CN109117725A - 人脸识别方法及装置 - Google Patents

人脸识别方法及装置 Download PDF

Info

Publication number
CN109117725A
CN109117725A CN201810743438.7A CN201810743438A CN109117725A CN 109117725 A CN109117725 A CN 109117725A CN 201810743438 A CN201810743438 A CN 201810743438A CN 109117725 A CN109117725 A CN 109117725A
Authority
CN
China
Prior art keywords
image
face
facial image
target
visible light
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.)
Pending
Application number
CN201810743438.7A
Other languages
English (en)
Inventor
朱杰豪
陈伟平
陈宏亮
曾昭志
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.)
Shenzhen Kemai Technology Co Ltd
Original Assignee
Shenzhen Kemai Technology 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 Shenzhen Kemai Technology Co Ltd filed Critical Shenzhen Kemai Technology Co Ltd
Priority to CN201810743438.7A priority Critical patent/CN109117725A/zh
Publication of CN109117725A publication Critical patent/CN109117725A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10052—Images from lightfield camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

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

Abstract

本发明实施例提供了一种人脸识别方法及装置，所述方法包括：通过红外摄像头获取红外人脸图像；通过可见光摄像头获取可见光人脸图像，所述可见光人脸图像与所述红外人脸图像来自于目标用户人脸；将所述红外人脸图像与所述可见光人脸图像进行图像融合，得到第一目标人脸图像；获取目标环境参数；依据所述目标环境参数对所述第一目标人脸图像进行图像处理，得到第二目标人脸图像；将所述第二目标人脸图像与预设人脸模板进行匹配；在所述第二目标人脸图像与所述预设人脸模板匹配成功时，确认所述目标用户人脸被识别成功。通过本发明实施例能够在复杂环境下，结合红外摄像头以及可见光摄像头各自优势，使得人脸识别效率更高。

Description

人脸识别方法及装置
技术领域
本发明涉及图像处理技术领域，具体涉及一种人脸识别方法及装置。
背景技术
随着电子技术快速发展，电子设备(如手机、平板电脑等)越来越渗透到用户生活，给用户带来了生活以及工作上的便利，尤其是人脸识别技术，人脸识别越来越受到企业关注，例如，人脸解锁，人脸支付，俨然，人脸识别已成为用户生活中的一部分，但是，在复杂环境(例如，暗视觉、曝光环境)下，则会降低人脸识别效率，因此，如何针对复杂环境情况下，提升人脸识别率的问题亟待解决。
发明内容
本发明实施例提供了一种人脸识别方法及装置，可以在人脸复杂环境的情况下，提升人脸识别率。
第一方面，本发明实施例提供了一种人脸识别方法，包括：
通过红外摄像头获取红外人脸图像；
通过可见光摄像头获取可见光人脸图像，所述可见光人脸图像与所述红外人脸图像来自于目标用户人脸；
将所述红外人脸图像与所述可见光人脸图像进行图像融合，得到第一目标人脸图像；
获取目标环境参数；
依据所述目标环境参数对所述第一目标人脸图像进行图像处理，得到第二目标人脸图像；
将所述第二目标人脸图像与预设人脸模板进行匹配；
在所述第二目标人脸图像与所述预设人脸模板匹配成功时，确认所述目标用户人脸被识别成功。
第二方面，本申请实施例提供了一种人脸识别装置，包括：
第一获取单元，用于通过红外摄像头获取红外人脸图像；以及通过可见光摄像头获取可见光人脸图像，所述可见光人脸图像与所述红外人脸图像来自于目标用户人脸；
图像融合单元，用于将所述红外人脸图像与所述可见光人脸图像进行图像融合，得到第一目标人脸图像；
第二获取单元，用于获取目标环境参数；
处理单元，用于依据所述目标环境参数对所述第一目标人脸图像进行图像处理，得到第二目标人脸图像；
匹配单元，用于将所述第二目标人脸图像与预设人脸模板进行匹配；
确定单元，用于在所述第二目标人脸图像与所述预设人脸模板匹配成功时，确认所述目标用户人脸被识别成功。
第三方面，本申请实施例提供一种人脸识别装置，包括处理器、存储器以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本发明实施例，具有如下有益效果：
通过本发明实施例所描述的人脸识别方法及装置，通过红外摄像头获取红外人脸图像，通过可见光摄像头获取可见光人脸图像，可见光人脸图像与红外人脸图像来自于目标用户人脸，将红外人脸图像与可见光人脸图像进行图像融合，得到第一目标人脸图像，获取目标环境参数，依据目标环境参数对第一目标人脸图像进行图像处理，得到第二目标人脸图像，将第二目标人脸图像与预设人脸模板进行匹配，在第二目标人脸图像与预设人脸模板匹配成功时，确认目标用户人脸被识别成功，从而，能够在复杂环境下，结合红外摄像头以及可见光摄像头各自优势，使得人脸识别效率更高。
附图说明
为了更清楚地说明本发明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1A是本发明实施例提供的一种人脸识别方法的实施例流程示意图；
图1B是本发明实施例提供的一种人脸识别方法的另一实施例流程示意图；
图1C是本发明实施例提供的一种人脸识别方法的另一实施例流程示意图；
图1D是本发明实施例提供的一种人脸识别方法的另一实施例流程示意图；
图1E是本发明实施例提供的一种人脸识别方法的另一实施例流程示意图；
图1F是本发明实施例提供的一种人脸识别方法的另一实施例流程示意图；
图1G是本发明实施例提供的一种人脸识别方法的另一实施例流程示意图；
图2是本发明实施例提供的一种人脸识别方法的另一实施例流程示意图；
图3A是本发明实施例提供的一种人脸识别装置的实施例结构示意图；
图3B是本发明实施例提供的一种人脸识别装置的另一实施例结构示意图；
图4是本发明实施例提供的一种人脸识别装置的实施例结构示意图；
图5是本发明实施例提供的一种人脸识别装置的实施例结构示意图。
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。
本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明实施例所描述的人脸识别装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备(MID，Mobile Internet Devices)或穿戴式设备(例如，蓝牙耳机、VR设备或者IR设备)等，上述仅是举例，而非穷举，包含但不限于上述人脸识别装置。
请参阅图1A，为本发明实施例提供的一种人脸识别方法的实施例流程示意图。本实施例中所描述的人脸识别方法，包括以下步骤：
101、通过红外摄像头获取红外人脸图像。
其中，由于红外摄像头通过温度成像，因此，即使在黑夜，也可以捕捉到用户，本申请实施例中，通过红外摄像头获取红外人脸图像，则一方面为了实现人脸定位，以便于更好地拍摄可见光人脸图像，另一方面，则可以提取红外双摄像头的***轮廓，以便于进行初步人脸识别。
可选地，如图1B所示，在上述步骤101与步骤102之间，还可以包括如下步骤：
A1、对所述红外人脸图像进行轮廓提取，得到***轮廓；
A2、将所述***轮廓与所述预设人脸模板的预设***轮廓进行匹配；
A3、在所述***轮廓与所述预设***轮廓匹配成功时，确认所述目标用户人脸初步识别成功。
其中，人脸识别装置中可以预先存储预设人脸模板，人脸识别装置可以对红外人脸图像进行轮廓提取，具体的轮廓提取算法可以为以下至少一种：霍夫变换、canny算子等等，在此不做限定，得到***轮廓之后，可以将***轮廓与预设人脸模板的预设***轮廓进行匹配，并在***轮廓与预设***轮廓匹配成功时，确认目标用户人脸初步识别成功，否则，则确认目标用户人脸初步识别失败，则提示用户人脸识别失败。
可选地，如图1C所示，上述步骤A2，将所述***轮廓与所述预设人脸模板的预设***轮廓进行匹配，可以包括如下步骤：
A21、确定所述***轮廓的第一周长，以及所述***轮廓的对称轴的第一轴线长度；
A22、确定所述预设***轮廓的第二周长，以及所述预设***轮廓的对称轴的第二轴线长度；
A23、确定所述第一周长与所述第二周长之间的第一比值，以及所述第一轴线长度与所述第二轴线长度之间的第二比值；
A24、在所述第一比值与所述第二比值之间的第三比值处于预设范围时，确认所述***轮廓与所述预设***轮廓匹配成功。
具体实现中，上述预设范围可以由用户自行设置或者***默认。人脸识别装置可确定***轮廓的第一周长，以及***轮廓的对称轴的第一轴线长度，以及确定预设***轮廓的第二周长，以及预设***轮廓的对称轴的第二轴线长度，确定第一周长与第二周长之间的第一比值，以及第一轴线长度与第二轴线长度之间的第二比值，在第一比值与第二比值之间的第三比值处于预设范围时，确认***轮廓与预设***轮廓匹配成功。
102、通过可见光摄像头获取可见光人脸图像，所述可见光人脸图像与所述红外人脸图像来自于目标用户人脸。
其中，可见光摄像头可以更多捕捉细节信息，因此，可以通过可见光摄像头获取可见光人脸图像，上述可见光人脸图像与红外人脸图像来自目标用户人脸，上述红外摄像头和可见光摄像头可以已配准，或者未配准。
可选地，如图1D所示，上述步骤102通过可见光摄像头获取可见光人脸图像，可包括如下步骤：
211、获取当前环境参数；
212、确定与所述当前环境参数对应的目标拍摄参数；
213、通过所述可见光摄像头依据所述目标拍摄参数进行拍照，得到所述可见光人脸图像。
其中，环境参数可以为以下至少一种：环境光亮度、环境色温、环境温度、环境湿度、环境电磁干扰强度等等，在此不做限定。拍摄参数可以包括以下至少一种：焦距、曝光时长、感光度、光圈大小等等，在此不作限定。人脸识别装置可以通过传感器获取目标环境参数，传感器可以为以下至少一种：环境光传感器、温度传感器、湿度传感器、电磁干扰检测传感器等等，在此不作限定，人脸识别装置中可以预先存储环境参数与拍摄参数之间的映射关系，进而，可以依据该映射关系确定目标环境参数对应的目标拍摄参数，并依据目标拍摄参数进行拍照，得到可见光人脸图像。如下提供一种环境参数与拍摄参数之间的映射关系，具体如下：
环境参数 拍摄参数
环境参数1 拍摄参数1
环境参数2 拍摄参数2
… …
环境参数n 拍摄参数n
可选地，如图1E所示，上述步骤102，通过可见光摄像头获取可见光人脸图像，可包括如下步骤：
221、对所述红外人脸图像进行图像分割，得到人脸区域；
222、通过所述可见光摄像头对所述人脸区域进行对焦，得到所述可见光人脸图像。
其中，人脸识别装置可以对人脸图像进行图像分割，得到人脸区域，由于红外人脸图像中可不仅包括人脸，还包括其他内容，进而，通过可见光摄像头对人脸区域进行对焦，从而，可以得到更为清晰的可见光人脸图像。
103、将所述红外人脸图像与所述可见光人脸图像进行图像融合，得到第一目标人脸图像。
其中，人脸识别装置可以通过多尺度分解算法将红外人脸图像与可见光人脸图像进行图像融合，多尺度分解算法可以为以下至少一种：小波变换算法、轮廓波变换算法、高斯金字塔变换算法、拉普拉斯金字塔变换算法等等，在此不做限定。
可选地，如图1F所示，上述步骤103，将所述红外人脸图像与所述可见光人脸图像进行图像融合，可包括如下步骤：
31、对所述红外人脸图像进行轮廓提取，得到***轮廓；
32、对所述可见光人脸图像进行特征点提取，得到特征点集；
33、将所述***轮廓与所述特征点集进行图像融合，得到所述第一目标人脸图像。
其中，人脸识别装置可以对红外人脸图像进行轮廓提取，得到***轮廓，轮廓提取的算法可以为以下至少一种：霍夫变换、canny算子等等，在此不做限定。人脸识别装置可以对可见光人脸图像进行特征点提取，得到特征点集，特征点提取的算法可以为以下至少一种：Harris角点、尺度不变特征提取变换(scale invariant feature transform，SIFT)等等。进而，将***轮廓与特征点集进行图像融合，得到第一目标人脸图像，尤其在暗视觉环境下，由于红外摄像头无法精准捕捉细节特征，但是其可以较为精准地识别出用户人脸轮廓，而可见光摄像头则可以精准捕捉图像细节，如此，可以充分结合两者的优势，合成第一目标人脸图像。
104、获取目标环境参数。
其中，环境参数可以为以下至少一种：环境光亮度、天气、环境色温、环境温度、环境湿度、环境电磁干扰强度等等，在此不做限定。人脸识别装置可以通过传感器获取目标环境参数，传感器可以为以下至少一种：环境光传感器、温度传感器、湿度传感器、电磁干扰检测传感器等等，在此不作限定。
105、依据所述目标环境参数对所述第一目标人脸图像进行图像处理，得到第二目标人脸图像。
其中，由于不同的环境下，图像存在缺陷，例如，暗视觉环境下，图像细节缺失较为严重，雾天环境下，则图像模糊化较为严重，多曝光环境下，图像噪点较多，等等，因此，人脸识别装置依据目标环境参数对第一目标人脸图像进行图像处理，得到第二目标人脸图像，从而，改善图像质量，以提升人脸识别效率。
可选地，上述步骤105，依据所述目标环境参数对所述第一目标人脸图像进行图像处理，可包括如下步骤:
51、按照预设的环境参数与图像增强参数之间的映射关系，确定与所述目标环境参数对应的目标图像增强参数；
52、依据所述目标图像增强参数对所述第一目标人脸图像进行图像处理。
其中，人脸识别装置中可以预先存储预设的环境参数与图像增强参数之间的映射关系，另外，图像增强参数与图像增强算法对应，例如，暗视觉增强参数对应暗视觉图像增强算法，因此，依据该映射关系确定目标环境参数对应的目标图像增强参数，并依据目标图像增强参数对第一目标人脸图像进行图像处理。图像增强算法可以包括以下至少一种：暗视觉图像增强算法(直方图均衡化、灰度拉伸)、去雾算法(暗通道去雾算法)、多曝光图像增强算法(例如，非下采样轮廓波变换算法)等等，在此不做限定，每一图像增强算法均对应一些图像增强参数，用于调节图像质量，在此不做限定。
106、将所述第二目标人脸图像与预设人脸模板进行匹配。
其中，人脸识别装置可以分别提取第二目标人脸图像与预设人脸模板的特征点，将两者的特征点进行匹配，或者，人脸识别装置可以分别提取第二目标人脸图像与预设人脸模板的轮廓，将两者的轮廓进行匹配。
107、在所述第二目标人脸图像与所述预设人脸模板匹配成功时，确认所述目标用户人脸被识别成功。
其中，人脸识别装置中可以预先设置人脸识别阈值，在第二目标人脸图像与预设人脸模板之间的匹配值大于人脸识别阈值时，确认目标用户人脸被识别成功，否则，确认目标用户人脸被识别失败。
可选地，上述步骤103-步骤104之间，还可以包括如下步骤：
B1、对所述第一目标人脸图像进行图像质量评价，得到图像质量评价值；
B2、在所述图像质量评价值小于或等于图像质量评价阈值时，执行所述获取目标环境参数的步骤。
其中，图像质量评价阈值可以由用户自行设置或者***默认。
进一步可选地，上述步骤B1，对所述第一目标人脸图像进行图像质量评价，得到图像质量评价值，可按照如下方式实施：
采用至少一个图像质量评价指标对第一目标人脸图像进行图像质量评价，得到图像质量评价值。
其中，图像质量评价指标可包括但不仅限于：平均灰度、均方差、熵、边缘保持度、信噪比等等。可定义为得到的图像质量评价值越大，则图像质量越好。
需要说明的是，由于采用单一评价指标对图像质量进行评价时，具有一定的局限性，因此，可采用多个图像质量评价指标对图像质量进行评价，当然，对图像质量进行评价时，并非图像质量评价指标越多越好，因为图像质量评价指标越多，图像质量评价过程的计算复杂度越高，也不见得图像质量评价效果越好，因此，在对图像质量评价要求较高的情况下，可采用2～10个图像质量评价指标对图像质量进行评价。具体地，选取图像质量评价指标的个数及哪个指标，依据具体实现情况而定。当然，也得结合具体地场景选取图像质量评价指标，在暗环境下进行图像质量评价和亮环境下进行图像质量评价选取的图像质量指标可不一样。
可选地，在对图像质量评价精度要求不高的情况下，可用一个图像质量评价指标进行评价，例如，以熵对待处理图像进行图像质量评价值，可认为熵越大，则说明图像质量越好，相反地，熵越小，则说明图像质量越差。
可选地，在对图像质量评价精度要求较高的情况下，可以采用多个图像质量评价指标对待评价图像进行评价，在多个图像质量评价指标对待评价图像进行图像质量评价时，可设置该多个图像质量评价指标中每一图像质量评价指标的权重，可得到多个图像质量评价值，根据该多个图像质量评价值及其对应的权重可得到最终的图像质量评价值，例如，三个图像质量评价指标分别为：A指标、B指标和C指标，A的权重为a1，B的权重为a2，C的权重为a3，采用A、B和C对某一图像进行图像质量评价时，A对应的图像质量评价值为b1，B对应的图像质量评价值为b2，C对应的图像质量评价值为b3，那么，最后的图像质量评价值＝a1b1+a2b2+a3b3。通常情况下，图像质量评价值越大，说明图像质量越好。
简单说明下，如图1G所示，人脸识别装置可以获取红外人脸图像以及可见光人脸图像，将两者加以图像融合，得到第一目标人脸图像，获取环境参数，根据环境参数对第二目标人脸图像进行图像处理，得到第二目标人脸图像，再将第二目标人脸图像与预设人脸模板进行人脸匹配，若匹配成功，则确认目标用户人脸被识别成功。
通过本发明实施例所描述的人脸识别方法，通过红外摄像头获取红外人脸图像，通过可见光摄像头获取可见光人脸图像，可见光人脸图像与红外人脸图像来自于目标用户人脸，将红外人脸图像与可见光人脸图像进行图像融合，得到第一目标人脸图像，获取目标环境参数，依据目标环境参数对第一目标人脸图像进行图像处理，得到第二目标人脸图像，将第二目标人脸图像与预设人脸模板进行匹配，在第二目标人脸图像与预设人脸模板匹配成功时，确认目标用户人脸被识别成功，从而，能够在复杂环境下，结合红外摄像头以及可见光摄像头各自优势，使得人脸识别效率更高。
与上述一致地，请参阅图2，为本发明实施例提供的一种人脸识别方法的第二实施例流程示意图。本实施例中所描述的人脸识别方法，包括以下步骤：
201、通过红外摄像头获取红外人脸图像。
202、通过可见光摄像头获取可见光人脸图像，所述可见光人脸图像与所述红外人脸图像来自于用户人脸。
203、将所述红外人脸图像与所述可见光人脸图像进行图像融合，得到第一目标人脸图像。
204、对所述第一目标人脸图像进行图像质量评价，得到图像质量评价值。
205、在所述图像质量评价值小于或等于图像质量评价阈值时，获取目标环境参数。
206、依据所述目标环境参数对所述第一目标人脸图像进行图像处理，得到第二目标人脸图像。
207、将所述第二目标人脸图像与预设人脸模板进行匹配。
208在所述第二目标人脸图像与所述预设人脸模板匹配成功时，确认所述目标用户人脸被识别成功。
其中，上述步骤201-208的具体描述可以参照图1A所描述的人脸识别方法的相应描述，在此不再赘述。
通过本发明实施例所描述的人脸识别方法，通过红外摄像头获取红外人脸图像，通过可见光摄像头获取可见光人脸图像，可见光人脸图像与红外人脸图像来自于目标用户人脸，将红外人脸图像与可见光人脸图像进行图像融合，得到第一目标人脸图像，对第一目标人脸图像进行图像质量评价，得到图像质量评价值，在图像质量评价值小于或等于图像质量评价阈值时，获取目标环境参数，依据目标环境参数对第一目标人脸图像进行图像处理，得到第二目标人脸图像，将第二目标人脸图像与预设人脸模板进行匹配，在第二目标人脸图像与预设人脸模板匹配成功时，确认目标用户人脸被识别成功，从而，能够在复杂环境下，结合红外摄像头以及可见光摄像头各自优势，使得人脸识别效率更高。
与上述一致地，以下为实施上述人脸识别方法的装置，具体如下：
请参阅图3A，为本发明实施例提供的一种人脸识别装置的实施例结构示意图。本实施例中所描述的人脸识别装置，包括：第一获取单元301、图像融合单元302、第二获取单元303、处理单元304、匹配单元305和确定单元306，具体如下：
第一获取单元301，用于通过红外摄像头获取红外人脸图像；以及通过可见光摄像头获取可见光人脸图像，所述可见光人脸图像与所述红外人脸图像来自于目标用户人脸；
图像融合单元302，用于将所述红外人脸图像与所述可见光人脸图像进行图像融合，得到第一目标人脸图像；
第二获取单元303，用于获取目标环境参数；
处理单元304，用于依据所述目标环境参数对所述第一目标人脸图像进行图像处理，得到第二目标人脸图像；
匹配单元305，用于将所述第二目标人脸图像与预设人脸模板进行匹配；
确定单元306，用于在所述第二目标人脸图像与所述预设人脸模板匹配成功时，确认所述目标用户人脸被识别成功。
通过本发明实施例所描述的人脸识别装置，通过红外摄像头获取红外人脸图像，通过可见光摄像头获取可见光人脸图像，可见光人脸图像与红外人脸图像来自于目标用户人脸，将红外人脸图像与可见光人脸图像进行图像融合，得到第一目标人脸图像，获取目标环境参数，依据目标环境参数对第一目标人脸图像进行图像处理，得到第二目标人脸图像，将第二目标人脸图像与预设人脸模板进行匹配，在第二目标人脸图像与预设人脸模板匹配成功时，确认目标用户人脸被识别成功，从而，能够在复杂环境下，结合红外摄像头以及可见光摄像头各自优势，使得人脸识别效率更高。可选地，在所述依据所述目标环境参数对所述第一目标人脸图像进行图像处理方面，所述处理单元304具体用于:
按照预设的环境参数与图像增强参数之间的映射关系，确定与所述目标环境参数对应的目标图像增强参数；
依据所述目标图像增强参数对所述第一目标人脸图像进行图像处理。
可选地，在所述通过可见光摄像头获取可见光人脸图像方面，所述第一获取单元301具体用于：
对所述红外人脸图像进行图像分割，得到人脸区域；
通过所述可见光摄像头对所述人脸区域进行对焦，得到所述可见光人脸图像。
可选地，在所述将所述红外人脸图像与所述可见光人脸图像进行图像融合方面，所述图像融合单元302具体用于：
对所述红外人脸图像进行轮廓提取，得到***轮廓；
对所述可见光人脸图像进行特征点提取，得到特征点集；
将所述***轮廓与所述特征点集进行图像融合，得到所述第一目标人脸图像。
可选地，如图3B，图3B为图3A所描述的人脸识别装置的又一变型结构，其与图3A相比较，还可以包括：图像质量评价单元307，具体如下：
图像质量评价单元307，用于对所述第一目标人脸图像进行图像质量评价，得到图像质量评价值，在所述图像质量评价值小于或等于图像质量评价阈值时，由所述第二获取单元执行所述获取目标环境参数的步骤。
与上述一致地，请参阅图4，为本发明实施例提供的一种人脸识别装置的实施例结构示意图。本实施例中所描述的人脸识别装置，包括：至少一个输入设备1000；至少一个输出设备2000；至少一个处理器3000，例如CPU；和存储器4000，上述输入设备1000、输出设备2000、处理器3000和存储器4000通过总线5000连接。
其中，上述输入设备1000具体可为触控面板、物理按键或者鼠标。
上述输出设备2000具体可为显示屏。
上述存储器4000可以是高速RAM存储器，也可为非易失存储器(non-volatilememory)，例如磁盘存储器。上述存储器4000用于存储一组程序代码，上述输入设备1000、输出设备2000和处理器3000用于调用存储器4000中存储的程序代码，执行如下操作：
上述处理器3000，用于：
通过红外摄像头获取红外人脸图像；
通过可见光摄像头获取可见光人脸图像，所述可见光人脸图像与所述红外人脸图像来自于用户人脸；
将所述红外人脸图像与所述可见光人脸图像进行图像融合，得到第一目标人脸图像；
获取目标环境参数；
依据所述目标环境参数对所述第一目标人脸图像进行图像处理，得到第二目标人脸图像；
将所述第二目标人脸图像与预设人脸模板进行匹配；
在所述第二目标人脸图像与所述预设人脸模板匹配成功时，确认所述目标用户人脸被识别成功。
通过本发明实施例所描述的人脸识别装置，通过红外摄像头获取红外人脸图像，通过可见光摄像头获取可见光人脸图像，可见光人脸图像与红外人脸图像来自于目标用户人脸，将红外人脸图像与可见光人脸图像进行图像融合，得到第一目标人脸图像，获取目标环境参数，依据目标环境参数对第一目标人脸图像进行图像处理，得到第二目标人脸图像，将第二目标人脸图像与预设人脸模板进行匹配，在第二目标人脸图像与预设人脸模板匹配成功时，确认目标用户人脸被识别成功，从而，能够在复杂环境下，结合红外摄像头以及可见光摄像头各自优势，使得人脸识别效率更高。
可选地，在所述依据所述目标环境参数对所述第一目标人脸图像进行图像处理方面，上述处理器3000具体用于:
按照预设的环境参数与图像增强参数之间的映射关系，确定与所述目标环境参数对应的目标图像增强参数；
依据所述目标图像增强参数对所述第一目标人脸图像进行图像处理。
可选地，在所述通过可见光摄像头获取可见光人脸图像方面，上述处理器3000具体用于：
对所述红外人脸图像进行图像分割，得到人脸区域；
通过所述可见光摄像头对所述人脸区域进行对焦，得到所述可见光人脸图像。
可选地，在所述将所述红外人脸图像与所述可见光人脸图像进行图像融合方面，上述处理器3000具体用于：
对所述红外人脸图像进行轮廓提取，得到***轮廓；
对所述可见光人脸图像进行特征点提取，得到特征点集；
将所述***轮廓与所述特征点集进行图像融合，得到所述第一目标人脸图像。
可选地，上述处理器3000还具体用于
对所述第一目标人脸图像进行图像质量评价，得到图像质量评价值；
在所述图像质量评价值小于或等于图像质量评价阈值时，执行所述获取目标环境参数的步骤。
本申请实施例还提供了另一种人脸识别装置，如图5所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该人脸识别装置可以为包括手机、平板电脑、PDA(personal digital assistant，个人数字助理)、POS(point of sales，销售终端)、车载电脑等任意终端设备，以人脸识别装置为手机为例：
图5示出的是与本申请实施例提供的人脸识别装置相关的手机的部分结构的框图。参考图5，手机包括：射频(radio frequency，RF)电路910、存储器920、输入单元930、传感器950、音频电路960、无线保真(wireless fidelity，WiFi)模块970、应用处理器AP980、以及电源990等部件。本领域技术人员可以理解，图5中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图5对手机的各个构成部件进行具体的介绍：
输入单元930可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元930可包括触控显示屏933、人脸识别装置931以及其他输入设备932。人脸识别装置931可以为摄像头，例如，红外摄像头，可见光摄像头或者双摄像头等等。输入单元930还可以包括其他输入设备932。具体地，其他输入设备932可以包括但不限于物理按键、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
其中，所述AP980，用于执行如下步骤：
通过红外摄像头获取红外人脸图像；
通过可见光摄像头获取可见光人脸图像，所述可见光人脸图像与所述红外人脸图像来自于目标用户人脸；
将所述红外人脸图像与所述可见光人脸图像进行图像融合，得到第一目标人脸图像；
获取目标环境参数；
依据所述目标环境参数对所述第一目标人脸图像进行图像处理，得到第二目标人脸图像；
将所述第二目标人脸图像与预设人脸模板进行匹配；
在所述第二目标人脸图像与所述预设人脸模板匹配成功时，确认所述目标用户人脸被识别成功。
AP980是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器920内的软件程序和/或模块，以及调用存储在存储器920内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，AP980可包括一个或多个处理单元；优选的，AP980可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到AP980中。
此外，存储器920可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
RF电路910可用于信息的接收和发送。通常，RF电路910包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(low noise amplifier，LNA)、双工器等。此外，RF电路910还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯***(global system of mobilecommunication，GSM)、通用分组无线服务(general packet radio service，GPRS)、码分多址(code division multiple access，CDMA)、宽带码分多址(wideband code divisionmultiple access,WCDMA)、长期演进(long term evolution，LTE)、电子邮件、短消息服务(short messaging service，SMS)等。
手机还可包括至少一种传感器950，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节触控显示屏的亮度，接近传感器可在手机移动到耳边时，关闭触控显示屏和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路960、扬声器961，传声器962可提供用户与手机之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号，传输到扬声器961，由扬声器961转换为声音信号播放；另一方面，传声器962将收集的声音信号转换为电信号，由音频电路960接收后转换为音频数据，再将音频数据播放AP980处理后，经RF电路910以发送给比如另一手机，或者将音频数据播放至存储器920以便进一步处理。
WiFi属于短距离无线传输技术，手机通过WiFi模块970可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图5示出了WiFi模块970，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
手机还包括给各个部件供电的电源990(比如电池)，优选的，电源可以通过电源管理***与AP980逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。
前述图1A、图2所示的实施例中，各步骤方法流程可以基于该手机的结构实现。
前述图3A、图3B、图4所示的实施例中，各单元功能可以基于该手机的结构实现。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
本领域技术人员应明白，本发明的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中，与其它硬件一起提供或作为硬件的一部分，也可以采用其他分布形式，如通过Internet或其它有线或无线电信***。
本发明是参照本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本发明进行了描述，显而易见的，在不脱离本发明的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明，且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种人脸识别方法，其特征在于，包括：
通过红外摄像头获取红外人脸图像；
通过可见光摄像头获取可见光人脸图像，所述可见光人脸图像与所述红外人脸图像来自于用户人脸；
将所述红外人脸图像与所述可见光人脸图像进行图像融合，得到第一目标人脸图像；
获取目标环境参数；
依据所述目标环境参数对所述第一目标人脸图像进行图像处理，得到第二目标人脸图像；
将所述第二目标人脸图像与预设人脸模板进行匹配；
在所述第二目标人脸图像与所述预设人脸模板匹配成功时，确认所述目标用户人脸被识别成功。
2.根据权利要求1所述的方法，其特征在于，所述依据所述目标环境参数对所述第一目标人脸图像进行图像处理，包括:
按照预设的环境参数与图像增强参数之间的映射关系，确定与所述目标环境参数对应的目标图像增强参数；
依据所述目标图像增强参数对所述第一目标人脸图像进行图像处理。
3.根据权利要求1或2所述的方法，其特征在于，所述通过可见光摄像头获取可见光人脸图像，包括：
对所述红外人脸图像进行图像分割，得到人脸区域；
通过所述可见光摄像头对所述人脸区域进行对焦，得到所述可见光人脸图像。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述红外人脸图像与所述可见光人脸图像进行图像融合，包括：
对所述红外人脸图像进行轮廓提取，得到***轮廓；
对所述可见光人脸图像进行特征点提取，得到特征点集；
将所述***轮廓与所述特征点集进行图像融合，得到所述第一目标人脸图像。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
对所述第一目标人脸图像进行图像质量评价，得到图像质量评价值；
在所述图像质量评价值小于或等于图像质量评价阈值时，执行所述获取目标环境参数的步骤。
6.一种人脸识别装置，其特征在于，包括：
第一获取单元，用于通过红外摄像头获取红外人脸图像；以及通过可见光摄像头获取可见光人脸图像，所述可见光人脸图像与所述红外人脸图像来自于目标用户人脸；
图像融合单元，用于将所述红外人脸图像与所述可见光人脸图像进行图像融合，得到第一目标人脸图像；
第二获取单元，用于获取目标环境参数；
处理单元，用于依据所述目标环境参数对所述第一目标人脸图像进行图像处理，得到第二目标人脸图像；
匹配单元，用于将所述第二目标人脸图像与预设人脸模板进行匹配；
确定单元，用于在所述第二目标人脸图像与所述预设人脸模板匹配成功时，确认所述目标用户人脸被识别成功。
7.根据权利要求6所述的装置，其特征在于，在所述依据所述目标环境参数对所述第一目标人脸图像进行图像处理方面，所述处理单元具体用于:
按照预设的环境参数与图像增强参数之间的映射关系，确定与所述目标环境参数对应的目标图像增强参数；
依据所述目标图像增强参数对所述第一目标人脸图像进行图像处理。
8.根据权利要求6或7所述的装置，其特征在于，在所述通过可见光摄像头获取可见光人脸图像方面，所述第一获取单元具体用于：
对所述红外人脸图像进行图像分割，得到人脸区域；
通过所述可见光摄像头对所述人脸区域进行对焦，得到所述可见光人脸图像。
9.根据权利要求6-8任一项所述的装置，其特征在于，在所述将所述红外人脸图像与所述可见光人脸图像进行图像融合方面，所述图像融合单元具体用于：
对所述红外人脸图像进行轮廓提取，得到***轮廓；
对所述可见光人脸图像进行特征点提取，得到特征点集；
将所述***轮廓与所述特征点集进行图像融合，得到所述第一目标人脸图像。
10.根据权利要求6-9任一项所述的装置，其特征在于，所述装置还包括：
图像质量评价单元，用于对所述第一目标人脸图像进行图像质量评价，得到图像质量评价值，在所述图像质量评价值小于或等于图像质量评价阈值时，由所述第二获取单元执行所述获取目标环境参数的步骤。
CN201810743438.7A 2018-07-09 2018-07-09 人脸识别方法及装置 Pending CN109117725A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810743438.7A CN109117725A (zh) 2018-07-09 2018-07-09 人脸识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810743438.7A CN109117725A (zh) 2018-07-09 2018-07-09 人脸识别方法及装置

Publications (1)

Publication Number Publication Date
CN109117725A true CN109117725A (zh) 2019-01-01

Family

ID=64862044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810743438.7A Pending CN109117725A (zh) 2018-07-09 2018-07-09 人脸识别方法及装置

Country Status (1)

Country Link
CN (1) CN109117725A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109584759A (zh) * 2019-01-31 2019-04-05 黄山商维网络科技有限公司 一种广告显示装置及其吸烟检测方法
CN109823306A (zh) * 2019-02-22 2019-05-31 广东远峰汽车电子有限公司 车门解锁方法、装置、***及可读存储介质
CN110332995A (zh) * 2019-06-13 2019-10-15 深圳市中科鸿智科技有限公司 非接触式人体测温方法、装置、***及存储介质
CN110796016A (zh) * 2019-09-30 2020-02-14 万翼科技有限公司 工程图纸识别方法、电子设备及相关产品
CN111046370A (zh) * 2019-11-26 2020-04-21 苏宁云计算有限公司 一种身份验证方法、装置及***
CN111160175A (zh) * 2019-12-19 2020-05-15 中科寒武纪科技股份有限公司 智能行人违章行为管理方法及相关产品
CN112052703A (zh) * 2019-06-05 2020-12-08 上海柏柯智能科技有限公司 一种基于深度神经网络的人脸识别方法和***
CN112950732A (zh) * 2021-02-23 2021-06-11 北京三快在线科技有限公司 一种图像生成方法、装置、存储介质及电子设备
CN113065507A (zh) * 2021-04-20 2021-07-02 支付宝(杭州)信息技术有限公司 人脸认证的实现方法和装置
CN113128254A (zh) * 2019-12-30 2021-07-16 上海依图网络科技有限公司 人脸捕获方法、装置、芯片及计算机可读存储介质
CN118097730A (zh) * 2024-04-28 2024-05-28 成都贝迪特信息技术有限公司 一种掌靜脉识别的roi图像提取方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7602942B2 (en) * 2004-11-12 2009-10-13 Honeywell International Inc. Infrared and visible fusion face recognition system
CN105975908A (zh) * 2016-04-26 2016-09-28 汉柏科技有限公司 人脸识别方法及装置
CN106960202A (zh) * 2017-04-11 2017-07-18 广西师范大学 一种基于可见光与红外图像融合的笑脸识别方法
CN107566753A (zh) * 2017-09-29 2018-01-09 努比亚技术有限公司 照片拍摄方法及移动终端
CN107679481A (zh) * 2017-09-27 2018-02-09 广东欧珀移动通信有限公司 解锁控制方法及相关产品
CN107862265A (zh) * 2017-10-30 2018-03-30 广东欧珀移动通信有限公司 图像处理方法及相关产品
CN107862299A (zh) * 2017-11-28 2018-03-30 电子科技大学 一种基于近红外与可见光双目摄像头的活体人脸检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7602942B2 (en) * 2004-11-12 2009-10-13 Honeywell International Inc. Infrared and visible fusion face recognition system
CN105975908A (zh) * 2016-04-26 2016-09-28 汉柏科技有限公司 人脸识别方法及装置
CN106960202A (zh) * 2017-04-11 2017-07-18 广西师范大学 一种基于可见光与红外图像融合的笑脸识别方法
CN107679481A (zh) * 2017-09-27 2018-02-09 广东欧珀移动通信有限公司 解锁控制方法及相关产品
CN107566753A (zh) * 2017-09-29 2018-01-09 努比亚技术有限公司 照片拍摄方法及移动终端
CN107862265A (zh) * 2017-10-30 2018-03-30 广东欧珀移动通信有限公司 图像处理方法及相关产品
CN107862299A (zh) * 2017-11-28 2018-03-30 电子科技大学 一种基于近红外与可见光双目摄像头的活体人脸检测方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109584759A (zh) * 2019-01-31 2019-04-05 黄山商维网络科技有限公司 一种广告显示装置及其吸烟检测方法
CN109823306A (zh) * 2019-02-22 2019-05-31 广东远峰汽车电子有限公司 车门解锁方法、装置、***及可读存储介质
CN112052703A (zh) * 2019-06-05 2020-12-08 上海柏柯智能科技有限公司 一种基于深度神经网络的人脸识别方法和***
CN110332995A (zh) * 2019-06-13 2019-10-15 深圳市中科鸿智科技有限公司 非接触式人体测温方法、装置、***及存储介质
CN110796016A (zh) * 2019-09-30 2020-02-14 万翼科技有限公司 工程图纸识别方法、电子设备及相关产品
CN111046370A (zh) * 2019-11-26 2020-04-21 苏宁云计算有限公司 一种身份验证方法、装置及***
CN111160175A (zh) * 2019-12-19 2020-05-15 中科寒武纪科技股份有限公司 智能行人违章行为管理方法及相关产品
CN113128254A (zh) * 2019-12-30 2021-07-16 上海依图网络科技有限公司 人脸捕获方法、装置、芯片及计算机可读存储介质
CN112950732A (zh) * 2021-02-23 2021-06-11 北京三快在线科技有限公司 一种图像生成方法、装置、存储介质及电子设备
CN112950732B (zh) * 2021-02-23 2022-04-01 北京三快在线科技有限公司 一种图像生成方法、装置、存储介质及电子设备
CN113065507A (zh) * 2021-04-20 2021-07-02 支付宝(杭州)信息技术有限公司 人脸认证的实现方法和装置
CN113065507B (zh) * 2021-04-20 2023-06-02 支付宝(杭州)信息技术有限公司 人脸认证的实现方法和装置
CN118097730A (zh) * 2024-04-28 2024-05-28 成都贝迪特信息技术有限公司 一种掌靜脉识别的roi图像提取方法

Similar Documents

Publication Publication Date Title
CN109117725A (zh) 人脸识别方法及装置
CN109241908A (zh) 人脸识别方法及相关装置
CN107832675A (zh) 拍照处理方法及相关产品
CN108985212A (zh) 人脸识别方法及装置
CN107590461B (zh) 人脸识别方法及相关产品
CN107862265A (zh) 图像处理方法及相关产品
CN104135609B (zh) 辅助拍照方法、装置及终端
CN107480496B (zh) 解锁控制方法及相关产品
CN107423699B (zh) 活体检测方法及相关产品
CN107679482A (zh) 解锁控制方法及相关产品
CN107657218B (zh) 人脸识别方法及相关产品
CN107292285A (zh) 虹膜活体检测方法及相关产品
CN107609514A (zh) 人脸识别方法及相关产品
CN109146498A (zh) 人脸支付方法及相关装置
CN107679481A (zh) 解锁控制方法及相关产品
CN107506696A (zh) 防伪处理方法及相关产品
CN107580114A (zh) 生物识别方法、移动终端以及计算机可读存储介质
CN107506687A (zh) 活体检测方法及相关产品
CN107197146A (zh) 图像处理方法及相关产品
CN107403147A (zh) 虹膜活体检测方法及相关产品
CN107463818A (zh) 解锁控制方法及相关产品
CN107451454B (zh) 解锁控制方法及相关产品
CN107633499A (zh) 图像处理方法及相关产品
CN107613550A (zh) 解锁控制方法及相关产品
CN107633235A (zh) 解锁控制方法及相关产品

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190101