人臉識(shí)別方法及裝置的制造方法
【專利摘要】本發(fā)明涉及一種人臉識(shí)別方法及裝置，其中，該方法包括：獲取待測(cè)目標(biāo)的近紅外圖像與可見光圖像，并判斷所述待測(cè)目標(biāo)是否為真人；進(jìn)而根據(jù)所述近紅外圖像與所述可見光圖像確定近紅外算法與可見光算法的權(quán)重以及待測(cè)目標(biāo)的基本屬性信息；分別確定數(shù)據(jù)庫中的各樣本圖像的比對(duì)分?jǐn)?shù)，并根據(jù)權(quán)重確定所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)，以確定所述待測(cè)目標(biāo)的人臉識(shí)別結(jié)果。本發(fā)明通過圖像背景確定可見光算法與近紅外算法的權(quán)重，基于可見光和近紅外算法融合實(shí)現(xiàn)進(jìn)行身份認(rèn)證，消除了現(xiàn)有人臉識(shí)別方法對(duì)環(huán)境的適應(yīng)性較差，易導(dǎo)致識(shí)別效果不理想的缺陷，提高了人臉識(shí)別的準(zhǔn)確度。
【專利說明】
人臉識(shí)別方法及裝置
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及計(jì)算機(jī)視覺與圖像處理領(lǐng)域，尤其涉及一種人臉識(shí)別方法及裝置。
【背景技術(shù)】
[0002]作為人的一種內(nèi)在屬性，人臉具有很強(qiáng)的自身穩(wěn)定性和個(gè)體差異性，并且相比于指紋識(shí)別等方式，人臉識(shí)別因具有非強(qiáng)制性、非接觸性和并行性等優(yōu)點(diǎn)，而成為了自動(dòng)身份驗(yàn)證的最理想的依據(jù)。人臉識(shí)別技術(shù)是利用計(jì)算機(jī)獲取人臉圖像并進(jìn)行分析預(yù)處理，然后以特定方法提取出能有效表示人臉圖像的特征，最后通過機(jī)器學(xué)習(xí)的方法對(duì)人臉圖像進(jìn)行身份鑒定。
[0003]現(xiàn)在常用的人臉識(shí)別技術(shù)主要包括近紅外人臉識(shí)別技術(shù)和可見光人臉識(shí)別技術(shù)。具體來說，由于近紅外圖像對(duì)光照強(qiáng)弱變化有較好的適應(yīng)性，但仍然存在著許多缺陷，例如成像時(shí)會(huì)損失一些紋理特征，使得對(duì)表情、姿態(tài)、眼鏡、頭發(fā)的變化不能很好地適應(yīng)。而可見光圖像雖然對(duì)光照變化敏感，但在這幾個(gè)方面卻有較強(qiáng)的適應(yīng)性。因此，將近紅外圖像與可見光圖像進(jìn)行融合，以提高識(shí)別準(zhǔn)確度已成為人臉識(shí)別技術(shù)的發(fā)展趨勢(shì)。
[0004]然而，目前基于近紅外與可見光信息融合的人臉識(shí)別方法多在算法層面進(jìn)行改進(jìn)，雖一定程度上提高了人臉識(shí)別準(zhǔn)確度，但卻對(duì)環(huán)境的適應(yīng)性較差。當(dāng)周邊環(huán)境變化差異大時(shí)，會(huì)導(dǎo)致識(shí)別效果不理想。

【發(fā)明內(nèi)容】

[0005]針對(duì)現(xiàn)有基于近紅外與可見光信息融合的人臉識(shí)別方法對(duì)環(huán)境的適應(yīng)性較差，易導(dǎo)致識(shí)別效果不理想的缺陷，本發(fā)明提出如下技術(shù)方案:
[0006]—種人臉識(shí)別方法，包括:
[0007]獲取待測(cè)目標(biāo)的近紅外圖像與可見光圖像，并根據(jù)所述近紅外圖像與所述可見光圖像判斷所述待測(cè)目標(biāo)是否為真人；
[0008]在所述待測(cè)目標(biāo)判斷為真人的情況下，根據(jù)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景確定近紅外算法的權(quán)重與可見光算法的權(quán)重；
[0009]根據(jù)所述近紅外圖像與所述可見光圖像確定所述待測(cè)目標(biāo)的基本屬性信息；
[0010]根據(jù)所述基本屬性信息分別確定近紅外算法的閾值與可見光算法的閾值，并根據(jù)近紅外算法的權(quán)重、可見光算法的權(quán)重、近紅外算法的閾值以及可見光算法的閾值確定近紅外與可見光融合算法的最終閾值；
[0011]分別提取所述近紅外圖像的第一人臉特征與所述可見光圖像的第二人臉特征，并將所述第一人臉特征和所述第二人臉特征分別與數(shù)據(jù)庫中的各樣本圖像的人臉特征進(jìn)行比對(duì)，以根據(jù)比對(duì)的結(jié)果分別確定所述各樣本圖像的近紅外算法比對(duì)分?jǐn)?shù)與可見光算法比對(duì)分?jǐn)?shù)；
[0012]根據(jù)所述近紅外算法的權(quán)重、所述近紅外算法比對(duì)分?jǐn)?shù)、所述可見光算法的權(quán)重和所述可見光算法比對(duì)分?jǐn)?shù)確定所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)；
[0013]根據(jù)所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)以及所述最終閾值的對(duì)比結(jié)果確定所述待測(cè)目標(biāo)的人臉識(shí)別結(jié)果。
[0014]可選地，所述根據(jù)所述近紅外圖像與所述可見光圖像判斷所述待測(cè)目標(biāo)是否為真人，包括:
[0015]基于所述近紅外圖像與所述可見光圖像分別通過近紅外算法與可見光算法判斷所述待測(cè)目標(biāo)是否為真人，并在所述近紅外算法與可見光算法均判斷所述待測(cè)目標(biāo)為真人的情況下，確定所述待測(cè)目標(biāo)為真人。
[0016]可選地，所述根據(jù)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景確定近紅外算法的權(quán)重與可見光算法的權(quán)重，包括:
[0017]分別對(duì)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景進(jìn)行分析，得出當(dāng)前環(huán)境參數(shù)，并根據(jù)所述當(dāng)前環(huán)境參數(shù)確定近紅外算法與可見光算法的權(quán)重。
[0018]可選地，所述當(dāng)前環(huán)境參數(shù)至少包括以下一種或其組合:
[0019]光照強(qiáng)度、背光強(qiáng)度以及逆光強(qiáng)度。
[0020]可選地，所述基本屬性信息至少包括以下一種或其組合:
[0021]種族、性別、年齡以及是否佩戴眼鏡。
[0022]可選地，所述根據(jù)所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)以及所述最終閾值的對(duì)比結(jié)果確定所述待測(cè)目標(biāo)的人臉識(shí)別結(jié)果，包括:
[0023]將所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)分別與所述最終閾值進(jìn)行對(duì)比，并根據(jù)對(duì)比的結(jié)果將融合算法分?jǐn)?shù)最高且大于閾值的一樣本圖像對(duì)應(yīng)的身份作為人臉識(shí)別結(jié)果。
[0024]一種人臉識(shí)別裝置，包括:
[0025]圖像獲取單元，用于獲取待測(cè)目標(biāo)的近紅外圖像與可見光圖像，并根據(jù)所述近紅外圖像與所述可見光圖像判斷所述待測(cè)目標(biāo)是否為真人；
[0026]權(quán)重確定單元，用于在所述待測(cè)目標(biāo)判斷為真人的情況下，根據(jù)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景確定近紅外算法的權(quán)重與可見光算法的權(quán)重；
[0027]屬性確定單元，用于根據(jù)所述近紅外圖像與所述可見光圖像確定所述待測(cè)目標(biāo)的基本屬性信息；
[0028]閾值確定單元，用于根據(jù)所述基本屬性信息分別確定近紅外算法的閾值與可見光算法的閾值，并根據(jù)近紅外算法的權(quán)重、可見光算法的權(quán)重、近紅外算法的閾值以及可見光算法的閾值確定近紅外與可見光融合算法的最終閾值；
[0029]比對(duì)分?jǐn)?shù)確定單元，用于分別提取所述近紅外圖像的第一人臉特征與所述可見光圖像的第二人臉特征，并將所述第一人臉特征和所述第二人臉特征分別與數(shù)據(jù)庫中的各樣本圖像的人臉特征進(jìn)行比對(duì)，以根據(jù)比對(duì)的結(jié)果分別確定所述各樣本圖像的近紅外算法比對(duì)分?jǐn)?shù)與可見光算法比對(duì)分?jǐn)?shù)；
[0030]融合分?jǐn)?shù)確定單元，用于根據(jù)所述近紅外算法的權(quán)重、所述近紅外算法比對(duì)分?jǐn)?shù)、所述可見光算法的權(quán)重和所述可見光算法比對(duì)分?jǐn)?shù)確定所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)；
[0031]識(shí)別結(jié)果確定單元，用于根據(jù)所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)以及所述最終閾值的對(duì)比結(jié)果確定所述待測(cè)目標(biāo)的人臉識(shí)別結(jié)果。
[0032]可選地，所述圖像獲取單元進(jìn)一步用于:
[0033]基于所述近紅外圖像與所述可見光圖像分別通過近紅外算法與可見光算法判斷所述待測(cè)目標(biāo)是否為真人，并在所述近紅外算法與可見光算法均判斷所述待測(cè)目標(biāo)為真人的情況下，確定所述待測(cè)目標(biāo)為真人。
[0034]可選地，所述權(quán)重確定單元進(jìn)一步用于:
[0035]分別對(duì)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景進(jìn)行分析，得出當(dāng)前環(huán)境參數(shù)，并根據(jù)所述當(dāng)前環(huán)境參數(shù)確定近紅外算法與可見光算法的權(quán)重。
[0036]可選地，所述識(shí)別結(jié)果確定單元進(jìn)一步用于:
[0037]將所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)分別與所述最終閾值進(jìn)行對(duì)比，并根據(jù)對(duì)比的結(jié)果將融合算法分?jǐn)?shù)最高且大于閾值的一樣本圖像對(duì)應(yīng)的身份作為人臉識(shí)別結(jié)果。
[0038]本發(fā)明的人臉識(shí)別方法及裝置，通過圖像背景確定可見光算法與近紅外算法的權(quán)重，基于可見光和近紅外算法融合實(shí)現(xiàn)進(jìn)行身份認(rèn)證，消除了現(xiàn)有的基于近紅外與可見光信息融合的人臉識(shí)別方法對(duì)環(huán)境的適應(yīng)性較差，易導(dǎo)致識(shí)別效果不理想的缺陷，提高了人臉識(shí)別的準(zhǔn)確度。
【附圖說明】
[0039]為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0040]圖1為本發(fā)明一個(gè)實(shí)施例的人臉識(shí)別方法的流程示意圖；
[0041 ]圖2為本發(fā)明另一個(gè)實(shí)施例的人臉識(shí)別裝置的結(jié)構(gòu)示意圖；
[0042]圖3為本發(fā)明另一個(gè)實(shí)施例的人臉識(shí)別方法的流程示意圖。
【具體實(shí)施方式】
[0043]為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0044]圖1為本發(fā)明一個(gè)實(shí)施例的人臉識(shí)別方法的流程示意圖；如圖1所示，如圖1所示，該方法包括:
[0045]S1:獲取待測(cè)目標(biāo)的近紅外圖像與可見光圖像，并根據(jù)所述近紅外圖像與所述可見光圖像判斷所述待測(cè)目標(biāo)是否為真人；
[0046]S2:在所述待測(cè)目標(biāo)判斷為真人的情況下，根據(jù)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景確定近紅外算法的權(quán)重與可見光算法的權(quán)重；
[0047]具體來講，在判斷所述待測(cè)目標(biāo)為真人的情況下，可根據(jù)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景進(jìn)行分析，得出光照強(qiáng)度、背光、逆光等當(dāng)前環(huán)境參數(shù)，根據(jù)環(huán)境參數(shù)是否合適，動(dòng)態(tài)調(diào)整可見光算法與近紅外算法的權(quán)重。例如，當(dāng)判斷環(huán)境參數(shù)為光照合適的情況下時(shí)，可使可見光算法權(quán)重高于近紅外算法權(quán)重；當(dāng)判斷環(huán)境參數(shù)為光照不合適的情況下，例如環(huán)境光照過強(qiáng)、逆光或背景光照過弱的情況下，可使近紅外算法權(quán)重高于可見光算法權(quán)重。
[0048]S3:根據(jù)所述近紅外圖像與所述可見光圖像確定所述待測(cè)目標(biāo)的基本屬性信息；
[0049]具體來說，上述基本屬性信息可以包括但不限于種族、性別、年齡以及是否佩戴眼鏡中的至少一種。例如，通過融合屬性算法基于眼鏡、年齡、性別、種族等基本屬性進(jìn)行分析，得出人員的基本屬性信息為“配戴眼鏡、男性、種族不確定、年齡不確定”等。
[0050]S4:根據(jù)所述基本屬性信息分別確定近紅外算法的閾值與可見光算法的閾值，并根據(jù)近紅外算法的權(quán)重、可見光算法的權(quán)重、近紅外算法的閾值以及可見光算法的閾值確定近紅外與可見光融合算法的最終閾值；
[0051 ]具體來說，該最終閾值可以為:可見光算法的閾值*可見光算法權(quán)重+近紅外算法的閾值*近紅外算法權(quán)重；
[0052]需要說明的是，通過融合屬性算法能確定的基本屬性越多，閾值調(diào)整時(shí)應(yīng)將相應(yīng)閾值調(diào)整的越高，其中可見光算法閾值調(diào)整范圍在0-1之間，近紅外算法閾值調(diào)整范圍也在0-1之間。
[0053]S5:分別提取所述近紅外圖像的第一人臉特征與所述可見光圖像的第二人臉特征，并將所述第一人臉特征和所述第二人臉特征分別與數(shù)據(jù)庫中的各樣本圖像的人臉特征進(jìn)行比對(duì)，以根據(jù)比對(duì)的結(jié)果分別確定所述各樣本圖像的近紅外算法比對(duì)分?jǐn)?shù)與可見光算法比對(duì)分?jǐn)?shù)；
[0054]其中，人臉特征可包括各個(gè)器官的形狀及相對(duì)位置等多個(gè)點(diǎn)的信息。
[0055]S6:根據(jù)所述近紅外算法的權(quán)重、所述近紅外算法比對(duì)分?jǐn)?shù)、所述可見光算法的權(quán)重和所述可見光算法比對(duì)分?jǐn)?shù)確定所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)；
[0056]具體來說，所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)可以為:可見光得分*可見光算法權(quán)重+近紅外得分*近紅外算法權(quán)重。
[0057]S7:根據(jù)所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)以及所述最終閾值的對(duì)比結(jié)果確定所述待測(cè)目標(biāo)的人臉識(shí)別結(jié)果。
[0058]本實(shí)施例的人臉識(shí)別方法及裝置，通過圖像背景確定可見光算法與近紅外算法的權(quán)重，基于可見光和近紅外算法融合實(shí)現(xiàn)進(jìn)行身份認(rèn)證，消除了現(xiàn)有的基于近紅外與可見光信息融合的人臉識(shí)別方法對(duì)環(huán)境的適應(yīng)性較差，易導(dǎo)致識(shí)別效果不理想的缺陷，提高了人臉識(shí)別的準(zhǔn)確度。
[0059]作為另一種可選的實(shí)施方式，上述步驟SI中根據(jù)所述近紅外圖像與所述可見光圖像判斷所述待測(cè)目標(biāo)是否為真人，可進(jìn)一步包括:
[0060]Sll:基于所述近紅外圖像與所述可見光圖像分別通過近紅外算法與可見光算法判斷所述待測(cè)目標(biāo)是否為真人，并在所述近紅外算法與可見光算法均判斷所述待測(cè)目標(biāo)為真人的情況下，確定所述待測(cè)目標(biāo)為真人。
[0061]可以理解的是，若以照片或其他表現(xiàn)形式冒充只會(huì)產(chǎn)生可見光圖像，而不會(huì)產(chǎn)生近紅外圖像。
[0062]作為另一種可選的實(shí)施方式，上述步驟S2中根據(jù)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景確定近紅外算法的權(quán)重與可見光算法的權(quán)重，可進(jìn)一步包括:
[0063]S21:分別對(duì)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景進(jìn)行分析，得出當(dāng)前環(huán)境參數(shù)，并根據(jù)所述當(dāng)前環(huán)境參數(shù)確定近紅外算法與可見光算法的權(quán)重。
[0064]具體地，上述環(huán)境參數(shù)可以優(yōu)選地包括光照強(qiáng)度、背光強(qiáng)度以及逆光強(qiáng)度中的至少一種或其組合。
[0065]進(jìn)一步地，作為上述各個(gè)實(shí)施例的優(yōu)選，步驟S7中根據(jù)所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)以及所述最終閾值的對(duì)比結(jié)果確定所述待測(cè)目標(biāo)的人臉識(shí)別結(jié)果，還可以進(jìn)一步包括:
[0066]S71:將所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)分別與所述最終閾值進(jìn)行對(duì)比，并根據(jù)對(duì)比的結(jié)果將融合算法分?jǐn)?shù)最高且大于閾值的一樣本圖像對(duì)應(yīng)的身份作為人臉識(shí)別結(jié)果。
[0067]本實(shí)施例的人臉識(shí)別方法基于近紅外與可見光雙算法融合進(jìn)行身份認(rèn)證，提升了算法的安全性，并且通過背景圖像分析的方法檢測(cè)環(huán)境，加強(qiáng)了算法的環(huán)境適應(yīng)性，利用屬性信息確定比對(duì)分?jǐn)?shù)提高了算法的識(shí)別率，動(dòng)態(tài)調(diào)整可見光算法與近紅外算法的權(quán)重，提高了算法的識(shí)別性能。
[0068]圖2為本發(fā)明另一個(gè)實(shí)施例的人臉識(shí)別裝置的結(jié)構(gòu)示意圖；如圖2所示，該裝置包括圖像獲取單元10、權(quán)重確定單元20、屬性確定單元30、閾值確定單元40、比對(duì)分?jǐn)?shù)確定單元50、融合分?jǐn)?shù)確定單元60以及識(shí)別結(jié)果確定單元70;
[0069]其中，圖像獲取單元10用于獲取待測(cè)目標(biāo)的近紅外圖像與可見光圖像，并根據(jù)所述近紅外圖像與所述可見光圖像判斷所述待測(cè)目標(biāo)是否為真人；
[0070]權(quán)重確定單元20用于在所述待測(cè)目標(biāo)判斷為真人的情況下，根據(jù)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景確定近紅外算法的權(quán)重與可見光算法的權(quán)重；
[0071]屬性確定單元30用于根據(jù)所述近紅外圖像與所述可見光圖像確定所述待測(cè)目標(biāo)的基本屬性信息；
[0072]具體來說，上述基本屬性信息可以包括但不限于種族、性別、年齡以及是否佩戴眼鏡中的至少一種。
[0073]閾值確定單元40用于根據(jù)所述基本屬性信息分別確定近紅外算法的閾值與可見光算法的閾值，并根據(jù)近紅外算法的權(quán)重、可見光算法的權(quán)重、近紅外算法的閾值以及可見光算法的閾值確定近紅外與可見光融合算法的最終閾值；
[0074]具體來說，該最終閾值可以為:可見光算法的閾值*可見光算法權(quán)重+近紅外算法的閾值*近紅外算法權(quán)重；
[0075]需要說明的是，通過融合屬性算法能確定的基本屬性越多，閾值調(diào)整時(shí)應(yīng)將相應(yīng)閾值調(diào)整的越高，其中可見光算法閾值調(diào)整范圍在0-1之間，近紅外算法閾值調(diào)整范圍也在0-1之間。
[0076]比對(duì)分?jǐn)?shù)確定單元50用于分別提取所述近紅外圖像的第一人臉特征與所述可見光圖像的第二人臉特征，并將所述第一人臉特征和所述第二人臉特征分別與數(shù)據(jù)庫中的各樣本圖像的人臉特征進(jìn)行比對(duì)，以根據(jù)比對(duì)的結(jié)果分別確定所述各樣本圖像的近紅外算法比對(duì)分?jǐn)?shù)與可見光算法比對(duì)分?jǐn)?shù)；
[0077]其中，人臉特征可包括各個(gè)器官的形狀及相對(duì)位置等多個(gè)點(diǎn)的信息；
[0078]融合分?jǐn)?shù)確定單元60用于根據(jù)所述近紅外算法的權(quán)重、所述近紅外算法比對(duì)分?jǐn)?shù)、所述可見光算法的權(quán)重和所述可見光算法比對(duì)分?jǐn)?shù)確定所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)；
[0079]具體來說，所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)可以為:可見光得分*可見光算法權(quán)重+近紅外得分*近紅外算法權(quán)重。
[0080]識(shí)別結(jié)果確定單元70用于根據(jù)所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)以及所述最終閾值的對(duì)比結(jié)果確定所述待測(cè)目標(biāo)的人臉識(shí)別結(jié)果。
[0081]本實(shí)施例所述的人臉識(shí)別裝置可以用于執(zhí)行上述方法實(shí)施例，其原理和技術(shù)效果類似，此處不再贅述。
[0082]作為另一種可選的實(shí)施方式，上述圖像獲取單元10可進(jìn)一步用于基于所述近紅外圖像與所述可見光圖像分別通過近紅外算法與可見光算法判斷所述待測(cè)目標(biāo)是否為真人，并在所述近紅外算法與可見光算法均判斷所述待測(cè)目標(biāo)為真人的情況下，確定所述待測(cè)目標(biāo)為真人。
[0083]作為另一種可選的實(shí)施方式，上述權(quán)重確定單元20可進(jìn)一步用于分別對(duì)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景進(jìn)行分析，得出當(dāng)前環(huán)境參數(shù)，并根據(jù)所述當(dāng)前環(huán)境參數(shù)確定近紅外算法與可見光算法的權(quán)重。
[0084]作為另一種可選的實(shí)施方式，上述識(shí)別結(jié)果確定單元70可進(jìn)一步用于將所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)分別與所述最終閾值進(jìn)行對(duì)比，并根據(jù)對(duì)比的結(jié)果將融合算法分?jǐn)?shù)最高且大于閾值的一樣本圖像對(duì)應(yīng)的身份作為人臉識(shí)別結(jié)果。
[0085]需要說明的是，對(duì)于裝置實(shí)施例而言，由于其與方法實(shí)施例基本相似，所以描述的比較簡單，相關(guān)之處參見方法實(shí)施例的部分說明即可。
[0086]下面以一具體的實(shí)施例來說明本發(fā)明，但不限定本發(fā)明的保護(hù)范圍。
[0087]圖3為本發(fā)明另一個(gè)實(shí)施例的人臉識(shí)別方法的流程示意圖。如圖3所示，該方法的具體步驟如下:
[0088]Al:預(yù)處理算法采集雙目攝像頭的近紅外圖像與可見光圖像傳遞給檢測(cè)算法；
[0089]其中，雙目攝像頭可位于嵌入式設(shè)備中，其用于分別采集待測(cè)目標(biāo)的近紅外圖像和可見光圖像。
[0090]需要說明的是，采用雙目攝像頭只是一種采集形式的示例，本發(fā)明對(duì)此不進(jìn)行限定。
[0091]A2:通過可見光與近紅外檢測(cè)算法分別判斷該待測(cè)目標(biāo)是否真人；
[0092]具體來說，即當(dāng)可見光算法與近紅外檢測(cè)算法均判斷該待測(cè)目標(biāo)為真人時(shí)，才檢測(cè)為真人。并且可以理解的是，若以照片或其他表現(xiàn)形式冒充只會(huì)產(chǎn)生可見光圖像，而不會(huì)產(chǎn)生近紅外圖像。
[0093]A3:在檢測(cè)為真人的情況下，通過圖像分析算法動(dòng)態(tài)調(diào)整可見光和近紅外算法的權(quán)重，以將權(quán)重發(fā)送給比對(duì)算法；
[0094]具體來講，將近紅外圖像與可見光圖像傳遞給圖像分析算法，基于圖像分析算法對(duì)圖像背景進(jìn)行分析，得出光照強(qiáng)度、背光、逆光等當(dāng)前環(huán)境參數(shù)，根據(jù)環(huán)境參數(shù)是否合適，動(dòng)態(tài)調(diào)整可見光算法與近紅外算法的權(quán)重。
[0095]例如，通過近紅外圖像的圖像背景和可見光圖像的圖像背景判斷環(huán)境參數(shù)為光照合適的情況下時(shí)，可使可見光算法權(quán)重高于近紅外算法權(quán)重，比如可見光算法權(quán)重占70 %，近紅外算法權(quán)重占30% (二者權(quán)重之和為I)，或者只使用可見光算法(即近紅外算法權(quán)重占0%;通過近紅外圖像的圖像背景和可見光圖像的圖像背景判斷環(huán)境參數(shù)為光照不合適的情況下，例如環(huán)境光照過強(qiáng)、逆光或背景光照過弱的情況下，可使近紅外算法權(quán)重高于可見光算法權(quán)重，比如可見光算法權(quán)重為30%，近紅外算法權(quán)重為70%，或者只使用近紅外算法。
[0096]A4:將近紅外圖像與可見光圖像傳遞給融合屬性算法，通過融合屬性算法得出基本屬性，動(dòng)態(tài)調(diào)整算法閾值；
[0097]具體地，通過融合屬性算法基于眼鏡、年齡、性別、種族等基本屬性進(jìn)行分析，得出人員的基本屬性信息(例如，通過融合屬性算法確認(rèn)其基本屬性信息包括:配戴眼鏡、男性、種族不確定、年齡不確定等)，進(jìn)而將這些基本屬性信息傳遞給比對(duì)算法;然后動(dòng)態(tài)調(diào)整可見光算法以及近紅外算法的閾值，并且將閾值發(fā)送給比對(duì)算法。
[0098]例如，當(dāng)能夠確定待測(cè)目標(biāo)佩戴眼鏡，且為男性這兩個(gè)基本屬性時(shí)，可調(diào)整可見光算法閾值為0.8，近紅外算法閾值為0.6，則最終閾值為可見光算法權(quán)重*可見光算法閾值+近紅外算法權(quán)重*近紅外算法閾值，即最終閾值=70%*0.8+30%*0.6 = 0.74,將該最終閾值0.74發(fā)送給比對(duì)算法作為閾值，使得在識(shí)別過程中，可以優(yōu)先與相同屬性的人員進(jìn)行比對(duì)，進(jìn)而提尚算法的識(shí)別率。
[0099]需要說明的是，通過融合屬性算法能確定的基本屬性越多，閾值調(diào)整時(shí)應(yīng)調(diào)整的越高，其中可見光算法閾值調(diào)整范圍在0-1之間，近紅外算法閾值調(diào)整范圍也在0-1之間。
[0100]A5:將近紅外圖像與可見光圖像傳遞給提取特征算法，通過提取特征算法提取近紅外圖像中的人臉特征和可見光圖像中的人臉特征；
[0101]具體地，通過提取特征算法對(duì)接收的近紅外圖像與可見光圖像分別進(jìn)行人臉特征提取，以提取人臉各部位的特征(如各個(gè)器官的形狀及相對(duì)位置等多個(gè)點(diǎn)的信息，具體形式為特定字節(jié)的加密字符)并將提取出的特征傳遞給比對(duì)算法。
[0102]A6:通過比對(duì)算法分別將提取的近紅外圖像中的人臉特征和可見光圖像中的人臉特征與數(shù)據(jù)庫中各樣本圖像的人臉特征比對(duì)，并分別得到近紅外得分與可見光得分(在比對(duì)時(shí)，相同的特征或相似的特征越多，得分應(yīng)越高)，再由近紅外得分與可見光得分及其對(duì)應(yīng)的權(quán)重值得到最終得分，最終得分最高者且高于閾值即為識(shí)別成功，得分低于閾值者即為識(shí)別失?。?br>[0103]具體來說，比對(duì)算法分別根據(jù)接收到圖像分析算法得出的權(quán)重、融合屬性算法得出的閾值以及基本屬性信息，調(diào)整該權(quán)重和閾值，并將從提取特征算法接收到的人臉屬性優(yōu)先與人員庫中相同屬性的人員特征進(jìn)行比對(duì)得出分?jǐn)?shù)，然后與不同屬性的人員特征進(jìn)行比對(duì)得出分?jǐn)?shù)。例如，與數(shù)據(jù)庫中某一圖像的對(duì)比最終得分等于可見光得分*可見光算法權(quán)重+近紅外得分*近紅外算法權(quán)重，將比對(duì)圖像的所有得分按順序排列，將最高分且大于閾值的圖像作為識(shí)別結(jié)果，若最高分低于閾值即為識(shí)別失敗。
[0104]需要說明的是，上述比對(duì)過程包括:比對(duì)算法對(duì)傳遞的特征進(jìn)行計(jì)算，并將計(jì)算結(jié)果與數(shù)據(jù)庫中的人臉數(shù)據(jù)進(jìn)行對(duì)比，得到一個(gè)分?jǐn)?shù)(得分范圍在0-1之間)，需要說明是的，在對(duì)比時(shí)，相同的特征或相似的特征越多，得分應(yīng)越高。例如，與人臉數(shù)據(jù)庫對(duì)比中最終得分最高的一個(gè)0.94，其計(jì)算過程具體為:可見光得分為I，近紅外得分為0.8，加入權(quán)重計(jì)算后，最終得分=1*70 % +0.8*30 % = 0.94，大于最終閾值(如前所述，該閾值為0.74)，所以這個(gè)得分最高的對(duì)比成功，身份確認(rèn)為數(shù)據(jù)庫中的這個(gè)圖像所對(duì)應(yīng)的人。
[0105]以上實(shí)施例僅用于說明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換;而這些修改或替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。
【主權(quán)項(xiàng)】
1.一種人臉識(shí)別方法，其特征在于，包括: 獲取待測(cè)目標(biāo)的近紅外圖像與可見光圖像，并根據(jù)所述近紅外圖像與所述可見光圖像判斷所述待測(cè)目標(biāo)是否為真人； 在所述待測(cè)目標(biāo)判斷為真人的情況下，根據(jù)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景確定近紅外算法的權(quán)重與可見光算法的權(quán)重； 根據(jù)所述近紅外圖像與所述可見光圖像確定所述待測(cè)目標(biāo)的基本屬性信息； 根據(jù)所述基本屬性信息分別確定近紅外算法的閾值與可見光算法的閾值，并根據(jù)近紅外算法的權(quán)重、可見光算法的權(quán)重、近紅外算法的閾值以及可見光算法的閾值確定近紅外與可見光融合算法的最終閾值； 分別提取所述近紅外圖像的第一人臉特征與所述可見光圖像的第二人臉特征，并將所述第一人臉特征和所述第二人臉特征分別與數(shù)據(jù)庫中的各樣本圖像的人臉特征進(jìn)行比對(duì)，以根據(jù)比對(duì)的結(jié)果分別確定所述各樣本圖像的近紅外算法比對(duì)分?jǐn)?shù)與可見光算法比對(duì)分?jǐn)?shù)； 根據(jù)所述近紅外算法的權(quán)重、所述近紅外算法比對(duì)分?jǐn)?shù)、所述可見光算法的權(quán)重和所述可見光算法比對(duì)分?jǐn)?shù)確定所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)； 根據(jù)所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)以及所述最終閾值的對(duì)比結(jié)果確定所述待測(cè)目標(biāo)的人臉識(shí)別結(jié)果。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述近紅外圖像與所述可見光圖像判斷所述待測(cè)目標(biāo)是否為真人，包括: 基于所述近紅外圖像與所述可見光圖像分別通過近紅外算法與可見光算法判斷所述待測(cè)目標(biāo)是否為真人，并在所述近紅外算法與可見光算法均判斷所述待測(cè)目標(biāo)為真人的情況下，確定所述待測(cè)目標(biāo)為真人。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景確定近紅外算法的權(quán)重與可見光算法的權(quán)重，包括: 分別對(duì)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景進(jìn)行分析，得出當(dāng)前環(huán)境參數(shù)，并根據(jù)所述當(dāng)前環(huán)境參數(shù)確定近紅外算法與可見光算法的權(quán)重。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述當(dāng)前環(huán)境參數(shù)至少包括以下一種或其組合: 光照強(qiáng)度、背光強(qiáng)度以及逆光強(qiáng)度。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基本屬性信息至少包括以下一種或其組合: 種族、性別、年齡以及是否佩戴眼鏡。6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)以及所述最終閾值的對(duì)比結(jié)果確定所述待測(cè)目標(biāo)的人臉識(shí)別結(jié)果，包括: 將所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)分別與所述最終閾值進(jìn)行對(duì)比，并根據(jù)對(duì)比的結(jié)果將融合算法分?jǐn)?shù)最高且大于閾值的一樣本圖像對(duì)應(yīng)的身份作為人臉識(shí)別結(jié)果。7.一種人臉識(shí)別裝置，其特征在于，包括: 圖像獲取單元，用于獲取待測(cè)目標(biāo)的近紅外圖像與可見光圖像，并根據(jù)所述近紅外圖像與所述可見光圖像判斷所述待測(cè)目標(biāo)是否為真人； 權(quán)重確定單元，用于在所述待測(cè)目標(biāo)判斷為真人的情況下，根據(jù)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景確定近紅外算法的權(quán)重與可見光算法的權(quán)重； 屬性確定單元，用于根據(jù)所述近紅外圖像與所述可見光圖像確定所述待測(cè)目標(biāo)的基本屬性信息； 閾值確定單元，用于根據(jù)所述基本屬性信息分別確定近紅外算法的閾值與可見光算法的閾值，并根據(jù)近紅外算法的權(quán)重、可見光算法的權(quán)重、近紅外算法的閾值以及可見光算法的閾值確定近紅外與可見光融合算法的最終閾值； 比對(duì)分?jǐn)?shù)確定單元，用于分別提取所述近紅外圖像的第一人臉特征與所述可見光圖像的第二人臉特征，并將所述第一人臉特征和所述第二人臉特征分別與數(shù)據(jù)庫中的各樣本圖像的人臉特征進(jìn)行比對(duì)，以根據(jù)比對(duì)的結(jié)果分別確定所述各樣本圖像的近紅外算法比對(duì)分?jǐn)?shù)與可見光算法比對(duì)分?jǐn)?shù)； 融合分?jǐn)?shù)確定單元，用于根據(jù)所述近紅外算法的權(quán)重、所述近紅外算法比對(duì)分?jǐn)?shù)、所述可見光算法的權(quán)重和所述可見光算法比對(duì)分?jǐn)?shù)確定所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)； 識(shí)別結(jié)果確定單元，用于根據(jù)所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)以及所述最終閾值的對(duì)比結(jié)果確定所述待測(cè)目標(biāo)的人臉識(shí)別結(jié)果。8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述圖像獲取單元進(jìn)一步用于: 基于所述近紅外圖像與所述可見光圖像分別通過近紅外算法與可見光算法判斷所述待測(cè)目標(biāo)是否為真人，并在所述近紅外算法與可見光算法均判斷所述待測(cè)目標(biāo)為真人的情況下，確定所述待測(cè)目標(biāo)為真人。9.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述權(quán)重確定單元進(jìn)一步用于: 分別對(duì)所述近紅外圖像的圖像背景與所述可見光圖像的圖像背景進(jìn)行分析，得出當(dāng)前環(huán)境參數(shù)，并根據(jù)所述當(dāng)前環(huán)境參數(shù)確定近紅外算法與可見光算法的權(quán)重。10.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述識(shí)別結(jié)果確定單元進(jìn)一步用于: 將所述各樣本圖像的近紅外與可見光融合算法分?jǐn)?shù)分別與所述最終閾值進(jìn)行對(duì)比，并根據(jù)對(duì)比的結(jié)果將融合算法分?jǐn)?shù)最高且大于閾值的一樣本圖像對(duì)應(yīng)的身份作為人臉識(shí)別結(jié)果。
【文檔編號(hào)】G06K9/62GK105975908SQ201610269678
【公開日】2016年9月28日
【申請(qǐng)日】2016年4月26日
【發(fā)明人】史京南
【申請(qǐng)人】漢柏科技有限公司