CN110688901A - 一种人脸识别方法及装置 - Google Patents
一种人脸识别方法及装置 Download PDFInfo
- Publication number
- CN110688901A CN110688901A CN201910793283.2A CN201910793283A CN110688901A CN 110688901 A CN110688901 A CN 110688901A CN 201910793283 A CN201910793283 A CN 201910793283A CN 110688901 A CN110688901 A CN 110688901A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- recognized
- compared
- features
- 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
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
- G06V40/172—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
- G06V40/10—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
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)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸识别方法及装置,该方法包括:获取识别请求以及待识别图像;根据待识别图像获取待识别图像的人脸特征;根据识别请求从比对库中获取待比对的参照图像的所有特征,比对库中每一个ID均包括多个不同场景下的不同姿态的参照图像;根据待识别图像的人脸特征以及待比对的参照图像的所有特征,判断待识别图像与待比对的参照图像是否匹配。本发明通过使用同一ID的多个不同场景下的不同姿态的参照图像的对比库作为匹配标准,提高了识别的准确率,增强算法的鲁棒性,并且对待识别图像的表情、画质等有较好的适应性。
Description
技术领域
本发明涉及计算机视觉技术领域,特别涉及一种人脸识别方法及装置。
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。用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,通常也叫做人像识别、面部识别。随着技术的发展,人脸识别技术已成人工智能最火热的应用之一,如刷脸登机、刷脸取厕纸、刷脸支付、刷脸考勤、刷脸识别闯红灯的行人等等。
人脸识别的通常有以下三种应用模式:
1、1比1模式,又称身份验证模式,本质上是计算机对当前人脸与人像数据库进行快速人脸比对并得出是否匹配的过程,可以简单理解为证明你就是你。“刷脸”登机、验票、支付都属于1∶1的人证核验;
2、1比N模式,是在海量的人像数据库中找出当前用户的人脸数据(即待识别图像)并进行匹配。打拐、曝光闯红灯者均属于1:N人脸识别,即从N个人脸中找出1个目标;
3、M比N模式,是通过计算机对场景内所有人进行面部识别并与人像数据库进行比对的过程,是动态人脸比对,能充分应用于多种场景,例如公共安防,迎宾,机器人应用等。
但是,随着1比1模式中比对次数的增加以及1比N模式中注册底库ID数量的增长等因素,匹配失败和匹配错误的概率会明显增加,这主要是由于人脸特征的变化差异大造成的。其中,影响人脸识别准确率的因素包括:
(1)人脸特征并非是固定不变的,会随着年龄、表情、姿态、化妆等发生明显的变化;
(2)饰物、眼镜、口罩或者其他物体的遮挡造成的人脸不全也会增加识别的难度;
(3)训练集的采集环境如光照、设备的参数等会限制算法模型在其他场景测试集上的表现;
(4)不同人可能采用相似的化妆方式和造型、佩戴相似的饰物等增加了不同人的相似性。
因此,亟需提出一种新的人脸识别方法,已解决上述诸多问题
发明内容
为了解决现有技术的问题,本发明实施例提供了一种人脸识别方法及装置,以克服现有技术中由于比对次数的增加以及注册底库ID数量的增长等因素导致的人脸识别准确率低等问题。
为解决上述一个或多个技术问题,本发明采用的技术方案是:
一方面,提供了一种人脸识别方法,该方法包括如下步骤:
获取识别请求以及待识别图像;
根据所述待识别图像获取所述待识别图像的人脸特征;
根据所述识别请求从比对库中获取待比对的参照图像的所有特征,所述比对库中每一个ID均包括多个不同场景下的不同姿态的参照图像;
根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征,判断所述待识别图像与所述待比对的参照图像是否匹配。
进一步的,所述根据所述待识别图像获取所述待识别图像的人脸特征包括:
对所述待识别图像进行人脸框检测以及人脸关键点检测,获取所述待识别图像对应的人脸图像以及关键点位置;
根据所述关键点位置对所述人脸图像进行归一化处理,获取处理后人脸图像;
对所述处理后人脸图像进行特征提取,获取所述待识别图像对应的人脸特征。
进一步的,当所述识别请求为1比1识别请求时,所述识别请求包括待比对的参照图像的ID;
所述根据所述识别请求从比对库中获取待比对的参照图像的所有特征包括:
根据所述待比对的参照图像的ID从所述比对库中获取所述待比对的参照图像的ID下的所有参照图像的所有特征。
进一步的,所述根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征,判断所述待识别图像与所述待比对的参照图像是否匹配包括:
将所述待比对的参照图像的ID下的每一参照图像的所有特征与所述待识别图像的人脸特征进行比较,若相似度超过第一预设阈值,则判定所述参照图像与所述待识别图像匹配成功;
获取与所述待识别图像匹配成功的参照图像的数量,若所述数量超过所述参照图像的总数量的一半,则判定所述待识别图像与所述待比对的参照图像的ID匹配成功。
进一步的,当所述识别请求为1比N识别请求时,所述待比对的参照图像为所述比对库中所有ID下的所有参照图像;
所述根据所述识别请求从比对库中获取待比对的参照图像的所有特征包括:
根据所述识别请求从所述比对库中获取所有ID下的所有参照图像的所有特征。
进一步的,所述根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征,判断所述待识别图像与所述待比对的参照图像是否匹配包括:
根据每一ID下的每一参照图像的所有特征与所述待识别图像的人脸特征计算获取所述待识别图像与所述每一ID的相似度;
判断相似度值最高的ID的相似度是否满足第二预设阈值,若满足,则判定所述待识别图像与所述相似度值最高的ID匹配,否则判定所述待识别图像为未注册图像。
另一方面,提供了一种人脸识别装置,所述装置包括:
数据获取模块,用于获取识别请求以及待识别图像;
第一特征获取模块,用于根据所述待识别图像获取所述待识别图像的人脸特征;
第二特征获取模块,用于根据所述识别请求从比对库中获取待比对的参照图像的所有特征,所述比对库中每一个ID均包括多个不同场景下的不同姿态的参照图像;
图像识别模块,用于根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征,判断所述待识别图像与所述待比对的参照图像是否匹配。
进一步的,所述第一特征获取模块包括:
图像检测单元,用于对所述待识别图像进行人脸框检测以及人脸关键点检测,获取所述待识别图像对应的人脸图像以及关键点位置;
归一化处理单元,用于根据所述关键点位置对所述人脸图像进行归一化处理,获取处理后人脸图像;
特征提取单元,用于对所述处理后人脸图像进行特征提取,获取所述待识别图像对应的人脸特征。
进一步的,当所述识别请求为1比1识别请求时,所述识别请求包括待比对的参照图像的ID;
所述第二特征获取模块具体用于:
根据所述待比对的参照图像的ID从所述比对库中获取所述待比对的参照图像的ID下的所有参照图像的所有特征。
进一步的,所述图像识别模块包括:
第一计算单元,用于根据所述待比对的参照图像的ID下的每一参照图像的所有特征与所述待识别图像的人脸特征计算所述每一参照图像与所述待识别图像的相似度;
第一比较单元,用于将所述相似度与第一预设阈值进行比较,若所述相似度大于所述第一预设阈值,则判定所述参照图像与所述待识别图像匹配成功;
第二比较单元,用于获取与所述待识别图像匹配成功的参照图像的数量,若所述数量超过所述参照图像的总数量的一半,则判定所述待识别图像与所述待比对的参照图像的ID匹配成功。
进一步的,当所述识别请求为1比N识别请求时,所述待比对的参照图像为所述比对库中所有ID下的所有参照图像;
所述第二特征获取模块还用于:
根据所述识别请求从所述比对库中获取所有ID下的所有参照图像的所有特征。
进一步的,所述图像识别模块还包括:
第二计算单元,用于根据每一ID下的每一参照图像的所有特征与所述待识别图像的人脸特征计算获取所述待识别图像与所述每一ID的相似度;
第三比较单元,用于判断相似度值最高的ID的相似度是否满足第二预设阈值,若满足,则判定所述待识别图像与所述相似度值最高的ID匹配,否则判定所述待识别图像为未注册图像。
本发明实施例提供的技术方案带来的有益效果是:
1、本发明实施例提供的人脸识别方法及装置,通过使用同一ID的多个不同场景下的不同姿态的参照图像的对比库作为匹配标准,提高了识别的准确率,增强算法的鲁棒性,并且对待识别图像的表情、画质等有较好的适应性;
2、本发明实施例提供的人脸识别方法及装置,通过采用人脸框以及人脸关键点一起检测的方案,不仅可以准确地定位人脸位置,还可以减少了识别过程中的步骤和时间,提高识别效率;
3、本发明实施例提供的人脸识别方法及装置,通过在1比N识别场景下采用先计算每一ID下的每一参照图像与待识别图像的相似度,选取出相似度最高的ID,然后判断该相似度是否满足第二预设阈值从而匹配出与待识别图像匹配的ID,提高了算法的抗攻击能力。
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是根据一示例性实施例示出的人脸识别方法的流程图;
图2是根据一示例性实施例示出的根据待识别图像获取待识别图像的人脸特征的流程图;
图3是根据一示例性实施例示出的在1比1模式时,根据待识别图像的人脸特征以及待比对的参照图像的所有特征,判断待识别图像与待比对的参照图像是否匹配的流程图;
图4是根据一示例性实施例示出的在1比N模式时,根据待识别图像的人脸特征以及待比对的参照图像的所有特征,判断待识别图像与待比对的参照图像是否匹配的流程图;
图5是根据一示例性实施例示出的人脸识别装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,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,都属于本发明保护的范围。
人脸特征是最适合标定身份的一类生物特征,相较于指纹、虹膜等特征具有采集简单、费用低廉、易识别的优点。利用人脸进行身份识别在刷脸登录、刷脸征信、安防验证等许多场景中都有广泛的应用。一方面人脸识别减少了人工操作,能够节省成本,另一方面方便身份校验,提升了用户的体验。人脸识别的基本过程是对待识别的人脸图像提取特征,然后和数据库中已经注册的人脸特征进行比对。
图1是根据一示例性实施例示出的人脸识别方法的流程图,参照图1所示,该方法包括如下步骤:
S1:获取识别请求以及待识别图像。
具体的,首先,从照片、视频或摄像头中采集待识别图像,并获取对应的识别请求。通常人脸识别包括三种模式:1比1模式、1比N模式以及M:N模式。这里需要说明的是,本发明实施例提供的人脸识别方法主要适用于1比1识别场景以及1比N识别场景,因而本发明实施例中的识别请求主要包括1比1识别请求或1比N识别请求。其中,1比1匹配主要解决的是判定待识别图像与参照图像是否属于同一个人的问题,而1比N匹配主要解决的是判定待识别图像属于哪一个人的问题。
S2:根据所述待识别图像获取所述待识别图像的人脸特征。
具体的,对待识别图像进行人脸识别前,需要先从待识别图像中提取待识别图像的人脸特征,作为一种较优的示例,本发明实施例中可以采用卷积神经网络提取待识别图像的人脸特征(即待识别图像的深度特征)。
S3:根据所述识别请求从比对库中获取待比对的参照图像的所有特征,所述比对库中每一个ID均包括多个不同场景下的不同姿态的参照图像。
具体的,本发明实施例中识别请求主要包括1比1识别请求或1比N识别请求。具体进行识别时,采用将待识别图像的人脸特征与待比对的参照图像的特征进行比对的方式。由于不同的识别请求所采用的待比对的参照图像也有所不同,因此,还需根据识别请求从比对库中获取相应的待比对的参照图像的所有特征。
比对库中每一个ID均包括多个不同场景下的不同姿态的参照图像,保证比对库的多样性,从而提升识别成功的概率。其中,本发明实施例中,比对库中每一个ID下维护的参照图像主要包括以下三种场景:
1、得到授权,可用于个人身份认证的证件照
公司或团体成员上传的证件照被授权用于内部人员的人份认证,可以作为一类场景的参照图像。
2、得到授权的刷脸登录注册照
社交软件的刷脸登录功能会征求用户的授权,把头像用于个人身份认证。在软件的配合式注册过程中,用户被要求做点头、摇头等动作,这时摄像头会对动作进行核对,并自动采集左右偏转适度的人脸图像存储至对应的ID下作为参照图像。
3、内部安防采集照
在内部办公场所,用于安防监控的终端设备会积累一定量的安防人脸图片。出于安防考虑,这些照片也可以作为一类场景的参照图像。在采用安防采集照存储至对应的ID下作为参照图像时,一般采用先自己聚类,再和比对库匹配的方式,具体过程如下:
首先,检验以及校对采集安防照的摄像头的画质和朝向,保证能够采集到角度、光照合适的照片。然后将质量合格的安防照注册到一个临时底库中,如果最新采集到的安防照与临时底库中最匹配的注册照的相似度超过阈值,则把采集照划归到对应ID下,否则注册为新ID。ID下每新增一张照片,就进行一次注册照的更新,更新的注册照与ID下其他的照片的总相似度应该为最大,这张注册照被认为最能够代表这个ID。将得到的注册照作为待识别照,采用1比N的逻辑在比对库中匹配最近似ID作为该安防照的ID。
这里还需要说明的是,参照图像在采集时,需满足以下质量筛选标准:满足清晰度、角度和五官动作幅度等多维度的阈值,并且筛选出来的参照图像中要兼顾正脸和小幅度偏转侧脸的情况,以提高和多种姿态的待识别图像匹配成功概率。
这里还需要说明的是,如果对比库中的参照图像是通过1比1端口采集的,在向比对库进行注册时,录入注册人的一段视频,用质量算法从视频中获得质量最好的数张照片提取特征注册入库。如果是通过1比N端口采集的,在采集到待识别照后,和比对库中已有的参照图像进行比对,如果最相近的参照图像的相似度也低于设定的阈值,就认为在底库中没有对应ID的参照图像,跟踪待识别图像中的人,采集一段视频,用质量算法从视频中选取数张质量最好的照片,创建新的ID加入注册库中。
S4:根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征,判断所述待识别图像与所述待比对的参照图像是否匹配。
具体的,通过根据待识别图像的人脸特征以及待比对的参照图像的所有特征计算待识别图像与待比对的参照图像的相似度,然后根据相似度判断待识别图像与待比对的参照图像是否匹配。
图2是根据一示例性实施例示出的根据待识别图像获取待识别图像的人脸特征的流程图,参照图2所示,作为一种较优的实施方式,本发明实施例中,所述根据所述待识别图像获取所述待识别图像的人脸特征包括:
S2.1:对所述待识别图像进行人脸框检测以及人脸关键点检测,获取所述待识别图像对应的人脸图像以及关键点位置。
具体的,对待识别图像进行人脸框检测是指检测并定位待识别图像中的人脸,返回高精度的人脸框坐标,根据坐标在待识别图像截取出人脸图像。对待识别图像进行人脸关键点检测,定位出人脸面部的关键区域位置,包括眼睛、鼻子、嘴巴等关键点位置。其中,待识别图像中检测出的人脸图像包括一个或多个,用户可以根据实际的应用场景决定识别单一人脸框还是多人人脸框,本发明实施例中,对此不做限制。
S2.2:根据所述关键点位置对所述人脸图像进行归一化处理,获取处理后人脸图像。
具体的,对人脸图像进行归一化处理,目的是使不同成像条件(如光照强度、方向、距离、姿势等)下拍摄的同一个人的照片具有一致性,方便后续用于提取人脸特征。人脸归一化处理包括两个方面的内容:一是几何归一化,二是灰度归一化。几何归一化也称为位置校准,它将有助于矫正因成像距离和人脸姿势变化造成的尺寸差异和角度倾斜,可以解决人脸尺度变化和人脸旋转问题。具体包括人脸尺度归一化、平面人脸旋转矫正(歪头)、深度人脸旋转矫正(扭脸)三个环节。对于一些要求较高的深度人脸旋转矫正,可以利用人脸的3D模型。灰度归一化用来对不同光强、光源方向下得到的人脸图像进行补偿,以减弱单纯由于光照变化造成的图像信号的变化。这里需要说明的是,为了方便后续使用模型(如卷积神经网络等)提取人脸特征,本发明实施例中,还需将人脸图像调整至适合输入模型的大小。
S2.3:对所述处理后人脸图像进行特征提取,获取所述待识别图像对应的人脸特征。
具体的,作为一种示例,本发明实施例中,采用预先训练的卷积神经网络对经上述步骤处理后人脸图像进行特征提取,获取待识别图像对应的人脸特征。
作为一种较优的实施方式,本发明实施例中,当所述识别请求为1比1识别请求时,所述识别请求包括待比对的参照图像的ID;
所述根据所述识别请求从比对库中获取待比对的参照图像的所有特征包括:
根据所述待比对的参照图像的ID从所述比对库中获取所述待比对的参照图像的ID下的所有参照图像的所有特征。
具体的,当人脸识别模式为1比1模式时,则获取到的识别请求为1比1识别请求,此时需要识别待识别图像与参照图像是否属于同一个人,因此,识别请求中包括待比对的参照图像的ID。此时,根据待比对的参照图像的ID从比对库中获取该ID下的所有参照图像的所有特征。
图3是根据一示例性实施例示出的根据待识别图像的人脸特征以及待比对的参照图像的所有特征,判断待识别图像与待比对的参照图像是否匹配的流程图,参照图3所示,作为一种较优的实施方式,本发明实施例中,所述根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征,判断所述待识别图像与所述待比对的参照图像是否匹配包括:
S401:根据所述待比对的参照图像的ID下的每一参照图像的所有特征与所述待识别图像的人脸特征计算所述每一参照图像与所述待识别图像的相似度。
具体的,当人脸识别模式为1比1模式时,需将待比对的参照图像的ID下的每一参照图像与待识别图像进行比较。具体实施时,可以根据待比对的参照图像的ID下的每一参照图像的所有特征与待识别图像的人脸特征计算每一参照图像与待识别图像的相似度,根据相似度来进行图像的比较。
S402:将所述相似度与第一预设阈值进行比较,若所述相似度大于所述第一预设阈值,则判定所述参照图像与所述待识别图像匹配成功。
具体的,第一预设阈值可以根据实际需求进行设置,这里不对第一预设阈值的具体数值进行限制。当参照图像与待识别图像的相似度超过(即大于)第一预设阈值时,则判定该参照图像与待识别图像匹配成功。
S403:获取与所述待识别图像匹配成功的参照图像的数量,若所述数量超过所述参照图像的总数量的一半,则判定所述待识别图像与所述待比对的参照图像的ID匹配成功。
具体的,当待比对的参照图像的ID下与待识别图像匹配成功的参照图像的数量超过参与匹配的参照图像的总数量(这里指待比对的参照图像的ID下参照图像的总数量)的一半时,最终判定该待识别图像与该待比对的参照图像的ID匹配成功,否则,认定该待识别图像与该待比对的参照图像的ID匹配不成功。这样设置,可以避免相同ID的参照图像与单张待识别图像之间由于场景、遮挡等差别较大造成的相似度偏低,也可以屏蔽掉不同ID的参照图像和待识别图像之间由于偶然因素造成的相似度过高等问题,提高识别的精度。
作为一种较优的实施方式,本发明实施例中,当所述识别请求为1比N识别请求时,所述待比对的参照图像为所述比对库中所有ID下的所有参照图像;
所述根据所述识别请求从比对库中获取待比对的参照图像的所有特征包括:
根据所述识别请求从所述比对库中获取所有ID下的所有参照图像的所有特征。
具体的,当人脸识别模式为1比N模式时,则获取到的识别请求为1比N识别请求,此时需要识别待识别图像属于哪一个人的问题,因此,待比对的参照图像为比对库中所有ID下的所有参照图像。此时,需要从比对库中获取所有ID下的所有参照图像的所有特征。
图4是根据一示例性实施例示出的在1比N模式时,根据待识别图像的人脸特征以及待比对的参照图像的所有特征,判断待识别图像与待比对的参照图像是否匹配的流程图,参照图4所示,作为一种较优的实施方式,本发明实施例中,所述根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征,判断所述待识别图像与所述待比对的参照图像是否匹配包括:
S501:根据每一ID下的每一参照图像的所有特征与所述待识别图像的人脸特征计算获取所述待识别图像与所述每一ID的相似度。
具体的,当人脸识别模式为1比N模式时,需将比对库中所有ID下的所有参照图像与待识别图像进行比较。具体实施时,可以根据每一ID下的每一参照图像的所有特征与待识别图像的人脸特征计算每一参照图像与待识别图像的相似度,根据相似度来进行图像的比较。
S502:判断相似度值最高的ID的相似度是否满足第二预设阈值,若满足,则判定所述待识别图像与所述相似度值最高的ID匹配,否则判定所述待识别图像为未注册图像。
具体的,可以先根据相似度值的高低对所有参照图像进行排序,选取出与待识别图像的相似度最高的参照图像对应的ID,然后判断该相似度值是否满足第二预设阈值,若满足,则判定待识别图像与该相似度值最高的ID匹配,否则判定该待识别图像为未注册图像。这里需要说明的是,在每个ID都有多个场景的多张参照图像的情况下,待识别图像与自身ID下的参照图像匹配为最大相似度的概率得到了提高,避免了单张待识别图像因偶然因素引起的自身ID下的参照图像和待识别图像之间相似度低的问题。同样,第二预设阈值可以根据实际需求进行设置,这里不对第二预设阈值的具体数值进行限制,设定第二预设阈值是为了屏蔽未注册ID照片的攻击。
作为一种较优的实施方式,本发明实施例中,将与所述待比对的参照图像匹配不成功的所述待识别图像向所述比对库进行注册,生成新的ID,并将所述待识别图像存储至所述新的ID,作为所述新的ID下的参照图像。
图5是根据一示例性实施例示出的人脸识别装置的结构示意图,参照图5所示,该装置包括:
数据获取模块,用于获取识别请求以及待识别图像;
第一特征获取模块,用于根据所述待识别图像获取所述待识别图像的人脸特征;
第二特征获取模块,用于根据所述识别请求从比对库中获取待比对的参照图像的所有特征,所述比对库中每一个ID均包括多个不同场景下的不同姿态的参照图像;
图像识别模块,用于根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征,判断所述待识别图像与所述待比对的参照图像是否匹配。
作为一种较优的实施方式,本发明实施例中,所述第一特征获取模块包括:
图像检测单元,用于对所述待识别图像进行人脸框检测以及人脸关键点检测,获取所述待识别图像对应的人脸图像以及关键点位置;
归一化处理单元,用于根据所述关键点位置对所述人脸图像进行归一化处理,获取处理后人脸图像;
特征提取单元,用于对所述处理后人脸图像进行特征提取,获取所述待识别图像对应的人脸特征。
作为一种较优的实施方式,本发明实施例中,当所述识别请求为1比1识别请求时,所述识别请求包括待比对的参照图像的ID;
所述第二特征获取模块具体用于:
根据所述待比对的参照图像的ID从所述比对库中获取所述待比对的参照图像的ID下的所有参照图像的所有特征。
作为一种较优的实施方式,本发明实施例中,所述图像识别模块包括:
第一计算单元,用于根据所述待比对的参照图像的ID下的每一参照图像的所有特征与所述待识别图像的人脸特征计算所述每一参照图像与所述待识别图像的相似度;
第一比较单元,用于将所述相似度与第一预设阈值进行比较,若所述相似度大于所述第一预设阈值,则判定所述参照图像与所述待识别图像匹配成功;
第二比较单元,用于获取与所述待识别图像匹配成功的参照图像的数量,若所述数量超过所述参照图像的总数量的一半,则判定所述待识别图像与所述待比对的参照图像的ID匹配成功。
作为一种较优的实施方式,本发明实施例中,当所述识别请求为1比N识别请求时,所述待比对的参照图像为所述比对库中所有ID下的所有参照图像;
所述第二特征获取模块还用于:
根据所述识别请求从所述比对库中获取所有ID下的所有参照图像的所有特征。
作为一种较优的实施方式,本发明实施例中,所述图像识别模块还包括:
第二计算单元,用于根据每一ID下的每一参照图像的所有特征与所述待识别图像的人脸特征计算获取所述待识别图像与所述每一ID的相似度;
第三比较单元,用于判断相似度值最高的ID的相似度是否满足第二预设阈值,若满足,则判定所述待识别图像与所述相似度值最高的ID匹配,否则判定所述待识别图像为未注册图像。
综上所述,本发明实施例提供的技术方案带来的有益效果是:
1、本发明实施例提供的人脸识别方法及装置,通过使用同一ID的多个不同场景下的不同姿态的参照图像的对比库作为匹配标准,提高了识别的准确率,增强算法的鲁棒性,并且对待识别图像的表情、画质等有较好的适应性;
2、本发明实施例提供的人脸识别方法及装置,通过采用人脸框以及人脸关键点一起检测的方案,不仅可以准确地定位人脸位置,还可以减少了识别过程中的步骤和时间,提高识别效率;
3、本发明实施例提供的人脸识别方法及装置,通过在1比N识别场景下采用先计算每一ID下的每一参照图像与待识别图像的相似度,选取出相似度最高的ID,然后判断该相似度是否满足第二预设阈值从而匹配出与待识别图像匹配的ID,提高了算法的抗攻击能力。
需要说明的是:上述实施例提供的人脸识别装置在触发人脸识别业务时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的人脸识别装置与人脸识别方法实施例属于同一构思,即该装置是基于该人脸识别方法的,其具体实现过程详见方法实施例,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种人脸识别方法,其特征在于,所述方法包括如下步骤:
获取识别请求以及待识别图像;
根据所述待识别图像获取所述待识别图像的人脸特征;
根据所述识别请求从比对库中获取待比对的参照图像的所有特征,所述比对库中每一个ID均包括多个不同场景下的不同姿态的参照图像;
根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征,判断所述待识别图像与所述待比对的参照图像是否匹配。
2.根据权利要求1所述的人脸识别方法,其特征在于,所述根据所述待识别图像获取所述待识别图像的人脸特征包括:
对所述待识别图像进行人脸框检测以及人脸关键点检测,获取所述待识别图像对应的人脸图像以及关键点位置;
根据所述关键点位置对所述人脸图像进行归一化处理,获取处理后人脸图像;
对所述处理后人脸图像进行特征提取,获取所述待识别图像对应的人脸特征。
3.根据权利要求1或2所述的人脸识别方法,其特征在于,当所述识别请求为1比1识别请求时,所述识别请求包括待比对的参照图像的ID;
所述根据所述识别请求从比对库中获取待比对的参照图像的所有特征包括:
根据所述待比对的参照图像的ID从所述比对库中获取所述待比对的参照图像的ID下的所有参照图像的所有特征。
4.根据权利要求3所述的人脸识别方法,其特征在于,所述根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征,判断所述待识别图像与所述待比对的参照图像是否匹配包括:
根据所述待比对的参照图像的ID下的每一参照图像的所有特征与所述待识别图像的人脸特征计算所述每一参照图像与所述待识别图像的相似度;
将所述相似度与第一预设阈值进行比较,若所述相似度大于所述第一预设阈值,则判定所述参照图像与所述待识别图像匹配成功;
获取与所述待识别图像匹配成功的参照图像的数量,若所述数量超过所述参照图像的总数量的一半,则判定所述待识别图像与所述待比对的参照图像的ID匹配成功。
5.根据权利要求1或2所述的人脸识别方法,其特征在于,当所述识别请求为1比N识别请求时,所述待比对的参照图像为所述比对库中所有ID下的所有参照图像;
所述根据所述识别请求从比对库中获取待比对的参照图像的所有特征包括:
根据所述识别请求从所述比对库中获取所有ID下的所有参照图像的所有特征。
6.根据权利要求5所述的人脸识别方法,其特征在于,所述根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征,判断所述待识别图像与所述待比对的参照图像是否匹配包括:
根据每一ID下的每一参照图像的所有特征与所述待识别图像的人脸特征计算获取所述待识别图像与所述每一ID的相似度;
判断相似度值最高的ID的相似度是否满足第二预设阈值,若满足,则判定所述待识别图像与所述相似度值最高的ID匹配,否则判定所述待识别图像为未注册图像。
7.一种基于权利要求1至6任一所述方法的人脸识别装置,其特征在于,所述装置包括:
数据获取模块,用于获取识别请求以及待识别图像;
第一特征获取模块,用于根据所述待识别图像获取所述待识别图像的人脸特征;
第二特征获取模块,用于根据所述识别请求从比对库中获取待比对的参照图像的所有特征,所述比对库中每一个ID均包括多个不同场景下的不同姿态的参照图像;
图像识别模块,用于根据所述待识别图像的人脸特征以及所述待比对的参照图像的所有特征,判断所述待识别图像与所述待比对的参照图像是否匹配。
8.根据权利要求7所述的人脸识别装置,其特征在于,所述第一特征获取模块包括:
图像检测单元,用于对所述待识别图像进行人脸框检测以及人脸关键点检测,获取所述待识别图像对应的人脸图像以及关键点位置;
归一化处理单元,用于根据所述关键点位置对所述人脸图像进行归一化处理,获取处理后人脸图像;
特征提取单元,用于对所述处理后人脸图像进行特征提取,获取所述待识别图像对应的人脸特征。
9.根据权利要求7或8所述的人脸识别装置,其特征在于,所述图像识别模块包括:
第一计算单元,用于根据所述待比对的参照图像的ID下的每一参照图像的所有特征与所述待识别图像的人脸特征计算所述每一参照图像与所述待识别图像的相似度;
第一比较单元,用于将所述相似度与第一预设阈值进行比较,若所述相似度大于所述第一预设阈值,则判定所述参照图像与所述待识别图像匹配成功;
第二比较单元,用于获取与所述待识别图像匹配成功的参照图像的数量,若所述数量超过所述参照图像的总数量的一半,则判定所述待识别图像与所述待比对的参照图像的ID匹配成功。
10.根据权利要求7或8所述的人脸识别装置,其特征在于,所述图像识别模块还包括:
第二计算单元,用于根据每一ID下的每一参照图像的所有特征与所述待识别图像的人脸特征计算获取所述待识别图像与所述每一ID的相似度;
第三比较单元,用于判断相似度值最高的ID的相似度是否满足第二预设阈值,若满足,则判定所述待识别图像与所述相似度值最高的ID匹配,否则判定所述待识别图像为未注册图像。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910793283.2A CN110688901A (zh) | 2019-08-26 | 2019-08-26 | 一种人脸识别方法及装置 |
PCT/CN2020/096992 WO2021036436A1 (zh) | 2019-08-26 | 2020-06-19 | 一种人脸识别方法及装置 |
CA3152812A CA3152812A1 (en) | 2019-08-26 | 2020-06-19 | Facial recognition method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910793283.2A CN110688901A (zh) | 2019-08-26 | 2019-08-26 | 一种人脸识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110688901A true CN110688901A (zh) | 2020-01-14 |
Family
ID=69108460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910793283.2A Pending CN110688901A (zh) | 2019-08-26 | 2019-08-26 | 一种人脸识别方法及装置 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN110688901A (zh) |
CA (1) | CA3152812A1 (zh) |
WO (1) | WO2021036436A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368721A (zh) * | 2020-03-03 | 2020-07-03 | 深圳市腾讯计算机***有限公司 | 身份识别的处理方法、装置、电子设备及存储介质 |
CN111694979A (zh) * | 2020-06-11 | 2020-09-22 | 重庆中科云从科技有限公司 | 一种基于图像的档案管理方法、***、设备和介质 |
CN112016508A (zh) * | 2020-09-07 | 2020-12-01 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法、装置、***、计算设备及存储介质 |
CN112084903A (zh) * | 2020-08-26 | 2020-12-15 | 武汉普利商用机器有限公司 | 一种更新人脸识别底库照片的方法及*** |
WO2021036436A1 (zh) * | 2019-08-26 | 2021-03-04 | 苏宁易购集团股份有限公司 | 一种人脸识别方法及装置 |
CN112667840A (zh) * | 2020-12-22 | 2021-04-16 | ***股份有限公司 | 特征样本库构建方法、通行识别方法、装置及存储介质 |
CN113362324A (zh) * | 2021-07-21 | 2021-09-07 | 上海脊合医疗科技有限公司 | 一种基于视频图像的骨骼健康检测方法及*** |
CN113688764A (zh) * | 2021-08-31 | 2021-11-23 | 瓴盛科技有限公司 | 人脸选优模型的训练方法、装置和计算机可读介质 |
CN115880761A (zh) * | 2023-02-09 | 2023-03-31 | 数据空间研究院 | 基于策略优化的人脸识别方法、***、存储介质及应用 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033476B (zh) * | 2021-04-19 | 2022-08-12 | 清华大学 | 一种跨姿态人脸识别方法 |
CN113542348B (zh) * | 2021-05-27 | 2022-09-06 | 武汉旷视金智科技有限公司 | 图像数据传输方法及装置 |
CN113569676B (zh) * | 2021-07-16 | 2024-06-11 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN113536270B (zh) * | 2021-07-26 | 2023-08-08 | 网易(杭州)网络有限公司 | 一种信息验证的方法、装置、计算机设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770613A (zh) * | 2010-01-19 | 2010-07-07 | 北京智慧眼科技发展有限公司 | 基于人脸识别和活体检测的社保身份认证方法 |
CN102004908A (zh) * | 2010-11-30 | 2011-04-06 | 汉王科技股份有限公司 | 一种自适应的人脸识别方法及装置 |
WO2013082957A1 (zh) * | 2011-12-07 | 2013-06-13 | 惠州Tcl移动通信有限公司 | 人脸识别方法及能识别人脸的移动终端 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8873813B2 (en) * | 2012-09-17 | 2014-10-28 | Z Advanced Computing, Inc. | Application of Z-webs and Z-factors to analytics, search engine, learning, recognition, natural language, and other utilities |
GB2499449A (en) * | 2012-02-20 | 2013-08-21 | Taiwan Colour And Imaging Technology Corp | Surveillance by face recognition using colour display of images |
CN104463237B (zh) * | 2014-12-18 | 2018-03-06 | 中科创达软件股份有限公司 | 一种基于多姿态识别的人脸验证方法及装置 |
CN110688901A (zh) * | 2019-08-26 | 2020-01-14 | 苏宁云计算有限公司 | 一种人脸识别方法及装置 |
-
2019
- 2019-08-26 CN CN201910793283.2A patent/CN110688901A/zh active Pending
-
2020
- 2020-06-19 WO PCT/CN2020/096992 patent/WO2021036436A1/zh active Application Filing
- 2020-06-19 CA CA3152812A patent/CA3152812A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770613A (zh) * | 2010-01-19 | 2010-07-07 | 北京智慧眼科技发展有限公司 | 基于人脸识别和活体检测的社保身份认证方法 |
CN102004908A (zh) * | 2010-11-30 | 2011-04-06 | 汉王科技股份有限公司 | 一种自适应的人脸识别方法及装置 |
WO2013082957A1 (zh) * | 2011-12-07 | 2013-06-13 | 惠州Tcl移动通信有限公司 | 人脸识别方法及能识别人脸的移动终端 |
Non-Patent Citations (1)
Title |
---|
李德毅 等: "《中国科协新一代信息技术系列丛书 人工智能导论"》", 30 August 2018, 中国科学技术出版社 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021036436A1 (zh) * | 2019-08-26 | 2021-03-04 | 苏宁易购集团股份有限公司 | 一种人脸识别方法及装置 |
CN111368721A (zh) * | 2020-03-03 | 2020-07-03 | 深圳市腾讯计算机***有限公司 | 身份识别的处理方法、装置、电子设备及存储介质 |
CN111368721B (zh) * | 2020-03-03 | 2023-05-05 | 深圳市腾讯计算机***有限公司 | 身份识别的处理方法、装置、电子设备及存储介质 |
CN111694979A (zh) * | 2020-06-11 | 2020-09-22 | 重庆中科云从科技有限公司 | 一种基于图像的档案管理方法、***、设备和介质 |
CN112084903A (zh) * | 2020-08-26 | 2020-12-15 | 武汉普利商用机器有限公司 | 一种更新人脸识别底库照片的方法及*** |
CN112016508A (zh) * | 2020-09-07 | 2020-12-01 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法、装置、***、计算设备及存储介质 |
CN112016508B (zh) * | 2020-09-07 | 2023-08-29 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法、装置、***、计算设备及存储介质 |
CN112667840A (zh) * | 2020-12-22 | 2021-04-16 | ***股份有限公司 | 特征样本库构建方法、通行识别方法、装置及存储介质 |
CN112667840B (zh) * | 2020-12-22 | 2024-05-28 | ***股份有限公司 | 特征样本库构建方法、通行识别方法、装置及存储介质 |
CN113362324A (zh) * | 2021-07-21 | 2021-09-07 | 上海脊合医疗科技有限公司 | 一种基于视频图像的骨骼健康检测方法及*** |
CN113688764A (zh) * | 2021-08-31 | 2021-11-23 | 瓴盛科技有限公司 | 人脸选优模型的训练方法、装置和计算机可读介质 |
CN115880761A (zh) * | 2023-02-09 | 2023-03-31 | 数据空间研究院 | 基于策略优化的人脸识别方法、***、存储介质及应用 |
Also Published As
Publication number | Publication date |
---|---|
CA3152812A1 (en) | 2021-03-04 |
WO2021036436A1 (zh) | 2021-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110688901A (zh) | 一种人脸识别方法及装置 | |
US12014571B2 (en) | Method and apparatus with liveness verification | |
JP4156430B2 (ja) | データベース自動更新方法を用いた顔検証方法及びそのシステム | |
US9785823B2 (en) | Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices | |
EP1629415B1 (en) | Face identification verification using frontal and side views | |
CN106529414A (zh) | 一种通过图像比对实现结果认证的方法 | |
US9189686B2 (en) | Apparatus and method for iris image analysis | |
US20170262472A1 (en) | Systems and methods for recognition of faces e.g. from mobile-device-generated images of faces | |
US10922399B2 (en) | Authentication verification using soft biometric traits | |
KR102554391B1 (ko) | 홍채 인식 기반 사용자 인증 장치 및 방법 | |
KR20170006355A (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
Si et al. | Detecting fingerprint distortion from a single image | |
Lee et al. | Robust iris recognition baseline for the grand challenge | |
Tee et al. | Facial recognition using enhanced facial features k-nearest neighbor (k-NN) for attendance system | |
CN107480628B (zh) | 一种人脸识别方法及装置 | |
KR102318051B1 (ko) | 사용자 인증 시스템에서 여백을 포함한 얼굴영역 이미지를 이용한 라이브니스 검사방법 | |
TW201227541A (en) | Face feature recognition method | |
Lee et al. | Ocular and iris recognition baseline algorithm | |
Galdi | Design and development of multi-biometric systems | |
Chiara | Design and Development of multi-biometric systems | |
Akinnuwesi Boluwaji et al. | AUTOMATED STUDENTS'ATTEDANCE TAKING IN TERTIARY INSTITUTION USING HYBRIDIZED FACIAL RECOGNITION ALGORITHM | |
Sukarno | Confidence in iris biometric matching |
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: 20200114 |