别面部图像中划分所述面部无遮挡区域;
将所述待识别面部图像中除所述面部无遮挡区域以外的图像区域划分为所述面部遮挡区域。
3.根据权利要求2所述的面部识别方法,其特征在于,当所述待识别面部图像为待识别者戴口罩后拍摄的面部图像时,所述利用面部检测算法在所述待识别面部图像中获取面部关键点,包括:
利用所述面部检测算法在所述待识别面部图像中获取眼睛与鼻尖处的所述面部关键点。
4.根据权利要求2所述的面部识别方法,其特征在于,所述利用面部检测算法在所述待识别面部图像中获取面部关键点,包括:
利用SSD网络的所述面部检测算法在所述待识别面部图像中获取所述面部关键点。
5.根据权利要求1至4任意一项所述的面部识别方法,其特征在于,所述面部识别模型的生成过程包括:
获取面部样本图像;
在所述面部样本图像中划分面部无遮挡样本区域以及面部遮挡样本区域;
提取所述面部样本图像中与所述面部无遮挡样本区域对应的第一子样本图像,以及与所述面部遮挡样本区域对应的第二子样本图像;
通过卷积神经网络模型提取所述第一子样本图像的第一样本特征以及所述第二子样本图像的第二样本特征,并对所述第一样本特征以及所述第二样本特征执行特征融合操作,得到所述面部识别模型。
6.根据权利要求5所述的面部识别方法,其特征在于,在所述对所述第一样本特征以及所述第二样本特征执行特征融合操作得到所述面部识别模型之前,所述方法还包括:
获取所述第一样本特征以及所述第二样本特征的融合维度总量以及融合权重;
所述对所述第一样本特征以及所述第二样本特征执行特征融合操作,包括:
基于所述融合权重对所述第一样本特征以及所述第二样本特征执行所述融合维度总量的所述特征融合操作。
7.一种面部识别装置,其特征在于,包括:
图影获取模块,用于获取待识别面部图像;
区域划分模块,用于在所述待识别面部图像中划分面部无遮挡区域以及面部遮挡区域;
图像提取模块,用于提取所述待识别面部图像中与所述面部无遮挡区域对应的第一子图像,以及与所述面部遮挡区域对应的第二子图像;
融合识别模块,用于通过预设的面部识别模型分别识别所述第一子图像的第一特征以及所述第二子图像的第二特征,并对所述第一特征以及所述第二特征执行特征融合操作得到特征识别结果。
8.根据权利要求7所述的面部识别装置,其特征在于,所述区域划分模块,包括:
关键点识别模块,用于利用面部检测算法在所述待识别面部图像中获取面部关键点;
无遮挡区域划分模块,用于根据所述面部关键点在所述待识别面部图像中划分所述面部无遮挡区域;
遮挡区域划分模块,用于将所述待识别面部图像中除所述面部无遮挡区域以外的图像区域划分为所述面部遮挡区域。
9.一种面部识别设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述的面部识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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如权利要求1至6任一项所述的面部识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011001147.4A CN112132011B (zh) | 2020-09-22 | 2020-09-22 | 一种面部识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011001147.4A CN112132011B (zh) | 2020-09-22 | 2020-09-22 | 一种面部识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112132011A true CN112132011A (zh) | 2020-12-25 |
CN112132011B CN112132011B (zh) | 2024-04-26 |
Family
ID=73843000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011001147.4A Active CN112132011B (zh) | 2020-09-22 | 2020-09-22 | 一种面部识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132011B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114663363A (zh) * | 2022-03-03 | 2022-06-24 | 四川大学 | 一种基于深度学习的髋关节医学图像处理方法和装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045618A (zh) * | 2016-02-05 | 2017-08-15 | 北京陌上花科技有限公司 | 一种人脸表情识别方法及装置 |
CN108805040A (zh) * | 2018-05-24 | 2018-11-13 | 复旦大学 | 一种基于分块的有遮挡人脸识别算法 |
CN109635760A (zh) * | 2018-12-18 | 2019-04-16 | 深圳市捷顺科技实业股份有限公司 | 一种人脸识别方法及相关设备 |
CN109858467A (zh) * | 2019-03-01 | 2019-06-07 | 北京视甄智能科技有限公司 | 一种基于关键点区域特征融合的人脸识别方法及装置 |
CN110674774A (zh) * | 2019-09-30 | 2020-01-10 | 新疆大学 | 一种改进的深度学习人脸面部表情识别方法及系统 |
CN110705337A (zh) * | 2018-07-10 | 2020-01-17 | 普天信息技术有限公司 | 一种针对眼镜遮挡的人脸识别方法及装置 |
CN110929651A (zh) * | 2019-11-25 | 2020-03-27 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
WO2020119450A1 (zh) * | 2018-12-14 | 2020-06-18 | 深圳壹账通智能科技有限公司 | 基于面部图片的风险识别方法、装置、计算机设备及存储介质 |
CN111310624A (zh) * | 2020-02-05 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 遮挡识别方法、装置、计算机设备及存储介质 |
US20200250462A1 (en) * | 2018-11-16 | 2020-08-06 | Beijing Sensetime Technology Development Co., Ltd. | Key point detection method and apparatus, and storage medium |
CN111563245A (zh) * | 2020-05-15 | 2020-08-21 | 支付宝(杭州)信息技术有限公司 | 用户身份识别方法、装置、设备及介质 |
CN111626213A (zh) * | 2020-05-27 | 2020-09-04 | 北京嘀嘀无限科技发展有限公司 | 一种身份验证方法、装置、电子设备及可读存储介质 |
-
2020
- 2020-09-22 CN CN202011001147.4A patent/CN112132011B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045618A (zh) * | 2016-02-05 | 2017-08-15 | 北京陌上花科技有限公司 | 一种人脸表情识别方法及装置 |
CN108805040A (zh) * | 2018-05-24 | 2018-11-13 | 复旦大学 | 一种基于分块的有遮挡人脸识别算法 |
CN110705337A (zh) * | 2018-07-10 | 2020-01-17 | 普天信息技术有限公司 | 一种针对眼镜遮挡的人脸识别方法及装置 |
US20200250462A1 (en) * | 2018-11-16 | 2020-08-06 | Beijing Sensetime Technology Development Co., Ltd. | Key point detection method and apparatus, and storage medium |
WO2020119450A1 (zh) * | 2018-12-14 | 2020-06-18 | 深圳壹账通智能科技有限公司 | 基于面部图片的风险识别方法、装置、计算机设备及存储介质 |
CN109635760A (zh) * | 2018-12-18 | 2019-04-16 | 深圳市捷顺科技实业股份有限公司 | 一种人脸识别方法及相关设备 |
CN109858467A (zh) * | 2019-03-01 | 2019-06-07 | 北京视甄智能科技有限公司 | 一种基于关键点区域特征融合的人脸识别方法及装置 |
CN110674774A (zh) * | 2019-09-30 | 2020-01-10 | 新疆大学 | 一种改进的深度学习人脸面部表情识别方法及系统 |
CN110929651A (zh) * | 2019-11-25 | 2020-03-27 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN111310624A (zh) * | 2020-02-05 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 遮挡识别方法、装置、计算机设备及存储介质 |
CN111563245A (zh) * | 2020-05-15 | 2020-08-21 | 支付宝(杭州)信息技术有限公司 | 用户身份识别方法、装置、设备及介质 |
CN111626213A (zh) * | 2020-05-27 | 2020-09-04 | 北京嘀嘀无限科技发展有限公司 | 一种身份验证方法、装置、电子设备及可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114663363A (zh) * | 2022-03-03 | 2022-06-24 | 四川大学 | 一种基于深度学习的髋关节医学图像处理方法和装置 |
CN114663363B (zh) * | 2022-03-03 | 2023-11-17 | 四川大学 | 一种基于深度学习的髋关节医学图像处理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112132011B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070033B (zh) | 一种电力领域危险工作区域内安全帽佩戴状态检测方法 | |
CN110569731B (zh) | 一种人脸识别方法、装置及电子设备 | |
WO2019033572A1 (zh) | 人脸遮挡检测方法、装置及存储介质 | |
CN110781750A (zh) | 危险人物监控处理方法、装置、计算机设备和存储介质 | |
CN110532988B (zh) | 行为监控方法、装置、计算机设备和可读存储介质 | |
CN106919921B (zh) | 结合子空间学习与张量神经网络的步态识别方法及系统 | |
CN104778481A (zh) | 一种大规模人脸模式分析样本库的构建方法和装置 | |
CN105160318A (zh) | 基于面部表情的测谎方法及系统 | |
CN109472247B (zh) | 基于深度学习非配合式的人脸识别方法 | |
CN110348315A (zh) | 动态更新人脸特征底库的方法及装置、人脸抓拍系统 | |
CN109195011B (zh) | 一种视频处理方法、装置、设备及存储介质 | |
CN111368758A (zh) | 一种人脸模糊度检测方法、装置、计算机设备及存储介质 | |
CN111626240B (zh) | 一种人脸图像识别方法、装置、设备及可读存储介质 | |
CN110599129A (zh) | 一种基于图像追踪校园考勤方法、装置、识别终端及系统 | |
CN114677607A (zh) | 基于人脸识别的实时行人统计方法以及装置 | |
CN110991231B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
CN112132011A (zh) | 一种面部识别方法、装置、设备及存储介质 | |
CN108090473B (zh) | 多相机下人脸识别的方法及装置 | |
CN113627387A (zh) | 基于人脸识别的并行身份认证方法、装置、设备和介质 | |
CN113536842A (zh) | 电力作业人员安全着装识别方法及装置 | |
CN115424253A (zh) | 车牌识别方法、装置、电子设备和存储介质 | |
CN110795705B (zh) | 轨迹数据处理方法、装置、设备及存储介质 | |
CN115311680A (zh) | 人体图像质量检测方法、装置、电子设备及存储介质 | |
CN110751034B (zh) | 行人行为识别方法及终端设备 | |
CN110991307B (zh) | 人脸识别的方法、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 |