本發(fā)明涉及圖像識(shí)別技術(shù)領(lǐng)域,特別涉及一種人臉驗(yàn)證方法及系統(tǒng)。
背景技術(shù):
人臉驗(yàn)證是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。用攝像機(jī)或者手機(jī)或者任何可以進(jìn)行圖片或者視頻拍攝的硬件終端采集含有人臉的圖像或者視頻流,并自動(dòng)在圖像中檢測(cè)和跟蹤人臉,進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行的一系列相關(guān)技術(shù),通常叫做人臉識(shí)別。人臉識(shí)別作為身份驗(yàn)證的一種重要方式目前已經(jīng)廣泛應(yīng)用于政府、軍隊(duì)、電子商務(wù)、移動(dòng)支付等領(lǐng)域,用于實(shí)名制驗(yàn)證、用戶登錄、交易等多種場(chǎng)景。
然而,發(fā)明人在進(jìn)行人臉驗(yàn)證技術(shù)的開發(fā)及應(yīng)用中發(fā)現(xiàn)諸多問題,例如,由于驗(yàn)證失敗,需要進(jìn)行多次驗(yàn)證,或者由于人臉的姿態(tài)(例如,正臉、右側(cè)臉、左側(cè)臉、低頭、仰頭等)不正,為了獲取用戶的正臉,不斷提醒用戶調(diào)整姿態(tài)等,從而造成對(duì)驗(yàn)證的延時(shí),給用戶帶來不好的體驗(yàn)。
技術(shù)實(shí)現(xiàn)要素:
本發(fā)明提供一種人臉驗(yàn)證方法及系統(tǒng),以用于至少解決上述技術(shù)問題之一。
第一方面,本發(fā)明實(shí)施例提供一種人臉驗(yàn)證方法,其包括:
獲取待驗(yàn)證的人臉圖像的整體特征;
將所述整體特征與參考整體特征進(jìn)行比較以確定所述人臉圖像通過驗(yàn)證的第一概率,所述參考整體特征至少基于所述人臉圖像樣本生成;
基于所述人臉圖像關(guān)鍵點(diǎn)提取所述人臉圖像的局部特征;
將提取的所述局部特征與參考局部特征進(jìn)行比對(duì)以確定所述人臉圖像通過驗(yàn)證的第二概率,所述參考局部特征提取自所述人臉圖像樣本;
至少基于所述第一概率和第二概率確定所述人臉圖像是否通過驗(yàn)證。
第二方面,本發(fā)明實(shí)施例還提供一種人臉驗(yàn)證系統(tǒng),其包括:
整體特征提取模塊,用于獲取待驗(yàn)證的人臉圖像的整體特征;
第一驗(yàn)證模塊,用于將所述整體特征與參考整體特征進(jìn)行比較以確定所述人臉圖像通過驗(yàn)證的第一概率,所述參考整體特征至少基于所述人臉圖像樣本生成;
局部特征提取模塊,用于基于所述人臉圖像關(guān)鍵點(diǎn)提取所述人臉圖像的局部特征;
第二驗(yàn)證模塊,用于將提取的所述局部特征與第二特征庫(kù)中存儲(chǔ)的參考局部特征進(jìn)行比對(duì)以確定所述人臉圖像通過驗(yàn)證的第二概率,所述參考局部特征提取自所述人臉圖像樣本;
第三驗(yàn)證模塊,用于至少基于所述第一概率和第二概率確定所述人臉圖像是否通過驗(yàn)證。
第三方面,本發(fā)明實(shí)施例提供一種計(jì)算機(jī)可讀的非瞬時(shí)性存儲(chǔ)介質(zhì),所述存儲(chǔ)介質(zhì)中存儲(chǔ)有一個(gè)或多個(gè)包括執(zhí)行指令的程序,所述執(zhí)行指令能夠被電子設(shè)備(包括但不限于計(jì)算機(jī),服務(wù)器,或者網(wǎng)絡(luò)設(shè)備等)讀取并執(zhí)行,以用于執(zhí)行上述方法實(shí)施例中的相關(guān)步驟,例如:
獲取待驗(yàn)證的人臉圖像的整體特征;
將所述整體特征與參考整體特征進(jìn)行比較以確定所述人臉圖像通過驗(yàn)證的第一概率,所述參考整體特征至少基于所述人臉圖像樣本生成;
基于所述人臉圖像關(guān)鍵點(diǎn)提取所述人臉圖像的局部特征;
將提取的所述局部特征與參考局部特征進(jìn)行比對(duì)以確定所述人臉圖像通過驗(yàn)證的第二概率,所述參考局部特征提取自所述人臉圖像樣本;
至少基于所述第一概率和第二概率確定所述人臉圖像是否通過驗(yàn)證。
第四方面,本發(fā)明實(shí)施例還公開一種電子設(shè)備,其包括:
至少一個(gè)存儲(chǔ)器,用于存放計(jì)算機(jī)操作指令;
