CN107679504A - 基于摄像头场景的人脸识别方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种基于摄像头场景的人脸识别方法，包括：获取摄像头拍摄的图像；检测所述图像中的人脸，得到人脸图像；检测所述人脸图像中的关键点，提取关键点信息；根据所述关键点信息，提取人脸特征；将所述人脸特征输入至人脸识别模块中，得到人脸识别结果。通过对摄像头获取到的人脸图像进行处理，对人脸识别过程进行优化，可以提高摄像头场景下人脸识别结果的准确率，能够减少误检测的发生，以及能够避免因人脸角度不合适或人脸图像不清晰而造成识别错误，并且能够及时将人脸识别结果反馈到监控终端以提醒用户。

Description

基于摄像头场景的人脸识别方法、装置、设备及存储介质

技术领域

本发明涉及人脸识别领域，具体涉及一种基于摄像头场景的人脸识别方法、装置、计算设备及计算机存储介质。

背景技术

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术。目前，摄像头被广泛应用于实时监控、远程医疗及视频会议等方面，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。现有技术中，由于摄像头所采集到的图像或视频流的质量不高，基于摄像头场景的人脸识别比一般场景更容易产生误检测，并且对于误检测不能及时解决，另外由于图像中人脸角度不正或者人脸不清晰导致识别结果准确率不高。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于摄像头场景的人脸识别方法、装置、计算设备及计算机存储介质。

