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

CN112597803A - 一种人脸识别方法、装置、系统及电子设备 - Google Patents

一种人脸识别方法、装置、系统及电子设备 Download PDF

Info

Publication number
CN112597803A
CN112597803A CN202011350564.XA CN202011350564A CN112597803A CN 112597803 A CN112597803 A CN 112597803A CN 202011350564 A CN202011350564 A CN 202011350564A CN 112597803 A CN112597803 A CN 112597803A
Authority
CN
China
Prior art keywords
face
image
face recognition
classification
label
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
Application number
CN202011350564.XA
Other languages
English (en)
Inventor
周军
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.)
Shenzhen Taisau Intelligent Technology Co ltd
Original Assignee
Shenzhen Taisau Intelligent Technology Co 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 Shenzhen Taisau Intelligent Technology Co ltd filed Critical Shenzhen Taisau Intelligent Technology Co ltd
Priority to CN202011350564.XA priority Critical patent/CN112597803A/zh
Publication of CN112597803A publication Critical patent/CN112597803A/zh
Pending legal-status Critical Current

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
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及计算机控制领域,具体涉及一种人脸识别方法、装置、系统及电子设备。其方法通过获取带类别标签的初次人脸识别图像及预设人脸图像相似度,基于带类别标签的初次人脸识别图像从人脸数据库中提取对应类别标签的人脸图像组,之后利用所获取的人脸图像组与人脸图像进行相似度比对,将满足相似度的人脸图像进行输出以便于利用图像归类及表格索引实现快速查找人脸图像,后通过相似度对比快速完成人脸识别,从而提高二次人脸识别时人脸识别效率。

Description

一种人脸识别方法、装置、系统及电子设备
技术领域
本发明涉及计算机控制领域,具体涉及一种人脸识别方法、装置、系统及电子设备。
背景技术
在现有技术中,由于常用的人脸识别方案仅是针对人脸识别终端设备进行进行部署,但由于人脸识别终端设备会因为设备性能的差异无法获得高效准确的人脸识别结果,而为了获得准确的人脸识别结果通常会将人脸识别终端设备中需要识别的人脸信息打包发送至云端比对平台中进行人脸信息的二次识别以获得精准的人脸识别结果。
虽然该方法提升了人脸识别的识别准确性,但由于需要在云端对比平台上进行二次人脸识别,并且在二次人脸识别过程中只有在二次人脸识别结果处于人脸识别特征匹配一致后,才会将识别结果反馈给人脸识别终端设备完成人脸识别。因此,在现有技术中虽解决了人脸识别准确性的问题但由于人脸识别的识别时间较长,也进一步导致人脸识别的识别效率不高,而无法满足客户需求。
发明内容
因此,本发明提供一种人脸识别方法、装置、系统及电子设备,以解决现有技术中由于需要进行二次人脸识别而造成人脸识别效率不高的问题。
根据第一方面,本申请提供了一种人脸识别方法,包括:获取带类别标签的初次人脸识别图像及预设人脸图像相似度;基于所述带类别标签的初次人脸识别图像提取该人脸图像中的类别标签,将所述类别标签与人脸数据库中的分类表进行匹配,并获取存储在人脸数据库中与匹配结果一致的分类标签所对应的人脸图像组;根据所述人脸图像组和所述带类别标签的初次人脸识别图像,计算所述人脸图像组中的单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度;判断所述人脸图像匹配相似度是否大于预设人脸图像匹配相似度;若所述人脸图像匹配相似度满足预设人脸图像匹配相似度,则将人脸识别结果发送至人脸识别终端进行显示。
本申请提供的人脸识别方法,通过获取带类别标签的初次人脸识别图像及预设人脸图像相似度,基于带类别标签的初次人脸识别图像从人脸数据库中提取对应类别标签的人脸图像组,之后利用所获取的人脸图像组与人脸图像进行相似度比对,将满足相似度的人脸图像进行输出以便于利用图像归类及表格索引实现快速查找人脸图像,后通过相似度对比快速完成人脸识别,从而提高二次人脸识别时人脸识别效率。
结合第一方面,在第一方面第一实施方式中,包括:利用特征提取算法对所述带类别标签的初次人脸识别图像中的类别标签进行提取;提取预设置在人脸数据库中的分类表,基于所述分类表中的单个分类标签与所述人脸图像的类别标记进行标签一致性匹配;若所述分类表中的单个分类标签与人脸图像的类别标签一致,则提取所述分类表中单个分类标签所对应的人脸图像组;若所述分类表中的单个分类标签与人脸图像的类别标签不一致,则停止所述分类表中的单个分类标签与人脸图像的类别标记进行匹配,输出人脸识别失败提示。
结合第一方面或第一方面的第一实施方式,在第一方面第二实施方式中,还包括:获取所述人脸数据库中存储的人脸数据;基于人脸数据库中的人脸数据利用分类器进行人脸数据分类,将类别相同的人脸数据整合为同一人脸图像组,并根据类别数量设置分类标签;提取所述人脸图像组中的分类标签,对所述分类标签进行整合,以生成所述人脸数据库的分类表,其中,一个分类标签对应一个人脸图像组。
本申请提供的人脸识别方法,利用特征提取算法对初次人脸识别图像的类别标签进行提取,之后根据其类别标签将其类别标签对应预设置在人脸数据库中的分类表,并在分类表中查找与类别标签一致的分类标签,将其二者进行联系,并从分类表中将分类标签对应的人脸图像组进行提取得,通过将人脸图像数据进行分类,之后根据对应标签进行图像组提取从而提高了人脸识别的执行效率以及优化了数据执行效率。
结合第一方面的第二实施方式,在第一方面的第三实施方式中,还包括:预设人脸数据更新时间;若满足预设人脸数据更新时间,则获取人脸升级数据对所述人脸数据库进行数据升级。
本申请提供的人脸识别方法,通过预设人脸数据更新时间,以保证人脸数据的多样性,通过定时更新人脸数据增加人脸数据,防止因人脸数据实时更新所造成的人脸数据误识别,并且通过预设时间进行数据更新从而进一步提高在进行二次人脸识别时人脸识别效率。
结合第一方面,在第一方面的第四实施方式中,包括:获取所述人脸图像组中单张人脸图像与所述带类别标签的初次人脸识别图像;基于余弦公式计算所述人脸图像组中的单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度。
结合第一方面,在第一方面的第五实施方式中,包括:预设人脸图像的识别时间;判断在预设人脸图像的识别时间内是否能完成所述人脸图像的类别标签与人脸数据库中的分类表的匹配;若在预设人脸图像的识别时间内完成所述人脸图像的类别标签与人脸数据库中的分类表的匹配,则计算所述人脸图像组中的单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度。
本申请提供的人脸识别方法,先获取预设人脸图像相似度,之后通过相似度匹配算法获取人脸图像组中的单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度,将二者相似度进行对比,从而缓解在二次人脸识别过程中只有在二次人脸识别结果处于人脸识别特征匹配一致后,才会将识别结果反馈给人脸识别终端设备完成人脸识别,所造成的人脸识别的识别时间较长和识别效率不高的问题。
根据第二方面,本申请提供一种人脸识别装置,包括:获取模块,用于获取带类别标签的初次人脸识别图像及预设人脸图像相似度;确定模块,用于基于所述带类别标签的初次人脸识别图像提取该人脸图像中的类别标签,将所述类别标签与人脸数据库中的分类表进行匹配,并获取与匹配结果一致的分类标签所对应的人脸图像组;计算模块,用于根据所述人脸图像组和所述带类别标签的初次人脸识别图像,计算所述人脸图像组中的单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度;判断模块,用于判断所述人脸图像匹配相似度是否大于预设人脸图像匹配相似度;输出模块,用于若所述人脸图像匹配相似度满足预设人脸图像匹配相似度,则将人脸识别结果发送至人脸识别终端并进行显示。
本申请提供的人脸识别装置,通过获取模块获取获取带类别标签的初次人脸识别图像及预设人脸图像相似度,后将获取的初次人脸识别图像和预设人脸识别相似度发送给确定模块由确定模块确定出与匹配结果一致的分类标签所对应的人脸图像组;之后通过计算模块计算人脸图像组中单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度,将所获得的匹配相似对发送给判断模块,通过判断模块判断所述人脸图像匹配相似度是否大于预设人脸图像匹配相似度,并通过输出模块输出人脸识别结果发送至人脸识别终端并进行显示,从而提高二次人脸识别时人脸识别效率。
根据第三方面,本申请提供了一种人脸识别系统,包括:人脸识别终端,用于获取待识别人脸识别图像,并对所述待识别人脸识别图像进行人脸识别以生成带分类标记的人脸图像;云端对比平台,用于获取所述带分类标记的人脸图像,执行上述第一方面或第一方面的任意一种实施方式所述的人脸识别方法。
根据第四方面,本发明实施例提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或者第一方面的任意一种实施方式所述的人脸识别方法。
根据第五方面,本发明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计算机指令,所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的人脸识别方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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为根据本发明实施例提供的一种人脸识别方法的流程图;
图2为根据本发明实施例提供的一种人脸识别方法中步骤S11的流程图;
图3为根据本发明实施例提供的一种人脸识别方法中步骤S12的流程图;
图4为根据本发明实施例提供的一种人脸识别装置的结构框图;
图5为根据本发明实施例提供的一种人脸识别系统的框图;
图6为根据本发明实施例提供的一种电子设备。
附图标记:
获取模块-10;确定模块-11;计算模块-12;判断模块-13;输出模块-14;人脸识别终端-20;云端对比平台-21;存储器-30;处理器-31。
具体实施方式
下面将结合附图对本发明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,都属于本发明保护的范围。
根据本发提供的一种人脸识别方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
另外,还需要说明的是本发明是提供的热人脸识别方法,可以是通过对人脸识别终端进行对第一次人脸识别,当人脸识别结果存在疑问或是人脸识别出现错误时,将启用云端对比平台面获取人脸识别终端发出的分类标记的人脸图像进行第二次人脸识别,从而使其人脸识别结果更加准确,同时在本实施例中,使用人脸识别终端进行本地识别,在利用云端资源进行人脸识别从而获得更加准确的人脸识别数据。
在本实施例中提供了一种人脸识别方法,可以应用于上述的云端对比平台及人脸识别终端。如图1所示,为根据本发明实施例提供的一种人脸识别方法的流程图;该流程包括如下步骤:
S10,获取带类别标签的初次人脸识别图像及预设人脸图像相似度。
在本实施例中,云端对比平台需要从人脸识别终端中获取带类别标签的初次人脸识别图像,或通过手动设置人脸图像相似度。可选的,人脸识别终端可以是手机或带有摄像及人脸识别功能的设备,通过人脸识别终端需要进行第一次人脸识别并利用标记工具对所识别的人脸图像进行标记,同时可以由人脸识别终端对人脸图像进行显示,而存在疑问或是无法识别的人脸数据将被转发至云端对比平台进行第二次人脸识别对比,从而使得高效的进行人脸识别,并且通过将数据上传云端进行数据操作,从而提高数据处理速度。可选的,带类别标签的初次人脸识别图像可以是在人脸识别终端中对人脸进行识别,并对人脸类别进行标记的人脸图像。可选的,预设人脸图像相似度,可以是百分比。
S11,基于带类别标签的初次人脸识别图像提取该人脸图像中的类别标签,将类别标签与人脸数据库中的分类表进行匹配,并获取存储在人脸数据库中与匹配结果一致的分类标签所对应的人脸图像组。
在本实施例中,类别标签可以是初次人脸识别图像的人脸类型数据,该数据可以根据用户需求进行设置,例如:按身份信息进行分配的人脸数据,其中该类型数据中标记有人脸数据的特征。可选的提取类别标签,例如:人脸识别图像中提取“男”这一标签,并根据这一标签查找人脸数据中的分类表中对应“男”这一标签,在利用该标签从人脸数据库中调取对应标签人脸图像组,利用标签对人脸数据进行数据归纳分类,当需要进行人脸识别时根据人脸识别图像中标签进行查找对应的标签的人脸数据,从而提高人脸识别的识别效率。
S12,根据人脸图像组和带类别标签的初次人脸识别图像,计算人脸图像组中的单张人脸图像与带类别标签的初次人脸识别图像的匹配相似度。
在本实施例中,获取人脸图像组和带类别标签的初次人脸识别图像,其中,人脸图像组存储有至少1张的人脸图像,该人脸图像也可以根据人脸数据可以是实时更新,其人脸数据库中的数据可以存储云端平台上,当需要进行数据提取时进行人脸数据提取。
S13,判断人脸图像匹配相似度是否大于预设人脸图像匹配相似度;
S14,若人脸图像匹配相似度满足预设人脸图像匹配相似度,则将人脸识别结果发送至人脸识别终端进行显示。
在本实施例中,当确定出人脸识别结果后,可以以图像的方式进行识别结果,也可以是以文字的方式输出识别结果。
本实施例提供的人脸识别方法,通过获取带类别标签的初次人脸识别图像及预设人脸图像相似度,基于带类别标签的初次人脸识别图像从人脸数据库中提取对应类别标签的人脸图像组,之后利用所获取的人脸图像组与人脸图像进行相似度比对,将满足相似度的人脸图像进行输出以便于利用图像归类及表格索引实现快速查找人脸图像,后通过相似度对比快速完成人脸识别,从而提高二次人脸识别时人脸识别效率。
如图2所示,作为本申请可选的实施方式,步骤S11包括:
S111,利用特征提取算法对带类别标签的初次人脸识别图像中的类别标签进行提取。在本实施例中,特征提取算法可以提取人脸信息的五官信息,也可以根据五官信息判断人脸信息的性别,以便于进行类别标记。
S112,提取预设置在人脸数据库中的分类表,基于分类表中的单个分类标签与人脸图像的类别标记进行标签一致性匹配;在本实施例中,分类标签可以通过索引的方式将分类表中的单个分类标签与人脸图像的类别标记进行对应,也可以是通过逐一对比的方式确定分分类标签。在本实施例中,提取预设置在人脸数据库中的分类表,其中人脸数据库的人脸数据存储存储器或云端服务器中,若云端对比平台的存储器中的存储空间不设限,也可以将其数据存储在该存储器中。
S113,若分类表中的单个分类标签与人脸图像的类别标签一致,则提取分类表中单个分类标签所对应的人脸图像组;
S114,若分类表中的单个分类标签与人脸图像的类别标签不一致,则停止分类表中的单个分类标签与人脸图像的类别标记进行匹配,输出人脸识别失败提示。在本实施例中,该人脸识别的识别提示可以是文字提示,云端对比平台的二次对比失败后想人脸识别终端输出,识别失败的提示。
可选的,步骤S11还包括:
S115,获取人脸数据库中存储的人脸数据;
在本实施例中,人脸数据库中存储的人脸数据属于实时更新的数据。优选的,该数据可以是预设更新时间的人脸数据。
S116,基于人脸数据库中的人脸数据利用分类器进行人脸数据分类,将类别相同的人脸数据整合为同一人脸图像组,并根据类别数量设置分类标签。可选的使用传统分类器按照预设类别进行人脸数据分类。
S117,提取人脸图像组中的分类标签,对分类标签进行整合,以生成人脸数据库的分类表,其中,一个分类标签对应一个人脸图像组。在本实施中,从人脸图像组中的单张人脸图像中提取该图像的分类标签,之后将相同类别的分类标签进行合并保留不重复的分类标签,再将其分类标签形成分类表格,预存储在人脸数据库中。
利用特征提取算法对初次人脸识别图像的类别标签进行提取,之后根据其类别标签将其类别标签对应预设置在人脸数据库中的分类表,并在分类表中查找与类别标签一致的分类标签,将其二者进行联系,并从分类表中将分类标签对应的人脸图像组进行提取得,通过将人脸图像数据进行分类,之后根据对应标签进行图像组提取从而提高了人脸识别的执行效率以及优化了数据执行效率。
可选的,步骤S115包括:
预设人脸数据更新时间;若满足预设人脸数据更新时间,则获取人脸升级数据对人脸数据库进行数据升级。通过预设人脸数据更新时间,以保证人脸数据的多样性,通过定时更新人脸数据增加人脸数据,防止因人脸数据实时更新所造成的人脸数据误识别,并且通过预设时间进行数据更新从而进一步提高在进行二次人脸识别时人脸识别效率。
可选的,如图3所示,步骤S12可以包括:
S121,获取人脸图像组中单张人脸图像与带类别标签的初次人脸识别图像;在本实施例中从人脸数据库中提取人脸图像组,在从人脸图像组中提取单张人脸图像;以及从人脸识别终端中获取第一次进行人脸识别的人脸图像,或是从人脸识别终端中获取第一次人脸识别失败的人脸图像。
S122,基于余弦公式计算人脸图像组中的单张人脸图像与带类别标签的初次人脸识别图像的匹配相似度。可选的,还可以通过欧拉公式计算匹配相似度。在本实施例中,可以通过相似度匹配算法确定出带类别标签的初次人脸识别图像,具体实施过程可参见传统的算法,在此不在赘述。
可选的,在本实施例中,还包括:
S16,预设人脸图像的识别时间;可以通过云端对比平台预先设置人脸图像的识别时间。
S17,判断在预设人脸图像的识别时间内是否能完成人脸图像的类别标签与人脸数据库中的分类表的匹配;
S18,若在预设人脸图像的识别时间内完成人脸图像的类别标签与人脸数据库中的分类表匹配,则计算人脸图像组中的单张人脸图像与带类别标签的初次人脸识别图像的匹配相似度。
S19,若在预设人脸图像的识别时间内完成人脸图像的类别标签与人脸数据库中的分类表不匹配,则输出匹配失败提示。
在本实施例中,获取预设人脸图像相似度之后通过相似度匹配算法获取人脸图像组中的单张人脸图像与带类别标签的初次人脸识别图像的匹配相似度,将二者相似度进行对比,从而缓解在二次人脸识别过程中只有在二次人脸识别结果处于人脸识别特征匹配一致后,才会将识别结果反馈给人脸识别终端设备完成人脸识别,所造成的人脸识别的识别时间较长和识别效率不高的问题。
本发明实施例还公开了一种人脸识别装置,如图4所示,为根据本发明实施例提供的一种人脸识别装置的结构框图,包括:
获取模块10,用于获取带类别标签的初次人脸识别图像及预设人脸图像相似度,详细内容参考步骤S10所述。
确定模块11,用于基于所述带类别标签的初次人脸识别图像提取该人脸图像中的类别标签,将所述类别标签与人脸数据库中的分类表进行匹配,并获取与匹配结果一致的分类标签所对应的人脸图像组,详细内容参考步骤S11所述。
计算模块12,用于根据所述人脸图像组和所述带类别标签的初次人脸识别图像,计算所述人脸图像组中的单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度,详细内容参考步骤S12所述。
判断模块13,用于判断所述人脸图像匹配相似度是否大于预设人脸图像匹配相似度,详细内容参考步骤S13所述。
输出模块14,用于若所述人脸图像匹配相似度满足预设人脸图像匹配相似度,则将人脸识别结果发送至人脸识别终端并进行显示,详细内容参考步骤S14所述。
本申请提供的人脸识别装置,通过获取模块获取获取带类别标签的初次人脸识别图像及预设人脸图像相似度,后将获取的初次人脸识别图像和预设人脸识别相似度发送给确定模块由确定模块确定出与匹配结果一致的分类标签所对应的人脸图像组;之后通过计算模块计算人脸图像组中单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度,将所获得的匹配相似对发送给判断模块,通过判断模块判断所述人脸图像匹配相似度是否大于预设人脸图像匹配相似度,并通过输出模块输出人脸识别结果发送至人脸识别终端并进行显示,从而提高二次人脸识别时人脸识别效率。
本发明实施例还公开了一种人脸识别系统,如图5所示,该系统包括:
人脸识别终端20,用于获取待识别人脸识别图像,并对所述待识别人脸识别图像进行人脸识别以生成带分类标记的人脸图像。可选的,该人脸识别终端为可以是内网设备。
云端对比平台21,用于获取所述带分类标记的人脸图像,以及执行本申请所提供的人脸识别方法。
可选的,人脸识别系统还可以包括:人员名单管理服务器、人脸比对专用服务器。
可选的,云端对比平台具体实施流程可以是:首先在云端数据库中创建人脸库,通过人员名单管理服务器,其中,名单管理服务器通过接口上传至人脸比对服务器并入库,后返回人脸库模板ID并保存。当需要进行人脸识别时,云端数据库将下发人脸模板至人脸识别终端设备,该设备提取人脸特征值并保存人员名单信息信息。其次,在进行云端比对时,本地设备(人脸识别终端设备)优先进行本地人脸库搜索比对,如本地设备比对不成功,则调用云端比对平台接口。当本地设备调用云端比对服务器接口地址时,还需要上传比对的人脸照片,等待结果返回。在云端提取人脸特征,进行人脸库特征值搜索比对。云端返回人脸相似度较高的前几张人脸特征信息与名单信息,返回信息至设备终端。最后进行对比解析,设备终端获取云端比对返回结果,并根据数据规则,解析出比对结果信息。设备显示最终比对信息,并记录比对结果信息,从而完成人脸识别。该系统通过现并行采取本地前端比对加云端识别两种识别方式,当本地人脸库数据量不够时,前端设备抓取数据,在云服务上进行识别比对,而后将比对结果返回给终端设备。现结合本地比对和云端比对两种比对方式的优点,采取本地比对和云端比对结合的方式,进一步提高人脸识别的效率。
本发明实施例还提供了一种电子设备,如图6所示,该电子设备可以包括处理器31和存储器30,其中处理器31和存储器30可以通过总线或者其他方式连接,图6中以通过总线连接为例。
处理器31可以为中央处理器(Central Processing Unit,CPU)。处理器31还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器30作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的人脸识别方法对应的程序指令/模块(例如,图4所示的获取模块10、确定模块11、计算模块12、判断模块13及输出模块14)。处理器31通过运行存储在存储器30中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的人脸识别方法。
存储器30可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器31所创建的数据等。此外,存储器30可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器30可选包括相对于处理器31远程设置的存储器,这些远程存储器可以通过网络连接至处理器31。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器30中,当被所述处理器31执行时,执行如图1-3所示实施例中的人脸识别方法。
上述电子设备具体细节可以对应参阅图1至图3所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种人脸识别方法,其特征在于,包括:
获取带类别标签的初次人脸识别图像及预设人脸图像相似度;
基于所述带类别标签的初次人脸识别图像提取该人脸图像中的类别标签,将所述类别标签与人脸数据库中的分类表进行匹配,并获取存储在人脸数据库中与匹配结果一致的分类标签所对应的人脸图像组;
根据所述人脸图像组和所述带类别标签的初次人脸识别图像,计算所述人脸图像组中的单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度;
判断所述人脸图像匹配相似度是否大于预设人脸图像匹配相似度;
若所述人脸图像匹配相似度满足预设人脸图像匹配相似度,则将人脸识别结果发送至人脸识别终端进行显示。
2.根据权利要求1所述的方法,其特征在于,所述基于所述带类别标签的初次人脸识别图像提取该人脸图像中的类别标签,将所述类别标签与人脸数据库中的分类表进行匹配,并获取存储在人脸数据库中与匹配结果一致的分类标签所对应的人脸图像组,包括:
利用特征提取算法对所述带类别标签的初次人脸识别图像中的类别标签进行提取;
提取预设置在人脸数据库中的分类表,基于所述分类表中的单个分类标签与所述人脸图像的类别标记进行标签一致性匹配;
若所述分类表中的单个分类标签与人脸图像的类别标签一致,则提取所述分类表中单个分类标签所对应的人脸图像组;
若所述分类表中的单个分类标签与人脸图像的类别标签不一致,则停止所述分类表中的单个分类标签与人脸图像的类别标记进行匹配,输出人脸识别失败提示。
3.根据权利要求1或2所述的方法,其特征在于,所述将所述类别标签与人脸数据库中的分类表进行匹配,还包括:
获取所述人脸数据库中存储的人脸数据;
基于人脸数据库中的人脸数据利用分类器进行人脸数据分类,将类别相同的人脸数据整合为同一人脸图像组,并根据类别数量设置分类标签;
提取所述人脸图像组中的分类标签,对所述分类标签进行整合,以生成所述人脸数据库的分类表,其中,一个分类标签对应一个人脸图像组。
4.根据权利要求3所述的方法,其特征在于,所述获取所述人脸数据库中存储的人脸数据,还包括:
预设人脸数据更新时间;
若满足预设人脸数据更新时间,则获取人脸升级数据对所述人脸数据库进行数据升级。
5.根据权利要求1所述的方法,其特征在于,所述根据所述人脸图像组和所述带类别标签的初次人脸识别图像,计算所述人脸图像组中的单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度,包括:
获取所述人脸图像组中单张人脸图像与所述带类别标签的初次人脸识别图像;
基于余弦公式计算所述人脸图像组中的单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度。
6.根据权利要求1所述的方法,其特征在于,还包括:
预设人脸图像的识别时间;
判断在预设人脸图像的识别时间内是否能完成所述人脸图像的类别标签与人脸数据库中的分类表的匹配;
若在预设人脸图像的识别时间内完成所述人脸图像的类别标签与人脸数据库中的分类表的匹配,则计算所述人脸图像组中的单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度。
7.一种人脸识别装置,其特征在于,包括:
获取模块,用于获取带类别标签的初次人脸识别图像及预设人脸图像相似度;
确定模块,用于基于所述带类别标签的初次人脸识别图像提取该人脸图像中的类别标签,将所述类别标签与人脸数据库中的分类表进行匹配,并获取与匹配结果一致的分类标签所对应的人脸图像组;
计算模块,用于根据所述人脸图像组和所述带类别标签的初次人脸识别图像,计算所述人脸图像组中的单张人脸图像与所述带类别标签的初次人脸识别图像的匹配相似度;
判断模块,用于判断所述人脸图像匹配相似度是否大于预设人脸图像匹配相似度;
输出模块,用于若所述人脸图像匹配相似度满足预设人脸图像匹配相似度,则将人脸识别结果发送至人脸识别终端并进行显示。
8.一种人脸识别系统,其特征在于,包括:
人脸识别终端,用于获取待识别人脸识别图像,并对所述待识别人脸识别图像进行人脸识别以生成带分类标记的人脸图像;
云端对比平台,用于获取所述带分类标记的人脸图像,执行所述权利要求1-6任一项所述的人脸识别方法。
9.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-6任一项所述的人脸识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-6任一项所述的人脸识别方法。
CN202011350564.XA 2020-11-26 2020-11-26 一种人脸识别方法、装置、系统及电子设备 Pending CN112597803A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011350564.XA CN112597803A (zh) 2020-11-26 2020-11-26 一种人脸识别方法、装置、系统及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011350564.XA CN112597803A (zh) 2020-11-26 2020-11-26 一种人脸识别方法、装置、系统及电子设备

Publications (1)

Publication Number Publication Date
CN112597803A true CN112597803A (zh) 2021-04-02

Family

ID=75184220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011350564.XA Pending CN112597803A (zh) 2020-11-26 2020-11-26 一种人脸识别方法、装置、系统及电子设备

Country Status (1)

Country Link
CN (1) CN112597803A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113283305A (zh) * 2021-04-29 2021-08-20 百度在线网络技术(北京)有限公司 人脸识别方法、装置、电子设备及计算机可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107273796A (zh) * 2017-05-05 2017-10-20 珠海数字动力科技股份有限公司 一种基于人脸特征的快速人脸识别搜索方法
CN108960209A (zh) * 2018-08-09 2018-12-07 腾讯科技(深圳)有限公司 身份识别方法、装置及计算机可读存储介质
CN109919093A (zh) * 2019-03-07 2019-06-21 苏州科达科技股份有限公司 一种人脸识别方法、装置、设备及可读存储介质
WO2020093634A1 (zh) * 2018-11-06 2020-05-14 平安科技(深圳)有限公司 基于人脸识别的照片添加方法、装置、终端及存储介质
CN111325156A (zh) * 2020-02-24 2020-06-23 北京沃东天骏信息技术有限公司 人脸识别方法、装置、设备和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107273796A (zh) * 2017-05-05 2017-10-20 珠海数字动力科技股份有限公司 一种基于人脸特征的快速人脸识别搜索方法
CN108960209A (zh) * 2018-08-09 2018-12-07 腾讯科技(深圳)有限公司 身份识别方法、装置及计算机可读存储介质
WO2020093634A1 (zh) * 2018-11-06 2020-05-14 平安科技(深圳)有限公司 基于人脸识别的照片添加方法、装置、终端及存储介质
CN109919093A (zh) * 2019-03-07 2019-06-21 苏州科达科技股份有限公司 一种人脸识别方法、装置、设备及可读存储介质
CN111325156A (zh) * 2020-02-24 2020-06-23 北京沃东天骏信息技术有限公司 人脸识别方法、装置、设备和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113283305A (zh) * 2021-04-29 2021-08-20 百度在线网络技术(北京)有限公司 人脸识别方法、装置、电子设备及计算机可读存储介质
CN113283305B (zh) * 2021-04-29 2024-03-26 百度在线网络技术(北京)有限公司 人脸识别方法、装置、电子设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN110147726B (zh) 业务质检方法和装置、存储介质及电子装置
CN109284729B (zh) 基于视频获取人脸识别模型训练数据的方法、装置和介质
WO2020140665A1 (zh) 双录视频质量检测方法、装置、计算机设备和存储介质
US9367756B2 (en) Selection of representative images
US20150310012A1 (en) Object-based image search system and search method thereof
US9424466B2 (en) Shoe image retrieval apparatus and method using matching pair
WO2015101289A1 (zh) 图片管理方法、装置及系统
CN111160275B (zh) 行人重识别模型训练方法、装置、计算机设备和存储介质
WO2010006367A1 (en) Facial image recognition and retrieval
US9984304B2 (en) Method and system for recognizing user activity type
CN110263202A (zh) 图像搜索方法及设备
CN112036362A (zh) 图像处理方法、装置、计算机设备和可读存储介质
CN111967437A (zh) 文本识别方法、装置、设备及存储介质
CN111368867A (zh) 档案归类方法及系统、计算机可读存储介质
CN113704623A (zh) 一种数据推荐方法、装置、设备及存储介质
CN110795942B (zh) 基于语义识别的关键词确定方法、装置和存储介质
CN112597803A (zh) 一种人脸识别方法、装置、系统及电子设备
CN111241930A (zh) 一种用于人脸识别的方法及系统
CN113011301A (zh) 一种活体识别方法、装置及电子设备
US20220392192A1 (en) Target re-recognition method, device and electronic device
CN112270275B (zh) 基于图片识别的商品搜索方法、装置及计算机设备
CN110674342A (zh) 查询目标图像的方法和装置
CN116662589A (zh) 图像匹配方法、装置、电子设备以及存储介质
US11227186B2 (en) Method and device for training image recognition model and related device
US10956493B2 (en) Database comparison operation to identify an object

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