人脸比对方法及装置、计算机可读介质和电子设备制造方法及图纸

本发明专利技术公开了一种人脸比对方法及装置、计算机可读介质和电子设备，涉及图像处理技术领域。该人脸比对方法包括：确定第一人脸图像和第二人脸图像；将第一人脸图像与第二人脸图像拼接为目标图像；将目标图像输入一训练后的分类模型；将分类模型的输出结果与一分类阈值进行比较，如果输出结果大于等于分类阈值，则确定第一人脸图像和第二人脸图像对应同一用户。本发明专利技术可以精确地对人脸进行比对。

Face Comparing Method and Device, Computer Readable Media and Electronic Equipment

The invention discloses a face comparison method and device, a computer readable medium and an electronic device, and relates to the field of image processing technology. The method of face comparison includes: determining the first face image and the second face image; stitching the first face image with the second face image as the target image; inputting the target image into a trained classification model; comparing the output of the classification model with the classification threshold, and determining the first face image and the second face image if the output is greater than or equal to the classification threshold. The image corresponds to the same user. The invention can accurately compare faces.

【技术实现步骤摘要】
人脸比对方法及装置、计算机可读介质和电子设备
本专利技术涉及图像处理
，具体而言，涉及一种人脸比对方法、人脸比对装置、计算机可读介质和电子设备。
技术介绍
随着信息技术的快速发展以及各种场景中自动身份验证的迫切需求，生物特征识别技术得到了飞速的发展。其中，人脸识别作为一种非接触性的生物特征识别技术，已广泛应用到例如考勤、人证比对、酒店自助入住、会议签到、银行业务办理等场景中。目前，针对人脸识别比对的过程，可以采用基于模板匹配的人脸识别方法、基于KL交换的人脸识别方法、隐马尔可夫模型方法、基于人脸纹理特征的方法等来实现。这些方法在一定程度上可以满足人脸比对的需要。然而，这些方法不具备自主学习功能，适应性和实用性均不佳，例如，轻微的光线变化就有可能导致识别不准确。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本专利技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本专利技术的目的在于提供一种人脸比对方法、人脸比对装置、计算机可读介质和电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的人脸比对过程适应性和实用性不佳的问题。根据本专利技术的一个方面，提供一种人脸比对方法，包括：确定第一人脸图像和第二人脸图像；将第一人脸图像与第二人脸图像拼接为目标图像；将目标图像输入一训练后的分类模型；将分类模型的输出结果与一分类阈值进行比较，如果输出结果大于等于分类阈值，则确定第一人脸图像和第二人脸图像对应同一用户。可选地，确定第一人脸图像和第二人脸图像包括：获取第一原始图像和第二原始图像；分别对第一原始图像和第二原始图像进行人脸检测，以确定与第一原始图像对应的第一人脸图像以及与第二原始图像对应的第二人脸图像。可选地，在将第一人脸图像与第二人脸图像拼接为目标图像之前，人脸比对方法还包括：分别对第一人脸图像和第二人脸图像进行光照归一化处理。可选地，对第一人脸图像进行光照归一化处理包括：对第一人脸图像进行伽马变换；对伽马变换后的图像进行高斯差分滤波；对高斯差分滤波后的图像进行直方图均衡化处理。可选地，将第一人脸图像与第二人脸图像拼接为目标图像包括：分别对第一人脸图像和第二人脸图像进行双线性插值处理，以将第一人脸图像和第二人脸图像缩放至相同的尺寸；将缩放后的第一人脸图像和第二人脸图像拼接为目标图像。可选地，分类模型为一卷积神经网络；其中，卷积神经网络包括6个卷积池化层和3个全连接层。可选地，6个卷积池化层中的每一卷积池化层均包括2个卷积层和1个最大池化层；其中，2个卷积层中的每一卷积层包括大小为3×3且步长为2的卷积核。根据本专利技术的一个方面，提供一种人脸比对装置，该人脸比对装置可以包括图像确定模块、图像拼接模块、图像输入模块和结果比较模块。具体的，图像确定模块可以用于确定第一人脸图像和第二人脸图像；图像拼接模块可以用于将第一人脸图像与第二人脸图像拼接为目标图像；图像输入模块可以用于将目标图像输入一训练后的分类模型；结果比较模块可以用于将分类模型的输出结果与一分类阈值进行比较，如果输出结果大于等于分类阈值，则确定第一人脸图像和第二人脸图像对应同一用户。可选地，图像确定模块可以包括原始图像获取单元和人脸检测单元。具体的，原始图像获取单元可以用于获取第一原始图像和第二原始图像；人脸检测单元可以用于分别对第一原始图像和第二原始图像进行人脸检测，以确定与第一原始图像对应的第一人脸图像以及与第二原始图像对应的第二人脸图像。可选地，人脸比对装置还可以包括光照处理模块。具体的，光照处理模块可以用于分别对第一人脸图像和第二人脸图像进行光照归一化处理。可选地，光照处理模块可以包括第一处理单元、第二处理单元和第三处理单元。具体的，第一处理单元可以用于对第一人脸图像进行伽马变换；第二处理单元可以用于对伽马变换后的图像进行高斯差分滤波；第三处理单元可以用于对高斯差分滤波后的图像进行直方图均衡化处理。可选地，图像拼接模块可以包括图像压缩单元和图像拼接单元。具体的，图像压缩单元可以用于分别对第一人脸图像和第二人脸图像进行双线性插值处理，以将第一人脸图像和第二人脸图像缩放至相同的尺寸；图像拼接单元可以用于将缩放后的第一人脸图像和第二人脸图像拼接为目标图像。可选地，分类模型为一卷积神经网络；其中，卷积神经网络包括6个卷积池化层和3个全连接层。可选地，6个卷积池化层中的每一卷积池化层均包括2个卷积层和1个最大池化层；其中，2个卷积层中的每一卷积层包括大小为3×3且步长为2的卷积核。根据本专利技术的一个方面，提供一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现如上述任意一项的人脸比对方法。根据本专利技术的一个方面，提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上述任意一项的人脸比对方法。在本专利技术的一些实施例所提供的技术方案中，将第一人脸图像与第二人脸图像拼接为目标图像，将目标图像输入一训练后的分类模型，并根据分类模型的输出结果确定第一人脸图像和第二人脸图像是否对应同一用户。本专利技术采用分类模型的思想进行人脸比对，将待比对的图像拼接成一个图像进行分类，速度快、精度高，避免了相关技术中人脸识别方法对图像进行特征提取以及特征相似度的判断过程。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，并不能限制本公开。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，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。在附图中：图1示出了可以应用本专利技术实施例的人脸比对方法或人脸比对装置的示例性系统架构的示意图；图2示出了适于用来实现本专利技术实施例的电子设备的计算机系统的结构示意图；图3示意性示出了根据本专利技术的示例性实施方式的人脸比对方法的流程图；图4示意性示出了根据本专利技术的示例性实施方式的卷积神经网络的结构图；图5示意性示出了根据本专利技术的示例性实施方式的人脸比对方法所涉及步骤的整体流程图；图6示出了第一原始图像和第二原始图像的示意图；图7示出了根据本专利技术的示例性实施方式的对图6中所示的第一原始图像和第二原始图像进行人脸检测后的第一人脸图像和第二人脸图像的示意图；图8示出了根据本专利技术的示例性实施例的对图7中所示的第一人脸图像和第二人脸图像进行光照归一化处理后的图像的示意图；图9示出了根据本专利技术的示例性实施例的对图8中所示的光照归一化处理后的图像进行缩放并拼接为一张图像的示意图；图10示意性示出了根据本专利技术的示例性实施方式的人脸对比装置的方框图；图11示意性示出了根据本专利技术的示例性实施方式的图像确定模块的方框图；图12示意性示出了根据本专利技术的另一示例性实施方式的人脸比对装置的方框图；图13示意性示出了根据本专利技术的示例性实施方式的光照处理模块的方框图；图14示意性示出了根据本专利技术的示例性实施方式的图像拼接模块的方框图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供本文档来自技高网...

