CN111626074A - 一种人脸分类方法及装置 - Google Patents
一种人脸分类方法及装置 Download PDFInfo
- Publication number
- CN111626074A CN111626074A CN201910145371.1A CN201910145371A CN111626074A CN 111626074 A CN111626074 A CN 111626074A CN 201910145371 A CN201910145371 A CN 201910145371A CN 111626074 A CN111626074 A CN 111626074A
- Authority
- CN
- China
- Prior art keywords
- face
- target
- face group
- group
- features
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种人脸分类方法及装置,所述方法包括:在人脸图片中提取所述人脸图片对应的目标特征;根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,其中,一个人脸组对应保存同一个人的对应的人脸特征;根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组;将所述目标特征保存至所述目标人脸组,并返回所述目标人脸组对应的标识信息。本发明无需进行人脸样本的采集和人脸特征标记注册,即可实现人脸特征的自动分类,并返回分类后的识别标记,节省时间,提高了人脸特征分类效率,有利于普通用户或家庭使用。
Description
技术领域
本发明涉图像识别及分类技术领域,尤其涉及一种人脸分类方法及装置。
背景技术
当前包含摄像头的智能设备越来越普及,例如智能摄像机、智能门铃、智能手机、机器人等。一般的,在这些智能设备上都均有配备有人脸识别的功能,他们的一般工作流程是拍摄一张图像或一段视频,然后通过对视频进行处理和分析并识别出其中的人脸。
人脸识别算法一般需要先人工标注出每个人的若干张人脸图片,而后出现一张新的图片时,算法会将其与标注的人脸数据进行对比,而后确定该图片对应的人。由于该种分类方式需要大量的人脸样本集,在实际的应用场景中需要耗费大量时间进行大量的人脸样本的采集和标记以实现注册,最后才能实现人脸的分类及返回分类后的识别信息,这种分类方式一般适用于公安、银行等大型机构,不利于普通用户或家庭的使用。
发明内容
鉴于上述问题,本发明提出的一种人脸分类方法及装置,无需进行人脸样本的采集和人脸特征标记注册,即可实现人脸特征的自动分类,并返回分类后的识别标记,节省时间,提高了人脸特征分类效率,有利于普通用户或家庭使用。
第一方面,本申请通过一实施例提供如下技术方案:
一种人脸分类方法,所述方法包括:
在人脸图片中提取所述人脸图片对应的目标特征;根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,其中,一个人脸组对应保存同一个人的对应的人脸特征;根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组;将所述目标特征保存至所述目标人脸组,并返回所述目标人脸组对应的标识信息。
优选地,所述根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,包括:
计算所述目标特征与已储存的每个人脸组中的每个人脸特征之间的相似度;获取同一个人脸组中每个人脸特征对应的每个相似度之间的平均值,并将所述平均值作为所述目标特征与当前所述人脸组之间的相似度。
优选地,所述根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组,包括:
若所述相似度中的最大值大于预设的判断阈值,则将最大的相似度对应的人脸组作为目标人脸组。
优选地,所述根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组,包括:
若所述相似度中的最大值小于预设的判断阈值,则新建一人脸组;将新建的人脸组作为所述目标人脸组。
优选地,所述将新建的人脸组作为所述目标人脸组之后,包括:
为所述目标人脸组分配所述标识信息。
优选地,所述将所述目标特征保存至所述目标人脸组,包括:
判断所述目标人脸组中存储的人脸特征的数量是否超过预设的存储阈值;若所述目标人脸组中存储的人脸特征的数量超过预设的存储阈值,则删除存储时间最早的人脸特征,将所述目标特征保存至所述目标人脸组;若所述目标人脸组中存储的人脸特征的数量未超过预设的存储阈值,则将所述目标特征保存至所述目标人脸组。
第二方面,基于同一发明构思,本申请通过一实施例提供如下技术方案:
一种人脸分类装置,所述装置包括:
特征提取模块,用于在人脸图片中提取所述人脸图片对应的目标特征;相似度计算模块,用于根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,其中,一个人脸组对应保存同一个人的对应的人脸特征;人脸组确定模块,用于根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组;特征保存模块,用于将所述目标特征保存至所述目标人脸组,并返回所述目标人脸组对应的标识信息。
优选地,所述相似度计算模块,还用于:
计算所述目标特征与已储存的每个人脸组中的每个人脸特征之间的相似度;获取同一个人脸组中每个人脸特征对应的每个相似度之间的平均值,并将所述平均值作为所述目标特征与当前所述人脸组之间的相似度。
优选地,所述人脸组确定模块,还用于:
若所述相似度中的最大值大于预设的判断阈值,则将最大的相似度对应的人脸组作为目标人脸组。
优选地,所述人脸组确定模块,还用于:
若所述相似度中的最大值小于预设的判断阈值,则新建一人脸组;
将新建的人脸组作为所述目标人脸组。
优选地,还包括:标识分配模块,用于:
在所述将新建的人脸组作为所述目标人脸组之后,为所述目标人脸组分配所述标识信息。
优选地,特征保存模块,还用于:
判断所述目标人脸组中存储的人脸特征的数量是否超过预设的存储阈值;若所述目标人脸组中存储的人脸特征的数量超过预设的存储阈值,则删除存储时间最早的人脸特征,将所述目标特征保存至所述目标人脸组;若所述目标人脸组中存储的人脸特征的数量未超过预设的存储阈值,则将所述目标特征保存至所述目标人脸组。
第三方面,基于同一发明构思,本申请通过一实施例提供如下技术方案:
一种人脸分类装置,包括处理器和存储器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时使所述人脸分类装置执行上述第一方面中任一项所述方法的步骤。
第四方面,基于同一发明构思,本申请通过一实施例提供如下技术方案:
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一方面中任一项所述方法的步骤。
本发明实施例提供的一种人脸分类方法及装置,其中方法通过在人脸图片中提取所述人脸图片对应的目标特征;根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,其中,一个人脸组对应保存同一个人的对应的人脸特征;根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组;将所述目标特征保存至所述目标人脸组,并返回所述目标人脸组对应的标识信息。本发明在整个分类过程中不用事先进行人脸样本的采集和标记注册,直接通过相似度的计算结果来确定目标人脸组,即可实现目标特征的自动分类,并返回保存至目标人脸组后对应的标识信息,节省了人脸样本采集和标记注册的时间,提高了人脸特征分类效率,有利于普通用户或家庭使用。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明第一实施例提供的一种人脸分类方法的流程图;
图2示出了图1中步骤S20的子步骤流程图;
图3示出了本发明第二实施例提供的一种人脸分类方法的功能模块图;
图4示出了本发明第三实施例提供的一种人脸分类装置的模块框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
第一实施例
请参见图1,图1示出了本发明第一实施例提供的一种人脸分类方法的方法流程图。该方法具体包括以下步骤:
步骤S10:在人脸图片中提取所述人脸图片对应的目标特征。
步骤S20:根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,其中,一个人脸组对应保存同一个人的对应的人脸特征。
步骤S30:根据每个人脸组对应的所述相似度,确定所述目标特征所属的目标人脸组。
步骤S40:将所述目标特征保存至所述目标人脸组,并返回所述目标人脸组对应的标识信息。
在步骤S10之前还可包括获取人脸图片的步骤,具体的可通过智能设备上安装的摄像头进行拍照、视频录制并解码的方式进行人脸图片的获取。
在步骤S10中,人脸图片为智能设备的所拍摄的图片或视频(包含人脸的视频帧)。智能设备例如,智能门铃、智能手机等。人脸图片对应的目标特征表示可对人脸图片中的人脸进行识别和表示的特征,例如通过现有的LBP(Local Binary Patterns)人脸特征提取方法、特征脸方法(Eigenface)以及人脸特征点位置检测等方式进行提取人脸特征,人脸特征的表示形式可为表示人脸纹理、特征脸、人脸特征点等的向量组,不作限制。
需要说明的是,上述特征提取方法均为现有方法,其具体实施过程不再赘述。
在步骤S20中,人脸组用于保存人脸特征,在同一个人脸组中所保存的人脸特征均为同一人的人脸特征。在一个人脸组中可设置一存储阈值来限定对应的人脸特征的数量保存上限,可节约存储资源和相似度计算资源。
例如:人脸组A用于保存用户A的人脸特征,其保存上限为10个人脸特征,那么在人脸组A中保存的人脸特征为小于或等于10个。
另外,也可对人脸组的存储占用大小进行限定,即该存储阈值可为数量也可为内容大小。例如每个人脸组的内存占用大小不超过1024K。
具体的,请参阅图2,步骤S20包括:
步骤S21:计算所述目标特征与已储存的每个人脸组中的每个人脸特征之间的相似度。
步骤S22:获取同一个人脸组中每个人脸特征对应的每个相似度之间的平均值,并将所述平均值作为所述目标特征与当前所述人脸组之间的相似度。
例如:在智能门铃中,或智能门铃的服务器中保存有人脸组A、人脸组B两个人脸组,该两个人脸组的人脸特征存储上限均为10,人脸组A中保存有10个人脸特征,人脸组B中保存有7个人脸特征。计算人脸组的相似度,对于人脸组A,计算目标特征与人脸组A中的10个人脸特征的相似度,可得到10个相似度,然后将人脸组A对应的10个相似度进行求平均值,得到的平均值即可作为目标特征与人脸组A之间的相似度;同样的,对于人脸组B,计算目标特征与人脸组B中的7个人脸特征的相似度,可得到7个相似度,然后将人脸组B对应的7个相似度进行求平均值,得到的平均值即可作为目标特征与人脸组B之间的相似度。
计算相似度可在本地智能设备中进行,也可在云端服务器进行。例如,对于数据处理能力较弱(处理器性能较弱)的智能设备,可将数据上传至云端来进行相似度的计算,例如:智能门铃、智能手环等。对于数据处理能力较强(处理器性能较强)的智能设备,可在本地智能设备中进行相似度的计算,例如:智能手机、智能机器人等。
另外,相似度的具体衡量方式不作限制,例如:通过余弦距离、欧氏距离、汉明距离等衡量目标特征与人脸特征的相似度。
在步骤S30中,具体的,在获得各个人脸组于目标特征对应的相似度之后,可将最大的相似度对应的人脸组作为存储目标特征的目标人脸组。
但是,为了进一步的提高目标特征保存的准确性,避免两个不为同一人但较为相似的人脸特征被错误的保存到了同一个人脸组中。可设置一判断阈值,当最大的相似度大于或等于该判断阈值时,才可在该人脸组中进行目标特征的保存。否则,判断当前所有的人脸组均不能用于保存目标特征,需要新建一人脸组作为目标人脸组进行保存目标特征。
为了方便确定每个人脸组所对应的人,可在每个人脸组新建的时候添加对应的标识信息,用于区分不同的人脸组。例如对每个人脸组进行相应的编号进行区分,也可通过用户对新建的人脸组进行自定义设置,例如,在新建一人脸组作为目标人脸组后,目标特征对应的人为张三,则可将该目标人脸组标记“张三”或其对应的身份证号作为标识信息。
在步骤S40中,在目标人脸组中进行目标特征保存时,还应当判断目标人脸组中存储的人脸特征是否超过预设的存储阈值,其中不同的人脸组的存储阈值可以相同或不同,例如在智能门铃中,对于保存主人的人脸特征的人脸组可设置更大的存储上限,提高相似度计算的准确性,保证对智能门铃主人识别的准确性。
进一步的,若目标人脸组中存储的人脸特征超过预设的存储阈值,则删除存储时间最早的人脸特征后将目标特征保存至目标人脸组;若目标人脸组中存储的人脸特征未超过预设的存储阈值,则直接将目标特征保存至目标人脸组。例如,若人脸组A与目标特征之间的相似度大于人脸组B与目标特征之间的相似度,且大于判断阈值时,需要将人脸组A中存储时间最早的人脸特征删除至少一个,然后再存入目标特征。若人脸组B与目标特征之间的相似度大于人脸组A与目标特征之间的相似度,且大于判断阈值时,由于人脸组B中存储有7个人脸特征,未达到存储上限,此时在人脸组B中无需进行人脸特征的删除,即可存放目标特征。
在步骤S40中,返回的标识信息可一为人脸组对应的人的姓名、自定义编号、身份证号等,不做限制。
综上所述,本发明实施例提供的一种人脸分类方法,通过在人脸图片中提取所述人脸图片对应的目标特征;根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,其中,一个人脸组对应保存同一个人的对应的人脸特征;根据每个人脸组对应的所述相似度,确定用于保存所述目标特征的目标人脸组;将所述目标特征保存至所述目标人脸组,并返回所述目标人脸组对应的标识信息。在本发明执行的整个分类过程中不用事先进行人脸样本的采集和标记注册,直接通过相似度的计算结果来确定一目标人脸组,即可实现目标特征的自动分类,即不需要进行人工标记就可以实现人脸的自动分组;并且只需要输入一个人脸图像就可以返回其标识信息(如ID),而不需要输入很多个人脸之后才能返回各个人脸的标识信息,节省了人脸样本采集和标记注册的时间,提高了人脸特征分类效率,有利于普通用户或家庭使用,可大规模推广。
第二实施例
基于同一发明构思,本发明第二实施例提供了一种人脸分类装置400。图3示出了本发明第二实施例提供的一种人脸分类装置400的功能模块框图。
具体的,该装置400包括:
特征提取模块401,用于在人脸图片中提取所述人脸图片对应的目标特征。
相似度计算模块402,用于根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,其中,一个人脸组对应保存同一个人的对应的人脸特征。
人脸组确定模块403,用于根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组。
特征保存模块404,用于将所述目标特征保存至所述目标人脸组,并返回所述目标人脸组对应的标识信息。
作为一种可选的实施方式,所述相似度计算模块402,还用于:
计算所述目标特征与已储存的每个人脸组中的每个人脸特征之间的相似度;获取同一个人脸组中每个人脸特征对应的每个相似度之间的平均值,并将所述平均值作为所述目标特征与当前所述人脸组之间的相似度。
作为一种可选的实施方式,所述人脸组确定模块403,还用于:
若所述相似度中的最大值大于预设的判断阈值,则将最大的相似度对应的人脸组作为目标人脸组。
作为一种可选的实施方式,所述人脸组确定模块403,还用于:
若所述相似度中的最大值小于预设的判断阈值,则新建一人脸组;将新建的人脸组作为所述目标人脸组。
作为一种可选的实施方式,还包括:标识分配模块,用于:
在所述将新建的人脸组作为所述目标人脸组之后,为所述目标人脸组分配所述标识信息。
作为一种可选的实施方式,特征保存模块404,还用于:
判断所述目标人脸组中存储的人脸特征的数量是否超过预设的存储阈值;若所述目标人脸组中存储的人脸特征的数量超过预设的存储阈值,则删除存储时间最早的人脸特征,将所述目标特征保存至所述目标人脸组;若所述目标人脸组中存储的人脸特征的数量未超过预设的存储阈值,则将所述目标特征保存至所述目标人脸组。
需要说明的是,本发明实施例所提供的装置400,其具体实现及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
第三实施例
另外,基于同一发明构思,本发明第三实施例还提供了一种人脸分类装置,包括处理器和存储器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时使所述人脸分类装置执行以下操作:
在人脸图片中提取所述人脸图片对应的目标特征;根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,其中,一个人脸组对应保存同一个人的对应的人脸特征;根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组;将所述目标特征保存至所述目标人脸组,并返回所述目标人脸组对应的标识信息。
需要说明的是,本发明实施例所提供的人脸分类装置中,上述每个步骤的具体实现及产生的技术效果和前述方法实施例相同,为简要描述,本实施例未提及之处可参考前述方法实施例中相应内容。
于本发明实施例中,人脸分类装置中安装有操作***以及第三方应用程序。人脸分类装置可以为平板电脑、手机、智能门铃、扫地机器人、笔记本电脑、PC(personalcomputer,个人计算机)、可穿戴设备、车载终端等终端设备。
图4示出了一种示例性人脸分类装置500的模块框图。如图4所示,人脸分类装置500包括存储器502、存储控制器504,一个或多个(图中仅示出一个)处理器506、外设接口508、网络模块510、输入输出模块512、显示模块514等。这些组件通过一条或多条通讯总线/信号线516相互通讯。
存储器502可用于存储软件程序以及模块,如本发明实施例中的人脸分类方法以及装置对应的程序指令/模块,处理器506通过运行存储在存储器502内的软件程序以及模块,从而执行各种功能应用以及数据处理,如本发明实施例提供的人脸分类方法。
存储器502可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。处理器506以及其他可能的组件对存储器502的访问可在存储控制器504的控制下进行。
外设接口508将各种输入/输出装置耦合至处理器506以及存储器502。在一些实施例中,外设接口508,处理器506以及存储控制器504可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
网络模块510用于接收以及发送网络信号。上述网络信号可包括无线信号或者有线信号。
输入输出模块512用于提供给用户输入数据实现用户与人脸分类装置的交互。所述输入输出模块512可以是,但不限于,鼠标、键盘和触控屏幕等。
显示模块514在人脸分类装置500与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中,所述显示模块514可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作,并将该感应到的触控操作交由处理器进行计算和处理。
可以理解,图4所示的结构仅为示意,人脸分类装置500还可包括比图4中所示更多或者更少的组件,或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。
第四实施例
本发明第四实施例提供了一种计算机存储介质,本发明第二实施例中的人脸分类装置集成的功能模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述第一实施例的人脸分类方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的人脸分类装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明公开了A1.一种人脸分类方法,其特征在于,所述方法包括:
在人脸图片中提取所述人脸图片对应的目标特征;
根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,其中,一个人脸组对应保存同一个人的对应的人脸特征;
根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组;
将所述目标特征保存至所述目标人脸组,并返回所述目标人脸组对应的标识信息。
A2.根据A1所述的方法,其特征在于,所述根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,包括:
计算所述目标特征与已储存的每个人脸组中的每个人脸特征之间的相似度;
获取同一个人脸组中每个人脸特征对应的每个相似度之间的平均值,并将所述平均值作为所述目标特征与当前所述人脸组之间的相似度。
A3.根据A1所述的方法,其特征在于,所述根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组,包括:
若所述相似度中的最大值大于预设的判断阈值,则将最大的相似度对应的人脸组作为目标人脸组。
A4.根据A1所述的方法,其特征在于,所述根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组,包括:
若所述相似度中的最大值小于预设的判断阈值,则新建一人脸组;
将新建的人脸组作为所述目标人脸组。
A5.根据A4所述的方法,其特征在于,所述将新建的人脸组作为所述目标人脸组之后,包括:
为所述目标人脸组分配所述标识信息。
A6.根据A1所述的方法,其特征在于,所述将所述目标特征保存至所述目标人脸组,包括:
判断所述目标人脸组中存储的人脸特征的数量是否超过预设的存储阈值;
若所述目标人脸组中存储的人脸特征的数量超过预设的存储阈值,则删除存储时间最早的人脸特征,将所述目标特征保存至所述目标人脸组;
若所述目标人脸组中存储的人脸特征的数量未超过预设的存储阈值,则将所述目标特征保存至所述目标人脸组。
本发明公开了B7.一种人脸分类装置,其特征在于,所述装置包括:
特征提取模块,用于在人脸图片中提取所述人脸图片对应的目标特征;
相似度计算模块,用于根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,其中,一个人脸组对应保存同一个人的对应的人脸特征;
人脸组确定模块,用于根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组;
特征保存模块,用于将所述目标特征保存至所述目标人脸组,并返回所述目标人脸组对应的标识信息。
B8.根据B7所述的装置,其特征在于,所述相似度计算模块,还用于:
计算所述目标特征与已储存的每个人脸组中的每个人脸特征之间的相似度;
获取同一个人脸组中每个人脸特征对应的每个相似度之间的平均值,并将所述平均值作为所述目标特征与当前所述人脸组之间的相似度。
B9.根据B7所述的装置,其特征在于,所述人脸组确定模块,还用于:
若所述相似度中的最大值大于预设的判断阈值,则将最大的相似度对应的人脸组作为目标人脸组。
B10.根据B7所述的装置,其特征在于,所述人脸组确定模块,还用于:
若所述相似度中的最大值小于预设的判断阈值,则新建一人脸组;
将新建的人脸组作为所述目标人脸组。
B11.根据B10所述的装置,其特征在于,还包括:标识分配模块,用于:
在所述将新建的人脸组作为所述目标人脸组之后,为所述目标人脸组分配所述标识信息。
B12.根据B7所述的装置,其特征在于,特征保存模块,还用于:
判断所述目标人脸组中存储的人脸特征的数量是否超过预设的存储阈值;
若所述目标人脸组中存储的人脸特征的数量超过预设的存储阈值,则删除存储时间最早的人脸特征,将所述目标特征保存至所述目标人脸组;
若所述目标人脸组中存储的人脸特征的数量未超过预设的存储阈值,则将所述目标特征保存至所述目标人脸组。
本发明公开了C13.一种人脸分类装置,其特征在于,包括处理器和存储器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时使所述人脸分类装置执行A1-A6中任一项所述方法的步骤。
本发明公开了D14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现A1-A6中任一项所述方法的步骤。
Claims (10)
1.一种人脸分类方法,其特征在于,所述方法包括:
在人脸图片中提取所述人脸图片对应的目标特征;
根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,其中,一个人脸组对应保存同一个人的对应的人脸特征;
根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组;
将所述目标特征保存至所述目标人脸组,并返回所述目标人脸组对应的标识信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,包括:
计算所述目标特征与已储存的每个人脸组中的每个人脸特征之间的相似度;
获取同一个人脸组中每个人脸特征对应的每个相似度之间的平均值,并将所述平均值作为所述目标特征与当前所述人脸组之间的相似度。
3.根据权利要求1所述的方法,其特征在于,所述根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组,包括:
若所述相似度中的最大值大于预设的判断阈值,则将最大的相似度对应的人脸组作为目标人脸组。
4.根据权利要求1所述的方法,其特征在于,所述根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组,包括:
若所述相似度中的最大值小于预设的判断阈值,则新建一人脸组;
将新建的人脸组作为所述目标人脸组。
5.根据权利要求4所述的方法,其特征在于,所述将新建的人脸组作为所述目标人脸组之后,包括:
为所述目标人脸组分配所述标识信息。
6.根据权利要求1所述的方法,其特征在于,所述将所述目标特征保存至所述目标人脸组,包括:
判断所述目标人脸组中存储的人脸特征的数量是否超过预设的存储阈值;
若所述目标人脸组中存储的人脸特征的数量超过预设的存储阈值,则删除存储时间最早的人脸特征,将所述目标特征保存至所述目标人脸组;
若所述目标人脸组中存储的人脸特征的数量未超过预设的存储阈值,则将所述目标特征保存至所述目标人脸组。
7.一种人脸分类装置,其特征在于,所述装置包括:
特征提取模块,用于在人脸图片中提取所述人脸图片对应的目标特征;
相似度计算模块,用于根据所述目标特征与已储存的每个人脸组中的人脸特征,获得所述目标特征与每个人脸组之间的相似度,其中,一个人脸组对应保存同一个人的对应的人脸特征;
人脸组确定模块,用于根据每个人脸组对应的相似度,确定所述目标特征所属的目标人脸组;
特征保存模块,用于将所述目标特征保存至所述目标人脸组,并返回所述目标人脸组对应的标识信息。
8.根据权利要求7所述的装置,其特征在于,所述相似度计算模块,还用于:
计算所述目标特征与已储存的每个人脸组中的每个人脸特征之间的相似度;
获取同一个人脸组中每个人脸特征对应的每个相似度之间的平均值,并将所述平均值作为所述目标特征与当前所述人脸组之间的相似度。
9.一种人脸分类装置,其特征在于,包括处理器和存储器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时使所述人脸分类装置执行权利要求1-6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910145371.1A CN111626074A (zh) | 2019-02-27 | 2019-02-27 | 一种人脸分类方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910145371.1A CN111626074A (zh) | 2019-02-27 | 2019-02-27 | 一种人脸分类方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111626074A true CN111626074A (zh) | 2020-09-04 |
Family
ID=72259618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910145371.1A Pending CN111626074A (zh) | 2019-02-27 | 2019-02-27 | 一种人脸分类方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626074A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112114985A (zh) * | 2020-09-22 | 2020-12-22 | 杭州海康威视***技术有限公司 | 一种人脸信息的下发方法、装置及设备 |
-
2019
- 2019-02-27 CN CN201910145371.1A patent/CN111626074A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112114985A (zh) * | 2020-09-22 | 2020-12-22 | 杭州海康威视***技术有限公司 | 一种人脸信息的下发方法、装置及设备 |
CN112114985B (zh) * | 2020-09-22 | 2024-03-01 | 杭州海康威视***技术有限公司 | 一种人脸信息的下发方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104268498B (zh) | 一种二维码的识别方法及终端 | |
CN111476227A (zh) | 基于ocr的目标字段识别方法、装置及存储介质 | |
CN108961267B (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN109116129B (zh) | 终端检测方法、检测设备、***及存储介质 | |
CN110020093A (zh) | 视频检索方法、边缘设备、视频检索装置及存储介质 | |
US9355338B2 (en) | Image recognition device, image recognition method, and recording medium | |
CN111191582A (zh) | 三维目标检测方法、检测装置、终端设备及计算机可读存储介质 | |
CN108460346A (zh) | 指纹识别方法及装置 | |
CN111753608A (zh) | 信息处理方法及装置、电子设备及存储介质 | |
CN112307944A (zh) | 菜品库存信息处理方法、菜品出库方法及相关装置 | |
CN115631122A (zh) | 一种用于边缘图像算法的图像优化方法及装置 | |
CN112149570A (zh) | 多人活体检测方法、装置、电子设备及存储介质 | |
CN109711287B (zh) | 人脸采集方法及相关产品 | |
CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
CN111126457A (zh) | 信息的获取方法和装置、存储介质和电子装置 | |
JP6785181B2 (ja) | 物体認識装置、物体認識システム、及び物体認識方法 | |
CN111626074A (zh) | 一种人脸分类方法及装置 | |
CN112069342A (zh) | 图像分类方法、装置、电子设备及存储介质 | |
CN110222576B (zh) | 拳击动作识别方法、装置和电子设备 | |
CN111177450A (zh) | 一种图像检索云识别方法、***及计算机可读存储介质 | |
CN110610178A (zh) | 图像识别方法、装置、终端及计算机可读存储介质 | |
CN112069357B (zh) | 视频资源处理方法、装置、电子设备及存储介质 | |
CN114255321A (zh) | 采集宠物鼻纹的方法、装置、存储介质及电子设备 | |
CN112214639A (zh) | 视频筛选方法、视频筛选装置及终端设备 | |
CN111626075A (zh) | 一种目标识别方法及装置 |
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 |