人脸识别方法、装置、系统、存储介质和抓拍机制造方法及图纸

本发明专利技术提供了一种人脸识别方法、装置、系统、存储介质和抓拍机，该人脸识别方法包括：获取待处理的图像，并对所述图像进行人脸检测以得到人脸图像；针对所述人脸图像提取人脸特征向量；将所述提取的人脸特征向量传送到服务端，以由服务端基于所述人脸特征向量与底库进行比对，从而得到人脸识别结果。根据本发明专利技术实施例的人脸识别方法、装置、系统、存储介质和抓拍机在前端对检测得到的人脸图像提取人脸特征向量，并将提取出的人脸特征向量传送至服务端由服务端来实施比对，一方面使得人脸识别最耗费计算力的阶段在前端完成，从而降低对服务端服务器的性能需求，另一方面使得无需将识别底库设置在前端，因而彻底防止了识别底库在前端外泄的可能。

Face Recognition Method, Device, System, Storage Medium and Grab Machine

The invention provides a face recognition method, device, system, storage medium and a camera. The face recognition method includes: acquiring the image to be processed and detecting the image to obtain the face image; extracting the face feature vector for the face image; and transmitting the extracted face feature vector. It is sent to the server to compare the face feature vectors with the base database, and the result of face recognition can be obtained. According to the embodiment of the present invention, the face recognition method, device, system, storage medium and grabber extract the face feature vector from the face image detected at the front end, and transmit the extracted face feature vector to the service end for comparison by the service end. On the one hand, it makes the face recognition the most computational stage in which the computational effort is consumed. Front-end completion reduces the performance requirements of server, on the other hand, it makes it unnecessary to set the recognition base in the front-end, thus completely preventing the possibility of leakage of the recognition base in the front-end.

【技术实现步骤摘要】
人脸识别方法、装置、系统、存储介质和抓拍机
本专利技术涉及人脸检测
，更具体地涉及一种人脸识别方法、装置、系统和存储介质和抓拍机。
技术介绍
现有的人脸识别系统通常包括三种情形，第一种前端用普通视频相机，后端接处理服务器解析视频进行人脸识别。这种系统要求服务器完成视频解码、视频人脸检测以及人脸识别，对性能要求较高。第二种前端是人脸抓拍机，它对视频中的人脸进行检测后，只推出人脸小图给服务器进行识别，这种系统中服务器只需要完成人脸识别功能，对性能要求较低。第三种是直接在前端相机中完成人脸识别功能，这对服务器的性能要求最低。但第三种方案需要把识别底库放到前端的摄像机上，而由于摄像机的数量众多，安装环境也各种各样，不易控制，所以很难保证摄像机上存储的识别底库的信息安全，使得第三种方案在很多对识别底库敏感的应用中无法实施。
技术实现思路
本专利技术提出了一种关于人脸识别的方案，其也可以延伸至用于任何目标对象的识别，只需将人脸替换为其他目标对象即可。下面简要描述本专利技术提出的关于人脸识别的方案，更多细节将在后续结合附图在具体实施方式中加以描述。根据本专利技术一方面，提供了一种人脸识别方法，所述人脸识别方法包括：获取待处理的图像，并对所述图像进行人脸检测以得到人脸图像；针对所述人脸图像提取人脸特征向量；以及将所述提取的人脸特征向量传送到服务端，以由服务端基于所述人脸特征向量与底库进行比对，从而得到人脸识别结果。在本专利技术的一个实施例中，所述对所述图像进行人脸检测以得到人脸图像包括第一步骤和第二步骤，所述第一步骤包括：检测所述获取的图像中的人脸以获得人脸区域以及人脸关键点；所述第二步骤包括：将所述人脸区域抠图得到人脸框图像，并基于所述人脸关键点对所述人脸框图像进行调整，从而得到所述人脸图像。在本专利技术的一个实施例中，所述基于所述人脸关键点对所述人脸框图像进行调整包括：基于所述人脸关键点对所述人脸框图像进行旋转、平移、缩放中的至少一项。在本专利技术的一个实施例中，所述第一步骤是基于卷积神经网络来实现的，所述卷积神经网络在现场可编程门阵列上实现。在本专利技术的一个实施例中，所述现场可编程门阵列以2比特、4比特或8比特的精度执行计算。在本专利技术的一个实施例中，所述第二步骤是基于图像处理器来实现的。在本专利技术的一个实施例中，所述针对所述人脸图像提取人脸特征向量是基于卷积神经网络来实现的，所述卷积神经网络在现场可编程门阵列上实现。在本专利技术的一个实施例中，所述针对所述人脸图像提取的人脸特征向量为一维特征向量。在本专利技术的一个实施例中，所述服务端基于所述人脸特征向量与底库进行比对包括：计算所述人脸特征向量与所述底库中的特征向量的欧氏距离。根据本专利技术另一方面，提供了一种人脸识别装置，所述人脸识别装置包括：人脸检测模块，用于获取待处理的图像，并对所述图像进行人脸检测以得到人脸图像；特征提取模块，用于针对所述人脸检测模块得到的人脸图像提取人脸特征向量；以及通信模块，用于将所述特征提取模块提取的人脸特征向量传送到服务端，以由服务端基于所述人脸特征向量与底库进行比对，从而得到人脸识别结果。在本专利技术的一个实施例中，所述人脸检测模块进一步包括第一模块和第二模块，其中：所述第一模块用于检测所述获取的图像中的人脸以获得人脸区域以及人脸关键点；所述第二模块用于将所述人脸区域抠图得到人脸框图像，并基于所述人脸关键点对所述人脸框图像进行调整，从而得到所述人脸图像。在本专利技术的一个实施例中，所述第二模块基于所述人脸关键点对所述人脸框图像进行调整包括：基于所述人脸关键点对所述人脸框图像进行旋转、平移、缩放中的至少一项。在本专利技术的一个实施例中，所述第一模块为现场可编程门阵列，所述现场可编程门阵列上实现有卷积神经网络。在本专利技术的一个实施例中，所述现场可编程门阵列以2比特、4比特或8比特的精度执行计算。在本专利技术的一个实施例中，所述第二模块为图像处理器。在本专利技术的一个实施例中，所述特征提取模块为现场可编程门阵列，所述现场可编程门阵列上实现有卷积神经网络。在本专利技术的一个实施例中，所述特征提取模块针对所述人脸图像提取的人脸特征向量为一维特征向量。在本专利技术的一个实施例中，所述服务端基于所述人脸特征向量与底库进行比对包括：计算所述人脸特征向量与所述底库中的特征向量的欧氏距离。根据本专利技术又一方面，提供了一种人脸识别系统，所述人脸识别系统包括存储装置和处理器，所述存储装置上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时执行上述任一项所述的人脸识别方法。根据本专利技术再一方面，提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序在运行时执行上述任一项所述的人脸识别方法。根据本专利技术再一方面，提供了一种抓拍机，所述抓拍机包括图像采集装置和上述人脸识别系统。根据本专利技术再一方面，提供了一种抓拍机，所述抓拍机包括现场可编程门阵列、图像处理器和通信器，其中：所述现场可编程门阵列和所述图像处理器协同配合对获取的图像进行人脸检测以得到人脸图像；所述现场可编程门阵列针对所述人脸图像提取人脸特征向量；所述通信器将所述现场可编程门阵列提取的人脸特征向量传送到服务端，以由服务端基于所述人脸特征向量与底库进行比对，从而得到人脸识别结果。在本专利技术的一个实施例中，所述现场可编程门阵列和所述图像处理器的所述协同配合包括：所述现场可编程门阵列检测所述获取的图像中的人脸以获得人脸区域以及人脸关键点；所述图像处理器将所述人脸区域抠图得到人脸框图像，并基于所述人脸关键点对所述人脸框图像进行调整，从而得到所述人脸图像。在本专利技术的一个实施例中，所述现场可编程门阵列上实现有卷积神经网络，由所述卷积神经网络来检测所述人脸区域和所述人脸关键点，并由所述卷积神经网络来提取所述人脸特征向量。根据本专利技术实施例的人脸识别方法、装置、系统、存储介质和抓拍机在前端对检测得到的人脸图像提取人脸特征向量，并将提取出的人脸特征向量传送至服务端由服务端来实施比对，一方面使得人脸识别最耗费计算力的阶段在前端完成，从而降低对服务端服务器的性能需求，另一方面使得无需将识别底库设置在前端，因而彻底防止了识别底库在前端外泄的可能。附图说明通过结合附图对本专利技术实施例进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与本专利技术实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中，相同的参考标号通常代表相同部件或步骤。图1示出用于实现根据本专利技术实施例的人脸识别方法、装置、系统和存储介质的示例电子设备的示意性框图；图2示出根据本专利技术实施例的人脸识别方法的示意性流程图；图3示出根据本专利技术实施例的人脸识别装置的示意性框图；图4示出根据本专利技术实施例的人脸识别系统的示意性框图；以及图5示出根据本专利技术实施例的抓拍机的示意性框图。具体实施方式为了使得本专利技术的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本专利技术的示例实施例。显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是本专利技术的全部实施例，应理解，本专利技术不受这里描述的示例实施例的限制。基于本专利技术中描述的本专利技术实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本专利技术的保护范围之内。首本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，其特征在于，所述人脸识别方法包括：获取待处理的图像，并对所述图像进行人脸检测以得到人脸图像；针对所述人脸图像提取人脸特征向量；以及将所述提取的人脸特征向量传送到服务端，以由所述服务端基于所述人脸特征向量与底库进行比对，从而得到人脸识别结果。

【技术特征摘要】
1.一种人脸识别方法，其特征在于，所述人脸识别方法包括：获取待处理的图像，并对所述图像进行人脸检测以得到人脸图像；针对所述人脸图像提取人脸特征向量；以及将所述提取的人脸特征向量传送到服务端，以由所述服务端基于所述人脸特征向量与底库进行比对，从而得到人脸识别结果。2.根据权利要求1所述的人脸识别方法，其特征在于，所述对所述图像进行人脸检测以得到人脸图像包括第一步骤和第二步骤，所述第一步骤包括：检测所述获取的图像中的人脸以获得人脸区域以及人脸关键点；所述第二步骤包括：将所述人脸区域抠图得到人脸框图像，并基于所述人脸关键点对所述人脸框图像进行调整，从而得到所述人脸图像。3.根据权利要求2所述的人脸识别方法，其特征在于，所述基于所述人脸关键点对所述人脸框图像进行调整包括：基于所述人脸关键点对所述人脸框图像进行旋转、平移、缩放中的至少一项。4.根据权利要求2所述的人脸识别方法，其特征在于，所述第一步骤是基于卷积神经网络来实现的，所述卷积神经网络在现场可编程门阵列上实现。5.根据权利要求4所述的人脸识别方法，其特征在于，所述现场可编程门阵列以2比特、4比特或8比特的精度执行计算。6.根据权利要求2或3所述的人脸识别方法，其特征在于，所述第二步骤是基于图像处理器来实现的。7.根据权利要求1所述的人脸识别方法，其特征在于，所述针对所述人脸图像提取人脸特征向量是基于卷积神经网络来实现的，所述卷积神经网络在现场可编程门阵列上实现。8.根据权利要求1所述的人脸识别方法，其特征在于，所述针对所述人脸图像提取的人脸特征向量为一维特征向量。9.根据权利要求1所述的人脸识别方法，其特征在于，所述服务端基于所述人脸特征向量与底库进行比对包括：计算所述人脸特征向量与所述底库中的特征向量的欧氏距离。10.一种人脸识别装置，其特征在于，所述人脸识别装置包括：人脸检测模...

【专利技术属性】
技术研发人员：梁喆，周舒畅，
申请(专利权)人：北京旷视科技有限公司，
类型：发明
国别省市：北京,11