CN113128259A - 人脸识别设备及人脸识别方法 - Google Patents
人脸识别设备及人脸识别方法 Download PDFInfo
- Publication number
- CN113128259A CN113128259A CN201911396242.6A CN201911396242A CN113128259A CN 113128259 A CN113128259 A CN 113128259A CN 201911396242 A CN201911396242 A CN 201911396242A CN 113128259 A CN113128259 A CN 113128259A
- Authority
- CN
- China
- Prior art keywords
- light image
- infrared light
- face
- visible light
- face 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.)
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- 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
- 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)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本申请实施例提供一种人脸识别设备及人脸识别方法,该设备包括第一图像传感器、第二图像传感器和处理器,所述处理器分别与所述第一图像传感器和所述第二图像传感器连接,其中:所述第一图像传感器用于获取第一可见光图像,并向所述处理器发送所述第一可见光图像;所述第二图像传感器用于获取第一近红外光图像,并向所述处理器发送所述第一近红外光图像;所述处理器用于:接收所述第一可见光图像和所述第一近红外光图像,并根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。本申请实施例的人脸识别设备的方法能够适用于不同的光线场景,提供不同光线场景下人脸识别的成功率。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种人脸识别设备及人脸识别方法。
背景技术
门禁***是安全管理的重要组成部分,其中,目前的门禁***多通过摄像头抓拍人脸照片来进行人脸识别,并根据人脸识别的结果对人员信息进行认证,确认人员的身份。
门禁***应用的场景千差万别,而目前的门禁设备的应用场景有限。例如,通过摄像头抓拍人脸照片,并基于抓拍的人脸照片进行面部特征提取和比对以得到人员信息时,受周围光线影响较大。在夜晚时,可见光图像受光线暗的影响导致成像黑暗,即使通过补光操作,也会产生较大的噪声,导致成像结果差,进而导致人脸识别成功率较低。
发明内容
本申请实施例提供一种人脸识别设备及人脸识别方法,以解决人脸识别设备无法适用于不同光线场景导致人脸识别成功率较低的问题。
第一方面,本申请实施例提供一种人脸识别设备,包括第一图像传感器、第二图像传感器和处理器,所述处理器分别与所述第一图像传感器和所述第二图像传感器连接,其中:
所述第一图像传感器用于获取第一可见光图像,并向所述处理器发送所述第一可见光图像;
所述第二图像传感器用于获取第一近红外光图像,并向所述处理器发送所述第一近红外光图像;
所述处理器用于:接收所述第一可见光图像和所述第一近红外光图像,并根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
在一种可能的实现方式中,所述处理器具体用于:
获取所述第一可见光图像的增益值;
在所述第一可见光图像的增益值小于等于预设值时,根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果;
在所述第一可见光图像的增益值大于所述预设值时,根据所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
在一种可能的实现方式中,在所述第一可见光图像的增益值小于等于预设值时,所述处理器具体用于:
获取所述第一近红外光图像的亮度信息;
根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
在一种可能的实现方式中,在所述第一可见光图像的增益值小于等于预设值时,所述处理器具体用于:
获取所述第一近红外光图像的亮度信息,根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值大于等于预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
根据所述第一可见光图像和所述第一近红外光图像对所述人脸进行活体检测,得到活体检测结果,所述活体检测结果用于指示所述人脸是否为活体人脸;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第一近红外光图像进行人脸比对处理,得到所述人脸识别结果。
在一种可能的实现方式中,在所述第一可见光图像的增益值小于等于预设值时,所述处理器具体用于:
获取所述第一近红外光图像的亮度信息,根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值小于所述预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
获取所述人脸在所述第一可见光图像上的第一坐标信息,并根据所述第一坐标信息得到所述人脸在所述第一近红外光图像上的第二坐标信息,所述第一坐标信息指示所述人脸在所述第一可见光图像上的位置,所述第二坐标信息指示所述人脸在所述第一近红外光图像上的位置;
向所述第二图像传感器发送所述第二坐标信息;
所述第二图像传感器还用于,基于所述第二坐标信息获取第二近红外光图像,所述第二近红外光图像上所述第二坐标信息指示的区域的像素点的亮度大于所述第二近红外光图像上除所述第二坐标信息指示的区域外的其他区域的像素点的亮度;
所述处理器还用于,根据所述第一可见光图像和所述第二近红外光图像进行活体检测,得到活体检测结果;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第二近红外光图像进行人脸比对处理,得到所述人脸识别结果。
在一种可能的实现方式中,在所述第一可见光图像的增益值小于等于预设值时,所述处理器具体用于:
获取所述第一近红外光图像的亮度信息,根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值小于所述预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
获取预设显示查找表,所述预设显示查找表指示所述第一近红外光图像上的像素点的第一亮度值和像素点的第二亮度值的对应关系;
根据所述第一近红外光图像中每个像素点的第一亮度值和所述预设显示查找表,得到对应的像素点的第二亮度值;
根据所述第一近红外光图像和所述像素点的第二亮度值得到第三近红外光图像;
根据所述第一可见光图像和所述第三近红外光图像对所述人脸进行活体检测,得到活体检测结果;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第三近红外光图像进行人脸比对处理,得到所述人脸识别结果。
第二方面,本申请实施例提供一种人脸识别方法,应用于人脸识别设备,所述人脸识别设备包括第一图像传感器和第二图像传感器,所述方法包括:
从所述第一图像传感器获取第一可见光图像;
从所述第二图像传感器获取第一近红外光图像;
根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
在一种可能的实现方式中,根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
获取所述第一可见光图像的增益值;
在所述第一可见光图像的增益值小于等于预设值时,根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果;
在所述第一可见光图像的增益值大于所述预设值时,根据所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
在一种可能的实现方式中,根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
获取所述第一近红外光图像的亮度信息;
根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
在一种可能的实现方式中,根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值大于等于预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
根据所述第一可见光图像和所述第一近红外光图像对所述人脸进行活体检测,得到活体检测结果,所述活体检测结果用于指示所述人脸是否为活体人脸;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第一近红外光图像进行人脸比对处理,得到所述人脸识别结果。
在一种可能的实现方式中,根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值小于预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
获取所述人脸在所述第一可见光图像上的第一坐标信息,并根据所述第一坐标信息得到所述人脸在所述第一近红外光图像上的第二坐标信息,所述第一坐标信息指示所述人脸在所述第一可见光图像上的位置,所述第二坐标信息指示所述人脸在所述第一近红外光图像上的位置;
根据所述第二坐标信息从所述第二图像传感器获取第二近红外光图像,所述第二近红外光图像上所述第二坐标信息指示的区域的像素点的亮度大于所述第二近红外光图像上除所述第二坐标信息指示的区域外的其他区域的像素点的亮度;
根据所述第一可见光图像和所述第二近红外光图像进行活体检测,得到活体检测结果;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第二近红外光图像进行人脸比对处理,得到所述人脸识别结果。
在一种可能的实现方式中,根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值小于预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
获取预设显示查找表,所述预设显示查找表指示所述第一近红外光图像上的像素点的第一亮度值和像素点的第二亮度值的对应关系;
根据所述第一近红外光图像中每个像素点的第一亮度值和所述预设显示查找表,得到对应的像素点的第二亮度值;
根据所述第一近红外光图像和所述像素点的第二亮度值得到第三近红外光图像,并根据所述第一可见光图像和所述第三近红外光图像对所述人脸进行活体检测,得到活体检测结果;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第三近红外光图像进行人脸比对处理,得到所述人脸识别结果。
本申请实施例提供的人脸识别设备及人脸识别方法,包括第一图像传感器、第二图像传感器和处理器,处理器分别与第一图像传感器和第二图像传感器连接,第一图像传感器用于获取第一可见光图像,并向处理器发送第一可见光图像;第二图像传感器用于获取第一近红外光图像,并向处理器发送第一近红外光图像;处理器用于接收第一可见光图像和第一近红外光图像,并根据第一可见光图像和第一近红外光图像进行人脸识别处理,得到人脸识别结果。本申请实施例的方案,通过第一可见光图像和第一近红外光图像来进行人脸识别处理,使得人脸识别设备既能够适用于白天光线较好的场景,也能够适用于夜晚光线较暗的场景,解决了人脸识别设备的应用场景受限的问题,提高了不同应用场景下的人脸识别成功率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种应用场景示意图;
图2为本申请实施例提供的一种人脸识别设备的结构示意图;
图3为本申请又一实施例提供的一种人脸识别设备的结构示意图;
图4为本申请实施例提供的人脸识别处理流程示意图;
图5为本申请实施例提供的第一坐标信息示意图;
图6为本申请实施例提供的人脸坐标信息转换示意图;
图7为本申请实施例提供的人脸识别方法的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
首先对本申请涉及的概念进行解释说明。
近红外光:近红外光(Near Infrared,NIR)是介于可见光和中红外光之间的电磁波,是指波长在780~2526nm范围内的电磁波。
可见光:可见光是电磁波谱中人眼可以感知的部分,可见光谱没有精确的范围,一般人的眼睛可以感知的电磁波的波长在400~760nm之间,但还有一些人能够感知到波长大约在380~780nm之间的电磁波。
双目相机:一颗可见光相机和一颗近红外光相机组成的双目相机。
增益:图像中一种亮度或颜色信息的随机变化(被拍摄物体本身并没有),通常是电子噪声的表现。图像噪声是图像拍摄过程中不希望存在的副产品,给图像带来了错误和额外的信息。
活体检测:为了防止恶意者将伪造的他人生物特征用于身份认证,在生物特征识别过程中,针对待认证样本是否具有生命特征进行检测的技术。判断当前识别对象是否为活体人或非活体假人。
人脸识别:视频监控行业中,对图像中出现的人脸进行分析,识别出人脸信息,通常人脸检测、特征提取、特征比对等技术。
图像传感器:一种利用光电器件的光电转换功能将光信号转换为与更新后成相应比例关系的电信号的设备。
UVC:USB video class,USB视频类,一种为USB视频捕获设备定义的协议标准。
下面对本申请一种可能的应用场景进行举例说明。
图1为本申请实施例提供的一种应用场景示意图,如图1所示,包括门禁设备11,门禁设备中包括一个双目相机12。双目相机12拍摄得到两张图像,分别是一张可见光图像和一张近红外光图像。
门禁设备11可能应用于不同的场景中,例如可以应用于小区、机场、火车站等等区域。由于应用于不同的区域,因此门禁设备11所处的环境可能相差较大。例如,门禁设备11可能处于室内,也可能处于室外。在拍摄人脸时,可能处于白天,也可能处于晚上。
因此门禁设备11需要能够适应于不同的场景,在白天、黑夜以及逆光等条件下均能够有效的对人脸进行识别。
下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请实施例提供的一种人脸识别设备的结构示意图,如图2所示,包括第一图像传感器21、第二图像传感器22和处理器23,处理器23分别与第一图像传感器21和第二图像传感器22连接,其中:
第一图像传感器21用于获取第一可见光图像,并向处理器23发送第一可见光图像。
第一图像传感器21用于感应可见光,并在第一图像传感器21的靶面上成像,得到第一可见光图像。在得到第一可见光图像后,第一图像传感器21向处理器23发送第一可见光图像。
可选的,人脸识别设备还可以包括第一摄像头,第一摄像头用于捕捉可见光,并将捕捉到的可见光在第一图像传感器21的靶面上成像。
第二图像传感器22用于获取第一近红外光图像,并向处理器23发送所述第一近红外光图像。
第二图像传感器22用于感应近红外光,并在第二图像传感器22的靶面上成像,得到第一近红外光图像。在得到第一近红外光图像后,第二图像传感器22向处理器23发送第一近红外光图像。
可选的,人脸识别设备还可以包括第二摄像头,第二摄像头用于捕捉近红外光,并将捕捉到的近红外光在第二图像传感器22的靶面上成像。
需要说明的是,本申请实施例中第一可见光图像和第一近红外光图像对应于几乎相同的拍摄场景,即,在第一可见光图像中出现的事物几乎全部在第一近红外光图像中出现。在需要对人脸进行识别时,首先要获取包含人脸的图像,此时会分别通过第一图像传感器21获取第一可见光图像和通过第二图像传感器22获取第一近红外光图像。
要使得第一可见光图像和第一近红外光图像对应于几乎相同的拍摄场景,可以采取多种方案实现,例如一种可能的实现方案是,将第一摄像头和第二摄像头设置在临近的位置,两个摄像头之间的距离很小,此时第一摄像头拍摄到的场景和第二摄像头拍摄到的场景可以达到几乎相同。图3为本申请又一实施例提供的一种人脸识别设备的结构示意图,如图3所示,包括第一摄像头、第一图像传感器、第二摄像头、第二图像传感器和处理器,第一摄像头捕捉光线传到第一图像传感器成像,得到第一可见光图像,第二摄像头捕捉光线传到第二图像传感器成像,得到第一近红外光图像,然后处理器根据第一可见光图像和第一近红外光图像进行人脸识别处理。其中,第一摄像头和第二摄像头的距离较近,例如相隔几厘米,此时能够使得第一可见光图像和第一近红外光图像对应的场景几乎相同。
处理器23用于:接收第一可见光图像和第一近红外光图像,并根据第一可见光图像和第一近红外光图像进行人脸识别处理,得到人脸识别结果。
处理器23接收第一图像传感器21发送的第一可见光图像,接收第二图像传感器22发送的第一近红外光图像,然后对第一可见光图像和第一近红外光图像进行人脸识别处理。处理器23可以通过软件或硬件的方式实现上述功能。例如,处理器23可以具体为一个芯片,也可以为一个执行相应程序代码的处理器,等等。
图4为本申请实施例提供的人脸识别处理流程示意图,如图4所示,人脸识别处理可以包括:
S41,人脸检测;
S42,判断是否有人脸,若是,执行S43,若否,执行S41;
S43,活体检测;
S44,判断是否为真人,若是,执行S45,若否,执行S41;
S45,人脸特征提取;
S46,人脸比对。
人脸检测是判断图像中是否包括人脸,若包括,确定人脸在图像中的大致位置。活体检测是用于判断图像中检测到的人脸是否为活体人脸,从而防止面具、照片等被认定为真实人员。在确定图像中检测到的人脸为活体人脸后,对人脸特征进行提取,提取的方式可以是通过深度学习模型,然后将提取的人脸特征与数据库中的人脸特征进行比对,从而确定图像中人脸的身份信息,等等。
在处于白天或光线较亮的场景下,可见光图像的成像质量较好,而活体检测需要第一近红外光图像,此时可以通过第一可见光图像和第一近红外光图像来进行人脸识别处理,得到人脸识别结果。在处于夜晚或光线较暗的场景下,可见光图像的成像质量较差,而近红外光图像的成像质量较好,此时可以主要通过第一近红外光图像来进行人脸识别处理,得到人脸识别结果。
本申请实施例提供的人脸识别设备,包括第一图像传感器、第二图像传感器和处理器,处理器分别与第一图像传感器和第二图像传感器连接,第一图像传感器用于获取第一可见光图像,并向处理器发送第一可见光图像;第二图像传感器用于获取第一近红外光图像,并向处理器发送第一近红外光图像;处理器用于接收第一可见光图像和第一近红外光图像,并根据第一可见光图像和第一近红外光图像进行人脸识别处理,得到人脸识别结果。本申请实施例的方案,通过第一可见光图像和第一近红外光图像来进行人脸识别处理,使得人脸识别设备既能够适用于白天光线较好的场景,也能够适用于夜晚光线较暗的场景,解决了人脸识别设备的应用场景受限的问题,提高了不同应用场景下的人脸识别成功率。
下面将结合具体的实施例对本申请的方案进行说明。
图像的成像会受光线的影响,单一的使用可见光图像或近红外图像进行人脸识别,注定存在无法适应的场景,例如可见光图像在类似夜晚的光线较暗的光线场景下无法实现人脸识别,近红外光在逆光场景下无法实现人脸识别,导致人脸识别设备的使用场景受到局限。本申请实施例为解决该问题,采用可见光图像和近红外光图像共同来实现人脸识别,通过可见光图像与近红外光图像交替使用的方式来适应不同光线下的使用场景。
由于在不同的光线场景下可能采取不同的处理方式,因此首先需要判断人脸识别设备所处的光线场景。
在正常光线使用场景下,可见光图像的成像质量较好,而在光线较暗或黑夜环境时,可见光图像的成像质量较差。此处,光线的亮或暗指的是所在的大的环境的光线的亮或暗,因此在大的光线较暗或黑夜环境时,即使使用了白光补光灯,也无法避免第一图像传感器成像出的第一可见光图像存在噪点大且亮度低的问题。此时根据第一可见光图像进行人脸的特征提取会受到很大影响,出现人员比对无法通过的现象。
根据光线较暗的环境下第一可见光图像存在噪点大的特点,可据此对人脸识别设备所处的光线场景进行判断。
具体的,处理器具体用于:
获取第一可见光图像的增益值;
在第一可见光图像的增益值小于等于预设值时,根据第一可见光图像和第一近红外光图像进行人脸识别处理,得到人脸识别结果;
在第一可见光图像的增益值大于所述预设值时,根据第一近红外光图像进行人脸识别处理,得到人脸识别结果。
针对此问题,处理器获取第一可见光图像的增益值来判断人脸识别设备是否处于光线较暗或夜晚的场景。如果第一可见光图像的增益值达到预设值,认为人脸识别设备处于光线不足环境中,切换第一近红外图像进行人脸识别。近红外光图像r在光线不足环境中成像效果良好,可以保证人脸特征信息清晰。
具体的,处理器获取到第一可见光图像的增益值后,若第一可见光图像的增益值小于等于预设值,则表明第一可见光图像上的噪点小,此时确定人脸识别设备所处的光线环境为正常光线环境,例如为白天。当人脸识别设备所处的光线环境为正常光线环境时,第一可见光图像的成像质量较好,可结合第一可见光图像和第一近红外光图像进行人脸识别处理,得到人脸识别结果。
若第一可见光图像的增益值大于预设值,则表明第一可见光图像上的噪点大,此时确定人脸识别设备所处的光线环境为较暗的光线环境,例如为黑夜。当人脸识别设备所处的光线环境为较暗的光线环境时,第一可见光图像的成像质量较差,可主要采用第一近红外光图像进行人脸识别处理,得到人脸识别结果。
下面将具体说明在不同的光线环境下的人脸识别处理过程,首先对正常光线环境下的人脸识别处理过程进行介绍。
正常光线环境下第一可见光图像的增益值小于等于预设值,此时第一可见光图像的成像质量较好,但是第一近红外光图像的成像质量可能较好,也可能较差。例如,在人脸识别设备处于逆光场景时,得到的第一近红外光图像的亮度也会比较暗,无法直接使用。因此,需要根据人脸识别设备是否处于逆光场景等导致近红外光图像亮度较暗的情形,进行不同的处理。
因此,在第一可见光图像的增益值小于等于预设值时,处理器具体用于:
获取第一近红外光图像的亮度信息;
根据第一近红外光图像的亮度信息、第一可见光图像和第一近红外光图像进行人脸识别处理,得到人脸识别结果。
其中,第一近红外光图像的亮度信息为第一近红外光图像上的像素点的亮度值,根据第一近红外光图像的亮度信息可得到第一近红外光图像上像素点的平均亮度值。然后,根据第一近红外光图像上像素点的平均亮度值,确定如何根据第一可见光图像和第一近红外光图像进行人脸识别处理。
因此,在第一可见光图像的增益值小于等于预设值时,一种可能的实现方式是,处理器具体用于:
获取第一近红外光图像的亮度信息,根据第一近红外光图像的亮度信息确定第一近红外光图像的平均亮度值大于等于预设亮度值,此时,为第一近红外光图像的亮度较亮的情形,第一近红外光图像的成像质量较好,即人脸识别设备处于白天的非逆光场景。
对第一可见光图像进行人脸检测,确定第一可见光图像中包括人脸;
根据第一可见光图像和第一近红外光图像对人脸进行活体检测,得到活体检测结果,活体检测结果用于指示人脸是否为活体人脸;
若根据活体检测结果确定人脸为活体人脸,则根据第一可见光图像或第一近红外光图像进行人脸比对处理,得到人脸识别结果。
在根据第一近红外光图像的亮度信息确定第一近红外光图像的平均亮度值大于等于预设亮度值时,表明人脸识别设备未处于逆光场景,此时第一近红外光图像的成像效果较好,可直接根据第一可见光图像和第一近红外光图像进行人脸识别处理,得到人脸识别结果。
具体的,可首先通过第一可见光图像进行人脸检测,判断第一可见光图像上是否有人脸。若在第一可见光图像上检测到人脸,由于第一可见光图像和第一近红外光图像对应的拍摄场景几乎相同,因此第一近红外光图像上也包括该人脸。然后,可进行活体检测,活体检测可采用第一近红外光图像进行,由于第一可见光图像的增益值小于等于预设值时第一可见光图像的成像质量较好,因此也可以将第一可见光图像和第一近红外光图像融合后再进行活体检测。
活体检测的目的是为了判断检测到的人脸是否为活体人脸,若是,则可以对该人脸的特征进行提取和比对,确定该人脸对应的人员的信息,具体的人脸特征提取和比对的方法有多种,例如可以采用深度神经网络模型来完成。
在根据第一近红外光图像的亮度信息确定第一近红外光图像的平均亮度值小于预设亮度值时,表明人脸识别设备处于白天逆光场景,此时第一近红外光图像的成像效果较暗,不能直接根据第一可见光图像和第一近红外光图像进行人脸识别处理。
在第一可见光图像的增益值小于等于预设值时,处理器首先获取第一近红外光图像的亮度信息,根据第一近红外光图像的亮度信息确定第一近红外光图像的平均亮度值小于预设亮度值。此时,第一近红外光图像的平均亮度较低,成像效果不佳,如果直接用于人脸识别,成功率较低,因此需要进行一定的处理。本申请实施例中,包括两种处理方式,分别是增加局部曝光方式和后期补光方式,下面将对这两种方式进行详细说明。
一种可能的实现方式是,增加局部曝光的方式,在第一可见光图像的增益值小于等于预设值时,处理器具体用于:
对第一可见光图像进行人脸检测,确定第一可见光图像中包括人脸。然后,获取人脸在第一可见光图像上的第一坐标信息,并根据第一坐标信息得到人脸在第一近红外光图像上的第二坐标信息,第一坐标信息指示人脸在第一可见光图像上的位置,第二坐标信息指示人脸在第一近红外光图像上的位置;向第二图像传感器发送第二坐标信息。
在第一可见光图像的增益值小于等于预设值时,第一可见光图像的成像质量较好,此时可对第一可见光图像进行人脸检测,得到第一可见光图像上的人脸的位置,进而得到第一近红外光图像上人脸的位置。图5为本申请实施例提供的第一坐标信息示意图,如图5所示,示意了第一可见光图像51上检测到的人脸,该人脸处于方框52中,根据该方框52得到第一可见光图像的第一坐标信息,第一坐标信息可以是方框52的顶点坐标,也可以是方框52的长和宽等等。在逆光场景下,根据第一可见光图像检测出人脸所在第一坐标信息后,后续进行活体检测失败,导致人脸识别无法通过。
活体检测失败的原因确定为第一近红外图像过暗,人脸信息无法检测和提取。此时可以通过摄像头进行局部曝光,具体的,通过摄像头程序的UVC协议中的XU单元(扩展单元,为特地供应商增加规范而提供的单元),可以操作此单元的固定地址进行下发人脸所在照片中的坐标区域信息,告知摄像头程序对此区域做局部曝光,使得此区域人脸成像清晰。需要说明的是,在成像过程中,可见光图像中人脸位置与近红外图像中人脸位置存在一定角度的偏差,所以需要进行坐标转换计算。下面将结合图6进行说明。
图6为本申请实施例提供的人脸坐标信息转换示意图,如图6所示,包括第一可见光图像61和第一近红外光图像62。对第一可见光图像61进行人脸检测,检测到一个人脸,然后确定该人脸对应的第一坐标信息,第一坐标信息指示了该人脸在第一可见光图像61上的位置。一种可能的处理方式是,如图6所示,获取第一矩形框63的四个顶点坐标,作为第一坐标信息,其中第一矩形框63为覆盖检测到的人脸的矩形框。
在得到第一坐标信息后,根据第一坐标信息得到第二坐标信息,其中第二坐标信息指示人脸在第一近红外光图像62上的位置,如图6所示,可以根据第一矩形框63的四个顶点坐标得到第二矩形框64的四个顶点坐标,作为第二坐标信息。由于第一可见光图像61和第一近红外光图像62对应于几乎相同的场景,因此在第一可见光图像61上出现的事物绝大多数也会在第一近红外光图像62上出现,同样的事物在两张图像上的位置可能有部分差异,例如人物在第一近红外光图像62上的位置相对于在第一可见光图像61上的位置有偏移,可以在进行人脸识别之前计算得到该偏移值,从而能够在得到第一坐标信息后,根据第一坐标信息和偏移值,得到第二坐标信息。
在得到第二坐标信息后,处理器将第二坐标信息发送给第二图像传感器,用于重新获取近红外光图像,并针对第一近红外光图像上第二坐标信息指示的人脸所在区域进行局部曝光。可选的,处理器可将第一坐标信息发送给第一图像传感器,用于重新获取可见光图像,针对第一可见光图像上第一坐标信息指示的人脸所在区域进行局部曝光。
第二图像传感器在接收到处理器发送的第二坐标信息后,基于第二坐标信息获取第二近红外光图像,第二近红外光图像上第二坐标信息指示的区域的像素点的亮度大于第二近红外光图像上除第二坐标信息指示的区域外的其他区域的像素点的亮度。需要说明的是,为了保证第二坐标信息指示的区域为第二近红外光图像上人脸所在的区域,第二近红外光图像和第一近红外光图像对应的时间间隔较短,例如可以为50ms、200ms等等。
处理器还用于,根据第一可见光图像和第二近红外光图像进行活体检测,得到活体检测结果;
若根据活体检测结果确定人脸为活体人脸,则根据第一可见光图像或第二近红外光图像进行人脸比对处理,得到人脸识别结果。
具体的,可以将第一可见光图像和第二近红外光图像进行融合,然后根据融合后的图像进行活体检测。若该人脸为活体人脸,然后进行人脸比对,提取人脸特征,确定人脸对应的人员信息。
另一种可能的实现方式是,对第一近红外光图像进行后期补光的方式,在第一可见光图像的增益值小于等于预设值时,若根据第一近红外光图像的亮度信息确定第一近红外光图像的平均亮度值小于预设亮度值,处理器具体用于:
对第一可见光图像进行人脸检测,确定第一可见光图像中包括人脸;
获取预设显示查找表,预设显示查找表指示第一近红外光图像上的像素点的第一亮度值和像素点的第二亮度值的对应关系;
根据第一近红外光图像中每个像素点的第一亮度值和预设显示查找表,得到对应的像素点的第二亮度值;
根据第一近红外光图像和像素点的第二亮度值得到第三近红外光图像;
根据第一可见光图像和第三近红外光图像对人脸进行活体检测,得到活体检测结果;
若根据活体检测结果确定人脸为所述活体人脸,则根据第一可见光图像或第三近红外光图像进行人脸比对处理,得到人脸识别结果。
在人脸识别过程中,图像处理使用的是YUV格式,其中Y代表亮度,UV代表色调和饱和度。本申请实施例中,首先计算第一近红外光图像中人脸所在区域的亮度Y值,如果Y值低于预设亮度值,则认为亮度偏低,需要进行补光处理;否则认为亮度良好,不处理。
通过合适的预设显示查找表进行亮度Y的新值的替换,达到补光的效果。LUT可用于后期的图片颜色校正,输入当前第一近红外光图像上每个像素点的Y值,LUT表格中会给出一个新的Yout值,将Yout值替换到第一近红外光图像中,其他值不变,就完成了查表补光的功能,得到第三近红外光图像,其中Yout值即为第三近红外光图像上每个像素点的亮度值。
得到第三近红外光图像后,根据第一可见光图像和第三近红外光图像对人脸进行活体检测,具体的,可将第一可见光图像和第三近红外光图像进行融合,对融合后的图像进行活体检测处理,得到活体检测结果。若活体检测结果确定人脸为非活体人脸,则不进行后续处理,若活体检测结果确定人脸为活体人脸,则对第一可见光图像或第三近红外光图像提取人脸特征,进行人脸比对,确定人脸对应的人员信息。
需要说明的是,增加局部曝光使得得到的第二近红外光图像上人脸所在区域的亮度高于其他区域的亮度后,可在此基础上判断第二近红外光图像上的亮度是否达到预设亮度值,若未达到,可继续对第二近红外光图像进行补光操作,例如可以根据预设显示查找表对第二近红外光图像进行亮度Y的替换,达到补光的效果。在处于白天的逆光场景时,增加局部曝光和后期补光两种方式可以单独使用,也可以共同使用,来提高近红外光的亮度和效果,有利于后期的人脸识别。
上述实施例介绍了正常光线环境下的人脸识别处理过程,下面介绍较暗的光线环境下的人脸识别处理过程。
当第一可见光图像的增益值大于预设值时,表明人脸识别设备处于较暗的环境中,此时第一可见光图像的成像效果较差,噪点较大,可根据第一近红外光图像进行人脸识别处理,得到人脸识别结果。具体的,首先根据第一近红外光图像进行人脸检测,然后在检测到人脸后根据第一近红外光图像进行活体检测处理。若活体检测处理确定人脸为活体人脸,则仍根据第一近红外光图像进行人脸特征提取和比对,得到人脸识别结果。
本申请实施例提供的人脸识别设备,包括第一图像传感器、第二图像传感器和处理器,处理器分别与第一图像传感器和第二图像传感器连接,第一图像传感器用于获取第一可见光图像,并向处理器发送第一可见光图像;第二图像传感器用于获取第一近红外光图像,并向处理器发送第一近红外光图像;处理器用于接收第一可见光图像和第一近红外光图像,并根据第一可见光图像和第一近红外光图像进行人脸识别处理,得到人脸识别结果。进一步的,针对逆光场景下近红外光图像过暗的问题,提供了局部曝光和后期补光的方案,使得该设备在白天逆光场景下也能够达到较好的人脸识别效果。本申请实施例的方案,通过第一可见光图像和第一近红外光图像来进行人脸识别处理,使得人脸识别设备既能够适用于白天光线较好的场景,包括白天逆光场景,同时也能够适用于夜晚光线较暗的场景,能够根据所处的光线环境进行调控,解决了人脸识别设备的应用场景受限的问题,极大的拓宽了人脸识别设备的适用场景,提高了不同应用场景下的人脸识别成功率。
图7为本申请实施例提供的人脸识别方法的流程示意图,该方法应用于人脸识别设备,所述人脸识别设备包括第一图像传感器和第二图像传感器,如图7所示,该方法可以包括:
S71,从所述第一图像传感器获取第一可见光图像;
S72,从所述第二图像传感器获取第一近红外光图像;
S73,根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
在一种可能的实现方式中,根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
获取所述第一可见光图像的增益值;
在所述第一可见光图像的增益值小于等于预设值时,根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果;
在所述第一可见光图像的增益值大于所述预设值时,根据所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
在一种可能的实现方式中,根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
获取所述第一近红外光图像的亮度信息;
根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
在一种可能的实现方式中,根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值大于等于预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
根据所述第一可见光图像和所述第一近红外光图像对所述人脸进行活体检测,得到活体检测结果,所述活体检测结果用于指示所述人脸是否为活体人脸;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第一近红外光图像进行人脸比对处理,得到所述人脸识别结果。
在一种可能的实现方式中,根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值小于预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
获取所述人脸在所述第一可见光图像上的第一坐标信息,并根据所述第一坐标信息得到所述人脸在所述第一近红外光图像上的第二坐标信息,所述第一坐标信息指示所述人脸在所述第一可见光图像上的位置,所述第二坐标信息指示所述人脸在所述第一近红外光图像上的位置;
根据所述第二坐标信息从所述第二图像传感器获取第二近红外光图像,所述第二近红外光图像上所述第二坐标信息指示的区域的像素点的亮度大于所述第二近红外光图像上除所述第二坐标信息指示的区域外的其他区域的像素点的亮度;
根据所述第一可见光图像和所述第二近红外光图像进行活体检测,得到活体检测结果;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第二近红外光图像进行人脸比对处理,得到所述人脸识别结果。
在一种可能的实现方式中,根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值小于预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
获取预设显示查找表,所述预设显示查找表指示所述第一近红外光图像上的像素点的第一亮度值和像素点的第二亮度值的对应关系;
根据所述第一近红外光图像中每个像素点的第一亮度值和所述预设显示查找表,得到对应的像素点的第二亮度值;
根据所述第一近红外光图像和所述像素点的第二亮度值得到第三近红外光图像,并根据所述第一可见光图像和所述第三近红外光图像对所述人脸进行活体检测,得到活体检测结果;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第三近红外光图像进行人脸比对处理,得到所述人脸识别结果。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (12)
1.一种人脸识别设备,其特征在于,包括第一图像传感器、第二图像传感器和处理器,所述处理器分别与所述第一图像传感器和所述第二图像传感器连接,其中:
所述第一图像传感器用于获取第一可见光图像,并向所述处理器发送所述第一可见光图像;
所述第二图像传感器用于获取第一近红外光图像,并向所述处理器发送所述第一近红外光图像;
所述处理器用于:接收所述第一可见光图像和所述第一近红外光图像,并根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
2.根据权利要求1所述的设备,其特征在于,所述处理器具体用于:
获取所述第一可见光图像的增益值;
在所述第一可见光图像的增益值小于等于预设值时,根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果;
在所述第一可见光图像的增益值大于所述预设值时,根据所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
3.根据权利要求2所述的设备,其特征在于,在所述第一可见光图像的增益值小于等于预设值时,所述处理器具体用于:
获取所述第一近红外光图像的亮度信息;
根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
4.根据权利要求3所述的设备,其特征在于,在所述第一可见光图像的增益值小于等于预设值时,所述处理器具体用于:
获取所述第一近红外光图像的亮度信息,根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值大于等于预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
根据所述第一可见光图像和所述第一近红外光图像对所述人脸进行活体检测,得到活体检测结果,所述活体检测结果用于指示所述人脸是否为活体人脸;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第一近红外光图像进行人脸比对处理,得到所述人脸识别结果。
5.根据权利要求3所述的设备,其特征在于,在所述第一可见光图像的增益值小于等于预设值时,所述处理器具体用于:
获取所述第一近红外光图像的亮度信息,根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值小于所述预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
获取所述人脸在所述第一可见光图像上的第一坐标信息,并根据所述第一坐标信息得到所述人脸在所述第一近红外光图像上的第二坐标信息,所述第一坐标信息指示所述人脸在所述第一可见光图像上的位置,所述第二坐标信息指示所述人脸在所述第一近红外光图像上的位置;
向所述第二图像传感器发送所述第二坐标信息;
所述第二图像传感器还用于,基于所述第二坐标信息获取第二近红外光图像,所述第二近红外光图像上所述第二坐标信息指示的区域的像素点的亮度大于所述第二近红外光图像上除所述第二坐标信息指示的区域外的其他区域的像素点的亮度;
所述处理器还用于,根据所述第一可见光图像和所述第二近红外光图像进行活体检测,得到活体检测结果;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第二近红外光图像进行人脸比对处理,得到所述人脸识别结果。
6.根据权利要求3所述的设备,其特征在于,在所述第一可见光图像的增益值小于等于预设值时,所述处理器具体用于:
获取所述第一近红外光图像的亮度信息,根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值小于所述预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
获取预设显示查找表,所述预设显示查找表指示所述第一近红外光图像上的像素点的第一亮度值和像素点的第二亮度值的对应关系;
根据所述第一近红外光图像中每个像素点的第一亮度值和所述预设显示查找表,得到对应的像素点的第二亮度值;
根据所述第一近红外光图像和所述像素点的第二亮度值得到第三近红外光图像;
根据所述第一可见光图像和所述第三近红外光图像对所述人脸进行活体检测,得到活体检测结果;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第三近红外光图像进行人脸比对处理,得到所述人脸识别结果。
7.一种人脸识别方法,其特征在于,应用于人脸识别设备,所述人脸识别设备包括第一图像传感器和第二图像传感器,所述方法包括:
从所述第一图像传感器获取第一可见光图像;
从所述第二图像传感器获取第一近红外光图像;
根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
8.根据权利要求7所述的方法,其特征在于,根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
获取所述第一可见光图像的增益值;
在所述第一可见光图像的增益值小于等于预设值时,根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果;
在所述第一可见光图像的增益值大于所述预设值时,根据所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
9.根据权利要求8所述的方法,其特征在于,根据所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
获取所述第一近红外光图像的亮度信息;
根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果。
10.根据权利要求9所述的方法,其特征在于,根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值大于等于预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
根据所述第一可见光图像和所述第一近红外光图像对所述人脸进行活体检测,得到活体检测结果,所述活体检测结果用于指示所述人脸是否为活体人脸;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第一近红外光图像进行人脸比对处理,得到所述人脸识别结果。
11.根据权利要求9所述的方法,其特征在于,根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值小于预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
获取所述人脸在所述第一可见光图像上的第一坐标信息,并根据所述第一坐标信息得到所述人脸在所述第一近红外光图像上的第二坐标信息,所述第一坐标信息指示所述人脸在所述第一可见光图像上的位置,所述第二坐标信息指示所述人脸在所述第一近红外光图像上的位置;
根据所述第二坐标信息从所述第二图像传感器获取第二近红外光图像,所述第二近红外光图像上所述第二坐标信息指示的区域的像素点的亮度大于所述第二近红外光图像上除所述第二坐标信息指示的区域外的其他区域的像素点的亮度;
根据所述第一可见光图像和所述第二近红外光图像进行活体检测,得到活体检测结果;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第二近红外光图像进行人脸比对处理,得到所述人脸识别结果。
12.根据权利要求9所述的方法,其特征在于,根据所述第一近红外光图像的亮度信息、所述第一可见光图像和所述第一近红外光图像进行人脸识别处理,得到人脸识别结果,包括:
根据所述第一近红外光图像的亮度信息确定所述第一近红外光图像的平均亮度值小于预设亮度值;
对所述第一可见光图像进行人脸检测,确定所述第一可见光图像中包括人脸;
获取预设显示查找表,所述预设显示查找表指示所述第一近红外光图像上的像素点的第一亮度值和像素点的第二亮度值的对应关系;
根据所述第一近红外光图像中每个像素点的第一亮度值和所述预设显示查找表,得到对应的像素点的第二亮度值;
根据所述第一近红外光图像和所述像素点的第二亮度值得到第三近红外光图像,并根据所述第一可见光图像和所述第三近红外光图像对所述人脸进行活体检测,得到活体检测结果;
若根据所述活体检测结果确定所述人脸为所述活体人脸,则根据所述第一可见光图像或所述第三近红外光图像进行人脸比对处理,得到所述人脸识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911396242.6A CN113128259B (zh) | 2019-12-30 | 2019-12-30 | 人脸识别设备及人脸识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911396242.6A CN113128259B (zh) | 2019-12-30 | 2019-12-30 | 人脸识别设备及人脸识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113128259A true CN113128259A (zh) | 2021-07-16 |
CN113128259B CN113128259B (zh) | 2023-08-29 |
Family
ID=76767946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911396242.6A Active CN113128259B (zh) | 2019-12-30 | 2019-12-30 | 人脸识别设备及人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128259B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103781261A (zh) * | 2014-02-28 | 2014-05-07 | 深圳英飞拓科技股份有限公司 | 红外网络摄像机的红外灯控制方法 |
JP2016059005A (ja) * | 2014-09-12 | 2016-04-21 | キヤノン株式会社 | シーン判別装置、その制御方法、および制御プログラム、並びに撮像装置 |
CN106231179A (zh) * | 2016-07-29 | 2016-12-14 | 浙江大华技术股份有限公司 | 一种日夜双滤光片切换器切换方法及装置 |
CN107920188A (zh) * | 2016-10-08 | 2018-04-17 | 杭州海康威视数字技术股份有限公司 | 一种镜头及摄像机 |
CN107992811A (zh) * | 2017-11-27 | 2018-05-04 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
CN109618099A (zh) * | 2019-01-10 | 2019-04-12 | 深圳英飞拓科技股份有限公司 | 双光谱摄像机图像融合方法及装置 |
CN110059644A (zh) * | 2019-04-23 | 2019-07-26 | 杭州智趣智能信息技术有限公司 | 一种基于人脸图像的活体检测方法、***及相关组件 |
CN110264402A (zh) * | 2019-06-12 | 2019-09-20 | 浙江大华技术股份有限公司 | 图像融合方法、装置、存储介质及电子装置 |
CN110490042A (zh) * | 2019-05-31 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 人脸识别装置和门禁设备 |
-
2019
- 2019-12-30 CN CN201911396242.6A patent/CN113128259B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103781261A (zh) * | 2014-02-28 | 2014-05-07 | 深圳英飞拓科技股份有限公司 | 红外网络摄像机的红外灯控制方法 |
JP2016059005A (ja) * | 2014-09-12 | 2016-04-21 | キヤノン株式会社 | シーン判別装置、その制御方法、および制御プログラム、並びに撮像装置 |
CN106231179A (zh) * | 2016-07-29 | 2016-12-14 | 浙江大华技术股份有限公司 | 一种日夜双滤光片切换器切换方法及装置 |
CN107920188A (zh) * | 2016-10-08 | 2018-04-17 | 杭州海康威视数字技术股份有限公司 | 一种镜头及摄像机 |
CN107992811A (zh) * | 2017-11-27 | 2018-05-04 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
CN109618099A (zh) * | 2019-01-10 | 2019-04-12 | 深圳英飞拓科技股份有限公司 | 双光谱摄像机图像融合方法及装置 |
CN110059644A (zh) * | 2019-04-23 | 2019-07-26 | 杭州智趣智能信息技术有限公司 | 一种基于人脸图像的活体检测方法、***及相关组件 |
CN110490042A (zh) * | 2019-05-31 | 2019-11-22 | 杭州海康威视数字技术股份有限公司 | 人脸识别装置和门禁设备 |
CN110264402A (zh) * | 2019-06-12 | 2019-09-20 | 浙江大华技术股份有限公司 | 图像融合方法、装置、存储介质及电子装置 |
Non-Patent Citations (2)
Title |
---|
YALONG GU 等: "Improved algorithm for determining the Visible Infrared Imaging Radiometer Suite Day/Night Band high-gain stage dark offset free from light contamination", 《HTTPS://OPG.OPTICA.ORG/VIEW_ARTICLE.CFM?PDFKEY=5424C92B-70A6-4751-A4FFF046D7CAC52D_404920》, vol. 58, no. 6 * |
徐建明: "人脸识别技术在智慧城市建设中的应用优势与疑难", 《中国安防》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113128259B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0932114B1 (en) | A method of and apparatus for detecting a face-like region | |
US8416987B2 (en) | Subject tracking apparatus and control method therefor, image capturing apparatus, and display apparatus | |
US10303973B2 (en) | Image processing apparatus, image processing method, and storage medium for lighting processing on image using model data | |
CN107451969B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
US20190199898A1 (en) | Image capturing apparatus, image processing apparatus, control method, and storage medium | |
US7853048B2 (en) | Pupil color correction device and program | |
WO2021073140A1 (zh) | 单目摄像机、图像处理***以及图像处理方法 | |
CN103702111B (zh) | 一种检测摄像头视频偏色的方法 | |
US11036966B2 (en) | Subject area detection apparatus that extracts subject area from image, control method therefor, and storage medium, as well as image pickup apparatus and display apparatus | |
US7692697B2 (en) | Pupil color correction device and program | |
US20130308866A1 (en) | Method for estimating blur degree of image and method for evaluating image quality | |
US10872268B2 (en) | Information processing device, information processing program, and information processing method | |
TWI731503B (zh) | 活體臉部辨識系統與方法 | |
CN104966266A (zh) | 自动模糊身体部位的方法及*** | |
CN110674729A (zh) | 基于热能估算的人数识别方法、计算机装置及计算机可读存储介质 | |
JP2004219277A (ja) | 人体検知方法およびシステム、プログラム、記録媒体 | |
US20200312272A1 (en) | Display device | |
KR20150059302A (ko) | 촬상 이미지를 적합화 하여 문자를 인식하는 방법 및 그 방법을 실행하는 정보 처리 기기 | |
CN101859370A (zh) | 成像***及其成像方法 | |
US20120314044A1 (en) | Imaging device | |
CN111565283A (zh) | 一种交通灯颜色的识别方法、校正方法和装置 | |
CN110532993B (zh) | 一种人脸防伪方法、装置、电子设备及介质 | |
US20140327796A1 (en) | Method for estimating camera response function | |
CN113128259B (zh) | 人脸识别设备及人脸识别方法 | |
CN111666869A (zh) | 一种基于宽动态处理的人脸识别方法、装置及电子设备 |
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 |