CN108228742A - 人脸查重方法和装置、电子设备、介质、程序 - Google Patents
人脸查重方法和装置、电子设备、介质、程序 Download PDFInfo
- Publication number
- CN108228742A CN108228742A CN201711362840.2A CN201711362840A CN108228742A CN 108228742 A CN108228742 A CN 108228742A CN 201711362840 A CN201711362840 A CN 201711362840A CN 108228742 A CN108228742 A CN 108228742A
- Authority
- CN
- China
- Prior art keywords
- facial image
- checked
- face
- database
- matched
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明实施例公开了一种人脸查重方法和装置、电子设备、介质、程序,其中,方法包括:获取待查人脸图像,将所述待查人脸图像与所述第一人脸图像库中的人脸图像进行匹配;和/或,将第二人脸图像库中的人脸图像与所述第一人脸图像库中的人脸图像进行匹配;响应于所述第一人脸图像库中存在与所述待查人脸图像或第二人脸图像库中的任意人脸图像匹配的人脸图像,输出人脸相似度大于预设阈值的目标人脸图像对;本发明上述实施例,通过将一个待查人脸图像与一个人脸图像库进行匹配的过程,基于匹配结果可以识别该待查人脸图像是否具有多重身份;通过至少两个人脸图像库之间的匹配,经过匹配,可以识别到人脸图像库中是否存在具有多重身份的人。
Description
技术领域
本发明涉及计算机视觉技术,尤其是一种人脸查重方法和装置、电子设备、介质、程序。
背景技术
公民身份信息的唯一性是维持社会治安稳定的基础;然而,由于各种原因,存在一些不法分子利用监管疏漏,制造了一人多证、虚假身份、漂白身份等问题,这些问题为社会管理带来了极大危害,助长了违法犯罪等行为,严重威胁着公众的生命财产安全。
但是,这类犯罪嫌疑人往往具有复杂的社会关系,反侦查能力强,并且案件的处理过程中往往牵涉异地侦查,因此,难以收集有效证据,使身份识别的问题具有较大的难度。
发明内容
本发明实施例提供一种人脸查重技术。
本发明实施例提供的一种人脸查重方法,包括:
获取待查人脸图像,将所述待查人脸图像与所述第一人脸图像库中的人脸图像进行匹配;
和/或,将第二人脸图像库中的人脸图像与所述第一人脸图像库中的人脸图像进行匹配;所述第一人脸图像库和所述第二人脸图像库中均包括至少一个人脸图像和对应所述人脸图像的相关信息;
响应于所述第一人脸图像库中存在与所述待查人脸图像或所述第二人脸图像库中的任意人脸图像匹配的人脸图像,输出人脸相似度大于预设阈值的目标人脸图像对;所述目标人脸图像对中包括至少两个目标人脸图像,所述目标人脸图像至少包括所述待查人脸图像或所述人脸图像库中的任意一个人脸图像。
在基于本发明上述方法的另一个实施例中,还包括:
响应于所述第一人脸图像库中不存在与所述待查人脸图像或所述第二人脸图像库中的任意人脸图像匹配的人脸图像,将所述待查人脸图像和/或所述第二人脸图像库中的人脸图像存入所述第一人脸图像库。
在基于本发明上述方法的另一个实施例中,所述获取待查人脸图像,包括:
利用神经网络,对待查图像进行人脸识别,获得所述待查图像中的人脸区域,将所述人脸区域从所述待查图像中分解得到待查人脸图像;
或,从第一人脸图像库中获取一个人脸图像作为待查人脸图像。
在基于本发明上述方法的另一个实施例中,将所述待查人脸图像与第一人脸图像库中的人脸图像进行匹配,包括:
将所述待查人脸图像存入第二人脸图像库;
将所述第二人脸图像库的人脸图像与所述第一人脸图像库中的人脸图像进行匹配。
在基于本发明上述方法的另一个实施例中,将所述第二人脸图像库的人脸图像与所述第一人脸图像库中的人脸图像进行匹配,包括:
分别将所述第二人脸图像库中的各人脸图像作为待查人脸图像;
将所述待查人脸图像与所述第一人脸图像库中的人脸图像进行匹配。
在基于本发明上述方法的另一个实施例中,将所述待查人脸图像与第一人脸图像库中的人脸图像进行匹配,包括:
利用神经网络,对所述待查人脸图像执行特征提取操作,得到对应所述待查人脸图像的待查人脸特征;
利用所述神经网络,对所述第一人脸图像库中的人脸图像执行特征提取操作,得到对应所述人脸图像的人脸特征;
将所述待查人脸特征与各所述人脸特征进行匹配。
在基于本发明上述方法的另一个实施例中,对所述待查人脸特征与各所述人脸特征进行匹配,包括:
分别计算所述待查人脸特征与各所述人脸特征的相似度;
响应于所述待查人脸特征与所述人脸特征的相似度大于或等于预设阈值,所述待查人脸特征与所述人脸特征匹配;
响应于所述待查人脸特征与所述人脸特征的相似度小于预设阈值,所述待查人脸特征与所述人脸特征不匹配。
在基于本发明上述方法的另一个实施例中,所述第一人脸图像库中还包括对应所述人脸图像的人脸特征;所述人脸特征基于所述人脸图像经过神经网络特征提取获得;
将所述待查人脸图像与第一人脸图像库中的人脸图像进行匹配,包括:
利用神经网络,对所述待查人脸图像执行特征提取操作,得到对应所述待查人脸图像的待查人脸特征;
将所述待查人脸特征与所述第一人脸图像库中的各人脸特征进行匹配。
在基于本发明上述方法的另一个实施例中,对所述待查人脸特征与所述第一人脸图像库中的各人脸特征进行匹配,包括:
分别计算所述待查人脸特征与所述第一人脸图像库中的各所述人脸特征的相似度;
响应于所述待查人脸特征与所述人脸特征的相似度大于或等于预设阈值,所述待查人脸特征与所述人脸特征匹配;
响应于所述待查人脸特征与所述人脸特征的相似度小于预设阈值,所述待查人脸特征与所述人脸特征不匹配。
在基于本发明上述方法的另一个实施例中,所述待查人脸特征为待查人脸特征向量,所述人脸特征为人脸特征向量;
计算所述待查人脸特征与所述人脸特征的相似度,包括:
计算所述待查人脸特征向量与所述人脸特征向量之间的夹角和/或距离;通过所述计算获得的夹角值和/或距离值的大小确定所述待查人脸特征与所述人脸特征的相似度;所述夹角值越小对应的相似度越大,所述距离值越小对应的相似度越大。
在基于本发明上述方法的另一个实施例中,利用神经网络,对所述待查人脸图像执行特征提取操作,包括:
利用神经网络,对所述待查人脸图像中的局部区域分别执行特征提取,获得包括至少一个待查局部区域特征的待查人脸特征;
利用所述神经网络,对所述第一人脸图像库中的人脸图像执行特征提取操作,包括:
利用神经网络,对所述第一人脸图像库中的人脸图像中的局部区域分别执行特征提取,获得包括至少一个局部区域特征的人脸特征。
在基于本发明上述方法的另一个实施例中,将所述待查人脸特征与所述人脸特征进行匹配,包括:
计算各所述待查局部区域特征与对应的所述局部区域特征的相似度,获得对应各所述待查局部区域特征的至少一个局部相似度;
通过各所述获得的局部相似度获得所述待查人脸特征与所述人脸特征的相似度。
在基于本发明上述方法的另一个实施例中,所述响应于所述第一人脸图像库中存在与所述待查人脸图像或所述第二人脸图像库中的任意人脸图像匹配的人脸图像,输出人脸相似度大于预设阈值的目标人脸图像对,包括:
响应于所述待查人脸特征与所述人脸特征匹配,将所述待查人脸图像与至少一个所述匹配的人脸特征对应的人脸图像组合成目标人脸图像对,输出所述目标人脸图像对。
在基于本发明上述方法的另一个实施例中,将所述待查人脸图像与至少一个所述匹配的人脸特征对应的人脸图像组合成目标人脸图像对,包括:
将所述待查人脸图像与一个所述匹配的人脸特征对应的人脸图像组合成一个目标人脸图像对;
基于与所述待查人脸图像匹配的至少一个所述人脸图像获得至少一个目标人脸图像对。
在基于本发明上述方法的另一个实施例中,所述人脸图像的相关信息,包括:身份证号码和姓名。
在基于本发明上述方法的另一个实施例中,所述人脸图像的相关信息,还包括以下至少一项:
年龄、性别、出生日期、户籍所在地、证件有效期、住址、电话。
根据本公开实施例的另一个方面,提供的一种人脸查重装置,包括:
人脸匹配单元,用于获取待查人脸图像,将所述待查人脸图像与第一人脸图像库中的人脸图像进行匹配;
和/或,将第二人脸图像库中的人脸图像与第一人脸图像库中的人脸图像进行匹配;所述第一人脸图像库和所述第二人脸图像库中均包括至少一个人脸图像和对应所述人脸图像的相关信息;
匹配输出单元,用于响应于所述第一人脸图像库中存在与所述待查人脸图像或所述第二人脸图像库中的任意人脸图像匹配的人脸图像,输出人脸相似度大于预设阈值的目标人脸图像对;所述目标人脸图像对中包括至少两个目标人脸图像,所述目标人脸图像至少包括所述待查人脸图像或所述第二人脸图像库中的任意一个人脸图像。
在基于本发明上述装置的另一个实施例中,还包括:
存储单元,用于响应于所述第一人脸图像库中不存在与所述待查人脸图像或所述第二人脸图像库中的任意人脸图像匹配的人脸图像,将所述待查人脸图像和/或所述第二人脸图像库中的人脸图像存入所述第一人脸图像库。
在基于本发明上述装置的另一个实施例中,所述人脸匹配单元,包括:
图像获取模块,用于利用神经网络,对待查图像进行人脸识别,获得所述待查图像中的人脸区域,将所述人脸区域从所述待查图像中分解得到待查人脸图像;
或,从第一人脸图像库中获取一个人脸图像作为待查人脸图像。
在基于本发明上述装置的另一个实施例中,所述人脸匹配单元,还包括:
入库模块,用于将所述待查人脸图像存入第二人脸图像库;
第一匹配模块,用于将所述第二人脸图像库的人脸图像与所述第一人脸图像库中的人脸图像进行匹配。
在基于本发明上述装置的另一个实施例中,所述人脸匹配单元,包括:
第二匹配模块,用于分别将所述第二人脸图像库中的各人脸图像作为待查人脸图像;将所述待查人脸图像与所述第一人脸图像库中的人脸图像进行匹配。
在基于本发明上述装置的另一个实施例中,所述人脸匹配单元,包括:
特征提取模块,用于利用神经网络,对所述待查人脸图像执行特征提取操作,得到对应所述待查人脸图像的待查人脸特征;
库特征提取模块,用于利用所述神经网络,对所述第一人脸图像库中的人脸图像执行特征提取操作,得到对应所述人脸图像的人脸特征;
第三匹配模块,用于将所述待查人脸特征与各所述人脸特征进行匹配。
在基于本发明上述装置的另一个实施例中,所述第三匹配模块,具体用于分别计算所述待查人脸特征与各所述人脸特征的相似度;
响应于所述待查人脸特征与所述人脸特征的相似度大于或等于预设阈值,所述待查人脸特征与所述人脸特征匹配;
响应于所述待查人脸特征与所述人脸特征的相似度小于预设阈值,所述待查人脸特征与所述人脸特征不匹配。
在基于本发明上述装置的另一个实施例中,所述第一人脸图像库中还包括对应所述人脸图像的人脸特征;所述人脸特征基于所述人脸图像经过神经网络特征提取获得;
所述人脸匹配单元,包括:
待查特征模块,用于利用神经网络,对所述待查人脸图像执行特征提取操作,得到对应所述待查人脸图像的待查人脸特征;
第四匹配模块,用于将所述待查人脸特征与所述第一人脸图像库中的各人脸特征进行匹配。
在基于本发明上述装置的另一个实施例中,所述第四匹配模块,具体用于分别计算所述待查人脸特征与所述第一人脸图像库中的各所述人脸特征的相似度;
响应于所述待查人脸特征与所述人脸特征的相似度大于或等于预设阈值,所述待查人脸特征与所述人脸特征匹配;
响应于所述待查人脸特征与所述人脸特征的相似度小于预设阈值,所述待查人脸特征与所述人脸特征不匹配。
在基于本发明上述装置的另一个实施例中,所述待查人脸特征为待查人脸特征向量,所述人脸特征为人脸特征向量;
所述第三匹配模块和第四匹配模块计算所述待查人脸特征与所述人脸特征的相似度的过程,包括:
计算所述待查人脸特征向量与所述人脸特征向量之间的夹角和/或距离;通过所述计算获得的夹角值和/或距离值的大小确定所述待查人脸特征与所述人脸特征的相似度;所述夹角值越小对应的相似度越大,所述距离值越小对应的相似度越大。
在基于本发明上述装置的另一个实施例中,所述特征提取模块,具体用于利用神经网络,对所述待查人脸图像中的局部区域分别执行特征提取,获得包括至少一个待查局部区域特征的待查人脸特征;
所述库特征提取模块,具体用于利用神经网络,对所述第一人脸图像库中的人脸图像中的局部区域分别执行特征提取,获得包括至少一个局部区域特征的人脸特征。
在基于本发明上述装置的另一个实施例中,所述第三匹配模块,具体用于计算各所述待查局部区域特征与对应的所述局部区域特征的相似度,获得对应各所述待查局部区域特征的至少一个局部相似度;
通过各所述获得的局部相似度获得所述待查人脸特征与所述人脸特征的相似度。
在基于本发明上述装置的另一个实施例中,所述匹配输出单元,具体用于响应于所述待查人脸特征与所述人脸特征匹配,将所述待查人脸图像与至少一个所述匹配的人脸特征对应的人脸图像组合成目标人脸图像对,输出所述目标人脸图像对。
在基于本发明上述装置的另一个实施例中,所述匹配输出单元,包括:
组合模块,用于将所述待查人脸图像与一个所述匹配的人脸特征对应的人脸图像组合成一个目标人脸图像对;
目标获得模块,用于基于与所述待查人脸图像匹配的至少一个所述人脸图像获得至少一个目标人脸图像对。
在基于本发明上述装置的另一个实施例中,所述人脸图像的相关信息,包括:身份证号码和姓名。
在基于本发明上述装置的另一个实施例中,所述人脸图像的相关信息,还包括以下至少一项:
年龄、性别、出生日期、户籍所在地、证件有效期、住址、电话。
根据本公开实施例的另一个方面,提供的一种电子设备,包括处理器,所述处理器包括如上所述的人脸查重装置。
根据本公开实施例的另一个方面,提供的一种电子设备,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成如上所述人脸查重方法的操作。
根据本公开实施例的另一个方面,提供的一种计算机存储介质,用于存储计算机可读取的指令,所述指令被执行时执行如上所述人脸查重方法的操作。
根据本公开实施例的另一个方面,提供的一种计算机程序,包括计算机可读代码,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现如上所述人脸查重方法中各步骤的指令。
基于本发明上述实施例提供的一种人脸查重方法,通过获取待查人脸图像,将待查人脸图像与所述第一人脸图像库中的人脸图像进行匹配;响应于第一人脸图像库中存在与待查人脸图像匹配的人脸图像,输出人脸相似度大于预设阈值的目标人脸图像对;实现了将一个待查人脸图像与一个人脸图像库进行匹配的过程,通过匹配结果可以识别该待查人脸图像是否具有多重身份;和/或,通过将第二人脸图像库中的人脸图像与第一人脸图像库中的人脸图像进行匹配;响应于第一人脸图像库中存在与第二人脸图像库中的人脸图像匹配的人脸图像,输出人脸相似度大于预设阈值的目标人脸图像对;实现了至少两个人脸图像库之间的匹配,经过匹配,可以识别到人脸图像库中是否存在具有多重身份的人。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例,并且连同描述一起用于解释本发明的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本发明,其中:
