CN109413495A - 一种登录方法、装置、***、电子设备及存储介质 - Google Patents

一种登录方法、装置、***、电子设备及存储介质 Download PDF

Info

Publication number
CN109413495A
CN109413495A CN201811036963.1A CN201811036963A CN109413495A CN 109413495 A CN109413495 A CN 109413495A CN 201811036963 A CN201811036963 A CN 201811036963A CN 109413495 A CN109413495 A CN 109413495A
Authority
CN
China
Prior art keywords
facial image
target
face characteristic
specified
live video
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
CN201811036963.1A
Other languages
English (en)
Inventor
何文斌
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.)
Guangzhou Huya Information Technology Co Ltd
Original Assignee
Guangzhou Huya Information 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 Guangzhou Huya Information Technology Co Ltd filed Critical Guangzhou Huya Information Technology Co Ltd
Priority to CN201811036963.1A priority Critical patent/CN109413495A/zh
Publication of CN109413495A publication Critical patent/CN109413495A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/441—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • G06V10/757—Matching configurations of points or features
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Social Psychology (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种登录方法、装置、***、电子设备及存储介质。该方法包括步骤：检测到登录指令后，调用本端设备的摄像头，获取人脸图像；根据所述人脸图像的特征与目标人脸特征的匹配度，确定是否允许登录，所述目标人脸特征根据若干预存的目标人脸图像得到；允许登录后，从直播视频流中获取指定的人脸图像；根据所述指定的人脸图像更新所述预存的目标人脸图像。旨在解决传统的人脸识别登录技术中，目标人脸图像库长时间不更新，使得主播采用传统的人脸识别登录技术时，准确率较低的问题。

Description

一种登录方法、装置、***、电子设备及存储介质
技术领域
本申请涉及互联网领域，尤其涉及一种登录方法、装置、***、电子设备及存储介质。
背景技术
人脸识别登录，是通过采集用户当前的人脸图像的特征，与用户注册时上传的目标人脸图像得到的特征进行比对，以确认当前用户是否符合登录条件。但是对于直播行业中的主播用户，具有造型多变的特殊性，而传统的人脸识别登录技术中，目标人脸图像库长时间不更新，使得主播采用传统的人脸识别登录技术时，准确率较低。
发明内容
有鉴于此，本申请提供一种登录方法、装置、***、电子设备及存储介质。
具体地，本申请是通过如下技术方案实现的：
本申请的第一方面，提供一种登录方法，所述方法包括步骤：
检测到登录指令后，调用本端设备的摄像头，获取人脸图像；
根据所述人脸图像的特征与目标人脸特征的匹配度，确定是否允许登录，所述目标人脸特征根据若干预存的目标人脸图像得到；
允许登录后，从直播视频流中获取指定的人脸图像；
根据所述指定的人脸图像更新所述预存的目标人脸图像。
在一些例子中，所述根据所述指定的人脸图像更新所述预存的目标人脸图像之后，还包括步骤：
