CN117133034A - 人脸识别方法、装置、终端设备以及存储介质 - Google Patents
人脸识别方法、装置、终端设备以及存储介质 Download PDFInfo
- Publication number
- CN117133034A CN117133034A CN202311085333.4A CN202311085333A CN117133034A CN 117133034 A CN117133034 A CN 117133034A CN 202311085333 A CN202311085333 A CN 202311085333A CN 117133034 A CN117133034 A CN 117133034A
- Authority
- CN
- China
- Prior art keywords
- data
- face
- recognition
- service
- identification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 127
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 165
- 238000012545 processing Methods 0.000 claims description 52
- 238000001514 detection method Methods 0.000 claims description 39
- 238000013523 data management Methods 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000007689 inspection Methods 0.000 claims description 22
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06V10/96—Management of image or video recognition tasks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种人脸识别方法、装置、终端设备以及存储介质,属于人工智能技术领域。本发明通过获取流程配置数据和待识别人脸数据;根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;通过所述识别流程对所述人脸数据进行识别,获取识别结果。本发明针对人脸识别,实现了不断变化的识别场景下人脸识别流程的配置化生成,兼容了多种识别算法服务,适用于各种复杂的人脸识别场景。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种人脸识别方法、装置、终端设备以及存储介质。
背景技术
随着人工智能技术的快速发展,人脸识别技术也呈现日新月异的变化,精确度更高、计算更快的人脸识别算法模型不断出新,同时针对不同复杂场景下的人脸识别技术也层出不穷。目前的主流人脸识别系统识别流程单一,无法适配多种复杂场景,多种算法融合方式单一,灵活性和兼容性较差。
其中,配置化更新识别算法生成的人脸识别流程能够兼容多种识别算法,应对不断变化的场景。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本申请的主要目的在于提供一种人脸识别方法、装置、终端设备以及存储介质,旨在对人脸识别算法模型进行实时更新,以适配场景变化,提升人脸识别算法的灵活性和兼容性。
为实现上述目的,本申请提供一种人脸识别方法,所述人脸识别方法包括:
获取流程配置数据和待识别人脸数据;
根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;
通过所述识别流程对所述人脸数据进行识别,获取识别结果。
可选地,所述根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程的步骤包括:
根据所述流程配置数据,通过流程引擎对所述识别服务的算法、数据处理顺序和加权公式进行配置,生成识别流程。
可选地,所述通过所述识别流程对所述人脸数据进行识别,获取识别结果的步骤包括:
通过所述识别流程的识别服务对所述人脸数据进行识别,获取所述识别服务的算法返回值;
通过所述加权公式对所述算法返回值进行计算,获取识别判断分数;
对所述识别判断分数和预设的判断阈值进行分析,获取分析结果;
根据所述分析结果,获取识别结果。
可选地,所述识别服务包括数据检查服务、数据安全处理服务、算法检测服务和人脸识别算法服务中的一种或多种。
可选地,所述通过所述识别流程的识别服务对所述人脸数据进行识别,获取所述识别服务的算法返回值的步骤包括:
通过所述识别服务中的数据检查服务对所述人脸数据进行数据检查,获取第一算法返回值;
通过所述识别服务中的数据安全处理服务对所述人脸数据进行数据安全处理,获取第二算法返回值;
通过所述识别服务中的算法检测服务对所述人脸数据进行算法检测,获取第三算法返回值;
通过所述识别服务中的人脸识别算法服务对所述人脸数据进行人脸识别,获取第四算法返回值;
根据所述第一算法返回值、第二算法返回值、第三算法返回值和第四算法返回值,获取所述识别服务的算法返回值。
可选地,所述对所述识别判断分数和预设的判断阈值进行分析,获取分析结果的步骤之后还包括:
若所述分析结果为人脸识别正确,则对所述人脸数据进行存储。
可选地,所述根据所述分析结果,获取识别结果的步骤之后还包括:
将所述人脸数据和所述识别结果发送至数据管理服务中;
通过所述数据管理服务对所述人脸数据和所述识别结果进行数据管理,获取数据管理报告。
本申请实施例还提出一种人脸识别装置,所述人脸识别装置包括:
数据获取模块,用于获取流程配置数据和待识别人脸数据;
流程生成模块,用于根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;
人脸识别模块,用于通过所述识别流程对所述人脸数据进行识别,获取识别结果。
本申请实施例还提出一种终端设备,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人脸识别程序,所述人脸识别程序被所述处理器执行时实现如上所述的人脸识别方法的步骤。
本申请实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有人脸识别程序,所述人脸识别程序被处理器执行时实现如上所述的人脸识别方法的步骤。
本申请实施例提出的人脸识别方法、装置、终端设备以及存储介质,本发明通过获取流程配置数据和待识别人脸数据;根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;通过所述识别流程对所述人脸数据进行识别,获取识别结果。本发明针对人脸识别,实现了不断变化的识别场景下人脸识别流程的配置化生成,兼容了多种识别算法服务,适用于各种复杂的人脸识别场景。
附图说明
图1是本申请人脸识别装置所属终端设备的功能模块示意图;
图2为本申请人脸识别方法第一示例性实施例的流程示意图;
图3为本申请人脸识别方法第二示例性实施例的流程示意图;
图4为本申请人脸识别方法生成人脸识别流程的流程示意图;
图5为本申请人脸识别方法第三示例性实施例的流程示意图;
图6为本申请人脸识别方法人脸识别的流程示意图;
图7为本申请人脸识别方法第四示例性实施例的流程示意图;
图8为本申请人脸识别方法另一示例性实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例的主要解决方案是:获取流程配置数据和待识别人脸数据;根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;通过所述识别流程对所述人脸数据进行识别,获取识别结果。本发明针对人脸识别,解决了目前的人脸识别系统无法实时更新适配多种复杂场景且多种算法结果的融合方式单一,灵活性和兼容性较差的问题,实现了不断变化的识别场景下人脸识别流程的配置化生成,兼容了多种识别算法服务,适用于各种复杂的人脸识别场景。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本申请涉及的技术术语:
流程引擎:一种用于管理和执行业务流程计算机软件或服务,可以帮助组织自动化、协调和监控复杂的业务流程,提高生产效率和业务质量。
人脸识别算法:一种利用计算机视觉和模式识别技术,将输入的人脸图像或视频与已知人脸数据库中的人脸进行比对和匹配的算法。
人脸对比:一种将两个或多个人脸图像进行比较和匹配的人脸识别技术,可以用于验证一个人的身份,判断两张人脸是否属于同一个人,或者在人脸数据库中搜索相似的人脸。
活体检测:一种用于验证人脸图像或视频是否来自于真实的活体人脸的技术,旨在区分静态的照片或视频剪辑和真实的、活动的人脸。
人脸使用协议:一种用于规范和保护个人的人脸信息的收集、存储、处理和使用的协议。
本申请实施例考虑到,相关技术方案人脸识别系统无法实时更新适配多种复杂场景且多种算法结果的融合方式单一,灵活性和兼容性较差。
基于此,本申请实施例提出一种解决方案,结合微服务能力可以实时更新算法模型并配置人脸识别流程,实现多种算法结果融合方式,适用于各种复杂的人脸识别场景。
具体地,参照图1,图1为本申请人脸识别装置所属终端设备的功能模块示意图。该人脸识别装置可以为独立于终端设备的、能够进行人脸识别的装置,其可以通过硬件或者软件的形式承载于终端设备上。该终端设备可以为手机、平板电脑等具有人脸识别功能的智能移动设备,还可以为具有人脸识别功能的固定终端设备或服务器等。
在本实施例中,该人脸识别装置所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
存储器130中存储有操作系统以及人脸识别程序,人脸识别装置可以将接收到的和处理的数据信息存储于该存储器130中;输出模块110可为显示屏、扬声器等。通信模块140可以包括WIFI模块、移动通信模块以及蓝牙模块等,通过通信模块140与外部设备或服务器进行通信。
其中,存储器130中的人脸识别程序被处理器执行时实现以下步骤:
获取流程配置数据和待识别人脸数据;
根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;
通过所述识别流程对所述人脸数据进行识别,获取识别结果。
进一步地,存储器130中的人脸识别程序被处理器执行时还实现以下步骤:
根据所述流程配置数据,通过流程引擎对所述识别服务的算法、数据处理顺序和加权公式进行配置,生成识别流程。
进一步地,存储器130中的人脸识别程序被处理器执行时还实现以下步骤:
通过所述识别流程的识别服务对所述人脸数据进行识别,获取所述识别服务的算法返回值;
通过所述加权公式对所述算法返回值进行计算,获取识别判断分数;
对所述识别判断分数和预设的判断阈值进行分析,获取分析结果;
根据所述分析结果,获取识别结果。
进一步地,存储器130中的人脸识别程序被处理器执行时还实现以下步骤:
通过所述识别服务中的数据检查服务对所述人脸数据进行数据检查,获取第一算法返回值;
通过所述识别服务中的数据安全处理服务对所述人脸数据进行数据安全处理,获取第二算法返回值;
通过所述识别服务中的算法检测服务对所述人脸数据进行算法检测,获取第三算法返回值;
通过所述识别服务中的人脸识别算法服务对所述人脸数据进行人脸识别,获取第四算法返回值;
根据所述第一算法返回值、第二算法返回值、第三算法返回值和第四算法返回值,获取所述识别服务的算法返回值。
进一步地,存储器130中的人脸识别程序被处理器执行时还实现以下步骤:
若所述分析结果为人脸识别正确,则对所述人脸数据进行存储。
进一步地,存储器130中的人脸识别程序被处理器执行时还实现以下步骤:
将所述人脸数据和所述识别结果发送至数据管理服务中;
通过所述数据管理服务对所述人脸数据和所述识别结果进行数据管理,获取数据管理报告。
本实施例通过上述方案,具体通过获取流程配置数据和待识别人脸数据;根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;通过所述识别流程对所述人脸数据进行识别,获取识别结果。本发明针对人脸识别,实现了不断变化的识别场景下人脸识别流程的配置化生成,兼容了多种识别算法服务,适用于各种复杂的人脸识别场景。
基于上述终端设备架构但不限于上述架构,提出本申请方法实施例。
参照图2,图2为本申请人脸识别方法第一示例性实施例的流程示意图。所述人脸识别方法包括:
步骤S10:获取流程配置数据和待识别人脸数据;
本实施例方法的执行主体可以是一种人脸识别装置,也可以是一种人脸识别终端设备或服务器,本实施例以人脸识别装置进行举例,该人脸识别装置可以集成在具有数据处理功能终端设备上。
本实施例方案主要实现兼容多种识别算法的人脸识别流程的配置化生成,能够在各种复杂识别场景下进行人脸识别。
其中,流程配置数据是对人脸识别流程的配置数据,可以包括对识别服务、数据处理顺序等的配置信息。流程配置数据的获取可以通过获取在用户界面使用表单、下拉列表、输入框等输入的信息来收集,人脸数据的获取可以是用户上传的图像、摄像头实时捕捉的图像、已保存在数据库中的图像等。
步骤S20:根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;
获取到流程配置数据后,根据流程配置数据,通过流程引擎配置识别服务,生成识别流程,其中,流程配置数据中包括配置识别服务的配置数据和生成识别流程的其他配置数据等,识别服务的配置数据中包括配置的参数和设置,例如流程配置数据中可以包括使用哪种人脸识别算法、设置匹配阈值、配置人脸数据库等的配置。
步骤S30:通过所述识别流程对所述人脸数据进行识别,获取识别结果。
使用所生成的识别流程对待识别的人脸数据进行识别,得到人脸识别的结果,其中,对待识别的人脸数据进行识别的过程可以包括利用配置的人脸识别算法提取特征与人脸数据库中的数据进行匹配,识别流程还可以包括其他操作,如数据检查、数据安全处理和算法检测等,识别结果可以根据需要进行相应的后续处理,如记录识别结果、触发相应的业务流程等。
本实施例通过上述方案,具体通过获取流程配置数据和待识别人脸数据;根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;通过所述识别流程对所述人脸数据进行识别,获取识别结果。本发明针对人脸识别,实现了不断变化的识别场景下人脸识别流程的配置化生成,兼容了多种识别算法服务,适用于各种复杂的人脸识别场景。
参照图3,图3为本发明人脸识别方法第二示例性实施例的流程示意图。
基于第一实施例,提出本申请第二实施例,本申请第二实施例与第一实施例的区别在于:
在本实施例中,所述根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程的步骤包括:
步骤S201:根据所述流程配置数据,通过流程引擎对所述识别服务的算法、数据处理顺序和加权公式进行配置,生成识别流程。
具体地,为了实现兼容多种识别算法的人脸识别流程的配置化生成,首先,根据流程配置数据,对识别服务相应的算法、数据在识别流程中处理的顺序以及识别服务的加权公式进行配置。
进一步地,流程配置数据包含业务需求对应的识别算法的配置,可以选择不同的人脸识别服务进行配置,识别服务可以包括数据检查服务、数据安全处理服务、算法检查服务、人脸识别算法服务等。
进一步地,配置数据在识别流程中进行处理的顺序包括异步或同步处理的方式。对人脸数据进行合理的处理顺序配置,以提高识别的准确性和效率。通过配置处理顺序,可以确保在进行人脸识别之前,先对图像进行必要的处理操作,可以提高后续算法的准确性,并降低计算资源的消耗。
进一步地,加权公式可以用于综合考虑不同的识别服务的指标,并根据具体需求对其进行权重分配,根据配置的加权公式,生成完整的识别流程,另外,也可以根据检测准确率和识别速度来调整权重,以达到平衡准确性和效率的目的。
进一步地,根据配置信息,可以进一步获取到业务需求,并根据需求选择适合的人脸识别算法或库,设置相关参数和阈值,以及配置数据库连接等。
进一步地,整个人脸识别流程配置的重要组成,可根据场景变化设置不同的识别流程的过程是在系统的后台管理模块完成的,其主要包括数据检查配置、数据安全配置、算法检测配置以及人脸识别算法配置四个部分,每个环节通过配置一种或多种服务可以确定人脸识别流程步骤。
首先,数据检查是对数据合规性的检查,包括传入的参数是否符合加密规范以及识别数据是否满足当前场景规范要求,通过这个配置可以限制数据的合规性。当前参数检查配置提供了包括但不限于数据加密检查、身份检查以及根据场景需求定制的参数检查等;
然后,数据安全配置是整个流程中的重要步骤,是保护用户数据隐私,避免泄漏和滥用风险的重要保障。通过该配置可以完成对数据传输过程中的加解密,也可以通过签署人脸使用协议,明确用户在使用人脸服务时的采集信息、双方权利和义务、责任等;
然后,算法检测配置是辅助检测,如检测是否是活体、是否有遮挡、是否在识别过程按要求完成对应动作等检测。通过该配置能辅助完成人脸识别,避免识别过程中的误判;
最后,人脸识别算法配置是整个系统的核心环节,该配置主要功能即人脸识别,通过该配置可以选择到适合各类场景下的算法,保证在面对不同场景下,能够快速切换到合适的算法模型。
如图4所示,流程引擎生成人脸识别流程的整体流程主要通过渠道查询后台配置流程数据,按照流程配置数据从不同配置服务中获取一个或多个对应的数据检查服务、数据安全处理服务、算法检查服务、人脸识别算法服务,然后按照流程配置数据设置人脸数据处理顺序,包括异步或同步处理的方式。最后,按照流程配置数据设置多个算法服务的加权公式,通过设定的阈值判定识别是否成功。
其中,设置多个算法服务的加权公式:st=α1t1+α2t2…αntn,st表示人脸识别判断分数,αn表示算法权重,tn表示算法返回值。最后判断st是否大于阈值来判断人脸识别的准确。其次,可以设置算法优先级,根据优先级获取算法结果,当其中有算法返回值大于阈值也可以直接判定人脸识别正确,当所有算法服务结束依然没有算法返回值大于阈值则不正确,算法返回值与阈值进行判断的表达式如下所示:
其中,t表示算法结果,ε表示自定义阈值,st表示最后人脸识别结果,tm+1为大于阈值的算法返回值。
本实施例通过上述方案,具体通过根据所述流程配置数据,通过流程引擎对所述识别服务的算法、数据处理顺序和加权公式进行配置,生成识别流程。可以灵活地配置识别流程,以满足用户的需求,并获得更准确、高效的人脸识别结果。
参照图5,图5为本发明人脸识别方法第三示例性实施例的流程示意图。
基于第二实施例,提出本申请第三实施例,本申请第三实施例与第二实施例的区别在于:
在本实施例中,所述通过所述识别流程对所述人脸数据进行识别,获取识别结果的步骤包括:
步骤S301:通过所述识别流程的识别服务对所述人脸数据进行识别,获取所述识别服务的算法返回值;
步骤S302:通过所述加权公式对所述算法返回值进行计算,获取识别判断分数;
步骤S303:对所述识别判断分数和预设的判断阈值进行分析,获取分析结果;
步骤S304:根据所述分析结果,获取识别结果。
具体地,首先,将所述人脸数据输入到识别服务中,使用相应的人脸识别算法对人脸进行识别,并获取算法返回的识别结果,其中,通过使用合适的识别算法,可以从人脸图像中提取出关键特征,如人脸轮廓、眼睛位置等,以及其他身份信息,如性别、年龄等,为后续的计算和判断提供基础数据。
然后,根据所配置的加权公式,对前一步得到的识别服务的算法返回值进行加权求和,得到综合的识别判断分数,其中,识别判断分数可以对不同的识别服务进行量化评估,从而更准确地评判人脸识别的结果,根据识别判断分数,可以判断人脸数据是否匹配、是否符合预期等。
然后,通过对识别判断分数和判断阈值的分析,得出具体的分析结果,其中,通过设定合适的判断阈值,可以根据识别判断分数的高低来判断人脸数据的匹配程度或可信度,进而确定人脸数据的识别成功与否。
最后,根据分析结果,得到识别结果,其中,最终得到的识别结果可以确定人脸数据的识别成功与否,能够据此对识别结果进行存储并返回给对应业务,为用户提供准确的人脸识别判断,满足业务需求以及后续算法优化需求。
进一步地,作为一种实施方式,所述通过所述识别流程的识别服务对所述人脸数据进行识别,获取所述识别服务的算法返回值的步骤包括:
步骤3011:通过所述识别服务中的数据检查服务对所述人脸数据进行数据检查,获取第一算法返回值;
步骤3012:通过所述识别服务中的数据安全处理服务对所述人脸数据进行数据安全处理,获取第二算法返回值;
步骤3013:通过所述识别服务中的算法检测服务对所述人脸数据进行算法检测,获取第三算法返回值;
步骤3014:通过所述识别服务中的人脸识别算法服务对所述人脸数据进行人脸识别,获取第四算法返回值;
步骤3015:根据所述第一算法返回值、第二算法返回值、第三算法返回值和第四算法返回值,获取所述识别服务的算法返回值。
具体地,首先,通过识别服务中的数据检查服务对人脸数据进行数据检查,得到数据检查服务的算法返回值,即第一算法返回值,其中,通过数据检查服务对人脸数据进行检查能够确保数据符合预定的规范和标准要求,确保人脸数据的合规性,包括参数的加密规范和识别数据的规范要求,可以提高系统的安全性,防止非法、异常或不符合规范的数据进入后续的处理阶段。
然后,通过识别服务中的数据安全处理服务对人脸数据进行数据安全处理,得到数据安全处理服务的算法返回值,即第二算法返回值,其中,数据安全处理服务可以采取一系列安全措施,保护人脸数据的隐私和安全性,用于防止用户数据泄露和滥用,通过数据加密、身份认证、人脸使用协议等安全处理措施,确保人脸数据在传输、存储和处理过程中的安全性,保护用户的隐私和敏感信息。
然后,通过识别服务中的算法检测服务对人脸数据进行算法检测,得到算法检测服务的算法返回值,即第三算法返回值,其中,算法检测服务基于特定的算法模型,对人脸数据进行辅助检测,识别数据中的特征并进行验证,可以通过活体检测、遮挡检测和动作完成度检测等手段,判断人脸数据的真实性以及质量,提高人脸识别准确性和可靠性,避免误判和欺骗行为的发生。
然后,通过识别服务中的人脸识别算法服务对人脸数据进行人脸识别,得到人脸识别算法服务的算法返回值,即第四算法返回值,其中,可以通过使用合适的人脸识别算法模型,对经过前面处理的人脸数据进行识别,将其与数据库中的人脸特征进行比对,得到人脸识别算法服务的算法返回值。
最后,根据第一算法返回值、第二算法返回值、第三算法返回值和第四算法返回值,得到最终的识别服务的算法返回值。保证了整个人脸识别系统在安全、准确和可靠的基础上运行,确保人脸数据的合规性、隐私保护、真实性验证和识别准确性。
进一步地,作为一种实施方式,所述对所述识别判断分数和预设的判断阈值进行分析,获取分析结果的步骤之后还包括:
步骤S3031:若所述分析结果为人脸识别正确,则对所述人脸数据进行存储。
将识别正确的人脸数据保存下来,其中,存储人脸数据可以用于建立人脸数据库、记录用户访问记录、进行安全认证等场景,也可以根据具体需求,将人脸数据存储在合适的存储介质或数据库中,确保数据的安全性和可访问性。
更具体地,图6展示的是一个完整的人脸识别流程,人脸识别流程是在系统的人脸数据处理模块中进行的,人脸数据处理模块是整个系统的中心处理模块,人脸识别流程是结合后台管理的流程配置数据,通过流程引擎生成。
首先,通过数据合规检测服务对接收到的人脸数据进行检测。然后,若人脸数据的检测结果符合当前规范要求,则通过数据安全处理服务对人脸数据进行安全处理。然后,若安全处理后人脸数据符合安全标准,则进行算法检测,检测人脸数据中是否存在误判的情况。再然后,若算法检测成功,则通过人脸识别算法服务进行人脸识别,得到人脸识别的对比结果。最后,存储对比结果的信息,根据识别的对比结果对图片进行存储,结束人脸识别流程。
根据生成人脸识别流程配置,逐步执行人脸数据检查、人脸数据安全处理、人脸算法检测以及人脸识别算法检测,最后处理数据并返回处理信息,并异步存储比对信息。
本实施例通过上述方案,具体通过所述识别流程的识别服务对所述人脸数据进行识别,获取所述识别服务的算法返回值;通过所述加权公式对所述算法返回值进行计算,获取识别判断分数;对所述识别判断分数和预设的判断阈值进行分析,获取分析结果;根据所述分析结果,获取识别结果。构成了一个完整的人脸识别流程,可以提高人脸识别的准确性和可靠性,适用于各种业务场景。
参照图7,图7为本发明人脸识别方法第四示例性实施例的流程示意图。
基于第三实施例,提出本申请第四实施例,本申请第四实施例与第三实施例的区别在于:
在本实施例中,所述根据所述分析结果,获取识别结果的步骤之后还包括:
步骤S3041:将所述人脸数据和所述识别结果发送至数据管理服务中;
步骤S3042:通过所述数据管理服务对所述人脸数据和所述识别结果进行数据管理,获取数据管理报告。
具体地,利用数据管理服务对接收到的人脸数据和识别结果进行数据管理,生成数据管理报告,其中,数据管理可以包括数据存储、统计、监控等操作,数据管理报告可能包含人脸数据的统计信息、质量评估、识别结果的可信度等内容。
进一步地,数据管理服务是整个系统的底层服务模块,数据存储方面根据后台管理模块配置的流程数据按合规要求保存加密后的人脸识别数据。数据统计方面,根据业务使用方统计日均调用量、失败量、成功量、耗时等。数据监控方面,根据系统服务日志、人脸识别成功率、失败率、异常流程实时监控系统。
数据管理服务模块的设置和运行对于保障人脸识别系统的正常运行和数据安全至关重要,通过合规的数据存储、准确的数据统计和有效的数据监控,可以确保系统数据的完整性、安全性和可靠性,为业务使用方提供优质的服务和功能。
本实施例通过上述方案,具体通过将所述人脸数据和所述识别结果发送至数据管理服务中;通过所述数据管理服务对所述人脸数据和所述识别结果进行数据管理,获取数据管理报告。在保障人脸识别系统的安全运行的基础上,确保数据的安全性、合规性和完整性,同时通过数据统计和监控,提供对系统运行情况的全面了解和优化,提供高质量和可靠的人脸识别服务。
作为另一种示例性实施例,本实施例基于微服务可实时配置的人脸识别流程生成的整体流程如图8所示:
本发明提出一种基于微服务可实时配置的人脸识别流程生成方法,其整体架构包括人脸数据处理模块,后台管理模块以及数据管理模块,首先,根据后台管理模块获取到的流程配置数据,由流程引擎生成新的人脸识别流程,该流程主要包括人脸数据检查、数据安全处理、算法检测、人脸识别四个环节,每个环节可灵活配置一种或多种不同的数据检查方式、数据安全处理方式、算法检测模型以及人脸识别算法模型法,根据配置可调整权重兼容多种算法结果,最终判断人脸识别数据的准确性。
其中,数据检查配置包括:数据安全检查、自定义数据检查、公共参数检查和身份验证等配置,数据安全配置包括人脸协议、非对称加解密、对称加解密和自定义加解密等配置,算法检测配置包括活体检测、自定义数据检测、遮挡检测和动作检测等辅助算法的配置,人脸识别算法配置包括多种人脸识别算法和自定义的识别算法。
最后,通过人脸识别流程完成人脸识别后,对人脸数据进一步处理,存储人脸数据的识别结果并发送给对应的业务,将人脸数据、流程配置数据等系统中流转的数据发送到数据管理模块中,对这些数据进行存储、统计和监控。
基于微服务可实时配置的人脸识别流程生成方法,可以根据实际需求灵活配置不同的数据检查方式、数据安全处理方式、算法检测和人脸识别算法模型,以适应不同场景下的识别需求。同时,通过数据管理模块对系统中流转的数据进行存储、统计和监控,提高人脸识别系统的安全性、可靠性和可扩展性。
本实施例通过上述方案,具体通过获取流程配置数据和待识别人脸数据;根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;通过所述识别流程对所述人脸数据进行识别,获取识别结果。本发明针对人脸识别,实现了不断变化的识别场景下人脸识别流程的配置化生成,兼容了多种识别算法服务,适用于各种复杂的人脸识别场景。
此外,本申请实施例还提出一种人脸识别装置,所述人脸识别装置包括:
数据获取模块,用于接收前端发送的流程配置数据和待识别人脸数据;
流程生成模块,用于根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;
人脸识别模块,用于通过所述识别流程对所述人脸数据进行识别,获取识别结果。
本实施例实现人脸识别的原理及实施过程,请参照上述各实施例,在此不再赘述。
此外,本申请实施例还提出一种终端设备,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人脸识别程序,所述人脸识别程序被所述处理器执行时实现如上所述的人脸识别方法的步骤。
由于本人脸识别程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
此外,本申请实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有人脸识别程序,所述人脸识别程序被处理器执行时实现如上所述的人脸识别方法的步骤。
由于本人脸识别程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
相比现有技术,本申请实施例提出的人脸识别方法、装置、终端设备以及存储介质,通过获取流程配置数据和待识别人脸数据;根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;通过所述识别流程对所述人脸数据进行识别,获取识别结果。本发明针对人脸识别,解决了目前的人脸识别系统无法实时更新适配多种复杂场景且多种算法结果的融合方式单一,灵活性和兼容性较差的问题,实现了不断变化的识别场景下人脸识别流程的配置化生成,兼容了多种识别算法服务,适用于各种复杂的人脸识别场景。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种人脸识别方法,其特征在于,所述人脸识别方法包括以下步骤:
获取流程配置数据和待识别人脸数据;
根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;
通过所述识别流程对所述人脸数据进行识别,获取识别结果。
2.如权利要求1所述的人脸识别方法,其特征在于,所述根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程的步骤包括:
根据所述流程配置数据,通过流程引擎对所述识别服务的算法、数据处理顺序和加权公式进行配置,生成识别流程。
3.如权利要求2所述的人脸识别方法,其特征在于,所述通过所述识别流程对所述人脸数据进行识别,获取识别结果的步骤包括:
通过所述识别流程的识别服务对所述人脸数据进行识别,获取所述识别服务的算法返回值;
通过所述加权公式对所述算法返回值进行计算,获取识别判断分数;
对所述识别判断分数和预设的判断阈值进行分析,获取分析结果;
根据所述分析结果,获取识别结果。
4.如权利要求3所述的人脸识别方法,其特征在于,所述识别服务包括数据检查服务、数据安全处理服务、算法检测服务和人脸识别算法服务中的一种或多种。
5.如权利要求4所述的人脸识别方法,其特征在于,所述通过所述识别流程的识别服务对所述人脸数据进行识别,获取所述识别服务的算法返回值的步骤包括:
通过所述识别服务中的数据检查服务对所述人脸数据进行数据检查,获取第一算法返回值;
通过所述识别服务中的数据安全处理服务对所述人脸数据进行数据安全处理,获取第二算法返回值;
通过所述识别服务中的算法检测服务对所述人脸数据进行算法检测,获取第三算法返回值;
通过所述识别服务中的人脸识别算法服务对所述人脸数据进行人脸识别,获取第四算法返回值;
根据所述第一算法返回值、第二算法返回值、第三算法返回值和第四算法返回值,获取所述识别服务的算法返回值。
6.如权利要求5所述的人脸识别方法,其特征在于,所述对所述识别判断分数和预设的判断阈值进行分析,获取分析结果的步骤之后还包括:
若所述分析结果为人脸识别正确,则对所述人脸数据进行存储。
7.如权利要求6所述的人脸识别方法,其特征在于,所述根据所述分析结果,获取识别结果的步骤之后还包括:
将所述人脸数据和所述识别结果发送至数据管理服务中;
通过所述数据管理服务对所述人脸数据和所述识别结果进行数据管理,获取数据管理报告。
8.一种人脸识别装置,其特征在于,所述装置包括:
数据获取模块,用于获取流程配置数据和待识别人脸数据;
流程生成模块,用于根据所述流程配置数据,通过流程引擎对识别服务进行配置,生成识别流程;
人脸识别模块,用于通过所述识别流程对所述人脸数据进行识别,获取识别结果。
9.一种人脸识别设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人脸识别程序,所述人脸识别程序配置为实现如权利要求1至7中任一项所述的人脸识别方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有人脸识别程序,所述人脸识别程序被处理器执行时实现如权利要求1至7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 |
---|---|---|---|
CN202311085333.4A CN117133034A (zh) | 2023-08-25 | 2023-08-25 | 人脸识别方法、装置、终端设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311085333.4A CN117133034A (zh) | 2023-08-25 | 2023-08-25 | 人脸识别方法、装置、终端设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117133034A true CN117133034A (zh) | 2023-11-28 |
Family
ID=88854052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311085333.4A Pending CN117133034A (zh) | 2023-08-25 | 2023-08-25 | 人脸识别方法、装置、终端设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117133034A (zh) |
-
2023
- 2023-08-25 CN CN202311085333.4A patent/CN117133034A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340008B (zh) | 对抗补丁生成、检测模型训练、对抗补丁防御方法及系统 | |
CN110458154B (zh) | 人脸识别方法、装置和计算机可读存储介质 | |
US20230116801A1 (en) | Image authenticity detection method and device, computer device, and storage medium | |
CN111861240A (zh) | 可疑用户识别方法、装置、设备及可读存储介质 | |
CN109886697A (zh) | 基于表情组别的操作确定方法、装置及电子设备 | |
TW202026984A (zh) | 伺服器、客戶端、用戶核身方法及系統 | |
CN110458662B (zh) | 反欺诈风控方法及装置 | |
CN109859030A (zh) | 基于用户行为的风险评估方法、装置、存储介质和服务器 | |
Witte et al. | Context-aware mobile biometric authentication based on support vector machines | |
US20220164423A1 (en) | Method and apparatus for user recognition | |
CN109034029A (zh) | 检测活体的人脸识别方法、可读存储介质和电子设备 | |
CN112560683A (zh) | 一种翻拍图像识别方法、装置、计算机设备及存储介质 | |
CN104486306B (zh) | 基于指静脉识别和云服务进行身份认证的方法 | |
CN110084142B (zh) | 一种用于人脸识别的年龄隐私保护方法及系统 | |
CN116823428A (zh) | 一种反欺诈检测方法、装置、设备及存储介质 | |
CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
CN111444830A (zh) | 基于超声回波信号的成像的方法、装置、存储介质及电子装置 | |
CN112597379A (zh) | 数据识别方法、装置和存储介质及电子装置 | |
CN117391696A (zh) | 异常交易行为监测方法、装置、计算机设备和存储介质 | |
CN113705428B (zh) | 活体检测方法及装置、电子设备及计算机可读存储介质 | |
CN114780932B (zh) | 管理三化平台的跨区块链数据交互验证方法、系统及设备 | |
CN115906028A (zh) | 用户身份验证方法、装置和自助服务终端 | |
CN117133034A (zh) | 人脸识别方法、装置、终端设备以及存储介质 | |
CN113506109A (zh) | 欺诈交易识别方法及装置 | |
CN110598531A (zh) | 一种基于移动端人脸识别电子印章的方法和系统 |
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 |