CN110532991A - 一种人脸识别方法、装置及设备 - Google Patents
一种人脸识别方法、装置及设备 Download PDFInfo
- Publication number
- CN110532991A CN110532991A CN201910833599.XA CN201910833599A CN110532991A CN 110532991 A CN110532991 A CN 110532991A CN 201910833599 A CN201910833599 A CN 201910833599A CN 110532991 A CN110532991 A CN 110532991A
- Authority
- CN
- China
- Prior art keywords
- facial image
- feature vector
- image
- face
- facial
- 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
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
- 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
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种人脸识别方法、装置、设备及可读存储介质，该方案在人脸识别过程中会筛选出识别成功且满足一定条件的人脸图像，根据该人脸图像的特征向量更新预先存储的已注册用户的人脸特征，从而实现对已注册用户的人脸特征的不断更新，解决了因年龄变化或意外状况导致的面容变化对人脸识别过程的影响，提升了人脸识别结果的可靠性。
Description
技术领域
本申请涉及计算机技术领域，特别涉及一种人脸识别方法、装置、设备及可读存储介质。
背景技术
人脸识别是生物特征识别领域中最常用的一种识别方式，作为一种非接触性的生物识别技术，人脸识别具有可视化、便捷性、符合人的思维习惯的特点，因此在智慧城市、公共安全、轨道交通、安防管控、金融等领域广泛应用，为这些领域提供了更多的便捷。
传统的人脸识别方案在用户注册过程中采集人脸特征以作为后续识别过程的识别依据，然而，考虑到人的面部特征会随着年龄的变化发生改变，因此，单纯依靠在用户注册过程中采集得到的人脸特征进行人脸识别，会导致识别结果的可靠性较低。
可见，如何提升人脸识别结果的可靠性，是亟待本领域技术人员解决的问题。
发明内容
本申请的目的是提供一种人脸识别方法、装置、设备及可读存储介质，用以解决由于人的面部特征会随着年龄的变化发生改变，单纯依靠在用户注册过程中采集得到的人脸特征进行人脸识别，会导致识别结果的可靠性较低的问题。具体方案如下：
为解决上述技术问题，本申请提供了一种人脸识别方法，包括：
获取当前用户的人脸图像；
提取所述人脸图像的特征向量；
将所述人脸图像的特征向量与特征向量集合中的各个特征向量进行匹配，若存在与所述人脸图像的特征向量的匹配度大于第一预设阈值的目标特征向量，则识别成功，其中，所述特征向量集合用于存储预先注册的用户的特征向量；
根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分；
若预设数量的所述当前用户的人脸图像均满足预设条件，则选取所述图像质量得分最高的人脸图像的特征向量，以更新所述特征向量集合中的所述目标特征向量，其中所述预设条件包括：所述可靠性得分大于第二预设阈值，且所述图像质量得分大于第三预设阈值，且所述位姿数据在预设范围内。
优选的，所述获取当前用户的人脸图像，包括：
利用可见光摄像头或近红外摄像头采集目标区域的视频数据；
从所述视频数据中截取图像帧；
对所述图像帧进行人脸检测；
若人脸检测结果为存在人脸，则将所述图像帧作为当前用户的人脸图像。
优选的，所述提取所述人脸图像的特征向量，包括：
对所述人脸图像进行关键点检测，得到关键点检测结果；
根据所述关键点检测结果对所述人脸图像进行校正，并将校正得到的人脸图像调整为预设尺寸；
将所述预设尺寸的人脸图像输入预先经过训练的特征提取模型，得到所述人脸图像的特征向量。
优选的，所述根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分，包括：
根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分，其中所述图像质量得分包括亮暗程度和/或清晰度，所述位姿数据包括所述人脸图像中人脸的倾斜角度。
第二方面，本申请提供了一种人脸识别装置，包括：
图像获取模块：用于获取当前用户的人脸图像；
特征提取模块：用于提取所述人脸图像的特征向量；
特征匹配模块：用于将所述人脸图像的特征向量与特征向量集合中的各个特征向量进行匹配，若存在与所述人脸图像的特征向量的匹配度大于第一预设阈值的目标特征向量，则识别成功，其中，所述特征向量集合用于存储预先注册的用户的特征向量；
图像分析模块：用于根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分；
特征更新模块：用于若预设数量的所述当前用户的人脸图像均满足预设条件，则选取所述图像质量得分最高的人脸图像的特征向量，以更新所述特征向量集合中的所述目标特征向量，其中所述预设条件包括：所述可靠性得分大于第二预设阈值，且所述图像质量得分大于第三预设阈值，且所述位姿数据在预设范围内。
优选的，所述图像获取模块具体用于：
利用可见光摄像头或近红外摄像头采集目标区域的视频数据；
从所述视频数据中截取图像帧；
对所述图像帧进行人脸检测；
若人脸检测结果为存在人脸，则将所述图像帧作为当前用户的人脸图像。
优选的，所述特征提取模块具体用于：
对所述人脸图像进行关键点检测，得到关键点检测结果；
根据所述关键点检测结果对所述人脸图像进行校正，并将校正得到的人脸图像调整为预设尺寸；
将所述预设尺寸的人脸图像输入预先经过训练的特征提取模型，得到所述人脸图像的特征向量。
优选的，所述图像分析模块具体用于：
根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分，其中所述图像质量得分包括亮暗程度和/或清晰度，所述位姿数据包括所述人脸图像中人脸的倾斜角度。
第三方面，本申请提供了一种人脸识别设备，包括：
存储器：用于存储计算机程序；
处理器：用于执行所述计算机程序以实现如上所述的一种人脸识别方法的步骤。
第四方面，本申请提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如上所述的一种人脸识别方法的步骤。
本申请所提供的一种人脸识别方法、装置、设备及可读存储介质，方案包括：获取当前用户的人脸图像；提取人脸图像的特征向量；将人脸图像的特征向量与特征向量集合中的各个特征向量进行匹配，若存在与人脸图像的特征向量的匹配度大于第一预设阈值的目标特征向量，则识别成功，其中，特征向量集合用于存储预先注册的用户的特征向量；根据人脸图像，分别确定可靠性得分、位姿数据、图像质量得分；若预设数量的当前用户的人脸图像均满足预设条件，则选取图像质量得分最高的人脸图像的特征向量，以更新特征向量集合中的目标特征向量，其中预设条件包括：可靠性得分大于第二预设阈值，且图像质量得分大于第三预设阈值，且位姿数据在预设范围内。
可见，该方案在人脸识别过程中会筛选出识别成功且满足一定条件的人脸图像，根据该人脸图像的特征向量更新预先存储的已注册用户的人脸特征，从而实现对已注册用户的人脸特征的不断更新，解决了因年龄变化或意外状况导致的面容变化对人脸识别过程的影响，提升了人脸识别结果的可靠性。
附图说明
为了更清楚的说明本申请实施例或现有技术的技术方案，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的介绍，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为本申请所提供的一种人脸识别方法实施例一的实现流程图；
图2为本申请所提供的一种人脸识别方法实施例二的实现流程图；
图3为本申请所提供的一种人脸识别方法实施例二的S201的细化流程图；
图4为本申请所提供的一种人脸识别装置实施例的功能框图；
图5为本申请所提供的一种人脸识别设备实施例的结构示意图。
具体实施方式
本申请的核心是提供一种人脸识别方法、装置、设备及可读存储介质，实现可不断更新作为识别依据的人脸特征的目的，显著提升了人脸识别结果的可靠性。
为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面对本申请提供的一种人脸识别方法实施例一进行介绍，参见图1，实施例一包括：
S101、获取当前用户的人脸图像；
本实施例可以应用于公共安全领域，具体的，利用视频采集装置采集预设公共区域的视频数据，从视频数据中截取图像帧，并通过人脸检测筛选出存在人脸区域的图像帧，以作为本实施例中的人脸图像。其中，视频采集装置可以为可见光摄像头，也可以为近红外摄像头，本实施例对此不做限定。
S102、提取所述人脸图像的特征向量；
作为一种具体的实施方式，对所述人脸图像进行关键点检测，得到关键点检测结果；根据所述关键点检测结果对所述人脸图像进行校正，并将校正得到的人脸图像调整为预设尺寸；最终将所述预设尺寸的人脸图像输入预先经过训练的特征提取模型，得到所述人脸图像的特征向量。
S103、将所述人脸图像的特征向量与特征向量集合中的各个特征向量进行匹配，若存在与所述人脸图像的特征向量的匹配度大于第一预设阈值的目标特征向量，则识别成功，其中，所述特征向量集合用于存储预先注册的用户的特征向量；
其中，第一预设阈值可以根据实际需求而设定，其目的在于根据当前用户的人脸特征与已注册用户的人脸特征之间的匹配度是否超过第一预设阈值来判定当前用户是否为已注册用户，理论上来说，最多只有一个已注册用户的人脸特征向量与当前用户的人脸特征向量之间的匹配度大于第一预设阈值，本实施例将该人脸特征向量称为目标特征向量。
S104、根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分；
S105、若预设数量的所述当前用户的人脸图像均满足预设条件，则选取所述图像质量得分最高的人脸图像的特征向量，以更新所述特征向量集合中的所述目标特征向量，其中所述预设条件包括：所述可靠性得分大于第二预设阈值，且所述图像质量得分大于第三预设阈值，且所述位姿数据在预设范围内。
本实施例在更新已注册用户的人脸特征向量时，为方便后续识别，需要对人脸特征进行筛选，具体的筛选依据为：一方面需要保证当前用户的人脸特征与已注册用户的人脸特征之间的匹配度超过第一预设阈值；另一方面，需要保证当前用户的人脸图像的可靠性得分大于第二预设阈值，且当前用户的人脸图像的图像质量得分大于第三预设阈值，且当前用户的人脸图像的位姿数据在预设范围内。
本实施例所提供一种人脸识别方法，包括：获取当前用户的人脸图像；提取人脸图像的特征向量；将人脸图像的特征向量与特征向量集合中的各个特征向量进行匹配，若存在与人脸图像的特征向量的匹配度大于第一预设阈值的目标特征向量，则识别成功；根据人脸图像，分别确定可靠性得分、位姿数据、图像质量得分；若预设数量的当前用户的人脸图像均满足预设条件，则选取图像质量得分最高的人脸图像的特征向量，以更新特征向量集合中的目标特征向量。
可见，本实施例在人脸识别过程中会筛选出识别成功且满足一定条件的人脸图像，根据该人脸图像的特征向量更新预先存储的已注册用户的人脸特征，从而实现对已注册用户的人脸特征的不断更新，解决了因年龄变化或意外状况导致的面容变化对人脸识别过程的影响，提升了人脸识别结果的可靠性。
下面开始详细介绍本申请提供的一种人脸识别方法实施例二，实施例二基于前述实施例一实现，并在实施例一的基础上进行了一定程度上的拓展。
参见图2，实施例二具体包括：
S201、获取当前图像帧，并提取当前图像帧的特征向量；
S202、将当前图像帧的特征向量与已注册用户的人脸特征进行匹配，确定匹配度数值；
S203、判断是否存在匹配度大于第一预设阈值的目标人脸特征；若存在，则确定识别成功，并跳转至S204；否则不做任何处理；
S204、确定当前图像帧的可靠性得分，判断可靠性得分是否大于第二预设阈值；若大于，跳转至S205；否则退出流程；
S205、确定当前图像帧的位姿数据，判断位姿数据是否在预设范围内；若是，则跳转至S206；否则退出流程；
本步骤的目的在于对校正后的人脸进行姿态判断，此时对姿态判断的条件比较严格，用于筛除倾斜角度大的人脸图像。
S206、确定当前帧的图像质量得分，判断图像质量得分是否大于第三预设阈值，若大于，则跳转至S207；否则退出流程；
具体的，对该人脸图像进行图像质量判断，该过程可称为图像综合质量评估，包括计算图像的亮暗程度、图像的清晰度等操作；如若图像综合质量评估得分大于设定的阈值，或对图像综合质量评估中的每个子模块串行处理，层层满足，则对当前帧做个标记，否则会退出该流程。
S207、对当前帧进行标记，并判断已标记的视频帧的数量是否达到预设数量；若达到，则跳转至S208；否则获取下一个图像帧，并跳转至S201；
S208、从已标记的预设数量的视频帧中选出一帧图像综合得分最高的目标视频帧，利用该视频帧的人脸特征更新上述目标人脸特征。
具体的，如若预设数量的图像帧均满足上述条件，会对这些人脸图像进行筛选，选出最佳一帧人脸图像给予人脸特征更新，并在更新后对标记位归零处理。
如图3所示，上述S201具体包括图像采集、人脸检测、人脸关键点检测、人脸对齐校正、特征提取等过程，具体步骤包括：
S301、利用可见光摄像头或近红外摄像头采集目标区域的视频数据；
S302、从所述视频数据中截取图像帧；
S303、对所述图像帧进行人脸检测；判断是否检测到人脸，若是，跳转至S304；否则跳转至S302；
S304、将所述图像帧作为当前用户的人脸图像；
S305、对所述人脸图像进行关键点检测，得到关键点检测结果；
S306、根据所述关键点检测结果对所述人脸图像进行校正，并将校正得到的人脸图像调整为预设尺寸；
S307、将所述预设尺寸的人脸图像输入预先经过训练的特征提取模型，得到所述人脸图像的特征向量。
具体的，先通过视频采集终端获取可见光或近红外图像，并对该图像进行人脸检测，对检测到的人脸进行人脸关键点检测，最终执行图像校正操作，校正完的图像归一化至128x128的尺寸，进而将128x128人脸送入预先训练的特征模型，提取出512维特征存储到内存中。
可见，本实施例提供的一种人脸识别方法，整个流程包括图像采集、人脸检测、特征提取、特征匹配、特征筛选、特征更新的过程。其中人脸检测和特征提取可以使用深度学习训练网络模型检测或者是传统方法训练的模型实现；然后根据检测到的人脸框送入特征提取模块，并进行特征匹配；通过匹配的图像经过层层筛选，如若满足筛选条件，则将符合条件的人脸特征会覆盖之前的人脸特征；如若不满足筛选条件，识别成功则只会提示识别成功，不会进行特征更新。
下面对本申请实施例提供的一种人脸识别装置进行介绍，下文描述的一种人脸识别装置与上文描述的一种人脸识别方法可相互对应参照。
参见图4，该装置包括：
图像获取模块401：用于获取当前用户的人脸图像；
特征提取模块402：用于提取所述人脸图像的特征向量；
特征匹配模块403：用于将所述人脸图像的特征向量与特征向量集合中的各个特征向量进行匹配，若存在与所述人脸图像的特征向量的匹配度大于第一预设阈值的目标特征向量，则识别成功，其中，所述特征向量集合用于存储预先注册的用户的特征向量；
图像分析模块404：用于根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分；
特征更新模块405：用于若预设数量的所述当前用户的人脸图像均满足预设条件，则选取所述图像质量得分最高的人脸图像的特征向量，以更新所述特征向量集合中的所述目标特征向量，其中所述预设条件包括：所述可靠性得分大于第二预设阈值，且所述图像质量得分大于第三预设阈值，且所述位姿数据在预设范围内。
在一些具体的实施例中，所述图像获取模块401具体用于：
利用可见光摄像头或近红外摄像头采集目标区域的视频数据；从所述视频数据中截取图像帧；对所述图像帧进行人脸检测；若人脸检测结果为存在人脸，则将所述图像帧作为当前用户的人脸图像。
在一些具体的实施例中，所述特征提取模块402具体用于：
对所述人脸图像进行关键点检测，得到关键点检测结果；根据所述关键点检测结果对所述人脸图像进行校正，并将校正得到的人脸图像调整为预设尺寸；将所述预设尺寸的人脸图像输入预先经过训练的特征提取模型，得到所述人脸图像的特征向量。
在一些具体的实施例中，所述图像分析模块404具体用于：
根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分，其中所述图像质量得分包括亮暗程度和/或清晰度，所述位姿数据包括所述人脸图像中人脸的倾斜角度。
本实施例的人脸识别装置用于实现前述的人脸识别方法，因此该装置中的具体实施方式可见前文中的人脸识别方法的实施例部分，例如，图像获取模块401、特征提取模块402、特征匹配模块403、图像分析模块404、特征更新模块405，分别用于实现上述人脸识别方法中步骤S101，S102，S103，S104，S105。所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再展开介绍。
另外，由于本实施例的人脸识别装置用于实现前述的人脸识别方法，因此其作用与上述方法的作用相对应，这里不再赘述。
此外，本申请还提供了一种人脸识别设备，如图5所示，包括：
存储器100：用于存储计算机程序；
处理器200：用于执行所述计算机程序以实现如上所述的一种人脸识别方法的步骤。
最后，本申请提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如前文所述的一种人脸识别方法的步骤。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的方案进行了详细介绍，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，对于本领域的一般技术人员，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：
获取当前用户的人脸图像；
提取所述人脸图像的特征向量；
将所述人脸图像的特征向量与特征向量集合中的各个特征向量进行匹配，若存在与所述人脸图像的特征向量的匹配度大于第一预设阈值的目标特征向量，则识别成功，其中，所述特征向量集合用于存储预先注册的用户的特征向量；
根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分；
若预设数量的所述当前用户的人脸图像均满足预设条件，则选取所述图像质量得分最高的人脸图像的特征向量，以更新所述特征向量集合中的所述目标特征向量，其中所述预设条件包括：所述可靠性得分大于第二预设阈值，且所述图像质量得分大于第三预设阈值，且所述位姿数据在预设范围内。
2.如权利要求1所述的方法，其特征在于，所述获取当前用户的人脸图像，包括：
利用可见光摄像头或近红外摄像头采集目标区域的视频数据；
从所述视频数据中截取图像帧；
对所述图像帧进行人脸检测；
若人脸检测结果为存在人脸，则将所述图像帧作为当前用户的人脸图像。
3.如权利要求2所述的方法，其特征在于，所述提取所述人脸图像的特征向量，包括：
对所述人脸图像进行关键点检测，得到关键点检测结果；
根据所述关键点检测结果对所述人脸图像进行校正，并将校正得到的人脸图像调整为预设尺寸；
将所述预设尺寸的人脸图像输入预先经过训练的特征提取模型，得到所述人脸图像的特征向量。
4.如权利要求1-3任意一项所述的方法，其特征在于，所述根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分，包括：
根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分，其中所述图像质量得分包括亮暗程度和/或清晰度，所述位姿数据包括所述人脸图像中人脸的倾斜角度。
5.一种人脸识别装置，其特征在于，包括：
图像获取模块：用于获取当前用户的人脸图像；
特征提取模块：用于提取所述人脸图像的特征向量；
特征匹配模块：用于将所述人脸图像的特征向量与特征向量集合中的各个特征向量进行匹配，若存在与所述人脸图像的特征向量的匹配度大于第一预设阈值的目标特征向量，则识别成功，其中，所述特征向量集合用于存储预先注册的用户的特征向量；
图像分析模块：用于根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分；
特征更新模块：用于若预设数量的所述当前用户的人脸图像均满足预设条件，则选取所述图像质量得分最高的人脸图像的特征向量，以更新所述特征向量集合中的所述目标特征向量，其中所述预设条件包括：所述可靠性得分大于第二预设阈值，且所述图像质量得分大于第三预设阈值，且所述位姿数据在预设范围内。
6.如权利要求5所述的装置，其特征在于，所述图像获取模块具体用于：
利用可见光摄像头或近红外摄像头采集目标区域的视频数据；
从所述视频数据中截取图像帧；
对所述图像帧进行人脸检测；
若人脸检测结果为存在人脸，则将所述图像帧作为当前用户的人脸图像。
7.如权利要求6所述的装置，其特征在于，所述特征提取模块具体用于：
对所述人脸图像进行关键点检测，得到关键点检测结果；
根据所述关键点检测结果对所述人脸图像进行校正，并将校正得到的人脸图像调整为预设尺寸；
将所述预设尺寸的人脸图像输入预先经过训练的特征提取模型，得到所述人脸图像的特征向量。
8.如权利要求5-7任意一项所述的装置，其特征在于，所述图像分析模块具体用于：
根据所述人脸图像，分别确定可靠性得分、位姿数据、图像质量得分，其中所述图像质量得分包括亮暗程度和/或清晰度，所述位姿数据包括所述人脸图像中人脸的倾斜角度。
9.一种人脸识别设备，其特征在于，包括：
存储器：用于存储计算机程序；
处理器：用于执行所述计算机程序以实现如权利要求1-4任意一项所述的一种人脸识别方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现如权利要求1-4任意一项所述的一种人脸识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910833599.XA CN110532991A (zh) | 2019-09-04 | 2019-09-04 | 一种人脸识别方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910833599.XA CN110532991A (zh) | 2019-09-04 | 2019-09-04 | 一种人脸识别方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110532991A true CN110532991A (zh) | 2019-12-03 |
Family
ID=68666855
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910833599.XA Pending CN110532991A (zh) | 2019-09-04 | 2019-09-04 | 一种人脸识别方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110532991A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160221A (zh) * | 2019-12-26 | 2020-05-15 | 深圳云天励飞技术有限公司 | 一种人脸采集方法及相关装置 |
| CN111753788A (zh) * | 2020-06-30 | 2020-10-09 | 重庆勤鸟圈科技有限公司 | 用于指静脉识别的自学习式控制***及方法 |
| CN111814570A (zh) * | 2020-06-12 | 2020-10-23 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、***及存储介质 |
| CN112818909A (zh) * | 2021-02-22 | 2021-05-18 | Oppo广东移动通信有限公司 | 图像更新方法、装置、电子设备及计算机可读介质 |
| CN112818784A (zh) * | 2021-01-22 | 2021-05-18 | 浙江大华技术股份有限公司 | 一种门禁设备的控制方法、装置及存储介质 |
| WO2022047492A1 (en) * | 2020-08-27 | 2022-03-03 | Sensormatic Electronics, LLC | Method and system for facial feature information generation |
| 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 |
| TWI792693B (zh) * | 2021-11-18 | 2023-02-11 | 瑞昱半導體股份有限公司 | 用於進行人物重辨識的方法與裝置 |
| WO2023040436A1 (zh) * | 2021-09-16 | 2023-03-23 | 上海商汤智能科技有限公司 | 人脸识别及门禁控制 |
| CN116612521A (zh) * | 2023-06-15 | 2023-08-18 | 山东睿芯半导体科技有限公司 | 一种人脸识别方法、装置、芯片及终端 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108171207A (zh) * | 2018-01-17 | 2018-06-15 | 百度在线网络技术（北京）有限公司 | 基于视频序列的人脸识别方法和装置 |
| CN108388878A (zh) * | 2018-03-15 | 2018-08-10 | 百度在线网络技术（北京）有限公司 | 用于识别人脸的方法和装置 |
| CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术（北京）有限公司 | 用于更新人脸注册库的方法和装置 |
| CN109583348A (zh) * | 2018-11-22 | 2019-04-05 | 阿里巴巴集团控股有限公司 | 一种人脸识别方法、装置、设备及*** |
| CN109657609A (zh) * | 2018-12-19 | 2019-04-19 | 新大陆数字技术股份有限公司 | 人脸识别方法及*** |
-
2019
- 2019-09-04 CN CN201910833599.XA patent/CN110532991A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108171207A (zh) * | 2018-01-17 | 2018-06-15 | 百度在线网络技术（北京）有限公司 | 基于视频序列的人脸识别方法和装置 |
| CN108388878A (zh) * | 2018-03-15 | 2018-08-10 | 百度在线网络技术（北京）有限公司 | 用于识别人脸的方法和装置 |
| CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术（北京）有限公司 | 用于更新人脸注册库的方法和装置 |
| CN109583348A (zh) * | 2018-11-22 | 2019-04-05 | 阿里巴巴集团控股有限公司 | 一种人脸识别方法、装置、设备及*** |
| CN109657609A (zh) * | 2018-12-19 | 2019-04-19 | 新大陆数字技术股份有限公司 | 人脸识别方法及*** |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111160221B (zh) * | 2019-12-26 | 2023-09-01 | 深圳云天励飞技术有限公司 | 一种人脸采集方法及相关装置 |
| CN111160221A (zh) * | 2019-12-26 | 2020-05-15 | 深圳云天励飞技术有限公司 | 一种人脸采集方法及相关装置 |
| CN111814570A (zh) * | 2020-06-12 | 2020-10-23 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、***及存储介质 |
| CN111814570B (zh) * | 2020-06-12 | 2024-04-30 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、***及存储介质 |
| CN111753788A (zh) * | 2020-06-30 | 2020-10-09 | 重庆勤鸟圈科技有限公司 | 用于指静脉识别的自学习式控制***及方法 |
| WO2022047492A1 (en) * | 2020-08-27 | 2022-03-03 | Sensormatic Electronics, LLC | Method and system for facial feature information generation |
| US11763595B2 (en) | 2020-08-27 | 2023-09-19 | Sensormatic Electronics, LLC | Method and system for identifying, tracking, and collecting data on a person of interest |
| 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 |
| WO2022105650A1 (zh) * | 2020-11-23 | 2022-05-27 | 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 |
| CN112818784A (zh) * | 2021-01-22 | 2021-05-18 | 浙江大华技术股份有限公司 | 一种门禁设备的控制方法、装置及存储介质 |
| CN112818784B (zh) * | 2021-01-22 | 2024-02-06 | 浙江大华技术股份有限公司 | 一种门禁设备的控制方法、装置及存储介质 |
| CN112818909A (zh) * | 2021-02-22 | 2021-05-18 | Oppo广东移动通信有限公司 | 图像更新方法、装置、电子设备及计算机可读介质 |
| WO2023040436A1 (zh) * | 2021-09-16 | 2023-03-23 | 上海商汤智能科技有限公司 | 人脸识别及门禁控制 |
| TWI792693B (zh) * | 2021-11-18 | 2023-02-11 | 瑞昱半導體股份有限公司 | 用於進行人物重辨識的方法與裝置 |
| CN116612521A (zh) * | 2023-06-15 | 2023-08-18 | 山东睿芯半导体科技有限公司 | 一种人脸识别方法、装置、芯片及终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110532991A (zh) | 一种人脸识别方法、装置及设备 | |
| CN105117695B (zh) | 活体检测设备和活体检测方法 | |
| CN105631439B (zh) | 人脸图像处理方法和装置 | |
| CN106997452B (zh) | 活体验证方法及装置 | |
| CN109063977B (zh) | 一种无感式交易风险监测方法及装置 | |
| CN109376667A (zh) | 目标检测方法、装置及电子设备 | |
| CN111126366B (zh) | 一种活体人脸的判别方法、装置、设备及存储介质 | |
| CN106778613A (zh) | 一种基于人脸分割区域匹配的身份验证方法及装置 | |
| CN107066955B (zh) | 一种从局部人脸区域还原整张人脸的方法 | |
| CN111353404B (zh) | 一种人脸识别方法、装置及设备 | |
| CN107590859A (zh) | 一种混合现实画面处理方法及服务设备 | |
| CN111401134A (zh) | 活体检测方法、装置、电子设备及存储介质 | |
| CN110135262A (zh) | 敏感数据防偷窥处理方法、装置、设备及存储介质 | |
| CN108663382A (zh) | 基于视觉显著性的纸张表面缺陷检测的方法及装置 | |
| CN109191444A (zh) | 基于深度残差网络的视频区域移除篡改检测方法及装置 | |
| CN110032970A (zh) | 高准确率的活体检测方法、装置、计算机设备及存储介质 | |
| CN110532992A (zh) | 一种基于可见光和近红外的人脸识别方法 | |
| CN110175950A (zh) | 一种基于可穿戴设备的隐私保护方法及可穿戴设备 | |
| CN108052919A (zh) | 一种基于人脸识别的安防***及方法 | |
| CN104823201A (zh) | 光照敏感面部识别 | |
| CN109271941A (zh) | 一种基于防屏摄攻击的活体检测方法 | |
| CN109657539A (zh) | 人脸颜值评价方法、装置、可读存储介质及电子设备 | |
| CN115039150A (zh) | 判断方法、判断装置以及判断程序 | |
| CN110287767A (zh) | 可防攻击的活体检测方法、装置、计算机设备及存储介质 | |
| CN109190528A (zh) | 活体检测方法及装置 |
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 |
Application publication date: 20191203 |
|
| RJ01 | Rejection of invention patent application after publication |