CN115171197A - 一种高精度图像信息识别方法、***、设备及存储介质 - Google Patents
一种高精度图像信息识别方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN115171197A CN115171197A CN202211060835.7A CN202211060835A CN115171197A CN 115171197 A CN115171197 A CN 115171197A CN 202211060835 A CN202211060835 A CN 202211060835A CN 115171197 A CN115171197 A CN 115171197A
- Authority
- CN
- China
- Prior art keywords
- face
- picture
- target
- user
- video
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012216 screening Methods 0.000 claims abstract description 64
- 238000012790 confirmation Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 8
- 230000003068 static effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 102220465380 NF-kappa-B inhibitor beta_S23A_mutation Human genes 0.000 description 1
- 102220471758 Proteasome subunit alpha type-7_S24A_mutation Human genes 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 102220070930 rs794728599 Human genes 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Television Signal Processing For Recording (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及一种高精度图像信息识别方法、***、设备及存储介质,包括步骤当接收到来自摄像终端的代表已识别到人脸画面的确认指令时,向摄像终端发送录制指令,以控制摄像终端录制包含用户人脸的视频画面;预设的筛选模型实时识别录制的视频画面,并基于预设规则从视频画面中筛选一帧符合人脸识别要求的清晰的目标人脸图像。本申请具有方便柜台机器获取到高精度人脸图像,进而提升人脸识别的成功率,改善用户体验的效果。
Description
技术领域
本申请涉及图像处理的技术领域,尤其是涉及一种高精度图像信息识别方法、***、设备及存储介质。
背景技术
图像识别,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术,是应用深度学习算法的一种实践应用。 现阶段图像识别技术一般分为人脸识别与商品识别,而人脸识别主要运用在安全检查、身份核验与移动支付中。
其中,自助交易的柜台机器进行身份核验时,普遍采用1:1的人脸识别技术进行人证核对,在进行人脸图像采集时,需用户在摄像头前保持静止状态,以使摄像头拍摄瞬间能获取到用户高精度的人脸图像,再进一步对人脸图像进行识别。
但对于用户而言,其未能知晓摄像头何时拍摄人脸图像,若在拍摄人脸图像的瞬间用户处于晃动的状态,则人脸图像极易脱焦导致图像模糊,得到的人脸图像精度较低,从而导致人脸识别核验失败,需用户重新进行一遍人脸识别流程,柜台机器的用户体验感较差,因此需要改进。
发明内容
为了方便柜台机器获取到高精度人脸图像,进而提升人脸识别的成功率,改善用户体验。本申请提供了一种高精度图像信息识别方法、***、设备及存储介质。
本申请的上述发明目的一是通过以下技术方案得以实现的:
一种高精度图像信息识别方法,包括步骤:
当接收到来自摄像终端的代表已识别到人脸画面的确认指令时,向摄像终端发送录制指令,以控制摄像终端录制包含用户人脸的视频画面;
预设的筛选模型实时识别录制的视频画面,并基于预设规则从视频画面中筛选一帧符合人脸识别要求的清晰的目标人脸图像。
通过采用上述技术方案,用户在操作柜台机器进行人脸识别流程时,用户正对摄像终端,当摄像终端发出确认指令后,即代表能够获取到用户的人脸画面,人脸画面是指清晰的人脸画面,进一步控制摄像终端开始录制包含用户的人脸画面的视频画面,通过筛选模型实时对视频画面的监控识别,并在实时播放的视频画面中截取、筛选一帧符合人脸识别要求的目标人脸图像作为人脸识别的识别对象,即能够筛选出一帧包含用户清晰人脸的视频画面,进一步将视频画面中的人脸图像作为目标人脸图像;则用户在进行人脸识别的过程中,采用视频录制的方式,能够增大获取到用户高精度人脸图像的概率,当用户在人脸识别过程中出现轻微的晃动时,筛选模型能够识别出该时刻视频画面中用户人脸脱焦、精度较低,即暂时不截取该视频画面,待用户静止时,筛选模型再筛选此时用户静止的一帧目标人脸图像,因此,提升了清晰的用户人脸图像获取的概率,方便柜台机器获取到高精度人脸图像,进而提升人脸识别的成功率,改善用户体验。
本申请在一较佳示例中:所述预设的筛选模型实时识别录制的视频画面,并基于预设规则从视频画面中筛选一帧符合人脸识别要求的清晰的目标人脸图像的步骤,包括:
筛选模型实时获取视频画面中存在人脸画面的目标区域;
实时判断目标区域的数量,并判断目标区域内的人脸画面是否符合标准画质;
当仅存在单个目标区域时,若符合标准画质,则向摄像终端发出截取指令以截取此时的视频画面,得到目标人脸图像。
通过采用上述技术方案,由于柜台机器通常置于开放场所,摄像终端在录制时,视频画面中易出现非用户的人脸画面,因此筛选模型在筛选前,先获取视频画面中存在人脸画面的区域,即获取目标区域,若目标区域仅一个,即仅获取到用户的人脸画面,且目标区域中的人脸画面符合标准画质时,则证明此时清晰的人脸画面为用户的清晰的人脸画面,则将该人脸画面作为目标人脸图像,因此,对于目标区域数量的判断,能够提升目标人脸图像获取的准确性,当仅一个目标区域且人脸画面符合画质标准则截取视频画面,提升目标人脸图像筛选的效率。
本申请在一较佳示例中,所述实时判断目标区域的数量的步骤之后,还执行如下步骤:
若预设时长内目标区域的数量均为两个或两个以上;则基于预设的目标区域判断规则,从若干目标区域中筛选出人脸画面为用户的用户目标区域。
通过采用上述技术方案,若视频画面中一直存在两个或以上的目标区域,即一直存在非用户的人脸画面;为了提升目标人脸图像获取的效率,通过设置预设时长,若预设时长内目标区域数量仍在两个或以上,则将若干目标区域依据目标区域判断规则进行比对,筛选出人脸画面为用户的用户目标区域,有效缩短目标人脸图像的获取时长,提升用户体验感。
本申请在一较佳示例中:所述则基于预设的目标区域判断规则,从若干目标区域中筛选出人脸画面为用户的用户目标区域的步骤,包括:
获取若干目标区域在视频画面中的坐标信息,将若干坐标信息与预设的中心坐标逐一进行坐标距离计算,得到距离数据并乘以对应的权重系数;
获取若干目标区域在视频画面中的轮廓面积数据,将若干轮廓面积数据与标准轮廓面积进行比对,得到面积差值数据并乘以对应的权重系数;
将距离数据与权重系数的乘积加上面积差值数据与权重系数的乘积得到比对值;
将最小的比对值对应的目标区域作为用户目标区域。
通过采用上述技术方案,由于用户站在柜台机器的摄像终端前方,因此能用户的人脸图像通常处在视频画面中的中间位置,即能够将中心坐标设置在视频画面的中心处,通过计算若干目标区域在视频画面中的坐标与中心坐标的距离,能够大概率确定用户目标区域,进一步,将用户站在柜台机器前时摄像终端拍摄的人脸画面大小作为标准轮廓面积,为了防止非用户人员的人脸图像出现在用户的前方且更靠近中心坐标,因此对人脸画面的轮廓面积数据进行比对,并根据各自的影响程度乘以对应的权重系数,最终通过目标区域的坐标和人脸画面的轮廓面积数据两个影响因素确定用户目标区域,实现在多个目标区域中精准定位人脸画面为用户的目标区域。
本申请在一较佳示例中:所述预设的筛选模型实时识别录制的视频画面,并基于预设规则从视频画面中筛选一帧符合人脸识别要求的清晰的目标人脸图像的步骤之后,执行如下步骤:
向摄像终端发送录制取消指令,并在预设的缓存时长后,将目标人脸图像删除。
通过采用上述技术方案,由于摄像终端在录制过程中,筛选模型实时对视频画面进行监控和识别,因此当筛选模型筛选到一帧目标人脸图像后,通过取消录制指令,所录制的视频未进行保存,减缓了摄像终端的内存压力;而目标人脸图像并非立即删除,而是经过一段自定义的缓存时长后再进行删除,以便工作人员获知柜台机器的人员使用记录。
本申请在一较佳示例中:所述筛选模型实时获取视频画面中存在人脸画面的目标区域的步骤之后,执行如下步骤:
若用户所访问的界面需要现场工作人员进行协助操作,则向用户终端发送用于提示现场工作人员进入视频画面的提示消息;
将目标区域中的人脸画面与预存储的工作人员的人脸证件图像进行匹配;
当人脸画面与人脸证件图像匹配成功时,该匹配成功的人脸画面所在的目标区域不计入视频画面中目标区域的数量。
通过采用上述技术方案,当用户通过自助交易柜台机器访问安全系数较高或具有一定私密性的界面时,例如访问贷款界面、签名确认界面,需要现场工作人员、例如大堂经理进行协助操作以确保用户操作的准确性和安全性,因此,在进入需要现场工作人员协助的界面时,向用户终端发送提示消息以提示现场工作人员一同参与视频录制,摄像终端将视频画面中的人脸画面均与预存储的人脸证件图像进行匹配,若匹配成功,则证明现场工作人员已协助用户完成访问的认证,进一步该匹配成功的人脸画面所在的目标区域则不参与目标区域的计数,为用户的目标人脸图像的获取排除干扰,提升用户目标人脸图像的获取效率。
本申请在一较佳示例中:所述筛选模型实时获取视频画面中存在人脸画面的目标区域的步骤,包括:
筛选模型实时捕捉视频画面中的人脸画面,并判断人脸画面在视频画面中是否处于移动状态;
若人脸画面在预设的时间内均处于移动状态,则该人脸画面所在区域未判断为目标区域。
通过采用上述技术方案,筛选模型在进行目标区域的计数时,若视频画面中存在预设的时间内均处于移动状态的人脸画面时,证明该人脸画面并非使用柜台机器的用户,则未判定该移动的人脸画面为目标区域,为目标人脸图像的获取排出更多的干扰,提升目标人脸图像的获取效率。
本申请的上述发明目的二是通过以下技术方案得以实现的:
一种高精度图像信息识别***,包括:
录制模块,用于当接收到来自摄像终端的代表已识别到人脸画面的确认指令时,向摄像终端发送录制指令,以控制摄像终端录制包含用户人脸的视频画面;
图像筛选模块,用于预设的筛选模型实时识别录制的视频画面,并基于预设规则从视频画面中筛选一帧符合人脸识别要求的清晰的目标人脸图像。
通过采用上述技术方案,用户在操作柜台机器进行人脸识别流程时,用户正对摄像终端,当摄像终端发出确认指令后,即代表能够获取到用户的人脸画面,人脸画面是指清晰的人脸画面,进一步控制摄像终端开始录制包含用户的人脸画面的视频画面,通过筛选模型实时对视频画面的监控识别,并在实时播放的视频画面中截取、筛选一帧符合人脸识别要求的目标人脸图像作为人脸识别的识别对象,即能够筛选出一帧包含用户清晰人脸的视频画面,进一步将视频画面中的人脸图像作为目标人脸图像;则用户在进行人脸识别的过程中,采用视频录制的方式,能够增大获取到用户高精度人脸图像的概率,当用户在人脸识别过程中出现轻微的晃动时,筛选模型能够识别出该时刻视频画面中用户人脸脱焦、精度较低,即暂时不截取该视频画面,待用户静止时,筛选模型再筛选此时用户静止的一帧目标人脸图像,因此,提升了清晰的用户人脸图像获取的概率,方便柜台机器获取到高精度人脸图像,进而提升人脸识别的成功率,改善用户体验。
本申请的上述目的三是通过以下技术方案得以实现的:
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现一种高精度图像信息识别方法的步骤。
本申请的上述目的四是通过以下技术方案得以实现的:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现一种高精度图像信息识别方法的步骤。
综上所述,本申请包括以下至少一种有益技术效果:
1.当用户在人脸识别过程中出现轻微的晃动时,筛选模型能够识别出该时刻视频画面中用户人脸脱焦、精度较低,即暂时不截取该视频画面,待用户静止时,筛选模型再筛选此时用户静止的一帧目标人脸图像,因此,提升了清晰的用户人脸图像获取的概率,提升人脸识别的成功率,改善用户体验;
2.通过设置预设时长,若预设时长内目标区域数量仍在两个或以上,则将若干目标区域依据目标区域判断规则进行比对,筛选出人脸画面为用户的用户目标区域,有效缩短目标人脸图像的获取时长,提升用户体验感;
3.对人脸画面的轮廓面积数据进行比对,并根据各自的影响程度乘以对应的权重系数,最终通过目标区域的坐标和人脸画面的轮廓面积数据两个影响因素确定用户目标区域,实现在多个目标区域中精准定位人脸画面为用户的目标区域。
4.摄像终端将视频画面中的人脸画面均与预存储的人脸证件图像进行匹配,若匹配成功,则证明现场工作人员已协助用户完成访问的认证,进一步该匹配成功的人脸画面所在的目标区域则不参与目标区域的计数,为用户的目标人脸图像的获取排除干扰,提升用户目标人脸图像的获取效率。
附图说明
图1是本申请一种高精度图像信息识别方法的一实现流程图;
图2是本申请一种高精度图像信息识别方法的另一实现流程图;
图3是本申请一种高精度图像信息识别方法的另一实现流程图;
图4是本申请一种高精度图像信息识别方法的另一实现流程图;
图5是本申请一种计算机设备的结构框图。
具体实施方式
以下结合附图1-5对本申请作进一步详细说明。
在一实施例中,如图1所示,本申请公开了一种高精度图像信息识别方法,具体包括如下步骤:
S10:当用户欲通过柜台机器访问需要人脸识别的界面时,摄像终端即发出确认指令,当接收到来自摄像终端的代表已识别到人脸画面的确认指令时,向摄像终端发送录制指令,以控制摄像终端录制包含用户人脸的视频画面;
在本实施例中,摄像终端是指固定安装在柜台机器上,具有拍摄、录像功能的摄像装置,人脸画面是指摄像设备获取到的对焦后的清晰用户人脸画面,录制指令用于控制摄像终端开启录像功能,视频画面是指摄像终端所拍摄到的画面。
具体的,当摄像终端拍摄到用户对焦后的清晰人脸画面时发出确认指令,进一步接收到该确认指令后,向该摄像终端发出用于控制录像功能启动的录制指令,摄像终端接收到录制指令后开始录像,以获取用户的人脸画面的视频画面。
S20:预设的筛选模型实时识别录制的视频画面,并基于预设规则从视频画面中筛选一帧符合人脸识别要求的清晰的目标人脸图像;
在本实施例中,筛选模型为经过训练的视频分析模型,能够通过特征比对定位视频画面中的人脸画面,并能够对视频画面的清晰度进行识别;预设规则即筛查的标准、条件,符合人脸识别要求是指人脸识别流程中,对能够识别成功的人脸画面的要求,首先人脸画面为用户本人,进一步要求人脸画面清晰;目标人脸图像即所筛选的视频画面中用户本人清晰的人脸画面图片。
具体的,筛选模型实时识别摄像终端所录制的视频画面,筛选模型基于预先设置的筛查标准和条件,在实时录制获取到的视频画面中筛选出一帧人脸识别流程中能够识别成功的用户本人的清晰人脸画面。
在一实施例中,参照图2,步骤S20包括:
S21:筛选模型实时获取视频画面中存在人脸画面的目标区域;
S22:实时判断目标区域的数量,并判断目标区域内的人脸画面是否符合标准画质;
S23:当仅存在单个目标区域时,若符合标准画质,则向摄像终端发出截取指令以截取此时的视频画面,得到目标人脸图像。
在本实施例中,目标区域是指视频画面中存在人脸画面的画面区域,由于摄像终端拍摄正前方视频画面时,易有其他非用户人员同时出现在视频画面内,因此视频画面的目标区域为一个或以上;符合标准画质是指人脸画面的清晰度,可通过算图像的拉普拉斯方差,如果拉普拉斯方差较高,那么人脸图像就有较广的频响范围,代表聚焦准确的图片,则人脸图像的模糊量数据较小,若拉普拉斯方差交底,则代表人脸图像的模糊量数据较大。
具体的,筛选模型实时获取视频画面中存在人脸画面的目标区域并计算目标区域的数量,同时将所获取到的目标区域内的人脸画面依据预设的标准画质进行清晰度判定;进一步当视频画面中仅存在单个目标区域时,则判定该目标区域内的人脸画面即为用户的人脸画面,若该人脸画面符合标准画质,则向摄像终端发出截取指令,以控制摄像终端的截频功能启动,截取此时摄像终端拍摄到的一帧视频画面,并将视频画面中的人脸画面作为目标人脸图像。
在一实施例中,步骤S22中“实时判断目标区域的数量”的步骤之后,执行如下步骤:
S221:若预设时长内目标区域的数量均为两个或两个以上;则基于预设的目标区域判断规则,从若干目标区域中筛选出人脸画面为用户的用户目标区域。
在本实施例中,预设时长为自定义设置的目标区域识别的限定时长,通常为1-2秒,预设时长的设置能够缩短目标人脸图像获取的所需时长,提升用户体验感。
目标区域判断规则能够准确辨认出用户人脸画面的所在的目标区域。
具体的,开始录制视频画面后,若预设时长内视频画面中的人脸画面均为两个或两个以上,则需要从若干目标区域中筛选出用户人脸所在的目标区域,进一步,依据预设的目标区域判断规则,将若干目标区域进行比对并筛选出用户人脸画面所在的目标区域;作为用户目标区域,进而在进行人脸识别时,将该用户目标区域内的人脸图像作为目标人脸图像。
在一实施例中,参照图3,步骤S221,包括步骤:
S2211:获取若干目标区域在视频画面中的坐标信息,将若干坐标信息与预设的中心坐标逐一进行坐标距离计算,得到距离数据并乘以对应的权重系数;
S2212:获取若干目标区域在视频画面中的轮廓面积数据,将若干轮廓面积数据与标准轮廓面积进行比对,得到面积差值数据并乘以对应的权重系数;
S2213:将距离数据与权重系数的乘积加上面积差值数据与权重系数的乘积得到比对值;
S2214:将最小的比对值对应的目标区域作为用户目标区域。
在本实施例中,由于目标区域具有一定的范围,因此将目标区域的中心像素点的坐标作为目标区域的坐标信息,中心坐标是指摄像终端拍摄的视频画面的正中心,通过勾股定理可计算出坐标信息与中心坐标之间的直线距离。
轮廓面积数据是指视频画面中某一目标区域的像素点面积占比,目标区域呈矩形,通过计算矩形的目标区域的面积即能够得到轮廓面积数据。标准轮廓面积是指用户身体直立处于柜台机器正前方时,其人脸画面所在目标区域的轮廓面积。
基于计算距离数据和计算面积差值数据两种方式对于用户目标区域确定因素的影响,分别为距离数据和面积差值数据赋予对应的权重系数,本实施例中距离数据对应的权重系数为0.6,面积差值数据对应的权重系数为0.4。
具体的,获取若干目标区域在视频画面中的中心像素点,将中心像素点的坐标作为目标区域的坐标信息,采用勾股定理,将若干坐标信息与预设的中心坐标逐一进行坐标距离计算,得到距离数据并乘以对应的权重系数0.6。
进一步通过每个目标区域的像素点,计算若干目标区域在视频画面中的轮廓面积数据,将若干轮廓面积数据与标准轮廓面积差值计算,得到面积差值数据并乘以对应的权重系数0.4。
最后通过公式比对值=距离数据×0.6+面积差值数据×0.4。计算每个目标区域的比对值大小,将比对值最小的目标区域作为用户目标区域。
在一实施例中,步骤S20之后,执行如下步骤:
S30:向摄像终端发送录制取消指令,并在预设的缓存时长后,将目标人脸图像删除。
在本实施例中,由于摄像终端在录制过程中,筛选模型实时对视频画面进行监控和识别,因此当筛选模型筛选到一帧目标人脸图像后,通过取消录制指令,所录制的视频未进行保存,减缓了摄像终端的内存压力。
缓存时长的设置,通常为一周至一个月的时间,以便工作人员通过目标人脸图像获知柜台机器的人员使用记录。
具体的,当获取到用于进行人脸识别的用户的目标人脸图像后,向摄像终端发送录制取消指令,并在预设的缓存时长后将缓存的目标人脸图像删除。
在一实施例中,参照图4,步骤S21之后,还执行如下步骤:
S22A:若用户所访问的界面需要现场工作人员进行协助操作,则向用户终端发送用于提示现场工作人员进入视频画面的提示消息;
S23A:将目标区域中的人脸画面与预存储的工作人员的人脸证件图像进行匹配;
S24A:当人脸画面与人脸证件图像匹配成功时,该匹配成功的人脸画面所在的目标区域不计入视频画面中目标区域的数量。
在本实施例中,用户通过自助交易柜台机器访问安全系数较高或具有一定私密性的界面时,例如访问贷款界面、签名确认界面,则需要现场工作人员进行协助人脸测试和操作、例如大堂经理进行人脸识别和协助操作以确保用户操作的准确性和安全性。
提示消息为文本消息,例如“人脸识别程序需工作人员协助完成”;
具体的,若用户所访问的界面需现场工作人员进行协助人脸识别,则向用户终端发送用于提示现场工作人员进入视频画面的提示消息,待现场工作人员进入视频画面后,将视频画面中所有目标区域内的人脸画面逐一与预存储的工作人员的人脸证件图像进行特征比对,当工作人员的人脸画面匹配成功时,则该工作人员人脸画面所在的目标区域则不计入视频画面中目标区域的数量,为用户的目标人脸图像的获取排除干扰,提升用户目标人脸图像的获取效率。同时,工作人员的人脸图像也有效阻挡了其他非用户人员的人脸图像,进一步提升了目标人脸图像的获取效率。
在一实施例中,步骤S21包括:
S211:筛选模型实时捕捉视频画面中的人脸画面,并判断人脸画面在视频画面中是否处于移动状态;
S212:若人脸画面在预设的时间内均处于移动状态,则该人脸画面所在区域未判断为目标区域。
本实施例中,预设的时间通常为1s。
具体的,视频画面录制时,易出现移动的非用户人员在视频画面中,为了使目标区域的判定不易出现误判,将预设时间内均处于移动状态的人脸画面均判定为干扰项,即不将其判定为目标区域,为目标人脸图像的获取排出更多的干扰,提升目标人脸图像的获取效率。
在一实施例中,步骤S10之前,执行如下步骤:
S01:当摄像终端捕捉到人脸画面时,向摄像终端发送校准启动指令以使摄像终端校准该人脸画面的持续存在时长;
S02:若人脸画面的持续存在时长达到预设时长,则摄像终端输出确认指令。
在本实施例中,校准启动指令用于校准摄像终端捕捉的人脸画面的存在时长,预防经过柜台机器的人员误触发摄像终端进行视频录制;预设时长可自定义设置,通常预设时长设置在1-2秒之间,以确保仅在有人脸识别需求时触发摄像终端的视频录制功能。进一步,若在预设时间摄像终端捕捉到的人脸画面丢失,则预设时长重置。
具体的,当摄像终端捕捉到人脸画面时,则向摄像终端发送校准启动指令,以使摄像终端开启倒计时以校准该人脸画面存在的时长,若该人脸画面存在时长达到了预设时长,则摄像终端自动发出代表已获取到用户清晰人脸画面的确认指令。
进一步,若在预设时长内摄像终端捕捉的人脸画面丢失,则预设时长重置,在其他实施例中,对预设时长内所捕捉的人脸画面进行实时的特征识别,当预设时长内摄像终端捕捉的人脸画面出现变更时,则预设时长重置。
在一实施例中,用户操作柜台机器进行人脸识别时,用户静止站立在柜台机器前方且正对摄像终端,摄像终端完成对焦后并接收到录制指令以获取视频画面。
实时判断视频画面中目标区域的数量,若此时仅存在单个目标区域,且判断目标区域内的人脸画面是否符合画质标准,则向摄像终端发出截取指令以截取此时的视频画面,从视频画面中获取用户的人脸画面,即得到目标人脸图像。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在一实施例中,提供一种高精度图像信息识别***,该高精度图像信息识别***与上述实施例中高精度图像信息识别方法对应。该高精度图像信息识别***包括:
录制模块,用于当接收到来自摄像终端的代表已识别到人脸画面的确认指令时,向摄像终端发送录制指令,以控制摄像终端录制包含用户人脸的视频画面;
图像筛选模块,用于预设的筛选模型实时识别录制的视频画面,并基于预设规则从视频画面中筛选一帧符合人脸识别要求的清晰的目标人脸图像。
可选的,图像筛选模块包括:
目标区域获取子模块,用于筛选模型实时获取视频画面中存在人脸画面的目标区域;
数量画质判定子模块,用于实时判断目标区域的数量,并判断目标区域内的人脸画面是否符合标准画质;
截取子模块,用于当仅存在单个目标区域时,若符合标准画质,则向摄像终端发出截取指令以截取此时的视频画面,得到目标人脸图像。
可选的,还包括:
用户目标区域模块,用于若预设时长内目标区域的数量均为两个或两个以上;则基于预设的目标区域判断规则,从若干目标区域中筛选出人脸画面为用户的用户目标区域。
可选的,用户目标区域模块包括:
坐标计算子模块,用于获取若干目标区域在视频画面中的坐标信息,将若干坐标信息与预设的中心坐标逐一进行坐标距离计算,得到距离数据并乘以对应的权重系数;
面积计算子模块, 用于获取若干目标区域在视频画面中的轮廓面积数据,将若干轮廓面积数据与标准轮廓面积进行比对,得到面积差值数据并乘以对应的权重系数;
比对值计算子模块,用于将距离数据与权重系数的乘积加上面积差值数据与权重系数的乘积得到比对值;
比对值筛选子模块,用于将最小的比对值对应的目标区域作为用户目标区域。
可选的,还包括:
取消指令模块,用于向摄像终端发送录制取消指令,并在预设的缓存时长后,将目标人脸图像删除。
可选的,还包括:
提示模块,用于若用户所访问的界面需要现场工作人员进行协助操作,则向用户终端发送用于提示现场工作人员进入视频画面的提示消息;
证件匹配模块,用于将目标区域中的人脸画面与预存储的工作人员的人脸证件图像进行匹配;
筛除模块,用于当人脸画面与人脸证件图像匹配成功时,该匹配成功的人脸画面所在的目标区域不计入视频画面中目标区域的数量。
可选的,还包括:
移动判断模块,用于筛选模型实时捕捉视频画面中的人脸画面,并判断人脸画面在视频画面中是否处于移动状态;
移动筛除模块,用于若人脸画面在预设的时间内均处于移动状态,则该人脸画面所在区域未判断为目标区域。
可选的,目标区域获取子模块包括:
时长校准模块,用于当摄像终端捕捉到人脸画面时,向摄像终端发送校准启动指令以使摄像终端校准该人脸画面的持续存在时长;
确认发送模块,用于若人脸画面的持续存在时长达到预设时长,则摄像终端输出确认指令。
关于高精度图像信息识别***的具体限定可以参见上文中对于高精度图像信息识别方法的限定,在此不再赘述。上述高精度图像信息识别***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机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***、计算机程序和数据库。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。该计算机设备的数据库用于存储目标人脸图像以及筛选模型。该计算机程序被处理器执行时以实现高精度图像信息识别方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现高精度图像信息识别方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现高精度图像信息识别方法。
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,所述的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。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述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精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种高精度图像信息识别方法,其特征在于,包括步骤:
当接收到来自摄像终端的代表已识别到人脸画面的确认指令时,向摄像终端发送录制指令,以控制摄像终端录制包含用户人脸的视频画面;
预设的筛选模型实时识别录制的视频画面,并基于预设规则从视频画面中筛选一帧符合人脸识别要求的清晰的目标人脸图像。
2.根据权利要求1所述的一种高精度图像信息识别方法,其特征在于,所述预设的筛选模型实时识别录制的视频画面,并基于预设规则从视频画面中筛选一帧符合人脸识别要求的清晰的目标人脸图像的步骤,包括:
筛选模型实时获取视频画面中存在人脸画面的目标区域;
实时判断目标区域的数量,并判断目标区域内的人脸画面是否符合标准画质;
当仅存在单个目标区域时,若人脸画面符合标准画质,则向摄像终端发出截取指令以截取此时的视频画面,得到目标人脸图像。
3.根据权利要求2所述的一种高精度图像信息识别方法,其特征在于,所述实时判断目标区域的数量的步骤之后,还执行如下步骤:
若预设时长内目标区域的数量均为两个或两个以上;则基于预设的目标区域判断规则,从若干目标区域中筛选出人脸画面为用户的用户目标区域;
判断用户目标区域内的人脸画面是否符合标准画质。
4.根据权利要求3所述的一种高精度图像信息识别方法,其特征在于,所述则基于预设的目标区域判断规则,从若干目标区域中筛选出人脸画面为用户的用户目标区域的步骤,包括:
获取若干目标区域在视频画面中的坐标信息,将若干坐标信息与预设的中心坐标逐一进行坐标距离计算,得到距离数据并乘以对应的权重系数;
获取若干目标区域在视频画面中的轮廓面积数据,将若干轮廓面积数据与标准轮廓面积进行比对,得到面积差值数据并乘以对应的权重系数;
将距离数据与权重系数的乘积加上面积差值数据与权重系数的乘积得到比对值;
将最小的比对值对应的目标区域作为用户目标区域。
5.根据权利要求1所述的一种高精度图像信息识别方法,其特征在于,所述预设的筛选模型实时识别录制的视频画面,并基于预设规则从视频画面中筛选一帧符合人脸识别要求的清晰的目标人脸图像的步骤之后,执行如下步骤:
向摄像终端发送录制取消指令,并在预设的缓存时长后,将目标人脸图像删除。
6.根据权利要求2所述的一种高精度图像信息识别方法,其特征在于,所述筛选模型实时获取视频画面中存在人脸画面的目标区域的步骤之后,执行如下步骤:
若用户所访问的界面需要现场工作人员进行协助操作,则向用户终端发送用于提示现场工作人员进入视频画面的提示消息;
将目标区域中的人脸画面与预存储的工作人员的人脸证件图像进行匹配;
当人脸画面与人脸证件图像匹配成功时,该匹配成功的人脸画面所在的目标区域不计入视频画面中目标区域的数量。
7.根据权利要求2所述的一种高精度图像信息识别方法,其特征在于,所述筛选模型实时获取视频画面中存在人脸画面的目标区域的步骤,包括:
筛选模型实时捕捉视频画面中的人脸画面,并判断人脸画面在视频画面中是否处于移动状态;
若人脸画面处于移动状态,则该人脸画面所在区域未判断为目标区域。
8.一种高精度图像信息识别***,其特征在于,包括:
录制模块,用于当接收到来自摄像终端的代表已识别到人脸画面的确认指令时,向摄像终端发送录制指令,以控制摄像终端录制包含用户人脸的视频画面;
图像筛选模块,用于预设的筛选模型实时识别录制的视频画面,并基于预设规则从视频画面中筛选一帧符合人脸识别要求的清晰的目标人脸图像。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述高精度图像信息识别方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述高精度图像信息识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211060835.7A CN115171197B (zh) | 2022-09-01 | 2022-09-01 | 一种高精度图像信息识别方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211060835.7A CN115171197B (zh) | 2022-09-01 | 2022-09-01 | 一种高精度图像信息识别方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115171197A true CN115171197A (zh) | 2022-10-11 |
CN115171197B CN115171197B (zh) | 2023-05-16 |
Family
ID=83481589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211060835.7A Active CN115171197B (zh) | 2022-09-01 | 2022-09-01 | 一种高精度图像信息识别方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115171197B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953726A (zh) * | 2023-03-14 | 2023-04-11 | 深圳中集智能科技有限公司 | 机器视觉的集装箱箱面破损检测方法和*** |
CN117253195A (zh) * | 2023-11-13 | 2023-12-19 | 广东申立信息工程股份有限公司 | 一种ipc安全监测方法、监测***、计算机设备和可读存储介质 |
CN117273571A (zh) * | 2023-10-12 | 2023-12-22 | 江苏泓鑫科技有限公司 | 一种基于区块链的智慧港口作业数据管理***与方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109326058A (zh) * | 2018-08-29 | 2019-02-12 | 中国建设银行股份有限公司 | 基于智慧柜员机的身份核查方法、装置、终端及可读介质 |
CN109729268A (zh) * | 2018-12-26 | 2019-05-07 | 武汉市澜创信息科技有限公司 | 一种人脸拍摄方法、装置、设备及介质 |
CN112036242A (zh) * | 2020-07-28 | 2020-12-04 | 重庆锐云科技有限公司 | 人脸图片采集方法、装置、计算机设备及存储介质 |
WO2020252917A1 (zh) * | 2019-06-20 | 2020-12-24 | 平安科技(深圳)有限公司 | 一种模糊人脸图像识别方法、装置、终端设备及介质 |
WO2021027537A1 (zh) * | 2019-08-15 | 2021-02-18 | 平安国际智慧城市科技股份有限公司 | 一种拍摄证件照的方法、装置、设备及存储介质 |
CN114638885A (zh) * | 2022-03-17 | 2022-06-17 | 广东工业大学 | 智能空间标注方法、***、电子设备及存储介质 |
-
2022
- 2022-09-01 CN CN202211060835.7A patent/CN115171197B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109326058A (zh) * | 2018-08-29 | 2019-02-12 | 中国建设银行股份有限公司 | 基于智慧柜员机的身份核查方法、装置、终端及可读介质 |
CN109729268A (zh) * | 2018-12-26 | 2019-05-07 | 武汉市澜创信息科技有限公司 | 一种人脸拍摄方法、装置、设备及介质 |
WO2020252917A1 (zh) * | 2019-06-20 | 2020-12-24 | 平安科技(深圳)有限公司 | 一种模糊人脸图像识别方法、装置、终端设备及介质 |
WO2021027537A1 (zh) * | 2019-08-15 | 2021-02-18 | 平安国际智慧城市科技股份有限公司 | 一种拍摄证件照的方法、装置、设备及存储介质 |
CN112036242A (zh) * | 2020-07-28 | 2020-12-04 | 重庆锐云科技有限公司 | 人脸图片采集方法、装置、计算机设备及存储介质 |
CN114638885A (zh) * | 2022-03-17 | 2022-06-17 | 广东工业大学 | 智能空间标注方法、***、电子设备及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953726A (zh) * | 2023-03-14 | 2023-04-11 | 深圳中集智能科技有限公司 | 机器视觉的集装箱箱面破损检测方法和*** |
CN115953726B (zh) * | 2023-03-14 | 2024-02-27 | 深圳中集智能科技有限公司 | 机器视觉的集装箱箱面破损检测方法和*** |
CN117273571A (zh) * | 2023-10-12 | 2023-12-22 | 江苏泓鑫科技有限公司 | 一种基于区块链的智慧港口作业数据管理***与方法 |
CN117273571B (zh) * | 2023-10-12 | 2024-04-02 | 江苏泓鑫科技有限公司 | 一种基于区块链的智慧港口作业数据管理***与方法 |
CN117253195A (zh) * | 2023-11-13 | 2023-12-19 | 广东申立信息工程股份有限公司 | 一种ipc安全监测方法、监测***、计算机设备和可读存储介质 |
CN117253195B (zh) * | 2023-11-13 | 2024-02-27 | 广东申立信息工程股份有限公司 | 一种ipc安全监测方法、监测***、计算机设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115171197B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115171197B (zh) | 一种高精度图像信息识别方法、***、设备及存储介质 | |
CN109743541B (zh) | 智能监控方法、装置、计算机设备及存储介质 | |
CN110705507B (zh) | 一种身份识别方法及装置 | |
CN109002786B (zh) | 人脸检测方法、设备及计算机可读存储介质 | |
CN110751025A (zh) | 基于人脸识别的业务办理方法、装置、设备及介质 | |
CN108269333A (zh) | 人脸识别方法、应用服务器及计算机可读存储介质 | |
CN110659397A (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
CN111191532A (zh) | 基于施工区域的人脸识别方法、装置、计算机设备 | |
US10970953B2 (en) | Face authentication based smart access control system | |
CN110969045B (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
CN111582179B (zh) | 监控视频分析方法、装置、计算机设备以及存储介质 | |
CN113780212A (zh) | 用户身份核验方法、装置、设备及存储介质 | |
CN113435362A (zh) | 异常行为检测方法、装置、计算机设备及存储介质 | |
CN111626240B (zh) | 一种人脸图像识别方法、装置、设备及可读存储介质 | |
CN105993022A (zh) | 利用脸部表情识别和认证的方法和*** | |
CN113569676B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110837901A (zh) | 云试驾预约审核方法及装置、存储介质、云服务器 | |
KR20230017454A (ko) | 비대면 평가에서의 부정행위 방지 방법, 장치 및 프로그램 | |
JP2022015864A (ja) | 映像解析装置、広域監視システム及びカメラの選定方法 | |
CN109492585A (zh) | 一种活体检测方法和电子设备 | |
WO2018179723A1 (ja) | 顔認証処理装置、顔認証処理方法及び顔認証処理システム | |
CN111627126B (zh) | 考勤防作弊方法及装置、存储介质、终端 | |
US11087440B2 (en) | Collation device and collation method | |
CN114387674A (zh) | 活体检测方法、***、设备、存储介质及程序产品 | |
CN113792279A (zh) | 一种身份验证方法、装置、***、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A high-precision image information recognition method, system, device, and storage medium Effective date of registration: 20231107 Granted publication date: 20230516 Pledgee: Bank of China Limited Guangzhou Yuexiu Branch Pledgor: GUANGZHOU SENRUI TECHNOLOGY Co.,Ltd. Registration number: Y2023980064498 |