CN112818896A - 生物识别方法、装置和电子设备 - Google Patents
生物识别方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112818896A CN112818896A CN202110189785.1A CN202110189785A CN112818896A CN 112818896 A CN112818896 A CN 112818896A CN 202110189785 A CN202110189785 A CN 202110189785A CN 112818896 A CN112818896 A CN 112818896A
- Authority
- CN
- China
- Prior art keywords
- head
- shoulder
- user
- dimensional
- feature vector
- 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
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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本说明书实施例提出了一种生物识别方法、装置和电子设备,其中,上述生物识别方法中,服务器获取用户的脸部图像、上述用户的头部和肩部的图像之后,对上述用户的脸部图像进行识别,获得上述用户的脸部图像的识别结果,并且对上述用户的头部和肩部的图像进行检测,获得头肩检测的关键点,将上述头肩检测的关键点转换为头肩特征向量,将上述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取上述用户的头部和肩部的图像的识别结果,最后在获得上述用户的身份识别结果时,是根据上述用户的脸部图像的识别结果和上述用户的头部和肩部的图像的识别结果进行综合决策,获得上述用户的身份识别结果,从而可以实现提高人脸识别的准确度。
Description
【技术领域】
本说明书实施例涉及互联网技术领域,尤其涉及一种生物识别方法、装置和电子设备。
【背景技术】
刷脸是人脸生物特征识别技术的一种,即通过人脸识别技术进行身份鉴定的过程。
人脸识别是一种基于人的相貌特征信息进行身份认证的生物特征识别技术,人脸识别的最大特征是能避免个人信息泄露,并采用非接触的方式进行识别。人脸识别与指纹识别、掌纹识别、视网膜识别、骨骼识别、心跳识别等都属于人体生物特征识别技术,都是随着光电技术、微计算机技术、图像处理技术与模式识别等技术的快速发展应运而生的。人脸识别可以快捷、精准并且卫生地进行身份认定。
但是,现有相关技术中,在人脸识别的实际应用中,仍然面临小部分人群人脸不太可分的挑战,部分人群有着与亲友相似度较高的人脸,导致这部分用户在使用刷脸认证时,始终难以摆脱输入手机号的辅助验证要求,降低了用户的刷脸体验。
因此,需要提供一种生物识别方法,辅助人脸识别,可以进一步释放需要输入手机号辅验的用户群体。
【发明内容】
本说明书实施例提供了一种生物识别方法、装置和电子设备,以实现提高人脸识别的准确度,进一步释放需要输入手机号辅验的相似脸用户群体。
第一方面,本说明书实施例提供一种生物识别方法,包括:获取用户的脸部图像、所述用户的头部和肩部的图像;对所述用户的脸部图像进行识别,获得所述用户的脸部图像的识别结果;对所述用户的头部和肩部的图像进行检测,获得头肩检测的关键点;将所述头肩检测的关键点转换为头肩特征向量;将所述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果;根据所述用户的脸部图像的识别结果和所述用户的头部和肩部的图像的识别结果,获得所述用户的身份识别结果。
上述生物识别方法中,服务器获取用户的脸部图像、上述用户的头部和肩部的图像之后,对上述用户的脸部图像进行识别,获得上述用户的脸部图像的识别结果,并且对上述用户的头部和肩部的图像进行检测,获得头肩检测的关键点,将上述头肩检测的关键点转换为头肩特征向量,将上述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取上述用户的头部和肩部的图像的识别结果,最后在获得上述用户的身份识别结果时,是根据上述用户的脸部图像的识别结果和上述用户的头部和肩部的图像的识别结果进行综合决策,获得上述用户的身份识别结果,从而可以实现提高人脸识别的准确度,进一步释放需要输入手机号辅验的相似脸用户群体,使相似脸用户群体也可以进行刷脸支付,并且上述方法不需要额外增加摄像头或传感器等硬件设备。
其中一种可能的实现方式中,所述将所述头肩检测的关键点转换为头肩特征向量包括:将所述头肩检测的关键点与头肩检测模板的头肩关键点对齐;将对齐后的头肩关键点转换为头肩特征向量。
其中一种可能的实现方式中,所述模板库中包括不同维度的模板集合;所述将所述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果包括:计算所述头肩特征向量与所述模板库每个维度的模板集合中的头肩特征向量的相似度;根据相似度在每个维度的模板集合中获取目标头肩特征向量。
其中一种可能的实现方式中,所述根据所述用户的脸部图像的识别结果和所述用户的头部和肩部的图像的识别结果,获得所述用户的身份识别结果包括:根据所述用户的脸部图像的识别结果,以及每个维度的模板集合中获取的目标头肩特征向量和所述目标头肩特征向量对应的相似度进行决策,获得所述用户的身份识别结果。
其中一种可能的实现方式中,所述头肩检测的关键点包括二维头肩检测的关键点和三维头肩检测的关键点;所述将所述头肩检测的关键点转换为头肩特征向量包括:将所述二维头肩检测的关键点转换为二维头肩特征向量,将所述三维头肩检测的关键点转换为三维头肩特征向量;所述将所述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果包括:将所述二维头肩特征向量与二维模板库中保存的二维头肩特征向量进行对比,将所述三维头肩特征向量与三维模板库中保存的三维头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果。
其中一种可能的实现方式中,所述将所述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果之前,还包括:根据所述用户的脸部图像的识别结果,将所述头肩特征向量保存到模板库中。
其中一种可能的实现方式中,所述将所述头肩特征向量保存到模板库中包括:将二维头肩特征向量保存到二维模板库中;以及将三维头肩特征向量和所述三维头肩特征向量对应的头肩姿态保存到三维模板库中。
第二方面,本说明书实施例提供一种生物识别装置,包括:获取模块,用于获取用户的脸部图像、所述用户的头部和肩部的图像;识别模块,用于对所述用户的脸部图像进行识别,获得所述用户的脸部图像的识别结果;检测模块,用于对所述用户的头部和肩部的图像进行检测,获得头肩检测的关键点;转换模块,用于将所述检测模块获得的头肩检测的关键点转换为头肩特征向量;所述识别模块,还用于将所述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果;以及根据所述用户的脸部图像的识别结果和所述用户的头部和肩部的图像的识别结果,获得所述用户的身份识别结果。
其中一种可能的实现方式中,所述转换模块,具体用于将所述头肩检测的关键点与头肩检测模板的头肩关键点对齐;以及将对齐后的头肩关键点转换为头肩特征向量。
其中一种可能的实现方式中,所述模板库中包括不同维度的模板集合;所述识别模块,具体用于计算所述头肩特征向量与所述模板库每个维度的模板集合中的头肩特征向量的相似度;以及根据相似度在每个维度的模板集合中获取目标头肩特征向量。
其中一种可能的实现方式中,所述识别模块,具体用于根据所述用户的脸部图像的识别结果,以及每个维度的模板集合中获取的目标头肩特征向量和所述目标头肩特征向量对应的相似度进行决策,获得所述用户的身份识别结果。
其中一种可能的实现方式中,所述头肩检测的关键点包括二维头肩检测的关键点和三维头肩检测的关键点;所述转换模块,具体用于将所述二维头肩检测的关键点转换为二维头肩特征向量,将所述三维头肩检测的关键点转换为三维头肩特征向量;所述识别模块,具体用于将所述二维头肩特征向量与二维模板库中保存的二维头肩特征向量进行对比,将所述三维头肩特征向量与三维模板库中保存的三维头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果。
其中一种可能的实现方式中,所述装置还包括:保存模块,用于在所述识别模块获取所述用户的头部和肩部的图像的识别结果之前,根据所述用户的脸部图像的识别结果,将所述头肩特征向量保存到模板库中。
其中一种可能的实现方式中,所述保存模块,具体用于将二维头肩特征向量保存到二维模板库中;以及将三维头肩特征向量和所述三维头肩特征向量对应的头肩姿态保存到三维模板库中。
第三方面,本说明书实施例提供一种电子设备,包括:至少一个处理器;以及与所述处理器通信连接的至少一个存储器,其中:所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行第一方面提供的方法。
第四方面,本说明书实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行第一方面提供的方法。
应当理解的是,本说明书实施例的第二~四方面与本说明书实施例的第一方面的技术方案一致,各方面及对应的可行实施方式所取得的有益效果相似,不再赘述。
【附图说明】
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书的一些实施例,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它的附图。
图1为本说明书一个实施例提供的生物识别方法的流程图;
图2为本说明书另一个实施例提供的生物识别方法的流程图;
图3为本说明书再一个实施例提供的生物识别方法的流程图;
图4为本说明书一个实施例提供的生物识别装置的结构示意图;
图5为本说明书另一个实施例提供的生物识别装置的结构示意图;
图6为本说明书一个实施例提供的电子设备的结构示意图。
【具体实施方式】
为了更好的理解本说明书的技术方案,下面结合附图对本说明书实施例进行详细描述。
应当明确,所描述的实施例仅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作出创造性劳动前提下所获得的所有其它实施例,都属于本说明书保护的范围。
在本说明书实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
现有相关技术中,针对相似脸用户群体的人脸识别,一般有以下两种解决方案,一种方案是对于双胞胎或亲友等相似脸用户群体会被直接屏蔽掉,避免这部分人群被误识,但这种解决方案的缺点是双胞胎或亲友等相似脸用户群体不可用人脸识别,用户体验不好;另一种方案是增加三维(3Dimensions,3D)人脸、虹膜和/或掌纹等多因子生物特征辅助解决双胞胎或亲友等相似脸的问题,缺点是需要依赖新的传感器硬件完成相关的生物特征采集,对于目前最常见的红绿蓝(red green blue,RGB)摄像头的人脸识别精度没有提升,通用性不强。
基于以上问题,本说明书实施例提出一种生物识别方法,通过深度挖掘人体头肩的识别特征,辅助人脸识别,可以进一步释放需要输入手机号辅验的相似脸用户群体。另外,本说明书实施例提出的生物识别方法不再强依赖人脸,对于疫情期间的戴口罩的用户群体的识别通过率也更友好。
图1为本说明书一个实施例提供的生物识别方法的流程图,如图1所示,上述生物识别方法可以包括:
步骤102,获取用户的脸部图像、上述用户的头部和肩部的图像。
本实施例中,摄像头采集的用户图像,不仅包括用户的脸部图像,还包括用户的头部和肩部的图像。
步骤104,对上述用户的脸部图像进行识别,获得上述用户的脸部图像的识别结果。
步骤106,对上述用户的头部和肩部的图像进行检测,获得头肩检测的关键点。
具体实现时,可以预先定义人体头肩部分的若干个关键点,举例来说,人体头肩部分通常可以定义20个关键点。
这样,在对用户的头部和肩部的图像进行检测之后,可以获得人体头肩部分的20个关键点。
步骤108,将上述头肩检测的关键点转换为头肩特征向量。
具体地,将上述头肩检测的关键点转换为头肩特征向量可以为:将上述头肩检测的关键点与头肩检测模板的头肩关键点对齐;然后,将对齐后的头肩关键点转换为头肩特征向量。
具体实现时,可以预先训练头肩识别模型,在训练该头肩识别模型的过程中,需要遮住人脸,使上述头肩识别模型专注在头肩的本人和非本人的可区分特征,而不是人脸的可区分特征。训练获得头肩识别模型之后,使用该头肩识别模型将上述头肩检测的关键点转换为头肩特征向量。
步骤110,将上述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取上述用户的头部和肩部的图像的识别结果。
具体实现时,步骤104与步骤106~步骤110可以并行执行,也可以先后执行。
步骤112,根据上述用户的脸部图像的识别结果和上述用户的头部和肩部的图像的识别结果,获得上述用户的身份识别结果。
本实施例中,在获得用户的身份识别结果时,是根据用户的脸部图像的识别结果和用户的头部和肩部的图像的识别结果进行综合决策,最终确定该用户的身份识别结果。
上述生物识别方法中,服务器获取用户的脸部图像、上述用户的头部和肩部的图像之后,对上述用户的脸部图像进行识别,获得上述用户的脸部图像的识别结果,并且对上述用户的头部和肩部的图像进行检测,获得头肩检测的关键点,将上述头肩检测的关键点转换为头肩特征向量,将上述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取上述用户的头部和肩部的图像的识别结果,最后在获得上述用户的身份识别结果时,是根据上述用户的脸部图像的识别结果和上述用户的头部和肩部的图像的识别结果进行综合决策,获得上述用户的身份识别结果,从而可以实现提高人脸识别的准确度,进一步释放需要输入手机号辅验的相似脸用户群体,使相似脸用户群体也可以进行刷脸支付,并且上述方法不需要额外增加摄像头或传感器等硬件设备。
图2为本说明书另一个实施例提供的生物识别方法的流程图,本实施例中,上述模板库中包括不同维度的模板集合,举例来说,上述模板库可以包括季节、地理位置、温度和头肩姿态等维度的模板集合。
这样,如图2所示,本说明书图1所示实施例步骤110可以包括:
步骤202,计算上述头肩特征向量与上述模板库每个维度的模板集合中的头肩特征向量的相似度。
步骤204,根据相似度在每个维度的模板集合中获取目标头肩特征向量。
具体地,在计算上述头肩特征向量与上述模板库每个维度的模板集合中的头肩特征向量的相似度之后,可以根据相似度从每个维度的模板集合中获取相似度高于预定的相似度阈值的头肩特征向量作为目标头肩特征向量,也可以根据相似度,按照相似度由高到低的顺序从每个维度的模板集合中选取预定数量的头肩特征向量作为目标头肩特征向量。其中,上述预定的相似度阈值可以在具体实现时,根据系统性能和/或实现需求等自行设定,本实施例对上述预定的相似度阈值的大小不作限定;上述预定数量可以在具体实现时,根据系统性能和/或实现需求等自行设定,本实施例对上述预定数量的大小不作限定,举例来说,上述预定数量可以为1。
具体实现时,在计算上述头肩特征向量与上述模板库每个维度的模板集合中的头肩特征向量的相似度之后,可以根据上述相似度对每个维度的模板集合中的头肩特征向量进行评分,相似度越高,每个维度的模板集合中的头肩特征向量的比对分数越高。并且,比对分数按跨维度衰减。
然后,可以根据比对分数,从每个维度的模板集合中获取比对分数最高的头肩特征向量作为目标头肩特征向量。
进一步地,步骤112可以为:
步骤206,根据上述用户的脸部图像的识别结果,以及每个维度的模板集合中获取的目标头肩特征向量和上述目标头肩特征向量对应的相似度进行决策,获得上述用户的身份识别结果。
具体地,可以根据上述用户的脸部图像的识别结果,以及季节、地理位置、温度和头肩姿态等各维度的模板集合中获取的目标头肩特征向量和上述目标头肩特征向量对应的相似度进行决策,获得上述用户的身份识别结果。
举例来说,假设根据用户的脸部图像进行识别,识别结果为上述用户为用户A,识别分数为75,这时由于脸部图像的识别分数较低,可以进一步结合头部和肩部的图像的识别结果。举例来说,如果季节维度的模板集合中,比对分数最高的目标头肩特征向量对应的用户身份为用户A;地理位置维度的模板集合中,比对分数最高的目标头肩特征向量对应的用户身份为用户B;温度维度的模板集合中,比对分数最高的目标头肩特征向量对应的用户身份为用户A;头肩姿态维度的模板集合中,比对分数最高的目标头肩特征向量对应的用户身份为用户A。那么,经过综合决策,可以确定上述用户的身份识别结果为用户A。
图3为本说明书再一个实施例提供的生物识别方法的流程图,本实施例中,上述头肩检测的关键点包括二维(2Dimensions,2D)头肩检测的关键点和3D头肩检测的关键点;也就是说,在对用户的头部和肩部的图像进行检测时,需要分别检测获得2D头肩检测的关键点和3D头肩检测的关键点。
这样,如图3所示,本说明书图1所示实施例中,步骤108可以为:
步骤302,将上述2D头肩检测的关键点转换为2D头肩特征向量,将上述3D头肩检测的关键点转换为3D头肩特征向量。
步骤110可以为:
步骤304,将2D头肩特征向量与2D模板库中保存的2D头肩特征向量进行对比,将3D头肩特征向量与3D模板库中保存的3D头肩特征向量进行对比,获取上述用户的头部和肩部的图像的识别结果。
具体地,相比2D头肩特征向量,3D头肩特征向量反应一定的脖子长度,头大小和肩宽度,在同一个季节、地理位置、温度和头肩姿态下,本人非本人的置信度更高,因此可以适当提升3D头肩特征向量跨维度识别的置信度。而2D头肩特征向量可能对同一天,或者同一个温度范围下的识别更有效。
进一步地,步骤110之前,还可以根据上述用户的脸部图像的识别结果,将上述头肩特征向量保存到模板库中。具体地,将上述头肩特征向量保存到模板库中可以为:将2D头肩特征向量保存到2D模板库中;以及将3D头肩特征向量和上述3D头肩特征向量对应的头肩姿态保存到3D模板库中。
具体实现时,可以根据上述用户的脸部图像的识别分数,如果脸部图像的识别分数大于或等于预定的分数阈值,那么可以将2D头肩特征向量保存到2D模板库中;以及将3D头肩特征向量和上述3D头肩特征向量对应的头肩姿态保存到3D模板库中。进一步地,将2D头肩特征向量保存到2D模板库中时,还可以将获取上述2D头肩特征向量的时间一并保存到2D模板库中;另外,将3D头肩特征向量和上述3D头肩特征向量对应的头肩姿态保存到3D模板库中时,还可以将获取上述3D头肩特征向量时的季节一并保存到3D模板库中。
本说明书实施例提供的生物识别方法,将人脸识别与头肩识别相结合,可以进一步释放需要输入手机号辅验的相似脸用户群体,使相似脸用户群体也可以进行刷脸支付,并且上述生物识别方法不需要额外增加摄像头或传感器等硬件设备。另外,本说明书实施例中,按照季节、地理位置、温度和头肩姿态等维度管理模版库,进行头肩特征识别时可以进行维度内的评分,以及跨维度的评分衰减,能够极大提升生物识别能力的鲁棒性。
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。
图4为本说明书一个实施例提供的生物识别装置的结构示意图,如图4所示,上述生物识别装置可以包括:获取模块41、识别模块42、检测模块43和转换模块44;
其中,获取模块41,用于获取用户的脸部图像、上述用户的头部和肩部的图像;
识别模块42,用于对上述用户的脸部图像进行识别,获得上述用户的脸部图像的识别结果;
检测模块43,用于对上述用户的头部和肩部的图像进行检测,获得头肩检测的关键点;
转换模块44,用于将检测模块43获得的头肩检测的关键点转换为头肩特征向量;
识别模块42,还用于将上述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取上述用户的头部和肩部的图像的识别结果;以及根据上述用户的脸部图像的识别结果和上述用户的头部和肩部的图像的识别结果,获得上述用户的身份识别结果。
图4所示实施例提供的生物识别装置可用于执行本说明书图1所示方法实施例的技术方案,其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
图5为本说明书另一个实施例提供的生物识别装置的结构示意图,本实施例中,转换模块44,具体用于将上述头肩检测的关键点与头肩检测模板的头肩关键点对齐;以及将对齐后的头肩关键点转换为头肩特征向量。
本实施例中,上述模板库中包括不同维度的模板集合;
识别模块42,具体用于计算上述头肩特征向量与上述模板库每个维度的模板集合中的头肩特征向量的相似度;以及根据相似度在每个维度的模板集合中获取目标头肩特征向量。
进一步地,识别模块42,具体用于根据上述用户的脸部图像的识别结果,以及每个维度的模板集合中获取的目标头肩特征向量和上述目标头肩特征向量对应的相似度进行决策,获得上述用户的身份识别结果。
本实施例中,上述头肩检测的关键点包括2D头肩检测的关键点和3D头肩检测的关键点;
本实施例中,转换模块44,具体用于将2D头肩检测的关键点转换为2D头肩特征向量,将3D头肩检测的关键点转换为3D头肩特征向量;
识别模块42,具体用于将2D头肩特征向量与2D模板库中保存的2D头肩特征向量进行对比,将3D头肩特征向量与3D模板库中保存的3D头肩特征向量进行对比,获取上述用户的头部和肩部的图像的识别结果。
进一步地,上述生物识别装置还可以包括:保存模块45;
保存模块45,用于在识别模块42获取上述用户的头部和肩部的图像的识别结果之前,根据上述用户的脸部图像的识别结果,将上述头肩特征向量保存到模板库中。
具体地,保存模块45,具体用于将2D头肩特征向量保存到2D模板库中;以及将3D头肩特征向量和3D头肩特征向量对应的头肩姿态保存到3D模板库中。
图5所示实施例提供的生物识别装置可用于执行本申请图2~图3所示方法实施例的技术方案,其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
图6为本说明书一个实施例提供的电子设备的结构示意图,如图6所示,上述电子设备可以包括至少一个处理器;以及与上述处理器通信连接的至少一个存储器,其中:存储器存储有可被处理器执行的程序指令,上述处理器调用上述程序指令能够执行本说明书图1~图3所示实施例提供的生物识别方法。
其中,上述电子设备可以为服务器,例如:云服务器,本实施例对上述电子设备的形式不作限定。
图6示出了适于用来实现本说明书实施方式的示例性电子设备的框图。图6显示的电子设备仅仅是一个示例,不应对本说明书实施例的功能和使用范围带来任何限制。
如图6所示,电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:一个或者多个处理器410,通信接口420,存储器430,以及连接不同组件(包括存储器430、通信接口420和处理单元410)的通信总线440。
通信总线440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,或者使用多种总线结构中的任意总线结构的局域总线。举例来说,通信总线440可以包括但不限于工业标准体系结构(industry standardarchitecture,ISA)总线,微通道体系结构(micro channel architecture,MAC)总线,增强型ISA总线、视频电子标准协会(video electronics standards association,VESA)局域总线以及外围组件互连(peripheral component interconnection,PCI)总线。
电子设备典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器430可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(random access memory,RAM)和/或高速缓存存储器。存储器430可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本说明书图1~图3所示实施例的功能。
具有一组(至少一个)程序模块的程序/实用工具,可以存储在存储器430中,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。程序模块通常执行本说明书图1~图3所描述的实施例中的功能和/或方法。
处理器410通过运行存储在存储器430中的程序,从而执行各种功能应用以及数据处理,例如实现本说明书图1~图3所示实施例提供的生物识别方法。
本说明书实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行本说明书图1~图3所示实施例提供的生物识别方法。
上述非暂态计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——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。计算机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、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(read only memory,ROM)、可擦式可编程只读存储器(erasable programmable read onlymemory,EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机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。
计算机可读的信号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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。
计算机可读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、电线、光缆、射频(radio frequency,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或其组合来编写用于执行本说明书操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(localarea network,LAN)或广域网(wide area network,WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
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。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本说明书的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本说明书的实施例所属技术领域的技术人员所理解。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是,本说明书实施例中所涉及的终端可以包括但不限于个人计算机(personal computer,PC)、个人数字助理(personal digital assistant,PDA)、无线手持设备、平板电脑(tablet computer)、手机、MP3播放器、MP4播放器等。
在本说明书所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本说明书各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(processor)执行本说明书各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (16)
1.一种生物识别方法,包括:
获取用户的脸部图像、所述用户的头部和肩部的图像;
对所述用户的脸部图像进行识别,获得所述用户的脸部图像的识别结果;
对所述用户的头部和肩部的图像进行检测,获得头肩检测的关键点;
将所述头肩检测的关键点转换为头肩特征向量;
将所述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果;
根据所述用户的脸部图像的识别结果和所述用户的头部和肩部的图像的识别结果,获得所述用户的身份识别结果。
2.根据权利要求1所述的方法,其中,所述将所述头肩检测的关键点转换为头肩特征向量包括:
将所述头肩检测的关键点与头肩检测模板的头肩关键点对齐;
将对齐后的头肩关键点转换为头肩特征向量。
3.根据权利要求1所述的方法,其中,所述模板库中包括不同维度的模板集合;
所述将所述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果包括:
计算所述头肩特征向量与所述模板库每个维度的模板集合中的头肩特征向量的相似度;
根据相似度在每个维度的模板集合中获取目标头肩特征向量。
4.根据权利要求3所述的方法,其中,所述根据所述用户的脸部图像的识别结果和所述用户的头部和肩部的图像的识别结果,获得所述用户的身份识别结果包括:
根据所述用户的脸部图像的识别结果,以及每个维度的模板集合中获取的目标头肩特征向量和所述目标头肩特征向量对应的相似度进行决策,获得所述用户的身份识别结果。
5.根据权利要求1-4任意一项所述的方法,其中,所述头肩检测的关键点包括二维头肩检测的关键点和三维头肩检测的关键点;
所述将所述头肩检测的关键点转换为头肩特征向量包括:
将所述二维头肩检测的关键点转换为二维头肩特征向量,将所述三维头肩检测的关键点转换为三维头肩特征向量;
所述将所述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果包括:
将所述二维头肩特征向量与二维模板库中保存的二维头肩特征向量进行对比,将所述三维头肩特征向量与三维模板库中保存的三维头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果。
6.根据权利要求5所述的方法,其中,所述将所述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果之前,还包括:
根据所述用户的脸部图像的识别结果,将所述头肩特征向量保存到模板库中。
7.根据权利要求6所述的方法,其中,所述将所述头肩特征向量保存到模板库中包括:
将二维头肩特征向量保存到二维模板库中;以及将三维头肩特征向量和所述三维头肩特征向量对应的头肩姿态保存到三维模板库中。
8.一种生物识别装置,包括:
获取模块,用于获取用户的脸部图像、所述用户的头部和肩部的图像;
识别模块,用于对所述用户的脸部图像进行识别,获得所述用户的脸部图像的识别结果;
检测模块,用于对所述用户的头部和肩部的图像进行检测,获得头肩检测的关键点;
转换模块,用于将所述检测模块获得的头肩检测的关键点转换为头肩特征向量;
所述识别模块,还用于将所述头肩特征向量与模板库中保存的头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果;以及根据所述用户的脸部图像的识别结果和所述用户的头部和肩部的图像的识别结果,获得所述用户的身份识别结果。
9.根据权利要求8所述的装置,其中,
所述转换模块,具体用于将所述头肩检测的关键点与头肩检测模板的头肩关键点对齐;以及将对齐后的头肩关键点转换为头肩特征向量。
10.根据权利要求8所述的装置,其中,所述模板库中包括不同维度的模板集合;
所述识别模块,具体用于计算所述头肩特征向量与所述模板库每个维度的模板集合中的头肩特征向量的相似度;以及根据相似度在每个维度的模板集合中获取目标头肩特征向量。
11.根据权利要求10所述的装置,其中,
所述识别模块,具体用于根据所述用户的脸部图像的识别结果,以及每个维度的模板集合中获取的目标头肩特征向量和所述目标头肩特征向量对应的相似度进行决策,获得所述用户的身份识别结果。
12.根据权利要求8-11任意一项所述的装置,其中,所述头肩检测的关键点包括二维头肩检测的关键点和三维头肩检测的关键点;
所述转换模块,具体用于将所述二维头肩检测的关键点转换为二维头肩特征向量,将所述三维头肩检测的关键点转换为三维头肩特征向量;
所述识别模块,具体用于将所述二维头肩特征向量与二维模板库中保存的二维头肩特征向量进行对比,将所述三维头肩特征向量与三维模板库中保存的三维头肩特征向量进行对比,获取所述用户的头部和肩部的图像的识别结果。
13.根据权利要求12所述的装置,其中,还包括:
保存模块,用于在所述识别模块获取所述用户的头部和肩部的图像的识别结果之前,根据所述用户的脸部图像的识别结果,将所述头肩特征向量保存到模板库中。
14.根据权利要求13所述的装置,其中,
所述保存模块,具体用于将二维头肩特征向量保存到二维模板库中;以及将三维头肩特征向量和所述三维头肩特征向量对应的头肩姿态保存到三维模板库中。
15.一种电子设备,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
16.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110189785.1A CN112818896B (zh) | 2021-02-18 | 2021-02-18 | 生物识别方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110189785.1A CN112818896B (zh) | 2021-02-18 | 2021-02-18 | 生物识别方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112818896A true CN112818896A (zh) | 2021-05-18 |
CN112818896B CN112818896B (zh) | 2023-04-07 |
Family
ID=75863817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110189785.1A Active CN112818896B (zh) | 2021-02-18 | 2021-02-18 | 生物识别方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112818896B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269154A (zh) * | 2021-06-29 | 2021-08-17 | 北京市商汤科技开发有限公司 | 一种图像识别方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359625A (zh) * | 2018-11-16 | 2019-02-19 | 南京甄视智能科技有限公司 | 基于头肩检测和人脸识别技术判断顾客身份的方法和系统 |
CN109558810A (zh) * | 2018-11-12 | 2019-04-02 | 北京工业大学 | 基于部位分割与融合目标人物识别方法 |
CN111382637A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 行人检测跟踪方法、装置、终端设备及介质 |
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 |
CN112307886A (zh) * | 2020-08-25 | 2021-02-02 | 北京京东尚科信息技术有限公司 | 行人重识别方法和装置 |
-
2021
- 2021-02-18 CN CN202110189785.1A patent/CN112818896B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109558810A (zh) * | 2018-11-12 | 2019-04-02 | 北京工业大学 | 基于部位分割与融合目标人物识别方法 |
CN109359625A (zh) * | 2018-11-16 | 2019-02-19 | 南京甄视智能科技有限公司 | 基于头肩检测和人脸识别技术判断顾客身份的方法和系统 |
CN111382637A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 行人检测跟踪方法、装置、终端设备及介质 |
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 |
CN112307886A (zh) * | 2020-08-25 | 2021-02-02 | 北京京东尚科信息技术有限公司 | 行人重识别方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269154A (zh) * | 2021-06-29 | 2021-08-17 | 北京市商汤科技开发有限公司 | 一种图像识别方法、装置、设备及存储介质 |
CN113269154B (zh) * | 2021-06-29 | 2023-10-24 | 北京市商汤科技开发有限公司 | 一种图像识别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112818896B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10740636B2 (en) | Method, system and terminal for identity authentication, and computer readable storage medium | |
US10664581B2 (en) | Biometric-based authentication method, apparatus and system | |
US10769423B2 (en) | Method, system and terminal for identity authentication, and computer readable storage medium | |
US10860839B2 (en) | Method and apparatus for generating training data for human face recognition, device and computer storage medium | |
WO2018228218A1 (zh) | 身份识别方法、计算设备及存储介质 | |
US20160162673A1 (en) | Technologies for learning body part geometry for use in biometric authentication | |
Abate et al. | I-Am: implicitly authenticate me—person authentication on mobile devices through ear shape and arm gesture | |
CN113515988B (zh) | 掌纹识别方法、特征提取模型训练方法、设备及介质 | |
US11734954B2 (en) | Face recognition method, device and electronic equipment, and computer non-volatile readable storage medium | |
WO2019011073A1 (zh) | 人脸活体检测方法及相关产品 | |
CN110287918B (zh) | 活体识别方法及相关产品 | |
WO2022213349A1 (zh) | 戴口罩人脸识别方法、装置、计算机存储介质 | |
KR20220042335A (ko) | 자동 수어 인식 방법 및 시스템 | |
CN113553887A (zh) | 一种基于单目摄像头的活体检测方法、设备和可读存储介质 | |
CN112818896B (zh) | 生物识别方法、装置和电子设备 | |
CN110826410B (zh) | 一种人脸识别的方法和设备 | |
CN109829431B (zh) | 用于生成信息的方法和装置 | |
CN110348272B (zh) | 动态人脸识别的方法、装置、系统和介质 | |
JP2012252581A (ja) | 手話認識方法及びその装置 | |
CN112381749B (zh) | 一种图像处理方法、图像处理装置和电子设备 | |
Deng et al. | Attention-aware dual-stream network for multimodal face anti-spoofing | |
US20230284920A1 (en) | Electronic device for controlling operation based on a bio-signal and operating method thereof | |
CN111507289A (zh) | 视频匹配方法、计算机设备和存储介质 | |
CN112115740B (zh) | 用于处理图像的方法和装置 | |
Prayogo et al. | A Novel Approach for Face Recognition: YOLO-Based Face Detection and Facenet |
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 |