CN111199029A - 人脸识别装置以及人脸识别方法 - Google Patents
人脸识别装置以及人脸识别方法 Download PDFInfo
- Publication number
- CN111199029A CN111199029A CN201811367426.5A CN201811367426A CN111199029A CN 111199029 A CN111199029 A CN 111199029A CN 201811367426 A CN201811367426 A CN 201811367426A CN 111199029 A CN111199029 A CN 111199029A
- Authority
- CN
- China
- Prior art keywords
- face
- similarity
- face image
- image
- current
- 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
- 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
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种人脸识别装置以及人脸识别方法，用于对识别对象的人脸进行识别，本发明的人脸识别装置包括：基准图像存储部；摄像部；相似度计算部；角度偏差计算部；综合相似度计算部；综合相似度比较判断部；以及识别对象判定部。基准图像存储部存储有多组基准人脸图像，摄像部进行人脸图像采集得到当前人脸图像，相似度计算部把当前人脸图像依次与每一组基准人脸图像分别进行相似度比较，角度偏差计算部把当前人脸图像依次与每一组基准人脸图像进行角度比较，综合相似度计算部计算得到与多个当前人脸图像对应的综合相似度，综合相似度比较判断部判断最高的综合相似度是否大于等于相似度阈值，识别对象判定部判定出当前的识别对象的身份信息。
Description
技术领域
本发明涉及人脸识别装置以及人脸识别方法，特别涉及一种用于对识别对象的人脸进行识别的人脸识别装置以及人脸识别方法。
背景技术
基于生物特征的身份鉴别技术在社会生活中具有越来越重要的地位和作用。在多种生物认证方法中，基于人面部特征的识别和认证因为具有无侵犯性、成本低、隐蔽性好、不需要被测者特殊配合等优点而得到广泛的关注和重视，具有广泛的应用前景。
现有的人脸识别装置中，需要事先采集一张或者少数几张识别对象的人脸图像作为基准人脸图像，在进行识别人脸操作时，采集一张当前状态的识别对象的当前人脸图像并将其与基准人脸图像进行比较得到相似度，再将该相似度与预设的相似度阈值进行比较从而判定当前的识别对象的身份信息。实际应用中，这种方案有可能发生误判，其原因主要有如下几种：1.对于一个识别对象的基准人脸图像采集数量较少，人脸的相关特征较为单一；2.采集到的当前人脸图像有可能清晰度较低；3.基准人脸图像不更新，然而识别对象有可能更换发型、妆容或者戴上眼镜而发生外貌上的变化。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供一种能够准备快速的对识别对象的人脸进行识别的人脸识别装置以及人脸识别方法。
本发明为了实现上述目的，采用了以下结构：
<结构一>
本发明提供一种人脸识别装置，用于对识别对象的人脸进行识别，其特征在于，包括：基准图像存储部；摄像部；相似度计算部；角度偏差计算部；综合相似度计算部；综合相似度比较判断部；以及识别对象判定部，其中，基准图像存储部存储有与多个识别对象分别相对应的多组基准人脸图像，每组基准人脸图像包括识别对象的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像，摄像部对当前状态的识别对象进行人脸图像采集得到当前人脸图像，相似度计算部把当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行相似度比较，得到多个分别与每一组基准人脸图像相对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度，角度偏差计算部把当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行角度比较，得到多个分别与每一组基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角，综合相似度计算部按照预定计算规则，根据每一组的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度和对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角计算得到多个当前人脸图像与每组基准人脸图像之间的综合相似度，综合相似度比较判断部把最高的综合相似度作为最高综合相似度与预定的相似度阈值进行比较，判断最高综合相似度是否大于等于相似度阈值，当最高综合相似度大于等于相似度阈值时，识别对象判定部根据最高综合相似度判定出相对应的身份信息作为当前的识别对象的身份信息。
<结构二>
本发明还提供一种人脸识别装置，用于对识别对象的人脸进行识别，其特征在于，包括：基准图像存储部；摄像部；控制部；相似度计算部；角度偏差计算部；综合相似度计算部；最高综合相似度获取部；身份信息获取部；信息判断部；清晰度计算部；综合清晰度计算部；以及识别对象判定部，其中，基准图像存储部存储有与多个识别对象分别相对应的多组基准人脸图像，每组基准人脸图像包括识别对象的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像，摄像部对当前状态的识别对象进行多次人脸图像采集得到多张当前人脸图像，控制部针对每一张当前人脸图像，控制相似度计算部把该当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行相似度比较，得到多个分别与每一组基准人脸图像相对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度；控制角度偏差计算部把当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行角度比较，得到多个分别与每一组基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角；控制综合相似度计算部按照预定计算规则，根据每一组的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度和对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角计算得到多个综合相似度；控制最高综合相似度获取部根据该多个综合相似度获取最高的综合相似度作为最高综合相似度；进一步控制身份信息获取部根据最高综合相似度获取出相对应的身份信息，控制部还控制信息判断部判断与多个当前人脸图像分别相对应并且由身份信息获取部所获取的多个身份信息是否对应于不同的识别对象，当判断为对应于不同的识别对象时，清晰度计算部针对多个当前人脸图像分别进行图像分析得到多个清晰度，综合清晰度计算部根据多个清晰度，针对不同的识别对象分别计算出相应的综合清晰度，识别对象判定部根据最高的综合清晰度判定相对应的识别对象为当前的识别对象。
本发明还提供一种人脸识别方法，用于对识别对象的人脸进行识别，其特征在于，包括以下步骤：基准图像存储步骤，采集并存储与多个识别对象分别相对应的多组基准人脸图像，每组基准人脸图像包括识别对象的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像；摄像步骤，对当前状态的识别对象进行人脸图像采集得到当前人脸图像；相似度计算步骤，把当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行相似度比较，得到多个分别与每一组基准人脸图像相对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度；角度偏差计算步骤，把当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行角度比较，得到多个分别与每一组基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角；综合相似度计算步骤，按照预定计算规则，根据每一组的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度和对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角计算得到多个当前人脸图像与每组基准人脸图像之间的综合相似度；综合相似度比较判断步骤，把最高的综合相似度作为最高综合相似度与预定的相似度阈值进行比较，判断最高综合相似度是否大于等于相似度阈值；识别对象判定步骤，当最高综合相似度大于等于相似度阈值时，根据最高综合相似度判定出相对应的身份信息作为当前的识别对象的身份信息。
发明的作用与效果
根据本发明所涉及的人脸识别装置以及人脸识别方法，因为基准图像存储部存储有多组包括识别对象的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像的基准人脸图像，相似度计算部把当前人脸图像依次与每一组基准人脸图像分别进行相似度比较，角度偏差计算部把当前人脸图像依次与每一组基准人脸图像分别进行角度比较，综合相似度计算部按照预定计算规则，根据相似度计算部以及角度偏差计算部的比较结果得到当前人脸图像与每组基准人脸图像之间的综合相似度，识别对象判定部根据最高综合相似度判定出相对应的身份信息作为当前的识别对象的身份信息，所以本发明的人脸识别装置能够针对不同的基准图片进行相似度计算并计算出最高的综合相似度，从而减小了当前人脸图像的人脸朝向对识别结果的影响，使得对识别对象的人脸进行识别时的结果更为准确。
附图说明
图1是本发明的实施例一中人脸识别装置的结构框图；
图2是本发明的实施例一身份信息显示画面的示意图；
图3是本发明的实施例一身份信息显示画面的示意图；
图4是本发明的实施例一中人脸识别装置的动作流程图；
图5是本发明的实施例一中人脸识别装置的更新处理步骤图；
图6是本发明的实施例二中人脸识别装置的结构框图；以及
图7是本发明的实施例二中人脸识别装置的动作流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下结合实施例及附图对本发明的人脸识别装置作具体阐述。
作为第一种实施形态，本发明提供了一种人脸识别装置，用于对识别对象的人脸进行识别，其特征在于，包括：基准图像存储部；摄像部；相似度计算部；角度偏差计算部；综合相似度计算部；综合相似度比较判断部；以及识别对象判定部，其中，基准图像存储部存储有与多个识别对象分别相对应的多组基准人脸图像，每组基准人脸图像包括识别对象的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像，摄像部对当前状态的识别对象进行人脸图像采集得到当前人脸图像，相似度计算部把当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行相似度比较，得到多个分别与每一组基准人脸图像相对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度，角度偏差计算部把当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行角度比较，得到多个分别与每一组基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角，综合相似度计算部按照预定计算规则，根据每一组的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度和对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角计算得到多个当前人脸图像与每组基准人脸图像之间的综合相似度，综合相似度比较判断部把最高的综合相似度作为最高综合相似度与预定的相似度阈值进行比较，判断最高综合相似度是否大于等于相似度阈值，当最高综合相似度大于等于相似度阈值时，识别对象判定部根据最高综合相似度判定出相对应的身份信息作为当前的识别对象的身份信息。
在第一种实施形态中，还可以具有这样的特征，还包括：更新记录部、更新控制部、相似度判断部、当前时间获取部、更新间隔判断部、基准相似度计算部、基准相似度判断部以及基准图像更新部，其中，更新记录部存储有每组基准人脸图像的更新时间，一旦识别对象判定部根据当前人脸图像的最高综合相似度判定出相对应的身份信息，更新控制部就将对应的一组基准人脸图像作为当前基准人脸图像组，控制相似度判断部判断当前人脸图像与当前基准人脸图像组之间的最高综合相似度是否在80％-90％之间，当判断为在80％-90％之间时，更新控制部控制当前时间获取部获取当前时间，并控制更新间隔判断部判断更新记录部中存储的当前基准人脸图像组所对应的最近一次的更新时间与该当前时间的间隔是否在预定时间间隔，当判断为大于时，更新控制部控制基准相似度计算部分别计算当前人脸图像与当前基准人脸图像组中的各个基准人脸图像之间的当前基准相似度并计算当前基准人脸图像组中的各对基准人脸图像之间的多个基准相似度，进一步控制基准相似度判断部判断当前基准相似度中的最小值是否小于基准相似度的平均值，当判断为小于时，更新控制部控制基准图像更新部根据当前人脸图像对基准图像存储部中存储的对应的基准人脸图像进行更新操作，并控制更新记录部对应地对该组基准人脸图像的更新时间进行记录。
在第一种实施形态中，还可以具有这样的特征，还包括：基准图像删除部，其中，基准图像存储部中的每组基准人脸图像包括至少一个基准正脸图像、至少一个基准左侧脸图像、至少一个基准右侧脸图像、至少一个基准仰视脸图像以及至少一个基准俯视脸图像，基准图像更新部包括朝向判定单元以及数量判断单元，朝向判定单元根据与当前基准人脸图像组相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角判定当前人脸图像的人脸朝向作为当前人脸朝向；数量判断单元判断当前基准人脸图像组中与当前人脸朝向相同朝向的基准人脸图像的数量是否小于预定数量，当判断为小于时，更新控制部把当前人脸图像作为与当前人脸朝向相对应的新的基准人脸图像，把当前时间作为该新的基准人脸图像的存储时间，控制基准图像存储部对该新的基准人脸图像及其存储时间进行追加存储，当判断为不小于时，更新控制部把当前人脸图像作为与当前人脸朝向相对应的新的基准人脸图像，把当前时间作为该新的基准人脸图像的存储时间，控制基准图像存储部对该新的基准人脸图像及其存储时间进行追加存储，并控制基准图像删除部将基准图像存储部中的与当前人脸朝向相对应并且存储时间最早的基准人脸图像进行删除。
在第一种实施形态中，还可以具有这样的特征：其中，预定计算规则包括相似度系数赋予规则以及综合相似度计算规则，相似度系数赋予规则为：首先，采用坐标的形式将与每一组基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角分别表示为(x0,y0)、(x1,y1)、(x2,y2)、(x3,y3)以及(x4,y4)，从而计算得到正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角的一组偏差程度分别为
以及
然后，将一组偏差程度分别加上固定值1e-4并求倒数得到对应的一组序列值分别为
以及
最后，计算得到对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度所对应的一组相似度系数分别为
以及
其中，s＝w0+w1+w2+w3+w4，综合相似度计算规则为将正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度与对应的相似度系数分别相乘后相加得到综合相似度。
在第一种实施形态中，还可以具有这样的特征：其中，摄像部包括摄像头、摄像控制单元、真脸判断单元以及输出单元，一旦摄像头拍摄到一个人脸图像，摄像控制单元就控制真脸判断单元判断该人脸图像是否为真脸，进一步在判断为是时控制输出单元将该人脸图像作为当前人脸图像进行输出。
在第一种实施形态中，还可以具有这样的特征：其中，基准正脸图像的人脸朝向为正前方，基准左侧脸图像中的人脸朝向为左侧，基准右侧脸图像中的人脸朝向为右侧，基准仰视脸图像中的人脸朝向为上方，基准俯视脸图像中的人脸朝向为下方，基准左侧脸图像中的人脸朝向与基准正脸图像的人脸朝向的角度偏差以及基准右侧脸图像的人脸朝向与基准正脸图像的人脸朝向的角度偏差为10°-30°，基准仰视脸图像中的人脸朝向与基准正脸图像的人脸朝向的角度偏差以及基准俯视脸图像的人脸朝向与基准正脸图像的人脸朝向的角度偏差为10°-20°。
在第一种实施形态中，还可以具有这样的特征，还包括：预设阈值存储部、阈值更新控制部、阈值准确度计算部以及相似度阈值存储部，其中，预设阈值存储部存储有多个预先设定的预设相似度阈值，阈值更新控制部根据预设的阈值更新时间点，控制阈值准确度计算部针对预设相似度阈值基于准确值计算规则以及基准图像存储部存储的多组基准人脸图像计算出每个预设相似度阈值的准确值，并控制相似度阈值存储部将准确值最高的预设相似度阈值作为让综合相似度比较判断部作为判断基准的相似度阈值进行存储。
在第一种实施形态中，还可以具有这样的特征：其中，准确值计算规则为：首先，遍历基准图像存储部中的全部基准人脸图像，将属于同一组的基准人脸图像两两配对形成多个同组对，并将不属于同一组的基准人脸图像两两配对形成多个异组对，然后，计算各个同组对以及各个异组对的两个基准人脸图像之间的相似度，最后，计算每个预设相似度阈值的准确值a为：
其中a1为具有高于预设相似度阈值的相似度的同组对的对数，a2为具有低于预设相似度阈值的相似度的异组对的对数，a3为同组对的对数与异组对的对数的对数和。
作为第二种实施形态，本发明提供了一种人脸识别装置，用于对识别对象的人脸进行识别，其特征在于，包括：基准图像存储部；摄像部；控制部；相似度计算部；角度偏差计算部；综合相似度计算部；最高综合相似度获取部；身份信息获取部；信息判断部；清晰度计算部；综合清晰度计算部；以及识别对象判定部，其中，基准图像存储部存储有与多个识别对象分别相对应的多组基准人脸图像，每组基准人脸图像包括识别对象的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像，摄像部对当前状态的识别对象进行多次人脸图像采集得到多张当前人脸图像，控制部针对每一张当前人脸图像，控制相似度计算部把该当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行相似度比较，得到多个分别与每一组基准人脸图像相对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度；控制角度偏差计算部把当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行角度比较，得到多个分别与每一组基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角；控制综合相似度计算部按照预定计算规则，根据每一组的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度和对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角计算得到多个综合相似度；控制最高综合相似度获取部根据该多个综合相似度获取最高的综合相似度作为最高综合相似度；进一步控制身份信息获取部根据最高综合相似度获取出相对应的身份信息，控制部还控制信息判断部判断与多个当前人脸图像分别相对应并且由身份信息获取部所获取的多个身份信息是否对应于不同的识别对象，当判断为对应于不同的识别对象时，清晰度计算部针对多个当前人脸图像分别进行图像分析得到多个清晰度，综合清晰度计算部根据多个清晰度，针对不同的识别对象分别计算出相应的综合清晰度，识别对象判定部根据最高的综合清晰度判定相对应的识别对象为当前的识别对象。
在第二种实施形态中，还可以具有这样的特征：其中，综合清晰度计算部包括：清晰度系数存储单元，存储有多个图像清晰度以及对应的清晰度系数；清晰度系数获取单元，依次根据每个当前人脸图像的清晰度从清晰度系数存储单元中检索获取对应的清晰度系数；综合累计单元，依次将每一个不同的识别对象所对应的当前人脸图像的清晰度系数进行累加，得到每一个识别对象的综合清晰度。
作为第三种实施形态，本发明提供了一种人脸识别方法，用于对识别对象的人脸进行识别，其特征在于，包括以下步骤：基准图像存储步骤，采集并存储与多个识别对象分别相对应的多组基准人脸图像，每组基准人脸图像包括识别对象的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像；摄像步骤，对当前状态的识别对象进行人脸图像采集得到当前人脸图像；相似度计算步骤，把当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行相似度比较，得到多个分别与每一组基准人脸图像相对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度；角度偏差计算步骤，把当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行角度比较，得到多个分别与每一组基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角；综合相似度计算步骤，按照预定计算规则，根据每一组的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度和对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角计算得到多个当前人脸图像与每组基准人脸图像之间的综合相似度；综合相似度比较判断步骤，把最高的综合相似度作为最高综合相似度与预定的相似度阈值进行比较，判断最高综合相似度是否大于等于相似度阈值；识别对象判定步骤，当最高综合相似度大于等于相似度阈值时，根据最高综合相似度判定出相对应的身份信息作为当前的识别对象的身份信息。
<实施例一>
在本实施例一中，人脸识别装置用于对识别对象的人脸进行识别。具体来说，比如人脸识别装置可以为企业的考勤装置，预先存储有企业的每一位员工的一组基准人脸图像。在某人员考勤打卡时，考勤装置对该人员进行人脸识别，当考勤装置识别出该人员的身份信息，即对该人员完成了考勤打卡操作。如果该人员为非企业员工，则考勤装置显示陌生人的提示信息。
图1是本发明的实施例一中人脸识别装置的结构框图。
如图1所示，人脸识别装置100包含基准图像存储部1、摄像部2、相似度计算部3、角度偏差计算部4、综合相似度计算部5、综合相似度比较判断部6、识别对象判定部7、画面存储部8、输出显示部9、输出显示控制部10、相似度判断部11、当前时间获取部12、更新记录部13、更新间隔判断部14、基准相似度计算部15、基准相似度判断部16、基准图像更新部17、基准图像删除部18、更新控制部19、预设阈值存储部20、阈值准确度计算部21、相似度阈值存储部22、阈值更新控制部23、通信部24以及控制部25。
基准图像存储部1存储有预先录入的与多个识别对象分别相对应的多组基准人脸图像，每组基准人脸图像包括识别对象的至少一个基准正脸图像、至少一个基准左侧脸图像、至少一个基准右侧脸图像、至少一个基准仰视脸图像以及至少一个基准俯视脸图像。其中，基准正脸图像的人脸朝向为正前方，基准左侧脸图像中的人脸朝向为左侧，基准右侧脸图像中的人脸朝向为右侧，基准仰视脸图像中的人脸朝向为上方，基准俯视脸图像中的人脸朝向为下方。在本实施例中，每组基准人脸图像的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像的数量均为一个，当然也可以根据企业的实际需求设置为多个。
以基准正脸图像的人脸朝向为基准人脸朝向，基准左侧脸图像中的人脸朝向以及基准右侧脸图像的人脸朝向与基准人脸朝向的角度偏差为10°-30°，基准仰视脸图像中的人脸朝向以及基准俯视脸图像的人脸朝向与基准人脸朝向的角度偏差为10°-20°。
摄像部2对当前状态的识别对象进行人脸图像采集得到当前人脸图像，包括摄像头、摄像控制单元、真脸判断单元以及输出单元。摄像头用于拍摄采集人脸图像。摄像控制单元用于控制真脸判断单元判断该人脸图像是否为真脸，当真脸判断单元判断为是真脸时，摄像控制单元控制输出单元将该人脸图像作为当前人脸图像进行输出。例如，在企业的考勤打卡***中，摄像头拍摄到图像后，真脸判断单元先判断该图像是否为真脸图像，以防止摄像头采集到的是预先准备好的某员工的照片图像。
相似度计算部3把当前人脸图像依次与各组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行相似度比较，得到多个分别与每一组基准人脸图像相对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度。
角度偏差计算部4把当前人脸图像依次与各组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行角度比较，得到多个分别与每一组基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角。
综合相似度计算部5按照预定计算规则，根据各组的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度和对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角计算得到多个当前人脸图像与每组基准人脸图像之间的综合相似度。其中，预定计算规则包括相似度系数赋予规则以及综合相似度计算规则。
相似度系数赋予规则为：
首先，采用坐标的形式将与每一组基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角分别表示为(x0,y0)、(x1,y1)、(x2,y2)、(x3,y3)以及(x4,y4)，从而计算得到正脸偏差角b0、左侧偏差角b1、右侧偏差角b2、仰视偏差角b3以及俯视偏差角b4的一组偏差程度分别为
以及
其中，x0为当前人脸图像的人脸的正前方与基准正脸图像的人脸的正前方在水平方向上的偏差角，x1为当前人脸图像的人脸的正前方与基准左侧脸图像的人脸的正前方在水平方向上的偏差角，x2为当前人脸图像的人脸的正前方与基准右侧脸图像的人脸的正前方在水平方向上的偏差角，x3为当前人脸图像的人脸的正前方与基准仰视脸图像的人脸的正前方在水平方向上的偏差角，x4为当前人脸图像的人脸的正前方与基准俯视脸图像的人脸的正前方在水平方向上的偏差角。y0为当前人脸图像的人脸的正前方与基准正脸图像的人脸的正前方在垂直方向上的偏差角，y1为当前人脸图像的人脸的正前方与基准左侧脸图像的人脸的正前方在垂直方向上的偏差角，y2为当前人脸图像的人脸的正前方与基准右侧脸图像的人脸的正前方在垂直方向上的偏差角，y3为当前人脸图像的人脸的正前方与基准仰视脸图像的人脸的正前方在垂直方向上的偏差角，y4为当前人脸图像的人脸的正前方与基准俯视脸图像的人脸的正前方在垂直方向上的偏差角。
然后，将这一组偏差程度分别加上固定值1e-4并求倒数得到对应的一组序列值分别为
以及
其中，w0为正脸偏差角对应的序列值，w1为左侧偏差角对应的序列值，w2为右侧偏差角对应的序列值，w3为仰视偏差角对应的序列值，w4为俯视偏差角对应的序列值。
最后，计算得到对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度所对应的一组相似度系数分别为
以及
其中，w0为正脸相似度的相似度系数，w1为左侧相似度的相似度系数，w2为右侧相似度的相似度系数，w3为仰视相似的相似度系数，w4为俯视相似度的相似度系数，s为对应的序列值w0、w1、w2、w3以及w4的和，即s＝w0+w1+w2+w3+w4。
综合相似度计算规则为：将正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度与对应的相似度系数分别相乘，然后相加，即得到综合相似度。
综合相似度比较判断部6把最高的综合相似度作为最高综合相似度与预定的相似度阈值进行比较，判断最高综合相似度是否大于等于相似度阈值。
识别对象判定部7用于当最高综合相似度大于等于相似度阈值时，根据最高综合相似度判定出相对应的身份信息作为当前的识别对象的身份信息。
画面存储部8存储有陌生人提示画面8a以及与多个识别对象分别对应的多个身份信息显示画面8b。
图2是本发明的实施例一身份信息显示画面的示意图。
如图2所示，陌生人提示画面8a包含陌生人提示框81a，该陌生人提示框81a用于显示“当前识别对象为陌生人”的提示信息。
图3是本发明的实施例一身份信息显示画面的示意图。
如图3所示，多个身份信息显示画面8b分别包含用于显示对应的识别对象的身份信息的身份信息显示框81b。例如企业的员工A对应的身份信息显示框显示的内容为“当前识别对象为员工A”。
输出显示部9用于进行对上述画面的显示。
输出显示控制部10用于根据识别对象判定部7的判定结果控制输出显示部9显示上述画面。
相似度判断部11用于判断最高综合相似度是否在80％-90％之间。
当前时间获取部12用于获取当前时间。
更新记录部13用于记录和存储每组基准人脸图像的更新时间。
更新间隔判断部14判断更新记录部13中存储的当前基准人脸图像组所对应的最近一次的更新时间与当前时间获取部12获取的当前时间的间隔是否在预定时间间隔。在本实施例中预定时间间隔为1天，当然也可以根据企业的实际需求设置为其他天数。
基准相似度计算部15用于在上述最近一次的更新时间与当前时间的间隔大于预定时间间隔时分别计算当前人脸图像与当前基准人脸图像组中的各个基准人脸图像之间的当前基准相似度，并计算当前基准人脸图像组中的各对基准人脸图像之间的多个基准相似度。
基准相似度判断部16用于判断当前基准相似度中的最小值是否小于基准相似度的平均值。
基准图像更新部17用于当前基准相似度中的最小值小于基准相似度的平均值时根据当前人脸图像对基准图像存储部1中存储的对应的基准人脸图像进行更新操作。基准图像更新部17包括朝向判定单元以及数量判断单元。
朝向判定单元用于根据与当前基准人脸图像组相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角判定当前人脸图像的人脸朝向作为当前人脸朝向。例如，当左侧偏差角的数值最大时，当前基准人脸图像组中的基准左侧脸图像的人脸朝向即为当前人脸朝向。
数量判断单元用于判断当前基准人脸图像组中与当前人脸朝向相同朝向的基准人脸图像的数量是否小于预定数量。
基准图像删除部18用于将基准图像存储部1中的与当前人脸朝向相对应并且存储时间最早的基准人脸图像进行删除。
更新控制部19用于对涉及图像更新的部件的工作进行控制，包括：在识别对象判定部7判定出当前的识别对象的身份信息时，将对应的一组基准人脸图像作为当前基准人脸图像组控制相似度判断部11判断当前人脸图像与当前基准人脸图像组之间的最高综合相似度是否在80％-90％之间；在判断为在80％-90％之间时，控制当前时间获取部获取当前时间，并控制更新间隔判断部14判断当前基准人脸图像组所对应的最近一次的更新时间与该当前时间的间隔是否大于预定时间间隔；在判断为大于时，控制基准相似度计算部15分别计算当前基准相似度和多个基准相似度，进一步控制基准相似度判断部16判断当前基准相似度中的最小值是否小于多个基准相似度的平均值；在判断为小于时，控制朝向判定单元判定当前人脸图像的人脸朝向，控制数量判断单元判断与当前人脸朝向同向的基准人脸图像的数量是否小于预定数量；在判断为小于时，控制基准图像存储部1对当前人脸图像及当前时间进行追加存储；在判断为不小于时，控制基准图像存储部1对当前人脸图像及当前时间进行追加存储，并控制基准图像删除部18将对应的存储时间最早的基准人脸图像进行删除，并控制更新记录部13对应地对更新时间进行记录。
预设阈值存储部20存储有多个预先设定的预设相似度阈值，
准确度计算部21用于针对预设的相似度阈值基于准确值计算规则以及基准图像存储部1存储的多组基准人脸图像计算出各个预设相似度阈值的准确值。
其中，准确值计算规则为：
首先，遍历基准图像存储部中的全部基准人脸图像，将属于同一组的基准人脸图像两两配对形成多个同组对，并将不属于同一组的基准人脸图像两两配对形成多个异组对。
然后，计算各个同组对以及各个异组对的两个基准人脸图像之间的相似度。
最后，计算每个预设相似度阈值的准确值a为：
其中a1为具有高于预设相似度阈值的相似度的同组对的对数，a2为具有低于预设相似度阈值的相似度的异组对的对数，a3为同组对的对数与异组对的对数的对数和。
相似度阈值存储部22用于将准确值最高的预设相似度阈值作为让综合相似度比较判断部6作为判断基准的相似度阈值进行存储。
阈值更新控制部23用于对相似度阈值进行更新的部件的工作进行控制，包括：根据预设的阈值更新时间点，控制阈值准确度计算部21计算出各个预设相似度阈值的准确值，并控制相似度阈值存储部22对让综合相似度比较判断部6作为判断基准的相似度阈值进行存储。在本实施例中，预设的阈值更新时间点为每周日的24点，当然也可以根据客户的实际需求设置为其他时间。
通信部24用于进行人脸识别装置100的各个构成部分之间的数据交换。
控制部25用于对人脸识别装置100的各个构成部分的工作进行控制。
本实施例的人脸识别装置采集到当前状态的识别对象的当前人脸图像后将当前人脸图像与每组基准人脸图像进行相似度分析并计算得到综合相似度，通过最高的综合相似度判断该识别对象的身份信息并对该识别对象对应的一组基准人脸图像进行图像的更新操作。
图4是本发明的实施例一中人脸识别装置的动作流程图。
如图4所示，在本实施例一中，人脸识别装置100的动作流程包含如下步骤：
步骤S1-1-1，摄像头拍摄人脸图像，然后进入步骤S1-1-2。
步骤S1-1-2，摄像控制单元控制真脸判断单元判断摄像头拍摄到的人脸图像是否为真脸,当判断为是时进入步骤S1-1-3，当判断为否时进入步骤S1-1-1。
步骤S1-1-3，摄像控制单元控制输出单元将该人脸图像作为当前人脸图像进行输出，然后进入步骤S1-1-4。
步骤S1-1-4，相似度计算部3把当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行相似度比较，得到多个分别与每一组基准人脸图像相对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度，然后进入步骤S1-1-5。
步骤S1-1-5，角度偏差计算部4把当前人脸图像依次与每一组基准人脸图像中的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像分别进行角度比较，得到多个分别与每一组基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角，然后进入步骤S1-1-6。
步骤S1-1-6，综合相似度计算部5按照预定计算规则计算得到多个当前人脸图像与每组基准人脸图像之间的综合相似度，然后进入步骤S1-1-7。
步骤S1-1-7，综合相似度比较判断部6把最高的综合相似度作为最高综合相似度与预定的相似度阈值进行比较，判断该最高综合相似度是否大于等于预定的阈值，当判断为是时进入步骤S1-1-8，当判断为否时进入步骤S1-1-10。
步骤S1-1-8，识别对象判定部7根据最高综合相似度判定出相对应的身份信息作为当前的识别对象的身份信息，然后进入步骤S1-1-9。
步骤S1-1-9，输出显示控制部10控制输出显示部9显示当前的识别对象的身份信息对应的身份信息显示画面8b，然后进入步骤S1-2，对当前的识别对象的身份信息对应的一组基准人脸图像的进行更新处理。
步骤S1-1-10，识别对象判定部7判定当前的识别对象为陌生人，然后进入步骤S1-1-11。
步骤S1-1-11，输出显示控制部10控制输出显示部9显示陌生人提示画面8a，然后进入结束状态。
在上述动作流程中，每组基准人脸图像的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像的数量均为一个，当每组基准人脸图像的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像的数量为多个时，可以多次重复上述步骤S1-1-4得到每一组基准人脸图像的多个正脸相似度、多个左侧相似度、多个右侧相似度、多个仰视相似度以及多个俯视相似度，并将该多个正脸相似度、多个左侧相似度、多个右侧相似度、多个仰视相似度以及多个俯视相似度分别求平均值得到平均正脸相似度、平均左侧相似度、平均右侧相似度、平均仰视相似度以及平均俯视相似度作为每组基准人脸图像对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度，同理多次重复上述步骤S1-1-5，计算得到平均正脸偏差角、平均左侧偏差角、平均右侧偏差角、平均仰视偏差角以及平均俯视偏差角作为每组基准人脸图像的对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角，然后进入步骤S1-1-6。
图5是本发明的实施例一中人脸识别装置的更新处理步骤图。
如图5所示，本实施例的人脸识别装置100在完成人脸识别动作后，还将当前基准人脸图像作为待更新的人脸图像对基准图像存储部中的当前基准图像组进行更新处理，该更新处理S1-2包含以下步骤：
步骤S1-2-1，更新控制部19将当前的识别对象的身份信息对应的一组基准人脸图像作为当前基准人脸图像组，控制相似度判断部11判断当前人脸图像与当前基准人脸图像组之间的最高综合相似度是否在80％-90％之间，当判断为是时进入步骤S1-2-2，当判断为否时进入结束状态。
步骤S1-2-2，更新控制部19控制当前时间获取部12获取当前时间，然后进入步骤S1-2-3。
步骤S1-2-3，更新控制部19控制更新间隔判断部14判断更新记录部13中存储的当前基准人脸图像组所对应的最近一次的更新时间与该当前时间的间隔是否大于预定时间间隔，当判断为是时进入步骤S1-2-4，当判断为否时进入结束状态。
步骤S1-2-4，更新控制部19控制基准相似度计算部15分别计算当前人脸图像与当前基准人脸图像组中的各个基准人脸图像之间的当前基准相似度并计算当前基准人脸图像组中的各对基准人脸图像之间的多个基准相似度，然后进入步骤S1-2-5。
步骤S1-2-5，更新控制部19控制基准相似度判断部16判断当前基准相似度中的最小值是否小于基准相似度的平均值，当判断为是时进入步骤S1-2-6，当判断为否时进入结束状态。
步骤S1-2-6，更新控制部19控制朝向判定单元根据与当前基准人脸图像组相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角判定当前人脸图像的人脸朝向作为当前人脸朝向，然后进入步骤S1-2-7。
步骤S1-2-7，更新控制部19控制数量判断单元判断当前基准人脸图像组中与当前人脸朝向相同朝向的基准人脸图像的数量是否小于预定数量，当判断为是时进入步骤S1-2-8，当判断为否时进入步骤S1-2-9。
步骤S1-2-8，更新控制部19把当前人脸图像作为与当前人脸朝向相对应的新的基准人脸图像，把当前时间作为该新的基准人脸图像的存储时间，控制基准图像存储部1对该新的基准人脸图像及其存储时间进行追加存储，然后进入步骤S1-2-11。
步骤S1-2-9，更新控制部19把当前人脸图像作为与当前人脸朝向相对应的新的基准人脸图像，把当前时间作为该新的基准人脸图像的存储时间，控制基准图像存储部1对该新的基准人脸图像及其存储时间进行追加存储，然后进入步骤S1-2-10。
步骤S1-2-10，更新控制部19控制基准图像删除部将基准图像存储部中的与当前人脸朝向相对应并且存储时间最早的基准人脸图像进行删除，然后进入步骤S1-2-11。
步骤S1-2-11，更新控制部19控制更新记录部13对应地将当前时间作为该组基准人脸图像的更新时间进行记录，然后进入结束状态。
实施例一的作用与效果
根据本实施例所涉及的人脸识别装置以及人脸识别方法，因为基准图像存储部存储有多组包括识别对象的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像的基准人脸图像，相似度计算部把当前人脸图像依次与每一组基准人脸图像分别进行相似度比较，角度偏差计算部把当前人脸图像依次与每一组基准人脸图像分别进行角度比较，综合相似度计算部按照预定计算规则，根据相似度计算部以及角度偏差计算部的比较结果得到当前人脸图像与每组基准人脸图像之间的综合相似度，识别对象判定部根据最高综合相似度判定出相对应的身份信息作为当前的识别对象的身份信息，所以本实施例的人脸识别装置能够针对不同的基准图片进行相似度计算并计算出最高的综合相似度，通过最高的综合相似度与相似度阈值进行身份信息判定，从而减小了当前人脸图像的人脸朝向对识别结果的影响，具有较高的准确率。
此外，更新控制部控制基准图像更新部根据当前人脸图像对对应的基准人脸图像进行更新操作，所以本实施例的人脸识别装置能够定期对基准人脸图像进行更新，避免了由于识别对象的人脸的面部变化导致进行人脸识别时发生无法识别的情况。
而且，更新控制部在相似度判断部判断当前人脸图像的最高综合相似度在80％-90％、基准相似度判断部判断当前基准相似度中的最小值小于基准相似度的平均值以及更新间隔判断部判断当前基准图像组最近一次的更新时间与当前时间的间隔不在预定时间间隔时，才控制基准图像更新部对基准人脸图像进行更新，保证了该当前基准人脸图像组具有较高的图像质量并保证了能够对基准人脸图像进行定期更新。
此外，朝向判定单元能够判定当前人脸图像的人脸朝向作为当前人脸朝向；更新控制部能够把当前人脸图像作为与当前人脸朝向相对应的新的基准人脸图像，控制基准图像存储部对该新的基准人脸图像及其存储时间进行追加存储，所以本实施例能够判定当前人脸图像的人脸朝向，并将其对应追加到对应的当前基准人脸图像组中，从而保证了当前基准人脸图像组中依然保持原有的五个不同人脸朝向的图像特征。
此外，基准正脸图像的人脸朝向为正前方，基准左侧脸图像中的人脸朝向为左侧，基准右侧脸图像中的人脸朝向为右侧，基准仰视脸图像中的人脸朝向为上方，基准俯视脸图像中的人脸朝向为下方，所以本实施例的每组基准人脸图像都具有五个方向的人脸朝向，使得在采集当前人脸图像时，不需要特别限制识别对象的人脸朝向，就能对该识别对象进行识别，且识别准确率高。
此外，阈值更新控制部根据预设的阈值更新时间点，控制阈值准确度计算部计算出每个预设相似度阈值的准确值，并控制相似度阈值存储部将准确值最高的预设相似度阈值作为让综合相似度比较判断部作为判断基准的相似度阈值进行存储，所以本实施例能够定期更新相似度阈值，使得本实施例的人脸识别装置进行人脸识别时具有较高的准备率。
<实施例二>
与实施例一相比，实施例二对其中与实施例一具有同样结构的构成要素赋予同样的符号并省略相应的说明。
图6是本发明的实施例二中人脸识别装置的结构框图。
如图6所示，在本实施例中，人脸识别装置200是基于多张拍摄到的人脸图像进行人脸识别的装置，具体包含基准图像存储部1、摄像部2、相似度计算部3、角度偏差计算部4、综合相似度计算部5、最高综合相似度获取部26、身份信息获取部27、信息判断部28、清晰度计算部29、综合清晰度计算部30、综合相似度比较判断部6、识别对象判定部7、画面存储部8、输出显示部9、输出显示控制部10、相似度判断部11、当前时间获取部12、更新记录部13、更新间隔判断部14、基准相似度计算部15、基准相似度判断部16、基准图像更新部17、基准图像删除部18、更新控制部19、预设阈值存储部20、阈值准确度计算部21、相似度阈值存储部22、阈值更新控制部23、通信部24以及控制部25。
摄像部2用于对当前状态的识别对象进行多次人脸图像采集得到多张当前人脸图像，每一次人脸图像采集的动作流程与实施例一相同，在此不再赘述。在本实施例中，摄像部2对当前状态的识别对象进行五次人脸采集图像采集得到5张当前人脸图像。
针对采集的每一张当前人脸图像，相似度计算部3用于计算该张当前人脸图像与各组基准图像之间的相似度，角度偏差计算部4用于计算该张当前人脸图像与各组之间的角度偏差，其具体过程与实施例一相同，在此不再赘述。
最高综合相似度获取部26用于根据综合相似度计算部5计算得到的多个综合相似度获取最高的综合相似度作为每一张当前人脸图像对应的最高综合相似度。
身份信息获取部27用于根据每一张当前人脸图像对应的最高综合相似度获取出相对应的身份信息。
信息判断部28用于判断与多个当前人脸图像分别相对应并且由身份信息获取部27所获取的多个身份信息是否对应于不同的识别对象。
清晰度计算部29用于在身份信息获取部27所获取的多个身份信息对应于不同的识别对象对应于不同的识别对象时，针对多个当前人脸图像分别进行图像分析得到多个清晰度。
综合清晰度计算部30用于针对不同的识别对象分别计算出相应的综合清晰度，包括清晰度系数存储单元、清晰度系数获取单元以及综合累计单元。
清晰度系数存储单元存储有多个图像清晰度以及对应的清晰度系数。
清晰度系数获取单元依次根据各个当前人脸图像的清晰度从清晰度系数存储单元中检索获取对应的清晰度系数。
综合累计单元依次将每一个不同的识别对象所对应的当前人脸图像的清晰度系数进行累加，得到每一个识别对象的综合清晰度。例如，当前人脸图像的数量为5个，其中两张的身份信息对应A员工，清晰度系数分别为0.1和0.3，另外三张的身份信息对应B员工，清晰度分别为0.1、0.3以及0.2，则对应A员工的综合清晰度为0.4，对应B员工的综合清晰度为0.6。
识别对象判定部7用于根据最高的综合清晰度判定相对应的识别对象为当前的识别对象。
画面存储部8存储有多个身份信息显示画面8b以及陌生人提示画面8a，身份信息显示画面8b以及陌生人提示画面8a的构成与实施例一相同，在此不再赘述。
输出显示部9用于进行对上述画面的显示。
输出显示控制部10用于控制输出显示部9对上述画面进行显示，具体实施过程与实施例一相同，在此不再赘述。
通信部24用于进行人脸识别装置200的各个构成部分之间的数据交换。
控制部25用于对人脸识别装置200的各个构成部分的工作进行控制。
本实施例的人脸识别装置200采集到多张当前人脸图像后将每一张当前人脸图像与每组基准人脸图像进行相似度分析并计算得到对应的最高综合相似度，通过判断多个最高的综合相似度是否对应不同的身份信息，当对应不同的身份信息时，分别计算对应同一个身份信息的当前人脸图像的综合清晰度，并将最后的综合清晰度对应的当前人脸图像作为当前的识别对象对应的当前人脸图像。
图7是本发明的实施例二中人脸识别装置的动作流程图。
如图7所示，在本实施例二中，人脸识别装置200的动作流程包含如下步骤：
步骤S2-1，摄像部2对当前状态的识别对象进行多次人脸图像采集得到多张当前人脸图像，然后进入步骤S2-2。
步骤S2-2，控制部25针对多张当前人脸图像，控制相似度计算部3、角度偏差计算部4以及综合相似度计算部5进行对应的操作得到各张当前人脸图像与每组基准人脸图像之间的综合相似度，然后进入步骤S2-3。
步骤S2-3，控制部25针对多张当前人脸图像，控制最高综合相似度获取部26根据每张当前人脸图像的多个综合相似度获取最高的综合相似度作为每一张当前人脸图像对应的最高综合相似度，然后进入步骤S2-4。
步骤S2-4，控制部25针对多张当前人脸图像，控制身份信息获取部27根据每一张当前人脸图像对应的最高综合相似度获取出相对应的身份信息，然后进入步骤S2-5。
步骤S2-5，控制部25控制信息判断部28判断与多个当前人脸图像分别相对应并且由身份信息获取部27所获取的多个身份信息是否对应于不同的识别对象，当判断为是时进入步骤S2-6，当判断为否时进入步骤S2-10。
步骤S2-6，清晰度计算部29针对多个当前人脸图像分别进行图像分析得到多个清晰度，然后进入步骤S2-7。
步骤S2-7，清晰度系数获取单元依次根据每个当前人脸图像的清晰度从清晰度系数存储单元中检索获取对应的清晰度系数，然后进入步骤S2-8。
步骤S2-8，综合累计单元依次将每一个不同的识别对象所对应的当前人脸图像的清晰度系数进行累加，得到每一个识别对象的综合清晰度，然后进入步骤S2-9。
步骤S2-9，识别对象判定部7根据最高的综合清晰度判定相对应的识别对象为当前的识别对象，然后进入步骤S2-10。
步骤S2-10，综合相似度比较判断部6把当前的识别对象对应的最高综合相似度中的最高值作为当前最高综合相似度与预定的相似度阈值进行比较，判断当前最高综合相似度是否大于等于相似度阈值，当判断为是时进入步骤S2-11，当判断为否时进入步骤S2-13。
S2-11，识别对象判定部7根据最高综合相似度判定出相对应的身份信息作为当前的识别对象的身份信息，然后进入步骤S2-12。
步骤S2-12，输出显示控制部10控制输出显示部9显示当前的识别对象的身份信息对应的身份信息显示画面8b，然后进入结束状态。
步骤S2-13，识别对象判定部7判定当前的识别对象为陌生人，然后进入步骤S2-14。
步骤S2-14，输出显示控制部10控制输出显示部9显示陌生人提示画面8a，然后进入结束状态。
上述过程中，步骤S2-1中每次人脸图像采集得到多张当前人脸图像的具体过程与实施例一的步骤S1-1-1～步骤S1-1-2相同；步骤S2-2中当前人脸图像与每组基准人脸图像之间的综合相似度的具体过程与实施例一的步骤S1-1-3～步骤S1-1-5相同，在此不再赘述。
另外，本实施例中，更新控制部19控制相似度判断部11、当前时间获取部12、更新记录部13、更新间隔判断部14、基准相似度计算部15、基准相似度判断部16、基准图像更新部17、基准图像存储部1以及基准图像删除部18将综合相似度最高的当前人脸图像作为待更新的人脸图像，对基准图像存储部中的当前基准人脸图像组进行更新，其过程与实施例一相同，在此不再赘述。
实施例二的作用与效果
根据本实施例二所涉及的人脸识别装置以及人脸识别方法，因为摄像部进行多次人脸图像采集得到多张当前人脸图像，控制部针对每一张当前人脸图像，控制相似度计算部、角度偏差计算部、综合相似度计算部、最高综合相似度获取部进行相应的操作，得到每一张当前人脸图像的最高的综合相似度作为对应的最高综合相似度；并进一步制身份信息获取部获取对应的身份信息，控制信息判断部判断该多个身份信息是否对应于不同的识别对象，当判断为对应于不同的识别对象时，清晰度计算部能够针对多个当前人脸图像分别进行图像分析得到多个清晰度，综合清晰度计算部根据多个清晰度计算出不同的识别对象相应的综合清晰度，识别对象判定部判定最高的综合清晰度对应的识别对象为当前的识别对象，所以本实施例二不仅具有与实施例一一样的效果，而且能够避免因为采集的当前人脸图像不清晰而发生识别错误的情况，提高了人脸识别的准确率以及效率，减少了识别对象在进行人脸识别时所花费的时间。
上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。
Claims (11)
1.一种人脸识别装置，用于对识别对象的人脸进行识别，其特征在于，包括：
基准图像存储部；摄像部；相似度计算部；角度偏差计算部；综合相似度计算部；综合相似度比较判断部；以及识别对象判定部，
其中，所述基准图像存储部存储有与多个识别对象分别相对应的多组基准人脸图像，每组所述基准人脸图像包括所述识别对象的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像，
所述摄像部对当前状态的所述识别对象进行人脸图像采集得到当前人脸图像，
所述相似度计算部把所述当前人脸图像依次与每一组所述基准人脸图像中的所述基准正脸图像、所述基准左侧脸图像、所述基准右侧脸图像、所述基准仰视脸图像以及所述基准俯视脸图像分别进行相似度比较，得到多个分别与每一组所述基准人脸图像相对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度，
所述角度偏差计算部把所述当前人脸图像依次与每一组所述基准人脸图像中的所述基准正脸图像、所述基准左侧脸图像、所述基准右侧脸图像、所述基准仰视脸图像以及所述基准俯视脸图像分别进行角度比较，得到多个分别与每一组所述基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角，
所述综合相似度计算部按照预定计算规则，根据每一组的所述正脸相似度、所述左侧相似度、所述右侧相似度、所述仰视相似度以及所述俯视相似度和对应的所述正脸偏差角、所述左侧偏差角、所述右侧偏差角、所述仰视偏差角以及所述俯视偏差角计算得到多个所述当前人脸图像与每组所述基准人脸图像之间的综合相似度，
所述综合相似度比较判断部把最高的所述综合相似度作为最高综合相似度与预定的相似度阈值进行比较，判断所述最高综合相似度是否大于等于所述相似度阈值，
当所述最高综合相似度大于等于所述相似度阈值时，所述识别对象判定部根据所述最高综合相似度判定出相对应的身份信息作为当前的所述识别对象的身份信息。
2.根据权利要求1所述的人脸识别装置，其特征在于，还包括：
更新记录部、更新控制部、相似度判断部、当前时间获取部、更新间隔判断部、基准相似度计算部、基准相似度判断部以及基准图像更新部，
其中，所述更新记录部存储有每组所述基准人脸图像的更新时间，
一旦所述识别对象判定部根据所述当前人脸图像的所述最高综合相似度判定出相对应的身份信息，所述更新控制部就将对应的一组所述基准人脸图像作为当前基准人脸图像组，控制所述相似度判断部判断所述当前人脸图像与所述当前基准人脸图像组之间的所述最高综合相似度是否在80％-90％之间，
当判断为在80％-90％之间时，所述更新控制部控制所述当前时间获取部获取当前时间，并控制所述更新间隔判断部判断所述更新记录部中存储的所述当前基准人脸图像组所对应的最近一次的更新时间与该当前时间的间隔是否在预定时间间隔，
当判断为大于时，所述更新控制部控制所述基准相似度计算部分别计算所述当前人脸图像与所述当前基准人脸图像组中的各个所述基准人脸图像之间的当前基准相似度并计算所述当前基准人脸图像组中的各对所述基准人脸图像之间的多个基准相似度，进一步控制所述基准相似度判断部判断所述当前基准相似度中的最小值是否小于所述基准相似度的平均值，
当判断为小于时，所述更新控制部控制所述基准图像更新部根据所述当前人脸图像对所述基准图像存储部中存储的对应的所述基准人脸图像进行更新操作，并控制所述更新记录部对应地对该组基准人脸图像的更新时间进行记录。
3.根据权利要求2所述的人脸识别装置，其特征在于，还包括：
基准图像删除部，
其中，所述基准图像存储部中的每组所述基准人脸图像包括至少一个基准正脸图像、至少一个基准左侧脸图像、至少一个基准右侧脸图像、至少一个基准仰视脸图像以及至少一个基准俯视脸图像，
所述基准图像更新部包括朝向判定单元以及数量判断单元，
所述朝向判定单元根据与当前基准人脸图像组相对应的所述正脸偏差角、所述左侧偏差角、所述右侧偏差角、所述仰视偏差角以及所述俯视偏差角判定所述当前人脸图像的人脸朝向作为当前人脸朝向；
所述数量判断单元判断所述当前基准人脸图像组中与所述当前人脸朝向相同朝向的所述基准人脸图像的数量是否小于预定数量，
当判断为小于时，所述更新控制部把所述当前人脸图像作为与所述当前人脸朝向相对应的新的基准人脸图像，把所述当前时间作为该新的基准人脸图像的存储时间，控制所述基准图像存储部对该新的基准人脸图像及其存储时间进行追加存储，
当判断为不小于时，所述更新控制部把所述当前人脸图像作为与所述当前人脸朝向相对应的新的基准人脸图像，把所述当前时间作为该新的基准人脸图像的存储时间，控制所述基准图像存储部对该新的基准人脸图像及其存储时间进行追加存储，并控制所述基准图像删除部将所述基准图像存储部中的与所述当前人脸朝向相对应并且存储时间最早的所述基准人脸图像进行删除。
4.根据权利要求1所述的人脸识别装置，其特征在于：
其中，所述预定计算规则包括相似度系数赋予规则以及综合相似度计算规则，
所述相似度系数赋予规则为：
首先，采用坐标的形式将与每一组所述基准人脸图像相对应的所述正脸偏差角、所述左侧偏差角、所述右侧偏差角、仰视偏差角以及所述俯视偏差角分别表示为(x0,y0)、(x1,y1)、(x2,y2)、(x3,y3)以及(x4,y4)，从而计算得到所述正脸偏差角、所述左侧偏差角、所述右侧偏差角、仰视偏差角以及所述俯视偏差角的一组偏差程度分别为
以及
然后，将一组所述偏差程度分别加上固定值1e-4并求倒数得到对应的一组序列值分别为
以及
最后，计算得到对应的所述正脸相似度、所述左侧相似度、所述右侧相似度、所述仰视相似度以及所述俯视相似度所对应的一组相似度系数分别为
以及
其中，s＝w0+w1+w2+w3+w4，
综合相似度计算规则为将所述正脸相似度、所述左侧相似度、所述右侧相似度、所述仰视相似度以及所述俯视相似度与对应的所述相似度系数分别相乘后相加得到所述综合相似度。
5.根据权利要求1所述的人脸识别装置，其特征在于：
其中，所述摄像部包括摄像头、摄像控制单元、真脸判断单元以及输出单元，
一旦所述摄像头拍摄到一个人脸图像，所述摄像控制单元就控制所述真脸判断单元判断该人脸图像是否为真脸，进一步在判断为是时控制所述输出单元将该人脸图像作为所述当前人脸图像进行输出。
6.根据权利要求1所述的人脸识别装置，其特征在于：
其中，所述基准正脸图像的人脸朝向为正前方，所述基准左侧脸图像中的人脸朝向为左侧，所述基准右侧脸图像中的人脸朝向为右侧，所述基准仰视脸图像中的人脸朝向为上方，所述基准俯视脸图像中的人脸朝向为下方，
所述基准左侧脸图像中的人脸朝向与所述基准正脸图像的人脸朝向的角度偏差以及所述基准右侧脸图像的人脸朝向与所述基准正脸图像的人脸朝向的角度偏差为10°-30°，
所述基准仰视脸图像中的人脸朝向与所述基准正脸图像的人脸朝向的角度偏差以及所述基准俯视脸图像的人脸朝向与所述基准正脸图像的人脸朝向的角度偏差为10°-20°。
7.根据权利要求1所述的人脸识别装置，其特征在于，还包括：
预设阈值存储部、阈值更新控制部、阈值准确度计算部以及相似度阈值存储部，
其中，所述预设阈值存储部存储有多个预先设定的预设相似度阈值，
所述阈值更新控制部根据预设的阈值更新时间点，控制所述阈值准确度计算部针对所述预设相似度阈值基于准确值计算规则以及所述基准图像存储部存储的所述多组基准人脸图像计算出每个所述预设相似度阈值的准确值，并控制所述相似度阈值存储部将所述准确值最高的所述预设相似度阈值作为让所述综合相似度比较判断部作为判断基准的所述相似度阈值进行存储。
8.根据权利要求7所述的人脸识别装置，其特征在于：
其中，所述准确值计算规则为：
首先，遍历所述基准图像存储部中的全部所述基准人脸图像，将属于同一组的所述基准人脸图像两两配对形成多个同组对，并将不属于同一组的所述基准人脸图像两两配对形成多个异组对，
然后，计算各个所述同组对以及各个所述异组对的两个所述基准人脸图像之间的相似度，
最后，计算每个所述预设相似度阈值的所述准确值a为：
其中a1为具有高于所述预设相似度阈值的相似度的所述同组对的对数，a2为具有低于所述预设相似度阈值的相似度的所述异组对的对数，a3为所述同组对的对数与所述异组对的对数的对数和。
9.一种人脸识别装置，用于对识别对象的人脸进行识别，其特征在于，包括：
基准图像存储部；摄像部；控制部；相似度计算部；角度偏差计算部；综合相似度计算部；最高综合相似度获取部；身份信息获取部；信息判断部；清晰度计算部；综合清晰度计算部；以及识别对象判定部，
其中，所述基准图像存储部存储有与多个识别对象分别相对应的多组基准人脸图像，每组所述基准人脸图像包括所述识别对象的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像，
所述摄像部对当前状态的所述识别对象进行多次人脸图像采集得到多张当前人脸图像，
所述控制部针对每一张所述当前人脸图像，控制所述相似度计算部把该当前人脸图像依次与每一组所述基准人脸图像中的所述基准正脸图像、所述基准左侧脸图像、所述基准右侧脸图像、所述基准仰视脸图像以及所述基准俯视脸图像分别进行相似度比较，得到多个分别与每一组所述基准人脸图像相对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度；控制所述角度偏差计算部把所述当前人脸图像依次与每一组所述基准人脸图像中的所述基准正脸图像、所述基准左侧脸图像、所述基准右侧脸图像、所述基准仰视脸图像以及所述基准俯视脸图像分别进行角度比较，得到多个分别与每一组所述基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角；控制所述综合相似度计算部按照预定计算规则，根据每一组的所述正脸相似度、所述左侧相似度、所述右侧相似度、所述仰视相似度以及所述俯视相似度和对应的所述正脸偏差角、所述左侧偏差角、所述右侧偏差角、所述仰视偏差角以及所述俯视偏差角计算得到多个综合相似度；控制所述最高综合相似度获取部根据该多个综合相似度获取最高的所述综合相似度作为最高综合相似度；进一步控制所述身份信息获取部根据所述最高综合相似度获取出相对应的身份信息，
所述控制部还控制所述信息判断部判断与所述多个当前人脸图像分别相对应并且由所述身份信息获取部所获取的多个所述身份信息是否对应于不同的识别对象，
当判断为对应于不同的识别对象时，所述清晰度计算部针对所述多个当前人脸图像分别进行图像分析得到多个清晰度，
所述综合清晰度计算部根据所述多个清晰度，针对所述不同的识别对象分别计算出相应的综合清晰度，
所述识别对象判定部根据最高的所述综合清晰度判定相对应的所述识别对象为当前的所述识别对象。
10.根据权利要求9所述的人脸识别装置，其特征在于：
其中，所述综合清晰度计算部包括：
清晰度系数存储单元，存储有多个图像清晰度以及对应的清晰度系数；
清晰度系数获取单元，依次根据每个所述当前人脸图像的所述清晰度从所述清晰度系数存储单元中检索获取对应的清晰度系数；
综合累计单元，依次将每一个不同的所述识别对象所对应的所述当前人脸图像的所述清晰度系数进行累加，得到每一个所述识别对象的综合清晰度。
11.一种人脸识别方法，用于对识别对象的人脸进行识别，其特征在于，包括以下步骤：
基准图像存储步骤，采集并存储与多个识别对象分别相对应的多组基准人脸图像，每组所述基准人脸图像包括所述识别对象的基准正脸图像、基准左侧脸图像、基准右侧脸图像、基准仰视脸图像以及基准俯视脸图像；
摄像步骤，对当前状态的所述识别对象进行人脸图像采集得到当前人脸图像；
相似度计算步骤，把所述当前人脸图像依次与每一组所述基准人脸图像中的所述基准正脸图像、所述基准左侧脸图像、所述基准右侧脸图像、所述基准仰视脸图像以及所述基准俯视脸图像分别进行相似度比较，得到多个分别与每一组所述基准人脸图像相对应的正脸相似度、左侧相似度、右侧相似度、仰视相似度以及俯视相似度；
角度偏差计算步骤，把所述当前人脸图像依次与每一组所述基准人脸图像中的所述基准正脸图像、所述基准左侧脸图像、所述基准右侧脸图像、所述基准仰视脸图像以及所述基准俯视脸图像分别进行角度比较，得到多个分别与每一组所述基准人脸图像相对应的正脸偏差角、左侧偏差角、右侧偏差角、仰视偏差角以及俯视偏差角；
综合相似度计算步骤，按照预定计算规则，根据每一组的所述正脸相似度、所述左侧相似度、所述右侧相似度、所述仰视相似度以及所述俯视相似度和对应的所述正脸偏差角、所述左侧偏差角、所述右侧偏差角、所述仰视偏差角以及所述俯视偏差角计算得到多个所述当前人脸图像与每组所述基准人脸图像之间的综合相似度；
综合相似度比较判断步骤，把最高的所述综合相似度作为最高综合相似度与预定的相似度阈值进行比较，判断所述最高综合相似度是否大于等于所述相似度阈值；
识别对象判定步骤，当所述最高综合相似度大于等于所述相似度阈值时，根据所述最高综合相似度判定出相对应的身份信息作为当前的所述识别对象的身份信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811367426.5A CN111199029B (zh) | 2018-11-16 | 2018-11-16 | 人脸识别装置以及人脸识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811367426.5A CN111199029B (zh) | 2018-11-16 | 2018-11-16 | 人脸识别装置以及人脸识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111199029A true CN111199029A (zh) | 2020-05-26 |
| CN111199029B CN111199029B (zh) | 2023-07-18 |
Family
ID=70746096
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811367426.5A Active CN111199029B (zh) | 2018-11-16 | 2018-11-16 | 人脸识别装置以及人脸识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111199029B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112001932A (zh) * | 2020-09-01 | 2020-11-27 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、计算机设备和存储介质 |
| CN112199998A (zh) * | 2020-09-09 | 2021-01-08 | 浙江大华技术股份有限公司 | 一种人脸识别方法、装置、设备及介质 |
| CN113255631A (zh) * | 2021-07-15 | 2021-08-13 | 浙江大华技术股份有限公司 | 相似度阈值更新方法、人脸识别方法及相关装置 |
| CN113344132A (zh) * | 2021-06-30 | 2021-09-03 | 成都商汤科技有限公司 | 身份识别方法、***、装置、计算机设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090245593A1 (en) * | 2008-03-31 | 2009-10-01 | Fujitsu Limited | Pattern aligning method, verifying method, and verifying device |
| CN102013011A (zh) * | 2010-12-16 | 2011-04-13 | 重庆大学 | 基于正脸补偿算子的多姿态人脸识别方法 |
| CN102799877A (zh) * | 2012-09-11 | 2012-11-28 | 上海中原电子技术工程有限公司 | 人脸图像筛选方法及*** |
| US20150146991A1 (en) * | 2013-11-28 | 2015-05-28 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method of identifying object in image |
| CN107545252A (zh) * | 2017-08-31 | 2018-01-05 | 北京图铭视界科技有限公司 | 基于多姿态人脸模型的视频中人脸识别方法及装置 |
| CN108647651A (zh) * | 2018-05-14 | 2018-10-12 | 深圳市科发智能技术有限公司 | 一种提高识别通过率的人脸识别方法、***及装置 |
-
2018
- 2018-11-16 CN CN201811367426.5A patent/CN111199029B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090245593A1 (en) * | 2008-03-31 | 2009-10-01 | Fujitsu Limited | Pattern aligning method, verifying method, and verifying device |
| CN102013011A (zh) * | 2010-12-16 | 2011-04-13 | 重庆大学 | 基于正脸补偿算子的多姿态人脸识别方法 |
| CN102799877A (zh) * | 2012-09-11 | 2012-11-28 | 上海中原电子技术工程有限公司 | 人脸图像筛选方法及*** |
| US20150146991A1 (en) * | 2013-11-28 | 2015-05-28 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method of identifying object in image |
| CN107545252A (zh) * | 2017-08-31 | 2018-01-05 | 北京图铭视界科技有限公司 | 基于多姿态人脸模型的视频中人脸识别方法及装置 |
| CN108647651A (zh) * | 2018-05-14 | 2018-10-12 | 深圳市科发智能技术有限公司 | 一种提高识别通过率的人脸识别方法、***及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 王亚南;苏剑波;: "基于图像合成的多姿态人脸图像识别方法" * |
| 王磊;胡超;吴捷;贺庆;刘伟;: "基于多相机的人脸姿态识别" * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112001932A (zh) * | 2020-09-01 | 2020-11-27 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、计算机设备和存储介质 |
| CN112001932B (zh) * | 2020-09-01 | 2023-10-31 | 腾讯科技（深圳）有限公司 | 人脸识别方法、装置、计算机设备和存储介质 |
| CN112199998A (zh) * | 2020-09-09 | 2021-01-08 | 浙江大华技术股份有限公司 | 一种人脸识别方法、装置、设备及介质 |
| CN113344132A (zh) * | 2021-06-30 | 2021-09-03 | 成都商汤科技有限公司 | 身份识别方法、***、装置、计算机设备及存储介质 |
| CN113255631A (zh) * | 2021-07-15 | 2021-08-13 | 浙江大华技术股份有限公司 | 相似度阈值更新方法、人脸识别方法及相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111199029B (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111199029B (zh) | 人脸识别装置以及人脸识别方法 | |
| US9875392B2 (en) | System and method for face capture and matching | |
| WO2020215898A1 (zh) | 三维重建方法及装置、***、模型训练方法、存储介质 | |
| US8634601B2 (en) | Surveillance-based high-resolution facial recognition | |
| JP5605854B2 (ja) | 生体情報を用いた認証システム及び認証装置 | |
| CN105229671B (zh) | 面部位置自动追踪以及面部自动识别方法和*** | |
| CN109635620B (zh) | 自助服务终端(sst)面部认证处理 | |
| JP6822482B2 (ja) | 視線推定装置、視線推定方法及びプログラム記録媒体 | |
| CN107944378A (zh) | 一种自助服务的身份识别方法及自助服务*** | |
| CN109858375A (zh) | 活体人脸检测方法、终端及计算机可读存储介质 | |
| JP7354767B2 (ja) | 物体追跡装置および物体追跡方法 | |
| CN116305076B (zh) | 基于签名的身份信息注册样本在线更新方法、***及存储介质 | |
| CN114511915B (zh) | 一种基于移动客户端的可信任证件照采集***及方法 | |
| CN111784658B (zh) | 一种用于人脸图像的质量分析方法和*** | |
| CN114462646B (zh) | 一种基于接触网安全巡检的杆号牌识别方法及*** | |
| JP4821355B2 (ja) | 人物追跡装置、人物追跡方法および人物追跡プログラム | |
| CN110298268A (zh) | 单镜头识别双向客流的方法、装置、存储介质及摄像头 | |
| CN111263955A (zh) | 一种目标对象的移动轨迹确定方法和装置 | |
| JP2008176645A (ja) | ３次元形状処理装置、３次元形状処理装置の制御方法、および３次元形状処理装置の制御プログラム | |
| CN113869110A (zh) | 物品检测方法、装置、终端及计算机可读存储介质 | |
| KR101990823B1 (ko) | 얼굴정보를 이용한 위치 추정 및 신원 관리 방법, 프로그램 및 장치 | |
| CN115019364A (zh) | 基于人脸识别的身份认证方法、装置、电子设备及介质 | |
| JP2020052788A (ja) | 画像処理装置及びその方法、プログラム | |
| CN110991211B (zh) | 基于改进残差神经网络的便携式单兵人脸识别装置 | |
| JP2013003751A (ja) | 顔照合システム及び顔照合方法 |
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 |