CN108875654B - 一种人脸特征采集方法及装置 - Google Patents
一种人脸特征采集方法及装置 Download PDFInfo
- Publication number
- CN108875654B CN108875654B CN201810659963.0A CN201810659963A CN108875654B CN 108875654 B CN108875654 B CN 108875654B CN 201810659963 A CN201810659963 A CN 201810659963A CN 108875654 B CN108875654 B CN 108875654B
- Authority
- CN
- China
- Prior art keywords
- face
- feature information
- image
- preset
- image set
- 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
Images
Classifications
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人脸特征采集方法及装置,该方法包括但不限于以下步骤:获取包括人脸的图像;检测所述图像中的人脸特征信息,所述图像包括辅助信息;在多个预设特征信息中确定与所述人脸特征信息相匹配的预设特征信息;其中,每个预设特征信息对应一个人脸图像集合;将所述图像添加至与所述人脸特征信息相匹配的预设特征信息对应的人脸图像集合中;其中,每个人脸图像集合包括多个具有不同辅助信息的图像。本发明能够实现自动收集高质量的人脸识别算法的训练数据,提高数据采集的效率,降低人力物力成本。
Description
技术领域
本发明涉及计算机信息领域,尤其涉及一种人脸特征采集方法及装置。
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,通过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识别的一系列相关技术。其中,人脸识别算法是人脸识别技术中的核心,而人脸识别算法的识别精度很大程度上取决于训练数据,训练数据的质量越高,人脸识别算法的识别精度越高。然而,收集高质量训练数据需要投入大量的人力物力成本。
发明内容
本发明实施例提供了一种人脸特征采集方法及装置,能够自动收集高质量的图像作为人脸识别算法的训练数据,从而降低人力物力成本。
第一方面,本申请提供了一种人脸特征采集方法,该方法包括:
获取包括人脸的图像;
检测所述图像中的人脸特征信息,所述图像包括辅助信息;
在多个预设特征信息中确定与所述人脸特征信息相匹配的预设特征信息;其中,每个预设特征信息对应一个人脸图像集合;
将所述图像添加至与所述人脸特征信息相匹配的预设特征信息对应的人脸图像集合中;其中,每个人脸图像集合包括多个具有不同辅助信息的图像。
第二方面,本申请提供了人脸特征采集装置,该装置包括:
采集单元,用于获取包括人脸的图像;
检测单元,用于检测所述图像中的人脸特征信息,所述图像包括辅助信息;
匹配单元,用于在多个预设特征信息中确定与所述人脸特征信息相匹配的预设特征信息;其中,所述多个预设特征信息中的每个预设特征信息对应一个人脸图像集合;
添加单元,用于将所述图像添加至与所述人脸特征信息相匹配的预设特征信息对应的人脸图像集合中;其中,每个人脸图像集合包括多个具有不同辅助信息的图像。
第三方面,本申请提供了一种终端,该终端包括处理器、存储器、输入输出***,所述处理器、存储器、输入输出***相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如第一方面所述的方法。
第四方面,本申请提供了一种***,该***包括终端以及摄像头,所述摄像头与所述终端之间独立设置,所述终端与所述摄像头通信连接,所述摄像头用于采集图像并将所述图像发送至所述终端,所述终端用于执行如第一方面所述的方法。
第五方面,本申请提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法。
可以看出,本申请能够从包括辅助信息的图像中检测出被拍摄人员的人脸特征信息,再与预设特征信息匹配后将图像添加至预设特征信息对应的人脸图像集合中。当人脸图像集合中包括有多个具有不同辅助信息的图像时,这样的人脸图像集合即可作为高质量的人脸识别算法的训练数据;也就是说,通过一定时间的图像采集,能够得到基于角度、光照、背景、年龄、姿态、首饰佩戴等不同方面的被拍摄人员的图像作为训练数据,这些图像反映的内容丰富、质量高。且与不同时间特定地采集训练数据相比,更节省时间,能够有效地提高训练数据采集过程的效率,大幅降低人力物力成本。
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简单地介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种人脸特征采集方法的流程示意图;
图2是本发明实施例提供的另一种人脸特征采集方法的流程示意图;
图3是本发明实施例提供的一种人脸特征采集装置的结构示意图;
图4是本发明实施例提供的一种终端的结构示意图;
图5是本发明实施例提供的一种***的结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,图1是本发明实施例提供的一种人脸特征采集方法的流程示意图。本实施例主要将该人脸特征采集方法应用于具有数据处理功能的终端中来举例说明,该终端可以是智能手环、智能手表、便携式数字播放器、智能手机、掌上电脑、平板电脑、笔记本电脑、台式电脑、服务器等等。该人脸特征采集方法包括但不限于以下步骤:
步骤101,获取包括人脸的图像。
本发明实施例中,终端可通过接受其他设备发送的图像,从而获取包括人脸的图像;终端也可以通过摄像头拍摄从而获取包括人脸的图像。其中,摄像头可以是数字摄像头、模拟摄像头、电荷耦合器件(charge-coupled device,CCD)摄像头或互补金属氧化物半导体(complementary metal oxide semiconductor,CMOS)摄像头。进一步地,摄像头可以是与终端一体成型的,例如手机摄像头,也可以是在与终端存在通信连接的情况下独立设置的,例如远程摄像头。
需要说明的是,终端可以在接受到被拍摄人员触发的拍摄指令后开启摄像头进行拍摄,从而获取被拍摄人员的图像。终端也可以指示摄像头保持持续拍摄状态,当有被拍摄人员出现在拍摄区域内时,终端获取该被拍摄人员的图像。应理解,上述例子仅用于举例,不是具体限定。
步骤103,检测所述图像中的人脸特征信息。
本发明实施例中,所述人脸特征信息为在所述图像中所体现的被拍摄人员人脸特征的相关信息,该人脸特征信息可以是人脸图像、人脸特征向量、人脸图像特征向量集等等,在此不作限定。本发明实施例中,终端将摄像头拍摄得到的图像进行检测,提取出被拍摄人员的人脸特征信息。举例来说,终端可以识别该图像中被拍摄人员的人脸区域,并将该人脸区域中的图像进行特征提取,得到该被拍摄人员的人脸特征信息。
进一步地,所述图像包括辅助信息;所述辅助信息可以包括光线、背景、人脸角度、人员姿态、首饰佩戴、人员年龄中的一种或多种;应理解,所述辅助信息用于反映被拍摄人员的人脸部位的角度、光照、背景、年龄、姿态、首饰佩戴等多个方面的信息,也就是说,所述图像为被拍摄人员在被拍摄时刻的图像,被拍摄人员的不同的图像的辅助信息不同。
需要说明的是,终端可以通过预设的特征提取模型(或特征提取算法)检测所述图像中的人脸特征信息。该特征提取模型可以是神经网络模型,具体的,包括但不限于卷积神经网络(Convolutional Neural Network,CNN)模型、残差网络(Residual Networks,ResNet)模型、全卷积网络(Fully Convolutional Networks,FCN)模型、多任务网络级联MNC模型、Mask-RCNN模型中的其中一种。
步骤105,在多个预设特征信息中确定与所述人脸特征信息相匹配的预设特征信息。
本发明实施例中,所述多个预设特征信息中的每个预设特征信息对应一个一个人脸图像集合,每个人脸图像集合包括一个被拍摄人员的多个具有不同辅助信息的图像。所述预设特征信息为预先设置的对一个被拍摄人员进行采集的人脸特征信息,例如预设特征信息为根据被拍摄人员的居民身份证、开户照片或护照等采集的人脸特征信息。在可能的实施例中,所述人脸图像集合中包括对应的被拍摄人员的预设特征信息对应的图像。
在一具体实施方式中,终端可以分别检测所述人脸特征信息与所述多个预设特征信息中的每个预设特征信息之间的相似度值,确定其中最大的相似度值;判断所述最大的相似度值是否大于或等于第一预设阈值;在所述最大的相似度值大于或等于第一预设阈值的情况下,将所述最大的相似度值对应的预设特征信息作为与所述人脸特征信息相匹配的预设特征信息。
例如,人脸特征信息与多个预设特征信息之间的相似度值分别是:3%、64%、23%、89%、8%……终端确定其中的89%为最大的相似度值,并将89%与第一预设阈值85%进行比较,从而确定该相似度值满足第一预设阈值。终端进一步地检测出所述最大的相似度对应的预设人脸信息,以将该预设人脸信息作为所述人脸特征信息相匹配的预设特征信息。
在一具体实施方式中,终端可以将检测到的人脸特征信息输入至人脸识别模型中,所述人脸识别模型为提前通过多个不同被拍摄人员对应的预设特征信息进行训练后的模型。终端可以基于所述人脸识别模型识别得到所述人脸特征信息相匹配的预设特征信息。应理解,上述具体实施方式中的例子仅用于举例,还可以是其它方式的匹配处理,在此不作限定。
步骤107,将所述图像添加至与所述人脸特征信息相匹配的预设特征信息对应的人脸图像集合中。
本发明实施例中,终端在确定与采集到的人脸特征信息相匹配的预设特征信息后,将所述图像添加至与所述人脸特征信息相匹配的预设特征信息对应的人脸图像集合中。需要说明的是,所述人脸图像集合为单个被拍摄人员的图像的集合,同时,所述人脸图像集合是可用于模型训练的单个被拍摄人员的训练数据的集合。
值得说明的是,在模型训练时,若作为训练数据的人脸图像集合中的图像在角度、光照、背景、年龄、姿态、首饰佩戴等方面过于单一,则训练出的模型性能不佳,精度不高。换句话说,同一被拍摄人员的多个不同的图像中,在角度、光照、背景、年龄、姿态、首饰佩戴等覆盖越全,则表示这些图像作为训练数据的质量越高。进一步地,本发明实施例可通过一段时间(例如一个月、一个季度等)的图像采集处理,得到同一被拍摄人员的多个图像,所述多个图像皆存储在所述被拍摄人员对应的人脸图像集合中,在所述人脸图像集合中的多个图像分别具有不同的辅助信息。例如,一个用户每天都会被摄像头采集图像提取人脸特征信息,但是该用户每天在被摄像头拍摄的图像中,所呈现的角度、光照、背景、年龄、姿态、首饰佩戴等皆有不同,以至于该用户对应的人脸图像集合中的图像不同。这些图像在用于模型训练时,能够提供质量更高的训练数据集,训练得到性能更好的模型。
