CN115798002A - 人脸检测方法、系统、电子设备及存储介质 - Google Patents
人脸检测方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115798002A CN115798002A CN202211486527.0A CN202211486527A CN115798002A CN 115798002 A CN115798002 A CN 115798002A CN 202211486527 A CN202211486527 A CN 202211486527A CN 115798002 A CN115798002 A CN 115798002A
- Authority
- CN
- China
- Prior art keywords
- infrared
- face detection
- light source
- infrared images
- images
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 171
- 238000012549 training Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 description 15
- 230000003287 optical effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 239000013589 supplement Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001502 supplementing effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001559 infrared map Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Image Analysis (AREA)
Abstract
本申请实施例涉及图像处理技术领域,公开了一种人脸检测方法、系统、电子设备及存储介质。上述人脸检测方法应用于人脸检测系统,人脸检测系统包括:红外镜头,以及位于红外镜头的不同侧的N个光源,N为大于1的整数;人脸检测方法包括:获取目标场景的多个红外图像;其中,多个红外图像是由红外镜头分别在N个光源对应的不同的开关组合下,对目标场景拍摄获得的,不同的开关组合下处于打开和/或关闭的光源存在不同;将多个红外图像均输入至人脸检测模型中,得到对目标场景的人脸检测结果;其中,人脸检测模型预先基于若干假体红外图像和若干真实人脸红外图像训练得到,以识别出假体与真实人脸,从而对假体进行防伪攻击,并且检测成本较低。
Description
技术领域
本申请实施例涉及图像处理技术领域,特别涉及一种人脸检测方法、系统、电子设备及存储介质。
背景技术
随着图像处理技术以及光学摄像技术的发展,人脸识别技术在生活中得到了广泛应用,例如:门禁在使用过程中的身份验证识别,电子消费产品的开机、检测和使用过程中的身份验证识别,以及安防监控领域的人脸识别等。其中,人脸识别技术中较为重要的一个环节是防伪攻击技术,也就是先检测待识别的场景是否包括真实的人脸。这里的“防伪”主要针对的是2D假体,例如照片、画册等,以及3D假体,例如高精度人脸头模、面具等,如果攻击者或者竞争者拿着假体进行人脸识别,而系统不具备防伪攻击能力,或者防伪攻击能力较低,则无法对该攻击者或者竞争者进行拦截,会导致系统的安全隐患增加,进而给用户带来名誉、财产等方面的损失。
为了提升防伪攻击能力,防伪攻击系统需要能够识别出身份验证对象是通过假体还是真实人脸进行身份验证,而主流的防伪攻击系统中在人脸识别时采用的光学器件精度较高、价格昂贵,导致系统成本增加,并且采用的防伪攻击算法比较复杂、计算量大,也会增加系统成本。
发明内容
本申请实施例的目的在于提供一种人脸检测方法、系统、电子设备及存储介质,可以识别出假体与真实人脸,从而对假体进行防伪攻击,并且检测成本较低。
为解决上述技术问题,本申请的实施例提供了一种人脸检测方法,应用于人脸检测系统,所述人脸检测系统包括:红外镜头,以及位于所述红外镜头的不同侧的N个光源,所述N为大于1的整数;所述方法包括以下步骤:获取目标场景的多个红外图像;其中,所述多个红外图像是由所述红外镜头分别在所述N个光源对应的不同的开关组合下,对所述目标场景拍摄获得的,不同的开关组合下处于打开和/或关闭的光源存在不同;将所述多个红外图像均输入至人脸检测模型中,得到对所述目标场景的人脸检测结果;其中,所述人脸检测模型预先基于若干假体红外图像和若干真实人脸红外图像训练得到。
本申请的实施例还提供了一种人脸检测系统,包括:红外镜头、位于所述红外镜头的不同侧的N个光源、控制模块和检测模块;其中,所述N为大于1的整数;所述红外镜头用于获取目标场景的多个红外图像;所述控制模块用于控制所述红外镜头分别在所述N个光源对应的不同的开关组合下,对所述目标场景拍摄获得所述多个红外图像;其中,不同的开关状态组合下处于打开和/或关闭的光源存在不同;所述检测模块用于将所述多个红外图像均输入至人脸检测模型中,得到对所述目标场景的人脸检测结果;其中,所述人脸检测模型预先通过多种假体红外图像和真实人脸红外图像训练得到。
本申请的实施例还提供了一种电子设备,包括:至少一个处理器;以及,与所述至少一个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至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述人脸检测方法。
本申请的实施例还提供了一种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人脸检测方法。
本申请实施例中,红外镜头用于拍摄目标场景,而在红外镜头的不同侧设置有N个光源,N为大于1的整数,则目标场景中的物体与不同光源的相对位姿会存在不同,通过红外镜头分别在N个光源对应的不同的开关组合下,对目标场景拍摄获得多个红外图像,这多个红外图像所呈现的光影效果会存在不同,且光影效果中包含有红外图像的深度信息,因此将多个红外图像均输入至预先基于若干假体红外图像和若干真实人脸红外图像训练得到的人脸检测模型中,可以得到对目标场景中物体的人脸检测结果,即确定目标场景中的物体是真实人脸还是假体,若为假体,则系统可以对该物体的验证进行拦截,达到防伪攻击的目的。由于本申请中仅采用了用于补光的光源和红外镜头,不需要额外的高精度光学器件,因而降低了系统的人脸检测成本,并且只需将存在不同光影效果的红外图像输入至人脸检测模型中即可输出人脸检测结果,计算量较小,进一步降低了人脸检测成本。
另外,所述N=2,即所述N个光源包括第一光源和第二光源,所述第一光源位于所述红外镜头的左侧,所述第二光源位于所述红外镜头的右侧;所述多个红外图像包括第一红外图像、第二红外图像、第三红外图像和第四红外图像,所述获取目标场景的多个红外图像,包括:在所述第一光源关闭且所述第二光源关闭的情况下,获取所述第一红外图像;在所述第一光源打开且所述第二光源关闭的情况下,获取所述第二红外图像;在所述第一光源关闭且所述第二光源打开的情况下,获取所述第三红外图像;在所述第一光源打开且所述第二光源打开的情况下,获取所述第四红外图像。本申请中通过在红外镜头的左右两侧分别设置一个光源,则可以通过红外镜头获取在两个光源对应的四种开关组合下的红外图像,以通过这四种开关组合下的红外图像放入光影效果获取人脸检测结果,检测成本较低。
另外,所述将所述多个红外图像均输入至人脸检测模型中,包括:将所述第一红外图像、所述第二红外图像、所述第三红外图像和所述第四红外图像按序输入至所述人脸检测模型中。本申请中通过将多个红外图像按序输入人脸检测模型中,能够精确地体现多个红外图像所呈现的光影效果的变化,以提升人脸检测模型的检测精度。
另外,所述N=4,即所述N个光源包括第一光源、第二光源、第三光源和第四光源,所述第一光源位于所述红外镜头的左侧,所述第二光源位于所述红外镜头的右侧,所述第三光源位于所述红外镜头的上侧,所述第四光源位于所述红外镜头的下侧。本申请中还可以在红外镜头的上下左右四侧设置四个光源,则可以通过红外镜头获取在四个光源对应的十六种开关组合下的红外图像,通过这十六种开关组合下的红外图像放入光影效果获取人脸检测结果,以提升人脸检测精度。
另外,所述获取目标场景的多个红外图像,包括:通过所述红外镜头在所述N个光源对应的每一所述开关组合下,对所述目标场景拍摄获得多个红外图像;所述将所述多个红外图像均输入人脸检测模型中,包括:将所述每一开关组合对应的多个红外图像均输入至所述人脸检测模型中。本申请中通过红外镜头在N个光源对应的每一种开关组合下,获取目标场景的多个红外图像,并将其输入人脸检测模型,可以提升人脸检测结果的准确度。
另外,在所述将所述多个红外图像均输入至人脸检测模型中之前,还包括:对于在每一所述开关组合下拍摄获得的多个红外图像,检测所述多个红外图像的质量,并根据所述多个红外图像的质量结果,从所述多个红外图像中选取输入至所述人脸检测模型的目标红外图像。本申请中通过从多个红外图像中选取输入至人脸检测模型的目标红外图像,避免由于红外图像过曝或过暗,影响到人脸检测的精度。
另外,所述人脸检测模型具体通过以下步骤训练得到:获取待训练的人脸检测模型、若干个假体红外图像和若干个真实人脸红外图像;其中,所述假体红外图像包括2D假体红外图像和3D假体红外图像,所述若干个假体红外图像和所述若干个真实人脸红外图像均由所述红外镜头分别在所述N个光源对应的不同的开关组合下,对若干假体和若干真实人脸拍摄获得;根据所述若干个假体红外图像和所述若干个真实人脸红外图像对所述待训练的人脸检测模型进行训练,得到训练完成的所述人脸检测模型。本申请中由于人脸检测模型的训练样本中包括2D假体红外图像和3D假体红外图像,因此人脸检测模型无需先对目标场景中的物体是2D假体或是3D假体分别进行处理,可以直接根据红外图像得到人脸检测结果是2D假体还是3D假体,减小了计算量。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本申请的一个实施例提供的一种人脸检测方法的具体流程图一;
图2是根据本申请的一个实施例提供的一种光影效果的变化示意图;
图3是根据本申请的一个实施例提供的一种人脸检测方法的具体流程图二;
图4是根据本申请的一个实施例提供的一种人脸检测方法的具体流程图三;
图5是根据本申请的一个实施例提供的一种人脸检测系统的结构示意图;
图6是根据本申请的一个实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请的各实施例进行详细的阐述。然而,本领域的普通技术人员可以理解,在本申请各实施例中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施例的种种变化和修改,也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本申请的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
为了便于理解,首先对人脸检测的相关技术进行以下说明:
人脸检测技术可以应用于各领域的身份验证,但是攻击者或竞争者可以通过假体或者照片伪造真实人脸进行人脸识别或者安防攻击,因此防伪攻击技术在人脸检测中起到重要作用。在相关技术中,防伪攻击系统的重要组成部分为:光学器件、处理单元和电路控制单元。光学器件包括:散斑投射器、红外镜头和补光灯;其中,散斑投射器用于向目标场景投射随机散斑特征点,红外镜头用于对目标场景进行拍摄,以获取目标场景的红外图像,补光灯用于对目标场景进行补光。具体地,在散斑投射器打开且补光灯关闭的情况下,通过红外镜头可以拍摄获得目标场景的散斑图,在散斑投射器关闭且补光灯打开的情况下,通过红外镜头可以拍摄获得目标场景的红外图。处理单元包括深度检测模块和活体检测模块;其中,深度检测模块用于根据散斑图获取目标场景的深度图,活体检测模块用于根据深度图防御2D假体攻击,根据红外图防御3D假体攻击。电路控制单元用于控制散斑投射器、红外镜头以及补光灯的打开与关闭。
上述方案存在以下缺陷:(1)散斑投射器属于高精度光学器件,价格昂贵,导致震哥哥防伪攻击系统的成本增加;(2)防伪攻击算法需要区分为防御2D和3D假体所使用的不同数据(即深度图和红外图),算法计算量较大,也会导致成本增加。而本申请实施例无需采用高精度的光学器件,且无需获取目标场景的深度图,因此不用区分为防御2D和3D假体所使用的不同数据,计算量较小,从而极大程度上地减小了系统成本。
本申请的一个实施例涉及一种人脸检测方法,应用于人脸检测系统,其中,人脸检测系统包括:红外镜头,以及位于红外镜头的不同侧的N个光源,N为大于1的整数。可以理解的是,红外镜头用于对目标场景进行拍摄,以得到目标场景的红外图像;光源用于为目标场景照明,起到补光的作用,因此本实施例中的N个光源可以为N个补光灯。
下面对本实施例的人脸检测方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须。本实施例的人脸检测方法的具体实现流程图如图1所示,包括:
步骤101,获取目标场景的多个红外图像;其中,多个红外图像是由红外镜头分别在N个光源对应的不同的开关组合下,对目标场景拍摄获得的,不同的开关组合下处于打开和/或关闭的光源存在不同。
具体而言,目标场景具体指身份验证的场景,目标场景中包括用于身份验证的目标对象,目标对象可能是用户的真实人脸,也可能是攻击者或者竞争者根据用户的真实人脸伪造的假体,也就是说,本实施例的人脸检测实质是对目标场景中目标对象的人脸检测。由于一个光源的状态有两种:打开和关闭,则N个光源所对应的开关组合总共有2N种,通过红外镜头在这2N种开关组合中的每一种开关组合下,对目标场景拍摄获得红外图像,则可以获取目标场景的多个红外图像。其中,不同的开关组合下处于打开和/或关闭的光源存在不同。
在一个例子中,光源的个数N=2,即人脸检测系统包括位于红外镜头的不同侧的两个光源,为第一光源和第二光源,且第一光源位于红外镜头的左侧,第二光源位于红外镜头的右侧;则光源所对应的开关组合有22=4种,具体包括:第一光源关闭且第二光源关闭,第一光源打开且第二光源关闭,第一光源关闭且第二光源打开,以及第一光源打开且第二光源打开,则分别在第一光源关闭且第二光源关闭的情况下,获取第一红外图像,在第一光源打开且第二光源关闭的情况下,获取第二红外图像,在第一光源关闭且第二光源打开的情况下,获取第三红外图像,以及在第一光源打开且第二光源打开的情况下,获取第四红外图像。具体可以参见图2,图2从左至右依次示出了在第一光源关闭且第二光源关闭的情况下通过红外镜头拍摄获得的目标场景的第一红外图像,在第一光源打开且第二光源关闭的情况下通过红外镜头拍摄获得的目标场景的第二红外图像,在第一光源关闭且第二光源打开的情况下通过红外镜头拍摄获得的目标场景的第三红外图像,以及在第一光源打开且第二光源打开的情况下通过红外镜头拍摄获得的目标场景的第四红外图像。本申请中通过在红外镜头的左右两侧分别设置一个光源,则可以通过红外镜头获取在两个光源对应的四种开关组合下的红外图像,以基于这四种开关组合下的红外图像获取人脸检测结果,检测成本较低。
在具体实现中,红外镜头处于居中的位置,位于红外镜头的不同侧的N个光源与红外镜头的距离均相同,不同光源与目标场景中目标对象的相对位姿会存在不同,因此在N个光源对应的每一种开关组合下,由于光源的状态发生了变化,目标对象的表面所呈现的光影效果也会发生变化,目标对象表面的起伏和轮廓信息会越丰富,参见图2。例如若目标场景中的目标对象为真实人脸,则不同开关组合对应的多个红外图像能够呈现真实人脸的轮廓的变化,通过这多个能够呈现目标场景光影效果变化的红外图像可以区分出目标场景中的目标对象是假体或是真实人脸。
需要说明的是,在N个光源对应的每一种开关组合下,通过红外镜头拍摄获得的红外图像的个数本领域技术人员可以根据实际需要设置,本实施例对此不作限制。
步骤102,将多个红外图像均输入至人脸检测模型中,得到对目标场景的人脸检测结果;其中,人脸检测模型预先基于若干假体红外图像和若干真实人脸红外图像训练得到。
具体而言,由于本实施例预先基于若干假体红外图像和若干真实人脸红外图像训练得到了人脸检测模型,因此,通过将拍摄获得的多个红外图像均输入至人脸检测模型中,即可得到对目标场景的人脸检测结果,即检测得到目标场景中的目标对象是假体或是真实人脸。
其中,人脸检测模型具体通过以下步骤训练得到:
(1)获取待训练的人脸检测模型、若干个假体红外图像和若干个真实人脸红外图像;其中,假体红外图像包括2D假体红外图像和3D假体红外图像,若干个假体红外图像和若干个真实人脸红外图像均由所述红外镜头分别在N个光源对应的不同的开关组合下,对若干假体和若干真实人脸拍摄获得;(2)根据若干个假体红外图像和若干个真实人脸红外图像对待训练的人脸检测模型进行训练,得到训练完成的人脸检测模型。
由于人脸检测模型的训练样本中的假体红外图像包括2D假体红外图像和3D假体红外图像,因此人脸检测模型无需先对目标场景中的物体是2D假体或是3D假体分别进行处理,即无需相关技术中对于2D假体图像需要获取其深度图,可以直接根据红外图像得到人脸检测结果是2D假体还是3D假体,减小了计算量。
在一个例子中,对于通过红外镜头分别在N个光源对应的不同的开关组合下,对目标场景拍摄获得多个红外图像,可以将这多个红外图像按序输入人脸检测模型中,例如,如上述的通过红外镜头分别在2个光源对应的四个开关组合下,对目标场景拍摄获得了四个红外图像,即第一红外图像、第二红外图像、第三红外图像和第四红外图像,则按序将第一红外图像、第二红外图像、第三红外图像和第四红外图像输入至人脸检测模型中。本申请中通过将多个红外图像按序输入人脸检测模型中,能够精确地体现多个红外图像所呈现的光影效果的变化,参见图2中红外图像所呈现的光影效果,可以提升人脸检测模型的检测精度。
本实施例中,红外镜头用于拍摄目标场景,而在红外镜头的不同侧设置有N个光源,N为大于1的整数,则目标场景中的物体与不同光源的相对位姿会存在不同,通过红外镜头分别在N个光源对应的不同的开关组合下,对目标场景拍摄获得多个红外图像,这多个红外图像所呈现的光影效果会存在不同,且光影效果中包含有红外图像的深度信息,因此将多个红外图像均输入至预先基于若干假体红外图像和若干真实人脸红外图像训练得到的人脸检测模型中,可以得到对目标场景中物体的人脸检测结果,即确定目标场景中的物体是真实人脸还是假体,若为假体,则系统可以对该物体的验证进行拦截,达到防伪攻击的目的。由于本申请中仅采用了用于补光的光源和红外镜头,不需要额外的高精度光学器件,因而降低了系统的人脸检测成本,并且只需将存在不同光影效果的红外图像输入至人脸检测模型中即可输出人脸检测结果,计算量较小,进一步降低了人脸检测成本。
在一个实施例中,光源的个数N=4,即人脸检测系统包括位于红外镜头的不同侧的四个光源,具体包括第一光源、第二光源、第三光源和第四光源,其中,第一光源位于所述红外镜头的左侧,第二光源位于红外镜头的右侧,第三光源位于红外镜头的上侧,第四光源位于红外镜头的下侧。因此,光源所对应的开关组合有24=16种,具体包括:第一光源、第二光源、第三光源和第四光源均关闭,第一光源、第二光源和第四光源关闭且第三光源打开,第一光源、第二光源和第三光源关闭且第四光源打开,第一光源和第二光源关闭且第三光源和第四光源打开,第一光源、第三光源和第四光源关闭且第二光源打开,第一光源和第四光源关闭且第二光源和第三光源打开,第一光源和第三光源关闭且第二光源和第四光源打开,第一光源关闭且第二光源、第三光源和第四光源打开,第一光源打开且第二光源、第三光源和第四光源关闭,第一光源和第三光源打开且第二光源和第四光源关闭,第一光源和第四光源打开且第二光源和第三光源关闭,第一光源、第三光源和第四光源打开且第二光源关闭,第一光源和第二光源打开且第三光源和第四光源关闭,第一光源、第二光源和第三光源打开且第四光源关闭,第一光源、第二光源和第四光源打开且第三光源关闭,第一光源、第二光源、第三光源和第四光源均打开。通过红外镜头分别获取上述16种开关组合下,对目标场景进行拍摄获得的多个红外图像,并将这多个红外图像均输入至人脸检测模型中,可以得到对目标场景的人脸检测结果。
本实施例中,通过在红外镜头的上下左右四侧设置四个光源,则可以通过红外镜头获取在四个光源对应的十六种开关组合下的红外图像,通过这十六种开关组合下的红外图像放入光影效果获取人脸检测结果,以提升人脸检测精度。
在一个实施例中,本申请的人脸检测方法的具体实现流程图如图3所示,包括:
步骤301,通过红外镜头在N个光源对应的每一开关组合下,对目标场景拍摄获得多个红外图像;其中,不同的开关组合下处于打开和/或关闭的光源存在不同。
具体而言,通过红外镜头在N个光源对应的每一开关组合下,对目标场景拍摄获得多个红外图像,例如,若光源的个数N=2,则分别在第一光源关闭且第二光源关闭的情况下,获取多个第一红外图像,在第一光源打开且第二光源关闭的情况下,获取多个第二红外图像,在第一光源关闭且第二光源打开的情况下,获取多个第三红外图像,以及在第一光源打开且第二光源打开的情况下,获取多个第四红外图像。
步骤302,将每一开关组合对应的多个红外图像均输入至人脸检测模型中,得到对目标场景的人脸检测结果;其中,人脸检测模型预先基于若干假体红外图像和若干真实人脸红外图像训练得到。
具体而言,将每一开关组合对应的多个红外图像均输入至人脸检测模型中,得到对目标场景的人脸检测结果,例如,若光源的个数N=2,则将多个第一红外图像、多个第二红外图像多个第三红外图像,以及多个第四红外图像均输入至人脸检测模型中,得到对目标场景的人脸检测结果。
本实施例中,通过红外镜头在N个光源对应的每一种开关组合下,获取目标场景的多个红外图像,并将其输入人脸检测模型,可以提升人脸检测结果的准确度。
在一个实施例中,本申请的人脸检测方法可以通过如下方式实现,而不能实施例是对上一实施例做的改进,本实施例的人脸检测方法的具体实现流程图如图4所示,包括:
步骤401,通过红外镜头在N个光源对应的每一开关组合下,对目标场景拍摄获得多个红外图像;其中,不同的开关组合下处于打开和/或关闭的光源存在不同。
步骤401与步骤301大致相同,此处不再赘述。
步骤402,对于在每一开关组合下拍摄获得的多个红外图像,检测多个红外图像的质量,并根据多个红外图像的质量结果,从多个红外图像中选取输入至人脸检测模型的目标红外图像。
具体而言,对于在每一开关组合下拍摄获得的多个红外图像,检测多个红外图像的质量,例如,若光源的个数N=2,则分别检测多个第一红外图像、多个第二红外图像多个第三红外图像,以及多个第四红外图像的质量,并分别从多个第一红外图像、多个第二红外图像多个第三红外图像,以及多个第四红外图像种剔除图像过曝和/或过暗的,以得到第一目标红外图像、第二目标红外图像、第三目标红外图像以及第四目标红外图像。
步骤403,将选取的与每一开关组合对应的目标红外图像均输入至人脸检测模型中,得到对目标场景的人脸检测结果;其中,人脸检测模型预先基于若干假体红外图像和若干真实人脸红外图像训练得到。
具体而言,将选取的与每一开关组合对应的目标红外图像均输入至人脸检测模型中,例如,若光源的个数N=2,则将剔除得到的第一目标红外图像、第二目标红外图像、第三目标红外图像以及第四目标红外图像均输入至人脸检测模型中,得到对目标场景的人脸检测结果。
本实施例中,通过从多个红外图像中选取输入至人脸检测模型的目标红外图像,避免由于红外图像过曝或过暗,影响到人脸检测的精度。
需要说明的是,上述实施例中的上述各示例均为方便理解进行的举例说明,并不对本发明的技术方案构成限定。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本申请的另一个实施例涉及一种人脸检测系统,下面对本实施例的人脸检测系统的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须,本实施例的人脸检测系统的示意图可以如图5所示,包括:红外镜头501、位于红外镜头501的不同侧的光源502、控制模块503和检测模块504;其中,光源的个数为N,且N为大于1的整数(图中仅示出了位于红外镜头501左侧的第一光源和右侧的第二光源)。
具体而言,红外镜头501,用于获取目标场景的多个红外图像。
控制模块503,用于控制红外镜头501分别在N个光源502对应的不同的开关组合下,对目标场景拍摄获得多个红外图像,其中,不同的开关状态组合下处于打开和/或关闭的光源存在不同。
在一个例子中,控制模块503,还用于控制红外镜头在N个光源502对应的每一开关组合下,对目标场景拍摄获得多个红外图像。
检测模块504,用于将多个红外图像均输入至人脸检测模型中,得到对目标场景的人脸检测结果;其中,人脸检测模型预先通过多种假体红外图像和真实人脸红外图像训练得到。
在一个例子中,检测模块504,还用于将红外镜头在N个光源502对应的每一开关组合下,对目标场景拍摄获得的多个红外图像均输入至人脸检测模型中,得到对目标场景的人脸检测结果。
不难发现,本实施例为与上述方法实施例对应的系统实施例,本实施例可以与上述方法实施例互相配合实施。上述实施例中提到的相关技术细节和技术效果在本实施例中依然有效,为了减少重复,这里不再赘述。相应地,本实施例中提到的相关技术细节也可应用在上述实施例中。
值得一提的是,本实施例中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本申请的创新部分,本实施例中并没有将与解决本申请所提出的技术问题关系不太密切的单元引入,但这并不表明本实施例中不存在其它的单元。
本申请另一个实施例涉及一种电子设备,如图6所示,包括:至少一个处理器601;以及,与所述至少一个处理器601通信连接的存储器602;其中,所述存储器602存储有可被所述至少一个处理器601执行的指令,所述指令被所述至少一个处理器601执行,以使所述至少一个处理器601能够执行上述各实施例中的人脸检测方法。
其中,存储器和处理器采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本申请另一个实施例涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,简称:ROM)、随机存取存储器(Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施例是实现本申请的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本申请的精神和范围。
Claims (10)
1.一种人脸检测方法,其特征在于,应用于人脸检测系统,所述人脸检测系统包括:红外镜头,以及位于所述红外镜头的不同侧的N个光源,所述N为大于1的整数;所述方法包括:
获取目标场景的多个红外图像;其中,所述多个红外图像是由所述红外镜头分别在所述N个光源对应的不同的开关组合下,对所述目标场景拍摄获得的,不同的开关组合下处于打开和/或关闭的光源存在不同;
将所述多个红外图像均输入至人脸检测模型中,得到对所述目标场景的人脸检测结果;其中,所述人脸检测模型预先基于若干假体红外图像和若干真实人脸红外图像训练得到。
2.根据权利要求1所述的人脸检测方法,其特征在于,所述N=2,即所述N个光源包括第一光源和第二光源,所述第一光源位于所述红外镜头的左侧,所述第二光源位于所述红外镜头的右侧;
所述多个红外图像包括第一红外图像、第二红外图像、第三红外图像和第四红外图像,所述获取目标场景的多个红外图像,包括:
在所述第一光源关闭且所述第二光源关闭的情况下,获取所述第一红外图像;
在所述第一光源打开且所述第二光源关闭的情况下,获取所述第二红外图像;
在所述第一光源关闭且所述第二光源打开的情况下,获取所述第三红外图像;
在所述第一光源打开且所述第二光源打开的情况下,获取所述第四红外图像。
3.根据权利要求2所述的人脸检测方法,其特征在于,所述将所述多个红外图像均输入至人脸检测模型中,包括:
将所述第一红外图像、所述第二红外图像、所述第三红外图像和所述第四红外图像按序输入至所述人脸检测模型中。
4.根据权利要求1所述的人脸检测方法,其特征在于,所述N=4,即所述N个光源包括第一光源、第二光源、第三光源和第四光源,所述第一光源位于所述红外镜头的左侧,所述第二光源位于所述红外镜头的右侧,所述第三光源位于所述红外镜头的上侧,所述第四光源位于所述红外镜头的下侧。
5.根据权利要求1所述的人脸检测方法,其特征在于,所述获取目标场景的多个红外图像,包括:
通过所述红外镜头在所述N个光源对应的每一所述开关组合下,对所述目标场景拍摄获得多个红外图像;
所述将所述多个红外图像均输入人脸检测模型中,包括:
将所述每一开关组合对应的多个红外图像均输入至所述人脸检测模型中。
6.根据权利要求5所述的人脸检测方法,其特征在于,在所述将所述多个红外图像均输入至人脸检测模型中之前,还包括:
对于在每一所述开关组合下拍摄获得的多个红外图像,检测所述多个红外图像的质量,并根据所述多个红外图像的质量结果,从所述多个红外图像中选取输入至所述人脸检测模型的目标红外图像。
7.根据权利要求1至6中任一项所述的人脸检测方法,其特征在于,所述人脸检测模型具体通过以下步骤训练得到:
获取待训练的人脸检测模型、若干个假体红外图像和若干个真实人脸红外图像;其中,所述假体红外图像包括2D假体红外图像和3D假体红外图像,所述若干个假体红外图像和所述若干个真实人脸红外图像均由所述红外镜头分别在所述N个光源对应的不同的开关组合下,对若干假体和若干真实人脸拍摄获得;
根据所述若干个假体红外图像和所述若干个真实人脸红外图像对所述待训练的人脸检测模型进行训练,得到训练完成的所述人脸检测模型。
8.一种人脸检测系统,其特征在于,包括:红外镜头、位于所述红外镜头的不同侧的N个光源、控制模块和检测模块;其中,所述N为大于1的整数;
所述红外镜头用于获取目标场景的多个红外图像;
所述控制模块用于控制所述红外镜头分别在所述N个光源对应的不同的开关组合下,对所述目标场景拍摄获得所述多个红外图像;其中,不同的开关状态组合下处于打开和/或关闭的光源存在不同;
所述检测模块用于将所述多个红外图像均输入至人脸检测模型中,得到对所述目标场景的人脸检测结果;其中,所述人脸检测模型预先通过多种假体红外图像和真实人脸红外图像训练得到。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个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至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一所述的人脸检测方法。
10.一种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权利要求1至7中任一所述的人脸检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211486527.0A CN115798002A (zh) | 2022-11-24 | 2022-11-24 | 人脸检测方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211486527.0A CN115798002A (zh) | 2022-11-24 | 2022-11-24 | 人脸检测方法、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115798002A true CN115798002A (zh) | 2023-03-14 |
Family
ID=85441316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211486527.0A Pending CN115798002A (zh) | 2022-11-24 | 2022-11-24 | 人脸检测方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115798002A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019011099A1 (zh) * | 2017-07-14 | 2019-01-17 | Oppo广东移动通信有限公司 | 虹膜活体检测方法及相关产品 |
CN113255516A (zh) * | 2021-05-24 | 2021-08-13 | 展讯通信(天津)有限公司 | 活体检测方法、装置和电子设备 |
CN113591517A (zh) * | 2020-04-30 | 2021-11-02 | 华为技术有限公司 | 一种活体检测方法及相关设备 |
CN114093006A (zh) * | 2021-11-26 | 2022-02-25 | 北京百度网讯科技有限公司 | 活体人脸检测模型的训练方法、装置、设备以及存储介质 |
-
2022
- 2022-11-24 CN CN202211486527.0A patent/CN115798002A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019011099A1 (zh) * | 2017-07-14 | 2019-01-17 | Oppo广东移动通信有限公司 | 虹膜活体检测方法及相关产品 |
CN113591517A (zh) * | 2020-04-30 | 2021-11-02 | 华为技术有限公司 | 一种活体检测方法及相关设备 |
CN113255516A (zh) * | 2021-05-24 | 2021-08-13 | 展讯通信(天津)有限公司 | 活体检测方法、装置和电子设备 |
CN114093006A (zh) * | 2021-11-26 | 2022-02-25 | 北京百度网讯科技有限公司 | 活体人脸检测模型的训练方法、装置、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108769509B (zh) | 控制摄像头的方法、装置、电子设备及存储介质 | |
CN108052878B (zh) | 人脸识别设备和方法 | |
CN108573170B (zh) | 信息处理方法和装置、电子设备、计算机可读存储介质 | |
JP2013522754A (ja) | 複数の虹彩テンプレートを用いた虹彩認識装置及び方法 | |
WO2019196683A1 (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN109360254B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN113609907B (zh) | 一种多光谱数据的获取方法、装置及设备 | |
CN109040746B (zh) | 摄像头校准方法和装置、电子设备、计算机可读存储介质 | |
CN110532746B (zh) | 人脸校验方法、装置、服务器及可读存储介质 | |
KR20180134280A (ko) | 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법 | |
CN110059579B (zh) | 用于活体检验的方法和装置,电子设备和存储介质 | |
CN111460970A (zh) | 活体检测方法和装置、人脸识别设备 | |
CN113239875B (zh) | 人脸特征的获取方法、系统、装置及计算机可读存储介质 | |
CN111104833A (zh) | 用于活体检验的方法和装置,存储介质和电子设备 | |
KR101919090B1 (ko) | 3차원 깊이정보 및 적외선정보에 기반하여 생체여부의 확인을 행하는 얼굴인식 장치 및 방법 | |
CN102959942A (zh) | 立体观看用图像拍摄装置及其控制方法 | |
CN113111807B (zh) | 一种目标识别的方法和系统 | |
CN109661668A (zh) | 用于虹膜识别的图像处理方法和系统 | |
CN114387548A (zh) | 视频及活体检测方法、系统、设备、存储介质及程序产品 | |
CN109636399A (zh) | 一种超脸识别系统及识别方法 | |
CN109167998A (zh) | 检测相机状态的方法及装置、电子设备、存储介质 | |
CN113111810B (zh) | 一种目标识别方法和系统 | |
CN111310567A (zh) | 一种多人场景下的人脸识别方法及装置 | |
CN115798002A (zh) | 人脸检测方法、系统、电子设备及存储介质 | |
JP2022130308A (ja) | 歯色を判定する方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230314 |