CN110825765A - 一种人脸识别的方法和装置 - Google Patents
一种人脸识别的方法和装置 Download PDFInfo
- Publication number
- CN110825765A CN110825765A CN201911012966.6A CN201911012966A CN110825765A CN 110825765 A CN110825765 A CN 110825765A CN 201911012966 A CN201911012966 A CN 201911012966A CN 110825765 A CN110825765 A CN 110825765A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- screening
- face image
- request
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2425—Iterative querying; Query formulation based on the results of a preceding query
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种人脸识别的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:接收人脸预筛请求,人脸预筛请求包括第一人脸图像;根据人脸预筛请求从人脸数据库中查找与第一人脸图像相匹配的图像集,并将图像集保存到人脸预筛数据库中;接收人脸识别请求,人脸识别请求包括第二人脸图像;根据人脸识别请求从人脸预筛数据库中查找与第二人脸图像相匹配的人脸图像,并将查找到的人脸图像的用户信息作为人脸识别结果。该实施方式通过对人脸数据库进行预筛以提高人脸识别的速度和效率,用户在进行人脸识别时,无需通过其他的附加手段即可准确地进行识别,满足了大客流场景下的安全校验需求,且人脸识别的速度和准确度均有极大的提高。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种人脸识别的方法和装置。
背景技术
目前基于RGB可见光图像的人脸识别技术已相对成熟,且应用场景和使用范围也越来越广泛。
人脸识别技术的主要应用场景是:在进行人脸注册后,信息处理***全量录入用户信息和人脸图像,在用户需要通过人脸进行安全校验时,直接在全量的人脸数据库中进行1:N识别。
然而,随着N的增大,识别耗时也越来越高,且各种人脸识别算法的准确率也越来越低,尤其是对于一些大客流场景,如地铁、机场、公交等人流密度大的场景,人脸识别即变得不太现实。
为了提高人脸识别的效率,可通过增加一些附加手段如刷身份证或输入手机号等,并根据这些附加信息来精确确认用户身份,然而这些方案仍需要用户携带证件或手动输入数字,给用户带来较差体验。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
伴随着注册人数的增多,人脸识别的效率和准确度都在降低;而结合刷身份证或输入手机号等附加技术手段来进行人脸识别则需要用户携带证件或手动输入数字,给用户带来较差体验,且不适合用于大客流下需快速通行的应用场景,影响公共场所通行的能力。
发明内容
有鉴于此,本发明实施例提供一种人脸识别的方法和装置,能够通过对人脸数据库进行预筛以提高人脸识别的速度和效率,用户在进行人脸识别时,无需通过其他的附加手段即可准确地进行识别,满足了大客流场景下的安全校验需求,且人脸识别的速度和准确度均有极大的提高。
为实现上述目的,根据本发明实施例的一个方面,提供了一种人脸识别的方法。
一种人脸识别的方法,包括:接收人脸预筛请求,所述人脸预筛请求包括第一人脸图像;根据所述人脸预筛请求从人脸数据库中查找与所述第一人脸图像相匹配的图像集,并将所述图像集保存到人脸预筛数据库中;接收人脸识别请求,所述人脸识别请求包括第二人脸图像;根据所述人脸识别请求从所述人脸预筛数据库中查找与所述第二人脸图像相匹配的人脸图像,并将查找到的人脸图像的用户信息作为人脸识别结果。
可选地,根据所述人脸预筛请求从人脸数据库中查找与所述第一人脸图像相匹配的图像集包括:对所述第一人脸图像进行特征提取以得到第一特征;通过将人脸数据库中每个人脸图像的特征分别与所述第一特征进行相似度比较以得到与所述第一人脸图像相匹配的图像集,其中,所述图像集是相似度满足第一阈值的特征对应的人脸图像;根据所述人脸识别请求从所述人脸预筛数据库中查找与所述第二人脸图像相匹配的人脸图像包括:对所述第二人脸图像进行特征提取以得到第二特征;通过将所述人脸预筛数据库中每个人脸图像的特征分别与所述第二特征进行相似度比较以得到与所述第二人脸图像相匹配的人脸图像,其中,与所述第二人脸图像相匹配的人脸图像是相似度满足第二阈值的特征中相似度最高的特征对应的人脸图像,且所述第二阈值大于所述第一阈值。
可选地,接收人脸识别请求之前,还包括:确定所述第二人脸图像对应的对象为活体。
可选地,所述第一人脸图像通过采集视频,并从所述视频中进行图像提取,然后对提取的图像进行质量筛查和人脸跟踪处理得到。
可选地,通过如下指标中的不少于一个对提取的图像进行质量筛查:图像清晰度、人脸遮挡率和人脸偏转角度。
可选地,所述人脸预筛数据库包括多个级别的数据库。
根据本发明实施例的另一方面,提供了一种人脸识别的装置。
一种人脸识别的装置,包括:预筛请求接收模块,用于接收人脸预筛请求,所述人脸预筛请求包括第一人脸图像;预筛图像查找模块,用于根据所述人脸预筛请求从人脸数据库中查找与所述第一人脸图像相匹配的图像集,并将所述图像集保存到人脸预筛数据库中;识别请求接收模块,用于接收人脸识别请求,所述人脸识别请求包括第二人脸图像;人脸识别匹配模块,用于根据所述人脸识别请求从所述人脸预筛数据库中查找与所述第二人脸图像相匹配的人脸图像,并将查找到的人脸图像的用户信息作为人脸识别结果。
可选地,所述预筛图像查找模块还用于:对所述第一人脸图像进行特征提取以得到第一特征;通过将人脸数据库中每个人脸图像的特征分别与所述第一特征进行相似度比较以得到与所述第一人脸图像相匹配的图像集,其中,所述图像集是相似度满足第一阈值的特征对应的人脸图像;所述人脸识别匹配模块还用于:对所述第二人脸图像进行特征提取以得到第二特征;通过将所述人脸预筛数据库中每个人脸图像的特征分别与所述第二特征进行相似度比较以得到与所述第二人脸图像相匹配的人脸图像,其中,与所述第二人脸图像相匹配的人脸图像是相似度满足第二阈值的特征中相似度最高的特征对应的人脸图像,且所述第二阈值大于所述第一阈值。
可选地,还包括活体检测模块,用于:在接收人脸识别请求之前,确定所述第二人脸图像对应的对象为活体。
可选地,所述第一人脸图像通过采集视频,并从所述视频中进行图像提取,然后对提取的图像进行质量筛查和人脸跟踪处理得到。
可选地,通过如下指标中的不少于一个对提取的图像进行质量筛查:图像清晰度、人脸遮挡率和人脸偏转角度。
可选地,所述人脸预筛数据库包括多个级别的数据库。
根据本发明实施例的又一方面,提供了一种人脸识别的电子设备。
一种人脸识别的电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例所提供的人脸识别的方法。
根据本发明实施例的再一方面,提供了一种计算机可读介质。
一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例所提供的人脸识别的方法。
上述发明中的一个实施例具有如下优点或有益效果:通过在接收人脸预筛请求时,根据其中包括的第一人脸图像从全量的人脸数据库中查找与其相匹配的图像集并保存到人脸预筛数据库中,然后在接收人脸识别请求时,根据其中包括的第二人脸图像从人脸预筛数据库中查找与其相匹配的人脸图像,并将查找到的人脸图像的用户信息作为人脸识别结果,实现了通过对人脸数据库进行预筛以提高人脸识别的速度和效率,用户在进行人脸识别时,无需通过其他的附加手段即可准确地进行识别,满足了大客流场景下的安全校验需求,且人脸识别的速度和准确度均有极大的提高。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的人脸识别的方法的主要步骤示意图;
图2是本发明一个实施例的人脸识别的流程示意图;
图3是根据本发明实施例的人脸识别的装置的主要模块示意图;
图4是本发明实施例可以应用于其中的示例性***架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
以人在加装了人脸识别的闸机上进行通行的场景为例,当人走到闸机前,正对闸机上加装的人像拍照装置,由拍照装置拍取人脸后,将人脸图像传到信息处理***,与已录入过人脸且具有该闸机通行权限的人的人脸图片进行一一比对,直到找到满足阈值的一项,则表示该人是对应匹配成功的那个人,闸机开闸并给予通行。当录入的人脸规模增大时,人脸识别的速度逐步降低,影响通行速度。
为解决该技术问题,需要将人脸数据库中的人脸图片总数N的值尽量变小,从而缩小人脸识别匹配的人脸数据库。据此,本发明提供了一种预先对人脸图像进行筛查,在用户进入闸机前的通道上安装人脸抓拍摄像头,摄像头在用户准备进闸前即采集用户人脸,提前在信息处理***进行1:N的人脸识别,提前将识别出来的用户信息录入到临时的人脸库中,用户过闸进行人脸识别时,信息***将在该临时的人脸库中进行一一比对,极大缩小了N的大小,提升了识别速度。从而,本发明在不降低人脸识别准确度的前提下,无需用户手动录入或掏出证件进行辅助确认用户身份,极大提升人脸识别的通行效率。
图1是根据本发明实施例的人脸识别的方法的主要步骤示意图。如图1所示,本发明实施例的人脸识别的方法主要包括如下的步骤S101至步骤S104。
步骤S101:接收人脸预筛请求,人脸预筛请求包括第一人脸图像;
步骤S102:根据人脸预筛请求从人脸数据库中查找与第一人脸图像相匹配的图像集,并将图像集保存到人脸预筛数据库中;
步骤S103:接收人脸识别请求,人脸识别请求包括第二人脸图像;
步骤S104:根据人脸识别请求从人脸预筛数据库中查找与第二人脸图像相匹配的人脸图像,并将查找到的人脸图像的用户信息作为人脸识别结果。
根据本发明的技术方案,通过在进行最终的人脸识别之前先进行人脸预筛,并生成一个临时的人脸预筛数据库,然后当需要人脸识别时从该临时的人脸预筛数据库中进行人脸图像的识别匹配,可以减少要进行人脸识别匹配的人脸图像,从而使得人脸识别效率更高。
在本发明的一个实施例中,步骤S101中的第一人脸图像可通过采集视频,并从视频中进行图像提取,然后对提取的图像进行质量筛查和人脸跟踪处理得到。同样地,第一人脸图像也可以是直接通过摄像头进行拍照,并对拍摄照片进行质量筛查和人脸跟踪处理得到。根据本发明的实施例,可以通过如下指标中的不少于一个对提取的图像进行质量筛查:图像清晰度、人脸遮挡率和人脸偏转角度。
由于第一人脸图像一般是抓拍得到的,可能会存在角度、清晰度、完整度(例如:戴着口罩、帽子)等都不足够好的问题,故而在根据第一人脸图像从人脸数据库中查找与其相匹配的图像时,可能会找到多个,构成了图像集。
根据本发明的一个实施例,步骤S102在根据人脸预筛请求从人脸数据库中查找与第一人脸图像相匹配的图像集时,具体可以按照以下步骤执行:
对第一人脸图像进行特征提取以得到第一特征;
通过将人脸数据库中每个人脸图像的特征分别与第一特征进行相似度比较以得到与第一人脸图像相匹配的图像集,其中,图像集是相似度满足第一阈值的特征对应的人脸图像。
具体地,在对第一人脸图像进行特征提取以得到第一特征时,可以使用常用的算法,例如:通过HOG(histogram of Oriented Gradient,方向梯度直方图)、SIFT(Scale-invariant features transform,尺度不变特征变换)、SURF(Speeded Up RobustFeatures、加速稳健特征,对sift的改进)、DOG(Difference of Gaussian,高斯函数差分)、LBP(Local Binary Pattern,局部二值模式)等等算法。在进行特征提取后,计算特征相似度时也可使用常用的相似度计算方法,例如:基于欧氏距离或汉明距离的相似度计算、余弦相似度计算等等。本发明对此不作限定。
在进行人脸预筛时,是通过将第一特征与人脸数据库中每个人脸图像的特征分别进行特征相似度计算来进行相似度比较之后,通过将特征相似度与预先设定的第一阈值进行比较来确定的。其中,由于第一人脸图像是抓拍的,存在清晰度、拍照角度等的原因,故而设置的第一阈值不会特别高,例如,第一阈值可设置为特征相似度大于0.7。另外,在设置了相似度阈值之后,还可以设定第一人脸图像匹配的图像集中图像的个数,例如:限制图像个数为10个,那么在将特征相似度达到0.7的这些特征对应的图像都获取后,还可以根据特征相似度的值由大到小进行排序,并取其中特征相似度最大的前10个图像构成该第一人脸图像匹配的图像集。
同样地,根据本发明的实施例,步骤S104在根据人脸识别请求从人脸预筛数据库中查找与第二人脸图像相匹配的人脸图像时,具体可以按照以下步骤执行:
对第二人脸图像进行特征提取以得到第二特征;
通过将人脸预筛数据库中每个人脸图像的特征分别与第二特征进行相似度比较以得到与第二人脸图像相匹配的人脸图像,其中,与第二人脸图像相匹配的人脸图像是相似度满足第二阈值的特征中相似度最高的特征对应的人脸图像,且第二阈值大于第一阈值。
当用户到达闸机前需要进行人脸识别并通过时,闸机上安装的拍照装置会获取人脸的正面图像,即:第二人脸图像,并将第二人脸图像发送到服务端请求进行人脸识别校验。一般情况下,第二人脸图像会比第一人脸图像的质量高,比如:清晰度、完整度、角度等会更好,也更便于精准识别。
在接收到人脸识别请求后,服务端将首先对第二人脸图像进行特征提取,然后将提取的第二特征与预筛过程中建立的人脸预筛数据库中的每个人脸图像的特征分别进行特征相似度计算以进行相似度比较。人脸预筛数据库中的人脸图像数据量是远远小于全量的人脸数据库的,因此进行人脸识别匹配时,会快速得多。
由于在进行第二特征及人脸预筛数据库中每个人脸图像的相似度比较时,为精确比较并获取该第二人脸图像对应的用户信息,故而设置的第二阈值要大于第一阈值,例如为特征相似度要大于0.9,以保证得到的与第二人脸图像相匹配的人脸图像即为用户本身的人脸图像。并且,若满足阈值要求的人脸图像有多个,则应将其中特征相似度最高的特征对应的人脸图像作为与第二人脸图像相匹配的人脸图像。其中,若没有满足阈值要求的人脸图像,则说明该用户可能为未注册用户,或者人脸数据库中并没有该用户的人脸图像,可提醒用户进行注册以便下次可通过人脸识别来进行校验。
根据本发明实施例的技术方案,在接收人脸识别请求之前,还需要预先确定第二人脸图像对应的对象为活体,即:对第二人脸图像对应的对象进行活体检测。其中,活体检测是在一些身份验证场景确定对象真实生理特征的方法,在人脸识别应用中,活体检测能通过眨眼、张嘴、摇头、点头等组合动作,使用人脸关键点定位和人脸追踪等技术,验证用户是否为真实活体本人操作。可有效抵御图像、换脸、面具、遮挡以及屏幕翻拍等常见的攻击手段,从而帮助用户甄别欺诈行为,保障用户的利益。
本发明的人脸预筛数据库可以包括多个级别的数据库。例如:根据地域范围对人脸预筛数据库进行分级,可以分为:国家对应的人脸预筛数据库、城市对应的人脸预筛数据库、人脸识别站点对应的人脸预筛数据库等等。在进行人脸识别时,可以先从人脸识别站点对应的人脸预筛数据库中进行人脸识别匹配,若未能识别或匹配,则再从城市对应的人脸预筛数据库中进行人脸识别匹配,以此类推。同样地,全量的人脸数据库也可以进行多级别的划分,在进行人脸预筛时,也可以逐级由小范围的人脸数据库到大范围的人脸数据库进行人脸预筛。并且,在***运行一段时间后,还可以建立常客数据库,将经常从该人脸识别站点进行人脸识别操作的用户作为常客,以更快速、方便地进行人脸识别。
并且,若在所有的人脸预筛数据库中均未能查找到与第二人脸图像相匹配的人脸图像,还可到全量的人脸数据库中进行第二人脸图像的识别匹配,若仍未能找到匹配的人脸图像,则说明该用户可能并未进行人脸注册,可提示用户进行人脸注册,以便于下次的人脸识别。
图2是本发明一个实施例的人脸识别的流程示意图。根据本发明的技术方案,人脸识别的流程主要可以分为两部分,预筛流程和识别流程。一般情况下,用户在通过闸机之前还会有一段通道,通过在通道内安装摄像头等图像获取装置即可采集用户的第一人脸图像,并用于进行人脸图像的预筛,建立人脸预筛数据库;当用户到达闸机进行人脸识别时,会通过闸机上安装的人脸图像获取装置采集清晰的第二人脸图像,并从人脸预筛数据库中进行人脸匹配以得到准确的用户信息。
如图2所示,当用户进入站点通道内摄像头的可拍摄区域后,抓拍摄像头将抓取人脸图像并通过网络发送到后端的人脸识别***,并进行人脸图像预筛,并将预筛得到的人脸图像保存到人脸预筛数据库中。预筛流程主要包括以下步骤:
1)采集视频流
站点通道摄像头实时抓拍现场视频流,通过站点内的局域网络实时推送给站点机房的服务器以进行视频流分析;
2)获取第一人脸图像
服务器通过视频流分析模块对摄像头发来的视频流进行逐帧分析,提取有效的人脸图像,并进行人脸图像的质量筛查和人脸跟踪,以得到符合条件(例如:质量得分满足预设阈值)的第一人脸图像。服务器的预筛前置模块实时监听视频流分析模块,获取第一人脸图像;
3)请求安全验证
预筛前置模块获取到第一人脸图像后,按约定报文接口向人脸服务模块的网关发送人脸预筛请求,网关接收到后对请求报文的合法性进行安全验证;
4)请求路由分发
安全网关完成交易报文验证后,根据路由分发策略路由给人脸服务模块,路由分发策略例如是按照接收的报文顺序,依次平均分发给多个人脸服务模块,其中,人脸服务模块也可以是由单独的服务器来实现;
5)人脸预筛搜索
人脸服务模块获取到预筛请求报文后,根据服务的策略配置,将对应的人脸预筛请求路由分发给不同的人脸预筛搜索模块,具体地,是根据每个人脸预筛搜索模块的GPU(Graphics Processing Unit,图形处理器)大小来进行分发的;
6)更新站点人脸预筛数据库信息
若人脸预筛搜索模块的GPU匹配到相似的人,则将匹配到的人的相关信息更新到站点对应的人脸预筛数据库中,其中,相关信息例如可以包括用户姓名、性别、身份证号、手机号、人脸图像以及人脸图像的特征矩阵和特征ID等等信息。
当用户到达人脸识别装置(如:闸机)后,人脸识别装置上部署的人脸拍照装置获取到清晰的人脸图像,并通过网络发送到人脸识别***,并根据比对策略在多级人脸库中进行人脸识别,识别成功后根据特征ID查询到对应的用户信息,返回给前端的人脸识别装置。识别流程主要包括如下步骤:
1)上传第二人脸图片
闸机(人脸识别装置)上的PAD(人脸拍照装置)抓拍到过闸用户的第二人脸图像,并在用户通过活体检测后上传抓拍的第二人脸图像到人脸识别***;
2)请求安全验证及路由分发
人脸识别***的网关接收到人脸识别请求后对请求报文的合法性进行安全验证,根据路由分发策略路由给对应的人脸服务模块;
3)人脸图像搜索
人脸服务模块获取到人脸识别请求的报文后,根据服务的策略配置,将对应的人脸识别请求路由分发给不同的人脸图像搜索模块,具体地,可根据每个人脸图像搜索模块的GPU大小来进行分发;
4)人脸图像数据库多级比对
人脸图像搜索模块通过GPU从预筛人脸数据库中获取与第二人脸图片相匹配的人脸图片,以完成人脸识别,返回识别结果。其中,预筛人脸数据库可以是多级别的;
5)获取用户信息
根据识别结果获取相应的用户信息
6)返回PAD识别结果
将识别结果返回给人脸识别设备上部署的显示模块PAD;
7)过闸通行
若识别成功,则闸机开门,给予放行;否则拒绝通行。
图3是根据本发明实施例的人脸识别的装置的主要模块示意图。如图3所示,本发明实施例的人脸识别的装置300主要包括预筛请求接收模块301、预筛图像查找模块302、识别请求接收模块303和人脸识别匹配模块304。
预筛请求接收模块301,用于接收人脸预筛请求,所述人脸预筛请求包括第一人脸图像;
预筛图像查找模块302,用于根据所述人脸预筛请求从人脸数据库中查找与所述第一人脸图像相匹配的图像集,并将所述图像集保存到人脸预筛数据库中;
识别请求接收模块303,用于接收人脸识别请求,所述人脸识别请求包括第二人脸图像;
人脸识别匹配模块304,用于根据所述人脸识别请求从所述人脸预筛数据库中查找与所述第二人脸图像相匹配的人脸图像,并将查找到的人脸图像的用户信息作为人脸识别结果。
根据本发明的一个实施例,预筛图像查找模块302还可以用于:
对所述第一人脸图像进行特征提取以得到第一特征;
通过将人脸数据库中每个人脸图像的特征分别与所述第一特征进行相似度比较以得到与所述第一人脸图像相匹配的图像集,其中,所述图像集是相似度满足第一阈值的特征对应的人脸图像;
人脸识别匹配模块304还可以用于:
对所述第二人脸图像进行特征提取以得到第二特征;
通过将所述人脸预筛数据库中每个人脸图像的特征分别与所述第二特征进行相似度比较以得到与所述第二人脸图像相匹配的人脸图像,其中,与所述第二人脸图像相匹配的人脸图像是相似度满足第二阈值的特征中相似度最高的特征对应的人脸图像,且所述第二阈值大于所述第一阈值。
根据本发明的另一个实施例,人脸识别的装置300还可以包括活体检测模块(图中未示出),用于:
在接收人脸识别请求之前,确定所述第二人脸图像对应的对象为活体。
根据本发明的又一个实施例,所述第一人脸图像通过采集视频,并从所述视频中进行图像提取,然后对提取的图像进行质量筛查和人脸跟踪处理得到。
根据本发明的再一个实施例,通过如下指标中的不少于一个对提取的图像进行质量筛查:图像清晰度、人脸遮挡率和人脸偏转角度。
根据本发明的一个实施例,所述人脸预筛数据库包括多个级别的数据库。
根据本发明实施例的技术方案,通过在接收人脸预筛请求时,根据其中包括的第一人脸图像从全量的人脸数据库中查找与其相匹配的图像集并保存到人脸预筛数据库中,然后在接收人脸识别请求时,根据其中包括的第二人脸图像从人脸预筛数据库中查找与其相匹配的人脸图像,并将查找到的人脸图像的用户信息作为人脸识别结果,实现了通过对人脸数据库进行预筛以提高人脸识别的速度和效率,用户在进行人脸识别时,无需通过其他的附加手段即可准确地进行识别,满足了大客流场景下的安全校验需求,且人脸识别的速度和准确度均有极大的提高。
图4示出了可以应用本发明实施例的人脸识别的方法或人脸识别的装置的示例性***架构400。
如图4所示,***架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯用户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱用户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的人脸识别的方法一般由服务器405执行,相应地,人脸识别的装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备或服务器的计算机***500的结构示意图。图5示出的终端设备或服务器仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机***500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有***500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括预筛请求接收模块、预筛图像查找模块、识别请求接收模块和人脸识别匹配模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,预筛请求接收模块还可以被描述为“用于接收人脸预筛请求的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:接收人脸预筛请求,所述人脸预筛请求包括第一人脸图像;根据所述人脸预筛请求从人脸数据库中查找与所述第一人脸图像相匹配的图像集,并将所述图像集保存到人脸预筛数据库中;接收人脸识别请求,所述人脸识别请求包括第二人脸图像;根据所述人脸识别请求从所述人脸预筛数据库中查找与所述第二人脸图像相匹配的人脸图像,并将查找到的人脸图像的用户信息作为人脸识别结果。
根据本发明实施例的技术方案,通过在接收人脸预筛请求时,根据其中包括的第一人脸图像从全量的人脸数据库中查找与其相匹配的图像集并保存到人脸预筛数据库中,然后在接收人脸识别请求时,根据其中包括的第二人脸图像从人脸预筛数据库中查找与其相匹配的人脸图像,并将查找到的人脸图像的用户信息作为人脸识别结果,实现了通过对人脸数据库进行预筛以提高人脸识别的速度和效率,用户在进行人脸识别时,无需通过其他的附加手段即可准确地进行识别,满足了大客流场景下的安全校验需求,且人脸识别的速度和准确度均有极大的提高。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (14)
1.一种人脸识别的方法,其特征在于,包括:
接收人脸预筛请求,所述人脸预筛请求包括第一人脸图像;
根据所述人脸预筛请求从人脸数据库中查找与所述第一人脸图像相匹配的图像集,并将所述图像集保存到人脸预筛数据库中;
接收人脸识别请求,所述人脸识别请求包括第二人脸图像;
根据所述人脸识别请求从所述人脸预筛数据库中查找与所述第二人脸图像相匹配的人脸图像,并将查找到的人脸图像的用户信息作为人脸识别结果。
2.根据权利要求1所述的方法,其特征在于,根据所述人脸预筛请求从人脸数据库中查找与所述第一人脸图像相匹配的图像集包括:
对所述第一人脸图像进行特征提取以得到第一特征;
通过将人脸数据库中每个人脸图像的特征分别与所述第一特征进行相似度比较以得到与所述第一人脸图像相匹配的图像集,其中,所述图像集是相似度满足第一阈值的特征对应的人脸图像;
根据所述人脸识别请求从所述人脸预筛数据库中查找与所述第二人脸图像相匹配的人脸图像包括:
对所述第二人脸图像进行特征提取以得到第二特征;
通过将所述人脸预筛数据库中每个人脸图像的特征分别与所述第二特征进行相似度比较以得到与所述第二人脸图像相匹配的人脸图像,其中,与所述第二人脸图像相匹配的人脸图像是相似度满足第二阈值的特征中相似度最高的特征对应的人脸图像,且所述第二阈值大于所述第一阈值。
3.根据权利要求1所述的方法,其特征在于,接收人脸识别请求之前,还包括:
确定所述第二人脸图像对应的对象为活体。
4.根据权利要求1所述的方法,其特征在于,所述第一人脸图像通过采集视频,并从所述视频中进行图像提取,然后对提取的图像进行质量筛查和人脸跟踪处理得到。
5.根据权利要求4所述的方法,其特征在于,通过如下指标中的不少于一个对提取的图像进行质量筛查:图像清晰度、人脸遮挡率和人脸偏转角度。
6.根据权利要求1所述的方法,其特征在于,所述人脸预筛数据库包括多个级别的数据库。
7.一种人脸识别的装置,其特征在于,包括:
预筛请求接收模块,用于接收人脸预筛请求,所述人脸预筛请求包括第一人脸图像;
预筛图像查找模块,用于根据所述人脸预筛请求从人脸数据库中查找与所述第一人脸图像相匹配的图像集,并将所述图像集保存到人脸预筛数据库中;
识别请求接收模块,用于接收人脸识别请求,所述人脸识别请求包括第二人脸图像;
人脸识别匹配模块,用于根据所述人脸识别请求从所述人脸预筛数据库中查找与所述第二人脸图像相匹配的人脸图像,并将查找到的人脸图像的用户信息作为人脸识别结果。
8.根据权利要求7所述的装置,其特征在于,
所述预筛图像查找模块还用于:
对所述第一人脸图像进行特征提取以得到第一特征;
通过将人脸数据库中每个人脸图像的特征分别与所述第一特征进行相似度比较以得到与所述第一人脸图像相匹配的图像集,其中,所述图像集是相似度满足第一阈值的特征对应的人脸图像;
所述人脸识别匹配模块还用于:
对所述第二人脸图像进行特征提取以得到第二特征;
通过将所述人脸预筛数据库中每个人脸图像的特征分别与所述第二特征进行相似度比较以得到与所述第二人脸图像相匹配的人脸图像,其中,与所述第二人脸图像相匹配的人脸图像是相似度满足第二阈值的特征中相似度最高的特征对应的人脸图像,且所述第二阈值大于所述第一阈值。
9.根据权利要求7所述的装置,其特征在于,还包括活体检测模块,用于:在接收人脸识别请求之前,确定所述第二人脸图像对应的对象为活体。
10.根据权利要求7所述的装置,其特征在于,所述第一人脸图像通过采集视频,并从所述视频中进行图像提取,然后对提取的图像进行质量筛查和人脸跟踪处理得到。
11.根据权利要求10所述的装置,其特征在于,通过如下指标中的不少于一个对提取的图像进行质量筛查:图像清晰度、人脸遮挡率和人脸偏转角度。
12.根据权利要求7所述的装置,其特征在于,所述人脸预筛数据库包括多个级别的数据库。
13.一种人脸识别的电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911012966.6A CN110825765B (zh) | 2019-10-23 | 2019-10-23 | 一种人脸识别的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911012966.6A CN110825765B (zh) | 2019-10-23 | 2019-10-23 | 一种人脸识别的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110825765A true CN110825765A (zh) | 2020-02-21 |
CN110825765B CN110825765B (zh) | 2022-10-04 |
Family
ID=69550271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911012966.6A Active CN110825765B (zh) | 2019-10-23 | 2019-10-23 | 一种人脸识别的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110825765B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111310580A (zh) * | 2020-01-19 | 2020-06-19 | 四川联众竞达科技有限公司 | 非配合状态下的人脸识别方法 |
CN111724497A (zh) * | 2020-06-30 | 2020-09-29 | 重庆勤鸟圈科技有限公司 | 用于健身房的淋浴控制*** |
CN111914649A (zh) * | 2020-07-01 | 2020-11-10 | 珠海大横琴科技发展有限公司 | 人脸识别的方法及装置、电子设备、存储介质 |
CN112052728A (zh) * | 2020-07-30 | 2020-12-08 | 广州市标准化研究院 | 一种便捷式人像识别防欺骗装置及其控制方法 |
CN112101254A (zh) * | 2020-09-21 | 2020-12-18 | 深圳喜为智慧科技有限公司 | 一种提升图像识别精度和速度的方法和*** |
CN112115910A (zh) * | 2020-09-28 | 2020-12-22 | 中国银行股份有限公司 | 人脸库更新方法及装置 |
CN112132074A (zh) * | 2020-09-28 | 2020-12-25 | 平安养老保险股份有限公司 | 人脸图像验证方法、装置、计算机设备及存储介质 |
CN112288939A (zh) * | 2020-12-15 | 2021-01-29 | 成都智元汇信息技术股份有限公司 | 一种基于人脸预采集的闸机人脸识别方法、***、终端及存储介质 |
CN112488016A (zh) * | 2020-12-09 | 2021-03-12 | 重庆邮电大学 | 多角度人脸识别方法及应用 |
CN112597867A (zh) * | 2020-12-17 | 2021-04-02 | 佛山科学技术学院 | 戴口罩人脸识别方法、***、计算机设备及存储介质 |
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 |
CN113378738A (zh) * | 2021-06-18 | 2021-09-10 | 北京市商汤科技开发有限公司 | 比对方法及装置、设备和存储介质 |
CN113792672A (zh) * | 2021-09-16 | 2021-12-14 | 平安科技(深圳)有限公司 | 公共场所健康码获取方法、装置、设备及介质 |
CN115116174A (zh) * | 2022-06-29 | 2022-09-27 | 中铁第四勘察设计院集团有限公司 | 一种基于用户授权信息自动获取通行健康码的***及方法 |
CN115880745A (zh) * | 2022-09-07 | 2023-03-31 | 以萨技术股份有限公司 | 一种获取人脸图像特征的数据处理*** |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080137917A1 (en) * | 2006-12-08 | 2008-06-12 | Atsushi Okubo | Information Processing Apparatus and Information Processing Method, Recognition Apparatus and Information Recognition Method, and Program |
KR20110107521A (ko) * | 2010-03-25 | 2011-10-04 | 박창연 | 얼굴인식 dvr을 이용한 유비쿼터스 감시 시스템 및 그 방법 |
CN102622581A (zh) * | 2012-02-20 | 2012-08-01 | 华焦宝 | 人脸检测方法及*** |
US20130329971A1 (en) * | 2010-12-10 | 2013-12-12 | Nagravision S.A. | Method and device to speed up face recognition |
CN105279496A (zh) * | 2015-10-26 | 2016-01-27 | 浙江宇视科技有限公司 | 一种人脸识别的方法和装置 |
CN106997447A (zh) * | 2016-01-22 | 2017-08-01 | 鸿富锦精密工业(深圳)有限公司 | 人脸识别***及人脸识别方法 |
CN107609508A (zh) * | 2017-09-08 | 2018-01-19 | 深圳市金立通信设备有限公司 | 一种人脸识别方法、终端及计算机可读存储介质 |
US20180039823A1 (en) * | 2016-08-04 | 2018-02-08 | International Business Machines Corporation | Clustering large database of images using multilevel clustering approach for optimized face recognition process |
CN108256459A (zh) * | 2018-01-10 | 2018-07-06 | 北京博睿视科技有限责任公司 | 基于多摄像机融合的安检门人脸识别和人脸自动建库算法 |
CN108280422A (zh) * | 2018-01-22 | 2018-07-13 | 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 |
CN108509846A (zh) * | 2018-02-09 | 2018-09-07 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
CN108920639A (zh) * | 2018-07-02 | 2018-11-30 | 北京百度网讯科技有限公司 | 基于语音交互的上下文获取方法及设备 |
CN109117808A (zh) * | 2018-08-24 | 2019-01-01 | 深圳前海达闼云端智能科技有限公司 | 面部识别方法、装置、电子设备及计算机可读介质 |
CN109376614A (zh) * | 2018-09-29 | 2019-02-22 | 爱笔(北京)智能科技有限公司 | 一种基于人脸的服务提供方法及装置 |
CN109492538A (zh) * | 2018-10-17 | 2019-03-19 | 广州云从信息科技有限公司 | 基于人脸识别技术的智能登机***、方法及可读存储介质 |
CN109791625A (zh) * | 2016-07-29 | 2019-05-21 | Ntech实验室有限责任公司 | 使用人工神经网络进行面部识别 |
CN109977765A (zh) * | 2019-02-13 | 2019-07-05 | 平安科技(深圳)有限公司 | 人脸图像识别方法、装置及计算机设备 |
CN109993102A (zh) * | 2019-03-28 | 2019-07-09 | 北京达佳互联信息技术有限公司 | 相似人脸检索方法、装置及存储介质 |
-
2019
- 2019-10-23 CN CN201911012966.6A patent/CN110825765B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080137917A1 (en) * | 2006-12-08 | 2008-06-12 | Atsushi Okubo | Information Processing Apparatus and Information Processing Method, Recognition Apparatus and Information Recognition Method, and Program |
KR20110107521A (ko) * | 2010-03-25 | 2011-10-04 | 박창연 | 얼굴인식 dvr을 이용한 유비쿼터스 감시 시스템 및 그 방법 |
US20130329971A1 (en) * | 2010-12-10 | 2013-12-12 | Nagravision S.A. | Method and device to speed up face recognition |
CN102622581A (zh) * | 2012-02-20 | 2012-08-01 | 华焦宝 | 人脸检测方法及*** |
CN105279496A (zh) * | 2015-10-26 | 2016-01-27 | 浙江宇视科技有限公司 | 一种人脸识别的方法和装置 |
CN106997447A (zh) * | 2016-01-22 | 2017-08-01 | 鸿富锦精密工业(深圳)有限公司 | 人脸识别***及人脸识别方法 |
CN109791625A (zh) * | 2016-07-29 | 2019-05-21 | Ntech实验室有限责任公司 | 使用人工神经网络进行面部识别 |
US20180039823A1 (en) * | 2016-08-04 | 2018-02-08 | International Business Machines Corporation | Clustering large database of images using multilevel clustering approach for optimized face recognition process |
CN107609508A (zh) * | 2017-09-08 | 2018-01-19 | 深圳市金立通信设备有限公司 | 一种人脸识别方法、终端及计算机可读存储介质 |
CN108256459A (zh) * | 2018-01-10 | 2018-07-06 | 北京博睿视科技有限责任公司 | 基于多摄像机融合的安检门人脸识别和人脸自动建库算法 |
CN108280422A (zh) * | 2018-01-22 | 2018-07-13 | 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 |
CN108509846A (zh) * | 2018-02-09 | 2018-09-07 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
CN108920639A (zh) * | 2018-07-02 | 2018-11-30 | 北京百度网讯科技有限公司 | 基于语音交互的上下文获取方法及设备 |
CN109117808A (zh) * | 2018-08-24 | 2019-01-01 | 深圳前海达闼云端智能科技有限公司 | 面部识别方法、装置、电子设备及计算机可读介质 |
CN109376614A (zh) * | 2018-09-29 | 2019-02-22 | 爱笔(北京)智能科技有限公司 | 一种基于人脸的服务提供方法及装置 |
CN109492538A (zh) * | 2018-10-17 | 2019-03-19 | 广州云从信息科技有限公司 | 基于人脸识别技术的智能登机***、方法及可读存储介质 |
CN109977765A (zh) * | 2019-02-13 | 2019-07-05 | 平安科技(深圳)有限公司 | 人脸图像识别方法、装置及计算机设备 |
CN109993102A (zh) * | 2019-03-28 | 2019-07-09 | 北京达佳互联信息技术有限公司 | 相似人脸检索方法、装置及存储介质 |
Non-Patent Citations (4)
Title |
---|
LIU N 等: "A facial sparse descriptor for single image based face recognition", 《NEUROCOMPUTING》 * |
R. ZHAO 等: "Face recognition using variance weightiness LBP based on single training image per person", 《2011 INTERNATIONAL CONFERENCE ON WAVELET ANALYSIS AND PATTERN RECOGNITION》 * |
赵旻: "基于KL算法的人脸识别理论的研究及***实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
马国峻 等: "轻量级智能终端人脸识别***研究与实现", 《通信学报》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111310580A (zh) * | 2020-01-19 | 2020-06-19 | 四川联众竞达科技有限公司 | 非配合状态下的人脸识别方法 |
CN111724497A (zh) * | 2020-06-30 | 2020-09-29 | 重庆勤鸟圈科技有限公司 | 用于健身房的淋浴控制*** |
CN111914649A (zh) * | 2020-07-01 | 2020-11-10 | 珠海大横琴科技发展有限公司 | 人脸识别的方法及装置、电子设备、存储介质 |
CN112052728A (zh) * | 2020-07-30 | 2020-12-08 | 广州市标准化研究院 | 一种便捷式人像识别防欺骗装置及其控制方法 |
CN112052728B (zh) * | 2020-07-30 | 2024-04-02 | 广州市标准化研究院 | 一种便捷式人像识别防欺骗装置及其控制方法 |
CN112101254A (zh) * | 2020-09-21 | 2020-12-18 | 深圳喜为智慧科技有限公司 | 一种提升图像识别精度和速度的方法和*** |
CN112115910A (zh) * | 2020-09-28 | 2020-12-22 | 中国银行股份有限公司 | 人脸库更新方法及装置 |
CN112132074A (zh) * | 2020-09-28 | 2020-12-25 | 平安养老保险股份有限公司 | 人脸图像验证方法、装置、计算机设备及存储介质 |
CN112488016A (zh) * | 2020-12-09 | 2021-03-12 | 重庆邮电大学 | 多角度人脸识别方法及应用 |
CN112288939A (zh) * | 2020-12-15 | 2021-01-29 | 成都智元汇信息技术股份有限公司 | 一种基于人脸预采集的闸机人脸识别方法、***、终端及存储介质 |
CN112597867A (zh) * | 2020-12-17 | 2021-04-02 | 佛山科学技术学院 | 戴口罩人脸识别方法、***、计算机设备及存储介质 |
CN112597867B (zh) * | 2020-12-17 | 2024-04-26 | 佛山科学技术学院 | 戴口罩人脸识别方法、***、计算机设备及存储介质 |
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 |
CN113378738A (zh) * | 2021-06-18 | 2021-09-10 | 北京市商汤科技开发有限公司 | 比对方法及装置、设备和存储介质 |
CN113792672A (zh) * | 2021-09-16 | 2021-12-14 | 平安科技(深圳)有限公司 | 公共场所健康码获取方法、装置、设备及介质 |
CN113792672B (zh) * | 2021-09-16 | 2024-05-28 | 平安科技(深圳)有限公司 | 公共场所健康码获取方法、装置、设备及介质 |
CN115116174A (zh) * | 2022-06-29 | 2022-09-27 | 中铁第四勘察设计院集团有限公司 | 一种基于用户授权信息自动获取通行健康码的***及方法 |
CN115880745A (zh) * | 2022-09-07 | 2023-03-31 | 以萨技术股份有限公司 | 一种获取人脸图像特征的数据处理*** |
Also Published As
Publication number | Publication date |
---|---|
CN110825765B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110825765B (zh) | 一种人脸识别的方法和装置 | |
US11908238B2 (en) | Methods and systems for facial point-of-recognition (POR) provisioning | |
CN111886842B (zh) | 使用基于阈值的匹配进行远程用户身份验证 | |
CN110852193A (zh) | 一种人脸识别的方法和装置 | |
CN110245573B (zh) | 一种基于人脸识别的签到方法、装置及终端设备 | |
CN107169458B (zh) | 数据处理方法、装置及存储介质 | |
TW202026948A (zh) | 活體檢測方法、裝置以及儲存介質 | |
CN111144366A (zh) | 一种基于联合人脸质量评估的陌生人脸聚类方法 | |
CN102646190A (zh) | 一种基于生物特征的认证方法、装置及*** | |
CN110647823A (zh) | 一种优化人脸底库的方法和装置 | |
CN106303599A (zh) | 一种信息处理方法、***及服务器 | |
TWI789128B (zh) | 人臉識別方法、裝置、設備及存儲介質 | |
US9135712B2 (en) | Image recognition system in a cloud environment | |
CN104751041A (zh) | 用于身份验证的方法、***和移动终端 | |
CN108280422B (zh) | 用于识别人脸的方法和装置 | |
KR102297217B1 (ko) | 영상들 간에 객체와 객체 위치의 동일성을 식별하기 위한 방법 및 장치 | |
CN110889314B (zh) | 图像处理方法、装置、电子设备、服务器及*** | |
CN111553327B (zh) | 一种服饰识别方法、装置、设备和介质 | |
WO2019196626A1 (zh) | 媒体处理方法及相关装置 | |
CN109840885B (zh) | 图像融合方法及相关产品 | |
CN111985360A (zh) | 一种人脸识别的方法、装置、设备和介质 | |
CN110929244A (zh) | 数字化身份识别方法、装置、设备及存储介质 | |
CN110348272A (zh) | 动态人脸识别的方法、装置、***和介质 | |
CN111126229A (zh) | 数据处理方法和装置 | |
CN112565674A (zh) | 一种可远程视频监控和控制的展厅中控*** |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220921 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |