CN109034139A - 人脸识别方法、装置、存储介质及电子设备 - Google Patents
人脸识别方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN109034139A CN109034139A CN201811065714.5A CN201811065714A CN109034139A CN 109034139 A CN109034139 A CN 109034139A CN 201811065714 A CN201811065714 A CN 201811065714A CN 109034139 A CN109034139 A CN 109034139A
- Authority
- CN
- China
- Prior art keywords
- facial image
- grid
- grid group
- face
- group
- 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.)
- Withdrawn
Links
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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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)
Abstract
本发明提供一种人脸识别方法、装置、存储介质及电子设备。该方法包括以下步骤:将待识别的人脸图像转换成标准图像;将该标准图像划分成多个方格子区域;根将该多个方格子区域划分成多组方格组;对每一方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据;根据第一特征数据从数据库中检索出多个待选人脸图像,其中,每一第一特征数据对应至少一个待选人脸图像,且该至少一个待选人脸图像的对应方格组的第二特征信息与该第一特征数据的匹配度大于预设值;将多个待选人脸图像的各个方格组分别与待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图像。
Description
技术领域
本申请涉及人脸识别技术领域,特别涉及一种人脸识别方法、装置、存储介质及电子设备。
背景技术
现有技术中,人脸识别时需要将待识别人脸图像与数据库中的所有人脸图像进行全面对比,效率低。
因此,现有技术存在缺陷,急需改进。
发明内容
本申请实施例提供一种人脸识别方法、装置、存储介质及电子设备,可以人脸识别的效率。
本申请实施例提供了一种人脸识别方法,包括以下步骤:
将待识别的人脸图像转换成标准大小的标准图像,所述标准图像的边界线为矩形,且该矩形为该标准图像中的人脸轮廓线的最大外接矩形;
将该标准图像划分成多个大小相等的方格子区域;
根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组;
对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据;
根据所述第一特征数据从数据库中检索出多个待选人脸图像,其中,每一所述第一特征数据对应至少一个待选人脸图像,且该至少一个待选人脸图像的对应方格组的第二特征信息与该第一特征数据的匹配度大于预设值;
将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图像。
在本发明所述的人脸识别方法中,所述根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组的步骤包括:将待识别的人脸图像的多个方格子区域划分成左脸方格组、右脸方格组、额头方格组、耳朵方格组、眼镜方格组、眉毛方格组、嘴巴方格组以及鼻子方格组。
在本发明所述的人脸识别方法中,所述对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据的步骤包括:
对每一方格组的每一方格子区域进行识别以获取该方格组的颜色信息、轮廓信息以及尺寸信息。
在本发明所述的人脸识别方法中,所述将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图的步骤包括:
将所述多个待选人脸图像的各个方格组分别与所述人脸图像的对应方格组进行特征匹配,从所述多个待选人脸图像中筛选出匹配的方格组最多的至少一个第一人脸图像;
若所述至少一个第一人脸图像的数量为一个,则以该第一人脸图像为目标人脸图像;
若所述至少一个第一人脸图像的数量为多个,则按照预设权重公式从该多个第一人脸图像中筛选出目标人脸图像。
在本发明一些实施例的人脸识别方法中,所述预设权重公式为Y=A1B1+A2B2+A3B3+...+AnBn,其中,A1、A2、A3...An分别为一方格组的匹配度,B1、B2、B3...Bn分别为对应方格组的权重系数。
一种人脸识别装置,包括:
转换模块,用于将待识别的人脸图像转换成标准大小的标准图像,所述标准图像的边界线为矩形,且该矩形为该标准图像中的人脸轮廓线的最大外接矩形;
第一划分模块,用于将该标准图像划分成多个大小相等的方格子区域;
第二划分模块,用于根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组;
提取模块,用于对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据;
检索模块,用于根据所述第一特征数据从数据库中检索出多个待选人脸图像,其中,每一所述第一特征数据对应至少一个待选人脸图像,且该至少一个待选人脸图像的对应方格组的第二特征信息与该第一特征数据的匹配度大于预设值;
选择模块,用于将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图像。
在本发明所述的人脸识别装置中,所述第一划分模块用于将待识别的人脸图像的多个方格子区域划分成左脸方格组、右脸方格组、额头方格组、耳朵方格组、眼镜方格组、眉毛方格组、嘴巴方格组以及鼻子方格组。。
在本发明所述的人脸识别装置中,所述提取模块用于对所述人脸图像的每一方格组进行识别以获取该方格组的颜色信息、轮廓信息以及尺寸信息。
一种存储介质,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行上述任一项所述的方法。
一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行上述任一项方法。
由上可知,本发明通过将待识别的人脸图像转换成标准大小的标准图像,所述标准图像的边界线为矩形,且该矩形为该标准图像中的人脸轮廓线的最大外接矩形;将该标准图像划分成多个大小相等的方格子区域;根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组;对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据;根据所述第一特征数据从数据库中检索出多个待选人脸图像,其中,每一所述第一特征数据对应至少一个待选人脸图像,且该至少一个待选人脸图像的对应方格组的第二特征信息与该第一特征数据的匹配度大于预设值;将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图像。从而实现快速人脸识别,由于不用将人脸的所有数据库中的所有人脸图像的所有特征进行一一对比,大大提高了识别效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域技术人员来讲,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是本申请实施例提供的人脸识别流程示意图。
图2是本申请实施例提供的人脸识别装置的结构示意图。
图3是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接或可以相互通讯;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
下文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本申请。此外,本申请可以在不同例子中重复参考数字和/或参考字母,这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施方式和/或设置之间的关系。此外,本申请提供了的各种特定的工艺和材料的例子,但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
本申请的说明书和权利要求书以及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应当理解,这样描述的对象在适当情况下可以互换。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。例如,包含了一系列步骤的过程、方法或包含了一系列模块或单元的装置、终端、***不必限于清楚地列出的那些步骤或模块或单元,还可以包括没有清楚地列出的步骤或模块或单元,也可以包括对于这些过程、方法、装置、终端或***固有的其它步骤或模块或单元。
参考图1,图1为本发明一些实施例中的人脸识别方法的流程图。该方法应用于手机、IPAD等电子设备中,该人脸识别方法,包括以下步骤:
S101、将待识别的人脸图像转换成标准大小的标准图像,所述标准图像的边界线为矩形,且该矩形为该标准图像中的人脸轮廓线的最大外接矩形。
在获取到待识别的人脸图像后,先获取人脸图像中的人脸轮廓线,然后画出该人脸轮廓线的最大外接矩形,得到第一人脸图像,然后将该第一人脸图像进行缩放,将该第一人脸图像的大小调整成标准的尺寸,得到标准图像。
S102、将该标准图像划分成多个大小相等的方格子区域。
采用多条分别与该最大外接矩形的长边和宽边平行的参考线将该标准图像划分成多个大小相等的方格子区域。具体地,该方格子区域的个数为预设值,例如,采用100*150的格式。
S103、根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组。
根据每一器官的轮廓线选择出该器官的方格组所对应的所有方格子区域,其中,该器官的轮廓线所在的方格子区域所围成的区域之内的方格子区域均属于该器官的方格组的方格子区域。具体地为,将待识别的人脸图像的多个方格子区域划分成左脸方格组、右脸方格组、额头方格组、耳朵方格组、眼镜方格组、眉毛方格组、嘴巴方格组以及鼻子方格组。
S104、对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据。
对各个方格组进行识别时,可以采用现有技术中的人脸识别算法进行识别,其中,该第一特征数据包括但是不限于以下特征信息:颜色信息、轮廓信息以及尺寸信息等。当然,可以理解地,在一些实施例中,为了提高准确度,可以根据人的年龄信息对各个方格组的特征信息进行微小的优化。
S105、根据所述第一特征数据从数据库中检索出多个待选人脸图像,其中,每一所述第一特征数据对应至少一个待选人脸图像,且该至少一个待选人脸图像的对应方格组的第二特征信息与该第一特征数据的匹配度大于预设值。
在该步骤中,只需要将待选人脸图像的其他未比较的方格组分别与该人脸图像的方格组进行比较即可,可以提高效率。
S106、将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图像。
其中,对于不同的方格组的阈值设定是不相同的,不同方格组的特征主要提现不同的方面。例如,对于眼睛区域而言长度差距相对较小,主要区别在于宽度。而对于鼻子而言,主要提现在鼻子的高度以及宽度等。因此,要采用不同的方格组要采用不同的阈值。
在一些实施例中,该步骤S106包括以下子步骤:
S1061、将所述多个待选人脸图像的各个方格组分别与所述人脸图像的对应方格组进行特征匹配,从所述多个待选人脸图像中筛选出匹配的方格组最多的至少一个第一人脸图像;S1062、若所述至少一个第一人脸图像的数量为一个,则以该第一人脸图像为目标人脸图像;S1063、若所述至少一个第一人脸图像的数量为多个,则按照预设权重公式从该多个第一人脸图像中筛选出目标人脸图像。所述预设权重公式为Y=A1B1+A2B2+A3B3+...+AnBn,其中,A1、A2、A3...An分别为一方格组的匹配度,B1、B2、B3...Bn分别为对应方格组的权重系数。而该目标人脸图像为该多个第一人脸图像中Y值最大的。
由上可知,本发明通过将待识别的人脸图像转换成标准大小的标准图像,所述标准图像的边界线为矩形,且该矩形为该标准图像中的人脸轮廓线的最大外接矩形;将该标准图像划分成多个大小相等的方格子区域;根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组;对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据;根据所述第一特征数据从数据库中检索出多个待选人脸图像,其中,每一所述第一特征数据对应至少一个待选人脸图像,且该至少一个待选人脸图像的对应方格组的第二特征信息与该第一特征数据的匹配度大于预设值;将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图像。从而实现快速人脸识别,由于不用将人脸的所有数据库中的所有人脸图像的所有特征进行一一对比,大大提高了识别效率。
请参照图2,图2是本发明一些实施例中的人脸识别装置200的结构图。该人脸识别装置,包括:
其中,该转换模块201用于将待识别的人脸图像转换成标准大小的标准图像,所述标准图像的边界线为矩形,且该矩形为该标准图像中的人脸轮廓线的最大外接矩形。在获取到待识别的人脸图像后,先获取人脸图像中的人脸轮廓线,然后画出该人脸轮廓线的最大外接矩形,得到第一人脸图像,然后将该第一人脸图像进行缩放,将该第一人脸图像的大小调整成标准的尺寸,得到标准图像。
其中,该第一划分模块202用于将该标准图像划分成多个大小相等的方格子区域;采用多条分别与该最大外接矩形的长边和宽边平行的参考线将该标准图像划分成多个大小相等的方格子区域。具体地,该方格子区域的个数为预设值,例如,采用100*150的格式。
其中,该第二划分模块203用于根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组;根据每一器官的轮廓线选择出该器官的方格组所对应的所有方格子区域,其中,该器官的轮廓线所在的方格子区域所围成的区域之内的方格子区域均属于该器官的方格组的方格子区域。具体地为,将待识别的人脸图像的多个方格子区域划分成左脸方格组、右脸方格组、额头方格组、耳朵方格组、眼镜方格组、眉毛方格组、嘴巴方格组以及鼻子方格组。
其中,该提取模块204用于对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据;对各个方格组进行识别时,可以采用现有技术中的人脸识别算法进行识别,其中,该第一特征数据包括但是不限于以下特征信息:颜色信息、轮廓信息以及尺寸信息等。当然,可以理解地,在一些实施例中,为了提高准确度,可以根据人的年龄信息对各个方格组的特征信息进行微小的优化。
其中,该检索模块205用于根据所述第一特征数据从数据库中检索出多个待选人脸图像,其中,每一所述第一特征数据对应至少一个待选人脸图像,且该至少一个待选人脸图像的对应方格组的第二特征信息与该第一特征数据的匹配度大于预设值;只需要将待选人脸图像的其他未比较的方格组分别与该人脸图像的方格组进行比较即可,可以提高效率。
其中,该选择模块206用于将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图像。
其中,对于不同的方格组的阈值设定是不相同的,不同方格组的特征主要提现不同的方面。例如,对于眼睛区域而言长度差距相对较小,主要区别在于宽度。而对于鼻子而言,主要提现在鼻子的高度以及宽度等。因此,要采用不同的方格组要采用不同的阈值。
在一些实施例中,该选择模块206用于将所述多个待选人脸图像的各个方格组分别与所述人脸图像的对应方格组进行特征匹配,从所述多个待选人脸图像中筛选出匹配的方格组最多的至少一个第一人脸图像;若所述至少一个第一人脸图像的数量为一个,则以该第一人脸图像为目标人脸图像;若所述至少一个第一人脸图像的数量为多个,则按照预设权重公式从该多个第一人脸图像中筛选出目标人脸图像。所述预设权重公式为Y=A1B1+A2B2+A3B3+...+AnBn,其中,A1、A2、A3...An分别为一方格组的匹配度,B1、B2、B3...Bn分别为对应方格组的权重系数。而该目标人脸图像为该多个第一人脸图像中Y值最大的。
由上可知,本发明通过将待识别的人脸图像转换成标准大小的标准图像,所述标准图像的边界线为矩形,且该矩形为该标准图像中的人脸轮廓线的最大外接矩形;将该标准图像划分成多个大小相等的方格子区域;根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组;对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据;根据所述第一特征数据从数据库中检索出多个待选人脸图像,其中,每一所述第一特征数据对应至少一个待选人脸图像,且该至少一个待选人脸图像的对应方格组的第二特征信息与该第一特征数据的匹配度大于预设值;将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图像。从而实现快速人脸识别,由于不用将人脸的所有数据库中的所有人脸图像的所有特征进行一一对比,大大提高了识别效率。
请参照图3,本申请实施例还提供一种电子设备。该电子设备可以是智能手机、平板电脑等设备。如示,电子设备300包括处理器301和存储器302。其中,处理器301与存储器302电性连接。
处理器301是终端300的控制中心,利用各种接口和线路连接整个终端的各个部分,通过运行或调用存储在存储器302内的计算机程序,以及调用存储在存储器302内的数据,执行终端的各种功能和处理数据,从而对终端进行整体监控。
在本实施例中,电子设备300中的处理器301会按照如下的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器302中,并由处理器301来运行存储在存储器302中的计算机程序,从而实现各种功能:将待识别的人脸图像转换成标准大小的标准图像,所述标准图像的边界线为矩形,且该矩形为该标准图像中的人脸轮廓线的最大外接矩形;将该标准图像划分成多个大小相等的方格子区域;根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组;对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据;根据所述第一特征数据从数据库中检索出多个待选人脸图像,其中,每一所述第一特征数据对应至少一个待选人脸图像,且该至少一个待选人脸图像的对应方格组的第二特征信息与该第一特征数据的匹配度大于预设值;将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图像。
存储器302可用于存储计算机程序和数据。存储器302存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器301通过调用存储在存储器302的计算机程序,从而执行各种功能应用以及数据处理。
由上可知,本发明通过将待识别的人脸图像转换成标准大小的标准图像,所述标准图像的边界线为矩形,且该矩形为该标准图像中的人脸轮廓线的最大外接矩形;将该标准图像划分成多个大小相等的方格子区域;根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组;对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据;根据所述第一特征数据从数据库中检索出多个待选人脸图像,其中,每一所述第一特征数据对应至少一个待选人脸图像,且该至少一个待选人脸图像的对应方格组的第二特征信息与该第一特征数据的匹配度大于预设值;将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图像。从而实现快速人脸识别,由于不用将人脸的所有数据库中的所有人脸图像的所有特征进行一一对比,大大提高了识别效率。
本申请实施例还提供一种存储介质,该存储介质中存储有计算机程序,当该计算机程序在计算机上运行时,该计算机执行上述任一实施例所述的人脸识别方法。
需要说明的是,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于计算机可读存储介质中,该存储介质可以包括但不限于:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
以上对本申请实施例所提供的大数据安全加密方法、装置、存储介质及电子设备进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种人脸识别方法,其特征在于,包括以下步骤:
将待识别的人脸图像转换成标准大小的标准图像,所述标准图像的边界线为矩形,且该矩形为该标准图像中的人脸轮廓线的最大外接矩形;
将该标准图像划分成多个大小相等的方格子区域;
根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组;
对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据;
根据所述第一特征数据从数据库中检索出多个待选人脸图像,其中,每一所述第一特征数据对应至少一个待选人脸图像,且该至少一个待选人脸图像的对应方格组的第二特征信息与该第一特征数据的匹配度大于预设值;
将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图像。
2.根据权利要求1所述的人脸识别方法,其特征在于,所述根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组的步骤包括:将待识别的人脸图像的多个方格子区域划分成左脸方格组、右脸方格组、额头方格组、耳朵方格组、眼镜方格组、眉毛方格组、嘴巴方格组以及鼻子方格组。
3.根据权利要求1所述的人脸识别方法,其特征在于,所述对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据的步骤包括:
对每一方格组的每一方格子区域进行识别以获取该方格组的颜色信息、轮廓信息以及尺寸信息。
4.根据权利要求1所述的人脸识别方法,其特征在于,所述将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图的步骤包括:
将所述多个待选人脸图像的各个方格组分别与所述人脸图像的对应方格组进行特征匹配,从所述多个待选人脸图像中筛选出匹配的方格组最多的至少一个第一人脸图像;
若所述至少一个第一人脸图像的数量为一个,则以该第一人脸图像为目标人脸图像;
若所述至少一个第一人脸图像的数量为多个,则按照预设权重公式从该多个第一人脸图像中筛选出目标人脸图像。
5.根据权利要求4所述的人脸识别方法,其特征在于,所述预设权重公式为Y=A1B1+A2B2+A3B3+...+AnBn,其中,A1、A2、A3...An分别为一方格组的匹配度,B1、B2、B3...Bn分别为对应方格组的权重系数。
6.一种人脸识别装置,其特征在于,包括:
转换模块,用于将待识别的人脸图像转换成标准大小的标准图像,所述标准图像的边界线为矩形,且该矩形为该标准图像中的人脸轮廓线的最大外接矩形;
第一划分模块,用于将该标准图像划分成多个大小相等的方格子区域;
第二划分模块,用于根据人脸的各个器官区域的分布将该多个方格子区域划分成多组方格组;
提取模块,用于对每一所述方格组的多个方格子区域进行特征提取,以得到对应器官区域的第一特征数据;
检索模块,用于根据所述第一特征数据从数据库中检索出多个待选人脸图像,其中,每一所述第一特征数据对应至少一个待选人脸图像,且该至少一个待选人脸图像的对应方格组的第二特征信息与该第一特征数据的匹配度大于预设值;
选择模块,用于将所述多个待选人脸图像的各个方格组分别与所述待识别的人脸图像的对应方格组进行特征匹配,以从该多个待选人脸图像中选出目标人脸图像。
7.根据权利要求6所述的人脸识别装置,其特征在于,所述第一划分模块用于将待识别的人脸图像的多个方格子区域划分成左脸方格组、右脸方格组、额头方格组、耳朵方格组、眼镜方格组、眉毛方格组、嘴巴方格组以及鼻子方格组。。
8.根据权利要求6所述的人脸识别装置,其特征在于,所述提取模块用于对所述人脸图像的每一方格组进行识别以获取该方格组的颜色信息、轮廓信息以及尺寸信息。
9.一种存储介质,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行权利要求1-5任一项所述的方法。
10.一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器通过调用所述存储器中存储的所述计算机程序,用于执行权利要求1-5任一项方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811065714.5A CN109034139A (zh) | 2018-09-13 | 2018-09-13 | 人脸识别方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811065714.5A CN109034139A (zh) | 2018-09-13 | 2018-09-13 | 人脸识别方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109034139A true CN109034139A (zh) | 2018-12-18 |
Family
ID=64621311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811065714.5A Withdrawn CN109034139A (zh) | 2018-09-13 | 2018-09-13 | 人脸识别方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109034139A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034141A (zh) * | 2018-09-17 | 2018-12-18 | 王虹 | 人脸识别方法、装置、存储介质及电子设备 |
-
2018
- 2018-09-13 CN CN201811065714.5A patent/CN109034139A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034141A (zh) * | 2018-09-17 | 2018-12-18 | 王虹 | 人脸识别方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110909611B (zh) | 一种关注区域检测方法、装置、可读存储介质及终端设备 | |
CN110197146B (zh) | 基于深度学习的人脸图像分析方法、电子装置及存储介质 | |
CN108520222A (zh) | 基于脸部智能扫描的识别鉴定方法、装置、存储介质及电子设备 | |
CN102667810B (zh) | 数字图像中的面部识别 | |
CN106408037B (zh) | 图像识别方法及装置 | |
CN111597884A (zh) | 面部动作单元识别方法、装置、电子设备及存储介质 | |
CN109800749A (zh) | 一种文字识别方法及装置 | |
CN110348511A (zh) | 一种图片翻拍检测方法、***及电子设备 | |
CN110991448A (zh) | 电力设备铭牌图像的文本检测方法及装置 | |
CN106331254B (zh) | 一种移动终端跌落的保护处理方法及装置 | |
CN109858333A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN110472460A (zh) | 人脸图像处理方法及装置 | |
CN108875797A (zh) | 一种确定图像相似度的方法、相册管理方法及相关设备 | |
CN112949750B (zh) | 一种图像分类方法及计算机可读存储介质 | |
CN109498037A (zh) | 基于深度学习提取特征和多重降维算法的脑认知测量方法 | |
CN109145812A (zh) | 违建监测方法及装置 | |
CN111178196B (zh) | 一种细胞分类的方法、装置及设备 | |
CN109711441A (zh) | 图像分类方法、装置、存储介质及电子设备 | |
CN115862113A (zh) | 陌生人异常识别方法、装置、设备及存储介质 | |
CN111429409A (zh) | 对图像中人物佩戴眼镜的识别方法、***及其存储介质 | |
CN109034139A (zh) | 人脸识别方法、装置、存储介质及电子设备 | |
CN109002804A (zh) | 人脸识别方法、装置、存储介质及电子设备 | |
CN106651803B (zh) | 户型数据的识别方法及装置 | |
CN108875713A (zh) | 人脸识别方法、装置、存储介质及电子设备 | |
CN113870196A (zh) | 一种基于锚点切图的图像处理方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181218 |