CN112711961B - 信息验证方法、装置、电子设备和机器可读存储介质 - Google Patents
信息验证方法、装置、电子设备和机器可读存储介质 Download PDFInfo
- Publication number
- CN112711961B CN112711961B CN201911015165.5A CN201911015165A CN112711961B CN 112711961 B CN112711961 B CN 112711961B CN 201911015165 A CN201911015165 A CN 201911015165A CN 112711961 B CN112711961 B CN 112711961B
- Authority
- CN
- China
- Prior art keywords
- image
- area
- prediction
- identification code
- identified
- 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
- 238000012795 verification Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 75
- 230000033001 locomotion Effects 0.000 claims description 21
- 230000003321 amplification Effects 0.000 claims description 15
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 9
- 238000009432 framing Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
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
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10544—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum
- G06K7/10821—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum further details of bar or optical code scanning devices
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本申请实施例提供了一种信息验证方法、装置、电子设备和机器可读存储介质,针对待识别图像,可进行人脸检测得到人脸检测结果,并且可针对待识别图像进行区域预测得到预测区域,基于预测区域进行标识码识别,得到标识码识别结果。最后,结合人脸检测结果和/或标识码识别结果判断门禁验证是否通过。本方案通过对待识别图像进行区域预测,在无需手动切换识别模式的情况下,使得待识别图像既可用于人脸检测,又可用于标识码识别,在满足人脸识别的条件下同时兼顾标识码识别,实现较为便捷。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种信息验证方法、装置、电子设备和机器可读存储介质。
背景技术
在各信息验证场景,例如门禁应用场景中,人脸识别开门和二维码识别开门是最常用的两种人员核验开门方式。如果需要采用两种方式进行综合验证,目前所采用的方式是,在人脸检测结束之后,通过按动设备上的按键切换至二维码识别模式,以在图像中指定的区域内执行二维码识别。现有技术中的这种方式,需要手动切换二维码识别场景,实现较为不便。
发明内容
本申请的目的包括,例如,提供了一种信息验证方法、装置、电子设备和机器可读存储介质,其能够在满足人脸识别的条件下同时兼顾标识码识别,提高实现便捷性。
本申请的实施例可以这样实现:
第一方面,本申请实施例提供一种信息验证方法,所述方法包括:
对待识别图像进行人脸检测,得到人脸检测结果;
按预设策略确定出所述待识别图像中的预测区域;
对所述预测区域进行标识码识别,得到标识码识别结果;
根据所述人脸检测结果和/或所述标识码识别结果判断验证是否通过。
在可选的实施方式中,所述方法还包括:
根据所述人脸检测结果和所述标识码识别结果对所述预测区域进行调整,基于调整后的预测区域进行标识码识别。
在可选的实施方式中,所述根据所述人脸检测结果和/或所述标识码识别结果对所述预测区域进行调整,基于调整后的预测区域进行标识码识别的步骤,包括:
在所述人脸检测结果表明所述待识别图像中存在未识别人脸,且所述标识码识别结果为识别失败时,获取与所述待识别图像间隔预设帧数的其他图像帧,并对该其他图像帧进行人脸识别,若人脸识别成功,则对所述预测区域进行调整,并基于所述其他图像帧中调整后的预测区域进行标识码识别;
在所述人脸检测结果表明所述待识别图像中不存在未识别人脸,且所述标识码识别结果为识别失败时,则对所述预测区域进行调整,基于所述待识别图像中调整后的预测区域进行标识码识别。
在可选的实施方式中,所述对所述预测区域进行调整的步骤,包括:
将所述预测区域按预设放大系数增大,在预设方向上进行扩展延伸,得到扩展延伸后的预测区域,其中,所述预设放大系数大于1,所述预设放大系数根据标识码识别的失败次数设定;或,
将所述预测区域按预设方向进行移动。
在可选的实施方式中,在所述预测区域为多个时,所述按预设策略确定出所述待识别图像中的预测区域的步骤之后,所述方法还包括:
检测多个预测区域中是否存在重叠区域的面积大于第一预设值的至少两个预测区域,若存在,则将该至少两个预测区域框定,将框定得到的区域作为新的预测区域;或,
检测多个预测区域中是否存在间隔距离小于第二预设值的至少两个预测区域,若存在,则将该至少两个预测区域框定,将框定得到的区域作为新的预测区域。
在可选的实施方式中,所述按预设策略确定出所述待识别图像中的预测区域的步骤,包括:
将所述待识别图像划分为多个第一子区域;
针对每个所述第一子区域,计算该第一子区域内的多个像素点的色度分量平均值,若所述色度分量平均值小于第一预设阈值,则确定该第一子区域为预测区域。
在可选的实施方式中,所述按预设策略确定出所述待识别图像中的预测区域的步骤,包括:
将所述待识别图像划分为多个第二子区域;
针对每个所述第二子区域,获得该第二子区域内的像素点的亮度信息的直方图,若该直方图存在两个局部峰值,则确定该第二子区域为预测区域。
在可选的实施方式中,所述按预设策略确定出所述待识别图像中的预测区域的步骤,包括:
根据所述待识别图像以及该待识别图像之前的预设帧数的多张图像,获得所述待识别图像中的多个运动区域;
将所述多个运动区域中区域面积属于第一预设范围内的运动区域作为所述预测区域。
在可选的实施方式中,所述按预设策略确定出所述待识别图像中的预测区域的步骤,包括:
检测所述待识别图像中是否存在曝光度大于第二预设阈值的区域;
若存在,检测所述曝光度大于第二预设阈值的区域的面积是否处于第二预设范围内;
若处于所述第二预设范围内,则确定该曝光度大于第二预设阈值的区域为所述预测区域。
在可选的实施方式中,所述按预设策略确定出所述待识别图像中的预测区域的步骤,包括:
在所述人脸检测结果表明所述待识别图像中包含人脸图像时,获得所述人脸图像的位置信息;
获取预存的相对位置关系,根据所述人脸图像的位置信息和所述相对位置关系,获得所述待识别图像中的目标位置信息,将所述待识别图像中该目标位置信息对应的区域作为所述预测区域。
第二方面,本申请实施例提供一种信息验证装置,所述装置包括:
检测模块,用于对待识别图像进行人脸检测,得到人脸检测结果;
确定模块,用于按预设策略确定出所述待识别图像中的预测区域;
识别模块,用于对所述预测区域进行标识码识别,得到标识码识别结果;
判断模块,用于根据所述人脸检测结果和/或所述标识码识别结果判断验证是否通过。
第三方面,本申请实施例提供一种电子设备,包括一个或多个存储介质和一个或多个与存储介质通信的处理器,一个或多个存储介质存储有处理器可执行的机器可执行指令,当电子设备运行时,处理器执行所述机器可执行指令,以执行前述实施方式中任意一项所述的信息验证方法。
第四方面,本申请实施例提供一种机器可读存储介质,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令被执行时实现前述实施方式中任意一项所述的信息验证方法。
本申请实施例的有益效果包括,例如:
本申请实施例提供的信息验证方法、装置、电子设备和机器可读存储介质,针对待识别图像,可进行人脸检测得到人脸检测结果,并且可针对待识别图像进行区域预测得到预测区域,基于预测区域进行标识码识别,得到标识码识别结果。最后,结合人脸检测结果和/或标识码识别结果判断门禁验证是否通过。本方案通过对待识别图像进行区域预测,在无需手动切换识别模式的情况下,待识别图像既可用于人脸检测,又可用于标识码识别,在满足人脸识别的条件下同时兼顾标识码识别,实现较为便捷。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的电子设备的结构框图;
图2为本申请实施例提供的信息验证方法的流程图;
图3为本申请实施例提供的预测区域确定方法的流程图;
图4为本申请实施例提供的预测区域确定方法的另一流程图;
图5为本申请实施例提供的预测区域确定方法的另一流程图;
图6为本申请实施例提供的预测区域确定方法的另一流程图;
图7为本申请实施例提供的预测区域确定方法的另一流程图;
图8为本申请实施例提供的信息验证方法的另一流程图;
图9为本申请实施例提供的信息验证装置的功能模块框图。
图标:10-电子设备;110-处理器;120-存储器;130-通信模块;140-信息验证装置;141-检测模块;142-确定模块;143-识别模块;144-判断模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本申请的实施例中的特征可以相互结合。
请参阅图1,为本申请实施例提供的电子设备10的结构框图,该电子设备10可为门禁设备,或者是其他可用于进行图像识别的验证设备。本实施例中,以电子设备10为门禁设备为例进行说明。该电子设备10可以是包含有摄像设备的终端设备,也可以是与摄像设备连接的终端设备。该电子设备10可获取摄像设备所拍摄得到的图像,并对图像进行检测及识别,从而判断是否通过门禁验证。
该电子设备10可包括存储器120、处理器110及通信模块130。所述存储器120、处理器110以及通信模块130各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中,存储器120用于存储程序或者数据。所述存储器120可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。