【技术保护点】
1.一种人脸比对方法，其特征在于，包括：确定第一人脸图像和第二人脸图像；将所述第一人脸图像与所述第二人脸图像拼接为目标图像；将所述目标图像输入一训练后的分类模型；将所述分类模型的输出结果与一分类阈值进行比较，如果所述输出结果大于等于所述分类阈值，则确定所述第一人脸图像和所述第二人脸图像对应同一用户。

【技术特征摘要】
1.一种人脸比对方法，其特征在于，包括：确定第一人脸图像和第二人脸图像；将所述第一人脸图像与所述第二人脸图像拼接为目标图像；将所述目标图像输入一训练后的分类模型；将所述分类模型的输出结果与一分类阈值进行比较，如果所述输出结果大于等于所述分类阈值，则确定所述第一人脸图像和所述第二人脸图像对应同一用户。2.根据权利要求1所述的人脸比对方法，其特征在于，确定第一人脸图像和第二人脸图像包括：获取第一原始图像和第二原始图像；分别对所述第一原始图像和所述第二原始图像进行人脸检测，以确定与所述第一原始图像对应的第一人脸图像以及与所述第二原始图像对应的第二人脸图像。3.根据权利要求1所述的人脸比对方法，其特征在于，在将所述第一人脸图像与所述第二人脸图像拼接为目标图像之前，所述人脸比对方法还包括：分别对所述第一人脸图像和所述第二人脸图像进行光照归一化处理。4.根据权利要求3所述的人脸比对方法，其特征在于，对所述第一人脸图像进行光照归一化处理包括：对所述第一人脸图像进行伽马变换；对伽马变换后的图像进行高斯差分滤波；对高斯差分滤波后的图像进行直方图均衡化处理。5.根据权利要求1所述的人脸比对方法，其特征在于，将所述第一人脸图像与所述第二人脸图像拼接为目标图像包括：分别对所述第一人脸图像和所述第二人脸图像进行双线性插值处理，以将所述第一人脸...

【专利技术属性】
技术研发人员：李驰，刘岩，朱兴杰，
申请(专利权)人：泰康保险集团股份有限公司，
类型：发明
国别省市：北京,11