CN116152889A - 人脸特征提取方法及电子设备、计算机可读存储介质 - Google Patents
人脸特征提取方法及电子设备、计算机可读存储介质 Download PDFInfo
- Publication number
- CN116152889A CN116152889A CN202211692353.3A CN202211692353A CN116152889A CN 116152889 A CN116152889 A CN 116152889A CN 202211692353 A CN202211692353 A CN 202211692353A CN 116152889 A CN116152889 A CN 116152889A
- Authority
- CN
- China
- Prior art keywords
- image
- target image
- pixel
- preset
- sub
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 67
- 238000012795 verification Methods 0.000 claims abstract description 60
- 230000001815 facial effect Effects 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000005070 sampling Methods 0.000 claims description 75
- 238000004590 computer program Methods 0.000 claims description 21
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 description 26
- 230000006870 function Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000007781 pre-processing Methods 0.000 description 8
- 230000036961 partial effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种人脸特征提取方法及电子设备、计算机可读介质,该方法包括:获取参考图像和目标图像;分别计算第一预设数量的像素对中每个像素对的两个像素点的像素值的差值;若所述像素值的差值中大于或等于第一预设阈值的差值的数量达到第一门限值,采用以下验证方式中的至少一种获取验证结果:判断所述参考图像的目标图像块和所述目标图像的目标图像块中达到像素阈值的像素数量差、判断所述参考图像的多个子图像块和所述目标图像的多个子图像块中每组子图像块的相似度;若所述验证结果表示所述目标图像相对于所述参考图像产生了变化,对所述目标图像进行人脸特征提取。根据本公开的实施例能够提升人脸特征提取的效率。
Description
技术领域
本公开涉及计算机技术领域,特别涉及一种人脸特征提取方法及电子设备、计算机可读存储介质。
背景技术
人脸识别是通过人们的面部特征对人们的身份进行检测或验证的生物识别技术,被广泛应用于各类安全检测、安全验证等场景,例如,人脸识别技术可以被应用于门禁系统。
一些应用场景中,相关设备周期性执行人脸识别操作,即,采集一帧图像,对本次采集的图像进行面部特征识别和提取等操作,在完成本轮操作之后,采集下一帧图像,这种方式执行效率相对较低。
发明内容
本公开提供一种人脸特征提取方法及装置、电子设备、计算机可读存储介质。
第一方面,本公开提供了一种人脸特征提取方法,该方法包括:
获取参考图像和目标图像,所述参考图像是所述目标图像的前一帧图像;
分别计算所述参考图像的像素点和所述目标图像的像素点组成的第一预设数量的像素对中每个像素对的两个像素点的像素值的差值,每个像素对包括一个参考像素点和一个目标像素点,一个像素对中的参考像素点在所述参考图像中的位置与目标像素点在所述目标图像中的位置相同;
若所述像素值的差值中大于或等于第一预设阈值的差值的数量达到第一门限值,采用以下验证方式中的至少一种获取验证结果:判断所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差,每个图像的目标图像块是指相应图像中位于预设视野区域内的图像块;判断所述参考图像的多个子图像块和所述目标图像的多个子图像块中每组子图像块的相似度,每个图像的多个子图像块是指从图像对应的多个抽样区域中抽样得到的图像块,同一抽样区域对应的所述参考图像的子图像块和所述目标图像的子图像块为一组子图像块;
若所述验证结果表示所述目标图像相对于所述参考图像产生了变化,则对所述目标图像进行人脸特征提取。
第二方面,本公开提供了一种人脸特征提取装置,该人脸特征提取装置包括:
获取模块,用于获取参考图像和目标图像,所述参考图像是所述目标图像的前一帧图像;
计算模块,用于分别计算所述参考图像的像素点和所述目标图像的像素点组成的第一预设数量的像素对中每个像素对的两个像素点的像素值的差值,每个像素对包括一个参考像素点和一个目标像素点,一个像素对中的参考像素点在所述参考图像中的位置与目标像素点在所述目标图像中的位置相同;
验证模块,用于若所述像素值的差值中大于或等于第一预设阈值的差值的数量达到第一门限值,采用以下验证方式中的至少一种获取验证结果:判断所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差,每个图像的目标图像块是指相应图像中位于预设视野区域内的图像块;判断所述参考图像的多个子图像块和所述目标图像的多个子图像块中每组子图像块的相似度,每个图像的多个子图像块是指从图像对应的多个抽样区域中抽样得到的图像块,同一抽样区域对应的所述参考图像的子图像块和所述目标图像的子图像块为一组子图像块;
提取模块,用于若所述验证结果表示所述目标图像相对于所述参考图像产生了变化,则对所述目标图像进行人脸特征提取。
第三方面,本公开提供了一种电子设备,该电子设备包括: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一个或多个计算机程序,所述一个或多个计算机程序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的人脸特征提取方法。
第四方面,本公开提供了一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序在被处理器执行时实现上述的人脸特征提取方法。
第五方面,本公开提供了一种计算机程序或计算机程序产品,该计算机程序产品包括计算机程序,计算机程序存储在计算机可读存储介质中,所述计算机程序在被处理器执行时实现上述的人脸特征提取方法。
本公开所提供的实施例中,获取相邻的两个图像作为参考图像和目标图像,参考图像是目标图像的前一帧图像,进而,分别计算参考图像的像素点和目标图像的像素点组成的第一预设数量的像素对中每个像素对的两个像素点的像素值的差值,每个像素对包括一个参考像素点和一个目标像素点,一个像素对中的参考像素点在所述参考图像中的位置与目标像素点在所述目标图像中的位置相同。若所述像素值的差值中大于或等于第一预设阈值的差值的数量达到第一门限值,采用以下验证方式中的至少一种获取验证结果:判断所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差,每个图像的目标图像块是指相应图像中位于预设视野区域内的图像块;判断所述参考图像的多个子图像块和所述目标图像的多个子图像块中每组子图像块的相似度,每个图像的多个子图像块是指从图像对应的多个抽样区域中抽样得到的图像块,同一抽样区域对应的所述参考图像的子图像块和所述目标图像的子图像块为一组子图像块,若所述验证结果表示所述目标图像相对于所述参考图像产生了变化,对所述目标图像进行人脸特征提取。即,本公开实施例不再每获取一个图像,无论该图像是否是人脸图像,均周期性的执行人脸特征提取操作,而是在获取目标图像之后,将该目标图像的前一帧图像作为参考图像,进而,根据两个图像中预确定的相同位置的部分像素点的像素值,确定目标图像相对于参考图像是否存在变化,之后,根据两个图像中预确定区域对应的相同区域的像素点的比对,对根据像素点确定的结果进行验证,在验证结果同样表示目标图像相对于参考图像存在变化,可以认为目标图像为人脸图像,进而对所述目标图像进行人脸特征提取。这样,相对于传统的获取图像、对获取的图像进行人脸特征提取处理的方式,增加了对图像预处理的阶段,若在预处理阶段确定目标图像是人脸图像,才对目标图像进行人脸特征提取,否则,不再对目标图像进行人脸特征提取,从而能够提高人脸特征提取的执行效率。此外,本公开实施例基于各帧图像的部分像素点、以及部分区域进行比对处理,而无需对图像的全部像素点进行处理,能够提升预处理的效率,从而有利于压缩对图像进行预处理的时间,进而,能够进一步提升人脸特征提取的效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用来提供对本公开的进一步理解,并且构成说明书的一部分,与本公开的实施例一起用于解释本公开,并不构成对本公开的限制。通过参考附图对详细示例实施例进行描述,以上和其他特征和优点对本领域技术人员将变得更加显而易见,在附图中:
图1为本公开实施例提供的一种人脸特征提取方法的流程图;
图2为本公开实施例提供的一种人脸特征提取装置的结构图;
图3为本公开实施例提供的一种电子设备的结构图。
具体实施方式
为使本领域的技术人员更好地理解本公开的技术方案,以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在不冲突的情况下,本公开各实施例及实施例中的各特征可相互组合。
如本文所使用的,术语“和/或”包括一个或多个相关列举条目的任何和所有组合。
本文所使用的术语仅用于描述特定实施例,且不意欲限制本公开。如本文所使用的,单数形式“一个”和“该”也意欲包括复数形式,除非上下文另外清楚指出。还将理解的是,当本说明书中使用术语“包括”和/或“由……制成”时,指定存在所述特征、整体、步骤、操作、元件和/或组件,但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。
除非另外限定,否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解,诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义,且将不解释为具有理想化或过度形式上的含义,除非本文明确如此限定。
本公开实施例涉及生物模式识别技术领域,具体涉及人脸识别技术。人脸识别,又称面部特征识别,可以被广泛应用于各类安全验证的场景中,例如门禁系统。
一种门禁系统的执行过程例如是:预先采集需要验证的人的面部特征并存储,当有用户想要验证开门时,门禁系统提取该用户的面部特征,然后与预存储的面部特征比对,如果所提取的面部特征与预存储的任一面部特征匹配,则验证通过,执行开门流程,如果所提取的面部特征与预存储的所有面部特征均不匹配,则未验证通过,不执行开门流程。该场景中,门禁系统的人脸特征提取方案是采集一帧图像,然后对所采集的图像进行包括图像真伪判断、模糊图像识别、面部特征提取等处理步骤,进而,在完成面部特征提取后,与预存储的面部特征比对。之后,采集下一帧图像,对下一帧图像进行重复上述处理。对每帧图像执行包括图像真伪判断、模糊图像识别、面部特征提取、面部特征比对等处理步骤,基于此,针对每帧图像的处理时长可能较长。由于该场景中在采集到人脸的情况下,执行上述处理过程可以得到有效的结果,但是该方案在采集到空白帧的情况下,依然执行上述流程,导致占用较长处理时间,却无法得到有效的处理结果,不仅效率低下,且当用户使用时,针对上一帧图像的处理可能还未结束,用户需要等待,导致用户使用体验不好。
为解决上述问题,本公开实施例提供了一种人脸特征提取方法,在获取目标图像之后,将该目标图像的前一帧作为参考图像,进而,根据两个图像中预确定的相同位置的部分像素点(即抽样部分像素点)的像素值,确定目标图像相对于参考图像是否存在变化,之后,根据两个图像中预确定区域(即抽样部分区域)对应的相同位置的像素点的比对,验证目标图像相对于参考图像是否存在变化,若确定存在变化,可以认为目标图像为人脸图像,进而再对所述目标图像进行人脸特征提取处理,否则,不再对目标图像进行人脸特征提取。这样在对目标图像进行人脸特征提取处理之前,通过抽样的方式比对目标图像与参考图像,能够较快的判断出目标图像是否是人脸图像,进而,根据判断结果对目标图像进行处理,能够提高人脸特征提取的执行效率。
本公开实施例示意的人脸特征提取方法可以由电子设备执行,所述电子设备可以是门禁设备、车载设备、用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。一些实现方式中,该人脸特征提取方法可以通过电子设备中的处理器调用存储器中存储的计算机可读程序指令的方式来实现。
以下结合示例性实现方式对本公开实施例的人脸特征提取方法进行介绍。
图1为本公开实施例提供的一种人脸特征提取方法的流程图。参照图1,该方法包括:
在步骤S11中,获取参考图像和目标图像。
其中,所述参考图像是所述目标图像的前一帧图像。
一些实现方式中,电子设备可以获取所采集的视频流中相邻的两个图像,之后,分别获取所述两个图像的灰度图,将所述两个图像中时间序列在前的图像的灰度图作为所述参考图像,将所述两个图像中时间序列在后的图像的灰度图作为所述目标图像。
示例性的,电子设备可以调用各类常用的支持颜色转换的图像处理算法,将视频流中两个图像转换为灰度图,例如,电子设备可以调用opencv中的颜色空间转换(cvtColor)算法将视频流中两个图像转换为灰度图,所述灰度图例如可以是8位黑白图。
采用本实现方式,将图像转换为灰度图,使得电子设备在执行后续像素值等的相关计算中,能够减少计算量,从而能够提高处理效率。
在步骤S12中,分别计算参考图像的像素点和目标图像的像素点组成的第一预设数量的像素对中每个像素对的两个像素点的像素值的差值。
其中,每个像素对包括一个参考像素点和一个目标像素点,参考像素点是指参考图像中的像素点,目标像素点是指目标图像中的像素点。每个像素对中的参考像素点在参考图像中的位置与目标像素点在目标图像中的位置相同。应理解,第一预设数量的参考像素点即为从参考图像中获取的第一预设数量的采样点,同理,第一预设数量的目标像素点即为从目标图像中获取的第一预设数量的采样点。第一预设数量可以根据场景需求灵活设置,例如可以设置为200。本公开实施例此处不限制。
一些实现方式中,电子设备可以在参考图像或者目标图像的预设视野区域内,均匀且随机的确定第一预设数量的位置作为采样的位置,进而,获取另一图像中每个相应位置像素点的像素值。
其中,预设视野区域可以是图像中人脸较大概率显示的区域,且预设视野区域的尺寸大于或者等于大部分人脸的显示尺寸,示例性的,图像的分辨率例如为1024像素(Pixels,P)*786P,预设视野区域可以是图像中中间部分分辨率为480P*640P的区域。
为了使该第一预设数量个采样点的像素值能够有效对比,另一些实现方式中,电子设备可以获取参考图像中的图形轮廓像素集,然后,在图形轮廓像素集中选择第一预设数量的参考像素点,其中,第一预设数量的参考像素点中两两相邻的参考像素点之间的间隔像素点的数量差值在预设范围内,进而,对应每个参考像素点在所述参考图像中的位置,获取所述目标图像中相应位置处的像素点,得到与相应参考像素点对应的目标像素点。
示例性的,电子设备可以基于图形轮廓像素集均匀的确定第一预设数量的采样点,或者,电子设备可以在图形轮廓的上、下、左、右四个方向的轮廓线上,分别均匀的取部分采样点,四个方向的轮廓线上的全部采样点为第一预设数量的采样点。例如,电子设备可以在图形轮廓的上、下、左、右四个方向的轮廓线上,分别均匀的取40个采样点,共得到160个采样点。
采用本实现方式,由于图形轮廓像素点的像素值能够表征有效的信息,因此,从参考图像中的图形轮廓像素集中确定第一预设数量的采样点,使得每个参考像素点均是可靠的参考对象,进而,在目标图像中相应位置获取目标像素点之后,使得每个像素对的对比结果有效性较高。
在步骤S13中,若像素值的差值中大于或等于第一预设阈值的差值的数量达到第一门限值,采用以下验证方式中的至少一种获取验证结果:判断参考图像的目标图像块和目标图像的目标图像块达到像素阈值的像素数量差;判断参考图像的多个子图像块和目标图像的多个子图像块中每组子图像块的相似度。
其中,每个图像的目标图像块是指相应图像中位于预设视野区域内的图像块,预设视野区域如步骤S12中所述。每个图像的多个子图像块是指从图像对应的多个抽样区域中抽样得到的图像块,同一抽样区域对应的参考图像的子图像块和目标图像的子图像块为一组子图像块。
结合步骤S12的描述可知,每个像素对中的两个像素点分别是两个图像中同一位置的像素点,基于此,若像素值有较大差别的像素对达到一定数量,则可以认为目标图像相对于参考图像产生的变化。相应的,若所述像素值的差值中大于或等于第一预设阈值的差值的数量达到第一门限值,电子设备可以判定目标图像相对于参考图像产生的变化。反之,若所述像素值的差值中大于或等于第一预设阈值的差值的数量未达到第一门限值,电子设备可以判定目标图像相对于参考图像未产生变化。
一些实现方式中,第一预设阈值可以设置为能够明显体现两个像素点区别的差值,第一预设阈值例如为20。
一些实现方式中,第一门限值可以根据第一预设数量设置,示例性的,第一门限值可以是第一预设数量的一定比例,例如第一预设数量的2%。另一些实现方式中,第一门限值可以是预设的固定值,例如5。再一些实现方式中,在图形轮廓的上、下、左、右四个方向的轮廓线上确定采样点的场景下,第一门限值例如可以指任意一个方向上像素值的差值大于或等于第一预设阈值的2个像素对。本公开实施例对此不限制。
由于实际实施场景中,电子设备的图像采集镜头被污染,或者硬件性能不稳定等情况发生,使得基于两图像采样点的像素差值得到的判断结果存在不准确的可能性。有鉴于此,在根据采样点的像素差值确定目标图像相对于所述参考图像产生了变化之后,可以通过对采样区域中像素点的判断,对判断结果进行验证,以提高判断结果的准确性。
本公开实施例涉及的采样区域可以包括预设视野区域和多个预设抽样区域。多个预设抽样区域是指沿图像的像素排布方向横向或竖向间隔抽取的图像区域,其中,每两个抽样区域对应的宽度可以相同,也可以不同。例如,电子设备可以在图像的竖直方向,确定10个宽度为24P的抽样区域,该10个抽样区域的间隔宽度可以基于图像的宽度均匀设置,若图像宽480P,该10个抽样区域的间隔宽度可以设置为24P。
相应的,对应不同实现方式的采样区域,电子设备可以采用不同的判断方式对图像是否产生变化进行验证。
实现方式一:电子设备可以判断参考图像的目标图像块和目标图像的目标图像块达到像素阈值的像素数量差是否满足第一预设条件,若满足,则验证结果表示为目标图像相对于参考图像产生了变化,否则,则验证结果表示为目标图像相对于参考图像未产生变化。
示例性的,达到像素阈值例如是指像素值大于预设像素阈值的像素,预设像素阈值例如可以是150。第一预设条件例如是指图像块中像素值大于预设像素阈值的像素的数量差达到预设值,例如数量差达到预设视野区域内像素总数的30%。
示例性的,电子设备可以根据预设视野区域确定参考图像的目标图像块和目标图像的目标图像块,之后,获取所述参考图像的目标图像块中像素值大于预设像素阈值的像素总数量,得到第一总数量,以及获取所述目标图像的目标图像块中像素值大于所述预设像素阈值的像素总数量,得到第二总数量,计算第一总数量与第二总数量的差值,若该差值大于第二预设阈值,则认为满足第一预设条件,则验证结果表示为目标图像相对于参考图像产生了变化,可以对目标图像进行人脸特征提取。
实现方式二:电子设备可以判断所述参考图像的多个子图像块和所述目标图像的多个子图像块中每组子图像块的相似度,以确定满足预设相似度条件的子图像块的组数,若满足预设相似度条件的子图像块组达到至少两组,则验证结果表示为目标图像相对于参考图像产生了变化,否则,则验证结果表示为目标图像相对于参考图像未产生变化。
示例性的,电子设备从多个预设抽样区域对应的参考图像中抽样得到多个子图像块,以及从多个预设抽样区域对应的目标图像中抽样得到多个子图像块,之后针对每个预设抽样区域,计算相应预设抽样区域对应的一组子图像块的相似度。若至少两组子图像块的相似度满足预设相似度条件,则验证结果表示为目标图像相对于参考图像产生了变化,可以对目标图像进行人脸特征提取。
其中,预设相似度条件可以是表征相似程度低于某一程度,电子设备可以将各个图像块转换为向量,进而,根据向量确定相应参考图像块与目标图像块的相似度。一些实现方式中,可以采用欧氏距离表征相似度,该实现方式中,相似度条件例如可以设置为小于某一欧氏距离值。另一些实现方式中,可以采用余弦距离表征相似度,该实现方式中,相似度条件例如可以设置为大于某一余弦距离值。
实际实施场景中,电子设备可以采用上述实现方式一或者实现方式二,对基于采样点的判断结果进行验证。
此外,一些使用上述实现方式一的实施场景中,可能存在图像采集的环境光线变暗的情况,而这类情况下,使用上述实现方式一得到的验证结果可能也并不准确。基于此,再一实现方式中,若采用上述实现方式一,得到第一总数量与第二总数量的差值小于第二预设阈值时,可以采用上述实现方式二再次验证,并以上述实现方式二的验证结果为准。
采用本实现方式,通过对采样区域内的像素值的比对,对基于采样点的判断结果进行验证,由于采样区域内的像素数量相对较多,因此,计算数据相对较多,从而能够得到相对较为准确的验证结果,进而,能够提高判断结果的准确性。
在步骤S14中,若验证结果表示目标图像相对于参考图像产生了变化,则对目标图像进行人脸特征提取。
其中,在本公开的实施场景中,若有人进入电子设备的图像采集区,那么,从人脸进入采集区,以及随着人位置的移动、角度的变化,电子设备采集到的视频流中,相邻两图像的变化均较大,基于此,若判定目标图像相对于参考图像产生了变化,可以推断得到目标图像中包括人脸图像。
应理解,上述步骤S12中,像素值的差值中大于或等于所述第一预设阈值差值的数量未达到第一门限值,或者,上述步骤S13中,验证结果表示所述目标图像相对于所述参考图像未产生变化,说明目标图像不是人脸图像,那么,电子设备可以将目标图像作为新的参考图像,并将目标图像的下一帧图像作为新的目标图像。
可见,采用本公开所提供的实施例,根据用户人脸进入图像采集区后,通常会引起视频流中相邻两帧图像产生变化的情况,不再每次获取一个图像,并周期性的执行人脸特征提取操作,而是在获取目标图像之后,将该目标图像的前一帧图像作为参考图像,进而,根据两帧图像中预确定的相同位置的部分像素点的像素值,确定目标图像相对于参考图像是否存在变化,之后,根据两帧图像中预确定区域对应的相同区域的像素点的比对,对根据像素点确定的结果进行验证,在验证结果同样表示目标图像相对于参考图像存在变化,可以认为目标图像为人脸图像,进而对所述目标图像进行人脸特征提取处理。即增设了对图像预处理的阶段,若在预处理阶段确定目标图像是人脸图像,才对目标图像进行人脸特征提取,否则,不再对目标图像进行人脸特征提取,从而能够提高人脸特征提取的执行效率。此外,本公开实施例基于各帧图像的部分像素点、以及部分区域进行比对处理,而无需对图像的全部像素点进行处理,能够提升预处理的效率,从而有利于压缩对图像进行预处理的时间,进而,能够进一步提升人脸特征提取的效率。
可以理解的是,采用图1示意的人脸特征提取方法提取出人脸特征之后,可以根据提取出的人脸特征进行以下操作之一:人脸存储、人脸匹配、人脸验证等。
例如,在门禁识别场景的一种实现方式中,门禁识别设备可以将提取出的人脸特征进行存储,该场景例如可以是门禁识别设备投入使用之前。示例性的,本场景下,门禁识别设备可以采用图1示意的人脸特征提取方法提取人脸特征,进而将提取出的人脸特征进行存储,以用于门禁识别设备基于存储的人脸特征对后续获取的人脸特征进行匹配等操作。
再如,在门禁识别场景的另一种实现方式中,门禁识别设备可以基于已存储的人脸特征进行人脸匹配。示例性的,门禁识别设备例如已经预存储至少一个人脸特征,进而,在使用图1示意的人脸特征提取方法提取出人脸特征后,门禁识别设备可以将提取出的人脸特征与预存储的至少一个人脸特征进行匹配,若与其中任一预存储的人脸特征匹配成功,则可以开启解除门禁,若与至少一个人脸特征均匹配失败,则维持门禁并可以发出告警信号。此处不再一一列举。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了人脸特征提取装置、电子设备、计算机可读存储介质,上述均可用来实现本公开提供的任一种人脸特征提取方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
参照图2,本公开实施例提供了一种人脸特征提取装置,该人脸特征提取装置包括:获取模块21、计算模块22、验证模块23和提取模块24。其中,各个模块在运行时,可以实现上述方法实现方式中的部分或全部功能。
例如,获取模块21,用于获取参考图像和目标图像,所述参考图像是所述目标图像的前一帧图像;计算模块22,用于分别计算所述参考图像的像素点和所述目标图像的像素点组成的第一预设数量的像素对中每个像素对的两个像素点的像素值的差值,每个像素对包括一个参考像素点和一个目标像素点,一个像素对中的参考像素点在所述参考图像中的位置与目标像素点在所述目标图像中的位置相同;验证模块23,用于若所述像素值的差值中大于或等于第一预设阈值的差值的数量达到第一门限值,采用以下验证方式中的至少一种获取验证结果:判断所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差,每个图像的目标图像块是指相应图像中位于预设视野区域内的图像块;判断所述参考图像的多个子图像块和所述目标图像的多个子图像块中每组子图像块的相似度,每个图像的多个子图像块是指从图像对应的多个抽样区域中抽样得到的图像块,同一抽样区域对应的所述参考图像的子图像块和所述目标图像的子图像块为一组子图像块;提取模块24,用于若所述验证结果表示所述目标图像相对于所述参考图像产生了变化,则对所述目标图像进行人脸特征提取。
可选的,获取模块21还用于:获取视频流中相邻的两个图像;分别获取所述两个图像的灰度图,将所述两个图像中时间序列在前的图像的灰度图作为所述参考图像,将所述两个图像中时间序列在后的图像的灰度图作为所述目标图像。
可选的,获取模块21还用于:获取所述参考图像中的图形轮廓像素集;在所述图形轮廓像素集中选择所述第一预设数量的参考像素点,其中,所述第一预设数量的参考像素点中两两相邻的参考像素点之间的间隔像素点的数量差值在预设范围内;对应每个参考像素点在所述参考图像中的位置,获取所述目标图像中相应位置处的像素点,得到与相应参考像素点对应的目标像素点。
可选的,所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差满足第一预设条件;和/或,多个子图像块组中,满足预设相似度条件的子图像块组至少为两组。
可选的,验证模块23还用于:所述采用以下验证方式中的至少一种获取验证结果:判断所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差是否满足第一预设条件;若所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差不满足所述第一预设条件,则判断所述参考图像的多个子图像块和所述目标图像的多个子图像块中每组子图像块的相似度,以确定满足预设相似度条件的子图像块的组数。
可选的,验证模块23还用于:根据所述预设视野区域确定所述参考图像的目标图像块和所述目标图像的目标图像块;获取所述参考图像的目标图像块中像素值大于预设像素阈值的像素总数量,得到第一总数量,以及获取所述目标图像的目标图像块中像素值大于所述预设像素阈值的像素总数量,得到第二总数量;若第一总数量与第二总数量的差值大于第二预设阈值,则对所述目标图像进行人脸特征提取。
可选的,验证模块23还用于:从所述多个预设抽样区域对应的参考图像中抽样得到多个子图像块;从所述多个预设抽样区域对应的目标图像中抽样得到多个子图像块;针对每个预设抽样区域,计算相应预设抽样区域对应的一组子图像块的相似度;若至少两组子图像块的相似度满足预设相似度条件,则对所述目标图像进行人脸特征提取,其中,所述多个预设抽样区域是指沿图像的像素排布方向横向或竖向间隔抽取的图像区域。
可选的,获取模块21还用于:若所述像素值的差值中大于或等于所述第一预设阈值差值的数量未达到第一门限值,或者,所述验证结果表示所述目标图像相对于所述参考图像未产生变化,则将所述目标图像作为新的参考图像,并将所述目标图像的下一帧图像作为新的目标图像。
具体实现方式详见上述图1示意的方法实现方式,此处不再赘述。
可以理解的是,以上各个模块/单元的划分仅仅是一种逻辑功能的划分,实际实现时,各以上各个模块/单元可以集成到硬件实现,例如所述获取模块21的功能可以集成到I/O接口,计算模块22、验证模块23和提取模块24的功能可以集成到处理器实现。如图3所示,图3为本公开实施例提供的一种电子设备的框图。参照图3,本公开实施例提供了一种电子设备,该电子设备包括:至少一个处理器301;至少一个存储器302,以及一个或多个I/O接口303,连接在处理器301与存储器302之间;其中,存储器302存储有可被至少一个处理器301执行的一个或多个计算机程序,一个或多个计算机程序被至少一个处理器301执行,以使至少一个处理器301能够执行上述的人脸特征提取方法。
本公开实施例还提供了一种计算机可读存储介质,计算机可读存储介质可以是易失性或非易失性计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序在被处理器301执行时:获取参考图像和目标图像,所述参考图像是所述目标图像的前一帧图像;分别计算所述参考图像的像素点和所述目标图像的像素点组成的第一预设数量的像素对中每个像素对的两个像素点的像素值的差值,每个像素对包括一个参考像素点和一个目标像素点,一个像素对中的参考像素点在所述参考图像中的位置与目标像素点在所述目标图像中的位置相同;若所述像素值的差值中大于或等于第一预设阈值的差值的数量达到第一门限值,采用以下验证方式中的至少一种获取验证结果:判断所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差,每个图像的目标图像块是指相应图像中位于预设视野区域内的图像块;判断所述参考图像的多个子图像块和所述目标图像的多个子图像块中每组子图像块的相似度,每个图像的多个子图像块是指从图像对应的多个抽样区域中抽样得到的图像块,同一抽样区域对应的所述参考图像的子图像块和所述目标图像的子图像块为一组子图像块;若所述验证结果表示所述目标图像相对于所述参考图像产生了变化,则对所述目标图像进行人脸特征提取。
在一些实施例中,所述处理器301还用于:获取视频流中相邻的两个图像;分别获取所述两个图像的灰度图,将所述两个图像中时间序列在前的图像的灰度图作为所述参考图像,将所述两个图像中时间序列在后的图像的灰度图作为所述目标图像。
在一些实施例中,所述处理器301还用于:获取所述参考图像中的图形轮廓像素集;在所述图形轮廓像素集中选择所述第一预设数量的参考像素点,其中,所述第一预设数量的参考像素点中两两相邻的参考像素点之间的间隔像素点的数量差值在预设范围内;对应每个参考像素点在所述参考图像中的位置,获取所述目标图像中相应位置处的像素点,得到与相应参考像素点对应的目标像素点。
在一些实施例中,所述处理器301还用于:所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差满足第一预设条件;和/或,多个子图像块组中,满足预设相似度条件的子图像块组至少为两组。
在一些实施例中,所述处理器301还用于:所述采用以下验证方式中的至少一种获取验证结果:判断所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差是否满足第一预设条件;若所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差不满足所述第一预设条件,则判断所述参考图像的多个子图像块和所述目标图像的多个子图像块中每组子图像块的相似度,以确定满足预设相似度条件的子图像块的组数。
在一些实施例中,所述处理器301还用于:根据所述预设视野区域确定所述参考图像的目标图像块和所述目标图像的目标图像块;获取所述参考图像的目标图像块中像素值大于预设像素阈值的像素总数量,得到第一总数量,以及获取所述目标图像的目标图像块中像素值大于所述预设像素阈值的像素总数量,得到第二总数量;若第一总数量与第二总数量的差值大于第二预设阈值,则对所述目标图像进行人脸特征提取。
在一些实施例中,所述处理器301还用于:从所述多个预设抽样区域对应的参考图像中抽样得到多个子图像块;从所述多个预设抽样区域对应的目标图像中抽样得到多个子图像块;针对每个预设抽样区域,计算相应预设抽样区域对应的一组子图像块的相似度;若至少两组子图像块的相似度满足预设相似度条件,则对所述目标图像进行人脸特征提取,其中,所述多个预设抽样区域是指沿图像的像素排布方向横向或竖向间隔抽取的图像区域。
在一些实施例中,所述处理器301还用于:若所述像素值的差值中大于或等于所述第一预设阈值差值的数量未达到第一门限值,或者,所述验证结果表示所述目标图像相对于所述参考图像未产生变化,则将所述目标图像作为新的参考图像,并将所述目标图像的下一帧图像作为新的目标图像。
在所述对所述目标图像进行人脸特征提取之后,在一些实施例中,所述处理器301还用于:根据提取出的人脸特征进行以下操作之一:人脸存储、人脸匹配、人脸验证。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述人脸特征提取方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读存储介质上,计算机可读存储介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。
如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读程序指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM)、静态随机存取存储器(SRAM)、闪存或其他存储器技术、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读程序指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里所描述的计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software DevelopmentKit,SDK)等等。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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动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。
本文已经公开了示例实施例,并且虽然采用了具体术语,但它们仅用于并仅应当被解释为一般说明性含义,并且不用于限制的目的。在一些实例中,对本领域技术人员显而易见的是,除非另外明确指出,否则可单独使用与特定实施例相结合描述的特征、特性和/或元素,或可与其他实施例相结合描述的特征、特性和/或元件组合使用。因此,本领域技术人员将理解,在不脱离由所附的权利要求阐明的本公开的范围的情况下,可进行各种形式和细节上的改变。
Claims (11)
1.一种人脸特征提取方法,其特征在于,包括:
获取参考图像和目标图像,所述参考图像是所述目标图像的前一帧图像;
分别计算所述参考图像的像素点和所述目标图像的像素点组成的第一预设数量的像素对中每个像素对的两个像素点的像素值的差值,每个像素对包括一个参考像素点和一个目标像素点,一个像素对中的参考像素点在所述参考图像中的位置与目标像素点在所述目标图像中的位置相同;
若所述像素值的差值中大于或等于第一预设阈值的差值的数量达到第一门限值,采用以下验证方式中的至少一种获取验证结果:判断所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差,每个图像的目标图像块是指相应图像中位于预设视野区域内的图像块;判断所述参考图像的多个子图像块和所述目标图像的多个子图像块中每组子图像块的相似度,每个图像的多个子图像块是指从图像对应的多个抽样区域中抽样得到的图像块,同一抽样区域对应的所述参考图像的子图像块和所述目标图像的子图像块为一组子图像块;
若所述验证结果表示所述目标图像相对于所述参考图像产生了变化,则对所述目标图像进行人脸特征提取。
2.根据权利要求1所述的人脸特征提取方法,其特征在于,所述获取参考图像和目标图像,包括:
获取视频流中相邻的两个图像;
分别获取所述两个图像的灰度图,将所述两个图像中时间序列在前的图像的灰度图作为所述参考图像,将所述两个图像中时间序列在后的图像的灰度图作为所述目标图像。
3.根据权利要求1或2所述的人脸特征提取方法,其特征在于,在分别计算所述参考图像的像素点和所述目标图像的像素点组成的第一预设数量的像素对中每个像素对的两个像素点的像素值的差值之前,所述方法还包括:
获取所述参考图像中的图形轮廓像素集;
在所述图形轮廓像素集中选择所述第一预设数量的参考像素点,其中,所述第一预设数量的参考像素点中两两相邻的参考像素点之间的间隔像素点的数量差值在预设范围内;
对应每个参考像素点在所述参考图像中的位置,获取所述目标图像中相应位置处的像素点,得到与相应参考像素点对应的目标像素点。
4.根据权利要求1所述的人脸特征提取方法,其特征在于,所述验证结果表示所述目标图像相对于所述参考图像产生了变化,包括:
所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差满足第一预设条件;和/或,
多个子图像块组中,满足预设相似度条件的子图像块组至少为两组。
5.根据权利要求1所述的人脸特征提取方法,其特征在于,所述采用以下验证方式中的至少一种获取验证结果,包括:
判断所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差是否满足第一预设条件;
若所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差不满足所述第一预设条件,则判断所述参考图像的多个子图像块和所述目标图像的多个子图像块中每组子图像块的相似度,以确定满足预设相似度条件的子图像块的组数。
6.根据权利要求1或5所述的人脸特征提取方法,其特征在于,所述判断所述参考图像的目标图像块和所述目标图像的目标图像块达到像素阈值的像素数量差是否满足第一预设条件,包括:
根据所述预设视野区域确定所述参考图像的目标图像块和所述目标图像的目标图像块;
获取所述参考图像的目标图像块中像素值大于预设像素阈值的像素总数量,得到第一总数量,以及获取所述目标图像的目标图像块中像素值大于所述预设像素阈值的像素总数量,得到第二总数量;
若第一总数量与第二总数量的差值大于第二预设阈值,则对所述目标图像进行人脸特征提取。
7.根据权利要求1或5所述的人脸特征提取方法,其特征在于,所述判断所述参考图像的多个子图像块和所述目标图像的多个子图像块中每组子图像块的相似度,包括:
从所述多个预设抽样区域对应的参考图像中抽样得到多个子图像块;
从所述多个预设抽样区域对应的目标图像中抽样得到多个子图像块;
针对每个预设抽样区域,计算相应预设抽样区域对应的一组子图像块的相似度;
若至少两组子图像块的相似度满足预设相似度条件,则对所述目标图像进行人脸特征提取,其中,所述多个预设抽样区域是指沿图像的像素排布方向横向或竖向间隔抽取的图像区域。
8.根据权利要求1或5所述的人脸特征提取方法,其特征在于,还包括:
若所述像素值的差值中大于或等于所述第一预设阈值差值的数量未达到第一门限值,或者,所述验证结果表示所述目标图像相对于所述参考图像未产生变化,则将所述目标图像作为新的参考图像,并将所述目标图像的下一帧图像作为新的目标图像。
9.根据权利要求1所述的人脸特征提取方法,其特征在于,在所述对所述目标图像进行人脸特征提取之后,还包括:
根据提取出的人脸特征进行以下操作之一:人脸存储、人脸匹配、人脸验证。
10.一种电子设备,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一个或多个计算机程序,所述一个或多个计算机程序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1-9中任一项所述的人脸特征提取方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序在被处理器执行时实现如权利要求1-9中任一项所述的人脸特征提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211692353.3A CN116152889A (zh) | 2022-12-28 | 2022-12-28 | 人脸特征提取方法及电子设备、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211692353.3A CN116152889A (zh) | 2022-12-28 | 2022-12-28 | 人脸特征提取方法及电子设备、计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116152889A true CN116152889A (zh) | 2023-05-23 |
Family
ID=86355458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211692353.3A Pending CN116152889A (zh) | 2022-12-28 | 2022-12-28 | 人脸特征提取方法及电子设备、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116152889A (zh) |
-
2022
- 2022-12-28 CN CN202211692353.3A patent/CN116152889A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
CN112102204B (zh) | 图像增强方法、装置及电子设备 | |
CN111222513B (zh) | 车牌号码识别方法、装置、电子设备及存储介质 | |
CN111325769B (zh) | 一种目标对象检测方法及装置 | |
CN109308711B (zh) | 目标检测方法、装置及图像处理设备 | |
CN111444744A (zh) | 活体检测方法、装置以及存储介质 | |
CN111652223A (zh) | 证件识别方法及装置 | |
CN109740547A (zh) | 一种图像处理方法、设备及计算机可读存储介质 | |
CN112749696B (zh) | 一种文本检测方法及装置 | |
KR20000076547A (ko) | 안면 화상처리장치 | |
CN112884147B (zh) | 神经网络训练方法、图像处理方法、装置及电子设备 | |
CN106651797B (zh) | 一种信号灯有效区域的确定方法和装置 | |
KR100843513B1 (ko) | 영상보정을 통한 얼굴 인식 방법 | |
CN111899270A (zh) | 卡片边框检测方法、装置、设备及可读存储介质 | |
CN111126108A (zh) | 图像检测模型的训练和图像检测方法及装置 | |
CN114387548A (zh) | 视频及活体检测方法、系统、设备、存储介质及程序产品 | |
CN109784322A (zh) | 一种基于图像处理的vin码识别方法、设备及介质 | |
CN115049675A (zh) | 生成区域确定及光斑生成方法、设备、介质及程序产品 | |
CN114419739A (zh) | 行为识别模型的训练方法、行为识别方法及设备 | |
CN115984973B (zh) | 一种用于防偷窥屏幕的人体异常行为监测方法 | |
CN111402185B (zh) | 一种图像检测方法及装置 | |
CN111091056A (zh) | 图像中的墨镜识别方法及装置、电子设备、存储介质 | |
CN116152889A (zh) | 人脸特征提取方法及电子设备、计算机可读存储介质 | |
CN113014914B (zh) | 一种基于神经网络的单人换脸短视频的识别方法和系统 | |
CN109040673A (zh) | 视频图像处理方法、装置及具有存储功能的装置 |
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 |