CN117746477A - 一种户外人脸识别方法、装置、电子设备及存储介质 - Google Patents
一种户外人脸识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117746477A CN117746477A CN202311748212.3A CN202311748212A CN117746477A CN 117746477 A CN117746477 A CN 117746477A CN 202311748212 A CN202311748212 A CN 202311748212A CN 117746477 A CN117746477 A CN 117746477A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- examination
- student
- face
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000002360 preparation method Methods 0.000 claims abstract description 24
- 230000001815 facial effect Effects 0.000 claims abstract description 21
- 230000009471 action Effects 0.000 claims description 33
- 238000005286 illumination Methods 0.000 claims description 33
- 238000012360 testing method Methods 0.000 claims description 32
- 238000000605 extraction Methods 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013135 deep learning Methods 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
- 230000003068 static effect Effects 0.000 description 2
- 241000276707 Tilapia Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- JTSDBFGMPLKDCD-XVFHVFLVSA-N tilmicosin Chemical compound O([C@@H]1[C@@H](C)[C@H](O)CC(=O)O[C@@H]([C@H](/C=C(\C)/C=C/C(=O)[C@H](C)C[C@@H]1CCN1C[C@H](C)C[C@H](C)C1)CO[C@H]1[C@@H]([C@H](OC)[C@H](O)[C@@H](C)O1)OC)CC)[C@@H]1O[C@H](C)[C@@H](O)[C@H](N(C)C)[C@H]1O JTSDBFGMPLKDCD-XVFHVFLVSA-N 0.000 description 1
- 229960000223 tilmicosin Drugs 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本申请涉及人脸识别技术领域,尤其是涉及一种户外人脸识别方法、装置、电子设备及存储介质。方法包括:通过在体育场入场口设置第一图像采集设备,可以快速地获取入场学生的面部图像信息,进而通过识别第一图像确定学生的身份信息。根据学生的身份信息,可以自动确定学生对应的备考区域。在备考区域内,第二图像采集设备可以采集学生的图像信息,进而确定学生的身份信息,并将第一图像中学生的身份信息与第二图像中学生的身份信息进行匹配,可以有效地防止一个学生代替另一个学生进行比赛或考试的情况发生,从而保证了考试或比赛的公平性。
Description
技术领域
本申请涉及人脸识别技术领域,尤其是涉及一种户外人脸识别方法、装置、电子设备及存储介质。
背景技术
为了满足学校智慧体育的要求,当前户外一般会设有人脸识别设备,用于在举办体育考试或者户外运动比赛时,对入场学生进行人脸识别,从而实现智慧体育。
具体地,人脸识别设备一般设置在体育场的入场口,在学生需要入场进行考试或者比赛时,由入场口进入体育场。在学生由入场口进入体育场的过程中,人脸识别设备可以一次性识别至少一个进入体育场的学生的人脸,以得到进入体育场的学生身份,进而对进入体育场的学生进行身份验证,提高学生入场效率。
一般来说,体育场的入场口与比赛场地或考试场地之间存在一定距离,当多名学生均进入体育场后,一般在自己对应的准备区做赛前准备,这个阶段可能存在一个学生代替另一个学生进行比赛或考试的情况,影响考试或比赛的公平。
发明内容
为了保证考试的公平性,本申请提供一种户外人脸识别方法、装置、电子设备及存储介质。
第一方面,本申请提供一种户外人脸识别方法,采用如下的技术方案:
一种户外人脸识别方法,体育场的入场口设置有第一图像采集设备,体育场内设置有多个备考区域,每个备考区域内设置有至少一个第二图像采集设备,所述方法包括:
接收第一图像采集设备发送的第一图像,所述第一图像包含从入场口进入体育场的学生的面部图像信息;
识别所述第一图像,确定所述第一图像中学生的身份信息;
基于所述学生的身份信息,确定所述学生对应的备考区域;
获取所述学生的备考区域内第二图像采集设备采集的第二图像;
确定所述第二图像中学生的身份信息;
将所述第一图像中学生的身份信息与所述第二图像中学生的身份信息进行匹配,以确定是否生成校验成功信息。
通过采用上述技术方案,通过在体育场入场口设置第一图像采集设备,可以快速地获取入场学生的面部图像信息,进而通过识别第一图像确定学生的身份信息。根据学生的身份信息,可以自动确定学生对应的备考区域。在备考区域内,第二图像采集设备可以采集学生的图像信息,进而确定学生的身份信息,并将第一图像中学生的身份信息与第二图像中学生的身份信息进行匹配,可以有效地防止一个学生代替另一个学生进行比赛或考试的情况发生,从而保证了考试或比赛的公平性。
在一种可能的实现方式中,获取所述学生的备考区域内第二图像采集设备采集的第二图像,包括:
确定所述学生的身份信息对应的考试开始时刻;
基于所述学生的身份信息对应的考试开始时刻,确定所述学生的备考区域内第二图像采集设备对应的拍摄时间段;
获取所述学生的备考区域内第二图像采集设备在对应的拍摄时间段内拍摄的图像信息。
通过采用上述技术方案,基于学生的身份信息对应的考试开始时刻,可以确定学生在备考区域内的第二图像采集设备对应的拍摄时间段,从而可以在需要的时候获取学生的图像信息,这样可以更有效地利用图像采集设备的资源,避免不必要的图像采集和数据处理。
在一种可能的实现方式中,在获取所述学生的备考区域内第二图像采集设备采集的第二图像之后,还包括:
检测所述第二图像中是否存在目标面部图像信息,所述目标面部图像信息为受到光照影响的面部图像信息,且所述目标面部图像信息为完整且不清晰的面部图像信息;
当所述第二图像中存在目标面部图像信息时,对所述第二图像进行分割,以得到单独的目标面部图像信息;
对所述单独的目标面部图像信息进行特征提取,并基于所述单独的目标面部图像信息的特征,确定所述目标面部图像信息对应的身份信息。
通过采用上述技术方案,由于户外的光线条件可能会因为环境、天气或其他因素而变化,这可能会对人脸识别装置的识别准确性造成影响,当光照影响导致面部图像信息不完整或模糊时,可能会导致无法识别改面部图像信息对应的身份信息。该方案通过检测并分割出可能存在的目标面部图像信息,然后对其进行特征提取和身份信息确定,可以提高在复杂光照条件下的识别准确性,进而提高户外人脸识别的准确性。
在一种可能的实现方式中,对所述第二图像进行分割,以得到单独的目标面部图像信息,包括:
获取所述第二采集设备所处位置的光照强度;
对所述第二图像进行灰度化处理,并基于所述光照强度,调整所述第二图像的对比度和亮度;获取调整后的第二图像的像素灰度值,并根据第二图像的像素灰度值,将调整后的第二图像分割成若干个图像区域;
计算每个图像区域的像素灰度值的平均值,以得到每个图像区域的初始阈值;
对每个图像区域的初始阈值进行迭代,并根据迭代次数对每个图像区域的初始阈值进行迭代更新,获得每个图像区域的待测阈值,并根据每个图像区域的待测阈值,判断每个图像区域内是否存在待分割区域;
当存在目标图像区域内存在待分割区域时,对所述目标图像区域进行阈值分割,以得到至少两个目标图像子区域;
基于分割后得到的目标图像子区域,得到单独的目标面部图像信息。
通过采用上述技术方案,根据光照强度去调整对比度和亮度,调整图像的对比度和亮度,从而实现对第二图像的光照归一化处理,使其在提取特征时更加稳定,并通过将图像分割成若干块,分别进行阈值分割,可以在一定程度上解决光照或反射造成的不均匀影响,并通过对阈值进行迭代,基于迭代后的阈值,完成对第二图像的分割,并得到单独的目标面部图像信息。
在一种可能的实现方式中,对所述单独的目标面部图像信息进行特征提取,并基于所述单独的目标面部图像信息的特征,确定所述目标面部图像信息对应的身份信息,包括:确定存在所述目标面部图像信息的第二图像的个数;
当存在所述目标面部图像信息的第二图像的个数为一个时,对所述单独的目标面部图像信息进行多尺度上采样以及多尺度下采样,以得到多个尺度的目标面部图像信息,获取每个尺度的目标面部图像信息对应的卷积神经网络,并基于每个尺度的目标面部图像信息对应的卷积神经网络对对应尺度的目标面部图像信息进行特征提取,并基于所述单独的目标面部图像信息的特征,确定所述目标面部图像信息对应的身份信息;
当存在所述目标面部图像信息的第二图像的个数为至少两个时,对每个所述单独的目标面部图像信息进行人脸关键点提取,并基于人脸关键点将每个单独的目标面部图像信息划分为多个目标子面部图像,所述目标子面部图像中包含至少一个人脸关键点;计算每个单独的目标面部图像信息中每个目标子面部图像所包含的人脸关键点的水平梯度值以及垂直梯度值,并基于包含同一人脸关键点的目标子面部图像的水平梯度值以及垂直梯度值,确定包含同一人脸关键点的每个目标子面部图像所占的权重;对每个目标子面部图像进行特征提取,以得到每个目标子面部图像的特征向量,并基于目标子面部图像的特征向量以及每个目标子面部图像所占的权重,对多个单独的目标面部图像信息进行加权平均,得到所述目标面部图像对应的融合特征,并基于所述目标面部图像对应的融合特征,确定所述目标面部图像信息对应的身份信息。。
通过采用上述技术方案,当存在目标面部图像信息的第二图像的个数为一个时,通过对第二图像信息进行多尺度采样,并已通过卷积神经网络对对应尺度的目标面部图像信息进行特征提取,确定出目标面部图像信息对应的身份信息;当存在面部图像信息的第二图像的个数为至少两个时,基于人脸关键点对图像进行划分,并基于人脸关键点的水平梯度值以及垂直梯度值,确定出每个图像上每个人脸关键点的清晰度,并将该人脸关键点的清晰度作为包含该人脸关键点的目标子面部图像的清晰度,在获取到每个包含该人脸关键点的目标子面部图像的清晰度后,基于清晰度,确定权重,并对多个单独目标面部图像信息进行加权平均,得到目标面部图像对应的融合特征,以确定出目标面部图像信息对应的身份信息。
在一种可能的实现方式中,每个备考区域对应一个考试区域,每个考试区域设有至少一个第三图像采集设备,所述方法还包括:
获取所述学生的考试区域对应的考试项目以及所述考试项目对应的考生身份信息和考试时刻信息;
确定所述学生的考试区域内第三图像采集设备对应的触发动作;
基于所述第三图像采集设备对应的触发动作以及所述考试项目对应的考试时刻信息,获取所述第三图像采集设备采集的第三图像;
基于所述第三图像以及对应的考生身份信息,确定是否生成检测合格信息。
通过采用上述技术方案,通过在考试区域内设置第三图像采集设备,可以实时监控学生的考试情况,第三图像采集设备可以采集学生的面部图像信息,从而可以确认学生的身份信息和考试状态,从而有效地防止替考等作弊行为。
在一种可能的实现方式中,基于所述第三图像采集设备对应的触发动作以及所述考试项目对应的考试时刻信息,获取所述第三图像采集设备采集的第三图像,包括:
基于所述考试项目对应的考试时刻信息,确定所述考试项目对应的第三图像采集设备的监控时间段;
控制所述第三图像采集设备在对应的监控时间段内对所述考试区域进行监控;
当监测到所述考试区域内存在学生执行触发动作时,获取所述第三图像采集设备采集的第三图像。
通过采用上述技术方案,通过监测考试区域内学生的触发动作,可以在考生开始考试时,控制第三图像采集设备进行图像采集,以得到考试开始时刻时的图像,并判断参加考试的人员身份与该考试的考生身份是否一致,从而检测到替考作弊等行为的发生。
第二方面,本申请提供一种户外人脸识别装置,采用如下的技术方案:
一种户外人脸识别装置,体育场的入场口设置有第一图像采集设备,体育场内设置有多个备考区域,每个备考区域内设置有至少一个第二图像采集设备,所述装置包括:
接收模块,用于接收第一图像采集设备发送的第一图像,所述第一图像包含从入场口进入体育场的学生的面部图像信息;
识别模块,用于识别所述第一图像,确定所述第一图像中学生的身份信息;
区域确定模块,用于基于所述学生的身份信息,确定所述学生对应的备考区域;
获取模块,用于获取所述学生的备考区域内第二图像采集设备采集的第二图像;
身份确定模块,用于确定所述第二图像中学生的身份信息;
生成模块,用于将所述第一图像中学生的身份信息与所述第二图像中学生的身份信息进行匹配,以确定是否生成校验成功信息。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述第一方面所述的户外人脸识别方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述第一方面所述的户外人脸识别方法的计算机程序。
综上所述,本申请包括以下有益技术效果:通过在体育场入场口设置第一图像采集设备,可以快速地获取入场学生的面部图像信息,进而通过识别第一图像确定学生的身份信息。根据学生的身份信息,可以自动确定学生对应的备考区域。在备考区域内,第二图像采集设备可以采集学生的图像信息,进而确定学生的身份信息,并将第一图像中学生的身份信息与第二图像中学生的身份信息进行匹配,可以有效地防止一个学生代替另一个学生进行比赛或考试的情况发生,从而保证了考试或比赛的公平性。
附图说明
图1是本申请实施例提供的一种电子设备与图像采集设备连接交互示意图;
图2是本申请实施例提供的一种户外人脸识别方法的流程示意图
图3是本申请实施例提供的一种体育场内备考区域的示意图;
图4是本申请实施例提供的一种体育场内考试区域的示意图;
图5是本申请实施例提供的一种户外人脸识别装置的方框示意图;
图6是本申请实施例提供的一种电子设备的示意图。
具体实施方式
以下结合附图1-6对本申请作进一步详细说明。
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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。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,都属于本申请保护的范围。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请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。
为了满足学校智慧体育的要求,当前户外体育运动一般设有人脸识别设备,用于在举办体育考试或户外运行比赛时,对入场学生进行人脸识别,从而实现智慧体育。具体地,人脸识别设备一般设置在体育场的入场口,在学生需要入场进行考试或者比赛时,由入场口进入体育场。在学生由入场口进入体育场的过程中,人脸识别设备可以一次性识别至少一个进入体育场的学生的人脸,并得到进入体育场的学生的身份,进而对进入体育场的学生进行身份验证,提高学生入场效率。但是,体育场的入场口与表场地或者考试场地之间存在一定距离,在多名学生均进入体育场后,一般在自己对应的准备区域做赛前准备,在做赛前准备的阶段,可能存在一个学生代替另一个学生进行比赛或考试的情况,影响考试或比赛的公平性。
有鉴于此,本申请实施例提供了一种户外人脸识别方法,参见图1,电子设备分别与第一图像采集设备110、第二图像采集设备120以及第三图像采集设备130等建立连接,且电子设备可以用于接收图像采集设备发送的图像,并对图像进行识别,同时,电子设备还可以用于控制图像采集设备进行图像采集。
参见图2,本申请实施例提供了一种户外人脸识别方法,由电子设备执行,其中,体育场的入场口设置有第一图像采集设备,体育场内设置有多个备考区域,参见图3,体育场内可以按图设置有备考区域301、备考区域302、备考区域303以及备考区域304,其中,每个备考区域内设备有至少一个第二图像采集设备,该方法包括:
步骤S201、接收第一图像采集设备发送的第一图像。
其中,第一图像包含从入场口进入体育场的学生的面部图像信息。
具体地,第一图像采集设备识别到人脸时,自动采集第一图像,并将第一图像发送至电子设备,电子设备接收第一图像采集设备发送的第一图像;或者,电子设备获取每项考试项目的学生入场时间段,并控制第一图像采集设备在学生入场时间段内进行图像采集,以得到第一图像,并接收第一图像采集设备发送的第一图像。其中,当一个体育场存在多个入场口时,每个入场口对应至少一个第一图像采集设备,分别获取每个入场口对应的学生入场时间段,并控制每个第一图像采集设备在对应的学生入场时间段内进行图像采集。例如,体育场存在入场口A、入场口B以及入场口C,入场口A对应的学生入场时间段为10:15-10:20,入场口B对应的学生入场时间段为10:50-11:00,入场口C对应的学生入场时间段为11:05-11:10,则控制入场口A的第一图像采集设备在10:15-10:20进行图像采集,控制入场口B的第一图像采集设备在10:50-11:00进行图像采集,控制入场口C的第一图像采集设备在11:05-11:10进行图像采集。其中,基于每个入场口对应的第一图像采集设备的采集范围以及入场口的大小,确定采集总范围可以覆盖整个入场口区域第一图像采集设备的个数。
步骤S202、识别第一图像,确定第一图像中学生的身份信息。
一般来说,学校中会存有包含每个学生的身份信息以及面部图像的档案信息,因此,可以获取每个学生的身份信息以及面部图像,并建立学生身份数据库。具体地,在接收到第一图像采集设备发送的第一图像后,分析第一图像中每个像素,以确定组成人脸的像素,并将组成人脸的像素进行标记,以得到第一图像中包含的面部图像,通过特征提取算法从面部图像中提取出特征点,并将提取出来的特征点转换为数字编码,以得到第一图像中面部图像信息的人脸编码。其中,特征提取算法可以为局部二值模式以及方向梯度直方图等,可以采用欧氏距离编码或余弦相似度编码对提取出来的特征点进行编码,对此,本申请实施例不予限定。
进一步地,在得到第一图像中的面部图像信息的人脸编码后,可以计算该人脸编码与学生身份数据中每个面部图像对应的人脸编码的相似度,并将相似度最高的面部图像对应的身份信息作为第一图像中的面部图像信息对应的身份信息。其中,可以采用欧氏距离或余弦相似度等方式计算相似度。
步骤S203、基于学生的身份信息,确定学生对应的备考区域。
其中,学生身份数据库中还可以包括每个学生对应的考试项目信息,考试项目信息包括考试项目名称、入场时间段、考试开始时刻以及备考区域等。
具体地,基于学生的身份信息,从学生身份数据库中查找该学生的身份信息所对应的考试项目信息,以得到该学生对应的备考区域。
步骤S204、获取学生的备考区域内第二图像采集设备采集的第二图像。
具体地,可以获取接收到第一图像的时刻,并基于第一图像中学生对应的考试开始时刻以及备考区域,将拍摄第一图像的时刻至考试开始时刻之间的时间段作为获取该学生的备考区域内第二图像采集设备采集的第二图像的时间段,并获取在该时间段内学生的备考区域内第二图像采集设备采集的第二图像。其中,第二图像采集设备采集第二图像的方式与上述步骤S201中第一图像采集设备采集第一图像的方式相同,本申请实施例在此不予赘述。
步骤S205、确定第二图像中学生的身份信息。
具体地,在获取到该学生的备考区域内第二图像采集设备采集的第二图像后,对第二图像进行识别,以得到第二图像中面部图像信息的人脸编码,并计算该人脸编码与学生身份数据中每个面部图像对应的人脸编码的相似度,以得到第二图像中的面部图像信息对应的身份信息,即第二图像中学生的身份信息。其中,得到第二图像中面部图像信息的人脸编码与上述步骤S202中得到第一图像中面部图像信息的人脸编码的步骤一致,本申请实施例在此不予赘述。
步骤S206、将第一图像中学生的身份信息与第二图像中学生的身份信息进行匹配,以确定是否生成校验成功信息。
具体地,在得到第一图像中学生的身份信息以及第二图像中学生的身份信息后,可以对第一图像中学生的身份信息与第二图像中学生的身份信息进行匹配,以确定该学生是否在对应的备考区域,从而确定是否可能存在替考的行为。更具体地,将对第一图像中学生的身份信息与第二图像中学生的身份信息进行比较,以确定第一图像中学生的身份信息与第二图像中学生的身份信息是否一致,当第一图像中学生的身份信息与第二图像中学生的身份信息一致时,确定生成校验成功信息;当第一图像中学生的身份信息与第二图像中学生的身份信息不一致时,不生成校验成功信息,并生成校验失败信息。
本申请实施例提供了一种户外人脸识别方法,通过在体育场入场口设置第一图像采集设备,可以快速地获取入场学生的面部图像信息,进而通过识别第一图像确定学生的身份信息。根据学生的身份信息,可以自动确定学生对应的备考区域。在备考区域内,第二图像采集设备可以采集学生的图像信息,进而确定学生的身份信息,并将第一图像中学生的身份信息与第二图像中学生的身份信息进行匹配,可以有效地防止一个学生代替另一个学生进行比赛或考试的情况发生,从而在一定程度上保证了考试的公平性。
本申请实施例一种可能的实现方式,在上述步骤S204中,获取学生的备考区域内第二图像采集设备采集的第二图像,具体可以包括:确定学生的身份信息对应的考试开始时刻;基于学生的身份信息对应的考试开始时刻,确定学生的备考区域内第二图像采集设备对应的拍摄时间段;获取学生的备考区域内第二图像采集设备在对应的拍摄时间段内拍摄的图像信息。
一般来说,同一学生的入场时间段与考试开始时刻之间的时间差不会太大,因此,在学生由体育场的入场口进入体育场后,一般会在备考区域进行考前准备,此时,可以获取学生的备考区域内第二图像采集设备采集的第二图像。具体地,在确定出第一图像中学生的身份信息后,可以获取该学生的身份信息对应的考试开始时刻,并基于该学生对应的考试开始时刻,确定该学生的备考区域内第二图像采集设备对应的拍摄时间段。
具体地,确定学生的备考区域内第二图像采集设备对应的拍摄时间段的方式可以为:获取接收第一图像的时刻,并将接收第一图像的时刻与考试开始时刻之间的时间段作为学生的备考区域内第二图像采集设备对应的拍摄时间段;或者,将距离考试开始时刻前第一预设时长的时刻作为起始时刻,将起始时刻与考试开始时刻之间的时间段作为学生的备考区域内第二图像采集设备对应的拍摄时间段。其中,第一预设时长不大于接收第一图像的时刻与考试开始时刻之间的时间段对应的时长。例如,接收第一图像的时刻为2023年1月1日11:00:00,考试开始时刻为2023年1月1日11:10:00,第一预设时长为5分钟,则拍摄时间段可以为2023年1月1日11:00:00-2023年1月1日11:10:00,也可以为2023年1月1日11:06:00-2023年1月1日11:10:00。
进一步地,在确定出学生的备考区域内第二图像采集设备对应的拍摄时间段后,可以获取在该时间段内学生的备考区域内第二图像采集设备采集的第二图像。其中,第二图像采集设备采集第二图像的方式与上述步骤S201中第一图像采集设备采集第一图像的方式相同,本申请实施例在此不予赘述。
本申请实施例另一种可能的实现方式,在上述步骤S204之后,具体还可以包括:检测第二图像中是否存在目标面部图像信息;当第二图像中存在目标面部图像信息时,对第二图像进行分割,以得到单独的目标面部图像信息;对单独的目标面部图像信息进行特征提取,并基于单独的目标面部图像信息的特征,确定目标面部图像信息对应的身份信息。
其中,目标面部图像信息为受到光照影响的面部图像信息,且目标面部图像信息为完整且不清晰的面部图像信息。
户外的光线可能会因为环境,天气或其他因素而变化,在一定程度上,户外的光线可能对人脸识别设备的识别准确性造成影响,特别是当光照影响面部图像信息的清晰度时,可能会因为无法识别出图像中的面部图像信息的特征,而无法确定面部图像信息的身份信息,此时可以对受到光照影响的面部图像信息进行特征提取,并基于提取出来的特征确定面部图像信息所对应的身份信息。具体地,可以检测第二图像中是否存在受到光照影响的面部图像信息,也即,检测第二图像中是否存在完整且不清晰的面部图像信息,并判断该完整且不清晰的面部图像信息是否为受到光照影响的面部图像信息。具体地,基于人脸识别算法,对第二图像中的面部图像信息进行分析,以得到面部图像信息的位置和轮廓,并基于该位置和轮廓判断人脸是否完整,同时,可以使用边缘检测算法来检测面部图像信息的边缘的清晰程度,以得到面部图像信息的清晰程度。当存在面部图像信息为完整且不清晰时,确定面部图像信息的亮度以及明暗对比度,并确定该面部图像信息的亮度以及明暗对比度是否处于各自对应的阈值范围内,当面部图像信息的亮度和/或明暗对比度不处于对应的阈值范围时,确定该面部图像信息为目标面部图像信息,也即确定该第二图像中存在目标面部图像信息。
进一步地,当第二图像中存在目标面部图像信息时,可以对目标面部图像信息进行特征提取以确定目标面部图像信息对应的身份信息。具体地,沿着目标面部图像信息的边缘对第二图像进行分割,以得到单独的目标面部图像信息,并对得到的单独的目标面部图像信息进行特征提取,以得到目标面部图像信息的人脸关键点特征,并计算该人脸关键点特征与学生身份信息数据库中的每个面部图像的人脸关键点特征的相似度,将相似度最大的人脸关键点特征所对应的学生身份信息作为目标面部图像信息对应的学生身份信息。具体地,通过通过滤波、直方图均衡化、对比度拉伸等方式,对目标面部图像信息进行预处理,如去噪、增强等操作,以提高图像的清晰度和质量,在预处理后的目标面部图像信息上,使用特征点检测算法(如Haar级联、LBP、SIFT等)来检测人脸的关键特征点,如眼睛、鼻子、嘴巴等。可以基于边缘的特征提取、基于区域的方法等方式检测目标面部图像信息的关键特征点,并提取人脸的特征,人脸特征可以包括形状、大小、位置、角度等,通过组合不同的特征或者使用加权平均等方式将不同特征点的特征进行融合,以得到目标面部图像信息的人脸关键点特征。
本申请实施例一种可能的实现方式,在上述实施例中,对第二图像进行分割,以得到单独的目标面部图像信息,具体可以包括:获取第二采集设备所处位置的光照强度;对第二图像进行灰度化处理,并基于光照强度,调整第二图像的对比度和亮度;获取调整后的第二图像的像素灰度值,并根据第二图像的像素灰度值,将调整后的第二图像分割为若干个图像区域;计算每个图像区域的像素灰度值的平均值,以得到每个图像区域初始阈值;对每个图像区域的初始阈值进行迭代更新,获取每个图像区域的待测阈值,并根据每个图像区域的待测阈值,判断每个图像区域内是否存在待分割区域;当存在目标图像区域内存在待分割区域时,以得到至少两个目标图像子区域;基于分割后得到的目标图像子区域,得到单独的目标面部图像信息。
其中,目标图像区域为存在待分割区域的图像区域。
具体地,可以获取第二采集设备所处的位置,获取第二采集设备所处的位置在未来周期内的天气预报信息,基于天气预报信息中当前时刻的光照强度信息,得到第二采集设备所处位置的光照强度;或者,获取第二采集所处位置的光照传感器数据,以得到第二采集设备所处位置的光照强度。进一步地,在得到第二采集设备所处位置的光照强度后,可以将第二图像从RGB空间转换为灰度空间,以实现对第二图像的灰度化处理,并获取该光照强度所对应的伽马值,将该伽马值代入幂定律公式,对第二图像进行伽马校正处理,校正第二图像的过程即为调整第二图像的对比度和亮度的过程。其中,每个伽马值对应一个光照强度区间,确定该第二采集设备所处位置的光照强度所处的光照强度区间,并将该光照强度区间对应的伽马值作为该第二采集设备所处位置的光照强度所对应的伽马值。其中,每个伽马值所对应的光照强度区间可以人为输入,也可以为电子设备通过实验得到,本申请实施例对此不予限定。
进一步地,调整第二图像的对比度和亮度后,获取调整后的第二图像的像素灰度值,并计算调整后第二图像中每个像素灰度值在第二图像中出现的频率,以得到灰度直方图,根据灰度直方图的峰值、谷值、相邻两个峰值与谷值的均值、相邻两个峰值的均值以及相邻两个谷值的均值,确定多个分割阈值,并将调整后的第二图像的像素灰度值与每个分割阈值进行比较,从而将调整后的第二图像分割成不同的区域,将调整后的第二图像分割成若干个图像区域,有助于提高第二图像中前景与背景分离的准确性。示例性地,存在三个分割阈值,将调整后的第二图像的每个像素灰度值分别与第一分割阈值、第二分割阈值以及第二分割阈值进行比较,以得到小于第一分割阈值的像素灰度值、大于等于第二分割阈值且小于第三分割阈值的像素灰度值以及大于等于第三分割阈值的像素灰度值。
更进一步地,针对每个图像区域而言,计算该图像区域的像素灰度值的平均值,并将该图像区域的像素灰度值的平均值作为该图像区域的初始阈值,并根据迭代次数对该图像区域的初始阈值进行迭代更新,并基于迭代后的阈值=初始阈值+迭代次数,并在该图像区域的阈值进行一次迭代后,确定大于迭代后阈值的像素点的个数,并计算本次迭代后大于迭代后阈值的像素点的个数与上次迭代后大于对应的迭代后阈值的像素点个数的个数差值,当个数差值小于预设差值阈值后,停止迭代,并将本次迭代后对应的迭代后阈值作为该图像区域的待测阈值,以得到每个图像区域的待测阈值。进一步地,针对每个图像区域而言,在得到该图像区域的待测阈值后,确定出该图像中大于预测阈值的像素点的坐标,并判断该图像中大于预测阈值的像素灰度值的像素点是否相邻,若该图像中大于预设阈值的像素灰度值的像素点均不相邻,则该图像区域内不存在待分割区域;若该图像中存在大于预设阈值的像素灰度值的像素点相邻,则将相邻且大于预设阈值的像素点组成的区域作为待分割区域。
更进一步地,当图像区域内存在待分割区域时,将该存在待分割区域的图像区域作为目标图像区域,并将待分割区域以及目标图像区域中除待分割区域图外的区域进行二值化处理,以对二值化后的目标图像区域进行分割,得到至少两个目标图像子区域。并将不存在分割区域的图像区域以及得到的目标图像子区域输入至包含边缘特征卷积层、线性特征卷积层以及中心特征卷积层的卷积神经网络,以得到单独的目标面部图像信息。
本申请实施例一种可能的实现方式,在上述实施例中,对单独的目标面部图像信息进行特征提取,并基于单独的目标面部图像信息的特征,确定目标面部图像信息对应的身份信息,具体可以包括:确定存在目标面部图像信息的第二图像的个数;当存在目标面部图像信息的第二图像的个数为一个时,对单独的目标面部信息进行多尺度上采样以及多尺度下采样,以得到多个尺度的目标面部图像信息,获取每个尺度的目标面部图像信息对应的卷积神经网络,并基于每个尺度的目标面部图像信息对应的卷积神经网络对对应尺度的目标面部图像信息进行特征提取,并基于单独的目标面部图像信息的特征,确定目标面部图像信息对应的身份信息;当存在目标面部图像信息的第二图像的个数为至少两个时,对每个单独的目标面部图像信息进行人脸关键点提取,并基于人脸关键点将每个单独的目标面部图像信息划分为多个目标子面部图像,计算每个单独的目标面部图像信息中每个目标子面部图像所包含的人脸关键点的水平梯度值以及垂直梯度值,并基于包含同一人脸关键点的目标子面部图像的水平梯度值以及垂直梯度值,确定包含同一人脸关键点的每个目标子面部图像的权重;对每个目标子面部图像进行特征提取,以得到每个目标子面部图像的特征向量,并基于目标子面部图像的特征向量以及每个目标子面部图像所占的权重,对多个单独的目标面部图像信息进行加权平均,得到目标面部图像对应的融合特征,并基于目标面部图像对应的融合特征,确定目标面部图像信息对应的身份信息。
其中,目标子面部图像中包含至少一个人脸关键点,人脸关键点包含眼睛、嘴巴以及鼻子,其中,一个眼睛为一个人脸关键点。
由于第二采集设备为在备考区域采集第二图像,在采集过程中,可能存在采集到的多张第二图像存在同一学生的面部图像,因此,可以确定出存在目标面部图像信息的第二图像的个数,以基于存在目标面部图像信息的第二图像的个数,确定目标面部图像信息对应的身份信息。具体地,提取该目标面部图像信息中的其余身体特征,并基于其余第二图像中任务的其余身体特征,判断是否存在包含与该目标面部图像信息中其余身体特征一致的其余身体特征的目标第二图像,当存在目标第二图像时,判断该目标第二图像中该其余身体特征对应的面部图像是否为目标面部图像,以确定出存在该面部图像信息的第二图像的个数。其中,其余身体特征可以为学生的衣物颜色、衣物样式或者人物发型等。值得说明的是,可以采用特征提取算法(如SIFT、SURF等)提取图像中的特征点,本申请实施例对此不予限定。
当存在目标面部图像信息的第二图像的个数为一个,且,存在目标第二图像时,获取目标第二图像中目标面部图像信息对应的面部图像信息,并对目标第二图像中该面部图像信息进行识别,以得到该面部图像信息的人脸编码,并计算该人脸编码与学生身份数据中每个面部图像对应的人脸编码的相似度,以得到该面部图像信息对应的身份信息,其中,得到第二图像中目标面部图像信息对应的面部图像信息的人脸编码与上述步骤S202中得到第一图像中面部图像信息的人脸编码的步骤一致,本申请实施例在此不予赘述。
当存在目标面部图像信息的第二图像的个数为一个,且,不存在目标第二图像时,通过在单独的目标面部图像信息的每个像素之间插入新的像素,实现对单独的目标面部图像信息的多尺度上采样,并通过删除单独的目标面部图像信息中一些像素或合并相邻像素,实现对单独的目标面部图像信息的多尺度下采样,以得到多个尺度的单独的目标面部图像信息,并获取每个尺度的目标面部图像信息对应的卷积神经网络,以将每个尺寸的目标面部图像信息输入至对应的卷积神经网络中,通过卷积神经网络对目标面部图像进行特征提取。其中,卷积神经网络包括卷积层、池化层以及全连接层,不同尺度的目标面部图像信息对应的卷积层的大小不同。进一步地,将从多个尺寸的目标面部图像信息中提取出来的特征点转换为数字编码,以得到单独的目标面部图像信息的人脸编码,并计算该人脸编码与学生身份数据中每个面部图像对应的人脸编码的相似度,以得到该面部图像信息对应的身份信息。
当存在同一学生的目标面部图像信息的第二图像的个数为至少两个,且,存在目标第二图像时,判断该目标面部图像信息获取目标第二图像中目标面部图像信息对应的面部图像信息,并对目标第二图像中该面部图像信息进行识别,以得到该面部图像信息的人脸编码,并计算该人脸编码与学生身份数据中每个面部图像对应的人脸编码的相似度,以得到该面部图像信息对应的身份信息,其中,得到第二图像中目标面部图像信息对应的面部图像信息的人脸编码与上述步骤S202中得到第一图像中面部图像信息的人脸编码的步骤一致,本申请实施例在此不予赘述。
当存在同一学生的目标面部图像信息的第二图像的个数为至少两个,且,不存在目标第二图像时,并将每个单独的目标面部图像信息输入至深度学习网络中,以得到输出的每个单独的目标面部图像的人脸关键点的位置,其中,深度学习网络由大量的面部图像样本以及对应的人脸关键点样本训练而成。进一步地,在得到每个单独的目标面部图像的人脸关键点后,针对每个单独的目标面部图像信息而言,可以对该目标面部图像信息进行划分,以得到多个包含至少一个人脸关键点且互不重合的目标子面部图像,并基于包括两个3x3的卷积核的Sobel算子,计算人脸关键点的水平梯度以及垂直梯度,具体地,基于第一卷积核计算每个目标子面部图像所包含的人脸关键点的水平梯度值,基于第二卷积核/>计算每个目标子面部图像所包含的人脸关键点的垂直梯度值。示例性地,可以根据眼睛、鼻子以及嘴巴的位置和形状,将人脸图像划分为上、中、下三个部分,或者根据眼睛、鼻子以及嘴巴的位置和形状,将人脸图像划分为左、中、右三个部分。值得说明的是,每个单独的目标面部图像信息的划分区域以及划分后每个划分后区域中包含的人脸关键点一致。更进一步地,针对包含同一个人脸关键点的目标子面部图像而言,计算每个目标子面部图像的水平梯度值和垂直梯度值的平均值,并计算各个目标子面部图像的平均值的和以及每个目标子面部图像的平均值占的平均的和的比值,以得到包含同一人脸关键点的每个目标子面部图像所占的权重。更进一步地,可以使用特征提取算法(如SIFT、SURF等)提取每个目标子面部图像中的特征点,并采用SIFT(尺度不变特征变换)、SURF(加速鲁棒特征)或ORB(旋转不变性特征)等方法计算每个特征点的特征向量,这些特征向量可以描述目标面部的形状、纹理等属性,并根据每个目标子面部图像的权重对每个单独的目标面部图像的特征向量进行加权平均,得到目标面部图像对应的融合特征,并基于融合特征,使用分类器(如支持向量机、神经网络等)对目标面部图像进行身份识别。
本申请实施例另一种可能的实现方式,每个备考区域对应一个考试区域,参见图4,备考区域301对应考试区域401,备考区域302对应考试区域402,备考区域303对应考试区域403,备考区域304对应考试区域404,每个考试区域设有至少一个第三图像采集设备,方法还可以包括:获取学生的考试区域对应的考试项目以及考试项目对应的考生身份信息和考试时刻信息;确定学生的考试区域内第三图像采集设备对应的触发动作;基于第三图像采集设备对应的触发动作以及考试项目对应的考试时刻信息,获取第三图像采集设备采集的第三图像;基于第三图像以及对应的考生身份信息,确定是否生成检测合格信息。
其中,学生身份数据库中还可以包括每个学生对应的考试区域以及考试项目。
为了进一步保证考试的公平性,可以在学生进入考试区域进行考试时,获取第三图像采集设备采集的第三图像,并基于第三图像中的学生身份以及考生身份确定是否出现替考等行为。具体地,根据学生的身份信息,从学生身份数据库中确定出该学生的考试区域以及对应的考试项目,并获取该项考试项目所对应的考试身份信息以及考试时刻信息。
进一步地,基于学生所对应的考试项目,确定该学生的考试区域内第三图像设备所对应的触发动作。其中,每项考试项目对应一个触发动作,例如,800m长跑考试的触发动作可以为起跑动作,立定跳远的触发动作为起跳动作。
更进一步地,在确定出该学生的考试区域内第三图像设备所对应的触发动作后,电子设备控制第三图像采集设备在考试时刻后对触发动作进行监控,第三图像采集设备在检测到存在学生执行触发动作后,采集考试区域的第三图像,并将第三图像反馈至电子设备中,电子设备对第三图像中的面部图像信息进行识别,以确定第三图像中面部图像信息所对应的学生身份,并将该学生身份信息与该项考试项目对应的考生身份信息进行核对,确定该项考试项目所对应的考生身份信息中是否存在与第三图像中面部图像信息所对应的学生身份一致的考生身份信息。若存在与第三图像中面部图像信息所对应的学生身份一致的考生身份信息,则生成检测合格信息;若不存在与第三图像中面部图像信息所对应的学生身份一致的考生身份信息,则不生成检测合格信息。
更进一步地,在检测到触发动作后,为了提高获取每个考生的面部图像信息,可以根据检测到的触发动作,确定该触发动作所对应的考试项目所属的考试类型。其中,考试类型包括集体考试以及个人考试。示例性地,跳远考试为一个学生跳完后另一个学生再跳,因此,跳远考试属于个人考试,800米考试为多个学生站在起跑线上统一开始起跑,因此,800米考试属于集体考试。
具体地,当确定出该触发动作所对应的考试项目所属的考试类型为个人考试时,控制第三图像采集设备采集考试区域的第三图像;当确定出该触发动作所对应的考试项目所属的考试类型为集体考试时,控制无人机拍摄考试区域的第三图像,以得到包含考试区域内全部参加该考试项目的考生的面部图像的第三图像。
本申请实施例一种可能的实现方式,在上述实施例中,基于第三图像采集设备对应的触发动作以及考试项目对应的考试时刻信息,获取第三图像采集设备采集的第三图像,具体可以包括:基于考试项目对应的考试时刻信息,确定考试项目对应的第三图像采集设备的监控时间段;控制第三图像采集设备在对应的监控时间段内对考试区域进行监控;当监测到考试区域内存在学生执行触发动作时,获取第三图像采集设备采集的第三图像。
具体地,可以将距离考试时刻信息前第二预设时长的时刻作为起始时刻,将起始时刻与考试时刻信息之间的时间段作为考试项目对应的第三图像采集设备的监控时间段,并到达起始时刻时,控制第三图像采集设备对考试区域进行监控,并在考试区域内存在学生执行出发动作时,接收第三图像采集设备发送的第三图像。
上述实施例从方法流程的角度介绍一种户外人脸识别方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种户外人脸识别装置,具体详见下述实施例。
参见图5,本发明实施例提供了一种户外人脸识别装置50,包括:接收模块510、识别模块520、区域确定模块530、获取模块540、身份确定模块550以及生成模块560。
一种户外人脸识别装置50,其中,体育场的入场口设置有第一图像采集设备,体育场内设置有多个备考区域,每个备考区域内设置有至少一个第二图像采集设备,装置50包括:
接收模块510,用于接收第一图像采集设备发送的第一图像,第一图像包含从入场口进入体育场的学生的面部图像信息;
识别模块520,用于识别第一图像,确定第一图像中学生的身份信息;
区域确定模块530,用于基于学生的身份信息,确定学生对应的备考区域;
获取模块540,用于获取学生的备考区域内第二图像采集设备采集的第二图像;
身份确定模块550,用于确定第二图像中学生的身份信息;
生成模块560,用于将第一图像中学生的身份信息与第二图像中学生的身份信息进行匹配,以确定是否生成校验成功信息。
本申请实施例一种可能的实现方式,获取模块540在获取学生的备考区域内第二图像采集设备采集的第二图像时,具体可以用于:
确定学生的身份信息对应的考试开始时刻;
基于学生的身份信息对应的考试开始时刻,确定学生的备考区域内第二图像采集设备对应的拍摄时间段;
获取学生的备考区域内第二图像采集设备在对应的拍摄时间段内拍摄的图像信息。
本申请实施例一种可能的实现方式,户外人脸识别装置50还可以包括:
检测模块,用于检测第二图像中是否存在目标面部图像信息,目标面部图像信息为受到光照影响的面部图像信息,且目标面部图像信息为完整且不清晰的面部图像信息;
分割模块,用于当第二图像中存在目标面部图像信息时,对第二图像进行分割,以得到单独的目标面部图像信息;
提取模块,用于对单独的目标面部图像信息进行特征提取,并基于单独的目标面部图像信息的特征,确定目标面部图像信息对应的身份信息。
本申请实施例一种可能的实现方式,分割模块在对第二图像进行分割,以得到单独的目标面部图像信息时,具体可以用于:
获取第二采集设备所处位置的光照强度;
对第二图像进行灰度化处理,并基于光照强度,调整第二图像的对比度和亮度;
获取调整后的第二图像的像素灰度值,并根据第二图像的像素灰度值,将调整后的第二图像分割成若干个图像区域;
计算每个图像区域的像素灰度值的平均值,以得到每个图像区域的初始阈值;
对每个图像区域的初始阈值进行迭代,并根据迭代次数对每个图像区域的初始阈值进行迭代更新,获得每个图像区域的待测阈值,并根据每个图像区域的待测阈值,判断每个图像区域内是否存在待分割区域;
当存在目标图像区域内存在待分割区域时,对目标图像区域进行阈值分割,以得到至少两个目标图像子区域;
基于分割后得到的目标图像子区域,得到单独的目标面部图像信息。
本申请实施例一种可能的实现方式,提取模块在对单独的目标面部图像信息进行特征提取,并基于单独的目标面部图像信息的特征,确定目标面部图像信息对应的身份信息时,具体可以用于:
确定存在目标面部图像信息的第二图像的个数;
当存在目标面部图像信息的第二图像的个数为一个时,对单独的目标面部图像信息进行多尺度上采样以及多尺度下采样,以得到多个尺度的目标面部图像信息,获取每个尺度的目标面部图像信息对应的卷积神经网络,并基于每个尺度的目标面部图像信息对应的卷积神经网络对对应尺度的目标面部图像信息进行特征提取,并基于单独的目标面部图像信息的特征,确定目标面部图像信息对应的身份信息;
当存在目标面部图像信息的第二图像的个数为至少两个时,对每个单独的目标面部图像信息进行人脸关键点提取,并基于人脸关键点将每个单独的目标面部图像信息划分为多个目标子面部图像,目标子面部图像中包含至少一个人脸关键点;计算每个单独的目标面部图像信息中每个目标子面部图像所包含的人脸关键点的水平梯度值以及垂直梯度值,并基于包含同一人脸关键点的目标子面部图像的水平梯度值以及垂直梯度值,确定包含同一人脸关键点的每个目标子面部图像所占的权重;对每个目标子面部图像进行特征提取,以得到每个目标子面部图像的特征向量,并基于目标子面部图像的特征向量以及每个目标子面部图像所占的权重,对多个单独的目标面部图像信息进行加权平均,得到目标面部图像对应的融合特征,并基于目标面部图像对应的融合特征,确定目标面部图像信息对应的身份信息。
本申请实施例一种可能的实现方式,每个备考区域对应一个考试区域,每个考试区域设有至少一个第三图像采集设备,户外人脸识别装置50还可以包括:
信息获取模块,用于获取学生的考试区域对应的考试项目以及考试项目对应的考生身份信息和考试时刻信息;
动作确定模块,用于确定学生的考试区域内第三图像采集设备对应的触发动作;
图像获取模块,用于基于第三图像采集设备对应的触发动作以及考试项目对应的考试时刻信息,获取第三图像采集设备采集的第三图像;
信息生成模块,用于基于第三图像以及对应的考生身份信息,确定是否生成检测合格信息。
本申请实施例一种可能的实现方式,图像获取模块在基于第三图像采集设备对应的触发动作以及考试项目对应的考试时刻信息,获取第三图像采集设备采集的第三图像时,具体可以用于:
基于考试项目对应的考试时刻信息,确定考试项目对应的第三图像采集设备的监控时间段;控制第三图像采集设备在对应的监控时间段内对考试区域进行监控;
当监测到考试区域内存在学生执行触发动作时,获取第三图像采集设备采集的第三图像。
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,上述描述的系统、装置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。
本申请实施例还从实体装置的角度介绍了一种电子设备,如图6所示,图6所示的电子设备600包括:处理器601和存储器603。其中,处理器601和存储器603相连,如通过总线602相连。可选地,电子设备600还可以包括收发器604。需要说明的是,实际应用中收发器604不限于一个,该电子设备600的结构并不构成对本申请实施例的限定。
处理器601可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器601也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线602可包括一通路,在上述组件之间传送信息。总线602可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线602可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器603可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器603用于存储执行本申请方案的应用程序代码,并由处理器601来控制执行。处理器601用于执行存储器603中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端,还可以为服务器等。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种户外人脸识别方法,其特征在于,体育场的入场口设置有第一图像采集设备,体育场内设置有多个备考区域,每个备考区域内设置有至少一个第二图像采集设备,所述方法包括:
接收第一图像采集设备发送的第一图像,所述第一图像包含从入场口进入体育场的学生的面部图像信息;
识别所述第一图像,确定所述第一图像中学生的身份信息;
基于所述学生的身份信息,确定所述学生对应的备考区域;
获取所述学生的备考区域内第二图像采集设备采集的第二图像;
确定所述第二图像中学生的身份信息;
将所述第一图像中学生的身份信息与所述第二图像中学生的身份信息进行匹配,以确定是否生成校验成功信息。
2.根据权利要求1所述的户外人脸识别方法,其特征在于,所述获取所述学生的备考区域内第二图像采集设备采集的第二图像,包括:
确定所述学生的身份信息对应的考试开始时刻;
基于所述学生的身份信息对应的考试开始时刻,确定所述学生的备考区域内第二图像采集设备对应的拍摄时间段;
获取所述学生的备考区域内第二图像采集设备在对应的拍摄时间段内拍摄的图像信息。
3.根据权利要求1所述的户外人脸识别方法,其特征在于,在获取所述学生的备考区域内第二图像采集设备采集的第二图像之后,还包括:
检测所述第二图像中是否存在目标面部图像信息,所述目标面部图像信息为受到光照影响的面部图像信息,且所述目标面部图像信息为完整且不清晰的面部图像信息;
当所述第二图像中存在目标面部图像信息时,对所述第二图像进行分割,以得到单独的目标面部图像信息;
对所述单独的目标面部图像信息进行特征提取,并基于所述单独的目标面部图像信息的特征,确定所述目标面部图像信息对应的身份信息。
4.根据权利要求3所述的户外人脸识别方法,其特征在于,所述对所述第二图像进行分割,以得到单独的目标面部图像信息,包括:
获取所述第二采集设备所处位置的光照强度;
对所述第二图像进行灰度化处理,并基于所述光照强度,调整所述第二图像的对比度和亮度;
获取调整后的第二图像的像素灰度值,并根据第二图像的像素灰度值,将调整后的第二图像分割成若干个图像区域;
计算每个图像区域的像素灰度值的平均值,以得到每个图像区域的初始阈值;
对每个图像区域的初始阈值进行迭代,并根据迭代次数对每个图像区域的初始阈值进行迭代更新,获得每个图像区域的待测阈值,并根据每个图像区域的待测阈值,判断每个图像区域内是否存在待分割区域;
当存在目标图像区域内存在待分割区域时,对所述目标图像区域进行阈值分割,以得到至少两个目标图像子区域;
基于分割后得到的目标图像子区域,得到单独的目标面部图像信息。
5.根据权利要求4所述的户外人脸识别方法,其特征在于,所述对所述单独的目标面部图像信息进行特征提取,并基于所述单独的目标面部图像信息的特征,确定所述目标面部图像信息对应的身份信息,包括:
确定存在所述目标面部图像信息的第二图像的个数;
当存在所述目标面部图像信息的第二图像的个数为一个时,对所述单独的目标面部图像信息进行多尺度上采样以及多尺度下采样,以得到多个尺度的目标面部图像信息,获取每个尺度的目标面部图像信息对应的卷积神经网络,并基于每个尺度的目标面部图像信息对应的卷积神经网络对对应尺度的目标面部图像信息进行特征提取,并基于所述单独的目标面部图像信息的特征,确定所述目标面部图像信息对应的身份信息;
当存在所述目标面部图像信息的第二图像的个数为至少两个时,对每个所述单独的目标面部图像信息进行人脸关键点提取,并基于人脸关键点将每个单独的目标面部图像信息划分为多个目标子面部图像,所述目标子面部图像中包含至少一个人脸关键点;计算每个单独的目标面部图像信息中每个目标子面部图像所包含的人脸关键点的水平梯度值以及垂直梯度值,并基于包含同一人脸关键点的目标子面部图像的水平梯度值以及垂直梯度值,确定包含同一人脸关键点的每个目标子面部图像所占的权重;对每个目标子面部图像进行特征提取,以得到每个目标子面部图像的特征向量,并基于目标子面部图像的特征向量以及每个目标子面部图像所占的权重,对多个单独的目标面部图像信息进行加权平均,得到所述目标面部图像对应的融合特征,并基于所述目标面部图像对应的融合特征,确定所述目标面部图像信息对应的身份信息。
6.根据权利要求1所述的户外人脸识别方法,其特征在于,每个备考区域对应一个考试区域,每个考试区域设有至少一个第三图像采集设备,所述方法还包括:
获取所述学生的考试区域对应的考试项目以及所述考试项目对应的考生身份信息和考试时刻信息;
确定所述学生的考试区域内第三图像采集设备对应的触发动作;
基于所述第三图像采集设备对应的触发动作以及所述考试项目对应的考试时刻信息,获取所述第三图像采集设备采集的第三图像;
基于所述第三图像以及对应的考生身份信息,确定是否生成检测合格信息。
7.根据权利要求6所述的户外人脸识别方法,其特征在于,所述基于所述第三图像采集设备对应的触发动作以及所述考试项目对应的考试时刻信息,获取所述第三图像采集设备采集的第三图像,包括:
基于所述考试项目对应的考试时刻信息,确定所述考试项目对应的第三图像采集设备的监控时间段;
控制所述第三图像采集设备在对应的监控时间段内对所述考试区域进行监控;
当监测到所述考试区域内存在学生执行触发动作时,获取所述第三图像采集设备采集的第三图像。
8.一种户外人脸识别装置,其特征在于,体育场的入场口设置有第一图像采集设备,体育场内设置有多个备考区域,每个备考区域内设置有至少一个第二图像采集设备,所述装置包括:
接收模块,用于接收第一图像采集设备发送的第一图像,所述第一图像包含从入场口进入体育场的学生的面部图像信息;
识别模块,用于识别所述第一图像,确定所述第一图像中学生的身份信息;
区域确定模块,用于基于所述学生的身份信息,确定所述学生对应的备考区域;
获取模块,用于获取所述学生的备考区域内第二图像采集设备采集的第二图像;
身份确定模块,用于确定所述第二图像中学生的身份信息;
生成模块,用于将所述第一图像中学生的身份信息与所述第二图像中学生的身份信息进行匹配,以确定是否生成校验成功信息。
9.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~7任一项所述的户外人脸识别方法。
10.一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,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~7任一项所述的户外人脸识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311748212.3A CN117746477B (zh) | 2023-12-19 | 2023-12-19 | 一种户外人脸识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311748212.3A CN117746477B (zh) | 2023-12-19 | 2023-12-19 | 一种户外人脸识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117746477A true CN117746477A (zh) | 2024-03-22 |
CN117746477B CN117746477B (zh) | 2024-06-21 |
Family
ID=90252172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311748212.3A Active CN117746477B (zh) | 2023-12-19 | 2023-12-19 | 一种户外人脸识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117746477B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096536A (zh) * | 2016-06-08 | 2016-11-09 | 湖南城市学院 | 学生身份识别系统及识别方法 |
CN111161251A (zh) * | 2019-12-31 | 2020-05-15 | 普联技术有限公司 | 一种人脸图像清晰度的计算方法和装置 |
US20210060787A1 (en) * | 2019-08-29 | 2021-03-04 | Wuyi University | Education assisting robot and control method thereof |
CN113160442A (zh) * | 2021-02-26 | 2021-07-23 | 逸兴泰辰技术有限公司 | 一种用于现场教育的管理方法及系统 |
US20220075996A1 (en) * | 2018-12-26 | 2022-03-10 | Xunteng (guangdong) Technology Co., Ltd. | Method and device for determining operation based on facial expression groups, and electronic device |
CN115346260A (zh) * | 2022-08-19 | 2022-11-15 | 北京国宇宏通科技有限公司 | 一种体育考试ai监考防作弊管理方法及相关设备 |
CN115601807A (zh) * | 2022-10-10 | 2023-01-13 | 黑龙江资海科技集团有限公司(Cn) | 一种适用在线考试系统的人脸识别方法及其工作方法 |
CN116503214A (zh) * | 2023-05-06 | 2023-07-28 | 陕西理工大学 | 一种体育教学智能体育测试系统 |
CN116542828A (zh) * | 2023-07-03 | 2023-08-04 | 宇威益智科技发展(北京)有限公司 | 一种智能体育教学管理方法及系统 |
CN117095456A (zh) * | 2023-08-01 | 2023-11-21 | 浙江大华技术股份有限公司 | 考试行为的检测方法、装置、电子设备和存储介质 |
-
2023
- 2023-12-19 CN CN202311748212.3A patent/CN117746477B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096536A (zh) * | 2016-06-08 | 2016-11-09 | 湖南城市学院 | 学生身份识别系统及识别方法 |
US20220075996A1 (en) * | 2018-12-26 | 2022-03-10 | Xunteng (guangdong) Technology Co., Ltd. | Method and device for determining operation based on facial expression groups, and electronic device |
US20210060787A1 (en) * | 2019-08-29 | 2021-03-04 | Wuyi University | Education assisting robot and control method thereof |
CN111161251A (zh) * | 2019-12-31 | 2020-05-15 | 普联技术有限公司 | 一种人脸图像清晰度的计算方法和装置 |
CN113160442A (zh) * | 2021-02-26 | 2021-07-23 | 逸兴泰辰技术有限公司 | 一种用于现场教育的管理方法及系统 |
CN115346260A (zh) * | 2022-08-19 | 2022-11-15 | 北京国宇宏通科技有限公司 | 一种体育考试ai监考防作弊管理方法及相关设备 |
CN115601807A (zh) * | 2022-10-10 | 2023-01-13 | 黑龙江资海科技集团有限公司(Cn) | 一种适用在线考试系统的人脸识别方法及其工作方法 |
CN116503214A (zh) * | 2023-05-06 | 2023-07-28 | 陕西理工大学 | 一种体育教学智能体育测试系统 |
CN116542828A (zh) * | 2023-07-03 | 2023-08-04 | 宇威益智科技发展(北京)有限公司 | 一种智能体育教学管理方法及系统 |
CN117095456A (zh) * | 2023-08-01 | 2023-11-21 | 浙江大华技术股份有限公司 | 考试行为的检测方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117746477B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107423690B (zh) | 一种人脸识别方法及装置 | |
CN111488756B (zh) | 基于面部识别的活体检测的方法、电子设备和存储介质 | |
Işık | A comparative evaluation of well-known feature detectors and descriptors | |
CN105518709B (zh) | 用于识别人脸的方法、系统和计算机程序产品 | |
Nogueira et al. | Evaluating software-based fingerprint liveness detection using convolutional networks and local binary patterns | |
KR100724932B1 (ko) | 얼굴 검출 장치 및 방법 | |
CN1977286B (zh) | 对象识别方法及其设备 | |
US8463044B2 (en) | Method and device of detecting object in image and system including the device | |
CN106846362B (zh) | 一种目标检测跟踪方法和装置 | |
WO2019033572A1 (zh) | 人脸遮挡检测方法、装置及存储介质 | |
US9489566B2 (en) | Image recognition apparatus and image recognition method for identifying object | |
Benlamoudi et al. | Face spoofing detection using local binary patterns and Fisher score | |
CN111950566A (zh) | 一种旋转不变的hog红外图像电力设备识别方法 | |
CN113111880A (zh) | 证件图像校正方法、装置、电子设备及存储介质 | |
Sari et al. | Indonesian traditional food image identification using random forest classifier based on color and texture features | |
Lahiani et al. | Hand pose estimation system based on Viola-Jones algorithm for android devices | |
Tiwari et al. | A palmprint based recognition system for smartphone | |
Fritz et al. | Object recognition using local information content | |
CN117746477B (zh) | 一种户外人脸识别方法、装置、电子设备及存储介质 | |
Mccullagh | Face detection by using haar cascade classifier | |
US11087121B2 (en) | High accuracy and volume facial recognition on mobile platforms | |
Thomas et al. | Real Time Face Mask Detection and Recognition using Python | |
CN109446956B (zh) | 一种行人再识别方法及设备 | |
Xu et al. | Coin recognition method based on SIFT algorithm | |
Sehgal | Palm recognition using LBP and SVM |
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 | ||
GR01 | Patent grant |