CN110647823A - 一种优化人脸底库的方法和装置 - Google Patents
一种优化人脸底库的方法和装置 Download PDFInfo
- Publication number
- CN110647823A CN110647823A CN201910822620.6A CN201910822620A CN110647823A CN 110647823 A CN110647823 A CN 110647823A CN 201910822620 A CN201910822620 A CN 201910822620A CN 110647823 A CN110647823 A CN 110647823A
- Authority
- CN
- China
- Prior art keywords
- face
- face image
- image
- user
- identity
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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; 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种优化人脸底库的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:采集用户的多张人脸图像,分别计算每张人脸图像的质量分值,并从中筛选出一张人脸图像作为身份核查人脸图像;将所述身份核查人脸图像与身份核验系统中所述用户的身份人脸图像进行身份核查;若身份核查通过,则将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像。该实施方式能够解决误识率高和响应速度慢的技术问题。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种优化人脸底库的方法和装置。
背景技术
人脸识别应用已渗透到我们生活的方方面面,各城市也逐步推出“一脸通”,尤其是各地铁、公交等出行领域纷纷推出刷脸出行,在这样的背景下,人脸识别主要是依靠现场抓拍的比对照与预留的底库照比对。但是一开始预留的底库照可能并非最好的,底库照的优劣直接影响了后续的识别率和误识率。当前各城市地铁、公交、电车等轨道交通都在推出刷脸通行,公交领域刷脸出行要求识别速度快、误识率低,以防止出现拥堵乘车道,对人脸识别提出了更高的要求。在这种高频次的刷脸场景中,人脸识别底库的质量直接影响了识别的速度和误识。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
现有人脸识别提升底库的方法都是注册多张底库照片,通过不同角度的照片尽可能多方位标识一个人,通过同一个人使用多张底库照片的方法来提升人脸识别通过率,该方案需在一次人脸识别过程中进行多次人脸比对,人脸识别通过率得到了提升,但是识别速度变慢。而且,由于没有控制底库照片综合质量、拍照时间等因素,一定程度上会增加误识率,尤其是在注册环节都没有进行严格控制,很可能在后续优化更新时筛选不出最接近于证件照的照片,即使是注册了多张底库照片,但照片的综合质量均一般。如果在支付场景(尤其是地铁这种大频次、高通行速度的场景)中,这种方案不但会增加误识率,还会增加搜索时间,导致响应速度慢,无法满足地铁通行快速、准确的要求。
发明内容
有鉴于此,本发明实施例提供一种优化人脸底库的方法和装置,以解决误识率高和响应速度慢的技术问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种优化人脸底库的方法,包括:
采集用户的多张人脸图像,分别计算每张人脸图像的质量分值,并从中筛选出一张人脸图像作为身份核查人脸图像;
将所述身份核查人脸图像与身份核验系统中所述用户的身份人脸图像进行身份核查;
若身份核查通过,则将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像。
可选地,在采集用户的多张人脸图像之前,还包括:
采集用户的身份信息和人脸视频;
根据所述人脸视频对所述用户进行活体检测。
可选地,分别计算每张人脸图像的质量分值,并从中筛选出一张人脸图像作为身份核查人脸图像,包括:
根据图像特征和各个图像特征对应的权值,分别计算每张人脸图像的质量分值;
从所述多张人脸图像中筛选出质量分值最高的人脸图像,判断筛选出的所述人脸图像的质量分值是否大于等于预设的分值阈值;若是,则将筛选出的所述人脸图像作为身份核查人脸图像;
其中,所述图像特征至少包括以下两种:人脸完整性、人脸清晰度、人脸分辨率、人脸亮度、人脸角度、人脸表情。
可选地,在将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像之后,还包括:
将所述用户的身份信息,所述注册人脸图像,以及所述注册人脸图像的人脸关键点、注册时间和质量分值存储在人脸底库中。
可选地,在将所述用户的身份信息,所述注册人脸图像,以及所述注册人脸图像的人脸关键点、注册时间和质量分值存储在人脸底库中之后,还包括:
采集所述用户的待核验人脸图像,计算所述待核验人脸图像的质量分值;
若所述待核验人脸图像的采集时间与所述注册人脸图像的注册时间的差值大于等于预设时间阈值,并且所述待核验人脸图像的质量分值与所述注册人脸图像的质量分值的差值小于预设差值阈值,则将所述待核验人脸图像作为所述用户的注册人脸图像。
另外,根据本发明实施例的另一个方面,提供了一种优化人脸底库的装置,包括:
计算模块,用于采集用户的多张人脸图像,分别计算每张人脸图像的质量分值,并从中筛选出一张人脸图像作为身份核查人脸图像;
核查模块,用于将所述身份核查人脸图像与身份核验系统中所述用户的身份人脸图像进行身份核查;
优化模块,用于若身份核查通过,则将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像。
可选地,所述计算模块还用于:
在采集用户的多张人脸图像之前,采集用户的身份信息和人脸视频;
根据所述人脸视频对所述用户进行活体检测。
可选地,所述计算模块还用于:
根据图像特征和各个图像特征对应的权值,分别计算每张人脸图像的质量分值;
从所述多张人脸图像中筛选出质量分值最高的人脸图像,判断筛选出的所述人脸图像的质量分值是否大于等于预设的分值阈值;若是,则将筛选出的所述人脸图像作为身份核查人脸图像;
其中,所述图像特征至少包括以下两种:人脸完整性、人脸清晰度、人脸分辨率、人脸亮度、人脸角度、人脸表情。
可选地,所述优化模块还用于:
在将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像之后,将所述用户的身份信息,所述注册人脸图像,以及所述注册人脸图像的人脸关键点、注册时间和质量分值存储在人脸底库中。
可选地,所述优化模块还用于:
在将所述用户的身份信息,所述注册人脸图像,以及所述注册人脸图像的人脸关键点、注册时间和质量分值存储在人脸底库中之后,采集所述用户的待核验人脸图像,计算所述待核验人脸图像的质量分值;
若所述待核验人脸图像的采集时间与所述注册人脸图像的注册时间的差值大于等于预设时间阈值,并且所述待核验人脸图像的质量分值与所述注册人脸图像的质量分值的差值小于预设差值阈值,则将所述待核验人脸图像作为所述用户的注册人脸图像。
根据本发明实施例的另一个方面,还提供了一种电子设备,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,使得所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面,还提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用通过从多张人脸图像中筛选出一张质量分值最高的人脸图像,并在身份核查通过后,将其作为注册人脸图像的技术手段,所以克服了现有技术中误识率高和响应速度慢的技术问题。本发明实施例通过多个维度信息计算每张人脸图像的质量分值,并从中筛选出质量分值最高的人脸图像,然后在身份核查通过后,将其作为注册人脸图像,从而优化人脸底库。通过本发明实施例筛选得到的注册人脸图像可以提高底库照片的质量,有助于进一步提升人脸识别的通过率、降低误识率。而且底库中只有一张注册人脸图像,可以显著提高刷脸速度,尤其是适合交通出行场景或者支付场景中。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的优化人脸底库的方法的主要流程的示意图;
图2是根据本发明一个可参考实施例的优化人脸底库的方法的主要流程的示意图;
图3是根据本发明另一个可参考实施例的优化人脸底库的方法的主要流程的示意图;
图4是根据本发明实施例的优化人脸底库的装置的主要模块的示意图;
图5是本发明实施例可以应用于其中的示例性系统架构图;
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的优化人脸底库的方法的主要流程的示意图。作为本发明的一个实施例,如图1所示,所述优化人脸底库的方法可以包括:
步骤101,采集用户的多张人脸图像,分别计算每张人脸图像的质量分值,并从中筛选出一张人脸图像作为身份核查人脸图像。
可选地,在采集用户的多张人脸图像之前,还包括:采集用户的身份信息和人脸视频;根据所述人脸视频对所述用户进行活体检测。其中,身份信息可以包括姓名、证件号码、账户名等。在该实施例中,先采集用户的人脸视频,并对其进行活体检测;如果活体检测通过,则继续采集用户的多张人脸图像;最后从这些人脸图像中筛选出质量分值最高的人脸图像作为身份核查人脸图像。通过活体检测可以保证采集的人脸图像是用户本人的。
可选地,在采集用户的人脸图像时,还需要通过人脸的像素、位置判断目标人脸是否鲜明,如果不鲜明,则将这张人脸图像作废,重新采集。而且,在采集用户的人脸图像时,还需要保证采集的图像中只有一张人脸,否则重新采集。
可选地,可以预先设置分值阈值,如果所有人脸图像的质量分值都小于分值阈值,则再次采集用户的多张人脸图像,直到至存在一张人脸图像的质量分值大于等于分值阈值。可选地,步骤101可以包括:根据图像特征和各个图像特征对应的权值,分别计算每张人脸图像的质量分值;从所述多张人脸图像中筛选出质量分值最高的人脸图像,判断筛选出的所述人脸图像的质量分值是否大于等于预设的分值阈值;若是,则将筛选出的所述人脸图像作为身份核查人脸图像。其中,所述图像特征至少包括以下两种:人脸完整性、人脸清晰度、人脸分辨率、人脸亮度、人脸角度、人脸表情。也就是说,筛选出的人脸图像的质量分值不但是最高的,还要大于等于预设的分值阈值,以保证注册人脸图像的照片质量。
可选地,可以采用如下方法获取每张人脸图像的图像特征:
1)是否存在多张目标脸,检查图像中存在几张脸,通过脸的像素、位置判断目标脸是否鲜明,如果不明显,则重新抓拍。
2)基于人类关键点对齐算法,检查目标人脸完整性,比如目标脸边缘是否已完整包含了整张脸、目标人脸上是否有额头、眼睛、鼻子、嘴巴、下巴等,确保关键点均已在人脸图像中;
3)通过拉普拉斯算子检查目标人脸清晰度,确保照片清晰;
4)通过像素比检查目标人脸分辨率,确保目标人脸照片及瞳间距符合预设条件;
5)通过亮度均方差检查目标人脸亮度,避免过度曝光或者过暗;
6)通过空间建模检查目标人脸角度,确保上下角度、左右角度和俯仰角度符合预设质量要求;
7)通过基于CNN的多分类算法检查目标人脸表情,确保表情自然,避免表情夸张或僵硬;
以上检查项,每项均有相应的控制阈值,给每项分配相应的权值,最后将各项相加后得到质量分值,筛选出质量分值最大的人脸图像,还要质量分值大于等于预设的分值阈值时,才能将该人脸图像作为身份核查人脸图像,用于后续的身份核查。本发明实施例在计算质量分值时,除了对人脸图像自身的一些判断外,还引入了图像中是否存在多目标人脸、表情是否自然等检测项,排除一些可能引发误识的干扰因素,确保第一次入库的注册人脸图像高清且接近于证件照中的人脸图像,从而提高识别准确率、降低误识率。
需要指出的是,在本发明的实施例中,综合质量检查的检查条件及各条件的阈值、权值等是根据证件照的标准总结得到,经过此标准出来的照片是最接近于证件照的近期照片。采用质量分值来综合评估人脸图像,确保目标人脸清晰无争议和底库入库图像接近于证件照,便于后续了人脸搜索,同时防止地铁通行时的前后、左右脸问题发生。
步骤102,将所述身份核查人脸图像与身份核验系统中所述用户的身份人脸图像进行身份核查。
从多张人脸图像中筛选出身份核查人脸图像后,将所述身份核查人脸图像与身份核验系统中所述用户的身份人脸图像进行比对。可选地,可以通过用户输入的身份信息关联到身份核验系统中所述用户的身份人脸图像。在该步骤中,可以通过人脸识别计算进行身份核查,具体地,首先分别提取身份核查人脸图像和身份人脸图像(比如身份证上的人脸图像)中的人脸特征,然后通过人脸特征计算身份核查人脸图像与身份人脸图像之间的相似度,从而判断是否为同一个人,以确保用户是本人进行注册操作。其中,在人脸识别技术实现上主要分为人脸定位、局部特征提取、编码、特征比对等流程。
步骤103,若身份核查通过,将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像。
如果身份核查通过,说明身份核查人脸图像与身份核验系统中的身份人脸图像一致,则将身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像。
可选地,在步骤103之后,所述方法还包括:将所述用户的身份信息,所述注册人脸图像,以及所述注册人脸图像的人脸关键点、注册时间和质量分值存储在人脸底库中。存储在人脸底库中的这些信息可以用于后续的人脸识别、图像更新等。那么当用户需要进行刷脸时,比如地铁刷脸过闸、刷脸支付等,要求人脸通过率高、误识率低且识别速度快,不依赖任何证件的无感通行,所以不能拿证件照比对,而且证件芯片中的照片分辨率低、可能年底还久远,能够勉强做安检的身份认证,无法应用于涉及到支付的、对响应要求高的无感通行场景。
在进行刷脸时,本发明实施例基于核查通过后的注册人脸图像对实时采集的人脸图像进行分析和识别,不但可以提高通过率和识别速度、降低误识率,还可以实现不依赖任何证件的无感通行,尤其适用于涉及到支付的、对响应要求高的无感通行场景。
根据上面所述的各种实施例,可以看出本发明通过从多张人脸图像中筛选出一张质量分值最高的人脸图像,并在身份核查通过后,将其作为注册人脸图像的技术手段,从而解决了现有技术中误识率高和响应速度慢的技术问题。本发明实施例通过多个维度信息计算每张人脸图像的质量分值,并从中筛选出质量分值最高的人脸图像,然后在身份核查通过后,将其作为注册人脸图像,从而优化人脸底库。通过本发明实施例筛选得到的注册人脸图像可以提高底库照片的质量,有助于进一步提升人脸识别的通过率、降低误识率。而且底库中只有一张注册人脸图像,可以显著提高刷脸速度,尤其是适合交通出行场景或者支付场景中。
图2是根据本发明一个可参考实施例的优化人脸底库的方法的主要流程的示意图。所述优化人脸底库的方法包括以下步骤:
步骤201,采集用户的身份信息和人脸视频。
步骤202,根据所述人脸视频对所述用户进行活体检测;
步骤203,检查活体检测是否通过;若是,则执行步骤204;若否,则执行步骤201
步骤204,采集用户的多张人脸图像,分别计算每张人脸图像的质量分值,并从中筛选出质量分值最高的一张人脸图像。
步骤205,判断质量分值最高的人脸图像是否大于等于预设的分值阈值;若是,则执行步骤206;若否,则执行步骤201。
步骤206,将质量分值最高的人脸图像作为身份核查人脸图像,将所述身份核查人脸图像与身份核验系统中所述用户的身份人脸图像进行身份核查。
步骤207,判断身份核查是否通过;若是,则执行步骤208;若否,则执行步骤201。
步骤208,将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像。
步骤209,将所述用户的身份信息,所述注册人脸图像,以及所述注册人脸图像的人脸关键点、注册时间和质量分值存储在人脸底库中。
本发明实施例通过多个维度信息计算每张人脸图像的质量分值,并从中筛选出质量分值最高的人脸图像,然后在身份核查通过后,将其作为注册人脸图像,从而优化人脸底库。通过本发明实施例筛选得到的注册人脸图像可以提高底库照片的质量,有助于进一步提升人脸识别的通过率、降低误识率。而且底库中只有一张注册人脸图像,可以显著提高刷脸速度,尤其是适合交通出行场景或者支付场景中。
另外,在本发明一个可参考实施例中优化人脸底库的方法的具体实施内容,在上面所述优化人脸底库的方法中已经详细说明了,故在此重复内容不再说明。
图3是根据本发明另一个可参考实施例的优化人脸底库的方法的主要流程的示意图。当用户按照步骤201-209完成人脸图像的注册后,用户可以基于该注册人脸图像进行刷脸核查,核查通过后,还可以进一步更新底库中的人脸图像。具体地,包括以下步骤:
步骤301,采集用户的待核验人脸图像。
步骤302,基于所述注册人脸图像判断所述待核验人脸图像是否核查通过;若是,则执行步骤303;若否,则结束。
步骤303,计算所述待核验人脸图像的质量分值。
步骤304,判断所述待核验人脸图像的质量分值与所述注册人脸图像的质量分值的差值小于预设差值阈值;若是,则执行步骤305;若否,则执行307。
步骤305,所述待核验人脸图像的采集时间与所述注册人脸图像的注册时间的差值大于等于预设时间阈值;若是,则执行步骤306;若否,则执行307。
步骤306,将所述待核验人脸图像作为所述用户的注册人脸图像。
步骤307,以质量分值高的人脸图像作为注册人脸图像。
在该实施例中,将最新采集的待核验人脸图像与底库中的注册人脸图像进行比对,如果比对通过,则进一步计算待核验人脸图像的质量分值。计算方法与步骤101类似,不再赘述。然后基于待核验人脸图像与注册人脸图像的质量分值和采集时间进行综合评价,判断是否需要更新底库中的人脸图像,这样可以确保入库的底库照片为用户最新的高质量近照。
可见,本发明实施例在完成人脸图像注册后,还可以进一步结合质量分值和采集时间来综合判断是否需要更新底库中的人脸图像,以确保入库的底库照片为用户最新的高质量近照,从而提高搜索比对成功率、降低误识率。
另外,在本发明另一个可参考实施例中优化人脸底库的方法的具体实施内容,在上面所述优化人脸底库的方法中已经详细说明了,故在此重复内容不再说明。
图4是根据本发明实施例的优化人脸底库的装置的主要模块的示意图,如图4所示,所述优化人脸底库的装置400包括计算模块401、核查模块402和优化模块403。其中,计算模块401用于采集用户的多张人脸图像,分别计算每张人脸图像的质量分值,并从中筛选出一张人脸图像作为身份核查人脸图像;核查模块402用于将所述身份核查人脸图像与身份核验系统中所述用户的身份人脸图像进行身份核查;优化模块403用于若身份核查通过,则将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像。
可选地,所述计算模块401还用于:
在采集用户的多张人脸图像之前,采集用户的身份信息和人脸视频;
根据所述人脸视频对所述用户进行活体检测。
可选地,所述计算模块401还用于:
根据图像特征和各个图像特征对应的权值,分别计算每张人脸图像的质量分值;
从所述多张人脸图像中筛选出质量分值最高的人脸图像,判断筛选出的所述人脸图像的质量分值是否大于等于预设的分值阈值;若是,则将筛选出的所述人脸图像作为身份核查人脸图像;
其中,所述图像特征至少包括以下两种:人脸完整性、人脸清晰度、人脸分辨率、人脸亮度、人脸角度、人脸表情。
可选地,所述优化模块403还用于:
在将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像之后,将所述用户的身份信息,所述注册人脸图像,以及所述注册人脸图像的人脸关键点、注册时间和质量分值存储在人脸底库中。
可选地,所述优化模块403还用于:
在将所述用户的身份信息,所述注册人脸图像,以及所述注册人脸图像的人脸关键点、注册时间和质量分值存储在人脸底库中之后,采集所述用户的待核验人脸图像,计算所述待核验人脸图像的质量分值;
若所述待核验人脸图像的采集时间与所述注册人脸图像的注册时间的差值大于等于预设时间阈值,并且所述待核验人脸图像的质量分值与所述注册人脸图像的质量分值的差值小于预设差值阈值,则将所述待核验人脸图像作为所述用户的注册人脸图像。
根据上面所述的各种实施例,可以看出本发明通过从多张人脸图像中筛选出一张质量分值最高的人脸图像,并在身份核查通过后,将其作为注册人脸图像的技术手段,从而解决了现有技术中误识率高和响应速度慢的技术问题。本发明实施例通过多个维度信息计算每张人脸图像的质量分值,并从中筛选出质量分值最高的人脸图像,然后在身份核查通过后,将其作为注册人脸图像,从而优化人脸底库。通过本发明实施例筛选得到的注册人脸图像可以提高底库照片的质量,有助于进一步提升人脸识别的通过率、降低误识率。而且底库中只有一张注册人脸图像,可以显著提高刷脸速度,尤其是适合交通出行场景或者支付场景中。
需要说明的是,在本发明所述优化人脸底库的装置的具体实施内容,在上面所述优化人脸底库的方法中已经详细说明了,故在此重复内容不再说明。
图5示出了可以应用本发明实施例的优化人脸底库的方法或优化人脸底库的装置的示例性系统架构500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的优化人脸底库的方法一般由服务器505执行,相应地,所述优化人脸底库的装置一般设置在服务器505中。本发明实施例所提供的优化人脸底库的方法也可以由终端设备501、502、503执行,相应地,所述优化人脸底库的装置可以设置在终端设备501、502、503中。
应该理解,图5中的终端设备、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、网络和服务器。
下面参考图6,其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例,不应对本发明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RAM603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,根据本发明公开的实施例,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,本发明公开的实施例包括一种计算机程序物品,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,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示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。在本发明中,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。而在本发明中,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。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序物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,上述模块、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,框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括计算模块、核查模块和优化模块,其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明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设备中所包含的;也可以是单独存在,而未装配入该设备中。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一个该设备执行时,使得该设备包括:采集用户的多张人脸图像,分别计算每张人脸图像的质量分值,并从中筛选出一张人脸图像作为身份核查人脸图像;将所述身份核查人脸图像与身份核验系统中所述用户的身份人脸图像进行身份核查;若身份核查通过,则将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像。
根据本发明实施例的技术方案,因为采用通过从多张人脸图像中筛选出一张质量分值最高的人脸图像,并在身份核查通过后,将其作为注册人脸图像的技术手段,所以克服了现有技术中误识率高和响应速度慢的技术问题。本发明实施例通过多个维度信息计算每张人脸图像的质量分值,并从中筛选出质量分值最高的人脸图像,然后在身份核查通过后,将其作为注册人脸图像,从而优化人脸底库。通过本发明实施例筛选得到的注册人脸图像可以提高底库照片的质量,有助于进一步提升人脸识别的通过率、降低误识率。而且底库中只有一张注册人脸图像,可以显著提高刷脸速度,尤其是适合交通出行场景或者支付场景中。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种优化人脸底库的方法,其特征在于,包括:
采集用户的多张人脸图像,分别计算每张人脸图像的质量分值,并从中筛选出一张人脸图像作为身份核查人脸图像;
将所述身份核查人脸图像与身份核验系统中所述用户的身份人脸图像进行身份核查;
若身份核查通过,则将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像。
2.根据权利要求1所述的方法,其特征在于,在采集用户的多张人脸图像之前,还包括:
采集用户的身份信息和人脸视频;
根据所述人脸视频对所述用户进行活体检测。
3.根据权利要求1所述的方法,其特征在于,分别计算每张人脸图像的质量分值,并从中筛选出一张人脸图像作为身份核查人脸图像,包括:
根据图像特征和各个图像特征对应的权值,分别计算每张人脸图像的质量分值;
从所述多张人脸图像中筛选出质量分值最高的人脸图像,判断筛选出的所述人脸图像的质量分值是否大于等于预设的分值阈值;若是,则将筛选出的所述人脸图像作为身份核查人脸图像;
其中,所述图像特征至少包括以下两种:人脸完整性、人脸清晰度、人脸分辨率、人脸亮度、人脸角度、人脸表情。
4.根据权利要求2所述的方法,其特征在于,在将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像之后,还包括:
将所述用户的身份信息,所述注册人脸图像,以及所述注册人脸图像的人脸关键点、注册时间和质量分值存储在人脸底库中。
5.根据权利要求4所述的方法,其特征在于,在将所述用户的身份信息,所述注册人脸图像,以及所述注册人脸图像的人脸关键点、注册时间和质量分值存储在人脸底库中之后,还包括:
采集用户的待核验人脸图像;
基于所述注册人脸图像判断所述待核验人脸图像是否核查通过,若是,则计算所述待核验人脸图像的质量分值;
若所述待核验人脸图像的采集时间与所述注册人脸图像的注册时间的差值大于等于预设时间阈值,并且所述待核验人脸图像的质量分值与所述注册人脸图像的质量分值的差值小于预设差值阈值,则将所述待核验人脸图像作为所述用户的注册人脸图像。
6.一种优化人脸底库的装置,其特征在于,包括:
计算模块,用于采集用户的多张人脸图像,分别计算每张人脸图像的质量分值,并从中筛选出一张人脸图像作为身份核查人脸图像;
核查模块,用于将所述身份核查人脸图像与身份核验系统中所述用户的身份人脸图像进行身份核查;
优化模块,用于若身份核查通过,则将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像。
7.根据权利要求6所述的装置,其特征在于,所述计算模块还用于:
在采集用户的多张人脸图像之前,采集用户的身份信息和人脸视频;
根据所述人脸视频对所述用户进行活体检测。
8.根据权利要求6所述的装置,其特征在于,所述计算模块还用于:
根据图像特征和各个图像特征对应的权值,分别计算每张人脸图像的质量分值;
从所述多张人脸图像中筛选出质量分值最高的人脸图像,判断筛选出的所述人脸图像的质量分值是否大于等于预设的分值阈值;若是,则将筛选出的所述人脸图像作为身份核查人脸图像;
其中,所述图像特征至少包括以下两种:人脸完整性、人脸清晰度、人脸分辨率、人脸亮度、人脸角度、人脸表情。
9.根据权利要求8所述的装置,其特征在于,所述优化模块还用于:
在将所述身份核查人脸图像作为所述用户在人脸底库中的注册人脸图像之后,将所述用户的身份信息,所述注册人脸图像,以及所述注册人脸图像的人脸关键点、注册时间和质量分值存储在人脸底库中。
10.根据权利要求9所述的装置,其特征在于,所述优化模块还用于:
在将所述用户的身份信息,所述注册人脸图像,以及所述注册人脸图像的人脸关键点、注册时间和质量分值存储在人脸底库中之后,采集所述用户的待核验人脸图像,计算所述待核验人脸图像的质量分值;
若所述待核验人脸图像的采集时间与所述注册人脸图像的注册时间的差值大于等于预设时间阈值,并且所述待核验人脸图像的质量分值与所述注册人脸图像的质量分值的差值小于预设差值阈值,则将所述待核验人脸图像作为所述用户的注册人脸图像。
11.一种电子设备,其特征在于,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,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910822620.6A CN110647823A (zh) | 2019-09-02 | 2019-09-02 | 一种优化人脸底库的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910822620.6A CN110647823A (zh) | 2019-09-02 | 2019-09-02 | 一种优化人脸底库的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110647823A true CN110647823A (zh) | 2020-01-03 |
Family
ID=68991473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910822620.6A Pending CN110647823A (zh) | 2019-09-02 | 2019-09-02 | 一种优化人脸底库的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110647823A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680175A (zh) * | 2020-05-15 | 2020-09-18 | 浙江大华技术股份有限公司 | 人脸数据库建库方法、计算机设备和计算机可读存储介质 |
CN111814570A (zh) * | 2020-06-12 | 2020-10-23 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、系统及存储介质 |
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 |
CN112419528A (zh) * | 2020-10-27 | 2021-02-26 | 安徽山巅电力科技有限公司 | 一种用于迎新的自助一体机和工作方法 |
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 |
CN113077574A (zh) * | 2021-04-09 | 2021-07-06 | 上海云从企业发展有限公司 | 基于人脸识别的通行方法、系统、设备及介质 |
CN114429663A (zh) * | 2022-01-28 | 2022-05-03 | 北京百度网讯科技有限公司 | 人脸底库的更新方法、人脸识别方法、装置及系统 |
CN114463803A (zh) * | 2021-12-24 | 2022-05-10 | 南京熊猫电子股份有限公司 | 一种基于多算法的人脸特征聚合分析自学习方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593598A (zh) * | 2013-11-25 | 2014-02-19 | 上海骏聿数码科技有限公司 | 基于活体检测和人脸识别的用户在线认证方法及系统 |
US20160104034A1 (en) * | 2014-10-09 | 2016-04-14 | Sensory, Incorporated | Continuous enrollment for face verification |
CN105913014A (zh) * | 2016-04-08 | 2016-08-31 | 上海逗点科技股份有限公司 | 基于身份证芯片照片和视频的身份鉴定方法及系统 |
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 |
CN106101136A (zh) * | 2016-07-22 | 2016-11-09 | 飞天诚信科技股份有限公司 | 一种生物特征对比的认证方法及系统 |
KR20170132914A (ko) * | 2016-05-20 | 2017-12-05 | (주)휴메인시스템 | 사진 이미지 일치 여부에 따른 신원 확인 시스템 및 신원 확인 방법 |
CN108038179A (zh) * | 2017-12-07 | 2018-05-15 | 泰康保险集团股份有限公司 | 身份信息认证方法与装置 |
CN108229330A (zh) * | 2017-12-07 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸融合识别方法及装置、电子设备和存储介质 |
CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于更新人脸注册库的方法和装置 |
CN109063691A (zh) * | 2018-09-03 | 2018-12-21 | 武汉普利商用机器有限公司 | 一种人脸识别底库优化方法及系统 |
CN109660509A (zh) * | 2018-10-29 | 2019-04-19 | 北京旷视科技有限公司 | 基于人脸识别的登录方法、装置、系统和存储介质 |
CN109670436A (zh) * | 2018-12-13 | 2019-04-23 | 北京旷视科技有限公司 | 车辆驾驶人员身份验证方法、装置及电子设备 |
-
2019
- 2019-09-02 CN CN201910822620.6A patent/CN110647823A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593598A (zh) * | 2013-11-25 | 2014-02-19 | 上海骏聿数码科技有限公司 | 基于活体检测和人脸识别的用户在线认证方法及系统 |
US20160104034A1 (en) * | 2014-10-09 | 2016-04-14 | Sensory, Incorporated | Continuous enrollment for face verification |
CN105913014A (zh) * | 2016-04-08 | 2016-08-31 | 上海逗点科技股份有限公司 | 基于身份证芯片照片和视频的身份鉴定方法及系统 |
KR20170132914A (ko) * | 2016-05-20 | 2017-12-05 | (주)휴메인시스템 | 사진 이미지 일치 여부에 따른 신원 확인 시스템 및 신원 확인 방법 |
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 |
CN106101136A (zh) * | 2016-07-22 | 2016-11-09 | 飞天诚信科技股份有限公司 | 一种生物特征对比的认证方法及系统 |
CN108038179A (zh) * | 2017-12-07 | 2018-05-15 | 泰康保险集团股份有限公司 | 身份信息认证方法与装置 |
CN108229330A (zh) * | 2017-12-07 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸融合识别方法及装置、电子设备和存储介质 |
CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于更新人脸注册库的方法和装置 |
CN109063691A (zh) * | 2018-09-03 | 2018-12-21 | 武汉普利商用机器有限公司 | 一种人脸识别底库优化方法及系统 |
CN109660509A (zh) * | 2018-10-29 | 2019-04-19 | 北京旷视科技有限公司 | 基于人脸识别的登录方法、装置、系统和存储介质 |
CN109670436A (zh) * | 2018-12-13 | 2019-04-23 | 北京旷视科技有限公司 | 车辆驾驶人员身份验证方法、装置及电子设备 |
Non-Patent Citations (2)
Title |
---|
WEN-HUNG LIAO: "A framework for attention-based personal photo manager", 《2009 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN AND CYBERNETICS》 * |
樊涛 等: "人脸识别技术在国网电商的应用", 《数字中国 能源互联——2018电力行业信息化年会论文集》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680175A (zh) * | 2020-05-15 | 2020-09-18 | 浙江大华技术股份有限公司 | 人脸数据库建库方法、计算机设备和计算机可读存储介质 |
CN111680175B (zh) * | 2020-05-15 | 2023-04-25 | 浙江大华技术股份有限公司 | 人脸数据库建库方法、计算机设备和计算机可读存储介质 |
CN111814570A (zh) * | 2020-06-12 | 2020-10-23 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、系统及存储介质 |
CN111814570B (zh) * | 2020-06-12 | 2024-04-30 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、系统及存储介质 |
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 |
CN112419528A (zh) * | 2020-10-27 | 2021-02-26 | 安徽山巅电力科技有限公司 | 一种用于迎新的自助一体机和工作方法 |
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 |
CN113077574A (zh) * | 2021-04-09 | 2021-07-06 | 上海云从企业发展有限公司 | 基于人脸识别的通行方法、系统、设备及介质 |
CN114463803A (zh) * | 2021-12-24 | 2022-05-10 | 南京熊猫电子股份有限公司 | 一种基于多算法的人脸特征聚合分析自学习方法及系统 |
CN114429663A (zh) * | 2022-01-28 | 2022-05-03 | 北京百度网讯科技有限公司 | 人脸底库的更新方法、人脸识别方法、装置及系统 |
CN114429663B (zh) * | 2022-01-28 | 2023-10-20 | 北京百度网讯科技有限公司 | 人脸底库的更新方法、人脸识别方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647823A (zh) | 一种优化人脸底库的方法和装置 | |
CN110825765B (zh) | 一种人脸识别的方法和装置 | |
CN108229419B (zh) | 用于聚类图像的方法和装置 | |
CN108846440B (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
CN107945198B (zh) | 用于标注点云数据的方法和装置 | |
CN111242097B (zh) | 一种人脸识别方法、装置、计算机可读介质及电子设备 | |
CN112954450B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
WO2022041830A1 (zh) | 行人重识别方法和装置 | |
TW202026948A (zh) | 活體檢測方法、裝置以及儲存介質 | |
CN110688878B (zh) | 活体识别检测方法、装置、介质及电子设备 | |
CN108932774B (zh) | 信息检测方法和装置 | |
TWI789128B (zh) | 人臉識別方法、裝置、設備及存儲介質 | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN108108711B (zh) | 人脸布控方法、电子设备及存储介质 | |
CN110852193A (zh) | 一种人脸识别的方法和装置 | |
CN108229375B (zh) | 用于检测人脸图像的方法和装置 | |
CN114627526A (zh) | 基于多摄像头抓拍图像的融合去重方法、装置及可读介质 | |
CN111985400A (zh) | 一种人脸活体识别方法、装置、设备及存储介质 | |
CN110879986A (zh) | 人脸识别的方法、设备和计算机可读存储介质 | |
US20220309763A1 (en) | Method for identifying traffic light, device, cloud control platform and vehicle-road coordination system | |
CN110895811A (zh) | 一种图像篡改检测方法和装置 | |
CN110619253B (zh) | 身份识别的方法和装置 | |
CN108777779A (zh) | 一种视频拍摄设备的智能化装置、方法、介质及电子设备 | |
CN113822110A (zh) | 一种目标检测的方法和装置 | |
CN116524206A (zh) | 目标图像的识别方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200103 |