图像识别方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种图像识别方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体为深度学习和计算机视觉技术领域，可应用于人脸图像处理、人脸图像识别等场景。实现方案为：对场景信息分析，得到模型标识和模型调用信息，根据模型标识，从多个候选识别模型中确定初始识别模型，根据模型调用信息配置初始识别模型的调用关系，以生成目标识别模型，根据目标识别模型和参考识别模型对初始图像进行活体识别。能够有效地简化不同识别模型之间调用关系的配置操作，使得不同识别模型之间形成的识别处理逻辑能够有效地适配于人脸图像处理和识别等场景的个性化识别需求，从而可以有效提升图像识别效果。效提升图像识别效果。效提升图像识别效果。

【技术实现步骤摘要】
图像识别方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能
，具体涉及深度学习和计算机视觉
，可应用于人脸图像处理、人脸图像识别等场景，尤其涉及一种图像识别方法、装置、电子设备及存储介质。

技术介绍

[0002]人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术，以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。
[0003]相关技术中，通常是针对识别场景开发活体识别模型，以支撑该识别场景中的活体识别任务。

技术实现思路

[0004]本公开提供了一种图像识别方法、装置、电子设备、存储介质及计算机程序产品。
[0005]根据本公开的第一方面，提供了一种图像识别方法，包括：获取初始图像和场景信息；对所述场景信息进行分析，得到模型标识和模型调用信息；根据所述模型标识，从多个候选识别模型中确定出初始识别模型；根据所述模型调用信息配置所述初始识别模型的调用关系，以生成目标识别模型；以及根据所述目标识别模型和参考识别模型对所述初始图像进行活体识别，其中，在进行活体识别时，所述目标识别模型基于所述调用关系调用所述参考识别模型，所述参考识别模型属于所述多个候选识别模型。
[0006]根据本公开的第二方面，提供了一种图像识别装置，包括：获取模块，用于获取初始图像和场景信息；分析模块，用于对所述场景信息进行分析，得到模型标识和模型调用信息；确定模块，用于根据所述模型标识，从多个候选识别模型中确定出初始识别模型；生成模块，用于根据所述模型调用信息配置所述初始识别模型的调用关系，以生成目标识别模型；以及识别模块，用于根据所述目标识别模型和参考识别模型对所述初始图像进行活体识别，其中，在进行活体识别时，所述目标识别模型基于所述调用关系调用所述参考识别模型，所述参考识别模型属于所述多个候选识别模型。
[0007]根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开第一方面实施例的图像识别方法。
[0008]根据本公开的第四方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本公开第一方面实施例的图像识别方法。
[0009]根据本公开的第五方面，提出了一种计算机程序产品，包括计算机程序，当计算机
程序由处理器执行时实现本公开第一方面实施例的图像识别方法。
[0010]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
[0011]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0012]图1是根据本公开第一实施例的示意图；
[0013]图2是根据本公开第二实施例的示意图；
[0014]图3是根据本公开实施例的活体检测流程示意图；
[0015]图4是根据本公开第三实施例的示意图；
[0016]图5是根据本公开第四实施例的示意图；
[0017]图6是根据本公开第五实施例的示意图；
[0018]图7示出了可以用来实施本公开的实施例的图像识别方法的示例电子设备的示意性框图。
具体实施方式
[0019]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0020]图1是根据本公开第一实施例的示意图。
[0021]其中，需要说明的是，本实施例的图像识别方法的执行主体为图像识别装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。
[0022]本公开实施例涉及人工智能
，具体涉及深度学习和计算机视觉技术，可应用于人脸图像处理、人脸图像识别等场景下。
[0023]其中，人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
[0024]深度学习，是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
[0025]计算机视觉，计算机视觉是用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
[0026]而人脸图像处理，是指利用计算机技术对输入的人脸图像或者视频流进行处理，提取出图像中包含的人脸图像信息；人脸图像识别，是指基于人脸图像的面部特征，对人脸图像中各个主要面部器官的位置信息进行提取，并依据这些信息，进一步提取每个人脸中所蕴涵的特征。
[0027]相关技术中，通常是根据对应识别场景下的活体识别需求单独开发多种识别模
型，并单独配置各个识别模型之间的调用关系，以支撑该识别场景下的活体识别任务。这种方式下，不同识别模型之间调用关系的配置操作较为繁琐，形成的识别处理逻辑不能够满足不同识别场景的个性化识别需求，影响图像识别效果。
[0028]从而本公开实施例中，为了解决上述技术问题，提供一种图像识别方法，实现结合活体识别场景信息确定模型调用信息，基于该模型调用信息辅助配置不同识别模型之间的调用关系，能够有效地简化不同识别模型之间调用关系的配置操作，使得不同识别模型之间形成的识别处理逻辑能够有效地适配于人脸图像处理和识别等场景的个性化识别需求，从而可以有效提升图像识别效果。
[0029]当将本公开实施例提供的图像识别方法，应用于人脸图像处理和人脸图像识别场景时，能够实现针对人脸图像处理场景和人脸图像识别场景自适应地、有针对性的配置不同识别模型之间的调用关系，以支撑不同的识别流程，实现不同识别模型之间的调用关系符合人脸图像处理场景和人脸图像识别场景的个性化需求，而不需要手动配置不同识别模型之间的调用关系以适配场景，从而能够有效地提升人脸图像处理场景和人脸图像识别场景中的图像处理和识别的效率，提升图像处理和识别的效果。
[0030]本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别方法，包括：获取初始图像和场景信息；对所述场景信息进行分析，得到模型标识和模型调用信息；根据所述模型标识，从多个候选识别模型中确定出初始识别模型；根据所述模型调用信息配置所述初始识别模型的调用关系，以生成目标识别模型；以及根据所述目标识别模型和参考识别模型对所述初始图像进行活体识别，其中，在进行活体识别时，所述目标识别模型基于所述调用关系调用所述参考识别模型，所述参考识别模型属于所述多个候选识别模型。2.根据权利要求1所述的方法，其中，所述对所述场景信息进行分析，得到模型标识和模型调用信息，包括：根据所述场景信息确定目标检测平台，其中，所述目标检测平台用于部署所述目标识别模型和所述参考识别模型；确定所述目标检测平台的平台配置信息；以及根据所述平台配置信息，确定所述模型标识和模型调用信息。3.根据权利要求1所述的方法，所述目标识别模型用于对视频帧进行校验，所述初始图像由所述视频帧提取得到，所述参考识别模型用于对所述初始图像进行活体识别；其中，所述根据所述目标识别模型和所述参考识别模型对所述初始图像进行活体识别，包括：将所述视频帧输入至所述目标识别模型中，得到所述目标识别模型输出的视频校验信息；如果所述视频校验信息满足第一有效性条件，则将所述初始图像输入至所述参考识别模型中，得到所述参考识别模型输出的活体识别结果。4.根据权利要求3所述的方法，在所述将所述初始图像输入至所述参考识别模型中，得到所述参考识别模型输出的活体识别结果之前，还包括：对所述视频帧进行预处理，得到目标视频帧；对所述目标视频帧进行图像提取，得到所述初始图像。5.根据权利要求4所述的方法，所述参考识别模型的数量是多个，所述调用关系包括：与多个参考识别模型分别对应多个调用次序；其中，所述将所述初始图像输入至所述参考识别模型中，得到所述参考识别模型输出的活体识别结果，包括：将所述初始图像输入至第一参考识别模型中，得到所述第一参考识别模型输出的第一识别结果，其中，所述第一参考识别模型属于所述多个参考识别模型；将所述第一识别结果输入至第二参考识别模型中，得到所述第二参考识别模型输出的第二识别结果，其中，所述第二参考识别模型属于所述多个参考识别模型，且所述第一参考识别模型的调用次序在所述第二参考识别模型的调用次序之前；根据所述第一识别结果和所述第二识别结果，确定所述活体识别结果。6.根据权利要求5所述的方法，所述第一参考识别模型，用于对所述初始图像进行校验，所述初始图像的数量为多个；
其中，所述将所述初始图像输入至第一参考识别模型中，得到所述第一参考识别模型输出的第一识别结果，包括：分别将多个所述初始图像输入至所述第一参考识别模型中，得到所述第一参考识别模型输出的多个图像校验信息；从多个所述初始图像中确定出目标图像，所述目标图像的图像校验信息满足第二有效性条件；确定与所述目标图像对应的跟踪信息，并将所述目标图像和所述跟踪信息共同作为所述第一识别结果，其中，所述跟踪信息是对所述目标图像中对象区域进行跟踪处理得到的信息。7.根据权利要求6所述的方法，所述目标图像的数量为多个；其中，所述将所述第一识别结果输入至第二参考识别模型中，得到所述第二参考识别模型输出的第二识别结果，包括：将多个所述目标图像分别输入至所述第二参考识别模型中，得到所述第二参考识别模型输出的多个识别置信度，并将所述多个识别置信度作为所述第二识别结果。8.根据权利要求7所述的方法，其中，所述根据所述第一识别结果和所述第二识别结果，确定所述活体识别结果，包括：判断多个所述跟踪信息之间是否满足一致性条件；确定所述多个识别置信度中大于置信度阈值的目标识别置信度，并确定所述目标识别置信度的参考数量；如果多个所述跟踪信息之间满足所述一致性条件，且所述参考数量大于或等于数量阈值，则根据所述多个识别置信度，确定所述活体识别结果；如果多个所述跟踪信息之间满足所述一致性条件，且所述参考数量小于所述数量阈值，则根据所述目标识别置信度，确定所述活体识别结果；如果多个所述跟踪信息之间不满足所述一致性条件，则对所述初始图像进行更新处理。9.一种图像识别装置，包括：获取模块，用于获取初始图像和场景信息；分析模块，用于对所述场景信息进行分析，得到模型标识和模型调用信息；确定模块，用于根据所述模型标识，从多个候选识别模型中确定出初始识别模型；生成模块，用于根据所述...

【专利技术属性】
技术研发人员：田昊，田飞，邹棹帆，胡伟东，陈龙，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：