CN108280422B - 用于识别人脸的方法和装置 - Google Patents
用于识别人脸的方法和装置 Download PDFInfo
- Publication number
- CN108280422B CN108280422B CN201810059846.0A CN201810059846A CN108280422B CN 108280422 B CN108280422 B CN 108280422B CN 201810059846 A CN201810059846 A CN 201810059846A CN 108280422 B CN108280422 B CN 108280422B
- Authority
- CN
- China
- Prior art keywords
- image
- face object
- object contained
- user
- preset threshold
- 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.)
- Active
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
-
- G06K9/6201—
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Collating Specific Patterns (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
本申请实施例公开了用于识别人脸的方法和装置。该方法的一具体实施方式包括:获取待进行身份验证的用户的图像;查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像;将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配;响应于确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像。该实施方式提高了人脸识别的效率。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及用于识别人脸的方法和装置。
背景技术
人脸识别技术是基于用户的脸部特征对用户的身份进行验证的人工智能技术。目前,通常采用的方式为:获取待进行身份验证的用户的图像,查找出人脸识别系统中包含的人脸对象与采集到的待进行身份验证的用户的图像中的人脸对象相似度最高的注册图像,当最高的相似度大于相似度阈值时,则通过待进行身份验证的用户的身份验证。
发明内容
本申请实施例提出了用于识别人脸的方法和装置。
第一方面,本申请实施例提供了一种用于识别人脸的方法,该方法包括:获取待进行身份验证的用户的图像;查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像;将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配;响应于确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像。
在一些实施例中,目标图像组中包括注册图像与后加入图像;以及查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像,包括:查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第一预设阈值的注册图像,或查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。
在一些实施例中,第二预设阈值大于第一预设阈值。
在一些实施例中,查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像,包括:确定至少一个图像组中注册图像包含的人脸对象与后加入图像包含的人脸对象的相似度大于第三预设阈值的图像组;查询所确定的图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。
在一些实施例中,确定所获取的图像的质量数据是否与预设的数据范围匹配,包括:确定所获取的图像的亮度和清晰度是否超过第四预设阈值。
第二方面,本申请实施例提供了一种用于识别人脸的装置,该装置包括:获取单元,用于获取待进行身份验证的用户的图像;查询单元,用于查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像;确定单元,用于将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配;添加单元,用于响应于确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像。
在一些实施例中,目标图像组中包括注册图像与后加入图像;以及查询单元,进一步配置用于:查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第一预设阈值的注册图像,或查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。
在一些实施例中,第二预设阈值大于第一预设阈值。
在一些实施例中,查询单元,包括:确定子单元,用于确定至少一个图像组中注册图像包含的人脸对象与后加入图像包含的人脸对象的相似度大于第三预设阈值的图像组;查询子单元,用于查询所确定的图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。
在一些实施例中,确定单元,进一步配置用于:确定所获取的图像的亮度和清晰度是否超过第四预设阈值。
第三方面,本申请实施例提供了一种设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面上述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如第一方面上述的方法。
本申请实施例提供的用于识别人脸的方法和装置,通过获取待进行身份验证的用户的图像,并查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像,而后将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配,最后响应于确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像,从而提高了人脸识别的效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于识别人脸的方法的一个实施例的流程图;
图3是根据本申请的用于识别人脸的方法的应用场景的一个示意图;
图4是根据本申请的用于识别人脸的方法的又一个实施例的流程图;
图5是根据本申请的用于识别人脸的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于识别人脸的方法或用于识别人脸的装置的实施例的示例性系统架构100。
如图1所示,系统架构可以包括闸机101、终端102、闸机103、网络104、服务器105、106。终端设备101、终端设备102可以是具有摄像头的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。
终端设备101、终端设备102、闸机103可以通过摄像头采集待进行身份验证的用户的图像,而后查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像;将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配;响应于确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像。
终端设备101、终端设备102、闸机103也可以在通过摄像头采集待进行身份验证的用户的图像后,将采集到的图像通过网络104发送至服务器105、106,服务器105、106可以是提供各种服务的服务器,例如对终端设备101、终端设备102、闸机103上运行的人脸识别应用提供支持的后台服务器,服务器105、106获取到待进行身份验证的用户的图像后,可以查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像;将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配;响应于确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像。
需要说明的是,本申请实施例所提供的用于识别人脸的方法可以由终端设备101、终端设备102、闸机103,或服务器105、106执行,相应地,用于识别人脸的装置可以设置于终端设备101、终端设备102、闸机103,或服务器105、106中。
应该理解,图1中的终端设备、闸机、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、闸机、网络和服务器。
继续参考图2,示出了根据本申请的用于识别人脸的方法的一个实施例的流程200。该用于识别人脸的方法,包括以下步骤:
步骤201,获取待进行身份验证的用户的图像。
在本实施例中,用于识别人脸的方法运行于其上的电子设备(例如图1所示的电子设备)可以通过摄像头采集待进行身份验证的用户图像,以获取待进行身份验证的用户的图像。任何可能被人脸识别系统采集到其图像以进行身份验证的人均可以称之为用户。
在本实施例中,可以通过人脸识别系统对用户的身份进行验证。作为示例,当用户到达运行人脸识别系统的闸机附近时,需要通过人脸识别系统对用户进行身份验证才能通过闸机。可以首先对该用户进行拍照,采集到该用户的图像。
步骤202,查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像。
在本实施例中,上述电子设备可以查询至少一个图像组中包含的人脸对象与步骤201中所获取的图像包含的人脸对象的相似度超过预设阈值的图像。至少一个图像组中的每个图像组可以与一个用户标识关联,人脸识别系统中该图像组中的图像包括该用户的人脸对象。在图像中的用户的脸部可以称之为用户的脸部对应的人脸对象。对于图像中的人脸对象而言,当一个图像中仅包含用户的脸部对应的人脸对象时,则该图像可以称之为用户的图像。例如,用户的图像可以为仅包含一个用户的脸部对应的人脸对象的证件照。
在本实施例中,若查询到至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像,还可以确定待进行身份验证的用户通过身份验证,其在人脸识别系统中的用户标识为与查询到的图像关联的用户标识。
在本实施例中,相似度可以是两个人脸对象的特征的相似度。人脸对象的特征可以采用脸部特征点表示。在计算两个人脸对象的相似度时,可以分别生成两个人脸对象的脸部特征点对应的特征点向量,再计算生成的两个特征点向量的余弦相似度,将该余弦相似度作为两个人脸对象的相似度。也可以经由以下步骤得到人脸对象的特征向量,而后基于机器学习算法训练出的模型得到两个人脸对象的相似度:对图像进行分割,得到人脸对象所在区域,而后通过卷积神经网络获取人脸对象的特征。
预设阈值可以根据实际需要进行设置,例如图像质量较高时可以设置较高的阈值。预设阈值也可以是一个关联有预定义的设置规则的可变的值,例如,可以分别计算至少一个图像组中每个图像组包括的一张或多张图像包含的人脸对象与所获取的图像包含的人脸对象的相似度,按照相似度由大到小的顺序进行排序,将排在第二位的相似度确定为预设阈值。
在本实施例的一些可选实现方式中,目标图像组中包括注册图像与后加入图像;以及查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像,包括:查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第一预设阈值的注册图像,或查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。
在本实现方式中,注册图像是指用户主动提交或确定的图像,可以是指在人脸识别系统在对用户进行身份验证之前,预先获取到的用户的图像,例如,用户在人脸识别系统中注册时提交的用户的图像,注册使得用户提交的图像与用户的账户建立了对应关系,用户后续也可以登录人脸识别系统修改注册图像。第二预设阈值与第一预设阈值可以根据实际需要进行设置,例如,对于闸机,需要通过率较高时可以相应调低预设阈值。
作为示例,用于识别人脸的方法运行于其上的闸机首次对用户进行身份验证之前,可以由该用户的终端将该用户的图像,例如该用户的证件照,发送至服务器,再由服务器将该用户的图像发送至闸机。运行在闸机上的人脸识别系统可以接收到该用户的图像,创建该用户对应的图像组,将接收到的该用户的图像作为注册图像加入到创建的该用户对应的图像组中。
后加入图像可以是一个用户对应的图像组中的除了注册图像之外的属于该用户的图像,例如,该用户在历史身份验证过程中每一次通过身份验证时采集到的,被加入到该用户对应的图像组中的图像。
在本实施例的一些可选实现方式中,第二预设阈值大于第一预设阈值。由于后加入图像的采集时间与进行身份验证的时间更为接近,图像拍摄的角度和环境也更加类似,所以后加入图像包括的人脸对象与获取待进行身份验证的用户的图像包括的人脸对象之间的相似度应更大,所以第二预设阈值可以大于第一预设阈值。
步骤203,将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配。
在本实施例中,上述电子设备可以响应于步骤202中查询到包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像,将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配。目标图像组可以认为是对待进行身份验证的用户进行身份验证时确定出的与该用户关联的图像组。
质量数据可以包括图像的亮度、清晰度以及用于表征图像中人脸对象的位姿的数据,一般情况下,正脸图像的质量优于侧脸图像的质量,用于表征图像中人脸对象的位姿的数据可以经由机器学习算法训练出的模型得到。
在本实施例的一些可选实现方式中,确定所获取的图像的质量数据是否与预设的数据范围匹配,包括:确定所获取的图像的亮度和清晰度是否超过第四预设阈值。第四预设阈值可以根据实际需要进行设置,图像的亮度和清晰度达到第四预设阈值可以保证提取出正确的人脸特征,以进行相似度的计算。
步骤204,响应于确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像。
在本实施例中,上述电子设备可以响应于步骤203中确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像。目标图像组中新加入了所获取的图像,后续对用户进行身份验证时,可以依据图像组中原有的图像和新加入的图像。
继续参见图3,图3是根据本实施例的用于识别人脸的方法的应用场景的一个示意图。在图3的应用场景中,摄像头302采集到待进行身份验证的用户的图像303,并将采集到的图像303发送至电子设备301,电子设备301获取待进行身份验证的用户的图像303,查询至少一个图像组304中包含的人脸对象与所获取的图像303包含的人脸对象的相似度超过预设阈值的图像;响应于查询到包含的人脸对象与所获取的图像303包含的人脸对象的相似度超过预设阈值的图像,将查询到的图像所在的图像组确定为目标图像组305,以及确定所获取的图像的质量数据是否与预设的数据范围匹配;响应于确定出质量数据与预设的数据范围匹配,在目标图像组305中加入所获取的图像。
本申请的上述实施例提供的方法通过获取待进行身份验证的用户的图像;查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像;将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配;响应于确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像,由于后加入的采集图片所体现的用户的面部特征与用户当前的面部特征最为接近,后续可以更加快速准确的识别出人脸,从而提高了人脸识别的效率。
进一步参考图4,其示出了用于识别人脸的方法的又一个实施例的流程400。该用于识别人脸的方法的流程400,包括以下步骤:
步骤401,获取待进行身份验证的用户的图像。
在本实施例中,用于识别人脸的方法运行于其上的电子设备(例如图1所示的电子设备)可以首先获取待进行身份验证的用户的图像。
步骤402,确定至少一个图像组中注册图像包含的人脸对象与后加入图像包含的人脸对象的相似度大于第三预设阈值的图像组。
在本实施例中,上述电子设备可以确定至少一个图像组中注册图像包含的人脸对象与后加入图像包含的人脸对象的相似度大于第三预设阈值的图像组。至少一个图像组中的一些图像组可能包括注册图像与后加入图像,
第三预设阈值可以根据实际需要进行设置,注册图像包含的人脸对象与后加入图像包含的人脸对象的相似度低于第三预设阈值,说明该用户的注册图像的面部特征与其近期的面部特征相差较大,可能是该用户的注册图像经过了图像处理等原因造成的。这样还可能导致另一用户近期的面部特征与该用户的注册图像的面部特征较为接近,在身份验证时可能发生误识。例如,在对A用户进行身份验证时采集到的A用户的图像,与B用户关联图像组中的注册图像很相近,可能导致人脸识别系统将A用户误识为B用户。
步骤403,查询所确定的图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。
在本实施例中,上述电子设备可以查询步骤402所确定的图像组中包含的人脸对象与步骤401中所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。在本步骤中,对于注册图像包含的人脸对象的特征与后加入图像包含的人脸对象的特征相差较大的图像组,仅依据其包括的后加入图像计算相似度,以进行身份验证等,以此,可以避免在对A用户进行身份验证时采集到的A用户的图像,与B用户关联图像组中的注册图像相近,导致的人脸识别系统将A用户误识为B用户的情况。
步骤404,将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配。
在本实施例中,上述电子设备可以响应于步骤403中查询到所确定的图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像,将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配。
步骤405,响应于确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像。
在本实施例中,上述电子设备可以响应于步骤404中确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像。
在本实施例中,步骤401、步骤404、步骤405的操作与步骤201、步骤203、步骤204的操作基本相同,在此不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于识别人脸的方法的流程400中根据图像组中注册图像包含的人脸对象与后加入图像包含的人脸对象的相似度,对人脸识别所依据的图像进行了限定,以此可以避免将一个用户识别为另一个用户,由此,本实施例描述的方案进一步提高了人脸识别的效率。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于识别人脸的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于识别人脸的装置500包括:获取单元501、查询单元502、确定单元503和添加单元504。其中,获取单元501,用于获取待进行身份验证的用户的图像;查询单元502,用于查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像;确定单元503,用于将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配;添加单元504,用于响应于确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像。
在本实施例中,用于识别人脸的装置500的获取单元501、查询单元502、确定单元503和添加单元504的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204。
在本实施例的一些可选实现方式中,目标图像组中包括注册图像与后加入图像;以及查询单元502,进一步配置用于:查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第一预设阈值的注册图像,或查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。
在本实施例的一些可选实现方式中,第二预设阈值大于第一预设阈值。
在本实施例的一些可选实现方式中,查询单元502,包括:确定子单元(图中未示出),用于确定至少一个图像组中注册图像包含的人脸对象与后加入图像包含的人脸对象的相似度大于第三预设阈值的图像组;查询子单元(图中未示出),用于查询所确定的图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。
在本实施例的一些可选实现方式中,确定单元503,进一步配置用于:确定所获取的图像的亮度和清晰度是否超过第四预设阈值。
本申请的上述实施例提供的装置,通过获取待进行身份验证的用户的图像;查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像;将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配;响应于确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像,从而提高了人脸识别的效率。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、查询单元、确定单元和添加单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“用于获取待进行身份验证的用户的图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取待进行身份验证的用户的图像;查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像;将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配;响应于确定出质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种人脸识别方法,包括:
获取待进行身份验证的用户的图像;
查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像,所述至少一个图像组中的每个图像组与人脸识别系统中的一个用户标识关联,每个图像组为闸机首次对各用户进行身份验证,且所述闸机的人脸识别系统在接收到的该用户的图像之后创建的,其中,所述接收到的该用户的图像为注册图像,该用户对应的图像组中的除了所述注册图像之外属于该用户的图像为后加入图像;
将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配;
响应于确定出所述质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像;
所述查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像,包括:
确定至少一个图像组中注册图像包含的人脸对象与后加入图像包含的人脸对象的相似度低于第三预设阈值的图像组;
查询所确定的图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。
2.根据权利要求1所述的方法,其中,目标图像组中包括注册图像与后加入图像;以及
所述查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像,包括:
查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第一预设阈值的注册图像,或查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。
3.根据权利要求2所述的方法,其中,所述第二预设阈值大于第一预设阈值。
4.根据权利要求1-3中任一项所述的方法,其中,所述确定所获取的图像的质量数据是否与预设的数据范围匹配,包括:
确定所获取的图像的亮度和清晰度是否超过第四预设阈值。
5.一种人脸识别装置,包括:
获取单元,用于获取待进行身份验证的用户的图像;
查询单元,用于查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过预设阈值的图像,所述至少一个图像组中的每个图像组与人脸识别系统中的一个用户标识关联,每个图像组为闸机首次对各用户进行身份验证,且所述闸机的人脸识别系统在接收到的该用户的图像之后创建的,其中,所述接收到的该用户的图像为注册图像,该用户对应的图像组中的除了所述注册图像之外属于该用户的图像为后加入图像;
确定单元,用于将查询到的图像所在的图像组确定为目标图像组,以及确定所获取的图像的质量数据是否与预设的数据范围匹配;
添加单元,用于响应于确定出所述质量数据与预设的数据范围匹配,在目标图像组中加入所获取的图像;
所述查询单元,包括:
确定子单元,用于确定至少一个图像组中注册图像包含的人脸对象与后加入图像包含的人脸对象的相似度低于第三预设阈值的图像组;
查询子单元,用于查询所确定的图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。
6.根据权利要求5所述的装置,其中,目标图像组中包括注册图像与后加入图像;以及
所述查询单元,进一步配置用于:
查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第一预设阈值的注册图像,或查询至少一个图像组中包含的人脸对象与所获取的图像包含的人脸对象的相似度超过第二预设阈值的后加入图像。
7.根据权利要求6所述的装置,其中,所述第二预设阈值大于第一预设阈值。
8.根据权利要求5-7中任一项所述的装置,其中,所述确定单元,进一步配置用于:
确定所获取的图像的亮度和清晰度是否超过第四预设阈值。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810059846.0A CN108280422B (zh) | 2018-01-22 | 2018-01-22 | 用于识别人脸的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810059846.0A CN108280422B (zh) | 2018-01-22 | 2018-01-22 | 用于识别人脸的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108280422A CN108280422A (zh) | 2018-07-13 |
CN108280422B true CN108280422B (zh) | 2022-06-14 |
Family
ID=62804423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810059846.0A Active CN108280422B (zh) | 2018-01-22 | 2018-01-22 | 用于识别人脸的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108280422B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI671685B (zh) * | 2018-09-19 | 2019-09-11 | 和碩聯合科技股份有限公司 | 臉部識別方法與使用此方法的電子裝置 |
CN109241931A (zh) * | 2018-09-20 | 2019-01-18 | 上海博泰悦臻网络技术服务有限公司 | 基于人脸识别的自动导航方法、终端及系统 |
CN112115740B (zh) * | 2019-06-19 | 2024-04-09 | 京东科技信息技术有限公司 | 用于处理图像的方法和装置 |
CN110825765B (zh) * | 2019-10-23 | 2022-10-04 | 中国建设银行股份有限公司 | 一种人脸识别的方法和装置 |
CN115002414A (zh) * | 2020-03-20 | 2022-09-02 | 腾讯云计算(北京)有限责任公司 | 监测方法、装置及服务器和计算机可读存储介质 |
CN112818885B (zh) * | 2021-02-07 | 2024-05-28 | 中国银联股份有限公司 | 人脸识别方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030083510A (ko) * | 2002-04-23 | 2003-10-30 | 삼성전자주식회사 | 이용자 검증 및 데이터 베이스 자동 갱신 방법, 및 이를이용한 얼굴 인식 시스템 |
JP2008046864A (ja) * | 2006-08-16 | 2008-02-28 | Nippon Hoso Kyokai <Nhk> | 顔画像認識装置及び顔画像認識プログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016149944A1 (zh) * | 2015-03-26 | 2016-09-29 | 北京旷视科技有限公司 | 用于识别人脸的方法、系统和计算机程序产品 |
CN105913051B (zh) * | 2016-05-26 | 2019-10-18 | 京东方科技集团股份有限公司 | 一种识别人脸图像的模版库的更新装置及方法 |
CN105938552B (zh) * | 2016-06-29 | 2020-04-24 | 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 |
CN106326867B (zh) * | 2016-08-26 | 2019-06-07 | 维沃移动通信有限公司 | 一种人脸识别的方法及移动终端 |
CN107609508A (zh) * | 2017-09-08 | 2018-01-19 | 深圳市金立通信设备有限公司 | 一种人脸识别方法、终端及计算机可读存储介质 |
-
2018
- 2018-01-22 CN CN201810059846.0A patent/CN108280422B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030083510A (ko) * | 2002-04-23 | 2003-10-30 | 삼성전자주식회사 | 이용자 검증 및 데이터 베이스 자동 갱신 방법, 및 이를이용한 얼굴 인식 시스템 |
JP2008046864A (ja) * | 2006-08-16 | 2008-02-28 | Nippon Hoso Kyokai <Nhk> | 顔画像認識装置及び顔画像認識プログラム |
Non-Patent Citations (2)
Title |
---|
Anti-cheating presence system based on 3WPCA-dual vision face recognition;Edy Winarno et al;《2017 4th International Conference on Electrical Engineering, Computer Science and Informatics (EECSI)》;20171225;1-5 * |
基于多线索的人脸识别认证;韩兆翠;《中国博士学位论文全文数据库(电子期刊)》;20140515;第2014年卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108280422A (zh) | 2018-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280422B (zh) | 用于识别人脸的方法和装置 | |
CN108229419B (zh) | 用于聚类图像的方法和装置 | |
CN110825765B (zh) | 一种人脸识别的方法和装置 | |
CN108898086B (zh) | 视频图像处理方法及装置、计算机可读介质和电子设备 | |
US11004234B2 (en) | Method and apparatus for annotating point cloud data | |
CN108830235B (zh) | 用于生成信息的方法和装置 | |
US11393256B2 (en) | Method and device for liveness detection, and storage medium | |
KR101629224B1 (ko) | 생체 특징에 기반한 인증 방법, 장치 및 시스템 | |
US20200218931A1 (en) | Representative-Based Metric Learning for Classification and Few-Shot Object Detection | |
CN108491794B (zh) | 面部识别的方法和装置 | |
CN109993150B (zh) | 用于识别年龄的方法和装置 | |
CN111242097A (zh) | 一种人脸识别方法、装置、计算机可读介质及电子设备 | |
CN106303599B (zh) | 一种信息处理方法、系统及服务器 | |
US10740597B2 (en) | Method and apparatus for acquiring information | |
CN109086834B (zh) | 字符识别方法、装置、电子设备及存储介质 | |
US20210295016A1 (en) | Living body recognition detection method, medium and electronic device | |
KR20220076398A (ko) | Ar장치를 위한 객체 인식 처리 장치 및 방법 | |
CN110852193A (zh) | 一种人脸识别的方法和装置 | |
CN111563398A (zh) | 用于确定目标物的信息的方法和装置 | |
WO2020244071A1 (zh) | 基于神经网络的手势识别方法、装置、存储介质及设备 | |
CN111062374A (zh) | 身份证信息的识别方法、装置、系统、设备及可读介质 | |
CN114880513A (zh) | 一种目标检索方法及相关装置 | |
WO2024193211A1 (zh) | 数据传输方法、设备及存储介质 | |
CN112926491A (zh) | 用户识别方法、装置、电子设备及存储介质 | |
CN109033264B (zh) | 视频分析方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |