TW201915830A - 資訊識別方法、裝置及電子設備 - Google Patents
資訊識別方法、裝置及電子設備 Download PDFInfo
- Publication number
- TW201915830A TW201915830A TW107119428A TW107119428A TW201915830A TW 201915830 A TW201915830 A TW 201915830A TW 107119428 A TW107119428 A TW 107119428A TW 107119428 A TW107119428 A TW 107119428A TW 201915830 A TW201915830 A TW 201915830A
- Authority
- TW
- Taiwan
- Prior art keywords
- target object
- historical
- current target
- detection result
- same
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- 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
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申請實施例提供一種資訊識別方法、裝置及電子設備,涉及電腦應用技術領域。其中,對採集獲得的影像進行檢測,以確定至少一個當前目標對象;判斷所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同;對與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別,本申請實施例提供的技術方案減少了不必要的時間,提高了識別效率。
Description
本申請實施例涉及電腦應用技術領域,尤其涉及一種資訊識別方法、裝置及電子設備。
在現今的考勤、門禁、監控等應用領域中,均涉及快速確認人員身份的需求,而目前通常利用人體的生物特徵來進行身份認證,其中,人臉識別應用的最為廣泛。 人臉識別是基於人的臉部特徵進行身份識別的一種生物識別技術,人臉識別首先需要進行人臉檢測,以確定人臉,之後再對檢測獲得的人臉進行人臉識別,以考勤應用為例,考勤系統通過對採集的影像進行檢測,可以確定影像中是否包括人臉;基於檢測到的人臉,從已登記的員工資料庫中進行人臉識別,以確定該人臉對應的員工資訊,實現身份確認的目的。 由於影像採集通常一直進行,針對每一幀影像均會進行人臉識別,而相鄰的幾幀影像可能均是針對同一個使用者採集獲得,這就會導致重複工作,而影響識別的效率。
本申請實施例提供一種資訊識別方法、裝置及電子設備,用以解決現有技術中識別效率較低的技術問題。 第一方面,本申請實施例中提供了一種資訊識別方法,包括: 對採集獲得的影像進行檢測,以獲得至少一個當前目標對象; 確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同; 對與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。 可選地,還包括: 對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別。 可選地,所述確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同包括: 確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域是否一致,若是,確定所述任一當前目標對象與所述任一歷史目標對象相同,否則,確定所述任一當前目標對象與所述任一歷史目標對象不同。 可選地,所述對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別包括: 獲取任一當前目標對象以及歷史檢測結果中與所述任一當前目標對象相同的任一歷史目標對象的對象特徵; 確定所述任一當前目標對象的對象特徵是否和與其相同的所述任一歷史目標對象的對象特徵相同; 如果是,對所述任一當前目標對象不進行識別; 如果否,對所述任一當前目標對象進行識別。 可選地,所述確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同包括: 分別獲取所述至少一個當前目標對象的對象特徵; 確定歷史檢測結果中,是否存在對象特徵與所述至少一個當前目標對象的對象特徵相同的歷史目標對象。 可選地,所述對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別包括: 確定歷史檢測結果中,與任一當前目標對象相同的歷史目標對象是否識別成功; 如果是,對所述任一當前目標對象不進行識別; 如果否,對所述任一當前目標對象進行識別。 可選地,所述確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域是否一致包括: 確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域的位置偏移是否在預設範圍。 可選地,所述目標對象為人臉。 第二方面,本申請實施例中提供了一種資訊識別裝置,包括: 檢測模組,用於對採集獲得的影像進行檢測,以獲得至少一個當前目標對象; 判斷模組,用於確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同; 第一識別模組,用於對與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。 可選地,還包括: 第二識別模組,用於對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別。 可選地,所述判斷模組具體用於: 確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域是否一致,若是,確定所述任一當前目標對象與所述任一歷史目標對象相同,否則,確定所述任一當前目標對象與所述任一歷史目標對象不同。 可選地,所述第二識別模組具體用於獲取任一當前目標對象以及歷史檢測結果中與所述任一當前目標對象相同的任一歷史目標對象的對象特徵;確定所述任一當前目標對象的對象特徵是否和與其相同的所述任一歷史目標對象的對象特徵相同;如果是,對所述任一當前目標對象不進行識別;如果否,對所述任一當前目標對象進行識別。 可選地,所述判斷模組具體用於:分別獲取所述至少一個當前目標對象的對象特徵;確定歷史檢測結果中,是否存在對象特徵與所述至少一個當前目標對象的對象特徵相同的歷史目標對象。 可選地,所述第二識別模組具體用於確定歷史檢測結果中,與任一當前目標對象相同的歷史目標對象是否識別成功;如果是,對所述任一當前目標對象不進行識別;如果否,對所述任一當前目標對象進行識別。 可選地,所述判斷模組具體用於:確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域的位置偏移是否在預設範圍。 協力廠商面,本申請實施例中提供了一種電子設備,包括處理組件,以及分別與所述處理組件連接的記憶體; 所述記憶體儲存一條或多條電腦程式指令,所述一條或多條電腦程式指令供所述處理組件調用並執行; 所述處理組件用於: 對採集獲得的影像進行檢測,以確定至少一個當前目標對象; 確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同; 對與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。 可選地,還包括與所述處理組件連接的採集組件,用於採集影像; 所述處理組件對採集獲得的影像進行檢測,以確定至少一個當前目標對象具體是對所述採集組件採集獲得影像進行檢測,以確定至少一個當前目標對象。 本申請實施例中,對採集獲得的影像進行檢測,以確定至少一個當前目標對象;確定所述至少一個當前目標對象是否與歷史檢測結果中的目標對象相同;僅對與歷史檢測結果中的目標對象不同的當前目標對象進行識別, 因此可以減少識別時間,提高識別效率。 本申請的這些方面或其他方面在以下實施例的描述中會更加簡明易懂。
為了使本技術領域的人員更好地理解本申請方案,下面將結合本申請實施例中的附圖,對本申請實施例中的技術方案進行清楚、完整地描述。 在本申請的說明書和申請專利範圍及上述附圖中的描述的一些流程中,包含了按照特定順序出現的多個操作,但是應該清楚瞭解,這些操作可以不按照其在本文中出現的順序來執行或並存執行,操作的序號如101、102等,僅僅是用於區分開各個不同的操作,序號本身不代表任何的執行順序。另外,這些流程可以包括更多或更少的操作,並且這些操作可以按循序執行或並存執行。需要說明的是,本文中的“第一”、“第二”等描述,是用於區分不同的消息、設備、模組等,不代表先後順序,也不限定“第一”和“第二”是不同的類型。 本申請實施例的技術方案可以應用於考勤、門禁、監控、安防等安全領域中,用於身份識別,本申請實施例中的目標對象可以為人臉,當然也不排除可以為人體的其它生物特徵。與人臉識別過程類似,針對目標對象的識別同樣首先需要進行檢測,以確定目標對象,再對檢測獲得的目標對象進行識別,以對目標對象進行身份確認。 通過本申請實施例的技術方案可以減少識別時間,提高識別效率,特別是適用於針對多個目標對象同時進行識別的場景中。 以人臉識別為例,正如背景技術中所述,在人臉識別過程中,影像採集一直進行,人臉檢測可以針對每一幀影像進行,而短時間內,通常數百毫秒,採集對象也即使用者的位置變化通常不大,也即相鄰幾幀影像可能均為採集同一個或者同一批使用者而獲得的。現有技術中,對每一幀影像均會進行人臉檢測以及人臉識別,但是,可能檢測出的人臉已經識別成功,因此會造成重複識別,從而增加了識別時間,降低了識別效率。 為了提高識別效率,發明人經過一系列研究發現,由於識別過程非常複雜,以人臉識別為例,例如需要首先提取人臉特徵構造人臉特徵範本,再從資料庫中儲存的各個人臉特徵範本中進行比對,以確定該人臉特徵範本對應的身份資訊,完成身份認證,那麼如果可以減少人臉識別時間,則可以大大提高識別效率。 據此,提出了本申請的技術方案,在本申請實施例中,對採集獲得的影像進行檢測,以確定至少一個當前目標對象;確定所述至少一個當前目標對象是否與歷史檢測結果中的目標對象相同;僅對與歷史檢測結果中的目標對象不同的當前目標對象進行識別,因此可以減少識別時間,提高識別效率,特別是當存在多個目標對象同時需要進行識別時,將顯著提高識別效率。 下面將結合本申請實施例中的附圖,對本申請實施例中的技術方案進行清楚、完整地描述,顯然,所描述的實施例僅僅是本申請一部分實施例,而不是全部的實施例。基於本申請中的實施例,本領域技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例,都屬於本申請保護的範圍。 圖1是本申請實施例提供的一種資訊識別方法一個實施例的流程圖,該方法可以包括以下幾個步驟: 101:對採集獲得的影像進行檢測,以獲得至少一個當前目標對象。 為了方便描述,將從採集獲得的影像檢測出的目標對象命名為“當前目標對象”。針對每一次採集獲得的影像均可以按照本申請的技術方案進行處理。 對採集獲得的影像進行檢測,可以獲得當前檢測結果,該當前檢測結果中包括至少一個當前目標對象。 其中,目標對象為人臉時,也即對採集獲得的影像進行人臉檢測,通過人臉檢測可以識別獲得影像中的人臉。 從影像中提取目標對象的演算法可以有多種,例如可以包括基於長條圖粗分割和奇異值特徵的檢測演算法、基於小波變換的檢測演算法、Adaboost演算法等,其基本過程可以是利用樣本影像訓練分類器,以實現目標對象的檢測等,與現有技術相同,在此不再贅述。 在一個實際應用中,影像中可以包括多個目標對象。 102:確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同。 為了方便描述,將歷史檢測結果中的目標對象命名為“歷史目標對象”。 歷史檢測結果通過對歷史採集獲得的影像進行檢測獲得。 其中,該歷史檢測結果可以具體是指前一次檢測結果,也即是對前一次採集獲得的影像進行檢測獲得。 本實施例中,將當前檢測結果以及歷史檢測結果進行比較,判斷任一當前目標對象是否與歷史檢測結果中的任一歷史目標對象相同。 其中,判斷目標對象是否相同可以有多種實現方式,在下面實施例中會詳細進行介紹。 103:將與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。 與歷史檢測結果中的歷史目標對象相同的當前目標對象即不進行識別。也即本實施例中僅對與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。 可選地,對於與歷史檢測結果中的歷史目標對象相同的當前目標對象則繼續進行識別。 其中,對當前目標對象進行識別例如可以包括提取當前目標對象的對象特徵,將提取獲得的人臉特徵與資料庫中儲存的特徵範本進行搜索匹配,計算範本相似度,如果相似度大於第一預定值,則可以確定該當前目標對象識別通過,該特徵範本對應的身份資訊即為該當前目標對象的身份資訊;如果相似度小於第二預定值,則可以確定該當前目標對象識別未通過,如果相似度小於第一預定值或者大於第二預定值,則可以確定該當前目標對象識別失敗,無法識別該當前目標對象的身份資訊,需要重新進行識別等。 通過本實施例,僅對與歷史檢測結果中的任一歷史目標對象不同的任一當前目標對象進行識別,而如果任一當前目標對象與歷史檢測結果中的任一歷史目標對象相同,表明該當前目標對象已經進行了識別,則可以無需再進行識別,以減少識別時間,提高識別效率。 其中,作為一種可能的實現方式,所述確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同可以包括: 分別獲取所述至少一個當前目標對象的對象特徵; 確定歷史檢測結果中,是否存在對象特徵與所述至少一個當前目標對象的對象特徵相同的歷史目標對象。 該對象特徵可以為粗細微性特徵,採用特徵提取演算法提取獲得,對象特徵通常採用多維向量資料表示,其維度可以低於識別過程提取的對象特徵的維度。 特徵提取演算法例如可以LBP(Local Binary Patterns,局部二值模式)、基於幾何特徵的方法、基於統計特徵的方法等,與現有技術相同,在此不再贅述。 作為另一種可能的實現方式,由於對象檢測可以針對每一幀影像進行,而對相鄰兩幀影像的檢測間隔很短,通常數十毫秒,因此,即便使用者處於移動狀態,使用者的位置變化也不會不大,因此可以通過位置比對的方式判斷前後兩次檢測結果中的目標對象是否為同一個目標對象。如圖2所示,是本申請實施例提供的一種資訊識別方法又一個實施例的流程圖,該方法可以包括以下幾個步驟: 201:對採集獲得的影像進行檢測,以獲得至少一個當前目標對象。 202:確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域是否一致,如果是,執行步驟203,如果否,執行步驟204。 本實施例中,該歷史檢測結果具體是指前一次檢測結果。 由於影像採集一直進行,使用者位於採集設備的採集範圍內時,採集設備即可以自動搜索並拍攝包含使用者的影像,在需要進行人臉識別,即拍攝使用者的人臉影像。 可選地,可以是判斷任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域的位置偏移是否在預設範圍。 其中,目標對象所在位置區域可以以目標對象中預設特徵點的位置座標表示,以目標對象為人臉為例,該預設特徵點例如可以是人臉中的左眼或者右眼、鼻子、嘴巴等。 為了保證識別準確度,還可以判斷當前檢測時間與歷史檢測時間的時間差是否在允許範圍內,若是,再判斷任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域是否一致;否則,則對該至少一個當前目標對象直接進行識別。 203:確定所述任一當前目標對象與歷史檢測結果中的所述任一歷史目標對象相同。 204:確定所述任一當前目標對象與歷史檢測結果中的所述任一歷史目標對象不同。 205:對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別。 206:對與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。 也即僅將與歷史檢測結果中的各個目標對象均不同的當前目標對象進行識別。 本實施例中,通過位置比對的方式可以確定前後兩次檢測結果中的目標對象是否相同,從而針對相同的目標對象可以無需進行識別,則僅對不同的目標對象進行識別,通過減少識別時間,以縮短識別時間,提高識別效率。 其中,為了保證識別準確度,在某些實施例中,所述對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別可以包括: 獲取任一當前目標對象以及歷史檢測結果中與所述任一當前目標對象相同的任一歷史目標對象的對象特徵; 確定所述任一當前目標對象的對象特徵是否與所述任一歷史目標對象的對象特徵相同; 如果是,對所述任一當前目標對象不進行識別; 如果否,對所述任一當前目標對象進行識別。 也即針對任一當前目標對象以及歷史檢測結果中與所述任一當前目標對象相同的任一歷史目標對象,結合對象特徵進一步的進行驗證。 該對象特徵可以為粗略特徵,採用特徵提取演算法提取獲得,對象特徵通常採用多維向量資料表示,其維度可以低於識別過程提取的對象特徵的維度。 特徵提取演算法例如可以為LBP演算法、基於幾何特徵的方法、基於統計特徵的方法等,與現有技術相同,在此不再贅述。 此外,結合上文描述可知,對目標對象進行識別獲得的識別結果可以包括識別成功或者識別失敗,識別成功包括識別通過或者識別未通過,識別通過也即資料庫中存在目標對象對應的身份資訊, 也即該目標對象的對象特徵與資料庫中的特徵範本的相似度大於第一預定值;識別未通過可以認為資料庫中不存在目標對象對應的身份資訊,也即該目標對象的對象特徵與資料庫中的特徵範本的相似度小於第二預定值。識別失敗表明無法確認目標對象的身份資訊,需要重新進行識別。 因此,如果歷史檢測結果中,與當前目標對象相同的歷史目標對象識別失敗,則該當前目標對象也需要重新進行識別,以識別該當前目標對象的身份資訊,因此為了進一步保證識別準確度,在某些實施例中,所述對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別可以包括: 確定歷史檢測結果中,與任一當前目標對象相同的歷史目標對象是否識別成功; 如果是,對所述任一當前目標對象不進行識別; 如果否,對所述任一當前目標對象進行識別。 其中,可選地, 為了方便識別,可以對識別成功的目標對象設置識別成功標記,因此所述判斷歷史檢測結果中,與任一當前目標對象相同的歷史目標對象是否識別成功可以是: 確定歷史檢測結果中,與任一當前目標對象相同的歷史目標對象是否設置有識別成功標記。 因此,對所述任一當前目標對象進行識別之後,可以基於識別結果,將識別成功的當前目標對象設置識別成功標記。 此外,為了進一步提高識別便利性,在某些實施例中,所述對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別可以包括: 為所述至少一個當前目標對象設置不同對象編號,其中,當前檢測結果與歷史檢測結果中相同的目標對象的對象編號相同; 對對象編號與歷史檢測結果中的歷史目標對象的對象編號相同的當前目標對象不進行識別。 其中,如果歷史檢測結果中,與任一當前目標對象的對象編號相同的歷史目標對象設置有識別成功標記,則即可以對所述任一當前目標對象不進行識別。 本申請實施例中的技術方案,可以應用於考勤、門禁等應用領域中,當然也適用於證件中的身份識別、重要場所中的安全檢測和監控、智慧卡中的身份識別、電腦登錄等網路安全控制等多種不同的安全領域。 其中,在實際應用中,本申請實施例中所述的目標對象可以具體即是指人臉,下面以目標對象為人臉為例,對本申請的技術方案進行描述。 如圖3所示,為本申請實施例提供的一種資訊識別方法又一個實施例的流程圖,該方法可以包括以下幾個步驟: 301:對採集獲得的影像進行人臉檢測,以獲得至少一個當前人臉。 302:確定任一當前人臉所在位置區域與前一次檢測結果中的任一歷史人臉所在位置區域是否一致,如果是執行步驟303,如果否,執行步驟304。 可選地,可以是判斷任一當前人臉所在位置區域與前一次檢測結果中的任一歷史人臉所在位置區域的位置偏移是否在預設範圍。 其中,人臉所在位置區域可以是指人臉中某一預設特徵點的位置座標,例如該預設特徵點可以為嘴巴、鼻子、左眼或者右眼等。 303:確定所述任一當前人臉與前一次檢測結果中的所述任一歷史人臉相同,並執行步驟305。 304:確定所述任一當前人臉與前一次檢測結果中的所述任一歷史人臉不同,並執行步驟309。 305:分別獲取所述任一當前人臉以及所述任一歷史人臉的臉部特徵。 其中,臉部特徵提取例如可以採用LBP演算法實現。 306:確定所述任一當前人臉的臉部特徵是否與所述任一歷史人臉的臉部特徵相同;如果是,執行步驟307,如果否,執行步驟309。 可選地,可以為各個當前人臉設置不同的人臉編號,保證與前一次檢測結果中的任一歷史人臉相同的一當前人臉設置與所述任一歷史人臉相同的人臉編號。 307:確定所述任一歷史人臉是否設置有識別成功標記,如果是,執行步驟308,如果否,執行步驟309。 308:對所述任一當前人臉不進行識別。 309:對所述任一當前人臉進行人臉識別。 310:基於識別結果,將識別成功的各個當前人臉設置識別成功標記。 本實施例中,在人臉識別過程中,基於前一次檢測結果,如果存在與當前人臉相同的歷史人臉,則可以表明該當前人臉已經經過識別,因此可以無需再次進行識別,從而可以減少識別時間,減少人臉識別時間,提高人臉識別效率。 其中,本申請實施例的技術方案可以應用於資訊識別系統中作為一個實施例,如圖4中所示,該資訊識別系統可以包括採集終端401以及認證伺服器402; 採集終端401用於採集影像,並將影像發送至認證伺服器402;由認證伺服器402對採集獲得的影像進行檢測,以獲得至少一個當前目標對象;確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同;對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別;而僅對與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。 也即由採集終端401實現影像採集,由認證伺服器實現對象檢測以及對象識別過程。 採集終端可以針對位於其採集範圍內的多個使用者進行影像採集,從而可以從影像中檢測獲得多個目標對象,該目標對象可以為使用者的人臉。 作為又一個實施例,如圖5中所示,該資訊識別系統可以包括檢測終端501以及認證伺服器502; 檢測終端501用於採集影像,並對採集獲得的影像進行檢測,以獲得至少一個當前目標對象,並將所述至少一個當前目標對象發送至認證伺服器;確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同;觸發認證伺服器502將與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別;以及觸發認證伺服器502將與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。 也即由檢測終端實現影像採集以及對象檢測,由認證伺服器實現對象識別,以保證檢測終端以及認證伺服器的處理性能。 當然,本申請實施例的技術方案也可以應用於獨立的識別終端中,由識別終端完成影像採集、對象檢測以及對象識別等操作。 在一個實際應用中,上述的採集終端、檢測終端或者識別終端可以分別實現為具有不同功能的考勤機,以實現考勤目的。 在考勤應用中,確定目標對象對應身份資訊之後,即可以對應該身份資訊記錄考勤時間等。 圖6為本申請實施例提供的一種資訊識別裝置一個實施例的結構示意圖,其中,該裝置可以配置在如圖4所示的認證伺服器中,也可以配置在如圖5所示的檢測終端中,當然也可以配置在識別終端中。 該裝置可以包括: 檢測模組601,用於對採集獲得的影像進行檢測,以確定至少一個當前目標對象。 判斷模組602,用於確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同; 第一識別模組603,用於將與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。 此外,可選地,如圖7中所示,與圖6所示裝置不同之處在於,該裝置還可以包括: 第二識別模組604,用於對與歷史檢測結果中的歷史目標對象相同的當前目標對象進行識別。 通過本實施例,僅對與歷史檢測結果中的任一歷史目標對象不同的任一當前目標對象進行識別,而如果任一當前目標對象與歷史檢測結果中的任一歷史目標對象相同,表明該當前目標對象已經進行了識別,則可以無需再進行識別,以減少識別時間,提高識別效率。 作為一種可能的實現方式,所述判斷模組可以具體用於:分別獲取所述至少一個當前目標對象的對象特徵;確定歷史檢測結果中,是否存在對象特徵與所述至少一個當前目標對象的對象特徵相同的歷史目標對象。 作為另一種可能的實現方式,所述判斷模組可以具體用於: 確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域是否一致,若是,確定所述任一當前目標對象與所述任一歷史目標對象相同,否則,確定所述任一當前目標對象與所述任一歷史目標對象不同。通過位置比對的方式可以確定前後兩次檢測結果中的目標對象是否相同,從而針對相同的目標對象可以無需進行識別,則僅對不同的目標對象進行識別,通過減少識別時間,以縮短識別時間,提高識別效率。 可選地,所述判斷模組可以具體用於確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域的位置偏移是否在預設範圍。 其中,為了保證識別準確度,在某些實施例中,所述第二識別模組可以具體用於獲取任一當前目標對象以及歷史檢測結果中與所述任一當前目標對象相同的任一歷史目標對象的對象特徵;確定所述任一當前目標對象的對象特徵是否和與其相同的所述任一歷史目標對象的對象特徵相同;如果是,對所述任一當前目標對象不進行識別;如果否,對所述任一當前目標對象進行識別。 也即針對任一當前目標對象以及歷史檢測結果中與所述任一當前目標對象相同的任一歷史目標對象,結合對象特徵進一步的進行驗證。 此外,在某些實施例中,所述第二識別模組可以具體用於確定歷史檢測結果中,與任一當前目標對象相同的歷史目標對象是否識別成功;如果是,對所述任一當前目標對象不進行識別;如果否,對所述任一當前目標對象進行識別。 其中,可選地, 為了方便識別,可以對識別成功的目標對象設置識別成功標記,因此所述第一識別模組判斷歷史檢測結果中,與任一當前目標對象相同的歷史目標對象是否識別成功可以具體是: 判斷歷史檢測結果中,與任一當前目標對象相同的歷史目標對象是否設置有識別成功標記。 因此,所述第二識別模組對所述任一當前目標對象進行識別之後,還可以基於識別結果,將識別成功的當前目標對象設置識別成功標記。 此外,為了進一步提高識別便利性,在某些實施例中,第一識別模組可以具體用於為所述至少一個當前目標對象設置不同對象編號,其中,當前檢測結果與歷史檢測結果中相同的目標對象的對象編號相同; 對對象編號與歷史檢測結果中的歷史目標對象的對象編號相同的當前目標對象不進行識別。 圖6或7所述的資訊識別裝置可以執行圖1~圖3任一實施例所述的資訊識別方法,其實現原理和技術效果不再贅述。對於上述實施例中的資訊識別裝置其中各個模組、單元執行操作的具體方式已經在有關該方法的實施例中進行了詳細描述,此處將不做詳細闡述說明。 在一個可能的設計中,圖6或圖7所示實施例的資訊識別裝置可以實現為一電子設備,如圖8所示,該電子設備可以包括處理組件801,以及分別與所述處理組件801連接的記憶體802; 所述記憶體802儲存一條或多條電腦程式指令,所述一條或多條電腦程式指令供所述處理組件801調用並執行; 所述處理組件801用於: 對採集獲得的影像進行檢測,以確定至少一個當前目標對象; 確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同; 對與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。 處理組件801還用於對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別。 處理組件對與歷史檢測結果中的歷史目標對象相同的當前目標對象則不進行識別。 在一個實際應用中,該電子設備可以為與採集終端連接的認證伺服器,該採集終端可以為攝影機等攝像設備。 此外,作為又一個實施例,如圖9中所示,與圖8所示實施例不同之處在於,該電子設備還可以包括與處理組件801連接,用於採集影像的採集組件803。 處理組件801具體是對所述採集組件803採集獲得的影像進行檢測,以確定至少一個當前目標對象。 該實施例中,該電子設備可以為一個獨立的實現影像採集、對象檢測以及對象識別的識別終端。 此外,在某些實施例中,該處理組件801確定的當前目標對象還可以發送至認證伺服器,處理組件801對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別可以是觸發認證伺服器將與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別。處理組件801對與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別具體可以是觸發認證伺服器將與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。 其中,處理組件801可以包括一個或多個處理器來執行電腦指令,以完成上述的方法中的全部或部分步驟。當然處理組件也可以為一個或多個應用專用積體電路(ASIC)、數位訊號處理器(DSP)、數位信號處理設備(DSPD)、可程式設計邏輯裝置(PLD)、現場可程式設計閘陣列(FPGA)、控制器、微控制器、微處理器或其他電子元件實現,用於執行上述方法。 記憶體802被配置為儲存各種類型的資料以支援在XX設備的操作。記憶體可以由任何類型的揮發性或非揮發性存放裝置或者它們的組合實現,如靜態隨機存取記憶體(SRAM),電可擦除可程式設計唯讀記憶體(EEPROM),可擦除可程式設計唯讀記憶體(EPROM),可程式設計唯讀記憶體(PROM),唯讀記憶體(ROM),磁記憶體,快閃記憶體,磁片或光碟。 採集組件803可以為攝影機。 當然,電子設備必然還可以包括其他部件,例如輸入/輸出介面、通信組件等。 輸入/輸出介面為處理組件和週邊介面模組之間提供介面,上述週邊介面模組可以是輸出設備、輸入裝置等。 通信組件被配置為便於電子設備和其他設備之間有線或無線方式的通信,例如和認證伺服器進行通信等。 本申請實施例還提供了一種電腦可讀儲存介質,儲存有電腦程式,所述電腦程式被電腦執行時可以實現上述圖1~圖3任一項所示實施例的資訊識別方法。 所屬領域的技術人員可以清楚地瞭解到,為描述的方便和簡潔,上述描述的系統,裝置和單元的具體工作過程,可以參考前述方法實施例中的對應過程,在此不再贅述。 以上所描述的裝置實施例僅僅是示意性的,其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的,作為單元顯示的部件可以是或者也可以不是物理單元,即可以位於一個地方,或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。本領域普通技術人員在不付出創造性的勞動的情況下,即可以理解並實施。 通過以上的實施方式的描述,本領域的技術人員可以清楚地瞭解到各實施方式可借助軟體加必需的通用硬體平臺的方式來實現,當然也可以通過硬體。基於這樣的理解,上述技術方案本質上或者說對現有技術做出貢獻的部分可以以軟體產品的形式體現出來,該電腦軟體產品可以儲存在電腦可讀儲存介質中,如ROM/RAM、磁碟、光碟等,包括若干指令用以使得一台電腦設備(可以是個人電腦,伺服器,或者網路設備等)執行各個實施例或者實施例的某些部分所述的方法。 最後應說明的是:以上實施例僅用以說明本申請的技術方案,而非對其限制;儘管參照前述實施例對本申請進行了詳細的說明,本領域的普通技術人員應當理解:其依然可以對前述各實施例所記載的技術方案進行修改,或者對其中部分技術特徵進行等同替換;而這些修改或者替換,並不使相應技術方案的本質脫離本申請各實施例技術方案的精神和範圍。
401‧‧‧採集終端
402、502‧‧‧認證伺服器
501‧‧‧檢測終端
601‧‧‧檢測模組
602‧‧‧判斷模組
603‧‧‧第一識別模組
604‧‧‧第二識別模組
801‧‧‧處理組件
802‧‧‧記憶體
803‧‧‧採集組件
為了更清楚地說明本申請實施例或現有技術中的技術方案,下面將對實施例或現有技術描述中所需要使用的附圖作一簡單地介紹,顯而易見地,下面描述中的附圖是本申請的一些實施例,對於本領域普通技術人員來講,在不付出創造性勞動的前提下,還可以根據這些附圖獲得其他的附圖。 圖1示出了本申請提供的一種資訊識別方法一個實施例的流程圖; 圖2示出了本申請提供的一種資訊識別方法又一個實施例的流程圖; 圖3示出了本申請提供的一種資訊識別方法又一個實施例的流程圖; 圖4示出了本申請提供的一種資訊識別系統一個實施例的結構示意圖; 圖5示出了本申請提供的一種資訊識別系統又一個實施例的結構示意圖; 圖6示出了本申請提供的一種資訊識別裝置一個實施例的結構示意圖; 圖7示出了本申請提供的一種資訊識別裝置又一個實施例的結構示意圖; 圖8示出了本申請提供的一種電子設備一個實施例的結構示意圖; 圖9示出了本申請提供的一種電子設備又一個實施例的結構示意圖。
Claims (17)
- 一種資訊識別方法,其包括: 對採集獲得的影像進行檢測,以獲得至少一個當前目標對象; 確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同; 對與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。
- 如申請專利範圍第1項所述的方法,其中,還包括: 對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別。
- 如申請專利範圍第1或2項所述的方法,其中,所述確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同包括: 確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域是否一致,若是,確定所述任一當前目標對象與所述任一歷史目標對象相同,否則,確定所述任一當前目標對象與所述任一歷史目標對象不同。
- 如申請專利範圍第3項所述的方法,其中,所述對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別包括: 獲取任一當前目標對象以及歷史檢測結果中與所述任一當前目標對象相同的任一歷史目標對象的對象特徵; 確定所述任一當前目標對象的對象特徵是否和與其相同的所述任一歷史目標對象的對象特徵相同; 如果是,對所述任一當前目標對象不進行識別; 如果否,對所述任一當前目標對象進行識別。
- 如申請專利範圍第1或2項所述的方法,其中,所述確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同包括: 分別獲取所述至少一個當前目標對象的對象特徵; 確定歷史檢測結果中,是否存在對象特徵與所述至少一個當前目標對象的對象特徵相同的歷史目標對象。
- 如申請專利範圍第2項所述的方法,其中,所述對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別包括: 確定歷史檢測結果中,與任一當前目標對象相同的歷史目標對象是否識別成功; 如果是,對所述任一當前目標對象不進行識別; 如果否,對所述任一當前目標對象進行識別。
- 如申請專利範圍第3項所述的方法,其中,所述確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域是否一致包括: 確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域的位置偏移是否在預設範圍。
- 如申請專利範圍第1項所述的方法,其中,所述目標對象為人臉。
- 一種資訊識別裝置,其包括: 檢測模組,用於對採集獲得的影像進行檢測,以獲得至少一個當前目標對象; 判斷模組,用於確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同; 第一識別模組,用於對與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。
- 如申請專利範圍第9項所述的裝置,其中,還包括: 第二識別模組,用於對與歷史檢測結果中的歷史目標對象相同的當前目標對象不進行識別。
- 如申請專利範圍第9或10項所述的裝置,其中,所述判斷模組具體用於: 確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域是否一致,若是,確定所述任一當前目標對象與所述任一歷史目標對象相同,否則,確定所述任一當前目標對象與所述任一歷史目標對象不同。
- 如申請專利範圍第11項所述的裝置,其中,所述第二識別模組具體用於獲取任一當前目標對象以及歷史檢測結果中與所述任一當前目標對象相同的任一歷史目標對象的對象特徵;確定所述任一當前目標對象的對象特徵是否和與其相同的所述任一歷史目標對象的對象特徵相同;如果是,對所述任一當前目標對象不進行識別;如果否,對所述任一當前目標對象進行識別。
- 如申請專利範圍第9或10項所述的裝置,其中,所述判斷模組具體用於:分別獲取所述至少一個當前目標對象的對象特徵;確定歷史檢測結果中,是否存在對象特徵與所述至少一個當前目標對象的對象特徵相同的歷史目標對象。
- 如申請專利範圍第10項所述的裝置,其中,所述第二識別模組具體用於確定歷史檢測結果中,與任一當前目標對象相同的歷史目標對象是否識別成功;如果是,對所述任一當前目標對象不進行識別;如果否,對所述任一當前目標對象進行識別。
- 如申請專利範圍第11項所述的裝置,其中,所述判斷模組具體用於:確定任一當前目標對象所在位置區域與歷史檢測結果中的任一歷史目標對象所在位置區域的位置偏移是否在預設範圍。
- 一種電子設備,其包括處理組件,以及分別與所述處理組件連接的記憶體; 所述記憶體儲存一條或多條電腦程式指令,所述一條或多條電腦程式指令供所述處理組件調用並執行; 所述處理組件用於: 對採集獲得的影像進行檢測,以確定至少一個當前目標對象; 確定所述至少一個當前目標對象是否與歷史檢測結果中的歷史目標對象相同; 對與歷史檢測結果中的歷史目標對象不同的當前目標對象進行識別。
- 如申請專利範圍第16項所述的終端,其中,還包括與所述處理組件連接的採集組件,用於採集影像; 所述處理組件對採集獲得的影像進行檢測,以確定至少一個當前目標對象具體是對所述採集組件採集獲得影像進行檢測,以確定至少一個當前目標對象。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
??201710884606.X | 2017-09-26 | ||
CN201710884606.XA CN109558773B (zh) | 2017-09-26 | 2017-09-26 | 信息识别方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201915830A true TW201915830A (zh) | 2019-04-16 |
Family
ID=65863117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107119428A TW201915830A (zh) | 2017-09-26 | 2018-06-06 | 資訊識別方法、裝置及電子設備 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN109558773B (zh) |
TW (1) | TW201915830A (zh) |
WO (1) | WO2019062588A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275649A (zh) * | 2020-02-03 | 2020-06-12 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN111401463B (zh) * | 2020-03-25 | 2024-04-30 | 维沃移动通信有限公司 | 检测结果输出的方法、电子设备及介质 |
CN111582047A (zh) * | 2020-04-15 | 2020-08-25 | 浙江大华技术股份有限公司 | 人脸识别验证通行方法及其相关装置 |
CN111522795A (zh) * | 2020-04-23 | 2020-08-11 | 北京互金新融科技有限公司 | 处理数据的方法和装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2276234A4 (en) * | 2008-04-23 | 2017-11-22 | NEC Corporation | Image processing device, camera, image processing method, and program |
US8121358B2 (en) * | 2009-03-06 | 2012-02-21 | Cyberlink Corp. | Method of grouping images by face |
CN102254148A (zh) * | 2011-04-18 | 2011-11-23 | 周曦 | 一种多人动态环境下的实时人脸识别方法 |
CN102880864A (zh) * | 2012-04-28 | 2013-01-16 | 王浩 | 一种从流媒体文件中抓拍人脸的方法 |
CN103491351A (zh) * | 2013-09-29 | 2014-01-01 | 东南大学 | 违章建筑物的智能视频监控方法 |
CN104581003A (zh) * | 2013-10-12 | 2015-04-29 | 北京航天长峰科技工业集团有限公司 | 一种视频回查定位方法 |
US9524418B2 (en) * | 2014-06-05 | 2016-12-20 | Promethean Limited | Systems and methods for detecting, identifying and tracking objects and events over time |
CN104038742B (zh) * | 2014-06-06 | 2017-12-01 | 上海卓悠网络科技有限公司 | 一种基于人脸识别技术的门铃*** |
CN105205482B (zh) * | 2015-11-03 | 2018-10-26 | 北京英梅吉科技有限公司 | 快速人脸特征识别及姿态估算方法 |
CN106446816B (zh) * | 2016-09-14 | 2019-12-27 | 北京旷视科技有限公司 | 人脸识别方法及装置 |
CN107105310B (zh) * | 2017-05-05 | 2020-07-10 | 广州盈可视电子科技有限公司 | 一种视频直播中人物形象替换方法、装置和一种录播*** |
-
2017
- 2017-09-26 CN CN201710884606.XA patent/CN109558773B/zh active Active
-
2018
- 2018-06-06 TW TW107119428A patent/TW201915830A/zh unknown
- 2018-09-18 WO PCT/CN2018/106102 patent/WO2019062588A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2019062588A1 (zh) | 2019-04-04 |
CN109558773A (zh) | 2019-04-02 |
CN109558773B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201915830A (zh) | 資訊識別方法、裝置及電子設備 | |
CN111191539B (zh) | 证件真伪验证方法、装置、计算机设备和存储介质 | |
WO2019033572A1 (zh) | 人脸遮挡检测方法、装置及存储介质 | |
WO2015165365A1 (zh) | 一种人脸识别方法及*** | |
CN111626371B (zh) | 一种图像分类方法、装置、设备及可读存储介质 | |
CN110866466B (zh) | 一种人脸识别方法、装置、存储介质和服务器 | |
CN103914686A (zh) | 一种基于证件照与采集照的人脸比对认证方法及*** | |
CN110008909B (zh) | 一种基于ai的实名制业务实时稽核*** | |
WO2020244071A1 (zh) | 基于神经网络的手势识别方法、装置、存储介质及设备 | |
CN103324912A (zh) | 一种应用于atm机的人脸识别***及方法 | |
WO2019042195A1 (zh) | 一种人体目标身份识别方法及装置 | |
Tiwari et al. | A touch-less fingerphoto recognition system for mobile hand-held devices | |
CN108171138B (zh) | 一种生物特征信息获取方法和装置 | |
US11281922B2 (en) | Face recognition system, method for establishing data of face recognition, and face recognizing method thereof | |
Bong et al. | Palm print verification system | |
Chawla et al. | A robust algorithm for iris segmentation and normalization using hough transform | |
CN114698399A (zh) | 人脸识别方法、装置及可读存储介质 | |
JP2009129237A (ja) | 画像処理装置及びその方法 | |
Ibrahim | Iris recognition using Haar wavelet transform | |
Shinde et al. | Fingerprint Recognition Based on Deep Learning Pre-Train with Our Best CNN Model for Person Identification | |
Tinuke Omolewa et al. | Framework for User Authentication at a Distance for Mobile Phones Using Contactless Hand-based Multimodal Biometric System. | |
Ashwini et al. | Evaluation of iris recognition system on multiple feature extraction algorithms and its combinations | |
Sehgal | Palm recognition using LBP and SVM | |
US20220343681A1 (en) | Evaluating method and system for face verification, and computer storage medium | |
Sree et al. | Dorsal Hand Vein Pattern Authentication by Hough Peaks |