根据本发明的一个方面，提供了一种基于摄像头场景的人脸识别方法，包括：

获取摄像头拍摄的图像；

检测所述图像中的人脸，得到人脸图像；

检测所述人脸图像中的关键点，提取关键点信息；

根据所述关键点信息，提取人脸特征；

将所述人脸特征输入至人脸识别模块中，得到人脸识别结果。

可选地，在所述将所述人脸特征输入至人脸识别模块中，得到人脸识别结果之后，所述方法还包括：

判断所述人脸识别结果是否为误检测结果，若否，则向监控终端反馈所述人脸识别结果。

可选地，所述判断人脸识别结果是否为误检测结果进一步包括：

通过人工标注确定人脸识别结果是否为误检测结果；

或者，将人脸特征以及人脸识别结果与数据库中预先已标注的误检测的人脸特征以及人脸识别结果进行比对，根据比对结果确定人脸识别结果是否为误检测结果。

可选地，在所述通过人工标注确定人脸识别结果是否为误检测结果之后，所述方法还包括：

若通过人工标注确定人脸识别结果为误检测结果，则将人脸特征以及人脸识别结果的标注结果存储到数据库中。

可选地，在所述检测人脸图像中的关键点，提取关键点信息之前，所述方法还包括：对所述人脸图像进行人脸质量评估处理，判断所述人脸图像是否为不可识别人脸图像；

所述检测所述人脸图像中的关键点具体为：若所述人脸图像不是不可识别人脸图像，则检测人脸图像中的关键点。

可选地，所述不可识别人脸图像包括：偏转角度大于预设角度阈值的侧脸图像和/或清晰度低于预设清晰度阈值的人脸图像。

可选地，在所述根据所述关键点信息，提取人脸特征之后，所述方法进一步包括：

根据人脸特征，对人脸图像进行聚类处理；

将聚类处理的结果反馈给监控终端，以供监控终端的用户进行标注处理。

可选地，所述将所述人脸特征输入至人脸识别模块中，得到人脸识别结果进一步包括：

判断所述人脸识别结果是否为数据库中预先已标注的第一用户对应的人脸识别结果，若否，则向监控终端反馈报警信号。

可选地，在判断出所述人脸识别结果不是数据库中预先已标注的第一用户对应的人脸识别结果的情况下，所述方法还包括：

向所述摄像头发送拍摄指令，以供所述摄像头根据所述拍摄指令录制视频数据；

将所述摄像头反馈的视频数据发送至监控终端。

根据本发明的另一方面，提供了一种基于摄像头场景的人脸识别装置，包括：

图像获取模块，适于获取摄像头拍摄的图像；

人脸检测模块，适于检测所述图像中的人脸，得到人脸图像；

关键点提取模块，适于检测所述人脸图像中的面部关键点，提取关键点信息；

人脸特征提取模块，适于检测所述图像中的人脸，提取人脸特征；

人脸识别模块，适于将所述人脸特征作为输入，得到人脸识别结果。

可选地，所述装置还包括：

误检测识别模块，适于判断所述人脸识别结果是否为误检测结果；

第一数据反馈模块，适于若所述误检测识别模块确定所述人脸识别结果不是误检测结果，向监控终端反馈所述人脸识别结果。

可选地，所述误检测识别模块进一步适于：

通过人工标注确定人脸识别结果是否为误检测结果；

或者，将人脸特征以及人脸识别结果与数据库中预先已标注的误检测的人脸特征以及人脸识别结果进行比对，根据比对结果确定人脸识别结果是否为误检测结果。

可选地，所述误检测识别模块进一步适于：

若通过人工标注确定人脸识别结果为误检测结果，则将人脸特征以及人脸识别结果的标注结果存储到数据库中。

可选地，所述装置还包括：人脸质量评估模块，适于对所述人脸图像进行人脸质量评估处理，判断所述人脸图像是否为不可识别人脸图像；

所述关键点提取模块进一步适于：若所述人脸图像不是不可识别人脸图像，则检测人脸图像中的关键点。

可选地，所述不可识别人脸图像包括：偏转角度大于预设角度阈值的侧脸图像和/或清晰度低于预设清晰度阈值的人脸图像。

可选地，所述装置还包括：

聚类模块，适于根据人脸特征，对人脸图像进行聚类处理；

第二数据反馈模块，适于将聚类处理的结果反馈给监控终端，以供监控终端的用户进行标注处理。

可选地，所述装置还包括：

判断模块，适于判断所述人脸识别结果是否为数据库中预先已标注的第一用户对应的人脸识别结果；

报警模块，适于若所述判断模块判断出所述人脸识别结果不是数据库中预先已标注的第一用户对应的人脸识别结果，则向监控终端反馈报警信息。

可选地，所述装置还包括：

发送模块，适于在所述判断模块判断出所述人脸识别结果不是数据库中预先已标注的第一用户对应的人脸识别结果的情况下，向所述摄像头发送拍摄指令，以供所述摄像头根据所述拍摄指令录制视频数据；

第三数据反馈模块，适于将所述摄像头反馈的视频数据发送至监控终端。

根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述基于摄像头场景的人脸识别方法对应的操作。

根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述基于摄像头场景的人脸识别方法对应的操作。

根据本发明公开的基于摄像头场景的人脸识别方法、装置、设备及存储介质，在获取到摄像头拍摄的图像之后，检测图像中的人脸，提取人脸特征；检测人脸图像中的关键点，提取关键点信息，根据关键点信息提取人脸特征，将人脸特征输入至人脸识别模块中，得到人脸识别结果。通过对摄像头获取到的人脸图像进行处理，对人脸识别过程进行优化，一方面可以提高摄像头场景下人脸识别的准确率；另一方面，能够快速的得到人脸识别结果，能够对摄像头拍摄的图像进行连续的实时处理，满足远程摄像头快速准确地识别身份的需求。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的基于摄像头场景的人脸识别方法流程图；

图2示出了根据本发明另一个实施例的基于摄像头场景的人脸识别方法流程图；

图3示出了根据本发明再一个实施例的基于摄像头场景的人脸识别方法流程图；

图4示出了根据本发明又一个实施例的基于摄像头场景的人脸识别装置的功能框图；

图5示出了根据本发明又一个实施例的基于摄像头场景的人脸识别装置的功能框图；

图6示出了根据本发明实施例的一种计算设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

摄像头应用于实时监控是非常普遍的，例如在家里、公司等场所安装摄像头，可以非常方便得查看实时情况，但由于摄像头拍摄的图像或视频流的质量不高，基于摄像头场景的人脸识别的准确率低。本实施例提供的种基于摄像头场景的人脸识别方法，通过对摄像头拍摄的图像进行处理，可以准确快速的识别出图像中的人脸。

图1示出了根据本发明一个实施例的基于摄像头场景的人脸识别方法流程图。本实施例提供的方法应用于服务器侧，如图1所示，该方法包括以下步骤：

步骤S101，获取摄像头拍摄的图像。

服务器获取远程的摄像头端将拍摄到的图像，该图像的特点是连续性强、图像质量不高，这就要求后续的处理要快速高效、识别率高。

步骤S102，检测图像中的人脸，得到人脸图像。

从上述摄像头拍摄到的图像中检测出人脸区域，从图像当中将人脸区域分离出来，获得人脸图像。通过将人脸图像分离出来，便于减少后续处理的计算量，提高后续处理的效率。

步骤S103，检测人脸图像中的关键点，提取关键点信息。

在人脸图像中定位人脸的关键点，比如眼睛、鼻子、嘴、下巴等，提取出包括关键点的位置以及关键点之间的距离特性等关键点信息，由于人脸的关键点信息因人而异，人脸的关键点信息可以表征一个人的身份，关键点的选取以及关键点的个数会影响对象识别结果的准确率。

步骤S104，根据关键点信息，提取人脸特征。

人脸特征提取过程就是针对人脸的某些特征进行建模的过程，依据人脸器官的形状描述以及它们之间的距离特性来获得有助于人脸分类的特征数据，根据步骤S103提取出来的关键点信息，建立这些关键点以及关键点之间的距离特性的几何描述，作为人脸识别的特征。

步骤S105，将人脸特征输入至人脸识别模块中，得到人脸识别结果。

将上述S104步骤提取出来的人脸特征输入至人脸识别模块中，对于不同的人，因人脸特征不一样，能够表征此人身份信息的识别结果不一样，将人脸特征输入到人脸识别模块中进行计算，得到人脸识别结果。

根据本实施例提供的基于摄像头场景的人脸识别方法，在获取到摄像头拍摄的图像之后，检测图像中的人脸，提取人脸特征；检测人脸图像中的关键点，提取关键点信息，根据关键点信息提取人脸特征，将人脸特征输入至人脸识别模块中，得到人脸识别结果。通过对摄像头获取到的人脸图像进行处理，对人脸识别过程进行优化，一方面可以提高摄像头场景下人脸识别的准确率；另一方面，能够快速的得到人脸识别结果，能够对摄像头拍摄的图像进行连续的实时处理，满足远程摄像头快速准确地识别身份的需求。

由于摄像头拍摄的图像或视频流的质量不高、拍摄到的大侧脸和不清晰会影响人脸识别结果的准确率，并且如果将非人脸识别为人脸，并将其结果反馈给用户，会影响用户的使用体验，本发明下述实施例提供的基于摄像头场景的人脸识别方法可以避免误检测人脸识别结果，以及减小大侧脸和清晰度不高对人脸检测结果的影响。

图2示出了根据本发明另一个实施例的基于摄像头场景的人脸识别方法流程图，如图2所示，该方法包括：

步骤S201，获取摄像头拍摄的图像。

步骤S202，检测图像中的人脸，得到人脸图像。

从上述摄像头拍摄到的图像中检测出人脸区域，从图像当中将人脸区域分离出来，获得人脸图像。通过将人脸图像分离出来，便于减少后续处理的计算量，提高后续处理的效率。

步骤S203，对人脸图像进行人脸质量评估处理，判断人脸图像是否为不可识别人脸图像，若否，则执行步骤S204；若是，则对此人脸图像不做后续处理，本方法结束。

其中，不可识别人脸图像包括：偏转角度大于预设角度阈值的侧脸图像和/或清晰度低于清晰度阈值的人脸图像。

在实际的应用中，由于摄像头拍摄的图像中，可能会存在人的大侧脸(即脸的偏转角度比较大，如大于预设角度阈值)，以及清晰度不高的人脸，会导致识别不出该人脸或者识别结果出现错误，影响人脸识别结果的准确率，本实施例根据步骤S202提取出的人脸图像以及人脸的相关信息，对人脸图像进行质量评估处理，判断该出人脸图像是否是大侧脸以及是否是模糊的人脸等，以此来排除不可识别人脸图像。

步骤S204，检测人脸图像中的关键点。

若人脸图像不是不可识别的人脸图像，在此基础上定位人脸的关键点，比如眼睛、鼻子、嘴、下巴等，提取出包括关键点的位置以及关键点之间的距离特性等关键点信息，由于人脸的关键点信息因人而异，人脸的关键点信息可以表征一个人的身份，关键点的选取以及关键点的个数会影响对象识别结果的准确率。

步骤S205，根据关键点信息，提取人脸特征。

人脸特征提取过程就是针对人脸的某些特征进行的，对人脸特征进行建模的过程，依据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，根据步骤S204提取出来的关键点信息，建立这些关键点以及关键点之间的距离特性的几何描述，作为人脸识别的特征。

可选地，在步骤S205根据关键点信息，提取人脸特征之后，还包括：根据人脸特征，对人脸图像进行聚类处理；将聚类处理的结果反馈给监控终端，以供监控终端的用户进行标注处理。

例如，在一次人脸识别过程中，提取出了人脸特征，根据该人脸特征，对人脸图像进行聚类处理，将聚类处理的结果反馈给监控终端，用户将该聚类结果标注为张三，将人脸特征输入至人脸识别模块，那么得到的人脸识别结果对应的用户为张三。用户可多次进行标注，因为同一个人在同一天的不同时刻、不同季节脸部所呈现的状态是不一样的，服务器根据用户人脸特征以及人脸识别结果进行深度学习，更新人脸识别模块，提高人脸识别结果的准确率。

步骤S206，将人脸特征输入至人脸识别模块中，得到人脸识别结果。

将提取出来的人脸特征输入至人脸识别模块中，因人脸特征不一样，能够表征此人身份信息的识别结果表示不一样，将人脸特征输入至人脸识别模块进行计算，得到人脸识别结果。

步骤S207，判断人脸识别结果是否为误检测结果，若是，则不做处理，本方法结束；若否，则执行步骤S208。

在人脸识别过程中，可能会将非人脸识别为人脸，例如将摄像头拍摄到的人像模型识别为人脸，若将这一类人脸识别结果反馈给监控终端，会影响用户的使用体验，因此，需要判断人脸识别结果是否为误检测结果，以便将误检测结果排除。

具体地，通过以下两种方式可以判断人脸识别结果是否为误检测：

方式一：通过人工标注确定人脸识别结果是否为误检测。此方法需要人工进行标注，并且该误检测判断立即生效。另外，若通过人工标注确定人脸识别结果为误检测，则还需将人脸特征以及人脸识别结果的标注结果存储到数据库中，以便后续对人脸图像进行人脸识别时，将人脸特征以及人脸识别结果将数据库中的已标注的误检测的对象特征以及人脸识别结果进行比对，根据比对结果确定人脸识别结果是否为误检测结果。

方式二：将人脸特征以及人脸识别结果与数据库中预先已标注的误检测的人脸特征以及人脸识别结果进行比对，根据比对结果确定人脸识别结果是否为误检测结果。例如，在一次人脸识别过程中，将人像模型识别为人脸，通过标注，则人像模型的人脸识别结果为误检测结果，将人像模型的人脸特征以及人脸识别结果存储到数据库，当摄像头下一次拍摄到人像模型，将从人像模型对应人脸识别结果与数据库中误检测的人脸识别结果进行比对，由于人像模型对应的人脸识别结果对应的标注结果为误检测结果，则通过比对即可确定该人像模型的人脸识别结果为误检测结果。

用户可对非人脸识别结果进行误检测标注，服务器通过对误检测的人脸特征及人脸识别结果进行深度学习，更新误检测的人脸识别模块。

步骤S208，向监控终端反馈人脸识别结果。

具体地，若判断出人脸识别结果不是误检测结果，则向监控终端反馈人脸识别结果，以提示用户。

服务器将人脸识别结果反馈给监控终端，其中，人脸识别结果不是误检测结果，不会造成对用户体验的影响。

根据本实施例提供的基于摄像头场景的人脸识别方法，通过获取摄像头拍摄的图像；检测图像中的人脸，得到人脸图像；对人脸图像进行人脸质量评估处理，判断人脸图像是否为不可识别人脸图像；若人脸图像不是不可识别人脸图像，则检测人脸图像中的面部关键点；根据关键点信息，提取人脸特征；将人脸特征输入至人脸识别模块中，得到人脸识别结果；判断人脸识别结果是否为误检测结果，若否，则向监控终端反馈人脸识别结果。通过对摄像头获取到的人脸图像进行处理，对人脸识别过程进行优化，可以提高摄像头场景下人脸识别结果的准确率和实时性，同时能够减少误检测的发生，以及能够避免因人脸角度不合适或人脸图像不清晰而造成识别错误，并且能够及时将人脸识别结果反馈到监控终端以提醒用户。

视频监控正在快速普及，众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术，以求远距离快速确认人员身份，实现智能预警。由于用户不可能一直观察摄像头所拍摄的画面，用户可能会错过陌生人进入被监控场所的情况。本发明的下述实施例提供了一种基于摄像头场景的人脸识别方法，通过对摄像头拍摄的图像进行处理，可以识别出图像中的陌生人的人脸，并且根据陌生人的人脸识别结果对用户发出报警提醒。

图3示出了根据本发明再一个实施例的基于摄像头场景的人脸识别方法流程图，如图3所示，该方法包括：

步骤S301，获取摄像头拍摄的图像。

步骤S302，检测图像中的人脸，得到人脸图像。

步骤S303，检测人脸图像中的关键点。

步骤S304，根据关键点信息，提取人脸特征。

以上步骤的执行过程可参见上面实施例的描述，在此不再赘述。

具体地，检测人脸图像中的关键点，提取关键点信息；根据关键点信息，提取人脸特征。

优选地，在步骤S304提取出人脸特征之后，还包括：根据人脸特征，对人脸图像进行聚类处理；将聚类处理的结果反馈给监控终端，以供监控终端的用户进行标注处理。

例如，在一次人脸识别过程中，提取出了人脸特征，根据该人脸特征，对人脸图像进行聚类处理，将聚类处理的结果反馈给监控终端，用户将该聚类结果标注为张三，将人脸特征输入至人脸识别模块进行计算，那么得到人脸识别结果对应的用户为张三。用户可多次进行标注，因为同一个人在同一天的不同时刻、不同季节脸部所呈现的状态是不一样的，服务器根据用户标注的人脸特征以及人脸识别结果进行深度学习，更新人脸识别模块，提高人脸识别结果的准确率。

步骤S305，将人脸识别特征输入至人脸识别模块中，得到人脸识别结果。

步骤S306，判断人脸识别结果是否为数据库中预先已标注的第一用户对应的人脸识别结果，若是，则执行步骤S307；若否，则执行步骤S308。

本发明实施例提供的人脸识别方法依赖于数据库中预先已标注的第一用户对应的人脸识别结果，用户通过上述步骤预先对人脸识别结果进行标注，例如摄像头拍摄到用户的人脸图像，对人脸图像进行关键点提取、人脸特征提取以及聚类处理，通过监控终端将此聚类处理结果标注为张三，则该用户的人脸识别结果对应的标注为张三，将人脸特征以及人脸识别结果存储到数据库中。当摄像头再次拍摄到该人脸图像时，计算人脸识别结果，通过跟数据库中的人脸识别结果进行比对，判断该人脸识别结果与数据库中预存的人脸识别结果的是否匹配，即可判断出该人脸识别结果是否数据库中预先已标注的用户的人脸识别结果。

步骤S307，向监控终端反馈人脸识别结果，本方法结束。

步骤S308，向监控终端反馈报警信号。

若判断出人脸识别结果不是数据库中预先已标注的用户对应的人脸识别结果，对于服务器来说，该人脸识别结果对应的是陌生人，则向监控终端反馈报警信号，以供监控终端对用户进行提示。

步骤S309，向摄像头发送拍摄指令，以供摄像头根据拍摄指令录制视频数据。

若判断出人脸识别结果不是数据库中预先已标注的第一用户对应的人脸识别结果，则向摄像头发送拍摄指令，以供摄像头根据拍摄指令录制包含此人脸的视频数据。

步骤S310，将摄像头反馈的视频发送至监控终端，本方法结束。

例如用户对家庭进行远程监控，摄像头拍摄图像，通过上述方法识别出了图像中的人是未标注过的用户，则指示摄像头录制视频数据，并且将摄像头反馈的视频发送至监控终端，这样即使用户不能实时地监控，通过发送报警信号到监控终端提示用户，以及指示摄像头录制下家里的情况，用户可以及时地观察到家里的情况。

根据本实施例提供的基于摄像头场景的人脸识别方法，通过获取摄像头拍摄的图像；检测图像中的人脸，得到人脸图像；检测人脸图像中的面部关键点，提取关键点信息；根据关键点信息，提取人脸特征；将人脸特征输入至人脸识别模型中，得到人脸识别结果，判断人脸识别结果是否为数据库中预先已标注的第一用户对应的识别结果，若不是，则向监控终端反馈报警信号，向摄像头发送拍摄指令，以供摄像头根据拍摄指令录制视频数据，并将摄像头反馈的视频数据发送至监控终端。通过对摄像头获取到的人脸图像进行处理，对人脸识别过程进行优化，可以提高摄像头场景下人脸识别的准确率，能够减少误检测的发生，另外还可根据人脸识别结果对用户进行报警提醒以及录制相关视频。

图4示出了根据本发明又一个实施例的基于摄像头场景的人脸识别装置的功能框图，如图4所示，该装置包括：

图像获取模块401，适于获取摄像头拍摄的图像。

人脸检测模块402，适于检测图像中的人脸，得到人脸图像。

关键点提取模块403，适于检测人脸图像中的面部关键点，提取关键点信息。

人脸特征提取模块404，适于根据关键点信息，提取人脸特征。

人脸识别模块405，适于将人脸特征作为输入，得到人脸识别结果。

根据本实施例提供的基于摄像头场景的人脸识别装置，通过对摄像头获取到的人脸图像进行处理，对人脸识别过程进行优化，一方面可以提高摄像头场景下人脸识别的准确率；另一方面，能够快速的得到人脸识别结果，能够对摄像头拍摄的图像进行连续的实时处理，满足远程摄像头快速准确地识别身份的需求。

图5示出了根据本发明又一个实施例的基于摄像头场景的人脸识别装置的功能框图，如图5所示，该装置在图4所示的装置的基础上，进一步包括：

误检测识别模块501，适于判断人脸识别结果是否为误检测结果。

第一数据反馈模块502，适于若误检测识别模块501确定人脸识别结果不是误检测结果，向监控终端反馈人脸识别结果。

误检测识别模块501进一步适于：

通过人工标注确定人脸识别结果是否为误检测结果；

或者，将人脸特征以及人脸识别结果与数据库中预先已标注的误检测的人脸特征以及人脸识别结果进行比对，根据比对结果确定人脸识别结果是否为误检测结果。

误检测识别模块501进一步适于：若通过人工标注确定人脸识别结果为误检测结果，则将人脸特征以及人脸识别结果的标注结果存储到数据库中。

进一步的，该装置还包括：人脸质量评估模块503，适于对人脸图像进行人脸质量评估处理，判断人脸图像是否为不可识别人脸图像。

关键点提取模块403进一步适于：若人脸图像不是不可识别人脸图像，则检测人脸图像中的面部关键点。

优选地，不可识别人脸图像包括：偏转角度大于预设角度阈值的侧脸图像和/或清晰度低于预设清晰度阈值的人脸图像。

进一步的，在本发明又一个实施例中，上述基于摄像头场景的人脸识别装置还包括：

聚类模块504，适于根据人脸特征，对人脸图像进行聚类处理。

第二数据反馈模块505，适于将聚类处理的结果反馈给监控终端，以供监控终端的用户进行标注处理。

进一步的，在本发明又一个实施例中，上述基于摄像头场景的人脸识别装置还包括：

判断模块506，适于判断人脸识别结果是否为数据库中预先已标注的第一用户对应的人脸识别结果。

报警模块507，适于若判断模块506判断出人脸识别结果不是数据库中预先已标注的第一用户对应的人脸识别结果，则向监控终端反馈报警信息。

进一步的，在本发明又一个实施例中，上述基于摄像头场景的人脸识别装置还包括：

发送模块508，适于在判断模块506判断出人脸识别结果不是数据库中预先已标注的第一用户对应的人脸识别结果的情况下，向摄像头发送拍摄指令，以供摄像头根据拍摄指令录制视频数据；

第三数据反馈模块509，适于将摄像头反馈的视频数据发送至监控终端。

根据本实施例提供的的基于摄像头场景的人脸识别装置，通过对摄像头获取到的人脸图像进行处理，对人脸识别过程进行优化，可以提高摄像头场景下人脸识别结果的准确率和实时性，同时能够减少误检测的发生，以及能够避免因人脸角度不合适或人脸图像不清晰而造成识别错误，并且能够及时将人脸识别结果反馈到监控终端以提醒用户。另外还可根据人脸识别结果对用户进行报警提醒以及录制相关视频。

本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于摄像头场景的人脸识别方法。

图6示出了根据本发明实施例的一种计算设备的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。

如图6所示，该计算设备可以包括：处理器(processor)602、通信接口(Communications Interface)604、存储器(memory)606、以及通信总线608。

其中：

处理器602、通信接口604、以及存储器606通过通信总线608完成相互间的通信。

通信接口604，用于与其它设备比如客户端或其它服务器等的网元通信。

处理器602，用于执行程序610，具体可以执行上述基于摄像头场景的人脸识别方法实施例中的相关步骤。

具体地，程序610可以包括程序代码，该程序代码包括计算机操作指令。

处理器602可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器606，用于存放程序610。存储器606可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

程序610具体可以用于使得处理器602执行以下操作：

获取摄像头拍摄的图像；

检测图像中的人脸，得到人脸图像；

检测人脸图像中的关键点，提取关键点信息；

根据关键点信息，提取人脸特征；

将人脸特征输入至人脸识别模块中，得到人脸识别结果。

程序610具体还可以用于使得处理器602执行以下操作：

判断人脸识别结果是否为误检测结果，若否，则向监控终端反馈人脸识别结果。

程序610具体还可以用于使得处理器602执行以下操作：

通过人工标注确定人脸识别结果是否为误检测结果；

或者，将人脸特征以及人脸识别结果与数据库中预先已标注的误检测的人脸特征以及人脸识别结果进行比对，根据比对结果确定人脸识别结果是否为误检测结果。

程序610具体还可以用于使得处理器602执行以下操作：

若通过人工标注确定人脸识别结果为误检测结果，则将人脸特征以及人脸识别结果的标注结果存储到数据库中。

程序610具体还可以用于使得处理器602执行以下操作：

在检测人脸图像中的面部关键点之前，对人脸图像进行人脸质量评估处理，判断人脸图像是否为不可识别人脸图像；

检测人脸图像中的面部关键点具体为：若人脸图像不是不可识别人脸图像，则检测人脸图像中的面部关键点。

不可识别人脸图像包括：偏转角度大于预设角度阈值的侧脸图像和/或清晰度低于预设清晰度阈值的人脸图像。

程序610具体还可以用于使得处理器602执行以下操作：

根据关键点信息，提取人脸特征之后，根据人脸特征，对人脸图像进行聚类处理；

将聚类处理的结果反馈给监控终端，以供监控终端的用户进行标注处理。

程序610具体还可以用于使得处理器602执行以下操作：

判断输出结果是否为数据库中预先已标注的第一用户对应的人脸识别结果，若否，则向监控终端反馈报警信号。

程序610具体还可以用于使得处理器602执行以下操作：

在判断出输出结果不是数据库中预先已标注的第一用户对应的人脸识别结果的情况下，向摄像头发送拍摄指令，以供摄像头根据拍摄指令录制视频数据；

将摄像头反馈的视频数据发送至监控终端。

在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述，构造这类***所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的计算设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种基于摄像头场景的人脸识别方法，包括：

获取摄像头拍摄的图像；

检测所述图像中的人脸，得到人脸图像；

检测所述人脸图像中的关键点，提取关键点信息；

根据所述关键点信息，提取人脸特征；

将所述人脸特征输入至人脸识别模块中，得到人脸识别结果。

2.根据权利要求1所述的方法，在所述将所述人脸特征输入至人脸识别模块中，得到人脸识别结果之后，所述方法还包括：

判断所述人脸识别结果是否为误检测结果，若否，则向监控终端反馈所述人脸识别结果。

3.根据权利要求2所述的方法，所述判断人脸识别结果是否为误检测结果进一步包括：

通过人工标注确定人脸识别结果是否为误检测结果；

或者，将人脸特征以及人脸识别结果与数据库中预先已标注的误检测的人脸特征以及人脸识别结果进行比对，根据比对结果确定人脸识别结果是否为误检测结果。

4.根据权利要求3所述的方法，在所述通过人工标注确定人脸识别结果是否为误检测结果之后，所述方法还包括：

若通过人工标注确定人脸识别结果为误检测结果，则将人脸特征以及人脸识别结果的标注结果存储到数据库中。

5.根据权利要求1-4中任一项所述的方法，在所述检测人脸图像中的关键点，提取关键点信息之前，所述方法还包括：对所述人脸图像进行人脸质量评估处理，判断所述人脸图像是否为不可识别人脸图像；

所述检测所述人脸图像中的关键点具体为：若所述人脸图像不是不可识别人脸图像，则检测人脸图像中的关键点。

6.根据权利要求5所述的方法，所述不可识别人脸图像包括：偏转角度大于预设角度阈值的侧脸图像和/或清晰度低于预设清晰度阈值的人脸图像。

7.根据权利要求1-6中任一项所述的方法，在所述根据所述关键点信息，提取人脸特征之后，所述方法进一步包括：

根据人脸特征，对人脸图像进行聚类处理；

将聚类处理的结果反馈给监控终端，以供监控终端的用户进行标注处理。

8.一种基于摄像头场景的人脸识别装置，包括：

图像获取模块，适于获取摄像头拍摄的图像；

人脸检测模块，适于检测所述图像中的人脸，得到人脸图像；

关键点提取模块，适于检测所述人脸图像中的面部关键点，提取关键点信息；

人脸特征提取模块，适于根据所述关键点信息，提取人脸特征；

人脸识别模块，适于将所述人脸特征作为输入，得到人脸识别结果。

9.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的基于摄像头场景的人脸识别方法对应的操作。

10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的基于摄像头场景的人脸识别方法对应的操作。