CN110598565A - 一种远近人脸识别方法、装置和自动门 - Google Patents

Abstract

本发明公开了一种远近人脸识别方法，包括：采集人脸图像；按预定规则对所述人脸图像进行裁切，得到至少一张识别图像，所述识别图像中包含有局部人脸；将所述识别图像与本地储存的局部特征信息进行识别比对；若识别比对通过，则将所述人脸图像通过网络发送至云端，以与云端储存的全部特征信息进行识别比对；通过网络接收从云端反馈回来的识别比对结果。该方法将本地识别和云端识别相结合，本地储存的数据量大大减少，而云端识别的次数大大减少，不仅减少了网络占用，也提高了对非预设人脸的识别速度。本发明还公开了一种远近人脸识别装置和自动门。

Description

一种远近人脸识别方法、装置和自动门

技术领域

本发明涉及人脸识别技术，尤其涉及一种远近人脸识别方法、装置和自动门。

背景技术

随着人脸识别技术的普及，越来越多的场景中会使用到人脸识别技术，自动门就是其中一种场景，自动门通过人脸识别技术控制自动解锁或自动开门，具有较高的自动化程度。

人脸识别方法依据特征信息的储存位置分为两种，一种是本地识别，一种是远端识别，在本地识别中，特征信息储存在本地存储器中，好处是不受网络延迟影响，识别速度快，但是本地存储器的储存空间有限，对于一些数千人上班的办公大厦具有很大影响，在云端识别中，特征信息储存在云端服务器中，好处是储存空间不受限制，但是占用网络资源，受网络延迟影响，识别速度慢。

发明内容

为了解决上述现有技术的不足，本发明提供一种远近人脸识别方法，将本地识别和云端识别相结合，本地储存的数据量大大减少，而云端识别的次数大大减少，不仅减少了网络占用，也提高了对非预设人脸的识别速度。

本发明还提供一种远近人脸识别装置和自动门。

本发明所要解决的技术问题通过以下技术方案予以实现：

一种远近人脸识别方法，包括：

采集人脸图像；

按预定规则对所述人脸图像进行裁切，得到至少一张识别图像，所述识别图像中包含有局部人脸；

将所述识别图像与本地储存的局部特征信息进行识别比对；

若识别比对通过，则将所述人脸图像通过网络发送至云端，以与云端储存的全部特征信息进行识别比对；

通过网络接收从云端反馈回来的识别比对结果。

进一步地，在采集到所述人脸图像后、裁切所述人脸图像前，还包括：

对所述人脸图像进行预处理，去掉所述人脸图像中的非人脸区域。

进一步地，在对采集到的人脸图像进行裁切时，依据所述人脸图像的长宽尺寸对所述人脸图形进行裁切，形成M张裁切图像，选择包含有局部人脸的N张裁切图像作为所述识别图像，其中，M为不小于2的正整数， N为不小于1的正整数，且M＞N。

进一步地，在对采集到的人脸图像进行裁切时，依据所述人脸图像中的五官区域对所述人脸图形进行裁切，形成M张裁切图像，选择包含有五官区域的N张裁切图像作为所述识别图像，其中，M为不小于2的正整数，，N为不小于1的正整数，且M＞N。

一种远近人脸识别装置，包括：

采集模块，用于采集人脸图像；

裁切模块，用于按预定规则对所述人脸图像进行裁切，得到至少一张识别图像，所述识别图像中包含有局部人脸；

识别模块，用于将所述识别图像与本地储存的局部特征信息进行识别比对；

本地存储模块，用于储存每个预设人脸的局部特征信息；

网络收发模块，用于在所述识别图像与本地储存的局部特征信息识别比对通过后，将所述人脸图像通过网络发送至云端进行识别比对，然后通过网络接收从云端反馈回来的识别比对结果。

进一步地，包括：

预处理模块，用于在采集到所述人脸图像后、裁切所述人脸图像前，对所述人脸图像进行预处理，去掉所述人脸图像中的非人脸区域。

进一步地，所述裁切模块在对采集到的人脸图像进行裁切时，依据所述人脸图像的长宽尺寸对所述人脸图形进行裁切，形成M张裁切图像，选择包含有局部人脸的N张裁切图像作为所述识别图像，其中，M为不小于2的正整数， N为不小于1的正整数，且M＞N。

进一步地，所述裁切模块在对采集到的人脸图像进行裁切时，依据所述人脸图像中的五官区域对所述人脸图形进行裁切，形成M张裁切图像，选择包含有五官区域的N张裁切图像作为所述识别图像，其中，M为不小于2的正整数，，N为不小于1的正整数，且M＞N。

一种远近人脸识别装置，包括摄像头、本地存储器、网络收发器和中央处理器，所述中央处理器分别连接控制所述摄像头、本地存储器和网络收发器进行上述的远近人脸识别方法。

一种自动门，包括上述的远近人脸识别装置。

本发明具有如下有益效果：该远近人脸识别方法和装置将本地识别和云端识别相结合，本地识别仅识别比对人脸的局部特征信息，本地只需储存预设人脸的局部特征信息，本地储存的数据量大大减少，而云端识别仅在本地识别通过后才进行，大大减少了云端识别的次数，减少网络占用，也提高了对非预设人脸的识别速度。

附图说明

图1为本发明提供的远近人脸识别方法的步骤框图；

图2为本发明提供的远近人脸识别装置的原理框图；

图3为本发明提供的远近人脸识别装置的原理框图。

具体实施方式

下面结合附图和实施例对本发明进行详细的说明。

实施例一

如图1所示，一种远近人脸识别方法，包括：

步骤S10：采集人脸图像。

具体的，该方法通过一摄像头来拍摄获取所述人脸图像，所述摄像头可以为RGB摄像头、TOF摄像头或结构光摄像头等。

优选地，该远近人脸识别方法在采集到所述人脸图像后，还包括：

步骤S20：对所述人脸图像进行预处理，去掉所述人脸图像中的非人脸区域。

具体的，该方法通过图像识别算法在所述人脸图像中识别出人脸区域，然后将位于人脸区域外的非人脸区域（比如建筑物、树木或衣服等背景）去掉。将非人脸区域去掉的方法可以为图像填充或图像删除，图像填充指的是在非人脸区域中填充亮度值为255的白色像素点或亮度值为0的黑色像素点，图像删除指的是直接将非人脸区域删除。

步骤S30：按预定规则对所述人脸图像进行裁切，得到至少一张识别图像，所述识别图像中包含有局部人脸。

在一实施方式中，在对采集到的人脸图像进行裁切时，依据所述人脸图像的长宽尺寸对所述人脸图形进行裁切，形成M张裁切图像，选择包含有局部人脸的N张裁切图像作为所述识别图像，其中，M为不小于2的正整数， N为不小于1的正整数，且M＞N。

具体的，将所述人脸图像的长和/或宽分成至少两份，然后依据长和/或宽的份数对所述人脸图像进行裁，形成至少两张尺寸相同或不同的裁切图像，比如将所述人脸图像的长分成3份，宽也分成3份，所述人脸图像就被裁切形成3*3张裁切图像，或者，将所述人脸图像的长分成4份，宽分成5份，所述人脸图像就被裁切形成4*5张裁切图像等。

完成所述人脸图像的裁切后，在至少两张裁切图像中选择包含有局部人脸的至少一张裁切图像作为所述识别图像，其中，所述识别图像优选为位于或靠近所述人脸图像中特征性较明显的中心区域。

特别说明的是，并非每一张裁切图像中均包含有局部人脸，视所述人脸图像的长宽尺寸、所述人脸图像中的人脸区域以及图像裁切的位置和份数而定；所述识别图像的数量应少于所述裁切图像的数量。

在另一实施方式中，在对采集到的人脸图像进行裁切时，依据所述人脸图像中的五官区域对所述人脸图形进行裁切，形成M张裁切图像，选择包含有五官区域的N张裁切图像作为所述识别图像，其中，M为不小于2的正整数，N为不小于1的正整数，且M＞N。

具体的，先通过图像识别算法在所述人脸图像中识别出眼耳口鼻嘴等五官区域，然后对眼耳口鼻嘴等五官区域进行裁切，形成至少两张裁切图像，比如对五官区域中的眼睛进行裁切，形成包含有眼睛的一张裁切图像和不包含眼睛的另一张裁切图像，或者，对五官区域中的眼耳口鼻嘴同时进行裁切，形成包含有眼耳口鼻嘴的一张裁切图像和不包含眼耳口鼻嘴的另一张裁切图像等。

完成所述人脸图像的裁切后，在至少两张裁切图像中选择包含有五官区域的至少一张裁切图像作为所述识别图像，其中，所述识别图像优选包含有眼睛、鼻子或嘴巴等五官区域中特征性较明显的五官。

特别说明的是，并非每一张裁切图像中均包含有五官区域，其中不用作所述识别图像的裁切图像中就可能不包含有五官区域，视所述识别图像具有多大的五官区域而定，五官区域中包含有眼耳口鼻嘴等至少一五官；所述识别图像的数量应少于所述裁切图像的数量。

步骤S40：将所述识别图像与本地储存的局部特征信息进行识别比对。

具体的，该方法通过一本地存储器来储存每个预设人脸的局部特征信息，所述本地存储器可以为硬盘、DRAM或闪存等。

在进行本地的识别比对时，对所述识别图像进行特征提取，以提取出所述人脸图像中的局部特征信息来与每张预设人脸的局部特征信息进行比对。

本地储存的局部特征信息也通过步骤S30中的方法按预定规则对每个预设人脸进行裁切，得到至少一张特征图像，所述特征图像中也包含有局部人脸，然后通过对所述特征图像中包含的局部人脸进行特征提取得到每个预设人脸的局部特征信息储存在本地。

在该方法的步骤S30和步骤S40中，若所述识别图像被设定为所述人脸图像中预定位置（比如中心区域）的裁切图像，则所述特征图像也被设定为所述预设人脸中对应位置（比如中心区域）的裁切图像，或者，若所述识别图像被设定为包含所述人脸图像中预定五官区域（比如眼睛）的裁切图像，则所述特征图像也被设定为包含所述预设人脸中对应五官区域（比如眼睛）的裁切图像，总之所述识别图像中所包含的人脸特征信息与所述特征图像中所包含的人脸特征信息相对应。

步骤S50：若识别比对通过，则将所述人脸图像通过网络发送至云端，以与云端储存的全部特征信息进行识别比对。

具体的，该方法通过一网络收发器来接入网络进行数据收发，所述网络收发器可以为4G/5G天线或WIFI天线等；同时，该方法通过一云端服务器来储存每个预设人脸的全部特征信息；该方法通过所述网络收发器来向所述云端服务器通发送所述人脸图像。

在进行云端的识别比对时，对所述人脸图像进行特征提取，以提取出所述人脸图像中的全部特征信息来与每张预设人脸的全部特征信息进行比对，然后通过网络反馈识别比对结果。

该方法在步骤S50中若识别比对不通过，则直接结束，并输出识别比对结果。

步骤S60：通过网络接收从云端反馈回来的识别比对结果。

具体的，该方法通过所述网络收发器来接收所述云端服务器反馈识别比对结果。

该远近人脸识别方法将本地识别和云端识别相结合，本地识别仅识别比对人脸的局部特征信息，本地只需储存预设人脸的局部特征信息，本地储存的数据量大大减少，而云端识别仅在本地识别通过后才进行，大大减少了云端识别的次数，减少网络占用，也提高了对非预设人脸的识别速度。

实施例二

如图2所示，一种远近人脸识别装置，包括：

采集模块，用于采集人脸图像；

裁切模块，用于按预定规则对所述人脸图像进行裁切，得到至少一张识别图像，所述识别图像中包含有局部人脸；

识别模块，用于将所述识别图像与本地储存的局部特征信息进行识别比对；

本地存储模块，用于储存每个预设人脸的局部特征信息；

网络收发模块，用于在所述识别图像与本地储存的局部特征信息识别比对通过后，将所述人脸图像通过网络发送至云端进行识别比对，然后通过网络接收从云端反馈回来的识别比对结果。

该远近人脸识别装置还包括：

预处理模块，用于在采集到所述人脸图像后、裁切所述人脸图像前，对所述人脸图像进行预处理，去掉所述人脸图像中的非人脸区域。

所述预处理模块先通过图像识别算法在所述人脸图像中识别出人脸区域，然后将位于人脸区域外的非人脸区域（比如建筑物、树木或衣服等背景区域）去掉。将非人脸区域去掉的方法可以为图像填充或图像删除，图像填充指的是在非人脸区域中填充亮度值为255的白色像素点或亮度值为0的黑色像素点，图像删除指的是直接将非人脸区域删除。

在一具体实施方式中，所述裁切模块在对采集到的人脸图像进行裁切时，依据所述人脸图像的长宽尺寸对所述人脸图形进行裁切，形成M张裁切图像，选择包含有局部人脸的N张裁切图像作为所述识别图像，其中，M为不小于2的正整数， N为不小于1的正整数，且M＞N。

具体的，所述裁切模块将所述人脸图像的长和/或宽分成至少两份，然后依据长和/或宽的份数对所述人脸图像进行裁，形成至少两张尺寸相同或不同的裁切图像，比如将所述人脸图像的长分成3份，宽也分成3份，所述人脸图像就被裁切形成3*3张裁切图像，或者，将所述人脸图像的长分成4份，宽分成5份，所述人脸图像就被裁切形成4*5张裁切图像等。

所述裁切模块完成所述人脸图像的裁切后，在至少两张裁切图像中选择包含有局部人脸的至少一张裁切图像作为所述识别图像，其中，所述识别图像优选为位于或靠近所述人脸图像中特征性较明显的中心区域。

特别说明的是，并非每一张裁切图像中均包含有局部人脸，视所述人脸图像的长宽尺寸、所述人脸图像中的人脸区域以及图像裁切的位置和份数而定；所述识别图像的数量应少于所述裁切图像的数量。

在另一具体实施方式中，所述裁切模块在对采集到的人脸图像进行裁切时，依据所述人脸图像中的五官区域对所述人脸图形进行裁切，形成M张裁切图像，选择包含有五官区域的N张裁切图像作为所述识别图像，其中，M为不小于2的正整数，N为不小于1的正整数，且M＞N。

具体的，所述裁切模块先通过图像识别算法在所述人脸图像中识别出眼耳口鼻嘴等五官区域，然后对眼耳口鼻嘴等五官区域进行裁切，形成至少两张裁切图像，比如对五官区域中的眼睛进行裁切，形成包含有眼睛的一张裁切图像和不包含眼睛的另一张裁切图像，或者，对五官区域中的眼耳口鼻嘴同时进行裁切，形成包含有眼耳口鼻嘴的一张裁切图像和不包含眼耳口鼻嘴的另一张裁切图像等。

所述裁切模块完成所述人脸图像的裁切后，在至少两张裁切图像中选择包含有五官区域的至少一张裁切图像作为所述识别图像，其中，所述识别图像优选包含有眼睛、鼻子或嘴巴等五官区域中特征性较明显的五官。

特别说明的是，并非每一张裁切图像中均包含有五官区域，其中不用作所述识别图像的裁切图像中就不包含有五官区域视所述识别图像具有多大的五官区域而定，五官区域中包含有眼耳口鼻嘴等至少一五官；所述识别图像的数量应少于所述裁切图像的数量。

所述识别模块在进行本地的识别比对时，对所述识别图像进行特征提取，以提取出所述人脸图像中的局部特征信息来与每张预设人脸的局部特征信息进行比对。

所述本地存储模块中储存的局部特征信息也通过所述裁切模块按预定规则对每个预设人脸进行裁切，得到至少一张特征图像，所述特征图像中也包含有局部人脸，然后通过对所述特征图像中包含的局部人脸进行特征提取得到每个预设人脸的局部特征信息储存在所述本地存储模块。

在该装置的裁切模块中，若所述识别图像被设定为所述人脸图像中预定位置（比如中心区域）的裁切图像，则所述特征图像也被设定为所述预设人脸中对应位置（比如中心区域）的裁切图像，或者，若所述识别图像被设定为包含所述人脸图像中预定五官区域（比如眼睛）的裁切图像，则所述特征图像也被设定为包含所述预设人脸中对应五官区域（比如眼睛）的裁切图像，总之所述识别图像中所包含的人脸特征信息与所述特征图像中所包含的人脸特征信息相对应。

所述识别模块若识别比对不通过，则直接结束，并输出识别比对结果。

所述网络收发模块将所述人脸图像发送至位于云端的云端服务器后，所述云端服务器中存储有每张预设人脸的全部特征信息，在进行云端的识别比对时，对所述人脸图像进行特征提取，以提取出所述人脸图像中的全部特征信息来与每张预设人脸的全部特征信息进行比对，然后通过网络反馈识别比对结果。

实施例三

如图3所示，一种远近人脸识别装置，包括摄像头、本地存储器、网络收发器和中央处理器，所述中央处理器分别连接控制所述摄像头、本地存储器和网络收发器进行实施例一所述的远近人脸识别方法。

实施例四

一种自动门，包括实施例二或实施例三述的远近人脸识别装置。

该自动门通过所述远近人脸识别装置的识别结果来进行自动解锁或自动开门等自动化控制。

以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制，但凡采用等同替换或等效变换的形式所获得的技术方案，均应落在本发明的保护范围之内。

Claims (10)

1.一种远近人脸识别方法，其特征在于，包括：

采集人脸图像；

按预定规则对所述人脸图像进行裁切，得到至少一张识别图像，所述识别图像中包含有局部人脸；

将所述识别图像与本地储存的局部特征信息进行识别比对；

若识别比对通过，则将所述人脸图像通过网络发送至云端，以与云端储存的全部特征信息进行识别比对；

通过网络接收从云端反馈回来的识别比对结果。

2.根据权利要求1所述的远近人脸识别方法，其特征在于，在采集到所述人脸图像后、裁切所述人脸图像前，还包括：

对所述人脸图像进行预处理，去掉所述人脸图像中的非人脸区域。

3.根据权利要求1或2所述的远近人脸识别方法，其特征在于，在对采集到的人脸图像进行裁切时，依据所述人脸图像的长宽尺寸对所述人脸图形进行裁切，形成M张裁切图像，选择包含有局部人脸的N张裁切图像作为所述识别图像，其中，M为不小于2的正整数， N为不小于1的正整数，且M＞N。

4.根据权利要求1或2所述的远近人脸识别方法，其特征在于，在对采集到的人脸图像进行裁切时，依据所述人脸图像中的五官区域对所述人脸图形进行裁切，形成M张裁切图像，选择包含有五官区域的N张裁切图像作为所述识别图像，其中，M为不小于2的正整数，N为不小于1的正整数，且M＞N。

5.一种远近人脸识别装置，其特征在于，包括：

采集模块，用于采集人脸图像；

裁切模块，用于按预定规则对所述人脸图像进行裁切，得到至少一张识别图像，所述识别图像中包含有局部人脸；

识别模块，用于将所述识别图像与本地储存的局部特征信息进行识别比对；

本地存储模块，用于储存每个预设人脸的局部特征信息；

网络收发模块，用于在所述识别图像与本地储存的局部特征信息识别比对通过后，将所述人脸图像通过网络发送至云端进行识别比对，然后通过网络接收从云端反馈回来的识别比对结果。

6.根据权利要求5所述的远近人脸识别装置，其特征在于，包括：

预处理模块，用于在采集到所述人脸图像后、裁切所述人脸图像前，对所述人脸图像进行预处理，去掉所述人脸图像中的非人脸区域。

7.根据权利要求5或6所述的远近人脸识别装置，其特征在于，所述裁切模块在对采集到的人脸图像进行裁切时，依据所述人脸图像的长宽尺寸对所述人脸图形进行裁切，形成M张裁切图像，选择包含有局部人脸的N张裁切图像作为所述识别图像，其中，M为不小于2的正整数， N为不小于1的正整数，且M＞N。

8.根据权利要求5或6所述的远近人脸识别装置，其特征在于，所述裁切模块在对采集到的人脸图像进行裁切时，依据所述人脸图像中的五官区域对所述人脸图形进行裁切，形成M张裁切图像，选择包含有五官区域的N张裁切图像作为所述识别图像，其中，M为不小于2的正整数，N为不小于1的正整数，且M＞N。

9.一种远近人脸识别装置，其特征在于，包括摄像头、本地存储器、网络收发器和中央处理器，所述中央处理器分别连接控制所述摄像头、本地存储器和网络收发器进行权利要求1-4中任一所述的远近人脸识别方法。

10.一种自动门，包括权利要求5-9中任一所述的远近人脸识别装置。