CN115063863A - 人脸识别方法、装置、计算机设备及存储介质 - Google Patents

人脸识别方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN115063863A
CN115063863A CN202210734756.3A CN202210734756A CN115063863A CN 115063863 A CN115063863 A CN 115063863A CN 202210734756 A CN202210734756 A CN 202210734756A CN 115063863 A CN115063863 A CN 115063863A
Authority
CN
China
Prior art keywords
face
image
registered
recognition
mask
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210734756.3A
Other languages
English (en)
Inventor
崔希鹏
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.)
Ping An Life Insurance Company of China Ltd
Original Assignee
Ping An Life Insurance Company of China 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 Ping An Life Insurance Company of China Ltd filed Critical Ping An Life Insurance Company of China Ltd
Priority to CN202210734756.3A priority Critical patent/CN115063863A/zh
Publication of CN115063863A publication Critical patent/CN115063863A/zh
Pending legal-status Critical Current

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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • 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
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及人脸识别领域，尤其涉及一种人脸识别方法、装置、计算机设备及存储介质。其方法包括：对人脸图像进行口罩识别，判断人脸图像中的人脸是否佩戴口罩；若人脸佩戴口罩，则对人脸图像进行剪裁处理，得到上半脸图像；基于上半脸图像，对人脸的下半脸进行人脸匹配，得到下半脸匹配图像；将上半脸图像和下半脸匹配图像进行人脸合成，得到人脸合成图像；对人脸合成图像进行人脸识别，得到人脸识别结果。本发明可在人脸被口罩遮挡的情况下，合成完整的人脸图像，并基于合成的人脸图像进行人脸识别，使识别对象的特征更加完整，有利于识别，可提高人脸识别的准确率。

Description

人脸识别方法、装置、计算机设备及存储介质
技术领域
本发明涉及人脸识别领域，尤其涉及一种人脸识别方法、装置、计算机设备及存储介质。
背景技术
随着智能科技的快速发展，人脸识别作为身份验证的手段应用在各种各样的场景中。例如，人脸识别考勤、小区出入管理、车站人脸识别进站等应用场景。现有的人脸识别技术是基于无遮挡的人脸进行的识别，是依赖人脸全部人脸特征点的人脸识别，在常规的人脸识别应用场景中，现有的人脸识别技术的识别性能比较稳定。
然而，现有的人脸识别技术，在人脸佩戴口罩的应用场景中，由于人脸的下半部分被遮挡，可利用的人脸特征点明显减少，很容易出现误识别或无法识别的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种人脸识别方法、装置、计算机设备及存储介质，以解决现有的人脸识别技术在人脸佩戴口罩的应用场景中，很容易出现误识别或无法识别的问题。
一种人脸识别方法，包括：
对人脸图像进行口罩识别，判断所述人脸图像中的人脸是否佩戴口罩；
若所述人脸佩戴口罩，则对所述人脸图像进行剪裁处理，得到上半脸图像；
基于所述上半脸图像，对所述人脸的下半脸进行人脸匹配，得到下半脸匹配图像；
将所述上半脸图像和所述下半脸匹配图像进行人脸合成，得到人脸合成图像；
对所述人脸合成图像进行人脸识别，得到人脸识别结果。
一种人脸识别装置，包括：
口罩识别模块，用于对人脸图像进行口罩识别，判断所述人脸图像中的人脸是否佩戴口罩；
上半脸图像模块，用于若所述人脸佩戴口罩，则对所述人脸图像进行剪裁处理，得到上半脸图像；
下半脸匹配图像模块，用于基于所述上半脸图像，对所述人脸的下半脸进行人脸匹配，得到下半脸匹配图像；
人脸合成图像模块，用于将所述上半脸图像和所述下半脸匹配图像进行人脸合成，得到人脸合成图像；
人脸识别结果模块，用于对所述人脸合成图像进行人脸识别，得到人脸识别结果。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述人脸识别方法。
一个或多个存储有计算机可读指令的可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如上述人脸识别方法。
上述人脸识别方法、装置、计算机设备及存储介质，通过对人脸图像进行口罩识别，判断所述人脸图像中的人脸是否佩戴口罩；若所述人脸佩戴口罩，则对所述人脸图像进行剪裁处理，得到上半脸图像；基于所述上半脸图像，对所述人脸的下半脸进行人脸匹配，得到下半脸匹配图像；将所述上半脸图像和所述下半脸匹配图像进行人脸合成，得到人脸合成图像；对所述人脸合成图像进行人脸识别，得到人脸识别结果。本发明可在人脸被口罩遮挡的情况下，根据人脸的上半部分，预测出人脸的下半部分，进而，根据未被遮挡的上半部分和预测得到的下半部分合成完整的人脸图像，并基于合成的人脸图像进行人脸识别，使识别对象的特征更加完整，有利于识别，可提高人脸识别的准确率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中人脸识别方法的一应用环境示意图；
图2是本发明一实施例中人脸识别方法的一流程示意图；
图3是本发明一实施例中人脸识别装置的一结构示意图；
图4是本发明一实施例中计算机设备的一示意图。
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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人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。
本实施例提供的人脸识别方法，可应用在如图1的应用环境中，其中，客户端与服务端进行通信。其中，客户端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，提供一种人脸识别方法，以该方法应用在图1中的服务端为例进行说明，包括如下步骤：
S10、对人脸图像进行口罩识别，判断所述人脸图像中的人脸是否佩戴口罩。
可理解的，人脸图像通常从拍摄设备拍摄的视频或图像中获取，该人脸图像是指包含人脸的图片。一般的，通过口罩识别模型提取人脸图像的口罩特征，基于该口罩特征，判断人脸是否佩戴口罩。其中，口罩识别模型是基于深度神经网络算法的模型，用于识别该人脸是否佩戴口罩。例如，该口罩识别模型可以是基于YOLOv3(You Only Look Once，只看一次)算法的模型，该YOLOv3算法只需要一趟完整的过程就可完成目标的识别和位置定位。
S20、若所述人脸佩戴口罩，则对所述人脸图像进行剪裁处理，得到上半脸图像。
可理解的，人脸在佩戴口罩时，人脸的下半部分将被口罩遮挡，即人眼往下的人脸部分将被口罩遮挡。在确定人脸图像中的人脸佩戴口罩之后，对该人脸图像进行剪裁，将未被口罩遮挡的人脸的上半部分剪裁出来，即将人眼往上的人脸部分裁剪出来。具体的，通过人眼识别模型确定人脸图像中两个人眼的水平线。在确定水平线之后，将处于水平线下方，并与该水平线相隔预设距离且与该水平线平行的位置线作为分割线，根据该分割线，对人脸图像进行剪裁处理，将人脸图像剪裁为两部分，将处于分割线上方的人脸图像确定为上半脸图像，即将裁剪的人眼往上的人脸部分确定为上半脸图像。
S30、基于所述上半脸图像，对所述人脸的下半脸进行人脸匹配，得到下半脸匹配图像。
可理解的，对人脸的下半脸进行人脸匹配是指基于上半脸图像，通过人脸识别模型对下半脸进行匹配预测，得到下半脸匹配图像的过程。具体的，通过人脸识别模型提取该上半脸图像的上半脸特征，并将上半脸特征与注册特征库中的所有注册上半脸特征进行一一比对，得到比对结果。其中，注册特征库是预先设置的特征库，该注册特征库包含若干注册上半脸特征以及若干注册下半脸图像与注册上半脸特征的关联关系。根据比对结果和关联关系，得到与上半脸特征匹配的注册下半脸图像，并将与上半脸特征匹配的注册下半脸图像确定为下半脸匹配图像。其中，注册下半脸图像的数量为至少一个。
S40、将所述上半脸图像和所述下半脸匹配图像进行人脸合成，得到人脸合成图像。
可理解的，根据上述步骤，可得到至少一个下半脸匹配图像。在得到至少一个下半脸匹配图像之后，将每个下半脸匹配图像与上半脸图像进行人脸合成，得到至少一个人脸合成图像。
S50、对所述人脸合成图像进行人脸识别，得到人脸识别结果。
可理解的，在得到人脸合成图像之后，对人脸合成图像进行人脸识别。人脸识别是指通过人脸识别模型将人脸合成图像的全脸特征和注册特征库中的所有注册全脸特征进行对比识别的，得到人脸识别结果的过程。一般的，当人脸合成图像的数量为1时，通过人脸识别模型提取该人脸合成图像的全脸特征，将该全脸特征与所有注册全脸特征进行对比识别，得到人脸识别结果。其中，人脸识别模型用于对人脸合成图像进行识别，得到人脸识别结果。人脸识别结果包括人脸合成图像、识别得到的与人脸合成图像匹配的用户信息等信息。其中，用户信息可以为用户名字、性别、工号等个人信息。优选的，当人脸合成图像的数量大于或等于2时，通过人脸识别模型提取每个人脸合成图像的全脸特征，将每个全脸特征与所有注册全脸特征进行对比识别，得到人脸识别结果。具体的，得到人脸识别结果的过程包括：将每个全脸特征与所有注册全脸特征进行对比得到若干特征相似度值。其中，特征相似度值是指同一全脸特征与所有注册全脸特征进行对比，得到的若干相似度值中的最大值。进一步的，将若干特征相似度值中的最大值作为最大特征相似度值，根据该最大特征相似度值和与该最大特征相似度值对应的用户信息生成人脸识别结果。此时，人脸识别结果包括与最大特征相似度值对应的人脸合成图像、以及与该人脸合成图像匹配的用户信息等信息。其中，用户信息可以为用户名字、性别、工号等个人信息。
在步骤S10-S50中，对人脸图像进行口罩识别，判断所述人脸图像中的人脸是否佩戴口罩；若所述人脸佩戴口罩，则对所述人脸图像进行剪裁处理，得到上半脸图像；基于所述上半脸图像，对所述人脸的下半脸进行人脸匹配，得到下半脸匹配图像；将所述上半脸图像和所述下半脸匹配图像进行人脸合成，得到人脸合成图像；对所述人脸合成图像进行人脸识别，得到人脸识别结果。本发明可在人脸被口罩遮挡的情况下，根据人脸的上半部分，预测出人脸的下半部分，进而，根据未被遮挡的上半部分和预测得到的下半部分合成完整的人脸图像，并基于合成的人脸图像进行人脸识别，使识别对象的特征更加完整，有利于识别，可提高人脸识别的准确率。
请可选的，在步骤S20中，即所述对人脸图像进行口罩识别，判断所述人脸图像中的人脸是否佩戴口罩，包括：
S101、对所述人脸图像进行滤波处理，得到滤波人脸图像；
S102、通过口罩识别模型提取所述滤波人脸图像的口罩特征；
S103、基于所述口罩特征，判断所述人脸是否佩戴口罩。
可理解的，获取的人脸图像，由于受到光源、采集图像的设备等影响容易产生噪声。特别是当人脸佩戴口罩时，由于有些口罩容易反光将增大人脸图像的噪声。因此，此处对人脸图像进行滤波去噪，提高口罩的识别的准确性。其中，人脸图像的原图为RGB图，滤波处理是指将人脸图像的RGB图分离出三个通道，得到R通道图像、G通道图像和B通道图像，对每个通道的图像进行滤波，将滤波后的三个通道的图像合成滤波人脸图像的过程。优选的，对每个通道的图像进行滤波可通过低通滤波器对图像进行滤波，滤除噪声。口罩识别模型用于识别人脸图像是否佩戴口罩，该口罩识别模型可为运用YOLOv3(You Only Look Once，只看一次)算法的网络结构。口罩特征是指从人脸图像中获取的口罩的相关特征。
在步骤S101-S103中，、对所述人脸图像进行滤波处理，得到滤波人脸图像；通过口罩识别模型提取所述滤波人脸图像的口罩特征；基于所述口罩特征，判断所述人脸是否佩戴口罩。本发明对人脸图像进行滤波去噪，提高口罩识别的准确性。
可选的，在步骤S20中，即所述若所述人脸佩戴口罩，则对所述人脸图像进行剪裁处理，得到上半脸图像，包括：
S201、通过人眼识别模型确定所述人脸图像中人眼的水平线；
S202、将处于所述水平线下方，与所述水平线相隔预设距离且与所述水平线平行的位置线作为分割线；
S203、根据所述分割线，对所述人脸图像进行剪裁处理，将处于所述分割线上方的人脸图像确定为上半脸图像。
可理解的，人眼识别模型用于识别和定位人脸图像中的人眼，在此处，人眼是指人脸图像中的双眼。具体的，通过人眼识别模型定位人脸图像中人眼的位置，并将两个眼睛的中心点的连线确定为人眼的水平线。其中，眼睛的中心点可为眼球的中心点。其中，预设距离为预先设置的距离，该距离可根据实际需求设定。例如，该预设距离可设置为眼睛长度的五分之二。剪裁处理是指沿分割线将人脸图像分割成两部分。并将处于分割线上方的人脸图像确定为上半脸图像。
优选的，在通过人眼识别模型确定人脸图像中人眼的水平线时，若该水平线存在倾斜角度，则根据倾斜角度对该人脸图像进行校正，使该人脸图像中人眼的水平线为水平状态，提高剪裁的精确度，进而，提高上半人脸图像的完整性和可识别性。
在步骤S201-S203中，通过人眼识别模型确定所述人脸图像中人眼的水平线；将处于所述水平线下方，与所述水平线相隔预设距离且与所述水平线平行的位置线作为分割线；根据所述分割线，对所述人脸图像进行剪裁处理，将处于所述分割线上方的人脸图像确定为上半脸图像。本发明基于人眼的水平线对人脸图像进行剪裁，可确保上半脸图像包含人眼，可提高上半人脸图像的完整性和可识别性。
可选的，在步骤S30中，即所述基于所述上半脸图像，对所述人脸的下半脸进行人脸匹配，得到下半脸匹配图像，包括：
S301、通过人脸识别模型提取所述上半脸图像的上半脸特征；
S302、将所述上半脸特征与注册特征库中的所有注册上半脸特征进行比对，得到比对结果；所述注册特征库包含注册下半脸图像与所述注册上半脸特征的关联关系；
S303、根据所述比对结果和所述关联关系，得到与所述上半脸特征匹配的注册下半脸图像，并将该注册下半脸图像确定为所述下半脸匹配图像。
可理解的，上半脸特征是指上半脸图像的特征。一般的，上半脸特征包含人眼特征、额头特征和发际线特征等。在得到上半脸图像的上半脸特征之后，在注册特征库中查询与上半脸特征匹配的注册上半脸特征。具体的，将上半脸特征与注册特征库中的所有注册上半脸特征进行比对，得到比对结果。比对结果是指上半脸特征与注册特征库中的所有注册上半脸特征进行比对的结果。该比对结果至少包含一个与上半脸特征匹配的注册上半脸特征。优选的，在构建注册特征库时，将同一个用户的注册人脸图像、注册下半脸图像、注册全脸特征和注册上半脸特征进行关联。根据比对结果中包含的与上半脸特征匹配的注册上半脸特征以及该注册上半脸特征与注册下半脸图像的关联关系，可确定出与该上半脸特征对应的注册下半脸图像，并将该注册下半脸图像确定为下半脸匹配图像。
在步骤S301-S303中，通过人脸识别模型提取所述上半脸图像的上半脸特征；将所述上半脸特征与注册特征库中的所有注册上半脸特征进行比对，得到比对结果；所述注册特征库包含注册下半脸图像与所述注册上半脸特征的关联关系；根据所述比对结果和所述关联关系，得到与所述上半脸特征匹配的注册下半脸图像，并将该注册下半脸图像确定为所述下半脸匹配图像。本发明先基于上半脸图像匹配对应的注册上半脸特征，进而基于关联关系，将与注册上半脸图像对应的注册下半脸图像确定为下半脸匹配图像。由于关联关系是确定的，可提高下半脸匹配图像的准确性。
可选的，在步骤S302之前，在所述将所述上半脸特征与注册特征库中的所有注册上半脸特征进行比对之前，包括：
S3021、获取用户的注册人脸图像；
S3022、通过所述人脸识别模型提取所述注册人脸图像的注册全脸特征和注册上半脸特征；
S3023、对所述注册人脸图像进行人脸剪裁，得到注册下半脸图像；所述注册下半脸图像与所述注册上半脸特征存在关联关系；
S3024、根据所述注册全脸特征、所述注册上半脸特征、所述注册下半脸图像以及所述关联关系构建所述注册特征库。
可理解的，注册人脸图像是指用户在注册时提供的人脸图像，且该人脸图像为不戴口罩的正脸图像。注册全脸特征是指注册人脸图像中人脸的全部特征。注册上半脸特征是指注册人脸图像中人脸的上半部分特征。其中，上半部分特征可根据实际需求进行设置。例如，该上半部分特征可包含人眼特征、额头特征和发际线特征。人脸剪裁是指对注册人脸图像进行剪裁处理。具体的剪裁方式可参考上述人脸图像的剪裁方式，在此不做限定。在构建注册特征库时，将同一个用户的注册人脸图像、注册下半脸图像、注册全脸特征和注册上半脸特征进行关联。通过构建注册特征库，可提高下半脸匹配图像的准确性。
可选的，在步骤S10之前，所述对人脸图像进行口罩识别，判断人脸是否佩戴口罩之前，包括：
S104、通过人脸检测模型对初始人脸图像进行人脸检测，对检测到的人脸进行剪裁，生成所述人脸图像；
S105、判断所述人脸图像中的人脸是否为正脸，得到判断结果；
S106、若所述判断结果指示所述人脸不为正脸，则触发与该判断结果对应的预警措施。
可理解的，初始人脸图像是指摄像设备获取的原始的人脸图像。人脸检测模型用于检测该初始人脸图像是否包含人脸。若该初始人脸图像中包含人脸，则将该人脸从初始人脸图像中提取出来，生成人脸图像。其中，正脸是指人脸图像中的人脸的朝向为正前方。当检测到人脸图像中的人脸不为正脸时，对应的预警措施可为重新获取初始人脸图像，如此，可提高人脸识别的准确性。优选的，若该初始人脸图像中包含人脸，则定位该人脸的位置，并识别出该人脸的大小，并对该人脸进行标识，可使用户及时知道自己是否被识别到。标识方式可为根据人脸的大小在人脸的位置生成带颜色的标识框，具体的标识方式在此不做限定。
可选的，在步骤S50中，即所述对所述人脸合成图像进行人脸识别，得到人脸识别结果，包括：
S501、通过所述人脸识别模型提取所述人脸合成图像的全脸特征；
S502、将所述全脸特征与所述注册特征库中的所有所述注册全脸特征进行对比识别，得到人脸识别结果。
可理解的，全脸特征是指人脸合成图像中人脸的全部特征。通过人脸识别模型提取该人脸合成图像的全脸特征，将该全脸特征与所有注册全脸特征进行对比识别，得到人脸识别结果。其中，人脸识别模型用于对人脸合成图像进行识别，得到人脸识别结果。人脸识别结果包括人脸合成图像、识别得到的与人脸合成图像匹配的用户信息等信息。其中，用户信息可以为用户名字、性别、工号等个人信息。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种人脸识别装置，该人脸识别装置与上述实施例中人脸识别方法一一对应。如图3所示，该人脸识别装置包括口罩识别模块10、上半脸图像模块20、下半脸匹配图像模块30、人脸合成图像模块40和人脸识别结果模块50。各功能模块详细说明如下：
口罩识别模块10，用于对人脸图像进行口罩识别，判断所述人脸图像中的人脸是否佩戴口罩；
上半脸图像模块20，用于若所述人脸佩戴口罩，则对所述人脸图像进行剪裁处理，得到上半脸图像；
下半脸匹配图像模块30，用于基于所述上半脸图像，对所述人脸的下半脸进行人脸匹配，得到下半脸匹配图像；
人脸合成图像模块40，用于将所述上半脸图像和所述下半脸匹配图像进行人脸合成，得到人脸合成图像；
人脸识别结果模块50，用于对所述人脸合成图像进行人脸识别，得到人脸识别结果。
可选的，口罩识别模块10，包括：
滤波人脸图像单元，用于对所述人脸图像进行滤波处理，得到滤波人脸图像；
口罩特征单元，用于通过口罩识别模型提取所述滤波人脸图像的口罩特征；
口罩判断单元，用于基于所述口罩特征，判断所述人脸是否佩戴口罩。
可选的，上半脸图像模块20，包括：
水平线单元，用于通过人眼识别模型确定所述人脸图像中人眼的水平线；
分割线单元，用于将处于所述水平线下方，与所述水平线相隔预设距离且与所述水平线平行的位置线作为分割线；
上半脸图像单元，用于根据所述分割线，对所述人脸图像进行剪裁处理，将处于所述分割线上方的人脸图像确定为上半脸图像。
可选的，下半脸匹配图像模块30，包括：
上半脸特征单元，用于通过人脸识别模型提取所述上半脸图像的上半脸特征；
比对结果单元，用于将所述上半脸特征与注册特征库中的所有注册上半脸特征进行比对，得到比对结果；所述注册特征库包含注册下半脸图像与所述注册上半脸特征的关联关系；
注册下半脸图像单元，用于根据所述比对结果和所述关联关系，得到与所述上半脸特征匹配的注册下半脸图像，并将该注册下半脸图像确定为所述下半脸匹配图像。
可选的，在所述比对结果单元之前，包括：
注册人脸图像单元，用于获取用户的注册人脸图像；
注册特征提取单元，用于通过所述人脸识别模型提取所述注册人脸图像的注册全脸特征和注册上半脸特征；
注册下半脸图像单元，用于对所述注册人脸图像进行人脸剪裁，得到注册下半脸图像；所述注册下半脸图像与所述注册上半脸特征存在关联关系；
注册特征库构建单元，用于根据所述注册全脸特征、所述注册上半脸特征、所述注册下半脸图像以及所述关联关系构建所述注册特征库。
可选的，口罩识别模块10，包括：
人脸检测单元，用于通过人脸检测模型对初始人脸图像进行人脸检测，对检测到的人脸进行剪裁，生成所述人脸图像；
正脸判断单元，用于判断所述人脸图像中的人脸是否为正脸，得到判断结果；
预警措施单元，用于若所述判断结果指示所述人脸不为正脸，则触发与该判断结果对应的预警措施。
可选的，人脸识别结果模块50，包括：
全脸特征单元，用于通过所述人脸识别模型提取所述人脸合成图像的全脸特征；
人脸识别结果单元，用于将所述全脸特征与所述注册特征库中的所有所述注册全脸特征进行对比识别，得到人脸识别结果。
关于人脸识别装置的具体限定可以参见上文中对于人脸识别方法的限定，在此不再赘述。上述人脸识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括可读存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机可读指令。该内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机可读指令被处理器执行时以实现一种人脸识别方法。本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
在一个实施例中，提供了一种计算机设备，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可读指令，处理器执行计算机可读指令时实现以下步骤：
对人脸图像进行口罩识别，判断所述人脸图像中的人脸是否佩戴口罩；
若所述人脸佩戴口罩，则对所述人脸图像进行剪裁处理，得到上半脸图像；
基于所述上半脸图像，对所述人脸的下半脸进行人脸匹配，得到下半脸匹配图像；
将所述上半脸图像和所述下半脸匹配图像进行人脸合成，得到人脸合成图像；
对所述人脸合成图像进行人脸识别，得到人脸识别结果。
在一个实施例中，提供了一个或多个存储有计算机可读指令的计算机可读存储介质，本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。可读存储介质上存储有计算机可读指令，计算机可读指令被一个或多个处理器执行时实现以下步骤：
对人脸图像进行口罩识别，判断所述人脸图像中的人脸是否佩戴口罩；
若所述人脸佩戴口罩，则对所述人脸图像进行剪裁处理，得到上半脸图像；
基于所述上半脸图像，对所述人脸的下半脸进行人脸匹配，得到下半脸匹配图像；
将所述上半脸图像和所述下半脸匹配图像进行人脸合成，得到人脸合成图像；
对所述人脸合成图像进行人脸识别，得到人脸识别结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一非易失性可读取存储介质或易失性可读存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器 (ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM) 或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路 (Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM) 等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，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单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种人脸识别方法，其特征在于，包括：
对人脸图像进行口罩识别，判断所述人脸图像中的人脸是否佩戴口罩；
若所述人脸佩戴口罩，则对所述人脸图像进行剪裁处理，得到上半脸图像；
基于所述上半脸图像，对所述人脸的下半脸进行人脸匹配，得到下半脸匹配图像；
将所述上半脸图像和所述下半脸匹配图像进行人脸合成，得到人脸合成图像；
对所述人脸合成图像进行人脸识别，得到人脸识别结果。
2.如权利要求1所述的人脸识别方法，其特征在于，对人脸图像进行口罩识别，判断所述人脸图像中的人脸是否佩戴口罩，包括：
对所述人脸图像进行滤波处理，得到滤波人脸图像；
通过口罩识别模型提取所述滤波人脸图像的口罩特征；
基于所述口罩特征，判断所述人脸是否佩戴口罩。
3.如权利要求1所述的人脸识别方法，其特征在于，所述若所述人脸佩戴口罩，则对所述人脸图像进行剪裁处理，得到上半脸图像，包括：
通过人眼识别模型确定所述人脸图像中人眼的水平线；
将处于所述水平线下方，与所述水平线相隔预设距离且与所述水平线平行的位置线作为分割线；
根据所述分割线，对所述人脸图像进行剪裁处理，将处于所述分割线上方的人脸图像确定为上半脸图像。
4.如权利要求1所述的人脸识别方法，其特征在于，所述基于所述上半脸图像，对所述人脸的下半脸进行人脸匹配，得到下半脸匹配图像，包括：
通过人脸识别模型提取所述上半脸图像的上半脸特征；
将所述上半脸特征与注册特征库中的所有注册上半脸特征进行比对，得到比对结果；所述注册特征库包含注册下半脸图像与所述注册上半脸特征的关联关系；
根据所述比对结果和所述关联关系，得到与所述上半脸特征匹配的注册下半脸图像，并将该注册下半脸图像确定为所述下半脸匹配图像。
5.如权利要求4所述的人脸识别方法，其特征在于，在所述将所述上半脸特征与注册特征库中的所有注册上半脸特征进行比对之前，包括：
获取用户的注册人脸图像；
通过所述人脸识别模型提取所述注册人脸图像的注册全脸特征和注册上半脸特征；
对所述注册人脸图像进行人脸剪裁，得到注册下半脸图像；所述注册下半脸图像与所述注册上半脸特征存在关联关系；
根据所述注册全脸特征、所述注册上半脸特征、所述注册下半脸图像以及所述关联关系构建所述注册特征库。
6.如权利要求1所述的人脸识别方法，其特征在于，所述对人脸图像进行口罩识别，判断人脸是否佩戴口罩之前，包括：
通过人脸检测模型对初始人脸图像进行人脸检测，对检测到的人脸进行剪裁，生成所述人脸图像；
判断所述人脸图像中的人脸是否为正脸，得到判断结果；
若所述判断结果指示所述人脸不为正脸，则触发与该判断结果对应的预警措施。
7.如权利要求4所述的人脸识别方法，其特征在于，所述对所述人脸合成图像进行人脸识别，得到人脸识别结果，包括：
通过所述人脸识别模型提取所述人脸合成图像的全脸特征；
将所述全脸特征与所述注册特征库中的所有所述注册全脸特征进行对比识别，得到人脸识别结果。
8.一种人脸识别装置，其特征在于，包括：
口罩识别模块，用于对人脸图像进行口罩识别，判断所述人脸图像中的人脸是否佩戴口罩；
上半脸图像模块，用于若所述人脸佩戴口罩，则对所述人脸图像进行剪裁处理，得到上半脸图像；
下半脸匹配图像模块，用于基于所述上半脸图像，对所述人脸的下半脸进行人脸匹配，得到下半脸匹配图像；
人脸合成图像模块，用于将所述上半脸图像和所述下半脸匹配图像进行人脸合成，得到人脸合成图像；
人脸识别结果模块，用于对所述人脸合成图像进行人脸识别，得到人脸识别结果。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述人脸识别方法。
10.一个或多个存储有计算机可读指令的可读存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1至7中任一项所述人脸识别方法。
CN202210734756.3A 2022-06-27 2022-06-27 人脸识别方法、装置、计算机设备及存储介质 Pending CN115063863A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210734756.3A CN115063863A (zh) 2022-06-27 2022-06-27 人脸识别方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210734756.3A CN115063863A (zh) 2022-06-27 2022-06-27 人脸识别方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN115063863A true CN115063863A (zh) 2022-09-16

Family

ID=83202499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210734756.3A Pending CN115063863A (zh) 2022-06-27 2022-06-27 人脸识别方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN115063863A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886167A (zh) * 2019-02-01 2019-06-14 中国科学院信息工程研究所 一种遮挡人脸识别方法及装置
WO2021174880A1 (zh) * 2020-09-01 2021-09-10 平安科技（深圳）有限公司 征提取模型训练方法、人脸识别方法、装置、设备及介质
CN114241542A (zh) * 2021-09-23 2022-03-25 广东科学技术职业学院 基于图像拼接的人脸识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886167A (zh) * 2019-02-01 2019-06-14 中国科学院信息工程研究所 一种遮挡人脸识别方法及装置
WO2021174880A1 (zh) * 2020-09-01 2021-09-10 平安科技（深圳）有限公司 征提取模型训练方法、人脸识别方法、装置、设备及介质
CN114241542A (zh) * 2021-09-23 2022-03-25 广东科学技术职业学院 基于图像拼接的人脸识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
胡国靖;娄震;: "一种基于遮挡区域补偿的眼镜去除方法", 计算机应用研究, no. 12, 30 July 2013 (2013-07-30), pages 3863 - 3865 *
陈鹏展: "个体行为的机器识别与决策协同", vol. 1, 31 July 2018, 知识产权出版社, pages: 217 *

Similar Documents

Publication Publication Date Title
CN111191567B (zh) 身份数据处理方法、装置、计算机设备和存储介质
CN109299658B (zh) 脸部检测方法、脸部图像渲染方法、装置及存储介质
CN108463823B (zh) 一种用户头发模型的重建方法、装置及终端
CN110991231B (zh) 活体检测方法、装置、服务器和人脸识别设备
CN110866466A (zh) 一种人脸识别方法、装置、存储介质和服务器
CN110111136B (zh) 视频数据处理方法、装置、计算机设备和存储介质
CN108932456A (zh) 人脸识别方法、装置和系统及存储介质
CN111191521B (zh) 人脸活体检测方法、装置、计算机设备及存储介质
CN112364827A (zh) 人脸识别方法、装置、计算机设备和存储介质
CN112418189B (zh) 戴口罩人脸识别方法、装置、设备以及存储介质
CN111126208A (zh) 行人归档方法、装置、计算机设备及存储介质
CN109831677B (zh) 视频脱敏方法、装置、计算机设备和存储介质
CN113435362A (zh) 异常行为检测方法、装置、计算机设备及存储介质
CN110619689A (zh) 智慧楼宇的自动签到打卡方法、计算机设备及存储介质
CN110619239A (zh) 应用界面处理方法、装置、存储介质及终端
CN111967311B (zh) 情绪识别方法、装置、计算机设备及存储介质
CN110738607A (zh) 基于人工智能拍摄驾驶证的方法、装置、设备及存储介质
CN109241852A (zh) 具有附加特征的人脸识别方法、装置、计算机设备
CN110956102A (zh) 银行柜台监控方法、装置、计算机设备和存储介质
CN109858355B (zh) 图像处理方法及相关产品
CN113469135A (zh) 对象身份信息的确定方法、装置、存储介质及电子装置
CN110163183B (zh) 目标检测算法的评估方法、装置、计算机设备和存储介质
CN109815359B (zh) 图像检索方法及相关产品
CN115063863A (zh) 人脸识别方法、装置、计算机设备及存储介质
CN115424001A (zh) 场景相似度估计方法、装置、计算机设备和存储介质

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