CN104537389B - 人脸识别方法和装置 - Google Patents

人脸识别方法和装置 Download PDF

Info

Publication number
CN104537389B
CN104537389B CN201410837771.6A CN201410837771A CN104537389B CN 104537389 B CN104537389 B CN 104537389B CN 201410837771 A CN201410837771 A CN 201410837771A CN 104537389 B CN104537389 B CN 104537389B
Authority
CN
China
Prior art keywords
face
sample
picture frame
user name
threshold value
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
CN201410837771.6A
Other languages
English (en)
Other versions
CN104537389A (zh
Inventor
钟金焰
郑建兵
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.)
Sengled Optoelectronics Co Ltd
Original Assignee
Sengled Optoelectronics 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 Sengled Optoelectronics Co Ltd filed Critical Sengled Optoelectronics Co Ltd
Priority to CN201410837771.6A priority Critical patent/CN104537389B/zh
Publication of CN104537389A publication Critical patent/CN104537389A/zh
Application granted granted Critical
Publication of CN104537389B publication Critical patent/CN104537389B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • 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
    • G06V40/164—Detection; Localisation; Normalisation using holistic features

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明实施例提供一种人脸识别方法和装置，通过采用图像统计学特征将目标人脸的图片帧序列与人脸样本库中的图片集进行比对，若判断获知与目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占图片帧序列的比例大于预设的第一门限值且小于预设的第二门限值，其中，第二门限值大于第一门限值，则将匹配失败的图片帧添加到人脸样本库中与样本人脸对应的图片集中。实现了人脸样本库的自动学习和修正过程，避免用户执行繁琐的修正操作，随着使用时间的积累，人脸识别的准确率将越来越高，提高了人脸识别***的实用性。

Description

人脸识别方法和装置
技术领域
本发明涉及通信技术领域，尤其涉及一种人脸识别方法和装置。
背景技术
人脸识别指通过人脸进行身份确认或者身份查找的技术或***，人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流，首先判断其是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息，并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。
人脸识别过程一般分三步：
(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。
(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。
(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。
然而，普通的人脸识别算法中，被检测对象的发型、衣着、以及环境背景、光照等都会影响检测的准确度，而且一旦采集完样本之后，识别的准确率基本就固定了，想要再提高性能很难，因此，适应性和实用性较差，具有一定的局限性。
发明内容
本发明提供一种人脸识别方法和装置，以解决现有技术中人脸样本库不能自动学习，动态更新，导致人脸识别的准确率低，适应性和实用性较差的技术缺陷。
根据本发明的第一方面，提供一种人脸识别方法，包括：
获取待识别的目标人脸的图片帧序列；
采用图像统计学特征将所述图片帧序列与预先建立的人脸样本库中的图片集进行比对；
若判断获知与所述目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占所述图片帧序列的比例大于预设的第一门限值且小于预设的第二门限值，其中，所述第二门限值大于所述第一门限值，则将匹配失败的图片帧添加到所述人脸样本库中与所述样本人脸对应的图片集中。
根据本发明的第二方面，提供一种人脸识别装置，包括：设备主体，还包括：
获取模块，用于获取待识别的目标人脸的图片帧序列；
判断模块，用于采用图像统计学特征将所述图片帧序列与预先建立的人脸样本库中的图片集进行比对；
处理模块，用于若判断获知与所述目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占所述图片帧序列的比例大于预设的第一门限值且小于预设的第二门限值，其中，所述第二门限值大于所述第一门限值，则将匹配失败的图片帧添加到所述人脸样本库中与所述样本人脸对应的图片集中。
本发明实施例提供的人脸识别方法和装置，通过采用图像统计学特征将目标人脸的图片帧序列与人脸样本库中的图片集进行比对，若判断获知与目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占图片帧序列的比例大于预设的第一门限值且小于预设的第二门限值，其中，第二门限值大于第一门限值，则将匹配失败的图片帧添加到人脸样本库中与样本人脸对应的图片集中。实现了人脸样本库的自动学习和修正过程，避免用户执行繁琐的修正操作，随着使用时间的积累，人脸识别的准确率将越来越高，提高了人脸识别***的实用性。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明人脸识别方法实施例一的流程示意图；
图2为本发明人脸识别方法实施例二的流程示意图；
图3为本发明人脸识别装置实施例一的结构示意图。
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。
图1为本发明人脸识别方法实施例一的流程示意图，如图1所示，该方法包括：
步骤100，获取待识别的目标人脸的图片帧序列；
终端设备获取待识别的目标人脸的图片帧序列，具体地获取方式可以根据终端设备的软硬件配置情况灵活设置，具体如下：
应用场景一，若终端设备可以与互联网进行通信交互，比如手机、电脑等，设置在互联网内的相关服务器可以向终端设备直接提供待识别的目标人脸的图片帧序列。或者，相关服务器可以向终端设备提供多媒体数据流，终端设备通过人脸检测和人脸跟踪的数学模型检测多媒体数据流，从确定出现目标人脸的时刻开始进行图像采集，到预设的时间点结束图像采集，从而获取在预设的时间段内目标人脸的图片帧序列。
应用场景二，若终端设备上设置有带有图像采集功能的设备比如摄像头和/或扫描仪，终端设备可以通过带有图像采集功能的设备获取多媒体数据流，终端设备具体包括：相机、摄像机、带有摄像头的手机、带有摄像头的电脑以及带有摄像头的门禁***。具体来说，终端设备可以通过扫描仪扫描照片或者待处理的图像信息获取多媒体数据流，当通过人脸检测和人脸跟踪的数学模型确定出现目标人脸的时刻，从当前时刻开始进行图像采集，到预设的时间点结束图像采集，从而在预设的时间段内采集目标人脸的图片帧序列。或者，终端设备可以预先设置的时间自动开启摄像头，如果摄像头较多，可以有选择的开启，或者可以对摄像头的角度进行自动调节设置，从而通过摄像头拍摄周边环境使终端设备获取多媒体数据流，当通过人脸检测和人脸跟踪的数学模型确定出现目标人脸的时刻，从当前时刻开始进行图像采集，到预设的时间点结束图像采集，从而在预设的时间段内采集目标人脸的图片帧序列。
需要注意的是，上述具体介绍的两种应用场景可以结合设置，也可以根据需要进行选择，本实施例对此不做限制。
步骤101，采用图像统计学特征将所述图片帧序列与预先建立的人脸样本库中的图片集进行比对；
终端设备获取待识别的目标人脸的图片帧序列之后，采用图像统计学特征将图片帧序列与预先建立的人脸样本库中的图片集进行比对，具体地，终端设备对图片帧序列中的目标人脸的轮廓、眉毛、眼睛、鼻子、嘴唇等特征进行提取，采用图像统计学特征将与预先建立的人脸样本库中的图片集进行比对，需要说明的是，图像统计学特征包括：Haar特征、FisherFace特征和LBPH特征，本领域技术人员可以根据应用需要进行选择，Haar特征、FisherFace特征和LBPH特征属于现有技术，此处在赘述。
其中，终端设备中预先建立的人脸样本库可以是终端设备包括产品制造商已经固化的那些人脸样本库，较为灵活的是，本实施例中的人脸样本库不仅可以包括产品制造商已经固化的那些人脸样本库，还可以是用户根据自己的应用需要存储人脸样本库。具体地，若终端设备上设置有带有图像采集功能的设备比如摄像头和/或扫描仪，终端设备可以通过带有图像采集功能的设备获取多媒体数据流，终端设备具体包括：相机、摄像机、带有摄像头的手机、带有摄像头的电脑以及带有摄像头的门禁***。终端设备通过带有图像采集功能的设备对人脸进行采样，并通过终端设备上的APP应用软件或者相关的网站设置与所采集的图片集样本对应的用户名，建立人脸样本库。
步骤102，若判断获知与所述目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占所述图片帧序列的比例大于预设的第一门限值且小于预设的第二门限值，其中，所述第二门限值大于所述第一门限值，则将匹配失败的图片帧添加到所述人脸样本库中与所述样本人脸对应的图片集中。
终端设备采用图像统计学特征将图片帧序列与预先建立的人脸样本库中的图片集进行比对之后，终端设备判断人脸样本库中与目标人脸匹配的样本人脸是否唯一，也就是说，人脸样本库中是否只有一个样本人脸可以与目标人脸匹配成功，其它的样本人脸都与目标人脸匹配失败。终端设备若判断获知人脸样本库中与目标人脸匹配的样本人脸唯一，则继续判断匹配成功的图片帧占目标人脸的图片帧序列的比例是否介于预设的第一门限值与第二门限值之间，其中，第二门限值大于第一门限值，即该比例大于第一门限值且小于第二门限值，若判断获知该比例大于第一门限值且小于第二门限值，则说明目标人脸与样本人脸的匹配度中等，但是人脸样本库中与该样本人脸对应的样本不充分，从而要根据目标人脸的图片帧序列更新人脸样本库中与样本人脸对应的样本，即将目标人脸的图片帧序列中匹配失败的图片帧添加到人脸样本库中与所述样本人脸对应的图片集中，和以前的样本一起重新训练，以提高下次识别的准确率。
需要说明的是，本实施例中的第一门限值和第二门限值是本领域技术人员根据实际应用需要进行设置的，并可以根据实际应用需求的变化而动态调整。
本实施例提供的人脸识别方法，通过采用图像统计学特征将目标人脸的图片帧序列与人脸样本库中的图片集进行比对，若判断获知与目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占图片帧序列的比例大于预设的第一门限值且小于预设的第二门限值，其中，第二门限值大于第一门限值，则将匹配失败的图片帧添加到人脸样本库中与样本人脸对应的图片集中。实现了人脸样本库的自动学习和修正过程，避免用户执行繁琐的修正操作，随着使用时间的积累，人脸识别的准确率将越来越高，提高了人脸识别***的实用性。
基于上述实施例，进一步的，所述方法还包括：
终端设备若判断获知人脸样本库中与目标人脸匹配的样本人脸唯一，且判断获知匹配成功的图片帧占目标人脸的图片帧序列的比例小于等于预设的第一门限值，则说明目标人脸与样本人脸的匹配度低，人脸样本库中与该样本人脸对应的样本也不充分，从而要根据目标人脸的图片帧序列更新人脸样本库中与该样本人脸对应的样本。
具体地更新过程为，首先终端设备提示用户输入用户名，具体的提示方式可以通过语音提示或者对话框提示的方式，本实施例对此不做限制。当终端设备接收到用户输入的用户名之后，判断用户输入的用户名是否与从人脸样本库与匹配出来的样本人脸所对应的用户名一致，若判断获知一致，则说明匹配正确，但是人脸样本库中与该样本人脸对应的样本不充分，从而将匹配失败的图片帧添加到人脸样本库中与样本人脸对应的图片集中，和以前的样本一起重新训练，以提高下次识别的准确率。
终端设备若判断获知用户输入的用户名与从人脸样本库与匹配出来的样本人脸所对应的用户名不一致，则说明匹配错误，人脸样本库中没有存储该目标人脸对应的样本，从而将该目标人脸的图片帧序列添加到人脸样本库中新建的、与用户输入的用户名对应的图片集中，从而完善人脸样本库，以进一步地提高下次识别的准确率。
基于上述实施例，进一步的，所述方法还包括：
终端设备若判断获知人脸样本库中与目标人脸匹配的样本人脸唯一，且判断获知匹配成功的图片帧占目标人脸的图片帧序列的比例大于等于预设的第二门限值，则说明目标人脸与样本人脸的匹配度高，人脸样本库中与该样本人脸对应的样本充分，可以准确识别出该目标人脸，匹配结束。
基于上述实施例，进一步的，所述方法还包括：
终端设备采用图像统计学特征将图片帧序列与预先建立的人脸样本库中的图片集进行比对之后，终端设备若判断获知人脸样本库中与目标人脸匹配的样本人脸不唯一，也就是说，人脸样本库中至少有两个样本人脸可以与目标人脸匹配成功，则说明匹配错误，人脸样本库中的样本有错误，从而要根据目标人脸的图片帧序列更新人脸样本库中与该样本人脸对应的样本。
具体地更新过程为，首先终端设备提示用户输入用户名，具体的提示方式可以通过语音提示或者对话框提示的方式，本实施例对此不做限制。当终端设备接收到用户输入的用户名之后，判断用户输入的用户名是否属于人脸样本库中匹配出来的至少两个样本人脸对应的用户名，若判断获知用户输入的用户名属于人脸样本库中匹配出来的至少两个样本人脸对应的用户名，则说明人脸样本库中与该样本人脸对应的样本错误，从而将目标人脸的图片帧序列添加到人脸样本库中，替换与用户输入的用户名对应的样本人脸对应的图片集，以提高下次识别的准确率。
终端设备若判断获知用户输入的用户名不属于人脸样本库中匹配出来的至少两个样本人脸对应的用户名，则说明人脸样本库中没有存储该目标人脸对应的样本，从而将该目标人脸的图片帧序列添加到人脸样本库中新建的、与用户输入的用户名对应的图片集中，从而完善人脸样本库，以进一步地提高下次识别的准确率。
图2为本发明人脸识别方法实施例二的流程示意图，本实施例以具有摄像头的家庭门禁***为例详细说明人脸识别方法的过程，如图2所示，该方法包括：
本实施例介绍的人脸识别方法应用于具有摄像头的家庭门禁***，假设一个家庭中有A、B、C三个人，第一次使用的时候，家庭门禁***通过摄像头对每个人的脸进行采样，并且通过APP应用软件或者或者网页设置采样的样本人脸对应的用户名，从而建立人脸样本库。
步骤200，当A的脸(目标人脸)出现在摄像头中，家庭门禁***将从当前时刻开始，以每秒30帧图像的速度采集3秒，获取90帧的图片帧序列；
步骤201，采用图像统计学特征将所述图片帧序列与预先建立的人脸样本库中的图片集进行比对；
步骤202，判断与所述目标人脸匹配的样本人脸是否唯一，若是，则执行步骤203，否则，执行步骤207；
步骤203，判断匹配成功的图片帧占所述图片帧序列的比例是否介于50％(预设的第一门限值)-90％(预设的第二门限值)之间；
步骤204，若判断获知匹配成功的图片帧占所述图片帧序列的比例大于50％且小于90％，则将匹配失败的图片帧添加到人脸样本库中与样本人脸对应的图片集中。
步骤205，若判断获知匹配成功的图片帧占所述图片帧序列的比例大于等于90％，则匹配结束。
步骤206，若判断获知匹配成功的图片帧占所述图片帧序列的比例小于等于50％，则提示用户输入用户名，判断所述人脸样本库中与所述样本人脸对应的用户名与所述用户输入的用户名是否一致，若是，则将匹配失败的图片帧添加到所述人脸样本库中与所述样本人脸对应的图片集中；否则，将所述图片帧序列添加到所述人脸样本库中新建的、与所述用户输入的用户名对应的图片集中。
步骤207，提示用户输入用户名，判断所述用户输入的用户名是否属于从所述人脸样本库中匹配出的至少两个样本人脸所对应的用户名，若是，则将所述图片帧序列添加到人脸样本库中，替换与所述用户输入的用户名对应的样本人脸对应的图片集，否则，将所述图片帧序列添加到所述人脸样本库中新建的、与所述用户输入的用户名对应的图片集中。
与现有技术相比，本实施例提供的人脸识别方法的优点在于：在人脸识别过程中，***本质上是自动的执行一个学习的过程。随着这套***使用的时间越来越长，人脸识别的准确率将越来越高，而且不需要用户执行繁琐的修正操作，***将自动学习，自主修正。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图3为本发明人脸识别装置实施例一的结构示意图，如图3所示，该装置包括：设备主体11，还包括：获取模块12、判断模块13和处理模块14，其中，获取模块12，用于获取待识别的目标人脸的图片帧序列；判断模块13，用于采用图像统计学特征将所述图片帧序列与预先建立的人脸样本库中的图片集进行比对；处理模块14，用于若判断获知与所述目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占所述图片帧序列的比例大于预设的第一门限值且小于预设的第二门限值，其中，所述第二门限值大于所述第一门限值，则将匹配失败的图片帧添加到所述人脸样本库中与所述样本人脸对应的图片集中。
具体地，终端设备获取待识别的目标人脸的图片帧序列，具体地获取方式可以根据终端设备的软硬件配置情况灵活设置，具体如下：
应用场景一，若终端设备可以与互联网进行通信交互，比如手机、电脑等，设置在互联网内的相关服务器可以向终端设备直接提供待识别的目标人脸的图片帧序列。或者，相关服务器可以向终端设备提供多媒体数据流，终端设备通过人脸检测和人脸跟踪的数学模型检测多媒体数据流，从确定出现目标人脸的时刻开始进行图像采集，到预设的时间点结束图像采集，从而获取在预设的时间段内目标人脸的图片帧序列。
应用场景二，若终端设备上设置有带有图像采集功能的设备比如摄像头和/或扫描仪，终端设备可以通过带有图像采集功能的设备获取多媒体数据流，终端设备具体包括：相机、摄像机、带有摄像头的手机、带有摄像头的电脑以及带有摄像头的门禁***。具体来说，终端设备可以通过扫描仪扫描照片或者待处理的图像信息获取多媒体数据流，当通过人脸检测和人脸跟踪的数学模型确定出现目标人脸的时刻，从当前时刻开始进行图像采集，到预设的时间点结束图像采集，从而在预设的时间段内采集目标人脸的图片帧序列。或者，终端设备可以预先设置的时间自动开启摄像头，如果摄像头较多，可以有选择的开启，或者可以对摄像头的角度进行自动调节设置，从而通过摄像头拍摄周边环境使终端设备获取多媒体数据流，当通过人脸检测和人脸跟踪的数学模型确定出现目标人脸的时刻，从当前时刻开始进行图像采集，到预设的时间点结束图像采集，从而在预设的时间段内采集目标人脸的图片帧序列。
需要注意的是，上述具体介绍的两种应用场景可以结合设置，也可以根据需要进行选择，本实施例对此不做限制。
进一步地，
处理模块14，还用于通过所述带有图像采集功能的设备对人脸进行采样，并设置与所采集的图片集样本对应的用户名，建立人脸样本库。
进一步地，
判断模块13，还用于若判断获知与所述目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占所述图片帧序列的比例大于等于所述第二门限值，则匹配结束。
进一步地，
判断模块13，还用于若判断获知与所述目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占所述图片帧序列的比例小于等于所述第一门限值，则提示用户输入用户名；
处理模块14，还用于判断所述人脸样本库中与所述样本人脸对应的用户名与所述用户输入的用户名是否一致，若是，则将匹配失败的图片帧添加到所述人脸样本库中与所述样本人脸对应的图片集中；否则，将所述图片帧序列添加到所述人脸样本库中新建的、与所述用户输入的用户名对应的图片集中。
进一步地，
判断模块13，还用于若判断获知与所述目标人脸匹配的样本人脸不唯一，则提示用户输入用户名；
处理模块14，还用于判断所述用户输入的用户名是否属于从所述人脸样本库中匹配出的至少两个样本人脸所对应的用户名，若是，则将所述图片帧序列添加到人脸样本库中，替换与所述用户输入的用户名对应的样本人脸对应的图片集，否则，将所述图片帧序列添加到所述人脸样本库中新建的、与所述用户输入的用户名对应的图片集中。
本实施例提供的终端设备中各模块的功能和处理流程，可以参见上述图1所示的方法实施例，其实现原理和技术效果类似，此处不再赘述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (16)

1.一种人脸识别方法，其特征在于，包括：
获取待识别的目标人脸的图片帧序列；
采用图像统计学特征将所述图片帧序列与预先建立的人脸样本库中的图片集进行比对；
若判断获知与所述目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占所述图片帧序列的比例大于预设的第一门限值且小于预设的第二门限值，其中，所述第二门限值大于所述第一门限值，则将匹配失败的图片帧添加到所述人脸样本库中与所述样本人脸对应的图片集中；
若判断获知与所述目标人脸匹配的样本人脸不唯一，则提示用户输入用户名；
判断所述用户输入的用户名是否属于从所述人脸样本库中匹配出的至少两个样本人脸所对应的用户名，若是，则将所述图片帧序列添加到人脸样本库中，替换与所述用户输入的用户名对应的样本人脸对应的图片集，否则，将所述图片帧序列添加到所述人脸样本库中新建的、与所述用户输入的用户名对应的图片集中。
2.根据权利要求1所述的人脸识别方法，其特征在于，所述方法还包括：
若判断获知与所述目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占所述图片帧序列的比例大于等于所述第二门限值，则匹配结束。
3.根据权利要求2所述的人脸识别方法，其特征在于，所述方法还包括：
若判断获知与所述目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占所述图片帧序列的比例小于等于所述第一门限值，则提示用户输入用户名；
判断所述人脸样本库中与所述样本人脸对应的用户名与所述用户输入的用户名是否一致，若是，则将匹配失败的图片帧添加到所述人脸样本库中与所述样本人脸对应的图片集中；否则，将所述图片帧序列添加到所述人脸样本库中新建的、与所述用户输入的用户名对应的图片集中。
4.根据权利要求1-3任一所述的人脸识别方法，其特征在于，
所述图像统计学特征包括：Haar特征、FisherFace特征和LBPH特征。
5.根据权利要求1-3任一所述的人脸识别方法，其特征在于，所述获取待识别的目标人脸的图片帧序列，具体包括：
通过检测输入的多媒体数据流确定是否有可识别的目标人脸；
从确定出现目标人脸的时刻，采集所述目标人脸在预设时间段内的图片帧序列。
6.根据权利要求5所述的人脸识别方法，其特征在于，所述输入的多媒体数据流，具体包括：
通过带有图像采集功能的设备获取所述多媒体数据流。
7.根据权利要求6所述的人脸识别方法，其特征在于，所述带有图像采集功能的设备包括：
摄像头和/或扫描仪。
8.根据权利要求7所述的人脸识别方法，其特征在于，所述方法还包括：
通过所述带有图像采集功能的设备对人脸进行采样，并设置与所采集的图片集样本对应的用户名，建立人脸样本库。
9.一种人脸识别装置，包括：设备主体，其特征在于，还包括：
获取模块，用于获取待识别的目标人脸的图片帧序列；
判断模块，用于采用图像统计学特征将所述图片帧序列与预先建立的人脸样本库中的图片集进行比对；
处理模块，用于若判断获知与所述目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占所述图片帧序列的比例大于预设的第一门限值且小于预设的第二门限值，其中，所述第二门限值大于所述第一门限值，则将匹配失败的图片帧添加到所述人脸样本库中与所述样本人脸对应的图片集中；
所述判断模块，还用于：在判断获知与所述目标人脸匹配的样本人脸不唯一时，则提示用户输入用户名；
所述处理模块，还用于判断所述用户输入的用户名是否属于从所述人脸样本库中匹配出的至少两个样本人脸所对应的用户名，若是，则将所述图片帧序列添加到人脸样本库中，替换与所述用户输入的用户名对应的样本人脸对应的图片集，否则，将所述图片帧序列添加到所述人脸样本库中新建的、与所述用户输入的用户名对应的图片集中。
10.根据权利要求9所述的人脸识别装置，其特征在于，
所述判断模块，还用于若判断获知与所述目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占所述图片帧序列的比例大于等于所述第二门限值，则匹配结束。
11.根据权利要求10所述的人脸识别装置，其特征在于，
所述判断模块，还用于若判断获知与所述目标人脸匹配的样本人脸唯一，且匹配成功的图片帧占所述图片帧序列的比例小于等于所述第一门限值，则提示用户输入用户名；
所述处理模块，还用于判断所述人脸样本库中与所述样本人脸对应的用户名与所述用户输入的用户名是否一致，若是，则将匹配失败的图片帧添加到所述人脸样本库中与所述样本人脸对应的图片集中；否则，将所述图片帧序列添加到所述人脸样本库中新建的、与所述用户输入的用户名对应的图片集中。
12.根据权利要求9-11任一所述的人脸识别装置，其特征在于，所述获取模块具体用于：
通过检测输入的多媒体数据流确定是否有可识别的目标人脸；
从确定出现目标人脸的时刻，采集所述目标人脸在预设时间段内的图片帧序列。
13.根据权利要求12所述的人脸识别装置，其特征在于，在所述设备主体上设置带有图像采集功能的设备，
所述获取模块通过所述带有图像采集功能的设备获取所述多媒体数据流。
14.根据权利要求13所述的人脸识别装置，其特征在于，所述带有图像采集功能的设备包括：
摄像头和/或扫描仪。
15.根据权利要求13所述的人脸识别装置，其特征在于，
所述处理模块，还用于通过所述带有图像采集功能的设备对人脸进行采样，并设置与所采集的图片集样本对应的用户名，建立人脸样本库。
16.根据权利要求13-15任一所述的人脸识别装置，其特征在于，所述装置包括：
相机、摄像机、手机、电脑以及门禁***。
CN201410837771.6A 2014-12-29 2014-12-29 人脸识别方法和装置 Active CN104537389B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410837771.6A CN104537389B (zh) 2014-12-29 2014-12-29 人脸识别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410837771.6A CN104537389B (zh) 2014-12-29 2014-12-29 人脸识别方法和装置

Publications (2)

Publication Number Publication Date
CN104537389A CN104537389A (zh) 2015-04-22
CN104537389B true CN104537389B (zh) 2018-03-27

Family

ID=52852909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410837771.6A Active CN104537389B (zh) 2014-12-29 2014-12-29 人脸识别方法和装置

Country Status (1)

Country Link
CN (1) CN104537389B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844267A (zh) * 2016-06-14 2016-08-10 皖西学院 一种人脸面部识别算法
CN107526999B (zh) * 2016-06-22 2018-10-19 腾讯科技（深圳）有限公司 一种标准人脸图片更新方法、数据处理设备及***
CN106067013B (zh) * 2016-06-30 2022-04-12 美的集团股份有限公司 嵌入式***人脸识别方法及装置
CN106295617A (zh) * 2016-08-25 2017-01-04 广东云海云计算科技有限公司 基于深度学习的人脸识别服务器集群
CN108647651A (zh) * 2018-05-14 2018-10-12 深圳市科发智能技术有限公司 一种提高识别通过率的人脸识别方法、***及装置
CN108805046B (zh) * 2018-05-25 2022-11-04 京东方科技集团股份有限公司 用于面部匹配的方法、设备、装置和存储介质
CN108846676B (zh) * 2018-08-02 2023-07-11 平安科技（深圳）有限公司 生物特征辅助支付方法、装置、计算机设备及存储介质
CN109741380B (zh) * 2018-12-27 2021-09-14 广州华迅网络科技有限公司 纺织品图片快速匹配方法和装置
CN109916017A (zh) * 2019-03-08 2019-06-21 广东美的制冷设备有限公司 空调器的控制方法、空调器、智能移动终端及存储介质
CN109961046B (zh) * 2019-03-26 2022-03-15 武汉大学 基于关键帧回溯构建动态样本集的视频流人脸识别方法
CN110217270B (zh) * 2019-05-29 2021-08-27 成都希格玛光电科技有限公司 一种针对固定距离处轨道入侵异物检测方法及***
CN110188722A (zh) * 2019-06-05 2019-08-30 福建深视智能科技有限公司 一种本地人脸识别图像去重的方法及终端
CN110516597A (zh) * 2019-08-27 2019-11-29 睿云联(厦门)网络通讯技术有限公司 提升特征识别度的离线学习方法、***、设备及存储介质
CN113537666B (zh) * 2020-04-16 2024-05-03 马上消费金融股份有限公司 评测模型训练方法、评测和业务审核方法、装置及设备
CN111859000A (zh) * 2020-06-24 2020-10-30 天津大学 一种深度学习模型下的人脸特征数据库构建和更新方法
CN111914637B (zh) * 2020-06-28 2021-05-04 普瑞达建设有限公司 一种智能人脸识别集成管理方法及***
CN113808354A (zh) * 2021-11-16 2021-12-17 深圳市思拓通信***有限公司 一种用于工地危险区域预警的方法、装置及介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7024033B2 (en) * 2001-12-08 2006-04-04 Microsoft Corp. Method for boosting the performance of machine-learning classifiers
CN101216884B (zh) * 2007-12-29 2012-04-18 北京中星微电子有限公司 一种人脸认证的方法及***
CN102004905B (zh) * 2010-11-18 2012-11-21 无锡中星微电子有限公司 人脸认证方法及装置

Also Published As

Publication number Publication date
CN104537389A (zh) 2015-04-22

Similar Documents

Publication Publication Date Title
CN104537389B (zh) 人脸识别方法和装置
CN109034013B (zh) 一种人脸图像识别方法、装置及存储介质
CN110602527B (zh) 视频处理方法、装置及存储介质
CN111862296B (zh) 三维重建方法及装置、***、模型训练方法、存储介质
CN112364827B (zh) 人脸识别方法、装置、计算机设备和存储介质
CN108229376B (zh) 用于检测眨眼的方法及装置
WO2017101267A1 (zh) 人脸活体的鉴别方法、终端、服务器和存储介质
CN110659646A (zh) 一种多任务证件图像自动处理方法、装置、设备及可读存储介质
CN109829381A (zh) 一种犬只识别管理方法、装置、***及存储介质
CN108269333A (zh) 人脸识别方法、应用服务器及计算机可读存储介质
CN105981368A (zh) 在成像装置中的照片构图和位置引导
CN105518711A (zh) 活体检测方法、活体检测***以及计算机程序产品
CN112702521B (zh) 图像拍摄方法及装置、电子设备、计算机可读存储介质
CN106101540B (zh) 对焦点确定方法及装置
WO2021082692A1 (zh) 一种行人图片标注方法、装置、存储介质和智能设备
CN106485186A (zh) 图像特征提取方法、装置、终端设备及***
CN108182746A (zh) 控制***、方法和装置
US20230041573A1 (en) Image processing method and apparatus, computer device and storage medium
WO2021104128A1 (zh) 特征库更新方法和装置、推理服务器及存储介质
CN109711312A (zh) 一种基于静默活体检测人脸识别的人证核验***及方法
CN111275901B (zh) 快递柜的控制方法、装置、存储介质和计算机设备
CN109697389B (zh) 身份识别方法与装置
CN111881740A (zh) 人脸识别方法、装置、电子设备及介质
CN114861241A (zh) 基于智能检测的防窥屏方法及其相关设备
CN110992500A (zh) 考勤方法、装置及存储介质、服务器

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Face recognition method and device

Effective date of registration: 20201231

Granted publication date: 20180327

Pledgee: China CITIC Bank Co.,Ltd. Jiaxing Tongxiang sub branch

Pledgor: SENGLED OPTOELECTRONICS Co.,Ltd.

Registration number: Y2020330001361

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20230208

Granted publication date: 20180327

Pledgee: China CITIC Bank Co.,Ltd. Jiaxing Tongxiang sub branch

Pledgor: SENGLED OPTOELECTRONICS Co.,Ltd.

Registration number: Y2020330001361

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Face recognition method and device

Effective date of registration: 20230302

Granted publication date: 20180327

Pledgee: Tongxiang Yunbei Investment Construction Co.,Ltd.

Pledgor: SENGLED OPTOELECTRONICS Co.,Ltd.

Registration number: Y2023980033494