CN113159000A - 人脸识别方法、装置及系统 - Google Patents
人脸识别方法、装置及系统 Download PDFInfo
- Publication number
- CN113159000A CN113159000A CN202110578786.5A CN202110578786A CN113159000A CN 113159000 A CN113159000 A CN 113159000A CN 202110578786 A CN202110578786 A CN 202110578786A CN 113159000 A CN113159000 A CN 113159000A
- Authority
- CN
- China
- Prior art keywords
- face
- feature
- image
- local
- recognition
- 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
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供一种人脸识别方法、装置及系统,也可用于金融领域,方法包括:抓拍人脸图像并根据第一图像识别算法提取第一人脸特征,将所述人脸特征存储至本地特征队列;将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台,以使所述人脸识别平台在所述特征匹配结果为通过时根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果;本申请能够有效节省服务器资源,提升人脸识别效率和准确率。
Description
技术领域
本申请涉及生物识别领域,也可用于金融领域,具体涉及一种人脸识别方法、装置及系统。
背景技术
目前人脸识别系统已在业界进行广泛使用。常见的用法是在前端通过摄像头获取人脸图像,然后将人脸图像传到后台服务器上的人脸识别系统进行人脸识别。通常来说,人脸识别系统主要包括2种使用场景:1比1的人脸认证和1比N的人脸搜索。对于1比N的人脸搜索,随着N的增大,搜索速度会下降导致搜索时间增加。因此常见的做法是将N控制在一定大小的范围,通过服务器节点的横向扩容并采用并行搜索方式,实现对海量数据下1比N人脸搜索方式的支持。
发明人发现,现有技术中由于单台服务器的资源有限,要支持海量数据下的人脸搜索,需要部署的服务器节点数就会非常多,这样容易造成资源浪费。
发明内容
针对现有技术中的问题,本申请提供一种人脸识别方法、装置及系统,能够有效节省服务器资源,提升人脸识别效率和准确率。
为了解决上述问题中的至少一个,本申请提供以下技术方案:
第一方面,本申请提供一种人脸识别方法,包括:
抓拍人脸图像并根据第一图像识别算法提取第一人脸特征,将所述人脸特征存储至本地特征队列;
将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台,其中,所述本地目标特征库中存储有所述人脸识别平台发送的目标人脸特征值,以使所述人脸识别平台在所述特征匹配结果为通过时根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,并使所述人脸识别平台在所述特征匹配结果为不通过时将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
进一步地,在所述将所述人脸特征存储至本地特征队列之后,还包括:
判断所述本地特征队列是否超出特征数量阈值或当前CPU使用率是否超出运行阈值;
若是,则终止特征匹配操作并将所述人脸图像和所述第一人脸特征发送至人脸识别平台。
第二方面,本申请提供一种人脸识别方法,包括:
接收至少一台人脸抓拍摄像机发送的人脸图像、第一人脸特征及特征匹配结果,其中,所述第一人脸特征是所述人脸抓拍摄像机抓拍人脸图像后根据第一图像识别算法提取的,所述特征匹配结果是所述人脸抓拍摄像机将所述人脸特征存储至本地特征队列后将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配得到的,所述人脸抓拍摄像机的本地目标特征库中存储有人脸识别平台发送的目标人脸特征值;
判断所述特征匹配结果是否通过,若是,则根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,否则,将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
进一步地,所述根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,包括:
根据所述匹配结果中的待确认目标人物信息、与所述待确定目标人物信息对应的人脸图像以及第二图像识别算法对所述人脸图像进行特征提取,得到第二人脸特征;
判断所述第二人脸特征是否与本地目标特征库匹配,若匹配,则得到对应的人脸识别结果,否则,将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
第三方面,本申请提供一种人脸识别装置,包括:
人脸抓拍摄像机图像分析模块,用于抓拍人脸图像并根据第一图像识别算法提取第一人脸特征,将所述人脸特征存储至本地特征队列;
人脸抓拍摄像机信息上送模块,用于将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台,其中,所述本地目标特征库中存储有所述人脸识别平台发送的目标人脸特征值,以使所述人脸识别平台在所述特征匹配结果为通过时根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,并使所述人脸识别平台在所述特征匹配结果为不通过时将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
进一步地,还包括:
人脸抓拍摄像机性能监测单元,用于判断所述本地特征队列是否超出特征数量阈值或当前CPU使用率是否超出运行阈值;
性能异常上送单元,用于若所述本地特征队列超出特征数量阈值或当前CPU使用率超出运行阈值,则终止特征匹配操作并将所述人脸图像和所述第一人脸特征发送至人脸识别平台。
第四方面,本申请提供一种人脸识别装置,包括:
人脸识别平台图像分析模块,用于接收至少一台人脸抓拍摄像机发送的人脸图像、第一人脸特征及特征匹配结果,其中,所述第一人脸特征是所述人脸抓拍摄像机抓拍人脸图像后根据第一图像识别算法提取的,所述特征匹配结果是所述人脸抓拍摄像机将所述人脸特征存储至本地特征队列后将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配得到的,所述人脸抓拍摄像机的本地目标特征库中存储有人脸识别平台发送的目标人脸特征值;
人脸识别平台信息处理模块,用于判断所述特征匹配结果是否通过,若是,则根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,否则,将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
第五方面,本申请提供一种人脸识别系统,包括:人脸抓拍摄像机和与所述人脸抓拍摄像机通信连接的人脸识别平台;
所述人脸抓拍摄像机包括:
人脸抓拍摄像机图像分析模块,用于抓拍人脸图像并根据第一图像识别算法提取第一人脸特征,将所述人脸特征存储至本地特征队列;
人脸抓拍摄像机信息上送模块,用于将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台,其中,所述本地目标特征库中存储有所述人脸识别平台发送的目标人脸特征值;
所述人脸识别平台包括:
人脸识别平台图像分析模块,用于接收至少一台人脸抓拍摄像机发送的人脸图像、第一人脸特征及特征匹配结果;
人脸识别平台信息处理模块,用于判断所述特征匹配结果是否通过,若是,则根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,否则,将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
第六方面,本申请提供一种电子设备,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,所述处理器执行所述程序时实现所述的人脸识别方法的步骤。
第七方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的人脸识别方法的步骤。
由上述技术方案可知,本申请提供一种人脸识别方法、装置及系统,通过人脸抓拍摄像机自身的支持人脸搜索的功能,组成多个人脸抓拍摄像机建立的分布式网络,利用分布式网络上众多的人脸抓拍摄像机实现各自的人脸搜索功能,特别是海量数据的情况下,可以极大的节省服务器资源,同时通过终端人脸识别和云端人脸识别组合的方式,应用不同的人脸识别算法,增强人脸识别的安全性、准确性,即只有终端和云端都识别出目标人脸,并且经过了不同的算法进行验证,才能最终确定目标的身份信息,由此能够有效节省服务器资源,提升人脸识别效率和准确率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中的人脸识别方法的流程示意图之一;
图2为本申请实施例中的人脸识别方法的流程示意图之二;
图3为本申请实施例中的人脸识别方法的流程示意图之三;
图4为本申请实施例中的人脸识别方法的流程示意图之四;
图5为本申请实施例中的人脸识别装置的结构图之一;
图6为本申请实施例中的人脸识别装置的结构图之二;
图7为本申请实施例中的人脸识别装置的结构图之三;
图8为本申请实施例中的人脸识别系统的结构图;
图9为本申请一具体实施例中的人脸识别系统的结构图;
图10为本申请一具体实施例中的人脸识别系统的流程图;
图11为本申请实施例中的电子设备的结构示意图。
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、完整的描述,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。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。
考虑到现有技术中由于单台服务器的资源有限,要支持海量数据下的人脸搜索,需要部署的服务器节点数就会非常多,这样容易造成资源浪费的问题,本申请提供一种人脸识别方法、装置及系统,通过利用人脸抓拍摄像机自身的支持人脸搜索的功能,组成多个人脸抓拍摄像机建立的分布式网络,利用分布式网络上众多的人脸抓拍摄像机实现各自的人脸搜索功能,特别是海量数据的情况下,可以极大的节省服务器资源,同时通过终端人脸识别和云端人脸识别组合的方式,应用不同的人脸识别算法,增强人脸识别的安全性、准确性,即只有终端和云端都识别出目标人脸,并且经过了不同的算法进行验证,才能最终确定目标的身份信息,由此能够有效节省服务器资源,提升人脸识别效率和准确率。
为了能够有效节省服务器资源,提升人脸识别效率和准确率,本申请提供一种人脸识别方法的实施例,执行主体可以为一台或多台人脸抓拍摄像机,参见图1,所述人脸识别方法具体包含有如下内容:
步骤S101:抓拍人脸图像并根据第一图像识别算法提取第一人脸特征,将所述人脸特征存储至本地特征队列。
可选的,本申请方法的执行主体可以为一台或多台人脸抓拍摄像机,其可以实现摄像头所捕获物体图像的获取,对图像的检测,只有检测出带人像的图像,才会触发后续的处理流程。
具体的,将人脸图像,根据相应的第一图像识别算法进行面部特征提取,得到第一人脸特征,并将第一人脸特征放入本地特征队列,以进行后续的人脸搜索。
可选的,所述本地特征队列用于存储人脸特征值,该队列里的特征值数据来源有两个部分:1、特征提取得到的第一人脸特征;2、来自人脸识别平台发送过来的特征值。
步骤S102:将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台,其中,所述本地目标特征库中存储有所述人脸识别平台发送的目标人脸特征值,以使所述人脸识别平台在所述特征匹配结果为通过时根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,并使所述人脸识别平台在所述特征匹配结果为不通过时将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
可选的,本申请人脸抓拍摄像机本地的人脸搜索的功能用于读取本地特征队列里的记录,并在人脸抓拍摄像机本地根据终端本地目标特征库实现人脸搜索(也即特征匹配)的功能,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台。
可选的,所述人脸识别平台采用新的第二图像识别算法在小数据范围内实现高精度的1比N人脸搜索,并返回最终人脸搜索的结果。
具体的,所述人脸识别平台从消息中心中读取人脸抓拍摄像机上传的匹配结果,如果数据标识为“搜索失败”,则流程结束;如果数据标识为“搜索成功”,则根据结果数据里的待确认目标人物信息(若干个),以及上送的初始目标人脸图像,在小范围内采用高精度人脸识别算法进行1比N人脸搜索。采用不同于所述人脸抓拍摄像机里的其他人脸识别算法对初始目标人脸图像进行特征值的提取,同时根据待确认目标人物信息,从所述云端人脸特征库里,获取对应算法的人脸特征值数据,并用该算法进行1比N的人脸搜索。搜索结果中相似度最高的即为最终的目标人物信息。最后将处理结果放入所述消息中心里。
可选的,所述人脸识别平台需要先完成人脸的注册,采用普通的摄像头获取用户自身的人脸图像并上传到人脸识别平台里。人脸识别平台根据预定的规则,将云端存量的人脸特征值下发到网络上的各个人脸抓拍摄像机里,每个人脸抓拍摄像机只存储部分人脸特征值数据。后续用户经过人脸抓拍摄像机的抓拍范围时,人脸抓拍摄像机进行人脸图像抓拍并提取人脸特征值,在摄像机内进行1比N的人脸搜索。如果当前人脸抓拍摄像机能搜索出符合阀值的目标人物,则将搜索结果和原始目标人物图像上送到人脸识别平台;否则将待搜索的人脸特征值上送到人脸识别平台,由人脸识别平台将待搜索人物的特征值下发到网络上其他的人脸抓拍摄像机,继续在网络上其他的人脸抓拍摄像机内进行1比N的人脸搜索。
从上述描述可知,本申请实施例提供的人脸识别方法,能够通过利用人脸抓拍摄像机自身的支持人脸搜索的功能,组成多个人脸抓拍摄像机建立的分布式网络,利用分布式网络上众多的人脸抓拍摄像机实现各自的人脸搜索功能,特别是海量数据的情况下,可以极大的节省服务器资源,同时通过终端人脸识别和云端人脸识别组合的方式,应用不同的人脸识别算法,增强人脸识别的安全性、准确性,即只有终端和云端都识别出目标人脸,并且经过了不同的算法进行验证,才能最终确定目标的身份信息,由此能够有效节省服务器资源,提升人脸识别效率和准确率。
为了能够确保人脸图像识别的可靠性,避免因人脸抓拍摄像机自身性能问题导致的数据丢失或识别延迟,在本申请的人脸识别方法的一实施例中,参见图2,在步骤S101之后还可以具体包含如下内容:
步骤S201:判断所述本地特征队列是否超出特征数量阈值或当前CPU使用率是否超出运行阈值。
步骤S202:若是,则终止特征匹配操作并将所述人脸图像和所述第一人脸特征发送至人脸识别平台。
为了能够有效节省服务器资源,提升人脸识别效率和准确率,本申请提供一种人脸识别方法的实施例,执行主体可以为部署在云端的人脸识别平台,参见图3,所述人脸识别方法具体包含有如下内容:
步骤S301:接收至少一台人脸抓拍摄像机发送的人脸图像、第一人脸特征及特征匹配结果,其中,所述第一人脸特征是所述人脸抓拍摄像机抓拍人脸图像后根据第一图像识别算法提取的,所述特征匹配结果是所述人脸抓拍摄像机将所述人脸特征存储至本地特征队列后将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配得到的,所述人脸抓拍摄像机的本地目标特征库中存储有人脸识别平台发送的目标人脸特征值。
步骤S302:判断所述特征匹配结果是否通过,若是,则根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,否则,将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
从上述描述可知,本申请实施例提供的人脸识别方法,能够通过利用人脸抓拍摄像机自身的支持人脸搜索的功能,组成多个人脸抓拍摄像机建立的分布式网络,利用分布式网络上众多的人脸抓拍摄像机实现各自的人脸搜索功能,特别是海量数据的情况下,可以极大的节省服务器资源,同时通过终端人脸识别和云端人脸识别组合的方式,应用不同的人脸识别算法,增强人脸识别的安全性、准确性,即只有终端和云端都识别出目标人脸,并且经过了不同的算法进行验证,才能最终确定目标的身份信息,由此能够有效节省服务器资源,提升人脸识别效率和准确率。
为了能够提高人脸图像识别的准确性,在本申请的人脸识别方法的一实施例中,参见图4,步骤S202还可以具体包含如下内容:
步骤S401:根据所述匹配结果中的待确认目标人物信息、与所述待确定目标人物信息对应的人脸图像以及第二图像识别算法对所述人脸图像进行特征提取,得到第二人脸特征。
步骤S402:判断所述第二人脸特征是否与本地目标特征库匹配,若匹配,则得到对应的人脸识别结果,否则,将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
为了能够有效节省服务器资源,提升人脸识别效率和准确率,本申请提供一种用于实现所述人脸识别方法的全部或部分内容的人脸识别装置的实施例,参见图5,所述人脸识别装置具体包含有如下内容:
人脸抓拍摄像机图像分析模块10,用于抓拍人脸图像并根据第一图像识别算法提取第一人脸特征,将所述人脸特征存储至本地特征队列。
人脸抓拍摄像机信息上送模块20,用于将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台,其中,所述本地目标特征库中存储有所述人脸识别平台发送的目标人脸特征值,以使所述人脸识别平台在所述特征匹配结果为通过时根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,并使所述人脸识别平台在所述特征匹配结果为不通过时将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
从上述描述可知,本申请实施例提供的人脸识别装置,能够通过利用人脸抓拍摄像机自身的支持人脸搜索的功能,组成多个人脸抓拍摄像机建立的分布式网络,利用分布式网络上众多的人脸抓拍摄像机实现各自的人脸搜索功能,特别是海量数据的情况下,可以极大的节省服务器资源,同时通过终端人脸识别和云端人脸识别组合的方式,应用不同的人脸识别算法,增强人脸识别的安全性、准确性,即只有终端和云端都识别出目标人脸,并且经过了不同的算法进行验证,才能最终确定目标的身份信息,由此能够有效节省服务器资源,提升人脸识别效率和准确率。
为了能够确保人脸图像识别的可靠性,避免因人脸抓拍摄像机自身性能问题导致的数据丢失或识别延迟,在本申请的人脸识别装置的一实施例中,参见图6,还具体包含有如下内容:
人脸抓拍摄像机性能监测单元51,用于判断所述本地特征队列是否超出特征数量阈值或当前CPU使用率是否超出运行阈值。
性能异常上送单元52,用于若所述本地特征队列超出特征数量阈值或当前CPU使用率超出运行阈值,则终止特征匹配操作并将所述人脸图像和所述第一人脸特征发送至人脸识别平台。
为了能够有效节省服务器资源,提升人脸识别效率和准确率,本申请提供一种用于实现所述人脸识别方法的全部或部分内容的人脸识别装置的实施例,参见图7,所述人脸识别装置具体包含有如下内容:
人脸识别平台图像分析模块30,用于接收至少一台人脸抓拍摄像机发送的人脸图像、第一人脸特征及特征匹配结果,其中,所述第一人脸特征是所述人脸抓拍摄像机抓拍人脸图像后根据第一图像识别算法提取的,所述特征匹配结果是所述人脸抓拍摄像机将所述人脸特征存储至本地特征队列后将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配得到的,所述人脸抓拍摄像机的本地目标特征库中存储有人脸识别平台发送的目标人脸特征值。
人脸识别平台信息处理模块40,用于判断所述特征匹配结果是否通过,若是,则根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,否则,将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
从上述描述可知,本申请实施例提供的人脸识别装置,能够通过利用人脸抓拍摄像机自身的支持人脸搜索的功能,组成多个人脸抓拍摄像机建立的分布式网络,利用分布式网络上众多的人脸抓拍摄像机实现各自的人脸搜索功能,特别是海量数据的情况下,可以极大的节省服务器资源,同时通过终端人脸识别和云端人脸识别组合的方式,应用不同的人脸识别算法,增强人脸识别的安全性、准确性,即只有终端和云端都识别出目标人脸,并且经过了不同的算法进行验证,才能最终确定目标的身份信息,由此能够有效节省服务器资源,提升人脸识别效率和准确率。
为了说明本方案,本申请还提供一种应用上述人脸识别装置实现人脸识别方法的人脸识别系统,参加图8,具体包含有如下内容:人脸抓拍摄像机和与所述人脸抓拍摄像机通信连接的人脸识别平台。
所述人脸抓拍摄像机包括:
人脸抓拍摄像机图像分析模块10,用于抓拍人脸图像并根据第一图像识别算法提取第一人脸特征,将所述人脸特征存储至本地特征队列。
人脸抓拍摄像机信息上送模块20,用于将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台,其中,所述本地目标特征库中存储有所述人脸识别平台发送的目标人脸特征值。
所述人脸识别平台包括:
人脸识别平台图像分析模块30,用于接收至少一台人脸抓拍摄像机发送的人脸图像、第一人脸特征及特征匹配结果。
人脸识别平台信息处理模块40,用于判断所述特征匹配结果是否通过,若是,则根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,否则,将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
从上述描述可知,本申请实施例提供的人脸识别系统,能够通过利用人脸抓拍摄像机自身的支持人脸搜索的功能,组成多个人脸抓拍摄像机建立的分布式网络,利用分布式网络上众多的人脸抓拍摄像机实现各自的人脸搜索功能,特别是海量数据的情况下,可以极大的节省服务器资源,同时通过终端人脸识别和云端人脸识别组合的方式,应用不同的人脸识别算法,增强人脸识别的安全性、准确性,即只有终端和云端都识别出目标人脸,并且经过了不同的算法进行验证,才能最终确定目标的身份信息,由此能够有效节省服务器资源,提升人脸识别效率和准确率。
为了更进一步说明本方案,本申请还提供一种应用上述人脸识别装置实现人脸识别方法的人脸识别系统的具体应用实例,参加图9,包括终端人脸识别和云端人脸识别。其中:终端人脸识别包括若干个人脸抓拍摄像机1及其提供的人脸搜索功能;云端人脸识别为人脸识别平台2及其提供的人脸搜索功能。
参见图10所示为人脸搜索的处理流程:
步骤S601:用户以自然的方式,经过人脸抓拍摄像机的拍摄范围。
步骤S602:人脸抓拍摄像机的图像获取模块进行图像的获取,得到目标图像,继续后续的处理流程。
步骤S603:人脸抓拍摄像机的人像检测模块对目标图像进行检测,判断出图像里包含有人像信息,继续后续的处理流程。
步骤S604:人脸抓拍摄像机的人脸抓拍模块对人像信息进行抓取,获得比较清晰的初始目标人物脸部图像。
步骤S605:人脸抓拍摄像机的特征提取模块对获得的初始目标人物脸部图像进行特征提取,得到人脸特征值。
步骤S606:将人脸特征值放入特征队列里。
步骤S607:人脸抓拍摄像机的人脸搜索模块,判断特征队列里是否有数据。如果有则从特征队列里按照先进先出的方式读取一条人脸特征值,在摄像机内的终端人脸特征库里根据对应的算法进行人脸搜索,并将结果上送到人脸识别平台。
上送的结果数据,根据标识的不同分为2类:
第1类:标识为“搜索成功”,即在人脸抓拍摄像机内能搜索出符合阀值的待确认目标人物信息。则将待确认目标人物信息和初始目标人脸图像上送到人脸识别平台。
第2类:标识为“搜索失败”,即在人脸抓拍摄像机内没有符合阀值的结果。则把当前人脸特征值和初始目标人脸图像上送到人脸识别平台(如果当前人脸特征值是来自其他人脸抓拍摄像头发送的,则无需上送初始目标人脸图像)
上述步骤循环执行直到特征队列里的数据处理完毕。
步骤S608:人脸抓拍摄像机上送的结果放入消息中心。
步骤S609:人脸识别平台的人脸搜索接口从消息中心订阅数据。
步骤S610:系统对读取的数据进行解析并判断。如果数据的标识为“搜索成功”,则继续进行后续的云端人脸搜索;否则跳转到步骤S612。
步骤S611:人脸识别平台的云端人脸搜索逻辑,从数据里读取初始目标人脸图像,用其他高精度的人脸识别算法提取人脸特征值。同时,根据数据里的待确认目标人物信息,从云端的人脸特征库里,查询对应的高精度算法的特征值。然后用高精度的算法,在小范围内进行1比N的人脸搜索。最后对结果进行排序,准确率最高的结果即为最终目标人物信息。整个人脸搜索流程结束。
步骤S612:如果数据的标识为“搜索失败”,说明当前摄像头内无法搜索到符合阀值的目标人物,则将待搜索的人脸特征值根据规则,下发到网络上其他的人脸抓拍摄像机进行人脸搜索。流程跳转到步骤S606。
由上述内容可知,本申请的人脸识别系统,利用人脸抓拍摄像机支持人脸搜索的功能,组成网络上众多的共享型人脸抓拍摄像机,建立网络上分布式的人脸识别系统,具有以下方面的效果与优点:
1、节省资源。利用网络上众多的人脸抓拍摄像机实现人脸搜索功能,特别是海量数据的情况下,可以极大的节省服务器资源。
2、安全性高。系统通过终端人脸识别和云端人脸识别组合的方式,应用不同的算法,增强人脸识别的安全性。只有终端和云端都识别出目标用户,并且经过不同的算法进行验证,才能最终确定用户的身份信息。
从硬件层面来说,为了能够有效节省服务器资源,提升人脸识别效率和准确率,本申请提供一种用于实现所述人脸识别方法中的全部或部分内容的电子设备的实施例,所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现人脸识别装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输;该逻辑控制器可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该逻辑控制器可以参照实施例中的人脸识别方法的实施例,以及人脸识别装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
可以理解的是,所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中,所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
在实际应用中,人脸识别方法的部分可以在如上述内容所述的电子设备侧执行,也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力,以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成,所述客户端设备还可以包括处理器。
上述的客户端设备可以具有通信模块(即通信单元),可以与远程的服务器进行通信连接,实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器,其他的实施场景中也可以包括中间平台的服务器,例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备,也可以包括多个服务器组成的服务器集群,或者分布式装置的服务器结构。
图11为本申请实施例的电子设备9600的系统构成的示意框图。如图11所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图11是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,人脸识别方法功能可以被集成到中央处理器9100中。其中,中央处理器9100可以被配置为进行如下控制:
步骤S101:抓拍人脸图像并根据第一图像识别算法提取第一人脸特征,将所述人脸特征存储至本地特征队列。
步骤S102:将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台,其中,所述本地目标特征库中存储有所述人脸识别平台发送的目标人脸特征值,以使所述人脸识别平台在所述特征匹配结果为通过时根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,并使所述人脸识别平台在所述特征匹配结果为不通过时将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
从上述描述可知,本申请实施例提供的电子设备,通过利用人脸抓拍摄像机自身的支持人脸搜索的功能,组成多个人脸抓拍摄像机建立的分布式网络,利用分布式网络上众多的人脸抓拍摄像机实现各自的人脸搜索功能,特别是海量数据的情况下,可以极大的节省服务器资源,同时通过终端人脸识别和云端人脸识别组合的方式,应用不同的人脸识别算法,增强人脸识别的安全性、准确性,即只有终端和云端都识别出目标人脸,并且经过了不同的算法进行验证,才能最终确定目标的身份信息,由此能够有效节省服务器资源,提升人脸识别效率和准确率。
在另一个实施方式中,人脸识别装置可以与中央处理器9100分开配置,例如可以将人脸识别装置配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现人脸识别方法功能。
如图11所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图11中所示的所有部件;此外,电子设备9600还可以包括图11中没有示出的部件,可以参考现有技术。
如图11所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的人脸识别方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的人脸识别方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤S101:抓拍人脸图像并根据第一图像识别算法提取第一人脸特征,将所述人脸特征存储至本地特征队列。
步骤S102:将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台,其中,所述本地目标特征库中存储有所述人脸识别平台发送的目标人脸特征值,以使所述人脸识别平台在所述特征匹配结果为通过时根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,并使所述人脸识别平台在所述特征匹配结果为不通过时将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
从上述描述可知,本申请实施例提供的计算机可读存储介质,通过利用人脸抓拍摄像机自身的支持人脸搜索的功能,组成多个人脸抓拍摄像机建立的分布式网络,利用分布式网络上众多的人脸抓拍摄像机实现各自的人脸搜索功能,特别是海量数据的情况下,可以极大的节省服务器资源,同时通过终端人脸识别和云端人脸识别组合的方式,应用不同的人脸识别算法,增强人脸识别的安全性、准确性,即只有终端和云端都识别出目标人脸,并且经过了不同的算法进行验证,才能最终确定目标的身份信息,由此能够有效节省服务器资源,提升人脸识别效率和准确率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,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发明的限制。
Claims (10)
1.一种人脸识别方法,其特征在于,所述方法包括:
抓拍人脸图像并根据第一图像识别算法提取第一人脸特征,将所述人脸特征存储至本地特征队列;
将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台,其中,所述本地目标特征库中存储有所述人脸识别平台发送的目标人脸特征值,以使所述人脸识别平台在所述特征匹配结果为通过时根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,并使所述人脸识别平台在所述特征匹配结果为不通过时将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
2.根据权利要求1所述的人脸识别方法,其特征在于,在所述将所述人脸特征存储至本地特征队列之后,还包括:
判断所述本地特征队列是否超出特征数量阈值或当前CPU使用率是否超出运行阈值;
若是,则终止特征匹配操作并将所述人脸图像和所述第一人脸特征发送至人脸识别平台。
3.一种人脸识别方法,其特征在于,所述方法包括:
接收至少一台人脸抓拍摄像机发送的人脸图像、第一人脸特征及特征匹配结果,其中,所述第一人脸特征是所述人脸抓拍摄像机抓拍人脸图像后根据第一图像识别算法提取的,所述特征匹配结果是所述人脸抓拍摄像机将所述人脸特征存储至本地特征队列后将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配得到的,所述人脸抓拍摄像机的本地目标特征库中存储有人脸识别平台发送的目标人脸特征值;
判断所述特征匹配结果是否通过,若是,则根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,否则,将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
4.根据权利要求3所述的人脸识别方法,其特征在于,所述根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,包括:
根据所述匹配结果中的待确认目标人物信息、与所述待确定目标人物信息对应的人脸图像以及第二图像识别算法对所述人脸图像进行特征提取,得到第二人脸特征;
判断所述第二人脸特征是否与本地目标特征库匹配,若匹配,则得到对应的人脸识别结果,否则,将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
5.一种人脸识别装置,其特征在于,包括:
人脸抓拍摄像机图像分析模块,用于抓拍人脸图像并根据第一图像识别算法提取第一人脸特征,将所述人脸特征存储至本地特征队列;
人脸抓拍摄像机信息上送模块,用于将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台,其中,所述本地目标特征库中存储有所述人脸识别平台发送的目标人脸特征值,以使所述人脸识别平台在所述特征匹配结果为通过时根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,并使所述人脸识别平台在所述特征匹配结果为不通过时将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
6.根据权利要求5所述的人脸识别装置,其特征在于,还包括:
人脸抓拍摄像机性能监测单元,用于判断所述本地特征队列是否超出特征数量阈值或当前CPU使用率是否超出运行阈值;
性能异常上送单元,用于若所述本地特征队列超出特征数量阈值或当前CPU使用率超出运行阈值,则终止特征匹配操作并将所述人脸图像和所述第一人脸特征发送至人脸识别平台。
7.一种人脸识别装置,其特征在于,包括:
人脸识别平台图像分析模块,用于接收至少一台人脸抓拍摄像机发送的人脸图像、第一人脸特征及特征匹配结果,其中,所述第一人脸特征是所述人脸抓拍摄像机抓拍人脸图像后根据第一图像识别算法提取的,所述特征匹配结果是所述人脸抓拍摄像机将所述人脸特征存储至本地特征队列后将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配得到的,所述人脸抓拍摄像机的本地目标特征库中存储有人脸识别平台发送的目标人脸特征值;
人脸识别平台信息处理模块,用于判断所述特征匹配结果是否通过,若是,则根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,否则,将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
8.一种人脸识别系统,其特征在于,包括:人脸抓拍摄像机和与所述人脸抓拍摄像机通信连接的人脸识别平台;
所述人脸抓拍摄像机包括:
人脸抓拍摄像机图像分析模块,用于抓拍人脸图像并根据第一图像识别算法提取第一人脸特征,将所述人脸特征存储至本地特征队列;
人脸抓拍摄像机信息上送模块,用于将所述本地特征队列中的人脸特征与本地目标特征库进行特征匹配,并将所述特征匹配结果、所述人脸图像及所述第一人脸特征发送至人脸识别平台,其中,所述本地目标特征库中存储有所述人脸识别平台发送的目标人脸特征值;
所述人脸识别平台包括:
人脸识别平台图像分析模块,用于接收至少一台人脸抓拍摄像机发送的人脸图像、第一人脸特征及特征匹配结果;
人脸识别平台信息处理模块,用于判断所述特征匹配结果是否通过,若是,则根据第二图像识别算法提取与所述人脸图像对应的第二人脸特征,并将所述第二人脸特征与本地目标特征库进行特征匹配,得到人脸识别结果,否则,将所述第一人脸特征发送至对应的人脸抓拍摄像机的本地特征队列中。
9.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现权利要求1至4任一项所述的人脸识别方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至4任一项所述的人脸识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110578786.5A CN113159000A (zh) | 2021-05-26 | 2021-05-26 | 人脸识别方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110578786.5A CN113159000A (zh) | 2021-05-26 | 2021-05-26 | 人脸识别方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113159000A true CN113159000A (zh) | 2021-07-23 |
Family
ID=76877597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110578786.5A Pending CN113159000A (zh) | 2021-05-26 | 2021-05-26 | 人脸识别方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113159000A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113129492A (zh) * | 2021-04-16 | 2021-07-16 | 腾讯科技(深圳)有限公司 | 一种智能门禁控制方法和系统 |
CN113918131A (zh) * | 2021-12-09 | 2022-01-11 | 成都泰盟软件有限公司 | 一种人脸识别方法及系统 |
-
2021
- 2021-05-26 CN CN202110578786.5A patent/CN113159000A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113129492A (zh) * | 2021-04-16 | 2021-07-16 | 腾讯科技(深圳)有限公司 | 一种智能门禁控制方法和系统 |
CN113918131A (zh) * | 2021-12-09 | 2022-01-11 | 成都泰盟软件有限公司 | 一种人脸识别方法及系统 |
CN113918131B (zh) * | 2021-12-09 | 2022-07-19 | 成都泰盟软件有限公司 | 一种人脸识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103729902B (zh) | 考勤签到方法、考勤登记方法、考勤终端和考勤服务器 | |
US8463025B2 (en) | Distributed artificial intelligence services on a cell phone | |
CN107292808B (zh) | 图像处理方法、装置及图像协处理器 | |
CN107622117B (zh) | 图像处理方法和装置、计算机设备、计算机可读存储介质 | |
CN113159000A (zh) | 人脸识别方法、装置及系统 | |
CN107729889B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
US10824901B2 (en) | Image processing of face sets utilizing an image recognition method | |
WO2020048392A1 (zh) | 应用程序的病毒检测方法、装置、计算机设备及存储介质 | |
CN112188461B (zh) | 近场通信装置的控制方法及装置、介质和电子设备 | |
CN112464198A (zh) | 一种身份识别预处理、身份识别方法及系统 | |
US11503110B2 (en) | Method for presenting schedule reminder information, terminal device, and cloud server | |
CN111356117A (zh) | 一种语音交互的方法及蓝牙设备 | |
CN112615807A (zh) | 提高呼叫质量的电子装置及其操作方法 | |
CN112530205A (zh) | 机场停机坪飞机状态检测方法及装置 | |
CN110765842B (zh) | 一种身份识别预处理、身份识别方法及设备 | |
AU2018432003B2 (en) | Video processing method and device, and terminal and storage medium | |
CN111126159A (zh) | 用于实时跟踪行人的方法、装置、电子设备和介质 | |
CN113065879A (zh) | 一种数据流质检方法及系统 | |
US11800453B2 (en) | Electronic device for reducing power consumption in network on basis of Wi-Fi direct protocol, and method related thereto | |
CN111783677A (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN109766347B (zh) | 一种数据更新方法、装置、系统、计算机设备及存储介质 | |
CN114173158B (zh) | 人脸识别方法、云端设备、客户端设备、电子设备及介质 | |
CN115984977A (zh) | 活体检测方法和系统 | |
CN110765819A (zh) | 一种照片分类的方法,设备及计算机可读介质和系统 | |
CN115205009A (zh) | 基于虚拟技术的开户业务处理方法及装置 |
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 |