CN110807403B - 一种用户身份识别方法、装置及电子设备 - Google Patents
一种用户身份识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110807403B CN110807403B CN201911037823.0A CN201911037823A CN110807403B CN 110807403 B CN110807403 B CN 110807403B CN 201911037823 A CN201911037823 A CN 201911037823A CN 110807403 B CN110807403 B CN 110807403B
- Authority
- CN
- China
- Prior art keywords
- face image
- quality parameter
- user
- prestored
- stored
- 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.)
- Active
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
- G06V40/50—Maintenance of biometric data or enrolment thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic 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
- G06T2207/30—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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Quality & Reliability (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例涉及电子信息技术领域,公开了一种用户身份识别方法、装置及电子设备。其中,用户身份识别方法包括:采集用户的人脸图像;确定所述人脸图像的第一质量参数;确定预存人脸图像的最大质量参数;若所述人脸图像的第一质量参数大于所述预存人脸图像的最大质量参数,则降低所述人脸图像的第一质量参数,得到参考人脸图像;根据所述参考人脸图像识别所述用户的身份信息。通过上述方式,本发明实施例能够减小图像质量对人脸识别的影响,迅速准确地识别用户的身份信息。
Description
技术领域
本发明实施例涉及电子信息技术领域,特别是涉及一种用户身份识别方法、装置及电子设备。
背景技术
随着人脸识别技术的发展,人脸识别被应用于各个领域中,用于实现对用户身份的识别。目前,大多通过采集的人脸图像与预存人脸图像进行特征匹配的方式进行人脸识别,但发明人在实现本发明的过程中发现:由于采集人脸图像的设备与采集预存人脸图像的设备不同,所采集的人脸图像与预存人脸图像的图像质量可能存在差异,若所采集的人脸图像与预存人脸图像的图像质量差异较大时,通过人脸图像与预存人脸图像进行特征匹配的方式进行人脸识别,无法准确匹配特征,影响人脸识别的速度和准确性。
发明内容
本发明实施例旨在提供一种用户身份识别方法、装置及电子设备,能够迅速准确地识别用户的身份信息。
为解决上述技术问题,本发明实施例采用的一个技术方案是:提供一种用户身份识别方法,包括:
采集用户的人脸图像;
确定所述人脸图像的第一质量参数;
确定预存人脸图像的最大质量参数;
若所述人脸图像的第一质量参数大于所述预存人脸图像的最大质量参数,则降低所述人脸图像的第一质量参数,得到参考人脸图像;
根据所述参考人脸图像识别所述用户的身份信息。
可选地,所述降低所述人脸图像的第一质量参数,具体包括:
确定所述预存人脸图像的最小质量参数;
计算所述预存人脸图像的最大质量参数与最小质量参数的差值;
若所述差值小于预设阈值,则将所述人脸图像的第一质量参数降低至所述预存人脸图像的最大质量参数。
可选地,若所述差值大于或等于预设阈值,则计算所述预存人脸图像的最大质量参数与最小质量参数的均值,并将所述人脸图像的第一质量参数降低至所述均值。
可选地,所述方法还包括:
预先建立身份数据库,所述身份数据库包括预存人脸图像以及与所述预存人脸图像对应的预存身份信息;则,
所述根据所述参考人脸图像识别所述用户的身份信息,具体包括:
将所述参考人脸图像与所述预存人脸图像进行匹配;
若匹配成功,则确定身份识别成功,并将与所述参考人脸图像匹配成功的预存人脸图像对应的预存身份信息确定为用户的身份信息;
若未匹配成功,则确定身份识别失败。
可选地,所述用户身份识别成功后,所述方法还包括:
确定所述用户的身份信息对应的预存人脸图像的第二质量参数;
若所述第一质量参数大于所述第二质量参数,则删除所述用户的身份信息对应的预存人脸图像,并将所述人脸图像存储为与所述用户的身份信息对应的预存人脸图像。
可选地,所述质量参数包括像素或分辨率。
为解决上述技术问题,本发明实施例采用的另一个技术方案是:提供一种用户身份识别装置,包括:
采集模块,用于采集用户的人脸图像;
确定模块,用于确定所述人脸图像的第一质量参数;以及,
用于确定预存人脸图像的最大质量参数;
处理模块,用于若所述人脸图像的第一质量参数大于所述预存人脸图像的最大质量参数,则降低所述人脸图像的第一质量参数,得到参考人脸图像;
识别模块,用于根据所述参考人脸图像识别所述用户的身份信息。
可选地,所述处理模块具体用于:
确定所述预存人脸图像的最小质量参数;
计算所述预存人脸图像的最大质量参数与最小质量参数的差值;
若所述差值小于预设阈值,则将所述人脸图像的第一质量参数降低至所述预存人脸图像的最大质量参数。
可选地,所述处理模块还用于:
若所述差值大于或等于预设阈值,则计算所述预存人脸图像的最大质量参数与最小质量参数的均值,并将所述人脸图像的第一质量参数降低至所述均值。
可选地,所述装置还包括:
建立模块,用于预先建立身份数据库,所述身份数据库包括预存人脸图像以及与所述预存人脸图像对应的预存身份信息;则,
所述识别模块具体用于:
将所述参考人脸图像与所述预存人脸图像进行匹配;
若匹配成功,则确定身份识别成功,并将与所述参考人脸图像匹配成功的预存人脸图像对应的预存身份信息确定为用户的身份信息;
若未匹配成功,则确定身份识别失败。
可选地,所述用户身份识别成功后,所述确定模块还用于:
确定所述用户的身份信息对应的预存人脸图像的第二质量参数;
若所述第一质量参数大于所述第二质量参数,则删除所述用户的身份信息对应的预存人脸图像,并将所述人脸图像存储为与所述用户的身份信息对应的预存人脸图像。
可选地,所述质量参数包括像素或分辨率。
为解决上述技术问题,本发明实施例采用的另一个技术方案是:提供一种电子设备,包括:
至少一个处理器,以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够用于执行以上所述的方法。
为解决上述技术问题,本发明实施例采用的另一个技术方案是:提供一种包含程序代码的计算机程序产品,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行以上所述的方法。
本发明实施例的有益效果是:区别于现有技术的情况下,本发明实施例提供一种用户身份识别方法、装置及电子设备,在用户身份识别方法中,采集用户的人脸图像后,确定所采集的人脸图像的第一质量参数,并确定预存人脸图像的最大质量参数,若所采集的人脸图像的第一质量参数大于预存人脸图像的最大质量参数,则降低人脸图像的第一质量参数,得到参考人脸图像,根据参考人脸图像识别用户的身份信息。其中,降低人脸图像的第一质量参数后,所得到的参考人脸图像与预存人脸图像的图像质量差异减小,此时,通过参考人脸图像识别用户的身份信息能够减小图像质量对人脸识别的影响,提高人脸识别的速度和准确性,进而能够迅速准确地识别用户的身份信息。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明实施例提供的一种电子设备的结构示意图;
图2是本发明实施例提供的一种用户身份识别方法的流程示意图;
图3是本发明实施例提供的一种用户身份识别装置的结构示意图;
图4是本发明另一实施例提供的一种用户身份识别装置的结构示意图;
图5是本发明实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、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、完整的描述,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。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
需要说明的是,当元件被表述“固定于”另一个元件,它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件,它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
此外,下面所描述的本发明各个实施例中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种用户身份识别方法及装置,该方法及装置应用于电子设备,从而使得该电子设备能够在所采集的人脸图像的第一质量参数大于预存人脸图像的最大质量参数时,降低所采集的人脸图像的第一质量参数,得到参考人脸图像,并根据参考人脸图像识别用户的身份信息,以减小图像质量对人脸识别的影响,提高人脸识别的速度和准确性,进而迅速准确地识别用户的身份信息。
其中,电子设备为具备图像采集功能的设备,该电子设备可以为摄像模组,也可以为设置有摄像模组的机器人,还可以为设置有摄像模组的智能终端。
下面,将通过具体实施例对本发明进行具体阐述。
请参阅图1,是本发明实施例提供的一种电子设备的结构示意图,该电子设备包括:图像采集单元100、显示单元200和控制单元300。
图像采集单元100用于拍摄周围环境的视频图像,基于此,当用户在电子设备上进行身份识别时,图像采集单元100能够采集到用户的人脸图像。
该图像采集单元100与控制单元300通信连接,控制单元300能够从图像采集单元100获取用户的人脸图像。
显示单元200则用于与用户进行交互。具体地,该显示单元200能够向用户显示文字提醒。
该显示单元200与控制单元300通信连接,能够通过控制单元300控制显示单元200向用户显示文字提醒。
控制单元300则用于执行用户身份识别方法,以在所采集的人脸图像的第一质量参数大于预存人脸图像的最大质量参数时,降低所采集的人脸图像的第一质量参数,得到参考人脸图像,并根据参考人脸图像识别用户的身份信息,以减小图像质量对人脸识别的影响,提高人脸识别的速度和准确性,进而迅速准确地识别用户的身份信息。
在一些实施例中,该电子设备还可以包括:扬声装置,该扬声装置能够向用户发出声音提醒。
该扬声装置与控制单元300通信连接,能够通过控制单元300控制扬声装置向用户发出声音提醒。
进一步地,请参阅图2,是本发明实施例提供的一种用户身份识别方法的流程示意图,该用户身份识别方法应用于上述电子设备,并由上述控制单元300执行,用于减小图像质量对人脸识别的影响,迅速准确地识别用户的身份信息。
具体地,该用户身份识别方法包括:
S100:采集用户的人脸图像。
在本发明实施例中,当用户在电子设备上进行身份识别时,电子设备能够通过图像采集单元采集用户的人脸图像。
其中,人脸图像包括用户清晰完整的正脸。
该电子设备为了采集到用户清晰完整的正脸,在确定用户脸部未完整呈现、用户脸部不清晰、用户脸部未正对镜头中任意一种情况存在时,提醒用户进行调整。
具体地,当确定用户脸部未完整呈现时,提醒用户远离镜头;当确定用户脸部不清晰时,提醒用户进行手动对焦;当确定用户脸部未正对镜头时,提醒用户向左/向右/向上/向下调整脸部。
其中,电子设备能够通过文字显示的方式提醒用户进行脸部调整。
当然,在一些实施例中,还能够通过语音提醒的方式提醒用户进行脸部调整。
S200:确定人脸图像的第一质量参数;
S300:确定预存人脸图像的最大质量参数。
其中,预存人脸图像为预先存储的用于与人脸图像进行匹配以识别用户身份的图像。
由于采集人脸图像的设备与采集预存人脸图像的设备不同,使得所采集的人脸图像与预存人脸图像的图像质量可能存在差异,若相互匹配的人脸图像和预存人脸图像之间的图像质量差异较大,则相互匹配的人脸图像和预存人脸图像一个特征清晰另一个特征模糊,使得特征匹配度降低,此时,相互匹配的人脸图像和预存人脸图像受图像质量的影响无法准确匹配,影响人脸识别的速度和准确性,因此,为了减小图像质量对人脸识别的影响,在本发明实施例中,采集到用户的人脸图像后,确定所采集的人脸图像的第一质量参数,并确定预存人脸图像的最大质量参数,然后判断人脸图像的第一质量参数是否大于预存人脸图像的最大质量参数。
在本发明实施例中,质量参数为像素。当质量参数为像素时,确定人脸图像的第一像素,并确定预存人脸图像的最大像素,然后判断人脸图像的第一像素是否大于预存人脸图像的最大像素。
其中,能够通过统计图像的像素总数确定图像的像素。基于此,确定人脸图像的第一像素,亦即,确定人脸图像的像素总数,将所确定的人脸图像的像素总数确定为人脸图像的第一像素。
确定预存人脸图像的最大像素时,分别确定每个预存人脸图像的像素总数,将所确定的每个预存人脸图像的像素总数中的最大像素总数确定为预存人脸图像的最大像素。比如,当预存人脸图像包括预存人脸图像A、预存人脸图像B和预存人脸图像C时,确定预存人脸图像A的像素总数为a,确定预存人脸图像B的像素总数为b,确定预存人脸图像C的像素总数为c,若a>b>c,则确定a为最大像素总数,此时,将a确定为预存人脸图像的最大像素。
在其他一些实施例中,质量参数还可以为分辨率。当质量参数为分辨率时,确定人脸图像的第一分辨率,并确定预存人脸图像的最大分辨率,然后判断人脸图像的第一分辨率是否大于预存人脸图像的最大分辨率。
其中,能够通过统计图像单位英寸内的像素数量确定图像的分辨率。基于此,确定人脸图像的第一分辨率,亦即,确定人脸图像单位英寸内的像素数量,将所确定的人脸图像单位英寸内的像素数量确定为人脸图像的第一分辨率。
确定预存人脸图像的最大分辨率时,分别确定每个预存人脸图像单位英寸内的像素数量,将所确定的每个预存人脸图像单位英寸内的像素数量中的最大像素数量确定为预存人脸图像的最大分辨率。比如,当预存人脸图像包括预存人脸图像A、预存人脸图像B和预存人脸图像C时,确定预存人脸图像A单位英寸内的像素数量为a1,确定预存人脸图像B单位英寸内的像素数量为b1,确定预存人脸图像C单位英寸内的像素数量为c1,若a1>b1>c1,则确定a1为最大像素数量,此时,将a1确定为预存人脸图像的最大分辨率。
S400:若人脸图像的第一质量参数大于预存人脸图像的最大质量参数,则降低人脸图像的第一质量参数,得到参考人脸图像。
在本发明实施例中,判断人脸图像的第一像素是否大于预存人脸图像的最大像素,若人脸图像的第一像素大于预存人脸图像的最大像素,则降低人脸图像的第一像素,得到参考人脸图像。
其中,为了防止参考人脸图像与预存人脸图像之间的图像质量差异过大,在降低人脸图像的第一像素时,确定预存人脸图像的最小像素,计算预存人脸图像的最大像素与最小像素的差值,若最大像素与最小像素的差值小于预设阈值,则将人脸图像的第一像素降低至预存人脸图像的最大像素;若最大像素与最小像素的差值大于或等于预设阈值,则计算预存人脸图像的最大像素与最小像素的均值,并将人脸图像的第一像素降低至最大像素与最小像素的均值。
具体地,确定预存人脸图像的最小像素时,分别确定每个预存人脸图像的像素总数,将所确定的每个预存人脸图像的像素总数中的最小像素总数确定为预存人脸图像的最小像素。比如,当预存人脸图像包括预存人脸图像A、预存人脸图像B和预存人脸图像C时,确定预存人脸图像A的像素总数为a,确定预存人脸图像B的像素总数为b,确定预存人脸图像C的像素总数为c,若a>b>c,则确定c为最小像素总数,此时,将c确定为预存人脸图像的最小像素,而a为预存人脸图像的最大像素,则最大像素与最小像素的差值为a-c。
在本发明实施例中,预设阈值为影响特征匹配的临界像素差值,当两个图像的像素差值小于预设阈值时,两个图像的像素差值不影响两个图像的特征匹配;当两个图像的像素差值大于预设阈值时,两个图像的像素差值影响两个图像的特征匹配。
基于此,在最大像素与最小像素的差值小于预设阈值时,将人脸图像的第一像素降低至预存人脸图像的最大像素,使得参考人脸图像的像素与每个预存人脸图像的像素的差值均小于预设阈值,防止像素差值影响图像的特征匹配;在最大像素与最小像素的差值大于或等于预设阈值时,计算预存人脸图像的最大像素与最小像素的均值,并将人脸图像的第一像素降低至最大像素与最小像素的均值,使得参考人脸图像的像素与每个预存人脸图像的像素的差值均小于预设阈值,防止像素差值影响图像的特征匹配。
举例而言,当预存人脸图像的最大像素为a、最小像素为c,人脸图像的第一像素为d,预设阈值为x时,当d>a时,若a-c<x,则使d=a;若a-c>x或者a-c=x,则使d=(a+c)/2。
在其他一些实施例中,若判断人脸图像的第一分辨率是否大于预存人脸图像的最大分辨率,则在人脸图像的第一分辨率大于预存人脸图像的最大分辨率时,降低人脸图像的第一分辨率,得到参考人脸图像。
其中,为了防止参考人脸图像与预存人脸图像之间的图像质量差异过大,在降低人脸图像的第一分辨率时,确定预存人脸图像的最小分辨率,计算预存人脸图像的最大分辨率与最小分辨率的差值,若最大分辨率与最小分辨率的差值小于预设阈值,则将人脸图像的第一分辨率降低至预存人脸图像的最大分辨率;若最大分辨率与最小分辨率的差值大于或等于预设阈值,则计算预存人脸图像的最大分辨率与最小分辨率的均值,并将人脸图像的第一分辨率降低至最大分辨率与最小分辨率的均值。
具体地,确定预存人脸图像的最小分辨率时,分别确定每个预存人脸图像单位英寸内的像素数量,将所确定的每个预存人脸图像单位英寸内的像素数量中的最小像素数量确定为预存人脸图像的最小分辨率。比如,当预存人脸图像包括预存人脸图像A、预存人脸图像B和预存人脸图像C时,确定预存人脸图像A单位英寸内的像素数量为a1,确定预存人脸图像B单位英寸内的像素数量为b1,确定预存人脸图像C单位英寸内的像素数量为c1,若a1>b1>c1,则确定c1为最小像素数量,此时,将c1确定为预存人脸图像的最小分辨率,而a1为预存人脸图像的最大分辨率,则最大分辨率与最小分辨率的差值为a1-c1。
在该实施例中,预设阈值为影响特征匹配的临界分辨率差值,当两个图像的分辨率差值小于预设阈值时,两个图像的分辨率差值不影响两个图像的特征匹配;当两个图像的分辨率差值大于预设阈值时,两个图像的分辨率差值影响两个图像的特征匹配。
基于此,在最大分辨率与最小分辨率的差值小于预设阈值时,将人脸图像的第一分辨率降低至预存人脸图像的最大分辨率,使得参考人脸图像的分辨率与每个预存人脸图像的分辨率的差值均小于预设阈值,防止分辨率差值影响图像的特征匹配;在最大分辨率与最小分辨率的差值大于或等于预设阈值时,计算预存人脸图像的最大分辨率与最小分辨率的均值,并将人脸图像的第一分辨率降低至最大分辨率与最小分辨率的均值,使得参考人脸图像的分辨率与每个预存人脸图像的分辨率的差值均小于预设阈值,防止分辨率差值影响图像的特征匹配。
举例而言,当预存人脸图像的最大分辨率为a1、最小分辨率为c1,人脸图像的第一分辨率为d1,预设阈值为x1时,当d1>a1时,若a1-c1<x1,则使d1=a1;若a1-c1>x1或a1-c1=x1,则使d1=(a1+c1)/2。
S500:根据参考人脸图像识别用户的身份信息。
在本发明实施例中,预先建立有身份数据库,该身份数据库包括预存人脸图像以及与预存人脸图像对应的预存身份信息。比如,身份数据库中包括用户A的预存人脸图像A和用户B的预存人脸图像B,则身份数据库中还包括与预存人脸图像A对应的预存身份信息A,以及,与预存人脸图像B对应的预存身份信息B,该预存人脸图像A为用户A的人脸图像,预存人脸图像B为用户B的人脸图像。
基于此,根据参考人脸图像识别用户的身份信息,具体包括:
将参考人脸图像与预存人脸图像进行匹配,若匹配成功,则确定身份识别成功,并将与参考人脸图像匹配成功的预存人脸图像对应的预存身份信息确定为用户的身份信息;若未匹配成功,则确定身份识别失败。
其中,将参考人脸图像与预存人脸图像进行匹配时,在参考人脸图像中提取用户的脸部特征,通过所提取的用户的脸部特征与预存人脸图像进行匹配。该脸部特征包括但不限于:脸型特征、眉毛特征、眼睛特征、鼻子特征以及嘴巴特征等。
若脸部特征与预存人脸图像的匹配度大于或等于预设匹配阈值,则确定匹配成功,否则,则确定未匹配成功。
优选地,该预设匹配阈值的取值范围可以为90%至95%。
举例而言,假设预存人脸图像包括预存人脸图像A和预存人脸图像B,预存人脸图像A对应预存身份信息A、预存人脸图像B对应预存身份信息B,预设匹配阈值为90%。当用户A进行身份识别时,得到用户A的参考人脸图像A,此时,在参考人脸图像A中提取脸部特征A,通过脸部特征A与预存人脸图像进行匹配,若识别到预存人脸图像A与脸部特征A的匹配度为96%,则确定匹配成功,将预存人脸图像A对应的预存身份信息A确定为用户A的身份信息;若预存人脸图像A和预存人脸图像B与脸部特征A的匹配度均小于90%,则确定未匹配成功。
进一步地,在一些实施例中,在用户身份识别成功后,还确定用户的身份信息对应的预存人脸图像的第二质量参数,若第一质量参数大于第二质量参数,则删除用户的身份信息对应的预存人脸图像,并将人脸图像存储为与用户的身份信息对应的预存人脸图像。
在本发明实施例中,质量参数为像素,此时,确定用户的身份信息对应的预存人脸图像的第二像素,若第一像素大于第二像素,则删除用户的身份信息对应的预存人脸图像,并将人脸图像存储为与用户的身份信息对应的预存人脸图像。
举例而言,当用户A进行身份识别时,采集用户A的人脸图像A,并根据人脸图像A得到参考人脸图像A,假设参考人脸图像A与预存人脸图像A匹配,则用户的身份信息对应的预存人脸图像为预存人脸图像A,此时,确定预存人脸图像A的第二像素为e,并将第二像素e与人脸图像A的第一像素d进行比较,若d>e,则确定采集的人脸图像A的图像质量优于预存人脸图像A的图像质量,删除预存人脸图像A,并将采集的人脸图像A存储为与用户的身份信息对应的预存人脸图像,此时预存人脸图像A为采集的人脸图像A。
其中,确定用户的身份信息对应的预存人脸图像的第二像素,亦即,确定用户的身份信息对应的预存人脸图像的像素总数,将所确定的像素总数确定为用户的身份信息对应的预存人脸图像的第二像素。
在其他一些实施例中,质量参数还可以为分辨率,此时,确定用户的身份信息对应的预存人脸图像的第二分辨率,若第一分辨率大于第二分辨率,则删除用户的身份信息对应的预存人脸图像,并将人脸图像存储为与用户的身份信息对应的预存人脸图像。
举例而言,当用户A进行身份识别时,采集用户A的人脸图像A,并根据人脸图像A得到参考人脸图像A,假设参考人脸图像A与预存人脸图像A匹配,则用户的身份信息对应的预存人脸图像为预存人脸图像A,此时,确定预存人脸图像A的第二分辨率为e1,并将第二分辨率e1与人脸图像A的第一分辨率d1进行比较,若d1>e1,则确定采集的人脸图像A的图像质量优于预存人脸图像A的图像质量,删除预存人脸图像A,并将采集的人脸图像A存储为与用户的身份信息对应的预存人脸图像,此时预存人脸图像A为采集的人脸图像A。
其中,确定用户的身份信息对应的预存人脸图像的第二分辨率,亦即,确定用户的身份信息对应的预存人脸图像单位英寸内的像素数量,将所确定的单位英寸内的像素数量确定为用户的身份信息对应的预存人脸图像的第二分辨率。
本发明实施例在所采集的人脸图像的第一质量参数大于预存人脸图像的最大质量参数时,降低所采集的人脸图像的第一质量参数,得到参考人脸图像,并根据参考人脸图像识别用户的身份信息,以减小图像质量对人脸识别的影响,提高人脸识别的速度和准确性,进而迅速准确地识别用户的身份信息。
进一步地,请参阅图3,是本发明实施例提供的一种用户身份识别装置的结构示意图,该用户身份识别装置应用于上述电子设备,其各个模块的功能由上述控制单元300执行,用于减小图像质量对人脸识别的影响,迅速准确地识别用户的身份信息。
值得注意的是,本发明实施例所使用的术语“模块”为可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置可以以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能被构想的。
具体地,该用户身份识别装置包括:
采集模块10,用于采集用户的人脸图像;
确定模块20,用于确定所述人脸图像的第一质量参数;以及,
用于确定预存人脸图像的最大质量参数;
处理模块30,用于若所述人脸图像的第一质量参数大于所述预存人脸图像的最大质量参数,则降低所述人脸图像的第一质量参数,得到参考人脸图像;
识别模块40,用于根据所述参考人脸图像识别所述用户的身份信息。
在一些实施例中,所述处理模块30具体用于:
确定所述预存人脸图像的最小质量参数;
计算所述预存人脸图像的最大质量参数与最小质量参数的差值;
若所述差值小于预设阈值,则将所述人脸图像的第一质量参数降低至所述预存人脸图像的最大质量参数。
在一些实施例中,所述处理模块30还用于:
若所述差值大于或等于预设阈值,则计算所述预存人脸图像的最大质量参数与最小质量参数的均值,并将所述人脸图像的第一质量参数降低至所述均值。
请参阅图4,在一些实施例中,所述装置还包括:
建立模块50,用于预先建立身份数据库,所述身份数据库包括预存人脸图像以及与所述预存人脸图像对应的预存身份信息;则,
所述识别模块40具体用于:
将所述参考人脸图像与所述预存人脸图像进行匹配;
若匹配成功,则确定身份识别成功,并将与所述参考人脸图像匹配成功的预存人脸图像对应的预存身份信息确定为用户的身份信息;
若未匹配成功,则确定身份识别失败。
在一些实施例中,所述用户身份识别成功后,所述确定模块20还用于:
确定所述用户的身份信息对应的预存人脸图像的第二质量参数;
若所述第一质量参数大于所述第二质量参数,则删除所述用户的身份信息对应的预存人脸图像,并将所述人脸图像存储为与所述用户的身份信息对应的预存人脸图像。
在一些实施例中,所述质量参数包括像素或分辨率。
由于装置实施例和方法实施例是基于同一构思,在内容不互相冲突的前提下,装置实施例的内容可以引用方法实施例的,在此不再一一赘述。
在其他一些可替代实施例中,上述采集模块10、确定模块20、处理模块30、识别模块40以及建立模块50可以为控制单元300的处理芯片。
本发明实施例在所采集的人脸图像的第一质量参数大于预存人脸图像的最大质量参数时,降低所采集的人脸图像的第一质量参数,得到参考人脸图像,并根据参考人脸图像识别用户的身份信息,以减小图像质量对人脸识别的影响,提高人脸识别的速度和准确性,进而迅速准确地识别用户的身份信息。
进一步地,请参阅图5,是本发明实施例提供的一种电子设备的硬件结构示意图,包括:
一个或多个处理器310以及存储器320。其中,图5中以一个处理器310为例。
处理器310和存储器320可以通过总线或者其他方式连接,图5中以通过总线连接为例。
存储器320作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明上述实施例中的一种用户身份识别方法对应的程序指令以及一种用户身份识别装置对应的模块(例如,采集模块10、确定模块20、处理模块30、识别模块40以及建立模块50等)。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块,从而执行一种用户身份识别方法的各种功能应用以及数据处理,即实现上述方法实施例中的一种用户身份识别方法以及上述装置实施例的各个模块的功能。
存储器320可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据一种用户身份识别装置的使用所创建的数据等。
所述存储数据区还存储有预设的数据,包括预设阈值、预存人脸图像、预存身份信息、预设匹配阈值等。
此外,存储器320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、或其他非易失性固态存储器件。在一些实施例中,存储器320可选包括相对于处理器310远程设置的存储器,这些远程存储器可以通过网络连接至处理器310。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令以及一个或多个模块存储在所述存储器320中,当被所述一个或者多个处理器310执行时,执行上述任意方法实施例中的一种用户身份识别方法的各个步骤,或者,实现上述任意装置实施例中的一种用户身份识别装置的各个模块的功能。
上述产品可执行本发明上述实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明上述实施例所提供的方法。
本发明实施例还提供了一种非易失性计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如图5中的一个处理器310,可使得计算机执行上述任意方法实施例中的一种用户身份识别方法的各个步骤,或者,实现上述任意装置实施例中的一种用户身份识别装置的各个模块的功能。
本发明实施例还提供了一种包含程序代码的计算机程序产品,当所述计算机程序产品在电子设备上运行时,所述电子设备能够执行上述任意方法实施例中的一种用户身份识别方法的各个步骤,或者,实现上述任意装置实施例中的一种用户身份识别装置的各个模块的功能。
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模块可以是或者也可以不是物理上分开的,作为模块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实施例方案的目的。
通过以上的实施例的描述,本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施方法的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种用户身份识别方法,其特征在于,包括:
采集用户的人脸图像;
确定所述人脸图像的第一质量参数;
确定预存人脸图像的最大质量参数和最小质量参数,其中,所述预存人脸图像为多张;
计算所述预存人脸图像的最大质量参数与最小质量参数的差值;
若所述人脸图像的第一质量参数大于所述预存人脸图像的最大质量参数,其所述差值小于预设阈值,则降低所述人脸图像的第一质量参数至所述预存人脸图像的最大质量参数,得到参考人脸图像;
根据所述参考人脸图像识别所述用户的身份信息。
2.根据权利要求1所述的方法,其特征在于,
若所述差值大于或等于预设阈值,则计算所述预存人脸图像的最大质量参数与最小质量参数的均值,并将所述人脸图像的第一质量参数降低至所述均值。
3.根据权利要求1至2中任一项所述的方法,其特征在于,所述方法还包括:
预先建立身份数据库,所述身份数据库包括预存人脸图像以及与所述预存人脸图像对应的预存身份信息;则,
所述根据所述参考人脸图像识别所述用户的身份信息,具体包括:
将所述参考人脸图像与所述预存人脸图像进行匹配;
若匹配成功,则确定身份识别成功,并将与所述参考人脸图像匹配成功的预存人脸图像对应的预存身份信息确定为用户的身份信息;
若未匹配成功,则确定身份识别失败。
4.根据权利要求3所述的方法,其特征在于,所述用户身份识别成功后,所述方法还包括:
确定所述用户的身份信息对应的预存人脸图像的第二质量参数;
若所述第一质量参数大于所述第二质量参数,则删除所述用户的身份信息对应的预存人脸图像,并将所述人脸图像存储为与所述用户的身份信息对应的预存人脸图像。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述质量参数包括像素或分辨率。
6.一种用户身份识别装置,其特征在于,包括:
采集模块,用于采集用户的人脸图像;
确定模块,用于确定所述人脸图像的第一质量参数;以及,
用于确定预存人脸图像的最大质量参数和最小质量参数,其中,所述预存人脸图像为多张;
处理模块,用于若所述人脸图像的第一质量参数大于所述预存人脸图像的最大质量参数,计算所述预存人脸图像的最大质量参数与最小质量参数的差值,当所述差值小于预设阈值,则降低所述人脸图像的第一质量参数至所述预存人脸图像的最大质量参数,得到参考人脸图像;
识别模块,用于根据所述参考人脸图像识别所述用户的身份信息。
7.一种电子设备,其特征在于,包括:
至少一个处理器,以及,
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够用于执行如权利要求1至5中任一项所述的方法。
8.一种包含程序代码的计算机可读存储介质,其特征在于,当所述程序代码在电子设备上运行时,使得所述电子设备执行如权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911037823.0A CN110807403B (zh) | 2019-10-29 | 2019-10-29 | 一种用户身份识别方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911037823.0A CN110807403B (zh) | 2019-10-29 | 2019-10-29 | 一种用户身份识别方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110807403A CN110807403A (zh) | 2020-02-18 |
CN110807403B true CN110807403B (zh) | 2022-12-02 |
Family
ID=69489472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911037823.0A Active CN110807403B (zh) | 2019-10-29 | 2019-10-29 | 一种用户身份识别方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110807403B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178339A (zh) * | 2020-04-10 | 2020-05-19 | 支付宝(杭州)信息技术有限公司 | 用户身份识别方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661557A (zh) * | 2009-09-22 | 2010-03-03 | 中国科学院上海应用物理研究所 | 一种基于智能卡的人脸识别***及其方法 |
CN103914676A (zh) * | 2012-12-30 | 2014-07-09 | 杭州朗和科技有限公司 | 一种在人脸识别中使用的方法和装置 |
CN105574500A (zh) * | 2015-12-15 | 2016-05-11 | 北京天诚盛业科技有限公司 | 提高人脸识别通过率的方法和装置 |
CN108304816A (zh) * | 2018-02-09 | 2018-07-20 | 北京京东金融科技控股有限公司 | 身份识别方法、装置、存储介质及电子设备 |
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 |
CN109886157A (zh) * | 2019-01-30 | 2019-06-14 | 杭州芯影科技有限公司 | 一种基于毫米波图像的人脸识别方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201025147A (en) * | 2008-12-19 | 2010-07-01 | Micro Star Int Co Ltd | Method for adjusting light source threshold value for face recognition |
CN106326816A (zh) * | 2015-06-30 | 2017-01-11 | 芋头科技(杭州)有限公司 | 一种面部识别***及面部识别方法 |
-
2019
- 2019-10-29 CN CN201911037823.0A patent/CN110807403B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661557A (zh) * | 2009-09-22 | 2010-03-03 | 中国科学院上海应用物理研究所 | 一种基于智能卡的人脸识别***及其方法 |
CN103914676A (zh) * | 2012-12-30 | 2014-07-09 | 杭州朗和科技有限公司 | 一种在人脸识别中使用的方法和装置 |
CN105574500A (zh) * | 2015-12-15 | 2016-05-11 | 北京天诚盛业科技有限公司 | 提高人脸识别通过率的方法和装置 |
CN108304816A (zh) * | 2018-02-09 | 2018-07-20 | 北京京东金融科技控股有限公司 | 身份识别方法、装置、存储介质及电子设备 |
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 |
CN109886157A (zh) * | 2019-01-30 | 2019-06-14 | 杭州芯影科技有限公司 | 一种基于毫米波图像的人脸识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110807403A (zh) | 2020-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
CN109389069B (zh) | 注视点判断方法和装置、电子设备和计算机存储介质 | |
CN113038018B (zh) | 辅助用户拍摄车辆视频的方法及装置 | |
CN111095268A (zh) | 一种用户身份识别方法、装置及电子设备 | |
CN111626371A (zh) | 一种图像分类方法、装置、设备及可读存储介质 | |
CN110826372A (zh) | 人脸特征点检测方法及装置 | |
CN113920502A (zh) | 一种云台调整方法、装置、设备及介质 | |
CN111104917A (zh) | 基于人脸的活体检测方法、装置、电子设备及介质 | |
CN112183356A (zh) | 驾驶行为检测方法、设备及可读存储介质 | |
CN110569826A (zh) | 一种人脸识别方法、装置、设备及介质 | |
CN112381092A (zh) | 跟踪方法、装置及计算机可读存储介质 | |
CN110807403B (zh) | 一种用户身份识别方法、装置及电子设备 | |
CN114067406A (zh) | 一种关键点检测方法、装置、设备及可读存储介质 | |
CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
CN108289176B (zh) | 一种拍照搜题方法、搜题装置及终端设备 | |
CN110189350B (zh) | 一种瞳孔边缘的确定方法、装置及存储介质 | |
CN110610117A (zh) | 一种人脸识别方法、装置及存储介质 | |
CN109901716B (zh) | 视线点预测模型建立方法、装置及视线点预测方法 | |
CN110852220A (zh) | 人脸表情的智能识别方法、终端和计算机可读存储介质 | |
CN110710194A (zh) | 一种曝光方法、装置及摄像模组、电子设备 | |
CN114332981A (zh) | 人脸活体检测方法、装置、电子设备及存储介质 | |
CN113642353B (zh) | 一种人脸检测模型的训练方法、存储介质及终端设备 | |
CN116469156A (zh) | 体态识别方法、装置、计算机设备及计算机可读存储介质 | |
CN112529928A (zh) | 零件组装检测方法、计算机设备及存储介质 | |
CN113297960A (zh) | 虚假人脸的检测方法、终端设备及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230410 Address after: 518000 C5, college industrialization complex building, Shenzhen Virtual University Park, No. 2, Yuexing Third Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen, Guangdong Patentee after: Shenzhen Weidang Life Technology Co.,Ltd. Address before: 518000 floor 2, torch venture building, No. 22, Yanshan Road, Nanshan District, Shenzhen, Guangdong Patentee before: INTERNATIONAL INTELLIGENT MACHINES Co.,Ltd. |
|
TR01 | Transfer of patent right |