CN112989922A - 基于人工智能的脸部识别方法、装置、设备和存储介质 - Google Patents
基于人工智能的脸部识别方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112989922A CN112989922A CN202110019138.6A CN202110019138A CN112989922A CN 112989922 A CN112989922 A CN 112989922A CN 202110019138 A CN202110019138 A CN 202110019138A CN 112989922 A CN112989922 A CN 112989922A
- Authority
- CN
- China
- Prior art keywords
- face
- face recognition
- target
- user
- data
- 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
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请实施例公开了一种基于人工智能的脸部识别方法、装置、设备和存储介质;本申请实施例可以确定待进行脸部识别的第一脸部识别设备;通过第一脸部识别设备获取脸部识别请求,脸部识别请求包括目标用户的目标脸部数据;基于第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对目标脸部数据进行第一脸部识别;当第一脸部识别未通过时,向至少一个第二脸部识别设备发送辅助脸部识别请求,以基于辅助脸部识别请求与第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;根据脸部识别结果的时间属性,确定目标用户的脸部识别结果。该方案可以提高脸部识别的效率。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种基于人工智能的脸部识别方法、装置、设备和存储介质。
背景技术
脸部识别技术属于生物特征识别技术,通过利用生物体(一般特指人)本身的生物特征,如脸部信息特征,来区分生物体个体。在脸部识别技术的应用中,将脸部识别技术与数据存储技术结合,扩大了脸部识别技术的应用场景。
在对相关技术的研究和实践过程中,本申请的发明人发现,在脸部识别技术的应用过程中,数据存储技术可以为脸部识别过程中数据的存取提供技术支持,然而,如何基于数据存储技术来进一步提高脸部识别过程中数据交互的效率,还有待解决及优化。
发明内容
本申请实施例提供一种基于人工智能的脸部识别方法、装置、设备和存储介质,可以提高脸部识别的效率。
本申请实施例提供一种基于人工智能的脸部识别方法,包括:
确定待进行脸部识别的第一脸部识别设备,其中,所述第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,所述通信连接关系用于使得所述第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互;
通过所述第一脸部识别设备获取脸部识别请求,其中,所述脸部识别请求包括目标用户的目标脸部数据;
基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对所述目标脸部数据进行第一脸部识别;
当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;
根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果。
相应的,本申请实施例还提供一种基于人工智能的脸部识别装置,包括:
设备确定单元,用于确定待进行脸部识别的第一脸部识别设备,其中,所述第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,所述通信连接关系用于使得所述第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互;
请求获取单元,用于通过所述第一脸部识别设备获取脸部识别请求,其中,所述脸部识别请求包括目标用户的目标脸部数据;
第一识别单元,用于基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对所述目标脸部数据进行第一脸部识别;
第二识别单元,用于当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;
结果确定单元,用于根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果。
在一实施例中,所述目标脸部数据包括至少两张候选脸部图像;所述第一识别单元,包括:
质量计算子单元,用于识别所述候选脸部图像中所述目标用户的目标脸部区域,计算所述目标脸部区域在至少一个质量评估维度上的图像质量;
目标选择子单元,用于根据计算结果,从所述候选脸部图像中选择进行脸部识别所需的目标脸部图像;
特征提取子单元,用于对所述目标脸部图像进行特征提取,得到所述目标脸部图像的目标脸部信息特征;
第一识别子单元,用于基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,针对所述目标脸部信息特征进行第一脸部识别。
在一实施例中,所述第一识别子单元,用于:
获取所述第一历史用户脸部数据对应的第一历史脸部信息特征;将所述目标脸部信息特征与获取的第一历史脸部信息特征进行特征比对,得到第一比对结果,其中,所述第一比对结果表征所述目标脸部信息特征与所述第一历史脸部信息特征之间的特征相似度;基于所述第一比对结果,确定所述目标用户在所述第一脸部识别设备中的脸部识别结果。
在一实施例中,所述第一脸部识别设备的脸部数据库中,对应第一历史用户脸部数据还设置有用户行为特征标签;所述第一识别子单元,具体用于:
根据当前时刻和所述目标用户所处地理位置,确定所述目标用户的用户行为特征标签;确定用户行为特征标签与所述目标用户的用户行为特征标签匹配的第一历史用户脸部数据;获取匹配出的第一历史用户脸部数据对应的第一历史脸部信息特征。
在一实施例中,所述辅助脸部识别请求包括所述目标脸部数据的目标脸部信息特征;所述第二识别单元,包括:
第一发送子单元,用于当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求;
第一触发子单元,用于触发所述第二脸部识别设备从所述辅助脸部识别请求中解析出所述目标脸部信息特征;基于所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标脸部信息特征进行第二脸部识别,得到所述第二脸部识别的脸部识别结果。
在一实施例中,所述辅助脸部识别请求包括第一历史用户的用户标识信息;所述第二识别单元,包括:
第二发送子单元,用于当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求;
第二触发子单元,用于触发所述第二脸部识别设备基于所述第一历史用户的用户标识信息,从所述第二脸部设备的脸部数据库中获取目标第二历史用户脸部数据,发送给所述第一脸部识别设备,其中,所述目标第二历史用户脸部数据对应的第二历史用户非所述第一历史用户;
目标接收子单元,用于接收所述目标第二历史用户脸部数据,基于所述目标第二历史用户脸部数据更新所述第一脸部设备的脸部数据库;
第二识别子单元,用于基于所述目标第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到所述第二脸部识别的脸部识别结果。
在一实施例中,若所述脸部识别请求为在同一业务过程中进行的第二次脸部识别所触发的请求,且所述业务过程的第一次脸部识别通过;所述基于人工智能的脸部识别装置还包括:
标识确定单元,用于根据所述第一次脸部识别的识别结果,确定所述第一次脸部识别过程中识别通过用户的用户标识信息;
所述辅助脸部识别请求包括所述识别通过用户的用户标识信息和所述目标用户的目标脸部数据;所述第二识别单元,包括:
第三发送子单元,用于当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求;
第三触发子单元,用于触发所述第二脸部识别设备从所述辅助脸部识别请求中解析出所述识别通过用户的用户标识信息、以及所述目标用户的目标脸部数据,基于所述用户标识信息,确定所述识别通过用户的关联用户;从所述第二脸部识别设备的脸部数据库中获取目标第二历史用户脸部数据,其中,所述目标第二历史用户脸部数据包括所述识别通过用户的脸部数据、以及所述关联用户的脸部数据;基于获取的目标第二历史用户脸部数据对所述目标用户的目标脸部数据进行第二脸部识别,得到与所述第二脸部识别对应的脸部识别结果。
在一实施例中,所述结果确定单元,包括:
结果排序子单元,用于根据所述脸部识别结果的时间属性,对所述脸部识别结果进行排序;
目标选择子单元,用于根据排序结果,从所述脸部识别结果中选择目标识别结果;
结果确定子单元,用于当检测到所述目标识别结果为识别通过时,确定所述目标用户的脸部识别结果为识别通过。
在一实施例中,所述结果确定单元,还包括:
云端请求生成子单元,用于当检测到所述目标识别结果为识别未通过时,根据所述目标脸部数据,生成云端脸部识别请求;
云端请求发送子单元,用于向服务器发送所述云端脸部识别请求,以触发所述服务器基于所述目标脸部数据对所述目标用户进行云端脸部识别,得到所述目标用户的云端脸部识别结果;
云端结果获取子单元,用于获取所述目标用户的所述云端脸部识别结果。
在一实施例中,所述基于人工智能的脸部识别装置,还包括:
信息生成子单元,用于根据所述目标用户的脸部识别结果,生成所述第一脸部识别设备对应的云端脸部数据库的脸部数据更新信息;
信息发送子单元,用于向服务器发送所述脸部数据更新信息,以触发所述服务器对所述第一脸部识别设备对应的云端脸部数据库进行更新,其中,更新后的所述云端脸部数据库包括所述目标用户的目标脸部数据。
在一实施例中,所述基于人工智能的脸部识别装置,还包括:
更新信息获取子单元,用于获取所述服务器发送的针对所述第一脸部识别设备的数据库更新信息,其中,所述数据库更新信息基于所述第一脸部识别设备对应的云端脸部数据库中的数据生成;
数据库更新单元,用于根据所述数据库更新信息,对所述第一脸部识别设备的脸部数据库进行更新。
相应的,本申请实施例还提供一种存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如本申请实施例所示的基于人工智能的脸部识别方法的步骤。
相应的,本申请实施例还提供一种计算机设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如本申请实施例所示的基于人工智能的脸部识别方法的步骤。
本申请实施例可以确定待进行脸部识别的第一脸部识别设备,其中,所述第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,所述通信连接关系用于使得所述第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互;通过所述第一脸部识别设备获取脸部识别请求,其中,所述脸部识别请求包括目标用户的目标脸部数据;基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对所述目标脸部数据进行第一脸部识别;当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果。
该方案可以利用第一脸部识别设备与第二脸部识别设备之间的通信连接关系,使得在数据存储技术与脸部识别技术结合的应用场景中,通过优化跨脸部识别设备之间的数据交互方式,来提升脸部识别的效率。该方案可以当目标用户在第一脸部识别设备的脸部数据库中进行第一脸部识别未通过时,通过向第二脸部识别设备发送辅助脸部识别请求,以基于第二脸部识别设备的脸部数据库,辅助第一脸部识别设备进一步地针对目标用户进行脸部识别,这样的话,可以在预设距离范围内,跨端进行直接的脸部数据交互,从而能够通过提高数据交互的效率来提高脸部识别的效率。此外,该方案考虑到在预设数据范围内进行直接的数据交互时,通过生成的至少一个脸部识别结果的时间属性来从中确定目标脸部识别结果,使得在提高数据交互效率的基础上,通过结合具体应用场景来进一步提高脸部识别的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述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申请的一些实施例,对于本领域技术人员来讲,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是本申请实施例提供的基于人工智能的脸部识别方法的场景示意图;
图2是本申请实施例提供的基于人工智能的脸部识别方法的流程图;
图3是本申请实施例提供的基于人工智能的脸部识别方法的设备示意图;
图4是本申请实施例提供的基于人工智能的脸部识别方法的另一流程示意图;
图5是本申请实施例提供的基于人工智能的脸部识别方法的系统架构示意图;
图6是本申请实施例提供的基于人工智能的脸部识别装置的结构示意图;
图7是本申请实施例提供的基于人工智能的脸部识别装置的另一结构示意图;
图8是本申请实施例提供的基于人工智能的脸部识别装置的另一结构示意图;
图9是本申请实施例提供的基于人工智能的脸部识别装置的另一结构示意图;
图10是本申请实施例提供的基于人工智能的脸部识别装置的另一结构示意图;
图11是本申请实施例提供的基于人工智能的脸部识别装置的另一结构示意图;
图12是本申请实施例提供的基于人工智能的脸部识别装置的另一结构示意图;
图13是本申请实施例提供的基于人工智能的脸部识别装置的另一结构示意图;
图14是本申请实施例提供的基于人工智能的脸部识别装置的另一结构示意图;
图15是本申请实施例提供的计算机设备的结构示意图;
图16是本申请实施例提供的区块链系统的结构示意图;
图17是本申请实施例提供的区块链系统的另一结构示意图。
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,而不是全部的实施例。基于本申请中的实施例,本领域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。
随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用,例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等,相信随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的方案涉及人工智能的计算机视觉等技术,具体地,计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术,还包括常见的人脸识别、指纹识别等生物特征识别技术。具体通过如下实施例进行说明:
本申请实施例提供一种基于人工智能的脸部识别方法、装置、设备和存储介质。具体地,本申请实施例提供适用于计算机设备的基于人工智能的脸部识别装置。其中,该计算机设备可以为终端或服务器等设备,该终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此;可选地,可以为支持脸部识别的设备,如脸部支付设备等。该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
本申请实施例将以基于人工智能的脸部识别方法由终端执行为例来进行介绍。
参考图1,本申请实施例提供了基于人工智能的脸部识别系统包括有终端,终端可以包括至少两个脸部识别设备,例如,该终端可以包括图1所示的第一脸部识别设备、第二脸部识别设备1、第二脸部识别设备2、第二脸部识别设备N等,其中,N为正整数。
终端之间可以通过有线或无线网络连接等,此外,终端之间可以建立有通信连接关系,该通信连接关系可以用于使得终端之间进行直接的数据交互,例如,图1中第一脸部识别设备可以分别与第二脸部识别设备1、第二脸部识别设备2至第二脸部识别设备N等N个第二脸部识别设备建立有通信连接关系,其中,该通信连接关系可以用于使得第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互。
基于人工智能的脸部识别系统可以确定待进行脸部识别的第一脸部识别设备,其中,该第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,该通信连接关系用于使得第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互;通过第一脸部识别设备获取脸部识别请求,其中,所述脸部识别请求包括目标用户的目标脸部数据;
进一步地,可以基于第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对目标脸部数据进行第一脸部识别;当第一脸部识别未通过时,向至少一个第二脸部识别设备发送辅助脸部识别请求;触发基于辅助脸部识别请求、以及第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;根据脸部识别结果的时间属性,确定目标用户的脸部识别结果。
在另一实施例中,参考图1,基于人工智能的脸部识别系统还可以包括有服务器,第一脸部识别设备可以当检测到目标识别结果为识别未通过时,根据目标脸部数据,生成云端脸部识别请求;向服务器发送云端脸部识别请求,以触发服务器基于目标脸部数据对目标用户进行云端脸部识别,得到目标用户的云端脸部识别结果;获取目标用户的所述云端脸部识别结果。
此外,第一脸部识别设备还可以根据目标用户的脸部识别结果,生成第一脸部识别设备对应的云端脸部数据库的脸部数据更新信息;向服务器发送脸部数据更新信息,以触发服务器对第一脸部识别设备对应的云端脸部数据库进行更新,其中,更新后的云端脸部数据库包括目标用户的目标脸部数据。
以下分别进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
本申请实施例以基于人工智能的脸部识别方法由终端执行为例来进行说明,具体的,由集成在终端中的基于人工智能的脸部识别装置来执行,如图2所述,该基于人工智能的脸部识别方法的具体流程可以如下:
101、确定待进行脸部识别的第一脸部识别设备,其中,该第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,该通信连接关系用于使得该第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互。
其中,脸部支付可以为基于脸部特征信息进行支付的一种方式,例如,刷脸支付可以为脸部支付的一种。刷脸支付是基于人工智能、机器视觉、3D传感、大数据等技术实现的新型支付方式,具备更便捷、更安全、体验好等优势。
其中,脸部支付设备可以为支持脸部支付的设备,该设备可以包括至少一个摄像头、至少一个屏幕、扫码器、键盘、传感器,等等零件;可选的,该脸部支付设备还可以支持扫码支付、密码支付等多种支付方式。例如,脸部识别设备可以包括有3D(three-dimensional,3维)摄像头,类比传统摄像头,其添加了活体相关软硬件,包括深度相机和红外相机,有助于保证信息安全。作为示例,图3展示了脸部识别设备的一种。
随着脸部识别技术的广泛应用,脸部识别设备也广泛分布在各处,在本实施例中,可以通过“第一”、“第二”来区分不同的脸部识别设备。
其中,通信连接关系表示脸部识别设备所具备的,能够与其他脸部识别设备进行通信的关系。具体地,若第一脸部识别设备与第二脸部识别设备之间建立有通信连接关系,则说明当两者之间的距离在预设距离范围内时,两者可以进行直接的数据交互。
其中,数据交互可以包括数据发送、数据接收等交互方式。而直接的数据交互,描述的是无需经过中间媒介,即可实现的端到端之间的数据交互。例如,终端A与终端B之间进行的直接的数据交互,可以为不经过服务器,而是终端A与终端B之间直接进行的数据交换。
建立脸部支付设备之间的通信连接关系的方式可以有多种,例如,可以通过蓝牙、近距离无线通讯技术(NearFieldCommunication,NFC)等建立。
其中,预设距离范围可以基于建立通信连接关系的方式调整。例如,若通过蓝牙建立脸部识别设备之间的通信连接关系,则预设距离范围的上限可以为,脸部识别设备基于蓝牙进行直接的数据交互时,脸部识别设备之间的最大距离;预设距离范围的下限则同理为脸部识别设备之间的最小距离;
又如,若通过NFC技术建立脸部识别设备之间的通信连接关系,则预设距离范围的上限可以为,脸部识别设备基于NFC进行直接的数据交互时,脸部识别设备之间的最大距离;预设距离范围的下限则同理为脸部识别设备之间的最小距离;等等。
确定待进行脸部识别的第一脸部识别设备的方式可以有多种,例如,可以由用户在脸部识别设备上触发确定,譬如,当脸部识别设备A上检测到“使用刷脸支付”的控件被触发后,即可确定脸部识别设备A为待进行脸部识别的第一脸部识别设备。
在本实施例中,可以将本申请描述的基于人工智能的脸部识别方法应用在线下支付的场景中。具体地,当前大部分门店均摆放有多台物联网(Internetof Things,IOT)的脸部识别设备,例如刷脸支付设备。用户在同一门店跨多台脸部识别设备使用相关服务为常见现象,因此,可以通过以下初始化步骤,确定并建立脸部识别设备之间的通信连接关系:
在门店的每个脸部识别设备上均设置有蓝牙模块,并且,后端可以用字符串序列号(SerialNumber,SN)来唯一标识一台脸部识别设备,用门店标识符(MerchandiserIdentityDocument,MCH_ID)来唯一标识一个门店。后端在脸部识别设备发货至门店前,可以建立MCH_ID与SN的映射关系表。
脸部识别设备在启动后,相关的脸部识别应用可以获取当前脸部识别设备的SN以及MCH_ID,进而建立脸部识别设备之间的蓝牙连接,也即,建立脸部识别设备之间的通信连接关系。
通过在SN的基础上设置MCH_ID,可以防止由于门店临近导致不同门店的脸部识别设备间误连,当蓝牙连成立后,如两者之间的MCH_ID不同,则会断开连接,这样的话,保证了不会跨门店间的脸部识别设备进库跨端脸部识别。因此,可选的,在该实施例中,预设距离范围还可以将门店面积、不同门店之间的距离等现实因素考虑进去。
102、通过第一脸部识别设备获取脸部识别请求,其中,该脸部识别请求包括目标用户的目标脸部数据。
其中,目标用户即为待进行脸部识别的用户;目标脸部数据为目标用户的脸部相关数据。目标用户的脸部相关数据可以为包括目标用户脸部的图像数据或视频数据,如脸部图像,脸部视频等;也可以为目标用户的目标脸部信息特征,如,特征向量等。在本实施例中,目标用户的目标脸部数据可以为由第一脸部识别设备采集到的,包括目标用户脸部的图像数据或视频数据。
目标脸部数据可以由第一脸部识别设备采集得到,例如,可以用摄像头采集含有脸部的图像或视频,因此,目标脸部数据中数据的格式可以与数据采集设备有关。例如,通过彩色摄像头采集到的脸部图像数据可以为红绿蓝(RedGreenBlue,RGB)色彩模式下的图像;又如,通过结构深度摄像头采集到的脸部图像数据可以为包括景深信息的图像数据,如红蓝绿-深度(RedGreenBlueDepth,RGB-D)模式下的图像;等等。
在一实施例中,可以由运行在第一脸部识别设备的脸部识别相关应用,通过第一脸部识别设备获取目标用户的脸部识别请求。例如,当脸部识别相关应用检测到目标用户的脸部识别触发操作时,可以通过第一脸部识别设备采集目标用户的目标脸部数据,并基于该目标脸部数据生成脸部识别请求。
其中,目标用户的脸部识别触发操作可以是目标用户主动触发的、也可以是目标用户被动触发的。例如,在线下门店的脸部支付场景中,目标用户可以通过第一脸部识别设备提供的屏幕、按键等交互模块在第一脸部识别设备上触发进行脸部支付,则可以认为目标用户是主动触发了脸部识别触发操作;又如,当收银员通过程序间的指令,如收银系统与脸部识别系统之间的指令来向第一脸部识别设备传递脸部识别信号,以对目标用户进行脸部识别时,目标用户的脸部识别触发操作即由收银员主动发起并覆盖到目标用户的,则可以认为目标用户识别动触发了脸部识别触发操作。再如,在基于脸部识别的安保场景中,当第一脸部识别设备捕捉或采集到目标用户的目标脸部数据时,则可以生成针对目标用户的脸部识别请求,则可以认为目标用户时被动触发了脸部识别触发操作。
103、基于第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对目标脸部数据进行第一脸部识别。
其中,脸部数据库为存储有历史用户的历史脸部数据的数据库。历史脸部数据为历史用户的脸部相关数据。历史用户的脸部相关数据可以为包括历史用户脸部的图像数据或视频数据,如脸部图像,脸部视频等;特殊地,也可以为历史用户的历史脸部信息特征,如,特征向量等。在本实施例中,历史用户的历史脸部数据可以为存储在第一脸部识别设备的脸部数据库中的,包括历史用户脸部的图像数据或视频数据。
因此,在本实施例以及后面的描述中,可以将第一脸部识别设备的历史用户简称为第一历史用户,将第一历史用户的脸部相关数据简称为第一历史用户脸部数据。相应地,将在第一脸部识别设备上对目标用户的目标脸部数据进行的脸部识别简称为第一脸部识别,将第一脸部识别设备的脸部数据库简称为第一脸部数据库。
由于目标用户的目标脸部数据可以为由摄像头采集含有目标用户脸部的图像或视频流,因此,目标脸部数据可以仅有一张候选脸部图像,也可以包括有至少两张候选脸部图像。当目标脸部数据包括至少两张候选脸部图像时,可以从候选脸部图像中选择进行脸部识别所需的目标脸部图像,特殊地,若目标脸部数据中仅包括一张候选脸部图像,则可以将该候选脸部图像确定为目标脸部图像。进一步地,可以从目标脸部图像中提取目标用户对应的目标脸部信息特征,以使得后续可以基于该目标脸部信息特征进行第一脸部识别。具体地,步骤“基于第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对目标脸部数据进行第一脸部识别”,可以包括:
识别候选脸部图像中目标用户的目标脸部区域,计算该目标脸部区域在至少一个质量评估维度上的图像质量;
根据计算结果,从候选脸部图像中选择进行脸部识别所需的目标脸部图像;
对目标脸部图像进行特征提取,得到目标脸部图像的目标脸部信息特征;
基于第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,针对目标脸部信息特征进行第一脸部识别。
其中,目标脸部区域为目标用户的脸部在候选脸部图像中对应的区域,图像质量衡量的是图像是否适于进行脸部识别。
其中,质量评估维度为用于评估候选脸部图像中目标脸部区域的图像质量的维度,例如,质量评估维度可以包括目标脸部区域的区域尺寸,目标脸部区域中脸部的角度等,可选的,从候选脸部图像中选择目标脸部图像时,还可以将候选脸部图像的亮度,候选脸部图像的清晰度等多个元素综合考虑在内。
在计算目标脸部区域在至少一个质量评估维度上的图像质量后,可以相应地得到在各质量评估维度上图像质量的计算结果,进一步地,即可基于该计算结果,从候选脸部图像中选择目标脸部图像。
在一实施例中,第一脸部识别设备上可以运行有脸部识别相关的应用(Application,APP),APP的核心可以包括有脸部识别服务、脸部数据库、蓝牙转发服务等。APP可以识别候选脸部图像中目标用户的目标脸部区域,并通过候选脸部图像中目标脸部区域的区域大小、脸部角度,以及候选脸部图像的图像对比度、图像亮度、图像清晰度等系数指标综合评价选出目标脸部图像。
根据计算结果从候选脸部图像中选取目标脸部图像的方式可以有多种,例如,可以赋予各维度计算结果以不同的权重,通过加权计算得到候选脸部图像的最终质量分数,并基于该最终质量分数从至少两张候选脸部图像中选择目标脸部图像,等等;又如,可以赋予各维度计算结果以不同的优先级与阈值,并遵循优先级与对应阈值对各维度计算结果进行判断,以确定最后的目标脸部图像;等等。
其中,脸部信息特征可以为表征脸部信息的特征,例如,脸部信息特征可以为表征眼睛、鼻子和嘴等面部特征之间的几何关系的几何特征,譬如,距离、面积和角度等;又如,脸部信息特征可以为基于脸部图像的灰度信息,通过一些算法提取的全局或局部特征;在一些特殊情况下,可以将目标图像中包括目标脸部区域的局部图像,作为目标图像的脸部信息特征。
其中,特征提取的方式可以有多种,例如,可以从目标脸部图像中提取得到包括目标脸部区域的区域图像,并从该区域图像中提取目标用户的目标脸部信息特征。例如,可以通过图像处理方法如基于像素计算的方式,从区域图像中提取得到目标用户的目标脸部信息特征,如哈尔特征等;又如,可以通过神经网络方法如设计特征提取模型,将区域图像输入特征提取模型,以得到特征提取模型生成的目标脸部信息特征,如特征向量等。
特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法;另外一种是基于代数特征或统计学的表征方法。基于知识的表征方法主要是根据脸部器官的形状描述以及它们之间的距离特性来获得有助于脸部分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。脸部由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述,可作为识别脸部的重要特征,这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。在一实施例中,特征提取可以指将脸部图像信息转为唯一标识某个用户的特征字符串信息。
由于从目标脸部图像中提取出目标用户的目标脸部信息特征,因此,即可基于第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,通过针对目标脸部信息特征进行第一脸部识别,来实现对目标脸部数据进行第一脸部识别。具体地,步骤“基于第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,针对目标脸部信息特征进行第一脸部识别”,可以包括:
获取第一历史用户脸部数据对应的第一历史脸部信息特征;
将目标脸部信息特征与获取的第一历史脸部信息特征进行特征比对,得到第一比对结果,其中,该第一比对结果表征目标脸部信息特征与第一历史脸部信息特征之间的特征相似度;
基于第一比对结果,确定目标用户在第一脸部识别设备中的脸部识别结果。
由于第一脸部数据库中存储有第一历史用户脸部数据,因此,可以获取第一脸部数据库中所有或部分第一历史用户脸部数据对应的第一历史脸部信息特征。
在一实施例中,第一脸部数据库为SQLite数据库,其为一款轻型的数据库,是遵守原子性、一致性、隔离性与持久性要素的关系型数据库管理系统。其中,对于每个第一历史用户,可以存储有对应的第一历史用户脸部数据、以及历史脸部识别过程中提取到的第一历史脸部信息特征。因此,第一脸部识别设备可以通过向该数据库请求数据,以获取所有或部分第一历史用户脸部数据所对应的第一历史脸部信息特征。
其中,特征比对的方式可以有多种,例如,脸部信息特征的数据形式可以为特征向量,那么,可以通过计算特征向量间的距离,如欧式距离,来对目标脸部信息特征与第一历史脸部信息特征进行特征比对,得到表征二者之间的特征相似度的第一比对结果。
进一步地,可以基于第一比对结果,确定目标用户在第一脸部识别设备中的脸部识别结果。例如,可以从目标脸部信息特征与各个第一历史脸部信息特征进行特征比对得到的各个第一比对结果中,选取特征相似度最高的第一历史脸部信息特征,并将这个最高相似度值与预设的阈值进行比较,若该最高相似度值大于阈值,则可以认为目标用户在第一脸部识别设备中脸部识别通过,否则,则认为不通过。
在实际应用中,获取第一历史用户脸部数据对应的第一历史脸部信息特征的方式可以有多种,例如,第一脸部数据库中,对于每个第一历史用户,除了可以存储有对应的第一历史用户脸部数据、以及第一历史脸部信息特征外,对应第一历史用户脸部数据还可以设置有用户行为特征标签,该用户行为标签可以用于表征该第一历史用户的用户行为特征。因此,可以利用该特征标签,从第一脸部数据库中,获取与该用户行为特征标签匹配的第一历史用户脸部数据,这样的话,后续目标脸部信息特征仅只需与匹配出的第一历史用户脸部数据所对应的第一历史脸部信息特征进行特征比对,可以提高特征比对的效率。具体地,步骤“获取第一历史用户脸部数据对应的第一历史脸部信息特征”,可以包括:
根据当前时刻和目标用户所处地理位置,确定目标用户的用户行为特征标签;
确定用户行为特征标签与目标用户的用户行为特征标签匹配的第一历史用户脸部数据;
获取匹配出的第一历史用户脸部数据对应的第一历史脸部信息特征。
其中,用户行为特征标签为指示用户的行为特征的标签,可以基于第一历史用户在第一脸部识别设备的历史脸部识别行为,在第一脸部数据库中为该第一历史用户打上对应的用户行为特征标签。例如,可以通过分析历史脸部识别行为中的时间数据与位置数据,确定用户行为特征标签。
作为示例,在线下餐饮门店的场景中,脸部识别技术可以应用于刷脸支付,刷脸支付时脸部识别设备可以记录用户脸部识别行为的时间信息与位置信息,则相应地,可以基于时间信息与位置信息来确定用户的用户行为特征标签,其中,时间信息可以包括如用餐耗时、支付时间等;位置信息可以包括所属商圈、门店位置、常用的脸部识别设备位置等。
因此,可以根据当前时刻以及目标用户所处的地理位置,确定在目标用户的本次脸部识别行为过程中,目标用户对应的用户行为特征标签。
为了方便区别与理解,下面可以将目标用户的用户行为特征标签简称为目标标签;将第一脸部数据库中,第一历史用户或第一历史用户脸部数据所对应设置的用户行为特征标签,简称为第一历史标签。
在确定目标用户的用户行为特征标签后,可以进一步地,在第一脸部数据库中选取第一历史标签与目标标签匹配的第一历史用户脸部数据,并获取匹配出的第一历史用户脸部数据对应的第一历史脸部信息特征。以使得后续可以基于该匹配出的第一历史脸部信息特征,针对目标脸部信息特征进行特征比对并生成第一比对结果。
其中,匹配的方式可以有多种,例如,可以包括全匹配与部分匹配。举例来说,目标用户的目标标签可以包括标签A、标签B与标签C,那么,全匹配可以指,匹配出的第一历史用户脸部数据在第一脸部数据库中,也设置有包括标签A、标签B与标签C的第一历史标签;部分匹配可以指,匹配出的第一历史用户脸部数据在第一脸部数据库中,设置有包括标签A或标签B或标签C的第一历史标签。
104、当第一脸部识别未通过时,向至少一个第二脸部识别设备发送辅助脸部识别请求,以基于辅助脸部识别请求、以及第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果。
其中,辅助脸部识别请求为由第一脸部设备在目标用户的第一脸部识别未通过时生成,并向至少一个第二脸部识别设备发送的请求,其旨在请求至少一个第二脸部识别设备辅助进行针对目标用户的脸部识别。
在一实施例中,第一脸部识别设备上可以运行有脸部识别相关的APP,APP的核心可以包括有脸部识别服务、脸部数据库、蓝牙转发服务等。其中,蓝牙转发服务,可以用于使得第一脸部识别设备与第二脸部识别设备,能在预设距离范围内进行直接的数据交互。
具体地,可以以线下门店的应用场景作为示例,当第一脸部识别未通过时,第一脸部识别设备可以通过蓝牙转发服务建立与同门店的其他脸部识别设备间的蓝牙通信连接,并通过该蓝牙通信连接发送辅助脸部识别请求以及接受第二脸部识别结果。
在一实施例中,通过蓝牙转发服务只会传输一次而不会层联传输。例如,第一脸部识别设备、第二脸部识别设备A以及第二脸部识别设备B之间建立了蓝牙连接。当第一脸部识别设备需要发起辅助脸部识别请求时,第一脸部识别设备可以生成辅助脸部识别请求并通过蓝牙转发给第二脸部识别设备A,第一脸部识别设备还可以通过蓝牙将生成的辅助脸部识别请求发送给第二脸部识别设备B,但第二脸部识别设备A与第二脸部识别设备B之间不会进行互相转发,即通过蓝牙的跨端不会层联查询。
为了方便区别与理解,下面可以将第二脸部识别设备的脸部数据库简称为第二脸部数据库,将第二脸部数据库中第二历史用户脸部数据对应的第二历史脸部信息特征简称为第二历史特征。
由于向第二脸部识别设备发送的辅助脸部识别请求中可以携带不同的数据,因此,在第一脸部识别未通过的情况下,通过向至少一个第二脸部识别设备发送辅助脸部识别请求,来完成针对目标用户的第二脸部识别的方式,可以有多种。
例如,辅助脸部识别请求可以包括有目标脸部数据的目标脸部信息特征,则具体地,步骤“当第一脸部识别未通过时,向至少一个第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果”,可以包括:
当第一脸部识别未通过时,向至少一个第二脸部识别设备发送辅助脸部识别请求;
触发第二脸部识别设备从辅助脸部识别请求中解析出目标脸部信息特征,基于第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对目标脸部信息特征进行第二脸部识别,得到第二脸部识别的脸部识别结果。
其中,第二脸部数据库中存储的第二历史用户脸部数据可以为包括第二历史用户脸部的图像数据或视频数据,如脸部图像,脸部视频等;特殊地,也可以为第二历史用户的第二历史脸部信息特征,如,特征向量等。
因此,第二脸部识别设备从辅助脸部识别请求中解析出目标脸部信息特征后,可以将该目标脸部信息特征与第二历史特征进行特征比对,从而得到第二脸部识别的脸部识别结果。
由于第二脸部识别设备是基于目标脸部信息特征,来针对目标用户进行的第二脸部识别,因此,第二脸部识别的具体执行步骤可以参考第一脸部识别,在此不作赘述。
在另一实施例中,辅助脸部识别请求可以包括第一历史用户的用户标识信息,因此,第二脸部识别设备可以根据该用户标识信息,从第二脸部数据库中提取第一脸部数据库所没有的第二历史用户脸部数据,并发送给第一脸部识别设备,这样的话,既可以对第一脸部数据库进行更新,又可以使得第一脸部识别设备能够基于更新后的第一脸部数据库,针对目标用户再次进行脸部识别。具体地,步骤“当第一脸部识别未通过时,向至少一个第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果”,可以包括:
当第一脸部识别未通过时,向至少一个第二脸部识别设备发送辅助脸部识别请求;
触发第二脸部识别设备基于第一历史用户的用户标识信息,从第二脸部设备的脸部数据库中获取目标第二历史用户脸部数据,发送给第一脸部识别设备,其中,该目标第二历史用户脸部数据对应的第二历史用户非第一历史用户;
接收目标第二历史用户脸部数据,基于该目标第二历史用户脸部数据更新第一脸部设备的脸部数据库;
基于目标第二历史用户脸部数据,针对目标用户的目标脸部数据进行第二脸部识别,得到第二脸部识别的脸部识别结果。
为了方便区别与理解,下面可以将第一脸部识别设备的第一历史用户的标识信息简称为第一标识信息。
其中,用户标识信息为用于标识用户的相关信息,例如,用户标识信息可以为用户的姓名、邮箱、电话、身份证、社交应用账号等。
第二脸部识别设备在获取辅助脸部识别请求后,可以从该辅助脸部识别请求中解析出第一标识信息,并从第二脸部数据库中选取目标第二历史用户脸部数据,其中,该目标第二历史用户脸部数据对应的第二历史用户非第一历史用户,也即,若第一脸部数据库与第二脸部数据库的交集为集合A,则根据第一标识信息,在第二脸部数据库中生成的集合A的补集。
作为示例,第一标识信息可以包括“001”,“002”,与“003”,分别表示不同的第一历史用户。第二脸部数据库中的每条数据,可以以{第二历史用户的用户标识信息,第二历史用户脸部数据}的形式存在,并且,第二脸部数据库中可以包括如下5条数据:
{010,脸部数据010},{011,脸部数据011},{002,脸部数据2},{003,脸部数据3},与{012,脸部数据012};
那么,第二脸部识别设备获取的目标第二历史用户脸部数据可以包括“脸部数据010”,“脸部数据011”,与“脸部数据012”。并且,第二脸部识别设备可以将获取的目标第二历史用户脸部数据发送给第一脸部识别设备。
相应地,第一脸部识别设备可以接收目标第二历史用户脸部数据,并基于该目标第二历史用户脸部数据更新第一脸部设备的脸部数据库。
进一步地,第一脸部识别设备可以基于接收到的目标第二历史用户脸部数据,针对目标用户的目标脸部数据进行第二脸部识别,得到第二脸部识别的脸部识别结果。由于第一脸部识别设备是基于脸部图像数据,来针对目标用户进行的第二脸部识别,因此,第二脸部识别的具体执行步骤可以参考第一脸部识别,在此不作赘述。
在另一实施例中,完整的业务过程中可以包括两次脸部识别,例如,在一些刷脸支付的场景中,在选择刷脸支付时需要执行一次脸部识别操作,在进行支付时还需要执行一次脸部识别操作。此外,第一次脸部识别通过的识别通过用户可以与其他用户具有关联关系,该关联关系可以用于使得识别通过用户与其关联用户在预设业务中具有共享相同的身份通信证。例如,在刷脸支付应用场景中,用户A可以与用户B之间具有关联关系,该关联关系设置用户A与用户B享有共同的扣款账户,例如,无论是用户A还是用户B使用刷脸支付时,均从该共同的扣款账户中进行扣款,这样的话,可以认为对该共同扣款账户进行扣款的业务中,用户A与用户B共享相同的身份通信证。
若目标用户的脸部识别请求为在同一业务过程中进行的第二次脸部识别所触发的请求,且所述业务过程的第一次脸部识别通过,例如,需要执行两次刷脸识别的刷脸支付场景中,用户A进行第一次的脸部识别且脸部识别通过,而后,用户B再进行第二次的脸部识别时,用户B即为本申请中的目标用户。那么,本申请所述的基于人工智能的脸部识别方法还可以包括:根据第一次脸部识别的识别结果,确定第一次脸部识别过程中识别通过用户的用户标识信息。举例来说,也就说确定用户A的用户标识信息。
进一步地,可以将识别通过用户的用户标识信息和目标用户的目标脸部数据添加至辅助脸部识别请求中,以触发第二脸部识别设备基于识别通过用户与目标用户之间的关联关系,更加智能地进行第二脸部识别。具体地,步骤“当第一脸部识别未通过时,向至少一个第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果”,可以包括:
当第一脸部识别未通过时,向至少一个第二脸部识别设备发送辅助脸部识别请求;
触发第二脸部识别设备从辅助脸部识别请求中解析出识别通过用户的用户标识信息、以及目标用户的目标脸部数据,基于该用户标识信息,确定识别通过用户的关联用户;从第二脸部识别设备的脸部数据库中获取目标第二历史用户脸部数据,其中,该目标第二历史用户脸部数据包括识别通过用户的脸部数据、以及关联用户的脸部数据;基于获取的目标第二历史用户脸部数据对目标用户的目标脸部数据进行第二脸部识别,得到与第二脸部识别对应的脸部识别结果。
其中,识别通过用户的关联用户为与该识别通过用户具有关联关系的用户,该关联关系可以用于使得识别通过用户与其关联用户在预设业务中具有共享相同的身份通信证。
其中,建立用户之间的关联关系,可以通过建立用户标识信息之间的关联关系来实现。例如,用户之间关联关系,可以通过建立关系映射表记录。譬如,该关系映射表中可以记录具有关联关系的各用户的用户标识信息,由于用户标识信息可以映射到对应的用户,这样的话,即可通过关系映射表中查询用户标识信息所属的关联关系,来确定用户的关联用户。
第二脸部识别设备可以基于识别通过用户的用户标识信息,来确定识别通过用户的关联用户,进一步地,可以从第二脸部数据库中获取目标第二历史用户脸部数据,其中,该目标第二历史用户脸部数据包括识别通过用户的脸部数据、以及关联用户的脸部数据。
这样的话,第二脸部识别设备即可基于获取的目标第二历史用户脸部数据对目标用户的目标脸部数据进行第二脸部识别,得到与所述第二脸部识别对应的脸部识别结果。
例如,识别通过用户A具有两个关联用户:关联用户A与关联用户B,其中,关联用户A也为本申请中的目标用户。这样的话,只要识别通过用户A,关联用户A或关联用户B中任一用户在第二脸部识别设备中的脸部识别结果为识别通过,即可认为目标用户在第二脸部识别设备的第二脸部识别结果为识别通过。由于第二脸部识别设备是基于脸部图像数据,来进行的第二脸部识别,因此,第二脸部识别的具体执行步骤可以参考第一脸部识别,在此不作赘述。
105、根据脸部识别结果的时间属性,确定目标用户的脸部识别结果。
其中,脸部识别结果的时间属性用于描述第二脸部识别设备在生成第二脸部识别的脸部识别结果时的相关时间信息。例如,时间属性可以为该脸部识别结果的生成时刻;又如,时间属性可以为第一脸部识别设备接收到该脸部识别结果时的时刻;等等。
在本申请中,由于第一脸部识别设备可以向至少一个第二脸部识别设备发送辅助脸部识别请求,因此,第一脸部识别设备可以相应地获取到至少一个脸部识别结果,并根据各脸部识别结果的时间属性,确定目标用户最终的脸部识别结果。具体地,步骤“根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果”,可以包括:
根据脸部识别结果的时间属性,对脸部识别结果进行排序;
根据排序结果,从脸部识别结果中选择目标识别结果;
当检测到该目标识别结果为识别通过时,确定目标用户的脸部识别结果为识别通过。
在一实施例中,可以根据各第二脸部识别设备所生成的脸部识别结果的生成时刻,对脸部识别结果排序,并将生成时刻最早的脸部识别结果确定为目标识别结果。当检测到该目标识别结果为识别通过时,即可确定目标用户的脸部识别结果为识别通过。
在另一实施例中,第一脸部识别设备可以优先选择最快返回的脸部识别结果作为目标识别结果,并当检测到该目标识别结果为识别通过时,确定目标用户的脸部识别结果为识别通过。例如,在线下门店的应用场景中,脸部识别设备有限,门店整体的脸部数据库较小,误识率较低,因此,可以直接以最快返回的脸部识别结果为目标识别结果。
而若跨脸部识别设备进行脸部识别仍未有结果,则可以向云端请求脸部识别,具体地,基于人工智能的脸部识别方法还可以包括:
当检测到目标识别结果为识别未通过时,根据目标脸部数据,生成云端脸部识别请求;
向服务器发送云端脸部识别请求,以触发服务器基于目标脸部数据对目标用户进行云端脸部识别,得到目标用户的云端脸部识别结果;
获取目标用户的云端脸部识别结果。
在一实施例中,当第一脸部识别设备检测到目标识别结果为识别未通过时,可以根据目标脸部数据,生成云端脸部识别请求,例如,可以将目标脸部数据添加至云端脸部识别请求中。进一步地,第一脸部识别设备可以向服务器发送云端脸部识别请求,以触发服务器基于目标脸部数据对目标用户进行云端脸部识别,得到目标用户的云端脸部识别结果。相应地,第一脸部识别设备可以获取目标用户的云端脸部识别结果。可选地,第一脸部识别设备还可以根据云端脸部识别结果再进一步缓存目标用户的目标脸部数据,供下次对目标用户进行脸部识别时使用。
云服务器除了可以提供脸部识别功能,还可以设置有与脸部识别设备对应的云端脸部数据库,因此,第一脸部识别设备在得到目标用户的脸部识别结果后,即可进一步地云端脸部数据库进行更新。具体地,基于人工智能的脸部识别方法还可以包括:
根据目标用户的脸部识别结果,生成第一脸部识别设备对应的云端脸部数据库的脸部数据更新信息;
向服务器发送脸部数据更新信息,以触发服务器对第一脸部识别设备对应的云端脸部数据库进行更新,其中,更新后的云端脸部数据库包括目标用户的目标脸部数据。
其中,脸部数据更新信息为指示服务器对第一脸部识别设备对应的云端脸部数据库进行更新的相关信息,例如,脸部数据更新信息中可以包括第一脸部识别设备的设备标识、目标用户的目标脸部数据等。
例如,当目标用户的脸部识别结果为识别通过时,第一脸部识别设备可以将目标用户的目标脸部数据、目标用户的用户标识信息、脸部识别时间等数据添加至脸部数据更新信息中,并向服务器发送该脸部数据更新信息,以使得服务器可以基于该脸部数据更新信息,对第一脸部识别设备对应的云端脸部数据库进行更新,这样的话,更新后的云端脸部数据库即包括有目标用户的目标脸部数据,并且,可以便于服务器建设统一的脸部数据库。
相应地,第一脸部识别设备上所运行的脸部识别相关的APP,除了可以提供有脸部识别服务、脸部数据库、蓝牙转发服务等外,还可以提供有库更新接收服务。这样的话,第一脸部识别设备可以接收服务器下发的数据库更新信息,并基于该数据库更新信息对第一脸部数据库进行更新,以使得当设备存储出现问题进行硬盘更换后,可以快速从后端备份相关人脸库。具体地,基于人工智能的脸部识别方法还可以包括:
获取服务器发送的针对第一脸部识别设备的数据库更新信息,其中,该数据库更新信息基于第一脸部识别设备对应的云端脸部数据库中的数据生成;
根据数据库更新信息,对第一脸部识别设备的脸部数据库进行更新。
其中,数据库更新信息为指示第一脸部识别设备对第一脸部数据库进行更新的相关信息,例如,数据库更新信息中可以包括云端脸部数据库中部分或全部用户的脸部数据;譬如,数据库更新信息中可以包括从第一脸部数据库最近一次进行数据库更新至今的增量脸部数据;又如,数据库更新信息中可以包括云端脸部数据库中的所有脸部数据;等等。
第一脸部识别设备在获取数据库更新信息后,即可根据该数据库更新信息,对第一脸部数据库进行更新,例如,进行增量更新,或者直接覆盖原第一脸部数据库;等等。
由上可知,本实施例可以确定待进行脸部识别的第一脸部识别设备,其中,所述第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,所述通信连接关系用于使得所述第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互;通过所述第一脸部识别设备获取脸部识别请求,其中,所述脸部识别请求包括目标用户的目标脸部数据;基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对所述目标脸部数据进行第一脸部识别;当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求;触发基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果。
该方案可以利用第一脸部识别设备与第二脸部识别设备之间的通信连接关系,使得在数据存储技术与脸部识别技术结合的应用场景中,通过优化跨脸部识别设备之间的数据交互方式,来提升脸部识别的效率。该方案可以当目标用户在第一脸部识别设备的脸部数据库中进行第一脸部识别未通过时,通过向第二脸部识别设备发送辅助脸部识别请求,以基于第二脸部识别设备的脸部数据库,辅助第一脸部识别设备进一步地针对目标用户进行脸部识别,这样的话,可以在预设距离范围内,跨端进行直接的脸部数据交互,从而能够通过提高数据交互的效率来提高脸部识别的效率。此外,该方案考虑到在预设数据范围内进行直接的数据交互时,通过生成的至少一个脸部识别结果的时间属性来从中确定目标脸部识别结果,使得在提高数据交互效率的基础上,通过结合具体应用场景来进一步提高脸部识别的效率。
根据上面实施例所描述的方法,以下将举例进一步详细说明。
在本实施例中,将以基于人工智能的脸部识别装置集成在服务器与终端为例进行说明,该终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此;可选地,可以为支持脸部识别的设备,如脸部识别设备等。该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
如图4所示,一种基于人工智能的脸部识别方法,具体流程如下:
201、确定待进行脸部识别的第一脸部识别设备,其中,该第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,该通信连接关系用于使得该第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互。
在一实施例中,待进行脸部识别的第一脸部识别设备可以为图5中的A设备,和第一脸部识别设备建立有通信连接关系的第二脸部识别设备可以为图5中的B设备。并且,第一脸部识别设备与第二脸部识别设备上均提供有3D摄像头、脸部识别APP、脸部特征库、蓝牙转发服务、以及库更新接收服务。
其中,参考图5,第一脸部识别设备具有对应的设备标识SN1,第二脸部识别设备具有对应的设备标识SN2,并且,第一脸部识别设备与第二脸部识别设备具有共同的门店标识MCH_ID,表示第一脸部识别设备与第二脸部识别设备为所属同一门店的脸部识别设备。
202、第一脸部识别设备获取脸部识别请求,其中,该脸部识别请求包括目标用户的目标脸部数据。
在一实施例中,目标用户可以在第一脸部识别设备上触发脸部识别触发事件,并且,第一脸部识别设备可以通过3D摄像头采集目标用户的目标脸部数据,并基于采集到的目标脸部数据生成脸部识别请求。
203、第一脸部识别设备基于其脸部数据库中存储的第一历史用户脸部数据,对目标脸部数据进行第一脸部识别。
在一实施例中,参考图5,第一脸部识别设备提供的脸部识别服务中,可以包括脸部采集、特征提取、特征比对、以及入库请求服务。第一脸部识别设备可以通过调用其中的特征提取服务得到目标用户的目标脸部信息特征,并通过利用第一脸部设备的脸部特征库来实现特征比对,从而对目标脸部数据进行第一脸部识别。
204、当第一脸部识别未通过时,第一脸部识别设备向至少一个第二脸部识别设备发送辅助脸部识别请求,以基于该辅助脸部识别请求、以及第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果。
在一实施例中,参考图5,第一脸部识别设备可以通过蓝牙转发服务,向第二脸部识别设备发送辅助脸部识别请求。第二脸部识别设备可以基于辅助脸部识别请求、以及第二脸部识别设备的脸部特征库中存储的第二历史用户脸部数据,针对目标用户的目标脸部数据进行第二脸部识别,生成脸部识别结果并利用蓝牙转发服务将该生成的脸部识别结果发送给第一脸部识别设备。
205、第一脸部识别设备根据脸部识别结果的时间属性,确定目标用户的脸部识别结果。
例如,第一脸部识别设备可以优先选择最快返回的脸部识别结果作为目标识别结果,并当检测到该目标识别结果为识别通过时,确定目标用户的脸部识别结果为识别通过。例如,在线下门店的应用场景中,脸部识别设备有限,门店整体的脸部数据库较小,误识率较低,因此,可以直接以最快返回的脸部识别结果为目标识别结果。
206、当检测到目标识别结果为识别未通过时,第一脸部识别设备根据目标脸部数据,生成云端脸部识别请求,向服务器发送该云端脸部识别请求。
在一实施例中,参考图5,当检测到目标识别结果为识别未通过时,第一脸部识别设备可以通过脸部识别APP向云端服务器发送云端脸部识别请求,以调用云端服务器的脸部识别服务来确定目标用户的目标识别结果。
207、服务器接收云端脸部识别请求,基于目标脸部数据对目标用户进行云端脸部识别,得到目标用户的云端脸部识别结果,向第一脸部识别设备发送该云端脸部识别结果。
在一实施例中,参考图5,后端的云服务器可以接收云端脸部识别请求,并通过调用云端的脸部识别服务,基于目标脸部数据对目标用户进行云端脸部识别,得到目标用户的云端脸部识别结果。进一步地,服务器可以向第一脸部识别设备发送该云端脸部识别结果。
服务器端进行脸部识别的方式有多种,例如,服务器可以将目标脸部数据与图5中后端脸部数据库中的脸部数据进行比对,由于后端脸部数据库中包括该门店下各脸部识别设备的脸部数据库中的脸部数据,也即,后端脸部数据库中包括该门店各脸部识别设备的所有历史用户所对应的脸部数据,因此,可以通过后端脸部数据库来将目标脸部数据与全后端数据进行比较,从而来对目标用户进行云端脸部识别。
208、第一脸部识别设备根据目标用户的脸部识别结果,生成第一脸部识别设备对应的云端脸部数据库的脸部数据更新信息,向服务器发送该脸部数据更新信息。
在一实施例中,参考图5,第一脸部识别设备可以基于设备标识SN1、脸部识别时间、以及目标用户的目标脸部数据生成脸部数据更新信息,并通过调用脸部识别APP的入库请求服务,来向服务器发送该脸部数据更新信息。
209、服务器接收脸部数据更新信息,基于该脸部数据更新信息服对第一脸部识别设备对应的云端脸部数据库进行更新,其中,更新后的云端脸部数据库包括目标用户的目标脸部数据。
在一实施例中,参考图5,服务器可以通过入库请求服务接收第一脸部识别设备发送的脸部数据更新信息,进一步地,服务器可以基于脸部数据更新信息,将目标用户的目标脸部数据同步到后端脸部数据库中,并同步到第一脸部识别设备在云端对应的脸部数据库中。
此外,服务器也可以调用图5中所示的库推送服务来生成针对第一脸部识别设备的数据库更新信息,其中,该数据库更新信息基于第一脸部识别设备对应的云端脸部数据库中的数据生成,相应地,第一脸部识别设备可以获取该数据库更新信息,并根据该数据库更新信息,对第一脸部识别设备的脸部数据库进行更新。
由上可知,本申请实施例利用第一脸部识别设备与第二脸部识别设备之间的通信连接关系,使得在数据存储技术与脸部识别技术结合的应用场景中,通过优化跨脸部识别设备之间的数据交互方式,来提升脸部识别的效率。本申请实施例可以当目标用户在第一脸部识别设备的脸部数据库中进行第一脸部识别未通过时,通过向第二脸部识别设备发送辅助脸部识别请求,以基于第二脸部识别设备的脸部数据库,辅助第一脸部识别设备进一步地针对目标用户进行脸部识别,这样的话,可以在预设距离范围内,跨端进行直接的脸部数据交互,从而能够通过提高数据交互的效率来提高脸部识别的效率。此外,本申请实施例考虑到在预设数据范围内进行直接的数据交互时,通过生成的至少一个脸部识别结果的时间属性来从中确定目标脸部识别结果,使得在提高数据交互效率的基础上,通过结合具体应用场景来进一步提高脸部识别的效率。
为了更好地实施以上方法,相应的,本申请实施例还提供一种基于人工智能的脸部识别装置,其中,该基于人工智能的脸部识别装置可以集成在服务器或终端中。该服务器可以是单台服务器,也可以是由多个服务器组成的服务器集群;该终端可以为手机、平板电脑、笔记本电脑等设备。
例如,如图6所示,该基于人工智能的脸部识别装置可以包括设备确定单元301,请求获取单元302,第一识别单元303,第二识别单元304以及结果确定单元305,如下:
设备确定单元301,用于确定待进行脸部识别的第一脸部识别设备,其中,所述第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,所述通信连接关系用于使得所述第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互;
请求获取单元302,用于通过所述第一脸部识别设备获取脸部识别请求,其中,所述脸部识别请求包括目标用户的目标脸部数据;
第一识别单元303,用于基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对所述目标脸部数据进行第一脸部识别;
第二识别单元304,用于当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;
结果确定单元305,用于根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果。
在一实施例中,参考图7,所述目标脸部数据包括至少两张候选脸部图像;所述第一识别单元303,可以包括:
质量计算子单元3031,可以用于识别所述候选脸部图像中所述目标用户的目标脸部区域,计算所述目标脸部区域在至少一个质量评估维度上的图像质量;
目标选择子单元3032,可以用于根据计算结果,从所述候选脸部图像中选择进行脸部识别所需的目标脸部图像;
特征提取子单元3033,可以用于对所述目标脸部图像进行特征提取,得到所述目标脸部图像的目标脸部信息特征;
第一识别子单元3034,可以用于基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,针对所述目标脸部信息特征进行第一脸部识别。
在一实施例中,所述第一识别子单元3034,可以用于:
获取所述第一历史用户脸部数据对应的第一历史脸部信息特征;将所述目标脸部信息特征与获取的第一历史脸部信息特征进行特征比对,得到第一比对结果,其中,所述第一比对结果表征所述目标脸部信息特征与所述第一历史脸部信息特征之间的特征相似度;基于所述第一比对结果,确定所述目标用户在所述第一脸部识别设备中的脸部识别结果。
在一实施例中,所述第一脸部识别设备的脸部数据库中,对应第一历史用户脸部数据还设置有用户行为特征标签;所述第一识别子单元3034,可以具体用于:
根据当前时刻和所述目标用户所处地理位置,确定所述目标用户的用户行为特征标签;确定用户行为特征标签与所述目标用户的用户行为特征标签匹配的第一历史用户脸部数据;获取匹配出的第一历史用户脸部数据对应的第一历史脸部信息特征。
在一实施例中,参考图8,所述辅助脸部识别请求包括所述目标脸部数据的目标脸部信息特征;所述第二识别单元304,可以包括:
第一发送子单元3041,用于当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求;
第一触发子单元3042,可以用于触发所述第二脸部识别设备从所述辅助脸部识别请求中解析出所述目标脸部信息特征;基于所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标脸部信息特征进行第二脸部识别,得到所述第二脸部识别的脸部识别结果。
在一实施例中,参考图9,所述辅助脸部识别请求包括第一历史用户的用户标识信息;所述第二识别单元304,可以包括:
第二发送子单元3043,用于当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求;
第二触发子单元3044,可以用于触发所述第二脸部识别设备基于所述第一历史用户的用户标识信息,从所述第二脸部设备的脸部数据库中获取目标第二历史用户脸部数据,发送给所述第一脸部识别设备,其中,所述目标第二历史用户脸部数据对应的第二历史用户非所述第一历史用户;
目标接收子单元3045,可以用于接收所述目标第二历史用户脸部数据,基于所述目标第二历史用户脸部数据更新所述第一脸部设备的脸部数据库;
第二识别子单元3046,可以用于基于所述目标第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到所述第二脸部识别的脸部识别结果。
在一实施例中,参考图10,若所述脸部识别请求为在同一业务过程中进行的第二次脸部识别所触发的请求,且所述业务过程的第一次脸部识别通过;所述基于人工智能的脸部识别装置还包括:
标识确定单元306,可以用于根据所述第一次脸部识别的识别结果,确定所述第一次脸部识别过程中识别通过用户的用户标识信息;
所述辅助脸部识别请求包括所述识别通过用户的用户标识信息和所述目标用户的目标脸部数据;所述第二识别单元304,可以包括:
第三发送子单元3047,用于当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求;
第三触发子单元3048,可以用于触发所述第二脸部识别设备从所述辅助脸部识别请求中解析出所述识别通过用户的用户标识信息、以及所述目标用户的目标脸部数据,基于所述用户标识信息,确定所述识别通过用户的关联用户;从所述第二脸部识别设备的脸部数据库中获取目标第二历史用户脸部数据,其中,所述目标第二历史用户脸部数据包括所述识别通过用户的脸部数据、以及所述关联用户的脸部数据;基于获取的目标第二历史用户脸部数据对所述目标用户的目标脸部数据进行第二脸部识别,得到与所述第二脸部识别对应的脸部识别结果。
在一实施例中,参考图11,所述结果确定单元305,可以包括:
结果排序子单元3051,可以用于根据所述脸部识别结果的时间属性,对所述脸部识别结果进行排序;
目标选择子单元3052,可以用于根据排序结果,从所述脸部识别结果中选择目标识别结果;
结果确定子单元3053,可以用于当检测到所述目标识别结果为识别通过时,确定所述目标用户的脸部识别结果为识别通过。
在一实施例中,参考图12,所述结果确定单元305,还可以包括:
云端请求生成子单元3054,可以用于当检测到所述目标识别结果为识别未通过时,根据所述目标脸部数据,生成云端脸部识别请求;
云端请求发送子单元3055,可以用于向服务器发送所述云端脸部识别请求,以触发所述服务器基于所述目标脸部数据对所述目标用户进行云端脸部识别,得到所述目标用户的云端脸部识别结果;
云端结果获取子单元3056,可以用于获取所述目标用户的所述云端脸部识别结果。
在一实施例中,参考图13,所述基于人工智能的脸部识别装置,还可以包括:
信息生成单元307,可以用于根据所述目标用户的脸部识别结果,生成所述第一脸部识别设备对应的云端脸部数据库的脸部数据更新信息;
信息发送单元308,可以用于向服务器发送所述脸部数据更新信息,以触发所述服务器对所述第一脸部识别设备对应的云端脸部数据库进行更新,其中,更新后的所述云端脸部数据库包括所述目标用户的目标脸部数据。
在一实施例中,参考图14,所述基于人工智能的脸部识别装置,还包括:
更新信息获取单元309,可以用于获取所述服务器发送的针对所述第一脸部识别设备的数据库更新信息,其中,所述数据库更新信息基于所述第一脸部识别设备对应的云端脸部数据库中的数据生成;
数据库更新单元310,可以用于根据所述数据库更新信息,对所述第一脸部识别设备的脸部数据库进行更新。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由上可知,本实施例的基于人工智能的脸部识别装置中设备确定单元301确定待进行脸部识别的第一脸部识别设备,其中,所述第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,所述通信连接关系用于使得所述第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互;由请求获取单元302通过所述第一脸部识别设备获取脸部识别请求,其中,所述脸部识别请求包括目标用户的目标脸部数据;由第一识别单元303基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对所述目标脸部数据进行第一脸部识别;由第二识别单元304当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;由结果确定单元305根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果。
该方案可以利用第一脸部识别设备与第二脸部识别设备之间的通信连接关系,使得在数据存储技术与脸部识别技术结合的应用场景中,通过优化跨脸部识别设备之间的数据交互方式,来提升脸部识别的效率。该方案可以当目标用户在第一脸部识别设备的脸部数据库中进行第一脸部识别未通过时,通过向第二脸部识别设备发送辅助脸部识别请求,以基于第二脸部识别设备的脸部数据库,辅助第一脸部识别设备进一步地针对目标用户进行脸部识别,这样的话,可以在预设距离范围内,跨端进行直接的脸部数据交互,从而能够通过提高数据交互的效率来提高脸部识别的效率。此外,该方案考虑到在预设数据范围内进行直接的数据交互时,通过生成的至少一个脸部识别结果的时间属性来从中确定目标脸部识别结果,使得在提高数据交互效率的基础上,通过结合具体应用场景来进一步提高脸部识别的效率。
此外,本申请实施例还提供一种计算机设备,该计算机设备可以为服务器或终端等设备,如图15所示,其示出了本申请实施例所涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括有一个或一个以上计算机可读存储介质的存储器401、输入单元402、传感器403、无线保真(WiFi,Wireless Fidelity)模块404、包括有一个或者一个以上处理核心的处理器405、以及电源406等部件。本领域技术人员可以理解,图15中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
存储器401可用于存储软件程序以及模块,处理器405通过运行存储在存储器401的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器401可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器401可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器401还可以包括存储器控制器,以提供处理器405和输入单元402对存储器401的访问。
输入单元402可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,在一个具体的实施例中,输入单元402可包括触敏表面以及其他输入设备。触敏表面,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器405,并能接收处理器405发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面,输入单元402还可以包括其他输入设备。具体地,其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
计算机设备还可包括至少一种传感器403,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板的亮度,接近传感器可在计算机设备移动到耳边时,关闭显示面板和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于计算机设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
WiFi属于短距离无线传输技术,计算机设备通过WiFi模块404可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图15示出了WiFi模块404,但是可以理解的是,其并不属于计算机设备的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器405是计算机设备的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器401内的软件程序和/或模块,以及调用存储在存储器401内的数据,执行计算机设备的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器405可包括一个或多个处理核心;优选的,处理器405可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器405中。
计算机设备还包括给各个部件供电的电源406(比如电池),优选的,电源可以通过电源管理系统与处理器405逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源406还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,计算机设备还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,计算机设备中的处理器405会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器401中,并由处理器405来运行存储在存储器401中的应用程序,从而实现各种功能,如下:
确定待进行脸部识别的第一脸部识别设备,其中,所述第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,所述通信连接关系用于使得所述第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互;通过所述第一脸部识别设备获取脸部识别请求,其中,所述脸部识别请求包括目标用户的目标脸部数据;基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对所述目标脸部数据进行第一脸部识别;当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,本实施例的计算机设备可以利用第一脸部识别设备与第二脸部识别设备之间的通信连接关系,使得在数据存储技术与脸部识别技术结合的应用场景中,通过优化跨脸部识别设备之间的数据交互方式,来提升脸部识别的效率。本实施例的计算机设备可以当目标用户在第一脸部识别设备的脸部数据库中进行第一脸部识别未通过时,通过向第二脸部识别设备发送辅助脸部识别请求,以基于第二脸部识别设备的脸部数据库,辅助第一脸部识别设备进一步地针对目标用户进行脸部识别,这样的话,可以在预设距离范围内,跨端进行直接的脸部数据交互,从而能够通过提高数据交互的效率来提高脸部识别的效率。此外,本实施例的计算机设备考虑到在预设数据范围内进行直接的数据交互时,通过生成的至少一个脸部识别结果的时间属性来从中确定目标脸部识别结果,使得在提高数据交互效率的基础上,通过结合具体应用场景来进一步提高脸部识别的效率。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种基于人工智能的脸部识别方法中的步骤。例如,该指令可以执行如下步骤:
确定待进行脸部识别的第一脸部识别设备,其中,所述第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,所述通信连接关系用于使得所述第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互;通过所述第一脸部识别设备获取脸部识别请求,其中,所述脸部识别请求包括目标用户的目标脸部数据;基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对所述目标脸部数据进行第一脸部识别;当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本申请实施例所提供的任一种基于人工智能的脸部识别方法中的步骤,因此,可以实现本申请实施例所提供的任一种基于人工智能的脸部识别方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述基于人工智能的脸部识别方面的各种可选实现方式中提供的方法。例如,该方法可以执行如下步骤:
确定待进行脸部识别的第一脸部识别设备,其中,所述第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,所述通信连接关系用于使得所述第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互;通过所述第一脸部识别设备获取脸部识别请求,其中,所述脸部识别请求包括目标用户的目标脸部数据;基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对所述目标脸部数据进行第一脸部识别;当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
本申请实施例涉及的系统可以是由客户端、多个节点(接入网络中的任意形式的计算设备,如服务器、用户终端)通过网络通信的形式连接形成的分布式系统。
以分布式系统为区块链系统为例,参见图16,图16是本申请实施例提供的基于人工智能的脸部识别系统100应用于区块链系统的一个可选的结构示意图,由多个节点(接入网络中的任意形式的计算设备,如服务器、用户终端)和客户端形成,节点之间形成组成的点对点(P2P,Peer To Peer)网络,P2P协议是一个运行在传输控制协议(TCP,TransmissionControl Protocol)协议之上的应用层协议。在分布式系统中,任何机器如服务器、终端都可以加入而成为节点,节点包括硬件层、中间层、操作系统层和应用层。
参见图16示出的区块链系统中各节点的功能,涉及的功能包括:
1)路由,节点具有的基本功能,用于支持节点之间的通信。
节点除具有路由功能外,还可以具有以下功能:
2)应用,用于部署在区块链中,根据实际业务需求而实现特定业务,记录实现功能相关的数据形成记录数据,在记录数据中携带数字签名以表示任务数据的来源,将记录数据发送到区块链系统中的其他节点,供其他节点在验证记录数据来源以及完整性成功时,将记录数据添加到临时区块中。
例如,应用实现的业务包括:
2.1)钱包,用于提供进行电子货币的交易的功能,包括发起交易(即,将当前交易的交易记录发送给区块链系统中的其他节点,其他节点验证成功后,作为承认交易有效的响应,将交易的记录数据存入区块链的临时区块中;当然,钱包还支持查询电子货币地址中剩余的电子货币;
2.2)共享账本,用于提供账目数据的存储、查询和修改等操作的功能,将对账目数据的操作的记录数据发送到区块链系统中的其他节点,其他节点验证有效后,作为承认账目数据有效的响应,将记录数据存入临时区块中,还可以向发起操作的节点发送确认。
2.3)智能合约,计算机化的协议,可以执行某个合约的条款,通过部署在共享账本上的用于在满足一定条件时而执行的代码实现,根据实际的业务需求代码用于完成自动化的交易,例如,当检测到目标用户的脸部识别通过时,将目标用户的支付凭证返回给终端;当然,智能合约不仅限于执行用于交易的合约,还可以执行对接收的信息进行处理的合约。
2.4)用户信息保密箱,用于留存用户信息,通过利用区块链去中心化性、不可篡改性、透明性、可追溯性等建立用户信息保密箱,同时利用人体独有特征,如脸部信息等,作为用户信息保密箱的重要密匙,从而实现保密留存用户信息。
3)区块链,包括一系列按照产生的先后时间顺序相互接续的区块(Block),新区块一旦加入到区块链中就不会再被移除,区块中记录了区块链系统中节点提交的记录数据。
参见图17,图17是本申请实施例提供的区块结构(Block Structure)一个可选的示意图,每个区块中包括本区块存储交易记录的哈希值(本区块的哈希值)、以及前一区块的哈希值,各区块通过哈希值连接形成区块链。另外,区块中还可以包括有区块生成时的时间戳等信息。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了相关的信息,用于验证其信息的有效性(防伪)和生成下一个区块。
以上对本申请实施例所提供的一种基于人工智能的脸部识别方法、装置和系统进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (14)
1.一种基于人工智能的脸部识别方法,其特征在于,包括:
确定待进行脸部识别的第一脸部识别设备,其中,所述第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,所述通信连接关系用于使得所述第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互;
通过所述第一脸部识别设备获取脸部识别请求,其中,所述脸部识别请求包括目标用户的目标脸部数据;
基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对所述目标脸部数据进行第一脸部识别;
当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;
根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果。
2.根据权利要求1所述的基于人工智能的脸部识别方法,其特征在于,所述目标脸部数据包括至少两张候选脸部图像;
所述基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对所述目标脸部数据进行第一脸部识别,包括:
识别所述候选脸部图像中所述目标用户的目标脸部区域,计算所述目标脸部区域在至少一个质量评估维度上的图像质量;
根据计算结果,从所述候选脸部图像中选择进行脸部识别所需的目标脸部图像;
对所述目标脸部图像进行特征提取,得到所述目标脸部图像的目标脸部信息特征;
基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,针对所述目标脸部信息特征进行第一脸部识别。
3.根据权利要求2所述的基于人工智能的脸部识别方法,其特征在于,所述基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,针对所述目标脸部信息特征进行第一脸部识别,包括:
获取所述第一历史用户脸部数据对应的第一历史脸部信息特征;
将所述目标脸部信息特征与获取的第一历史脸部信息特征进行特征比对,得到第一比对结果,其中,所述第一比对结果表征所述目标脸部信息特征与所述第一历史脸部信息特征之间的特征相似度;
基于所述第一比对结果,确定所述目标用户在所述第一脸部识别设备中的脸部识别结果。
4.根据权利要求3所述的基于人工智能的脸部识别方法,其特征在于,所述第一脸部识别设备的脸部数据库中,对应第一历史用户脸部数据还设置有用户行为特征标签;
所述获取所述第一历史用户脸部数据对应的第一历史脸部信息特征,包括:
根据当前时刻和所述目标用户所处地理位置,确定所述目标用户的用户行为特征标签;
确定用户行为特征标签与所述目标用户的用户行为特征标签匹配的第一历史用户脸部数据;
获取匹配出的第一历史用户脸部数据对应的第一历史脸部信息特征。
5.根据权利要求1所述的基于人工智能的脸部识别方法,其特征在于,所述辅助脸部识别请求包括所述目标脸部数据的目标脸部信息特征;
所述当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果,包括:
当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求;
触发所述第二脸部识别设备从所述辅助脸部识别请求中解析出所述目标脸部信息特征,基于所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标脸部信息特征进行第二脸部识别,得到所述第二脸部识别的脸部识别结果。
6.根据权利要求1所述的基于人工智能的脸部识别方法,其特征在于,所述辅助脸部识别请求包括第一历史用户的用户标识信息;
所述当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果,包括:
当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求;
触发所述第二脸部识别设备基于所述第一历史用户的用户标识信息,从所述第二脸部设备的脸部数据库中获取目标第二历史用户脸部数据,发送给所述第一脸部识别设备,其中,所述目标第二历史用户脸部数据对应的第二历史用户非所述第一历史用户;
接收所述目标第二历史用户脸部数据,基于所述目标第二历史用户脸部数据更新所述第一脸部设备的脸部数据库;
基于所述目标第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到所述第二脸部识别的脸部识别结果。
7.根据权利要求1所述的基于人工智能的脸部识别方法,其特征在于,若所述脸部识别请求为在同一业务过程中进行的第二次脸部识别所触发的请求,且所述业务过程的第一次脸部识别通过;
所述方法还包括:
根据所述第一次脸部识别的识别结果,确定所述第一次脸部识别过程中识别通过用户的用户标识信息;
所述辅助脸部识别请求包括所述识别通过用户的用户标识信息和所述目标用户的目标脸部数据;
所述当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果,包括:
当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求;
触发所述第二脸部识别设备从所述辅助脸部识别请求中解析出所述识别通过用户的用户标识信息、以及所述目标用户的目标脸部数据,基于所述用户标识信息,确定所述识别通过用户的关联用户;从所述第二脸部识别设备的脸部数据库中获取目标第二历史用户脸部数据,其中,所述目标第二历史用户脸部数据包括所述识别通过用户的脸部数据、以及所述关联用户的脸部数据;基于获取的目标第二历史用户脸部数据对所述目标用户的目标脸部数据进行第二脸部识别,得到与所述第二脸部识别对应的脸部识别结果。
8.根据权利要求1所述的基于人工智能的脸部识别方法,其特征在于,所述根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果,包括:
根据所述脸部识别结果的时间属性,对所述脸部识别结果进行排序;
根据排序结果,从所述脸部识别结果中选择目标识别结果;
当检测到所述目标识别结果为识别通过时,确定所述目标用户的脸部识别结果为识别通过。
9.根据权利要求8所述的基于人工智能的脸部识别方法,其特征在于,所述方法还包括:
当检测到所述目标识别结果为识别未通过时,根据所述目标脸部数据,生成云端脸部识别请求;
向服务器发送所述云端脸部识别请求,以触发所述服务器基于所述目标脸部数据对所述目标用户进行云端脸部识别,得到所述目标用户的云端脸部识别结果;
获取所述目标用户的所述云端脸部识别结果。
10.根据权利要求1所述的基于人工智能的脸部识别方法,其特征在于,所述方法还包括:
根据所述目标用户的脸部识别结果,生成所述第一脸部识别设备对应的云端脸部数据库的脸部数据更新信息;
向服务器发送所述脸部数据更新信息,以触发所述服务器对所述第一脸部识别设备对应的云端脸部数据库进行更新,其中,更新后的所述云端脸部数据库包括所述目标用户的目标脸部数据。
11.根据权利要求10所述的基于人工智能的脸部识别方法,其特征在于,所述方法还包括:
获取所述服务器发送的针对所述第一脸部识别设备的数据库更新信息,其中,所述数据库更新信息基于所述第一脸部识别设备对应的云端脸部数据库中的数据生成;
根据所述数据库更新信息,对所述第一脸部识别设备的脸部数据库进行更新。
12.一种基于人工智能的脸部识别装置,其特征在于,包括:
设备确定单元,用于确定待进行脸部识别的第一脸部识别设备,其中,所述第一脸部识别设备和至少一个第二脸部识别设备之间建立有通信连接关系,所述通信连接关系用于使得所述第一脸部识别设备和第二脸部识别设备在预设距离范围内进行直接的数据交互;
请求获取单元,用于通过所述第一脸部识别设备获取脸部识别请求,其中,所述脸部识别请求包括目标用户的目标脸部数据;
第一识别单元,用于基于所述第一脸部识别设备的脸部数据库中存储的第一历史用户脸部数据,对所述目标脸部数据进行第一脸部识别;
第二识别单元,用于当所述第一脸部识别未通过时,向至少一个所述第二脸部识别设备发送辅助脸部识别请求,以基于所述辅助脸部识别请求、以及所述第二脸部识别设备的脸部数据库中存储的第二历史用户脸部数据,针对所述目标用户的目标脸部数据进行第二脸部识别,得到至少一个脸部识别结果;
结果确定单元,用于根据所述脸部识别结果的时间属性,确定所述目标用户的脸部识别结果。
13.一种电子设备,其特征在于,包括存储器和处理器;所述存储器存储有应用程序,所述处理器用于运行所述存储器内的应用程序,以执行权利要求1至11任一项所述的基于人工智能的脸部识别方法中的操作。
14.一种存储介质,其特征在于,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至11任一项所述的基于人工智能的脸部识别方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110019138.6A CN112989922A (zh) | 2021-01-07 | 2021-01-07 | 基于人工智能的脸部识别方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110019138.6A CN112989922A (zh) | 2021-01-07 | 2021-01-07 | 基于人工智能的脸部识别方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112989922A true CN112989922A (zh) | 2021-06-18 |
Family
ID=76345302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110019138.6A Pending CN112989922A (zh) | 2021-01-07 | 2021-01-07 | 基于人工智能的脸部识别方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112989922A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114360085A (zh) * | 2021-11-25 | 2022-04-15 | 中国人民人寿保险股份有限公司 | 一种识别出勤作弊行为的方法及其服务系统、终端设备 |
US20230154233A1 (en) * | 2021-11-16 | 2023-05-18 | Deep Et | Apparatus and method for face recognition using user terminal |
-
2021
- 2021-01-07 CN CN202110019138.6A patent/CN112989922A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230154233A1 (en) * | 2021-11-16 | 2023-05-18 | Deep Et | Apparatus and method for face recognition using user terminal |
CN114360085A (zh) * | 2021-11-25 | 2022-04-15 | 中国人民人寿保险股份有限公司 | 一种识别出勤作弊行为的方法及其服务系统、终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11501514B2 (en) | Universal object recognition | |
CN111324774B (zh) | 一种视频去重方法和装置 | |
CN112101329B (zh) | 一种基于视频的文本识别方法、模型训练的方法及装置 | |
CN114387647B (zh) | 对抗扰动生成方法、装置及存储介质 | |
CN111930964B (zh) | 内容处理方法、装置、设备及存储介质 | |
CN111897996A (zh) | 话题标签推荐方法、装置、设备及存储介质 | |
CN113505256B (zh) | 特征提取网络训练方法、图像处理方法及装置 | |
CN112989922A (zh) | 基于人工智能的脸部识别方法、装置、设备和存储介质 | |
CN111914180B (zh) | 基于图结构的用户特征确定方法、装置、设备及介质 | |
CN111339737A (zh) | 实体链接方法、装置、设备及存储介质 | |
CN114722937A (zh) | 一种异常数据检测方法、装置、电子设备和存储介质 | |
CN113822427A (zh) | 一种模型训练的方法、图像匹配的方法、装置及存储介质 | |
CN113128526B (zh) | 图像识别方法、装置、电子设备和计算机可读存储介质 | |
CN112561084B (zh) | 特征提取方法、装置、计算机设备及存储介质 | |
CN114281936A (zh) | 分类方法、装置、计算机设备及存储介质 | |
CN114663929A (zh) | 基于人工智能的脸部识别方法、装置、设备和存储介质 | |
Biswas et al. | Smart city development: Theft handling of public vehicles using image analysis and cloud network | |
Aravindan et al. | A Smart Assistive System for Visually Impaired to Inform Acquaintance Using Image Processing (ML) Supported by IoT | |
CN111756705B (zh) | 活体检测算法的攻击测试方法、装置、设备及存储介质 | |
CN114968971A (zh) | 一种数据迁移方法、相关装置、设备及存储介质 | |
CN115981755A (zh) | 人脸支付方法以及相关设备 | |
CN117037182A (zh) | 图像真伪检测方法、装置、计算机设备及存储介质 | |
CN114722365A (zh) | 一种身份信息识别的方法、相关装置、设备及存储介质 | |
CN116258497A (zh) | 基于互动操作的资源转移方法以及相关设备 | |
CN114968969A (zh) | 一种数据迁移方法、相关装置、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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40046404 Country of ref document: HK |