CN111222452A - 一种人脸匹配方法、装置、电子设备及可读存储介质 - Google Patents
一种人脸匹配方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111222452A CN111222452A CN202010005264.1A CN202010005264A CN111222452A CN 111222452 A CN111222452 A CN 111222452A CN 202010005264 A CN202010005264 A CN 202010005264A CN 111222452 A CN111222452 A CN 111222452A
- Authority
- CN
- China
- Prior art keywords
- picture
- face
- compared
- target
- target face
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000013598 vector Substances 0.000 claims abstract description 97
- 238000000605 extraction Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种人脸匹配方法、装置、电子设备及可读存储介质,其中,该方法包括:将采集到的待比对图片进行多次旋转,得到与待比对图片对应的在多个角度下的多张旋转图片;分别对待比对图片和每张旋转图片进行识别,确定待比对图片的目标人脸区域和位于目标人脸区域中的人脸图像;从所述目标人脸区域中提取出人脸图像的第一特征向量;把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果。本申请通过分别对待比对图片和待比对图片经过旋转得到的多张旋转图片进行识别,并与样本图片进行特征比对,可以提高图片匹配结果的准确率。
Description
技术领域
本申请涉及人脸识别技术领域,尤其是涉及一种人脸匹配方法、装置、电子设备及可读存储介质。
背景技术
人脸识别是指能够识别或验证图像或视频中的主体的身份的技术,随着人工智能的发展,人脸识别技术以其不可复制性、非接触性、可扩展性和快速性等特点被广泛应用于各领域中。具体的,在办理业务过程中,通常获取每个客户的证件照片,并统一录入到***的数据库中,***在完善客户信息时,需要对录入的证件照片和***预存的样本照片进行核对,以保证客户信息的准确性。
然而,在对录入的证件照片和样本照片进行核对的过程中,由于照片中的人脸区域存在多样性,导致照片的匹配结果不准确。
发明内容
有鉴于此,本申请的目的在于提供一种人脸匹配方法、装置、电子设备及可读存储介质,通过分别对待比对图片和待比对图片经过旋转得到的多张旋转图片进行识别,并与样本图片进行特征比对,可以提高图片匹配结果的准确率。
第一方面,本申请实施例提供了一种人脸匹配方法,所述人脸匹配方法包括:
将采集到的待比对图片进行多次旋转,得到与所述待比对图片对应的在多个角度下的多张旋转图片;
分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像;
从所述目标人脸区域中提取出所述人脸图像的第一特征向量;
把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,所述分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像,包括:
根据预存的人脸特征,分别从所述待比对图片和每张旋转图片中识别出人脸区域,以及用于表征人脸区域识别精度的置信度分数;
基于每个人脸区域所对应的置信度分数,确定所述待比对图片的目标人脸区域,其中,所述目标人脸区域的置信度分数高于其他人脸区域的置信度分数;
将所述目标人脸区域中的人脸图像确定为待比对人脸图像。
结合第一方面,本申请实施例提供了第一方面的第二种可能的实施方式,其中,所述从所述目标人脸区域中提取出所述人脸图像的第一特征向量,包括:
获取所述目标人脸区域中的人脸图像,并从所述人脸图像中提取多个特征点;
根据所述多个特征点生成所述人脸图像的第一特征向量。
结合第一方面,本申请实施例提供了第一方面的第三种可能的实施方式,其中,所述把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果,包括:
计算所述第一特征向量和获取到的样本图片的第二特征向量的欧氏距离;
根据所述欧式距离与预设距离阈值的比较结果确定所述待比对图片与所述样本图片中的人脸的匹配结果。
结合第一方面,本申请实施例提供了第一方面的第四种可能的实施方式,其中,在所述把所述第一特征向量和获取到的样本图片的第二特征向量进行比对之前,所述人脸匹配方法还包括:
将所述样本图片进行多次旋转,得到与所述样本图片对应的在多个角度下的多张旋转图片;
分别对所述样本图片和每张旋转图片进行识别,确定所述样本图片的第一目标人脸区域和位于所述第一目标人脸区域中的第一人脸图像;
从所述第一目标人脸区域中提取出所述第一人脸图像的第二特征向量。
第二方面,本申请实施例提供了一种人脸匹配装置,所述人脸匹配装置包括:
第一旋转模块,用于将采集到的待比对图片进行多次旋转,得到与所述待比对图片对应的在多个角度下的多张旋转图片;
第一识别模块,用于分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像;
第一提取模块,用于从所述目标人脸区域中提取出所述人脸图像的第一特征向量;
比对模块,用于把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果。
结合第二方面,本申请实施例提供了第二方面的第一种可能的实施方式,其中,所述第一识别模块在用于分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像时,所述第一识别模块用于:
根据预存的人脸特征,分别从所述待比对图片和每张旋转图片中识别出人脸区域,以及用于表征人脸区域识别精度的置信度分数;
基于每个人脸区域所对应的置信度分数,确定所述待比对图片的目标人脸区域,其中,所述目标人脸区域的置信度分数高于其他人脸区域的置信度分数;
将所述目标人脸区域中的人脸图像确定为待比对人脸图像。
结合第二方面,本申请实施例提供了第二方面的第二种可能的实施方式,其中,所述第一提取模块在用于从所述目标人脸区域中提取出所述人脸图像的第一特征向量时,所述第一提取模块用于:
获取所述目标人脸区域中的人脸图像,并从所述人脸图像中提取多个特征点;
根据所述多个特征点生成所述人脸图像的第一特征向量。
结合第二方面,本申请实施例提供了第二方面的第三种可能的实施方式,其中,所述比对模块在用于把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果时,所述比对模块用于:
计算所述第一特征向量和获取到的样本图片的第二特征向量的欧氏距离;
根据所述欧式距离与预设距离阈值的比较结果确定所述待比对图片与所述样本图片中的人脸的匹配结果。
结合第二方面,本申请实施例提供了第二方面的第四种可能的实施方式,其中,所述人脸匹配装置还包括:
第二旋转模块,用于将所述样本图片进行多次旋转,得到与所述样本图片对应的在多个角度下的多张旋转图片;
第二识别模块,用于分别对所述样本图片和每张旋转图片进行识别,确定所述样本图片的第一目标人脸区域和位于所述第一目标人脸区域中的第一人脸图像;
第二提取模块,用于从所述第一目标人脸区域中提取出所述第一人脸图像的第二特征向量。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的人脸匹配方法的步骤。
第四方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上述的人脸匹配方法的步骤。
本申请实施例提供的人脸匹配方法、装置、电子设备及可读存储介质,将采集到的待比对图片进行多次旋转,得到与所述待比对图片对应的在多个角度下的多张旋转图片;分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像;从所述目标人脸区域中提取出所述人脸图像的第一特征向量;把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果。
这样,通过对待比对图片和待比对图片经过旋转得到的多张旋转图片进行识别,确定出待比对图片的目标人脸区域,能够有效识别出目标人脸区域,通过提取目标人脸区域中人脸图像的特征向量,并与样本图片的特征向量进行比对,得到待比对图片与样本图片中的人脸的匹配结果,可以降低因为图片录入不规范而导致图片中人脸不匹配的概率,从而提高人脸匹配结果的准确率。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例所提供的一种人脸匹配方法的流程图;
图2示出了本申请另一实施例所提供的一种人脸匹配方法的流程图;
图3示出了本申请实施例所提供的一种人脸匹配装置的结构示意图之一;
图4示出了本申请实施例所提供的一种人脸匹配装置的结构示意图之二;
图5示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
首先,对本申请可适用的应用场景进行介绍。本申请可应用于人脸识别技术领域,首先将采集到的待比对图片进行多次旋转,得到与待比对图片对应的在多个角度下的旋转图片,分别对待比对图片和每张旋转图片进行识别,确定出待比对图片的目标人脸区域,可以有效识别出待比对图片的目标人脸区域。进一步的,获取目标人脸区域中人脸图像的特征向量,并与样本图片的特征向量进行比对,得到待比对图片与样本图片中的人脸的匹配结果,可以降低因为图片录入不规范而导致图片中人脸不匹配的概率,从而提高人脸匹配结果的准确率。
经研究发现,在业务办理过程中,通常会对录入的客户证件照片和预存的样本照片进行匹配,以验证客户身份,完善客户信息。然而,在图片匹配过程中,通常会由于照片拍摄不清晰、录入的照片倾斜、背景中存在多张人脸等因素,导致待比对图片与样本图片中的人脸不匹配,从而影响人脸匹配结果的准确性。
基于此,本申请实施例提供了一种人脸匹配方法,通过分别对待比对图片和待比对图片经过旋转得到的多张旋转图片进行识别,并与样本图片进行特征比对,用以提高人脸匹配结果的准确率。
请参阅图1,图1示出了本申请实施例所提供的一种人脸匹配方法的流程图。如图1中所示,本申请实施例提供的人脸匹配方法,包括:
步骤101,将采集到的待比对图片进行多次旋转,得到与所述待比对图片对应的在多个角度下的多张旋转图片。
该步骤中,首先获取待比对图片和预设的一个或多个旋转角度,将待比对图片按照预设的旋转角度进行旋转,得到待对比图片在多个旋转角度下的旋转图片,比如,***录入的照片通常倾斜了90°、180°或270°,预设的旋转角度可以为90°、180°和270°,将照片按照预设的旋转角度进行旋转,得到照片在分别旋转90°、180°和270°之后的三张旋转照片。
步骤102,分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像。
该步骤中,将待比对图片和步骤101中获取的多张旋转图片分别通过人脸检测算法进行人脸识别,获取人脸检测算法输出的每张图片的人脸识别结果,根据得到的识别结果确定出待比对图片的目标人脸区域,以及位于目标人脸区域中的人脸图像,比如,将***录入的照片和分别旋转90°、180°和270°的照片分别通过人脸检测算法进行识别,得到每张照片的识别结果,根据识别结果确定照片中的人脸区域和人脸图像。
其中,人脸检测算法可以是MTCNN算法,MTCNN算法是一种Multi-task的基于级联卷积的人脸检测框架,总体可分为P-Net、R-Net和O-Net三层网络结构。待检测图片的数据先后经过MTCNN的三层网络,最终输出图片中人脸区域的矩形人脸框,以及人脸区域的关键特征点,其中,矩形人脸框通常由两个像素点的位置来定位,分别为矩形人脸框的左上角的像素点和右下角的像素点。
本申请实施例中,作为一可选实施例,分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像,包括:
A21,根据预存的人脸特征,分别从所述待比对图片和每张旋转图片中识别出人脸区域,以及用于表征人脸区域识别精度的置信度分数。
该步骤中,首先根据预存的人脸特征对人脸检测算法中的检测参数进行训练,分别将待比对图片和旋转图片的数据输入到训练好的人脸检测算法中,人脸检测算法输出每张图片的人脸区域,以及用于表征人脸区域识别精度的置信度分数。具体的,对于MTCNN算法而言,可以设置回归框的尺寸,对待检测图片进行不同尺度的缩放,形成图片金字塔,将不同尺度的图片通过回归框进行识别,识别出待检测图片中的人脸区域;也可以通过不同尺寸的回归框,按照预设方向以固定步长遍历待检测图片的每个区域,识别出待检测图片中的人脸区域。
A22,基于每个人脸区域所对应的置信度分数,确定所述待比对图片的目标人脸区域,其中,所述目标人脸区域的置信度分数高于其他人脸区域的置信度分数。
该步骤中,获取待比对图片和多张旋转图片通过人脸检测算法得到的人脸区域,以及每个人脸区域对应的置信度分数,将置信度分数最高的人脸区域确定为待比对图片的目标人脸区域。
在通过人脸检测算法对待检测图片识别的过程中,由于人脸检测算法是根据预存的人脸特征,对算法参数进行训练,然后将待比对图片的数据输入到训练好的人脸检测算法中进行识别,因此,如果待检测图片是倾斜的,图片中的人脸特征部位的位置不符合训练的人脸特征位置,算法输出的置信度分数较低。对于MTCNN算法而言,识别出人脸区域的置信度分数一般大于0.99,而对于倾斜的图片,其置信度分数一般趋近于0。
A23,将所述目标人脸区域中的人脸图像确定为待比对人脸图像。
该步骤中,待比对图片和旋转图片经过人脸检测模型得到目标人脸区域,获取目标人脸区域中的人脸图像,具体的,可以根据目标人脸区域的位置对图片进行剪裁,得到待比对人脸图像。
步骤103,从所述目标人脸区域中提取出所述人脸图像的第一特征向量。
该步骤中,获取目标人脸区域中的人脸图像的特征向量,具体的,可以将待比对人脸图像输入到人脸特征提取模型中,生成对应的特征向量。
本申请实施例中,作为一可选实施例,从所述目标人脸区域中提取出所述人脸图像的第一特征向量,包括:
A31,获取所述目标人脸区域中的人脸图像,并从所述人脸图像中提取多个特征点。
该步骤中,将目标人脸区域和位于目标人脸区域中的人脸图像输入到人脸特征提取模型中,人脸特征提取模型对目标人脸区域中的人脸图像进行特征提取,得到多个特征点。
人脸特征提取模型首先根据输入的目标人脸区域确定出待处理区域,然后对待处理区域中的图像进行特征提取,这样,可以有效减少待处理数据,从而提高特征点的提取效率。
A32,根据所述多个特征点生成所述人脸图像的第一特征向量。
该步骤中,根据获取到的多个特征点,生成人脸图像的特征向量,其中,特征向量中的元素由特征点的位置构成。
步骤104,把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果。
该步骤中,将待比对图片中人脸图像的第一特征向量与样本图片的第二特征向量进行比对,根据比对结果确定出待比对图片与样本图片中的人脸是否匹配。
A41,计算所述第一特征向量和获取到的样本图片的第二特征向量的欧氏距离。
该步骤中,可以通过以下公式计算第一特征向量和第二特征向量的欧式距离:
式中,d(x,y)为第一特征向量与第二特征向量的欧氏距离,xi为第一特征向量的第i个元素,yi为第二特征向量的i个元素,x和y为n维特征向量。
A42,根据所述欧式距离与预设距离阈值的比较结果确定所述待比对图片与所述样本图片中的人脸的匹配结果。
该步骤中,获取第一特征向量和第二特征向量的欧氏距离,将计算出的欧式距离与预设距离阈值进行比较,根据比较结果确定待比对图片与样本图片中的人脸是否匹配。
其中,预设距离阈值可以设置为0.6,如果计算出的欧式距离小于0.6,则匹配结果为待比对图片与样本图片中的人脸是同一个人,如果计算出的欧氏距离大于0.6,则匹配结果为待比对图片与样本图片中的人脸不是同一个人。
需要说明的是,如果从待比对图片中识别出多个人脸区域,对应生成多个第一特征向量,则分别计算每个第一特征向量与第二特征向量的欧式距离。当计算出的多个欧氏距离中的一个欧氏距离小于预设距离阈值时,则得出的匹配结果为待比对图片与样本图片中的人脸是同一个人。当计算出的多个欧氏距离中的每一个欧式距离都大于预设距离阈值时,则得出的匹配结果为待比对图片与样本图片中的人脸不是同一个人。
本申请实施例提供的人脸匹配方法,通过将采集到的待比对图片进行多次旋转,得到与所述待比对图片对应的在多个角度下的多张旋转图片;分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像;从所述目标人脸区域中提取出所述人脸图像的第一特征向量;把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果。这样,通过分别对待比对图片和待比对图片经过旋转得到的多张旋转图片进行识别,并与样本图片进行特征比对,可以降低因为图片录入不规范而导致图片中人脸不匹配的概率,从而提高人脸匹配结果的准确率。
请参阅图2,图2示出了本申请另一实施例所提供的一种人脸匹配方法的流程图。如图2中所示,本申请实施例提供的人脸匹配方法,包括:
步骤201,将采集到的待比对图片进行多次旋转,得到与所述待比对图片对应的在多个角度下的多张旋转图片。
步骤202,分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像。
步骤203,从所述目标人脸区域中提取出所述人脸图像的第一特征向量。
其中,步骤201至步骤203的描述可以参照步骤101至步骤103的描述,并且能达到相同的技术效果,对此不做赘述。
步骤204,将所述样本图片进行多次旋转,得到与所述样本图片对应的在多个角度下的多张旋转图片。
该步骤中,可以将样本图片按照预设的一个或多个旋转角度进行旋转,得到样本图片在多个旋转角度下的旋转图片。
步骤205,分别对所述样本图片和每张旋转图片进行识别,确定所述样本图片的第一目标人脸区域和位于所述第一目标人脸区域中的第一人脸图像。
该步骤中,将样本图片和步骤204中获取到的多张旋转图片分别对人脸检测算法进行人脸识别,获取人脸检测算法输出的每张图片的人脸识别结果,根据得到的识别结果确定出样本图片的目标人脸区域,以及位于目标人脸区域中的人脸图像,其中,人脸检测算法可以是MTCNN算法。
步骤206,从所述第一目标人脸区域中提取出所述第一人脸图像的第二特征向量。
该步骤中,获取第一目标人脸区域中的第一人脸图像的特征向量,具体的,可以将第一人脸图像输入到人脸特征提取模型中,生成对应的特征向量。
步骤207,把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果。
其中,步骤207的描述可以参照步骤104的描述,并且能达到相同的技术效果,对此不做赘述。
本申请实施例提供的人脸匹配方法,通过将采集到的待比对图片进行多次旋转,得到与所述待比对图片对应的在多个角度下的多张旋转图片;分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像;从所述目标人脸区域中提取出所述人脸图像的第一特征向量;将样本图片进行多次旋转,得到与所述样本图片对应的在多个角度下的多张旋转图片;分别对所述样本图片和每张旋转图片进行识别,确定所述样本图片的第一目标人脸区域和位于所述第一目标人脸区域中的第一人脸图像;从所述第一目标人脸区域中提取出所述第一人脸图像的第二特征向量;把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果。
这样,通过将待比对图片和样本图片进行旋转,识别出待比对图片和样本图片的目标人脸区域,并对待比对图片和样本图片中的人脸区域进行特征比对,可以降低因为图片录入不规范而导致图片中人脸不匹配的概率,从而提高人脸匹配结果的准确率。此外,在对图片进行匹配时,无需用户按照识别要求手动调整待比对图片和样本图片,从而可以提高人脸匹配的效率。
请参阅图3、图4,图3示出了本申请实施例所提供的一种人脸匹配装置的结构示意图之一,图4示出了本申请实施例所提供的一种人脸匹配装置的结构示意图之二。如图3中所示,所述人脸匹配装置300包括:
第一旋转模块310,用于将采集到的待比对图片进行多次旋转,得到与所述待比对图片对应的在多个角度下的多张旋转图片;
第一识别模块320,用于分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像;
第一提取模块330,用于从所述目标人脸区域中提取出所述人脸图像的第一特征向量;
比对模块340,用于把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果。
本申请实施例中,作为一可选实施例,第一识别模块320在用于分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像时,所述第一识别模块320具体用于:
根据预存的人脸特征,分别从所述待比对图片和每张旋转图片中识别出人脸区域,以及用于表征人脸区域识别精度的置信度分数;
基于每个人脸区域所对应的置信度分数,确定所述待比对图片的目标人脸区域,其中,所述目标人脸区域的置信度分数高于其他人脸区域的置信度分数;
将所述目标人脸区域中的人脸图像确定为待比对人脸图像。
本申请实施例中,作为一可选实施例,第一提取模块330在用于从所述目标人脸区域中提取出所述人脸图像的第一特征向量时,所述第一提取模块330具体用于:
获取所述目标人脸区域中的人脸图像,并从所述人脸图像中提取多个特征点;
根据所述多个特征点生成所述人脸图像的第一特征向量。
本申请实施例中,作为一可选实施例,比对模块340在用于把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果时,所述比对模块340具体用于:
计算所述第一特征向量和获取到的样本图片的第二特征向量的欧氏距离;
根据所述欧式距离与预设距离阈值的比较结果确定所述待比对图片与所述样本图片中的人脸的匹配结果。
本申请实施例中,作为一可选实施例,如图4所示,所述人脸匹配装置300还包括:
第二旋转模块350,用于将所述样本图片进行多次旋转,得到与所述样本图片对应的在多个角度下的多张旋转图片;
第二识别模块360,用于分别对所述样本图片和每张旋转图片进行识别,确定所述样本图片的第一目标人脸区域和位于所述第一目标人脸区域中的第一人脸图像;
第二提取模块370,用于从所述第一目标人脸区域中提取出所述第一人脸图像的第二特征向量。
本申请实施例提供的人脸匹配装置,将采集到的待比对图片进行多次旋转,得到与所述待比对图片对应的在多个角度下的多张旋转图片;分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像;从所述目标人脸区域中提取出所述人脸图像的第一特征向量;把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果。这样,通过分别对待比对图片和待比对图片经过旋转得到的多张旋转图片进行识别,并与样本图片进行特征比对,可以降低因为图片录入不规范而导致图片中人脸不匹配的概率,从而提高人脸匹配结果的准确率。
请参阅图5,图5示出了本申请实施例所提供的一种电子设备的结构示意图。如图5中所示,所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令,当电子设备500运行时,所述处理器510与所述存储器520之间通过总线530通信,所述机器可读指令被所述处理器510执行时,可以执行如上述图1以及图2所示方法实施例中的人脸匹配方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时可以执行如上述图1以及图2所示方法实施例中的人脸匹配方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种人脸匹配方法,其特征在于,所述人脸匹配方法包括:
将采集到的待比对图片进行多次旋转,得到与所述待比对图片对应的在多个角度下的多张旋转图片;
分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像;
从所述目标人脸区域中提取出所述人脸图像的第一特征向量;
把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果。
2.根据权利要求1所述的人脸匹配方法,其特征在于,所述分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像,包括:
根据预存的人脸特征,分别从所述待比对图片和每张旋转图片中识别出人脸区域,以及用于表征人脸区域识别精度的置信度分数;
基于每个人脸区域所对应的置信度分数,确定所述待比对图片的目标人脸区域,其中,所述目标人脸区域的置信度分数高于其他人脸区域的置信度分数;
将所述目标人脸区域中的人脸图像确定为待比对人脸图像。
3.根据权利要求1所述的人脸匹配方法,其特征在于,所述从所述目标人脸区域中提取出所述人脸图像的第一特征向量,包括:
获取所述目标人脸区域中的人脸图像,并从所述人脸图像中提取多个特征点;
根据所述多个特征点生成所述人脸图像的第一特征向量。
4.根据权利要求1所述的人脸匹配方法,其特征在于,所述把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果,包括:
计算所述第一特征向量和获取到的样本图片的第二特征向量的欧氏距离;
根据所述欧式距离与预设距离阈值的比较结果确定所述待比对图片与所述样本图片中的人脸的匹配结果。
5.根据权利要求1所述的人脸匹配方法,其特征在于,在所述把所述第一特征向量和获取到的样本图片的第二特征向量进行比对之前,所述人脸匹配方法还包括:
将所述样本图片进行多次旋转,得到与所述样本图片对应的在多个角度下的多张旋转图片;
分别对所述样本图片和每张旋转图片进行识别,确定所述样本图片的第一目标人脸区域和位于所述第一目标人脸区域中的第一人脸图像;
从所述第一目标人脸区域中提取出所述第一人脸图像的第二特征向量。
6.一种人脸匹配装置,其特征在于,所述人脸匹配装置包括:
第一旋转模块,用于将采集到的待比对图片进行多次旋转,得到与所述待比对图片对应的在多个角度下的多张旋转图片;
第一识别模块,用于分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像;
第一提取模块,用于从所述目标人脸区域中提取出所述人脸图像的第一特征向量;
比对模块,用于把所述第一特征向量和获取到的样本图片的第二特征向量进行比对,得到所述待比对图片与所述样本图片中的人脸的匹配结果。
7.根据权利要求6所述的人脸匹配装置,其特征在于,所述第一识别模块在用于分别对所述待比对图片和每张旋转图片进行识别,确定所述待比对图片的目标人脸区域和位于所述目标人脸区域中的人脸图像时,所述第一识别模块用于:
根据预存的人脸特征,分别从所述待比对图片和每张旋转图片中识别出人脸区域,以及用于表征人脸区域识别精度的置信度分数;
基于每个人脸区域所对应的置信度分数,确定所述待比对图片的目标人脸区域,其中,所述目标人脸区域的置信度分数高于其他人脸区域的置信度分数;
将所述目标人脸区域中的人脸图像确定为待比对人脸图像。
8.根据权利要求6所述的人脸匹配装置,其特征在于,所述人脸匹配装置还包括:
第二旋转模块,用于将所述样本图片进行多次旋转,得到与所述样本图片对应的在多个角度下的多张旋转图片;
第二识别模块,用于分别对所述样本图片和每张旋转图片进行识别,确定所述样本图片的第一目标人脸区域和位于所述第一目标人脸区域中的第一人脸图像;
第二提取模块,用于从所述第一目标人脸区域中提取出所述第一人脸图像的第二特征向量。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至5中任一项所述的人脸匹配方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至5中任一项所述的人脸匹配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010005264.1A CN111222452A (zh) | 2020-01-03 | 2020-01-03 | 一种人脸匹配方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010005264.1A CN111222452A (zh) | 2020-01-03 | 2020-01-03 | 一种人脸匹配方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111222452A true CN111222452A (zh) | 2020-06-02 |
Family
ID=70828136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010005264.1A Pending CN111222452A (zh) | 2020-01-03 | 2020-01-03 | 一种人脸匹配方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222452A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723868A (zh) * | 2020-06-22 | 2020-09-29 | 海尔优家智能科技(北京)有限公司 | 用于去除同源图片的方法、装置及服务器 |
CN111782855A (zh) * | 2020-07-15 | 2020-10-16 | 上海依图网络科技有限公司 | 一种人脸图像处理方法、装置、设备及介质 |
CN111898498A (zh) * | 2020-07-16 | 2020-11-06 | 北京市商汤科技开发有限公司 | 匹配阈值确定方法、身份验证方法、装置及存储介质 |
CN115379060A (zh) * | 2021-05-20 | 2022-11-22 | 京瓷办公信息***株式会社 | 图像读取装置以及图像处理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358201A (zh) * | 2017-07-13 | 2017-11-17 | 杭州有盾网络科技有限公司 | 一种照片识别方法、装置及*** |
CN109711233A (zh) * | 2017-10-26 | 2019-05-03 | 北京航天长峰科技工业集团有限公司 | 一种基于深度学习的比对证件照人脸识别方法 |
CN109948559A (zh) * | 2019-03-25 | 2019-06-28 | 厦门美图之家科技有限公司 | 人脸检测方法及装置 |
US20210142045A1 (en) * | 2018-06-15 | 2021-05-13 | The Face Recognition Company Ltd | Method Of And System For Recognising A Human Face |
-
2020
- 2020-01-03 CN CN202010005264.1A patent/CN111222452A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358201A (zh) * | 2017-07-13 | 2017-11-17 | 杭州有盾网络科技有限公司 | 一种照片识别方法、装置及*** |
CN109711233A (zh) * | 2017-10-26 | 2019-05-03 | 北京航天长峰科技工业集团有限公司 | 一种基于深度学习的比对证件照人脸识别方法 |
US20210142045A1 (en) * | 2018-06-15 | 2021-05-13 | The Face Recognition Company Ltd | Method Of And System For Recognising A Human Face |
CN109948559A (zh) * | 2019-03-25 | 2019-06-28 | 厦门美图之家科技有限公司 | 人脸检测方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723868A (zh) * | 2020-06-22 | 2020-09-29 | 海尔优家智能科技(北京)有限公司 | 用于去除同源图片的方法、装置及服务器 |
CN111723868B (zh) * | 2020-06-22 | 2023-07-21 | 海尔优家智能科技(北京)有限公司 | 用于去除同源图片的方法、装置及服务器 |
CN111782855A (zh) * | 2020-07-15 | 2020-10-16 | 上海依图网络科技有限公司 | 一种人脸图像处理方法、装置、设备及介质 |
CN111898498A (zh) * | 2020-07-16 | 2020-11-06 | 北京市商汤科技开发有限公司 | 匹配阈值确定方法、身份验证方法、装置及存储介质 |
CN111898498B (zh) * | 2020-07-16 | 2024-06-11 | 北京市商汤科技开发有限公司 | 匹配阈值确定方法、身份验证方法、装置及存储介质 |
CN115379060A (zh) * | 2021-05-20 | 2022-11-22 | 京瓷办公信息***株式会社 | 图像读取装置以及图像处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109948408B (zh) | 活性测试方法和设备 | |
CN111222452A (zh) | 一种人脸匹配方法、装置、电子设备及可读存储介质 | |
Spreeuwers | Fast and accurate 3D face recognition: using registration to an intrinsic coordinate system and fusion of multiple region classifiers | |
JP3954484B2 (ja) | 画像処理装置およびプログラム | |
US9864902B2 (en) | Apparatus and method of collating categories of images | |
WO2019033574A1 (zh) | 电子装置、动态视频人脸识别的方法、***及存储介质 | |
US9489566B2 (en) | Image recognition apparatus and image recognition method for identifying object | |
Raghavendra et al. | Presentation attack detection algorithms for finger vein biometrics: A comprehensive study | |
JP2013012190A (ja) | ガボールフィルターをブロックガボールフィルターとして近似する方法、及び、プロセッサ上で実行されているアプリケーションプログラムによるアクセスのためのデータ構造を格納するメモリ | |
WO2019200872A1 (zh) | 身份验证方法和装置、电子设备、计算机程序和存储介质 | |
JP6071002B2 (ja) | 信頼度取得装置、信頼度取得方法および信頼度取得プログラム | |
Lepsøy et al. | Statistical modelling of outliers for fast visual search | |
CN106056083B (zh) | 一种信息处理方法及终端 | |
CN111783770B (zh) | 图像的矫正方法、装置和计算机可读存储介质 | |
US10127681B2 (en) | Systems and methods for point-based image alignment | |
CN111079816A (zh) | 图像的审核方法、装置和服务器 | |
JP2015197708A (ja) | オブジェクト識別装置、オブジェクト識別方法及びプログラム | |
CN110751071A (zh) | 人脸识别方法及装置、存储介质、计算设备 | |
JP2009129237A (ja) | 画像処理装置及びその方法 | |
CN111062927A (zh) | 一种无人机图像质量检测的方法、***及设备 | |
CN113128427A (zh) | 人脸识别方法、装置、计算机可读存储介质及终端设备 | |
CN113516597A (zh) | 图像校正方法、装置和服务器 | |
CN110660091A (zh) | 一种图像配准处理方法、装置和拍照批改作业*** | |
CN108304838B (zh) | 一种图片信息识别方法及终端 | |
US11238267B1 (en) | Distorted fingerprint matching using pose and minutia grouping |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200602 |
|
WD01 | Invention patent application deemed withdrawn after publication |