CN115240262A - 基于端侧协同人脸识别方法、系统、计算机设备及介质 - Google Patents
基于端侧协同人脸识别方法、系统、计算机设备及介质 Download PDFInfo
- Publication number
- CN115240262A CN115240262A CN202210923398.0A CN202210923398A CN115240262A CN 115240262 A CN115240262 A CN 115240262A CN 202210923398 A CN202210923398 A CN 202210923398A CN 115240262 A CN115240262 A CN 115240262A
- Authority
- CN
- China
- Prior art keywords
- face
- terminal
- registered
- features
- comparison
- 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
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于端侧协同人脸识别方法、系统、计算机设备及存储介质,其方法实现,包括:通过第一终端设备对待识别用户进行人脸识别;当第一终端人脸识别失败时,通过第一终端向调度模块发送待识别用户的人脸图像数据,人脸图像数据包括人脸特征;将人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码;确定已注册人脸特征编码所属的第二终端,将人脸图像数据发送至第二终端和/或服务端中,进行特征比对;接收第二终端和/或服务端发送的比对结果,并发送给第一终端,以使述第一终端根据所述比对结果输出最终人脸识别结果。可支持大容量的人脸识别,有效解决了单独终端算力不足和运行内存不足的问题。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种基于端侧协同人脸识别方法、系统、计算机设备及存储介质。
背景技术
人脸识别作为一种非接触性的生物识别技术,是生物特征识别领域中最常用的一种模态,具有可视化、便捷性、符合人的思维习惯的特点,近年来在公共安全领域得到了广泛的应用。
现有的人脸识别系统都采用单机部署模式,基于单机设备的算力和运行内存不足的问题导致无法部署大容量的人脸识别算法,且由于单机设备无法存储更多的注册人脸数据,进而无法去识别更多的人脸。而随着人脸识别的普及以及迅速发展,如何对越来越多的人脸数据进行快速识别,成为当前亟待解决的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种基于端侧协同人脸识别方法、系统、计算机设备及存储介质,以解决现有技术中,由于单机设备的算力和运行内存不足的问题,导致无法部署大容量的人脸识别算法,且无法存储更多的注册人脸数据,进而无法去识别更多的人脸的问题。
第一方面,提供了一种基于端侧协同人脸识别方法,包括:
通过第一终端设备对待识别用户进行人脸识别;
当第一终端人脸识别失败时,通过所述第一终端向调度模块发送所述待识别用户的人脸图像数据,所述人脸图像数据包括人脸特征;
将所述人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码;
确定所述已注册人脸特征编码所属的第二终端,将所述人脸图像数据发送至所述第二终端和/或服务端中,进行特征比对;
接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端,以使所述第一终端根据所述比对结果输出最终人脸识别结果。
在一实施例中,所述通过第一终端设备对待识别用户进行人脸识别之前,包括:
按照预设规则,向预先部署的多台终端分发不同的已注册人脸特征,以使所述终端通过所述已注册人脸特征进行人脸识别。
在一实施例中,所述将所述人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码,包括:
分别计算所述人脸特征与全部已注册人脸特征的综合匹配得分;
将所述综合匹配得分与预设分数阈值进行对比,以获取综合匹配得分大于所述预设分数阈值的已注册人脸特征;
在所述匹配得分大于所述预设分数阈值的已注册人脸特征中,按照所述综合匹配得分从高到低的顺序,获取N个已注册人脸特征编码。
在一实施例中,所述接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端,包括:
当接收到所述第二终端以及所述服务端发送的比对结果后,确定所述比对结果是否一致;
当比对结果不一致时,则重新将所述人脸特征与全部已注册人脸特征进行对比,以获取更新的已注册人脸特征编码;
根据所述更新的已注册人脸特征编码,确定第三终端,并将所述人脸特征数据以及所述已注册人脸特征编码发送给所述第三终端。
在一实施例中,所述第二终端包括多个,所述接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端之前,包括
当接收到多个所述第二终端发送的比对结果后,判断所述比对结果中是否存在比对成功结果;
当判断结果为是,则向所述第一终端发送比对成功结果以及对比成功的已注册人脸特征编码;
当判断结果为否,则向所述第一终端发送比对失败结果。
在一实施例中,所述通过第一终端设备对待识别用户进行人脸识别,包括:
通过所述第一终端,获取所述待识别用户的人脸图像数据;
对所述人脸图像数据进行特征提取,以获取所述待识别用户的人脸特征;
将所述人脸特征与所述第一终端对应的已注册人脸特征进行比对;
当所述已注册人脸特征与所述人脸特征的匹配度达到预设阈值时,则识别成功,否则识别失败。
在一实施例中,所述对所述人脸图像数据进行特征提取,以获取所述待识别用户的人脸特征,包括:
对所述人脸图像数据进行人脸检测;
若检测到人脸,则对所述人脸图像数据进行人脸关键点检测;
根据人脸关键点检测的结果,对所述人脸图像数据进行校正,并对校正后得到的人脸图像数据调整为预设尺寸的人脸图像;
对所述预设尺寸的人脸图像进行图像增强;
将图像增强后的人脸图像输入至特征模型中,以获取所述人脸特征。
第二方面,提供了一种基于端侧协同人脸识别系统,包括:
人脸识别单元,用于通过第一终端设备对待识别用户进行人脸识别;
人脸图像数据获取单元,用于当第一终端人脸识别失败时,通过所述第一终端向调度模块发送所述待识别用户的人脸图像数据,所述人脸图像数据包括人脸特征;
已注册人脸特征编码获取单元,用于将所述人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码;
特征对比单元,用于确定所述已注册人脸特征编码所属的第二终端,将所述人脸图像数据发送至所述第二终端和/或服务端中,进行特征比对;
人脸识别结果输出单元,用于接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端,以使所述第一终端根据所述比对结果输出最终人脸识别结果。
第三方面,提供了一种计算机设备,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如上述所述基于端侧协同人脸识别方法的步骤。
第四方面,提供了一个或多个可读存储介质,所述可读存储介质存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述所述基于端侧协同人脸识别方法的步骤。
上述基于端侧协同人脸识别方法、系统、计算机设备及存储介质,其方法实现,包括:通过第一终端设备对待识别用户进行人脸识别;当第一终端人脸识别失败时,通过所述第一终端设备向调度模块发送所述待识别用户的人脸图像数据,所述人脸图像数据包括人脸特征;将所述人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码;确定所述已注册人脸特征编码所属的第二终端,将所述人脸图像数据发送至所述第二终端和/或服务端中,进行特征比对;接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端,以使所述第一终端根据所述比对结果输出最终人脸识别结果。本申请中,由于终端设备存储容量和计算能力有限,因此仅存储有部分的已注册人脸特征编码,当第一终端识别失败时,则可将待识别用户的人脸特征数据发送到调度模块中与全部已注册人脸特征进行比对,并获取N个符合预设比对条件的已注册人脸特征编码,发送至对应的终端和/或服务端中进行对比,并获取对比结果,将该对比结果反馈至该第一终端,作为最终人脸识别结果,无需在每个终端设备中都存储全部的以注册人脸特征,且可以实现不同设备之间的协同人脸识别,可支持大容量的人脸识别,有效解决算力不足和运行内存不足的问题。
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基于端侧协同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基于端侧协同人脸识别方法的流程示意图一;
图3是本发明一实施例中基于端侧协同人脸识别方法流程示意图二;
图4是本发明一实施例中人脸特征提取方法的流程示意图;
图5是本发明一实施例中基于端侧协同人脸识别系统的一结构示意图;
图6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。
本实施例提供的基于端侧协同人脸识别方法,可应用在如图1的应用环境中,其中,终端可与调度模块通信,该调度模块可与服务端进行通信。
其中,该终端可为部署于统一局域网下的终端设备,该设备不限于具体的硬件识别设备,例如,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等。还可以指部署的服务器。
其中,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,提供一种基于端侧协同人脸识别方法,包括如下步骤:
在步骤S110中,通过第一终端设备对待识别用户进行人脸识别;
在本申请实施例中,该第一终端设备设置有摄像装置,通过摄像装置可以在待识别用户进行人脸识别时,拍摄该待识别用户处于目标采集区域的视频数据,并从该视频数据中截取图像帧,将包含有该待识别用户的人脸的图像作为待识别图像。并将该待识别图像进行特征提取,以便于该第一终端设备中预存的已注册人脸特征进行比对,当比对通过,则识别成功,否则,识别失败。
其中,该摄像装置为可见摄像头或者红外摄像头。
在本申请实施例中,每个终端设备中都可分别存储有不同的已注册人脸特征。
在步骤S120中,当人脸识别失败时,通过所述第一终端向调度模块发送所述待识别用户的人脸图像数据,所述人脸图像数据包括人脸特征;
在本申请实施例中,该当第一终端对待识别用户的人脸识别失败时,该第一终端会向该调度模块发送其采集的该待识别用户的人脸特征数据,例如,人脸图片、提取的人脸特征等数据。
在步骤S130中,将所述人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码;
在本申请实施例中,该调度模块可为服务端或者终端设备,该调度模块可与数据库进行通信连接,通过该数据库中存储有全部已注册人脸特征。该已注册人脸特征为已经进行身份注册的用户的人脸特征数据。
在本申请实施例中,N为自然数,例如1、10、50、100等,具体可以根据实际情况进行设置。
在本申请实施例中,已注册人脸特征编码可用于标识同一用户,即,同一个已注册用户的人脸特征编码相同,具体的,该已注册人脸特征编码可在用户进行身份注册后,通过身份注册平台按照预设编码规则进行的编码,例如,0001、0002等。
在本申请实施例中,当调度模块获取到第一终端发送的待识别用户的人脸特征后,可以将该人脸特征与全部已注册的人脸特征进行对比,计算该人脸特征与每个已注册人脸特征之间的匹配值,当该匹配值符合预设匹配阈值时,则可获取N个符合该预设匹配阈值的已注册人脸特征以及其对应的编码。
在步骤S140中,确定所述已注册人脸特征编码所属的第二终端,将所述人脸图像数据发送至所述第二终端和/或服务端中,进行特征比对;
在本申请实施例中,每个已注册用户的人脸特征均具有唯一一个用于标识该用户的编码,且每个终端中均可存储有不同的人脸特征,即,每个终端中存储的已注册人脸特征的编码不同,因此,在获取到了N个已注册人脸特征编码后,可以根据该已注册人脸特征编码,将其分配至对应的第二终端中,例如,终端A存储的已注册人脸特征编码为1-1000,终端B中存储的已注册人脸特征编码为1001-2000,终端C中存储的的已注册人脸特征编码为2001-3000,而该N为2,且获取的已注册人脸特征编码为20以及2380,则将该终端A以及终端C作为第二终端,向该终端A以及终端C发送该待识别用户的人脸图像数据以及该已注册人脸特征编码,以通过该终端A以及终端C进行特征比对。
其中,该第二终端可为一个也可为多个,具体可根据已注册人脸特征编码存储的位置进行确定。
在本申请实施例中,除了向对应的第二终端发送该待识别用户的人脸图像特征进行对比之外,还可以向服务端发送该待识别用户的人脸图像特征,该服务端可存储有全部的待注册人脸特征,通过该服务端也可实现特征对比。
其中,可以根据该第二终端与该服务端的繁忙程度,确定发送的目标端,例如,第二终端处于繁忙状态时,则优先向服务端发送待识别用户的人脸图像特征。当服务端处于繁忙状态时,则优先向第二终端发送待识别用户的人脸图像特征。
在步骤S150中,接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端,以使所述第一终端根据所述比对结果输出最终人脸识别结果。
在本申请实施例中,该比对结果可包括比对成功或者比对失败,当比对成功时,则可向第一终端发送比对成功的人脸特征编码,并输出人脸识别成功,当比对失败,则可向第一终端发送比对失败的结果,此时输出人脸识别失败。
本申请实施例,提供了一种基于端侧协同人脸识别方法,包括:通过第一终端设备对待识别用户进行人脸识别;当第一终端人脸识别失败时,通过所述第一终端设备向调度模块发送所述待识别用户的人脸图像数据,所述人脸图像数据包括人脸特征;将所述人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码;确定所述已注册人脸特征编码所属的第二终端,将所述人脸图像数据发送至所述第二终端和/或服务端中,进行特征比对;接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端,以使所述第一终端根据所述比对结果输出最终人脸识别结果。本申请中,由于终端设备存储容量和计算能力有限,因此仅存储有部分的已注册人脸特征编码,当第一终端识别失败时,则可将待识别用户的人脸特征数据发送到调度模块中与全部已注册人脸特征进行比对,并获取N个符合预设比对条件的已注册人脸特征编码,发送至对应的终端和/或服务端中进行对比,并获取对比结果,将该对比结果反馈该第一终端,作为最终人脸识别结果,无需在每个终端设备中都存储全部的以注册人脸特征,且可以实现不同设备之间的协同人脸识别,可支持大容量的人脸识别,有效解决算力不足和运行内存不足的问题。
在一实施例中,提供了一种基于基于端侧协同人脸识别方法,包括:
在步骤S110中,通过第一终端设备对待识别用户进行人脸识别;
在本申请实施例中,通过第一终端设备对待识别用户进行人脸识别之前,包括:
按照预设规则,向预先部署的多台终端分发不同的已注册人脸特征,以使所述终端通过所述已注册人脸特征进行人脸识别。
具体的,对于大容量人脸识别系统,在进行人脸识别之前,可先将注册后的人脸图像特征下发到终端设备中,例如,已注册人脸有10万人,并且这10万人的人脸信息均可存储在调度模块,每台设备的注册上限和处理能力是1万人,局域网内可部署10台设备进行不同已注册人脸图像特征的下发,例如,在设备0上下发1至10000的人脸ID,在设备1上下发10001至20000的人脸ID,以此类推,从而使得每台终端设备均可在自己的运算能力之内进行人脸识别,解决了设备运算力不足且运行内存不足的问题,且将通过调度模块,可以将所有的终端设备的能力并行集中,充分发挥设备间的分区间处理能力。
参见图3,所述通过第一终端设备对待识别用户进行人脸识别,包括:
在步骤S210中,通过所述第一终端,获取所述待识别用户的人脸图像数据;
在步骤S220中,对所述人脸图像数据进行特征提取,以获取所述待识别用户的人脸特征;
在步骤S230中,将所述人脸特征与所述第一终端对应的已注册人脸特征进行比对;
在步骤S240中,当所述已注册人脸特征与所述人脸特征的匹配度达到预设阈值时,则识别成功,否则识别失败。
在本申请实施例中,该第一终端设备设置有摄像装置,通过摄像装置可以在待识别用户进行人脸识别时,拍摄该待识别用户处于目标采集区域的视频数据,并从该视频数据中截取图像帧,将包含有该待识别用户的人脸的图像作为待识别图像。对该待识别图像进行人脸关键点检测,并根据检测结果进行对应的校正,然后将校正后的待识别图像输入到预设的特征模型中进行特征提取,然后与该第一终端设备中预存的已注册人脸特征进行比对,当比对通过,则识别成功,否则,识别失败。
其中,该摄像装置为可见摄像头或者红外摄像头。
参见图4,在本申请实施例中,所述对所述人脸图像数据进行特征提取,以获取所述待识别用户的人脸特征,包括:
在步骤S310中,对所述人脸图像数据进行人脸检测;
若检测到人脸,则对所述人脸图像数据进行人脸关键点检测;
在步骤S320中,根据人脸关键点检测的结果,对所述人脸图像数据进行校正,并对校正后得到的人脸图像数据调整为预设尺寸的人脸图像;
在步骤S340中,对所述预设尺寸的人脸图像进行图像增强;
在步骤S330中,将图像增强后的人脸图像输入至特征模型中,以获取所述人脸特征。
在本申请实施例中,通过第一终端获取待识别用户的人脸图像后,可通过深度学习训练网络模型进行人脸检测或者通过其他传统方式训练的模型进行人脸检测,当检测到该人脸图像中具备人脸时,则可对检测到的人脸进行关键点检测,例如,人脸角度,人脸各部位的位置,对称性等,然后可根据该检测的结果,对人脸图像进行校正,例如,调整脸部的倾斜度,在校正完成后,可以进一步将校正后人脸图像归一化至预设尺寸,例如,128x128的尺寸,然后可对该预设尺寸的人脸图像进行图像增强操作,以便可以更好的进行人脸识别,在图像增强处理后,将该人脸图像输入到预先训练的特征模型中,进行预设维度的特征提取,例如,提取的特征维度可为512维,最后可将提取的特征进行存储,以便与该第一终端设备中预先存储的已注册人脸特征进行对比。
在步骤S120中,当人脸识别失败时,通过所述第一终端向调度模块发送所述待识别用户的人脸图像数据,所述人脸图像数据包括人脸特征;
在本申请实施例中,该当第一终端对待识别用户的人脸识别失败时,该第一终端会向该调度模块发送其采集的该待识别用户的人脸特征数据,例如,人脸图片、提取的人脸特征等数据。
在步骤S130中,将所述人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码;
在本申请实施例中,N为自然数,例如1、10、50、100等,具体可以根据实际情况进行设置。
在本申请实施例中,已注册人脸特征编码可用于标识同一用户,即,同一个已注册用户的人脸特征编码相同,具体的,该已注册人脸特征编码可在用户进行身份注册后,通过身份注册平台按照预设编码规则进行的编码,例如,0001、0002等。
在本申请实施例中,所述将所述人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码,包括:
分别计算所述人脸特征与全部已注册人脸特征的综合匹配得分;
将所述综合匹配得分与预设分数阈值进行对比,以获取综合匹配得分大于所述预设分数阈值的已注册人脸特征;
在所述匹配得分大于所述预设分数阈值的已注册人脸特征中,按照所述综合匹配得分从高到低的顺序,获取N个已注册人脸特征编码。
在本申请实施例中,该人脸特征可包括姿态、角度、表情、不同的部位,例如,眼睛、嘴巴等多方面进行对比,并获取每一项的匹配分数,然后将每一项的匹配分数进行相加,得到综合匹配得分,进一步,还可设置每一个匹配项的权重比例,通过匹配分数以及权重比例,得到综合匹配得分。
进一步,还可以对图像的亮暗程度进行匹配。不同光线下的人脸特征可能会发生变化,因此在进行匹配时,可先排除光线的干扰项,以提高匹配的精确度。
在本申请实施例中,当获取到综合匹配得分后,可以将其与预设分数阈值进行对比,以获取综合匹配得分大于所述预设分数阈值的已注册人脸特征,并在匹配得分大于所述预设分数阈值的已注册人脸特征中,按照所述综合匹配得分从高到低的顺序,获取N个已注册人脸特征编码,作为比对的对象。
在步骤S140中,确定所述已注册人脸特征编码所属的第二终端,将所述人脸图像数据发送至所述第二终端和/或服务端中,进行特征比对;
在本申请实施例中,每个已注册用户的人脸特征均具有唯一一个用于标识该用户的编码,且每个终端中均可存储有不同的人脸特征,即,每个终端中存储的已注册人脸特征的编码不同,因此,在获取到了N个已注册人脸特征编码后,可以根据该已注册人脸特征编码,将其分配都对应的第二终端中。或者,也和发送到服务端中进行特征对比。
在步骤S150中,接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端,以使所述第一终端根据所述比对结果输出最终人脸识别结果。
在本申请实施例中,该比对结果可包括比对成功或者比对失败,当比对成功时,则可向第一终端发送比对成功的人脸特征编码,并输出人脸识别成功,当比对失败,则可向第一终端发送比对失败的结果,此时输出人脸识别失败。
在本申请一实施例中,所述接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端之前,包括:
当接收到所述第二终端以及所述服务端发送的比对结果后,确定所述比对结果是否一致;
当比对结果不一致时,则重新将所述人脸特征与全部已注册人脸特征进行对比,以获取更新的已注册人脸特征编码;
根据所述更新的已注册人脸特征编码,确定第三终端,并将所述人脸特征数据以及所述已注册人脸特征编码发送给所述第三终端。
在本申请实施例中,如果向第二终端以及服务端中发送待识别用户的人脸图像进行特征比对时,可接收到第二终端与该服务端反馈的比对结果,可以对第二终端反馈的比对结果以及该服务端反馈的比对结果进行比对,确定是否一致,当一致时,则发送给第一终端,当不一致时,则说明判定错误,此时,调度模块可以重新对该人脸特征与全部已注册人脸特征进行比对,可以获取更新后的已注册人脸特征编码,然后根据更新后的已注册人脸特征,再次向对应的第三终端发送,以通过第三终端再次进行比对。
其中,该第三终端可为一个或者多个,且其存储有该更新后的已注册人脸特征。该第三终端中存在与第二终端中不同的终端设备,即,第二终端设备可包括终端设备A、终端设备B,而第三终端设备则可包括终端设备H、终端设备G或者终端设备H或者终端设备B。
在本申请实施例中,所述第二终端包括多个,所述接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端,包括
当接收到多个所述第二终端发送的比对结果后,判断所述比对结果中是否存在比对成功结果;
当判断结果为是,则向所述第一终端发送比对成功结果以及对比成功的已注册人脸特征编码;
当判断结果为否,则向所述第一终端发送比对失败结果。
在本申请实施例中,由于调度模块会获取N个已注册人脸特征编码,且每个终端设备中均存储有不同的已注册人脸特征,因此存在多个第二终端反馈对比结果的情况,因此,当多个对比结果中存在对比成功的结果,则可说明存在该待识别用户的注册信息,可第一终端识别成功,当多个对比结果中均为识别失败,则说明之前未存储有该待识别用户的注册信息,第一终端识别失败。
本申请实施例中,由于终端设备存储容量和计算能力有限,因此仅存储有部分的已注册人脸特征编码,当第一终端识别失败时,则可将待识别用户的人脸特征数据发送到调度模块中与全部已注册人脸特征进行比对,并获取N个符合预设比对条件的已注册人脸特征编码,发送至对应的终端和/或服务端中进行对比,并获取对比结果,将该对比结果反馈该第一终端,作为最终人脸识别结果,无需在每个终端设备中都存储全部的以注册人脸特征,且可以实现不同设备之间的协同人脸识别,可支持大容量的人脸识别,有效解决算力不足和运行内存不足的问题。
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,提供一种基于端侧协同人脸识别系统,该基于端侧协同人脸识别系统与上述实施例中基于端侧协同人脸识别方法一一对应。如图5所示,该基于端侧协同人脸识别系统包括人脸识别单元10、人脸图像数据获取单元20、已注册人脸特征编码获取单元30、特征对比单元40和人脸识别结果输出单元50。各功能模块详细说明如下:
人脸识别单元10,用于通过第一终端设备对待识别用户进行人脸识别;
人脸图像数据获取单元20,用于当第一终端人脸识别失败时,通过所述第一终端设备向调度模块发送所述待识别用户的人脸图像数据,所述人脸图像数据包括人脸特征;
已注册人脸特征编码获取单元30,用于将所述人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码;
特征对比单元40,用于确定所述已注册人脸特征编码所属的第二终端,将所述人脸图像数据发送至所述第二终端和/或服务端中,进行特征比对;
人脸识别结果输出单元50,用于接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端,以使所述第一终端根据所述比对结果输出最终人脸识别结果。
在一实施例中,所述系统还包括,已注册人脸特征分发单元,用于:
按照预设规则,向预先部署的多台终端分发不同的已注册人脸特征,以使所述终端通过所述已注册人脸特征进行人脸识别。
在一实施例中,已注册人脸特征编码获取单元30,还用于:
分别计算所述人脸特征与全部已注册人脸特征的综合匹配得分;
将所述综合匹配得分与预设分数阈值进行对比,以获取综合匹配得分大于所述预设分数阈值的已注册人脸特征;
在所述匹配得分大于所述预设分数阈值的已注册人脸特征中,按照所述综合匹配得分从高到低的顺序,获取N个已注册人脸特征编码。
在一实施例中,所述系统,还包括:更新单元,用于:
当接收到所述第二终端以及所述服务端发送的比对结果后,确定所述比对结果是否一致;
当比对结果不一致时,则重新将所述人脸特征与全部已注册人脸特征进行对比,以获取更新的已注册人脸特征编码;
根据所述更新的已注册人脸特征编码,确定第三终端,并将所述人脸特征数据以及所述已注册人脸特征编码发送给所述第三终端。
在一实施例中,所述第二终端包括多个,人脸识别结果输出单元50,用于:
当接收到多个所述第二终端发送的比对结果后,判断所述比对结果中是否存在比对成功结果;
当判断结果为是,则向所述第一终端发送比对成功结果以及对比成功的已注册人脸特征编码;
当判断结果为否,则向所述第一终端发送比对失败结果。
在一实施例中,人脸识别单元10,还用于:
通过所述第一终端,获取所述待识别用户的人脸图像数据;
对所述人脸图像数据进行特征提取,以获取所述待识别用户的人脸特征;
将所述人脸特征与所述第一终端对应的已注册人脸特征进行比对;
当所述已注册人脸特征与所述人脸特征的匹配度达到预设阈值时,则识别成功,否则识别失败。
在一实施例中,人脸识别单元10,还用于:
对所述人脸图像数据进行人脸检测;
若检测到人脸,则对所述人脸图像数据进行人脸关键点检测;
根据人脸关键点检测的结果,对所述人脸图像数据进行校正,并对校正后得到的人脸图像数据调整为预设尺寸的人脸图像;
对所述预设尺寸的人脸图像进行图像增强;
将图像增强后的人脸图像输入至特征模型中,以获取所述人脸特征。
本申请实施例中,由于终端设备存储容量和计算能力有限,因此仅存储有部分的已注册人脸特征编码,当第一终端识别失败时,则可将待识别用户的人脸特征数据发送到调度模块中与全部已注册人脸特征进行比对,并获取N个符合预设比对条件的已注册人脸特征编码,发送至对应的终端和/或服务端中进行对比,并获取对比结果,将该对比结果反馈该第一终端,作为最终人脸识别结果,无需在每个终端设备中都存储全部的以注册人脸特征,且可以实现不同设备之间的协同人脸识别,可支持大容量的人脸识别,有效解决算力不足和运行内存不足的问题。
关于基于端侧协同人脸识别系统的具体限定可以参见上文中对于基于端侧协同人脸识别方法的限定,在此不再赘述。上述基于端侧协同人脸识别系统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设备,其内部结构图可以如图6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。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。该可读存储介质存储有计算机可读指令。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令被处理器执行时以实现一种基于端侧协同人脸识别方法。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。
一种计算机设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机可读指令,其特征在于,处理器执行计算机可读指令时实现如上述基于端侧协同人脸识别方法的步骤。
一个或多个可读存储介质,可读存储介质存储有计算机可读指令,其特征在于,计算机可读指令被处理器执行时实现如上述基于端侧协同人脸识别方法的步骤。
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,即将所述系统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)
1.一种基于端侧协同人脸识别方法,其特征在于,所述方法,包括:
通过第一终端设备对待识别用户进行人脸识别;
当人脸识别失败时,通过所述第一终端向调度模块发送所述待识别用户的人脸图像数据,所述人脸图像数据包括人脸特征;
将所述人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码;
确定所述已注册人脸特征编码所属的第二终端,将所述人脸图像数据发送至所述第二终端和/或服务端中,进行特征比对;
接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端,以使所述第一终端根据所述比对结果输出最终人脸识别结果。
2.如权利要求1所述的基于端侧协同人脸识别方法,其特征在于,所述通过第一终端设备对待识别用户进行人脸识别之前,包括:
按照预设规则,向预先部署的多台终端分发不同的已注册人脸特征,以使所述终端通过所述已注册人脸特征进行人脸识别。
3.如权利要求1所述的基于端侧协同人脸识别方法,其特征在于,所述将所述人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码,包括:
分别计算所述人脸特征与全部已注册人脸特征的综合匹配得分;
将所述综合匹配得分与预设分数阈值进行对比,以获取综合匹配得分大于所述预设分数阈值的已注册人脸特征;
在所述匹配得分大于所述预设分数阈值的已注册人脸特征中,按照所述综合匹配得分从高到低的顺序,获取N个已注册人脸特征编码。
4.如权利要求1-3任意一项所述的基于端侧协同人脸识别方法,其特征在于,所述接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端之前,包括:
当接收到所述第二终端以及所述服务端发送的比对结果后,确定所述比对结果是否一致;
当比对结果不一致时,则重新将所述人脸特征与全部已注册人脸特征进行对比,以获取更新的已注册人脸特征编码;
根据所述更新的已注册人脸特征编码,确定第三终端,并将所述人脸特征数据以及所述已注册人脸特征编码发送给所述第三终端。
5.如权利要求1-3任意一项所述的基于端侧协同人脸识别方法,其特征在于,所述第二终端包括多个,所述接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端,包括
当接收到多个所述第二终端发送的比对结果后,判断所述比对结果中是否存在比对成功结果;
当判断结果为是,则向所述第一终端发送比对成功结果以及对比成功的已注册人脸特征编码;
当判断结果为否,则向所述第一终端发送比对失败结果。
6.如权利要求1或2任意一项所述的基于端侧协同人脸识别方法,其特征在于,所述通过第一终端设备对待识别用户进行人脸识别,包括:
通过所述第一终端,获取所述用户的人脸图像数据;
对所述人脸图像数据进行特征提取,以获取所述待识别用户的人脸特征;
将所述人脸特征与所述第一终端对应的已注册人脸特征进行比对;
当所述已注册人脸特征与所述人脸特征的匹配度达到预设阈值时,则识别成功,否则识别失败。
7.如权利要求6所述的基于端侧协同人脸识别方法,其特征在于,所述对所述人脸图像数据进行特征提取,以获取所述待识别用户的人脸特征,包括:
对所述人脸图像数据进行人脸检测;
若检测到人脸,则对所述人脸图像数据进行人脸关键点检测;
根据人脸关键点检测的结果,对所述人脸图像数据进行校正,并对校正后得到的人脸图像数据调整为预设尺寸的人脸图像;
对所述预设尺寸的人脸图像进行图像增强;
将图像增强后的人脸图像输入至特征模型中,以获取所述人脸特征。
8.一种基于端侧协同人脸识别系统,其特征在于,所述系统,包括:
人脸识别单元,用于通过第一终端设备对待识别用户进行人脸识别;
人脸图像数据获取单元,用于当第一终端人脸识别失败时,通过所述第一终端设备向调度模块发送所述待识别用户的人脸图像数据,所述人脸图像数据包括人脸特征;
已注册人脸特征编码获取单元,用于将所述人脸特征与全部已注册人脸特征进行对比,以获取N个符合预设匹配条件的已注册人脸特征编码;
特征对比单元,用于确定所述已注册人脸特征编码所属的第二终端,将所述人脸图像数据发送至所述第二终端和/或服务端中,进行特征比对;
人脸识别结果输出单元,用于接收所述第二终端和/或服务端发送的比对结果,并发送给所述第一终端,以使所述第一终端根据所述比对结果输出最终人脸识别结果。
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任意一项所述基于端侧协同人脸识别方法的步骤。
10.一个或多个可读存储介质,所述可读存储介质存储有计算机可读指令,其特征在于,所述计算机可读指令被处理器执行时实现如权利要求1至7任意一项所述基于端侧协同人脸识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210923398.0A CN115240262A (zh) | 2022-08-02 | 2022-08-02 | 基于端侧协同人脸识别方法、系统、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210923398.0A CN115240262A (zh) | 2022-08-02 | 2022-08-02 | 基于端侧协同人脸识别方法、系统、计算机设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115240262A true CN115240262A (zh) | 2022-10-25 |
Family
ID=83677079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210923398.0A Pending CN115240262A (zh) | 2022-08-02 | 2022-08-02 | 基于端侧协同人脸识别方法、系统、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115240262A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880789A (zh) * | 2023-02-08 | 2023-03-31 | 中昊芯英(杭州)科技有限公司 | 基于加密的人脸识别方法、相关装置和存储介质 |
CN116938601A (zh) * | 2023-09-15 | 2023-10-24 | 湖南视觉伟业智能科技有限公司 | 一种用于实名制鉴权设备的分工鉴权方法 |
CN117351243A (zh) * | 2023-12-05 | 2024-01-05 | 广东金志利科技股份有限公司 | 一种铸件冷铁种类数量识别方法及系统 |
-
2022
- 2022-08-02 CN CN202210923398.0A patent/CN115240262A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880789A (zh) * | 2023-02-08 | 2023-03-31 | 中昊芯英(杭州)科技有限公司 | 基于加密的人脸识别方法、相关装置和存储介质 |
CN116938601A (zh) * | 2023-09-15 | 2023-10-24 | 湖南视觉伟业智能科技有限公司 | 一种用于实名制鉴权设备的分工鉴权方法 |
CN116938601B (zh) * | 2023-09-15 | 2023-11-24 | 湖南视觉伟业智能科技有限公司 | 一种用于实名制鉴权设备的分工鉴权方法 |
CN117351243A (zh) * | 2023-12-05 | 2024-01-05 | 广东金志利科技股份有限公司 | 一种铸件冷铁种类数量识别方法及系统 |
CN117351243B (zh) * | 2023-12-05 | 2024-04-02 | 广东金志利科技股份有限公司 | 一种铸件冷铁种类数量识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115240262A (zh) | 基于端侧协同人脸识别方法、系统、计算机设备及介质 | |
US10664581B2 (en) | Biometric-based authentication method, apparatus and system | |
CN108829900B (zh) | 一种基于深度学习的人脸图像检索方法、装置及终端 | |
CN110569341B (zh) | 配置聊天机器人的方法、装置、计算机设备和存储介质 | |
CN110334688B (zh) | 基于人脸照片库的图像识别方法、装置和计算机可读存储介质 | |
CN111275685B (zh) | 身份证件的翻拍图像识别方法、装置、设备及介质 | |
CN110751025A (zh) | 基于人脸识别的业务办理方法、装置、设备及介质 | |
CN111191567A (zh) | 身份数据处理方法、装置、计算机设备和存储介质 | |
CN110955874A (zh) | 身份验证方法、装置、计算机设备和存储介质 | |
WO2020252911A1 (zh) | 失踪人脸识别方法、装置、计算机设备和存储介质 | |
CN112395979A (zh) | 基于图像的健康状态识别方法、装置、设备及存储介质 | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN112633159A (zh) | 人-物交互关系识别方法、模型训练方法及对应装置 | |
CN112668629A (zh) | 基于图片识别的智能仓储方法、系统、设备及存储介质 | |
CN111095268A (zh) | 一种用户身份识别方法、装置及电子设备 | |
CN112330331A (zh) | 基于人脸识别的身份验证方法、装置、设备及存储介质 | |
CN108985251B (zh) | 用户指令匹配方法、装置、计算机设备及存储介质 | |
CN112597984B (zh) | 图像数据处理方法、装置、计算机设备和存储介质 | |
CN110689323A (zh) | 图片审核方法、装置、计算机设备和存储介质 | |
CN111881740B (zh) | 人脸识别方法、装置、电子设备及介质 | |
CN111191207A (zh) | 电子文件的控制方法、装置、计算机设备及存储介质 | |
US20230229882A1 (en) | Hologram detection service providing server and hologram detection method | |
CN109214278B (zh) | 用户指令匹配方法、装置、计算机设备及存储介质 | |
CN114386013A (zh) | 学籍自动认证方法、装置、计算机设备及存储介质 | |
CN115527241A (zh) | 指纹模板更新方法、装置、嵌入式设备及存储介质 |
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 |