Nothing Special   »   [go: up one dir, main page]

CN110866418B - 图像底库生成方法、装置、设备、系统及存储介质 - Google Patents

图像底库生成方法、装置、设备、系统及存储介质 Download PDF

Info

Publication number
CN110866418B
CN110866418B CN201810982774.7A CN201810982774A CN110866418B CN 110866418 B CN110866418 B CN 110866418B CN 201810982774 A CN201810982774 A CN 201810982774A CN 110866418 B CN110866418 B CN 110866418B
Authority
CN
China
Prior art keywords
image
face
identification information
user identification
face image
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
Application number
CN201810982774.7A
Other languages
English (en)
Other versions
CN110866418A (zh
Inventor
汪海洋
叶军
李波
黄晓龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201810982774.7A priority Critical patent/CN110866418B/zh
Publication of CN110866418A publication Critical patent/CN110866418A/zh
Application granted granted Critical
Publication of CN110866418B publication Critical patent/CN110866418B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168Feature extraction; Face representation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172Classification, e.g. identification

Landscapes

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

Abstract

本申请实施例提供一种图像底库生成方法、装置、设备、系统及存储介质。其中,方法包括如下的步骤:获取录入的用户识别信息和拍摄到的人脸图像;根据所述用户识别信息的获取时间,从所述人脸图像中确定与所述用户识别信息相关联的人脸图像;根据与所述用户识别信息相关联的人脸图像的图像特征,生成与所述用户识别信息对应的图像底库中的图像。本申请实施例提供的技术方案,用以提升图像底库的可靠性,有利于提升人脸识别系统的识别准确率。

Description

图像底库生成方法、装置、设备、系统及存储介质
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像底库生成方法、装置、设备、系统及存储介质。
背景技术
随着图像处理技术的发展,人脸识别技术逐步成熟,且被应用于多种不同场景中,例如人机交互场景、设备接入控制场景、安全检查场景或者门禁/闸机通行场景等。在上述各应用场景中,人脸识别系统可基于已有的人脸图像底库对用户进行识别,并基于识别结果执行人机交互操作或者设定的控制操作等等。
现有的人脸识别系统通常依赖于用户主动上传的照片生成人脸图像底库,导致人脸识别系统的识别准确率较低。
发明内容
本申请实施例提供一种图像底库生成方法、装置、设备、系统及存储介质,用以提升图像底库的可靠性,有利于提升人脸识别系统的识别准确率。
本申请实施例提供一种图像底库生成方法,包括:获取录入的用户识别信息和拍摄到的人脸图像;根据所述用户识别信息的获取时间,从所述人脸图像中确定与所述用户识别信息相关联的人脸图像;根据与所述用户识别信息相关联的人脸图像的图像特征,生成与所述用户识别信息对应的图像底库中的图像。
本申请实施例还提供一种图像底库生成方法,包括:获取与图像底库中的图像匹配的已认证人脸图像;将所述已认证人脸图像与所述图像底库中的图像进行图像质量对比;在所述已认证人脸图像的质量优于所述图像底库中的图像时,以所述已认证人脸图像更新所述图像底库中的图像。
本申请实施例还提供一种图像底库生成方法,包括:获取与用户的参考指纹图像匹配的已认证指纹图像,所述已认证指纹图像在用户请求认证时拍摄得到;将所述已认证指纹图像与所述用户的参考指纹图像进行图像质量对比;在所述已认证指纹图像的质量优于所述用户的参考指纹图像时,以所述已认证指纹图像更新所述用户的参考指纹图像。
本申请实施例还提供一种图像底库生成装置,包括:获取单元,用于获取录入的用户识别信息和拍摄到的人脸图像;确定单元,用于根据所述用户识别信息的获取时间,从所述人脸图像中确定与所述用户识别信息相关联的人脸图像;生成单元,用于根据与所述用户识别信息相关联的人脸图像的图像特征,生成与所述用户识别信息对应的图像底库中的图像。
本申请实施例还提供一种图像底库生成装置,包括:获取单元,用于获取与图像底库中的图像匹配的已认证人脸图像;比对单元,用于将所述已认证人脸图像与所述图像底库中的图像进行图像质量对比;更新单元,用于在所述已认证人脸图像的质量优于所述图像底库中的图像时,以所述已认证人脸图像更新所述图像底库中的图像。
本申请实施例还提供一种图像底库生成装置,包括:获取单元,用于获取与用户的参考指纹图像匹配的已认证指纹图像,所述已认证指纹图像在用户请求认证时拍摄得到;对比单元,用于将所述已认证指纹图像与所述用户的参考指纹图像进行图像质量对比;更新单元,用于在所述已认证指纹图像的质量优于所述用户的参考指纹图像时,以所述已认证指纹图像更新所述用户的参考指纹图像。
本申请实施例还提供一种图像底库生成系统,包括:用户识别信息录入设备,用于采集用户识别信息;图像采集设备,用于在所述用户识别信息录入设备采集用户识别信息时,拍摄人脸图像;以及本申请实施例提供的图像底库生成装置。
本申请实施例还提供一种图像底库生成设备,包括:处理器;存储器,用于存储一条或多条计算机指令,当所述一条或多条计算机指令被所述处理器执行,使得所述处理器实现本申请实施例提供的图像底库生成方法。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,所述计算机程序被处理器执行时能够实现本申请实施例提供的图像底库生成方法。
本实施例中,基于用户识别信息的获取时间,从获取到的人脸图像中确定与用户识别信息相关联的人脸图像,接着根据与用户识别信息相关联的人脸图像的图像特征,生成与用户识别信息对应的图像底库中的图像,进而,使得生成的图像底库的可靠性更高,有利于提升人脸识别系统的识别准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一示例性实施例提供的图像底库生成系统的结构示意图;
图2为本申请一示例性实施例提供的图像底库生成系统在一应用场景中的工作流程图;
图3a为本申请一示例性实施例提供的图像底库生成方法的流程示意图;
图3b为本申请另一示例性实施例提供的图像底库生成方法的流程示意图;
图3c为本申请又一示例性实施例提供的图像底库生成方法的流程示意图;
图4a为本申请一示例性实施例提供的图像底库生成装置的结构示意图;
图4b为本申请另一示例性实施例提供的图像底库生成装置的结构示意图;
图4c为本申请又一示例性实施例提供的图像底库生成装置的结构示意图;
图5为本申请一示例性实施例提供的图像底库生成设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有的人脸识别系统通常依赖于用户主动上传的照片生成人脸图像底库,但是用户主动上传的照片可能存在图像质量较差的缺陷,除此之外,通过用户主动上传照片生成图像底库的方式还受限于用户的上传效率,不利于快速形成高质量的图像底库。针对该技术问题,在本申请一些示例性实施例中,提供了一种图像底库生成系统,该系统能够基于用户识别信息的获取时间,从获取到的人脸图像中确定与用户识别信息相关联的人脸图像,接着根据与用户识别信息相关联的人脸图像的图像特征,生成与用户识别信息对应的图像底库中的图像,进而,使得生成的图像底库的可靠性更高,有利于提升人脸识别系统的识别准确率。以下将结合附图对本申请实施例进行详细说明。
图1为本申请一实施例提供的图像底库生成系统的结构示意图,如图1所示,该系统包括:用户识别信息录入设备10、图像采集设备20以及图像底库生成装置30。
在在图像底库生成系统中,用户识别信息录入设备10,用于录入用户识别信息,并发送至图像底库生成装置30。其中,该用户识别信息用于标识用户身份,例如,可以是用户的指纹识别信息、虹膜识别信息、账号信息和/或刷卡信息。在不同应用场景下,用户识别信息对应不同的内容。例如,在指纹门禁通行场景下,用户识别信息可以是用户的指纹识别信息,用户可在指纹门禁控制设备中录入指纹;指纹门禁控制设备基于用户录入的指纹进行通行认证,以判断是否允许该用户通。例如,在密码柜解锁场景下,用户识别信息可以是用户的虹膜识别信息,用户可在密码柜的解锁设备处录入虹膜识别信息,待解锁设备验证是否开启密码柜。
相应地,根据不同的应用场景,用户识别信息录入设备10可以表现为指纹录入设备、虹膜录入设备、文字录入设备和/或刷卡信息录入设备等。当然,在实际中,用户识别信息录入设备10还可以是其他能够录入用户识别信息的设备,上述列举的设备仅供示例性说明,本实施例包含但不仅限于此。
在图像底库生成系统中,图像采集设备20,用于采集用户人脸图像,其实现形式可以包括摄像头、摄像机、电荷耦合器件、相机、视频采集卡或者具有拍照功能的手机、平板电脑等。在一些可选的实施方式中,图像采集设备20可在用户识别信息录入设备10录入用户识别信息时,对录入该用户识别信息的用户进行抓拍,以拍摄到人脸图像,并发送至图像底库生成装置30。或者,图像采集设备20也可以在检测到有人体接近时,对接近的人体进行抓拍,本实施例对此不做限制。
在图1所示的图像底库生成系统中,图像底库生成装置30可分别与用户识别信息录入设备10和图像采集设备20进行通信连接,例如,可通过无线或有线通信方式实现通信连接。基于此,用户识别信息录入设备10可通过该无线或者有线通信连接方式将用户录入的用户识别信息发送至图像底库生成装置30,同样地,图像采集设备20可通过该无线或者无线通信连接方式将拍摄到的人脸图像发送至图像底库生成装置30。与此同时,用户识别信息录入设备10和图像采集设备20之间也可通该无线或者有线通信连接方式连接,进而,在用户识别信息录入设备10检测到录入用户识别信息的操作时,可向图像采集设备20发送拍摄指令,以使图像采集设备20拍摄人脸图像。
在本实施例中,并不限定图像底库生成装置30的实现形态,图像底库生成装置30可以是任何可提供计算服务,以根据获取到的数据进行处理的设备,例如在某些场景下,图像底库生成装置30可以表现为服务器侧的设备,主要由处理器、硬盘、内存、系统总线等结构组成。
图像底库生成装置30主要用于,通过用户识别信息录入设备10获取录入的用户识别信息,并通过图像采集设备20获取拍摄到的人脸图像;基于用户识别信息的获取时间,从人脸图像中确定与该用户识别信息相关联的人脸图像;接着,根据与用户识别信息相关联的人脸图像的图像特征,生成与用户识别信息对应的图像底库中的图像。基于上述,生成的图像底库中的图像,与用户真实的人脸特征更加贴合,有利于提升图像底库的可靠性以及人脸识别系统的识别准确率。
在一些可选的实施方式中,图像底库生成装置30根据用户识别信息的获取时间,从人脸图像中确定与该用户识别信息相关联的人脸图像时,可获取人脸图像的拍摄时间以及用户识别信息的获取时间,基于二者进行比对,并根据比对结果确定哪些人脸图像与用户识别信息关联。其中,关联可以理解为,人脸图像拍摄于用户识别信息录入的同时或者前后接近时刻。
在一些场景下,针对同一用户而言,用户识别信息录入设备10记录的用户识别信息的获取时间和图像采集设备20的拍摄到人脸图像的拍摄时间可能存在一些时间偏差。例如,当图像采集设备20与用户识别信息录入设备10之间出现通信延时故障时,图像采集设备20拍摄到的人脸图像的拍摄时间可能稍晚于用户识别信息录入设备10记录的用户识别信息的获取时间。在另一些场景下,图像采集设备20的拍摄到一幅人脸图像可能包含多个用户的人脸。上述时间偏差以及多人脸情况将导致无法准确获取用户识别信息和人脸图像的对应关系。
为避免上述缺陷对图像底库的生成过程造成影响,可选的,图像底库生成装置30可按照设定的时间扩展步长,前向延伸和/或后向延伸该用户识别信息对应的获取时间,以得到该获取时间对应的延伸时间范围。假设,用户识别信息的获取时间为N,时间延伸步长为M,则获取时间的延伸时间范围可以用N±M表示。其中,时间扩展步长可以根据实际需求进行设置,若用户录入用户识别信息的频率较高,则可设置较长的时间扩展步长,若用户录入用户识别信息的频率较低,则可设置较短的时间扩展步长,本实施例对此不作限制。例如,在一应用场景下,为某一公司建立员工签到认证所需使用的图像底库时,可设置时间扩展步长为5秒。假设,A员工录入指纹识别信息的时间为9:05:25,则该获取时间对应的延伸时间范围9:05:20~9:05:30。
接着,图像底库生成装置30可将图像采集设备20拍摄到的人脸图像的拍摄时间与该延伸时间范围做比较,以从该人脸图像中确定拍摄时间在该延伸时间范围内的至少一张人脸图像,并将拍摄时间在该延伸时间范围内的至少一张人脸图像作为与该用户识别信息关联的人脸图像。例如,承接上述例子,可将图像采集设备20在9:05:20~9:05:30之间拍摄到的人脸图像作为与A员工的指纹识别信息关联的人脸图像。与该用户识别信息关联的人脸图像中,可能包含该用户识别信息所标识的用户的人脸图像。这种延伸用户识别信息的获取时间,并在延伸后得到的延伸时间范围内确定与用户识别信息相关联的至少一张人脸图像的方式,能够有效避免获取时间和拍摄时间存在偏差时,无法准确获取用户识别信息和人脸图像的对应关系的缺陷,有利于提升图像底库的可靠性和鲁棒性。
需要说明的是,为使得生成的图像底库具有高可用性,本实施例中,可在较长的时间段内,多次获取与用户识别信息关联的人脸图像,以增大生成图像底库样本容量。例如,实际中,针对每个用户,可获取15天内与该用户的用户识别信息关联的多张人脸图像,作为生成该用户对应的图像底库的样本图像。其中,每次获取与用户识别信息关联的人脸图像的过程可参考上述实施例的记载,此处不赘述。
由于与该用户识别信息关联的人脸图像是图像采集设备20在获取时间的延伸时间范围内拍摄到的,与该用户识别信息关联的人脸图像中,可能包含许多不合格图像。该不合格图像包括:包含除该用户识别信息对应的人脸信息以外的其他用户的人脸信息的人脸图像。
不合格图像的一种表现形式为:人脸图像中只包含其他用户的人脸图像,这部分人脸图像可能是其他用户在录入用户识别信息时,图像采集设备20拍摄到的,恰巧其他用户的录入用户识别信息的获取时间在该用户识别信息的获取时间的延伸范围内。不合格图像的另一种表现形式为:人脸图像中包含两个用户的人脸信息。例如,图像采集装置20在拍摄A员工对应的人脸图像时,B员工站在A员工身边,那么拍摄到的人脸图像将同时包含A员工的人脸以及B员工的人脸。因此,为准确地生成图像底库中的图像,图像底库生成装置30需要进一步去除与该用户识别信息关联的人脸图像中的不合格图像。
可选的,去除与该用户识别信息关联的人脸图像中的不合格图像的一种方式可以是:进一步识别与该用户识别信息关联的人脸图像的图像特征,并基于识别到的人脸图像的图像特征,从与该用户识别信息关联的人脸图像中,筛选掉获取时间延伸范围内拍摄到的其他用户的人脸图像。
其中,提取人脸图像的特征可采用如下至少一种算法实现:基于几何特征的提取算法、LFA(Local Face Analysis,局部特征分析)算法、PCA(principal componentanalysis,主成分分析)算法、ASM(active shape models,主动形状模型)算法和/或CNN(Convolutional Neural Network,卷积神经网络)算法等,本实施例对此不作限制。
接着,图像底库生成装置30可基于识别到的人脸图像的图像特征,采用分类算法对与该用户识别信息关联的人脸图像进行分类。可选的,分类算法可包括决策树算法、深度神经网络算法、多层感知机算法、K邻近算法、支持向量机算法和/或聚类分析算法等,本实施例包含但不仅限于此。以下实施例中,将以聚类分析法为例进行示例性说明。
在一示例性实施方式中,图像底库生成装置30可基于该识别到的图像特征进行聚类分析,以将与该用户识别信息相关联的人脸图像划分为多个簇。其中,相同簇中的人脸图像具有较大的相似性,不同簇中的人脸图像具有较大的相异性。接着,图像底库生成装置30可根据聚类分析得到的多个簇中,选择数据量最大的簇作为目标簇,并将该目标簇包含的人脸图像作为与该用户识别信息匹配的人脸图像簇。
需要说明的是,在上述实施例中,获取与用户识别信息匹配的人脸图像簇之后,可选的,为进一步提升该人脸图像簇的图像质量,图像底库生成装置30还可进一步进行脏数据清理操作。
一种可行的脏数据清理操作可以为:从与该用户识别信息匹配的人脸图像簇中,去除位于所述人脸图像簇的聚类边缘的人脸图像,以去除相异的人脸图像。应当理解,在同簇聚类结果中,位于聚类中心的人脸图像与该用户的实际人脸图像较为接近,位于聚类边缘的人脸图像与该用户的实际人脸图像存在较大差异,该差异可能是由于人脸图像的图像质量较差引起的。因此,去除这部分在与该用户识别信息匹配的人脸图像簇中位于聚类边缘的人脸图像,可进一步提升该人脸图像簇包含人脸图像的图像质量。
另一种可行的脏数据清理操作可以为:针对与该用户识别信息匹配的人脸图像簇中的每一张人脸图像,图像底库生成装置30可根据该人脸图像的图像特征进行图像质量分析;其中,图像质量分析可包括分析人脸图像的亮度或者对比度是否良好,或者分析人脸的主体部分是否被遮挡(例如,佩戴口罩或者墨镜等)。接着,根据质量分析的结果,从与该用户识别信息匹配的人脸图像簇中去除不符合图像质量要求的人脸图像。
接着,图像底库生成装置30可根据与该用户识别信息匹配的人脸图像簇,生成与该用户识别信息对应的图像底库中的图像,该图像底库中的图像可在人脸识别系统中,作为人脸识别所需的参考图像。
在一可选的实施方式中,图像底库生成装置30可从与该用户识别信息匹配的人脸图像簇中选取图像质量满足预设标准的人脸图像作为与该用户识别信息相对应的图像底库中的图像。其中,图像质量,可以表现在图像清晰度、人脸是否带有表情、正脸程度、是否闭眼、是否红眼、脸部是否有装饰物、光照是否良好、是否有阴影、人脸是否在图像正中和/或图像是否聚焦等方面,本实施例包含但不仅限于此。
在另一可选的实施方式中,图像底库生成装置30可基于与该用户识别信息匹配的人脸图像簇的图像特征进行特征组合,以生成新的人脸图像,并将该新的人脸图像作为与该用户识别信息相对应的图像底库中的图像。
需要说明的是,在上述实施例中,图像底库生成装置30提取到的人脸图像的图像特征,可包括:人脸的面部特征和/或环境特征。其中,人脸的面部特征主要包括人脸的脸型特征以及五官特征;环境特征主要可以表现在人脸所在的背景环境的特征,例如位于图像采集设备20的视场范围内的路面特征、墙面特征或者装饰物件特征等等。
一方面,识别人脸图像包含的环境特征有利于在图像采集设备20部署在不同位置时,将识别到的环境特征作为人脸图像分类的依据,以辅助图像底库生成装置30快速准确地对与用户识别信息关联的人脸图像进行分类。例如,在一种典型的情景下,图像底库生成系统部署在公司的不同入口,以采集不同部门的员工的用户识别信息和人脸图像的对应关系。不同入口对应的环境特征不同,例如仓库入口对应环境E1、车间入口对应环境E2、办公入口对应环境E3。上述环境E1、E2以及E3包含的不同环境特征,可辅助图像底库生成装置30高效率地对图像采集设备拍摄到的人脸图像进行分类。
另一方面,若将人脸图像包含的环境特征作为生成图像底库的依据,那么在后续使用图像底库进行人脸识别时,图像底库包含的图像的环境特征与实际场景的环境特征一致,可排除环境特征对人脸识别过程的干扰,使得人脸识别的效率更高。例如,在环境E1下拍摄A用户对应的多幅人脸图像,并基于该多幅人脸图像生成A用户对应的图像底库。后续基于图像底库中A用户对应的图像识别位于环境E1下的A用户时,识别准确率更高。
在一可选的实施方式中,人脸的面部特征以及环境特征可同时作为对与用户识别信息关联的人脸图像进行聚类分析的参考特征。也就是说,图像底库生成装置30可基于人脸的面部特征以及环境特征对与用户识别信息关联的人脸图像进行聚类分析。
在另一可选的实施方式中,图像底库生成装置30可根据环境特征对与用户识别信息关联的人脸图像进行初步筛选,以初步去除不符合要求的人脸图像,有利于缩小后续计算量。接着,基于人脸的面部特征对筛选后留下的人脸图像进行聚类分析。例如,在一个典型的场景下,A员工录入用户识别信息的固定地点为S1地,S1地包含环境特征E1以及E2。图像底库生成装置30提取到与A员工的用户识别信息关联的人脸图像的图像特征后,可优先将提取到的图像特征与环境特征E1以及E2作比对,并从与A员工的用户识别信息关联的人脸图像中去除不包含E1以及E2的人脸图像。
在一可选的实施方式中,图像底库生成系统还可确定与用户识别信息匹配的时间事件和/或场景事件,并输出该时间事件和/或场景事件。其中,与用户识别信息匹配的时间事件,可包括:用户的生日事件、用户设置的到点提醒事件、用户的预约事件、用户的任务超期提醒事件等。例如,在一种可能的场景下,用户通过用户识别信息录入设备20(例如刷卡机)刷卡时,刷卡机识别到与用户匹配的时间事件为:刷卡当天为用户的生日事件,此时刷卡机可以语音、文字或者图片方式输出生日提醒,播放生日歌或则触发邮件系统向用户的邮箱发送生日祝贺邮件。
其中,与用户识别信息匹配的场景事件,可包括:用户受到嘉奖的事件、新同事欢迎事件、节假日祝福事件等。例如,在一种可能的场景下,用户通过用户识别信息录入设备20(例如指纹识别设备)按指纹时,指纹识别设备识别到与用户匹配的场景事件为:该用户为入职一周内的新同事,此时指纹识别设备可播放迎新动画。
在一可选的实施方式中,图像底库生成系统还可确定与用户识别信息匹配的提示事件以提示用户执行指定操作,并对用户执行的指定操作进行拍摄。其中,提示事件可以由用户自定义设置,也可以由管理员统一设置。例如,在一种可能的场景下,用户识别信息录入设备20获取到用户识别信息时,可以语音提示的方式邀请用户做出特定动作,例如微笑、招手等动作,并对上述动作进行拍摄,形成视频发送至相应的设备以用于在特定场合展示拍摄到的视频。
本实施例提供的图像底库生成系统可应用于多种应用场景下,例如,在人机交互场景中,图像底库生成系统可生成用于识别人机交互过程中的交互对象的图像底库。例如,在设备接入控制场景中,图像底库生成系统可生成用于判断接入设备的用户是否为合法用户的图像底库。再例如,在门禁/闸机通行场景中,图像底库生成系统可生成用于鉴别请求通行的用户是否为已认证的用户的图像底库。当然,上述举例的应用场景仅为本实施例对应的部分应用场景,实际中,凡是涉及到人脸识别的应用场景,均可采用本申请实施例提供的图像底库生成系统生成用于人脸识别的图像底库。以下将结合图2,对一个典型的应用场景进行说明。
在一个典型的应用场景中,图像底库生成系统应用在门禁/闸机通行场景,该场景可以具体为:为Z公司生成用于对公司员工进行人脸识别以控制公司入口处的门禁设备的图像底库。
这种应用场景下,员工通过安装在Z公司门禁设备处的刷卡机刷卡时,用户识别信息录入设备获取员工的刷卡数据,安装在Z公司门禁设备处的摄像头抓拍相应员工的人脸数据。在N天内,刷卡机和摄像头可分别获取到大量的员工刷卡数据以及人脸数据,并发送至图像底库生成装置。
接着,图像底库生成装置基于员工刷卡数据和人脸数的时间相关性,从抓拍人脸数据中确定每个员工对应的待选人脸图片。例如,如图2所示,员工1对应人脸图片11、人脸图片12…人脸图片1N、员工2对应人脸图片21、人脸图片22…人脸图片2N。
接着,图像底库生成装置30可从每个员工对应的待选人脸图片中提取图像特征,并进行聚类分析。基于聚类分析的结果,进行类内脏数据清理以及无效判别操作,以得到与每个员工对应的高质量的人脸图像组。接着,分别从每个员工应的高质量的人脸图像组中,选择图像质量满足预设标准的人脸图像,分别作为每个员工对应的图像底库中的图像。其中,图像质量满足预设需求可包括:在多幅人脸图像中具有最高的图像质量、图像清晰度超过一定阈值或者图像在应用于人脸识别时的识别速度大于设定阈值等等。上述图像底库中生成过程,无需员工主动参与,实现了无感化图像底库生成过程,且极大提升了图像底库的生成效率。
该生成的图像底库可预存在Z公司的门禁设备处,当Z公司的员工请求开启门禁时,门禁设备可通过图像采集设备20拍摄员工的人脸图像,并基于图像底库中的图像对员工进行人脸识别,在识别通过后,开启门禁。
上述各实施例描述了本申请实施例提供的图像底库生成系统的一些可选实施方式,除上述实施例记载的实施方式之外,图像底库生成系统还执行如下的实施方式:
在一些示例性实施例中,图像底库生成系统中的图像底库生成装置30可获取与图像底库中的图像匹配的已认证人脸图像,将该已认证人脸图像与图像底库中的图像进行图像质量对比,并在该已认证人脸图像的质量优于图像底库中的图像时,以该已认证人脸图像更新所述图像底库中的图像。
其中,已认证人脸图像,可以是图像采集设备20拍摄到的、且成功与图像底库中的图像完成匹配的人脸图像。
例如,在一种实际的场景中,图像底库生成系统应用在公司的门禁系统中,公司的员工上下班时,可直接站在图像采集装置10前,图像采集装置10拍摄到该员工的人脸图像后,在图像底库中进行图像匹配;若匹配成功,则确定该人脸图像为已认证的人脸图像。接着,图像底库生成装置30可对比该已认证的人脸图像与该员工对应的图像底库中的图像的质量,若该已认证的人脸图像的质量更优,则以该已认证的人脸图像替换图像底库中的图像。或者,图像底库生成装置30可保存某一用户特定时间范围内(例如15个工作日)内上下班打卡对应的已认证人脸图像,从中选取质量最高的一张图像,并以该质量最高的人脸图像与该用户对应的图像底库中的图像进行质量比对,若该质量最高的人脸图像的图像质量优于该图像底库中的图像,则执行替换操作。
需要说明的是,在本实施例中,将已认证人脸图像与图像底库中的图像进行图像质量对比时,可优先从已认证人脸图像中获取图像特征,再通过聚类的方式从中确定与图像底库中的图像匹配的人脸图像簇,接着,基于人脸图像簇与图像底库中的图像进行质量比对。可选的,上述质量比对的过程也可包括从人脸图像簇中去除相异的人脸图像以及不符合质量要求的人脸图像的操作,具体可参考前述实施例的记载,此处不赘述。进而,图像底库中的图像可根据实际应用情况不断动态更新,鲁棒性和可靠性更高。基于上述,当图像底库中保存的图像为用户的参考指纹图像时,在用户通过按指纹的操作发起认证请求时,图像底库生成装置30可获取用户当前的指纹图像,并与图像底库中的参考指纹图像作对比,若成功匹配,则将用户当前的指纹图像作为已认证指纹图像。接着,图像底库生成装置30可将该已认证指纹图像与该用户的参考指纹图像进行图像质量对比,并在该已认证指纹图像的质量优于该用户的参考指纹图像时,以该已认证指纹图像更新所述用户的参考指纹图像。进而,图像底库中的指纹图像可动态更新,有利于提升指纹识别的准确性。
上述各实施例描述了本申请提供的图像底库生成系统的系统架构以及系统功能,以下部分将结合附图对本申请实施例提供的图像底库生成方法进行具体说明。
图3a是本申请一示例性实施例提供的一种图像底库生成方法的流程图,该实施例可基于图1-2所示的图像底库生成系统实现。如图3a所示,该方法包括:
步骤301a、获取录入的用户识别信息和拍摄到的人脸图像。
步骤302a、根据用户识别信息的获取时间,从人脸图像中确定与用户识别信息相关联的人脸图像。
步骤303a、根据与用户识别信息相关联的人脸图像的图像特征,生成与用户识别信息对应的图像底库中的图像。
在一示例性实施例中,根据用户识别信息的获取时间,从人脸图像中确定与用户识别信息相关联的人脸图像的一种方式,包括:获取人脸图像的拍摄时间;从人脸图像中,选择拍摄时间与获取时间对应的延伸时间范围匹配的至少一张人脸图像,作为与用户识别信息关联的人脸图像。
在一示例性实施例中,从人脸图像中,选择拍摄时间在获取时间对应的延伸时间范围内的至少一张人脸图像,作为与用户识别信息关联的人脸图像的一种方式,包括:按照设定的时间扩展步长,前向延伸和/或后向延伸获取时间,以得到延伸时间范围;将人脸图像的拍摄时间与延伸时间范围做比较,以从人脸图像中确定拍摄时间在延伸时间范围内的至少一张人脸图像;将拍摄时间在延伸时间范围内的至少一张人脸图像作为与用户识别信息关联的人脸图像。
在一示例性实施例中,根据与用户识别信息相关联的人脸图像的图像特征,生成与用户识别信息对应的图像底库中的图像的一种方式,包括:识别与用户识别信息相关联的人脸图像的图像特征;基于图像特征进行聚类分析,以从与用户识别信息相关联的人脸图像中确定与用户识别信息匹配的人脸图像簇;根据与用户识别信息匹配的人脸图像簇,生成与用户识别信息对应的图像底库中的图像。
在一示例性实施例中,根据与用户识别信息相关联的人脸图像的图像特征,生成与用户识别信息对应的图像底库中的图像,还包括:从与所述用户识别信息匹配的人脸图像簇中,去除位于所述人脸图像簇的聚类边缘的人脸图像,以去除相异的人脸图像;和/或,针对与用户识别信息匹配的人脸图像簇中的每一张人脸图像,根据人脸图像的图像特征进行图像质量分析,并根据质量分析的结果,从与用户识别信息匹配的人脸图像簇中去除符合图像质量要求的人脸图像。
在一示例性实施例中,根据与用户识别信息匹配的人脸图像簇,生成与用户识别信息对应的图像底库中的图像的一种方式,包括:从与用户识别信息匹配的人脸图像簇中选取图像质量满足预设标准的人脸图像作为与用户识别信息相对应的图像底库中的图像;或者,基于与用户识别信息匹配的人脸图像簇的图像特征进行特征组合以生成新的人脸图像,并将新的人脸图像作为与用户识别信息相对应的图像底库中的图像。
在一示例性实施例中,图像特征包括:人脸的面部特征和/或环境特征。
在一示例性实施例中,用户识别信息,包括:指纹识别信息、虹膜识别信息、账号信息和/或刷卡信息。
在一示例性实施例中,所述方法还包括:确定与所述用户识别信息匹配的时间事件和/或场景事件,并输出所述时间事件和/或场景事件;或者,确定与所述用户识别信息匹配的提示事件以提示用户执行指定操作,并对用户执行的指定操作进行拍摄。
本实施例中,基于用户识别信息的获取时间,从获取到的人脸图像中确定与用户识别信息相关联的人脸图像,接着根据与用户识别信息相关联的人脸图像的图像特征,生成与用户识别信息对应的图像底库中的图像,进而,使得生成的图像底库的可靠性更高,有利于提升人脸识别系统的识别准确率。
图3b是本申请另一示例性实施例提供的一种图像底库生成方法的流程图,该实施例可基于图1-2所示的图像底库生成系统实现。如图3b所示,该方法包括:
步骤301b、获取与图像底库中的图像匹配的已认证人脸图像。
步骤302b、将已认证人脸图像与图像底库中的图像进行图像质量对比。
步骤303b、在已认证人脸图像的质量优于图像底库中的图像时,以已认证人脸图像更新图像底库中的图像。
在一示例性实施例中,获取与图像底库中的图像匹配的已认证人脸图像的一种方式,包括:在用户请求认证时,拍摄所述用户当前的人脸图像;根据所述用户当前的人脸图像,在所述图像底库中进行图像匹配;若在所述图像底库中匹配到与所述用户当前的人脸图像相同的图像,则将所述用户当前的人脸图像作为所述已认证人脸图像。
在一示例性实施例中,将已认证人脸图像与图像底库中的图像进行图像质量对比的一种方式,包括:识别所述已认证人脸图像的图像特征;基于所述图像特征进行聚类分析,以从所述已认证人脸图像中确定与所述图像底库中的图像匹配的人脸图像簇;对所述人脸图像簇和所述图像底库中的图像进行质量对比。
在一示例性实施例中,对人脸图像簇和图像底库中的图像进行质量对比,还包括:从所述人脸图像簇中,去除位于所述人脸图像簇的聚类边缘的人脸图像,以去除相异的人脸图像;和/或,针对所述人脸图像簇中的每一张人脸图像,根据所述人脸图像的图像特征进行图像质量分析,并根据所述质量分析的结果,从所述人脸图像簇中去除不符合图像质量要求的人脸图像。
在一示例性实施例中,在已认证人脸图像的质量优于图像底库中的图像时,以已认证人脸图像更新图像底库中的图像的一种方式,包括:从所述人脸图像簇中选取图像质量满足预设标准的人脸图像替换所述图像底库中的图像;或者,基于所述人脸图像簇的图像特征进行特征组合以生成新的人脸图像,并以所述新的人脸图像替换所述图像底库中的图像。
在一示例性实施例中,所述图像特征包括:人脸的面部特征和/或环境特征。
在一示例性实施例中,所述方法还包括:确定与用户匹配的时间事件和/或场景事件,并输出所述时间事件和/或场景事件;或者,确定与用户匹配的提示事件以提示用户执行指定操作,并对用户执行的指定操作进行拍摄。
本实施例中,在获取到用户的已认证人脸图像后,根据该已认证人脸图像的图像质量,对图像底库中的图像进行更新,从而使得图像底库能够根据实际应用情况不断动态更新,有利于提升图像底库的可靠性。
图3c是本申请又一示例性实施例提供的一种图像底库生成方法的流程图,该实施例可基于图1-2所示的图像底库生成系统实现。如图3c所示,该方法包括:
步骤301c、获取与用户的参考指纹图像匹配的已认证指纹图像,该已认证指纹图像在用户请求认证时拍摄得到。
步骤302c、将该已认证指纹图像与用户的参考指纹图像进行图像质量对比。
步骤303c、在该已认证指纹图像的质量优于用户的参考指纹图像时,以该已认证指纹图像更新用户的参考指纹图像。
本实施例中,在获取到用户的已认证指纹图像后,根据该已认证指纹图像的图像质量,对用户的参考指纹图像进行更新,从而使得用户的参考指纹图像动态更新,有利于提升指纹识别的准确性。需要说明的是,上述实施例所提供方法的各步骤的执行主体均可以是同一设备,或者,该方法也由不同设备作为执行主体。比如,步骤301至步骤303的执行主体可以为设备A;又比如,步骤301和302的执行主体可以为设备A,步骤303的执行主体可以为设备B;等等。
另外,在上述实施例及附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如301、302等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。
上述实施例描述了图像底库生成装置30的功能以及可执行的方法,如图4a所示,在一些实施例中,该图像底库生成装置30可包括:
获取单元401a,用于获取录入的用户识别信息和拍摄到的人脸图像。
确定单元402a,用于根据所述用户识别信息的获取时间,从所述人脸图像中确定与所述用户识别信息相关联的人脸图像。
生成单元403a,用于根据与所述用户识别信息相关联的人脸图像的图像特征,生成与所述用户识别信息对应的图像底库中的图像。
进一步可选地,确定单元402a在根据所述用户识别信息的获取时间,从所述人脸图像中确定与所述用户识别信息相关联的人脸图像时,具体用于:获取所述人脸图像的拍摄时间;从所述人脸图像中,选择拍摄时间与所述获取时间对应的延伸时间范围匹配的至少一张人脸图像,作为与所述用户识别信息关联的人脸图像。
进一步可选地,确定单元402a在从所述人脸图像中,选择拍摄时间在所述获取时间对应的延伸时间范围内的至少一张人脸图像,作为与所述用户识别信息关联的人脸图像时,具体用于:按照设定的时间扩展步长,前向延伸和/或后向延伸所述获取时间,以得到所述延伸时间范围;将所述人脸图像的拍摄时间与所述延伸时间范围做比较,以从所述人脸图像中确定拍摄时间在所述延伸时间范围内的至少一张人脸图像;将拍摄时间在所述延伸时间范围内的至少一张人脸图像作为与所述用户识别信息关联的人脸图像。
进一步可选地,生成单元403a在根据与所述用户识别信息相关联的人脸图像的图像特征,生成与所述用户识别信息对应的图像底库中的图像时,具体用于:识别与所述用户识别信息相关联的人脸图像的图像特征;基于所述图像特征进行聚类分析,以从与所述用户识别信息相关联的人脸图像中确定与所述用户识别信息匹配的人脸图像簇;根据与所述用户识别信息匹配的人脸图像簇,生成与所述用户识别信息对应的图像底库中的图像。
进一步可选地,生成单元403a在根据与所述用户识别信息相关联的人脸图像的图像特征,生成与所述用户识别信息对应的图像底库中的图像时,还用于:从与所述用户识别信息匹配的人脸图像簇中,去除位于所述人脸图像簇的聚类边缘的人脸图像,以去除不符合图像质量要求的人脸图像;和/或,针对与所述用户识别信息匹配的人脸图像簇中的每一张人脸图像,根据所述人脸图像的图像特征进行图像质量分析;根据所述质量分析的结果,从与所述用户识别信息匹配的人脸图像簇中去除不符合图像质量要求的人脸图像。
进一步可选地,生成单元403a在根据与所述用户识别信息匹配的人脸图像簇,生成与所述用户识别信息对应的图像底库中的图像时,具体用于:从与所述用户识别信息匹配的人脸图像簇中选取图像质量满足预设标准的人脸图像作为与所述用户识别信息相对应的图像底库中的图像;或者,基于与所述用户识别信息匹配的人脸图像簇的图像特征进行特征组合以生成新的人脸图像,并将所述新的人脸图像作为与所述用户识别信息相对应的图像底库中的图像。
进一步可选地,图像特征包括:人脸的面部特征和/或环境特征。
进一步可选地,用户识别信息,包括:指纹识别信息、虹膜识别信息、账号信息和/或刷卡信息。
进一步可选的,确定单元402a还用于确定与所述用户识别信息匹配的时间事件和/或场景事件,并输出所述时间事件和/或场景事件;或者,确定与所述用户识别信息匹配的提示事件以提示用户执行指定操作,并对用户执行的指定操作进行拍摄。
本实施例中,图像底库生成装置30基于用户识别信息的获取时间,从获取到的人脸图像中确定与用户识别信息相关联的人脸图像,接着根据与用户识别信息相关联的人脸图像的图像特征,生成与用户识别信息对应的图像底库中的图像,进而,使得生成的图像底库的可靠性更高,有利于提升人脸识别系统的识别准确率。
如图4b所示,在一些实施例中,该图像底库生成装置30可包括:
获取单元401b,用于获取与图像底库中的图像匹配的已认证人脸图像。
比对单元402b,用于将所述已认证人脸图像与所述图像底库中的图像进行图像质量对比。
更新单元403b,用于在所述已认证人脸图像的质量优于所述图像底库中的图像时,以所述已认证人脸图像更新所述图像底库中的图像。
进一步可选地,获取单元401b在获取与图像底库中的图像匹配的已认证人脸图像时,具体用于:在用户请求认证时,拍摄所述用户当前的人脸图像;根据所述用户当前的人脸图像,在所述图像底库中进行图像匹配;若在所述图像底库中匹配到与所述用户当前的人脸图像相同的图像,则将所述用户当前的人脸图像作为所述已认证人脸图像。
进一步可选地,比对单元402b在将所述已认证人脸图像与图像底库中的图像进行图像质量对比时,具体用于:识别所述已认证人脸图像的图像特征;基于所述图像特征进行聚类分析,以从所述已认证人脸图像中确定与所述图像底库中的图像匹配的人脸图像簇;对所述人脸图像簇和所述图像底库中的图像进行质量对比。
进一步可选地,比对单元402b在对所述人脸图像簇和所述图像底库中的图像进行质量对比,还用于:从所述人脸图像簇中,去除位于所述人脸图像簇的聚类边缘的人脸图像,以去除相异的人脸图像;和/或,针对所述人脸图像簇中的每一张人脸图像,根据所述人脸图像的图像特征进行图像质量分析,并根据所述质量分析的结果,从所述人脸图像簇中去除不符合图像质量要求的人脸图像。
进一步可选地,在所述已认证人脸图像的质量优于所述图像底库中的图像时,以所述已认证人脸图像更新所述图像底库中的图像时,更新单元403b具体用于:从所述人脸图像簇中选取图像质量满足预设标准的人脸图像替换所述图像底库中的图像;或者,基于所述人脸图像簇的图像特征进行特征组合以生成新的人脸图像,并以所述新的人脸图像替换所述图像底库中的图像。
进一步可选地,所述图像特征包括:人脸的面部特征和/或环境特征。
进一步可选地,获取单元401b还用于:确定与用户匹配的时间事件和/或场景事件,并输出所述时间事件和/或场景事件;或者,确定与用户匹配的提示事件以提示用户执行指定操作,并对用户执行的指定操作进行拍摄。
本实施例中,图像底库生成装置30在获取到用户的已认证人脸图像后,根据该已认证人脸图像的图像质量,对图像底库中的图像进行更新,从而使得图像底库能够根据实际应用情况不断动态更新,有利于提升图像底库的可靠性。
如图4c所示,在一些实施例中,该图像底库生成装置30可包括:
获取单元401c,用于获取与用户的参考指纹图像匹配的已认证指纹图像,所述已认证指纹图像在用户请求认证时拍摄得到。
对比单元402c,用于将所述已认证指纹图像与所述用户的参考指纹图像进行图像质量对比。
更新单元403c,用于在所述已认证指纹图像的质量优于所述用户的参考指纹图像时,以所述已认证指纹图像更新所述用户的参考指纹图像。
本实施例中,图像底库生成装置30在获取到用户的已认证指纹图像后,根据该已认证指纹图像的图像质量,对用户的参考指纹图像进行更新,从而使得用户的参考指纹图像动态更新,有利于提升指纹识别的准确性。
以上描述了图像底库生成装置30的各模块及各模块对应的功能,实际中,该图像底库生成装置30可表现为一图像底库生成设备,如图5所示,该设备可包括:存储器501、处理器502、通信组件503、以及电源组件504。其中,存储器501、处理器502、通信组件503、以及电源组件504可以通过总线或其他方式连接,图5中以总线连接为例。
存储器501可被配置为存储其它各种数据以支持在图像底库生成设备上的操作。这些数据的示例包括用于在图像底库生成设备上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
在本实施例中,存储器501用于存储一条或多条计算机指令。
在一些应用场景中,处理器502,耦合至存储器501,用于执行存储器501中的一条或多条计算机指令,以用于:通过通信组件503获取录入的用户识别信息和拍摄到的人脸图像;根据用户识别信息的获取时间,从人脸图像中确定与用户识别信息相关联的人脸图像;根据与用户识别信息相关联的人脸图像的图像特征,生成与用户识别信息对应的图像底库中的图像。
进一步可选地,在根据用户识别信息的获取时间,从人脸图像中确定与用户识别信息相关联的人脸图像时,处理器502具体用于:获取人脸图像的拍摄时间;从人脸图像中,选择拍摄时间与获取时间对应的延伸时间范围匹配的至少一张人脸图像,作为与用户识别信息关联的人脸图像。
进一步可选地,从人脸图像中,选择拍摄时间在获取时间对应的延伸时间范围内的至少一张人脸图像,作为与用户识别信息关联的人脸图像时,处理器502具体用于:按照设定的时间扩展步长,前向延伸和/或后向延伸获取时间,以得到延伸时间范围;将人脸图像的拍摄时间与延伸时间范围做比较,以从人脸图像中确定拍摄时间在延伸时间范围内的至少一张人脸图像;将拍摄时间在延伸时间范围内的至少一张人脸图像作为与用户识别信息关联的人脸图像。
进一步可选地,在根据与用户识别信息相关联的人脸图像的图像特征,生成与用户识别信息对应的图像底库中的图像时,处理器502具体用于:识别与用户识别信息相关联的人脸图像的图像特征;基于图像特征进行聚类分析,以从与用户识别信息相关联的人脸图像中确定与用户识别信息匹配的人脸图像簇;根据与用户识别信息匹配的人脸图像簇,生成与用户识别信息对应的图像底库中的图像。
进一步可选地,在根据与用户识别信息相关联的人脸图像的图像特征,生成与用户识别信息对应的图像底库中的图像,处理器502还用于:从与所述用户识别信息匹配的人脸图像簇中,去除位于所述人脸图像簇的聚类边缘的人脸图像,以去除相异的人脸图像;和/或,针对与用户识别信息匹配的人脸图像簇中的每一张人脸图像,根据人脸图像的图像特征进行图像质量分析;根据质量分析的结果,从与用户识别信息匹配的人脸图像簇中去除不符合图像质量要求的人脸图像。
进一步可选地,在根据与用户识别信息匹配的人脸图像簇,生成与用户识别信息对应的图像底库中的图像时,处理器502具体用于:从与用户识别信息匹配的人脸图像簇中选取图像质量满足预设标准的人脸图像作为与用户识别信息相对应的图像底库中的图像;或者,基于与用户识别信息匹配的人脸图像簇的图像特征进行特征组合以生成新的人脸图像,并将新的人脸图像作为与用户识别信息相对应的图像底库中的图像。
进一步可选地,图像特征包括:人脸的面部特征和/或环境特征。
进一步可选地,用户识别信息,包括:指纹识别信息、虹膜识别信息、账号信息和/或刷卡信息。
进一步可选地,处理器502还用于确定与所述用户识别信息匹配的时间事件和/或场景事件,并输出所述时间事件和/或场景事件;或者,确定与所述用户识别信息匹配的提示事件以提示用户执行指定操作,并对用户执行的指定操作进行拍摄。
在另一些应用场景中,处理器502,耦合至存储器501,用于执行存储器501中的一条或多条计算机指令,以用于:获取与图像底库中的图像匹配的已认证人脸图像;将所述已认证人脸图像与所述图像底库中的图像进行图像质量对比;在所述已认证人脸图像的质量优于所述图像底库中的图像时,以所述已认证人脸图像更新所述图像底库中的图像。
进一步可选地,在获取与图像底库中的图像匹配的已认证人脸图像时,处理器502具体用于:在用户请求认证时,拍摄所述用户当前的人脸图像;根据所述用户当前的人脸图像,在所述图像底库中进行图像匹配;若在所述图像底库中匹配到与所述用户当前的人脸图像相同的图像,则将所述用户当前的人脸图像作为所述已认证人脸图像。
进一步可选地,在将所述已认证人脸图像与图像底库中的图像进行图像质量对比时,处理器502具体用于:识别所述已认证人脸图像的图像特征;基于所述图像特征进行聚类分析,以从所述已认证人脸图像中确定与所述图像底库中的图像匹配的人脸图像簇;对所述人脸图像簇和所述图像底库中的图像进行质量对比。
进一步可选地,对所述人脸图像簇和所述图像底库中的图像进行质量对比时,处理器502还用于:从所述人脸图像簇中,去除位于所述人脸图像簇的聚类边缘的人脸图像,以去除相异的人脸图像;和/或,针对所述人脸图像簇中的每一张人脸图像,根据所述人脸图像的图像特征进行图像质量分析,并根据所述质量分析的结果,从所述人脸图像簇中去除不符合图像质量要求的人脸图像。
进一步可选地,在所述已认证人脸图像的质量优于所述图像底库中的图像时,以所述已认证人脸图像更新所述图像底库中的图像时,处理器502具体用于:从所述人脸图像簇中选取图像质量满足预设标准的人脸图像替换所述图像底库中的图像;或者,基于所述人脸图像簇的图像特征进行特征组合以生成新的人脸图像,并以所述新的人脸图像替换所述图像底库中的图像。
进一步可选地,所述图像特征包括:人脸的面部特征和/或环境特征。
进一步可选地,处理器502还用于:确定与用户匹配的时间事件和/或场景事件,并输出所述时间事件和/或场景事件;或者,确定与用户匹配的提示事件以提示用户执行指定操作,并对用户执行的指定操作进行拍摄。
在又一些应用场景中,处理器502,耦合至存储器501,用于执行存储器501中的一条或多条计算机指令,以用于:获取与用户的参考指纹图像匹配的已认证指纹图像,所述已认证指纹图像在用户请求认证时拍摄得到;将所述已认证指纹图像与所述用户的参考指纹图像进行图像质量对比;在所述已认证指纹图像的质量优于所述用户的参考指纹图像时,以所述已认证指纹图像更新所述用户的参考指纹图像。
进一步可选地,电源组件504用于为图像底库生成设备的各种组件提供电力。电源组件可以包括电源管理系统,一个或多个电源,及其他与为图像底库生成设备生成、管理和分配电力相关联的组件。
上述图像底库生成设备可执行本申请实施例所提供的图像底库生成方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法,不再赘述。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,计算机程序被执行时能够实现上述方法实施例中可由图像底库生成设备执行的方法实施例中各步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (18)

1.一种图像底库生成方法,包括:
获取录入的用户识别信息和拍摄到的人脸图像;
根据所述用户识别信息的获取时间,从所述人脸图像中确定与所述用户识别信息相关联的人脸图像;
根据与所述用户识别信息相关联的人脸图像的图像特征,生成与所述用户识别信息对应的图像底库中的图像;
其中,所述图像特征包括:人脸的面部特征和环境特征,所述环境特征作为人脸图像分类的依据。
2.根据权利要求1所述的方法,根据所述用户识别信息的获取时间,从所述人脸图像中确定与所述用户识别信息相关联的人脸图像,包括:
获取所述人脸图像的拍摄时间;
从所述人脸图像中,选择拍摄时间与所述获取时间对应的延伸时间范围匹配的至少一张人脸图像,作为与所述用户识别信息关联的人脸图像。
3.根据权利要求2所述的方法,从所述人脸图像中,选择拍摄时间在所述获取时间对应的延伸时间范围内的至少一张人脸图像,作为与所述用户识别信息关联的人脸图像,包括:
按照设定的时间扩展步长,前向延伸和/或后向延伸所述获取时间,以得到所述延伸时间范围;
将所述人脸图像的拍摄时间与所述延伸时间范围做比较,以从所述人脸图像中确定拍摄时间在所述延伸时间范围内的至少一张人脸图像;
将拍摄时间在所述延伸时间范围内的至少一张人脸图像作为与所述用户识别信息关联的人脸图像。
4.根据权利要求1-3任一项所述的方法,根据与所述用户识别信息相关联的人脸图像的图像特征,生成与所述用户识别信息对应的图像底库中的图像,包括:
识别与所述用户识别信息相关联的人脸图像的图像特征;
基于所述图像特征进行聚类分析,以从与所述用户识别信息相关联的人脸图像中确定与所述用户识别信息匹配的人脸图像簇;
根据与所述用户识别信息匹配的人脸图像簇,生成与所述用户识别信息对应的图像底库中的图像。
5.根据权利要求4所述的方法,根据与所述用户识别信息相关联的人脸图像的图像特征,生成与所述用户识别信息对应的图像底库中的图像,还包括:
从与所述用户识别信息匹配的人脸图像簇中,去除位于所述人脸图像簇的聚类边缘的人脸图像,以去除相异的人脸图像;和/或,
针对与所述用户识别信息匹配的人脸图像簇中的每一张人脸图像,根据所述人脸图像的图像特征进行图像质量分析,并根据所述质量分析的结果,从与所述用户识别信息匹配的人脸图像簇中去除不符合图像质量要求的人脸图像。
6.根据权利要求4所述的方法,根据与所述用户识别信息匹配的人脸图像簇,生成与所述用户识别信息对应的图像底库中的图像,包括:
从与所述用户识别信息匹配的人脸图像簇中选取图像质量满足预设标准的人脸图像作为与所述用户识别信息相对应的图像底库中的图像;或者,
基于与所述用户识别信息匹配的人脸图像簇的图像特征进行特征组合以生成新的人脸图像,并将所述新的人脸图像作为与所述用户识别信息相对应的图像底库中的图像。
7.根据权利要求1-3任一项所述的方法,所述用户识别信息,包括:指纹识别信息、虹膜识别信息、账号信息和/或刷卡信息。
8.根据权利要求1-3任一项所述的方法,还包括:
确定与所述用户识别信息匹配的时间事件和/或场景事件,并输出所述时间事件和/或场景事件;或者,
确定与所述用户识别信息匹配的提示事件以提示用户执行指定操作,并对用户执行的指定操作进行拍摄。
9.一种图像底库生成方法,包括:
获取与图像底库中的图像匹配的已认证人脸图像;
将所述已认证人脸图像与所述图像底库中的图像进行图像质量对比;
在所述已认证人脸图像的质量优于所述图像底库中的图像时,以所述已认证人脸图像更新所述图像底库中的图像;
其中,将所述已认证人脸图像与所述图像底库中的图像进行图像质量对比,包括:
识别所述已认证人脸图像的图像特征;
基于所述图像特征进行聚类分析,以从所述已认证人脸图像中确定与所述图像底库中的图像匹配的人脸图像簇;
对所述人脸图像簇和所述图像底库中的图像进行质量对比;
其中,所述图像特征包括:人脸的面部特征和环境特征,所述环境特征作为人脸图像分类的依据。
10.根据权利要求9所述的方法,获取与图像底库中的图像匹配的已认证人脸图像,包括:
在用户请求认证时,拍摄所述用户当前的人脸图像;
根据所述用户当前的人脸图像,在所述图像底库中进行图像匹配;
若在所述图像底库中匹配到与所述用户当前的人脸图像相同的图像,则将所述用户当前的人脸图像作为所述已认证人脸图像。
11.根据权利要求9所述的方法,对所述人脸图像簇和所述图像底库中的图像进行质量对比,还包括:
从所述人脸图像簇中,去除位于所述人脸图像簇的聚类边缘的人脸图像,以去除相异的人脸图像;和/或,
针对所述人脸图像簇中的每一张人脸图像,根据所述人脸图像的图像特征进行图像质量分析,并根据所述质量分析的结果,从所述人脸图像簇中去除不符合图像质量要求的人脸图像。
12.根据权利要求9所述的方法,在所述已认证人脸图像的质量优于所述图像底库中的图像时,以所述已认证人脸图像更新所述图像底库中的图像,包括:
从所述人脸图像簇中选取图像质量满足预设标准的人脸图像替换所述图像底库中的图像;或者,
基于所述人脸图像簇的图像特征进行特征组合以生成新的人脸图像,并以所述新的人脸图像替换所述图像底库中的图像。
13.根据权利要求9-12任一项所述的方法,还包括:
确定与用户匹配的时间事件和/或场景事件,并输出所述时间事件和/或场景事件;或者,
确定与用户匹配的提示事件以提示用户执行指定操作,并对用户执行的指定操作进行拍摄。
14.一种图像底库生成装置,包括:
获取单元,用于获取录入的用户识别信息和拍摄到的人脸图像;
确定单元,用于根据所述用户识别信息的获取时间,从所述人脸图像中确定与所述用户识别信息相关联的人脸图像;
生成单元,用于根据与所述用户识别信息相关联的人脸图像的图像特征,生成与所述用户识别信息对应的图像底库中的图像;
其中,所述图像特征包括:人脸的面部特征和环境特征,所述环境特征作为人脸图像分类的依据。
15.一种图像底库生成装置,包括:
获取单元,用于获取与图像底库中的图像匹配的已认证人脸图像;
比对单元,用于将所述已认证人脸图像与所述图像底库中的图像进行图像质量对比;
更新单元,用于在所述已认证人脸图像的质量优于所述图像底库中的图像时,以所述已认证人脸图像更新所述图像底库中的图像;
其中,将所述已认证人脸图像与所述图像底库中的图像进行图像质量对比,包括:
识别所述已认证人脸图像的图像特征;
基于所述图像特征进行聚类分析,以从所述已认证人脸图像中确定与所述图像底库中的图像匹配的人脸图像簇;
对所述人脸图像簇和所述图像底库中的图像进行质量对比;
其中,所述图像特征包括:人脸的面部特征和环境特征,所述环境特征作为人脸图像分类的依据。
16.一种图像底库生成系统,包括:
用户识别信息录入设备,用于采集用户识别信息;
图像采集设备,用于在所述用户识别信息录入设备采集用户识别信息时,拍摄人脸图像;以及
如权利要求14-15中任一项所述的图像底库生成装置。
17.一种图像底库生成设备,包括:
处理器;
存储器,用于存储一条或多条计算机指令,
当所述一条或多条计算机指令被所述处理器执行,使得所述处理器实现如权利要求1-13中任一项所述的方法。
18.一种存储有计算机程序的计算机可读存储介质,所述计算机程序被处理器执行时能够实现如权利要求1-13中任一项所述的方法。
CN201810982774.7A 2018-08-27 2018-08-27 图像底库生成方法、装置、设备、系统及存储介质 Active CN110866418B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810982774.7A CN110866418B (zh) 2018-08-27 2018-08-27 图像底库生成方法、装置、设备、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810982774.7A CN110866418B (zh) 2018-08-27 2018-08-27 图像底库生成方法、装置、设备、系统及存储介质

Publications (2)

Publication Number Publication Date
CN110866418A CN110866418A (zh) 2020-03-06
CN110866418B true CN110866418B (zh) 2023-05-09

Family

ID=69651071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810982774.7A Active CN110866418B (zh) 2018-08-27 2018-08-27 图像底库生成方法、装置、设备、系统及存储介质

Country Status (1)

Country Link
CN (1) CN110866418B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112329528A (zh) * 2020-09-29 2021-02-05 北京迈格威科技有限公司 指纹录入方法及装置、存储介质及电子设备
CN112307234A (zh) * 2020-11-03 2021-02-02 厦门兆慧网络科技有限公司 一种人脸底库合成方法、系统和、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654372A (zh) * 2015-12-22 2016-06-08 深圳前海微众银行股份有限公司 远程开户的身份识别方法、服务器及系统
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
CN105989264A (zh) * 2015-02-02 2016-10-05 北京中科奥森数据科技有限公司 生物特征活体检测方法及系统
CN106503633A (zh) * 2016-10-10 2017-03-15 上海电机学院 一种视频图像中人脸特征库的建立方法
CN107077615A (zh) * 2017-01-12 2017-08-18 厦门中控生物识别信息技术有限公司 指纹防伪方法和设备
CN107147609A (zh) * 2016-03-01 2017-09-08 中兴通讯股份有限公司 一种提升云终端安全节能的方法及云终端、云服务器
CN107563343A (zh) * 2017-09-18 2018-01-09 南京甄视智能科技有限公司 基于人脸识别技术的FaceID数据库的自我完善方法和系统
CN107967555A (zh) * 2017-11-15 2018-04-27 平安科技(深圳)有限公司 员工个人考勤管控方法、应用服务器及计算机可读存储介质
CN108062530A (zh) * 2017-12-25 2018-05-22 北京诺君安信息技术股份有限公司 一种身份验证方法及系统
CN108197519A (zh) * 2017-12-08 2018-06-22 北京天正聚合科技有限公司 基于二维码扫描触发人脸图像采集的方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9875396B2 (en) * 2014-11-13 2018-01-23 Intel Corporation Spoofing detection in image biometrics

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989264A (zh) * 2015-02-02 2016-10-05 北京中科奥森数据科技有限公司 生物特征活体检测方法及系统
CN105654372A (zh) * 2015-12-22 2016-06-08 深圳前海微众银行股份有限公司 远程开户的身份识别方法、服务器及系统
CN107147609A (zh) * 2016-03-01 2017-09-08 中兴通讯股份有限公司 一种提升云终端安全节能的方法及云终端、云服务器
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
CN106503633A (zh) * 2016-10-10 2017-03-15 上海电机学院 一种视频图像中人脸特征库的建立方法
CN107077615A (zh) * 2017-01-12 2017-08-18 厦门中控生物识别信息技术有限公司 指纹防伪方法和设备
CN107563343A (zh) * 2017-09-18 2018-01-09 南京甄视智能科技有限公司 基于人脸识别技术的FaceID数据库的自我完善方法和系统
CN107967555A (zh) * 2017-11-15 2018-04-27 平安科技(深圳)有限公司 员工个人考勤管控方法、应用服务器及计算机可读存储介质
CN108197519A (zh) * 2017-12-08 2018-06-22 北京天正聚合科技有限公司 基于二维码扫描触发人脸图像采集的方法和装置
CN108062530A (zh) * 2017-12-25 2018-05-22 北京诺君安信息技术股份有限公司 一种身份验证方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Hyung Gil Hong等.Fuzzy System-Based Face Detection Robust to In-Plane Rotation Based on Symmetrical Characteristics of a Face.《 Symmetry in Complex Networks II》.2016,全文. *
复杂背景人脸的定位与特征抽取;高峰,张平波,王成道;华东师范大学学报(自然科学版)(02);全文 *

Also Published As

Publication number Publication date
CN110866418A (zh) 2020-03-06

Similar Documents

Publication Publication Date Title
US9323979B2 (en) Face recognition performance using additional image features
US7693310B2 (en) Moving object recognition apparatus for tracking a moving object based on photographed image
US8600121B2 (en) Face recognition system and method
US20170262472A1 (en) Systems and methods for recognition of faces e.g. from mobile-device-generated images of faces
CN108280418A (zh) 脸部图像的欺骗识别方法及装置
CN108197586A (zh) 脸部识别方法和装置
CN105956520B (zh) 一种基于多模式生物识别信息的个人识别装置和方法
JP2008146539A (ja) 顔認証装置
CN110866418B (zh) 图像底库生成方法、装置、设备、系统及存储介质
CN111241932A (zh) 汽车展厅客流检测与分析系统、方法及存储介质
KR102261054B1 (ko) 카메라에 연결되는 고속 얼굴 인식 장치
KR20190093799A (ko) Cctv를 통한 실시간 실종자 얼굴 인식 시스템 및 그 방법
CN114387548A (zh) 视频及活体检测方法、系统、设备、存储介质及程序产品
CN110968719B (zh) 一种人脸聚类方法及装置
CN112183167B (zh) 考勤方法、认证方法、活体检测方法、装置及设备
KR20140134549A (ko) 연속 촬영 이미지에서의 고조점 이미지 추출 장치 및 방법
JP2015041307A (ja) 照合装置及び照合方法、照合システム、並びにコンピュータ・プログラム
US9286707B1 (en) Removing transient objects to synthesize an unobstructed image
Mukherjee et al. Energy efficient face recognition in mobile-fog environment
De Marsico et al. ES-RU: an e ntropy based rule to s elect r epresentative templates in face su rveillance
CN114387674A (zh) 活体检测方法、系统、设备、存储介质及程序产品
JP7480841B2 (ja) イベントの管理方法、イベント管理装置、システム及びプログラム
WO2023109551A1 (zh) 一种活体检测方法、装置和计算机设备
Bhat et al. Methodologies in face recognition for surveillance
Kumar et al. Approach on face recognition and detection techniques

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40025315

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant