CN104077563B - 人脸识别方法和装置 - Google Patents
人脸识别方法和装置 Download PDFInfo
- Publication number
- CN104077563B CN104077563B CN201410240747.4A CN201410240747A CN104077563B CN 104077563 B CN104077563 B CN 104077563B CN 201410240747 A CN201410240747 A CN 201410240747A CN 104077563 B CN104077563 B CN 104077563B
- Authority
- CN
- China
- Prior art keywords
- facial image
- alignment
- specified
- similarity
- area
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开是关于一种人脸识别方法和装置,属于人脸识别技术领域。所述方法包括:获取第一人脸图像;确定所述第一人脸图像和指定人脸图像的相似度;确定所述第一人脸图像和所述指定人脸图像的干扰特征对所述相似度的干扰值;根据所述干扰值,调整所述相似度。本公开通过确定第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值,并根据该干扰值调整第一人脸图像和指定人脸图像的相似度,避免由于第一人脸图像和指定人脸图像中人脸上均有深框眼镜,或者第一人脸图像和指定人脸图像中人脸具有相同或相似的发型等原因,造成的将相似度不是很高的两个人脸误判为相似度较高,提高了识别的准确率。
Description
技术领域
本公开涉及人脸识别技术领域,尤其涉及一种人脸识别方法和装置。
背景技术
人脸是人们相互判别、认识、记忆的主要标识,人脸识别在计算机视觉、模式识别、多媒体技术研究中占有重要的地位。
相关技术中,人脸识别的方法一般都是依次两幅人脸图像进行人脸检测、特征点定位、特征提取,并根据提取的特征进行相似性度量,得到用于衡量两幅人脸图像相似度的分数。
当两幅人脸图像中人脸上均有深框眼镜,或者两幅人脸图像中人脸具有相同或相似的发型时,本来相似度不是很高的两个人脸,很有可能会被认为相似度较高,因此识别的准确率较低。
发明内容
为了克服相关技术中存在的识别的准确率较低的问题,本公开提供一种人脸识别方法和装置。所述技术方案如下:
根据本公开实施例的第一方面,提供一种人脸识别方法,适用于判断两个人脸图像的相似度,包括:
获取第一人脸图像;
确定所述第一人脸图像和指定人脸图像的相似度;
确定所述第一人脸图像和所述指定人脸图像的干扰特征对所述相似度的干扰值;
根据所述干扰值,调整所述相似度;
所述确定所述第一人脸图像和所述指定人脸图像的干扰特征对所述相似度的干扰值,包括:
将所述第一人脸图像和所述指定人脸图像分别与设定的平均形状模型对齐;
分别对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行肤色分析,确定对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域;
根据所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域,计算所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值;
所述根据所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域,计算所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值,包括:
分别将所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域的像素的特征值取为1,所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的肤色区域的特征值取为0;
对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行图像交;
统计对齐后的所述第一人脸图像和对齐后的所述指定人脸图像对应的像素的特征值均为1的像素的数量;
计算统计得到的数量与对齐后的所述第一人脸图像或对齐后的所述指定人脸图像的像素的总数的比值,得到所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值。
在本公开的第一种可能的实现方式中,所述分别对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行肤色分析,确定对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域,包括:
选取对齐后的所述第一人脸图像和对齐后的所述指定人脸图像中,与所述平均形状人脸模型中的设定肤色区域对应的区域为第一肤色区域;
提取所述第一肤色区域的肤色特征,并将对齐后的所述第一人脸图像和对齐后的所述指定人脸图像中,肤色特征与所述第一肤色区域的肤色特征相同的区域确定为第二肤色区域;
将对齐后的所述第一人脸图像和对齐后的所述指定人脸图像中,除所述第一肤色区域和所述第二肤色区域以外的所有区域,作为所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域。
在本公开的第二种可能的实现方式中,所述根据所述干扰值,调整所述相似度,包括:
按照预定的函数关系,根据所述干扰值,确定所述相似度的修正值;
将所述相似度减去所述修正值,得到调整后的所述相似度。
根据本公开实施例的第二方面,提供一种人脸识别装置,适用于判断两个人脸图像的相似度,包括:
获取模块,用于获取第一人脸图像;
识别模块,用于确定所述第一人脸图像和指定人脸图像的相似度;
干扰确定模块,用于确定所述第一人脸图像和所述指定人脸图像的干扰特征对所述相似度的干扰值;
修正模块,用于根据所述干扰值,调整所述相似度;
所述干扰确定模块包括:
对齐单元,用于将所述第一人脸图像和所述指定人脸图像分别与设定的平均形状模型对齐;
区域确定单元,用于分别对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行肤色分析,确定对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域;
干扰计算单元,用于根据所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域,计算所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值;
所述干扰计算单元用于,
分别将所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域的像素的特征值取为1,所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的肤色区域的特征值取为0;
对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行图像交;
统计对齐后的所述第一人脸图像和对齐后的所述指定人脸图像对应的像素的特征值均为1的像素的数量;
计算统计得到的数量与对齐后的所述第一人脸图像或对齐后的所述指定人脸图像的像素的总数的比值,得到所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值。
在本公开的第一种可能的实现方式中,所述区域确定单元用于,
选取对齐后的所述第一人脸图像和对齐后的所述指定人脸图像中,与所述平均形状人脸模型中的设定肤色区域对应的区域为第一肤色区域;
提取所述第一肤色区域的肤色特征,并将对齐后的所述第一人脸图像和对齐后的所述指定人脸图像中,肤色特征与所述第一肤色区域的肤色特征相同的区域确定为第二肤色区域;
将对齐后的所述第一人脸图像和对齐后的所述指定人脸图像中,除所述第一肤色区域和所述第二肤色区域以外的所有区域,作为所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域。
在本公开的第二种可能的实现方式中,所述修正模块包括:
修正值确定单元,用于按照预定的函数关系,根据所述干扰值,确定所述相似度的修正值;
分数计算单元,用于将所述相似度减去所述修正值,得到调整后的所述相似度。
根据本公开实施例的第三方面,提供一种人脸识别装置,适用于判断两个人脸图像的相似度,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取第一人脸图像;
确定所述第一人脸图像和指定人脸图像的相似度;
确定所述第一人脸图像和所述指定人脸图像的干扰特征对所述相似度的干扰值;
根据所述干扰值,调整所述相似度;
所述确定所述第一人脸图像和所述指定人脸图像的干扰特征对所述相似度的干扰值,包括:
将所述第一人脸图像和所述指定人脸图像分别与设定的平均形状模型对齐;
分别对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行肤色分析,确定对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域;
根据所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域,计算所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值;
所述根据所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域,计算所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值,包括:
分别将所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域的像素的特征值取为1,所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的肤色区域的特征值取为0;
对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行图像交;
统计对齐后的所述第一人脸图像和对齐后的所述指定人脸图像对应的像素的特征值均为1的像素的数量;
计算统计得到的数量与对齐后的所述第一人脸图像或对齐后的所述指定人脸图像的像素的总数的比值,得到所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值。
本公开的实施例提供的技术方案可以包括以下有益效果:通过确定第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值,并根据该干扰值调整第一人脸图像和指定人脸图像的相似度,避免由于第一人脸图像和指定人脸图像中人脸上均有深框眼镜,或者第一人脸图像和指定人脸图像中人脸具有相同或相似的发型等原因,造成的将相似度不是很高的两个人脸误判为相似度较高,提高了识别的准确率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种人脸识别方法的流程图;
图2是根据一示例性实施例示出的另一种人脸识别方法的流程图;
图3是根据一示例性实施例示出的一种人脸识别装置的框图;
图4是根据一示例性实施例示出的另一种人脸识别装置的框图;
图5是根据一示例性实施例示出的一种人脸识别装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种人脸识别方法的流程图,如图1所示,人脸识别方法用于移动终端中,适用于判断两个人脸图像的相似度,包括以下步骤。
在步骤S101中,获取第一人脸图像。
在步骤S102中,确定第一人脸图像和指定人脸图像的相似度。
在步骤S103中,确定第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值。
在本实施例中,干扰特征为第一人脸图像和指定人脸图像的人脸区域中特征值相同的非人脸部分的特征。干扰特征可以包括深框眼镜、头发、胡须等,本公开对此不作限制。干扰值用于衡量干扰特征对确定的相似度的干扰程度。
在步骤S104中,根据干扰值,调整相似度。
本公开实施例通过确定第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值,并根据该干扰值调整第一人脸图像和指定人脸图像的相似度,避免由于第一人脸图像和指定人脸图像中人脸上均有深框眼镜,或者第一人脸图像和指定人脸图像中人脸具有相同或相似的发型等原因,造成的将相似度不是很高的两个人脸误判为相似度较高,提高了识别的准确率。
图2是根据一示例性实施例示出的另一种人脸识别方法的流程图,如图2所示,人脸识别方法用于移动终端中,适用于判断两个人脸图像的相似度,包括以下步骤。
在步骤S201中,获取第一人脸图像和第二人脸图像。
在本实施例中,第二人脸图像为指定人脸图像,即指定人脸图像可以是从外界获取的。在其它实施例中,指定人脸图像也可以是预存在终端中的,本公开对此不作限制。
在本实施例的一种实现方式中,该步骤S201可以包括:
获取两幅图像;
分别对两幅图像进行人脸检测,在两幅图像中的一幅图像中确定第一人脸图像,在两幅图像中的另一幅图像中确定第二人脸图像。
在实际应用中,对两幅图像进行人脸检测可以采用基于Adaboost(AdaptiveBoosting,自适应增强)的人脸检测算法。首先对图像按照预定的比例依次缩放,然后在每个图像的20*20像素的子窗口依次判别是人脸,还是非人脸,最后得到图像中人脸的位置和大小。根据图像中人脸的位置和大小,在两幅图像中进行截取,即可得到第一人脸图像和第二人脸图像。
在步骤S202中,对第一人脸图像和第二人脸图像进行人脸识别,得到第一人脸图像和第二人脸图像的相似度。
在本实施例的另一种实现方式中,该步骤S202可以包括:
分别采用基于ASM(Active Shape Model,主动形状模型)的特征点定位算法,确定第一人脸图像的形状模型和第二人脸图像的形状模型;
根据第一人脸图像的形状模型,对第一人脸图像依次进行Gabor(伽柏)小波变换、PCA(Principal Component Analysis,主成分分析)、LDA(Linear DiscriminantAnalysis,线性判别分析),得到第一人脸图像的特征信息;
根据第二人脸图像的形状模型,对第二人脸图像进行Gabor小波变换、PCA、LDA,得到第二人脸图像的特征信息;
计算第一人脸图像的特征信息和第二人脸图像的特征信息之间的余弦距离,并根据余弦距离,得到第一人脸图像和第二人脸图像的相似度。
在实际应用中,采用基于ASM的特征点定位算法确定人脸图像的形状模型时,先在图像中进行初始定位,再针对初始定位的各个特征点,根据每个特征点的灰度模型,在图像中搜索每个特征点的准确位置并进行修正。经过多次搜索和修正,确定的形状模型可以较好地反映人脸。
第一人脸图像和第二人脸图像的相似度可以采用分数表示,如以100分为满分,90分表示第一人脸图像和第二人脸图像有90%的区域是相同的,相似度极高。
可以理解地,通过执行步骤S202即可实现确定第一人脸图像和指定人脸图像的相似度。
在步骤S203中,将第一人脸图像和第二人脸图像分别与设定的平均形状模型对齐。
在本实施例的又一种实现方式中,该步骤S203可以包括:
分别按照平均形状人脸模型,对第一人脸图像的形状模型和第二人脸图像的形状模型进行二维仿射变换。
在实际应用中,进行二维仿射变换时,只需针对人脸的形状模型和平均人脸形状模型计算转换函数即可。在对第一人脸图像的形状模型和第二人脸图像的形状模型进行二维仿射变换之后,可以得到大小相同的第一人脸图像和第二人脸图像,即与设定的平均形状模型对齐的第一人脸图像和第二人脸图像。
在步骤S204中,分别对对齐后的第一人脸图像和对齐后的第二人脸图像进行肤色分析,确定对齐后的第一人脸图像和对齐后的第二人脸图像的非肤色区域。
在本公开的又一种实现方式中,该步骤S204可以包括:
分别选取对齐后的第一人脸图像和对齐后的第二人脸图像中,与平均形状人脸模型中的设定肤色区域对应的区域为第一肤色区域;
分别提取第一肤色区域的肤色特征,并将对齐后的第一人脸图像和对齐后的第二人脸图像中,肤色特征与第一肤色区域的肤色特征相同的区域确定为第二肤色区域;
分别将对齐后的第一人脸图像和对齐后的第二人脸图像中,除第一肤色区域和第二肤色区域以外的所有区域,作为对齐后的第一人脸图像和对齐后的第二人脸图像的非肤色区域。
可以理解地,人脸中的脸颊部位为肤色区域的概率较大,因此可以将人脸中的脸颊部位作为设定肤色区域。在实际应用中,可以将平均形状人脸模型中脸颊部分的特征点标定为设定肤色区域。
在步骤S205中,根据对齐后的第一人脸图像和对齐后的第二人脸图像的非肤色区域,计算第一人脸图像和第二人脸图像的干扰特征对相似度的干扰值。
在本实施例中,干扰特征为第一人脸图像和第二人脸图像的人脸区域中特征值相同的非人脸部分的特征。干扰特征可以包括深框眼镜、头发、胡须等,本公开对此不作限制。干扰值用于衡量干扰特征对确定的相似度的干扰程度。
在本公开的又一种实现方式中,该步骤S205可以包括:
分别将对齐后的第一人脸图像和对齐后的第二人脸图像的非肤色区域的像素的特征值取为1,对齐后的第一人脸图像和对齐后的第二人脸图像的肤色区域的特征值取为0;
对对齐后的第一人脸图像和对齐后的第二人脸图像进行图像交;
统计对齐后的第一人脸图像和对齐后的第二人脸图像对应的像素的特征值均为1的像素的数量;
计算统计得到的数量与对齐后的第一人脸图像或对齐后的第二人脸图像的像素的总数的比值,得到第一人脸图像和第二人脸图像的干扰特征对相似度的干扰值。
在本实施例中,对齐后的第一人脸图像和对齐后的第二人脸图像的肤色区域包括第一肤色区域和第二肤色区域。
可以理解地,通过依次执行步骤S203-S205,即可实现确定第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值。
在步骤S206中,根据干扰值,调整相似度。
在本公开的又一种实现方式中,该步骤S206可以包括:
按照预定的函数关系,根据干扰值,确定相似度的修正值;
将相似度减去修正值,得到调整后的相似度。
例如,统计得到的数量与第一人脸图像或第二人脸图像的像素的总数的比值为80%,相似度为90分,则将修正值定为50分,第一人脸图像和第二人脸图像的调整后的相似度为90分减去50分,即40分。又如,统计得到的数量与第一人脸图像或第二人脸图像的像素的总数的比值为20%,相似度为80分,则将修正值定为10分,第一人脸图像和第二人脸图像的调整后的相似度为80分减去10分,即70分。
本公开实施例通过确定第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值,并根据该干扰值调整第一人脸图像和指定人脸图像的相似度,避免由于第一人脸图像和指定人脸图像中人脸上均有深框眼镜,或者第一人脸图像和指定人脸图像中人脸具有相同或相似的发型等原因,造成的将相似度不是很高的两个人脸误判为相似度较高,提高了识别的准确率。
图3是根据一示例性实施例示出的一种人脸识别装置的框图,适用于判断两个人脸图像的相似度,如图3所示,该装置包括获取模块301、识别模块302、干扰确定模块303和修正模块304。
该获取模块301被配置为获取第一人脸图像。
该识别模块302被配置为确定第一人脸图像和指定人脸图像的相似度。
该干扰确定模块303被配置为确定第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值。
该修正模块304被配置为根据干扰值,调整相似度。
本公开实施例通过确定第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值,并根据该干扰值调整第一人脸图像和指定人脸图像的相似度,避免由于第一人脸图像和指定人脸图像中人脸上均有深框眼镜,或者第一人脸图像和指定人脸图像中人脸具有相同或相似的发型等原因,造成的将相似度不是很高的两个人脸误判为相似度较高,提高了识别的准确率。
图4是根据一示例性实施例示出的另一种人脸识别装置的框图,适用于判断两个人脸图像的相似度,如图4所示,该装置包括获取模块401、识别模块402、干扰确定模块403和修正模块404。
该获取模块401被配置为获取第一人脸图像。
该识别模块402被配置为确定第一人脸图像和指定人脸图像的相似度。
该干扰确定模块403被配置为确定第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值。
该修正模块404被配置为根据干扰值,调整相似度。
在本实施例的一种实现方式中,该干扰确定模块403可以包括对齐单元4031、区域确定单元4032和干扰计算单元4033。
该对齐单元4031被配置为将第一人脸图像和指定人脸图像分别与设定的平均形状模型对齐。
该区域确定单元4032被配置为分别对对齐后的第一人脸图像和对齐后的指定人脸图像进行肤色分析,确定对齐后的第一人脸图像和对齐后的指定人脸图像的非肤色区域。
该干扰计算单元4033被配置为根据对齐后的第一人脸图像和对齐后的指定人脸图像的非肤色区域,计算第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值。
该区域确定单元4032可以用于,
选取对齐后的第一人脸图像和对齐后的指定人脸图像中,与平均形状人脸模型中的设定肤色区域对应的区域为第一肤色区域;
提取第一肤色区域的肤色特征,并将对齐后的第一人脸图像和对齐后的指定人脸图像中,肤色特征与第一肤色区域的肤色特征相同的区域确定为第二肤色区域;
将对齐后的第一人脸图像和对齐后的指定人脸图像中,除第一肤色区域和第二肤色区域以外的所有区域,作为对齐后的第一人脸图像和对齐后的指定人脸图像的非肤色区域。
该干扰计算单元4033可以用于,
分别将对齐后的第一人脸图像和对齐后的指定人脸图像的非肤色区域的像素的特征值取为1,对齐后的第一人脸图像和对齐后的指定人脸图像的肤色区域的特征值取为0;
对对齐后的第一人脸图像和对齐后的指定人脸图像进行图像交;
统计对齐后的第一人脸图像和对齐后的指定人脸图像对应的像素的特征值均为1的像素的数量;
计算统计得到的数量与对齐后的第一人脸图像或对齐后的指定人脸图像的像素的总数的比值,得到第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值。
在本实施例的另一种实现方式中,该修正模块404可以包括修正值确定单元4041和分数计算单元4042。
该修正值确定单元4041被配置为按照预定的函数关系,根据干扰值,确定相似度的修正值。
该分数计算单元4042被配置为将相似度减去修正值,得到调整后的相似度。
本公开实施例通过确定第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值,并根据该干扰值调整第一人脸图像和指定人脸图像的相似度,避免由于第一人脸图像和指定人脸图像中人脸上均有深框眼镜,或者第一人脸图像和指定人脸图像中人脸具有相同或相似的发型等原因,造成的将相似度不是很高的两个人脸误判为相似度较高,提高了识别的准确率。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图5是根据一示例性实施例示出的一种用于人脸识别方法的装置800的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图5,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,I/O(Input/Output,输入/输出)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理部件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800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804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SRAM(Static Random Access Memory,静态随机存取存储器),EEPROM(Electrically Erasable Programmable Read-Only Memory,电可擦除可编程只读存储器),EPROM(Erasable Programmable Read Only Memory,可擦除可编程只读存储器),PROM(Programmable Read-Only Memory,可编程只读存储器),ROM(Read-Only Memory,只读存储器),磁存储器,快闪存储器,磁盘或光盘。
电力组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理***,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在该装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括LCD(Liquid Crystal Display,液晶显示器)和TP(Touch Panel,触摸面板)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。该触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与该触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个MIC(Microphone,麦克风),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如该组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS(Complementary Metal OxideSemiconductor,互补金属氧化物半导体)或CCD(Charge-coupled Device,电荷耦合元件)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi(Wireless Fidelity,无线保真技术),2G(Second Generation mobile communication technology,第二代移动通讯技术)或3G(3rd Generation mobile communication technology,第三代移动通讯技术),或它们的组合。在一个示例性实施例中,通信部件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,该通信部件816还包括NFC(Near FieldCommunication,近场通信)模块,以促进短程通信。例如,在NFC模块可基于RFID(RadioFrequency Identification,射频识别)技术,IrDA(Infrared Data Association,红外数据协会)技术,UWB(Ultra Wideband,超宽带)技术,BT(Blue Tooth,蓝牙)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个ASIC(Application SpecificIntegrated Circuit,应用专用集成电路)、DSP(Digital Signal Processing,数字信号处理器)、DSPD(Digital Signal Processing Device,数字信号处理设备)、PLD(Programmable Logic Device,可编程逻辑器件)、FPGA(Field-Programmable GateArray,现场可编程门阵列)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。例如,该非临时性计算机可读存储介质可以是ROM、RAM(Ramdom Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,光盘只读存储器)、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当该存储介质中的指令由终端(智能电视)的处理器执行时,使得终端能执行一种人脸识别方法,该方法包括:
获取第一人脸图像;
确定第一人脸图像和指定人脸图像的相似度;
确定第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值;
根据干扰值,调整相似度。
在本实施例的一种实现方式中,确定第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值,包括:
将第一人脸图像和指定人脸图像分别与设定的平均形状模型对齐;
分别对对齐后的第一人脸图像和对齐后的指定人脸图像进行肤色分析,确定对齐后的第一人脸图像和对齐后的指定人脸图像的非肤色区域;
根据对齐后的第一人脸图像和对齐后的指定人脸图像的非肤色区域,计算第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值。
在本实施例的另一种实现方式中,分别对对齐后的第一人脸图像和对齐后的指定人脸图像进行肤色分析,确定对齐后的第一人脸图像和对齐后的指定人脸图像的非肤色区域,包括:
选取对齐后的第一人脸图像和对齐后的指定人脸图像中,与平均形状人脸模型中的设定肤色区域对应的区域为第一肤色区域;
提取第一肤色区域的肤色特征,并将对齐后的第一人脸图像和对齐后的指定人脸图像中,肤色特征与第一肤色区域的肤色特征相同的区域确定为第二肤色区域;
将对齐后的第一人脸图像和对齐后的指定人脸图像中,除第一肤色区域和第二肤色区域以外的所有区域,作为对齐后的第一人脸图像和对齐后的指定人脸图像的非肤色区域。
在本实施例的又一种实现方式中,根据对齐后的第一人脸图像和对齐后的指定人脸图像的非肤色区域,计算第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值,包括:
分别将对齐后的第一人脸图像和对齐后的指定人脸图像的非肤色区域的像素的特征值取为1,对齐后的第一人脸图像和对齐后的指定人脸图像的肤色区域的特征值取为0;
对对齐后的第一人脸图像和对齐后的指定人脸图像进行图像交;
统计对齐后的第一人脸图像和对齐后的指定人脸图像对应的像素的特征值均为1的像素的数量;
计算统计得到的数量与对齐后的第一人脸图像或对齐后的指定人脸图像的像素的总数的比值,得到第一人脸图像和指定人脸图像的干扰特征对相似度的干扰值。
在本实施例的又一种实现方式中,根据干扰值,调整相似度,包括:
按照预定的函数关系,根据干扰值,确定相似度的修正值;
将相似度减去修正值,得到调整后的相似度。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (7)
1.一种人脸识别方法,适用于判断两个人脸图像的相似度,其特征在于,包括:
获取第一人脸图像;
确定所述第一人脸图像和指定人脸图像的相似度;
确定所述第一人脸图像和所述指定人脸图像的干扰特征对所述相似度的干扰值;
根据所述干扰值,调整所述相似度;
所述确定所述第一人脸图像和所述指定人脸图像的干扰特征对所述相似度的干扰值,包括:
将所述第一人脸图像和所述指定人脸图像分别与设定的平均形状模型对齐;
分别对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行肤色分析,确定对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域;
根据所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域,计算所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值;
所述根据所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域,计算所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值,包括:
分别将所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域的像素的特征值取为1,所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的肤色区域的特征值取为0;
对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行图像交;
统计对齐后的所述第一人脸图像和对齐后的所述指定人脸图像对应的像素的特征值均为1的像素的数量;
计算统计得到的数量与对齐后的所述第一人脸图像或对齐后的所述指定人脸图像的像素的总数的比值,得到所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值。
2.根据权利要求1所述的方法,其特征在于,所述分别对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行肤色分析,确定对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域,包括:
选取对齐后的所述第一人脸图像和对齐后的所述指定人脸图像中,与所述平均形状人脸模型中的设定肤色区域对应的区域为第一肤色区域;
提取所述第一肤色区域的肤色特征,并将对齐后的所述第一人脸图像和对齐后的所述指定人脸图像中,肤色特征与所述第一肤色区域的肤色特征相同的区域确定为第二肤色区域;
将对齐后的所述第一人脸图像和对齐后的所述指定人脸图像中,除所述第一肤色区域和所述第二肤色区域以外的所有区域,作为所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述干扰值,调整所述相似度,包括:
按照预定的函数关系,根据所述干扰值,确定所述相似度的修正值;
将所述相似度减去所述修正值,得到调整后的所述相似度。
4.一种人脸识别装置,适用于判断两个人脸图像的相似度,其特征在于,包括:
获取模块,用于获取第一人脸图像;
识别模块,用于确定所述第一人脸图像和指定人脸图像的相似度;
干扰确定模块,用于确定所述第一人脸图像和所述指定人脸图像的干扰特征对所述相似度的干扰值;
修正模块,用于根据所述干扰值,调整所述相似度;
所述干扰确定模块包括:
对齐单元,用于将所述第一人脸图像和所述指定人脸图像分别与设定的平均形状模型对齐;
区域确定单元,用于分别对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行肤色分析,确定对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域;
干扰计算单元,用于根据所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域,计算所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值;
所述干扰计算单元用于,
分别将所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域的像素的特征值取为1,所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的肤色区域的特征值取为0;
对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行图像交;
统计对齐后的所述第一人脸图像和对齐后的所述指定人脸图像对应的像素的特征值均为1的像素的数量;
计算统计得到的数量与对齐后的所述第一人脸图像或对齐后的所述指定人脸图像的像素的总数的比值,得到所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值。
5.根据权利要求4所述的装置,其特征在于,所述区域确定单元用于,
选取对齐后的所述第一人脸图像和对齐后的所述指定人脸图像中,与所述平均形状人脸模型中的设定肤色区域对应的区域为第一肤色区域;
提取所述第一肤色区域的肤色特征,并将对齐后的所述第一人脸图像和对齐后的所述指定人脸图像中,肤色特征与所述第一肤色区域的肤色特征相同的区域确定为第二肤色区域;
将对齐后的所述第一人脸图像和对齐后的所述指定人脸图像中,除所述第一肤色区域和所述第二肤色区域以外的所有区域,作为所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域。
6.根据权利要求4或5所述的装置,其特征在于,所述修正模块包括:
修正值确定单元,用于按照预定的函数关系,根据所述干扰值,确定所述相似度的修正值;
分数计算单元,用于将所述相似度减去所述修正值,得到调整后的所述相似度。
7.一种人脸识别装置,适用于判断两个人脸图像的相似度,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取第一人脸图像;
确定所述第一人脸图像和指定人脸图像的相似度;
确定所述第一人脸图像和所述指定人脸图像的干扰特征对所述相似度的干扰值;
根据所述干扰值,调整所述相似度;
所述确定所述第一人脸图像和所述指定人脸图像的干扰特征对所述相似度的干扰值,包括:
将所述第一人脸图像和所述指定人脸图像分别与设定的平均形状模型对齐;
分别对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行肤色分析,确定对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域;
根据所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域,计算所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值;
所述根据所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域,计算所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值,包括:
分别将所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的非肤色区域的像素的特征值取为1,所述对齐后的所述第一人脸图像和对齐后的所述指定人脸图像的肤色区域的特征值取为0;
对对齐后的所述第一人脸图像和对齐后的所述指定人脸图像进行图像交;
统计对齐后的所述第一人脸图像和对齐后的所述指定人脸图像对应的像素的特征值均为1的像素的数量;
计算统计得到的数量与对齐后的所述第一人脸图像或对齐后的所述指定人脸图像的像素的总数的比值,得到所述第一人脸图像和所述指定人脸图像的干扰特征对相似度的干扰值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410240747.4A CN104077563B (zh) | 2014-05-30 | 2014-05-30 | 人脸识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410240747.4A CN104077563B (zh) | 2014-05-30 | 2014-05-30 | 人脸识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104077563A CN104077563A (zh) | 2014-10-01 |
CN104077563B true CN104077563B (zh) | 2018-02-02 |
Family
ID=51598811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410240747.4A Active CN104077563B (zh) | 2014-05-30 | 2014-05-30 | 人脸识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104077563B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6572629B2 (ja) * | 2015-06-03 | 2019-09-11 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN104899579A (zh) * | 2015-06-29 | 2015-09-09 | 小米科技有限责任公司 | 人脸识别方法和装置 |
CN106919884A (zh) * | 2015-12-24 | 2017-07-04 | 北京汉王智远科技有限公司 | 面部表情识别方法及装置 |
CN106980819A (zh) * | 2017-03-03 | 2017-07-25 | 竹间智能科技(上海)有限公司 | 基于人脸五官的相似度判别*** |
CN107506687B (zh) | 2017-07-17 | 2020-01-21 | Oppo广东移动通信有限公司 | 活体检测方法及相关产品 |
CN109272006A (zh) * | 2017-07-18 | 2019-01-25 | 北京柯斯元科技有限公司 | 随机纹理防伪标识图案判定***及判定方法 |
WO2020258119A1 (zh) * | 2019-06-27 | 2020-12-30 | 深圳市汇顶科技股份有限公司 | 人脸识别的方法、装置和电子设备 |
CN110532746B (zh) * | 2019-07-24 | 2021-07-23 | 创新先进技术有限公司 | 人脸校验方法、装置、服务器及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034079A (zh) * | 2009-09-24 | 2011-04-27 | 汉王科技股份有限公司 | 眼镜遮挡下的人脸识别方法和*** |
CN103020579A (zh) * | 2011-09-22 | 2013-04-03 | 上海银晨智能识别科技有限公司 | 人脸识别方法及***、人脸图像的眼镜框去除方法与装置 |
CN103136533A (zh) * | 2011-11-28 | 2013-06-05 | 汉王科技股份有限公司 | 基于动态阈值的人脸识别方法及装置 |
-
2014
- 2014-05-30 CN CN201410240747.4A patent/CN104077563B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034079A (zh) * | 2009-09-24 | 2011-04-27 | 汉王科技股份有限公司 | 眼镜遮挡下的人脸识别方法和*** |
CN103020579A (zh) * | 2011-09-22 | 2013-04-03 | 上海银晨智能识别科技有限公司 | 人脸识别方法及***、人脸图像的眼镜框去除方法与装置 |
CN103136533A (zh) * | 2011-11-28 | 2013-06-05 | 汉王科技股份有限公司 | 基于动态阈值的人脸识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104077563A (zh) | 2014-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104077563B (zh) | 人脸识别方法和装置 | |
CN104156947B (zh) | 图像分割方法、装置及设备 | |
CN104408402B (zh) | 人脸识别方法及装置 | |
CN107454465A (zh) | 视频播放进度展示方法及装置、电子设备 | |
CN104700353B (zh) | 图像滤镜生成方法及装置 | |
CN107123081A (zh) | 图像处理方法、装置及终端 | |
CN106503617A (zh) | 模型训练方法及装置 | |
CN106548145A (zh) | 图像识别方法及装置 | |
CN104036240B (zh) | 人脸特征点的定位方法和装置 | |
CN107122679A (zh) | 图像处理方法及装置 | |
CN105760884B (zh) | 图片类型的识别方法及装置 | |
CN106934320B (zh) | 指纹识别方法及装置 | |
CN105512605A (zh) | 人脸图像处理方法及装置 | |
CN105357425B (zh) | 图像拍摄方法及装置 | |
CN106295515A (zh) | 确定图像中的人脸区域的方法及装置 | |
CN105528078B (zh) | 控制电子设备的方法及装置 | |
CN107480665A (zh) | 文字检测方法、装置及计算机可读存储介质 | |
CN103886284B (zh) | 人物属性信息识别方法、装置及电子设备 | |
CN106971164A (zh) | 脸型匹配方法及装置 | |
CN105354560A (zh) | 指纹识别方法及装置 | |
CN106295499A (zh) | 年龄估计方法及装置 | |
CN107958223B (zh) | 人脸识别方法及装置、移动设备、计算机可读存储介质 | |
CN110717399A (zh) | 人脸识别方法和电子终端设备 | |
CN105574512A (zh) | 图像处理的方法和装置 | |
CN107213642A (zh) | 虚拟人物外观改变方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |