CN115713799A - 一种人脸识别方法、装置、可读存储介质及终端设备 - Google Patents
一种人脸识别方法、装置、可读存储介质及终端设备 Download PDFInfo
- Publication number
- CN115713799A CN115713799A CN202211454536.1A CN202211454536A CN115713799A CN 115713799 A CN115713799 A CN 115713799A CN 202211454536 A CN202211454536 A CN 202211454536A CN 115713799 A CN115713799 A CN 115713799A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- features
- feature
- target
- 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
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本申请属于人脸识别技术领域,尤其涉及一种人脸识别方法、装置、计算机可读存储介质及终端设备。所述方法获取待识别的目标人脸图像;提取目标人脸特征;其中,所述目标人脸特征为所述目标人脸图像中的人脸特征;根据所述目标人脸特征在预设的底库字典中进行人脸特征匹配,得到人脸识别结果;其中,所述底库字典中包括预设数目的基准人脸特征,且基准人脸特征为随着人脸识别过程进行更新的动态特征。通过本申请,可以根据获取的目标人脸图像对底库字典中的基准人脸特征进行更新,从而将各种情况下的人脸图像保存在底库字典中,继而提高人脸识别结果的准确率。
Description
技术领域
本申请属于人脸识别技术领域,尤其涉及一种人脸识别方法、装置、计算机可读存储介质及终端设备。
背景技术
非同源人脸识别是人脸识别领域的一个具有挑战性的问题,如何在复杂多变的实测环境下,准确、稳定的进行人脸识别,一直是公共安全和智能监控等领域中急需的一项技术。在公司、机场、校园等需要对身份进行识别的场所,通过排除与人身份不相关的数据源信息之后再进行身份识别,能极大地方便日常管理及保证人们的安全,但现有技术中在识别因环境因素或者用户行为所导致的与保存的人脸图像有差异的人脸图像时,准确率较低。
发明内容
有鉴于此,本申请实施例提供了一种人脸识别方法、装置、计算机可读存储介质及终端设备,以解决现有的非同源人脸识别准确率较低的问题。
本申请实施例的第一方面提供了一种人脸识别方法,可以包括:
获取待识别的目标人脸图像;
提取目标人脸特征;其中,所述目标人脸特征为所述目标人脸图像中的人脸特征;
根据所述目标人脸特征在预设的底库字典中进行人脸特征匹配,得到人脸识别结果;其中,所述底库字典中包括预设数目的基准人脸特征,且基准人脸特征为随着人脸识别过程进行更新的动态特征。
在第一方面的一种具体实现方式中,所述根据所述目标人脸特征在预设的底库字典中进行人脸特征匹配,得到人脸识别结果可以包括:
分别计算所述目标人脸特征与所述底库字典中的各个基准人脸特征之间的特征相似度;
将最大的特征相似度对应的基准人脸特征作为最近邻基准人脸特征;
若最大的特征相似度大于预设的第一阈值,则将所述最近邻基准人脸特征对应的身份标识作为人脸识别结果。
在第一方面的一种具体实现方式中,在将最大的特征相似度对应的基准人脸特征作为最近邻基准人脸特征之后,还可以包括:
若最大的特征相似度大于预设的第二阈值,则根据所述目标人脸特征对所述最近邻基准人脸特征进行更新,得到更新后的最近邻基准人脸特征,其中,所述第二阈值大于所述第一阈值。
在第一方面的一种具体实现方式中,所述根据所述目标人脸特征对所述最近邻基准人脸特征进行更新,得到更新后的最近邻基准人脸特征可以包括:
根据预设的人脸特征融合率将所述目标人脸特征融合入所述最近邻基准人脸特征中,得到更新后的最近邻基准人脸特征。
在第一方面的一种具体实现方式中,所述底库字典的设置过程可以包括:
获取预设的各张底库图像;
处理所述底库图像,得到基准人脸图像;
使用预设的特征提取模型对所述基准人脸图像进行特征提取,得到所述底库字典。
在第一方面的一种具体实现方式中,所述处理所述底库图像可以包括:
对所述底库图像进行裁剪,得到裁剪图像;
对所述裁剪图像进行归一化,得到基准人脸图像。
在第一方面的一种具体实现方式中,所述提取目标人脸特征可以包括:
对所述目标人脸图像进行预处理,得到目标人脸预处理图像;
对所述目标人脸预处理图像进行分割,得到目标人脸分割图像;
对所述目标人脸分割图像进行关键点对齐,得到目标人脸对齐图像;
对所述目标人脸对齐图像进行特征提取,得到目标人脸特征。
本申请实施例的第二方面提供了一种人脸识别装置,可以包括:
图像获取模块,用于获取待识别的目标人脸图像;
人脸特征提取模块,用于提取目标人脸特征;其中,所述目标人脸特征为所述目标人脸图像中的人脸特征;
特征匹配模块,用于根据所述目标人脸特征在预设的底库字典中进行人脸特征匹配,得到人脸识别结果;其中,所述底库字典中包括预设数目的基准人脸特征,且基准人脸特征为随着人脸识别过程进行更新的动态特征。
在第二方面的一种具体实现方式中,所述特征匹配模块可以包括:
特征相似度计算子模块,用于分别计算所述目标人脸特征与所述底库字典中的各个基准人脸特征之间的特征相似度;
确定子模块,用于将最大的特征相似度对应的基准人脸特征作为最近邻基准人脸特征;
输出子模块,用于若最大的特征相似度大于预设的第一阈值,则将所述最近邻基准人脸特征对应的身份标识作为人脸识别结果。
在第二方面的一种具体实现方式中,所述人脸识别装置还可以包括:
更新子模块,用于若最大的特征相似度大于预设的第二阈值,则根据所述目标人脸特征对所述最近邻基准人脸特征进行更新,得到更新后的最近邻基准人脸特征,其中,所述第二阈值大于所述第一阈值。
在第二方面的一种具体实现方式中,所述更新子模块可以包括:
融合单元,用于根据预设的人脸特征融合率将所述目标人脸特征融合入所述最近邻基准人脸特征中,得到更新后的最近邻基准人脸特征。
在第二方面的一种具体实现方式中,所述人脸识别装置还可以包括:
获取子模块,用于获取预设的各张底库图像;
处理子模块,用于处理所述底库图像,得到基准人脸图像;
特征提取子模块,用于使用预设的特征提取模型对所述基准人脸图像进行特征提取,得到所述底库字典。
在第二方面的一种具体实现方式中,所述处理子模块可以包括:
裁剪单元,用于对所述底库图像进行裁剪,得到裁剪图像;
归一化单元,用于对所述裁剪图像进行归一化,得到基准人脸图像。
在第二方面的一种具体实现方式中,所述人脸特征提取模块可以包括:
预处理子模块,用于对所述目标人脸图像进行预处理,得到目标人脸预处理图像;
分割子模块,用于对所述目标人脸预处理图像进行分割,得到目标人脸分割图像;
关键点对齐子模块,用于对所述目标人脸分割图像进行关键点对齐,得到目标人脸对齐图像;
提取子模块,用于对所述目标人脸对齐图像进行特征提取,得到目标人脸特征。
本申请实施例的第三方面提供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程序,所述计算机程序被处理器执行时实现上述任一种人脸识别方法的步骤。
本申请实施例的第四方面提供了一种终端设备,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程序,所述处理器执行所述计算机程序时实现上述任一种人脸识别方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述任一种人脸识别方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例获取待识别的目标人脸图像;提取目标人脸特征;其中,所述目标人脸特征为所述目标人脸图像中的人脸特征;根据所述目标人脸特征在预设的底库字典中进行人脸特征匹配,得到人脸识别结果;其中,所述底库字典中包括预设数目的基准人脸特征,且基准人脸特征为随着人脸识别过程进行更新的动态特征。通过本申请,可以根据获取的目标人脸图像对底库字典中的基准人脸特征进行更新,从而将各种情况下的人脸图像保存在底库字典中,继而提高人脸识别结果的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术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,对于本领域普通技术人员来讲,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它的附图。
图1为本申请实施例中底库字典的具体设置流程图;
图2为本申请实施例中一种人脸识别方法的一个实施例流程图;
图3为根据目标人脸特征在预设的底库字典中进行人脸特征匹配,得到人脸识别结果的示意流程图;
图4为本申请实施例中一种人脸识别装置的一个实施例结构图;
图5为本申请实施例中一种终端设备的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术,通常采用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸。在不同的生物特征识别方法中,人脸识别有五个优势,分别为非侵扰性、便携性、友好性、非接触性、可扩展性,因而其在生物识别中有着重要的地位。
人脸识别技术原理简单来讲主要是三大步骤:一是建立一个包含大批量人脸图像的数据库,二是通过各种方式来获得当前要进行识别的目标人脸图像,三是将目标人脸图像与数据库中既有的人脸图像进行比对和筛选。而在本申请中,建立的底库字典便是包含大批量人脸图像的数据库。
请参阅图1,本申请实施例中底库字典的建立过程具体包括:
步骤S101、获取预设的各张底库图像。
底库图像的获取有两种途径,分别是既有人脸图像的批量导入和人脸图像的实时采集,本申请中预设的底库图像是批量导入的人脸图像,但随着人脸识别的进行,也会根据实时采集的人脸图像对底库图像进行更新,从而提高人脸识别结果的准确率。当然,预设的底库图像也可以是实时采集的人脸图像,本申请实施例对此不作具体限定。
步骤S102、处理底库图像,得到基准人脸图像。
在本申请实施例的一种具体实现方式中,由于底库图像在获取过程中容易受到各种条件的限制和随机干扰,如果直接使用未经处理的底库图像进行特征提取,容易导致人脸识别系统产生错误的结果,因此在本申请中,可以先将底库图像裁剪为112*112大小的图像,再将其数值范围归一化到[-1,+1],进而得到基准人脸图像,通过对底库图像进行上述处理,不仅能够规范底库字典,还能够有效保证人脸识别结果的准确率。
在图像处理领域,通常会对所获取的原始图像进行灰度矫正、噪声过滤等预处理操作,当涉及到人脸图像时,具体的预处理过程还包括人脸图像的光线补偿、灰度变换、直方图均衡化、几何校正、滤波以及锐化等,因此在必要时,本申请也可以对底库图像进行上述操作,以进一步提高人脸识别结果的准确性。
步骤S103、使用预设的特征提取模型对基准人脸图像进行特征提取,得到底库字典。
其中,具体的人脸特征提取方式可以采用现有技术中的任意一种人脸特征提取方式,本申请实施例对此不作具体限定。
在本申请实施例的一种具体实现方式中,可以采用预设的特征提取神经网络来进行人脸特征的提取,该特征提取神经网络可以为现有技术中的任意一种具有人脸特征提取功能的神经网络,本申请优选的是ResNet50。
在通过上述过程建立起底库字典之后,即可据此来进行人脸识别。
请参阅图2,本申请实施例中一种人脸识别方法的一个实施例可以包括:
步骤S201、获取待识别的目标人脸图像。
在本申请实施例的一种具体实现方式中,目标人脸图像既可以通过门禁系统、考勤打卡系统、身份辨识系统、计算机登录系统或者电子商务系统等获取,也可以是终端设备上的摄像头所获取的用户人脸图像,本申请实施例对获取目标人脸图像的途径不作具体限定。
由于所获取的人脸图像并不一定包括人脸,因此还需要对获取的图像进行检测,首先对图像进行预处理,再将图像输入到SSD网络,并根据预设的阈值筛选符合要求的检测框,最后输出人脸检测框的坐标,从而得到目标人脸图像。其中,阈值可以根据实际情况进行取值,本申请实施例对此不作具体限定。
步骤S202、提取目标人脸特征。
在本申请实施例的一种具体实现方式中,提取目标人脸特征之前还需要对获取的目标人脸图像进行处理,将其统一为基准人脸图像的规格,具体操作如下:
由于通过不同方式获取的图像,其规格与基准人脸图像具有差异,因此本申请需要先对获取的图像进行预处理:首先将其裁剪为112*112大小的图像,再将其数值范围归一化到[-1,+1],如此便得到了与基准人脸图像统一规格的预处理图像。
由于图像在获取过程中,受到图像质量、光线强弱、拍摄角度以及用户装扮等影响,导致实际获取的人脸图像具有较大差异,因此在得到预处理图像之后还需要对其进行进一步处理,本申请在获得预处理图像之后还对其进行了人脸分割以及关键点对齐操作,以获得更加准确的人脸图像,除此之外,若经过上述操作后,图像质量依旧不满足提取人脸特征点的需求时,还可以对图像进行人脸检测或者人脸校正等操作,本申请实施例对此不作具体限定。
人脸特征提取的具体过程可以参见步骤S102中的详细描述,此处对其不再赘述。
步骤S203、根据目标人脸特征在预设的底库字典中进行人脸特征匹配,得到人脸识别结果。
如图3所示,步骤S203具体可以包括如下过程:
步骤S301、分别计算目标人脸特征与底库字典中的各个基准人脸特征之间的特征相似度。
在本申请实施例的一种具体实现方式中,在分别计算目标人脸特征与底库字典中的各个基准人脸特征之间的相似度时,采用的是基于余弦相似度的最近邻匹配算法,通过计算目标人脸特征与每个基准人脸特征之间的余弦相似度,进而确定目标人脸特征的最近邻基准人脸特征。
步骤S302、将最大的特征相似度对应的基准人脸特征作为最近邻基准人脸特征。
在本申请实施例的一种具体实现方式中,得到目标人脸特征与底库字典中的各个基准人脸特征之间的特征相似度后,将其中最大的特征相似度所对应的基准人脸特征作为目标人脸特征的最近邻基准人脸特征。
步骤S303、若最大的特征相似度大于预设的第一阈值,则将最近邻基准人脸特征对应的身份标识作为人脸识别结果。
在本申请实施例的一种具体实现方式中,底库字典中保存了各个基准人脸特征对应的身份标识,当确定了目标人脸特征的最近邻基准人脸特征之后,还会判断两者之间的特征相似度是否大于预设的第一阈值,若两者之间的特征相似度大于第一阈值,则将最近邻基准人脸特征对应的身份标识作为目标人脸特征的身份标识输出,若两者之间的特征相似度小于第一阈值,则认为目标人脸不是底库字典中所保存的人脸信息,此时便会在系统中判断为外来者,不予通过。其中,第一阈值也可以根据实际情况进行取值,本申请实施例对此不作具体限定。
在得到最近邻基准人脸特征之后,判断目标人脸特征与最近邻基准人脸特征之间的特征相似度是否大于预设的第二阈值,其中,第二阈值大于第一阈值,并且第二阈值可以根据实际情况进行取值,本申请实施例优选为0.7。如果特征相似度大于第二阈值,则认为需要对底库字典中的最近邻基准人脸特征进行更新,此时根据预设的模型信息融合率将目标人脸特征与最近邻基准人脸特征进行移动平均融合,得到更新后的基准人脸特征。
在本申请实施例中,移动平均融合公式如下:
综上所述,本申请实施例获取待识别的目标人脸图像;提取目标人脸特征;其中,所述目标人脸特征为所述目标人脸图像中的人脸特征;根据所述目标人脸特征在预设的底库字典中进行人脸特征匹配,得到人脸识别结果;其中,所述底库字典中包括预设数目的基准人脸特征,且基准人脸特征为随着人脸识别过程进行更新的动态特征。通过本申请,可以根据获取的目标人脸图像对底库字典中的基准人脸特征进行更新,从而将各种情况下的人脸图像保存在底库字典中,继而提高人脸识别结果的准确率。
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,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种人脸识别方法,图4示出了本申请实施例提供的一种人脸识别装置的一个实施例结构图。
本实施例中,一种人脸识别装置可以包括:
图像获取模块401,用于获取待识别的目标人脸图像;
人脸特征提取模块402,用于提取目标人脸特征;其中,所述目标人脸特征为所述目标人脸图像中的人脸特征;
特征匹配模块403,用于根据所述目标人脸特征在预设的底库字典中进行人脸特征匹配,得到人脸识别结果;其中,所述底库字典中包括预设数目的基准人脸特征,且基准人脸特征为随着人脸识别过程进行更新的动态特征。
在本申请实施例的一种具体实现方式中,所述特征匹配模块可以包括:
特征相似度计算子模块,用于分别计算所述目标人脸特征与所述底库字典中的各个基准人脸特征之间的特征相似度;
确定子模块,用于将最大的特征相似度对应的基准人脸特征作为最近邻基准人脸特征;
输出子模块,用于若最大的特征相似度大于预设的第一阈值,则将所述最近邻基准人脸特征对应的身份标识作为人脸识别结果。
在本申请实施例的一种具体实现方式中,所述人脸识别装置还可以包括:
更新子模块,用于若最大的特征相似度大于预设的第二阈值,则根据所述目标人脸特征对所述最近邻基准人脸特征进行更新,得到更新后的最近邻基准人脸特征,其中,所述第二阈值大于所述第一阈值。
在本申请实施例的一种具体实现方式中,所述更新子模块可以包括:
融合单元,用于根据预设的人脸特征融合率将所述目标人脸特征融合入所述最近邻基准人脸特征中,得到更新后的最近邻基准人脸特征。
在本申请实施例的一种具体实现方式中,所述人脸识别装置还可以包括:
获取子模块,用于获取预设的各张底库图像;
处理子模块,用于处理所述底库图像,得到基准人脸图像;
特征提取子模块,用于使用预设的特征提取模型对所述基准人脸图像进行特征提取,得到所述底库字典。
在本申请实施例的一种具体实现方式中,所述处理子模块可以包括:
裁剪单元,用于对所述底库图像进行裁剪,得到裁剪图像;
归一化单元,用于对所述裁剪图像进行归一化,得到基准人脸图像。
在本申请实施例的一种具体实现方式中,所述人脸特征提取模块可以包括:
预处理子模块,用于对所述目标人脸图像进行预处理,得到目标人脸预处理图像;
分割子模块,用于对所述目标人脸预处理图像进行分割,得到目标人脸分割图像;
关键点对齐子模块,用于对所述目标人脸分割图像进行关键点对齐,得到目标人脸对齐图像;
提取子模块,用于对所述目标人脸对齐图像进行特征提取,得到目标人脸特征。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置,模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
图5示出了本申请实施例提供的一种终端设备的示意框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图5所示,该实施例的终端设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个人脸识别方法实施例中的步骤,例如图2所示的步骤S201至步骤S203。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块401至模块403的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。
所述终端设备5可以是手机、平板电脑、桌上型计算机、笔记本、掌上电脑及机器人等计算设备。本领域技术人员可以理解,图5仅仅是终端设备5的示例,并不构成对终端设备5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,例如所述终端设备5还可以包括输入输出设备、网络接入设备、总线等。
所述处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备,例如所述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备5所需的其它程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
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。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种人脸识别方法,其特征在于,包括:
获取待识别的目标人脸图像;
提取目标人脸特征;其中,所述目标人脸特征为所述目标人脸图像中的人脸特征;
根据所述目标人脸特征在预设的底库字典中进行人脸特征匹配,得到人脸识别结果;其中,所述底库字典中包括预设数目的基准人脸特征,且基准人脸特征为随着人脸识别过程进行更新的动态特征。
2.根据权利要求1所述的人脸识别方法,其特征在于,所述根据所述目标人脸特征在预设的底库字典中进行人脸特征匹配,得到人脸识别结果,包括:
分别计算所述目标人脸特征与所述底库字典中的各个基准人脸特征之间的特征相似度;
将最大的特征相似度对应的基准人脸特征作为最近邻基准人脸特征;
若最大的特征相似度大于预设的第一阈值,则将所述最近邻基准人脸特征对应的身份标识作为人脸识别结果。
3.根据权利要求2所述的人脸识别方法,其特征在于,在将最大的特征相似度对应的基准人脸特征作为最近邻基准人脸特征之后,还包括:
若最大的特征相似度大于预设的第二阈值,则根据所述目标人脸特征对所述最近邻基准人脸特征进行更新,得到更新后的最近邻基准人脸特征,其中,所述第二阈值大于所述第一阈值。
4.根据权利要求3所述的人脸识别方法,其特征在于,所述根据所述目标人脸特征对所述最近邻基准人脸特征进行更新,得到更新后的最近邻基准人脸特征,包括:
根据预设的人脸特征融合率将所述目标人脸特征融合入所述最近邻基准人脸特征中,得到更新后的最近邻基准人脸特征。
5.根据权利要求1所述的人脸识别方法,其特征在于,所述底库字典的设置过程包括:
获取预设的各张底库图像;
处理所述底库图像,得到基准人脸图像;
使用预设的特征提取模型对所述基准人脸图像进行特征提取,得到所述底库字典。
6.根据权利要求5所述的人脸识别方法,其特征在于,所述处理所述底库图像,包括:
对所述底库图像进行裁剪,得到裁剪图像;
对所述裁剪图像进行归一化,得到基准人脸图像。
7.根据权利要求1至6中任一项所述的人脸识别方法,其特征在于,所述提取目标人脸特征,包括:
对所述目标人脸图像进行预处理,得到目标人脸预处理图像;
对所述目标人脸预处理图像进行分割,得到目标人脸分割图像;
对所述目标人脸分割图像进行关键点对齐,得到目标人脸对齐图像;
对所述目标人脸对齐图像进行特征提取,得到目标人脸特征。
8.一种人脸识别装置,其特征在于,包括:
图像获取模块,用于获取待识别的目标人脸图像;
人脸特征提取模块,用于提取目标人脸特征;其中,所述目标人脸特征为所述目标人脸图像中的人脸特征;
特征匹配模块,用于根据所述目标人脸特征在预设的底库字典中进行人脸特征匹配,得到人脸识别结果;其中,所述底库字典中包括预设数目的基准人脸特征,且基准人脸特征为随着人脸识别过程进行更新的动态特征。
9.一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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的人脸识别方法的步骤。
10.一种终端设备,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程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的人脸识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211454536.1A CN115713799A (zh) | 2022-11-21 | 2022-11-21 | 一种人脸识别方法、装置、可读存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211454536.1A CN115713799A (zh) | 2022-11-21 | 2022-11-21 | 一种人脸识别方法、装置、可读存储介质及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115713799A true CN115713799A (zh) | 2023-02-24 |
Family
ID=85233938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211454536.1A Pending CN115713799A (zh) | 2022-11-21 | 2022-11-21 | 一种人脸识别方法、装置、可读存储介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115713799A (zh) |
-
2022
- 2022-11-21 CN CN202211454536.1A patent/CN115713799A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020143330A1 (zh) | 一种人脸图像的捕捉方法、计算机可读存储介质及终端设备 | |
CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
CN110992502A (zh) | 一种人脸识别考勤方法、系统以及可读存储介质 | |
TW202127376A (zh) | 基於圖像的指紋品質評估方法、裝置及電子設備 | |
CN112348778B (zh) | 一种物体识别方法、装置、终端设备及存储介质 | |
CN110941978A (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
WO2022127111A1 (zh) | 跨模态人脸识别方法、装置、设备及存储介质 | |
CN111931548A (zh) | 人脸识别系统、建立人脸识别数据的方法及人脸识别方法 | |
CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN112966687B (zh) | 图像分割模型训练方法、装置及通信设备 | |
CN112418089A (zh) | 一种手势识别方法、装置及终端 | |
CN112699270A (zh) | 基于云计算的监控安防数据传输储存方法、系统、电子设备和计算机存储介质 | |
CN111783677A (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN111461905A (zh) | 车险骗赔规避方法、装置、计算机设备及存储介质 | |
CN115713799A (zh) | 一种人脸识别方法、装置、可读存储介质及终端设备 | |
CN112416128B (zh) | 一种手势识别方法及终端设备 | |
CN113705366A (zh) | 人员管理系统身份识别方法、装置及终端设备 | |
WO2021184718A1 (zh) | 卡片边框识别方法、装置、设备和计算机存储介质 | |
CN114639143A (zh) | 基于人工智能的人像归档方法、设备及存储介质 | |
CN114373209A (zh) | 基于视频的人脸识别方法、装置、电子设备及存储介质 | |
CN113902030A (zh) | 行为的识别方法、装置、终端设备及存储介质 | |
CN113128505A (zh) | 局部可视对抗样本的检测方法、装置、设备和存储介质 | |
CN112270257A (zh) | 一种运动轨迹确定方法、装置及计算机可读存储介质 | |
CN113536953B (zh) | 一种人脸识别方法、装置、电子设备及存储介质 |
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 |