至少一個(gè)處理器,用于執(zhí)行所述存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)操作指令,以執(zhí)行:
獲取待驗(yàn)證的人臉圖像的整體特征;
將所述整體特征與參考整體特征進(jìn)行比較以確定所述人臉圖像通過驗(yàn)證的第一概率,所述參考整體特征至少基于所述人臉圖像樣本生成;
基于所述人臉圖像關(guān)鍵點(diǎn)提取所述人臉圖像的局部特征;
將提取的所述局部特征與參考局部特征進(jìn)行比對(duì)以確定所述人臉圖像通過驗(yàn)證的第二概率,所述參考局部特征提取自所述人臉圖像樣本;
至少基于所述第一概率和第二概率確定所述人臉圖像是否通過驗(yàn)證。
本發(fā)明實(shí)施例的人臉驗(yàn)證方法及系統(tǒng)中,一方面通過獲取人臉圖像的整體特征并與參考整體特征進(jìn)行比較來確定人臉圖像通過驗(yàn)證的第一概率,保證了能夠在獲取正臉圖像時(shí)快速進(jìn)行驗(yàn)證;另一方面圍繞人臉圖像上的關(guān)鍵點(diǎn)獲取人臉圖像的局部特征并與參考局部特征進(jìn)行比較來確定了人臉圖像通過驗(yàn)證的第二概率,由于這種驗(yàn)證方式是通過關(guān)鍵點(diǎn)獲取的用戶的局部區(qū)域的特征進(jìn)行驗(yàn)證的,所以即使獲取的人臉圖像不是正臉也可以快速的完成人臉驗(yàn)證;最后綜合考慮第一概率和第二概率來確定人臉圖像是否能夠通過驗(yàn)證,從而保證了對(duì)人臉圖像的驗(yàn)證的準(zhǔn)確性和有效性。
附圖說明
為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案,下面將對(duì)實(shí)施例描述中所需要使用的附圖作一簡(jiǎn)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。
圖1為本發(fā)明的人臉驗(yàn)證方法一實(shí)施例的流程圖;
圖2為圖1中的步驟S11的一實(shí)施方式的流程圖;
圖3為圖1中的步驟S15的一實(shí)施方式的流程圖;
圖4為圖1中的步驟S12的一實(shí)施方式的流程圖;
圖5為圖1中的步驟S14的一實(shí)施方式的流程圖;
圖6為本發(fā)明的人臉驗(yàn)證系統(tǒng)一實(shí)施例的原理框圖;
圖7為本發(fā)明的人臉驗(yàn)證系統(tǒng)中整體特征提取模塊實(shí)施例的原理框圖;
圖8為本發(fā)明的人臉驗(yàn)證系統(tǒng)中第三驗(yàn)證模塊一實(shí)施例的原理框圖;
圖9為本發(fā)明的人臉驗(yàn)證系統(tǒng)中第一驗(yàn)證模塊一實(shí)施例的原理框圖;
圖10為本發(fā)明的人臉驗(yàn)證系統(tǒng)中第二驗(yàn)證模塊一實(shí)施例的原理框圖;
圖11為本發(fā)明的用戶設(shè)備的一實(shí)施例的結(jié)構(gòu)示意圖。
具體實(shí)施方式
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、完整地描述,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。基于本發(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒有作出創(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。
需要說明的是,在不沖突的情況下,本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互組合。
本發(fā)明可用于眾多通用或?qū)S玫挠?jì)算系統(tǒng)環(huán)境或配置中。例如:個(gè)人計(jì)算機(jī)、服務(wù)器計(jì)算機(jī)、手持設(shè)備或便攜式設(shè)備、平板型設(shè)備、多處理器系統(tǒng)、基于微處理器的系統(tǒng)、置頂盒、可編程的消費(fèi)電子設(shè)備、網(wǎng)絡(luò)PC、小型計(jì)算機(jī)、大型計(jì)算機(jī)、包括以上任何系統(tǒng)或設(shè)備的分布式計(jì)算環(huán)境等等。
本發(fā)明可以在由計(jì)算機(jī)執(zhí)行的計(jì)算機(jī)可執(zhí)行指令的一般上下文中描述,例如程序模塊。一般地,程序模塊包括執(zhí)行特定任務(wù)或?qū)崿F(xiàn)特定抽象數(shù)據(jù)類型的例程、程序、對(duì)象、組件、數(shù)據(jù)結(jié)構(gòu)等等。也可以在分布式計(jì)算環(huán)境中實(shí)踐本發(fā)明,在這些分布式計(jì)算環(huán)境中,由通過通信網(wǎng)絡(luò)而被連接的遠(yuǎn)程處理設(shè)備來執(zhí)行任務(wù)。在分布式計(jì)算環(huán)境中,程序模塊可以位于包括存儲(chǔ)設(shè)備在內(nèi)的本地和遠(yuǎn)程計(jì)算機(jī)存儲(chǔ)介質(zhì)中。
在本發(fā)明中,“組件”、“裝置”、“系統(tǒng)”等等指應(yīng)用于計(jì)算機(jī)的相關(guān)實(shí)體,如硬件、硬件和軟件的組合、軟件或執(zhí)行中的軟件等。詳細(xì)地說,例如,組件可以、但不限于是運(yùn)行于處理器的過程、處理器、對(duì)象、可執(zhí)行組件、執(zhí)行線程、程序和/或計(jì)算機(jī)。還有,運(yùn)行于服務(wù)器上的應(yīng)用程序或腳本程序、服務(wù)器都可以是組件。一個(gè)或多個(gè)組件可在執(zhí)行的過程和/或線程中,并且組件可以在一臺(tái)計(jì)算機(jī)上本地化和/或分布在兩臺(tái)或多臺(tái)計(jì)算機(jī)之間,并可以由各種計(jì)算機(jī)可讀介質(zhì)運(yùn)行。組件還可以根據(jù)具有一個(gè)或多個(gè)數(shù)據(jù)包的信號(hào),例如,來自一個(gè)與本地系統(tǒng)、分布式系統(tǒng)中另一組件交互的,和/或在 因特網(wǎng)的網(wǎng)絡(luò)通過信號(hào)與其它系統(tǒng)交互的數(shù)據(jù)的信號(hào)通過本地和/或遠(yuǎn)程過程來進(jìn)行通信。
最后,還需要說明的是,在本文中,諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來,而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且,術(shù)語“包括”、“包含”,不僅包括那些要素,而且還包括沒有明確列出的其他要素,或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下,由語句“包括……”限定的要素,并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。
如圖1所示,本發(fā)明的一實(shí)施例的人臉驗(yàn)證方法,其包括:
S11、獲取待驗(yàn)證的人臉圖像的整體特征;
S12、將所述整體特征與參考整體特征進(jìn)行比較以確定所述人臉圖像通過驗(yàn)證的第一概率,所述參考整體特征至少基于所述人臉圖像樣本生成;參考整體特征存儲(chǔ)在預(yù)先建立的第一特征庫(kù)中。
S13、基于所述人臉圖像關(guān)鍵點(diǎn)提取所述人臉圖像的局部特征。
S14、將提取的所述局部特征與參考局部特征進(jìn)行比較以確定所述人臉圖像通過驗(yàn)證的第二概率,所述參考局部特征提取自所述人臉圖像樣本;參考局部特征存儲(chǔ)在預(yù)先建立的第二特征庫(kù)中。
S15、至少基于所述第一概率和第二概率確定所述人臉圖像是否通過驗(yàn)證。
本發(fā)明實(shí)施例的人臉驗(yàn)證方法中,一方面通過獲取人臉圖像的整體特征并與第一特征庫(kù)中存儲(chǔ)的參考整體特征進(jìn)行比較來確定人臉圖像通過驗(yàn)證的第一概率,保證了能夠在獲取正臉圖像時(shí)快速進(jìn)行驗(yàn)證;另一方面圍繞人臉圖像上的關(guān)鍵點(diǎn)獲取人臉圖像的局部特征并與第二特征庫(kù)中存儲(chǔ)的參考局部特征進(jìn)行比較來確定了人臉圖像通過驗(yàn)證的第二概率,由于這種驗(yàn)證方式是通過關(guān)鍵點(diǎn)獲取的用戶的局部區(qū)域的特征進(jìn)行驗(yàn)證的,所以即使獲取的人臉圖像不是正臉也可以快速的完成人臉驗(yàn)證;最后綜合考慮第一概率和第二概率來確定人臉圖像是否能夠通過驗(yàn)證,從而避免了單一通過一方面進(jìn)行圖像驗(yàn)證可能存在的誤判的情況,從而保證了對(duì)人臉圖像的驗(yàn)證的準(zhǔn)確性和有效性。
在本實(shí)施例的步驟S11中的人臉圖像是從視頻或者硬件設(shè)備采集的圖像中獲得的,并且對(duì)圖像進(jìn)行了預(yù)處理,例如,對(duì)圖像進(jìn)行過濾與圖像銳化以得到邊緣更加清晰,之后采用DPM(Deformable Part Model)算法從圖像中檢測(cè)并得到人臉圖像。
如圖2所示,在一些實(shí)施例中,步驟S11中獲取待驗(yàn)證的人臉圖像的整體特征包括:
S21、將所述人臉圖像輸入至深度卷積神經(jīng)網(wǎng)絡(luò),所述深度卷積神經(jīng)網(wǎng)絡(luò)基于人臉圖像樣本進(jìn)行深度學(xué)習(xí)得到;;
S22、從所述深度卷積神經(jīng)網(wǎng)絡(luò)的全連接層獲取相應(yīng)于所述人臉圖像的整體特征。
深度卷積神經(jīng)網(wǎng)絡(luò)從輸入端至輸出端至少依次包括了輸入層、五個(gè)卷積層、一個(gè)池化層、三個(gè)歸一化層、全連接層以及輸出層,以人臉圖像樣本作為輸入,以相應(yīng)于每一個(gè)人臉圖像樣本的設(shè)定值為輸出進(jìn)行訓(xùn)練深度學(xué)習(xí)得到;本實(shí)施例中的樣本人臉圖像可以選擇1000個(gè)人的10000張圖片為樣本人臉圖像,以這10000張圖片為輸入,不斷調(diào)整第一深度卷積神經(jīng)網(wǎng)絡(luò),直到該第一深度卷積神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果的準(zhǔn)確率達(dá)到一定閾值,該閾值可以是0.9,或者根據(jù)對(duì)人臉圖像識(shí)別精度的要求的不同將該閾值調(diào)高或者調(diào)低。
并且在訓(xùn)練過程中將人臉圖像樣本在全連接層的輸出作為對(duì)人臉圖像樣本的描述,即作為人臉圖像樣本的參考特征(參考特征至少包括了基于樣本人臉圖像的邊緣信息、紋理信息以及形狀信息生成,并且參考特征為一個(gè)量化的數(shù)字序列),并將參考特征存儲(chǔ)至人臉特征庫(kù)中。
在一些實(shí)施例中,在將獲取的人臉圖像輸入至深度卷積神經(jīng)網(wǎng)絡(luò)之前還包括對(duì)獲取的人臉圖像進(jìn)行校正,以便于更加準(zhǔn)確的通過人臉圖像進(jìn)行驗(yàn)證。本實(shí)施例中采用SDM進(jìn)行人臉關(guān)鍵點(diǎn)的檢測(cè),綜合考慮效果與效率本實(shí)施例中只采用嘴唇、鼻尖、雙眼、眉毛等七個(gè)特征區(qū)域一共50個(gè)關(guān)鍵點(diǎn),根據(jù)定位出的雙眼來判斷人臉圖像是否需要校正,例如,通過檢測(cè)人臉圖像中左右眼是否在同一個(gè)水平線上來判斷當(dāng)前人臉圖像是否需要進(jìn)行校正,當(dāng)左右眼不在同一水平線上時(shí),驅(qū)動(dòng)整個(gè)人臉圖像進(jìn)行旋轉(zhuǎn)以實(shí)現(xiàn)對(duì)人臉圖像的校正。
在上述實(shí)施例中,步驟S13中基于所述人臉圖像關(guān)鍵點(diǎn)提取所述人臉圖 像的局部特征為,以確定的嘴唇、鼻尖、雙眼、眉毛等幾個(gè)區(qū)域?yàn)橹行倪M(jìn)行采集,并且分別以這七個(gè)點(diǎn)為中心提取周圍4、7和11為邊的密集sift特征,為了減少數(shù)據(jù)量,提升處理速度,提取后的密集SIFT特征還要進(jìn)行PCA(Principal Component Analysis)降維,PCA不僅僅是對(duì)高維數(shù)據(jù)進(jìn)行降維,更重要的是通過降維去除了噪聲,發(fā)現(xiàn)了數(shù)據(jù)中的模式,PCA把原先的n個(gè)特征用數(shù)目更少的m個(gè)特征取代,新特征是舊特征的線性組合,這些線性組合最大化樣本方差,盡量使新的m個(gè)特征互不相關(guān),從舊特征到新特征的映射捕獲數(shù)據(jù)中的固有變異性,從而獲得人臉特征圖像的七個(gè)局部區(qū)域中更具區(qū)別性的局部特征。
如圖3所示,在一些實(shí)施例中,至少基于所述第一概率和第二概率確定所述人臉圖像是否通過驗(yàn)證包括:
S31、采用支持向量機(jī)對(duì)所述第一概率和所述第二概率進(jìn)行融合以確定所述人臉圖像通過驗(yàn)證的第三概率。
S32、當(dāng)所述第三概率大于驗(yàn)證閾值時(shí)確定所述人臉圖像通過驗(yàn)證。
在本實(shí)施例中,采用SVM(Support Vector Machine支持向量機(jī))方法對(duì)第一概率和第二概率進(jìn)行融合以驗(yàn)證人臉圖像。
SVM屬于數(shù)據(jù)分類的范疇,數(shù)據(jù)分類是數(shù)據(jù)挖掘中的一個(gè)重要題目。數(shù)據(jù)分類是指在已有分類的訓(xùn)練數(shù)據(jù)的基礎(chǔ)上,根據(jù)某種原理,經(jīng)過訓(xùn)練形成一個(gè)分類器;然后使用分類器判斷沒有分類的數(shù)據(jù)的類別,并輸出被判斷數(shù)據(jù)屬于所述類別的概率值。
支持向量機(jī)是一種基于分類邊界的分類方法,本實(shí)施例中通過大量的人臉圖像的第一概率和第二概率以及人臉圖像的實(shí)際身份信息進(jìn)行訓(xùn)練來最終確定SVM分類器,其基本原理是:訓(xùn)練數(shù)據(jù)第一概率和第二概率是分布在二維平面上的點(diǎn),它們按照其分類(不同身份信息)聚集在不同的區(qū)域,通過大量的不同人臉圖像確定分類邊界,從而確定下SVM分類器;當(dāng)有待驗(yàn)證人臉圖像的第一概率和第二概率輸入SVM分類器時(shí),根據(jù)第一概率和第二概率所落在的分類邊界的區(qū)域所對(duì)應(yīng)的身份信息確定待驗(yàn)證人臉圖像是否通過驗(yàn)證,并輸出待驗(yàn)證人臉圖像通過驗(yàn)證的概率值。
采用SVM方法的優(yōu)點(diǎn)在于,并不是直接確定第一概率和第二概率中取值較大的一個(gè)概率值所對(duì)應(yīng)的身份信息為人臉圖像的正確身份信息并通過驗(yàn)證 (這種方法一般只適用于第一概率和第二概率的取值相差較大的情況)。因?yàn)槿绻诘谝桓怕屎偷诙怕手幸远x一的方式確定待驗(yàn)證人臉圖像通過驗(yàn)證的話會(huì)存在如下一種難于判斷的情況:第一概率和第二概率的大小相接近,但第一概率和第二概率又分別對(duì)應(yīng)不同的身份信息。這種情況下將難于簡(jiǎn)單的通過判斷第一概率和第二概率的大小來準(zhǔn)確的實(shí)現(xiàn)對(duì)待驗(yàn)證人臉圖像的驗(yàn)證。所以本發(fā)明實(shí)施例采用SVM分類器將對(duì)結(jié)果的驗(yàn)證轉(zhuǎn)換到了二維平面上來,從而確保了對(duì)待驗(yàn)證人臉圖像的高效可靠的驗(yàn)證。
如圖4所示,在一些實(shí)施例中,將所述整體特征與參考整體特征進(jìn)行比較以確定所述人臉圖像通過驗(yàn)證的第一概率包括:
S41、計(jì)算所述整體特征與參考整體特征之間的相似度;
S42、確定計(jì)算得到的所有相似度中的最大值為所述第一概率。
本實(shí)施例中,整體特征為取自待驗(yàn)證人臉圖像的用于描述待驗(yàn)證人臉圖像的特征值,該特征值至少是基于待驗(yàn)證人臉圖像的邊緣信息、紋理信息以及形狀信息生成的數(shù)字序列所轉(zhuǎn)化的特征向量。參考整體特征為預(yù)先存儲(chǔ)的樣本人臉圖像的邊緣信息、紋理信息以及形狀信息生成的數(shù)字序列所轉(zhuǎn)化的參考特征向量。本實(shí)施例中通過計(jì)算特征向量和參考特征向量之間的余弦相似度的方式來確定待驗(yàn)證人臉圖像通過驗(yàn)證的第一概率值。
本實(shí)施例通過采用能夠唯一地表征人臉圖像特征的邊緣信息、紋理信息和形狀信息生成特征向量來計(jì)算待驗(yàn)證人臉圖像與人臉特征庫(kù)中存儲(chǔ)的參考特征向量所對(duì)應(yīng)的樣本人臉的之間的余弦相似度的方法從人臉圖像的整體上確定了待驗(yàn)證人臉圖像通過驗(yàn)證的概率。
如圖5所示,在一些實(shí)施例中,將提取的所述局部特征與參考局部特征進(jìn)行比對(duì)以確定所述人臉圖像通過驗(yàn)證的第二概率包括:
S51、計(jì)算所述局部特征與參考局部特征之間的相似度;
S52、確定計(jì)算得到的所有相似度中的最大值為所述第二概率。
本實(shí)施例中,局部特征至少基于確定的待驗(yàn)證人臉圖像的嘴唇、鼻尖、雙眼、眉毛等幾個(gè)區(qū)域?yàn)橹行倪M(jìn)行采集,并且分別以這七個(gè)點(diǎn)為中心提取周圍4、7和11為邊的密集sift特征生成。同樣參考局部特征至少基于確定的樣本人臉圖像的嘴唇、鼻尖、雙眼、眉毛等幾個(gè)區(qū)域?yàn)橹行倪M(jìn)行采集,并且 分別以這七個(gè)點(diǎn)為中心提取周圍4、7和11為邊的密集sift特征生成。
本實(shí)施例中僅僅通過比較人臉圖像上固定的具有鮮明特征的幾個(gè)區(qū)域的相似度來進(jìn)行人臉驗(yàn)證。這種方法不僅減少了數(shù)據(jù)的處理量,而且提升了對(duì)人臉圖像特征數(shù)據(jù)的處理效率,有助于更加高效的實(shí)現(xiàn)人臉圖像的驗(yàn)證,提升了人臉驗(yàn)證的實(shí)時(shí)性。此外,由于本實(shí)施例中用于比較驗(yàn)證的局部特征為人臉圖像的局部特征,所以即使在不能夠完整的獲取人臉圖像的情況下也可以完整對(duì)人臉圖像的驗(yàn)證,因此保證了對(duì)人臉驗(yàn)證的可靠性。
上述實(shí)施例中分別通過兩個(gè)方面驗(yàn)證人臉圖像,這樣即使其中一種方法得到的驗(yàn)證結(jié)果因偶然性的因素導(dǎo)致無法通過驗(yàn)證,也會(huì)由另外一種方法使得對(duì)人臉圖像的驗(yàn)證通過,從而保證了人臉圖像的驗(yàn)證的可靠性和有效性。
需要說明的是,對(duì)于前述的各方法實(shí)施例,為了簡(jiǎn)單描述,故將其都表述為一系列的動(dòng)作合并,但是本領(lǐng)域技術(shù)人員應(yīng)該知悉,本發(fā)明并不受所描述的動(dòng)作順序的限制,因?yàn)橐罁?jù)本發(fā)明,某些步驟可以采用其他順序或者同時(shí)進(jìn)行。其次,本領(lǐng)域技術(shù)人員也應(yīng)該知悉,說明書中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例,所涉及的動(dòng)作和模塊并不一定是本發(fā)明所必須的。
在上述實(shí)施例中,對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重,某個(gè)實(shí)施例中沒有詳述的部分,可以參見其他實(shí)施例的相關(guān)描述。
如圖6所示,本發(fā)明實(shí)施例還提供一種人臉驗(yàn)證系統(tǒng)600,其包括:
局部特征提取模塊610,用于獲取待驗(yàn)證的人臉圖像輸?shù)恼w特征。
第一驗(yàn)證模塊620,用于將所述整體特征與參考整體特征進(jìn)行比較以確定所述人臉圖像通過驗(yàn)證的第一概率,所述參考整體特征至少基于所述人臉圖像樣本生成;參考整體特征存儲(chǔ)在預(yù)先建立的第一特征庫(kù)中。
整體特征提取模塊630,用于基于所述人臉圖像關(guān)鍵點(diǎn)獲取所述人臉圖像的局部特征。
第二驗(yàn)證模塊640,用于將提取的所述局部特征與參考局部特征進(jìn)行比對(duì)以確定所述人臉圖像通過驗(yàn)證的第二概率,所述參考局部特征提取自所述人臉圖像樣本;參考局部特征存儲(chǔ)在預(yù)先建立的第二特征庫(kù)中。
第三驗(yàn)證模塊650,用于至少基于所述第一概率和第二概率確定所述人臉圖像是否通過驗(yàn)證。
本發(fā)明實(shí)施例的人臉驗(yàn)證系統(tǒng)中,一方面通過深度卷積神經(jīng)網(wǎng)絡(luò)獲取人臉圖像的整體特征并與第一特征庫(kù)中存儲(chǔ)的參考整體特征進(jìn)行比較來確定人臉圖像通過驗(yàn)證的第一概率;另一方面圍繞人臉圖像上的關(guān)鍵點(diǎn)獲取人臉圖像的局部特征并與第二特征庫(kù)中存儲(chǔ)的參考局部特征進(jìn)行比較來確定了人臉圖像通過驗(yàn)證的第二概率;最后綜合考慮第一概率和第二概率來確定人臉圖像是否能夠通過驗(yàn)證,從而保證了對(duì)人臉圖像的驗(yàn)證的準(zhǔn)確性和有效性。
如圖7所示,在一些實(shí)施例中,整體特征提取模塊610包括:
圖像傳輸單元611,用于將所述人臉圖像輸入至深度卷積神經(jīng)網(wǎng)絡(luò);所述深度卷積神經(jīng)網(wǎng)絡(luò)基于人臉圖像樣本進(jìn)行深度學(xué)習(xí)得到;
特征獲取單元612,用于從所述深度卷積神經(jīng)網(wǎng)絡(luò)的全連接層獲取相應(yīng)于所述人臉圖像的整體特征。
如圖8所示,在一些實(shí)施例中,第三驗(yàn)證模塊650包括:
概率融合單元651,用于采用支持向量機(jī)對(duì)所述第一概率和所述第二概率進(jìn)行融合以確定所述人臉圖像通過驗(yàn)證的第三概率;
驗(yàn)證結(jié)果確定單元652,用于當(dāng)所述第三概率大于驗(yàn)證閾值時(shí)確定所述人臉圖像通過驗(yàn)證。
如圖9所示,在一些實(shí)施例中,第一驗(yàn)證模塊620包括:
第一相似度計(jì)算單元621,用于計(jì)算所述整體特征與第一特征庫(kù)中存儲(chǔ)的所有的參考整體特征之間的相似度;
第一概率確定單元622,用于確定計(jì)算得到的所有相似度中的最大值為所述第一概率。
如圖10所示,在一些實(shí)施例中,第二驗(yàn)證模塊640包括:
第二相似度計(jì)算單元641,用于計(jì)算所述局部特征與第二特征庫(kù)中存儲(chǔ)的所有的參考局部特征之間的相似度;
第二概率確定單元642,用于確定計(jì)算得到的所有相似度中的最大值為所述第二概率。
上述本發(fā)明實(shí)施例的人臉驗(yàn)證系統(tǒng)可用于執(zhí)行本發(fā)明實(shí)施例的人臉驗(yàn)證方法,并相應(yīng)的達(dá)到上述本發(fā)明實(shí)施例的人臉驗(yàn)證方法所達(dá)到的技術(shù)效果,這里不再贅述。
一方面,本發(fā)明實(shí)施例提供一種計(jì)算機(jī)可讀的非瞬時(shí)性存儲(chǔ)介質(zhì),所述存儲(chǔ)介質(zhì)中存儲(chǔ)有一個(gè)或多個(gè)包括執(zhí)行指令的程序,所述執(zhí)行指令能夠被電子設(shè)備(包括但不限于計(jì)算機(jī),服務(wù)器,或者網(wǎng)絡(luò)設(shè)備等)讀取并執(zhí)行,以用于執(zhí)行上述方法實(shí)施例中的相關(guān)步驟,例如:
獲取待驗(yàn)證的人臉圖像的整體特征;
將所述整體特征與參考整體特征進(jìn)行比較以確定所述人臉圖像通過驗(yàn)證的第一概率,所述參考整體特征至少基于所述人臉圖像樣本生成;
基于所述人臉圖像關(guān)鍵點(diǎn)提取所述人臉圖像的局部特征;
將提取的所述局部特征與參考局部特征進(jìn)行比對(duì)以確定所述人臉圖像通過驗(yàn)證的第二概率,所述參考局部特征提取自所述人臉圖像樣本;
至少基于所述第一概率和第二概率確定所述人臉圖像是否通過驗(yàn)證。
另一方面,本發(fā)明實(shí)施例還公開一種電子設(shè)備,該電子設(shè)備包括:
至少一個(gè)存儲(chǔ)器,用于存放計(jì)算機(jī)操作指令;
至少一個(gè)處理器,用于執(zhí)行所述存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)操作指令,以執(zhí)行:
獲取待驗(yàn)證的人臉圖像的整體特征;
將所述整體特征與參考整體特征進(jìn)行比較以確定所述人臉圖像通過驗(yàn)證的第一概率,所述參考整體特征至少基于所述人臉圖像樣本生成;
基于所述人臉圖像關(guān)鍵點(diǎn)提取所述人臉圖像的局部特征;
將提取的所述局部特征與參考局部特征進(jìn)行比對(duì)以確定所述人臉圖像通過驗(yàn)證的第二概率,所述參考局部特征提取自所述人臉圖像樣本;
至少基于所述第一概率和第二概率確定所述人臉圖像是否通過驗(yàn)證。
本發(fā)明實(shí)施例中可以通過硬件處理器(hardware processor)來實(shí)現(xiàn)相關(guān)功能模塊。
如圖11所示,為本發(fā)明上述實(shí)施例中用戶設(shè)備一實(shí)施例的結(jié)構(gòu)示意圖,本申請(qǐng)具體實(shí)施例并不對(duì)用戶設(shè)備1100的具體實(shí)現(xiàn)做限定,其包括:
處理器(processor)1110、通信接口(Communications Interface)1120、存儲(chǔ)器(memory)1130、以及通信總線1140。其中:
處理器1110、通信接口1120、以及存儲(chǔ)器1130通過通信總線1140完成 相互間的通信。
通信接口1120,用于與比如第三方訪問端等的網(wǎng)元通信。
處理器1110,用于執(zhí)行程序1132,具體可以執(zhí)行上述方法實(shí)施例中的相關(guān)步驟。
具體地,程序1132可以包括程序代碼,所述程序代碼包括計(jì)算機(jī)操作指令。
處理器1110可能是一個(gè)中央處理器CPU,或者是特定集成電路ASIC(Application Specific Integrated Circuit),或者是被配置成實(shí)施本申請(qǐng)實(shí)施例的一個(gè)或多個(gè)集成電路。
以上所描述的方法實(shí)施例僅僅是示意性的,其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的,作為單元顯示的部件可以是或者也可以不是物理單元,即可以位于一個(gè)地方,或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上??梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部模塊來實(shí)現(xiàn)本實(shí)施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性的勞動(dòng)的情況下,即可以理解并實(shí)施。
通過以上的實(shí)施例的描述,本領(lǐng)域的技術(shù)人員可以清楚地了解到各實(shí)施例可借助軟件加必需的通用硬件平臺(tái)的方式來實(shí)現(xiàn),當(dāng)然也可以通過硬件?;谶@樣的理解,上述技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來,該計(jì)算機(jī)軟件產(chǎn)品可以存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中,如ROM/RAM、磁碟、光盤等,包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī),服務(wù)器,或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行各個(gè)實(shí)施例或者實(shí)施例的某些部分所述的方法。
本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白,本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此,本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且,本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤存儲(chǔ)器和光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。
本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn) 品的流程圖和/或方框圖來描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合??商峁┻@些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器,使得通過計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。
這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中,使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品,該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上,使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理,從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。
最后應(yīng)說明的是:以上實(shí)施例僅用以說明本發(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;而這些修改或者替換,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。