图1为本发明人脸查重方法一个实施例的流程图。
图2为本发明人脸查重装置一个实施例的结构示意图。
图3为本发明人脸查重装置另一个实施例的结构示意图。
图4为本发明人脸查重装置又一个实施例的结构示意图。
图5为用来实现本申请实施例的终端设备或服务器的电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于计算机***/服务器,其可与众多其它通用或专用计算***环境或配置一起操作。适于与计算机***/服务器一起使用的众所周知的计算***、环境和/或配置的例子包括但不限于:个人计算机***、服务器计算机***、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的***、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机***、大型计算机***和包括上述任何***的分布式云计算技术环境,等等。
计算机***/服务器可以在由计算机***执行的计算机***可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机***/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算***存储介质上。
图1为本发明人脸查重方法一个实施例的流程图。如图1所示,该实施例方法包括:
步骤101,获取待查人脸图像,将待查人脸图像与第一人脸图像库中的人脸图像进行匹配;
和/或,将第二人脸图像库中的人脸图像与第一人脸图像库中的人脸图像进行匹配。
其中,第一人脸图像库和第二人脸图像库中均包括至少一个人脸图像和对应人脸图像的相关信息;待查人脸图像可以从通过摄像头采集的视频图像中获取,也可以从其他人脸图像库中获取;而第二人脸图像库中通常是预先存储采集的人脸图像,将第二人脸图像库与第一人脸图像库进行人脸图像的匹配,实现了多个人脸图像与多个人脸图像的匹配。
步骤102,响应于第一人脸图像库中存在与待查人脸图像或第二人脸图像库中的任意人脸图像匹配的人脸图像,输出人脸相似度大于预设阈值的目标人脸图像对。
其中,目标人脸图像对中包括至少两个目标人脸图像,目标人脸图像包括第二人脸图像库中的任意一个人脸图像或待查人脸图像;具体地,第一人脸图像库和第二人脸图像库并不限定为一个人脸图像库,可以是两个或两个以上的人脸图像库组合获得,此时,可看做是将待查人脸图像与多个人脸图像库进行匹配,或是将多个人脸图像库与多个人脸图像库进行匹配;还有可能第一人脸图像库和第二人脸图像库属于同一人脸图像库,此时实现的是同一个图像库中的内部查重,即查找同一个库内会不会有多重身份或者多次犯罪的嫌疑人,例如:在“广东省扒手库”内查重,将库里的每张人脸图像与其他人脸图像进行比对,可以查出多次参与扒手活动的嫌疑人,或同一人但有多重身份的人。
基于本发明上述实施例提供的一种人脸查重方法,通过获取待查人脸图像,将待查人脸图像与所述第一人脸图像库中的人脸图像进行匹配;响应于第一人脸图像库中存在与待查人脸图像匹配的人脸图像,输出人脸相似度大于预设阈值的目标人脸图像对;实现了将一个待查人脸图像与一个人脸图像库进行匹配的过程,通过匹配结果可以识别该待查人脸图像是否具有多重身份;和/或,通过将第二人脸图像库中的人脸图像与第一人脸图像库中的人脸图像进行匹配;响应于第一人脸图像库中存在与第二人脸图像库中的人脸图像匹配的人脸图像,输出人脸相似度大于预设阈值的目标人脸图像对;实现了至少两个人脸图像库之间的匹配,经过匹配,可以识别到人脸图像库中是否存在具有多重身份的人。
在本发明人脸查重方法上述各实施例的一个具体示例中,还包括:
响应于第一人脸图像库中不存在与待查人脸图像或第二人脸图像库中的人脸图像匹配的任意人脸图像,将待查人脸图像和/或第二人脸图像库中的人脸图像存入第一人脸图像库。
本实施例对于在第一人脸图像库中的不存在匹配的人脸图像的待查人脸图像或第二人脸图像库进行存储,将待查人脸图像存入第一人脸图像库,同时存储对应待查人脸图像的相关信息,使第一人脸图像库在匹配的同时实现更新,为下一次出现于待查人脸图像匹配的人脸图像时,可以准确匹配输出;而当第一人脸图像库与第二人脸图像库中不存在交叉内容时,可以将第二人脸图像库合并入第一人脸图像库。
在本发明人脸查重方法上述各实施例的一个具体示例中,获取待查人脸图像,包括:
利用神经网络,对待查图像进行人脸识别,获得待查图像中的人脸区域,将人脸区域从所述待查图像中分解得到待查人脸图像;
或,从第一人脸图像库中获取一个人脸图像作为待查人脸图像。
本实施例中,待查人脸图像的获取可以利用神经网络从待查图像中分解获得,其中待查图像可以是通过手机、相机、抓拍机、摄像机等设备采集的视频图像或单张图像,还可以是从已保存的图像库(如:相册)中提取的图像。具体地,如果是基于摄像设备采集的视频图像,其分解过程包括:从一段监控视频中提取多帧视频图像,从多帧视频图像中获得人脸图像质量较好的待查视频图像,将待查人脸图像从待查视频图像中抠出,以该待查人脸图像作为输入进行人脸图像的匹配;或者从第一人脸图像库中选取一个人脸图像作为待查人脸图像,此时,实现的是人脸图像库的自身查重,如果存在相似度大于预设阈值的不同相关信息的人脸图像,说明该人脸图像库中存在多重身份的人。
在本发明人脸查重方法上述各实施例的一个具体示例中,操作101将待查人脸图像与第一人脸图像库中的人脸图像进行匹配,具体可以包括:
将待查人脸图像存入第二人脸图像库;
将第二人脸图像库的人脸图像与第一人脸图像库中的人脸图像进行匹配。
本实施例中,将单独的待查人脸图像与第一人脸图像库中人脸图像的匹配转换为两个人脸图像库之间的匹配,具体地匹配过程与第二人脸图像库与第一人脸图像库的匹配过程相同,通过存储操作,可将操作101中的两个方案合并为一个方案。
在本发明人脸查重方法上述各实施例的一个具体示例中,将第二人脸图像库的人脸图像与第一人脸图像库中的人脸图像进行匹配,包括:
分别将第二人脸图像库中的各人脸图像作为待查人脸图像;
将待查人脸图像与第一人脸图像库中的人脸图像进行匹配。
本实施例中,对于两个人脸图像库中的人脸图像的比对,具体过程为将人脸图像库中的每个人脸图像单独作为比对基础,在被比对人脸图像库中逐一进行匹配,通过从第二人脸图像库中依次选择所有的人脸图像进行比对,实现两个人脸图像库之间的匹配。
本发明人脸查重方法的另一个实施例,在上述各实施例的基础上,将待查人脸图像与第一人脸图像库中的人脸图像进行匹配,包括:
利用神经网络,对待查人脸图像执行特征提取操作,得到对应待查人脸图像的待查人脸特征;
利用神经网络,对第一人脸图像库中的人脸图像执行特征提取操作,得到对应人脸图像的人脸特征;
将待查人脸特征与各人脸特征进行匹配。
本实施例对于两辆人脸是否相似,是通过神经网络提取的人脸特征进行判断的,而本实施例中人脸图像在存入第一人脸图像库之前并未进行人脸特征提取,因此,在进行人脸匹配之前,需要利用神经网络分别对待查人脸图像和第一人脸图像库中的各人脸图像进行特征提取,基于得到的待查人脸特征与各人脸特征进行匹配,实现对待查人脸图像与第一人脸图像库中的人脸图像的匹配。
在本发明人脸查重方法上述各实施例的一个具体示例中,对待查人脸特征与各人脸特征进行匹配,包括:
分别计算待查人脸特征与各人脸特征的相似度;
响应于待查人脸特征与人脸特征的相似度大于或等于预设阈值,待查人脸特征与人脸特征匹配;
响应于待查人脸特征与人脸特征的相似度小于预设阈值,待查人脸特征与人脸特征不匹配。
在本实施例中,通过判断待查人脸特征与各人脸特征的相似度是否大于或等于预设阈值,实现待查人脸特征与各人脸特征的匹配,计算待查人脸特征与人脸特征的相似度,具体可通过计算两个人脸特征之间的距离或夹角实现,例如:计算两个人脸特征的夹角余弦、欧氏距离、马氏距离、海明距离等;而预设阈值的设定一般是根据使用经验进行设定,阈值的设置主要用于过滤掉相似度较低的查重结果,阈值的取值可以是0-1的数值,或用百分比表示,或其他方式表示,本发明不限制阈值的表示方式。
本发明人脸查重方法的又一个实施例,在上述各实施例的基础上,第一人脸图像库中还包括对应人脸图像的人脸特征;人脸特征基于人脸图像经过神经网络特征提取获得;
将待查人脸图像与第一人脸图像库中的人脸图像进行匹配,包括:
利用神经网络,对待查人脸图像执行特征提取操作,得到对应待查人脸图像的待查人脸特征;
将待查人脸特征与第一人脸图像库中的各人脸特征进行匹配。
在本实施例中,将人脸图像存入第一人脸图像库之前,利用神经网络对人脸图像进行了人脸特征提取,并将对应人脸图像的人脸特征对应存入相应的人脸图像;此时,将待查人脸图像与第一人脸图像库中的人脸图像进行匹配时,只需利用神经网络对待查人脸图像进行特征提取即可,将提取获得的待查人脸图像特征与第一人脸图像库中的人脸特征进行匹配,以实现待查人脸图像与第一人脸图像库中的人脸图像的匹配。
在本发明人脸查重方法上述各实施例的一个具体示例中,对待查人脸特征与第一人脸图像库中的各人脸特征进行匹配,包括:
分别计算待查人脸特征与第一人脸图像库中的各人脸特征的相似度;
响应于待查人脸特征与人脸特征的相似度大于或等于预设阈值,待查人脸特征与人脸特征匹配;
响应于待查人脸特征与人脸特征的相似度小于预设阈值,待查人脸特征与人脸特征不匹配。
在本实施例中,通过判断待查人脸特征与人脸特征的相似度是否大于或等于预设阈值,实现待查人脸特征与各人脸特征的匹配,计算待查人脸特征与人脸特征的相似度,具体可通过计算两个人脸特征之间的距离或夹角实现,例如:计算两个人脸特征的夹角余弦、欧氏距离、马氏距离、海明距离等;而预设阈值的设定一般是根据使用经验进行设定,阈值的设置主要用于过滤掉相似度较低的查重结果,阈值的取值可以是0-1的数值,或用百分比表示,或其他方式表示,本发明不限制阈值的表示方式。
在本发明人脸查重方法上述各实施例的一个具体示例中,待查人脸特征为待查人脸特征向量,人脸特征为人脸特征向量;
计算待查人脸特征与人脸特征的相似度,包括:
计算待查人脸特征向量与人脸特征向量之间的夹角和/或距离;通过计算获得的夹角值和/或距离值的大小确定待查人脸特征与人脸特征的相似度。
其中,夹角值越小对应的相似度越大,距离值越小对应的相似度越大;具体的,可以通过计算两个特征向量之间的夹角余弦或计算两个特征向量的欧式距离、马氏距离或海明距离等;两个特征向量之间的距离越小说明两个特征向量对应的图像越相似,两个特征向量之间的夹角余弦越小说明说明两个特征向量对应的图像越相似。
在本发明人脸查重方法上述各实施例的一个具体示例中,利用神经网络,对待查人脸图像执行特征提取操作,包括:
利用神经网络,对待查人脸图像中的局部区域分别执行特征提取,获得包括至少一个待查局部区域特征的待查人脸特征;
利用神经网络,对第一人脸图像库中的人脸图像执行特征提取操作,包括:
利用神经网络,对第一人脸图像库中的人脸图像中的局部区域分别执行特征提取,获得包括至少一个局部区域特征的人脸特征。
本实施例中,对于人脸图像的特征提取,可以通过分别提取人脸图像中的局部区域的特征,以实现更准确的人脸识别,这些局部区域具体可以包括:眼睛、鼻子、嘴、下巴等面部局部和它们之间结构关系的几何描述特征点。
在本发明人脸查重方法上述各实施例的一个具体示例中,将待查人脸特征与人脸特征进行匹配,包括:
计算各待查局部区域特征与对应的局部区域特征的相似度,获得对应各待查局部区域特征的至少一个局部相似度;
通过各获得的局部相似度获得待查人脸特征与人脸特征的相似度。
对于人脸来说,只有某一个局部特征特别相似是不能判断两个人脸是否相似的,需要对所有的局部特征综合判断,综合的过程,可以通过将所有局部相似度叠加或求平均等方法实现。
本发明人脸查重方法的还一个实施例,在上述各实施例的基础上,操作102包括:
响应于待查人脸特征与人脸特征匹配,将待查人脸图像与至少一个匹配的人脸特征对应的人脸图像组合成目标人脸图像对,输出目标人脸图像对。
本实施例中,当待查人脸图像在第一人脸图像库中匹配到一个以上的目标人脸图像时,将待查人脸图像与匹配的一个以上的人脸图像输出,此时如果仅有一个匹配的人脸图像时,直接将该匹配的人脸图像与待查人脸图像组成目标人脸图像对输出即可;而如果包括两个及以上的匹配人脸图像时,可以将所有匹配的人脸图像一起与待查人脸图像组成目标人脸图像对,输出一个目标人脸图像对,也可以将每个匹配的人脸图像分别于待查人脸图像组成目标人脸图像对,输出多个目标人脸图像对。
在本发明人脸查重方法上述各实施例的一个具体示例中,将待查人脸图像与至少一个匹配的人脸特征对应的人脸图像组合成目标人脸图像对,包括:
将待查人脸图像与一个匹配的人脸特征对应的人脸图像组合成一个目标人脸图像对;目标人脸图像对中包括两个目标人脸图像,目标人脸图像中包括人脸图像库中的人脸图像和待查人脸图像;
基于与待查人脸图像匹配的至少一个人脸图像获得至少一个目标人脸图像对。
本实施中,将每个匹配的人脸图像分别于待查人脸图像组成目标人脸图像对,输出多个目标人脸图像对;这样可以更直观的查看到有多少个相似人脸图像,通过查询第一人脸图像库中的相关信息,即可确定是否存在多重身份的人。
在本发明人脸查重方法上述各实施例的一个具体示例中,人脸图像的相关信息,包括:身份证号码和姓名。
本实施例中,由于主要是对多重身份的人进行识别,因此,人脸图像入库的同时,至少需要记录对应该人脸图像的身份证号码和姓名,以便后续匹配人脸图像后,通过身份证号码和姓名识别是否是多重身份。
在本发明人脸查重方法上述各实施例的一个具体示例中,人脸图像的相关信息,还包括以下至少一项:
年龄、性别、出生日期、户籍所在地、证件有效期、住址、电话。
在本实施例中,通过保存年龄、性别、出生日期、户籍所在地、证件有效期、住址、电话信息中的至少一项可以对人脸图像对应的身份进一步识别,通过多种信息确定同一人脸图像是否对应多重身份。
还可以包括:对于匹配输出的人脸图像对(即为有虚假身份嫌疑的人脸对),对得到的结果可进一步进行人工研判,并导出查重的结果。在对输出的人脸图像对及其属性信息进行人工判断后,可以将数据标注为“疑似”或“比中”,其中“疑似”表示该结果是虚假身份的情况的可能性较大,而“比中”则表示该结果确认存在虚假身份的情况。此外,可选择将得到的查重结果以excel表格的形式进行导出,可选择导出所有查重结果,也可选择只导出进行了人工研判标注的结果,导出的表格中包含两张人脸图片、相似度、各自所属的人像库名称、姓名、身份证号。
本发明上述实施例的一个具体示例,应用到公安***对多重身份进行排查,具体可以包括:
(1)对单个人像库(如XX市常住人口库)进行人脸比对查重,排查一人多证、多重户口的嫌疑人;
(2)对多个人像库(如XX市常住人口库VS XX市在逃人员库)进行人脸比对查重,排查漂白身份、虚假身份的嫌疑人;
(3)对多个人像库(如XX市抢劫库VS XX市盗窃库)进行人脸比对查重,调查有多重案底的嫌疑人。
对于多重身份的排查以往只能通过人工侦查的方式调查嫌疑人是否拥有虚假身份,十分消耗精力与时间,如大海捞针,成功率极低,效果也不明显,且案件牵涉异地侦查,难以收集有效证据。
人脸识别技术的出现,为侦查虚假身份案件的过程,提供了一种更简单有效的途径。通过人脸比对识别技术,可在大规模人脸图片数据库中,高效地比对出同一人对应多个身份信息的异常情况,对打击违法犯罪分子、维护社会稳定有着积极意义。
利用人脸识别技术进行虚假身份排查,为虚假身份的侦查提供了一种有力的证据来源,计算过程无需人为干涉,办案人员无需四处奔波,大大减少了对人力资源的消耗。且人脸识别技术准确率高,识别抗干扰性强,可排除发型、胖瘦、年纪、表情等变化对结果的影响,能有效提高侦查效率。
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2为本发明人脸查重装置一个实施例的结构示意图。该实施例的装置可用于实现本发明上述各方法实施例。如图2所示,该实施例的装置包括:
人脸匹配单元21,用于获取待查人脸图像,将待查人脸图像与第一人脸图像库中的人脸图像进行匹配;
和/或,将第二人脸图像库中的人脸图像与第一人脸图像库中的人脸图像进行匹配。
其中,第一人脸图像库和第二人脸图像库中均包括至少一个人脸图像和对应所述人脸图像的相关信息。
匹配输出单元22,用于响应于第一人脸图像库中存在与待查人脸图像或第二人脸图像库中的任意人脸图像匹配的人脸图像,输出人脸相似度大于预设阈值的目标人脸图像对。
其中,目标人脸图像对中包括至少两个目标人脸图像,目标人脸图像至少包括待查人脸图像或第二人脸图像库中的任意一个人脸图像。
基于本发明上述实施例提供的一种人脸查重装置,通过获取待查人脸图像,将待查人脸图像与所述第一人脸图像库中的人脸图像进行匹配;响应于第一人脸图像库中存在与待查人脸图像匹配的人脸图像,输出获得的人脸相似度大于预设阈值的目标人脸图像对;实现了将一个待查人脸图像与一个人脸图像库进行匹配的过程,通过匹配结果可以识别该待查人脸图像是否具有多重身份;和/或,通过将第二人脸图像库中的人脸图像与第一人脸图像库中的人脸图像进行匹配;响应于第一人脸图像库中存在与第二人脸图像库中的人脸图像匹配的人脸图像,输出获得的人脸相似度大于预设阈值的目标人脸图像对;实现了至少两个人脸图像库之间的匹配,经过匹配,可以识别到人脸图像库中是否存在具有多重身份的人。
在本发明人脸查重装置上述各实施例的一个具体示例中,还包括:
存储单元,用于响应于第一人脸图像库中不存在与待查人脸图像或第二人脸图像库中的任意人脸图像匹配的人脸图像,将待查人脸图像和/或第二人脸图像库中的人脸图像存入第一人脸图像库。
在本发明人脸查重装置上述各实施例的一个具体示例中,人脸匹配单元21,包括:
图像获取模块,用于利用神经网络,对待查图像进行人脸识别,获得待查图像中的人脸区域,将人脸区域从待查图像中分解得到待查人脸图像;
或,从第一人脸图像库中获取一个人脸图像作为待查人脸图像。
在本发明人脸查重装置上述各实施例的一个具体示例中,人脸匹配单元21,还包括:
入库模块,用于将待查人脸图像存入第二人脸图像库;
第一匹配模块,用于将第二人脸图像库的人脸图像与第一人脸图像库中的人脸图像进行匹配。
在本发明人脸查重装置上述各实施例的一个具体示例中,人脸匹配单元21,包括:
第二匹配模块,用于分别将第二人脸图像库中的各人脸图像作为待查人脸图像;将待查人脸图像与第一人脸图像库中的人脸图像进行匹配。
图3为本发明人脸查重装置另一个实施例的结构示意图。如图3所示,在上述各实施例的基础上,人脸匹配单元21,包括:
特征提取模块211,用于利用神经网络,对待查人脸图像执行特征提取操作,得到对应待查人脸图像的待查人脸特征;
库特征提取模块212,用于利用神经网络,对第一人脸图像库中的人脸图像执行特征提取操作,得到对应人脸图像的人脸特征;
第三匹配模块213,用于将待查人脸特征与各人脸特征进行匹配。
本实施例对于两辆人脸是否相似,是通过神经网络提取的人脸特征进行判断的,而本实施例中人脸图像在存入第一人脸图像库之前并未进行人脸特征提取,因此,在进行人脸匹配之前,需要利用神经网络分别对待查人脸图像和第一人脸图像库中的各人脸图像进行特征提取,基于得到的待查人脸特征与各人脸特征进行匹配,实现对待查人脸图像与第一人脸图像库中的人脸图像的匹配。
在本发明人脸查重装置上述各实施例的一个具体示例中,第三匹配模块213,具体用于分别计算待查人脸特征与各人脸特征的相似度;
响应于待查人脸特征与人脸特征的相似度大于或等于预设阈值,待查人脸特征与人脸特征匹配;
响应于待查人脸特征与人脸特征的相似度小于预设阈值,待查人脸特征与人脸特征不匹配。
图4为本发明人脸查重装置又一个实施例的结构示意图。如图4所示,在上述各实施例的基础上,第一人脸图像库中还包括对应人脸图像的人脸特征;人脸特征基于人脸图像经过神经网络特征提取获得;
人脸匹配单元21,包括:
待查特征模块214,用于利用神经网络,对待查人脸图像执行特征提取操作,得到对应待查人脸图像的待查人脸特征;
第四匹配模块215,用于将待查人脸特征与第一人脸图像库中的各人脸特征进行匹配。
在本实施例中,将人脸图像存入第一人脸图像库之前,利用神经网络对人脸图像进行了人脸特征提取,并将对应人脸图像的人脸特征对应存入相应的人脸图像;此时,将待查人脸图像与第一人脸图像库中的人脸图像进行匹配时,只需利用神经网络对待查人脸图像进行特征提取即可,将提取获得的待查人脸图像特征与第一人脸图像库中的人脸特征进行匹配,以实现待查人脸图像与第一人脸图像库中的人脸图像的匹配。
在本发明人脸查重装置上述各实施例的一个具体示例中,第四匹配模块215,具体用于分别计算待查人脸特征与第一人脸图像库中的各人脸特征的相似度;
响应于待查人脸特征与人脸特征的相似度大于或等于预设阈值,待查人脸特征与人脸特征匹配;
响应于待查人脸特征与人脸特征的相似度小于预设阈值,待查人脸特征与人脸特征不匹配。
在本发明人脸查重装置上述各实施例的一个具体示例中,待查人脸特征为待查人脸特征向量,人脸特征为人脸特征向量;
第三匹配模块213和第四匹配模块215计算待查人脸特征与人脸特征的相似度的过程,包括:
计算待查人脸特征向量与人脸特征向量之间的夹角和/或距离;通过计算获得的夹角值和/或距离值的大小确定待查人脸特征与人脸特征的相似度。
其中,夹角值越小对应的相似度越大,距离值越小对应的相似度越大。
在本发明人脸查重装置上述各实施例的一个具体示例中,特征提取模块211,具体用于利用神经网络,对待查人脸图像中的局部区域分别执行特征提取,获得包括至少一个待查局部区域特征的待查人脸特征;
库特征提取模块212,具体用于利用神经网络,对第一人脸图像库中的人脸图像中的局部区域分别执行特征提取,获得包括至少一个局部区域特征的人脸特征。
在本发明人脸查重装置上述各实施例的一个具体示例中,第三匹配模块213,具体用于计算各待查局部区域特征与对应的局部区域特征的相似度,获得对应各待查局部区域特征的至少一个局部相似度;
通过各获得的局部相似度获得待查人脸特征与人脸特征的相似度。
本发明人脸查重装置的还一个实施例,在上述各实施例的基础上,匹配输出单元22,具体用于响应于待查人脸特征与人脸特征匹配,将待查人脸图像与至少一个匹配的人脸特征对应的人脸图像组合成目标人脸图像对,输出目标人脸图像对。
本实施例中,当待查人脸图像在第一人脸图像库中匹配到一个以上的目标人脸图像时,将待查人脸图像与匹配的一个以上的人脸图像输出,此时如果仅有一个匹配的人脸图像时,直接将该匹配的人脸图像与待查人脸图像组成目标人脸图像对输出即可;而如果包括两个及以上的匹配人脸图像时,可以将所有匹配的人脸图像一起与待查人脸图像组成目标人脸图像对,输出一个目标人脸图像对,也可以将每个匹配的人脸图像分别于待查人脸图像组成目标人脸图像对,输出多个目标人脸图像对。
在本发明人脸查重装置上述各实施例的一个具体示例中,匹配输出单元22,包括:
组合模块,用于将待查人脸图像与一个匹配的人脸特征对应的人脸图像组合成一个目标人脸图像对;
其中,目标人脸图像对中包括两个目标人脸图像,目标人脸图像中包括人脸图像库中的人脸图像和待查人脸图像;
目标获得模块,用于基于与待查人脸图像匹配的至少一个人脸图像获得至少一个目标人脸图像对。
在本发明人脸查重装置上述各实施例的一个具体示例中,人脸图像的相关信息,包括:身份证号码和姓名。
在本发明人脸查重装置上述各实施例的一个具体示例中,人脸图像的相关信息,还包括以下至少一项:
年龄、性别、出生日期、户籍所在地、证件有效期、住址、电话。
根据本发明实施例的一个方面,提供的一种电子设备,包括处理器,处理器包括本发明人脸查重方法上述任一实施例的布控装置。
根据本发明实施例的一个方面,提供的一种电子设备,包括:存储器,用于存储可执行指令;
以及处理器,用于与存储器通信以执行可执行指令从而完成本发明人脸查重方法上述任一实施例的操作。
根据本发明实施例的一个方面,提供的一种计算机存储介质,用于存储计算机可读取的指令,指令被执行时执行本发明人脸查重方法上述任一实施例的操作。
根据本发明实施例的一个方面,提供的一种计算机程序,包括计算机可读代码,当计算机可读代码在设备上运行时,该设备中的处理器执行用于实现本发明人脸查重方法任意一项实施例的指令。
本发明实施例还提供了一种电子设备,例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图5,其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备500的结构示意图:如图5所示,计算机***500包括一个或多个处理器、通信部等,所述一个或多个处理器例如:一个或多个中央处理单元(CPU)501,和/或一个或多个图像处理器(GPU)513等,处理器可以根据存储在只读存储器(ROM)502中的可执行指令或者从存储部分508加载到随机访问存储器(RAM)503中的可执行指令而执行各种适当的动作和处理。通信部512可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡。
处理器可与只读存储器502和/或随机访问存储器530中通信以执行可执行指令,通过总线504与通信部512相连、并经通信部512与其他目标设备通信,从而完成本申请实施例提供的任一项方法对应的操作,例如,获取待查人脸图像,将待查人脸图像与第一人脸图像库中的人脸图像进行匹配;和/或,将第二人脸图像库中的人脸图像与第一人脸图像库中的人脸图像进行匹配;响应于第一人脸图像库中存在与待查人脸图像或第二人脸图像库中的任意人脸图像匹配的人脸图像,输出获得的人脸相似度大于预设阈值的目标人脸图像对。
此外,在RAM 503中,还可存储有装置操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。在有RAM503的情况下,ROM502为可选模块。RAM503存储可执行指令,或在运行时向ROM502中写入可执行指令,可执行指令使处理器501执行上述通信方法对应的操作。输入/输出(I/O)接口505也连接至总线504。通信部512可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在总线链接上。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
需要说明的,如图5所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图5的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如GPU和CPU可分离设置或者可将GPU集成在CPU上,通信部可分离设置,也可集成设置在CPU或GPU上,等等。这些可替换的实施方式均落入本发明公开的保护范围。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本申请实施例提供的方法步骤对应的指令,例如,获取待查人脸图像,将待查人脸图像与第一人脸图像库中的人脸图像进行匹配;和/或,将第二人脸图像库中的人脸图像与第一人脸图像库中的人脸图像进行匹配;响应于第一人脸图像库中存在与待查人脸图像或第二人脸图像库中的任意人脸图像匹配的人脸图像,输出获得的人脸相似度大于预设阈值的目标人脸图像对。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的方法中限定的上述功能。
可能以许多方式来实现本发明的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种人脸查重方法,其特征在于,包括:
获取待查人脸图像,将所述待查人脸图像与第一人脸图像库中的人脸图像进行匹配;
和/或,将第二人脸图像库中的人脸图像与第一人脸图像库中的人脸图像进行匹配;所述第一人脸图像库和所述第二人脸图像库中均包括至少一个人脸图像和对应所述人脸图像的相关信息;
响应于所述第一人脸图像库中存在与所述待查人脸图像或所述第二人脸图像库中的任意人脸图像匹配的人脸图像,输出人脸相似度大于预设阈值的目标人脸图像对;所述目标人脸图像对中包括至少两个目标人脸图像,所述目标人脸图像至少包括所述待查人脸图像或所述第二人脸图像库中的任意一个人脸图像。
2.根据权利要求1所述的方法,其特征在于,还包括:
响应于所述第一人脸图像库中不存在与所述待查人脸图像或所述第二人脸图像库中的任意人脸图像匹配的人脸图像,将所述待查人脸图像和/或所述第二人脸图像库中的人脸图像存入所述第一人脸图像库。
3.根据权利要求1或2所述的方法,其特征在于,所述获取待查人脸图像,包括:
利用神经网络,对待查图像进行人脸识别,获得所述待查图像中的人脸区域,将所述人脸区域从所述待查图像中分解得到待查人脸图像;
或,从第一人脸图像库中获取一个人脸图像作为待查人脸图像。
4.根据权利要求1-3任一所述的方法,其特征在于,将所述待查人脸图像与第一人脸图像库中的人脸图像进行匹配,包括:
将所述待查人脸图像存入第二人脸图像库;
将所述第二人脸图像库的人脸图像与所述第一人脸图像库中的人脸图像进行匹配。
5.根据权利要求1-4任一所述的方法,其特征在于,将所述第二人脸图像库的人脸图像与所述第一人脸图像库中的人脸图像进行匹配,包括:
分别将所述第二人脸图像库中的各人脸图像作为待查人脸图像;
将所述待查人脸图像与所述第一人脸图像库中的人脸图像进行匹配。
6.一种人脸查重装置,其特征在于,包括:
人脸匹配单元,用于获取待查人脸图像,将所述待查人脸图像与第一人脸图像库中的人脸图像进行匹配;
和/或,将第二人脸图像库中的人脸图像与第一人脸图像库中的人脸图像进行匹配;所述第一人脸图像库和所述第二人脸图像库中均包括至少一个人脸图像和对应所述人脸图像的相关信息;
匹配输出单元,用于响应于所述第一人脸图像库中存在与所述待查人脸图像或所述第二人脸图像库中的任意人脸图像匹配的人脸图像,输出人脸相似度大于预设阈值的目标人脸图像对;所述目标人脸图像对中包括至少两个目标人脸图像,所述目标人脸图像至少包括所述待查人脸图像或所述第二人脸图像库中的任意一个人脸图像。
7.一种电子设备,其特征在于,包括处理器,所述处理器包括权利要求6所述的人脸查重装置。
8.一种电子设备,其特征在于,包括:存储器,用于存储可执行指令;
以及处理器,用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至5任意一项所述人脸查重方法的操作。
9.一种计算机存储介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时执行权利要求1至5任意一项所述人脸查重方法的操作。
10.一种计算机程序,包括计算机可读代码,其特征在于,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现权利要求1至5任意一项所述人脸查重方法中各步骤的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711362840.2A CN108228742B (zh) | 2017-12-15 | 2017-12-15 | 人脸查重方法和装置、电子设备、介质、程序 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711362840.2A CN108228742B (zh) | 2017-12-15 | 2017-12-15 | 人脸查重方法和装置、电子设备、介质、程序 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108228742A true CN108228742A (zh) | 2018-06-29 |
CN108228742B CN108228742B (zh) | 2021-10-22 |
Family
ID=62649699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711362840.2A Active CN108228742B (zh) | 2017-12-15 | 2017-12-15 | 人脸查重方法和装置、电子设备、介质、程序 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108228742B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271859A (zh) * | 2018-08-14 | 2019-01-25 | 深圳市商汤科技有限公司 | 串并案方法和装置、电子设备、计算机存储介质 |
CN110472558A (zh) * | 2019-08-13 | 2019-11-19 | 上海掌门科技有限公司 | 图像处理方法和装置 |
CN110929545A (zh) * | 2018-09-19 | 2020-03-27 | 传线网络科技(上海)有限公司 | 人脸图像的整理方法及装置 |
CN112949362A (zh) * | 2019-12-11 | 2021-06-11 | 杭州海康威视数字技术股份有限公司 | 人员信息标注方法、装置及电子设备 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102360421A (zh) * | 2011-10-19 | 2012-02-22 | 苏州大学 | 一种基于视频流的人脸识别方法及*** |
CN104078045A (zh) * | 2013-03-26 | 2014-10-01 | 联想(北京)有限公司 | 一种识别的方法及电子设备 |
US20150379330A1 (en) * | 2014-06-26 | 2015-12-31 | Cisco Technology Inc. | Entropy-Reducing Low Pass Filter for Face-Detection |
CN105279496A (zh) * | 2015-10-26 | 2016-01-27 | 浙江宇视科技有限公司 | 一种人脸识别的方法和装置 |
CN105426850A (zh) * | 2015-11-23 | 2016-03-23 | 深圳市商汤科技有限公司 | 一种基于人脸识别的关联信息推送设备及方法 |
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别***和方法 |
US20160307029A1 (en) * | 2015-04-15 | 2016-10-20 | Cisco Technology, Inc. | Duplicate reduction for face detection |
CN106529436A (zh) * | 2016-10-25 | 2017-03-22 | 徐鹤菲 | 一种身份一致性认证方法、装置和移动终端 |
CN106991364A (zh) * | 2016-01-21 | 2017-07-28 | 阿里巴巴集团控股有限公司 | 人脸识别处理方法、装置以及移动终端 |
CN107133576A (zh) * | 2017-04-17 | 2017-09-05 | 北京小米移动软件有限公司 | 用户年龄识别方法及装置 |
CN107292240A (zh) * | 2017-05-24 | 2017-10-24 | 深圳市深网视界科技有限公司 | 一种基于人脸与人体识别的找人方法及*** |
CN107292287A (zh) * | 2017-07-14 | 2017-10-24 | 深圳云天励飞技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
CN107330383A (zh) * | 2017-06-18 | 2017-11-07 | 天津大学 | 一种基于深度卷积神经网络的人脸识别方法 |
-
2017
- 2017-12-15 CN CN201711362840.2A patent/CN108228742B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102360421A (zh) * | 2011-10-19 | 2012-02-22 | 苏州大学 | 一种基于视频流的人脸识别方法及*** |
CN104078045A (zh) * | 2013-03-26 | 2014-10-01 | 联想(北京)有限公司 | 一种识别的方法及电子设备 |
US20150379330A1 (en) * | 2014-06-26 | 2015-12-31 | Cisco Technology Inc. | Entropy-Reducing Low Pass Filter for Face-Detection |
US20160307029A1 (en) * | 2015-04-15 | 2016-10-20 | Cisco Technology, Inc. | Duplicate reduction for face detection |
CN105279496A (zh) * | 2015-10-26 | 2016-01-27 | 浙江宇视科技有限公司 | 一种人脸识别的方法和装置 |
CN105426850A (zh) * | 2015-11-23 | 2016-03-23 | 深圳市商汤科技有限公司 | 一种基于人脸识别的关联信息推送设备及方法 |
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别***和方法 |
CN106991364A (zh) * | 2016-01-21 | 2017-07-28 | 阿里巴巴集团控股有限公司 | 人脸识别处理方法、装置以及移动终端 |
CN106529436A (zh) * | 2016-10-25 | 2017-03-22 | 徐鹤菲 | 一种身份一致性认证方法、装置和移动终端 |
CN107133576A (zh) * | 2017-04-17 | 2017-09-05 | 北京小米移动软件有限公司 | 用户年龄识别方法及装置 |
CN107292240A (zh) * | 2017-05-24 | 2017-10-24 | 深圳市深网视界科技有限公司 | 一种基于人脸与人体识别的找人方法及*** |
CN107330383A (zh) * | 2017-06-18 | 2017-11-07 | 天津大学 | 一种基于深度卷积神经网络的人脸识别方法 |
CN107292287A (zh) * | 2017-07-14 | 2017-10-24 | 深圳云天励飞技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271859A (zh) * | 2018-08-14 | 2019-01-25 | 深圳市商汤科技有限公司 | 串并案方法和装置、电子设备、计算机存储介质 |
CN110929545A (zh) * | 2018-09-19 | 2020-03-27 | 传线网络科技(上海)有限公司 | 人脸图像的整理方法及装置 |
CN110472558A (zh) * | 2019-08-13 | 2019-11-19 | 上海掌门科技有限公司 | 图像处理方法和装置 |
CN110472558B (zh) * | 2019-08-13 | 2023-08-15 | 上海掌门科技有限公司 | 图像处理方法和装置 |
CN112949362A (zh) * | 2019-12-11 | 2021-06-11 | 杭州海康威视数字技术股份有限公司 | 人员信息标注方法、装置及电子设备 |
CN112949362B (zh) * | 2019-12-11 | 2023-10-17 | 杭州海康威视数字技术股份有限公司 | 人员信息标注方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108228742B (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rana et al. | Deepfake detection: A systematic literature review | |
Chen et al. | A survey on an emerging area: Deep learning for smart city data | |
CN108228742A (zh) | 人脸查重方法和装置、电子设备、介质、程序 | |
CN108229330A (zh) | 人脸融合识别方法及装置、电子设备和存储介质 | |
CN112215180B (zh) | 一种活体检测方法及装置 | |
CN108170750A (zh) | 一种人脸数据库更新方法、***及终端设备 | |
CN108228696A (zh) | 人脸图像检索方法和***、拍摄装置、计算机存储介质 | |
Sadiq et al. | Mining anomalies in medicare big data using patient rule induction method | |
CN110442742A (zh) | 检索图像的方法及装置、处理器、电子设备及存储介质 | |
CN108062416B (zh) | 用于在地图上生成标签的方法和装置 | |
CN108549848A (zh) | 用于输出信息的方法和装置 | |
CN109598251A (zh) | 人证核验方法、装置、设备和***及存储介质 | |
CN108681720A (zh) | 一种人证核验管理***和方法 | |
Meena et al. | Image splicing forgery detection techniques: A review | |
CN109816893A (zh) | 信息发送方法、装置、服务器及存储介质 | |
Li et al. | Video image moving target recognition method based on generated countermeasure network | |
Thaipisutikul et al. | A deep feature-level fusion model for masked face identity recommendation system | |
Ali et al. | Applying computational intelligence to community policing and forensic investigations | |
Monika et al. | Image forgery detection and localization using block based and key-point based feature matching forensic investigation | |
Kala et al. | Face Recognition Based Attendance System and Emotion Classification | |
Kuang et al. | Anonymous identity sampling and reusable synthesis for face camouflage | |
Kapoor et al. | IoT based real-time face detection and recognition system | |
Kumar et al. | Intelligent Face Recognition System For Criminal Identification In Railway Station. | |
Dubey et al. | A review of face recognition using SIFT feature extraction | |
Karthika et al. | CARDLESS ATM |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |