CN114511914A - 人脸识别方法、装置及终端设备 - Google Patents
人脸识别方法、装置及终端设备 Download PDFInfo
- Publication number
- CN114511914A CN114511914A CN202210407077.5A CN202210407077A CN114511914A CN 114511914 A CN114511914 A CN 114511914A CN 202210407077 A CN202210407077 A CN 202210407077A CN 114511914 A CN114511914 A CN 114511914A
- Authority
- CN
- China
- Prior art keywords
- face
- feature data
- identification
- ultrasonic
- preset
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了人脸识别方法、装置及终端设备,其中方法包括:采集待识别人物的人脸图像信息;对所述人脸图像信息进行图像特征提取,得到所述待识别人物的人脸图像特征数据;将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数;若所述识别度系数大于预设阈值,则采集所述待识别人物人脸所反射的超声波信号;从采集到的所述超声波信号中提取所述待识别人物的人脸超声波特征数据;将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息。本发明避免无效的运算,降低运算压力以及提高人脸识别的准确性。
Description
技术领域
本发明涉及人脸识别技术领域,尤其是涉及人脸识别方法、识别装置及终端数设备。
背景技术
随着人脸识别技术的成熟,越来越多门禁或关卡等场景使用人脸识别技术对出入人员的身份信息进行识别。人脸识别技术一般采用采集人脸图片信息的形式对人的人脸信息进行采集。但在某些特定场景中,例如加工工厂内部或医院等场景,往往人员会佩戴口罩,导致人脸的一部分部位被遮挡;又或者在人员数量较多的时候,存在人脸被遮挡的情况。
此时,若采集不到完整的人脸信息以进行识别,则会导致人脸识别装置报错或识别准确度下降,运算力的占用和浪费。并且在户外环境的影响下,当存在人脸被阳光或灯光等强光照射时,人员被采集的人脸信息存在过曝的问题,也同样会导致人脸识别装置识别准确度下降。
发明内容
本发明实施例的目的是提供人脸识别方法、识别装置及终端设备,其能够提高人脸识别的准确度。
为了解决上述技术问题,在第一方面,本发明实施例提供了一种人脸识别方法,包括:
采集待识别人物的人脸图像信息;
对所述人脸图像信息进行图像特征提取,得到所述待识别人物的人脸图像特征数据;
将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数;
若所述识别度系数大于预设阈值,则采集所述待识别人物人脸所反射的超声波信号;
从采集到的所述超声波信号中提取所述待识别人物的人脸超声波特征数据;
将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息;所述特征数据模板包括指定用户的身份信息和所述指定用户人脸对应的图像特征数据和超声波特征数据。
作为其中一种优选方案,所述将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数,具体包括:
通过分类器对所述人脸图像特征数据进行人脸区域划分,得到若干预设人脸部位区域内对应的特征数据合集;所述预设人脸部位包括眼睛、额头、鼻子、嘴巴、脸颊和下巴;
将所述若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权,之后根据赋权后的特征数据合集计算得到识别度系数。
作为其中一种优选方案,所述神经网络包含各个预设人脸部位区域对应的权重值;
所述将所述若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权,之后根据赋权后的特征数据合集计算得到识别度系数,具体包括:
通过所述神经网络将各个所述预设人脸部位区域内对应的特征数据合集与所述预设人脸部位区域对应的权重值进行卷积,得到各个所述预设人脸部位区域内对应的含权特征数据;
对所有所述含权特征数据求和后进行归一化处理,生成识别度系数。
作为其中一种优选方案,在将所述若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权,之后根据赋权后的特征数据合集计算得到识别度系数之前,还包括:
根据接收到的识别指令获取采集到的历史人脸图像信息;所述识别指令包括目标人脸部位;
提取所述历史人脸图像信息中所述目标人脸部位的特征数据,得到样本数据;
将所述样本数据输入所述神经网络进行迭代训练,以增大所述神经网络中所述目标人脸部位的权重,获得更新后的神经网络。
作为其中一种优选方案,在将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数之后,还包括:
若所述识别度系数小于预设阈值,则重新采集待识别人物的人脸图像信息。
作为其中一种优选方案,所述人脸图像信息为可见光图像信息或红外图像信息。
作为其中一种优选方案,所述将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息,具体包括:
通过聚类法将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行聚类,确定所述人脸图像特征数据和所述人脸超声波特征数据的聚类中心所对应的指定用户为目标用户;
输出所述目标用户的身份信息。
作为其中一种优选方案,在通过聚类法将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行聚类之后,还包括:
若所述人脸图像特征数据和所述人脸超声波特征数据的聚类中心无所对应的指定用户,则输出识别失败的结果。
在第二方面,本发明实施例还提供了一种人脸识别装置,包括:
人脸图像信息采集模块,用于采集待识别人物的人脸图像信息;
第一特征提取模块,用于对所述人脸图像信息进行图像特征提取,得到所述待识别人物的人脸图像特征数据;
系数计算模块,用于将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数;
超声波信号采集模块,用于若所述识别度系数大于预设阈值,则采集所述待识别人物人脸所反射的超声波信号;
第二特征提取模块,用于从采集到的所述超声波信号中提取所述待识别人物的人脸超声波特征数据;
识别模块,用于将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息;所述特征数据模板包括指定用户的身份信息和所述指定用户人脸对应的图像特征数据和超声波特征数据。
本发明再一实施例提供了一种终端设备,包括处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序,处理器执行计算机程序时实现如上的第一方面所述的方法。
本发明又一实施例提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备执行如上的第一方面所述的方法。
相比于现有技术,本发明实施例的有益效果在于以下中的至少一点:
本发明的人脸识别方法通过采集待识别人物的人脸图像信息;对所述人脸图像信息进行图像特征提取,得到所述待识别人物的人脸图像特征数据;将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数;若所述识别度系数大于预设阈值,则采集所述待识别人物人脸所反射的超声波信号;通过预先将人脸图像特征数据输入识别度模型进行人脸可识别度计算,获知当前待识别人物的人脸遮挡程度是否影响人脸识别,若识别度系数大于预设阈值,则说明人脸遮挡程度不影响人脸识别,才可继续进行人脸识别,避免无效的运算,降低运算压力;从采集到的所述超声波信号中提取所述待识别人物的人脸超声波特征数据;将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息;所述特征数据模板包括指定用户的身份信息和所述指定用户人脸对应的图像特征数据和超声波特征数据。通过将人脸图像信息与采集到的人脸超声波信号相结合,补充采集的人脸图像信息由于过曝或被遮挡等问题缺失的人脸信息,使得人脸识别过程能顺利准确进行,从而提高了人脸识别的准确性。相应地,本发明还提供人脸识别装置及设备。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明人脸识别方法一实施例的流程示意图;
图2是本发明人脸识别装置一实施例的结构示意图;
图3是本发明终端设备一实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明描述中,术语“第一”、“第二”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,除非另有定义,本发明所使用的所有的技术和科学术语与属于本的技术领域的技术人员通常理解的含义相同。本发明中说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明,对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例一
本发明实施例提供了一种人脸识别方法,请参阅图1,图1是本发明人脸识别方法一实施例的流程示意图。本实施例可适用于门禁或关卡等需对人员身份信息进行核查的应用场景,该方法可以由人脸识别装置执行,该装置可为处理器、智能终端、平板或PC等。在本实施例中,人脸识别方法可以包括步骤S110~S160,各步骤具体如下:
S110:采集待识别人物的人脸图像信息;
由于人脸识别方法需对待识别人物的人脸信息进行识别,因此需对待识别人物的人脸信息进行采集。具体的,通过采集待识别人物的人脸图像实现人脸信息的采集,采集到的人脸图像即为人脸图像信息。可选的,可由人脸识别装置自带的摄像头或与人脸识别装置连接的外接摄像头对待识别人物的人脸进行拍摄,以完成待识别人物的人脸图像信息采集。
作为其中一种优选方案,所述人脸图像信息为可见光图像信息或红外图像信息。由于外部环境有时不能提供充足的光照来满足摄像头拍摄清晰的人脸图像的条件,可采用红外摄像头来实现光照不足或黑夜条件下的清晰的人脸图像拍摄。因此,采集到的人脸图像信息可包括可见光图像信息或红外图像信息。
S120:对所述人脸图像信息进行图像特征提取,得到所述待识别人物的人脸图像特征数据;
采集到的人脸图像信息中各个像素所携带的信息为待识别人物的人脸特征信息,通过对人脸图像信息进行图像特征提取,可得到包含了待识别人物的人脸特征信息的人脸图像特征数据。具体的,可通过统计特征识别法、几何特征识别法或基于连接机制识别法等图像特征提取方法实现对上述人脸图像信息进行图像特征提取。
S130:将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数;
由于在某些特定场景中,例如加工工厂内部或医院等场景,往往人员会佩戴口罩,导致人脸的一部分部位被遮挡;又或者在人员数量较多的时候,存在人脸被遮挡的情况。若采集不到完整的人脸信息以进行识别,则会导致人脸识别装置出错或人脸识别不准确,并且得到错误的人脸识别结果时人脸识别装置已经进行了一次完整的识别运算过程,导致运算力的占用和浪费。为避免无效的运算,可通过预先将人脸图像特征数据输入预先训练好的识别度模型进行人脸可识别度计算,以获知当前采集到人脸图像特征数据反映的待识别人物的人脸遮挡程度是否影响人脸识别;由识别度模型输出的识别度系数反映待识别人物的人脸遮挡程度。若识别度系数大于预设阈值,则说明人脸遮挡程度不影响人脸识别,才可继续进行人脸识别,避免无效的运算,降低运算压力。可选的,该识别度模型可为由若干神经网络层组成的模型。
作为其中一种优选方案,所述将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数,具体包括步骤S210和S220:
S210、通过分类器对所述人脸图像特征数据进行人脸区域划分,得到若干预设人脸部位区域内对应的特征数据合集;所述预设人脸部位包括眼睛、额头、鼻子、嘴巴、脸颊和下巴;
详细的,可通过预先训练好的分类器对人脸图像特征数据按照人脸区域进行划分,从而得到每一预设人脸部位区域内对应的特征数据合集。预设人脸部位可由使用者自定义划分,可将人脸划分为眼睛、额头、鼻子、嘴巴、脸颊和下巴这几个常规人脸部位。
S220、将所述若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权,之后根据赋权后的特征数据合集计算得到识别度系数。
详细的,由于人脸识别过程一般是对人脸中具有辨识度的几个重点人脸部位及附近的区域进行对比判断,因此采集到的人脸图像特征数据中是否包含这几个具有辨识度的重点人脸部位以及包含的特征数量是否足够多是顺利、准确进行人脸识别的前提条件。上述具有辨识度的几个重点人脸部位区域可为人脸五官、脸颊和下巴等这几个区域。
为判断采集到的待识别人物的人脸图像特征数据是否具有满足人脸识别前提条件的特征数据,可根据由人脸识别成功的历史人脸图像特征数据组成的若干样本训练生成带有权重值的神经网络。其中,神经网络根据人脸识别过程中各个人脸部位的重要程度生成各个人脸部位区域对应的权重值;权重占比越大,则说明该人脸部位区域在人脸识别过程中起得作用性越大。
通过将若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权,获知当前待识别人物的人脸遮挡程度是否影响人脸识别。具体的,当待识别人物的人脸有遮挡时,采集到的人脸图像特征数据会缺失被遮挡的人脸部位的相关特征数据。由于在训练好的神经网络中各个人脸部位区域的特征数据的权重按照对人脸识别作用性大则权重值大的规则配置,当采集到的人脸图像特征数据中缺失的被遮挡的人脸部位的相关特征数据在人脸识别过程中作用性小时,被赋予的权重值也小,从而使得最后根据赋权后的特征数据合集计算得到识别度系数不受被遮挡的人脸部位的相关特征数据的影响;当采集到的人脸图像特征数据中缺失的被遮挡的人脸部位的相关特征数据在人脸识别过程中作用性大时,被赋予的权重值也大,从而使得最后根据赋权后的特征数据合集计算得到识别度系数受被遮挡的人脸部位的相关特征数据的影响变小。因此,根据计算得到识别度系数的大小,可知当前待识别人物的人脸遮挡程度是否影响人脸识别。
作为其中一种优选方案,所述神经网络包含各个预设人脸部位区域对应的权重值;详细的,神经网络包含各个预设人脸部位区域对应的权重值,预设人脸部位区域在人脸识别过程中起得作用性越大,则对应的权重值越大。
所述将所述若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权,之后根据赋权后的特征数据合集计算得到识别度系数,具体包括:
通过所述神经网络将各个所述预设人脸部位区域内对应的特征数据合集与所述预设人脸部位区域对应的权重值进行卷积,得到各个所述预设人脸部位区域内对应的含权特征数据;
详细的,神经网络内包含的各个预设人脸部位区域对应的权重值,可为设置为若干神经网络层中的卷积核。若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权后,各个所述预设人脸部位区域内对应的特征数据合集与所述预设人脸部位区域对应的权重值进行卷积,得到各个所述预设人脸部位区域内对应的含权特征数据。
对所有所述含权特征数据求和后进行归一化处理,生成识别度系数。
为方便进行对比判断,可对所有所述含权特征数据求和后进行归一化处理,生成识别度系数。
由于某些特定场景中,例如加工工厂内部或医院等场景,往往人员会佩戴口罩,并且待识别人物不能轻易摘下口罩进行人脸识别。此时则需要适应该使用场景对人脸识别部位进行调整,需将人脸识别装置的识别重点调整为重点识别待识别人物的上半部分人脸区域。具体的,将人脸识别装置的识别重点调整为重点识别待识别人物的上半部分人脸区域的实现方法可为调整识别度模型中神经网络中上半部分人脸区域对应的权重值。
作为其中一种优选方案,在将所述若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权,之后根据赋权后的特征数据合集计算得到识别度系数之前,还包括:
根据接收到的识别指令获取采集到的历史人脸图像信息;所述识别指令包括目标人脸部位;
详细的,根据调整权重值的人脸部位生成识别指令,从而根据接收到的识别指令获取采集到的历史人脸图像信息。具体的,识别指令包括目标人脸部位。详细举例说明,若需将人脸识别装置的识别重点调整为重点识别待识别人物的上半部分人脸区域,则可将上半部分人脸区域设为目标人脸部位。
提取所述历史人脸图像信息中所述目标人脸部位的特征数据,得到样本数据;
将所述样本数据输入所述神经网络进行迭代训练,以增大所述神经网络中所述目标人脸部位的权重,获得更新后的神经网络。
通过将与目标人脸部位相关的样本数据输入所述神经网络进行迭代训练,以增大所述神经网络中所述目标人脸部位的权重,获得更新后的神经网络,来实现将人脸识别装置的识别重点调整为重点识别待识别人物的目标人脸部位区域,从而更加灵活的适配于各种不同的人脸识别使用场景。
S140:若所述识别度系数大于预设阈值,则采集所述待识别人物人脸所反射的超声波信号;
详细的,该预设阈值由极限可识别的人脸图像样本输入训练好的识别度模型计算得到。若所述识别度系数大于预设阈值,则说明人脸图像特征数据内包含的人脸信息足够有效的进行人脸识别,可继续进行人脸识别,避免无效的运算,降低运算压力。
由于采集的人脸图像信息还可能存在过曝或被遮挡等问题,导致人脸信息的缺失,在判断识别度系数大于预设阈值,可通过采集待识别人物的人脸所反射的超声波信号,补充采集的人脸图像信息由于过曝或被遮挡等问题缺失的人脸信息,使得人脸识别过程能顺利准确进行,提高人脸识别的准确性。具体的,可通过控制与人脸识别装置连接的超声波信号发射装置对待识别人物的脸部发射超声波信号,然后接收与人脸识别装置连接的超声波信号传感器采集到的待识别人物的人脸所反射的超声波信号。
作为其中一种优选方案,在将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数之后,还包括:
若所述识别度系数小于预设阈值,则重新采集待识别人物的人脸图像信息。具体的,若识别度系数小于预设阈值,则说明人脸图像特征数据内包含的人脸信息过少,无法进行有效的人脸识别。因此需重新采集待识别人物的人脸图像信息,直至识别度系数大于预设阈值。
S150:从采集到的所述超声波信号中提取所述待识别人物的人脸超声波特征数据;
采集到的超声波信号中各个信号所携带的信息为待识别人物的人脸特征信息,通过对超声波信号进行信号特征提取,可得到包含了待识别人物的人脸特征信息的人脸超声波特征数据。
S160:将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息;所述特征数据模板包括指定用户的身份信息和所述指定用户人脸对应的图像特征数据和超声波特征数据。
为实现对特定用户或记录在案的成员进行识别,可预先设定需识别的用户为指定用户并采集指定用户的身份信息和所述指定用户人脸对应的图像特征数据和超声波特征数据。采集到的各个指定用户对应的信息为各个特征数据模板存储在数据库中。在进行数据对比时,从数据库中调用各个特征数据模板与采集到的人脸图像特征数据和所述人脸超声波特征数据分别进行比对,实现待识别人物的身份识别信息识别。
作为其中一种优选方案,所述将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息,具体包括:
通过聚类法将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行聚类,确定所述人脸图像特征数据和所述人脸超声波特征数据的聚类中心所对应的指定用户为目标用户;
输出所述目标用户的身份信息。
作为其中一种优选方案,在通过聚类法将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行聚类之后,还包括:
若所述人脸图像特征数据和所述人脸超声波特征数据的聚类中心无所对应的指定用户,则输出识别失败的结果。
综上,本实施例提供的一种人脸识别方法,通过采集待识别人物的人脸图像信息;对所述人脸图像信息进行图像特征提取,得到所述待识别人物的人脸图像特征数据;将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数;若所述识别度系数大于预设阈值,则采集所述待识别人物人脸所反射的超声波信号;通过预先将人脸图像特征数据输入识别度模型进行人脸可识别度计算,获知当前待识别人物的人脸遮挡程度是否影响人脸识别,若识别度系数大于预设阈值,则说明人脸遮挡程度不影响人脸识别,才可继续进行人脸识别,避免无效的运算,降低运算压力;从采集到的所述超声波信号中提取所述待识别人物的人脸超声波特征数据;将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息;所述特征数据模板包括指定用户的身份信息和所述指定用户人脸对应的图像特征数据和超声波特征数据。通过将人脸图像信息与采集到的人脸超声波信号相结合,补充采集的人脸图像信息由于过曝或被遮挡等问题缺失的人脸信息,使得人脸识别过程能顺利准确进行,从而提高了人脸识别的准确性。相应地,本发明还提供人脸识别装置及设备。
实施例二
在实施例一的基础上,如图2所示,本发明实施例还提供了一种人脸识别装置2,包括:
人脸图像信息采集模块201,用于采集待识别人物的人脸图像信息;
第一特征提取模块202,用于对所述人脸图像信息进行图像特征提取,得到所述待识别人物的人脸图像特征数据;
系数计算模块203,用于将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数;
超声波信号采集模块204,用于若所述识别度系数大于预设阈值,则采集所述待识别人物人脸所反射的超声波信号;
第二特征提取模块205,用于从采集到的所述超声波信号中提取所述待识别人物的人脸超声波特征数据;
识别模块206,用于将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息;所述特征数据模板包括指定用户的身份信息和所述指定用户人脸对应的图像特征数据和超声波特征数据。
作为其中一种优选方案,系数计算模块203,还包括:
分类单元,用于通过分类器对所述人脸图像特征数据进行人脸区域划分,得到若干预设人脸部位区域内对应的特征数据合集;所述预设人,脸部位包括眼睛、额头、鼻子、嘴巴、脸颊和下巴;
系数计算单元,用于将所述若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权,之后根据赋权后的特征数据合集计算得到识别度系数。
作为其中一种优选方案,所述神经网络包含各个预设人脸部位区域对应的权重值;
系数计算单元,具体用于:
通过所述神经网络将各个所述预设人脸部位区域内对应的特征数据合集与所述预设人脸部位区域对应的权重值进行卷积,得到各个所述预设人脸部位区域内对应的含权特征数据;
对所有所述含权特征数据求和后进行归一化处理,生成识别度系数。
作为其中一种优选方案,在将所述若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权,之后根据赋权后的特征数据合集计算得到识别度系数之前,还包括:
根据接收到的识别指令获取采集到的历史人脸图像信息;所述识别指令包括目标人脸部位;
提取所述历史人脸图像信息中所述目标人脸部位的特征数据,得到样本数据;
将所述样本数据输入所述神经网络进行迭代训练,以增大所述神经网络中所述目标人脸部位的权重,获得更新后的神经网络。
作为其中一种优选方案,所述装置还包括:
重新采集信息模块,用于若所述识别度系数小于预设阈值,则重新采集待识别人物的人脸图像信息。
作为其中一种优选方案,所述人脸图像信息为可见光图像信息或红外图像信息。
作为其中一种优选方案,所述识别模块206,具体包括:
聚类单元,用于通过聚类法将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行聚类,确定所述人脸图像特征数据和所述人脸超声波特征数据的聚类中心所对应的指定用户为目标用户;
身份信息输出单元,用于输出所述目标用户的身份信息。
作为其中一种优选方案,所述识别模块206还包括:
识别失败结果输出单元,用于若所述人脸图像特征数据和所述人脸超声波特征数据的聚类中心无所对应的指定用户,则输出识别失败的结果。
综上,本实施例提供的一种人脸识别装置,通过采集待识别人物的人脸图像信息;对所述人脸图像信息进行图像特征提取,得到所述待识别人物的人脸图像特征数据;将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数;若所述识别度系数大于预设阈值,则采集所述待识别人物人脸所反射的超声波信号;通过预先将人脸图像特征数据输入识别度模型进行人脸可识别度计算,获知当前待识别人物的人脸遮挡程度是否影响人脸识别,若识别度系数大于预设阈值,则说明人脸遮挡程度不影响人脸识别,才可继续进行人脸识别,避免无效的运算,降低运算压力;从采集到的所述超声波信号中提取所述待识别人物的人脸超声波特征数据;将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息;所述特征数据模板包括指定用户的身份信息和所述指定用户人脸对应的图像特征数据和超声波特征数据。通过将人脸图像信息与采集到的人脸超声波信号相结合,补充采集的人脸图像信息由于过曝或被遮挡等问题缺失的人脸信息,使得人脸识别过程能顺利准确进行,从而提高了人脸识别的准确性。相应地,本发明还提供人脸识别装置及设备。
实施例三
请参阅图3,本发明实施例还提供一种终端设备即计算机终端设备,包括一个或多个处理器和存储器。存储器与所述处理器耦接,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任意一个实施例所述的人脸识别方法。
处理器用于控制该计算机终端设备的整体操作,以完成上述的基于人脸识别的终端设备控制装置100的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作,这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令,以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random AccessMemory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable ProgrammableRead-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在一示例性实施例中,计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit,简称AS1C) 、数字信号处理器(DigitalSignal Processor,简称DSP) 、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD) 、现场可编程门阵列(Field Programmable Gate Array ,简称FPGA) 、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的基于人脸识别的终端设备控制方法,并达到如上述方法一致的技术效果。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现如上述任意一个实施例所述的基于人脸识别的终端设备控制方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器,上述程序指令可由计算机终端设备的处理器执行以完成上述的基于人脸识别的终端设备控制方法,并达到如上述方法一致的技术效果。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种人脸识别方法,其特征在于,所述方法包括:
采集待识别人物的人脸图像信息;
对所述人脸图像信息进行图像特征提取,得到所述待识别人物的人脸图像特征数据;
将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数;
若所述识别度系数大于预设阈值,则采集所述待识别人物人脸所反射的超声波信号;
从采集到的所述超声波信号中提取所述待识别人物的人脸超声波特征数据;
将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息;所述特征数据模板包括指定用户的身份信息和所述指定用户人脸对应的图像特征数据和超声波特征数据。
2.根据权利要求1所述的人脸识别方法,其特征在于,所述将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数,具体包括:
通过分类器对所述人脸图像特征数据进行人脸区域划分,得到若干预设人脸部位区域内对应的特征数据合集;所述预设人脸部位包括眼睛、额头、鼻子、嘴巴、脸颊和下巴;
将所述若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权,之后根据赋权后的特征数据合集计算得到识别度系数。
3.根据权利要求2所述的人脸识别方法,其特征在于,所述神经网络包含各个预设人脸部位区域对应的权重值;
所述将所述若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权,之后根据赋权后的特征数据合集计算得到识别度系数,具体包括:
通过所述神经网络将各个所述预设人脸部位区域内对应的特征数据合集与所述预设人脸部位区域对应的权重值进行卷积,得到各个所述预设人脸部位区域内对应的含权特征数据;
对所有所述含权特征数据求和后进行归一化处理,生成识别度系数。
4.根据权利要求3所述的人脸识别方法,其特征在于,在将所述若干预设人脸部位区域内对应的特征数据合集输入神经网络赋权,之后根据赋权后的特征数据合集计算得到识别度系数之前,还包括:
根据接收到的识别指令获取采集到的历史人脸图像信息;所述识别指令包括目标人脸部位;
提取所述历史人脸图像信息中所述目标人脸部位的特征数据,得到样本数据;
将所述样本数据输入所述神经网络进行迭代训练,以增大所述神经网络中所述目标人脸部位的权重,获得更新后的神经网络。
5.根据权利要求1所述的人脸识别方法,其特征在于,在将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数之后,还包括:
若所述识别度系数小于预设阈值,则重新采集待识别人物的人脸图像信息。
6.根据权利要求1所述的人脸识别方法,其特征在于,所述人脸图像信息为可见光图像信息或红外图像信息。
7.根据权利要求1所述的人脸识别方法,其特征在于,所述将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息,具体包括:
通过聚类法将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行聚类,确定所述人脸图像特征数据和所述人脸超声波特征数据的聚类中心所对应的指定用户为目标用户;
输出所述目标用户的身份信息。
8.根据权利要求7所述的人脸识别方法,其特征在于,在通过聚类法将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行聚类之后,还包括:
若所述人脸图像特征数据和所述人脸超声波特征数据的聚类中心无所对应的指定用户,则输出识别失败的结果。
9.一种人脸识别装置,其特征在于,包括:
人脸图像信息采集模块,用于采集待识别人物的人脸图像信息;
第一特征提取模块,用于对所述人脸图像信息进行图像特征提取,得到所述待识别人物的人脸图像特征数据;
系数计算模块,用于将所述人脸图像特征数据输入识别度模型以进行人脸可识别度计算,得到识别度系数;
超声波信号采集模块,用于若所述识别度系数大于预设阈值,则采集所述待识别人物人脸所反射的超声波信号;
第二特征提取模块,用于从采集到的所述超声波信号中提取所述待识别人物的人脸超声波特征数据;
识别模块,用于将所述人脸图像特征数据和所述人脸超声波特征数据分别与预设特征数据库中各个特征数据模板进行比对,获得所述待识别人物的身份识别信息;所述特征数据模板包括指定用户的身份信息和所述指定用户人脸对应的图像特征数据和超声波特征数据。
10.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的人脸识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210407077.5A CN114511914B (zh) | 2022-04-19 | 2022-04-19 | 人脸识别方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210407077.5A CN114511914B (zh) | 2022-04-19 | 2022-04-19 | 人脸识别方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114511914A true CN114511914A (zh) | 2022-05-17 |
CN114511914B CN114511914B (zh) | 2022-08-02 |
Family
ID=81555409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210407077.5A Active CN114511914B (zh) | 2022-04-19 | 2022-04-19 | 人脸识别方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114511914B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100150450A1 (en) * | 2008-12-11 | 2010-06-17 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and image capturing apparatus |
CN106980836A (zh) * | 2017-03-28 | 2017-07-25 | 北京小米移动软件有限公司 | 身份验证方法及装置 |
CN110135362A (zh) * | 2019-05-19 | 2019-08-16 | 北京深醒科技有限公司 | 一种基于红外摄像头下的人脸快速识别方法 |
CN110688973A (zh) * | 2019-09-30 | 2020-01-14 | Oppo广东移动通信有限公司 | 设备控制方法及相关产品 |
CN111738078A (zh) * | 2020-05-19 | 2020-10-02 | 云知声智能科技股份有限公司 | 一种人脸识别方法和装置 |
CN112183219A (zh) * | 2020-09-03 | 2021-01-05 | 广州市标准化研究院 | 一种基于人脸识别的公共安全视频监测方法及*** |
CN112613432A (zh) * | 2020-12-28 | 2021-04-06 | 杭州海关技术中心 | 一种基于人脸-人眼检测的“水客”判定海关查验*** |
-
2022
- 2022-04-19 CN CN202210407077.5A patent/CN114511914B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100150450A1 (en) * | 2008-12-11 | 2010-06-17 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and image capturing apparatus |
CN106980836A (zh) * | 2017-03-28 | 2017-07-25 | 北京小米移动软件有限公司 | 身份验证方法及装置 |
CN110135362A (zh) * | 2019-05-19 | 2019-08-16 | 北京深醒科技有限公司 | 一种基于红外摄像头下的人脸快速识别方法 |
CN110688973A (zh) * | 2019-09-30 | 2020-01-14 | Oppo广东移动通信有限公司 | 设备控制方法及相关产品 |
CN111738078A (zh) * | 2020-05-19 | 2020-10-02 | 云知声智能科技股份有限公司 | 一种人脸识别方法和装置 |
CN112183219A (zh) * | 2020-09-03 | 2021-01-05 | 广州市标准化研究院 | 一种基于人脸识别的公共安全视频监测方法及*** |
CN112613432A (zh) * | 2020-12-28 | 2021-04-06 | 杭州海关技术中心 | 一种基于人脸-人眼检测的“水客”判定海关查验*** |
Non-Patent Citations (1)
Title |
---|
晏清微: "人脸检测方法的研究", 《计算机安全》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114511914B (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8295556B2 (en) | Apparatus and method for determining line-of-sight direction in a face image and controlling camera operations therefrom | |
EP2009577B1 (en) | Image-processing apparatus and method, program, and storage medium | |
CN110245561B (zh) | 一种人脸识别方法及装置 | |
KR101426952B1 (ko) | 정보처리 장치, 정보처리 방법, 개인 식별 장치 및 개인 식별 장치에서 사전 데이터 생성/갱신 방법 | |
WO2019137131A1 (zh) | 图像处理方法、装置、存储介质及电子设备 | |
US10529103B2 (en) | Image processing apparatus and method for collating a plurality of images | |
CN112364827B (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN113449704B (zh) | 人脸识别模型训练方法、装置、电子设备及存储介质 | |
WO2020172870A1 (zh) | 一种目标对象的移动轨迹确定方法和装置 | |
JP5648452B2 (ja) | 画像処理プログラムおよび画像処理装置 | |
CN116128814A (zh) | 舌诊图像的标准化采集方法及相关装置 | |
KR102369152B1 (ko) | 인공지능을 이용한 실시간 자세 동작 인식 시스템 및 인식 방법 | |
CN114511914B (zh) | 人脸识别方法、装置及终端设备 | |
CN113239774A (zh) | 一种视频人脸识别***及方法 | |
CN113837006A (zh) | 一种人脸识别方法、装置、存储介质及电子设备 | |
CN117690583A (zh) | 基于物联网的康复护理交互式管理***及方法 | |
CN205541026U (zh) | 一种双路门禁装置 | |
CN110148234A (zh) | 校园刷脸接送交互方法、存储介质及*** | |
CN113038257B (zh) | 音量调节方法、装置、智能电视及计算机可读存储介质 | |
Amjed et al. | Noncircular iris segmentation based on weighted adaptive hough transform using smartphone database | |
CN114550266A (zh) | 人脸识别方法、装置、智能门锁及计算机可读存储介质 | |
CN114926878A (zh) | 一种基于一物一码对应场景下非监控远程人脸识别方法 | |
CN113469135A (zh) | 对象身份信息的确定方法、装置、存储介质及电子装置 | |
CN113378762A (zh) | 坐姿智能监测方法、装置、设备及存储介质 | |
CN112784703A (zh) | 一种基于多光谱的人员行动轨迹确定方法 |
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 |