CN111626161A - 人脸识别方法及装置、终端和可读存储介质 - Google Patents
人脸识别方法及装置、终端和可读存储介质 Download PDFInfo
- Publication number
- CN111626161A CN111626161A CN202010415103.XA CN202010415103A CN111626161A CN 111626161 A CN111626161 A CN 111626161A CN 202010415103 A CN202010415103 A CN 202010415103A CN 111626161 A CN111626161 A CN 111626161A
- Authority
- CN
- China
- Prior art keywords
- face
- face image
- image
- matching degree
- feature
- 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 36
- 230000001815 facial effect Effects 0.000 claims description 34
- 230000007613 environmental effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- -1 falling Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06V40/168—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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种人脸识别方法,人脸识别方法包括获取第一人脸图像;将第一人脸图像与预设的人脸特征数据库进行匹配,以获取人脸特征数据库中与第一人脸图像匹配的第二人脸图像,人脸特征数据库基于本地图库建立,第二人脸图像包含的人脸特征点比第一人脸图像包含的人脸特征点多;及在第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。本申请还公开了一种人脸识别装置、终端及非易失性计算机可读存储介质。本申请的人脸识别方法中,使用人脸特征数据库中第二人脸图像与注册人脸图像进行匹配,可以避免环境因素对人脸识别的影响,能够提高人脸识别的准确度。
Description
技术领域
本申请涉及生物特征识别技术领域,更具体而言,涉及一种人脸识别方法及装置、终端和非易失性计算机可读存储介质。
背景技术
人脸识别技术,是一种发展比较早的生物识别方式,人脸识别技术被广泛应用于智能手机解锁、移动支付、考勤***、门禁识别等场景。人脸识别时主要是将获取到的人脸图像与注册的人脸图像进行匹配,但是这种情况下用户所处的环境对人脸识别的准确度影像较大,用户所处的环境不理想时,获取到的人脸图像可能不清晰,获取到的人脸图像的人脸特征点容易缺失,从而降低人脸识别的准确度。
发明内容
本申请实施方式提供一种人脸识别方法及装置、终端和非易失性计算机可读存储介质。
本申请实施方式的人脸识别方法包括获取第一人脸图像;将所述第一人脸图像与预设的人脸特征数据库进行匹配,以获取所述人脸特征数据库中与所述第一人脸图像匹配的第二人脸图像,所述人脸特征数据库基于本地图库建立,所述第二人脸图像包含的人脸特征点比所述第一人脸图像包含的人脸特征点多;及在所述第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。
本申请实施方式的人脸识别装置包括第一获取模块、匹配模块及确定模块,所述第一获取模块用于获取第一人脸图像;所述匹配模块用于将所述第一人脸图像与预设的人脸特征数据库进行匹配,以获取所述人脸特征数据库中与所述第一人脸图像匹配的第二人脸图像,所述人脸特征数据库基于本地图库建立,所述第二人脸图像包含的人脸特征点比所述第一人脸图像包含的人脸特征点多;所述确定模块用于在所述第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。
本申请实施方式的终端包括处理器,所述处理器用于获取第一人脸图像;将所述第一人脸图像与预设的人脸特征数据库进行匹配,以获取所述人脸特征数据库中与所述第一人脸图像匹配的第二人脸图像,所述人脸特征数据库基于本地图库建立,所述第二人脸图像包含的人脸特征点比所述第一人脸图像包含的人脸特征点多;及在所述第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。
本申请实施方式的一种包含计算机可执行指令的非易失性计算机可读存储介质,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行上述的人脸识别方法。所述人脸识别方法包括获取第一人脸图像;将所述第一人脸图像与预设的人脸特征数据库进行匹配,以获取所述人脸特征数据库中与所述第一人脸图像匹配的第二人脸图像,所述人脸特征数据库基于本地图库建立,所述第二人脸图像包含的人脸特征点比所述第一人脸图像包含的人脸特征点多;及在所述第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。
本申请实施方式的人脸识别方法、人脸识别装置、终端及非易失性计算机可读存储介质中,将获取的第一人脸图像与预设的人脸数据库进行匹配,获取人脸数据库中与第一人脸图像匹配的第二人脸图像,在第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功,由于人脸特征数据库是基于本地图库建立的,可以理解第二人脸图像是从本地图库中获取得到的,且第二人脸图像包含的人脸特征点比第一人脸图像包含的特征点多,利用第二人脸图像与注册人脸图像进行匹配,可以有效避免外部环境因素对人脸识别的影响,能够提高人脸识别的准确度。
本申请的实施方式的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实施方式的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解,其中:
图1是本申请某些实施方式的人脸识别方法的流程示意图;
图2是本申请某些实施方式的人脸识别装置的模块示意图;
图3是本申请某些实施方式的终端的结构示意图;
图4是本申请某些实施方式的终端的结构示意图;
图5是本申请某些实施方式的人脸识别方法的流程示意图;
图6是本申请某些实施方式的人脸识别装置的模块示意图;
图7是本申请某些实施方式的人脸识别方法的流程示意图;
图8是本申请某些实施方式的人脸识别装置的模块示意图;
图9是本申请某些实施方式的人物分类数据库的平面示意图;
图10是本申请某些实施方式的人脸识别方法的流程示意图;
图11是本申请某些实施方式的人脸识别方法的流程示意图;
图12是本申请某些实施方式的人脸识别装置的模块示意图;
图13是本申请某些实施方式的人物图片库的平面示意图;
图14是本申请某些实施方式的特征图片的平面示意图;
图15是本申请某些实施方式的人脸识别方法的流程示意图;
图16是本申请某些实施方式的匹配模块的模块示意图;和
图17是本申请某些实施方式的计算机可读存储介质与处理器的连接关系示意图。
具体实施方式
以下结合附图对本申请的实施方式作进一步说明。附图中相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。
另外,下面结合附图描述的本申请的实施方式是示例性的,仅用于解释本申请的实施方式,而不能理解为对本申请的限制。
在本申请中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可以是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
请参阅图1至图3,本申请实施方式的人脸识别方法包括以下步骤:
011:获取第一人脸图像;
012:将第一人脸图像与预设的人脸特征数据库进行匹配,以获取人脸特征数据库中与第一人脸图像匹配的第二人脸图像;和
013:在第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。
其中,人脸特征数据库基于本地图库建立,第二人脸图像包含的人脸特征点比第一人脸图像包含的人脸特征点多。
在某些实施方式中,人脸识别装置10包括第一获取模块11、匹配模块12和确定模块13,第一获取模块11、匹配模块12和确定模块13可分别用于实现步骤011、步骤012和步骤013。即,第一获取模块11用于获取第一人脸图像;匹配模块12用于将第一人脸图像与预设的人脸特征数据库进行匹配,以获取人脸特征数据库中与第一人脸图像匹配的第二人脸图像;确定模块13用于在第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。
在某些实施方式中,终端100还包括处理器20,处理器20用于获取第一人脸图像;将第一人脸图像与预设的人脸特征数据库进行匹配,以获取人脸特征数据库中与第一人脸图像匹配的第二人脸图像;和在第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。也即是说,步骤011、步骤012和步骤013可以由处理器20实现。
本申请实施方式的人脸识别方法、人脸识别装置10、终端100及非易失性计算机可读存储介质中,将获取的第一人脸图像与预设的人脸数据库进行匹配,获取人脸数据库中与第一人脸图像匹配的第二人脸图像,在第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功,由于人脸特征数据库是基于本地图库建立的,可以理解第二人脸图像是从本地图库中获取得到的,且第二人脸图像包含的人脸特征点比第一人脸图像包含的特征点多,利用第二人脸图像与注册人脸图像进行匹配,可以有效避免外部环境因素对人脸识别的影响,能够提高人脸识别的准确度。
具体地,终端100包括壳体30和处理器20。处理器20安装在壳体30内。更具体地,终端100可以是手机、平板电脑、显示器、笔记本电脑、柜员机、闸机、门禁机、收银机、售货机等。本申请实施方式以终端100是手机为例进行说明,可以理解,终端100的具体形式并不限于手机。壳体30还可用于安装终端100的成像装置(即,摄像头40)、供电装置、通信装置等功能模块,以使壳体30为功能模块提供防尘、防摔、防水等保护。
请参阅图3和图4,在步骤010中,获取第一人脸图像。具体地,可以是用户通过摄像头40获取包含有人脸的第一人脸图像,当用户需要进行终端100人脸识别解锁时,摄像头40自动获取用户的第一人脸图像,其中,第一人脸图像可以是摄像头40拍摄包括用户脸的图片,第一人脸图像也可以是摄像头40拍摄包括用户脸的视频,第一人脸图像的具体形式在此不做限制。摄像头40包括前置摄像头41及后置摄像头42,可以是终端100的前置摄像头41获取第一人脸图像,也可以是终端100的后置摄像头42获取第一人脸图像。
在步骤020中,将第一人脸图像与预设的人脸特征数据库进行匹配,以获取人脸特征数据库中与第一人脸图像匹配的第二人脸图像。具体地,终端100有本地图库,预设的人脸特征数据库基于本地图库建立,可以理解,本地图库中包括多张图片,提取本地图库中的多张图片的人脸特征点,然后建立人脸特征数据库。人脸特征数据库中可能有多个人脸图像,将步骤010中获取到的第一人脸图像和人脸特征数据库中的多个人脸图像进行匹配,可以从人脸特征数据库中选择与第一人脸图像匹配度较高的人脸图像,作为第二人脸图像,由此,第二人脸图像也是基于本地图库得到的,且第二人脸图像的人脸特征点较第一人脸图像的人脸特征点多,第二人脸图像相较于第一人脸图像不易受到外部环境的影响。
进一步地,本地图库中包括了多张图片,可能包括了前置摄像头41拍摄的图片,也可能包括后置摄像头42拍摄的图片。在目前大多数的手机等终端100中,后置摄像头42的像素高于前置摄像头41的像素,可以理解,后置摄像头42拍摄的图片比前置摄像头41拍摄的图片清晰。在一个实施例中,本地图库中的图片均为后置摄像头42拍摄的人物图片,由此本地图库中的图片将比较清晰,也即是说,第二人脸图像也是后置摄像头42拍摄的图片,相较于直接使用前置摄像头41拍摄的第一人脸图像进行人脸识别时,本实施例的人脸识别方法的准确性将更高。
在步骤030中,在第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。具体地,注册人脸图像即是在终端100中已经预先注册好了的,当获取到第二人脸图像后,将第二人脸图像与注册人脸图像进行匹配,判断第二人脸图像与注册人脸图像的第一匹配度与第一预定匹配度之间的关系,若第一匹配度大于第一预定匹配度时,则确定人脸识别成功,第一匹配度等于第一预定匹配度时,也确定人脸识别成功,第一匹配度小于第一预定匹配度时,则确定人脸识别失败。其中,第一预定匹配度可以是85%、88%、90%、91%、92%、93%、94%、95%、96%、97%、98%等数值,第一预定匹配度越大,则人脸识别的准确性越高。在一个例子中,第一预定匹配度为95%。
相较于直接使用第一人脸图像与注册人脸图像进行匹配的方式而言,本申请的人脸识别方法首先通过将第一人脸图像与预设的人脸特征数据库进行匹配,得到第二人脸图像,然后使用第二人脸图像与注册人脸图像进行匹配,由于人脸特征数据库是基于本地图库得到的,则第二人脸图像与注册人脸图像进行匹配时,可以有效地避免外部环境因素的影响,同时第二人脸图像的人脸特征点比第一人脸图像的人脸特征点多,使得人脸识别的准确率将更高。
请参阅图5及图6,在某些实施方式中,人脸识别方法还包括以下步骤:
014:获取第三人脸图像;
015:计算第三人脸图像与人脸特征数据库的第二匹配度;
016:在第二匹配度大于第二预定匹配度时,根据人脸特征数据库中与第三人脸图像匹配的人脸特征点,生成注册人脸图像;和
017:在第二匹配度小于第二预定匹配度时,根据第三人脸图像中的人脸特征点,生成注册人脸图像。
在某些实施方式中,人脸识别装置10还包括第二获取模块14、计算模块15、第一生成模块16和第二生成模块17,第二获取获取模块14还可以用于获取第三人脸图像,计算模块15用于计算第三人脸图像与人脸特征数据库的第二匹配度;第一生成模块16用于在第二匹配度大于第二预定匹配度时,根据人脸特征数据库中与第三人脸图像匹配的人脸特征点,生成注册人脸图像;第二生成模块17还可以用于在第二匹配度大于第二预定匹配度时,根据人脸特征数据库中与第三人脸图像匹配的人脸特征点,生成注册人脸图像。也即是说,第二获取模块14还可以用于实现步骤014,计算模块15还可以用于实现步骤015,第一生成模块16可以用于实现步骤016,第二生成模块17可以用于实现步骤017。
在某些实施方式中,处理器20还可以用于获取第三人脸图像;计算第三人脸图像与人脸特征数据库的第二匹配度;在第二匹配度大于第二预定匹配度时,根据人脸特征数据库中与第三人脸图像匹配的人脸特征点,生成注册人脸图像;和在第二匹配度小于第二预定匹配度时,根据第三人脸图像中的人脸特征点,生成注册人脸图像。也即是说,处理器20还可以用于实现步骤014、步骤015、步骤016及步骤017。
具体地,通过摄像头40获取第三人脸图像,可以是通过前置摄像头41获取第三人脸图像,也可以是通过后置摄像头42获取第三人脸图像。其中,第三人脸图像可以是用户当前所处环境下摄像头40拍摄的包括有人脸的图片或者视频。然后通过算法等方式提取第三人脸图像中的人脸特征点,然后计算该人脸特征点与人脸特征数据库的第二匹配度。
在第二匹配度大于第二预定匹配度时,确定人脸特征数据库中与第三人脸图像匹配的人脸特征点,可以理解,确定人脸特征数据库中与第三人脸图像共同的人脸特征点,然后根据该共同的人脸特征点生成注册人脸图像,由此,注册人脸图像将更加的精准。另外地,在第二匹配度大于第二预定匹配度时,可以是确定人脸特征数据库中与第三人脸图像相匹配的人脸图像数据,然后根据与第三人脸图像相匹配的人脸图像数据生成注册人脸图像。由于本地图库中包括前置摄像头41拍摄的图片和后置摄像头42拍摄的图片,本地图库中的图片相较于第三人脸图像可能更加清晰,对应的人脸特征点也相较于第三人脸图像更加准确及数量更多,生成的注册人脸图像更加地准确,可以提高人脸识别的准确度。
在第二匹配度小于或等于第二预定匹配度时,以第三人脸图像中的人脸特征点生成注册人脸图像,可以理解,此时的注册人脸图像只包括第三人脸图像中的人脸特征点。
其中,第二预定匹配度为预先设置好的值,第二预定匹配度可以与第一预定匹配度相等,也可以大于第一预定匹配度,还可以小于第一预定匹配度,在此不做限制。第二预定匹配度可以是60%、65%、70%、75%、80%、85%、90%、95%等数值。在一个例子中,第二预定匹配度为70%,由于人脸特征数据库是基于本地图库建立的,本地图库中具有用户的多张图片,当第二匹配度大于70%可以基本确定当前操作用户为用户本人。
相较于直接使用第三人脸图像生成注册人脸图像的方式而言,本申请增加了计算人脸图像与人脸特征数据库的第二匹配度,且当第二匹配度大于第二预定匹配度时,根据人脸特征数据库中与第三人脸图像匹配的人脸特征点,生成注册人脸图像,在第二匹配度小于第二预设匹配度时,选择使用第三人脸图像生成注册人脸图像,可以理解,本申请优先使用人脸特征数据库中的人脸特征点生成注册人脸图像,人脸特征数据库中的人脸特征点相较于第三人脸图像更加准确,可以有效避免第三人脸图像不够清晰或者受环境影响比较重的情况出现。
在某些实施方式中,在第二匹配度大于第二预定匹配度时,可以在终端的显示界面提示是否同意使用人脸特征数据库中与第三人脸图像匹配的特征点生成注册人脸图像,若用户选择不同意,则根据第三人脸图像的特征点生成注册人脸图像,若用户选择同意,则根据人脸特征数据库中与第三人脸图像匹配的特征点生成注册人脸图像。
请参阅图7至图9,在某些实施方式中,人脸识别方法还包括以下步骤:
018:识别所述本地图库中的符合预设条件的图片;和
019:对图片进行分类,以形成人物分类数据库K10,人物分类数据库K10包括至少一个人物对应的人物图片库K11。
在某些实施方式中,人脸识别装置10还包括识别模块18分类模块19,识别模块18可以用于识别所述本地图库中的符合预设条件的图片,分类模块19可以用于对图片进行分类,以形成人物分类数据库K10,人物分类数据库K10包括至少一个人物对应的人物图片库K11。也即是说,识别模块18可以用于实现步骤018,分类模块19可以用于实现步骤019。
在某些实施方式中,处理器20还可以用于识别所述本地图库中的符合预设条件的图片;和对图片进行分类,以形成人物分类数据库K10,人物分类数据库K10包括至少一个人物对应的人物图片库K11。也即是说,处理器20还可以实现步骤018和步骤019。
具体地,本地图库中包括多张图片,每张图片的内容可能存在一定的差异,例如有些图片的内容主要是花草树木,有些图片的内容主要是大海,有些图片的内容主要是高楼大厦,有些图片主要是人物。首先需要从本地图库中识别出符合预设条件的图片,预设条件可以是图片中需要包括人物,且人物需要有脸部数据,当然预设条件还可以包括其他,例如图片需要在一定的时间内,例如图片需要清晰。
在识别出本地图库中符合预设条件的图片后,然后对图片进行分类,形成人物分类数据库K10。具体地,符合预设条件的图片之间的人物可能存在差异,例如有些图片是人物1,有些图片是人物2,有些图片是人物3等,不同的人物的人脸特征点存在差异,由此需要对符合预设条件的图片进行分类,例如将所有人物1的图片分为一类,生成人物1图片库,将所有人物2的图片分为一类,生成人物2图片库,将所有人物3的图片分为一类,生成人物3图片库。将所有的人物图片库结合,形成人物分类数据库K10,则人物分类数据库K10中包括至少一个人物对应的人物图片库K11。
进一步地,请参阅图10,在某些实施方式中,步骤018包括以下步骤:
0181:获取本地图库中的一张图片;
0182:识别图片中包括的人物信息;和
0183:在图片中只有一个人物时,识别图片是否包括人脸。
在某些实施方式中,识别模块16还用于获取本地图库中的一张图片;识别图片中包括的人物信息;和在图片中只有一个人物时,识别图片是否包括人脸。也即是说,识别模块16还用于实现步骤0181、步骤0182和步骤0183。
在某些实施方式中,处理器20还用于获取本地图库中的一张图片;识别图片中包括的人物信息;和在图片中只有一个人物时,识别图片是否包括人脸。也即是说,处理器20还用于实现步骤0181、步骤0182和步骤0183。
具体地,从本地图库中选取一张图片,然后识别图片中的人物信息,若图片中没有人物信息,则丢弃该张图片,继续提取下一张图片进行识别,如果下一张图片中包括人物信息,识别该张图片中是否只包括一个人物信息,在图片中只包括一个人物信息时,识别该图片是否包括人脸,若包括人脸则对该图片执行步骤019,若该图片不包括人脸,则丢弃该图片。由此,可以避免图片中有多个人物时,提取到的人脸特征点不准确。
进一步地,对包括一个人物且包括人脸的图片进行分类。具体地,若该图片是第一张图片,则建立第一个人物图片库,若该图片不是第一张图片,则将该图片和已形成的人物分类数据库进行匹配,即,计算该图片和所有的人物图片库之间的匹配度,如果与其中的一个人物图片库之间的匹配度大于预设匹配度时,表明该图片和人物分类数据库中的对应的人物图片库匹配成功,则将该图片分类至对应的人物图片库,如果与人物分类数据库中的所有的一个人物图片库之间的匹配度均小于预设匹配度时,表明该图片与所有的人物图片库均未匹配成功,则新建一个人物图片库,并将该图片存入该人物图片库。其中,预设匹配度可以是75%、78%、80%、83%、85%、88%、90%等值。
请参阅图11至图14,在某些实施方式中,人脸识别方法还包括以下步骤:
020:获取人物图片库K11中的人脸特征点的数量大于预设数量的特征图片K111;
021:整合特征图片K111的人脸特征点,以形成人物图片库K11对应的特征人脸图像;和
022:获取人物分类数据库中所有的人物图片库K11的特征人脸图像,以形成人脸特征数据库。
在某些实施方式中,人脸识别装置10还包括第三获取模块20、整合模块21和第四获取模块22,第三获取模块20可以用于获取人物图片库K11中的人脸特征点的数量大于预设数量的特征图片K111;整合模块21可以用于整合特征图片K111的人脸特征点,以形成人物图片库K11对应的特征人脸图像;第四获取模块22可以获取人物分类数据库中所有的人物图片库K11的特征人脸图像,以形成人脸特征数据库。也即是说,第三获取模块20可以用于实现步骤020,整合模块21可以用于实现步骤021,第四获取模块22可以用于实现步骤022。
在某些实施方式中,处理器20还可以用于获取人物图片库K11中的人脸特征点的数量大于预设数量的特征图片K111;整合特征图片K111的人脸特征点,以形成人物图片库K11对应的特征人脸图像;和获取人物分类数据库中所有的人物图片库K11的特征人脸图像,以形成人脸特征数据库。也即是说,处理器20还可以用于实现步骤020、步骤021和步骤022。
具体地,人物分类数据库中包括了多个人物图片库,每个人物图片库分别对应一个人物,并且人物图片库中可能包括多个图片,例如图13中的图片P1、图片P2、图片P3至图片Pn,每张图片均包括一定数量的人脸特征点,获取人物图片库中每张图片的人脸特征点,且计算每张图片的人脸特征点的数量,将人脸特征点的数量大于预设数量的图片保存为特征图片K111,例如图14中的图片t1、图片t2及图片t3。其中,预设数量可以是设定好的,也可以是变化的。在一个实施例中,按照人脸特征点的数量将图片由多到少依次从第1个排列到第N个,取前M个图片为特征图片K111,也即是说,第M个的图片的人脸特征点的数量即是预设数量,其中,N和M均为正整数。
进一步地,整合特征图片K111的人脸特征点,特征图片K111中图片的数量至少为一张、可以是两张、三张、四张等,每张图片的人脸特征点可能存在差异,且这些图片中的人脸特征点的数量均比较多,为了使人脸特征数据更加的丰富,故需要整合特征图片K111的人脸特征点,即将特征图片K111中的多张图片的人脸特征点进行叠加,然后可以得到该特征图片K111对应的特征人脸图像。请结合图14,假如图14对应的为人物1图片库中的特征图片K111,人物1图片库的特征图片K111包括图片t1、图片t2和图片t3,叠加图片t1、图片t2和图片t3中的人脸特征点,可以得到人物1图片库的特征人脸图像。
进一步地,请结合图9,分别获取人物分类数据库K10中所有的人物图片库K11的特征图片K111,即分别获取人物1图片库、人物2图片库至人物N图片库的特征图片,每个人物图片库K11均对应有一个特征图片K111,然后整合对应的特征图片K111的人脸特征点可以得到对应的人物图片库K11的特征人脸图像,多个特征人脸图像形成了人脸特征数据库。由于特征图片K11中图片的人脸特征点较多,整合特征图片K11的人脸特征点形成的特征人脸图像即可代表对应的用户的人脸数据,可以减少计算量同时还可以保证人脸识别的准确性比较高。
当然,在进行步骤020之前,即,获取人物图片库K11中的人脸特征点的数量大于预设数量的特征图片K111之前,还可以对人物图片库K11中的图片进行过滤处理,避免多年前的图片中人脸特征点不准确的情况。例如,过滤掉人物图片库K11中拍摄时间大于两年的图片,再例如过滤掉人物图片库K11中拍摄时间大于五百天的图片,再例如过滤掉人物图片库K11中拍摄时间大于三百六十五天的图片,由此可以保证人物图片库K11中的图片的时间比较新,更加贴合现在人物的实际人脸,同时也使最后获取到的特征图片及特征人脸图像比较准确。
请参阅图15和图16,在某些实施方式中,步骤012包括以下步骤:
0121:提取第一人脸图像的人脸特征点;
0122:将人脸特征点与人脸特征数据库中的多个特征人脸图像进行匹配;和
0123:从匹配成功的特征人脸图像对应的人物图片库中获取第二人脸图像。
在某些实施方式中,匹配模块12包括提取单元121、匹配单元122及获取单元123,提取单元121可以用于提取第一人脸图像的人脸特征点;匹配单元122可以用于将人脸特征点与人脸特征数据库中的多个特征人脸图像进行匹配;获取单元123可以用于从匹配成功的特征人脸图像对应的人物图片库中获取第二人脸图像。也即是说,提取单元121可以用于实现步骤0121,匹配单元122可以用于实现步骤0122,匹配单元122可以用于实现步骤0123。
在某些实施方式中,处理器20还用于提取第一人脸图像的人脸特征点;将人脸特征点与人脸特征数据库中的多个特征人脸图像进行匹配;和从匹配成功的特征人脸图像对应的人物图片库中获取第二人脸图像。也即是说,处理器20还用于实现步骤0121、步骤0122和步骤0123。
具体地,在步骤011中获取到了第一人脸图像,需要提取第一人脸图像中的人脸特征点,然后将提取到的第一人脸图像的人脸特征点与人脸特征数据库中的多个特征人脸图像进行匹配,人脸特征数据库中包括了多个特征人脸图像,每个特征人脸图像均对应有一个人物,这一步地目的主要是从多个特征人脸图像中选择与第一人脸图像相匹配的特征人脸图像。例如,第一人脸图像的人脸特征点与人物2对应的特征人脸图像相匹配,则表明此时终端100的摄像头40采集的为人物2的人脸图像。当然,人脸特征数据库中也可以只包括一个人脸特征图像。
更具体地,计算提取到的第一人脸图像的人脸特征点与人脸特征数据库中的每个特征人脸图像的第三匹配度,当第一人脸图像的人脸特征点与其中一个特征人脸图像的第三匹配度大于或等于第三预定匹配度时,则表明第一人脸图像与该特征人脸图像匹配成功,其中,第三匹配度小于第三预定匹配度的特征人脸图像则是匹配失败的特征人脸图像。其中,第三预定匹配度可以与第二预定匹配度及/或第一预定匹配度相同,也可以与第二预定匹配度及/或第一预定匹配度不相同,第三预定匹配度可以是75%、78%、80%、82%、85%、88%、90%等值。
进一步地,从匹配成功的特征人脸图像对应的人物图片库中获取第二人脸图像,由于人物图片库中包括了多张图片,可以理解,从本地图片库中选取一张图片作为第二人脸图像,由此,进行人脸识别时,与注册人脸图像匹配的即是本地图库中的一张图片,由于本地图库中的图片不受当时外部环境的影响,人脸识别的准确度较高。
具体地,人物图片库包括了特征图片,且特征图片中的人脸特征点相较于其他图片的人脸特征点更多,第二人脸图像从特征图片中获取,即,第二人脸图像为特征图片中的一张。特征图片中包括至少一张图片,可以是选择特征图片中拍摄时间距离当前时间最近的图片作为第二人脸图像,也可以是选择特征图片中人脸特征点最多的图片作为第二人脸图像,还可以别的方式从特征图片中获取第二人脸图像,在此不做限制。选取特征图片中的图片作为第二人脸图像,可以使在进行人脸识别时的准确性更高。
在一个实施例中,特征图片的数量为三张,第二人脸图像为特征图片中拍摄时间最新的图片,由此,第二人脸图像最接近于目前用户的真实人脸,可以使人脸识别的准确度较高。同时在进行人脸识别时,不易受到当前环境与光线等因素的影响。
请结合图1,在步骤030中,在第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。具体地,提取第二人脸图像的人脸特征点,将第二人脸图像的人脸特征点与注册人脸图像进行匹配,计算将第二人脸图像的人脸特征点与注册人脸图像之间的第一匹配度,在第一匹配度大于第一预定匹配度时,则人脸识别成功,第一匹配度小于第一预定匹配度时,则人脸识别失败。
在某些实施方式中,在第一人脸特征点与人脸特征数据库中的所有的特征人脸图像均匹配失败时,则直接将第一人脸图像与注册人脸图像进行匹配,将第一人脸图像的人脸特征点与注册人脸图像进行匹配,并计算第一人脸图像的人脸特征点与注册人脸图像的第四匹配度,判断第四匹配度是否大于第一预设匹配度,若第四匹配度大于第一预设匹配度,则人脸识别成功,若第四匹配度小于第一预设匹配度,则人脸识别失败。
请参阅图2和图17,请参阅图2和图17,本申请实施方式的一个或多个包含计算机可执行指令302的非易失性计算机可读存储介质300,当计算机可执行指令302被一个或多个处理器20执行时,使得处理器20可执行上述任一实施方式的人脸识别方法。
例如,请结合图1和图3,当计算机可执行指令302被一个或多个处理器20执行时,使得处理器20执行以下步骤:
011:获取第一人脸图像;
012:将第一人脸图像与预设的人脸特征数据库进行匹配,以获取人脸特征数据库中与第一人脸图像匹配的第二人脸图像;和
013:在第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。
再例如,请结合图3和图5,当计算机可执行指令302被一个或多个处理器20执行时,处理器20还可以执行以下步骤:
014:获取第三人脸图像;
015:计算第三人脸图像与人脸特征数据库的第二匹配度;
016:在第二匹配度大于第二预定匹配度时,根据人脸特征数据库中与第三人脸图像匹配的人脸特征点,生成注册人脸图像;和
017:在第二匹配度小于第二预定匹配度时,根据第三人脸图像中的人脸特征点,生成注册人脸图像。
在本说明书的描述中,参考术语“某些实施方式”、“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个所述特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个,除非另有明确具体的限定。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型,本申请的范围由权利要求及其等同物限定。
Claims (12)
1.一种人脸识别方法,其特征在于,所述人脸识别方法包括:
获取第一人脸图像;
将所述第一人脸图像与预设的人脸特征数据库进行匹配,以获取所述人脸特征数据库中与所述第一人脸图像匹配的第二人脸图像,所述人脸特征数据库基于本地图库建立,所述第二人脸图像包含的人脸特征点比所述第一人脸图像包含的人脸特征点多;及
在所述第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。
2.根据权利要求1所述的人脸识别方法,其特征在于,所述人脸识别方法还包括:
获取第三人脸图像;
计算所述第三人脸图像与所述人脸特征数据库的第二匹配度;
在所述第二匹配度大于第二预定匹配度时,根据所述人脸特征数据库中与所述第三人脸图像匹配的人脸特征点,生成所述注册人脸图像;及
在所述第二匹配度小于所述第二预定匹配度时,根据所述第三人脸图像中的人脸特征点,生成所述注册人脸图像。
3.根据权利要求1所述的人脸识别方法,其特征在于,所述人脸识别方法还包括:
识别所述本地图库中的符合预设条件的图片;及
对所述图片进行分类,以形成人物分类数据库,所述人物分类数据库包括至少一个人物对应的人物图片库。
4.根据权利要求3所述的人脸识别方法,其特征在于,所述人脸识别方法还包括:
获取所述人物图片库中的人脸特征点的数量大于预设数量的特征图片;
整合所述特征图片的人脸特征点,以形成所述人物图片库对应的特征人脸图像;及
获取所述人物分类数据库中所有的所述人物图片库的所述特征人脸图像,以形成所述人脸特征数据库。
5.根据权利要求4所述的人脸识别方法,其特征在于,所述将所述第一人脸图像与预设的人脸特征数据库进行匹配,以获取所述人脸特征数据库中与所述第一人脸图像匹配的第二人脸图像,包括:
提取所述第一人脸图像的人脸特征点;
将所述人脸特征点与所述人脸特征数据库中的多个所述特征人脸图像进行匹配;及
从匹配成功的所述特征人脸图像对应的所述人物图片库中获取所述第二人脸图像。
6.一种人脸识别装置,其特征在于,所述人脸识别装置包括:
第一获取模块,所述第一获取模块用于获取第一人脸图像;
匹配模块,所述匹配模块用于将所述第一人脸图像与预设的人脸特征数据库进行匹配,以获取所述人脸特征数据库中与所述第一人脸图像匹配的第二人脸图像,所述人脸特征数据库基于本地图库建立,所述第二人脸图像包含的人脸特征点比所述第一人脸图像包含的人脸特征点多;及
确定模块,所述确定模块用于在所述第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。
7.一种终端,其特征在于,所述终端包括处理器,所述处理器用于:
获取第一人脸图像;
将所述第一人脸图像与预设的人脸特征数据库进行匹配,以获取所述人脸特征数据库中与所述第一人脸图像匹配的第二人脸图像,所述人脸特征数据库基于本地图库建立,所述第二人脸图像包含的人脸特征点比所述第一人脸图像包含的人脸特征点多;及
在所述第二人脸图像与注册人脸图像的第一匹配度大于第一预定匹配度时,确定人脸识别成功。
8.根据权利要求7所述的终端,其特征在于,所述处理器还用于:
获取第三人脸图像;
计算所述第三人脸图像与所述人脸特征数据库的第二匹配度;
在所述第二匹配度大于第二预定匹配度时,根据所述人脸特征数据库中与所述第三人脸图像匹配的人脸特征点,生成所述注册人脸图像;及
在所述第二匹配度小于所述第二预定匹配度时,根据所述第三人脸图像中的人脸特征点,生成所述注册人脸图像。
9.根据权利要求7所述的终端,其特征在于,所述处理器还用于:
识别所述本地图库中的符合预设条件的图片;及
对所述图片进行分类,以形成人物分类数据库,所述人物分类数据库包括至少一个人物对应的人物图片库。
10.根据权利要求9所述的终端,其特征在于,所述处理器还用于:
获取所述人物图片库中的人脸特征点的数量大于预设数量的特征图片;
整合所述特征图片的人脸特征点,以形成所述人物图片库对应的特征人脸图像;及
获取所述人物分类数据库中所有的所述人物图片库的所述特征人脸图像,以形成所述人脸特征数据库。
11.根据权利要求10所述的终端,其特征在于,所述处理器还用于:
提取所述第一人脸图像的人脸特征点;
将所述人脸特征点与所述人脸特征数据库中的多个所述特征人脸图像进行匹配;及
从匹配成功的所述特征人脸图像对应的所述人物图片库中获取所述第二人脸图像。
12.一种包含计算机可执行指令的非易失性计算机可读存储介质,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行如权利要求1至5任一项所述的人脸识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010415103.XA CN111626161A (zh) | 2020-05-15 | 2020-05-15 | 人脸识别方法及装置、终端和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010415103.XA CN111626161A (zh) | 2020-05-15 | 2020-05-15 | 人脸识别方法及装置、终端和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111626161A true CN111626161A (zh) | 2020-09-04 |
Family
ID=72259805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010415103.XA Pending CN111626161A (zh) | 2020-05-15 | 2020-05-15 | 人脸识别方法及装置、终端和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626161A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598138A (zh) * | 2014-12-24 | 2015-05-06 | 三星电子(中国)研发中心 | 电子地图控制方法及装置 |
CN105183156A (zh) * | 2015-08-31 | 2015-12-23 | 小米科技有限责任公司 | 屏幕控制方法及装置 |
CN105407201A (zh) * | 2015-11-24 | 2016-03-16 | 小米科技有限责任公司 | 联系人信息匹配方法、装置及终端 |
CN106067013A (zh) * | 2016-06-30 | 2016-11-02 | 美的集团股份有限公司 | 嵌入式***人脸识别方法及装置 |
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 |
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 |
CN110795584A (zh) * | 2019-09-19 | 2020-02-14 | 深圳云天励飞技术有限公司 | 一种用户标识生成方法、装置及终端设备 |
-
2020
- 2020-05-15 CN CN202010415103.XA patent/CN111626161A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598138A (zh) * | 2014-12-24 | 2015-05-06 | 三星电子(中国)研发中心 | 电子地图控制方法及装置 |
CN105183156A (zh) * | 2015-08-31 | 2015-12-23 | 小米科技有限责任公司 | 屏幕控制方法及装置 |
CN105407201A (zh) * | 2015-11-24 | 2016-03-16 | 小米科技有限责任公司 | 联系人信息匹配方法、装置及终端 |
CN106067013A (zh) * | 2016-06-30 | 2016-11-02 | 美的集团股份有限公司 | 嵌入式***人脸识别方法及装置 |
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 |
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 |
CN110795584A (zh) * | 2019-09-19 | 2020-02-14 | 深圳云天励飞技术有限公司 | 一种用户标识生成方法、装置及终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11074436B1 (en) | Method and apparatus for face recognition | |
CN109815845B (zh) | 人脸识别的方法和装置、存储介质 | |
CN110443016B (zh) | 信息防泄露方法、电子装置及存储介质 | |
CN106203297B (zh) | 一种身份识别方法及装置 | |
CN107370942B (zh) | 拍照方法、装置、存储介质及终端 | |
CN111914775B (zh) | 活体检测方法、装置、电子设备及存储介质 | |
US20100329568A1 (en) | Networked Face Recognition System | |
CN104798103B (zh) | 面部识别装置、识别方法及其程序和信息设备 | |
US20160267339A1 (en) | Image processing apparatus and method of generating face image | |
CN113283883A (zh) | 业务实现方法和装置 | |
CN106886774A (zh) | 识别身份证信息的方法和装置 | |
US11989975B2 (en) | Iris authentication device, iris authentication method, and recording medium | |
JP6969663B2 (ja) | ユーザの撮影装置を識別する装置及び方法 | |
CN110991231B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
CN110598557A (zh) | 走失人员信息匹配方法、装置、计算机设备和存储介质 | |
CN107346419B (zh) | 虹膜识别方法、电子装置和计算机可读存储介质 | |
CN112364827A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN107622246A (zh) | 人脸识别方法及相关产品 | |
CN112199530B (zh) | 多维度脸库图片自动更新方法、***、设备及介质 | |
CN109635625B (zh) | 智能身份核验方法、设备、存储介质及装置 | |
US9286707B1 (en) | Removing transient objects to synthesize an unobstructed image | |
CN111626161A (zh) | 人脸识别方法及装置、终端和可读存储介质 | |
CN114745592A (zh) | 基于人脸识别的弹幕消息的显示方法及***、设备及介质 | |
CN111767845B (zh) | 证件识别方法及装置 | |
JP2018137639A (ja) | 動画像処理システム、並びに、符号化装置及びプログラム、並びに、復号装置及びプログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200904 |