WO2020155486A1 - 人脸识别优化方法、装置、计算机设备和存储介质 - Google Patents
人脸识别优化方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- WO2020155486A1 WO2020155486A1 PCT/CN2019/089108 CN2019089108W WO2020155486A1 WO 2020155486 A1 WO2020155486 A1 WO 2020155486A1 CN 2019089108 W CN2019089108 W CN 2019089108W WO 2020155486 A1 WO2020155486 A1 WO 2020155486A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- photo
- real
- similarity
- self
- time face
- 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
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Definitions
- This application relates to the field of face recognition technology, and in particular to a face recognition optimization method, device, computer equipment and storage medium.
- Face recognition is a kind of biometric recognition technology based on human facial feature information.
- a series of related technologies that use a video camera or camera to collect images or video streams containing human faces, and automatically detect and track human faces in the images, and then perform facial recognition on the detected faces, usually also called face recognition and facial recognition .
- the current intelligent recognition on the market is basically based on the comparison of the human face with the original base map. The disadvantage is that if the base map has low clarity, the recognition takes a long time or the failure rate is high.
- this application proposes a face recognition optimization method, device, computer equipment and storage medium, which aims to solve the problem of low definition of the base image in the existing face recognition, which leads to long recognition time or failure Problems with high rates.
- a face recognition optimization method the method includes:
- the present application also provides a face recognition optimization device, the device includes:
- the acquisition module is used to acquire real-time face photos when the recognition result of the face recognition by the face recognition system is that the recognition is passed;
- the first comparison module is configured to compare the real-time face photo with a base map corresponding to the real-time face photo to obtain a first degree of similarity, and the base map is stored in the base library of the face recognition system ;
- the recognition module is used to recognize whether there is a photo corresponding to the real-time face photo in the self-registration library
- the second comparison module is configured to compare the real-time face photo with the corresponding photo if it is recognized that the self-registered inventory is in the photo corresponding to the real-time face photo to obtain a second degree of similarity;
- a third comparison module configured to compare the second similarity with a preset similarity threshold
- a fourth comparison module configured to compare the second similarity with the first similarity if the second similarity is greater than the preset similarity threshold
- the replacement module is configured to replace the base map with the corresponding photo as a new base map if the second similarity is greater than the first similarity.
- the present application also provides a computer device, including a memory and a processor, the memory stores a computer program, and the processor implements the steps of any of the above methods when the computer program is executed.
- the present application also provides a computer non-volatile readable storage medium on which a computer program is stored, and when the computer program is executed by a processor, the steps of any one of the above methods are implemented.
- FIG. 1 is a flowchart of applying the face recognition optimization method provided by the embodiment of the present application.
- FIG. 2 is a functional module diagram of the face recognition optimization device provided by an embodiment of the application.
- Fig. 3 is a schematic block diagram of the structure of a computer device provided by an embodiment of the present application.
- an embodiment of the present application proposes a face recognition optimization method, and the method includes the following steps:
- Step S101 When the recognition result of the face recognition performed by the face recognition system is that the recognition is passed, obtain a real-time face photo.
- Detect whether the face recognition system is performing face recognition If it is detected that the face recognition system is performing face recognition, the recognition result is obtained. If the recognition result is passed, the real-time face photo is obtained. If the recognition result is not recognized Pass, no real-time face photos are obtained. In this embodiment, real-time face photos are obtained by shooting with a camera.
- step S101 it includes:
- the self-registration library is used to store real-time face photos.
- the real-time face photos are stored in the self-registration library as photos in the self-registration library.
- the replacement conditions are met, the photos in the self-registration library will replace the face recognition system.
- Step S102 Compare the real-time face photo with a base map corresponding to the real-time face photo to obtain a first degree of similarity, and the base map is stored in a base library of the face recognition system.
- the real-time face photos After obtaining the real-time face photos, match the real-time face photos with the base maps. According to the matched base maps, obtain the base maps corresponding to the real-time face photos, and compare the real-time face photos with the real-time face photos. The base map is compared, and the first degree of similarity is obtained according to the comparison result.
- the feature points of the real-time face photo are extracted, the feature points of the real-time face photo are matched with the base map corresponding to the real-time face photo, and the corresponding similarity is calculated according to the number of matched feature points, Thus, the first degree of similarity is obtained.
- Step S103 Identify whether there is a photo corresponding to the real-time face photo in the self-registered library.
- the self-registration library is recognized, and it is recognized whether there is a photo corresponding to the real-time face photo in the self-registration library.
- step S103 includes:
- Step S104 If it is recognized that the self-registered inventory is in a photo corresponding to the real-time face photo, compare the real-time face photo with the corresponding photo to obtain a second degree of similarity.
- the real-time face photo is compared with the photo corresponding to the real-time face photo, and the second degree of similarity is obtained according to the comparison result.
- step S103 it includes:
- the real-time face photo is saved in the self-registration library as a photo in the self-registration library.
- the sharpness of the real-time face photo is obtained.
- the method for obtaining the sharpness of the photo is an existing technology. It is not described here, and the self-registered library is configured.
- the preset definition In this embodiment, the threshold input by the user is received, and the preset definition of the self-registering library is configured according to the threshold input by the user. After completing the configuration of the preset definition, compare the definition of the real-time face photo with the preset definition, and decide whether to save the real-time face photo to the self-registration library according to the comparison result.
- the real-time face photo is saved in the self-registration library as a photo in the self-registration library. If the resolution of the real-time face photo is less than or equal to the preset resolution Sharpness, the real-time face photos are not saved in the self-registration library.
- the definition of the real-time face photo is greater than the preset definition, the real-time face photo is saved in the self-registration library as the self-registration library After the photo steps, include:
- step S103 includes:
- the associated tag does not exist, it is determined that there is no photo corresponding to the real-time face photo in the self-registration library.
- the real-time face photo is saved in the self-registration library as the self-registration library After the photo steps, include:
- the photo corresponding to the storage date is deleted.
- the real-time face photos When the real-time face photos are saved in the self-registration library, record the date when the real-time face photos are saved in the self-register The date is compared, and the corresponding photo needs to be deleted according to the comparison result. Specifically, the first time value is obtained according to the time difference between the storage date and the current date. If the first time value is greater than the preset time, the storage date is deleted For the corresponding photos, in this embodiment, the preset time is three months. Delete photos with an earlier entry date to reduce the storage pressure of the self-registered library.
- Step S105 Compare the second similarity with a preset similarity threshold.
- the second similarity is compared with the preset similarity threshold, and according to the comparison result, it is determined whether it is necessary to compare the second similarity with the first similarity again.
- Step S106 If the second similarity is greater than the preset similarity threshold, compare the second similarity with the first similarity.
- the second similarity is compared with the first similarity. If the second similarity is less than or equal to the preset similarity threshold, the second similarity is not compared with the first similarity. The similarity is compared.
- Step S107 If the second degree of similarity is greater than the first degree of similarity, replace the base map with the corresponding photo as a new base map.
- the comparison result of the second similarity and the first similarity it is determined whether the corresponding photo needs to be replaced with the base map. Specifically, if the second similarity is greater than the first similarity, the corresponding photo is replaced with the base map as the new Base map.
- step S106 it includes:
- the photo is not replaced with the base map.
- the second degree of similarity is less than or equal to the first degree of similarity, the corresponding photo is not replaced with the base map.
- the definition of the real-time face photo is greater than the preset definition, the real-time face photo is saved in the self-registration library as the self-registration library
- the steps of the photo include:
- step S107 it includes:
- the recognition object is recognized with the target photo.
- Detect the recognition results of face recognition by the face recognition system If the recognition result is detected as a recognition failure, then recognize the pitch angle and yaw angle of the recognition object of the face recognition system, and obtain the first pitch angle and The first deflection angle, compare the pitch angle of each photo in the self-registered library with the first pitch angle to determine whether the pitch angle of each photo is within the preset deviation range, and compare the deflection angle of each photo in the self-registered library with the first deflection angle Angle comparison, judge whether the deflection angle of each photo is within the preset deviation range, according to the judgment result, you can know whether the pitch angle and deflection angle of each photo are within the preset deviation range, select the tilt angle and deflection angle from the self-registered library All photos within the preset deviation range obtain the target photo. When the face recognition system performs face recognition on the recognition object again, it will recognize the recognition object and the target photo to improve the recognition efficiency of the face recognition system.
- an embodiment of the present application proposes a face recognition optimization device 1.
- the device 1 includes an acquisition module 11, a first comparison module 12, an identification module 13, a second comparison module 14, a third comparison module 15, and a first comparison module.
- the obtaining module 11 is used to obtain a real-time face photo when the recognition result of the face recognition performed by the face recognition system is that the recognition is passed.
- Device 1 includes:
- the establishment module is used to establish a self-registering library.
- the first comparison module 12 is configured to compare the real-time face photo with a base map corresponding to the real-time face photo to obtain a first degree of similarity, and the base map is stored in the base library of the face recognition system in.
- the recognition module 13 is used to recognize whether there is a photo corresponding to the real-time face photo in the self-registration library.
- the identification module 13 includes:
- the first sub-comparison module is used to compare the real-time face photo with each photo in the self-registration library to obtain multiple similarities
- the second sub-comparison module is used to compare the multiple similarities with a preset first similarity
- the first sub-determination module is configured to determine that the self-registered inventory is in the photo corresponding to the real-time face photo if there is a similarity greater than the preset first similarity among the multiple similarities;
- the second sub-determination module is configured to determine that there is no photo corresponding to the real-time face photo in the self-registration library if there is no similarity greater than the preset first similarity among the multiple similarities.
- the second comparison module 14 is configured to, if it is recognized that the self-registered inventory is in a photo corresponding to the real-time face photo, compare the real-time face photo with the corresponding photo to obtain a second degree of similarity .
- Device 1 includes:
- the first obtaining module is configured to obtain the sharpness of the real-time face photo if it is recognized that there is no photo corresponding to the real-time face photo in the self-registration library;
- a sharpness comparison module for comparing the sharpness of the real-time face photo with a preset sharpness
- the saving module is configured to save the real-time face photo in the self-registration library as a photo in the self-registration library if the resolution of the real-time face photo is greater than the preset resolution.
- the device 1 includes:
- the label adding module is used to add the associated label of the real-time face photo and the base map corresponding to the real-time face photo.
- the real-time face photo and the base map corresponding to the real-time face photo have an association relationship through an associated tag
- the recognition module 13 includes:
- the first sub-searching module is used for searching in the self-registration library whether there is an associated label of the base map corresponding to the real-time face photo;
- the third sub-determination module is configured to determine that the self-registration inventory is in the photo corresponding to the real-time face photo if the associated tag exists;
- the fourth sub-determination module is configured to determine that there is no photo corresponding to the real-time face photo in the self-registration library if the associated tag does not exist.
- the device 1 includes:
- the date obtaining module is used to obtain the storage date and the current date of the real-time face photo saved in the self-registration database;
- the date comparison module is used to compare the storage date with the current date and obtain the first time value according to the time difference
- a time comparison module configured to compare the first time value with a preset time
- the deleting module is configured to delete the photo corresponding to the storage date if the first time value is greater than the preset time.
- the third comparison module 15 is configured to compare the second similarity with a preset similarity threshold.
- the second similarity is compared with the preset similarity threshold, and according to the comparison result, it is determined whether it is necessary to compare the second similarity with the first similarity again.
- the fourth comparison module 16 is configured to compare the second similarity with the first similarity if the second similarity is greater than the preset similarity threshold.
- the second similarity is compared with the first similarity. If the second similarity is less than or equal to the preset similarity threshold, the second similarity is not compared with the first similarity. The similarity is compared.
- the replacement module 17 is configured to replace the base map with the corresponding photo as a new base map if the second similarity is greater than the first similarity.
- Device 1 includes:
- the rejection replacement module is configured to not replace the base map with the photo if the second similarity is less than or equal to the first similarity.
- the second degree of similarity is less than or equal to the first degree of similarity, the corresponding photo is not replaced with the base map.
- the saving module includes:
- the first sub-recognition module is configured to recognize the pitch angle and the yaw angle of the real-time face photo if the sharpness of the real-time face photo is greater than the preset sharpness;
- the first sub-saving module is configured to save the real-time face photos in the self-registration library, and mark the pitch and deflection angles of the real-time face photos as photos in the self-registration library.
- Device 1 includes:
- the detection module is used to detect whether the recognition result of the face recognition by the face recognition system has a recognition failure
- the first recognition module is configured to recognize the pitch angle and the yaw angle of the recognition object of the face recognition system if there is a recognition failure, and obtain the first pitch angle and the first yaw angle;
- the first judgment module is configured to compare the pitch angle of each photo in the self-registration library with the first pitch angle to determine whether the pitch angle of each photo is within a preset deviation range;
- the second judgment module is configured to compare the deflection angle of each photo in the self-registration library with the first deflection angle to determine whether the deflection angle of each photo is within a preset deviation range;
- the selection module is used to select photos whose pitch angle and yaw angle are both within a preset deviation range from the self-registration library to obtain a target photo;
- the second recognition module is configured to recognize the recognition object with the target photo when the face recognition system performs face recognition on the recognition object again.
- an embodiment of the present application also provides a computer device.
- the computer device may be a server, and its internal structure may be as shown in FIG. 3.
- the computer equipment includes a processor, a memory, a network interface and a database connected by a system bus. Among them, the computer designed processor is used to provide calculation and control capabilities.
- the memory of the computer device includes a non-volatile storage medium and an internal memory.
- the non-volatile storage medium stores an operating system, a computer program, and a database.
- the memory provides an environment for the operation of the operating system and computer programs in the non-volatile storage medium.
- the database of the computer equipment is used to store data such as the model of the face recognition optimization method.
- the network interface of the computer device is used to communicate with an external terminal through a network connection.
- the computer program is executed by the processor to realize a face recognition optimization method.
- An embodiment of the present application also provides a computer non-volatile readable storage medium on which a computer program is stored, and when the computer program is executed by a processor, a method for optimizing face recognition is realized.
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及人脸识别优化方法、装置、计算机设备和存储介质。将实时人脸照片与对应的底图比较，获得第一相似度；识别是否存在与实时人脸照片对应的照片；若存在，则进行比较，获得第二相似度；若第二相似度大于预设相似度阈值，则将第二相似度与第一相似度进行比较；若第二相似度大于第一相似度，则将对应的照片替换底图。
Description
本申请要求于2019年01月28日提交中国专利局、申请号为2019100826673，申请名称为“人脸识别优化方法、装置、计算机设备和存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
本申请涉及人脸识别技术领域，特别涉及一种人脸识别优化方法、装置、计算机设备和存储介质。
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。在目前市面上的智能识别，基本是通过人脸跟原来底图对比来进行识别，缺点是如果底图清晰度低，那么识别需要时间长或者失败率高。
针对现有技术不足，本申请提出一种人脸识别优化方法、装置、计算机设备和存储介质，旨在解决在现有的人脸识别中，如果底图清晰度低，导致识别时间长或者失败率高的问题。
本申请提出的技术方案是：一种人脸识别优化方法，所述方法包括：
当人脸识别系统进行人脸识别的识别结果为识别通过时，获取实时人脸照片；
将所述实时人脸照片与所述实时人脸照片对应的底图进行比较，获得第一相似度，所述底图存储于所述人脸识别系统的底图库中；
识别自注册库是否存在与所述实时人脸照片对应的照片；
若识别出所述自注册库存在与所述实时人脸照片对应的照片，则将所述实时人脸照片与所述对应的照片进行比较，获得第二相似度；
将所述第二相似度与预设相似度阈值进行比较；
若所述第二相似度大于所述预设相似度阈值，则将所述第二相似度与所述第一相似度进行比较；
若所述第二相似度大于所述第一相似度，则将所述对应的照片替换所述底图，作为新的底图。
本申请还提供一种人脸识别优化装置，所述装置包括：
获取模块，用于当人脸识别系统进行人脸识别的识别结果为识别通过时，获取实时人脸照片；
第一比较模块，用于将所述实时人脸照片与所述实时人脸照片对应的底图进行比较，获得第一相似度，所述底图存储于所述人脸识别系统的底图库中；
识别模块，用于识别自注册库是否存在与所述实时人脸照片对应的照片；
第二比较模块，用于若识别出所述自注册库存在与所述实时人脸照片对应的照片，则将所述实时人脸照片与所述对应的照片进行比较，获得第二相似度；
第三比较模块，用于将所述第二相似度与预设相似度阈值进行比较；
第四比较模块，用于若所述第二相似度大于所述预设相似度阈值，则将所述第二相似度与所述第一相似度进行比较；
替换模块，用于若所述第二相似度大于所述第一相似度，则将所述对应的照片替换所述底图，作为新的底图。
本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的方法的步骤。
本申请还提供一种计算机非易失性可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
将在自注册库中对应的照片替换底图，作为新的底图，旨在解决在现有的人脸识别中，如果底图清晰度低，导致识别时间长或者失败率高的问题。
图1是应用本申请实施例提供的人脸识别优化方法的流程图；
图2是应用本申请实施例提供的人脸识别优化装置的功能模块图；
图3是应用本申请实施例提供的计算机设备的结构示意框图。
本申请的最佳实施方式
如图1所示，本申请实施例提出一种人脸识别优化方法，所述方法包括以下步骤：
步骤S101、当人脸识别系统进行人脸识别的识别结果为识别通过时，获取实时人脸照片。
检测人脸识别系统是否进行人脸识别，若检测到人脸识别系统是在进行人脸识别，则获取识别结果，如果识别结果是识别通过，则获取实时人脸照片，如果识别结果是识别不通过，则不获取实时人脸照片。在本实施例中，通过摄像头拍摄，进行获取实时人脸照片。
在步骤S101之前，包括：
建立自注册库。
自注册库用于存储实时人脸照片，将实时人脸照片存储在自注册库中，作为自注册库的照片，在自注册库中的照片，当达到替换条件时，替换人脸识别系统的底图库中对应的底图。
步骤S102、将所述实时人脸照片与所述实时人脸照片对应的底图进行比较，获得第一相似度，所述底图存储于所述人脸识别系统的底图库中。
在获取到实时人脸照片之后，将实时人脸照片与各底图进行匹配，根据匹配到的底图，获得实时人脸照片对应的底图，将实时人脸照片与实时人脸照片对应的底图进行比较，根据比较结果，获得第一相似度。
在本实施例中，提取实时人脸照片的特征点，将实时人脸照片的特征点与实时人脸照片对应的底图进行匹配，根据匹配到的特征点的数量，计算对应的相似度，从而获得第一相似度。
步骤S103、识别自注册库是否存在与所述实时人脸照片对应的照片。
在获得第一相似度之后，对自注册库进行识别，识别自注册库是否存在与实时人脸照片对应的照片。
在本实施例中，在步骤S103中，包括：
将所述实时人脸照片与所述自注册库的各照片进行比较，获得多个相似度；
将所述多个相似度与预设第一相似度进行比较；
若所述多个相似度存在大于所述预设第一相似度的相似度，则判定所述自注册库存在与所述实时人脸照片对应的照片；
若所述多个相似度不存在大于所述预设第一相似度的相似度，则判定所述自注册库不存在与所述实时人脸照片对应的照片。
在获得多个相似度之后，将多个相似度逐一与预设第一相似度进行比较，根据比较结果，可以知道多个相似度中是否存在大于预设第一相似度的相似度，进而判断自注册库是否存在与实时人脸照片对应的照片。判定自注册库存在与实时人脸照片对应的照片，此时，可以是多张对应的照片，也可以是一张对应的照片，如果在多张对应的照片，以及还是存在多张对应的照片是第二相似度大于第一相似度，那么将多张对应的照片替换底图，作为新的底图。
步骤S104、若识别出所述自注册库存在与所述实时人脸照片对应的照片，则将所述实时人脸照片与所述对应的照片进行比较，获得第二相似度。
当识别出自注册库存在与实时人脸照片对应的照片时，将实时人脸照片与实时人脸照片对应的照片进行比较，根据比较结果，获得第二相似度。
在步骤S103之后，包括：
若识别出所述自注册库不存在与所述实时人脸照片对应的照片，则获取所述实时人脸照片的清晰度；
将所述实时人脸照片的清晰度与预设清晰度进行比较；
若所述实时人脸照片的清晰度大于所述预设清晰度，则将所述实时人脸照片保存在所述自注册库中，作为所述自注册库的照片。
当识别出自注册库不存在与实时人脸照片对应的照片时，获取实时人脸照片的清晰度，照片的清晰度的获取手段是现有的技术，在此不进行叙述，配置自注册库的预设清晰度，在本实施例中，接收用户输入的阈值，根据用户输入的阈值，配置自注册库的预设清晰度。在完成预设清晰度的配置之后，将实时人脸照片的清晰度与预设清晰度进行比较，根据比较结果，决定是否需要将实时人脸照片保存到自注册库。具体地，若实时人脸照片的清晰度大于预设清晰度，则将实时人脸照片保存在自注册库中，作为自注册库的照片，若实时人脸照片的清晰度小于或者等于预设清晰度，则不将实时人脸照片保存在自注册库中。
在本实施例中，在所述若所述实时人脸照片的清晰度大于所述预设清晰度，则将所述实时人脸照片保存在所述自注册库中，作为所述自注册库的照片的步骤之后，包括：
添加所述实时人脸照片与所述实时人脸照片对应的底图的关联标签。
在前面已经知道实时人脸照片对应的底图，根据实时人脸照片对应的底图与实时人脸照片的对应关系，添加实时人脸照片与实时人脸照片对应的底图关联标签，关联标签用于判断自注册库是否存在与实时人脸照片对应的照片。
在一些实施例中，所述实时人脸照片与所述实时人脸照片对应的底图通过关联标签存在关联关系，在步骤S103中，包括：
在所述自注册库中查找是否存在所述实时人脸照片对应的底图的关联标签；
若存在所述关联标签，则判定所述自注册库存在与所述实时人脸照片对应的照片；
若不存在所述关联标签，则判定所述自注册库不存在与所述实时人脸照片对应的照片。
在自注册库中进行查找，查找是否存在实时人脸照片对应的底图的关联标签，根据查找结果，判断自注册库是否存在与实时人脸照片对应的照片，具体地，若存在关联标签，则判定自注册库存在与实时人脸照片对应的照片，若不存在关联标签，则判定自注册库不存在与实时人脸照片对应的照片。通过关联标签可以快速识别出自注册库是否存在与实时人脸照片对应的照片。
在本实施例中，在所述若所述实时人脸照片的清晰度大于所述预设清晰度，则将所述实时人脸照片保存在所述自注册库中，作为所述自注册库的照片的步骤之后，包括：
获取所述实时人脸照片保存在所述自注册库的入库日期，以及当前日期；
将所述入库日期与所述当前日期进行比较，根据时间差，获得第一时间值；
将所述第一时间值与预设时间比较；
若所述第一时间值大于所述预设时间，则删除所述入库日期对应的照片。
当实时人脸照片保存在自注册库时，记录实时人脸照片保存在自注册库的入库日期，从而获得自注册库的各照片的入库日期，获取当前日期，将入库日期与当前日期进行比较，根据比较结果，决定是否需要删除相应的照片，具体地，根据入库日期与当前日期的时间差，得到第一时间值，若第一时间值大于预设时间，则删除入库日期对应的照片，在本实施例中，预设时间为三个月。将入库日期较早的照片删除，减轻自注册库的存储压力。
步骤S105、将所述第二相似度与预设相似度阈值进行比较。
在获得第二相似度之后，将第二相似度与预设相似度阈值进行比较，根据比较结果，决定是否需要再将第二相似度与第一相似度进行比较。
步骤S106、若所述第二相似度大于所述预设相似度阈值，则将所述第二相似度与所述第一相似度进行比较。
若第二相似度大于预设相似度阈值，则将第二相似度与第一相似度进行比较，若第二相似度小于或者等于预设相似度阈值，则不将第二相似度与第一相似度进行比较。
步骤S107、若所述第二相似度大于所述第一相似度，则将所述对应的照片替换所述底图，作为新的底图。
根据第二相似度与第一相似度的比较结果，决定是否需要将对应的照片替换底图，具体地，若第二相似度大于第一相似度，则将对应的照片替换底图，作为新的底图。
在步骤S106之后，包括：
若所述第二相似度小于或者等于所述第一相似度，则不将所述照片替换所述底图。
若第二相似度小于或者等于第一相似度，则不将对应的照片替换底图。
在一些实施例中， 在所述若所述实时人脸照片的清晰度大于所述预设清晰度，则将所述实时人脸照片保存在所述自注册库中，作为所述自注册库的照片的步骤中，包括：
若所述实时人脸照片的清晰度大于预设清晰度，则识别所述实时人脸照片的俯仰角度和偏转角度；
将所述实时人脸照片保存在所述自注册库中，并标记所述实时人脸照片的俯仰角度和偏转角度，作为所述自注册库的照片。
在步骤S107之后，包括：
检测人脸识别系统进行人脸识别的识别结果是否存在识别失败；
若存在识别失败，则识别所述人脸识别系统的识别对象的俯仰角度和偏转角度，获得第一俯仰角度和第一偏转角度；
将所述自注册库中各照片的俯仰角度与第一俯仰角度比较，判断所述各照片的俯仰角度是否在预设偏差范围内；
将所述自注册库中各照片的偏转角度与第一偏转角度比较，判断所述各照片的偏转角度是否在预设偏差范围内；
从所述自注册库中选取俯仰角度、偏转角度均在预设偏差范围内的照片，获得目标照片；
当所述人脸识别系统再次对所述识别对象进行人脸识别时，将所述识别对象与所述目标照片进行识别。
对人脸识别系统进行人脸识别的识别结果进行检测，如果检测到识别结果存在识别失败，那么识别人脸识别系统的识别对象的俯仰角度和偏转角度，根据识别结果，获得第一俯仰角度和第一偏转角度，将自注册库中各照片的俯仰角度与第一俯仰角度比较，判断各照片的俯仰角度是否在预设偏差范围内，将自注册库中各照片的偏转角度与第一偏转角度比较，判断各照片的偏转角度是否在预设偏差范围内，根据判断结果，可以知道各照片的俯仰角度、偏转角度是否在预设偏差范围内，从自注册库中选取俯仰角度、偏转角度均在预设偏差范围内的照片，获得目标照片，当人脸识别系统再次对识别对象进行人脸识别时，将识别对象与目标照片进行识别，提高人脸识别系统的识别效率。
综上所述，将实时人脸照片与实时人脸照片对应的底图进行比较，获得第一相似度，将实时人脸照片与在自注册库中对应的照片进行比较，获得第二相似度，先将第二相似度与预设相似度阈值进行比较，在第二相似度大于预设相似度阈值之后，再将第二相似度与第一相似度进行比较，在第二相似度大于第一相似度时，将在自注册库中对应的照片替换底图，作为新的底图，旨在解决在现有的人脸识别中，如果底图清晰度低，导致识别时间长或者失败率高的问题。
如图2所示，本申请实施例提出一种人脸识别优化装置1，装置1包括获取模块11、第一比较模块12、识别模块13、第二比较模块14、第三比较模块15、第四比较模块16和替换模块17。
获取模块11，用于当人脸识别系统进行人脸识别的识别结果为识别通过时，获取实时人脸照片。
装置1包括：
建立模块，用于建立自注册库。
第一比较模块12，用于将所述实时人脸照片与所述实时人脸照片对应的底图进行比较，获得第一相似度，所述底图存储于所述人脸识别系统的底图库中。
识别模块13，用于识别自注册库是否存在与所述实时人脸照片对应的照片。
在本实施例中，识别模块13包括：
第一子比较模块，用于将所述实时人脸照片与所述自注册库的各照片进行比较，获得多个相似度；
第二子比较模块，用于将所述多个相似度与预设第一相似度进行比较；
第一子判定模块，用于若所述多个相似度存在大于所述预设第一相似度的相似度，则判定所述自注册库存在与所述实时人脸照片对应的照片；
第二子判定模块，用于若所述多个相似度不存在大于所述预设第一相似度的相似度，则判定所述自注册库不存在与所述实时人脸照片对应的照片。
第二比较模块14，用于若识别出所述自注册库存在与所述实时人脸照片对应的照片，则将所述实时人脸照片与所述对应的照片进行比较，获得第二相似度。
装置1包括：
第一获取模块，用于若识别出所述自注册库不存在与所述实时人脸照片对应的照片，则获取所述实时人脸照片的清晰度；
清晰度比较模块，用于将所述实时人脸照片的清晰度与预设清晰度进行比较；
保存模块，用于若所述实时人脸照片的清晰度大于所述预设清晰度，则将所述实时人脸照片保存在所述自注册库中，作为所述自注册库的照片。
在本实施例中，装置1包括：
标签添加模块，用于添加所述实时人脸照片与所述实时人脸照片对应的底图的关联标签。
在一些实施例中，所述实时人脸照片与所述实时人脸照片对应的底图通过关联标签存在关联关系，识别模块13包括：
第一子查找模块，用于在所述自注册库中查找是否存在所述实时人脸照片对应的底图的关联标签；
第三子判定模块，用于若存在所述关联标签，则判定所述自注册库存在与所述实时人脸照片对应的照片；
第四子判定模块，用于若不存在所述关联标签，则判定所述自注册库不存在与所述实时人脸照片对应的照片。
在本实施例中，装置1包括：
日期获取模块，用于获取所述实时人脸照片保存在所述自注册库的入库日期，以及当前日期；
日期比较模块，用于将所述入库日期与所述当前日期进行比较，根据时间差，获得第一时间值；
时间比较模块，用于将所述第一时间值与预设时间比较；
删除模块，用于若所述第一时间值大于所述预设时间，则删除所述入库日期对应的照片。
第三比较模块15，用于将所述第二相似度与预设相似度阈值进行比较。
在获得第二相似度之后，将第二相似度与预设相似度阈值进行比较，根据比较结果，决定是否需要再将第二相似度与第一相似度进行比较。
第四比较模块16，用于若所述第二相似度大于所述预设相似度阈值，则将所述第二相似度与所述第一相似度进行比较。
若第二相似度大于预设相似度阈值，则将第二相似度与第一相似度进行比较，若第二相似度小于或者等于预设相似度阈值，则不将第二相似度与第一相似度进行比较。
替换模块17，用于若所述第二相似度大于所述第一相似度，则将所述对应的照片替换所述底图，作为新的底图。
装置1包括：
拒绝替换模块，用于若所述第二相似度小于或者等于所述第一相似度，则不将所述照片替换所述底图。
若第二相似度小于或者等于第一相似度，则不将对应的照片替换底图。
在一些实施例中，保存模块包括：
第一子识别模块，用于若所述实时人脸照片的清晰度大于预设清晰度，则识别所述实时人脸照片的俯仰角度和偏转角度；
第一子保存模块，用于将所述实时人脸照片保存在所述自注册库中，并标记所述实时人脸照片的俯仰角度和偏转角度，作为所述自注册库的照片。
装置1包括：
检测模块，用于检测人脸识别系统进行人脸识别的识别结果是否存在识别失败；
第一识别模块，用于若存在识别失败，则识别所述人脸识别系统的识别对象的俯仰角度和偏转角度，获得第一俯仰角度和第一偏转角度；
第一判断模块，用于将所述自注册库中各照片的俯仰角度与第一俯仰角度比较，判断所述各照片的俯仰角度是否在预设偏差范围内；
第二判断模块，用于将所述自注册库中各照片的偏转角度与第一偏转角度比较，判断所述各照片的偏转角度是否在预设偏差范围内；
选取模块，用于从所述自注册库中选取俯仰角度、偏转角度均在预设偏差范围内的照片，获得目标照片；
第二识别模块，用于当所述人脸识别系统再次对所述识别对象进行人脸识别时，将所述识别对象与所述目标照片进行识别。
如图3所示，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储人脸识别优化方法的模型等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人脸识别优化方法。
本申请一实施例还提供一种计算机非易失性可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种人脸识别优化方法。
Claims (20)
- 一种人脸识别优化方法，其特征在于，所述方法包括：当人脸识别系统进行人脸识别的识别结果为识别通过时，获取实时人脸照片；将所述实时人脸照片与所述实时人脸照片对应的底图进行比较，获得第一相似度，所述底图存储于所述人脸识别系统的底图库中；识别自注册库是否存在与所述实时人脸照片对应的照片；若识别出所述自注册库存在与所述实时人脸照片对应的照片，则将所述实时人脸照片与所述对应的照片进行比较，获得第二相似度；将所述第二相似度与预设相似度阈值进行比较；若所述第二相似度大于所述预设相似度阈值，则将所述第二相似度与所述第一相似度进行比较；若所述第二相似度大于所述第一相似度，则将所述对应的照片替换所述底图，作为新的底图。
- 根据权利要求1所述的人脸识别优化方法，其特征在于，在所述识别自注册库是否存在与所述实时人脸照片对应的照片的步骤之后，包括：若识别出所述自注册库不存在与所述实时人脸照片对应的照片，则获取所述实时人脸照片的清晰度；将所述实时人脸照片的清晰度与预设清晰度进行比较；若所述实时人脸照片的清晰度大于所述预设清晰度，则将所述实时人脸照片保存在所述自注册库中，作为所述自注册库的照片。
- 根据权利要求2所述的人脸识别优化方法，其特征在于，在所述若所述实时人脸照片的清晰度大于所述预设清晰度，则将所述实时人脸照片保存在所述自注册库中，作为所述自注册库的照片的步骤之后，包括：添加所述实时人脸照片与所述实时人脸照片对应的底图的关联标签。
- 根据权利要求1所述的人脸识别优化方法，其特征在于，所述实时人脸照片与所述实时人脸照片对应的底图通过关联标签存在关联关系，在所述识别自注册库是否存在与所述实时人脸照片对应的照片中，包括：在所述自注册库中查找是否存在所述实时人脸照片对应的底图的关联标签；若存在所述关联标签，则判定所述自注册库存在与所述实时人脸照片对应的照片；若不存在所述关联标签，则判定所述自注册库不存在与所述实时人脸照片对应的照片。
- 根据权利要求1所述的人脸识别优化方法，其特征在于，在所述识别自注册库是否存在与所述实时人脸照片对应的照片中，包括：将所述实时人脸照片与所述自注册库的各照片进行比较，获得多个相似度；将所述多个相似度与预设第一相似度进行比较；若所述多个相似度存在大于所述预设第一相似度的相似度，则判定所述自注册库存在与所述实时人脸照片对应的照片；若所述多个相似度不存在大于所述预设第一相似度的相似度，则判定所述自注册库不存在与所述实时人脸照片对应的照片。
- 根据权利要求2所述的人脸识别优化方法，其特征在于，在所述若所述实时人脸照片的清晰度大于所述预设清晰度，则将所述实时人脸照片保存在所述自注册库中，作为所述自注册库的照片的步骤之后，包括：获取所述实时人脸照片保存在所述自注册库的入库日期，以及当前日期；将所述入库日期与所述当前日期进行比较，根据时间差，获得第一时间值；将所述第一时间值与预设时间比较；若所述第一时间值大于所述预设时间，则删除所述入库日期对应的照片。
- 根据权利要求2所述的人脸识别优化方法，其特征在于，在所述若所述实时人脸照片的清晰度大于所述预设清晰度，则将所述实时人脸照片保存在所述自注册库中，作为所述自注册库的照片的步骤中，包括：若所述实时人脸照片的清晰度大于预设清晰度，则识别所述实时人脸照片的俯仰角度和偏转角度；将所述实时人脸照片保存在所述自注册库中，并标记所述实时人脸照片的俯仰角度和偏转角度，作为所述自注册库的照片；对应地，在所述若所述第二相似度大于所述第一相似度，则将所述对应的照片替换所述底图，作为新的底图的步骤之后，包括：检测人脸识别系统进行人脸识别的识别结果是否存在识别失败；若存在识别失败，则识别所述人脸识别系统的识别对象的俯仰角度和偏转角度，获得第一俯仰角度和第一偏转角度；将所述自注册库中各照片的俯仰角度与第一俯仰角度比较，判断所述各照片的俯仰角度是否在预设偏差范围内；将所述自注册库中各照片的偏转角度与第一偏转角度比较，判断所述各照片的偏转角度是否在预设偏差范围内；从所述自注册库中选取俯仰角度、偏转角度均在预设偏差范围内的照片，获得目标照片；当所述人脸识别系统再次对所述识别对象进行人脸识别时，将所述识别对象与所述目标照片进行识别。
- 根据权利要求1所述的人脸识别优化方法，其特征在于，在所述将所述第二相似度与所述第一相似度进行比较的步骤之后，包括若所述第二相似度小于或者等于所述第一相似度，则不将所述照片替换所述底图。
- 一种人脸识别优化装置，其特征在于，所述装置包括：获取模块，用于当人脸识别系统进行人脸识别的识别结果为识别通过时，获取实时人脸照片；第一比较模块，用于将所述实时人脸照片与所述实时人脸照片对应的底图进行比较，获得第一相似度，所述底图存储于所述人脸识别系统的底图库中；识别模块，用于识别自注册库是否存在与所述实时人脸照片对应的照片；第二比较模块，用于若识别出所述自注册库存在与所述实时人脸照片对应的照片，则将所述实时人脸照片与所述对应的照片进行比较，获得第二相似度；第三比较模块，用于将所述第二相似度与预设相似度阈值进行比较；第四比较模块，用于若所述第二相似度大于所述预设相似度阈值，则将所述第二相似度与所述第一相似度进行比较；替换模块，用于若所述第二相似度大于所述第一相似度，则将所述对应的照片替换所述底图，作为新的底图。
- 根据权利要求9所述的人脸识别优化装置，其特征在于，所述装置包括：第一获取模块，用于若识别出所述自注册库不存在与所述实时人脸照片对应的照片，则获取所述实时人脸照片的清晰度；清晰度比较模块，用于将所述实时人脸照片的清晰度与预设清晰度进行比较；保存模块，用于若所述实时人脸照片的清晰度大于所述预设清晰度，则将所述实时人脸照片保存在所述自注册库中，作为所述自注册库的照片。
- 根据权利要求10所述的人脸识别优化装置，其特征在于，所述装置包括：标签添加模块，用于添加所述实时人脸照片与所述实时人脸照片对应的底图的关联标签。
- 根据权利要求9所述的人脸识别优化装置，其特征在于，所述实时人脸照片与所述实时人脸照片对应的底图通过关联标签存在关联关系，所述识别模块包括：第一子查找模块，用于在所述自注册库中查找是否存在所述实时人脸照片对应的底图的关联标签；第三子判定模块，用于若存在所述关联标签，则判定所述自注册库存在与所述实时人脸照片对应的照片；第四子判定模块，用于若不存在所述关联标签，则判定所述自注册库不存在与所述实时人脸照片对应的照片。
- 根据权利要求9所述的人脸识别优化装置，其特征在于，所述识别模块包括：第一子比较模块，用于将所述实时人脸照片与所述自注册库的各照片进行比较，获得多个相似度；第二子比较模块，用于将所述多个相似度与预设第一相似度进行比较；第一子判定模块，用于若所述多个相似度存在大于所述预设第一相似度的相似度，则判定所述自注册库存在与所述实时人脸照片对应的照片；第二子判定模块，用于若所述多个相似度不存在大于所述预设第一相似度的相似度，则判定所述自注册库不存在与所述实时人脸照片对应的照片。
- 根据权利要求10所述的人脸识别优化装置，其特征在于，所述装置包括：日期获取模块，用于获取所述实时人脸照片保存在所述自注册库的入库日期，以及当前日期；日期比较模块，用于将所述入库日期与所述当前日期进行比较，根据时间差，获得第一时间值；时间比较模块，用于将所述第一时间值与预设时间比较；删除模块，用于若所述第一时间值大于所述预设时间，则删除所述入库日期对应的照片。
- 根据权利要求10所述的人脸识别优化装置，其特征在于，所述保存模块包括：第一子识别模块，用于若所述实时人脸照片的清晰度大于预设清晰度，则识别所述实时人脸照片的俯仰角度和偏转角度；第一子保存模块，用于将所述实时人脸照片保存在所述自注册库中，并标记所述实时人脸照片的俯仰角度和偏转角度，作为所述自注册库的照片；检测模块，用于检测人脸识别系统进行人脸识别的识别结果是否存在识别失败；第一识别模块，用于若存在识别失败，则识别所述人脸识别系统的识别对象的俯仰角度和偏转角度，获得第一俯仰角度和第一偏转角度；第一判断模块，用于将所述自注册库中各照片的俯仰角度与第一俯仰角度比较，判断所述各照片的俯仰角度是否在预设偏差范围内；第二判断模块，用于将所述自注册库中各照片的偏转角度与第一偏转角度比较，判断所述各照片的偏转角度是否在预设偏差范围内；选取模块，用于从所述自注册库中选取俯仰角度、偏转角度均在预设偏差范围内的照片，获得目标照片；第二识别模块，用于当所述人脸识别系统再次对所述识别对象进行人脸识别时，将所述识别对象与所述目标照片进行识别。
- 一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现人脸识别优化方法，所述方法包括：当人脸识别系统进行人脸识别的识别结果为识别通过时，获取实时人脸照片；将所述实时人脸照片与所述实时人脸照片对应的底图进行比较，获得第一相似度，所述底图存储于所述人脸识别系统的底图库中；识别自注册库是否存在与所述实时人脸照片对应的照片；若识别出所述自注册库存在与所述实时人脸照片对应的照片，则将所述实时人脸照片与所述对应的照片进行比较，获得第二相似度；将所述第二相似度与预设相似度阈值进行比较；若所述第二相似度大于所述预设相似度阈值，则将所述第二相似度与所述第一相似度进行比较；若所述第二相似度大于所述第一相似度，则将所述对应的照片替换所述底图，作为新的底图。
- 根据权利要求16所述的计算机设备，其特征在于，在所述识别自注册库是否存在与所述实时人脸照片对应的照片的步骤之后，包括：若识别出所述自注册库不存在与所述实时人脸照片对应的照片，则获取所述实时人脸照片的清晰度；将所述实时人脸照片的清晰度与预设清晰度进行比较；若所述实时人脸照片的清晰度大于所述预设清晰度，则将所述实时人脸照片保存在所述自注册库中，作为所述自注册库的照片。
- 根据权利要求17所述的计算机设备，其特征在于，在所述若所述实时人脸照片的清晰度大于所述预设清晰度，则将所述实时人脸照片保存在所述自注册库中，作为所述自注册库的照片的步骤之后，包括：添加所述实时人脸照片与所述实时人脸照片对应的底图的关联标签。
- 根据权利要求16所述的计算机设备，其特征在于，所述实时人脸照片与所述实时人脸照片对应的底图通过关联标签存在关联关系，在所述识别自注册库是否存在与所述实时人脸照片对应的照片中，包括：在所述自注册库中查找是否存在所述实时人脸照片对应的底图的关联标签；若存在所述关联标签，则判定所述自注册库存在与所述实时人脸照片对应的照片；若不存在所述关联标签，则判定所述自注册库不存在与所述实时人脸照片对应的照片。
- 一种计算机非易失性可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现人脸识别优化方法，所述方法包括：当人脸识别系统进行人脸识别的识别结果为识别通过时，获取实时人脸照片；将所述实时人脸照片与所述实时人脸照片对应的底图进行比较，获得第一相似度，所述底图存储于所述人脸识别系统的底图库中；识别自注册库是否存在与所述实时人脸照片对应的照片；若识别出所述自注册库存在与所述实时人脸照片对应的照片，则将所述实时人脸照片与所述对应的照片进行比较，获得第二相似度；将所述第二相似度与预设相似度阈值进行比较；若所述第二相似度大于所述预设相似度阈值，则将所述第二相似度与所述第一相似度进行比较；若所述第二相似度大于所述第一相似度，则将所述对应的照片替换所述底图，作为新的底图。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910082667.3 | 2019-01-28 | ||
| CN201910082667.3A CN109919017B (zh) | 2019-01-28 | 2019-01-28 | 人脸识别优化方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2020155486A1 true WO2020155486A1 (zh) | 2020-08-06 |
Family
ID=66960958
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2019/089108 Ceased WO2020155486A1 (zh) | 2019-01-28 | 2019-05-29 | 人脸识别优化方法、装置、计算机设备和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109919017B (zh) |
| WO (1) | WO2020155486A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112418006A (zh) * | 2020-11-05 | 2021-02-26 | 北京迈格威科技有限公司 | 目标识别方法、装置和电子系统 |
| CN115690884A (zh) * | 2022-11-07 | 2023-02-03 | 南京南瑞信息通信科技有限公司 | 一种人脸识别方法、系统、存储介质及计算设备 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110798709B (zh) * | 2019-11-01 | 2021-11-19 | 腾讯科技（深圳）有限公司 | 视频处理方法和装置、存储介质及电子装置 |
| CN113095110B (zh) * | 2019-12-23 | 2024-03-08 | 浙江宇视科技有限公司 | 人脸数据动态入库的方法、装置、介质及电子设备 |
| CN114756704A (zh) * | 2020-12-29 | 2022-07-15 | 深圳君正时代集成电路有限公司 | 一种人脸识别系统中防止撞脸的方法 |
| CN114758371A (zh) * | 2020-12-29 | 2022-07-15 | 深圳君正时代集成电路有限公司 | 一种人脸识别系统的数据库的自动修正方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105938552A (zh) * | 2016-06-29 | 2016-09-14 | 北京旷视科技有限公司 | 底图自动更新的人脸识别方法及装置 |
| CN107818301A (zh) * | 2017-10-16 | 2018-03-20 | 阿里巴巴集团控股有限公司 | 更新生物特征模板的方法、装置和电子设备 |
| CN108875485A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 一种底图录入方法、装置及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104700099B (zh) * | 2015-03-31 | 2017-08-11 | 百度在线网络技术（北京）有限公司 | 识别交通标志的方法和装置 |
| CN108875493B (zh) * | 2017-10-12 | 2021-04-27 | 北京旷视科技有限公司 | 人脸识别中相似度阈值的确定方法以及确定装置 |
| CN109086739A (zh) * | 2018-08-23 | 2018-12-25 | 成都睿码科技有限责任公司 | 一种无人脸数据训练的人脸识别方法和系统 |
-
2019
- 2019-01-28 CN CN201910082667.3A patent/CN109919017B/zh active Active
- 2019-05-29 WO PCT/CN2019/089108 patent/WO2020155486A1/zh not_active Ceased
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105938552A (zh) * | 2016-06-29 | 2016-09-14 | 北京旷视科技有限公司 | 底图自动更新的人脸识别方法及装置 |
| CN108875485A (zh) * | 2017-09-22 | 2018-11-23 | 北京旷视科技有限公司 | 一种底图录入方法、装置及系统 |
| CN107818301A (zh) * | 2017-10-16 | 2018-03-20 | 阿里巴巴集团控股有限公司 | 更新生物特征模板的方法、装置和电子设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN112418006A (zh) * | 2020-11-05 | 2021-02-26 | 北京迈格威科技有限公司 | 目标识别方法、装置和电子系统 |
| CN115690884A (zh) * | 2022-11-07 | 2023-02-03 | 南京南瑞信息通信科技有限公司 | 一种人脸识别方法、系统、存储介质及计算设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109919017B (zh) | 2023-09-01 |
| CN109919017A (zh) | 2019-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020155486A1 (zh) | 人脸识别优化方法、装置、计算机设备和存储介质 | |
| CN112364827B (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
| US11200404B2 (en) | Feature point positioning method, storage medium, and computer device | |
| TWI798815B (zh) | 目標重識別方法、裝置及電腦可讀存儲介質 | |
| US8270684B2 (en) | Automatic media sharing via shutter click | |
| CN109644255B (zh) | 标注包括一组帧的视频流的方法和装置 | |
| CN104081415B (zh) | 用于管理参考面孔数据库以用于在有限的存储器环境下提高面孔识别性能的方法、装置和计算机可读记录介质 | |
| CN106485186B (zh) | 图像特征提取方法、装置、终端设备及系统 | |
| WO2020252974A1 (zh) | 一种针对运动状态下的多目标对象追踪方法和装置 | |
| WO2019134346A1 (zh) | 人脸识别方法、应用服务器及计算机可读存储介质 | |
| WO2018196396A1 (zh) | 基于一致性约束特征学习的行人再识别方法 | |
| WO2021174789A1 (zh) | 基于特征提取的图像识别方法及图像识别装置 | |
| CN110852704B (zh) | 基于密集微小人脸识别的考勤方法、系统、设备及介质 | |
| CN113012189B (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
| EP2864906A2 (en) | Searching for events by attendants | |
| CN110598551A (zh) | 一种提高行人身份识别效率的方法、装置、设备及介质 | |
| CN112766230A (zh) | 一种视频流人员在线时长估计方法及对应系统 | |
| WO2020134302A1 (zh) | 数据清洗方法、装置及计算机可读存储介质 | |
| WO2018121414A1 (zh) | 电子设备、目标图像识别方法及装置 | |
| CN116597382A (zh) | 一种基于计算机视觉的群体识别方法和群体识别装置 | |
| KR101138873B1 (ko) | 인물 ｄｂ 등록사진 수 축소 방법 및 장치 | |
| CN113886631A (zh) | 视频档案生成方法、装置及存储介质 | |
| CN108491832A (zh) | 一种嵌入式人脸识别追踪装置及方法 | |
| CN117456204A (zh) | 目标跟踪方法、装置、视频处理系统、存储介质和终端 | |
| CN114782860B (zh) | 一种监控视频中暴力行为检测系统及方法 |
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: 19913194 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 19913194 Country of ref document: EP Kind code of ref document: A1 |