CN115966000A - 一种真实人脸识别方法、装置、设备和介质 - Google Patents
一种真实人脸识别方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN115966000A CN115966000A CN202111182476.8A CN202111182476A CN115966000A CN 115966000 A CN115966000 A CN 115966000A CN 202111182476 A CN202111182476 A CN 202111182476A CN 115966000 A CN115966000 A CN 115966000A
- Authority
- CN
- China
- Prior art keywords
- face
- value
- subarea
- image
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种真实人脸识别方法、装置、设备和介质,由于该方法中获取待识别的深度图像;根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值;根据所述每个设定子区域的平均值、以及所述每个设定子区域在所述人脸区域图像的相对位置,将所述每个设定子区域的平均值按对应的相对位置排列生成矩阵,若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸,通过三维的真实人脸与二维的非真实人脸的差异,从而确定出满足预设条件时的人脸区域图像对应的人脸为真实人脸,降低了真实人脸的误识率。
Description
技术领域
本发明涉及人脸识别技术领域,尤其涉及一种真实人脸识别方法、装置、设备和介质。
背景技术
现有技术中在进行人脸识别时,通常是采用人脸识别算法对人脸进行识别,但由于展示板、投影仪、智慧屏等会显示出二维人脸图像,而现有的人脸识别算法会将显示的二维虚假的人脸图像识别为三维的真实人脸,从而导致对真实人脸的误识率较高。
因此,如何提高真实人脸的识别率就成为亟待解决的技术问题。
发明内容
本发明提供了一种真实人脸识别方法、装置、设备和介质,用以解决现有技术中真实人脸的误识率较高的问题。
本发明提供了一种真实人脸识别方法,所述方法包括:
获取待识别的深度图像;
根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值;
根据所述每个设定子区域的平均值、以及所述每个设定子区域在所述人脸区域图像的相对位置,将所述每个设定子区域的平均值按对应的相对位置排列生成矩阵,若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸。
进一步地,所述根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值包括:
根据所述深度图像中人脸区域图像的目标像素点的目标深度值,构建所述人脸区域图像中每个预设深度值对应的曲线,其中,任一条曲线包含的每个目标像素点的目标深度值均相同;
根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值。
进一步地,所述根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值包括:
针对所述人脸区域图像中每个设定子区域,根据该设定子区域内每条第一曲线对应的第一目标深度值、以及该设定子区域内所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每条第一曲线对应的所述第一目标深度值与所述第一个数的乘积值;根据该设定子区域内所述每条第一曲线对应的乘积值的第一和值、以及该设定区域内所述每条第一曲线包含的所述第一目标像素点的第一个数的第二和值,确定所述第一和值与所述第二和值的商值为该设定子区域内目标深度值的平均值。
进一步地,所述若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸包括:
根据所述矩阵中心元素点对应的所述人脸区域图像的中心设定子区域的目标深度值的平均值、以及预先保存的每种预设范围,确定所述矩阵的中心元素点对应的所述人脸区域图像的中心设定子区域的第一目标深度平均值所处的第一预设范围;
若所述矩阵的设定位置元素点对应的所述人脸区域图像的所述设定位置的设定子区域的第二目标深度平均值均处于第二预设范围,且所述第二预设范围的下限值大于所述第一预设范围的上限值,则确定所述人脸区域图像对应人脸为真实人脸,其中所述设定位置包括第一行、最后一行、第一列和最后一列。
进一步地,所述方法还包括:
若所述矩阵不满足所述预设条件,则确定所述人脸区域图像对应人脸为非真实人脸。
相应地,本发明提供了一种真实人脸识别装置,所述装置包括:
获取模块,用于获取待识别的深度图像;
确定模块,用于根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值;根据所述每个设定子区域的平均值、以及所述每个设定子区域在所述人脸区域图像的相对位置,将所述每个设定子区域的平均值按对应的相对位置排列生成矩阵,若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸。
进一步地,所述确定模块,具体用于根据所述深度图像中人脸区域图像的目标像素点的目标深度值,构建所述人脸区域图像中每个预设深度值对应的曲线,其中,任一条曲线包含的每个目标像素点的目标深度值均相同;根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值。
进一步地,所述确定模块,具体用于针对所述人脸区域图像中每个设定子区域,根据该设定子区域内每条第一曲线对应的第一目标深度值、以及该设定子区域内所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每条第一曲线对应的所述第一目标深度值与所述第一个数的乘积值;根据该设定子区域内所述每条第一曲线对应的乘积值的第一和值、以及该设定区域内所述每条第一曲线包含的所述第一目标像素点的第一个数的第二和值,确定所述第一和值与所述第二和值的商值为该设定子区域内目标深度值的平均值。
进一步地,所述确定模块,具体用于根据所述矩阵中心元素点对应的所述人脸区域图像的中心设定子区域的目标深度值的平均值、以及预先保存的每种预设范围,确定所述矩阵的中心元素点对应的所述人脸区域图像的中心设定子区域的第一目标深度平均值所处的第一预设范围;若所述矩阵的设定位置元素点对应的所述人脸区域图像的所述设定位置的设定子区域的第二目标深度平均值均处于第二预设范围,且所述第二预设范围的下限值大于所述第一预设范围的上限值,则确定所述人脸区域图像对应人脸为真实人脸,其中所述设定位置包括第一行、最后一行、第一列和最后一列。
进一步地,所述确定模块,还用于若所述矩阵不满足所述预设条件,则确定所述人脸区域图像对应人脸为非真实人脸。
相应地,本发明提供了一种电子设备,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
所述存储器中存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器实现上述真实人脸识别方法中任一所述方法的步骤。
相应地,本发明提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述真实人脸识别方法中任一所述方法的步骤。
本发明提供了一种真实人脸识别方法、装置、设备和介质,由于该方法中获取待识别的深度图像;根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值;根据所述每个设定子区域的平均值、以及所述每个设定子区域在所述人脸区域图像的相对位置,将所述每个设定子区域的平均值按对应的相对位置排列生成矩阵,若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸,通过三维的真实人脸与二维的非真实人脸的差异,从而确定出满足预设条件时的人脸区域图像对应的人脸为真实人脸,降低了真实人脸的误识率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种真实人脸识别方法的过程示意图;
图2为本发明实施例提供的一种人脸区域图像中每个预设深度值对应的曲线的示意图;
图3为本发明实施例提供的一种区域划分后人脸区域图像的示意图;
图4为本发明实施例提供的一种真实人脸的人脸区域图像对应矩阵的示意图;
图5为本发明实施例提供的一种虚假人脸的人脸区域图像对应矩阵的示意图;
图6为本发明实施例提供的另一种虚假人脸的人脸区域图像对应矩阵的示意图;
图7为本发明实施例提供的另一种虚假人脸的人脸区域图像对应矩阵的示意图;
图8为本发明实施例提供的一种真实人脸识别装置的结构示意图;
图9为本发明实施例提供的一种电子设备结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
为了降低真实人脸的误识率,本发明实施例提供了一种真实人脸识别方法、装置、设备和介质。
实施例1:
图1为本发明实施例提供的一种真实人脸识别方法的过程示意图,该过程包括以下步骤:
S101:获取待识别的深度图像。
本发明实施例提供的一种真实人脸识别方法应用于电子设备,其中该电子设备可以是PC、平板电脑、智能手机等智能终端设备,也可以是服务器,该服务器可以是本地服务器、云端服务器、服务器集群等。
为了降低真实人脸的误识率,在本发明实施例中,预先设置有图像采集装置,该图像采集装置用于采集包含人脸的图像。其中该图像采集装置可以是与电子设备网络连接,该网络连接可以是有线连接,也可以是无线的局域网连接,本发明实施例对此不做限制。
由于图像中的人脸可能是真实人脸,也可能是虚假人脸,其中该真实人脸是指活体的三维人脸,而该虚假人脸是指非活体的二维人脸。为了确定图像中的人脸是否为真实人脸,基于三维的真实人脸与二维的非真实人脸的差异,本发明实施例获取到的图像为深度图像,该图像采集装置为双目相机。
具体的,该双目相机的两个摄像头的参数完全相同且采集同一区域的图像,将双目相机的一侧摄像头确定为第一摄像头,将另一侧摄像头确定为第二摄像头,获取双目相机通过第一摄像头采集的基准图像和通过第二摄像头采集的其他图像,针对其他图像中的任一像素点,根据该像素点与基准图像中任一像素点的相似度,确定基准图像中与该像素点相似度最高的目标像素点,根据该像素点及该目标像素点的位置,确定该像素点对应的视差值;根据其他图像中每个像素点对应的视差值、以及现有的深度值与视差值的函数关系,确定其他图像中每个像素点的深度值;根据其他图像中每个像素点的深度值,获取基准图像的深度图像,其中该深度图像中每个像素点的深度值表示的是区域中每个空间点到双目相机的距离。
S102:根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值。
在获取到待识别的深度图像后,采用现有的人脸识别算法确定出深度图像中人脸所在的人脸区域图像,为了确定出该深度图像中人脸区域图像对应人脸是否为真实人脸,在该人脸区域图像中存在多个设定子区域,每个设定子区域的形状大小均相同,设定子区域可以是矩阵区域,也可以是圆形区域,或者其他形状的区域。
针对该人脸区域图像中的每个设定子区域,根据该人脸区域图像中的目标像素点的目标深度值,确定出该设定子区域中包含的目标像素点的目标深度值,根据该设定子区域内目标像素点的数量和值、以及目标深度值的和值,从而确定出该设定子区域内目标深度值的平均值。
S103:根据所述每个设定子区域的平均值、以及所述每个设定子区域在所述人脸区域图像的相对位置,将所述每个设定子区域的平均值按对应的相对位置排列生成矩阵,若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸。
人脸区域图像对应人脸为真实人脸时,三维的真实人脸高低不平,整体符合中间高周围低的趋势,若人脸区域图像对应人脸为虚假人脸时,二维的虚假人脸较为平整。因此根据上述三维的真实人脸与二维的虚假人脸的区别,根据每个设定子区域的平均值、以及每个设定子区域在人脸图像中的相对位置,按照对应的相对位置,将每个设定子区域的平均值进行排列生成矩阵。
根据三维的真实人脸与二维的虚假人脸的区别,本发明实施例中预先设置有真实人脸对应的预设条件,根据每个设定子区域的平均值排列生成的矩阵,若该矩阵满足预设条件时,则确定人脸区域图像对应人脸为真实人脸。
由于本发明实施例中该方法中获取待识别的深度图像;根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值;根据所述每个设定子区域的平均值、以及所述每个设定子区域在所述人脸区域图像的相对位置,将所述每个设定子区域的平均值按对应的相对位置排列生成矩阵,若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸,通过三维的真实人脸与二维的非真实人脸的差异,从而确定出满足预设条件时的人脸区域图像对应的人脸为真实人脸,降低了真实人脸的误识率。
实施例2:
为了提高真实人脸识别的准确度,在上述实施例的基础上,在本发明实施例中,所述根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值包括:
根据所述深度图像中人脸区域图像的目标像素点的目标深度值,构建所述人脸区域图像中每个预设深度值对应的曲线,其中,任一条曲线包含的每个目标像素点的目标深度值均相同;
根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值。
为了降低计算量并提高真实人脸识别的准确度,在本发明实施例中,根据深度图像中人脸区域图像的目标像素点的目标深度值,基于现有的地形等高线构建的原理,构建出人脸区域图像中每个预设深度值对应的曲线。其中,每个预设深度值是预先设置的,将每个预设深度值按从小到大的顺序排序,则每相邻两个预设深度值之间的差值相同。
图2为本发明实施例提供的一种人脸区域图像中每个预设深度值对应的曲线的示意图,如图2所示,每个预设深度值对应的曲线包含的每个目标像素点的目标深度值均相同,每个预设深度值对应的曲线之间的间隔代表相同的深度值。
具体的,根据深度图像中人脸区域图像的目标像素点的目标深度值,确定最小目标深度值对应的目标像素点为基准像素点,将最小目标深度值确定为基准深度值。
每次基于预先保存的基准深度值,进行以下操作:确定基准深度值与预设数值的和值,从基准像素点向四周遍历,确定深度值为和值的目标像素点,将目标像素点连接构建生成和值对应的曲线;根据深度图像中人脸区域图像的目标像素点的目标深度值,确定最大目标深度值,判断和值是否不大于最大目标深度值,若是,则将基准深度值更新为和值,并根据更新后的基准深度值进行下一次操作,若否,则确定构建完成人脸区域图像对应人脸的曲线。
下面通过一个具体的实施例对本发明的人脸区域图像中每个预设深度值对应的曲线的构建过程进行说明,首先选取最小深度值H_min对应的目标像素点作为基准点P_min,其中该基准点P_min通常是位于鼻子的位置。从基准点P_min开始寻找深度值为H_min+1的像素点P_min+1,将像素点P_min+1连接为曲线,从基准点P_min开始寻找深度值为H_min+i的点P_min+i,将这些像素点P_min+i连接为曲线,其中i=2,3,4…,依次遍历整个人脸区域,构建人脸区域图像中的曲线。
