人臉識別方法及終端設備
本說明書實施例關於人臉識別技術領域,尤其關於一種人臉識別方法及終端設備。
隨著各種支付技術的迅速發展,為了極大簡化支付過程,人臉支付應運而生。人臉支付是一種新出現的電子支付方式,該支付方式由兩部分組成:人臉識別登錄用戶錢包帳號及從錢包中扣款完成支付過程。其中,人臉識別登錄用戶錢包帳號的過程是掃描和/或拍攝用戶的臉部圖片,將該臉部圖片與用戶的錢包帳號中的留底圖片進行比對,來完成用戶身份的識別和核驗,從而完成從錢包中扣款完成支付的過程。但是,目前的人臉支付方式,在掃描和/或拍攝用戶的臉部圖片的過程中,會存在諸多影響用戶的臉部圖片的因素,從而影響用戶的身份認證及支付成功率。
本說明書實施例提供一種人臉識別方法及終端設備,用於識別影響人臉圖像的因素,確保了採用人臉圖像進行用戶身份認證及人臉支付的成功率。
本說明書實施例採用下述技術方案:
第一態樣,提供了一種人臉識別方法,包括:
獲取待識別的人臉圖像;
對所述人臉圖像執行指定檢測操作,所述指定檢測操作包括眼鏡檢測、遮擋檢測及臉部品質評估檢測中的至少一種;
當所述指定檢測操作的檢測結果異常時,執行與所述檢測結果匹配的提醒操作。
第二態樣,提供了一種終端設備,包括:
獲取模組,用於獲取待識別的人臉圖像;
第一執行模組,用於對所述人臉圖像執行指定檢測操作,所述指定檢測操作包括眼鏡檢測、遮擋檢測及臉部品質評估檢測中的至少一種;
第二執行模組,用於當所述指定檢測操作的檢測結果異常時,執行與所述檢測結果匹配的提醒操作。
第三態樣,提供了一種終端設備,包括:記憶體、處理器及儲存在所述記憶體上並可在所述處理器上運行的電腦程式,所述電腦程式被所述處理器執行時實現如下步驟:
獲取待識別的人臉圖像;
對所述人臉圖像執行指定檢測操作,所述指定檢測操作包括眼鏡檢測、遮擋檢測及臉部品質評估檢測中的至少一種;
當所述指定檢測操作的檢測結果異常時,執行與所述檢測結果匹配的提醒操作。
第四態樣,提供了一種電腦可讀儲存媒體,所述電腦可讀儲存媒體上儲存有電腦程式,所述電腦程式被處理器執行時實現如下步驟:
獲取待識別的人臉圖像;
對所述人臉圖像執行指定檢測操作,所述指定檢測操作包括眼鏡檢測、遮擋檢測及臉部品質評估檢測中的至少一種;
當所述指定檢測操作的檢測結果異常時,執行與所述檢測結果匹配的提醒操作。
本發明實施例採用的上述至少一個技術方案能夠達到以下有益效果:
本發明實施例通過對人臉圖像執行指定檢測操作,該指定檢測操作包括眼鏡檢測、遮擋檢測及臉部品質評估檢測中的至少一種。當該指定檢測操作的檢測結果異常時,即可識別到影響人臉圖像的因素,從而執行與檢測結果匹配的提醒操作,使得用戶根據提醒進行調整以排除影響人臉圖像的因素,確保了後續採用人臉圖像進行用戶身份認證及人臉支付的成功率。
另外,當指定檢測操作的檢測結果異常時,執行與檢測結果匹配的提醒操作,能夠精準引導用戶減少乃至去除影響人臉圖像的影響因素,從而保證後續用戶能順利完成整個人臉支付流程,提升全鏈路通過率。同時也是幫助用戶學習使用人臉支付的一個過程,使用戶在感受到人臉支付的智慧性後,也會因為其獨特的用戶體驗,有利於人臉支付的普及。
為使本發明的目的、技術方案和優點更加清楚,下面將結合本發明具體實施例及相應的附圖對本發明技術方案進行清楚、完整地描述。顯然,所描述的實施例僅是本發明一部分實施例,而不是全部的實施例。基於本發明中的實施例,本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例,都屬於本發明保護的範圍。
本發明實施例提供一種人臉識別方法及終端設備,用於識別影響人臉圖像的因素,確保了採用人臉圖像進行用戶身份認證及人臉支付的成功率。本發明實施例提供一種人臉識別方法,該方法的執行主體,可以但不限於終端設備或能夠被配置為執行本發明實施例提供的該方法的裝置或系統。
為便於描述,下文以該方法的執行主體為能夠執行該方法的終端設備為例,對該方法的實施方式進行介紹。可以理解,該方法的執行主體為終端設備只是一種示例性的說明,並不應理解為對該方法的限定。
圖1為本發明實施例提供的人臉識別方法的流程圖,圖1的方法可以由終端設備執行,如圖1所示,該方法可以包括:
步驟110、獲取待識別的人臉圖像。
該獲取待識別的人臉圖像的實現方式可以是通過掃描的方式獲取待識別的人臉圖像,或者,通過拍攝的方式獲取待識別的人臉圖像。本發明實施例不做具體限定。
步驟120、對所述人臉圖像執行指定檢測操作。
其中,所述指定檢測操作包括眼鏡檢測、遮擋檢測及臉部品質評估檢測中的至少一種。
該眼鏡檢測可以理解為眼鏡反光檢測和/或大框眼鏡檢測。
當然,眼鏡檢測還可以為對現有技術中任一種能夠影響圖像採集的眼鏡的檢測,本發明實施例不作具體限定。
該遮擋檢測可以理解為對臉部遮擋的檢測。
該臉部品質評估檢測可以理解為對臉部的模糊度、光線強度等檢測。
步驟130、當所述指定檢測操作的檢測結果異常時,執行與所述檢測結果匹配的提醒操作。
該檢測結果需要根據指定檢測操作來確定。
例如,若指定檢測操作為眼鏡檢測,則檢測結果可以為反光檢測結果;若指定檢測操作為遮擋檢測,則檢測結果可以為遮擋檢測結果;若指定檢測操作為臉部品質評估檢測,則檢測結果可以為臉部品質評估檢測結果。
該指定檢測操作的檢測結果異常,可理解為若檢測結果為數值,該數值大於閾值,則確定檢測結果異常;反之,則確定檢測結果正常。
示例性的,沿用上述示例,若檢測結果為反光檢測結果,該反光檢測結果為反光機率,且該反光機率大於閾值,則確定反光檢測結果異常;若檢測結果為遮擋檢測結果,該遮擋檢測結果為遮擋機率,且該遮擋機率大於閾值,則確定遮擋檢測結果異常;若檢測結果為臉部品質評估檢測結果,該臉部品質評估檢測結果為品質問題機率,且該品質問題機率大於閾值,則確定臉部品質評估檢測結果異常。其中,該閾值可以根據實際應用場景的實際情況確定,本發明實施例在此不做限定。
該提醒操作需要根據檢測結果來確定。
沿用上述示例,若檢測結果為反光檢測結果,則提醒操作可以為提醒用戶摘掉眼鏡的操作;若檢測結果為遮擋檢測結果,則提醒操作可以為提醒用戶去掉遮擋的操作;若檢測結果為臉部品質評估檢測結果,則提醒操作可以為提醒用戶調整圖像採集角度的操作。
示例性的,若臉部品質評估檢測結果為失焦模糊,則提醒用戶拍照時做好聚焦;若臉部品質評估檢測結果為運動模糊,則提醒用戶拍照時不要晃動;若臉部品質評估檢測結果為光線不足,則提醒用戶開啟照明燈或選擇光線好的位置進行拍照。
本發明實施例通過對人臉圖像執行指定檢測操作,該指定檢測操作包括眼鏡檢測、遮擋檢測及臉部品質評估檢測中的至少一種。當該指定檢測操作的檢測結果異常時,即可識別到影響人臉圖像的因素,從而執行與檢測結果匹配的提醒操作,使得用戶根據提醒進行調整以排除影響人臉圖像的因素,確保了後續採用人臉圖像進行用戶身份認證及人臉支付的成功率。
另外,當指定檢測操作的檢測結果異常時,執行與檢測結果匹配的提醒操作,能夠精準引導用戶減少乃至去除影響人臉圖像的影響因素,從而保證後續用戶能順利完成整個人臉支付流程,提升全鏈路通過率。同時也是幫助用戶學習使用人臉支付的一個過程,使用戶在感受到人臉支付的智慧性後,也會因為其獨特的用戶體驗,有利於人臉支付的普及。
可選的,作為一個實施例,若所述指定檢測操作為眼鏡檢測,則步驟120具體可實現為:
將所述人臉圖像作為反光檢測模型的輸入,以得到輸出的反光檢測結果;
其中,所述反光檢測模型是基於預定數量的具有反光的人臉圖像樣本和/或無反光的人臉圖像樣本訓練得到的。
其中,所述具有反光的人臉圖像樣本可以包括眼鏡反光的人臉圖像樣本和具有黑邊框眼鏡的人臉圖像樣本中的至少一種;所述無反光的人臉圖像樣本可以包括配戴普通眼鏡的人臉圖像樣本和無眼鏡的人臉圖像樣本中的至少一種。
假設,具有反光的人臉圖像樣本包括眼鏡反光的人臉圖像樣本和具有黑邊框眼鏡的人臉圖像樣本,無反光的人臉圖像樣本包括配戴普通眼鏡的人臉圖像樣本和無眼鏡的人臉圖像樣本。
本步驟中,該反光檢測模型獲得可以為:首先,訓練資料中大概包括4類人臉圖像樣本,分別為眼鏡反光的人臉圖像樣本、具有黑邊框眼鏡的人臉圖像樣本、配戴普通眼鏡的人臉圖像樣本和無眼鏡的人臉圖像樣本,在同一類別下分別選取一千張圖像;然後,通過4個類別的各一千張人臉圖像樣本訓練得到反光檢測模型。其中,如何通過4個類別的各一千張人臉圖像樣本訓練得到反光檢測模型,屬於現有技術,本發明實施例不再贅述。
本發明實施例,通過預定數量的具有反光的人臉圖像樣本和/或無反光的人臉圖像樣本訓練得到反光檢測模型,再將人臉圖像作為反光檢測模型的輸入,以得到輸出的反光檢測結果,根據反光檢測結果確定該人臉圖像的是否存在反光因素,有效避免了採集的人臉圖像受反光因素的影響,進而確保了後續採用該人臉圖像進行用戶身份認證及人臉支付的成功率。
可選的,作為一個實施例,所述指定檢測操作為遮擋檢測,則步驟120具體可實現為:
將所述人臉圖像作為遮擋檢測模型的輸入,以得到輸出的遮擋檢測結果;
其中,所述遮擋檢測模型是基於預定數量的具有遮擋的人臉圖像樣本和/或無遮擋的人臉圖像樣本訓練得到的。
其中,所述具有遮擋的人臉圖像樣本可以包括手遮擋人臉的人臉圖像樣本、瀏海擋人臉的人臉圖像樣本、帽子擋人臉的人臉圖像樣本和口罩擋人臉的人臉圖像樣本中的至少一種。
假設,具有遮擋的人臉圖像樣本包括手遮擋人臉的人臉圖像樣本、瀏海擋人臉的人臉圖像樣本、帽子擋人臉的人臉圖像樣本和口罩擋人臉的人臉圖像樣本。
本步驟中,該遮擋檢測模型獲得可以為:首先,訓練資料中大概包括5類人臉圖像樣本,分別為手遮擋人臉的人臉圖像樣本、瀏海擋人臉的人臉圖像樣本、帽子擋人臉的人臉圖像樣本、口罩擋人臉的人臉圖像樣本和無遮擋的人臉圖像樣本,在同一類別下分別選取一千張圖像;然後,通過5個類別的各一千張人臉圖像樣本訓練得到遮擋檢測模型。其中,如何通過5個類別的各一千張人臉圖像樣本訓練得到遮擋檢測模型,屬於現有技術,本發明實施例不再贅述。
本發明實施例,通過預定數量的具有遮擋的人臉圖像樣本和/或無遮擋的人臉圖像樣本訓練得到遮擋檢測模型,再將人臉圖像作為遮擋檢測模型的輸入,以得到輸出的遮擋檢測結果,根據遮擋檢測結果確定該人臉圖像的是否存在遮擋因素,有效避免了採集的人臉圖像受遮擋因素的影響,進而確保了後續採用該人臉圖像進行用戶身份認證及人臉支付的成功率。
可選的,作為一個實施例,若所述指定檢測操作為臉部品質評估檢測,則步驟120具體可實現為:
將所述人臉圖像作為臉部品質評估檢測模型的輸入,以得到輸出的臉部品質評估檢測結果;
其中,所述臉部品質評估檢測模型是基於預定數量的模糊的人臉圖像樣本和/或清晰的人臉圖像樣本訓練得到的。
其中,所述模糊的人臉圖像樣本可以包括失焦模糊的人臉圖像樣本、運動模糊的人臉圖像樣本和光線不足的人臉圖像樣本中的至少一種。
假設,模糊的人臉圖像樣本包括失焦模糊的人臉圖像樣本、運動模糊的人臉圖像樣本和光線不足的人臉圖像樣本。
本步驟中,該臉部品質評估檢測模型獲得可以為:首先,訓練資料中大概包括4類人臉圖像樣本,分別為失焦模糊的人臉圖像樣本、運動模糊的人臉圖像樣本、光線不足的人臉圖像樣本和清晰的人臉圖像樣本,在同一類別下分別選取一千張圖像;然後,通過4個類別的各一千張人臉圖像樣本訓練得到臉部品質評估檢測模型。其中,如何通過4個類別的各一千張人臉圖像樣本訓練得到臉部品質評估檢測模型,屬於現有技術,本發明實施例不再贅述。
本發明實施例,通過預定數量的模糊的人臉圖像樣本和/或清晰的人臉圖像樣本訓練得到臉部品質評估檢測模型,再將人臉圖像作為臉部品質評估檢測模型的輸入,以得到輸出的臉部品質評估檢測結果,根據臉部品質評估檢測結果確定該人臉圖像的是否存在光線不足、運動或失焦等因素,有效避免了採集的人臉圖像受上述因素的影響,進而確保了後續採用該人臉圖像進行用戶身份認證及人臉支付的成功率。
可選的,作為一個實施例,步驟110具體可實現為:
第一步,確定採集的人臉圖像位於終端設備上顯示介面的取景框中;
第二步,若所述取景框中的人臉圖像所在區域占整個所述顯示介面的比例滿足閾值,則確定所述人臉圖像為待識別的人臉圖像。
該閾值可以根據實際需求設置,本發明實施例不作具體限定。該閾值與上述實施例中所述的閾值可以相同也可以不同。
具體實施時,第一步具體可實現為:預先基於人臉圖像樣本訓練得到人臉檢測模型;將人臉圖像作為人臉檢測模型的輸入,以得到輸出的人臉檢測結果;若該人臉檢測結果正常,則確定該人臉圖像位於終端設備上顯示介面的取景框中;若該人臉檢測結果異常,則提醒用戶執行重新採集人臉圖像操作。
示例性的,若人臉檢測結果為人臉圖像的區域座標,則判斷該區域座標是否落入預先設定的取景框對應的座標集中;若是,則確定該人臉圖像位於終端設備上顯示介面的取景框中;若否,則提醒用戶將臉部放入取景框中並進行重新採集人臉圖像的操作,如圖2所示。
在執行第二步之前,還包括;
第三步,獲取所述人臉圖像所在區域的區域座標;
第四步,基於所述區域座標和整個所述顯示介面的尺寸,確定所述人臉圖像所在區域在整個所述顯示介面的占比。
這裡需要補充的是,若所述取景框中的人臉圖像所在區域占整個所述顯示介面的比例不滿足閾值,則提醒用戶執行調整操作。
本發明實施例,通過確定採集的人臉圖像位於終端設備上顯示介面的取景框中,若該取景框中的人臉圖像所在區域占整個顯示介面的比例滿足閾值,則確定人臉圖像為待識別的人臉圖像,為後續對該人臉圖像執行指定檢測操作提供了前提,確保了待識別的人臉圖像的品質。
可選的,作為一個實施例,當所述指定檢測操作的檢測結果正常時,本發明實施例提供的人臉識別方法還可以包括:
執行所述指定檢測操作之後的下一個指定檢測操作,可理解為,當眼鏡檢測對應的反光檢測結果正常時,可執行遮擋檢測;當遮擋檢測對應的遮擋檢測結果正常時,可執行臉部品質評估檢測。其中,眼鏡檢測、遮擋檢測及臉部品質評估檢測三者的檢測順序可以是任意的,本發明實施例不做限定。或者,
將所述待識別的人臉圖像發送至識別終端設備,可理解為,當指定檢測操作的檢測結果正常時,將待識別的人臉圖像發送至識別終端設備。該識別終端設備可將該人臉圖像與預先儲存的人臉圖像進行比對,若兩者的相似度值大於預定數值,則確定用戶身份認證通過並從錢包中扣款完成支付操作。其中,預定數值需要根據實際需求設置,本發明實施例不做具體限定。
示例性的,該識別終端設備將該人臉圖像與預先儲存的人臉圖像進行比對,具體可實現為;獲取人臉圖像的人臉區域的圖像資訊,及預先儲存的人臉圖像的人臉區域的圖像資訊,將兩個圖像資訊進行比對,基於兩個圖像資訊中的相似特徵,確定人臉圖像與預先儲存的人臉圖像的相似度值。其中,預先儲存的人臉圖像可以是識別終端設備內部預先儲存的與用戶錢包帳號對應的人臉圖像,也可以是根據與用戶錢包帳號對應的用戶身份證號碼,在官方官網系統獲取的人臉圖像。
本發明實施例,當指定檢測操作的檢測結果正常時,執行指定檢測操作之後的下一個指定檢測操作,有效排除了待識別的人臉圖像中存在的影響因素,確保了待識別的人臉圖像的品質,為後續採用人臉圖像進行用戶身份認證及人臉支付的成功率提供了保障。
另外,當指定檢測操作的檢測結果正常時,將待識別的人臉圖像發送至識別終端設備,由識別終端設備基於待識別的人臉圖像進行用戶身份認證及人臉支付,確保了採用人臉圖像進行用戶身份認證及人臉支付的成功率。
下面將結合具體的實施例,對本發明實施例的方法做進一步的描述。
圖3示出了本發明實施例提供的人臉識別方法在實際應用場景下的流程圖;圖4示出了本發明實施例提供的人臉識別方法在實際應用場景下的系統框圖;
示例性的,用戶人臉識別登錄用戶錢包帳號進行人臉支付,結合圖3和圖4所示:
在310,終端設備1上提示用戶輸入用戶手機號。用戶在終端設備1上輸入手機號後,終端設備1將該用戶手機號發送至識別終端設備。
在320,識別終端設備2接收到用戶手機號,並基於用戶手機號查找用戶錢包帳號,若查找到,執行步驟330;否則,執行步驟340。
在340,識別終端設備2提示用戶進行新用戶註冊。
在330,終端設備1採集人臉圖像。
在350,終端設備1確定該人臉圖像是否為待識別的人臉圖像;若是,則執行步驟360;若否,則執行步驟330。
其中,終端設備1確定該人臉圖像是否為待識別的人臉圖像,具體實現可以參加上述實施例中的相關內容,本發明實施例不再贅述。
在360,終端設備1對人臉圖像執行指定檢測操作,該指定檢測操作為眼鏡檢測。當所述指定檢測操作的檢測結果異常時,執行步驟361;當所述指定檢測操作的檢測結果正常時,執行步驟370或390。
在361,終端設備1執行與檢測結果匹配的提醒操作,示例性的,提醒用戶摘下眼鏡。
在370,終端設備1對人臉圖像執行指定檢測操作,該指定檢測操作為遮擋檢測。當所述指定檢測操作的檢測結果異常時,執行步驟371;當所述指定檢測操作的檢測結果正常時,執行步驟380或390。
在371,終端設備1執行與檢測結果匹配的提醒操作,示例性的,提醒用戶去除遮擋。
在380,終端設備1對人臉圖像執行指定檢測操作,該指定檢測操作為臉部品質評估檢測。當所述指定檢測操作的檢測結果異常時,執行步驟381;當所述指定檢測操作的檢測結果正常時,執行步驟390。
在381,終端設備1執行與檢測結果匹配的提醒操作,示例性的,提醒調整圖像採集角度。
在390,識別終端設備2接收終端設備1發送的待識別的人臉圖像,並將該人臉圖像與預先儲存的人臉圖像進行比對;若兩者的相似度大於預定數值,則執行391;若否,執行步驟330。
在391,用戶身份認證通過並從錢包中扣款完成支付操作。
本發明實施例通過對人臉圖像執行指定檢測操作,該指定檢測操作包括眼鏡檢測、遮擋檢測及臉部品質評估檢測中的至少一種。當該指定檢測操作的檢測結果異常時,即可識別到影響人臉圖像的因素,從而執行與檢測結果匹配的提醒操作,使得用戶根據提醒進行調整以排除影響人臉圖像的因素,確保了後續採用人臉圖像進行用戶身份認證及人臉支付的成功率。
另外,當指定檢測操作的檢測結果異常時,執行與檢測結果匹配的提醒操作,能夠精準引導用戶減少乃至去除影響人臉圖像的影響因素,從而保證後續用戶能順利完成整個人臉支付流程,提升全鏈路通過率。同時也是幫助用戶學習使用人臉支付的一個過程,使用戶在感受到人臉支付的智慧性後,也會因為其獨特的用戶體驗,有利於人臉支付的普及。
以上,結合圖1至圖4詳細說明了本發明實施例的人臉識別方法,下面,結合圖5,詳細說明本發明實施例的終端設備。
圖5示出了本發明實施例提供的終端設備的結構示意圖,如圖5所示,該終端設備500可以包括:
獲取模組510,用於獲取待識別的人臉圖像;
第一執行模組520,用於對所述人臉圖像執行指定檢測操作,所述指定檢測操作包括眼鏡檢測、遮擋檢測及臉部品質評估檢測中的至少一種;
第二執行模組530,用於當所述指定檢測操作的檢測結果異常時,執行與所述檢測結果匹配的提醒操作。
在一種實施例中,若所述指定檢測操作為眼鏡檢測,則所述第一執行模組520可以包括:
第一輸入單元,用於將所述人臉圖像作為反光檢測模型的輸入,以得到輸出的反光檢測結果;
其中,所述反光檢測模型是基於預定數量的具有反光的人臉圖像樣本和/或無反光的人臉圖像樣本訓練得到的。
在一種實施例中,所述具有反光的人臉圖像樣本包括眼鏡反光的人臉圖像樣本和具有黑邊框眼鏡的人臉圖像樣本中的至少一種;所述無反光的人臉圖像樣本包括配戴普通眼鏡的人臉圖像樣本和無眼鏡的人臉圖像樣本中的至少一種。
在一種實施例中,若所述指定檢測操作為遮擋檢測,則所述第一執行模組520可以包括:
第二輸入單元,用於將所述人臉圖像作為遮擋檢測模型的輸入,以得到輸出的遮擋檢測結果;
其中,所述遮擋檢測模型是基於預定數量的具有遮擋的人臉圖像樣本和/或無遮擋的人臉圖像樣本訓練得到的。
在一種實施例中,所述具有遮擋的人臉圖像樣本包括手遮擋人臉的人臉圖像樣本、瀏海擋人臉的人臉圖像樣本、帽子擋人臉的人臉圖像樣本和口罩擋人臉的人臉圖像樣本中的至少一種。
在一種實施例中,若所述指定檢測操作為臉部品質評估檢測,則所述第一執行模組520可以包括:
第三輸入單元,用於將所述人臉圖像作為臉部品質評估檢測模型的輸入,以得到輸出的臉部品質評估檢測結果;
其中,所述臉部品質評估檢測模型是基於預定數量的模糊的人臉圖像樣本和/或清晰的人臉圖像樣本訓練得到的。
在一種實施例中,所述模糊的人臉圖像樣本包括失焦模糊的人臉圖像樣本、運動模糊的人臉圖像樣本和光線不足的人臉圖像樣本中的至少一種。
在一種實施例中,所述獲取模組510可以包括:
第一確定單元,用於確定採集的人臉圖像位於終端設備上顯示介面的取景框中;
第二確定單元,用於若所述取景框中的人臉圖像所在區域占整個所述顯示介面的比例滿足閾值,則確定所述人臉圖像為待識別的人臉圖像。
在一種實施例中,所述獲取模組510還可以包括:
獲取單元,用於獲取所述人臉圖像所在區域的區域座標;
第三確定單元,用於基於所述區域座標和整個所述顯示介面的尺寸,確定所述人臉圖像所在區域在整個所述顯示介面的占比。
在一種實施例中,所述終端設備還可以包括:
第三執行模組540,用於當所述指定檢測操作的檢測結果正常時,執行所述指定檢測操作之後的下一個指定檢測操作;或者,
發送模組550,用於將所述待識別的人臉圖像發送至識別終端設備。
本發明實施例通過對人臉圖像執行指定檢測操作,該指定檢測操作包括眼鏡檢測、遮擋檢測及臉部品質評估檢測中的至少一種。當該指定檢測操作的檢測結果異常時,即可識別到影響人臉圖像的因素,從而執行與檢測結果匹配的提醒操作,使得用戶根據提醒進行調整以排除影響人臉圖像的因素,確保了後續採用人臉圖像進行用戶身份認證及人臉支付的成功率。
另外,當指定檢測操作的檢測結果異常時,執行與檢測結果匹配的提醒操作,能夠精準引導用戶減少乃至去除影響人臉圖像的影響因素,從而保證後續用戶能順利完成整個人臉支付流程,提升全鏈路通過率。同時也是幫助用戶學習使用人臉支付的一個過程,使用戶在感受到人臉支付的智慧性後,也會因為其獨特的用戶體驗,有利於人臉支付的普及。
圖6是本說明書的一個實施例提供的終端設備的結構示意圖。請參考圖6,在硬體層面,該終端設備包括處理器,可選地還包括內部匯流排、網路介面、記憶體。其中,記憶體可能包含記憶體,例如高速隨機存取記憶體(Random-Access Memory, RAM),也可能還包括非易失性記憶體(non-volatile memory),例如至少1個磁碟記憶體等。當然,該終端設備還可能包括其他業務所需要的硬體。
處理器、網路介面和記憶體可以通過內部匯流排相互連接,該內部匯流排可以是ISA(Industry Standard Architecture,工業標準架構)匯流排、PCI(Peripheral Component Interconnect,外設部件互連標準)匯流排或EISA(Extended Industry Standard Architecture,延伸工業標準架構)匯流排等。所述匯流排可以分為位址匯流排、資料匯流排、控制匯流排等。為便於表示,圖6中僅用一個雙向箭頭表示,但並不表示僅有一根匯流排或一種類型的匯流排。
記憶體,用於存放程式。具體地,程式可以包括程式碼,所述程式碼包括電腦操作指令。記憶體可以包括記憶體和非易失性記憶體,並向處理器提供指令和資料。
處理器從非易失性記憶體中讀取對應的電腦程式到記憶體中然後運行,在邏輯層面上形成資源增值物件與資源物件的關聯裝置。處理器,執行記憶體所存放的程式,並具體用於執行以下操作:
獲取待識別的人臉圖像;
對所述人臉圖像執行指定檢測操作,所述指定檢測操作包括眼鏡檢測、遮擋檢測及臉部品質評估檢測中的至少一種;
當所述指定檢測操作的檢測結果異常時,執行與所述檢測結果匹配的提醒操作。
本發明實施例通過對人臉圖像執行指定檢測操作,該指定檢測操作包括眼鏡檢測、遮擋檢測及臉部品質評估檢測中的至少一種。當該指定檢測操作的檢測結果異常時,即可識別到影響人臉圖像的因素,從而執行與檢測結果匹配的提醒操作,使得用戶根據提醒進行調整以排除影響人臉圖像的因素,確保了後續採用人臉圖像進行用戶身份認證及人臉支付的成功率。
另外,當指定檢測操作的檢測結果異常時,執行與檢測結果匹配的提醒操作,能夠精準引導用戶減少乃至去除影響人臉圖像的影響因素,從而保證後續用戶能順利完成整個人臉支付流程,提升全鏈路通過率。同時也是幫助用戶學習使用人臉支付的一個過程,使用戶在感受到人臉支付的智慧性後,也會因為其獨特的用戶體驗,有利於人臉支付的普及。
上述如本說明書圖1所示實施例揭示的人臉識別方法可以應用於處理器中,或者由處理器實現。處理器可能是一種積體電路晶片,具有信號的處理能力。在實現過程中,上述方法的各步驟可以通過處理器中的硬體的集成邏輯電路或者軟體形式的指令完成。上述的處理器可以是通用處理器,包括中央處理器(Central Processing Unit, CPU)、網路處理器(Network Processor, NP)等;還可以是數位訊號處理器(Digital Signal Processor, DSP)、專用積體電路(Application Specific Integrated Circuit, ASIC)、現場可程式設計閘陣列(Field-Programmable Gate Array, FPGA)或者其他可程式設計邏輯器件、分立閘或者電晶體邏輯裝置、分立硬體元件。可以實現或者執行本說明書一個或多個實施例中的公開的各方法、步驟及邏輯框圖。通用處理器可以是微處理器或者該處理器也可以是任何常規的處理器等。結合本說明書一個或多個實施例所公開的方法的步驟可以直接體現為硬體解碼處理器執行完成,或者用解碼處理器中的硬體及軟體模組組合執行完成。軟體模組可以位於隨機記憶體,快閃記憶體、唯讀記憶體,可程式設計唯讀記憶體或者電可讀寫可程式設計記憶體、暫存器等本領域成熟的儲存媒體中。該儲存媒體位於記憶體,處理器讀取記憶體中的資訊,結合其硬體完成上述方法的步驟。
該終端設備還可執行圖1的人臉識別方法,本說明書在此不再贅述。
當然,除了軟體實現方式之外,本說明書的終端設備並不排除其他實現方式,比如邏輯裝置亦或軟硬體結合的方式等等,也就是說以下處理流程的執行主體並不限定於各個邏輯單元,也可以是硬體或邏輯裝置。
本說明書實施例還提供一種電腦可讀儲存媒體,電腦可讀儲存媒體上儲存有電腦程式,該電腦程式被處理器執行時實現上述各個方法實施例的各個過程,且能達到相同的技術效果,為避免重複,這裡不再贅述。其中,所述的電腦可讀儲存媒體,如唯讀記憶體(Read-Only Memory,簡稱ROM)、隨機存取記憶體(Random Access Memory,簡稱RAM)、磁碟或者光碟等。
本領域內的技術人員應明白,本發明的實施例可提供為方法、系統、或電腦程式產品。因此,本發明可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且,本發明可採用在一個或多個其中包含有電腦可用程式碼的電腦可用儲存媒體(包括但不限於磁碟記憶體、CD-ROM、光學記憶體等)上實施的電腦程式產品的形式。
本發明是參照根據本發明實施例的方法、設備(系統)、和電腦程式產品的流程圖和/或方框圖來描述的。應理解可由電腦程式指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些電腦程式指令到通用電腦、專用電腦、嵌入式處理機或其他可程式設計資料處理設備的處理器以產生一個機器,使得通過電腦或其他可程式設計資料處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的系統。
這些電腦程式指令也可儲存在能引導電腦或其他可程式設計資料處理設備以特定方式工作的電腦可讀記憶體中,使得儲存在該電腦可讀記憶體中的指令產生包括指令系統的製造品,該指令系統實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。
這些電腦程式指令也可裝載到電腦或其他可程式設計資料處理設備上,使得在電腦或其他可程式設計設備上執行一系列操作步驟以產生電腦實現的處理,從而在電腦或其他可程式設計設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。
在一個典型的配置中,計算設備包括一個或多個處理器-CPU)、輸入/輸出介面、網路介面和記憶體。
記憶體可能包括電腦可讀媒體中的非永久性記憶體,隨機存取記憶體-RAM)和/或非易失性記憶體等形式,如唯讀記憶體-ROM)或快閃記憶體(flash RAM)。記憶體是電腦可讀媒體的示例。
電腦可讀媒體包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒體的例子包括,但不限於相變記憶體-PRAM)、靜態隨機存取記憶體-SRAM)、動態隨機存取記憶體-DRAM)、其他類型的隨機存取記憶體-RAM)、唯讀記憶體-ROM)、電可擦除可程式設計唯讀記憶體-EEPROM)、快閃記憶體或其他記憶體技術、唯讀光碟唯讀記憶體-CD-ROM)、數位多功能光碟-DVD)或其他光學儲存、磁盒式磁帶,磁帶磁磁片儲存或其他磁性存放裝置或任何其他非傳輸媒體,可用於儲存可以被計算設備訪問的資訊。按照本文中的界定,電腦可讀媒體不包括暫存電腦可讀媒體-transitory media),如調製的資料信號和載波。
還需要說明的是,術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含,從而使得包括一系列要素的過程、方法、商品或者設備不僅包括那些要素,而且還包括沒有明確列出的其他要素,或者是還包括為這種過程、方法、商品或者設備所固有的要素。在沒有更多限制的情況下,由語句“包括一個……”限定的要素,並不排除在包括要素的過程、方法、商品或者設備中還存在另外的相同要素。
以上僅為本發明的實施例而已,並不用於限制本發明。對於本領域技術人員來說,本發明可以有各種更改和變化。凡在本發明的精神和原理之內所作的任何修改、等同替換、改進等,均應包含在本發明的申請專利範圍之內。
1‧‧‧終端設備
2‧‧‧識別終端設備
500‧‧‧終端設備
510‧‧‧獲取模組
520‧‧‧第一執行模組
530‧‧‧第二執行模組
540‧‧‧第三執行模組
550‧‧‧發送模組
此處所說明的附圖用來提供對本發明的進一步理解,構成本發明的一部分,本發明的示意性實施例及其說明用於解釋本發明,並不構成對本發明的不當限定。在附圖中:
圖1為本說明書的一個實施例提供的人臉識別方法流程圖;
圖2為本說明書的一個實施例提供的人臉識別方法的實際應用場景實現示意圖;
圖3為本說明書的一個實施例提供的人臉識別方法的實際應用場景實現流程示意圖;
圖4為本說明書的一個實施例提供的人臉識別方法的實際應用場景實現系統框圖;
圖5為本說明書的一個實施例提供的終端設備的結構框圖之一;
圖6為本說明書的一個實施例提供的終端設備的結構框圖之二。