CN115050084B - 基于人脸特征摘要的机场快速身份检索方法、系统 - Google Patents

基于人脸特征摘要的机场快速身份检索方法、系统 Download PDF

Info

Publication number
CN115050084B
CN115050084B CN202210971495.7A CN202210971495A CN115050084B CN 115050084 B CN115050084 B CN 115050084B CN 202210971495 A CN202210971495 A CN 202210971495A CN 115050084 B CN115050084 B CN 115050084B
Authority
CN
China
Prior art keywords
data
feature
data set
face
abstract
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210971495.7A
Other languages
English (en)
Other versions
CN115050084A (zh
Inventor
王治宇
杨实
郝德月
黄智豪
王杰
吴林
孙鹏宇
徐波
苏剑飞
郭浩彬
胡婕
吴坤永
杨磊
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.)
Zhuhai Xiangyi Aviation Technology Co Ltd
Original Assignee
Zhuhai Xiangyi Aviation Technology Co 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 Zhuhai Xiangyi Aviation Technology Co Ltd filed Critical Zhuhai Xiangyi Aviation Technology Co Ltd
Priority to CN202210971495.7A priority Critical patent/CN115050084B/zh
Publication of CN115050084A publication Critical patent/CN115050084A/zh
Application granted granted Critical
Publication of CN115050084B publication Critical patent/CN115050084B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明属于人脸识别领域，具体涉及了一种基于人脸特征摘要的机场快速身份检索方法、系统，旨在解决人脸识别的效率和人脸图像泄露产生的信息安全风险的问题。本发明包括通过待匹配人脸图像摘要算法处理后的比对摘要数据集，基于预设的匹配度阈值A%计算每次匹配的数据条数从比对摘要数据集选出一组待匹配数据，逐次筛除人脸数据库中样本数据，直至比对摘要数据集中数据均完成匹配，并基于人脸数据库中保留样本数据的匹配条数计算匹配度，选取匹配度最高样本对应的用户信息输出。本发明极大减少匹配对计算资源的需求，提高检索匹配的效率，缩减了检索匹配的时间。

Description

基于人脸特征摘要的机场快速身份检索方法、系统
技术领域
本发明属于人脸识别领域，具体涉及了一种基于人脸特征摘要的机场快速身份检索方法、系统。
背景技术
人脸识别应用领域急速扩展，为人们生活工作提供了及极大的便利，但现存在两方面您的问题直接影响到人脸识别技术的应用和推广：
一是人脸识别效率在一些应用场景无法满足需求的问题，尤其是在车站、机场等一些人流较大的地方，速度一旦慢下来也就大大降低了人脸识别的实用性。
二是人脸数据的泄露带来的滥用风险。
在机场、商场等人流量巨大的场景中，如果能够快速确认目标人员的所在区域，并保障了个人信息不被泄漏，将会为公共区域的管理提供极大的便利。
发明内容
为了解决现有技术中的上述问题，即为了解决人脸识别的效率和人脸图像泄露产生的信息安全风险的问题，本发明提供了一种基于人脸特征摘要的机场快速身份检索方法，用于输入人脸特征与人脸数据库样本数据的匹配，该方法包括以下步骤：
步骤S100，对所采集的人脸图像按照预设特征类别进行特征提取，得到特征数据集合；
步骤S200，基于摘要算法对所述特征数据集合中特征数据进行处理得到比对摘要数据集；
步骤S300，基于预设的匹配度阈值A%，获取匹配用特征条数⌈(100-A)%*S⌉；将所述比对摘要数据集作为第一数据集，将人脸数据库作为第二数据集；
步骤S400，将所述第一数据集中⌈(100-A)%*S⌉条数据与所述第二数据集进行匹配，并从所述第二数据集中删除匹配度低于第一阈值的样本数据；
步骤S500，基于步骤S400的匹配结果，对所述第二数据集中保留的样本数据分别累加所匹配的条数；将已选择参与匹配的数据从所述第一数据集中删除，并执行步骤S400，直至所述第一数据集为空；
步骤S600，基于所述第一数据集中保留的样本数据累加得到的匹配的总条数，分别计算匹配度；
步骤S700，选取匹配度最大的一个作为匹配成功的样本数据，输出该样本数据对应的用户信息。
其中，
在步骤S400中若所述第一数据集中数据条数小于⌈(100-A)%*S⌉，则将所述第一数据集中剩余数据与所述第二数据集进行匹配；
所述预设特征类别与所述人脸数据库样本数据中所存储的人脸特征类别一致；
所述人脸数据库样本数据包括人脸特征摘要数据；所述人脸特征摘要数据为基于人脸样本图像获取所述预设特征类别的人脸特征，并通过摘要算法处理后得到的样本摘要数据。
在一些优选实施例中，通过摘要算法获取摘要数据的方法为：
将基于所述预设特征类别获取的人脸特征数据，按照预设的分级原则获取对应的分级信息；
将获得的分级信息通过摘要算法处理得到特征信息摘要数据；
根据预设人脸特征类别编码表，获取对应人脸特征数据的特征类别编码；
将所述特征类别编码与所述特征信息摘要数据串接得到对应人脸特征数据的摘要数据。
在一些优选实施例中，所述预设特征类别为预设的多对人脸图像特征点的距离。
在一些优选实施例中，所述预设特征类别为，基于人脸图像特征点进行构建的多个人脸特征点的组合对应的连线长度或围取的面积。
在一些优选实施例中，所述摘要算法为SHA-1、SHA256或MD5。
本发明的第二方面，提出了一种基于人脸特征摘要的机场快速身份检索系统，用于输入人脸特征与人脸数据库样本数据的匹配，包括第一单元、第二单元、第三单元、第四单元、第五单元、第六单元、第七单元；
所述第一单元，配置为对所采集的人脸图像按照预设特征类别进行特征提取，得到特征数据集合；
所述第二单元，配置为基于摘要算法对所述特征数据集合中特征数据进行处理得到比对摘要数据集；
所述第三单元，配置为基于预设的匹配度阈值A%，获取匹配用特征条数⌈(100-A)%*S⌉；将所述比对摘要数据集作为第一数据集，将人脸数据库作为第二数据集；
所述第四单元，配置为将所述第一数据集中⌈(100-A)%*S⌉条数据与所述第二数据集进行匹配，并从所述第二数据集中删除匹配度低于第一阈值的样本数据；
所述第五单元，配置为基于所述第四单元的匹配结果，对所述第二数据集中保留的样本数据分别累加所匹配的条数；将已选择参与匹配的数据从所述第一数据集中删除，并跳转第四单元，直至所述第一数据集为空；
所述第六单元，配置为基于所述第一数据集中保留的样本数据累加得到的匹配的总条数，分别计算匹配度；
所述第七单元，配置为选取匹配度最大的一个作为匹配成功的样本数据，输出该样本数据对应的用户信息。
其中，
在第四单元中若所述第一数据集中数据条数小于⌈(100-A)%*S⌉，则将所述第一数据集中剩余数据与所述第二数据集进行匹配；
所述预设特征类别与所述人脸数据库样本数据中所存储的人脸特征类别一致；
所述人脸数据库样本数据包括人脸特征摘要数据；所述人脸特征摘要数据为基于人脸样本图像获取所述预设特征类别的人脸特征，并通过摘要算法处理后得到的样本摘要数据。
本发明的第三方面，提出了一种设备，包括：
至少一个处理器；以及
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述基于人脸特征摘要的机场快速身份检索方法。
本发明的第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现上述基于人脸特征摘要的机场快速身份检索方法。
本发明的有益效果：
（1）本发明通过摘要算法获取人脸特征对应的摘要数据存储于人脸数据库中，不去存储人脸图片信息，基于摘要数据的不可反推性，即使数据泄露，第三方也无法读取摘要数据所代表的人脸特征信息，从而保证了用户人脸数据的安全。同时，采用摘要数据匹配的方法，极大减少匹配对计算资源的需求，提高检索匹配的效率。
（2）本发明通过数据分组对比的方法，进行人脸数据库中数据的逐层筛除，减少了整体的匹配次数，提高了检索匹配的效率，缩减了检索匹配的时间。
（3）在人流量较大的情况下，可通过本发明的方法明确每个目标处于机场位置、或是出现需要提醒的情况可及时找到目标，或登机前课在用户等级前调取对应的用户信息，仔细信息核对时节省了信息、票务核验的时间。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本发明一种实施例的基于人脸特征摘要的机场快速身份检索方法流程示意图；
图2是本发明一种实施例中标准化调整依据特征信息示例图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了更清晰地对本发明基于人脸特征摘要的机场快速身份检索方法进行说明，下面结合附图1、附图2对本发明实施例中各步骤展开详述。
本发明第一实施例的基于人脸特征摘要的机场快速身份检索方法，用于输入人脸特征与人脸数据库样本数据的匹配，所述人脸数据库每条样本数据可以包括用户信息、权限信息、人脸特征摘要数据：所述人脸特征摘要数据为多个设定人脸特征通过摘要算法处理后得到的样本摘要数据。
本发明实施例中所采用的摘要算法为SHA-1、SHA256、MD5中的一种，当然，还可以为其他类似的算法。
本发明通过人脸特征摘要数据代替现有技术人脸数据库中的人脸图片，利用摘要算法的计算不可逆的特性，因此不可能根据算出来的摘要反推原有特征数据，可以保护数据及隐私，即使获得了人脸的摘要数据，也无法反推得到人脸的特征数据。
另外，因为摘要算法算出数据量较小，例如SHA1的结果是160 bit字节，通常用一个40位的16进制字符串表示。所述终端可以只将所述摘要数据上传到云端或者上位机，可以减少数据上传量，能够缩短比对时间，减少延迟，提高传输准确率。并且，相比于传统的人脸识别方法，摘要算法中更改一个特征数据，得到的摘要数据完全不同，因此识别结果更为精确。
本实施例中所采用的人脸特征，可以为：基于所提取的人脸特征点，根据预先设定的特征点对获取的距离信息，或者以设定特征点对的距离为基数的比值数据，或者其他可量化描述特征信息。例如眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、五官之间的距离和两眼之间的距离等。
本实施例中所采集的人脸图像，有可能无法与原始图片一致，可能存在偏转、大小等不一致的问题，所以直接拿上述数据进行对比是完全行不通的，因此需要在获取人脸数据库的人脸特征摘要数据时，同时保留标准化调整依据特征信息（该信息包括），以基于此信息对所采集的人脸图像进行标准化调整，从而对于同一用户获取相同的人脸特征信息。如图2所示，在所识别的66个人脸特征点中，标准化调整依据特征信息可以包括中心特征点（可以为鼻尖34）、外围轮廓特点（可以为左眼的左眼角46、右眼的右眼角37、左嘴角55、右嘴角49）、中心特征点到每个外围轮廓特征点的距离（图中实现）、相邻两个外围轮廓特征点的距离（图中虚线）。
本发明一种实施例的基于人脸特征摘要的机场快速身份检索方法，包括以下步骤：
步骤S100，对所采集的人脸图像按照预设特征类别进行特征提取，得到特征数据集合。
所述预设特征类别与所述人脸数据库样本数据中所存储的人脸特征类别一致；所述人脸特征摘要数据为基于人脸样本图像获取所述预设特征类别的人脸特征，并通过摘要算法处理后得到的样本摘要数据。
特征提取的过程可以为现有技术，这里不再赘述。所述特征数据可以包括眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、五官之间的距离和两眼之间的距离等特征值。可以理解，进行人脸特征提取的时候需要进行标准化处理，由于没有在先对照样本，可以基于上述的保留标准化调整依据特征信息进行图像的标准化处理，还可以基于所识别的特征点进行其外接最小矩形或圆的获取，并进行统一尺寸的放大或缩小，进而获得标准化处理后的特征数据。或者，不直接采用参数，而采用参数之间的比值作为摘要数据生成的依据，当然，还可以采用现有的特征提取方法提取特征数据。在机场中，需要找到一个人时，可在其进入场所时录入最新的人脸数据，并将其对应的人脸数据进行特征提取，获得特征数据集合。
步骤S200，基于摘要算法对所述特征数据集合中特征数据进行处理得到比对摘要数据集。
此处特征数据集合中特征数据可以包括设定的两个特征点的距离，或者根据特征点得到的某个脸部器官的轮廓周长、或者面积，当然还可以为其他特征数据，均为预设类别特征数据。
步骤S300，基于预设的匹配度阈值A%，获取匹配用特征条数⌈(100-A)%*S⌉；将所述比对摘要数据集作为第一数据集，将人脸数据库作为第二数据集。当需要寻找一个目标所处的位置时，将人脸数据库设置为在预设时间段内，机场所有摄像头获取的图像数据，并对每张图像数据标记摄像头标号。将最后选中的匹配成功的样本数据，输出其对应的摄像头标号，即可获得其所在区域。
在本实施例中，在对特定目标进行找寻时，还包括通过显性特征进行特征数据集快速排除的步骤，具体为：
预先下载或在人员进入场所时，获取待识别目标的显性特征，并与其身份进行关联；所述显性特征包括性别、人种、肤色、衣物颜色、长短发等，若显性特征无法明确区分则标记为不明；
根据所述显性特征，选取预先设定的排斥特征；所述排斥特征为：若显性特征为男性则排斥特征为男性，若显性特征为黄色人种则排斥特征为其他颜色的人种，若显性特征为长发则排斥特征为短发；
将具备待识别目标的排斥特征的人脸图像从第二数据集中删除，降低数据检索时需要进行特征提取的数据量。因为本步骤的应用场景是用于机场快速身份检索和寻找目标人物以便进行通知、引导的，默认用户不会进行变装等刻意改变显性特征的行为，因此通过设置排斥特征对数据进行快速的筛选，能够提高目标查找的速度，进而实现如当需要用户登机时，对其所在区域进行定向广播或指引以及避免走错路线等。且本申请本身就通过摘要算法对匹配度较低的数据从第二数据集中进行删除，具备排斥特征的图像显然属于更易获得计算速度更快且保证其相似度一定会低，通过将排斥特征的技术手段结合摘要算法，进一步降低了计算成本，提高了识别检索的速度。
匹配用特征条数⌈(100-A)%*S⌉表示(100-A)%*S的上取整的数值。匹配度阈值A%为预选预先设定，本实施例可以取值为90%。
步骤S400，将所述第一数据集中⌈(100-A)%*S⌉条数据与所述第二数据集进行匹配，并从所述第二数据集中删除匹配度低于第一阈值的样本数据。
步骤S500，基于步骤S400的匹配结果，对所述第二数据集中保留的样本数据分别累加所匹配的条数；将已选择参与匹配的数据从所述第一数据集中删除，并执行步骤S400，直至所述第一数据集为空。
通过步骤S400和S500，每次都通过相对较少的计算量进行逐轮的排除，以快速进行高匹配度数据的收敛。
步骤S600，基于所述第一数据集中保留的样本数据累加得到的匹配的总条数，分别计算匹配度。
通过步骤S400、S500，比对摘要数据集每一条数据均与最后保留的第二数据集中每个样本的每一条数据完成了匹配，将所匹配的条数与对应样本数据的总条数相除，即可得到比对摘要数据集与对应样本数据的匹配度。通过累加的方式避免了再与收敛的样本集合进行二次匹配的操作，进一步提高了匹配效率。
当然，不通过步骤S500的匹配条数分次累加的方法，仅仅通步骤S400、S500进行快速的人脸数据库中待匹配样本的收敛，然后再与比对摘要数据集进行二次匹配，得到匹配度也是可以的。
步骤S700，选取匹配度最大的一个作为匹配成功的样本数据，输出该样本数据对应的用户信息。
从最后的第二数据集所保留的样本数据中，根据匹配度，选出匹配度最大的一个作为匹配结果，即可以快速根据其对应的用户信息，得到识别结果。
本实施例中，通过摘要算法获取摘要数据的方法为：将基于设定人脸特征获取的人脸特征数据，按照预设的分级原则获取对应的分级信息；将获得的分级信息通过摘要算法处理得到特征信息摘要数据；根据预设人脸特征类别编码表，获取对应人脸特征数据的特征类别编码；将所述特征类别编码与所述特征信息摘要数据串接得到对应人脸特征数据的摘要数据。
该方法应用于人脸特征摘要数据的获取、比对摘要数据集的获取。
由于要对特征子数据进行摘要算法处理，所述数据的测量精度不是越精确越好，而是根据当前图像识别技术进行精度级别的选定，例如微米、毫米等，从而消除测量误差，保证对于同一人多个脸部图像所提取的对应的特征子数据是相同的。
还可以采用分级的方式，设置级别单位，根据实际测量值除与对应的级别单位后取整得到对应的分级，长度、面积等特征均可以采用该种方式，以长度单位为例，以每0.1毫米为一个级别，则眼角距23.15毫米除与0.1为231.5，取整后得到对应的长度等级为231级。当然还可以采用其他级别单位，例如0.2毫米、0.5毫米、2毫米等。
特征子数据还可以为两个或多个人脸特征的组合数据，例如虹膜轮廓+瞳距，虹膜轮廓+瞳距+两个瞳孔中心点到对应侧嘴角的距离等。
本实施例中，所述预设特征类别为预设的多对人脸图像特征点的距离，还可以为基于人脸图像特征点进行构建的多个人脸特征点的组合对应的连线长度或围取的面积。
在进行目标找寻任务时，还可根据用户进入场所时录入的信息与所述人脸数据库的信息进行如步骤S100-步骤S700的方法进行用户信息的提取，当获得更为全面的用户信息后可进一步对场所内的所有人员的人脸图像进行匹配，进一步提高人员找寻的准确度。
本发明第二实施例的基于人脸特征摘要的机场快速身份检索系统，包括第一单元、第二单元、第三单元、第四单元、第五单元、第六单元、第七单元；
所述第一单元，配置为对所采集的人脸图像按照预设特征类别进行特征提取，得到特征数据集合；
所述第二单元，配置为基于摘要算法对所述特征数据集合中特征数据进行处理得到比对摘要数据集；
所述第三单元，配置为基于预设的匹配度阈值A%，获取匹配用特征条数⌈(100-A)*S⌉；将所述比对摘要数据集作为第一数据集，将人脸数据库作为第二数据集；
所述第四单元，配置为将所述第一数据集中⌈(100-A)*S⌉条数据与所述第二数据集进行匹配，并从所述第二数据集中删除匹配度低于第一阈值的样本数据；
所述第五单元，配置为基于所述第四单元的匹配结果，对所述第二数据集中保留的样本数据分别累加所匹配的条数；将已选择参与匹配的数据从所述第一数据集中删除，并跳转第四单元，直至所述第一数据集为空；
所述第六单元，配置为基于所述第一数据集中保留的样本数据累加得到的匹配的总条数，分别计算匹配度；
所述第七单元，配置为选取匹配度最大的一个作为匹配成功的样本数据，输出该样本数据对应的用户信息。
其中，
在第四单元中若所述第一数据集中数据条数小于⌈(100-A)*S⌉，则将所述第一数据集中剩余数据与所述第二数据集进行匹配；
所述预设特征类别与所述人脸数据库样本数据中所存储的人脸特征类别一致；
所述人脸数据库样本数据包括人脸特征摘要数据；所述人脸特征摘要数据为基于人脸样本图像获取所述预设特征类别的人脸特征，并通过摘要算法处理后得到的样本摘要数据。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
需要说明的是，上述实施例提供的基于人脸特征摘要的机场快速身份检索系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。
本发明第三实施例的一种设备，包括：
至少一个处理器；以及
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述基于人脸特征摘要的机场快速身份检索方法。
本发明第四实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现上述基于人脸特征摘要的机场快速身份检索方法。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
术语“第一”、 “第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (7)

1.一种基于人脸特征摘要的机场快速身份检索方法，用于输入人脸特征与人脸数据库样本数据的匹配，其特征在于，该方法包括以下步骤：
步骤S100，对所采集的人脸图像按照预设特征类别进行特征提取，得到特征数据集合；
步骤S200，基于摘要算法对所述特征数据集合中特征数据进行处理得到S条比对摘要数据，构建比对摘要数据集；
步骤S300，基于预设的匹配度阈值A%，获取匹配用特征条数⌈(100-A)%*S⌉；将所述比对摘要数据集作为第一数据集，将人脸数据库作为第二数据集；
在对特定目标进行找寻时，还包括通过显性特征进行特征数据集快速排除的步骤：预先下载或在人员进入场所时，获取待识别目标的显性特征，并与其身份进行关联；所述显性特征包括性别、人种、肤色、衣物颜色和长短发，若显性特征无法明确区分则标记为不明；
根据所述显性特征，选取预先设定的排斥特征；所述排斥特征为：若显性特征为男性则排斥特征为男性，若显性特征为黄色人种则排斥特征为其他颜色的人种，若显性特征为长发则排斥特征为短发；
将具备待识别目标的排斥特征的人脸图像从第一数据集中删除，降低数据检索时需要进行特征提取的数据量；
步骤S400，将所述第一数据集中⌈(100-A)%*S⌉条数据与所述第二数据集进行匹配，并从所述第二数据集中删除匹配度低于第一阈值的样本数据；
在步骤S400中，若所述第一数据集中数据条数小于⌈(100-A)%*S⌉，则将所述第一数据集中剩余数据与所述第二数据集进行匹配；
所述预设特征类别与所述人脸数据库样本数据中所存储的人脸特征类别一致；
所述人脸数据库样本数据包括人脸特征摘要数据；所述人脸特征摘要数据为基于人脸样本图像获取所述预设特征类别的人脸特征，并通过摘要算法处理后得到的样本摘要数据；
步骤S500，基于步骤S400的匹配结果，对所述第二数据集中保留的样本数据分别累加所匹配的条数；将已选择参与匹配的数据从所述第一数据集中删除，并执行步骤S400，直至所述第一数据集为空；
步骤S600，基于所述第二数据集中保留的样本数据累加得到的匹配的总条数，分别计算匹配度；
步骤S700，选取匹配度最大的一个作为匹配成功的样本数据，输出该样本数据对应的用户信息。
2.根据权利要求1所述的基于人脸特征摘要的机场快速身份检索方法，其特征在于，通过摘要算法获取摘要数据的方法为：
将基于所述预设特征类别获取的人脸特征数据，按照预设的分级原则获取对应的分级信息；
将获得的分级信息通过摘要算法处理得到特征信息摘要数据；
根据预设人脸特征类别编码表，获取对应人脸特征数据的特征类别编码；
将所述特征类别编码与所述特征信息摘要数据串接得到对应人脸特征数据的摘要数据。
3.根据权利要求1所述的基于人脸特征摘要的机场快速身份检索方法，其特征在于，所述预设特征类别为预设的多对人脸图像特征点的距离。
4.根据权利要求1所述的基于人脸特征摘要的机场快速身份检索方法，其特征在于，所述预设特征类别为，基于人脸图像特征点进行构建的多个人脸特征点的组合对应的连线长度或围取的面积。
5.根据权利要求1所述的基于人脸特征摘要的机场快速身份检索方法，其特征在于，所述摘要算法为SHA-1、SHA256或MD5。
6.一种基于人脸特征摘要的机场快速身份检索系统，用于输入人脸特征与人脸数据库样本数据的匹配，其特征在于，包括第一单元、第二单元、第三单元、第四单元、第五单元、第六单元、第七单元；
所述第一单元，配置为对所采集的人脸图像按照预设特征类别进行特征提取，得到特征数据集合；
所述第二单元，配置为基于摘要算法对所述特征数据集合中特征数据进行处理得到S条比对摘要数据，构建比对摘要数据集；
所述第三单元，配置为基于预设的匹配度阈值A%，获取匹配用特征条数⌈(100-A)%*S⌉；将所述比对摘要数据集作为第一数据集，将人脸数据库作为第二数据集；
在对特定目标进行找寻时，还包括通过显性特征进行特征数据集快速排除的步骤：预先下载或在人员进入场所时，获取待识别目标的显性特征，并与其身份进行关联；所述显性特征包括性别、人种、肤色、衣物颜色和长短发，若显性特征无法明确区分则标记为不明；
根据所述显性特征，选取预先设定的排斥特征；所述排斥特征为：若显性特征为男性则排斥特征为男性，若显性特征为黄色人种则排斥特征为其他颜色的人种，若显性特征为长发则排斥特征为短发；
将具备待识别目标的排斥特征的人脸图像从第二数据集中删除，降低数据检索时需要进行特征提取的数据量；
所述第四单元，配置为将所述第一数据集中⌈(100-A)%*S⌉条数据与所述第二数据集进行匹配，并从所述第二数据集中删除匹配度低于第一阈值的样本数据；在第四单元中，若所述第一数据集中数据条数小于⌈(100-A)%*S⌉，则将所述第一数据集中剩余数据与所述第二数据集进行匹配；
所述预设特征类别与所述人脸数据库样本数据中所存储的人脸特征类别一致；
所述人脸数据库样本数据包括人脸特征摘要数据；所述人脸特征摘要数据为基于人脸样本图像获取所述预设特征类别的人脸特征，并通过摘要算法处理后得到的样本摘要数据；
所述第五单元，配置为基于所述第四单元的匹配结果，对所述第二数据集中保留的样本数据分别累加所匹配的条数；将已选择参与匹配的数据从所述第一数据集中删除，并跳转第四单元，直至所述第一数据集为空；
所述第六单元，配置为基于所述第二数据集中保留的样本数据累加得到的匹配的总条数，分别计算匹配度；
所述第七单元，配置为选取匹配度最大的一个作为匹配成功的样本数据，输出该样本数据对应的用户信息；
其中，
在第四单元中若所述第一数据集中数据条数小于⌈(100-A)%*S⌉，则将所述第一数据集中剩余数据与所述第二数据集进行匹配；
所述预设特征类别与所述人脸数据库样本数据中所存储的人脸特征类别一致；
所述人脸数据库样本数据包括人脸特征摘要数据；所述人脸特征摘要数据为基于人脸样本图像获取所述预设特征类别的人脸特征，并通过摘要算法处理后得到的样本摘要数据。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于被所述计算机执行以实现权利要求1-5任一项所述的基于人脸特征摘要的机场快速身份检索方法。
CN202210971495.7A 2022-08-15 2022-08-15 基于人脸特征摘要的机场快速身份检索方法、系统 Active CN115050084B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210971495.7A CN115050084B (zh) 2022-08-15 2022-08-15 基于人脸特征摘要的机场快速身份检索方法、系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210971495.7A CN115050084B (zh) 2022-08-15 2022-08-15 基于人脸特征摘要的机场快速身份检索方法、系统

Publications (2)

Publication Number Publication Date
CN115050084A CN115050084A (zh) 2022-09-13
CN115050084B true CN115050084B (zh) 2022-11-15

Family

ID=83168154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210971495.7A Active CN115050084B (zh) 2022-08-15 2022-08-15 基于人脸特征摘要的机场快速身份检索方法、系统

Country Status (1)

Country Link
CN (1) CN115050084B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110287670A (zh) * 2019-06-26 2019-09-27 北京芯安微电子技术有限公司 一种生物特征信息和身份信息关联方法、系统及设备
CN113746805A (zh) * 2021-08-05 2021-12-03 广州裕睿信息科技有限公司 一种用户身份识别方法、系统、计算机设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114707133A (zh) * 2022-05-21 2022-07-05 深圳市思迅网络科技有限公司 一种基于SaaS的智慧门店身份认证方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110287670A (zh) * 2019-06-26 2019-09-27 北京芯安微电子技术有限公司 一种生物特征信息和身份信息关联方法、系统及设备
CN113746805A (zh) * 2021-08-05 2021-12-03 广州裕睿信息科技有限公司 一种用户身份识别方法、系统、计算机设备及存储介质

Also Published As

Publication number Publication date
CN115050084A (zh) 2022-09-13

Similar Documents

Publication Publication Date Title
CN109766872B (zh) 图像识别方法和装置
CN109002988B (zh) 风险旅客流量预测方法、装置、计算机设备和存储介质
US10318840B2 (en) Generating a group photo collection
CN109829071B (zh) 人脸图像搜索方法、服务器、计算机设备及存储介质
CN108733819A (zh) 一种人员档案建立方法和装置
US20130329059A1 (en) Person detection system
CN101300588A (zh) 确定收集中的特定人的方法
CN109829418B (zh) 一种基于背影特征的打卡方法、装置和系统
CN108563651B (zh) 一种多视频的目标搜索方法、装置及设备
CN110941978B (zh) 一种未识别身份人员的人脸聚类方法、装置及存储介质
CN106295547A (zh) 一种图像比对方法及图像比对装置
CN112364827A (zh) 人脸识别方法、装置、计算机设备和存储介质
WO2020015139A1 (zh) 风险旅客方法、装置、计算机设备和存储介质
CN111177436A (zh) 一种人脸特征检索方法、装置及设备
CN114065340A (zh) 基于机器学习的施工场地安全监测方法及系统、存储介质
CN115050084B (zh) 基于人脸特征摘要的机场快速身份检索方法、系统
CN109448193A (zh) 身份信息识别方法及装置
CN112434049A (zh) 表格数据存储方法、装置、存储介质及电子装置
CN113160956A (zh) 一种基于多身份数据融合的患者管理方法和系统
US10460155B2 (en) Facial identification techniques
CN115050131B (zh) 基于人脸特征摘要和云映射的机场权限设置方法、系统
CN114627533A (zh) 人脸识别方法、装置、设备和计算机可读存储介质
CN110471926B (zh) 一种档案建立方法及装置
CN111666786B (zh) 图像处理方法、装置、电子设备及存储介质
CN115063873B (zh) 基于静态和动态人脸检测的飞行数据获取方法、设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant