TWI789128B - 人臉識別方法、裝置、設備及存儲介質 - Google Patents
人臉識別方法、裝置、設備及存儲介質 Download PDFInfo
- Publication number
- TWI789128B TWI789128B TW110143405A TW110143405A TWI789128B TW I789128 B TWI789128 B TW I789128B TW 110143405 A TW110143405 A TW 110143405A TW 110143405 A TW110143405 A TW 110143405A TW I789128 B TWI789128 B TW I789128B
- Authority
- TW
- Taiwan
- Prior art keywords
- face
- predetermined
- face image
- matching degree
- recognition
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
- Chair Legs, Seat Parts, And Backrests (AREA)
- Controlling Rewinding, Feeding, Winding, Or Abnormalities Of Webs (AREA)
- Telephone Function (AREA)
Abstract
本發明公開了一種人臉識別方法、裝置、設備及存儲介質,人臉識別方法包括:獲取目標識別物件的第一人臉圖像;根據第一人臉圖像以及第一人臉庫中各個預定物件的人臉圖像,確定目標識別物件與各個預定物件的人臉匹配度;在人臉匹配度滿足第一預定條件的情況下,從人臉匹配度序列中獲取前M個人臉匹配度;第一預定條件包括以下至少一項:目標識別物件與多個預定物件的人臉匹配度大於第一預定閾值,最大的人臉匹配度與第一預定閾值的差值小於預定數值;計算M個人臉匹配度中的每相鄰兩個人臉匹配度的差值,得到M-1個差值;根據M-1個差值,在多個預定物件中確定與目標識別物件的人臉匹配的第一對象。本發明公開的人臉識別方法,能夠減少誤識別的風險。
Description
本發明屬於電腦技術領域,尤其涉及一種人臉識別方法、裝置、設備及存儲介質。
人臉識別是人工智慧視覺領域的熱點研究和應用方向,該技術現已被廣泛應用於商業客流分析、安防監控、手機應用、機構資訊驗證比對等場景。
相關技術中的人臉識別方案是將現場採集的人臉圖像與人臉庫中的各個人臉圖像進行相似度計算,在現場採集的人臉圖像與人臉庫中的某個人臉圖像的相似度大於預定閾值的情況下,則認為兩者匹配,否則,認為兩者不匹配。
但是,上述人臉識別的方案較為簡單,出現誤識別的風險比較高。
本發明實施例提供一種人臉識別方法、裝置、設備及存儲介質,能夠解決在人臉識別時出現誤識別的風險比較高的技術問題。
第一方面,本發明實施例提供一種人臉識別方法,包括:
獲取目標識別物件的第一人臉圖像;
根據所述第一人臉圖像以及第一人臉庫中各個預定物件的人臉圖像,確定所述目標識別物件與各個所述預定物件的人臉匹配度;
在所述人臉匹配度滿足第一預定條件的情況下,從人臉匹配度序列中獲取前M個人臉匹配度,所述人臉匹配度序列為所述目標識別物件與各個所述預定物件的人臉匹配度按照從大到小的順序排列得到的序列;M為大於1的整數,所述第一預定條件包括以下至少一項:所述目標識別物件與多個所述預定物件的人臉匹配度大於第一預定閾值,最大的所述人臉匹配度與所述第一預定閾值的差值小於預定數值;
計算M個所述人臉匹配度中的每相鄰兩個所述人臉匹配度的差值,得到M-1個差值;
根據所述M-1個差值,在多個所述預定物件中確定與所述目標識別物件的人臉匹配的第一對象。
第二方面,本發明實施例提供了一種人臉識別裝置,包括:
第一獲取模組,用於獲取目標識別物件的第一人臉圖像;
第一確定模組,用於根據所述第一人臉圖像以及第一人臉庫中各個預定物件的人臉圖像,確定所述目標識別物件與各個所述預定物件的人臉匹配度;
第二獲取模組,用於在所述人臉匹配度滿足第一預定條件的情況下,從人臉匹配度序列中獲取前M個人臉匹配度,所述人臉匹配度序列為所述目標識別物件與各個所述預定物件的人臉匹配度按照從大到小的順序排列得到的序列;M為大於1的整數,所述第一預定條件包括以下至少一項:所述目標識別物件與多個所述預定物件的人臉匹配度大於第一預定閾值,最大的所述人臉匹配度與所述第一預定閾值的差值小於預定數值;
第一計算模組,用於計算M個所述人臉匹配度中的每相鄰兩個所述人臉匹配度的差值,得到M-1個差值;
第二確定模組,用於根據所述M-1個差值,在多個所述預定物件中確定與所述目標識別物件的人臉匹配的第一對象。
第三方面,本發明實施例提供了一種人臉識別設備,所述設備包括:處理器以及存儲有電腦程式指令的記憶體,所述處理器執行所述電腦程式指令時實現第一方面的人臉識別方法。
第四方面,本發明實施例提供了一種電腦存儲介質,所述電腦存儲介質上存儲有電腦程式指令,所述電腦程式指令被處理器執行時實現第一方面的人臉識別方法。
本發明實施例的人臉識別方法、裝置、設備及存儲介質,在確定目標識別物件與人臉庫中各個預定物件的人臉匹配度之後,如果出現目標識別物件與多個預定物件的人臉匹配度大於第一預定閾值,則說明有多個預定物件與目標識別物件的人臉匹配度較高。還有如果出現最大的人臉匹配度與第一預定閾值的差值小於預定數值,則說明最大的人臉匹配度與第一預定閾值比較接近。在上述情況中,容易出現誤識別的風險。因此,獲取較大的M個人臉匹配度,然後,計算M個人臉匹配度中的每相鄰兩個人臉匹配度的差值,得到M-1個差值;根據M-1個差值,在多個預定物件中確定與目標識別物件的人臉匹配
的第一對象。由於並非僅判斷最大的人臉匹配度是否大於閾值來進行人臉識別,而是在人臉識別過程中考慮了更多的因素,使得人臉識別的結果更加準確,減少誤識別的風險。
1,2,3,4:人臉圖像
100:臉識別方法
200:人臉識別裝置
202:第一獲取模組
204:第一確定模組
206:第二獲取模組
208:第一計算模組
210:第二確定模組
3D_OKR:第二參數值
301:處理器
302:記憶體
303:通信介面
310:匯流排
S102,S104,S1042,S1044,S106,S108,S110,S112,S114,S116,S118,S120,S122:步驟
POSITIVE_MAX_3DOKR:第二次數閾值
Y1:人臉匹配度
為了更清楚地說明本發明實施例的技術方案,下面將對本發明實施例中所需要使用的圖式作簡單地介紹,顯而易見地,下面所描述的圖式僅僅是本發明的一些實施例,對於本領域普通技術人員來講,在不付出創造性勞動的前提下,還可以根據這些圖式獲得其他的圖式。
圖1是本發明提供的一種人臉識別方法的一個實施例的流程示意圖。
圖2是本發明提供的一種人臉識別方法的另一個實施例的流程示意圖。
圖3是本發明提供的一種人臉識別方法的又一個實施例的流程示意圖。
圖4是本發明提供的一種人臉識別方法的再一個實施例的流程示意圖。
圖5是本發明提供的一種人臉識別裝置的一個實施例的結構示意圖。
圖6示出了本發明提供的人臉識別設備的一個實施例的硬體結構示意圖。
下面將詳細描述本發明的各個方面的特徵和示例性實施例,為了使本發明的目的、技術方案及優點更加清楚明白,以下結合圖式及具體實施例,對本發明進行進一步詳細描述。應理解,此處所描述的具體實施例僅意在解釋本發明,而不是限定本發明。對於本領域技術人員來說,本發明可以在不需要這些具體細節中的一些細節的情況下實施。下面對實施例的描述僅僅是為了通過示出本發明的示例來提供對本發明更好的理解。
需要說明的是,在本文中,諸如第一和第二等之類的關係術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來,而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且,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、物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、物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......”限定的要素,並不排除在包括要素的過程、方法、物品或者設備中還存在另外的相同要素。
隨著人臉識別技術的發展,人臉識別已經廣泛應用於各個領域。
在人臉識別過程中,人臉識別請求先通過人臉路由閘道,送至生物特徵識別相關平臺,然後由生物特徵識別相關平臺進行人臉識別。在人臉識別過程中,高效、準確的識別服務越來越重要。
在相關技術中,人臉庫中預先存儲各個預定物件的人臉圖像,在對目標識別物件進行人臉識別時,先採集目標識別物件的人臉圖像,然後,根據採集的人臉圖像和人臉庫中各個預定物件的人臉圖像,計算目標識別物件與各個預定物件的人臉匹配度。如果有一個人臉匹配度大於一定閾值,則認為兩者匹配,否則,認為兩者不匹配。
不同識別策略可能基於上述過程進行不同的優化,如在人臉庫中進行人臉檢索,人臉庫中有且僅有一個預定人臉與目標識別物件的人臉匹配度超過閾值,才認為不會發生風險,作為明確的識別匹配結果。
但是,在人臉庫中的人臉圖像數量較大的情況下,容易發生誤識風險,即可能存在多個人臉匹配度均大於閾值,或者大於閾值的人臉匹配度與該閾值比較接近。在這些情況下,很容易出現誤識別,導致出現人臉誤識別的風險比較高。
為了解決人臉誤識別的風險比較高的技術問題,本發明提供一種人臉識別方法,人臉識別方法可以應用於人臉識別設備。人臉識別設備可以是移動電子設備,也可以為非移動電子設備。示例性的,移動電子設備可以為手機、平板電腦、筆記型電腦、掌上型電腦、車載電子設備、可穿戴設備、超級移動個人電腦(Ultra-Mobile Personal Computer,UMPC)、小筆電或者個人數位助理(Personal Digital Assistant,PDA)等,非移動電子設備可以為伺服器、網路附接儲存器(Network Attached Storage,NAS)、個人電腦(Personal Computer,PC)、電視機(Television,TV)、櫃員機或者自助機等,本發明實施例不作具體限定。
在人臉識別方法中,先獲取目標識別物件的第一人臉圖像;根據第一人臉圖像以及第一人臉庫中各個預定物件的人臉圖像,確定目標識別物件與各個預定物件的人臉匹配度。
在確定目標識別物件與第一人臉庫中各個預定物件的人臉匹配度之後,如果出現目標識別物件與多個預定物件的人臉匹配度均大於第一預定閾值,則說明有多個預定物件與目標識別物件的人臉匹配度較高。還有如果出現最大的人臉匹配度與第一預定閾值的差值小於預定數值,則說明最大的人臉匹
配度與第一預定閾值較為接近。對於上述情況,很容易出現誤識別的風險。
因此,獲取較大的M個人臉匹配度,然後,計算M個人臉匹配度中的每相鄰兩個人臉匹配度的差值,得到M-1個差值;根據M-1個差值,在多個預定物件中確定與目標識別物件的人臉匹配的第一對象。由於並非僅判斷最大的人臉匹配度是否大於閾值來進行人臉識別,而是在人臉識別過程中考慮了更多的因素,如此,可以使得人臉識別的結果更加準確,減少誤識別的風險。
下面結合圖式說明本發明提供的人臉識別方法。圖1是本發明提供的一種人臉識別方法的一個實施例的流程示意圖。
如圖1所示,人臉識別方法100包括:
S102,獲取目標識別物件的第一人臉圖像。
在S102中,可以接收來自電子設備發送的第一人臉圖像。比如,在使用者使用電子設備進行支付時,電子設備對使用者的人臉進行採集,得到第一人臉圖像,並將第一人臉圖像發送至人臉識別設備。人臉識別設備接收電子設備發送的第一人臉圖像。
人臉識別方法100還包括:
S104,根據第一人臉圖像以及第一人臉庫中各個預定物件的人臉圖像,確定目標識別物件與各個預定物件的人臉匹配度。
在S104中,可以計算第一人臉圖像與第一人臉庫中各個預定物件的人臉圖像之間的相似度,根據相似度確定目標識別物件與各個預定物件的人臉匹配度。
人臉識別方法100還包括:
S106,在人臉匹配度滿足第一預定條件的情況下,從人臉匹配度序列中獲取前M個人臉匹配度,人臉匹配度序列為目標識別物件與各個預定物件的人臉匹配度按照從大到小的順序排列得到的序列;M為大於1的整數,第一預定條件包括以下至少一項:目標識別物件與多個預定物件的人臉匹配度大於第一預定閾值,最大的人臉匹配度與第一預定閾值的差值小於預定數值。
在S106中,在目標識別物件與多個預定物件的人臉匹配度大於第一預定閾值的情況下,說明有多個預定物件與目標識別物件的人臉匹配度較高,也就是說有多個預定物件的人臉與目標識別物件的人臉比較相似。在此情況下,比較容易出現誤識別的風險。
還有如果出現最大的人臉匹配度與第一預定閾值的差值小於預定
數值,說明最大的人臉匹配度與第一預定閾值相差比較小,比如,最大的人臉匹配度在第一預定閾值的上下0.5的範圍內波動。出現這種情況有可能是受環境和採集人臉圖像的角度的影響,導致目標識別物件與各個預定物件的人臉匹配度都不是很高,在此情況下,也容易出現誤識別的風險。
針對上述情況,首先,將計算得到的人臉匹配度按照從大到小的順序,得到人臉匹配度序列,然後,從人臉匹配度序列中獲取前M個人臉匹配度。
人臉識別方法100還包括:
S108,計算M個人臉匹配度中的每相鄰兩個人臉匹配度的差值,得到M-1個差值;
S110,根據M-1個差值,在多個預定物件中確定與目標識別物件的人臉匹配的第一對象。
在本發明實施例中,由於並非僅判斷最大的人臉匹配度是否大於閾值來進行人臉識別,而是在人臉識別過程中考慮了更多的因素,如此,可以使得人臉識別的結果更加準確,減少誤識別的風險。
需要說明的是,人臉識別方法可以應用於支付場景、安防監控、考勤打卡等多種場景中,在此並不限定。
下面以支付場景為例說明本發明提供的人臉識別方法。
在利用電子設備進行支付的過程中,電子設備先採集目標識別物件的第一人臉圖像,並將第一人臉圖像發送至支付伺服器(即人臉識別設備)。
支付伺服器接收到第一人臉圖像之後,基於上述的人臉識別方法100,先根據第一人臉圖像以及第一人臉庫中各個預定物件的人臉圖像,確定目標識別物件與各個預定物件的人臉匹配度;再獲取前M個人臉匹配度;然後,計算每相鄰兩個人臉匹配度的差值,並在多個預定物件中確定與目標識別物件的人臉匹配的第一對象;最後,根據目標識別物件與第一物件人臉匹配成功的結果,執行支付流程,在執行完支付流程之後,將支付成功的結果返回至電子設備。
電子設備接收到支付伺服器發送的支付成功的結果之後,顯示支付成功的資訊。
還需要說明的是,在各個人臉匹配度中,有且僅有最大的人臉匹配度大於第一預定閾值,其他的人臉匹配度均在第一預定閾值之下,說明此次
識別結果比較可靠,可以直接確定最大的人臉匹配度對應的預定物件與目標識別物件的人臉匹配成功。
在本發明的一個或多個實施例中,S110可以包括:
在M-1個差值滿足第二預定條件的情況下,將最大的人臉匹配度對應的預定物件確定為第一物件,其中,第二預定條件包括:M-1個差值中的第一差值大於預定差值閾值,第一差值為最大的人臉匹配度與次最大的人臉匹配度之間的差值。
作為一個示例,可以根據人臉識別成功的多個正樣本確定預定差值閾值,其中,多個正樣本為人臉識別成功的多個人臉圖像樣本。
其中,根據人臉識別成功的多個正樣本確定預定差值閾值,具體可以包括:
對於每個人臉圖像樣本分別執行如下步驟:獲取人臉圖像樣本與第一人臉庫中預定對象的相似度;將各個相似度按照從大到小的順序排列;獲取排名第一的相似度以及排名第二的相似度;計算排名第一的相似度以及排名第二的相似度之間的相似度差值,如此,得到人臉圖像樣本對應的相似度差值;
在得到各個人臉圖像樣本分別對應的相似度差值之後,可以在這些相似度差值中,統計百分比最大的相似度差值,將百分比最大的相似度差值確定為預定差值閾值。比如,有80%的人臉圖像樣本對應的相似度差值為5分,則將5確定為預定差值閾值。
當然,確定預定差值閾值的方式並不限於上述方式,還可以在得到各個人臉圖像樣本分別對應的相似度差值之後,計算各個人臉圖像樣本分別對應的相似度差值的平均值,得到預定差值閾值。
由於對人臉匹配度進行分析得出:在人臉匹配成功的樣本中,最大的人臉匹配度(即第一個人臉匹配度)比次最大的人臉匹配度(即第二個人臉匹配度)要大很多。因此,在最大的人臉匹配度與次最大的人臉匹配度之間的差值大於預定差值閾值的情況下,可以認為本次人臉識別結果比較可信,並確定最大的人臉匹配度對應的預定物件與第一物件匹配。由此,優化了人臉識別方案,使得人臉識別的結果更加準確,減少誤識別的風險。
在本發明的一個或多個實施例中,第二預定條件還可以包括:第二差值不大於預定差值閾值,第二差值為M-1個差值中的除第一差值之外的差值。
在本發明實施例中,第二預定條件包括:第一差值大於預定差值閾值,其餘的第二差值不大於預定差值閾值,也就是說最大的人臉匹配度與次最大的人臉匹配度之間相差比較大,其餘的人臉匹配度相差比較小,即人臉匹配度序列整體呈現出“首部陡峭,後續平滑”的變化趨勢。在此情況下,認為本次識別結果可信。如此,可以進一步地保證人臉識別結果的準確性。
下面通過具體的示例說明本發明實施例。
在確定目標識別物件與各個預定物件的人臉匹配度之後,如果目標識別物件與多個預定物件的人臉匹配度均大於第一預定閾值,則從人臉匹配度序列中獲取前5個人臉匹配度,5個人臉匹配度按照從大到小的順序排列。
在5個人臉匹配度中,如果第一個人臉匹配度與第二個人臉匹配度的差值大於預定差值閾值,以及第二個人臉匹配度與第三個人臉匹配度的差值、第三個人臉匹配度與第四個人臉匹配度的差值、第四個人臉匹配度與第五個人臉匹配度的差值分別小於預定差值閾值,即5個人臉匹配度呈現出“首部陡峭,後續平滑”的變化趨勢,則認為本次識別結果可信,確定最大的人臉匹配度對應的預定物件與目標識別物件匹配,否則認為本次識別待定。
在確定目標識別物件與各個預定物件的人臉匹配度之後,如果最大的人臉匹配度與第一預定閾值的差值小於預定數值,則從人臉匹配度序列中獲取前兩個人臉匹配度,在這兩個人臉匹配度的差值大於預定差值閾值的情況下,則認為本次識別結果可信,確定最大的人臉匹配度對應的預定物件與目標識別物件匹配,否則認為本次識別待定。
對於本次識別待定的情況,可以配合業務進行不同的輔助業務手段,如要求用戶輸入額外的身份驗證資訊,身份驗證資訊包括以下至少一項:註冊手機號、身份證號等等。當然,對於本次識別待定的情況,也可直接拒絕,提示用戶本次無法識別。
在相關技術中,第一人臉庫中預先存儲有每個預定物件的一張人臉圖像,採用單張圖對比的方式計算目標識別物件與各個預定物件的人臉匹配度。具體地,將目標識別物件的人臉圖像與預定物件的人臉圖像的相似度,確定為人臉匹配度。
但是,由於受到拍攝環境和拍攝角度的影響,有時候目標識別物件的人臉圖像與預定物件的人臉圖像之間的一個相似度無法準確地確定兩者之間的人臉匹配度。如此,會導致人臉識別結果不夠準確。
為了解決由於無法準確地確定目標識別物件與預定物件的人臉匹配度,而導致的人臉識別結果不夠準確的技術問題,在本發明的一個或多個實施例中,第一人臉庫包括同一個預定物件的N個人臉圖像,N為大於1的整數。
其中,如圖2所示,S104可以包括:
S1042,對於第一人臉庫中同一個預定物件的N個人臉圖像,計算第一人臉圖像分別與N個人臉圖像中的每個人臉圖像的相似度,得到N個相似度;
S1044,根據N個相似度,確定目標識別物件與預定物件的人臉匹配度。
在S1042中,可以計算第一人臉圖像與N個人臉圖像中的每個人臉圖像的歐式距離,得到相似度;或者,計算第一人臉圖像與N個人臉圖像中的每個人臉圖像的餘弦距離,得到相似度。
在S1044中,S1044具體可以包括以下其中一項:
將N個相似度中的最大相似度確定為目標識別物件與預定物件的人臉匹配度;
在N個相似度中的第一相似度大於第一預定閾值的情況下,將第一相似度確定為目標識別物件與預定物件的人臉匹配度,第一相似度為第一人臉圖像與多個人臉圖像中的第二人臉圖像的相似度,第二人臉圖像為在進行人臉識別設置時採集的人臉圖像;
將N個相似度中的至少部分相似度的平均值確定為目標識別物件與預定物件的人臉匹配度,具體地,可以將N個相似度的平均值確定為目標識別物件與預定物件的人臉匹配度,或者,可以從N個相似度中獲取大於一定閾值的多個相似度,計算多個相似度的平均值,得到人臉匹配度;
根據N個相似度中各個相似度的權重值,對N個相似度進行加權計算,得到目標識別物件與預定物件的人臉匹配度。
下面對N個相似度進行加權計算進行示例性地說明。
作為一個示例,第一人臉庫中包括預定物件的N個人臉圖像,N個人臉圖中包括在進行人臉識別設置時採集的一個第二人臉圖像,以及在進行人臉識別的過程中添加的N-1個人臉圖像。
目標識別物件與預定物件的人臉匹配度為:P1×a1+P2×a2+......PN×aN,Pi表示第一人臉圖像與N個人臉圖像中的第i個人臉圖像的相似度。
由於在某種程度上,在進行人臉識別設置時採集的第二人臉圖像更具有說明意義,則在計算人臉匹配度時,第一人臉圖像與第二人臉圖像的相似度可以具有較大的權重值。
需要說明的是,在進行人臉識別設置時採集的第二人臉圖像的品質比較高,具體地,第二人臉圖像的人臉角度、人臉大小、人臉遮擋情況、閉眼情況、清晰程度、像素大小以及曝光參數在一定的參數範圍內。
在本發明實施例中,第一人臉庫中存儲有同一個預定物件的多個人臉圖像,計算第一人臉圖像與預定物件的每個人臉圖像的相似度,得到多個相似度,根據多個相似度,可以準確地確定目標識別物件與預定物件的人臉匹配度,從而可以更加準確地進行人臉識別。
在本發明的一個或多個實施例中,S110之後,人臉識別方法還可以包括:
在最大的人臉匹配度大於第二預定閾值的情況下,將第一人臉圖像作為第一物件的人臉圖像添加至第一人臉庫中,其中,第二預定閾值為大於第一預定閾值的數值。
作為一個示例,第一人臉圖像添加至第一人臉庫的條件不僅要滿足最大的人臉匹配度大於第二預定閾值,還可以滿足如下條件:第一人臉圖像的人臉角度、人臉大小、人臉遮擋情況、閉眼情況、清晰程度、像素大小以及曝光參數在一定的參數範圍內,以及在確定與目標識別物件匹配的物件之後,利用人臉識別進行的業務(比如支付業務)成功完成。
如此,可以使得第一人臉庫中包括同一預定物件的多個人臉圖像。
在本發明的一個或多個實施例中,將第一人臉圖像作為第一物件的人臉圖像添加至第一人臉庫中之後,人臉識別方法100還可以包括:
在第一人臉庫中第一物件的人臉圖像數量大於預定數量閾值的情況下,在第一人臉庫的第一物件的人臉圖像中,獲取第三人臉圖像,第三人臉圖像為除人臉識別設置時採集的人臉圖像之外的人臉圖像;
根據各個第三人臉圖像分別對應的人臉匹配度,刪除至少一個第
三人臉圖像中人臉匹配度最小的人臉圖像。
其中,第三人臉圖像對應的人臉匹配度為:對第三人臉圖像中的人臉進行識別時計算得到的第三人臉圖像中的物件與第一物件的人臉匹配度。
需要說明的是,在第一人臉庫中第一物件的人臉圖像數量不大於預定數量閾值的情況下,不需要刪除第一人臉庫中第一物件的人臉圖像。
下面對本發明實施例進行示例性說明。
假設第一人臉庫中具有第一物件的兩個人臉圖像,分別是人臉圖像1和人臉圖像2。其中,人臉圖像1是人臉識別設置時採集的人臉圖像,人臉圖像2是進行人臉識別的過程中添加至第一人臉庫中的人臉圖像。
在進行人臉識別時,根據目標識別物件的人臉圖像3和第一物件的兩個人臉圖像,確定目標識別物件與第一物件的人臉匹配度Y1,並確定目標識別物件與第一物件的人臉匹配。在此情況下,可以將人臉圖像3作為第一物件的人臉圖像添加至第一人臉庫中。如此,第一人臉庫中具有第一物件的三個人臉圖像。
在此之後進行人臉識別時,根據目標識別物件的人臉圖像4和第一物件的三個人臉圖像,確定目標識別物件與第一物件的人臉匹配度Y2,並確定目標識別物件與第一物件的人臉匹配。在此情況下,可以將將人臉圖像4作為第一物件的人臉圖像添加至第一人臉庫中。
由於此時第一人臉庫中第一物件的人臉圖像數量大於預定數量閾值3,因此,需要刪除第一物件的一個人臉圖像,使得第一人臉庫中第一物件的人臉圖像數量等於預定數量閾值3。具體地,先獲取第一人臉庫中第一對象的各個第三人臉圖像(即人臉圖像2至人臉圖像4)分別對應的人臉匹配度,其中,人臉圖像3對應的人臉匹配度為上述的Y1,人臉圖像4對應的人臉匹配度為上述的Y1。在人臉圖像2至人臉圖像4中,刪除人臉匹配度最小的人臉圖像。
如此,刪除第一人臉庫中品質不好的人臉圖像。而且,經過不斷向第一人臉庫中添加人臉圖像,以及不斷刪除臉庫中品質不好的人臉圖像,使得第一人臉庫中的人臉圖像不斷更新,並保存品質較好的人臉圖像。在利用更新後的第一人臉庫進行人臉識別時,可以保證人臉識別結果的準確性。
需要說明的是,人臉識別設置時採集的人臉圖像(比如上述示例中的人臉圖像1)不參與第一人臉庫的更新,而是在進行人臉識別時添加的人
臉圖像(比如上述示例中的人臉圖像2至人臉圖像4)參與第一人臉庫的更新。
在本發明的一個或多個實施例中,如圖3所示,S110之後,人臉識別方法100還可以包括:
S112,在第一人臉庫的第一物件的人臉圖像中,確定是否存在與第一人臉圖像的相似度小於第三預定閾值的第四人臉圖像,第三預定閾值為小於第一預定閾值的數值;
S114,在存在第四人臉圖像的情況下,將第四人臉圖像對應的第一參數值加1,第一參數值表示第四人臉圖像與至少一個目標識別物件的第一人臉圖像之間的不匹配次數;
S116,在第一參數值大於預定的第一次數閾值的情況下,將第四人臉圖像從第一人臉庫中刪除。
在本發明實施例中,如果目標識別物件與第一物件匹配,而目標識別物件的第一人臉圖像與第一人臉庫中第一物件的第四人臉圖像的相似度較小。在此情況下,將第四人臉圖像對應的第一參數值加1,也就是第四人臉圖像的不匹配次數加1。在第一參數值大於預定的第一次數閾值的情況下,說明可能是因為在人臉識別過程中由於個別角度等原因使得第四人臉圖像的人臉匹配度過高,而導致第四人臉圖像誤添加至第一人臉庫中。此時,可以將第四人臉圖像從第一人臉庫中刪除,如此可以刪除誤添加至第一人臉庫中的人臉圖像,從而不斷優化第一人臉庫。
在本發明的一個或多個實施例中,人臉識別方法100還可以包括:在M-1個差值不滿足第二預定條件的情況下,可以獲取目標識別物件輸人的身份驗證資訊(比如身份證號碼或者驗證碼),根據身份驗證資訊對目標識別物件進行識別。
在本發明的一個或多個實施例中,上述中的第一人臉圖像以及第一人臉庫中各個預定物件的人臉圖像可以均為二維的紅綠藍(Red Green Blue,RGB)人臉圖像。在根據二維的人臉圖像無法識別出與目標識別物件匹配的物件的情況下,由於三維人臉圖像中包含人臉各個部位的高度資訊,因此,可以根據包括三維人臉圖像的第二人臉庫進行識別。
具體地,可以預先構建第二人臉庫。其中,可以在用戶進行人臉識別設置時採集三維人臉圖像,以構建第二人臉庫。但是,電子設備的攝像頭硬體不同,如果電子設備的硬體不支援採集三維人臉圖像,則第二人臉庫中預
定物件的三維人臉圖像為空。如果電子設備採集到預定物件的三維人臉圖像,並且採集的三維人臉圖像符合品質要求,則將採集的三維人臉圖像保存至第二人臉庫中。
另外,在進行諸如刷臉支付、門禁等刷臉場景下,電子設備進行人臉識別時,需要進行活體檢測,往往都帶有特定的硬體攝像頭,可支援採集三維人臉圖像。在識別物件通過活體檢測,識別成功,以及完成業務(比如支付成功或者門禁開鎖)後,將採集到的三維人臉圖像添加至該識別物件的第二人臉庫中。
需要說明的是,第二人臉庫中的各個三維人臉圖像與第二參數值3D_OKR一一對應。三維人臉圖像對應的第二參數值3D_OKR表示利用該三維人臉圖像進行人臉識別成功的次數。三維人臉圖像對應的第二參數值3D_OKR的初始數值為0。
如果某個三維人臉圖像對應的第二參數值3D_OKR大於預定的第二次數閾值POSITIVE_MAX_3DOKR,說明利用該三維人臉圖像進行人臉識別成功的次數比較多,進而說明該三維人臉圖像是可信的。因此,如果根據該三維人臉圖像識別成功,則不需要再額外獲取目標識別物件輸入的身份驗證資訊來進行識別,而是可以使用該三維人臉圖像的識別結果。
其中,第二次數閾值POSITIVE_MAX_3DOKR取值為0時,表示省略獲取目標識別物件輸入的身份驗證資訊來進行識別的步驟,可以直接使用三維圖像輔助識別策略。
在構建完第二人臉庫之後,如果利用第一人臉庫進行識別時存在誤識別風險,則啟動三維圖像輔助識別策略。具體地,如圖4所示,在S110之後,人臉識別方法100還可以包括:
S118,在M-1個差值不滿足第二預定條件的情況下,獲取目標識別物件的第一三維人臉圖像;
S120,將第一三維人臉圖像與第二人臉庫中預定物件的三維人臉圖像進行匹配;
S122,在第一三維人臉圖像與第二人臉庫中第二對象的第二三維人臉圖像匹配成功,且第二三維人臉圖像對應的第二參數值大於預定的第二次數閾值的情況下,確定目標識別物件與第二物件的人臉匹配。
需要說明的是,第二物件和第一物件可以是同一個物件,也可以
是不同的物件。
在本發明實施例中,可以根據第二人臉庫中的三維人臉圖像輔助進行無感驗證,減少用戶的輸入和感知,提升用戶體驗。
在本發明的一個或多個實施例中,S110之後,人臉識別方法100還可以包括:
第二參數值3D_OKR不大於第二次數閾值POSITIVE_MAX_3DOKR的情況下,獲取目標識別物件的身份驗證資訊,身份驗證資訊是除人臉資訊之外的資訊;
利用身份驗證資訊進行身份識別,得到識別結果;
在利用身份驗證資訊的識別結果與利用第一三維人臉圖像的人臉識別結果一致的情況下,將第二參數值3D_OKR加1;
在利用第一三維人臉圖像的人臉識別結果與利用身份驗證資訊的識別結果不一致的情況下,將第二參數值3D_OKR減1。
其中,利用身份驗證資訊的識別結果與利用第一三維人臉圖像的人臉識別結果一致,具體可以包括:
身份驗證資訊與第二物件的預定身份資訊匹配成功,以及第一三維人臉圖像與第二人臉庫中第二對象的第二三維人臉圖像匹配成功;
或者,身份驗證資訊與第二物件的預定身份資訊不匹配,以及第一三維人臉圖像與第二人臉庫中第二對象的第二三維人臉圖像不匹配。
利用第一三維人臉圖像的人臉識別結果與利用身份驗證資訊的識別結果不一致,具體可以包括:
身份驗證資訊與第二物件的預定身份資訊不匹配,以及第一三維人臉圖像與第二人臉庫中第二對象的第二三維人臉圖像匹配成功;
或者,身份驗證資訊與第二物件的預定身份資訊匹配成功,以及第一三維人臉圖像與第二人臉庫中第二對象的第二三維人臉圖像不匹配。
在本發明的一個或多個實施例中,將第二參數值3D_OKR減1之後,人臉識別方法100還可以包括:
在減1之後的第二參數值3D_OKR小於預定的第三次數閾值NEGATIVE_MAX_3DOKR的情況下,說明利用第二三維人臉圖像進行人臉識別失敗的次數比較多,則刪除第二人臉庫中的第二三維人臉圖像。如此,不斷更新第二人臉庫,從而不斷提高第二人臉庫中的三維人臉圖像的品質,降低利
用第二人臉庫中的三維人臉圖像進行人臉識別的風險。
其中,第三次數閾值NEGATIVE_MAX_3DOKR小於第二次數閾值POSITIVE_MAX_3DOKR。
與本發明提供的人臉識別方法對應地,本發明還提供一種人臉識別裝置。圖5是本發明提供的一種人臉識別裝置的一個實施例的結構示意圖。如圖5所示,人臉識別裝置200包括:
第一獲取模組202,用於獲取目標識別物件的第一人臉圖像;
第一確定模組204,用於根據第一人臉圖像以及第一人臉庫中各個預定物件的人臉圖像,確定目標識別物件與各個預定物件的人臉匹配度;
第二獲取模組206,用於在人臉匹配度滿足第一預定條件的情況下,從人臉匹配度序列中獲取前M個人臉匹配度,人臉匹配度序列為目標識別物件與各個預定物件的人臉匹配度按照從大到小的順序排列得到的序列;M為大於1的整數,第一預定條件包括以下至少一項:目標識別物件與多個預定物件的人臉匹配度大於第一預定閾值,最大的人臉匹配度與第一預定閾值的差值小於預定數值;
第一計算模組208,用於計算M個人臉匹配度中的每相鄰兩個人臉匹配度的差值,得到M-1個差值;
第二確定模組210,用於根據M-1個差值,在多個預定物件中確定與目標識別物件的人臉匹配的第一對象。
在本發明實施例中,由於並非僅判斷最大的人臉匹配度是否大於閾值來進行人臉識別,而是在人臉識別過程中考慮了更多的因素,如此,可以使得人臉識別的結果更加準確,減少誤識別的風險。
在本發明的一個或多個實施例中,第二確定模組210具體可以用於:
在M-1個差值滿足第二預定條件的情況下,將最大的人臉匹配度對應的預定物件確定為第一物件,
其中,第二預定條件包括:M-1個差值中的第一差值大於預定差值閾值,第一差值為最大的人臉匹配度與次最大的人臉匹配度之間的差值。
由於對人臉匹配度進行分析得出:在人臉匹配成功的樣本中,最大的人臉匹配度(即第一個人臉匹配度)比次最大的人臉匹配度(即第二個人臉匹配度)要大很多。因此,在最大的人臉匹配度與次最大的人臉匹配度之間
的差值大於預定差值閾值的情況下,可以認為本次人臉識別結果比較可信,並確定最大的人臉匹配度對應的預定物件與第一物件匹配。由此,優化了人臉識別方案,使得人臉識別的結果更加準確,減少誤識別的風險。
在本發明的一個或多個實施例中,第二預定條件還包括:第二差值不大於預定差值閾值,第二差值為M-1個差值中的除第一差值之外的差值。
在本發明實施例中,第二預定條件包括:第一差值大於預定差值閾值,其餘的第二差值不大於預定差值閾值,也就是說最大的人臉匹配度與次最大的人臉匹配度之間相差比較大,其餘的人臉匹配度相差比較小,即人臉匹配度序列整體呈現出“首部陡峭,後續平滑”的變化趨勢。在此情況下,認為本次識別結果可信。如此,可以進一步地保證人臉識別結果的準確性。
在本發明的一個或多個實施例中,第一確定模組204可以包括:
第一計算單元,用於對於第一人臉庫中同一個預定物件的N個人臉圖像,計算第一人臉圖像分別與N個人臉圖像中的每個人臉圖像的相似度,得到N個相似度,N為大於1的整數;
第一確定單元,用於根據N個相似度,確定目標識別物件與預定物件的人臉匹配度。
在本發明實施例中,第一人臉庫中存儲有同一個預定物件的多個人臉圖像,計算第一人臉圖像與預定物件的每個人臉圖像的相似度,得到多個相似度,根據多個相似度,可以準確地確定目標識別物件與預定物件的人臉匹配度,從而可以更加準確地進行人臉識別。
在本發明的一個或多個實施例中,第一確定單元可以包括以下其中一項:
第一確定子單元,用於將N個相似度中的最大相似度確定為目標識別物件與預定物件的人臉匹配度;
第二確定子單元,用於在N個相似度中的第一相似度大於第一預定閾值的情況下,將第一相似度確定為目標識別物件與預定物件的人臉匹配度,第一相似度為第一人臉圖像與多個人臉圖像中的第二人臉圖像的相似度,第二人臉圖像為在進行人臉識別設置時採集的人臉圖像;
第三確定子單元,用於將N個相似度中的至少部分相似度的平均值確定為目標識別物件與預定物件的人臉匹配度;
第四確定子單元,用於根據N個相似度中各個相似度的權重值,
對N個相似度進行加權計算,得到目標識別物件與預定物件的人臉匹配度。
在本發明的一個或多個實施例中,人臉識別裝置200還可以包括:
添加模組,用於在最大的人臉匹配度大於第二預定閾值的情況下,將第一人臉圖像作為第一物件的人臉圖像添加至第一人臉庫中,其中,第二預定閾值為大於第一預定閾值的數值。
在本發明的一個或多個實施例中,人臉識別裝置200還可以包括:
第三獲取模組,用於在第一人臉庫中第一物件的人臉圖像數量大於預定數量閾值的情況下,在第一人臉庫的第一物件的人臉圖像中,獲取第三人臉圖像,第三人臉圖像為除人臉識別設置時採集的人臉圖像之外的人臉圖像;
第一刪除模組,用於根據各個第三人臉圖像分別對應的人臉匹配度,刪除至少一個第三人臉圖像中人臉匹配度最小的人臉圖像,
其中,第三人臉圖像對應的人臉匹配度為:對第三人臉圖像中的人臉進行識別時計算得到的第三人臉圖像中的物件與第一物件的人臉匹配度。
在本發明實施例中,可以刪除第一人臉庫中品質不好的人臉圖像,使得第一人臉庫中的人臉圖像不斷更新,並保存品質較好的人臉圖像。在利用更新後的第一人臉庫進行人臉識別時,可以保證人臉識別結果的準確性。
在本發明的一個或多個實施例中,人臉識別裝置200還可以包括:
第三確定模組,用於在第一人臉庫的第一物件的人臉圖像中,確定是否存在與第一人臉圖像的相似度小於第三預定閾值的第四人臉圖像,第三預定閾值為小於第一預定閾值的數值;
第二計算模組,用於在存在第四人臉圖像的情況下,將第四人臉圖像對應的第一參數值加1,第一參數值表示第四人臉圖像與至少一個目標識別物件的第一人臉圖像之間的不匹配次數;
第二刪除模組,用於在第一參數值大於預定的第一次數閾值的情況下,將第四人臉圖像從第一人臉庫中刪除。
在本發明實施例中,如果目標識別物件與第一物件匹配,而目標識別物件的第一人臉圖像與第一人臉庫中第一物件的第四人臉圖像的相似度較小。在此情況下,將第四人臉圖像對應的第一參數值加1,也就是第四人臉圖像的不匹配次數加1。在第一參數值大於預定的第一次數閾值的情況下,說明可能是因為在人臉識別過程中由於個別角度等原因使得第四人臉圖像的人臉匹配度過高,而導致第四人臉圖像誤添加至第一人臉庫中。此時,可以將第四人
臉圖像從第一人臉庫中刪除,如此可以刪除誤添加至第一人臉庫中的人臉圖像,從而不斷優化第一人臉庫。
在本發明的一個或多個實施例中,人臉識別裝置200還可以包括:
第四獲取模組,用於在M-1個差值不滿足第二預定條件的情況下,獲取目標識別物件的第一三維人臉圖像;
匹配模組,用於將第一三維人臉圖像與第二人臉庫中預定物件的三維人臉圖像進行匹配;
第四確定模組,用於在第一三維人臉圖像與第二人臉庫中第二對象的第二三維人臉圖像匹配成功,且第二三維人臉圖像對應的第二參數值大於預定的第二次數閾值的情況下,確定目標識別物件與第二物件的人臉匹配,
其中,第二參數值表示利用第二三維人臉圖像進行人臉識別成功的次數。
在本發明實施例中,可以根據第二人臉庫中的三維人臉圖像輔助進行無感驗證,減少用戶的輸入和感知,提升用戶體驗。
在本發明的一個或多個實施例中,人臉識別裝置200還可以包括:
第五獲取模組,用於在第二參數值不大於第二次數閾值的情況下,獲取目標識別物件的身份驗證資訊;
識別模組,用於利用身份驗證資訊進行身份識別,得到識別結果;
第三計算模組,用於在利用身份驗證資訊的識別結果與利用第一三維人臉圖像的人臉識別結果一致的情況下,將第二參數值加1;
第四計算模組,用於在利用第一三維人臉圖像的人臉識別結果與利用身份驗證資訊的識別結果不一致的情況下,將第二參數值減1。
在本發明的一個或多個實施例中,人臉識別裝置200還可以包括:
第三刪除模組,用於在減1之後的所述第二參數值小於預定的第三次數閾值的情況下,刪除所述第二人臉庫中的所述第二三維人臉圖像,所述第三次數閾值小於所述第二次數閾值。
如此,可以不斷更新第二人臉庫,從而不斷提高第二人臉庫中的
三維人臉圖像的品質,降低利用第二人臉庫中的三維人臉圖像進行人臉識別的風險。
本發明還提供一種人臉識別設備,人臉識別設備包括:處理器以及存儲有電腦程式指令的記憶體,處理器執行電腦程式指令時實現上述人臉識別方法的任意一項實施例的步驟。
圖6示出了本發明提供的人臉識別設備的一個實施例的硬體結構示意圖。
如圖6所示,人臉識別設備可以包括處理器301以及存儲有電腦程式指令的記憶體302。
具體地,上述處理器301可以包括中央處理器(CPU),或者特定應用積體電路(Application Specific Integrated Circuit,ASIC),或者可以被配置成實施本發明實施例的一個或多個積體電路。
記憶體302可以包括用於資料或指令的大量存放區。舉例來說而非限制,記憶體302可包括硬式磁碟機(Hard Disk Drive,HDD)、軟碟機、快閃記憶體、光碟、磁光碟、磁帶或通用序列匯流排(Universal Serial Bus,USB)驅動器或者兩個或更多個以上這些的組合。在合適的情況下,記憶體302可包括可移除或不可移除(或固定)的介質。在合適的情況下,記憶體302可在綜合閘道容災設備的內部或外部。在特定實施例中,記憶體302是非易失性固態記憶體。
記憶體可包括唯讀記憶體(Read-Only Memory,ROM),隨機存取記憶體(Random Access Memory,RAM),磁片存儲介質設備,光存儲介質設備,快閃記憶體設備,電氣、光學或其他物理/有形的記憶體存放裝置。因此,通常,記憶體包括一個或多個編碼有包括電腦可執行指令的軟體的有形(非暫態)電腦可讀存儲介質(例如,記憶體設備),並且當該軟體被執行(例如,由一個或多個處理器)時,其可操作來執行參考根據本公開的一方面的方法所描述的操作。
處理器301通過讀取並執行記憶體302中存儲的電腦程式指令,以實現上述實施例中的任意一種人臉識別方法。
在一個示例中,人臉識別設備還可包括通信介面303和匯流排310。其中,如圖6所示,處理器301、記憶體302、通信介面303通過匯流排310連接並完成相互間的通信。
通信介面303,主要用於實現本發明實施例中各模組、裝置、單元和/或設備之間的通信。
匯流排310包括硬體、軟體或兩者,將線上資料流量計費設備的部件彼此耦接在一起。舉例來說而非限制,匯流排可包括加速圖形埠(Accelerated Graphics Port,AGP)或其他圖形匯流排、增強工業標準架構(Enhanced Industry Standard Architecture,EISA)匯流排、前側匯流排(Front Side Bus,FSB)、超傳送標準(Hyper Transport,HT)互連、工業標準架構(Industry Standard Architecture,ISA)匯流排、無限頻寬互連、低引腳數(Low pin count,LPC)匯流排、記憶體匯流排、微通道架構(Micro Channel Architecture,MCA)匯流排、周邊組件連接(Peripheral Component Interconnect,PCI)匯流排、快速週邊組件互連(PCI-Express,PCI-E)匯流排、序列先進技術附件(Serial Advanced Technology Attachment,SATA)匯流排、視電標準協會局部(Video Electronics Standards Association Local Bus,VLB)匯流排或其他合適的匯流排或者兩個或更多個以上這些的組合。在合適的情況下,匯流排310可包括一個或多個匯流排。儘管本發明實施例描述和示出了特定的匯流排,但本發明考慮任何合適的匯流排或互連。
另外,結合上述實施例中的人臉識別方法,本發明實施例可提供一種電腦存儲介質來實現。該電腦存儲介質上存儲有電腦程式指令;該電腦程式指令被處理器執行時實現上述實施例中的任意一種人臉識別方法。
需要明確的是,本發明並不局限于上文所描述並在圖中示出的特定配置和處理。為了簡明起見,這裡省略了對已知方法的詳細描述。在上述實施例中,描述和示出了若干具體的步驟作為示例。但是,本發明的方法過程並不限於所描述和示出的具體步驟,本領域的技術人員可以在領會本發明的精神後,作出各種改變、修改和添加,或者改變步驟之間的順序。
以上所述的結構框圖中所示的功能塊可以實現為硬體、軟體、固件或者它們的組合。當以硬體方式實現時,其可以例如是電子電路、特定應用積體電路(ASIC)、適當的固件、外掛程式、功能卡等等。當以軟體方式實現時,本發明的元素是被用於執行所需任務的程式或者程式碼片段。程式或者程式碼片段可以存儲在機器可讀介質中,或者通過載波中攜帶的資料信號在傳輸介質或者通信鏈路上傳送。“機器可讀介質”可以包括能夠存儲或傳輸資訊的任何介質。機器可讀介質可以包括非暫態電腦可讀存儲介質,比如包括電子電路、
半導體記憶體設備、ROM、快閃記憶體、可擦除ROM(Erasable Read Only Memory,EROM)、軟碟、光碟唯讀記憶體(Compact Disc Read-Only Memory,CD-ROM)、光碟、硬碟、光纖介質,機器可讀介質還可以包括射頻(Radio Frequency,RF)鏈路,等等。程式碼片段可以經由諸如網際網路、內聯網等的電腦網路被下載。
還需要說明的是,本發明中提及的示例性實施例,基於一系列的步驟或者裝置描述一些方法或系統。但是,本發明不局限於上述步驟的順序,也就是說,可以按照實施例中提及的循序執行步驟,也可以不同於實施例中的順序,或者若干步驟同時執行。
上面參考根據本公開的實施例的方法、裝置(系統)和電腦程式產品的流程圖和/或框圖描述了本公開的各方面。應當理解,流程圖和/或框圖中的每個方框以及流程圖和/或框圖中各方框的組合可以由電腦程式指令實現。這些電腦程式指令可被提供給通用電腦、專用電腦、或其它可程式設計資料處理裝置的處理器,以產生一種機器,使得經由電腦或其它可程式設計資料處理裝置的處理器執行的這些指令使能對流程圖和/或框圖的一個或多個方框中指定的功能/動作的實現。這種處理器可以是但不限於是通用處理器、專用處理器、特殊應用處理器或者現場可程式設計邏輯電路。還可理解,框圖和/或流程圖中的每個方框以及框圖和/或流程圖中的方框的組合,也可以由執行指定的功能或動作的專用硬體來實現,或可由專用硬體和電腦指令的組合來實現。
以上所述,僅為本發明的具體實施方式,所屬領域的技術人員可以清楚地瞭解到,為了描述的方便和簡潔,上述描述的系統、模組和單元的具體工作過程,可以參考前述方法實施例中的對應過程,在此不再贅述。應理解,本發明的保護範圍並不局限於此,任何熟悉本技術領域的技術人員在本發明揭露的技術範圍內,可輕易想到各種等效的修改或替換,這些修改或替換都應涵蓋在本發明的保護範圍之內。
100:臉識別方法
S102,S104,S106,S108,S110:步驟
Claims (14)
- 一種人臉識別方法,其特徵在於,包括:人臉識別設備獲取目標識別物件的第一人臉圖像;人臉識別設備根據所述第一人臉圖像以及第一人臉庫中各個預定物件的人臉圖像,確定所述目標識別物件與各個所述預定物件的人臉匹配度;人臉識別設備在所述人臉匹配度滿足第一預定條件的情況下,從人臉匹配度序列中獲取前M個人臉匹配度,所述人臉匹配度序列為所述目標識別物件與各個所述預定物件的人臉匹配度按照從大到小的順序排列得到的序列;M為大於1的整數,所述第一預定條件包括最大的所述人臉匹配度與所述第一預定閾值的差值小於預定數值;人臉識別設備計算M個所述人臉匹配度中的每相鄰兩個所述人臉匹配度的差值,得到M-1個差值;人臉識別設備根據所述M-1個差值,在多個所述預定物件中確定與所述目標識別物件的人臉匹配的第一對象。
- 如請求項1所述的方法,其中,所述人臉識別設備根據所述M-1個差值,在多個所述預定物件中確定與所述目標識別物件的人臉匹配的第一對象,包括:人臉識別設備在所述M-1個差值滿足第二預定條件的情況下,將最大的所述人臉匹配度對應的所述預定對象確定為所述第一對象,其中,所述第二預定條件包括:所述M-1個差值中的第一差值大於預定差值閾值,所述第一差值為最大的所述人臉匹配度與次最大的所述人臉匹配度之間的差值。
- 如請求項2所述的方法,其中,所述第二預定條件還包括:第二差值不大於所述預定差值閾值,所述第二差值為所述M-1個差值中的除所述第一差值之外的差值。
- 如請求項1所述的方法,其中,所述人臉識別設備 根據所述第一人臉圖像以及第一人臉庫中各個預定物件的人臉圖像,確定所述目標識別物件與各個所述預定物件的人臉匹配度,包括:人臉識別設備對於所述第一人臉庫中同一個所述預定物件的N個人臉圖像,計算所述第一人臉圖像分別與所述N個人臉圖像中的每個人臉圖像的相似度,得到N個相似度,N為大於1的整數;人臉識別設備根據所述N個相似度,確定所述目標識別物件與所述預定物件的人臉匹配度。
- 如請求項4所述的方法,其中,所述人臉識別設備根據所述N個相似度,確定所述目標識別物件與所述預定物件的人臉匹配度,包括以下其中一項:人臉識別設備將所述N個相似度中的最大相似度確定為所述目標識別物件與所述預定物件的人臉匹配度;人臉識別設備在所述N個相似度中的第一相似度大於所述第一預定閾值的情況下,將所述第一相似度確定為所述目標識別物件與所述預定物件的人臉匹配度,所述第一相似度為所述第一人臉圖像與所述多個人臉圖像中的第二人臉圖像的相似度,所述第二人臉圖像為在進行人臉識別設置時採集的人臉圖像;人臉識別設備將所述N個相似度中的至少部分相似度的平均值確定為所述目標識別物件與所述預定物件的人臉匹配度;人臉識別設備根據所述N個相似度中各個相似度的權重值,對所述N個相似度進行加權計算,得到所述目標識別物件與所述預定物件的人臉匹配度。
- 如請求項1所述的方法,其中,所述人臉識別設備根據所述M-1個差值,在多個所述預定物件中確定所述目標識別物件對應的物件之後,所述方法還包括:人臉識別設備在最大的所述人臉匹配度大於第二預定閾值的情況下,將所述第一人臉圖像作為所述第一物件的人臉圖像添加至所述 第一人臉庫中,其中,所述第二預定閾值為大於所述第一預定閾值的數值。
- 如請求項6所述的方法,其中,所述人臉識別設備將所述第一人臉圖像作為所述第一物件的人臉圖像添加至所述第一人臉庫中之後,所述方法還包括:人臉識別設備在所述第一人臉庫中所述第一物件的人臉圖像數量大於預定數量閾值的情況下,在所述第一人臉庫的所述第一物件的人臉圖像中,獲取第三人臉圖像,所述第三人臉圖像為除人臉識別設置時採集的人臉圖像之外的人臉圖像;人臉識別設備根據各個所述第三人臉圖像分別對應的人臉匹配度,刪除至少一個所述第三人臉圖像中人臉匹配度最小的人臉圖像,其中,所述第三人臉圖像對應的人臉匹配度為:對所述第三人臉圖像中的人臉進行識別時計算得到的所述第三人臉圖像中的物件與所述第一物件的人臉匹配度。
- 如請求項4所述的方法,其中,所述人臉識別設備根據所述M-1個差值,在多個所述預定物件中確定所述目標識別物件對應的第一物件之後,所述方法還包括:人臉識別設備在所述第一人臉庫的所述第一物件的人臉圖像中,確定是否存在與所述第一人臉圖像的相似度小於第三預定閾值的第四人臉圖像,所述第三預定閾值為小於所述第一預定閾值的數值;人臉識別設備在存在所述第四人臉圖像的情況下,將所述第四人臉圖像對應的第一參數值加1,所述第一參數值表示所述第四人臉圖像與至少一個所述目標識別物件的第一人臉圖像之間的不匹配次數;人臉識別設備在所述第一參數值大於預定的第一次數閾值的情況下,將所述第四人臉圖像從所述第一人臉庫中刪除。
- 如請求項2所述的方法,其中,所述人臉識別設備計算M個所述人臉匹配度中的每相鄰兩個所述人臉匹配度的差值,得到M-1個差值之後,所述方法還包括:人臉識別設備在所述M-1個差值不滿足所述第二預定條件的情況下,獲取所述目標識別物件的第一三維人臉圖像;人臉識別設備將所述第一三維人臉圖像與第二人臉庫中所述預定物件的三維人臉圖像進行匹配;人臉識別設備在所述第一三維人臉圖像與所述第二人臉庫中第二對象的第二三維人臉圖像匹配成功,且所述第二三維人臉圖像對應的第二參數值大於預定的第二次數閾值的情況下,確定所述目標識別物件與所述第二物件的人臉匹配,其中,所述第二參數值表示利用所述第二三維人臉圖像進行人臉識別成功的次數。
- 如請求項9所述的方法,其中,所述人臉識別設備計算M個所述人臉匹配度中的每相鄰兩個所述人臉匹配度的差值,得到M-1個差值之後,所述方法還包括:人臉識別設備在所述第二參數值不大於所述第二次數閾值的情況下,獲取所述目標識別物件的身份驗證資訊;人臉識別設備利用所述身份驗證資訊進行身份識別,得到識別結果;人臉識別設備在利用所述身份驗證資訊的識別結果與利用所述第一三維人臉圖像的人臉識別結果一致的情況下,將所述第二參數值加1;人臉識別設備在利用所述第一三維人臉圖像的人臉識別結果與利用所述身份驗證資訊的識別結果不一致的情況下,將所述第二參數值減1。
- 如請求項10所述的方法,其中,所述人臉識別 設備將所述第二參數值減1之後,所述方法還包括:人臉識別設備在減1之後的所述第二參數值小於預定的第三次數閾值的情況下,刪除所述第二人臉庫中的所述第二三維人臉圖像,所述第三次數閾值小於所述第二次數閾值。
- 一種人臉識別裝置,其特徵在於,包括:第一獲取模組,用於獲取目標識別物件的第一人臉圖像;第一確定模組,用於根據所述第一人臉圖像以及第一人臉庫中各個預定物件的人臉圖像,確定所述目標識別物件與各個所述預定物件的人臉匹配度;第二獲取模組,用於在所述人臉匹配度滿足第一預定條件的情況下,從人臉匹配度序列中獲取前M個人臉匹配度,所述人臉匹配度序列為所述目標識別物件與各個所述預定物件的人臉匹配度按照從大到小的順序排列得到的序列;M為大於1的整數,所述第一預定條件包括最大的所述人臉匹配度與所述第一預定閾值的差值小於預定數值;第一計算模組,用於計算M個所述人臉匹配度中的每相鄰兩個所述人臉匹配度的差值,得到M-1個差值;第二確定模組,用於根據所述M-1個差值,在多個所述預定物件中確定與所述目標識別物件的人臉匹配的第一對象。
- 一種人臉識別設備,其特徵在於,所述設備包括:處理器以及存儲有電腦程式指令的記憶體;所述處理器執行所述電腦程式指令時實現如請求項1-11任意一項所述的人臉識別方法。
- 一種電腦存儲介質,其特徵在於,所述電腦存儲介質上存儲有電腦程式指令,所述電腦程式指令被處理器執行時實現如請求項1-11任意一項所述的人臉識別方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110175970.5A CN112818885B (zh) | 2021-02-07 | 2021-02-07 | 人脸识别方法、装置、设备及存储介质 |
CN202110175970.5 | 2021-02-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202232367A TW202232367A (zh) | 2022-08-16 |
TWI789128B true TWI789128B (zh) | 2023-01-01 |
Family
ID=75864573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110143405A TWI789128B (zh) | 2021-02-07 | 2021-11-22 | 人臉識別方法、裝置、設備及存儲介質 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN112818885B (zh) |
TW (1) | TWI789128B (zh) |
WO (1) | WO2022166207A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818885B (zh) * | 2021-02-07 | 2024-05-28 | 中国银联股份有限公司 | 人脸识别方法、装置、设备及存储介质 |
WO2023041970A1 (en) * | 2021-09-16 | 2023-03-23 | Sensetime International Pte. Ltd. | Data collection method and apparatus, device and storage medium |
CN114373212A (zh) * | 2022-01-10 | 2022-04-19 | 中国民航信息网络股份有限公司 | 人脸识别模型构建方法、人脸识别方法及相关设备 |
CN115880761B (zh) * | 2023-02-09 | 2023-05-05 | 数据空间研究院 | 基于策略优化的人脸识别方法、系统、存储介质及应用 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868695A (zh) * | 2016-03-24 | 2016-08-17 | 北京握奇数据系统有限公司 | 一种人脸识别方法及系统 |
CN108280422A (zh) * | 2018-01-22 | 2018-07-13 | 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 |
CN109977765A (zh) * | 2019-02-13 | 2019-07-05 | 平安科技(深圳)有限公司 | 人脸图像识别方法、装置及计算机设备 |
CN110059560A (zh) * | 2019-03-18 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 人脸识别的方法、装置及设备 |
CN111382596A (zh) * | 2018-12-27 | 2020-07-07 | 鸿富锦精密工业(武汉)有限公司 | 人脸识别方法、装置及计算机存储介质 |
TW202105246A (zh) * | 2019-07-30 | 2021-02-01 | 中國商深圳市商湯科技有限公司 | 人臉識別方法、電子設備和儲存介質 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117801A (zh) * | 2018-08-20 | 2019-01-01 | 深圳壹账通智能科技有限公司 | 人脸识别的方法、装置、终端及计算机可读存储介质 |
CN112818885B (zh) * | 2021-02-07 | 2024-05-28 | 中国银联股份有限公司 | 人脸识别方法、装置、设备及存储介质 |
-
2021
- 2021-02-07 CN CN202110175970.5A patent/CN112818885B/zh active Active
- 2021-09-14 WO PCT/CN2021/118143 patent/WO2022166207A1/zh active Application Filing
- 2021-11-22 TW TW110143405A patent/TWI789128B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868695A (zh) * | 2016-03-24 | 2016-08-17 | 北京握奇数据系统有限公司 | 一种人脸识别方法及系统 |
CN108280422A (zh) * | 2018-01-22 | 2018-07-13 | 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 |
CN111382596A (zh) * | 2018-12-27 | 2020-07-07 | 鸿富锦精密工业(武汉)有限公司 | 人脸识别方法、装置及计算机存储介质 |
CN109977765A (zh) * | 2019-02-13 | 2019-07-05 | 平安科技(深圳)有限公司 | 人脸图像识别方法、装置及计算机设备 |
CN110059560A (zh) * | 2019-03-18 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 人脸识别的方法、装置及设备 |
TW202105246A (zh) * | 2019-07-30 | 2021-02-01 | 中國商深圳市商湯科技有限公司 | 人臉識別方法、電子設備和儲存介質 |
Also Published As
Publication number | Publication date |
---|---|
CN112818885A (zh) | 2021-05-18 |
TW202232367A (zh) | 2022-08-16 |
CN112818885B (zh) | 2024-05-28 |
WO2022166207A1 (zh) | 2022-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI789128B (zh) | 人臉識別方法、裝置、設備及存儲介質 | |
CN110825765B (zh) | 一种人脸识别的方法和装置 | |
US11321575B2 (en) | Method, apparatus and system for liveness detection, electronic device, and storage medium | |
CN111242097B (zh) | 一种人脸识别方法、装置、计算机可读介质及电子设备 | |
CN111095246B (zh) | 用于认证用户的方法和电子设备 | |
WO2022057719A1 (zh) | 识别对象确定方法、装置、设备及存储介质 | |
CN111626371A (zh) | 一种图像分类方法、装置、设备及可读存储介质 | |
CN110647823A (zh) | 一种优化人脸底库的方法和装置 | |
CN112560683A (zh) | 一种翻拍图像识别方法、装置、计算机设备及存储介质 | |
CN114519879A (zh) | 人体数据归档方法、装置、设备及存储介质 | |
CN111476070A (zh) | 图像处理方法、装置、电子设备以及计算机可读存储介质 | |
CN111783677A (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN114882576A (zh) | 人脸识别方法、电子设备、计算机可读介质和程序产品 | |
CN114332993A (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
CN113705428A (zh) | 活体检测方法及装置、电子设备及计算机可读存储介质 | |
WO2020232889A1 (zh) | 支票取现方法、装置、设备及计算机可读存储介质 | |
CN117333926B (zh) | 一种图片聚合方法、装置、电子设备及可读存储介质 | |
CN112464741B (zh) | 人脸分类方法、模型训练方法、电子设备及存储介质 | |
CN115205939B (zh) | 人脸活体检测模型训练方法、装置、电子设备及存储介质 | |
EP4328796A1 (en) | Template collection method, apparatus and system | |
CN113837006B (zh) | 一种人脸识别方法、装置、存储介质及电子设备 | |
US20230326254A1 (en) | Authentication apparatus, control method, and computer-readable medium | |
CN117831066A (zh) | 身份识别方法、装置、电子设备及存储介质 | |
CN114519882A (zh) | 一种人脸识别方法、装置及电子设备 | |
CN117253131A (zh) | 人脸图像的质量评价方法、装置、设备、介质及产品 |