CN114663929A - 基于人工智能的脸部识别方法、装置、设备和存储介质 - Google Patents
基于人工智能的脸部识别方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114663929A CN114663929A CN202011412390.5A CN202011412390A CN114663929A CN 114663929 A CN114663929 A CN 114663929A CN 202011412390 A CN202011412390 A CN 202011412390A CN 114663929 A CN114663929 A CN 114663929A
- Authority
- CN
- China
- Prior art keywords
- face
- face recognition
- data
- target
- image
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Computer Security & Cryptography (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请实施例公开了一种基于人工智能的脸部识别方法、装置、设备和存储介质;本申请实施例可以接收目标应用发送的脸部识别请求;基于所述脸部识别请求,触发所述目标应用对应的云应用生成针对所述脸部识别请求的响应数据,其中,所述响应数据包括脸部数据采集指令、以及所述目标应用中脸部识别页面的页面渲染数据;向所述目标应用发送所述响应数据;接收所述目标应用基于所述响应数据发送的待识别数据,其中,所述待识别数据包括所述终端采集到的目标用户的脸部图像数据;通过所述云应用对所述脸部图像数据进行脸部识别操作,以得到所述目标用户的脸部识别结果;向所述目标应用发送所述脸部识别结果。该方案可以提高脸部识别的效率。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种基于人工智能的脸部识别方法、装置、设备和存储介质。
背景技术
脸部识别,是基于脸部信息特征进行身份识别的一种生物识别技术。可以用摄像机或摄像头采集含有脸部的图像或视频流,并在图像中检测和跟踪脸部,进而对检测到的脸部进行识别的一系列相关技术。
在对相关技术的研究和实践过程中,本申请的发明人发现,脸部识别广泛地应用在多个领域中,例如,金融、交通、安防等等。以刷脸支付为例,由于刷脸支付需要进行复杂的计算步骤,例如,需要运行多种算法、模型等,因此,这使得刷脸支付对硬件配置与维护成本的要求较高。
发明内容
本申请实施例提供一种基于人工智能的脸部识别方法、装置、设备和存储介质,可以提高脸部识别的效率。
本申请实施例提供一种基于人工智能的脸部识别方法,包括:
接收目标应用发送的脸部识别请求;
基于所述脸部识别请求,触发所述目标应用对应的云应用生成针对所述脸部识别请求的响应数据,其中,所述响应数据包括脸部数据采集指令、以及所述目标应用中脸部识别页面的页面渲染数据,所述脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,所述页面渲染数据用于供所述终端展示所述脸部识别页面;
向所述目标应用发送所述响应数据;
接收所述目标应用基于所述响应数据发送的待识别数据,其中,所述待识别数据包括所述终端采集到的目标用户的脸部图像数据;
通过所述云应用对所述脸部图像数据进行脸部识别操作,以得到所述目标用户的脸部识别结果;
向所述目标应用发送所述脸部识别结果。
相应的,本申请实施例还提供另一种基于人工智能的脸部识别方法,包括:
向服务器发送脸部识别请求;
接收所述服务器的云应用针对所述脸部识别请求生成的响应数据,其中,所述响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据;
基于所述页面渲染数据,展示所述目标应用的脸部识别页面,以供目标用户通过所述脸部识别页面进行脸部识别流程;
基于所述脸部数据采集指令,在所述脸部识别流程中采集所述目标用户的脸部图像数据;
根据所述采集后的脸部图像数据,生成所述目标用户的待识别数据,并向所述服务器发送所述待识别数据;
接收所述服务器通过所述云应用生成的所述目标用户的脸部识别结果。
相应的,本申请实施例还提供一种基于人工智能的脸部识别装置,包括:
请求接收单元,用于接收目标应用发送的脸部识别请求;
响应数据生成单元,用于基于所述脸部识别请求,触发所述目标应用对应的云应用生成针对所述脸部识别请求的响应数据,其中,所述响应数据包括脸部数据采集指令、以及所述目标应用中脸部识别页面的页面渲染数据,所述脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,所述页面渲染数据用于供所述终端展示所述脸部识别页面;
响应数据发送单元,用于向所述目标应用发送所述响应数据;
待识别数据接收单元,用于接收所述目标应用基于所述响应数据发送的待识别数据,其中,所述待识别数据包括所述终端采集到的目标用户的脸部图像数据;
脸部识别单元,用于通过所述云应用对所述脸部图像数据进行脸部识别操作,以得到所述目标用户的脸部识别结果;
结果发送单元,用于向所述目标应用发送所述脸部识别结果。
在一实施例中,所述脸部识别请求携带目标用户的用户事件;所述响应数据生成单元,包括:
流程确定子单元,用于基于所述用户事件,确定所述目标用户在所述目标应用所触发的脸部识别流程,其中,所述脸部识别流程包括脸部数据采集步骤;
第一生成子单元,用于触发所述目标应用对应的云应用生成所述脸部数据采集步骤对应的脸部数据采集指令、以及所述脸部识别流程对应的页面渲染数据;
第二生成子单元,用于基于所述生成后的脸部数据采集指令、与所述生成后的页面渲染数据,生成针对所述脸部识别请求的响应数据。
在一实施例中,所述脸部图像数据包括至少一个候选图像;所述脸部识别单元,包括:
目标选取子单元,用于通过所述云应用从所述候选图像中选取进行脸部识别操作所需的目标图像,其中,所述目标图像包括至少一个图像通道下的目标图像通道数据;
活体检测子单元,用于基于所述图像通道,对所述目标图像通道数据进行活体检测操作,得到活体检测结果;
特征提取子单元,用于根据所述活体检测结果,从所述目标图像通道数据提取所述目标用户的脸部信息特征;
特征比对子单元,用于对所述脸部信息特征进行特征比对,以确定所述目标用户的脸部识别结果。
在一实施例中,所述候选图像包括至少一个图像通道下的候选图像通道数据,所述图像通道包括色彩通道与深度通道;所述目标选取子单元,用于:
基于所述候选图像通道数据在所述色彩通道下的数据分布,确定所述候选图像中目标脸部区域的平面属性系数;基于所述候选图像通道数据在所述深度通道下的数据分布,确定所述候选图像中目标脸部区域的立体属性系数;根据所述平面属性系数与所述立体属性系数,从所述候选图像中选取进行脸部识别操作所需的目标图像。
在一实施例中,所述目标选取子单元,具体用于:
基于所述候选图像通道数据在所述深度通道下的数据分布,计算所述候选图像中目标脸部区域的深度统计特征与脸部遮掩特征;基于所述深度统计特征与所述脸部遮掩特征,确定所述候选图像中目标脸部区域的立体属性系数。
在一实施例中,所述图像通道包括色彩通道与深度通道;所述活体检测子单元,用于:
基于所述色彩通道下的目标色彩通道数据,对所述目标图像进行脸部轮廓检测,得到轮廓检测结果;基于所述轮廓检测结果与所述深度通道下的目标深度通道数据,对所述目标图像进行脸部活体检测,得到活体检测结果。
在一实施例中,所述活体检测子单元,具体用于:
确定进行脸部检测所需的活体检测模型;当检测到所述目标图像的脸部轮廓检测通过时,将所述目标深度通道数据输入所述活体检测模型,以对所述目标图像进行脸部活体检测,得到活体检测结果。
在一实施例中,所述目标图像中包括至少一个候选用户对应的候选脸部区域;所述特征提取子单元,用于:
当检测到活体检验通过时,确定所述候选脸部区域的区域位置信息与区域尺寸信息;根据所述区域位置信息与所述区域尺寸信息,从所述候选脸部区域中确定目标用户对应的目标脸部区域;从所述目标脸部区域中提取所述目标用户的脸部信息特征。
在一实施例中,所述待识别数据包括所述目标用户的用户标识信息;所述特征比对子单元,用于:
基于所述用户标识信息与所述脸部信息特征,生成针对所述目标用户的特征比对请求;向特征比对模块发送所述特征比对请求,以触发所述特征比对模块基于所述用户标识对所述脸部信息特征进行特征比对;获取所述特征比对模块返回的特征比对结果,并根据所述特征比对结果,确定所述目标用户的脸部识别结果。
相应的,本申请实施例还提供另一种基于人工智能的脸部识别装置,包括:
请求发送单元,用于向服务器发送脸部识别请求;
响应数据接收单元,用于接收所述服务器的云应用针对所述脸部识别请求生成的响应数据,其中,所述响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据;
页面展示单元,用于基于所述页面渲染数据,展示所述目标应用的脸部识别页面,以供目标用户通过所述脸部识别页面进行脸部识别流程;
脸部数据采集单元,用于基于所述脸部数据采集指令,在所述脸部识别流程中采集所述目标用户的脸部图像数据;
待识别数据生成单元,用于根据所述采集后的脸部图像数据,生成所述目标用户的待识别数据,并向所述服务器发送所述待识别数据;
结果接收单元,用于接收所述服务器通过所述云应用生成的所述目标用户的脸部识别结果。
相应的,本申请实施例还提供一种存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如本申请实施例所示的基于人工智能的脸部识别方法的步骤。
相应的,本申请实施例还提供一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如本申请实施例所示的基于人工智能的脸部识别方法的步骤。
本方案可以基于终端上目标应用的脸部识别请求,触发服务器上对应的云应用生成脸部数据采集指令与页面渲染数据,并将生成的脸部数据采集指令与页面渲染数据发送给终端,以触发终端基于该脸部数据采集指令采集脸部识别所需的脸部图像数据、并基于页面渲染数据展示脸部识别页面。进一步地,本方案中,服务器的云应用在接收到终端采集的脸部图像数据后,可以在云端执行脸部识别操作,并将生成的脸部识别结果发送给终端。这样的话,本方案通过采用云应用的方式,将脸部识别中复杂的计算步骤如数据筛选、活体检测等算法与消耗较多计算资源的界面渲染计算操作运行在云端,而终端仅需负责摄像头数据的采集、用户事件的输入、以及云应用的界面展示,如此,可以有效地降低对终端硬件配置的要求,使得低配置的终端设备也能支持脸部识别,从而能够有效节省终端硬件的价格成本与维护成本,并降低脸部识别在实际应用中的门槛,有利于脸部识别的推广与发展。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,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是本实施例提供的基于人工智能的脸部识别方法的场景示意图;
图2是本实施例提供的基于人工智能的脸部识别方法的流程图;
图3是本实施例提供的基于人工智能的脸部识别方法的应用示意图;
图4是本实施例提供的基于人工智能的脸部识别方法的脸部识别示意图;
图5是本实施例提供的基于人工智能的脸部识别方法的时序示意图;
图6是本实施例提供的基于人工智能的脸部识别方法的另一流程示意图;
图7是本实施例提供的基于人工智能的脸部识别方法的另一应用示意图;
图8是本实施例提供的基于人工智能的脸部识别方法的另一流程示意图;
图9是本实施例提供的基于人工智能的脸部识别装置的结构示意图;
图10是本实施例提供的基于人工智能的脸部识别装置的另一结构示意图;
图11是本实施例提供的基于人工智能的脸部识别装置的另一结构示意图;
图12是本实施例提供的基于人工智能的脸部识别装置的另一结构示意图;
图13是本申请实施例提供的计算机设备的结构示意图;
图14是本申请实施例提供的区块链系统的结构示意图;
图15是本申请实施例提供的区块链系统的另一结构示意图。
具体实施方式
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,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作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。
随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用,例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等,相信随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的方案涉及人工智能的计算机视觉等技术,具体地,计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术,还包括常见的人脸识别、指纹识别等生物特征识别技术。具体通过如下实施例进行说明:
本申请实施例提供一种基于人工智能的脸部识别方法、装置、设备和存储介质。具体地,本申请实施例提供适用于第一计算机设备的脸部识别装置(为区分,可以称为第一脸部识别装置),该第一计算机设备可以为服务器等网络侧设备,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器,并且,该云服务器上可以运行有云应用。本申请实施例还提供适用于第二计算机设备的脸部识别装置(为区分,可以称为第二脸部识别装置),该第二计算机设备可以为终端等设备,该终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此;可选地,可以为支持脸部识别的设备,如脸部支付设备等。
本申请实施例将以第一计算机设备为服务器,第二计算机设备为终端为例,来介绍基于人工智能的脸部识别方法。
参考图1,本申请实施例提供了基于人工智能的脸部识别系统包括服务器10和终端20等;服务器10与终端20之间通过网络连接,比如,通过有线或无线网络连接等。其中,第一脸部识别装置集成在服务器中,该服务器可以为云服务器,在云服务器上可以运行有云应用;第二脸部识别装置可以集成在终端中,比如,以客户端的形式集成在终端中,并且,该终端可以为支持脸部识别的设备,如脸部支付设备,该脸部支付设备上可以运行有脸部支付的目标应用,该目标应用与服务器上运行的云应用对应。
其中,服务器10可以用于接收目标应用发送的脸部识别请求;基于所述脸部识别请求,触发所述目标应用对应的云应用生成针对所述脸部识别请求的响应数据,其中,所述响应数据包括脸部数据采集指令、以及所述目标应用中脸部识别页面的页面渲染数据,所述脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,所述页面渲染数据用于供所述终端展示所述脸部识别页面;向所述目标应用发送所述响应数据;接收所述目标应用基于所述响应数据发送的待识别数据,其中,所述待识别数据包括所述终端采集到的目标用户的脸部图像数据;通过所述云应用对所述脸部图像数据进行脸部识别操作,以得到所述目标用户的脸部识别结果;向所述目标应用发送所述脸部识别结果。
在一实施例中,服务器10为云服务器,终端20为脸部支付设备,并且,终端20上可以运行有脸部支付的目标应用,服务器10上可以运行有该目标应用对应的云应用。在该实施例中,服务器10可以在检测到目标用户的脸部识别通过后,在脸部识别结果中附加支付凭证,以使得终端20可以基于该支付凭证,对目标用户发起订单支付。
相应地,终端20可以用于向服务器发送脸部识别请求;接收所述服务器的云应用针对所述脸部识别请求生成的响应数据,其中,所述响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据;基于所述页面渲染数据,展示所述目标应用的脸部识别页面,以供目标用户通过所述脸部识别页面进行脸部识别流程;基于所述脸部数据采集指令,在所述脸部识别流程中采集所述目标用户的脸部图像数据;根据所述采集后的脸部图像数据,生成所述目标用户的待识别数据,并向所述服务器发送所述待识别数据;接收所述服务器通过所述云应用生成的所述目标用户的脸部识别结果。
以下分别进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
本申请实施例将从第一脸部识别装置的角度进行描述,该第一脸部识别装置具体可以集成在服务器中,具体地,该服务器可以为云服务器,该云服务上可以运行有云应用。
其中,云是网络、互联网的一种比喻说法。云分为私有云、公有云、混合云及行业云等等。云在勾画网络拓扑或网络结构时常见,过去在图中往往用云来表示电信网,后来也用来表示互联网和底层基础设施的抽象。
在应用中,云计算是分布式计算的一种,指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小的程序,然后,通过多部服务器组成的系统进行处理和分析这些小的程序得到结果并返回给用户。随着技术的发展,云服务已经不单单是一种分布式计算,而是分布式计算、效用计算、负载均衡、并行计算、网络存储、热备份冗杂和虚拟化等计算机技术混合演进并跃升的结果。
其中,云服务器是一种简单高效、安全可靠、处理能力可弹性伸缩的计算服务。其管理方式比物理服务器更简单高效。用户无需提前购买硬件,即可迅速创建或释放任意多台云服务器。
其中,云应用是“云计算”概念的子集,是云计算技术在应用层的体现。云应用跟云计算最大的不同在于,云计算作为一种宏观技术发展概念而存在,而云应用则是直接面对客户解决实际问题的产品。
本申请实施例提供的一种基于人工智能的脸部识别方法,该方法可以由服务器的处理器执行,如图2所示,该基于人工智能的脸部识别方法的具体流程可以如下:
101、接收目标应用发送的脸部识别请求。
其中,目标应用可以为运行在终端上并支持脸部识别的应用,例如,在支付场景中,目标应用可以为终端上的脸部支付应用;又如,在安保场景中,目标应用可以为终端上基于脸部识别的身份验证应用;等等。
相应地,服务器端可以运行有与目标应用对应的云应用,云应用与目标应用的对应方式可以有多种,例如,云应用可以与目标应用同步的应用,当用户在终端使用目标应用时,终端操作可以同步云端,以使得云端的云应用可以同步运作,或者实时模拟终端的目标应用;又如,云应用可以与目标应用进行交互,如可以接收目标应用上传的数据,并对该数据进行响应,以辅助目标应用执行实际的应用功能;等等。
目标应用可以获取终端设备采集到的数据,例如,参考图3,目标应用可以获取终端设备采集到的脸部识别所需的相关数据,例如,用户的输入事件与传感器数据等,进一步地,目标应用可以基于用户事件生成脸部识别请求,以使得能够通过该脸部识别请求触发云应用对该请求进行响应,如在云端进行功能执行、用户交互(UserInterface,UI)界面的渲染计算,并返回响应数据,从而辅助目标应用执行实际的脸部识别功能。
具体地,参考图3,终端上运行的目标应用可以采集脸部识别的相关数据,例如传感器数据与用户的输入事件,终端可以在基于用户的输入数据生成脸部识别请求后,将该脸部识别请求发送给云服务器,以使得云服务器上运行的云应用可以接收目标应用发送的脸部识别请求。
其中,用户事件或用户的输入事件可以为用户直接或者间接向终端传递脸部识别信号或者触发进行脸部识别的事件。例如,在一些实施例中,用户事件可以为用户通过终端提供的屏幕、按键等交互模块在终端上触发的事件,其中,用户事件可以是特定的触控操作,如单击操作、长按操作、双击操作、以及滑动操作等等,还可以是通过语音的方式触发的,可选的,用户事件还可以是一系列操作的组合,那么,在这种情况下,用户事件则可以为用户直接向终端传递的事件;
又如,在另一些实施例中,当终端通过传感器,如脸部识别摄像机,捕捉或采集到对用户进行脸部识别所需的数据时,也可以触发对用户进行脸部识别,因此,也可以认为相应地产生了用户事件,那么,在这种情况下,用户事件则为可以用户在终端间接触发的事件;
又如,在另一些实施例中,用户事件可以为用户通过指令、程序等方式间接向终端传递或触发的事件,例如,用户事件可以为用户通过程序间的通信指令,向终端发起的脸部识别唤起操作,那么,在这种情况下,用户事件则可以为用户直接向终端传递的事件;等等。
在本实施例中,目标应用在获取终端设备采集到的脸部识别的相关数据,如用户事件后,可以基于该相关数据,生成脸部识别请求,并将该脸部识别请求发送给服务器。服务器端的云应用则可以相应地接收到目标应用发送的脸部识别请求。
在一实施例中,可以将本方案所介绍的基于人工智能的脸部识别方法应用在脸部支付场景中,并且,终端的脸部支付设备上可以运行有脸部支付的目标应用,该目标应用为支持脸部识别的应用;服务器端可以运行有与该目标应用对应的云应用,云应用与目标应用之间的对应方式可以为:云应用运行脸部支付所需的计算,目标应用负责传感器数据和用户事件的输入、以及云端应用的界面展示。
参考图5,顾客可以与终端上的脸部支付设备交互来启动脸部支付,在交互过程中,终端可以采集到用户触发启动脸部支付的用户事件,并在基于该用户事件生成脸部识别请求后,将该脸部识别请求发送给云应用,相应地,云应用则可以接收目标应用发送的脸部识别请求,其中,该脸部识别请求中携带用户事件的数据。
102、基于脸部识别请求,触发目标应用对应的云应用生成针对该脸部识别请求的响应数据,其中,该响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据,该脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,该页面渲染数据用于供终端展示脸部识别页面。
其中,云应用生成的响应数据,可以为响应于终端的脸部识别请求而生成的数据。响应数据中可以包括多项信息,例如,在本实施例中,响应数据中可以包括脸部采集指令、以及目标应用中脸部识别页面的页面渲染数据。
其中,脸部数据采集指令可以为用于指示终端采集脸部识别所需的脸部图像数据的指令。例如,脸部数据采集指令可以指示终端通过传感器实时采集脸部图像数据,又如,脸部数据采集指令可以指示终端通过访问已有资源来采集脸部图像数据;等等。
在一实施例中,当终端接收到该脸部数据采集指令后,可以利用传感器来采集所需的脸部图像数据。例如,传感器可以为脸部识别摄像头,而脸部识别摄像头的种类可以有多种,譬如,可以包括2D(two-dimensional,2维)摄像头、3D(three-dimensional,3维)摄像头等;其中,2D摄像头可以包括彩色摄像头、红外摄像头等,3D摄像头可以包括结构深度摄像头、飞行时间摄像头等。
其中,页面渲染数据可以为展示脸部识别页面所需的相关数据。在实际应用中,在展示脸部识别页面之前,需要先对待展示的脸部识别页面进行渲染计算,并在生成页面渲染数据后,再基于该页面渲染数据来展示脸部识别页面。因此,在本实施例中,云应用可以在接收到目标应用发送的脸部识别请求后,在云端进行脸部识别页面的渲染计算以得到页面渲染数据,并将生成的页面渲染数据与脸部数据采集指令添加在响应脸部识别请求所生成的响应数据中。
在一实施例中,可以将本申请所介绍的基于人工智能的脸部识别方法应用在脸部支付场景中,参考图5,服务器的云应用在接收到包括用户事件数据的脸部识别请求后,可以在云应用上开启脸部支付流程,具体地,可以包括同步目标应用的用户交互(UserInterface,UI)界面,并通过在云端生成页面渲染数据来供终端展示脸部识别页面;包括通过生成脸部数据采集指令来指示终端启动摄像头采集脸部识别所需的脸部图像数据。云应用可以将生成的脸部数据采集指令与页面渲染数据添加到响应于脸部识别请求的响应数据中。
由于目标应用发送的脸部识别请求中可以携带有目标用户上的用户事件,例如,可以包括有待进行脸部识别的目标用户在与终端交互过程中产生的用户事件,因此,服务器可以基于该用户事件,生成响应于脸部识别请求的脸部数据采集指令与页面渲染数据,进而生成针对脸部识别请求的响应数据。具体地,步骤“基于脸部识别请求,触发目标应用对应的云应用生成针对该脸部识别请求的响应数据”,可以包括:
基于该用户事件,确定目标用户在目标应用所触发的脸部识别流程,其中,该脸部识别流程包括脸部数据采集步骤;
触发目标应用对应的云应用生成该脸部数据采集步骤对应的脸部数据采集指令、以及该脸部识别流程对应的页面渲染数据;
基于生成后的脸部数据采集指令、与生成后的页面渲染数据,生成针对该脸部识别请求的响应数据。
其中,脸部识别流程可以规定执行脸部识别操作所需的步骤与逻辑,并且,脸部识别流程中可以包括脸部数据采集的步骤。由于在实际应用中,针对不同的场景及需求,可以存在不同的脸部识别流程,并且,脸部识别流程中是可以存在条件判断与分支的,因此,目标用户所触发的脸部识别流程可以是存在多种情况、非一成不变的。
确定目标用户在目标应用所触发的脸部识别流程的方式可以有多种,例如,可以基于目标用户的用户事件来判断。
其中,目标用户可以为待进行脸部识别的用户,例如,当将基于人工智能的脸部识别方法应用在脸部支付场景中,目标用户可以为使用脸部支付的顾客;又如,当将基于人工智能的脸部识别方法应用在基于脸部识别的安保场景中,目标用户可以为待验证身份的人员;等等。
由于用户事件可以为用户直接或者间接向终端传递脸部识别信号或者触发进行脸部识别的事件。因此,基于用户事件确定目标用户在目标应用所触发的脸部识别流程的方式可以有多种。
例如,在脸部支付场景中,可以包括不同的脸部识别流程,例如,可以包括有顾客端的脸部识别流程、包括有收银员端的脸部识别流程;等等。在一实施例中,当顾客通过终端提供的屏幕、按键等交互模块在终端上触发脸部支付时,用户事件是顾客主动发起并生成的,因此,可以确定终端的脸部识别应用所触发的脸部识别流程为顾客端的脸部识别流程。在另一实施例中,当收银员通过程序间的指令,如收银系统与脸部识别系统之间的指令来向终端传递脸部识别信号,以对顾客进行脸部识别时,脸部识别的触发信号是由收银员主动发起并覆盖到顾客的,因此,可以确定终端的脸部识别应用所触发的脸部识别流程为收银员端的脸部识别流程。
又如,在基于脸部识别的安保场景中,可以包括不同的脸部识别流程,例如,可以包括有针对单一用户的脸部识别流程、包括有针对多个用户的脸部识别流程;等等。在一实施例中,如通关闸口处设置的每次针对单个用户的脸部识别系统,当终端通过传感器,如脸部识别摄像机,捕捉或采集到单个用户的脸部图像数据时,可以确定终端的脸部识别应用所适用的脸部识别流程为针对单一用户的脸部识别流程,也即,目标用户通过其脸部图像数据在终端所触发的为针对单一用户的脸部识别流程。在另一实施例中,例如火车站、高铁站等公共场所设置的针对多个用户的脸部识别系统,当终端通过传感器,如脸部识别摄像机,捕捉或采集到多个用户的脸部图像数据时,可以确定终端的脸部识别应用所适用的脸部识别流程为针对多个用户的脸部识别流程,也即,目标用户通过其脸部图像数据在终端所触发的为针对多个用户的脸部识别流程。
由于脸部识别流程的多样性,使得各脸部识别流程中的脸部数据采集步骤、以及对应的脸部识别页面也可以存在差异。因此,在基于用户事件确定目标用户在目标应用所触发的脸部识别流程后,可以进一步触发云应用生成与该脸部识别流程中的脸部数据采集步骤所对应的脸部数据采集指令,并在服务器端即对该脸部识别流程对应的脸部识别页面进行渲染计算,以生成展示该脸部识别页面所需的页面渲染数据。进一步地,云服务器可以基于生成后的脸部数据采集指令、与生成后的页面渲染数据,生成针对该脸部识别请求的响应数据。
103、向目标应用发送响应数据。
服务器的云应用在生成针对脸部识别请求的响应数据后,即可向终端的目标应用发送该响应数据。
例如,参考图3,服务器在接收到终端发送的脸部识别请求后,可以基于该脸部识别请求,触发云应用生成针对该脸部识别请求的响应数据,并向目标应用发送该响应数据。
在一实施例中,可以将本申请介绍的基于人工智能的脸部识别方法应用在脸部支付场景中,参考图5,云应用在接收到携带用户事件的脸部识别请求后,可以基于该用户事件确定终端所触发的脸部识别流程,其中,该脸部识别流程中包括脸部数据采集步骤。
云应用可以在服务器端渲染计算终端展示该脸部识别流程对应的脸部识别页面所需的页面渲染数据,并生成与该脸部数据采集步骤对应的脸部数据采集指令,以指示终端启动摄像头采集目标用户的脸部图像数据。进一步地,云应用可以通过向目标应用发送包括页面渲染数据与脸部数据采集指令的响应数据,来实现向目标应用下发远程渲染数据,并触发终端启动摄像头命令。
在实际应用中,服务器向目标应用发送响应数据,可以包括数据压缩、数据加密以及数据发送等步骤。
104、接收目标应用基于响应数据发送的待识别数据,其中,该待识别数据包括终端采集到的目标用户的脸部图像数据。
其中,待识别数据可以为对目标用户进行脸部识别所需的数据。待识别数据中可以包括多种数据,例如,可以包括终端采集到的目标用户的脸部图像数据、目标用户的用户标识信息,等等。
由于服务器向目标应用发送的响应数据中包括脸部数据采集指令与脸部识别页面的页面渲染数据,因此,目标应用可以基于接收到的响应数据,在终端展示脸部识别页面、以及采集目标用户的脸部图像数据。进一步地,终端可以基于采集到的脸部图像数据生成目标用户的待识别数据,并将该待识别数据发送给服务器端的云应用,因此,服务器可以相应地接收到目标应用基于响应数据发送的待识别数据。
其中,脸部图像数据为包括目标用户的脸部图像信息的数据。例如,脸部图像数据中可以包括终端采集到的对目标用户进行脸部识别所需的视频片段,在该视频片段中,可以包括有目标用户的脸部图像的数据;又如,脸部图像数据中可以包括终端采集到的对目标用户进行脸部识别所需的多张候选图像,在该候选图像中,可以包括有目标用户的脸部图像对应的区域;等等。
脸部图像数据的格式可以有多种,例如,由于脸部图像数据可以通过传感器,如脸部识别摄像头来采集,因此,对应不同的脸部识别摄像头,采集到的脸部图像数据可以具有不同的格式。譬如,通过彩色摄像头采集到的脸部图像数据可以为红绿蓝(RedGreenBlue,RGB)色彩模式下的图像;又如,通过结构深度摄像头采集到的脸部图像数据可以为包括景深信息的图像数据,如红蓝绿-深度(RedGreenBlueDepth,RGB-D)模式下的图像;等等。
在一实施例中,可以将本申请介绍的基于人工智能的脸部识别方法应用在脸部支付场景中,参考图5,云应用在向终端发送包括脸部数据采集指令与页面渲染数据的响应数据后,可以接收终端的目标应用基于该响应数据发送的待识别数据,其中,该待识别数据中包括终端采集的摄像头数据,该摄像头数据中可以包括终端通过脸部识别摄像头采集到的目标用户的脸部图像数据。
在实际应用中,终端向服务器发送待识别数据,可以包括数据压缩、数据加密以及数据发送等步骤,服务器端接收终端发送的待识别数据,可以包括数据接收、数据解压、数据解密等步骤。
105、通过云应用对脸部图像数据进行脸部识别操作,以得到目标用户的脸部识别结果。
其中,脸部识别是基于脸部信息特征进行身份识别的一种生物识别技术。可以用摄像机或摄像头采集含有脸部的图像或视频流,并在图像中检测和跟踪脸部,进而对检测到的脸部进行识别的一系列相关技术。
在一实施例中,脸部识别操作可以基于3D脸部识别来进行,并且,可以将本申请介绍的基于人工智能的脸部识别操作应用在脸部支付场景中,则参考图4,一次脸部支付的核心流程可以包括以下环节:
摄像头采集:终端可以采用3D结构光摄像头或者飞行时间(TimeofFlight,ToF)摄像头,对顾客的人脸进行图像信息和深度信息采集,采集后交到下一阶段处理;
基础优选:合适的图像可以保障脸部识别操作正确运行,因此,基础优选可以用于从摄像头采集阶段得到的脸部图像数据中,优选出适于进行人脸活体、特征提取、云端比对等步骤的目标图像;
人脸活体:对目标图像的深度信息与色彩信息进行算法分析,以辨别目标图像中是否存在人脸、以及该目标图像中的人脸是否为真人;
特征提取:从目标图像中提取顾客的脸部信息特征,以便后续可以基于该脸部信息特征进行特征比对;
云端比对:在获得顾客的脸部信息特征后,可以通过这些特征以及相关参数向后台请求进行云端信息特征比对,以确定顾客的脸部识别结果,并在脸部识别通过时获得顾客的支付凭证;
获得支付凭证:服务器端在生成顾客的支付凭证后,可以返回该支付凭证,以使得终端的目标应用可以将该支付凭证传输给商户进行支付。
由于服务器接收到的待识别数据中,包括终端采集到的目标用户的脸部图像数据,在一些实施例中,该脸部图像数据中可以包括至少一个候选图像,例如,可以包括清晰度与脸部尺寸均适于进行脸部识别的候选图像,也可以包括清晰度或脸部尺寸不适于进行脸部识别的候选图像,因此,可以首先从候选图像中选取适于进行脸部识别操作的目标图像,再进行脸部识别操作的其他步骤。具体地,步骤“通过云应用对脸部图像数据进行脸部识别操作,以得到目标用户的脸部识别结果”,可以包括:
通过云应用从候选图像中选取进行脸部识别操作所需的目标图像,其中,该目标图像包括至少一个图像通道下的目标图像通道数据;
基于图像通道,对目标图像通道数据进行活体检测操作,得到活体检测结果;
根据活体检测结果,从目标图像通道数据提取目标用户的脸部信息特征;
对脸部信息特征进行特征比对,以确定目标用户的脸部识别结果。
以下将对步骤“通过云应用从候选图像中选取进行脸部识别操作所需的目标图像,其中,该目标图像包括至少一个图像通道下的目标图像通道数据”进行介绍。
其中,目标图像可以为具有目标用户对应的脸部区域、且图像质量适于进行脸部识别操作的图像。例如,对于一候选图像,若在该候选图像中,目标用户对应的脸部区域具有合适的位置与尺寸,并且,该候选图像在深度通道上的图像通道数据具有合适的深度均值、脸部姿态效果以及遮掩程度,则可以认为这是一张适于进行脸部识别操作的图像,即可以将该候选图像确定为目标图像。
其中,图像可以包括至少一个图像通道,且图像在每个图像通道上可以具有对应的图像通道数据。例如,在RGB模式下,图像可以包括红色(Red,R)通道、绿色(Green,G)通道和蓝色(Blue,B)通道这三个图像通道,并且,图像中的每个像素在R通道、G通道和B通道上可以分别具有对应的像素值,像素值的取值范围可以有多种形式,例如,可以在0到255之间或在0到1之间,等等。
其中,目标图像通道数据可以为描述目标图像在各图像通道下的分布特征的数据,对应地,候选图像通道数据可以为描述候选图像在各图像通道下的分布特征的数据。
例如,若目标图像为RGB图像,则目标图像可以包括三个图像通道:R通道、G通道、B通道。并且,目标图像中的各像素在R通道的像素值可以组成目标图像在R通道下的目标图像通道数据;目标图像中的各像素在G通道的像素值可以组成目标图像在G通道下的目标图像通道数据;目标图像中的各像素在B通道的像素值可以组成目标图像在B通道下的目标图像通道数据。
值得注意的是,目标图像通道数据中数据的数据形式可以有多种,例如,可以与目标图像在各图像通道下对应的数据采集方式有关。譬如,若目标图像为RGB-D图像,并且,终端使用了3D结构光摄像头来采集目标图像,则目标图像除了R通道、G通道与B通道外,还可以包括D通道,并且,目标图像在D通道上的目标图像通道数据即为通过3D结构光摄像头采集到的脸部深度数据。
从候选图像中选取目标图像的过程,也可以认为是从候选图像中选取适于进行脸部识别的目标图像的过程,在一实施例中,候选图像可以包括至少一个图像通道下的候选图像通道数据,并且,图像通道可以包括色彩通道与深度通道,那么,可以通过评估候选图像在色彩通道下对应的图像质量,以及该候选图像在深度通道下对应的图像质量来判断该候选图像的图像质量,也即判断该候选图像是否为适于进行脸部识别操作的目标图像,具体地,步骤“通过云应用从候选图像中选取进行脸部识别操作所需的目标图像”,可以包括:
基于候选图像通道数据在色彩通道下的数据分布,确定候选图像中目标脸部区域的平面属性系数;
基于候选图像通道数据在深度通道下的数据分布,确定候选图像中目标脸部区域的立体属性系数;
根据平面属性系数与立体属性系数,从候选图像中选取进行脸部识别操作所需的目标图像。
其中,色彩通道可以为用于记录候选图像色彩信息的图像通道。由于候选图像的图像色彩信息可以由不同的设备采集,因此,相应地,色彩通道可以有多种情况。例如,在RGB模式下,色彩通道可以包括R通道、G通道、B通道;又如,在色调饱和度明度(HueSaturation Value,HSV)色系中,色彩通道可以包括色调(H,Hue)通道、饱和度(S,Saturation)通道和亮度(V,Value);等等。
其中,目标脸部区域可以为候选图像中目标用户脸部所在的区域,若目标用户为单个,则目标脸部区域则为该单个目标用户脸部对应的区域,若目标用户为多个,则相应地,目标脸部区域包括该多个目标用户的脸部所对应的区域。
其中,平面属性系数可以用于从平面的角度去评估候选图像的图像质量。例如,由于色彩通道下的候选图像通道数据可以通过候选图像中各像素点的色彩值来描述候选图像在平面上的色彩呈现,因此,可以利用候选图像通道数据在色彩通道下的数据分布,从平面的角度去评估候选图像是否为适于进行脸部识别的目标图像。
平面属性系数的计算方式可以有多种,例如,可以首先将候选图像中的目标脸部区域用脸部识别的矩形框Rect(x,y,w,h)标注出,其中,x表示矩形框左上角像素的横坐标,y表示矩形框左上角像素的纵坐标,w表示矩形框的宽度,h表示矩形框的高度。进一步地,可以通过矩形框来评估目标脸部区域的位置与大小,并基于该位置与大小来确定该候选图像中目标脸部区域的平面属性系数。这样的话,可以通过计算平面属性系数来筛除不合适的候选图像,如目标脸部区域的位置过偏或者尺寸过小导致不利于脸部识别操作的候选图像。
其中,深度通道可以为用于记录候选图像深度信息的图像通道。值得注意的是,由于候选图像的图像深度信息可以由不同的设备采集,因此,候选图像通道数据在深度通道下的数据结构可以有多种情况。
其中,立体属性系数可以用于从立体的角度去评估候选图像的图像质量。例如,由于深度通道下的候选图像通道数据可以用于描述候选图像的图像深度信息,例如,可以通过点阵图判断深度图是否符合人像的立体轮廓等,因此,可以利用候选图像通道数据在深度通道下的数据分布,从立体的角度去评估候选图像是否为适于进行脸部识别的目标图像。
立体属性系数的计算方式可以有多种,例如,可以通过分析多个因素来计算立体属性系数,譬如,可以对目标脸部区域进行脸部姿态估计、分析目标脸部区域的深度统计特征与脸部遮掩特征等,并基于脸部姿态估计、深度统计特征与脸部遮掩特征来计算候选图像的立体属性系数。
其中,脸部姿态估计可以用于获取脸部朝向的角度信息。一般可以使用旋转矩阵、旋转向量、四元数或欧拉角表示(这四个量也可以互相转换)。例如,可以根据配准点计算欧拉角pitch(俯仰角,描述物体绕x轴旋转)、yaw(偏航角,描述物体绕y轴旋转)与roll(翻滚角,表示物体绕z轴旋转)来实现候选图像中目标脸部区域的脸部姿态估计。
而将目标脸部区域的深度统计特征与脸部遮掩特征考虑在内,则可以更全面地确定候选图像中目标脸部区域的立体属性系数,具体地,步骤“基于候选图像通道数据在深度通道下的数据分布,确定候选图像中目标脸部区域的立体属性系数”,可以包括:
基于候选图像通道数据在深度通道下的数据分布,计算该候选图像中目标脸部区域的深度统计特征与脸部遮掩特征;
基于深度统计特征与脸部遮掩特征,确定候选图像中目标脸部区域的立体属性系数。
其中,深度统计特征可以用于描述候选图像通道数据在深度通道下的数据统计特征。例如,可以用深度统计特征来描述候选图像通道数据在深度通道下的集中程度、离散程度和分布形状等。具体地,深度统计特征可以包括候选图像通道数据在深度通道下的均值特征、最值特征,等等。
根据候选图像通道数据在深度通道下的数据分布来计算深度统计特征的方式可以有多种,例如,对于候选图像,可以获取该候选图像在深度通道下的候选图像通道数据,并且确定其中目标脸部区域的数据范围,通过计算目标脸部区域的深度均值来确定候选图像的深度统计特征。
其中,脸部遮掩特征可以用于描述候选图像中,目标脸部区域的脸部遮掩程度。若候选图像中目标脸部区域的脸部遮掩程度较多,那么会使得基于脸部图像的脸部识别无法有效进行,因此,可以将脸部遮掩特征作为目标图像的筛选特征之一。根据候选图像通道数据在深度通道下的数据分布来计算脸部遮掩特征的方式可以有多种,例如,可以根据五官配准点的置信度来计算脸部遮掩特征。
在确定候选图像的深度统计特征与脸部遮掩特征后,基于深度统计特征与脸部遮掩特征,确定该候选图像中目标脸部区域的立体属性系数的方式可以有多种,例如,可以分别对深度统计特征与脸部遮掩特征设置特征筛选区间,并将特征筛选区间的命中率较高的候选图像赋予较高的立体属性系数;等等。
进一步地,在确定候选图像中目标脸部区域的平面属性系数与立体属性系数后,可以进一步地根据该平面属性系数与该立体属性系数,对该候选图像的图像质量进行评估,也即判断该候选图像是否为适于进行脸部识别的目标图像,以从候选图像中选取进行脸部识别操作所需的目标图像。
评估候选图像的方式可以有多种,例如,可以赋予候选图像的平面属性系数与立体属性系数不同的权重,从而可以通过计算计算平面属性系数与立体属性系数的加权值来确定该候选图像的图像质量分数,并根据该图像质量分数来从候选图像中选取目标图像。例如,可以选取图像质量分数最高的候选图像为目标图像;又如,可以将图像质量分数高于预设阈值的候选图像选取为目标图像;等等。具体的评估方式可以基于业务需求进行设置,本申请不对此作限制。
从候选图像中选取出目标图像以后,可以进一步地基于目标图像的图像通道,对目标图像进行活体检测,以确定活体检测结果。
在一实施例中,参考图5,当将基于人工智能的脸部识别方法应用在脸部支付场景中时,云应用可以进一步地执行人脸活体检测。
以下将对步骤“基于图像通道,对目标图像通道数据进行活体检测操作,得到活体检测结果”进行介绍。
由于目标图像的图像通道可以包括色彩通道与深度通道,因此,对目标图像进行活体检测,可以基于目标图像在色彩通道下的目标色彩通道数据,与目标图像在深度通道下的目标深度通道数据实现,具体地,步骤“基于图像通道,对目标图像通道数据进行活体检测操作,得到活体检测结果”,可以包括:
基于色彩通道下的目标色彩通道数据,对目标图像进行脸部轮廓检测,得到轮廓检测结果;
基于轮廓检测结果与深度通道下的目标深度通道数据,对目标图像进行脸部活体检测,得到活体检测结果。
其中,目标色彩通道数据为目标图像在色彩通道下对应的图像通道数据。例如,色彩通道可以包括R通道、G通道与B通道,那么目标色彩通道数据可以包括目标图像在R通道上各像素的像素值、包括目标图像在G通道上各像素的像素值、包括目标图像在B通道上各像素的像素值;又如,色彩通道可以包括H通道、S通道与V通道,那么目标色彩通道数据可以包括目标图像在H通道上各像素的像素值、包括目标图像在S通道上各像素的像素值、包括目标图像在V通道上各像素的像素值;等等。
其中,脸部轮廓检测可以用于检测目标图像中是否包括脸部区域。实现脸部轮廓检测的方式可以有多种,例如,可以通过基于知识的方法,即利用先验知识将脸部看作器官特征的组合,根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测脸部。主要包括模板匹配、脸部特征、形状与边缘、纹理特性、颜色特征等方法。
又如,可以通过基于统计的方法,即将脸部看作一个整体的模式——二维像素矩阵,从统计的观点通过大量脸部图像样本构造脸部模式空间,根据相似度量来判断人脸是否存在。主要包括主成分分析与特征脸、神经网络方法、支持向量机、隐马尔可夫模型、Adaboost算法等。
在一实施例中,可以通过训练分类器用于判断目标图像中是否包括脸部区域,具体地,可以将目标图像在色彩通道下的目标色彩通道数据输入训练后的分类器中,以获得分类器的分类结果,从而得到目标脸部图像的轮廓检测结果。
进一步地,可以当轮廓检测结果为轮廓检测通过时,对目标图像进行脸部活体检测,以确定目标图像的活体检测结果。具体地,步骤“基于轮廓检测结果与深度通道下的目标深度通道数据,对目标图像进行脸部活体检测,得到活体检测结果”,可以包括:
确定进行脸部检测所需的活体检测模型;
当检测到目标图像的脸部轮廓检测通过时,将目标深度通道数据输入活体检测模型,以对目标图像进行脸部活体检测,得到活体检测结果。
其中,活体检测可以用于检测目标图像中是否包括用户的真实生理特征,例如,可以通过活体检验来抵御照片、换脸、面具、遮挡以及屏幕翻拍等常见的攻击手段,从而有效地进行脸部识别。
实现活体检测的方式可以多种,例如,可以包括配合式活体检测、静默活体检测,等等。在实际应用中,可以训练实现活体检测所需的活体检测模型,并将该活体检测模型运行在服务器,当检测到目标图像的脸部轮廓检测通过,即目标图像中存在脸部区域后,将目标图像的目标深度通道数据输入训练后的活体检测模型中,以对目标图像进行脸部活体检测,得到活体检测结果。
在一实施例中,目标图像的目标深度通道数据可以为包括脸部及背景的点云图及深度图,可以将该目标深度通道数据输入训练好的活体检测分类器,以获得活体检测分类器的分类结果,从而确定目标图像的活体检测结果。
从候选图像中选取出目标图像,并确定目标图像的活体检测结果后,可以进一步地提取目标用户的脸部信息特征,以使得后续可以基于该脸部信息特征确定目标用户的脸部识别结果。
以下将对步骤“根据活体检测结果,从目标图像通道数据提取目标用户的脸部信息特征”进行介绍。
其中,脸部信息特征可以为表征脸部信息的特征,例如,脸部信息特征可以为表征眼睛、鼻子和嘴等面部特征之间的几何关系的几何特征,譬如,距离、面积和角度等;又如,脸部信息特征可以为基于脸部图像的灰度信息,通过一些算法提取的全局或局部特征;在一些特殊情况下,可以将目标图像中包括目标脸部区域的局部图像,作为目标图像的脸部信息特征。
由于目标图像中除了可以包括目标用户的脸部区域以外,还可以包括其他用户的脸部区域,例如,当将基于人工智能的脸部识别方法应用在脸部支付场景中时,目标图像中除了可以包括当前支付的顾客的脸部区域以外,还可以包括背景或者周围的其他人的脸部区域。因此,考虑到目标图像中可以包括至少一个候选用户对应的候选脸部区域,可以在检测到活体检验通过时,进一步地提取目标用户的脸部信息特征,具体地,步骤“根据活体检测结果,从目标图像通道数据提取目标用户的脸部信息特征”可以包括:
当检测到活体检验通过时,确定候选脸部区域的区域位置信息与区域尺寸信息;
根据区域位置信息与区域尺寸信息,从候选脸部区域中确定目标用户对应的目标脸部区域;
从目标脸部区域中提取目标用户的脸部信息特征。
其中,区域位置信息可以用于描述候选脸部区域在目标图像上的位置信息,具体地,如候选脸部区域在目标图像上的所在位置。区域尺寸信息可以用于描述候选脸部区域在目标图像上的尺寸信息,具体地,如候选脸部区域在目标图像上所占据的尺寸。
因此,确定候选脸部区域的区域位置信息与区域尺寸信息的方式有多种,例如,可以通过脸部矩形框Rect(x,y,w,h)标注出各候选脸部区域,并基于脸部矩形框中的x、y、w、h参数来计算候选脸部区域在目标图像上的所在位置与在目标图像上所占据的尺寸,从而确定候选脸部区域的区域位置信息与区域尺寸信息。
进一步地,可以根据各候选脸部区域的区域位置信息与区域尺寸信息,从目标图像的候选脸部区域中确定目标用户所对应的目标脸部区域。例如,参考图5,当将基于人工智能的脸部识别方法应用在脸部支付场景中时,云应用可以通过执行人脸优选操作,来确定目标图像中目标用户所对应的目标脸部区域。
当将基于人工智能的脸部识别方法应用在脸部支付场景中时,目标用户即为当前进行脸部支付的顾客,目标用户对应的目标脸部区域,应该在目标图像位于较中心的位置、且具有较大的尺寸。
在实际应用中,从目标图像的候选脸部区域中确定目标用户对应的目标脸部区域时,可以分别为目标脸部区域的区域位置与区域尺寸设置相应的筛选阈值,以便可以基于候选脸部区域的区域位置信息与区域尺寸信息,从目标图像所包括的多个候选脸部区域中确定目标脸部区域。
再进一步地,即可从目标脸部区域中提取目标用户的脸部信息特征,脸部信息特征的提取方式可以有多种。
在一实施例中,可以将目标图像中包括目标脸部区域的局部图像,作为目标图像的脸部信息特征。例如,可以在目标图像中,截取目标脸部区域的脸部矩形框所对应的局部图像,并将截取后的局部图像作为目标用户的第一脸部信息特征。
在另一实施例中,可以进一步地从该截取后的局部图像中提取目标用户的脸部信息特征。例如,可以将截取后的局部图像输入特征提取模型中,以触发特征提取模型基于该截取后的局部图像输出目标用户的脸部信息特征,并且,可以将该脸部信息特征作为目标用户的第二脸部信息特征。
作为示例,可以将截取后的局部图像缩放成224*224*3的尺寸,并将缩放后的局部图像输入特征提取模型中,以触发特征提取模型基于该224*224*3的局部图像,生成512*1的特征向量,那么可以将该生成的特征向量作为目标用户的第二脸部信息特征。
从目标图像中提取目标用户的脸部信息特征后,可以进一步地,对该脸部信息特征进行特征比对,以确定目标用户的脸部识别结果。
在一实施例中,参考图5,当将基于人工智能的脸部识别方法应用在脸部支付场景中时,在服务器通过后台服务进行对提取到的脸部信息特征进行特征比对之前,云应用还可以用该脸部信息特征向后台请求目标用户的支付凭证,以使得当目标用户的特征比对通过时,后台可以返回目标用户的支付凭证,且云应用可以相应地将该支付凭证与脸部识别结果一起返回给终端,以便终端基于该支付凭证执行脸部支付的后续操作。
以下将对步骤“对脸部信息特征进行特征比对,以确定目标用户的脸部识别结果”进行介绍。
终端基于响应数据发送的待识别数据中,除了可以包括有目标用户的脸部图像数据以外,还可以包括有目标用户的用户标识信息,因此,可以利用该用户标识来辅助进行特征比对,具体地,步骤“对脸部信息特征进行特征比对,以确定目标用户的脸部识别结果”,可以包括:
基于用户标识信息与脸部信息特征,生成针对目标用户的特征比对请求;
向特征比对模块发送特征比对请求,以触发该特征比对模块基于用户标识对脸部信息特征进行特征比对;
获取特征比对模块返回的特征比对结果,并根据该特征比对结果,确定目标用户的脸部识别结果。
其中,用户标识信息可以为标识用户身份的相关信息,例如,用户标识信息可以包括目标用户的姓名、社交账号、手机号、身份证号等实名认证信息。
其中,特征比对模块可以为能够对脸部信息特征进行特征比对的模块。值得注意的是,特征比对模块可以为基于人工智能的脸部识别系统的一部分,例如,特征比对模块可以作为云应用的内部特征比对模块运行在云服务器上。特征比对模块也可以为基于人工智能的脸部识别系统的外部特征比对模块,例如,特征比对模块可以为提供脸部信息特征比对、实名信息验证等功能的服务模块。
特征比对模块可以提供特征比对服务,因此,服务器可以通过生成特征比对请求来触发特征比对模块进行特征比对,并根据特征比对模块返回的特征比对结果来确定目标用户的脸部识别结果。
在一实施例中,从目标图像通道数据中提取的目标用户的脸部信息特征,可以包括第一脸部信息特征与第二脸部信息特征,其中,第一脸部信息特征可以为从目标图像中截取的的局部图像,该局部图像中包括目标用户的目标脸部区域;
第二脸部信息特征可以为从该局部图像中进一步提取到的脸部信息特征,例如,第二脸部信息特征可以为表征目标用户脸部信息的特征,譬如,第二脸部信息特征可以为表征眼睛、鼻子和嘴等面部特征之间的几何关系的几何特征,如距离、面积和角度等;又如,第二脸部信息特征可以为基于脸部图像的目标图像通道数据,通过一些算法提取的全局或局部特征,如该局部图像的特征向量;等等。
服务器可以基于目标用户的用户标识信息、第一脸部信息特征,生成针对目标用户的第一特征比对请求,并基于目标用户的用户标识信息、第二脸部信息特征,生成针对目标用户的第二特征比对请求。
进一步地,服务器可以向外部特征比对模块发送该第一特征比对请求,以使得该外部特征比对模块可以基于第一特征比对请求中的用户标识信息,如,实名认证信息,来将第一特征比对请求中的待比对图像,与该外部特征比对模块系统中与该用户标识信息对应的已认证图像进行比对,从而生成第一脸部特征比对结果,并返回给服务器上的云应用。
并且,服务器可以向内部特征比对模块发送该第二特征比对请求,以使得该内部特征比对模块可以基于第二特征比对请求中的用户标识,如,社交账号,来将第二特征比对请求中待比对的脸部信息特征,与内部特征比对模块中与该社交账号对应的已认证的脸部信息特征进行比对,从而生成第二脸部特征比对结果。
再进一步地,服务器可以根据第一脸部特征比对结果与第二脸部特征比对结果,来确定目标用户的脸部识别结果。例如,可以在第一脸部特征比对结果与第二脸部特征比对结果均为比对通过时,确定目标用户的脸部识别结果为识别通过;又如,可以赋予第一脸部特征比对结果与第二脸部特征比对结果不同的权重,并在计算得到加权结果后,将该加权结果与预设的阈值进行比较,以确定目标用户的脸部识别结果;等等。
106、向目标应用发送脸部识别结果。
在得到目标用户的脸部识别结果后,服务器即可向终端的目标应用发送该脸部识别结果,以触发目标应用基于该脸部识别结果执行其他步骤。在一实施例中,参考图5,当将基于人工智能的脸部识别方法应用在脸部支付场景中时,终端获得还可以获得云应用返回的支付凭证,并进一步地将该支付凭证传输给商户进行支付,从而完成脸部支付。
相应地,终端可以向服务器发送脸部识别请求;接收服务器的云应用针对该脸部识别请求生成的响应数据,其中,该响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据;基于页面渲染数据,展示目标应用的脸部识别页面,以供目标用户通过该脸部识别页面进行脸部识别流程;基于脸部数据采集指令,在脸部识别流程中采集目标用户的脸部图像数据;根据采集后的脸部图像数据,生成目标用户的待识别数据,并向服务器发送该待识别数据;接收服务器通过云应用生成的目标用户的脸部识别结果。
具体地,终端进行脸部识别的过程可以参考下面实施例的介绍。
由上可知,本实施例可以接收目标应用发送的脸部识别请求;基于脸部识别请求,触发目标应用对应的云应用生成针对该脸部识别请求的响应数据,其中,该响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据,该脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,该页面渲染数据用于供终端展示脸部识别页面;向目标应用发送响应数据;接收所述目标应用基于所述响应数据发送的待识别数据,其中,所述待识别数据包括所述终端采集到的目标用户的脸部图像数据;通过云应用对脸部图像数据进行脸部识别操作,以得到目标用户的脸部识别结果;向目标应用发送脸部识别结果。
该方案可以基于终端上目标应用的脸部识别请求,触发服务器上对应的云应用生成脸部数据采集指令与页面渲染数据,并将生成的脸部数据采集指令与页面渲染数据发送给终端,以触发终端基于该脸部数据采集指令采集脸部识别所需的脸部图像数据、并基于页面渲染数据展示脸部识别页面。进一步地,在该方案中,服务器的云应用在接收到终端采集的脸部图像数据后,可以在云端执行脸部识别操作,并将生成的脸部识别结果发送给终端。这样的话,该方案通过采用云应用的方式,将脸部识别中复杂的计算步骤如数据筛选、活体检测等算法与消耗较多计算资源的界面渲染计算操作运行在云端,而终端仅需负责摄像头数据的采集、用户事件的输入、以及云应用的界面展示,如此,可以有效地降低对终端硬件配置的要求,使得低配置的终端设备也能支持脸部识别,从而能够有效节省终端硬件的价格成本与维护成本,并降低脸部识别在实际应用中的门槛,有利于脸部识别的推广与发展。
并且,该方案通过利用云应用将数据的存储、计算和渲染都转移到云端,而实时的应用画面串流则到终端进行显示,并最终呈现到用户眼中。这样的话,云应用将原来的终端应用功能变成了一种服务,提供给广大消费者用户,解决了用户不断购买或升级终端的困扰,也避免了下载和更新内容的繁琐,在成本、时间、内容、维护等方面提升了脸部识别的易用性。
根据上面实施例所描述的方法,以下将举例进一步详细说明。
在本申请实施例中,将以第一脸部识别装置集成在服务器、第二脸部识别装置集成在终端为例进行说明,该服务器可以是单台服务器,也可以是由多个服务器组成的服务器集群,例如,可以为可执行云应用的服务器;该终端可以为手机、平板电脑、笔记本电脑等设备,例如,可以为支持脸部识别的设备,如脸部支付设备。
在本实施例中,可以将基于人工智能的脸部识别方法应用在脸部支付场景中,具体地,如图6所示,一种基于人工智能的脸部识别方法,具体流程如下:
201、终端向服务器发送脸部识别请求。
其中,终端上可以运行有目标应用,如脸部识别应用。此外,终端还可以提供有可以与用户进行交互的装置,如屏幕、按键等。
在一实施例中,终端可以基于目标用户在终端上的用户事件,生成脸部识别请求,并向服务器发送该脸部识别请求。其中,该用户事件可以为目标用户直接或者间接向终端传递脸部识别信号或者触发进行脸部识别的事件。
202、服务器接收目标应用发送的脸部识别请求。
203、服务器基于脸部识别请求,触发目标应用对应的云应用生成针对该脸部识别请求的响应数据,其中,该响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据,该脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,该页面渲染数据用于供终端展示脸部识别页面。
204、服务器向目标应用发送所述响应数据。
205、终端接收服务器的云应用针对脸部识别请求生成的响应数据,其中,该响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据。
206、终端基于页面渲染数据,展示目标应用的脸部识别页面,以供目标用户通过该脸部识别页面进行脸部识别流程;
207、终端基于脸部数据采集指令,在脸部识别流程中采集目标用户的脸部图像数据。
例如,参考图7,刷脸支付的终端设备可以基于脸部数据采集指令,在脸部识别流程中通过摄像头采集目标用户的脸部图像数据。
208、终端根据采集后的脸部图像数据,生成目标用户的待识别数据,并向服务器发送该待识别数据。
在一实施例中,终端可以获取目标用户的用户标识信息,例如,目标用户的实名认证信息等。并基于该用户标识信息与采集后的脸部图像数据,生成目标用户的待识别数据。参考图7,终端可以将该待识别数据发送给服务器。
209、服务器接收目标应用基于响应数据发送的待识别数据,其中,该待识别数据包括终端采集到的目标用户的脸部图像数据。
210、服务器通过云应用对脸部图像数据进行脸部识别操作,以得到目标用户的脸部识别结果。
在一实施例中,参考图7,服务器端可以通过对脸部图像数据进行活体检验操作、目标脸部区域优选操作、特征比对操作等步骤来实现脸部识别操作,并基于步骤的操作结果来确定目标用户的脸部识别结果。
值得注意的是,参考图7,当将基于人工智能的脸部识别方法应用在脸部支付场景中时,服务器还可以向后台请求目标用户的支付凭证,并在目标用户的脸部识别通过时,将该支付凭证附加在脸部识别结果中,以使得终端可以基于该支付凭证完整后续的支付步骤。
211、服务器向目标应用发送脸部识别结果。
212、终端接收服务器通过云应用生成的目标用户的脸部识别结果。
在一实施例中,参考图7,在目标用户的脸部识别通过时,服务器发送给终端的脸部识别结果中可以携带有目标用户的支付凭证,因此,终端可以通过接收服务器返回的脸部识别结果来获得目标用户的支付凭证,并进一步地将该支付凭证传输给商户以进行支付。
由上可知,本申请实施例可以基于终端上目标应用的脸部识别请求,触发服务器上对应的云应用生成脸部数据采集指令与页面渲染数据,并将生成的脸部数据采集指令与页面渲染数据发送给终端,以触发终端基于该脸部数据采集指令采集脸部识别所需的脸部图像数据、并基于页面渲染数据展示脸部识别页面。进一步地,在该方案中,服务器的云应用在接收到终端采集的脸部图像数据后,可以在云端执行脸部识别操作,并将生成的脸部识别结果发送给终端。这样的话,该方案通过采用云应用的方式,将脸部识别中复杂的计算步骤如数据筛选、活体检测等算法与消耗较多计算资源的界面渲染计算操作运行在云端,而终端仅需负责摄像头数据的采集、用户事件的输入、以及云应用的界面展示,如此,可以有效地降低对终端硬件配置的要求,使得低配置的终端设备也能支持脸部识别,从而能够有效节省终端硬件的价格成本与维护成本,并降低脸部识别在实际应用中的门槛,有利于脸部识别的推广与发展。
根据上面实施例所描述的方法,以下将举例进一步详细说明。
在本申请实施例中,将以第一脸部识别装置集成在服务器、第二脸部识别装置集成在终端为例进行说明,该服务器可以是单台服务器,也可以是由多个服务器组成的服务器集群,例如,可以为可执行云应用的服务器;该终端可以为手机、平板电脑、笔记本电脑等设备,例如,可以为支持脸部识别的设备,如脸部支付设备。
在本实施例中,可以将基于人工智能的脸部识别方法应用在脸部支付场景中,具体地,如图8所示,一种基于人工智能的脸部识别方法,具体流程如下:
301、终端向服务器发送脸部识别请求。
302、服务器接收目标应用发送的脸部识别请求。
303、服务器基于脸部识别请求,触发目标应用对应的云应用生成针对该脸部识别请求的响应数据,其中,该响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据,该脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,该页面渲染数据用于供终端展示脸部识别页面。
304、服务器向目标应用发送响应数据。
具体地,由于目标应用可以运行在终端上,因此,服务器可以通过终端发送响应数据,以实现向目标应用发送响应数据。
305、终端接收服务器的云应用针对脸部识别请求生成的响应数据,其中,该响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据。
306、终端基于页面渲染数据,展示目标应用的脸部识别页面,以供目标用户通过该脸部识别页面进行脸部识别流程。
307、终端基于所述脸部数据采集指令,在脸部识别流程中采集目标用户的脸部图像数据。
308、终端根据采集后的脸部图像数据,生成目标用户的待识别数据,并向服务器发送该待识别数据。
309、终端基于该待识别数据对该目标用户进行脸部识别操作,以得到目标用户的第一脸部识别结果。
可选的,对于脸部识别场景或脸部支付场景的高风险场景,例如,在终端与服务器之间的网络连接出现故障的情景;又如,在服务器的云应用所提供的脸部识别服务延迟反应的情景;又如,在基于目标用户的脸部信息特征对目标用户进行脸部识别时,存在可疑或相似结果的情景;等等。
对于脸部识别场景或脸部支付场景的高风险场景,终端在生成目标用户的待识别数据,并向服务器发送该待识别数据以触发服务器的云应用基于该待识别数据对目标用户进行脸部识别操作的同时,终端本地也基于该待识别数据对该目标用户进行脸部识别操作,以得到目标用户的第一脸部识别结果。
值得注意的是,终端基于该待识别数据进行的脸部识别操作所包括的执行步骤,可以是基于终端硬件或场景的局限或限制因素,通过参考云应用实现脸部识别操作所执行的一系列子步骤,选择性地执行其中的部分或全部子步骤来实现。
例如,该待识别数据可以包括目标用户的脸部图像数据,该脸部图像数据可以包括至少一个候选图像,步骤“终端基于该待识别数据对该目标用户进行脸部识别操作,以得到目标用户的第一脸部识别结果”,可以包括:
从该候选图像中选取进行脸部识别操作所需的目标图像,其中,该目标图像包括至少一个图像通道下的目标图像通道数据;基于该图像通道,对该目标图像通道数据进行活体检测操作,得到活体检测结果;根据该活体检测结果,从该目标图像通道数据提取目标用户的脸部信息特征;对该提取后的脸部信息特征进行特征比对,以确定目标用户的第一脸部识别结果。
在一实施例中,候选图像通道可以包括至少一个图像通道下的候选图像通道数据,该图像通道可以包括色彩通道与深度通道,步骤“从该候选图像中选取进行脸部识别操作所需的目标图像”,可以包括:
基于候选图像通道数据在色彩通道下的数据分布,确定候选图像中目标脸部区域的平面属性系数;基于候选图像通道数据在深度通道下的数据分布,确定候选图像中目标脸部区域的立体属性系数;根据该平面属性系数与该立体属性系数,从候选图像中选取进行脸部识别操作所需的目标图像。
在一实施例中,步骤“基于候选图像通道数据在深度通道下的数据分布,确定候选图像中目标脸部区域的立体属性系数”,可以包括:
基于候选图像通道数据在深度通道下的数据分布,计算候选图像中目标脸部区域的深度统计特征与脸部遮掩特征;基于该深度统计特征与该脸部遮掩特征,确定候选图像中目标脸部区域的立体属性系数。
在一实施例中,图像通道可以包括色彩通道与深度通道,步骤“基于该图像通道,对该目标图像通道数据进行活体检测操作,得到活体检测结果”,可以包括:
基于色彩通道下的目标色彩通道数据,对目标图像进行脸部轮廓检测,得到轮廓检测结果;基于该轮廓检测结果与该深度通道下的目标深度通道数据,对目标图像进行脸部活体检测,得到活体检测结果。
在一实施例中,步骤“基于该轮廓检测结果与该深度通道下的目标深度通道数据,对目标图像进行脸部活体检测,得到活体检测结果”,可以包括:
确定进行脸部检测所需的活体检测模型;当检测到目标图像的脸部轮廓检测通过时,将目标深度通道数据输入该活体检测模型,以对目标图像进行脸部活体检测,得到活体检测结果。
在一实施例中,目标图像中包括至少一个候选用户对应的候选脸部区域,步骤“根据该活体检测结果,从该目标图像通道数据提取目标用户的脸部信息特征”,可以包括:
当检测到活体检验通过时,确定候选脸部区域的区域位置信息与区域尺寸信息;根据该区域位置信息与该区域尺寸信息,从候选脸部区域中确定目标用户对应的目标脸部区域;从目标脸部区域中提取目标用户的脸部信息特征。
在一实施例中,待识别数据包括目标用户的用户标识信息,步骤“对该提取后的脸部信息特征进行特征比对,以确定目标用户的第一脸部识别结果”,可以包括:
基于用户标识信息与脸部信息特征,生成针对目标用户的特征比对请求;向特征比对模块发送该特征比对请求,以触发该特征比对模块基于用户标识对脸部信息特征进行特征比对;获取特征比对模块返回的特征比对结果,并根据该特征比对结果,确定目标用户的第一脸部识别结果。
310、服务器接收目标应用基于响应数据发送的待识别数据,其中,该待识别数据包括终端采集到的目标用户的脸部图像数据。
311、服务器通过云应用对脸部图像数据进行脸部识别操作,以得到目标用户的第二脸部识别结果,并向终端发送该第二脸部识别结果。
其中,服务器通过云应用对脸部图像数据进行脸部识别操作所包括的执行步骤,可以参考前述申请实施例中对步骤105描述实现,选择性地执行其中的部分或全部子步骤来实现,从而得到目标用户的第二脸部识别结果。
312、终端接收服务器通过云应用生成的目标用户的第二脸部识别结果。
313、终端对该第一脸部识别结果与该第二脸部识别结果进行比对,以确定目标用户的目标脸部识别结果。
其中,对第一脸部识别结果与第二脸部识别结果进行比对的方式可以有多种。
举例来说,对于脸部识别场景或脸部支付场景的高风险场景,可以对第一脸部识别结果与第二脸部识别结果设置不同的权重参数,并通过加权的方式综合考虑以确定目标用户的目标脸部识别结果;
又如,可以设置当且仅当第一脸部识别结果与第二脸部识别结果均为识别通过时,才确定目标用户的目标脸部识别结果为识别通过,否则,则确定目标脸部识别结果为识别不通过;
又如,可以在第一脸部识别结果与第二脸部识别结果不一致时,取置信度较高的作为目标用户的目标脸部识别结果;
又如,可以在第一脸部识别结果与第二脸部识别结果不一致时,通过再次对目标用户进行脸部识别操作,以更新第一脸部识别结果或第二脸部识别结果,从而再通过对更新后的第一脸部识别结果或更新后的第二脸部识别结果进行比对以确定目标用户的目标脸部识别结果。
又如,可以在云应用所提供的脸部识别服务延迟反应,或终端与服务器之间的网络连接出现故障时,以第一脸部识别结果为准来确定目标脸部识别结果;等等。
由上可知,本申请实施例可以基于终端上目标应用的脸部识别请求,触发服务器上对应的云应用生成脸部数据采集指令与页面渲染数据,并将生成的脸部数据采集指令与页面渲染数据发送给终端,以触发终端基于该脸部数据采集指令采集脸部识别所需的脸部图像数据、并基于页面渲染数据展示脸部识别页面。进一步地,在该方案中,服务器的云应用在接收到终端采集的脸部图像数据后,可以在云端执行脸部识别操作,并将生成的脸部识别结果发送给终端。这样的话,该方案通过采用云应用的方式,将脸部识别中复杂的计算步骤如数据筛选、活体检测等算法与消耗较多计算资源的界面渲染计算操作运行在云端,而终端仅需负责摄像头数据的采集、用户事件的输入、以及云应用的界面展示,如此,可以有效地降低对终端硬件配置的要求,使得低配置的终端设备也能支持脸部识别,从而能够有效节省终端硬件的价格成本与维护成本,并降低脸部识别在实际应用中的门槛,有利于脸部识别的推广与发展。
此外,本申请实施例可以在高风险场景下,通过在终端本地与云端均进行脸部识别操作,并通过对两端生成的脸部识别结果进行比对来确定目标用户的目标脸部识别结果,使得本申请提供的基于人工智能的脸部识别方法覆盖到更多的应用场景,使得在高风险场景下也能使得脸部识别能够高效地执行。
为了更好地实施以上方法,相应的,本申请实施例还提供一种基于人工智能的脸部识别装置(即第一脸部识别装置),其中,该第一脸部识别装置可以集成在服务器中。该服务器可以是单台服务器,也可以是由多个服务器组成的服务器集群,例如,可以为可执行云应用的服务器。
例如,如图9所示,该基于人工智能的脸部识别装置可以包括请求接收单元401,响应数据生成单元402,响应数据发送单元403,待识别数据接收单元404,脸部识别单元405以及结果发送单元406,如下:
请求接收单元401,用于接收目标应用发送的脸部识别请求;
响应数据生成单元402,用于基于所述脸部识别请求,触发所述目标应用对应的云应用生成针对所述脸部识别请求的响应数据,其中,所述响应数据包括脸部数据采集指令、以及所述目标应用中脸部识别页面的页面渲染数据,所述脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,所述页面渲染数据用于供所述终端展示所述脸部识别页面;
响应数据发送单元403,用于向所述目标应用发送所述响应数据;
待识别数据接收单元404,用于接收所述目标应用基于所述响应数据发送的待识别数据,其中,所述待识别数据包括所述终端采集到的目标用户的脸部图像数据;
脸部识别单元405,用于通过所述云应用对所述脸部图像数据进行脸部识别操作,以得到所述目标用户的脸部识别结果;
结果发送单元406,用于向所述目标应用发送所述脸部识别结果。
在一实施例中,参考图10,所述脸部识别请求携带目标用户的用户事件;所述响应数据生成单元402,包括:
流程确定子单元4021,可以用于基于所述用户事件,确定所述目标用户在所述目标应用所触发的脸部识别流程,其中,所述脸部识别流程包括脸部数据采集步骤;
第一生成子单元4022,可以用于触发所述目标应用对应的云应用生成所述脸部数据采集步骤对应的脸部数据采集指令、以及所述脸部识别流程对应的页面渲染数据;
第二生成子单元4023,可以用于基于所述生成后的脸部数据采集指令、与所述生成后的页面渲染数据,生成针对所述脸部识别请求的响应数据。
在一实施例中,参考图11,所述脸部图像数据包括至少一个候选图像;所述脸部识别单元405,包括:
目标选取子单元4051,可以用于通过所述云应用从所述候选图像中选取进行脸部识别操作所需的目标图像,其中,所述目标图像包括至少一个图像通道下的目标图像通道数据;
活体检测子单元4052,可以用于基于所述图像通道,对所述目标图像通道数据进行活体检测操作,得到活体检测结果;
特征提取子单元4053,可以用于根据所述活体检测结果,从所述目标图像通道数据提取所述目标用户的脸部信息特征;
特征比对子单元4054,可以用于对所述脸部信息特征进行特征比对,以确定所述目标用户的脸部识别结果。
在一实施例中,所述候选图像包括至少一个图像通道下的候选图像通道数据,所述图像通道包括色彩通道与深度通道;所述目标选取子单元4051,可以用于:
基于所述候选图像通道数据在所述色彩通道下的数据分布,确定所述候选图像中目标脸部区域的平面属性系数;基于所述候选图像通道数据在所述深度通道下的数据分布,确定所述候选图像中目标脸部区域的立体属性系数;根据所述平面属性系数与所述立体属性系数,从所述候选图像中选取进行脸部识别操作所需的目标图像。
在一实施例中,所述目标选取子单元4051,可以具体用于:
基于所述候选图像通道数据在所述深度通道下的数据分布,计算所述候选图像中目标脸部区域的深度统计特征与脸部遮掩特征;基于所述深度统计特征与所述脸部遮掩特征,确定所述候选图像中目标脸部区域的立体属性系数。
在一实施例中,所述图像通道包括色彩通道与深度通道;所述活体检测子单元4052,可以用于:
基于所述色彩通道下的目标色彩通道数据,对所述目标图像进行脸部轮廓检测,得到轮廓检测结果;基于所述轮廓检测结果与所述深度通道下的目标深度通道数据,对所述目标图像进行脸部活体检测,得到活体检测结果。
在一实施例中,所述活体检测子单元4052,可以具体用于:
确定进行脸部检测所需的活体检测模型;当检测到所述目标图像的脸部轮廓检测通过时,将所述目标深度通道数据输入所述活体检测模型,以对所述目标图像进行脸部活体检测,得到活体检测结果。
在一实施例中,所述目标图像中包括至少一个候选用户对应的候选脸部区域;所述特征提取子单元4053,可以用于:
当检测到活体检验通过时,确定所述候选脸部区域的区域位置信息与区域尺寸信息;根据所述区域位置信息与所述区域尺寸信息,从所述候选脸部区域中确定目标用户对应的目标脸部区域;从所述目标脸部区域中提取所述目标用户的脸部信息特征。
在一实施例中,所述待识别数据包括所述目标用户的用户标识信息;所述特征比对子单元4054,可以用于:
基于所述用户标识信息与所述脸部信息特征,生成针对所述目标用户的特征比对请求;向特征比对模块发送所述特征比对请求,以触发所述特征比对模块基于所述用户标识对所述脸部信息特征进行特征比对;获取所述特征比对模块返回的特征比对结果,并根据所述特征比对结果,确定所述目标用户的脸部识别结果。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由上可知,本实施例的第一脸部识别装置中由请求接收单元401接收目标应用发送的脸部识别请求;由响应数据生成单元402基于所述脸部识别请求,触发所述目标应用对应的云应用生成针对所述脸部识别请求的响应数据,其中,所述响应数据包括脸部数据采集指令、以及所述目标应用中脸部识别页面的页面渲染数据,所述脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,所述页面渲染数据用于供所述终端展示所述脸部识别页面;由响应数据发送单元403向所述目标应用发送所述响应数据;由待识别数据接收单元404接收所述目标应用基于所述响应数据发送的待识别数据,其中,所述待识别数据包括所述终端采集到的目标用户的脸部图像数据;由脸部识别单元405通过所述云应用对所述脸部图像数据进行脸部识别操作,以得到所述目标用户的脸部识别结果;由结果发送单元406向所述目标应用发送所述脸部识别结果。
本方案可以基于终端上目标应用的脸部识别请求,触发服务器上对应的云应用生成脸部数据采集指令与页面渲染数据,并将生成的脸部数据采集指令与页面渲染数据发送给终端,以触发终端基于该脸部数据采集指令采集脸部识别所需的脸部图像数据、并基于页面渲染数据展示脸部识别页面。进一步地,本方案中,服务器的云应用在接收到终端采集的脸部图像数据后,可以在云端执行脸部识别操作,并将生成的脸部识别结果发送给终端。这样的话,本方案通过采用云应用的方式,将脸部识别中复杂的计算步骤如数据筛选、活体检测等算法与消耗较多计算资源的界面渲染计算操作运行在云端,而终端仅需负责摄像头数据的采集、用户事件的输入、以及云应用的界面展示,如此,可以有效地降低对终端硬件配置的要求,使得低配置的终端设备也能支持脸部识别,从而能够有效节省终端硬件的价格成本与维护成本,并降低脸部识别在实际应用中的门槛,有利于脸部识别的推广与发展。
为了更好地实施以上方法,相应的,本申请实施例还提供一种基于人工智能的脸部识别装置(即第二脸部识别装置),其中,该第二脸部识别装置可以集成在终端中,该终端可以为手机、平板电脑以及笔记本电脑等设备;可选地,可以为支持脸部识别的设备。
例如,如图12所示,该第二脸部识别装置可以包括请求发送单元501、响应数据接收单元502、页面展示单元503、脸部数据采集单元504、待识别数据生成单元505以及结果接收单元506,如下:
请求发送单元501,用于向服务器发送脸部识别请求;
响应数据接收单元502,用于接收所述服务器的云应用针对所述脸部识别请求生成的响应数据,其中,所述响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据;
页面展示单元503,用于基于所述页面渲染数据,展示所述目标应用的脸部识别页面,以供目标用户通过所述脸部识别页面进行脸部识别流程;
脸部数据采集单元504,用于基于所述脸部数据采集指令,在所述脸部识别流程中采集所述目标用户的脸部图像数据;
待识别数据生成单元505,用于根据所述采集后的脸部图像数据,生成所述目标用户的待识别数据,并向所述服务器发送所述待识别数据;
结果接收单元506,用于接收所述服务器通过所述云应用生成的所述目标用户的脸部识别结果。
本申请实施例提供的第二脸部识别装置可以有效地降低对终端硬件配置的要求,使得低配置的终端设备也能支持脸部识别,从而能够有效节省终端硬件的价格成本与维护成本,并降低脸部识别在实际应用中的门槛,有利于脸部识别的推广与发展。
此外,本申请实施例还提供一种计算机设备,该计算机设备可以为服务器或终端等设备,如图13所示,其示出了本申请实施例所涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括有一个或一个以上计算机可读存储介质的存储器601、输入单元602、显示单元603、传感器604、音频电路605、无线保真(WiFi,Wireless Fidelity)模块606、包括有一个或者一个以上处理核心的处理器607、以及电源608等部件。本领域技术人员可以理解,图13中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
存储器601可用于存储软件程序以及模块,处理器607通过运行存储在存储器601的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器601可主要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(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器601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、或其他易失性固态存储器件。相应地,存储器601还可以包括存储器控制器,以提供处理器607和输入单元602对存储器601的访问。
输入单元602可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,在一个具体的实施例中,输入单元602可包括触敏表面以及其他输入设备。触敏表面,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器607,并能接收处理器607发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面,输入单元602还可以包括其他输入设备。具体地,其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元603可用于显示由用户输入的信息或提供给用户的信息以及计算机设备的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元603可包括显示面板,可选的,可以采用液晶显示器(LCD,Liquid CrystalDisplay)、有机发光二极管(OLED,Organic Light-Emitting Diode)等形式来配置显示面板。进一步的,触敏表面可覆盖显示面板,当触敏表面检测到在其上或附近的触摸操作后,传送给处理器607以确定触摸事件的类型,随后处理器607根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图13中,触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面与显示面板集成而实现输入和输出功能。
计算机设备还可包括至少一种传感器604,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板的亮度,接近传感器可在计算机设备移动到耳边时,关闭显示面板和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于计算机设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路605、扬声器,传声器可提供用户与计算机设备之间的音频接口。音频电路605可将接收到的音频数据转换后的电信号,传输到扬声器,由扬声器转换为声音信号输出;另一方面,传声器将收集的声音信号转换为电信号,由音频电路605接收后转换为音频数据,再将音频数据输出处理器607处理后,经RF电路601以发送给比如另一计算机设备,或者将音频数据输出至存储器601以便进一步处理。音频电路605还可能包括耳塞插孔,以提供外设耳机与计算机设备的通信。
WiFi属于短距离无线传输技术,计算机设备通过WiFi模块606可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图13示出了WiFi模块606,但是可以理解的是,其并不属于计算机设备的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器607是计算机设备的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器601内的软件程序和/或模块,以及调用存储在存储器601内的数据,执行计算机设备的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器607可包括一个或多个处理核心;优选的,处理器607可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器607中。
计算机设备还包括给各个部件供电的电源608(比如电池),优选的,电源可以通过电源管理系统与处理器607逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源608还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,计算机设备还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,计算机设备中的处理器607会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器601中,并由处理器607来运行存储在存储器601中的应用程序,从而实现各种功能,如下:
接收目标应用发送的脸部识别请求;基于所述脸部识别请求,触发所述目标应用对应的云应用生成针对所述脸部识别请求的响应数据,其中,所述响应数据包括脸部数据采集指令、以及所述目标应用中脸部识别页面的页面渲染数据,所述脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,所述页面渲染数据用于供所述终端展示所述脸部识别页面;向所述目标应用发送所述响应数据;接收所述目标应用基于所述响应数据发送的待识别数据,其中,所述待识别数据包括所述终端采集到的目标用户的脸部图像数据;通过所述云应用对所述脸部图像数据进行脸部识别操作,以得到所述目标用户的脸部识别结果;向所述目标应用发送所述脸部识别结果。
或者
向服务器发送脸部识别请求;接收所述服务器的云应用针对所述脸部识别请求生成的响应数据,其中,所述响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据;基于所述页面渲染数据,展示所述目标应用的脸部识别页面,以供目标用户通过所述脸部识别页面进行脸部识别流程;基于所述脸部数据采集指令,在所述脸部识别流程中采集所述目标用户的脸部图像数据;根据所述采集后的脸部图像数据,生成所述目标用户的待识别数据,并向所述服务器发送所述待识别数据;接收所述服务器通过所述云应用生成的所述目标用户的脸部识别结果。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,本实施例的计算机设备可以基于终端上目标应用的脸部识别请求,触发服务器上对应的云应用生成脸部数据采集指令与页面渲染数据,并将生成的脸部数据采集指令与页面渲染数据发送给终端,以触发终端基于该脸部数据采集指令采集脸部识别所需的脸部图像数据、并基于页面渲染数据展示脸部识别页面。进一步地,服务器的云应用在接收到终端采集的脸部图像数据后,可以在云端执行脸部识别操作,并将生成的脸部识别结果发送给终端。这样的话,本实施例的计算机设备通过采用云应用的方式,将脸部识别中复杂的计算步骤如数据筛选、活体检测等算法与消耗较多计算资源的界面渲染计算操作运行在云端,而终端仅需负责摄像头数据的采集、用户事件的输入、以及云应用的界面展示,如此,可以有效地降低对终端硬件配置的要求,使得低配置的终端设备也能支持脸部识别,从而能够有效节省终端硬件的价格成本与维护成本,并降低脸部识别在实际应用中的门槛,有利于脸部识别的推广与发展。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种基于人工智能的脸部识别方法中的步骤。例如,该指令可以执行如下步骤:
接收目标应用发送的脸部识别请求;基于所述脸部识别请求,触发所述目标应用对应的云应用生成针对所述脸部识别请求的响应数据,其中,所述响应数据包括脸部数据采集指令、以及所述目标应用中脸部识别页面的页面渲染数据,所述脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,所述页面渲染数据用于供所述终端展示所述脸部识别页面;向所述目标应用发送所述响应数据;接收所述目标应用基于所述响应数据发送的待识别数据,其中,所述待识别数据包括所述终端采集到的目标用户的脸部图像数据;通过所述云应用对所述脸部图像数据进行脸部识别操作,以得到所述目标用户的脸部识别结果;向所述目标应用发送所述脸部识别结果。
或者
向服务器发送脸部识别请求;接收所述服务器的云应用针对所述脸部识别请求生成的响应数据,其中,所述响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据;基于所述页面渲染数据,展示所述目标应用的脸部识别页面,以供目标用户通过所述脸部识别页面进行脸部识别流程;基于所述脸部数据采集指令,在所述脸部识别流程中采集所述目标用户的脸部图像数据;根据所述采集后的脸部图像数据,生成所述目标用户的待识别数据,并向所述服务器发送所述待识别数据;接收所述服务器通过所述云应用生成的所述目标用户的脸部识别结果。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本申请实施例所提供的任一种基于人工智能的脸部识别方法中的步骤,因此,可以实现本申请实施例所提供的任一种基于人工智能的脸部识别方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述基于人工智能的脸部识别方面的各种可选实现方式中提供的方法。
本申请实施例涉及的系统可以是由客户端、多个节点(接入网络中的任意形式的计算设备,如服务器、用户终端)通过网络通信的形式连接形成的分布式系统。
以分布式系统为区块链系统为例,参见图14,图14是本申请实施例提供的基于人工智能的脸部识别系统100应用于区块链系统的一个可选的结构示意图,由多个节点(接入网络中的任意形式的计算设备,如服务器、用户终端)和客户端形成,节点之间形成组成的点对点(P2P,Peer To Peer)网络,P2P协议是一个运行在传输控制协议(TCP,TransmissionControl Protocol)协议之上的应用层协议。在分布式系统中,任何机器如服务器、终端都可以加入而成为节点,节点包括硬件层、中间层、操作系统层和应用层。
参见图14示出的区块链系统中各节点的功能,涉及的功能包括:
1)路由,节点具有的基本功能,用于支持节点之间的通信。
节点除具有路由功能外,还可以具有以下功能:
2)应用,用于部署在区块链中,根据实际业务需求而实现特定业务,记录实现功能相关的数据形成记录数据,在记录数据中携带数字签名以表示任务数据的来源,将记录数据发送到区块链系统中的其他节点,供其他节点在验证记录数据来源以及完整性成功时,将记录数据添加到临时区块中。
例如,应用实现的业务包括:
2.1)钱包,用于提供进行电子货币的交易的功能,包括发起交易(即,将当前交易的交易记录发送给区块链系统中的其他节点,其他节点验证成功后,作为承认交易有效的响应,将交易的记录数据存入区块链的临时区块中;当然,钱包还支持查询电子货币地址中剩余的电子货币;
2.2)共享账本,用于提供账目数据的存储、查询和修改等操作的功能,将对账目数据的操作的记录数据发送到区块链系统中的其他节点,其他节点验证有效后,作为承认账目数据有效的响应,将记录数据存入临时区块中,还可以向发起操作的节点发送确认。
2.3)智能合约,计算机化的协议,可以执行某个合约的条款,通过部署在共享账本上的用于在满足一定条件时而执行的代码实现,根据实际的业务需求代码用于完成自动化的交易,例如,当检测到目标用户的脸部识别通过时,将目标用户的支付凭证返回给终端;当然,智能合约不仅限于执行用于交易的合约,还可以执行对接收的信息进行处理的合约。
2.4)用户信息保密箱,用于留存用户信息,通过利用区块链去中心化性、不可篡改性、透明性、可追溯性等建立用户信息保密箱,同时利用人体独有特征,如脸部信息等,作为用户信息保密箱的重要密匙,从而实现保密留存用户信息。
3)区块链,包括一系列按照产生的先后时间顺序相互接续的区块(Block),新区块一旦加入到区块链中就不会再被移除,区块中记录了区块链系统中节点提交的记录数据。
参见图15,图15是本申请实施例提供的区块结构(Block Structure)一个可选的示意图,每个区块中包括本区块存储交易记录的哈希值(本区块的哈希值)、以及前一区块的哈希值,各区块通过哈希值连接形成区块链。另外,区块中还可以包括有区块生成时的时间戳等信息。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了相关的信息,用于验证其信息的有效性(防伪)和生成下一个区块。
以上对本申请实施例所提供的一种基于人工智能的脸部识别方法、装置、设备和存储介质进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (14)
1.一种基于人工智能的脸部识别方法,其特征在于,包括:
接收目标应用发送的脸部识别请求;
基于所述脸部识别请求,触发所述目标应用对应的云应用生成针对所述脸部识别请求的响应数据,其中,所述响应数据包括脸部数据采集指令、以及所述目标应用中脸部识别页面的页面渲染数据,所述脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,所述页面渲染数据用于供所述终端展示所述脸部识别页面;
向所述目标应用发送所述响应数据;
接收所述目标应用基于所述响应数据发送的待识别数据,其中,所述待识别数据包括所述终端采集到的目标用户的脸部图像数据;
通过所述云应用对所述脸部图像数据进行脸部识别操作,以得到所述目标用户的脸部识别结果;
向所述目标应用发送所述脸部识别结果。
2.根据权利要求1所述的基于人工智能的脸部识别方法,其特征在于,所述脸部识别请求携带目标用户的用户事件;
基于所述脸部识别请求,触发所述目标应用对应的云应用生成针对所述脸部识别请求的响应数据,包括:
基于所述用户事件,确定所述目标用户在所述目标应用所触发的脸部识别流程,其中,所述脸部识别流程包括脸部数据采集步骤;
触发所述目标应用对应的云应用生成所述脸部数据采集步骤对应的脸部数据采集指令、以及所述脸部识别流程对应的页面渲染数据;
基于所述生成后的脸部数据采集指令、与所述生成后的页面渲染数据,生成针对所述脸部识别请求的响应数据。
3.根据权利要求1所述的基于人工智能的脸部识别方法,其特征在于,所述脸部图像数据包括至少一个候选图像;
通过所述云应用对所述脸部图像数据进行脸部识别操作,以得到所述目标用户的脸部识别结果,包括:
通过所述云应用从所述候选图像中选取进行脸部识别操作所需的目标图像,其中,所述目标图像包括至少一个图像通道下的目标图像通道数据;
基于所述图像通道,对所述目标图像通道数据进行活体检测操作,得到活体检测结果;
根据所述活体检测结果,从所述目标图像通道数据提取所述目标用户的脸部信息特征;
对所述脸部信息特征进行特征比对,以确定所述目标用户的脸部识别结果。
4.根据权利要求3所述的基于人工智能的脸部识别方法,其特征在于,所述候选图像包括至少一个图像通道下的候选图像通道数据,所述图像通道包括色彩通道与深度通道;
通过所述云应用从所述候选图像中选取进行脸部识别操作所需的目标图像,包括:
基于所述候选图像通道数据在所述色彩通道下的数据分布,确定所述候选图像中目标脸部区域的平面属性系数;
基于所述候选图像通道数据在所述深度通道下的数据分布,确定所述候选图像中目标脸部区域的立体属性系数;
根据所述平面属性系数与所述立体属性系数,从所述候选图像中选取进行脸部识别操作所需的目标图像。
5.根据权利要求4所述的基于人工智能的脸部识别方法,其特征在于,基于所述候选图像通道数据在所述深度通道下的数据分布,确定所述候选图像中目标脸部区域的立体属性系数,包括:
基于所述候选图像通道数据在所述深度通道下的数据分布,计算所述候选图像中目标脸部区域的深度统计特征与脸部遮掩特征;
基于所述深度统计特征与所述脸部遮掩特征,确定所述候选图像中目标脸部区域的立体属性系数。
6.根据权利要求3所述的基于人工智能的脸部识别方法,其特征在于,所述图像通道包括色彩通道与深度通道;
基于所述图像通道,对所述目标图像通道数据进行活体检测操作,得到活体检测结果,包括:
基于所述色彩通道下的目标色彩通道数据,对所述目标图像进行脸部轮廓检测,得到轮廓检测结果;
基于所述轮廓检测结果与所述深度通道下的目标深度通道数据,对所述目标图像进行脸部活体检测,得到活体检测结果。
7.根据权利要求6所述的基于人工智能的脸部识别方法,其特征在于,基于所述轮廓检测结果与所述深度通道下的目标深度通道数据,对所述目标图像进行脸部活体检测,得到活体检测结果,包括:
确定进行脸部检测所需的活体检测模型;
当检测到所述目标图像的脸部轮廓检测通过时,将所述目标深度通道数据输入所述活体检测模型,以对所述目标图像进行脸部活体检测,得到活体检测结果。
8.根据权利要求3所述的基于人工智能的脸部识别方法,其特征在于,所述目标图像中包括至少一个候选用户对应的候选脸部区域;
根据所述活体检测结果,从所述目标图像通道数据提取所述目标用户的脸部信息特征,包括:
当检测到活体检验通过时,确定所述候选脸部区域的区域位置信息与区域尺寸信息;
根据所述区域位置信息与所述区域尺寸信息,从所述候选脸部区域中确定目标用户对应的目标脸部区域;
从所述目标脸部区域中提取所述目标用户的脸部信息特征。
9.根据权利要求3所述的基于人工智能的脸部识别方法,其特征在于,所述待识别数据包括所述目标用户的用户标识信息;
对所述脸部信息特征进行特征比对,以确定所述目标用户的脸部识别结果,包括:
基于所述用户标识信息与所述脸部信息特征,生成针对所述目标用户的特征比对请求;
向特征比对模块发送所述特征比对请求,以触发所述特征比对模块基于所述用户标识对所述脸部信息特征进行特征比对;
获取所述特征比对模块返回的特征比对结果,并根据所述特征比对结果,确定所述目标用户的脸部识别结果。
10.一种基于人工智能的脸部识别方法,其特征在于,包括:
向服务器发送脸部识别请求;
接收所述服务器的云应用针对所述脸部识别请求生成的响应数据,其中,所述响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据;
基于所述页面渲染数据,展示所述目标应用的脸部识别页面,以供目标用户通过所述脸部识别页面进行脸部识别流程;
基于所述脸部数据采集指令,在所述脸部识别流程中采集所述目标用户的脸部图像数据;
根据所述采集后的脸部图像数据,生成所述目标用户的待识别数据,并向所述服务器发送所述待识别数据;
接收所述服务器通过所述云应用生成的所述目标用户的脸部识别结果。
11.一种基于人工智能的脸部识别装置,其特征在于,包括:
请求接收单元,用于接收目标应用发送的脸部识别请求;
响应数据生成单元,用于基于所述脸部识别请求,触发所述目标应用对应的云应用生成针对所述脸部识别请求的响应数据,其中,所述响应数据包括脸部数据采集指令、以及所述目标应用中脸部识别页面的页面渲染数据,所述脸部数据采集指令用于指示终端采集脸部识别所需的脸部图像数据,所述页面渲染数据用于供所述终端展示所述脸部识别页面;
响应数据发送单元,用于向所述目标应用发送所述响应数据;
待识别数据接收单元,用于接收所述目标应用基于所述响应数据发送的待识别数据,其中,所述待识别数据包括所述终端采集到的目标用户的脸部图像数据;
脸部识别单元,用于通过所述云应用对所述脸部图像数据进行脸部识别操作,以得到所述目标用户的脸部识别结果;
结果发送单元,用于向所述目标应用发送所述脸部识别结果。
12.一种基于人工智能的脸部识别装置,其特征在于,包括:
请求发送单元,用于向服务器发送脸部识别请求;
响应数据接收单元,用于接收所述服务器的云应用针对所述脸部识别请求生成的响应数据,其中,所述响应数据包括脸部数据采集指令、以及目标应用中脸部识别页面的页面渲染数据;
页面展示单元,用于基于所述页面渲染数据,展示所述目标应用的脸部识别页面,以供目标用户通过所述脸部识别页面进行脸部识别流程;
脸部数据采集单元,用于基于所述脸部数据采集指令,在所述脸部识别流程中采集所述目标用户的脸部图像数据;
待识别数据生成单元,用于根据所述采集后的脸部图像数据,生成所述目标用户的待识别数据,并向所述服务器发送所述待识别数据;
结果接收单元,用于接收所述服务器通过所述云应用生成的所述目标用户的脸部识别结果。
13.一种电子设备,其特征在于,包括存储器和处理器;所述存储器存储有应用程序,所述处理器用于运行所述存储器内的应用程序,以执行权利要求1至10任一项所述的基于人工智能的脸部识别方法中的操作。
14.一种存储介质,其特征在于,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至10任一项所述的基于人工智能的脸部识别方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011412390.5A CN114663929A (zh) | 2020-12-03 | 2020-12-03 | 基于人工智能的脸部识别方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011412390.5A CN114663929A (zh) | 2020-12-03 | 2020-12-03 | 基于人工智能的脸部识别方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114663929A true CN114663929A (zh) | 2022-06-24 |
Family
ID=82024940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011412390.5A Pending CN114663929A (zh) | 2020-12-03 | 2020-12-03 | 基于人工智能的脸部识别方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663929A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078962A (zh) * | 2023-09-27 | 2023-11-17 | 支付宝(杭州)信息技术有限公司 | 基于纹理采集的数据上链方法及装置 |
-
2020
- 2020-12-03 CN CN202011412390.5A patent/CN114663929A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078962A (zh) * | 2023-09-27 | 2023-11-17 | 支付宝(杭州)信息技术有限公司 | 基于纹理采集的数据上链方法及装置 |
CN117078962B (zh) * | 2023-09-27 | 2024-03-19 | 支付宝(杭州)信息技术有限公司 | 基于纹理采集的数据上链方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111652121B (zh) | 一种表情迁移模型的训练方法、表情迁移的方法及装置 | |
CN111461089B (zh) | 一种人脸检测的方法、人脸检测模型的训练方法及装置 | |
WO2020010979A1 (zh) | 手部关键点的识别模型训练方法、识别方法及设备 | |
WO2021238595A1 (zh) | 基于人工智能的图像生成方法、装置、设备及存储介质 | |
CN108525305B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
WO2021213067A1 (zh) | 物品显示方法、装置、设备及存储介质 | |
CN111914812B (zh) | 图像处理模型训练方法、装置、设备及存储介质 | |
CN111444826B (zh) | 视频检测方法、装置、存储介质及计算机设备 | |
CN114387647B (zh) | 对抗扰动生成方法、装置及存储介质 | |
CN112036331A (zh) | 活体检测模型的训练方法、装置、设备及存储介质 | |
JP7286208B2 (ja) | 生体顔検出方法、生体顔検出装置、電子機器、及びコンピュータプログラム | |
CN111914180B (zh) | 基于图结构的用户特征确定方法、装置、设备及介质 | |
CN107886559A (zh) | 用于生成图片的方法和装置 | |
CN114722937A (zh) | 一种异常数据检测方法、装置、电子设备和存储介质 | |
WO2019000464A1 (zh) | 一种图像显示方法、装置、存储介质和终端 | |
CN112561084B (zh) | 特征提取方法、装置、计算机设备及存储介质 | |
Su | Immersive online biometric authentication algorithm for online guiding based on face recognition and cloud-based mobile edge computing | |
Liu et al. | Presentation attack detection for face in mobile phones | |
CN112989922A (zh) | 基于人工智能的脸部识别方法、装置、设备和存储介质 | |
CN112818733B (zh) | 信息处理方法、装置、存储介质及终端 | |
CN113822263A (zh) | 图像标注方法、装置、计算机设备及存储介质 | |
CN114663929A (zh) | 基于人工智能的脸部识别方法、装置、设备和存储介质 | |
CN111274946B (zh) | 一种人脸识别方法和系统及设备 | |
CN113723164A (zh) | 获取边缘差异信息的方法、装置、设备及存储介质 | |
CN111753813A (zh) | 图像处理方法、装置、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 |