CN114140837A - 人脸识别方法、模板配置方法、装置、设备及存储介质 - Google Patents
人脸识别方法、模板配置方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114140837A CN114140837A CN202010805259.9A CN202010805259A CN114140837A CN 114140837 A CN114140837 A CN 114140837A CN 202010805259 A CN202010805259 A CN 202010805259A CN 114140837 A CN114140837 A CN 114140837A
- Authority
- CN
- China
- Prior art keywords
- user
- terminal
- face
- feature information
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请关于一种人脸识别方法、模板配置方法、装置、设备及存储介质,涉及人脸识别技术领域。该方法包括:获取目标人脸的人脸特征信息;在本地特征库中对人脸特征信息进行匹配,该本地特征库中存储有已匹配用户的人脸特征信息模板,该已匹配用户是在指定终端中已经匹配过的用户,该指定终端包括目标终端以及与目标终端之间具有指定位置关系的其他终端;响应于目标用户的人脸特征信息模板与人脸特征信息匹配,将目标用户作为目标人脸对应的用户。通过上述方法,在基于AI的人脸识别场景下,使得在目标终端首次接收到目标人脸的人脸特征信息时,能够调取本地数据库中的对应人脸特征信息模板进行人脸识别,提高了人脸识别的效率。
Description
技术领域
本申请实施例涉及人脸识别技术领域,特别涉及一种人脸识别方法、模板配置方法、装置、设备及存储介质。
背景技术
随着人工智能(Artificial Intelligence,AI)的不断发展,人脸支付技术的应用也得到了普及,越来越多的商户在收款服务中接入人脸支付功能。
在相关技术中,为了提高人脸识别的速度,用户在具有人脸识别功能的设备上第一次进行刷脸操作之后,该设备会将用户对应的人脸特征信息模板保存在设备的本地数据库中,后续再次接收到该用户的脸部信息时,能够直接调用本地数据进行人脸识别。
在上述方案中,对于一个设备来说,只能提升已经在该设备上进行过人脸识别的用户的人脸识别速度,人脸识别速度提升的场景较小,人脸识别的效率不高。
发明内容
本申请实施例提供了一种人脸识别方法、模板配置方法、装置、设备及存储介质,可以扩展人脸识别速度提升的场景,从而提高人脸识别的效率,该技术方案如下:
一方面,提供了一种人脸识别方法,所述方法由目标终端执行,所述方法包括:
获取目标人脸的人脸特征信息;
在本地特征库中对所述人脸特征信息进行匹配,所述本地特征库中存储有已匹配用户的人脸特征信息模板,所述已匹配用户是在指定终端中已经匹配过的用户,所述指定终端包括所述目标终端以及与所述目标终端之间具有指定位置关系的其他终端;
响应于目标用户的人脸特征信息模板与所述人脸特征信息匹配,将所述目标用户作为所述目标人脸对应的用户。
另一方面,提供了一种模板配置方法,所述方法由服务器执行,所述方法包括:
获取目标终端的关联用户,所述关联用户包括在其他终端中已经匹配过的用户;所述其他终端是与所述目标终端之间具有指定位置关系的终端;
获取所述关联用户的人脸特征信息模板;
将所述关联用户的人脸特征信息模板发送给所述目标终端。
另一方面,提供了一种人脸识别装置,所述装置应用于目标终端中,所述装置包括:
第一获取模块,用于获取目标人脸的人脸特征信息;
匹配模块,用于在本地特征库中对所述人脸特征信息进行匹配,所述本地特征库中存储有已匹配用户的人脸特征信息模板,所述已匹配用户是在指定终端中已经匹配过的用户,所述指定终端包括所述目标终端以及与所述目标终端之间具有指定位置关系的其他终端;
确定模块,用于响应于目标用户的人脸特征信息模板与所述人脸特征信息匹配,将所述目标用户作为所述目标人脸对应的用户。
在一种可能的实现方式中,所述装置还包括:
第二获取模块,用于在本地特征库中对所述人脸特征信息进行匹配之前,从服务器获取关联用户的人脸特征信息模板;所述关联用户包括在所述其他终端中已经匹配过的用户;
存储模块,用于将获取到的人脸特征信息模板存储到所述本地特征库中。
在一种可能的实现方式中,所述第二获取模块,包括:
接收子模块,用于接收所述服务器返回的心跳响应数据包;所述心跳响应数据包是所述服务器对所述目标终端定时发送的心跳请求返回的;
获取子模块,用于获取所述心跳响应数据包中携带的,在所述其他终端中已经匹配过的用户的人脸特征信息模板。
在一种可能的实现方式中,所述装置还包括:
上报模块,用于将所述目标用户的识别信息上报给服务器;
其中,所述目标用户的识别信息包括以下信息中的至少一项:
所述目标用户的身份标识、所述目标用户的人脸特征信息、所述目标终端的位置信息、所述目标用户在所述目标终端上进行人脸识别的时间、以及所述目标终端的设备标识。
在一种可能的实现方式中,所述上报模块,用于通过心跳请求将所述目标用户的识别信息上报给所述服务器;所述心跳请求是定时发送给所述服务器的请求。
在一种可能的实现方式中,所述装置包括:
第三获取模块,用于获取所述本地特征库中的所述已匹配用户的人脸特征信息模板的更新时间;所述更新时间是对应的用户在所述指定终端中最近一次匹配的时间;
删除模块,用于将所述已匹配用户的人脸特征信息模板中,对应的更新时间与当前时间之间的时长大于时长阈值的人脸特征信息模板删除。
在一种可能的实现方式中,所述匹配模块,包括:
第一匹配子模块,用于将所述人脸特征信息与所述本地特征库中的各个第一类型特征模板进行匹配;所述第一类型特征模板是在所述目标终端中已经匹配过的用户的人脸特征信息模板;
第二匹配子模块,用于响应于所述人脸特征信息与各个所述第一类型特征模板不匹配,将所述人脸特征信息与所述本地特征库中的各个第二类型特征模板进行匹配;所述第二类型特征模板是在所述目标终端中未匹配过,且在所述其他终端中已经匹配过的用户的人脸特征信息模板。
另一方面,提供一种模板配置装置,所述装置应用于服务器中,所述装置包括:
第一获取模块,用于获取目标终端的关联用户,所述关联用户包括在其他终端中已经匹配过的用户;所述其他终端是与所述目标终端之间具有指定位置关系的终端;
第二获取模块,用于获取所述关联用户的人脸特征信息模板;
发送模块,用于将所述关联用户的人脸特征信息模板发送给所述目标终端。
在一种可能的实现方式中,所述装置还包括:
接收模块,用于接收所述目标终端上传的,所述关联用户的识别信息;
更新模块,用于根据所述关联用户的识别信息,更新所述关联用户的人脸特征信息模板;
其中,所述关联用户的识别信息包括以下信息中的至少一项:
所述关联用户的身份标识、所述关联用户的人脸特征信息、所述其他终端的位置信息、所述关联用户在所述其他终端上进行人脸识别的时间、以及所述其他终端的设备标识。
在一种可能的实现方式中,所述与所述目标终端之间具有指定位置关系的其他终端包括以下终端中的至少一种:
与所述目标终端之间的距离处于指定距离区间的终端;
与所述目标终端处于同一个预划分区域内的终端;
以及,处于用户活跃区域内的终端,所述用户活跃区域是基于在所述目标终端中已匹配过的用户的活动范围确定的。
另一方面,提供了一种计算机设备,所述计算机设备包含处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上所述各种可选实现方式中提供的人脸识别方法。
另一方面,提供了一种计算机设备,所述计算机设备包含处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上所述各种可选实现方式中提供的模板配置方法。
另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上所述各种可选实现方式中提供的人脸识别方法。
另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上所述各种可选实现方式中提供的模板配置方法。
另一方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的人脸识别方法。
另一方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的模板配置方法。
本申请提供的技术方案可以包括以下有益效果:
通过在目标终端的本地特征库中,存储与该目标终端具有指定位置关系的其他终端中的人脸特征信息模板,使得在目标终端首次接收到目标人脸的人脸特征信息时,能够调取本地数据库中的对应人脸特征信息模板进行人脸识别,从而扩展了人脸识别速度提升的场景,提高了人脸识别的效率。
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,并不能限制本申请。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1示出了本申请一示例性实施例提供的人脸识别***的结构示意图;
图2示出了本申请一示例性实施例提供的人脸识别方法的流程图;
图3示出了本申请一示例性实施例提供的模板配置方法的流程图;
图4示出了本申请一示例性实施例提供的人脸识别***的示意图;
图5示出了本申请一示例性实施例提供的人脸识别方法的流程图;
图6示出了本申请一示例性实施例提供的目标终端与其他终端的分布示意图;
图7示出了本申请一示例性实施例提供的预设划分区域的示意图;
图8示出了本申请一示例性实施例提供的人脸识别***的示意图;
图9示出了本申请一示例性实施例示出的人脸识别***的示意图;
图10示出了本申请一示例性实施例提供的人脸识别装置的方框图;
图11示出了本申请一示例性实施例提供的模板配置装置的方框图;
图12是根据一示例性实施例示出的计算机设备的结构框图;
图13是根据一示例性实施例示出的计算机设备的结构框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请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、本申请的一些方面相一致的装置和方法的例子。
本申请实施例提出了一种人脸识别方法,该方案能够实现在目标终端首次接收到目标人脸的人脸特征信息时,调取本地数据库中的对应人脸特征信息模板进行人脸识别在提高了人脸识别的效率。为了便于理解,下面对本申请涉及的名词进行解释。
1)人工智能
人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。本申请所示的包含图像采集组件的显示设备主要涉及其中的计算机视觉技术以及机器学习/深度学习等方向。
2)计算机视觉技术(Computer Vision,CV)
计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能***。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR(Optical CharacterRecognition,光学字符识别)、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D(3Dimensions)技术、虚拟现实、增强现实、同步定位与地图构建等技术,还包括常见的人脸识别、指纹识别等生物特征识别技术。
3)人脸识别(Face Recognition)
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。
人脸识别利用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸图像进行一系列的相关应用操作。技术上包括图像采集、特征定位、身份的确认和查找等。
请参考图1,其示出了本申请一示例性实施例提供的人脸识别***的结构示意图,如图1所示,该人脸识别***包括服务器110和终端120。
上述服务器110可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
上述终端120可以是具有人脸识别功能的智能手机、平板电脑、笔记本电脑、台式计算机、人工收银设备、自助收银设备等,但并不局限于此。
其中,上述***中包含一个或者多个服务器110,以及多个终端120。本申请实施例对于服务器110和终端120的个数不做限制。
终端以及服务器通过通信网络相连。可选的,通信网络是有线网络或无线网络。
可选的,上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络,包括但不限于局域网(Local Area Network,LAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中,使用包括超文本标记语言(Hyper Text Mark-up Language,HTML)、可扩展标记语言(Extensible MarkupLanguage,XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer,SSL)、传输层安全(Transport Layer Security,TLS)、虚拟专用网络(Virtual Private Network,VPN)、网际协议安全(Internet ProtocolSecurity,IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中,还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。本申请在此不做限制。
请参考图2,其示出了本申请一示例性实施例提供的人脸识别方法的流程图,该方法由目标终端执行,该目标终端可以是图1所示的人脸识别***中的任意一个终端,如图2所示,该方法包括:
步骤210,获取目标人脸的人脸特征信息。
在一种可能的实现方式中,人脸特征信息基于人脸器官的形状,以及人脸器官之间的距离特征等等进行提取。
在本申请实施例中,目标人脸是指目标终端的图像采集设备采集到的人脸图像,其中图像采集设备可以是摄像头或者摄像头组件。
步骤220,在本地特征库中对人脸特征信息进行匹配,该本地特征库中存储有已匹配用户的人脸特征信息模板,该已匹配用户是在指定终端中已经匹配过的用户,该指定终端包括目标终端以及与目标终端之间具有指定位置关系的其他终端。
一般而言,在进行人脸识别时,终端通过摄像机作为识别信息获取装置,以非接触的方式获取识别对象的面部图像,将其发送给服务器;服务器在获取图像后,与数据库图像进行匹配后完成识别过程。为提高人脸识别的效率,终端在首次进行人脸识别时向服务器请求相关的人脸特征信息模板,并在匹配后将该人脸特征信息模板保存在终端对应的本地特征库中,以便在下次进行匹配时,可以直接调用本地特征库中的人脸特征信息模板进行人脸识别,以提高人脸识别的效率。
在本申请实施例中,为进一步提高人脸识别的效率,在目标的终端的本地数据库中,不仅存储有目标终端已匹配过的用户的人脸特征信息模板,同时也存储有目标终端未匹配过,但与目标终端具有指定位置关系的其他终端已匹配过的用户的人脸特征信息模板,比如,当与目标终端具有指定关系的其他终端对用户A进行过人脸识别,且已获取并保存用户A对应的人脸特征信息模板后,会将用户A对应的人脸特征信息模板通过服务器共享给目标终端,即使目标终端首次对用户A进行人脸识别,也可以直接从目标终端对应的本地特征库中进行人脸特征信息模板提取,从而提高人脸识别的效率。
步骤230,响应于目标用户的人脸特征信息模板与人脸特征信息匹配,将目标用户作为目标人脸对应的用户。
综上所述,本申请实施例提供的人脸识别方法,通过在目标终端的本地特征库中,存储与该目标终端具有指定位置关系的其他终端中的人脸特征信息模板,使得在目标终端首次接收到目标人脸的人脸特征信息时,能够调取本地数据库中的对应人脸特征信息模板进行人脸识别,提高了人脸识别的效率。
请参考图3,其示出了本申请一示例性实施例提供的模板配置方法的流程图,该方法由服务器执行,该服务器可以是图1所示的人脸识别***中的服务器,如图3所示,该方法包括:
步骤310,获取目标终端的关联用户,该关联用户包括在其他终端中已经匹配过的用户;该其他终端是与目标终端之间具有指定位置关系的终端。
步骤320,获取关联用户的人脸特征信息模板。
在一种可能的实现方式中,服务器对应有后台特征库,该后台特征库用以记录各个用户的身份标识、各个用户的人脸特征信息模板、各个终端的位置信息、各个用户在各个终端上进行人脸识别的时间、以及各个终端的设备标识。
在一种可能的实现方式中,基于关联用户的身份标识,从后台特征库中获取关联用户的人脸特征信息模板。
步骤330,将关联用户的人脸特征信息模板发送给目标终端。
综上所述,本申请实施例提供的模板配置方法,通过将与目标终端存在指定位置关系的其他终端中已经匹配过的用户获取为目标终端的关联用户,将关联用户的人脸特征信息模板发送给目标终端,以使得目标终端在本地特征库中,存储与该目标终端具有指定位置关系的其他终端中的人脸特征信息模板,从而在目标终端首次接收到目标人脸的人脸特征信息时,能够调取本地数据库中的对应人脸特征信息模板进行人脸识别,提高了人脸识别的效率。
本申请提供一种人脸识别***,该***包括至少两个终端和服务器。以人脸支付场景为例,请参考图4,其示出了本申请一示例性实施例提供的人脸识别***的示意图,如图4所示,该人脸识别***中包括第一终端410,第二终端420以及服务器430。
假设用户A在第一终端410与第二终端420上均未进行过人脸识别,且在第一终端410与第二终端420的本地特征库中均未保存用户A的人脸特征信息模板。在T1时刻,用户A在第一终端410上使用人脸支付功能,由于第一终端410的本地特征库中未保存用户A的人脸特征信息模板,第一终端将获取到的用户A的人脸特征信息发送给服务器,服务器根据接收到的用户A的人脸特征信息基于后台服务器中的用户A对应的人脸特征信息模板,进行人脸识别后,向第一终端410返回识别结果。在一种可能的实现方式中,如图4所示,该识别结果包括用户A的识别信息以及用户A的人脸特征信息目标,第一终端410将用户A的人脸特征信息模板保存在本地特征库中;在另一种可能的实现方式中,该识别结果中只包含用户A的识别信息,终端基于用户A的识别信息将获取到的用户A的人脸特征信息作为用户A的人脸特征信息模板保存在本地特征库中,或者,基于用户A的识别信息向服务器发送用户A的人脸特征信息模板请求信息,将服务器基于该请求返回的人脸特征信息模板保存在本地特征库中。同时,服务器基于识别所得的用户A的身份标识以及第一终端410的位置信息,将用户A对应的人脸特征信息模板发送给与第一终端存在指定位置关系的第二终端420,第二终端420在接收到用户A对应的人脸特征信息模板后,将其存储在本地特征库中。在T2时刻,用户A在第二终端420上使用人脸支付功能,第二终端420通过直接调用本地特征库中存储的用户A的人脸特征信息模板对用户A进行人脸识别。
由于第二终端通过直接调用本地特征库中存储的人脸特征信息模板对用户A进行匹配,减少了获取人脸特征信息模板的步骤,从而减少了人脸识别的时间,提高了人脸识别的效率。
在实际应用中,该方法可以应用于用户具有人脸识别支付需求的场合。
比如,超市中设置有多个收银台,该收银台可以是人工收银台或者自助收银台,每个收银台上对应设置有一个支持人脸支付的终端,用户在其中一个收银台上首次使用人脸支付时,该收银台对应的终端获取到该用户对应的人脸特征信息模板,同时,该用户的人脸特征信息模板也会被同步到超市中的其他各个收银台对应的终端中,当该用户下次在该超市的另一个收银台进行人脸支付时,该收银台对应的终端可以直接调用本地特征库中存储的该用户的人脸特征信息模板对该用户进行人脸识别。
再比如,在大型商场中,多家商户中设置有支持人脸支付的终端,当用户在某一家商户中首次使用人脸支付后,该用户对应的人脸特征信息模板会被同步到该商场中的其他支持人脸支付的终端中,之后,当用户到另一家商户中进行人脸支付时,该商户中的终端可以使用本地特征库中存储的该用户的人脸特征信息模板对该用户进行人脸识别。
再比如,在某个用户经常走过的路线(比如上下班路线)上有多个支持人脸支付的终端,用户在某次上下班途中,在其中一个终端上进行了人脸支付,该用户的人脸特征信息模板将会被同步到该上下班路线上的其它终端,用户后续在另一次上下班途中,在另个终端上进行人脸支付时,另一个终端可以直接通过本地存储的该用户的人脸特征信息模板完成对该用户的人脸识别。
在本申请上述实施例所示的方案中,上述目标终端获取与目标终端之间具有指定位置关系的其他终端中已匹配过的用户时,可以通过服务器来获取,比如,其他终端上发生人脸匹配时,服务器获取到其他终端已匹配过的用户的信息,并将其他终端已匹配过的用户的人脸特征信息模板同步给目标终端;或者,目标终端也可以从其他终端获取直接在该其他终端中已匹配过的用户的人脸特征信息模板;比如,目标终端从服务器获取与其具有指定位置关系的其他终端的标识(比如终端地址),或者,目标终端中预先设置有与其具有指定位置关系的其他终端的标识,目标终端与其他终端之间保持通信,当其他终端中有未在该目标终端上匹配过的用户进行人脸匹配后,目标终端从其他终端获取该用户的人脸特征信息模板并存储在本地。
以目标终端通过服务器来获取在其他终端中已匹配过的用户的人脸特征信息模板为例,请参考图5,其示出了本申请一示例性实施例提供的人脸识别方法的流程图,该方法可以由目标终端与服务器交互执行,该目标终端可以是图1所示的人脸识别***中的任意一个终端,该服务器可以是图1所示的人脸识别***中的服务器,如图5所示,该方法包括:
步骤510,服务器获取目标终端的关联用户,该关联用户包括在其他终端中已经匹配过的用户;该其他终端是与目标终端之间具有指定位置关系的终端。
在一种可能的实现方式中,服务器对应有后台特征库,该后台特征库用以记录各个用户的身份标识、各个用户的人脸特征信息模板、各个终端的位置信息、各个用户在各个终端上进行人脸识别的时间、以及各个终端的设备标识等等。
步骤520,服务器获取关联用户的人脸特征信息模板。
在一种可能的实现方式中,服务器基于关联用户的身份标识,从后台特征库中获取关联用户的人脸特征信息模板。
在一种可能的实现方式中,服务器接收其它终端上传的,关联用户的识别信息;
根据该关联用户的识别信息,更新关联用户的人脸特征信息模板。
其中,该关联用户的识别信息包括以下信息中的至少一项:
关联用户的身份标识,关联用户的人脸特征信息,其它终端的位置信息,该关联用户在其它终端上进行人脸识别的时间,其它终端的设备标识。
在一种可能的实现方式中,与目标终端之间具有指定位置关系的其他终端包括与目标终端之间的距离处于指定距离区间的终端,该指定距离区间可以由开发人员或管理人员根据实际需求进行设定,也可以由服务器自动设置。比如,请参考图6,其示出了本申请一示例性实施例提供的目标终端与其他终端的分布示意图,如图6所示,连接目标终端610与其他终端之间的连线,获取两者之间的距离,假设指定距离区间为(0,m],单位为米,服务器将与目标终端610之间的距离小于或者等于m的终端确认为与目标终端之间具有指定位置关系的终端,比如,终端620以及终端630,而终端640与终端650与目标终端610之间的距离大于m,则与目标终端之间不具有指定位置关系。
在一种可能的实现方式中,与目标终端之间具有指定位置关系的其他终端包括与目标终端处于预设划分区域内的终端,该预设划分区域可以由开发人员或管理人根据实际需求进行划分,也可以由服务器自动设置。比如,开发人员或管理人员将一个商圈作为预设划分区域,确定其中具有刷脸支付功能的终端为目标终端,与其处于同一区域的其他具有刷脸支付功能的终端为其他终端;或者,预设一个固定大小的分区。请参考图7,其示出了本申请一示例性实施例提供的预设划分区域的示意图,如图7所示,构建以a为长,b为宽的矩形区域,将该矩形区域作为预设划分区域,目标终端710处于该矩形区域内,服务器将处于该区域中的其他终端是与目标终端之间具有指定位置关系的终端,比如终端720,终端730以及终端740可以确认为与目标终端之间具有指定位置关系的终端,而终端750与目标终端之间不具有指定位置关系。
需要说明的是,上述对预设划分区域的说明仅为示意性的,本申请不对预设划分区域的范围、形状等进行限定。
在一种可能的实现方式中,与目标终端之间具有指定位置关系的其他终端包括处于用户活跃区域范围内的终端,该用户活动区域是基于目标终端中已匹配过的用户的活动范围确定的。也就是说,将目标终端中已匹配过的用户作为参考用户,基于服务器数据库中参考用户的活动范围获取目标用户的活跃区域范围。
在一种可能的实现方式中,服务器将经过的参考用户最多的区域,或者经过的参考用户的数量大于预设阈值的区域,作为用户活跃区域,并将处于该用户活跃区域的终端作为与目标终端之间存在指定位置关系的其他终端。比如,参考用户A的活动范围为区域A、区域B以及区域C,参考用户B的活动范围为区域C,区域D以及区域F,参考用户C的活动范围为区域B,区域C以及区域E,那么在区域A至区域F中,区域C中的参考用户最多,其次为区域B,其他区域并列,因此,服务器可以将区域C作为用户活跃区域,或者,服务器也可以设定预设阈值为2,并将参考用户大于2的区域,即区域C和区域B获取为用户活跃区域。
或者,在另一种可能的实现方式中,服务器获取各个参考用户在各自的活动范围中匹配过的终端作为参考终端;并获取各个参考终端中匹配过的参考用户的数量,获取匹配过参考用户数量大于数量阈值的参考终端为与目标终端之间存在指定位置关系的其他终端。比如,假设在目标终端中匹配过的用户包括用户A、用户B和用户C,用户A在其对应的活动范围内匹配过终端A、终端B、以及终端C;用户B在其对应的活动范围内匹配过终端B,终端F以及终端G;用户C在其对应的活动范围内匹配过终端A,终端B以及终端D,那么在上述终端中,匹配过终端B的参考用户数量为3个,匹配过终端A的参考用户的数量为2个,匹配过其他终端的参考用户的数量均为1个,若设置数量阈值为2,则服务器将终端B与终端C获取为与目标终端之间存在指定位置关系的其他终端。
在一种可能的实现方式中,上述确认其他终端的方法可以单独使用,也可以相互结合使用,即服务器可以采用上述确认方法中的至少一种来确定与目标终端具有指定位置关系的其他终端。
本申请实施例仅以上述三种确定其他终端的方法进行举例说明,服务器也可以通过或者结合其他方法来确定与目标终端之间具有指定位置关系的其他终端,比如,服务器将在目标终端中识别次数较多的用户确定种子用户,并将种子用户经常出现的区域内的全部或者部分具有人脸识别功能的终端,确定为与目标终端之间具有指定位置关系的其他终端。对于服务器确定与目标终端之间具有指定位置关系的其他终端的方式,本申请实施例不做限定。
在一种可能的实现方式中,服务器根据关联用户的识别信息更新关联用户的人脸特征信息模板时,基于关联用户的身份标识,将关联用户的人脸特征信息模板替换为关联用户的识别信息中的人脸特征信息。
也就是说,服务器基于各个终端上传的用户的人脸特征信息对该用户对应的人脸特征信息模板进行更新,以保证后台特征库中数据的实时性。
在一种可能的实现方式中,响应于人脸特征信息为图片信息,基于关联用户的身份标识实现关联用户的人脸特征信息模板的更新时,服务器分别获取关联用户的人脸特征信息模板以及关联用户的识别信息中的人脸特征信息的清晰度;
获取清晰度高的一个作为关联用户的人脸特征信息模板。
为保证实际应用中人脸识别的准确性,需要保证人脸特征信息模板的清晰度,因此,服务器在更新人脸特征信息模板时可以采取清晰度优先的原则,在清晰度相同或相近,或者,终端上传的人脸特征信息的清晰度高于原来的人脸特征信息模板的前提下,将终端上传的人脸特征信息获取为新的人脸特征信息模板。
在一种可能的实现方式中,服务器根据关联用户的识别信息,在后台特征库中增加关联用户在其它终端上进行人脸识别的时间,以获取人脸特征信息模板的更新时间,并通知给向目标终端,以便目标终端后续能够基于人脸特征信息模板的时效性进行模板管理。
步骤530,服务器将关联用户的人脸特征信息模板发送给目标终端,相应的,目标终端获取目标人脸的人脸特征信息。
在一种可能的实现方式中,服务器以心跳响应数据包的形式将关联用户的人脸特征信息模板发送给目标终端,以保证目标终端中的人脸特征信息模板的及时更新。
为保证终端对应的本地特征库与服务器对应的后台特征库中的用户信息的实时性,本申请中增加了心跳服务,以刷脸支付为例,请参考图8,其示出了本申请一示例性实施例提供的人脸识别***的示意图,如图8所示,该人脸识别***包括支持刷脸支付的终端810,以及刷脸支付对应的服务器820。
其中,终端810与服务器820之间通过心跳服务830建立连接,以保证两者之间消息的周期性更新。
如图8所示,终端810对应有本地特征库,该本地特征库用于存储该终端的设备标识,用户的身份标识,用户的人脸特征信息模板,以及用户的人脸特征信息模板的更新时间等等;刷脸支付对应的服务器820对应的后台特征库,该后台特征库用于存储各个终端的设备标识,各个终端的位置信息,用户的身份标识,用户的人脸特征信息模板,用户的人脸特征信息模板的更新时间等等。
在一种可能的实现方式中,响应于终端以第一周期发送的心跳请求,服务器基于终端的位置信息,从后台特征库中筛选出在第一周期内,与该终端存在一定位置关系的其他终端的本地特征库中新增和/或更新的人脸特征信息模板对应的用户作为该终端的关联用户,并以心跳响应数据包的形式将该关联用户对应的人脸特征信息模板发送给该终端,以更新该终端的本地特征库;对应的,终端将其在第二周期内,本地数据库中新增和/或更新的人脸特征信息模板以心跳请求的方式发送给服务器,该新增和/或更新的人脸特征信息模板是因为该终端未匹配过用户而从服务器中获取的人脸特征信息模板,该心跳请求用以指示服务器基于该终端中更新的人脸特征信息模板,对与其存在一定位置关系的其他终端的本地特征库进行更新,同时对服务器对应的后台特征库进行更新。
在一种可能的实现方式中,第一周期等于第二周期,或者第一周期不等于第二周期。
在一种可能的实现方式中,终端通过调用定位服务840获取终端的位置信息。比如,通过调用地图软件,获取终端的经纬度信息,作为终端的位置信息。
步骤540,目标终端在本地特征库中对人脸特征信息进行匹配。
在一种可能的实现方式中,目标终端从服务器中获取关联用户的人脸特征信息模板;该关联用户包括在其他终端中已经匹配过的用户;
目标终端将获取到人脸特征信息模板存储到本地特征库中。
在一种可能的实现方式中,目标终端接收服务器返回的心跳响应数据包;该心跳响应数据包是服务器对目标终端定时发送的心跳请求返回的;
目标终端获取心跳响应数据包中携带的,在其他终端中已经匹配过的用户的人脸特征信息模板。
也就是说,在本申请实施例中,终端会以一定的周期向服务器发送包含更新本地数据库请求的心跳请求,服务器响应于该心跳请求,向目标终端发送包含其他终端中在该周期内更新和/或新增的匹配过的用户的人脸特征信息模板,以保证目标终端中人脸特征信息模板的及时更新。
在一种可能的实现方式中,本地特征库中包含第一类型特征模板和第二类型特征模板;该第一类型特征模板是在目标终端中已经匹配过的用户的人脸特征信息模板;该第二类型特征模板是在目标终端中未匹配过,且在其他终端中已经匹配过的用户的人脸特征信息模板。
在本地特征库中对人脸特征信息进行匹配可以实现为:
将人脸特征信息与本地特征库中的各个第一类型特征模板进行匹配;
响应于人脸特征信息与各个第一类型特征模板不匹配,将人脸特征信息与本地特征库中的各个第二类型特征模板进行匹配。
对于目标终端而言,在目标终端中已匹配过的用户再次在目标终端上进行匹配的概率大于在目标终端中未匹配过的用户在目标终端上进行匹配的概率。基于对上述情况的考虑,为提高人脸匹配效率,目标终端的本地特征库在对人脸特征信息进行存储时,将目标终端已匹配过的用户的人脸特征信息模板存储为第一类型特征模板,将根据其他终端中已匹配过,但目标终端尚未进行匹配的用户的人脸特征信息模板存储为第二类型特征模板,在进行人脸匹配时,优先使用第一类型特征模板进行匹配,在第一类型特征模板匹配失败后,确定该用户为首次在该目标终端上进行匹配的用户,使用第二类型特征模板进行相应的匹配。
在一种可能的实现方式中,响应于该人脸特征信息与各个第二类型特征模板不匹配,表示该用户并未在目标终端及与目标终端具有指定位置关系的其他终端上进行过匹配,目标终端将人脸特征信息发送给服务器,由服务器基于后台特征库中的人脸特征信息模板进行人脸识别后,向目标终端反馈识别结果。
步骤550,响应于目标用户的人脸特征信息模板与人脸特征信息匹配,目标终端将目标用户作为目标人脸对应的用户。
在一种可能的实现方式中,在人脸特征信息模板与人脸特征信息匹配时,基于获取的人脸特征信息对本地数据库中存储的目标用户的人脸特征信息模板进行更新。
在一种可能的实现方式中,将获取的目标用户的人脸特征信息作为新的目标用户的人脸特征信息模板,对本地特征库中存储的目标用户的人脸特征信息模板替换。由于用户的人脸特征信息会随着时间的改变发生细微的改变,将最新获取的目标用户的人脸特征信息作为目标用户的人脸特征信息模板,可以保证人脸特征信息模板的即时性,从而提高了人脸识别的准确度。
或者,在另一种可能的实现方式中,当人脸特征信息模板是以图片的形式进行存储时,分别获取实时获取的目标用户的人脸特征信息与目标用户的人脸特征信息模板的清晰度,获取其中清晰度较高的一个作为目标用户的人脸特征信息模板。在目标设备的使用过程中,由于用户的移动或者目标设备的不稳定会导致获取的目标用户的人脸图像较为模糊(但处于可匹配的范围内),此时,若将其作为目标用户的人脸特征信息模板,则会影响后续人脸识别的准确度,因此,为保证人脸是识别的准确度,目标终端在更新人脸特征信息模板时可以采取清晰度优先的原则。
在终端对本地特征库的人脸特征信息模板进行更新和/或新增后,通过心跳服务将更新和/或新增的人脸特征信息模板发送给服务器,以使得服务器对后台特征库中的人脸特征信息模板进行更新,以保证信息的一致性。
步骤560,目标终端将目标用户的识别信息上报给服务器。
其中,该目标用户的识别信息包括以下信息中的至少一项:
目标用户的身份标识,目标用户的人脸特征信息,目标终端的位置信息,目标用户在目标终端上进行人脸识别的时间以及目标终端的设备标识。
在一种可能的实现方式中,目标用户的位置信息通过经纬度的方式进行记录。
在一种可能的实现方式中,目标终端通过调用定位服务获取目标终端的位置信息。
在一种可能的实现方式中,目标终端通过心跳请求将目标用户的识别信息上报给服务器,该心跳请求时定时发送给服务器的请求。也就是说,目标终端会以一定的周期向服务器发送包含本地数据库中在该周期内更新的用户识别信息的心跳请求,该心跳请求用以指示服务器将本地数据库中更新的用户识别信息共享给用户目标终端具有指定位置关系的终端。
在一种可能的实现方式中,该心跳请求还用于指示服务器基于更新的用户识别信息对服务器对应的后台特征库中的数据进行更新。
由于存在用户偶然在目标终端中进行人脸识别操作的情况,为减少此类用户的人脸特征信息模板对本地特征库的占用,在一种可能的实现方式中,目标终端获取本地特征库中已匹配用户的人脸特征信息模板的更新时间;该更新时间是对应的用户在指定终端中最近一次匹配的时间;
目标终端将已匹配用户的人脸特征信息模板中,对应的更新时间与当前时间之间的时长大于时长阈值的人脸特征信息模板删除。
以目标终端为例,当目标终端以及与其具有指定位置关系的其他终端中存储的某一用户的人脸特征信息模板长时间未被用于进行人脸特征信息匹配时,确认该用户长时间未在该目标终端所处的区域活动,为减少对本地特征库的内存的占用,将目标终端以及与其具有指定位置关系的其他终端的本地特征库中,该用户的人脸特征信息模板删除。比如,用户由于搬离目标终端所在的区域,而导致该范围内中存储有该用户的人脸特征信息模板的终端长时间未被该用户使用的情况。
综上所述,本申请实施例提供的人脸识别方法,通过在目标终端的本地特征库中,存储与该目标终端具有指定位置关系的其他终端中的人脸特征信息模板,使得在目标终端首次接收到目标人脸的人脸特征信息时,能够调取本地数据库中的对应人脸特征信息模板进行人脸识别,提高了人脸识别的效率。
请参考图9,其示出了本申请一示例性实施例示出的人脸识别***的示意图,如图9所示,该人脸识别***中包括第一终端910,第二终端920以及服务器930。
如图9所示,终端中包含人脸识别模块,本地特征库以及心跳服务模块,服务器中对应包含人脸识别模块以及后台特征库。
假设用户A在第一终端910与第二终端920上均未进行过人脸识别,且第一终端910与第二终端920对应的本地特征库中均未保存用户A的人脸特征信息模板。在T1时刻,用户A在第一终端910上使用人脸支付功能,人脸识别模块911基于获取到的用户A的人脸特征信息对用户A进行人脸识别,由于第一终端910的本地数据库中并未保存用户A的人脸特征信息模板,人脸识别模块911将用户A对应的人脸特征信息发送给服务器;服务器中的人脸识别模块931获取到用户A的人脸特征信息后,通过调用后台特征库932中的人脸特征信息模板进行人脸识别,获得相应的识别结果,并将该识别结果发送给第一终端910,该识别结果中包含用户A的人脸特征信息模板;第一终端910将识别结果中的人脸特征信息模板保存在本地数据库中。
第一终端910以第一周期的频率向服务器发送第一心跳请求,用以通知服务器其在第一周期内本地特征库中更新和/或新增的人脸特征信息模板,在一种可能的实现方式中,第一终端通过向服务器发送用户标识,用以通知服务器该用户标识对应的人脸特征信息模板在第一终端对应的本地数据库中已更新和/或新增加,指示服务器对后台特征库中的人脸特征信息模板进行更新,同时,向与第一终端910具有指定位置关系的第二终端920发送第一终端的本地特征库中更新和/或新增的人脸特征信息模板。第二终端920在接收到第一终端的本地特征库中更新和/或新增的人脸特征信息模板,对第二终端920本地特征库中的人脸特征信息模板进行更新。
在T2时刻,用户A在第二终端920上使用人脸支付功能,第二终端920通过直接调用本地特征库中存储的用户A的人脸特征信息模板对用户A进行人脸识别。由于第二终端通过直接调用本地特征库中存储的人脸特征信息模板对用户A进行匹配,减少了获取人脸特征信息模板的步骤,从而减少了人脸识别的时间,提高了人脸识别的效率。
在一种可能的实现方式中,第一终端910以第二周期的频率向服务器发送第二心跳请求,该第二心跳请求为人脸信息模板更新请求,以使得服务器响应于该第二心跳请求,基于第一终端的位置信息,从后台数据库中筛选出在第二周期内,与该终端存在一定位置关系的其他终端的本地特征库中新增和/或更新的用户识别信息对应的用户作为该终端的关联用户,并以心跳响应数据包的形式将该关联用户对应的人脸特征信息模板发送给第一终端910,以更新第一终端的本地特征库。
其中,第一周期与第二周期可以相同也可以不同。
请参考图10,其示出了本申请一示例性实施例提供的人脸识别装置的方框图,该装置应用于目标终端中,该目标终端可以是图1所示的人脸识别***中的任意一个终端,如图10所示,该装置包括:
第一获取模块1010,用于获取目标人脸的人脸特征信息;
匹配模块1020,用于在本地特征库中对人脸特征信息进行匹配,本地特征库中存储有已匹配用户的人脸特征信息模板,该已匹配用户是在指定终端中已经匹配过的用户,该指定终端包括目标终端以及与目标终端之间具有指定位置关系的其他终端;
确定模块1030,用于响应于目标用户的人脸特征信息模板与人脸特征信息匹配,将目标用户作为目标人脸对应的用户。
在一种可能的实现方式中,该装置还包括:
第二获取模块,用于在本地特征库中对人脸特征信息进行匹配之前,从服务器获取关联用户的人脸特征信息模板;该关联用户包括在其他终端中已经匹配过的用户;
存储模块,用于将获取到的人脸特征信息模板存储到本地特征库中。
在一种可能的实现方式中,该第二获取模块,包括:
接收子模块,用于接收服务器返回的心跳响应数据包;心跳响应数据包是服务器对目标终端定时发送的心跳请求返回的;
获取子模块,用于获取心跳响应数据包中携带的,在其他终端中已经匹配过的用户的人脸特征信息模板。
在一种可能的实现方式中,该装置还包括:
上报模块,用于将目标用户的识别信息上报给服务器;
其中,该目标用户的识别信息包括以下信息中的至少一项:
目标用户的身份标识、目标用户的人脸特征信息、目标终端的位置信息、目标用户在目标终端上进行人脸识别的时间、以及目标终端的设备标识。
在一种可能的实现方式中,该上报模块,用于通过心跳请求将目标用户的识别信息上报给服务器;该心跳请求是定时发送给服务器的请求。
在一种可能的实现方式中,该装置包括:
第三获取模块,用于获取本地特征库中的已匹配用户的人脸特征信息模板的更新时间;更新时间是对应的用户在指定终端中最近一次匹配的时间;
删除模块,用于将已匹配用户的人脸特征信息模板中,对应的更新时间与当前时间之间的时长大于时长阈值的人脸特征信息模板删除。
在一种可能的实现方式中,该匹配模块,包括:
第一匹配子模块,用于将人脸特征信息与本地特征库中的各个第一类型特征模板进行匹配;该第一类型特征模板是在目标终端中已经匹配过的用户的人脸特征信息模板;
第二匹配子模块,用于响应于人脸特征信息与各个第一类型特征模板不匹配,将人脸特征信息与本地特征库中的各个第二类型特征模板进行匹配;该第二类型特征模板是在目标终端中未匹配过,且在其他终端中已经匹配过的用户的人脸特征信息模板。
综上所述,本申请实施例提供的人脸识别装置,应用于目标终端中,通过在目标终端的本地特征库中,存储与该目标终端具有指定位置关系的其他终端中的人脸特征信息模板,使得在目标终端首次接收到目标人脸的人脸特征信息时,能够调取本地数据库中的对应人脸特征信息模板进行人脸识别,提高了人脸识别的效率。
请参考图11,其示出了本申请一示例性实施例提供的模板配置装置的方框图,该装置应用于服务器中,该服务器可以是图1所示的人脸识别***中的服务器,如图11所示,该装置包括:
第一获取模块1110,用于获取目标终端的关联用户,所述关联用户包括在其他终端中已经匹配过的用户;所述其他终端是与所述目标终端之间具有指定位置关系的终端;
第二获取模块1120,用于获取所述关联用户的人脸特征信息模板;
发送模块1130,用于将所述关联用户的人脸特征信息模板发送给所述目标终端。
在一种可能的实现方式中,该装置还包括:
接收模块,用于接收所述目标终端上传的,所述关联用户的识别信息;
更新模块,用于根据所述关联用户的识别信息,更新所述关联用户的人脸特征信息模板;
其中,所述关联用户的识别信息包括以下信息中的至少一项:
所述关联用户的身份标识、所述关联用户的人脸特征信息、所述其他终端的位置信息、所述关联用户在所述其他终端上进行人脸识别的时间、以及所述其他终端的设备标识。
在一种可能的实现方式中,所述与所述目标终端之间具有指定位置关系的其他终端包括以下终端中的至少一种:
与所述目标终端之间的距离处于指定距离区间的终端;
与所述目标终端处于同一个预划分区域内的终端;
以及,处于用户活跃区域内的终端,所述用户活跃区域是基于在所述目标终端中已匹配过的用户的活动范围确定的。
综上所述,本申请实施例提供的模板配置装置,应用于服务器中,通过将与目标终端存在指定位置关系的其他终端中已经匹配过的用户获取为目标终端的关联用户,将关联用户的人脸特征信息模板发送给目标终端,以使得目标终端在本地特征库中,存储与该目标终端具有指定位置关系的其他终端中的人脸特征信息模板,从而在目标终端首次接收到目标人脸的人脸特征信息时,能够调取本地数据库中的对应人脸特征信息模板进行人脸识别,提高了人脸识别的效率。
图12是根据一示例性实施例示出的计算机设备1200的结构框图。该计算机设备可以实现为本申请上述方案中的服务器。
所述计算机设备1200包括中央处理单元(Central Processing Unit,CPU)1201、包括随机存取存储器(Random Access Memory,RAM)1202和只读存储器(Read-OnlyMemory,ROM)1203的***存储器1204,以及连接***存储器1204和中央处理单元1201的***总线1205。所述计算机设备1200还包括帮助计算机内的各个器件之间传输信息的基本输入/输出***(Input/Output***,I/O***)1206,和用于存储操作***1213、应用程序1214和其他程序模块1215的大容量存储设备1207。
所述基本输入/输出***1206包括有用于显示信息的显示器1208和用于用户输入信息的诸如鼠标、键盘之类的输入设备1209。其中所述显示器1208和输入设备1209都通过连接到***总线1205的输入输出控制器1210连接到中央处理单元1201。所述基本输入/输出***1206还可以包括输入输出控制器1210以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器1210还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备1207通过连接到***总线1205的大容量存储控制器(未示出)连接到中央处理单元1201。所述大容量存储设备1207及其相关联的计算机可读介质为计算机设备1200提供非易失性存储。也就是说,所述大容量存储设备1207可以包括诸如硬盘或者只读光盘(Compact Disc Read-Only Memory,CD-ROM)驱动器之类的计算机可读介质(未示出)。
不失一般性,所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读寄存器(Erasable Programmable Read Only Memory,EPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-OnlyMemory,EEPROM)闪存或其他固态存储其技术,CD-ROM、数字多功能光盘(DigitalVersatile Disc,DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的***存储器704和大容量存储设备1207可以统称为存储器。
根据本公开的各种实施例,所述计算机设备1200还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备1200可以通过连接在所述***总线1205上的网络接口单元1211连接到网络1212,或者说,也可以使用网络接口单元1211来连接到其他类型的网络或远程计算机***(未示出)。
所述存储器还包括至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集存储于存储器中,中央处理器1201通过执行该至少一条指令、至少一段程序、代码集或指令集来实现上述各个实施例所示的人脸识别方法以及模板配置方法中的全部或者部分步骤。
图13是根据一示例性实施例示出的计算机设备1300的结构框图。该计算机设备1300可以是图1所示的人脸识别***中的终端。
通常,计算机设备1300包括有:处理器1301和存储器1302。
处理器1301可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器1301可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1301也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器1301可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器1301还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器1302可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器1302还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器1302中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器1301所执行以实现本申请中方法实施例提供的方法。
在一些实施例中,计算机设备1300还可选包括有:***设备接口1303和至少一个***设备。处理器1301、存储器1302和***设备接口1303之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口1303相连。具体地,***设备包括:射频电路1304、显示屏1305、摄像头组件1306、音频电路1307、定位组件1308和电源1309中的至少一种。
在一些实施例中,计算机设备1300还包括有一个或多个传感器1310。该一个或多个传感器1310包括但不限于:加速度传感器1311、陀螺仪传感器1312、压力传感器1313、指纹传感器1314、光学传感器1315以及接近传感器1316。
本领域技术人员可以理解,图13中示出的结构并不构成对计算机设备1300的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在一示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括至少一条指令、至少一段程序、代码集或指令集的存储器,上述至少一条指令、至少一段程序、代码集或指令集可由处理器执行以完成上述图2图3或图5任一实施例所示的方法的全部或者部分步骤。例如,非临时性计算机可读存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。
在一示例性实施例中,还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述图2、图3或图5任一实施例所示方法的全部或部分步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其他实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申请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,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请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。本申请的范围仅由所附的权利要求来限制。
Claims (15)
1.一种人脸识别方法,其特征在于,所述方法由目标终端执行,所述方法包括:
获取目标人脸的人脸特征信息;
在本地特征库中对所述人脸特征信息进行匹配,所述本地特征库中存储有已匹配用户的人脸特征信息模板,所述已匹配用户是在指定终端中已经匹配过的用户,所述指定终端包括所述目标终端以及与所述目标终端之间具有指定位置关系的其他终端;
响应于目标用户的人脸特征信息模板与所述人脸特征信息匹配,将所述目标用户作为所述目标人脸对应的用户。
2.根据权利要求1所述的方法,其特征在于,所述在本地特征库中对所述人脸特征信息进行匹配之前,还包括:
从服务器获取关联用户的人脸特征信息模板;所述关联用户包括在所述其他终端中已经匹配过的用户;
将获取到的人脸特征信息模板存储到所述本地特征库中。
3.根据权利要求2所述的方法,其特征在于,所述从服务器中获取在所述其他终端中已经匹配过的用户的人脸特征信息模板,包括:
接收所述服务器返回的心跳响应数据包;所述心跳响应数据包是所述服务器对所述目标终端定时发送的心跳请求返回的;
获取所述心跳响应数据包中携带的,在所述其他终端中已经匹配过的用户的人脸特征信息模板。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述目标用户的识别信息上报给服务器;
其中,所述目标用户的识别信息包括以下信息中的至少一项:
所述目标用户的身份标识、所述目标用户的人脸特征信息、所述目标终端的位置信息、所述目标用户在所述目标终端上进行人脸识别的时间、以及所述目标终端的设备标识。
5.根据权利要求4所述的方法,其特征在于,所述将所述目标用户的信息上报给服务器,包括:
通过心跳请求将所述目标用户的识别信息上报给所述服务器;所述心跳请求是定时发送给所述服务器的请求。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述本地特征库中的所述已匹配用户的人脸特征信息模板的更新时间;所述更新时间是对应的用户在所述指定终端中最近一次匹配的时间;
将所述已匹配用户的人脸特征信息模板中,对应的更新时间与当前时间之间的时长大于时长阈值的人脸特征信息模板删除。
7.根据权利要求1所述的方法,其特征在于,所述在本地特征库中对所述人脸特征信息进行匹配,包括:
将所述人脸特征信息与所述本地特征库中的各个第一类型特征模板进行匹配;所述第一类型特征模板是在所述目标终端中已经匹配过的用户的人脸特征信息模板;
响应于所述人脸特征信息与各个所述第一类型特征模板不匹配,将所述人脸特征信息与所述本地特征库中的各个第二类型特征模板进行匹配;所述第二类型特征模板是在所述目标终端中未匹配过,且在所述其他终端中已经匹配过的用户的人脸特征信息模板。
8.根据权利要求1至7任一所述的方法,其特征在于,所述与所述目标终端之间具有指定位置关系的其他终端包括以下终端中的至少一种:
与所述目标终端之间的距离处于指定距离区间的终端;
与所述目标终端处于同一个预划分区域内的终端;
以及,处于用户活跃区域内的终端,所述用户活跃区域是基于在所述目标终端中已匹配过的用户的活动范围确定的。
9.一种模板配置方法,其特征在于,所述方法由服务器执行,所述方法包括:
获取目标终端的关联用户,所述关联用户包括在其他终端中已经匹配过的用户;所述其他终端是与所述目标终端之间具有指定位置关系的终端;
获取所述关联用户的人脸特征信息模板;
将所述关联用户的人脸特征信息模板发送给所述目标终端。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
接收所述其他终端上传的,所述关联用户的识别信息;
根据所述关联用户的识别信息,更新所述关联用户的人脸特征信息模板;
其中,所述关联用户的识别信息包括以下信息中的至少一项:
所述关联用户的身份标识、所述关联用户的人脸特征信息、所述其他终端的位置信息、所述关联用户在所述其他终端上进行人脸识别的时间、以及所述其他终端的设备标识。
11.根据权利要求9或10所述的方法,其特征在于,所述与所述目标终端之间具有指定位置关系的其他终端包括以下终端中的至少一种:
与所述目标终端之间的距离处于指定距离区间的终端;
与所述目标终端处于同一个预划分区域内的终端;
以及,处于用户活跃区域内的终端,所述用户活跃区域是基于在所述目标终端中已匹配过的用户的活动范围确定的。
12.一种人脸识别装置,其特征在于,所述装置应用于目标终端中,所述装置包括:
第一获取模块,用于获取目标人脸的人脸特征信息;
匹配模块,用于在本地特征库中对所述人脸特征信息进行匹配,所述本地特征库中存储有已匹配用户的人脸特征信息模板,所述已匹配用户是在指定终端中已经匹配过的用户,所述指定终端包括所述目标终端以及与所述目标终端之间具有指定位置关系的其他终端;
识别模块,用于响应于目标用户的人脸特征信息模板与所述人脸特征信息匹配,将所述目标用户作为所述目标人脸对应的用户。
13.一种模板配置装置,其特征在于,所述装置应用于服务器中,所述装置包括:
第一获取模块,用于获取目标终端的关联用户,所述关联用户包括在其他终端中已经匹配过的用户;所述其他终端是与所述目标终端之间具有指定位置关系的终端;
第二获取模块,用于获取所述关联用户的人脸特征信息模板;
发送模块,用于将所述关联用户的人脸特征信息模板发送给所述目标终端。
14.一种计算机设备,其特征在于,所述计算机设备包含处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集;
所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至8任一所述的人脸识别方法;或者,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求9至11任一所述的模板配置方法。
15.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集;
所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至8任一所述的人脸识别方法;或者,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求9至11任一所述的模板配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010805259.9A CN114140837A (zh) | 2020-08-12 | 2020-08-12 | 人脸识别方法、模板配置方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010805259.9A CN114140837A (zh) | 2020-08-12 | 2020-08-12 | 人脸识别方法、模板配置方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114140837A true CN114140837A (zh) | 2022-03-04 |
Family
ID=80437990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010805259.9A Pending CN114140837A (zh) | 2020-08-12 | 2020-08-12 | 人脸识别方法、模板配置方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114140837A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758388A (zh) * | 2022-03-31 | 2022-07-15 | 北京瑞莱智慧科技有限公司 | 一种人脸识别方法、相关装置及存储介质 |
CN115880789A (zh) * | 2023-02-08 | 2023-03-31 | 中昊芯英(杭州)科技有限公司 | 基于加密的人脸识别方法、相关装置和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590463A (zh) * | 2017-09-12 | 2018-01-16 | 广东欧珀移动通信有限公司 | 人脸识别方法及相关产品 |
CN108009482A (zh) * | 2017-11-25 | 2018-05-08 | 宁波亿拍客网络科技有限公司 | 一种提高人脸识别效率方法 |
CN110097368A (zh) * | 2018-01-30 | 2019-08-06 | 财付通支付科技有限公司 | 人脸图像的识别方法、服务器、终端及服务设备 |
CN110378696A (zh) * | 2019-06-26 | 2019-10-25 | 深圳市万通顺达科技股份有限公司 | 一种刷脸支付方法、装置、可读存储介质及终端设备 |
-
2020
- 2020-08-12 CN CN202010805259.9A patent/CN114140837A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590463A (zh) * | 2017-09-12 | 2018-01-16 | 广东欧珀移动通信有限公司 | 人脸识别方法及相关产品 |
CN108009482A (zh) * | 2017-11-25 | 2018-05-08 | 宁波亿拍客网络科技有限公司 | 一种提高人脸识别效率方法 |
CN110097368A (zh) * | 2018-01-30 | 2019-08-06 | 财付通支付科技有限公司 | 人脸图像的识别方法、服务器、终端及服务设备 |
CN110378696A (zh) * | 2019-06-26 | 2019-10-25 | 深圳市万通顺达科技股份有限公司 | 一种刷脸支付方法、装置、可读存储介质及终端设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114758388A (zh) * | 2022-03-31 | 2022-07-15 | 北京瑞莱智慧科技有限公司 | 一种人脸识别方法、相关装置及存储介质 |
CN115880789A (zh) * | 2023-02-08 | 2023-03-31 | 中昊芯英(杭州)科技有限公司 | 基于加密的人脸识别方法、相关装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108282527B (zh) | 生成服务实例的分布式***和方法 | |
US20190228337A1 (en) | Method and apparatus for acquiring information | |
CN110618982B (zh) | 一种多源异构数据的处理方法、装置、介质及电子设备 | |
CN113177645A (zh) | 联邦学习方法、装置、计算设备及存储介质 | |
US20230326351A1 (en) | Data sharing method and apparatus applied to vehicle platoon | |
CN114140837A (zh) | 人脸识别方法、模板配置方法、装置、设备及存储介质 | |
CN111914180B (zh) | 基于图结构的用户特征确定方法、装置、设备及介质 | |
KR20120085630A (ko) | 증강현실을 이용한 광고 서비스 시스템 및 그 방법 | |
CN112990484B (zh) | 基于非对称联邦学习的模型联合训练方法、装置及设备 | |
US20220386071A1 (en) | Road side positioning method and apparatus, device, and storage medium | |
CN110555482A (zh) | 基于人工智能的低俗图片识别方法、装置及电子设备 | |
CN108492284A (zh) | 用于确定图像的透视形状的方法和装置 | |
CN113379748A (zh) | 一种点云全景分割方法和装置 | |
CN111935663A (zh) | 传感器数据流的处理方法、装置、介质及电子设备 | |
CN112561084B (zh) | 特征提取方法、装置、计算机设备及存储介质 | |
CN111949859A (zh) | 用户画像更新方法、装置、计算机设备及存储介质 | |
CN114079801A (zh) | 按需将元数据叠加到视频流上以进行智能视频分析 | |
CN113822263A (zh) | 图像标注方法、装置、计算机设备及存储介质 | |
CN112017209A (zh) | 一种区域人群轨迹确定方法及装置 | |
CN109816791B (zh) | 用于生成信息的方法和装置 | |
CN108304245B (zh) | 界面处理方法及装置、计算机可读介质和电子设备 | |
CN112204603A (zh) | 利用综合数据作为服务资产组装引擎的分布式计算*** | |
CN110377776A (zh) | 生成点云数据的方法和装置 | |
CN114117092A (zh) | 远程协作方法、装置、电子设备和计算机可读介质 | |
CN114500900A (zh) | 丢失对象的寻找方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40065971 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |