CN114743229A - 一种基于人工智能的人脸识别方法、设备和存储介质 - Google Patents
一种基于人工智能的人脸识别方法、设备和存储介质 Download PDFInfo
- Publication number
- CN114743229A CN114743229A CN202110020489.9A CN202110020489A CN114743229A CN 114743229 A CN114743229 A CN 114743229A CN 202110020489 A CN202110020489 A CN 202110020489A CN 114743229 A CN114743229 A CN 114743229A
- Authority
- CN
- China
- Prior art keywords
- face
- target
- recognition
- user
- 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
- 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)
- 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)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于人工智能的人脸识别方法、设备和存储介质,可确定待识别人脸图像上的人脸区域,基于历史用户的人脸信息对人脸区域中的人脸进行第一人脸识别;获取在第一人脸识别中识别成功的人脸所属的目标用户的身份标识信息;基于身份标识信息获取目标用户的目标人脸属性维度和辅助校验人脸特征;从目标用户的人脸区域提取目标用户在目标人脸属性维度下的再识别人脸特征;若该特征与辅助校验人脸特征匹配,目标用户的最终人脸识别通过,由此,通过第一人脸识别可识别出目标用户,基于辅助校验人脸特征对目标用户的二次人脸识别,可确定目标用户是需要识别的用户,有效提升目标用户的识别准确性,避免其他人脸对目标用户的人脸的干扰。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种基于人工智能的人脸识别方法、设备和存储介质。
背景技术
人脸识别,是目前正在被广泛使用的一种身份识别方案,一般技术中是对用户提供的人脸图像和数据库中的人脸图像对比,进行人脸识别,但是这种方案对一些存在干扰的情况很不利,容易出现误识别,例如图像中有多个人脸时,识别出的用户可能不是需要识别的用户,这种误识别不仅会造成用户体验下降,在用户财产转移场景下的人脸识别中,还可能会使得用户遭受财产损失。
发明内容
本发明实施例提供一种基于人工智能的人脸识别方法、设备和存储介质,可以对第一人脸识别成功的目标用户,再根据目标用户的预设的辅助校验人脸特征进行人脸再识别,通过至少两次识别,提升人脸识别的准确性。
本发明实施例提供一种基于人工智能的人脸识别方法,该方法包括:
确定待识别人脸图像上的人脸区域,基于历史用户的人脸信息,对所述人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别;
若所述第一人脸识别成功,获取在所述第一人脸识别中识别成功的人脸所属的目标用户的身份标识信息;
基于所述身份标识信息,获取所述目标用户的目标人脸属性维度和辅助校验人脸特征,其中,所述辅助校验人脸特征为所述目标用户在目标人脸属性维度上的人脸特征;
从所述目标用户的人脸区域,提取所述目标人脸属性维度下的人脸特征作为再识别人脸特征;
若所述再识别人脸特征与所述辅助校验人脸特征匹配,确定所述目标用户的最终人脸识别结果为识别通过。
本发明实施例还提供一种基于人工智能的人脸识别设备,该设备包括:
第一人脸识别单元,用于确定待识别人脸图像上的人脸区域,基于历史用户的人脸信息,对所述人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别;
身份确定单元,用于若所述第一人脸识别成功,获取在第一人脸识别中识别成功的人脸所属的目标用户的身份标识信息;
校验特征获取单元,用于基于所述身份标识信息,获取所述目标用户的目标人脸属性维度和辅助校验人脸特征,其中,所述辅助校验人脸特征为所述目标用户在目标人脸属性维度上的人脸特征;
再识别特征获取单元,用于从所述目标用户的人脸区域,提取所述目标人脸属性维度下的人脸特征作为再识别人脸特征;
再识别单元,用于若所述再识别人脸特征与所述辅助校验人脸特征匹配,确定所述目标用户的最终人脸识别结果为识别通过。
在一个可选的示例中,该设备还包括:
第一用户人脸图像获取单元,用于获取用户在多个候选的人脸属性维度中选择的目标人脸属性维度,以及用户的目标人脸图像;
第一辅助特征提取单元,用于从所述目标人脸图像中,提取所述目标人脸属性维度下的人脸特征,将提取到的人脸特征,设置为所述用户在所述目标人脸属性维度下的辅助校验人脸特征。
在一个可选的示例中,该设备还包括:
第二用户人脸图像获取单元,用于获取用户的目标人脸图像,对所述目标人脸图像进行人脸属性识别,得到所述目标人脸图像的至少一个人脸属性;
目标人脸属性选择单元,用于获取用户在所述至少一个人脸属性中选择的人脸属性,将所述用户选择的人脸属性所属的维度设置为目标人脸属性维度;
第二辅助特征提取单元,用于获取所述目标人脸图像中所述目标人脸属性维度上所述用户的人脸特征,作为辅助校验人脸特征。
在一个可选的示例中,所述目标人脸属性维度包括:目标表情维度;
再识别特征获取单元,用于:
确定所述待识别人脸图像中所述目标用户的人脸区域;
从所述目标用户的人脸区域中,提取所述目标表情维度上所述目标用户的人脸的形变特征,基于所述形变特征得到所述目标用户的再识别人脸特征。
在一个可选的示例中,所述目标人脸属性维度包括:目标动作维度;所述待识别人脸图像的数量为至少两张;
再识别特征获取单元,用于:
确定每张所述待识别人脸图像中所述目标用户的人脸区域;
基于待识别人脸图像的拍摄顺序,从所述目标用户的人脸区域中,提取所述目标动作维度上所述目标用户的人脸的运动特征,基于所述运动特征得到所述目标用户的再识别人脸特征。
在一个可选的示例中,设备还包括:人脸筛选单元,用于:
在确定待识别人脸图像上的人脸区域前获取人脸图像序列,所述人脸图像序列包括至少两张人脸图像;
对各人脸图像在至少一个人脸图像质量维度上,进行人脸图像质量分析;
基于分析结果,从所述人脸图像序列中选择待识别人脸图像。
在一个可选的示例中,第一人脸识别单元,用于:
若同一待识别人脸图像上识别出的人脸区域有至少两个,对每个人脸区域进行人脸识别质量分析;
基于所述人脸识别质量分析的分析结果,从所述同一待识别人脸图像的人脸区域中选择一个人脸区域作为目标人脸区域;
基于历史用户的人脸信息,对所述目标人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别。
在一个可选的示例中,所述待识别人脸图像为业务处理终端采集的人脸图像,设备还包括用户选择人脸识别单元,用于:
若所述第一人脸识别失败,控制所述业务处理终端显示所述待识别人脸图像中识别出的人脸区域;
确定用户在显示的人脸区域中选择的人脸区域;
基于用户选择的人脸区域和所述历史用户的人脸信息,对所述用户选择的人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别。
在一个可选的示例中,识别还包括,生物特征校验单元,用于:
若所述再识别人脸特征与所述辅助校验人脸特征不匹配,获取当前用户的目标生物特征;
根据所述目标用户的身份标识信息,获取所述目标用户的辅助校验生物特征;
若是所述目标生物特征与所述辅助校验生物特征匹配,确定所述目标用户的最终人脸识别结果为识别通过。
在一个可选的示例中,设备还包括业务执行请求获取单元,用于在确定待识别人脸图像上的人脸区域前,获取目标业务操作的业务执行请求,所述业务执行请求包括待识别人脸图像,和所述目标业务操作的业务描述信息;
设备还包括业务执行单元,用于在确定所述目标用户的最终人脸识别结果为识别通过后,基于所述目标用户的身份标识信息以及所述业务描述信息,获取执行所述目标业务操作所需的目标信息;基于所述目标信息触发所述目标业务操作的执行。
在本发明的一些实施例中,还可以提供一种存储介质,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上所述方法的步骤。
在本发明的一些实施例中,还可以提供一种电子设备,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上所述方法的步骤。
采用本发明实施例,可以确定待识别人脸图像上的人脸区域,基于历史用户的人脸信息,对人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别;若第一人脸识别成功,获取在第一人脸识别中识别成功的人脸所属的目标用户的身份标识信息;基于身份标识信息,获取目标用户的目标人脸属性维度和辅助校验人脸特征,其中,辅助校验人脸特征为目标用户在目标人脸属性维度上的人脸特征;从待识别人脸图像中的目标用户的人脸区域,提取目标人脸属性维度下的人脸特征作为再识别人脸特征;若再识别人脸特征与辅助校验人脸特征匹配,确定目标用户的最终人脸识别结果为识别通过,由此,可以通过第一人脸识别,识别出目标用户,进而基于辅助校验人脸特征对目标用户进行二次人脸识别,确定目标用户是需要识别的用户,有效提升目标用户的识别准确性,避免因为其他人脸对目标用户的人脸的干扰。
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发明的一些实施例,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是本发明实施例提供的基于人工智能的人脸识别系统的结构示意图;
图2a是本发明实施例提供的基于人工智能的人脸识别方法的流程图;
图2b是本发明实施例提供的基于人工智能的人脸识别方法的一种原理示意图;
图3是本发明实施例提供的基于人工智能的人脸识别设备的结构示意图;
图4是本发明实施例提供的电子设备的结构示意图。
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,都属于本发明保护的范围。
本发明实施例提供一种基于人工智能的人脸识别方法、设备、电子设备和存储介质。
具体的,本发明实施例提供了适用于电子设备的基于人工智能的人脸识别设备。
本实施例中的电子设备可以是终端或服务器,终端可以包括移动终端和固定终端。其中,移动终端包括但不限于智能手机、智能手表、平板电脑、笔记本电脑、智能车载等,其中,固定终端包括但不限于台式电脑,智能电视等。
其中,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,但并不局限于此。
参考图1,本实施例提供的基于人工智能的人脸识别系统包括业务处理终端10和服务器20等;业务处理终端10和服务器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,业务处理终端10可以具有摄像头等图像采集模块。可选的,业务处理终端10可以采集人脸图像序列,从人脸图像序列中选择待识别人脸图像发送给服务器20。
服务器20,可以用于确定待识别人脸图像上的人脸区域,基于历史用户的人脸信息,对人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别;若第一人脸识别成功,获取在第一人脸识别中识别成功的人脸所属的目标用户的身份标识信息;基于身份标识信息,获取目标用户的目标人脸属性维度和辅助校验人脸特征,其中,辅助校验人脸特征为目标用户在目标人脸属性维度上的人脸特征;从待识别人脸图像中的目标用户的人脸区域,提取目标人脸属性维度下的人脸特征作为再识别人脸特征;若再识别人脸特征与辅助校验人脸特征匹配,确定目标用户的最终人脸识别结果为识别通过。
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。
本发明实施例提供的一种基于人工智能的人脸识别方法,该方法可以由服务器或(业务处理)终端的处理器执行,如图2a所示,该基于人工智能的人脸识别方法的流程可以如下:
201、确定待识别人脸图像上的人脸区域,基于历史用户的人脸信息,对人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别;
本实施例中,对图像如待识别人脸图像等的各种处理,例如人脸区域的识别,对再识别人脸特征的提取等等,对再识别人脸特征与辅助校验人脸特征匹配的等等,都可以基于计算机视觉(图像)(Computer Vision,CV)技术实现,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、图像检索等技术。
具体的,可以基于计算机视觉(图像)(Computer Vision,CV)技术中的人脸识别face recognition技术实现上述的图像处理,例如,本申请使用的人脸识别技术包括但不限于人脸检测(Face Detection)技术、人脸跟踪(Face Tracking)技术、人脸配准(FaceAlignment)技术、人脸身份识别(Face Verification/identification/recognition)技术、人脸属性识别(Face Attribute Recognition)技术、人脸活体检测技术、人脸3D重建(Face 3D Reconstruction)技术。
本实施例在每个步骤中使用的人脸识别技术可以根据该步骤需要实现的目的进行合理的选取。
例如,可以基于人脸识别(face recognition)技术中的人脸检测(FaceDetection)技术确定人脸区域,当需要对人脸图像序列中各图像中的人脸进行识别时,还可以在某一张图像(如第一张)的人脸区域识别结果上,基于人脸跟踪(Face Tracking)技术对人脸图像序列中的该图像之后的图像进行人脸跟踪,从而确定人脸区域,这种人脸识别结合人脸跟踪的方案,可以有效降低对多张人脸图像进行人脸区域识别时所需的时间。
本实施例中,待识别人脸图像可以由业务处理终端进行采集得到,业务处理终端,是可以向用户提供至少一个业务服务的终端,该业务服务的类型不限,包括但不限于虚拟资源转移服务(如支付服务)、虚拟物品领取服务(如奖品领取)、门禁服务、物联网设备控制服务如温度调节服务等等。
其中,业务处理终端上的摄像头的类型不限,例如可以是3D摄像头(参见图2b)或2D摄像头等等。3D摄像头:类比传统摄像头,添加了活体相关软硬件,包括深度相机,和红外相机等等,相较于传统摄像头拍摄的图像,还可以获取到深度信息、红外信息等,有利于保证信息安全,提升人脸识别准确度。
其中,待识别人脸图像可以是业务处理终端采集到的所有图像,也可以是从采集到的图像中获取的。一般地,终端的摄像头基于拍摄频率,可以在几秒的时间内,拍摄到多张图像,形成图像序列,而不同图像因为用户在摄像头拍摄范围的运动等因素,可能呈现不同的质量,为了更好地进行第一人脸识别,以及降低第一人脸识别处理的图像,可以从人脸图像序列中选择优质图像作为待识别人脸图像。
可选的,步骤“确定待识别人脸图像上的人脸区域”前,还可以包括:
获取人脸图像序列,人脸图像序列包括至少两张人脸图像;
对各人脸图像在至少一个人脸图像质量维度上,进行人脸图像质量分析;
基于分析结果,从人脸图像序列中选择待识别人脸图像。
其中,人脸图像质量维度,可以包括两个方面的维度,一个是图像本身的维度,例如图像对比度、图像的亮度、图相清晰度等等,一个是图像中的人脸区域的质量维度,例如,人脸区域中人脸的大小(或者人脸在人脸图像中的占比)、人脸的角度、人脸的遮挡度、人脸的清晰度等等维度。
或者,一个示例中,人脸图像质量维度,可以只关注人脸区域中的图像的质量,即人脸图像质量维度包括但不限于:人脸区域的图像对比度、图像的亮度、图相清晰度、人脸的大小(或者人脸在人脸图像中的占比)、人脸的角度、人脸的遮挡度等维度,避免背景区域对人脸区域的选择的干扰。
具体的,“对各人脸图像在至少一个人脸图像质量维度上,进行人脸图像质量分析”,可以包括,识别各人脸图像的人脸区域,获取人脸区域中的图像在至少一个图像质量维度上的质量信息,基于得到的质量信息分析人脸图像的质量。
人脸区域的质量信息,包括但不限于:人脸区域的图像对比度、图像的亮度、图相清晰度、人脸的大小(或者人脸在人脸图像中的占比)、人脸的角度、人脸的遮挡度等信息。
其中,对待识别人脸图像的选择,可以是服务器实现的,也可以是业务处理终端实现的,例如,参见图2b,业务处理终端包括3D摄像头、网络通信模块,以及业务处理终端上集成有应用程序产品-业务处理APP。网络通信模块可以用于支撑其所在终端如业务处理终端与后端(服务器)的数据交互。本发明中,业务处理终端的网络通信模块的作用主要包括将人脸图像上传到后端进行人脸识别,以及查询人脸识别结果,执行业务操作如支付操作,并接收业务操作结果如支付结果。
业务处理APP可以在需要进行某业务操作前,基于人脸采集组件调用3D摄像头,获取人脸图像序列,然后,基于人脸优选组件从人脸图像序列中选择待识别人脸图像,调用网络通信模块将待识别人脸图像发送给服务器,由服务器进行特征提取和对比,实现第一人脸识别。
其中,人脸图像序列可以包括RGB图序列、深度图序列和红外图序列。每一张人脸识别图像可以由RGB图、深度图和红外图组成。人脸区域的质量信息可以从RGB图、深度图和红外图中的任一种图中获取。
可选的,业务处理终端,在发送待识别人脸图像后,可以显示加载页面,以示在进行人脸识别。
本实施例中,业务处理APP和即时通讯APP之间存在关联关系,历史用户的人脸信息包括但不限于历史用户的人脸图像,或历史用户的参考人脸特征信息,该参考人脸特征信息,可以是按照预设初级人脸识别方案中的人脸特征提取方法提取的人脸特征信息,例如参考人脸特征信息可以包括参考人脸关键点,该关键点的数量不限,可以是常用的72、150、201人脸关键点等等。例如参考人脸特征信息可以包括参考人脸特征向量,可以是由神经网络提取的人脸特征向量。
可选的,本实施例中,历史用户可以是使用同一个应用程序的用户,如使用图2b中的即时通讯APP的用户。
本实施例中,初级人脸识别方案可以是用于人脸识别的任意方案,具体的,可以是任意可识别两图像中人脸的相似度的方案。
一个示例中,当人脸信息包括人脸图像,可选的,步骤“基于历史用户的人脸信息,对人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别”,可以包括:
对历史用户的人脸图像,以及待识别人脸图像上的人脸区域进行人脸相似度识别(即第一人脸识别),得到人脸区域与历史用户的人脸图像的相似度值;
将相似度值不低于预设相似度阈值,确定该相似度对应的人脸区域中的人脸为相似度对应的历史用户的人脸;
若人脸区域的相似度值都不低于预设相似度阈值,第一人脸识别失败。
其中,对历史用户的人脸图像,以及待识别人脸图像上的人脸区域进行人脸相似度识别(即第一人脸识别),得到人脸区域与历史用户的人脸图像的相似度值,可以包括:基于人脸相似度比对模型的第一特征提取层,提取历史用户的人脸图像的参考初级人脸特征,基于人脸相似度比对模型的第二特征提取层,提取待识别人脸图像的人脸区域的初级人脸特征,基于人脸相似度比对模型的分类层,对初级人脸特征和参考初始人脸特征进行相似性分类,得到相似性分类结果,相似性分类结果中包括相似性值。
其中,第一特征提取层和第二特征提取层的层结构和参数完全相同。
另一个示例中,人脸信息包括历史用户的参考初级人脸特征信息,可选的,步骤“基于历史用户的人脸信息,对人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别”,可以包括:
获取历史用户的参考初级人脸特征信息,对待识别人脸图像的人脸区域进行初级人脸特征信息的提取;
对参考初级人脸特征信息和初级人脸特征信息进行特征匹配,若匹配成功,则确定匹配成功的人脸区域中的人脸,为匹配成功的参考初级人脸特征信息所属的历史用户的人脸。
其中,可以计算参考初级人脸特征信息和初级人脸特征信息的特征匹配,可以是计算两个特征信息的相似度,例如特征间的距离,基于相似度确定是否匹配。
在一个示例中,业务处理终端可以为物联网系统中的带有摄像头的终端,例如物联网系统中用于为用户提供物联网终端控制服务的终端,业务处理终端可以连接物联网终端如物联网系统中的智能电视、智能冰箱、智能空调等等,用户可以在业务处理终端上选择待控制的目标物联网终端,业务处理终端在发送待识别人脸图像时,还可以将目标物联网终端的终端标识一起发送给服务器,服务器可以根据终端标识获取目标物联网终端的历史用户的人脸信息。在该示例中,历史用户理解为已经具有目标物联网终端的控制权限的用户。
在一个示例中,业务处理终端可以为门禁系统中的人脸采集终端,业务处理终端在发送待识别人脸图像时,还可以将门禁系统所属小区的小区标识,以及人脸采集终端的终端标识发送给服务器,服务器可以根据门禁系统所属小区标识确定小区中的用户为历史用户,获取历史用户的人脸信息,或者,可以根据人脸采集终端的终端标识,确定人脸采集终端绑定的合法用户为历史用户,获取历史用户的人脸信息。
本实施例中,同一待识别人脸图像上的人脸区域可能也有多个,在识别时,可以选择质量良好的人脸区域进行人脸识别,提升人脸识别速度。可选的,步骤“基于历史用户的人脸信息,对人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别”,包括:
若同一待识别人脸图像上识别出的人脸区域有至少两个,对每个人脸区域进行人脸识别质量分析;
基于人脸识别质量分析的分析结果,从同一待识别人脸图像的人脸区域中选择一个人脸区域作为目标人脸区域;
基于历史用户的人脸信息,对目标人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别。
其中,人脸识别质量分析,可以基于对人脸识别的质量有影响的信息进行分析,例如人脸区域的清晰度、大小、亮度等等。
例如,从同一待识别人脸图像的人脸区域中选择一个人脸区域作为目标人脸区域时,可以选择待识别人脸图像中最大的人脸区域作为目标人脸区域。
其中,对目标人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别的详细方案,可以参考前述对于对人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别的相关描述,在此不再赘述。
202、若第一人脸识别成功,获取在第一人脸识别中识别成功的人脸所属的目标用户的身份标识信息;
其中,该身份标识信息包括但不限于目标用户的用户名、昵称、账户信息、ID号等可以用于标识目标用户身份的信息。
可选的,第一人脸识别成功后,服务器可以检测对应目标用户是否设置有人脸再识别机制,若有,则需要执行步骤202-205进行人脸再识别,若没有,则服务器可以向业务处理终端发送人脸识别成功信息,以触发业务处理终端处理对应于待识别人脸图像的目标业务操作。
例如,步骤“确定待识别人脸图像上的人脸区域”前,还可以包括:获取目标业务操作的业务执行请求,业务执行请求包括待识别人脸图像,和目标业务操作的业务描述信息,其中,业务描述信息用于描述目标业务操作。
若第一人脸识别成功,且对应目标用户未设置人脸再识别机制,则第一人脸识别成功后,可以获取在第一人脸识别中识别成功的人脸所属的目标用户的身份标识信息,基于该身份识别信息以及该业务描述信息,获取执行目标业务操作所需的目标信息;基于目标信息触发目标业务操作的执行。
例如,目标业务操作可以为支付操作,则目标信息可以包括支付标识,该支付标识具有支付功能,可选的,该支付标识可以是具有支付功能的即时通讯客户端(参见图2b)提供的支付标识。基于目标信息触发目标业务操作的执行,可以包括将支付标识和用户身份标识发送给业务处理终端,触发业务处理终端执行支付操作。
例如,目标业务操作可以为门禁开启操作,则目标信息可以包括门禁开启指令,基于目标信息触发目标业务操作的执行,可以包括将门禁开启指令发送给业务处理终端,触发业务处理终端执行门禁开启操作。
例如,目标业务操作可以为对物联网终端的终端状态调节操作(如温度调节操作等),一个示例中,业务描述信息可以包括终端状态调节操作的操作标识,以及调节后终端状态参数,则目标信息可以包括状态参数调节指令,该指令用于指示物联网设备将终端状态参数调节到该调节后终端状态参数,基于目标信息触发目标业务操作的执行,可以包括将状态参数调节指令发送给业务处理终端,由业务处理终端控制物联网终端将终端状态参数调节为调节后终端状态参数。
例如,终端状态参数可以为智能冰箱多个冷冻区域的温度,智能空调的温度等等。
在另一个示例中,业务描述信息,可以不包括调节后终端状态参数,只包括终端状态调节操作的操作标识,物联网终端的调节后终端状态参数,可以根据物联网终端当前的环境参数,以及为目标用户的用户设置信息中的,物联网终端的环境参数与调节后终端状态参数的对应关系确定。
在一个示例中,若第一人脸识别失败,还可以将人脸区域显示给用户,根据用户的选择再进行人脸识别。可选的,本实施例的方法还可以包括:
若第一人脸识别失败,控制业务处理终端显示待识别人脸图像中识别出的人脸区域;
确定用户在显示的人脸区域中选择的人脸区域;
基于用户选择的人脸区域和历史用户的人脸信息,对用户选择的人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别。
其中,若第一人脸识别失败,服务器可以从所有提取的人脸区域中,选择出所有不同用户的人脸区域,然后将人脸区域的图像发送给业务处理终端,由业务处理终端进行显示,接收业务处理终端发送的用户选择结果,根据用户选择结果确定用户选的人脸区域。
其中,基于用户选择的人脸区域和历史用户的人脸信息,对用户选择的人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别,参考前述中关于第一人脸识别的描述,在此不再赘述。
在另一个示例中,预设初级人脸识别方案中人脸特征提取方法的数量可以为至少两个,历史用户的人脸信息中包括采用预设初级人脸识别方案中各人脸特征提取方法提取的人脸特征信息。
该示例中,步骤201中进行第一人脸识别时采用的人脸特征提取方法可以被认为是第一人脸特征提取方法,在步骤201失败,以及用户选择人脸区域后,可以采用预设初级人脸识别方案中,不同于步骤201中的人脸特征提取方法(可以被称为第二人脸特征提取方法)进行人脸特征的提取,然后获取历史用户的人脸信息中采用第二人脸特征提取方法提取的人脸特征,基于用户和历史用户的人脸特征进行第一人脸识别。
对于该用户选择的人脸区域后的第一人脸识别,若识别失败,则控制业务处理终端显示人脸识别失败信息,若识别成功,则获取用户选择的人脸区域所属的第一目标用户的身份标识信息;基于身份标识信息进行人脸再识别,具体的,人脸再识别的方案包括:获取第一目标用户的目标人脸属性维度和辅助校验人脸特征,其中,辅助校验人脸特征为第一目标用户在目标人脸属性维度上的人脸特征;从待识别人脸图像中的目标用户的人脸区域,提取目标人脸属性维度下的人脸特征作为再识别人脸特征;若再识别人脸特征与辅助校验人脸特征匹配,确定目标用户的最终人脸识别结果为识别通过。
上述描述的人脸再识别的方案,可以参考下述内容中的相关描述。
203、基于身份标识信息,获取目标用户的目标人脸属性维度和辅助校验人脸特征,其中,辅助校验人脸特征为目标用户在目标人脸属性维度上的人脸特征;
本实施例中,可以利用人脸属性识别(Face Attribute Recognition)技术,实现对目标人脸属性维度的辅助校验人脸特征和再识别人脸(见下文)特征进行提取。
本实施例中,若人脸属性维度的类型,包括但不限于:年龄、性别、表情、脸型、头部姿态、脸部动作等等。目标人脸属性维度可以是上述的任意人脸属性维度。
例如,目标人脸属性维度可以为表情属性维度,人脸动作属性维度、头部姿态属性维度等等。
在一个示例中,考虑到每个人脸属性下可以根据该人脸属性下的属性特征,再划分为多个子属性,例如,表情属性可以划分为微笑属性、哭泣属性、悲伤属性等等,动作属性下不同的动作都可以认为是一个动作子属性。本实施例汇总,人脸属性下的每个子属性的维度,也可以作为目标人脸属性维度。
在一个可选的示例中,辅助校验人脸特征可以是预先提取并存储的特征。
本实施例中,用户可以通过用户终端设置辅助校验人脸特征,可选的,本实施例的方法,还可以包括:
获取用户在多个候选的人脸属性维度中选择的目标人脸属性维度,以及用户的目标人脸图像;
从目标人脸图像中,提取目标人脸属性维度下的人脸特征,将提取到的人脸特征,设置为用户在目标人脸属性维度下的辅助校验人脸特征。
其中,获取目标人脸属性维度,以及用户的目标人脸图像的同时,还可以获取用户的身份识别信息,提取到辅助校验人脸特征后,可以建立辅助校验人脸特征与用户的身份识别信息的对应关系,实现将提取到的人脸特征,设置为用户在目标人脸属性维度下的辅助校验人脸特征。
其中,用户选择目标人脸属性维度的过程可以在用户终端上实现,例如:在用户终端上显示多个候选的人脸属性维度,确定用户在候选的人脸属性维度中选择的目标人脸属性维度;采集用户的目标人脸图像,将目标人脸图像和目标人脸属性维度发送给服务器,触发服务器从目标人脸图像中,提取目标人脸属性维度下的人脸特征,将提取到的人脸特征,设置为用户在目标人脸属性维度下的辅助校验人脸特征。
例如,用户终端中的摄像头的类型包括但不限于2D摄像头、3D摄像头。参考图2b,用户终端包括2D摄像头、网络通信模块,且用户终端中集成有计算机软件产品,如即时通讯APP,网络通信模块用于进行用户终端和服务器间的数据传输。
以目标人脸属性维度属于表情属性维度中的子维度为例,即时通讯APP可以调用人脸采集组件开启2D摄像头拍摄目标人脸图像(目标人脸图像的数量为至少一张),调用面部表情选择组件显示多个候选的表情维度(如微笑、哭泣、悲伤、愤怒等等),确定用户选择的目标人脸属性维度,调用网络通信模块将目标人脸图像和目标人脸属性维度发送给服务器,触发服务器提取辅助校验人脸特征。
其中,辅助校验人脸特征的提取也可以在用户终端上实现,即时通讯APP调用面部表情选择组件,还可以对2D摄像头采集的人脸图像进行人脸图像预处理,筛选出存在人脸的第一人脸图像,然后对第一人脸图像提取目标人脸属性维度下的人脸特征,基于人脸特征识别第一人脸图像的人脸属性,若识别到的人脸属性中包括目标人脸属性,则第一人脸图像作为目标人脸图像,对应的人脸特征为辅助校验人脸特征。
其中,人脸图像预处理即为人脸检测,可以基于前述描述的人脸检测技术实现,人脸检测的基本思想是用知识或统计的方法对人脸建模,确定人脸图像中的待检测区域,比较待检测区域与人脸模型的匹配程度,从而得到可能存在人脸的区域。本实施例采用的人脸检测算法不限。
用户终端可以将用户的身份标识信息、目标人脸图像、辅助校验人脸特征以及目标人脸属性维度等发送给服务器,服务器接收后,可以进行辅助校验人脸特征、目标人脸属性维度与身份标识信息的对应关系的建立。还可以基于目标人脸图像按照预设初级人脸识别方案中的人脸特征提取方法,提取用户的参考初级人脸特征。
其中,参考图2b,服务器中可以设置有辅助特征-账号数据库,用于存储用户的身份标识信息、目标人脸属性维度以及辅助校验人脸特征的对应关系。服务器中还可以设置有人脸-账号数据库,用于存储用户的身份标识信息、目标人脸图像、参考初级人脸特征的对应关系。
一个示例中,还可以先获取用户的人脸图像,基于人脸图像进行人脸属性识别,根据用户在人脸属性识别结果中的选择,确定目标人脸属性维度。
可选的,本实施例的方法还可以包括:
获取用户的目标人脸图像,对目标人脸图像进行人脸属性识别,得到目标人脸图像的至少一个人脸属性;
获取用户在至少一个人脸属性中选择的人脸属性,将用户选择的人脸属性所属的维度设置为目标人脸属性维度;
获取目标人脸图像中目标人脸属性维度上用户的人脸特征,作为辅助校验人脸特征。
其中,人脸属性识别可以包括至少一个人脸属性维度的识别,例如表情识别中的微笑表情识别、哭泣表情识别等等,以及动作识别。
本示例中的人脸属性识别可以在服务器上进行,也可以在业务处理终端上进行,若在服务器上进行,步骤“获取用户在至少一个人脸属性中选择的人脸属性”可以包括:将识别到的目标人脸图像的该至少一个人脸属性发送给用户终端,触发用户终端显示该至少一个人脸属性,以及确定用户在该至少一个人脸属性中选择的目标人脸属性;接收用户终端发送的目标人脸属性。
其中,获取目标人脸图像中目标人脸属性维度上用户的人脸特征时,用户的人脸特征可以是实时提取的,也可以在步骤“对目标人脸图像进行人脸属性识别”中获取到的目标人脸属性维度上用户的人脸特征。
可以理解的是,每个识别到的具体人脸属性,如微笑、哭泣、摇头、点头等等都可以显示在用户终端上供用户选择。
一个示例中,目标人脸属性维度包括:目标表情维度,从目标人脸图像(或第一人脸图像)中提取目标表情维度下的人脸特征的方案,具体可以包括:
确定目标人脸图像中的人脸区域;
从该人脸区域中,提取目标表情维度上的人脸的形变特征,基于该形变特征得到用户在目标人脸属性维度下的人脸特征。
具体的,可以将形变特征设置为用户在目标人脸属性维度下的人脸特征。
其中,表情的形变特征也即表情的暂态特征,可以基于相关技术中任意可提取形变特征的方案得到,在此不做任何限定。
一个示例中,目标人脸属性维度包括:目标动作维度,从目标人脸图像(或第一人脸图像)中提取目标动作维度下的人脸特征的方案,具体可以包括:
确定至少两张目标人脸图像中的人脸区域;
基于目标人脸图像的拍摄顺序,从人脸区域中,提取目标动作维度上人脸的运动特征,基于该运动特征得到用户在目标动作维度下的人脸特征。
其中,该运动特征的提取,也可以基于相关技术中人脸的运动特征提取方案实现,对此不进行赘述。
204、从目标用户的人脸区域,提取目标人脸属性维度下的人脸特征作为再识别人脸特征;
其中,确定目标用户之后,可以从待识别人脸图像中获取目标用户的人脸区域(如从待识别人脸图像对应的RGB图像、深度图像和红外图像中获取目标用户的人脸区域)。
可选的,在一个示例中,目标人脸属性维度包括:目标表情维度,步骤“从待识别人脸图像中的目标用户的人脸区域,提取目标人脸属性维度下的人脸特征作为再识别人脸特征”,可以包括:
确定待识别人脸图像中目标用户的人脸区域;
从目标用户的人脸区域中,提取目标表情维度上目标用户的人脸的形变特征,基于形变特征得到目标用户的再识别人脸特征。
其中,形变特征,可以是基于静态图像提取到的特征,也可以是基于动态图像(图像序列)提取到的特征。
一个示例中,可以采用基于静态图像的形变特征提取方法,对每一个目标用户的人脸区域,提取目标表情维度上目标用户的人脸的形变特征。
在另一个示例中,可以采用基于动态图像的形变特征提取方法,可选的,待识别人脸图像的数量为至少两张,形变特征的具体提取方案包括:对每一个目标用户的人脸区域,提取目标表情维度上目标用户的人脸的形变特征,基于人脸区域对应的拍摄顺序,获取拍摄顺序上相邻的人脸区域的运动特征,基于获取到的形变特征和运动特征确定目标表情维度上目标用户的人脸特征。
可选的,在一个示例中,目标人脸属性维度包括:目标动作维度;待识别人脸图像的数量为至少两张;
从待识别人脸图像中的目标用户的人脸区域,提取目标人脸属性维度下的人脸特征作为再识别人脸特征,包括:
确定每张待识别人脸图像中目标用户的人脸区域;
基于待识别人脸图像的拍摄顺序,从目标用户的人脸区域中,提取目标动作维度上目标用户的人脸的运动特征,基于运动特征得到目标用户的再识别人脸特征。
其中,可以由人脸动作识别模型提取目标动作维度上目标用户的人脸的运动特征。
人脸动作识别模型可以基于具有目标动作的人脸样本图像训练得到,该人脸识别模型可以提取出人脸上表现该目标动作的特征。
205、若再识别人脸特征与辅助校验人脸特征匹配,确定目标用户的最终人脸识别结果为识别通过。
其中,在一个示例中,业务处理终端,还可以集成有生物特征提取模块如指纹提取模块,虹膜信息提取模块等等。
可选的,本实施例的方法还可以包括:
若再识别人脸特征与辅助校验人脸特征匹配,获取当前用户的(至少一个)目标生物特征;
根据目标用户的身份标识信息,获取目标用户的辅助校验生物特征;
若是目标生物特征与辅助校验生物特征匹配,确定目标用户的最终人脸识别结果为识别通过。
本实施例的生物特征比对,可以基于生物特征识别(Biometric IdentificationTechnology,BIT)技术,如指纹识别fingerprint identification技术,静脉识别Veinidentification、虹膜识别Iris identification等等,获取用户的目标生物特征,进行与辅助校验生物特征的匹配。
其中,获取当前用户的目标生物特征可以包括接收业务处理终端发送的当前用户的目标生物特征,其中,目标生物特征的类型包括但不限于指纹、虹膜信息等等。
其中,目标用户的辅助校验生物特征,可以是通过即时通讯客户端APP(参见图2b)发送至服务器进行存储的。
其中,目标生物特征与辅助校验生物特征匹配,可以是目标生物特征与辅助校验生物特征的相似度,超过预设生物特征相似度阈值,
在一个示例中,步骤“确定目标用户的最终人脸识别结果为识别通过”后,还可以包括:
基于目标用户的身份标识信息以及业务描述信息,获取执行目标业务操作所需的目标信息;
基于目标信息触发目标业务操作的执行。
其中,业务描述信息、目标信息、以及目标信息与目标业务操作的对应关系,可以参见前述示例的描述,在此不再赘述。
下面以目标业务操作为支付操作为例,对触发目标业务操作执行的具体方案进行描述。
若目标用户的最终人脸识别结果为识别通过,则服务器可以基于目标用户的身份标识信息,获取用于进行支付操作的目标信息,该目标信息包括但不限于支付标识,目标用户在即时通讯客户端的身份标识信息如账号信息等等。服务器将目标信息发送给业务处理终端,业务处理终端基于查单服务组件(参见图2b),获取目标用户的待交易订单信息,根据支付标识(或身份标识信息)以及待交易订单信息,向服务器发起订单交易请求,该订单交易请求包括支付标识(或身份标识信息)以及待交易订单信息,接收服务器对该订单交易请求的处理结果。其中,业务处理终端可以在接收处理结果后,展示该处理结果。
其中,服务器可以基于身份标识信息进行身份校验,身份校验通过,则基于待交易订单信息完成交易。
在其他应用场景如门禁场景、物联网终端的控制场景等场景下,目标信息的获取,和目标业务操作的执行,可以参见前述相关内容的描述,在此不再赘述。
一个示例中,在对于物联网终端的控制场景下,目标信息可以包括物联网终端的调节后终端状态参数,其中,该调节后终端状态参数还可以是根据目标人脸属性对应的目标人脸属性预先设置的,例如,服务器中预先设置有微笑对应智能空调的26度,哭泣对应智能空调的30度等等,这种方案可以增加一定的生活乐趣,增强物联网终端的控制方案的趣味性。
本实施例中,不同物联网终端的调节后终端状态参数所调节的终端状态如温度、湿度、冷冻温度等,根据物联网终端的类型确定。
采用本发明实施例,可以确定待识别人脸图像上的人脸区域,基于历史用户的人脸信息,对人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别;若第一人脸识别成功,获取在第一人脸识别中识别成功的人脸所属的目标用户的身份标识信息;基于身份标识信息,获取目标用户的目标人脸属性维度和辅助校验人脸特征,其中,辅助校验人脸特征为目标用户在目标人脸属性维度上的人脸特征;从待识别人脸图像中的目标用户的人脸区域,提取目标人脸属性维度下的人脸特征作为再识别人脸特征;若再识别人脸特征与辅助校验人脸特征匹配,确定目标用户的最终人脸识别结果为识别通过,由此,可以通过第一人脸识别,识别出目标用户,进而基于辅助校验人脸特征对目标用户进行二次人脸识别,确定目标用户是需要识别的用户,有效提升目标用户的识别准确性,避免因为其他人脸对目标用户的人脸的干扰。
为了更好地实施以上方法,相应的,本发明实施例还提供一种基于人工智能的人脸识别设备,该基于人工智能的人脸识别设备具体可以集成在终端或服务器中。
参见图3,该基于人工智能的人脸识别设备包括:
第一人脸识别单元301,用于确定待识别人脸图像上的人脸区域,基于历史用户的人脸信息,对人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别;
身份确定单元302,用于若第一人脸识别成功,获取在第一人脸识别中识别成功的人脸所属的目标用户的身份标识信息;
校验特征获取单元303,用于基于身份标识信息,获取目标用户的目标人脸属性维度和辅助校验人脸特征,其中,辅助校验人脸特征为目标用户在目标人脸属性维度上的人脸特征;
再识别特征获取单元304,用于从目标用户的人脸区域,提取目标人脸属性维度下的人脸特征作为再识别人脸特征;
再识别单元305,用于若再识别人脸特征与辅助校验人脸特征匹配,确定目标用户的最终人脸识别结果为识别通过。
在一个可选的示例中,该设备还包括:
第一用户人脸图像获取单元,用于获取用户在多个候选的人脸属性维度中选择的目标人脸属性维度,以及用户的目标人脸图像;
第一辅助特征提取单元,用于从目标人脸图像中,提取目标人脸属性维度下的人脸特征,将提取到的人脸特征,设置为用户在目标人脸属性维度下的辅助校验人脸特征。
在一个可选的示例中,该设备还包括:
第二用户人脸图像获取单元,用于获取用户的目标人脸图像,对目标人脸图像进行人脸属性识别,得到目标人脸图像的至少一个人脸属性;
目标人脸属性选择单元,用于获取用户在至少一个人脸属性中选择的人脸属性,将用户选择的人脸属性所属的维度设置为目标人脸属性维度;
第二辅助特征提取单元,用于获取目标人脸图像中目标人脸属性维度上用户的人脸特征,作为辅助校验人脸特征。
在一个可选的示例中,目标人脸属性维度包括:目标表情维度;
再识别特征获取单元,用于:
确定待识别人脸图像中目标用户的人脸区域;
从目标用户的人脸区域中,提取目标表情维度上目标用户的人脸的形变特征,基于形变特征得到目标用户的再识别人脸特征。
在一个可选的示例中,目标人脸属性维度包括:目标动作维度;待识别人脸图像的数量为至少两张;
再识别特征获取单元,用于:
确定每张待识别人脸图像中目标用户的人脸区域;
基于待识别人脸图像的拍摄顺序,从目标用户的人脸区域中,提取目标动作维度上目标用户的人脸的运动特征,基于运动特征得到目标用户的再识别人脸特征。
在一个可选的示例中,设备还包括:人脸筛选单元,用于:
在确定待识别人脸图像上的人脸区域前获取人脸图像序列,人脸图像序列包括至少两张人脸图像;
对各人脸图像在至少一个人脸图像质量维度上,进行人脸图像质量分析;
基于分析结果,从人脸图像序列中选择待识别人脸图像。
在一个可选的示例中,第一人脸识别单元,用于:
若同一待识别人脸图像上识别出的人脸区域有至少两个,对每个人脸区域进行人脸识别质量分析;
基于人脸识别质量分析的分析结果,从同一待识别人脸图像的人脸区域中选择一个人脸区域作为目标人脸区域;
基于历史用户的人脸信息,对目标人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别。
在一个可选的示例中,待识别人脸图像为业务处理终端采集的人脸图像,设备还包括用户选择人脸识别单元,用于:
若第一人脸识别失败,控制业务处理终端显示待识别人脸图像中识别出的人脸区域;
确定用户在显示的人脸区域中选择的人脸区域;
基于用户选择的人脸区域和历史用户的人脸信息,对用户选择的人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别。
在一个可选的示例中,识别还包括,生物特征校验单元,用于:
若再识别人脸特征与辅助校验人脸特征不匹配,获取当前用户的目标生物特征;
根据目标用户的身份标识信息,获取目标用户的辅助校验生物特征;
若是目标生物特征与辅助校验生物特征匹配,确定目标用户的最终人脸识别结果为识别通过。
在一个可选的示例中,设备还包括业务执行请求获取单元,用于在确定待识别人脸图像上的人脸区域前,获取目标业务操作的业务执行请求,业务执行请求包括待识别人脸图像,和目标业务操作的业务描述信息;
设备还包括业务执行单元,用于在确定目标用户的最终人脸识别结果为识别通过后,基于目标用户的身份标识信息以及业务描述信息,获取执行目标业务操作所需的目标信息;基于目标信息触发目标业务操作的执行。
采用本发明实施例,可以进行至少两次人脸识别,可以通过第一人脸识别,识别出目标用户,进而基于辅助校验人脸特征对目标用户进行二次人脸识别,确定目标用户是需要识别的用户,有效提升目标用户的识别准确性,避免因为其他人脸对目标用户的人脸的干扰。
此外,本发明实施例还提供一种电子设备,该电子设备可以为终端或者服务器,如图4所示,其示出了本发明实施例所涉及的电子设备的结构示意图,具体来讲:
该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解,图4中示出的电子设备结构并不构成对电子设备的限定,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:
处理器401是该电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器401可包括一个或多个处理核心;优选的,处理器401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401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402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402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电子设备的使用所创建的数据等。此外,存储器402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402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
电子设备还包括给各个部件供电的电源403,优选的,电源403可以通过电源管理系统与处理器401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403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。
该电子设备还可包括输入单元404,该输入单元404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。
尽管未示出,电子设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,电子设备中的处理器401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402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
确定待识别人脸图像上的人脸区域,基于历史用户的人脸信息,对所述人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别;
若所述第一人脸识别成功,获取在第一人脸识别中识别成功的人脸所属的目标用户的身份标识信息;
基于所述身份标识信息,获取所述目标用户的目标人脸属性维度和辅助校验人脸特征,其中,所述辅助校验人脸特征为所述目标用户在目标人脸属性维度上的人脸特征;
从所述目标用户的人脸区域,提取所述目标人脸属性维度下的人脸特征作为再识别人脸特征;
若所述再识别人脸特征与所述辅助校验人脸特征匹配,确定所述目标用户的最终人脸识别结果为识别通过。
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。
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,本发明实施例还提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本发明实施例所提供的基于人工智能的人脸识别方法。
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,可以执行本发明实施例所提供的基于人工智能的人脸识别方法中的步骤,因此,可以实现本发明实施例所提供的基于人工智能的人脸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,还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。电子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,使得该电子设备执行上述实施例中的各种可选实现方式中提供的方法。
以上对本发明实施例所提供的一种基于人工智能的人脸识别方法、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 (13)
1.一种基于人工智能的人脸识别方法,其特征在于,包括:
确定待识别人脸图像上的人脸区域,基于历史用户的人脸信息,对所述人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别;
若所述第一人脸识别成功,获取在所述第一人脸识别中识别成功的人脸所属的目标用户的身份标识信息;
基于所述身份标识信息,获取所述目标用户的目标人脸属性维度和辅助校验人脸特征,其中,所述辅助校验人脸特征为所述目标用户在目标人脸属性维度上的人脸特征;
从所述目标用户的人脸区域,提取所述目标人脸属性维度下的人脸特征作为再识别人脸特征;
若所述再识别人脸特征与所述辅助校验人脸特征匹配,确定所述目标用户的最终人脸识别结果为识别通过。
2.根据权利要求1所述的基于人工智能的人脸识别方法,其特征在于,还包括:
获取用户在多个候选的人脸属性维度中选择的目标人脸属性维度,以及用户的目标人脸图像;
从所述目标人脸图像中,提取所述目标人脸属性维度下的人脸特征,将提取到的人脸特征,设置为所述用户在所述目标人脸属性维度下的辅助校验人脸特征。
3.根据权利要求1所述的基于人工智能的人脸识别方法,其特征在于,还包括:
获取用户的目标人脸图像,对所述目标人脸图像进行人脸属性识别,得到所述目标人脸图像的至少一个人脸属性;
获取用户在所述至少一个人脸属性中选择的人脸属性,将所述用户选择的人脸属性所属的维度设置为目标人脸属性维度;
获取所述目标人脸图像中所述目标人脸属性维度上所述用户的人脸特征,作为辅助校验人脸特征。
4.根据权利要求2所述的基于人工智能的人脸识别方法,其特征在于,所述目标人脸属性维度包括:目标表情维度;
所述从所述目标用户的人脸区域,提取所述目标人脸属性维度下的人脸特征作为再识别人脸特征,包括:
确定所述待识别人脸图像中所述目标用户的人脸区域;
从所述目标用户的人脸区域中,提取所述目标表情维度上所述目标用户的人脸的形变特征,基于所述形变特征得到所述目标用户的再识别人脸特征。
5.根据权利要求2所述的基于人工智能的人脸识别方法,其特征在于,所述目标人脸属性维度包括:目标动作维度;所述待识别人脸图像的数量为至少两张;
所述从所述目标用户的人脸区域,提取所述目标人脸属性维度下的人脸特征作为再识别人脸特征,包括:
确定每张所述待识别人脸图像中所述目标用户的人脸区域;
基于待识别人脸图像的拍摄顺序,从所述目标用户的人脸区域中,提取所述目标动作维度上所述目标用户的人脸的运动特征,基于所述运动特征得到所述目标用户的再识别人脸特征。
6.根据权利要求1-5任一项所述的基于人工智能的人脸识别方法,其特征在于,所述确定待识别人脸图像上的人脸区域前,还包括:
获取人脸图像序列,所述人脸图像序列包括至少两张人脸图像;
对各人脸图像在至少一个人脸图像质量维度上,进行人脸图像质量分析;
基于分析结果,从所述人脸图像序列中选择待识别人脸图像。
7.根据权利要求1-5任一项所述的基于人工智能的人脸识别方法,其特征在于,所述基于历史用户的人脸信息,对所述人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别,包括:
若同一待识别人脸图像上识别出的人脸区域有至少两个,对每个人脸区域进行人脸识别质量分析;
基于所述人脸识别质量分析的分析结果,从所述同一待识别人脸图像的人脸区域中选择一个人脸区域作为目标人脸区域;
基于历史用户的人脸信息,对所述目标人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别。
8.根据权利要求1-5任一项所述的基于人工智能的人脸识别方法,其特征在于,所述待识别人脸图像为业务处理终端采集的人脸图像,所述方法还包括:
若所述第一人脸识别失败,控制所述业务处理终端显示所述待识别人脸图像中识别出的人脸区域;
确定用户在显示的人脸区域中选择的人脸区域;
基于用户选择的人脸区域和所述历史用户的人脸信息,对所述用户选择的人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别。
9.根据权利要求1-5任一项所述的基于人工智能的人脸识别方法,其特征在于,还包括:
若所述再识别人脸特征与所述辅助校验人脸特征不匹配,获取当前用户的目标生物特征;
根据所述目标用户的身份标识信息,获取所述目标用户的辅助校验生物特征;
若是所述目标生物特征与所述辅助校验生物特征匹配,确定所述目标用户的最终人脸识别结果为识别通过。
10.根据权利要求1-5任一项所述的基于人工智能的人脸识别方法,其特征在于,所述确定待识别人脸图像上的人脸区域前,包括:
获取目标业务操作的业务执行请求,所述业务执行请求包括待识别人脸图像,和所述目标业务操作的业务描述信息;
所述确定所述目标用户的最终人脸识别结果为识别通过后,还包括:
基于所述目标用户的身份标识信息以及所述业务描述信息,获取执行所述目标业务操作所需的目标信息;
基于所述目标信息触发所述目标业务操作的执行。
11.一种基于人工智能的人脸识别设备,其特征在于,包括:
第一人脸识别单元,用于确定待识别人脸图像上的人脸区域,基于历史用户的人脸信息,对所述人脸区域中的人脸按照预设初级人脸识别方案进行第一人脸识别;
身份确定单元,用于若所述第一人脸识别成功,获取在所述第一人脸识别中识别成功的人脸所属的目标用户的身份标识信息;
校验特征获取单元,用于基于所述身份标识信息,获取所述目标用户的目标人脸属性维度和辅助校验人脸特征,其中,所述辅助校验人脸特征为所述目标用户在目标人脸属性维度上的人脸特征;
再识别特征获取单元,用于从所述目标用户的人脸区域,提取所述目标人脸属性维度下的人脸特征作为再识别人脸特征;
再识别单元,用于若所述再识别人脸特征与所述辅助校验人脸特征匹配,确定所述目标用户的最终人脸识别结果为识别通过。
12.一种电子设备,其特征在于,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权利要求1-10任一项方法的步骤。
13.一种存储介质,其特征在于,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权利要求1-10任一项方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110020489.9A CN114743229A (zh) | 2021-01-07 | 2021-01-07 | 一种基于人工智能的人脸识别方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110020489.9A CN114743229A (zh) | 2021-01-07 | 2021-01-07 | 一种基于人工智能的人脸识别方法、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114743229A true CN114743229A (zh) | 2022-07-12 |
Family
ID=82273814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110020489.9A Pending CN114743229A (zh) | 2021-01-07 | 2021-01-07 | 一种基于人工智能的人脸识别方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114743229A (zh) |
-
2021
- 2021-01-07 CN CN202110020489.9A patent/CN114743229A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830230B2 (en) | Living body detection method based on facial recognition, and electronic device and storage medium | |
CN109657554B (zh) | 一种基于微表情的图像识别方法、装置以及相关设备 | |
CN111444826B (zh) | 视频检测方法、装置、存储介质及计算机设备 | |
US11126827B2 (en) | Method and system for image identification | |
CN111738735B (zh) | 一种图像数据处理方法、装置和相关设备 | |
CN110741377A (zh) | 人脸图像处理方法、装置、存储介质及电子设备 | |
CN112381104A (zh) | 一种图像识别方法、装置、计算机设备及存储介质 | |
CN111768478B (zh) | 一种图像合成方法、装置、存储介质和电子设备 | |
CN112241667A (zh) | 图像检测方法、装置、设备及存储介质 | |
CN111667275A (zh) | 用户身份识别方法、装置、设备及其介质 | |
CN111914811A (zh) | 图像数据处理方法、装置、计算机设备以及存储介质 | |
US9501710B2 (en) | Systems, methods, and media for identifying object characteristics based on fixation points | |
CN114255494A (zh) | 图像处理方法、装置、设备及存储介质 | |
US20230082150A1 (en) | Information processing method and apparatus, computer device, and storage medium | |
CN114743229A (zh) | 一种基于人工智能的人脸识别方法、设备和存储介质 | |
CN112990047B (zh) | 一种结合面部角度信息的多姿态人脸验证方法 | |
CN113761281B (zh) | 虚拟资源处理方法、装置、介质及电子设备 | |
EP4113371A1 (en) | Image data processing method and apparatus, device, storage medium, and product | |
CN115222406A (zh) | 基于业务服务账号的资源发放方法以及相关设备 | |
Shyam et al. | Automatic face recognition in digital world | |
CN110163043B (zh) | 面部检测方法、装置、存储介质及电子装置 | |
Taskiran et al. | Hybrid face recognition under adverse conditions using appearance‐based and dynamic features of smile expression | |
CN112685588B (zh) | 资源推荐方法、装置、设备和存储介质 | |
CN116912639B (zh) | 图像生成模型的训练方法和装置、存储介质及电子设备 | |
CN115984976A (zh) | 活体检测方法、装置、电子设备和计算机可读存储介质 |
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 |