CN113569676A - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113569676A CN113569676A CN202110805912.6A CN202110805912A CN113569676A CN 113569676 A CN113569676 A CN 113569676A CN 202110805912 A CN202110805912 A CN 202110805912A CN 113569676 A CN113569676 A CN 113569676A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- registered
- target reference
- similarity
- 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
- 238000003672 processing method Methods 0.000 title claims description 22
- 238000003860 storage Methods 0.000 title claims description 13
- 238000012545 processing Methods 0.000 title claims description 11
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000003287 optical effect Effects 0.000 claims description 38
- 238000001514 detection method Methods 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 28
- 230000001960 triggered effect Effects 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 6
- 238000001574 biopsy Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/45—Structures or tools for the administration of authentication
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开关于一种图像处理方法、装置、电子设备及存储介质,该方法包括响应于第一对象识别指令,获取本地设备采集的目标对象的第一对象图像和目标参考图像,目标参考图像是基于本地对象图像对注册图像更新得到的,注册图像为异地设备采集的目标对象的图像,注册图像用于进行对象注册;基于目标参考图像对第一对象图像进行对象识别,得到第一对象识别结果。利用本公开实施例可以提升对象识别准确率、通过率和应用的安全性。
Description
技术领域
本公开涉及计算机视觉技术领域,尤其涉及图像处理方法、装置、电子设备及存储介质。
背景技术
随着计算机视觉技术的发展,基于图像识别的各种应用也得到了广泛的使用,例如基于人脸识别进行门禁控制,考勤管理,收银支付等。目前,相关技术中进行人脸识别匹配的算法,往往是基于人脸识别设备采集的图像进行训练得到。但在实际应用中,常常会出现人脸识别设备上的注册图与待识别匹配的图来自不同设备的情况。例如酒店、工厂、宿舍、校园等场景下,人脸识别设备的使用方式往往是:用户提前使用手机上的一张图像进行远程注册,作为注册图;然后,在需要使用人脸识别设备时,用户站在人脸识别设备前拍摄的图像,作为对象图像。在这种场景下,由于不同设备间存在的差异,导致不同设备拍摄的图像的亮度、清晰度等图像光学属性不同,进而带来了识别准确率、通过率以及应用安全性降低的问题。
发明内容
本公开提供一种图像处理方法、装置、电子设备及存储介质,可以提升实际应用中的对象识别准确率、通过率和应用的安全性。本公开的技术方案如下:
根据本公开实施例的一方面,提供一种图像处理方法,包括:
响应于第一对象识别指令,获取本地设备采集的目标对象的第一对象图像和目标参考图像,所述目标参考图像是基于本地对象图像对注册图像更新得到的,所述注册图像为异地设备采集的所述目标对象的图像,所述注册图像用于进行对象注册;
基于所述目标参考图像对所述第一对象图像进行对象识别,得到第一对象识别结果。
上述技术方案,结合基于本地对象图像对异地设备采集的注册图像更新得到的目标参考图像,来对本地设备采集的待识别的第一对象图像进行对象识别,可以有效避免不同设备间差异,导致采集的图像的光学属性不同,进而有效提升对象识别准确率、通过率以及应用的安全性。
可选的,所述目标参考图像至少包括下述之一:
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值的对象图像;
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值,且图像质量分析结果满足预设质量条件的对象图像;
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值,且所述本地对象图像采集时,所述目标对象相对于摄像装置的方位信息为至少一个指定方位信息的对象图像;
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值,且所述本地对象图像采集时的时间属性信息,与所述注册图像的采集时间属性信息相匹配的对象图像;
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值,且所述本地对象图像采集时的时间,位于目标时间段的对象图像,所述目标时间段为预设操作的执行频率大于等于预设频率的时间段;
从所述本地对象图像中选取的与所述注册图像的相似度最高的对象图像;
从所述本地对象图像中选取的与所述注册图像的相似度和活体检测结果对应数值的加权平均之和最高的对象图像。
上述技术方案,结合至少一种本地设备采集的对象图像来更新异地设备采集的注册图像,可以在有效保证后续的对象识别通过率和应用的安全性的基础上,提升获取目标参考图像的灵活性。
可选的,所述方法还包括:
响应于第二对象识别指令,获取所述本地设备采集的所述目标对象的第二对象图像和所述注册图像,所述第二对象识别指令为在所述第一对象识别指令之前触发的对象识别指令;
基于所述注册图像对所述第二对象图像进行对象识别,得到第二对象识别结果;
在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像。
上述技术方案,在本地设备采集的对象图像被识别为目标对象的图像的情况下,基于本地设备采集的对象图像来更新异地设备采集的注册图像,可以有效保证后续的对象识别通过率和应用的安全性。
可选的,所述基于所述注册图像对所述第二对象图像进行对象识别,得到第二对象识别结果包括:
对所述注册图像和所述第二对象图像进行光学属性差异识别,得到光学属性差异信息;
基于所述光学属性差异信息对所述注册图像进行光学属性校正,得到校正后图像;
基于所述校正后图像对所述第二对象图像进行对象识别,得到所述第二对象识别结果。
上述技术方案中,在需要结合异地设备采集的注册图像进行对象识别的情况下,通过对注册图像和本地设备采集的第二对象图进行光学属性校正,可以有效降低设备差异带来的图像光学属性差异,进而提升对象识别通过率和应用的安全性。
可选的,所述基于所述第二对象图像更新所述注册图像,得到所述目标参考图像包括:
利用所述第二对象图像替换所述注册图像,得到所述目标参考图像;
或,
将所述第二对象图像和所述注册图像作为所述目标参考图像。
上述技术方案,利用本地设备采集的对象图像来替换预设的非本地设备采集的对象图像,或在用于进行对象识别的参考图像中加入了本地设备采集的对象图像,可以有效避免不同设备间采集的图像的光学属性差异,进而提升对象识别准确率、通过率和应用的安全性。
可选的,所述在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像包括:
在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,对所述第二对象图像进行图像质量分析,得到图像质量分析结果;
在所述图像质量分析结果满足预设质量条件的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像;
或,
在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,对所述第二对象图像进行对象方位识别,得到对象方位识别结果;
在所述对象方位识别结果满足至少一个预设方位条件的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像;
或,
在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,获取所述注册图像的采集时间属性信息;
在当前时间属性信息与所述采集时间属性信息相匹配的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像。
或,
在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,获取所述目标对象对应的历史操作触发时间,所述历史操作触发时间为基于所述目标对象对应的对象识别结果触发所述预设操作的触发时间;
基于所述历史操作触发时间确定目标时间段,所述目标时间段为所述预设操作的执行频率大于等于预设频率的时间段;
在当前时间位于目标时间段的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像。
上述技术方案,在本地设备采集的第二对象图像被识别为目标对象的图像的情况下,结合第二对象图像的图像质量,对应的方位信息,采集时间属性信息、操作习惯等至少一个维度进行参考图像的筛选,可以有效提升目标参考图像的质量。
可选的,所述方法还包括:
响应于第三对象识别指令,获取所述本地设备采集所述目标对象的第三对象图像和所述注册图像;
基于所述注册图像对所述第三对象图像进行对象识别,得到第三对象识别结果;
比较所述第三对象识别结果和所述第二对象识别结果,得到比较结果;
在所述比较结果指示所述第三对象图像与所述注册图像间的相似度大于所述第二对象图像与所述注册图像间的相似度的情况下,基于所述第三对象图像更新所述目标参考图像。
上述技术方案,从本地设备采集的对象图像中选取与注册图像间的相似程度更高的对象图像不断更新目标参考图像,可以更好提升作为识别目标对象的参考图像的质量。
可选的,所述方法还包括:
获取预设时间段内的所述本地设备采集的所述目标对象的第一目标图像,以及所述第一目标图像与所述注册图像间的第四对象识别结果;
对所述第一目标图像进行活体检测,得到活体检测结果;
基于所述第四对象识别结果和所述活体检测结果,从所述第一目标图像中筛选出第二目标图像;
基于所述第二目标图像更新所述注册图像,得到所述目标参考图像。
上述技术方案,结合对一段时间内本地设备采集的对象图像的对象识别结果和活体检测结果来选取目标参考图像,可以更好的保证采集到真实对象的图像,进而更好的保证图像质量。
可选的,所述方法还包括:
基于预设更新频率,获取当前更新周期内所述本地设备采集的所述目标对象的第三目标图像;
基于所述第三目标图像中满足预设条件的图像更新所述目标参考图像。
上述技术方案,按照预设更新频率不断更新目标参考图像,可以更好的保证目标参考图像与目标对象间的相似程度,有效提升目标参考图像的图像质量。
可选的,所述基于所述第三目标图像中满足预设条件的图像更新所述目标参考图像包括:
利用所述第三目标图像中满足所述预设条件的图像替换所述目标参考图像;
或,
将所述第三目标图像中满足所述预设条件的图像添加至所述目标参考图像中。
上述技术方案,利用当前更新周期内本地设备采集的对象图像来更新目标参考图像的过程中,可以通过替换目标参考图像或将当前更新周期满足预设条件的对象图像添加至目标参考图像中的方式,来实现目标参考图像的更新,可以在有效提升目标参考图像质量的而同时,增加目标参考图像的更新方式的多样性。
可选的,在所述目标参考图像包括多个图像的情况下,所述方法还包括:
展示所述多个图像;
响应于基于所述多个图像中至少一个图像触发确认指令,基于所述确认指令对应的所述至少一个图像更新所述目标参考图像。
上述技术方案,将目标参考图像展示给用户,以便由用户进行目标参考图像的选取确认,可以更好的保证目标参考图像的质量。
根据本公开实施例的另一方面,提供一种图像处理装置,包括:
第一图像获取模块,被配置为执行响应于第一对象识别指令,获取本地设备采集的目标对象的第一对象图像和目标参考图像,所述目标参考图像是基于本地对象图像对注册图像更新得到的,所述注册图像为异地设备采集的所述目标对象的图像,所述注册图像用于进行对象注册;
第一对象识别模块,被配置为执行基于所述目标参考图像对所述第一对象图像进行对象识别,得到第一对象识别结果。
可选的,所述目标参考图像至少包括下述之一:
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值的对象图像;
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值,且图像质量分析结果满足预设质量条件的对象图像;
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值,且所述本地对象图像采集时,所述目标对象相对于摄像装置的方位信息为至少一个指定方位信息的对象图像;
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值,且所述本地对象图像采集时的时间属性信息,与所述注册图像的采集时间属性信息相匹配的对象图像;
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值,且所述本地对象图像采集时的时间,位于目标时间段的对象图像,所述目标时间段为预设操作的执行频率大于等于预设频率的时间段;
从所述本地对象图像中选取的与所述注册图像的相似度最高的对象图像;
从所述本地对象图像中选取的与所述注册图像的相似度和活体检测结果对应数值的加权平均之和最高的对象图像。
可选的,所述装置还包括:
第二图像获取模块,被配置为执行第一图像获取模块响应于第二对象识别指令,获取所述本地设备采集的所述目标对象的第二对象图像和所述注册图像,所述第二对象识别指令为在所述第一对象识别指令之前触发的对象识别指令;
第二对象识别模块,被配置为执行基于所述注册图像对所述第二对象图像进行对象识别,得到第二对象识别结果;
第一注册图像更新模块,被配置为执行在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像。
可选的,所述第二对象识别模块包括:
光学属性差异识别单元,被配置为执行对所述注册图像和所述第二对象图像进行光学属性差异识别,得到光学属性差异信息;
光学属性校正单元,被配置为执行基于所述光学属性差异信息对所述注册图像进行光学属性校正,得到校正后图像;
对象识别单元,被配置为执行基于所述校正后图像对所述第二对象图像进行对象识别,得到所述第二对象识别结果。
可选的,所述第一注册图像更新模块包括:
第一注册图像更新单元,被配置为执行利用所述第二对象图像替换所述注册图像,得到所述目标参考图像;
或,
第二注册图像更新单元,被配置为执行将所述第二对象图像和所述注册图像作为所述目标参考图像。
可选的,所述第一注册图像更新模块包括:
图像质量分析单元,被配置为执行在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,对所述第二对象图像进行图像质量分析,得到图像质量分析结果;
第三注册图像更新单元,被配置为执行在所述图像质量分析结果满足预设质量条件的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像;
或,
对象方位识别单元,被配置为执行在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,对所述第二对象图像进行对象方位识别,得到对象方位识别结果;
第四注册图像更新单元,被配置为执行在所述对象方位识别结果满足至少一个预设方位条件的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像;
或,
采集时间属性获取单元,被配置为执行在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,获取所述注册图像的采集时间属性信息;
第五注册图像更新单元,被配置为执行在当前时间属性信息与所述采集时间属性信息相匹配的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像。
或,
历史操作触发时间获取单元,被配置为执行在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,获取所述目标对象对应的历史操作触发时间,所述历史操作触发时间为基于所述目标对象对应的对象识别结果触发所述预设操作的触发时间;
目标时间段确定单元,被配置为执行基于所述历史操作触发时间确定目标时间段,所述目标时间段为所述预设操作的执行频率大于等于预设频率的时间段;
第六注册图像更新单元,被配置为执行在当前时间位于目标时间段的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像。
可选的,所述装置还包括:
第三图像获取模块,被配置为执行响应于第三对象识别指令,获取所述本地设备采集所述目标对象的第三对象图像和所述注册图像;
第三对象识别模块,被配置为执行基于所述注册图像对所述第三对象图像进行对象识别,得到第三对象识别结果;
对象识别结果比较模块,被配置为执行比较所述第三对象识别结果和所述第二对象识别结果,得到比较结果;
第一目标参考图像更新模块,被配置为执行在所述比较结果指示所述第三对象图像与所述注册图像间的相似度大于所述第二对象图像与所述注册图像间的相似度的情况下,基于所述第三对象图像更新所述目标参考图像。
可选的,所述装置还包括:
数据获取模块,被配置为执行获取预设时间段内的所述本地设备采集的所述目标对象的第一目标图像,以及所述第一目标图像与所述注册图像间的第四对象识别结果;
活体检测模块,被配置为执行对所述第一目标图像进行活体检测,得到活体检测结果;
目标图像筛选模块,被配置为执基于所述第四对象识别结果和所述活体检测结果,从所述第一目标图像中筛选出第二目标图像;
第二注册图像更新模块,被配置为执基于所述第二目标图像更新所述注册图像,得到所述目标参考图像。
可选的,所述装置还包括:
第三目标图像获取模块,被配置为执行基于预设更新频率,获取当前更新周期内所述本地设备采集的所述目标对象的第三目标图像;
第二目标参考图像更新模块,被配置为执行基于所述第三目标图像中满足预设条件的图像更新所述目标参考图像。
可选的,所述第二目标参考图像更新模块包括:
第一目标参考图像更新单元,被配置为执行利用所述第三目标图像中满足所述预设条件的图像替换所述目标参考图像;
或,
第二目标参考图像更新单元,被配置为执行将所述第三目标图像中满足所述预设条件的图像添加至所述目标参考图像中。
可选的,在所述目标参考图像包括多个图像的情况下,所述装置还包括:
图像展示模块,被配置为执行展示所述多个图像;
第三目标参考图像更新模块,被配置为执行响应于基于所述多个图像中至少一个图像触发确认指令,基于所述确认指令对应的所述至少一个图像更新所述目标参考图像。
根据本公开实施例的另一方面,提供一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现如上述任一项所述的方法。
根据本公开实施例的另一方面,提供一种计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行本公开实施例的上述任一项所述的方法。
根据本公开实施例的另一方面,提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行本公开实施例的上述任一项所述的方法。
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,并不能限制本公开。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种图像处理方法的流程图;
图2是根据一示例性实施例示出的一种预先得到目标参考图像的流程图;
图3是根据一示例性实施例示出的一种基于注册图像对第二对象图像进行对象识别,得到第二对象识别结果的流程图;
图4是根据一示例性实施例示出的一种更新目标参考图像的流程图;
图5是根据一示例性实施例示出的另一种预先得到目标参考图像的流程图;
图6是根据一示例性实施例示出的一种图像处理装置框图;
图7是根据一示例性实施例示出的一种用于图像处理的电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在一个具体的实施例中,本公开实施例提供的图像处理方法可以应用于终端,可选的,该终端可以包括但不限于门禁设备、考勤设备、收银设备等,可选的,上述门禁设备、考勤设备、收银设备等终端设置有摄像装置,可选的,该摄像装置可以为与终端一体的摄像装置,也可以为通过有线或无线的方式连接的分体式摄像设置。
图1是根据一示例性实施例示出的一种图像处理方法的流程图,如图1所示,该图像处理方法用于终端中,具体的,该图像处理方法包括:
S101:响应于第一对象识别指令,获取本地设备采集的目标对象的第一对象图像和目标参考图像。
在实际应用中,第一对象识别指令可以结合实际应用需求的不同,而基于不同的触发操作触发。在一个可选的实施例中,可以基于目标对象的采集操作触发第一对象识别指令;例如在门禁设备上设置有触发拍摄用户人脸图像的按钮,相应的,可以通过按压按钮触发门禁设备上的摄像装置执行采集用户人脸图像的操作,相应的,在摄像装置执行采集用户(人脸)图像的操作的同时,可以触发上述第一对象识别指令,进而可以调用本地设备采集目标对象的第一对象图像(包括目标对象的图像),也可以获取目标参考图像。
在一个具体的实施例中,上述目标参考图像是基于本地对象图像对注册图像更新得到的,具体的,所注册图像为异地设备采集的目标对象的图像,注册图像可以用于进行对象注册。具体的,本地对象图像可以为本地设备采集的对象图像。在实际应用中,目标参考图像可以为预先得到的,即在第一对象识别指令被触发前得到的,并存储到相应的数据库或缓存,在第一对象识别指令被触发后,从相应的数据库或缓存读取该目标参考图像。具体的,目标参考图像可以作为识别目标对象的参考图像。在一个具体的实施例中,可以选取本地对象图像中满足预设条件的对象图像来更新注册图像,得到上述目标对象图像。相应的,上述目标参考图像(即满足预设条件的对象图像)可以至少包括下述之一:
从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值的对象图像;
从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值,且图像质量分析结果满足预设质量条件的对象图像;
从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值,且本地对象图像采集时,目标对象相对于摄像装置的方位信息为至少一个指定方位信息的对象图像;
从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值,且本地对象图像采集时的时间属性信息,与注册图像的采集时间属性信息相匹配的对象图像;
从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值,且本地对象图像采集时的时间,位于目标时间段的对象图像,目标时间段为预设操作的执行频率大于等于预设频率的时间段;
从本地对象图像中选取的与注册图像的相似度最高的对象图像;
从本地对象图像中选取的与注册图像的相似度和活体检测结果对应数值的加权平均之和最高的对象图像。
此外,需要说明的是,上述本地设备可以为上述设置有与终端一体式或分体式的摄像装置的终端。
在实际应用中,目标对象可以结合实际应用场景的不同而不同,例如需要基于人脸识别的应用场景中,目标对象可以为某一用户的人脸;例如需要基于虹膜识别的应用场景中,目标对象可以为某一用户的虹膜;例如需要基于指纹识别的应用场景中,目标对象可以为某一用户的指纹。相应的,不同类型的目标对象也可以采用不同类型的摄像装置来采集相应的对象图像。
在一个可选的实施例中,上述方法还可以包括:预先得到目标参考图像的步骤,可选的,假设上述目标参考图像为从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值的对象图像,相应的,如图2所示,预先得到目标参考图像可以包括:
S201:响应于第二对象识别指令,获取本地设备采集的目标对象的第二对象图像注册图像。
S203:基于注册图像对第二对象图像进行对象识别,得到第二对象识别结果;
S205:在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,基于第二对象图像更新注册图像,得到目标参考图像。
在一个具体的实施例中,本地对象图像可以为本地设备采集的对象图像。在一些实施例中,上述第二对象识别指令可以为在第一对象识别指令之前触发的对象识别指令。具体的,该第二对象识别指令触发时,作为识别目标对象的参考图像可以为上述注册图像。
在实际应用中,第二对象识别指令被触发后,除了执行上述获取本地设备采集的目标对象的第二对象图像和目标对象的注册图像,至基于第二对象图像更新注册图像,得到目标参考图像的操作;也可以结合实际应用需求,基于第二对象识别结果执行相应的操作,例如,在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,执行开启门禁、录入考勤信息、支付等操作。
本说明书实施例中,第二对象识别结果可以为注册图像和第二对象图像间的相似度。相应的,上述基于注册图像对第二对象图像进行对象识别,得到第二对象识别结果可以包括计算第二对象图像与注册图像间的相似度。可选的,图像间的相似度可以包括但不限于图像间的欧式距离、曼哈顿距离和余弦距离等。
在一个具体的实施例中,预设阈值可以结合实际应用中对对象识别精度要求和对象识别通过率要求进行设置,具体的,对对象识别精度要求越高,预设阈值越高,相应的,对象识别通过率相对越低;反之,对对象识别精度要求越低,预设阈值越低,相应的,对象识别通过率相对越高。
在一个具体的实施例中,在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,可以确定第二对象图像中的对象为目标对象,相应的,可以基于第二对象图像更新注册图像,得到目标参考图像。
上述实施例中,在本地设备采集的对象图像被识别为目标对象的图像的情况下,基于本地设备采集的对象图像来更新预设的非本地设备采集的对象图像,可以有效保证后续的对象识别通过率和应用的安全性。
在一个可选的实施例中,在需要结合异地设备采集的注册图像进行对象识别的情况下,可以通过对注册图像进行光学属性校正,以缩小本地设备采集的图像与异地设备采集的图像间的光学属性差异,相应的,如图3所示,上述基于注册图像对第二对象图像进行对象识别,得到第二对象识别结果可以包括:
S301:对注册图像和第二对象图像进行光学属性差异识别,得到光学属性差异信息;
S303:基于光学属性差异信息对注册图像进行光学属性校正,得到校正后图像;
S305:基于校正后图像对第二对象图像进行对象识别,得到第二对象识别结果。
在一个具体的实施例中,光学属性差异信息可以表征注册图像相对于第二对象图像的在光学属性上差异信息。可选的,光学属性可以包括但不限于图像的清晰度、亮度等。
在一个可选的实施例中,可以结合直方均衡,图像分布等方式对注册图像进行光学属性校正。在一个具体的实施例中,基于校正后图像对第二对象图像进行对象识别,得到第二对象识别结果可以包括计算第二对象图像与校正后图像间的相似度,将该相似度作为第二对象识别结果的具体细化,在此不再赘述。
上述实施例中,在需要结合异地设备采集的注册图像进行对象识别的情况下,通过对注册图像和本地设备采集的第二对象图进行光学属性校正,可以有效降低设备差异带来的图像光学属性差异,进而提升对象识别通过率和应用的安全性。
在一个可选的实施例中,上述基于第二对象图像更新注册图像,得到目标参考图像包括:
利用第二对象图像替换注册图像,得到目标参考图像。
在一个可选的实施例中,可以直接利用本地设备采集的目标对象的第二对象图像来替换注册图像,进而将第二对象图像作为后续用于进行对象识别的参考图像。
上述实施例中,利用本地设备采集的对象图像来替换预设的非本地设备采集的对象图像,可以有效避免不同设备间采集的图像的光学属性差异,进而提升对象识别准确率、通过率和应用的安全性。
在一个可选的实施例中,上述基于第二对象图像更新注册图像,得到目标参考图像包括:
将第二对象图像和注册图像作为目标参考图像。
上述实施例中,在用于进行对象识别的参考图像中加入了本地设备采集的对象图像,可以提升对象识别准确率、通过率和应用的安全性。
在一个可选的实施例中,假设上述目标参考图像为从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值,且图像质量分析结果满足预设质量条件的对象图像。可选的,在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,基于第二对象图像更新注册图像,得到目标参考图像包括可以包括:
在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,对第二对象图像进行图像质量分析,得到图像质量分析结果;
在图像质量分析结果满足预设质量条件的情况下,基于第二对象图像更新注册图像,得到目标参考图像;
在一个具体的实施例中,可以用于衡量图像质量的指标可以有一个或多个。具体的,可以结合实际应用预先设置。在一个可选的实施例中,假设以图像的清晰度作为衡量图像质量的指标,相应的,预设质量条件可以包括预设清晰度阈值,该预设清晰度阈值可以结合实际应用中对目标参考图像的清晰度要求进行设置。可选的,上述对第二对象图像进行图像质量分析,得到图像质量分析结果可以包括:对第二对象图像进行清晰度识别,得到图像清晰度。在一个具体的实施例中,对图像进行清晰度识别可以包括但不限于结合拉普拉斯算法来实现。可选的,在第二对象图像的图像清晰度大于预设清晰度阈值的情况下,可以确定图像质量分析结果满足预设质量条件。
在一个可选的实施例中,假设以图像中对象数量作为衡量图像质量的指标,相应的,预设质量条件可以包括对象数量阈值,可选的,针对某一目标对象进行识别的场景下,对象图像中仅包括该目标对象,越利于对象识别的准确性,可选的,上述对象数量阈值可以为1。相应的,上述对第二对象图像进行图像质量分析,得到图像质量分析结果可以包括对第二对象图像进行对象数量识别,得到对象数量。在一个具体的实施例中,可以基于预先训练好的对象检测网络对第二对象图像进行对象检测,检测出第二对象图像中对象的数量。可选的,在第二对象图像对应的对象数量为1(预设质量条件)的情况下,可以确定图像质量分析结果满足预设质量条件。
上述实施例中,在本地设备采集的第二对象图像被识别为目标对象的图像的情况下,再结合第二对象图像的图像质量,在第二对象图像质量满足预设质量条件的情况下,基于第二对象图像来更新预设的非本地设备采集的对象图像,可以有效提升目标参考图像的质量,进而更好提升对象识别准确率、通过率和应用的安全性。
在一个可选的实施例中,假设上述目标参考图像为从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值,且本地对象图像采集时,目标对象相对于摄像装置的方位信息为至少一个指定方位信息的对象图像。可选的,上述在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,基于第二对象图像更新注册图像,得到目标参考图像可以包括:
在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,对第二对象图像进行对象方位识别,得到对象方位识别结果;
在对象方位识别结果满足至少一个预设方位条件的情况下,基于第二对象图像更新注册图像,得到目标参考图像。
在一个具体的实施例中,对象方位识别结果可以表征采集第二对象图像时,目标对象相对于摄像装置的方位信息。可选的,至少一个预设方位条件可以为预先设置的目标参考图像采集时,目标对象相对于摄像装置的至少一个方位信息。在一个可选的实施例中,假设某一预设方位条件为图像采集时,目标对象相对于摄像装置的方位信息为正对(目标对象正对于摄像装置);相应的,上述对象方位识别结果指示采集第二对象图像时,目标对象相对于摄像装置的方位信息为正对的情况下,可以确定对象方位识别结果满足至少一个预设方位条件。
在一个具体的实施例中,可以结合预先训练好的对象方位识别网络对第二对象图像进行对象方位识别,得到对象方位识别结果。
在一些实施例中,可以选取多张本地设备采集的不同方位的对象图像作为目标参考图像。在一个具体的实施例中,以目标对象为人脸为例,假设可以将一张人脸相对于摄像装置朝左,一张人脸相对于摄像装置朝右,以及一张人脸正对摄像装置的人脸图像作为目标参考图像;相应的,在对象方位识别结果指示第二对象图像采集时,目标对象相对于摄像装置的方位信息为人脸相对于摄像装置朝左、人脸相对于摄像装置朝右或人脸正对摄像装置的情况下,可以基于第二对象图像更新注册图像,得到目标参考图像。
上述实施例中,在本地设备采集的第二对象图像被识别为目标对象的图像的基础上,结合至少一个预设方位条件对应的目标对象相对于摄像装置的方位信息,来选取指定朝向采集的对象图像来更新注册图像,可以有效保证采集的对象图像的质量,进而更好提升对象识别准确率、通过率和应用的安全性。
在一个可选的实施例中,假设上述目标参考图像为从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值,且本地对象图像采集时的时间属性信息,与注册图像的采集时间属性信息相匹配的对象图像。可选的,上述在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,基于第二对象图像更新注册图像,得到目标参考图像可以包括:
在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,获取注册图像的采集时间属性信息;
在当前时间属性信息与采集时间属性信息相匹配的情况下,基于第二对象图像更新注册图像,得到目标参考图像。
在一个具体的实施例中,采集时间属性信息可以为能够表征采集注册图像的时间的信息。在一个具体的实施例中,采集时间属性信息可以包括但不限于采集的季节、采集的时间段(比如一天中的上午9:00-11:00)等。
在一个具体的实施例中,为了更好保证本地设备采集的对象图像中用于作为识别目标对象的参考图像与注册图像间的相似程度,可以结合注册图像的采集时间属性信息;例如,初始参考对象图像的采集时间属性信息为夏季,相应的,若当前时间属性信息指示当前季节也是夏季,相应的,可以确定当前时间属性信息与注册图像的采集时间属性信息相匹配,进而执行基于第二对象图像更新注册图像,得到目标参考图像的操作。
上述实施例中,结合注册图像的采集时间属性信息与当前时间属性信息间的匹配情况,来对本地设备采集的对象图像进行筛选,可以更好保证本地设备采集的对象图像中用于作为识别目标对象的参考图像与注册图像间的相似程度,进而更好提升对象识别准确率、通过率和应用的安全性。
在一个可选的实施例中,假设上述目标参考图像为从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值,且本地对象图像采集时的时间,位于目标时间段的对象图像。可选的,上述在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,基于第二对象图像更新注册图像,得到目标参考图像可以包括:
在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,获取目标对象对应的历史操作触发时间,历史操作触发时间为基于目标对象对应的对象识别结果触发预设操作的触发时间;
基于历史操作触发时间确定目标时间段,目标时间段为预设操作的执行频率大于等于预设频率的时间段;
在当前时间位于目标时间段的情况下,基于第二对象图像更新注册图像,得到目标参考图像。
在一个具体的实施例中,历史操作触发时间为基于目标对象对应的对象识别结果触发预设操作的触发时间;上述目标时间段为预设操作的执行频率大于等于预设频率的时间段。具体的,预设频率可以结合实际应用场景预先设置。该时间段可以为预设周期内的某个时间段,可选的,该预设周期可以为每天的0点至24点;也可以为每周的周一0点至周日24点,具体的可以结合实际应用进行设置。
在实际应用中,例如基于人脸识别进行考勤打卡的应用场景中,用户触发录入考勤信息的操作往往位于一天中的固定时间段,相应的,假设结合历史操作触发时间,确定每天上午的7:30至9:00,以及每天下午的17:00至18:30为目标时间段,相应的,在每天上午的7:30至9:00,以及每天下午的17:00至18:30内,若当前时间位于目标时间段,可以基于第二对象图像更新注册图像,得到目标参考图像。
上述实施例中,结合对象图像的采集时间段是否位于目标时间段,可以便于按照用户触发预设操作的习惯,在触发预设操作的高峰时间段内,选取本地设备采集的目标对象的目标参考图像,进而有效减小后续目标参考图像与待识别的对象图像间因采集时间不同带来的差异,提升对象识别准确率、通过率和应用的安全性。
在一个可选的实施例中,假设上述目标参考图像可以为从本地对象图像中选取的与注册图像的相似度最高的对象图像,可选的,如图4所示,上述方法还可以包括:
S401:响应于第三对象识别指令,获取本地设备采集目标对象的第三对象图像和注册图像;
S403:基于注册图像对第三对象图像进行对象识别,得到第三对象识别结果;
S405:比较第三对象识别结果和第二对象识别结果,得到比较结果;
S407:在比较结果指示第三对象图像与注册图像间的相似度大于第二对象图像与注册图像间的相似度的情况下,基于第三对象图像更新目标参考图像。
在一个具体的实施例中,上述第三对象识别指令可以为在第二对象识别指令之后触发的对象识别指令。对象识别结果可以为注册图像和第三对象图像间的相似度。
在一个具体的实施例中,为了更好提升作为识别目标对象的参考图像的质量,可以从本地设备采集的对象图像中选取与注册图像间的相似程度更高的对象图像不断更新目标参考图像。
在实际应用中,第三对象识别指令被触发后,除了执行上述获取本地设备采集目标对象的第三对象图像和注册图像,至将基于第三对象图像更新目标参考图像的操作;也可以结合实际应用需求,基于目标参考图像对第三对象图像进行对象识别,并基于对象识别结果执行相应的操作,例如,在对象识别结果指示第三对象图像和目标参考图像间的相似度大于等于上述预设阈值的情况下,执行开启门禁、录入考勤信息等操作。
在一些实施例中,上述基于注册图像对第三对象图像进行对象识别,得到第三对象识别结果的具体细化,可以参见上述基于注册图像对第二对象图像进行对象识别,得到第二对象识别结果的具体细化,在此不再赘述。
上述实施例中,从本地设备采集的对象图像中选取与注册图像间的相似程度更高的对象图像不断更新目标参考图像,可以更好提升作为识别目标对象的参考图像的质量。
在一个可选的实施例中,假设上述目标参考图像为从本地对象图像中选取的与注册图像的相似度和活体检测结果对应数值的加权平均之和最高的对象图像,可选的,如图5所示,上述方法还可以包括:
S501:获取预设时间段内的本地设备采集的目标对象的第一目标图像,以及第一目标图像与注册图像间的第四对象识别结果;
S503:对第一目标图像进行活体检测,得到活体检测结果;
S505:基于第四对象识别结果和活体检测结果,从第一目标图像中筛选出第二目标图像;
S507:基于第二目标图像更新注册图像,得到目标参考图像。
在一个具体的实施例中,第一目标图像可以为预设时间段内的本地设备采集的目标对象的图像中,与初始参考图像间的匹配度大于等于预设阈值的对象图像。具体的,预设时间段可以为预先设置的注册图像的更新周期。第四对象识别结果可以为注册图像和第一目标图像间的相似度。