针对人脸区域图像中的每个设定子区域,根据该设定子区域内的每条第一曲线对应的第一目标深度值、以及每条第一曲线包含的第一目标像素点的第一个数,确定出该设定子区域内每条第一曲线包含的第一目标像素点,其中该第一目标像素点为该设定子区域内的部分目标像素点,根据该设定子区域内第一目标像素点的第一目标深度值的和值以及第一目标像素点的个数,确定出该设定子区域内的目标深度值的平均值。
具体的,为了确定出每个设定子区域内目标深度值的平均值,在本发明实施例中,所述根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值包括:
针对所述人脸区域图像中每个设定子区域,根据该设定子区域内每条第一曲线对应的第一目标深度值、以及该设定子区域内所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每条第一曲线对应的所述第一目标深度值与所述第一个数的乘积值;根据该设定子区域内所述每条第一曲线对应的乘积值的第一和值、以及该设定区域内所述每条第一曲线包含的所述第一目标像素点的第一个数的第二和值,确定所述第一和值与所述第二和值的商值为该设定子区域内目标深度值的平均值。
针对人脸区域图像中的每个设定子区域,根据该设定子区域内每条第一曲线对应的第一目标深度值、以及该设定子区域内每条第一曲线包含的所述第一目标像素点的第一个数,为了确定出该设定子区域内的第一目标像素点的第一目标深度值的和值,首先确定出每条第一曲线对应的第一目标深度值与第一个数的乘积值,根据每条第一曲线对应的乘积值的第一和值,将该第一和值确定为第一目标深度值的和值。
根据该第一和值以及该设定子区域内每条第一曲线包含的第一目标像素点的第一个数的第二和值,确定出第一和值与第二和值的商值,将该商值确定为该设定子区域内目标深度值的平均值。
下面通过一个具体的实施例对本发明的确定设定子区域内目标深度值的平均值的过程进行说明,图3为本发明实施例提供的一种区域划分后人脸区域图像的示意图。如图3所示,将该人脸区域图像分为5×5的区域,分别确定每个区域内目标深度值的平均值,以该区域11为例,该区域11中包括深度值为H_min+i的点P_min+i的个数为num_i,包括深度值为H_min+i+1的点P_min+i+1的个数为num_i_1,包括深度值为H_min+i+j的点P_min+i+j的个数为num_i_j,例如i=5,j=20,确定该区域11内目标深度值的平均值Avg_H11,Avg_H11=((H_min+i)*num_i+(H_min+i+1)*num_i_1+…+(H_min+i+j)*num_i_j)/(num_i+num_i_1+…+num_i_j)。
实施例3:
为了确定人脸区域图像对应人脸是否为真实人脸,在上述各实施例的基础上,在本发明实施例中,所述若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸包括:
根据所述矩阵中心元素点对应的所述人脸区域图像的中心设定子区域的目标深度值的平均值、以及预先保存的每种预设范围,确定所述矩阵的中心元素点对应的所述人脸区域图像的中心设定子区域的第一目标深度平均值所处的第一预设范围;
若所述矩阵的设定位置元素点对应的所述人脸区域图像的所述设定位置的设定子区域的第二目标深度平均值均处于第二预设范围,且所述第二预设范围的下限值大于所述第一预设范围的上限值,则确定所述人脸区域图像对应人脸为真实人脸,其中所述设定位置包括第一行、最后一行、第一列和最后一列。
为了确定人脸区域图像对应人脸是否为真实人脸,在本发明实施例中,预先保存有多个预设范围,根据矩阵中心元素点的元素值,该元素值为矩阵中心元素点对应人脸区域图像的中心设定子区域的第一目标深度平均值,确定该第一目标深度平均值所处的第一预设范围。
根据矩阵的设定位置元素点对应的人脸区域图像的设定位置的设定子区域的第二目标深度平均值、以及预先保存的每种预设范围,其中该设定位置包括第一行、最后一行、第一列和最后一列,确定设定位置的每个像素点的第二目标深度平均值所处的每种目标预设范围,若确定出的第二目标深度平均值均处于第二预设范围,且第二预设范围的下限值大于第一预设范围的上限值,则说明人脸区域图像的设定位置的设定子区域的第二目标深度平均值均大于中心设定子区域的第一目标深度平均值,符合人脸的中间高周围低的趋势,因此确定人脸区域图像对应人脸为真实人脸。
实施例4:
为了确定人脸区域图像对应人脸是否为真实人脸,在上述各实施例的基础上,在本发明实施例中,所述方法还包括:
若所述矩阵不满足所述预设条件,则确定所述人脸区域图像对应人脸为非真实人脸。
若矩阵不满足预设条件时,包括多种情况,第一情况是矩阵的设定位置元素点对应的人脸区域图像的设定位置的设定子区域的第二目标深度平均值非均处于第二预设范围;第二种情况是矩阵的设定位置元素点对应的人脸区域图像的设定位置的设定子区域的第二目标深度值均处于第二预设范围,且第一预设范围与第二预设范围相同,则确定人脸区域图像对应人脸为非真实人脸。
实施例5:
下面通过一个具体的实施例对本发明的确定人脸区域图像对应人脸是否为真实人脸的过程进行说明,仍以图3中的人脸区域图像划分的每个区域为例,预先设置有四种预设范围A、B、C、D,其中预设范围A的下限值大于预设范围B的上限值,预设范围B的下限值大于预设范围C的上限值,预设范围C的下限值大于预设范围D的上限值。
根据深度图像中人脸区域图像中的每个区域内目标深度值的平均值,若确定区域11、12、13、14、15、21、25、31、35、41、45、51、52、53、54、55内目标深度值的平均值均处于预设范围A;区域22、24、32、34、42、44内目标深度值的平均值均处于预设范围B;区域23、43内目标深度值的平均值均处于预设范围C,区域33内目标深度值的平均值处于预设范围D,因此确定出人脸区域的每个区域内目标深度值的平均值按对应的相对位置排列生成的矩阵,图4为本发明实施例提供的一种真实人脸的人脸区域图像对应矩阵的示意图,如图4所示,图4中的每种颜色代表一种预设范围,颜色最浅的代表预设范围A,颜色最深的代表预设范围D,即颜色越深则代表预设范围内的数值越小,则确定该深度图像中人脸区域图像对应人脸为真实人脸。
根据人脸区域图像中的每个区域内目标深度值的平均值,若确定区域11……55内目标深度值的平均值均处于同一预设范围,图5为本发明实施例提供的一种虚假人脸的人脸区域图像对应矩阵的示意图,如图5所示,图5中的颜色代表预设范围C,因此确定人脸区域图像对应人脸为虚假人脸,且虚假人脸的摆放方式为平放式。
根据人脸区域图像中的每个区域内目标深度值的平均值,若确定区域11、12、13、21、22、23、31、32、41、51内目标深度值的平均值均处于同一预设范围B,若确定区域14、15、24、25、33、34、35、42、43、44、45、52、53、54、55内目标深度值的平均值均处于同一预设范围A,图6为本发明实施例提供的另一种虚假人脸的人脸区域图像对应矩阵的示意图,如图6所示,图6中颜色较深的代表预设范围B、颜色较浅的代表预设范围A,因此确定人脸区域图像对应人脸为虚假人脸,且虚假人脸的摆放方式为对角折线式。
据人脸区域图像中的每个区域内目标深度值的平均值,若确定区域11、12、21、22、31、32、41、42、51、52内目标深度值的平均值均处于同一预设范围B,确定区域13、23、33、43、53内目标深度值的平均值均处于同一预设范围C,确定区域14、15、24、25、34、35、44、45、54、55内目标深度值的平均值均处于同一预设范围A,图7为本发明实施例提供的另一种虚假人脸的人脸区域图像对应矩阵的示意图,如图7所示,因此确定人脸区域图像对应人脸为虚假人脸,且虚假人脸的摆放方式为中折线式。
实施例6:
图8为本发明实施例提供的一种真实人脸识别装置的结构示意图,在上述各实施例的基础上,本发明实施例还提供一种真实人脸识别装置,所述装置包括:
获取模块801,用于获取待识别的深度图像;
确定模块802,用于根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值;根据所述每个设定子区域的平均值、以及所述每个设定子区域在所述人脸区域图像的相对位置,将所述每个设定子区域的平均值按对应的相对位置排列生成矩阵,若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸。
进一步地,所述确定模块,具体用于根据所述深度图像中人脸区域图像的目标像素点的目标深度值,构建所述人脸区域图像中每个预设深度值对应的曲线,其中,任一条曲线包含的每个目标像素点的目标深度值均相同;根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值。
进一步地,所述确定模块,具体用于针对所述人脸区域图像中每个设定子区域,根据该设定子区域内每条第一曲线对应的第一目标深度值、以及该设定子区域内所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每条第一曲线对应的所述第一目标深度值与所述第一个数的乘积值;根据该设定子区域内所述每条第一曲线对应的乘积值的第一和值、以及该设定区域内所述每条第一曲线包含的所述第一目标像素点的第一个数的第二和值,确定所述第一和值与所述第二和值的商值为该设定子区域内目标深度值的平均值。
进一步地,所述确定模块,具体用于根据所述矩阵中心元素点对应的所述人脸区域图像的中心设定子区域的目标深度值的平均值、以及预先保存的每种预设范围,确定所述矩阵的中心元素点对应的所述人脸区域图像的中心设定子区域的第一目标深度平均值所处的第一预设范围;若所述矩阵的设定位置元素点对应的所述人脸区域图像的所述设定位置的设定子区域的第二目标深度平均值均处于第二预设范围,且所述第二预设范围的下限值大于所述第一预设范围的上限值,则确定所述人脸区域图像对应人脸为真实人脸,其中所述设定位置包括第一行、最后一行、第一列和最后一列。
进一步地,所述确定模块,还用于若所述矩阵不满足所述预设条件,则确定所述人脸区域图像对应人脸为非真实人脸。
实施例7:
图9为本发明实施例提供的一种电子设备结构示意图,在上述各实施例的基础上,本发明实施例中还提供了一种电子设备,包括处理器901、通信接口902、存储器903和通信总线904,其中,处理器901,通信接口902,存储器903通过通信总线904完成相互间的通信;
所述存储器903中存储有计算机程序,当所述程序被所述处理器901执行时,使得所述处理器901执行如下步骤:
获取待识别的深度图像;
根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值;
根据所述每个设定子区域的平均值、以及所述每个设定子区域在所述人脸区域图像的相对位置,将所述每个设定子区域的平均值按对应的相对位置排列生成矩阵,若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸。
进一步地,所述处理器901具体用于所述根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值包括:
根据所述深度图像中人脸区域图像的目标像素点的目标深度值,构建所述人脸区域图像中每个预设深度值对应的曲线,其中,任一条曲线包含的每个目标像素点的目标深度值均相同;
根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值。
进一步地,所述处理器901具体用于所述根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值包括:
针对所述人脸区域图像中每个设定子区域,根据该设定子区域内每条第一曲线对应的第一目标深度值、以及该设定子区域内所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每条第一曲线对应的所述第一目标深度值与所述第一个数的乘积值;根据该设定子区域内所述每条第一曲线对应的乘积值的第一和值、以及该设定区域内所述每条第一曲线包含的所述第一目标像素点的第一个数的第二和值,确定所述第一和值与所述第二和值的商值为该设定子区域内目标深度值的平均值。
进一步地,所述处理器901具体用于所述若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸包括:
根据所述矩阵中心元素点对应的所述人脸区域图像的中心设定子区域的目标深度值的平均值、以及预先保存的每种预设范围,确定所述矩阵的中心元素点对应的所述人脸区域图像的中心设定子区域的第一目标深度平均值所处的第一预设范围;
若所述矩阵的设定位置元素点对应的所述人脸区域图像的所述设定位置的设定子区域的第二目标深度平均值均处于第二预设范围,且所述第二预设范围的下限值大于所述第一预设范围的上限值,则确定所述人脸区域图像对应人脸为真实人脸,其中所述设定位置包括第一行、最后一行、第一列和最后一列。
进一步地,所述处理器901还用于若所述矩阵不满足所述预设条件,则确定所述人脸区域图像对应人脸为非真实人脸。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口902用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,包括中央处理器、网络处理器(NetworkProcessor,NP)等;还可以是数字指令处理器(Digital Signal Processing,DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
实施例8:
在上述各实施例的基础上,本发明实施例还提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行如下步骤:
获取待识别的深度图像;
根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值;
根据所述每个设定子区域的平均值、以及所述每个设定子区域在所述人脸区域图像的相对位置,将所述每个设定子区域的平均值按对应的相对位置排列生成矩阵,若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸。
进一步地,所述根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值包括:
根据所述深度图像中人脸区域图像的目标像素点的目标深度值,构建所述人脸区域图像中每个预设深度值对应的曲线,其中,任一条曲线包含的每个目标像素点的目标深度值均相同;
根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值。
进一步地,所述根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值包括:
针对所述人脸区域图像中每个设定子区域,根据该设定子区域内每条第一曲线对应的第一目标深度值、以及该设定子区域内所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每条第一曲线对应的所述第一目标深度值与所述第一个数的乘积值;根据该设定子区域内所述每条第一曲线对应的乘积值的第一和值、以及该设定区域内所述每条第一曲线包含的所述第一目标像素点的第一个数的第二和值,确定所述第一和值与所述第二和值的商值为该设定子区域内目标深度值的平均值。
进一步地,所述若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸包括:
根据所述矩阵中心元素点对应的所述人脸区域图像的中心设定子区域的目标深度值的平均值、以及预先保存的每种预设范围,确定所述矩阵的中心元素点对应的所述人脸区域图像的中心设定子区域的第一目标深度平均值所处的第一预设范围;
若所述矩阵的设定位置元素点对应的所述人脸区域图像的所述设定位置的设定子区域的第二目标深度平均值均处于第二预设范围,且所述第二预设范围的下限值大于所述第一预设范围的上限值,则确定所述人脸区域图像对应人脸为真实人脸,其中所述设定位置包括第一行、最后一行、第一列和最后一列。
进一步地,所述方法还包括:
若所述矩阵不满足所述预设条件,则确定所述人脸区域图像对应人脸为非真实人脸。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种真实人脸识别方法,其特征在于,所述方法包括:
获取待识别的深度图像;
根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值;
根据所述每个设定子区域的平均值、以及所述每个设定子区域在所述人脸区域图像的相对位置,将所述每个设定子区域的平均值按对应的相对位置排列生成矩阵,若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸。
2.根据权利要求1所述的方法,其特征在于,所述根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值包括:
根据所述深度图像中人脸区域图像的目标像素点的目标深度值,构建所述人脸区域图像中每个预设深度值对应的曲线,其中,任一条曲线包含的每个目标像素点的目标深度值均相同;
根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值包括:
针对所述人脸区域图像中每个设定子区域,根据该设定子区域内每条第一曲线对应的第一目标深度值、以及该设定子区域内所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每条第一曲线对应的所述第一目标深度值与所述第一个数的乘积值;根据该设定子区域内所述每条第一曲线对应的乘积值的第一和值、以及该设定区域内所述每条第一曲线包含的所述第一目标像素点的第一个数的第二和值,确定所述第一和值与所述第二和值的商值为该设定子区域内目标深度值的平均值。
4.根据权利要求1所述的方法,其特征在于,所述若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸包括:
根据所述矩阵中心元素点对应的所述人脸区域图像的中心设定子区域的目标深度值的平均值、以及预先保存的每种预设范围,确定所述矩阵的中心元素点对应的所述人脸区域图像的中心设定子区域的第一目标深度平均值所处的第一预设范围;
若所述矩阵的设定位置元素点对应的所述人脸区域图像的所述设定位置的设定子区域的第二目标深度平均值均处于第二预设范围,且所述第二预设范围的下限值大于所述第一预设范围的上限值,则确定所述人脸区域图像对应人脸为真实人脸,其中所述设定位置包括第一行、最后一行、第一列和最后一列。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述矩阵不满足所述预设条件,则确定所述人脸区域图像对应人脸为非真实人脸。
6.一种真实人脸识别装置,其特征在于,所述装置包括:
获取模块,用于获取待识别的深度图像;
确定模块,用于根据所述深度图像中人脸区域图像的目标像素点的目标深度值、以及所述人脸区域图像中的每个设定子区域,确定所述每个设定子区域内目标深度值的平均值;根据所述每个设定子区域的平均值、以及所述每个设定子区域在所述人脸区域图像的相对位置,将所述每个设定子区域的平均值按对应的相对位置排列生成矩阵,若所述矩阵满足预设条件,确定所述人脸区域图像对应人脸为真实人脸。
7.根据权利要求6所述的装置,其特征在于,所述确定模块,具体用于根据所述深度图像中人脸区域图像的目标像素点的目标深度值,构建所述人脸区域图像中每个预设深度值对应的曲线,其中,任一条曲线包含的每个目标像素点的目标深度值均相同;根据所述人脸区域图像中每个设定子区域内的每条第一曲线对应的第一目标深度值、以及所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每个设定子区域内目标深度值的平均值。
8.根据权利要求7所述的装置,其特征在于,所述确定模块,具体用于针对所述人脸区域图像中每个设定子区域,根据该设定子区域内每条第一曲线对应的第一目标深度值、以及该设定子区域内所述每条第一曲线包含的所述第一目标像素点的第一个数,确定所述每条第一曲线对应的所述第一目标深度值与所述第一个数的乘积值;根据该设定子区域内所述每条第一曲线对应的乘积值的第一和值、以及该设定区域内所述每条第一曲线包含的所述第一目标像素点的第一个数的第二和值,确定所述第一和值与所述第二和值的商值为该设定子区域内目标深度值的平均值。
9.一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
所述存储器中存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行权利要求1-5任一项所述方法。
10.一种计算机可读存储介质,其特征在于,其存储有可由处理器执行的计算机程序,当所述程序在所述处理器上运行时,使得所述处理器执行权利要求1-5任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111182476.8A CN115966000A (zh) | 2021-10-11 | 2021-10-11 | 一种真实人脸识别方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111182476.8A CN115966000A (zh) | 2021-10-11 | 2021-10-11 | 一种真实人脸识别方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115966000A true CN115966000A (zh) | 2023-04-14 |
Family
ID=87353160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111182476.8A Pending CN115966000A (zh) | 2021-10-11 | 2021-10-11 | 一种真实人脸识别方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115966000A (zh) |
-
2021
- 2021-10-11 CN CN202111182476.8A patent/CN115966000A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108961303B (zh) | 一种图像处理方法、装置、电子设备和计算机可读介质 | |
CN106683100B (zh) | 一种图像分割去雾方法及终端 | |
CN106648510B (zh) | 一种显示分辨率的显示方法及装置 | |
CN110473238B (zh) | 一种图像配准方法、装置、电子设备及存储介质 | |
CN111080654B (zh) | 图像的病变区域分割方法、装置及服务器 | |
CN108174152A (zh) | 一种目标监控方法及目标监控*** | |
CN111357034A (zh) | 点云生成方法、***和计算机存储介质 | |
CN109978964B (zh) | 一种图像制作方法、装置、存储介质及终端设备 | |
KR20120023052A (ko) | 3 차원에 있어서의 형상의 일치를 판정하는 방법 및 장치 | |
CN109214996A (zh) | 一种图像处理方法及装置 | |
CN111882578A (zh) | 前景图像获取方法、前景图像获取装置和电子设备 | |
CN110796709A (zh) | 车架号尺寸获取方法、装置、计算机设备和存储介质 | |
CN106663317B (zh) | 数字图像的形态学处理方法和数字图像处理装置 | |
CN113112542A (zh) | 一种视觉定位方法、装置、电子设备及存储介质 | |
CN110458954B (zh) | 一种等高线生成方法、装置及设备 | |
CN111563517A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN109753957B (zh) | 图像显著性检测方法、装置、存储介质及电子设备 | |
CN111507923B (zh) | 一种视频图像的噪声处理方法、装置、设备和介质 | |
CN115966000A (zh) | 一种真实人脸识别方法、装置、设备和介质 | |
CN109788199B (zh) | 一种适用于具有双摄像头终端的对焦方法 | |
CN110874814A (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN116017129A (zh) | 一种补光灯角度调整方法、装置、***、设备和介质 | |
CN112580638B (zh) | 文本检测方法、装置、存储介质及电子设备 | |
CN114862870A (zh) | 散斑图分区方法、装置、设备及介质 | |
CN111145108B (zh) | 一种图像处理方法、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 |