一种人脸识别的方法和装置与流程

1.本发明涉及计算机技术领域，具体而言，涉及一种人脸识别的方法 和装置。


背景技术：

2.随着移动终端设备的不断普及，越来越多的应用程序，例如，支付 宝，启用了人脸识别技术。基于人脸识别技术的普及，给手机支付提供 了便利。
3.基于现在人脸识别技术的精确度有限，无法从图像库中的众多人脸 图像中识别出两张或多张以上的人脸是相同的人脸。现有的误判率还是 比较高的，尤其是从视频中截取的不同人脸图像，基于现有的人脸识别 技术，很难识别出两张或多张以上的人脸是相同的人脸。


技术实现要素：

4.本发明的目的在于提供一种人脸识别的方法、装置、介质和电子设 备，能够解决上述提到的至少一个技术问题。具体方案如下：
5.根据本发明的具体实施方式，第一方面，本发明提供一种人脸识别 的方法，包括：
6.判断人脸图像是否满足人脸矫正的要求，若所述人脸图像满足所述 人脸矫正的要求，则通过仿射变换方法，将所述人脸图像对应的至少一 个人脸关键点矫正至对应的标准位置，得到矫正后的人脸图像；
7.对所述矫正后的人脸图像进行预处理，得到预处理后的人脸图像；
8.根据预先配置的训练模型对所述预处理后的人脸图像进行人脸特征 向量提取，得到对应的人脸特征向量；
9.根据所述人脸特征向量的余弦相似度判断所述人脸图像与人脸图像 库中的至少一张人脸图像是否为相同人脸，若所述余弦相似度在预设阈 值范围内，则判断所述人脸图像与人脸图像库中的至少一张人脸图像为 相同人脸。
10.根据本发明的具体实施方式，第二方面，本发明提供一种人脸识别 的装置，包括：
11.矫正单元，用于判断人脸图像是否满足人脸矫正的要求，若所述人 脸图像满足所述人脸矫正的要求，则通过仿射变换方法，将所述人脸图 像对应的至少一个人脸关键点矫正至对应的标准位置，得到矫正后的人 脸图像；
12.预处理单元，用于对所述矫正单元矫正的所述矫正后的人脸图像进 行预处理，得到预处理后的人脸图像；
13.人脸特征向量提取单元，用于根据预先配置的训练模型对所述预处 理单元得到的所述预处理后的人脸图像进行人脸特征向量提取，得到对 应的人脸特征向量；
14.判断单元，用于根据所述人脸特征向量提取单元提取的所述人脸特 征向量的余弦相似度判断所述人脸图像与人脸图像库中的至少一张人脸 图像是否为相同人脸，若所述余弦相似度在预设阈值范围内，则判断所 述人脸图像与人脸图像库中的至少一张人脸图像为相同人脸。
15.本发明实施例的上述方案与现有技术相比，至少具有以下有益效果： 本发明通过提供一种人脸识别的方法和装置，本发明实施例通过引入人 脸特征向量的余弦相似度，能够精准判断两张或两张以上的人脸图像是 否为相同人脸，降低了现有的误判率，提高了人脸识别的精准度。
附图说明
16.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 本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地， 下面描述中的附图仅仅是本发明的一些实施例，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：
17.图1示出了根据本发明实施例的人脸识别的方法流程图；
18.图2示出了根据本发明的实施例的对人脸识别的装置结构示意图；
19.图3示出了根据本发明的实施例的电子设备连接结构示意图。
具体实施方式
20.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图 对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一 部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普 通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都 属于本发明保护的范围。
21.在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的， 而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单 数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文 清楚地表示其他含义，“多种”一般包含至少两种。
22.应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象 的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单 独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字 符“/”，一般表示前后关联对象是一种“或”的关系。
23.应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三 等来描述，但不应限于这些术语。这些术语仅用来区分开。例如，在不 脱离本发明实施例范围的情况下，第一也可以被称为第二，类似地，第 二也可以被称为第一。
24.取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为
ꢀ“
在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。类 似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事 件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈 述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
25.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在 涵盖非排他性的包含，从而使得包括一系列要素的商品或者装置不仅包 括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这 种商品或者装置所固有的要素。在没有更多限制的情况下，由语句“包 括一个
……”
限定的要素，并不排除在包括所述要素的商品或者装置中 还存在另外的相同要素。
26.下面结合附图详细说明本发明的可选实施例。
27.实施例1
28.如图1所示，根据本公开实施例的具体实施方式，第一方面，本公 开实施例提供一种图像相似度处理方法，具体包括如下方法步骤：
29.s102：判断人脸图像是否满足人脸矫正的要求，若人脸图像满足人 脸矫正的要求，则通过仿射变换方法，将人脸图像对应的至少一个人脸 关键点矫正至对应的标准位置，得到矫正后的人脸图像。
30.在此步骤中，仿射变换方法是在几何上定义为两个向量空间之间的 一个仿射变换或者仿射映射由一个非奇异的线性变换(运用一次函数进 行的变换)接上一个平移变换组成。在有限维的情况，每个仿射变换可 以由一个矩阵a和一个向量b给出，它可以写作a和一个附加的列b。 一个仿射变换对应于一个矩阵和一个向量的乘法，而仿射变换的复合对 应于普通的矩阵乘法，只要加入一个额外的行到矩阵的底下，这一行全 部是0除了最右边是一个1，而列向量的底下要加上一个1。
31.可选的，在执行s102判断人脸图像是否满足人脸矫正的要求之前， 所述方法还包括以下步骤：
32.获取人脸图像。
33.在实际应用中，获取人脸图像的方法有很多，不仅可以通过图像采 集装置采集人脸图像，还可以根据视频文件的时间戳，从视频文件中截 取人脸图像。上述仅仅罗列了常见的获取人脸图像的方法，还有其它方 法，在此不再一一赘述。
34.可选的，获取人脸图像包括以下步骤：
35.响应于图像采集启动的触控指令，通过图像采集装置采集人脸图像， 得到人脸图像。
36.在此步骤中，响应于图像采集启动的触控指令，图像采集装置，例 如，安装于终端数设备上的摄像头，采集人脸图像，得到人脸图像。
37.在实际应用中，为了获得更加清晰的人脸图像，往往调节将终端设 备，例如，手机的屏幕亮度调整至较亮的亮度，以便于能够采集到高清 的人脸图像，避免出现人脸图像模糊的情况。
38.可选的，获取人脸图像还包括以下步骤：
39.根据视频文件的时间戳，从视频文件中截取人脸图像。
40.在此步骤中，通过视频文件的时间戳，可以从视频文件中确定待进 行截取的人脸图像。在实际应用中，可以基于时间戳，对视频文件的人 脸图像多截取几张，从多张截取的人脸图像中选取出最清晰的人脸图像。
41.s104：对矫正后的人脸图像进行预处理，得到预处理后的人脸图像。
42.可选的，对矫正后的人脸图像进行预处理包括以下步骤：
43.检测人脸图像中的人脸数量；
44.在人脸图像中的人脸数量大于或等于二时，检测人脸图像中的各个 人脸对应的各个人脸位置；
45.根据各个人脸位置检测各个人脸对应的至少一个人脸关键点坐标；
46.根据各个人脸位置和各个人脸对应的至少一个人脸关键点坐标，对 人脸图像中的各个人脸进行截取，得到各个人脸图像。
47.可选的，对矫正后的人脸图像进行预处理还包括以下步骤：
48.对矫正后的人脸图像进行清晰度的预处理；
49.其中，对矫正后的人脸图像进行清晰度的预处理的计算公式为：
[0050][0051]
其中，i表示灰度级，i＝0,1,2
……
l-1；l表示灰度级的种类数目， 信号的灰度级数目为256；n
i
表示具有灰度级i的总的像素个数；n表 示图像中总的像素数目。
[0052]
可选的，对矫正后的人脸图像进行预处理还包括以下步骤：
[0053]
从矫正后的人脸图像中随机选取多个关键点，并将相邻的关键点依 次连接，形成对应的第一图形，对第一图形进行圆率的预处理；
[0054]
其中，对第一图形进行圆率的预处理的计算公式为：
[0055][0056]
其中，s表示目标区域的面积，l表示目标区域的周长，圆率c越 大，目标月接近圆形；或者，
[0057]
可选的，对矫正后的人脸图像进行预处理还包括以下步骤：
[0058]
从矫正后的人脸图像中随机选取多个关键点，并将相邻的关键点依 次连接，形成对应的第二图形，对第二图形进行方率的预处理。
[0059]
其中，对第二图形进行方率的预处理的计算公式为：
[0060][0061]
其中，s表示目标区域的面积；s
mer
表示最小外接矩形的面积，方 率r越大，目标越接近矩形，最大值为1。
[0062]
s106：根据预先配置的训练模型对预处理后的人脸图像进行人脸特 征向量提取，得到对应的人脸特征向量。
[0063]
在此步骤中，对人脸特征向量进行提取的方法均为常规方法，在此 不再赘述。
[0064]
可选的，在根据预先配置的训练模型对预处理后的人脸图像进行人 脸特征向量提取，得到对应的人脸特征向量之后，所述方法还包括以下 步骤：
[0065]
对人脸图像建立对应的索引，并标识以索引标识。
[0066]
s108：根据人脸特征向量的余弦相似度判断人脸图像与人脸图像库 中的至少一张人脸图像是否为相同人脸，若余弦相似度在预设阈值范围 内，则判断人脸图像与人脸图像库中的至少一张人脸图像为相同人脸。
[0067]
在此步骤中，若余弦相似度的预设阈值设置为百分之八十，则在余 弦相似度的预设阈值范围为大于等于百分之八十，在该范围内，判断人 脸图像与人脸图像库中的至少一张人脸图像为相同人脸；这样，能够精 准判断两张或两张以上的人脸图像是否为相同人脸，降低了现有的误判 率，提高了人脸识别的精准度。
[0068]
可选的本公开实施例提供的人脸识别方法还包括以下步骤：
[0069]
对人脸图像的人脸属性特征进行识别，得到对应的包括各个人脸属 性特征的识
别结果；其中，
[0070]
人脸属性特征至少包括以下一项：
[0071]
脸型属性特征、眉形属性特征、眼睛形状属性特征、睫毛属性特征、 鼻形属性特征、嘴形属性特征、耳朵属性特征、下巴属性特征。上述仅 仅罗列了常见的人脸属性特征，还有其它人脸属性特征，在此不再赘述。
[0072]
本公开实施例提供的人脸识别方法，通过引入人脸特征向量的余弦 相似度，能够精准判断两张或两张以上的人脸图像是否为相同人脸，降 低了现有的误判率，提高了人脸识别的精准度。
[0073]
实施例2
[0074]
如图2所示，根据本发明的具体实施方式，第二方面，本发明提供 一种人脸识别的装置，包括：矫正单元202、预处理单元204、人脸特 征向量提取单元206和判断单元208等，具体如下：
[0075]
矫正单元202，用于判断人脸图像是否满足人脸矫正的要求，若人 脸图像满足人脸矫正的要求，则通过仿射变换方法，将人脸图像对应的 至少一个人脸关键点矫正至对应的标准位置，得到矫正后的人脸图像；
[0076]
预处理单元204，用于对矫正单元202矫正的矫正后的人脸图像进 行预处理，得到预处理后的人脸图像；
[0077]
人脸特征向量提取单元206，用于根据预先配置的训练模型对预处 理单元204得到的预处理后的人脸图像进行人脸特征向量提取，得到对 应的人脸特征向量；
[0078]
判断单元208，用于根据人脸特征向量提取单元206提取的人脸特 征向量的余弦相似度判断人脸图像与人脸图像库中的至少一张人脸图像 是否为相同人脸，若余弦相似度在预设阈值范围内，则判断人脸图像与 人脸图像库中的至少一张人脸图像为相同人脸。
[0079]
可选的，所述装置还包括：
[0080]
获取单元(在图2中未示出)，用于在矫正单元202判断人脸图像 是否满足人脸矫正的要求之前，获取人脸图像。
[0081]
可选的，获取单元具体用于：
[0082]
响应于图像采集启动的触控指令，通过图像采集装置采集人脸图像， 得到人脸图像。
[0083]
可选的，获取单元具体还用于：
[0084]
根据视频文件的时间戳，从视频文件中截取人脸图像。
[0085]
可选的，预处理单元204具体用于：
[0086]
检测人脸图像中的人脸数量；
[0087]
在人脸图像中的人脸数量大于或等于二时，检测人脸图像中的各个 人脸对应的各个人脸位置；
[0088]
根据各个人脸位置检测各个人脸对应的至少一个人脸关键点坐标；
[0089]
根据各个人脸位置和各个人脸对应的至少一个人脸关键点坐标，对 人脸图像中的各个人脸进行截取，得到各个人脸图像。
[0090]
可选的，预处理单元204具体还用于：
[0091]
对矫正后的人脸图像进行清晰度的预处理，或者，
[0092]
从矫正后的人脸图像中随机选取多个关键点，并将相邻的关键点依 次连接，形成对应的第一图形，对第一图形进行圆率的预处理；或者，
[0093]
从矫正后的人脸图像中随机选取多个关键点，并将相邻的关键点依 次连接，形成对应的第二图形，对第二图形进行方率的预处理。
[0094]
可选的，所述装置还包括：
[0095]
索引建立及标识单元(在图2中未示出)，用于在人脸特征向量提 取单元206根据预先配置的训练模型对预处理后的人脸图像进行人脸特 征向量提取，得到对应的人脸特征向量之后，对人脸图像建立对应的索 引，并标识以索引标识。
[0096]
可选的，所述装置还包括：
[0097]
人脸属性特征识别单元(在图2中未示出)，用于对人脸图像的人 脸属性特征进行识别，得到对应的包括各个人脸属性特征的识别结果； 其中，人脸属性特征识别单元识别出的人脸属性特征至少包括以下一项：
[0098]
脸型属性特征、眉形属性特征、眼睛形状属性特征、睫毛属性特征、 鼻形属性特征、嘴形属性特征、耳朵属性特征、下巴属性特征。
[0099]
本公开实施例提供的人脸识别装置，通过引入人脸特征向量的余弦 相似度，能够精准判断两张或两张以上的人脸图像是否为相同人脸，降 低了现有的误判率，提高了人脸识别的精准度。
[0100]
实施例3
[0101]
如图3所示，本实施例提供一种电子设备，该设备用于人脸识别的 方法，所述电子设备，包括：至少一个处理器；以及，与所述至少一个 处理器通信连接的存储器；其中，
[0102]
所述存储器存储有可被所述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：通过引入人脸 特征向量的余弦相似度，能够精准判断两张或两张以上的人脸图像是否 为相同人脸，降低了现有的误判率，提高了人脸识别的精准度
[0103]
实施例4
[0104]
本公开实施例提供了一种非易失性计算机存储介质，所述计算机存 储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意 方法实施例中的人脸识别的方法。
[0105]
实施例5
[0106]
下面参考图3，其示出了适于用来实现本公开实施例的电子设备的 结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电 话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板 电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端) 等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图3 示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范 围带来任何限制。
[0107]
如图3所示，电子设备可以包括处理装置(例如中央处理器、图形 处理器等)301，其可以根据存储在只读存储器(rom)302中的程序或 者从存储装置308加载到随机访问存储器(ram)303中的程序而执行 各种适当的动作和处理。在ram 303中，还存储有电子设备操作所需的 各种程序和数据。处理装置301、rom 302以及ram 303通过总线304 彼此相连。输入/输出(i/o)接口305也连接至总线304。
[0108]
通常，以下装置可以连接至i/o接口305：包括例如触摸屏、触摸 板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置 306；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置307； 包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置 309可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽 然图3示出了具有各种装置的电子设备，但是应理解的是，并不要求实 施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0109]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被 实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产 品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含 用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机 程序可以通过通信装置309从网络上被下载和安装，或者从存储装置 308被安装，或者从rom 302被安装。在该计算机程序被处理装置301 执行时，执行本公开实施例的方法中限定的上述功能。
[0110]
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信 号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可 读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、 或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储 介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、 便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、 可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只 读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适 的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序 的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其 结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者 作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。 这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信 号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读 存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、 传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使 用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传 输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合 适的组合。
[0111]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单 独存在，而未装配入该电子设备中。
[0112]
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多 个程序被该电子设备执行时，使得该电子设备：通过引入人脸特征向量 的余弦相似度，能够精准判断两张或两张以上的人脸图像是否为相同人 脸，降低了现有的误判率，提高了人脸识别的精准度。
[0113]
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个 或者多个程序被该电子设备执行时，使得该电子设备：通过引入人脸特 征向量的余弦相似度，能够精准判断两张或两张以上的人脸图像是否为 相同人脸，降低了现有的误判率，提高了人脸识别的精准度。
[0114]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的 操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语 言—诸如java、smalltalk、c
，还包括常规的过程式程序设计语言 —诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户 计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执 行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计 算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通 过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计 算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通 过因特网连接)。
[0115]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方 法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上， 流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部 分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的 逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框 中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个 接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反 的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程 图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行 规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬 件与计算机指令的组合来实现。
[0116]
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现， 也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构 成对该单元本身的限定。