CN112966575B - 一种应用于智慧社区的目标人脸识别方法及装置 - Google Patents
一种应用于智慧社区的目标人脸识别方法及装置 Download PDFInfo
- Publication number
- CN112966575B CN112966575B CN202110201271.3A CN202110201271A CN112966575B CN 112966575 B CN112966575 B CN 112966575B CN 202110201271 A CN202110201271 A CN 202110201271A CN 112966575 B CN112966575 B CN 112966575B
- Authority
- CN
- China
- Prior art keywords
- target face
- target
- face
- face image
- recognition
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 83
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 238000003860 storage Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 38
- 238000003702 image correction Methods 0.000 claims description 32
- 230000001815 facial effect Effects 0.000 claims description 26
- 210000000697 sensory organ Anatomy 0.000 claims description 19
- 230000004397 blinking Effects 0.000 claims description 8
- 208000006440 Open Bite Diseases 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000005282 brightening Methods 0.000 claims description 3
- 241000023320 Luma <angiosperm> Species 0.000 claims 2
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种应用于智慧社区的目标人脸识别方法、装置、计算机设备和存储介质。所述方法包括:判断目标人脸图像是否满足能够进行人脸识别的识别条件,若目标人脸图像满足识别条件,则对目标人脸进行识别,输出对应的目标人脸识别结果;否则,对目标人脸图像进行图像优化处理,直至得到符合识别条件的优化后目标人脸图像。因此,采用本申请实施例,预先配置了识别条件,只有在符合预先配置的识别条件的情况下,才对目标人脸进行识别,这样,避免了无效的人脸识别过程,提高了人脸识别的识别效率,也使得最终输出的目标人脸识别结果中的目标人脸图像具有较佳的图像画质,大大地提升了目标人脸的识别效率以及识别精准度。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种应用于智慧社区的目标人脸识别方法及装置。
背景技术
随着人工智能设备的推广和广泛使用,人脸识别技术也得到广泛应用。现有技术中,人脸识别过程包括图像采集、图像预处理、图像特征提取和人脸识别多个步骤。图像采集过程通过电子设备的摄像头对人脸进行拍摄,得到人脸图像;图像预处理过程包括对人脸图像中的无关背景元素进行去除,突出人脸图像的中人脸区域等处理过程;图像特征提取过程包括对预处理得到的人脸图像进行人脸特征提取;人脸识别过程基于现有的人脸特征库中的各种标准人脸特征,对目标人脸提取出的人脸特征进行比对和识别。
现有采用各种电子设备拍照以获取人脸图像越来越普及。但是,由于环境光线的影响,往往使得自动采集的人脸图像的画质并不好,从而降低了人脸识别的效率和准确率。
此外,由于现有技术无法根据图像采集环境的不同对图像进行不同的图像预处理过程,从而降低了人脸识别的效率和准确率。
发明内容
本发明实施例的目的在于提供一种应用于智慧社区的目标人脸识别方法、装置、计算机设备和存储介质,以解决上述技术问题。
第一方面,本申请实施例提供了一种应用于智慧社区的目标人脸识别方法,所述方法包括:
将多个具有摄像头和显示屏的人脸识别装置分别布设于智慧社区的多个检测路口;
对具有目标人脸的目标行人进行追踪,得到所述目标行人的目标轨迹;
根据所述目标轨迹判断所述目标行人是否到达多个检测路口的任意一个检测路口,在根据所述目标轨迹判断所述目标行人已到达任意一个检测路口,启动对应的人脸识别装置的摄像头进行人脸识别,并将所述显示屏的亮度值调整至大于预设亮度阈值;
响应于人脸姿态的随机指令,判断所述目标人脸是否执行相应的人脸姿态,并在判断所述目标人脸执行相应的人脸姿态,启动采集所述目标人脸图像;
判断所述目标人脸图像是否满足能够进行人脸识别的识别条件,若所述目标人脸图像满足所述识别条件,则对所述目标人脸进行识别,输出对应的目标人脸识别结果;否则,对所述目标人脸图像进行图像优化处理,直至得到符合所述识别条件的优化后目标人脸图像,并对所述优化后目标人脸图像进行识别,输出对应的目标人脸识别结果。
在一种实施方式中,所述随机指令包括用于执行眨眼第一预设次数的第一指令、用于执行头部向左转第一预设角度的第二指令、用于执行头部向右转第二预设角度的第三指令、用于执行张嘴第二预设次数的第四指令和用于执行点头第三预设次数的第五指令,所述响应于人脸姿态的随机指令,判断所述目标人脸是否执行相应的人脸姿态包括:
若所述随机指令为所述第一指令,则判断所述目标人脸是否执行眨眼所述第一预设次数;或者,
若所述随机指令为所述第二指令,则判断所述目标人脸是否执行头部向左转所述第一预设角度;或者,
若所述随机指令为所述第三指令,则判断所述目标人脸是否执行头部向右转所述第二预设角度;或者,
若所述随机指令为所述第四指令,则判断所述目标人脸是否执行张嘴所述第二预设次数;或者,
若所述随机指令为所述第五指令,则判断所述目标人脸是否执行点头所述第三预设次数。
在一种实施方式中,所述识别条件包括用于人脸识别的亮度识别条件,所述亮度识别条件包括第一标准人脸图像的亮度平均值高于第一预设亮度阈值、且低于第二预设亮度阈值,所述判断所述目标人脸图像是否满足能够进行人脸识别的识别条件包括:
获取所述目标人脸图像第一预设数量的目标人脸关键点的各个亮度值;
对所述第一预设数量的人脸关键点的各个亮度值进行均值处理,得到所述目标人脸图像的亮度平均值;
根据所述亮度识别条件判断所述目标人脸图像是否满足能够进行人脸识别的所述识别条件,若所述目标人脸图像的亮度平均值高于所述第一预设亮度阈值、且低于所述第二预设亮度阈值时,则判断所述目标人脸图像满足所述识别条件,否则,则判断所述目标人脸图像不满足所述识别条件,并对所述目标人脸图像进行亮度处理,得到对应的符合所述亮度识别条件的目标人脸图像。
在一种实施方式中,所述对所述目标人脸图像进行亮度处理包括:
获取所述目标人脸图像的亮度平均值;
判断所述目标人脸图像的所述亮度平均值是否低于所述第一预设亮度阈值,若所述目标人脸图像的所述亮度平均值低于所述第一预设亮度阈值时,则对所述目标人脸图像所述第一预设数量的人脸关键点的各个亮度值均进行提亮处理,直至所述目标人脸图像的所述亮度平均值高于所述第一预设亮度阈值、且低于所述第二预设亮度阈值。
在一种实施方式中,所述对所述目标人脸图像进行亮度处理包括:
获取所述目标人脸图像的亮度平均值;
判断所述目标人脸图像的所述亮度平均值是否高于所述第二预设亮度阈值,若所述目标人脸图像的所述亮度平均值高于所述第二预设亮度阈值时,则对所述目标人脸图像所述第一预设数量的人脸关键点的各个亮度值均进行调暗处理以突出所述第一预设数量的人脸关键点对应的人脸区域,直至所述目标人脸图像的所述亮度平均值高于所述第一预设亮度阈值、且低于所述第二预设亮度阈值。
在一种实施方式中,所述识别条件包括采集识别条件,所述采集识别条件包括进行人脸采集时人脸是否正对所述显示屏、且采集的人脸图像包括未被遮挡的五官,所述判断所述目标人脸图像是否满足能够进行人脸识别的识别条件包括:
获取所述目标人脸图像第二预设数量的目标人脸关键点的属性信息,所述属性信息包括位置坐标、对应的标识号和用于标识的目标人脸区域;
根据所述属性信息标识出所述目标人脸图像的五官;
根据所述采集识别条件判断所述目标人脸图像是否满足能够进行人脸识别的所述识别条件,若进行人脸采集时所述目标人脸正对所述显示屏、且所述目标人脸图像的五官均处于未被遮挡的状态,则判断所述目标人脸图像满足所述识别条件,否则,则判断所述目标人脸图像不满足所述识别条件,并对所述目标人脸图像进行人脸图像校正处理,得到对应的符合所述采集识别条件的目标人脸图像。
在一种实施方式中,所述人脸图像校正处理包括用于对人脸图像进行人脸角度校正的第一人脸图像校正处理和用于将人脸图像的任意一个五官处于遮挡状态恢复为人脸图像的各个五官均处于未遮挡状态的第二人脸图像校正处理,所述对所述目标人脸图像进行图像校正处理包括:
对所述目标人脸图像进行所述第一图像校正处理;和/或,
对所述目标人脸图像进行所述第二图像校正处理。
第二方面,本申请实施例提供了一种应用于智慧社区的目标人脸识别装置,所述装置包括:
布设模块,用于将多个具有摄像头和显示屏的人脸识别装置分别布设于智慧社区的多个检测路口;
追踪模块,用于对具有目标人脸的目标行人进行追踪,得到所述目标行人的目标轨迹;
第一处理模块,用于根据所述追踪模块得到的所述目标轨迹判断所述目标行人是否到达多个检测路口的任意一个检测路口,在根据所述目标轨迹判断所述目标行人已到达任意一个检测路口,启动对应的人脸识别装置的摄像头进行人脸识别,并将所述显示屏的亮度值调整至大于预设亮度阈值;
第二处理模块,用于响应于人脸姿态的随机指令,判断所述目标人脸是否执行相应的人脸姿态,并在判断所述目标人脸执行相应的人脸姿态,启动采集所述目标人脸图像;
第三处理模块,用于判断所述第二处理模块得到的所述目标人脸图像是否满足能够进行人脸识别的识别条件,若所述目标人脸图像满足所述识别条件,则对所述目标人脸进行识别,输出对应的目标人脸识别结果;否则,对所述目标人脸图像进行图像优化处理,直至得到符合所述识别条件的优化后目标人脸图像,并对所述优化后目标人脸图像进行识别,输出对应的目标人脸识别结果。
第三方面,本申请实施例提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述的方法步骤。
第四方面,本申请实施例提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,响应于人脸姿态的随机指令,判断目标人脸是否执行相应的人脸姿态,并在判断目标人脸执行相应的人脸姿态,启动采集目标人脸图像;判断目标人脸图像是否满足能够进行人脸识别的识别条件,若目标人脸图像满足识别条件,则对目标人脸进行识别,输出对应的目标人脸识别结果;否则,对目标人脸图像进行图像优化处理,直至得到符合识别条件的优化后目标人脸图像,并对优化后目标人脸图像进行识别,输出对应的目标人脸识别结果。因此,采用本申请实施例,在对目标行人的目标人脸进行识别的过程中,预先配置了识别条件,只有在符合预先配置的识别条件的情况下,才对目标人脸进行识别,这样,避免了无效的人脸识别过程,提高了人脸识别的识别效率,也使得最终输出的目标人脸识别结果中的目标人脸图像具有较佳的图像画质,大大地提升了目标人脸的识别效率以及识别精准度;此外,还能够对目标行人的目标人脸进行追踪,直至其到达任意一个检测路口时,启动布设于任意一个检测路口的人脸识别装置的摄像头对目标行人的目标人脸进行人脸识别,这样,有效地减少了布设人脸识别装置的数量,从而节约了成本。应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1为一个实施例中提供的应用于智慧社区的目标人脸识别方法的实施环境图;
图2为一个实施例中计算机设备的内部结构框图;
图3是本公开实施例提供的一种应用于智慧社区的目标人脸识别方法的流程示意图;