在一个具体的实施例中,对第一目标图像进行活体检测,得到活体检测结果可以包括基于预先训练好的活体检测网络对第一目标图像进行活体检测,得到活体检测结果。具体的,活体检测结果可以表征采集第一目标图像时,是否有活体(例如真实的人)的信息。在实际应用中,活体检测结果可以为采集第一目标图像时,有活体的概率。
在一个具体的实施例中,上述基于第四对象识别结果和活体检测结果,从第一目标图像中筛选出第二目标图像可以包括对第一目标图像中任一图像的对象识别结果所对应数值(相似度)和该图像的活体检测结果所对应数值(概率)进行加权平均或相加,选取加权平均后数值或相加后数值最高的图像作为上述第二目标图像,进而基于该第二目标图像更新注册图像,得到目标参考图像。具体的,基于第二目标图像更新注册图像,得到目标参考图像的具体细化步骤可以参见上述基于第二对象图像更新注册图像,得到目标参考图像的具体细化,在此不再赘述。
此外,需要说明的是,第四对象识别结果和活体检测结果各自对应的权重可以结合实际应用需求进行设置。
可选的,也可以将本地采集的对象图像中第一个,对象识别结果和活体检测结果所对应数值之和,或加权平均之后的数值大于等于预先设置的数值的对象图像,来更新注册图像,得到目标参考图像。
在一些实施例中,上述基于第二目标图像更新注册图像,得到目标参考图像的具体细化可以参见上述基于第二对象图像更新注册图像,得到目标参考图像的具体细化,在此不再赘述。
上述实施例中,结合对一段时间内本地设备采集的对象图像的对象识别结果和活体检测结果来选取目标参考图像,可以更好的保证采集到真实对象的图像,进而更好的保证图像质量。
在一个可选的实施例中,上述方法还可以包括:
基于预设更新频率,获取当前更新周期内本地设备采集的目标对象的第三目标图像;
基于第三目标图像中满足预设条件的图像更新目标参考图像。
在一个具体的实施例中,预设更新频率可以结合实际应用需求预设设置,预设更新频率可以为目标参考图像的更新频率。具体的,第三目标图像可以为当前更新周期内本地设备采集的目标对象的图像。具体的,第三目标图像中满足预设条件的图像的具体细化可以参见上述确定目标参考图像时,满足预设条件的对象图像的具体细化,在此不再赘述。
上述实施例中,按照预设更新频率不断更新目标参考图像,可以更好的保证目标参考图像与目标对象间的相似程度,有效提升目标参考图像的图像质量。
在一个可选的实施例中,上述基于第二目标图像中满足预设条件的对象图像更新目标参考图像可以包括:
利用第三目标图像中满足预设条件的对象图像替换目标参考图像;
或,
将第三目标图像中满足预设条件的对象图像添加至目标参考图像中。
在一个可选的实施例中,可以将当前更新周期内本地设备采集的目标对象的第三目标图像中满足预设条件,直接替换原来的目标参考图像,以实现对目标参考图像的更新。
在另一个可选的实施例中,可以将当前更新周期内本地设备采集的目标对象的第三目标图像中满足预设条件,添加至目标参考图像中,以实现对目标参考图像的更新;可选的,也可以预先设置目标参考图像的图像数量上限,在目标参考图像的图像数量达到上述图像数量上限,可以停止将第三目标图像中满足预设条件的对象图像添加至目标参考图像中的操作。
上述实施例中,利用当前更新周期内本地设备采集的对象图像来更新目标参考图像的过程中,可以通过替换目标参考图像或将当前更新周期满足预设条件的对象图像添加至目标参考图像中的方式,来实现目标参考图像的更新,可以在有效提升目标参考图像质量的而同时,增加目标参考图像的更新方式的多样性。
此外,需要说明的是,上述列举的预设条件仅仅是一种示例,在实际应用中,可以结合实际应用需求,设置更多的预设条件,或将不同预设条件的示例间任意至少两种示例组合成新的预设条件等。
在一个可选的实施例中,在目标参考图像包括多个图像的情况下,上述方法还可以包括:展示多个图像;响应于基于多个图像中至少一个图像触发确认指令,基于确认指令对应的至少一个图像更新目标参考图像。
在实际应用中,为了更好的保证目标参考图像的质量,可以将目标参考图像展示给用户,以便由用户进行目标参考图像的选取确认。
此外,在目标参考图像包括一个图像的情况下,也可以展现目标参考图像,以供用户进行确认,相应的,若基于展示的目标参考图像触发确认指令,可以将确认指令对应的图像作为目标参考图像;反之,可以重新结合预设条件获取目标参考图像。
S103:基于目标参考图像对第一对象图像进行对象识别,得到第一对象识别结果。
在一个可选的实施例中,第一对象识别结果可以为目标参考图像和第一对象图像间的相似度。
目标参考图像可以包括一个或多个图像,可选的,在目标参考图像包括多个图像的情况下,上述基于目标参考图像对第一对象图像进行对象识别,得到第一对象识别结果可以包括基于多个图像分别对第一对象图像分别进行对象识别,得到多个子对象识别结果;基于多个子对象识别结果生成第一对象识别结果。在一个可选的实施例中,可以将多个子对象识别结果相加,得到上述第一对象识别结果;也可以预先设置好多个图像对应的权重信息,基于权重信息对多个子对象识别结果进行加权平均,得到上述第一对象识别结果。
在一个具体的实施例中,在目标参考图像包括上述第二对象图像和注册图像的情况下,上述基于目标参考图像对第一对象图像进行对象识别,得到第一对象识别结果可以包括:基于注册图像对第一对象图像进行对象识别,得到第一子对象识别结果;基于第二对象图像对第一对象图像进行对象识别,得到第二子对象识别结果;根据第一子对象识别结果和第二子对象识别结果,确定第一对象识别结果。
在一个具体的实施例中,基于注册图像对第一对象图像进行对象识别,得到第一子对象识别结果和基于第二对象图像对第一对象图像进行对象识别,得到第二子对象识别结果的具体细化,可以参见上述基于注册图像对第二对象图像进行对象识别,得到第二对象识别结果的具体细化,在此不再赘述。
在一个具体的实施例中,根据第一子对象识别结果和第二子对象识别结果,确定第一对象识别结果可以包括可以将第一子对象识别结果和第二子对象识别结果相加,得到上述第一对象识别结果;也可以预先设置的权重信息,基于权重信息对第一子对象识别结果和第二子对象识别结果进行加权平均,得到上述第一对象识别结果。
上述实施例中,在目标参考图像包括多个图像的情况下,基于多个目标参考图像对第一对象图像分别进行对象识别,可以更好的保证对象识别的准确性。
在一个可选的实施例中,在第一对象识别结果指示第一对象图像和目标参考图像间的相似度大于等于预设阈值的情况下,可以执行预设操作。具体的,预设操作可以结合实际应用需求的不同而不同,具体的,预设操作可以包括但不限于开启门禁、录入考勤信息、支付等操作。可选的,在第一对象识别结果指示第一对象图像和目标参考图像间的相似度小于预设阈值的情况下,可以反馈预设提示信息,以便提示用户重新拍摄目标对象的图像。
由以上本说明书实施例提供的技术方案可见,本说明书中在本地设备采集的对象图像被识别为目标对象的图像的情况下,基于本地设备采集的对象图像来更新异地设备采集的注册图像,可以有效保证后续的对象识别通过率和应用的安全性。
图6是根据一示例性实施例示出的一种图像处理装置框图。参照图6,该装置包括:
第一图像获取模块610,被配置为执行响应于第一对象识别指令,获取本地设备采集的目标对象的第一对象图像和目标参考图像,目标参考图像是基于本地对象图像对注册图像更新得到的,注册图像为异地设备采集的目标对象的图像,注册图像用于进行对象注册;
第一对象识别模块620,被配置为执行基于目标参考图像对第一对象图像进行对象识别,得到第一对象识别结果。
可选的,目标参考图像至少包括下述之一:
从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值的对象图像;
从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值,且图像质量分析结果满足预设质量条件的对象图像;
从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值,且本地对象图像采集时,目标对象相对于摄像装置的方位信息为至少一个指定方位信息的对象图像;
从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值,且本地对象图像采集时的时间属性信息,与注册图像的采集时间属性信息相匹配的对象图像;
从本地对象图像中选取的第一个与注册图像的相似度大于等于预设阈值,且本地对象图像采集时的时间,位于目标时间段的对象图像,目标时间段为预设操作的执行频率大于等于预设频率的时间段;
从本地对象图像中选取的与注册图像的相似度最高的对象图像;
从本地对象图像中选取的与注册图像的相似度和活体检测结果对应数值的加权平均之和最高的对象图像。
可选的,上述装置还包括:
第二图像获取模块,被配置为执行第一图像获取模块响应于第二对象识别指令,获取本地设备采集的目标对象的第二对象图像和注册图像,第二对象识别指令为在第一对象识别指令之前触发的对象识别指令;
第二对象识别模块,被配置为执行基于注册图像对第二对象图像进行对象识别,得到第二对象识别结果;
第一注册图像更新模块,被配置为执行在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,基于第二对象图像更新注册图像,得到目标参考图像。
可选的,第二对象识别模块包括:
光学属性差异识别单元,被配置为执行对注册图像和第二对象图像进行光学属性差异识别,得到光学属性差异信息;
光学属性校正单元,被配置为执行基于光学属性差异信息对注册图像进行光学属性校正,得到校正后图像;
对象识别单元,被配置为执行基于校正后图像对第二对象图像进行对象识别,得到第二对象识别结果。
可选的,第一注册图像更新模块包括:
第一注册图像更新单元,被配置为执行利用第二对象图像替换注册图像,得到目标参考图像;
或,
第二注册图像更新单元,被配置为执行将第二对象图像和注册图像作为目标参考图像。
可选的,第一注册图像更新模块包括:
图像质量分析单元,被配置为执行在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,对第二对象图像进行图像质量分析,得到图像质量分析结果;
第三注册图像更新单元,被配置为执行在图像质量分析结果满足预设质量条件的情况下,基于第二对象图像更新注册图像,得到目标参考图像;
或,
对象方位识别单元,被配置为执行在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,对第二对象图像进行对象方位识别,得到对象方位识别结果;
第四注册图像更新单元,被配置为执行在对象方位识别结果满足至少一个预设方位条件的情况下,基于第二对象图像更新注册图像,得到目标参考图像;
或,
采集时间属性获取单元,被配置为执行在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,获取注册图像的采集时间属性信息;
第五注册图像更新单元,被配置为执行在当前时间属性信息与采集时间属性信息相匹配的情况下,基于第二对象图像更新注册图像,得到目标参考图像。
或,
历史操作触发时间获取单元,被配置为执行在第二对象识别结果指示第二对象图像和注册图像间的相似度大于等于预设阈值的情况下,获取目标对象对应的历史操作触发时间,历史操作触发时间为基于目标对象对应的对象识别结果触发预设操作的触发时间;
目标时间段确定单元,被配置为执行基于历史操作触发时间确定目标时间段,目标时间段为预设操作的执行频率大于等于预设频率的时间段;
第六注册图像更新单元,被配置为执行在当前时间位于目标时间段的情况下,基于第二对象图像更新注册图像,得到目标参考图像。
可选的,上述装置还包括:
第三图像获取模块,被配置为执行响应于第三对象识别指令,获取本地设备采集目标对象的第三对象图像和注册图像;
第三对象识别模块,被配置为执行基于注册图像对第三对象图像进行对象识别,得到第三对象识别结果;
对象识别结果比较模块,被配置为执行比较第三对象识别结果和第二对象识别结果,得到比较结果;
第一目标参考图像更新模块,被配置为执行在比较结果指示第三对象图像与注册图像间的相似度大于第二对象图像与注册图像间的相似度的情况下,基于第三对象图像更新目标参考图像。
可选的,上述装置还包括:
数据获取模块,被配置为执行获取预设时间段内的本地设备采集的目标对象的第一目标图像,以及第一目标图像与目标对象的注册图像间的第四对象识别结果;
活体检测模块,被配置为执行对第一目标图像进行活体检测,得到活体检测结果;
目标图像筛选模块,被配置为执基于第四对象识别结果和活体检测结果,从第一目标图像中筛选出第二目标图像;
第二注册图像更新模块,被配置为执基于第二目标图像更新注册图像,得到目标参考图像。
可选的,上述装置还包括:
第三目标图像获取模块,被配置为执行基于预设更新频率,获取当前更新周期内本地设备采集的目标对象的第三目标图像;
第二目标参考图像更新模块,被配置为执行基于第三目标图像中满足预设条件的图像更新目标参考图像。
可选的,第二目标参考图像更新模块包括:
第一目标参考图像更新单元,被配置为执行利用第三目标图像中满足预设条件的图像替换目标参考图像;
或,
第二目标参考图像更新单元,被配置为执行将第三目标图像中满足预设条件的图像添加至目标参考图像中。
可选的,在目标参考图像包括多个图像的情况下,上述装置还包括:
图像展示模块,被配置为执行展示多个图像;
第三目标参考图像更新模块,被配置为执行响应于基于多个图像中至少一个图像触发确认指令,基于确认指令对应的至少一个图像更新目标参考图像。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图7是根据一示例性实施例示出的一种用于图像处理的电子设备的框图,该电子设备可以是终端,其内部结构图可以如图7所示。该电子设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像处理的方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该电子设备的输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本公开方案相关的部分结构的框图,并不构成对本公开方案所应用于其上的电子设备的限定,具体的电子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。
在示例性实施例中,还提供了一种电子设备,包括:处理器;用于存储该处理器可执行指令的存储器;其中,该处理器被配置为执行该指令,以实现如本公开实施例中的图像处理方法。
在示例性实施例中,还提供了一种存储介质,当该存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行本公开实施例中的图像处理方法。
在示例性实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行本公开实施例中的图像处理方法。
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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (11)
1.一种图像处理方法,其特征在于,包括:
响应于第一对象识别指令,获取本地设备采集的目标对象的第一对象图像和目标参考图像,所述目标参考图像是基于本地对象图像对注册图像更新得到的,所述注册图像为异地设备采集的所述目标对象的图像,所述注册图像用于进行对象注册;
基于所述目标参考图像对所述第一对象图像进行对象识别,得到第一对象识别结果。
2.根据权利要求1所述的图像处理方法,其特征在于,所述目标参考图像至少包括下述之一:
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值的对象图像;
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值,且图像质量分析结果满足预设质量条件的对象图像;
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值,且所述本地对象图像采集时,所述目标对象相对于摄像装置的方位信息为至少一个指定方位信息的对象图像;
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值,且所述本地对象图像采集时的时间属性信息,与所述注册图像的采集时间属性信息相匹配的对象图像;
从所述本地对象图像中选取的第一个与所述注册图像的相似度大于等于预设阈值,且所述本地对象图像采集时的时间,位于目标时间段的对象图像,所述目标时间段为预设操作的执行频率大于等于预设频率的时间段;
从所述本地对象图像中选取的与所述注册图像的相似度最高的对象图像;
从所述本地对象图像中选取的与所述注册图像的相似度和活体检测结果对应数值的加权平均之和最高的对象图像。
3.根据权利要求1或2所述的图像处理方法,其特征在于,所述方法还包括:
响应于第二对象识别指令,获取所述本地设备采集的所述目标对象的第二对象图像和所述注册图像,所述第二对象识别指令为在所述第一对象识别指令之前触发的对象识别指令;
基于所述注册图像对所述第二对象图像进行对象识别,得到第二对象识别结果;
在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像。
4.根据权利要求3所述的图像处理方法,其特征在于,所述基于所述注册图像对所述第二对象图像进行对象识别,得到第二对象识别结果包括:
对所述注册图像和所述第二对象图像进行光学属性差异识别,得到光学属性差异信息;
基于所述光学属性差异信息对所述注册图像进行光学属性校正,得到校正后图像;
基于所述校正后图像对所述第二对象图像进行对象识别,得到所述第二对象识别结果。
5.根据权利要求3所述的图像处理方法,其特征在于,所述基于所述第二对象图像更新所述注册图像,得到所述目标参考图像包括:
利用所述第二对象图像替换所述注册图像,得到所述目标参考图像;
或,
将所述第二对象图像和所述注册图像作为所述目标参考图像。
6.根据权利要求3所述的图像处理方法,其特征在于,所述在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像包括:
在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,对所述第二对象图像进行图像质量分析,得到图像质量分析结果;
在所述图像质量分析结果满足预设质量条件的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像;
或,
在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,对所述第二对象图像进行对象方位识别,得到对象方位识别结果;
在所述对象方位识别结果满足至少一个预设方位条件的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像;
或,
在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,获取所述注册图像的采集时间属性信息;
在当前时间属性信息与所述采集时间属性信息相匹配的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像;
或,
在所述第二对象识别结果指示所述第二对象图像和所述注册图像间的相似度大于等于预设阈值的情况下,获取所述目标对象对应的历史操作触发时间,所述历史操作触发时间为基于所述目标对象对应的对象识别结果触发所述预设操作的触发时间;
基于所述历史操作触发时间确定目标时间段,所述目标时间段为所述预设操作的执行频率大于等于预设频率的时间段;
在当前时间位于目标时间段的情况下,基于所述第二对象图像更新所述注册图像,得到所述目标参考图像。
7.根据权利要求3所述的图像处理方法,其特征在于,所述方法还包括:
响应于第三对象识别指令,获取所述本地设备采集所述目标对象的第三对象图像和所述注册图像;
基于所述注册图像对所述第三对象图像进行对象识别,得到第三对象识别结果;
比较所述第三对象识别结果和所述第二对象识别结果,得到比较结果;
在所述比较结果指示所述第三对象图像与所述注册图像间的相似度大于所述第二对象图像与所述注册图像间的相似度的情况下,基于所述第三对象图像更新所述目标参考图像。
8.根据权利要求1或2所述的图像处理方法,其特征在于,所述方法还包括:
获取预设时间段内的所述本地设备采集的所述目标对象的第一目标图像,以及所述第一目标图像与所述注册图像间的第四对象识别结果;
对所述第一目标图像进行活体检测,得到活体检测结果;
基于所述第四对象识别结果和所述活体检测结果,从所述第一目标图像中筛选出第二目标图像;
基于所述第二目标图像更新所述注册图像,得到所述目标参考图像。
9.一种图像处理装置,其特征在于,包括:
第一图像获取模块,被配置为执行响应于第一对象识别指令,获取本地设备采集的目标对象的第一对象图像和目标参考图像,所述目标参考图像是基于本地对象图像对注册图像更新得到的,所述注册图像为异地设备采集的所述目标对象的图像,所述注册图像用于进行对象注册;
第一对象识别模块,被配置为执行基于所述目标参考图像对所述第一对象图像进行对象识别,得到第一对象识别结果。
10.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至8中任一项所述的图像处理方法。
11.一种计算机可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得图像处理设备能够执行如权利要求1至8中任一项所述的图像处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110805912.6A CN113569676B (zh) | 2021-07-16 | 2021-07-16 | 图像处理方法、装置、电子设备及存储介质 |
PCT/CN2022/079013 WO2023284307A1 (zh) | 2021-07-16 | 2022-03-03 | 图像处理方法及装置、电子设备、存储介质和计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110805912.6A CN113569676B (zh) | 2021-07-16 | 2021-07-16 | 图像处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113569676A true CN113569676A (zh) | 2021-10-29 |
CN113569676B CN113569676B (zh) | 2024-06-11 |
Family
ID=78165146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110805912.6A Active CN113569676B (zh) | 2021-07-16 | 2021-07-16 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113569676B (zh) |
WO (1) | WO2023284307A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023284307A1 (zh) * | 2021-07-16 | 2023-01-19 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备、存储介质和计算机程序产品 |
CN117576490A (zh) * | 2024-01-16 | 2024-02-20 | 口碑(上海)信息技术有限公司 | 一种后厨环境检测方法和装置、存储介质和电子设备 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1750045A (zh) * | 2004-09-13 | 2006-03-22 | 索尼株式会社 | 图像处理设备和图像处理方法 |
US20100026875A1 (en) * | 2008-08-01 | 2010-02-04 | Canon Kabushiki Kaisha | Information registration system, information registration method, registration apparatus, and image pickup apparatus |
CN101980242A (zh) * | 2010-09-30 | 2011-02-23 | 徐勇 | 人脸面相判别方法、***及公共安全*** |
US20110158536A1 (en) * | 2009-12-28 | 2011-06-30 | Canon Kabushiki Kaisha | Object identification apparatus and control method thereof |
JP2013077068A (ja) * | 2011-09-29 | 2013-04-25 | Sogo Keibi Hosho Co Ltd | 顔認証データベース管理方法、顔認証データベース管理装置及び顔認証データベース管理プログラム |
WO2014094284A1 (en) * | 2012-12-20 | 2014-06-26 | Thomson Licensing | Learning an adaptive threshold and correcting tracking error for face registration |
US8886953B1 (en) * | 2012-09-14 | 2014-11-11 | Google Inc. | Image processing |
CN105550671A (zh) * | 2016-01-28 | 2016-05-04 | 北京麦芯科技有限公司 | 一种人脸识别的方法及装置 |
CN106022290A (zh) * | 2016-05-30 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种指纹模板更新方法及终端设备 |
CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于更新人脸注册库的方法和装置 |
WO2018192406A1 (zh) * | 2017-04-20 | 2018-10-25 | 腾讯科技(深圳)有限公司 | 身份验证方法及装置、存储介质 |
CN109658572A (zh) * | 2018-12-21 | 2019-04-19 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN110223421A (zh) * | 2019-05-09 | 2019-09-10 | 特斯联(北京)科技有限公司 | 自适应人脸动态变化的门禁方法及*** |
CN110287672A (zh) * | 2019-06-27 | 2019-09-27 | 深圳市商汤科技有限公司 | 验证方法及装置、电子设备和存储介质 |
CN110363150A (zh) * | 2019-07-16 | 2019-10-22 | 深圳市商汤科技有限公司 | 数据更新方法及装置、电子设备和存储介质 |
CN110458154A (zh) * | 2019-09-12 | 2019-11-15 | 腾讯科技(深圳)有限公司 | 人脸识别方法、装置和计算机可读存储介质 |
CN110532957A (zh) * | 2019-08-30 | 2019-12-03 | 北京市商汤科技开发有限公司 | 人脸识别方法及装置、电子设备和存储介质 |
CN111625687A (zh) * | 2020-07-30 | 2020-09-04 | 南京讯思雅信息科技有限公司 | 一种在媒资视频库中通过人脸快速搜索人物的方法及*** |
CN112115747A (zh) * | 2019-06-21 | 2020-12-22 | 阿里巴巴集团控股有限公司 | 活体检测和数据处理方法、设备、***及存储介质 |
WO2021036436A1 (zh) * | 2019-08-26 | 2021-03-04 | 苏宁易购集团股份有限公司 | 一种人脸识别方法及装置 |
CN112613461A (zh) * | 2020-12-14 | 2021-04-06 | 南京理工大学 | 结合人脸识别的智能闸机通行和考勤的方法及其*** |
CN112818909A (zh) * | 2021-02-22 | 2021-05-18 | Oppo广东移动通信有限公司 | 图像更新方法、装置、电子设备及计算机可读介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101443031B1 (ko) * | 2013-04-04 | 2014-09-23 | 주식회사 슈프리마 | 얼굴 인식 서비스 제공 방법 |
CN106980838A (zh) * | 2017-03-29 | 2017-07-25 | 中控智慧科技股份有限公司 | 一种身份识别方法及*** |
CN113569676B (zh) * | 2021-07-16 | 2024-06-11 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备及存储介质 |
-
2021
- 2021-07-16 CN CN202110805912.6A patent/CN113569676B/zh active Active
-
2022
- 2022-03-03 WO PCT/CN2022/079013 patent/WO2023284307A1/zh unknown
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1750045A (zh) * | 2004-09-13 | 2006-03-22 | 索尼株式会社 | 图像处理设备和图像处理方法 |
US20100026875A1 (en) * | 2008-08-01 | 2010-02-04 | Canon Kabushiki Kaisha | Information registration system, information registration method, registration apparatus, and image pickup apparatus |
US20110158536A1 (en) * | 2009-12-28 | 2011-06-30 | Canon Kabushiki Kaisha | Object identification apparatus and control method thereof |
CN101980242A (zh) * | 2010-09-30 | 2011-02-23 | 徐勇 | 人脸面相判别方法、***及公共安全*** |
JP2013077068A (ja) * | 2011-09-29 | 2013-04-25 | Sogo Keibi Hosho Co Ltd | 顔認証データベース管理方法、顔認証データベース管理装置及び顔認証データベース管理プログラム |
US8886953B1 (en) * | 2012-09-14 | 2014-11-11 | Google Inc. | Image processing |
WO2014094284A1 (en) * | 2012-12-20 | 2014-06-26 | Thomson Licensing | Learning an adaptive threshold and correcting tracking error for face registration |
CN105550671A (zh) * | 2016-01-28 | 2016-05-04 | 北京麦芯科技有限公司 | 一种人脸识别的方法及装置 |
CN106022290A (zh) * | 2016-05-30 | 2016-10-12 | 广东欧珀移动通信有限公司 | 一种指纹模板更新方法及终端设备 |
WO2018192406A1 (zh) * | 2017-04-20 | 2018-10-25 | 腾讯科技(深圳)有限公司 | 身份验证方法及装置、存储介质 |
CN108446387A (zh) * | 2018-03-22 | 2018-08-24 | 百度在线网络技术(北京)有限公司 | 用于更新人脸注册库的方法和装置 |
CN109658572A (zh) * | 2018-12-21 | 2019-04-19 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN110223421A (zh) * | 2019-05-09 | 2019-09-10 | 特斯联(北京)科技有限公司 | 自适应人脸动态变化的门禁方法及*** |
CN112115747A (zh) * | 2019-06-21 | 2020-12-22 | 阿里巴巴集团控股有限公司 | 活体检测和数据处理方法、设备、***及存储介质 |
CN110287672A (zh) * | 2019-06-27 | 2019-09-27 | 深圳市商汤科技有限公司 | 验证方法及装置、电子设备和存储介质 |
CN110363150A (zh) * | 2019-07-16 | 2019-10-22 | 深圳市商汤科技有限公司 | 数据更新方法及装置、电子设备和存储介质 |
WO2021036436A1 (zh) * | 2019-08-26 | 2021-03-04 | 苏宁易购集团股份有限公司 | 一种人脸识别方法及装置 |
CN110532957A (zh) * | 2019-08-30 | 2019-12-03 | 北京市商汤科技开发有限公司 | 人脸识别方法及装置、电子设备和存储介质 |
CN110458154A (zh) * | 2019-09-12 | 2019-11-15 | 腾讯科技(深圳)有限公司 | 人脸识别方法、装置和计算机可读存储介质 |
CN111625687A (zh) * | 2020-07-30 | 2020-09-04 | 南京讯思雅信息科技有限公司 | 一种在媒资视频库中通过人脸快速搜索人物的方法及*** |
CN112613461A (zh) * | 2020-12-14 | 2021-04-06 | 南京理工大学 | 结合人脸识别的智能闸机通行和考勤的方法及其*** |
CN112818909A (zh) * | 2021-02-22 | 2021-05-18 | Oppo广东移动通信有限公司 | 图像更新方法、装置、电子设备及计算机可读介质 |
Non-Patent Citations (3)
Title |
---|
PAVANI S K , SUKNO F M , BUTAKOFF C: "A Confidence-Based Update Rule for Self-updating Human Face Recognition Systems", PROCEEDINGS OF THE THIRD INTERNATIONAL CONFERENCE ON ADVANCES IN BIOMETRICS, 30 June 2009 (2009-06-30), pages 151, XP047468421, DOI: 10.1007/978-3-642-01793-3_16 * |
宿静宜;刘久付;杨明海;: "采用人脸身份识别的智慧门禁***", 软件导刊, 15 April 2019 (2019-04-15), pages 38 - 41 * |
顾德喜, 李贵霖, 时祥凯, 等: "基于百度AI开放平台的人脸识别门禁***", 单片机与嵌入式***应 用, vol. 19, no. 6, 30 June 2019 (2019-06-30), pages 33 - 36 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023284307A1 (zh) * | 2021-07-16 | 2023-01-19 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备、存储介质和计算机程序产品 |
CN117576490A (zh) * | 2024-01-16 | 2024-02-20 | 口碑(上海)信息技术有限公司 | 一种后厨环境检测方法和装置、存储介质和电子设备 |
CN117576490B (zh) * | 2024-01-16 | 2024-04-05 | 口碑(上海)信息技术有限公司 | 一种后厨环境检测方法和装置、存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113569676B (zh) | 2024-06-11 |
WO2023284307A1 (zh) | 2023-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109635657B (zh) | 目标跟踪方法、装置、设备及存储介质 | |
CN108269254B (zh) | 图像质量评估方法和装置 | |
CN111222423B (zh) | 基于作业区域的目标识别方法、装置、计算机设备 | |
CN109086711B (zh) | 人脸特征分析方法、装置、计算机设备和存储介质 | |
CN109670437B (zh) | 年龄预估模型训练方法、面部图像识别方法及装置 | |
US8498454B2 (en) | Optimal subspaces for face recognition | |
CN108269333A (zh) | 人脸识别方法、应用服务器及计算机可读存储介质 | |
CN103313018A (zh) | 登记确定装置及其控制方法、以及电子装置 | |
CN109472213A (zh) | 掌纹识别方法、装置、计算机设备和存储介质 | |
CN113569676B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112364827B (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN110111136B (zh) | 视频数据处理方法、装置、计算机设备和存储介质 | |
CN111160275B (zh) | 行人重识别模型训练方法、装置、计算机设备和存储介质 | |
CN110660078B (zh) | 对象追踪方法、装置、计算机设备和存储介质 | |
CN113269149B (zh) | 活体人脸图像的检测方法、装置、计算机设备及存储介质 | |
CN109858405A (zh) | 基于微表情的满意度评价方法、装置、设备及存储介质 | |
CN111931718A (zh) | 基于人脸识别更新人脸特征的方法、装置和计算机设备 | |
CN113179421B (zh) | 视频封面选择方法、装置、计算机设备和存储介质 | |
CN112989910A (zh) | 电力目标检测方法、装置、计算机设备和存储介质 | |
CN111259813A (zh) | 人脸检测跟踪方法、装置、计算机设备和存储介质 | |
US11620728B2 (en) | Information processing device, information processing system, information processing method, and program | |
CN116863522A (zh) | 痤疮分级方法、装置、设备及介质 | |
CN114565955A (zh) | 人脸属性识别模型训练、社区人员监控方法、装置、设备 | |
CN114092515A (zh) | 用于障碍遮挡的目标跟踪检测方法、装置、设备及介质 | |
CN110738175B (zh) | 人脸图像处理方法、装置、计算机设备和存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40056855 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |