CN112613466A - 基于同一传感器的身份识别方法、装置、设备及存储介质 - Google Patents
基于同一传感器的身份识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112613466A CN112613466A CN202011615288.5A CN202011615288A CN112613466A CN 112613466 A CN112613466 A CN 112613466A CN 202011615288 A CN202011615288 A CN 202011615288A CN 112613466 A CN112613466 A CN 112613466A
- Authority
- CN
- China
- Prior art keywords
- user
- image information
- mode
- identification
- sensor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000006870 function Effects 0.000 claims abstract description 95
- 210000003462 vein Anatomy 0.000 claims description 44
- 238000000605 extraction Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001815 facial effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000000007 visual 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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提供了一种基于同一传感器的身份识别方法、装置、设备及存储介质。所述方法包括:根据用户的身份识别需求,确定传感器的识别功能模式;根据所述识别功能模式,调整所述传感器的功能参数;接收所述用户的图像信息,进行特征提取与预存标准图像进行比对,得到比对结果。根据所述用户的身份识别方式不同,对应把所述传感器的识别功能模式调到对应的模式,并调整所述传感器的功能参数,使其对用户的图像信息进行采集,将该图像与标准图进行比对,以得到对比结果。实现一个传感器同时具有多种不同的识别功能,对应采集不同的用户图像信息,减少传感器的设置个数,使用方便,降低成本。
Description
技术领域
本申请涉及视觉识别技术领域,尤其涉及基于同一传感器的身份识别方法、装置、设备及存储介质。
背景技术
机器视觉检测技术作为当今工业中的一项重要技术,被广泛应用于基于内容的图像检索、汽车安全、视频监控和机器人技术等各大领域,并且随着技术的发展,机器视觉检测技术被应用于越来越多的领域,以满足不断提升的市场需求。
目前的传感器在进行图像采集时,只有单一的一种功能,只能采集单一的图像信息,例如,用于身份识别时也只能识别对应的单一的信息。当需要识别多种图像信息时,需要配备多种传感器,不仅成本高,而且运行要求较高,还会给用户带来使用不便的影响,无法满足用户的需求。
发明内容
本申请的目的在于提供基于同一传感器的身份识别方法、装置、设备及存储介质,避免多个传感器的使用,成本较低,方便使用。
本申请的目的采用以下技术方案实现:
第一方面,本申请提供了一种基于同一传感器的身份识别方法,所述方法包括:
根据用户的身份识别需求,确定传感器的识别功能模式;
根据所述识别功能模式,调整所述传感器的功能参数;
接收所述用户的图像信息,进行特征提取与预存标准图像进行比对,得到比对结果。
该技术方案的有益效果在于,根据所述用户的身份识别方式不同,对应把所述传感器的识别功能模式调到对应的模式,并调整所述传感器的功能参数,使其对用户的图像信息进行采集,将该图像与标准图进行比对,以得到对比结果。实现一个传感器同时具有多种不同的识别功能,对应采集不同的用户图像信息,减少传感器的设置个数,使用方便,降低成本。
在一些可选的实施例中,所述方法还包括:根据所述比对结果,识别所述用户的用户类型。该技术方案的有益效果在于,识别所述用户是否是被允许用户,以使被允许用户行使自己的权利,不被允许用户不能行使该权利。
在一些可选的实施例中,所述根据用户的身份识别需求,确定传感器的识别功能模式,包括:
根据所述用户的身份识别需求,确定所述身份识别类型;
当所述身份识别类型为第一类型时,设置所述传感器的识别功能模式处于第一识别模式;
当所述身份识别类型为第二类型时,设置所述传感器的识别功能模式处于第二识别模式。
该技术方案的有益效果在于,所述第一类型可以是所述用户的人脸,对应所述传感器的所述第一识别模式就是人脸识别模式;所述第二类型可以是所述用户的静脉,对应所述传感器的所述第二识别模式为静脉识别模式。所述身份识别类型和所述传感器的识别功能模式相对应,以对不同的信息进行相应的识别。
在一些可选的实施例中,所述根据所述识别功能模式,调整所述传感器的功能参数,包括:
当所述传感器的识别功能模式处于第一识别模式时,调整所述传感器的功能参数处于第一参数范围;
当所述传感器的识别功能模式处于第二识别模式时,调整所述传感器的功能参数处于第二参数范围。
该技术方案的有益效果在于,对应所述传感器的每种识别模式,调整对应的功能参数。例如,当所述传感器为摄像头时,所述识别模式可以为所述用户的人像或静脉,对应把所述摄像头的焦距调整到识别人像或静脉的数值范围内,以进行图像采集,以便后续识别工作的进行。其中,静脉可以包括掌静脉和/或指静脉。
在一些可选的实施例中,所述根据所述识别功能模式,调整所述传感器的功能参数,包括:
当所述传感器的识别功能模式处于第一识别模式时,启动第一摄像头,并调整所述第一摄像头的焦距;
当所述传感器的识别功能模式处于第二识别模式时,启动第二摄像头,并调整所述第二摄像头的焦距。
该技术方案的有益效果在于,所述第一识别模式可以为人像模式,所述第一摄像头的焦距可以调整到1米,以对较远距离的人像进行采集;所述第二识别模式可以是静脉模式,对应调整焦距到较近距离,以对近距离的静脉图像进行采集。
在一些可选的实施例中,所述接收所述用户的图像信息,进行特征提取与预存标准图像进行比对,得到比对结果,包括:
当所述用户的图像信息为人脸图像时,对所述人脸图像的特征进行提取,并与预存人脸的标准图像进行比对,得到比对结果;
当所述用户的图像信息为静脉图像时,对所述静脉图像的特征进行提取,并与预存静脉的标准图像进行比对,得到比对结果。
该技术方案的有益效果在于,针对所述用户的不同图像信息,可以调用所述传感器的对应识别模式,将其参数调整到对应的范围内,进行比对工作,得到比对结果。
在一些可选的实施例中,所述方法还包括:获取用户的图像信息,并存储所述用户的图像信息作为标准图像信息。该技术方案的有益效果在于,预先对用户的图像信息进行采集,将其进行特征提取并作为标准图像信息进行存储,以便后续对该用户的身份进行识别。
在一些可选的实施例中,所述获取用户的图像信息,并存储所述用户的图像信息作为标准图像信息,包括:
选择和确定注册模式,并确定用户注册信息;
根据用户注册信息获取所述注册模式所对应的所述用户的图像信息;
将所述用户的图像信息进行特征提取;
存储特征提取后的所述用户的图像信息并作为标准图像信息。
该技术方案的有益效果在于,在初始阶段,让每个用户进行注册,并把所述用户的图像信息进行获取以及特征提取,并作为标准图像信息,以为该用户的之后的身份识别作准备。
第二方面,本申请提供了一种基于同一传感器的身份识别装置,所述装置包括:
功能模式确定模块,用于根据用户的身份识别需求,确定传感器的识别功能模式;
功能参数调整模块,用于根据所述识别功能模式,调整所述传感器的功能参数;
图像信息比对模块,用于接收所述用户的图像信息,进行特征提取与预存标准图像进行比对,得到比对结果。
在一些可选的实施例中,所述装置包括:
功能模式确定模块,用于根据用户的身份识别需求,确定传感器的识别功能模式;
功能参数调整模块,用于根据所述识别功能模式,调整所述传感器的功能参数;
图像信息比对模块,用于接收所述用户的图像信息,进行特征提取与预存标准图像进行比对,得到比对结果。
在一些可选的实施例中,所述装置包括:
用户类型识别模块,用于根据所述比对结果,识别所述用户的用户类型。
在一些可选的实施例中,所述功能模式确定模块包括:
识别类型确定单元,用于根据所述用户的身份识别需求,确定所述身份识别类型;
第一身份识别单元,用于当所述身份识别类型为第一类型时,设置所述传感器的识别功能模式处于第一识别模式;
第二身份识别单元,用于当所述身份识别类型为第二类型时,设置所述传感器的识别功能模式处于第二识别模式。
在一些可选的实施例中,所述功能参数调整模块包括:
第一调整单元,用于当所述传感器的识别功能模式处于第一识别模式时,调整所述传感器的功能参数处于第一参数范围;
第二调整单元,用于当所述传感器的识别功能模式处于第二识别模式时,调整所述传感器的功能参数处于第二参数范围。
在一些可选的实施例中,所述功能参数调整模块包括:
第一摄像头单元,用于当所述传感器的识别功能模式处于第一识别模式时,启动第一摄像头,并调整所述第一摄像头的焦距;
第二摄像头单元,用于当所述传感器的识别功能模式处于第二识别模式时,启动第二摄像头,并调整所述第二摄像头的焦距。
在一些可选的实施例中,所述图像信息比对模块包括:
人脸比对单元,用于当所述用户的图像信息为人脸图像时,对所述人脸图像的特征进行提取,并与预存人脸的标准图像进行比对,得到比对结果;
静脉比对单元,用于当所述用户的图像信息为静脉图像时,对所述静脉图像的特征进行提取,并与预存静脉的标准图像进行比对,得到比对结果。
在一些可选的实施例中,所述装置还包括:
标准图像存储模块,用于获取用户的图像信息,并存储所述用户的图像信息作为标准图像信息。
在一些可选的实施例中,所述标准图像存储模块包括:
注册模式确定单元,用于选择和确定注册模式,并确定用户注册信息;
图像信息获取单元,用于根据用户注册信息获取所述注册模式所对应的所述用户的图像信息;
特征提取单元,用于将所述用户的图像信息进行特征提取;
标准图像存储单元,用于存储特征提取后的所述用户的图像信息并作为标准图像信息。
第三方面,本申请提供了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项方法的步骤。
在一些可选的实施例中,所述电子设备还包括:
第一摄像头,所述第一摄像头是近红外摄像头;
第二摄像头,所述第二摄像头是RGB摄像头。
该技术方案的有益效果在于,利用近红外摄像头对远距离的图像信息进行采集,利用RGB摄像头对近距离的图像信息进行采集,以对不同距离的图像信息进行采集。
在一些可选的实施例中,在第一识别模式下,所述第一摄像头和所述第二摄像头的焦距为2.8mm,在视频流中采集并抓拍1米范围内的人脸图像;在第二识别模式下,所述第一摄像头和所述第二摄像头的焦距为1.39mm,在视频流中采集并抓拍3-10cm范围内的静脉图像。该技术方案的有益效果在于,在所述焦距范围内,可以采集到高清晰度的图像信息,以更好地进行图像比对。
在一些可选的实施例中,所述近红外摄像头发射的近红外光波长为850nm。该技术方案的有益效果在于,在该波长附近,近红外摄像头可以捕捉到较清晰的图像信息,以提高后续识别成功率。
第四方面,本申请提供了一种计算机可读存储介质,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任一项方法的步骤。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种基于同一传感器的身份识别方法的流程示意图;
图2是本申请实施例提供的一种基于同一传感器的身份识别方法的流程示意图;
图3是本申请实施例提供的一种确定传感器的识别功能模式的流程示意图;
图4是本申请实施例提供的一种调整传感器功能参数的流程示意图;
图5是本申请实施例提供的一种调整传感器功能参数的流程示意图;
图6是本申请实施例提供的一种比对图像信息的流程示意图;
图7是本申请实施例提供的一种存储标准图像信息的流程示意图;
图8是本申请实施例提供的一种存储标准图像信息的流程示意图;
图9是本申请实施例提供的一种基于同一传感器的身份识别装置的结构示意图;
图10是本申请实施例提供的一种基于同一传感器的身份识别装置的结构示意图;
图11是本申请实施例提供的一种功能模式确定模块的结构示意图;
图12是本申请实施例提供的一种功能参数调整模块的结构示意图;
图13是本申请实施例提供的一种功能参数调整模块的结构示意图;
图14是本申请实施例提供的一种图像信息比对模块的结构示意图;
图15是本申请实施例提供的一种基于同一传感器的身份识别装置的部分结构示意图;
图16是本申请实施例提供的一种标准图像存储模块的结构示意图;
图17是本申请实施例提供的一种电子设备的结构示意图;
图18是本申请实施例提供的一种电子设备的结构示意图;
图19是本申请实施例提供的一种用于实现身份识别方法的程序产品的结构示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本申请做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
参见图1,本申请实施例提供了一种基于同一传感器的身份识别方法,所述方法包括步骤S101~S103。
步骤S101:根据用户的身份识别需求,确定传感器的识别功能模式。所述用户的每种身份识别需求均对应一种所述传感器的识别功能模式,在该识别功能模式下对该用户的身份进行识别。
步骤S102:根据所述识别功能模式,调整所述传感器的功能参数。每种识别功能模式下所采用的所述传感器的参数不同,在该参数下对所述用户进行图像采集等,以便识别所述用户的身份。当所述传感器是摄像头时,所述参数可以是所述摄像头的焦距等,在不同的焦距下对不同距离的所述用户的图像进行采集。
步骤S103:接收所述用户的图像信息,进行特征提取与预存标准图像进行比对,得到比对结果。已经注册的用户已经预存了标准图像,当需要对所述用户的身份进行识别时,只需要将其图像信息进行特征提取与其标准图像进行比对即可,比对成功,则身份识别成功。
参见图2,在具体实施中,所述方法还可以包括步骤S104。
步骤S104:根据所述比对结果,识别所述用户的用户类型。如果比对结果是所采集的所述用户的图像与预存的标准图像相匹配,则该用户为允许的用户;如果不匹配,则该用户为不允许的用户。由此,识别所述用户是否是被允许用户,以使被允许用户行使自己的权利,不被允许用户不能行使该权利。
参见图3,在具体实施中,所述步骤S101可以包括步骤S201~S203。
步骤S201:根据所述用户的身份识别需求,确定所述身份识别类型。
步骤S202:当所述身份识别类型为第一类型时,设置所述传感器的识别功能模式处于第一识别模式。
步骤S203:当所述身份识别类型为第二类型时,设置所述传感器的识别功能模式处于第二识别模式。
由此,所述第一类型可以是所述用户的人脸,对应所述传感器的所述第一识别模式就是人脸识别模式;所述第二类型可以是所述用户的静脉,对应所述传感器的所述第二识别模式为静脉识别模式。所述身份识别类型和所述传感器的识别功能模式相对应,以对不同的信息进行相应的识别。其中,静脉可以包括掌静脉和/或指静脉。
参见图4,在具体实施中,所述步骤S102可以包括步骤S301~步骤S302:
步骤S301:当所述传感器的识别功能模式处于第一识别模式时,调整所述传感器的功能参数处于第一参数范围;
步骤S302:当所述传感器的识别功能模式处于第二识别模式时,调整所述传感器的功能参数处于第二参数范围。
由此,对应所述传感器的每种识别模式,调整对应的功能参数。例如,当所述传感器为摄像头时,所述识别模式可以为所述用户的人像或静脉,对应把所述摄像头的焦距调整到识别人像或静脉的数值范围内,以进行图像采集,以便后续识别工作的进行。
参见图5,在具体实施中,所述步骤102可以包括步骤S401~S402。
步骤S401:当所述传感器的识别功能模式处于第一识别模式时,启动第一摄像头,并调整所述第一摄像头的焦距。
步骤S402:当所述传感器的识别功能模式处于第二识别模式时,启动第二摄像头,并调整所述第二摄像头的焦距。
由此,所述第一识别模式可以为人像模式,所述第一摄像头的焦距可以调整到1米,以对较远距离的人像进行采集;所述第二识别模式可以是静脉模式,对应调整焦距到较近距离,以对近距离的静脉图像进行采集。
参见图6,在具体实施中,所述步骤S103可以包括步骤S501~S502。
步骤S501:当所述用户的图像信息为人脸图像时,对所述人脸图像的特征进行提取,并与预存人脸的标准图像进行比对,得到比对结果。
步骤S502:当所述用户的图像信息为静脉图像时,对所述静脉图像的特征进行提取,并与预存静脉的标准图像进行比对,得到比对结果。
由此,针对所述用户的不同图像信息,可以调用所述传感器的对应识别模式,将其参数调整到对应的范围内,进行比对工作,得到比对结果。
参见图7,在具体实施中,所述方法还可以包括步骤S601:获取用户的图像信息,并存储所述用户的图像信息作为标准图像信息。
由此,预先对用户的图像信息进行采集,将其进行特征提取并作为标准图像信息进行存储,以便后续对该用户的身份进行识别。
参见图8,在具体实施中,所述步骤S601可以包括步骤S701~步骤S704。
步骤S701:选择和确定注册模式,并确定用户注册信息。
步骤S702:根据用户注册信息获取所述注册模式所对应的所述用户的图像信息。
步骤S703:将所述用户的图像信息进行特征提取。
步骤S704:存储特征提取后的所述用户的图像信息并作为标准图像信息。
由此,在初始阶段,让每个用户进行注册,并把所述用户的图像信息进行获取以及特征提取,并作为标准图像信息,以为该用户的之后的身份识别作准备。
综上所述,根据所述用户的身份识别方式不同,对应把所述传感器的识别功能模式调到对应的模式,并调整所述传感器的功能参数,使其对用户的图像信息进行采集,将该图像与标准图进行比对,以得到对比结果。实现一个传感器同时具有多种不同的识别功能,对应采集不同的用户图像信息,减少传感器的设置个数,使用方便,降低成本。
参见图9,本申请实施例还提供了一种基于同一传感器的身份识别装置,其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