图4是本公开实施例提供的一种应用于智慧社区的目标人脸识别装置的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面结合附图详细说明本公开的可选实施例。
图1为一个实施例中提供的一种应用于智慧社区的目标人脸识别方法的实施环境图,如图1所示,在该实施环境中,包括计算机设备110以及终端120。
需要说明的是,终端120以及计算机设备110可为智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此。计算机设备110以及终端110 可以通过蓝牙、USB(Universal Serial Bus,通用串行总线)或者其他通讯连接方式进行连接,本发明在此不做限制。
图2为一个实施例中计算机设备的内部结构示意图。如图2所示,该计算机设备包括通过***总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作***、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种应用于智慧社区的目标人脸识别方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种应用于智慧社区的目标人脸识别方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图2中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
如图3所示,本公开实施例提供一种应用于智慧社区的目标人脸识别方法,该应用于智慧社区的目标人脸识别方法具体包括以下方法步骤:
S301:将多个具有摄像头和显示屏的人脸识别装置分别布设于智慧社区的多个检测路口。
在本申请实施例中,人脸识别装置用于对目标人脸进行识别,其中,人脸识别装置中的摄像头用于对人脸进行拍照,人脸包括目标人脸。
在本申请实施例中的人脸识别装置除了包括对人脸进行拍照的摄像头之外,还包括显示屏,通过调整显示屏的屏幕亮度,将当前显示屏的屏幕亮度自动调整至合适的屏幕亮度,以得到较佳图像品质的人脸图像,从而有效地提高了对目标人脸的识别效率和识别精准度。
在本申请实施例中,为了减少布设于智慧社区的人脸识别装置的数量,节约成本,仅将多个具有摄像头和显示屏的人脸识别装置分别布设于智慧社区的多个检测路口。
在某一具体应用场景中,例如,智慧社区A具有四个检测路口,可以在上述四个检测路口分别布设人脸识别装置1、人脸识别装置2、人脸识别装置3和人脸识别装置4,并分别对各个人脸识别装置的摄像头标识有唯一的且一一对应的标识符号,例如,将人脸识别装置1对应的摄像头标识为摄像头1,并将摄像头1拍摄到的人脸图像自动存储于人脸图像库1中;将人脸识别装置2对应的摄像头标识为摄像头2,并将摄像头2拍摄到的人脸图像自动存储于人脸图像库2中;将人脸识别装置3对应的摄像头标识为摄像头3,并将摄像头3 拍摄到的人脸图像自动存储于人脸图像库3中;将人脸识别装置4对应的摄像头标识为摄像头4,并将摄像头4拍摄到的人脸图像自动存储于人脸图像库4 中。
S302:对具有目标人脸的目标行人进行追踪,得到目标行人的目标轨迹。
在本申请实施例中,对具有目标人脸的目标行人进行追踪,得到目标行人的目标轨迹的跟踪方法为常规方法,在此不再赘述。
S303:根据目标轨迹判断目标行人是否到达多个检测路口的任意一个检测路口,在根据目标轨迹判断目标行人已到达任意一个检测路口,启动对应的人脸识别装置的摄像头进行人脸识别,并将显示屏的亮度值调整至大于预设亮度阈值。
在本申请实施例中,为了避免无效的人脸识别过程,在根据目标轨迹判断目标行人已到达上述任意一个检测路口,启动与当前检测路口布设的人脸识别装置的摄像头进行人脸识别,这样,提高了人脸识别的识别效率。
在本申请实施例中,对预设亮度阈值不做限制,但至少要确保在显示屏在预设亮度阈值下,能够得到清晰的人脸图像画质,从而有效地提高了人脸识别准确率。
S304:响应于人脸姿态的随机指令,判断目标人脸是否执行相应的人脸姿态,并在判断目标人脸执行相应的人脸姿态,启动采集目标人脸图像。
在本申请实施例中,随机指令包括用于执行眨眼第一预设次数的第一指令、用于执行头部向左转第一预设角度的第二指令、用于执行头部向右转第二预设角度的第三指令、用于执行张嘴第二预设次数的第四指令和用于执行点头第三预设次数的第五指令。上述仅仅罗列了常见的随机指令,还可以根据不同应用场景的需求,引入其它的随机指令,在此不再赘述。
需要说明的是,对上述眨眼第一预设次数中的第一预设次数可以根据不同应用场景的需求进行配置,在此对第一预设次数不做具体限制。
同理,对上述头部向左转第一预设角度中的第一预设角度可以根据不同应用场景的需求进行配置,在此对第一预设次数不做具体限制。
同理,对上述头部向右转第二预设角度中的第二预设角度可以根据不同应用场景的需求进行配置,在此对第一预设次数不做具体限制。
同理,对上述张嘴第二预设次数中的第二预设次数可以根据不同应用场景的需求进行配置,在此对第一预设次数不做具体限制。
同理,对上述点头第三预设次数中的第三预设次数可以根据不同应用场景的需求进行配置,在此对第一预设次数不做具体限制。
通过判断目标人脸是否执行相应的人脸姿态,以确保目标人脸是真实的人脸,而不是与目标人脸相关的图像,或者是与目标人脸相关的视频。
为了简化目标人脸识别的方法步骤,只有在判断目标人脸执行上述至少任意一种人脸姿势,才启动采集目标人脸图像。
在本申请实施例中,响应于人脸姿态的随机指令,判断目标人脸是否执行相应的人脸姿态包括以下步骤:
若随机指令为第一指令,则判断目标人脸是否执行眨眼第一预设次数;或者,
若随机指令为第二指令,则判断目标人脸是否执行头部向左转第一预设角度;或者,
若随机指令为第三指令,则判断目标人脸是否执行头部向右转第二预设角度;或者,
若随机指令为第四指令,则判断目标人脸是否执行张嘴第二预设次数;或者,
若随机指令为第五指令,则判断目标人脸是否执行点头第三预设次数。
S305:判断目标人脸图像是否满足能够进行人脸识别的识别条件,若目标人脸图像满足识别条件,则对目标人脸进行识别,输出对应的目标人脸识别结果;否则,对目标人脸图像进行图像优化处理,直至得到符合识别条件的优化后目标人脸图像,并对优化后目标人脸图像进行识别,输出对应的目标人脸识别结果。
在本申请实施例中,识别条件包括用于人脸识别的亮度识别条件,亮度识别条件包括第一标准人脸图像的亮度平均值高于第一预设亮度阈值、且低于第二预设亮度阈值。
当识别条件为亮度识别条件时,则判断目标人脸图像是否满足能够进行人脸识别的识别条件包括以下步骤:
获取目标人脸图像第一预设数量的目标人脸关键点的各个亮度值;
对第一预设数量的人脸关键点的各个亮度值进行均值处理,得到目标人脸图像的亮度平均值;
根据亮度识别条件判断目标人脸图像是否满足能够进行人脸识别的识别条件,若目标人脸图像的亮度平均值高于第一预设亮度阈值、且低于第二预设亮度阈值时,则判断目标人脸图像满足识别条件,否则,则判断目标人脸图像不满足识别条件,并对目标人脸图像进行亮度处理,得到对应的符合亮度识别条件的目标人脸图像。
在本申请实施例中,对第一预设数量、第一预设亮度阈值和第二预设亮度阈值均不做具体限制。
在实际应用场景中,若目标人脸关键点的第一预设数量越多,则标识出的目标人脸的各个人脸区域越精准,这样,对目标人脸的人脸识别结果也越精准;反之亦然。
例如,在某一具体应用场景中,目标人脸关键点的第一预设数量为66个,该66个目标人脸关键点分别用于标识出目标人脸的各个人脸区域以及五官,例如,第一预设数量66个目标人脸关键点中的目标人脸关键点1-6用于标识出目标人脸的左眼以及左眼轮廓,同理,标识出目标人脸的其它人脸区域和五官,在此不再赘述。
在一种可能的实现方式中,对目标人脸图像进行亮度处理包括以下步骤:
获取目标人脸图像的亮度平均值;
判断目标人脸图像的亮度平均值是否低于第一预设亮度阈值,若目标人脸图像的亮度平均值低于第一预设亮度阈值时,则对目标人脸图像第一预设数量的人脸关键点的各个亮度值均进行提亮处理,直至目标人脸图像的亮度平均值高于第一预设亮度阈值、且低于第二预设亮度阈值;这样,当获取到的目标人脸图像的亮度平均值过低时,通过对该亮度平均值进行提升,提升至高于第一预设亮度阈值、且低于第二预设亮度阈值,这样,不仅能够保证人脸图像的图像画质,提升人脸识别的识别准确率,还能够有效地避免由于强曝光而导致人脸图像的图像画质受损。
在另一种可能的实现方式中,对目标人脸图像进行亮度处理包括以下步骤:
获取目标人脸图像的亮度平均值;
判断目标人脸图像的亮度平均值是否高于第二预设亮度阈值,若目标人脸图像的亮度平均值高于第二预设亮度阈值时,则对目标人脸图像第一预设数量的人脸关键点的各个亮度值均进行调暗处理以突出第一预设数量的人脸关键点对应的人脸区域,直至目标人脸图像的亮度平均值高于第一预设亮度阈值、且低于第二预设亮度阈值;这样,能够对强曝光的低图像画质的人脸图像进行图像画质恢复,从而确保了人脸图像的图像画质,提升了人脸识别的识别准确率。
在本申请实施例中,识别条件还包括采集识别条件,采集识别条件包括进行人脸采集时人脸是否正对显示屏、且采集的人脸图像包括未被遮挡的五官。
当识别条件为采集识别条件时,判断目标人脸图像是否满足能够进行人脸识别的识别条件包括以下步骤:
获取目标人脸图像第二预设数量的目标人脸关键点的属性信息,属性信息包括位置坐标、对应的标识号和用于标识的目标人脸区域;
根据属性信息标识出目标人脸图像的五官;
根据采集识别条件判断目标人脸图像是否满足能够进行人脸识别的识别条件,若进行人脸采集时目标人脸正对显示屏、且目标人脸图像的五官均处于未被遮挡的状态,则判断目标人脸图像满足识别条件,否则,则判断目标人脸图像不满足识别条件,并对目标人脸图像进行人脸图像校正处理,得到对应的符合采集识别条件的目标人脸图像。
在本申请实施例中,对第二预设数量不做具体限制。
在实际应用场景中,若目标人脸关键点的第二预设数量越多,则标识出的目标人脸的各个人脸区域越精准,这样,对目标人脸的人脸识别结果也越精准;反之亦然。
例如,在某一具体应用场景中,目标人脸关键点的第二预设数量为99个,该99个目标人脸关键点分别用于标识出目标人脸的各个人脸区域以及五官,例如,第二预设数量99个目标人脸关键点中的目标人脸关键点1-12用于标识出目标人脸的右眼以及右眼轮廓,同理,标识出目标人脸的其它人脸区域和五官,在此不再赘述。
在一种可能的实现方式中,人脸图像校正处理包括用于对人脸图像进行人脸角度校正的第一人脸图像校正处理和用于将人脸图像的任意一个五官处于遮挡状态恢复为人脸图像的各个五官均处于未遮挡状态的第二人脸图像校正处理,对目标人脸图像进行图像校正处理包括:
对目标人脸图像进行第一图像校正处理;和/或,
对目标人脸图像进行第二图像校正处理。
在本申请实施例中,通过上述第一图像校正处理,将人脸图像中的人脸角度校正为正对显示屏,这样,能够有效地提升人脸识别的精准率。
同理,通过上第二图像校正处理,将人脸图像中的遮挡五官进行恢复处理,直至得到的人脸图像中的各个五官均处于完全未遮挡状态。
在某一具体应用场景中,若人脸图像A中的左眼发生部分遮挡现象、且人脸图像A中的右眼未发生遮挡现象,则对人脸图像A进行第二图像校正处理,基于五官的对称性,根据人脸图像A中的未遮挡的右眼,以及人脸图像A中的部分遮挡的左眼,对人脸图像A中的左眼进行遮挡恢复处理,直至调整至人脸图像A中的左眼处于完全未被遮挡的状态;这样,能够有效地提升人脸识别的精准率。
需要说明的是,为了确保人脸识别的精准率,在对人脸图像进行校正处理之前,尽量自动筛选掉存在严重五官遮挡现象的人脸图像,优先选择五官遮挡现象并不严重的人脸图像,这样,可以有效地减少进行图像校正的校正次数,提升了图像校正的校正效率。
