CN113887427A - 一种人脸识别方法和装置 - Google Patents

一种人脸识别方法和装置 Download PDF

Info

Publication number
CN113887427A
CN113887427A CN202111164508.1A CN202111164508A CN113887427A CN 113887427 A CN113887427 A CN 113887427A CN 202111164508 A CN202111164508 A CN 202111164508A CN 113887427 A CN113887427 A CN 113887427A
Authority
CN
China
Prior art keywords
face recognition
sequence
identity information
tracking
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.)
Pending
Application number
CN202111164508.1A
Other languages
English (en)
Inventor
赵富旺
钟诚
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.)
Lenovo Beijing Ltd
Original Assignee
Lenovo Beijing 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 Lenovo Beijing Ltd filed Critical Lenovo Beijing Ltd
Priority to CN202111164508.1A priority Critical patent/CN113887427A/zh
Publication of CN113887427A publication Critical patent/CN113887427A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请公开了一种人脸识别方法，包括：对采集的视频图像进行识别，得到待识别对象的多个跟踪序列，所述跟踪序列包含多个视频帧；根据所述跟踪序列，获取所述待识别对象的临时身份信息；对于每个跟踪序列，获取该跟踪序列对应的人脸识别序列和人体信息，所述人脸识别序列包括多个人脸识别结果；对于每个跟踪序列，通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列进行修正；根据所述临时身份信息，将待识别对象的修正后的所有人脸识别序列进行加权融合，以确定所述待识别对象的身份信息。该方案能够在人脸被遮挡的情况下，提高人脸识别的准确率。

Description

一种人脸识别方法和装置
技术领域
本申请涉及人脸识别技术领域，尤其涉及一种人脸识别方法和装置。
背景技术
目前，人脸识别技术主要通过采集人脸的多个关键部位数据(例如鼻子、下巴、嘴唇、眼睛和下颚等)，再基于算法来实现识别效果。但是，如果人脸被遮挡，例如戴上口罩后，人脸的多个关键部位被遮挡，那么采集的人脸数据不全面，就会使人脸识别结果的准确率降低，甚至会造成识别不出来的情况。
发明内容
本申请目的在于提供一种人脸识别方法和装置，以至少解决现有技术中存在的以上技术问题。
本申请一方面提供一种人脸识别方法，包括：
对采集的视频图像进行识别，得到待识别对象的多个跟踪序列，所述跟踪序列包含多个视频帧；
根据所述跟踪序列，获取所述待识别对象的临时身份信息；以及，对于每个跟踪序列，获取该跟踪序列对应的人脸识别序列和人体信息，所述人脸识别序列包括多个人脸识别结果；
对于每个跟踪序列，通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列进行修正；
根据所述临时身份信息，将待识别对象的修正后的所有人脸识别序列进行加权融合，以确定所述待识别对象的身份信息。
其中，所述人脸识别结果包括身份信息和对应的第一人脸识别分数，所述人脸识别结果在所述人脸识别序列中按照第一人脸识别分数由高到低排序。
其中，对于每个跟踪序列，通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列进行修正，包括：
对该人脸识别序列中的所述第一人脸识别分数进行归一化处理，得到第二人脸识别分数，归一化处理后的人脸识别结果包括所述身份信息和第二人脸识别分数；
通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列中的每个所述第二人脸识别分数进行修正。
其中，所述通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列中的每个所述第二人脸识别分数进行修正，包括：
对于归一化处理后的每个人脸识别结果，确定所述待识别对象为该人脸识别结果中的身份信息的第一概率；
根据所述人体信息，确定所述待识别对象为该人脸识别结果中身份信息的后验概率；
根据所述第一概率和所述后验概率，对该人脸识别结果中的第二人脸识别分数进行修正，得到第三人脸识别分数。
其中，所述人体信息包括多个特征值，每个特征值具有相应的维度；
根据所述人体信息，确定所述待识别对象为该人脸识别结果中身份信息的后验概率，包括：
获取该人脸识别结果中身份信息对应的历史人体信息；
针对所述人体信息中的每个维度，从所述历史人体信息中获取该维度对应的所有历史特征值，确定所有历史特征值的第一数量；
确定与该维度在人体信息中的特征值相同的历史特征值的第二数量；
将所述第二数量与所述第一数据量的比值作为该维度的概率；
将所述人体信息中每个维度的概率相乘，得到待识别对象为该人脸识别结果中身份信息的后验概率。
其中，根据所述临时身份信息，将待识别对象的修正后的所有人脸识别序列进行加权融合，以确定所述待识别对象的身份信息，包括：
根据所述临时身份信息，将所述待识别对象的修正后的所有人脸识别序列进行合并；
对合并后的人脸识别序列中的每个第三人脸识别分数进行加权融合处理，得到相应的第四人脸识别分数；
选取满足阈值的第四人脸识别分数所属的人脸识别结果，将该人脸识别结果包含的身份信息确定为所述待识别对象的身份信息。
本申请另一方面提供一种人脸识别装置，包括：
跟踪模块，用于对采集的视频图像进行识别，得到待识别对象的多个跟踪序列，所述跟踪序列包含多个视频帧；
第一识别模块，用于根据所述跟踪序列，获取所述待识别对象的临时身份信息；
第二识别模块，用于对于每个跟踪序列，获取该跟踪序列对应的人脸识别序列，所述人脸识别序列包括多个人脸识别结果；
第三识别模块，用于对于每个跟踪序列，获取该跟踪序列对应的人体信息；
数据分析模块，用于对于每个跟踪序列，通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列进行修正；
融合模块，用于根据所述临时身份信息，将待识别对象的修正后的所有人脸识别序列进行加权融合，以确定所述待识别对象的身份信息。
其中，所述人脸识别结果包括身份信息和对应的第一人脸识别分数，所述人脸识别结果在所述人脸识别序列中按照第一人脸识别分数由高到低排序；
所述数据分析模块，还用于对于每个跟踪序列，对所述人脸识别序列中的所述第一人脸识别分数进行归一化处理，得到第二人脸识别分数，归一化处理后的人脸识别结果包括所述身份信息和第二人脸识别分数；还用于通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列中的每个所述第二人脸识别分数进行修正。
其中，对所述第二人脸识别分数进行修正，所述数据分析模块，用于对于归一化处理后的每个人脸识别结果，确定所述待识别对象为该人脸识别结果中的身份信息的第一概率；还用于根据所述人体信息，确定所述待识别对象为该人脸识别结果中身份信息的后验概率；并根据所述第一概率和所述后验概率，对该人脸识别结果中的第二人脸识别分数进行修正，得到第三人脸识别分数。
其中，确定所述待识别对象的身份信息，所述融合模块，用于根据所述临时身份信息，将所述待识别对象的修正后的所有人脸识别序列进行合并；对合并后的人脸识别序列中的每个第三人脸识别分数进行加权融合处理，得到相应的第四人脸识别分数；选取满足阈值的第四人脸识别分数所属的人脸识别结果，将该人脸识别结果包含的身份信息确定为所述待识别对象的身份信息。
在上述的方案中，通过待识别对象的人体信息对待识别对象的人脸识别结果进行修正，根据修正后的所有人脸识别结果来确定待识别对象的身份信息，如此，当人脸被遮挡后，虽然用于人脸识别的多个关键点数据丢失，但是通过人体信息来对人脸识别结果进行约束，能够有效提高人脸识别结果的召回率；同时，根据临时身份信息将同一个对象的所有人脸识别结果关联起来进行加权融合处理，可以有效降低人脸的误识率，从而从整体上提高了人脸识别的准确率。
附图说明
图1示出了本公开一示例提供的人脸识别方法流程示意图；
图2示出了本公开一示例提供的对人脸识别结果进行修正的流程示意图；
图3示出了本公开一示例提供的对人脸识别结果进行加权融合处理的流程示意图；
图4示出了本公开一示例提供的人脸识别序列的修正和加权融合流程示意图；
图5示出了本公开一示例提供的人脸识别装置结构示意图。
具体实施方式
为使本申请的目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了提高被遮挡人脸的识别准确率，如图1所示，本申请提供了一种人脸识别方法，包括：
步骤101、对采集的视频图像进行识别，得到待识别对象的多个跟踪序列，所述跟踪序列包含多个视频帧。
本公开中对人脸进行识别时，需要采集待识别对象的视频，对视频进行解析可得到多个视频帧。通过人体跟踪算法可确定出视频中属于同一个对象的多个视频帧，可基于这多个视频帧组成该对象的多个跟踪序列，例如，将连续的视频帧组成一个跟踪序列，或者，将不同的视频采集设备采集的视频帧组成一个跟踪序列，本公开对此并不限定。
步骤102、根据所述跟踪序列，获取所述待识别对象的临时身份信息。
通过行人重识别算法对同一个待识别对象的每个跟踪序列进行识别，可以为该待识别对象生成唯一的humanID(即临时身份信息)。如此，可通过humanID将待识别对象的多个跟踪序列关联起来。
步骤103、对于每个跟踪序列，获取该跟踪序列对应的人脸识别序列和人体信息，所述人脸识别序列包括多个人脸识别结果。
对于每个跟踪序列可通过人脸识别算法进行识别可得到人脸识别结果，通过人体识别算法进行识别可得到人体信息。
通过人脸识别算法对跟踪序列中的多个视频帧进行识别：对每一帧中的人脸图像进行识别可以得到相应的人脸识别结果，从而得到与该跟踪序列对应的多个人脸识别结果。本公开中，可将与跟踪序列对应的多个人脸识别结果组成一个人脸识别序列。由此可知，每个跟踪序列可对应一个人脸识别序列。
通过人体识别算法对跟踪序列中的多个视频帧进行识别，可以得到该跟踪序列对应的人体信息。
步骤104、对于每个跟踪序列，通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列进行修正。
本公开中，对每个跟踪序列，均需要通过该跟踪序列的人体信息对该跟踪序列的每个人脸识别结果进行修正，该修正过程将通过后续的示例进行说明，此处不再赘述。
步骤105、根据所述临时身份信息，将待识别对象的修正后的所有人脸识别序列进行加权融合，以确定所述待识别对象的身份信息。
由于可通过临时身份信息将待识别对象的所有跟踪序列关联起来，那么每个跟踪序列对应的人脸识别序列被修正后，可对所有修正后的人脸识别序列进行加权融合处理，从而确定出待识别对象的身份信息。
在上述的方案中，通过待识别对象的人体信息对待识别对象的人脸识别结果进行修正，根据修正后的所有人脸识别结果来确定待识别对象的身份信息，如此，当人脸被遮挡后，虽然用于人脸识别的多个关键点数据丢失，但是通过人体信息来对人脸识别结果进行约束，能够有效提高人脸识别结果的召回率；同时，根据临时身份信息将同一个对象的所有人脸识别结果关联起来进行加权融合处理，可以有效降低人脸的误识率，从而从整体上提高了人脸识别的准确率。
需要说明的是，上述步骤102和步骤103之间没有固定的执行顺序，基于一个跟踪序列，可同时执行行人重识别算法、人脸识别算法和人体识别算法，三者之间互不干扰。
在一个示例中，对于跟踪序列通过人脸识别算法进行识别后，得到的人脸识别序列包括多个人脸识别结果，每个人脸识别结果包括身份信息和人脸识别分数，人脸识别分数表示将人脸识别为该身份的置信度，人脸识别分数越高说明该人脸为该身份的可能性越大。一个人脸识别序列中可能包含多个身份信息相同的人脸识别结果，那么可对这些身份信息相同的人脸识别结果中的人脸识别分数合并处理(例如取多个人脸识别分数的平均值，取多个人脸识别分数之和，加权求和等方式，本公开对此并不限定)，得到一个人脸识别分数，该人脸识别分数与相应的身份信息组成新的人脸识别结果。经过上述的合并处理后，选取人脸识别分数最高的k个人脸识别结果，组成一个新的人脸识别序列，在该新的人脸识别序列中k个人脸识别结果可按照人脸识别分数由高到低进行排序，且该k个人脸识别结果中的身份信息均不相同。如无特别说明，文中所述的人脸识别序列均为该新的人脸识别序列。为了后续描述方便，将该人脸识别序列中每个人脸识别结果包含的人脸识别分数记为第一人脸识别分数。
基于此，在一个示例中，可将多个人脸识别序列作为value，humanID作为key，存储在本地，以备后续计算时使用。
为了描述方便，将待识别对象的一个人脸识别序列记为：{x1，x2，...，xi...，xk-1，xk}，在该人脸识别序列中包含了按照人脸识别分数由高到低排列的k个人脸识别结果，其中，xi＝{fidi：confi}，xi为第i个人脸识别结果，包含了：fidi为xi的身份信息以及confi为xi的第一人脸识别分数。
例如，人脸识别序列为：{(A：0.8)，(B：0.78)，(C：0.75)}，表示：待识别对象的身份为A的分数为0.8，为B的分数为0.78，为C的分数为0.75，那么该对象身份为A的可能性最大。
基于上述的人脸识别序列，在一个示例中，步骤104所述的对于每个跟踪序列，通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列进行修正过程，如图2所示，包括：
步骤201，对人脸识别序列中的所述第一人脸识别分数进行归一化处理，得到第二人脸识别分数，归一化处理后的人脸识别结果包括所述身份信息和第二人脸识别分数。
在该示例中，采用如下的公式(1)对人脸识别序列{x1，x2，...，xi...，xk-1，xk}进行归一化处理：
Figure BDA0003291233740000081
其中，confi^表示人脸识别序列中归一化后第i个人脸识别结果中的人脸识别分数，记为第二人脸识别分数，confi为人脸识别序列中第i个人脸识别结果中的第一人脸识别分数。
在一个示例中，将归一化处理后的人脸识别序列记为
Figure BDA0003291233740000082
其中，
Figure BDA0003291233740000083
表示该人脸识别序列中归一化后的第i个人脸识别结果，
Figure BDA0003291233740000084
Figure BDA0003291233740000085
表示第i个人脸识别结果中的第二人脸识别分数。
步骤202，通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列中的每个所述第二人脸识别分数进行修正。
本公开中，待识别对象的人体信息包含了m个人体特征值，可以记为人体信息序列{y1，y2，...，yj，...，ym-1，ym}，其中，yj表示第j个人体特征值。例如，待识别对象的人体信息序列为：{30，H，1}，按照预设的人体信息的维度：年龄、帽子颜色、是否背包，其中，年龄的特征值30表示30岁，帽子的特征值H表示黄色，是否背包的特征值0表示未背包。
基于此，该示例中所述修正的过程包括：
首先，对于归一化处理后的每个人脸识别结果，确定待识别对象为该人脸识别结果中的身份信息的第一概率，以及根据人体信息确定待识别对象为该人脸识别结果中身份信息的后验概率；
然后，根据所述第一概率和所述后验概率，对该人脸识别结果中的第二人脸识别分数进行修正，得到第三人脸识别分数。
其中，根据人体信息确定待识别对象为该人脸识别结果中身份信息的后验概率，的实现过程包括：
获取该人脸识别结果中身份信息对应的历史人体信息；
针对所述人体信息中的每个维度，从所述历史人体信息中获取该维度对应的所有历史特征值，确定所有历史特征值的第一数量；
确定与该维度在人体信息中的特征值相同的历史特征值的第二数量；
将所述第二数量与所述第一数据量的比值作为该维度的概率；
将所述人体信息中每个维度的概率相乘，得到待识别对象为该人脸识别结果中身份信息的后验概率。
上述的修正过程可通过如下公式实现：
Figure BDA0003291233740000091
Figure BDA0003291233740000092
其中：
Figure BDA0003291233740000093
为修正后的第i个人脸识别结果中的人脸识别分数，记为第三人脸识别分数。
Figure BDA0003291233740000101
为待识别对象为
Figure BDA0003291233740000102
中身份信息的概率、即上述的第一概率，计算方式为：
Figure BDA0003291233740000103
中的第二人脸识别分数与该人脸识别序列中所有第二人脸识别分数之和的比值，例如，人脸识别序列为{(A：0.8)，(B：0.78)，(C：0.75)}，则待识别对象为A的概率为：0.8/(0.8+0.78+0.75)＝34％；
Figure BDA0003291233740000104
为根据待识别对象的人体信息确定的待识别对象为
Figure BDA0003291233740000105
中身份信息的后验概率，计算方式为：获取
Figure BDA0003291233740000106
中身份信息对应的历史人体信息，针对yj的维度，从所述的历史人体信息中获取该维度所有的历史特征值，计算该维度历史特征值为yj的次数(第一数量)与该维度所有历史特征值数量的比值(第二数量)，得到该维度对应的概率，将每个维度的概率相乘，得到待识别对象为
Figure BDA0003291233740000107
中身份信息的后验概率。例如，上述人体信息序列中的第2个特征值为H，表示帽子颜色为黄色，则结合人脸识别序列{(A：0.8)，(B：0.78)，(C：0.75)}，对第1个人脸识别结果，获取身份信息A的历史人体信息，其中，特征值维度“帽子颜色”共存在10个特征值(第二数量)，其中，3个为黄色(第一数量)，7个为蓝色，那么，“帽子颜色”为黄色的概率为30％，依次类推，再计算出其他维度对应的概率，每个维度的概率相乘，即可得到待识别对象的人体信息属于A的后验概率。
在一个示例中，将修正后的人脸识别序列记为
Figure BDA0003291233740000108
Figure BDA0003291233740000109
为修正后的第i个人脸识别结果，
Figure BDA00032912337400001010
在开放环境下的人脸识别的误识多是由于光照条件差、人脸角度过大、运动模糊等原因造成的，因此，基于人体信息对人脸识别结果进行修正可以有效提高人脸识别的召回率，但也有可能引入误识，为了降低误识，本公开中对待识别对象修正后的所有人脸识别序列进行加权融合，进而确定待识别对象的身份信息。
在进行加权融合时，为待识别对象的每个人脸识别序列设定相应的权重，权重可以根据经验值设定，也可以根据不同的人脸识别设备进行设置，例如，通过多个人脸识别设备进行识别，那么每个人脸识别序列的权重可根据相应的人脸识别设备进行设置，本公开对此不做限定。
在一个示例中，上述步骤105根据所述的根据临时身份信息，将待识别对象的修正后的所有人脸识别序列进行加权融合，以确定所述待识别对象的身份信息的实现过程，如图3所示，包括：
步骤301，根据所述临时身份信息，将所述待识别对象的修正后的所有人脸识别序列进行合并。
首先，将待识别对象修正后的所有人脸识别序列进行合并，合并后的人脸识别序列记为：
Figure BDA0003291233740000111
包含了K个修正后的人脸识别结果，
Figure BDA0003291233740000112
为第o个修后的人脸识别结果，
Figure BDA0003291233740000113
K为所有人脸识别序列包含的人脸识别结果的数量之和。在合并后的人脸识别序列中，可以按照修正后的第三人脸识别分数
Figure BDA0003291233740000114
由高到低对K个人脸识别结果进行排序。
步骤302，对合并后的人脸识别序列中的每个第三人脸识别分数进行加权融合处理，得到相应的第四人脸识别分数。
基于合并后的人脸识别序列，采用如下的公式对每个人脸识别分数再次进行加权融合处理，即再次进行了修正：
Figure BDA0003291233740000115
其中，conf′o为加权融合处理后的第o个人脸识别结果中的人脸识别分数、记为第四人脸识别分数，p为待识别对象的人脸识别序列的数量(即待识别对象的跟踪序列的数量)，Ci为p个人脸识别序列中第i个人脸识别序列的权重。
步骤303，选取满足阈值的第四人脸识别分数所属的人脸识别结果，将该人脸识别结果包含的身份信息确定为所述待识别对象的身份信息。
如果，第四人脸识别分数conf′o满足阈值，则将该conf′o所属人脸识别结果中包含的身份信息作为该待识别对象的身份信息，即
x′o＝{fido：conf′o}中的fido为该待识别对象的身份信息。如果存在多个conf′o均满足阈值，则选取最大值的conf′o所属人脸识别结果中包含的身份信息作为该待识别对象的身份信息。
下面再通过一个示例来说明上述的修正过程，如图4所示，包括：
1、获取到待识别对象的一个人脸识别序列{x1，x2，...，xi...，xk-1，xk}，其中，xi＝{fidi：confi}。对该人脸识别序列中的每个第一人脸识别分数confi进行归一化处理，得到相应的第二人脸识别分数
Figure BDA0003291233740000121
2、将归一化处理后的人脸识别序列记为
Figure BDA0003291233740000122
其中，
Figure BDA0003291233740000123
3、获取到与该人脸识别序列对应的人体信息{y1，y2，...，yj，...，ym-1，ym}。
4、通过{y1，y2，...，yj，...，ym-1，ym}对
Figure BDA0003291233740000124
中的每个第二人脸识别分数confi^进行修正得到第三人脸识别分数
Figure BDA0003291233740000125
5、将修正后的人脸识别序列记为
Figure BDA0003291233740000126
其中，
Figure BDA0003291233740000127
6、通过待识别对象的临时身份信息可确定待识别对象的p个人脸识别序列{x1，x2，...，xi...，xk-1，xk}，对每个人脸识别序列{x1，x2，...，xi...，xk-1，xk}均执行上述1-5步，得到p个人脸识别序列
Figure BDA0003291233740000128
为每个
Figure BDA0003291233740000129
发置对应的权重，则p个人脸识别序列
Figure BDA00032912337400001210
对应的权重分别为C1～Cp。
7、将p个人脸识别序列
Figure BDA00032912337400001211
进行合并，得到人脸识别序列
Figure BDA00032912337400001212
对其中的每个第三人脸识别分数
Figure BDA00032912337400001213
再次进行修正、即加权融合处理，得到第四人脸识别分数conf′o，选取满足阈值的conf′o，那么x′o＝{fido：conf′o}中的fido即为该待识别对象的身份信息。
为了实现上述方法，如图5所示，本公开还提供了一种人脸识别装置，包括：
跟踪模块10，用于对采集的视频图像进行识别，得到待识别对象的多个跟踪序列，所述跟踪序列包含多个视频帧。
第一识别模块20，用于根据所述跟踪序列，获取所述待识别对象的临时身份信息。在一个示例中，第一识别模块20可采用行人重识别算法获取所述待识别对象的临时身份信息。
第二识别模块30，用于对于每个跟踪序列，获取该跟踪序列对应的人脸识别序列，所述人脸识别序列包括多个人脸识别结果。在一个示例中，第二识别模块30可采用人脸识别算法获取跟踪序列对应的人脸识别序列。
第三识别模块40，用于对于每个跟踪序列，获取该跟踪序列对应的人体信息。在一个示例中，第三识别模块40可采用人体识别算法获取跟踪序列对应的人体信息。
数据分析模块50，用于对于每个跟踪序列，通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列进行修正。
融合模块60，用于根据所述临时身份信息，将待识别对象的修正后的所有人脸识别序列进行加权融合，以确定所述待识别对象的身份信息。
其中，所述人脸识别结果包括身份信息和对应的第一人脸识别分数，所述人脸识别结果在所述人脸识别序列中按照第一人脸识别分数由高到低排序；
所述数据分析模块50，还用于对于每个跟踪序列，对所述人脸识别序列中的所述第一人脸识别分数进行归一化处理，得到第二人脸识别分数，归一化处理后的人脸识别结果包括所述身份信息和第二人脸识别分数；还用于通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列中的每个所述第二人脸识别分数进行修正。
在一个示例中，对所述第二人脸识别分数进行修正时，所述数据分析模块50，用于对于归一化处理后的每个人脸识别结果，确定所述待识别对象为该人脸识别结果中的身份信息的第一概率；还用于根据所述人体信息，确定所述待识别对象为该人脸识别结果中身份信息的后验概率；并根据所述第一概率和所述后验概率，对该人脸识别结果中的第二人脸识别分数进行修正，得到第三人脸识别分数。
在一个示例中，确定所述待识别对象的身份信息时，所述融合模块60，用于根据所述临时身份信息，将所述待识别对象的修正后的所有人脸识别序列进行合并；对合并后的人脸识别序列中的每个第三人脸识别分数进行加权融合处理，得到相应的第四人脸识别分数；选取满足阈值的第四人脸识别分数所属的人脸识别结果，将该人脸识别结果包含的身份信息确定为所述待识别对象的身份信息。
在一个示例中，本公开还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现所述人脸识别的方法步骤。
在一个示例中，本公开还提供了一种计算机存储介质，其特征在于，所述存储介质存储有计算机可执行指令，当所述指令被执行时用执行所述人脸识别的方法。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。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、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
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申请的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
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 (10)

1.一种人脸识别方法，包括：
对采集的视频图像进行识别，得到待识别对象的多个跟踪序列，所述跟踪序列包含多个视频帧；
根据所述跟踪序列，获取所述待识别对象的临时身份信息；以及，对于每个跟踪序列，获取该跟踪序列对应的人脸识别序列和人体信息，所述人脸识别序列包括多个人脸识别结果；
对于每个跟踪序列，通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列进行修正；
根据所述临时身份信息，将待识别对象的修正后的所有人脸识别序列进行加权融合，以确定所述待识别对象的身份信息。
2.根据权利要求1所述的方法，其中，所述人脸识别结果包括身份信息和对应的第一人脸识别分数，所述人脸识别结果在所述人脸识别序列中按照第一人脸识别分数由高到低排序。
3.根据权利要求2所述的方法，其中，对于每个跟踪序列，通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列进行修正，包括：
对该人脸识别序列中的所述第一人脸识别分数进行归一化处理，得到第二人脸识别分数，归一化处理后的人脸识别结果包括所述身份信息和第二人脸识别分数；
通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列中的每个所述第二人脸识别分数进行修正。
4.根据权利要求3所述的方法，其中，所述通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列中的每个所述第二人脸识别分数进行修正，包括：
对于归一化处理后的每个人脸识别结果，确定所述待识别对象为该人脸识别结果中的身份信息的第一概率；
根据所述人体信息，确定所述待识别对象为该人脸识别结果中身份信息的后验概率；
根据所述第一概率和所述后验概率，对该人脸识别结果中的第二人脸识别分数进行修正，得到第三人脸识别分数。
5.根据权利要求4所述的方法，其中，所述人体信息包括多个特征值，每个特征值具有相应的维度；
根据所述人体信息，确定所述待识别对象为该人脸识别结果中身份信息的后验概率，包括：
获取该人脸识别结果中身份信息对应的历史人体信息；
针对所述人体信息中的每个维度，从所述历史人体信息中获取该维度对应的所有历史特征值，确定所有历史特征值的第一数量；
确定与该维度在人体信息中的特征值相同的历史特征值的第二数量；
将所述第二数量与所述第一数据量的比值作为该维度的概率；
将所述人体信息中每个维度的概率相乘，得到待识别对象为该人脸识别结果中身份信息的后验概率。
6.根据权利要求4所述的方法，根据所述临时身份信息，将待识别对象的修正后的所有人脸识别序列进行加权融合，以确定所述待识别对象的身份信息，包括：
根据所述临时身份信息，将所述待识别对象的修正后的所有人脸识别序列进行合并；
对合并后的人脸识别序列中的每个第三人脸识别分数进行加权融合处理，得到相应的第四人脸识别分数；
选取满足阈值的第四人脸识别分数所属的人脸识别结果，将该人脸识别结果包含的身份信息确定为所述待识别对象的身份信息。
7.一种人脸识别装置，包括：
跟踪模块，用于对采集的视频图像进行识别，得到待识别对象的多个跟踪序列，所述跟踪序列包含多个视频帧；
第一识别模块，用于根据所述跟踪序列，获取所述待识别对象的临时身份信息；
第二识别模块，用于对于每个跟踪序列，获取该跟踪序列对应的人脸识别序列，所述人脸识别序列包括多个人脸识别结果；
第三识别模块，用于对于每个跟踪序列，获取该跟踪序列对应的人体信息；
数据分析模块，用于对于每个跟踪序列，通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列进行修正；
融合模块，用于根据所述临时身份信息，将待识别对象的修正后的所有人脸识别序列进行加权融合，以确定所述待识别对象的身份信息。
8.根据权利要求7所述的装置，所述人脸识别结果包括身份信息和对应的第一人脸识别分数，所述人脸识别结果在所述人脸识别序列中按照第一人脸识别分数由高到低排序；
所述数据分析模块，还用于对于每个跟踪序列，对所述人脸识别序列中的所述第一人脸识别分数进行归一化处理，得到第二人脸识别分数，归一化处理后的人脸识别结果包括所述身份信息和第二人脸识别分数；还用于通过该跟踪序列的人体信息对该跟踪序列的人脸识别序列中的每个所述第二人脸识别分数进行修正。
9.根据权利要求8所述的装置，对所述第二人脸识别分数进行修正，所述数据分析模块，用于对于归一化处理后的每个人脸识别结果，确定所述待识别对象为该人脸识别结果中的身份信息的第一概率；还用于根据所述人体信息，确定所述待识别对象为该人脸识别结果中身份信息的后验概率；并根据所述第一概率和所述后验概率，对该人脸识别结果中的第二人脸识别分数进行修正，得到第三人脸识别分数。
10.根据权利要求8所述的装置，其中，
确定所述待识别对象的身份信息，所述融合模块，用于根据所述临时身份信息，将所述待识别对象的修正后的所有人脸识别序列进行合并；对合并后的人脸识别序列中的每个第三人脸识别分数进行加权融合处理，得到相应的第四人脸识别分数；选取满足阈值的第四人脸识别分数所属的人脸识别结果，将该人脸识别结果包含的身份信息确定为所述待识别对象的身份信息。
CN202111164508.1A 2021-09-30 2021-09-30 一种人脸识别方法和装置 Pending CN113887427A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111164508.1A CN113887427A (zh) 2021-09-30 2021-09-30 一种人脸识别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111164508.1A CN113887427A (zh) 2021-09-30 2021-09-30 一种人脸识别方法和装置

Publications (1)

Publication Number Publication Date
CN113887427A true CN113887427A (zh) 2022-01-04

Family

ID=79004960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111164508.1A Pending CN113887427A (zh) 2021-09-30 2021-09-30 一种人脸识别方法和装置

Country Status (1)

Country Link
CN (1) CN113887427A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114550088A (zh) * 2022-02-22 2022-05-27 北京城建设计发展集团股份有限公司 一种多摄像头融合的乘客识别方法、系统及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447625A (zh) * 2016-09-05 2017-02-22 北京中科奥森数据科技有限公司 基于人脸图像序列的属性识别方法及装置
CN110807401A (zh) * 2019-10-29 2020-02-18 腾讯科技（深圳）有限公司 用户身份识别、多用户打卡方法、装置、存储介质及设备
WO2020249025A1 (zh) * 2019-06-12 2020-12-17 杭州海康威视数字技术股份有限公司 身份信息的确定方法、装置及存储介质
CN112132103A (zh) * 2020-09-30 2020-12-25 新华智云科技有限公司 一种视频人脸检测识别方法和系统
CN112200084A (zh) * 2020-10-10 2021-01-08 华航高科(北京)技术有限公司 用于视频流的人脸识别方法、装置、电子设备以及存储介质
CN112749605A (zh) * 2020-02-26 2021-05-04 腾讯科技（深圳）有限公司 身份识别方法、系统和设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447625A (zh) * 2016-09-05 2017-02-22 北京中科奥森数据科技有限公司 基于人脸图像序列的属性识别方法及装置
WO2020249025A1 (zh) * 2019-06-12 2020-12-17 杭州海康威视数字技术股份有限公司 身份信息的确定方法、装置及存储介质
CN110807401A (zh) * 2019-10-29 2020-02-18 腾讯科技（深圳）有限公司 用户身份识别、多用户打卡方法、装置、存储介质及设备
CN112749605A (zh) * 2020-02-26 2021-05-04 腾讯科技（深圳）有限公司 身份识别方法、系统和设备
CN112132103A (zh) * 2020-09-30 2020-12-25 新华智云科技有限公司 一种视频人脸检测识别方法和系统
CN112200084A (zh) * 2020-10-10 2021-01-08 华航高科(北京)技术有限公司 用于视频流的人脸识别方法、装置、电子设备以及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114550088A (zh) * 2022-02-22 2022-05-27 北京城建设计发展集团股份有限公司 一种多摄像头融合的乘客识别方法、系统及电子设备

Similar Documents

Publication Publication Date Title
JP6041996B2 (ja) 視覚的属性を修正する装置、システム及び方法
CN110580445B (zh) 一种基于GIoU和加权NMS改进的人脸关键点检测方法
CN112419170B (zh) 遮挡检测模型的训练方法及人脸图像的美化处理方法
JP6630999B2 (ja) 画像認識装置、画像認識方法、および、画像認識プログラム
US9020209B2 (en) Face identification device
US9251402B2 (en) Association and prediction in facial recognition
US8837773B2 (en) Apparatus which detects moving object from image and method thereof
CN108230291B (zh) 物体识别系统训练方法、物体识别方法、装置和电子设备
US20110103695A1 (en) Image processing apparatus and image processing method
KR20070117922A (ko) 고속 정확한 얼굴 검출 방법과 얼굴 검출 학습 방법 및이를 구현하는 시스템
US20240087368A1 (en) Companion animal life management system and method therefor
CN109858464B (zh) 底库数据处理方法、人脸识别方法、装置和电子设备
CN112800847B (zh) 人脸采集源检测方法、装置、设备和介质
JP6287827B2 (ja) 情報処理装置、情報処理方法、及びプログラム
WO2018155594A1 (ja) 情報処理装置、情報処理方法、及びコンピュータ読み取り可能な記録媒体
CN109145752B (zh) 用于评估对象检测和跟踪算法的方法、装置、设备和介质
JP2021103538A (ja) 情報処理装置、情報処理方法、および、情報処理プログラム
CN112446322A (zh) 眼球特征检测方法、装置、设备及计算机可读存储介质
KR101089847B1 (ko) 얼굴 인식을 위한 ｓｉｆｔ 알고리즘을 이용한 키포인트 매칭 시스템 및 방법
CN113283368A (zh) 一种模型训练方法、人脸属性分析方法、装置及介质
JP5698418B2 (ja) 虹彩認識による識別
CN113887427A (zh) 一种人脸识别方法和装置
JP7509212B2 (ja) 情報処理システム、情報処理方法、及びコンピュータプログラム
CN113723310A (zh) 基于神经网络的图像识别方法及相关装置
CN114529962A (zh) 图像特征处理方法、装置、电子设备及存储介质

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