根据更新后的目标人脸图像提取新的目标人脸特征，以使下次检测到登录时，使用所述新的目标人脸特征与获得的人脸图像进行匹配。
在一些例子中，所述直播视频流包括原始直播视频流。
在一些例子中，所述从直播视频流中获取指定的人脸图像，包括：
从所述直播视频流中抽取指定数量的图像帧；
根据所述图像帧中图像特征与所述目标人脸特征的匹配度，确定指定的人脸图像。
在一些例子中，所述方法还包括步骤：
若预先存储的目标人脸图像的数量超过预设值，删除存储时间超过预设时间的目标人脸图像。
在一些例子中，所述删除存储时间超过预设时间的目标人脸图像，为指定的人脸图像。
在一些例子中，所述目标人脸特征还根据每次登录时获得的人脸图像得到。
本申请的第二方面，提供一种登录装置，所述装置包括：
判断模块，用于检测到登录指令后，调用本端设备的摄像头，获取人脸图像；根据所述人脸图像的特征与目标人脸特征的匹配度，确定是否允许登录，所述目标人脸特征根据若干预存的目标人脸图像得到；
更新模块，用于在允许登录后，从直播视频流中获取指定的人脸图像；根据所述指定的人脸图像更新所述预存的目标人脸图像。
本申请的第三方面，提供一种登录***，所述***包括：
主播客户端，用于检测到登录指令后，调用本端设备的摄像头，获取人脸图像；
服务器，用于根据所述人脸图像的特征与目标人脸特征的匹配度，确定是否允许登录，所述目标人脸特征根据若干预存的目标人脸图像得到；所述目标人脸图像用主播客户端允许登录后制作的直播视频流中获取指定的人脸图像来更新。
本申请的第四方面，提供一种电子设备，包括：
处理器；用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行如上述第一方面所述的任意一项方法所述的操作。
本申请的第五方面，提供一种存储介质，其上存储有计算机程序，该程序被处理器执行如上述第一方面所述的任意一项方法所述的操作。
本申请实施例通过从直播视频流中获取的指定的人脸图像(用户的人脸图像)，以更新预先存储的目标人脸图像，并在每次更新预存的目标人脸图像后，对更新后的目标人脸图像提取新的目标人脸特征，以使用户下次登录时，用新的目标人脸特征与人脸图像的特征做匹配，避免了现有技术中目标人脸图像库长时间不更新带来的人脸识别登录准确性不高的问题，尤其对于拥有大量造型多变的主播客户的直播领域，利用主播采集自身人脸图像制作直播视频流的特点，在不打扰用户的条件下，提高了目标人脸图像的更新频率，从而有效地增加了人脸识别登录的准确性。另一方面通过本申请实施例提出的登录方法，还可以更好保证用户账号的安全性，减少被盗号的风险。
附图说明
图1a是本申请一示例性实施例示出的一种直播场景示意图；
图1b是本申请一示例性实施例示出的一种服务器架构示意图；
图1c是本申请一示例性实施例示出的另一种服务器架构示意图；
图2是本申请一示例性实施例中一种登录方法的流程图；
图3a是本申请示意性示出的一种图2所述步骤S230的具体流程图；
图3b是本申请示意性示出的另一种图2所述步骤S230的具体流程图；
图4是本申请示意性示出的另一种图2所述步骤S230的具体流程图；
图5是本申请一示例性实施例中另一种登录方法的流程图；
图6是本申请一示例性实施例中的一种电子设备的硬件架构图；
图7是本申请一示例性实施例中的一种登录装置的逻辑框图；
图8是本申请一示例性实施例中的一种登录***的逻辑框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
参照图1a，为申请实施例示出的直播场景示意图，第一观众客户端及第二观众客户端及主播客户端分别被安装在电子设备110、120及130上，主播客户端可以调用摄像头录制视频、拍摄照片或/和通过屏幕捕捉等其他方式制作直播视频流，然后通过网络发送给服务器100。服务器100可以用于提供互联网直播的后台服务，例如保存各主播客户端与观众客户端的对应关系，以及管理用户账号信息，如管理用于人脸识别登录的目标人脸图像库。当第一观众客户端及第二观众客户端与主播客户端在同一直播间内，主播客户端可以将想要展示的直播视频流分享给在同一直播间的第一观众客户端及第二观众客户端，以供第一观众客户端及第二观众客户端的用户观看。所述直播视频流包括音频数据及若干帧直播图像。
本申请实施例提出的“主播客户端”“观众客户端”可以指安装在电子设备上的软件，在某些情况下，所述主播客户端与观众客户端集成在一个软件上，当用户的身份为主播时，该客户端可以被称为主播客户端，当用户的身份是观众时，该客户端被称为观众客户端。
所述电子设备可以具有连网功能。例如移动终端(例如智能手机、智能平板及笔记本电脑等)及固定终端(台式电脑、服务器、智能电视及车载终端等)等。本申请不限制电子设备的类型。
所述服务器可以由多种实体承担，这取决于设计者对不同网络设备的角色划分。例如，图1b及图1c是两种不同场景下的网络架构。图1b中，第一服务器101承担接收直播视频流及向观众客户端分发直播视频流的角色(如现有技术中的CDN服务器)，第二服务器102承担对用户的账号进行管理的角色(如现有技术中的业务服务器)。图1c中，第一服务器103集成了接收直播视频流及向观众客户端分发直播视频流，以及对用户的账号进行管理的功能。需要指出，除了图1b及图1c所列举的示例以外，并不排除有其他形式的网络架构或服务器功能。
在直播客户端登录的过程中，也可以采用人脸识别登录，现有的人脸识别登录是在用户请求登录时，通过摄像头采集用户当前的人脸图像的特征，并与用户注册时上传的目标人脸图像得到的特征进行匹配(比对)，以确认当前用户是否符合登录条件。但是，对于直播行业中的主播用户，具有外形多变的特殊性(例如：发型、化妆或微整形导致)，而传统的人脸识别登录技术中，目标人脸图像库长时间不更新，使得主播采用传统的人脸识别登录技术时，准确率较低。
针对上述技术问题，本申请提供一种登录方案，参照图2，本申请实施例提出的一种登录方法的部分步骤包括：
S210：检测到登录指令后，调用本端设备的摄像头，获取人脸图像。
S220：根据所述人脸图像的特征与目标人脸特征的匹配度，确定是否允许登录，所述目标人脸特征根据若干预存的目标人脸图像得到。
S230：允许登录后，从直播视频流中获取指定的人脸图像。
S240：根据所述指定的人脸图像更新所述预存的目标人脸图像。
在一些例子中，每次更新预存的目标人脸图像后，均可以对更新后的目标人脸图像提取新的目标人脸特征，以使用户下次登录时，用新的目标人脸特征与人脸图像的特征做匹配。
上述图2所述的实施例通过从直播视频流中获取的指定的人脸图像(用户的人脸图像)，以更新预先存储的目标人脸图像，并在每次更新预存的目标人脸图像后，对更新后的目标人脸图像提取新的目标人脸特征，以使用户下次登录时，用新的目标人脸特征与人脸图像的特征做匹配，避免了现有技术中目标人脸图像库长时间不更新带来的人脸识别登录准确性不高的问题，尤其对于拥有大量造型多变的主播客户的直播领域，利用主播采集自身人脸图像制作直播视频流的特点，在不打扰用户的条件下，提高了目标人脸图像的更新频率，从而有效地增加了人脸识别登录的准确性。
其中S210及S220属于登录阶段，S230及S240属于更新目标人脸图像阶段。
一些例子中，图2所述的步骤也可以均由主播客户端执行。另外一些例子中，图2所述的各步骤可以由不同的执行主体执行。以下对图2所述各步骤详细说明：
在一些例子中，上述步骤S210由主播客户端执行。具体可以是：用户点击登录控件后，主播客户端调用摄像头，并在屏幕上展示识别框，摄像头采集用户的图像相应显示在屏幕上，当用户的人脸在识别框内，获取此时的人脸图像。
在一些例子中，步骤S220可以由服务器执行。在一些例子中，该服务器可以是业务服务器，业务服务器用于对用户的账号进行管理。业务服务器的目标人脸图像数据库可以存储若干张目标人脸图像，业务服务器可以从目标人脸图像中提取出目标人脸特征，生成人脸模型(模板)。
在一些例子中，本申请可以采用人脸检测算法ASM(Active Shape Models)、AAM(Active Appearance Model)或CLM(Constrained Local Model)等等对目标人脸图像进行建模(生成人脸模型)。
一个例子中，步骤S220具体可以是：主播客户端将步骤S210获取的人脸图像发送给服务器。服务器接收到所述人脸图像后，将所述人脸图像的特征与目标人脸特征进行匹配(比对)，若匹配度大于预设值，向主播客户端发送允许登录的指令，并将所述允许登录的指令发送给主播客户端，以允许主播客户端登录。当然在一些例子中，可以是将人脸图像的特征与通过目标人脸特征得到的人脸模型进行匹配，若匹配度大于预设值，向主播客户端发送允许登录的指令。
在一些例子中，步骤S220进行匹配时，可以采用ASM、AAM、CLM、Gabor变换、PCA(Principal Component Analysis)、LDA(Linear Discriminant Analysis)或Ada+Gabor等算法。通过上述算法可以定位到人脸图像在海量的目标人脸图像库中找到相似度很高的图像集合。再从这些图像集合中，通过像素点之间差值总和进行对比，最终定位到精确的目标人脸图像，可以用所述精确的目标人脸图像的特征与获得的人脸图像的特征进行匹配。当然可以理解，步骤S220进行匹配的方式非常多，本申请并不限制。允许登录后，主播客户端用户点击“开播”控件开始直播，主播客户端通过调用摄像头制作直播视频流，直播视频流包括连续的直播图像帧及音频数据，主播客户端实时向服务器发送所述直播视频流。在一些例子中，可以是主播客户端将直播视频流发送给CDN服务器。
在一些例子中，可以由服务器及主播客户端共同执行步骤S230；在另外一些例子中，可以仅由服务器执行步骤S230。
情况一：主播客户端和服务器共同执行步骤S230。
在一些例子中，参照图3a，主播客户端开始直播后，制作直播视频流，执行S300：将所述直播视频流发送给服务器。
S310：主播客户端每隔预设时间从直播视频流中抓取图像帧。
本步骤中，可以是每隔10分钟从直播视频流中抓取一张图像帧，也可以是按图像帧的时间戳(或时间轴)抓取图像帧，例如，抓取时间戳为10分钟、20分钟、30分钟等的图像帧。
上述S300与S310不分先后顺序。
接着S320：主播客户端检测抓取的图像帧是否包含人脸。
S330：若包括，主播客户端将所述图像帧发送给服务器。
本申请实施例提出的主播客户端可以嵌入自定义软件开发工具(SoftwareDevelopment Kit，SDK)，SDK一般用于将一些特定的功能封装在软件中，所述软件可以通过调用所述SDK提供的应用编程(Application Programming Interface，API)接口来直接调用所述SDK的功能。对于步骤S310、S320及S330，可以是主播客户端可以调用SDK来执行。本申请实施例提出的SDK可以是人脸识别SDK，例如：Face++，谷歌等。
S340：服务器从所述图像帧中提出人脸特征，并将上述人脸特征与目标人脸特征进行比对，若匹配度超过预设值，该图像帧为指定的人脸图像。
在一些例子中，参照图3b，服务器分为业务服务器311和CDN服务器312，步骤S300的服务器为CDN服务器，步骤S330及S340中所述的服务器是业务服务器311。
当然可以理解，对于图3a和3b，执行步骤S300及S310之后，可以将抓取的图像帧发送给服务器(图3a为服务器，图3b为业务服务器)，服务器(图3a为服务器，图3b为业务服务器)执行步骤S320，且若包括，则服务器(图3a为服务器，图3b为业务服务器)接着执行步骤S340。
一些例子中，图3a所述的步骤S330及S340也可以是：若检测到包括人脸，则主播客户端标记所述图像帧，服务器收到直播视频流后，从带标记的视频帧中提取人脸特征，并将上述人脸特征与目标人脸特征进行比对，将匹配度超过预设值的图像帧称为待存储目标人脸图像，从所述待存储人脸图像中抽取指定数量的图像帧作为指定的人脸图像。
情况二：服务器执行步骤S230。
一些例子中，参照图4，S400主播客户端将直播视频流发送给服务器后，服务器执行S410每隔预设时间从直播视频流中抓取图像帧；接着执行S420：检测抓取的图像帧是否包括人脸；执行S430：若包括，则从所述图像帧中提出人脸特征，并将上述人脸特征与目标人脸特征进行比对，若匹配度超过预设值，该图像帧为指定的人脸图像。
当然，在一些例子中，对于前述实施例中的步骤S340及S430提出的“指定的人脸图像”可以是部分匹配度超过预设值的人脸图像。例如：一主播客户端开播1小时，存在60张人脸图像的匹配度都超过预设值，可从60张图像中随机抽取5张作为指定的人脸图像。当然，可以是根据开播时间确定抽取的指定的人脸图像的数量，如开播2小时，可能抽取8张，或者10张作为指定的人脸图像。
需要说明的是，图3a、图3b及图4中所述的S330及S430中“并将上述人脸特征与目标人脸特征进行比对”可以参照步骤S220的具体实施方式，此处不再赘述。
在一些例子中，若图3a、图3b及图4中所述的S330及S430中“将上述人脸特征与目标人脸特征进行比对”的结果为否的频率超过预设值，可以利用该账户捆绑的联系方式，向用户发送账号风险提示，以提高账户的安全性。
实际应用中，大多数主播客户端在制作直播视频流时，会使用美颜及贴图等方式对图像帧进行图像处理。但是，用户触发“登录”指令后，采集的人脸图像反应用户当前的真实容貌，若用图像处理后的直播视频流中的人脸图像更新目标人脸图像，并将根据更新后的目标人脸图像计算出目标人脸特征与反应用户当前真实容貌的人脸图像的特征进行匹配，势必产生匹配结果不够准确的问题。为了解决上述问题，一些例子中，步骤S230提出的“从所述直播视频流中获取指定的人脸图像”的步骤可以是：从所述原始直播视频流中获取指定的人脸图像，所述“原始直播视频流”可以是未进行图像处理的直播视频流，或是摄像头或其他视频采集软件或装置采集到的原始直播视频流。本申请实施例提出的图像处理包括：美颜处理和/或贴图处理等等。例如：在一些例子中，对于图3a及图3b，步骤310可以是：每隔预设时间从原始直播视频流(例如未进行图像处理的直播视频流)中抓取图像帧。需要说明的是，图3a和图3b中，步骤S310和步骤S300中提的直播视频流可以不同，例如，一些例子中，步骤S300中发送的直播视频流可以为经过图像处理后的直播视频流。
在一些例子中，步骤S240可以由存储有目标人脸图像的服务器执行。
实际应用中，随着主播客户端直播次数的增加，服务器存储的目标人脸图像数量势必会越来越多，一些情况下，服务器允许存储的目标人脸图像的数量有限。为了解决上述问题，在一些例子中，可以通过以下方式控制目标人脸库中目标人脸图像的数量。
方式一：
若预先存储的目标人脸图像的数量超过预设值，删除存储时间超过预设时间的目标人脸图像。例如若目标人脸图像库中图像数量的预设值是100，则按照获取时间，保留最后获取的100张目标人脸图像，其余的目标人脸图像都删除。
方式二：
一个例子中，保留用户注册时获取的目标人脸图像；按照获取时间，从用户每次直播时获取的目标人脸图像中筛选。例如，若目标人脸图像库中图像数量的预设值是100，注册时获取的目标人脸图像的数量为10，则按照获取时间，保留最后获取的90张目标人脸图像，以及注册时获取的10张目标人脸图像，其余的目标人脸图像都删除。
方式三：
一个例子中，可以是：保留第一时间段内的全部目标人脸图像，保留第二时间段内的部分目标人脸图像，删除第三时间段内的全部目标人脸图像。例如，保留最近第一时间段(例如最近两周)的全部目标人脸图像；对于第二时间段(近两周到近两个月)内，保留主播每次直播时的两张图像。对于第三时间段(例如两个月之前)，可以只保存当月的两张图像。当然方式三中，可以对所有目标人脸图像进行筛选，也可以保留注册时的目标人脸图像，仅对从用户每次直播时获取的目标人脸图像中筛选。
本申请并不限制筛选目标人脸库中，目标人脸图像的数量的方式，上述三种方式仅仅为本申请实施例示例性列出的筛选目标人脸图像的方式，当然还可以通过其他方式来筛选，此处不再一一赘述。
在一些例子中，所述目标人脸特征还根据每次登录时获得的人脸图像得到。具体可以参照图5，为本申请实施例示意性示出的另一登录方法的流程图。所述方法的步骤包括：
S210：检测到登录指令后，调用本端设备的摄像头，获取人脸图像。
S220：根据所述人脸图像的特征与目标人脸特征的匹配度，确定是否允许登录，所述目标人脸特征根据若干预存的目标人脸图像得到。
S510：允许登录后，获取所述人脸图像。
S520：根据所述人脸图像更新所述预存的目标人脸图像。
S230：允许登录后，从直播视频流中获取指定的人脸图像。
S240：根据所述指定的人脸图像更新所述预存的目标人脸图像。
每次更新预存的目标人脸图像后，均可以对更新后的目标人脸图像提取新的目标人脸特征，以使用户下次登录时，用新的目标人脸特征与人脸图像的特征做匹配。
所述步骤S510及S520可以由服务器执行，一些例子中可以是业务服务器来执行。
需要说明的是，上述图5中各步骤的具体实现过程可以参照上述图2所述方法所对应的实施例中的描述，在此不再赘述。
图5所述的方法利用用户每次登录时提供的人脸图像更新目标人脸图像，保证在不打扰用户的情况下，使得目标人脸图像中保存有用户的最新造型图像，使得用户每次人脸识别登录时准确率更高。
与前述登录方法的实施例相对应，本申请还提供了登录装置的实施例。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在终端设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，参照图6，为本申请登录装置所在电子设备的一种硬件结构图，所述电子设备包括：通过内部总线连接的外部接口、存储器及处理器；
其中，所述存储器，用于存储登录控制逻辑对应的机器可读指令；
所述处理器，用于检测到登录指令后，调用本端设备的摄像头，获取人脸图像；根据所述人脸图像的特征与目标人脸特征的匹配度，确定是否允许登录，所述目标人脸特征根据若干预存的目标人脸图像得到；允许登录后，从直播视频流中获取指定的人脸图像；根据所述指定的人脸图像更新所述预存的目标人脸图像。
需要说明的是，除了图6所示的处理器、存储器及外部接口之外，实施例中装置所在的终端设备(电子设备)通常根据该终端设备的实际功能，还可以包括其他硬件，对此不再赘述。
请参考图7，一种登录装置700，包括：
判断模块710，用于检测到登录指令后，调用本端设备的摄像头，获取人脸图像；根据所述人脸图像的特征与目标人脸特征的匹配度，确定是否允许登录，所述目标人脸特征根据若干预存的目标人脸图像得到；
更新模块720，用于在允许登录后，从直播视频流中获取指定的人脸图像；根据所述指定的人脸图像更新所述预存的目标人脸图像。
在一些例子中，所述从所述直播视频流中获取指定的人脸图像，在对所述直播视频流中的图像帧进行图像处理前执行；所述图像处理包括：美颜处理和/或贴图处理。
在一些例子中，所述根据所述指定的人脸图像更新所述预存的目标人脸图像之后，更新模块720还用于：
根据更新后的目标人脸图像提取新的目标人脸特征，以使下次检测到登录时，使用所述新的目标人脸特征与获得的人脸图像进行匹配。
在一些例子中，所述直播视频流包括原始直播视频流。
在一些例子中，所述装置还包括筛选模块，所述筛选模块用于：
若预先存储的目标人脸图像的数量超过预设值，删除存储时间超过预设时间的目标人脸图像。
在一些例子中，所述删除存储时间超过预设时间的目标人脸图像，为指定的人脸图像。
在一些例子中，所述目标人脸特征还根据每次登录时获得的人脸图像得到。
请参考图8，一种登录***800，包括：
主播客户端810，用于检测到登录指令后，调用本端设备的摄像头，获取人脸图像；
服务器820，用于根据所述人脸图像的特征与目标人脸特征的匹配度，确定是否允许登录，所述目标人脸特征根据若干预存的目标人脸图像得到；所述目标人脸图像用主播客户端610允许登录后制作的直播视频流中获取指定的人脸图像来更新。
本申请实施例可采用在一个或多个其中包含有程序代码的存储介质(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。计算机可用存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (11)

1.一种登录方法，其特征在于，所述方法包括步骤：
检测到登录指令后，调用本端设备的摄像头，获取人脸图像；
根据所述人脸图像的特征与目标人脸特征的匹配度，确定是否允许登录，所述目标人脸特征根据若干预存的目标人脸图像得到；
允许登录后，从直播视频流中获取指定的人脸图像；
根据所述指定的人脸图像更新所述预存的目标人脸图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述指定的人脸图像更新所述预存的目标人脸图像之后，还包括步骤：
根据更新后的目标人脸图像提取新的目标人脸特征，以使下次检测到登录时，使用所述新的目标人脸特征与获得的人脸图像进行匹配。
3.根据权利要求1所述的方法，其特征在于，所述直播视频流包括原始直播视频流。
4.根据权利要求1-3任意一项所述的方法，其特征在于，所述从直播视频流中获取指定的人脸图像，包括：
从所述直播视频流中抽取指定数量的图像帧；
根据所述图像帧中图像特征与所述目标人脸特征的匹配度，确定指定的人脸图像。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括步骤：
若预先存储的目标人脸图像的数量超过预设值，删除存储时间超过预设时间的目标人脸图像。
6.根据权利要求5所述的方法，其特征在于，所述删除存储时间超过预设时间的目标人脸图像，为指定的人脸图像。
7.根据权利要求1所述的方法，其特征在于，所述目标人脸特征还根据每次登录时获得的人脸图像得到。
8.一种登录装置，其特征在于，所述装置包括：
判断模块，用于检测到登录指令后，调用本端设备的摄像头，获取人脸图像；根据所述人脸图像的特征与目标人脸特征的匹配度，确定是否允许登录，所述目标人脸特征根据若干预存的目标人脸图像得到；
更新模块，用于在允许登录后，从直播视频流中获取指定的人脸图像；根据所述指定的人脸图像更新所述预存的目标人脸图像。
9.一种登录***，其特征在于，所述***包括：
主播客户端，用于检测到登录指令后，调用本端设备的摄像头，获取人脸图像；
服务器，用于根据所述人脸图像的特征与目标人脸特征的匹配度，确定是否允许登录，所述目标人脸特征根据若干预存的目标人脸图像得到；所述目标人脸图像根据主播客户端允许登录后制作的直播视频流中获取指定的人脸图像更新。
10.一种电子设备，其特征在于，包括：
处理器；用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行如权利要求1至7任意一项方法所述的操作。
11.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行如权利要求1至7任意一项方法所述的操作。
CN201811036963.1A 2018-09-06 2018-09-06 一种登录方法、装置、***、电子设备及存储介质 Pending CN109413495A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811036963.1A CN109413495A (zh) 2018-09-06 2018-09-06 一种登录方法、装置、***、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811036963.1A CN109413495A (zh) 2018-09-06 2018-09-06 一种登录方法、装置、***、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN109413495A true CN109413495A (zh) 2019-03-01

Family

ID=65464511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811036963.1A Pending CN109413495A (zh) 2018-09-06 2018-09-06 一种登录方法、装置、***、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN109413495A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114529961A (zh) * 2020-11-23 2022-05-24 比亚迪股份有限公司 人脸图像的更新方法、存储介质、电子设备以及车辆
CN114530151A (zh) * 2022-02-10 2022-05-24 山东企联信息技术股份有限公司 一种人工智能ai语音控制***及其体验装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8090160B2 (en) * 2007-10-12 2012-01-03 The University Of Houston System Automated method for human face modeling and relighting with application to face recognition
CN102833182A (zh) * 2012-08-09 2012-12-19 上海量明科技发展有限公司 即时通信中进行人脸识别的方法、客户端及***
CN103605969A (zh) * 2013-11-28 2014-02-26 Tcl集团股份有限公司 一种人脸录入的方法及装置
CN105260639A (zh) * 2015-10-28 2016-01-20 浪潮电子信息产业股份有限公司 一种脸部识别***的数据更新的方法及装置
CN105550671A (zh) * 2016-01-28 2016-05-04 北京麦芯科技有限公司 一种人脸识别的方法及装置
CN105590047A (zh) * 2015-12-15 2016-05-18 重庆凯泽科技有限公司 基于人脸识别的登录***及登录方法
CN106612465A (zh) * 2016-12-22 2017-05-03 广州华多网络科技有限公司 直播互动方法及装置
WO2017111506A1 (ko) * 2015-12-22 2017-06-29 최재훈 본인 대면 확인 검증 시스템 장치
CN107358079A (zh) * 2017-06-16 2017-11-17 微梦创科网络科技（中国）有限公司 实时人脸识别登录验证方法及***
CN107592468A (zh) * 2017-10-23 2018-01-16 维沃移动通信有限公司 一种拍摄参数调整方法及移动终端
CN108108698A (zh) * 2017-12-25 2018-06-01 哈尔滨市舍科技有限公司 基于人脸识别和全景视频的目标跟踪方法和***

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8090160B2 (en) * 2007-10-12 2012-01-03 The University Of Houston System Automated method for human face modeling and relighting with application to face recognition
CN102833182A (zh) * 2012-08-09 2012-12-19 上海量明科技发展有限公司 即时通信中进行人脸识别的方法、客户端及***
CN103605969A (zh) * 2013-11-28 2014-02-26 Tcl集团股份有限公司 一种人脸录入的方法及装置
CN105260639A (zh) * 2015-10-28 2016-01-20 浪潮电子信息产业股份有限公司 一种脸部识别***的数据更新的方法及装置
CN105590047A (zh) * 2015-12-15 2016-05-18 重庆凯泽科技有限公司 基于人脸识别的登录***及登录方法
WO2017111506A1 (ko) * 2015-12-22 2017-06-29 최재훈 본인 대면 확인 검증 시스템 장치
CN105550671A (zh) * 2016-01-28 2016-05-04 北京麦芯科技有限公司 一种人脸识别的方法及装置
CN106612465A (zh) * 2016-12-22 2017-05-03 广州华多网络科技有限公司 直播互动方法及装置
CN107358079A (zh) * 2017-06-16 2017-11-17 微梦创科网络科技（中国）有限公司 实时人脸识别登录验证方法及***
CN107592468A (zh) * 2017-10-23 2018-01-16 维沃移动通信有限公司 一种拍摄参数调整方法及移动终端
CN108108698A (zh) * 2017-12-25 2018-06-01 哈尔滨市舍科技有限公司 基于人脸识别和全景视频的目标跟踪方法和***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114529961A (zh) * 2020-11-23 2022-05-24 比亚迪股份有限公司 人脸图像的更新方法、存储介质、电子设备以及车辆
CN114530151A (zh) * 2022-02-10 2022-05-24 山东企联信息技术股份有限公司 一种人工智能ai语音控制***及其体验装置

Similar Documents

Publication Publication Date Title
CN110166827B (zh) 视频片段的确定方法、装置、存储介质及电子装置
CN108012162B (zh) 内容推荐方法及装置
CN108154518B (zh) 一种图像处理的方法、装置、存储介质及电子设备
WO2017177768A1 (zh) 一种信息处理方法及终端、计算机存储介质
US20170065889A1 (en) Identifying And Extracting Video Game Highlights Based On Audio Analysis
CN107633541B (zh) 一种图像特效的生成方法和装置
CN109635673B (zh) 吸烟行为识别方法和装置
CN111263170B (zh) 一种视频播放方法、装置、设备及可读存储介质
CN109242940B (zh) 三维动态图像的生成方法和装置
CN111464819B (zh) 直播图像检测方法、装置、设备及存储介质
KR20140026512A (ko) 하나 이상의 피사체의 이미지에 대한 캡쳐의 자동 최적화 기법
US11145065B2 (en) Selection of video frames using a machine learning predictor
CN107801061A (zh) 广告数据匹配方法、装置及***
US11856244B2 (en) Method to insert ad content into a video scene
CN107547922B (zh) 信息处理方法、装置、***及计算机可读存储介质
CN110163265A (zh) 数据处理方法、装置及计算机设备
CN112422844A (zh) 在视频中添加特效的方法、装置、设备及可读存储介质
CN111444822B (zh) 对象识别方法和装置、存储介质和电子装置
CN111428660A (zh) 视频剪辑方法和装置、存储介质及电子装置
CN109413495A (zh) 一种登录方法、装置、***、电子设备及存储介质
CN112827172A (zh) 拍摄方法、装置、电子设备及存储介质
CN105979331A (zh) 一种智能电视的数据推荐方法和装置
US11080549B1 (en) Automated cropping of images using a machine learning predictor
CN107733874A (zh) 信息处理方法、装置、计算机设备和存储介质
CN111510746B (zh) 媒体资源投放方法、装置、存储介质及电子装置

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: 20190301