人脸识别方法技术

本公开提供了一种人脸识别方法，涉及人工智能技术领域，具体为计算机视觉

【技术实现步骤摘要】
人脸识别方法、装置、电子设备及计算机可读存储介质


[0001]本公开涉及人工智能
，具体为计算机视觉
、
图像处理
、
深度学习等
，可应用于智慧城市等场景
。

技术介绍

[0002]在计算机视觉领域，人脸识别广泛应用到各个领域，无论是安全防卫
、
对身份进行验证
、
护照识别以及驾驶执照，还是自动门卫系统
、
银行和海关的监控系统等等，它都有着重要的应用
。
[0003]目前，传统人脸识别技术基于单帧图像帧中检测到的待测人脸，与预先输入的目标人脸进行比较，得到要检测的目标人脸，而由于人脸识别应用环境的复杂性和人脸本身的多变性，这种人脸识别的方式准确性不足
。

技术实现思路

[0004]本公开提供了一种用于解决上述技术问题中的至少一项的人脸识别方法
、
装置
、
电子设备及计算机可读存储介质
。
[0005]根据本公开的一方面，提供了一种人脸识别方法，所述方法包括：
[0006]获取多个图像帧，针对每一图像帧，确定当前的图像帧中包含的待测人脸图像；
[0007]针对每一图像帧，基于参考目标人脸特征，从所述当前的图像帧中包含的待测人脸图像中确定出目标待测人脸图像；
[0008]根据所述当前的图像帧中的所述目标待测人脸图像的图像信息和前一图像帧确定出的目标人脸图像的图像信息验证所述目标待测人脸图像，并在验证通过的情况下，确定所述目标待测人脸图像为所述当前的图像帧的目标人脸图像
。
[0009]根据本公开的另一方面，提供了一种人脸识别装置，所述装置包括：
[0010]待测人脸图像模块，用于获取多个图像帧，针对每一图像帧，确定当前的图像帧中包含的待测人脸图像；
[0011]目标待测人脸图像模块，用于针对每一图像帧，基于参考目标人脸特征，从所述当前的图像帧中包含的待测人脸图像中确定出目标待测人脸图像；
[0012]目标人脸图像模块，用于根据所述当前的图像帧中的所述目标待测人脸图像的图像信息和前一图像帧确定出的目标人脸图像的图像信息验证所述目标待测人脸图像，并在验证通过的情况下，确定所述目标待测人脸图像为所述当前的图像帧的目标人脸图像
。
[0013]根据本公开的另一方面，提供了一种电子设备，包括：
[0014]至少一个处理器；以及
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执上述方法
。
[0017]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储
介质，其中，所述计算机指令用于使所述计算机执行根据上述方法
。
[0018]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述方法
。
[0019]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
。
本公开的其它特征将通过以下的说明书而变得容易理解
。
附图说明
[0020]附图用于更好地理解本方案，不构成对本公开的限定
。
其中：
[0021]图1是本公开第一实施例提供的一种人脸识别方法的流程示意图；
[0022]图2是本公开第二实施例提供的一种人脸识别方法的流程示意图；
[0023]图3是本公开第三实施例提供的一种人脸识别装置的结构示意图；
[0024]图4是用来实现本公开实施例的方法的电子设备的框图
。
具体实施方式
[0025]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
。
[0026]在不冲突的情况下，本公开各实施例及实施例中的各特征可相互组合
。
[0027]如本文所使用的，术语“和
/
或”包括一个或多个相关列举条目的任何和所有组合
。
[0028]本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开
。
如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出
。
[0029]除非另外限定，否则本文所用的所有术语
(
包括技术和科学术语
)
的含义与本领域普通技术人员通常理解的含义相同
。
还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本文明确如此限定
。
[0030]根据本公开的人脸识别方法可以由终端设备或服务器等电子设备执行，终端设备可以为车载设备
、
用户设备
(User Equipment
，
UE)、
移动设备
、
用户终端
、
终端
、
蜂窝电话
、
无绳电话
、
个人数字助理
(Personal Digital Assistant
，
PDA)、
手持设备
、
计算设备
、
车载设备
、
可穿戴设备等，方法可以通过处理器调用存储器中存储的计算机可读程序指令的方式来实现
。
或者，可通过服务器执行本公开提供的人脸识别方法
。
[0031]在公开第一实施例中，参见图1，图1示出本公开第一实施例提供的一种人脸识别方法的流程示意图
。
该方法包括：
[0032]S101、
获取多个图像帧，针对每一图像帧，确定当前的图像帧中包含的待测人脸图像
。
[0033]在一些实例中，多个图像帧可以从视频流中获得，视频流具体可以为：影视视频流
、
实时监控视频流等，其中，多个图像帧可以为视频流中的每一图像帧，也可以为视频流中的关键图像帧，并且，多个图像帧是连续的图像帧
。
[0034]具体地，可以将多个图像帧输入目标检测网络，检测图像帧的画面中包含的人脸
目标，得到目标检测网络输出的多个表示待测人脸图像的人脸预测框
。
人脸检测框
(anchorbox)
为目标检测与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种人脸识别方法，所述方法包括：获取多个图像帧，针对每一图像帧，确定当前的图像帧中包含的待测人脸图像；针对每一图像帧，基于参考目标人脸特征，从所述当前的图像帧中包含的待测人脸图像中确定出目标待测人脸图像；根据所述当前的图像帧中的所述目标待测人脸图像的图像信息和前一图像帧确定出的目标人脸图像的图像信息验证所述目标待测人脸图像，并在验证通过的情况下，确定所述目标待测人脸图像为所述当前的图像帧的目标人脸图像
。2.
根据权利要求1所述的方法，其中，若所述当前的图像帧为第一帧图像帧，所述参考目标人脸特征通过以下方式获得：根据预设的初始目标人脸图像，确定所述参考目标人脸特征
。3.
根据权利要求2所述的方法，其中，所述根据预设的初始目标人脸图像，确定所述参考目标人脸特征，包括：将所述初始目标人脸图像输入预设的人脸识别模型，得到输出的与所述初始目标人脸图像对应的初始目标人脸特征；根据所述初始目标人脸特征，得到所述参考目标人脸特征
。4.
根据权利要求1‑3任一所述的方法，其中，若所述当前的图像帧为非第一帧图像帧，所述参考目标人脸特征为前一图像帧确定出的所述目标人脸图像的人脸特征
。5.
根据权利要求1‑4任一所述的方法，其中，所述待测人脸图像的数量为多个；所述针对每一图像帧，基于参考目标人脸特征，从所述当前的图像帧中包含的待测人脸图像中确定出目标待测人脸图像，包括：确定多个待测人脸图像对应的多个待测人脸特征；依次根据所述多个待测人脸特征与所述参考目标人脸特征做相似度比较，并确定相似度比较结果最大的待测人脸特征对应的待测人脸图像为所述目标待测人脸图像
。6.
根据权利要求5所述的方法，其中，所述依次根据所述多个待测人脸特征与所述参考目标人脸特征做相似度比较，并确定相似度比较结果最大的待测人脸特征对应的待测人脸图像为所述目标待测人脸图像之后，所述针对每一图像帧，基于参考目标人脸特征，从所述当前的图像帧中包含的待测人脸图像中确定出目标待测人脸图像，还包括：根据所述目标待测人脸图像对应的所述相似度比较结果与预设的第一阈值，确定所述目标待测人脸图像是否为最终的目标待测人脸图像
。7.
根据权利要求1‑6任一所述的方法，其中，所述根据所述当前的图像帧中的所述目标待测人脸图像的图像信息和前一图像帧确定出的目标人脸图像的图像信息验证所述目标待测人脸图像，并在验证通过的情况下，确定所述目标待测人脸图像为所述当前的图像帧的目标人脸图像，包括：根据所述当前的图像帧中的所述目标待测人脸图像的图像信息和前一图像帧确定出的目标人脸图像的图像信息确定图像信息差异；根据所述图像信息差异与预设的第二阈值，验证所述目标待测人脸图像，在确定所述所述图像信息差异小于所述第二阈值的情况下，确定所述目标待测人脸图像为所述当前的图像帧的目标人脸图像
。8.
根据权利要求7所述的方法，其中，所述图像信息为图像中心位置；所述图像信息差
异为图像中心位移距离；所述根据所述当前的图像帧中的所述目标待测人脸图像的图像信息和前一图像帧确定出的目标人脸图像的图像信息确定图像信息差异，包括：确定所述目标待测人脸图像的图像中心位置，并确定所述目标人脸图像的图像中心位置；根据所述目标待测人脸图像的图像中心位置与所述目标人脸图像的图像中心位置确定图像中心位移距离
。9.
一种人脸识别装置，所述装置包括：待测人脸图像模块，用于获取多个图像帧，针对每一图像帧，确定当前的图像帧中包含的待测人脸图像；目标待测人脸图像模块，用于针对每一图像帧，基于参考目标人脸特征...

【专利技术属性】
技术研发人员：张蕴，
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：