所述基于同一传感器的身份识别装置包括:
功能模式确定模块101,用于根据用户的身份识别需求,确定传感器的识别功能模式。
功能参数调整模块102,用于根据所述识别功能模式,调整所述传感器的功能参数。
图像信息比对模块103,用于接收所述用户的图像信息,进行特征提取与预存标准图像进行比对,得到比对结果。
参见图10,在具体实施中,所述装置还可以包括:
用户类型识别模块104,用于根据所述比对结果,识别所述用户的用户类型。
参见图11,在具体实施中,所述功能模式确定模块101可以包括识别类型确定单元201、第一身份识别单元202和第二身份识别单元203。
识别类型确定单元201,用于根据所述用户的身份识别需求,确定所述身份识别类型。
第一身份识别单元202,用于当所述身份识别类型为第一类型时,设置所述传感器的识别功能模式处于第一识别模式。
第二身份识别单元203,用于当所述身份识别类型为第二类型时,设置所述传感器的识别功能模式处于第二识别模式。
参见图12,在具体实施中,所述功能参数调整模块102可以包括第一调整单元301和第二调整单元302。
第一调整单元301,用于当所述传感器的识别功能模式处于第一识别模式时,调整所述传感器的功能参数处于第一参数范围。
第二调整单元302,用于当所述传感器的识别功能模式处于第二识别模式时,调整所述传感器的功能参数处于第二参数范围。
参见图13,在具体实施中,所述功能参数调整模块102可以包括第一摄像头单元401和第二摄像头单元402。
第一摄像头单元401,用于当所述传感器的识别功能模式处于第一识别模式时,启动第一摄像头,并调整所述第一摄像头的焦距。
第二摄像头单元402,用于当所述传感器的识别功能模式处于第二识别模式时,启动第二摄像头,并调整所述第二摄像头的焦距。
参见图14,在具体实施中,所述图像信息比对模块103可以包括:人脸比对单元501和静脉比对单元502。
人脸比对单元501,用于当所述用户的图像信息为人脸图像时,对所述人脸图像的特征进行提取,并与预存人脸的标准图像进行比对,得到比对结果;
静脉比对单元502,用于当所述用户的图像信息为静脉图像时,对所述静脉图像的特征进行提取,并与预存静脉的标准图像进行比对,得到比对结果。
参见图15,在具体实施中,所述装置还可以包括:
标准图像存储模块601,用于获取用户的图像信息,并存储所述用户的图像信息作为标准图像信息。
参见图16,在具体实施中,所述标准图像存储模块601可以包括注册模式确定单元701、图像信息获取单元702、特征提取单元703和标准图像存储单元704。
注册模式确定单元701,用于选择和确定注册模式,并确定用户注册信息;
图像信息获取单元702,用于根据用户注册信息获取所述注册模式所对应的所述用户的图像信息;
特征提取单元703,用于将所述用户的图像信息进行特征提取;
标准图像存储单元704,用于存储特征提取后的所述用户的图像信息并作为标准图像信息。
参见图17,本申请实施例还提供了一种电子设备200,电子设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)211和/或高速缓存存储器212,还可以进一步包括只读存储器(ROM)213。
其中,存储器210还存储有计算机程序,计算机程序可以被处理器220执行,使得处理器220执行本申请实施例中上述任一项方法的步骤,其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
存储器210还可以包括具有一组(至少一个)程序模块215的程序/实用工具214,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的,处理器220可以执行上述计算机程序,以及可以执行程序/实用工具214。
总线230可以为表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信,还可与一个或者多个能够与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
参见图18,在具体实施中,所述电子设备200可以包括控制主板803,控制主板803包括处理器220和存储器210。电子设备200还可以包括第一摄像头801和第二摄像头802。所述第一摄像头801可以是近红外摄像头,所述第二摄像头802可以是RGB摄像头。利用近红外摄像头对远距离的图像信息进行采集,利用RGB摄像头对近距离的图像信息进行采集,以对不同距离的图像信息进行采集。例如,利用近红外摄像头,使用光流法实现活体检测功能,利用图像序列中的像素强度数据的时域变化和相关性来确定各像素位置的相对运动,从图像序列中得到各个像素点的运行信息,采用高斯差分滤波器、LBP特征和支持向量机进行数据统计分析。另外,RGB摄像头可以对手形进行捕获,同时启动红外摄像头进行静脉图像抓拍,但也不限于此,也可以采用其他摄像头进行上述工作。
在具体实施中,在所述第一识别模式下,所述第一摄像头801和所述第二摄像头802的焦距为2.8mm,在视频流中采集并抓拍1米范围内的人脸图像;在所述第二识别模式下,所述第一摄像头801和所述第二摄像头802的焦距为1.39mm,在视频流中采集并抓拍3-10cm范围内的静脉图像。在所述焦距范围内,可以采集到高清晰度的图像信息,以更好地进行图像比对。
在具体实施中,在一些可选的实施例中,所述近红外摄像头发射的近红外光波长为850nm。在该波长附近,近红外摄像头可以捕捉到较清晰的图像信息,以提高后续识别成功率。
在一些可选的实施例中,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质用于存储计算机程序,所述计算机程序被执行时实现本申请实施例中上述任一项方法的步骤,其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
图19示出了本实施例提供的用于实现上述方法的程序产品300,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品300不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言诸如Java、C++等,还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上,效能上,进步及新颖性等观点进行阐述,其设置有的实用进步性,已符合专利法所强调的功能增进及使用要件,本申请以上的说明及附图,仅为本申请的较佳实施例而已,并非以此局限本申请,因此,凡一切与本申请构造,装置,特征等近似、雷同的,即凡依本申请专利申请范围所作的等同替换或修饰等,皆应属本申请的专利申请保护的范围之内。
Claims (21)
1.一种基于同一传感器的身份识别方法,其特征在于,所述方法包括:
根据用户的身份识别需求,确定传感器的识别功能模式;
根据所述识别功能模式,调整所述传感器的功能参数;
接收所述用户的图像信息,进行特征提取与预存标准图像进行比对,得到比对结果。
2.根据权利要求1所述的身份识别方法,其特征在于,所述方法还包括:
根据所述比对结果,识别所述用户的用户类型。
3.根据权利要求1所述的身份识别方法,其特征在于,所述根据用户的身份识别需求,确定传感器的识别功能模式,包括:
根据所述用户的身份识别需求,确定所述身份识别类型;
当所述身份识别类型为第一类型时,设置所述传感器的识别功能模式处于第一识别模式;
当所述身份识别类型为第二类型时,设置所述传感器的识别功能模式处于第二识别模式。
4.根据权利要求3所述的身份识别方法,其特征在于,所述根据所述识别功能模式,调整所述传感器的功能参数,包括:
当所述传感器的识别功能模式处于第一识别模式时,调整所述传感器的功能参数处于第一参数范围;
当所述传感器的识别功能模式处于第二识别模式时,调整所述传感器的功能参数处于第二参数范围。
5.根据权利要求3所述的身份识别方法,其特征在于,所述根据所述识别功能模式,调整所述传感器的功能参数,包括:
当所述传感器的识别功能模式处于第一识别模式时,启动第一摄像头,并调整所述第一摄像头的焦距;
当所述传感器的识别功能模式处于第二识别模式时,启动第二摄像头,并调整所述第二摄像头的焦距。
6.根据权利要求1所述的身份识别方法,其特征在于,所述接收所述用户的图像信息,进行特征提取与预存标准图像进行比对,得到比对结果,包括:
当所述用户的图像信息为人脸图像时,对所述人脸图像的特征进行提取,并与预存人脸的标准图像进行比对,得到比对结果;
当所述用户的图像信息为静脉图像时,对所述静脉图像的特征进行提取,并与预存静脉的标准图像进行比对,得到比对结果。
7.根据权利要求1所述的身份识别方法,其特征在于,所述方法还包括:
获取用户的图像信息,并存储所述用户的图像信息作为标准图像信息。
8.根据权利要求7所述的身份识别方法,其特征在于,所述获取用户的图像信息,并存储所述用户的图像信息作为标准图像信息,包括:
选择和确定注册模式,并确定用户注册信息;
根据用户注册信息获取所述注册模式所对应的所述用户的图像信息;
将所述用户的图像信息进行特征提取;
存储特征提取后的所述用户的图像信息并作为标准图像信息。
9.一种基于同一传感器的身份识别装置,其特征在于,所述装置包括:
功能模式确定模块,用于根据用户的身份识别需求,确定传感器的识别功能模式;
功能参数调整模块,用于根据所述识别功能模式,调整所述传感器的功能参数;
图像信息比对模块,用于接收所述用户的图像信息,进行特征提取与预存标准图像进行比对,得到比对结果。
10.根据权利要求9所述的身份识别装置,其特征在于,所述装置还包括:
用户类型识别模块,用于根据所述比对结果,识别所述用户的用户类型。
11.根据权利要求9所述的身份识别装置,其特征在于,所述功能模式确定模块包括:
识别类型确定单元,用于根据所述用户的身份识别需求,确定所述身份识别类型;
第一身份识别单元,用于当所述身份识别类型为第一类型时,设置所述传感器的识别功能模式处于第一识别模式;
第二身份识别单元,用于当所述身份识别类型为第二类型时,设置所述传感器的识别功能模式处于第二识别模式。
12.根据权利要求11所述的身份识别装置,其特征在于,所述功能参数调整模块包括:
第一调整单元,用于当所述传感器的识别功能模式处于第一识别模式时,调整所述传感器的功能参数处于第一参数范围;
第二调整单元,用于当所述传感器的识别功能模式处于第二识别模式时,调整所述传感器的功能参数处于第二参数范围。
13.根据权利要求11所述的身份识别装置,其特征在于,所述功能参数调整模块包括:
第一摄像头单元,用于当所述传感器的识别功能模式处于第一识别模式时,启动第一摄像头,并调整所述第一摄像头的焦距;
第二摄像头单元,用于当所述传感器的识别功能模式处于第二识别模式时,启动第二摄像头,并调整所述第二摄像头的焦距。
14.根据权利要求11所述的身份识别装置,其特征在于,所述图像信息比对模块包括:
人脸比对单元,用于当所述用户的图像信息为人脸图像时,对所述人脸图像的特征进行提取,并与预存人脸的标准图像进行比对,得到比对结果;
静脉比对单元,用于当所述用户的图像信息为静脉图像时,对所述静脉图像的特征进行提取,并与预存静脉的标准图像进行比对,得到比对结果。
15.根据权利要求9所述的身份识别装置,其特征在于,所述装置还包括:
标准图像存储模块,用于获取用户的图像信息,并存储所述用户的图像信息作为标准图像信息。
16.根据权利要求15所述的身份识别装置,其特征在于,所述标准图像存储模块包括:
注册模式确定单元,用于选择和确定注册模式,并确定用户注册信息;
图像信息获取单元,用于根据用户注册信息获取所述注册模式所对应的所述用户的图像信息;
特征提取单元,用于将所述用户的图像信息进行特征提取;
标准图像存储单元,用于存储特征提取后的所述用户的图像信息并作为标准图像信息。
17.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1-8任一项所述方法的步骤。
18.根据权利要求17所述的电子设备,其特征在于,所述电子设备还包括:
第一摄像头,所述第一摄像头是近红外摄像头;
第二摄像头,所述第二摄像头是RGB摄像头。
19.根据权利要求18所述的电子设备,其特征在于,在第一识别模式下,所述第一摄像头和所述第二摄像头的焦距为2.8mm,在视频流中采集并抓拍1米范围内的人脸图像;在第二识别模式下,所述第一摄像头和所述第二摄像头的焦距为1.39mm,在视频流中采集并抓拍3-10cm范围内的静脉图像。
20.根据权利要求18所述的电子设备,其特征在于,所述近红外摄像头发射的近红外光波长为850nm。
21.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011615288.5A CN112613466A (zh) | 2020-12-30 | 2020-12-30 | 基于同一传感器的身份识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011615288.5A CN112613466A (zh) | 2020-12-30 | 2020-12-30 | 基于同一传感器的身份识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112613466A true CN112613466A (zh) | 2021-04-06 |
Family
ID=75249788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011615288.5A Pending CN112613466A (zh) | 2020-12-30 | 2020-12-30 | 基于同一传感器的身份识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112613466A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188658A (zh) * | 2019-05-27 | 2019-08-30 | Oppo广东移动通信有限公司 | 身份识别方法、装置、电子设备及存储介质 |
CN111241887A (zh) * | 2018-11-29 | 2020-06-05 | 北京市商汤科技开发有限公司 | 目标对象关键点识别方法及装置、电子设备和存储介质 |
-
2020
- 2020-12-30 CN CN202011615288.5A patent/CN112613466A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111241887A (zh) * | 2018-11-29 | 2020-06-05 | 北京市商汤科技开发有限公司 | 目标对象关键点识别方法及装置、电子设备和存储介质 |
CN110188658A (zh) * | 2019-05-27 | 2019-08-30 | Oppo广东移动通信有限公司 | 身份识别方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109961009B (zh) | 基于深度学习的行人检测方法、系统、装置及存储介质 | |
CN108776787B (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN107545241B (zh) | 神经网络模型训练及活体检测方法、装置及存储介质 | |
US8483440B2 (en) | Methods and systems for verifying automatic license plate recognition results | |
CN110209273B (zh) | 手势识别方法、交互控制方法、装置、介质与电子设备 | |
EP3637317A1 (en) | Method and apparatus for generating vehicle damage information | |
WO2019033572A1 (zh) | 人脸遮挡检测方法、装置及存储介质 | |
JP5361524B2 (ja) | パターン認識システム及びパターン認識方法 | |
WO2020019591A1 (zh) | 用于生成信息的方法和装置 | |
CN110610127B (zh) | 人脸识别方法、装置、存储介质及电子设备 | |
CN111597884A (zh) | 面部动作单元识别方法、装置、电子设备及存储介质 | |
CN109086834B (zh) | 字符识别方法、装置、电子设备及存储介质 | |
CN108847941B (zh) | 身份认证方法、装置、终端及存储介质 | |
WO2019033567A1 (zh) | 眼球动作捕捉方法、装置及存储介质 | |
KR20220129463A (ko) | 얼굴 인식 방법 및 장치 | |
EP3617993B1 (en) | Collation device, collation method and collation program | |
CN111368581A (zh) | 基于tof摄像模组的人脸识别方法、人脸识别装置和电子设备 | |
CN110909889B (zh) | 一种基于特征分布的训练集生成、模型训练方法及装置 | |
CN111914841B (zh) | 一种ct图像处理方法和装置 | |
CN110458052B (zh) | 基于增强现实的目标对象识别方法、装置、设备、介质 | |
CN113255400A (zh) | 活体人脸识别模型的训练、识别方法、系统、设备及介质 | |
CN112613466A (zh) | 基于同一传感器的身份识别方法、装置、设备及存储介质 | |
CN114140839B (zh) | 用于人脸识别的图像发送方法、装置、设备及存储介质 | |
CN112668511A (zh) | 身份识别方法、装置、电子设备及存储介质 | |
EP4160549A1 (en) | Image-based vehicle loss assessment method, apparatus and system |
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 |