WO2021004499A1 - 一种人脸识别的方法和装置 - Google Patents
一种人脸识别的方法和装置 Download PDFInfo
- Publication number
- WO2021004499A1 WO2021004499A1 PCT/CN2020/101016 CN2020101016W WO2021004499A1 WO 2021004499 A1 WO2021004499 A1 WO 2021004499A1 CN 2020101016 W CN2020101016 W CN 2020101016W WO 2021004499 A1 WO2021004499 A1 WO 2021004499A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- face recognition
- scene
- threshold
- preset
- image
- 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
- G06V40/172—Classification, e.g. identification
Abstract
本申请实施例公开了一种人脸识别的方法和装置,所述方法包括:获取人脸识别请求;获取当前环境信息;根据当前环境信息确定当前场景为第一场景;确定当前场景对应的人脸识别阈值为与第一场景对应的第一阈值Q1;获取用于人脸识别的图像;利用人脸识别数据库中的人脸识别信息对所述图像进行人脸识别,得到人脸识别相似度Q;根据Q1和Q确定人脸识别请求是否通过。采用本申请实施例提供的技术方案进行人脸识别时,需要对进行人脸识别时的场景进行识别,根据场景确定人脸识别阈值,安全性高的场景对应的人脸识别阈值小于安全性低的场景对应的人脸识别阈值,这样在安全性高的场景时,人脸识别更容易通过,即保证了安全性又兼顾了便捷性。
Description
本申请要求于2019年07月11日提交中国专利局、申请号为201910624584.2、申请名称为“一种人脸识别的方法和装置”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,尤其涉及一种人脸识别的方法和装置。
人脸识别是基于人的脸部特征信息进行身份识别的技术。目前,人脸识别技术被广泛应用于涉及隐私或安全相关的身份验证领域,例如,人脸识别门禁考勤、人脸识别防盗门、人脸解锁、人脸识别支付等。
人脸识别主要包括两部分:人脸图像采集部分和基于采集的人脸图像进行身份验证部分。现有人脸识别方案在进行识别时都是设定一个固定的识别阈值,不管在何种场景下均采用此阈值,为了满足全场景的安全要求,阈值一般都设定的比较高,识别成功率会较低。导致用户在一个比较安全可信的环境下进行人脸识别时,识别体验无法达到最佳。
发明内容
本申请实施例提供了一种人脸识别的方法和装置,能够在不同场景进行人脸识别时,既兼顾安全性又兼顾便捷性。
第一方面,本申请实施例提供了一种人脸识别的方法,所述方法包括:
获取人脸识别请求;
获取当前环境信息;
根据所述当前环境信息确定当前场景为第一场景,所述第一场景是预设的多个场景中与所述当前环境信息匹配的场景;场景X、场景Y是所述预设的多个场景中的任意两个场景,若所述场景X的安全性高于所述场景Y,则所述场景X对应的人脸识别阈值X1小于所述场景Y对应的人脸识别阈值Y1;
确定所述当前场景对应的人脸识别阈值为与所述第一场景对应的第一阈值Q1;
获取用于人脸识别的图像;
利用人脸识别数据库中的人脸识别信息对所述图像进行人脸识别,得到人脸识别相似度Q;
根据所述Q1和所述Q确定所述人脸识别请求是否通过;在所述Q>Q1时,所述人脸识别请求通过,在所述Q≯所述Q1时,所述人脸识别请求不通过。
采用本申请实施例提供的技术方案进行人脸识别时,需要对进行人脸识别时的场景进行识别,根据具体场景确定人脸识别阈值,安全性高的场景对应的人脸识别阈值小于安全性低的场景对应的人脸识别阈值,这样在安全性高的场景时,人脸识别更容易通过,即保证了安全性又兼顾了人脸识别的便捷性。
在一些可能的实施方式中,所述获取用于人脸识别的图像,包括:获取多个用于人脸识别的图像;
所述利用人脸识别数据库中的人脸识别信息对所述图像进行人脸识别,得到人脸识别相似度Q,包括:利用图像超分辨重建方法对所述多个用于人脸识别的图像进行超分辨率重建,得到高分辨率的图像P;利用人脸识别数据库中的人脸识别信息对所述图像P进行人脸识别,得到人脸识别相似度Q。
采用该实施例时,在进行人脸识别时获取多个图像,通过对获取的多个图像进行超分辨率重建,可以得到分辨率更高的图像,利用分辨率更高的图像进行识别时可以进一步提高人脸识别的准确性。
在一些可能的实施方式中,所述预设的多个场景,包括如下场景中的一个或者多个:家里、车内、单位、商场、和水果店。
一般来说,家里、车内、单位、水果店、商场的安全性依次降低,因此这些场景对应的人脸识别阈值可以由小到大。比如,在前场景识别为家里时,人脸识别阈值可以是0.5。在当前场景识别为水果店时,人脸识别阈值可以是0.8。这样在家里进行人脸识别时,人脸识别操作更容易通过。比如,电脑开机时,若当前场景是家里,在家里一般来说就是自己操作自己的电脑,用户在开机时希望能够快速启动电脑,进入应用界面,这时人脸识别阈值若较小,就很容易通过人脸识别,这样用户就可以更快地进入应用界面,有利于提升用户的使用体验。
在一些可能的实施方式中,所述预设的多个场景中任一场景的人脸识别阈值由用户输入或者根据预设的场景与人脸识别阈值对应关系自动获取。
在一些可能的实施方式中,可以在每次识别出具体场景后,向指定账号反馈当前场景信息,并提示用户确认是否调整当前人脸识别的阈值,用户可以通过操作界面输入、确认、或者改变人脸识别阈值。举例来说,预设人脸识别阈值为0.7,若笔记本电脑开机时需要进行人脸识别,当检测到当前场景为家里时,可以向用户手机发送信息,提示用户是否需要调低人脸识别阈值,这时用户可以将人脸识别阈值调低,比如调为0.4。这样在家里进行人脸识别操作时可以较快地通过人脸识别。
在一些可能的实施例中,可以在存储器中预先存储不同场景时人脸识别的阈值,并且安全性高的场景对应的人脸识别阈值较小。当识别出当前场景时,通过查询已设置的场景与人脸识别阈值之间的对应关系自动地获取当前场景对应的人脸识别阈值。
在一些可能的实施例中,在所述当前场景为所述场景X,且所述场景X对应的至少一个预设关键参数在多个预设的浮动范围内变动时,对所述场景X对应的人脸识别阈值进行微调。
举例来说,若当前场景为家里,在家里时,其对应的人脸识别阈值为0.4。若进一步检测到当前场景为家里的书房的概率为0.8,在预设的0.7-0.85之间,则可以将人脸识别阈值 调低一定的比率,比如调低50%,即将人脸识别的阈值调节为0.2。在另一实施例中,若在商场的人脸识别阈值为0.7,在商场这个场景中背景人数是关键参数,若背景人数超过2个,则将人脸识别阈值调高,比如可以将人脸识别阈值调整为0.89,可以进一步提高人脸识别的安全性和便捷性。
第二方面,本申请实施例还提供了一种人脸识别装置,所述装置包括:
第一获取单元,用于获取人脸识别请求;
第二获取单元,用于获取当前环境信息;
第一确定单元,用于根据所述当前环境信息确定当前场景为第一场景,所述第一场景是预设的多个场景中与所述当前环境信息匹配的场景;场景X、场景Y是所述预设的多个场景中的任意两个场景,若所述场景X的安全性高于所述场景Y,则所述场景X对应的人脸识别阈值X1小于所述场景Y对应的人脸识别阈值Y1;
第二确定单元,用于确定所述当前场景对应的人脸识别阈值为与所述第一场景对应的第一阈值Q1;
第三获取单元,用于获取用于人脸识别的图像;
识别单元,用于利用人脸识别数据库中的人脸识别信息对所述图像进行人脸识别,得到人脸识别相似度Q;
第三确定单元,用于根据所述Q1和所述Q确定所述人脸识别请求是否通过;在所述Q>Q1时,所述人脸识别请求通过,在所述Q≯所述Q1时,所述人脸识别请求不通过。
采用本申请实施例提供的装置进行人脸识别时,需要对进行人脸识别时的场景进行识别,根据具体场景确定人脸识别阈值,安全性高的场景对应的人脸识别阈值小于安全性低的场景对应的人脸识别阈值,这样在安全性高的场景时,人脸识别更容易通过,即保证了安全性又兼顾了人脸识别的便捷性。
在一些可能的实施方式中,所述第三获取单元具体用于:获取多个用于人脸识别的图像。
所述识别单元具体用于,利用图像超分辨重建方法对所述多个用于人脸识别的图像进行超分辨率重建,得到高分辨率的图像P;利用人脸识别数据库中的人脸识别信息对所述图像P进行人脸识别,得到人脸识别相似度Q。
采用该实施例时,在进行人脸识别时获取多个图像,通过对获取的多个图像进行超分辨率重建,可以得到分辨率更高的图像,利用分辨率更高的图像进行识别时可以进一步提高人脸识别的准确性。
在一些可能的实施方式中,所述预设的多个场景,包括如下场景中的一个或者多个:家里、车内、单位、商场、和水果店。
一般来说,家里、车内、单位、水果店、商场的安全性依次降低,因此这些场景对应的人脸识别阈值可以由小到大。比如,在前场景识别为家里时,人脸识别阈值可以是0.5。在当前场景识别为水果店时,人脸识别阈值可以是0.8。这样在家里进行人脸识别时,人脸 识别操作更容易通过。比如,电脑开机时,若当前场景是家里,在家里一般来说就是自己操作自己的电脑,用户在开机时希望能够快速启动电脑,进入应用界面,这时人脸识别阈值若较小,就很容易通过人脸识别,这样用户就可以更快地进入应用界面,有利于提升用户的使用体验。
在一些可能的实施方式中,所述预设的多个场景中任一场景的人脸识别阈值由用户输入或者根据预设的场景与人脸识别阈值对应关系自动获取。
在一些可能的实施方式中,可以在每次识别出具体场景后,向指定账号反馈当前场景信息,并提示用户确认是否调整当前人脸识别的阈值,用户可以通过操作界面输入、确认、或者改变人脸识别阈值。举例来说,若预设人脸识别阈值为0.7,若笔记本电脑开机时需要进行人脸识别,当检测到当前场景为家里时,可以向用户手机发送信息,提示用户是否需要调低人脸识别阈值,这时用户可以将人脸识别阈值调低,比如调为0.4。这样在家里进行人脸识别操作时可以较快地通过人脸识别。
在一些可能的实施例中,可以在存储器中预先存储不同场景时人脸识别的阈值,并且安全性高的场景对应的人脸识别阈值较小。当识别出当前场景时,通过查询已设置的场景与人脸识别阈值之间的对应关系自动地获取当前场景对应的人脸识别阈值。
在一些可能的实施方式中,第二确定单元还用于,在所述当前场景为所述场景X,且所述场景X对应的至少一个预设关键参数在多个预设的浮动范围内变动时,对所述场景X对应的人脸识别阈值进行微调。
举例来说,若当前场景为家里,得到当前场景对应的人脸识别阈值为0.4。若进一步检测到当前场景为家里的书房的概率为0.8,在0.7-0.85之间,则可以将人脸识别阈值调低一定的比率,比如调低50%,即将人脸识别的阈值为0.2。若检测到当前场景为包括多个人的商场时,可以进一步地将人脸识别阈值调高一定的比率,比如调高10%。采用该实施例提供的技术方案可以对人脸识别进行优化,可以进一步提高人脸识别的安全性和便捷性。
第三方面,本申请实施例提供了一种终端设备,包括摄像头、传感器、处理器和存储器,所述摄像头,用于拍摄用于人脸识别的图像,传感器用于检测当前环境信息,存储器用于保存不同场景对应的人脸识别阈值,处理器用于执行如第一方面或者第一方面任一可能的实施例中所述的方法的部分或全部步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有指令对应的计算机程序,当所述指令在终端设备上运行时,使得所述终端设备执行如第一方面或者第一方面任一可能的实施例中所述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的计算机可读存储介质,该计算机程序使得计算机执行如第一方面或者第一方面任一可能的实施例中所述的方法的部分或全部步骤。
采用本申请实施例提供的技术方案进行人脸识别时,需要对进行人脸识别时的场景进行识别,根据具体场景确定人脸识别阈值,安全性高的场景对应的人脸识别阈值小于安全性低的场景对应的人脸识别阈值,这样在安全性高的场景时,人脸识别更容易通过,即保证了安全性又兼顾了人脸识别的便捷性。
图1为本申请的一个实施例提供的一种人脸识别方法的流程示意图。
图2为本申请的另一个实施例提供的一种人脸识别方法的流程示意图。
图3为本申请的另一个实施例提供的一种人脸识别方法的流程示意图。
图4为本申请的另一个实施例提供的一种人脸识别装置的结构示意图。
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,所描述的实施例仅仅是本申请的一部分实施例,并不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做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,包括:获取人脸识别请求;获取当前环境信息;根据当前环境信息确定当前场景为第一场景,第一场景是预设的多个场景中与当前环境信息匹配的场景;场景X、场景Y是预设的多个场景中的任意两个场景,若场景X的安全性高于场景Y,则场景X对应的人脸识别阈值X1小于场景Y对应的人脸识别阈值Y1;确定当前场景对应的人脸识别阈值为与所述第一场景对应的第一阈值Q1;获取用于人脸识别的图像;利用人脸识别数据库中的人脸识别信息对获取的用于人脸识别的图像进行人脸识别,得到人脸识别相似度Q;根据Q1和Q确定人脸识别请求是否通过;在Q>Q1时,人脸识别请求通过,在Q≯所述Q1时,人脸识别请求不通过。
采用本申请实施例提供的技术方案进行人脸识别时,需要对进行人脸识别时的场景进行识别,根据具体场景确定人脸识别阈值,安全性高的场景对应的人脸识别阈值小于安全性低的场景对应的人脸识别阈值,这样在安全性高的场景时,人脸识别更容易通过,即保证了安全性又兼顾了人脸识别的便捷性。
本申请实施例中,进行人脸识别的设备可以是具有传感器和摄像头的终端。比如:可以是移动电话(或称为“蜂窝”电话)、智能手机、便携式可穿戴设备(如智能手表等)、平板电脑、个人电脑(PC,Personal Computer)、PDA(Personal Digital Assistant,个人数字助理)、收银机等。
请参阅图1,图1为本申请的一个实施例提供的一种人脸识别方法的流程示意图,在该实施例中,人脸识别方法可以包括以下步骤:
步骤101、获取人脸识别请求。
具体地,人脸识别请求可以由特定的事件触发,比如在个人电脑开机后,需要先进行人脸识别才能进入系统桌面,在该实施例中电脑电源被打开后,触发执行人脸识别。在另 一种可能的实施例中,比如在商店购买东西后,通过收银机收款,可以通过人脸识别进行支付,利用收银机进行收款时,可以通过点击人脸识别按钮触发执行人脸识别。再比如,用户通过手机等移动终端进行网上购物时,在进行支付之前也可以启动人脸识别请求,人脸识别通过就可以完成网上支付。
可以理解的,人脸识别请求的获取可以通过不同的方式获取,既可以人为触发一个按键获取人脸识别请求,也可以在执行特定操作后自动触发启动人脸识别流程。
步骤102、获取当前环境信息。
当前环境信息是用户所处环境的信息,比如可以包括如下信息中的一种或者多种:位置信息、声音信息、图像信息等,处理器可以根据当前的环境信息确定当前环境对应的场景。不同场景对应的人脸识别的阈值可以设置为不同。
步骤103、根据当前环境信息确定当前场景为第一场景,第一场景是预设的多个场景中与当前环境信息匹配的场景;场景X、场景Y是所述预设的多个场景中的任意两个场景,若所述场景X的安全性高于所述场景Y,则所述场景X对应的人脸识别阈值X1小于所述场景Y对应的人脸识别阈值Y1。
可以理解的,安全性高的场景对应的人脸识别阈值较小,通过这种方式,在比较安全的场景可以比较容易通过人脸识别,有利于用户进入人脸识别后的应用,有利于提高用户的体验。
需要说明的是,预设的场景可以有多个,可以通过不同的传感器来获取环境信息,使用的传感器可以包括如下传感装置的一个或者多个:拾音器、摄像头、定位装置(比如全球定位(Global Positioning System,GPS))、蓝牙信号检测装置、无线保真(wireless fidelity,Wi-Fi)检测装置、气压计、温度计、亮度计、磁力计、重力计、加速度计等。举例来说,可以通过GPS、拾音器和摄像头获取的信息确定用户是否处于家里。可以通过车载蓝牙接收器、速度计、摄像头等获取的信息确定当前场景是否是在车上等。
可以理解的,对于相同场景,可以采用一种或者多种判断方法。可以通过多种传感器的组合,提升场景检测的准确性。
需要说明的是,场景X、场景Y是所述预设的多个场景中的任意两个场景,若所述场景X的安全性高于所述场景Y,则所述场景X对应的人脸识别阈值X1小于所述场景Y对应的人脸识别阈值Y1。根据该技术特征,不同的场景对应的识别阈值可能不同,在安全性高的场景时,对应的人脸识别阈值较小,这样在安全性高的场景时,人脸识别更容易通过,即保证了安全性又兼顾了人脸识别的便捷性。
步骤104、确定当前场景对应的人脸识别阈值为与第一场景对应的第一阈值Q1。
举例来说,若当前场景为在家里书房,根据原先设置的场景与阈值的对应关系,可以得到与家里书房对应的人脸识别阈值Q1是0.4,若当前场景为商场,可以得到与商场对应的人脸识别阈值Q1为0.9。
步骤105、获取用于人脸识别的图像。
具体地,可以通过摄像获取用于人脸识别的图像。
步骤106、利用人脸识别数据库中的人脸识别信息对所述图像进行人脸识别,得到人脸识别相似度Q。
其中,进行人脸识别的方法可以采用如下方法中的一种或者多种:基于人脸特征点的识别算法(Feature-based Recognition Algorithms,FRA)、基于整幅人脸图像的识别算法(Appearance-based Recognition Algorithms,ARA)、基于模板的识别算法(Template-based Recognition Algorithms,TRA)和利用神经网络进行识别的算法(Recognition Algorithms Using Neural Network,RAUNN)中的一种或多种,人脸识别信息可以包括五官特征信息、面部曲线信息等。具体采用哪种人脸识别信息本领域技术人员可以根据需要进行设定,在此不再赘述。
步骤107、根据Q1和Q确定人脸识别请求是否通过;在Q>Q1时,所述人脸识别请求通过,在Q≯Q1时,所述人脸识别请求不通过。
举例来说,若当前场景为在商场,在商场时时对应的人脸识别阈值Q1为0.9,若进行人脸识别后得到的人脸识别相似度Q为0.91,由于Q>Q1,所述人脸识别请求通过。可以进一步执行人脸识别后的操作,比如执行支付操作等。在另一实施例中,当前场景为在商场,若进行人脸识别后得到的人脸识别相似度Q为0.61,由于Q≯Q1,所述人脸识别请求不通过,不能执行人脸识别后的操作,比如不能执行支付操作等。
采用本申请实施例提供的技术方案进行人脸识别时,需要对进行人脸识别时的场景进行识别,根据具体场景确定人脸识别阈值,安全性高的场景对应的人脸识别阈值小于安全性低的场景对应的人脸识别阈值,这样在安全性高的场景时,人脸识别更容易通过,即保证了安全性又兼顾了人脸识别的便捷性。
请参阅图2,图2为本申请另一实施例提供的一种人脸识别方法的流程示意图,在该实施例中,所述方法由处理器执行可以包括以下步骤:
步骤201、获取人脸识别请求。
具体地,人脸识别请求可以由特定的事件触发,比如在个人电脑开机后,需要先进行人脸识别才能进入系统桌面,在该实施例中电脑电源被打开后,触发执行人脸识别。在另一种可能的实施例中,比如在商店购买东西后,通过收银机收款,可以通过人脸识别进行支付,利用收银机进行收款时,可以通过点击人脸识别按钮触发执行人脸识别。
可以理解的,人脸识别请求的获取可以通过不同的方式获取,既可以人为触发一个按键获取人脸识别请求,也可以在执行特定操作后自动触发启动人脸识别流程。
步骤202、获取当前环境信息。
当前环境信息是用户所处环境的信息,比如可以包括如下信息中的一种或者多种:位置信息、声音信息、图像信息等,处理器可以根据当前的环境信息确定当前环境对应的场景。不同场景对应的人脸识别的阈值可以设置为不同。
步骤203、根据当前环境信息确定当前场景为第一场景,第一场景是预设的多个场景中与当前环境信息匹配的场景;场景X、场景Y是所述预设的多个场景中的任意两个场景,若所述场景X的安全性高于所述场景Y,则所述场景X对应的人脸识别阈值X1小于所述场景Y对应的人脸识别阈值Y1。
可以理解的,安全性高的场景对应的人脸识别阈值较小,通过这种方式,在比较安全的场景可以比较容易通过人脸识别,有利于用户进入人脸识别后的应用,有利于提高用户 的体验。
需要说明的是,预设的场景可以有多个,可以通过不同的传感器来获取环境信息,使用的传感器可以包括如下传感装置的一个或者多个:拾音器、摄像头、定位装置(比如全球定位(Global Positioning System,GPS))、蓝牙信号检测装置、无线保真(wireless fidelity,Wi-Fi)检测装置、气压计、温度计、亮度计、磁力计、重力计、加速度计等。举例来说,可以通过GPS、拾音器和摄像头获取的信息确定用户是否处于家里。可以通过车载蓝牙接收器、速度计、摄像头等获取的信息确定当前场景是否是在车上等。
可以理解的,对于相同场景,可以采用一种或者多种判断方法。可以通过多种传感器的组合,提升场景检测的准确性。
需要说明的是,场景X、场景Y是所述预设的多个场景中的任意两个场景,若所述场景X的安全性高于所述场景Y,则所述场景X对应的人脸识别阈值X1小于所述场景Y对应的人脸识别阈值Y1。根据该技术特征,可以知道,不同的场景对应的识别阈值可能不同,在安全性高的场景时,对应的人脸识别阈值较小,这样在安全性高的场景时,人脸识别更容易通过,即保证了安全性又兼顾了人脸识别的便捷性。
步骤204、确定当前场景对应的人脸识别阈值为与第一场景对应的第一阈值Q1。
举例来说可以,若当前场景为在家里书房,可以得到与家里书房对应的人脸识别阈值Q1是0.4。若当前场景为商场,可以得到与商场对应的人脸识别阈值Q1为0.9。
步骤205、获取多张用于人脸识别的图像。
具体地,可以通过摄像获取用于人脸识别的图像。在该实施例中,可以获取多张用于人脸识别的图像。
步骤206、利用人脸识别数据库中的人脸识别信息对所述图像进行人脸识别,得到人脸识别相似度Q。
需要说明的是,在该实施例中,对获取的多张人脸识别图像进行识别,在进行人脸识别前可以利用图像超分辨重建方法对多个用于人脸识别的图像进行超分辨率重建,得到高分辨率的图像P;利用人脸识别数据库中的人脸识别信息对所述图像P进行人脸识别,得到人脸识别相似度Q。举例来说,获取的多张人脸识别图像的分辨率可以为640*480,经过超分辨率重建后得到分辨率为1920*1440的图像,然后利用人脸识别数据库中的人脸识别图像对得到的高分辨率图像进行人脸识别,得到人脸识别相似度。
其中,进行人脸识别的方法可以采用如下方法中的一种或者多种:基于人脸特征点的识别算法(Feature-based Recognition Algorithms,FRA)、基于整幅人脸图像的识别算法(Appearance-based Recognition Algorithms,ARA)、基于模板的识别算法(Template-based Recognition Algorithms,TRA)和利用神经网络进行识别的算法(Recognition Algorithms Using Neural Network,RAUNN)中的一种或多种,人脸识别信息可以包括五官特征信息、面部曲线信息等。具体采用哪种人脸识别信息本领域技术人员可以根据需要进行设定,在此不再赘述。
步骤207、根据Q1和Q确定人脸识别请求是否通过;在Q>Q1时,所述人脸识别请求通过,在Q≯Q1时,所述人脸识别请求不通过。
举例来说,若当前场景为在商场,在商场时时对应的人脸识别阈值Q1为0.9,若进行人 脸识别后得到的人脸识别相似度Q为0.91,由于Q>Q1,所述人脸识别请求通过。可以进一步执行人脸识别后的操作,比如执行支付操作等。在另一实施例中,当前场景为在商场,若进行人脸识别后得到的人脸识别相似度Q为0.61,由于Q≯Q1,所述人脸识别请求不通过,则不能执行人脸识别后的操作,比如不能执行支付操作等。
采用该实施例时,在进行人脸识别时获取多个图像,通过对获取的多个图像进行超分辨率重建,可以得到分辨率更高的图像,利用分辨率更高的图像进行识别时可以进一步提高人脸识别的准确性。
请参阅图3,图3为本申请的一个实施例提供的一种人脸识别方法的流程示意图,在该实施例中,所述方法由处理器执行可以包括以下步骤:
步骤301、获取人脸识别请求。
具体地,人脸识别请求可以由特定的事件触发,比如在个人电脑开机后,需要先进行人脸识别才能进入系统桌面,在该实施例中电脑电源被打开后,触发执行人脸识别。在另一种可能的实施例中,比如在商店购买东西后,通过收银机收款,可以通过人脸识别进行支付,利用收银机进行收款时,可以通过点击人脸识别按钮触发执行人脸识别。
可以理解的,人脸识别请求的获取可以通过不同的方式获取,既可以人为触发一个按键获取人脸识别请求,也可以在执行特定操作后自动触发启动人脸识别流程。
步骤302、获取当前环境信息。
当前环境信息是用户所处环境的信息,比如可以包括如下信息中的一种或者多种:位置信息、声音信息、图像信息等,处理器可以根据当前的环境信息确定当前环境对应的场景。不同场景对应的人脸识别的阈值可以设置为不同。
步骤303、根据当前环境信息确定当前场景为第一场景,第一场景是预设的多个场景中与当前环境信息匹配的场景;场景X、场景Y是所述预设的多个场景中的任意两个场景,若所述场景X的安全性高于所述场景Y,则所述场景X对应的人脸识别阈值X1小于所述场景Y对应的人脸识别阈值Y1。
可以理解的,安全性高的场景对应的人脸识别阈值较小,通过这种方式,在比较安全的场景可以比较容易通过人脸识别,有利于用户进入人脸识别后的应用,有利于提高用户的体验。
需要说明的是,预设的场景可以有多个,可以通过不同的传感器来获取环境信息,使用的传感器可以包括如下传感装置的一个或者多个:拾音器、摄像头、定位装置(比如全球定位(Global Positioning System,GPS))、蓝牙信号检测装置、无线保真(wireless fidelity,Wi-Fi)检测装置、气压计、温度计、亮度计、磁力计、重力计、加速度计等。举例来说,可以通过GPS、拾音器和摄像头获取的信息确定用户是否处于家里。可以通过车载蓝牙接收器、速度计、摄像头等获取的信息确定当前场景是否是在车上等。
可以理解的,对于相同场景,可以采用一种或者多种判断方法。可以通过多种传感器的组合,提升场景检测的准确性。
需要说明的是,场景X、场景Y是所述预设的多个场景中的任意两个场景,若所述场景X的安全性高于所述场景Y,则所述场景X对应的人脸识别阈值X1小于所述场景Y对 应的人脸识别阈值Y1。根据该技术特征,可以知道,不同的场景对应的识别阈值可能不同,在安全性高的场景时,对应的人脸识别阈值较小,这样在安全性高的场景时,人脸识别更容易通过,即保证了安全性又兼顾了人脸识别的便捷性。
步骤304、确定当前场景对应的人脸识别阈值为与第一场景对应的第一阈值Q1。在当前场景为场景X,且场景X对应的至少一个预设关键参数在多个预设的浮动范围内变动时,对场景X对应的人脸识别阈值进行微调。
举例来说,若当前场景为家里,在家里时,其对应的人脸识别阈值为0.4。若进一步检测到当前场景为家里的书房的概率为0.8,在预设的0.-0.85之间,则可以将人脸识别阈值调低一定的比率,比如调低50%,即将人脸识别的阈值调节为0.2。在另一实施例中,若在商场的人脸识别阈值为0.7,在商场这个场景中背景人数是关键参数,若背景人数超过2个,则将人脸识别阈值调高,比如可以将人脸识别阈值调整为0.89,可以进一步提高人脸识别的安全性和便捷性。
步骤305、获取用于人脸识别的图像。
具体地,可以通过摄像获取用于人脸识别的图像。
步骤306、利用人脸识别数据库中的人脸识别信息对所述图像进行人脸识别,得到人脸识别相似度Q。
其中,进行人脸识别的方法可以采用如下方法中的一种或者多种:基于人脸特征点的识别算法(Feature-based Recognition Algorithms,FRA)、基于整幅人脸图像的识别算法(Appearance-based Recognition Algorithms,ARA)、基于模板的识别算法(Template-based Recognition Algorithms,TRA)和利用神经网络进行识别的算法(Recognition Algorithms Using Neural Network,RAUNN)中的一种或多种,人脸识别信息可以包括五官特征信息、面部曲线信息等。具体采用哪种人脸识别信息本领域技术人员可以根据需要进行设定,在此不再赘述。
步骤307、根据Q1和Q确定人脸识别请求是否通过;在Q>Q1时,所述人脸识别请求通过,在Q≯Q1时,所述人脸识别请求不通过。
举例来说,若当前场景为在商场,在商场时时对应的人脸识别阈值Q1为0.9,若进行人脸识别后得到的人脸识别相似度Q为0.91,由于Q>Q1,所述人脸识别请求通过。可以进一步执行人脸识别后的操作,比如执行支付操作等。在另一实施例中,当前场景为在商场,若进行人脸识别后得到的人脸识别相似度Q为0.61,由于Q≯Q1,所述人脸识别请求不通过,不能执行人脸识别后的操作,比如不能执行支付操作等。
采用本申请实施例提供的技术方案进行人脸识别时,结合预设场景对应的关键参数可以对人脸识别阈值进行微调,采用该技术方案有利于既保证人脸识别时的安全性又兼顾了人脸识别的便捷性。
请参阅图4,图4为本申请的一个实施例提供一种人脸识别装置,所述装置400包括:第一获取单元401、第二获取单元402、第一确定单元403、第二确定单元404、第三获取单元405、识别单元406、第三确定单元407。其中,第一获取单元401,用于获取人脸识别请求;第二获取单元402,用于获取当前环境信息;第一确定单元403,用于根据当前环 境信息确定当前场景为第一场景,第一场景是预设的多个场景中与当前环境信息匹配的场景;场景X、场景Y是预设的多个场景中的任意两个场景,若场景X的安全性高于场景Y,则场景X对应的人脸识别阈值X1小于场景Y对应的人脸识别阈值Y1;第二确定单元404,用于确定当前场景对应的人脸识别阈值为与第一场景对应的第一阈值Q1;第三获取单元405,用于获取用于人脸识别的图像;识别单元406,用于利用人脸识别数据库中的人脸识别信息对图像进行人脸识别,得到人脸识别相似度Q;第三确定单元407,用于根据Q1和Q确定人脸识别请求是否通过;在Q>Q1时,人脸识别请求通过,在Q≯Q1时,人脸识别请求不通过。
在一些可能的实施方式中,第三获取单元405具体用于:获取多个用于人脸识别的图像;识别单元406具体用于,利用图像超分辨重建方法对多个用于人脸识别的图像进行超分辨率重建,得到高分辨率的图像P;利用人脸识别数据库中的人脸识别信息对图像P进行人脸识别,得到人脸识别相似度Q。
在一些可能的实施方式中,预设的多个场景,包括如下场景中的一个或者多个:家里、车内、单位、商场、和水果店。
在一些可能的实施方式中,预设的多个场景中任一场景的人脸识别阈值由用户输入或者根据预设的场景与人脸识别阈值对应关系自动获取。
在一些可能的实施方式中,第二确定单元404还用于,在当前场景为场景X,且场景X对应的至少一个预设关键参数在多个预设的浮动范围内变动时,对场景X对应的人脸识别阈值进行微调。
需要说明的是,各单元的具体执行过程可以参见前面方法实施例中的描述,在此不再予以赘述。
本申请实施例还提供了一种终端设备,包括摄像头、传感器、处理器和存储器,摄像头,用于拍摄用于人脸识别的图像,传感器用于检测当前环境信息,存储器用于保存不同场景对应的人脸识别阈值,处理器用于执行如前面任一方法实施例中所述的人脸识别方法的部分或全部步骤。
本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有指令对应的计算机程序,当所述指令在终端设备上运行时,使得终端设备执行如前面任一实施例中所述的人脸识别方法。
本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的计算机可读存储介质,该计算机程序使得计算机执行前面任一方法实施例中所述人脸识别方法的部分或全部步骤。
上述具体的方法实施例以及实施例中技术特征的解释、表述、以及多种实现形式的扩展也适用于装置中的方法执行,装置实施例中不予以赘述。
应理解本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当 情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (10)
- 一种人脸识别的方法,其特征在于,所述方法包括:获取人脸识别请求;获取当前环境信息;根据所述当前环境信息确定当前场景为第一场景,所述第一场景是预设的多个场景中与所述当前环境信息匹配的场景;场景X、场景Y是所述预设的多个场景中的任意两个场景,若所述场景X的安全性高于所述场景Y,则所述场景X对应的人脸识别阈值X1小于所述场景Y对应的人脸识别阈值Y1;确定所述当前场景对应的人脸识别阈值为与所述第一场景对应的第一阈值Q1;获取用于人脸识别的图像;利用人脸识别数据库中的人脸识别信息对所述图像进行人脸识别,得到人脸识别相似度Q;根据所述Q1和所述Q确定所述人脸识别请求是否通过;在所述Q>Q1时,所述人脸识别请求通过,在所述Q≯Q1时,所述人脸识别请求不通过。
- 根据权利要求1所述的方法,其特征在于,所述获取用于人脸识别的图像,包括:获取多个用于人脸识别的图像;所述利用人脸识别数据库中的人脸识别信息对所述图像进行人脸识别,得到人脸识别相似度Q,包括:利用图像超分辨重建方法对所述多个用于人脸识别的图像进行超分辨率重建,得到高分辨率的图像P;利用人脸识别数据库中的人脸识别信息对所述图像P进行人脸识别,得到人脸识别相似度Q。
- 根据权利要求1所述的方法,其特征在于,所述预设的多个场景,包括如下场景中的一个或者多个:家里、车内、单位、商场、和水果店。
- 根据权利要求1所述的方法,其特征在于,所述预设的多个场景中任一场景对应的人脸识别阈值由用户输入或者根据预设的场景与人脸识别阈值对应关系自动获取。
- 根据权利要求1至4任一项所述的方法,其特征在于,在所述当前场景为所述场景X,且所述场景X对应的至少一个预设关键参数在多个预设的浮动范围内变动时,对所述场景X对应的人脸识别阈值进行微调。
- 一种人脸识别装置,其特征在于,所述装置包括:第一获取单元,用于获取人脸识别请求;第二获取单元,用于获取当前环境信息;第一确定单元,用于根据所述当前环境信息确定当前场景为第一场景,所述第一场景 是预设的多个场景中与所述当前环境信息匹配的场景;场景X、场景Y是所述预设的多个场景中的任意两个场景,若所述场景X的安全性高于所述场景Y,则所述场景X对应的人脸识别阈值X1小于所述场景Y对应的人脸识别阈值Y1;第二确定单元,用于确定所述当前场景对应的人脸识别阈值为与所述第一场景对应的第一阈值Q1;第三获取单元,用于获取用于人脸识别的图像;识别单元,用于利用人脸识别数据库中的人脸识别信息对所述图像进行人脸识别,得到人脸识别相似度Q;第三确定单元,用于根据所述Q1和所述Q确定所述人脸识别请求是否通过;在所述Q>Q1时,所述人脸识别请求通过,在所述Q≯Q1时,所述人脸识别请求不通过。
- 根据权利要求6所述的装置,其特征在于,所述第三获取单元具体用于:获取多个用于人脸识别的图像;所述识别单元具体用于,利用图像超分辨重建方法对所述多个用于人脸识别的图像进行超分辨率重建,得到高分辨率的图像P;利用人脸识别数据库中的人脸识别信息对所述图像P进行人脸识别,得到人脸识别相似度Q。
- 根据权利要求6所述的装置,其特征在于,所述预设的多个场景,包括如下场景中的一个或者多个:家里、车内、单位、商场、和水果店。
- 根据权利要求6所述的装置,其特征在于,所述预设的多个场景中任一场景的人脸识别阈值由用户输入或者根据预设的场景与人脸识别阈值对应关系自动获取。
- 根据权利要求6至9任一项所述的装置,其特征在于,第二确定单元还用于,在所述当前场景为所述场景X,且所述场景X对应的至少一个预设关键参数在多个预设的浮动范围内变动时,对所述场景X对应的人脸识别阈值进行微调。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910624584.2 | 2019-07-11 | ||
CN201910624584.2A CN110472504A (zh) | 2019-07-11 | 2019-07-11 | 一种人脸识别的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2021004499A1 true WO2021004499A1 (zh) | 2021-01-14 |
Family
ID=68507976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2020/101016 WO2021004499A1 (zh) | 2019-07-11 | 2020-07-09 | 一种人脸识别的方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110472504A (zh) |
WO (1) | WO2021004499A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114283464A (zh) * | 2021-11-26 | 2022-04-05 | 珠海格力电器股份有限公司 | 一种提高人脸识别的方法及系统、智能终端 |
CN114821751A (zh) * | 2022-06-27 | 2022-07-29 | 北京瑞莱智慧科技有限公司 | 图像识别方法、装置、系统及存储介质 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472504A (zh) * | 2019-07-11 | 2019-11-19 | 华为技术有限公司 | 一种人脸识别的方法和装置 |
CN113723144A (zh) * | 2020-05-26 | 2021-11-30 | 华为技术有限公司 | 一种人脸注视解锁方法及电子设备 |
CN112581981B (zh) * | 2020-11-04 | 2023-11-03 | 北京百度网讯科技有限公司 | 人机交互方法、装置、计算机设备和存储介质 |
CN112417184B (zh) * | 2020-11-23 | 2021-05-25 | 上海点泽智能科技有限公司 | 多场景特征信息存储结构及其比对方法、设备和存储介质 |
CN113052145A (zh) * | 2021-04-30 | 2021-06-29 | 中国银行股份有限公司 | 一种人脸识别结果的差异化判断方法和装置 |
CN113314156B (zh) * | 2021-05-19 | 2022-12-06 | 北京明略软件系统有限公司 | 用于对录音设备进行录音控制的方法及装置、电子设备、可读存储介质 |
CN114125145B (zh) * | 2021-10-19 | 2022-11-18 | 华为技术有限公司 | 显示屏解锁的方法、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150120598A1 (en) * | 2012-09-21 | 2015-04-30 | Google Inc. | Tracking of a package delivery to a smart-home |
CN106096539A (zh) * | 2016-06-07 | 2016-11-09 | 广东欧珀移动通信有限公司 | 一种进行生物识别的方法及终端 |
CN106709399A (zh) * | 2015-08-21 | 2017-05-24 | 小米科技有限责任公司 | 指纹识别方法及装置 |
CN107545160A (zh) * | 2016-06-28 | 2018-01-05 | 中兴通讯股份有限公司 | 指纹识别方法及装置 |
CN110472504A (zh) * | 2019-07-11 | 2019-11-19 | 华为技术有限公司 | 一种人脸识别的方法和装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7809722B2 (en) * | 2005-05-09 | 2010-10-05 | Like.Com | System and method for enabling search and retrieval from image files based on recognized information |
CN102110225B (zh) * | 2009-12-28 | 2013-10-30 | 比亚迪股份有限公司 | 户外人脸识别方法及系统 |
CN103136533B (zh) * | 2011-11-28 | 2015-11-25 | 汉王科技股份有限公司 | 基于动态阈值的人脸识别方法及装置 |
CN103617432B (zh) * | 2013-11-12 | 2017-10-03 | 华为技术有限公司 | 一种场景识别方法及装置 |
CN104834866A (zh) * | 2014-02-11 | 2015-08-12 | 中兴通讯股份有限公司 | 一种通过自动识别场景来保护私密信息的方法及装置 |
CN104050449B (zh) * | 2014-06-13 | 2017-09-01 | 无锡天脉聚源传媒科技有限公司 | 一种人脸识别方法及装置 |
CN108875341A (zh) * | 2018-05-24 | 2018-11-23 | 北京旷视科技有限公司 | 一种人脸解锁方法、装置、系统及计算机存储介质 |
CN109190522B (zh) * | 2018-08-17 | 2021-05-07 | 浙江捷尚视觉科技股份有限公司 | 一种基于红外相机的活体检测方法 |
CN109089041A (zh) * | 2018-08-22 | 2018-12-25 | Oppo广东移动通信有限公司 | 拍摄场景的识别方法、装置、电子设备和存储介质 |
CN109543548A (zh) * | 2018-10-26 | 2019-03-29 | 桂林电子科技大学 | 一种人脸识别方法、装置及存储介质 |
-
2019
- 2019-07-11 CN CN201910624584.2A patent/CN110472504A/zh active Pending
-
2020
- 2020-07-09 WO PCT/CN2020/101016 patent/WO2021004499A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150120598A1 (en) * | 2012-09-21 | 2015-04-30 | Google Inc. | Tracking of a package delivery to a smart-home |
CN106709399A (zh) * | 2015-08-21 | 2017-05-24 | 小米科技有限责任公司 | 指纹识别方法及装置 |
CN106096539A (zh) * | 2016-06-07 | 2016-11-09 | 广东欧珀移动通信有限公司 | 一种进行生物识别的方法及终端 |
CN107545160A (zh) * | 2016-06-28 | 2018-01-05 | 中兴通讯股份有限公司 | 指纹识别方法及装置 |
CN110472504A (zh) * | 2019-07-11 | 2019-11-19 | 华为技术有限公司 | 一种人脸识别的方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114283464A (zh) * | 2021-11-26 | 2022-04-05 | 珠海格力电器股份有限公司 | 一种提高人脸识别的方法及系统、智能终端 |
CN114821751A (zh) * | 2022-06-27 | 2022-07-29 | 北京瑞莱智慧科技有限公司 | 图像识别方法、装置、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110472504A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021004499A1 (zh) | 一种人脸识别的方法和装置 | |
US10789343B2 (en) | Identity authentication method and apparatus | |
US11170592B2 (en) | Electronic access control system | |
CN109165940B (zh) | 一种防盗方法、装置及电子设备 | |
US9904840B2 (en) | Fingerprint recognition method and apparatus | |
CN106778141B (zh) | 基于手势识别的解锁方法、装置及移动终端 | |
WO2019190619A1 (en) | Recognizing users with mobile application access patterns learned from dynamic data | |
JP2017530457A (ja) | アイデンティティ認証方法ならびに装置、端末及びサーバ | |
TWI515592B (zh) | 用於動態修改處理系統之鑑認要求的方法及裝置 | |
US9225700B1 (en) | Proximity-based authentication | |
US11171968B1 (en) | Method and system for user credential security | |
EP3357210B1 (en) | System and method for person reidentification | |
US20160294824A1 (en) | Methods and systems for detecting head motion during an authentication transaction | |
CN103871165B (zh) | 自助设备的安全监测方法及装置 | |
WO2019101096A1 (zh) | 安全验证的方法、装置及移动终端 | |
CN105426730A (zh) | 登录验证处理方法、装置及终端设备 | |
US10824891B2 (en) | Recognizing biological feature | |
US11521208B2 (en) | System and method for authenticating transactions from a mobile device | |
US20200234078A1 (en) | Target matching method and apparatus, electronic device, and storage medium | |
US20220164423A1 (en) | Method and apparatus for user recognition | |
CN107247936A (zh) | 图像识别方法及装置 | |
WO2018107761A1 (zh) | 信息处理方法及电子设备 | |
JP2019503545A (ja) | ユーザの生体測定を分析するための方法および指紋感知システム | |
CN112733611A (zh) | 一种遗留物品检测方法、装置、电子设备及存储介质 | |
WO2017101212A1 (zh) | 一种指纹识别的方法、装置及终端 |
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: 20836571 Country of ref document: EP Kind code of ref document: A1 |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 20836571 Country of ref document: EP Kind code of ref document: A1 |