TW202022697A - 從多個臉部中選擇目標臉部及臉部識別比對方法、裝置 - Google Patents
從多個臉部中選擇目標臉部及臉部識別比對方法、裝置 Download PDFInfo
- Publication number
- TW202022697A TW202022697A TW108125040A TW108125040A TW202022697A TW 202022697 A TW202022697 A TW 202022697A TW 108125040 A TW108125040 A TW 108125040A TW 108125040 A TW108125040 A TW 108125040A TW 202022697 A TW202022697 A TW 202022697A
- Authority
- TW
- Taiwan
- Prior art keywords
- face
- distance
- camera
- image
- dimension
- Prior art date
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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本說明書實施例公開了一種從多個臉部選擇目標臉部以及臉部識別比對的方法、裝置，該方法包括：獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部。
Description
本說明書係關於電腦軟體技術領域，尤其關於一種從多個臉部選擇目標臉部的方法及臉部識別比對方法、裝置和電子設備。
在當前的線下機具刷臉支付場景中，需要採集人臉用於生物特徵比對，比對成功方可觸發支付過程進一步執行。
通常在支付場景中，會有很多人排隊等待支付，支付終端需要借助攝影機獲取採集區域的所有人臉，然後基於最大臉的選擇邏輯從多個人臉中選擇目標人臉，與留底的人臉圖片進行比對。
然而，考慮到基於關鍵點技術進行最大臉選擇的方式誤差較大，而且人臉本就存在大小差異，進而造成目標臉部的選擇準確性較低。
本說明書實施例的目的是提供一種從多個臉部中選擇目標臉部及臉部識別比對方法、裝置和電子設備，以提升目標臉部選擇的準確性。
為解決上述技術問題，本說明書實施例是這樣實現的：
第一方面，提出了一種從多個臉部中選擇目標臉部的方法，包括：
獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部。
第二方面，提出了一種臉部識別比對方法，所述方法包括：
獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部；
基於選擇的所述目標臉部進行臉部識別比對。
第三方面，提出了一種從多個臉部中選擇目標臉部的裝置，包括：
獲取模組，獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
確定模組，基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
選擇模組，基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部。
第四方面，提出了一種臉部識別比對裝置，包括：
獲取模組，獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
確定模組，基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
選擇模組，基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部；
比對模組，基於選擇的所述目標臉部進行臉部識別比對。
第五方面，提出了一種電子設備，包括：
處理器；以及
被安排成儲存電腦可執行指令的記憶體，所述可執行指令在被執行時使所述處理器執行以下操作：
獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部。
第六方面，提出了一種電子設備，包括：
處理器；以及
被安排成儲存電腦可執行指令的記憶體，所述可執行指令在被執行時使所述處理器執行以下操作：
獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部；
基於選擇的所述目標臉部進行臉部識別比對。
第七方面，提出了一種電腦可讀儲存媒體，所述電腦可讀儲存媒體儲存一個或多個程式，所述一個或多個程式當被包括多個應用程式的電子設備執行時，使得所述電子設備執行以下操作：
獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部。
第八方面，提出了一種電腦可讀儲存媒體，所述電腦可讀儲存媒體儲存一個或多個程式，所述一個或多個程式當被包括多個應用程式的電子設備執行時，使得所述電子設備執行以下操作：
獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部；
基於選擇的所述目標臉部進行臉部識別比對。
由以上本說明書實施例提供的技術方案可見，基於至少一個臉部中的臉部與攝影機之間的空間距離，從至少一個臉部中選擇目標臉部，因此，可以避免基於臉部大小而選擇目標臉部導致的缺陷，提升選擇目標臉部的準確度。而且考慮到空間距離的維度類型可以任意組合，因此，可以靈活設置選擇方式，以更為合理有效的方式提升選擇準確性。
為了使本技術領域的人員更好地理解本說明書中的技術方案，下面將結合本說明書實施例中的圖式，對本說明書實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本說明書一部分實施例，而不是全部的實施例。基於本說明書中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都應當屬於本說明書保護的範圍。
實施例一
參照圖1a所示，為本說明書實施例提供的一種從多個臉部中選擇目標臉部的方法步驟示意圖，該方法的執行主體可以是具有圖像採集功能的攝像裝置，或者，具有圖像採集功能的臉部處理裝置，例如，臉部識別比對裝置，或是支付終端、自助終端等。
其中，本說明書實施例所涉及的從多個臉部中選擇目標臉部的方法可以包括以下步驟：
S102：獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域。
在本說明書實施例中，獲取的圖像可以由攝影機拍攝檢測，這裡所涉及的採集區域可依賴攝影機的鏡頭所能覆蓋的範圍-視角(field-of-view，FOV)來確定。一般而言，攝影機的FOV中橫向視角大於縱向視角。
具體地，在獲取圖像過程中，可以基於深度學習的人臉檢測技術以及關鍵點定位技術，來檢測獲取的圖像中包含至少一個臉部區域。其中，人臉檢測技術可以是基於各類神經網路的模型架構進行深度學習；關鍵點定位是一種用以定位臉部關鍵區域位置，包括眉毛、眼睛、鼻子、嘴巴、臉部輪廓等區域位置的成熟技術，在此不做贅述。
考慮到攝影機的FOV中橫向視角比較大，在圖像獲取過程中，可能會檢測定位到本不應該採集的臉部，為此，可透過縮小攝影機的FOV的方式來進一步篩選臉部，一種可實現的獲取方案，可以包括：
第一步，基於深度學習的臉部檢測和關鍵點定位，確定攝影機採集區域中的圖像包含的多個臉部區域；
應理解，在第一步中，仍按照攝影機的原有視角確定圖像中的多個臉部區域。
第二步，從所述多個臉部區域中篩選出位於有效採集區域的至少一個臉部區域，所述有效採集區域為原始解析度縮小為預定比例後採集的圖像在原始圖像中的對應的區域。
在該步驟中，可以透過縮小FOV來規避對攝影機視角邊緣區域的臉部的檢測定位，具體可以透過將攝影機的原始解析度縮小到預設比例的方式，即透過放大圖像、縮小採集區域的方式來縮小攝影機的FOV，這樣，從多個臉部區域中篩選出位於有效採集區域的至少一個臉部區域，以此來縮小目標臉部的選擇範圍。
應理解，預設比例的選擇範圍可以是小於1大於0的一個比例。優選的，例如，預設比例的取值可以為4/5或3/4，此時可以將攝影機的解析度縮小為原始解析度的4/5或3/4，這樣，有效採集區域也可縮小為原始解析度縮小為預定比例後採集的圖像在原始圖像中的對應的區域。當然，如果預設比例取值為0.999之類的，有效採集區域與原始的區域沒有太大的改變，對結果沒什麼影響；如果預設比例取值為0.001，有效採集區域又太小，顯然不可能採集出人臉區域。因此，預設比例的區間應選擇一個合適的範圍。例如，預設比例的取值區間可以在1/4至9/10之間，或者在3/4至4/5之間，等等。該預設比例的取值範圍僅作為示例說明，本說明書實施例對此並不限制。
S104：基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離。
在本說明書實施例中，所述空間距離至少包括以下之一或任意組合：
--臉部與攝影機的距離在坐標系的深度方向的投影所形成的深度維度距離；
--臉部與攝影機的距離在坐標系的橫向方向的投影所形成的橫向維度距離，所述橫向方向為攝影機成像區域中縱向中心線所在方向；
--臉部與攝影機的距離在坐標系的縱向方向的投影所形成的縱向維度距離，所述縱向方向為攝影機成像區域中橫向中心線所在方向。
具體可以參照圖1b所示的包含臉部與攝影機的三維示意圖，其中，圖示的攝影機成像區域可以視為攝影機，而攝影機與臉部可構造圖示中的三維坐標系xyz，且x軸所在橫向方向、y軸所在縱向方向以及z軸所在深度方向分別互相垂直。而且，x軸為攝影機成像區域中縱向中心線所在方向，y軸為攝影機成像區域中橫向中心線所在方向，z軸為與攝影機成像區域垂直的方向。這裡，臉部與攝影機的距離是D，而該臉部與攝影機的空間距離中深度維度距離是臉部與攝影機的距離D在z軸方向的投影所形成的距離Dz，同理，臉部與攝影機的空間距離中橫向維度距離是臉部與攝影機的距離D在x軸方向的投影所形成的距離Dx，臉部與攝影機的空間距離中縱向維度距離是臉部與攝影機的距離D在y軸方向的投影所形成的距離Dy。
其實，本說明書所涉及的空間距離還可以包括其它維度方向上的維度距離，本說明書並不對此進行限定。
在本說明書實施例中，S104在執行時可具體包括如下情況之一或任意組合：
情況1-空間距離包括深度維度距離
基於所述圖像中的臉部包含的像素點位置，採用攝影機對齊技術，分別計算像素點與攝影機之間的深度維度距離。其中，攝影機對齊技術，可以包括硬體對齊或是軟體對齊，以保證檢測時的時序同步。
將臉部中的像素點與攝影機之間的深度維度距離取平均，確定為臉部與攝影機之間的深度維度距離。
該情況1中確定的深度維度距離，可以用於有效評估檢測到的臉部相距攝影機的空間距離，相比於透過測算臉部大小的方案更為準確。
情況2-空間距離包括橫向維度距離
基於所述圖像中的臉部包含的像素點位置，分別計算像素點與攝影機之間的橫向維度距離；
將臉部中的像素點與攝影機之間的橫向維度距離取平均，確定為臉部與攝影機之間的橫向維度距離。
應理解，本說明書中所涉及的橫向維度距離，不僅包括臉部相距攝影機成像區域的縱向中心線的距離，還可以包括臉部眼間距離，或是臉部耳間距離等，雖然這些是臉部對稱器官之間的距離，但實質上都可以理解為是對稱器官中單個器官相距攝影機成像區域的縱向中心線的距離。
情況3-空間距離包括縱向維度距離
基於所述圖像中的臉部包含的像素點位置，分別計算像素點與攝影機之間的縱向維度距離；
將臉部中的像素點與攝影機之間的縱向維度距離取平均，確定為臉部與攝影機之間的縱向維度距離。
以上情況2中的橫向維度距離及情況3中的縱向維度距離，都可以實現對臉部相距攝影機中心位置的空間距離的有效評估，相比於現有技術中透過測算臉部大小而言，可以有效避免由於臉部邊緣較大而導致檢測不準確的問題，提升選擇目標臉部的準確度。
應理解，在步驟S104中，上述3種情況可以分別獨立出現或是任意組合，例如，當空間距離包括深度維度距離而不包括其它維度距離，那麼，步驟S104執行情況1的步驟操作；當空間距離包括深度維度距離和橫向維度距離而不包括縱向維度距離，那麼，步驟S104執行情況1和步驟2的步驟操作，而情況1的步驟操作和情況2的步驟操作是否分時執行或是同時執行，本說明書並不對此進行限定；當空間距離包括深度維度距離、橫向維度距離和縱向維度距離，那麼，步驟S104執行情況1、步驟2和步驟3的步驟操作，而情況1的步驟操作、情況2的步驟操作和情況3的步驟操作是否分時執行或是同時執行，本說明書並不對此進行限定。
S106：基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部。
考慮到基於空間距離包括的維度距離的類型不同，可能導致不同的選擇方式。在本說明書實施例中，可以涉及以下三大類選擇方式：
選擇方式一：
步驟S106在執行時可以包括：
基於空間距離對所述至少一個臉部進行排序，從所述至少一個臉部中選擇空間距離最小的臉部作為目標臉部。
其中，空間距離可以為深度維度距離，或者，橫向維度距離，或者，縱向維度距離，每一種維度距離都可以單獨作為選擇目標臉部的一個約束條件來使用。
由此，透過縮小攝影機的視角，從多個臉部區域中篩選出位於有效採集區域的至少一個臉部區域，以此來縮小目標臉部的選擇範圍；而且，以空間距離中任一維度距離作為選擇目標臉部的約束條件，進一步提升目標臉部的選擇效率，提高準確度，避免透過臉部大小來選擇目標臉部導致的缺陷。
選擇方式二：
參照圖2a所示，步驟S106在執行時可以包括：
S202a：基於所述至少一個臉部中的臉部與攝影機之間的第一維度距離，從所述至少一個臉部中選擇第一維度距離最小以及次小的臉部作為兩個候選臉部；
S204a：如果所述兩個候選臉部的第一維度距離之差的絕對值大於第一閾值，則從所述兩個候選臉部中選擇第一維度距離最小的臉部作為目標臉部；
S206a：如果所述兩個候選臉部的第一維度距離之差的絕對值不大於第一閾值，則基於第二維度距離從所述兩個候選臉部中選擇第二維度距離最小的臉部作為目標臉部。
應理解，所述第一閾值可以是根據經驗值或是透過相應演算法得到的數值，在本說明書實施例中，第一閾值的取值範圍可以為150±50mm，然而，本說明書並不對此進行限定，可以根據攝影機的鏡頭焦距的選擇進行設定。
或者，步驟S106在選擇方式二實現時也可以參照以下方式執行：
基於所述至少一個臉部中的臉部與攝影機之間的第一維度距離，從所述至少一個臉部中選擇第一維度距離小於第四閾值的至少兩個候選臉部；
基於第二維度距離對所述至少兩個候選臉部進行排序，從所述至少兩個候選臉部中選擇第二維度距離最小的臉部作為目標臉部。
應理解，在該選擇方式二中，所述空間距離包括第一維度距離和第二維度距離；每兩種維度距離都可以組合作為選擇目標臉部的約束條件來使用。
其中，所述第一維度距離為深度維度距離，所述第二維度距離為橫向維度距離；或者，
所述第一維度距離為深度維度距離，所述第二維度距離為縱向維度距離；或者，
所述第一維度距離為橫向維度距離，所述第二維度距離為縱向維度距離；或者，
所述第一維度距離為橫向維度距離，所述第二維度距離為深度維度距離；或者，
所述第一維度距離為縱向維度距離，所述第二維度距離為深度維度距離；或者，
所述第一維度距離為縱向維度距離，所述第二維度距離為橫向維度距離。
由此，透過縮小攝影機的視角，從多個臉部區域中篩選出位於有效採集區域的至少一個臉部區域，以此來縮小目標臉部的選擇範圍；而且，以空間距離中任意兩種維度距離作為選擇目標臉部的約束條件，進一步提升目標臉部的選擇效率，提高準確度，避免透過臉部大小來選擇目標臉部導致的缺陷。
選擇方式三：
參照圖2b所示，步驟S106在執行時可以包括：
S202b：基於所述至少一個臉部中的臉部與攝影機之間的第一維度距離，從所述至少一個臉部中選擇第一維度距離小於第二閾值的至少兩個臉部；
S204b：基於臉部與攝影機之間的第二維度距離，從所述至少兩個臉部中選擇第二維度距離最小以及次小的臉部作為兩個候選臉部；
S206b：如果所述兩個候選臉部的第二維度距離之差大於第三閾值，則從所述兩個候選臉部中選擇第二維度距離最小的臉部作為目標臉部；
S208b：如果所述兩個候選臉部的第二維度距離之差不大於第三閾值，則基於第三維度距離從所述兩個候選臉部中選擇第三維度距離最小的臉部作為目標臉部。
或者，步驟S106在選擇方式三實現時也可以參照以下方式執行：
基於所述至少一個臉部中的臉部與攝影機之間的第一維度距離，從所述至少一個臉部中選擇第一維度距離小於第四閾值的至少兩個臉部；
基於臉部與攝影機之間的第二維度距離，從所述至少兩個臉部中選擇第二維度距離小於第五閾值的至少兩個候選臉部；
基於第三維度距離對所述至少兩個候選臉部進行排序，從所述至少兩個候選臉部中選擇第三維度距離最小的臉部作為目標臉部。
應理解，在該選擇方式三中，所述空間距離包括第一維度距離、第二維度距離和第三維度距離；三種維度距離可以任意組合作為選擇目標臉部的約束條件來使用。
其中，所述第一維度距離為深度維度距離，所述第二維度距離為橫向維度距離，所述第三維度距離為縱向維度距離；或者，
所述第一維度距離為深度維度距離，所述第二維度距離為縱向維度距離，所述第三維度距離為橫向維度距離；或者，
所述第一維度距離為橫向維度距離，所述第二維度距離為縱向維度距離，所述第三維度距離為深度維度距離；或者，
所述第一維度距離為橫向維度距離，所述第二維度距離為深度維度距離，所述第三維度距離為縱向維度距離；或者，
所述第一維度距離為縱向維度距離，所述第二維度距離為橫向維度距離，所述第三維度距離為深度維度距離；或者，
所述第一維度距離為縱向維度距離，所述第二維度距離為深度維度距離，所述第三維度距離為橫向維度距離。
可選地，在本說明書實施例中，所述臉部包括可識別的人臉或可識別的動物臉中的至少一種。
下面透過具體的實例對本說明書所涉及的技術方案進行詳述，應理解，該實例僅用於進一步清楚說明本說明書的技術方案，而並不造成對本說明書的實施例所覆蓋範圍的限制。
假設，以空間距離中的深度維度距離結合橫向維度距離作為約束條件，以支付場景為例，選擇目標臉部的方案具體可參照圖3以下步驟實現。
S302：基於臉部檢測技術以及FOV設定縮小比例為原始解析度的4/5，確定支付場景下拍攝到的多個臉部。
應理解，這些臉部可以是正在排隊等待支付的人臉。
S304：從所述多個臉部中選擇深度維度距離介於 0-1000mm之間的臉部。
在該實例中，可以透過限定深度維度距離範圍來進一步縮小選擇目標臉部的範圍，例如，考慮到距離攝影機的深度維度距離最近的可能是正在做刷臉支付的人臉，因此，可以進一步限定距離支付終端1m範圍內的人臉作為可選範圍。
S306：基於深度維度距離，對深度維度距離介於 0-1000mm之間的臉部進行排序。
該步驟其實僅作為選擇其中最小以及次小深度維度距離的方式，並不視為必要步驟。
S308：判斷深度維度距離最小的臉部與深度維度距離次小的臉部之間的深度維度距離之差的絕對值是否不小於150mm，如果是，則執行S310，否則，執行S320。
在實際的支付場景中，如果距離攝影機的深度維度距離最小的人臉，與距離攝影機的深度維度距離次小的人臉相比，兩者之間的差值絕對值並不是很大(具體可以是與一閾值進行比較)，說明兩個人臉相距很近，或者由於支付者的高度差而誤以為兩個人臉很近，那麼，兩個人臉中任一人臉都有可能是正在支付的目標臉部，僅根據深度維度距離無法準確選擇，這就需要執行S320；如果兩者之間的差值絕對值較大，說明兩個人臉相距很遠，則可以執行S310。
S310：將深度維度距離最小的臉部作為目標臉部。
該步驟中，可以視距離攝影機的深度維度距離最小的人臉為正在支付的目標臉部。
S312：判斷深度維度距離最小的臉部的橫向維度距離是否大於深度維度距離次小的臉部的橫向維度距離，如果是，則執行S314，否則，跳轉至S310。
該步驟中，可以進一步根據人臉與攝影機成像區域的中心線的距離(這裡可以是橫向維度距離，例如，人臉中眼間距)進行判定，具體選擇橫向維度距離最小的臉部作為目標臉部。
S314：將深度維度距離次小的臉部作為目標臉部。
應理解，該步驟中，深度維度距離次小的臉部也就是橫向維度距離最小的臉部。
透過上述技術方案，在支付場景中，可以基於至少一個臉部中的臉部與攝影機之間的空間距離，從至少一個臉部中選擇目標臉部，因此，可以避免基於臉部大小而選擇目標臉部導致的缺陷，提升選擇目標臉部的準確度。而且考慮到空間距離的維度類型可以任意組合，因此，可以靈活設置選擇方式，以更為合理有效的方式提升選擇準確性。
實施例二
本說明書實施例還提供了一種臉部識別比對方法，參照圖4所示，所述方法包括：
S402：獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
S404：基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
S406：基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部；
S408：基於選擇的所述目標臉部進行臉部識別比對。
其中，該方法中步驟S402-S406的具體實現均可參照實施例一中的相關步驟，在此不贅述。
透過上述技術方案，可以基於至少一個臉部中的臉部與攝影機之間的空間距離，從至少一個臉部中選擇目標臉部，並基於該目標臉部進行臉部識別比對。因此，可以避免基於臉部大小而選擇目標臉部導致的缺陷，提升選擇目標臉部的準確度，以及臉部識別比對的準確度。
實施例三
圖5是本說明書的一個實施例電子設備的結構示意圖。請參考圖5，在硬體層面，該電子設備包括處理器，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，該電子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透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，週邊組件互連標準)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地址匯流排、資料匯流排、控制匯流排等。為便於表示，圖5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，在邏輯層面上形成共用資源存取控制裝置。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：
獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部。或者，
獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部；
基於選擇的所述目標臉部進行臉部識別比對。
上述如本說明書圖1a-圖4所示實施例揭示的從多個臉部中選擇目標臉部的方法以及臉部識別比對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透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)、現場可編程閘陣列(Field－Programmable Gate Array，FPGA)或者其他可編程邏輯器件、分立閘或者電晶體邏輯器件、分立硬體元件。可以實現或者執行本說明書實施例中公開的各方法、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，可編程唯讀記憶體或者電可讀寫可編程記憶體、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。
該電子設備還可執行圖1a的方法，並實現從多個臉部中選擇目標臉部的裝置在圖1a-圖3所示實施例的功能，以及實現臉部識別比對的裝置在圖4所示實施例的功能，本說明書實施例在此不再贅述。
當然，除了軟體實現方式之外，本說明書實施例的電子設備並不排除其他實現方式，比如邏輯器件抑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器件。
透過上述技術方案，可以基於至少一個臉部中的臉部與攝影機之間的空間距離，從至少一個臉部中選擇目標臉部，因此，可以避免基於臉部大小而選擇目標臉部導致的缺陷，提升選擇目標臉部的準確度。而且考慮到空間距離的維度類型可以任意組合，因此，可以靈活設置選擇方式，以更為合理有效的方式提升選擇準確性。
實施例四
本說明書實施例還提出了一種電腦可讀儲存媒體，該電腦可讀儲存媒體儲存一個或多個程式，該一個或多個程式包括指令，該指令當被包括多個應用程式的可擕式電子設備執行時，能夠使該可擕式電子設備執行圖1a所示實施例的方法，並具體用於執行以下方法：
獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部。
本說明書實施例還提出了一種電腦可讀儲存媒體，該電腦可讀儲存媒體儲存一個或多個程式，該一個或多個程式包括指令，該指令當被包括多個應用程式的可擕式電子設備執行時，能夠使該可擕式電子設備執行圖4所示實施例的方法，並具體用於執行以下方法：
獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部；
基於選擇的所述目標臉部進行臉部識別比對。
透過上述技術方案，可以基於至少一個臉部中的臉部與攝影機之間的空間距離，從至少一個臉部中選擇目標臉部，因此，可以避免基於臉部大小而選擇目標臉部導致的缺陷，提升選擇目標臉部的準確度。而且考慮到空間距離的維度類型可以任意組合，因此，可以靈活設置選擇方式，以更為合理有效的方式提升選擇準確性。
實施例五
圖6為本說明書的一個實施例提供的從多個臉部中選擇目標臉部的裝置600的結構示意圖。請參考圖6，在一種軟體實施方式中，從多個臉部中選擇目標臉部的裝置600可包括：
獲取模組602，獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
確定模組604，基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
選擇模組606，基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部。
透過上述技術方案，可以基於至少一個臉部中的臉部與攝影機之間的空間距離，從至少一個臉部中選擇目標臉部，因此，可以避免基於臉部大小而選擇目標臉部導致的缺陷，提升選擇目標臉部的準確度。而且考慮到空間距離的維度類型可以任意組合，因此，可以靈活設置選擇方式，以更為合理有效的方式提升選擇準確性。
可選地，作為一個實施例，獲取模組602，具體用於：
基於深度學習的臉部檢測和關鍵點定位，確定攝影機採集區域中的圖像包含的多個臉部區域；
從所述多個臉部區域中篩選出位於有效採集區域的至少一個臉部區域，所述有效採集區域為原始解析度縮小為預定比例後採集的圖像在原始圖像中的對應的區域。
應理解，預設比例的選擇範圍可以是小於1大於0的一個比例。優選的，例如，預設比例的取值可以為4/5或3/4，此時可以將攝影機的解析度縮小為原始解析度的4/5或3/4，這樣，有效採集區域也可縮小為原始解析度縮小為預定比例後採集的圖像在原始圖像中的對應的區域。當然，如果預設比例取值為0.999之類的，有效採集區域與原始的區域沒有太大的改變，對結果沒什麼影響；如果預設比例取值為0.001，有效採集區域又太小，顯然不可能採集出人臉區域。因此，預設比例的區間應選擇一個合適的範圍。例如，預設比例的取值區間可以在1/4至9/10之間，或者在3/4至4/5之間，等等。該預設比例的取值範圍僅作為示例說明，本說明書實施例對此並不限制。
可選地，所述空間距離至少包括以下之一或任意組合：
臉部與攝影機的距離在坐標系的深度方向的投影所形成的深度維度距離，所述深度方向為與攝影機成像區域垂直的方向；
臉部與攝影機的距離在坐標系的橫向方向的投影所形成的橫向維度距離，所述橫向方向為攝影機成像區域中縱向中心線所在方向；
臉部與攝影機的距離在坐標系的縱向方向的投影所形成的縱向維度距離，所述縱向方向為攝影機成像區域中橫向中心線所在方向。
可選地，作為另一個實施例，確定模組604，具體用於執行如下情況之一或任意組合：
當所述空間距離包括深度維度距離時，基於所述圖像中的臉部包含的像素點位置，採用攝影機對齊技術，分別計算像素點與攝影機之間的深度維度距離；
將臉部中的像素點與攝影機之間的深度維度距離取平均，確定為臉部與攝影機之間的深度維度距離；
當所述空間距離包括橫向維度距離時，基於所述圖像中的臉部包含的像素點位置，分別計算像素點與攝影機之間的橫向維度距離；
將臉部中的像素點與攝影機之間的橫向維度距離取平均，確定為臉部與攝影機之間的橫向維度距離；
當所述空間距離包括縱向維度距離時，基於所述圖像中的臉部包含的像素點位置，分別計算像素點與攝影機之間的縱向維度距離；
將臉部中的像素點與攝影機之間的縱向維度距離取平均，確定為臉部與攝影機之間的縱向維度距離。
可選地，作為另一個實施例，選擇模組606，具體用於：
基於空間距離對所述至少一個臉部進行排序，從所述至少一個臉部中選擇空間距離最小的臉部作為目標臉部。
可選地，作為另一個實施例，所述空間距離包括第一維度距離和第二維度距離；選擇模組606，具體用於：
基於所述至少一個臉部中的臉部與攝影機之間的第一維度距離，從所述至少一個臉部中選擇第一維度距離最小以及次小的臉部作為兩個候選臉部；
如果所述兩個候選臉部的第一維度距離之差的絕對值大於第一閾值，則從所述兩個候選臉部中選擇第一維度距離最小的臉部作為目標臉部；
否則，基於第二維度距離從所述兩個候選臉部中選擇第二維度距離最小的臉部作為目標臉部。
可選地，作為另一個實施例，所述空間距離包括第一維度距離、第二維度距離和第三維度距離；選擇模組606，具體用於：
基於所述至少一個臉部中的臉部與攝影機之間的第一維度距離，從所述至少一個臉部中選擇第一維度距離小於第二閾值的至少兩個臉部；
基於臉部與攝影機之間的第二維度距離，從所述至少兩個臉部中選擇第二維度距離最小以及次小的臉部作為兩個候選臉部；
如果所述兩個候選臉部的第二維度距離之差大於第三閾值，則從所述兩個候選臉部中選擇第二維度距離最小的臉部作為目標臉部；
否則，基於第三維度距離從所述兩個候選臉部中選擇第三維度距離最小的臉部作為目標臉部。
可選地，作為另一個實施例，所述臉部包括可識別的人臉、動物臉中的至少一種。
應理解，本說明書實施例的從多個臉部中選擇目標臉部的裝置還可執行圖1a-圖3中從多個臉部中選擇目標臉部的裝置(或設備)執行的方法，並實現從多個臉部中選擇目標臉部的裝置(或設備)在圖1a-圖3所示實施例的功能，在此不再贅述。
圖7為本說明書的一個實施例提供的臉部識別比對裝置700的結構示意圖。請參考圖7，在一種軟體實施方式中，臉部識別比對裝置700可包括：
獲取模組702，獲取攝影機採集區域中的圖像，所述圖像中包含至少一個臉部區域；
確定模組704，基於所述圖像確定至少一個臉部中的臉部與攝影機之間的空間距離；
選擇模組706，基於所述至少一個臉部中的臉部與攝影機之間的空間距離，從所述至少一個臉部中選擇目標臉部；
比對模組708，基於選擇的所述目標臉部進行臉部識別比對。
總之，以上所述僅為本說明書的較佳實施例而已，並非用於限定本說明書的保護範圍。凡在本說明書的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本說明書的保護範圍之內。
上述實施例闡明的系統、裝置、模組或單元，具體可以由電腦晶片或實體實現，或者由具有某種功能的產品來實現。一種典型的實現設備為電腦。具體的，電腦例如可以為個人電腦、膝上型電腦、行動電話、相機電話、智慧型電話、個人數位助理、媒體播放機、導航設備、電子郵件設備、遊戲控制台、平板電腦、可穿戴設備或者這些設備中的任何設備的組合。
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)、電可抹除可編程唯讀記憶體(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)，如調變的資料信號和載波。
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，並不排除在包括所述要素的過程、方法、商品或者設備中還存在另外的相同要素。
本說明書中的各個實施例均採用遞進的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對於系統實施例而言，由於其基本相似於方法實施例，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。
S102~S106:方法步驟
S202a~S206a:方法步驟
S202b~S208b:方法步驟
S302~S314:方法步驟
S402~S408:方法步驟
600:從多個臉部中選擇目標臉部的裝置
602:獲取模組
604:確定模組
606:選擇模組
700:臉部識別比對裝置
702:獲取模組
704:確定模組
706:選擇模組
708:比對模組
為了更清楚地說明本說明書實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的圖式作簡單地介紹，顯而易見地，下面描述中的圖式僅僅是本說明書中記載的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些圖式獲得其他的圖式。
圖1a是本說明書的一個實施例提供的從多個臉部中選擇目標臉部的方法步驟示意圖。
圖1b是本說明書的一個實施例提供的包含臉部與攝影機的三維示意圖。
圖2a是本說明書的一個實施例提供的選擇方式二的步驟示意圖。
圖2b是本說明書的一個實施例提供的選擇方式三的步驟示意圖。
圖3是本說明書的一個實施例提供支付場景下選擇目標臉部的方法步驟示意圖。
圖4是本說明書的一個實施例提供的臉部識別比對方法的步驟示意圖。
圖5是本說明書的一個實施例提供的電子設備的結構示意圖。
圖6是本說明書的一個實施例提供的從多個臉部中選擇目標臉部的裝置的結構示意圖。
圖7是本說明書的一個實施例提供的臉部識別比對裝置的結構示意圖。
Claims (15)
- 一種從多個臉部中選擇目標臉部的方法，包括： 獲取攝影機採集區域中的圖像，該圖像中包含至少一個臉部區域； 基於該圖像確定至少一個臉部中的臉部與攝影機之間的空間距離； 基於該至少一個臉部中的臉部與攝影機之間的空間距離，從該至少一個臉部中選擇目標臉部。
- 如請求項1所述的方法，獲取攝影機採集區域中的圖像，包括： 基於深度學習的臉部檢測和關鍵點定位，確定攝影機採集區域中的圖像包含的多個臉部區域； 從該多個臉部區域中篩選出位於有效採集區域的至少一個臉部區域，該有效採集區域為原始解析度縮小為預定比例後採集的圖像在原始圖像中的對應的區域。
- 如請求項1所述的方法，該空間距離至少包括以下之一或任意組合： 臉部與攝影機的距離在坐標系的深度方向的投影所形成的深度維度距離，該深度方向為與攝影機成像區域垂直的方向； 臉部與攝影機的距離在坐標系的橫向方向的投影所形成的橫向維度距離，該橫向方向為攝影機成像區域中縱向中心線所在方向； 臉部與攝影機的距離在坐標系的縱向方向的投影所形成的縱向維度距離，該縱向方向為攝影機成像區域中橫向中心線所在方向。
- 如請求項3所述的方法，基於該圖像確定至少一個臉部中的臉部與攝影機之間的空間距離，包括如下情況之一或任意組合： 當該空間距離包括深度維度距離時，基於該圖像中的臉部包含的像素點位置，採用攝影機對齊技術，分別計算像素點與攝影機之間的深度維度距離； 將臉部中的像素點與攝影機之間的深度維度距離取平均，確定為臉部與攝影機之間的深度維度距離； 當該空間距離包括橫向維度距離時，基於該圖像中的臉部包含的像素點位置，分別計算像素點與攝影機之間的橫向維度距離； 將臉部中的像素點與攝影機之間的橫向維度距離取平均，確定為臉部與攝影機之間的橫向維度距離； 當該空間距離包括縱向維度距離時，基於該圖像中的臉部包含的像素點位置，分別計算像素點與攝影機之間的縱向維度距離； 將臉部中的像素點與攝影機之間的縱向維度距離取平均，確定為臉部與攝影機之間的縱向維度距離。
- 如請求項1-4任一項所述的方法，基於該至少一個臉部中的臉部與攝影機之間的空間距離，從該至少一個臉部中選擇目標臉部，包括： 基於空間距離對該至少一個臉部進行排序，從該至少一個臉部中選擇空間距離最小的臉部作為目標臉部。
- 如請求項1-4任一項所述的方法，該空間距離包括第一維度距離和第二維度距離； 基於該至少一個臉部中的臉部與攝影機之間的空間距離，從該至少一個臉部中選擇目標臉部，包括： 基於該至少一個臉部中的臉部與攝影機之間的第一維度距離，從該至少一個臉部中選擇第一維度距離最小以及次小的臉部作為兩個候選臉部； 如果該兩個候選臉部的第一維度距離之差的絕對值大於第一閾值，則從該兩個候選臉部中選擇第一維度距離最小的臉部作為目標臉部； 否則，基於第二維度距離從該兩個候選臉部中選擇第二維度距離最小的臉部作為目標臉部。
- 如請求項1-4任一項所述的方法，該空間距離包括第一維度距離、第二維度距離和第三維度距離； 基於該至少一個臉部中的臉部與攝影機之間的空間距離，從該至少一個臉部中選擇目標臉部，包括： 基於該至少一個臉部中的臉部與攝影機之間的第一維度距離，從該至少一個臉部中選擇第一維度距離小於第二閾值的至少兩個臉部； 基於臉部與攝影機之間的第二維度距離，從該至少兩個臉部中選擇第二維度距離最小以及次小的臉部作為兩個候選臉部； 如果該兩個候選臉部的第二維度距離之差大於第三閾值，則從該兩個候選臉部中選擇第二維度距離最小的臉部作為目標臉部； 否則，基於第三維度距離從該兩個候選臉部中選擇第三維度距離最小的臉部作為目標臉部。
- 如請求項1-4任一項所述的方法，該臉部包括可識別的人臉或可識別的動物臉中的至少一種。
- 一種臉部識別比對方法，該方法包括： 獲取攝影機採集區域中的圖像，該圖像中包含至少一個臉部區域； 基於該圖像確定至少一個臉部中的臉部與攝影機之間的空間距離； 基於該至少一個臉部中的臉部與攝影機之間的空間距離，從該至少一個臉部中選擇目標臉部； 基於選擇的該目標臉部進行臉部識別比對。
- 一種從多個臉部中選擇目標臉部的裝置，包括： 獲取模組，獲取攝影機採集區域中的圖像，該圖像中包含至少一個臉部區域； 確定模組，基於該圖像確定至少一個臉部中的臉部與攝影機之間的空間距離； 選擇模組，基於該至少一個臉部中的臉部與攝影機之間的空間距離，從該至少一個臉部中選擇目標臉部。
- 一種臉部識別比對裝置，包括： 獲取模組，獲取攝影機採集區域中的圖像，該圖像中包含至少一個臉部區域； 確定模組，基於該圖像確定至少一個臉部中的臉部與攝影機之間的空間距離； 選擇模組，基於該至少一個臉部中的臉部與攝影機之間的空間距離，從該至少一個臉部中選擇目標臉部； 比對模組，基於選擇的該目標臉部進行臉部識別比對。
- 一種電子設備，包括： 處理器；以及 被安排成儲存電腦可執行指令的記憶體，該可執行指令在被執行時使該處理器執行以下操作： 獲取攝影機採集區域中的圖像，該圖像中包含至少一個臉部區域； 基於該圖像確定至少一個臉部中的臉部與攝影機之間的空間距離； 基於該至少一個臉部中的臉部與攝影機之間的空間距離，從該至少一個臉部中選擇目標臉部。
- 一種電子設備，包括： 處理器；以及 被安排成儲存電腦可執行指令的記憶體，該可執行指令在被執行時使該處理器執行以下操作： 獲取攝影機採集區域中的圖像，該圖像中包含至少一個臉部區域； 基於該圖像確定至少一個臉部中的臉部與攝影機之間的空間距離； 基於該至少一個臉部中的臉部與攝影機之間的空間距離，從該至少一個臉部中選擇目標臉部； 基於選擇的該目標臉部進行臉部識別比對。
- 一種電腦可讀儲存媒體，該電腦可讀儲存媒體儲存一個或多個程式，該一個或多個程式當被包括多個應用程式的電子設備執行時，使得該電子設備執行以下操作： 獲取攝影機採集區域中的圖像，該圖像中包含至少一個臉部區域； 基於該圖像確定至少一個臉部中的臉部與攝影機之間的空間距離； 基於該至少一個臉部中的臉部與攝影機之間的空間距離，從該至少一個臉部中選擇目標臉部。
- 一種電腦可讀儲存媒體，該電腦可讀儲存媒體儲存一個或多個程式，該一個或多個程式當被包括多個應用程式的電子設備執行時，使得該電子設備執行以下操作： 獲取攝影機採集區域中的圖像，該圖像中包含至少一個臉部區域； 基於該圖像確定至少一個臉部中的臉部與攝影機之間的空間距離； 基於該至少一個臉部中的臉部與攝影機之間的空間距離，從該至少一個臉部中選擇目標臉部； 基於選擇的該目標臉部進行臉部識別比對。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811474564.3A CN110008802B (zh) | 2018-12-04 | 2018-12-04 | 从多个脸部中选择目标脸部及脸部识别比对方法、装置 |
| CN201811474564.3 | 2018-12-04 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202022697A true TW202022697A (zh) | 2020-06-16 |
| TWI738026B TWI738026B (zh) | 2021-09-01 |
Family
ID=67165037
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW108125040A TWI738026B (zh) | 2018-12-04 | 2019-07-16 | 從多個臉部中選擇目標臉部及臉部識別比對方法、裝置 |
Country Status (4)
| Country | Link |
|---|---|
| US (2) | US10803295B2 (zh) |
| CN (1) | CN110008802B (zh) |
| TW (1) | TWI738026B (zh) |
| WO (1) | WO2020117851A2 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110008802B (zh) * | 2018-12-04 | 2023-08-29 | 创新先进技术有限公司 | 从多个脸部中选择目标脸部及脸部识别比对方法、装置 |
| CN111935389B (zh) * | 2019-12-30 | 2021-11-19 | 苏州臻迪智能科技有限公司 | 拍摄对象切换方法、装置、拍摄设备及可读存储介质 |
| CN112560775A (zh) * | 2020-12-25 | 2021-03-26 | 深圳市商汤科技有限公司 | 一种开关控制方法、装置、计算机设备及存储介质 |
Family Cites Families (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6262908U (zh) * | 1985-10-09 | 1987-04-18 | ||
| WO1997021188A1 (en) | 1995-12-04 | 1997-06-12 | David Sarnoff Research Center, Inc. | Wide field of view/narrow field of view recognition system and method |
| US7130446B2 (en) | 2001-12-03 | 2006-10-31 | Microsoft Corporation | Automatic detection and tracking of multiple individuals using multiple cues |
| JP2005164434A (ja) | 2003-12-03 | 2005-06-23 | Fukuoka Institute Of Technology | 非接触三次元計測方法および装置 |
| WO2006011593A1 (ja) | 2004-07-30 | 2006-02-02 | Matsushita Electric Works, Ltd. | 個体検出器及び共入り検出装置 |
| US7554575B2 (en) | 2005-10-28 | 2009-06-30 | Seiko Epson Corporation | Fast imaging system calibration |
| TWI318108B (en) * | 2005-11-30 | 2009-12-11 | Univ Nat Kaohsiung Applied Sci | A real-time face detection under complex backgrounds |
| US7804983B2 (en) | 2006-02-24 | 2010-09-28 | Fotonation Vision Limited | Digital image acquisition control and correction method and apparatus |
| JP4886850B2 (ja) | 2007-06-28 | 2012-02-29 | パナソニック株式会社 | 画像処理装置、画像処理方法、プログラム |
| JP4756660B2 (ja) | 2008-03-14 | 2011-08-24 | 株式会社ソニー・コンピュータエンタテインメント | 画像処理装置および画像処理方法 |
| TW201123034A (en) * | 2009-12-24 | 2011-07-01 | Hon Hai Prec Ind Co Ltd | Face recognizing system, method, and identity recognizing apparatus with the face recognizing system |
| US8406510B2 (en) | 2010-03-10 | 2013-03-26 | Industrial Technology Research Institute | Methods for evaluating distances in a scene and apparatus and machine readable medium using the same |
| US20120200673A1 (en) | 2010-06-15 | 2012-08-09 | Junichi Tagawa | Imaging apparatus and imaging method |
| US8532390B2 (en) | 2010-07-28 | 2013-09-10 | International Business Machines Corporation | Semantic parsing of objects in video |
| US9485495B2 (en) | 2010-08-09 | 2016-11-01 | Qualcomm Incorporated | Autofocus for stereo images |
| CN101916370B (zh) | 2010-08-31 | 2012-04-25 | 上海交通大学 | 人脸检测中非特征区域图像处理的方法 |
| WO2012144145A1 (ja) * | 2011-04-22 | 2012-10-26 | パナソニック株式会社 | ポインティング制御装置とその集積回路、およびポインティング制御方法 |
| US8340456B1 (en) | 2011-10-13 | 2012-12-25 | General Electric Company | System and method for depth from defocus imaging |
| US8396265B1 (en) | 2012-06-26 | 2013-03-12 | Google Inc. | Facial recognition |
| CN104781762A (zh) * | 2012-11-06 | 2015-07-15 | 索尼电脑娱乐公司 | 信息处理装置 |
| JP2014106732A (ja) * | 2012-11-27 | 2014-06-09 | Sony Computer Entertainment Inc | 情報処理装置および情報処理方法 |
| CN108107571B (zh) | 2013-10-30 | 2021-06-01 | 株式会社摩如富 | 图像处理装置及方法及非暂时性计算机可读记录介质 |
| JP2015162080A (ja) * | 2014-02-27 | 2015-09-07 | 沖電気工業株式会社 | 収集画像管理システム |
| US9727776B2 (en) * | 2014-05-27 | 2017-08-08 | Microsoft Technology Licensing, Llc | Object orientation estimation |
| US10372973B2 (en) * | 2014-06-23 | 2019-08-06 | British Telecommunications Public Limited Company | Biometric identification |
| CN106156696B (zh) * | 2015-03-30 | 2020-03-24 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
| US20180098727A1 (en) * | 2015-12-30 | 2018-04-12 | James G. Spahn | System, apparatus and method for assessing wound and tissue conditions |
| US10262222B2 (en) * | 2016-04-13 | 2019-04-16 | Sick Inc. | Method and system for measuring dimensions of a target object |
| CN107562180A (zh) * | 2016-06-30 | 2018-01-09 | 华为终端（东莞）有限公司 | 一种信息显示方法及终端 |
| KR102488563B1 (ko) * | 2016-07-29 | 2023-01-17 | 삼성전자주식회사 | 차등적 뷰티효과 처리 장치 및 방법 |
| JP7033865B2 (ja) * | 2017-08-10 | 2022-03-11 | キヤノン株式会社 | 画像生成装置、画像生成方法、及びプログラム |
| CN107590469A (zh) * | 2017-09-18 | 2018-01-16 | 维沃移动通信有限公司 | 一种人脸检测方法及移动终端 |
| CN108399665A (zh) * | 2018-01-03 | 2018-08-14 | 平安科技（深圳）有限公司 | 基于人脸识别的安全监控方法、装置及存储介质 |
| CN108388878A (zh) * | 2018-03-15 | 2018-08-10 | 百度在线网络技术（北京）有限公司 | 用于识别人脸的方法和装置 |
| KR102522415B1 (ko) * | 2018-05-15 | 2023-04-17 | 삼성전자주식회사 | 전자 장치의 객체 인증 장치 및 방법 |
| CN110008802B (zh) * | 2018-12-04 | 2023-08-29 | 创新先进技术有限公司 | 从多个脸部中选择目标脸部及脸部识别比对方法、装置 |
-
2018
- 2018-12-04 CN CN201811474564.3A patent/CN110008802B/zh active Active
-
2019
- 2019-07-16 TW TW108125040A patent/TWI738026B/zh active
- 2019-12-03 US US16/702,334 patent/US10803295B2/en active Active
- 2019-12-03 WO PCT/US2019/064302 patent/WO2020117851A2/en active Application Filing
-
2020
- 2020-10-12 US US17/068,586 patent/US11036967B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US10803295B2 (en) | 2020-10-13 |
| US20210027045A1 (en) | 2021-01-28 |
| WO2020117851A3 (en) | 2020-07-23 |
| CN110008802A (zh) | 2019-07-12 |
| TWI738026B (zh) | 2021-09-01 |
| US11036967B2 (en) | 2021-06-15 |
| WO2020117851A2 (en) | 2020-06-11 |
| CN110008802B (zh) | 2023-08-29 |
| US20200175257A1 (en) | 2020-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI716008B (zh) | 人臉識別方法及裝置 | |
| TWI738026B (zh) | 從多個臉部中選擇目標臉部及臉部識別比對方法、裝置 | |
| CN109086734B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
| TW202011733A (zh) | 對影像進行目標取樣的方法及裝置 | |
| US10719740B2 (en) | Method and a system for identifying reflective surfaces in a scene | |
| CN111461092B (zh) | 一种刷脸测温及核身的方法、装置和设备 | |
| US20200005478A1 (en) | Measuring Method and Apparatus for Damaged Part of Vehicle | |
| TW201915816A (zh) | 二維碼定位方法及裝置 | |
| US20210350115A1 (en) | Methods and apparatus for identifying surface features in three-dimensional images | |
| CN113092079B (zh) | 清晰度检测标板和方法及其系统、电子设备以及检测平台 | |
| JP6221283B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
| Song et al. | Automatic calibration method based on improved camera calibration template | |
| US9842402B1 (en) | Detecting foreground regions in panoramic video frames | |
| US9824455B1 (en) | Detecting foreground regions in video frames | |
| KR20220018396A (ko) | 객체를 연관시키는 방법 및 장치, 시스템, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
| JP2021140459A (ja) | 画像処理システム | |
| CN109118506A (zh) | 一种确定人眼图像中瞳孔图像边缘点的方法及装置 | |
| US11954924B2 (en) | System and method for determining information about objects using multiple sensors | |
| WO2023109960A1 (zh) | 三维扫描的处理方法、装置和三维扫描设备 | |
| CN117095342B (zh) | 跌落区域检测方法、装置、计算机设备和存储介质 | |
| US20220414916A1 (en) | Systems and methods for assigning a symbol to an object | |
| WO2023179523A1 (zh) | 一种定位方法、装置及电子设备 | |
| CN117994844A (zh) | 一种基于双目视觉的行人身高检测方法及装置 | |
| CN111288958A (zh) | 确定交互目标与机器人之间距离的方法、装置及电子设备 | |
| AU2021240270A1 (en) | Data processing methods, apparatuses and systems, media and computer devices |