在本公开实施例中,响应于人脸姿态的随机指令,判断目标人脸是否执行相应的人脸姿态,并在判断目标人脸执行相应的人脸姿态,启动采集目标人脸图像;判断目标人脸图像是否满足能够进行人脸识别的识别条件,若目标人脸图像满足识别条件,则对目标人脸进行识别,输出对应的目标人脸识别结果;否则,对目标人脸图像进行图像优化处理,直至得到符合识别条件的优化后目标人脸图像,并对优化后目标人脸图像进行识别,输出对应的目标人脸识别结果。因此,采用本申请实施例,在对目标行人的目标人脸进行识别的过程中,预先配置了识别条件,只有在符合预先配置的识别条件的情况下,才对目标人脸进行识别,这样,避免了无效的人脸识别过程,提高了人脸识别的识别效率,也使得最终输出的目标人脸识别结果中的目标人脸图像具有较佳的图像画质,大大地提升了目标人脸的识别效率以及识别精准度;此外,还能够对目标行人的目标人脸进行追踪,直至其到达任意一个检测路口时,启动布设于任意一个检测路口的人脸识别装置的摄像头对目标行人的目标人脸进行人脸识别,这样,有效地减少了布设人脸识别装置的数量,从而节约了成本。
下述为本发明应用于智慧社区的目标人脸识别装置实施例,可以用于执行本发明应用于智慧社区的目标人脸识别方法实施例。对于本发明应用于智慧社区的目标人脸识别装置实施例中未披露的细节,请参照本发明应用于智慧社区的目标人脸识别方法实施例。
请参见图4,其示出了本发明一个示例性实施例提供的应用于智慧社区的目标人脸识别装置的结构示意图。该应用于智慧社区的目标人脸识别装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该应用于智慧社区的目标人脸识别装置包括布设模块401、追踪模块402、第一处理模块403、第二处理模块404和第三处理模块405。
具体而言,布设模块401,用于将多个具有摄像头和显示屏的人脸识别装置分别布设于智慧社区的多个检测路口;
追踪模块402,用于对具有目标人脸的目标行人进行追踪,得到目标行人的目标轨迹;
第一处理模块403,用于根据追踪模块402得到的目标轨迹判断目标行人是否到达多个检测路口的任意一个检测路口,在根据目标轨迹判断目标行人已到达任意一个检测路口,启动对应的人脸识别装置的摄像头进行人脸识别,并将显示屏的亮度值调整至大于预设亮度阈值;
第二处理模块404,用于响应于人脸姿态的随机指令,判断目标人脸是否执行相应的人脸姿态,并在判断目标人脸执行相应的人脸姿态,启动采集目标人脸图像;
第三处理模块405,用于判断第二处理模块404得到的目标人脸图像是否满足能够进行人脸识别的识别条件,若目标人脸图像满足识别条件,则对目标人脸进行识别,输出对应的目标人脸识别结果;否则,对目标人脸图像进行图像优化处理,直至得到符合识别条件的优化后目标人脸图像,并对优化后目标人脸图像进行识别,输出对应的目标人脸识别结果。
可选的,随机指令包括用于执行眨眼第一预设次数的第一指令、用于执行头部向左转第一预设角度的第二指令、用于执行头部向右转第二预设角度的第三指令、用于执行张嘴第二预设次数的第四指令和用于执行点头第三预设次数的第五指令,第二处理模块404具体用于:
若随机指令为第一指令,则判断目标人脸是否执行眨眼第一预设次数;或者,
若随机指令为第二指令,则判断目标人脸是否执行头部向左转第一预设角度;或者,
若随机指令为第三指令,则判断目标人脸是否执行头部向右转第二预设角度;或者,
若随机指令为第四指令,则判断目标人脸是否执行张嘴第二预设次数;或者,若随机指令为第五指令,则判断目标人脸是否执行点头第三预设次数。
可选的,识别条件包括用于人脸识别的亮度识别条件,亮度识别条件包括第一标准人脸图像的亮度平均值高于第一预设亮度阈值、且低于第二预设亮度阈值,第三处理模块405用于:
获取目标人脸图像第一预设数量的目标人脸关键点的各个亮度值;
对第一预设数量的人脸关键点的各个亮度值进行均值处理,得到目标人脸图像的亮度平均值;
根据亮度识别条件判断目标人脸图像是否满足能够进行人脸识别的识别条件,若目标人脸图像的亮度平均值高于第一预设亮度阈值、且低于第二预设亮度阈值时,则判断目标人脸图像满足识别条件,否则,则判断目标人脸图像不满足识别条件,并对目标人脸图像进行亮度处理,得到对应的符合亮度识别条件的目标人脸图像。
可选的,第三处理模块405具体用于:
获取目标人脸图像的亮度平均值;
判断目标人脸图像的亮度平均值是否低于第一预设亮度阈值,若目标人脸图像的亮度平均值低于第一预设亮度阈值时,则对目标人脸图像第一预设数量的人脸关键点的各个亮度值均进行提亮处理,直至目标人脸图像的亮度平均值高于第一预设亮度阈值、且低于第二预设亮度阈值。
可选的,第三处理模块405具体用于:
获取目标人脸图像的亮度平均值;
判断目标人脸图像的亮度平均值是否高于第二预设亮度阈值,若目标人脸图像的亮度平均值高于第二预设亮度阈值时,则对目标人脸图像第一预设数量的人脸关键点的各个亮度值均进行调暗处理以突出第一预设数量的人脸关键点对应的人脸区域,直至目标人脸图像的亮度平均值高于第一预设亮度阈值、且低于第二预设亮度阈值。
可选的,识别条件包括采集识别条件,采集识别条件包括进行人脸采集时人脸是否正对显示屏、且采集的人脸图像包括未被遮挡的五官,第三处理模块 405用于:
获取目标人脸图像第二预设数量的目标人脸关键点的属性信息,属性信息包括位置坐标、对应的标识号和用于标识的目标人脸区域;
根据属性信息标识出目标人脸图像的五官;
根据采集识别条件判断目标人脸图像是否满足能够进行人脸识别的识别条件,若进行人脸采集时目标人脸正对显示屏、且目标人脸图像的五官均处于未被遮挡的状态,则判断目标人脸图像满足识别条件,否则,则判断目标人脸图像不满足识别条件,并对目标人脸图像进行人脸图像校正处理,得到对应的符合采集识别条件的目标人脸图像。
可选的,人脸图像校正处理包括用于对人脸图像进行人脸角度校正的第一人脸图像校正处理和用于将人脸图像的任意一个五官处于遮挡状态恢复为人脸图像的各个五官均处于未遮挡状态的第二人脸图像校正处理,第三处理模块405 具体用于:
对目标人脸图像进行第一图像校正处理;和/或,
对目标人脸图像进行第二图像校正处理。
需要说明的是,上述实施例提供的应用于智慧社区的目标人脸识别装置在执行应用于智慧社区的目标人脸识别方法时,仅以上述各功能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模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的应用于智慧社区的目标人脸识别装置与应用于智慧社区的目标人脸识别方法实施例属于同一构思,其体现实现过程详见应用于智慧社区的目标人脸识别方法实施例,这里不再赘述。
在本公开实施例中,第二处理模块用于响应于人脸姿态的随机指令,判断目标人脸是否执行相应的人脸姿态,并在判断目标人脸执行相应的人脸姿态,启动采集目标人脸图像;以及第三处理模块用于判断第二处理模块得到的目标人脸图像是否满足能够进行人脸识别的识别条件,若目标人脸图像满足识别条件,则对目标人脸进行识别,输出对应的目标人脸识别结果;否则,对目标人脸图像进行图像优化处理,直至得到符合识别条件的优化后目标人脸图像,并对优化后目标人脸图像进行识别,输出对应的目标人脸识别结果。因此,采用本申请实施例。
在对目标行人的目标人脸进行识别的过程中,预先配置了识别条件,只有在符合预先配置的识别条件的情况下,才对目标人脸进行识别,这样,避免了无效的人脸识别过程,提高了人脸识别的识别效率,也使得最终输出的目标人脸识别结果中的目标人脸图像具有较佳的图像画质,大大地提升了目标人脸的识别效率以及识别精准度;此外,还能够对目标行人的目标人脸进行追踪,直至其到达任意一个检测路口时,启动布设于任意一个检测路口的人脸识别装置的摄像头对目标行人的目标人脸进行人脸识别,这样,有效地减少了布设人脸识别装置的数量,从而节约了成本。
在一个实施例中,提出了一种计算机设备,计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:将多个具有摄像头和显示屏的人脸识别装置分别布设于智慧社区的多个检测路口;对具有目标人脸的目标行人进行追踪,得到目标行人的目标轨迹;根据目标轨迹判断目标行人是否到达多个检测路口的任意一个检测路口,在根据目标轨迹判断目标行人已到达任意一个检测路口,启动对应的人脸识别装置的摄像头进行人脸识别,并将显示屏的亮度值调整至大于预设亮度阈值;响应于人脸姿态的随机指令,判断目标人脸是否执行相应的人脸姿态,并在判断目标人脸执行相应的人脸姿态,启动采集目标人脸图像;判断目标人脸图像是否满足能够进行人脸识别的识别条件,若目标人脸图像满足识别条件,则对目标人脸进行识别,输出对应的目标人脸识别结果;否则,对目标人脸图像进行图像优化处理,直至得到符合识别条件的优化后目标人脸图像,并对优化后目标人脸图像进行识别,输出对应的目标人脸识别结果。
在一个实施例中,提出了一种存储有计算机可读指令的存储介质,该计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行以下步骤:将多个具有摄像头和显示屏的人脸识别装置分别布设于智慧社区的多个检测路口;对具有目标人脸的目标行人进行追踪,得到目标行人的目标轨迹;根据目标轨迹判断目标行人是否到达多个检测路口的任意一个检测路口,在根据目标轨迹判断目标行人已到达任意一个检测路口,启动对应的人脸识别装置的摄像头进行人脸识别,并将显示屏的亮度值调整至大于预设亮度阈值;响应于人脸姿态的随机指令,判断目标人脸是否执行相应的人脸姿态,并在判断目标人脸执行相应的人脸姿态,启动采集目标人脸图像;判断目标人脸图像是否满足能够进行人脸识别的识别条件,若目标人脸图像满足识别条件,则对目标人脸进行识别,输出对应的目标人脸识别结果;否则,对目标人脸图像进行图像优化处理,直至得到符合识别条件的优化后目标人脸图像,并对优化后目标人脸图像进行识别,输出对应的目标人脸识别结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM) 等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种应用于智慧社区的目标人脸识别方法,其特征在于,所述方法包括:
将多个具有摄像头和显示屏的人脸识别装置分别布设于智慧社区的多个检测路口;
对具有目标人脸的目标行人进行追踪,得到所述目标行人的目标轨迹;
根据所述目标轨迹判断所述目标行人是否到达多个检测路口的任意一个检测路口,在根据所述目标轨迹判断所述目标行人已到达任意一个检测路口,启动对应的人脸识别装置的摄像头进行人脸识别,并将所述显示屏的亮度值调整至大于预设亮度阈值;
响应于人脸姿态的随机指令,判断所述目标人脸是否执行相应的人脸姿态,并在判断所述目标人脸执行相应的人脸姿态,启动采集所述目标人脸图像;
判断所述目标人脸图像是否满足能够进行人脸识别的识别条件,若所述目标人脸图像满足所述识别条件,则对所述目标人脸进行识别,输出对应的目标人脸识别结果;否则,对所述目标人脸图像进行图像优化处理,直至得到符合所述识别条件的优化后目标人脸图像,并对所述优化后目标人脸图像进行识别,输出对应的目标人脸识别结果。
2.根据权利要求1所述的方法,其特征在于,所述随机指令包括用于执行眨眼第一预设次数的第一指令、用于执行头部向左转第一预设角度的第二指令、用于执行头部向右转第二预设角度的第三指令、用于执行张嘴第二预设次数的第四指令和用于执行点头第三预设次数的第五指令,所述响应于人脸姿态的随机指令,判断所述目标人脸是否执行相应的人脸姿态包括:
若所述随机指令为所述第一指令,则判断所述目标人脸是否执行眨眼所述第一预设次数;或者,
若所述随机指令为所述第二指令,则判断所述目标人脸是否执行头部向左转所述第一预设角度;或者,
若所述随机指令为所述第三指令,则判断所述目标人脸是否执行头部向右转所述第二预设角度;或者,
若所述随机指令为所述第四指令,则判断所述目标人脸是否执行张嘴所述第二预设次数;或者,
若所述随机指令为所述第五指令,则判断所述目标人脸是否执行点头所述第三预设次数。
3.根据权利要求1所述的方法,其特征在于,所述识别条件包括用于人脸识别的亮度识别条件,所述亮度识别条件包括第一标准人脸图像的亮度平均值高于第一预设亮度阈值、且低于第二预设亮度阈值,所述判断所述目标人脸图像是否满足能够进行人脸识别的识别条件包括:
获取所述目标人脸图像第一预设数量的目标人脸关键点的各个亮度值;
对所述第一预设数量的人脸关键点的各个亮度值进行均值处理,得到所述目标人脸图像的亮度平均值;
根据所述亮度识别条件判断所述目标人脸图像是否满足能够进行人脸识别的所述识别条件,若所述目标人脸图像的亮度平均值高于所述第一预设亮度阈值、且低于所述第二预设亮度阈值时,则判断所述目标人脸图像满足所述识别条件,否则,则判断所述目标人脸图像不满足所述识别条件,并对所述目标人脸图像进行亮度处理,得到对应的符合所述亮度识别条件的目标人脸图像。
4.根据权利要求3所述的方法,其特征在于,所述对所述目标人脸图像进行亮度处理包括:
获取所述目标人脸图像的亮度平均值;
判断所述目标人脸图像的所述亮度平均值是否低于所述第一预设亮度阈值,若所述目标人脸图像的所述亮度平均值低于所述第一预设亮度阈值时,则对所述目标人脸图像所述第一预设数量的人脸关键点的各个亮度值均进行提亮处理,直至所述目标人脸图像的所述亮度平均值高于所述第一预设亮度阈值、且低于所述第二预设亮度阈值。
5.根据权利要求3所述的方法,其特征在于,所述对所述目标人脸图像进行亮度处理包括:
获取所述目标人脸图像的亮度平均值;
判断所述目标人脸图像的所述亮度平均值是否高于所述第二预设亮度阈值,若所述目标人脸图像的所述亮度平均值高于所述第二预设亮度阈值时,则对所述目标人脸图像所述第一预设数量的人脸关键点的各个亮度值均进行调暗处理以突出所述第一预设数量的人脸关键点对应的人脸区域,直至所述目标人脸图像的所述亮度平均值高于所述第一预设亮度阈值、且低于所述第二预设亮度阈值。
6.根据权利要求1所述的方法,其特征在于,所述识别条件包括采集识别条件,所述采集识别条件包括进行人脸采集时人脸是否正对所述显示屏、且采集的人脸图像包括未被遮挡的五官,所述判断所述目标人脸图像是否满足能够进行人脸识别的识别条件包括:
获取所述目标人脸图像第二预设数量的目标人脸关键点的属性信息,所述属性信息包括位置坐标、对应的标识号和用于标识的目标人脸区域;
根据所述属性信息标识出所述目标人脸图像的五官;
根据所述采集识别条件判断所述目标人脸图像是否满足能够进行人脸识别的所述识别条件,若进行人脸采集时所述目标人脸正对所述显示屏、且所述目标人脸图像的五官均处于未被遮挡的状态,则判断所述目标人脸图像满足所述识别条件,否则,则判断所述目标人脸图像不满足所述识别条件,并对所述目标人脸图像进行人脸图像校正处理,得到对应的符合所述采集识别条件的目标人脸图像。
7.根据权利要求6所述的方法,其特征在于,所述人脸图像校正处理包括用于对人脸图像进行人脸角度校正的第一人脸图像校正处理和用于将人脸图像的任意一个五官处于遮挡状态恢复为人脸图像的各个五官均处于未遮挡状态的第二人脸图像校正处理,所述对所述目标人脸图像进行图像校正处理包括:
对所述目标人脸图像进行所述第一人脸图像校正处理;和/或,
对所述目标人脸图像进行所述第二人脸图像校正处理。
8.一种应用于智慧社区的目标人脸识别装置,其特征在于,所述装置包括:
布设模块,用于将多个具有摄像头和显示屏的人脸识别装置分别布设于智慧社区的多个检测路口;
追踪模块,用于对具有目标人脸的目标行人进行追踪,得到所述目标行人的目标轨迹;
第一处理模块,用于根据所述追踪模块得到的所述目标轨迹判断所述目标行人是否到达多个检测路口的任意一个检测路口,在根据所述目标轨迹判断所述目标行人已到达任意一个检测路口,启动对应的人脸识别装置的摄像头进行人脸识别,并将所述显示屏的亮度值调整至大于预设亮度阈值;
第二处理模块,用于响应于人脸姿态的随机指令,判断所述目标人脸是否执行相应的人脸姿态,并在判断所述目标人脸执行相应的人脸姿态,启动采集所述目标人脸图像;
第三处理模块,用于判断所述第二处理模块得到的所述目标人脸图像是否满足能够进行人脸识别的识别条件,若所述目标人脸图像满足所述识别条件,则对所述目标人脸进行识别,输出对应的目标人脸识别结果;否则,对所述目标人脸图像进行图像优化处理,直至得到符合所述识别条件的优化后目标人脸图像,并对所述优化后目标人脸图像进行识别,输出对应的目标人脸识别结果。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项权利要求所述人脸识别方法的步骤。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述人脸识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110201271.3A CN112966575B (zh) | 2021-02-23 | 2021-02-23 | 一种应用于智慧社区的目标人脸识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110201271.3A CN112966575B (zh) | 2021-02-23 | 2021-02-23 | 一种应用于智慧社区的目标人脸识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112966575A CN112966575A (zh) | 2021-06-15 |
CN112966575B true CN112966575B (zh) | 2023-04-18 |
Family
ID=76285673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110201271.3A Active CN112966575B (zh) | 2021-02-23 | 2021-02-23 | 一种应用于智慧社区的目标人脸识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112966575B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115019258B (zh) * | 2022-06-27 | 2023-07-25 | 深圳市鸿普森科技股份有限公司 | 智慧场馆人脸识别控制*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458062A (zh) * | 2019-07-30 | 2019-11-15 | 深圳市商汤科技有限公司 | 人脸识别方法及装置、电子设备和存储介质 |
CN110647865A (zh) * | 2019-09-30 | 2020-01-03 | 腾讯科技(深圳)有限公司 | 人脸姿态的识别方法、装置、设备及存储介质 |
CN110728252A (zh) * | 2019-10-22 | 2020-01-24 | 山西省信息产业技术研究院有限公司 | 一种应用于区域人员运动轨迹监控的人脸检测方法 |
CN110933558A (zh) * | 2019-12-17 | 2020-03-27 | 京东方科技集团股份有限公司 | 一种定向发声方法、装置、超声换能器及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201445454A (zh) * | 2013-05-22 | 2014-12-01 | Asustek Comp Inc | 提升人臉辨識率的影像處理系統及影像處理方法 |
CN104966316B (zh) * | 2015-05-22 | 2019-03-15 | 腾讯科技(深圳)有限公司 | 一种3d人脸重建方法、装置及服务器 |
-
2021
- 2021-02-23 CN CN202110201271.3A patent/CN112966575B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458062A (zh) * | 2019-07-30 | 2019-11-15 | 深圳市商汤科技有限公司 | 人脸识别方法及装置、电子设备和存储介质 |
CN110647865A (zh) * | 2019-09-30 | 2020-01-03 | 腾讯科技(深圳)有限公司 | 人脸姿态的识别方法、装置、设备及存储介质 |
CN110728252A (zh) * | 2019-10-22 | 2020-01-24 | 山西省信息产业技术研究院有限公司 | 一种应用于区域人员运动轨迹监控的人脸检测方法 |
CN110933558A (zh) * | 2019-12-17 | 2020-03-27 | 京东方科技集团股份有限公司 | 一种定向发声方法、装置、超声换能器及电子设备 |
Non-Patent Citations (2)
Title |
---|
"Deeply learned face representations are sparse, selective, and robust";Yi Sun等;《2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)》;20151231;2891-2900 * |
"一种复杂环境下的动态多人脸自动检测与实时跟踪方法";樊慧慧等;《计算机应用研究》;20151031;第32卷(第10期);3184-3186 * |
Also Published As
Publication number | Publication date |
---|---|
CN112966575A (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108829900B (zh) | 一种基于深度学习的人脸图像检索方法、装置及终端 | |
CN113302907B (zh) | 拍摄方法、装置、设备及计算机可读存储介质 | |
CN110956114A (zh) | 人脸活体检测方法、装置、检测***及存储介质 | |
JP6157165B2 (ja) | 視線検出装置及び撮像装置 | |
WO2020111776A1 (en) | Electronic device for focus tracking photographing and method thereof | |
CN113055613A (zh) | 一种基于矿山场景下的全景视频拼接的方法及装置 | |
CN113628100A (zh) | 视频增强方法、装置、终端及存储介质 | |
CN112966575B (zh) | 一种应用于智慧社区的目标人脸识别方法及装置 | |
US11709914B2 (en) | Face recognition method, terminal device using the same, and computer readable storage medium | |
CN114387296A (zh) | 目标轨迹追踪方法、装置、计算机设备及存储介质 | |
JP2018113660A (ja) | 情報処理装置、情報処理方法、システム | |
CN112733650A (zh) | 目标人脸检测方法、装置、终端设备及存储介质 | |
CN112052726A (zh) | 图像处理方法及装置 | |
CN108495038B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN113077396B (zh) | 直线段检测方法及装置、计算机可读介质和电子设备 | |
CN113938597B (zh) | 一种脸部识别方法、装置、计算机设备和存储介质 | |
JP5128454B2 (ja) | 瞼検出装置、瞼検出方法及びプログラム | |
CN110266947B (zh) | 拍照方法及相关装置 | |
CN113538462A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN113379623A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112950641A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
CN114973344A (zh) | 人脸检测方法、装置、终端设备和计算机可读存储介质 | |
CN114387443A (zh) | 一种图像处理方法、存储介质及终端设备 | |
CN112672033A (zh) | 图像处理方法及装置、存储介质、电子装置 | |
CN111145108A (zh) | 一种图像处理方法、装置、设备及存储介质 |
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 |