CN113378738A - 比对方法及装置、设备和存储介质 - Google Patents
比对方法及装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113378738A CN113378738A CN202110680691.4A CN202110680691A CN113378738A CN 113378738 A CN113378738 A CN 113378738A CN 202110680691 A CN202110680691 A CN 202110680691A CN 113378738 A CN113378738 A CN 113378738A
- Authority
- CN
- China
- Prior art keywords
- face
- compared
- image
- comparison
- images
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000012545 processing Methods 0.000 claims description 29
- 238000001914 filtration Methods 0.000 claims description 28
- 238000012216 screening Methods 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010191 image analysis Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种比对方法及装置、设备和存储介质,其中,所述方法包括:接收人脸比对请求;其中,所述比对请求中携带有待比对图像;将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;将所述第二比中结果作为最终的比中结果进行输出。
Description
技术领域
本申请实施例涉及计算机技术,涉及但不限于一种比对方法及装置、设备和存储介质。
背景技术
随着信息技术和计算机技术的发展,人脸识别已成为现今的热门研究方向,广泛应用于门禁、拍照等场景中。人脸比对为人脸识别的一个分支领域,其主要思想是将获取到的用户图像与已注册的底图进行对比,如果用户图像与底图较为相似,则将该底图作为比对的结果。
但是,用户图像对应的抓拍设备的厂商不同,配置不同,架设情况不同,不可避免的会导致用户图像的人像质量参差不齐。并且,由于底图的获取场景也非常多,来源多种多样。因此,现在技术中常存在比对准确率不高的问题。
发明内容
有鉴于此,本申请实施例提供一种比对方法及装置、设备和存储介质。
本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种比对方法,所述方法包括:接收人脸比对请求;其中,所述比对请求中携带有待比对图像;将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;将所述第二比中结果作为最终的比中结果进行输出。
通过上述方式,能够在比中后过滤掉低质量的比中特征,以缩小比中结果的范围,提升比对准确率。
在一些实施例中,所述接收人脸比对请求之后,所述方法还包括:对所述待比对图像进行处理,得到所述待比对图像的人脸质量得分、所述待比对图像的人脸角度信息和所述待比对图像的尺寸类信息;根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件。
通过上述方式,能够在比对前从多种维度上过滤掉低质量的待比对图像,提升比对准确率和比对效率。
在一些实施例中,所述对所述待比对图像进行处理,得到所述待比对图像的人脸质量得分,包括:对所述待比对图像进行人脸检测,确定所述待比对图像中是否存在人脸;在所述待比对图像中存在人脸的情况下,确定所述人脸的清晰度和重影程度;根据所述待比对图像中是否存在人脸,以及存在人脸时所述人脸的清晰度和重影程度,确定所述待比对图像的人脸质量得分,以过滤掉未满足人脸比对条件的待比对图像。
通过上述方式,能够过滤掉模糊、重影和非人脸情况的低质量人像。
在一些实施例中,所述根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件,包括:在所述人脸质量得分小于预设人脸质量阈值的情况下,确定所述待比对图像未满足人脸比对的条件;对未满足人脸比对条件的所述待比对图像进行过滤。
通过上述方式,能够利用人脸质量得分对待比对图像进行筛选,筛选出高质量的人像用于后续的比对。
在一些实施例中,所述对所述待比对图像进行处理,得到所述待比对图像的人脸角度信息,包括:对所述待比对图像进行人脸识别,确定所述待比对图像中的人脸角度信息,以过滤掉未满足人脸比对条件的待比对图像;其中,所述人脸角度信息包括以下至少之一:人脸的俯仰角、人脸的翻转角、人脸的偏航角。
通过上述方式,能够利用比对人脸的各种角度信息,过滤掉过度侧脸的人像。
在一些实施例中,所述人脸的俯仰角为人脸绕第一坐标轴进行转动的角度,所述人脸的翻转角为人脸绕第二坐标轴进行转动的角度,所述人脸的偏航角为人脸绕第三坐标轴进行转动的角度;其中,所述第一坐标轴为人脸正视图像采集装置时指向人脸正左方的坐标轴,所述第二坐标轴为人脸正视图像采集装置时指向人脸正前方的坐标轴,所述第三坐标轴为人脸正视图像采集装置时指向人脸正上方的坐标轴。
通过上述方式,能够利用人脸的俯仰角、翻转角和偏航角等多种角度信息对待比对图像进行筛选。
在一些实施例中,所述根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件,包括:在所述人脸角度信息中的任一角度值不在预设角度范围内的情况下,确定所述待比对图像未满足人脸比对的条件;对未满足人脸比对条件的所述待比对图像进行过滤。
通过上述方式,能够在人脸的任一角度值超出预设角度范围的情况下,过滤掉过度侧脸的人像。
在一些实施例中,所述对所述待比对图像进行处理,得到所述待比对图像的尺寸类信息,包括:对所述待比对图像进行图像分析,确定所述待比对图像的图像尺寸;将所述图像尺寸,确定为所述待比对图像的尺寸类信息,以过滤掉未满足人脸比对条件的待比对图像;对应地,所述根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件,包括:在所述图像尺寸小于预设图像尺寸的情况下,确定所述待比对图像未满足人脸比对的条件;对未满足人脸比对条件的所述待比对图像进行过滤。
通过上述方式,能够通过比对图片尺寸,过滤掉过小人像。
在一些实施例中,所述对所述待比对图像进行处理,得到所述待比对图像的尺寸类信息,还包括:在所述图像尺寸大于等于所述预设图像尺寸的情况下,对所述待比对图像进行人脸检测,确定所述待比对图像中的人脸尺寸;将所述人脸尺寸,确定为所述待比对图像的尺寸类信息,以过滤掉未满足人脸比对条件的待比对图像;对应地,所述根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件,包括:在所述人脸尺寸小于预设人脸尺寸的情况下,确定所述待比对图像未满足人脸比对的条件;对未满足人脸比对条件的所述待比对图像进行过滤。
通过上述方式,能够通过比对人脸图像中人脸的尺寸,过滤掉过小人像。
在一些实施例中,所述比对请求中携带有目标人脸的属性信息,对应地,所述将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果,包括:在所述人脸图像库中,确定出符合所述目标人脸的属性信息的人脸图像集合;将所述人脸图像集合中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果。
通过上述方式,能够基于指定的比对范围,触发比对系统做精准比对,从而缩小了比中结果范围,让目标结果更精准,同时也提升了比对效率。
在一些实施例中,所述接收人脸比对请求之前,所述方法还包括:对所述人脸图像库中的每一人脸图像进行处理,得到所述每一人脸图像的质量得分和特征;针对所述每一人脸图像,将所述人脸图像的质量得分作为标签附加在所述人脸图像的特征上,得到所述人脸图像的附加特征。
通过上述方式,能够利用底库特征打标进行特征标签过滤,将特征的质量得分作为附加信息打在所述特征上,从而在比中后过滤低质量的特征。
在一些实施例中,所述确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果,包括:基于所述附加特征,确定所述第一比中结果中每一比中的特征的质量得分;将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果。
通过上述方式,能够在比中后根据特征的质量得分过滤掉低质量的特征,提升比对的准确率。
第二方面,本申请实施例提供一种比对装置,所述装置包括:接收单元,用于接收人脸比对请求;其中,所述比对请求中携带有待比对图像;比对单元,用于将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;选择单元,用于确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;输出单元,用于将所述第二比中结果作为最终的比中结果进行输出。
第三方面,本申请实施例提供一种电子设备,包括存储器和处理器,所述存储器存储有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上述方法中的步骤。
第四方面,本申请实施例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上述方法中的步骤。
本申请实施例提供一种比对方法及装置、设备和存储介质,通过接收人脸比对请求;其中,所述比对请求中携带有待比对图像;将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;将所述第二比中结果作为最终的比中结果进行输出,如此,能够在比中后过滤掉低质量的比中特征,以缩小比中结果的范围,提升比对准确率。
附图说明
图1为本申请实施例比对方法的实现流程示意图一;
图2A为本申请实施例比对方法的实现流程示意图二;
图2B为本申请实施例人脸的俯仰角的转动方式的示意图;
图2C为本申请实施例人脸的翻转角的转动方式的示意图;
图2D为本申请实施例人脸的偏航角的转动方式的示意图;
图2E为本申请实施例人脸角度的转动方式的示意图;
图3为本申请实施例比对方法的实现流程示意图三;
图4为本申请实施例比对方法的实现流程示意图四;
图5为本申请实施例比对装置的组成结构示意图;
图6为本申请实施例电子设备的一种硬件实体示意图。
具体实施方式
下面结合附图和实施例对本申请的技术方案进一步详细阐述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请的实施例,本领域普通技术人员在没有做出创造性劳动的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。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
需要指出,本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
基于此,本申请实施例提供一种比对方法,所述方法应用于电子设备,该方法所实现的功能可以通过所述电子设备的处理器调用程序代码来实现,当然程序代码可以保存在所述电子设备的存储介质中。图1为本申请实施例比对方法的实现流程示意图一,如图1所示,所述方法包括:
步骤S101、接收人脸比对请求;其中,所述比对请求中携带有待比对图像;
这里,所述电子设备可以为各种类型的具有信息处理能力的设备,例如导航仪、智能手机、平板电脑、可穿戴设备、膝上型便携计算机、一体机和台式计算机、服务器集群等。
本申请实施例中,所述人脸比对请求可以是用户向人脸比对系统(即电子设备)发出的人脸比对请求。其中,用户可以将获取的视频分割成一帧帧的图像,发送给人脸比对系统;当然,也可以直接将获取的视频发送给所述人脸比对系统,所述人脸比对系统再将所述视频分割成一帧帧的待比对图像用于后续的比对中。
在一些实施例中,可以设置为一次比对请求中只携带有一张待比对图像。并且,所述待比对图像可以为人脸图(即图片中包括人脸),也可以为场景图(即图片中未存在人脸)。本申请实施例中,可以先对所述待比对图像进行人脸识别,识别出是否具有人脸,如果图像中不存在人脸则不进行后续的比对,如果图像中存在很多的人脸,则对所有的人脸进行检测,并且确定出每一人脸的尺寸,将尺寸大于预设尺寸的人脸提取出来,作为待比对图像进行后续的比对。当然,也可以将识别出的最大的人脸去进行比对。在一张待比对图像中存在多个人脸的情况下,选择哪些或者哪个人脸进行后续的比对,本申请实施例对此并不做限定。
步骤S102、将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;
这里,所述人脸图像库可以为预先存在于所述人脸比对系统中的库,并且所述人脸图像库中的图像也可以处于不断更新的状态。同时,所述人脸图像库可以为一个整体的图像库,也可以为包含若干个子库的图像库。也就是说,可以将获取到的样本图像都存在一个整体的图像库中,也可以对获取的样本图像进行分类,将具有相同属性信息的样本图像存在于一个库中。例如,将年龄为18到40岁的男性的样本图像存在第一子库中,将年龄为40到70岁的男性的样本图像存在第二子库中,将年龄为18到40岁的女性的样本图像存在于第三子库中,将年龄为40到70岁的女性的样本图像存在与第四字库中,所述第一子库、所述第二子库、所述第三子库和所述第四子库构成人脸图像库。
本申请实施例中,可以将待比对图像的特征与人脸图像库中的每一人脸图像的特征进行比对,得到第一比中结果。其中,所述第一比中结果可以包含若干张与所述待比对图像中的人脸相似的人脸图像的特征。当然,在接收比对请求前,还需要对所述人脸图像库中的每一人脸图像进行特征提取,得到对应的特征库;以及,在接收到比对请求后,还需要对所述待比对图像进行特征提取,得到所述待比对图像的特征,然后再将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对。
步骤S103、确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;
这里,人脸图像库中每一人脸图像的特征都携带有质量得分的属性信息,在确定出第一比中结果后,可以根据所述质量得分的属性信息和预设的质量阈值,对所述第一比中结果进行过滤,过滤出低质量的比中特征,将所述高质量的比中特征作为最终的比中结果进行输出。如此,能够在比中后过滤掉低质量的比中特征,以缩小比中结果的范围,提升比对准确率。
步骤S104、将所述第二比中结果作为最终的比中结果进行输出。
在一些实施例中,所述比对请求中携带有目标人脸的属性信息,对应地,所述步骤S102、将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果,包括:
步骤S1021、在所述人脸图像库中,确定出符合所述目标人脸的属性信息的人脸图像集合;
步骤S1022、将所述人脸图像集合中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果。
基于前述的实施例,本申请实施例再提供一种比对方法,所述方法应用于电子设备,图2A为本申请实施例比对方法的实现流程示意图二,如图2A所示,所述方法包括:
步骤S201、接收人脸比对请求;其中,所述比对请求中携带有待比对图像;
步骤S202、对所述待比对图像进行处理,得到所述待比对图像的人脸质量得分、所述待比对图像的人脸角度信息和所述待比对图像的尺寸类信息;
步骤S203、根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件;
本申请实施例中,所述人脸质量得分,包括对人脸的清晰程度、重影程度,以及图像中是否存在人脸等进行的打分,从而可以过滤掉模糊、重影、非人脸情况的低质量人像。所述人脸角度信息,包括对人脸的俯仰角、偏航角、翻转角等人脸的各种角度进行的检测,从而过滤掉过度侧脸的人像。所述尺寸类信息,包括对待比对图像的尺寸、所述待比对图像中人脸的尺寸进行的检测,从而过滤掉小人像(因为人脸尺寸过小的话也会影响比对准确率),如此,能够在比对前从多种维度上过滤掉低质量的待比对图像,提升比对准确率和比对效率。
步骤S204、在所述待比对图像满足人脸比对条件的情况下,将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;
步骤S205、确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;
步骤S206、将所述第二比中结果作为最终的比中结果进行输出。
在一些实施例中,所述方法还包括:在所述待比对图像无法用于人脸比对的情况下,发出提示信息,提示用户所述待比对图像为低质量图像无法进行比对。
基于前述的实施例,本申请实施例再提供一种比对方法,所述方法应用于电子设备,所述方法包括:
步骤S211、接收人脸比对请求;其中,所述比对请求中携带有待比对图像;
步骤S212、对所述待比对图像进行人脸检测,确定所述待比对图像中是否存在人脸;
本申请实施例中,比对系统在获取到待比对图像后,可以先对所述待比对图像进行人脸检测,如果检测结果是图像中不存在人脸,只是场景图片,则可以直接提示用户所述待比对图像为非人脸图像,无法用于比对。
步骤S213、在所述待比对图像中存在人脸的情况下,确定所述人脸的清晰度和重影程度;
这里,所述人脸的清晰度包括人脸五官的清晰程度,如果人脸的清晰度很低,例如模糊到无法分辨出人脸的五官,则可以认为所述待比对图像为低质量的人脸图像无法进行人脸比对。同样,如果图像中人脸存在很严重的重影,则也可以认为所述待比对图像为低质量的人脸图像无法进行人脸比对。
步骤S214、根据所述待比对图像中是否存在人脸,以及存在人脸时所述人脸的清晰度和重影程度,确定所述待比对图像的人脸质量得分,以过滤掉未满足人脸比对条件的待比对图像;
本申请实施例中,如果获取到待比对图像,可以先对所述待比对图像进行人脸检测,检测所述待比对图像中是否存在人脸,如果不存在人脸,直接过滤掉所述待比对图像,如果存在人脸,再确定人脸的清晰度和重影程度,然后再根据人脸的清晰度和重影程度判断所述待比对图像是否为高质量的人脸图像。当然,还可以是:对所述待比对图像进行人脸检测后根据检测结果中是否存在人脸对所述待比对图像进行打分,如果存在人脸则继续确定所述人脸的清晰度和重影程度,然后再根据清晰度和重影程度进行打分,最后将得分进行累加,根据累加得分来判断所述待比对图像是否满足人脸比对条件。举例来说,对所述待比对图像进行人脸检测后确定不存在人脸,则对所述待比对图像进行打分,分值为0分,而预设人脸质量阈值为80分,则过滤掉所述待比对图像。又如,对所述待比对图像进行人脸检测后确定存在人脸,则对所述待比对图像进行打分,分值为20分,再根据人脸的清晰度和重影程度对所述待比对图像进行打分,分值为75分,则累加得分为95分大于人脸质量阈值的分值,则确定所述待比对图像为高质量图像满足人脸比对条件可以进行后续的比对。又如,对所述待比对图像进行人脸检测后确定存在人脸,则对所述待比对图像进行打分,分值为20分,再根据人脸的清晰度和重影程度对所述待比对图像进行打分,分值为30分,则累加得分为50分小于人脸质量阈值的分值,则确定所述待比对图像不满足人脸不对条件无法用于后续的比对。如此,通过上述方式,能够过滤掉模糊、重影和非人脸情况的低质量人像。
步骤S215、在所述人脸质量得分小于预设人脸质量阈值的情况下,确定所述待比对图像未满足人脸比对的条件;
步骤S216、对未满足人脸比对条件的所述待比对图像进行过滤;
这里,能够利用人脸质量得分对待比对图像进行筛选,筛选出高质量的人像用于后续的比对。
步骤S217、在所述待比对图像满足人脸比对条件的情况下,将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;
步骤S218、确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;
步骤S219、将所述第二比中结果作为最终的比中结果进行输出。
在一些实施例中,所述方法还包括:
步骤S21、对所述人脸图像库中的每一人脸图像进行处理,得到所述每一人脸图像的质量得分和特征;
步骤S22、针对所述每一人脸图像,将所述人脸图像的质量得分作为标签附加在所述人脸图像的特征上,得到所述人脸图像的附加特征。
基于前述的实施例,本申请实施例再提供一种比对方法,所述方法应用于电子设备,所述方法包括:
步骤S221、接收人脸比对请求;其中,所述比对请求中携带有待比对图像;
步骤S222、对所述待比对图像进行人脸识别,确定所述待比对图像中的人脸角度信息,以过滤掉未满足人脸比对条件的待比对图像;其中,所述人脸角度信息包括以下至少之一:人脸的俯仰角、人脸的翻转角、人脸的偏航角;
这里,可以通过比对人脸的各种角度信息,过滤掉过度侧脸的人像。举例来说,如果一张图片里,人脸的俯仰角过大(如人脸抬头的角度非常大,基本看不见眼睛),则可以认为所述待比对图像中的人脸为过度侧脸的人像,则可以直接提示用户所述待比对图像中的人脸转向较大人脸显示不全,无法用于比对。
在一些实施例中,所述人脸的俯仰角为人脸绕第一坐标轴进行转动的角度,所述人脸的翻转角为人脸绕第二坐标轴进行转动的角度,所述人脸的偏航角为人脸绕第三坐标轴进行转动的角度;
其中,所述第一坐标轴为人脸正视图像采集装置时指向人脸正左方的坐标轴,所述第二坐标轴为人脸正视图像采集装置时指向人脸正前方的坐标轴,所述第三坐标轴为人脸正视图像采集装置时指向人脸正上方的坐标轴。
图2B为本申请实施例人脸的俯仰角的转动方式的示意图,如图2B所示,图片21为人脸正视图像采集装置时拍摄的人脸图像,即图片21中的人脸是未经过任何角度转动的标准人脸图像。图片22为向上转动的人脸图像,图片23为向下转动的人脸图像,图片22和图片23中人脸的角度相对于图片21中人脸的转动角度即为俯仰角。也就是说,可以将图片21中指向人脸正左方的坐标轴作为X轴,人脸绕所述X轴进行转动的角度,就是俯仰角。
图2C为本申请实施例人脸的翻转角的转动方式的示意图,如图2C所示,图片21为人脸正视图像采集装置时拍摄的人脸图像,即图片21中的人脸是未经过任何角度转动的标准人脸图像。图片24为向左翻转的人脸图像,图片25为向右翻转的人脸图像,图片24和图片25中人脸的角度相对于图片21中人脸的转动角度即为翻转角。也就是说,可以将图片21中指向人脸正前方的坐标轴作为Y轴,人脸绕所述Y轴进行转动的角度,就是翻转角。
图2D为本申请实施例人脸的偏航角的转动方式的示意图,如图2D所示,图片21为人脸正视图像采集装置时拍摄的人脸图像,即图片21中的人脸是未经过任何角度转动的标准人脸图像。图片26为向右转动的人脸图像,图片27为向左转动的人脸图像,图片26和图片27中人脸的角度相对于图片21中人脸的转动角度即为偏航角。也就是说,可以将图片21中指向人脸正上方的坐标轴作为Z轴,人脸绕所述Z轴进行转动的角度,就是偏航角。
图2E为本申请实施例人脸角度的转动方式的示意图,如图2E所示,图2B中的所述X轴、图2C中的所述Y轴和图2D中的所述Z轴为一个空间直角坐标系中的坐标轴,人脸绕所述X轴转动形成俯仰角,绕所述Y轴转动形成翻转角度,绕所述Z轴转动形成偏航角。
步骤S223、在所述人脸角度信息中的任一角度值不在预设角度范围内的情况下,确定所述待比对图像未满足人脸比对的条件;
步骤S224、对未满足人脸比对条件的所述待比对图像进行过滤;
本申请实施例中,只要人脸角度信息中的任一角度值不在预设角度范围内,就认为所述待比对图像未满足人脸比对的条件,无法用于人脸比对。例如,某张待比对图像中人脸的俯仰角超过预设角度范围,则认为这样图片未满足人脸比对的条件,无法用于人脸比对。又如,某张待比对图像中人脸的俯仰角在预设角度范围内,但是偏航角超过预设角度范围,则仍然认为这样图片未满足人脸比对的条件,无法用于人脸比对。如此,能够在人脸的任一角度值超出预设角度范围的情况下,过滤掉过度侧脸的人像。
步骤S225、在所述待比对图像满足人脸比对条件的情况下,将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;
步骤S226、确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;
步骤S227、将所述第二比中结果作为最终的比中结果进行输出。
在一些实施例中,所述步骤S226、确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果,包括:
步骤S2261、基于所述人脸图像库中的每一人脸图像的附加特征,确定所述第一比中结果中每一比中的特征的质量得分;
步骤S2262、将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果。
基于前述的实施例,本申请实施例再提供一种比对方法,所述方法应用于电子设备,所述方法包括:
步骤S231、接收人脸比对请求;其中,所述比对请求中携带有待比对图像;
步骤S232、对所述待比对图像进行图像分析,确定所述待比对图像的图像尺寸;
本申请实施例中,当获取到待比对图像后,可以首先对所述待比对图像进行尺寸检测,如果所述待比对图像的尺寸就非常小(进而可以认为图像中的人脸尺寸也非常小),则可以直接提示用户所述待比对图像的尺寸过于小,无法用于比对。如此,能够通过比对图片尺寸,过滤掉过小人像。
步骤S233、将所述图像尺寸,确定为所述待比对图像的尺寸类信息,以过滤掉未满足人脸比对条件的待比对图像;
步骤S234、在所述图像尺寸小于预设图像尺寸的情况下,确定所述待比对图像未满足人脸比对的条件;
步骤S235、对未满足人脸比对条件的所述待比对图像进行过滤;
步骤S236、在所述图像尺寸大于等于所述预设图像尺寸的情况下,对所述待比对图像进行人脸检测,确定所述待比对图像中的人脸尺寸;
这里,如果所述待比对图像的尺寸符合要求,则继续检测所述待比对图像中人脸的尺寸,如果人脸的尺寸过小,也可以直接提示用户所述待比对图像中人脸的尺寸过于小,无法用于比对。如此,能够通过比对人脸的尺寸,过滤掉过小人像。
步骤S237、将所述人脸尺寸,确定为所述待比对图像的尺寸类信息,以过滤掉未满足人脸比对条件的待比对图像;
步骤S238、在所述人脸尺寸小于预设人脸尺寸的情况下,确定所述待比对图像未满足人脸比对的条件;
步骤S239、对未满足人脸比对条件的所述待比对图像进行过滤;
步骤S240、在所述待比对图像满足人脸比对条件的情况下,将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;
步骤S241、确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;
步骤S242、将所述第二比中结果作为最终的比中结果进行输出。
在一些实施例中,所述方法还包括:在所述待比对图像无法用于人脸比对的情况下,发出提示信息,提示用户所述待比对图像为低质量图像无法进行比对。如此,能够在待比对图像为低质量图像的情况下,提示用户图像质量太低无法用于后续比对,从而提升比对准确率和比对效率。
基于前述的实施例,本申请实施例再提供一种比对方法,所述方法应用于电子设备,图3为本申请实施例比对方法的实现流程示意图三,如图3所示,所述方法包括:
步骤S301、接收人脸比对请求;其中,所述比对请求中携带有待比对图像和目标人脸的属性信息;
在一些实施例中,所述属性信息包括以下至少之一:人脸对应的性别、人脸对应的年龄、人脸对应的归属。
这里,携带有所述目标人脸的属性信息,可以理解为通过所述属性信息指定比对的范围。举例来说,比对系统接收到用户的比对请求后,发现比对请求中指定了比对范围,例如指定了目标人脸的属性信息为20岁左右的男性,则后续的比对范围就是20岁左右的男性。
步骤S302、对所述待比对图像进行处理,得到所述待比对图像的人脸质量得分、所述待比对图像的人脸角度信息和所述待比对图像的尺寸类信息;
步骤S303、根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件;
步骤S304、在所述人脸图像库中,确定出符合所述目标人脸的属性信息的人脸图像集合;
举例来说,比对系统接收到用户的比对请求后,发现比对请求中指定了比对范围,例如指定了目标人脸的属性信息为20岁左右的男性。如果此时比对系统中某一子库的标签为年龄20到40岁的男性,则可以直接确定所述子库为符合所述目标人脸的属性信息的人脸图像集合。当然,如果图像库为一个整体的库,则可以根据每一图像的标签的属性信息(所述属性信息包含年龄、性别),与所述目标人脸的属性信息进行匹配,确定出符合所述目标人脸的属性信息的人脸图像集合。通过上述方式,能够基于指定的比对范围,触发比对系统做精准比对,从而缩小了比中结果范围,让目标结果更精准,同时也提升了比对效率。
步骤S305、将所述人脸图像集合中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;
步骤S306、确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;
步骤S307、将所述第二比中结果作为最终的比中结果进行输出。
基于前述的实施例,本申请实施例再提供一种比对方法,所述方法应用于电子设备,所述方法包括:
步骤S311、对所述人脸图像库中的每一人脸图像进行处理,得到所述每一人脸图像的质量得分和特征;
步骤S312、针对所述每一人脸图像,将所述人脸图像的质量得分作为标签附加在所述人脸图像的特征上,得到所述人脸图像的附加特征;
这里,能够利用底库特征打标进行特征标签过滤,将特征的质量得分作为附加信息打在所述特征上,从而在比中后过滤低质量的特征。
步骤S313、接收人脸比对请求;其中,所述比对请求中携带有待比对图像和目标人脸的属性信息;
步骤S314、对所述待比对图像进行处理,得到所述待比对图像的人脸质量得分、所述待比对图像的人脸角度信息和所述待比对图像的尺寸类信息;
步骤S315、根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件;
步骤S316、在所述人脸图像库中,确定出符合所述目标人脸的属性信息的人脸图像集合;
步骤S317、在所述待比对图像满足人脸比对条件的情况下,将所述人脸图像集合中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;
步骤S318、基于所述附加特征,确定所述第一比中结果中每一比中的特征的质量得分;
本申请实施例中,可以对人脸图像库进行特征提取,得到所述人脸图像库对应的特征库,然后在特征上打标(即将特征的质量得分打标签在所述特征上),形成附加特征,从而在比中后根据特征的质量得分过滤掉低质量的特征,提升比对的准确率。
步骤S319、将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;
步骤S320、将所述第二比中结果作为最终的比中结果进行输出。
目前,现有的比对系统通过将抓拍图和已注册人员特征库进行比对,来对已注册人员进行确认。在很多比对系统中由于前端抓拍设备的厂商不同,配置不同,架设情况不同,不可避免的会导致抓拍图的人像质量参差不齐。同时,所述比对系统的特征库中图片的来源方式多种多样,并且对所述特征库中的图片进行特征提取的方法也有很多种,因此,所述特征库中也存在常见的各种低质量的特征,这些都会影响比对的准确率。
基于此,本申请实施例再提供一种比对方法,通过检测抓拍人像,可以过滤掉低质量的抓拍图;通过设置精准比对范围,可以在比对前对所述特征库进行过滤,以缩小比中结果范围,同时还可以提高比对效率;通过过滤比中特征的质量得分,可以过滤掉低质量的特征,以缩小比中结果的范围,提升比对准确率。例如,可以通过在特征库中的特征上打标签,并在底图入库时将所述标签作为特征的附加属性信息入库的方式,实现在比对前对所述特征库进行过滤以及在比中后过滤掉低质量的特征。
图4为本申请实施例比对方法的实现流程示意图四,如图4所示,所述方法可以通过以下步骤实现:
步骤S401、将获取的属性信息作为特征库中特征的附加信息加入到特征库中;
这里,可以通过打标签的方式,实现将获取的属性信息作为特征的附加信息加入到特征库中。即,可以将获取的每一特征的属性信息作为标签的形式,附加在所述特征上,并进行入库。并且,所述特征库包含多个人脸的特征信息。
本申请实施例中,所述属性信息可以包括人脸的属性信息以及特征的质量得分;其中,所述人脸的属性信息可以包括人脸对应的性别、人脸对应的年龄和人脸对应的归属等。所述特征的质量得分,可以为所述特征对应的图像的质量得分,也可以为所述特征本身的质量得分。
步骤S402、配置人脸检测的阈值和特征库中特征过滤的阈值;
这里,配置人脸检测的阈值的作用,是控制人脸质量分、人脸仰俯角、翻转角、偏航角、图像尺寸、人像尺寸。配置特征库中特征过滤的阈值的作用,是控制底库特征的质量。
步骤S403、接收比对请求,所述比对请求中携带有人像图片以及指定的人脸的属性信息;
这里,所述人像图片可以是前端设备获取的抓拍图,也可以是所述前端设备直接获取的抓拍视频。如果是抓拍图则使用所述抓拍图与特征库进行比对,如果是抓拍视频则将所述抓拍视频分成若干张抓拍图与所述特征库进行比对。
举例来说,所述指定的人脸的属性信息可以为男性、年龄在20岁至40岁之间。
步骤S404、根据所述指定的人脸的属性信息和所述特征库中特征的附加信息,对所述特征库中的特征进行过滤,过滤出符合所述指定的人脸的属性信息的特征集合;
这里,在比对请求中需要同时指定比对范围,如年龄段、性别、归属等信息,以触发比对系统做精准比对,缩小比中结果范围,让目标结果更精准。
步骤S405、对所述人像图片进行人脸检测识别,并基于人脸检测识别的结果和所述人脸检测的阈值对所述人像图片进行过滤,以确定所述人像图片是否满足人脸比对的条件;
本申请实施例中,可以对比对请求中的人像图片做人脸检测识别,检测识别出人脸质量分、人脸的各种角度及其他若干属性信息,将所述人脸质量分、人脸的各种角度及其他若干属性信息和相应的配置阈值做比对。如此,可以通过将人脸质量分与质量分阈值进行比对,过滤掉模糊、重影和非人脸情况的低质量人像。通过将人脸的仰俯角、翻转角、偏航角与角度阈值进行比对,过滤掉过度侧脸的人像。通过将人像图片的尺寸与图像尺寸阈值进行比对,以及将人像图片中人脸的尺寸与人脸尺寸阈值进行比对,过滤掉过小人像。最终,只有如上各项检测都通过人像,才认为是高质量人像,才可进行后续的比对。
这里,可以进行标准建模,然后将人脸与标准模型进行比对,看是否重影等。当然,所述质量得分可以根据一个预设的质量评估算法去综合评估,例如和模型的偏差度、离散度等去综合计算出一个质量分。
步骤S406、在所述人像图片满足人脸比对条件的情况下,将所述人像图片的特征与所述特征集合中的特征进行比对,得到第一比中结果;
步骤S407、基于所述特征库中的特征的附加信息和所述特征过滤的阈值对所述第一比中结果进行质量过滤,得到第二比中结果;
这里,可以使用步骤S405过滤出的高质量人像和特征集合中的特征进行比对,比中的每个相似特征都携带有特征相关的标签属性信息(所述属性信息中含有特征的质量得分)。进而,可以通过步骤S402中配置的特征过滤的阈值对所述比中的每个相似特征进行过滤,将所述标签属性信息中质量得分与所述阈值相匹配的特征过滤出来,形成最终的比中特征集合。
步骤S408、输出所述第二比中结果。
在一些人员密集、快速移动、远景拍摄的比对场景中,往往抓拍图质量参差不齐,比对准确率颇受影响。使用本申请实施例中的方法,能够尽可能的把控前端抓拍图的输入质量,提升比对准确率。
并且,在需要对单目标人员进行强目的性的精准的比对的情况下,使用本申请实施例中的方法,能够使比中结果严格限定在所需的比对范围内,提升比对准确率。比如,目标人员是20岁左右青年男性,则可以在比对前将比对范围限定为18岁至30岁的男性,这样可以提高比对的准确率(例如目标人员的特征可能和特征库中20岁左右的某女性更相似),同时提升比对效率。
同时,在比中结果中包含较多比中特征的情况下,可以利用底库特征打标进行特征标签过滤,过滤出高质量的比中特征,提高比对的准确率。
基于前述的实施例,本申请实施例提供一种比对装置,该装置包括所包括的各单元、以及各单元所包括的各子单元和各模块、以及各模块所包括的各子模块和各部件,可以通过电子设备中的处理器来实现;当然也可通过具体的逻辑电路实现;在实施的过程中,处理器可以为CPU(Central Processing Unit,中央处理器)、MPU(Microprocessor Unit,微处理器)、DSP(Digital Signal Processing,数字信号处理器)或FPGA(FieldProgrammable Gate Array,现场可编程门阵列)等。
图5为本申请实施例比对装置的组成结构示意图,如图5所示,所述装置500包括:
接收单元501,用于接收人脸比对请求;其中,所述比对请求中携带有待比对图像;
比对单元502,用于将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;
选择单元503,用于确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;
输出单元504,用于将所述第二比中结果作为最终的比中结果进行输出。
在一些实施例中,所述装置还包括:
处理单元,用于对所述待比对图像进行处理,得到所述待比对图像的人脸质量得分、所述待比对图像的人脸角度信息和所述待比对图像的尺寸类信息;
筛选单元,用于根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件。
在一些实施例中,所述处理单元,包括:
人脸检测模块,用于对所述待比对图像进行人脸检测,确定所述待比对图像中是否存在人脸;
第一确定模块,用于在所述待比对图像中存在人脸的情况下,确定所述人脸的清晰度和重影程度;
人脸质量确定模块,用于根据所述待比对图像中是否存在人脸,以及存在人脸时所述人脸的清晰度和重影程度,确定所述待比对图像的人脸质量得分,以过滤掉未满足人脸比对条件的待比对图像。
在一些实施例中,所述筛选单元,包括:
第一筛选模块,用于在所述人脸质量得分小于预设人脸质量阈值的情况下,确定所述待比对图像未满足人脸比对的条件;
所述第一筛选模块,还用于对未满足人脸比对条件的所述待比对图像进行过滤。
在一些实施例中,所述处理单元,包括:
人脸角度确定模块,用于对所述待比对图像进行人脸识别,确定所述待比对图像中的人脸角度信息,以过滤掉未满足人脸比对条件的待比对图像;
其中,所述人脸角度信息包括以下至少之一:人脸的俯仰角、人脸的翻转角、人脸的偏航角。
在一些实施例中,所述人脸的俯仰角为人脸绕第一坐标轴进行转动的角度,所述人脸的翻转角为人脸绕第二坐标轴进行转动的角度,所述人脸的偏航角为人脸绕第三坐标轴进行转动的角度;
其中,所述第一坐标轴为人脸正视图像采集装置时指向人脸正左方的坐标轴,所述第二坐标轴为人脸正视图像采集装置时指向人脸正前方的坐标轴,所述第三坐标轴为人脸正视图像采集装置时指向人脸正上方的坐标轴。
在一些实施例中,所述筛选单元,包括:
第二筛选模块,用于在所述人脸角度信息中的任一角度值不在预设角度范围内的情况下,确定所述待比对图像未满足人脸比对的条件;
所述第二筛选模块,还用于对未满足人脸比对条件的所述待比对图像进行过滤。
在一些实施例中,所述处理单元,包括:
第二确定模块,用于对所述待比对图像进行图像分析,确定所述待比对图像的图像尺寸;
第一尺寸确定模块,用于将所述图像尺寸,确定为所述待比对图像的尺寸类信息,以过滤掉未满足人脸比对条件的待比对图像;
对应地,所述筛选单元,包括:
第三筛选模块,用于在所述图像尺寸小于预设图像尺寸的情况下,确定所述待比对图像未满足人脸比对的条件;
所述第三筛选模块,还用于对未满足人脸比对条件的所述待比对图像进行过滤。
在一些实施例中,所述处理单元,还包括:
第三确定模块,用于在所述图像尺寸大于等于所述预设图像尺寸的情况下,对所述待比对图像进行人脸检测,确定所述待比对图像中的人脸尺寸;
第二尺寸确定模块,用于将所述人脸尺寸,确定为所述待比对图像的尺寸类信息,以过滤掉未满足人脸比对条件的待比对图像;
对应地,所述筛选单元,包括:
第四筛选模块,用于在所述人脸尺寸小于预设人脸尺寸的情况下,确定所述待比对图像未满足人脸比对的条件;
所述第四筛选模块,还用于对未满足人脸比对条件的所述待比对图像进行过滤。
在一些实施例中,所述比对请求中携带有目标人脸的属性信息,对应地,所述比对单元502,包括:
范围确定模块,用于在所述人脸图像库中,确定出符合所述目标人脸的属性信息的人脸图像集合;
比对模块,用于将所述人脸图像集合中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果。
在一些实施例中,所述装置还包括:
库处理单元,用于对所述人脸图像库中的每一人脸图像进行处理,得到所述每一人脸图像的质量得分和特征;
所述库处理单元,还用于针对所述每一人脸图像,将所述人脸图像的质量得分作为标签附加在所述人脸图像的特征上,得到所述人脸图像的附加特征。
在一些实施例中,所述选择单元503,包括:
得分确定模块,用于基于所述人脸图像库中的每一人脸图像的附加特征,确定所述第一比中结果中每一比中的特征的质量得分;
选择模块,用于将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果。
以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述的比对方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是个人计算机、服务器等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、ROM(Read Only Memory,只读存储器)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
对应地,本申请实施例提供一种电子设备,包括存储器和处理器,所述存储器存储有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上述实施例中提供的比对方法中的步骤。
对应地,本申请实施例提供一种可读存储介质,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上述比对方法中的步骤。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,图6为本申请实施例电子设备的一种硬件实体示意图,如图6所示,该电子设备600的硬件实体包括:处理器601、通信接口602和存储器603,其中
处理器601通常控制电子设备600的总体操作。
通信接口602可以使电子设备600通过网络与其他电子设备或服务器或平台通信。
存储器603配置为存储由处理器601可执行的指令和应用,还可以缓存待处理器601以及电子设备600中各模块待处理或已经处理的数据(例如,图像数据、音频数据、语音通信数据和视频通信数据),可以通过FLASH(闪存)或RAM(Random Access Memory,随机访问存储器)实现。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,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。本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法,在不冲突的情况下可以任意组合,得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征,在不冲突的情况下可以任意组合,得到新的方法实施例或设备实施例。
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 (15)
1.一种比对方法,其特征在于,所述方法包括:
接收人脸比对请求;其中,所述比对请求中携带有待比对图像;
将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;
确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;
将所述第二比中结果作为最终的比中结果进行输出。
2.根据权利要求1所述的方法,其特征在于,所述接收人脸比对请求之后,所述方法还包括:
对所述待比对图像进行处理,得到所述待比对图像的人脸质量得分、所述待比对图像的人脸角度信息和所述待比对图像的尺寸类信息;
根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件。
3.根据权利要求2所述的方法,其特征在于,所述对所述待比对图像进行处理,得到所述待比对图像的人脸质量得分,包括:
对所述待比对图像进行人脸检测,确定所述待比对图像中是否存在人脸;
在所述待比对图像中存在人脸的情况下,确定所述人脸的清晰度和重影程度;
根据所述待比对图像中是否存在人脸,以及存在人脸时所述人脸的清晰度和重影程度,确定所述待比对图像的人脸质量得分,以过滤掉未满足人脸比对条件的待比对图像。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件,包括:
在所述人脸质量得分小于预设人脸质量阈值的情况下,确定所述待比对图像未满足人脸比对的条件;
对未满足人脸比对条件的所述待比对图像进行过滤。
5.根据权利要求2所述的方法,其特征在于,所述对所述待比对图像进行处理,得到所述待比对图像的人脸角度信息,包括:
对所述待比对图像进行人脸识别,确定所述待比对图像中的人脸角度信息,以过滤掉未满足人脸比对条件的待比对图像;
其中,所述人脸角度信息包括以下至少之一:人脸的俯仰角、人脸的翻转角、人脸的偏航角。
6.根据权利要求5所述的方法,其特征在于,所述人脸的俯仰角为人脸绕第一坐标轴进行转动的角度,所述人脸的翻转角为人脸绕第二坐标轴进行转动的角度,所述人脸的偏航角为人脸绕第三坐标轴进行转动的角度;
其中,所述第一坐标轴为人脸正视图像采集装置时指向人脸正左方的坐标轴,所述第二坐标轴为人脸正视图像采集装置时指向人脸正前方的坐标轴,所述第三坐标轴为人脸正视图像采集装置时指向人脸正上方的坐标轴。
7.根据权利要求2、5、6中任一项所述的方法,其特征在于,所述根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件,包括:
在所述人脸角度信息中的任一角度值不在预设角度范围内的情况下,确定所述待比对图像未满足人脸比对的条件;
对未满足人脸比对条件的所述待比对图像进行过滤。
8.根据权利要求2所述的方法,其特征在于,所述对所述待比对图像进行处理,得到所述待比对图像的尺寸类信息,包括:
对所述待比对图像进行图像分析,确定所述待比对图像的图像尺寸;
将所述图像尺寸,确定为所述待比对图像的尺寸类信息,以过滤掉未满足人脸比对条件的待比对图像;
对应地,所述根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件,包括:
在所述图像尺寸小于预设图像尺寸的情况下,确定所述待比对图像未满足人脸比对的条件;
对未满足人脸比对条件的所述待比对图像进行过滤。
9.根据权利要求8所述的方法,其特征在于,所述对所述待比对图像进行处理,得到所述待比对图像的尺寸类信息,还包括:
在所述图像尺寸大于等于所述预设图像尺寸的情况下,对所述待比对图像进行人脸检测,确定所述待比对图像中的人脸尺寸;
将所述人脸尺寸,确定为所述待比对图像的尺寸类信息,以过滤掉未满足人脸比对条件的待比对图像;
对应地,所述根据所述人脸质量得分、所述人脸角度信息和所述尺寸类信息中的至少一者,对所述待比对图像进行筛选,以确定所述待比对图像是否满足人脸比对的条件,包括:
在所述人脸尺寸小于预设人脸尺寸的情况下,确定所述待比对图像未满足人脸比对的条件;
对未满足人脸比对条件的所述待比对图像进行过滤。
10.根据权利要求1至9任一项所述的方法,其特征在于,所述比对请求中携带有目标人脸的属性信息,对应地,所述将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果,包括:
在所述人脸图像库中,确定出符合所述目标人脸的属性信息的人脸图像集合;
将所述人脸图像集合中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果。
11.根据权利要求1至10任一项所述的方法,其特征在于,所述接收人脸比对请求之前,所述方法还包括:
对所述人脸图像库中的每一人脸图像进行处理,得到所述每一人脸图像的质量得分和特征;
针对所述每一人脸图像,将所述人脸图像的质量得分作为标签附加在所述人脸图像的特征上,得到所述人脸图像的附加特征。
12.根据权利要求11所述的方法,其特征在于,所述确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果,包括:
基于所述附加特征,确定所述第一比中结果中每一比中的特征的质量得分;
将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果。
13.一种比对装置,其特征在于,所述装置包括:
接收单元,用于接收人脸比对请求;其中,所述比对请求中携带有待比对图像;
比对单元,用于将人脸图像库中的每一人脸图像的特征与所述待比对图像的特征进行比对,得到第一比中结果;
选择单元,用于确定所述第一比中结果中每一比中的特征的质量得分,将所述质量得分大于等于预设质量阈值的特征,确定为第二比中结果;
输出单元,用于将所述第二比中结果作为最终的比中结果进行输出。
14.一种电子设备,包括存储器和处理器,所述存储器存储有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权利要求1至12任一项所述方法中的步骤。
15.一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权利要求1至12任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110680691.4A CN113378738A (zh) | 2021-06-18 | 2021-06-18 | 比对方法及装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110680691.4A CN113378738A (zh) | 2021-06-18 | 2021-06-18 | 比对方法及装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113378738A true CN113378738A (zh) | 2021-09-10 |
Family
ID=77577831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110680691.4A Withdrawn CN113378738A (zh) | 2021-06-18 | 2021-06-18 | 比对方法及装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113378738A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201061A (zh) * | 2011-06-24 | 2011-09-28 | 常州锐驰电子科技有限公司 | 基于多阶层过滤人脸识别的智能安全监控系统及方法 |
CN110825765A (zh) * | 2019-10-23 | 2020-02-21 | 中国建设银行股份有限公司 | 一种人脸识别的方法和装置 |
CN111209845A (zh) * | 2020-01-03 | 2020-05-29 | 平安科技(深圳)有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
CN112287753A (zh) * | 2020-09-23 | 2021-01-29 | 武汉天宝莱信息技术有限公司 | 一种基于机器学习提升人脸识别精度的系统及其算法 |
-
2021
- 2021-06-18 CN CN202110680691.4A patent/CN113378738A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201061A (zh) * | 2011-06-24 | 2011-09-28 | 常州锐驰电子科技有限公司 | 基于多阶层过滤人脸识别的智能安全监控系统及方法 |
CN110825765A (zh) * | 2019-10-23 | 2020-02-21 | 中国建设银行股份有限公司 | 一种人脸识别的方法和装置 |
CN111209845A (zh) * | 2020-01-03 | 2020-05-29 | 平安科技(深圳)有限公司 | 人脸识别方法、装置、计算机设备及存储介质 |
CN112287753A (zh) * | 2020-09-23 | 2021-01-29 | 武汉天宝莱信息技术有限公司 | 一种基于机器学习提升人脸识别精度的系统及其算法 |
Non-Patent Citations (1)
Title |
---|
阿桔是个宝贝: "阿里云图像搜索", HTTPS://BLOG.CSDN.NET/WEIXIN_42546681/ARTICLE/DETAILS/106899898, pages 1 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111104867B (zh) | 基于部件分割的识别模型训练、车辆重识别方法及装置 | |
CN108229297B (zh) | 人脸识别方法和装置、电子设备、计算机存储介质 | |
US8792722B2 (en) | Hand gesture detection | |
CN108038176B (zh) | 一种路人库的建立方法、装置、电子设备及介质 | |
US20120027263A1 (en) | Hand gesture detection | |
CN109117773B (zh) | 一种图像特征点检测方法、终端设备及存储介质 | |
CN111368772B (zh) | 身份识别方法、装置、设备及存储介质 | |
CN111667001B (zh) | 目标重识别方法、装置、计算机设备和存储介质 | |
CN110660078B (zh) | 对象追踪方法、装置、计算机设备和存储介质 | |
CN111291887A (zh) | 神经网络的训练方法、图像识别方法、装置及电子设备 | |
CN111400550A (zh) | 一种目标运动轨迹构建方法、设备以及计算机存储介质 | |
CN112417970A (zh) | 目标对象识别方法、装置和电子系统 | |
CN112257628A (zh) | 一种户外比赛运动员的身份识别方法、装置及设备 | |
CN112036362A (zh) | 图像处理方法、装置、计算机设备和可读存储介质 | |
CN116258748A (zh) | 轨迹跟踪方法 | |
CN113378738A (zh) | 比对方法及装置、设备和存储介质 | |
CN115393755A (zh) | 视觉目标跟踪方法、装置、设备以及存储介质 | |
US11087121B2 (en) | High accuracy and volume facial recognition on mobile platforms | |
CN113469135A (zh) | 对象身份信息的确定方法、装置、存储介质及电子装置 | |
CN113837091A (zh) | 识别方法、装置、电子设备及计算机可读存储介质 | |
JP2022534314A (ja) | ピクチャに基づいた多次元情報の統合方法及び関連機器 | |
CN112270257A (zh) | 一种运动轨迹确定方法、装置及计算机可读存储介质 | |
CN112016609A (zh) | 一种图像聚类方法、装置、设备及计算机存储介质 | |
CN116704403B (zh) | 一种建筑物图像视觉辨别方法、装置、电子设备及介质 | |
CN116052220B (zh) | 行人重识别方法、装置、设备及介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210910 |
|
WW01 | Invention patent application withdrawn after publication |