下面结合结合上述方法流程描述本发明实施例的一个可能的应用场景,以便于进一步理解本发明的发明构思。
在一可能的应用场景中,一个或多个地点设置有摄像头,所述地点可以是银行大厅、政府办事大厅等人流量较大的位置。所述摄像头与终端通信连接,所述终端通过接收摄像头发送的视频图像进行人脸特征信息采集。终端采集到出现在摄像头拍摄区域的被拍摄人员的图像后,检测所述图像中的人脸特征信息,并将该人脸特征信息与预先存储在终端存储器中的多个预设特征信息进行匹配,得到与所述人脸特征信息相匹配的预设特征信息。然后终端将所述采集到的图像添加至所述预设特征信息对应的人脸图像集合中。
可以看出,通过本发明实施例,能够拍摄出现在摄像头中的被拍摄人员得到包含该被拍摄人员人脸的图像,并检测与匹配所述被拍摄人员的人脸特征信息,将所述图像添加至对应的人脸图像集合中,不仅更加便捷实用,提高数据采集的效率,还可以精确地将被拍摄人员的图像添加至对应的人脸图像集合中,方便后续地使用。且这些被拍摄人员的图像包括被拍摄人员人脸的各种各样的角度、光照、背景、年龄、姿态、首饰佩戴等不同方面的辅助信息,人脸内容丰富、数据质量高,有效地提高了训练数据采集过程的效率,大幅降低人力物力成本。
基于同一发明构思,本发明实施例还提供了一种人脸特征采集方法的流程示意图,参见图2。该人脸特征采集方法包括但不限于以下步骤:
步骤201,获取摄像头拍摄的图像,通过特征提取模型检测所述图像中的人脸特征信息。
在一具体实施方式中,终端检测到摄像头拍摄的图像中指示有被拍摄人员的情况下,开始检测所述图像中的人脸特征信息。例如,摄像头拍摄到的图像处于静止状态,所述静止状态表示图像中没有大幅度运动的物体或人。当终端检测到所述图像处于非静止状态,开始检测图像中的人脸特征信息。
在一具体实施方式中,所述方法还可以包括模糊判定步骤。具体地,终端可以识别所述图像中人脸区域,并将该区域图像进行模糊程度检测,当模糊程度高于预设标准时,终端结束对所述图像的处理并获取摄像头后续拍摄的图像进行处理。
所述步骤201的具体实现过程可参考图1实施例步骤101及步骤103的相关描述,这里不再赘述。
步骤203,基于所述人脸特征信息,在多个预设特征信息中确定与所述人脸特征信息相匹配的预设特征信息。所述步骤203的具体实现过程可参考图1实施例步骤105的相关描述,这里不再赘述。
步骤205,将所述图像添加至与所述人脸特征信息相匹配的预设特征信息对应的人脸图像集合中。所述步骤205的具体实现过程可参考图1实施例步骤107的相关描述,这里不再赘述。
步骤207,对所述人脸图像集合进行数据清洗,得到可用于模型训练的人脸图像集合。
本发明实施例中,所述数据清洗用于发现并纠正人脸图像集合中可识别的质量不高的或错误的人脸特征信息。举例来说,终端通过摄像头拍摄图像进而检测到的人脸特征信息对应的被拍摄人员并没有在终端中注册得到预设特征信息,即多个预设特征信息中没有该被拍摄人员的预设特征信息。当终端采集了该被拍摄人员的人脸特征信息后,终端确定该被拍摄人员的人脸特征信息相匹配的预设人脸信息,并将所述图像添加至所述预设人脸信息对应的人脸图像集合中。可以理解的是,该被拍摄人员并不是所述人脸图像集合对应的用户,即该被拍摄人员的图像不应处于所述人脸图像集合中。所以,数据清洗在该例子中用于从所述人脸图像集合中删除该被拍摄人员的图像。应理解,上述例子仅为举例,不是具体限定。
在一具体实施方式中,终端对所述人脸图像集合进行数据清洗可以是:终端在所述人脸图像集合的多个图像中确定目标图像;分别检测所述目标图像的人脸特征信息与所述人脸图像集合中除所述目标图像外的其它每个图像的人脸特征信息之间的相似度值;统计所述目标图像的人脸特征信息与所述人脸图像集合中除所述目标图像外的其它每个图像的人脸特征信息之间的相似度值中相似度值小于第二预设阈值的图像的数量;在所述数量占所述人脸图像集合中图像的数量的比例大于或等于第三预设阈值的情况下,从所述人脸图像集合中删除所述目标图像。
例如,人脸图像集合中图像的总量为1000个,终端统计与目标图像之间基于人脸特征信息的相似度小于95%的人脸特征信息的数量为50个,该部分数量占总量的5%,所以比例超过第三预设阈值3%,终端将目标人脸特征信息删除。需要说明的是,在可能的实施例中所述第二预设阈值可以等于前述步骤105中的第一预设阈值。
还需要说明的是,上述具体实施方式中的数据清洗步骤为对一个人脸图像集合中的一个图像作出的处理过程。在进一步的实施过程中,终端可以对每个人脸图像集合的每个图像进行如上述具体实施方式的数据清洗处理。
在一具体实施方式中,终端对所述人脸图像集合进行数据清洗还可以是:终端分别检测所述人脸图像集合中每个图像的人脸特征信息与对应的预设特征信息之间的相似度值,将求出的全部相似度值作平均运算得到平均相似度值。终端将平均相似度值减去一预设值后得到的值作为第四预设阈值,并从人脸图像集合中删除相似度值小于第四阈值的图像。
例如,人脸图像集合中人脸特征信息的总量为600个,终端将人脸图像集合中每个图像的人脸特征信息与对应的预设特征信息之间的相似度值作平均,得到平均相似度值为96%。终端将96%以下3个百分点作为第四预设阈值,删除与对应的预设特征信息之间的相似度值小于93%的人脸特征信息对应的图像。
应理解,上述具体实施方式的例子仅用于举例,不是具体限定。
值得说明的是,终端可以在预设时间内执行步骤201至步骤205的处理,当达到预设时间后终端再执行步骤207。例如,终端在一个月内执行步骤201至步骤205,以采集足够数量的人脸特征信息,当终端检测到采集时间达到一个月时执行步骤207,以进行数据清洗。
步骤209,根据所述可用于模型训练的人脸图像集合对所述特征提取模型进行训练,以更新所述特征提取模型的模型参数。
本发明实施例中,终端将经过数据清洗的可用于模型训练的人脸图像集合对所述特征提取模型进行训练,以更新所述特征提取模型的模型参数,从而可以提取更精确的人脸特征信息。需要说明的是,所述可用于模型训练的人脸图像集合还可以用于其它模型的训练,例如终端根据所述可用于模型训练的人脸图像集合对人脸识别模型进行训练,可以更新所述人脸识别模型的模型参数,以使得所述人脸识别模型可以更加准确地识别出人脸。
可以看出,通过本发明实施例,能够将出现在摄像头中的被拍摄人员进行图像采集,并检测所述被拍摄人员的人脸特征信息,然后将图像添加至对应的人脸图像集合中,更加便捷实用,提高数据采集的效率。终端还可以对人脸图像集合进行数据清洗,得到更加准确且更适用于模型训练的人脸图像集合。而且该人脸图像集合还可以用于特征提取模型的训练,能够通过迭代的方式不断提高该特征提取模型的性能。
基于同一发明构思,本发明实施例提供了一种人脸特征采集装置,参见图3,所述终端至少包括获取单元301、检测单元303、确定单元305、添加单元307,所述终端用于实现图1、图2方法实施例所描述的人脸特征采集方法。
获取单元301,用于获取包括人脸的图像;
检测单元303,用于检测所述图像中的人脸特征信息,所述图像包括辅助信息;
确定单元305,用于在多个预设特征信息中确定与所述人脸特征信息相匹配的预设特征信息;其中,所述多个预设特征信息中的每个预设特征信息对应一个人脸图像集合;
添加单元307,用于将所述图像添加至与所述人脸特征信息相匹配的预设特征信息对应的人脸图像集合中;其中,每个人脸图像集合包括多个具有不同辅助信息的图像。
具体地,所述确定单元305用于:分别检测所述人脸特征信息与所述多个预设特征信息中的每个预设特征信息之间的相似度值,确定其中最大的相似度值;判断所述最大的相似度值是否大于或等于第一预设阈值;在所述最大的相似度值大于或等于第一预设阈值的情况下,将所述最大的相似度值对应的预设特征信息作为与所述人脸特征信息相匹配的预设特征信息。
可选地,所述辅助信息包括光线、背景、人脸角度、人员姿态、首饰佩戴、人员年龄中的一种或多种;所述装置还包括:数据清洗单元,用于在达到预设时间后,对所述人脸图像集合进行数据清洗,得到可用于模型训练的人脸图像集合。
具体地,所述数据清洗单元用于:在所述人脸图像集合的多个图像中确定目标图像;分别检测所述目标图像的人脸特征信息与所述人脸图像集合中除所述目标图像外的其它每个图像的人脸特征信息之间的相似度值;统计所述目标图像的人脸特征信息与所述人脸图像集合中除所述目标图像外的其它每个图像的人脸特征信息之间的相似度值中相似度值小于第二预设阈值的图像的数量;在所述数量占所述人脸图像集合中图像的数量的比例大于或等于第三预设阈值的情况下,从所述人脸图像集合中删除所述目标图像。
可选地,所述检测单元303具体用于通过特征提取模型检测所述图像中的人脸特征信息;所述装置还包括更新单元,用于根据所述可用于模型训练的人脸图像集合对所述特征提取模型进行训练,以更新所述特征提取模型的模型参数。
需要说明的,通过前述图1、图2方法实施例的详细描述,本领域技术人员可以清楚地知道人脸特征采集装置所包含的各个单元的实现方法,所以为了说明书的简洁,在此不再赘述。
基于同一发明构思,本发明实施例提供了一种终端,参见图4,所述终端用于实现图1、图2方法实施例所描述的人脸特征采集方法。如图4所示,所述终端可包括:处理器401、存储器402、输入输出***403。这些部件可在一个或多个通信总线404上进行通信。所述终端还可以包括通信模块405、电源模块406。
所称处理器401可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器402可以包括只读存储器和随机存取存储器,并向处理器401提供指令和数据。存储器402的一部分还可以包括非易失性随机存取存储器。另外,存储器402还可以存储设备类型的信息。
所述输入输出***403主要用于接收用户指令以及拍摄图像。具体实现中,输入输出***可包括:摄像头控制器4031。其中,各个控制器可与各自对应的***设备(摄像头4032)耦合。需要说明的是,输入输出***403还可以包括其他I/O外设。
其中,所述摄像头4033为所述终端的执行机构。具体地,摄像头4033用于对拍摄区域进行拍摄得到图像。
所述通信模块405主要用于与服务器进行通信;所述电源模块406主要用于为设备中的其它装置提供稳定的电源。
本发明实施例中,所述处理器401用于调用所述存储器402中所存储的指令,并执行以下步骤:
获取包括人脸的图像;
检测所述图像中的人脸特征信息,所述图像包括辅助信息;
在多个预设特征信息中确定与所述人脸特征信息相匹配的预设特征信息;其中,每个预设特征信息对应一个人脸图像集合;
将所述图像添加至与所述人脸特征信息相匹配的预设特征信息对应的人脸图像集合中;其中,每个人脸图像集合包括多个具有不同辅助信息的图像。
在一具体实施例中,所述处理器401可以具体执行以下步骤:分别检测所述人脸特征信息与所述多个预设特征信息中的每个预设特征信息之间的相似度值,确定其中最大的相似度值;判断所述最大的相似度值是否大于或等于第一预设阈值;在所述最大的相似度值大于或等于第一预设阈值的情况下,将所述最大的相似度值对应的预设特征信息作为与所述人脸特征信息相匹配的预设特征信息。
在一具体实施例中,所述辅助信息包括光线、背景、人脸角度、人员姿态、首饰佩戴、人员年龄中的一种或多种;所述处理器401还可以调用所述存储器402中存储的指令执行以下步骤:在达到预设时间后,对所述人脸图像集合进行数据清洗,得到可用于模型训练的人脸图像集合。
在一具体实施例中,所述处理器401可以具体执行以下步骤:在所述人脸图像集合的多个图像中确定目标图像;分别检测所述目标图像的人脸特征信息与所述人脸图像集合中除所述目标图像外的其它每个图像的人脸特征信息之间的相似度值;统计所述目标图像的人脸特征信息与所述人脸图像集合中除所述目标图像外的其它每个图像的人脸特征信息之间的相似度值中相似度值小于第二预设阈值的图像的数量;在所述数量占所述人脸图像集合中图像的数量的比例大于或等于第三预设阈值的情况下,从所述人脸图像集合中删除所述目标图像。
在一具体实施例中,所述处理器401可以具体执行以下步骤:通过特征提取模型检测所述图像中的人脸特征信息。所述处理器还可以调用所述存储器402中存储的指令执行:根据所述可用于模型训练的人脸图像集合对所述特征提取模型进行训练,以更新所述特征提取模型的模型参数。
需要说明的,通过前述图1或图2方法实施例的详细描述,本领域技术人员可以清楚地知道终端所包含的各个功能器件的实现方法,所以为了说明书的简洁,在此不再赘述。
基于同一发明构思,本发明实施例提供了一种***,该***包括终端以及摄像头,所述摄像头用于采集图像并将所述图像发送至所述终端,所述终端用于执行以下步骤:
获取包括人脸的图像;
检测所述图像中的人脸特征信息,所述图像包括辅助信息;
在多个预设特征信息中确定与所述人脸特征信息相匹配的预设特征信息;其中,每个预设特征信息对应一个人脸图像集合;
将所述图像添加至与所述人脸特征信息相匹配的预设特征信息对应的人脸图像集合中;其中,每个人脸图像集合包括多个具有不同辅助信息的图像。
其中,所述摄像头为带有通信功能的远程摄像头,所述摄像头与所述终端之间独立设置,所述摄像头与所述终端通信连接。值得说明的是,所述摄像头与所述终端之间可以通过有线方式或者无线方式进行通信。其中,有线方式包括但不限于:RS232方式、RS485方式、网线方式、铜缆线方式等等。无线方式包括但不限于:蜂窝通讯方式、设备对设备方式或者其它无线通讯方式。蜂窝通讯方式可以采用的是基于全球移动通信***(Global Systemfor Mobile,CommunicationGSM),码分多址(Code Division Multiple Access,CDMA),宽带码分多址(Wideband Code Division Multiple Access,WCDMA),长期演进(Long TermEvolution,LTE)或者其它制式的,此处不作具体限定。设备对设备(Device to Device)方式可以采用的是WIFI,Zigbee,蓝牙或者其它的设备对设备通讯方式,此处不作具体限定。以及,所述摄像头可以是数字摄像头、模拟摄像头、电荷耦合器件(charge-coupleddevice,CCD)摄像头或互补金属氧化物半导体(complementary metal oxidesemiconductor,CMOS)摄像头,此处不作具体限定。
需要说明的,通过前述图1或图2方法实施例的详细描述,本领域技术人员可以清楚地知道该***中的各个设备终端的功能,所以为了说明书的简洁,在此不再赘述。
基于同一发明构思,在本发明的另一实施例中提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现前述任一方法实施例所描述的方法。
所述计算机可读存储介质可以是前述任一实施例所述的终端的内部存储单元,例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的单元、设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的单元、设备和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种人脸特征采集方法,其特征在于,包括:
获取包括人脸的图像;
检测所述图像中的人脸特征信息,所述图像包括辅助信息;
在多个预设特征信息中确定与所述人脸特征信息相匹配的预设特征信息;其中,每个预设特征信息对应一个人脸图像集合;
将所述图像添加至与所述人脸特征信息相匹配的预设特征信息对应的人脸图像集合中;其中,每个人脸图像集合包括多个具有不同辅助信息的图像;
在达到预设时间后,对所述人脸图像集合进行数据清洗,得到可用于模型训练的人脸图像集合;其中,数据清洗包括:在所述人脸图像集合的多个图像中确定目标图像;分别检测所述目标图像的人脸特征信息与所述人脸图像集合中除所述目标图像外的其它每个图像的人脸特征信息之间的相似度值;统计所述目标图像的人脸特征信息与所述人脸图像集合中除所述目标图像外的其它每个图像的人脸特征信息之间的相似度值中相似度值小于第二预设阈值的图像的数量;在所述数量占所述人脸图像集合中图像的数量的比例大于或等于第三预设阈值的情况下,从所述人脸图像集合中删除所述目标图像。
2.根据权利要求1所述的方法,其特征在于,所述在多个预设特征信息中确定与所述人脸特征信息相匹配的预设特征信息,包括:
分别检测所述人脸特征信息与所述多个预设特征信息中的每个预设特征信息之间的相似度值,确定其中最大的相似度值;
判断所述最大的相似度值是否大于或等于第一预设阈值;
在所述最大的相似度值大于或等于第一预设阈值的情况下,将所述最大的相似度值对应的预设特征信息作为与所述人脸特征信息相匹配的预设特征信息。
3.根据权利要求1所述的方法,其特征在于,所述辅助信息包括光线、背景、人脸角度、人员姿态、首饰佩戴、人员年龄中的一种或多种。
4.根据权利要求3所述的方法,其特征在于,
所述检测所述图像中的人脸特征信息,包括:通过特征提取模型检测所述图像中的人脸特征信息;
所述对所述人脸图像集合进行数据清洗,得到可用于模型训练的人脸图像集合之后,所述方法还包括:根据所述可用于模型训练的人脸图像集合对所述特征提取模型进行训练,以更新所述特征提取模型的模型参数。
5.一种人脸特征采集装置,其特征在于,包括:
获取单元,用于获取包括人脸的图像;
检测单元,用于检测所述图像中的人脸特征信息,所述图像包括辅助信息;
确定单元,用于在多个预设特征信息中确定与所述人脸特征信息相匹配的预设特征信息;其中,所述多个预设特征信息中的每个预设特征信息对应一个人脸图像集合;
添加单元,用于将所述图像添加至与所述人脸特征信息相匹配的预设特征信息对应的人脸图像集合中;其中,每个人脸图像集合包括多个具有不同辅助信息的图像;
数据清洗单元,用于在达到预设时间后,对所述人脸图像集合进行数据清洗,得到可用于模型训练的人脸图像集合;其中所述数据清洗单元具体用于:在所述人脸图像集合的多个图像中确定目标图像;分别检测所述目标图像的人脸特征信息与所述人脸图像集合中除所述目标图像外的其它每个图像的人脸特征信息之间的相似度值;统计所述目标图像的人脸特征信息与所述人脸图像集合中除所述目标图像外的其它每个图像的人脸特征信息之间的相似度值中相似度值小于第二预设阈值的图像的数量;在所述数量占所述人脸图像集合中图像的数量的比例大于或等于第三预设阈值的情况下,从所述人脸图像集合中删除所述目标图像。
6.根据权利要求5所述的装置,其特征在于,所述确定单元具体用于:
分别检测所述人脸特征信息与所述多个预设特征信息中的每个预设特征信息之间的相似度值,确定其中最大的相似度值;
判断所述最大的相似度值是否大于或等于第一预设阈值;
在所述最大的相似度值大于或等于第一预设阈值的情况下,将所述最大的相似度值对应的预设特征信息作为与所述人脸特征信息相匹配的预设特征信息。
7.根据权利要求5所述的装置,其特征在于,所述辅助信息包括光线、背景、人脸角度、人员姿态、首饰佩戴、人员年龄中的一种或多种。
8.根据权利要求7所述的装置,其特征在于,
所述检测单元具体用于通过特征提取模型检测所述图像中的人脸特征信息;
所述装置还包括更新单元,用于根据所述可用于模型训练的人脸图像集合对所述特征提取模型进行训练,以更新所述特征提取模型的模型参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810659963.0A CN108875654B (zh) | 2018-06-25 | 2018-06-25 | 一种人脸特征采集方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810659963.0A CN108875654B (zh) | 2018-06-25 | 2018-06-25 | 一种人脸特征采集方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108875654A CN108875654A (zh) | 2018-11-23 |
CN108875654B true CN108875654B (zh) | 2021-03-05 |
Family
ID=64295603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810659963.0A Active CN108875654B (zh) | 2018-06-25 | 2018-06-25 | 一种人脸特征采集方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108875654B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382647B (zh) * | 2018-12-29 | 2021-07-30 | 广州市百果园信息技术有限公司 | 一种图片处理方法、装置、设备及存储介质 |
CN110427912A (zh) * | 2019-08-12 | 2019-11-08 | 深圳市捷顺科技实业股份有限公司 | 一种基于深度学习的人脸检测方法及其相关装置 |
EP4055519A4 (en) * | 2019-11-20 | 2023-01-04 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | DATA CLEANING DEVICE, DATA CLEANING METHOD AND FACE VERIFICATION METHOD |
CN111310580A (zh) * | 2020-01-19 | 2020-06-19 | 四川联众竞达科技有限公司 | 非配合状态下的人脸识别方法 |
CN111710085A (zh) * | 2020-05-27 | 2020-09-25 | 南京金陵塑胶化工有限公司 | 一种基于面部识别的生产车间安全管理方法及*** |
CN112016485A (zh) * | 2020-08-31 | 2020-12-01 | 罗普特科技集团股份有限公司 | 一种基于人脸识别的客流统计方法和*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103702126A (zh) * | 2013-12-10 | 2014-04-02 | 清华大学深圳研究生院 | 一种基于视频标准hevc的并行编码优化方法 |
CN105184238A (zh) * | 2015-08-26 | 2015-12-23 | 广西小草信息产业有限责任公司 | 一种人脸识别方法及*** |
CN106529593A (zh) * | 2016-11-08 | 2017-03-22 | 广东诚泰交通科技发展有限公司 | 路面病害检测方法和*** |
CN106650804A (zh) * | 2016-12-13 | 2017-05-10 | 深圳云天励飞技术有限公司 | 一种基于深度学习特征的人脸样本清洗方法及*** |
CN107292252A (zh) * | 2017-06-09 | 2017-10-24 | 南京华捷艾米软件科技有限公司 | 一种自主学习的身份识别方法 |
CN107491685A (zh) * | 2017-09-27 | 2017-12-19 | 维沃移动通信有限公司 | 一种人脸识别方法和移动终端 |
CN107563897A (zh) * | 2017-09-08 | 2018-01-09 | 廖海斌 | 基于人脸匹配的名人励志推荐和社交网络建立方法与*** |
CN107679546A (zh) * | 2017-08-17 | 2018-02-09 | 平安科技(深圳)有限公司 | 人脸图像数据采集方法、装置、终端设备及存储介质 |
CN107909104A (zh) * | 2017-11-13 | 2018-04-13 | 腾讯数码(天津)有限公司 | 一种图片的人脸聚类方法、装置及存储介质 |
CN107944020A (zh) * | 2017-12-11 | 2018-04-20 | 深圳云天励飞技术有限公司 | 人脸图像查找方法及装置、计算机装置和存储介质 |
CN108052925A (zh) * | 2017-12-28 | 2018-05-18 | 江西高创保安服务技术有限公司 | 一种小区人员档案智能管理方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101396277A (zh) * | 2007-09-26 | 2009-04-01 | 中国科学院声学研究所 | 一种超声波人脸识别方法和识别装置 |
CN104182734A (zh) * | 2014-08-18 | 2014-12-03 | 桂林电子科技大学 | 基于lrc和协同表示的两阶段人脸识别方法 |
CN104700076B (zh) * | 2015-02-13 | 2017-09-12 | 电子科技大学 | 人脸图像虚拟样本生成方法 |
CN106295482B (zh) * | 2015-06-11 | 2019-10-29 | 中移信息技术有限公司 | 一种人脸数据库的更新方法及装置 |
CN105513368B (zh) * | 2015-11-26 | 2017-10-17 | 银江股份有限公司 | 一种基于不确定信息的假牌车筛选方法 |
CN105631404B (zh) * | 2015-12-17 | 2018-11-30 | 小米科技有限责任公司 | 对照片进行聚类的方法及装置 |
CN107301578A (zh) * | 2016-04-15 | 2017-10-27 | 上海新飞凡电子商务有限公司 | 获取以及识别客户信息的方法及其装置 |
CN106204779B (zh) * | 2016-06-30 | 2018-08-31 | 陕西师范大学 | 基于多人脸数据采集策略和深度学习的课堂考勤方法 |
CN107423606A (zh) * | 2017-08-01 | 2017-12-01 | 黄河科技学院 | 一种基于模糊控制理论的身份识别*** |
-
2018
- 2018-06-25 CN CN201810659963.0A patent/CN108875654B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103702126A (zh) * | 2013-12-10 | 2014-04-02 | 清华大学深圳研究生院 | 一种基于视频标准hevc的并行编码优化方法 |
CN105184238A (zh) * | 2015-08-26 | 2015-12-23 | 广西小草信息产业有限责任公司 | 一种人脸识别方法及*** |
CN106529593A (zh) * | 2016-11-08 | 2017-03-22 | 广东诚泰交通科技发展有限公司 | 路面病害检测方法和*** |
CN106650804A (zh) * | 2016-12-13 | 2017-05-10 | 深圳云天励飞技术有限公司 | 一种基于深度学习特征的人脸样本清洗方法及*** |
CN107292252A (zh) * | 2017-06-09 | 2017-10-24 | 南京华捷艾米软件科技有限公司 | 一种自主学习的身份识别方法 |
CN107679546A (zh) * | 2017-08-17 | 2018-02-09 | 平安科技(深圳)有限公司 | 人脸图像数据采集方法、装置、终端设备及存储介质 |
CN107563897A (zh) * | 2017-09-08 | 2018-01-09 | 廖海斌 | 基于人脸匹配的名人励志推荐和社交网络建立方法与*** |
CN107491685A (zh) * | 2017-09-27 | 2017-12-19 | 维沃移动通信有限公司 | 一种人脸识别方法和移动终端 |
CN107909104A (zh) * | 2017-11-13 | 2018-04-13 | 腾讯数码(天津)有限公司 | 一种图片的人脸聚类方法、装置及存储介质 |
CN107944020A (zh) * | 2017-12-11 | 2018-04-20 | 深圳云天励飞技术有限公司 | 人脸图像查找方法及装置、计算机装置和存储介质 |
CN108052925A (zh) * | 2017-12-28 | 2018-05-18 | 江西高创保安服务技术有限公司 | 一种小区人员档案智能管理方法 |
Non-Patent Citations (1)
Title |
---|
"基于改进ORB特征的多姿态人脸识别";周凯汀等;《计算机辅助设计与图形学学报》;20150228;第27卷(第2期);第287页摘要、第288页左栏第1段、第289-290页第2节和第290页第3.1节 * |
Also Published As
Publication number | Publication date |
---|---|
CN108875654A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875654B (zh) | 一种人脸特征采集方法及装置 | |
CN109831622B (zh) | 一种拍摄方法及电子设备 | |
US10534957B2 (en) | Eyeball movement analysis method and device, and storage medium | |
CN107370942B (zh) | 拍照方法、装置、存储介质及终端 | |
CN107506687B (zh) | 活体检测方法及相关产品 | |
CN107590461B (zh) | 人脸识别方法及相关产品 | |
CN108229369A (zh) | 图像拍摄方法、装置、存储介质及电子设备 | |
JP7261296B2 (ja) | 目標対象認識システム、方法、装置、電子デバイス、及び記録媒体 | |
US20170161553A1 (en) | Method and electronic device for capturing photo | |
WO2017020447A1 (zh) | 一种指纹识别的方法及装置 | |
Vazquez-Fernandez et al. | Built-in face recognition for smart photo sharing in mobile devices | |
CN110796100B (zh) | 步态识别方法、装置、终端及存储装置 | |
CN110991231B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
CN104767963A (zh) | 视频会议中的与会人信息呈现方法和装置 | |
CN109684993B (zh) | 一种基于鼻孔信息的人脸识别方法、***和设备 | |
US20090169108A1 (en) | System and method for recognizing smiling faces captured by a mobile electronic device | |
CN111104910A (zh) | 垃圾投递行为监督方法及相关产品 | |
CN111339831A (zh) | 一种照明灯控制方法和*** | |
CN110909695A (zh) | 防伪处理方法及相关产品 | |
CN107729736B (zh) | 人脸识别方法以及相关产品 | |
CN109145878A (zh) | 图像提取方法及装置 | |
WO2018121552A1 (zh) | 基于掌纹数据的业务处理方法、装置、程序及介质 | |
CN107992816A (zh) | 一种拍照搜索方法、装置及电子设备 | |
CN112633244B (zh) | 一种社交关系的识别方法、装置、电子设备及存储介质 | |
CN104933338B (zh) | 指纹识别感应器拍摄方法及移动设备 |
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 |