人脸识别方法、装置、系统、服务器及可读存储介质制造方法及图纸

本说明书实施例公开了一种人脸识别方法，对采集到的人脸图像进行图像预处理，得到预处理人脸图像；通过本地人脸识别模型对所述预处理人脸图像进行本地人脸识别，得到本地人脸识别值；若判断出本地人脸识别值满足所述预设数值条件，则在服务器端进行人脸识别，接收服务器端发送的服务器端人脸识别结果，确定所述人脸图像中的用户是否为目标用户；若判断出所述本地人脸识别值未满足所述预设数值条件，则根据所述本地人脸识别值和本地设定阈值，判断出所述人脸图像中的用户是否为目标用户；如此，将本地人脸识别与服务器端人脸识别相结合，能够在确保人脸识别准确性的情况下缩短人脸识别时间，即在确保人脸识别准确性的情况下能够有效提高人脸识别效率。

Face Recognition Method, Device, System, Server and Readable Storage Media

【技术实现步骤摘要】
人脸识别方法、装置、系统、服务器及可读存储介质
本说明书实施例涉及图像处理
，尤其涉及一种人脸识别方法、装置、系统、服务器及可读存储介质。
技术介绍
随着人脸识别技术的飞速发展，人脸识别技术越来越多的应用在人们的日常生活中，人脸识别技术应用在例如车站的刷脸进站，超市的刷脸付钱和手机APP的刷脸登录等场景中。现有技术中人脸识别方法大致可以分为两类：纯本地人脸识别方法(纯端人脸识别方法)和服务端人脸识别方法(纯云人脸识别方法)。其中，纯本地人脸识别方法将算法部署在终端设备上，比如手机、售货柜和门禁机具等，算法也运行在终端设备上，但由于终端设备的运算资源有限，所以纯本地人脸识别方法往往只能部署简单的算法，导致其识别的准确度较低。而服务端人脸识别方法将算法部署在网络侧的服务器上，算法运行在服务器中从而可部署复杂算法，但是由于端设备和服务器存在数据交互，依赖于网络环境，其响应时间往往较长，用户体验不如本地人脸识别方法。
技术实现思路
本说明书实施例提供了一种人脸识别方法、装置、系统、服务器及可读存储介质，在确保人脸识别准确性的情况下能够有效提高人脸识别效率。本说明书实施例第一方面提供了一种人脸识别方法，包括：对采集到的人脸图像进行图像预处理，得到预处理人脸图像；通过本地人脸识别模型对所述预处理人脸图像进行本地人脸识别，得到本地人脸识别值；判断所述本地人脸识别值是否满足预设数值条件，其中，所述预设数值条件用于确定是否将人脸识别数据上传至服务器端；若判断出所述本地人脸识别值满足所述预设数值条件，则将所述人脸识别数据发送给服务器端，接收所述服务器端发送的服务器端人脸识别结果；基于所述服务器端人脸识别结果，确定所述人脸图像中的用户是否为目标用户；其中，所述服务器端人脸识别结果是所述服务器端基于服务器端人脸识别模型对所述人脸识别数据进行人脸识别而得到的，所述人脸识别数据包括所述预处理人脸图像和压缩后的所述预处理人脸图像中的至少一项；若判断出所述本地人脸识别值未满足所述预设数值条件，则基于所述本地人脸识别值和本地设定阈值，判断所述人脸图像中的用户是否为目标用户。本说明书实施例第二方面提供了一种人脸识别方法，包括：接收本地设备发送的人脸识别数据，其中，所述人脸识别数据包括预处理人脸图像和压缩后的所述预处理人脸图像中的至少一项，所述预处理人脸图像是所述本地设备对采集到的人脸图像进行图像预处理得到的；基于服务器端人脸识别模型对所述人脸识别数据进行人脸识别，得到服务器端人脸识别结果，其中，所述服务器端人脸识别模型是根据本地人脸识别模型检测到的本地困难样本和本地简单样本进行训练而得到的；将所述服务器端人脸识别结果发送给所述本地设备。本说明书实施例第三方面还提供了一种人脸识别装置，包括：图像预处理单元，用于对采集到的人脸图像进行图像预处理，得到预处理人脸图像；本地人脸识别单元，用于通过本地人脸识别模型对所述预处理人脸图像进行本地人脸识别，得到本地人脸识别值；数据上传检测单元，用于判断所述本地人脸识别值是否满足预设数值条件其中，所述预设数值条件用于确定是否将人脸识别数据上传至服务器端；人脸图像发送单元，若判断出所述本地人脸识别值满足所述预设数值条件用于将所述人脸识别数据发送给服务器端；服务器端人脸识别结果接收及判断单元，用于接收所述服务器端发送的服务器端人脸识别结果；基于所述服务器端人脸识别结果，确定所述人脸图像中的用户是否为目标用户；其中，所述服务器端人脸识别结果是所述服务器端基于服务器端人脸识别模型对所述人脸识别数据进行人脸识别而得到的，所述人脸识别数据包括所述预处理人脸图像和压缩后的所述预处理人脸图像中的至少一项；本地人脸识别单元，若判断出所述本地人脸识别值未满足所述预设数值条件，用于基于所述本地人脸识别值和本地设定阈值，判断所述人脸图像中的用户是否为目标用户。本说明书实施例第四方面还提供了一种人脸识别装置，包括：数据接收单元，用于接收本地设备发送的人脸识别数据，其中，所述人脸识别数据包括预处理人脸图像和压缩后的所述预处理人脸图像中的至少一项，所述预处理人脸图像是所述本地设备对采集到的人脸图像进行图像预处理得到的；服务器端人脸识别单元，用于基于服务器端人脸识别模型对所述人脸识别数据进行人脸识别，得到服务器端人脸识别结果，其中，所述服务器端人脸识别模型是根据本地人脸识别模型检测到的本地困难样本和本地简单样本进行训练而得到的；服务器端人脸识别结果发送单元，用于将所述服务器端人脸识别结果发送给所述本地设备。本说明书实施例第五方面还提供了一种人脸识别系统，包括:本地设备，用于对采集到的人脸图像进行图像预处理，得到预处理人脸图像；通过本地人脸识别模型对所述预处理人脸图像进行本地人脸识别，得到本地人脸识别值；判断所述本地人脸识别值是否满足预设数值条件，其中，所述预设数值条件用于确定是否将人脸识别数据上传至服务器端；若判断出所述本地人脸识别值满足所述预设数值条件，则将所述人脸识别数据发送给服务器端，所述人脸识别数据包括所述预处理人脸图像和压缩后的所述预处理人脸图像中的至少一项；所述服务器端，用于接收所述本地设备发送的所述人脸识别数据；基于服务器端人脸识别模型对所述人脸识别数据进行人脸识别，得到服务器端人脸识别结果，并将所述服务器端人脸识别结果发送给所述本地设备；所述本地设备，用于接收所述服务器端发送的所述服务器端人脸识别结果，基于所述服务器端人脸识别结果，确定所述人脸图像中的用户是否为目标用户；所述本地设备，用于在检测到所述本地人脸识别值未满足所述预设数值条件时，基于所述本地人脸识别值和本地设定阈值，判断所述人脸图像中的用户是否为目标用户。本说明书实施例第六方面还提供了一种服务器，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，所述处理器执行所述程序时实现上述人脸识别方法的步骤。本说明书实施例第七方面还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时上述人脸识别方法的步骤。本说明书实施例的有益效果如下：本说明书实施例中，采用的技术方案是首先在本地对人脸图像进行人脸识别，得到所述本地人脸识别值，再判断所述本地人脸识别值是否满足所述预设数值条件，若满足所述预设数值条件，则在服务器端对人脸图像进行人脸识别，并将服务器端人脸识别得到的所述服务器端人脸识别结果发送给本地设备，以使得本地设备基于所述服务器端人脸识别结果判断人脸图像中的用户是否为目标用户；而若未满足所述预设数值条件，则通过判断所述本地人脸识别值是否大于本地设定阈值得到的检测结果，判断所述人脸图像中的用户是否为目标用户；如此，将本地人脸识别与服务器端人脸识别相结合，能够在确保人脸识别准确性的情况下缩短人脸识别时间，即在确保人脸识别准确性的情况下能够有效提高人脸识别效率。进一步，在所述本地人脸识别值满足所述预设数值条件时，本地人脸识别模型对于人脸图像的人脸识别结果存在较高不确定性，此时，将人脸图像发送到服务器端并在服务器端进行人脸识别，而由于在服务器端能够部署算法更加复杂的服务器端人脸识别模型对人脸图像进行人脸识别，使得在服务器端进行人脸识别得到服务器端人脸识别结果的准确度更高，从而能够有效提高人脸识别的准确性；而在所述本地人脸识别值不满本文档来自技高网...

【技术保护点】
1.一种人脸识别方法，包括：对采集到的人脸图像进行图像预处理，得到预处理人脸图像；通过本地人脸识别模型对所述预处理人脸图像进行本地人脸识别，得到本地人脸识别值；判断所述本地人脸识别值是否满足预设数值条件，其中，所述预设数值条件用于确定是否将人脸识别数据上传至服务器端；若判断出所述本地人脸识别值满足所述预设数值条件，则将所述人脸识别数据发送给服务器端，接收所述服务器端发送的服务器端人脸识别结果；基于所述服务器端人脸识别结果，确定所述人脸图像中的用户是否为目标用户；其中，所述服务器端人脸识别结果是所述服务器端基于服务器端人脸识别模型对所述人脸识别数据进行人脸识别而得到的，所述人脸识别数据包括所述预处理人脸图像和压缩后的所述预处理人脸图像中的至少一项；若判断出所述本地人脸识别值未满足所述预设数值条件，则基于所述本地人脸识别值和本地设定阈值，判断所述人脸图像中的用户是否为目标用户。

【技术特征摘要】
1.一种人脸识别方法，包括：对采集到的人脸图像进行图像预处理，得到预处理人脸图像；通过本地人脸识别模型对所述预处理人脸图像进行本地人脸识别，得到本地人脸识别值；判断所述本地人脸识别值是否满足预设数值条件，其中，所述预设数值条件用于确定是否将人脸识别数据上传至服务器端；若判断出所述本地人脸识别值满足所述预设数值条件，则将所述人脸识别数据发送给服务器端，接收所述服务器端发送的服务器端人脸识别结果；基于所述服务器端人脸识别结果，确定所述人脸图像中的用户是否为目标用户；其中，所述服务器端人脸识别结果是所述服务器端基于服务器端人脸识别模型对所述人脸识别数据进行人脸识别而得到的，所述人脸识别数据包括所述预处理人脸图像和压缩后的所述预处理人脸图像中的至少一项；若判断出所述本地人脸识别值未满足所述预设数值条件，则基于所述本地人脸识别值和本地设定阈值，判断所述人脸图像中的用户是否为目标用户。2.如权利要求1所述的检测方法，所述服务器端人脸识别模型通过下述步骤训练得到，具体包括：获取本地困难样本集合和本地简单样本集合，其中，所述本地困难样本集合和所述本地简单样本集合为所述本地人脸识别模型对本地训练样本集合进行人脸识别得到的；对所述本地困难样本集合和所述本地简单样本集合进行采样，得到用于训练所述服务器端人脸识别模型的服务器端训练样本集合，其中，所述服务器端训练样本集合中包含有对所述本地困难样本集合多次采样后的样本；使用损失函数对所述服务器端训练样本集合中的服务器端训练样本进行训练，得到所述服务器端人脸识别模型。3.如权利要求2所述的检测方法，所述本地困难样本集合和本地简单样本集合的获取步骤，具体包括：使用所述本地人脸识别模型对所述本地训练样本集合中的本地训练样本进行人脸识别，得到本地训练样本的人脸识别结果；根据本地训练样本的人脸识别结果，获取到本地困难样本集合和本地简单样本集合，其中，所述本地困难样本集合包括人脸识别结果错误的本地训练样本；所述本地简单样本集合包括人脸识别结果正确的本地训练样本。4.如权利要求2所述的检测方法，所述本地困难样本集合和本地简单样本集合的获取步骤，具体包括：使用所述本地人脸识别模型对本地训练样本进行人脸识别，得到本地训练样本的人脸识别值及其置信度；根据本地训练样本的人脸识别值，确定出本地训练样本是否为目标用户的人脸识别结果；根据本地训练样本的人脸识别结果及其置信度，获取到所述本地困难样本集合和所述本地简单样本集合，其中，所述本地困难样本集合包括人脸识别结果错误的本地训练样本，或，人脸识别结果错误且对应的置信度大于第一预设置信度的部分或全部本地训练样本；所述本地简单样本集合包括人脸识别结果正确的本地训练样本，或,人脸识别结果正确且对应的置信度大于第二预设置信度的部分或全部本地训练样本。5.如权利要求2所述的检测方法，所述使用损失函数对所述服务器端训练样本集合中的服务器端训练样本进行训练，得到所述服务器端人脸识别模型，具体包括:将所述服务器端训练样本集合中的服务器端训练样本压缩后使用损失函数进行训练，得到所述服务器端人脸识别模型。6.如权利要求1-5任一项所述的检测方法，所述人脸识别数据还包括所述本地人脸识别值和/或所述预设数值条件。7.如权利要求6所述的检测方法，所述将所述人脸识别数据发送给服务器端，接收所述服务器端发送的服务器端人脸识别结果，包括：将所述人脸识别数据发送给所述服务器端，其中，所述人脸识别数据包括所述本地人脸识别值、所述预设数值条件和压缩后的所述预处理人脸图像；接收到所述服务器端发送的服务器端人脸识别结果，其中，所述服务器端人脸识别结果是所述服务器端在验证所述本地人脸识别值满足所述预设数值条件之后基于所述服务器端人脸识别模型对压缩后的所述预处理人脸图像进行人脸识别而得到的。8.如权利要求1-5任一项所述的检测方法，所述对采集到的人脸图像进行图像预处理，得到预处理人脸图像，包括下述操作中的一项或多项:对所述人脸图像依次进行人脸检测、人脸校准和去除图像背景处理，得到人脸处理图像；根据所述人脸处理图像中的所有像素值，确定出所述人脸处理图像对应的像素均值；根据所述像素均值，确定出所述人脸处理图像中每个像素对应的方差；利用所述像素均值和每个像素对应的方差对每个像素进行归一化处理，得到每个像素的归一化数据；根据每个像素的归一化数据，得到所述预处理人脸图像。9.如权利要求1-5任一项所述的检测方法，所述基于所述本地人脸识别值和本地设定阈值，判断所述人脸图像中的用户是否为目标用户，具体包括：判断所述本地人脸识别值是否不小于所述本地设定阈值；若所述本地人脸识别值不小于所述本地设定阈值，则判定所述人脸图像中的用户为目标用户；若所述本地人脸识别值小于所述本地设定阈值，则判定所述人脸图像中的用户为非目标用户。10.如权利要求9所述的检测方法，所述通过本地人脸识别模型对所述预处理人脸图像进行本地人脸识别，得到本地人脸识别值，具体包括：获取在所述服务器端训练的所述本地人脸识别模型；对所述本地人脸识别模型进行本地模型部署处理，并将处理后的所述本地人脸识别模型部署在本地；通过部署在本地的所述本地人脸识别模型对所述预处理人脸图像进行本地人脸识别，得到所述本地人脸识别值。11.一种人脸识别方法，包括：接收本地设备发送的人脸识别数据，其中，所述人脸识别数据包括预处理人脸图像和压缩后的所述预处理人脸图像中的至少一项，所述预处理人脸图像是所述本地设备对采集到的人脸图像进行图像预处理得到的；基于服务器端人脸识别模型对所述人脸识别数据进行人脸识别，得到服务器端人脸识别结果，其中，所述服务器端人脸识别模型是根据本地人脸识别模型检测到的本地困难样本和本地简单样本进行训练而得到的；将所述服务器端人脸识别结果发送给所述本地设备。12.如权利要求11所述的检测方法，所述服务器端人脸识别模型通过下述步骤训练得到，具体包括：获取本地困难样本集合和本地简单样本集合，其中，所述本地困难样本集合和所述本地简单样本集合为所述本地人脸识别模型对本地训练样本集合进行人脸识别得到的；对所述本地困难样本集合和所述本地简单样本集合进行采样，得到用于训练所述服务器端人脸识别模型的服务器端训练样本集合，其中，所述服务器端训练样本集合中包含有对所述本地困难样本集合多次采样后的样本；使用损失函数对所述服务器端训练样本集合中的服务器端训练样本进行训练，得到所述服务器端人脸识别模型。13.如权利要求12所述的检测方法，所述本地困难样本集合和本地简单样本集合的获取步骤，具体包括：使用所述本地人脸识别模型对所述本地训练样本集合中的本地训练样本进行人脸识别，得到本地训练样本的人脸识别结果；根据本地训练样本的人脸识别结果，获取到本地困难样本集合和本地简单样本集合，其中，所述本地困难样本集合包括人脸识别结果错误的本地训练样本；所述本地简单样本集合包括人脸识别结果正确的本地训练样本。14.如权利要求12所述的检测方法，所述本地困难样本集合和本地简单样本集合的获取步骤，具体包括：使用所述本地人脸识别模型对本地训练样本进行人脸识别，得到本地训练样本的人脸识别值及其置信度；根据本地训练样本的人脸识别值，确定出本地训练样本是否为目标用户的人脸识别结果；根据本地训练样本的人脸识别结果及其置信度，获取到所述本地困难样本集合和所述本地简单样本集合，其中，所述本地困难样本集合包括人脸识别结果错误的本地训练样本，和/或，人脸识别结果错误且对应的置信度大于第一预设置信度的部分或全部本地训练样本；所述本地简单样本集合包括人脸识别结果正确的本地训练样本，或,人脸识别结果正确且对应的置信度大于第二预设置信度的部分或全部本地训练样本。15.如权利要求12所述的检测方法，所述使用损失函数对所述服务器端训练样本集合中的服务器端训练样本进行训练，得到所述服务器端人脸识别模型，具体包括:将所述服务器端训练样本集合中的服务器端训练样本压缩后使用损失函数进行训练，得到所述服务器端人脸识别模型。16.权利要求11-15任一项所述的检测方法，所述人脸识别数据还包括所述本地人脸识别值和/或所述预设数值条件，其中，所述本地人脸识别值是所述本地设备通过所述本地人脸识别模型对所述预处理人脸图像进行本地人脸识别而得到的，所述预设数值条件用于确定是否将人脸识别数据上传至服务器端。17.权利要求16所述的检测方法，在接收本地设备发送的人脸识别数据之后，所述方法还包括：若所述人脸识别数据包括所述本地人脸识别值、所述预设数值条件和压缩后的所述预处理人脸图像，则验证所述本地人脸识别值是否在所述预设数值条件内；若验证出所述本地人脸识别值是在所述预设数值条件内，则基于所述服务器端人脸识别模型对压缩后的所述预处理人脸图像进行人脸识别，得到所述服务器端人脸识别结果；将所述服务器端人脸识别结果发送给所述本地设备。18.如权利要求17所述的检测方法，所述基于所述服...

【专利技术属性】
技术研发人员：曹佳炯，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY