CN111723651A - 一种人脸识别方法、人脸识别装置及终端设备 - Google Patents
一种人脸识别方法、人脸识别装置及终端设备 Download PDFInfo
- Publication number
- CN111723651A CN111723651A CN202010387768.4A CN202010387768A CN111723651A CN 111723651 A CN111723651 A CN 111723651A CN 202010387768 A CN202010387768 A CN 202010387768A CN 111723651 A CN111723651 A CN 111723651A
- Authority
- CN
- China
- Prior art keywords
- visible light
- face
- infrared
- image sample
- image
- 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
- 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
- G06V40/167—Detection; Localisation; Normalisation using comparisons between temporally consecutive images
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Studio Devices (AREA)
Abstract
本申请适用于图像处理技术领域,提供了一种人脸识别方法、人脸识别装置及终端设备,所述方法包括:获取可见光图像和近红外图像;分别对所述可见光图像和近红外图像进行人脸特征提取,以得到可见光人脸特征信息和近红外人脸特征信息;基于所述可见光人脸特征信息进行人脸识别,若存在匹配可见光人脸图像样本,则将所述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,否则基于所述近红外人脸特征信息进行人脸识别;若存在匹配近红外人脸图像样本,则将所述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,否则输出提醒消息。通过上述方法,可以实现对全球各种肤色的人种进行人脸识别。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及一种人脸识别方法、人脸识别装置、终端设备及计算机可读存储介质。
背景技术
相关技术中,可见光人脸识别技术易用性强且支持大容量人脸数据库识别,但是容易受光照条件影响且人种适应性差,比如黄种人识别率高,但白种人、棕色人及过渡人种识别率较低,黑人更是基本无法识别。因此,人脸识别如何克服光照变化及人脸肤色的影响成为一个难题。
发明内容
有鉴于此,本申请提供了一种人脸识别方法、人脸识别装置、终端设备及计算机可读存储介质,可以实现对全球各种肤色的人种进行人脸识别,同时又能满足大容量数据库识别的需求。
第一方面,本申请提供了一种人脸识别方法,包括:
获取可见光图像和近红外图像,其中,上述可见光图像和上述近红外图像为对同一场景进行拍摄得到的图像;
分别对上述可见光图像和上述近红外图像进行人脸特征提取,以得到上述可见光图像的可见光人脸特征信息和上述近红外图像的近红外人脸特征信息;
基于上述可见光人脸特征信息进行人脸识别;
若存在匹配可见光人脸图像样本,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,其中,上述匹配可见光人脸图像样本为预设的人脸数据库中与上述可见光人脸特征信息相匹配的可见光人脸图像样本,上述人脸数据库中的各个可见光人脸图像样本分别关联不同的已注册用户;
若不存在上述匹配可见光人脸图像样本,则基于上述近红外人脸特征信息进行人脸识别;
若存在匹配近红外人脸图像样本,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,其中,上述匹配近红外人脸图像样本为上述人脸数据库中与上述近红外人脸特征信息相匹配的近红外人脸图像样本,上述人脸数据库中的各个近红外光人脸图像样本分别关联不同的已注册用户;
若不存在上述匹配近红外人脸图像样本,则输出提醒消息,以提醒人脸识别失败。
第二方面,本申请提供了一种人脸识别装置,包括:
图像获取单元,用于获取可见光图像和近红外图像,其中,上述可见光图像和上述近红外图像为对同一场景进行拍摄得到的图像;
特征提取单元,用于分别对上述可见光图像和上述近红外图像进行人脸特征提取,以得到上述可见光图像的可见光人脸特征信息和上述近红外图像的近红外人脸特征信息;
可见光人脸识别单元,用于基于上述可见光人脸特征信息进行人脸识别;
第一判断单元,用于若存在匹配可见光人脸图像样本,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,其中,上述匹配可见光人脸图像样本为预设的人脸数据库中与上述可见光人脸特征信息相匹配的可见光人脸图像样本,上述人脸数据库中的各个可见光人脸图像样本分别关联不同的已注册用户;
第二判断单元,用于若不存在上述匹配可见光人脸图像样本,则基于上述近红外人脸特征信息进行人脸识别;
第三判断单元,用于若存在匹配近红外人脸图像样本,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,其中,上述匹配近红外人脸图像样本为上述人脸数据库中与上述近红外人脸特征信息相匹配的近红外人脸图像样本,上述人脸数据库中的各个近红外光人脸图像样本分别关联不同的已注册用户;
第四判断单元,用于若不存在上述匹配近红外人脸图像样本,则输出提醒消息,以提醒人脸识别失败。
第三方面,本申请提供了一种终端设备,包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述第一方面所提供的方法。
第四方面,本申请提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如第一方面所提供的方法。
第五方面,本申请提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面所提供的方法。
由上可见,本申请方案中首先获取可见光图像和近红外图像,并分别对上述可见光图像和上述近红外图像进行人脸特征提取,以得到上述可见光图像的可见光人脸特征信息和上述近红外图像的近红外人脸特征信息;然后基于上述可见光人脸特征信息进行人脸识别,若存在匹配可见光人脸图像样本,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,若不存在上述匹配可见光人脸图像样本,则基于上述近红外人脸特征信息进行人脸识别,若存在匹配近红外人脸图像样本,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,若不存在上述匹配近红外人脸图像样本,则输出提醒消息。本申请方案将近红外人脸和可见光人脸融合交叉注册及识别,可以实现对全球各种肤色的人种进行人脸识别。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1是本申请实施例提供的人脸识别方法的流程示意图;
图2是本申请实施例提供的人脸识别方法的框图;
图3是本申请实施例提供的人脸识别装置的结构示意图;
图4是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
图1示出了本申请实施例提供的一种人脸识别方法的流程图,详述如下:
步骤101,获取可见光图像和近红外图像;
在本申请实施例中,可见光图像由可见光传感器拍摄获得,而近红外图像由近红外传感器拍摄获得,且可见光图像和近红外图像由对应的传感器对同一场景进行拍摄得到。示例性地,可见光传感器和近红外传感器可以安装在相同的位置,并且可见光传感器和近红外传感器的镜头对准同一个方向。当感应到镜头对准的方向出现待识别用户时,触发可见光传感器和近红外传感器进行拍摄,以得到可见光图像和近红外图像。可选地,在获取可见光图像和近红外图像后,可以分别对可见光图像和近红外图像进行人脸检测,以检测可见光图像和近红外图像中是否包含人脸;如果可见光图像人脸检测失败,则重新获取可见光图像;如果近红外图像人脸检测失败,则重新获取近红外图像。
可选地,在上述步骤101获取可见光图像和近红外图像的过程中,可以对可见光图像和近红外图像进行一些预处理操作,如图像质量检测处理,活体检测处理,近红外防伪处理。其中,图像质量检测可以检测可见光图像和近红外图像的质量是否合格,活体检测处理可以判别可见光图像中的人脸是否为活体,有效区分真实人脸和照片,近红外防伪可以判别近红外图像中的人脸是否为活体,请参阅图2,上述步骤101具体流程可以是:
步骤S1、获取可见光图像,对可见光图像进行图像质量检测,如果质量检测合格,则跳转至步骤S3;如果质量检测不合格,则跳转至步骤S2;
步骤S2、判断当前比对模式是普通比对模式还是混合比对模式,如果当前比对模式为普通比对模式,则输出提醒消息以提醒人脸识别失败,并停止后续步骤;如果当前比对模式为混合比对模式,则跳转至步骤S3;其中,比对模式由用户根据需求预先设置,比对模式可以控制本申请实施例中人脸识别方法的工作模式;
步骤S3、检测基于可见光图像的活体检测功能是否打开,如果活体检测功能打开,则跳转至步骤S4;如果活体检测功能未打开,则跳转至步骤S6;
步骤S4、对可见光图像进行图像质量检测,如果质量检测合格,则跳转至步骤S5;如果质量检测不合格,则输出提醒消息以提醒人脸识别失败;
步骤S5、基于可见光图像进行活体检测,如果活体检测成功,则跳转至步骤S6;如果活体检测失败,则输出提醒消息以提醒人脸识别失败;
步骤S6、检测近红外传感器是否打开,如果近红外传感器已经打开,则跳转至步骤S7;如果近红外传感器没有打开,则跳转至步骤S11;
步骤S7、检测基于近红外图像的防伪功能是否关闭,且当前比对模式是否为普通比对模式,如果防伪功能关闭且当前比对模式为普通比对模式,则跳转至步骤S11;如果防伪功能打开和/或当前比对模式不为普通比对模式,则跳转至步骤S8;
步骤S8、获取近红外图像,检测近红外防伪功能是否打开,如果近红外防伪功能打开,则跳转至步骤S9;如果近红外防伪功能未打开,则跳转至步骤S11;
步骤S9、分别对可见光图像和近红外图像进行图像质量检测,如果可见光图像和近红外图像的质量检测均合格,则跳转至步骤S10;如果可见光图像和/或近红外图像的质量检测不合格,则输出提醒消息以提醒人脸识别失败;
步骤S10、基于近红外图像进行近红外防伪检测,如果近红外防伪检测成功,则跳转至步骤S11;如果近红外防伪检测失败,则输出提醒消息以提醒人脸识别失败;
步骤S11、即下述步骤102。
步骤102,分别对上述可见光图像和上述近红外图像进行人脸特征提取,以得到上述可见光图像的可见光人脸特征信息和上述近红外图像的近红外人脸特征信息;
在本申请实施例中,分别对可见光图像和近红外图像进行待识别用户的人脸特征的提取,目的是为了得到可见光图像的可见光人脸特征信息和近红外图像的近红外人脸特征信息。该人脸特征包括但不限于肤色特征、眼睛特征、鼻子特征、唇部特征和脸形特征中的一种或多种。可见光人脸特征信息为用于表征从可见光人脸图像中提取到的待识别用户的人脸特征的信息;近红外人脸特征信息为用于表征从近红外人脸图像中提取到的待识别用户的人脸特征的信息。可选地,上述人脸特征提取的过程可以通过训练好的神经网络模型实现。即,将可见光图像和近红外图像输入至上述神经网络模型,由上述神经网络模型分别对可见光图像和近红外图像进行人脸特征提取。
可选地,请参阅图2,在上述步骤102之后还包括:判断当前比对模式是普通比对模式还是混合比对模式;如果当前比对模式为普通比对模式,则判断是否成功提取到可见光人脸特征信息,如果没有提取到可见光人脸特征信息,则输出提醒消息以提醒人脸识别失败;如果成功提取到可见光人脸特征信息,则执行步骤103,如果存在匹配可见光人脸图像样本,则将匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,如果不存在匹配可见光人脸图像样本,则识别失败,输出提醒消息。
如果当前比对模式为混合比对模式,则判断是否成功提取到可见光人脸特征信息、近红外人脸特征信息,判断结果存在如下四种情况:
一、如果没有提取到可见光人脸特征信息,也没有提取到近红外人脸特征信息,则输出提醒消息以提醒人脸识别失败。
二、如果只提取到可见光人脸特征信息,则执行步骤103;如果存在匹配可见光人脸图像样本,则将匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果;如果不存在匹配可见光人脸图像样本,则识别失败,输出提醒消息。
三、如果只提取到近红外人脸特征信息,则执行与步骤C1、C2、C3及C4相似的步骤:分别将上述人脸数据库中的各张近红外人脸图像样本与上述近红外图像进行比对,得到各张近红外人脸图像样本分别相对于近红外图像的第三相似度;将所得到的各个第三相似度中的最大值确定为最大第三相似度;将最大第三相似度与预设的第二近红外相似度阈值进行比较;若上述最大第三相似度大于第二近红外相似度阈值,则将上述最大第三相似度对应的近红外人脸图像样本关联的已注册用户确定为人脸识别结果;否则识别失败,输出提醒消息。
四、如果同时提取到了可见光人脸特征信息和近红外人脸特征信息,则执行下述步骤103、步骤104、步骤105、步骤106及步骤107。
可选地,上述步骤102具体包括:
S111、对上述可见光图像进行图像质量检测,以及对上述近红外图像进行图像质量检测;
S112、当上述可见光图像的图像质量检测通过时,对上述可见光图像进行人脸特征提取;
S113、当上述近红外图像的图像质量检测通过时,对上述近红外图像进行人脸特征提取。
其中,图像质量检测包括:模糊,拉伸,噪声,亮度,曝光度,角度,彩色,倒立,遮挡,人脸大小等质量判断。分别对可见光图像和近红外图像进行图像质量检测;当可见光图像的图像质量检测通过时,对可见光图像进行人脸特征提取;当上述近红外图像的图像质量检测通过时,对上述近红外图像进行人脸特征提取。可选地,当上述近红外图像的图像质量检测通过时,还要判断当前比对模式是否为普通比对模式,如果不为普通比对模式,才对上述近红外图像进行人脸特征提取。
步骤103,基于上述可见光人脸特征信息进行人脸识别;
在本申请实施例中,可见光人脸特征信息表征了从可见光人脸图像中提取到的待识别用户的人脸特征,根据该可见光人脸特征信息,在预设的人脸数据库中查找匹配可见光人脸图像样本。具体地,在人脸数据库中存储有多张可见光人脸图像样本,各张可见光人脸图像分别关联不同的已注册用户,每一可见光人脸图像样本为与之相关联的已注册用户的人脸部位的可见光图像。上述匹配可见光人脸图像样本为各张可见光人脸图像样本中与可见光人脸特征信息相匹配的一张。
可选地,上述步骤103具体包括:
A1、基于上述可见光人脸特征信息,分别将上述人脸数据库中的各张可见光人脸图像样本与上述可见光图像进行比对,得到各张可见光人脸图像样本分别相对于上述可见光图像的第一相似度;
A2、将所得到的各个第一相似度中的最大值确定为最大第一相似度;
A3、将上述最大第一相似度与预设的第一可见光相似度阈值进行比较;
