KR20210154774A - 이미지 식별 방법, 장치, 전자 기기 및 컴퓨터 프로그램 - Google Patents

이미지 식별 방법, 장치, 전자 기기 및 컴퓨터 프로그램 Download PDF

Info

Publication number
KR20210154774A
KR20210154774A KR1020210148824A KR20210148824A KR20210154774A KR 20210154774 A KR20210154774 A KR 20210154774A KR 1020210148824 A KR1020210148824 A KR 1020210148824A KR 20210148824 A KR20210148824 A KR 20210148824A KR 20210154774 A KR20210154774 A KR 20210154774A
Authority
KR
South Korea
Prior art keywords
face
face image
image
depth information
masked
Prior art date
Application number
KR1020210148824A
Other languages
English (en)
Inventor
진 궈찡
레이 위
샹 씽치
쭈어 씨옹
쳔 옌
가오 쓰루이
위 위엔퉈
지앙 캉리
왕 야웨이
Original Assignee
아폴로 인텔리전트 커넥티비티 (베이징) 테크놀로지 씨오., 엘티디.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 아폴로 인텔리전트 커넥티비티 (베이징) 테크놀로지 씨오., 엘티디. filed Critical 아폴로 인텔리전트 커넥티비티 (베이징) 테크놀로지 씨오., 엘티디.
Publication of KR20210154774A publication Critical patent/KR20210154774A/ko

Links

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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G06K9/00228—
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G06K9/6201—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G06N3/0454—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

본 개시는 이미지 식별 방법, 장치, 전자 기기 및 컴퓨터 프로그램을 제공하며, 이미지 식별 기술 분야에 관한 것이다. 구체적인 구현 방안은: 단일 얼굴 이미지인 제1 얼굴 이미지를 획득하는 단계; 상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하는 단계; 및 상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별하는 단계;를 포함한다. 상기에서 한장의 얼굴 이미지의 얼굴 심도 정보에 근거하여 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지에 대해 식별을 진행하여 식별의 정확률을 향상시킬 수 있다.

Description

이미지 식별 방법, 장치, 전자 기기 및 컴퓨터 프로그램{Image recognition method, device, electronic equipment and computer program}
본 개시는 컴퓨터 분야 중의 이미지 식별 기술 분야에 관한 것으로, 특히 이미지 식별 방법, 장치, 전자 기기 및 컴퓨터 프로그램에 관한 것이다.
얼굴 식별 기술은 결제, 출입 관리, 등록 등 영역에서 광범위로 사용되고 있으며, 우리들의 작업과 생활에 편리를 주고 있다. 얼굴 식별의 성공률을 보장하기 위하여 사용자 얼굴에 대해 마스킹 판단을 진행하여, 얼굴에 가림물이 있는 상황에서 사용자가 가림물을 제거하도록 리마인드(remind)한다. 얼굴 마스킹 식별은 언더라이잉 라이브리에 얼굴 이미지를 입력할 때 특히 중요하며, 만약 언더라이잉 라이브리에 입력한 얼굴 이미지에 가림물이 있다면, 그뒤의 얼굴 식별의 정확률은 대폭으로 감소된다.
본 개시는 이미지 식별 방법, 장치 및 전자 기기를 제공한다.
본 개시의 제1 측면에 따르면, 이미지 식별 방법을 제공하며,
단일 얼굴 이미지인 제1 얼굴 이미지를 획득하는 단계;
상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하는 단계; 및
상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별하는 단계;를 포함한다.
본 개시의 제2 측면에 따르면, 이미지 식별 장치를 제공하며,
단일 얼굴 이미지인 제1 얼굴 이미지를 획득하는데 사용되는 제1 획득 모듈;
상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하는데 사용되는 제2 획득 모듈; 및 상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별하는데 사용되는 식별 모듈;을 포함한다.
본 개시의 제3 측면에 따르면, 전자 기기를 제공하며,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신 연결하는 메모리를 포함하고,
상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행되어, 제1 측면에 따른 임의의 한 항의 방법을 수행하도록 한다.
본 개시의 제4 측면에 따르면, 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체를 제공하며, 상기 컴퓨터 명령은 상기 컴퓨터가 제1 측면에 따른 임의의 한 항의 방법을 수행하도록 한다.
본 부분에서 설명되는 내용은 본 개시의 실시예의 핵심적이거나 중요한 특징을 식별하기 위한 것이 아니며, 본 개시의 범위를 제한하려는 의도도 아님을 이해해야 한다. 본 개시의 기타 특징은 하기의 명세서에 의해 쉽게 이해될 것이다.
도면은 본 수단을 더욱 잘 이해하도록 하기 위한 것이고, 본 개시를 한정하기 위함이 아니다. 여기서:
도 1은 본 개시 실시예에서 제공한 이미지 식별 방법의 흐름도이다.
도 2는 본 개시 실시예에서 제공한 이미지 식별 장치의 구조도이다.
도 3은 본 개시 실시예의 이미지 식별 방법을 구현하기 위한 전자 기기의 블록도이다.
아래 도면과 결부시켜 본 개시의 예시적 실시예를 설명하되, 여기에 이해를 돕기 위한 본 개시의 실시예의 다양한 세부사항들이 포함되지만, 이들은 단지 예시적인 것으로 이해해야 한다. 따라서, 본 기술분야의 통상의 기술자는 본 개시의 범위 및 정신을 벗어나지 않는 전제 하에 여기서 설명된 실시예에 대해 다양한 변형 및 수정을 진행할 수 있음을 이해해야 한다. 마찬가지로, 명확 및 간략을 위해, 아래의 설명에서 공지 기능 및 구조에 대한 설명을 생략한다.
도 1을 참조하면, 도 1은 본 개시 실시예에서 제공한 이미지 식별 방법의 흐름도이며, 도 1에서 도시된 바와 같이, 본 실시예에서 제공한 이미지 식별 방법은 아래와 같은 단계를 포함한다.
단계 101: 제1 얼굴 이미지를 획득하고, 상기 제1 얼굴 이미지는 단일 얼굴 이미지다.
제1 얼굴 이미지는 카메라를 통해 획득할 수 있다. 예컨대, 카메라를 통해 얼굴에 대해 촬영을 하여 획득하거나, 또는 카메라를 통해 사람에 대해 촬영한 후, 획득된 이미지에서 얼굴에 대해 채집를 진행하여 획득할 수 있으며, 이에 대해 한정하지 않는다. 제1 얼굴 이미지는 한장인 얼굴 이미지다. 제1 얼굴 이미지는 RGB 이미지(여기서 R는 레드, G는 그린, B는 블루를 표시함) 또는 적외선(Infrared Radiation, IR) 이미지일 수 있다.
단계 102: 상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득한다.
컴퓨터 비쥬얼 알고리즘, 또는 딥 러닝 알고리즘을 사용하여 제1 얼굴 이미지의 얼굴 심도 정보를 획득할 수 있다. 얼굴 심도 정보는 제1 얼굴 이미지의 심도 정보로 이해할 수 있거나, 또는 제1 얼굴 이미지 중의 얼굴의 심도 정보로 이해할 수 있다.
단계 103: 상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별한다.
얼굴 심도 정보에 근거하여 식별을 진행할 때, 참조 이미지의 얼굴 심도 정보와 비교할 수 있으며, 참조 이미지는 얼굴이 마스킹된 얼굴 이미지이거나, 또는 얼굴이 마스킹되지 않은 얼굴 이미지일 수 있다. 만약 참조 이미지가 얼굴이 마스킹되지 않은 얼굴 이미지라면, 제1 이미지의 얼굴 심도 정보와 참조 이미지의 얼굴 심도 정보의 매칭도가 미리 설정한 임계치보다 크다면, 제1 이미지 중의 얼굴이 마스킹되지 않았다고 판정하고; 만약 제1 이미지의 얼굴 심도 정보와 참조 이미지의 얼굴 심도 정보의 매칭도가 미리 설정한 임계치보다 크지 않다면, 제1 이미지 중의 얼굴이 마스킹되였다고 판정한다.
만약 참조 이미지가 얼굴이 마스킹된 얼굴 이미지라면, 제1 이미지의 얼굴 심도 정보와 참조 이미지의 얼굴 심도 정보의 매칭도가 미리 설정한 임계치보다 크다면, 제1 이미지 중의 얼굴이 마스킹되였다고 판정하고; 만약 제1 이미지의 얼굴 심도 정보와 참조 이미지의 얼굴 심도 정보의 매칭도가 미리 설정한 임계치보다 크지 않다면, 제1 이미지 중의 얼굴이 마스킹되지 않았다고 판정한다.
또한 컴퓨터 비쥬얼 알고리즘, 또는 딥 러닝 알고리즘을 사용하여, 제1 이미지의 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부를 식별할 수 있다. 예컨대, 이미지 중의 얼굴에 가림물이 있을 경우, 얼굴 심도 정보는 연결되지 않고, 하나의 식별 모델을 트레이닝하여 제1 이미지의 얼굴 심도 정보에 대하여 식별을 진행하여, 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부의 식별 결과를 획득한다.
본 실시예에서, 제1 얼굴 이미지를 획득하고, 상기 제1 얼굴 이미지는 단일 얼굴 이미지이고; 상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하며; 상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부를 식별한다. 상기에서, 단일 얼굴 이미지의 얼굴 심도 정보에 근거하여 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부에 대해 식별을 진행하여 식별의 정확률을 향상시키고, 잘못 식별하는 확률을 감소할 수 있으며, 단일 얼굴 이미지에 대해 식별만 진행하면 되기에 식별 과정을 간단화하여 식별 효율을 향상시킬 수 있다.
상기에서, 상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별하는 단계 후에, 상기 방법은:
상기 제1 얼굴 이미지 중의 얼굴이 마스킹되지 않았음을 식별하였을 경우, 제2 얼굴 이미지를 획득하며, 상기 제2 얼굴 이미지에 근거하여 얼굴 식별 또는 얼굴 등록을 진행하는 단계를 포함하고, 상기 제2 얼굴 이미지는 상기 제1 얼굴 이미지를 채집한 후에 채집한 얼굴 이미지를 포함한다.
제2 얼굴 이미지는 카메라를 통해 채집하여 획득할 수 있다. 예컨대, 카메라가 제1 얼굴 이미지를 채집한 후, 제1 얼굴 이미지 중의 얼굴이 마스킹되지 않았다는 것을 식별하였다면, 전자 기기(본 개시 중의 방법은 전자 기기에 적용 가능)는 카메라를 통해 제2 얼굴 이미지에 대하여 얼굴 식별 또는 얼굴 등록을 진행하고, 즉 제2 얼굴 이미지는 상기 제1 얼굴 이미지를 채집한 후에 채집한 얼굴 이미지다. 제2 얼굴 이미지는 한장의 얼굴 이미지이거나 또는 여러 장의 얼굴 이미지일 수 있으며, 구체적으로는 실제 수요에 따라 확정한다. 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되지 않았다는 것을 식별할 경우, 제2 얼굴 이미지는 제1 얼굴 이미지를 포함할 수도 있다.
제1 얼굴 이미지 중의 얼굴이 마스킹되지 않았음을 식별하였을 경우, 이때의 얼굴은 유효하다고 간주하고, 카메라를 통해 계속 얼굴 이미지, 즉 제2 얼굴 이미지를 획득하고, 제2 얼굴 이미지에 근거하여 얼굴 식별 또는 얼굴 등록을 진행하고, 상술한 식별 과정을 통해 얼굴에 가림물이 있는 얼굴 이미지를 사용하여 얼굴 식별 또는 얼굴 등록을 진행하여 얼굴 식별의 정확률에 영향을 미치는 문제를 피면할 수 있다.
본 실시예에서, 상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부를 식별한 후, 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되지 않았다는 것을 식별한 상황에서 제2 얼굴 이미지를 획득하고, 상기 제2 얼굴 이미지에 대하여 얼굴 식별 또는 얼굴 등록을 진행하며, 여기서 상기 제2 얼굴 이미지는 상기 제1 얼굴 이미지를 채집한 후에 채집된 얼굴 이미지를 포함하기에, 얼굴에 가림물이 있는 얼굴 이미지를 사용하여 얼굴 식별 또는 얼굴 등록을 진행하여 얼굴 식별의 정확률에 영향을 미치는 문제를 피면할 수 있다.
상기에서, 상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별하는 단계 후에, 상기 방법은:
상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였음을 식별하였을 경우, 사용자에게 가림물을 제거하도록 리마인드하기 위한 제시 정보를 출력하는 단계를 포함한다.
상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였음을 식별하였을 경우, 제시 정보를 출력하여, 사용자에게 가림물을 제거하도록 제시한다. 제1 전자 기기상의 카메라는 제1 프리셋 시간이 지날때마다 얼굴 이미지를 채집할 수 있으며, 이미지 중의 얼굴이 마스킹되였는지 여부에 대하여 식별을 진행하고, 이미지 중의 얼굴이 마스킹되지 않은 것을 식별하였을 경우, 제시 정보를 표시하지 않고, 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되지 않았음을 식별한 상황에서 제2 얼굴 이미지를 획득하고 상기 제2 얼굴 이미지에 근거하여 얼굴 식별 또는 얼굴 등록을 진행하는 단계를 실행한다. 제1 프리셋 시간은 1초 또는 0.5초이며 여기서 한정하지 않는다.
제시 정보는 또한 제2 프리셋 시간동안 표시된 후 표시를 취소할 수 있으며, 예컨대, 5초동안 표시하고 표시를 취소할 수 있다.
진일보로, 제1 얼굴 이미지 중의 얼굴이 마스킹되였다는 것을 식별하였을 경우, 마스킹된 위치에 대하여 판정할 수 있다. 예컨대, 마스킹된 위치가 이마, 왼쪽 얼굴, 입고리 또는 턱 등이며, 제시 정보에 마스킹된 부위를 추가하여, 사용자로 하여금 가림물이 얼굴의 어느 부위에 위치하였는지를 제시한다.
본 실시예에서, 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였음을 식별하였을 경우에, 제시 정보를 출력하며, 상기 제시 정보는 사용자에게 가림물을 제거하도록 리마인드하기 위한 것이며, 사용자에게 전자 기기에서 현재 획득한 얼굴 이미지에 가림물이 존재하여 가림물을 제거할 필요가 있다는 것을 제때에 리마인드하여, 합격된 얼굴 이미지를 획득하는 효율을 향상시킬 수 있으며, 합격된 얼굴 이미지는 즉 얼굴이 마스킹되지 않는 얼굴 이미지이다.
상기에서, 상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하는 단계는:
상기 제1 얼굴 이미지를 제1 네트워크 모델로 입력하여 상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하는 단계를 포함하고,
상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별하는 단계는:
상기 제1 얼굴 이미지와 상기 얼굴 심도 정보를 제2 네트워크 모델로 입력하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부의 식별 결과를 획득하는 단계를 포함하고, 상기 제2 네트워크 모델은 얼굴 심도 정보를 입력하고 얼굴이 마스킹되였는지 여부의 식별 결과를 출력하는 엔드 투 엔드 모델이다.
본 실시예에서, 제1 네트워크 모델을 사용하여 제1 얼굴 이미지의 얼굴 심도 정보를 획득하고, 제2 네트워크 모델을 사용하여 얼굴 심도 정보를 기반으로 얼굴이 마스킹되였는지 여부에 대하여 식별을 진행한다.
제1 네트워크 모델과 제2 네트워크 모델은 사용전에 우선 샘플을 사용하여 트레이닝을 진행한다. 그중, 상기 제1 네트워크 모델의 트레이닝 과정은:
제1 샘플 이미지와 제1 샘플 이미지에 대응되는 제1 얼굴 심도 정보를 획득하고; 상기 제1 샘플 이미지를 제1 기초 네트워크 모델로 입력하여 예측 얼굴 심도 정보를 획득하고; 상기 제1 얼굴 심도 정보와 상기 얼굴 심도 예측 정보에 근거하여 로스 함수를 확정하고; 상기 로스 함수를 기반으로 상기 제1 기초 네트워크 모델의 파라미터에 대해 조정을 진행하여 상기 제1 네트워크 모델을 획득하는 것을 포함한다.
제1 얼굴 심도 정보는 컴퓨터 비쥬얼 알고리즘을 이용하여 획득할 수 있고, 제1 기초 네트워크 모델은 심도 학습 모델일 수 있다. 제1 샘플 이미지와 제1 얼굴 심도 정보를 통해 제1 기초 네트워크 모델에 대해 트레이닝하여 제1 네트워크 모델을 획득한다.
상기 제2 네트워크 모델의 트레이닝 과정은: 제2 샘플 이미지에 대응되는 제2 얼굴 심도 정보를 획득하고, 상기 제2 샘플 이미지는 마스킹되였다고 표기된 제1 이미지와 마스킹되지 않았다고 표기된 제2 이미지를 포함하고; 상기 제2 샘플 이미지와 제2 얼굴 심도 정보를 이용하여 제2 기초 네트워크 모델에 대해 트레이닝하여, 상기 제2 네트워크 모델을 획득하는 것을 포함한다.
제2 얼굴 심도 정보는 제1 네트워크 모델을 통해 확정할 수 있다. 예컨대, 제2 샘플 이미지를 제1 네트워크 모델로 입력하여 제2 얼굴 심도 정보를 획득한다. 제2 샘플 이미지와 그에 대응되는 제2 얼굴 심도 정보를 이용하여 제2 기초 네트워크 모델에 대해 트레이닝하여 제2 네트워크 모델을 획득하고, 제2 네트워크 모델에서 이미지에 가림물이 있는지 여부의 식별 결과를 출력한다. 제2 기초 네트워크 모델은 뉴럴 네트워크 모델일 수 있다.
상기에서, 제1 샘플 이미지와 제2 샘플 이미지는 모두 얼굴 이미지다. 제1 얼굴 심도 정보와 제2 얼굴 심도 정보는 모두 심도 이미지일 수 있다.
제1 네트워크 모델과 제2 네트워크 모델의 트레이닝이 완성된 후, 제1 얼굴 이미지를 제1 네트워크 모델로 입력하여 제1 얼굴 이미지의 얼굴 심도 정보를 획득하며, 예컨대 얼굴 이미지의 심도 이미지를 획득한다. 그리고 제1 얼굴 이미지와 얼굴 심도 정보를 제2 네트워크 모델로 입력하여 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부의 식별 결과를 획득한다.
본 실시예에서, 제1 네트워크 모델을 통해 제1 얼굴 이미지의 얼굴 심도 정보를 획득하고, 제2 네트워크 모델을 통해 얼굴 심도 정보를 기반으로 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부를 식별하여, 한장의 얼굴 이미지를 기반으로 얼굴 이미지 중의 얼굴이 가림물이 존재하는지 여부를 판정하는 목적을 실현할 수 있으며, 식별 과정을 간단화하여 식별 효율을 향상시킨다.
도 2를 참조하면, 도 2는 본 개시 실시예에서 제공한 이미지 식별 장치의 구조도이며, 도 2에서 도시된 바와 같이, 본 실시예에서 제공한 이미지 식별 장치(200)는:
단일 얼굴 이미지인 제1 얼굴 이미지를 획득하는데 사용되는 제1 획득 모듈(201);
상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하는데 사용되는 제2 획득 모듈(202); 및
상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별하는데 사용되는 식별 모듈(203);을 포함한다.
진일보로, 이미지 식별 장치(200)는:
상기 제1 얼굴 이미지 중의 얼굴이 마스킹되지 않았음을 식별하였을 경우, 제2 얼굴 이미지를 획득하며, 상기 제2 얼굴 이미지에 근거하여 얼굴 식별 또는 얼굴 등록을 진행하는데 사용되는 제3 획득 모듈을 더 포함하고, 상기 제2 얼굴 이미지는 상기 제1 얼굴 이미지를 채집한 후에 채집한 얼굴 이미지를 포함한다.
진일보로, 이미지 식별 장치(200)는:
상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였음을 식별하였을 경우, 사용자에게 가림물을 제거하도록 리마인드하기 위한 제시 정보를 출력하는데 사용되는 제시 모듈을 더 포함한다.
진일보로, 상기 제2 획득 모듈(202)은:
상기 제1 얼굴 이미지를 제1 네트워크 모델로 입력하여 상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하는데 더 사용되고,
상기 식별 모듈은:
상기 제1 얼굴 이미지와 상기 얼굴 심도 정보를 제2 네트워크 모델로 입력하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부의 식별 결과를 획득하는데 더 사용된다.
본 개시 실시예의 이미지 실별 장치(200)는, 제1 얼굴 이미지를 획득하고, 상기 제1 얼굴 이미지는 한장의 얼굴 이미지이고; 상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하고; 상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부를 식별한다. 상기에서, 한장의 얼굴 이미지의 얼굴 심도 정보에 근거하여 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부에 대해 식별을 진행하기에, 식별의 정확률을 향상하고, 잘못 식별되는 확률을 감소한다.
본 개시의 실시예에 따르면, 본 개시에서는 전자 기기와 판독 가능한 저장 매체를 더 제공한다.
도 3에 도시된 바와 같이, 이는 본 개시의 실시예에 따른 이미지 식별 방법의 전자 기기의 블록도이다. 전자 기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 운영 플랫폼, 개인 정보 단말기, 서버, 블레이드 서버, 대형 컴퓨터, 및 다른 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 의미한다. 전자 기기는 개인 디지털 처리, 셀룰러폰, 스마트폰, 웨어러블 기기 및 다른 유사한 컴퓨팅 장치와 같은 다양한 형태의 이동 장치를 의미할 수도 있다. 본문에서 나타낸 부재, 이들의 연결과 관계, 및 이들의 기능은 단지 예시적인 것으로, 본문에서 설명 및/또는 요구된 본 개시의 구현을 한정하지 않는다.
도 3에 도시된 바와 같이, 상기 전자 기기는 하나 또는 복수의 프로세서(501), 메모리(502), 및 고속 인터페이스 및 저속 인터페이스를 포함하는, 각 부재를 연결하기 위한 인터페이스를 포함한다. 각 부재는 상이한 버스를 이용하여 서로 연결되고, 공통 메인보드에 장착될 수 있거나 필요에 따라 다른 방식으로 장착될 수 있다. 프로세서는, 메모리에 저장되거나 메모리에서 외부 입력/출력 장치(예를 들어, 인터페이스에 커플링된 표시 기기)에 GUI의 그래픽 정보를 표시하는 명령을 포함하는, 전자 기기 내에서 실행되는 명령을 처리할 수 있다. 다른 실시 형태에서, 필요에 따라 복수의 프로세서 및/또는 복수의 버스를 복수의 메모리와 함께 사용할 수 있다. 마찬가지로, 복수의 전자 기기를 연결할 수 있고, 각 기기는 일부 필요한 동작(예를 들어, 서버 어레이, 한 그룹의 블레이드 서버, 또는 다중 프로세서 시스템)을 제공한다. 도 3에서 하나의 프로세서(501)를 예로 든다.
메모리(502)는 본 개시에서 제공되는 비일시적 컴퓨터 판독 가능한 저장 매체이다. 여기서, 상기 메모리에는 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되어, 상기 적어도 하나의 프로세서가 본 개시에서 제공되는 이미지 식별 방법을 수행되도록 한다. 본 개시의 비일시적 컴퓨터 판독 가능한 저장 매체에는 상기 컴퓨터가 본 개시에서 제공되는 이미지 식별 방법을 수행하도록 하는 컴퓨터 명령이 저장된다.
메모리(502)는 비일시적 컴퓨터 판독 가능한 저장 매체로서, 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 실행 가능한 프로그램 및 본 개시의 실시예의 이미지 식별 방법에 대응되는 프로그램 명령/모듈(예를 들어, 도 2에 도시된 제1 획득 모듈(201), 제2 획득 모듈(202), 식별 모듈(203))과 같은 모듈을 저장할 수 있다. 프로세서(501)는 메모리(502)에 저장된 비일시적 소프트웨어 프로그램, 명령 및 모듈을 실행함으로써, 서버의 다양한 기능 애플리케이션 및 데이터 처리를 수행하는데, 즉 상기 방법 실시예의 이미지 식별 방법을 구현한다.
메모리(502)는 프로그램 저장 영역 및 데이터 저장 영역을 포함할 수 있고, 여기서, 프로그램 저장 영역은 운영 체제, 적어도 하나의 기능에 필요한 응용 프로그램을 저장할 수 있으며; 데이터 저장 영역은 이미지 식별 방법의 전자 기기의 사용에 따라 구축된 데이터 등을 저장할 수 있다. 이 밖에, 메모리(502)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 적어도 하나의 자기 디스크 메모리, 플래시 메모리, 또는 다른 비일시적 고체 상태 메모리와 같은 비일시적 메모리를 더 포함할 수 있다. 일부 실시예에서, 메모리(502)는 프로세서(501)에 대해 원격으로 설치된 메모리를 선택적으로 포함할 수 있고, 이러한 원격 메모리는 네트워크를 통해 이미지 식별 방법의 전자 기기에 연결될 수 있다. 상기 네트워크의 구현예로 인터넷, 인트라넷, 근거리 통신망, 이동 통신망 및 이들의 조합을 포함하지만 이에 한정되지 않는다.
이미지 식별 방법의 전자 기기는 입력 장치(503) 및 출력 장치(504)를 더 포함할 수 있다. 프로세서(501), 메모리(502), 입력 장치(503) 및 출력 장치(504)는 버스 또는 다른 방식을 통해 연결될 수 있고, 도 3에서 버스를 통해 연결되는 것을 예로 든다.
입력 장치(503)는 입력된 디지털 또는 문자 정보를 수신할 수 있고, 이미지 식별 방법을 구현하는 전자 기기의 사용자 설정 및 기능 제어와 관련된 키 신호 입력을 발생할 수 있으며, 상기 입력 장치는 예를 들어 터치스크린, 키패드, 마우스, 트랙 패널, 터치 패널, 지시 바, 하나 또는 복수의 마우스 버튼, 트랙 볼, 조이스틱 등 입력 장치이다. 출력 장치(504)는 표시 기기, 보조 조명 장치(예를 들어, LED) 및 촉각 피드백 장치(예를 들어, 진동 모터) 등을 포함할 수 있다. 상기 표시 기기는 액정 표시 장치(LCD), 발광 다이오드(LED) 표시 장치 및 플라즈마 표시 장치를 포함할 수 있지만 이에 한정되지 않는다. 일부 실시 형태에서, 표시 기기는 터치 스크린일 수 있다.
여기서 설명된 시스템 및 기술의 다양한 실시 형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC(전용 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시 형태는 하나 또는 복수의 컴퓨터 프로그램에서의 구현을 포함할 수 있고, 상기 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 실행 및/또는 해석될 수 있으며, 상기 프로그램 가능 프로세서는 전용 또는 범용 프로그램 가능 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력 장치, 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신할 수 있으며, 데이터 및 명령을 상기 저장 시스템, 상기 적어도 하나의 입력 장치, 및 상기 적어도 하나의 출력 장치에 전송할 수 있다.
이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 또는 코드라고도 함)은 프로그램 가능 프로세서의 기계 명령을 포함하고, 하이레벨 프로세스 및/또는 객체에 대한 프로그래밍 언어, 및/또는 어셈블리/기계 언어를 이용하여 이러한 컴퓨팅 프로그램을 실행할 수 있다. 본문에서 사용된 바와 같이, 용어 “기계 판독 가능한 매체” 및 “컴퓨터 판독 가능한 매체”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기, 및/또는 장치(예를 들어, 자기 디스크, 광 디스크, 메모리, 프로그램 가능 로직 장치(PLD))를 의미하고, 기계 판독 가능한 신호인 기계 명령을 수신하는 기계 판독 가능한 매체를 포함한다. 용어 “기계 판독 가능한 신호”는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.
사용자와의 인터랙션을 제공하기 위하여, 컴퓨터에서 여기서 설명된 시스템 및 기술을 실시할 수 있고, 상기 컴퓨터는 사용자에게 정보를 표시하기 위한 표시 장치(예를 들어, CRT(음극선관) 또는 LCD(액정 표시 장치) 모니터); 및 키보드 및 지향 장치(예를 들어, 마우스 또는 트랙 볼)를 구비하며, 사용자는 상기 키보드 및 상기 지향 장치를 통해 컴퓨터에 입력을 제공할 수 있다. 다른 타입의 장치는 또한 사용자와의 인터랙션을 제공할 수도 있는데, 예를 들어, 사용자에게 제공된 피드백은 임의의 형태의 감지 피드백(예를 들어, 시각 피드백, 청각 피드백, 또는 촉각 피드백)일 수 있고; 임의의 형태(소리 입력, 음성 입력, 또는 촉각 입력)로 사용자로부터의 입력을 수신할 수 있다.
여기서 설명된 시스템 및 기술을 백그라운드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버), 또는 미들웨어 부재를 포함하는 컴퓨팅 시스템(예를 들어, 응용 서버), 또는 프론트 엔드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 사용자 인터페이스 또는 웹 브라우저를 구비하는 사용자 컴퓨터이고, 사용자는 상기 그래픽 사용자 인터페이스 또는 웹 브라우저를 통해 여기서 설명된 시스템 및 기술의 실시 형태와 인터랙션할 수 있음), 또는 이러한 백그라운드 부재, 미들웨어 부재, 또는 프론트 엔드 부재의 임의의 조합을 포함하는 컴퓨팅 시스템에서 실시할 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)을 통해 시스템의 부재를 서로 연결시킬 수 있다. 통신 네트워크의 예시로 근거리 통신망(LAN), 광역 통신망(WAN), 인터넷을 포함한다.
컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있고 일반적으로 통신 네트워크를 통해 서로 인터랙션한다. 대응되는 컴퓨터에서 실행되고 또한 서로 클라이언트-서버 관계를 가지는 컴퓨터 프로그램을 통해 클라이언트 및 서버의 관계를 생성한다.
본 개시에서, 제1 얼굴 이미지를 획득하고, 상기 제1 얼굴 이미지는 한장의 얼굴 이미지이고; 상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하고; 상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부를 식별한다. 상기에서, 한장의 얼굴 이미지의 얼굴 심도 정보에 근거하여 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부에 대해 식별을 진행하기에, 식별의 정확률을 향상하고, 잘못 식별되는 확률을 감소한다.
상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부를 식별한 후, 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되지 않았다는 것을 식별한 상황에서 제2 얼굴 이미지를 획득하고, 상기 제2 얼굴 이미지에 대하여 얼굴 식별 또는 얼굴 등록을 진행하며, 여기서 상기 제2 얼굴 이미지는 상기 제1 얼굴 이미지를 채집한 후에 채집된 얼굴 이미지를 포함하기에, 얼굴에 가림물이 있는 얼굴 이미지를 사용하여 얼굴 식별 또는 얼굴 등록을 진행하여 얼굴 식별의 정확률에 영향을 미치는 문제를 피면할 수 있다.
상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였음을 식별하였을 경우에, 제시 정보를 출력하며, 상기 제시 정보는 사용자에게 가림물을 제거하도록 리마인드하기 위한 것이며, 사용자에게 전자 기기에서 현재 획득한 얼굴 이미지에 가림물이 존재하여 가림물을 제거할 필요가 있다는 것을 제때에 리마인드하여, 합격된 얼굴 이미지를 획득하는 효율을 향상시킬 수 있으며, 합격된 얼굴 이미지는 즉 얼굴이 마스킹되지 않는 얼굴 이미지이다.
제1 네트워크 모델을 통해 제1 얼굴 이미지의 얼굴 심도 정보를 획득하고, 제2 네트워크 모델을 통해 얼굴 심도 정보를 기반으로 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부를 식별하여, 한장의 얼굴 이미지를 기반으로 얼굴 이미지 중의 얼굴이 마스킹되였는지를 판정하는 목적을 실현할 수 있으며, 식별 과정을 간단화하여 식별 효율을 향상시킨다.
위에서 설명한 다양한 형태의 프로세스를 사용하여 단계를 재배열, 추가 또는 삭제 단계를 사용할 수 있음을 이해해야 한다. 예를 들어, 본 개시에 기재된 각 단계는 동시에 수행될 수 있거나 순차적으로 수행될 수 있거나 상이한 순서로 수행될 수 있고, 본 개시에서 공개된 기술적 해결수단이 이루고자 하는 결과를 구현할 수만 있으면, 본문은 여기서 한정하지 않는다.
상기 구체적인 실시 형태는 본 개시의 보호 범위를 한정하지 않는다. 본 기술분야의 통상의 기술자는 설계 요구 및 다른 요소에 따라 다양한 수정, 조합, 서브 조합 및 대체를 진행할 수 있음을 이해해야 한다. 본 개시의 정신 및 원칙 내에서 진행한 임의의 수정, 등가적 대체 및 개선 등은 모두 본 개시의 보호 범위 내에 속해야 한다.

Claims (11)

  1. 이미지 식별 방법에 있어서,
    단일 얼굴 이미지인 제1 얼굴 이미지를 획득하는 단계;
    상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하는 단계; 및
    상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별하는 단계;를 포함하는 방법.
  2. 제1항에 있어서,
    상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별하는 단계 후에, 상기 방법은:
    상기 제1 얼굴 이미지 중의 얼굴이 마스킹되지 않았음을 식별하였을 경우, 제2 얼굴 이미지를 획득하며, 상기 제2 얼굴 이미지에 근거하여 얼굴 식별 또는 얼굴 등록을 진행하는 단계를 포함하고, 상기 제2 얼굴 이미지는 상기 제1 얼굴 이미지를 채집한 후에 채집한 얼굴 이미지를 포함하는 방법.
  3. 제1항에 있어서,
    상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별하는 단계 후에, 상기 방법은:
    상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였음을 식별하였을 경우, 사용자에게 가림물을 제거하도록 리마인드하기 위한 제시 정보를 출력하는 단계를 포함하는 방법.
  4. 제1항에 있어서,
    상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하는 단계는:
    상기 제1 얼굴 이미지를 제1 네트워크 모델로 입력하여 상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하는 단계를 포함하고,
    상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별하는 단계는:
    상기 제1 얼굴 이미지와 상기 얼굴 심도 정보를 제2 네트워크 모델로 입력하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부의 식별 결과를 획득하는 단계를 포함하는 방법.
  5. 이미지 식별 장치에 있어서,
    단일 얼굴 이미지인 제1 얼굴 이미지를 획득하는데 사용되는 제1 획득 모듈;
    상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하는데 사용되는 제2 획득 모듈; 및
    상기 얼굴 심도 정보에 근거하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹 되였는지 여부를 식별하는데 사용되는 식별 모듈;을 포함하는 장치.
  6. 제5항에 있어서,
    상기 장치는:
    상기 제1 얼굴 이미지 중의 얼굴이 마스킹되지 않았음을 식별하였을 경우, 제2 얼굴 이미지를 획득하며, 상기 제2 얼굴 이미지에 근거하여 얼굴 식별 또는 얼굴 등록을 진행하는데 사용되는 제3 획득 모듈을 더 포함하고, 상기 제2 얼굴 이미지는 상기 제1 얼굴 이미지를 채집한 후에 채집한 얼굴 이미지를 포함하는 장치.
  7. 제5항 또는 제6항에 있어서,
    상기 장치는:
    상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였음을 식별하였을 경우, 사용자에게 가림물을 제거하도록 리마인드하기 위한 제시 정보를 출력하는데 사용되는 제시 모듈을 더 포함하는 장치.
  8. 제5항 또는 제6항에 있어서,
    상기 제2 획득 모듈은:
    상기 제1 얼굴 이미지를 제1 네트워크 모델로 입력하여 상기 제1 얼굴 이미지의 얼굴 심도 정보를 획득하는데 사용되고,
    상기 식별 모듈은:
    상기 제1 얼굴 이미지와 상기 얼굴 심도 정보를 제2 네트워크 모델로 입력하여 상기 제1 얼굴 이미지 중의 얼굴이 마스킹되였는지 여부의 식별 결과를 획득하는데 사용되는 장치.
  9. 전자 기기에 있어서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 통신 연결하는 메모리를 포함하고,
    상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 제1항 내지 제4항 중 어느 한 항에 따른 방법을 수행할 수 있도록 하는 전자 기기.
  10. 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체에 있어서,
    상기 컴퓨터 명령은 상기 컴퓨터가 제1항 내지 제4항 중 어느 한 항에 따른 방법을 수행하도록 하는 것을 특징으로 하는 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체.
  11. 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 컴퓨터 프로그램은 프로세서에 의해 실행될 경우, 청구항 제1항 내지 제4항 중 어느 한 항에 따른 방법을 구현하는 것을 특징으로 하는 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램.
KR1020210148824A 2020-11-17 2021-11-02 이미지 식별 방법, 장치, 전자 기기 및 컴퓨터 프로그램 KR20210154774A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011285559.5 2020-11-17
CN202011285559.5A CN112270303A (zh) 2020-11-17 2020-11-17 图像识别方法、装置以及电子设备

Publications (1)

Publication Number Publication Date
KR20210154774A true KR20210154774A (ko) 2021-12-21

Family

ID=74340125

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020210082775A KR20210089115A (ko) 2020-11-17 2021-06-25 이미지 식별 방법, 장치, 전자 기기 및 컴퓨터 프로그램
KR1020210148824A KR20210154774A (ko) 2020-11-17 2021-11-02 이미지 식별 방법, 장치, 전자 기기 및 컴퓨터 프로그램

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020210082775A KR20210089115A (ko) 2020-11-17 2021-06-25 이미지 식별 방법, 장치, 전자 기기 및 컴퓨터 프로그램

Country Status (5)

Country Link
US (1) US20220067350A1 (ko)
EP (1) EP3929810A3 (ko)
JP (1) JP7242812B2 (ko)
KR (2) KR20210089115A (ko)
CN (1) CN112270303A (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111797746A (zh) * 2020-06-28 2020-10-20 北京小米松果电子有限公司 人脸识别方法、装置及计算机可读存储介质
CN114093012B (zh) * 2022-01-18 2022-06-10 荣耀终端有限公司 人脸遮挡的检测方法和检测装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2979728B1 (fr) 2011-09-01 2016-05-13 Morpho Detection de fraude pour systeme de controle d'acces de type biometrique
JP6993124B2 (ja) 2016-12-28 2022-01-13 グローリー株式会社 顔照合装置及び顔照合方法
CN109639896A (zh) * 2018-12-19 2019-04-16 Oppo广东移动通信有限公司 遮挡物检测方法、装置、存储介质及移动终端
CN109635770A (zh) * 2018-12-20 2019-04-16 上海瑾盛通信科技有限公司 活体检测方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
JP7242812B2 (ja) 2023-03-20
EP3929810A3 (en) 2022-05-18
US20220067350A1 (en) 2022-03-03
JP2022024070A (ja) 2022-02-08
CN112270303A (zh) 2021-01-26
KR20210089115A (ko) 2021-07-15
EP3929810A2 (en) 2021-12-29

Similar Documents

Publication Publication Date Title
US11455830B2 (en) Face recognition method and apparatus, electronic device, and storage medium
CN111259751B (zh) 基于视频的人体行为识别方法、装置、设备及存储介质
KR102597377B1 (ko) 이미지 인식방법, 장치, 기기, 컴퓨터 저장매체 및 컴퓨터 프로그램
US20210201161A1 (en) Method, apparatus, electronic device and readable storage medium for constructing key-point learning model
JP6986187B2 (ja) 人物識別方法、装置、電子デバイス、記憶媒体、及びプログラム
CN110659600B (zh) 物体检测方法、装置及设备
KR20210154774A (ko) 이미지 식별 방법, 장치, 전자 기기 및 컴퓨터 프로그램
CN111860362A (zh) 生成人脸图像校正模型及校正人脸图像的方法和装置
US11403799B2 (en) Method and apparatus for recognizing face-swap, device and computer readable storage medium
WO2021258588A1 (zh) 一种人脸图像识别方法、装置、设备及存储介质
US11734392B2 (en) Active interaction method, electronic device and readable storage medium
US11610389B2 (en) Method and apparatus for positioning key point, device, and storage medium
US11823494B2 (en) Human behavior recognition method, device, and storage medium
US11610388B2 (en) Method and apparatus for detecting wearing of safety helmet, device and storage medium
JP2023541752A (ja) ニューラルネットワークモデルのトレーニング方法、画像検索方法、機器及び媒体
US11557062B2 (en) Method and apparatus for processing video frame
EP4080470A2 (en) Method and apparatus for detecting living face
US20220044076A1 (en) Method and apparatus for updating user image recognition model
CN112949467B (zh) 人脸检测方法、装置、电子设备和存储介质
US11580781B2 (en) Method and apparatus for waking up device, electronic device, and storage medium
CN111862030B (zh) 一种人脸合成图检测方法、装置、电子设备及存储介质
CN111507944B (zh) 皮肤光滑度的确定方法、装置和电子设备
CN111783605B (zh) 一种人脸图像识别方法、装置、设备及存储介质
CN112988011B (zh) 取词翻译方法和装置
US11488384B2 (en) Method and device for recognizing product

Legal Events

Date Code Title Description
E902 Notification of reason for refusal