CN113420688A - 自适应人脸识别处理方法、装置、电子设备及存储介质 - Google Patents
自适应人脸识别处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113420688A CN113420688A CN202110733314.2A CN202110733314A CN113420688A CN 113420688 A CN113420688 A CN 113420688A CN 202110733314 A CN202110733314 A CN 202110733314A CN 113420688 A CN113420688 A CN 113420688A
- Authority
- CN
- China
- Prior art keywords
- similarity
- feature
- current
- image features
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 230000003044 adaptive effect Effects 0.000 title claims description 42
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000001815 facial effect Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种自适应人脸识别处理方法、装置、电子设备及存储介质。所述方法包括：确定当前识别场景下的当前人脸图像特征；若检测到当前人脸图像特征与底库图像特征识别比对的特征相似度满足第一相似度条件，则检测特征相似度是否满足第二相似度条件；若检测到特征相似度不满足第二相似度条件，则对当前识别场景下底库图像特征进行自适应更新，用以下次人脸识别比对时适应当前识别场景。采用本申请方案，在人脸识别通过的情况下自适应对采样差异过大的底库图像特征进行更新，以生成适合自身场景的底库图像特征库，实现在保证不降低识别精度的同时，能够让人脸识别适应不同场景逐步提高实际使用者的人脸识别通过率，从而提升使用者体验。
Description
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种自适应人脸识别处理方法、装置、电子设备及存储介质。
背景技术
人脸识别作为一种生物识别方案，已经广泛应用在各类场景，但由于核心模块是事先通过训练完成后固化的识别模型，人员底库图像也是统一采集，固化的模型与底库图像无法适应场景变化，导致实际使用中的识别率通过率下降。
相关技术中，一种是收集更多场景下的数据加入模型训练，以达到让模型可以自适应各类场景，但是数据收集与训练的迭代周期长、成本高以及模型识别效果不稳定；另一种是给同一个人采集多张底库图像，但会提高底库图像的采集成本，且需要预先想定场景。因此，如何进行人脸识别变得尤为重要。
发明内容
本发明实施例中提供了一种自适应人脸识别处理方法、装置、电子设备及存储介质，以实现在保证识别精度的同时逐步提高人脸识别通过率。
第一方面，本发明实施例中提供了一种自适应人脸识别处理方法，所述方法包括：
确定当前识别场景下的当前人脸图像特征；
若检测到当前人脸图像特征与底库图像特征识别比对的特征相似度满足第一相似度条件，则检测特征相似度是否满足第二相似度条件；
若检测到特征相似度不满足第二相似度条件，则对当前识别场景下底库图像特征进行自适应更新，用以下次人脸识别比对时适应当前识别场景；
其中，所述第一相似度条件通过人脸识别准确度进行确定，所述第二相似度条件通过识别场景下人脸识别通过稳定度确定。
第二方面，本发明实施例中还提供了一种自适应人脸识别处理装置，所述装置包括：
人脸图像特征确定模块，用于确定当前识别场景下的当前人脸图像特征；
人脸相似度检测模块，用于若检测到当前人脸图像特征与底库图像特征识别比对的特征相似度满足第一相似度条件，则检测特征相似度是否满足第二相似度条件；
底库图像特征更新模块，用于若检测到特征相似度不满足第二相似度条件，则对当前识别场景下底库图像特征进行自适应更新，用以下次人脸识别比对时使用；
其中，所述第一相似度条件通过人脸识别准确度进行确定，所述第二相似度条件通过识别场景下人脸识别通过稳定度确定。
第三方面，本发明实施例中还提供了一种电子设备，包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如本发明任意实施例中提供的所述自适应人脸识别处理方法。
第四方面，本发明实施例中还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理装置执行时实现如本发明任意实施例中提供的所述自适应人脸识别处理方法。
本发明实施例中提供了一种自适应人脸识别处理方案，确定当前识别场景下的当前人脸图像特征，并在当前人脸图像特征与底库图像特征识别比对的特征相似度满足第一相似度条件时检测特征相似度是否满足第二相似度条件；第一相似度条件通过人脸识别准确度进行确定，第二相似度条件通过识别场景下人脸识别通过稳定度确定；以及，在检测到特征相似度不满足第二相似度条件时对当前识别场景下底库图像特征进行自适应更新，用以下次人脸识别比对时适应当前识别场景。采用本申请方案，在人脸识别通过的情况下，会使用通过识别场景下人脸识别通过稳定度确定的相似度条件来判定是否自适应对采样差异过大的底库图像特征进行更新，以生成适合自身场景的底库图像特征库，实现在保证不降低识别精度的同时，能够让人脸识别适应不同场景，逐步提高实际使用者的人脸识别通过率，从而提升使用者体验。
上述发明内容仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是本发明实施例中提供的一种自适应人脸识别处理方法的流程图；
图2是本发明实施例中提供的另一种自适应人脸识别处理方法的流程图；
图3是本发明实施例中提供的又一种自适应人脸识别处理方法的流程图；
图4是本发明实施例中提供的一种自适应人脸识别处理装置的结构框图；
图5是本发明实施例中提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前，应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
下面通过以下各个实施例及其可选方案对本申请中提供的自适应人脸识别处理方法、装置、电子设备及存储介质进行详细阐述。
图1是本发明实施例中提供的一种自适应人脸识别处理方法的流程图。本实施例可适用于对人脸识别所使用的底库图像特征进行更新，以适应人脸识别场景进行人脸识别的情况。该方法可由自适应人脸识别处理装置来执行，该装置可以采用软件和/或硬件的方式实现，并集成在任何具有网络通信功能的电子设备上。如图1所示，本申请实施例中提供的自适应人脸识别处理方法，可包括以下步骤：
S110、确定当前识别场景下的当前人脸图像特征。
在实际使用过程中人脸识别场景可包括人脸识别所在的监控场景以及人脸图像所处的采集场景，同一个位置在不同时间的人脸识别所经历的识别场景可以存在差异，固化的识别模型与底库图像无法适应各类场景变化，会造成实际使用者的人脸识别通过率下降。比如，由于外部因素的影响，会造成同一个使用者同一位置的人脸识别经历不同场景变化，使用者使用有效人脸图像在一些场景变化下能够准确人脸识别，而在另一些场景变化下却总是会发生人脸识别失败的情况，导致实际使用者的人脸识别通过率下降。为此，需要结合识别场景以及识别场景下使用者的人脸图像特征，方便后续自适应更新底库中采样差异过大的底库图像特征。
可选地，人脸识别的识别场景可包括人脸图像的采集场景等。其中，实际使用过程中会存在各种光照、角度、镜头成像以及妆容变化等，人脸图像的采集场景会受人脸图像采集时光照、角度、镜头成像以及妆容等因素的影响，而产生场景差异变化，固化模型与底库图像无法适应各种场景变化，就会导致实际使用中人脸识别通过率下降，这样。
在本实施例的一种可选方案中，确定当前识别场景下的当前人脸图像特征可包括以下步骤：
通过拍摄设备采集当前用户在当前识别场景下的当前人脸图像，从当前人脸图像提取人脸图像特征作为当前人脸图像特征。其中，人脸图像特征可包括人脸轮廓或妆容特征、人脸所处的环境特征与采集人脸图像时的拍摄特征等。
S120、若检测到当前人脸图像特征与底库图像特征识别比对的特征相似度满足第一相似度条件，则检测特征相似度是否满足第二相似度条件。
其中，第一相似度条件通过人脸识别准确度进行确定，第二相似度条件通过识别场景下人脸识别通过稳定度确定。
预先部署人脸特征底库，并在底库中配置底库图像特征，通过将当前人脸图像特征与底库图像特征进行比对进行人脸识别，并在比对过程中得到当前人脸图像特征与底库图像特征之间的特征相似度。第一相似度条件可以通过人脸识别准确度进行确定，其中人脸识别准确度可通过人脸识别中正确识别次数相对总识别次数的比值进行描述；基于第一相似度条件可以判断人脸图像特征与底库图像特征是否属于同一个使用者的图像特征。这样，如果人脸图像特征与底库图像特征之间的特征相似度满足第一相似度条件，则判定使用人脸图像特征进行人脸识别时人脸识别通过；否则，判定人脸识别不通过。
可选地，满足第一相似度条件可包括人脸图像特征与底库图像特征之间的特征相似度大于相似度识别门限值。如果人脸图像特征与底库图像特征之间的特征相似度大于相似度识别门限值，则确定人脸图像特征与底库图像特征之间的特征相似度满足第一相似度条件；否则，确定人脸图像特征与底库图像特征之间的特征相似度不满足第一相似度条件。其中，相似度识别门限值可为判断人脸图像特征与底库图像特征是否属于同一个使用者的图像特征的门限阈值。
S130、若检测到特征相似度不满足第二相似度条件，则对当前识别场景下底库图像特征进行自适应更新，用以下次人脸识别比对时适应当前识别场景。
第二相似度条件可以通过识别场景下人脸识别通过稳定度确定，其中人脸识别通过稳定度可通过采用底库图像特征在各个场景下进行正确通过人脸识别的次数来界定，比如在各个场景下正确通过人脸识别的次数越多，则人脸识别通过稳定度越高，反之则人脸识别通过稳定度越低；基于第二相似度条件可以判断在识别场景下使用底库图像特征进行人脸识别是否能保证识别稳定，即判断在人脸识别时是否多次或频繁出现人脸识别不通过的问题。
如果人脸图像特征与底库图像特征之间的特征相似度不满足第二相似度条件，则判定使用底库图像特征与人脸图像特征在识别场景下进行人脸识别表现不稳定，存在多次或频繁出现人脸识别不通过的问题，需要启动自适应更新底库图像特征的逻辑，自适应的更新底库图像特征，生成适合识别场景的人脸底库特征库，以便下次进行人脸识别时能更好地适应识别场景。
如果检测到人脸图像特征与底库图像特征之间的特征相似度满足第二相似度条件，则判定使用底库图像特征与人脸图像特征在识别场景下进行人脸识别表现稳定，此时对当前识别场景下底库图像特征保持不变，而不需要再对人脸底库特征库中的底库图像特征进行更新，可以直接用以下次人脸识别比对时来适应当前识别场景。
可选地，满足第二相似度条件可以包括人脸图像特征与底库图像特征之间的特征相似度大于保持相似度识别通过稳定性的门限值。如果人脸图像特征与底库图像特征之间的特征相似度大于保持相似度识别通过稳定性的门限值，则确定人脸图像特征与底库图像特征之间的特征相似度满足第二相似度条件；否则，确定人脸图像特征与底库图像特征之间的特征相似度不满足第二相似度条件。其中，保持相似度识别通过稳定性的门限值可为用于同一使用者在识别场景下使用底库图像特征进行人脸识别是否能保证识别稳定的门限阈值。
根据本发明实施例中提供的自适应人脸识别处理方案，在人脸识别通过的情况下，会使用通过识别场景下人脸识别通过稳定度确定的相似度条件来判定是否自适应对采样差异过大的底库图像特征进行更新，以生成适合自身场景的底库图像特征库，实现在保证不降低识别精度的同时，能够让人脸识别适应不同场景，逐步提高实际使用者的人脸识别通过率，从而提升使用者体验；并且降低数据收集与训练的迭代周期长造成的成本，提高在各个场景下人脸识别通过稳定性；以及降低了底库图像采集成本，且不需要预先构想各类场景。
图2是本发明实施例中提供的另一种自适应人脸识别处理方法的流程图，本发明实施例在上述实施例的基础上对前述实施例进行进一步优化，本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示，本申请实施例中提供的自适应人脸识别处理方法，可包括以下步骤：
S210、确定当前识别场景下的当前人脸图像特征。
S220、若检测到当前人脸图像特征与底库图像特征识别比对的特征相似度满足第一相似度条件，则检测特征相似度是否满足第二相似度条件。
其中，第一相似度条件通过人脸识别准确度进行确定，第二相似度条件通过识别场景下人脸识别通过稳定度确定。
S230、若检测到特征相似度不满足第二相似度条件，则从人脸识别比对通过对应的底库图像特征中选择标准底库图像特征或已有的自适应底库图像特征。
在初始状态下底库图像特征中仅导入了标准底库图像特征，而随着人脸识别操作的不断进行非初始状态下的底库图像特征中不仅会包括标准底库图像特征，同时会逐步加入自适应底库图像特征进行补充。因此，在基于第一相似度条件确定人脸比对通过时，同时确定与当前人脸图像特征比对通过的底库图像特征的情况下，可检测当前识别场景下人脸识别比对通过对应的底库图像特征中是否包括自适应底库图像特征。可选地，采用余弦距离或欧氏距离比较图像特征向量进行特征比对。进而，依据检测结果可从人脸识别比对通过的底库图像特征中选择标准底库图像特征或已有的自适应底库图像特征来使用。
S240、依据选择的标准底库图像特征或已有的自适应底库图像特征，以及当前人脸图像特征，对当前识别场景下底库图像特征进行自适应更新，用以下次人脸识别比对时适应当前识别场景。
在本实施例的一种可选方案中，对当前识别场景下底库图像特征进行自适应更新，可包括以下步骤A1-A2：
步骤A1、若当前识别场景下底库图像特征不包括自适应底库图像特征，则采用第一权重比例对当前人脸图像特征与选择的标准底库图像特征加权平均。
步骤A2、依据使用第一权重比例得到的加权平均结果，在人脸识别比对通过对应的底库图像特征中增加当前识别场景下的自适应底库图像特征。
在当前用户在当前识别场景下的底库图像特征中尚未存在自适应底库特征的情况下，采用第一权重比例将当前人脸图像特征与选择的标准底库图像特征加权平均计算，且加权平均时从当前人脸图像特征与选择的标准底库图像特征在各个特征维度进行对位相加。进而，在人脸识别比对通过对应的底库图像特征中增加使用第一权重比例得到的加权平均结果。
示例性地，使用第一权重比例进行加权平均得到的自适应底库图像特征＝当前人脸图像特征*M+标准底库图像特征*(1-M)；其中M为初始状态下第一权重比例中当前人脸图像特征的权重系数，为了保证标准底库图像特征与将要增加的自适应底库图像特征之间的平衡，在首次创建自适应底库图像特征时通过经验设置第一权重比例默认为0.5，且使得当前人脸图像特征的权重系数与标准底库图像特征系数之和为1。
在本实施例的另一种可选方案中，对当前识别场景下底库图像特征进行自适应更新，可包括以下步骤B1-B2：
步骤B1、若当前识别场景下底库图像特征中已包括自适应底库图像特征，则采用第二权重比例对当前人脸图像特征与选择的已有的自适应底库图像特征进行加权平均；第二权重比例指示的权重系数滑动可调。
步骤B2、依据第二权重比例对应的加权平均结果，对当前识别场景下库图像特征中已有的自适应底库图像特征更新替换为新的自适应底库图像特征。
在当前用户在当前识别场景下的底库图像特征中已经存在自适应底库特征的情况下，采用第二权重比例将当前人脸图像特征与选择的已有的自适应底库图像特征进行加权平均计算，且加权平均时从当前人脸图像特征与选择的已有的自适应底库图像特征在各个特征维度进行对位相加。进而，将人脸识别比对通过对应的底库图像特征中已有的自适应底库图像特征更新替换为使用第二权重比例得到的加权平均结果得到的新的自适应底库图像特征。
示例性地，使用第二权重比例进行加权平均得到的自适应底库图像特征＝当前人脸图像特征*m+底库图像特征中已有的自适应底库图像特征*(1-m)；其中m为非初始状态下第二权重比例中当前人脸图像特征的滑动可调权重系数，为了避免在后续自适应底库图像特征更新过程中出现波动较大的变化，可通过经验设置第二权重比例默认初始为0.1；且使得当前人脸图像特征的权重系数与自适应底库图像特征系数之和为1。
可选地，第二权重比例的滑动可调权重系数大小随着人脸图像特征所属场景的发生概率进行调整，人脸图像特征所属场景出现频次越高，第二权重比例的滑动可调权重系数越大；相反，人脸图像特征所属场景出现频次越小，第二权重比例的滑动可调权重系数越小。这样，可以将自适应底库特征向场景频发的方向进行更多偏移，尽可能保证更多的人脸识别通过率。
可选地，在设置第一权重比例与第二权重比例时，控制第一权重比例当前人脸图像特征的滑动可调权重系数大于第二权重比例中当前人脸图像特征的滑动可调权重系数，这样可保证在首次创建的自适应底库图像特征与标准底库图像的平衡而在后续更新时能进行波动较小地微调。
根据本发明实施例中提供的自适应人脸识别处理方案，在人脸识别通过的情况下，会使用通过识别场景下人脸识别通过稳定度确定的相似度条件来判定是否自适应对采样差异过大的底库图像特征进行更新，进而按照一定的权重比例进行逐步调整底库图像特征，通过了多次平滑调整更新的方式来生成适合自身场景的底库图像特征库，避免因大幅度调整出现错误的调整，实现在保证不降低识别精度的同时，能够让人脸识别适应不同场景，逐步提高实际使用者的人脸识别通过率，从而提升使用者体验；并且降低数据收集与训练的迭代周期长造成的成本，提高在各个场景下人脸识别通过稳定性；以及降低了底库图像采集成本，且不需要预先构想各类场景。
图3是本发明实施例中提供的又一种自适应人脸识别处理方法的流程图，本发明实施例在上述实施例的基础上对前述实施例进行进一步优化，本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图3所示，本申请实施例中提供的自适应人脸识别处理方法，可包括以下步骤：
S310、确定当前识别场景下的当前人脸图像特征。
S320、确定当前人脸图像特征与至少一个底库图像特征之间的特征相似度。
S330、确定是否存在特征相似度满足第一相似度条件，用以在存在特征相似度满足第一相似度条件时判定人脸识别比对通过。
在人脸特征底库中可以包括不同用户的底库图像特征，而不限于一个用户的底库图像特征。因此，需要在人脸特征库中遍历各个底库图像特征，计算当前人脸图像特征与遍历的底库图像特征之间的特征相似度。进而，检测遍历计算的特征相似度中是否存在特征相似度满足第一相似度条件。如果确定遍历计算的特征相似度中存在一个特征相似度满足第一相似度条件，则判断当前识别场景下当前用户的人脸识别比对通过；否则，判断当前识别场景下当前用户的人脸识别比对未通过。
在本实施例的一种可选方案中，确定当前人脸图像特征与至少一个底库图像特征之间的特征相似度，可包括以下步骤：
若当前识别场景下底库图像特征中不包括自适应底库图像特征，则确定当前人脸图像特征与底库图像特征中标准底库图像特征之间的特征相似度，用以进行人脸识别比对。
在本实施例的另一种可选方案中，确定当前人脸图像特征与至少一个底库图像特征之间的特征相似度，可包括以下步骤C1-C2：
步骤C1、若当前识别场景下底库图像特征中已包括自适应底库图像特征，则确定当前人脸图像特征与底库图像特征中自适应底库图像特征之间第一特征相似度；以及，确定当前人脸图像特征与底库图像特征中标准底库图像特征之间第二特征相似度。
步骤C2、采用第三权重比例对第一特征相似度与第二特征相似度进行加权平均得到特征相似度，用以进行人脸识别比对；其中，第三权重比例指示的权重系数滑动可调。
在当前用户在当前识别场景下的底库图像特征中已经存在自适应底库特征的情况下，分别计算当前人脸图像特征与底库图像特征中标准底库图像特征之间第二特征相似度；以及，计算当前人脸图像特征与底库图像特征中自适应底库图像特征之间第一特征相似度。使用第三权重比例对第一特征相似度与第二特征相似度进行加权平均得到的人脸图像特征与底库图像特征之间的特征相似度的计算公式如下：特征相似度＝第一特征相似度*W+第二特征相似度*(1-W)；其中W为第三权重比例中自适应底库图像特征对应的第一特征相似度的滑动可调权重系数，默认初始值为0.1；且第一特征相似度的权重系数与第二特征相似度的权重系数之和为1。
可选地，第三权重比例的滑动可调权重系数大小第一特征相似度与第二特征相似度之间的大小比较进行动态调整。这样，可以将底库图像特征在自适应底库特征与标准底库图像特征之间进行平衡协调，避免过于偏向自适应底库特征或标准底库图像特征导致人脸识别出现单向性，从而导致场景适应性下降。
在本实施例的一种可选方案中，在判定当前识别场景下当前用户的人脸识别比对通过之后，还可包括以下步骤：
通过比较第一特征相似度与第二特征相似度的相似度大小，对第三权重比例指示的权重系数进行滑动调整，用以下一次人脸识别比对使用。
在每次使用自适应底库图像特征进行人脸比对通过时，比较第一特征相似度与第二特征相似度之间的大小。如果基于自适应底库图像特征计算的第一特征相似度大于基于标准底库图像特征计算的第二特征相似度，则将第三权重比例中第一特征相似度对应的滑动可调权重系数的取值提高预设值，相应地第三权重比例中第二特征相似度对应的滑动可调权重系数的取值降低预设值。
如果基于自适应底库图像特征计算的第一特征相似度小于或等于基于标准底库图像特征计算的第二特征相似度，则将第三权重比例中第一特征相似度对应的滑动可调权重系数的取值降低预设值，相应地第三权重比例中第二特征相似度对应的滑动可调权重系数的取值提高预设值。
可选地，在检测到第三权重比例中第一特征相似度对应的滑动可调权重系数降至为0时，将底库图像特征中的自适应底库图像特征进行删除；在检测到第三权重比例中第一特征相似度对应的滑动可调权重系数提升至为1时，将底库图像特征中的自适应底库图像特征保留，而删除底库图像特征中的标准底库图像特征，实现特征替换。
S340、若检测到当前人脸图像特征与底库图像特征识别比对的特征相似度满足第一相似度条件，则检测特征相似度是否满足第二相似度条件。
其中，第一相似度条件通过人脸识别准确度进行确定，第二相似度条件通过识别场景下人脸识别通过稳定度确定。
S350、若检测到特征相似度不满足第二相似度条件，则对当前识别场景下底库图像特征进行自适应更新，用以下次人脸识别比对时适应当前识别场景。
可选地，为了兼容人脸识别模型更新导致的标准底库图像特征更新，每个生成自适应图像特征的人脸，会保留最近的3张人脸识别通过的人脸图像。在检测到人脸识别模型发生更新，则使用保留的人脸图像，根据前述实施例中提供的方案重新对当前识别场景下底库图像特征进行自适应更新，重新生成更新后的人脸识别模型所需的自适应底库图像特征，并将参数W初始化回0.1。
根据本发明实施例中提供的自适应人脸识别处理方案，在人脸识别通过的情况下，会使用通过识别场景下人脸识别通过稳定度确定的相似度条件来判定是否自适应对采样差异过大的底库图像特征进行更新，以生成适合自身场景的底库图像特征库，实现让各个门禁根据自身识别场景以及实际人员着装特性自适应的去更新底库中采样差异过大的底库图像特征，在保证不降低识别精度的同时，让人脸识别适应不同场景，逐步提高实际使用者的人脸识别通过率，从而提升使用者体验；并且降低数据收集与训练的迭代周期长造成的成本，提高在各个场景下人脸识别通过稳定性；以及降低了底库图像采集成本，且不需要预先构想各类场景。
图4是本发明实施例中提供的一种自适应人脸识别处理装置的结构框图。本实施例可适用于对人脸识别所使用的底库图像特征进行更新，以适应人脸识别场景进行人脸识别的情况。该装置可以采用软件和/或硬件的方式实现，并集成在任何具有网络通信功能的电子设备上。如图4所示，本申请实施例中提供的自适应人脸识别处理装置，可包括以下：人脸图像特征确定模块410、人脸相似度检测模块420以及底库图像特征更新模块430。其中：
人脸图像特征确定模块410，用于确定当前识别场景下的当前人脸图像特征。
人脸相似度检测模块420，用于若检测到当前人脸图像特征与底库图像特征识别比对的特征相似度满足第一相似度条件，则检测特征相似度是否满足第二相似度条件。
底库图像特征更新模块430，用于若检测到特征相似度不满足第二相似度条件，则对当前识别场景下底库图像特征进行自适应更新，用以下次人脸识别比对时使用。
其中，所述第一相似度条件通过人脸识别准确度进行确定，所述第二相似度条件通过识别场景下人脸识别通过稳定度确定。
在上述实施例的基础上，可选地，底库图像特征更新模块430还用于：
若检测到特征相似度满足第二相似度条件，则对当前识别场景下底库图像特征保持不变，用以下次人脸识别比对时适应当前识别场景。
在上述实施例的基础上，可选地，所述识别场景包括人脸图像的采集场景；其中所述采集场景受人脸图像采集时光照、角度、镜头成像以及妆容的影响。
在上述实施例的基础上，可选地，所述满足第一相似度条件包括人脸图像特征与底库图像特征之间的特征相似度大于相似度识别门限值；所述满足第二相似度条件包括人脸图像特征与底库图像特征之间的特征相似度大于保持相似度识别通过稳定性的门限值。
在上述实施例的基础上，可选地，底库图像特征更新模块430包括：
从人脸识别比对通过对应的底库图像特征中选择标准底库图像特征或已有的自适应底库图像特征；
依据选择的标准底库图像特征或已有的自适应底库图像特征，以及所述当前人脸图像特征，对当前识别场景下底库图像特征进行自适应更新；
在上述实施例的基础上，可选地，底库图像特征更新模块430具体包括：
若当前识别场景下底库图像特征不包括自适应底库图像特征，则采用第一权重比例对当前人脸图像特征与选择的标准底库图像特征加权平均；
依据使用第一权重比例得到的加权平均结果，在人脸识别比对通过对应的底库图像特征中增加当前识别场景下的自适应底库图像特征。
在上述实施例的基础上，可选地，底库图像特征更新模块430具体包括：
若当前识别场景下底库图像特征中已包括自适应底库图像特征，则采用第二权重比例对当前人脸图像特征与选择的已有的自适应底库图像特征进行加权平均；所述第二权重比例指示的权重系数滑动可调；
依据第二权重比例对应的加权平均结果，对当前识别场景下库图像特征中已有的自适应底库图像特征更新替换为新的自适应底库图像特征。
在上述实施例的基础上，可选地，人脸相似度检测模块420还用于：
在检测特征相似度是否满足第二相似度条件之前，确定当前人脸图像特征与至少一个底库图像特征之间的特征相似度；
确定是否存在特征相似度满足第一相似度条件，用以在存在特征相似度满足第一相似度条件时判定人脸识别比对通过。
在上述实施例的基础上，可选地，确定当前人脸图像特征与至少一个底库图像特征之间的特征相似度，包括：
若当前识别场景下底库图像特征中不包括自适应底库图像特征，则确定当前人脸图像特征与底库图像特征中标准底库图像特征之间的特征相似度，用以进行人脸识别比对。
在上述实施例的基础上，可选地，确定当前人脸图像特征与至少一个底库图像特征之间的特征相似度，包括：
若当前识别场景下底库图像特征中已包括自适应底库图像特征，则确定当前人脸图像特征与底库图像特征中自适应底库图像特征之间第一特征相似度；
确定当前人脸图像特征与底库图像特征中标准底库图像特征之间第二特征相似度；
采用第三权重比例对第一特征相似度与第二特征相似度进行加权平均得到特征相似度，用以进行人脸识别比对；
其中，所述第三权重比例指示的权重系数滑动可调。
在上述实施例的基础上，可选地，在判定人脸识别比对通过之后，所述装置还包括：
通过比较第一特征相似度与第二特征相似度的相似度大小，对所述第三权重比例指示的权重系数进行滑动调整，用以下一次人脸识别比对使用。
本发明实施例中所提供的自适应人脸识别处理装置可执行上述本发明任意实施例中所提供的自适应人脸识别处理方法，具备执行该自适应人脸识别处理方法相应的功能和有益效果，详细过程参见前述实施例中自适应人脸识别处理方法的相关操作。
图5是本发明实施例中提供的一种电子设备的结构示意图。如图5所示结构，本发明实施例中提供的电子设备包括：一个或多个处理器510和存储装置520；该电子设备中的处理器510可以是一个或多个，图5中以一个处理器510为例；存储装置520用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器510执行，使得所述一个或多个处理器510实现如本发明实施例中任一项所述的自适应人脸识别处理方法。
该电子设备还可以包括：输入装置530和输出装置540。
该电子设备中的处理器510、存储装置520、输入装置530和输出装置540可以通过总线或其他方式连接，图5中以通过总线连接为例。
该电子设备中的存储装置520作为一种计算机可读存储介质，可用于存储一个或多个程序，所述程序可以是软件程序、计算机可执行程序以及模块，如本发明实施例中所提供的自适应人脸识别处理方法对应的程序指令/模块。处理器510通过运行存储在存储装置520中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例中自适应人脸识别处理方法。
存储装置520可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；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储装置520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、或其他非易失性固态存储器件。在一些实例中，存储装置520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏等显示设备。
并且，当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器510执行时，程序进行如下操作：
确定当前识别场景下的当前人脸图像特征；
若检测到当前人脸图像特征与底库图像特征识别比对的特征相似度满足第一相似度条件，则检测特征相似度是否满足第二相似度条件；
若检测到特征相似度不满足第二相似度条件，则对当前识别场景下底库图像特征进行自适应更新，用以下次人脸识别比对时适应当前识别场景；
其中，所述第一相似度条件通过人脸识别准确度进行确定，所述第二相似度条件通过识别场景下人脸识别通过稳定度确定。
当然，本领域技术人员可以理解，当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器510执行时，程序还可以进行本发明任意实施例中所提供的自适应人脸识别处理方法中的相关操作。
本发明实施例中提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时用于执行自适应人脸识别处理方法，该方法包括：
确定当前识别场景下的当前人脸图像特征；
若检测到当前人脸图像特征与底库图像特征识别比对的特征相似度满足第一相似度条件，则检测特征相似度是否满足第二相似度条件；
若检测到特征相似度不满足第二相似度条件，则对当前识别场景下底库图像特征进行自适应更新，用以下次人脸识别比对时适应当前识别场景；
其中，所述第一相似度条件通过人脸识别准确度进行确定，所述第二相似度条件通过识别场景下人脸识别通过稳定度确定。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random AccessMemory，RAM)、只读存储器(Read Only Memory，ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于：电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、无线电频率(RadioFrequency，RF)等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种自适应人脸识别处理方法，其特征在于，所述方法包括：
确定当前识别场景下的当前人脸图像特征；
若检测到当前人脸图像特征与底库图像特征识别比对的特征相似度满足第一相似度条件，则检测特征相似度是否满足第二相似度条件；
若检测到特征相似度不满足第二相似度条件，则对当前识别场景下底库图像特征进行自适应更新，用以下次人脸识别比对时适应当前识别场景；
其中，所述第一相似度条件通过人脸识别准确度进行确定，所述第二相似度条件通过识别场景下人脸识别通过稳定度确定。
2.根据权利要求1所述的方法，其特征在于，所述满足第一相似度条件包括人脸图像特征与底库图像特征之间的特征相似度大于相似度识别门限值；所述满足第二相似度条件包括人脸图像特征与底库图像特征之间的特征相似度大于保持相似度识别通过稳定性的门限值。
3.根据权利要求1所述的方法，其特征在于，对当前识别场景下底库图像特征进行自适应更新，包括：
从人脸识别比对通过对应的底库图像特征中，选择标准底库图像特征或已有的自适应底库图像特征；
依据选择的标准底库图像特征或已有的自适应底库图像特征，以及所述当前人脸图像特征，对当前识别场景下底库图像特征进行自适应更新。
4.根据权利要求3所述的方法，其特征在于，对当前识别场景下底库图像特征进行自适应更新，包括：
若当前识别场景下底库图像特征不包括自适应底库图像特征，则采用第一权重比例对当前人脸图像特征与选择的标准底库图像特征加权平均；
依据使用第一权重比例得到的加权平均结果，在人脸识别比对通过对应的底库图像特征中增加当前识别场景下的自适应底库图像特征。
5.根据权利要求3所述的方法，其特征在于，对当前识别场景下底库图像特征进行自适应更新，包括：
若当前识别场景下底库图像特征中已包括自适应底库图像特征，则采用第二权重比例对当前人脸图像特征与选择的已有的自适应底库图像特征进行加权平均；所述第二权重比例指示的权重系数滑动可调；
依据第二权重比例对应的加权平均结果，对当前识别场景下库图像特征中已有的自适应底库图像特征更新替换为新的自适应底库图像特征。
6.根据权利要求1所述的方法，其特征在于，在检测特征相似度是否满足第二相似度条件之前，还包括：
确定当前人脸图像特征与至少一个底库图像特征之间的特征相似度；
确定是否存在特征相似度满足第一相似度条件，用以在存在特征相似度满足第一相似度条件时判定人脸识别比对通过。
7.根据权利要求6所述的方法，其特征在于，确定当前人脸图像特征与至少一个底库图像特征之间的特征相似度，包括：
若当前识别场景下底库图像特征中已包括自适应底库图像特征，则确定当前人脸图像特征与底库图像特征中自适应底库图像特征之间第一特征相似度；
确定当前人脸图像特征与底库图像特征中标准底库图像特征之间第二特征相似度；
采用第三权重比例对第一特征相似度与第二特征相似度进行加权平均得到特征相似度，用以进行人脸识别比对；
其中，所述第三权重比例指示的权重系数滑动可调。
8.一种自适应人脸识别处理装置，其特征在于，所述装置包括：
人脸图像特征确定模块，用于确定当前识别场景下的当前人脸图像特征；
人脸相似度检测模块，用于若检测到当前人脸图像特征与底库图像特征识别比对的特征相似度满足第一相似度条件，则检测特征相似度是否满足第二相似度条件；
底库图像特征更新模块，用于若检测到特征相似度不满足第二相似度条件，则对当前识别场景下底库图像特征进行自适应更新，用以下次人脸识别比对时使用；
其中，所述第一相似度条件通过人脸识别准确度进行确定，所述第二相似度条件通过识别场景下人脸识别通过稳定度确定。
9.一种电子设备，其特征在于，包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现权利要求1-7中任一所述的自适应人脸识别处理方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-7中任一所述的自适应人脸识别处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110733314.2A CN113420688A (zh) | 2021-06-30 | 2021-06-30 | 自适应人脸识别处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110733314.2A CN113420688A (zh) | 2021-06-30 | 2021-06-30 | 自适应人脸识别处理方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113420688A true CN113420688A (zh) | 2021-09-21 |
Family
ID=77717238
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110733314.2A Pending CN113420688A (zh) | 2021-06-30 | 2021-06-30 | 自适应人脸识别处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113420688A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114429663A (zh) * | 2022-01-28 | 2022-05-03 | 北京百度网讯科技有限公司 | 人脸底库的更新方法、人脸识别方法、装置及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112364801A (zh) * | 2020-11-19 | 2021-02-12 | 天津中科虹星科技有限公司 | 一种动态阈值人脸识别方法 |
| WO2021104128A1 (zh) * | 2019-11-26 | 2021-06-03 | 中兴通讯股份有限公司 | 特征库更新方法和装置、推理服务器及存储介质 |
-
2021
- 2021-06-30 CN CN202110733314.2A patent/CN113420688A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021104128A1 (zh) * | 2019-11-26 | 2021-06-03 | 中兴通讯股份有限公司 | 特征库更新方法和装置、推理服务器及存储介质 |
| CN112364801A (zh) * | 2020-11-19 | 2021-02-12 | 天津中科虹星科技有限公司 | 一种动态阈值人脸识别方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114429663A (zh) * | 2022-01-28 | 2022-05-03 | 北京百度网讯科技有限公司 | 人脸底库的更新方法、人脸识别方法、装置及系统 |
| CN114429663B (zh) * | 2022-01-28 | 2023-10-20 | 北京百度网讯科技有限公司 | 人脸底库的更新方法、人脸识别方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210264133A1 (en) | Face location tracking method, apparatus, and electronic device | |
| CN105981368B (zh) | 在成像装置中的照片构图和位置引导 | |
| US10474921B2 (en) | Tracker assisted image capture | |
| CN111709975B (zh) | 多目标跟踪方法、装置、电子设备及存储介质 | |
| CN111666960B (zh) | 图像识别方法、装置、电子设备及可读存储介质 | |
| US11288836B2 (en) | Apparatus and method for managing feature point map | |
| CN112749726B (zh) | 目标检测模型的训练方法、装置、计算机设备和存储介质 | |
| US11810323B2 (en) | Position estimation system | |
| US20160360091A1 (en) | Optimizing Capture Of Focus Stacks | |
| CN107992790A (zh) | 目标长时跟踪方法及系统、存储介质及电子终端 | |
| CN111383246A (zh) | 条幅检测方法、装置及设备 | |
| CN113420688A (zh) | 自适应人脸识别处理方法、装置、电子设备及存储介质 | |
| CN112912889B (zh) | 图像模板的更新方法、设备及存储介质 | |
| CN113724132B (zh) | 图像风格迁移处理方法、装置、电子设备及存储介质 | |
| US20240056684A1 (en) | Auto-focusing method and apparatus, electronic device, and medium | |
| CN112001300B (zh) | 基于按位置交叉熵的楼宇监控方法、装置和电子设备 | |
| CN113705689A (zh) | 训练数据获取方法及异常行为识别网络训练方法 | |
| CN112001301B (zh) | 基于全局交叉熵加权的楼宇监控方法、装置和电子设备 | |
| CN113255539B (zh) | 多任务融合的人脸定位方法、装置、设备及存储介质 | |
| CN112561956B (zh) | 视频目标跟踪方法、装置、电子设备及存储介质 | |
| CN115393755A (zh) | 视觉目标跟踪方法、装置、设备以及存储介质 | |
| CN111835541B (zh) | 一种流量识别模型老化检测方法、装置、设备及系统 | |
| CN112990195A (zh) | 一种面向复杂环境下融入语义信息的slam回环检测方法 | |
| CN114581838B (zh) | 图像处理方法、装置和云设备 | |
| CN111829533B (zh) | 一种数据检测方法、装置、设备和存储介质 |
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 |