A4、若上述最大第一相似度大于上述第一可见光相似度阈值,则将上述最大第一相似度对应的可见光人脸图像样本确定为上述匹配可见光人脸图像样本。
具体地,人脸数据库中保存有各张可见光人脸图像样本的特征信息。然后分别将各张可见光人脸图像样本的特征信息与上述可见光图像的可见光人脸特征信息进行相似度的计算,计算得到的相似度记作各张可见光人脸图像样本分别相对于上述可见光图像的第一相似度。在得到的各个第一相似度中,选取最大值作为最大第一相似度。本申请预先设置有一个第一可见光相似度阈值,如果最大第一相似度大于第一可见光相似度阈值,则认为最大第一相似度对应的可见光人脸图像样本与可见光图像极为相似,不存在误识,可以直接将最大第一相似度对应的可见光人脸图像样本确定为匹配可见光人脸图像样本。
步骤104,若存在匹配可见光人脸图像样本,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果;
在本申请实施例中,如果在人脸数据库中存在匹配可见光人脸图像样本,则说明待识别用户为已注册用户中的一名,即,待识别用户与匹配可见光人脸图像样本所关联的已注册用户为同一人。此时,人脸识别成功,并将匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果。
步骤105,若不存在上述匹配可见光人脸图像样本,则基于上述近红外人脸特征信息进行人脸识别;
在本申请实施例中,如果在人脸数据库中不存在匹配可见光人脸图像样本,则根据近红外人脸特征信息,在人脸数据库中查找匹配近红外人脸图像样本。具体地,在人脸数据库中存储有多张近红外人脸图像样本,各张近红外人脸图像分别关联不同的已注册用户,每一近红外人脸图像样本为与之相关联的已注册用户的人脸部位的近红外图像。上述匹配近红外人脸图像样本为各张近红外人脸图像样本中与近红外人脸特征信息相匹配的一张。
可选地,上述基于上述近红外人脸特征信息进行人脸识别,具体包括:
B1、从上述人脸数据库中筛选出第一集合;
B2、将上述第一集合中的一张候选可见光人脸图像样本确定为目标可见光人脸图像样本;
B3、基于上述近红外人脸特征信息,计算上述近红外图像与目标近红外人脸图像样本之间的第二相似度;
B4、若上述第二相似度大于预设的第一近红外相似度阈值,则将上述目标近红外人脸图像样本确定为上述匹配近红外人脸图像样本;
B5、若上述第二相似度小于或等于上述第一近红外相似度阈值,则返回执行上述将上述第一集合中的一张候选可见光人脸图像样本确定为目标可见光人脸图像样本的步骤及后续步骤。
具体地,人脸数据库中包括多张可见光人脸图像样本和多张近红外人脸图像样本,其中,每一可见光人脸图像样本分别对应一近红外人脸图像样本,且不同可见光人脸图像样本所对应的近红外人脸图像样本不同。其中,存在对应关系的可见光人脸图像样本和近红外人脸图像样本为同一已注册用户的人脸图像。也即是说,在人脸数据库中,每个已注册用户对应存在一组图像,每一组图像包括一张可见光人脸图像样本和一张近红外人脸图像样本。若不存在匹配可见光人脸图像样本,则从人脸数据库中的所有可见光人脸图像样本中筛选出第一集合,第一集合由若干张候选可见光人脸图像样本构成。其中,每一候选可见光人脸图像样本对应的第一相似度均大于预设的第二可见光相似度阈值。在本申请实施例中,设置第二可见光相似度阈值小于第一可见光相似度阈值。
进一步地,在第一集合中选取一张候选可见光人脸图像样本作为目标可见光人脸图像样本。然后根据人脸数据库中可见光人脸图像样本和近红外人脸图像样本之间的对应关系,获取目标可见光人脸图像样本对应的近红外人脸图像样本,记作目标近红外人脸图像样本。对目标近红外人脸图像样本进行人脸特征的提取,得到目标近红外人脸图像样本的特征信息。再将目标近红外人脸图像样本的特征信息与上述近红外图像的近红外人脸特征信息进行相似度的计算,计算得到的相似度记作目标近红外人脸图像样本与近红外图像之间的第二相似度。将第二相似度与预设的第一近红外相似度阈值进行比较,如果第二相似度大于第一近红外相似度阈值,则将目标近红外人脸图像样本确定为匹配近红外人脸图像样本;如果第二相似度小于或等于第一近红外相似度阈值,则返回到步骤B2,重新在第一集合中选取一张候选可见光人脸图像样本作为目标可见光人脸图像样本,并根据新的目标可见光人脸图像样本执行步骤B3、B4和B5。需要说明的是,重新在第一集合中选取的候选可见光人脸图像样本应该是未曾被选取过的。即,第一集合中的每一张候选可见光人脸图像样本被确定为目标可见光人脸图像样本的次数不超过一次。最终,执行完步骤B2、B3、B4和B5后有两种可能的结果:一是在第一集合中确定出匹配近红外人脸图像样本;二是遍历完第一集合中所有候选可见光人脸图像样本后依然未确定出匹配近红外人脸图像样本,此时认为不存在匹配近红外人脸图像样本。
可选地,可以根据候选可见光人脸图像样本对应的第一相似度由高到低的顺序,依次在第一集合中选取一张候选可见光人脸图像样本作为目标可见光人脸图像样本;或者,也可以随机顺序依次在第一集合中选取一张候选可见光人脸图像样本作为目标可见光人脸图像样本,此处不对目标可见光人脸图像样本的选取顺序作出限定。
可选地,上述基于上述近红外人脸特征信息进行人脸识别,还可以通过以下方式实现:根据人脸数据库中的各张可见光人脸图像样本对应的第一相似度由高至低的顺序,获取前N张可见光人脸图像样本,其中,N为正整数,且小于或等于人脸数据库中可见光人脸图像样本的数量;在前N张可见光人脸图像样本中,按照前N张可见光人脸图像样本对应的第一相似度由高至低的顺序,每次选取一张可见光人脸图像样本作为目标可见光人脸图像样本;根据人脸数据库中可见光人脸图像样本与近红外人脸图像样本的对应关系,获取目标可见光人脸图像样本对应的近红外人脸图像样本,记作目标近红外人脸图像样本;基于近红外人脸特征信息,计算近红外图像与目标近红外人脸图像样本之间的相似度,记作第二相似度;如果目标可见光人脸图像样本对应的第一相似度大于第二可见光相似度阈值,且第二相似度大于第一近红外相似度阈值,则将目标近红外人脸图像样本确定为匹配近红外人脸图像样本,并停止选取下一张可见光人脸图像样本作为目标可见光人脸图像样本;如果目标可见光人脸图像样本对应的第一相似度不大于第二可见光相似度阈值,和/或,第二相似度不大于第一近红外相似度阈值,则在前N张可见光人脸图像样本中选取下一张可见光人脸图像样本作为目标可见光人脸图像样本,并对新的目标可见光人脸图像样本执行相同的步骤;当目标可见光人脸图像样本为前N张可见光人脸图像样本中的最后一张可见光人脸图像样本时,如果目标可见光人脸图像样本对应的第一相似度不大于第二可见光相似度阈值,和/或,第二相似度不大于第一近红外相似度阈值,则认为不存在匹配近红外人脸图像样本。
可选地,在上述步骤B1之后,上述人脸识别方法还包括:
C1、若上述第一集合为空集,则分别将上述人脸数据库中的各张近红外人脸图像样本与上述近红外图像进行比对,得到各张近红外人脸图像样本分别相对于上述近红外图像的第三相似度;
C2、将所得到的各个第三相似度中的最大值确定为最大第三相似度;
C3、将上述最大第三相似度与预设的第二近红外相似度阈值进行比较,其中,上述第二近红外相似度阈值大于上述第一近红外相似度阈值;
C4、若上述最大第三相似度大于上述第二近红外相似度阈值,则将上述最大第三相似度对应的近红外人脸图像样本确定为匹配近红外人脸图像样本。
具体地,如果第一集合为空集,即第一集合中不存在候选可见光人脸图像样本,则分别对人脸数据库中的各张近红外人脸图像样本进行人脸特征的提取,得到各张近红外人脸图像样本的特征信息。然后分别将各张近红外人脸图像样本的特征信息与近红外图像的可见光人脸特征信息进行相似度的计算,计算得到的相似度记作各张近红外人脸图像样本分别相对于近红外图像的第三相似度。在得到的各个第三相似度中,选取最大值作为最大第三相似度。本申请预先设置有一个小于第一近红外相似度阈值的第二近红外相似度阈值,如果最大第三相似度大于第二可见光相似度阈值,则直接将最大第三相似度对应的近红外人脸图像样本确定为匹配近红外人脸图像样本。
步骤106,若存在匹配近红外人脸图像样本,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果;
在本申请实施例中,如果在人脸数据库中存在匹配近红外人脸图像样本,则说明待识别用户为已注册用户中的一名,即,待识别用户与匹配近红外人脸图像样本所关联的已注册用户为同一人。此时,人脸识别成功,并将匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果。
步骤107,若不存在上述匹配近红外人脸图像样本,则输出提醒消息,以提醒人脸识别失败。
在本申请实施例中,如果在人脸数据库中不存在匹配近红外人脸图像样本,则输出提醒消息,该提醒消息用于指示本次人脸识别失败。可选地,在人脸识别失败后,可以重新执行上述步骤101。
可选地,上述步骤101具体包括:
获取连续的M张可见光图像和连续的M张近红外图像;
其中,连续的M张可见光图像指的是由可见光传感器连续拍摄获得的M张可见光图像,同理,连续的M张近红外图像是由近红外传感器连续拍摄获得的M张近红外图像。其中,M为大于1的整数,且第i张可见光图像和第i张近红外图像由对应的传感器在同一个时刻,以相同的拍摄角度拍摄得到,i为不大于M的正整数。
相应地,上述步骤104具体包括:
若上述M张可见光图像中的每一可见光图像都存在对应的匹配可见光人脸图像样本,且各张匹配可见光人脸图像样本相同,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果;
其中,对于M张可见光图像中的每一可见光图像,都执行上述步骤102、103中的操作。如果M张可见光图像中的每一可见光图像都存在对应的匹配可见光人脸图像样本,且M张可见光图像所对应的M张匹配可见光人脸图像样本相同,则将匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果。
相应地,上述步骤105具体包括:
若上述M张可见光图像中的任一可见光图像不存在对应的匹配可见光人脸图像样本,和/或,存在不相同的匹配可见光人脸图像样本,则基于上述近红外人脸特征信息进行人脸识别。
其中,如果M张可见光图像中的任意一可见光图像不存在对应的匹配可见光人脸图像样本,和/或,存在至少一张匹配可见光人脸图像样本与其它可见光人脸图像样本不相同,则基于M张近红外图像中的每一近红外图像所对应的近红外人脸特征信息进行人脸识别。
可选地,上述步骤106具体包括:
若上述M张近红外图像中的每一近红外图像都存在对应的匹配近红外人脸图像样本,且各张匹配近红外人脸图像样本相同,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果;
其中,如果M张近红外图像中的每一近红外图像都存在对应的匹配近红外人脸图像样本,且M张近红外图像所对应的M张匹配近红外人脸图像样本相同,则将匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果。
相应地,上述步骤107具体包括:
若所述M张近红外图像中的任一近红外图像不存在对应的匹配近红外人脸图像样本,和/或,存在不相同的匹配近红外人脸图像样本,则输出提醒消息,以提醒人脸识别失败;
其中,如果M张近红外图像中的任意一近红外图像不存在对应的匹配近红外人脸图像样本,和/或,存在至少一张匹配近红外人脸图像样本与其它的匹配近红外人脸图像样本不相同,则输出提醒消息,该提醒消息用于指示本次人脸识别失败。可选地,在人脸识别失败后,可以重新执行上述步骤101。
在本申请实施例中,获取了M组图像,每一组图像包括相同时刻拍摄的一张可见光图像和一张近红外图像。对于每一组图像,分别对可见光图像和近红外图像进行人脸特征提取,以得到每一组图像的可见光人脸特征信息和近红外人脸特征信息。分别根据每一组图像的可见光人脸特征信息在人脸数据库中查找匹配可见光人脸图像样本,如果得到了M张相同的匹配可见光人脸图像样本,则将匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果;如果没有得到M张相同的匹配可见光人脸图像样本,则分别根据每一组图像的近红外人脸特征信息在人脸数据库中查找匹配近红外人脸图像样本,如果得到了M张相同的匹配近红外人脸图像样本,则将匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果;如果没有得到M张相同的匹配近红外人脸图像样本,则输出提醒消息。通过多组图像的判断,可以提高人脸识别的准确率。
由上可见,本申请方案中获取可见光图像和近红外图像;分别对上述可见光图像和近红外图像进行人脸特征提取,以得到可见光人脸特征信息和近红外人脸特征信息;基于上述可见光人脸特征信息进行人脸识别,若存在匹配可见光人脸图像样本,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,否则基于上述近红外人脸特征信息进行人脸识别;若存在匹配近红外人脸图像样本,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,否则输出提醒消息。本申请方案将近红外人脸和可见光人脸融合交叉注册及识别,可以实现对全球各种肤色的人种进行人脸识别。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图3示出了本申请实施例提供的一种人脸识别装置的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分。
该人脸识别置300包括:
图像获取单元301,用于获取可见光图像和近红外图像,其中,上述可见光图像和上述近红外图像为对同一场景进行拍摄得到的图像;
特征提取单元302,用于分别对上述可见光图像和上述近红外图像进行人脸特征提取,以得到上述可见光图像的可见光人脸特征信息和上述近红外图像的近红外人脸特征信息;
可见光人脸识别单元303,用于基于上述可见光人脸特征信息进行人脸识别;
第一判断单元304,用于若存在匹配可见光人脸图像样本,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,其中,上述匹配可见光人脸图像样本为预设的人脸数据库中与上述可见光人脸特征信息相匹配的可见光人脸图像样本,上述人脸数据库中的各个可见光人脸图像样本分别关联不同的已注册用户;
第二判断单元305,用于若不存在上述匹配可见光人脸图像样本,则基于上述近红外人脸特征信息进行人脸识别;
第三判断单元306,用于若存在匹配近红外人脸图像样本,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,其中,上述匹配近红外人脸图像样本为上述人脸数据库中与上述近红外人脸特征信息相匹配的近红外人脸图像样本,上述人脸数据库中的各个近红外光人脸图像样本分别关联不同的已注册用户;
第四判断单元307,用于若不存在上述匹配近红外人脸图像样本,则输出提醒消息,以提醒人脸识别失败。
可选地,上述可见光人脸识别单元303还包括:
第一比对子单元,用于基于上述可见光人脸特征信息,分别将上述人脸数据库中的各张可见光人脸图像样本与上述可见光图像进行比对,得到各张可见光人脸图像样本分别相对于上述可见光图像的第一相似度;
最大第一相似度确定子单元,用于将所得到的各个第一相似度中的最大值确定为最大第一相似度;
第一比较子单元,用于将上述最大第一相似度与预设的第一可见光相似度阈值进行比较;