处理器110用于读/写存储器120中存储的数据或程序,并执行本申请任意实施例提供的信息验证方法。
通信模块130用于通过网络建立电子设备10与其它通信终端之间的通信连接,并用于通过网络收发数据。
应当理解的是,图1所示的结构仅为电子设备10的结构示意图,所述电子设备10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参阅图2,图2示出了本申请实施例提供的信息验证方法的流程示意图,该信息验证方法可由图1中所示的电子设备10执行。应当理解,在其它实施例中,本实施例的信息验证方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。该信息验证方法的详细步骤介绍如下。
步骤S110,对待识别图像进行人脸检测,得到人脸检测结果。
步骤S120,按预设策略确定出所述待识别图像中的预测区域。
步骤S130,对所述预测区域进行标识码识别,得到标识码识别结果。
步骤S140,根据所述人脸检测结果和/或所述标识码识别结果判断验证是否通过。
本实施例中,门禁设备中的摄像设备在开启后,可持续不间隔地进行图像采集,在用户进入摄像设备的拍摄区域范围内时,摄像设备拍摄获得包含用户图像的待识别图像。通过对待识别图像中的用户图像进行人脸检测,得到人脸检测结果。其中,进行人脸识别的具体方式可采用现有技术中的常用方式,在本实施例中不作具体介绍。
此外,本实施例中,用户还可通过手机、平板电脑等终端设备或者是图片形式展示标识码以进行门禁验证,其中,该标识码可为二维码或条形码等,具体不作限定。
现有技术中若需进行二维码识别,需要手动将门禁设备的识别模式切换至二维码识别模式,并且用户需要将二维码展示在与摄像设备相对较为固定的位置,从而摄像设备可以基于该固定位置处的图像进行二维码识别。
在本实施例中,为了能够在进行人脸识别的场景下同时进行标识码识别,可通过对待识别图像中包含标识码的图像进行区域预测,以确定出可能包含标识码图像的预测区域。基于确定出的预测区域进行标识码识别,得到标识码识别结果。
本实施例中,基于人脸检测结果和/或标识码识别结果判断门禁验证是否通过,例如,可以是人脸检测结果表明人脸检测通过时,判定门禁验证通过,也可以是标识码识别结果表明标识码识别成功时,判定门禁验证通过,或者也可以是人脸检测通过且标识码识别成功时,判定门禁验证通过,具体地判定方式在本实施例中不作限定。
如此,则无需人为手动切换识别模式,并且无需将标识码放置于固定的位置处,通过区域预测的方式,基于预测区域进行标识码识别,可在进行人脸识别的条件下实现标识码识别。
在本实施例中,可通过多种方式确定出待识别图像中的预测区域,例如通过图像的色彩信息、通过图像的亮度信息、检测图像中的运动区域、检测图像中是否存在局部过曝区域、根据图像中的人脸图像位置信息等多种方式中的一种或几种方式确定出预测区域。
本实施例中以标识码为二维码为例进行说明,作为一种可能的实施方式,应当理解,二维码画面是由若干黑白方格组成的图案,二维码图案的色彩信息相对较少,因此,可通过待识别图像中的像素点的色彩信息确定出包含二维码图案的预测区域。
可选地,请参阅图3,上述步骤S120可通过以下子步骤实现:
步骤S121,将所述待识别图像划分为多个第一子区域。
步骤S122,针对每个所述第一子区域,计算该第一子区域内的多个像素点的色度分量平均值,若所述色度分量平均值小于第一预设阈值,则确定该第一子区域为预测区域。
本实施例中,可将待识别图像划分为多个第一子区域,其中,第一子区域的数量及形状不作限定,可根据需求进行划设。每个第一子区域内的像素点的颜色可能包括红色、蓝色、白色、黑色、绿色等。若第一子区域内包含二维码图案,则该区域内应当包含较多黑色和白色的像素点,由于黑色和白色的色度分量数值较小,因此,该第一子区域内的像素点的色度分量平均值应当较小。
因此,可通过计算各个第一子区域内的像素点的色度分量平均值以判断各个第一子区域是否为预测区域。
作为另一种可能的实施方式,考虑到二维码图案是由黑白两种方格组成的图案,因此,请参阅图4,上述步骤S120还可通过以下子步骤实现:
步骤S123,将所述待识别图像划分为多个第二子区域。
步骤S124,针对每个所述第二子区域,获得该第二子区域内的像素点的亮度信息的直方图,若该直方图存在两个局部峰值,则确定该第二子区域为预测区域。
其中,划分得到的各个第二子区域可与上述的各个第一子区域相同,也可以不同,具体不作限制。根据各个第二子区域内的图像的亮度信息获得各个第二子区域内的像素点的亮度信息的直方图。根据直方图中亮度信息分布特点,可判定对应的第二子区域内是否包含二维码图案,即是否可以作为预测区域。
由于二维码图案由黑白两种方格组成,所以基于二维码图案的亮度信息得到的直方图中应当存在两个局部峰值,以分别对应二维码图案中的黑色方格以及白色方格。因此,若得到的第二子区域所对应的直方图存在两个局部峰值,则表明该第二子区域内很有可能包含二维码图案,可确定该第二子区域为预测区域。
本实施例中,考虑到实际的应用场景中,一般是用户手持手机或平板电脑等设备进行标识码展示,或者是手持图片形式的标识码进行展示,因此,图像中的运动区域极有可能为包含标识码的区域。故而,作为又一种可能的实施方式,请参阅图5,上述步骤S120还可通过以下子步骤实现:
步骤S125,根据所述待识别图像以及该待识别图像之前的预设帧数的多张图像,获得所述待识别图像中的多个运动区域。
步骤S126,将所述多个运动区域中区域面积属于第一预设范围内的运动区域作为所述预测区域。
由上述可知,摄像设备在开启后可持续进行图像采集,在用户进入摄像设备的拍摄区域范围开始,摄像设备将拍摄获得多张图像。因此,基于待识别图像以及待识别图像之前的预设帧数多张图像,例如前三帧的图像、前四帧的图像等不限,可检测得到待识别图像中的运动区域。检测得到的运动区域则可能为包含标识码图像的区域。其中,关于运动区域的检测方式可采用现有技术中的常用方式,本实施例在此不作详细介绍。
由于用户本身也是处于运动状态,因此,检测得到的运动区域可能为人体区域,例如躯干区域、头部区域或者是手部区域等,为了将人体区域排除,可检测获得的各个运动区域的面积是否属于第一预设范围,其中,该第一预设范围为根据常见的手机、平板电脑等屏幕尺寸所设置的尺寸范围。若运动区域的面积属于该第一预设范围,则该运动区域可能为手机、平板电脑等对应的图像区域,可将该运动区域确定为预测区域。
进一步地,由于用户在展示标识码时,一般会将标识码展示出并将其固定不动一定时长,例如2秒或3秒等,因此,在检测得到运动区域后,还可通过检测运动区域最终是否出现短暂的停顿现象,来进一步判定该运动区域是否为包含手机或平板电脑等的预测区域。
此外,若用户利用手机或平板电脑等进行标识码展示,由于手机或平板电脑等屏幕的亮度,因此,展示有标识码的手机或平板电脑等的屏幕相对现场环境亮度更亮。基于上述考虑,作为一种可能的实施方式,请参阅图6,上述步骤S120可以通过以下子步骤实现:
步骤S127,检测所述待识别图像中是否存在曝光度大于第二预设阈值的区域,若存在,执行以下步骤S128。
步骤S128,检测所述曝光度大于第二预设阈值的区域的面积是否处于第二预设范围内,若处于所述第二预设范围内,则执行以下步骤S129。
步骤S129,确定该曝光度大于第二预设阈值的区域为所述预测区域。
本实施例中,若待识别图像中存在曝光度大于第二预设阈值的区域,则表明该区域可能为手机或平板电脑的屏幕区域。进一步地,可通过检测得到的区域的面积是否符合常规的手机或平板电脑的尺寸大小,以确定该区域是否为手机或平板电脑等的屏幕区域。
具体地,可检测其区域面积是否处于第二预设范围内,该第二预设范围为根据常用的手机及平板电脑等的屏幕尺寸所设置的尺寸范围。若其区域面积处于该第二预设范围,则可将该区域确定为预测区域。后续在基于该预测区域进行标识码识别时,为了避免过曝对识别结果造成影响,可先针对该预测区域进行过曝抑制处理,再基于处理后的预测区域进行标识码识别。
本实施例中,考虑到用户在进行标识码展示时,一般有一些常见的展示位置,例如人脸以下、一定间隔距离的正下方、或者左下方或右下方等。因此,作为一种可能的实现方式,可基于人脸图像的位置来确定预测区域的位置,具体地,请参阅图7,上述步骤S120还可包括以下子步骤:
步骤S1210,在所述人脸检测结果表明所述待识别图像中包含人脸图像时,获得所述人脸图像的位置信息。
步骤S1211,获取预存的相对位置关系,根据所述人脸图像的位置信息和所述相对位置关系,获得所述待识别图像中的目标位置信息,将所述待识别图像中该目标位置信息对应的区域作为所述预测区域。
本实施例中,可基于获得的待识别图像建立坐标轴,并获得检测得到的人脸图像在该坐标轴上的位置信息,例如,可以人脸图像的几何中心点的位置信息来表征人脸图像的位置信息,也可以人脸图像的边缘点的位置信息来表征人脸图像的位置信息,也可以人脸图像的关键点(眼睛、眉毛、鼻子、嘴巴等)的位置信息来表征人脸图像的位置信息,具体地在本实施例中不作限定。
可预先建立相对位置关系,该相对位置关系可包含一个或多个相对位置信息。相对位置关系为人脸图像的位置信息和目标区域的位置信息的相关位置关系,例如,以位置信息为其几何中心点的位置为例,其中,预先建立的相对位置关系可以是与该几何中心点的横坐标差值为预设值,与该几何中心点的纵坐标差值为预设值,同样的,所述目标区域的位置信息也可以用多种形式来表征,例如目标区域的几何中心点,此处不再一一列举。
基于预先建立的相对位置关系,在人脸图像的位置信息的基础上,即可获得目标位置信息,该目标位置信息所对应的区域可作为预测区域。
本实施例中,可通过上述一种或多种确定方式确定出待识别图像中的预测区域,具体采用哪种确定方式以及各种确定方式的执行前后顺序,在本实施例中不作具体限制,后续可基于某种确定方式确定出的预测区域进行标识码识别,也可以基于多种确定方式确定出的预测区域进行标识码识别。
例如,可基于色彩信息或直方图亮度信息对待识别图像进行分析处理,若得到满足条件的预测区域,则将得到的预测区域添加至预测队列中。若待识别图像中存在运动对象时,则可按上述运动区域检测的方式进行检测,若得到满足条件的预测区域,可添加至所述预测队列中。
若待识别图像中存在局部过曝现象时,则可按上述的曝光值检测的方式进行区域预测,若得到满足条件的预测区域,可添加至所述预测队列中。
若待识别图像中存在人脸图像时,则可基于上述的人脸相对位置关系进行区域预测,如果得到满足条件的预测区域,则将其添加至预测队列中。
本实施例中,若通过上述一种或多种确定方式获得多个预测区域,可检测得到的多个预测区域中是否存在重叠区域的面积大于第一预设值的至少两个预测区域,若存在,则将该至少两个预测区域框定,将框定得到的区域作为新的预测区域。其中,可利用最小矩形框将该至少两个预测区域进行框定。
或者,还可检测该多个预测区域中是否存在间隔距离小于第二预设值的至少两个预测区域,若存在,则将该至少两个预测区域框定,将框定得到的区域作为新的预测区域。
如此,可将一些重叠的预测区域或者是相邻较近的预测区域进行合并,避免区域之间的重叠或者邻近造成后续对标识码识别的影响。
此外,本实施例中,在将得到的各个预测区域添加至预测队列中时,还可根据各个预测区域的确定方式为各个预测区域设置优先级别,后续在基于预测队列中的预测区域进行标识码识别时,可按优先级别的高低依次对各个预测区域进行标识码识别。
例如,可将根据上述人脸相对位置关系获得的预测区域设置为高优先级,将基于运动区域检测获得的预测区域设置为高优先级,将上述通过合并所得到的预测区域设置为高优先级,而将上述通过色线信息、亮度信息、局部曝光信息获得的预测区域设置为低优先级。
需要说明的是,上述预测区域的优先级别的设置仅为举例说明,并不限定于此,实际实施时,可根据需求进行相应设置。
在本实施例中,在基于待识别图像进行人脸检测,并基于预测区域进行标识码识别时,有可能会因为图像中人脸不清晰或者是人脸部分被遮挡等造成人脸识别不成功,也可能因为预测得到的预测区域中并未包含标识码图案或者是仅包含部分标识码图案,导致标识码识别不成功。
因此,在本实施例中,还可根据人脸检测结果和标识码识别结果对预测区域进行调整,并基于调整后的预测区域进行标识码识别。
具体地,在人脸检测结果表明待识别图像中存在未识别人脸,且标识码识别结果为识别失败时,此时有可能是因为待识别图像中的人脸图像不清晰或拍摄角度太偏等导致人脸识别失败。因此,此种情形下,可获取与待识别图像间隔预设帧数(例如相邻的图像帧,或间隔一帧或两帧等具体不限)的其他图像帧,并对该其他图像帧进行人脸识别。若该其他图像帧中人脸识别成功,则可对得到的预测区域进行调整,并基于所述其他图像帧中调整后的预测区域进行标识码识别。
在对预测区域进行调整时,可将预测区域按预设放大系数,在预设方向上进行扩展延伸,以得到扩展延伸后的预测区域。其中,该预设放大系数大于1,预设放大系数根据标识码识别的失败次数设定。例如,若当前周期中标识码识别的失败次数越大,则将预设放大系数设置越大,或者,作为一种可能的实施方式,也可以在连续识别失败次数超过预设阈值时,将预设放大系数设置为一大于1的值,从而对预测区域进行调整。以相应的增大预测区域的范围,进行更广区域内的标识码识别。
其中,预设方向可以是例如横坐标轴的正方向、负方向,纵坐标轴的正方向、负方向,或者是其他的任意设置的预设方向等,具体地在本实施例中不作限制。该预设方向可为单独的一个方向,也可以是多个方向,即可以将预测区域在一个方向上进行扩展延伸,也可以将预测区域同时在多个方向上进行扩展延伸。
例如,若预测区域为矩形,则可将预测区域的长度,在横坐标轴的正方向上按预设放大系数进行扩展延伸,即将预测区域的长度值乘以该预设放大系数得到调整后的预测区域的长度值。可选地,也可以将预设区域的宽度,在纵坐标轴的正方向上按预设放大系数进行扩展延伸,即将预测区域的宽度值乘以预设放大系数得到调整后的预测区域的长度值。此外,也可以同时将预测区域的长度在横坐标轴的正方向以及预测区域的宽度在纵坐标轴的正方向上进行扩展延伸。
在对预测区域进行调整时,作为另一种可能的实施方式,可以将预测区域按预设方向进行移动,移动的距离可预先设置,从而得到调整后的预测区域。例如,可以将预测区域向横坐标轴的正方向进行移动、横坐标轴的负方向进行移动。或者,也可以将预测区域向纵坐标轴的正方向进行移动、纵坐标轴的负方向进行移动。或者也可以将预测区域往其他任意的设置的方向进行移动,具体在本实施例中不作限制,可根据需求进行相应设置。
若人脸检测结果表明待识别图像中不存在未识别人脸,且标识码识别结果为识别失败时,则表明标识码可能未出现在待识别图像的预测区域中,或者未完整位于待识别图像的预测区域中。此种情形下,可对预测区域进行调整,再基于待识别图像中调整后的预测区域进行标识码识别。预测区域的调整方式可参见上述,在此不再赘述。
请参阅图8,以下对本申请实施例所提供的信息验证方法在具体实施时,一种可能的实现方式进行详细说明,应当理解,本实施例提供的信息验证方法并不限于以下的实现方式:
步骤S201,对待识别图像进行人脸检测,得到人脸检测结果;
步骤S202,确定出待识别图像中的预测区域,并将预测区域添加至预测队列中;
步骤S203,在人脸检测结果表明待识别图像中存在未识别人脸时,检测预测队列是否为空,若预测队列非空,则执行步骤S204,若预测队列为空,则执行步骤S205;
步骤S204,遍历预测队列中的各个预测区域,执行标识码检测,若标识码检测成功,则执行步骤S209,若标识码检测失败,则执行步骤S205;
步骤S205,获得与待识别图像间隔预设帧数的其他图像帧,基于该其他图像帧进行人脸检测,若人脸检测成功,则将相应人脸图像标记为已识别,并执行步骤S209;
步骤S206,在人脸检测结果表明待识别图像中不存在未识别人脸时,检测预测队列是否为空,若预测队列非空,则执行步骤S207,若预测队列为空,则直接执行步骤S209;
步骤S207,遍历预测队列中的各个预测区域,执行标识码识别,识别结束后,执行步骤S209;
步骤S208,在人脸检测结果表明待识别图像中不存在人脸图像时,检测预测队列是否为空,若预测队列非空,则执行步骤S207,若预测队列为空,则直接执行步骤S209;
步骤S209,根据本次处理结果,调整预设放大系数,结束本次检测周期。
本申请实施例提供的信息验证方案,可通过对待识别图像进行区域预测的方式,以在预测区域内执行标识码识别。待识别图像既可用于人脸检测,又可用于标识码识别,可在满足人脸识别的条件下同时兼顾标识码识别。无需手动切换识别模式,实现更为便捷。
本申请实施例还提供了多种用于确定预测区域的确定方式,例如通过图像的色彩信息、通过图像的亮度信息、检测图像中的运动区域、检测图像中是否存在局部过曝区域、根据图像中的人脸图像位置信息等,可利用其中一种或多种确定方案进行预测区域的确定。
请参阅图9,为了执行上述实施例及各个可能的方式中的相应步骤,下面给出一种信息验证装置140的实现方式,可选地,该信息验证装置140可以采用上述图1所示的电子设备10的器件结构。进一步地,图9为本申请实施例提供的一种信息验证装置140的功能模块图。需要说明的是,本实施例所提供的信息验证装置140,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。该信息验证装置140包括:
检测模块141,用于对待识别图像进行人脸检测,得到人脸检测结果;可以理解,该检测模块141可以用于执行上述步骤S110,关于该检测模块141的详细实现方式可以参照上述对步骤S110有关的内容。
确定模块142,用于按预设策略确定出所述待识别图像中的预测区域;可以理解,该确定模块142可以用于执行上述步骤S120,关于该确定模块142的详细实现方式可以参照上述对步骤S120有关的内容。
识别模块143,用于对所述预测区域进行标识码识别,得到标识码识别结果;可以理解,该识别模块143可以用于执行上述步骤S130,关于该识别模块143的详细实现方式可以参照上述对步骤S130有关的内容。
判断模块144,用于根据所述人脸检测结果和/或所述标识码识别结果判断验证是否通过。可以理解,该判断模块144可以用于执行上述步骤S140,关于该判断模块144的详细实现方式可以参照上述对步骤S140有关的内容。
本申请实施例所提供的信息验证装置140可执行本申请任意实施例所提供的信息验证方法,具备执行方法相应的功能模块和有益效果。
可选地,上述模块可以软件或固件(Firmware)的形式存储于图1所示的存储器120中或固化于该电子设备10的操作系统(Operating System,OS)中,并可由图1中的处理器110执行。同时,执行上述模块所需的数据、程序的代码等可以存储在存储器120中。
本申请实施例还提供一种包含机器可执行指令的机器可读存储介质,所述机器可执行指令在由计算机处理器110执行时用于执行本申请任意实施例所提供的信息验证方法的相关操作。
综上所述,本申请实施例提供一种信息验证方法、装置、电子设备10和机器可读存储介质,针对待识别图像,可进行人脸检测得到人脸检测结果,并且可针对待识别图像进行区域预测得到预测区域,基于预测区域进行标识码识别,得到标识码识别结果。最后,结合人脸检测结果和/或标识码识别结果判断门禁验证是否通过。本方案通过对待识别图像进行区域预测,在无需手动切换识别模式的情况下,待识别图像既可用于人脸检测,又可用于标识码识别,在满足人脸识别的条件下同时兼顾标识码识别,实现更为便捷。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (13)
1.一种信息验证方法,其特征在于,所述方法包括:
对待识别图像进行人脸检测,得到人脸检测结果;
按预设策略确定出所述待识别图像中的预测区域,其中,所述预测区域为所述待识别图像中包含标识码图像的区域,标识码为用户所展示的标识码;
对所述预测区域进行标识码识别,得到标识码识别结果;
根据所述人脸检测结果和/或所述标识码识别结果判断验证是否通过。
2.根据权利要求1所述的信息验证方法,其特征在于,所述方法还包括:
根据所述人脸检测结果和所述标识码识别结果对所述预测区域进行调整,基于调整后的预测区域进行标识码识别。
3.根据权利要求2所述的信息验证方法,其特征在于,所述根据所述人脸检测结果和所述标识码识别结果对所述预测区域进行调整,基于调整后的预测区域进行标识码识别的步骤,包括:
在所述人脸检测结果表明所述待识别图像中存在未识别人脸,且所述标识码识别结果为识别失败时,获取与所述待识别图像间隔预设帧数的其他图像帧,并对所述其他图像帧进行人脸识别,若人脸识别成功,则对所述预测区域进行调整,并基于所述其他图像帧中调整后的预测区域进行标识码识别;
在所述人脸检测结果表明所述待识别图像中不存在未识别人脸,且所述标识码识别结果为识别失败时,则对所述预测区域进行调整,基于所述待识别图像中调整后的预测区域进行标识码识别。
4.根据权利要求3所述的信息验证方法,其特征在于,所述对所述预测区域进行调整的步骤,包括:
将所述预测区域按预设放大系数,在预设方向上进行扩展延伸,得到扩展延伸后的预测区域,其中,所述预设放大系数大于1,所述预设放大系数根据标识码识别的失败次数设定;或,
将所述预测区域按预设方向进行移动。
5.根据权利要求1所述的信息验证方法,其特征在于,在所述预测区域为多个时,所述按预设策略确定出所述待识别图像中的预测区域的步骤之后,所述方法还包括:
检测多个预测区域中是否存在重叠区域的面积大于第一预设值的至少两个预测区域,若存在,则将该至少两个预测区域框定,将框定得到的区域作为新的预测区域;或,
检测多个预测区域中是否存在间隔距离小于第二预设值的至少两个预测区域,若存在,则将该至少两个预测区域框定,将框定得到的区域作为新的预测区域。
6.根据权利要求1所述的信息验证方法,其特征在于,所述按预设策略确定出所述待识别图像中的预测区域的步骤,包括:
将所述待识别图像划分为多个第一子区域;
针对每个所述第一子区域,计算该第一子区域内的多个像素点的色度分量平均值,若所述色度分量平均值小于第一预设阈值,则确定该第一子区域为预测区域。
7.根据权利要求1所述的信息验证方法,其特征在于,所述按预设策略确定出所述待识别图像中的预测区域的步骤,包括:
将所述待识别图像划分为多个第二子区域;
针对每个所述第二子区域,获得该第二子区域内的像素点的亮度信息的直方图,若该直方图存在两个局部峰值,则确定该第二子区域为预测区域。
8.根据权利要求1所述的信息验证方法,其特征在于,所述按预设策略确定出所述待识别图像中的预测区域的步骤,包括:
根据所述待识别图像以及该待识别图像之前的预设帧数的多张图像,获得所述待识别图像中的多个运动区域;
将所述多个运动区域中区域面积属于第一预设范围内的运动区域作为所述预测区域。
9.根据权利要求1所述的信息验证方法,其特征在于,所述按预设策略确定出所述待识别图像中的预测区域的步骤,包括:
检测所述待识别图像中是否存在曝光度大于第二预设阈值的区域;
若存在,检测所述曝光度大于第二预设阈值的区域的面积是否处于第二预设范围内;
若处于所述第二预设范围内,则确定该曝光度大于第二预设阈值的区域为所述预测区域。
10.根据权利要求1所述的信息验证方法,其特征在于,所述按预设策略确定出所述待识别图像中的预测区域的步骤,包括:
在所述人脸检测结果表明所述待识别图像中包含人脸图像时,获得所述人脸图像的位置信息;
获取预存的相对位置关系,根据所述人脸图像的位置信息和所述相对位置关系,获得所述待识别图像中的目标位置信息,将所述待识别图像中该目标位置信息对应的区域作为所述预测区域。
11.一种信息验证装置,其特征在于,所述装置包括:
检测模块,用于对待识别图像进行人脸检测,得到人脸检测结果;
确定模块,用于按预设策略确定出所述待识别图像中的预测区域,其中,所述预测区域为所述待识别图像中包含标识码图像的区域,标识码为用户所展示的标识码;
识别模块,用于对所述预测区域进行标识码识别,得到标识码识别结果;
判断模块,用于根据所述人脸检测结果和所述标识码识别结果判断验证是否通过。
12.一种电子设备,其特征在于,包括一个或多个存储介质和一个或多个与存储介质通信的处理器,一个或多个存储介质存储有处理器可执行的机器可执行指令,当电子设备运行时,处理器执行所述机器可执行指令,以执行权利要求1-10中任意一项所述的信息验证方法。
13.一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令被处理器执行时实现权利要求1-10中任意一项所述的信息验证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911015165.5A CN112711961B (zh) | 2019-10-24 | 2019-10-24 | 信息验证方法、装置、电子设备和机器可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911015165.5A CN112711961B (zh) | 2019-10-24 | 2019-10-24 | 信息验证方法、装置、电子设备和机器可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112711961A CN112711961A (zh) | 2021-04-27 |
CN112711961B true CN112711961B (zh) | 2024-04-26 |
Family
ID=75540600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911015165.5A Active CN112711961B (zh) | 2019-10-24 | 2019-10-24 | 信息验证方法、装置、电子设备和机器可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112711961B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563419A (zh) * | 2017-08-22 | 2018-01-09 | 交控科技股份有限公司 | 图像匹配和二维码相结合的列车定位方法 |
CN108510274A (zh) * | 2018-04-07 | 2018-09-07 | 刘兴丹 | 一种可视觉识别图像及二维码结合验证的方法、装置 |
CN109191112A (zh) * | 2018-07-16 | 2019-01-11 | 阿里巴巴集团控股有限公司 | 身份验证方法及装置 |
WO2019096008A1 (zh) * | 2017-11-20 | 2019-05-23 | 腾讯科技(深圳)有限公司 | 身份识别方法、计算机设备及存储介质 |
CN110135220A (zh) * | 2018-02-02 | 2019-08-16 | 姜鹏飞 | 一种人脸识别方法及系统 |
-
2019
- 2019-10-24 CN CN201911015165.5A patent/CN112711961B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563419A (zh) * | 2017-08-22 | 2018-01-09 | 交控科技股份有限公司 | 图像匹配和二维码相结合的列车定位方法 |
WO2019096008A1 (zh) * | 2017-11-20 | 2019-05-23 | 腾讯科技(深圳)有限公司 | 身份识别方法、计算机设备及存储介质 |
CN110135220A (zh) * | 2018-02-02 | 2019-08-16 | 姜鹏飞 | 一种人脸识别方法及系统 |
CN108510274A (zh) * | 2018-04-07 | 2018-09-07 | 刘兴丹 | 一种可视觉识别图像及二维码结合验证的方法、装置 |
CN109191112A (zh) * | 2018-07-16 | 2019-01-11 | 阿里巴巴集团控股有限公司 | 身份验证方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112711961A (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11501535B2 (en) | Image processing apparatus, image processing method, and storage medium for reducing a visibility of a specific image region | |
EP3024227B1 (en) | Image processing apparatus and image processing method | |
US9842261B2 (en) | Vehicle monitoring device and method of monitoring vehicle | |
JP5991224B2 (ja) | 画像処理装置、画像処理方法、および画像処理プログラム | |
US20190199898A1 (en) | Image capturing apparatus, image processing apparatus, control method, and storage medium | |
CN104834866A (zh) | 一种通过自动识别场景来保护私密信息的方法及装置 | |
CN108141568B (zh) | Osd信息生成摄像机、合成终端设备及共享系统 | |
US8948452B2 (en) | Image processing apparatus and control method thereof | |
KR20150032630A (ko) | 촬상 시스템에 있어서의 제어방법, 제어장치 및 컴퓨터 판독 가능한 기억매체 | |
US11037014B2 (en) | Image processing apparatus, image processing method, and non-transitory computer-readable storage medium | |
KR102336030B1 (ko) | 전기차 충전기 화재 감지 및 상태 이상 예측 시스템 | |
JP2008009849A (ja) | 人物追跡装置 | |
CN106651797B (zh) | 一种信号灯有效区域的确定方法和装置 | |
JP2007328572A (ja) | 顔認証装置および顔認証方法 | |
US20230419500A1 (en) | Information processing device and information processing method | |
CN112711961B (zh) | 信息验证方法、装置、电子设备和机器可读存储介质 | |
US7835552B2 (en) | Image capturing apparatus and face area extraction method | |
KR102080456B1 (ko) | 압축영상에 대한 신택스 기반의 ptz 카메라의 객체 추적 제어 방법 | |
CN111885371A (zh) | 图像遮挡检测方法、装置、电子设备和计算机可读介质 | |
KR20170133666A (ko) | 영상 분석을 이용한 카메라 캘리브레이션 방법 및 그 장치 | |
KR101384784B1 (ko) | 모바일 기기 카메라 화면의 사물 위치 판단 방법 | |
CN114268737A (zh) | 拍摄的自动触发方法、证件识别方法、设备及存储介质 | |
US10708489B2 (en) | Control device, monitoring system, monitoring camera control method, and storage medium | |
JP4315025B2 (ja) | 撮影装置、画像取得方法及びプログラム | |
CN108733205B (zh) | 一种手势图像获取设备及方法 |
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 |