CN113420616B - 一种人脸识别方法、装置、设备及介质 - Google Patents

一种人脸识别方法、装置、设备及介质 Download PDF

Info

Publication number
CN113420616B
CN113420616B CN202110620986.2A CN202110620986A CN113420616B CN 113420616 B CN113420616 B CN 113420616B CN 202110620986 A CN202110620986 A CN 202110620986A CN 113420616 B CN113420616 B CN 113420616B
Authority
CN
China
Prior art keywords
target
face
determining
distance
recognized
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110620986.2A
Other languages
English (en)
Other versions
CN113420616A (zh
Inventor
谢宇
李文鹏
张士林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Juhaolian Technology Co ltd
Qingdao Hisense Smart Life Technology Co Ltd
Original Assignee
Qingdao Hisense Smart Life Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Hisense Smart Life Technology Co Ltd filed Critical Qingdao Hisense Smart Life Technology Co Ltd
Priority to CN202110620986.2A priority Critical patent/CN113420616B/zh
Publication of CN113420616A publication Critical patent/CN113420616A/zh
Application granted granted Critical
Publication of CN113420616B publication Critical patent/CN113420616B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供了一种人脸识别方法、装置、设备及介质，在本发明实施例中，由于预先保存有每个偏角和距离对应的人脸数据库，通过计算目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及该待识别的人脸的目标偏角，确定该预先保存的该目标距离及该目标偏角的对应的目标人脸数据库，再确定该待识别的人脸对应的身份标识，当待识别的人脸的偏角过大，或该待识别的人脸与图像采集设备的距离过大时，提高了人脸识别的准确率和召回率。

Description

一种人脸识别方法、装置、设备及介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种人脸识别方法、装置、设备及介质。
背景技术
随着科学技术的发展，人脸识别技术被广泛用于人员轨迹跟踪、人员查找、陌生人检测等诸多场景中。但是就目前人脸识别技术而言，其是基于人脸数据库进行识别的，在该人脸数据库中一个身份标识对应有一张人脸图像，每个身份标识对应的人脸图像中人脸的偏角固定，偏角例如可以是侧偏角、俯仰角和旋转角等，并且对应的人脸与采集该人脸图像的图像采集设备的距离也是固定的。这就导致了在基于采集到的图像进行人脸识别时，对人脸图像中待识别的人脸的偏角，以及该待识别的人脸与图像采集设备之间的距离有很高的要求。对于目前人脸识别技术的现状而言，当待识别的人脸与图像采集设备的距离的小于3m，并且该待识别的人脸图像的偏角不超过30度时，人脸识别的准确率一般在95％以上。
但是随着待识别的人脸的偏角的增大，人脸识别准确率和召回率急速下降，同样的，随着待识别的人脸与图像采集设备的距离的增加，人脸识别的准确率和召回率也会急速下降。
发明内容
本发明提供了一种人脸识别方法、装置、设备及介质，用以解决现有技术中待识别的人脸的偏角过大，或该待识别的人脸与图像采集设备的距离过大时，人脸识别的准确率和召回率过低的问题。
第一方面，本发明实施例提供了一种人脸识别方法，所述方法包括：
确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及确定所述待识别的人脸的目标偏角；
根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库；
根据所述目标人脸数据库及所述待识别的人脸，确定所述待识别的人脸对应的身份标识。
第二方面，本发明实施例还提供了一种人脸识别装置，所述装置包括：
确定模块，用于确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及确定所述待识别的人脸的目标偏角；
所述确定模块，还用于根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库；
人脸识别模块，用于根据所述目标人脸数据库及所述待识别的人脸，确定所述待识别的人脸对应的身份标识。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备至少包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序时实现上述任一所述的人脸识别方法的步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的人脸识别方法的步骤。
在本发明实施例中，确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及确定该待识别的人脸的目标偏角，根据该目标距离和该目标偏角，确定预先保存的该目标距离及该目标偏角的对应的目标人脸数据库，根据该目标人脸数据库及待识别的人脸，确定该待识别的人脸对应的身份标识。在本发明实施例中，由于预先保存有每个角度和距离对应的人脸数据库，通过计算目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及该待识别的人脸的目标偏角，确定该预先保存的该目标距离及该目标偏角的对应的目标人脸数据库，再确定该待识别的人脸对应的身份标识，当待识别的人脸的偏角过大，或该待识别的人脸与图像采集设备的距离过大时，提高了人脸识别的准确率和召回率。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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为本发明实施例提供的一种人脸识别过程示意图；
图2为本发明实施例提供的当该第一三角形所在的平面与该图像采集设备的中轴线法平面平行时，第一三角形和第二三角形的示意图；
图3为本发明实施例提供的当该第一三角形所在的平面与该图像采集设备的中轴线法平面不平行时，第一三角形和第二三角形的示意图；
图4为本发明实施例提供的四棱锥的示意图；
图5为本发明实施例提供的一种人脸识别的流程示意图；
图6为本发明实施例提供的一种人脸识别装置的结构示意图；
图7为本发明实施例提供的一种电子设备结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明实施例保护的范围。
为了提高人脸识别的准确率和召回率，本发明实施例提供了一种人脸识别方法、装置、设备及介质。
实施例1：
图1为本发明实施例提供的一种人脸识别过程示意图，该过程包括：
S101：确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及确定所述待识别的人脸的目标偏角。
本发明实施例提供的一种人脸识别方法应用于电子设备，该电子设备可以是图像采集设备，也可以是其他电子设备，例如可以是服务器，也可以是PC等。
图像采集设备在采集人物图像时，人物可能与图像采集设备的距离较近，也可能与图像采集设备的距离较远。若不考虑人物与图像采集设备的距离，进行人脸识别，则与图像采集设备的距离较远的人物的人脸识别结果的准确率会降低。
同样的，图像采集设备在采集人物图像时，该人物对应的人脸的偏角可能较小，也可能人脸的偏角较大。若不考虑人脸的偏角，进行人脸识别，则偏角较大的人脸的人脸识别结果的准确率会降低。
因此，为了提高人脸识别的准确率和召回率，在本发明实施例中，在进行人脸识别时，根据待识别的人脸对应的目标人物与图像采集设备的目标距离以及待识别的人脸的目标偏角，进行人脸识别。
具体的，可以计算待识别的人脸在目标图像中的面积，根据预先保存的面积与距离的对应关系，确定目标距离，还可以通过训练神经网络模型，将目标图像输入到经网络模型中，再由该神经网络模型输出目标偏角等。
S102：根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角对应的目标人脸数据库。
为了避免忽视目标距离和目标偏角两个因素，导致降低人脸识别结果准确率，在本发明实施例中，电子设备中保存有多个人脸数据库，在每个人脸数据库中可以只保存一个距离和一个偏角的图像，例如，一个人脸数据库中记录有距离为5米、侧偏角为30度和俯仰角10度的图像。为了避免电子设备中保存的人脸数据库的数量过多，导致存储资源的浪费，在每个人脸数据库中还可以保存预设的距离范围，和预设的偏角范围的图像，例如一个人脸数据库中记录有距离为5米-10米、侧偏角为30度-31度和俯仰角10度-11度的图像。
其中，获取不同距离和偏角的人脸数据库的方法，可以是直接录入每个人的不同距离和偏角的人脸；还可以是当一个摄像头抓取到待录入的人物的正脸后，对该待录入的人物进行跟踪，采集该待录入的人物不同偏角和距离的图像，并将图像分类归入人脸库。
在本发明实施例中，为了获得更好人脸识别效果，可以针对每个图像采集设备都单独设立人脸数据库。在图像采集设备安装位置和角度不发生变化的情况下，使用单独为该图像采集设备设立的人脸数据库，可以提高识别的准确率和召回率。
在本发明实施例中，根据确定的目标距离以及目标偏角，以及预先保存的数据库，确定该目标距离和目标偏角对应的目标人脸数据库。
S103：根据所述目标人脸数据库及所述待识别的人脸，确定所述待识别的人脸对应的身份标识。
在本发明实施例中，在确定了目标人脸数据库之后，基于该目标人脸数据库，确定待识别人脸对应的身份标识。具体的，在本发明实施例中，该目标人脸数据库中的每张图像都对应有身份标识，将该目标图像中的待识别的人脸与该目标人脸数据库中的图像中的人脸进行比对，确定与该待识别的人脸为同一人脸的图像，并将该图像对应的身份标识确定为该待识别的人脸对应的身份标识。
在本发明实施例中，由于预先保存有每个偏角和距离对应的人脸数据库，通过计算目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及该待识别的人脸的目标偏角，确定该预先保存的该目标距离及该目标偏角的对应的目标人脸数据库，再确定该待识别的人脸对应的身份标识，当待识别的人脸的偏角过大，或该待识别的人脸与图像采集设备的距离过大时，提高了人脸识别的准确率和召回率。
实施例2：
为了确定待识别的人脸对应的目标人物与图像采集设备的目标距离，在上述实施例的基础上，在本发明实施例中，所述确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离包括：
确定所述待识别的人脸在所述目标图像中的面积；
根据预先保存的面积与距离的对应关系，确定所述目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离。
在根据目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离以及待识别的人脸的目标偏角，确定目标人脸数据库进行人脸识别之前，需要确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离。在本发明实施例中，可以通过确定目标图像中待识别的人脸的面积，确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离。
具体的，电子设备中预先针对每个图像采集设备，保存有人脸在图像中的面积与人脸对应的人物与图像采集设备的距离之间的对应关系，当识别到某一图像采集设备采集的包含人脸的目标图像时，确定该目标图像中待识别的人脸的面积，在根据预先保存的面积与距离的对应关系，确定该面积对应的距离，并将该距离确定为目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离。
例如，服务器中预先保存有人脸在图像中的面积为20平面厘米时对应的距离为2米，人脸在图像中的面积为10平面厘米时对应的距离为5米，人脸在图像中的面积为5平面厘米时对应的距离为10米，在对目标图像进行人脸识别时，若确定的该目标图像中待识别的人脸的面积为5平方厘米，则根据预先保存的面积与距离的对应关系，确定该目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离为10米。
为了确定待识别的人脸对应的目标任务与图像采集设备的目标距离，在上述各实施例的基础上，在本发明实施例中，所述确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离包括：
在所述目标图像中，确定所述目标图像中所述目标人物的落足点对应的第一像素点，以及所述目标图像的下边沿中点对应的第二像素点；
确定所述第一像素点与所述第二像素点在所述目标图像竖直方向的第一像素点数，以及所述第一像素点与所述第二像素点在所述目标图像水平方向的第二像素点数；
根据所述第一像素点数以及预先保存的参数，确定所述目标人物与所述图像采集设备在竖直方向的第一实际距离；
根据所述第二像素点数与预先保存的相邻像素点水平方向的实际距离，确定所述目标人物与所述图像采集设备在水平方向的第二实际距离；
根据所述第一实际距离和所述第二实际距离，确定目标人物与图像采集设备的目标距离。
此外，在本发明实施例中，还可以通过计算目标图像中目标人物与图像采集设备的距离，再将该距离转化为实际距离的方法，计算该目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离。
首先，在目标图像中确定目标人像与图像采集设备的位置；其次，确定目标图像中这两个位置的水平方向的距离和竖直方向的距离；然后，将目标图像中的水平方向的距离和竖直方向的距离转化为水平方向的实际距离和竖直方向的实际距离，并计算目标人物与图像采集设备的目标距离。其中，在本发明实施例中，在确定目标图像中两个位置的水平方向的距离时，可以用两个位置水平方向间隔的像素点数作为该水平方向的距离；在确定目标图像中两个位置的竖直方向的距离时，可以用两个位置竖直方向间隔的像素点数作为该竖直方向的距离。
具体的，在本发明实施例中，将该目标图像中该目标人物的落足点确定为该目标人像的位置，并确定该位置对应的第一像素点，其中该目标人物的落足点为该目标人物两脚的中点，并将该目标图像的下边沿的中点确定为图像采集设备的位置，并确定该位置对应的第二像素点；确定该第一像素点与该第二像素点在该目标图像竖直方向的第一像素点数，以及该第一像素点与所述第二像素点在该目标图像水平方向的第二像素点数。
将该第一像素点数作为目标图像中目标人物与图像采集设备竖直方向的距离，将该第二像素点数作为目标图像中目标人像与图像采集设备水平方向的距离。根据该第一像素点数以及预先保存的参数，确定该目标人物与该图像采集设备在竖直方向的第一实际距离。根据该第二像素点数与预先保存的水平方向相邻两个像素点间的实际距离，确定该第二像素点数与水平方向相邻两个像素点间的实际距离的第二乘积为该目标人物与该图像采集设备在竖直方向的第二实际距离，根据该第一实际距离和该第二实际距离，确定目标人物与图像采集设备的目标距离。
在本发明实施例中，在确定目标人物与图像采集设备水平方向的实际距离时，需要根据预先保存的相邻两个像素点间水平方向的实际距离确定，而该相邻两个像素点间水平方向的实际距离，不仅与像素点在目标图像中的水平方向的坐标有关，还与像素点在目标图像中竖直方向的坐标相关。
具体的，当像素点距离图像采集设备较远，即像素点在目标图像中竖直方向的坐标较大时，该Lx代表的相邻两个像素点水平方向的实际距离较大，因此可表示为Lx(y)＝f(y)，该f(y)为像素点y在目标图像中的纵坐标，像素点y的实际坐标可表示为y′＝γLx(y)，该γ为参数，通过多次计算，确定该Lx和γ。
在确定该第一像素点数后，确定该参数与第一像素点数的乘积为该目标人物与图像采集设备在水平方向的第一实际距离，根据该第二像素点数与预先保存的该第二像素点代表的实际距离，确定该第二乘积为该目标人物与所述图像采集设备在竖直方向的第二实际距离。即，该第一实际距离为|y′1-y′2|＝γ|f(y1)-f(y2)|；该第二实际距离为|x′1-x′2|＝Lx(y)·|x1-x2|，其中|x1-x2|为第一像素点数，再通过勾股定理，确定该目标人物与图像采集设备的目标距离。
例如，在本发明实施例中，确定该第一像素点数为4，第二像素点数为4，预先保存的参数为4，该相邻两个像素点间水平方向的实际距离为3米，则该第一实际距离为16米，该第二实际距离为12米，则该目标人物与图像采集设备的目标距离为20米。
实施例3：
为了确定待识别的人脸的目标偏角，在上述各实施例的基础上，在本发明实施例中，所述确定所述待识别的人脸的目标偏角包括：
将所述目标图像输入到预先训练完成的神经网络模型，并获取所述神经网络模型输出的目标偏角。
在根据目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离以及待识别的人脸的目标偏角，确定目标人脸数据库进行人脸识别之前，需要确定目标图像中待识别的人脸的目标偏角。在本发明实施例中，可以通过神经网络模型实现该目标偏角的确定。
具体的，在本发明实施例中，将该目标图像输入到预先训练完成的神经网络模型中，由该神经网络模型输出该目标图像中待识别的人脸的目标偏角。
其中，对神经网络模型的训练过程为：获取训练集中的任一图片，该图片中预先标识有人脸的偏角，将图片输入到神经网络模型中，该神经网络模型输出对该图片中保存的人脸的偏角的识别结果，根据该识别结果和该图片中预先标识的人脸的偏角，确定损失值，并根据该损失值对该神经网络模型的参数进行调整。
为了确定待识别的人脸的目标偏角，在上述各实施例的基础上，在本发明实施例中，所述确定所述待识别的人脸的目标偏角包括：
确定所述目标图像中待识别的人脸中预先选择的关键点的位置信息，并构建第一三角形；
确定所述第一三角形在所述图像采集设备的中轴线法平面上的投影；
根据所述第一三角形和投影的得到的第二三角形，确定所述待识别的人脸的目标偏角。
在本发明实施例中，还可以通过几何方法确定待识别的人脸的目标偏角。具体的，在待识别的人脸中确定预设的关键点的位置信息，该关键点可以是两个眼睛A、B和嘴巴C，还可以是两个眼睛A、B和鼻子C，根据该关键点的位置信息，构建第一三角形ABC，再确定该第一三角形在图像采集设备的中轴线法平面上的投影，根据该第一三角形和投影的得到的第二三角形abc，确定该待识别的人脸的目标偏角。
具体的，该目标偏角包括俯仰角和偏转角。当该第一三角形所在的平面与该图像采集设备的中轴线法平面平行时，该第一三角形与该第二三角形相似，则该目标偏角中偏转角为0度，并且该第一三角形与该第二三角形为等腰三角形，则构建以该第一三角形底边AB上的高H1为斜边，以该第二三角形底边ab上的高H2为直角边的直角三角形，在该直角三角形中，这两个高的夹角即为俯仰角。即，
Figure BDA0003099867890000101
其中α为俯仰角，H1为第一三角形底边上的高，H2为第二三角形底边上的高。
当该第一三角形所在的平面与该图像采集设备的中轴线法平面不是平行的，则将该第一三角形中的顶点C与该第二三角形中该顶点C对应的顶点c重叠为一点，构建四棱锥，并延长AB和ab在D点相交，从点A和点a分别向CD作垂线，该两条垂线的夹角即是两个三角形确定的平面的夹角，也是偏转角β，AB边上的中线CE和ab边上的中线ce的夹角为俯仰角α。则俯仰角
Figure BDA0003099867890000102
其中|CE|＝H，|ce|＝h，|AC|＝L1，|BC|＝L2，|ac|＝l1，|bc|＝l2；偏转角
Figure BDA0003099867890000112
其中|CE|＝H，|ce|＝h，|AC|＝L1，|BC|＝L2，|AB|＝L3，|ac|＝l1，|bc|＝l2，|ab|＝l3，其中E为AB边上的中点，e为ab边上的中点。
图2为本发明实施例提供的当该第一三角形所在的平面与该图像采集设备的中轴线法平面平行时，第一三角形和第二三角形的示意图，如图2所示，第一三角形的高为H1，第二三角形底边上的高为H2，构建以该第一三角形底边H1为斜边，以H2为直角边的直角三角形，在该直角三角形中，这两个高的夹角即为俯仰角。
图3为本发明实施例提供的当该第一三角形所在的平面与该图像采集设备的中轴线法平面不平行时，第一三角形和第二三角形的示意图，如图3所示，三角形ABC为第一三角形，三角形abc为第三角形，|CE|＝H，|ce|＝h，|AC|＝L1，|BC|＝L2，|AB|＝L3，|ac|＝l1，|bc|＝l2，|ab|＝l3。
图4为本发明实施例提供的四棱锥的示意图，如该图4所示，将该第一三角形中的鼻子所在的顶点C与该第二三角形中该顶点C对应的顶点c重叠为一点，构建四棱锥，并延长AB和ab在D点相交，从点A和点a分别向CD作垂线，该两条垂线的夹角即是两个三角形确定的平面的夹角，也是偏转角β，AB边和ab边上的中线的夹角为俯仰角α。
实施例4：
为了避免对偏角过大以及距离过大的目标图像进行人脸识别，减少服务器的负载压力，在上述各实施例的基础上，在本发明实施例中，所述根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库之前，所述方法还包括：
判断所述目标距离是否超过预设的距离阈值，并判断所述目标偏角是否超过预设的角度阈值；
若均为否，则执行后续根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库的步骤。
在本发明实施例中，当目标人物与图像采集设备的距离过大或者待识别的人脸的偏角过大时，在进行人脸识别时不论采用什么方法，准确率都会降低，因此，为了避免服务器造成不必要的资源浪费，在本发明实施例中，在进行人脸识别之前，会判断目标距离是否超过预设的距离阈值，并判断目标偏角是否超过预设的角度阈值，当目标距离未超过预设的距离阈值，且目标偏角未超过预设的角度阈值时，则执行后续根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库的步骤。
图5为本发明实施例提供的一种人脸识别的流程示意图，如该图5所示，该过程包括：
S501：确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及确定所述待识别的人脸的目标偏角。
S502：判断该目标距离是否超过预设的距离阈值，若否，则执行S503，若是，则输出“无法识别”的响应结果。
S503：判断该目标偏角是否超过预设的角度阈值，若否，则执行S504，若是，则输出“无法识别”的响应结果。
S504：根据该目标距离和该目标偏角，确定预先保存的该目标距离及该目标偏角的对应的目标人脸数据库。
S505：根据该目标人脸数据库及该待识别的人脸，确定该待识别的人脸对应的身份标识。
实施例5：
图6为本发明实施例提供的一种人脸识别装置的结构示意图，该装置包括：
确定模块601，用于确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及确定所述待识别的人脸的目标偏角；根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库；
人脸识别模块602，用于根据所述目标人脸数据库及所述待识别的人脸，确定所述待识别的人脸对应的身份标识。
在一种可能的实施方式中，所述确定模块601，具体用于确定所述待识别的人脸在所述目标图像中的面积；根据预先保存的面积与距离的对应关系，确定所述目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离。
在一种可能的实施方式中，所述确定模块601，具体用于在所述目标图像中，确定所述目标图像中所述目标人物的落足点对应的第一像素点，以及所述目标图像的下边沿中点对应的第二像素点；确定所述第一像素点与所述第二像素点在所述目标图像竖直方向的第一像素点数，以及所述第一像素点与所述第二像素点在所述目标图像水平方向的第二像素点数；根据所述第一像素点数以及预先保存的参数，确定所述目标人物与所述图像采集设备在竖直方向的第一实际距离；根据所述第二像素点数与预先保存的相邻像素点水平方向的实际距离，确定所述第二乘积为所述目标人物与所述图像采集设备在水平方向的第二实际距离；根据所述第一实际距离和所述第二实际距离，确定目标人物与图像采集设备的目标距离。
在一种可能的实施方式中，所述确定模块601，具体用于将所述目标图像输入到预先训练完成的神经网络模型，并获取所述神经网络模型输出的目标偏角。
在一种可能的实施方式中，所述确定模块601，具体用于确定所述目标图像中待识别的人脸中预先选择的关键点的位置信息，并构建第一三角形；
确定所述第一三角形在所述图像采集设备的中轴线法平面上的投影；
根据所述第一三角形和投影的得到的第二三角形，确定所述待识别的人脸的目标偏角。
在一种可能的实施方式中，所述装置还包括：
判断模块603，用于判断所述目标距离是否超过预设的距离阈值，并判断所述目标偏角是否超过预设的角度阈值；
所述确定模块601，还用于若所述目标距离未超过预设的距离阈值，且所述目标偏角未超过预设的角度阈值，则执行后续根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库的步骤。
实施例6：
图7为本发明实施例提供的一种电子设备结构示意图，在上述各实施例的基础上，本发明实施例还提供了一种电子设备，如图7所示，包括：处理器701、通信接口702、存储器703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信；
所述存储器703中存储有计算机程序，当所述程序被所述处理器701执行时，使得所述处理器701执行如下步骤：
确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及确定所述待识别的人脸的目标偏角；
根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库；
根据所述目标人脸数据库及所述待识别的人脸，确定所述待识别的人脸对应的身份标识。
在一种可能的实施方式中，所述确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离包括：
确定所述待识别的人脸在所述目标图像中的面积；
根据预先保存的面积与距离的对应关系，确定所述目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离。
在一种可能的实施方式中，所述确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离包括：
在所述目标图像中，确定所述目标图像中所述目标人物的落足点对应的第一像素点，以及所述目标图像的下边沿中点对应的第二像素点；
确定所述第一像素点与所述第二像素点在所述目标图像竖直方向的第一像素点数，以及所述第一像素点与所述第二像素点在所述目标图像水平方向的第二像素点数；
根据所述第一像素点数以及预先保存的参数，确定所述目标人物与所述图像采集设备在竖直方向的第一实际距离；
根据所述第二像素点数与预先保存的相邻像素点水平方向的实际距离，确定所述第二乘积为所述目标人物与所述图像采集设备在水平方向的第二实际距离；
根据所述第一实际距离和所述第二实际距离，确定目标人物与图像采集设备的目标距离。
在一种可能的实施方式中，所述确定所述待识别的人脸的目标偏角包括：
将所述目标图像输入到预先训练完成的神经网络模型，并获取所述神经网络模型输出的目标偏角。
在一种可能的实施方式中，所述确定所述待识别的人脸的目标偏角包括：
确定所述目标图像中待识别的人脸中预先选择的关键点的位置信息，并构建第一三角形；
确定所述第一三角形在所述图像采集设备的中轴线法平面上的投影；
根据所述第一三角形和投影的得到的第二三角形，确定所述待识别的人脸的目标偏角。
在一种可能的实施方式中，所述根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库之前，所述方法还包括：
判断所述目标距离是否超过预设的距离阈值，并判断所述目标偏角是否超过预设的角度阈值；
若均为否，则执行后续根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库的步骤。
由于上述电子设备解决问题的原理与人脸识别方法相似，因此上述电子设备的实施可以参见上述实施例1-4，重复之处不再赘述。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口302用于上述电子设备与其他设备之间的通信。存储器可以包括随机存取存储器(RandomAccess Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。上述处理器可以是通用处理器，包括中央处理器、网络处理器(Network Processor，NP)等；还可以是数字指令处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
实施例7：
在上述各实施例的基础上，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有可由处理器执行的计算机程序，当所述程序在所述处理器上运行时，使得所述处理器执行时实现如下步骤：
确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及确定所述待识别的人脸的目标偏角；
根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库；
根据所述目标人脸数据库及所述待识别的人脸，确定所述待识别的人脸对应的身份标识。
在一种可能的实施方式中，所述确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离包括：
确定所述待识别的人脸在所述目标图像中的面积；
根据预先保存的面积与距离的对应关系，确定所述目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离。
在一种可能的实施方式中，所述确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离包括：
在所述目标图像中，确定所述目标图像中所述目标人物的落足点对应的第一像素点，以及所述目标图像的下边沿中点对应的第二像素点；
确定所述第一像素点与所述第二像素点在所述目标图像竖直方向的第一像素点数，以及所述第一像素点与所述第二像素点在所述目标图像水平方向的第二像素点数；
根据所述第一像素点数以及预先保存的参数，确定所述目标人物与所述图像采集设备在竖直方向的第一实际距离；
根据所述第二像素点数与预先保存的相邻像素点水平方向的实际距离，确定所述第二乘积为所述目标人物与所述图像采集设备在水平方向的第二实际距离；
根据所述第一实际距离和所述第二实际距离，确定目标人物与图像采集设备的目标距离。
在一种可能的实施方式中，所述确定所述待识别的人脸的目标偏角包括：
将所述目标图像输入到预先训练完成的神经网络模型，并获取所述神经网络模型输出的目标偏角。
在一种可能的实施方式中，所述确定所述待识别的人脸的目标偏角包括：
确定所述目标图像中待识别的人脸中预先选择的关键点的位置信息，并构建第一三角形；
确定所述第一三角形在所述图像采集设备的中轴线法平面上的投影；
根据所述第一三角形和投影的得到的第二三角形，确定所述待识别的人脸的目标偏角。
在一种可能的实施方式中，所述根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库之前，所述方法还包括：
判断所述目标距离是否超过预设的距离阈值，并判断所述目标偏角是否超过预设的角度阈值；
若均为否，则执行后续根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库的步骤。
由于上述提供的计算机可读取介质解决问题的原理与人脸识别方法相似，因此处理器执行上述计算机可读取介质中的计算机程序后，实现的步骤可以参见上述实施例1-4，重复之处不再赘述。
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、系统、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的方法、设备(系统)、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。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种人脸识别方法，其特征在于，所述方法包括：
确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及确定所述待识别的人脸的目标偏角；
根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库；
根据所述目标人脸数据库及所述待识别的人脸，确定所述待识别的人脸对应的身份标识；
所述确定所述待识别的人脸的目标偏角包括：
确定所述目标图像中待识别的人脸中预先选择的关键点的位置信息，并构建第一三角形；
确定所述第一三角形在所述图像采集设备的中轴线法平面上的投影；
根据所述第一三角形和投影的得到的第二三角形，确定所述待识别的人脸的目标偏角。
2.根据权利要求1所述的方法，其特征在于，所述确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离包括：
确定所述待识别的人脸在所述目标图像中的面积；
根据预先保存的面积与距离的对应关系，确定所述目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离。
3.根据权利要求1所述的方法，其特征在于，所述确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离包括：
在所述目标图像中，确定所述目标图像中所述目标人物的落足点对应的第一像素点，以及所述目标图像的下边沿中点对应的第二像素点；
确定所述第一像素点与所述第二像素点在所述目标图像竖直方向的第一像素点数，以及所述第一像素点与所述第二像素点在所述目标图像水平方向的第二像素点数；
根据所述第一像素点数以及预先保存的参数，确定所述目标人物与所述图像采集设备在竖直方向的第一实际距离；
根据所述第二像素点数与预先保存的相邻像素点水平方向的实际距离，确定第二乘积为所述目标人物与所述图像采集设备在水平方向的第二实际距离；
根据所述第一实际距离和所述第二实际距离，确定目标人物与图像采集设备的目标距离。
4.根据权利要求1所述的方法，其特征在于，所述确定所述待识别的人脸的目标偏角包括：
将所述目标图像输入到预先训练完成的神经网络模型，并获取所述神经网络模型输出的目标偏角。
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库之前，所述方法还包括：
判断所述目标距离是否超过预设的距离阈值，并判断所述目标偏角是否超过预设的角度阈值；
若均为否，则执行后续根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库的步骤。
6.一种人脸识别装置，其特征在于，所述装置包括：
确定模块，用于确定目标图像中待识别的人脸对应的目标人物与图像采集设备的目标距离，以及确定所述待识别的人脸的目标偏角；根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库；
人脸识别模块，用于根据所述目标人脸数据库及所述待识别的人脸，确定所述待识别的人脸对应的身份标识；
所述确定模块，具体用于确定所述目标图像中待识别的人脸中预先选择的关键点的位置信息，并构建第一三角形；
确定所述第一三角形在所述图像采集设备的中轴线法平面上的投影；
根据所述第一三角形和投影的得到的第二三角形，确定所述待识别的人脸的目标偏角。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
判断模块，用于判断所述目标距离是否超过预设的距离阈值，并判断所述目标偏角是否超过预设的角度阈值；
所述确定模块，还用于若所述目标距离未超过预设的距离阈值，且所述目标偏角未超过预设的角度阈值，则执行根据所述目标距离和所述目标偏角，确定预先保存的所述目标距离及所述目标偏角的对应的目标人脸数据库的步骤。
8.一种电子设备，其特征在于，所述电子设备至少包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序时实现权利要求1-5中任一所述的人脸识别方法的步骤。
9.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5中任一所述的人脸识别方法的步骤。
CN202110620986.2A 2021-06-03 2021-06-03 一种人脸识别方法、装置、设备及介质 Active CN113420616B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110620986.2A CN113420616B (zh) 2021-06-03 2021-06-03 一种人脸识别方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110620986.2A CN113420616B (zh) 2021-06-03 2021-06-03 一种人脸识别方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN113420616A CN113420616A (zh) 2021-09-21
CN113420616B true CN113420616B (zh) 2023-04-07

Family

ID=77713828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110620986.2A Active CN113420616B (zh) 2021-06-03 2021-06-03 一种人脸识别方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113420616B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110866466A (zh) * 2019-10-30 2020-03-06 平安科技（深圳）有限公司 一种人脸识别方法、装置、存储介质和服务器
CN112488016A (zh) * 2020-12-09 2021-03-12 重庆邮电大学 多角度人脸识别方法及应用

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654048A (zh) * 2015-12-30 2016-06-08 四川川大智胜软件股份有限公司 一种多视角人脸比对方法
ES1217194Y (es) * 2018-05-29 2018-12-03 Velaz Lombide Inigo Cámara 360º con marcado de zonas y sus formatos de imágenes y videos
CN109784256A (zh) * 2019-01-07 2019-05-21 腾讯科技（深圳）有限公司 人脸识别方法和装置、存储介质及电子装置
CN110955912B (zh) * 2019-10-29 2023-08-08 平安科技（深圳）有限公司 基于图像识别的隐私保护方法、装置、设备及其存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110866466A (zh) * 2019-10-30 2020-03-06 平安科技（深圳）有限公司 一种人脸识别方法、装置、存储介质和服务器
CN112488016A (zh) * 2020-12-09 2021-03-12 重庆邮电大学 多角度人脸识别方法及应用

Also Published As

Publication number Publication date
CN113420616A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
US20210019503A1 (en) Face detection method and apparatus, service processing method, terminal device, and storage medium
CN108875511B (zh) 图像生成的方法、装置、系统及计算机存储介质
CN108875723B (zh) 对象检测方法、装置和系统及存储介质
CN108875534B (zh) 人脸识别的方法、装置、系统及计算机存储介质
US9384398B2 (en) Method and apparatus for roof type classification and reconstruction based on two dimensional aerial images
CN112633144A (zh) 人脸遮挡检测方法、系统、设备及存储介质
CN112734641A (zh) 目标检测模型的训练方法、装置、计算机设备及介质
CN112084856A (zh) 一种人脸姿态检测方法、装置、终端设备及存储介质
CN112651953B (zh) 图片相似度计算方法、装置、计算机设备及存储介质
CN111368638A (zh) 电子表格的创建方法、装置、计算机设备和存储介质
CN108875531B (zh) 人脸检测方法、装置、系统及计算机存储介质
WO2019128495A1 (zh) 图像清晰度检测方法、装置、存储介质及电子设备
CN112017232A (zh) 图像内圆形图案的定位方法、装置及设备
CN112396050B (zh) 图像的处理方法、设备以及存储介质
CN110796709A (zh) 车架号尺寸获取方法、装置、计算机设备和存储介质
CN112215308A (zh) 一种吊装物体单阶检测方法、装置、电子设备及存储介质
CN112036232A (zh) 一种图像表格结构识别方法、系统、终端以及存储介质
EP3410389A1 (en) Image processing method and device
CN110390226B (zh) 人群事件识别方法、装置、电子设备及系统
CN114332880A (zh) 一种文本检测方法、装置、设备及存储介质
CN112784494B (zh) 假阳性识别模型的训练方法、目标识别方法及装置
CN113420616B (zh) 一种人脸识别方法、装置、设备及介质
JP5080416B2 (ja) 入力画像から検出対象物の像を検出する画像処理装置
CN113870190B (zh) 竖直线条检测方法、装置、设备及存储介质
CN114998743A (zh) 一种视觉地图点的构建方法、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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: No.266109 Songshan Road, Qingdao, Shandong Province

Patentee after: Qingdao Hisense Smart Life Technology Co.,Ltd.

Country or region after: China

Address before: No.266109 Songshan Road, Qingdao, Shandong Province

Patentee before: Qingdao Hisense Smart Life Technology Co.,Ltd.

Country or region before: China

CP03 Change of name, title or address
TR01 Transfer of patent right

Effective date of registration: 20240801

Address after: No.266109 Songshan Road, Qingdao, Shandong Province

Patentee after: QINGDAO JUHAOLIAN TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: No.266109 Songshan Road, Qingdao, Shandong Province

Patentee before: Qingdao Hisense Smart Life Technology Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right