匹配可见光样本确定子单元,用于若上述最大第一相似度大于上述第一可见光相似度阈值,则将上述最大第一相似度对应的可见光人脸图像样本确定为上述匹配可见光人脸图像样本。
可选地,上述人脸数据库中的每一可见光人脸图像样本分别对应一近红外人脸图像样本,且不同可见光人脸图像样本所对应的近红外人脸图像样本不同,其中,存在对应关系的可见光人脸图像样本及近红外人脸图像样本为同一已注册用户的人脸图像,上述基于上述近红外人脸特征信息进行人脸识别,上述第二判断单元305还包括:
第一集合筛选子单元,用于从上述人脸数据库中筛选出第一集合,其中,上述第一集合由候选可见光人脸图像样本构成,每一候选可见光人脸图像样本对应的第一相似度均大于预设的第二可见光相似度阈值,且上述第二可见光相似度阈值小于上述第一可见光相似度阈值;
目标可见光样本确定子单元,用于将上述第一集合中的一张候选可见光人脸图像样本确定为目标可见光人脸图像样本;
第二相似度计算子单元,用于基于上述近红外人脸特征信息,计算上述近红外图像与目标近红外人脸图像样本之间的第二相似度,其中,上述目标近红外人脸图像样本为上述目标可见光人脸图像样本在上述人脸数据库中对应的近红外人脸图像样本;
第一匹配近红外样本确定子单元,用于若上述第二相似度大于预设的第一近红外相似度阈值,则将上述目标近红外人脸图像样本确定为上述匹配近红外人脸图像样本;
跳转子单元,用于若上述第二相似度小于或等于上述第一近红外相似度阈值,则返回执行上述将上述第一集合中的一张候选可见光人脸图像样本确定为目标可见光人脸图像样本的步骤及后续步骤,其中,一张候选可见光人脸图像样本被确定为目标可见光人脸图像样本的次数不超过一次。
可选地,上述第二判断单元305还包括:
空集判断子单元,用于若上述第一集合为空集,则分别将上述人脸数据库中的各张近红外人脸图像样本与上述近红外图像进行比对,得到各张近红外人脸图像样本分别相对于上述近红外图像的第三相似度;
最大第三相似度确定子单元,用于将所得到的各个第三相似度中的最大值确定为最大第三相似度;
第二比较子单元,用于将上述最大第三相似度与预设的第二近红外相似度阈值进行比较,其中,上述第二近红外相似度阈值大于上述第一近红外相似度阈值;
第二匹配近红外样本确定子单元,用于若上述最大第三相似度大于上述第二近红外相似度阈值,则将上述最大第三相似度对应的近红外人脸图像样本确定为匹配近红外人脸图像样本。
可选地,上述图像获取单元301还包括:
连续图像获取子单元,用于获取连续的M张可见光图像和连续的M张近红外图像,其中,第i张可见光图像和第i张近红外图像为对同一场景进行拍摄得到的图像,i为不大于M的正整数,M为大于1的整数。
可选地,上述第一判断单元304还包括:
连续第一判断子单元,用于若上述M张可见光图像中的每一可见光图像都存在对应的匹配可见光人脸图像样本,且各张匹配可见光人脸图像样本相同,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果。
可选地,上述第二判断单元305还包括:
连续第二判断子单元,用于若上述M张可见光图像中的任一可见光图像不存在对应的匹配可见光人脸图像样本,和/或,存在不相同的匹配可见光人脸图像样本,则基于上述近红外人脸特征信息进行人脸识别。
可选地,上述第三判断单元306还包括:
连续第三判断子单元,用于若上述M张近红外图像中的每一近红外图像都存在对应的匹配近红外人脸图像样本,且各张匹配近红外人脸图像样本相同,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果。
可选地,上述第四判断单元306还包括:
连续第四判断子单元,用于若上述M张近红外图像中的任一近红外图像不存在对应的匹配近红外人脸图像样本,和/或,存在不相同的匹配近红外人脸图像样本,则输出提醒消息,以提醒人脸识别失败。
可选地,上述特征提取单元302还包括:
质量检测子单元,用于对上述可见光图像进行图像质量检测,以及对上述近红外图像进行图像质量检测;
质检通过子单元,用于当上述可见光图像的图像质量检测通过时,对上述可见光图像进行人脸特征提取;
质检未通过子单元,用于当上述近红外图像的图像质量检测通过时,对上述近红外图像进行人脸特征提取。
由上可见,本申请方案中获取可见光图像和近红外图像;分别对上述可见光图像和近红外图像进行人脸特征提取,以得到可见光人脸特征信息和近红外人脸特征信息;基于上述可见光人脸特征信息进行人脸识别,若存在匹配可见光人脸图像样本,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,否则基于上述近红外人脸特征信息进行人脸识别;若存在匹配近红外人脸图像样本,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,否则输出提醒消息。本申请方案将近红外人脸和可见光人脸融合交叉注册及识别,可以实现对全球各种肤色的人种进行人脸识别。
图4为本申请一实施例提供的终端设备的结构示意图。如图4所示,该实施例的终端设备4包括:至少一个处理器40(图4中仅示出一个)处理器、存储器41以及存储在上述存储器41中并可在上述至少一个处理器40上运行的计算机程序42,上述处理器40执行上述计算机程序42时实现以下步骤:
获取可见光图像和近红外图像,其中,上述可见光图像和上述近红外图像为对同一场景进行拍摄得到的图像;
分别对上述可见光图像和上述近红外图像进行人脸特征提取,以得到上述可见光图像的可见光人脸特征信息和上述近红外图像的近红外人脸特征信息;
基于上述可见光人脸特征信息进行人脸识别;
若存在匹配可见光人脸图像样本,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,其中,上述匹配可见光人脸图像样本为预设的人脸数据库中与上述可见光人脸特征信息相匹配的可见光人脸图像样本,上述人脸数据库中的各个可见光人脸图像样本分别关联不同的已注册用户;
若不存在上述匹配可见光人脸图像样本,则基于上述近红外人脸特征信息进行人脸识别;
若存在匹配近红外人脸图像样本,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,其中,上述匹配近红外人脸图像样本为上述人脸数据库中与上述近红外人脸特征信息相匹配的近红外人脸图像样本,上述人脸数据库中的各个近红外光人脸图像样本分别关联不同的已注册用户;
若不存在上述匹配近红外人脸图像样本,则输出提醒消息,以提醒人脸识别失败。
假设上述为第一种可能的实施方式,则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中,上述基于上述可见光人脸特征信息进行人脸识别,包括:
基于上述可见光人脸特征信息,分别将上述人脸数据库中的各张可见光人脸图像样本与上述可见光图像进行比对,得到各张可见光人脸图像样本分别相对于上述可见光图像的第一相似度;
将所得到的各个第一相似度中的最大值确定为最大第一相似度;
将上述最大第一相似度与预设的第一可见光相似度阈值进行比较;
若上述最大第一相似度大于上述第一可见光相似度阈值,则将上述最大第一相似度对应的可见光人脸图像样本确定为上述匹配可见光人脸图像样本。
在上述第二种可能的实施方式作为基础而提供的第三种可能的实施方式中,上述人脸数据库中的每一可见光人脸图像样本分别对应一近红外人脸图像样本,且不同可见光人脸图像样本所对应的近红外人脸图像样本不同,其中,存在对应关系的可见光人脸图像样本及近红外人脸图像样本为同一已注册用户的人脸图像,上述基于上述近红外人脸特征信息进行人脸识别,包括:
从上述人脸数据库中筛选出第一集合,其中,上述第一集合由候选可见光人脸图像样本构成,每一候选可见光人脸图像样本对应的第一相似度均大于预设的第二可见光相似度阈值,且上述第二可见光相似度阈值小于上述第一可见光相似度阈值;
将上述第一集合中的一张候选可见光人脸图像样本确定为目标可见光人脸图像样本;
基于上述近红外人脸特征信息,计算上述近红外图像与目标近红外人脸图像样本之间的第二相似度,其中,上述目标近红外人脸图像样本为上述目标可见光人脸图像样本在上述人脸数据库中对应的近红外人脸图像样本;
若上述第二相似度大于预设的第一近红外相似度阈值,则将上述目标近红外人脸图像样本确定为上述匹配近红外人脸图像样本;
若上述第二相似度小于或等于上述第一近红外相似度阈值,则返回执行上述将上述第一集合中的一张候选可见光人脸图像样本确定为目标可见光人脸图像样本的步骤及后续步骤,其中,一张候选可见光人脸图像样本被确定为目标可见光人脸图像样本的次数不超过一次。
在上述第三种可能的实施方式作为基础而提供的第四种可能的实施方式中,在上述从上述人脸数据库中筛选出第一集合之后,上述人脸识别方法还包括:
若上述第一集合为空集,则分别将上述人脸数据库中的各张近红外人脸图像样本与上述近红外图像进行比对,得到各张近红外人脸图像样本分别相对于上述近红外图像的第三相似度;
将所得到的各个第三相似度中的最大值确定为最大第三相似度;
将上述最大第三相似度与预设的第二近红外相似度阈值进行比较,其中,上述第二近红外相似度阈值大于上述第一近红外相似度阈值;
若上述最大第三相似度大于上述第二近红外相似度阈值,则将上述最大第三相似度对应的近红外人脸图像样本确定为匹配近红外人脸图像样本。
在上述第一种可能的实施方式作为基础而提供的第五种可能的实施方式中,上述获取可见光图像和近红外图像,包括:
获取连续的M张可见光图像和连续的M张近红外图像,其中,第i张可见光图像和第i张近红外图像为对同一场景进行拍摄得到的图像,i为不大于M的正整数,M为大于1的整数;
相应地,上述若存在匹配可见光人脸图像样本,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,包括:
若上述M张可见光图像中的每一可见光图像都存在对应的匹配可见光人脸图像样本,且各张匹配可见光人脸图像样本相同,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果;
相应地,上述若不存在上述匹配可见光人脸图像样本,则基于上述近红外人脸特征信息进行人脸识别,包括:
若上述M张可见光图像中的任一可见光图像不存在对应的匹配可见光人脸图像样本,和/或,存在不相同的匹配可见光人脸图像样本,则基于上述近红外人脸特征信息进行人脸识别。
在上述第五种可能的实施方式作为基础而提供的第六种可能的实施方式中,上述若存在匹配近红外人脸图像样本,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,包括:
若上述M张近红外图像中的每一近红外图像都存在对应的匹配近红外人脸图像样本,且各张匹配近红外人脸图像样本相同,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果;
相应地,若不存在上述匹配近红外人脸图像样本,则输出提醒消息,包括:
若上述M张近红外图像中的任一近红外图像不存在对应的匹配近红外人脸图像样本,和/或,存在不相同的匹配近红外人脸图像样本,则输出提醒消息,以提醒人脸识别失败。
在上述第一种可能的实施方式作为基础,或者上述第二种可能的实施方式作为基础,或者上述第三种可能的实施方式作为基础,或者上述第四种可能的实施方式作为基础,或者上述第五种可能的实施方式作为基础,或者上述第六种可能的实施方式作为基础而提供的第七种可能的实施方式中,上述分别对上述可见光图像和上述近红外图像进行人脸特征提取,包括:
对上述可见光图像进行图像质量检测,以及对上述近红外图像进行图像质量检测;
当上述可见光图像的图像质量检测通过时,对上述可见光图像进行人脸特征提取;
当上述近红外图像的图像质量检测通过时,对上述近红外图像进行人脸特征提取。
该终端设备可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图4仅仅是终端设备4的举例,并不构成对终端设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),该处理器40还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述存储器41在一些实施例中可以是上述终端设备4的内部存储单元,例如终端设备4的硬盘或内存。上述存储器41在另一些实施例中也可以是上述终端设备4的外部存储设备,例如上述终端设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,上述存储器41还可以既包括上述终端设备4的内部存储单元也包括外部存储设备。上述存储器41用于存储操作***、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如上述计算机程序的程序代码等。上述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
由上可见,本申请方案中获取可见光图像和近红外图像;分别对上述可见光图像和近红外图像进行人脸特征提取,以得到可见光人脸特征信息和近红外人脸特征信息;基于上述可见光人脸特征信息进行人脸识别,若存在匹配可见光人脸图像样本,则将上述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,否则基于上述近红外人脸特征信息进行人脸识别;若存在匹配近红外人脸图像样本,则将上述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,否则输出提醒消息。本申请方案将近红外人脸和可见光人脸融合交叉注册及识别,可以实现对全球各种肤色的人种进行人脸识别。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
上述集成的单元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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,上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,上述计算机程序包括计算机程序代码,上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。上述计算机可读介质至少可以包括:能够将计算机程序代码携带到终端设备的任何实体或装置、记录介质、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。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,上述模块或单元的划分,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,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
上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。
以上上述实施例仅用以说明本申请的技术方案,而非对其限制;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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种人脸识别方法,其特征在于,包括:
获取可见光图像和近红外图像,其中,所述可见光图像和所述近红外图像为对同一场景进行拍摄得到的图像;
分别对所述可见光图像和所述近红外图像进行人脸特征提取,以得到所述可见光图像的可见光人脸特征信息和所述近红外图像的近红外人脸特征信息;
基于所述可见光人脸特征信息进行人脸识别;
若存在匹配可见光人脸图像样本,则将所述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,其中,所述匹配可见光人脸图像样本为预设的人脸数据库中与所述可见光人脸特征信息相匹配的可见光人脸图像样本,所述人脸数据库中的各个可见光人脸图像样本分别关联不同的已注册用户;
若不存在所述匹配可见光人脸图像样本,则基于所述近红外人脸特征信息进行人脸识别;
若存在匹配近红外人脸图像样本,则将所述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,其中,所述匹配近红外人脸图像样本为所述人脸数据库中与所述近红外人脸特征信息相匹配的近红外人脸图像样本,所述人脸数据库中的各个近红外光人脸图像样本分别关联不同的已注册用户;
若不存在所述匹配近红外人脸图像样本,则输出提醒消息,以提醒人脸识别失败。
2.根据权利要求1所述的人脸识别方法,其特征在于,所述基于所述可见光人脸特征信息进行人脸识别,包括:
基于所述可见光人脸特征信息,分别将所述人脸数据库中的各张可见光人脸图像样本与所述可见光图像进行比对,得到各张可见光人脸图像样本分别相对于所述可见光图像的第一相似度;
将所得到的各个第一相似度中的最大值确定为最大第一相似度;
将所述最大第一相似度与预设的第一可见光相似度阈值进行比较;
若所述最大第一相似度大于所述第一可见光相似度阈值,则将所述最大第一相似度对应的可见光人脸图像样本确定为所述匹配可见光人脸图像样本。
3.根据权利要求2所述的人脸识别方法,其特征在于,所述人脸数据库中的每一可见光人脸图像样本分别对应一近红外人脸图像样本,且不同可见光人脸图像样本所对应的近红外人脸图像样本不同,其中,存在对应关系的可见光人脸图像样本及近红外人脸图像样本为同一已注册用户的人脸图像,所述基于所述近红外人脸特征信息进行人脸识别,包括:
从所述人脸数据库中筛选出第一集合,其中,所述第一集合由候选可见光人脸图像样本构成,每一候选可见光人脸图像样本对应的第一相似度均大于预设的第二可见光相似度阈值,且所述第二可见光相似度阈值小于所述第一可见光相似度阈值;
将所述第一集合中的一张候选可见光人脸图像样本确定为目标可见光人脸图像样本;
基于所述近红外人脸特征信息,计算所述近红外图像与目标近红外人脸图像样本之间的第二相似度,其中,所述目标近红外人脸图像样本为所述目标可见光人脸图像样本在所述人脸数据库中对应的近红外人脸图像样本;
若所述第二相似度大于预设的第一近红外相似度阈值,则将所述目标近红外人脸图像样本确定为所述匹配近红外人脸图像样本;
若所述第二相似度小于或等于所述第一近红外相似度阈值,则返回执行所述将所述第一集合中的一张候选可见光人脸图像样本确定为目标可见光人脸图像样本的步骤及后续步骤,其中,一张候选可见光人脸图像样本被确定为目标可见光人脸图像样本的次数不超过一次。
4.根据权利要求3所述的人脸识别方法,其特征在于,在所述从所述人脸数据库中筛选出第一集合之后,所述人脸识别方法还包括:
若所述第一集合为空集,则分别将所述人脸数据库中的各张近红外人脸图像样本与所述近红外图像进行比对,得到各张近红外人脸图像样本分别相对于所述近红外图像的第三相似度;
将所得到的各个第三相似度中的最大值确定为最大第三相似度;
将所述最大第三相似度与预设的第二近红外相似度阈值进行比较,其中,所述第二近红外相似度阈值大于所述第一近红外相似度阈值;
若所述最大第三相似度大于所述第二近红外相似度阈值,则将所述最大第三相似度对应的近红外人脸图像样本确定为匹配近红外人脸图像样本。
5.根据权利要求1所述的人脸识别方法,其特征在于,所述获取可见光图像和近红外图像,包括:
获取连续的M张可见光图像和连续的M张近红外图像,其中,第i张可见光图像和第i张近红外图像为对同一场景进行拍摄得到的图像,i为不大于M的正整数,M为大于1的整数;
相应地,所述若存在匹配可见光人脸图像样本,则将所述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,包括:
若所述M张可见光图像中的每一可见光图像都存在对应的匹配可见光人脸图像样本,且各张匹配可见光人脸图像样本相同,则将所述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果;
相应地,所述若不存在所述匹配可见光人脸图像样本,则基于所述近红外人脸特征信息进行人脸识别,包括:
若所述M张可见光图像中的任一可见光图像不存在对应的匹配可见光人脸图像样本,和/或,存在不相同的匹配可见光人脸图像样本,则基于所述近红外人脸特征信息进行人脸识别。
6.根据权利要求5所述的人脸识别方法,其特征在于,所述若存在匹配近红外人脸图像样本,则将所述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,包括:
若所述M张近红外图像中的每一近红外图像都存在对应的匹配近红外人脸图像样本,且各张匹配近红外人脸图像样本相同,则将所述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果;
相应地,若不存在所述匹配近红外人脸图像样本,则输出提醒消息,包括:
若所述M张近红外图像中的任一近红外图像不存在对应的匹配近红外人脸图像样本,和/或,存在不相同的匹配近红外人脸图像样本,则输出提醒消息,以提醒人脸识别失败。
7.根据权利要求1至6任一项所述的人脸识别方法,其特征在于,所述分别对所述可见光图像和所述近红外图像进行人脸特征提取,包括:
对所述可见光图像进行图像质量检测,以及对所述近红外图像进行图像质量检测;
当所述可见光图像的图像质量检测通过时,对所述可见光图像进行人脸特征提取;
当所述近红外图像的图像质量检测通过时,对所述近红外图像进行人脸特征提取。
8.一种人脸识别装置,其特征在于,包括:
图像获取单元,用于获取可见光图像和近红外图像,其中,所述可见光图像和所述近红外图像为对同一场景进行拍摄得到的图像;
特征提取单元,用于分别对所述可见光图像和所述近红外图像进行人脸特征提取,以得到所述可见光图像的可见光人脸特征信息和所述近红外图像的近红外人脸特征信息;
可见光人脸识别单元,用于基于所述可见光人脸特征信息进行人脸识别;
第一判断单元,用于若存在匹配可见光人脸图像样本,则将所述匹配可见光人脸图像样本所关联的已注册用户确定为人脸识别的结果,其中,所述匹配可见光人脸图像样本为预设的人脸数据库中与所述可见光人脸特征信息相匹配的可见光人脸图像样本,所述人脸数据库中的各个可见光人脸图像样本分别关联不同的已注册用户;
第二判断单元,用于若不存在所述匹配可见光人脸图像样本,则基于所述近红外人脸特征信息进行人脸识别;
第三判断单元,用于若存在匹配近红外人脸图像样本,则将所述匹配近红外人脸图像样本所关联的已注册用户确定为人脸识别的结果,其中,所述匹配近红外人脸图像样本为所述人脸数据库中与所述近红外人脸特征信息相匹配的近红外人脸图像样本,所述人脸数据库中的各个近红外光人脸图像样本分别关联不同的已注册用户;
第四判断单元,用于若不存在所述匹配近红外人脸图像样本,则输出提醒消息,以提醒人脸识别失败。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010387768.4A CN111723651B (zh) | 2020-05-09 | 2020-05-09 | 一种人脸识别方法、人脸识别装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010387768.4A CN111723651B (zh) | 2020-05-09 | 2020-05-09 | 一种人脸识别方法、人脸识别装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111723651A true CN111723651A (zh) | 2020-09-29 |
CN111723651B CN111723651B (zh) | 2023-10-10 |
Family
ID=72564813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010387768.4A Active CN111723651B (zh) | 2020-05-09 | 2020-05-09 | 一种人脸识别方法、人脸识别装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111723651B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516089A (zh) * | 2021-07-27 | 2021-10-19 | 中国平安人寿保险股份有限公司 | 人脸图像识别方法、装置、设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108388878A (zh) * | 2018-03-15 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 用于识别人脸的方法和装置 |
CN109858371A (zh) * | 2018-12-29 | 2019-06-07 | 深圳云天励飞技术有限公司 | 人脸识别的方法及装置 |
CN110532992A (zh) * | 2019-09-04 | 2019-12-03 | 深圳市捷顺科技实业股份有限公司 | 一种基于可见光和近红外的人脸识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622588B (zh) * | 2012-03-08 | 2013-10-09 | 无锡中科奥森科技有限公司 | 双验证人脸防伪方法及装置 |
CN109427124A (zh) * | 2017-09-05 | 2019-03-05 | 北京中科奥森数据科技有限公司 | 一种双目摄像头人脸识别门禁设备及其控制方法 |
CN110072083A (zh) * | 2019-04-10 | 2019-07-30 | 深圳市万睿智能科技有限公司 | 一种双目摄像头可视对讲门口机的控制方法及*** |
-
2020
- 2020-05-09 CN CN202010387768.4A patent/CN111723651B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108388878A (zh) * | 2018-03-15 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 用于识别人脸的方法和装置 |
CN109858371A (zh) * | 2018-12-29 | 2019-06-07 | 深圳云天励飞技术有限公司 | 人脸识别的方法及装置 |
CN110532992A (zh) * | 2019-09-04 | 2019-12-03 | 深圳市捷顺科技实业股份有限公司 | 一种基于可见光和近红外的人脸识别方法 |
Non-Patent Citations (1)
Title |
---|
李美丽: "人脸识别与美颜算法实战 基于Python、机器学习与深度学习", vol. 1, 西安电子科技大学出版社, pages: 113 - 115 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516089A (zh) * | 2021-07-27 | 2021-10-19 | 中国平安人寿保险股份有限公司 | 人脸图像识别方法、装置、设备及可读存储介质 |
CN113516089B (zh) * | 2021-07-27 | 2024-04-12 | 中国平安人寿保险股份有限公司 | 人脸图像识别方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111723651B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107423690B (zh) | 一种人脸识别方法及装置 | |
CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
CN106960177A (zh) | 活体人脸验证方法及***、活体人脸验证装置 | |
EP2336949B1 (en) | Apparatus and method for registering plurality of facial images for face recognition | |
CN110889312A (zh) | 活体检测方法和装置、电子设备、计算机可读存储介质 | |
CN110866466A (zh) | 一种人脸识别方法、装置、存储介质和服务器 | |
CN104063709B (zh) | 视线检测装置及方法、图像捕获装置及其控制方法 | |
CN107346419B (zh) | 虹膜识别方法、电子装置和计算机可读存储介质 | |
CN111931548B (zh) | 人脸识别***、建立人脸识别数据的方法及人脸识别方法 | |
CN112183504B (zh) | 一种基于非接触式手掌静脉图像的视频注册方法及装置 | |
CN108108711A (zh) | 人脸布控方法、电子设备及存储介质 | |
CN112115805A (zh) | 带双模态难挖掘三元-中心损失的行人重识别方法及*** | |
CN110826646A (zh) | 机器人视觉测试方法、装置、存储介质及终端设备 | |
CN114677607A (zh) | 基于人脸识别的实时行人统计方法以及装置 | |
CN111027400A (zh) | 一种活体检测方法及装置 | |
CN113837006B (zh) | 一种人脸识别方法、装置、存储介质及电子设备 | |
CN113033305B (zh) | 活体检测方法、装置、终端设备和存储介质 | |
CN111723651A (zh) | 一种人脸识别方法、人脸识别装置及终端设备 | |
CN112699811A (zh) | 活体检测方法、装置、设备、储存介质及程序产品 | |
CN115457623A (zh) | 停留时长检测方法、装置及服务器 | |
CN113255766B (zh) | 一种图像分类方法、装置、设备和存储介质 | |
US10726259B2 (en) | Image processing method and system for iris recognition | |
CN113269125A (zh) | 一种人脸识别方法、装置、设备及存储介质 | |
CN111860100A (zh) | 行人数量的确定方法、装置、电子设备及可读存储介质 | |
US20220343681A1 (en) | Evaluating method and system for face verification, and computer storage medium |
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 |