一种动态更新的人脸识别方法、装置及电子设备与流程

1.本技术涉及人脸识别技术领域，更具体地，涉及一种动态更新的人脸识别方法、装置及电子设备。


背景技术：

2.近年来，随着计算机视觉技术、大数据、人工智能、机器学习等技术的疾速发展，人脸识别技术在各国出现了爆发式增长，给人们的工作和生活带来了极大便利。人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的识别判断。人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及人脸图像匹配与识别。
3.其中人脸图像特征提取和人脸图像匹配与识别是人脸识别技术应用的关键。人脸图像特征提取是提取用于表征人脸信息的一串数字。人脸图像匹配与识别是将提取的人脸图像特征数据与数据库中存储的人脸特征数据模板进行搜索匹配，并把匹配得到的结果输出。这就需要使用人脸识别算法，人脸识别算法是人脸识别技术的基础。人脸识别算法多种多样，随着技术研究的深入，还会出现更多的人脸识别算法在市场上得到应用。因此，人脸识别系统需要能够兼容各种人脸识别算法，使其快速的更新并且应用到实际产品中。
4.但是，目前市场上的人脸识别系统都是使用某种特定的人脸识别算法。人脸特征提取及其对比分析都是基于单一人脸模型，没有考虑人脸识别算法的兼容性，不方便进行人脸识别算法的更新升级，也无法适应人脸识别技术的快速发展和更替。


技术实现要素：

5.针对现有技术的至少一个缺陷或改进需求，本发明提供了一种动态更新的人脸识别方法、装置及电子设备，其目的在于解决现有人脸识别系统的人脸识别方法单一、更新不便的问题。
6.为实现上述目的，按照本发明的一个方面，提供了一种动态更新的人脸识别方法，该方法包括以下步骤：获取系统配置参数，所述系统配置参数中包括人脸识别算法类型标识；根据所述人脸识别算法类型标识调取对应的人脸识别算法，对待检测的人脸图片进行特征提取，获得人脸特征向量；从数据库中调取所述人脸识别算法类型标识对应的数据链表，所述数据链表中存储有不同的人脸图像以及基于该人脸识别算法类型标识对应的人脸识别算法对不同人脸图像进行特征提取所得到的面部特征值；遍历所述数据链表中的面部特征值并分别与所述人脸特征向量进行比对，计算相似度，输出相似度最大的人脸图像及其对应的人员信息。
7.优选的，上述动态更新的人脸识别方法还包括：
获取更新的人脸识别算法，所述更新的人脸识别算法具有对应的人脸识别算法类型标识；从数据库中提取全部的人脸图像，基于更新的人脸识别算法对全部的人脸图像进行特征重提取，得到面部特征更新值；将更新的人脸识别算法对应的人脸识别算法类型标识、人脸图像标识及其对应的面部特征更新值进行关联，并存储在数据库中。
8.优选的，上述动态更新的人脸识别方法，所述系统配置参数中还包括人脸识别算法对应的计算方式、人脸特征值类型和长度参数。
9.优选的，上述动态更新的人脸识别方法，不同的人脸识别算法以插件的形式构成动态链接库；以人脸识别算法类型标识作为索引从所述动态链接库中调取对应的人脸识别算法，对待检测的人脸图片进行特征提取；或者，以人脸识别算法类型标识作为索引从所述动态链接库中获取更新的人脸识别算法，对从数据库中提取全部的人脸图像进行特征重提取。
10.按照本发明的第二个方面，还提供了一种动态更新的人脸识别装置，其包括：配置模块，用于获取系统配置参数，所述系统配置参数中包括人脸识别算法类型标识；人脸数据提取模块，用于根据所述人脸识别算法类型标识调取对应的人脸识别算法，对待检测的人脸图片进行特征提取，获得人脸特征向量；人脸数据比对模块，用于从数据库中调取所述人脸识别算法类型标识对应的数据链表，所述数据链表中存储有不同的人脸图像标识以及基于该人脸识别算法类型标识对应的人脸识别算法对不同人脸图像进行特征提取所得到的面部特征值；以及，遍历所述数据链表中的面部特征值并分别与所述人脸特征向量进行比对并计算相似度；结果输出模块，用于获取人脸数据比对模块的计算结果，输出相似度最大的人脸图像及其对应的人员信息。
11.优选的，上述动态更新的人脸识别装置还包括特征重提取模块；所述特征重提取模块用于获取更新的人脸识别算法，所述更新的人脸识别算法具有对应的人脸识别算法类型标识；从数据库中提取全部的人脸图像，基于更新的人脸识别算法对全部的人脸图像进行特征重提取，得到面部特征更新值；以及将更新的人脸识别算法对应的人脸识别算法类型标识、人脸图像标识及其对应的面部特征更新值进行关联，并存储在数据库中。
12.优选的，上述动态更新的人脸识别装置，所述系统配置参数中还包括人脸识别算法对应的计算方式、人脸特征值类型和长度参数。
13.优选的，上述动态更新的人脸识别装置，不同的人脸识别算法以插件的形式构成动态链接库。
14.优选的，上述动态更新的人脸识别装置，所述人脸数据提取模块以人脸识别算法类型标识作为索引从所述动态链接库中调取对应的人脸识别算法，对待检测的人脸图片进行特征提取；所述特征重提取模块以人脸识别算法类型标识作为索引从所述动态链接库中获
取更新的人脸识别算法，对从数据库中提取全部的人脸图像进行特征重提取。
15.按照本发明的第三个方面，还提供了一种电子设备，其包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述计算机程序被所述处理单元执行时，使得所述处理单元执行上述任一项所述方法的步骤。
16.总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：本发明提供的动态更新的人脸识别方法、装置及电子设备，系统兼容各种不同的人脸识别算法，人脸数据提取模块和人脸数据对比模块通过配置模块可以获得系统当前使用的人脸识别算法信息，通过识别不同的人脸识别算法类型和计算方式可以调用相应人脸识别算法，执行相应的人脸特征值提取和对比过程，从而得到对比的人脸相似度结果，达到动态控制人脸识别算法的目的。通过特征重提取模块在人脸识别算法更新时辅助人脸特征值数据进行更新，方便在人脸识别系统启用新的人脸识别算法时，直接与数据库中新的人脸特征值数据进行对比，保证对比数据的一致性。
附图说明
17.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，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。
18.图1是本实施例提供的一种动态更新的人脸识别装置的逻辑框图；图2是本实施例涉及的特征重提取模块的逻辑结构示意图；图3是本实施例涉及的人脸识别装置启动过程的流程示意图；图4是本实施例涉及的人脸识别过程的流程示意图；图5是本实施例涉及的特征重提的流程图；图6是本实施例提供的一种动态更新的人脸识别方法的流程示意图；图7是本实施例提供的计算机设备的逻辑框图。
具体实施方式
19.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
20.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
21.图1是本实施例提供的一种动态更新的人脸识别装置的逻辑框图，该装置可以采用软件和/或硬件的方式实现，并可集成在电子设备上；参见图1，该装置包括配置模块、人脸数据提取模块、人脸数据比对模块、结果输出模块和数据库；其中，配置模块用于获取系统配置参数，所述系统配置参数中包括人脸识别算法类型标识；
本实施例中，系统中预先内置各种不同的人脸识别算法，不同的人脸识别算法以插件的形式构成动态链接库，且每种人脸识别算法具有唯一对应的人脸识别算法类型标识；不同的人脸识别算法的可执行代码位于一个 dll 文件中，该 dll 文件包含一个或多个已被编译、链接并与使用它们的进程分开存储的函数。使用动态链接库可以更为容易地将更新应用于各个人脸识别算法对应的模块，而不会影响其他部分。
22.配置模块负责获取系统运行的配置参数，主要包括人脸识别算法类型、计算方式、人脸特征值类型和长度的参数，以及日志信息、统计信息和心跳时间等，并将该配置参数分别提供给人脸数据提取模块和人脸数据比对模块。人脸识别系统启动时通过该配置模块读取系统配置文件，根据配置文件中的人脸识别算法配置信息确定所使用的人脸识别算法。
23.人脸数据提取模块用于根据所述人脸识别算法类型标识调取对应的人脸识别算法，对待检测的人脸图片进行特征提取，获得人脸特征向量；本实施例中，人脸数据提取模块负责接收人脸图片采集发送的人脸图片数据流，并从图片中提取人脸特征值数据。
24.根据系统配置参数中的人脸识别算法类型标识确定所使用的人脸识别算法后，人脸数据提取模块以该人脸识别算法类型标识作为索引从动态链接库中调取对应的人脸识别算法，对待检测的人脸图片进行特征提取，获得人脸特征向量；本实施例中，构建插件目录来存储动态链接库中的人脸识别算法信息，该插件目录以人脸识别算法类型标识作为索引，便于人脸数据提取模块从动态链接库中快速查找并调用所需的人脸识别算法的函数。
25.人脸数据比对模块用于从数据库中调取所述人脸识别算法类型标识对应的数据链表，所述数据链表中存储有不同的人脸图像标识以及基于该人脸识别算法类型标识对应的人脸识别算法对不同人脸图像进行特征提取所得到的面部特征值；以及，遍历所述数据链表中的面部特征值并分别与所述人脸特征向量进行比对并计算相似度；本实施例中，预先构建的数据库中存储了各人脸识别算法关联的数据链表，每个数据链表对应存储不同的人脸图像标识以及基于某一种人脸识别算法类型标识对应的人脸识别算法对不同人脸图像进行特征提取所得到的面部特征值。
26.人脸数据比对模块获取配置模块发送的人脸识别算法类型标识后，根据该人脸识别算法类型标识从数据库中查找匹配的人脸识别算法对应的数据链表，然后遍历数据链表中的人脸图像标识并获取相应的面部特征值，分别与人脸数据提取模块输出的人脸特征向量进行比对，计算人脸的相似度。
27.结果输出模块用于获取人脸数据比对模块的计算结果，输出相似度最大的人脸图像及其对应的人员信息。
28.本实施例中，结果输出模块负责将人脸数据比对模块对比得到的相似度结果进行分析处理，根据上层应用的需求统计出最相似的人脸图片及其人员信息。
29.进一步的，上述动态更新的人脸识别装置还包括特征重提取模块；特征重提取模块是在人脸识别算法更新时辅助人脸特征值数据更新的功能模块，其用于获取更新的人脸识别算法，所述更新的人脸识别算法具有对应的人脸识别算法类型标识；从数据库中提取全部的人脸图像，基于更新的人脸识别算法对全部的人脸图像进行特征重提取，得到面部特征更新值；以及将更新的人脸识别算法对应的人脸识别算法类型
标识、人脸图像标识及其对应的面部特征更新值进行关联，并存储在数据库中。
30.如果人脸识别算法变更导致人脸特征值数据变更时，数据库中原先存储的人脸特征值数据还是以前人脸识别算法提取的，不能用于新算法的人脸对比识别过程，因此需要重新提取特征值。因此在人脸数据提取模块和人脸数据比对模块应用新的人脸识别算法之前，需要由特征重提取模块对数据库中存储的人脸图片执行特征值重提，获取新的人脸特征值数据，并将新的人脸特征值数据存储到数据库中，方便在人脸识别系统启用新的人脸识别算法时，直接与数据库中新的人脸特征值数据进行对比，保证对比数据的一致性。
31.特征值重提取模块负责在更新人脸识别算法之前建构新的人脸特征值结构，对数据库中存储的人脸图片进行人脸特征值数据重新提取，然后将新的特征值数据存储到数据库的相应位置。本实施例中，特征重提取模块以人脸识别算法类型标识作为索引从动态链接库中获取更新的人脸识别算法，对从数据库中提取全部的人脸图像进行特征重提取。
32.图2是本发明涉及的特征重提取模块的逻辑结构示意图；如图2所示，特征重提取模块包括数据库接口、人脸图片读取模块、人脸特征值提取模块这三个部分。数据库接口负责提供数据库人脸图片及其相关数据的查询和更新功能。人脸图片读取模块负责读取数据库中获得的人脸图片数据。人脸特征值提取模块负责从人脸图片数据中提取人脸特征值，并将新的人脸特征值数据通过数据库接口写入数据库的对应位置。
33.作为一个可选的实施例，上述动态更新的人脸识别装置还包括人脸数据存储模块；该人脸数据存储模块作为人脸数据提取模块、人脸数据比对模块与数据库之间的交互桥梁，其主要负责将人脸数据提取模块从人脸图片中提取的人脸特征值存储在数据库中并进行分类管理；以及根据配置模块发送的人脸识别算法类型标识从数据库中查找匹配的人脸识别算法对应的数据链表并发送给人脸数据比对模块。
34.本方案中，系统中预先内置各种不同的人脸识别算法，人脸数据提取模块和人脸数据对比模块通过配置模块可以获得系统当前使用的人脸识别算法信息，通过识别不同的人脸识别算法类型和计算方式可以调用相应人脸识别算法，执行相应的人脸特征值提取和对比过程，从而得到对比的人脸相似度结果，达到动态控制人脸识别算法的目的。
35.图3是本实施例涉及的人脸识别装置启动过程的流程示意图。
36.步骤301流程开始。
37.步骤302配置模块读取系统配置文件提取系统配置信息，包括人脸识别算法信息、人脸特征值信息、日志信息、统计信息和心跳时间。
38.步骤303配置模块将人脸识别算法信息通知人脸数据提取模块。
39.步骤304人脸数据提取模块确定人脸图片的人脸特征值提取算法。
40.步骤305配置模块将人脸特征值信息通知人脸数据存储模块。
41.步骤306人脸数据存储模块确定人脸特征值的存储结构和数据信息。
42.步骤307配置模块将人脸识别算法信息和人脸特征值信息通知到人脸数据对比模块。
43.步骤308人脸数据对比模块确定人脸特征值的数据结构及其对比识别算法。
44.步骤309按照配置文件开始心跳定时器和统计定时器，系统完成启动。
45.图4是本实施例涉及的人脸识别过程的流程示意图。
46.步骤401开始流程。
47.步骤402人脸数据提取模块接收到图片采集设备发送的人脸图片消息。
48.步骤403人脸数据提取模块解析消息获取其中的人脸图片，并根据人脸识别算法提取人脸图片中的人脸特征值数据，然后附加在人脸图片消息后传给人脸数据存储模块。
49.步骤404人脸数据存储模块将接收到的人脸图片及其特征值数据存储到数据库中，并将该带有人脸特征值的消息传给人脸数据对比模块。
50.步骤405人脸数据对比模块解析消息中的人脸特征值数据，利用系统配置的人脸识别算法将该人脸特征值数据和数据库中存储的人脸特征值数据进行对比，计算得到人脸相似度并将该结果通知结果分析输出模块。
51.步骤406结果分析输出模块根据上层应用的需求统计出最相似的人脸图片及其人员信息进行结果输出。
52.步骤407结束流程。
53.图5是本实施例涉及的特征重提的流程图。
54.步骤501流程开始。
55.步骤502通过数据库接口在数据库中遍历需要人脸特征值更新的人脸图片数据，并传给人脸图片读取模块。
56.步骤503人脸图片读取模块负责读取人脸图片数据，并传给人脸特征值提取模块。
57.步骤504通过新的人脸识别算法提取人脸图片中的人脸特征值数据，并将新的人脸特征值数据通过数据库接口存入数据库中人脸图片对应的人脸特征值位置。
58.步骤505结束流程。
59.图6是本实施例提供的一种动态更新的人脸识别方法的流程示意图，如图6所示，该方法包括以下步骤：步骤601获取系统配置参数，系统配置参数中包括人脸识别算法类型标识，以及人脸识别算法对应的计算方式、人脸特征值类型和长度参数；本例中，系统中预先内置各种不同的人脸识别算法，不同的人脸识别算法以插件的形式构成动态链接库。
60.步骤602根据所述人脸识别算法类型标识调取对应的人脸识别算法，对待检测的人脸图片进行特征提取，获得人脸特征向量；以人脸识别算法类型标识作为索引从所述动态链接库中调取对应的人脸识别算法，对待检测的人脸图片进行特征提取。
61.步骤603从数据库中调取所述人脸识别算法类型标识对应的数据链表，所述数据链表中存储有不同的人脸图像标识以及基于该人脸识别算法类型标识对应的人脸识别算法对不同人脸图像进行特征提取所得到的面部特征值；步骤604遍历所述数据链表中的面部特征值并分别与所述人脸特征向量进行比对，计算相似度，输出相似度最大的人脸图像及其对应的人员信息。
62.作为一个优选的实施例，上述动态更新的人脸识别方法还包括特征重提的步骤，具体包括：s1获取更新的人脸识别算法，所述更新的人脸识别算法具有对应的人脸识别算法类型标识；s2从数据库中提取全部的人脸图像，基于更新的人脸识别算法对全部的人脸图像
进行特征重提取，得到面部特征更新值；本例中，以人脸识别算法类型标识作为索引从动态链接库中获取更新的人脸识别算法，对从数据库中提取全部的人脸图像进行特征重提取。
63.s3将更新的人脸识别算法对应的人脸识别算法类型标识、人脸图像标识及其对应的面部特征更新值进行关联，并存储在数据库中。
64.应当注意，尽管在上述的实施例中，以特定顺序描述了本说明书实施例的方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
65.本实施例还提供了一种电子设备，如图7所示，其包括至少一个处理器、以及至少一个存储器，其中，存储器中存储有计算机程序，当计算机程序被处理器执行时，使得处理器执行上述动态更新的人脸识别方法的步骤，具体步骤此处不再赘述；本实施例中，处理器和存储器的类型不作具体限制，例如：处理器可以是微处理器、数字信息处理器、片上可编程逻辑系统等；存储器可以是易失性存储器、非易失性存储器或者它们的组合等。
66.该电子设备也可以与一个或多个外部设备 (如键盘、指向终端、显示器等)通信，还可与一个或者多个使得用户能与该电子设备交互的终端通信，和/或与使得该电子设备能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口进行。并且，电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(local area network，lan)，广域网(wide area network，wan)和/或公共网络，例如因特网)通信。
67.本实施例还提供了一种计算机可读介质，其存储有可由电子设备执行的计算机程序，当所述计算机程序在电子设备上运行时，使得所述电子设备执行上述动态更新的人脸识别方法的步骤。计算机可读介质的类型包括但不限于sd卡、u盘、固定硬盘、移动硬盘等存储介质。
68.本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。