WO2020006727A1 - 人脸识别方法、装置和服务器 - Google Patents

人脸识别方法、装置和服务器 Download PDF

Info

Publication number
WO2020006727A1
WO2020006727A1 PCT/CN2018/094628 CN2018094628W WO2020006727A1 WO 2020006727 A1 WO2020006727 A1 WO 2020006727A1 CN 2018094628 W CN2018094628 W CN 2018094628W WO 2020006727 A1 WO2020006727 A1 WO 2020006727A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
preset
information
comparison range
base station
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/CN2018/094628
Other languages
English (en)
French (fr)
Inventor
张站朝
廉士国
黄晓庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cloudminds Shenzhen Robotics Systems Co Ltd
Original Assignee
Cloudminds Shenzhen Robotics Systems Co Ltd
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 Cloudminds Shenzhen Robotics Systems Co Ltd filed Critical Cloudminds Shenzhen Robotics Systems Co Ltd
Priority to CN201880001396.8A priority Critical patent/CN108885698B/zh
Priority to PCT/CN2018/094628 priority patent/WO2020006727A1/zh
Publication of WO2020006727A1 publication Critical patent/WO2020006727A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Definitions

  • the embodiments of the present application relate to the field of face recognition technology, for example, to a face recognition method, device, and server.
  • Face recognition technology is currently widely used in the field of artificial intelligence vision. Face recognition technology obtains images of users whose identity is to be determined through image acquisition equipment, then detects the face image in the image, and then uses the algorithm to face the image. Feature extraction is performed, and then the extracted features are compared with the existing templates in the preset face feature database to find similarity faces as the recognition result to determine the identity of the user.
  • the related technology has at least the following problems:
  • the number of face features included in the preset face feature database is large,
  • the range of feature comparison is large, and the accuracy of recognition may decrease. Therefore, it is necessary to provide a face recognition method that can reduce the comparison range of face features and improve the accuracy of recognition.
  • An object of the embodiments of the present application is to provide a face recognition method, device, and server that can reduce the comparison range of face features and improve the recognition accuracy rate.
  • an embodiment of the present application provides a face recognition method.
  • the face recognition method is applied to a server, and the method includes:
  • both of the preset facial feature database and the facial feature comparison range include known users Facial feature and user information, the facial feature comparison range includes fewer faces than the number of faces included in the preset face feature database;
  • Identify the face feature based on the face feature comparison range and instruct the robot to query the user to be identified according to the recognition result.
  • an embodiment of the present application further provides a face recognition device.
  • the face recognition device is applied to a server, and the device includes:
  • a face feature acquisition module configured to obtain a face image of a user whose identity is to be determined, and obtain a face feature of the face image based on the recognition of the face image;
  • a facial feature comparison range acquisition module is configured to obtain positioning information of a positioning device, and obtain a facial feature comparison range from a preset face feature database based on the positioning information, the preset face feature database and the The facial feature comparison range includes facial features and user information of a known user, and the facial feature comparison range includes fewer faces than the number of faces included in the preset face feature database;
  • a recognition module configured to recognize the facial feature based on the facial feature comparison range, and instruct the robot to query the user to be identified according to the recognition result.
  • an embodiment of the present application further provides a server, including:
  • At least one processor At least one processor
  • a memory connected in communication with the at least one processor; wherein,
  • the memory stores instructions executable by the at least one processor, and the instructions are executed by the at least one processor, so that the at least one processor can execute the foregoing method.
  • the face recognition method, device, and server provided in the embodiments of the present application obtain the positioning information of a positioning device, and obtain a facial feature comparison range from a preset facial feature database according to the positioning information, and identify a user to be identified.
  • the facial features of are identified based on the facial feature comparison range to identify the identity of the user whose identity is to be determined. Because the narrowed face feature comparison range is used compared to the preset face feature database, the recognition accuracy rate is improved.
  • FIG. 1 is a schematic diagram of an application scenario of the applicant's face recognition method and device
  • FIG. 2 is a flowchart of an embodiment of the applicant's face recognition method
  • FIG. 3 is a flowchart of an embodiment of the applicant's face recognition method
  • FIG. 4 is a schematic structural diagram of an embodiment of the applicant's face recognition device
  • FIG. 5 is a schematic structural diagram of an embodiment of the applicant's face recognition device
  • FIG. 6 is a schematic diagram of a hardware structure of a server according to an embodiment of the present application.
  • the face recognition method and device provided in the embodiments of the present application are applicable to the application scenario shown in FIG. 1.
  • the application scenario shown in FIG. 1 includes a face recognition system 100 and a cloud server 200.
  • the face recognition system 100 includes a server 10, an image acquisition device 20, at least one positioning device 30, and a robot 40.
  • the cloud server 200 is loaded with a preset facial feature database, which includes the facial features of known users and user information (such as a user identity).
  • the image acquisition device 20 is configured to acquire an image of a user and send the image to the server 10.
  • the positioning device 30 is configured to locate a related user, and obtain user information of the related user and send it to the server 10.
  • the server 10 reduces the preset facial feature database according to the information sent by the positioning device 30 to obtain a facial feature comparison range that includes only the facial features of the relevant user.
  • the server 10 identifies the face image in the image of the identified user, and uses an algorithm to perform face feature extraction on the face image of the identified user (for example, based on a pre-trained neural network model, extracts face features from the face image) ), And then comparing and identifying the facial features based on the facial feature comparison range to confirm the identity of the user to be identified.
  • the use of narrowed facial feature comparison range to compare and recognize the facial features of the identified users can improve the accuracy of recognition.
  • the image acquisition device 20 may be a camera, a video camera, a camera, a scanner, or other devices (smartphones, tablets, etc.) with a photographing function.
  • the positioning device 30 is, for example, a base station, a WIFI positioning device, or the like.
  • the robot 40 may be a fixed-position robot or a movable robot. Face recognition algorithms are, for example, recognition algorithms based on facial feature points, recognition algorithms based on entire face images, recognition algorithms based on templates, and recognition algorithms based on neural networks.
  • the cloud server 200 may not be used, and the preset face feature database may be loaded into the server 10 of the local face recognition system 100.
  • the image acquisition device 20 may be provided separately (for example, at the door of a room), or may be integrated on the robot 40.
  • the number of the server 10, the image acquisition device 20, the positioning device 30, and the robot 40 may be one or more.
  • FIG. 2 is a flowchart of an embodiment of a face recognition method according to an embodiment of the present application.
  • the face recognition method may be executed by the server 10 in FIG. 1. As shown in FIG. 1
  • the image of the to-be-identified user may be collected by the image acquisition device 20.
  • the server 10 After receiving the image of the to-be-identified user, the server 10 recognizes the face image in the image and uses an algorithm to perform a face treatment on the face image of the to-be-identified user Feature extraction, for example, extracting face features from a face image based on a pre-trained neural network model.
  • Obtain positioning information of a positioning device and obtain a facial feature comparison range from a preset facial feature database based on the positioning information.
  • the preset facial feature database and the facial feature comparison range both include Knowing the user's face features and user information, the number of faces included in the face feature comparison range is less than the number of faces included in the preset face feature database.
  • the positioning device 30 locates the relevant user, and obtains the positioning information and sends it to the server 10, where the positioning information includes the user's information (such as the user's identity).
  • the server 10 reduces the preset facial feature database according to the information of the related user, and obtains a facial feature comparison range including only the facial features of the related user.
  • the positioning device 30 may include a first base station and a second base station, and the facial feature comparison range includes a first facial feature comparison range and a second facial feature comparison range.
  • the server 10 obtains a first face feature comparison range from a preset face feature database by using the positioning information located by the first base station, and obtains a second face from the preset face feature database by using the information located by the second base station.
  • Feature comparison range Specifically, the first base station and the second base station can locate the position of the user by locating an electronic device such as a mobile phone carried by the user, so as to obtain related users who appear in a certain area.
  • the face recognition method in the embodiment of the present application can be applied to a variety of face recognition scenarios, including various business halls (such as telecommunication business halls, ticket sales halls, or other business halls), railway stations, and airports.
  • the first base station may be a base station installed indoors
  • the second base station may be a base station installed outdoors.
  • the first base station locates a user in the room at the current time (for example, the current time or the current time), and sends the user's information (for example, the user's identity) to the server 10, and the server 10 uses the preset face characteristics Find the facial features of indoor users in the database as the first facial feature comparison range.
  • the purpose of setting the second base station is to find the person who is most likely to handle the business indoors.
  • the positioning method of the second base station can be adjusted according to the specific application scenario.
  • the second base station may locate and obtain information of a user appearing in a preset area within the first preset period, and send the information to the server 10.
  • the first preset time period and the preset area can be set in advance.
  • the first preset time period is, for example, one year, half a year, one month, or other time.
  • the preset area can be a certain area near the indoor area, such as the indoor area.
  • the information sent by the second base station to the server 10 may include the user's identity, appearance time, and so on.
  • the user's identity can be a unique identifier that the SIM card uses to mark the user's identity, such as a mobile phone number.
  • the server 10 determines, based on the positioning information of the second base station, users (such as 20 days in one month or two months in half a year) that appear more frequently in the area, and obtains The information of these users is the first user information.
  • the server 10 acquires users who have handled the business indoors within a second preset period (for example, one month), and obtains the information of these users as the second user information.
  • the server 10 obtains the third user information by intersecting the first user information and the second user information, and obtains the second facial feature comparison range according to the third user information.
  • the first face feature comparison range and the second face feature comparison range may be a data sub-database obtained by the server 10 from a preset face feature library, or may still exist in the preset person.
  • the facial feature database only labels are used to distinguish them from other data in the preset facial feature database.
  • the positioning device 30 may include only one type of base station, for example, a base station installed indoors or a base station installed in a certain area outdoors.
  • the server 10 obtains only one face feature comparison range from a preset face feature database according to the positioning information of the base station.
  • the facial feature comparison range may also include more comparison ranges, such as the first face feature comparison range, the second face feature comparison range, and the third face feature comparison. The scope and the like are not limited in the embodiments of the present application.
  • 103 Identify the facial features based on the facial feature comparison range, and instruct the robot to inquire about the identified user according to the recognition result.
  • the first facial feature comparison range is set to include the facial features of indoor users. Reduce the range of facial feature comparison. As long as the user is located by the first base station when entering the room, his face features can enter the first face feature comparison range, and the server 10 can quickly and accurately identify the to-be-determined based on the first face feature comparison range. Identity user. If the primary recognition result of the first facial feature comparison range comparison has facial features with a similarity greater than or equal to a first preset threshold, it is confirmed that the identity of the user corresponds to the facial feature with the highest similarity. The user does not need to compare the facial feature comparison range with the second facial feature comparison.
  • the server 10 may then compare the user's face features with the second face feature comparison range. If there are face features with similarity greater than or equal to the first preset threshold in the recognition result, then confirm the user ’s The identity is the user corresponding to the face feature with the highest similarity.
  • the robot 40 is instructed to determine The identity user asks if he is one of the users with the highest similarity.
  • the questioning manner can be presented in a manner of selecting a question.
  • the identities of the users with the highest similarity obtained by the server 10 are Li XX, Zhang XX, and Wang XX, respectively.
  • the robot 40 may ask the user to be identified, "Are you Mr. Li, Mr. Zhang, or Mr. Wang?"
  • the identity of the user to be identified can be determined by an affirmative or negative answer of the user to be identified.
  • This selective inquiry method can give users a sense of intimacy and improve the user experience.
  • the robot 40 sends the answer result of the user to be identified to the server 10, the server 10 According to the answer result of the to-be-identified user, extract the facial features of the to-be-identified user, and upload the to-be-identified user ’s face features, user identity information, and photos to a preset face feature database to improve the next time. Recognition accuracy.
  • the server 10 may directly instruct the robot 40 to query the user information of the user whose identity is to be determined, and then according to the user ’s The information searches the preset facial feature database for the corresponding facial feature of the user, and compares the obtained facial feature with the facial feature of the user to determine the identity of the user.
  • the facial feature comparison range includes only one facial feature comparison range
  • the recognition result obtained through the facial feature comparison range includes facial features with a degree of similarity greater than or equal to a first preset threshold
  • the recognition result obtained through the facial feature comparison range includes facial features with a degree of similarity greater than or equal to a first preset threshold
  • the maximum similarity in the recognition result is greater than the second preset threshold value and less than the first preset threshold value
  • users corresponding to the facial features in the first few (such as the first three) similarities can be obtained, and then the robot 40 is instructed to determine
  • the identity user asks if he is one of the users with the highest similarity.
  • the server 10 may directly instruct the robot 40 to query user information of the user whose identity is to be determined.
  • the first preset threshold and the second preset threshold can be set in advance.
  • the first preset threshold is set to 60%
  • the second preset threshold is set to 55%.
  • the facial features of a user to be identified are based on the facial feature ratio. Compare and identify the range to identify the identity of the user to be identified. Because the narrowed face feature comparison range compared to the preset face feature database is used, the recognition accuracy is improved, and the recognition speed is also provided.
  • an embodiment of the present application further provides a face recognition device.
  • the face recognition device is used in the server 10 shown in FIG. 1.
  • the face recognition device 400 includes:
  • a face feature obtaining module 401 configured to obtain a face image of a user whose identity is to be determined, and obtain a face feature of the face image by performing recognition based on the face image;
  • a facial feature comparison range acquisition module 402 is configured to acquire positioning information of a positioning device, and obtain a facial feature comparison range from a preset face feature database based on the positioning information, the preset face feature database and
  • the face feature comparison range includes the face features and user information of a known user, and the face feature comparison range includes fewer faces than the number of faces included in the preset face feature database;
  • the recognition module 403 is configured to recognize the facial features based on the facial feature comparison range, and instruct the robot to query the user to be identified according to the recognition result.
  • the facial features of a user to be identified are based on the facial feature ratio. Compare and identify the range to identify the identity of the user to be identified. Because the narrowed face feature comparison range compared to the preset face feature database is used, the recognition accuracy is improved, and the recognition speed is also provided.
  • the recognition module 403 is specifically configured to:
  • the robot is instructed to make an inquiry based on the user identity information corresponding to the at least one face feature.
  • the identification module 403 is specifically configured to:
  • the robot is instructed to query the user identity information of the user whose identity is to be determined.
  • the positioning device includes a first base station and a second base station, and the face feature comparison range includes a first face feature comparison range and a second Facial feature comparison range;
  • the facial feature comparison range acquisition module 402 includes:
  • a first facial feature comparison range acquisition submodule 4021 is configured to acquire positioning information of the first base station, and obtain a first facial feature comparison from a preset facial feature database based on the positioning information of the first base station. range;
  • a second facial feature comparison range acquisition submodule 4022 is configured to acquire positioning information of the second base station, and obtain a second facial feature comparison from a preset facial feature database based on the positioning information of the second base station. range;
  • the identification module 403 is further specifically configured to:
  • the facial features are identified based on the second facial feature comparison range to obtain a recognition result.
  • the first base station is an indoor base station, and the second base station is an outdoor base station;
  • the first facial feature comparison range acquisition sub-module 4021 is specifically configured to:
  • the second facial feature comparison range acquisition sub-module 4022 is specifically configured to:
  • the positioning information of the second base station includes information of a user appearing in a preset area within a first preset period, and obtaining the first according to the positioning information of the second base station User information, where the first user information is information of a user who appears in the preset area for a first preset period of time and exceeds a preset time threshold;
  • the second user information is information of a user who has visited the room within a second preset period
  • the face recognition device 400 further includes:
  • the uploading module 404 is configured to receive a user confirmation message sent by the robot, and upload, according to the user confirmation message, the facial features, user identity information, and images of the user whose identity is to be determined to the preset facial feature database.
  • the above-mentioned face recognition device can execute the face recognition method provided in the embodiment of the present application, and has the corresponding functional modules and beneficial effects of the execution method.
  • the face recognition method provided in the embodiment of the present application.
  • FIG. 6 is a schematic diagram of a hardware structure of a server 10 according to an embodiment of the present application. As shown in FIG. 6, the server 10 includes:
  • One processor 11 is taken as an example in FIG. 6.
  • the processor 11 and the memory 12 may be connected through a bus or in other manners.
  • the connection through the bus is taken as an example.
  • the memory 12 is a non-volatile computer-readable storage medium and can be used to store non-volatile software programs, non-volatile computer executable programs, and modules, such as programs corresponding to the face recognition method in the embodiments of the present application. Instructions / modules (for example, the facial feature acquisition module 401, the facial feature comparison range acquisition module 402, and the recognition module 403 shown in FIG. 4).
  • the processor 11 executes various functional applications and data processing of the server by running the non-volatile software programs, instructions, and modules stored in the memory 12, that is, the face recognition method of the above method embodiment is implemented.
  • the memory 12 may include a storage program area and a storage data area, wherein the storage program area may store an operating system and an application program required for at least one function; the storage data area may store data created according to the use of the face recognition device and the like.
  • the memory 12 may include a high-speed random access memory, and may further include a non-volatile memory, such as at least one magnetic disk storage device, a flash memory device, or other non-volatile solid-state storage device.
  • the memory 12 may optionally include a memory remotely disposed with respect to the processor 11, and these remote memories may be connected to the face recognition device through a network. Examples of the above network include, but are not limited to, the Internet, an intranet, a local area network, a mobile communication network, and combinations thereof.
  • the one or more modules are stored in the memory 12, and when executed by the one or more processors 11, execute the face recognition method in any of the above method embodiments, for example, execute FIG. 2 described above.
  • the method includes steps 101 to 103 in the method, steps 201 to 205 in the method in FIG. 3, and implements the functions of modules 401-430 in FIG. 4, modules 401-404 in FIG.
  • the above product can execute the method provided in the embodiment of the present application, and has corresponding function modules and beneficial effects of executing the method.
  • the above product can execute the method provided in the embodiment of the present application, and has corresponding function modules and beneficial effects of executing the method.
  • An embodiment of the present application provides a non-volatile computer-readable storage medium.
  • the computer-readable storage medium stores computer-executable instructions, and the computer-executable instructions are executed by one or more processors, for example, as shown in FIG. 7.
  • a processor 11 may enable the one or more processors to execute the face recognition method in any of the foregoing method embodiments, for example, to execute the method steps 101 to 103 in FIG. 2 described above, and the steps in FIG. 3 Steps 201 to 205 of the method; the functions of modules 401-403 in FIG. 4, modules 401-404 in FIG. 5, and sub-modules 4021-4022 are implemented.
  • the device embodiments described above are only schematic, and the units described as separate components may or may not be physically separated, and the components displayed as units may or may not be physical units, that is, may be located One place, or it can be distributed across multiple network elements. Some or all of the modules may be selected according to actual needs to achieve the objective of the solution of this embodiment.
  • the embodiments can be implemented by means of software plus a general hardware platform, and of course, they can also be implemented by hardware.
  • a person of ordinary skill in the art can understand that all or part of the processes in the method of the foregoing embodiment can be completed by using a computer program to instruct related hardware.
  • the program can be stored in a computer-readable storage medium. When executed, the processes of the embodiments of the methods described above may be included.
  • the storage medium may be a magnetic disk, an optical disk, a read-only memory (Read-Only Memory, ROM), or a random access memory (Random Access Memory, RAM).

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请实施例涉及一种人脸识别方法、装置和服务器。所述方法包括：获取用户的人脸图像，基于所述人脸图像进行识别获得所述人脸图像的人脸特征；获取定位装置的定位信息，基于所述定位信息从预设人脸特征库中获得人脸特征比对范围，所述预设人脸特征库和所述人脸特征比对范围均包括已知用户的人脸特征和用户信息，所述人脸特征比对范围包括的人脸数量小于所述预设人脸特征库中包括的人脸数量；将所述人脸特征基于所述人脸特征比对范围进行识别，并根据识别结果指示机器人对所述待确定身份用户进行询问。本申请实施例采用了相对于预设人脸特征库缩小的人脸特征比对范围，提高了识别正确率。

Description

人脸识别方法、装置和服务器 技术领域
本申请实施例涉及人脸识别技术领域，例如涉及一种人脸识别方法、装置和服务器。
背景技术
人脸识别技术目前在人工智能视觉领域中得到了广泛应用，人脸识别技术通过图像采集设备获取待确定身份用户的图像，然后在所述图像中检测人脸图像，再利用算法对人脸图像进行特征提取，进而将提取的特征与预设人脸特征库中已有的范本进行相似性比对，找出相似度最高的人脸作为识别结果，以判断用户的身份。
在研究现有技术的过程中，发明人发现相关技术中至少存在如下问题：在自然场景下进行人脸识别时，在预设人脸特征库包含的人脸特征数量较大时，由于人脸特征比对范围较大，可能会出现识别正确率下降的情况。因此，有必要提供一种能缩小人脸特征比对范围，提高识别正确率的人脸识别方法。
发明内容
本申请实施例的一个目的是提供一种能缩小人脸特征比对范围，提高识别正确率的人脸识别方法、装置和服务器。
第一方面，本申请实施例提供了一种人脸识别方法，所述人脸识别方法应用于服务器，所述方法包括：
获取待确定身份用户的人脸图像，基于所述人脸图像进行识别获得所述人脸图像的人脸特征；
获取定位装置的定位信息，基于所述定位信息从预设人脸特征库中获得人脸特征比对范围，所述预设人脸特征库和所述人脸特征比对范围均包括已知用户的人脸特征和用户信息，所述人脸特征比对范围包括的人脸数量小于所述预设人脸特征库中包括的人脸数量；
将所述人脸特征基于所述人脸特征比对范围进行识别，并根据识别结果指示机器人对所述待确定身份用户进行询问。
第二方面，本申请实施例还提供了一种人脸识别装置，所述人脸识别装置应用于服务器，所述装置包括：
人脸特征获取模块，用于获取待确定身份用户的人脸图像，基于所述人脸图像进行识别获得所述人脸图像的人脸特征；
人脸特征比对范围获取模块，用于获取定位装置的定位信息，基于所述定位信息从预设人脸特征库中获得人脸特征比对范围，所述预设人脸特征库和所述人脸特征比对范围均包括已知用户的人脸特征和用户信息，所述人脸特征比对范围包括的人脸数量小于所述预设人脸特征库中包括的人脸数量；
识别模块，用于将所述人脸特征基于所述人脸特征比对范围进行识别，并根据识别结果指示机器人对所述待确定身份用户进行询问。
第三方面，本申请实施例还提供了一种服务器，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。
本申请实施例提供的人脸识别方法、装置和服务器，通过获取定位装置的定位信息，并根据所述定位信息从预设人脸特征库中获得人脸特征比对范围，将待确定身份用户的人脸特征基于所述人脸特征比对范围进行识别以识别待确定身份用户的身份。因为采用了相对于预设人脸特征库缩小的人脸特征比对范围，提高了识别正确率。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是本申请人脸识别方法和装置的应用场景示意图；
图2是本申请人脸识别方法的一个实施例的流程图；
图3是本申请人脸识别方法的一个实施例的流程图；
图4是本申请人脸识别装置的一个实施例的结构示意图；
图5是本申请人脸识别装置的一个实施例的结构示意图；
图6是本申请实施例提供的服务器的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供的人脸识别方法和装置，适用于图1所示的应用场景。在图1所示的应用场景中，包括人脸识别系统100和云端服务器200。其中，人脸识别系统100包括服务器10、图像采集装置20、至少一个定位装置30和机器人40。云端服务器200装载有预设人脸特征库，所述预设人脸特征库包括已知用户的人脸特征和用户信息(例如用户身份标识)。图像采集装置20用于采集用户的图像，并将所述图像发送给服务器10。定位装置30用于定位相关用户，并获得相关用户的用户信息发送给服务器10。服务器10根据定位装置30发送的信息对预设人脸特征库进行缩小，获得只包括相关用户的人脸特征的人脸特征比对范围。服务器10识别待确定身份用户的图像中的人脸图像，并利用算法对待确定身份用户的人脸图像进行人脸特征提取(例如基于预先训练好的神经网络模型对人脸图像进行人脸特征提取)，然后将人脸特征基于所述人脸特征比对范围进行比对识别，以确认待确定身份用户的身份。采用缩小的人脸特征比对范围对待确定身份用户的人脸特征进行比对识别，能提高识别的正确率。
其中，图像采集装置20可以为摄像头、摄像机、照相机、扫描仪，或者其他带有拍照功能的设备(智能手机、平板电脑等)。定位装置30例如基站、WIFI定位装置等。机器人40可以为固定位置机器人也可以为可移动的机器人。人脸识别算法例如基于人脸特征点的识别算法、基于整幅人脸图像的识别算法、基于模板的识别算法和基于神经网络的识别算法等。
以上仅示例性的示出了应用场景的一种形式，在其他应用场景中，也可以不使用云端服务器200，而将预设人脸特征库装载在本地人脸识别系统100的服 务器10中。图像采集装置20可以单独设置(例如设置在房间门口)，也可以集成在机器人40上。服务器10、图像采集装置20、定位装置30和机器人40的数量可以为一个也可以为多个。
图2为本申请实施例提供的人脸识别方法的一个实施例的流程图，所述人脸识别方法可由图1中的服务器10执行，如图2所示，所述人脸识别方法包括：
101：获取待确定身份用户的人脸图像，基于所述人脸图像进行识别获得所述人脸图像的人脸特征。
可以通过图像采集装置20采集待确定身份用户的图像，服务器10接收到待确定身份用户的图像后，识别所述图像中的人脸图像，并利用算法对待确定身份用户的人脸图像进行人脸特征提取，例如基于预先训练好的神经网络模型对人脸图像进行人脸特征提取。
102：获取定位装置的定位信息，基于所述定位信息从预设人脸特征库中获得人脸特征比对范围，所述预设人脸特征库和所述人脸特征比对范围均包括已知用户的人脸特征和用户信息，所述人脸特征比对范围包括的人脸数量小于所述预设人脸特征库中包括的人脸数量。
定位装置30定位相关用户，并获得定位信息发送给服务器10，其中定位信息包括用户的信息(例如用户的身份标识)。服务器10根据相关用户的信息对预设人脸特征库进行缩小，获得只包括相关用户的人脸特征的人脸特征比对范围。
其中，在一些实施例中，定位装置30可以包括第一基站和第二基站，人脸特征比对范围包括第一人脸特征比对范围和第二人脸特征比对范围。服务器10通过第一基站定位到的定位信息从预设人脸特征库中获得第一人脸特征比对范围，通过第二基站定位到的信息从预设人脸特征库中获得第二人脸特征比对范围。具体的，第一基站和第二基站可以通过定位用户携带的手机等电子设备定位用户的位置，从而获得出现在某一区域的相关用户。
本申请实施例的人脸识别方法可以适用于多种人脸识别的场景，包括各种营业厅(例如电信营业厅、售票厅或其他营业厅)、火车站、飞机场等。在其中一些应用场景中，第一基站可以是设置在室内的基站，第二基站可以是设置在室外的基站。第一基站定位出当前时间(例如当前一段时间或者当前时刻) 所述室内的用户，并将用户的信息(例如用户的身份标识)发送给服务器10，服务器10根据该信息从预设人脸特征库中找出室内用户的人脸特征作为第一人脸特征比对范围。
第二基站设置的目的是找出最有可能来所述室内办理业务的人，第二基站的定位方法可以根据具体应用场景调整。在一些应用场景中，第二基站可以定位获得在第一预设时段内在预设区域内出现的用户的信息，并将该信息发送给服务器10。其中，第一预设时段和预设区域可以事先设定，第一预设时段例如一年、半年、一个月或其他时间，预设区域可以是所述室内附近的一定区域，例如所述室内方圆五公里内，第二基站发送给服务器10的信息可以包括用户的身份标识、出现时间等。用户的身份标识可以是SIM卡标记用户身份的唯一标识，例如手机号码。服务器10根据第二基站的定位信息确定在该区域内出现时间较多(例如一个月内出现20天或者半年内出现两个月)的用户(有可能是该地区的常驻用户)，并获得这些用户的信息为第一用户信息。服务器10再获取第二预设时段(例如一个月)内来过所述室内办理业务的用户，并获得这些用户的信息为第二用户信息。服务器10将第一用户信息和第二用户信息取交集获得第三用户信息，并根据第三用户信息获得第二人脸特征比对范围。
其中，在实际应用中，第一人脸特征比对范围和第二人脸特征比对范围可以是服务器10从预设人脸特征库中获取的数据子库，也可以仍存在于预设人脸特征库中，仅通过标签与预设人脸特征库中的其他数据相区分。
在另一些实施例中，定位装置30也可以仅包括一类基站，例如设置在室内的基站或者设置在室外一定区域内的基站。服务器10根据该基站的定位信息从预设人脸特征库中仅获得一个人脸特征比对范围。当然，在其他实施例中，人脸特征比对范围也可以包括更多的比对范围，例如第一人脸特征比对范围、第二人脸特征比对范围和第三人脸特征比对范围等等，本申请实施例不作限定。
103：将所述人脸特征基于所述人脸特征比对范围进行识别，并根据识别结果指示机器人对待确定身份用户进行询问。
在人脸特征比对范围包括第一人脸特征比对范围和第二人脸特征比对范围的场合，将第一人脸特征比对范围设置成包括室内用户的人脸特征，很大的缩小了人脸特征比对范围。只要用户进入所述室内时被第一基站定位到，其人脸特征就能进入第一人脸特征比对范围，则服务器10能快速准确的基于第一人脸 特征比对范围识别出待确定身份用户。如果通过第一人脸特征比对范围比对的初级识别结果中，具有相似度大于或者等于第一预设阈值的人脸特征，则确认用户的身份为其中相似度最高的人脸特征对应的用户，则无需再将所述人脸特征与第二人脸特征比对范围进行比对。
但对一些未带手机或其他电子设备的用户，即使该用户进入所述室内，第一基站也将定位不到该用户，则通过第一人脸特征比对范围将识别不出该用户(即识别结果的相似度均小于第一预设阈值)。针对这些用户，服务器10可以再将用户的人脸特征与第二人脸特征比对范围进行对比，如果识别结果中存在相似度大于或者等于第一预设阈值的人脸特征，则确认用户的身份为其中相似度最高的人脸特征对应的用户。如果识别结果中最大相似度大于第二预设阈值且小于第一预设阈值，则可以获得相似度位于前几位(例如前三位)的人脸特征对应的用户，然后指示机器人40对待确定身份用户进行询问，确认其是否是上述相似度最高的用户之一。具体的，询问方式可以以选择问句的方式提出。例如服务器10获得相似度最高的几个用户身份分别是李XX、张XX和王XX，则机器人40可以询问待确定身份用户，“你是李先生、张先生还是王先生”？通过待确定身份用户的肯定或者否定回答可以确定待确定身份用户的身份。这种选择式的询问方式，可以给用户亲切感，提高用户体验。
在其中一些实施例中，请参照图3，如果待确定身份用户的回答是肯定的答案，例如用户回答“我是李XX”，机器人40将待确定身份用户的回答结果发送给服务器10，服务器10根据待确定身份用户的回答结果提取该待确定身份用户的人脸特征，并将该待确定身份用户的人脸特征、用户身份信息和照片上传到预设人脸特征库，以提高下次的识别正确率。
如果通过第二人脸特征比对范围获得的识别结果的相似度均小于或者等于第二预设阈值，则服务器10可以直接指示机器人40询问该待确定身份用户的用户信息，然后根据该用户的信息在预设人脸特征库中搜索到该用户对应的人脸特征，并将获得的人脸特征与该用户的人脸特征进行比对，以确定该用户的身份。
在人脸特征比对范围仅包括一个人脸特征比对范围的场合，如果通过该人脸特征比对范围获得的识别结果中，存在相似度大于或者等于第一预设阈值的人脸特征，则确认待确定身份用户的身份为其中相似度最高的人脸特征对应的 用户。如果识别结果中最大相似度大于第二预设阈值且小于第一预设阈值，则可以获得相似度位于前几位(例如前三位)的人脸特征对应的用户，然后指示机器人40对待确定身份用户进行询问，确认其是否是上述相似度最高的用户之一。如果相似度均小于或者等于第二预设阈值，则服务器10可以直接指示机器人40询问该待确定身份用户的用户信息。
其中，第一预设阈值和第二预设阈值可以事先设定，例如第一预设阈值设置为60％，第二预设阈值设置为55％。
本申请实施例通过获取定位装置的定位信息，并根据所述定位信息从预设人脸特征库中获得人脸特征比对范围，将待确定身份用户的人脸特征基于所述人脸特征比对范围进行比对识别以识别待确定身份用户的身份。因为采用了相对于预设人脸特征库缩小的人脸特征比对范围，提高了识别正确率，同时还提供了识别速度。
相应的，本申请实施例还提供了一种人脸识别装置，所述人脸识别装置用于图1所示的服务器10，如图4所示，所述人脸识别装置400包括：
人脸特征获取模块401，用于获取待确定身份用户的人脸图像，基于所述人脸图像进行识别获得所述人脸图像的人脸特征；
人脸特征比对范围获取模块402，用于获取定位装置的定位信息，基于所述定位信息从预设人脸特征库中获得人脸特征比对范围，所述预设人脸特征库和所述人脸特征比对范围均包括已知用户的人脸特征和用户信息，所述人脸特征比对范围包括的人脸数量小于所述预设人脸特征库中包括的人脸数量；
识别模块403，用于将所述人脸特征基于所述人脸特征比对范围进行识别，并根据识别结果指示机器人对所述待确定身份用户进行询问。
本申请实施例通过获取定位装置的定位信息，并根据所述定位信息从预设人脸特征库中获得人脸特征比对范围，将待确定身份用户的人脸特征基于所述人脸特征比对范围进行比对识别以识别待确定身份用户的身份。因为采用了相对于预设人脸特征库缩小的人脸特征比对范围，提高了识别正确率，同时还提供了识别速度。
在人脸识别装置400的一些实施例中，识别模块403具体用于：
如果识别结果的相似度满足预设条件，则获得识别结果中相似度最高的至 少一个人脸特征，指示机器人基于该至少一个人脸特征对应的用户身份信息进行询问。
具体的，在其中一些实施例中，识别模块403具体用于：
如果识别结果中最大相似度大于第二预设阈值且小于第一预设阈值，则获得识别结果中相似度最高的至少一个人脸特征，指示机器人基于该至少一个人脸特征的用户身份信息进行询问；
如果识别结果中最大相似度小于或者等于第二预设阈值，则指示机器人询问所述待确定身份用户的用户身份信息。
在人脸识别装置400的一些实施例中，请参照图5，所述定位装置包括第一基站和第二基站，所述人脸特征比对范围包括第一人脸特征比对范围和第二人脸特征比对范围；
人脸特征比对范围获取模块402包括：
第一人脸特征比对范围获取子模块4021，用于获取所述第一基站的定位信息，基于所述第一基站的定位信息从预设人脸特征库中获得第一人脸特征比对范围；
第二人脸特征比对范围获取子模块4022，用于获取所述第二基站的定位信息，基于所述第二基站的定位信息从预设人脸特征库中获得第二人脸特征比对范围；
识别模块403还具体用于：
将所述人脸特征基于所述第一人脸特征比对范围进行识别，获得初级识别结果，如果初级识别结果中具有相似度大于或者等于第一预设阈值的人脸特征，则根据相似度最高的人脸特征确认所述待确定身份用户的身份；
如果初级识别结果的相似度均小于第一预设阈值，则将所述人脸特征基于所述第二人脸特征比对范围进行识别，获得识别结果。
其中，在人脸识别装置400的一些实施例中，所述第一基站为室内的基站，所述第二基站为室外基站；
第一人脸特征比对范围获取子模块4021具体用于：
获取所述第一基站通过实时定位获取的位于所述室内的用户的用户信息，根据所述用户信息在预设人脸特征库中获得第一人脸特征比对范围。
第二人脸特征比对范围获取子模块4022具体用于：
获取所述第二基站的定位信息，所述第二基站的定位信息包括在第一预设时段内、在预设区域内出现的用户的信息，根据所述第二基站的定位信息获得第一用户信息，所述第一用户信息为在第一预设时段内、在所述预设区域内出现的时间超过预设时间阈值的用户的信息；
获取第二用户信息，所述第二用户信息为第二预设时段内、来过所述室内的用户的信息；
将所述第一用户信息和所述第二用户信息取交集，获得第三用户信息，根据所述第三用户信息在所述预设人脸特征库中获得第二人脸特征比对范围。
在人脸识别装置400的其他实施例中，请参照图5，人脸识别装置400还包括：
上传模块404，用于接收机器人发送的用户确认消息，根据所述用户确认消息将所述待确定身份用户的人脸特征、用户身份信息和图像上传所述预设人脸特征库。
需要说明的是，上述人脸识别装置可执行本申请实施例所提供的人脸识别方法，具备执行方法相应的功能模块和有益效果。未在人脸识别装置实施例中详尽描述的技术细节，可参见本申请实施例所提供的人脸识别方法。
图6是本申请实施例提供的服务器10的硬件结构示意图，如图6所示，该服务器10包括：
一个或多个处理器11以及存储器12，图6中以一个处理器11为例。
处理器11和存储器12可以通过总线或者其他方式连接，图6中以通过总线连接为例。
存储器12作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的人脸识别方法对应的程序指令/模块(例如，附图4所示的人脸特征获取模块401、人脸特征比对范围获取模块402和识别模块403)。处理器11通过运行存储在存储器12中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的人脸识别方法。
存储器12可以包括存储程序区和存储数据区，其中，存储程序区可存储操 作系统、至少一个功能所需要的应用程序；存储数据区可存储根据人脸识别装置的使用所创建的数据等。此外，存储器12可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器12可选包括相对于处理器11远程设置的存储器，这些远程存储器可以通过网络连接至人脸识别装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器12中，当被所述一个或者多个处理器11执行时，执行上述任意方法实施例中的人脸识别方法，例如，执行以上描述的图2中的方法步骤101至步骤103，图3中的方法步骤201至步骤205；实现图4中的模块401-403、图5中模块401-404、子模块4021-4022的功能。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
本申请实施例提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图7中的一个处理器11，可使得上述一个或多个处理器可执行上述任意方法实施例中的人脸识别方法，例如，执行以上描述的图2中的方法步骤101至步骤103，图3中的方法步骤201至步骤205；实现图4中的模块401-403、图5中模块401-404、子模块4021-4022的功能。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所 述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；在本申请的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (17)

  1. 一种人脸识别方法，所述人脸识别方法应用于服务器，其特征在于，所述方法包括：
    获取待确定身份用户的人脸图像，基于所述人脸图像进行识别获得所述人脸图像的人脸特征；
    获取定位装置的定位信息，基于所述定位信息从预设人脸特征库中获得人脸特征比对范围，所述预设人脸特征库和所述人脸特征比对范围均包括已知用户的人脸特征和用户信息，所述人脸特征比对范围包括的人脸数量小于所述预设人脸特征库中包括的人脸数量；
    将所述人脸特征基于所述人脸特征比对范围进行识别，并根据识别结果指示机器人对所述待确定身份用户进行询问。
  2. 根据权利要求1所述的方法，其特征在于，所述根据识别结果指示机器人对所述待确定身份用户进行询问，包括：
    如果识别结果的相似度满足预设条件，则获得识别结果中相似度最高的至少一个人脸特征，指示机器人基于该至少一个人脸特征对应的用户身份信息进行询问。
  3. 根据权利要求2所述的方法，其特征在于，所述识别结果的相似度满足预设条件，包括：
    识别结果中最大相似度大于第二预设阈值且小于第一预设阈值；
    所述根据识别结果指示机器人对所述待确定身份用户进行询问，还包括：
    如果识别结果中最大相似度小于或者等于第二预设阈值，则指示机器人询问所述待确定身份用户的用户身份信息。
  4. 根据权利要求1-3任意一项所述的方法，其特征在于，所述定位装置包括第一基站和第二基站，所述人脸特征比对范围包括第一人脸特征比对范围和第二人脸特征比对范围；
    所述获取定位装置的定位信息，基于所述定位信息从预设人脸特征库中获得人脸特征比对范围，包括：
    获取所述第一基站的定位信息，基于所述第一基站的定位信息从预设人脸 特征库中获得第一人脸特征比对范围；
    获取所述第二基站的定位信息，基于所述第二基站的定位信息从预设人脸特征库中获得第二人脸特征比对范围；
    所述将所述人脸特征基于所述人脸特征比对范围进行识别，包括：
    将所述人脸特征基于所述第一人脸特征比对范围进行识别，获得初级识别结果，如果初级识别结果中具有相似度大于或者等于第一预设阈值的人脸特征，则根据相似度最高的人脸特征确认所述待确定身份用户的身份；
    如果初级识别结果的相似度均小于第一预设阈值，则将所述人脸特征基于所述第二人脸特征比对范围进行识别，获得识别结果。
  5. 根据权利要求4所述的方法，其特征在于，所述第一基站为室内的基站，所述第二基站为室外基站；
    所述获取所述第一基站的定位信息，基于所述第一基站的定位信息从预设人脸特征库中获得第一人脸特征比对范围，包括：
    获取所述第一基站通过实时定位获取的位于所述室内的用户的用户信息，根据所述用户信息在预设人脸特征库中获得第一人脸特征比对范围。
  6. 根据权利要求4或5所述的方法，其特征在于，所述获取所述第二基站的定位信息，基于所述第二基站的定位信息从预设人脸特征库中获得第二人脸特征比对范围，包括：
    获取所述第二基站的定位信息，所述第二基站的定位信息包括在第一预设时段内、在预设区域内出现的用户的信息，根据所述第二基站的定位信息获得第一用户信息，所述第一用户信息为在第一预设时段内、在所述预设区域内出现的时间超过预设时间阈值的用户的信息；
    获取第二用户信息，所述第二用户信息为第二预设时段内、来过所述室内的用户的信息；
    将所述第一用户信息和所述第二用户信息取交集，获得第三用户信息，根据所述第三用户信息在所述预设人脸特征库中获得第二人脸特征比对范围。
  7. 根据权利要求2所述的方法，其特征在于，所述方法还包括：
    接收机器人发送的用户确认消息，根据所述用户确认消息将所述待确定身份用户的人脸特征、用户身份信息和图像上传所述预设人脸特征库。
  8. 一种人脸识别装置，所述人脸识别装置应用于服务器，其特征在于，所述装置包括：
    人脸特征获取模块，用于获取待确定身份用户的人脸图像，基于所述人脸图像进行识别获得所述人脸图像的人脸特征；
    人脸特征比对范围获取模块，用于获取定位装置的定位信息，基于所述定位信息从预设人脸特征库中获得人脸特征比对范围，所述预设人脸特征库和所述人脸特征比对范围均包括已知用户的人脸特征和用户信息，所述人脸特征比对范围包括的人脸数量小于所述预设人脸特征库中包括的人脸数量；
    识别模块，用于将所述人脸特征基于所述人脸特征比对范围进行识别，并根据识别结果指示机器人对所述待确定身份用户进行询问。
  9. 根据权利要求8所述的装置，其特征在于，所述识别模块具体用于：
    如果识别结果的相似度满足预设条件，则获得识别结果中相似度最高的至少一个人脸特征，指示机器人基于该至少一个人脸特征对应的用户身份信息进行询问。
  10. 根据权利要求9所述的装置，其特征在于，所述识别模块具体用于：
    如果识别结果中最大相似度大于第二预设阈值且小于第一预设阈值，则获得识别结果中相似度最高的至少一个人脸特征，指示机器人基于该至少一个人脸特征的用户身份信息进行询问；
    如果识别结果中最大相似度小于或者等于第二预设阈值，则指示机器人询问所述待确定身份用户的用户身份信息。
  11. 根据权利要求8-10任意一项所述的装置，其特征在于，所述定位装置包括第一基站和第二基站，所述人脸特征比对范围包括第一人脸特征比对范围和第二人脸特征比对范围；
    所述人脸特征比对范围获取模块包括：
    第一人脸特征比对范围获取子模块，用于获取所述第一基站的定位信息，基于所述第一基站的定位信息从预设人脸特征库中获得第一人脸特征比对范围；
    第二人脸特征比对范围获取子模块，用于获取所述第二基站的定位信息，基于所述第二基站的定位信息从预设人脸特征库中获得第二人脸特征比对范围；
    所述识别模块还具体用于：
    将所述人脸特征基于所述第一人脸特征比对范围进行识别，获得初级识别结果，如果初级识别结果中具有相似度大于或者等于第一预设阈值的人脸特征，则根据相似度最高的人脸特征确认所述待确定身份用户的身份；
    如果初级识别结果的相似度均小于第一预设阈值，则将所述人脸特征基于所述第二人脸特征比对范围进行识别，获得识别结果。
  12. 根据权利要求11所述的装置，其特征在于，所述第一基站为室内的基站，所述第二基站为室外基站；
    所述第一人脸特征比对范围获取子模块具体用于：
    获取所述第一基站通过实时定位获取的位于所述室内的用户的用户信息，根据所述用户信息在预设人脸特征库中获得第一人脸特征比对范围。
  13. 根据权利要求11或12所述的装置，其特征在于，所述第二人脸特征比对范围获取子模块具体用于：
    获取所述第二基站的定位信息，所述第二基站的定位信息包括在第一预设时段内、在预设区域内出现的用户的信息，根据所述第二基站的定位信息获得第一用户信息，所述第一用户信息为在第一预设时段内、在所述预设区域内出现的时间超过预设时间阈值的用户的信息；
    获取第二用户信息，所述第二用户信息为第二预设时段内、来过所述室内的用户的信息；
    将所述第一用户信息和所述第二用户信息取交集，获得第三用户信息，根据所述第三用户信息在所述预设人脸特征库中获得第二人脸特征比对范围。
  14. 根据权利要求9所述的装置，其特征在于，所述装置还包括：
    上传模块，用于接收机器人发送的用户确认消息，根据所述用户确认消息将所述待确定身份用户的人脸特征、用户身份信息和图像上传所述预设人脸特征库。
  15. 一种服务器，其特征在于，包括：
    至少一个处理器；以及，
    与所述至少一个处理器通信连接的存储器；其中，
    所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述 至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任一项所述的方法。
  16. 一种非易失性计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被服务器执行时，使所述服务器执行执行权利要求1-7任一项所述的方法。
  17. 一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被服务器执行时，使所述服务器执行权利要求1-7任一项所述的方法。
PCT/CN2018/094628 2018-07-05 2018-07-05 人脸识别方法、装置和服务器 Ceased WO2020006727A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201880001396.8A CN108885698B (zh) 2018-07-05 2018-07-05 人脸识别方法、装置和服务器
PCT/CN2018/094628 WO2020006727A1 (zh) 2018-07-05 2018-07-05 人脸识别方法、装置和服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/094628 WO2020006727A1 (zh) 2018-07-05 2018-07-05 人脸识别方法、装置和服务器

Publications (1)

Publication Number Publication Date
WO2020006727A1 true WO2020006727A1 (zh) 2020-01-09

Family

ID=64325094

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/094628 Ceased WO2020006727A1 (zh) 2018-07-05 2018-07-05 人脸识别方法、装置和服务器

Country Status (2)

Country Link
CN (1) CN108885698B (zh)
WO (1) WO2020006727A1 (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111259813A (zh) * 2020-01-17 2020-06-09 实地地产集团有限公司 人脸检测跟踪方法、装置、计算机设备和存储介质
CN112101254A (zh) * 2020-09-21 2020-12-18 深圳喜为智慧科技有限公司 一种提升图像识别精度和速度的方法和系统
CN112929963A (zh) * 2021-02-07 2021-06-08 深圳前海中电慧安科技有限公司 基于终端测距的人员定位方法、装置、设备以及存储介质
CN113128969A (zh) * 2021-04-26 2021-07-16 广州太玮生物科技有限公司 一种色谱柱日常使用管理系统
CN113536966A (zh) * 2021-06-25 2021-10-22 佛山君兰智能科技有限公司 一种基于物联网的人脸识别系统及方法
CN113609931A (zh) * 2021-07-20 2021-11-05 上海德衡数据科技有限公司 基于神经网络的人脸识别方法及系统
CN114466314A (zh) * 2022-01-29 2022-05-10 重庆华唐云树科技有限公司 一种基于基站定位的固定人群手机号筛查方法
CN114529959A (zh) * 2020-11-03 2022-05-24 华为云计算技术有限公司 一种人脸识别的应用方法
CN115240262A (zh) * 2022-08-02 2022-10-25 深圳市捷顺科技实业股份有限公司 基于端侧协同人脸识别方法、系统、计算机设备及介质
WO2023045507A1 (zh) * 2021-09-26 2023-03-30 上海商汤智能科技有限公司 脸部识别
CN115880745A (zh) * 2022-09-07 2023-03-31 以萨技术股份有限公司 一种获取人脸图像特征的数据处理系统
CN116246319A (zh) * 2023-01-31 2023-06-09 湖南创亿达实业发展有限公司 一种基于智能交互触控平板的人脸识别处理方法及系统
CN116884058A (zh) * 2023-06-09 2023-10-13 中国银行股份有限公司 身份识别方法、装置、计算机设备与存储介质

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108885698B (zh) * 2018-07-05 2022-12-09 达闼机器人股份有限公司 人脸识别方法、装置和服务器
CN111241884B (zh) * 2018-11-29 2024-07-23 中科天网（广东）科技有限公司 云架构共享式人脸识别系统
CN110069445A (zh) * 2019-03-12 2019-07-30 深圳壹账通智能科技有限公司 人脸图像处理方法、服务器及计算机可读存储介质
CN110458091A (zh) * 2019-08-08 2019-11-15 北京阿拉丁智慧科技有限公司 基于位置筛选的人脸识别1比n算法优化方法
CN110991390B (zh) * 2019-12-16 2023-04-07 腾讯云计算（北京）有限责任公司 身份信息检索方法、装置、业务系统及电子设备
CN112084903A (zh) * 2020-08-26 2020-12-15 武汉普利商用机器有限公司 一种更新人脸识别底库照片的方法及系统
CN114491106B (zh) * 2020-10-23 2025-08-29 中移(苏州)软件技术有限公司 一种人脸识别方法、优先级确定方法、装置及存储介质
CN113158823B (zh) * 2021-03-30 2023-05-12 浙江大华技术股份有限公司 一种人脸识别方法及装置
CN113688712A (zh) * 2021-08-18 2021-11-23 上海浦东发展银行股份有限公司 一种人像识别方法、装置、电子设备及存储介质
CN115798003A (zh) * 2022-11-25 2023-03-14 山东产研鲲云人工智能研究院有限公司 身份核对方法、设备及存储介质
CN116453197B (zh) * 2023-04-24 2026-01-16 上海万雍科技股份有限公司 人脸识别方法、装置、电子设备和计算机可读介质
CN118113890B (zh) * 2024-04-10 2024-08-20 广东创森文化传媒有限公司 一种基于用户需求的传媒信息展示方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295582A (zh) * 2016-08-16 2017-01-04 车广为 人脸识别数据样本筛选方法
US20180014159A1 (en) * 2016-06-01 2018-01-11 International Business Machines Corporation Mobile device inference and location prediction of a moving object of interest
CN107598934A (zh) * 2017-09-01 2018-01-19 旗瀚科技有限公司 一种智能机器人前台应用系统及方法
CN108885698A (zh) * 2018-07-05 2018-11-23 深圳前海达闼云端智能科技有限公司 人脸识别方法、装置和服务器

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103049734A (zh) * 2011-10-12 2013-04-17 杜惠红 一种在公共场所找人的方法及系统
US9323912B2 (en) * 2012-02-28 2016-04-26 Verizon Patent And Licensing Inc. Method and system for multi-factor biometric authentication
CN102647449B (zh) * 2012-03-20 2016-01-27 西安联客信息技术有限公司 基于云服务的智能摄影方法、装置及移动终端
CN104219630B (zh) * 2014-09-23 2018-02-06 深圳先进技术研究院 一种基于手机基站模拟器及视频监控的联合搜索定位系统
CN105787440A (zh) * 2015-11-10 2016-07-20 深圳市商汤科技有限公司 一种基于人脸特征和步态特征的安保管理方法及系统
CN106503615B (zh) * 2016-09-20 2019-10-08 北京工业大学 基于多传感器的室内人体检测跟踪和身份识别系统
CN106686338A (zh) * 2016-12-16 2017-05-17 北京华鼎新铭智能科技发展有限公司 一种监室外交互终端
CN106780256A (zh) * 2016-12-16 2017-05-31 北京华鼎新铭智能科技发展有限公司 一种综合安防信息化管理系统
CN106815560B (zh) * 2016-12-22 2021-03-12 广州大学 一种应用于自适应驾座的人脸识别方法
CN107103029B (zh) * 2017-03-03 2021-08-20 北京光年无限科技有限公司 一种用于机器人的图像数据处理方法
CN107483416A (zh) * 2017-07-27 2017-12-15 湖南浩丰文化传播有限公司 身份验证的方法及装置
CN108229357A (zh) * 2017-12-24 2018-06-29 湛江正信科技服务有限公司 人脸识别的方法、装置、移动终端及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180014159A1 (en) * 2016-06-01 2018-01-11 International Business Machines Corporation Mobile device inference and location prediction of a moving object of interest
CN106295582A (zh) * 2016-08-16 2017-01-04 车广为 人脸识别数据样本筛选方法
CN107598934A (zh) * 2017-09-01 2018-01-19 旗瀚科技有限公司 一种智能机器人前台应用系统及方法
CN108885698A (zh) * 2018-07-05 2018-11-23 深圳前海达闼云端智能科技有限公司 人脸识别方法、装置和服务器

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111259813A (zh) * 2020-01-17 2020-06-09 实地地产集团有限公司 人脸检测跟踪方法、装置、计算机设备和存储介质
CN111259813B (zh) * 2020-01-17 2024-01-12 珠海市横琴盈实科技研发有限公司 人脸检测跟踪方法、装置、计算机设备和存储介质
CN112101254A (zh) * 2020-09-21 2020-12-18 深圳喜为智慧科技有限公司 一种提升图像识别精度和速度的方法和系统
CN114529959A (zh) * 2020-11-03 2022-05-24 华为云计算技术有限公司 一种人脸识别的应用方法
CN112929963A (zh) * 2021-02-07 2021-06-08 深圳前海中电慧安科技有限公司 基于终端测距的人员定位方法、装置、设备以及存储介质
CN113128969A (zh) * 2021-04-26 2021-07-16 广州太玮生物科技有限公司 一种色谱柱日常使用管理系统
CN113536966A (zh) * 2021-06-25 2021-10-22 佛山君兰智能科技有限公司 一种基于物联网的人脸识别系统及方法
CN113609931A (zh) * 2021-07-20 2021-11-05 上海德衡数据科技有限公司 基于神经网络的人脸识别方法及系统
WO2023045507A1 (zh) * 2021-09-26 2023-03-30 上海商汤智能科技有限公司 脸部识别
CN114466314A (zh) * 2022-01-29 2022-05-10 重庆华唐云树科技有限公司 一种基于基站定位的固定人群手机号筛查方法
CN114466314B (zh) * 2022-01-29 2024-04-02 重庆华唐云树科技有限公司 一种基于基站定位的固定人群手机号筛查方法
CN115240262A (zh) * 2022-08-02 2022-10-25 深圳市捷顺科技实业股份有限公司 基于端侧协同人脸识别方法、系统、计算机设备及介质
CN115880745A (zh) * 2022-09-07 2023-03-31 以萨技术股份有限公司 一种获取人脸图像特征的数据处理系统
CN116246319A (zh) * 2023-01-31 2023-06-09 湖南创亿达实业发展有限公司 一种基于智能交互触控平板的人脸识别处理方法及系统
CN116884058A (zh) * 2023-06-09 2023-10-13 中国银行股份有限公司 身份识别方法、装置、计算机设备与存储介质

Also Published As

Publication number Publication date
CN108885698B (zh) 2022-12-09
CN108885698A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108885698B (zh) 人脸识别方法、装置和服务器
US11443551B2 (en) Facial recognitions based on contextual information
CN110046266B (zh) 一种照片的智能管理方法及装置
CN105590097B (zh) 暗视觉条件下双摄像头协同实时人脸识别安防系统及方法
CN110490086B (zh) 一种用于对象识别结果二次确认的方法及系统
CN110399763B (zh) 人脸识别方法与系统
CN110245573B (zh) 一种基于人脸识别的签到方法、装置及终端设备
CN110889314B (zh) 图像处理方法、装置、电子设备、服务器及系统
US11348354B2 (en) Human body tracing method, apparatus and device, and storage medium
WO2022082401A1 (zh) 宠物鼻纹识别方法、装置、计算机设备及存储介质
CN112084903A (zh) 一种更新人脸识别底库照片的方法及系统
WO2019218459A1 (zh) 一种照片存储方法、存储介质、服务器和装置
CN110503022A (zh) 一种身份识别方法、装置及系统
EP3462734A1 (en) Systems and methods for directly accessing video data streams and data between devices in a video surveillance system
CN110807117A (zh) 一种用户关系预测方法及装置、计算机可读存储介质
CN110175505A (zh) 微表情类型的确定方法、装置、存储介质及电子装置
US10176379B1 (en) Integrating computer vision and wireless data to provide identification
CN110837783A (zh) 智慧社区中外来可疑人物自动警告方法、设备及存储介质
US10535154B2 (en) System, method, and program for image analysis
CN105354252A (zh) 一种信息处理方法和装置
CN114926717A (zh) 对象特征融合方法、装置以及存储介质
CN108647613B (zh) 一种应用于考场的考生查验方法
CN103984927B (zh) 一种信息处理方法及电子设备
CN110569707A (zh) 一种身份识别方法和电子设备
CN117689935A (zh) 证件信息识别方法、装置、系统、电子设备及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18925080

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 14/05/2021)

122 Ep: pct application non-entry in european phase

Ref document number: 18925080

Country of ref document: EP

Kind code of ref document: A1