CN113435400B - 无屏人脸识别校准方法、装置、无屏人脸识别设备及介质 - Google Patents
无屏人脸识别校准方法、装置、无屏人脸识别设备及介质 Download PDFInfo
- Publication number
- CN113435400B CN113435400B CN202110793915.2A CN202110793915A CN113435400B CN 113435400 B CN113435400 B CN 113435400B CN 202110793915 A CN202110793915 A CN 202110793915A CN 113435400 B CN113435400 B CN 113435400B
- Authority
- CN
- China
- Prior art keywords
- face
- target image
- preset
- definition
- face 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例涉及人脸识别技术领域,公开了一种无屏人脸识别校准方法、装置、无屏人脸识别设备及存储介质。该方法包括:利用图像采集模块采集目标图像;对目标图像进行人脸检测,根据人脸检测结果对人脸质量进行评估;在人脸质量的评估结果不在预设范围时,使用灯光或/和声音进行提醒以采集新的目标图像,直至新的目标图像的评估结果处于预设范围内;对评估结果处于预设范围内的目标图像进行人脸识别,以确认人员身份。实施本发明实施例,可以快速识别的同时,还可以节约各种成本。
Description
技术领域
本发明涉及人脸识别技术领域,具体涉及一种无屏人脸识别校准方法、装置、无屏人脸识别设备及存储介质。
背景技术
传统人脸识别设备必须要液晶屏幕显示用户的图像,才能让用户可以校准自己的位置,达到有效识别、快速识别的效果。如果没有屏幕,用户则无法清楚自身是否在摄像头范围或人脸识别的有效范围内,但是屏幕会造成设备尺寸大、成本增加、能耗过大、IK防护性能下降等问题。
发明内容
针对所述缺陷,本发明实施例公开了一种无屏人脸识别校准方法、装置、无屏人脸识别设备及存储介质,其可以快速识别的同时,还可以节约各种成本。
本发明实施例第一方面公开一种无屏人脸识别校准方法,所述方法包括:
利用图像采集模块采集目标图像;
对所述目标图像进行人脸检测,根据所述人脸检测结果对人脸质量进行评估;
在所述人脸质量的评估结果不在预设范围时,使用灯光或/和声音进行提醒以采集新的目标图像,直至所述新的目标图像的评估结果处于所述预设范围内;
对所述评估结果处于所述预设范围内的目标图像进行人脸识别,以确认人员身份。
作为一种可选的实施方式,在本发明实施例第一方面中,对所述目标图像进行人脸检测,根据所述人脸检测结果对人脸质量进行评估,包括:
确定待识别人员距离所述无屏人脸识别设备的距离;
对所述目标图像进行清晰度检测,获取清晰度值;
对所述目标图像进行人脸检测,确定获取人脸的特征数;
利用以下公式对所述人脸质量进行评估,获取评估结果:
其中,P为评估结果,α1、α2、α3分别为距离、清晰度和特征数对应的权重,且α1+α2+α3=1,A1、A2、A3分别为距离、清晰度和特征数对应的基础值,L和L0分别为待识别人员与所述无屏人脸识别设备之间的实际距离和预设距离;Q和Q0分别为目标图像清晰度检测获取的实际清晰度和预设清晰度;T和T0分别为目标图像人脸检测获取的实际特征数和预设特征数。
作为一种可选的实施方式,在本发明实施例第一方面中,在所述人脸质量的评估结果不在预设范围时,使用灯光或/和声音进行提醒采集新的目标图像,包括:
比对所述实际距离和所述预设距离,在所述实际距离不在所述预设距离范围内时,使用第一灯光或/和第一声音提醒所述待识别人员移动位置,以使实际距离处于预设距离范围内;
比对所述实际特征数和预设特征数,确定所述实际特征数缺失数量大于预设数量的位置,使用第二灯光或/和第二声音提醒所述待识别人员移动位置或/和取下遮挡物,以使所述预设特征数和实际特征数只差小于或等于特征差基数;
比对所述评估结果和预设范围,在所述评估结果不在所述预设范围内时,使用第三灯光或/和第三声音提醒所述待识别人员。
作为一种可选的实施方式,在本发明实施例第一方面中,比对所述实际清晰度和预设清晰度,在所述实际清晰度小于预设清晰度时,启动图像采集模块的闪光灯,以改善所述实际清晰度。
作为一种可选的实施方式,在本发明实施例第一方面中,对所述目标图像进行人脸检测之前,还包括:
对所述目标图像进行预处理,所述预处理包括移动侦测和畸变校正;
检测到移动侦测时,对所述目标图像进行畸变校正后,再进行人脸检测。
作为一种可选的实施方式,在本发明实施例第一方面中,所述图像采集模块采用大于120°的超广角摄像头。
作为一种可选的实施方式,在本发明实施例第一方面中,所述灯光提醒使用呼吸灯,所述声音提醒为音频处理模块。
本发明实施例第二方面公开一种无屏人脸识别校准装置,其包括:
采集单元,用于利用图像采集模块采集目标图像;
评估单元,用于对所述目标图像进行人脸检测,根据所述人脸检测结果对人脸质量进行评估;
提醒单元,用于在所述人脸质量的评估结果不在预设范围时,使用灯光或/和声音进行提醒以采集新的目标图像,直至所述新的目标图像的评估结果处于所述预设范围内;
识别单元,用于对所述评估结果处于所述预设范围内的目标图像进行人脸识别,以确认人员身份。
本发明实施例第三方面公开一种无屏人脸识别设备,包括:图像采集模块、图像分析处理模块、人脸识别模块、灯光处理模块、音频处理模块以及处理器,所述处理器接收图像采集模块采集的目标图像,并交由图像分析处理模块进行人脸检测,根据所述人脸检测结果对人脸质量进行评估,在所述人脸质量的评估结果不在预设范围时,由处理器控制灯光处理模块或/和音频处理模块进行提醒以采集新的目标图像,直至所述新的目标图像的评估结果处于所述预设范围内,所述人脸识别模块用于对所述评估结果处于所述预设范围内的目标图像进行人脸识别,以确认人员身份。
本发明实施例第四方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面公开的一种无屏人脸识别校准方法。
本发明实施例第五方面公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本发明实施例第一方面公开的一种无屏人脸识别校准方法。
本发明实施例第六方面公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本发明实施例第一方面公开的一种无屏人脸识别校准方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,利用图像采集模块采集目标图像;对所述目标图像进行人脸检测,根据所述人脸检测结果对人脸质量进行评估;在所述人脸质量的评估结果不在预设范围时,使用灯光或/和声音进行提醒以采集新的目标图像,直至所述新的目标图像的评估结果处于所述预设范围内;对所述评估结果处于所述预设范围内的目标图像进行人脸识别,以确认人员身份。可见,实施本发明实施例,无需增加屏幕显示设备,通过对目标图像的人脸检测,基于评估结果,通过灯光或/和语言的实时引导和提醒反馈,让用户依然可以快速完成人脸识别。其可以减小设备的外形尺寸设计,有利于设备安装应用到更多的区域位置;大大降低了设备的生产成本和设备功耗,有效提升了设备的防护性能;同时也为客户节省了屏显设备采购成本,在同行业中具有一定的应用竞争市场。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人体来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种无屏人脸识别校准方法的流程示意图;
图2是本发明实施例公开的一种无屏人脸识别校准装置的结构示意图;
图3是本发明实施例公开的一种无屏人脸识别设备的结构示意图;
图4是本发明实施例公开的一种无屏人脸识别设备校准方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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,本领域普通技术人体在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,示例性地,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种无屏人脸识别校准方法、装置、电子设备及存储介质,其无需增加屏幕显示设备,通过对目标图像的人脸检测,基于评估结果,通过灯光或/和语言的实时引导和提醒反馈,让用户依然可以快速完成人脸识别。其可以减小设备的外形尺寸设计,有利于设备安装应用到更多的区域位置;大大降低了设备的生产成本和设备功耗,有效提升了设备的防护性能;同时也为客户节省了屏显设备采购成本,在同行业中具有一定的应用竞争市场,以下结合附图进行详细描述。
实施例一
请参阅图1,图1是本发明实施例公开的一种无屏人脸识别校准方法的流程示意图。如图1所示,该无屏人脸识别校准方法包括以下步骤:
S110,利用图像采集模块采集目标图像。
本发明较佳的实施例中,无屏人脸识别校准方法,用于对无屏人脸识别设备的识别进行校准,一方面使得识别精度提高,另一方面实现快速人脸识别。无屏人脸识别设备安装于出入口通道,用于对出入通行进行管理。图像采集模块位于无屏人脸识别设备上,其采用水平广角大于120°的超广角摄像头来采集出入口通道的图像信息,该图像信息称为目标图像。
图像采集模块可以处于待机状态,这样可以节约电能。唤醒图像采集模块的方式有多种,示例性地,可以通过声音、按键或者指纹等启动图像采集模块。当然,为了实现无感识别,在本发明较佳的实施例中,图像采集模块可以一直处于工作状态,然后通过图像分析处理模块中的移动侦测判定是否需要进行人脸监测。
S120,对所述目标图像进行人脸检测,根据所述人脸检测结果对人脸质量进行评估。
可以通过移动侦测功能判定是否需要人脸检测,当检测到移动侦测,即通过图像采集模块采集得到的目标图像会被CPU或/和NPU按照一定算法进行计算和比较,当画面有变化时,如有人走过、镜头被移动等,计算比较结果得出的数字会超过阈值并指示系统能自动作出相应的处理,即此时才进行后续的操作。
后续的操作,一方面是对目标图像进行畸形校正,畸形校正和移动侦测为人脸检测的前过程,称为预处理。畸形校正包括但不限于基于标定模板方法,例如采用点阵图、平面网络、同心圆环以及西洋棋盘等,根据模板上特征点的位置和其理想点的位置偏差求取畸变系数,可以采用摄像头标定算法求出摄像头内外参数,当然,也可以使用基于畸变率或者畸变等效曲面等校正算法迭代或直接求出畸变系数。
另一方面,在畸形校正后,对人脸进行检测,人脸检测是对于任意帧图像画面,采用一定的策略(例如子空间法(PCA、ICA)、神经网络算法、SVM、haar、hog、LBP和Adaboost等)对其进行搜索以确定其中是否含有人脸,如果是则返回人脸的位置、大小和质量等信息。
对人脸质量评估主要包括以下三个方面:
第一是待识别人员距离无屏人脸识别设备的距离,在无屏人脸识别设备安装有红外测距或激光测距等测距装置,可以实时检测待识别人员距离无屏人脸识别设备的距离,记为实际距离。
第二个是对目标图像进行清晰度检测,获取清晰度的方法可以是人脸检测过程中自动完成。例如,清晰度检测为:将目标图像转换为灰度图像;利用拉普拉斯算子对所述灰度图像进行卷积;根据卷积结果计算方差,将所述方差作为所述清晰度,记为实际清晰度。
第三个是脸部有无遮挡,例如是否带帽、刘海过长或者浓妆等。如果对各种有无遮挡进行检测,则需要多个训练模型,花费的精力和成本过多,而且识别速度也会降低。因此,在本发明较佳的实施例中,通过检测特征点的个数和位置来确定是否被遮挡,示例性地,假设模板特征点为84个定位点,如果在左脸部检测12个定位点,但是仅检测到5个定位点,则说明左脸被遮挡,可以提醒待识别人员右转,如果脸部各个区域均有较多的定位点缺失,则视为化妆过浓,提醒其处理下,如果额头部位有较多定位点缺失,视为带帽或刘海过长,可以提醒其将额头露出等。
在本发明较佳的实施例中,通过上述三个方面的综合使用以下公式计算人脸质量,
P=P1+P2+P3
其中,P1、P2、P3、P分别为距离评估结果、清晰度评估结果、特征数评估结果和总评估结果,α1、α2、α3分别为距离评估、清晰度评估和特征数评估对应的权重,且α1+α2+α3=1,根据需要进行设定,示例性地,可以将特征数评估作为主要评估对象,其权重可以适当增加,例如,α1=α2=0.2,α3=0.6。
A1、A2、A3分别为距离、清晰度和特征数对应的基础值,根据需要设定,用于转换三种不同计量方式的格式,这里可以是任意值,例如均为1;L和L0分别为待识别人员与所述无屏人脸识别设备之间的实际距离和预设距离,预设距离可以是一个范围值,例如预设距离为40cm—200cm,所以,得到的距离评估结果以及总评估结果均为一个范围,当然,也可以是一个确定值,例如60cm为较优距离,则可以60cm作为预设距离。
Q和Q0分别为目标图像清晰度检测获取的实际清晰度和预设清晰度;T和T0分别为目标图像人脸检测获取的实际特征数和预设特征数。预设清晰度值和预设特征数均可以根据需要进行设置。
评估的目的用于获取更为清晰且特征齐全的目标图像,从而用于后续的人脸识别。如果人脸质量评估结果不在预设范围内,预设范围可以根据需要设定,这里不再对其具体数值进行阐述。
S130,在所述人脸质量的评估结果不在预设范围时,使用灯光或/和声音进行提醒以采集新的目标图像,直至所述新的目标图像的评估结果处于所述预设范围内。
通过步骤S120可以看出,人脸质量直接影响后续的识别,在本发明较佳的实施例中,如果人脸检测获取的评估结果不在预设范围内,则不直接进行人脸识别,只有当人脸检测获取的评估结果处于预设范围时,才会执行步骤S140。
作为一种实现方式,在本实施例中,首先计算目标图像的实际清晰度,如果实际清晰度小于预设清晰度,则可能是环境亮度过低,自动曝光无法满足清晰度的需求,则可以启动图像模块自带的闪光灯,当然,也可以启动其他位置设置的照明设备,从而在对准人脸时,获取清晰度较高的目标图像,从而改善实际清晰度。
其次,当清晰度满足要求时,再比对实际距离和预设距离,如果实际距离不在所述预设距离范围内时,使用第一灯光或/和第一声音提醒所述待识别人员移动位置,以使实际距离处于预设距离范围内。灯光可以是呼吸灯,也可以是不同颜色的灯光,例如,红色代表实际距离不在所述预设距离范围内,当然,还可以通过第一声音提醒待识别人员移动位置。第一声音可以是是语言,例如通过音频处理器、语言合成器和喇叭装置,用于给待识别人员提供声音上的提醒反馈,第一声音可以是将向前移动或向后移动等。
然后再比对所述实际特征数和预设特征数,确定所述实际特征数缺失数量大于预设数量的位置,使用第二灯光或/和第二声音提醒所述待识别人员移动位置或/转动位置或/和取下遮挡物,以使所述预设特征数和实际特征数只差小于或等于特征差基数。
缺失数量大于预设数量的区域,可能存在偏离图像采集模块或者存在遮挡物,则根据区域检测得到的具体位置,通过第二灯光或/和第二声音提醒所述待识别人员。同样地,第二灯光也可以是呼吸灯,或者指定颜色的灯光,例如绿色,当然,为了更直观,可以同时或者单独通过第二声音进行提醒,例如,如果在左脸部检测12个定位点,但是仅检测到5个定位点(二者的差值大于该区域预设数量3,每个区域的预设数量可以不同),则说明左脸被遮挡,可以通过第二声音提醒待识别人员右转,如果脸部各个区域均有较多的定位点缺失,则视为化妆过浓,可以通过第二声音提醒其处理下,如果额头部位有较多定位点缺失,视为带帽或刘海过长,可以通过第二声音提醒其将额头露出等。
最后,在根据总的评估结果和预设范围对目标图像的人脸质量进行评估,之所以分别评估后再通过综合评估实现最终的人脸质量检测,其目的在于,在某单个评估过程中,可能会影响到其他评估结果,例如,如果实际距离在检测时通过移动满足了预设距离,但是在脱帽或者其他操作的过程中,可能做了些移动,从而导致实际距离可能不满足预设距离。这种情况下,只要总的评估结果在预设范围内,则不需要待识别人员再次重新调整。
经过上述提醒,使得最终得到的新的目标图像满足评估结果处于预设范围内,该新的目标图像称为待识别图像。
S140,对所述评估结果处于所述预设范围内的目标图像进行人脸识别,以确认人员身份。
人脸识别的方式有多种,示例性地,可以根据人脸图像通过一系列矩阵运算得到人脸区域,再通过裁剪后,把人脸区域再次通过一系列矩阵的运算得到人脸特征。矩阵是由深度学习计算大量人脸范本得到的。人脸对比根据人脸图像中的特征值去和录入的特征值进行均方差算法确认人员身份。
本发明无需增加屏幕显示设备,通过对目标图像的人脸检测,基于评估结果,通过灯光或/和语言的实时引导和提醒反馈,让用户依然可以快速完成人脸识别。其可以减小设备的外形尺寸设计,有利于设备安装应用到更多的区域位置;大大降低了设备的生产成本和设备功耗,有效提升了设备的防护性能;同时也为客户节省了屏显设备采购成本,在同行业中具有一定的应用竞争市场。
实施例二
请参阅图2,图2是本发明实施例公开的一种无屏人脸识别校准装置的结构示意图。如图2所示,该无屏人脸识别校准装置,可以包括:
采集单元210,用于利用图像采集模块采集目标图像;
评估单元220,用于对所述目标图像进行人脸检测,根据所述人脸检测结果对人脸质量进行评估;
提醒单元230,用于在所述人脸质量的评估结果不在预设范围时,使用灯光或/和声音进行提醒以采集新的目标图像,直至所述新的目标图像的评估结果处于所述预设范围内;
识别单元240,用于对所述评估结果处于所述预设范围内的目标图像进行人脸识别,以确认人员身份。
作为优选,所述评估单元220,可以包括:
第一检测子单元,用于确定待识别人员距离所述无屏人脸识别设备的距离;
第二检测子单元,用于对所述目标图像进行清晰度检测,获取清晰度值;
第三检测子单元,用于对所述目标图像进行人脸检测,确定获取人脸的特征数;
质量评估子单元,用于利用以下公式对所述人脸质量进行评估,获取评估结果:
其中,P为评估结果,α1、α2、α3分别为距离、清晰度和特征数对应的权重,且α1+α2+α3=1,A1、A2、A3分别为距离、清晰度和特征数对应的基础值,L和L0分别为待识别人员与所述无屏人脸识别设备之间的实际距离和预设距离;Q和Q0分别为目标图像清晰度检测获取的实际清晰度和预设清晰度;T和T0分别为目标图像人脸检测获取的实际特征数和预设特征数。
作为优选,所述提醒单元230,可以包括:
第一比对子单元,用于比对所述实际距离和所述预设距离,在所述实际距离不在所述预设距离范围内时,使用第一灯光或/和第一声音提醒所述待识别人员移动位置,以使实际距离处于预设距离范围内;
第二比对子单元,用于比对所述实际特征数和预设特征数,确定所述实际特征数缺失数量大于预设数量的位置,使用第二灯光或/和第二声音提醒所述待识别人员移动位置或/和取下遮挡物,以使所述预设特征数和实际特征数只差小于或等于特征差基数;
第三比对子单元,用于比对所述评估结果和预设范围,在所述评估结果不在所述预设范围内时,使用第三灯光或/和第三声音提醒所述待识别人员。
作为优选,所述提醒单元230,还可以包括第四比对子单元,用于比对所述实际清晰度和预设清晰度,在所述实际清晰度小于预设清晰度时,启动图像采集模块的闪光灯,以改善所述实际清晰度。
作为优选,对所述目标图像进行人脸检测之前,还包括:
对所述目标图像进行预处理,所述预处理包括移动侦测和畸变校正;
检测到移动侦测时,对所述目标图像进行畸变校正后,再进行人脸检测。
作为优选,所述图像采集模块采用大于120°的超广角摄像头。
作为优选,所述灯光提醒使用呼吸灯,所述声音提醒为音频处理模块。
实施例三
请参阅图3,图3是本发明实施例公开的一种无屏人脸识别设备的结构示意图。如图3所示,该无屏人脸识别设备可以包括:
图像采集模块310、图像分析处理模块320、人脸识别模块330、灯光处理模块340以及音频处理模块350,图像分析处理模块接收图像采集模块采集的目标图像进行人脸检测,根据所述人脸检测结果对人脸质量进行评估,在所述人脸质量的评估结果不在预设范围时,向灯光处理模块或/和音频处理模块发送指令,以进行提醒以采集新的目标图像,直至所述新的目标图像的评估结果处于所述预设范围内,所述人脸识别模块330用于对所述评估结果处于所述预设范围内的目标图像进行人脸识别,以确认人员身份。
其中,图像采集模块310采用水平广角大于120°的超广角摄像头,用于采集出入口通道的图像信息;图像分析处理模块320:用于对采集的图像进行畸变校正,移动侦测和人脸检测;图像处理通过ISP(图像信号处理)处理图像的3A参数(自动曝光、自动对角、自动白平衡),以及畸变校正,人脸检测通过算法识别人脸的位置,人脸质量,人脸特征等信息。例如:识别位置距离40cm--200cm,人脸质量量化指标标准要求是:留海不遮眉,不浓妆等。
人脸识别模块330:用于对处理后的图像进行人脸识别以确认人员身份,其中包含人脸比对模块。人脸识别模块330根据人脸图像通过一系列矩阵运算得到人脸区域,再通过裁剪后,把人脸区域再次通过一系列矩阵的运算得到人脸特征;矩阵是由深度学习计算大量人脸范本得到的。人脸对比根据人脸图像中的特征值去和录入的特征值进行均方差算法确认人员身份。
灯光处理模块340:用于给待识别人员提供视觉上的提醒反馈;灯光处理模块340根据人脸检测到的人脸质量来显示灯光效果。
音频处理模块350:含音频处理器、语言合成器和喇叭装置,用于给用户提供声音上的提醒反馈;音频处理模块发出声音提示被识别人员调整位置让设备更好的识别,当然,在一些场景中,音频处理模块350还可以根据人脸识别结果发出声音提示人员识别结果。
请参照图4所示,无屏人脸识别设备的校准过程为:
图像采集模块310采集的目标图像,由移动侦测判断是否执行下一步,如果检测到移动侦测,即前后两帧的图像不一致,则启动畸形校正操作,反之,可以通过灯光或声音提醒。
畸形校正后,则进入人脸检测,获取该目标图像的各评估结果,并根据评估结果使用灯光处理模块340或/和音频处理模块350作出相应的提醒,如果没有人脸,则返回到移动侦测中,如果评估结果太差,或者通过灯光处理模块340或/和音频处理模块350作出相应的提醒,同时,通过图像采集装置获取新的目标图像,直至评估结果处于预设范围。
在人脸识别过程中,也可以通过灯光处理模块340或/和音频处理模块350接收识别结果信息,如,发出识别成功的语音等。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行实施例一中的一种无屏人脸识别校准方法中的部分或全部步骤。
本发明实施例还公开一种计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行实施例一中的一种无屏人脸识别校准方法中的部分或全部步骤。
本发明实施例还公开一种应用发布平台,其中,应用发布平台用于发布计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行实施例一中的一种无屏人脸识别校准方法中的部分或全部步骤。
在本发明的各种实施例中,应理解,各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物单元,即可位于一个地方,或者也可以分布到多个网络单元上。可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,在本发明各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可获取的存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分,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器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例方法的部分或全部步骤。
在本发明所提供的实施例中,应理解,“与A对应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
本领域普通技术人体可以理解实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种无屏人脸识别校准方法、装置、电子设备及存储介质进行了详细介绍,本文中应用了具体个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,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种无屏人脸识别校准方法,其特征在于,包括:
利用图像采集模块采集目标图像;
对所述目标图像进行人脸检测,根据所述人脸检测结果对人脸质量进行评估;
在所述人脸质量的评估结果不在预设范围时,使用灯光或/和声音进行提醒以采集新的目标图像,直至所述新的目标图像的评估结果处于所述预设范围内;
对所述评估结果处于所述预设范围内的目标图像进行人脸识别,以确认人员身份;
对所述目标图像进行人脸检测,根据所述人脸检测结果对人脸质量进行评估,包括:
确定待识别人员距离无屏人脸识别设备的距离;
对所述目标图像进行清晰度检测,获取清晰度值;
对所述目标图像进行人脸检测,确定获取人脸的特征数;
利用以下公式对所述人脸质量进行评估,获取评估结果:
2.根据权利要求1所述的无屏人脸识别校准方法,其特征在于,在所述人脸质量的评估结果不在预设范围时,使用灯光或/和声音进行提醒采集新的目标图像,包括:
比对所述实际距离和所述预设距离,在所述实际距离不在所述预设距离范围内时,使用第一灯光或/和第一声音提醒所述待识别人员移动位置,以使实际距离处于预设距离范围内;
比对所述实际特征数和预设特征数,确定所述实际特征数缺失数量大于预设数量的位置,使用第二灯光或/和第二声音提醒所述待识别人员移动位置或/和取下遮挡物,以使所述预设特征数和实际特征数之 差小于或等于特征差基数;
比对所述评估结果和预设范围,在所述评估结果不在所述预设范围内时,使用第三灯光或/和第三声音提醒所述待识别人员。
3.根据权利要求2所述的无屏人脸识别校准方法,其特征在于,比对所述实际清晰度和预设清晰度,在所述实际清晰度小于预设清晰度时,启动图像采集模块的闪光灯,以改善所述实际清晰度。
4.根据权利要求1-3任一项所述的无屏人脸识别校准方法,其特征在于,对所述目标图像进行人脸检测之前,还包括:
对所述目标图像进行预处理,所述预处理包括移动侦测和畸变校正;
检测到移动侦测时,对所述目标图像进行畸变校正后,再进行人脸检测。
5.根据权利要求1-3任一项所述的无屏人脸识别校准方法,其特征在于,所述图像采集模块采用大于120°的超广角摄像头。
6.根据权利要求1-3任一项所述的无屏人脸识别校准方法,其特征在于,所述灯光提醒使用呼吸灯,所述声音提醒为音频处理模块。
7.一种无屏人脸识别校准装置,其特征在于,其包括:
采集单元,用于利用图像采集模块采集目标图像;
评估单元,用于对所述目标图像进行人脸检测,根据所述人脸检测结果对人脸质量进行评估;
提醒单元,用于在所述人脸质量的评估结果不在预设范围时,使用灯光或/和声音进行提醒以采集新的目标图像,直至所述新的目标图像的评估结果处于所述预设范围内;
识别单元,用于对所述评估结果处于所述预设范围内的目标图像进行人脸识别,以确认人员身份;
所述评估单元,包括:
确定待识别人员距离无屏人脸识别设备的距离;
对所述目标图像进行清晰度检测,获取清晰度值;
对所述目标图像进行人脸检测,确定获取人脸的特征数;
利用以下公式对所述人脸质量进行评估,获取评估结果:
8.一种无屏人脸识别设备,其特征在于,包括:图像采集模块、图像分析处理模块、人脸识别模块、灯光处理模块、音频处理模块以及处理器,所述处理器接收图像采集模块采集的目标图像,并交由图像分析处理模块进行人脸检测,根据所述人脸检测结果对人脸质量进行评估,在所述人脸质量的评估结果不在预设范围时,由处理器控制灯光处理模块或/和音频处理模块进行提醒以采集新的目标图像,直至所述新的目标图像的评估结果处于所述预设范围内,所述人脸识别模块用于对所述评估结果处于所述预设范围内的目标图像进行人脸识别,以确认人员身份;
根据所述人脸检测结果对人脸质量进行评估,包括:
确定待识别人员距离无屏人脸识别设备的距离;
对所述目标图像进行清晰度检测,获取清晰度值;
对所述目标图像进行人脸检测,确定获取人脸的特征数;
利用以下公式对所述人脸质量进行评估,获取评估结果:
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行权利要求1至6任一项所述的一种无屏人脸识别校准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110793915.2A CN113435400B (zh) | 2021-07-14 | 2021-07-14 | 无屏人脸识别校准方法、装置、无屏人脸识别设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110793915.2A CN113435400B (zh) | 2021-07-14 | 2021-07-14 | 无屏人脸识别校准方法、装置、无屏人脸识别设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435400A CN113435400A (zh) | 2021-09-24 |
CN113435400B true CN113435400B (zh) | 2022-08-30 |
Family
ID=77760275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110793915.2A Active CN113435400B (zh) | 2021-07-14 | 2021-07-14 | 无屏人脸识别校准方法、装置、无屏人脸识别设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435400B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663444A (zh) * | 2012-03-26 | 2012-09-12 | 广州商景网络科技有限公司 | 防止账号被盗用的方法和系统 |
CN104504408A (zh) * | 2015-01-12 | 2015-04-08 | 吴建忠 | 一种人脸识别比对方法和实现该方法的系统 |
CN107832675A (zh) * | 2017-10-16 | 2018-03-23 | 广东欧珀移动通信有限公司 | 拍照处理方法及相关产品 |
CN109063604A (zh) * | 2018-07-16 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种人脸识别方法及终端设备 |
WO2019033574A1 (zh) * | 2017-08-17 | 2019-02-21 | 平安科技(深圳)有限公司 | 电子装置、动态视频人脸识别的方法、系统及存储介质 |
CN110879981A (zh) * | 2019-11-14 | 2020-03-13 | 深圳市华付信息技术有限公司 | 人脸关键点质量评估方法、装置、计算机设备及存储介质 |
AU2020103514A4 (en) * | 2020-11-18 | 2021-01-28 | Kalyani, Gadupudi DR | IFER- Student Behaviour Identification: INTELLIGENT STUDENT BEHAVIOUR IDENTIFICATION USING FER |
CN112329679A (zh) * | 2020-11-12 | 2021-02-05 | 济南博观智能科技有限公司 | 一种人脸识别方法、系统、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4172507B2 (ja) * | 2006-07-13 | 2008-10-29 | ソニー株式会社 | 撮像装置、および撮像装置制御方法、並びにコンピュータ・プログラム |
-
2021
- 2021-07-14 CN CN202110793915.2A patent/CN113435400B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663444A (zh) * | 2012-03-26 | 2012-09-12 | 广州商景网络科技有限公司 | 防止账号被盗用的方法和系统 |
CN104504408A (zh) * | 2015-01-12 | 2015-04-08 | 吴建忠 | 一种人脸识别比对方法和实现该方法的系统 |
WO2019033574A1 (zh) * | 2017-08-17 | 2019-02-21 | 平安科技(深圳)有限公司 | 电子装置、动态视频人脸识别的方法、系统及存储介质 |
CN107832675A (zh) * | 2017-10-16 | 2018-03-23 | 广东欧珀移动通信有限公司 | 拍照处理方法及相关产品 |
CN109063604A (zh) * | 2018-07-16 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种人脸识别方法及终端设备 |
CN110879981A (zh) * | 2019-11-14 | 2020-03-13 | 深圳市华付信息技术有限公司 | 人脸关键点质量评估方法、装置、计算机设备及存储介质 |
CN112329679A (zh) * | 2020-11-12 | 2021-02-05 | 济南博观智能科技有限公司 | 一种人脸识别方法、系统、电子设备及存储介质 |
AU2020103514A4 (en) * | 2020-11-18 | 2021-01-28 | Kalyani, Gadupudi DR | IFER- Student Behaviour Identification: INTELLIGENT STUDENT BEHAVIOUR IDENTIFICATION USING FER |
Non-Patent Citations (3)
Title |
---|
Performance Evaluation and Comparison of Software for Face Recognition Based on Dlib and Opencv Library;Nataliya Boyko 等;《ResearchGate》;20180831;全文 * |
基于信号质量动态加权的多模生物特征识别研究;张闻彬 等;《网络与信息安全学报》;20180331;全文 * |
高光谱成像的猕猴桃货架期快速预测;邵园园 等;《光谱学与光谱分析》;20200630;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113435400A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740491B (zh) | 一种人眼视线识别方法、装置、系统及存储介质 | |
CN111027504A (zh) | 人脸关键点检测方法、装置、设备及存储介质 | |
CN109858375B (zh) | 活体人脸检测方法、终端及计算机可读存储介质 | |
CN108875485A (zh) | 一种底图录入方法、装置及系统 | |
US7925093B2 (en) | Image recognition apparatus | |
CN110826370B (zh) | 车内人员的身份识别方法、装置、车辆及存储介质 | |
WO2013119420A1 (en) | Method and apparatus for unattended image capture | |
WO2019047481A1 (zh) | 房产信息查询方法、系统、终端设备及存储介质 | |
CN109559362B (zh) | 一种图像主体脸部替换方法及装置 | |
US20230041573A1 (en) | Image processing method and apparatus, computer device and storage medium | |
CN110516579B (zh) | 手持眼底相机拍照方法和装置、设备及存储介质 | |
CN111046810A (zh) | 一种数据处理方法及处理装置 | |
WO2020172870A1 (zh) | 一种目标对象的移动轨迹确定方法和装置 | |
CN110557628A (zh) | 一种检测摄像头遮挡的方法、装置及电子设备 | |
CN112036209A (zh) | 一种人像照片处理方法及终端 | |
CN111325082A (zh) | 一种人员专注度分析方法及装置 | |
CN111738076A (zh) | 一种非接触式的掌纹掌静脉识别方法及装置 | |
CN113435400B (zh) | 无屏人脸识别校准方法、装置、无屏人脸识别设备及介质 | |
JP4708835B2 (ja) | 顔検出装置、顔検出方法、及び顔検出プログラム | |
CN113361513A (zh) | 移动端舌象采集方法、装置及设备 | |
EP3770780B1 (en) | Identification system, method, and program | |
CN115376210B (zh) | 泳池防溺水的溺水行为识别方法、装置、设备及介质 | |
CN112149527A (zh) | 一种可穿戴设备检测方法、装置、电子设备及存储介质 | |
CN114745592A (zh) | 基于人脸识别的弹幕消息的显示方法及系统、设备及介质 | |
JP2005084979A (ja) | 顔認証システムおよび方法並びにプログラム |
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 |